Deskripsi Data Penelitian Pembahasan

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Deskripsi Data Penelitian

Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis kuantitatif dengan menggunakan teknik perhitungan statistik persamaan regresi berganda. Analisis data dimulai dengan mengolah data dengan menggunakan Microsoft excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda. Pengujian asumsi klasik dan regresi berganda dilakukan dengan menggunakan software SPSS versi 19.Prosedur pengujian dimulai dengan memasukkan variable-variabel penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai metode analisis data yang telah ditentukan. Berdasarkan kriteria yang telah ditetapkan, terdapat 2 jenis Asuransi yaitu Asuransi Syariah dan Asuransi Konvensioal yang terdiri dari 3 jenis Asuransi Syariah dan 8 jenis Asuransi Konvensional: Table 4.1 Daftar Populasi Asuransi Syariah No Kode Saham Nama Emiten 1 ASBI Asuransi Bintang Tbk 2 ASRM Asuransi Ramayana Tbk 3 PNIN Panin Insurance Tbk Universitas Sumatera Utara Table 4.2 Daftar Populasi Asuransi Konvensional No Kode Saham Nama Emiten 1 ABDA Asuransi Bina Dana Arta Tbk 2 AHAP Asuransi Harta Aman Pratama Tbk 3 AMAG Asuransi Multi Artha Guna Tbk 4 ASDM Asuransi Dayin Mitra Tbk 5 ASJT Asuransi Jaya Tania Tbk 6 ASMI Asuransi Mitra Maparya Tbk 7 LPGI Lippo General Insurance Tbk 8 MREI Maskapai Reasuransi International Tbk 4.2 Hasil Analisis Data 4.2.1 Pengujian Asumsi Klasik Sebelum dilakukan analisis data dengan menggunakan analisis regresi linear berganda, maka dilakukan pengujian terlebih dahulu terhadap data yang digunakan untuk mengetahui apakah data memenuhi asumsi klasik.Hal ini dikarenakan analisis regresi berganda menggunakan pendekatan Ordinary Least Square OLS yang terikat dengan sejumlah asumsi agar taksiran parameter memiliki sifat Best Linear Unviases Estimator BLUE. Asumsi yang harus dipenuhi agar estimasi tidak bias meliputi uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi. Universitas Sumatera Utara

1. Pengujian Normalitas Data

Hasil dari uji normalitas data adalah sebagai berikut : Tabel 4.1 Uji Normalitas Data One-Sample Kolmogorov-Smirnov Test EVA Cash Ratio LDR N 11 11 11 Normal Parameters a,b Mean 0,885661 24,8103 29,1376 Std. Deviation 0,703773 3,40226 1,3189 Most Extreme Differences Absolute 0,121 0,161 0,069 Positive 0,121 0,133 0,065 Negative -0,097 -0,161 -0,069 Kolmogorov-Smirnov Z 0,726 0,969 0,417 Asymp. Sig. 2-tailed 0,667 0,305 0,995 a. Test distribution is Normal. b. Calculated from data. Sumber:Hasil pengolahan SPSS, 2016 Berdasarkan tabel 4.1 di atas menunjukkan bahwa data dalam model regresi telah terdistribusi secara normal. Hal ini dapat dilihat dari tigavariabel mempunyai nilai Asymp. Sig. 2-tailed lebih besar dari tingkat alpha yang ditetapkan yaitu 0,05. Nilai Asymp. Sig 2-tailed yang didapatkan dari ketiga variabel tersebut adalah EVAY sebesar 0,667, ,Cash RatioX 1 sebesar 0,305, LDRX 2 . Dengan nilai yang lebih besar dari tingkat alpha, maka H o diterima dan uji asumsi klasik lainnya dapat dilanjutkan. Untuk lebih jelas, gambar grafik histogram dan grafik p-plot data yang telah didistribusi disajikan sebagai berikut : Universitas Sumatera Utara Sumber : Hasil pengolahan SPSS, 2016 Gambar 4.1 Grafik Histogram Pada gambar grafik histogram di atas terlihat bahwa variabel berdistribusi normal.Hal ini ditunjukkan oleh distribusi data tersebut tidak mirik ke kiri atau miring ke kanan. Universitas Sumatera Utara Sumber : Hasil pengolahan SPSS, 2016 Gambar 4.2 Grafik P-Plot Pada gambar grafik p-plot terlihat bahwa titik-titik mengikuti dan mendekati garis diagonalnya.Hal ini mengindikasikan bahwa data terdistribusi normal dan dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas.

2. Uji Multikolinieritas

Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi diantara variabel independen.Model regresi yang baik Universitas Sumatera Utara seharusnya tidak terjadi korelasi diantara variabel independen dengan ditandai nilai koefisien VIF pada semua variabel independen sebesar 10 lebih kecil dari 10. Hasil dari uji multikolinieritas adalah sebagai berikut : Tabel 4.2 Uji Multikolinieritas One-Sample Kolmogorov-Smirnov Test EVA Cash Ratio LDR N 11 11 11 Normal Parameters a,b Mean 0,885661 24,8103 29,1376 Std. Deviation 0,703773 3,40226 1,3189 Most Extreme Differences Absolute 0,121 0,161 0,069 Positive 0,121 0,133 0,065 Negative -0,097 -0,161 -0,069 Kolmogorov-Smirnov Z 0,726 0,969 0,417 Asymp. Sig. 2-tailed 0,667 0,305 0,995 a. Test distribution is Normal. b. Calculated from data. Sumber:Hasil pengolahan SPSS, 2016 Berdasarkan hasil analisis menggunakan Variance Inflation Factor VIF pada tabel diatas, menunjukkan bahwa nilai koefisien VIF untuk semua variabel independen adalah 10.Dengan demikian dapat dinyatakan bahwa tidak terdapat hubungan antara variabel-variabel independen atau tidak terjadi multikoliearitas.

3. Uji Heteroskedastisitas

Uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang Universitas Sumatera Utara lain. Dasar analisis yang dapat digunakan untuk menentukan heteroskedastisitas yaitu : a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah terjadi heteroskedastisitas. b. Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas atau terjadi homoskedastisitas. Hasil dari uji heteroskedastisitas adalah sebagai berikut : Sumber : Hasil pengolahan SPSS, 2016 Gambar 4.3 Grafik Scatterplot Universitas Sumatera Utara Dari gambar grafik scatterplot di atas menunjukkan bahwa titik-titik menyebar secara acak serta tidak membentuk pola tertentu atau tidak teratur.Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai.

4. Uji Autokorelasi

Uji ini bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan penganggu pada periode t-1.Autokorelasi muncul karena observasi yang beruntun sepanjang tahun yang berkaitan satu dengan yang lainnya. Pada penelitian ini, autokorelasi diuji dengan menggunakan nilai uji Durbin Watson. Adapun kriteria untuk penilaian terjadinya autokorelasi yaitu : a. Angka D-W di bawah -2 berarti ada autokorelasi positif. b. Angka D-W di antara -2 sampai +2 berarti tidak ada autokorelasi. c. Angka D-W di atas +2 berarti ada autokorelasi negatif. Hasil dari uji autokorelasi dengan menggunakan uji Durbin Watson adalah sebagai berikut : Tabel 4.3 Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,618 a ,382 ,278 ,5978237 1,999 a. Predictors: Constant, Cash ratio, LDR b. Dependent Variable:EVA Sumber : Hasil pengolahan SPSS, 2016 Universitas Sumatera Utara Berdasarkan hasil uji autokorelasi dengan menggunakan uji Durbin Watson diatas menunjukkan bahwa nilai Durbin Watosn adalah 1,999.Angka tersebut terletak diantara -2 dan +2.Dengan pengamatan tersebut dapat disimpulkan bahwa tidak terjadi autokorelasi positif maupun autokorelasi negatif.

4.2.2 Uji Hipotesis

Pengujian hipotesis dilakukan dengan menggunakan metode analisis regresi linear berganda. Berdasarkan hasil pengolahan data dengan program SPSS versi 19, maka diperoleh hasil sebagai berikut : Tabel 4.4 Analisis Regresi Berganda Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,618 a ,382 ,278 ,5978237 a. Predictors: ConstantCash ratio, LDR. b. Dependent Variable:EVA Sumber : Hasil pengolahan SPSS, 2016 Pada analisis regresi berganda di atas, angka R sebesar 0,618 menunjukkan bahwa korelasi atau hubungan antara Asuransi Syariah dan Asuransi Konvensional erat atau kuat karena 0,5 50. Angka R square atau koefisien determinasi adalah 0,382. Angka ini mengindikasikan bahwa 38,2 variasi atau perubahan dalam Cash Ratio, LDR, EVAdapat dijelaskan oleh variasi variabel Ausransi Syariah dan Konvensioanl lainnya. Sedangkan sisanya sebesar 61,8 dijelaskan oleh sebab-sebab lain yang Universitas Sumatera Utara tidak dimasukkan dalam model penelitian ini. Kemudian standard error of the estimate adalah sebesar 0,5978237. Semakin kecil angka ini akan membuat model regresi semakin tepat dalam memprediksi Perbandingan Kinerja Keuangan Perusahaan Asuransi Syariah dan Konvensional Dengan Menggunakan Metode Risk Capital Basic dan Trend Analysis yang Terdaftar di Bursa Efek Indonesia. Untuk mengetahui apakah variabel berpengaruh secara simultan maupun secara parsial maka dilakukan uji F uji simultan dan uji t uji parsial.

1. Uji Simultan F- test

Uji ini bertujuan untuk mengetahui apakah variabel-variabel independen secara bersama-sama mempengaruhi variabel dependen secara signifikan. Hasil dari uji F adalah sebagai berikut : Tabel 4.5 Uji F ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression 6,614 5 1,323 3,701 ,010 a Residual 10,722 30 ,357 Total 17,335 35 Sumber : Hasil pengolahan SPSS, 2016 Berdasarkan hasil uji F di atas menunjukkan bahwa nilai F sebesar 3,701 dengan tingkat signifikansi 0,010. Tingkat kesalahan yang diajukan adalah 0,05. Artinya nilai signifikan F 0,05. Maka dapat disimpulkan bahwa semua variabel berpengaruh secara simultan.

2. Uji Parsial t- test

Universitas Sumatera Utara Uji ini bertujuan untuk mengetahui apakah masing-masing variabel independen mempengaruhi variabel dependen secara signifikan. Tingkat pengujian yang digunakan α adalah 0,05. Adapun kriteria pengambilan keputusan pada uji ini adalah sebagai berikut : a. Bila t hitung t tabel , maka Ho diterima dan Ha ditolak, artinya bahwa secara parsial variabel independen tidak berpengaruh terhadap variabel dependen. b. Bila t hitung t tabel , maka Ho ditolak dan Ha diterima, artinya bahwa secara parsial variabel independen berpengaruh terhadap variabel dependen. Hasil dari uji t adalah sebagai berikut : Tabel 4.6 Uji t Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 3,331 3,06 1,089 0,285 Cash ratio 0,058 0,054 0,279 1,063 0,296 0,3 3,333 LDR -0,152 0,168 -0,285 -0,907 0,372 0,208 4,797 Berdasarkan tabel uji t diatas dapat dijelaskan sebagai berikut : a. Pengaruh pinjaman Cas Ratio X 1 terhadap EVAY 1 Nilai t hitung sebesar 1,063 secara umum menunjukkan peningkatan pinjaman Cas Ratio akan meningkatkan EVA. Universitas Sumatera Utara 2 Untuk nilai t tabel , dimana level of significance α = 0,05 dan derajat kebebasan df = n-k atau 36-5, maka nilai t tabel adalah sebesar 2,0395 3 Nilai t hitung sebesar 1,063, artinya t hitung t tabel, maka dapat disimpulkan bahwa Ho diterima dan Ha ditolak, yang berarti pinjaman Cas Ratio tidak berpengaruh secara signifikan terhadap EVApada tingkat kepercayaan 95. b. Pengaruh piutang LDR X 2 terhadap Return On Asset Y 1 Nilai t hitung sebesar -0,907 secara umum menunjukkan peningkatan piutang murabahahakan menurunkan Return On Asset. 2 Untuk nilai t tabel , dimana level of significance α = 0,05 dan derajat kebebasan df = n-k atau 36-5, maka nilai t tabel adalah sebesar 2,0395. 3 Nilai t hitung sebesar -0,907, artinya t hitung t tabel, maka dapat disimpulkan bahwa Ho diterima dan Ha ditolak, yang berarti piutang murabahah tidak berpengaruh secara signifikan terhadap Return On Asset pada tingkat kepercayaan 95.

4.3 Pembahasan

Berdasarkan hasil pengujian variabel penelitian secara simultan menunjukkan bahwa Cash Ratio dan LDR berpengaruh signifikan terhadap EVA yang ditunjukkan dengan nilai signifikansi F 0,05 dengan nilai F signifikansi sebesar 0,010. Hasil ini sesuai dengan penelitian Sikumbang 2015 dengan hasil Universitas Sumatera Utara bahwa piutang Caren Ratio, Cash Ratio dan NPF secara simultan berpengaruh signifikan terhadap EVA. Berdasarkan hasil pengujian variabel penelitian secara parsial menunjukkan bahwa variabel independen yaitu : a Cash ratio berpengaruh signifikan terhadap variabel dependen yaitu EVA. Hal ini sesuai dengan nilai signifikansi t sebesar 0,011. Nilai ini lebih kecil dari nilai sebesar 0,05. Hasil penelitian ini sesuai dengan penelitian sebelumnya yang dilakukan oleh Bayuny 2013 namun berbeda dengan hasil penelitian yang dilakukan oleh Ramadhani 2013. Ramadhani 2013 mendapatkan hasil penelitiannya bahwa tidak terdapat pengaruh antara asuransi syariah dengan tingkat profitabilitas. b LDR tidak berpengaruh signifikan terhadap variabel dependen yaitu EVA. Hal ini sesuai dengan nilai signifikansi t sebesar 0,296. Nilai ini lebih besar dari nilai probabilitas sebesar 0,05. Hasil penelitian ini sesuai dengan penelitian sebelumnya yang dilakukan oleh Ariyani 2014 dan Kurniawan 2015. Hasil penilitian Ariyani 2014 menunjukkan bahwa LDR tidak berpengaruh terhadap asuransi syariah. Universitas Sumatera Utara BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan