a. Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata- rata (mean),standar deviasi, varian, maksimum dan minimum(Ghozali, 2013: 19).
b. Asumsi Klasik
Untuk mencapai tujuan dalam penelitian ini, maka terlebih dahulu dilakukan pengujian asumsi klasik, untuk memastikan apakah model regresi linier berganda yang digunakan tidak terdapat masalah normalitas, multikolonieritas, heteroskedastisitas, dan autokorelasi. Jika semua itu terpenuhi berarti bahwa model analisis telah layak digunakan. Pengujian asumsi klasik dilakukan agar memperoleh hasil regresi yang bisa dipertanggungjawabkan dan mempunyai hasil yang tidak bias. Pengujian ini meliputi Uji Normalitas, Uji
Multikolonieritas, Uji Heteroskedastisitas dan Uji Autokorelasi (Gujarati, 2009).
1) Uji Normalitas
Uji ini untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti ditribusi normal. Jika asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil (Ghozali, 2013: 160).
Dalam penelitian ini peneliti menggunakan uji kolmogorov-smirnov untuk menguji kenormalan suatu data karena dengan uji ini menghasilkan nilai yang pasti. Jika nilai dari Asymp. Sig. (2-tailed)-nya menunjukkan angka lebih dari 5% atau 0,05 maka data tersebut berdistribusi normal tetapi sebaliknya jika nilai dari
Asymp. Sig. (2-tailed)-nya menunjukkan angka kurang dari 5% atau 0,05 maka data tersebut tidak berdistribusi normal (Ghozali, 2013:163).
2) Uji Multikolonieritas
Uji Multikoloneieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal.
Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol (Ghozali, 2013:105).
Alat statistik yang digunakan dalam penelitian ini adalah dengan variance inflation factor (VIF). Dalam metode variance inflation factor (VIF) dilihat dari hasil tolerance dan VIF-nya. Jika nilai dari tolerance lebih dari 0,1 maka dikatakan tidak terjadi multikolinearitas tetapi sebaliknya, jika nilai tolerance kurang dari 0,1 maka dikatakan terjadi multikolonearitas. Dan jika nilai VIF-nya menunjukkan nilai yang kurang dari 10,00 maka dikatakan tidak terjadi multikolonearitas tetapi, jika nilai VIF-nya menunjukkan nilai yang lebih dari 10,00 maka dikatakan terjadi multikolonearitas (Ghozali, 2013:106).
3) Uji Heteroskedastisitas
Uji heterokesdatisitas ditujukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual satu pengamatan ke pengamatan lain. Jika varian dariresidualpengamatan satu ke pengamatan lain tetap, maka disebut homoskesdatisitas dan jika berbeda maka heteroskesdastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskesdatisitas (Ghozali, 2013:139).
Penelitian ini menggunakan uji glejser, yaitu dengan meregres nilai absolut residual terhadap variabel independen.
Apabila koefisien parameter signifikan secara statistik, hal ini menunjukkan bahwa dalam data model empiris yang diestimasi terdapat heterokedastisitas, dan sebaliknya jika koefisien parameter tidak signifikan secara statistik, maka tidak ada heterokedastisitas (Ghozali, 2013: 142).
4) Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena obsevasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya (Ghozali, 2013: 110).
Uji Breusch-Godfrey ini untuk melihat apakah ada hubungan yang signifkan antar variabel pengganggu (res_1 dengan res_2). Ketika teridentifiikasi hubungannya signifikan maka dapat dikatakan bahwa model regresi yang dipakai terkena gejala penyakit autokorelasi (Ghozali, 2013: 116).
Analisis regresi adalah studi mengenai ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas/ bebas), dengan tujuan untuk mengestimasi dan/atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui. Hasil analisis regresi adalah berupa koefisien untuk masing-masing variabel independen. Koefisien ini diperoleh dengan cara memprediksi nilai variabel dependen dengan suatu persamaan (Ghozali, 2013:96).
