Metode Pengumpulan Data Pengujian Hipotesis

Tabel 3.2 Nama-Nama Bank Pembangunan Daerah No Daftar Bank 1 PT BPD BALI 2 PT BPD BANK JAWA BARAT DAN BANTEN 3 PT BPD BENGKULU 4 PT BPD DAERAH ISTIMEWA YOGYAKARTA 5 PT BPD DKI 6 PT BPD JAMBI 7 PT BPD JAWA TENGAH 8 PT BPD JAWA TIMUR 9 PT BPD KALIMANTAN BARAT 10 PT BPD KALIMANTAN SELATAN 11 PT BPD KALIMANTAN TIMUR 12 PT BPD KALIMANTAN TENGAH 13 PT BPD NUSA TENGGARA BARAT 14 PT BPD NUSA TENGGARA TIMUR 15 PT BDP RIAU KEPRI 16 PT BPD NAGARI SUMATERA BARAT 17 PT BPD SULAWESI SELATAN 18 PT BPD SUMATERA UTARA Sumber: website Bank Pembanguan Daerah

3.6 Jenis dan Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang berasal dari hasil publikasi Bank Indonesia, website Bank, buku-buku referensi, internet, dan literatur ilmiah lainnya yang berkaitan dengan topik bahasan penelitian.

3.7 Metode Pengumpulan Data

Pengumpulan data dilakukan melalui studi dokumentasi dengan mengumpulkan data pendukung literatur, jurnal, dan, buku-buku referensi untuk mendapatkan gambaran masalah yang diteliti serta mengumpulkan data sekunder Universitas Sumatera Utara yang relevan dari laporan yang dipublikasikan oleh Bank Indonesia dan website masing-masing Bank.

3.8 Teknik Analisis Data

Teknik analisis yang digunakan adalah teknik statistik deskriptif dan teknik analisis statistik sebagai berikut:

3.8.1 Analisis Deskriptif

Metode analisis deskriptif adalah suatu metode analisis yang dilakukan dengan cara menentukan data, mengumpulkan data, dan menginterpretasikan data sehingga dapat memberikan gambaran masalah yang dihadapi.

3.8.2 Regresi Linear Berganda

Regresi linear berganda digunakan untuk mengetahui pengaruh antara kinerja intellectual capital, ukuran perusahaan, debt ratio dengan rasio return on assets, return on equity, assets turn over. Adapun persamaan regresi yang digunakan, yaitu: Y i = α + b 1 VAIC TM + b 2 Size + b 3 DR + e Keterangan: Y 1 = Return on aseets ROA Y 2 = Return on equity ROE Y 3 = Assets turn over ATO α = Konstanta Universitas Sumatera Utara VAIC TM = Value Added Intellectual Capital Coefficient Size = Ukuran Perusahaan DR = Debt Ratio b 1 -b 3 = Koefisien Regresi untuk masing-masing variabel bebas e = Error of term

3.8.3 Pengujian Asumsi Klasik

Adapun syarat asumsi klasik yang harus dipenuhi model regresi berganda sebelum data tersebut dianalisis adalah sebagai berikut:

3.8.3.1 Uji Normalitas

Uji normalitas dilakukan untuk menguji apakah dalam sebuah model regresi, variabel independen dan variabel dependen atau keduanya mempunyai distribusi normal atau tidak. Model yang paling baik adalah distribusi data normal atau mendekati normal. Normalitas data dapat dideteksi dengan melihat bentuk kurva histogram dengan kemiringan seimbang ke kiri dan ke kanan dan berbentuk seperti lonceng atau dengan melihat titik-titik data yang menyebar disekitar garis diagonal dan searah mengikuti garis diagonal dari gambar normal P-Plot. Uji ini juga dilakukan melalui analisis Kolmogorov-Smirnov, Hipotesisnya sebagai berikut: H = data residual berdistribusi normal H a = data rasidual tidak berdistribusi normal Universitas Sumatera Utara Dengan meng gunakan tingkat signifikan α 5. Jika nilai Asymp.Sig 2 tailed taraf nyata α, maka H diterima artinya data residual berdistribusi normal. Sebaliknya jika nilai Asymp.Sig 2 tailed taraf nyata α, maka H diterima artinya data residual tidak berdistribusi normal.

3.8.3.2 Uji Multikolinearitas

Uji ini digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel independen. Jika terjadi korelasi, maka dikatakan terdapat masalah multikolinearitas. Model regresi yang baik seharusnya tidak terjadi korelasi antar variabel independen. Pengujian terhadap ada tidaknya multikolinearitas dilakukan dengan menggunakan metode VIF variance Inflation Factor dengan ketentuan: Bila VIF 5 terdapat masalah multikolinearitas Bila VIF 5 tidak terdapat masalah multikolinearitas.

