HASIL PENELITIAN DAN PEMBAHASAN
23. Bank Pan Indonesia Tbk (PNBN)
4.2 Analisis Deskriptif
Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu data yang dilihat dari nilai maksimum, nilai minimum, nilai rata-rata (mean), dan nilai standar deviasi. Dalam penelitian ini, variabel yang digunakan dalam perhitungan statistik deskriptif adalah VACA, VAHU, STVA VAIC, PKI, MNJR, INST, ROA, dan LVRG.
Berdasarkan analisis statistik deskriptif diperoleh gambaran sampel sebagai berikut.
Tabel 4.1
Statistik Deskriptif dari VACA, VAHU, STVA VAIC, PKI, MNJR, INST ROA, dan LVRG.
VACA VAHU STVA VAIC PKI MNJR INST ROA LVRG
Mean 0.232391 2.030362 0.494275 2.756986 0.574928 0.002076 0.782110 0.021372 0.881081 Maximum 1.395000 3.113000 1.000000 3.966000 0.750000 0.008500 0.999800 0.051500 0.923900 Minimum 0.018000 1.211000 0.154000 1.690000 0.400000 1.15E-05 0.325500 0.006600 0.815500 Std. Dev. 0.166866 0,464690 0.143286 0.604293 0.185801 0.002298 0.196641 0.011471 0.024846
Observations 69 69 69 69 69 69 69 69 69
Sumber: Hasil Penelitian 2016 (data diolah)
Berdasarkan Tabel 4.1 menunjukkan bahwa jumlah data yang digunakan dalam penelitian ini adalah sebanyak 69 sampel data yang diambil dari laporan keuangan publikasi tahunan perusahaan perbankan di BEI periode 2012-2014. 1. Variabel Value Added Capital Coefficient (VACA) memiliki nilai VACA
maksimum adalah 1,395000 yang diperoleh oleh Bank Danamon Tbk pada tahun 2014, sedangkan nilai minimum 0.018000 yang diperoleh oleh Bank Capital Indonesia Tbk pada tahun 2013. Diketahui rata-rata (mean) nilai VACA adalah 0,232391, dan standar deviasinya 0,166866 dengan jumlah pengamatan sebanyak 69.
2. Variabel Value Added Human Capital (VAHU) memiliki nilai VAHU maksimum adalah 3.113000 yang diperoleh oleh Bank Pan Indonesia Tbk pada tahun 2012, sedangkan nilai minimum 1,211000 yang diperoleh Bank Rakyat Indonesia Agro Niaga Tbk pada tahun 2013. Diketahui rata-rata (mean) nilai VAHU adalah 2,030362, dan standar deviasinya 0,464690 dengan jumlah pengamatan sebanyak 69.
3. Variabel Structual Capital Value Added (STVA) memiliki nilai STVA maksimum adalah 1,000000 yang diperoleh oleh Bank Rakyat Indonesia Tbk pada tahun 2013 dan 2014, sedangkan nilai minimum 0,154000 yang diperoleh Bank Rakyat Indonesia Agro Niaga Tbk pada tahun 2014. Diketahui rata-rata (mean) nilai STVA adalah 0,494275 dan standar deviasinya 0,143286 dengan jumlah pengamatan sebanyak 69.
4. Variabel Value Added Intellectual Coefficients (VAIC) memiliki nilai VAIC maksimum adalah 3,966000 yang diperoleh oleh Bank Mandiri Tbk pada tahunn 2014 sedangkan nilai minimum 1,690000 yang diperoleh Bank Rakyat Agro Niaga Tbk pada tahun 2013. Diketahui rata-rata (mean) nilai VAIC adalah 2,756986 dan standar deviasinya 0,604293 dengan jumlah pengamatan sebanyak 69.
5. Variabel Proporsi Kimosaris Independen (PKI) memiliki nilai PKI maksimum adalah 0,750000 yang diperoleh oleh Bank Victoria Internasional Tbk pada tahun 2012-2014, sedangkan nilai minimum 0,400000 yang diperoleh Bank Rakyat Indonesia Agro Niaga Tbk pada tahun 2013. Diketahui rata-rata (mean) nilai PKI adalah 0,574928 dan standar deviasinya 0,185801 dengan jumlah pengamatan sebanyak 69.
6. Variabel Kepemmilikan Manajerial (MNJR) memiliki nilai MNJR maksimum adalah 0,008500 yang diperoleh oleh Bank Capital Indonesia Tbk pada tahun 2012 dan 2013 sedangkan nilai minimum 0,0000115 yang diperoleh Bank CIMB Niaga Tbk pada tahun 2012-2013. Diketahui rata-rata
(mean) nilai MNJR adalah 0,002076 dan standar deviasinya 0,0022298 dengan jumlah pengamatan sebanyak 69.
