BAB IV ANALISIS HASIL PENELITIAN
A. Data penelitian
Dalam penelitian ini penulis akan menganalisis data yang telah terkumpul. Data yang terkumpul tersebut berupa laporan keuangan dari seluruh perusahaan
yang terdaftar di Bursa Efek Indonesia periode 2007-2009. Hasil pengolahan data berupa informasi untuk mengetahui hubungan antara CAR, KAP1, GCG, NIM,
BOPO, dan LDR terhadap gejala financial distress. Sesuai dengan permasalahan dan perumusan model yang telah dikemukakan, serta kepentingan pengujian
hipotesis, maka teknik analisis yang digunakan dalam penelitian ini meliputi
analisis statistik.
Analisis statistik merupakan analisis yang mengacu pada perhitungan data penelitian yang berupa angka-angka yang dianalisis dengan bantuan komputer
melalui program SPSS. Data variabel penelitian akan disajikan pada lampiran yang menyajikan variabel CAR, KAP 1, GCG, NIM, BOPO, LDR dan gejala financial
distress.
Sampel yang memenuhi kriteria seperti yang diungkapkan dalam bab tiga diperoleh sebanyak 17 perusahaan perbankan. Adapun perusahaan yang menjadi
sampel adalah :
Tabel 4.1 Sampel Perusahaan
No Kode Emiten
Nama Perusahaan 1
BBKP PT. Bank Bukopin Tbk
2 BNBA
PT. Bank Bumi Arta Tbk 3
BBCA PT. Bank Central Asia Tbk
4 BNGA
PT. Bank CIMB Niaga Tbk 5
BDMN PT. Bank Danamon Indonesia Tbk
6 BAEK
PT. Bank Ekonomi Raharja Tbk 7
BKSW PT. Bank Kesawan Tbk
8 BMRI
PT. Bank Mandiri Persero Tbk 9
MAYA PT. Bank Mayapada Internasional Tbk
10 MEGA
PT. Bank Mega Tbk 11
BBNI PT. Bank Negara Indonesia Tbk
12 NISP
PT. Bank NISP Tbk 13
BNLI PT. Bank Permata Tbk
14 BBRI
PT. Bank Rakyat Indonesia Tbk 15
BBTN PT. Bank Tabungan Negara Tbk
16 BBIA
PT. Bank UOB Buana Tbk 17
BVIC PT. Bank Victoria Internasional Tbk
Sumber :www.idx.co.id
B. Analisis Hasil Penelitian
1. Analisis Statistik Deskriptif
Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi Sugiyono, 2005. Deskripsi suatu data dilihat
dari nilai rata-rata mean, standar deviasi, maksimum, minimum. Berikut ini akan dijelaskan hasil statistik deskriptif data keuangan dan variabel penelitian
tahun dari tahun 2007 - 2009.
Statistik deskriptif variabel penelitian dari sampel perusahaan selama periode pengamatan 2007 sampai dengan tahun 2009 disajikan pada tabel 4.2
berikut ini :
Tabel 4.2 Statistik Deskriptif Variabel Penelitian
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
CAR 51
.0981 .3525 .182873
.0572152 KAP1
51 .0073
1.0000 .063092 .1919937
GCG 51
2 4
3.39 .603
NIM 51
.0238 .1110 .058851
.0201081 BOPO
51 .0626
1.0000 .804035 .1625952
LDR 51
.4071 1.1300 .758788
.1898447 FINANCIAL_DISTRESS
51 3
4 3.75
.440 Valid N listwise
51
Sumber : Hasil olahan peneliti, 2011
Tabel 4.2 menunjukkan hasil ouput SPSS mengenai statistik deskriptif variabel penelitian tahun 2007-2009 dengan jumlah sampel keseluruhan sebanyak 51 17
perusahaan selama 3 tahun. Dari tabel tersebut, dapat dijelaskan statistik deskriptif masing-masing variabel bahwa ;
a. Variabel financial distress memiliki nilai maksimum sebesar 4 artinya dari
51 sampel ini financial distress terbesar adalah 4. Nilai minimum sebesar 3 artinya dari 51 sampel ini financial distress terkecil adalah 3. Nilai rata-
rata mean sebesar 3,75, hal ini menunjukkan bahwa sebagian besar perusahaan-perusahaan yang menjadi sampel mempunyai nilai financial
distress yang positif. Standar deviasi sebesar 0,440 menunjukkan tidak ada sampel yang memiliki nilai financial distress yang bersifat ekstrim. Jumlah
sampel yang diolah sebanyak 51 perusahaan. b.