Analisis regresi berganda dalam penelitian ini digunakan untuk mengetahui pengaruh ukuran Direksi, aktifitas (rapat) Direksi, proporsi wanita dalam Direksi, latar belakang pendidikan Direksi, usia Direksi, dan remunerasi Direksi terhadap Return on Equity (ROE) sebagai rasio kinerja di Bank Syariah periode tahun 2011-2014. Formulasi persamaan regresi berganda sendiri adalah sebagai berikut (Bawono, 2006:85):
Y= β0 + β1X1 + β2X2 + β 3X3 + β4X4 + β5X5 + β6X6 + Ɛ Dimana:
Y : ROE
β0 : Konstanta dari persamaan regresi β1-5: Konstanta dari variabel independen X1 : Ukuran Direksi
X2 : Jumlah Rapat direksi
X4 : Latar belakang pendidikan direksi X5 : Usia direksi
X6 : Remunerasi direksi
Ɛ : variabel residual atau prediction error
2. Hipotesis
a. Analisis Koefisien Determinasi (R2)
Koefisien determinasi (R2) mengukur seberapa jauh kemampuan model dalam menerangkan variasi model dependen. Nilai koefisien determinasi adalah nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang (crossection) relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu (time series) biasanya mempunyai nilai koefisien determinasi yang tinggi (Ghozali, 2013:97).
b. Uji Signifikansi Simultan (Uji Statistik F)
Uji statistik F menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat. Hipotesis nol (Ho) yang akan diuji adalah apakah semua parameter dalam
model sama dengan nol atau semua variabel independen bukan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatif (HA) tidak semua parameter secara simultan sama dengan nol atau semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen (Ghozali, 2013:98).
Ho dalam penelitian ini dapat ditolak jika nilai signifikansi lebih besar dari derajat kepercayaan 5%. Dengan kata lain, HA dapat diterima yang menyatakan bahwa semua variabel independen secara serentak dan signifikan mempengaruhi variabel dependen (Ghozali, 2013:98).
c. Uji Signifikan Parameter Individual (Uji Statistik t)
Uji statistik t menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen. Hipotesis nol (Ho) yang hendak diuji adalah apakah suatu parameter (bi) sama dengan nol, yang artinya suatu variabel independen bukan merupakan penjelass yang signifikan terhadap variabel dependen. Hipotesis alternatif (HA) parameter suatu variabel tidak sama dengan nol, atau variabel tersebut merupakan penjelas yang signifikan terhadap variabel dependen (Ghozali, 2013:98).
Cara melakukan uji t dalam penelitian ini adalah jika nilai signifikansi lebih dari derajat kepercayaan 5%, maka Ho ditolak.
Dengan kata lain HA dapat diterima, yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen (Ghozali, 2013:99).
Menurut UU No. 10 Tahun 1998 tentang Perubahan Atas UU No. 7 Tahun 1992 tentang Perbankan pasal 1 ayat 3 menetapkan bahwa salah satu bentuk usaha bank adalah menyediakan pembiayaan dan atau melakukan usaha lain berdasarkan prinsip syariah sesuai dengan ketentuan yang ditetapkan oleh Bank Indonesia.
Veitzhal (2007:759) bank syariah adalah lembaga intermediasi dan penyedia jasa keuangan yang bekerja berdasarkan etika dan sistem nilai Islam, khususnya yang bebas dari bunga (riba), bebas dari kegiatan spekulatif yang nonproduktif seperti perjudian (maysir), bebas dari hal-hal yang tidak jelas dan meragukan (gharar), berprinsip keadilan, dan hanya membiayai kegiatan usaha yang halal. Bank syariah sering dipersamakan dengan bank tanpa bunga. Bank tanpa bunga merupakan konsep yang lebih sempit dari bank syariah, ketika sejumlah instrumen atau operasi syariah selain menghindari bunga, juga secara aktif turut berpartisipasi dalam mencapai sasaran dan tujuan dari ekonomi Islam yang berorientasi pada kesehjahteraan sosial.
Sedangkan bank umum syariah menurut UU No. 21 tahun 2008 tentang perbankan syariah mendefinisikan bahwa bank umum syariah adalah bank syariah yang dalam kegiatannya memberikan jasa dalam lalulintas pembayaran.
