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