fungsional antara variabel bebas dengan variabel terikat hanya saja dalam menganalisis model terdapat variabel dammy digunakan untuk variabel bebas.
Analisis regresi dengan variabel dummy ini digunakan untuk mengetahui pengaruh penerbitan sukuk, ROE dan ROA terhadap CAR Bank Muamalat
Indonesia periode tahun 2010-2014. Model persamaan regresi dengan variabel dummy sebagai berikut:
Y = α + β
1
D
1
+ β
2
X
2
+ β
3
X
3
+ ε
i
Dimana: Y
= Capital Adequacy Ratio CAR α
= Bilangan Konstanta β
1
– β
3
= Koefisien Regresi dari masing-masing variabel independen D
1
= Penerbitan Sukuk X
2
= Return on Asset ROE X
3
= Return on Equity ROA ε
= Variabel Residual
2. Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk menguji apakah model regresi benar-benar menunjukkan hubungan yang signifikan dan refresentatif. Ada
empat pengujian dalam uji asumsi klasik, yaitu:
1. Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya memiliki
distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Uji normalitas dalam
penelitian ini dilakukan dengan cara analisis grafik. Normalitas dapat dideteksi dengan melihat penyebaran data pada sum u diagonal dari
grafik pada normal P- Plot of Regression Standardized atau dengan melihat histogram dari residualnya, dimana:
a. Jika data menyebar di sekitar garis diagonal dan mengikuti garis
diagonal atu grafik histogramnya menunjukkan pola distribusi normal regresi memnuhi asumsi normalitas.
b. Jika data menyebar jauh dari garis diagonal dan atau tidak
mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak
memenuhi asumsi normalitas. Untuk melihat keakuratan normalitas data perlu dilengkapi
dengan uji statistik. Dalam penelitian ini uji statistik untuk menguji normalitas dengan menggunakan Kolmogorov-Smirnov, kriteria
pengujian normalitas data dengan melihat nilai signifikan data. Dengan tingkat signifikansi 5, data dikatakan normal jika angka
signifikansi 0.05.
2. Uji multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi yang tingga antar variabel
bebas. Model regresi yang baik menunjukkan tidak adanya korelasi antar variabel bebas. Jika variabel bebas saling berkorelasi, maka
terdapat masalah multikolinearitas pada model regresi tersebut. Untuk mendeteksi ada atau tidaknya multikolinearitas yang
tinggi antar variabel bebas apat dideteksi dengan cara melihat nilai tolerance dan variance inflation faktor VIF. Kedua ukuran ini
menunjukkan setiap variabel independen manakan yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas
variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Dalam penelitian ini untuk menunjukkan tidak
adanya masalah multikolinearitas adalah nilai tolerance di atas 0,10 atau sama dengan variance inflation faktor VIF di bawah 10.
3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam satu model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t engan kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka terdapat masalah autokorelasi. Pengujian ini dilakukan
dengan menggunakan uji Durbin-Watson DW-test. Uji ini digunakan untuk autokorelasi tingkat satu dan mensyaratkan asanya konstansta
dalam model regresi dan tidak ada variabel lag diantara variabel independen.
Pengambilan keputusan ada tidaknya autokorelasi dalam uji Durbin-Watson test adalah sebagai berikut:
a. Bila nilai terletak antara batas atas atau du dan 4-du, maka
koefisien korelasi sama dengan nol, berarti tidak ada autokorelasi. b.
Bila nilai DW lebih rendah daripada batas bawah dl, maka koefisien autokorelasi lebi besar daripada nol, berrti ada
autokorelasi positif. c.
Bila nilai DW lebih besar daripada 4-dl, maka koefisien autokorelasi lebih kecil daripada nol, berarti ada autokorelasi
negative. d.
Bila nilai DW terletak diantara batas atas du dan batas bawah dl atau DW terletak antara 4-du dan 4-dl maka hasilnya tidak
dapat disimpulkan.
