kredit yang diberikan sebagai
sumber likuiditasnya.
Dana Pihak Ketiga DPK
Z Pertumbuhan dana
pihak ketiga adalah perbandingan
selisih total dana pihak ketiga pada
satu bulan tertentu dengan total dana
pihak ketiga bulan sebelumnya yang
dimiliki bank. Pertumbuhan DPK =
DPK t − DPK t−1
DPK t −1
× 100 Rasio
3.4. Teknik Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah metode dokumentasi, yaitu dengan cara mengumpulkan, mencatat, dan mengkaji
data sekunder yang berupa laporan keuangan tahunan perusahaan perbankan yang go public yang dipublikasikan melalui situs resmi Bursa Efek Indonesia BEI.
Data-data yang dikumpulkan adalah Capital Adequacy Ratio CAR, Non Performing Loan NPL, Operating ExpensesOperating Income BOPO, Return
On Asset ROA, Net Interest Margin NIM, Loan to Deposit Ratio LDR dan Dana Pihak Ketiga DPK yang diperoleh dengan cara mengutip langsung
maupun mengolah data laporan keuangan yang dikeluarkan oleh Bursa Efek Indonesia.
3.5. Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik dengan menggunakan persamaan regresi linear berganda.
Analisis data dilakukan dengan bantuan SPSS versi 20. Model regresi linear berganda adalah teknik analisis yang menjelaskan hubungan antara variabel
dependen dengan beberapa variasi independen Sugiyono,2004:271. Model penelitian tersebut digunakan untuk mengetahui pengaruh Capital
Adequacy Ratio CAR, Non Performing Loan NPL,
Operating ExpensesOperating Income BOPO, Return On Asset ROA, Net Interest
Margin NIM terhadap Loan to Deposit Ratio LDR dengan Dana Pihak Ketiga DPK sebagai moderating variabel pada perusahaan perbankan yang terdaftar di
Bursa Efek Indonesia BEI. Peneliti melakukan uji asumsi klasik terlebih dahulu sebelum melakukan pengujian hipotesis yaitu Uji Normalitas, Uji
Multikolonearitas, Uji Heterokeditas, dan Uji Autokolerasi.
3.5.1. Uji Asumsi Klasik
Asumsi klasik adalah asumsi yang mendasari analisis regresi dengan tujuan mengukur asosiasi atau keterikatan antarvariabel bebas. Terdapat 4 empat
pengujian terkait uji asumsi klasik yaitu uji normalitas data, uji multikolinearitas, uji heteroskedastisitas dan uji autokolerasi.
3.5.1.1 Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Model regresi yang
baik memiliki distribusi data normal atau mendekati normal. Untuk mendeteksi apakah variabel residual berdistribusi normal atau tidak yaitu dengan analisis
grafik. Sedangkan normalitas suatu variabel umumnya dideteksi dengan uji statistik nonparametrik Kolmogorof - Smirnov K-S. Suatu variabel dikatakan
terdistribusi normal jika nilai signifikansinya 0,05 Ghozali, 2009.
3.5.1.2 Uji Multikolonieritas
Uji Multikolonieritas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen Ghozali, 2009.
Untuk mendeteksi ada atau tidaknya multikolonieritas didalam model regresi antara lain dapat dilakukan dengan melihat 1 nilai tolerance dan
lawannya 2 variance inflation factor VIF. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance
≥ 0,10 atau sama dengan nilai VIF
≤ 10 Ghozali, 2009.
3.5.1.3 Uji Heteroskedastisitas
Menurut Ghozali 2011:139 uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual
suatu pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heteroskedastisitas. Supranto 2005:57 mengartikan homoskedastisitas sebagai varians kesalahan pengganggu
�
�
untuk setiap pengamatan �
�
adalah sama, sedangkan heteroskedastisitas adalah sebaliknya.
Model regresi yang baik adalah yang homoskesdasitas atau tidak terjadi heterokesdatisitas. Apabila terjadi heteroskedastisitas, estimator-estimator yang
dihasilkan dengan metode OLS ordinary least square tidak lagi memiliki sifat varians yang minimum atau efisien. Dalam keadaan heteroskedastisitas, ketika
tetap menggunakan metode OLS yang biasa usual OLS formulas, maka uji t dan uji F dapat memberikan kesimpulan yang salah Gujarati, 2003:428.
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatter plot antara SRESID pada sumbu Y,
dan ZPRED pada sumbu X. Field, 2009:230, Ghozali, 2011:139. Field 2009:248, Ghozali, 2011:139 menyatakan dasar analisis adalah jika ada pola
tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka mengindikasikan telah
terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas.
3.5.1.4 Uji Autokorelasi
Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
pengganggu pada periode t-1 sebelumnya. Jika terjadi korelasi maka dinamakan ada problem autokorelasi Ghozali, 2009.
