3.5. Metode Analisis Data
Analisis data yang digunakan dalam penelitian ini menggunakan dua metode yaitu analisis deskriptif dan regresi linier berganda Multiple
Regression. 3.5.1Variabel Penelitian
Dalam penelitian ini, variabel independen yang digunakan adalah rasio-rasio keuangan dan variabel dependen dalam
penelitian ini adalah laba perusahaan. Variabel dapenden adalah variabel yang dipengaruhi oleh
variabel independen. Variabel dependen dalam penelitian ini adalah perubahan laba perusahaan perbankan yang dihitung dengan
rumus berikut : ∆� =
� − �
−1
�
−1
................................................................................... 1
Dimana : ∆� = perubahan laba tahun ke- n
Y = laba sebelum pajak
n = tahun ke- n
Zainuddin dan Hartono 1999
Laba yang digunakan dalam penelitian ini adalah laba sebelum pajak, tidak termasuk item extraordinary dan discountinued
operation. Menurut Zainuddin dan Hartono dalam Andriyani 2008, penggunaan laba sebelum pajak sebagai indikator perubahan laba
dimaksudkan untuk menghindari pengaruh penggunaan tarif pajak yang berbeda antar periode yang dianalisis. Item extraordinary dan
discontinued operation dikeluarkan dari laba sebelum pajak dengan alasan untuk menghilangkan elemen yang mungkin meningkatkan
perubahan laba yang tidak akan timbul dalam periode yang lain. Variabel independen adalah variabel yang diduga secara
bebas berpengaruh terhadap variabel dependen. Variabel independen dalam penelitian ini adalah rasio keuangan. Rasio keuangan yang
digunakan adalah rasio CAMELS Capital, Assets, Management, Earning, Liquidity, dan Sensitivity of market risk. Dari enam aspek
diatas hanya empat aspek yang digunakan dalam penelitian ini, yaitu Capital, Assets, Earning, dan Liquidity. Secara garis besar variabel
yang digunakan dalam penelitian ini, dapat dilihat pada tabel 5.
Tabel 5.Variabel penelitian dan pengukuran
No. Variabel
Pengukuran CAPITAL
1 KPMM
� ,
,
ASSET
2 NPL gross
� EARNING
3 ROA
� −
4 ROE
� −
5 NIM
� �
−
6 Beban Operasional terhadap
Pendapatan Operasional
� �
LIQUIDITY
7 Loan to Deposit Ratio
�
3.5.2 Analisis Deskriptif Analisis deskriptif merupakan analisis yang berguna untuk
menggambarkan besar kecilnya tingkat variabel independen dan dependen dalam suatu penelitian. Statistik deskriptif yang
digunakan antara lain rata-rata mean, maksimum, minimum dan standar deviasi. Deskripsi variabel penelitian dalam penelitian ini
mengenai analisis rasio keuangan dan perubahan laba. 3.5.3 Uji Normalitas
Pengujian normalitas adalah pengujian tentang kenormalan distribusi data. Data yang terdistribusi secara normal berarti data
akan mengikuti bentuk distribusi normal. Distribusi normal data dengan bentuk distribusi normal dimana data memusat pada nilai
rata-rata dan median Santosa dan Ashari 2005. Dalam Santosa dan Ashari 2005, disebutkan bahwa untuk
mengetahui bentuk distribusi data dapat menggunakan grafik distribusi dan analisis statistik. Dalam penelitian ini menggunakan
kedua cara tersebut. Analisis statistik merupakan cara yang dianggap lebih valid dengan menggunakan keruncingan kurva
untuk mengetahui bentuk distribusi data. Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik
non-parametrik Kolmogorov-Smirnov
K-S. Jika
hasil Kolmogorov-Smirnov menunjukkan nilai signifikan diatas 0,05
maka data residual terdistribusi dengan normal. Sedangkan jika hasil Kolmogorov-Smirnov menunjukkan nilai signifikan dibawah
0,05 maka data residual terdistribusi tidak normal Ghozali 2006. Sedangkan grafik distribusi merupakan cara sederhana yang
dapat mendukung analisis statistik. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data titik pada sumbu
diagonal dari grafik atau dengan melihat histogram dari residualnya. Bentuk data yang terdistribusi secara normal akan
mengikuti pola distribusi normal dimana grafiknya mengikuti garis
diagonal .Jika data telah terdistribusi secara normal maka model regresi memenuhi asumsi normalitas.
3.5.4 Uji Asumsi Klasik Penelitian ini menggunakan pengujian regresi linier
berganda. Regresi linier berganda dapat dilakukan setelah model dari penelitian ini memenuhi syarat-syarat yaitu lolos dari uji
asumsi klasik. Menurut Algifari 2000, apabila dalam suatu model telah memenuhi asumsi klasik, maka dapat dikatakan model
tersebut sebagai model ideal atau menghasilkan estimator linier tidak bias yang terbaik. Syarat- syarat yang harus dipenuhi tersebut
antara lain data harus terdistribusi secara normal, tidak mengandung
multikolonieritas, autokorelasi
dan heteroskedastisitas.
