BAB III METODE PENELITIAN
3.6. Metode Analisis Data
3.6.3. Uji Hipotesis Penelitian
3.6.3.1. Analisis Regresi Berganda
Metode analisis yang digunakan untuk menilai variabilitas luas pengungkapan risiko dalam penelitian ini adalah analisis regresi berganda (multiple regression analysis). Analisis regresi berganda digunakan untuk menguji pengaruh variabel independen terhadap variabel dependen.
Analisis regresi berkenaan dengan studi ketergantungan antara satu variabel terikat dengan satu atau lebih variabel bebas atau penjelas, dengan tujuan mengestimasi atau memprediksi rata-rata populasi atau nilai rata-rata variable dependen berdasarkan nilai variabel independen yang diketahui.
Analisis ini juga mengukur kekuatan hubungan antara dua variabel atau lebih, juga menunjukkan arah hubungan antara variabel
dependen dengan variabel independen. Model regresi yang dikembangkan untuk menguji hipotesis-hipotesis yang telah dirumuskan dalam penelitian ini adalah:
Y = a+ b1X1+ b2X2 + b3X3 + b4X4 +b5X5 + b6X6 + b7X7 + e Keterangan :
Y = Loss Given Default (LGD)
a = Konstanta
b1,b2,b3,b4,b5,b6,b7 = Koefesien regresi masing-masing variabel independen
X1 = House Price
X2 = Loan Amount
X3 = Growth BI Rate
X4 = Growth GDP
X5 = Loan To Value
X6 = Suku Bunga Dasar Kredit X7 = Hari Tunggakan
E = Koefisien error 3.6.3.2. Uji Statistik F
Uji statistik F digunakan untuk mengetahui apakah variabel-variabel independen yang dimasukkan ke dalam model regresi mempunyai
pengaruh secara bersama-sama (simultan) terhadap variabel dependen (Ghozali, 2011: 99). Pembuktian dilakukan dengan cara membandingkan nilai F kritis (Ftabel) dengan (Fhitung) dimana tabel hitung terdapat pada tabel
analysis of variance. Tingkat signifikan tabel yang digunakan sebesar 5%
dengan derajat kebebasan (degree of freedom) df= (n-k) dan (k-1) dimana (n) adalah jumlah observasi dan (k) adalah jumlah variabel.Hipotesis yang diajukan adalah sebagai berikut :
Ha :B1 = B2 = B3 =B4= B5 = B6 = 0
Artinya tidak terdapat pengaruh yang signifikan secara bersama-sama (simultan) dari variabel independen terhadap variabel dependen.
Ha :B1 = B2 = B3 = = B5 = B6 ≠ 0
Artinya terdapat pengaruh yang signifikan secara bersama-sama (simultan) dari variabel independen terhadap variabel dependen.
Untuk menguji apakah ada pengaruh yang signifikan atau tidak antara variabel independen dan dependen secara simultan, maka digunakan uji F dengan kriteria sebagai berikut :
1. Bila Fhitung >Ftabel atau P value< α (0,05) maka Ha diterima
2. Bila F hitung<Ftabel atau P value> α (0,05) maka Ha tidak dapat diterima 3.6.3.3. Uji Statistik T
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen terhadap variabel dependen dengan
menganggap variabel independen lainnya konstan (Ghozali, 2011: 101).
Tingkat signifikansi yang digunakan sebesar 5% dengan derajat kebebasan (degree of freedom) df = (n-k-1) dimana (n) adalah jumlah observasi dan (k) adalah jumlah variabel. Pengujian koefisien regresi masing-masing variabel adalah sebagai berikut:
Ha:βi = 0 (tidak ada pengaruh variabel independen i pada variabel dependen)
Ha:βi ≠ 0 (ada pengaruh variabel independen i pada variabel dependen) Kriteria pengambilan keputusan adalah sebagai berikut :
a. Jika thitung > ttabel maka variabel independen secara parsial berpengaruh terhadap variabel dependen.
Jika thitung < ttabel maka variabel independen secara parsial tidak berpengaruh terhadap variabel dependen.
b. Jika P value< α 0,05 maka Ha diterima, berarti variabel independen berpengaruh signifikan terhadap variabel dependen.
Jika P value> α 0,05 maka Ha tidak dapat diterima, berarti variabel independen i tidak berpengaruh signifikan terhadap variabel dependen.
3.6.3.4. Uji koefisien Determinasi
Uji koefisien determinasi digunakan untuk mengukur tingkat kemampuan model dalam menerangkan variabel dependen, namun karena koefisien determinasi memiliki kelemahan mendasar, yaitu adanya bias terhadap jumlah variabel independen yang dimasukkan ke dalam model, maka dalam penelitian ini menggunakan koefisien determinasi berkisar antara 0 dan 1. Jika nilai koefisien determinasi semakin mendekati 1, maka semakin baik kemampuan model tersebut dalam menjelaskan variabel dependen (Ghozali, 2011: 97).
Nilai yang digunakan untuk mengetahui hasil uji koefisien determinasi adalah nilai adjusted R2. “Adjusted R Square dianggap lebih baik dari R Square karena nilai adjusted R Square dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model” (Ghozali, 2005).
BAB IV
ANALISIS HASIL PENELITIAN 4.1. Deskriptif Objek Penelitian
Penelitian ini menggunakan data sekunder yang diperoleh dari internet melalui situs www.idx.co.id . Data yang digunakan merupakan data laporan tahunan perusahaan perbankan persero yang dipublikasikan pada tahun 2007-2014. Metode analisis data yang digunakan dalam penelitian adalah metode analisis statistik yang menggunakan persamaan regresi berganda. Pengujian asumsi klasik dan regresi berganda dilakukan dengan menggunakan Software SPSS versi 22. Berdasarkan kriteria yang telah ditentukan, diperoleh 4 perusahaan perbankan persero yang memenuhi kriteria dan menjadi sampel dalam penelitian ini selama periode 2007-2014.
4.2. Analisis Statistik Deskriptif
Analisis statistik deskriptif dilakukan untuk memberikan informasi mengenai data yang dimiliki dan tidak bermaksud menguji hipotesis. Analisis ini hanya digunakan untuk menyajikan dan menganalisis data disertai dengan perhitungan agar dapat memperjelas keadaan atau karakteristik data yang bersangkutan. Analisis statistik deskriptif memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata (mean) dan standart deviation (simpangan baku) data yang digunakan dalam penelitian. Dimana komponen-komponen statistic deskriptif dapat dijabarkan sebagai berikut:
1. Nilai minimum adalah nilai data yang paling rendah setelah data tersebut diurutkan dari angka terkecil ke angka tertinggi.
2. Nilai maksimum adalah nilai data paing tinggi setelah datatersebut diurutkan dari angka terkecil ke angka tertinggi.
3. Mean (nilai rata-rata) adalah jumlah seluruh angka pada data yang dibagi dengan jumlah data yang ada.
4. Standard deviation adalah nilai simpang baku. Semakin kecil nilainya,
maka data yang digunakan mengelompok disekitar nilai rata-rata.
Tabel 4.1 Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum mean Std. Deviation
House Price 32 80000000 105000000 93656250.00 8388199.757
Loan
Amount 32 7265000000000 176657847000000 68933022906250.00 48282189133137.630 Growth BI
Rate 32 -.2400 3.2857 .406922 1.1157689
Growth
GDP 32 365000000000 21354000000000 6390517250000.00 6107628543324.360
Sumber : Diolah dengan SPSS, 2016
Dari pengujian deskriptif statistic yang tersaji pada table 4.1 menunjukkan hasil sebagai berikut:
1. Varisbel House Price memiliki nilai terendah yaitu 80.000.000, nilai tertinggi 105.000.000 dengan nilai mean 93.656.250 dan standard devisiasi 8.388.199,757.
2. Variable Loan Amount memliki nilai terendah yaitu 7.265.000.000.000, nilai tertinggi 176.657.847.000.000 dengan nilai mean 68.933.022.906.250, dan standard devisiasi 48.282.189.133.137,630.
3. Variable Growth BI rate memiliki nilai terendah yaitu, -0.24, nilai tertinggi 3.2857 dengan nilai mean 0.406922 dan standard devisiasi 1.1157689.
4. Variable Growth GDP memiliki nilai terendah yaitu 365.000.000.000, nilai tertinggi 21.354.000.000.000 dengan nilai mean 6.390.517.250.000 dan nilai standard devisiasi 6.107.628.543.324,360.
5. Variable loan to value memiliki nilai terendah yaitu 5.448.750.000.000, nilai tertinggi 694.055.820.000.000 dengan nilai mean 71.220.087.492.187,52 danstandard devisiasi 119.240.094.380.964,420.
