ROA
Gambar 1. Kerangka pemikiran penelitian
3.2. Pengumpulan Data
Data yang digunakan berupa data sekunder yang dipublikasikan oleh Bank Mutiara dan literatur-literatur terkait dengan Bank Mutiara. Data
sekunder tersebut berupa hasil perhitungan rasio keuangan Bank Mutiara dari laporan keuangan triwulan triwulan I tahun 2006 sampai triwulan III tahun
2011. Data penelitian disajikan dalam bentuk time series antar waktu.
3.3. Pengolahan dan Analisis Data
Metode analisa data yang digunakan pada penelitian ini adalah analisis regresi komponen utama. Metode regresi merupakan analisis metode
statistika inferensia yang berkaitan dengan analisis data untuk peramalan dan atau penarikan kesimpulan serta memberikan dasar terhadap analisis ragam.
Sedangkan, analisis regresi komponen utama pada dasarnya mentransformasi peubah-peubah baru yang orthogonal dan tidak berkorelasi. Namun, sebelum
dilakukan analisis regresi komponen utama, dilakukan uji asumsi klasik dan pengujian hipotesis. Sedangkan, untuk melihat kecenderungan penurunan,
atau peningkatan masing-masing rasio, digunakan analisis trend. Data yang digunakan dalam menunjang penelitian ini adalah data time series CAR,
CAR
NIM NPL
LDR BOPO
NPL, BOPO, NIM, ROA dan LDR triwulan. Pengolahan data menggunakan software Minitab 14.
3.3.1 Analisis Trend
Analisis trend dihitung dengan menentukan tahun dasar sebagai pembanding, kemudian dicari angka indeksnya. Rumus untuk mencari
Angka Indeks Kasmir, 2008 adalah : Angka Indeks = Tahun Pembanding x 100..............................8
Tahun Dasar Pengolahan analisis trend menggunakan software Minitab 14.
Pemilihan model pada analisis trend Linear, Quadratic, Exponential Growth dan S-Curve didasarkan pada nilai error MSD, MAD dan
MAPE terkecil. Semakin kecil nilai pada MSD, MAD dan MAPE, memperlihatkan tingkat error yang semakin rendah Santoso, 2009.
3.3.2 Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian asumsi klasik terhadap data penelitian yang
meliputi pengujian normalitas data, multikolinieritas, heteroskedasitisitas dan autokorelasi.
a. Pengujian Normalitas Data
Pengujian normalitas data dilakukan untuk menguji apakah dalam model regresi, peubah bebas dan terikat mempunyai
distribusi normal, atau tidak. Jika terjadi penyimpangan terhadap asumsi distribusi normalitas, maka masih tetap menghasilkan
penduga koefisien regresi linear, tidak berbias dan terbaik. Penyimpangan asumsi normalitas ini akan semakin kecil
pengaruhnya, apabila jumlah contoh diperbesar. Salah satu penyelesaiannya adalah dengan cara mengubah bentuk nilai peubah
yang semula yang nilainya absolut ditransformasikan menjadi bentuk lain kuadratik, respirokal, dan lain sebagainya, sehingga distribusi
menjadi normal.
Pengujian normalitas ini akan dilakukan dengan uji statistik non parametrik Kolmogorov–Smirnov K–S. Untuk melihat apakah
suatu data mempunyai distribusi normal, maka kriteria pengujiannya adalah :
1 Jika taraf nyata 0,05, maka data berdistribusi normal 2 Jika taraf nyata 0,05, maka data tidak mempunyai distribusi
normal
b. Pengujian Multikolinearitas