Jenis Data dan Sumber Data Metode Pengumpulan Data Hasil Analisis Regresi Sederhana

Tabel 3.2 Daftar Sampel Penelitan No Nama Perusahaan Kode Emiten 1 PT. Bank Capital Indonesia Tbk BACA 2 PT. Bank Bukopin Tbk BBKP 3 PT. Bank Danamon Indonesia Tbk BDMN 4 PT. Bank Kesawan Tbk BKSW 5 PT. Bank CIMB Niaga Tbk BNGA 6 PT. Bank Internasional Indonesia Tbk BNII 7 PT. Bank Swadesi Tbk BSWD 8 PT. Bank Windu Kentjana International Tbk MCOR 9 PT. Bank Mega Tbk MEGA 10 PT. Bank OCBC NISP Tbk NISP 11 PT. Bank Pan Indonesia Tbk PNBN Sumber: Data diolah peneliti

3.3 Jenis Data dan Sumber Data

Data yang digunakan dalam penelitian adalah data kuantitatif yaitu data yang berbentuk angka atau data kuantitatif yang diangkakan data tersebut juga merupakan data sekunder yaitu data yang telah diolah dengan prosedur statistik. Erlina Mulyani, 2007:12. Data diperoleh dari laporan keuangan tahunan perusahaan-perusahaaan perbankan yang terdaftar di Bursa Efek Indonesia pada periode 2009-2011, melalui situs www.idx.co.id .

3.4 Metode Pengumpulan Data

Pada penelitian ini pengumpulan data dilakukan untuk memperoleh informasi yang dibutuhkan dalam rangka mencapai tujuan penelitian. Metode pengumpulan data dalam penelitian ini dilakukan dengan mengumpulkan data skunder berupa laporan tahunan dan laporan keuangan perusahaan perbankan yang dipublikasikan Universitas Sumatera Utara dan terdaftar di Bursa Efek Indonesia BEI dan mendownload melalui situs www.idx.co.id yang kemudian diolah dengan menggunakan software pengolah data statistik untuk dianlisis serta dapat diambil kesimpulan berdasarkan analisis tersebut.

3.5 Variabel Penelitian dan Defenisi Operasional Variabel

Definisi operasional adalah definisi yang didasarkan atas sifat-sifat yang didefenisikan dapat diamati atau diobservasi. Konsep dapat diamati atau diobservasi itu sangat penting, karena hal yang dapat diamati membuka kemungkinan bagi orang lain selain untuk melakukan hal yang serupa, sehingga apa yang dilakukan peneliti terbuka untuk diuji kembali oleh orang lain Harianja, 2012 : 26. Definisi operasional memberikan pengertian terhadap konstruk atau memberikan variabel dengan menspesifikasikan kegiatan atau tindakan yang diperlukan peneliti untuk mengukur. Adapun variabel yang digunakan dalam penelitian ini adalah: 3.5.3 Variabel Independen bebas Menurut sugiyono 2006: 33, variabel bebas adalah variabel yang menjadi sebab timbulnya atau berubahnya variabel dependen terikat. Variabel independen dalam penelitian ini adalah Tata Kelola Perusahaan. Tata Kelola Perusahaan adalah seperangkat peraturan yang mengatur hubungan antara pemegang, pengurus pengelola perusahaan, pihak kreditur, pemerintah karyawan, serta para pemegang kepentingan internal dan eksternal lainnya yang berkaitan dengan hak-hak dan kewajiban mereka atau dengan kata lain suatu system yang mengendalikan perusahaan. Universitas Sumatera Utara