Variabel CAR memiliki nilai maksimum sebesar 0,3525 artinya dari 51 sampel ini nilai CAR terbesar adalah 0,3525. Nilai minimum sebesar
0.0981 artinya dari 51 sampel ini nilai CAR terkecil adalah -0,0981. Nilai rata-rata mean sebesar 0,182873 ,hal ini menunjukkan bahwa sebagian
besar perusahaan-perusahaan yang menjadi sampel mempunyai nilai CAR yang positif. Standar deviasi sebesar 0,0572152 menunjukkan tidak ada
sampel yang memiliki nilai CAR yang bersifat ekstrim. Jumlah sampel yang diolah sebanyak 51 perusahaan.
c. Variabel KAP 1 memiliki nilai maksimum sebesar 1 artinya dari 51 sampel
ini nilai KAP 1 terbesar adalah 1. Nilai minimum sebesar 0,0073 artinya dari 51 sampel ini nilai KAP 1 terkecil adalah –O,0073. Nilai rata-rata
mean sebesar 0,063092, hal ini menunjukkan bahwa sebagian besar perusahaan-perusahaan yang menjadi sampel mempunyai nilai KAP 1
yang positif. Standar deviasi sebesar 0,1919937 menunjukkan tidak ada sampel yang memiliki nilai KAP 1 yang bersifat ekstrim. Jumlah sampel
yang diolah sebanyak 51 perusahaan. d.
Variabel GCG memiliki nilai maksimum sebesar 4 artinya dari 51 sampel ini nilai GCG terbesar adalah 4. Nilai minimum sebesar 2 artinya dari 51
sampel ini nilai GCG terkecil adalah 2. Nilai rata-rata mean sebesar 3,39, hal ini menunjukkan bahwa sebagian besar perusahaan-perusahaan yang
menjadi sampel mempunyai nilai GCG yang positif. Standar deviasi sebesar 0,603 menunjukkan tidak ada sampel yang memiliki nilai GCG
yang bersifat ekstrim. Jumlah sampel yang diolah sebanyak 51 perusahaan. e.
Variabel NIM memiliki nilai maksimum sebesar 0,1110 artinya dari 51 sampel ini nilai NIM terbesar adalah 0,1110. Nilai minimum sebesar
0,0238 artinya dari 51 sampel ini nilai NIM terkecil adalah 0,0238. Nilai rata-rata mean sebesar 0,58851 hal ini menunjukkan bahwa sebagian
besar perusahaan-perusahaan yang menjadi sampel mempunyai nilai NIM yang positif. Standar deviasi sebesar 0,0201081 menunjukkan tidak ada
sampel yang memiliki nilai NIM yang bersifat ekstrim. Jumlah sampel yang diolah sebanyak 51 perusahaan.
f. Variabel BOPO memiliki nilai maksimum sebesar 1 artinya dari 51 sampel
ini nilai BOPO terbesar adalah 1. Nilai minimum sebesar 0,0626 artinya dari 51 sampel ini nilai BOPO terkecil adalah 0,0626. Nilai rata-rata
mean sebesar 0,804035 hal ini menunjukkan bahwa sebagian besar perusahaan-perusahaan yang menjadi sampel mempunyai nilai BOPO
yang positif. Standar deviasi sebesar 0,1625952 menunjukkan tidak ada sampel yang memiliki nilai BOPO yang bersifat ekstrim. Jumlah sampel
yang diolah sebanyak 51 perusahaan. g.
Variabel LDR memiliki nilai maksimum sebesar 1,1300 artinya dari 51 sampel ini nilai LDR terbesar adalah 1,1300. Nilai minimum sebesar
0,4071 artinya dari 51 sampel ini nilai LDR terkecil adalah 0,4071. Nilai rata-rata mean sebesar 0,758788 hal ini menunjukkan bahwa sebagian
besar perusahaan-perusahaan yang menjadi sampel mempunyai nilai LDR yang positif. Standar deviasi sebesar 0,1898447 menunjukkan tidak ada
sampel yang memiliki nilai LDRyang bersifat ekstrim. Jumlah sampel yang diolah sebanyak 51 perusahaan.
