Bank X KCP yang menunjukkan kondisi lebih baik cenderung mengalami penurunan selama tiga tahun terakhir. Perbandingan pertumbuhan DPK
dan pembiayaan dapat dilihat pada Gambar 14 sebagai berikut.
104
51 24
24 20
40 60
80 100
120
2007 2008
2009
DPK Pembiayaan
Gambar 14. Diagram perbandingan pertumbuhan DPK dan pembiayaan Bank X KCP Periode 2007-2009.
Bank X KCP, data diolah.
Gambar 14 memperlihatkan bahwa Bank X KCP mampu memperbaiki kondisi likuiditasnya, hal tersebut dikarenakan pertumbuhan
DPK pada Bank X KCP lebih besar dari pertumbuhan pembiayaannya. Pada tahun 2008 DPK tumbuh sebesar 104 persen dari tahun 2007,
sedangkan pembiayaan tumbuh 24 persen. Dan pada tahun 2009 pertumbuhan DPK mengalami penurunan dari tahun sebelumnya sebesar
53 persen menjadi 51 persen, sementara itu pertumbuhan pembiayaan tetap dengan pertumbuhan sebesar 24 persen, meskipun demikian
pertumbuhan DPK tetap lebih besar dari pertumbuhan pembiayaan.
4.6. Laba Bank X KCP
Laba yang diperoleh suatu perusahaan menunjukkan keberhasilan perusahaan tersebut dalam mengelola usahanya, baik dalam penghimpunan
dana maupun penyaluran pembiayaannya. Laba juga dapat dijadikan tolak ukur keefektifan suatu perusahaan. Peningkatan laba dari periode ke
periode berikutnya dapat dijadikan sumber informasi bagi pihak yang berkepentingan dalam rangka pengambilan keputusan.
Bank X KCP yang merupakan perusahaan profit oriented memperoleh laba yang berasal dari pendapatan operasional dan
pendapatan non operasional. Kegiatan operasional memberikan sumbangan laba lebih besar dari non operasional terutama berasal dari
margin dan bagi hasil pembiayaan. Diagram perkembangan laba bersih pada Bank X KCP per empat
bulan pada tahun 2007 – 2009 ditunjukkan oleh Gambar 15. Gambar tersebut memperlihatkan bahwa laba yang terdapat pada Bank X KCP
terus mengalami peningkatan setiap tahunnya, pada tahun 2007 laba menunjukkan nilai Rp 1.617.607.800,89, dan meningkat 14 persen pada
tahun berikutnya menjadi Rp 3.879.072.567,64. Sedangkan pada tahun 2009 hanya tumbuh sebesar 4,1persen menjadi Rp 5.480.301.280,12.
Meskipun demikian secara keseluruhan kinerja Bank X KCP berada pada kineja baik, karena laba setiap tahunnya menunjukkan peningkatan.
Gambar 15. Diagram perkembangan laba Bank X KCP Periode 2007-2009. Bank X KCP, data diolah.
4.7. Pengaruh Dana Pihak Ketiga, Pembiayaan,
Financing To Deposit Ratio Terhadap Laba
Analisis dilakukan untuk melihat pengaruh Penghimpunan dana dan penyaluran dana, serta fungsi intermediasi yang tercermin dari Dana
Pihak Ketiga, Pembiayaan dan Financing To Deposit Ratio terhadap laba bersih perusahaan.
4.7.1 Analisis Regresi Berganda
Hasil pengolahan regresi berganda antara laba sebagai variabel dependen dan DPK, pembiayaan, serta FDR sebagai
variabel independen dapat dilihat pada Gambar 16 berikut.
Gambar 16. Hasil analisis regresi Bank X KCP, data diolah Gambar 16 memperlihatkan bahwa model regresi yang
terbentuk yaitu
Laba = - 25,3 - 3,48 DPK + 5,41 Pembiayaan - 4,77 FDR........
.
4
Namun, model pada persamaan 4 tidak dapat digunakan, karena terjadi kendala multikolinearitas.
Multikolinearitas adalah suatu keadaan dimana antar variabel independen terdapat hubungan yang erat. Identifikasi
adanya multikolinieritas dalam model dapat dilakukan dengan melihat nilai variance inflation factors VIF. Multikolinieritas
dapat diidentifikasi pada parameter yang memiliki nilai VIF ≥ 5
Iriawan dan Astuti, dalam Rismayanti, 2009. Nilai VIF variabel DPK, Pembiayaan dan FDR dapat dilihat pada Tabel 8 berikut.
