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