STATISTIK DESKRIPTIF
A. STATISTIK DESKRIPTIF
Statistik deskriptif penelitian ini dilakukan guna mencari nilai minimum, maksimum, mean dan standar deviasi dari variabel-variabel penelitian.
Tabel IV. 1 Uji Statistik Deskriptif ROA
Variabel Debt to Assets Ratio (DAR) menunjukkan nilai rata-rata 0,904556 (90,45%). DAR dengan nilai minimum 0,7970 (79,70%) dimiliki oleh PT Bank Swadesi, Tbk tahun 2010. Sedangkan nilai DAR maksimum adalah 0,9724 (97,24%) dimiliki PT Bank Mutiara, Tbk tahun 2005.
N Minimum Maximum
Mean
Std. Deviation DAR
.0074954 Valid N (listwise) 105
Sumber: Data Sekunder yang Diolah, 2012 Sumber: Data Sekunder yang Diolah, 2012
Variabel ukuran perusahaan (LNSIZE) yang diukur dengan logaritma natural total aset menunjukkan rata-rata sebesar 30,9067. Nilai minimum adalah 27,55 yang dimiliki oleh PT Bank Swadesi, Tbk tahun 2005 dan nilai maksimum adalah 33,74 yang dimiliki oleh PT Bank Mandiri, Tbk tahun 2010.
Variabel leverage (LEV) yang diukur dengan rumus total kewajiban dibagi dengan total ekuitas diperoleh nilai maksimum sebesar 35,2284 (3.522,84%) yang dimiliki oleh PT Bank Mutiara,Tbk pada tahun 2005 dan
nilai minimum sebesar 3,9271 (392,71%) yang dimiliki oleh PT Bank Swadesi, Tbk pada tahun 2010 dan nilai rata-rata leverage sebesar 10,494404 (1.049,44%).
Variabel kinerja keuangan yang diproksikan dengan Return On Asset (ROA) memiliki rata-rata sebesar 0,010864 (1,09%). Nilai maksimum ROA sebesar 0,0284 (2,84%) dimiliki oleh PT Bank Rakyat Indonesia, Tbk (2005, 2006, 2010), PT Bank Danamon, Tbk (2005), PT Bank Central Asia,
Bank Bumiputera, Tbk (2005), PT Bank Eksekutif Internasional, Tbk (2006), dan PT Bank Mutiara, Tbk (2007).
Tabel IV. 2 Uji Statistik Deskriptif ROE
Variabel Debt to Assets Ratio (DAR) menunjukkan nilai rata-rata 0,905053 (90,50%). DAR dengan nilai minimum 0,8276 (82,76%) dimiliki oleh PT Bank Mayapada, Tbk tahun 2008. Nilai DAR maksimum adalah 0,9507 (95,07%) dimiliki PT Bank Bumiputera, Tbk (2005), PT Bank Artha Graha Internasional, Tbk (2005-2006), PT Bank Mega, Tbk (2005), dan PT Bank Mutiara, Tbk (2006-2007).
Variabel Long Term Debt to Equity Ratio (LDER) menunjukkan nilai rata-rata sebesar 0,706474 (70,65%). LDER dengan nilai minimum 0,0000 dimiliki oleh PT Bank Nusantara Parahyangan, Tbk (2005), PT Bank Mutiara, Tbk (2005, 2007, 2010), PT Bank Victoria, Tbk (2005-2006), PT Bank Swadesi, Tbk (2006-2008), PT Bank Kesawan, Tbk (2007), PT Bank Bumiputera, Tbk (2010) dan PT Bank Eksekutif Internasional, Tbk (2010).
N Minimum Maximum
Mean
Std. Deviation DAR
.0668379 Valid N (listwise) 98
Sumber: Data Sekunder yang Diolah, 2012
Danamon, Tbk pada tahun 2008. Variabel ukuran perusahaan (LNSIZE) yang diukur dengan logaritma natural total aset menunjukkan rata-rata sebesar 30,9653. Nilai minimum adalah 27,55 yang dimiliki oleh PT Bank Swadesi, Tbk tahun 2005 dan nilai maksimum adalah 33,74 yang dimiliki oleh PT Bank Mandiri, Tbk tahun 2010.