Regression Analysis: Laba versus DPK; Pembiayaan; FDR The regression equation is
Laba = - 25,3 - 3,48 DPK + 5,41 Pembiayaan - 4,77 FDR Predictor Coef SE Coef T P VIF
Constant -25,32 26,21 -0,97 0,378 DPK -3,477 2,537 -1,37 0,229 94,0
Pembiayaan 5,410 2,361 2,29 0,071 12,5 FDR -4,772 2,851 -1,67 0,155 51,5
S = 0,403258 R-Sq = 87,4 R-Sqadj = 79,9 Analysis of Variance
Source DF SS MS F P Regression 3 5,6449 1,8816 11,57 0,011
Residual Error 5 0,8131 0,1626 Total 8 6,4580
Source DF Seq SS DPK 1 4,7710
Pembiayaan 1 0,4184 FDR 1 0,4556
Tabel 8. Nilai VIF dalam model regresi Prediktor VIF
DPK 94 Pembiayaan 12,5
FDR 51,5 Sumber: Laporan keuangan Bank X KCP data diolah
4.7.2 Analisis Korelasi
Pada tahap ini, dihasilkan nilai korelasi antar variabel independen serta nilai korelasi antara variabel independen dan
variabel dependen. Nilai korelasi antar variabel independen dapat digunakan untuk mendeteksi secara dini adanya multikolinearitas.
Iriawan dan Astuti dalam Rismayanti 2009 menyatakan bahwa multikolinearitas dalam kasus dapat dideteksi apabila:
- Terdapat korelasi yang kuat antar variabel independen yang
ditandai dengan nilai korelasi mendekati 1
-
Tanda parameter model berlawanan dengan tanda nilai korelasi antara variabel independen dengan variabel dependen.
Tabel 9 menunjukkan nilai korelasi antar variabel pada Bank X KCP.
Tabel 9. Nilai korelasi antar variabel DPK, pembiayaan, FDR, dan laba pada Bank X KCP
Variabel Laba DPK Pembiayaan
DPK
Nilai Korelasi 0,860
p-value 0,003
Pembiayaan
Nilai Korelasi 0,873
0,870 p-value 0,002
0,002 FDR
Nilai Korelasi -0,820
-0,970 -0,746
p-value 0,007 0,000
0,021 Sumber: Laporan keuangan Bank X KCP data diolah
Hasil analisis korelasi memperlihatkan bahwa variabel pembiayaan menunjukkan korelasi yang paling kuat diantara ketiga
variabel independen yang lain terhadap laba dengan pengaruh
positif, yaitu dengan nilai korelasi sebesar 0,873. Dengan menggunakan taraf nyata 5 persen, p-value korelasi antara laba dan
pembiayaan adalah 0, 002. Nilai p-value cukup signifikan untuk menolak H
o
, yang berarti bahwa Laba dan pembiayaan memiliki korelasi sangat kuat Nugroho dalam Rohaeni, 2009. Variabel laba
dan DPK juga memiliki nilai korelasi yang sangat kuat, dengan nilai korelasi yang mencapai 0,860 dan nilai p-value 0,003. Sama
halnya dengan kedua variabel independen tersebut, variabel FDR pun memiliki korelasi yang sangat dengan laba yaitu 0,820 dengan
p-value 0,007 tetapi dengan pengaruh negatif. Berdasarkan Tabel 6 ketiga variabel independen tersebut mempunyai korelasi sangat
kuat terhadap laba. Tabel 8 memperlihatkan bahwa korelasi antar variabel
independen yang cukup erat adalah DPK dan FDR dengan nilai korelasi -0,970 dengan nilai p-value 0. Dengan menggunakan taraf
nyata 5persen, p-value cukup signifikan untuk menolak H
o
, yang berarti bahwa DPK dan FDR mempunyai korelasi yang erat.
Korelasi yang sangat kuat juga ditunjukkan oleh variabel pembiayaan dan DPK dengan nilai korelasi 0,87. Pembiayaan dan
FDR pun menunjukkan korelasi yang kuat dengan nilai korelasi 0,746 dengan pengaruh negatif. Korelasi yang cukup erat antara
ketiga variabel independen di atas mengindikasikan adanya multikolinearitas.
Tabel 9 di atas menunjukkan bahwa model regresi pada persamaan 4 mengalami kendala multikolinieritas karena VIF 5.
Kendala multikolnieritas pada model dapat diatasi dengan menggunakan analisis komponen utama.
