Berdasarkan kriteria tersebut, diperoleh banyaknya sampel yaitu 26 perusahaan perbankan yang diperlihatkan dalam tabel berikut ini.
Tabel 3.2 Daftar Sampel Penelitian
No Kode
Nama Emiten Tanggal Listing
1 AGRO Bank Agroniaga Tbk.
08 Agustus 2003 2
BACA Bank Capital Indonesia Tbk.
04 Oktober 2007 3
BAEK Bank Ekonomi Raharja Tbk.
08 Januari 2008 4
BBCA Bank Central Asia Tbk.
31 Mei 2000 5
BBKP Bank Bukopin Tbk.
10 Juli 2006 6
BBNI Bank Negara Indonesia Tbk
25 November 1996 7
BBNP Bank Nusantara Parahyangan Tbk
10 Januari 2001 8
BBRI Bank Rakyat Indonesia Persero Tbk
10 November 2003 9
BBTN Bank Tabungan Negara Persero Tbk
17 Desember 2009 10 BCIC
Bank Mutiara Tbk 25 Juni 1997
11 BJBR Bank Pembangunan Daerah Jawa Barat dan
08 Juli 2009 12 BKSW Bank QNB Kesawan Tbk Tbk
21 November 2002 13 BMRI
Bank Mandiri Persero Tbk 14 Juli 2003
14 BNBA Bank Bumi Arta Tbk
31 Desember 2009 15 BNGA Bank CIMB Niaga Tbk Tbk
29 November 1989 16 BNLI
Bank Permata Tbk 15 Januari 1990
17 BSWD Bank of India Indonesia Tbk 01 Mei 2002
18 BTPN Bank Tabungan Pensiunan Nasional Tbk
12 Maret 2008 19 BVIC
Bank Victoria International Tbk 30 Juni 1999
20 INPC Bank Artha Graha Internasional Tbk
29 Agustus 1990 21 MAYA Bank Mayapada Internasional Tbk
29 Agustus 1997 22 MCOR Bank Windu Kentjana International Tbk 03 Juli 2007
23 MEGA Bank Mega Tbk 17 April 2000
24 NISP Bank OCBC NISP Tbk Tbk
20 Oktober 1994 25 PNBN
Bank Pan Indonesia Tbk 29 Desember 1982
26 SDRA Bank Himpunan Saudara 1906 Tbk
15 Desember 2006
3.5 Jenis Data
Data yang digunakan pada penelitian ini adalah data sekunder. Menurut Indriantoro dan Supomo 2002:147, “Data sekunder merupakan sumber data
penelitian yang diperoleh peneliti secara tidak langsung melalui media perantara diperoleh dan dicatat oleh pihak lain”. Data sekunder umumnya berupa bukti,
Universitas Sumatera Utara
catatan, atau laporan historis yang telah tersusun dalam arsip data dokumenter yang dipublikasikan dan yang tidak dipublikasikan.
Penelitian ini menggunakan kombinasi antara data time series dan cross section atau sering disebut dengan pooling data. Data time series atau disebut juga
data deret waktu merupakan sekumpulan data dari suatu fenomena tertentu yang didapat dalam beberapa interval waktu tertentu, misalnya dalam waktu mingguan,
bulanan, atau tahunan.Sementara itu, data cross section atau sering disebut data satu waktu merupakan sekumpulan data suatu fenomena tertentu dalam satu kurun
waktu saja.
3.6 Metode Pengumpulan Data
Pengambilan data dalam penelitian ini adalah dengan menggunakan metode dokumentasi yaitu dengan mengumpulkan dan mempelajari data–data yang ada
dalam objek penelitian. Data penelitian ini diperoleh dari internet melalui situs Bursa Efek Indonesia yaitu www.idx.co.id berupa laporan keuangan yang telah
diaudit dan dipublikasikan per 31 Desember selama periode tahun 2009 sampai dengan tahun 2011.
3.7 Teknik Analisis 3.7.1 Pengujian Asumsi Klasik
Peneliti menggunakan uji asumsi klasik terlebih dahulu untuk menentukan apakah distribusi data normal, sebelum melakukan pengujian hipotesis. Pengujian
tersebut meliputi :
Universitas Sumatera Utara
a. Pengujian Normalitas Data Menurut Ghozali 2005:110, “uji normalitas bertujuan untuk menguji
apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal”. Jika nilai residual tidak mengikuti distribusi normal, uji
statistik menjadi tidak valid untuk jumlah sampel kecil. Menurut Ghozali 2005:110, ”cara untuk mendeteksi apakah residual berdistribusi normal atau
tidak ada dua, yaitu analisis grafik dan analisis statistik. Normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dan grafik
dengan melihat histogram dari residualnya”. Dasar pengambilan keputusannya adalah :
1 jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal
atau grafik histogramnya menunjukkan pola berdistribusi normal, maka model regresi memenuhi asumsi normalitas,
2 jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal
atau grafik histogram tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
”Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov-Smirnov K-S”, yang dijelaskan oleh Ghozali
2005:115. Uji K-S dibuat dengan membuat hipotesis : Ho : data residual berdistribusi normal
Ha : data residual tidak berdistribusi normal Signifikansi 0,05 dengan
α = 5 berarti distribusi data normal dan Ho diterima, sebaliknya bila nilai signifikan 0,05 berarti distribusi data tidak normal
Universitas Sumatera Utara
dan Ha diterima. Jika data tidak normal, ada beberapa cara mengubah model regresi menjadi normal menurut Jogiyanto 2004:172, yaitu :
1 dengan melakukan transformasi data ke bentuk lain, yaitu : Logaritma
Natural, akar kuadrat, atau Logaritma 10. 2
lakukan trimming, yaitu memangkas observasi yang bersifat outlier, 3
lakukan winsorizing, yaitu mengubah nilai-nilai data outliers menjadi nilai-nilai minimum atau maksimum yang diizinkan supaya distribusinya
menjadi normal. b. Uji Multikolinieritas
Menurut Erlina dan Mulyani 2008:105, “Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen.
Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen”. Salah satu cara untuk mendeteksi multikolonirietas menurut Ghozali
2005:91 dapat dilihat dari 1 nilai tolerance dan lawannya 2 variance inflation factor VIF. Nilai cut off yang umum digunakan untuk mendeteksi adanya
multikolinieritas adalah tolerance 0,10 atau sama dengan nilai VIF 10. Jika nilai tolerance 0,10 atau nilai VIF 10 maka mengindikasikan terjadi
multikolinieritas. c. Uji Heteroskedastisitas
Menurut Erlina 2008:107, ”uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan lain”. Jika varians dari residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika varians berbeda disebut
Universitas Sumatera Utara
heterokedastisitas. Heteroskedastisitas dapat dideteksi dengan melihat grafik Scaterplot antar nilai prediksi variabel independen dengan nilai residualnya. Dasar
analisis yang dapat digunakan untuk menentukan heteroskedastisitas, antara lain : 1
jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka
mengindikasikan telah terjadi heteroskedastisitas, 2
jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi
homoskedastisitas. d. Uji Autokorelasi
Menurut Ghozali 2005:95, “Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan penggangu pada periode
t dengan kesalahan pengganggu pada periode t-1 sebelumnya”. Pada penelitian ini, autokorelasi diuji dengan menggunakan uji Durbin–Watson DW test. Cara
yang dapat digunakan untuk mendeteksi masalah autokorelasi adalah dengan menggunakan nilai uji Durbin Watson. Kriteria untuk penilaian terjadinya
autokorelasi yaitu : 1
angka D-W dibawah -2 berarti ada autokorelasi positif, 2
angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 3
angka D-W di atas +2 berarti ada autokorelasi negatif.
Universitas Sumatera Utara
3.7.2 Uji Hipotesis
Pengujian hipotesis dilakukan dengan metode analisis regresi linear berganda. Model persamaan yang digunakan adalah sebagai berikut :
Dimana: Y
= Variable dependen Pertumbuhan Laba = Laba a
= Konstanta X
1
= Variabel independen 1 LDR X
2
= Variabel independen 2 CAR X
3
= Variabel independen 3 DER X
4
= Variabel independen 4 OCR b
1,
b
2,
b
3,
b
4
= Koefisien regresi LDR, CAR, DER, OCR e
= Tingkat error
a. Uji Parsial t-test Pengujian ini bertujuan untuk mengetahui apakah masing-masing variabel
independen mempengaruhi variabel dependen secara signifikan. Bentuk pengujiannya adalah sebagai berikut :
Ho : b
1
,b
2
,b
3
,b
4
= 0, artinya Loan to Deposit Ratio, Capital Adequacy Ratio, Debt to Equity Ratio, dan Operation Cost Ratio secara parsial tidak
mempunyai pengaruh yang signifikan terhadap pertumbuhan laba Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ e
Universitas Sumatera Utara
Ha : b
1
,b
2
,b
3
,b
4
≠ 0 , artinya Loan to Deposit Ratio, Capital Adequacy Ratio, Debt to Equity Ratio, dan Operation Cost Ratio secara parsial
mempunyai pengaruh yang signifikan terhadap pertumbuhan laba Pengujian dilakukan dengan menggunakan uji – t dengan tingkat pengujian
pada α = 5. Kriteria pengambilan keputusan :
Ho diterima jika t
hitung
t
tabel
Ha diterima jika t
hitung
t
tabel
b. Uji Simultan F-test Pengujian ini bertujuan untuk mengetahui apakah variabel–variabel
independen secara bersama–sama mempengaruhi variabel dependen secara signifikan. Pengujian simultan ini menggunakan uji F, yaitu dengan
membandingkan antara nilai signifikansi F dengan nilai signifikansi yang digunakan yaitu 0,05. Bentuk pengujiannya adalah sebagai berikut :
Ho : b
1
= b
2
= b
3
= b
45
= b
5
= 0, artinya Loan to Deposit Ratio, Capital Adequacy Ratio, Debt to Equity Ratio, dan Operation Cost Ratio tidak
mempunyai pengaruh yang signifikan secara bersama–sama terhadap pertumbuhan laba
Ha : b
1
≠ b
2
≠ b
3
≠ b
4
≠ b
5
≠ 0, artinya Loan to Deposit Ratio, Capital Adequacy Ratio, Debt to Equity Ratio, dan Operation Cost Ratio
mempunyai pengaruh yang signifikan secara bersama–sama terhadap pertumbuhan laba
Universitas Sumatera Utara
Pengujian dilakukan dengan menggunakan uji – F dengan tingkat pengujian pada α = 5.
Kriteria pengambilan keputusan : H0 diterima jika Fhitung Ftabel
Ha diterima jika Fhitung Ftabel
Universitas Sumatera Utara
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Pengujian Asumsi Klasik
Pengujian asumsi klasik dilakukan untuk melihat apakah data yang digunakan sudah memenuhi kriteria data yang baik.
4.1.1 Pengujian Normalitas Data
Data yang baik adalah data yang distribusinya normal. Dengan dilakukannya pengujian normalitas data, dapat diketahui apakah distribusi data-
data yang digunakan sudah mengikuti atau mendekati distribusi normal.
Gambar 4.1 Pengujian Normalitas dengan Histogram
Sumber : Hasil olah data statistik oleh peneliti, 2012 Untuk mengetahui apakah data sudah berdistribusi normal, langkah
pertama adalah dengan melihat grafik histogram. Dengan melihat grafik histogram diatas dapat kita katakan bahwa data terdistribusi dengan normal.
Universitas Sumatera Utara
Karena pada grafik diatas, garis distribusi datanya berada ditengah, tidak menceng ke kiri atau pun menceng ke kanan.
Langkah kedua untuk melihat distribusi data adalah dengan menggunakan analisis grafik adalah dengan melihat grafik P-P plot. Dasar pengambilan
keputusannya adalah jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola berdistribusi
normal, maka model regresi memenuhi asumsi normalitas dan jika data menyebar jauh dari diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram
tidak menunjukkan data berdistribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Gambar 4.2 Uji Normalitas dengan P-Plot
Sumber : Hasil olah data statistik oleh peneliti, 2012 Berdasarkan grafik P-P plot diatas, dapat kembali dikatakan bahwa data
yang peneliti gunakan dalam penelitian ini memiliki distribusi data yang normal.
Universitas Sumatera Utara
Karena dapat dilihat pada grafik diatas data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal.
Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal maka perlu juga di lakukan pengujian statistik. Pengujian statistik yang
dapat digunakan untuk menguji normalitas residual adalah uji statistik Kolmogorov-Smirnov K-S. Uji K-S dibuat dengan membuat hipotesis :
H : data residual berdistribusi normal
H
a
: data residual tidak berdistribusi normal Signifikansi 0,05 dengan
α = 5 berarti distribusi data normal dan H diterima, sebaliknya bila nilai signifikan 0,05 berarti distribusi data tidak normal
dan H
a
diterima.
Tabel 4.1 Uji Normalitas Data
One-Sample Kolmogorov-Smirnov Test
Unstandardiz ed Residual
N 52
Normal Parameters
a,b
Mean ,0000000
Std. Deviation ,82417224
Most Extreme Differences
Absolute ,182
Positive ,182
Negative -,130
Kolmogorov-Smirnov Z 1,315
Asymp. Sig. 2-tailed ,063
a. Test distribution is Normal. b. Calculated from data.
Sumber : Hasil olah data statistik oleh peneliti, 2012 Berdasarkan tabel diatas, diketahui besar nya residual Kolmogorov-
Smirnov K-S pada α = 5 adalah 0,063 Asymp. Sig. – 2-tailed. Dengan
demikian H diterima yaitu distribusi data adalah normal.
Universitas Sumatera Utara
Berdasarkan uji normalitas yang sudah dilakukan, peneliti menyimpulkan bahwa data yang digunakan peneliti pada penelitian ini sudah memenuhi
persyaratan berdasarkan pengujian normalitas data. Dengan demikian pengujian asumsi klasik selanjutnya dapat dilakukan.
4.1.2 Uji Multikolinieritas
Pengujian Multikolinieritas sebagai bagian dari pengujian asumsi klasik adalah juga untuk melihat apakah data yang digunakan adalah data yang baik.
Data yang baik seharusnya tidak ditemukan korelasi antar variabel atau korelasi antar variabel tidak terjadi. Dalam uji ini ada atau tidak nya korelasi antar varibel
dapat dilihat dari nilai tolerance dan lawannya 2 variance inflation factor VIF. Nilai cut off yang umum digunakan untuk mendeteksi adanya multikolinieritas
adalah tolerance 0,10 atau sama dengan nilai VIF 10. Jika nilai tolerance 0,10 atau nilai VIF 10 maka mengindikasikan terjadi multikolinieritas.
Tabel 4.2 Uji Multikolinieritas
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients t
Sig. Collinearity
Statistics B
Std. Error Beta
Tolerance VIF
Constant -,323
1,529 -,211
,834 LDR
,268 ,977
,036 ,275
,785 ,961
1,041 CAR
-8,544 3,670
-,395 -2,328 ,024
,569 1,759
DER -,172
,060 -,506 -2,881
,006 ,531
1,883 OCR
4,540 1,511
,402 3,005
,004 ,915
1,093 a. Dependent Variable: P.Laba
Sumber : Hasil olah data statistik oleh peneliti, 2012
Universitas Sumatera Utara
Berdasarkan tabel diatas terlihat bahwa semua data variabel tidak terkena multikolinearitas. Dengan demikian peneliti simpulkan bahwa data yang yang
digunakan menurut uji multikolinearitas adalah data yang baik.
