Analisis Korelasi Dampak Perubahan Secara Keseluruhan Uji F

Gambar 8. Grafik Perkembangan Laba PT Bank X periode 1999-2007. Sumber : PT Bank X Data Diolah.

4.5. Pengaruh Dana Pihak Ketiga dan Kredit Bermasalah Terhadap Laba

Laba dipengaruhi oleh berbagai faktor seperti jumlah Dana Pihak Ketiga DPK, pendapatan bunga kredit, pendapatan bunga obligasi rekapitalisasi pemerintah, jasa-jasa lain, tingkat NPL, dan tingkat suku bunga. Akan tetapi pada penelitian ini hanya mengukur pengaruh dari DPK dan rasio NPL terhadap laba pada PT Bank X. Hal ini dikarenakan keterbatasan data yang didapatkan sehingga tidak dapat melihat pengaruh dari faktor-faktor lain, sehingga alat analisis yang digunakan adalah analisis regresi linier berganda yang digunakan untuk melihat pengaruh dana pihak ketiga dan rasio NPL variabel bebas terhadap laba variabel terikat.

4.5.1. Analisis Korelasi

Analisis korelasi pearson product moment digunakan untuk mengetahui hubungan dana pihak ketiga dan kredit bermasalah terhadap laba PT Bank X. Hasil dari perhitungan korelasi pearson product moment yang diolah dengan menggunakan Minitab14 didapat hasil yaitu : -80.000.000 -70.000.000 -60.000.000 -50.000.000 -40.000.000 -30.000.000 -20.000.000 -10.000.000 10.000.000 20.000.000 Laba bersih sebelum pajak Tabel 7. Nilai Korelasi Antar Variabel DPK, NPL dan Laba Variabel Laba DPK DPK Nilai korelasi 0.532 p-value 0.140 NPL Nilai korelasi -0.972 -0.508 p-value 0.000 0.163 Dari hasil analisis korelasi, terlihat bahwa variabel yang memiliki pengaruh linear yang paling kuat terhadap laba adalah NPL dengan nilai korelasi 0,972 dengan pengaruh yang negatif atau berlawanan arah. Sedangkan variabel DPK terhadap laba mempunyai nilai korelasi 0,532 yang berarti bahwa antara DPK dan laba mempunyai korelasi yang sedang dengan pengaruh positif atau searah.

4.5.2. Analisis Regresi Linear Berganda

Untuk menganalisis pengaruh dana pihak ketiga dan kredit bermasalah terhadap laba dilakukan analisis regresi berganda. Laba akan dijadikan peubah tidak bebas Y yang dipengaruhi oleh jumlah DPK dan nilai NPL X1, X2 yang menjadi peubah bebas. Persamaan yang dihasilkan adalah sebagai berikut: Y = 10036961 + 0,0440 X1 – 1,13E+08 X2 Keterangan : Y : Laba X1 : DPK X2 : NPL Dari persamaan hasil regresi linear berganda di atas, dapat disimpulkan bahwa jumlah DPK variabel X mempunyai pengaruh positif terhadap laba bank variabel Y dimana setiap kenaikan variabel X jumlah DPK akan mengakibatkan kenaikan pada variabel Y laba bank. Sedangkan untuk nilai NPL variabel X mempunyai pengaruh negatif terhadap laba bank dimana setiap kenaikan variabel X nilai NPL akan mengakibatkan penurunan pada variabel Y laba bank. Pada persamaan regresi terlihat bahwa koefisien DPK sebesar 0,0440, artinya bahwa kenaikan DPK sebesar satu satuan akan menaikan laba sebesar 0,0440. Sedangkan untuk koefisien NPL sebesar 1,13E+08 mempunyai arti bahwa kenaikan NPL sebesar satu satuan akan menurunkan laba sebesar 1,13E+08. Regresi berganda yang baik memiliki persyaratan uji-uji klasik yaitu uji multikolinearitas, uji normalitas, uji heteroskedastisitas, dan uji autokorelasi. Oleh karena itu model regresi akan diuji untuk mengetahui model regresi yang layak atau tidak.

