Sedangkan untuk nilai determinasi dapat dilihat pada nilai R-Sq 99,1, yang berarti 99,1 variasi contoh jumlah laba dijelaskan oleh faktor suku
bunga DPK dan sisanya dijelaskan oleh faktor lainnya. Berdasarkan grafik probabilitas normal residual pada Lampiran 3,
terlihat bahwa residual yang terbentuk hampir mendekati garis lurus, sehingga mengikuti distribusi normal. Ada beberapa informasi yang dapat
diperoleh, diantaranya rataan dan simpangan baku regresi masing-masing 4,926430 x
13
10
−
dan 1.554 dengan 12 pengamatan. Nilai statistik Kolmogorov-Smirnov 0,107 dan P- value lebih besar dari 0,15, maka
residual regresi linear telah mengikuti distribusi normal.
4.6. Pengaruh Faktor-faktor Penentu Suku Bunga terhadap Laba
Pengaruh laba terhadap faktor-faktor penentu suku bunga diuji dengan analisis regresi berganda dengan menggunakan MINITAB 14,
Hasil perhitungan analisis regresi berganda dapat dilihat pada Tabel 12.
Tabel 12. Pengaruh laba terhadap faktor-faktor penentu suku bunga dalam juta rupiah
Laba COLF
OHC Risk
factor Spread
RESI1 FITS1
3.704,77 0,53 0,22 1,74 0,52 1.429,55
2.275,3 6.734,03
0,97 0,49 1,82 1,13 -22,54 6.756,6
11.495,70 1,50 0,71 1,72 1,68 -836,95
12.332,6 16.265,37
1,88 0,94 1,64 2,28 -478,96 16.744,3
21.870,47 2,40 1,13 1,44 2,67 -396,43
22.266,9 24.751,46
2,82 1,33 1,54 3,12 -1.458,48 26.209,9
29.482,62 3,16 1,51 1,66 3,55
77,97 29.404,7
35.212,89 3,55 1,66 1,50 3,89 1.558,65
33.654,2 39.073,33
4,06 1,90 1,41 4,02 611,74 38.461,6
42.513,54 4,71 2,06 1,52 4,30 -1.166,18
43.903,7 49.007,56
5,25 2,19 1,45 4,63 -30,45 49.038,0
52.267,45 5,44 2,43 1,52 5,26 712,08
51.555,4 Persamaan analisis regresi berganda laba terhadap faktor-faktor penentu
suku bunga kredit : Y = 2174 + 7935 X
1
+ 1279 X
2
2951 X
3
+ 1443 X
4
Dimana : Y = laba
X
1
= COLF X
2
= OHC
X
3
= Risk factor X
4
= Spread Berdasarkan data yang dapat dilihat pada Lampiran 4, diperoleh
hasil analisis yang menunjukan bahwa nilai COLF, OHC dan spread memiliki nilai Variation Inflation Faktor VIF 10. Hal ini berarti
terapat korelasi kuat antar peubah independen, karena ada ketidaksesuaian model. Nilai VIF ini mengukur seberapa besar ragam dari dugaan
koefisien regresi meningkat, apabila antar peubah penjelas terdapat masalah multikolinear. Untuk mengatasi masalah multikolinearitas,
diperlukan metode regresi khusus seperti stepwise regression, forward selection dan backward selection.
Hasil analisis regresi berganda menunjukan bahwa masing-masing faktor penentu suku bunga berpengaruh tidak nyata terhadap laba bersih.
Hal ini dapat dilihat pada Lampiran 4 yang ditunjukan oleh nilai P- value dari masing-masing peubah independen yang memiliki nilai lebih besar
dari = 0,05, sehingga disimpulkan bahwa parameter tersebut berpengaruh tidak nyata apabila semua peubah COLF, Overhead Cost,
Risk Factor, dan Spread digunakan secara bersama-sama untuk mengukur pengaruhnya terhadap laba. Oleh karena itu, dalam menentukan faktor
penentu suku bunga yang mempunyai pengaruh secara nyata terhadap laba, digunakan stepwise regression pada program MINITAB 14 untuk
melakukan pemilihan parameter faktor-faktor suku bunga yang efektif. Stepwise regression merupakan salah satu perintah yang terdapat
pada MINITAB 14 yang digunakan dalam tahapan eksplorasi untuk pembentukan model guna mengidentifikasi predictor-independent yang
paling penting. Proses tersebut secara sistematis memasukan peubah yang paling nyata atau menghilangkan peubah yang paling tidak nyata dalam
setiap tahapnya. Hasil perhitungan secara lengkap dapat dilihat pada Lampiran 5.
Peubah yang
dipakai pada
regresi stepwise adalah COLF, overhead cost, risk factor dan spread. Berdasarkan hasil analisis yang diperoleh,
peubah yang memiliki pengaruh terbesar terhadap laba yang dihasilkan adalah variabel COLF, ditunjukan dari nilai P- value yang lebih kecil dari
=0,05. Setelah diperoleh faktor yang berpengaruh besar, selanjutnya analisis dilakukan terhadap seberapa besar pengaruh yang dihasilkan.
Hasil analisis regresi yang diperoleh secara lengkap dapat dilihat pada Lampiran 6.
Persamaan analisis regresi sederhana laba terhadap COLF : Y = -2303 + 9932 X
Dimana : Y = laba
X = COLF Berdasarkan hasil analisis regresi diperoleh persamaan model
regresi Laba = - 2303 + 9932 COLF. Nilai intersep -2.303, menunjukan nilai dugaan laba dalam satu tahun pada saat COLF sama dengan nol,
yaitu Rp. -2.303 juta dan nilai 9932 disebut koefisien regresi COLF yang bermakna jika peubah COLF dinaikan 1, sehingga laba naik Rp. 9.932
juta. Nilai koefisien regresi COLF positif menunjukan bahwa adanya peningkatan suku bunga kredit mengakibatkan peningkatan laba.
Hasil analisis regresi sederhana menunjukan bahwa COLF berdasarkan uji memiliki pengaruh nyata terhadap laba, Lampiran 6
dimana P- value memiliki nilai lebih kecil dari = 0,05 nilai 0,000. Untuk nilai determinasi dapat dilihat nilai R-Sq 99,5, menunjukan
bahwa 99,5 variasi contoh jumlah laba dijelaskan oleh faktor COLF dan sisanya dijelaskan oleh fakor lainnya.
Berdasarkan grafik probabilitas normal residual pada Lampiran 6, terlihat residual yang terbentuk hampir mendekati garis lurus, sehingga
mengikuti distribusi normal. Beberapa informasi yang diperoleh adalah rataan dan simpangan baku regresi masing-masing 1,81899 x
12
10
−
dan 1.109 dengan 12 pengamatan. Nilai statistik Kolmogorov-Smirnov adalah
0,122 dan P- value lebih besar dari 0,15., maka residual regresi linear telah mengikuti distribusi normal.
4.7. Pengaruh Suku Bunga Kredit, Suku Bunga DPK dan