3.5.2 Variabel Dependen terikat

Menurut sugiyono 2006: 33, variabel terikat adalah variabel yang dipengaruhi atau menjadi akibat adanya variabel bebas. Variabel dependen dalam penelitian ini adalah LDR, NIM, ROA, ROE. Loan to Deposit Ratio adalah rasio antara besarnya seluruh volume kredit yang disalurkan oleh bank dan jumlah penerimaan dana dari berbagai sumber. Net Interest Margin adalah ukuran perbedaan antara pendapatan bunga yang dihasilkan oleh bank atau lembaga keuangan lain dan nilai bunga yang dibayarkan kepada pemberi pinjaman mereka misalnya, deposito, relative terhadap jumlah mereka bunga produktif asset. Return On Asset adalah salah satu rasio profitabilitas yang dapat mengukur kemampuan perusahaan dalam menghasilkan laba dari aktiva yang digunakan. Return On Equity adalah tingkat pengembalian yang dihasilkan oleh perusahaan untuk setiap satuan mata uang yang menjadi modal perusahaan. Tabel 3.3 Defenisi Operasional dan Pengukuran Variabel Variabel Data Variabel Konsep Indikator Skala Independen Tata Kelola Perusahaan Merupakan system yang mengatur, 1. pelaksanaan tugas dan tanggung jawab Dewan Rasio Universitas Sumatera Utara mengelola dan mengawasi proses pengendalian usaha untuk menaikkan nilai perusahaan, sekaligus sebagai bentuk perhatian kepada para pemegang saham, kreditor dan masyarakat sekitar. Komisaris 2. pelaksanaan tugas dan tanggung jawab Dewan Direksi. 3. kelengkapan dan pelaksanaan tugas komite- komite 4. Penanganan bantuan kepentingan 5. Penerapan fungsi kepatuhan Bank 6. Penerapan fungsi audit intern 7. Penerapan fungsi audit ekstern 8. penerapan fungsi manajemen risiko dan system pengendalian intern 9. Pengendalian dana kepada pihak terkait 10. transparansi kondisi keuangan dan non keuangan bank 11. rencana strategi bank. �����ℎ ����� ��� ����� ������ℎ ��� Dependen Loan to Deposit Ratio Merupakan perbandingan antara komposisi jumlah kredit yang diberikan dengan jumlah dana pihak ketiga, seperti giro, tabungan, simpanan berjangka LDR = ����� ������ ����� ���� ��ℎ�� ������ Rasio Net Interest Margin Merupakan perbandingan antara pendapatan bunga bersih baik terhadap aktiva NIM = ���������� ����� ����� ℎ ������ ��������� Rasio Universitas Sumatera Utara produktifnya Return On Asset Merupakan rasio untuk mengukur efektifitas perusahaan dalam menghasilkan laba dengan memanfaatkan asset yang dimiliki. ROA merupakan peerbandingan antara laba sebelum pajak terhadap total asset bank. ROA= ���� ������� ����� ���� ����� ����� Rasio Return On Equity Merupakan rasio untuk mengukur kinerja manajemen bank dalam mengolah modal untuk menghasilkan laba bersih. ROE merupakan perbandingan antara laba bersih terhadap total ekuitas perusahaan. ROE = ���� ����� ℎ ����� ������� Rasio Sumber ; Data diolah peneliti

3.6 Metode Analisis Data

Metode analisis data yang digunakan dalam penelitian ini adalah analisis statistika yang menggunaka regresi linier berganda dengan menggunakan software SPSS. Data penelitian dikumpulkan untuk diolah, kemudian akan dianalisis untuk Universitas Sumatera Utara memperoleh jawaban atas permasalahan yang timbul dalam penelitian ini. Metode dan teknik analisis dilakukan dengan tahapan sebagai berikut: 3.6.1 Statistik Deskriptif Statistik deskriptif merupakan suatu metode dalam mengorganisasi dan menganalisis data kuantitatif, sehingga diperoleh gambaran yang teratur mengenai satu kegiatan. Ukuran yang digunakan dalam deskripsi antara lain: frekuensi, tendensi sentral mean, median, modus, disperse standar deviasi dan varians dan koefisien korelasi antar variabel penelitian. Ukuran yang digunakan dalam statistic deskriptif tergantung pada tipe skala pengukuran construct yang digunakan dalam penelitian Ghozali, 2010.

3.6.2 Pengujian Asumsi Klasik

Penggunaan analisis regresi dalam statistik harus bebas dari asumsi- asumsi klasik. Pengujian asumsi klasik yang dipenuhi meliputi ada tidaknya autokorelasi multikolinearitas, dengan mengabaikan asumsi normalitas heteroskedasitas untuk pengujian regresi logistic. Adapun pengujian asumsi klasik yang digunakan dalam penelitian ini adalah sebagai berikut: 3.6.2.1 Uji Normalitas Uji ini digunakan dalam tahap awal dalam metode pemilihan analisis data. Jika data normal digunakan uji parametik dan jika data tidak normal digunakan non parametik atau treatment agar data normal. Tujuan uji normalitas adalah untuk mengetahui apakah data dalam bentuk distribusi normal atau tidak. Untuk menguji normalitas data, peneliti Universitas Sumatera Utara menggunakan anslisis grafik dan analisis statistik. Dalam analisis grafik, dilakukan dengan melihat grafik histogram dan normal probability plot. Sedangkan dalam analisis statistic dilakukan dengan uji Kolmograv Smirnov Uji K-S. dasar pengambilan keputusannya adalah: 1 Jika tingkat signifikansinya 0,05, maka data terdistribusi normal. 2 Jika tingkat signifikansinya 0,05, maka data terdistribusi tidak normal.

3.6.2.2 Uji Autokorelasi

Uji ini bertujuan melihat apakah dalam suatu model regresi linear ada korelasi atau kesalahan pengganggu pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lain, hal ini sering ditemukan pada time series. Pada data cross section, masalah autokorelasi relative tidak terjadi. Pengujian autokorelasi dilakukan dengan menggunakan uji Durbin-Watson D-W. UJI Dorbin Watson hanya degunakan untuk autokorelasi tingkat satu first order autocorrelation mensyaratkan adanya intercept konstanta dalam model regresi tidak ada variabel lagi di antara variabel independen Imam Gozali, 2005:96. Pengembalian keputusan ada tidaknya autokorelasi adalah: 1 Bila nilai DW terletak diantara batas atas atau upper bound du dan 4-du maka doefisien autokorelasi = 0, berarti tidak ada autokorelasi. Universitas Sumatera Utara 2 Bila nilai DW lebih rendah daripada batas bawah atau lower bound dl maka koefisien autokorelasi 0, berarti ada autokoralesi 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.