Untuk mendeteksi ada atau tidaknya autokorelasi didalam model regresi antara lain dapat dilakukan dengan Uji Durbin - Watson DW Test. Pengambilan
keputusan ada tidaknya autokorelasi dapat dilihat pada Tabel 3.4 sebagai berikut :
Tabel 3.4 Uji Durbin – Watson DW
Test Hipotesis nol
Keputusan Jika
Tdk ada autokorelasi + Tolak
0ddl Tdk ada autokorelasi +
Non decision dl
≤d≤du Tdk ada korelasi –
Tolak 4–dld4
Tdk ada korelasi – Non decision
4–du ≤d≤4-dl
Tdk ada autokorelasi, + atau –
Tdk ditolak dud4-du
Sumber : Ghozali, 2009
3.5.2. Pengujian Hipotesis Penelitian 3.5.2.1 Regresi Linear Berganda
Dalam peneltiian ini, hipotesis diuji dengan analisis regresi linear berganda dengan model sebagai berikut:
Y = α + β1X1 + β2X2 + β3X3 + β2X4 + β3X5 + e Keterangan:
Y = Loan to Deposit Ratio LDR X1 = Capital Adequacy Ratio CAR
X2 = Non Performing Loan NPL X3 = Operating ExpensesOperating Income BOPO
X4 = Return On Asset ROA X5 = Net Interest Margin NIM
a = konstanta
b1-b5 = koefisien regresi variabel bebas
e = variabel residual tingkat eror
Pengujian hipotesis dalam penelitian ini menggunakan alat statistic Statistical Package For The Social Science SPSS. SPSS adalah salah satu
program computer yang khusus dibuat untuk mengolah data dengan metode statistic tertentu Ghozali, 2005:103. Pengujian hasil analisis regresi linear
berganda dilakukan dengan Uji F dan Uji t.
3.5.2.2 Uji Koefisien Determinasi R
2
Uji koefisien Determinasi R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien
determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen sangat
terbatas. Nilai yang mendekati satu berarti variabel-variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
3.5.2.3 Uji Signifikan Secara Simultan Uji F
Pengujian ini bertujuan untuk mengetahui apakah variabel-variabel independen secara simultan mempengaruhi variabel dependen secara signifikan.
Pengujian ini menggunakan uji F yaitu dengan membandingkan F hitung dengan F tabel. Uji ini dilakukan dengan syarat :
1. Jika F hitung F tabel, maka Ho diterima yaitu variabel-variabel
independen secara simultan tidak berpengaruh terhadap variabel dependen. 2.
Jika F hitung F tabel, maka Ho ditolak yaitu variabel-variabel independen secara simultan berpengaruh terhadap variabel dependen.
Pengujian ini dapat dilakukan melalui pengamatan nilai signifikan F pada tingkat
α yang digunakan penelitian ini menggunakan tingkat α sebesar 5. Analisis didasarkan pada pembandingan antara nilai signifikansi 0,05
di mana syarat syaratnya adalah sebagai berikut : a. Jika signifikansi F 0,05 maka Ho ditolak yang berarti
variabelvariabel independen secara simultan berpengaruh terhadap variabel dependen.
b. Jika signifikansi F 0,05, maka Ho diterima yaitu variabel-variabel secara simultan tidak berpengaruh terhadap variabel dependen.
3.5.2.4 Uji Signifikan Secara Parsial Uji t
Pengujian ini dilakukan untuk mengetahui apakah masing-masing variabel independen mempengaruhi variabel dependen secara signifikan. Pengujian ini
dilakukan dengan uji t atau t-test, yaitu membandingkan antar t-hitung dengan t- tabel.
Uji ini dilakukan dengan syarat :
1. Jika t-hitung t-tabel, maka Ho ditolak yang berarti variabel independen
berpengaruh signifikan terhadap variabel dependen. 2.
Jika t-hitung t-tabel, maka Ho diterima yaitu variabel independen tidak berpengaruh signifikan terhadap variabel dependen.
Pengujian juga dapat dilakukan melalui pengamatan nilai signifikansi t pada tingkat
α yang digunakan penelitian ini menggunakan tingkat α sebesar 5. Analisis didasarkan pada perbandingan antara signifikan t dengan nilai
signifikansi 0,05, di mana syarat-syaratnya adalah sebagai berikut : 1.
Jika signifikansi t 0,05, maka Ho ditolak yang berarti variabel independennya berpengaruh signifikan terhadap variabel dependen.
2. Jika signifikansi t 0,05, maka Ho diterima yaitu variabel independen
tidak berpengaruh signifikan terhadap variabel dependen.
3.5.2.5 Pengujian Hipotesis dengan Variabel Moderating
Pengujian hipotesis untuk menguji interaksi Dana Pihak Ketiga DPK terhadap variabel independen berbeda dalam mempengaruhi Loan to Deposit
Ratio LDR. Pengujian hipotesis selanjutnya berkaitan dengan interaksi Dana Pihak Ketiga DPK dalam mempengaruhi variabel independen terhadap Loan to
Deposit Ratio LDR. Seluruh variabel independen harus diregresikan dengan variabel moderating melalui uji residual. Uji residual digunakan untuk
menghindari multikolinearitas yang tinggi. “Ghozali 2006:164 menyatakan terdapat tiga cara menguji regresi
dengan varaibel moderating, yaitu: 1 uji interaksi, 2 uji nilai selisih mutlak, dan 3 uji residual”. Apabila antara variabel independen memiliki nilai residual
yang kecil atau nol dengan Dana Pihak Ketiga DPK, maka terjadi kecocokan antara keduanya sehingga Dana Pihak Ketiga DPK dapat dikategorikan sebagai
variabel moderating yang menaikkan Loan to Deposit Ratio LDR. Langkah-langkah yang dilakukan adalah dengan melakukan regresi persamaan :
Z = a + b1X1 + b2X2 + e……………………..1 Kemudian regresi dilanjutkan dengan persamaan :
| e | = a + b1Y…………………………………..2 Persamaan regresi 2 menggambarkan Dana Pihak Ketiga DPK sebagai
variabel moderating jika nilai koefisien parameternya signifikan dan negatif.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1. Hasil Penelitian 4.1.1 Analisis Statistik Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata mean, dan
nilai standar deviasi. Dalam penelitian ini, variabel yang digunakan dalam perhitungan statistik deskriptif adalah Capital Adequacy Ratio CAR, Non
Performing Loan NPL, Operating ExpensesOperating Income BOPO, Return On Asset ROA, Net Interest Margin NIM dan Loan to Deposit Ratio LDR
pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia. Berdasarkan analisis statistik deskriptif diperoleh gambaran sampel sebagai berikut:
Tabel 4.1 Statistik Deskriptif dari CAR, NPL, BOPO, ROA, NIM dan LDR.