7. Variabel Kepemilikan Institusional (INST) memiliki nilai INST maksimum adalah 0,999800 yang diperoleh oleh Bank Mandiri (Persero) Tbk pada tahun 2012 sedangkan nilai minimum 0,325506 yang diperoleh Bank Capital Indonesia Tbk pada tahun 2013, sedangkan Diketahui rata-rata (mean) nilai INST adalah 0,782110 dan standar deviasinya 0,196641 dengan jumlah pengamatan sebanyak 69.
8. Variabel Return on Assets (ROA) memiliki nilai maksimum 0,051500 yang diperoleh Bank Rakyat Indonesia Tbk pada tahun 2012, sedangkan nilai ROA minimum adalah 0,006600 yang diperoleh oleh Bank Artha Graha Internasional Tbk pada tahun 2012. Diketahui rata-rata nilai ROA adalah 0,021372 dan standar deviasinya 0,011471 dengan jumlah pengamatan sebanyak 69.
9. Variabel Leverage memiliki nilai maksimum 0,923900 yang diperoleh Bank Bukopin Tbk pada tahun 2012, sedangkan nilai leverage minimum adalah 0,815500 yang diperoleh oleh Bank Danamon Indonesia Tbk pada tahun 2012. Diketahui rata-rata nilai leverage adalah 0,881081 dan standar deviasinya 0,024846 dengan jumlah pengamatan sebanyak 69.
4.3 Uji Asumsi Klasik
4.3.1 Uji Normalitas
Dalam penelitian ini, uji normalitas terhadap residual dengan menggunakan uji Jarque-Bera (J-B). Dalam penelitian ini, tingkat signifikansi
yang digunakan � = 0,05. Dasar pengambilan keputusan adalah melihat angka probabilitas dari statistik J-B, dengan ketentuan sebagai berikut.
1. Jika nilai probabilitas �≥ 0,05, maka asumsi normalitas terpenuhi. 2. Jika nilai probabilitas � < 0,05, maka asumsi normalitas tidak terpenuhi.
Sumber: Hasil Penelitian 2016 (data diolah)
Gambar 4.1
Uji Normalitas dengan Uji Jarque-Bera
Perhatikan bahwa berdasarkan Gambar 4.1, diketahui nilai probabilitas dari statistik J-B adalah 0,345. Karena nilai probabilitas �, yakni 0,345, lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi (Gio, 2015:27-28).
4.3.2 Uji Multikolinearitas
Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai korelasi antar variabel yang terdapat dalam matriks korelasi. Gujarati dalam Gio (2015:31) menyatakan jika antar variabel independen ada korelasi yang cukup tinggi, yakni di atas 0,8, maka hal ini merupakan indikasi adanya multikolinearitas. Hasil uji multikolinearitas disajikan pada Tabel 4.2.
0 2 4 6 8 10 -1.0 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2 Series: Residuals Sample 1 69 Observations 69 Mean 0.003736 Median -0.049156 Maximum 1.276313 Minimum -1.011230 Std. Dev. 0.462571 Skewness 0.400199 Kurtosis 3.313700 Jarque-Bera 2.124757 Probability 0.345633
Tabel 4.2
Uji Multikolinearitas dengan Matriks Korelasi
PKI MNJR INST ROA LVRG
PKI 1,000000 -0,093567 -0,385162 0,022114 0,104208 MNJR -0,093567 1,000000 -0,107701 -0,369300 -0,009181
INST -0,385162 -0,107701 1,000000 0,358066 -0,002844 ROA 0,022114 -0,369300 0,358066 1,000000 0,068719 LVRG 0,104208 -0,009181 -0,002844 0,068719 1,000000 Sumber: Hasil Penelitian 2016 (data diolah)
Berdasarkan Tabel 4.2, dapat dilihat bahwa korelasi PKI dan MNJR sebesar -0,09, korelasi antara PKI dan INST sebesar -0,38, korelasi antara PKI dan ROA sebesar 0,022, korelasi antara PKI dan LVRG sebesar 0,10, korelasi antara MNJR dan INST sebesar -0,10, dan seterusnya. Dari hasil pengujian multikolinearitas pada Tabel 4.2 dapat disimpulkan bahwa tidak terdapat gejala multikolinearitas antar variabel independen. Hal ini karena nilai korelasi antar variabel independen tidak lebih dari 0,8.
4.3.3 Uji Heteroskedastisitas
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan Uji Glejser. Dasar pengambilan keputusan adalah melihat angka probabilitas dari statistik Uji Glejser, dengan ketentuan sebagai berikut (Gio, 2015:59).
