C. Metode Pengumpulan Data
eterangan atau informasi yang dapat mengga
pengambilan sampel dilakukan secara time series
operasional MSDN BSM ,Tbk periode 2004– 2008.
D. Metode Analisis
si Linier Berganda
metode regresi time-series cross- section
Data merupakan k mbarkan suatu keadaan. Sel
h data dalam penelitian ini adalah data sekunder denagn jenis data time series jadi dengan mengumpulkan data yang
dikumpulkan dari bebagai sumber antara lain di Bank Indonesia BI dan Bank Syriah Mandiri BSM periode 2004 sampai dengan 2008, dari jurnal-
jurnal, media cetak maupun elektronik, dan sumber lain yang terkait dengan permasalahan dalam penelitian.
Sedangkan teknik dan uru
waktu. a. Data efisiensi
b. Data efisiensi operasional BOPO BSM ,Tbk periode 2004– 2008. c. Data efisiensi operasional CAR BSM ,Tbk periode 2004– 2008.
d. Data efisiensi operasional LDR BSM ,Tbk periode 2004– 2008. e. Data kinerja profitabilitas ROE BSM ,Tbk periode 2004 – 2008.
1. Analisis Regre
Penelitian ini menggnakan pooled regression
. Regresi linier berganda membentuk hubungan antara variabel bebas dan variabel terikat. Regresi linier berganda ini
menggunakan tingkat keyakinan signifikasi
α = 5.
Berdasarkan permasalahan dan perumusan hipotesis yang telah disajikan, maka model dimodifikasikan menjadi: Anto Dajan, 1973 :301
Y =
α + b X
1
+b X
2
+b
3
X
3
+b
4
X +
1 2
4
ε ... Dimana:
Y = Kinerja Prifitabilitas ROE
X
1
= MSDN pangsa pasar DPK X
2
= BOPO X
3
= CAR X
4
= LDR α
= konstanta b1,b2,b3 = parameter
ε = Error
Dari hasil penolahan data akan dilakukan analisis secara deskriptis dan pembuktian hipotesis.
Informasi Dari Hasil Analisis Berganda a.
Melakukan analsis regresi atas model yang digunakan, juga dengan menggunakan program SPSS.16
b. R-squared yaitu menunjukan kemampuan model. Seberapa besar
pengaruh dari variabel independen bebas terhadap variabel dependen terikat.
c. Adjusted R-squared nilai R
2
yang sudah disesuaikan. Semakin banyak variabel independen yang dimasukan ke dalam persamaan
maka akan semakin memperkecil Adjusted R-squared .
d. Durbin Watson nilai uji Durbin Watson, digunakan untuk mengetahui
apakah ada autokorelasi hubungan antara residiul. e.
Uji F adalah uji serempak berpengaruh semua variabel independen. f.
Prob F-statistic adalah probabilta nilai uji statistik F.
2. Uji Asumsi Klasik
Jika semua asumsi regresi linier klasik terpenuhi, maka parameter- parameter dari model tersebut dapat ditaksir dengan cara yang lazim
dipakai dalan anlisis regresi adalah ANOVA dengan bantuan SPSS,
merupakan model regresi yang mengahsilkan estimasi linear yang bias yang terbaik Best Linear Unbias EntimationBLUE. Kondisi ini akan
terjadi jika dipenuhi beberaa asumsi uji asumsi klasik, diantaranya: a.
Uji Normalitas Uji normalitas bertujuan untuk menguji apakah adalam model
regresi variabel dependen, independen atau keduanya terdistribusi normal atau tidak. Model regresi yang baik adalah distribusi data
normal atau mendekati normal. b.
Uji Autokorelasi Adalah hubungan antara variabel gangguan error dalam
regresi. Autokeralasi ini terjadi karena adanya perilaku variabel ekonomi untuk data time series seringkali berhubungan berkorelasi
antar waktu. Apabila suatu model regresi mengandung autokorelasi maka akan memberikan konsekuensi model regresi tersebut tidak
mempunyai varian yang minimum, varian yang tidak minimum akan mengakibatkan kita tiadak bisa mengevaluasi hasil regresi baik melalui
uji t maupun uji F. c.
Multikolinieritas Multikolinieritas adalah hubungan linier antar variabel
independen didalam regresi berganda. Hubungan linier antar variabel independen dapat terjadi dalam bentuk hubungan linier yang sempurna
perfect maupun hubungan linier yang kurang sempurna imperfect. Pengujian gejala Multikolinearitas dengan cara mengkorelasikan
variabel bebas yang satu denngan variabel bebas yang lainnya dengan menggunakan SPSS
Imam Ghazali 2005 mengukur Multikolinearitas dapat dilihat dari nilai tolerance dan Varianc Inflation Factor VIF. Model regresi
dikatakan tidak dapat masalah Multikolinearitas apabila mempunyai angka tolerance diatas 0,01 dan mempunyai VIF dibawah angka 10.
d. Heterokedatisitas
Homoskedastisitas varian sama merupakan fenomena di mana pada nilai variabel independen tertentu masing–masing
kesalahan ei mempunyai nilai varian yang sama sebesar σ2, jika
model yang diperoleh ternyata tidak memenuhi asumsi atau fenomena tersebut maka dalam model tersebut terjadi heteroskedatisitas.
Heteroskedastisitas ini mengakibatkan nilai estimator koefisien
regresi dari model tersebut tidak efisien meskipun estimator tersebut tidak bias dan konsis.
3. Uji Signifikasi