6. Variable SBDK memiliki nilai terendah yaitu 0,1000, nilai tertinggi 11,2500 dengan nilai mean 0,778364 dan standard devisisasi 2,6440517.
Loan To
Value 32 5448750000000 694055820000000 71220087492187.52 119240094380964.42 0
7. Variable Hari tunggakan memiliki nilai terendah yaitu 90, nilai tertinggi 270 dengan nilai mean 180 dan standard devisiasi 48,193.
8. Variable LGD memiiki nilai terendah yaitu -0,01151, nilai tertinggi 0.00904 dengan nilai mean -0.0011479 dan standard devisiasi 0.00534014.
4.3. Uji Asumsi Klasik 4.3.1. Uji Normalitas
Pengujian normalitas data dapat dilakukan secara kasat mata yaitu dapat dilihat pada garfish histogram dan garfik PP Plot. Suatu data akan berdistribusi normal jika grafik histogram menyerupai bel yang menghadap ke atas. Hal ini dapat dilihat dalam tampilan grafik berikut ini:
Sumber: Diolah dengan SPSS, 2016 Gambar 4.1 Grafik Histogram
Grafik histogram di atas menunjukkan bahwa distribusi data memiliki kurva berbentuk lonceng ke atas dimana distribusi data tidak menceng ke kiri atau menceng ke kanan. Hal ini menunjukkan bahwa data telah terdistribusi secara normal.
Hal ini juga didukung dengan hasil uji normalitas dengan menggunakan garfik PP Plot berikut ini.
Sumber: Diolah dengan SPSS, 2016 Gambar 4.2 Grafik PP Plot
Gambar 4.2 merupakan grafik PP Plot yang menunjukkan bahwa titik-titik data menyebar di sekitar garis diagonal pada normal plot. Hal tersebut menunjukkan bahwa data telah berdistribusi secara normal.
Pengujian normalitas dapat juga diuji secara statistic dengan menggunakan uji Kolmogorov-Smirnov. Menurut Ghozali (2013:60) uji K-S dibuat dengan membuat hipotesis sebagai berikut:
Ho : Data residual berdistribusi normal.
Ha : Data residual tidak berdistribusi normal.
Bila sig > 0,05 berarti distribusi normal (Ho diterima, Ha ditolak), sebaliknya bila sig < 0,05 berarti distribusi data tidak normal (Ha diterima, Ho ditolak).
Hasil uji normalitas dengan menggunakan tes Kolmogorov-Smirnov ditunjukkan pada tabel 4.2 berikut:
Tabel 4.2
Normal Parametersa,b Mean -.0011479
Std. Deviation .00534014 Most Extreme Differences Absolute .078
Positive .078
Negative -.076
Test Statistic .078
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
Sumber: Diolah dari SPSS, 2016
Berdasarkan tabel diatas dapat dideskripsikan besarnya Kolmogorov-Smirnov (K-S) adalah 0,078 dan signifikan 0,200. Hal ini menunjukkan
bahwa data tersebut telah berdistribusi normal karena nilai Asymp. Sig.(2-tailed) lebih besar dari 0,05 yakni 0,200.
4.3.2. Uji Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji ada tidaknya korelasi antara variabel independen dalam model regresi. Jika pada model regresi terjadi multikolinearitas, maka koefesian regresi tidak dapat ditaksir dan nilai standard error menjadi tak terhingga. Untuk melihat ada atau tidaknya multikolinearitas dalam regresi dapat dilihat dari:
1. Nilai tolerance variabel diatas 0,10
2. Variance Inflation Factor (VIF) variabel dibawah 10.
Uji multikolinearitas dengan melihat nilai tolerance dan VIF menunjukkan hasil seperti pada tabel 4.3 berikut:
Tabel 4.3
Uji Heteroskedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke
pengamatan lain. Pengujian heteroskedastisitas pada penelitian ini menggunakan dasar analitis sebagai berikut:
1. Jika ada pola tertentu, seperti titik-titik yang akan membentuk pola tertentu yang teratur, maka mengidentifikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, seperti titik-titik menyebar diatas dan di bawah angka 0 pada sumbu Y, maka mengindifikasikan tidak terjadi heteroskedastisiyas.
