BAB IV ANALISIS DATA
B. Analisis Data
Uji stasioner digunakan untuk menguji data time series agar data yang digunakan bersifat flat, tidak mengandung komponen trend, dengan keragaman konstan dan tidak terjadi fluktuasi periodik. (Winarno, 2015: 10) berpendapat apabila hasil unit root test
menyatakan probability di atas 5% maka data dinyatakan tidak stationer. Sebaliknya apabila hasil unit root test menyatakan
probability di bawah 5% maka bisa dikatakan data sudah stationer.
a. Uji Unit Root Variabel ROA (Y)
Setelah dilakukan uji data time series dari ROA bank syariah periode 2012 – 2016, maka didapatkan hasil sebaai berikut:
Tabel 4.2
Hasil Uji Stasioner variabel ROA (Y)
Panel unit root test: Summary Series: ROA
Date: 08/24/17 Time: 19:53 Sample: 2012 2016
Exogenous variables: Individual effects Automatic selection of maximum lags
Automatic lag length selection based on Asymptotic t-statistic (p=0.1): 0 Newey-West automatic bandwidth selection and Bartlett kernel
Balanced observations for each test
Cross-Method Statistic Prob.** sections Obs Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -68.0398 0.0000 10 40 Null: Unit root (assumes individual unit root process)
Im, Pesaran and Shin W-stat -11.9097 0.0000 10 40 ADF - Fisher Chi-square 38.7671 0.0071 10 40 PP - Fisher Chi-square 45.5477 0.0009 10 40 ** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution. All other tests assume asymptotic normality.
Uji stasioneritas dengan metode unit root variabel profitabilitas bank menunjukan angka di bawah 0.05 yaitu sebesar 0.0000. Merujuk pada pernyataan (Winarno, 2015: 10) apabila data dibawah 5% maka data sudah stationer di tingkat level.
b. Uni Unit Root Variabel Inflasi (X1)
Setelah dilakukan uji data time series dari rata-rata inflasi tahunan periode 2012 – 2016, maka didapatkan hasil sebaai berikut:
Tabel 4.3
Hasil Uji Stationer Variabel Inflasi (X1)
Uji stasioneritas dengan metode unit root variabel inflasi (X1) menunjukan angka di bawah 0.05 yaitu sebesar 0.0080. Merujuk pada pernyataan (Winarno, 2015: 10) apabila data dibawah 5% maka data sudah stationer di tingkat first different.
Panel unit root test: Summary Series: D(X1)
Date: 08/24/17 Time: 19:58 Sample: 2012 2016
Exogenous variables: Individual effects Automatic selection of maximum lags
Automatic lag length selection based on Asymptotic t-statistic (p=0.1): 0 Newey-West automatic bandwidth selection and Bartlett kernel
Balanced observations for each test
Cross-Method Statistic Prob.** sections Obs Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -2.40717 0.0080 10 30 Null: Unit root (assumes individual unit root process)
ADF - Fisher Chi-square 7.69121 0.9937 10 30 PP - Fisher Chi-square 4.90900 0.9998 10 30 ** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution. All other tests assume asymptotic normality.
c. Uni Unit Root Variabel BOPO (X2)
Setelah dilakukan uji data time series dari BOPO (Beban Operasional dan Pendapatan Operasional) bank syariah periode 2012 – 2016, maka didapatkan hasil sebaai berikut:
Tabel 4.4
Hasil Uji Stationer Variabel BOPO (X2)
Uji stasioneritas dengan metode unit root variabel BOPO (X2) menunjukan angka di bawah 0.05 yaitu sebesar 0.0000. Merujuk pada pernyataan (Winarno, 2015: 10) apabila data dibawah 5% maka data sudah stationer di tingkat.
Panel unit root test: Summary Series: X2
Date: 08/24/17 Time: 19:52 Sample: 2012 2016
Exogenous variables: Individual effects Automatic selection of maximum lags
Automatic lag length selection based on Asymptotic t-statistic (p=0.1): 0 Newey-West automatic bandwidth selection and Bartlett kernel
Balanced observations for each test
Cross-Method Statistic Prob.** sections Obs Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -35.8661 0.0000 10 40 Null: Unit root (assumes individual unit root process)
Im, Pesaran and Shin W-stat -10.7557 0.0000 10 40 ADF - Fisher Chi-square 58.8313 0.0000 10 40 PP - Fisher Chi-square 61.9274 0.0000 10 40 ** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution. All other tests assume asymptotic normality.