4.1.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas digunakan untuk melihat apakah di dalam model regresi yang digunakan terdapat ketidaksamaan varians dari residual satu
pengamatan kepengamatan yang lainnya. Jika varians dari satu residual pengamatan yang satu dengan pengamatan yang lain adalah berbeda maka dapat
dikatakan bahwa model regresi mengalami heteroskedastisitas. Salah satu cara untuk melihat apakah dalam suatu model regresi terjadi heteroskedastisitas adalah
dengan memakai grafik scatterplot. Dengan melihat persebaran titik-titik dalam grafik scatterplot kita dapat menentukan apakah terjadi heteroskedastisitas atau
tidak. Dasar analisis yang dapat digunakan untuk menentukan heteroskedastisitas, antara lain : jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas,
jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka
tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas.
Universitas Sumatera Utara
Gambar 4.3 Uji Normalitas dengan Scatterplot
Sumber : Hasil olah data statistik oleh peneliti, 2012 Dengan melihat grafik scatterplot diatas dapat kita lihat bahwa titik-
titiknya tidak membentuk suatu pola tertentu serta titik-titik menyebar di atas dan di bawah angka 0 baik pada sumbu Y maupun sumbu X, memperlihatkan bahwa
model regresi yang digunakan pada penelitian ini adalah homoskedastisitas. Dengan demikian data yang peneliti gunakan telah memenuhi syarat uji asumsi
klasik karena terbebas dari kasus heteroskedastisitas.
4.1.4 Uji Autokorelasi
Hal terakhir untuk memenuhi syarat data yang baik adalah tidak terdapat korelasi antara kesalahan penggangu pada periode t dengan kesalahan pengganggu
pada periode t-1 sebelumnya. Untuk memenuhi syarat ini harus dilakukan uji autokorelasi yang bertujuan untuk menguji apakah dalam model regresi linear ada
korelasi antara kesalahan penggangu pada periode t dengan kesalahan pengganggu pada periode t-1 sebelumnya.
Universitas Sumatera Utara
Metode untuk mendeteksi autokorelasi ada beberapa cara. Pada penelitian ini peneliti menggunakan uji Durbin–Watson DW test. Kriteria untuk penilaian
terjadinya autokorelasi yaitu : 4
angka D-W dibawah -2 berarti ada autokorelasi positif, 5
angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi, 6
angka D-W di atas +2 berarti ada autokorelasi negatif.
Tabel 4.3 Uji Durbin–Watson
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of
the Estimate Durbin-
Watson 1
,480
a
,230 ,165
,85853 1,463
a. Predictors: Constant, OCR, CAR, LDR, DER b. Dependent Variable: P.Laba
Sumber : Hasil olah data statistik oleh peneliti, 2012 Dari tabel diatas peneliti mendapatkan nilai Durbin-Watson adalah 1,463.
Nilai tersebut berada antara -2 sampai +2. Hal ini menyatakan bahwa data yang digunakan pada penelitian ini tidak mengalami autokorelasi.
Berdasarkan semua uji diatas, data yang dipakai peneliti, telah memenuhi syarat uji asumsi klasik sebagai data yang baik. Syarat tersebut adalah distribusi
data normal, tidak mengalami multikolinearitas, terbebas dari kasus heteroskedastisitas dan tidak ditemukan autokorelasi. Dengan demikian pengujian
hipotesis dapat dilakukan.
Universitas Sumatera Utara
4.2 Pengujian Hipotesis
Hipotesis penelitian ini adalah: H
1
: Loan to Deposit Ratio LDR berpengaruh secara parsial terhadap pertumbuhan laba.
H
2
: Capital Adequacy Ratio CAR berpengaruh secara parsial terhadap pertumbuhan laba.
H
3
: Debt to Equity Ratio DER berpengaruh secara parsial terhadap pertumbuhan laba.
H
4
: Operation Cost Ratio OCR berpengaruh secara parsial terhadap pertumbuhan laba.
