22
III.
3.1
METODOLOGI PENELITIAN
Kerangka Pemikiran Penelitian Bank merupakan lembaga keuangan yang memiliki fungsi sebagai penghimpun dana dari masyarakat dan menyalurkannya kembali dalam bentuk kredit maupun investasi lainnya. Bank dalam menjalankan fungsi dan usahanya, melakukan berbagai penawaran produk dan jasa, salah satunya adalah penyaluran kredit. Pemberian fasilitas kredit yang semakin meningkat mensyaratkan kebutuhan dana yang tinggi pula. Bank memenuhi kebutuhan dana tersebut dengan cara menghimpun dana dari berbagai sumber. Setiap sumber dana memiliki manfaat dan biaya, serta risiko yang berbeda. BRI Cabang Bogor Dewi Sartika merupakan pengembangan bisnis dari PT. Bank Rakyat Indonesia (Persero) Tbk di Kota Bogor. BRI Cabang Bogor Dewi Sartika perlu menetapkan strategi pengelolaan dana agar mampu menghimpun dana dengan biaya yang relatif murah untuk kemudian dialokasikan melalui
produk dan jasa
yang ditawarkan sehingga
menghasilkan pendapatan bagi bank. Penelitian ini bertujuan untuk menganalisis pengaruh portofolio sumber dana terhadap pendapatan operasional bank. Analisis korelasi digunakan untuk mengetahui apakah ada hubungan antara portofolio sumber dana terhadap pendapatan operasional. Regresi berganda digunakan untuk melihat pengaruh portofolio sumber dana secara keseluruhan dan parsial terhadap pendapatan operasional bank. Variabelvariabel yang digunakan dalam analisis regresi terdiri atas variabel dependen dan variabel independen. Variabel dependen yang digunakan dalam penelitian ini adalah pendapatan operasional bank, sedangkan variabel independen yang digunakan adalah sumber dana bank yang terdiri atas giro, tabungan dan deposito. Analisis per komponen dan analisis trend digunakan untuk mengetahui kontribusi dan pertumbuhan tiap sumber dana pada bank. Hasil dari analisis ini diharapkan dapat membantu perusahaan dalam mengoptimalkan portofolio sumber dana sehingga akan berdampak pada
23
pertumbuhan pendapatan yang positif. Kerangka pemikiran dari penelitian ini dapat dilihat pada Gambar 2. PT. Bank Rakyat Indonesia (Persero) Tbk Cabang Bogor Dewi Sartika Fungsi Intermediasi
Penghimpun Dana
Penyalur Dana
Melakukan Kegiatan Usaha dengan Penawaran Produk dan Jasa Bank
Variabel Independen Portofolio Sumber Dana : Simpanan Giro Simpanan Tabungan Simpanan Deposito
Variabel Dependen Pendapatan Operasional
Analisis Regresi Berganda - Uji Normalitas - Uji Multikolinearitas - Uji Autokorelasi - Uji Heteroskedastisitas - Uji F - Uji t Analisis Trend Analisis per Komponen
Pengaruh Portofolio Sumber Dana Terhadap Pendapatan Gambar 2. Kerangka Pemikiran Penelitian
24
3.2
Lokasi dan Waktu Penelitian Penelitian ini dilakukan di PT. Bank Rakyat Indonesia (Persero) Tbk Cabang Bogor Dewi Sartika yang berlokasi di Jl. Dewi Sartika No. 6 Bogor. Pemilihan lokasi penelitian dilakukan secara sengaja atau purposive. Penelitian ini dilakukan pada bulan Februari hingga April 2010.
3.3
Pengumpulan Data Data yang dikumpulkan untuk kemudian diolah dan dianalisis dalam penelitian ini adalah data primer dan sekunder. Data sekunder merupakan data yang telah diolah lebih lanjut dan disajikan, baik oleh pihak pengumpul data atau oleh pihak lain misalnya dalam bentuk tabel, diagram dan lain-lain (Juanda, 2003). Data primer dalam penelitian ini diperoleh melalui pengamatan, pencatatan dan wawancara langsung. Sedangkan data sekunder yang diperoleh berupa data historis BRI Cabang Bogor Dewi Sartika, studi literatur dan laporan penelitian.
3.4
Pengolahan dan Analisis Data Data yang diperoleh dalam penelitian ini, kemudian diolah dan dianalisis dengan metode statistik, yaitu menggunakan analisis korelasi, analisis regresi berganda, analisis trend dan analisis per komponen. Analisis korelasi digunakan untuk mengetahui hubungan antara portofolio sumber dana terhadap pendapatan operasional. Regresi berganda digunakan untuk menganalisis pengaruh portofolio sumber dana secara keseluruhan dan parsial terhadap pendapatan operasional bank. Analisis per komponen digunakan untuk mengetahui kontribusi tiap sumber dana dan pengaruhnya terhadap pendapatan operasional. Analisis trend digunakan untuk melihat pertumbuhan tiap sumber dana pada bank apakah mengalami trend kenaikan atau penurunan. Adapun perangkat lunak komputer yang akan digunakan untuk mengolah dan menganalisis data adalah Microsoft Excel 2007 dan Minitab versi 14. 3.4.1 Analisis Korelasi Analisis korelasi adalah analisis untuk mengukur tingkat keeratan hubungan antar dua peubah. Nilai korelasi berkisar antara -1
25
sampai dengan +1. Nilai korelasi negatif berarti hubungan antara dua peubah adalah negatif. Artinya apabila salah satu peubah menurun maka peubah lainnya akan meningkat. Sebaliknya nilai korelasi positif berarti hubungan antara dua peubah adalah positif. Suatu hubungan dikatakan berkorelasi kuat apabila semakin mendekati +1 atau -1. Sebaliknya suatu hubungan dikatakan lemah apabila semakin mendekati nol. ρ merupakan nilai korelasi antar peubah yang diteliti. Hipotesis untuk menguji korelasi adalah : H0 : ρ = 0 Hipotesis ini berarti tidak ada korelasi antara peubah yang diteliti. H1 : ρ ≠ 0 Hipotesis ini berarti ada korelasi antara dua peubah yang diteliti. Daerah penolakan H0 adalah p-value < α, sedangkan daerah penolakan untuk H1 adalah p-value > α (Iriawan dan Astuti, 2006). 3.4.2 Analisis Regresi Linier Berganda Analisis regresi dilakukan untuk mengetahui ada atau tidaknya pengaruh suatu variabel bebas (independen) terhadap variabel tergantung (dependen). Selanjutnya, koefisien regresi yang diperoleh dari persamaan regresi dapat digunakan untuk mengetahui kekuatan hubungan variabel independen dan variabel dependen yang diukur. Regresi berganda adalah suatu alat analisis dalam ilmu statistik yang digunakan untuk mengukur hubungan matematis dua variabel. Menurut Mattjik dan Sumertajaya (2002), regresi berganda merupakan analisis yang berkaitan dengan permodelan pengaruh peubah bebas X terhadap peubah tak bebas Y melalui suatu persamaan. Model regresi berganda dapat dilihat pada persamaan di bawah ini : Y = β0+β1X1+β2X2+ β3X3+e…….............................………………(1) Keterangan : Y
: Variabel dependen (pendapatan operasional BRI Cabang Bogor Dewi Sartika)
β0
: Konstanta
26
β1
: Koefisien regresi peubah X1
β2
: Koefisien regresi peubah X2
β3
: Koefisien regresi peubah X3
X1
: Simpanan giro
X2
: Simpanan tabungan
X3
: Simpanan deposito
e
: Tingkat kesalahan Terdapat beberapa asumsi yang harus dipenuhi pada analisis
regresi. Oleh karena itu diperlukan pengujian asumsi klasik pada model
regresi
berganda
yang meliputi
uji
normalitas,
uji
multikolinearitas, uji autokorelasi dan uji heteroskedastisitas. a. Uji Normalitas Uji normalitas merupakan uji yang dilakukan untuk menguji data variabel bebas (X) dan variabel terikat (Y) pada persamaan regresi yang dihasilkan, apakah berdistribusi normal atau tidak. Persamaan regresi dikatakan baik jika mempunyai data variabel bebas dan data variabel terikat berdistribusi mendekati normal atau normal sama sekali (Sunyoto, 2009). Iriawan dan Astuti (2006) menjelaskan bahwa ketika data telah berdistribusi
normal,
maka
data
tersebut
dapat
diolah
menggunakan statistik parametik seperti model regresi berganda, yang digunakan pada penelitian ini. Uji normalitas dapat dilihat dengan melihat nilai statistik Kolmogorov-Smirnov (KS) pada uji normalitas residual. Adapun pendekatan yang digunakan untuk mendapatkan nilai tabel KS untuk α sebesar 0,05 (uji dua arah) dengan jumlah pengamatan diatas 40 adalah sebagai berikut: Nilai KS tabel =
1,36 √n
… … … … … … … … … … … … … … … … … (2)
Berdasarkan hasil perhitungan, diperoleh nilai tabel KS untuk α sebesar 0,05 dengan jumlah pengamatan 60 dalam penelitian ini adalah 0,176. Jika nilai statistik KS lebih kecil dibanding nilai tabel KS dan nilai p-value lebih besar dari α, maka asumsi
27
kenormalan terpenuhi sehingga model regresi yang telah dibuat dapat digunakan. b. Uji Multikolinearitas Uji multikolinearitas diterapkan untuk analisis regresi berganda yang terdiri atas dua atau lebih variabel bebas atau independen di mana akan diukur tingkat asosiasi atau keeratan hubungan antar variabel bebas tersebut melalui besaran koefisien korelasi (Sunyoto, 2009). Arief (2006) menjelaskan bahwa adanya multikolinearitas diantara variabel-variabel bebas akan menyebabkan koefisien regresi masing-masing variabel bebas ini secara statistik tidak signifikan dan tanda koefisien regresi mengandung tanda yang berlawanan dengan yang diramalkan secara teoritis. Hal ini dapat dijadikan indikator dalam mendeteksi adanya multikolinearitas dalam model. Selain itu, dapat juga dilakukan dengan melihat nilai variance inflation factor atau (VIF). Jika masing-masing peubah bebas memiliki nilai VIF lebih dari 5, maka model regresi memiliki multikolinearitas sehingga menjadi tidak valid (Iriawan dan Astuti, 2006). c.
Uji Autokorelasi Menurut Arief (2006) penaksiran model regresi linear memiliki asumsi bahwa tidak terdapat korelasi serial atau autokorelasi. Autokorelasi atau korelasi serial kemungkinan terjadi pada data time series. Model regresi yang baik tidak memperkenankan terjadinya autokorelasi. Jika autokorelasi terjadi maka pengujian hipotesis dalam uji F dan uji t menjadi tidak valid dan jika diterapkan akan memberikan kesimpulan yang menyesatkan pada tingkat signifikansi dan koefisien regresi yang ditaksir. Uji autokorelasi dengan perangkat lunak minitab melalui Run test residual. Jika hasil perhitungan didapatkan pvalue lebih besar dari α, menunjukkan tidak adanya autokorelasi.
28
d. Uji Heteroskedastisitas Uji heteroskedastisitas perlu dilakukan dalam persamaan regresi berganda untuk menguji apakah sama atau tidak varians dari residual dari observasi yang satu dengan observasi yang lain. Jika residualnya mempunyai varians yang sama, disebut terjadi homoskedastisitas. Sedangkan jika variansnya berbeda, disebut heteroskedastisitas (Sunyoto, 2009). Untuk melihat apakah pada model regresi terdapat heteroskedastisitas dilihat dari sebaran titik-titik yang tersebar pada output perhitungan dengan perangkat
lunak
minitab.
Sebaran
titik-titik
yang
tidak
membentuk pola tertentu namun tersebar di atas dan di bawah nol menunjukkan bahwa model regresi tidak mengalami masalah heteroskedastisitas (Iriawan dan Astuti, 2006). e.
Uji F Uji statistik F pada dasarnya menunjukkan apakah semua peubah bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap peubah tidak bebas (Kuncoro, 2003). Langkah-langkah uji statistik F adalah sebagai berikut : 1. Merumuskan Hipotesis a.
H0 : βi = 0, i = 1,2,3
Hipotesis (H0 ) yang hendak diuji adalah apakah semua parameter dalam model sama dengan nol. Artinya, semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. b. H1 : ∃
= 0, j= 1,2,3
Hipotesis alternatifnya (H1), tidak semua parameter secara simultan sama dengan nol. Artinya,
paling sedikit
terdapat satu variabel independen merupakan penjelas yang signifikan terhadap variabel dependen. 2. Menentukan F tabel a.
F α(k-1, n-k)
29
b. Taraf nyata (α) = 0,05 ; yaitu tingkat kesalahan yang masih dapat ditolerir c.
Derajat bebas pembilang = k-1 = 3-1 = 2
d. Derajat bebas penyebut = n-k = 60-3 = 57 Dengan demikian F tabel sebesar F 0,05(2,57) ≈ F 0,05(2,60) = 3,1504 3. Menentukan F hitung yang diperoleh dari hasil regresi melalui program Minitab. 4. Membandingkan F hitung dengan F tabel. a.
Jika statistik F hitung > statistik tabel (F tabel) atau F hitung < -F tabel maka H0 ditolak dan H1 diterima.
b. Jika -F tabel < statistik hitung (angka F output) < statistik tabel (F tabel) maka H0 diterima dan H1 ditolak. Kelayakan model regresi yang telah dibuat juga dapat dilihat pada hasil uji analysis of variance (ANOVA). ANOVA merupakan uji hipotesis kesesuaian model dengan data yang ada (Iriawan dan Astuti, 2006). Hipotesis yang digunakan sama dengan hipotesis uji F, dengan daerah penolakan p-value < α. f.
Uji t Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh
satu
peubah
bebas
secara
individual
dalam
menerangkan variasi peubah tidak bebas (Kuncoro, 2003). Langkah-langkah uji statistik t adalah : 1. Merumuskan Hipotesis a.
Ho : β1 = 0 Hipotesis nol (H0) yang hendak diuji adalah apakah suatu parameter (β1) sama dengan nol. Artinya suatu variabel bebas bukan merupakan penjelas
yang signifikan
terhadap variabel dependen. b. H1 : β1 ≠ 0 Hipotesis alternatifnya (H1), parameter suatu variabel tidak sama dengan nol. Artinya, variabel tersebut
30
merupakan penjelas yang signifikan terhadap variabel dependen. 2. Menentukan t-tabel a. Menentukan besarnya t-tabel : t(α/2,df) b. Taraf nyata (α) = 0,05; yaitu tingkat kesalahan yang masih dapat ditolerir. c. Derajat bebas (df) = n-k = 60-3 = 57 Dengan demikian t tabel sebesar t (α/2, df) = t (0,025, 57) ≈ t (0,025,60) = 2,000. 3. Menentukan t hitung yang diperoleh dari hasil regresi melalui program Minitab. 4. Membandingkan t hitung dengan t tabel a. Jika statistik hitung (angka t output) > statistik tabel (t tabel) atau t hitung < -t tabel maka H0 ditolak dan H1 diterima. b. Jika -t tabel < statistik hitung (angka t output) < statistik tabel (t tabel) maka H0 diterima dan H1 ditolak. g. Analisis Komponen Utama Salah satu permasalahan dalam membuat permasalahan regresi berganda adalah adanya kendala multikolinearitas. Untuk mengatasi kendala multikolinearitas ada beberapa cara, antara lain regresi stepwise dan analisis komponen utama. Regresi stepwise akan menghasilkan persamaan regresi berganda dengan mengeliminasi peubah bebas yang dapat merusak model. Sedangkan metode analisis komponen utama dapat membuat model tanpa harus mengeliminasi peubah-peubah bebas (Iriawan dan Astuti, 2006). Analisis komponen utama memiliki beberapa tahap, yaitu : 1. Membentuk komponen utama Komponen utama yang terbentuk terdiri atas peubah-peubah bebas dalam persamaan yang akan dibentuk di mana sebelumnya peubah-peubah bebas dibakukan menjadi Z,
31
menentukan akar ciri dan vektor ciri. Komponen utama memiliki sebagian besar informasi yang dimiliki peubah bebas. Selain itu komponen utama yang terbentuk tidak memiliki korelasi satu sama lain. Komponen utama didapat dari hasil pengolahan data menggunakan perangkat lunak Minitab. 2. Menentukan banyaknya jumlah komponen utama Banyaknya komponen utama yang terbentuk adalah sebanyak jumlah peubah bebas yang dianalisis. Pada penelitian ini jumlah peubah bebas yang diteliti berjumlah tiga buah. Untuk menentukan banyaknya jumlah komponen utama yang digunakan dapat dengan melihat plot scree hasil keluaran perangkat lunak Minitab. Banyaknya komponen utama yang digunakan adalah pada titik perbatasan grafik yang curam dan melandai. Hal yang mendasarinya adalah pada titik tersebut selisih akar ciri yang berurutan sudah tidak besar lagi (Johnson dalam Rismayanti, 2009). 3. Meregresikan komponen utama Komponen utama yang digunakan kemudian diregresikan dengan peubah tidak bebas yang diteliti. Pada penelitian ini, peubah tidak bebas yang diteliti adalah pendapatan operasional yang diperoleh Bank Rakyat Indonesia Cabang Bogor Dewi Sartika. 4. Mentransformasi komponen utama dengan peubah bebas Setelah persamaan regresi komponen utama dan peubah tidak bebas terbentuk, langkah selanjutnya adalah mentransformasi komponen utama (W) dengan Z kemudian Z ditransformasi dengan peubah bebas (X). Hasil dari transformasi ini adalah persamaan regresi berganda antara peubah-peubah bebas (sumber dana bank meliputi simpanan giro, simpanan tabungan dan simpanan deposito) dan peubah bebas
32
(pendapatan operasional Bank Rakyat Indonesia Cabang Bogor Dewi Sartika). 3.4.3 Analisis Trend Analisis trend dilakukan dengan tujuan untuk membandingkan kegiatan usaha suatu bank, baik secara absolut maupun dalam bentuk relatif atas bagian kegiatan yang ada dengan kegiatan-kegiatan yang telah dicapai pada periode sebelumnya (Siska dalam Rismayanti, 2009). Cara yang ditempuh dalam analisis trend adalah dengan membandingkan laporan satu periode dengan periode lainnya dengan pendekatan indeks dasar tunggal. Dalam analisis trend dibutuhkan satu tahun yang dijadikan tahun dasar. Tahun dasar ini diperlukan sebagai dasar pertimbangan yang akan dibuat dalam bentuk persentase. Biasanya data atau laporan keuangan dari tahun yang paling awal dari deretan tahun-tahun laporan keuangan yang akan dianalisis, dianggap sebagai tahun dasar. Tiap pos dari laporan keuangan yang dijadikan tahun dasar diberi indeks 100. Kemudian pos-pos dari periode yang dianalisis dihubungkan dengan pos yang sama, yaitu tahun dasar. Pendekatan
ini
menginginkan
hasil
berupa
tingkat
perbandingan antar tahun pertama dengan tahun berikutnya yang akan dianalisis. Selanjutnya akan diketahui pula berapa besar perkembangan keuangan dari tahun dasar. Analisis trend dapat dirumuskan sebagai berikut: Rxi = Pxi x 100% .............................................................................(3) Pxo Keterangan: Rxi = nilai persentase untuk tahun ke-i Pxi = pos x dalam laporan keuangan yang akan dianalisis Pxo = pos x dalam laporan keuangan sebagai tahun dasar 3.4.4 Analisis Per Komponen Analisis per komponen merupakan alat
analisis yang
memberikan gambaran secara relatif atau persentase terhadap
33
komposisi masing-masing pos keuangan, sehingga manajemen bank dapat mengetahui dan memanfaatkan pos-pos mana yang dominan dalam rangka pencapaian tujuan bank. Secara teknis, analisis per komponen dilakukan secara vertikal dengan membandingkan pospos laporan keuangan dalam suatu periode yang sama. Analisis ini dapat memberikan gambaran tentang perubahan yang terjadi dalam masing-masing pos dari tahun ke tahun dalam hubungannya dengan kegiatan total. Selain itu dapat pula diketahui komposisi atau kontribusi dari masing-masing pos dalam suatu bentuk perbandingan terhadap kegiatan total (Rismayanti, 2009). Analisis persentase per komponen dapat dirumuskan sebagai berikut: Ryi = Pyi x 100% .............................................................................(4) Pyo Keterangan: Ryi = nilai persentase pos yang dibandingkan Pyi = pos y dalam laporan keuangan tahun ke-i Pyo = pos dasar sebagai pembanding