Variabel leverage (LEV) yang diukur dengan rumus total kewajiban dibagi dengan total ekuitas didapat nilai maksimum sebesar 19,2719 (1.927,19%) yang dimiliki oleh PT Bank Artha Graha Internasional, Tbk pada tahun 2005 dan nilai minimum sebesar 4,8007 (480,07%) yang dimiliki oleh PT Bank Mayapada, Tbk pada tahun 2008. Nilai rata-rata leverage sebesar 10,229601 (1.022,96%).
Variabel kinerja keuangan yang diproksikan dengan Return On Equity (ROE) memiliki rata-rata sebesar 0,111199 (11,12%) dari rata-rata sampel. Nilai maksimum ROE sebesar 0,2681 (26,81%) yang dimiliki oleh PT Bank Rakyat Indonesia (Persero), Tbk pada tahun 2008-2009 dan nilai minimum sebesar 0,0038 (0,38%) yang dimiliki oleh PT Bank Bumiputera, Tbk pada tahun 2008.
Pengujian asumsi klasik dilakukan sebelum melakukan pengujian hipotesis karena merupakan prasyarat bagi analisis regresi serta agar hasil analisis regresi dapat dipercaya atau valid.
1. Uji Normalitas Data Uji normalitas dilakukan untuk mengetahui apakah data terdistribusi secara normal atau tidak. Dalam penelitian ini menggunakan dua cara untuk mengetahui normalitas data yaitu analisis grafik dan analisis statistik.
Untuk menguji normalitas data kinerja perusahaan yang di proksikan dengan ROA secara grafik menggunakan histogram dan normal probability plot yang digambarkan sebagai berikut:
Gambar IV. 1
Uji Normalitas: Grafik Histogram ROA
(Sebelum Transformasi)
Gambar IV. 2
Uji Normalitas: Grafik Normal P-Plot ROA
(Sebelum Transformasi)
Gambar IV. 1 menunjukkan bahwa grafik histogram tidak membentuk lonceng atau pola distribusi tidak normal dan pada Gambar
IV. 2 menunjukkan penyebaran titik- titik tidak berada di sekitar garis diagonal atau searah dengan garis diagonal. Berikut ini adalah uji statistik untuk menguji normalitas data yaitu uji Kolmogorov- Smirnov:
Uji Kolmogorov- Smirnov ROA (Sebelum Transformasi)
Unstandardized Residual
Normal Parameters a Mean
Std. Deviation
Most Extreme Differences Absolute
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
a. Test distribution is Normal. Sumber: Hasil Pengolahan Data, 2012
Berdasarkan pada Tabel IV. 3, uji normalitas terhadap data residual menunjukan bahwa besarnya Asymp. Sig (2-tailed) sebesar 0,000 dibawah tingkat signifikansi 0,05. Berdasarkan analisis grafik dan
statistik diatas dapat diketahui bahwa model regresi tidak memenuhi asumsi normalitas. Oleh karena data tidak normal maka dilakukan proses transformasi.
