BAB III METODE PENELITIAN. analisisnya didasarkan pada analisis data numerik atau angka serta dilakukan

BAB III METODE PENELITIAN

3.1.

Desain Penelitian Penelitian

ini

menggunakan

desain

penelitian

kuantitatif

karena

analisisnya didasarkan pada analisis data numerik atau angka serta dilakukan pengujian hipotesis sehingga diperoleh signifikansi antara variable yang diperoleh. Sedangkan jenis data yang digunakan yaitu data panel dengan menggabungkan data time series dan cross section laporan keuangan tahunan (annual report) bank-bank yang terdaftar di Bursa Efek Indonesia. Pengumpulan data pada penelitian ini menggunakan data panel karena data yang akan diolah terdiri dari beberapa objek/item dalam beberapa periode waktu.

3.2.

Populasi, Sampel, Dan Teknik Sampling Populasi yang digunakan untuk data penelitian ini adalah bank-bank yang

terdaftar di Bank Indonesia. Sampel data penelitian adalah seluruh bank BUMN milik pemerintah, Bank Umum Swasta Nasional devisa dan Non Devisa di Indonesia yang terdaftar dalam Bursa Efek Indonesia (BEI) tahun 2009-2013. Saya memilih rentang tahun tersebut karena terjadi krisis keuangan sekitar tahun 2008, sehingga dapat mengetahui apakah krisis tersebut mempengruhi kinerja keuangan bank-bank tersebut dalam hal likuiditas dan kreditnya. Teknik sampling yang digunakan dalam penelitian ini yaitu teknik purposive sampling dengan syarat bank-bank yang listing di BEI tahun 2009-2013.

17

18

3.3.

Definisi Operasional Variabel Dan Pengukuran 3.3.1. Variabel Dependen Variabel dependen (variabel terikat) yang digunakan adalah Probabilitas

Default bank (PD) atau kemungkinan seorang debitur mengalami gagal bayar atas kewajiban yang dia miliki. Maksud default dalam penelitian ini adalah bank yang terindikasi akan gagal. Untuk mengetahui PD suatu bank dapat dihitung menggunakan proksi ZSCORE. Proksi ZSCORE merupakan tingkat kestabilan suatu bank, jadi proksi ini berhubungan negatif atau berbanding terbalik dengan maksud Probabilitas default bank. Jika nilai ZSCORE naik maka PD (kemungkinan bank bangkrut) akan turun, jika nilai ZSCORE turun maka PD akan naik. Di bawah ini adalah rumus ZSCORE: 𝑙𝑛

𝑅𝑒𝑡𝑢𝑟𝑛 𝑜𝑛 𝐴𝑠𝑠𝑒𝑡 + 𝐶𝑎𝑝𝑖𝑡𝑎𝑙 𝐴𝑑𝑒𝑞𝑢𝑎𝑐𝑦 𝑅𝑎𝑡𝑖𝑜 𝑆𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝐷𝑒𝑣𝑖𝑎𝑡𝑖𝑜𝑛 𝑜𝑓 𝑅𝑒𝑡𝑢𝑟𝑛 𝑜𝑛 𝐴𝑠𝑠𝑒𝑡

3.3.2. Variabel Independen John C. Hull (2007:343) berpendapat bahwa risiko likuiditas adalah resiko yang timbul karena ketidakcukupan jumlah pembeli atau penjual di dalam pasar institusi keuangan untuk mengeksekusi hasrat atau keinginan untuk berdagang (membeli atau menjual). Risiko likuiditas dihitung dengan proksi LR yang merupakan proksi baru. LR ini untuk mengetahui seberapa besar asset likuid suatu bank.. Semakin besar LR maka bank tersebut semakin baik atau memiliki asset yang lebih likuid, sehingga risiko likuiditasnya semakin kecil. Rumus LR adalah:

19

[(Demand Deposits + Transaction Deposits + Brokered Deposits + NOW Accounts + Unused Loan Commitments) - (Cash + Currency & Coin + Trading Assets + Suku Bunga BI + Commercial Paper + Securities available for Sale) ± Net Inter-Bank Lending Position ± Net Inter-Bank LR = Acceptances ± Net Derivative Position] =

Total Assets

Variabel kedua dalam penilitian ini adalah risiko kredit. Menurut Riyadi (2006),

risiko

kredit

adalah

risiko

kerugian

yang

diakibatkan

karena

debitur/counterparty tidak dapat memenuhi kewajiban/ mengembalikan dana yang dipinjam dan bunga yang harus dibayarnya. Risiko kredit dapat dicari menggunakan proksi NPL atau Non Performing Loan. NPL menggambarkan seberapa besar tingkat kredit macet atau kredit bermasalah suatu bank. Jika nilai NPL semakin tinggi maka bank tersebut risiko kredit semakin tinggi, begitu pula sebaliknya. NPL dapat langsung ditemukan dalam laporan keuangan atau dengan rumus berikut: 𝑇𝑜𝑡𝑎𝑙 𝑁𝑃𝐿 𝑥 100% 𝑇𝑜𝑡𝑎𝑙 𝑘𝑟𝑒𝑑𝑖𝑡

3.4.

Metode Analisis Data Penelitian ini menggunakan analisis data dengan uji asumsi klasik untuk

menguji asumsi-asumsi dalam analisis regresi linier berganda. Uji hipotesis menggunakan uji F dan uji t. Probability of Default bank (PD) diuji menggunakan ZSCORE. Variable independen risiko kredit dan risiko likuiditas menggunakan proksi seperti yang telah diterangkan di atas, yaitu NPL dan LR.

20

3.5.

Uji Asumsi Klasik Uji asumsi klasik bertujuan untuk melihat hubungan yang signifikan dan

representatif pada model regresi sehingga peneliti dapat memperoleh penafsiran yang terbaik. Sebuah model regresi yang baik, perlu melakukan pengujian ini. Uji asumsi klasik meliputi uji normalitas, uji heterokedastisitas, uji multikolinearitas, dan uji autokorelasi. Analisis dilakukan pada semua uji asumsi klasik, kemudian dilihat mana yang memenuhi syarat. Bila ada satu uji yang tidak memenuhi syarat, maka dilakukan perbaikan pada uji tersebut hingga memenuhi syarat. Pada penelitian ini pengujian asumsi klasik menggunakan alat uji program SPSS 16.0 untuk Windows.

3.5.1. Uji Normalitas Uji normalitas pada penelitian bertujuan untuk menyelidiki apakah distribusi data mengikuti atau mendekati distribusi normal. Data yang baik adalah data yang memiliki pola seperti distribusi normal tidak condong ke kiri ataupun ke kanan. Untuk mengetahui normalitas residual, dapat melihat analisis grafik (Histogram dan normal P-Plot) dan analisis statistik Non-Parametrik KolmogorovSmirnov (K-S). Analisis grafik menggunakan grafik Histogram dan grafik P-Plot bertujuan untuk membandingkan distribusi kumulatif dan distribusi normal dengan dasar pengambilan keputusan sebagai berikut: a.

Jika data terdistribusi disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram menunjukan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.

21

b.

Jika data terdistribusi jauh dari garis diagonal dan tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Analisis statistik dengan melihat uji statistic Non-Parametrik Kolmogorov-

Smirnov (K-S). Apabila nilai Kolmogorov-Smirnov (K-S) dan nilai Asimp.sig (2tailed) atau probabilitasnya diatas 0,05, maka data telah memenuhi asumsi normalitas.

3.5.2. Uji Heteroskedastisitas Pengujian asumsi dengan uji heteroskedastisitas bertujuan untuk menguji apakah pada model regresi linear terjadi ketidaksamaan varian dari residual satu pengamatan ke lainnya. Jika varian suatu residual dari satu pengamatan ke pengamatan lain tetap maka disebut homokedastisitas, namun jika sebaliknya disebut heteroskedastisitas Bila suatu model regresi terjadi heteroskedastisitas, maka terjadi kemungkinan untuk mengambil kesimpulan yang salah dalam uji F dan uji t. Model .regresi yang baik adalah yang tidak terjadi heterokesdastistas. Untuk mengetahui ada tidaknya heteroskedastisitas pda suatu data dapat dilakukan dengan Uji Park salah satunya. Uji park dilakukan dengan cara meregresikan nilai residual (Lnei2) dengan masing-masing variabel independen (Lnx1 dan Lnx2). Pengambilan keputusan ada tidaknya heteroskedastisitas dapat juga dengan menggunkan scatterplot yang didasarkan pada syarat berikut (Ghozali, 2010):

22

a.

Jika terdapat pola tertentu seperti titik-titik yang ada membentuk suatu pola literatur (bergelombang, kemudian menyempit), maka terindikasi terjadi heteroskedastisitas.

b.

Jika tidak terdapat pola tertentu yang jelas serta titik-titik menyebar diatas dan

dibawah

angka

0

sumbu

Y,

maka

terindikasi

tidak

terjadi

bertujuan

untuk

heteroskedastisitas.

3.5.3. Uji Multikolinearitas Pengujian

asumsi

dengan

uji

multikolinearitas

mengetahui apakah pada model regresi, masing-masing variabel independennya saling berhubungan secara linear. Pengujian ini sering dilakukan di berbagai penelitian karena model regresi yang baik adalah yang tidak terdapat korelasi linier pada variabel independennya. Ghozali (2010) menjelaskan pengukuran multikolinearitas dapat dilihat dari nilai tolerance atau VIF (Variance Inflation Factor) dari masing-masing variabel. Jika nilai Tolerance, jika lebih besar dari 0,10 maka data tidak terjadi Multikolinearitas, dan sebaliknya. Jika nilai VIF lebih kecil dari 10,00 maka tidak terdapat multikolinearitas, dan sebaliknya.

3.5.4. Uji Autokorelasi Pengujian asumsi autokorelasi bertujuan untuk mengetahui apakah dalam model regresi linier terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1. Jika pada model regresi linier terdapat korelasi, maka disebut problema autokorelasi. Autokorelasi muncul karena observasi yang muncul secara berututan sepanjang waktu berkaitan satu

23

dengan lainnya. Pengambilan keputusan ada tidaknya autokorelasi dapat dilihat pada tabel 3.1. berikut: Tabel 3.1. Pengambilan Keputusan Uji Autokorelasi Hipotesis Nol Tidak ada autokorelasi positif Tidak ada autokorelasi positif

Keputusan Tolak No decision

Tidak ada autokorelasi negatif Tidak ada autokorelasi negatif

Tolak No decision

Tidak ada autokorelasi, positif atau negative Sumber: Ghozali (2010)

Tidak ditolak

Jika 0
Keterangan: d = Durbin Watson hitung dl = Durbin Watson – lower du = Durbin Watson – upper Jika nilai d berada diantara interval nilai du dan 4–du, maka tidak terdapat autokorelasi. Namun, jika nilai d berada diluar interval nilai du dan 4–du, maka terdapat autokorelasi pada asumsi tersebut. Untuk mendeteksi ada atau tidaknya autokorelasi yaitu dengan melihat uji Durbin-Watson (DW test). Hipotesis yang akan diuji: H0 : tidak terdapat autokorelasi ( r = 0) H1 : terdapat korelasi ( r ≠ 0)

3.6.

Uji Hipotesis 3.6.1. Uji Determinasi (R2) Pengujian determinasi (R2) bertujuan untuk mengukur seberapa jauh

sebuah model dalam menerangkan variasi variabel dependen. Nilai koefisien dari

24

determinasi sebesar antara nol dan satu. Dengan nilai R2 yang kecil mengindikasikan kemampuan variabel-variabel independen untuk menjelaskan variasi variabel dependen sangat terbatas. Namun, jika nilai R2 mendekati angka satu maka mengindikasikan variabel-variabel independen memberikan hampir seluruh informasi untuk menjelaskan variasi variabel dependen.

3.6.2. Uji F Uji F adalah salah satu uji hipotesis yang bertujuan untuk mengetahui apakah variabel dependen secara simultan atau bersama-sama dipengaruhi oleh variabel independen secara signifikan. Sebelum melakukan uji F, peneliti dapat merumuskan hipotesis sebagai berikut: a. H0: 𝛽 1=𝛽 2=𝛽 3=𝛽 4=𝛽 5=𝛽 6= 0 Hipotesis nol (H0) adalah semua parameter dalam model regresi sama dengan nol. Artinya, variabel independen bukan merupakan variabel penjelas yang secara simultan berpengaruh signifikan terhadap variabel dependen. b. H1: 𝛽 1≠ 𝛽2≠ 𝛽3≠ 𝛽 4≠ 𝛽5≠ 𝛽6≠ 0 Hipotesis satu (H1) adalah tidak semua parameter dalam model regresi sama dengan nol. Artinya, variabel independen merupakan variabel penjelas yang secara simultan berpengaruh signifikan terhadap variabel dependen. Setelah merumuskan hipotesis, selanjutnya pengujian hipotesis dapat dilakukan dengan membandingkan F hitung dengan F tabel. Uji F dilakukan dengan syarat sebagai berikut: a. Bila F hitung ≤ F tabel maka H0 diterima dan menolak H1, berarti secara bersama-sama variabel independen tidak memberi pengaruh pada variabel dependen.

25

b. Bila F hitung ≥ F tabel maka H1 diterima dan menolak H0, berarti secara bersama-sama variabel independen memberi pengaruh pada variabel dependen Uji F juga dapat digunakan untuk mengamati nilai signifikan F pada tingkat 𝛼 yang digunakan (dalam penelitian ini menggunakan tingkat 𝛼 sebesar 5%). Analisis ini didasarkan pada perbandingan nilai signifikansi F dengan nilai signifikansi 0,05 dengan syarat sebagai berikut: a. Jika nilai signifikansi F ≤ 0,05 maka H1 diterima, berarti variabel-variabel independen secara simultan berpengaruh terhadap variabel dependen. b. Jika nilai signifikansi F ≥ 0,05 maka H0 diterima, berarti variabel-variabel independen secara simultan tidak berpengaruh terhadap variabel dependen.

3.6.3. Uji T Uji t adalah salah satu uji hipotesis yang bertujuan untuk mengetahui seberapa jauh variabel independen secara individual dalam menerangkan variasi variabel dependen. Sebelum melakukan pengujian, peneliti merumuskan hipotesis sebagai berikut: a. H0: 𝛽 1= 0 Hipotesis nol (H0) adalah variabel independen tidak mempunyai pengaruh terhadap variabel dependen. b. H1: 𝛽 1≠ 0 Hipotesis satu (H1) adalah variabel independen mempunyai pengaruh terhadap variabel dependen.

26

Setelah merumuskan hipotesis, pengujian hipotesis dengan uji t dapat dilakukan dengan syarat sebagai berikut: a. Bila -t tabel ≤ t hitung ≤ t tabel maka H0 diterima dan H1 ditolak, artinya variabel independen secara individual tidak berpengaruh terhadap variabel depeden. b. Bila t hitung ≥ t tabel atau t hitung ≤ -t tabel maka H0 ditolak dan H1 diterima, artinya variabel independen secara individual berpengaruh terhadap variabel dependen. Uji t juga dapat digunakan untuk mengamati nilai signifikan t pada tingkat 𝛼 yang digunakan. Analisis ini didasarkan pada perbandingan nilai signifikansi t dengan nilai signifikansi 0,05 dengan syarat sebagai berikut: a. Jika nilai signifikansi t ≤ 0,05 maka H0 ditolak, berarti variabel-variabel independen secara individual berpengaruh terhadap variabel dependen. b. Jika nilai signifikansi t ≥ 0,05 maka H0 diterima, berarti variabel-variabel independen

secara

individual

tidak

berpengaruh

terhadap

variabel

dependen.

3.7.

Analisis Regresi Berganda Analisis regresi dapat digunakan dalam penelitian untuk menjelaskan

seberapa jauh sebuah variabel dapat mempengaruhi variabel yang lainnya. Regresi berganda merupakan salah satu teknik statistik melihat pengaruh variabel independen yang jumlahnya dua atau lebih terhadap variabel dependen. Penelitian ini menggunakan metode analisis regresi berganda dengan menggunakan persamaan ordinary least square. Berikut adalah persamaan regresi yang disusun pada penelitian ini:

27

ZSCORE,t = 𝛼 0 - 𝛼 1NPL,t + 𝛼 2LR,t + e Keterangan: ZSCORE

: probabilitas default bank (PD)

NPL

: risiko kredit

LR

: risiko likuiditas

e

: residual