H
5
: Loan to Deposit Ratio LDR, Capital Adequacy Ratio CAR, Debt to Equity Ratio DER, dan Operation Cost Ratio OCR
berpengaruh secara simultan terhadap pertumbuhan laba. Untuk menguji hipotesis H
1
, H
2
, H
3
, H
4
dan H
5
metode yang digunakan adalah uji T dan uji F. Dari H
1
sampai dengan H
4
digunakan uji T, sedangkan untuk H
5
digunakan uji F.
4.2.1 Uji T Parsial
Dengan melakukan pengolahan data menggunakan IBM SPSS versi 19, peneliti mendapatkan hasil berupa tabel 4.4, yang dapat dilihat dibawah ini.
Universitas Sumatera Utara
Tabel 4.4 Uji T
Coefficients
a
Model Unstandardized
Coefficients Standardized
Coefficients T
Sig. B
Std. Error Beta
1 Constant
-,323 1,529
-,211 ,834
LDR ,268
,977 ,036
,275 ,785
CAR -8,544
3,670 -,395
-2,328 ,024
DER -,172
,060 -,506
-2,881 ,006
OCR 4,540
1,511 ,402
3,005 ,004
a. Dependent Variable: P.Laba Sumber : Hasil olah data statistik oleh peneliti, 2012
Berdasarkan hasil output diatas maka rumus persamaan regresi pada penelitian ini adalah :
Y = -0,323 + 0,268 LDR – 8,544 CAR – 1,72 DER + 4,54 OCR + ε
Pengaruh Loan to Deposit Ratio LDR secara parsial terhadap Pertumbuhan Laba diuji dengan menggunakan hipotesis sebagai berikut:
H : LDR = 0, artinya variabel Loan to Deposit Ratio LDR tidak
berpengaruh terhadap Pertumbuhan Laba. H
a
: LDR ≠ 0, artinya variabel Loan to Deposit Ratio LDR berpengaruh
signifikan terhadap Pertumbuhan Laba. Kriteria:
H diterima jika t hitung t tabel untuk α = 5 atau signifikansi 0,05
H
a
diterima jika t hitung t tabel untuk α = 5 atau signifikansi 0,05
Berdasarkan nilai signifikasinya 0,785 0,05 maka dapat disimpulkan bahwa H
diterima dan H
a
ditolak. Artinya, variabel Loan to Deposit Ratio LDR secara parsial tidak berpengaruh terhadap Pertumbuhan Laba.
Universitas Sumatera Utara
Pengaruh Capital Adequacy Ratio CAR secara parsial terhadap Pertumbuhan Laba diuji dengan menggunakan hipotesis sebagai berikut:
H : CAR = 0, artinya variabel Capital Adequacy Ratio CAR tidak
berpengaruh terhadap Pertumbuhan Laba. H
a
: CAR ≠ 0, artinya variabel Capital Adequacy Ratio CAR
berpengaruh signifikan terhadap Pertumbuhan Laba. Kriteria :
H diterima jika t hitung t tabel untuk α = 5 atau signifikansi 0,05
H
a
diterima jika t hitung t tabel untuk α = 5 atau signifikansi 0,05
Dari tabel diketahui nilai signifikansi dari variabel CAR adalah 0,024 dimana nilai variabel tersebut lebih kecil dari pada nilai signifikansi tabel sebesar
0,05 0,024 0,05. Dengan demikian H ditolak dan H
a
diterima, artinya variabel Capital Adequacy Ratio CAR berpengaruh signifikan secara parsial terhadap
Pertumbuhan Laba. Berdasarkan koefisien sebesar -8,544 dapat dikatakan bahwa setiap penambahan 1 satuan dari variabel CAR maka pertumbuhan laba akan
berkurang sebesar 8,544 satuan. Pengaruh Debt to Equity Ratio DER secara parsial terhadap
Pertumbuhan Laba Laba diuji dengan menggunakan hipotesis berikut: H0 : DER = 0, artinya variabel Debt to Equity Ratio DER tidak
berpengaruh terhadap Pertumbuhan Laba. Ha : DER
≠ 0, artinya variabel Debt to Equity Ratio DER berpengaruh signifikan terhadap Pertumbuhan Laba.
