Jenis Data Metode Pengumpulan Data Jadwal Penelitian

19 BNGA Bank Niaga Tbk √ √ √ Sample 10 20 BBNP Bank Nusantara ParahyanganTbk √ √ √ Sample 11 21 NISP Bank OCBC NISP Tbk √ √ − 22 PNBN Bank Panin Tbk √ √ √ Sample 12 23 BNLI Bank Permata Tbk √ √ √ Sample 13 24 BJBR Bank Pembangunan Daerah Jawa Barat dan Banten, Tbk √ √ − 25 BBRI Bank Rakyat Indonesia Persero √ √ √ Sample 14 26 BSIM Bank Sinar Mas Tbk √ √ − 27 BSWD Bank Swadesi Tbk √ √ √ Sample 15 28 BTPN Bank Tabungan Pensiunan Persero Tbk √ − √ 29 BBTN Bank Tabungan Negara Perseo Tbk √ √ − 30 BVIC Bank Victoria Internasional Tbk √ √ − 31 MCOR Bank Windu Kentjana Internasional Tbk √ − √ Sumber: Bursa Efek Indonesia, 2011

3.5 Jenis Data

Data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder yaitu sumber data penelitian yang diperoleh peneliti secara tidak langsung melalui media perantara diperoleh dan dicatat oleh pihak lain berupa bukti, catatan, atau laporan historis yang telah tersusun dalam arsip data dokumenter yang dipublikasikan dan yang tidak dipublikasikan . Data diperoleh dari laporan keuangan tahunan perusahaan perbankan yang terdaftar di Bursa Universitas Sumatera Utara Efek Indonesia BEI dari tahun 2007, 2008, 2009, 2010. Selain itu, data sekunder yang didapat juga berasal dari Indonesian Capital Market Directory ICMD.

3.6 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah studi dokumentasi. Ini dilakukan dengan mengumpulkan, mencatat dan menghitung data-data yang berhubungan dengan penelitian.

3.7 Teknik Analisis

3.7.1 Uji Asumsi Klasik 3.7.1.1 Normalitas Data Uji Normalitas bertujuan untuk menguji kenormalan distribusi dalam model regresi pada variabel pengganggu atau variabel residual Ghozali, 2007. Uji ini bertujuan untuk menguji apakah dalam model regresi, variabel dependen dan independen memiliki distribusi normal. Untuk menguji apakah data-data yang dikumpulkan berdistribusi normal atau tidak dapat dilakukan dengan metode sebagai berikut : a. Metode Grafik Metode grafik yang handal untuk menguji normalitas data adalah dengan melihat normal probability plot, sehingga hampir semua aplikasi komputer statistik menyediakan fasilitas ini. Normal probability plot adalah membandingkan distribusi kumulatif data Universitas Sumatera Utara yang sesungguhnya dengan distribusi kumulatif dari distribusi normal hypothetical distribution. Proses uji normalitas data di;akukan dengan memperhatikan penyebaran data titik pada Normal P-P Plot of Regression Standardized dari variabel terikat dimana : • Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas. • Jika data menyebar jauh dari garis diagonal atau mengikuti garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. b. Metode Statistik Uji statistik sederhana yang sering digunakan untuk menguji asumsi normalitas adalah dengan menggunakan uji normalitas dari Kolmogrov Smirnov. Metode pengujian normal tidaknya distribusi dapat dilakukan dengan melihat nilai signifikansi variabel. Jika signifikan lebih besar dari alfa 5, maka menunjukkan distribusi data normal.

3.7.1.2 Uji Multikolinieritas

Uji Multikolinieritas bertujuan untuk menguji apakah model regresi terdapat korelasi antar variabel bebas. Cara untuk mengetahui apakah terjadi multikolinieritas atau tidak yaitu dengan melihat Variance Inflation Factor VIF dan diantara variabel bebas. Jika Universitas Sumatera Utara nilai VIF 10 atau nilai tolerance 0,10 maka terjadi multikolinearitas, sedangkan apabila nilai VIF 10 atau nilai tolerance 0,10, maka tidak terjadi multikolinearitas.

3.7.1.3 Uji Heteroskedastisitas

Pengujian ini bertujuan apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas Ghozali, 2007. Salah satu cara untuk mendeteksi ada atau tidaknya heteroskedastisitas adalah dengan menggunakan grafik Scatterplot antara nilai prediksi variable terikat dependen yaitu ZPRED dengan residualnya SRESID. Apabila nilai profitabilitas signifikansinya di atas tingkat kepercayaan 5 dan grafik Scatterplot, titik-titik menyebar diatas maupun dibawah angka nol pada sumbu Y, maka dapat disimpulkan bahwa model regresi tidak mengandung adanya heteroskedastisitas Ghozali, 2007.