A. Uji multikolinearitas

Multikolinearitas adalah adalah uji yang dilakukan untuk melihat apakah terdapat korelasi antar variabel independen yang digunakan dalam model regresi. Identifikasi adanya mutikolinearitas dalam model dapat dilakukan dengan melihat variance inflation factor VIF. Iriawan dan Astuti 2006 menyatakan bahwa multikolinearitas dapat diidentifikasi pada parameter yang memiliki nilai VIF ≥ 5. Jika peubah VIF masing- masing peubah bebas memiliki nilai lebih besar dari 5 maka model regresi memiliki multikolinearitas sehingga menjadi tidak valid. Berdasarkan hasil perhitungan nilai VIF pada masing- masing peubah bebas didapat nilai VIF seperti pada Tabel 8. Peubah-peubah bebas dalam model regresi ini tidak mempunyai kendala multikolinearitas karena nilai VIF pada variabel DPK dan NPL masing-masing adalah 1,3. Tabel 8. Nilai VIF peubah bebas regresi berganda Peubah Bebas Nilai VIF DPK 1,3 NPL 1,3

B. Uji Normalitas

Uji normalitas merupakan uji yang dilakukan untuk mengetahui distribusi kenormalan residual. Hal ini bertujuan untuk memutuskan bahwa residual model regresi yang dibuat telah terdistribusi normal untuk memenuhi asumsi model regresi tentang kenormalan residual model. Pengujian normalitas dilakukan menggunakan statistik kolmogorov-smirnov. Jika nilai statistik KS lebih kecil dibanding nilai nilai tabel KS dan nilai p- value lebih besar dari α, maka asumsi kenormalan terpenuhi sehingga model regresi yang telah dibuat dapat digunakan Iriawan dan Astuti, 2006. RESI1 P e rc e n t 15000000 10000000 5000000 -5000000 -10000000 99 95 90 80 70 60 50 40 30 20 10 5 1 Mean 0.116 4.139211E-09 StDev 5600422 N 9 KS 0.246 P-Value Probability Plot of RESI 1 Normal Gambar 9. Uji normalitas residual pada regresi berganda Sumber : PT Bank X Data Diolah. Berdasarkan hasil perhitungan dengan menggunakan Minitab didapat nilai p-value 0,116 dan nilai statistik KS sebesar 0,246. Uji kolmogorov-smirov dilakukan dengan menggunakan α sebesar 5 dengan jumlah pengamatan sebanyak 9 didapat nilai 0,430. Nilai statistik KS nilai tabel KS yaitu 0,246 0,430 dan p-value memiliki nilai 0,116 dimana nilai tersebut lebih besar dari α yang bernilai 0,05, sehingga dapat disimpulkan bahwa residual model regresi yang dibuat telah memenuhi asumsi kenormalan.

C. Uji Autokorelasi

Autokorelasi merupakan gejala adanya korelasi antar anggota serangkaian observasi yang diurutkan melalui deret waktu time series. Model regresi yang baik tidak memperkenankan terjadinya autokorelasi. Akibat dari terjadinya autokorelasi adalah varian residual yang diperoleh akan lebih daripada semestinya sehingga mengakibatkan koefisien determinasi menjadi lebih tinggi. Selain itu, autokorelasi menyebabkan pengujian hipotesis pada uji F dan uji t menjadi tidak valid dan jika diterapkan akan memberikan kesimpulan yang menyesatkan pada tingkat signifikansi dan koefisien regresi yang ditaksir. Gambar 10. Hasil Run Test Terhadap Residual Model Uji autokorelasi menggunakan perangkat lunak Minitab melalui uji Run test residual. Jika p-value lebih besar dari α, menunjukkan tidak adanya autokorelasi. Hasil Run test ditunjukkan pada Gambar 10 bahwa p-value = 1, sehingga p- value α 0,05. Hal ini menunjukkan bahwa tidak terdapat autokorelasi pada residual sehingga asumsi kebebasan terpenuhi.

D. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk melihat varian dari variabel independen apakah memiliki nilai yang sama homoskedastisitas atau berbeda. Model regresi yang memiliki heteroskedastisitas akan menyebabkan penaksiran koefisien- Runs Test: RESI1 Runs test for RESI1 Runs above and below K = 4.074536E-09 The observed number of runs = 5 The expected number of runs = 5 3 observations above K, 6 below N is small, so the following approximation may be invalid. P-value = 1.000 koefisien regresi menjadi tidak efisien. Untuk melihat apakah pada model regresi terdapat heteroskedastisitas dilihat dari sebaran titik-titik yang tersebar pada output perhitungan. Sebaran titik-titik yang tidak membentuk pola tertentu namun tersebar di atas dan di bawah nol menunjukkan bahwa pada model regresi tidak mengalami masalah heterokedastisitas. Pada Gambar 11 dapat terlihat bahwa titik-titik yang tidak membentuk pola tertentu, melainkan menyebar di atas dan di bawah angka 0 pada sumbu Y. Dengan demikian, dapat disimpulkan bahwa tidak terjadi heteroskedastisitas. Fitted Value R e s id u a l 20 00 00 00 10 00 00 00 -1 00 00 00 -2 00 00 00 -3 00 00 00 -4 00 00 00 -5 00 00 00 -6 00 00 00 -7 00 00 00 12500000 10000000 7500000 5000000 2500000 -2500000 -5000000 Residuals Versus the Fitted Values response is Laba Gambar 11. Output Uji heteroskedastisitas pada regresi

4.5.3. Dampak Perubahan Secara Keseluruhan Uji F

Uji F dilakukan untuk melihat pengaruh keseluruhan variabel independen terhadap variabel dependen. Perhitungannya menggunakan Minitab 14. Untuk mengetahui apakah variabel independen secara keseluruhan mempengaruhi variabel variabel dependen pada tingkat signifikansi tertentu dilakukan langkah- langkah sebagai berikut : 1. Perumusan hipotesis H : β = 0, , , Hipotesis nol H yang hendak diuji adalah apakah semua parameter dalam model sama dengan nol. Artinya, semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. H : ∃ ≠ 0 , , , Hipotesis alternatifnya H , tidak semua parameter secara simultan sama dengan nol. Artinya, paling sedikit terdapat satu variabel independen merupakan penjelas yang signifikan terhadap variabel dependen. 2. Menentukan F tabel Dengan taraf nyata α = 5, yaitu tingkat kesalahan yang masih dapat ditolerir. Derajat bebas pembilang = k-1 = 2-1 = 1 Derajat bebas penyebut = n-k = 9-2 = 7 Dengan demikian F tabel sebesar F 0,05 7,1 = 5,59 3. Menentukan besarnya F hitung Hasil perhitungan menggunakan program ninitab menunjukkan nilai F hitung adalah 53,71. 4. Membandingkan F hitung dengan F tabel a. Jika F hitung F tabel atau F hitung -F tabel, maka H ditolak dan H diterima. b. Jika –F tabel F hitung F tabel, maka H diterima dan H ditolak Hasil uji menunjukkan bahwa F hitung F tabel, yaitu 53,715,59. Dengan dengan demikian, maka H ditolak dan H diterima, sehingga DPK dan nilai NPL secara keseluruhan berpengaruh secara signifikan terhadap laba pada taraf nyata 5. Kelayakan model regresi yang telah dibuat juga dapat dilihat pada hasil uji analysis of variance ANOVA. ANOVA merupakan uji hipotesis kesesuaian model dengan data yang ada Iriawan dan Astuti, 2006. Hipotesis yang digunakan sama dengan hipotesis uji F, dengan daerah penolakan p-value α. Dari hasil uji ANOVA menggunakan α sebesar 0,05, di dapat p- value = 0 sehingga model regresi yang dibuat nyata tolak H .

4.5.4. Dampak Perubahan Secara Parsial Uji t