1. Jika nilai Prob. Chi-Square dari Obs *R-squared ≥ 0,05, maka tidak terjadi heteroskedastisitas.
2. Jika nilai Prob. Chi-Square dari Obs *R-sqaured < 0,05, maka terjadi heteroskedastisitas.
Tabel 4.3
Uji Heteroskedastisitas dengan Uji Glejser
Heteroskedasticity Test: Glejser
F-statistic 2.365529 Prob. F(5,63) 0.0496 Obs*R-squared 10.90650 Prob. Chi-Square(5) 0.0533 Scaled explained SS 10.62484 Prob. Chi-Square(5) 0.0593
Sumber: Hasil Penelitian 2016 (data diolah)
Berdasarkan Tabel 4.3, nilai Prob. Chi-Square dari Obs *R-squared = 0,053 ≥ 0,05, maka asumsi homoskedastisitas terpenuhi. Dengan kata lain, tidak terjadi gejala heteroskedastisitas yang tinggi pada residual.
4.3.4 Uji Autokorelasi
Asumsi mengenai independensi terhadap residual (non-autokorelasi) dapat diuji dengan menggunakan uji Durbin-Watson (Field, 2009:220). Nilai statistik dari uji Durbin-Watson berkisar di antara 0 dan 4. Field (2009:220) menyatakan sebagai berikut.
“Specifically, it (Durbin-Watson) tests whether adjacent residuals are correlated. The test statistic can vary between 0 dan 4 with a value 2 meaning that the residuals are uncorrelated".
Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi. Field dalam Gio (Gio, 2015: 58) menyatakan sebagai berikut.
“The size of the Durbin-Watson statistic depends upon the number of predictors in the model and the number of observations. For accuracy, you should look up the exact acceptable values in Durbin and Watson's (1951) original are definitely cause for concern; however, values closer to 2 may stil be problematic depending on your sample and model”.
Tabel 4.4
Uji Autokorelasi dengan Uji Durbin-Watson
Test Equation:
Dependent Variable: VAIC Method: Least Squares Date: 08/20/16 Time: 13:27 Sample: 1 69
Included observations: 69
F-statistic 3.449928 Durbin-Watson stat 1.653430 Prob(F-statistic) 0.008088
Sumber: Hasil Penelitian 2016 (data diolah)
Berdasarkan Tabel 4.4, nilai dari statistik Durbin-Watson adalah 1,6534. Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara 1 dan 3, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual (Gio, 2015:31-32).
4.4 Pemilihan Model Data Panel
Metode estimasi dalam teknik regresi data panel dapat menggunakan tiga pendekatan alternatif. Pendekatan-pendekatan tersebut ialah:
(1) Metode Common-Constant (The Pooled OLS Method), (2) Metode Fixed Effect (FEM), dan
(3) Metode Random Effect (REM).
4.4.1 Penentuan Model Estimasi antara Common Effect Model (CEM) dan
Fixed Effect Model (FEM) dengan Uji Chow
Untuk menentukan apakah model estimasi CEM atau FEM dalam membentuk model regresi, maka digunakan uji Chow. Hipotesis yang diuji sebagai berikut:
�0: Model CEM lebih baik dibandingkan model FEM
�1: Model FEM lebih baik dibandingkan model CEM Aturan pengambilan keputusan terhadap hipotesis sebagai berikut:
1. Jika nilai probabilitas cross section F < 0,05, maka �0 ditolak dan �1
diterima.
2. Jika nilai probabilitas cross section F ≥ 0,05, maka �0 diterima dan �1
ditolak.
Berikut hasil berdasarkan uji Chow dengan menggunakan Eviews 7
Tabel 4.5 Hasil dari Uji Chow
Redundant Fixed Effects Tests Pool: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 6.891090 (22,41) 0.0000 Cross-section Chi-square 106.747420 22 0.0000
Sumber: Hasil Penelitian 2016 (data diolah)
Berdasarkan hasil dari uji Chow pada Tabel 4.2, diketahui nilai probabilitas adalah 0,0000. Karena nilai probabilitas < 0,05, maka model estimasi yang digunakan adalah model FEM.
4.3.2. Penentuan Model Estimasi antara Fixed Effect Model (FEM) dan
Random Effect Model (REM) dengan Uji Hausman
Untuk menentukan apakah model estimasi FEM atau REM dalam membentuk model regresi, maka digunakan uji Hausman. Hipotesis yang diuji sebagai berikut:
�0: Model REM lebih baik dibandingkan model FEM
�1: Model FEM lebih baik dibandingkan model REM Aturan pengambilan keputusan terhadap hipotesis sebagai berikut:
1. Jika nilai probabilitas cross section random < 0,05, maka �0 ditolak dan
�1 diterima.
2. Jika nilai probabilitas cross section random ≥ 0,05, maka �0 diterima dan
�1 ditolak.
Berikut hasil berdasarkan uji Hausman dengan menggunakan Eviews 7.
Tabel 4.6
Hasil dari Uji Hausman
Correlated Random Effects - Hausman Test Pool: Untitled
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 10.620800 5 0.0594
Sumber: Hasil Penelitian 2016 (data diolah)
Berdasarkan hasil dari uji Hausman pada Tabel 4.3, diketahui nilai probabilitas adalah 0,0594 Karena nilai probabilitas > 0,05, maka model estimasi yang digunakan adalah model REM.