METODOLOGI PENELITIAN A. Jenis dan Pendekatan Penelitian
G. Analisis Data dan Hipotesis
A. Analisis Data
1. 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).
2. 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 biasa. Pengujian ini meliputi Uji Normalitas, Uji
Multikolonieritas, Uji Heteroskedastisitas dan Uji Autokorelasi
a. 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).
b. 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.
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).
c. Uji Heteroskedastisitas
Uji heterokesdatisitas ditujukan untuk menguji apakah
dalam model regresi terjadi ketidaksamaan variance dan residual
satu pengamatan ke pengamatan lain. Jika varian dari residual
pengamatan 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.
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).
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). 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).
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).
3. Analisis Regresi Linier Berganda
Analisis regresi adalah studi mengenai ketergantungan
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 rangkap jabatan DPS, jumlah rapat
DPS, jumlah anggota DPS terhadap Return on Equity (ROE)
sebagai rasio kinerja di Bank Syariah periode tahun 2011-2016.
Formulasi persamaan regresi berganda sendiri adalah sebagai
berikut (Bawono, 2006:85):
Y= β0 + β1X1 + β2X2 + β 3X3 + e Dimana:
Y : ROE
β0 : Konstanta dari persamaan regresi
β1-3: Konstanta dari variabel independen X1 : Rangkap Jabatan DPS
X2 : Jumlah Rapat DPS
X3 : Jumlah Anggota DPS
e : variabel residual atau prediction error
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
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
62 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN