Chapter Lll V

23

BAB III

METODE PENELITIAN

3.1 Jenis dan Sumber Data

3.1.1 Jenis Data

Dalam melaksanakan penelitian ini, jenis data yang dipergunakan adalah

data sekunder. Menurut Sugiyono (2008:193), sumber sekunder adalah sumber

data yang tidak langsung memberikan data kepada pengumpul data, misalnya

lewat orang lain atau lewat dokumen. Jenis data yang digunakan dalam

penelitian ini adalah data sekunder yang berupa laporan keuangan tahunan dari

bank bank Swasta Devisa di Indonesia yaitu dari 31 Desember 2007 sampai 31

Desember 2010

3.1.2 Sumber Data

Data yang diperlukan dalam penelitian ini merupakan data sekunder

historis, dimana data diperoleh dari Laporan Keuangan Publikasi masing masing

bank yang telah diterbitkan oleh Bank Indonesia.

3.2 Populasi dan Sampel

3.2.1 Populasi

Populasi adalah wilayah generalisasi yang terdiri atas: obyek/subyek yang

mempunyai kualitas dan karakteristik tertentu yang diterapkan oleh peneliti untuk

dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2008:115). Populasi

Universitas Sumatera Utara

24

yang digunakan dalam penelitian ini adalah seluruh Bank Swasta Devisa yang

terdaftar di direktori Bank Indonesia. Yaitu sebanyak 41 bank.

3.2.2 Sampel

Sampel penelitian diambil secara purposive sampling yaitu sampel ditarik

sejumlah tertentu dari populasi emiten dengan menggunakan pertimbangan atau

kriteria tertentu.

Kriteria untuk pemilihan sampel yang akan diteliti dalam penelitian ini

adalah sebagai berikut:

1. Bank Swasta Devisa yang terdaftar di Direktori bank Indonesia

2. Bank Swasta Devisa yang menyajikan laporan keuangan dan rasio rasio

yang dibutuhkan dalam penelitian ini yaitu selama empat tahun berturut

turut yaitu dari 31 Desember 2007 sampai 31 Desember 2010 (hanya

pertumbuhan laba yang menggunakan data per 31 Desember 2007).

3. Bank Swasta Devisa yang laporan keuangannya lengkap dan dapat di

download.

Tabel 3.1 Populasi dan Sample Penelitian

NO POPULASI

KRITERIA SAMPLE AKHIR

1 2 3 1 BANK ARTAMEDIA

2 BANK AGRONIAGA TBK

3 BANK ANTAR DAERAH

4 BANK ARTHA NIAGA KENCANA


25

Lanjutan NO POPULASI

KRITERIA SAMPLE AKHIR 1 2 3

5 BANK ARTHA GRAHA

INTERNASIONAL

6 BANK BUKOPIN

7 BANK BUMI ARTA TBK

8 BANK CENTRAL ASIA TBK

9 BANK CIMB NIAGA TBK

10 BANK DAGANG BALI

11 BANK DANAMON INDONESIA TBK

12 BANK EKONOMI RAHARJA TBK

13 BANK GANESHA

14 BANK HAGA

15 BANK HAGAKITA

16 BANK HANA

17 BANK HIMPUNAN SAUDARA 1906 TBK

18 BANK ICB BUMI PUTERA INDONESIA

TBK

19 BANK ICBC INDONESIA

20 BANK IFI

21 BANK INDEX

22 BANK INTERNASIONAL INDONESIA


26

TBK

23 BANK QNB KESAWAN

24 BANK LIPPO

25 BANK MASPION INDONESIA

26 BANK MAYAPADA INTERNASIONAL

TBK

Lanjutan NO POPULASI

KRITERIA SAMPLE AKHIR

1 2 3 27 BANK MEGA TBK

28 BANK MESTIKA DHARMA

29 BANK METRO EXPRESS

30 BANK MUTIARA TBK

31 BANK NUSANTARA PARAHYANGAN

TBK

32 BANK OCBC NISP TBK

33 BANK PERMATA TBK

34 BANK PIKKO TBK

35 BANK SINARMAS

36 BANK SWADESI TBK

37 BANK UNIVERSAL

38 BANK UOB BUANA TBK

39 BANK WINDU KENCANA


27

INTERNASIONAL TBK

40 BANK PAN INDONESIA TBK

41 PRIMA EXPRESS BANK

3.3 Metode Pengumpulan Data

Penelitian ini menggunakan dua metode pengumpulan data, yaitu:

a. Studi Pustaka

Mengumpulkan data dan teori yang relevan terhadap permasalahan yang

akan diteliti dengan melakukan studi pustaka terhadap literatur dan bahan

pustaka lainnya seperti artikel, jurnal, buku, dan penelitian terdahulu.

b. Studi Dokumenter

Pengumpulan data sekunder yang berupa laporan keuangan tahunan

masing- masing Bank yang diperoleh dari Website Bank Indonesia dan

Website Bursa Efek Indonesia.