Tabel 4.1
Daftar Nama Bank Umum Syariah Tahun 2015 No. Nama Bank
1 BNI Syariah
2 Bank Mega Syariah 3 Bank Muamalat 4 Bank Mandiri Syariah 5 BRI Syariah
6 Bank Syariah Bukopin 7 Bank Jabar Banten Syariah 8 BCA Syariah
9 Panin Bank Syariah 10 Bank Victoria Syariah 11 Maybank Syariah 12 BTPN Syariah
Sumber: www.bi.go.id B. Hasil Penelitian
Sebelum melakukan pengujian hipotesis, penelitian ini terlebih dahulu melakukan pengujian terhadap kualitas data yang digunakan. Pengujian ini menjamin terpenuhinya asumsi yang diperlukan untuk melakukan pengujian terhadap regresi berganda.
1. Analisis Deskriptif
Statistik deskriptif memberikan gambaran umum tentang objek penelitian yang dijadikan sampel penelitian. Dengan memberikan penjelasan tentang statistik deskriptif diharapkan dapat memberikan gambaran awal tentang masalah yang diteliti.
Tabel 4.2 Hasil Uji Deskriptif
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
SIZE 44 3 6 4,18 ,870 RPTDIR 44 12 108 36,77 20,521 WNTDIR 44 ,0000 ,6667 ,203030 ,2222818 PDDKDIR 44 ,4000 1,0000 ,708333 ,1759617 USIADIR 44 ,0000 1,0000 ,422727 ,2887443 REMUN 44 390,50000 7276,00000 2089,1585282 1672,67780694 ROE 44 -,3204 ,5798 ,067345 ,1273883 Valid N (listwise) 44
Sumber: Data yang diolah
Berdasarkan tabel diatas dapat terlihat bahwa jumlah observasi dalam penelitian ini adalah 44. Jumlah anggota direksi terkecil adalah 3 orang dan jumlah anggota direksi terbesar adalah 6 orang. Rata-rata jumlah anggota direksi adalah 4 orang dengan standar deviasi sebesar 0,087.
Frekuensi rapat terkecil sejumlah 12 kali setiap tahun, dan terbesar sejumlah 108 kali setiap tahunnya. Rata-rata direksi melakukan rapat sebanyak 36 kali setiap tahunnya dengan standar deviasi sebesar 20,521. Nilai minimum proporsi wanita dalam direksi adalah 0, artinya tidak ada wanita dalam direksi, dan maksimum 67% anggota direksi adalah wanita. Rata-rata jumlah wanita dalam direksi sebesar 20,3% dengan standar deviasi 0,22.
Anggota direksi yang berlatar belakang pendidikan ekonomi, bisnis dan keuangan minimal 40%, maksimum sebesar 100% yang artinya semua
rata sebanyak 70,8% anggota direksi berpendidikan bisnis, ekonomi, dan keuangan, dengan standar deviasi 0,176.
Proporsi anggota direksi yang berusia <50 tahun minimum sebanyak 0, artinya tidak ada anggota Direksi yang berusia <50 tahun dan maksimum adalah 100%, hal ini menunjukkan bahwa seluruh anggota dewan direksi berusia <50 tahun. Rata-rata anggota direksi yang berusia <50 tahun sebesar 42,3% dengan standar deviasi 0,289.
Nilai minimum dari total remunerasi yang diterima setiap anggota direksi pertahun adalah sebesar Rp390.5 juta dan maksimum Rp7.276 juta. Rata-rata remunerasi yang diterima setiap anggota direksi pertahun sebesar Rp2.089,2 juta dengan standar deviasi Rp1.672,7 juta. ROE perbankan syariah terkecil adalah -0,320 dan terbesar 0,5798. rata-rata ROE sebesar 0,673 dengan standar deviasi 0,127.
2. Uji Asumsi Klasik a. Uji Normalitas
Uji ini untuk menguji apakah dalam model regresi, data variabel dependen dan independen yang dipakai apakah berdistribusi normal atau tidak. Model regresi yang baik adalah yang memiliki nilai residual yang berdistribusi normal. Dalam penelitian ini peneliti menggunakan uji kolmogorov-smirnov untuk menguji kenormalan suatu data karena dengan uji ini menghsilkan nilai yang pasti. Jika nilai dari Asymp. Sig. (2-tailed)-nya menunjukkan angka lebih dari 5% atau 0,05 maka data tersebut berdistribusi normal tetapi sebaliknya jika nilai dari Asymp.
Sig. (2-tailed)-nya menunjukkan angka kurang dari 5% atau 0,05 maka data tersebut tidak berdistribusi normal. Hasil pengujian normalitas pada pengujian terhadap 44 data terlihat dalam tabel 4.3 sebagai berikut:
Tabel 4.3 Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 44
Normal Parametersa,b Mean ,0000000
Std. Deviation ,09854433
Most Extreme Differences Absolute ,090
Positive ,090
Negative -,071
Kolmogorov-Smirnov Z ,595
Asymp. Sig. (2-tailed) ,871
a. Test distribution is Normal. b. Calculated from data.
Sumber: Data yang diolah
Berdasarkan hasil pada tabel di atas, data terdistribusi normal. Hal ini ditunjukkan dengan nilai Kolmogorov – Smirnov sebesar 0,595 dan signifikan pada 0,871 yang lebih besar dari dari 0,05. Hal ini berarti data residualnya terdistribusi secara normal, karena nilai signifikansinya lebih dari 0,05.
b. Uji Multikolonieritas
Alat statistik yang digunakan dalam penelitian ini adalah dengan
factor (VIF) dilihat dari hasil tolerance dan VIF-nya. Jika nilai dari
tolerance lebih dari 0,1 maka dikatakan tidak terjadi multikolinearitas tetapi sebaliknya, jika nilai tolerance kurang dari 0,1 maka dikatakan terjadi multikolonearitas. Dan jika nilai VIF-nya menunjukkan nilai yang kurang dari 10,00 maka dikatakan tidak terjadi multikolonearitas tetapi, jika nilai VIF-nya menunjukkan nilai yang lebih dari 10,00 maka dikatakan terjadi multikolonearitas. Selengkapnya mengenai hasil uji multikolonieritas penelitian dapat dilihat pada tabel 4.4 sebagai berikut:
Tabel 4.4 Uji Multikolonieritas
Coefficientsa
Model Collinearity Statistics Keterangan
Tolerance VIF
1 (Constant)
SIZE ,492 2,031 Tidak ada multikolonieritas
RPTDIR ,892 1,121 Tidak ada multikolonieritas
WNTDIR ,491 2,036 Tidak ada multikolonieritas
PDDKDIR ,695 1,438 Tidak ada multikolonieritas
USIADIR ,510 1,962 Tidak ada multikolonieritas
REMUN ,545 1,834 Tidak ada multikolonieritas
a. Dependent Variable: ROE
Sumber: data yang diolah
Dilihat dari hasil yang ditunjukkan pada tolerance dan VIF nya dapat disimpulkan bahwa tidak ada gejala multikolonieritas karena tolerance menunjukkan hasil lebih dari 0,1 dan VIF nya menunjukkan
angka lebih kecil dari 10,00. Dapat disimpulkan bahwa tidak terjadi multikoloniearitas.
