commit to user
HASIL DAN PEMBAHASAN
Penelitian ini bertujuan untuk menganalisis hubungan antara keputusan pendanaan terhadap kinerja perusahaan. Pada bab ini akan diuraikan mengenai deskripsi data, hasil penelitian, pembahasan serta perbandingan dengan penelitian sebelumnya.
A. STATISTIK DESKRIPTIF
Statistik deskriptif penelitian ini dilakukan guna mencari nilai minimum, maksimum, mean dan standar deviasi dari variabel-variabel penelitian.
Tabel IV. 1
Uji Statistik Deskriptif ROA
Variabel Debt to Assets Ratio (DAR) menunjukkan nilai rata-rata 0,904556 (90,45%). DAR dengan nilai minimum 0,7970 (79,70%) dimiliki oleh PT Bank Swadesi, Tbk tahun 2010. Sedangkan nilai DAR maksimum adalah 0,9724 (97,24%) dimiliki PT Bank Mutiara, Tbk tahun 2005.
N Minimum Maximum Mean Std. Deviation
DAR 105 .7970 .9724 .904556 .0290098 LDER 105 .0000 5.6165 .717171 1.1425741 LNSIZE 105 27.55 33.74 30.9067 1.72373 LEV 105 3.9271 35.2284 10.494404 4.0241695 ROA 105 -.0111 .0284 .010864 .0074954 Valid N (listwise) 105 66
commit to user
67 Variabel Long Term Debt to Equity Ratio (LDER) menunjukkan nilai rata-rata sebesar 0,717171 (71,72%). LDER dengan nilai minimum 0,0000 dimiliki oleh PT Bank Nusantara Parahyangan, Tbk (2005), PT Bank Mutiara, Tbk (2005, 2007, 2010), PT Bank Victoria, Tbk (2005-2006), PT Bank Swadesi, Tbk (2006-2008), PT Bank Kesawan, Tbk (2007), PT Bank Bumiputera, Tbk (2010), dan PT Bank Eksekutif Internasional, Tbk (2010). LDER maksimum sebesar 5,6165 (561,65%) dimiliki PT Bank Bumiputera, Tbk pada tahun 2005.
Variabel ukuran perusahaan (LNSIZE) yang diukur dengan logaritma natural total aset menunjukkan rata-rata sebesar 30,9067. Nilai minimum adalah 27,55 yang dimiliki oleh PT Bank Swadesi, Tbk tahun 2005 dan nilai maksimum adalah 33,74 yang dimiliki oleh PT Bank Mandiri, Tbk tahun 2010.
Variabel leverage (LEV) yang diukur dengan rumus total kewajiban dibagi dengan total ekuitas diperoleh nilai maksimum sebesar 35,2284 (3.522,84%) yang dimiliki oleh PT Bank Mutiara,Tbk pada tahun 2005 dan nilai minimum sebesar 3,9271 (392,71%) yang dimiliki oleh PT Bank Swadesi, Tbk pada tahun 2010 dan nilai rata-rata leverage sebesar 10,494404 (1.049,44%).
Variabel kinerja keuangan yang diproksikan dengan Return On Asset
(ROA)memiliki rata-rata sebesar 0,010864 (1,09%). Nilai maksimum ROA sebesar 0,0284 (2,84%) dimiliki oleh PT Bank Rakyat Indonesia, Tbk (2005, 2006, 2010), PT Bank Danamon, Tbk (2005), PT Bank Central Asia,
commit to user
68 Tbk (2010) dan nilai minimum sebesar -0,0111 (-1,11%) dimiliki oleh PT Bank Bumiputera, Tbk (2005), PT Bank Eksekutif Internasional, Tbk (2006), dan PT Bank Mutiara, Tbk (2007).
Tabel IV. 2
Uji Statistik Deskriptif ROE
Variabel Debt to Assets Ratio (DAR) menunjukkan nilai rata-rata 0,905053 (90,50%). DAR dengan nilai minimum 0,8276 (82,76%) dimiliki oleh PT Bank Mayapada, Tbk tahun 2008. Nilai DAR maksimum adalah 0,9507 (95,07%) dimiliki PT Bank Bumiputera, Tbk (2005), PT Bank Artha Graha Internasional, Tbk (2005-2006), PT Bank Mega, Tbk (2005), dan PT Bank Mutiara, Tbk (2006-2007).
