BAB IV HASIL PENELITIAN DAN PEMBAHASAN
A. Hasil Penelitian 1.
Data penelitian
Data dalam penelitian ini menggunakan data sekunder yang diperoleh dari situs
www.idx.co.id dan data yang diambil adalah laporan keuangan yang
berupa laporan laba rugi dan neraca serta ikhtisar keuangan bank yang menjadai sampel dalam penelitian ini, dimana yang menjadi sampel dalam
penelitian ini adalah perbank yang terdaftar di Bursa Efek Indonesia sejak tahun 2004 hingga 2008. Analisis data dimulai dengan mengolah data dengan
menggunakan Microsoft excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda. Pengujian asumsi klasik dan
regresi berganda dilakukan dengan menggunakan software SPSS versi 15. Adapun informasi yang dibutuhkan dari laporan keuangan perusahaan adalah
informasi yang berhubungan dengan variabel penelitian yang disajikan dalam lampiran ii.
2. Uji asumsi klasik
a. Uji Normalitas Data
Uji Normalitas bertujuan untuk menguji apakah variabel independen dan variabel dependen berdistribusi normal. Cara yang digunakan untuk
mendeteksi apakah residual berdistribusi normal atau tidak dalam penelitian ini adalah dengan melakukan analisis grafik, yang terdiri dari
Universitas Sumatera Utara
histogram dan Normal probability plot, serta analisis statistik dengan menggunakan uji Kolmogorov-Smirnov K-S.
Hasil uji grafik dalam penelitian ini sebelumnya menunjukkan distribusi residual yang tidak normal, hal ini ditunjukkan oleh grafik
histogram yang menceng ke kiri atau ke kanan dan Normal probability plot menunjukkan pola titik-titik yang tidak menyebar mendekati dan tidak
searah garis diagonal grafik dan nilai residual pada uji Kolmogorov- Smirnov K-S menunjukkan nilai yang lebih kecil dari 0,05 , namun
setelah dilakukan Logaritma natural Ln terhadap masing-masing variabel, hasil uji grafik telah menunjukkan distribusi residual yang relatif
normal. Ditunjukkan dengan grafik histogram yang tidak menceng ke kiri atau ke kanan, Normal probability plot yang menunjukkan pola titik-titik
yang menyebar mendekati dan searah garis diagonal grafik dan nilai residual pada uji Kolmogorov-Smirnov K-S menunjukkan nilai yang
lebih besar dari 0,05, hal ini mengindikasikan data sudah relatif normal. Logaritma natural Ln yang telah dilakukan terhadap masing-masing
variabel independenden dan variabel dependeng mengakibatkan berkurangnya jumlah N, jumlah N yang semula berjumlah 70 berkurang
menjadi 32. Hasil normalitas data dengan menggunakan grafik histogram dan Normal probability plot sebelum dan sesudah dilakukannya Logaritma
natural Ln dapat dilihat pada gambar di bawah ini yang diperoleh dari lampiran iii dan hasil ini juga dikuatkan dengan uji Kolmogorov-Smirnov
sebelum dan sesudah dilakukannya Logaritma natural Ln.
Universitas Sumatera Utara
Regression Standardized Residual
2.5 0.0
-2.5 -5.0
-7.5
Frequency
30 20
10
Histogram Dependent Variable: Pertumbuhan Laba
Mean =-1.25E-15 Std. Dev. =0.948
N =70
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expect ed
Cum P
rob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Pertumbuhan Laba
Gambar 4.1 Uji Normalitas dengan Histogram sebelum Ln
Sumber : output SPSS yang diolah oleh penulis, 2010
Gambar 4.2 Uji Normalitas dengan Plot sebelum Ln
Sumber : output SPSS yang diolah oleh penulis, 2010
Universitas Sumatera Utara
Regression Standardized Residual
2 1
-1 -2
Frequency
10 8
6 4
2
Histogram Dependent Variable: Ln_PL
Mean =-3.89E-16 Std. Dev. =0.88
N =32
Tabel 4.1 Uji Normalitas Data sebelum Ln
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 70
Normal Parametersa,b Mean
.0000000 Std. Deviation
4.22930254 Most Extreme Differences
Absolute .220
Positive .154
Negative -.220
Kolmogorov-Smirnov Z 1.842
Asymp. Sig. 2-tailed .002
Sumber : output SPSS yang diolah oleh penulis, 2010
Gambar 4.3 Uji Normalitas dengan Histogram setelah Ln
Sumber : output SPSS yang diolah oleh penulis, 2010
Universitas Sumatera Utara
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
Expect ed
Cum P
rob
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: Ln_PL
Gambar 4.4 Uji Normalitas dengan Plot setelah Ln
Sumber : output SPSS yang diolah oleh penulis, 2010 Untuk memastikan lebih akuratnya hasil uji normalitas, maka selain uji
grafik, dilakukan juga uji Kolmogorov-Smirnov K-S. Uji ini mensyaratkan nilai signifikansi residual lebih besar dari 0,05 agar suatu
distribusi residual dianggap normal. Hasil dari uji Kolmogorov-Smirnov K-S dapat dilihat pada tabel 4.2 di bawah ini dan dapat diperjelas dengan
keterangan-keterangan yang dapat disimpulkan berdasarkan kriteria- kriteria yang menjelaskan bahwa data telah normal.
Universitas Sumatera Utara
Tabel 4.2 Uji Normalitas Data setelah Ln
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N
32 Normal Parametersa,b
Mean .0000000
Std. Deviation 1.21147843
Most Extreme Differences Absolute
.119 Positive
.112 Negative
-.119 Kolmogorov-Smirnov Z
.675 Asymp. Sig. 2-tailed
.752 a Test distribution is Normal.
b Calculated from data.
Sumber : output SPSS yang diolah oleh penulis, 2010 Dari keterangan di atas, dapat disimpulkan bahwa data bersifat normal
dengan kriteria: 1 N = 32, yang berarti jumlah sampel yang diamati adalah 32 sampel
data. Nilai Kolmogorov-Smirnov = 0.675 dengan nilai signifikansi p lebih besar dari 0,05, 0,752 0,05 pada uji normalitas
Kolmogorov-Smirnov. Oleh karena nilai p untuk setiap variabel yang diuji lebih besar dari 0,05 maka diketahui bahwa data variabel
dengan jumlah sampel sebanyak 32 adalah normal atau memenuhi syarat Uji Normalitas.
2 Jadi dapat disimpulkan bahwa secara keseluruhan distribusi residual sudah normal. Dengan demikian, syarat pertama dalam
melakukan uji-t dan uji-F sudah terpenuhi.
Universitas Sumatera Utara
b. Uji Multikolinearitas
Kategori