c. Uji heteroskedastisitas
Uji heteroskedastisitas dalam penelitian ini menggunakan uji glejser, yaitu dengan meregres nilai absolut residual terhadap variabel independen. Apabila koefisien parameter signifikan secara statistik, hal ini menunjukkan bahwa dalam data model empiris yang diestimasi terdapat heterokedastisitas, dan sebaliknya jika koefisien parameter tidak signifikan secara statistik, maka tidak ada heterokedastisitas. Selengkapnya mengenai hasil uji heteroskedastisitas penelitian dapat dilihat pada tabel 4.5 sebagai berikut:
Tabel 4.5
Uji Heteroskedastisitas
Coefficientsa
Model T Sig. Keterangan
1 (Constant) ,488 ,628
SIZE ,452 ,654 Tidak ada heteroskedastisitas
RPTDIR -1,179 ,246 Tidak ada heteroskedastisitas
WNTDIR 1,864 ,070 Tidak ada heteroskedastisitas
PDDKDIR -,133 ,895 Tidak ada heteroskedastisitas
USIADIR ,403 ,689 Tidak ada heteroskedastisitas
REMUN -,189 ,851 Tidak ada heteroskedastisitas
a. Dependent Variable: AbsUt
Sumber: Data yang diolah
Dari hasil diatas dapat diketahui bahwa variabel independen tidak signifikan secara statistik mempengaruhi variabel dependen nilai
signifikansinya diatas tingkat kepercayaan 5%. Jadi dapat disimpulkan model regresi tidak mengandung adanya Heteroskedastisitas.
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Dalam penelitian ini menggunakan uji breusch-godfrey. Selengkapnya mengenai uji autokorelasi penelitian ini dapat dijelaskan pada tabel 4.6 sebagai berikut: Tabel 4.6 Uji Autokorelasi Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,000 ,151 ,001 ,999 SIZE -,003 ,030 -,028 -,108 ,914 RPTDIR -6,597E-5 ,001 -,014 -,077 ,939 WNTDIR ,002 ,113 ,004 ,014 ,989 PDDKDIR ,014 ,114 ,025 ,123 ,903 USIADIR ,002 ,081 ,006 ,025 ,980 REMUN 1,606E-6 ,000 ,027 ,118 ,907 RES_2 ,148 ,193 ,134 ,764 ,450
a. Dependent Variable: Unstandardized Residual
Sumber: Data yang diolah
Tabel diatas menunjukkan bahwa koefisien parameter untuk residual lag 2 (res_2) memberikan probabilitas dengan nilai signifikansi 0.450 atau diatas tingkat kepercayaan 5%. Jadi, dapat
disimpulkan bahwa dalam model regresi ini tidak terdapat autokorelasi.
3. Analisis Regresi Linier Berganda
Analisis regresi adalah studi mengenai ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas/ bebas), dengan tujuan untuk mengestimasi dan/atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui. Analisis regresi berganda dalam penelitian ini digunakan untuk mengetahui pengaruh ukuran Direksi, aktifitas (rapat) Direksi, proporsi wanita dalam Direksi, latar belakang pendidikan Direksi, usia Direksi, dan remunerasi Direksi 2011-2014terhadap Return on Equity(ROE) sebagai rasio kinerja di Bank Syariah periode tahun 2012-2015.
Tabel 4.7 Hasil Uji Regresi
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,380 ,217 1,750 ,088 SIZE ,032 ,025 ,221 1,286 ,207 RPTDIR ,002 ,001 ,303 2,275 ,029 WNTDIR -,202 ,103 -,353 -1,956 ,058 PDDKDIR -,122 ,110 -,169 -1,111 ,274 USIADIR ,228 ,080 ,517 2,840 ,007 REMUNDIR -,151 ,074 -,345 -2,039 ,049
a. Dependent Variable: ROE
ROE = 0,380 + 0,032 SIZE + 0,002 RPTDIR - 0,202WNTDIR – 0,122
PDDKDIR +0,228USIADIR – 0,151REMUNDIR + ε
Dari persamaan fungsi di atas dapat diartikan bahwa: a. Konstan : 0,380
Bahwa ketika ukuran Direksi, rapat Direksi, proporsi wanita dalam direksi, latar belakang pendidikan Direksi, usia Direksi, dan remunerasi Direksi konstan atau tidak ada, maka ROA mengalami kenaikan sebesar 0,380 dengan asumsi cateris paribus.
b. Ukuran Direksi: 0,032
Bahwa ketika ukuran Direksi mengalami peningkatan 1 satuan sedangkan rapat Direksi, proporsi wanita dalam direksi, latar belakang pendidikan Direksi, usia Direksi, dan remunerasi Direksi konstan atau tidak ada, maka ROE mengalami kenaikan sebesar 0,032 dengan asumsi cateris paribus.