2. Uji Asumsi Klasik
a. Uji Normalitas
Pengujian normalitas data dalam penelitian ini menggunakan uji statistik non parametrik Kolmogorov-Smirnov K-S dengan membuat hipotesis :
H : data residual berdistribusi normal
Ha : data residual tidak berdistribusi normal Apabila nilai signifikansinya lebih besar dari 0,05 maka H
diterima, sedangkan jika signifikansinya lebih kecil dari 0,05 maka H
ditolak.
Tabel 4.3 Uji Normalitas
One Sample Kolmogorov – Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 51
Normal Parameters
a
Mean .0000000
Std. Deviation .33223803
Most Extreme Differences
Absolute .117
Positive .072
Negative -.117
Kolmogorov-Smirnov Z .835
Asymp. Sig. 2-tailed .489
a. Test distribution is Normal.
Sumber : Hasil olahan peneliti, 2011
Dari hasil pengolahan data tersebut, besarnya nilai Kolmogorov-Smirnov adalah 0,835 dan signifikan pada 0,489 maka disimpulkan data terdistribusi
secara normal karena p = 0,489 0,05. Dengan demikian secara keseluruhan bahwa nilai observasi telah terdistribusi normal. Pada grafik histogram, dapat
dilihat bahwa distribusi data tidak menceng skewnes ke kiri atau ke kanan.
Gambar 4.1 Histogram
Pada grafik normal plot, dapat dilihat titik – titik menyebar disekitar garis diagonal dan agak mendekati garis diagonal sehingga dapat disimpulkan data
berdistribusi normal.
Gambar 4.2 Grafik Normal P-Plot
b. Uji Multikolonieritas
Dalam penelitian ini, untuk mendeteksi ada tidaknya gajala multikolonieritas adalah dengan melihat besaran korelasi antara variabel
independen dan besarnya tingkat kolonieritas yang masih dapat ditolerir, yaitu
Tolerance 0,10 dan Variance Inflation Factor VIF 10. Berikut disajikan tabel hasil pengujian:
Tabel 4.4 Uji multikolonieritas untuk
FINANCIAL_DISTRESS=f CAR, KAP1, GCG, NIM, BOPO, LDR
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant
CAR .871
1.148 KAP1
.898 1.113
GCG .789
1.268 NIM
.629 1.590
BOPO .594
1.685 LDR
.625 1.600
a. Dependent Variabel: FINANCIAL_DISTRESS
Sumber : Hasil olahan peneliti, 2011
Hasil pengujian menunjukkan angka tolerance untuk CAR lebih besar dari 0,1 0,871 0,1, KAP1 lebih besar dari 0,1 0,898 0,1, GCG lebih besar
dari 0,1 0,789 0,1, NIM lebih besar dari 0,1 0,629 0,1, BOPO lebih besar dari 0,1 0,594 0,1, LDR lebih besar dari 0,1 0,625 0,1. Angka VIF
untuk CAR lebih kecil dari 10 1,148 10, KAP1 lebih kecil dari 10 1,113 10 , GCG lebih kecil dari 10 1,268 10 , NIM lebih kecil dari 10 1,590
10, BOPO lebih kecil dari 10 1,685 10 , LDR lebih kecil dari 10 1,600 10.
Berdasarkan hasil pengujian tersebut diperoleh kesimpulan tidak terdapat multikolonieritas. Hasil ini menunjukkan tidak ada hubungan antar variabel
bebas independen.
Tabel 4.5 Cofficient correlations
Sumber : Hasil olahan peneliti, 2011 Dari tabel di atas dapat dilihat tingkat korelasi antar variabel bebas, yaitu
tingkat korelasi antar variabel bebas antara BOPO terhadap NIM menunjukkan angka 0,455 atau 45,5, tingkat ini masih jauh dibawah 95 . Tingkat korelasi
antara NIM terhadap KAP1 menunjukkan angka -0,73 atau -73. Tingkat korelasi antara GCG terhadap CAR menunjukkan angka 0,275 atau 27,5 .