Hasil dari uji heteroskedastisitas dapat ditunjukkan pada gambar 4.3 berikut
ini:
Smuber: Diolah denganSPSS, 2016
Gambar 4.3 Uji Heteroskedastisitas
Dari gambar scatterplot diatas terlihat bahwa titik menyebar secara acak baik di atas maupun di bawah angka 0 pada sumbu Y tidak mebentuk pola tertentu atau tidak teratur. Titik yang menyebar menjauh dari titik-titik yang lain mengindikasikan bahwa adanya data observasi yang sangat berbeda dengan data penelitian lainnya. Maka dapat disimpulkan bahwa tidak terjadi heteroskedastisitaspada model regresi ini sehingga model ini layak dipakai.
4.3.4. Uji Autokolerasi
Uji ini bertujuan untuk melihat apakah dalam suatu model linier ada kolerasi antar kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Adanya beberapa cara yang dapat digunakan untuk mendeteksi masalah dalam autokolerasi diantaranya adalah dengan Runs Test.
Tabel 4.4
Hasil Uji Autokolerasi
Runs Test
Unstandardized Residual
Test Valuea -.00088
Cases < Test Value 16
Cases >= Test Value 16
Total Cases 32
Number of Runs 17
Z .000
Asymp. Sig. (2-tailed) 1.000 a. Median
Sumber: Diolah dari SPSS, 2016
Hasil output SPSS diatas menunjukkan bahwa nilai Asymp sig(2-tailed) lebih besar dari 0,05 yakni 0,562. Oleh karena itu dapat disimpulkan
4.4. Uji Hipotesis Penelitian
4.4.1. Analisis Regresi Berganda
Analisis regresi berganda dari pengaruh House Price, Loan Amount, Growth BI Rate, Growth GDP, Loan To Value, Suku Bunga Dasar Kredit dan Hari Tunggakan terhadap Loss Given Default kredit Pemilikan Rumah (KPR) Pada perbankan Tahun 2007-2014 memiliki hasil berikut ini:
Tabel 4.5
Hasil Analisi Regresi Berganda
Sumber: Hasil dari SPSS, 2016
Berdasarkan hasil regresi pada tabel 4.5 diperoleh persamaan model regresi sebagai berikut:
X6 : Suku Bunga Dasar Kredit X7 : Hari Tunggakan
Berdasarkan hasil persamaan regresi berganda tersebut masing-masing variabel menjelaskan bahwa:
1. Konstanta (a) sebesar 0.067 diinterpretasikan bahwa apabila variabel ukuran house price, loan amount, growth BI rate, growth GDP, loan to value, suku bunga dasar kredit dan hari tunggakan sama dengan nol, maka jumlah Loss Given Default bernilai 0.067.
2. Koefisien regresi house price -5.923 diinterpretasikan bahwa house price regresi negative. Hal ini menggambarkan setiap kenaikan rasio house price sebesar 1% akan berpengaruh negative terhadap Loss Given Default sebesar -5.923.
3. Koefisien loan amount -4.108 diinterpretasikan bahwa loan amount regresi negative. Hal ini menggambarkan setiap kenaikan rasio loan amount sebesar 1% akan berpengaruh negative terhadap Loss Given Default sebesar -4.108.
4. Koefisien Growth BI Rate 0.000 diinterpretasikan bahwa growth BI Rate regresi positif. Hal ini menggambarkan setiap kenaikan rasio growth BI Rate sebesar 1% tidak akan berpengaruh terhadap Loss Given Default dikarenakan Growth BI Rate sebesar 0.000
5. Koefisien Growth GDP 3.600 diinterpretasikan bahwa growth GDP regresi positif. Hal ini menggambarkan setiap kenaikan rasio growth
GDP sebesar 1% akan berpengaruh positif terhadap Loss Given Default sebesar 3.600.
6. Koefisien Loan To Value 1.525. diinterpretasikan bahwa Loan To Value regresi positif. Hal ini menggambarkan setiap kenaikan rasio Loan To Value sebesar 1% akan berpengaruh positif terhadap Loss Given Default sebesar 1.525.
7. Koefisien Suku Bunga Dasar Kredit 0.001, diinterpretasikan bahwa Suku bunga dasar kredit regresi positif. Hal ini mengambarkan setiap kenaikan Suku Bunga Dasar Kredit sebesar 1% akan berpengaruh positif terhadap Loss Given Default sebesar 0.001.
8. Koefisien Hari Tunggakan -5.001, diinterpretasikan bahwa Hari Tunggakan regresi negatif. Hal ini mengaambarkan setiap kenaikan Hari Tunggakan sebesar 1% akan berpengaruh negatif terhadap Loss Given Default sebesar -5.001.