c. Rapat Direksi : 0,002
Bahwa ketika rapat Direksi mengalami peningkatan 1 satuan sedangkan ukuran Direksi, proporsi wanita dalam Direksi, latar belakang pendidikan Direksi, usia Direksi, dan remunerasi Direksi konstan atau tidak ada, maka ROE mengalami kenaikan sebesar 0,002dengan asumsi cateris paribus.
d. Proporsi Wanita dalam Direksi : -0,202
Bahwa ketika proporsi wanita dalam Direksi mengalami peningkatan 1 satuan sedangkan ukuran Direksi, rapat Direksi, latar belakang
pendidikan Direksi, usia Direksi, dan remunerasi Direksi konstan atau tidak ada, maka ROE mengalami penurunan sebesar 0,202 dengan asumsi cateris paribus.
e. Latar Belakang Pendidikan: -0,122
Bahwa ketika latar belakang pendidikan mengalami peningkatan 1 satuan sedangkan ukuran Direksi, rapat Direksi, proporsi wanita dalam Direksi, usia Direksi, dan remunerasi Direksi konstan atau tidak ada, maka ROE mengalami penurunan sebesar 0,122dengan asumsi cateris paribus.
f. Usia Direksi : 0,228
Bahwa ketika usia Direksi mengalami peningkatan 1 satuan sedangkan ukuran Direksi, rapat Direksi, proporsi wanita dalam Direksi, latar belakang pendidikan Direksi, dan remunerasi Direksi konstan atau tidak ada, maka ROE mengalami kenaikan sebesar 0,228 dengan asumsi cateris paribus.
g. Remunerasi Direksi : -0,151
Bahwa ketika remunerasi Direksi mengalami peningkatan 1 satuan sedangkan ukuran Direksi, rapat Direksi, proporsi wanita dalam Direksi, latar belakang pendidikan Direksi dan usia Direksi konstan atau tidak ada, maka ROE mengalami penurunan sebesar 0,151 dengan asumsi cateris paribus.
4. Uji Hipotesis
a. Analisis Koefisien Determinasi (R2)
Koefisien determinasi (R2) mengukur seberapa jauh kemampuan model dalam menerangkan variasi model dependen. Nilai koefisien determinasi adalah nol dan satu. Nilai R2yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
Tabel 4.8
Hasil Uji Analisis Koefisien Determinasi
Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,645a ,416 ,322 ,1049073
a. Predictors: (Constant), REMUNDIR, WNTDIR, RPTDIR, PDDKDIR, SIZE, USIADIR
Sumber: Data yang diolah
Nilai Adjusted R Square (R2) sebesar 0,322 atau 32,2%, artinya variabel independen yaitu REMUNDIR, WNTDIR, RPTDIR, PDDKDIR, SIZE, dan USIADIR dapat menerangkan variabel dependen yaitu ROE sebesar 32,2% atau 32,2% rata-rata variasi variabel terikat dijelaskan oleh rata-rata variabel bebas, sedangkan sisanya sebesar 67,8% diterangkan oleh variabel lain yang tidak dimasukkan dalam model regresi pada penelitian ini.
b. Uji Signifikansi Simultan (Uji Statistik F)
Uji statistik F menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat. Uji statistik F dalam penelitian ini digunakan statistik F dengan kriteria bila nilai signifikansi kurang dari derajat kepercayaan 5%, maka Ho ditolak. Dengan kata lain, HA dapat diterima yang menyatakan bahwa semua variabel independen secara serentak dan signifikan mempengaruhi variabel dependen.
Tabel 4.9 Hasil Uji F
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression ,291 6 ,048 4,401 ,002a
Residual ,407 37 ,011
Total ,698 43
a. Predictors: (Constant), REMUNDIR, WNTDIR, RPTDIR, PDDKDIR, SIZE, USIADIR b. Dependent Variable: ROE
Sumber: Data yang diolah
Berdasarkan tabel 4.9 didapat nilai signifikan 0.002, karena probabilitas lebih kecil dari 5%, maka model regresi dapat digunakan untuk memprediksi ROE atau dapat dikatakan bahwa REMUNDIR, WNTDIR, RPTDIR, PDDKDIR, SIZE dan USIADIR secara bersama-sama berpengaruh terhadap ROE.
c. Uji statistik parameter Individual (uji statistik T)
Cara melakukan uji t dalam penelitian ini adalah nilai signifikan kurang dari derajat kepercayaan sebesar 5%, maka Ho ditolak. Dengan kata lain HA dapat diterima, yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen. Selengkapnya mengenai hasil uji T dalam penelitian ini dapat dijelaskan pada tabel 4.10 sebagai berikut:
Tabel 4.10 Hasil Uji T Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,380 ,217 1,750 ,088 SIZE ,032 ,025 ,221 1,286 ,207 RPTDIR ,002 ,001 ,303 2,275 ,029* WNTDIR -,202 ,103 -,353 -1,956 ,058** PDDKDIR -,122 ,110 -,169 -1,111 ,274 USIADIR ,228 ,080 ,517 2,840 ,007* REMUNDIR -,151 ,074 -,345 -2,039 ,049*
a. Dependent Variable: ROE * Signifikan pada 5%
** Signifikan pada 10%
Sumber: Data yang diolah
ROE = 0,380 + 0,032 SIZE + 0,002 RPTDIR - 0,202WNTDIR – 0,122
PDDKDIR +0,228 USIADIR – 0,151REMUNDIR + ε
a. Pengaruh Ukuran Direksi terhadap Kinerja (ROE)
Dari hasil perhitungan secara parsial variabel SIZE tidak berpengaruh terhadap variabel ROE yang ditunjukkan dengan
besarnya nilai signifikansi yang lebih besar dari 0,05 yaitu sebesar 0,207, sehingga H1 ditolak. Hal ini disebabkan oleh jumlah maksimal Dewan Direksi dalam penelitian ini sebanyak 6 orang, menurut Lipton dan Lorch (1992) dalam Nathania (2014) jumlah tersebut termasuk kecil, Lipton dan Lorch (1992) merekomendasikan untuk membatasi jumlah anggota dewan sejumlah tujuh sampai delapan orang.
Hasil tersebut tidak sesuai dengan penelitian Bebeji et. al.(2015) mengemukakan bahwa ukuran dewan yang besar menimbulkan kinerja bank di Nigeria menjadi negatif. Peningkatan ukuran Dewan Direksi akan memberikan manfaat bagi perusahaan karena terciptanya network dengan pihak luar perusahaan dan menjamin ketersediaan sumber daya (Pearce dan Zahra, 1992 dalam Widyati, 2013), namun Yermack (1996) dan Eisenbarg (1998) sebagaimana dikutip oleh Kusumastuti et. al. (2007) dalam penelitiannya menemukan bahwa jumlah direksi yang kecil akan meningkatkan kinerja perusahaan. Direksi kecil akan mudah dalam melakukan koordinasi, lebih kompak dan komunikatif, selain itu jumlah Direksi yang kecil akan mengurangi kemalasan dan tindakan numpang nama. Peningkatan ukuran Direksi cenderung menimbulkan masalah dalam komunikasi dan koordinasi, dan dapat menimbulkan faksi dan konflik (Bathula, 2008).
Penelitian ini menguatkan penelitian Nathania (2014) yang menyimpulkan bahwa ukuran Direksi tidak berpengaruh terhadap 76 perusahaan yang terdaftar di BEI tahun 2008-2012. Penelitian Hovart dan Spirollari (2012) menunjukkan bahwa ukuran Direksi tidak berpengaruh pada kinerja 136 perusahaan besar di Amerika Serikat.
b. Pengaruh jumlah rapat Direksi terhadap Kinerja (ROE)
Berdasarkan hasil uji pada tabel menunjukkan bahwa RPTDIR berpengaruh positif signifikan terhadap ROE. Hal tersebut ditunjukkan dengannilai signifikansi 0,029 kurang dari 0,05,