3.4 Defenisi Operasional Variabel

3.4.1 Variabel Dependen (Y)


28

Variabel Dependen dalam penelitian ini adalah Pertumbuhan Laba (Y).

Pertumbuhan laba berarti terjadi kenaikan atau penurunan dari aktiva dan

kewajiban yang diolah dan berpengaruh terhadap modal perusahaan. Rumus

pertumbuhan laba sebagai berikut:

= 11

Keterangan:

Yn = Pertumbuhan laba tahun ke-n

Yn-1 = Laba tahun sebelumnya

N = tahun ke-n

3.4.2. Variabel Independen (X)

Berupa rasio-rasio keuangan antara lain CAR, NPL, OER, LDR. Masing-

masing variable didefinisikan sebagai berikut :

a. Capital Adequacy Ratio (CAR)

CAR adalah rasio untuk mengukur kecukupan modal yang dimiliki bank

untuk menunjang aktiva yang mengandung atau menghasilkan resiko,

misalnya kredit yang diberikan. Rumus CAR:

= 100%

b. Non Performing Loan (NPL)


29

NPL adalah rasio yang menunjukkan kemampuan manajemen bank dalam

mengelola kredit bermasalah yang diberikan oleh bank. NPL dihitung

dengan menggunakan rumus :

= + 100%

c. Operational Efficiency Ratio (OER)

OER atau disebut juga dengan BOPO adalah perbandingan antara beban

operasional dengan pendapatan operasional. Beban operasional dihitung

berdasarkan penjumlahan dari total beban bunga dan total beban

operasional lainnya. Pendapatan operasional adalah penjumlahan dari total

pendapatan bunga dan total pendapatan operasional lainnya. Rasio ini

digunakan untuk mengukur tingkat efisiensi bank dalam melakukan

kegiatan operasinya. OER dihitung dengan menggunakan rumus :

= 100%

d. Loan to deposit ratio (LDR)

LDR adalah rasio antara jumlah seluruh kredit yang diberikan bank dengan

total dana pihak ketiga bank. Rasio ini akan menunjukkan tingkat

kemampuan bank dalam menyalurkan dana pihak ketiga yang dihimpun

oleh bank yang bersangkutan. LDR dihitung dengan menggunakan rumus :

= + 100%


30

3.5 Skala Pengukuran Variabel

Ringkasan skala pengukuran variabel dari penelitian ini dapat dilihat pada

tabel 3.2 berikut ini:

Tabel 3.2 Skala Pengukuran Variabel

No. Variabel

Dependen (Y)

Pengukuran Variabel Skala

1 Pertumbuhan

Laba

11

Rasio

Lanjutan No. Variabel

Independen (X) Pengukuran Skala

1 CAR 100% Rasio

2 NPL Kredit BermasalahTotal Kredit X 100%

Rasio

3 BOPO Biaya OperasionalPendapatan Operasional X 100% Rasio 4 LDR Total Kredit yang diberikanTotal dana pihak ketiga + modal X 100%

Rasio

3.6 Teknik Analisis Data


31

Teknik analisis data yang digunakan adalah Statistic desktiptif

komparatif, yaitu suatu teknik analisis data dengan cara mendeskripsikan atau

menggambarkan data yang telah terkumpul sebagaimana adanya dari nilai

variabel mandiri, baik satu variabel atau lebih kemudian membuat perbandingan

atau menghubungkan antara variabel satu dan yang lainnya dilanjutkan dengan

membuat kesimpulan yang berlaku untuk umum atau generalisasi (Sugiyono,

2008). Analisis deskriptif dilakukan antara lain dengan menggunakan alat analisis.

Adapun alat analisis yang digunakan adalah analisis regresi berganda dengan

melakukan uji asumsi klasik terlebih dahulu.

3.6.1 Uji Asumsi Klasik

Sebelum data dianalisis dengan model regresi linear berganda yang akan

digunakan pada penelitian ini harus memenuhi syarat asumsi klasik yang meliputi:

a. Uji Normalitas

Bertujuan untuk menguji apakah dalam model regresi variabel terikat dan

variabel bebas, keduanya mempunyai distribusi normal atau tidak. Model

regresi yang baik adalah distribusi data normal atau mendekati normal. Uji

ini dilakukan dengan cara melihat penyebaran data (titik) pada sumbu

diagonal atau grafik. Apabila data menyebar di sekitar garis diagonal dan

mengikuti arah garis diagonal maka model regresi memenuhi asumsi

normalitas. Apabila data menyebar jauh dari garis diagonal dan atau tidak

mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi

normalitas (Ghozali, 2005:163). Pengujian normalitas ini dapat dilakukan

melalui analisis grafik dan analisis statistik.


32

1. Analisis Grafik

Salah satu cara termudah untuk melihat normalitas residual adalah

dengan melihat grafik histogram yang membandingkan antara data

observasi dengan distribusi yang mendekati normal. Namun

demikian, hanya dengan melihat histogram, hal ini dapat

membingungkan, khususnya untuk jumlah sampel yang kecil.

Metode lain yang dapat digunakan adalah dengan melihat normal

probability plot yang membandingkan distribusi kumulatif dari

distribusi normal. Dasar pengambilan keputusan dari analisis

normal probability plot adalah sebagai berikut :

a) Jika data menyebar di sekitar garis diagonal dan mengiikuti

arah garis diagonal menunjukkan pola distribusi normal,

maka model regresi memenuhi asumsi normalitas.

b) Jika data menyebar jauh dari garis diagonal dan atau tidak

mengikuti arah garis diagonal tidak menunjukkan pola

distribusi normal, maka model regresi tidak memenuhi

asumsi normalitas.

2. Analisis Statistik

Untuk mendeteksi normalitas data dapat dilakukan pula melalui

analisis statistik yang salah satunya dapat dilihat melalui

Kolmogorov-Smirnov test (K-S). Uji K-S dilakukan dengan

membuat hipotesis:

Ho : data terdistribusi secara normal ( sig. > 0,05)


33

Ha : data tidak terdistribusi normal ( sig. < 0,05 )

Dasar pengambilan keputusan dalam uji K-S adalah sebagai

berikut :

a) Apabila probabilitas nilai Z uji K-S signifikan secara

statistik, maka Ho ditolak, yang berarti data terdistribusi

tidak normal.

b) Apabila probabilitas nila Z uji K-S tidak signifikan secara

statistik, maka Ho diterima, yang berarti data terdistribusi

normal.

b. Uji Multikolinearitas

Menurut Ghozali (2005:105) uji ini bertujuan menguji apakah pada model

regresi ditemukan adanya korelasi antar variabel independen. Pada model

regresi yang baik seharusnya antar variabel independen tidak terjadi

kolerasi. Untuk mendeteksi ada tidaknya multikoliniearitas dalam model

regresi dapat dilihat dari tolerance value atau variance inflation factor

(VIF). Sebagai dasar acuannya dapat disimpulkan:

1. Jika nilai tolerance > 0,10 dan nilai VIF < 10, maka dapat

disimpulkan bahwa tidak ada multikolinearitas antar variabel

independen dalam model regresi.

2. Jika nilai tolerance < 0,10 dan nilai VIF > 10, maka dapat

disimpulkan bahwa ada multikolinearitas antar variabel independen

dalam model regresi.


34

c. Uji Heteroskedastisitas

Uji heteroskesdastisitas bertujuan untuk menguji apakah dalam model

regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke

pengamatan yang lain. Jika variance dari residual satu pengamatan ke

pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda

disebut Heteroskedastisitas. Model regresi yang baik adalah yang

Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Untuk

mendeteksi ada tidaknya heteroskedastisitas menurut Ghozali (2005:139)

dapat dilihat dari grafik scatterplot antara lain prediksi variabel dependen,

yaitu ZPRED dengan residualnya SRESID. Dasar pengambilan

keputusannya adalah :

1. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola

tertentu yang teratur (bergelombang, melebar kemudian

menyempit), maka mengindikasikan telah terjadi

heteroskedastisitas.

2. 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.

d. Uji Autokorelasi

Bertujuan untuk menguji apakah dalam suatu model regresi linier terdapat

korelasi antara kesalahan pengganggu pada periode t dengan kesalahan

periode t-1 (sebelumnya). Jika terjadi korelasi maka dinamakan ada

problem autokorelasi. Model regresi yang baik adalah yang bebas


35

autokorelasi. Untuk mendeteksi autokorelasi dapat dilakukan uji statistik

melalui uji Durbin-Watson (DW test) (Ghozali, 2005:110). Dalam

pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut :

1. Bila nilai DW terletak diantara batas atau upper bound (du) dan (4-

du) maka koefisien autokorelasi = 0, berarti tidak ada autokorelasi.

2. Bila nilai DW lebih rendah daripada batas bawah atau lower bound

(dl) maka koefisien autokorelasi > 0, berarti tidak ada autokorelasi

positif.

3. Bila nilai DW lebih besar dari (4-dl) maka koefisien autokorelasi <

0, berarti ada autokorelasi negatif.

4. Bila nilai DW terletak antara du dan dl atau DW terletak antara (4-

du) dan (4-dl), maka hasilnya tidak dapat disimpulkan.

