44
BAB IV ANALISIS HASIL DAN PEMBAHASAN
A. Analisis Statistik Deskriptif Berdasarkan hasil analisis statistik deskriptif, maka pada Tabel 4.1 berikut ini akan ditampilkan karakteristik sample yang digunakan di dalam penelitian ini meliputi jumlah sampel (N), nilai minimum, nilai maksimum, rata-rata sampel (mean), serta standar deviasi untuk masing-masing variabel. Tabel 4.1 Hasil Analisis Deskriptif Statistik Descriptive Statistics N
Minimum
Maximum
Mean
Std. Deviation
JumlahKredit
51
677415
252489000
56407413.86
7.023E7
BOPO
51
41.98
102.64
78.4284
16.77319
LDR
51
45.54
95.11
72.3525
13.64433
ROA
51
.09
4.64
1.9059
1.09407
Valid N (listwise)
51
Berdasarkan pada Tabel 4.1 maka dapat dijelaskan statistik deskriptif data penelitian sebagai berikut: Variabel jumlah kredit yang diberikan bernilai minimum sebesar Rp. 677.415 Juta yang dimiliki oleh Bank Capital Indonesia Tbk, pada tahun 2008 dan nilai maksimum sebesar Rp. 252.489.000 Juta dimiliki Bank Rakyat
45
Indonesia Tbk, pada tahun 2010 dengan nilai rata-rata (mean) Rp. 56.407.413,86 Juta serta standar deviasi Rp.7,023E7. Dengan nilai standar deviasi terlihat lebih kecil dari mean maka dapat dikatakan bahwa simpangan data pada variabel jumlah kredit tersebar dengan baik. Variabel BOPO bernilai minimum sebesar 41,98% yang dimiliki oleh Bank Central Asia Tbk pada tahun 2008 dan nilai maksimum sebesar 102,64% dimiliki oleh Bank Kesawan Tbk pada tahun 2008 dengan nilai ratarata 78,4284% serta standar deviasi 16,77319%. Dengan nilai standar deviasi lebih kecil dari mean maka dapat dikatakan bahwa simpangan data pada variabel BOPO tersebar dengan baik. Variabel LDR bernilai minimum sebesar 45,54% yang dimiliki oleh Bank Ekonomi Raharja Tbk pada tahun 2009 dan nilai maksimum sebesar 95,11% dimiliki oleh Bank CIMB Niaga Tbk pada tahun 2009 dengan nilai rata-rata 72,3525% serta standar deviasi 13,64433%. Dengan nilai standar deviasi lebih kecil dari mean maka dapat dikatakan bahwa simpangan data pada variabel LDR tersebar dengan baik. Variabel ROA bernilai minimum sebesar 0,09% yang dimiliki oleh Bank ICB Bumi Putera Tbk pada tahun 2008 dan nilai maksimum sebesar 4,64% yang dimiliki oleh Bank Rakyat Indonesia Tbk pada tahun 2010 dengan nilai rata-rata 1,09059% serta standar deviasi 1,09407%. Dengan nilai standar deviasi lebih kecil dari mean maka dapat dikatakan bahwa simpangan data pada variabel ROA tersebar dengan baik.
46
B. Uji Asumsi Klasik Analisis ini juga dapat disebut sebagai uji prasyarat dari model regresi linier berganda yang akan diujikan. Model regresi yang baik harus menghasilkan estimator linier yang tidak bias yang terbaik (Best Linear Unbias Estimator/BLUE). Kondisi ini akan terjadi jika dipenuhi beberapa asumsi, yang disebut asumsi klasik. Uji asumsi klasik yang dilakukan dalam penelitian ini adalah: 1. Uji Normalitas Uji normalitas bertujuan untuk menguji apakah data yang digunakan dalam model regresi, variabel independen dan variabel dependen atau keduanya telah berdistribusi secara normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Untuk
mendeteksi
normalitas
data,
dapat
dilakukan
dengan
menggunakan uji Kolmogorov-Smirnov. Caranya adalah dengan menentukan terlebih dahulu hipotesis pengujian, yaitu: Ho : data terdistribusi secara normal Ha : data tidak terdistribusi secara normal
47
Tabel 4.2 Uji Normalitas One-Sample Kolmogorov-Smirnov Test JumlahKredit N a,,b
Normal Parameters
Mean Std. Deviation
BOPO
LDR
ROA
51
51
51
51
56407413.86
78.4284
72.3525
1.9059
7.023E7
16.77319
13.64433
1.09407
Most Extreme
Absolute
.235
.184
.087
.091
Differences
Positive
.235
.113
.069
.091
Negative
-.214
-.184
-.087
-.071
1.677
1.311
.621
.651
.007
.064
.835
.790
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal.