Sumber : Hasil Olahan software SPSS 20
Berdasarkan Tabel 4.1, dapat dilihat bahwa jumlah unit analisis N dalam penelitian ini adalah sebanyak 135 unit analisis yang terdiri dari 27 perusahaan
perbankan dengan kategori go public yang terdaftar di Bursa Efek Indonesia BEI. 135 unit analisis tersebut terdiri dari data CAR, NPL, BOPO, ROA, NIM
dan LDR pada periode tahun 2009-2013. Hasil deskriptif dari variabel Capital Adequacy Ratio CAR memiliki nilai
maksimum 46,79 yaitu milik Bank Capital Indonesia Tbk pada tahun 2009, nilai minimum 9,40 milik Bank Mutiara Tbk pada tahun 2011, nilai rata-rata mean
CAR dari tahun 2009-2013 sebesar 16,3101 dan standar deviasi sebesar 5,20935. Hasil deskriptif dari variabel Non Performing Loan NPL memiliki nilai
maksimum 37,59 yaitu milik Bank Mutiara Tbk pada tahun 2009, nilai minimum 0,21 milik Bank Bumi Arta Tbk pada tahun 2013, nilai rata-rata mean NPL dari
tahun 2009-2013 sebesar 2,8393 dan standar deviasi sebesar 4,00196. Hasil deskriptif dari variabel Operating ExpensesOperating Income
BOPO memiliki nilai maksimum 173,80 yaitu milik Bank Mutiara Tbk pada
tahun 2013, nilai minimum 59,93 milik Bank Rakyat Indonesia Persero Tbk pada tahun 2012, nilai rata-rata mean BOPO dari tahun 2009-2013 sebesar
83,9847 dan standar deviasi sebesar 12,58676. Hasil deskriptif dari variabel Return On Asset ROA memiliki nilai
maksimum 40,38 yaitu milik Bank Tabungan Pensiunan Nasional Tbk pada tahun 2011, nilai minimum -7,58 milik Bank Mutiara Tbk pada tahun 2013, nilai rata-
rata mean ROA dari tahun 2009-2013 sebesar 2,3515 dan standar deviasi sebesar 3,93169.
Hasil deskriptif dari variabel Net Interest Margin NIM memiliki nilai maksimum 60,30 yaitu milik Bank Negara Indonesia Persero Tbk pada tahun
2011, nilai minimum 0,76 milik Bank Mutiara Tbk pada tahun 2009, nilai rata- rata mean NIM dari tahun 2009-2013 sebesar 6,1331 dan standar deviasi sebesar
5,26262. Hasil deskriptif dari variabel Loan to Deposit Ratio LDR memiliki nilai
maksimum 113,30 yaitu milik Bank QNB Kesawan Tbk pada tahun 2013, nilai minimum 40,22 milik Bank Victoria Internasional Tbk pada tahun 2010, nilai
rata-rata mean LDR dari tahun 2009-2013 sebesar 79,2885 dan standar deviasi sebesar 14,04914.
Hasil analisis statistik deskriptif menunjukkan bahwa data tidak terdistribusi dengan normal. Untuk menindaklanjuti hal tersebut, terlebih dahulu data harus
diuji dengan Uji Asumsi Klasik untuk melihat distribusi data.
4.1.2. Uji Asumsi Klasik
Menurut Gujarati 2003 “suatu model dikatakan baik untuk alat prediksi apabila mempunyai sifat-sifat best linear unbiased estimator BLUE”.
Disamping itu suatu model dikatakan cukup baik dan dapat dipakai untuk memprediksi apabila sudah lolos dari serangkaian uji asumsi ekonometrika yang
melandasinya. Suatu model regresi linear berganda yang digunakan untuk menguji hipotesa harus memenuhi asumsi klasik. Uji asumsi klasik dilakukan juga
untuk mendapatkan model regresi yang tidak bias dan efisien. “Estimasi dari parameter-parameter dengan metode ordinary least square
OLS akan memiliki sifat ketidakbiasan unbiasedness, varians yang minimum minimum varians, dan sebagainya yang disebut best linear unbiased estimator
BLUE. Gujarati, 2003:107, Supranto, 2005:70”. “Dalam penggunaan regresi linear berganda, terdapat empat uji asumsi klasik, yakni uji normalitas residual, uji
multikolinearitas, uji autokorelasi, dan uji heteroskedastisitas Supranto, 2005:151”.
4.1.2.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui
bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk
jumlah sampel kecil Ghozali, 2011:160, Gujarati, 2003:339, Field, 2009:221, Supranto, 2005:90. Dalam penelitian ini, uji normalitas terhadap residual dengan
menggunakan uji Kolmogorov-Smirnov. Dalam penelitian ini, tingkat signifikansi yang digunakan
� = 0,05. Dasar pengambilan keputusan adalah melihat angka probabilitas
�, dengan ketentuan sebagai berikut: Jika nilai probabilitas
� ≥ 0,05, maka asumsi normalitas terpenuhi. Jika probabilitas 0,05, maka asumsi normalitas tidak terpenuhi.
Tabel 4.2 Uji Normalitas
Sumber : Hasil Olahan software SPSS
Perhatikan bahwa berdasarkan Tabel 4.2, diketahui nilai probabilitas � atau
Asymp. Sig. 2-tailed sebesar 0,273. Dalam penelitian ini, tingkat signifikansi yang digunakan adalah
� = 0,05. Karena nilai probabilitas �, yakni 0,997, lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi
normalitas dipenuhi. Pengujian asumsi normalitas dapat juga digunakan pendekatan analisis
grafik, seperti normal probability plot dan histogram. Pada pendekatan normal probability plot, jika titik-titik dots menyebar jauh menyebar berliku-liku pada
garis diagonal seperti ular dari garis diagonal, maka diindikasi asumsi normalitas
error tidak dipenuhi. Jika titik-titik menyebar sangat dekat pada garis diagonal, maka asumsi normalitas dipenuhi. Sedangkan untuk pendekatan histogram, jika
kurva berbentuk kurva normal, maka asumsi normalitas dipenuhi.
Gambar 4.1 Normal Probability Plot untuk Pengujian Asumsi Normalitas
Gambar 4.2 Histogram untuk Pengujian Asumsi Normalitas
Gambar 4.1 dan Gambar 4.2 merupakan output dari SPSS. Perhatikan bahwa kurva pada histogram berbentuk kurva normal, sehingga disimpulkan
bahwa asumsi normalitas error dipenuhi. Di samping itu pada normal probability plot Gambar 4.1, titik-titik menyebar cukup dekat pada garis diagonal, maka
disimpulkan bahwa asumsi normalitas dipenuhi.
4.1.2.2 Uji Multikolinearitas
Pengujian ini dilakukan untuk menguji apakah dalam model regresi ditemukan adanya korelasi yang tinggi antar variabel bebas Ghozali, 2011:105.
Ketika terdapat korelasi antar variabel bebas yang cukup tinggi, maka permasalahan ini disebut dengan istilah multikolinearitas Stevens, 2009:74. Jika
terjadi multikolinearitas yang sempurna perfect multicolinearity, maka koefisien-koefisien regresi dari variabel bebas tidak dapat ditentukan
indeterminate, jika terjadi multikolinearitas yang tinggi, koefisien-koefisien regresi dari variabel bebas dapat ditentukan, namun memiliki nilai standar error
yang tinggi yang berarti bahwa koefisien-koefisien regresi tersebut tidak dapat diestimasi dengan tepat atau akurat Gujarati, 2003:344. Field 2009:221 juga
menyatakan bahwa seharusnya tidak terjadi hubungan linear yang sempurna perfect linear relationship dari dua atau lebih variabel bebas. Jadi, variabel-
variabel bebas seharusnya tidak berkorelasi terlalu tinggi not correlate too highly. Untuk memeriksa apakah terjadi multikolinearitas atau tidak dapat dilihat
dari nilai variance inflation factor VIF. Nilai VIF yang lebih dari 10 diindikasi suatu variabel bebas terjadi multikolinearitas Myers dalam Stevens, 2009:75.
Tabel 4.3 Uji Multikolinearitas
Sumber : Hasil Olahan software SPSS
Perhatikan bahwa berdasarkan Tabel 4.3, nilai VIF dari variabel CAR adalah 1,060, nilai VIF dari variabel NPL adalah 1,129, nilai VIF dari variabel
BOPO adalah 1,313, nilai VIF dari ROA 1,203, dan nilai VIF dari NIM 1,080. Karena masing-masing nilai VIF tidak lebih besar dari 10, maka tidak terdapat
gejala multikolinearitas yang berat. Dengan kata lain, tidak terjadi korelasi antara variabel bebas yang begitu signifikan secara statistik pada tingkat signifikansi 5.
4.1.2.3 Uji Non-Autokorelasi atau Independensi Residual Independent
Errors
Uji independensi residual uji non-autokorelasi merupakan suatu uji untuk memeriksa apakah untuk setiap dua pengamatan residual saling berkorelasi atau
tidak Field, 2009:220. Supranto 2005:151 mengartikan non-autokorelasi sebagai tidak terjadinya korelasi antara kesalahan pengganggu yang satu dengan
yang lainnya. Meskipun terjadinya autokorelasi terhadap estimator-estimator yang dihasilkan oleh metode ordinary least square OLS tetap tak bias unbiased,
konsisten consistent, dan terdistribusi normal secara asimtotis, namun estimator- estimator tersebut tidak lagi efisien. Sebagai akibatnya, pada uji t, F, dan chi
kuadrat tidak lagi sah untuk digunakan cannot be legitimately applied Gujarati, 2003:489. Asumsi mengenai independensi terhadap residual non-autokorelasi
dapat diuji dengan menggunakan uji Durbin-Watson Field, 2009:220. Riyanto 2012:59 menyatakan jika nilai statistik Durbin-Watson -2 sd +2, maka asumsi
independensi terhadap residual non-autokorelasi terpenuhi. Sebaliknya, bila nilai statistik Durbin-Watson -2 atau 2, berarti asumsi independensi terhadap
residual non-autokorelasi tidak terpenuhi.
Tabel 4.4 Uji Autokorelasi
Sumber : Hasil Olahan software SPSS
Berdasarkan Tabel 4.4, nilai dari statistik Durbin-Watson adalah 1,682. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara -2 dan
+2, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual.
4.1.2.4 Uji Heteroskedastisitas
Menurut Ghozali 2011:139 uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual
suatu pengamatan ke pengamatan lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda
disebut heteroskedastisitas. Supranto 2005:57 mengartikan homoskedastisitas sebagai varians kesalahan pengganggu
�
�
untuk setiap pengamatan �
�
adalah sama, sedangkan heteroskedastisitas adalah sebaliknya.
Model regresi yang baik adalah yang homoskesdasitas atau tidak terjadi heterokesdatisitas. Apabila terjadi heteroskedastisitas, estimator-estimator yang
dihasilkan dengan metode OLS ordinary least square tidak lagi memiliki sifat varians yang minimum atau efisien. Dalam keadaan heteroskedastisitas, ketika
tetap menggunakan metode OLS yang biasa usual OLS formulas, maka uji t dan uji F dapat memberikan kesimpulan yang salah Gujarati, 2003:428.
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatter plot antara SRESID pada sumbu Y,
dan ZPRED pada sumbu X. Field, 2009:230, Ghozali, 2011:139. Field 2009:248, Ghozali, 2011:139 menyatakan dasar analisis adalah jika ada pola
tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit, maka mengindikasikan telah
terjadi heteroskedastisitas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas.
Gambar 4.3 Uji Heteroskedastisitas
Sumber : Hasil Olahan software SPSS
Perhatikan bahwa berdasarkan Gambar 4.3, tidak terdapat pola yang begitu jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka
tidak terjadi heteroskedastisitas.
4.1.3 Pengujian Hipotesis Penelitian
Pada pengujian hipotesis, akan dilakukan dengan analisis regresi linear berganda, analisis koefisien determinasi, pengujian signifikansi secara
menyeluruh atau simultan uji F, dan uji signifikansi secara parsial uji t.
4.1.3.1. Analisis Regresi Linear Berganda
Bentuk model persamaan regresi yang digunakan dalam penelitian ini untuk mengetahui besarnya pengaruh variabel independen yaitu Capital Adequacy
Ratio CAR, Non Performing Loan NPL, Operating ExpensesOperating Income BOPO, Return On Asset ROA, Net Interest Margin NIM terhadap
Loan to Deposit Ratio LDR adalah sebagai berikut: Y = α + β1X1 + β2X2 + β3X3 + β2X4 + β3X5 + e
Tabel 4.5 Hasil PerhitunganRegresi Parsial Setelah Transformasi Ln
Dengan melihat tabel 4.5 diatas, dapat disusun persamaan regresi linear berganda sebagai berikut:
��� � = ��, ��� − �, ������ − �, ������ + �, ������� + �, ������
+ �, �����.
1. Konstanta a sebesar 64,489 menyatakan bahwa, jika variabel independen
dianggap konstan, maka rata-rata Loan to Deposit Ratio berkurang sebesar 64,489.
2. Koefisien regresi untuk b1 sebesar 0,659 dan bertanda negatif, hal ini
menunjukkan bahwa setiap peningkatan satu satuan rasio CAR dengan asumsi variabel lainnya tetap, maka Loan to Deposit Ratio akan
mengalami penurunan sebesar 0,659. 3.
Koefisien regresi untuk b2 sebesar 0,198 dan bertanda negatif, hal ini menunjukkan bahwa setiap peningkatan satu satuan rasio NPL dengan
asumsi variabel lainnya tetap, maka Loan to Deposit Ratio akan mengalami penurunan sebesar 0,198.
4. Koefisien regresi untuk b3 sebesar 0,273 dan bertanda positif, hal ini
menunjukkan bahwa setiap peningkatan satu satuan rasio BOPO dengan asumsi variabel lainnya tetap, maka Loan to Deposit Ratio akan
mengalami peningkatan sebesar 0,273. 5.
Koefisien regresi untuk b4 sebesar 0,602 dan bertanda positif, hal ini menunjukkan bahwa setiap peningkatan satu satuan rasio ROA dengan
asumsi variabel lainnya tetap, maka Loan to Deposit Ratio akan mengalami peningkatan sebesar 0,273.
6. Koefisien regresi untuk b5 sebesar 0,288 dan bertanda positif, hal ini
menunjukkan bahwa setiap peningkatan satu satuan rasio NIM dengan asumsi variabel lainnya tetap, maka Loan to Deposit Ratio akan
mengalami peningkatan sebesar 0,288.
4.1.3.2 Analisis Koefisien Determinasi
Koefisien determinasi �
2
merupakan suatu nilai nilai proporsi yang mengukur seberapa besar kemampuan variabel-variabel bebas yang digunakan
dalam persamaan regresi, dalam menerangkan variasi variabel tak bebas Supranto, 2005:158, Gujarati, 2003:212. Nilai koefisien determinasi berkisar
antara 0 dan 1. Nilai koefsien determinasi �
2
yang kecil mendekati nol berati kemampuan variabel-variabel tak bebas secara simultan dalam menerangkan
variasi variabel tak bebas amat terbatas. Nilai koefisien determinasi �
2
yang mendekati satu berarti variabel-variabel bebas memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi variasi variabel bebas.