4. Uji Heteroskedastisitas
Uji heteroskedastisitas ditjukan untuk menguji apakah dalam model regresi terjadi kesamaan variance dan residual satu
pengamatan ke pengmatan lain. Model regresi yang baik adalah homokedastisitas atau tidak terjadi heteroskedastisitas. Cara untuk
mendeteksi ada atau tidaknya heterskodastisitas dapat diketahui dengan melihat ada tidaknya pola tertentu pada grafit scatterplot
antara nilai prediksi variabel terikat ZEPRED dengan residualnya SRESID. Dasar analisis dari uji heterkodastisitas melalui grafik plot
adalah sebagai berikut: a.
Jika membentuk pola tertentu seperti titik-titik membentu pola tertentu yan tertentu gelombang, melebar kemudian menyempit,
maka terindikasi telah terjadi heteroskedastisitas. b.
Jika tidak terjadi pola yang jelas, artinya titi-titik menyebar rata di bawah angka 0 pada sumbu Y secara acak, maka tidak terjadi
heterokedastisitas.
3. Pengujian Hipotesis
Pengujian terhadap hipotesis dilakukan dengan cara uji signifikansi pengaruh nyata variabel independen terhadap variabel
dependen baik secara parsial, dilakukan dengan menggunakan uji statistik t t-test, dan untk melihat kelayakan model dilakukan dengan
uji statistik F F- test, pada level 5 α = 0.05.
1. Uji Simultan uji statistik F
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai
pengaruh secara bersama-samasimultan terhadap variabel dependen. Uji ini digunakan untuk meguji kelayakan model goodness of fit.
Tingkat signifikansi yang digunakan sebesar 5 dengan derajat
kebebasan df = n-k-1, dimana n = jumlah observasi dan k = jumlah variabel bebas. Adapun kriteria uji sebagai berikut:
Jika f hitung f tabel maka H ditolak
Jika f hitng f tabel maka H
a
diterima. Sedangkan hipotesisnya adalah
H = B1, B2, B3 = 0, artinya tidak terdapat pengaruh yang
signifikan dari variabel independen terhadap variabel dependen H
1
= B1, B2, B3 ≠ 0, artinya terdapat pengaru secara bersama- sama antara variabel independen terhadap variabel dependen.
Untuk menguji dominasi variabel independen terhadap variabel dependen dilakukan dengan melihat pada koefisien beta. Pengambilan
keputusan uji hipotesis secara simultan juga didasarkan pada nilai probabilitas yang didapatkan dari hasil pengolahan data melalui
program SPSS statistik parametric sebagai berikut: Jika signifikansi 0,05 maka H
diterima. Jika signifikansi 0,05 maka H
ditolak. Jika tingkat signifikansi lebih kecil dari 0,05 atau 5 maka
hipotesis yang diajukan diterima atau dikatakan signifikan H
1
diterima dan H
ditolak, artinya secara simultan variabel bebas berpengaruh signifikan terhadap variabel dependen.
Jika tingkat signifikansi lebih besar dari 0,05 atau 5 maka hipotesis yang diajukan ditolak atau dikatakan tidak signifikan, artinya
secara simultan variabel bebas tidak berpengaruh signifikansi terhadap variabel dependen.
2. Uji Parsial Uji Statistik t
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen terhadap variabel dependen dengan
menganggap variabel independen lainnya konstan. Untuk mengetahui nilai t statistik tabel ditentukan tingkat signifikansi 5 dengan derajat
kebebasan yaitu df = n-k-1, dimana n = jumlah observasi dan k = jumlah variabel. Adapu hipotesisnya yaitu:
H = B
1,
B
2
, B
3
= 0, artinya tidak terdapat pengaruh yang signifikan dari variabel independen terhadap variabel dependen.
H
1
= B
1
, B
2
, B
3
≠ 0, artinya terdapat pengaruh secara signifikan antara variabel dependen terhadap variabel independen.
