BAB III METODE PENELITIAN
A. Populasi Populasi dari penelitian ini adalah perbankan yang go public di Bursa Efek Indonesia (BEI) dan menerbitkan laporan keuangan yang lengkap (Annual Report) pada periode tahun 2012 – 2013.
B. Jenis Data Penelitian ini menggunakan data sekunder, yaitu data yang diperoleh secara tidak langsung dari sumbernya. Data penelitian ini berupa annual report dan laporan keuangan publikasian tahunan yang telah diaudit, yang terdiri dari neraca, rugi laba serta catatan atas laporan keuangan selama tahun 2012-2013.
C. Teknik Pengambilan Sampel Pengambilan sampel menggunakan teknik purposive sampling, dengan menggunakan kriteria sebagai berikut : 1. Semua perbankan yang terdaftar di Bursa efek Indonesia selama tahun 2012-2013, sehingga perbankan yang telah di delisting dari Bursa Efek Indonesia tidak dimasukkan sebagai sampel. 2. Perbankan yang menjadi sampel adalah perbankan yang mempublikasikan laporan keuangan lengkap (termasuk catatan atas laporan keuangan). 3. Perbankan memiliki data lengkap sesuai kebutuhan penelitian.
32
D. Definisi Operasional Variabel Penelitian Variabel yang yang digunakan dalam penelitian ini adalah : 1. Variabel Dependent Profitabilitas Profitabilitas merupakan variabel yang digunakan untuk mengukur efektivitas
perusahaan
didalam
menghasilkan
keuntungan
dengan
memanfaatkan aktiva yang dimilikinya maupun modal sendiri yang dimiliki. Variabel ini diukur dengan rasio ROA (Dendawijaya, 2009). Laba bersih setelah pajak ROA = Total Assets
2. Variabel Independen a. Ukuran perusahaan (size) Variabel ukuran perusahaan (size) diukur dengan rasio total aktiva yang merupakan keseluruhan aktiva yang dimiliki perusahaan. Untuk menormalkan besaran nilainya data ini dilogaritma naturalkan : SIZE = Ln total aktiva
b. Capital Adequacy Ratio (CAR) CAR kemampuan
merupakan bank
dalam
rasio
permodalan
menyediakan
yang
dana
menunjukkan
untuk
keperluan
pengembangan usaha dan menampung kemungkinan resiko kerugian yang diakibatkan dalam operasional bank (Dendawijaya, 2005). Besarnya CAR diukur dengan cara berikut : 33
Modal bank CAR=
x 100% Aktiva Tertimbang Menurut Resiko
c. Loan to Deposit Ratio (LDR) LDR adalah rasio yang dimaksudkan untuk mengukur seberapa besar kemampuan bank tersebut dalam membayar utang-utangnya dan membayar kembali kepada deposannya (pihak ketiga) serta dapat memenuhi
permintaan
kredit
yang
diajukannya
tanpa
terjadi
penangguhan Total kredit yang diberikan LDR= Total dana pihak ketiga
E. Uji Hipotesis Dan Analisis Data Analisis data yang dilakukan meliputi statistik deskriptif dan analisis regresi linier berganda. 1. Statistik deskriptif Penelitian ini menggunakan analisis statistik deskriptif seperti ratarata, nilai maksimum, minimum dan standar deviasi. Analisis ini ditujukan untuk memberikan gambaran awal tentang variabel-variabel yang digunakan dalam penelitian. 2. Analisis Data Pengujian hipotesis dilakukan dengan menggunakan model koreksi kesalahan atau Error Correction Models (ECM). Error Correction Models (ECM) adalah teknik untuk mengoreksi ketidakseimbangan jangka pendek 34
menuju kesimbangan jangka panjang, serta dapat menjelaskan hubungan antara peubah terikat dengan peubah bebas pada waktu sekarang dan waktu lampau. Pengolahan data dalam penelitian ini menggunakan software Microsoft Excell dan Eviews 4.1. Adapun syarat untuk menggunakan metode analisis ECM yaitu jika minimal ada salah satu variabel yang tidak stasioner. Apabila seluruh data yang digunakan ternyata stasioner, maka persamaan tersebut tidak dapat dianalisa menggunakan metode ECM. Dalam penelitian ini akan dilakukan Unit Root Test untuk mengetahui apakah data yang digunakan stasoiner atau tidak. Unit Root Test dapat diketahui dengan menggunakan Augmented Dickey Fuller (ADF) Test. Kemudian, dilakukan uji derajat integrasi serta uji kointegrasi untuk mengetahui adanya hubungan jangka panjang dengan menggunakan EngelGranger Cointegration Test. Adapun persamaan untuk melihat pengaruh ukuran perusahaan, capital adequacy ratio, dan loan to deposit ratio terhadap profitabilitas dalam jangka panjang dengan uji kointegrasi adalah sebagai berikut: ROAt = α1 SIZEt + α 2 CARt + α3 LDRt + e Keterangan : ROAt
