Uji Heteroskedastisitas Gambaran Umum Uji Multikolineritas

34

c. Uji Heteroskedastisitas

Uji heteroskesdastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Untuk mendeteksi ada tidaknya heteroskedastisitas menurut Ghozali 2005:139 dapat dilihat dari grafik scatterplot antara lain prediksi variabel dependen, yaitu ZPRED dengan residualnya SRESID. Dasar pengambilan keputusannya adalah : 1. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. 2. jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.

d. Uji Autokorelasi

Bertujuan untuk menguji apakah dalam suatu model regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah yang bebas Universitas Sumatera Utara 35 autokorelasi. Untuk mendeteksi autokorelasi dapat dilakukan uji statistik melalui uji Durbin-Watson DW test Ghozali, 2005:110. Dalam pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut : 1. Bila nilai DW terletak diantara batas atau upper bound du dan 4- du maka koefisien autokorelasi = 0, berarti tidak ada autokorelasi. 2. Bila nilai DW lebih rendah daripada batas bawah atau lower bound dl maka koefisien autokorelasi 0, berarti tidak ada autokorelasi positif. 3. Bila nilai DW lebih besar dari 4-dl maka koefisien autokorelasi 0, berarti ada autokorelasi negatif. 4. Bila nilai DW terletak antara du dan dl atau DW terletak antara 4- du dan 4-dl, maka hasilnya tidak dapat disimpulkan.

3.6.2 Analisis Regresi Berganda

Analisis regresi berganda adalah suatu analisis untuk mengetahui pengaruh variabel – variabel independen yaitu capital adequacy ratio CAR,Non performing loan NPL, Operational Efficiency Ratio OER, loan to deposit ratio LDR terhadap variabel dependen yaitu pertumbuhan laba dengan rumus: Y= a + b 1 X 1 + b 2 X2 + b 3 X 3 + b 4 X 4 + e Keterangan: Y = Pertumbuhan laba a = Konstanta dari persamaan regresi Universitas Sumatera Utara 36 b1-b4 = Koefisien regresi variabel independen X 1 = Capital Adequacy Ratio CAR X 2 = Non Perfoming Loan NPL X 3 = Operational Efficiency Ratio OER X 4 = Loan to Deposit Ratio LDR e = error

3.6.3 Pengujian Hipotesis

1. Uji t Uji Parsial Uji t dilakukan untuk mengetahui pengaruh masing – masing rasio keuangan secara individu terhadap minimalisasi resiko. langkah – langkah pengujian yang dilakukan adalah dengan pengujian dua arah, sebagai berikut Gujarati, 1999: a. Merumuskan hipotesis Ha Ha diterima: berarti terdapat pengaruh yang signifikan antara variabel independen terhadap variabel dependen secara parsial. b. Menentukan tingkat signifikansi a sebesar 0,05. c. Membandingkan t hitung dengan t tabel. Jika t hitung lebih besar dari t tabel maka Ha diterima. d. Berdasarkan probabilitas. Ha akan diterima jika nilai probabilitasnya kurang dari 0,05 a. Universitas Sumatera Utara 37 e. Menentukan variabel independen mana yang mempunyai pengaruh paling dominan terhadap variabel dependen. Hubungan ini dapat dilihat dari koefisien regresinya. 2. Uji signifikansi Simultan uji –F Uji F dilakukan untuk melihat pengaruh variabel bebas secara bersama – sama terhadap variabel tidak bebas. Tahapan uji F sebagai berikut: a. Merumuskan hipotesis Ha Ha diterima: berarti terdapat pengaruh yang signifikan antara variabel independen terhadap variabel dependen secara simultan. b. Menentukan tingkat signifikansi sebesar 0,05 c. Membandingkan t hitung dengan t tabel. d. Berdasarkan probabilitas. Ha akan diterima jika nilai probabilitasnya kurang dari 0,05 a. e. Menentukan nilai koefisien determinasi, dimana koefisien menunjukkan seberapa besar variabel independen pada model yang digunakan mampu menjelaskan variabel dependennya. Universitas Sumatera Utara 38 BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum

Obyek penelitian yang digunakan didalam penelitian ini adalah bank swasta devisa yang terdaftar di website Bank Indonesia BI periode 2008-2010, dimana jumlah seluruh bank tersebut adalah 20 bank. Data diambil dari laporan keuangan publikasi bank-bank tersebut, khususnya pada laporan perhitungan rasio keuangan.