Tidak Normal
Normal
Normal
Normal
b. Calculated from data.
Dari Tabel 4.2 dapat diketahui bahwa nilai variabel BOPO adalah 1.311 dengan Asymp. sig = 0.064, variabel LDR adalah 0.621 dengan Asymp. sig = 0.835, variabel ROA adalah 0.651 dengan Asymp. sig = 0.790 dapat terdistribusi secara normal. Sedangkan variabel jumlah kredit memiliki Kolmogorov-Smirnov 1.677 dengan Asymp. sig = 0.007, variabel tersebut memiliki probabilitas dibawah 0,05. Hal ini berarti hipotesis nol ditolak atau variabel jumlah kredit tidak terdistribusi normal. Data yang tidak terdistribusi secara normal dapat ditransformasikan agar menjadi normal. Setelah data ditransformasi, maka diuji lagi dengan menggunakan uji normalitas dan dilihat apakah data tersebut sudah terdistribusi secara normal atau tidak. Berikut ini adalah hasil uji normalitas setelah ditransformasikan.
48
Tabel 4.3 Uji Normalitas setelah transformasi data One-Sample Kolmogorov-Smirnov Test LnJumlahKredit N a,,b
Normal Parameters
BOPO
LDR
ROA
51
51
51
51
Mean
16.6561
78.4284
72.3525
1.9059
Std.
1.87501
16.77319
13.64433
1.09407
Deviation Most Extreme
Absolute
.119
.184
.087
.091
Differences
Positive
.119
.113
.069
.091
Negative
-.110
-.184
-.087
-.071
Kolmogorov-Smirnov Z
.848
1.311
.621
.651
Asymp. Sig. (2-tailed)
.468
.064
.835
.790
a. Test distribution is Normal.
Normal
Normal
Normal
Normal
b. Calculated from data.
Dari data Tabel 4.3, dapat diketahui bahwa variabel LnJumlahKredit yang memiliki nilai Kolmogorov-Smirnov 0.848 dengan Asymp. Sig = 0.468 telah terdistribusi secara normal karena memiliki nilai probabilitas lebih besar dari 0,05. Dengan demikian dapat disimpulkan bahwa semua variabel telah terdistribusi secara normal. Selain menggunakan uji Kolmogorov-Smirnov, normalitas data dapat dilihat dari penyebaran data (titik) pada sumbu diagonal pada grafik Normal P-Plot atau dengan melihat histogram dari residualnya.
49
Uji normalitas dengan grafik Normal P-Plot akan membentuk satu garis lurus diagonal, kemudian plotting data akan dibandingkan dengan garis diagonal. Jika distribusi normal maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Gambar 4.1 Grafik Normal Probability P-Plot
Berdasarkan tampilan grafik Normal P-Plot diatas, dapat disimpulkan bahwa pola grafik normal terlihat dari titik yang menyebar disekitar garis diagonal dan penyebarannya mengikuti arah garis diagonal. Hal ini menunjukkan bahwa data yang digunakan dalam penelitian ini telah terdistribusi secara normal sehingga model regresi dapat digunakan dan memenuhi asumsi normalitas.
50
Gambar 4.2
Sedangkan dalam pengujian histogram, dapat diketahui bahwa grafik memiliki pola distribusi normal karena berbentuk simetris tidak menceng kekiri maupun kekanan.
2. Uji Multikolinearitas Uji ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antara variabel independen. Model yang baik seharusnya tidak terjadi korelasi yang tinggi diantara variabel bebas. Tolerance mengukur variabilitas variabel bebas yang terpilih yang tidak dapat dijelaskan oleh variabel bebas lainnya. Jadi, nilai tolerance rendah sama dengan nilai VIF tinggi (karena VIF = 1/ tolerance) dan menunjukkan adanya kolineritas yang tinggi. Nilai cut off yang umum dipakai adalah nilai tolerance 1,10 atau sama dengan nilai VIF diatas 10.
51
Berdasarkan aturan varience inflation factor (VIF) dan tolerance, maka apabila VIF melebihi angka 10 atau tolerance kurang dari 0,10 maka dinyatakan terjadi gejala multikolinearitas. Sebaliknya apabila nilai VIF kurang dari 10 atau tolerance lebih dari 0,10 maka dinyatakan tidak terjadi gejala multikolinearitas. Tabel 4.4 Uji Multikolinearitas Coefficientsa Collinearity Statistics Model 1
Tolerance
VIF
(Constant) LnJumlahKredit
.607
1.647
BOPO
.589
1.699
LDR
.864
1.157
a. Dependent Variable: ROA
Dari Tabel 4.4 dapat disimpulkan bahwa variabel jumlah kredit, BOPO dan LDR tidak terjadi gejala multikolinearitas karena VIF kurang dari 10 dan tolerance lebih dari 0,10.
3. Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda
52
disebut Heteroskedastisitas. Model regresi yang baik adalah
yang
Homoskedastisitas atau tidak terjadi Heteroskedastisitas Untuk menentukan heteroskedastisitas dapat menggunakan grafik scatterplot, titik-titik yang terbentuk harus menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y. Bila kondisi ini terpenuhi maka tidak terjadi heteroskedastisitas dan model regresi layak digunakan. Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot ditunjukkan pada gambar 4.3 berikut ini: Gambar 4.3 Grafik Scatterplot
Dari grafik scatterplot pada gambar 4.3 dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi karena terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas maupun di bawah angka 0 pada sumbu Y.
53
4. Autokorelasi Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan penggangu pada periode t-1 (sebelumnya). Model regresi yang baik adalah regresi yang bebas dari autokorelasi.
Tabel 4.5 Uji Autokorelasi Model Summaryb Model
R
1
R Square .715
a
.511
Adjusted R Square .480
Std. Error of the
Durbin-
Estimate
Watson
.78917
1.865
a. Predictors: (Constant), LDR, LnJumlahKredit, BOPO b. Dependent Variable: ROA
Dari Tabel 4.5 tersebut, menunjukkan bahwa nilai Durbin-Watson sebesar 1.865. Nilai DW akan dibandingkan dengan nilai tabel yang menggunakan derajat kepercayaan 5%, dengan jumlah sampel 51 dengan 3 variabel independen. Maka dari tabel Durbin Watson akan didapatkan nilai dl 1,245 dan nilai du 1,491 karena nilai DW hitung terletak diantara batas atas (du) dan batas bawah (4-du) atau du < dw < 4-du yaitu 1,491 < 1,865 < 2,509 dengan demikian dapat dikatakan bahwa model terbebas dari autokorelasi.
54
C. Uji Hipotesis 1. Koefisien Determinasi (R2) Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependennya. Nilai R2 yang mendekati satu berarti variabel-variabel independennya memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Hasil perhitungan koefisien determinasi yang disajikan Tabel 4.7 sebagai berikut: Tabel 4.7 Hasil Perhitungan Koefisien Determinasi (R2) Model Summary Std. Error of the Model 1
R
R Square .715
a
Adjusted R Square
.511
.480
Estimate .78917
a. Predictors: (Constant), LDR, LnJumlahKredit, BOPO b. Dependent Variable: ROA
Berdasarkan Tabel 4.7 hasil perhitungan diperoleh nilai koefisien determinasi (R2) sebesar 0,480. Dengan kata lain hal ini menunjukkan bahwa besarnya presentasi variasi ROA yang bisa dijelaskan dari ketiga variabel bebas yaitu Jumlah Kredit, BOPO dan LDR , hanya sebesar 48,00%, sedangkan sisanya sebesar 52,00% dijelaskan oleh faktor-faktor lain di luar model penelitian.