Untuk melihat apah Ho ditolak atau H
1
diterima dengan melihat pada tabel coefficients kolom sig atau significance. Jika
tingkat signifikansi lebih kecil dari 0,05 atau 5 maka hipotesis yang diajukan diterima, artinya secara parsial variabel independen
berpanguh terhadap variabel depeden. Sedangkan jika tingkat signifikansi lebih besar dari 0,05 atau 5 maka hipotesis ditolak,
artinya secara parsial variabel dependen tidak berpengaruh terhadap variabel dependen.
3. Koefisien Determinasi
Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Nilai koefisien determinasi adalah nol dan satu. Nilai R
2
yang kecil berarti kemampuan varibel-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. Untuk melihat koefisien determinasi yaitu dengan
melihat Adjusted R Square pada tabel Model Summary, artinya semakin tinggi nilainya maka semakin tinggi pula variabel
independen menjelaskan variabel dependen.
64
BAB IV HASIL DAN PEMBAHASAN
A. Analisis Statistik Deskriptif
Variabel penelitian yang digunakan dalam penelitian ini adalah sebanyak 4 empat variabel, satu variabel dependen dan tiga variabel
independen. Variabel dependen dalam penelitian ini adalah Capital Adequacy Ratio CAR, sedangkan variabel independen dalam penelitian ini adalah
penerbitan sukuk, Return on Asset ROA, Return on Equity ROE. Tabel berikut menunjukkan statistik deskriptif dari keempat variabel tersebut.
Tabel 4.1 Descriptive Statistics
N Minimum Maximum
Sum Mean
Std. Deviation
SUKUK 20
.00 1.00
11.00 .5500
.51042 ROA
20 .10
2.72 26.52
1.3260 .59333
ROE 20
1.56 42.32
441.43 22.0715 11.56916
CAR 20
10.03 17.61
265.21 13.2605 2.06911
Valid N listwise
20 Sumber : Hasil Pengolahan SPSS
Dari data 4.1 di atas maka data-data tersebut dideskriptifkan sebagai berikut: 1.
Jumlah seluruh observasi pengamatan penenlitian adalah 20 observasi pengamatan, dengan 4 empat variabel independen dan 1 satu variabel
dependen.
2. Variabel independen pertama adalah data penerbitan sukuk, variabel ini
juga merupakan variabel numerika yang menggunakan variabel dummy, dimana perioode setelah menerbitkan sukuk diberi nilai satu 1 sebagai
nilai maksimum dan periode sebelum menerbitkan sukuk diberi nilai nol 0 sebagai nilai minimum. Sehingga dengan jelas dapat diketahui bahwa
range antara data adalah sebesar satu 1, dengan nilai rata-rata mean sebesar 0,55 dan standar deviasi sebesar 0,51. Menunjukan tidak
adanya perbedaan yang signifikan antara nilai rata-rata dengan nilai standar deviasi.
3. Variabel independen kedua adalah Return on Asset ROA , yaitu
memiliki nilai minimum sebesar 0,10 yang dimiliki oleh PT Bank Muamalat Indonesia dan nilai maksimum sebesar 2,72 yang dimiliki
oleh PT Bank Muamalat Indonesia. Sementara itu nilai penyimpangan rata-rata sebesar 0,593. Dilihat dari nilai rata-rata sebesar Return on
Asset ROA pada Bank Muamalat Indonesia adalah 1.32 dapat disimpulkan bahwa Bank Muamalat Indonesia memiliki tingkat
pengembalian asset yang baik. Dimana rata-rata CAR menunjukkan 1,32 artinya Bank Muamlaat Indonesia tidak termasuk dalam kategori
sehat, dimana tidak memenuhi peraturan BI untuk nilai minimal ROA sebesar 1,5. Sedangkan standar deviasi ROA sebesar 0,59 menunjukkan
simpangan data yang nilainya lebih kecil daripada meannya sebesar 1.32 menunjukkan data variabel ROA yang baik.