4.4.2. Uji Statistik F
Secara simultan, pengujian hipotesis dilakukan dengan uji F. Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat (Ghozali,2005:84). Uji F ini dilakukan untuk mengetahui apakah variabel independen berpengaruh secara simultan atau bersama-sama terhadap variable dependen. Untuk menguji apakah hipotesis yang diajukan diterima atau ditolak digunakan statistk F (uji F). Kriteria pengambilan keputusan adalah:
1. Bila Fhitung >Ftabel atau P value< α (0,05) maka Ha diterima.
2. Bila F hitung<Ftabel atau P value> α (0,05) maka Ha tidak dapat diterima.
Berikut ini peneliti menampilkan hasil uji statistic F pada tabel berikut:
Tabel 4.6 Uji Statistik F
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression .001 7 .000 8.315 .000b
Residual .000 24 .000
Total .001 31
a. Dependent Variable: LGD1
b. Predictors: (Constant), Hari Tunggakan, Growth GDP, SBDK, Loan To Value, Growth BI Rate, House Price, Loan Amount
Sumber: Diolah dari SPSS, 2016
Berdasarkan tabel diatas dperoleh nilai F hitung sebesar 8.315 dan tingkat signifikan sebesar 0,000. Nilai F tabel dieproleh dari fungsi FINV pada Microsoft Excel dengan formula = FINV(profabiity,deg_freedom1, deg_freedom2). Profability yang digunakan 0,05, df1=7 dan df2=24. Df1 diperoleh dengan cara df1=k-1, dan df2= jumlah unit analisis-k, k adalah jumlah variabel dependen dan independen.
Berdasarkan perhitungan yang dilakukan, diperoleh Ftabel sebesar 3.990517, sehingga dari nilai Fhitung dan Ftabel yang diperoleh menunjukkan bahwa nilai Fhitung>Ftabel dan tingkat signifikan<0,005 yakni 8.315>3.990517 dan 0,000<0,05. Dengan demikian Ha diterima. Oleh karena itu, dapat disimpulkan bahwa variabel House price, Loan Amount, Growth BI Rate, Growth Gross Domestic Product (GDP), Loan To Value, Suku Bunga Dasar Kredit, Hari Tunggakan secara bersama-sama atau simultan berpengaruh positif dan signifikan terhadap Loss Given Default Kredit Pemilikan Rumah (KPR) pada Perbankan.
4.4.3. Uji Statistik T
Secara parsial, pengujian hipotesis dilakukan dengan uji t, uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variabel dependen (Ghozali, 2005:84).
Kriteria pengambilan keputusan adalah:
Jika t hitung > t tabel, Ha diterima, unutk α = 5%.
Pada tabel dia atas diperoleh nilai Thitung untung masing-masing variabel independen. Nilai Thitung akan dibandingkan dengan nilai Ttabel yang diperoleh dari Microsoft Excel dengan menggunakan fungsi TINV dengan formula
=TINV(0,05.24). Dari formula tersebut diperoleh nilai Ttabel sebesar 2.063899.
Berdasarkan hasil pengujian di atas dapat dijelaskan pengaruh variabel dependen yakni sebagai berikut:
1. Pengaruh House Price (X1) terhadap Loss Given Default (Y).
Hasil uji T pada tabel di atas untuk variabel X1 menunjukkan nilai Thitung sebesar -3.086 dengan signifikan sebesar 0.183. Nilai Ttabel yang diperoleh 2.063899. Oleh Karena itu, nilai Thitung<nilai Ttabel yaitu -3.086<2.063899 dan nilai signifikan 0.183>0.05, maka Ha ditolak. Hal ini berarti House Price (X1) secara parsial tidak berpengaruh terhadap Loss Given Default (Y).
2. Pengaruh Loan Amount (X2) terhadap Loss Given Default (Y).
Hasil uji T pada tabel di atas untuk variabel X2 menunjukkan nilai Thitung sebesar -4.830 dengan signifikan 0.174. Nilai Ttabel yang diperoleh 2.063899.
Oleh karena itu, nilai Thitung<nilai Ttabel yaitu -4.830<2.063899 dan nilai signifikan 0.174>0.05, maka Ha ditolak. Hal ini berarti Loan Amount (X2) secara parsial tidak berpengaruh terhadap Loss Given Default (Y).
