Deskripsi Objek Penelitian Analisis Data

55

BAB IV HASIL DAN PEMBAHASAN

4.1 Deskripsi Objek Penelitian

Berdasarkan data dari Bursa Efek Indonesia jumlah bank umum yang go public di Indonesia pada akhir tahun 2014 berjumlah 32 bank. Objek penelitian yang digunakan didalam penelitian ini adalah seluruh perusahaan perbankan yang tercatat di Bursa Efek Indonesia periode tahun2011 hingga tahun 2014, setelah dilakukan purposive sampling, maka sampel yang layak digunakan memenuhi kriteria dalam penelitian ini ada 11 perusahaan perbankan yang tercatat di Bursa Efek Indonesia yang menyajikan laporan keuangan tahunan periode2011 sampai dengan 2014 secara lengkap dan sesuai denganvariabel yang akan diteliti. Sampel yang digunakan dalam penelitian ini berjumlah 11 perusahaan perbankan. Jumlah data yang digunakan dalam penelitian ini sebanyak 44 yang didapat dari 11 x 4 perkalian antara jumlah sample dengan jumlah tahun dalampengamatan.

4.2 Analisis Data

4.2.1 Statistik Deskriptif

Statistik deskriptif digunakan untuk menunjukkan jumlah data yang digunakan dalam penelitian ini serta dapat menunjukkan nilai maksimum, nilai minimum, nilai rata-rata serta standar deviasi dari masing-masing variabel.Variabel dalam penelitian ini meliputi variabel LDR, NPL, EAR, LAR, CAR, NIM serta ROA. Hasil olah data deskriptif dapat dilihat pada tabel 4.1 sebagai berikut: 56 Sumber : Output SPSS 18.00 Data diolah Pada Tabel 4.1 diatas menunjukkan bahwa N atau jumlah data yang digunakan dalam penelitian ini sebanyak 44 sampel data yang diambil dari Laporan Keuangan Publikasi masing-masing bank yang bersangkutan periode 2011 sampai dengan 2014. Data rasio ROA terendah minimum adalah 1.12 berasal dari ROA Bank Tabungan Negara pada tahun 2014, sedangkan rasio ROA tertinggi maksimum adalah 5.15 berasal dari ROA Bank Rakyat Indonesia pada Tahun 2012. Dengan melihat nilai rata- rata mean ROA sebesar 2.93, maka dapat disimpulkan bahwa secara statistik nilai rata- rata ROA pada Bank Umum yang terdaftar di Bursa efek Indonesia tahun 2011- 2014 berada di atas 1.5. Hal ini menunjukkan ROA Bank Umum telah memenuhi peraturan BI bahwa bank yang masuk dalam kategori sehat adalah bank yang memiliki nilai minimal ROA sebesar 1.5 Hasibuan, 2007:27, sementara standar deviasi ROA sebesar 1.13 yang berarti simpangan data nilainya lebih kecil daripada meannya sebesar 2.93 yang menunjukkan bahwa data variable ROA baik. Tabel 4. 1 Descriptive Statistics N Minimum Maximum Mean Std. Deviation ROA 44 1.12 5.15 2.9275 1.12444 LDR 44 61.70 100.70 85.3986 9.86418 NPL 44 .40 1.21 2.4075 1.85138 EAR 44 8.21 18.44 12.2657 2.50771 LAR 44 49.58 73.52 62.6995 6.19495 CAR 44 12.70 23.10 16.7155 2.40553 NIM 44 3.83 13.10 6.9368 2.49814 Valid N listwise 44 57 Data rasio LDR terendah minimum adalah 61.70 berasal dari LDR Bank Central Asia pada tahun 2011, sedangkan rasio LDR tertinggi maksimum adalah 100.7 berasal dari LDR Bank Danamon pada tahun 2012. Dengan melihat nilai rata- rata mean LDR sebesar 85.39, maka dapat disimpulkan bahwa secara statistik nilai rata- rata LDR pada Bank Umum di Indonesia tahun 2011- 2014 melewati batas aman 80. Hal ini menunjukkan LDR Bank Umum termasuk dalam kategori