2. Uji Analisis Statistik Deskriptif
Uji analisis statistik deskriptif memberikan gambaran awal tentang data yang akan diolah dalam sebuah penelitian. Berikut adalah hasil analisis deskriptif dari ROA, BOPO, dan inflasi:
Tabel 4.5
Hasil Uji Analisis Deskriptif
Berdasarkan tabel di atas dapat kita ketahui bahwa nilai minimum dari variabel profitabilitas bank (y) memiliki nilai minimum
–0,02 dan nilai maximum 85,39 serta mean dengan nilai 2,8092. Sementara variabel inflasi (x1) memiliki nilai minimum 0,035 dengan nilai maximum 0,07 serta dengan mean 0,05516. kemudian terakhir dapat kita lihat variabel BOPO (x2) memiliki nilai minimum 0,015 dengan nilai maximum 1,433 serta nilai mean 0,89029.
3. Uji Regresi Linear Berganda
Analisis ini digunakan untuk menguji pengaruh variabel inflasi dan BOPO terhadap profitabilitas bank yang diukur menggunakan
Return on Asset (ROA). Dengan menggunakan program SPSS
diperoleh hasil analisis linear berganda sebagai berikut:
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation profitabilitas bank (ROA) 50 -.02 85.39 2.8092 11.94357
inflasi 50 .035 .070 .05516 .013665
BOPO 50 .015 1.433 .89029 .182547
Tabel 4.6
Hasil Uji Regresi Linear Berganda
Berdasarkan hasil regresi linear berganda yang ditunjukkan pada pada tabel diatas, maka dapet diperoleh model persamaan regresi sebagai berikut:
ROA = - 0.840 - 0.866 Inflasi - 0.005 BOPO + e
Dari hasil persamaan regresi linear berganda di atas, maka dapat diambil kesimpulan sebagai berikut:
a. Konstanta
Nilai konstanta dari persamaan regresi ini sebesar 0,840 menyatakan bahwa jika variabel inflasi dan BOPO dianggap konstan, maka profitabilitas bank dengan metode ROA sebesar -0,840 (Ghazali, 2013: 102).
b. Koefisien variabel inflasi (X1)
Nilai dari koefisien regresi inflasi (X1) sebesar – 0, 866, didapatkan thitung sebesar – 1,174 dengan signifikansi t sebesar 0, 246. Karena thitung < dari ttabel (-1, 174 < 1, 676 ) dan signifikansi t sebesar 0, 246 lebih besar dari 5% (0, 246 > 0,
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -.840 .964 -.871 .388 Inflasi -.866 .737 -.159 -1.174 .246 BOPO -.005 .002 -.329 -2.426 .019
05) maka secara parsial variabel inflasi (X1) berpengaruh negative tidak signifikan terhadap ROA (Y) (Ghozali, 2013: 99).
c. Koefisien variabel BOPO (X2)
Nilai dari koefisien regresi inflasi (X1) sebesar – 0, 005, didapatkan thitung sebesar -2,246 dengan signifikansi t sebesar 0, 019. Karena thitung < dari ttabel (-2, 246 < 1, 676 ) dan signifikansi t sebesar 0, 246 lebih besar dari 5% (0, 019 < 0, 05) maka secara parsial variabel BOPO (X2) berpengaruh negatif signifikan terhadap ROA (Y) (Ghazali, 2013:99).
4. Uji Asumsi Klasik a. Uji Normalitas
Uji ini dilakukan untuk mengetahui apakah dalam sebuah model regresi, nilai residual memiliki distribusi normal atau tidak.
Tabel 4.7 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 50
Normal Parametersa,b Mean .0000000 Std. Deviation .59132932
Most Extreme Differences
Absolute .135
Positive .135
Negative -.108
Kolmogorov-Smirnov Z .957
Asymp. Sig. (2-tailed) .319
a. Test distribution is Normal. b. Calculated from data.
Dari nilai uji normalitas dengan kolmogrov-smirnov, dapat kita ketahui bahwa nilai signifikan (asymp.ig) adalah 0,319 lebih besar dari 0,05 yang artinya data berdistribusi secara normal (Ghozali, 2013: 165).
b. Uji Multikolinieritas
Uji multikolinieritas dengan menggunakan uji auxiliry bertujuan untuk mengetahui ada tidaknya interkorelasi atau kolinieritas antara variabel dependent (Ghazali, 2013: 105). Interkorelasi adalah hubungan yang linear atau hubungan yang kuat antara satu variabel dependen dengan variabel dependen lainnya di dalam sebuah model regresi.
a) Uji Regresi Variabel Inflasi (X1) – BOPO (X2)
Estimasi regresi variabel inflasi terhadap BOPO pada penelitian ini memunculkan hasil sebagai beriku:
Tabel 4.8
Hasil Uji Regresi Variabel (X1 - X2)
b) Uji Regresi Variabel BOPO (X2) – Inflasi (X1)
Estimasi regresi variabel BOPO terhadap inflasi pada penelitian ini memunculkan hasil sebagai beriku:
Tabel 4.9
Hasil Uji Regresi Variabel X2 –X1
c) Uji Regresi Variabel ROA (Y) – Variabel Inflasi (X1) dan BOPO (X2)
Estimasi regresi variabel inflasi dan BOPO terhadap ROA pada penelitian ini memunculkan hasil sebagai beriku:
Tabel 4.10
Hasil Uji Regresi Variabel Y – X1 dan X2
Dari ketiga tabel di atas, dapat diketahui bahwa xr (0,17) tidak lebih besar dari R (0,667). Yang artinya tidak ditemukan masalah multikolinieritas (Ghozali, 2013: 108).
c. Uji Heteroskedastisitas
Uji heteroskedastisitas menggunakan uji glejser bertujuan
ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain (Ghozali, 2013: 139). Model regresi yang baik tidak ditemukan adanya masalah heteroskedastisitas. Ada tidaknya masalah heteroskedastisitas dapat kita nilai dari hasil uji, apabila nilai siginifikan pada sebuah variabel yang diuji melebihi 5% (0,05) maka dapat disimpulkan bahwa model regresi dalam sebuah penelitian aman dari masalah tersebut.
Tabel 4.11
Hasil Uji Heteroskedastisitas
Dari tabel hasil uji glejser di atas dapat diketahui bahwa nilai signifikan setiap variabel lebih dari 0,05. Maka dapat dinyatakan bahwa dalam uji ini tidak ditemukan masalah heteroskedastisitas (Ghozali, 2013: 143).
d. Uji Autokorelasi
Uji autokorelasi dalam penelitian ini menggunakan Uji Durbin-Watson. Yaitu untuk melihat ada tidaknya masalah autokorelasi, yaitu keadaan dimana terjadi korelasi antara
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients
t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1
(Constant) .919 .480 1.915 .062
Inflasi .391 .327 .172 1.195 .238 .983 1.018
Bopo -.191 .210 -.131 -.909 .368 .983 1.018
pengamatan satu dengan pengamatan yang lain yang disusun menurut runtut waktu (Priyatni, 2009: 61).
Tabel 4.12 Hasil Uji Autokorelasi
Dari nilai Durbin-Watson di atas (1.742) berada di antara nilai DL-DU dan (4-dl) – (4-du). Yaitu:
1.285 – 1.445 dan 2.555 – 2.715
Dengan demikian tidak ditemukan adanya autokorelasi positif dan negatif pada penelitian ini (Ghozali, 2013: 113)
5. Uji Analysis of Variance (Anova)
Uji ini dilakukan untuk mengetahui ada dan tidaknya perbedaan yang signifikan antara variabel yang diuji.
Menurut hasil Turkey HSD dan Bonferroni pada lampiran 13, bahwa 10 dari 13 bank syariah yang di ambil datanya untuk penelitian ini memiliki perbedaan baik signifikan maupun tidak signifikan. Perbedaan tidak signifikan antara BRI Syariah dengan kesembilan bank syariah lainnya memiliki kestabilan tertinggi. Yaitu secara keseluruhan mencapai nilai signifikan 1,000. Sementara perbedan signifikan tertinggi didapatkan pada Bank Victoria Syariah, dimana
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1 .817a .667 .653 .37571 1.742
a. Predictors: (Constant), bopo, inflasi b. Dependent Variable: profitabilitas bank
ditemukan 3 perbedaan yang signifikan, yaitu dengan BNI Syariah (0, 002), dengan Bank Mega Syariah (0, 018), dan dengan Bank BJB Syariah dengan nilai signifikansi 0,007.