3.6.2.3 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidasamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas jika berbeda tersebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas Erlina Mulyani, 2007; 108 Untuk mendeteksi ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dari grafik Scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID, dimana sumbu Y adalah Y yang telah dipredeksi dan sumbu X adalah residual yang telah di studentized. Dasar pengambilan keputusan adalah: Universitas Sumatera Utara 1 Jika ada pola tertentu bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. 2 Jika tidak ada pola yang jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas. Imam Ghozali, 2005: 105 Uji asumsi klasik yang digunakan hanya terbatas pada ketiga uji di atas, sedangkan uji multikolinearitas tidak digunakan, karena multikolinearitas merupakan suatu kondisi dimana terdapat korelasi antara variabel-variabel independen suatu penelitian, atau dengan kata lain bersifat orthogonal. Variabel independen yang orthogonal adalah variabel yang memiliki nilai korelasi diantara sesamanya sama dengan nol. Model regresi yang diguanakan penulis dalam penelitian ini hanya menggunakan satu variabel independen, yaitu Tata Kelola Perusahaan maka uji multikolinearitas tidak dilakukan.

3.6.3 Persamaan Regresi

Hipotesis diuji dengan analisis regresi linear sederhana. Pengujian ini bertujuan untuk menguji apakah variabel independen yaitu pengaruh struktur GCG secara parsial berpengaruh terhadap variabel dependen yaitu kinerja keuangan yang duproksikan dengan LDR, NIM, ROA, ROE. Model 1: Y ₁ = a + b₁X + e Universitas Sumatera Utara Model 2 : Y ₂ = a + b₂X + e Model 3 : Y ₃ = a + b₃X + e Model 4 : Y ₄ = a + b₄X + e Keterangan: Y ₁ = Loan to Deposit RatioLDR Y ₂ = Net Interest Margin NIM Y ₃ = Return On Asset ROA Y ₄ = Return On Equity ROE a = Nilai intercept b ₁; b₂; b₃; b₄ = Koefisien Regresi e = Error Tingkat Kesalahan

3.6.4 Pengujian Hipotesis

Adapun pengujian terhadap hipotesis yang diajukan dilakukan dengan cara sebagai berikut : 3.6.4.1 Adjusted R² Pengujian adjusted R² digunakan untuk mengukur proporsi atau presentase sumbangan variabel independen yang di teliti terhadap variasi naik turunnya variabel dependen. Adjusted R² berkisar antara nol sampai dengan 1 0 ≤ adjusted R² ≤ 1 atau antara 0 sampai dengan 100. Hali ini berarti bila adjusted R² = 0 menunjukkan tidak adanya pengaruh antara variabel independen terhadap variabel dependen. Bila adjusted r Universitas Sumatera Utara semakin besar mendekati 1 atau 100, menunjukkan semakin kuatnya pengaruh variabel independen terhadap variabel dependen dan bila adjusted R² semakin kecil mendekati 0, maka dapat dikatakan semakin kecilnya pengaruh variabel independen terhadap variabel dependen.

3.6.4.2 Uji Parsial Uji t

“Uji parsial digunakan untuk mengetahui seberapa jauh pengaruh variabel independen secara parsial dalam menerangkan variansi dependen. Uji parsial ini dilakukan dengan membandingkan t hitung dengan t tabel” Ghozali, 2010. Uji-t digunakan untuk menunjukkan seberapa jauh pengaruh variabel independen terhadap variabel dependen. Penerimaan atau penolakan hipotesis dilakukan dengan kriteria sebagai berikut: 1. Jika t hitung t tabel pada α 0.05, maka hipotesis ditolak koefisien regresi tidak signifikan. Ini berarti secara parsial variabel independen tesebut tidak memiliki pengaruh signifikan terhadap variabel dependen. 2. Jika t hitung t tabel pada α 0.05 maka hipotesis diterima koefisien regresi signifikan. Ini berarti secara parsial variabel independen tersebut memiliki pengaruh signifikan terhadap variabel dependen. Universitas Sumatera Utara BAB 1V ANALISIS HASIL PENELITIAN