Universitas Sumatera Utara
Kriteria: H
diterima jika t hitung t tabel untuk α = 5 atau signifikansi 0,05 H
a
diterima jika t hitung t tabel untuk α = 5 atau signifikansi 0,05
Diketahui signifikansi hitung adalah 0,006 lebih kecil dari pada signifikansi tabel sebesar 0,05 , oleh karena itu H
a
diterima. Dengan koefisien sebesar -0,172 dan H
a
diterima maka variabel Debt to Equity Ratio DER secara parsial berpengaruh signifikan terhadap Pertumbuhan Laba dan setiap
pertumbuhan variabel DER sebesar 1 satuan maka akan menurunkan pertumbuhan laba sebesar 0,172 satuan.
Pengaruh Operating Cost Ratio OCR secara parsial terhadap Pertumbuhan Laba diuji dengan menggunakan hipotesis sebagai berikut:
H : OCR = 0, artinya variabel Operating Cost Ratio OCR tidak
berpengaruh terhadap Pertumbuhan Laba. H
a
: OCR ≠ 0, artinya variabel Operating Cost Ratio OCR berpengaruh
signifikan terhadap Pertumbuhan Laba. Kriteria :
H diterima jika t hitung
t tabel untuk α = 5 atau signifikansi 0,05 H
a
diterima jika t hitung t tabel untuk α = 5 atau signifikansi 0,05
Besarnya signifikansi hitung dari variabel OCR adalah sebesar 0,004 lebih kecil dari besarnya signifikansi tabel sebesar 0,05. Ini berarti H
a
diterima dan H ditolak. Dengan demikian variabel Operating Cost Ratio OCR secara parsial
berpengaruh signifikan terhadap Pertumbuhan Laba. Besarnya koefisien OCR
Universitas Sumatera Utara
sebesar 4,54 menjelaskan bahwa setiap penambahan 1 satuan OCR maka pertumbuhan laba akan meningkat sebesar 4,54 satuan.
4.2.2 Uji F Simultan
Untuk melihat apakah variabel LDR, CAR, DER dan OCR berpengaruh secara serempak simultan terhadap pertumbuhan laba maka dilakukanlah uji F.
Dengan mengunakan IBM SPSS versi 19 dalam pengolahan data, peneliti mendapatkan output data berupa tabel di bawah ini.
Tabel 4.5 Uji F
ANOVA
b
Model Sum of
Squares df
Mean Square
F Sig.
1 Regression
10,352 4
2,588 3,511
,014
a
Residual 34,642
47 ,737
Total 44,994
51 a. Predictors: Constant, OCR, CAR, LDR, DER
b. Dependent Variable: P.Laba Sumber : Hasil olah data statistik oleh peneliti, 2012
Hipotesis pengaruh yang digunakan dalam pengujian secara simultan adalah sebagai berikut:
H : b
1
= b
2
= b
3
= b
45
= b
5
= 0, artinya Loan to Deposit Ratio, Capital Adequacy Ratio, Debt to Equity Ratio, dan Operation Cost Ratio tidak
mempunyai pengaruh yang signifikan secara bersama–sama terhadap pertumbuhan laba
H
a
: b
1
≠ b
2
≠ b
3
≠ b
4
≠ b
5
≠ 0, artinya Loan to Deposit Ratio, Capital Adequacy Ratio, Debt to Equity Ratio, dan Operation Cost Ratio
Universitas Sumatera Utara
mempunyai pengaruh yang signifikan secara bersama–sama terhadap pertumbuhan laba
Kriteria : H
diterima jika f hitung f tabel untuk α = 5 atau signifikansi 0,05
H
a
diterima jika f hitung f tabel untuk α = 5 atau signifikansi 0,05
Tabel 4.5 mengungkapkan bahwa tingkat signifikansi itung pada α = 5
adalah sebesar 0,014 lebih kecil dari signifikansi tabel sebesar 0,05. Hal ini menyatakan bahwa H
a
diterima dan H ditolak. Dengan demikian variabel Loan to
Deposit Ratio, Capital Adequacy Ratio, Debt to Equity Ratio, dan Operation Cost Ratio mempunyai pengaruh yang signifikan secara bersama–sama atau simultan
terhadap variabel pertumbuhan laba.
Universitas Sumatera Utara
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
Setelah melakukan penelitian mengenai “Pengaruh Tingkat Likuiditas, Solvabilitas dan Efisiensi Terhadap Pertumbuhan Laba” terhadap 26 perusahaan
yang terdaftar di bursa efek Indonesia, dengan variabel uji likuiditas adalah Loan to Deposit Ratio, variabel uji solvabiltas adalah Capital Adequacy Ratio dan Debt
to Equity Ratio, variabel uji efisiensi adalah Operation Cost Ratio maka peneliti meyimpulkan bahwa:
1. Loan to Deposit Ratio LDR selama periode tahun 2009 sampai 2011
secara parsial tidak berpengaruh signifikan terhadap Pertumbuhan Laba. Hal ini mendukung hasil penelitian terdahulu yang dilakukan oleh Rikky
2009 dan Jefry 2009 yang juga menyatakan LDR secara parsial tidak berpengaruh signifikan terhadap Pertumbuhan Laba.
2. Capital Adequacy Ratio CAR selama periode tahun 2009 sampai 2011
secara parsial berpengaruh signifikan terhadap Pertumbuhan Laba. Hasil penelitian ini tidak sependapat dengan hasil penelitian terdahulu yang
dilakukan oleh Rikky 2009 dan Jefry 2009 yang menemukan bahwa CAR secara parsial tidak berpengaruh signifikan terhadap Pertumbuhan
Laba. 3.
Debt to Equity Ratio DER secara parsial berpengaruh signifikan terhadap Pertumbuhan Laba selama periode tahun 2009 sampai 2011.
Hasil penelitian ini berbeda dengan hasil penelitian terdahulu yang
Universitas Sumatera Utara
dilakukan oleh Jefry 2009 yang mengatakan bahwa Debt to Equity Ratio tidak berpengaruh signifikan terhadap pertumbuhan laba pada
perusahaan perbankan yang terdaftar di BEI. 4.
Operating Cost Ratio OCR selama periode tahun 2009 sampai 2011 secara parsial berpengaruh signifikan terhadap Pertumbuhan Laba. Hasil
penelitian ini tidak sependapat dengan hasil penelitian yang dilakukan oleh Jefry 2009 yang menyimpulkan bahwa Operation Cost Ratio pada
penelitianya tidak berpengaruh signifikan terhadap pertumbuhan laba pada perusahaan perbankan yang terdaftar di BEI dikarenakan Operation
Cost Ratio lebih memprediksikan laba perusahaan dalam satu periode dan bukan pertumbuhan laba perusahaan.
5. Loan to Deposit Ratio, Capital Adequacy Ratio, Debt to Equity Ratio,
dan Operation Cost Ratio mempunyai pengaruh yang signifikan secara bersama–sama atau simultan terhadap variabel pertumbuhan laba pada
perusahaan perbankan yang terdaftar di bursa efek Indonesia selama periode tahun 2009 sampai 2011. Hasil penelitian ini bertolakbelakang
dengan hasil penelitian yang telah dikemukan terlebih dahulu oleh Jefry 2009 dimana hasil penelitiannya menyatakan bahwa Capital Adequacy
Ratio CAR, Debt to Equity Ratio DER, Operation Cost Ratio OCR, dan Loan to Deposit Ratio LDR secara simultan tidak berpengaruh
secara signifikan terhadap pertumbuhan laba pada perusahaan perbankan yang terdaftar di BEI.
Universitas Sumatera Utara
5.2 Saran