Tabel 4.6 Koefisien Determinasi
Sumber : Hasil Olahan software SPSS
Berdasarkan Tabel 4.6, nilai koefisien determinasi �
2
terletak pada kolom R-Square. Diketahui nilai koefisien determinasi sebesar
�
2
= 0,104 . Nilai
tersebut berarti CAR, NPL, BOPO, ROA, dan NIM mempengaruhi secara simultan atau bersama-sama terhadap variabel LDR sebesar 10,4, sisanya
sebesar 89,6 dipengaruhi oleh faktor-faktor lain.
4.1.3.3 Uji Signifikansi Secara Simultan Uji F
Uji signifikansi koefisien regresi parsial secara menyeluruh merupakan suatu uji untuk menguji apakah seluruh koefisien regresi parsial secara
menyeluruh atau simultan sama dengan nol atau tidak Gujarati, 2003:253, Supranto, 2005:199. Dengan kata lain, menguji apakah variabel CAR, NPL,
BOPO, ROA, dan NIM secara bersamaan atau simultan mempengaruhi variabel LDR. Berikut perumusan hipotesisnya.
� :
�
1
= �
2
= �
3
= �
4
= 0. �
1
: ����� ����� ��������� ������� ������� �������� 0.
Pada hipotesis nol, yakni �
: �
1
= �
2
= �
3
= �
4
= 0 berarti variabel CAR, NPL, BOPO, ROA, dan NIM secara bersamaan atau simultan tidak memiliki
pengaruh yang signifikan secara statistik terhadap variabel LDR pada tingkat signifikansi 5. Sedangkan hipotesis alternatif menyatakan paling tidak terdapat
satu variabel bebas yang pengaruhnya signifikan secara statistik terhadap LDR pada tingkat signifikansi 5.
Cara pengambilan keputusan terhadap hipotesis dapat dilakukan dengan membandingkan nilai probabilitas
� dengan nilai tingkat signifikansi, yakni �. Jika nilai probabilitas
� ≥ tingkat signifikansi yang digunakan, dalam penelitian ini
� = 5 , maka dapat disimpulkan bahwa seluruh variabel bebas secara
simultan tidak berpengaruh terhadap variabel tak bebas. Jika nilai probabilitas �
tingkat signifikansi � = 0,05 , maka dapat disimpulkan bahwa paling tidak
terdapat satu variabel bebas yang mempengaruhi variabel LDR.
Tabel 4.7 Uji Signifikansi Simultan Uji F
Perhatikan bahwa berdasarkan Tabel 4.7, nilai probabilitas atau Sig adalah 0,013. Karena nilai probabilitas, yakni 0,013 lebih kecil dari nilai tingkat
signifikansi, yakni 0,05, maka dapat disimpulkan bahwa paling tidak terdapat satu variabel bebas yang pengaruhnya signifikan secara statistik terhadap loan to
deposit ratio pada tingkat signifikansi 5.
4.1.3.4 Uji Signifikansi Secara Parsial Uji t
Uji signifikansi koefisien regresi parsial secara individu merupakan suatu uji untuk menguji apakah nilai dari koefisien regresi parsial secara individu bernilai
nol atau tidak Gujarati, 2003:250, Supranto, 2005:196.
Tabel 4.8 Uji Signifikansi Secara Parsial
Sumber : Hasil Olahan software SPSS
Berdasarkan Tabel 4.8, diperoleh persamaan regresi linear berganda sebagai berikut:
��� � = ��, ��� − �, ������ − �, ������ + �, ������� + �, ������
+ �, �����.
Cara pengambilan keputusan dapat dilakukan dengan membandingkan nilai probabilitas
� atau Sig. dengan nilai tingkat signifikansi, yakni � . Jika nilai probabilitas
� ≥ tingkat signifikansi yang digunakan, dalam penelitian ini � = 5, maka nilai koefisien regresi parsial �
�
= 0. Hal ini berarti pengaruh antara variabel bebas terhadap variabel Loan to Deposit Ratio tidak signifikan
secara statistik pada tingkat signifikansi 5. Namun jika nilai probabilitas �
tingkat signifikansi yang digunakan, maka nilai koefisien regresi parsial �
�
≠ 0. Hal ini berarti pengaruh antara variabel bebas terhadap variabel Loan to Deposit
Ratio signifikan secara statistik pada tingkat signifikansi 5. Cara lain pengambilan keputusan terhadap hipotesis dapat dilakukan dengan
membandingkan nilai statistik dari uji � terhadap nilai kritis berdasarkan tabel
distribusi �. Sebelum menghitung nilai kritis �, terlebih dahulu menghitung nilai
derajat. Berikut rumus untuk menghitung nilai derajat bebas. ������� ����� = � − �.
Perhatikan bahwa � menyatakan jumlah elemen dalam sampel, sedangkan �
merupakan jumlah variabel. Diketahui jumlah elemen dalam sampel sebanyak 135 dan jumlah variabel adalah 6, sehingga derajat bebas adalah
135 – 6 = 129. Misalkan tingkat signifikansi yang digunakan adalah 5, sehingga nilai kritis
� dengan derajat bebas 129 dan tingkat signifikansi
5 berdasarkan tabel distribusi � adalah ±1,98.