4.1 Data Penelitian

Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik dengan menggunakan persamaan regresi linear sederhana. Analisis data dimulai dengan mengolah data berupa laporan tahunan perusahaan makanan dan minuman yang menjadi sampel penelitian yang laporan tahunan diperoleh dari situs Bursa Efek Indonesia www.idx.co,id. Berdasarkan kriteria yang ditetapkan, terdapat 11 perusahaan yang memenuhi kriteria dari perusahaan dan 11 perusahaan tersebut dijadikan sampel penelitian dan diamati periode 2009-2011. Tabel 4.1 Sampel Penelitian No Nama Perusahaan Kode Emiten 1 PT. Bank Capital Indonesia Tbk BACA Universitas Sumatera Utara 2 PT. Bank Bukopin Tbk BBKP 3 PT. Bank Danamon Indonesia Tbk BDMN 4 PT. Bank Kesawan Tbk BKSW 5 PT. Bank CIMB Niaga Tbk BNGA 6 PT. Bank Internasional Indonesia Tbk BNII 7 PT. Bank Swadesi Tbk BSWD 8 PT. Bank Windu Kentjana International Tbk MCOR 9 PT. Bank Mega Tbk MEGA 10 PT. Bank OCBC NISP Tbk NISP 11 PT. Bank Pan Indonesia Tbk PNBN Sumber:lampiran i 4.2 Analisis Hasil Penelitian 4.2.1 Analisis statistik deskriptif Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum dan generalisasi Sugiono, 2006: 142. Deskripsi suatu data dilihat dari nilai rata_rata mean, standar deviasi, variasi, maksimum dan minimum. Berikut adalah penjelasan hasil statistik deskriptif masing-masing variabel penelitian: 4.2.1.1 Good Corporate Governance - GCG X Tabel 4.2 berikut menyajikan deskripsi total skor penerapan struktur GCG sampel perusahaan: Tabel 4.2 Statistik Deskriptif Total Skor Penerapan Struktur GCG Descriptive Statistics Universitas Sumatera Utara N Minimum Maximum Mean Std. Deviation GCG 33 1.0000 2.7100 1.616667 .4660249 Valid N listwise 33 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan tabel 4.2 dapat dideskripsikan bahwa variabel skor penerapan struktur GCG perusahaan sampel memiliki rata-rata sebesar 1.616667 dengan nilai minimum sebesar 1.00 dan nilai maksimum sebesar 2.71. besarnya nilai standar deviasi adalah , hal ini adalah peningkatand maksimum yang mungkin adalah +0.4660249 sedangkan penurunan nilai rata_rata skor penerapan stuktur GCG yang mungkin adalah -0. 4660249.

4.2.1.2 Loan to Debt Ratio – LDR

�₁ Tabel 4.3 berikut menyajikan deskripsi total LDR dari setia sampel perusahaan: Tabel 4.3 Statistik Deskriptif Total LDR Descriptive Statistics N Minimum Maximum Mean Std. Deviation LDR 33 50.3000 98.3000 77.861212 12.8266896 Valid N listwise 33 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan tabel 4.3 dapat dideskripsikan bahwa variabel LDR perusahaan sampel memiliki rata-rata sebesar 77.861212 dengan nilai minimum sebesar 50.3 dan nilai maksimumnya sebesar 98.3. besarnya nilai rata-rata LDR adalah peningkatan maksimum yang Universitas Sumatera Utara mungkin adalah +12.8266896 sedangkan penurunan nilai rata-rata LDR mungkin adalah -12.8266896.

4.2.1.3 Net Interest Margin – NIM

�₂ Tabel 4.4 berikut menyajikan deskripsi total NIM dari setia sampel perusahaan: Tabel 4.4 Statistik Deskriptif Total NIM Descriptive Statistics N Minimum Maximum Mean Std. Deviation LN_NIM 13 -3,52 1,83 -,8756 1,70757 Valid N listwise 13 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan tabel 4.4 dapat dideskripsikan bahwa variabel NIM perusahaan sampel memiliki rata-rata sebesar -0,8756 dengan nilai minimum sebesar -0,352 dan nilai maksimumnya sebesar 1,83. besarnya nilai rata-rata NIM adalah peningkatan maksimum yang mungkin adalah +1.70757 sedangkan penurunan nilai rata-rata NIM mungkin adalah -1.70757.

4.2.1.4 Return On Assets – ROA

�₃ Tabel 4.5 berikut menyajikan deskripsi total NIM dari setia sampel perusahaan: Universitas Sumatera Utara Tabel 4.5 Statistik Deskriptif Total ROA Descriptive Statistics N Minimum Maximum Mean Std. Deviation ROA 33 -.0700 3.8000 1.923727 1.0425661 Valid N listwise 33 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan tabel 4.5 dapat dideskripsikan bahwa variabel ROA perusahaan sampel memiliki rata-rata sebesar 1.923727 dengan nilai minimum sebesar -.0.07 dan nilai maksimumnya sebesar 3.8. besarnya nilai rata-rata ROA adalah peningkatan maksimum yang mungkin adalah +1.0425661 sedangkan penurunan nilai rata-rata ROA mungkin adalah -1.0425661.