3. Pengaruh Growth BI Rate (X3) terhadap Loss Given Default (Y).
Hasil uji T pada tabel di atas untuk variabel X3 menunjukkan nilai Thitung sebesar 3.118 dengan nilai signifikan 0.020. Nilai Ttabel yang diperoleh 2.063899. Oleh karena itu, nilai Thitung >nilai Ttabel yaitu 3.118>2.063899 dan nilai signifikan 0.020<0.05, maka Ha diterima. Hal ini berarti Growth BI Rate secara parsial berpengaruh positif dan signifikan terhadap Loss Given Default (Y).
4. Pengaruh Growth Gross Domestic Product (GDP) (X4) terhadap Loss Given Default (Y).
Hasil uji T pada tabel di atas untuk variabel X4 menunjukkan nilai Thitung sebesar 5.920 dengan nilai signifikan 0.000. Nilai Ttabel yang diperoleh 2.063899. Oleh karena itu nilai Thitung>Ttabel yaitu 5.920>2.063899 dan nilai signifikan 0.000<0.05, maka Ha diterima. Hal ini berarti growth Gross domestic Product secara parsial berpengaruh positif dan signifikan terhadap Loss Given Default (Y).
5. Pengaruh Loan To Value (X5) terhadap Loss Given Default (Y).
Hasil uji T pada tabel di atas untuk variabel X5 menunjukkan nilai Thitung sebesar 2.336 dengan nilai signifikan 0.031. Nilai Ttabel yang diperoleh 2.063899. Oleh karena itu nilai Thitung>Ttabel yaitu 2.336>2.063899 dan nilai signifikan 0.031<0.05, maka Ha diterima. Hal ini berarti Loan To Value secara parsial berpengaruh positif dan signifikan terhadap Loss Given Default (Y).
6. Pengaruh Suku Bunga Dasar Kredit (X6) terhadap Loss Given Default (Y).
Hasil uji T pada tabel di atas untuk variabel X6 menunjukkan nilai Thitung sebesar 2.396 dengan nilai signifikan 0.037. nilai Ttabel yang diperoleh 2.063899. oleh karena itu nilai Thitung>Ttabel yaitu 2.396>2.063899 dan nilai signifikan 0.037<0.05, maka Ha diterima. Hal ini berarti suku Bunga Dasar Kredit berpengaruh positif dan signifikan terhadap Loss Given Default (Y).
7. Pengaruh Hari Tunggakan (X7) terhadap Loss Given Default (Y).
Hasil uji T pada tabel di atas untuk variabel X7 menunjukkan nilai Thitung sebesar -2.558 dan nilai signifikan 0.679. Nilai Ttabel yang diperoleh 2.063899.
Oleh karena itu nilai Thitung<nilai Ttabel yaitu -2.558<2.063899 dan nilai signifikan 0.679>0.05, maka Ha ditolak. Hal ini berarti Hari tunggakan secara parsial tidak berpengaruh terhadap Loss Given Default (Y).
4.4.4. Uji Koefisien Determinasi
Uji koefisien determinasi digunakan untuk mengetahui seberapa besar variabel-variabel independen menjelaskan variabel dependen. Nilai yang digunakan untuk mengetahui hasil uji koefisien determinasi adalah nilai adjusted R Square. “Adjusted R Square dianggap lebih baik dari R Square karena nilai adjusted R Square dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model” (Ghozali, 2005).
Tabel 4.8
Uji Koefisien determinasi
Model Summaryb Mode
l R R Square Adjusted R Square
Std. Error of the Estimate
1 1.000a 1.000 0.670 .00000039
a. Predictors: (Constant), Hari Tunggakan, Growth GDP, SBDK, Loan To Value, Growth BI Rate, House Price, Loan Amount b. Dependent Variable: LGD1
Sumber: Diolah dengan SPSS, 2016
Dari tampilan di atas besarnya adjusted R square adalah 0.670 berarti 67% variabel Loss Given Default dapat dijelaskan oleh House Price, Loan Amount,Growth BI Rate, Growth Gross Domestic Product (GDP), Loan
To Value, Suku Bunga Dasar Kredit, Hari Tunggakan. Sedangkan sisanya 33
% dijelaskan oleh sebab-sebab yang diluar model.