55
2. Uji F Uji statistik F pada dasarnya menunjukkan apakah semua variabelvariabel independen atau bebas yang dimasukkan berpengaruh secara serentak terhadap satu variabel dependen atau terikat. Tabel 4.8 Hasil Uji F b
ANOVA Sum of Model 1
Squares
df
Mean Square
Regression
30.578
3
10.193
Residual
29.271
47
.623
Total
59.850
50
F 16.366
Sig. .000
a
a. Predictors: (Constant), LDR, LnJumlahKredit, BOPO b. Dependent Variable: ROA
Dari Tabel 4.8 menunjukkan bahwa secara serentak variabel independent (jumlah kredit, BOPO dan LDR) memiliki pengaruh yang signifikan terhadap variabel dependent (ROA). Hal ini dapat dibuktikan dari nilai Fhitung sebesar 16,366. Dengan taraf signifikan sebesar 5% maka untuk Ftabel diperoleh nilai F3;47;0,05 = 2,84 (pada tabel statistik 0,05). Perbandingan keduanya menghasilkan: Fhitung
Ftabel
16,366 > 2,84 Atau jika dibandingkan antara nilai Sig. dengan taraf signifikansi: α
Sig 0,000
<
0,05
56
Berdasarkan hasil perhitungan dapat disimpulkan bahwa Fhitung > Ftabel dan Sig.
<
α. Dengan demikian hipotesis diterima, artinya jumlah kredit,
BOPO dan LDR secara serentak mempunyai pengaruh terhadap ROA.
3. Uji t Uji statistik t menunjukkan secara parsial pengaruh dari ketiga variabel independen yaitu jumlah kredit, BOPO dan LDR terhadap ROA adalah seperti yang ditunjukkan pada Tabel 4.9 sebagai berikut: Tabel 4.9 Hasil Uji t Coefficientsa
Model 1
Unstandardized
Standardized
Coefficients
Coefficients
B (Constant)
Std. Error
3.437
LnJumlahKredit
Beta
t
1.664 .076
.184
Sig.
2.065
.044
1.409
.166
.108 BOPO
-.038
.009
-.581 -4.372
.000
LDR
-.005
.009
-.060
.586
-.549
Dependent Variable: ROA
Dari hasil pengolahan data seperti yang ditunjukkan pada Tabel 4.9 di atas, yang dapat diinterprestasikan adalah sebagai berikut:
57
1.
Hasil uji t antara jumlah kredit dengan profitabilitas bank (ROA)
menunjukan nilai t hitung sebesar 1,409 dengan nilai signifikan sebesar 0,166 yang berada diatas 0,05. Hal ini menyatakan bahwa jumlah kredit yang diberikan berpengaruh positif tetapi tidak signifikan terhadap profitabilitas bank, Sehingga H1 yang menyatakan bahwa jumlah kredit yang diberikan berpengaruh terhadap ROA bank tidak dapat diterima. H1 tidak diterima artinya dalam penelitian ini semakin tinggi jumlah kredit suatu bank tidak menjadi tolok ukur keberhasilan manajemen bank untuk memperoleh suatu keuntungan yang tinggi.
2.
Hasil uji t antara BOPO dengan profitabilitas bank
(ROA)
menunjukan nilai t hitung sebesar -4,372 dengan nilai signifikan sebesar 0,000 yang berada dibawah 0,05. Hal ini berarti bahwa BOPO berpengaruh signifikan negatif terhadap profitabilitas bank (ROA), Sehingga H2 yang menyatakan bahwa rasio BOPO berpengaruh terhadapa profitabilitas bank dapat diterima. Hasil pengujian mengindikasikan jika BOPO meningkat, maka ROA akan menurun.
3.