4.2.1.5 Return On Equity – ROE

�₄ Tabel 4.6 berikut menyajikan deskripsi total ROE dari setia sampel perusahaan: Tabel 4.6 Statistik Deskriptif Total ROE Descriptive Statistics N Minimum Maximum Mean Std. Deviation LN_ROE 12 -,72 4,15 1,6708 1,37841 Valid N listwise 12 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan tabel 4.6 dapat dideskripsikan bahwa variabel ROE perusahaan sampel memiliki rata-rata sebesar 1.6708 dengan nilai minimum sebesar -.0.72 dan nilai maksimumnya sebesar 4.15. Universitas Sumatera Utara besarnya nilai rata-rata ROE adalah peningkatan maksimum yang mungkin adalah +1.37841 sedangkan penurunan nilai rata-rata ROE mungkin adalah -1.37841.

4.2.2 Hasil Uji Asumsi Klasik

Pengujian hipotesis dalam penelitian ini dilakukan dengan menggunakan uji regresi linier sederhana. Uji ini terdiri dari uji normalitas data, uji autokorelasi, dan uji heteroskedastisitas.

4.2.2.1 Hasil Uji Normalitas

Tujuan uji normalitas adalah untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi secara normal. Bila asumsi ini dilanggar atau tidak dipenuhi, maka uji statistik menjadi tidak valid untuk jumlah sampel yang kecil. Cara yang digunakan oleh peneliti untuk menguji normalitas data adalah menggunakan analisis grafik dan analisis statistik. Jika tingkat signifikansinya 0,05, maka data terdistribusi normal. Jika tingkat signifikansinya 0,05, maka data terdistribusi tidak normal. Hasil pengujian normalitas data dapat dilihat dibawah ini: 1 Terhadap variabel dependen LDR Hasil pengujian normalitas terhadap variabel dependen LDR akan disajikan pada tabel 4.7 berikut ini: Universitas Sumatera Utara Tabel 4.7 Uji Normalitas 1 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 33 Normal Parameters a,b Mean 0E-7 Std. Deviation 12,21799357 Most Extreme Differences Absolute ,124 Positive ,101 Negative -,124 Kolmogorov-Smirnov Z ,710 Asymp. Sig. 2-tailed ,694 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan tabel 4.7, dapat dilihat bahwa nilai signifikansi variabel independen dan variabel dependen LDR menunjukkan data terdistribusi secara normal, karena hasil signifikansinya adalah 0,694 dan diatas nilai signifikansi 0,05 dengan kata lain variabel residual terdistribusi secara normal. Uji normalitas juga dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.1 dan normal probability plot yang akan disajikan pada gambar 4.2 berikut ini. Universitas Sumatera Utara Gambar 4.1 Grafik Histogram 1 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan gambar 4.1, terlihat bahwa grafik histogram pola distribusi yang tidak melenceng ke kiri atau ke kanan menunjukkan bahwa data telah terdistribusi secara normal. Gambar 4.2 Universitas Sumatera Utara Normal P-P Plot 1 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan gambar 4.1, pada grafik normal plot terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan penyebarannya tidak jauh dari garis diagonal. Hal ini menunjukkan datatelah terdistribusi normal. 2 Terhadap variabel dependen NIM Hasil pengujian normalitas terhadap variabel dependen NIM akan disajikan pada tabel 4.8 berikut ini: Tabel 4.8 Uji Normalitas 2 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 13 Normal Parameters a,b Mean 0E-7 Std. Deviation 1,56009608 Most Extreme Differences Absolute ,134 Positive ,134 Negative -,121 Kolmogorov-Smirnov Z ,483 Asymp. Sig. 2-tailed ,974 a. Test distribution is Normal. b. Calculated from data. Universitas Sumatera Utara Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan tabel 4.8, dapat dilihat bahwa nilai signifikansi variabel independen dan variabel dependen NIM menunjukkan data terdistribusi secara normal, karena hasil signifikansinya adalah 0,974 dan diatas nilai signifikansi 0,05 dengan kata lain variabel residual terdistribusi secara normal. Uji normalitas juga dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.3 dan normal probability plot yang akan disajikan pada gambar 4.4 berikut ini Gambar 4.3 Grafik Histogram 2 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan gambar 4.3, terlihat bahwa grafik histogram pola distribusi yang tidak melenceng ke kiri atau ke kanan menunjukkan bahwa data telah terdistribusi secara normal. Universitas Sumatera Utara Gambar 4.4 Normal P-P Plot 2 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan gambar 4.4, pada grafik normal plot terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan penyebarannya tidak jauh dari garis diagonal. Hal ini menunjukkan datatelah terdistribusi normal. 3 Terhadap variabel dependen ROA Hasil pengujian normalitas terhadap variabel dependen ROA akan disajikan pada tabel 4.9 berikut ini: Tabel 4.9 Uji Normalitas 3 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 33 Normal Parameters a,b Mean 0E-7 Std. Deviation ,89527310 Most Extreme Differences Absolute ,099 Universitas Sumatera Utara Positive ,088 Negative -,099 Kolmogorov-Smirnov Z ,567 Asymp. Sig. 2-tailed ,905 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan tabel 4.9, dapat dilihat bahwa nilai signifikansi variabel independen dan variabel dependen ROA menunjukkan data terdistribusi secara normal, karena hasil signifikansinya adalah 0,905 dan diatas nilai signifikansi 0,05 dengan kata lain variabel residual terdistribusi secara normal. Uji normalitas juga dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.5 dan normal probability plot yang akan disajikan pada gambar 4.6 berikut ini Gambar 4.5 Universitas Sumatera Utara Grafik Histogram 3 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan gambar 4.5, terlihat bahwa grafik histogram pola distribusi yang tidak melenceng ke kiri atau ke kanan menunjukkan bahwa data telah terdistribusi secara normal. Gambar 4.6 Normal P-P Plot 3 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan gambar 4.6, pada grafik normal plot terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan penyebarannya tidak jauh dari garis diagonal. Hal ini menunjukkan datatelah terdistribusi normal. 4 Terhadap variabel dependen ROE Universitas Sumatera Utara Hasil pengujian normalitas terhadap variabel dependen ROE akan disajikan pada tabel 4.10 berikut ini: Tabel 4.10 Uji Normalitas 4 One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 12 Normal Parameters a,b Mean 0E-7 Std. Deviation 1,35540977 Most Extreme Differences Absolute ,158 Positive ,141 Negative -,158 Kolmogorov-Smirnov Z ,548 Asymp. Sig. 2-tailed ,925 a. Test distribution is Normal. b. Calculated from data. Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan tabel 4.10, dapat dilihat bahwa nilai signifikansi variabel independen dan variabel dependen ROE menunjukkan data terdistribusi secara normal, karena hasil signifikansinya adalah 0,925 dan diatas nilai signifikansi 0,05 dengan kata lain variabel residual terdistribusi secara normal. Universitas Sumatera Utara Uji normalitas juga dapat dilihat dari grafik histogram yang akan disajikan pada gambar 4.7 dan normal probability plot yang akan disajikan pada gambar 4.8 berikut ini Gambar 4.7 Grafik Histogram 4 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan gambar 4.7, terlihat bahwa grafik histogram pola distribusi yang tidak melenceng ke kiri atau ke kanan menunjukkan bahwa data telah terdistribusi secara normal. Universitas Sumatera Utara Gambar 4.8 Normal P-P Plot 4 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan gambar 4.8, pada grafik normal plot terlihat bahwa titik-titik menyebar di sekitar garis diagonal dan penyebarannya tidak jauh dari garis diagonal. Hal ini menunjukkan datatelah terdistribusi normal. Berdasarkan tabel 4.7 – 4.9 dan gambar 4.1 – 4.9 dapat disimpulkan bahwa ketiga variabel memenuhi asumsi normalitas.