kurang sehat, karena menurut peraturan BI bahwa bank yang masuk dalam kategori sehat adalah bank yang memiliki LDR yang berada pada batas aman sebesar 80 Dendawijaya, 2003:35. Sementara standar deviasi LDR sebesar 9.86 yang berarti simpangan data nilainya lebih besar daripada meannya sebesar 85.39 yang menunjukkan bahwa data variable LDR kurang baik. Data rasio NPL terendah minimum adalah 0.40 berasal dari NPL Bank Central Asia pada tahun 2012 dan tahun 2013, sedangkan rasio NPL tertinggi maksimum adalah 1.21 berasal dari Bank Jawa Barat dan Banten pada tahun 2011. Dengan melihat nilai rata- rata mean NPL 2.40, maka dapat disimpulkan bahwa secara statistik statistik nilai rata- rata NPL pada Bank Umum di Indonesia tahun 2011- 2014 kurang dari 5.Hal ini menunjukkan bahwa NPL Bank Umum termasuk dalam kategori sehat, karena menurut peraturan BI bahwa bank yang masuk dalam kategori sehat adalah bank yang memiliki NPL yang berada kurang dari 5 Siamat, 2005, sementara untuk standar deviasi NPL sebesar 1.85 yang berarti lebih kecil dari mean yaitu sebesar 2.40, sehingga simpangan data pada rasio NPL ini dikatakan baik. 58 Data rasio EAR terendah minimum adalah 8.21 berasal dari EAR Bank Tabungan Negara pada tahun 2011sedangkan rasio EAR tertinggi maksimum adalah 18.44 berasal dari EAR Bank Danamon pada tahun 2012. Dengan melihat nilai rata- rata mean EAR 12.26 dan standar deviasi EAR 2.50. Data rasio LAR terendah minimum adalah 49.58 berasal dari LAR Bank Jawa Barat dan Banten tahun 2011 sedangkan rasio LAR tertinggi maksimum adalah 73.52 berasal dari LAR Bank Agro Niaga tahun 2014.Dengan melihat nilai rata- rata mean LAR 62.69 dan standar deviasi 6.19 maka dikategorikan bahwa keadaan Bank Umum dikategorikan sehat dikarenakan mean LAR lebih besar daripada simpangan LAR. Data rasio CAR terendah minimum adalah 12.70 berasal dari CAR Bank Central Asia tahun 2011 sedagkan rasio CAR tertinggi maksimum adalah 23.10 berasal dari CAR Bank Tabungan Pensiunan Nasional tahun 2013. Dengan melihat nilai rata- rata mean CAR 16.71, maka dapat disimpulkan bahwa secara statistik statistik nilai rata- rata CAR pada Bank yang terdaftar di Bursa Efek Indonesia tahun 2011- 2014 diatas 8, dan standar yang ditetapkan Bank Indonesia minimal 8. Sehingga dapat disimpulkan rasio kecukupan modal yang dimiliki perbankan dapat dikatakan tinggi. Sementara standart deviasi 2.40 masih lebih kecil jika dibandingkan nilai mean-nya sebesar 16.71. Dengan demikian dapat dikatakan bahwa simpangan data pada CAR relatif baik. Data rasio NIM terendah minimum adalah 3.83 berasal dari NIM Bank Panin tahun 2014 sedangkan rasio NIM tertinggi maksimum adalah 13.10 berasal dari NIM Bank Tabungan pensiunan Nasional tahun 2012. Dengan 59 melihat nilai rata- rata mean NIM 6.93, maka dapat disimpulkan bahwa secara statistik statistik nilai rata- rata NIM pada Bank yang terdaftar di Bursa Efek Indonesia tahun 2011- 2014 diatas 6, dan standar yang ditetapkan Bank Indonesia minimal 6. Sementara untuk nilai standart deviasi sebesar 2.49 masih lebih kecil jika dibandingkan dengan nilai mean-nya yaitu sebesar 6.93. Dengan demikian simpangan data pada rasio NIM pada penelitian ini dapat dikatakan baik.