Proses transformasi dilakukan dengan cara membuang data outlier atau data pengganggu. Dengan proses pembuangan data pengganggu diharapkan dapat diperoleh data penelitian yang normal sehingga proses regresi dapat dilakukan. Setelah melakukan proses transformasi diperoleh data penelitian yang normal adalah 105 data Proses transformasi dilakukan dengan cara membuang data outlier atau data pengganggu. Dengan proses pembuangan data pengganggu diharapkan dapat diperoleh data penelitian yang normal sehingga proses regresi dapat dilakukan. Setelah melakukan proses transformasi diperoleh data penelitian yang normal adalah 105 data
Gambar IV. 3
Uji Normalitas: Grafik Histogram ROA
(Setelah Transformasi)
Gambar IV. 4
Uji Normalitas: Grafik Normal P-Plot ROA
(Setelah Transformasi)
Gambar IV. 3 menunjukkan bahwa grafik histogram membentuk lonceng dan pada Gambar IV. 4 menunjukkan penyebaran titik- titik berada di sekitar garis diagonal. Hal ini menunjukkan bahwa data telah terdistribusi normal
Uji Kolmogorov- Smirnov ROA (Setelah Transformasi)
Unstandardized Residual
105
Normal Parameters a Mean
.0000000
Std. Deviation
.00478030
Most Extreme Differences Absolute
Kolmogorov-Smirnov Z
.603
Asymp. Sig. (2-tailed)
.860
a. Test distribution is Normal.
Sumber: Hasil Pengolahan Data, 2012
Hasil uji normalitas seperti tersaji pada Tabel IV. 4 menunjukkan bahwa data penelitian telah normal yang dibuktikan dengan asymp sig. sebesar 0,860 yaitu lebih besar dari tingkat signifikansi penelitian 5%. Oleh karena data penelitian telah normal, maka data dapat digunakan dalam pengujian dengan model regresi berganda.
Untuk menguji normalitas data kinerja perusahaan yang diproksikan dengan ROE secara grafik menggunakan histogram dan normal probability plot yang digambarkan sebagai berikut:
Gambar IV. 5
Uji Normalitas: Grafik Histogram ROE
(Sebelum Transformasi)
Gambar IV. 6
Uji Normalitas: Grafik Normal P-Plot ROE
(Sebelum Transformasi) (Sebelum Transformasi)
IV. 6 penyebaran titik-titik tidak berada disekitar garis diagonal atau searah dengan garis diagonal. Berikut ini adalah uji statistik untuk menguji normalitas data yaitu uji Kolomogorov- Smirnov.
Tabel IV. 5 Uji Kolmogorov- Smirnov ROE (Sebelum Transformasi)
Unstandardized Residual
Normal Parameters a Mean
Std. Deviation
Most Extreme Differences
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
Sumber: Hasil Pengolahan Data, 2012
Berdasarkan pada Tabel IV. 5, uji normalitas terhadap data residual menunjukan bahwa besarnya Asymp. Sig (2-tailed) sebesar 0,001 dibawah tingkat signifikansi 0,05. Berdasarkan analisis grafik dan statistik diatas dapat diketahui bahwa model regresi tidak memenuhi asumsi normalitas. Oleh karena data terjadi tidak normal maka dilakukan proses transformasi.
outlier atau data pengganggu. Dengan proses pembuangan data pengganggu diharapkan dapat diperoleh data penelitian yang normal sehingga proses regresi dapat dilakukan. Setelah melakukan proses transformasi diperoleh data penelitian yang normal adalah 98 data yang berarti terdapat 22 data pengganggu dan dikeluarkan dari data penelitian ini.
Berikut disajikan hasil uji normalitas data setelah dilakukan proses outlier data.
Gambar IV. 7
Uji Normalitas: Grafik Histogram ROE
(Setelah Transformasi)
Gambar IV. 8
Uji Normalitas: Grafik Normal P-Plot ROE
(Setelah Transformasi)
Gambar IV. 7 menunjukkan bahwa grafik histogram membentuk lonceng dan pada Gambar IV. 8 menunjukkan penyebaran titik- titik berada di sekitar garis diagonal. Hal ini menunjukkan bahwa data telah terdistribusi normal
Uji Kolmogorov- Smirnov ROE (Setelah Transformasi)
Unstandardized Residual
Normal Parameters a Mean
Std. Deviation
Most Extreme Differences Absolute
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
a. Test distribution is Normal. Sumber: Hasil Pengolahan Data, 2012
Hasil uji normalitas seperti tersaji dalam Tabel IV. 6 menunjukkan bahwa data penelitian telah normal yang dibuktikan dengan asymp sig. sebesar 0.784 yang lebih besar dari tingkat signifikansi penelitian 5%. Oleh karena data penelitian telah mengalami normal, maka data dapat digunakan dalam pengujian dengan model regresi berganda.