4.2.2.2 Hasil Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah daalm model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu t-1 sebelumnya. Jika terjadi autokorelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya Imam Ghazali, 2005; 95. Model regresi yang baik adaalah regresi bebas Universitas Sumatera Utara dari autokorelasi. Hasil ini pengujian autokorelasi penelitian ini dapat dilihat dibawah ini: 1 Terhadap variabel dependen LDR Hasil pengujian autokorelasi terhadap variabel LDR akan disajikan pada tabel 4.11 berikut ini : Tabel 4.11 Uji Autokorelasi 1 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,304 a ,093 ,063 12.4134939 1,394 a. Predictors: Constant, GCG b. Dependent Variable: LDR Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan tabel 4.11, dapat dilihat bahwa nilai DW adalah sebesar nilai 1.394 ini dibandingkan dengan nilai tabel dengan menggunakan nilai signifikan 5 jumlah sampel 11 n=11 dan jumlah variabel independen sebanyak 1 k=1, maka dari tabel statistic Durbin- Watson didapatkan nilai batas bawah DL sebesar 0.9273 dan nilai batas atas DU sebesar 1.3241. nilai DW berada diantara DU dan 4-DU Universitas Sumatera Utara 1.3241 1.394 2,6759, maka dapat disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif. 2 Terhadap variabel dependen NIM Hasil pengujian autokorelasi terhadap variabel NIM akan disajikan pada tabel 4.12 berikut ini: Tabel 4.12 Uji Autokorelasi 2 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,407 a ,165 ,089 1,62947 2,288 a. Predictors: Constant, GCG b. Dependent Variable: LN_NIM Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan tabel 4.12, dapat dilihat bahwa nilai DW adalah sebesar nilai 2.288 ini dibandingkan dengan nilai tabel dengan menggunakan nilai signifikan 5 jumlah sampel 11 n=11 dan jumlah variabel independen sebanyak 1 k=1, maka dari tabel statistic Durbin- Watson didapatkan nilai batas bawah DL sebesar 0.9273 dan nilai batas atas DU sebesar 1.3241. nilai DW berada diantara DU dan 4-DU Universitas Sumatera Utara 1.3241 2.288 2,6759, maka dapat disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif. 3 Terhadap variabel dependen ROA Hasil pengujian autokorelasi terhadap variabel ROA akan disajikan pada tabel 4.13 berikut ini Tabel 4.13 Uji Autokorelasi 3 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,512 a ,263 ,239 .9095984 2,696 a. Predictors: Constant, GCG b. Dependent Variable: ROA Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan tabel 4.13, dapat dilihat bahwa nilai DW adalah sebesar nilai 2.696 ini dibandingkan dengan nilai tabel dengan menggunakan nilai signifikan 5 jumlah sampel 11 n=11 dan jumlah variabel independen sebanyak 1 k=1, maka dari tabel statistic Durbin- Watson didapatkan nilai batas bawah DL sebesar 0.9273 dan nilai batas atas DU sebesar 1.3241. nilai DW berada diantara DU dan 4-DU 1.3241 2.696 2,6759, maka dapat disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif. 4 Terhadap variabel dependen ROE Hasil pengujian autokorelasi terhadap variabel ROE akan disajikan pada tabel 4.14 berikut ini: Universitas Sumatera Utara Tabel 4.14 Uji Autokorelasi 4 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,182 a ,033 -,064 1,42157 1,735 a. Predictors: Constant, GCG b. Dependent Variable: LN_ROE Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan tabel 4.14, dapat dilihat bahwa nilai DW adalah sebesar nilai 1.735 ini dibandingkan dengan nilai tabel dengan menggunakan nilai signifikan 5 jumlah sampel 11 n=11 dan jumlah variabel independen sebanyak 1 k=1, maka dari tabel statistic Durbin- Watson didapatkan nilai batas bawah DL sebesar 0.9273 dan nilai batas atas DU sebesar 1.3241. nilai DW berada diantara DU dan 4-DU 1.3241 1.735 2,6759, maka dapat disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif.