4.2.2 Uji Asumsi Klasik

Didalam pengujian asumsi klasik, peneliti akan melakukan uji atas data-data yang telahdiperoleh yang disebut dengan uji asumsi klasik. Uji asumsi klasik dilakukanuntuk melihat apakah data telah terdistribusi dengan normal dengan ujinormalitas, dan untuk melihat apakah penelitian tersebut terjadi multikolinearitas, heteroskedastisitas dan autokorelasi atau tidak.

4.2.2.1 Uji Normalitas

Tujuan uji normalitas adalah ingin mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yakni distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Dengan adanya tes normalitas, maka hasil penelitian kita bisa digeneralisasikan pada populasi. Dalam pandangan statistik itu sifat dan karakteristik populasi adalah terdistribusi normal Situmorang dan Lutfi, 2014:114. 60 Ghozali, 2005:110 untuk mendeteksi apakah residual berdistribusi normal atau tidak dapat dilakukan dengan dua cara, yaitu melalui uji statistikdan analisis grafik. Uji statistik yang digunakan untuk menguji normalitas data dalam penelitian ini adalah dengan menggunakan uji statistik non parametric Kolmogorov-Smirnov K-S dan melalui analisis grafik, yaitu dengan melihat pendekatan grafik histogram dan grafik normal probability plot. Hipotesis Nol H0 : Data terdistribusi secara normal Hipotesis Altenatif Ha : Data tidak terdistribusi secara normal • Apabila nilai signifikansinya lebih besar dari 0,05 maka H0 diterima, • sedangkan jika nilai signifikansinya lebih kecil dari 0,05 maka H0 ditolak. Hasil pengujian normalitas dapat dilihat pada gambar 4.1 sebagai berikut : Tabel 4. 2 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 44 Normal Parameters a Mean .0000000 Std. Deviation .61251970 Most Extreme Differences Absolute .083 Positive .055 Negative -.083 Kolmogorov-Smirnov Z .547 Asymp. Sig. 2-tailed .925 a. Test distribution is Normal. Berdasarkan Tabel 4.2 dapat dideskripsikan besarnya Kolmograv- Smirnov K-S adalah 0.547 dan signifikansi 0.925. Hal ini menunjukkan bahwa data 61 tersebut telah berdistribusi normal karena nilai signifikansinya atau Asymp. Sig. 2-tailed lebih besar dari 0.05 yakni 0.925 Selain uji Kolmograv – Smirnov, hasil uji normalitas juga dapat dilihat pada diagram histogram dan Normal Probability Plot yang ditampilkan pada gambar 4.1 dan 4.2 berikut ini: Gambar 4. 1 Histogram Uji Normalitas Sumber : Output SPSS 18.00 Data diolah Grafik Histogram pada gambar 4.1 di atas menunjukkan bahwa distribusi data memiliki kurva berbentuk lonceng dimana distribusi data tidak menceng ke kiri maupun menceng ke kanan. Hal ini menunjukkan bahwa data telah terdistribusi secara normal. Hal ini juga didukung dengan hasil uji normlitas dengan menggunakan grafik plot 62 Gambar 4. 2 Grafik Normal Probability Plot Sumber : Output SPSS 18.00 Data diolah Gambar 4.2 merupakan grafik Normal Probability Plot yang menunjukkan bahwa titik- titik data menyebar di sekitar garis diagonal. Hal tersebut menunjukkan Hal tersebut berarti data berdistribusi normal. Hasil pengujian dengan grafik histogram dan grafik Scatter plotsejalan dengan hasil pengujian dengan menggunakan model Kolmogorov-Smirnov, yaitu yang berkesimpulan bahwa data telah terdistribusi normal.