Berikut aturan pengambilan keputusan terhadap hipotesis berdasarkan uji �.
���� ��
ℎ�����
� ≤ |�
������
|, ���� �
�������� ��� �
1
�������. ���� ��
ℎ�����
� |�
������
|, ���� �
������� ��� �
1
��������.
4.1.3.4.1 Pengujian Pengaruh Capital Adequacy Ratio CAR terhadap Loan
to Deposit Ratio LDR
Perhatikan bahwa berdasarkan Tabel 4.8, diketahui nilai probabilitas atau Sig. dari variabel CAR adalah 0,005. Karena nilai probabilitas CAR, yakni 0,005,
lebih kecil dari tingkat signifikansi, yakni 0,05, maka disimpulkan bahwa pengaruh yang terjadi antara CAR dengan variabel LDR signifikan secara
statistik. Perhatikan juga bahwa nilai ��
ℎ�����
� |�
������
| , yakni | −2,85|
| −1,98|. Hasil dengan pendekatan probabilitas sama dengan hasil berdasarkan uji
�.
4.1.3.4.2 Pengujian Pengaruh Non Performing Loan NPL terhadap Loan to
Deposit Ratio LDR
Diketahui nilai probabilitas atau Sig. dari variabel NPL adalah 0,526. Karena nilai probabilitas NPL, yakni 0,526, lebih besar dari tingkat signifikansi,
yakni 0,05, maka disimpulkan bahwa pengaruh yang terjadi antara NPL dengan variabel LDR tidak signifikan secara statistik. Perhatikan juga bahwa nilai
��
ℎ�����
� |�
������
| , yakni | −0,635| |−1,98| . Hasil dengan pendekatan
probabilitas sama dengan hasil berdasarkan uji �.
4.1.3.4.3 Pengujian Pengaruh Operating Expense BOPO terhadap Loan to
Deposit Ratio LDR
Diketahui nilai probabilitas atau Sig. dari variabel BOPO adalah 0,012. Karena nilai probabilitas BOPO, yakni 0,012, lebih kecil dari tingkat signifikansi,
yakni 0,05, maka disimpulkan bahwa pengaruh yang terjadi antara BOPO dengan variabel LDR signifikan secara statistik. Perhatikan juga bahwa nilai
��
ℎ�����
� |
�
������
|, yakni |2,561| | −1,98|. Hasil dengan pendekatan probabilitas sama
dengan hasil berdasarkan uji �.
4.1.3.4.4 Pengujian Pengaruh Return on Asset ROA terhadap Loan to
Deposit Ratio LDR
Diketahui nilai probabilitas atau Sig. dari variabel ROA adalah 0,068. Karena nilai probabilitas ROA, yakni 0,068, lebih besar dari tingkat signifikansi,
yakni 0,05, maka disimpulkan bahwa pengaruh yang terjadi antara ROA dengan
variabel LDR tidak signifikan secara statistik. Perhatikan juga bahwa nilai ��
ℎ�����
� |�
������
| , yakni |1,842| | −1,98| . Hasil dengan pendekatan
probabilitas sama dengan hasil berdasarkan uji �.
4.1.3.4.5 Pengujian Pengaruh Net Interest Margin NIM terhadap Loan to
Deposit Ratio LDR
Diketahui nilai probabilitas atau Sig. dari variabel NIM adalah 0,215. Karena nilai probabilitas NIM, yakni 0,215, lebih besar dari tingkat signifikansi,
yakni 0,05, maka disimpulkan bahwa pengaruh yang terjadi antara NIM dengan variabel LDR tidak signifikan secara statistik. Perhatikan juga bahwa nilai
��
ℎ�����
� |�
������
| , yakni |1,247| | −1,98| . Hasil dengan pendekatan
probabilitas sama dengan hasil berdasarkan uji �.
4.1.3.5 Uji Signifikan Dana Pihak Ketiga dalam Memoderasi Pengaruh Variabel Independen terhadap Variabel Dependen
Secara Simultan Uji F
Ghozali 2006:164 menyatakan terdapat tiga cara menguji regresi dengan varaibel moderating, yaitu: 1 uji interaksi, 2 uji nilai selisih mutlak, dan 3 uji
residual. Dalam penelitian ini digunakan uji residual. Digunakannya uji residual karena pada uji interaksi dan uji nilai selisish mutlak mempunyai kecenderungan
akan terjadi multikolinearitas yang tinggi antar variabel independen dan hal ini akan menyalahi asumsi klasik dalam regresi ordinary least square OLS
Ghozali, 2006:164. Untuk mengatasi multikolinearitas ini, maka dikembangkan metode lain yang disebut uji residual.
Tabel 4.9 Uji Moderasi Simultan Uji F
Suatu variabel dikatakan memoderasi variabel bebas jika koefisien regresi variabel tak bebas bernilai negatif dan signifikan Ghozali, 2006:172. Perhatikan
bahwa karena koefisien regresi dari loan to deposit ratio secara simultan bernilai negatif sebesar 0,083 namun tidak signifikan yaitu bernilai 0,304
≥ 0,05 , maka variabel dana pihak ketiga tidak signifikan dalam memoderasi variabel bebas.
