Hasil Analisis Data
4.2 Hasil Analisis Data
4.2.1 Analisis Statistik Deskriptif
Analisis deskriptif digunakan untuk memberikan gambaran atau deskripsi atas variabel- variabel penelitian. Pengukuran yang dilakukan dalam penelitian ini adalah mean, standar deviasi, nilai maximum dannilai minimum dari variabel dependen dan independen. Statistika deskriptif memberikan gambaran mengenai data penelitian berupa variabel-variabel penelitian yang meliputi Intellectual capital (iB-VACA-iB-VAHU-iB-STVA), ROA, ROE. Hasil analisis statistik deskriptif dalam penelitian ini dapat dilihat dalam tabel 4.2 sebagai berikut :
Tabel 4.3
Descriptive Statistics
Std. Deviation IB-VACA
16,2046 Valid N (listwise)
44 Sumber: Data Sekunder diolah 2016 Berdasarkan tabel 4.3 dapat dilihat bahwa nilai rata – rata IB-VACA
(Value Added of Capital Employed) adalah sebesar 0,259. Nilai IB – VACA tertinggi adalah Bank Mega Syariah Indonesia ditahun 2012 yaitu 0,92 dan nilai terendah dimiliki oleh Maybank Syariah Indonesia sebesar -0,48. Standar deviasi VACA adalah 0,29. IB – VAHU (Value Added of Human Capital) memiliki nilai (Value Added of Capital Employed) adalah sebesar 0,259. Nilai IB – VACA tertinggi adalah Bank Mega Syariah Indonesia ditahun 2012 yaitu 0,92 dan nilai terendah dimiliki oleh Maybank Syariah Indonesia sebesar -0,48. Standar deviasi VACA adalah 0,29. IB – VAHU (Value Added of Human Capital) memiliki nilai
Nilai rata – rata nilai ROA 0,503. Nilai ROA terendah yaitu -20,13 milik Maybank Syariah Indonesia ditahun 2015 dan nilai ROA tertinggi adalah Bank Mega Syariah sebesar 3,88 ditahun 2012, standar deviasi ROA 3,4. Rata – rata nilai ROE adalah sebesar 7,21, nilai tertinggi ROE sebesar 68,09 milik Bank Syariah Mandiri pada tahun 2012, sedangkan nilai ROE terendah yaitu milik Maybank Syariah Indonesia dengan nilai -32,04 dengan standar deviasi ROE sebesar 16,2.
4,3 Uji Asumsi Klasik
Sebelum melakukan analisis data maka data diuji sesuai asumsi klasik. Untuk mendapatkan model regresi yang baik, model regresi tersebut harus terbebas dari multikolinearitas dan heteroskedastisitas serta data yang dihasilkan berdistribusi normal.
4.3.1 Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah model regresi, variabel dependen dan variabel independen keduanya mempunyai distribusi normal atau Uji normalitas bertujuan untuk menguji apakah model regresi, variabel dependen dan variabel independen keduanya mempunyai distribusi normal atau
Berikut hasil uji Kolmogorov-Smirnov untuk setiap model regresi dapat dilihat pada tabel 4.4
Tabel 4.4
Hasil Pengujian Normalitas
Unstandardized
Keterangan Residual Model 1
Kolmogorov-Smirnov Z
Terdistribusi Normal
Model 2
Terdistribusi Normal Model 3
Terdistribusi Normal Model 4
Terdistribusi Normal Sumber: Data sekunder yang diolah, 2016
Hasil Kolmogorov-Smirnov (K-S) untuk masing – masing variabel dependen dari setiap model menunjukkan bahwa data terdistribusi normal karena nilai signifikansi masing – masing variabel dependen lebih dari α=0,05. Sehingga sampel tersebut memenuhi syarat untuk dilakukan penelitian lebih lanjut, dengan demikian variabel independen tersebut dapat digunakan untuk memprediksi nilai profitabilitas variabel dependen ROA dan ROE.
4.3.2 Uji Multikolinieritas
Pengujian multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Jika variabel independen saling berkorelasi, maka variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol (Ghozali,2011;105). Untuk mengetahui ada tidaknya multikolinieritas didalam model regresi dapat dilihat dari nilai Tolerance dan lawannya V ariance Inflation Faktor (VIF) yang terdapat pada masing – masing variabel seperti terlihat pada tabel 4.5 di bawah ini:
Tabel 4.5
Hasil Pengujian Multikolinearitas
Variabel
Variabel
Model Dependen Independen Collinearity Statistics Tolerance
VIF Model 1 ROA
1,000 Model 2 ROE
VAIC
1,000 Model 3 ROA
1,021 Model 4 ROE
Suatu model regresi dinyatakan bebas dari multikolinieritas jika mempunyai nilai tolerance di atas 0,1 dan nilai VIF di bawah 10, Default SPSS bagi angka tolerance adalah di atas 0,10, artinya bahwa semua variabel yang akan dimasukkan dalam perhitungan model regresi harus mempunyai tolerance di atas 0,10. Apabila ternyata lebih rendah dari 0,10 maka dapat dikatakan terjadi multikolinieritas. Sedangkan pada variable inflation factor (VIF), pada umumnya ditemukan kurang dari 10. Artinya apabila variabel tersebut lebih dari 10 maka mempunyai persoalan multikolinieritas (korelasi yang besar diantara variabel bebas dengan variabel bebas yang lainnya (Ghozali,2011;57).
Berdasarkan tabel koefisien di atas menunjukkan bahwa VAIC,VACA,VAHU dan STVA terhadap ROA dan ROE, nilai toleransi lebih besar dari nilai default yang ditentukan sebesar 0,10. Sedangkan untuk VIF juga menunjukkan di bawah angka 10, sehingga dapat disimpulkan bahwa semua Berdasarkan tabel koefisien di atas menunjukkan bahwa VAIC,VACA,VAHU dan STVA terhadap ROA dan ROE, nilai toleransi lebih besar dari nilai default yang ditentukan sebesar 0,10. Sedangkan untuk VIF juga menunjukkan di bawah angka 10, sehingga dapat disimpulkan bahwa semua
4.3.3 Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda akan disebut heteroskedastisitas. Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas
hasil pengujian heteroskedastisitas yang menggunakan uji Glejser yang dilakukan dengan cara meregresikan variabel bebas dengan nilai absolute dari unstandardized residuals . Hasil dari Uji Glejser adalah sebagai berikut: