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