Biaya Operasional
dibanding Pendapatan
Operasional BOPO
X3 Rasio
ini digunakan
untuk mengukur
kemampuan manajemen
bank
dalam mengendalikan
biaya operasional
terhadap pendapatan
operasional. Rasio
Dendawijaya 2005:119-
120
Sumber: Pandia, dkk 2005 dan Dendawijaya 2005
3.4. Metode Pengumpulan Data
Metode yang digunakan dalam penelitian ini adalah metode dokumentasi.. Metode ini digunakan untuk memperoleh data yang berupa perhitungan rasio
keuangan ROA, CAR, LDR dan BOPO. Dalam penelitian ini dokumentasinya berupa laporan keuangan bulanan pada PD. BPR BKK Taman Kabupaten
Pemalang periode tahun 2010 sampai dengan 2013.
3.5. Metode Analisis Data
Metode analisis data yang digunakan untuk menganalisis variabel-variabel dalam penelitian ini adalah :
3.5.1. Analisis Statistik Deskriptif
Ghozali 2011:19 menyatakan bahwa analisis statistik deskripitif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata
mean, standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness kemencengan distribusi. Analisis statistik deskriptif digunakan untuk
mendeskripsikan variabel-variabel dalam penelitian ini yaitu variabel dependen
yaitu profitabilitas ROA dan variabel independen yaitu Capital Adequacy Ratio CAR, Loan to Deposit Ratio LDR dan Biaya Operasional dibanding
Pendapatan Operasional BOPO. Alat analisis yang digunakan adalah rata-rata mean, maksimal, dan minimal.
3.5.2. Uji Asumsi Klasik
Pengujian asumsi klasik yang digunakan dalam penelitian ini meliputi uji normalitas, uji multikolonieritas, uji autokorelasi, dan uji heteroskedastisitas yang
secara rinci dapat dijelaskan sebagau berikut:
1. Uji Normalitas
Uji Normalitas data bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal Ghozali,
2011:160. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Jika asumsi ini dilanggar maka uji statistik
menjadi tidak valid untuk jumlah sampel kecil. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu Ghozali, 2011:160-164 :
1. Analisis Grafik Salah satu cara termudah untuk melihat normalitas residual adalah
dengan melihat grafik histogram yang membandingkan antara data observasi dengan ditribusi yang mendekati distribusi normal. Metode yang lebih handal
adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan
membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal,
maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram
dari residualnya. Dasar pengambilan keputusan: a Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi
normal, maka model regresi tidak memenuhi asumsi normalitas. 2. Analisis Statistik
Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametrik Kolmogorov-Smirnov K-S. Uji K_S
dilakukan dengan membuat hipotesis : Ho : Data residual berdistribusi normal
Ha : Data residual tidak berdistribusi normal Nilai K-S dengan probabilitas signifikansi lebih rendah dari
α = 0.05 berarti Ho ditolak yang berarti bahwa data tidak berdistribusi secara normal.
Sebaliknya, jika probabilitas signifikansi lebih tinggi dari α = 0.05 berarti Ho
diterima yang berarti bahwa data berdistribusi secara normal.
2. Uji Multikolinieritas
Uji multikolonieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model yang baik
seharusnya tidak terjadi korelasi yang tinggi diantara variabel bebas. Untuk mendeteksi ada atau tidaknya multikolonieritas didalam model regresi adalah
sebagai berikut Ghozali, 2011:105-106 : a. Nilai R
2
yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen
banyak yang tidak signifikan mempengaruhi variabel dependen. b. Menganalisis matrik korelasi variabel-variabel independen. Jika antar
variabel independen ada korelasi yang cukup tinggi umumnya diatas 0,90, maka hal ini merupakan indikasi adanya multikolonieritas. Tidak
adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolonieritas. Multikolonieritas dapat disebabkan karena
adanya efek kombinasi dua atau lebih variabel independen. c. Multikolonieritas dapat juga dilihat dari nilai tolerance dan lawannya
Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh vaiabel independen
lainnya. Dalam penegertian sederhana setiap variabel independen menjadi variabel dependen terikat dan diregres terhadap variabel
independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel
independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai
VIF timggi karena VIF =1Tolerance. Nilai yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance ≤0,10 atau
sama dengan ni lai VIF ≥10.
3. Uji Autokorelasi
Ghozali 2011:110, uji Autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pengganggu t-1 sebelumnya. Dalam penelitian ini unutk mendeteksi ada atau tidaknya autokorelasi dilakukan uji Durbin-Watson DW
test. Ghozali 2011:111, uji Durbin
–Watson hanya digunakan autokorelasi tingkat satu first order autocorrelation dan mensyaratkan adanya intercept
konstanta dalam model regresi dan tidak ada variabel lag diantara variabel independen. Dengan pengambilan keputusan ada tidaknya autokorelasi sebagai
berikut:
Tabel 3.2 Kriteria Autokorelasi
Durbin-Watson
Hipotesis nol Keputusan
Jika Tidak ada autokorelasi
positif Tolak
0 d dl Tidak ada autokorelasi
positif No decision
dl ≤ d ≤ du Tidak ada korelasi
negatif Tolak
4-dl d 4 Tidak ada korelasi
negatif No decision
4 – du ≤ d ≤ 4 – dl
Tidak ada autokorelasi, positif
atau negatif Tidak ditolak
du d 4 – du
Sumber: Ghozali, 2011