Tingkat korelasi antara LDR terhadap BOPO menunjukkan angka -0,463 atau -
Coefficient Correlations
a
Model LDR
GCG CAR
KAP1 NIM
BOPO 1
Correlations LDR
1.000 -.033
.143 .285
-.507 -.463
GCG -.033
1.000 .275
-.090 -.045
.339 CAR
.143 .275
1.000 .058
-.204 .060
KAP1 .285
-.090 .058
1.000 -.073
-.187 NIM
-.507 -.045
-.204 -.073
1.000 .455
BOPO -.463
.339 .060
-.187 .455
1.000 Covariances
LDR .111
-.001 .045
.026 -.532
-.062 GCG
-.001 .009
.024 -.002
-.013 .013
CAR .045
.024 .880
.015 -.600
.023 KAP1
.026 -.002
.015 .076
-.064 -.021
NIM -.532
-.013 -.600
-.064 9.864
.571 BOPO
-.062 .013
.023 -.021
.571 .160
a. Dependent Variable: FINANCIAL_DISTRESS
46,3 . Berdasarkan hasil perhitungan tersebut dapat dibuktikan bahwa tidak terdapat korelasi antar variabel bebas atau tidak terdapat multikolonieritas.
c. Uji Heterokedastisitas
Untuk pengujian heteroskedastisitas, penulis menggunakan alat analisis grafik Scatterplot. Pada analisis grafik Scatterplot, deteksi ada tidaknya
heteroskedastisitas dapat dilakukan dengan melihat jika tidak ada pola tertentu pada grafik Scatterplot maka tidak terjadi heteroskedastisitas dengan kata lain
homoskedastisitas. Hasil pengujian dapat ditunjukkan grafik scatterplot antara ZPRED dan SRESID sebagai berikut.Dari grafik scatterplot terlihat bahwa
titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Maka dapat disimpulkan bahwa tidak terjadi
heteroskedastisitas pada persamaan regresi.
Gambar 4.3 Grafik Scatterplot
d. Uji Autokorelasi
Uji ini bertujuan untuk menganalisis apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan tingkat kesalahan
pada periode t-1. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan yang lainnya, hal ini sering
ditemukan pada time series. Metode yang digunakan penulis telah diungkapkan dalam bab tiga.
Hasil pengujian pada tabel memperlihatkan nilai statistik Durbin – Watson sebesar 1,671. Nilai ini akan dibandingkan dengan nilai tabel Durbin – Watson
dengan nilai signifikan 5 , jumlah sampel = 51, jumlah variabel independen 6 k=6, maka di tabel Durbin – Watson akan didapat nilai dl = 1,300 dan du =
1,8201. Nilai DW sebesar 1,671 terletak diatas batas atas du lebih kecil dari 2,1799 4 – 1,8201, maka diperoleh kesimpulan tidak ada autokorelasi.
Tabel 4.6 Hasil Uji Autokorelasi
Model Summary
b
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .656
a
.430 .353
.354 1.671
a. Predictors: Constant, LDR, GCG, CAR, KAP1, NIM, BOPO b. Dependent Variable: FINANCIAL_DISTRESS
Sumber : Hasil olahan peneliti, 2011
3. Pengujian Hipotesis
Hasil uji asumsi klasik memperlihatkan data observasi memenuhi asumsi normalitas sehingga dapat dianalisis lebih lanjut untuk pengujian hipotesis. Penulis
menggunakan analisis regresi berganda untuk melakukan pengujian hipotesis dengan bantuan program SPSS 16.
a. Persamaan Regresi
Analisis Hasil Regresi Tabel 4.7
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity Statistics
B Std. Error
Beta Tolerance
VIF 1
Constant 2.060
.600 3.433
.001 CAR
1.536 .938
.200 1.638
.109 .871
1.148 KAP1
-.324 .275
-.141 -1.177
.245 .898
1.113 GCG
.297 .094
.406 3.171
.003 .789
1.268 NIM
1.207 3.141
.512 3.568
.001 .629
1.590 BOPO
.487 .400
.180 1.219
.229 .594
1.685 LDR
-.834 .334
-.360 -2.500
.016 .625
1.600 a. Dependent Variable: FINANCIAL_DISTRESS
Sumber : Hasil olahan peneliti, 2011
Berdasarkan tabel di atas, di dapatlah persamaan regresi sebagai berikut : FINANCIAL_DISTRESS = 2,060 + 1,536 CAR – 0,324 KAP1 + 0,297 GCG
+ 1,207 NIM + 0,487 BOPO – 0,834 LDR
Keterangan : 1
Konstanta sebesar 2,060 menunjukkan bahwa apabila tidak ada variabel independen CAR, KAP1, GCG, NIM, BOPO, LDR maka gejala
financial distress sebesar 2,060. 2
β1 sebesar 1,536 menunjukkan bahwa setiap penambahan CAR sebesar 1 akan diikuti oleh penurunan gejala financial distress sebesar 153,6
dengan asumsi variabel lain tetap. 3
β2 sebesar – 0,324 menunjukkan bahwa setiap penambahan KAP1 sebesar 1 akan diikuti oleh penurunan gejala financial distress sebesar 32,4
dengan asumsi variabel lain tetap. 4
β3 sebesar 0,297 menunjukkan bahwa setiap penambahan GCG sebesar 1 akan diikuti oleh kenaikan gejala financial distress sebesar 29,7
dengan asumsi variabel lain tetap. 5
β4 sebesar 1,207 menunjukkan bahwa setiap penambahan NIM sebesar 1 akan diikuti oleh kenaikan gejala financial distress sebesar 120,7 dengan
asumsi variabel lain tetap 6
β5 sebesar 0,487 menunjukkan bahwa setiap penambahan BOPO sebesar 1 akan diikuti oleh kenaikan gejala financial distress sebesar 48,7
dengan asumsi variabel lain tetap. 7
β6 sebesar – 0,834 menunjukkan bahwa setiap penambahan LDR sebesar 1 akan diikuti oleh penurunan gejala financial distress sebesar 83,4
dengan asumsi variabel lain tetap
b. Analisis Koefisien Korelasi
Nilai koefisien korelasi R menunjukkan seberapa besar korelasi atau hubungan antara variabel-variabel independen dengan variabel dependen.
Koefisien korelasi dikatakan kuat apabila nilai R berada di atas 0,5 dan mendekati 1. Koefisien determinasi R square menunjukkan seberapa besar variabel
independen menjelaskan variabel dependennya. Nilai R square adalah nol sampai dengan satu. Apabila nilai R square semakin mendekati satu, maka variabel-
variabel independen memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Sebaliknya, semakin kecil nilai R square,
maka kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen semakin terbatas.
Tabel 4.8 Model Summary
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
.656
a
.430 .353
.354 1.671
a. Predictors: Constant, LDR, GCG, CAR, KAP1, NIM, BOPO b. Dependent Variable: FINANCIAL_DISTRESS
Sumber : Hasil olahan peneliti, 2011
Pada tampilan ouput SPSS model summary , nilai koefisien korelasi R sebesar 0,430 yang berarti bahwa korelasi atau hubungan antara CAR, KAP1,
GCG, NIM, BOPO, LDR variabel independen terhadap gejala financial distress variabel dependen lemah. Koefisien korelasi dikatakan kuat apabila
nilai R berada diatas 0,5 dan mendekati 1. Angka adjusted R Square atau
koefisien determinasi adalah 0,430. Hal ini berarti 43 variasi atau perubahan dalam variabel dependen dapat dijelaskan oleh variabel independen, sedangkan
sisanya 64,7 dijelaskan oleh faktor – faktor lain. Standar Error of Estimate SEE adalah 0,354, semakin kecil nilai SEE maka akan membuat model
regresi semakin tepat dalam memprediksi variabel dependen. c.
Pengujian secara Parsial Uji – t digunakan untuk menguji signifikansi konstanta dan setiap variabel
independennya. Hasil pengolahan dapat dilihat pada tabel 4.10.
Table 4.9 Hasil uji – t
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. B
Std. Error Beta
1 Constant
2.060 .600
3.433 .001
CAR 1.536
.938 .200
1.638 .109
KAP1 -.324
.275 -.141
-1.177 .245
GCG .297
.094 .406
3.171 .003
NIM 11.207
3.141 .512
3.568 .001
BOPO .487
.400 .180
1.219 .229
LDR -.834
.334 -.360
-2.500 .016
a. Dependent Variable: FINANCIAL_DISTRESS
Sumber : Hasil olahan peneliti, 2011
Dari tabel hasil pengolahan SPSS dapat dilihat besarnya t hitung untuk variabel CAR sebesar 1,638 dengan nilai signifikan 0,109. Hasil uji tersebut
dapat menunjukkan t hitung adalah lebih kecil dari t tabel 1,638 1,68023 . Dilihat signifikansinya, nilai signifikansi CAR adalah sebesar 0,109, lebih
besar dari nilai signifikan sebesar 0,05. Hasil perhitungan baik melalui t hitung
maupun nilai signifikannya, menunjukkan CAR tidak mempunyai pengaruh yang signifikan terhadap variabel gejala financial distress. Nilai t tabel, dimana
level of significance α = 0,05 5 dan derajat kebebasan df = n – k – 1
atau 51 – 6 – 1. Nilai t hitung untuk variabel KAP1 adalah -1,177 dengan nilai signifikan
0,245. Hasil uji tersebut dapat menunjukkan t hitung adalah lebih kecil dari t tabel -1,177 1,68023. Dilihat signifikansinya, nilai signifikansi KAP1
adalah sebesar 0,245 lebih besar dari nilai signifikan sebesar 0,05. Hasil perhitungan baik melalui t hitung maupun nilai signifikannya, menunjukkan
KAP1 tidak mempunyai pengaruh yang signifikan terhadap variabel gejala financial distress.
Nilai t hitung untuk variabel GCG adalah 3,171 dengan nilai signifikan 0,003. Hasil uji tersebut dapat menunjukkan t hitung adalah lebih besar dari t
tabel 3,171 1,68023. Dilihat signifikansinya, nilai signifikansi GCG adalah sebesar 0,003 lebih kecil dari nilai signifikan sebesar 0,05. Hasil perhitungan
baik melalui t hitung maupun nilai signifikannya, menunjukkan GCG mempunyai pengaruh yang signifikan terhadap variabel gejala financial
distress. Nilai t hitung untuk variable NIM adalah 3,568 dengan nilai signifikan
0,001. Hasil uji tersebut dapat menunjukkan t hitung adalah lebih besar dari t tabel 3,568 1,68023. Dilihat signifikansinya, nilai signifikansi NIM adalah
sebesar 0,001 lebih kecil dari nilai signifikan sebesar 0,05. Hasil perhitungan baik melalui t hitung maupun nilai signifikannya, menunjukkan NIM
mempunyai pengaruh yang signifikan terhadap variabel gejala financial distres.
Nilai t hitung untuk variabel BOPO adalah 1,219 dengan nilai signifikan 0,229. Hasil uji tersebut dapat menunjukkan t hitung adalah lebih kecil dari t
tabel 1,219 1,68023. Dilihat signifikansinya, nilai signifikansi BOPO adalah sebesar 0,229 lebih besar dari nilai signifikan sebesar 0,05. Hasil
perhitungan baik melalui t hitung maupun nilai signifikannya, menunjukkan BOPO tidak mempunyai pengaruh yang signifikan terhadap variabel gejala
financial distress. Nilai t hitung untuk variable LDR adalah -2,500 dengan nilai signifikan
0,016. Hasil uji tersebut dapat menunjukkan t hitung adalah lebih kecil dari t tabel -2,500 1,68023. Dilihat signifikansinya, nilai signifikansi LDR adalah
sebesar 0,016 lebih kecil dari nilai signifikan sebesar 0,05. Hasil perhitungan melalui t hitung menunjukkan LDR tidak mempunyai pengaruh yang
signifikan terhadap variabel gejala financial distress, sementara nilai signifikansi menunjukkan LDR mempunyai pengaruh yang signifikan terhadap
variabel gejala financial distress. d.
Pengujian secara Simultan Uji – f digunakan untuk mengetahui apakah variabel independen secara
bersama – sama atau simultan mempengaruhi variabel dependen. Hasil pengolahan dapat dilihat pada tabel 4.11.
Table 4.10 Hasil uji – f
ANOVA
b
Model
Sum of Squares
Df Mean Square
F Sig.
1 Regression
4.167 6
.695
5.537 .000
a
Residual
5.519 44
.125
Total
9.686 50
a. Predictors: Constant, LDR, GCG, CAR, KAP1, NIM, BOPO
b. Dependent Variable: FINANCIAL_DISTRESS
Sumber : Hasil olahan peneliti, 2011
Dari uji ANOVA pada tabel 4.10 diketahui Fhitung sebesar 5,537 dengan tingkat signifikansi lebih rendah dari tingkat kepercayaan 0,000 0,05.
Kesimpulannya H0 ditolak, Ha diterima. Artinya secara bersama-sama simultan, keenam variabel independen yaitu CAR, KAP1, GCG, NIM,
BOPO, LDR mempengaruhi variabel dependen yaitu gejala financial distress
.
C. Pembahasan Hasil Penelitian