4.1.3.6. Uji Signifikan Dana Pihak Ketiga dalam Memoderasi Pengaruh
Variabel Independen terhadap Variabel Dependen Secara Parsial
Uji t 4.1.3.6.1 Uji Signifikan Dana Pihak Ketiga dalam Memoderasi Pengaruh
Capital Adequacy Ratio terhadap Loan to Deposit Ratio
Suatu variabel dikatakan memoderasi variabel bebas jika koefisien regresi variabel tak bebas bernilai negatif dan signifikan Ghozali, 2006:172. Perhatikan
bahwa karena koefisien regresi dari loan to deposit ratio bernilai negatif yaitu 0,081 dan tidak signifikan yaitu bernilai 0,318
≥ 0,05 , maka variabel dana pihak ketiga tidak signifikan dalam memoderasi Capital Adequacy Ratio.
4.1.3.6.2 Uji Signifikan Dana Pihak Ketiga dalam Memoderasi Pengaruh Non
Performing Loan terhadap Loan to Deposit Ratio
Perhatikan bahwa karena koefisien regresi dari loan to deposit ratio bernilai negatif 0,086 namun tidak signifikan yaitu bernilai 0,329
≥ 0,05 , maka variabel dana pihak ketiga tidak signifikan dalam memoderasi non performing loan.
4.1.3.6.3 Uji Signifikan Dana Pihak Ketiga dalam Memoderasi Pengaruh Operating ExpensesOperating Income terhadap Loan to Deposit
Ratio
Perhatikan bahwa karena koefisien regresi dari loan to deposit ratio bernilai negatif yaitu 00,079 namun tidak signifikan yaitu 0,372
≥ 0,05 , maka variabel dana pihak ketiga tidak signifikan dalam memoderasi operating
expenseoperating income.
4.1.3.6.4 Uji Signifikan Dana Pihak Ketiga dalam Memoderasi Pengaruh Return On Asset terhadap Loan to Deposit Ratio
Perhatikan bahwa karena koefisien regresi dari loan to deposit ratio bernilai negatif yaitu 0,070 namun tidak signifikan 0,429
≥ 0,05, maka variabel dana pihak ketiga tidak signifikan dalam memoderasi return on asset.
4.1.3.6.5 Uji Signifikan Dana Pihak Ketiga dalam Memoderasi Pengaruh Net
Interest Margin terhadap Loan to Deposit Ratio
Perhatikan bahwa karena koefisien regresi dari loan to deposit ratio bernilai negatif yaitu 0,073 namun tidak signifikan yaitu 0,412
≥ 0,05, maka variabel dana pihak ketiga tidak signifikan dalam memoderasi net interest margin.
4.2 Pembahasan Hasil Penelitian
Berdasarkan hasil penelitian yang didapatkan lewat berbagai pengujian tersebut di atas, dapat diinterpretasikan bahwa pengaruh variabel independen dan
dependen serta variabel moderating adalah sebagai berikut:
a. Hasil dari hipotesis pertama yang diuji dengan menggunakan uji t
bahwa variabel Capital Adequacy Ratio CAR berpengaruh negatif signifikan yaitu 0,005
≤ 0,05 terhadap Loan to Depo sit Ratio LDR pada perusahaan perbankan yang terdaftar di BEI tahun 2009-2013.
Hasil ini mendukung penelitian dari Pramono 2006 yang
mengemukakan bahwa CAR berpengaruh negatif.
Non Performing Loan NPL berpengaruh negatif tetapi tidak signifikan yaitu 0,526
≥ 0,05 terhadap Loan to Deposit Ratio LDR pada perusahaan perbankan yang terdaftar di BEI tahun 2009-2013.
Hasil ini berbeda dengan penelitian Mita Puji Utari 2011 yang
mengemukakan bahwa NPL berpengaruh negatif dan signifikan.
Operating ExpensesOperting Income BOPO berpengaruh positif dan signifikan yaitu 0,012
≤ 0,05 terhadap Loan to Deposit Ratio LDR pada perusahaan perbankan yang terdaftar di BEI tahun 2009-
2013. Hasil ini mendukung penelitian Pramono 2006 dan Mita Puji
Utari 2011 yang mengemukakan bahwa BOPO berpengaruh positif
dan signifikan.
Return On Asset ROA berpengaruh positif tetapi tidak signifikan yaitu 0,068
≥ 0,05 terhadap Loan to Deposit Ratio LDR pada perusahaan perbankan yang terdaftar di BEI tahun 2009-2013. Hasil
ini mendukung penelitian Shandy Bintang Ramadhan 2013 yang
mengemukakan bahwa ROA berpengaruh positif dan tidak signifikan.
Net Interest Margin NIM berpengaruh positif tetapi tidak signifikan yaitu 0,215
≥ 0,05 terhadap Loan to Deposit Ratio LDR pada perusahaan perbankan yang terdaftar di BEI tahun 2009-2013.
Hasil ini mendukung penelitian Nasiruddin 2005, Lella N Q Irwan 2010, Hj. Mashitah Akbar, Ida Mentayani 2010 yang
mengemukakan bahwa NIM berpengaruh positif. Secara simultan, Capital Adequacy Ratio CAR, Non Performing
Loan NPL, Operating ExpensesOperating Income BOPO, Return On Asset ROA, dan Net Interest Margin NIM berpengaruh
segnifikan terhadap Loan to Deposit Ratio LDR pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia pada tahun 2009-
2013.
b. Pengaruh Dana Pihak Ketiga Sebagai Variabel Moderating.