= Profitabilitas (diukur dengan return on assets) pada periode t
SIZEt
= Ukuran perbankan pada periode t
CARt
= Capital Adequady Ratio pada periode t
LDRt
= Loan to deposit ratio pada periode t
et
= Error disturbance pada periode t 35
Langkah selanjutnya adalah melakukan koreksi kesalahan (error) dengan menggunakan ECM untuk melihat pengaruh ukuran perusahaan, capital adequacy ratio, dan loan to deposit rasio terhadap profitabilitas dalam jangka pendek. ∆ROAt = α1 ∆SIZEt + α2 ∆CARt + α3 ∆LDRt + γut-1 + et 0<γ<1 Keterangan : ROAt
= Profitabilitas (diukur dengan return on assets) pada periode t
SIZEt
= Ukuran perbankan pada periode t
CARt
= Capital Adequady Ratio pada periode t
LDRt
= Loan to deposit ratio pada periode t
ut-1
= Error correction terms Berdasarkan hasil perhitungan dengan analisis regresi linear ECM
diatas, maka dapat diketahui nilai variabel ECT (error correction term), yaitu variabel yang menunjukkan keseimbangan investasi. Hal ini dapat menjadikan indikator bahwa spesipikasi model baik atau tidak melalui tingkay signifikansi koefisien koreksi kesalahan (Winarno, 2011). Jika variabel ECT signifikansi pada α = 5%, maka koefisien tersebut akan menjadi penyesuaian bila terjadi fluktuasi variabel yang diamati menyimpang dari hubungan jangka panjang. Dengan kata lain spesipikasi model sudah shahih (valid) dan dapat menjelaskan variasi variabel tak bebas. Langkah-langkah pengujian hipotesisnya adalah sebagai berikut: a. Pengujian akar unit (Unit Root Test) 36
Sebelum melakukan analisa regresi dengan menggunakan data timeseries, perlu dilakukan uji stationary terhadap seluruh variabel untuk mengetahui apakah variabel-variabel tersebut stationary atau tidak. Suatu series dikatakan stationary apabila rata-rata, varian dan autocovariance nilainya konstan dari waktu ke waktu.
Gambar 2.1. Data yang Tidak Stationary Gambar 2 (a) menunjukkan bahwa nilai Y semakin tinggi seiring dengan meningkatnya waktu. Nilai rata-ratanya juga mengalami peningkatan yang sistemik (tidak konstan) sedangkan variannya konstan. Sedangkan pada gambar 2 (b) terlihat adanya peningkatan rata-rata yang tidak sistemik atau konstan namun variannya menjadi semakin tinggi ketika terjadi penambahan waktu atau ada heteroskedastisitas. Kedua kondisi inilah yang menunjukkan bahwa data tidak stationary. Dalam analisis time series, informasi apakah data bersifat stasionary merupakan hal yang sangat penting. Variabel-variabel ekonomi yang terus menerus meningkat sepanjang waktu adalah contoh dari variabel yang tidak stationary. Dalam metode OLS, mengikutsertakan variabel 37
yang non stationer dalam persamaan mengakibatkan standard error yang dihasilkan menjadi bias dan menghasilkan kesimpulan yang tidak benar. Banyak
ditemukan
bahwa
koefisien
estimasi
signifikan
tetapi
sesungguhnya tidak ada hubungan sama sekali. Terdapat beberapa metode pengujian unit root, dua diantaranya yang saat ini secara luas dipergunakan adalah (augmented) Dickey-Fuller (1981) dan Phillips–Perron (1988) unit root test. Prosedur pengujian stationary data adalah sebagai berikut : 1) Melakukan uji terhadap level series. Jika hasil uji unit root menunjukkan terdapat unit root, berarti data tidak stationary. 2) Selanjutnya adalah melakukan uji unit root terhadap first difference dari series. 3) Jika hasilnya tidak ada unit root, berarti pada tingkat first difference, series sudah stationary atau semua series terintegrasi pada orde I(1). 4) Jika setelah di-first difference-kan series belum stationary maka perlu dilakukan second difference. b. Uji Kointegrasi Keberadaan variabel non-stationary menyebabkan kemungkinan besar adanya hubungan jangka panjang antara variabel di dalam sistem ECM. Berkaitan dengan hal ini, maka langkah selanjutnya di dalam estimasi ECM adalah uji kointegrasi untuk mengetahui keberadaan hubungan antar variabel.
