Jenis Data dan Sumber Data Teknik Analisis

2. Variabel Dependent Liquid Assets A Liquid assets adalah uang tunai yang ada di kas dan setara kas serta aset lain yang dapat segera diuangkan tanpa menyebabkan penurunan nilai atau penurunan nilai yang kecil dari aset tersebut seperti surat hutang jangka pemerintah dan saham. Dalam penelitian ini liquid assets dirasiokan terhadap total aset.

3.5 Jenis Data dan Sumber Data

Penelitian ini menggunakan jenis data sekunder yang telah dipublikasikan di website Bank Indonesia www.bi.go.id. Periode data menggunakan rentang waktu bulanan yang tercantum dalam Laporan Keuangan Publikasi Bulanan dari Januari 2012 hingga Desember 2013. Pendekatan penyusunan data pada penelitian ini adalah menggabungkan data deret waktu time series dengan data variasi objek cross section yang disebut Data Panel. Menurut Baltagi 2005 data panel yang mengombinasikan data time series dan cross section memberikan data yang lebih informatif, lebih bervariasi, mengurangi kolineritas antarpeubah, memperbesar derajat kebebasan, dan lebih efisien.

3.6 Teknik Analisis

Pada penelitian ini, alat analisis yang digunakan untuk menguji hipotesis adalah pengolahan data menggunakan program Eviews 7. Adapun teknik analisis data pada penelitian ini adalah sebagai berikut : Universitas Sumatera Utara 1. Input Data Data variabel-variabel yang digunakan pada penelitian ini yaitu Aset Likuid, Liabilitas, Arus Kas Keluar, dan Arus Kas Masuk dikumpulkan dan diinput. 2. Analisis Statistik Deskriptif Penyajian data statistik deskriptif yang terdiri dari median dan standard deviasi lalu agar dianalisa dan dijelaskan. 3. Uji Asumsi Klasik Dalam melakukan analisis data kuantitatif, kita menggunakan uji persyaratan analisis. Persyaratan uji analisis untuk Regresi Berganda yang sering disebut dengan istilah Uji Asumsi Klasik. Uji persyaratan analisis untuk regresi berganda data panel yang sering digunakan adalah sebagai berikut : a. Uji Multikolinieritas Menurut Duwi Priyatno 2010 : 60, uji multikolinieritas dilakukan untuk mengetahui keadaan dimana antara dua variabel independen atau lebih pada model regresi terjadi hubungan linier yang sempurna atau mendekati sempurna. Model regresi yang baik mensyaratkan tidak adanya masalah multikolinearitas. Salah satu cara untuk mendeteksi ada tidaknya multikolinearitas dengan cara melihat nilai Tolerance t dan variance inflation factor VIF. Universitas Sumatera Utara b. Uji Autokorelasi Menurut Singgih Santoso 2012 : 241, uji autokorelasi digunakan untuk mengetahui apakah dalam sebuah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Oleh karena itu, autokorelasi biasanya sering muncul pada data time-series. c. Uji Heteroskedastisitas Menurut Singgih Santoso 2012 : 238, uji heteroskedastisitas digunakan untuk mengetahui apakah dalam sebuah model regresi, terjadi ketidaksamaan varians pada residual error dari satu pengamatan ke pengamatan yang lain jika varians dari residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas. Dan jika varians berbeda disebut sebagai Heteroskedastisitas. Sebuah model regresi dikatakan baik jika tidak terjadi Heteroskedastisitas. 4. Pemilihan Model Data Panel Dalam regresi data panel terdapat asumsi-asumsi mengenai intercept, koefien variabel, dan residu. Oleh karena itu, pendekatan regresi data panel dapat menggunakan tiga metode, yaitu : a. Metode Common-Constant Pooled Ordinary Least Square Pendekatan ini hanya menggunakan metode pengolahan OLS biasa. Pada hasil estimasinya diasumsikan setiap individu memiliki nilai intercept dan koefisien yang sama tanpa mempertimbangkan efek Universitas Sumatera Utara waktu. Oleh karena kesederhanaan dan diasumsikan tidak mampu menjelaskan hasil penelitian ini secara spesifik maka penggunaan metode PLS diabaikan. b. Metode Fixed Effects Model FEM Pendekatan FEM dapat menghasilkan analisa yang lebih detail dan spesifik. Hal ini disebabkan oleh dengan menggunakan metode FEM regresi dapat menganggap masing-masing individu memiliki karakteristik yang berbeda-beda. Dalam membedakan intersepnya dapat digunakan peubah dummy, sehingga metode ini dikenal dengan model Least Square Dummy Variable Juanda dan Junaidi 2012:180. c. Metode Random Effects Model REM Pada metode REM, intercept tidak dianggap konstan namun dianggap sebagai variabel random dengan suatu nilai rata-rata dari koefisien Juanda dan Junaidi 2012:181. Residu dalam metode ini telah terdiri atas komponen error term dari setiap crosss-section dan komponen error term dari setiap cross-section dan time-series. Asumsi yang digunakan dari metode REM yakni komponen error term individual tidak berkorelasi satu sama lainnya dan tidak ada autokorelasi baik pada data cross section maupun data time-series. Disebabkan peneliti ingin mendapatkan gambaran yang lebih spesifik dari hasil penelitian ini, peneliti mengabaikan penggunaan metode PLS. Sementara itu dalam memilih metode yang lebih baik diantara metode Universitas Sumatera Utara FEM dan REM, peneliti menggunakan asumsi-asumsi metode yang terbaik berdasarkan jenis data. Asumsi-asumsi tersebut antara lain: a. Jika diasumsikan residu atau error tidak berkorelasi dengan variabel bebas dalam penelitian ini liabilities, cash outflow, cash inflow, dan net cashflow maka yang digunakan adalah REM Gujarati 2004:650. Dalam penelitian ini diasumsikan bahwa liabilities, cash outflow, cash inflow, dan net cashflow berkorelasi dengan residu atau error. Hal tersebut disebabkan oleh residu atau error dapat terdiri dari modal bank, sumber dana, dan ukuran bank yang dapat berhubungan dengan liabilities, cash outflow, cash inflow, dan net cashflow. Berdasarkan asumsi ini penggunaan metode FEM dianggap lebih baik. b. Menurut Judge et al. dalam Gujarati 2004 jika data T jumlah data time-series lebih besar dari data N jumlah data cross section maka penggunaan metode FEM lebih baik, alasan ini juga didasari oleh uji komputasi yang menunjukkan dengan kondisi ini FEM lebih baik. Asumsi REM adalah sebaliknya, dimana penggunaannya lebih baik ketika T N. Oleh karena dalam penelitian ini data T 24 bulan dan N 4 bank menunjukkan T N, maka penggunaan metode FEM lebih baik. Berdasarkan asumsi-asumsi di atas, maka penelitian ini menggunakan model regresi Fixed Effects Model. 5. Uji Hipotesis Penelitian a. Uji Koefisien determinasi R 2 Universitas Sumatera Utara Koefisien determinasi R 2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel independen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R 2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi- variabel dependen Imam Gozali, 2005 : 169. b. Uji T Uji T digunakan untuk mengetahui apakah variabel-variabel independen secara parsial berpengaruh nyata atau tidak terhadap variabel dependen. Derajat signifikansi yang digunakan adalah 0,10. Apabila nilai signifikan lebih kecil dari derajat kepercayaan maka kita menerima hipotesis alternatif, yang menyatakan bahwa suatu variabel independen secara parsial mempengaruhi variabel dependen. Menentukan kriteria pengujian : 1 H0 ditolak apabila t hitung t tabel 2 H0 diterima apabila t hitung t tabel Kriteria uji hipotesis juga menggunakan nilai signifikansi sebagai berikut: 1 Jika signifikan 0,10 maka H diterima 2 Jika signifikan 0,10 maka H ditolak Universitas Sumatera Utara c. Uji F Uji F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat Ghozali, 2005 : 84. Kriteria uji hipotesis yang digunakan adalah sebagai berikut : 1 Jika signifikan 0,10 maka H diterima 2 Jika signifikan 0,10 maka H ditolak Atau dengan cara melihat t tabel Duwi Priyatno,2010:67 : 1 Jika F hitung F tabel , maka H ditolak 2 Jika F hitung F tabel , maka H diterima d. Uji Regresi Fixed Effects Model FEM Untuk melihat pengaruh antara variabel bebas dan tidak bebas, maka digunakan analisis regresi Fixed Effect Model. Regresi berikut mengkombinasikan antara model dasar LCR yang menggunakan rentang waktu arus kas masuk satu bulan dan arus kas keluar satu bulan dengan rentang waktu lebih panjang menggunakan arus kas bersih De Han dan Van Den End, 2013, yang dituliskan sebagai berikut: Keterangan : Universitas Sumatera Utara Keterangan: = Aset Likuid Perbankan = Liabilitas Perbankan = Arus Kas Masuk Periode Satu Bulan = Arus Kas Keluar Periode Satu Bulan = Arus Kas Bersih Kurang dari Tiga Bulan = Arus Kas Bersih Kurang dari Enam Bulan = Arus Kas Bersih Kurang dari Dua Belas Bulan = Arus Kas Bersih Lebih dari Setahun = Konstanta b = Koefisien = Residu i = Individu bank cross section t = Waktu time series Universitas Sumatera Utara

BAB IV HASIL DAN PEMBAHASAN

4.1 Hasil Penelitian

4.1.1 Hasil Statistik Deskriptif

Pada gambar 4.1 berikut menggambarkan tren antara aset likuid dan liabilitas pada kelima bank terbesar di Indonesia. Berdasarkan grafik di bawah terlihat bahwa terdapat hubungan yang searah antara likuiditas aset dan liabilitas. Hal ini menunjukkan bahwa ketika liabilitas meningkat, maka cenderung diikuti oleh peningkatan aset likuid yang dimiliki oleh bank. Sumber : Hasil Olahan Data Excel Gambar 4.1 Tren Aset Likuid dan Liabilitas Komposisi yang menyusun aset likuid didominasi oleh surat-surat berharga, penempatan dana pada Bank Indonesia atau bank lain, dan yang paling Universitas Sumatera Utara