29 NPL adalah rasio yang menunjukkan kemampuan manajemen bank dalam
mengelola kredit bermasalah yang diberikan oleh bank. NPL dihitung dengan menggunakan rumus :
��� = ����� ������ ���� ���������
����� ���� ��ℎ�� ������ + ����� � 100
c. Operational Efficiency Ratio OER
OER atau disebut juga dengan BOPO adalah perbandingan antara beban operasional dengan pendapatan operasional. Beban operasional dihitung
berdasarkan penjumlahan dari total beban bunga dan total beban operasional lainnya. Pendapatan operasional adalah penjumlahan dari total
pendapatan bunga dan total pendapatan operasional lainnya. Rasio ini digunakan untuk mengukur tingkat efisiensi bank dalam melakukan
kegiatan operasinya. OER dihitung dengan menggunakan rumus : ��� =
����� ����������� ���������� �����������
× 100
d. Loan to deposit ratio LDR
LDR adalah rasio antara jumlah seluruh kredit yang diberikan bank dengan total dana pihak ketiga bank. Rasio ini akan menunjukkan tingkat
kemampuan bank dalam menyalurkan dana pihak ketiga yang dihimpun oleh bank yang bersangkutan. LDR dihitung dengan menggunakan rumus :
��� = ����� ������ ���� ���������
����� ���� ��ℎ�� ������ + ����� � 100
Universitas Sumatera Utara
30
3.5 Skala Pengukuran Variabel
Ringkasan skala pengukuran variabel dari penelitian ini dapat dilihat pada tabel 3.2 berikut ini:
Tabel 3.2 Skala Pengukuran Variabel
No. Variabel
Dependen Y Pengukuran Variabel
Skala
1 Pertumbuhan
Laba �
�
− �
�−1
�
�−1
Rasio
Lanjutan
No. Variabel
Independen X Pengukuran
Skala
1 CAR
����� ���� ������ ���������� ������� ������
× 100 Rasio
2 NPL
Kredit Bermasalah Total Kredit
X 100 Rasio
3 BOPO
Biaya Operasional Pendapatan Operasional
X 100 Rasio
4 LDR
Total Kredit yang diberikan Total dana pihak ketiga + modal
X 100 Rasio
3.6 Teknik Analisis Data
Universitas Sumatera Utara
31 Teknik analisis data yang digunakan adalah Statistic desktiptif –
komparatif, yaitu suatu teknik analisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya dari nilai
variabel mandiri, baik satu variabel atau lebih kemudian membuat perbandingan atau menghubungkan antara variabel satu dan yang lainnya dilanjutkan dengan
membuat kesimpulan yang berlaku untuk umum atau generalisasi Sugiyono, 2008. Analisis deskriptif dilakukan antara lain dengan menggunakan alat analisis.
Adapun alat analisis yang digunakan adalah analisis regresi berganda dengan melakukan uji asumsi klasik terlebih dahulu.
3.6.1 Uji Asumsi Klasik
Sebelum data dianalisis dengan model regresi linear berganda yang akan digunakan pada penelitian ini harus memenuhi syarat asumsi klasik yang meliputi:
a. Uji Normalitas
Bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas, keduanya mempunyai distribusi normal atau tidak. Model
regresi yang baik adalah distribusi data normal atau mendekati normal. Uji ini dilakukan dengan cara melihat penyebaran data titik pada sumbu
diagonal atau grafik. Apabila data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi
normalitas. Apabila data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi
normalitas Ghozali, 2005:163. Pengujian normalitas ini dapat dilakukan melalui analisis grafik dan analisis statistik.
Universitas Sumatera Utara
32 1. Analisis Grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data
observasi dengan distribusi yang mendekati normal. Namun demikian, hanya dengan melihat histogram, hal ini dapat
membingungkan, khususnya untuk jumlah sampel yang kecil. Metode lain yang dapat digunakan adalah dengan melihat normal
probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Dasar pengambilan keputusan dari analisis
normal probability plot adalah sebagai berikut : a Jika data menyebar di sekitar garis diagonal dan mengiikuti
arah garis diagonal menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
b Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal tidak menunjukkan pola
distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
2. Analisis Statistik Untuk mendeteksi normalitas data dapat dilakukan pula melalui
analisis statistik yang salah satunya dapat dilihat melalui Kolmogorov-Smirnov test K-S. Uji K-S dilakukan dengan
membuat hipotesis: Ho : data terdistribusi secara normal sig. 0,05
Universitas Sumatera Utara
33 Ha : data tidak terdistribusi normal sig. 0,05
Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut :
a Apabila probabilitas nilai Z uji K-S signifikan secara statistik, maka Ho ditolak, yang berarti data terdistribusi
tidak normal. b Apabila probabilitas nila Z uji K-S tidak signifikan secara
statistik, maka Ho diterima, yang berarti data terdistribusi normal.
b.
Uji Multikolinearitas
Menurut Ghozali 2005:105 uji ini bertujuan menguji apakah pada model regresi ditemukan adanya korelasi antar variabel independen. Pada model
regresi yang baik seharusnya antar variabel independen tidak terjadi kolerasi. Untuk mendeteksi ada tidaknya multikoliniearitas dalam model
regresi dapat dilihat dari tolerance value atau variance inflation factor VIF. Sebagai dasar acuannya dapat disimpulkan:
1. Jika nilai tolerance 0,10 dan nilai VIF 10, maka dapat disimpulkan bahwa tidak ada multikolinearitas antar variabel
independen dalam model regresi. 2. Jika nilai tolerance 0,10 dan nilai VIF 10, maka dapat
disimpulkan bahwa ada multikolinearitas antar variabel independen dalam model regresi.
Universitas Sumatera Utara
34
c. Uji Heteroskedastisitas