2. Uji Multikolinearitas Uji multikolinearitas digunakan untuk mengetahui ada tidaknya korelasi antar variabel independen. Model regresi yang baik tidak terjadi korelasi antar variabel independen. Uji ini dapat dilihat dari nilai tolerance dan Variance Inflation Factor (VIF). Nilai cut-off yang sering dipakai adalah nilai tolerance 0,10 atau sama dengan nilai VIF 2. Uji Multikolinearitas Uji multikolinearitas digunakan untuk mengetahui ada tidaknya korelasi antar variabel independen. Model regresi yang baik tidak terjadi korelasi antar variabel independen. Uji ini dapat dilihat dari nilai tolerance dan Variance Inflation Factor (VIF). Nilai cut-off yang sering dipakai adalah nilai tolerance 0,10 atau sama dengan nilai VIF
Tabel IV. 7 Uji Multikolinearitas ROA
Model
Collinearity Statistics
(Constant) DAR
Tidak Terjadi Multikolinearitas
LDER
1,013 Tidak Terjadi Multikolinearitas
LNSIZE
1,074 Tidak Terjadi Multikolinearitas
LEV
3,633 Tidak Terjadi Multikolinearitas
Sumber : Hasil Pengolahan Data, 2012
Hasil pengujian tolerance menunjukkan bahwa tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 (10%). Hasil perhitungan VIF juga menunjukan bahwa tidak ada variabel independen yang memiliki nilai VIF lebih dari 10. Oleh karena itu, dapat disimpulkan bahwa antara variabel independen dalam model regresi terbebas dari multikolinearitas.
Tabel IV. 8 Uji Multikolinearitas ROE
Model
Collinearity Statistics
(Constant) DAR
Tidak Terjadi Multikolinearitas
Tidak Terjadi Multikolinearitas
Tidak Terjadi Multikolinearitas
Tidak Terjadi Multikolinearitas
Sumber : Hasil Pengolahan Data, 2012 Sumber : Hasil Pengolahan Data, 2012
3. Uji Autokorelasi Autokorelasi menunjuk pada hubungan yang terjadi antara anggota-anggota dari serangkaian observasi yang terletak berderetan secara series dalam bentuk waktu (time series) atau hubungan antara tempat yang berdekatan (cross sectional). Uji autokorelasi dilakukan dengan menggunakan uji Durbin Watson (DW test), yaitu dengan ketentuan pengambilan keputusan adalah sebagi berikut:
1) Jika nilai dw lebih dari 0 dan kurang dari d1, maka terjadi autokorelasi.
2) Jika nilai dw berada diantara dl dan du, maka hasilnya tidak dapat disimpulkan.
3) Jika nilai dw lebih dari 4 - d1, maka terjadi autokorelasi.
4) Jika nilai dw berada diantara 4 - du dan 4 - dl, maka tidak dapat disimpulkan.
5) Jika nilai dw lebih. dari 4 — dl, maka tidak terjadi autokorelasi. Nilai du dapat dilihat dari Tabel Durbin Watson dengan menggunakan nilai signifikansi 5 % (0,05), jumlah sampel yang 5) Jika nilai dw lebih. dari 4 — dl, maka tidak terjadi autokorelasi. Nilai du dapat dilihat dari Tabel Durbin Watson dengan menggunakan nilai signifikansi 5 % (0,05), jumlah sampel yang
Tabel IV. 9 Uji Autokorelasi ROA
Model
R Square
Adjusted R
Square
Std. Error of the Estimate
Durbin- Watson
a. Predictors: (Constant), LEV, LDER, LNSIZE, DAR
b. Dependent Variable: ROA
Berdasarkan Tabel IV. 9 dapat diketahui bahwa nilai dw sebesar 2,121. Dimana untuk menghitung uji autokorelasi dapat melihat di tabel untuk menentukan nilai du nya. Sehingga dapat diketahui nilai du berdasar tabel adalah 1,7617. Dapat dijabarkan dalam dengan rumus berikut ini:
Sehingga, berdasarkan rumus tersebut dapat diketahui bahwa data diatas terbebas dari autokorelasi.
