Penelitian ini menggunakan data sekunder yang diperoleh dari situs Bursa Efek Indonesia
www.icmd.co.id . Data yang digunakan merupakan data
laporan keuangan publikasi yang sudah diaudit selama periode 2007 – 2009.
No Nama Perusahaan
1. PT Bank AgroNiaga
2. PT Bank Artha Graha Internasional Tbk
3. PT Bank Bukopin Tbk
4. PT Bank Central Asia Tbk
5. PT Bank CIMB Niaga
6. PT Bank Danamon Tbk.
7. PT Bank Himpunan Saudara 1906 Tbk.
8. PT Bank Internasional Indonesia Tbk.
9. PT Bank Mandiri Persero Tbk.
10. PT Bank Mega Tbk.
11. PT Bank Negara Indonesia Persero Tbk.
12. PT Bank OCBC NISP
13. PT Bank Pan Indonesia Tbk.
14. PT Bank Permata Tbk.
15. PT Bank Rakyat Indonesia Persero Tbk.
16. PT Bank Tabungan Pensiunan Nasional Tbk.
17. PT Bank Victoria International Tbk.
B. Statistik Deskriptif
Statistik deskriptif ini memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata – rata, variance serta standar deviasi data yang
digunakan dalam penelitian. Statistik data penelitian disajikan dalam tabel 4.1 berikut:
Tabel 4.1 Statistik Deskriptif
Universitas Sumatera Utara
Descriptive Statistics
N Mean
Std. Deviation Minimum Maximum kredit
34 43,267,283.
15 46,732,455.384
19,148 2E8
sb 34
19,338,676. 03
26,034,410.142 4,523 93,258,842
pd 33
4,189,560.1 5
6,845,649.163 -313 29,404,818
py 34
38,653.71 52,212.775
22 169,067
roa 34
2.0879 1.19436
-.13 4.96
Sumber : Output SPSS, diolah Penulis, 2010 Berdasarkan data dari tabel 4.1 dapat dijelaskan bahwa :
1. Variabel kredit memiliki nilai minimum 19,148 miliar rupiah dan nilai maksimum 2 x 10
8
rupiah dengan rata-rata kredit adalah 43,267,283.15 miliar rupiah dengan standar deviasi 46,732,455.384 miliar rupiah
2.Variabel surat-surat berharga memiliki nilai minimum 4,523 miliar rupiah dan nilai maksimum 93,258,842 miliar rupiah dengan rata-rata surat-surat
berharga adalah 19,338,676.03 miliar rupiah dengan standar deviasi 26,034,410.142 miliar rupiah.
3.Variabel penempatan dana pada bank lain memiliki nilai minimum - 313miliar rupiah dan nilai maksimum 29,404,818 miliar rupiah dengan rata-
rata penempatan dana pada bank lain adalah 4,189,560.15 miliar rupiah dengan standar deviasi 6,845,649.163 miliar rupiah.
4. Variabel penyertaan memiliki nilai minimum 22 miliar rupiah dan nilai maksimum 169,067 miliar rupiah dengan rata-rata penyertaan adalah
38,653.7 miliar rupiah dengan standar deviasi 52,212.775 miliar rupiah.
Universitas Sumatera Utara
5.Variabel ROA memiliki nilai minimum -.13 dan nilai maksimum 4.96 dengan rata-rata ROA adalah 2.0879 dengan standar deviasi 1.19436
Jumlah sampel yang ada sebanyak 17 perusahaan perbankan.
C. Pengujian Asumsi Klasik
1. Uji Normalitas Dari grafik histogram terlihat bahwa pola distribusi data mengikuti
garis diagonal yang tidak menceng skewness kiri maupun menceng ke kanan. Menurut Ghozali 2005:112, pendeteksian normalitas dapat
dilakukan dengan melihat penyebaran data titik pada sumbu diagonal dari grafik, yaitu jika data titik menyebar di sekitar garis diagonal dan
mengikuti arah garis diagonal, hal ini menunjukkan data yang telah terdistribusi normal. Gambar 4.2 menunjukkan bahwa data titik
menyebar di sekitar dan mendekati garis diagonal. Hasil uji normalitas dengan grafik terkadang bisa menyesatkan karena kelihatannya
distribusinya normal, padahal secara statistik bisa sebaliknya. Normalitas data dapat dilihat dari grafik histogram dan normal probability plot yang
ditunjukkan gambar 4.1 dan 4.2 berikut:
Universitas Sumatera Utara
Gambar 4.1 Grafik Histogram 1
Sumber: Hasil Pengolahan Data dengan SPSS, 2010
Gambar 4.2 Normal Probability Plot 1
Sumber: Hasil Pengolahan Data dengan SPSS, 2010
Universitas Sumatera Utara
Uji data statistik dengan model Kolmogorov-Smirnov dilakukan untuk mengetahui apakah data sudah terdistribusi secara normal atau tidak.
