Loan to Deposit
Ratio LDR
kemampuan bank dalam membayar kembali
kewajiban kepada para nasabah yang telah
menanamkan dana dengan kredit-kredit yang telah
diberikan kepada para debiturnya.
LDR=
alsendiri ihimpun
aberhasild seluruhdan
kredit empa
seluruhpen mod
tan
Rasio
Giro Wajib
Minimu m
GWM perbandingan giro pada
Bank Indonesia dengan seluruh dana yang berhasil
dihimpun. GWM =
n sildihimpu
ayangberha seluruhdan
a nkIndonesi
GiropadaBa
Rasio
Depen den
Pertumb uhan
Laba Pertumbuhan laba
merupakan kenaikan laba atau penurunan laba
pertahun yang dinyatakan dalam persentase
Pertumbuhan Laba=
ebelumnya labatahuns
ebelumnya labatahuns
ni labatahuni
Rasio
F. Metode Analisis Data
Keseluruhan data yang telah dikumpul dianalisis untuk dapat memberikan jawaban dari masalah yang dibahas dalam penelitian ini.
1. Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, maksimum dan minimum. Statistik
deskriptif merupakan statistik yang menggambarkan atau yang mendekripsikan data yang menjadi sebuah informasi yang lebih jelas dan mudah untuk dipahami.
2. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal serta untuk
menghindari bias dalam model regresi. Untuk mendeteksinya dapat digunakan analisis grafik yaitu melihat grafik histogram yang membandingkan data
Universitas Sumatera Utara
observasi dengan distribusi yang mendekati distribusi normal dan yang lebih handal adalah dengan melihat normal probability plot, dimana :
1. jika data menyebar di sekitar garis diagonal dan mengikuti arah garis
diagonal, maka model regresi memenuhi asumsi normalitas, 2.
jika data menyebar jauh garis diagonal dan tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Proses uji normalitas data dilakukan dengan menggunakan uji Kolmogorov Smirnov. Distribusi data dapat dilihat dengan membandingkan Zhitung
dengan Ztabel dengan kriteria sebagai berikut: 1.
jika Zhitung Ztabel ,96 atau angka signifikan taraf signifikan
0,05 maka distribusi data dikatakan normal, 2.
jika Zhitung Ztabel 1,96 atau amgka signifikan taraf signifikan
0,05 maka distribusi data dikatakan tidak normal. Model regresi yang baik adalah yang mempunyai distribusi data normal atau
mendekati normal.
b. Uji Multikolinearitas
Multikolinearitas adalah suatu keadaan dimana satu atau lebih variabel dependent dinyatakan sebagai kombinasi linier dengan variabel dependent
lainnya. Jika suatu model regresi mengandung multikolinearitas maka kesalahan standar estimasi akan cenderung meningkat dengan bertambahnya
variable dependent.
Universitas Sumatera Utara
Pengujian terhadap ada tidaknya multikolinearitas dapat dilakukan dengan melihat nilai tolerance dan lawannya, serta Variance Inflation Factor VIF.
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Nilai cut off yang umum dipakai
untuk menunjukkan adanya multikolinearitas adalah nilai tolerance 0,10 atau sama dengan VIF10. Uji ini juga dapat dilakukan dengan melihat nilai
korelasi antar variabel independen lebih besar dari 0,95 maka dapat disimpulkan bahwa terdapat gejala multikolinearitas antar variabel
independen dalam penelitian tersebut.
c. Autokorelasi
Autokorelasi adalah korelasi antar anggota sampel yang diurutkan berdasarkan waktu. Autokorelasi menunjukkan adanya kondisi yang berurutan
antara gangguan atau distribusi yang masuk dalam regresi. Uji autokorelasi bertujuan untuk mengetahui apakah terjadi korelasi antara anggota
serangkaian data observasi yang diurutkan menurut waktu time series. Pengujian autokorelasi dilakukan dengan menggunakan uji Durbin-Watson.
Kriteria untuk penilaian terjadinya autokorelasi adalah: 1.
angka D-W di bawah -2 berarti ada autokorelasi positif, 2.
angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi, 3.
angka D-W di atas +2 berarti ada autokorelasi negatif.
Universitas Sumatera Utara
d. Heterokedastisitas
Pengujian Heterokedastisitas dilakukan dalam sebuah model regresi, dengan tujuan bahwa apakah suatu regresi tersebut terjadi ketidaksamaan varians dari
residual dari setiap pengamatan ke pengamatan lainnya berbeda, maka disebut heterokedastisitas. Gejala heterokedastisitas terjadi apabila disturbance terms
untuk setiap observasi tidak lagi konstan tetapi bervariasi. Dasar analisis yang dapat digunakan untuk menentukan heterokedastisitas
adalah: 1.
jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka
mengindikasikan heterokedastisitas, 2.
jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan dibawah anngka 0 pada sumbu Y, maka mengindikasikan tidak terjadi
heterokedastisitas. Uji heterokedastisitas dapat dilakukan dengan mlihat grafik scatterplot antar
nilai prediksi variabel independen dengan nilai residualnya.
3. Uji Hipotesis