Tabel IV. 10 Uji Autokorelasi ROE
Model
R Square
Adjusted R
Square
Std. Error of the Estimate
Durbin- Watson
a. Predictors: (Constant), LEV, LDER, LNSIZE, DAR
b. Dependent Variable: ROE
Berdasarkan Tabel IV. 10 dapat diketahui bahwa nilai dw sebesar 2,095. Yang mana untuk menghitung uji autokorelasi dapat melihat di tabel untuk menentukan nilai du nya. Sehingga dapat Berdasarkan Tabel IV. 10 dapat diketahui bahwa nilai dw sebesar 2,095. Yang mana untuk menghitung uji autokorelasi dapat melihat di tabel untuk menentukan nilai du nya. Sehingga dapat
Sehingga, dari rumus tersebut dapat diketahui bahwa data diatas terbebas dari autokorelasi.
4. Uji Heteroskedastisitas Uji Heteroskedastisitas ditunjukkan dengan menggunakan grafik Scatter Plot antara variabel dependen (SRESID) dan variabel residualnya (ZPRED). Grafik ini menunjukan pola penyebaran titik- titik. Jika titik-titik menyebar di atas dan di bawah 0 pada sumbu Y, berarti tidak terjadi heteroskedastisitas pada data yang akan digunakan.
Gambar IV. 9 Uji Heteroskedastisitas ROA (Sebelum Transformasi)
Berdasarkan Gambar IV. 9 diatas, terlihat titik-titik yang mengumpul di bawah angka 0 (nol) dan membentuk suatu pola tertentu Berdasarkan Gambar IV. 9 diatas, terlihat titik-titik yang mengumpul di bawah angka 0 (nol) dan membentuk suatu pola tertentu
Proses transformasi dilakukan dengan cara membuang data outlier atau data pengganggu. Dengan proses pembuangan data pengganggu diharapkan dapat diperoleh data penelitian yang normal sehingga proses regresi dapat dilakukan. Setelah melakukan proses transformasi diperoleh data penelitian yang normal adalah 105 data yang berarti terdapat 15 data yang mengalami data tidak normal dan dikeluarkan dari data penelitian ini.
Berikut disajikan hasil uji normalitas data setelah dilakukan proses transformasi data.
Gambar IV. 10 Uji Heteroskedastisitas ROA (Setelah Transformasi)
Gambar IV. 11 Uji Heteroskedastisitas ROE (Sebelum Transformasi)
Berdasarkan gambar di atas, terlihat titik-titik yang mengumpul di sekitar angka 0 (nol) dan membentuk suatu pola tertentu yang jelas. Hal ini berarti terjadi heteroskedastisitas pada model regresi, sehingga model regresi tidak layak dipakai untuk memprediksi kinerja keuangan berdasarkan ROE. Oleh karena data terjadi tidak normal maka dilakukan proses transformasi.
Proses transformasi dilakukan dengan cara membuang data outlier atau data pengganggu. Dengan proses pembuangan data pengganggu diharapkan dapat diperoleh data penelitian yang normal sehingga proses regresi dapat dilakukan. Setelah melakukan proses transformasi diperoleh data penelitian yang normal adalah 98 data yang Proses transformasi dilakukan dengan cara membuang data outlier atau data pengganggu. Dengan proses pembuangan data pengganggu diharapkan dapat diperoleh data penelitian yang normal sehingga proses regresi dapat dilakukan. Setelah melakukan proses transformasi diperoleh data penelitian yang normal adalah 98 data yang