Ghozali 2005:115, memberikan pedoman pengambilan keputusan tentang data mendekati atau merupakan distribusi normal berdasarkan uji
Kolmogorov-Smirnov yang dapat dilihat dari : 1.
Nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data adalah tidak normal.
2. Nilai sig. atau signifikan atau probabilitas 0,05, maka distribusi data
adalah normal Hasil uji normalitas dengan menggunakan model Kolmogorov-Smirnov
adalah seperti yang ditampilkan berikut ini :
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
kredit Surat
berharg a
penemp atan
penyer taan
roa N
34 34
33 34
34 Normal
Parameters
a
Mean 43,267,
283.15 19,338,
676.03 4,189,56
0.15 38,65
3.71 2.0879
Std. Deviation 46,732,
455.38 4
26,034, 410.14
2 6,845,64
9.163 52,21
2.775 1.1943
6 Most Extreme
Differences Absolute
.212 .268
.301 .283
.071 Positive
.212 .268
.301 .283
.071 Negative
-.177 -.229
-.270 -.230 -.050
Kolmogorov-Smirnov Z 1.236 1.561
1.727 1.650 .412
Asymp. Sig. 2-tailed .094
.015 .005
.009 .996
a. Test distribution is Normal.
Universitas Sumatera Utara
Sumber : Output SPSS, diolah Peneliti, 2010 Dari hasil uji Kolmogorov Smirnov, dapat diketahui bahwa nilai
sigifikansi dari variabel kredit, surat berharga, dan ROA dengan probalilitas signifikansi masing – masing 0,094; 0,015; 0,996 yang
nilainya 0,05. Hal tersebut menunjukan bahwa variabel kredit, surat berharga, dan ROA berdistribusi normal. Sedangkan variabel penempatan
dan penyertaan dengan probabilitas signifikansi masing – masing 0,005; 0,009 yang nilainya 0,05. Hal ini berarti variabel penempatan dan
penyertaan tidak terdistribusi secara normal. Untuk memperoleh data yang berdistribusi secara normal, dilakukan
transformasi data menjadi bentuk LN. Setelah dilakukan transformasi data, maka hasil uji normalitas dapat dilihat pada grafik histogram, normal
probability plot, dan tabel Kolmogorov Smirnov sebagai berikut:
Gambar 4.3 Grafik Histogram setelah transformasi data LN 2
Sumber: Hasil Pengolahan Data dengan SPSS, 2010
Universitas Sumatera Utara
Gambar 4.4 Normal Probability Plot setelah transformasi data LN 2
Sumber: Hasil Pengolahan Data dengan SPSS, 2010
Grafik histogram setelah transformasi data memperlihatkan pola distribusi yang mendekati normal. Titik–titik yang menyebar di sekitar garis diagonal
dan mengikuti arah garis diagonal pada normal probability plot juga menunjukkan bahwa data berdistribusi normal.
Tabel 4.3 Hasil Uji Normalitas Setelah Transformasi
Uji Kolmogorov Smirnov setelah transformasi data LN One-Sample Kolmogorov-Smirnov Test
LN_KRE DIT
LN_S B
LN_P D
LN_P Y
LN_R OA
N 34
34 31
34 33
Normal Parameters
a
Mean 16.4735
15.150 3
14.013 6
8.0196 .5775
Universitas Sumatera Utara
Std. Deviation 2.20213
2.7152 1
2.1373 7
3.2137 8
.73376 Most Extreme
Differences Absolute
.167 .138
.151 .174
.112 Positive
.135 .119
.110 .174
.092 Negative
-.167 -.138
-.151 -.166
-.112 Kolmogorov-Smirnov Z
.974 .807
.839 1.016 .641
Asymp. Sig. 2-tailed .299
.533 .481
..254 .805
a. Test distribution is Normal. Sumber: Hasil Pengolahan Data dengan SPSS, 2010
Dari hasil uji normalitas yang diperoleh melalui grafik histogram, normal probability plot, dan Kolmogrov Smirnov, variabel kredit, surat berharga,
penempatan, penyertaan dan ROA telah berdistribusi secara normal. Tindakan perbaikan yang dilakukan dalam penelitian ini agar model regresi memenuhi
asumsi normalitas, yakni dengan menggunakan transformasi seluruh variabel penelitian ke dalam fungsi logaritma natural atau LN, menghasilkan nilai
signifikansi LN_kredit 0,299; LN_surat berharga 0,533; LN_penempatan 0,481; LN_penyertaan 0,254; dan LN_ROA 0,805. Transformasi data dalam
bentuk LN menyebabkan variabel LN_kredit, LN_surat berharga, LN_penempatan, LN_penyertaan, dan LN_ROA memiliki nilai signifikansi
0,05. Hal ini menunjukkan bahwa variabel terdistribusi secara normal, dan hasil pengujian statistik Kolmogorov Smirnov ini sejalan dengan hasil
pengujian grafik yang menggambarkan data terdistribusi secara normal.