3.6.2 Analisis Regresi Berganda

Analisis regresi berganda adalah suatu analisis untuk mengetahui pengaruh

variabel variabel independen yaitu capital adequacy ratio (CAR),Non

performing loan (NPL), Operational Efficiency Ratio (OER), loan to deposit ratio

(LDR) terhadap variabel dependen yaitu pertumbuhan laba dengan rumus:

Y= a + b1X1+ b2X2 + b3X3 + b4X4 + e

Keterangan:

Y = Pertumbuhan laba

a = Konstanta dari persamaan regresi


36

b1-b4 = Koefisien regresi variabel independen

X1 = Capital Adequacy Ratio (CAR)

X2 = Non Perfoming Loan (NPL)

X3 = Operational Efficiency Ratio (OER)

X4 = Loan to Deposit Ratio (LDR)

e = error

3.6.3 Pengujian Hipotesis

1. Uji t (Uji Parsial)

Uji t dilakukan untuk mengetahui pengaruh masing masing rasio

keuangan secara individu terhadap minimalisasi resiko. langkah langkah

pengujian yang dilakukan adalah dengan pengujian dua arah, sebagai

berikut (Gujarati, 1999):

a. Merumuskan hipotesis (Ha)

Ha diterima: berarti terdapat pengaruh yang signifikan antara variabel

independen terhadap variabel dependen secara parsial.

b. Menentukan tingkat signifikansi (a) sebesar 0,05.

c. Membandingkan t hitung dengan t tabel. Jika t hitung lebih besar dari t

tabel maka Ha diterima.

d. Berdasarkan probabilitas. Ha akan diterima jika nilai probabilitasnya

kurang dari 0,05 (a).


37

e. Menentukan variabel independen mana yang mempunyai pengaruh

paling dominan terhadap variabel dependen. Hubungan ini dapat

dilihat dari koefisien regresinya.

2. Uji signifikansi Simultan (uji F)

Uji F dilakukan untuk melihat pengaruh variabel bebas secara bersama

sama terhadap variabel tidak bebas. Tahapan uji F sebagai berikut:

a. Merumuskan hipotesis (Ha)

Ha diterima: berarti terdapat pengaruh yang signifikan antara variabel

independen terhadap variabel dependen secara simultan.

b. Menentukan tingkat signifikansi sebesar 0,05

c. Membandingkan t hitung dengan t tabel.

d. Berdasarkan probabilitas. Ha akan diterima jika nilai probabilitasnya

kurang dari 0,05 (a).

e. Menentukan nilai koefisien determinasi, dimana koefisien

menunjukkan seberapa besar variabel independen pada model yang

digunakan mampu menjelaskan variabel dependennya.


38

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum

Obyek penelitian yang digunakan didalam penelitian ini adalah bank

swasta devisa yang terdaftar di website Bank Indonesia (BI) periode 2008-2010,

dimana jumlah seluruh bank tersebut adalah 20 bank. Data diambil dari laporan

keuangan publikasi bank-bank tersebut, khususnya pada laporan perhitungan rasio

keuangan.

4.2 Hasil Penelitian

4.2.1 Statistik Deskriptif

Statistik deskriptif digunakan untuk menunjukkan jumlah data yang

digunakan dalam penelitian ini serta dapat menunjukkan nilai maksimum, nilai


39

minimum, nilai rata-rata serta standar deviasi dari masing-masing variabel.

Variabel dalam penelitian ini meliputi variable CAR, NPL, OER, LDR, dan

Pertumbuhan laba. Hasil olah data deskriptif dapat dilihat pada tabel 4.1 sebagai

berikut:

Tabel 4.1 Statistik Deskriptif

N Minimum Maximum Mean Std. Deviation CAR 60 -22.29 33.27 15.7785 7.31509

NPL 60 .06 10.42 2.1703 2.02452

OER 60 41.99 1226.28 102.3962 148.05277

LDR 60 45.60 102.20 77.3078 13.55054

PERTUMBUHAN_LABA 60 -3630.58 1025.21 -12.5275 496.48826

Valid N (listwise) 60

Sumber: Data sekunder yang diolah

Pada tabel 4.1 diatas menunjukkan bahwa N atau jumlah data pada setiap

variabel adalah 60 yang di teliti selama periode 2007 - 2010. Dari 60 sampel data

CAR, nilai minimum sebesar -22,29 terdapat pada Bank Mutiara tahun 2008 dan

nilai maksimum sebesar 33,27 terdapat pada Bank Swadesi tahun 2008.

Berdasarkan hasil perhitungan diatas tampak bahwa standard deviasi CAR sebesar

7,31 lebih kecil dibanding dengan nilai mean (rata rata) yaitu sebesar 15,77. Hal

ini menunjukkan bahwa secara statistik, selama periode penelitian rasio CAR


40

telah memenuhi standar yang diberikan Bank Indonesia yaitu minimal 8%.