1. Uji Multikolinieritas Salah satu uji asumsi klasik adalah tidak terjadi
multikolinieritas diantara varibel-variabel bebas yang berada dalam satu model. Artinya antar variabel independen yang
terdapat dalam model memiliki hubungan yang sempurna. Apabila ini terjadi antara variabel bebas itu sendiri saling
berkorelasi, sehingga dalam hal ini sulit diketahui variabel bebas mana yang mempengaruhi variabel terikat. Salah satu
cara mendeteksi kolinieritas dilakukan dengan melihat nilai tolerance dan lawannya variance inflation factor VIF, jika
nilai tolerance lebih dari 0.10 dan nilai VIF kurang dari 10 maka disimpulkan tidak ada multikolinieritas antar variabel
bebas dalam regresi. 2. Uji Heteroskedastisitas
Ghozali 2004, uji heteroskedastisitas bertujuan untuk menguji apakah dalam regresi terjadi ketidaksamaan varian
dari residual satu pengamatan ke pengamatan lainnya. Cara untuk mendeteksi adanya heteroskedastisitas dapat dilihat
sebaran titik pada grafik scatterplot. Ghozali 2004, dari
grafik scatterplot jika terlihat titik-titik menyebar secara acak baik diatas maupun dibawah angka 0 pada sumbu Y, maka
disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
3. Uji Autokorelasi Menurut Algifari 2000, uji autokorelasi digunakan
untuk mengetahui apakahterjadi korelasi antar anggota serangkaian observasi yang diurutkan, menurut waktu data
time series atau ruang data cross section. Pengujian autokorelasi digunakan untuk mengetahui apakah terjadi
korelasi antara kesalahan penganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Konsekuensi dari
adanya autokorelasi dalam suatu model regresi adalah varians sampel tidak dapat menggambarkan varians populasinya. Salah
satu cara untuk mengetahui ada tidaknya autokorelasi pada model regresi adalah dengan melakukan Uji DurbinWatson
Dw. Gujarati 1997, pengambilan keputusan ada tidaknya autokorelasi dengan menggunakan tabel statistik Durbin
Watson dengan kategori sebagai berikut: 1. Bila nilai Dw terletak antara batas atas atau Upper Buond
du dan 4-du, maka koefisien korelasi sama dengan nol, berarti tidak ada autokorelasi.
2. Bila nilai Dw lebih rendah daripada batas bawah atau Lower Bound sebesar dl, maka koefisien autokorelasi
lebih besar daripada nol, berarti ada masalah autokorelasi positif.
3. Bila nilai Dw lebih besar daripada 4-dl, maka koefisien autokorelasi
lebihkecil daripada
nol, berarti
ada autokorelasi negatif.
4. Bila nilai Dw terletak antara batas atas du dan batas bawah dl atau Dw terletak antara 4-du dan 4-dl, maka
hasilnya tidak dapat disimpulkan.
3.6.Pengujian Hipotesis
Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of Fitnya. Secara statistik, hal tersebut dapat diukur
dengan nilai statistic dan koefisien determinasi. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam
daerahkritis daerah dimana Ho ditolak. Sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah dimana Ho diterima Ghozali
2006. 1. Uji Signifikansi Parameter Individual Uji Statistik t
Tujuan pengujian ini adalah untuk mengetahui apakah masing- masing variabel independen mempengaruhi variabel dependen secara
signifikan. Untuk pengujian secara parsial ini digunakan uji-t. Cara melakukan uji t adalah dengan Quick Look yaitu bila jumlah degree of
freedom df adalah 20 atau lebih dan derajat kepercayaan sebesar 5 persen, maka Ho yang menyatakan bi=0 dapat ditolak bila nilai t lebih
besar dari 2 dalam nilai absolute. Dengan kata lain, kita menerima hipotesis alternatif, yang menyatakan bahwa suatu variabel independen
secara individual mempengaruhi variabel dependen Ghozali 2006. 2. Koefisien Determinasi
Tujuan pengujian ini adalah untuk menguji tingkat keeratan atau keterikatan antarvariabel dependen dan variabel independen yang bisa
dilihat dari besarnya nilai koefisien determinan determinasi adjusted R- square.Nilai koefisien determinasi adalah antara nol dan satu Ghozali
2006. Nilai R
2
yang kecilberarti 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 Ghozali 2006. Secara umum, koefisien determinasi untuk data runtun waktu time series biasanya
mempunyai nilai koefisien determinasi yang tinggi.
3.7. Hipotesis
Kategori