Teknik Pengumpulan Data Pembahasan Hasil Penelitian Hasil dari hipotesis pertama yang diuji dengan menggunakan uji t

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.