Sehingga dapat disimpulkan bahwa rasio kecukupan modal yang dimiliki

perbankan swasta devisa yang terdaftar di website BI dapat dikatakan relatif baik.

Dari 60 sampel data NPL, nilai minimum sebesar 0,06 terdapat pada Bank

Central Asia pada tahun 2008 dan 2010. Nilai maksimum sebesar 10,42 terdapat

pada Bank Mutiara pada tahun 2008. Nilai mean (rata rata) NPL sebesar 2,17

dan nilai standar deviasi sebesar 2,02. Hal ini menunjukkan bahwa secara statistik,

selama periode penelitian tingkat rasio NPL perbankan swasta devisa yang

terdaftar di website BI efisien karena nilai rata-rata rasio NPL tidak melebihi

ketentuan yang ditetapkan oleh BI yaitu maksimal 5%.

Dari 60 sampel data OER, nilai minimum sebesar 41,99 terdapat pada

Bank Central Asia pada tahun 2008 dan maksimum sebesar 1226,28 terdapat

pada Bank Mutiara tahun 2008. Nilai mean (rata rata) sebesar 102,39 dengan

standar deviasi 148,05. Hal ini menunjukkan bahwa secara statistik, selama

periode penelitian, tingkat efisiensi operasi perbankan swata devisa yang terdaftar

di website BI tidak baik karena nilai mean (rata-rata) rasio BOPO diatas 100%.

Dari 60 sampel data LDR, nilai minimum sebesar 45,60 terdapat pada

Bank Ekonomi Raharja pada tahun 2009 dan nilai maksimum sebesar 102,20

terdapat pada Bank Himpunan Saudara 1906 pada tahun 2008. Nilai mean (rata

rata) sebesar 77,30 dengan standard deviasi sebesar 13,55. Secara statistik, dengan

nilai mean (rata rata) 77,30 dapat disimpulkan bahwa tingkat likuiditas yang

dicapai perbankan swasta devisa yang terdaftar di website BI rendah karena

dibawah standar yang ditetapkan yaitu 85%.


41

Sama halnya dengan variabel pertumbuhan laba, dari 60 sampel data, nilai

minimum sebesar -3630,58 terdapat pada Bank Mutiara pada tahun 2007-2008

dan nilai maksimum sebesar 1025,21 terdapat pada Bank International Indonesia

pada tahun 2009-2010. Nilai mean (rata rata) sebesar -12,52 dengan standar

deviasi 496,48. Standar deviasi lebih besar dari mean (rata rata) pertumbuhan

laba dan hal ini menunjukkan bahwa simpangan data pada variabel pertumbuhan

laba dapat dikatakan tidak baik.

Standar deviasi menunjukkan seberapa jauh kemungkinan nilai yang

diperoleh menyimpang dari nilai yang diharapkan (dalam hal ini variabel

Pertumbuhan Laba, CAR, NPL, OER, LDR). Semakin besar nilai standar deviasi

maka semakin besar kemungkinan nilai riil menyimpang dari yang diharapkan

(Gujarati 1995).

4.2.2 Uji Asumsi Klasik

a. Uji normalitas

Uji ini bertujuan untuk menguji apakah dalam model regresi variabel

terikat dan variabel bebas, keduanya mempunyai distribusi normal atau

tidak. Model regresi yang baik adalah memiliki distribusi data normal atau

mendekati normal, salah satu metode untuk mengetahui normalitas adalah

dengan menggunakan metode analisis grafik dan uji statistik. Analisis

grafik dapat dilihat dengan melihat grafik secara histogram ataupun

dengan melihat secara Normal Probability Plot. Uji normalitas yang


42

pertama dengan melihat secara histogram sebagaimana terlihat dalam

gambar 4.1 di bawah ini:

Gambar 4.1 Grafik Histogram


Dari gambar 4.1 terlihat bahwa pola distribusi mendekati normal, akan

tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik


43

histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah

sampel yang kecil. Metode lain yang digunakan dalam analisis grafik

adalah dengan melihat normal probability plot yang membandingkan

distribusi kumulatif dari distribusi normal. Jika distribusi data residual

normal, maka garis yang akan menggambarkan data sesungguhnya akan

mengikuti garis diagonalnya. Uji normalitas dengan melihat Normal

Probability Plot dapat dilihat pada gambar 4.2 berikut:

Gambar 4.2 Grafik Normal P-Plot


Grafik probabilitas pada gambar 4.2 di atas menunjukkan data terdistribusi

secara tidak normal karena distribusi data residualnya terlihat menjauhi


44

garis normalnya. Pengujian normalitas data secara analisis statistik dapat

dilakukan dengan menggunakan uji kolmogorov Smirnov. Data yang

berdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0,05

(Ghozali, 2009:165). Hasil pengujian normalitas terhadap 60 data terlihat

dalam Tabel 4.2 berikut ini

Tabel 4.2 Hasil Uji Normalitas dengan Kolmogorov-Smirnov

One-Sample Kolmogorov-Smirnov Test

Unstandardized

Residual

N 60

Normal Parametersa,b Mean .0000000

Std. Deviation 151.57978358

Most Extreme Differences Absolute .240

Positive .240

Negative -.157

Kolmogorov-Smirnov Z 1.857

Asymp. Sig. (2-tailed) .002

a. Test distribution is Normal.

b. Calculated from data.



45

Berdasarkan tabel diatas menunjukkan bahwa data belum terdistribusi

secara normal. Hal ini ditunjukan nilai Kolmogorov-SmirnovZ sebesar

1,857 dengan nilai signifikansi 0,002. Hal ini menunjukkan bahwa data

belum terdistribusi normal. Untuk memperoleh hasil terbaik maka

dilakukan transformasi normal agar data menjadi lebih normal dengan

menggunakan natural logaritma (Ln) (Ghozali, 2009:35). Hasil pengujian

normalitas yang kedua tampak dalam Tabel 4.3 sebagai berikut:

Tabel 4.3

Data setelah transformasi Ln

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 39

Normal Parametersa,b Mean .0000000

Std. Deviation 1.35245379

Most Extreme Differences Absolute .146

Positive .099

Negative -.146

Kolmogorov-Smirnov Z .911

Asymp. Sig. (2-tailed) .378

a. Test distribution is Normal.

b. Calculated from data.

Dari pengujian kedua terlihat bahwa data telah terdistribusi normal dengan

nilai signifikansi diatas 0,005 yaitu sebesar 0,378. Hasil terakhir di atas

juga didukung hasil analisis grafiknya, yaitu grafik histogram maupun

grafik Normal Probability Plot. Seperti gambar 4.3 dan 4.4 dibawah ini:


46

Gambar 4.3 Grafik Histogram setelah transformasi Ln

Gambar 4.4 Normal probability plot (setelah transformasi Ln)



47

Dengan melihat tampilan grafik histogram dapat disimpulkan bahwa pola

distribusi data mendekati normal. Kemudian pada grafik normal plot

terlihat titik titik sebaran lebih mendekati garis normal jika dibandingkan

dengan grafik normal plot saat sebelum dilakukan transformasi ke

logaritma natural. Sehingga untuk uji asumsi klasik selanjutnya

menggunakan persamaan regresi Ln_Pertumbuhan_laba = f(Ln_CAR,

LnNPL, LnOER, Ln LDR).

b. Uji Multikolineritas

Uji ini bertujuan menguji apakah pada model regresi ditemukan adanya

korelasi antar variabel independen. Untuk mengetahui ada tidaknya

multikolinearitas dapat dilihat dari nilai Variance Imflation Factor ( VIF )

dan nilai Tolerance, apabila nilai VIF > 10 dan nilai Tolerance < 0,1 maka

terjadi multikolinearitas dan apabila nilai VIF < 10 dan nilai Tolerance >

0,1 maka tidak terajadi multikolineraritas. Hasil uji mutikolinearitas dapat

dilihat pada tabel berikut :

Tabel 4.4 Hasil Uji Multikolinearitas

Coefficientsa

Model

Collinearity Statistics

Tolerance VIF

1 Ln_CAR .912 1.096

Ln_NPL .963 1.038


48

Ln_OER .917 1.091

Ln_LDR .885 1.130

a. Dependent Variable:

Ln_PERTUMBUHAN_LABA


Dari hasil pengujian diatas dapat dilihat bahwa angka Tolerance CAR,

NPL, OER, dan LDR > 0,10 dan VIF- nya < 10 maka tidak ada

multikolinearitas antar variabel independen tersebut.

c. Uji Heteroskedastisitas

Uji heteroskesdastisitas bertujuan untuk menguji apakah dalam model

regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke

pengamatan yang lain. Jika variance dari residual satu pengamatan ke

pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda

disebut Heteroskedastisitas. Model regresi yang baik adalah yang

Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Untuk

mendeteksi ada tidaknya heteroskedastisitas menurut Ghozali (2005:105)

dapat dilihat dari grafik scatterplot antara lain prediksi variabel dependen,

yaitu ZPRED dengan residualnya SRESID. Dasar pengambilan

keputusannya adalah :

1) jika ada pola tertentu, seperti titik-titik yang ada membentuk pola

tertentu yang teratur (bergelombang, melebar kemudian menyempit),

maka mengindikasikan telah terjadi heteroskedastisitas.