4.2.2.2 Uji Multikolinearitas

Uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan sadanya korelasi antara variabel independent. Model yang baik seharusnya tidak terjadi korelasi yang tinggi diantara variabel bebas.Suatu model regresi yang bebas dari masalah multikolinearitas apabila mempunyai nilai tolerance lebih dari 0.10 dan nilai Variance Inflation Factor VIF kurang dari 5 Ghozali, 2011. 63 Tabel 4. 3 Hasil Uji Multikolinearitas Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 4.794 1.241 3.861 .000 LDR -.094 .016 -.828 -5.946 .000 .414 2.418 NPL -.013 .060 -.022 -.223 .825 .823 1.216 EAR .015 .045 .032 .321 .750 .783 1.276 LAR .102 .024 .560 4.157 .000 .442 2.265 CAR -.215 .061 -.460 -3.533 .001 .472 2.117 NIM .471 .061 1.047 7.695 .000 .433 2.309 a. Dependent Variable: ROA Sumber : Output SPSS 18.00 Data diolah Berdasarkan Tabel 4.3 dapat diketahui bahwa nilai Tolerance dari masing- masing variabel lebih besar dari 0.10, yaitu pada variabel LDR sebesar 0.414, variabel NPL sebesar 0.823, variabel EAR sebesar 0.783, variabel LAR sebesar 0.442, variabel CAR sebesar 0.472 dan pada variabel NIM sebesar 0.433. Selain itu, nilai Variance Inflation Factor VIF untuk masing- masing variabel juga lebih kecil dari 5 yakni, untuk variabel LDR sebesar 2.418, variabel NPL sebesar 1.216, variabel EAR sebesar 1.276, variabel LAR sebesar 2.265, variabel CAR sebesar 2.117 dan pada variabel NIM sebesar 2.309. Dengan demikian dapat disimpulkan bahwa pada penelitian ini tidak terdapat gejala Multikolinearitas.

4.2.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan 64 pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi, dapat disimpulkan adanya problem autokorelasi. Autokorelasi muncul karena penelitian yang berurutan sepanjag waktu berkaitan satu sama lainnya Gozali, 2011. Uji autokorelasi dapat diuji dengan menggunakan uji run test. Uji run test menunjukkan tidak terjadi autokorelasi antar nilai residual, jika nilai test di atas 0.05. Berikut ini adalah tabel 4.3 yang menunjukkan hasil uji autokorelasi. Tabel 4. 4 Hasil uji autokorelasi Runs Test Unstandardized Residual Test Value a .05213 Cases Test Value 22 Cases = Test Value 22 Total Cases 44 Number of Runs 26 Z .763 Asymp. Sig. 2-tailed .446 a. Median Sumber : Output SPSS 18.00 Data diolah Berdasarkan tabel 4.3 dapat diketahui bahwa nilai Asymp sig 2- tailed lebih besar dari 0.05 yakni 0.446 Oleh karena itu dapat disimpulkan bahwa data pada penelitian ini tidak terdapat autokorelasi.

4.2.2.4 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan yang lain Ghozali 2011:105. Untuk mendeteksi ada atau tidaknya 65 heteroskedastisitas dilakukan dengan melihat ada atau tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED. Jika terdapat pola tertentu seperti titik-titik yang ada membentuk suatu pola tertentu yang teratut bergelombang, melebar kemudian menyempit, maka terjadi heteroskedasitas. Adapun hasil uji heteroskedasitas dalam penelitian ini dapat dilihat pada gambar 4.3 Gambar 4. 3 Grafik scatterplot Sumber : Output SPSS 18.00 Data diolah Gambar uji scatter plot diatas menjelaskan bahwa data sampel tersebar secara acak dan tidak membentuk suatu pola tertentu. Data tersebar baik berada di atas maupun di bawah angka 0 pada sumbu Y. Hal ini menunjukkan tidak terdapat heterokodesitas dalam model regresi yang digunakan. 66

4.3 Hasil Uji Hipotesis Penelitian