4.5. Pembahasan Hasil Penelitian
Penelitian ini bertujuan untuk mengetahui apakah House Price, Loan Amount, Growth BI Rate, Growth Domestic Product, Loan To Value, Suku Bunga Dasar Kredit, Hari Tunggakan berpengaruh secara parsial maupun secara simultan terhadap Loss Given Default Kredit Pemilikan Rumah Pada Perbankan. Populasi dalam penelitian ini adalah perusahaan perbankan persero yang menyalurkan KPR.
Sehingga diperoleh sampel dan populasi sama yaitu perusahaan perbankan persero yang menyalurkan Kredit Pemilikan Rumah yaitu Bank Tabungan Negara (BTN), Bank Negara Indonesia (BNI), Bank Rakyat Indonesia (BRI) dan Bank Mandiri.
Dalam penelitian ini, peneliti melakukan uji asumsi klasik yang terdiri dari uji normalitas, uji multikoliniertas, uji heteroskedastisitas, dan uji autokolerasi.
Setelah melakukan uji asumsi klasik, maka dilakukan uji hipotesis yaitu dengan analisis regresi linier berganda, uji signifikan simultan (uji F), uji signifikan parsial (uji T) dan jga dilakukan uji koefisien determinasi.
Pada pengujian asumsi klasik yang bertujuan membandingkan dengan hasil penelitian terdahulu untuk menghindari munculnya bias dalam analisis data serta untuk menghindari kesalahan spesifikasi model regresi yang digunakan.
Pada penelitian ini, data terdistibusi normal dengan tidak temukan problem pada setiap uji asumsi klasik yang dilakukan.
Secara simultan berdasarkan nilai statistik pada hasil analisis uji signifikan sumultan (F) pada tabel 4.6 di atas dapat dilihat bahwa nilai Fhitung sebesar 8.315
dengan nilai signifan 0,000. Dengan menentukan level signifikan = 5% (0,05) dan degree of freedom untuk df1=7 dan df2= 24 (Ftabel = 3.990517). Oleh karena Fhitung >Ftabel yaitu 8,315>3.990517). Dengan nilai signifikan lebih kecil dari 0.05 yaitu 0.000<0.05, maka dapat disimpulkan bahwa variabel House Price (X1), Loan Amount (X2), Growth BI Rate (X3), Growth Gross Domestic Product (X4), Loan To Value (X5), Suku Bunga Dasar Kredit (X6), Hari Tunggakan (X7) secara simultan berpengaruh positif dan signifikan terhadap Loss Given Default (Y).
Pengujian secara parsial, menunjukkan hasil analisis uji signifikan T pada tabel 4.7 di atas bahwa hanya variabel House Price (X1), Loan Amount (X2) dan Hari Tunggakan tidak berpengaruh. Sedangkan Growth BI Rate (X3), Growth Gross Domestic Product (X4), Loan To Value (X5), Suku Bunga Dasar Kredit (X6) berpengaruh terhadap Loss Given Default (Y) dan hubungan pengaruhnya adalah positif. Berikut ini hasil pengujian secara parsial:
1. House Price (X1)
Nilai Thitung<Ttabel yaitu -3.086<2.063899 dan nilai signifikan 0.183>0.05, maka Ha ditolak.
2. Loan Amount (X2)
Nilai Thitung<Ttabel yaitu -4.830<2.063899 dan nilai signifikan 0.174>0.05, maka Ha ditolak.
3. Growth BI Rate (X3)
Nilai Thitung>Ttabel yaitu 3.118>2.063899 dan nilai signifikan 0.020<0.05, maka Ha diterima.
4. Growth Gross Domestic Product (X4)
Nilai Thitung>Ttabel yaitu 5.920>2.063899 dan nilai signifikan 0.000<0.05, maka Ha diterima.
5. Loan To Value (X5)
Nilai Thitung>Ttabel yaitu 2.336>2.063899 dan nilai signifikan 0.031<0.05, maka Ha diterima.
6. Suku Bunga Dasar Kredit (X6)
Nilai Thitung>Ttabel yaitu 2.396>2.063899 dan nilai signifikan 0.037<0.05, maka Ha diterima.
7. Hari Tunggakan (X7)
Nilai Thitung<nilai Ttabel yaitu -2.558<2.063899 dan nilai signifikan 0.679>0.05, maka Ha ditolak.
Nilai Thitung<nilai Ttabel yaitu -2.558<2.063899 dan nilai signifikan 0.679>0.05, maka Ha ditolak.