49

2) 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 uji heteroskedastisitas dengan menggunakan grafik Scatterplot

ditunjukkan pada Gambar 4.5 dibawah ini:

Gambar 4.5

Grafik Scatterplot

Pada grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta

tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga

dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model

regresi.


50

d. Uji Autokorelasi

Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear

ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan

pada periode t-1. Berikut ini merupakan hasil uji Durbin-Watson yang

digunakan.

Tabel 4.5 Uji Durbin-Watson

Model Summaryb

Model Durbin-Watson

dimen

sion0

1 2.180a

a. Predictors: (Constant), Ln_LDR, Ln_NPL, Ln_OER, Ln_CAR

b. Dependent Variable: Ln_PERTUMBUHAN_LABA Sumber : Data sekunder yang diolah

Dari hasil uji autokorelasi Durbin Watson dengan menggunakan spss 18

maka diperoleh nilai DW sebesar 2,180. Dengan melihat kriteria Durbin

Watson yaitu 1,65

51

Ln_OER 2.457 1.301 .309 1.888 .068

Ln_LDR 1.110 1.177 .157 .943 .353

a. Dependent Variable: Ln_PERTUMBUHAN_LABA

Sumber: Data sekunder yang diolah Pada tabel coefficients yang diinterpretasikan adalah nilai dalam kolom B,

baris pertama menunjukkan konstanta variabel independen. Dengan

melihat tabel 4.6 diatas, dapat disusun persamaan regresi sebagai berikut:

Ln_Pertumbuhan Laba = - 10,562 - 0,484 Ln_CAR - 0,102 Ln_NPL +

2,457 Ln_OER+ 1,110 Ln_LDR

Dari persamaan regresi tersebut diatas maka dapat dianalisis sebagai

berikut:

a. Konstanta sebesar - 10,562 menyatakan bahwa jika nilai CAR, NPL,

OER, LDR adalah nol maka pertumbuhan laba yang terjadi adalah

sebesar - 10,562.

b. Koefisien regresi CAR sebesar - 0,484 menyatakan bahwa setiap

penambahan CAR sebesar 1% maka akan menurunkan pertumbuhan

laba sebesar 0,484%.

c. Koefisien regresi NPL sebesar - 0,102 menyatakan bahwa setiap

penambahan NPL sebesar 1% maka akan menurunkan pertumbuhan


d. Koefisien regresi OER sebesar 2,457 menyatakan bahwa setiap

penambahan OER sebesar 1% maka akan meningkatkan pertumbuhan



52

e. Koefisien regresi LDR sebesar 1,110 menyatakan bahwa setiap

penambahan LDR sebesar 1% maka akan meningkatkan pertumbuhan


4.3 Pengujian Hipotesis

4.3.1 Hasil Uji -t(Uji Parsial)

Uji t (Uji Parsial) dilakukan untuk menguji apakah setiap variabel bebas

secara parsial atau terpisah mempunyai pengaruh yang signifikan secara parsial

antara variabel CAR, NPL, BOPO dan LDR terhadap Pertumbuhan Laba selama

periode 2008 2010. Hal ini dapat dibuktikan dengan tingkat signifikansi yang

diperoleh variabel independen yang kurang dari 0.05.

Pengaruh dari masing masing variabel CAR, NPL, OER, dan LDR

terhadap pertumbuhan laba dapat dilihat dari arah tanda dan tingkat signifikansi

(probabilitas). Variabel CAR dan NPL mempunyai arah yang negatif, sedangkan

variabel OER dan LDR mempunyai arah yang positif.

Pengaruh variabel independen terhadap variabel dependen dapat dijelaskan

sebagai berikut:

1. Uji Hipotesis Pengaruh CAR terhadap Pertumbuhan Laba

Dari hasil perhitungan uji secara parsial diperoleh nilai signifikansi sebesar

0,564 yang berada diatas 0,05. Hal ini berarti CAR berpengaruh signifikan negatif


53

terhadap pertumbuhan laba. Dengan demikian hipotesis yang menyatakan bahwa

CAR berpengaruh secara parsial terhadap pertumbuhan laba ditolak.

2. Uji Hipotesis Pengaruh NPL terhadap Pertumbuhan Laba


0,691 yang berada diatas 0,05. Hal ini berarti NPL berpengaruh signifikan negatif


NPL berpengaruh secara parsial terhadap pertumbuhan laba ditolak.

3. Uji Hipotesis Pengaruh OER terhadap Pertumbuhan Laba


0,068 yang berada diatas 0,05. Hal ini berarti OER berpengaruh signifikan negatif


OER berpengaruh secara parsial terhadap pertumbuhan laba ditolak.

4. Uji Hipotesis Pengaruh LDR terhadap Pertumbuhan Laba


0,353 yang berada diatas 0,05. Hal ini berarti LDR berpengaruh signifikan negatif


LDR berpengaruh secara parsial terhadap pertumbuhan laba ditolak.

4.3.2 Hasil Uji f (Uji Simultan)


54

Uji statistik F atau Analysis Of Variance (ANOVA) pada dasarnya

menunjukkan apakah semua variabel independen yang dimasukkan dalam model

mempunyai pengaruh secara bersama sama terhadap variabel dependennya.

Nilai F dalam tabel ANOVA juga untuk melihat apakah model yang digunakan

sudah tepat atau tidak. Hasil perhitungan uji F dapat dilihat pada Tabel 4.7

berikut.

Tabel 4.7 Hasil uji F

ANOVAb

Model Sum of Squares df Mean Square F Sig.

1 Regression 13.953 4 3.488 1.706 .171a

Residual 69.507 34 2.044

Total 83.460 38

a. Predictors: (Constant), Ln_LDR, Ln_NPL, Ln_OER, Ln_CAR

b. Dependent Variable: Ln_PERTUMBUHAN_LABA


Berdasarkan hasil tabel diatas diperoleh nilai signifikan sebesar 0,171

yang lebih besar dari 0,05. Sehingga dapat disimpulkan bahwa variabel CAR,

NPL, OER, dan LDR tidak mempunyai pengaruh signifikan terhadap

pertumbuhan laba. Sehingga hipotesis yang menyatakan CAR, NPL, OER, dan

LDR berpengaruh secara simultan terhadap pertumbuhan laba ditolak.


55

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil analisis data dan pembahasan, maka dapat diambil

kesimpulan sebagai berikut :

1. Capital Adequacy Ratio (CAR) tidak berpengaruh secara parsial terhadap

pertumbuhan laba pada Bank swata devisa periode penelitian 2008 2010.

Hasil penelitian ini tidak sesuai dengan penelitian yang dilakukan oleh

Teddy Rahman (2009) yang menyatakan bahwa CAR berpengaruh

terhadap perubahan laba.

2. Non Performing Loan (NPL) tidak berpengaruh secara parsial terhadap


Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Teddy

Rahman (2009) yang menyatakan bahwa NPL berpengaruh negatif

terhadap perubahan laba. Tapi tidak sesuai dengan penelitian Aini (2006)


56

yang menyatakan NPL berpengaruh terhadap tingkat profitabilitas

perbankan.

3. Operational Efficiency Ratio (OER) tidak berpengaruh secara parsial

terhadap pertumbuhan laba pada Bank swata devisa periode penelitian

2008 2010. Hasil penelitian ini sesuai dengan penelitian yang dilakukan

oleh Teddy Rahman (2009) yang menyatakan bahwa OER berpengaruh

negatif terhadap perubahan laba.

4. Loan to Deposit Ratio (LDR) tidak berpengaruh secara parsial terhadap


Hasil penelitian ini tidak sesuai dengan penelitian yang dilakukan oleh

Teddy Rahman (2009) yang menyatakan bahwa LDR berpengaruh

terhadap perubahan laba.

5. Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Operational

Efficiency Ratio (OER), Loan to Deposit Ratio (LDR) tidak berpengaruh

secara simultan terhadap pertumbuhan laba pada Bank swata devisa

periode penelitian 2008 2010. Hasil penelitian ini tidak sesuai dengan

penelitian yang dilakukan oleh Aini (2006) yang menyatakan bahwa CAR

dan LDR berpengaruh secara simultan terhadap perubahan laba.

5.2 Saran

Adapun saran-saran yang dapat diberikan melalui hasil peneltian ini adalah

sebagai berikut :


57

1. Bagi investor, dapat berinvestasi pada Bank Swasta Devisa yang telah

diteliti karena berdasarkan hasil penelitian secara keseluruhan Bank yang

telah diteliti memiliki rata rata CAR yang cukup tinggi yaitu 16,77%.

Hal ini menunjukkan bahwa secara statistik, selama periode penelitian

rasio CAR telah memenuhi standar yang diberikan Bank Indonesia yaitu

minimal 8%.

2. Bagi sektor perbankan, hendaknya memperhatikan nilai CAR, loan untuk

menciptakan kredit yang tinggi dan diimbangi dengan kemampuan untuk

memenuhi kredit tersebut dan berusaha menekan biaya operasional untuk

meningkatkan efiensi operasional perusahaan.

3. Bagi akademisi, saran untuk penelitian lebih lanjut sebaiknya menambah

sampel dan periode penelitian yang digunakan untuk lebih memperkuat

hasil penelitian. Misalnya dengan menggunakan periode pengamatan yang

lebih panjang. Penelitian selanjutnya diharapkan dapat menambah variabel

dependen di luar dari variabel CAR, NPL, OER, dan LDR.


Chapter Lll V

Documents

Transcript of Chapter Lll V