Hasil uji t antara tingkat likuiditas (LDR) dengan profitabilitas
bank (ROA) menunjukkan nilai t hitung sebesar -0,549 dengan nilai signifikan sebesar 0,586 yang berada diatas 0,05. Hal ini menunjukan bahwa LDR berpengaruh negatif dan tidak signifikan terhadap Profitabilitas bank , sehingga H3 yang menyatakan bahwa tingkat likuiditas
58
(LDR) berpengaruh terhadap profitabilitas bank tidak dapat diterima. H3 tidak diterima artinya semakin tinggi tingkat likuiditas suatu perusahaan tidak menjadi tolok ukur keberhasilan manajemen untuk memperoleh keuntungan yang tinggi.
D. Pembahasan Pada sub bab ini akan dibahas lebih jelas tentang pengaruh variabel independen berupa jumlah kredit yang diberikan, BOPO dan tingkat likuiditas (LDR) terhadap variabel dependen yaitu profitabilitas bank (ROA).
1. Analisis pengaruh jumlah kredit terhadap profitabilitas bank (ROA) Hasil penelitian menunjukan bahwa jumlah kredit yang diberikan mempunyai pengaruh positif tetapi tidak signifikan terhadap profitabilitas bank yang ditunjukan dengan nilai t hitung 1,409 dan sig. = 0,166. Semakin tinggi jumlah kredit yang diberikan semakin tinggi pula profitabilitas yang didapat, Namun jumlah kredit yang diberikan dalam penelitian ini tidak signifikan. Hal ini menunjukan bahwa besarnya jumlah kredit yang diberikan tidak menjadi tolok ukur perusahaan perbankan dalam mencapai profitabilitas yang tinggi. Hasil penelitian ini berbeda dengan penelitian sebelumnya yang dilakukan oleh Rini yang menyatakan bahwa volume kredit berpengaruh positif dan signifikan terhadap profitabilitas bank.
59
2. Analisis pengaruh BOPO terhadap profitabilitas bank (ROA) Hasil penelitian menunjukan bahwa BOPO mempunyai pengaruh negatif tetapi signifikan terhadap profitabilitas bank yang ditunjukan dengan nilai t hitung -4,372 dan sig. 0,000. Negatif dalam variabel BOPO artinya manajemen perbankan kurang efisien dalam menggunakan biaya operasional, sehingga semakin besar BOPO maka semakin kecil profitabilitas bank yang didapat. 3. Analisis pengaruh tingkat likuiditas (LDR) terhadap profitabilitas bank (ROA). Penelitian ini menunjukan bahwa Loan to Deposit Ratio (LDR) mempunyai pengaruh negatif dan tidak signifikan terhadap profitabilitas bank yang ditunjukan dengan nilai t hitung -0,549 dan sig.= 0.586. Dengan nilai t hitung yang negatif artinya semakin kecil LDR maka semakin besar dana pihak ketiga yang tidak digunakan untuk penempatan ke kredit (banyak dana menganggur). Dalam penelitian ini hasil LDR juga tidak signifikan terhadap profitabilitas bank, tetapi tidak menjadi tolok ukur perusahaan perbankan dalam mencapai profitabilitas yang tinggi. Hasil penelitian ini sama dengan penelitian sebelumnya yang dilakukan oleh Hendra dan Fahmi yang menyatakan bahwa LDR berpengaruh negatif dan tidak signifikan terhadap profitabilitas bank.
60
Tabel 4.10 Kesimpulan Hasil Uji F Hipotesis
F Hitung
Uji Simultan
sig.
16,366
0,000
Hasil
Keterangan
Ho Ditolak Ha Diterima
Jumlah kredit yang diberikan, BOPO dan Tingkat Likuiditas Berpengaruh Terhadap ROA
Tabel 4.11 Kesimpulan Hasil Uji t Hipotesis
t Hitung
sig.
hasil
Keterangan
Jumlah kredit yang diberikan
1,409
0,166
Ho diterima Ha ditolak
Jumlah Kredit yang diberikan tidak berpengaruh secara signifikan terhadap ROA
BOPO
-4,372
0,000
Ho ditolak Ha diterima
LDR
-0,549
0,586
Ho diterima Ha ditolak
BOPO berpengaruh secara signifikan terhadap ROA LDR tidak berpengaruh secara signifikan terhadap ROA