4.2 Hasil Penelitian

4.2.1 Statistik Deskriptif

Statistik deskriptif digunakan untuk menunjukkan jumlah data yang digunakan dalam penelitian ini serta dapat menunjukkan nilai maksimum, nilai Universitas Sumatera Utara 39 minimum, nilai rata-rata serta standar deviasi dari masing-masing variabel. Variabel dalam penelitian ini meliputi variable CAR, NPL, OER, LDR, dan Pertumbuhan laba. Hasil olah data deskriptif dapat dilihat pada tabel 4.1 sebagai berikut: Tabel 4.1 Statistik Deskriptif N Minimum Maximum Mean Std. Deviation CAR 60 -22.29 33.27 15.7785 7.31509 NPL 60 .06 10.42 2.1703 2.02452 OER 60 41.99 1226.28 102.3962 148.05277 LDR 60 45.60 102.20 77.3078 13.55054 PERTUMBUHAN_LABA 60 -3630.58 1025.21 -12.5275 496.48826 Valid N listwise 60 Sumber: Data sekunder yang diolah Pada tabel 4.1 diatas menunjukkan bahwa N atau jumlah data pada setiap variabel adalah 60 yang di teliti selama periode 2007 - 2010. Dari 60 sampel data CAR, nilai minimum sebesar -22,29 terdapat pada Bank Mutiara tahun 2008 dan nilai maksimum sebesar 33,27 terdapat pada Bank Swadesi tahun 2008. Berdasarkan hasil perhitungan diatas tampak bahwa standard deviasi CAR sebesar 7,31 lebih kecil dibanding dengan nilai mean rata – rata yaitu sebesar 15,77. Hal ini menunjukkan bahwa secara statistik, selama periode penelitian rasio CAR Universitas Sumatera Utara 40 telah memenuhi standar yang diberikan Bank Indonesia yaitu minimal 8. Sehingga dapat disimpulkan bahwa rasio kecukupan modal yang dimiliki perbankan swasta devisa yang terdaftar di website BI dapat dikatakan relatif baik. Dari 60 sampel data NPL, nilai minimum sebesar 0,06 terdapat pada Bank Central Asia pada tahun 2008 dan 2010. Nilai maksimum sebesar 10,42 terdapat pada Bank Mutiara pada tahun 2008. Nilai mean rata – rata NPL sebesar 2,17 dan nilai standar deviasi sebesar 2,02. Hal ini menunjukkan bahwa secara statistik, selama periode penelitian tingkat rasio NPL perbankan swasta devisa yang terdaftar di website BI efisien karena nilai rata-rata rasio NPL tidak melebihi ketentuan yang ditetapkan oleh BI yaitu maksimal 5. Dari 60 sampel data OER, nilai minimum sebesar 41,99 terdapat pada Bank Central Asia pada tahun 2008 dan maksimum sebesar 1226,28 terdapat pada Bank Mutiara tahun 2008. Nilai mean rata – rata sebesar 102,39 dengan standar deviasi 148,05. Hal ini menunjukkan bahwa secara statistik, selama periode penelitian, tingkat efisiensi operasi perbankan swata devisa yang terdaftar di website BI tidak baik karena nilai mean rata-rata rasio BOPO diatas 100. Dari 60 sampel data LDR, nilai minimum sebesar 45,60 terdapat pada Bank Ekonomi Raharja pada tahun 2009 dan nilai maksimum sebesar 102,20 terdapat pada Bank Himpunan Saudara 1906 pada tahun 2008. Nilai mean rata – rata sebesar 77,30 dengan standard deviasi sebesar 13,55. Secara statistik, dengan nilai mean rata – rata 77,30 dapat disimpulkan bahwa tingkat likuiditas yang dicapai perbankan swasta devisa yang terdaftar di website BI rendah karena dibawah standar yang ditetapkan yaitu 85. Universitas Sumatera Utara 41 Sama halnya dengan variabel pertumbuhan laba, dari 60 sampel data, nilai minimum sebesar -3630,58 terdapat pada Bank Mutiara pada tahun 2007-2008 dan nilai maksimum sebesar 1025,21 terdapat pada Bank International Indonesia pada tahun 2009-2010. Nilai mean rata – rata sebesar -12,52 dengan standar deviasi 496,48. Standar deviasi lebih besar dari mean rata – rata pertumbuhan laba dan hal ini menunjukkan bahwa simpangan data pada variabel pertumbuhan laba dapat dikatakan tidak baik. Standar deviasi menunjukkan seberapa jauh kemungkinan nilai yang diperoleh menyimpang dari nilai yang diharapkan dalam hal ini variabel Pertumbuhan Laba, CAR, NPL, OER, LDR. Semakin besar nilai standar deviasi maka semakin besar kemungkinan nilai riil menyimpang dari yang diharapkan Gujarati 1995.

4.2.2 Uji Asumsi Klasik a.

Uji normalitas Uji ini bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas, keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal, salah satu metode untuk mengetahui normalitas adalah dengan menggunakan metode analisis grafik dan uji statistik. Analisis grafik dapat dilihat dengan melihat grafik secara histogram ataupun dengan melihat secara Normal Probability Plot. Uji normalitas yang Universitas Sumatera Utara 42 pertama dengan melihat secara histogram sebagaimana terlihat dalam gambar 4.1 di bawah ini: Gambar 4.1 Grafik Histogram Sumber: Data sekunder yang diolah Dari gambar 4.1 terlihat bahwa pola distribusi mendekati normal, akan tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik Universitas Sumatera Utara 43 histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Uji normalitas dengan melihat Normal Probability Plot dapat dilihat pada gambar 4.2 berikut: Gambar 4.2 Grafik Normal P-Plot Sumber: Data sekunder yang diolah Grafik probabilitas pada gambar 4.2 di atas menunjukkan data terdistribusi secara tidak normal karena distribusi data residualnya terlihat menjauhi Universitas Sumatera Utara 44 garis normalnya. Pengujian normalitas data secara analisis statistik dapat dilakukan dengan menggunakan uji kolmogorov – Smirnov. Data yang berdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0,05 Ghozali, 2009:165. Hasil pengujian normalitas terhadap 60 data terlihat dalam Tabel 4.2 berikut ini Tabel 4.2 Hasil Uji Normalitas dengan Kolmogorov-Smirnov One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 60 Normal Parameters a,b Mean .0000000 Std. Deviation 151.57978358 Most Extreme Differences Absolute .240 Positive .240 Negative -.157 Kolmogorov-Smirnov Z 1.857 Asymp. Sig. 2-tailed .002 a. Test distribution is Normal. b. Calculated from data. Sumber: Data sekunder yang diolah Universitas Sumatera Utara 45 Berdasarkan tabel diatas menunjukkan bahwa data belum terdistribusi secara normal. Hal ini ditunjukan nilai Kolmogorov-SmirnovZ sebesar 1,857 dengan nilai signifikansi 0,002. Hal ini menunjukkan bahwa data belum terdistribusi normal. Untuk memperoleh hasil terbaik maka dilakukan transformasi normal agar data menjadi lebih normal dengan menggunakan natural logaritma Ln Ghozali, 2009:35. Hasil pengujian normalitas yang kedua tampak dalam Tabel 4.3 sebagai berikut: Tabel 4.3 Data setelah transformasi Ln One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 39 Normal Parameters a,b Mean .0000000 Std. Deviation 1.35245379 Most Extreme Differences Absolute .146 Positive .099 Negative -.146 Kolmogorov-Smirnov Z .911 Asymp. Sig. 2-tailed .378 a. Test distribution is Normal. b. Calculated from data. Dari pengujian kedua terlihat bahwa data telah terdistribusi normal dengan nilai signifikansi diatas 0,005 yaitu sebesar 0,378. Hasil terakhir di atas juga didukung hasil analisis grafiknya, yaitu grafik histogram maupun grafik Normal Probability Plot. Seperti gambar 4.3 dan 4.4 dibawah ini: Universitas Sumatera Utara 46 Gambar 4.3 Grafik Histogram setelah transformasi Ln Gambar 4.4 Normal probability plot setelah transformasi Ln Sumber: Data sekunder yang diolah Universitas Sumatera Utara 47 Dengan melihat tampilan grafik histogram dapat disimpulkan bahwa pola distribusi data mendekati normal. Kemudian pada grafik normal plot terlihat titik – titik sebaran lebih mendekati garis normal jika dibandingkan dengan grafik normal plot saat sebelum dilakukan transformasi ke logaritma natural. Sehingga untuk uji asumsi klasik selanjutnya menggunakan persamaan regresi Ln_Pertumbuhan_laba = fLn_CAR, LnNPL, LnOER, Ln LDR.

b. Uji Multikolineritas

Uji ini bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Untuk mengetahui ada tidaknya multikolinearitas dapat dilihat dari nilai Variance Imflation Factor VIF dan nilai Tolerance, apabila nilai VIF 10 dan nilai Tolerance 0,1 maka terjadi multikolinearitas dan apabila nilai VIF 10 dan nilai Tolerance 0,1 maka tidak terajadi multikolineraritas. Hasil uji mutikolinearitas dapat dilihat pada tabel berikut : Tabel 4.4 Hasil Uji Multikolinearitas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Ln_CAR .912 1.096 Ln_NPL .963 1.038 Universitas Sumatera Utara 48 Ln_OER .917 1.091 Ln_LDR .885 1.130 a. Dependent Variable: Ln_PERTUMBUHAN_LABA Sumber: Data sekunder yang diolah Dari hasil pengujian diatas dapat dilihat bahwa angka Tolerance CAR, NPL, OER, dan LDR 0,10 dan VIF- nya 10 maka tidak ada multikolinearitas antar variabel independen tersebut.

c. Uji Heteroskedastisitas