4.2.2.3 Hasil Uji Heteroskedastisitas

Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan lain. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas Imam Ghozali, 2005: 105. Untuk pengujian ini peneliti menggunakan alat analisis grafik scatterplot. Deteksi ada tidaknya gejala heteroskedastisitas adalah dengan melihat ada tidaknya pola tertentu pada grafik scatterplot disekitar nilai X, Y ₁, Y₂, Y₃, dan Y₄. jika ada pola Universitas Sumatera Utara tertentu, maka telah terjadi gejala heteroskedastisitas. Hasil pengujian gejala heteroskedastisitas dalam penelitian ini dapat dilihat dibawah ini: 1 Terhadap variabel dependen LDR Hasil pengujian heteroskedastisitas terhadap variabel dependen LDR akan disajikan pada gambar berikut ini: Gambar 4.9 Grafik Scatterplot 1 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan gambar, pada grafik scatterplot terlihat bahwa titik- tik menyebar secara acak serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. maka dapat disimpulkan bahwa terjadi gejala heteroskedestisitas. 2 Terhadap variabel dependen NIM Hasil pengujian heteroskedastisitas terhadap variabel dependen NIM akan disajikan pada gambar berikut ini: Universitas Sumatera Utara Gambar 4.10 Grafik Scatterplot 2 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan gambar, pada grafik scatterplot terlihat bahwa titik- titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. maka dapat disimpulkan bahwa terjadi gejala heteroskedestisitas. 3 Terhadap variabel dependen ROA Hasil pengujian heteroskedastisitas terhadap variabel dependen ROA akan disajikan pada gambar berikut ini: Universitas Sumatera Utara Gambar 4.11 Grafik Scatterplot 3 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan gambar, pada grafik scatterplot terlihat bahwa titik- titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. maka dapat disimpulkan bahwa terjadi gejala heteroskedestisitas. 4 Terhadap variabel dependen ROE Hasil pengujian heteroskedastisitas terhadap variabel dependen ROE akan disajikan pada gambar berikut ini: Universitas Sumatera Utara Gambar 4.12 Grafik Scatterplot 4 Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan gambar, pada grafik scatterplot terlihat bahwa titik- titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka nol pada sumbu Y. maka dapat disimpulkan bahwa terjadi gejala heteroskedestisitas.