3.7.1.4 Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan penggunaan pada periode t dengan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan waktu berkaitan satu sama lainnya. Menurut Ade Fatma Lubis 2007 :33, Universitas Sumatera Utara cara menguji beberadaan autokorelasi dalam penelitian ini digunakan uji statistik Durbin-Watson. Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu first order autocorrelation dan mensyarakatkan adanya intercept konstanta dalam model regresi dan tidak ada variabel lagi di antara variabel independen. Hipotesis yang akan diuji adalah : • Ho : tidak ada autokorelasi r = 0 • Ha : adalah autokorelasi r ≠ 0

3.7.1.5 Uji Regresi Berganda

Regresi berganda dilakukan untuk mengetahui sejauh mana variabel bebas mempengaruhi variabel terikat. Pada regresi berganda terdapat satu variabel terikat dan lebih dari satu variabel bebas. Dalam penelitian ini yang menjadi variabel terikat adalah profitabilitas ROA, sedangkan yang menjadi variabel bebas HCE, SCE, dan CEE. Model hubungan return on asset ROA dengan variabel-variabel tersebut dapat disusun dalam fungsi atau persamaan sebagai berikut ROA = a + b1 HCE + b2 SCE + b3 CEE + e Dimana : a = Konstanta b1, b2, b3 = koefisien regresi dari X1, X2, X3 e = eror term

3.7.2 Uji Hipotesis

Universitas Sumatera Utara Dalam uji asumsi klasik dapat dilakukan analisis hasil regresi atau uji hipotesis. Uji hipotesis yang digunakan meliputi ; uji parsial t-test, uji pengaruh simultan F-test, uji koefisien determinasi R 2 .

3.7.2.1 Uji Hipotesis secara Parsial Uji t

Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Cara untuk mengetahuinya yaitu dengan membandingkan nilai t hitung dengan nilai t tabel. Apabila nilai t hitung lebih besar dibandingkan dengan nilai t tabel maka berarti t hitung tersebut signifikan artinya hipotesis alternatif diterima yaitu variabel independen secara individual mempengaruhi variabel dependen. Selain itu, bisa juga dilakukan dengan melihat apakah p-value dari masing-masing variabel. Hipotesis diterima apabila p-value 5 Ghozali, 2007.

3.7.2.2 Uji Koefisien Regresi Simultan Uji F

Menurut Ghozali 2007, “Pada dasarnya menunjukkan arah apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen”. Cara untuk mengetahuinya yaitu dengan membandingkan nilai F hitung dengan nilai F tabel. Apabila nilai F hitung lebih besar daripada nilai F tabel, maka hipotesis alternatif diterima artinya semua variabel independen secara bersama-sama Universitas Sumatera Utara dan signifikan mempengaruhi variabel dependen. Selain itu juga dapat dilihat berdasarkan profitabilitas. Jika profitabilitas signifikansi lebih kecil dari 0,05 α maka variabel independen secara bersama-sama simultan berpengaruh terhadap variabel dependen.

3.7.2.3 Koefisien Determinasi R

2 Koefisien determinasi R 2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi dependen atau dangan kata lain untuk menguji goodness-fit dari model regresi. Nilai R 2 koefisien determinasi adalah antara 0 dan 1. Menurut Ade Fatma Lubis 2007 : 48, koefisien determinasi terletak pada table Model Summary dan tertulis R Square. Namun untuk regresi linier berganda sebaiknya menggunakan R Square yang disesuaikan atau tertulis Adjusted R Square, karena disesuaikan dengan jumlah variabel independen yang digunakan dalam penelitian. Nilai R Square dikatakan baik jika diatas 0,5 karena nilai R Square berkisar antara 0 sampai 1. Pada umumnya sampel dengan data deret waktu time series memiliki R Square maupun Adjusted R Square cukup tinggi diatas 0,5, sedangkan sampel dengan data item tertentu yang disebut data silang Crossection pada umumnya memiliki R Square maupun Adjusted R Square agak rendah dibawah 0,5, namun tidak menutup kemungkinan data jenis Universitas Sumatera Utara Crossection memiliki R Square maupun Adjusted R Square yang cukup tinggi.

3.8 Jadwal Penelitian

Jadwal penelitian yang direncanakan sebagai berikut: Tahapan Penelitian Agustus September Oktober November Desember Januari 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 Pengajuan Judul Penyelesaian Proposal Bimbingan Proposal Seminar Proposal Pengumpulan Data Pengolahan Data Universitas Sumatera Utara Penyampaian Hasil Penelitian

BAB IV HASIL DAN PEMBAHASAN

4.1 Deskripsi Objek Penelitian

Dari seluruh perusahaan perbankan yang terdaftar di Bursa Efek Indonesia BEI tidak semua dijadikan sampel penelitian. Karena dalam penelitian ini yang dijadikan sampel adalah perusahaan perbankan yang menerbitkan laporan keuangan selama empat tahun berturut-turut dari tahun 2007, 2008, 2009, dan 2010. Teknik pengolahan yang digunakan adalah proporsiv sampling sehingga dari 31 perusahaan yang terdaftar hanya 15 perusahaan yang memenuhi semua syarat penelitian untuk dijadikan sampel. Tabel 4.1 PENENTUAN JUMLAH SAMPEL Jumlah seluruh perusahaan perbankan yang terdaftar di Bursa Efek Indonesia BEI pada tahun 2007, 2008, 2009, 2010 Yang tidak menerbitkan laporan keuangan selama empat tahun dari tahun 2007, 2008, 2009,dan 31 Universitas Sumatera Utara