2. Uji Multikolinearitas Uji multikolinearitas dengan melihat nilai tolerance dan VIF menunjukan
hasil seperti pada tabel 4.4 berikut :
Universitas Sumatera Utara
Coefficients
a
Model Unstandardized
Coefficients Standardi
zed Coefficie
nts t
Sig. Correlations
Collinearity Statistics
B Std.
Error Beta
Zero- order Partial Part
Tolera nce
VIF 1
Consta nt
-.893 .941
-.949 .351 LN_KR
EDIT .201
.123 .678 1.638 .114
.300 .306 .256 .142 7.044
LN_SB .049
.081 .220 .602 .552
.326 .117 .094 .182 5.480
LN_PD -.164
.061 -.632 -2.678 .013
-.131 -.465 -.418 .437 2.289
LN_PY -.034
.035 -.201 -.963 .345
-.043 -.185 -.150 .560 1.785
a. Dependent Variable: LN_ROA
Sumber: Hasil Pengolahan Data dengan SPSS, 2010
Tabel 4.4 di atas memperlihatkan bahwa penelitian ini bebas dari adanya multikolinearitas. Hal ini bisa dilihat dengan membandingkan nilai tolerance
dan VIF. Masing – masing variabel bebas yang digunakan dalam penelitian ini memiliki nilai tolerance yang lebih besar dari 0,01 yaitu yaitu untuk
LN_kredit nilai tolerance 0,142; LN_surat berharga nilai tolerance 0,182; LN_penempatan dana nilai tolerance 0,437; LN_penyertaan nilai tolerance
0,560. Jika dilihat dari VIF-nya, bahwa masing – masing variael bebas lebih kecil dari 10, yaitu untuk VIF LN_kredit sebesar7,044; VIF LN_surat
Universitas Sumatera Utara
berharga sebesar 5,480; VIF LN_penempatan dana sebesar 2,289; VIF LN_penyertaan sebesar 1,785. Dengan demikian dapat disimpulkan bahwa
tidak terjadi gejala multikolinearitas dalam variabel bebasnya. 3. Uji Heteroskedastisitas
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak dengan tidak adanya pola yang jelas serta tersebar baik di atas maupun di
bawah angka 0 pada sumbu Y. Dengan demikian, dapat disimpulkan bahwa tidak terjadi heteroskedastisitas sehingga model ini layak dipakai untuk
memprediksi rentabilitas bank yang terdaftar di Bursa Efek Indonesia berdasarkan masukan variabel independen kredit, surat-surat berharga,
penempatan dana pada bank lain, dan penyertaan. Ada tidaknya heterokedastisitas pada penelitian ini dapat dilihat dari grafik scatterplot pada
gambar4.5berikutini:
Gambar 4.5 Grafik Scatterplot
Sumber: Hasil Pengolahan Data dengan SPSS, 2010 4.
Uji Autokorelasi
Universitas Sumatera Utara
Hasil uji Autokorelasi pada penelitian ini dapat dilihat pada tabel 4.5 berikut ini:
Tabel 4.5 Uji Autokorelasi
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .605
a
.366 .269
.47310 2.261
a. Predictors: Constant, LN_PY, LN_SB, LN_PD, LN_KREDIT b. Dependent Variable: LN_ROA
Sumber: Hasil Pengolahan Data dengan SPSS, 2010
Berdasarkan tabel 4.4 di atas, diketahui bahwa nilai DW sebesar 2,261. Nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan nilai
signifikansi 5, jumlah sampel sebanyak 34 n =34 dan jumlah variabel independen sebanyak 4 k=4, maka dari tabel statistik Durbin-Watson
didapatkan nilai batas bawah DL sebesar 1,208 dan nilai batas atas DU sebesar 1,728. Nilai DW berada diantara DU dan 4-DU 1,728 1,964
2,272, maka dapat disimpulkan bahwa tidak terjadi autokorelasi.
D. Pengujian Hipotesis