4.3 Hasil Analisis Regresi Sederhana

Pengujian hipotesis dalam penelitian ini dilakukan untuk menguji ada tidaknya pengaruh dari variabel independen terhadap variabel dependen. Hasil dari pengujian dengan regresi sederhana dapat dilihat dibawah ini. Universitas Sumatera Utara a. Terhadap variabel dependen LDR Tabel 4.15 Variables EnteredRemoved 1 Variables EnteredRemoved a Model Variables Entered Variables Removed Method 1 GCG b . Enter a. Dependent Variable: LDR b. All requested variables entered. Sumber: Hasil Olahan Data SPSS, 2013 Metode yang digunakan untuk melakukan analisis regresi sederhana adalah metode enter tabel 4.15 Tabel 4.16 Regresi Linear Sederhana Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 91,406 7,913 11,551 ,000 GCG -8,378 4,709 -,304 -1,779 ,085 a. Dependent Variable: LDR Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan hasil pengolahan data pada tabel 4.16 diperoleh model persamaan regresi sederhana sebagai berikut: Y ₁ = 91,406 - 8,378 X + e 1 Konstanta sebesar 91,406 menyatakan bahwa jika nilai skor penerapan struktur GCG = 0 tidak ada, maka LDR akan sebesar 91,406 Universitas Sumatera Utara 2 Koefisien X b ₁ = -8,378 menunjukkan bahwa GCG X berpengaruh negatif terhadap LDRY ₁. hal ini berarti bahwa jika variabel skor penerapan struktur GCG ditingkatkan, maka akan meningkatkan LDR sebesar -8,378 3 Standar error e menunjukkan tingkat kesalahan pengganggu. b. Terhadap variabel dependen NIM Tabel 4.17 Variables EnteredRemoved 2 Variables EnteredRemoved a Model Variables Entered Variables Removed Method 1 GCG b . Enter a. Dependent Variable: LN_NIM b. All requested variables entered. Sumber: Hasil Olahan Data SPSS, 2013 Metode yang digunakan untuk melakukan analisis regresi sederhana adalah metode enter tabel 4.17 Tabel 4.18 Regresi Linear Sederhana Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1,630 1,757 ,928 ,373 GCG -1,490 1,009 -,407 -1,476 ,168 a. Dependent Variable: LN_NIM Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan hasil pengolahan data pada tabel 4.18 diperoleh model persamaan regresi sederhana sebagai berikut: Y ₂ = 1,630 – 1,490X + e Universitas Sumatera Utara 1 Konstanta sebesar 1,630 menyatakan bahwa jika nilai skor penerapan struktur GCG = 0 tidak ada, maka NIM akan sebesar 1,630 2 Koefisien X b ₁ = -1,490 menunjukkan bahwa GCG X berpengaruh negatif terhadap NIM Y ₂. hal ini berarti bahwa jika variabel skor penerapan struktur GCG ditingkatkan, maka akan meningkatkan NIM sebesar -1,490 3 Standar error e menunjukkan tingkat kesalahan pengganggu. c. Terhadap variabel dependen ROA Tabel 4.19 Variables EnteredRemoved 3 Variables EnteredRemoved a Model Variables Entered Variables Removed Method 1 GCG b . Enter a. Dependent Variable: ROA b. All requested variables entered. Sumber: Hasil Olahan Data SPSS, 2013 Metode yang digunakan untuk melakukan analisis regresi sederhana adalah metode enter tabel 4.19 Tabel 4.20 Regresi Linear Sederhana Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 3,777 ,580 6,514 ,000 GCG -1,146 ,345 -,512 -3,323 ,002 a. Dependent Variable: ROA Sumber: Hasil Olahan Data SPSS, 2013 Universitas Sumatera Utara Berdasarkan hasil pengolahan data pada tabel 4.20 diperoleh model persamaan regresi sederhana sebagai berikut: Y ₃ =3,777 – 1,446X + e 1 Konstanta sebesar 3,777 menyatakan bahwa jika nilai skor penerapan struktur GCG = 0 tidak ada, maka ROA akan sebesar 3,777 2 Koefisien X b ₁ = -1,446 menunjukkan bahwa GCG X berpengaruh negatif terhadap ROA Y ₃. hal ini berarti bahwa jika variabel skor penerapan struktur GCG ditingkatkan, maka akan meningkatkan ROA sebesar -1,446 3 Standar error e menunjukkan tingkat kesalahan pengganggu. d. Terhadap variabel dependen ROE Tabel 4.21 Variables EnteredRemoved 4 Variables EnteredRemoved a Model Variables Entered Variables Removed Method 1 GCG b . Enter a. Dependent Variable: LN_ROE b. All requested variables entered. Sumber: Hasil Olahan Data SPSS, 2013 Metode yang digunakan untuk melakukan analisis regresi sederhana adalah metode enter tabel 4.21 Universitas Sumatera Utara Tabel 4.22 Regresi Linear Sederhana Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant ,682 1,740 ,392 ,703 GCG ,657 1,123 ,182 ,585 ,571 a. Dependent Variable: LN_ROE Sumber: Hasil Olahan Data SPSS, 2013 Berdasarkan hasil pengolahan data pada tabel 4.22 diperoleh model persamaan regresi sederhana sebagai berikut: Y ₄ =0,682 + 0,657X + e 1 Konstanta sebesar 0,628 menyatakan bahwa jika nilai skor penerapan struktur GCG = 0 tidak ada, maka ROA akan sebesar 0,628 2 Koefisien X b ₁ = O,657 menunjukkan bahwa GCG X berpengaruh positif terhadap ROEY ₄. hal ini berarti bahwa jika variabel skor penerapan struktur GCG ditingkatkan, maka akan meningkatkan ROE sebesar 0,657. 3 Standar error e menunjukkan tingkat kesalahan pengganggu.

4.4 Hasil Pengukuran Adjusted