4.7.3 Analisis Komponen Utama
Analisis komponen utama Principal Component Analysis digunakan untuk mengatasi kendala multikolinearitas. Dengan
analisis komponen utama, persamaan yang terbentuk bebas dari masalah multikolinearitas tanpa menghilangkan peubah bebas yang
mengalami korelasi. Tahapan-tahapan yang dilakukan dalam analisis komponen utama yaitu Ulfah, 2006:
1. Membakukan variabel DPK, pembiayaan, FDR menjadi Z
Hasil pembakuan dalam minitab dengan menggunakan rumus:
Z=
…………………………………………………5 Ket: Z
= hasil pembakuan variabel X Xi
= variabel independen ke- i = rata-rata variabel independen ke-i
Si = Standar Deviasi ke-i
i = 1,2,3, Hasil pembakuan variabel DPK, pembiayaan dan FDR
menjadi Z dapat dilihat pada Tabel 10 berikut
Tabel 10. Pembakuan peubah-peubah X No. Z
1
Z
2
Z
3
1 -1,55455 -1,7582 1,27731
2 -1,08847 -0,7128 1,1921
3 -0,70247 -0,52534 0,71746
4 -0,63875 0,05381 0,96567
5 0,41808 -0,06292 -0,70909
6 0,64942 0,06765 -0,9827
7 0,86516 0,18199 -0,76355
8 0,8715 1,00183 -0,78421
9 1,18008 1,75398 -0,91301
Sumber: Laporan keuangan Bank X KCP 2007-2009 data diolah
2. Menentukan akar ciri dan vektor ciri
Akar ciri dapat dilihat dari niai Eigenvalue pada output analisis komponen utama dengan minitab 14. Sebagian ahli
menganjurkan agar memilih komponen utama yang akar cirinya lebih besar dari satu, karena jika akar cirinya lebih kecil dari
satu, keragaman data yang dapat dijelaskan oleh komponen
Principal Component Analysis: z1; z2; z3 Eigenanalysis of the Correlation Matrix
Eigenvalue 2,7274 0,2661 0,0065 Proportion 0,909 0,089 0,002
Cumulative 0,909 0,998 1,000 Variable PC1 PC2 PC3
z1 -0,602 -0,168 -0,781 z2 -0,552 0,794 0,256
z3 0,577 0,585 -0,570
utama tersebut kecil sekali. Sedangkan vektor ciri dapat dilihat dari nilai Pc
i
. Berdasarkan Gambar 17, terlihat bahwa akar ciri pertama
menjelaskan sekitar 90,9 persen dari keragaman total, akar ciri yang kedua menjelaskan 8, 9 persen dan akar ciri yang ketiga
0,2 persen. Hal ini berarti bahwa dari tiga komponen utama yang diturunkan dari matriks korelasi antar peubah bebas, hanya
sebuah komponen utama yang memegang peranan penting dalam menerangkan keragaman total data, yaitu komponen
utama pertama atau akar ciri yang lebih besar dari 1.
Gambar 17. Akar ciri dan vektor ciriBank X KCP, data diolah. 3.
Menentukan jumlah komponen utama yang digunakan Komponen-komponen
utama yang dibentuk tidak semuanya digunakan. Morrison dalam Ulpah 2006
menyarankan agar memilih komponen-komponen utama yang mempunyai keragaman kumulatif kira-kira 75 persen.
Banyaknya komponen utama yang ditentukan juga dapat dilihat dari plot scree dengan melihat letak terjadinya belokan dengan
menghapus komponen utama yang menghasilkan beberapa nilai eigen kecil membentuk pola garis lurus, Plot Scree ditunjukkan
oleh Gambar 18.
Component Number E
ig e
n v
a lu
e
3 2
1 3,0
2,5 2,0
1,5 1,0
0,5 0,0
Scree Plot of Z1 ; ...; Z3
Gambar 18. Plot Scree komponen utama. Gambar Plot Scree terlihat bahwa komponen pertama
sudah menunjukkan belokan yang curam, sehingga hanya komponen utama pertama saja yang akan digunakan.
Berdasarkan nilai Eigenvalue dan plot scee di atas, dengan demikian komponen utama yang diambil adalah komponen
utama pertama W
1
yang merupakan kombinasi linier Z dan dapat dinyatakan dalam persaman berikut:
W
1
= -0,602 Z
1
-0,552 Z
2
+ 0,577 Z
3
................................…...6 Tabel skor komponen utama dapat dilihat pada Tabel 11.
Sebagai berikut
Tabel 11. Skor komponen utama W No. W
1
W
2
W
3
1 2,64352 -0,38724 0,035838
2 1,73638 0,314292 -0,01231
3 1,12677 0,120646 0,004961
4 0,91166 0,714724 -0,03837
5 -0,62582 -0,53485 0,061968
6 -0,99498 -0,6301 0,070781
7 -1,06165 -0,44734 -0,19342
8 -1,5302 0,190059 0,022896
9 -2,20568 0,659802 0,047644
Sumber: Laporan keuangan Bank X KCP data diolah
Ket: Wi = Komponen utama ke-i,
i=1,2,3
. 4.