38
Konsep kointegrasi adalah hubungan linier antar variabel yang tidak stasioner. Salah satu catatan penting mengenai kointegrasi adalah seluruh variabel harus terintegrasi pada orde yang sama. Jika ada dua variabel yang terintegrasi pada orde yang berbeda, maka kedua variabel ini tidak mungkin berkointegrasi (Enders, 1995: 358-360). Jadi sebelum melakukan uji kointegrasi, seluruh variabel harus terintegrasi pada orde yang sama. Uji kointegrasi dilakukan dengan menggunakan metode Engle dan Granger. Dari hasil estimasi regresi akan diperoleh residual. Kemudian residual tersebut diuji statianory-nya, jika stationary pada orde level maka data dikatakan terkointegrasi. c. Estimasi ECM Penentuan Panjang Lag Optimal Dampak sebuah kebijakan ekonomi seperti kebijkan moneter biasanya tidak secara langsung berdampak pada aktivitas ekonomi tetapi memerlukan waktu (lag). Penentuan panjang lag optimal merupakan hal yang sangat penting dalam ECM, yang berguna untuk menangkap semua pengaruh dari variabel-variabel bebas. Penentuan panjang lag optimal digunakan untuk mengetahui seberapa banyak lag yang digunakan dalam estimasi ECM. Kriteria yang umum digunakan dalam menentukan panjang lag optimal adalah Akaike Information Criteria (AIC) dan Schwarz Information
Criteria
(SIC). 39
Akaike’s
information
criterion,
dikembangkan oleh Hirotsugu Akaike pada 1971 dan dikemukakan dalam Akaike (1974), yang menghitung ukuran terbaik dari sebuah estimasi model statistik. Metodologi AIC mencoba mencari model yang mampu menjelaskan data dengan parameter bebas yang minimum. AIC memutuskan sebuah model dengan seberapa dekat nilai model tersebut terhadap nilai kebenarannya dalam istilah nilai pendugaan tertentu. Tetapi sangat penting untuk disadari bahwa nilai AIC menandai sebuah model yang hanya menunjukkan peringkat kompetisi model dan memberitahukan yang manakah yang terbaik diantara alernatif yang diberikan. Penentuan
panjang
lag
optimal
dapat
dilakukan
dengan
mengestimasi masing-masing lag, kemudian dilihat masing-masing nilai kriteria AIC. Lag optimal terjadi ketika nilai kriteria turun kemudian naik pada lag berikutnya. d. Uji t (t test) Uji t, digunakan untuk menguji signifikansi pengaruh masingmasing variabel independen terhadap variabel dependen. Adapun kriteria ujinya sebagai berikut: 1) Jika p value > 0,05, maka Ha ditolak 2) Jika p value < 0,05, maka Ha diterima e. Uji F (F test)
40
Uji F dimaksudkan untuk menguji signifikansi pengaruh variabel independen secara serentak terhadap variabel dependen. Adapun kriteria ujinya sebagai berikut: 1) Jika p value > 0,05, maka Ha ditolak 2) Jika p value < 0,05, maka Ha diterima f. Koefisien Determinasi Koefisien determinasi digunakan untuk mengetahui seberapa besar persentase variabilitas variabel dependen dapat dijelaskan oleh variabel independen. Besarnya koefisien determinasi akan terletak antara 0 sampai dengan 1. Semakin besar nilai koefisien determinasi (mendekati 1) semakin baik, demikian sebaliknya.
g. Pelanggaran Asumsi Klasik Dalam penelitian ini uji pelanggaran asumsi klasik meliputi uji normalitas, autokorelasi, heteroskedastisitas, dan multikolinearitas. 1) Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi residual berdistribusi normal atau tidak. Model regresi yang baik adalah memiliki residual berdistribusi normal atau mendekati normal. Untuk mendeteksi normalitas melalui program Eviews dengan menggunakan uji Jarque Bera (JB), dengan kriteria: (Basuki & Yuliadi, 2015).
41
a) Jika probabilitas Jarque Bera (JB) > 0,05, maka residualnya berdistribusi normal. b) Jika probabilitas Jarque Bera (JB) < 0,05, maka residualnya berdistribusi tidak normal. 2) Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara residual (kesalahan pengganggu) pada periode t dengan residual pada periode t-1 (sebelumnya). Model regresi yang baik adalah regresi yang bebas dari autokorelasi. Untuk menentukan autokorelasi dengan menggunakan uji
Durbin-Watson.
Penarikan
kesimpulan
apakah
terdapat
autokorelasi, sebagai berikut: (Ghozali, 2005).
a) Jika DWhitung < dl maka terjadi autokorelasi positif. b) Jika dl < DWhitung < du maka terdapat di daerah ragu-ragu. c) Jika du < DWhitung < 4-du maka tidak terjadi autokorelasi d) Jika 4- du < DWhitung < 4-dl maka terdapat di daerah ragu-ragu e) Jika DWhitung > 4-d1 maka terjadi autokorelasi negatif. 3) Uji Heteroskedastisitas Heteroskedastisitas adalah kondisi dimana nilai varian dari variabek independen tidak memiliki nila-nilai yang sama. Untuk mendeteksi heteroskedastisitas dengan melihat nilai Obs*R-Squared pada White Heteroskedasticity Test. Apabila nilai Obs*R-Squared 42
lebih besar dari taraf nyata yang digunakan maka persamaan tidak memiliki heteroskedastisitas. 4) Uji Multikolinearitas Multikolinearitas dalam model regresi artinya antara variabel independen memiliki hubungan yang sempurna dan mendekati sempurna. Uji multikolinearitas melalui program Eviews dengan pendekatan korelasi parsial.
43