3.8.3.3 Uji Autokorelasi

Uji ini digunakan untuk menguji apakah dalam sebuah model regresi linear berganda ada korelasi antara kesalahan pengganggu pada periode t dan kesalahan pengganggu pada periode t-1 periode sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Gejala autokorelasi dideteksi dengan menggunakan Durbin-Watson, untuk mendeteksi ada tidaknya autokorelasi maka dilakukan pengujian Durbin-Watson DW dengan ketentuan sebagai berikut: Universitas Sumatera Utara Tabel 3.3 Kriteria Pengambilan Keputusan Uji Autokorelasi Hipotesis Nol Jika Keputusan Tidak ada autokorelasi positif 0 DW d L Ditolak Tidak ada autokorelasi positif D L DW d U No decision Tidak ada autokorelasi negatif 4-d L DW 4 Ditolak Tidak ada autokorelasi negatif 4-d U DW No decision 4-d L Tidak ada autokorelasi positif atau negatif d U DW 4-d U Tidak ditolak Sumber: Situmorang et al. 2008:86 Keterangan: d L = Batas bawah d U = Batas Atas

3.8.3.4 Uji Heteroskedastisitas

Asumsi heteroskedastisitas adalah asumsi dalam regresi dimana varians dari residual tidak sama untuk satu pengamatan ke pengamatan lain. Jika varians dari residual dari suatu pengamatan ke pemgamatan sama, maka disebut homokesdastisitas. Sedangkan jika tidak sama disebut heteroskedastisitas. Salah satu uji untuk mengetahui heterokedastisitas ini adalah dengan melihat penyebaran dari varians residual pada diagram pencar scatter plot. Analisis pada gambar scatter plot yang menyatakan model regresi linear berganda tidak terdapat heterokedastisitas jika: a. Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0 b. Titik-titik data tidak mengumpul hanya di atas atau di bawah saja c. Penyebaran titik-titik data tidak boleh membentuk bola bergelombang melebar kemudian menyempit dan melebar kembali. Universitas Sumatera Utara d. Penyebaran titik-titik data sebaiknya tidak berpola. Uji ini juga dapat dilakukan melalui uji Glejser, yaitu dengan meregres nilai absolut residual terhadap variabel independen. Apabila signifikans I dari taraf nyata 5, maka dianggap tidak terjadi masalah heteroskedastisitas, dan begitu sebaliknya.

3.9 Pengujian Hipotesis

Model regresi yang sudah memenuhi asumsi-asumsi klasik tersebut akan digunakan untuk menganalisis, melalui pengujian hipotesis sebagai berikut:

3.9.1 Koefisien Determinasi R

2 Koefisien determinasi adalah koefisien nilai yang menunjukkan besarnya variasi variabel terikat dependent variable yang dipengaruhi oleh variasi variabel bebas independent variable. Pengukuran besarnya persentase kebenaran dari uji regresi tersebut dapat dilihat melalui nilai koefisien determinasi multiple R 2 koefisien determinan mengukur proporsi dari variasi yang dapat dijelaskan oleh variabel bebas. Apabila nilai R 2 suatu regresi mendekati satu, maka semakin baik regresi tersebut dan semakin mendekati nol, maka variabel independen secara keseluruhan tidak bisa menjelaskan variabel dependen. Adjusted R Square ini digunakan untuk melihat berapa besar pengaruh faktor- faktor yang ditimbulkan oleh variabel-variabel bebas terhadap variabel terikat. Universitas Sumatera Utara

3.9.2 Uji Signifikansi simultan Uji-F

Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas dan variabel kontrol secara bersama-sama atau serempak mempunyai pengaruh yang signifikan terhadap variabel terikat. Bentuk pengujiannya adalah: H : b i = 0, artinya tidak terdapat pengaruh yang signifikan secara bersamaan dari VAIC TM , ukuran perusahaan, debt ratio terhadap rasio ROA, ROE dan ATO H a : b i ≠ 0, artinya terdapat pengaruh yang signifikan secara bersamaan dari dari VAIC TM , ukuran perusahaan, debt ratio terhadap rasio ROA, ROE dan ATO Dengan menggunakan tingkat signifi kan α 5, jika nilai sig. F 0.05 maka H diterima, artinya tidak ada pengaruh yang signifikan secara bersamaan dari variabel bebas dan variabel kontrol terhadap variabel terikat. Sebaliknya, jika nilai sig. F 0.05 maka H a diterima, artinya ada pengaruh yang signifikan secara bersamaan dari variabel bebas dan variabel kontrol terhadap variabel terikat. Pengambilan keputusan juga dapat dilakukan dengan membandingkan nilai F hitung dan nilai F tabel . Dimana kriterianya, yaitu: Jika F hitung F tabel maka H ditolak H a diterima pada α = 5 Jika F hitung ≤ F tabel maka H diterima H a ditolak pada α = 5 Universitas Sumatera Utara

3.9.3 Uji Signifikansi Parsial Uji-t

Pengujian ini dilakukan untuk mengetahui apakah setiap variabel bebas dan variabel kontrol secara parsial mempunyai pengaruh yang signifikan terhadap variabel terikat: Bentuk pengujiannya adalah: H o : b i = 0, artinya tidak terdapat pengaruh yang signifikan secara parsial antara VAIC TM , ukuran perusahaan, debt ratio terhadap rasio ROA, ROE dan ATO. H a : b i = 0, artinya terdapat pengaruh yang signifikan secara parsial antara VAIC TM , ukuran perusahaan, debt ratio terhadap rasio ROA, ROE dan ATO Dengan menggunakan tingkat signifikan α 5, jika nilai sig. t 0.05 maka H diterima, artinya tidak ada pengaruh yang signifikan variabel bebas dan variabel kontrol terhadap variabel terikat. Sebaliknya jika sig. t 0.05 maka Ha diterima, artinya ada pengaruh yang signifikan antara variabel bebas dan variabel kontrol terhadap variabel terikat. Nilai t hitung juga dapat dibandingkan dengan nilai t tabel . Kriteria pengambilan keputusannya yaitu: H diterima jika- t tabel t hitung t tabel pada α = 5 H a diterima jika t hitung t tabel dan t hitung t tabel pada α = 5 Universitas Sumatera Utara BAB IV HASIL DAN PEMBAHASAN 4.1. Gambaran Umum 4.1.1. Profil Bank Pembangunan Daerah