Meregresikan komponen utama Setelah dihitung skor komponen utama seperti yang
tertera pada Tabel 11 di atas, maka langkah selanjutnya adalah meregresikan komponen utama W
1
yang terdapat pada Tabel 11, terhadap laba Bank X KCP. Hasil regresi dapat dilihat pada
Gambar 19 di bawah ini.
Gambar 19. Hasil analisis regresi laba tehadap W
1
5. Transformasi W menjadi Z
Hasil regresi komponen utama yaitu:
Laba = 20,6 – 0,485 W
1
Hasil analisis regresi ditransformasikan kedalam persamaan 6 menghasilkan persamaan 7 Lampiran 3.
Laba = 20,6 + 0,29197 Z
1
+0,26772 Z
2
- 0,279845 Z
3
……7
Ket: W = Komponen utama Z = Hasil pembakuan variabel independen
6. Transformasi Z menjadi X
Hasil transformasi Z menjadi X Lampiran 3 akan menghasilkan model akhir dari persamaan regresi sebagai
berikut:
Regression Analysis: Laba versus w1 The regression equation is
Laba = 20,6 - 0,485 w1 Predictor Coef SE Coef T P
Constant 20,6357 0,1449 142,43 0,000 w1 -0,48515 0,09305 -5,21 0,001
S = 0,434638 R-Sq = 79,5 R-Sqadj = 76,6 Analysis of Variance
Source DF SS MS F P Regression 1 5,1357 5,1357 27,19 0,001
Residual Error 7 1,3224 0,1889 Total 8 6,4580
Laba= - 21,9215
+ 0, 535 X
1
+ 1,25287 X
2
– 0, 780 X
3
……..8
dengan, X
1
= DPK X
2
= Pembiayaan X
3
= FDR Dalam model tersebut laba akan dipengaruhi oleh tiga
variabel independen, yaitu DPK, pembiayaan dan FDR. Nilai R- Square
menunjukkan seberapa besar keterandalan model tersebut atau seberapa besar keragaman yang dapat dijelaskan
oleh variabel –variabel penjelas tersebut. Nilai R-Square sebesar 79,5 persen berarti bahwa sebesar 79,5 persen variasi sampel
laba Bank X KCP dapat dijelaskan oleh model Gambar 18. Nilai R-Square Adjusted, 76,6 persen digunakan untuk
membandingkan model terbaik. Semakin tinggi nilai Nilai R- Square Adjusted
, maka model tersebut semakin baik.
4.7.4 Uji Asumsi Klasik Regresi
Regresi yang baik memiliki persyaratan uji-uji klasik yaitu uji normalitas, uji heteroskedastitas, dan uji autokorelasi. Oleh
karena itu model regresi akan diuji untuk mengetahui apakah model regresi layak atau tidak.
a. Uji Normalitas
Uji normallitas merupakan uji yang dilakukan untuk mengetahui distribusi kenormalan residual. Hal ini
bertujuan untuk memutuskan bahwa residual model regresi yang dibuat telah terdistribusi normal untuk
memenuhi asumsi model regresi tentang kenormalan residual model. Pengujian kenormalan dilakukan dengan
statistik kolgomorov-smirnov. Hipotesis yang digunakan adalah:
Ho: Residual berdistribusi normal H1: Residual tidak berdistribusi normal
Daerah penolakan hipotesis atau residual dikatakan tidak berdistribusi normal adalah jika nilai kolgomorov-
smirnov KS KS
1- α
pada sejumlah pengamatan n tertentu dan jika p-value
α apabila statistik kolgomorov-smirnov
dikonversikan kedalam p-value Iriawan dan Astuti dalam Rohaeni, 2009. Plot distribusi
normal residual ditunjukkan pada Gambar 20. Uji kolgomorov-smirnov dilakukan menggunakan
α sebesar 5persen. Nilai Statistik KS
1- α
untuk α = 0,05 dan
jumlah pengamatan sebanyak 9 pengamatan adalah 0,430. Dari Gambar 20 diketahui bahwa nilai statistik
kolgomorov-smirnov KS adalah 0,240 nilai KS tabel
yaitu 0,430 dan p-value memiliki nilai 0,139 dimana nilai tersebut lebih besar dari
α yang bernilai 0,05, sehingga dapat disimpulkan bahwa residual model
regresi yang dibuat telah memenuhi asumsi kenormalan.
RESI 2 P
e rc
e n
t
1,0 0,5
0,0 -0,5
-1,0
99 95
90 80
70 60
50 40
30 20
10 5
1 Mean
0,139 - 9,86865E- 15
StDev 0,4066
N 9
KS 0,240
P- Value
Pr obability Plot of RESI 2
Normal
Gambar 20. Uji normallitas residual pada regresi Bank X KCP, data diolah
b. Uji Heteroskedastisitas