Variabel Long Term Debt to Equity Ratio (LDER) menunjukkan nilai rata-rata sebesar 0,706474 (70,65%). LDER dengan nilai minimum 0,0000 dimiliki oleh PT Bank Nusantara Parahyangan, Tbk (2005), PT Bank Mutiara, Tbk (2005, 2007, 2010), PT Bank Victoria, Tbk (2005-2006), PT Bank Swadesi, Tbk (2006-2008), PT Bank Kesawan, Tbk (2007), PT Bank Bumiputera, Tbk (2010) dan PT Bank Eksekutif Internasional, Tbk (2010).
N Minimum Maximum Mean Std. Deviation
DAR 98 .8276 .9507 .905053 .0243046 LDER 98 .0000 5.5285 .706474 1.0610144 LNSIZE 98 27.55 33.74 30.9653 1.67662 LEV 98 4.8007 19.2719 10.229601 2.9650945 ROE 98 .0038 .2681 .111199 .0668379 Valid N (listwise) 98
commit to user
69 Nilai LDER maksimum sebesar 5,5285 (552,85%) dimiliki PT Bank Danamon, Tbk pada tahun 2008.
Variabel ukuran perusahaan (LNSIZE) yang diukur dengan logaritma natural total aset menunjukkan rata-rata sebesar 30,9653. Nilai minimum adalah 27,55 yang dimiliki oleh PT Bank Swadesi, Tbk tahun 2005 dan nilai maksimum adalah 33,74 yang dimiliki oleh PT Bank Mandiri, Tbk tahun 2010.
Variabel leverage (LEV) yang diukur dengan rumus total kewajiban dibagi dengan total ekuitas didapat nilai maksimum sebesar 19,2719 (1.927,19%) yang dimiliki oleh PT Bank Artha Graha Internasional, Tbk pada tahun 2005 dan nilai minimum sebesar 4,8007 (480,07%) yang dimiliki oleh PT Bank Mayapada, Tbk pada tahun 2008. Nilai rata-rata
leverage sebesar 10,229601 (1.022,96%).
Variabel kinerja keuangan yang diproksikan dengan Return On
Equity (ROE) memiliki rata-rata sebesar 0,111199 (11,12%) dari rata-rata
sampel. Nilai maksimum ROE sebesar 0,2681 (26,81%) yang dimiliki oleh PT Bank Rakyat Indonesia (Persero), Tbk pada tahun 2008-2009 dan nilai minimum sebesar 0,0038 (0,38%) yang dimiliki oleh PT Bank Bumiputera, Tbk pada tahun 2008.
commit to user
70
B. UJI ASUMSI KLASIK
Pengujian asumsi klasik dilakukan sebelum melakukan pengujian hipotesis karena merupakan prasyarat bagi analisis regresi serta agar hasil analisis regresi dapat dipercaya atau valid.
1. Uji Normalitas Data
Uji normalitas dilakukan untuk mengetahui apakah data terdistribusi secara normal atau tidak. Dalam penelitian ini menggunakan dua cara untuk mengetahui normalitas data yaitu analisis grafik dan analisis statistik.
Untuk menguji normalitas data kinerja perusahaan yang di proksikan dengan ROA secara grafik menggunakan histogram dan
normal probability plot yang digambarkan sebagai berikut:
Gambar IV. 1
Uji Normalitas: Grafik Histogram ROA (Sebelum Transformasi)
commit to user
71 Gambar IV. 2
Uji Normalitas: Grafik Normal P-Plot ROA (Sebelum Transformasi)
Gambar IV. 1 menunjukkan bahwa grafik histogram tidak membentuk lonceng atau pola distribusi tidak normal dan pada Gambar IV. 2 menunjukkan penyebaran titik- titik tidak berada di sekitar garis diagonal atau searah dengan garis diagonal.
Berikut ini adalah uji statistik untuk menguji normalitas data yaitu uji Kolmogorov- Smirnov:
commit to user
72 Tabel IV. 3
Uji Kolmogorov- Smirnov ROA (Sebelum Transformasi)
Unstandardized Residual
N 120
Normal Parametersa Mean .0000000
Std. Deviation
.07065321
Most Extreme Differences Absolute .253
Positive .194
Negative -.253
Kolmogorov-Smirnov Z 2.768
Asymp. Sig. (2-tailed) .000
a. Test distribution is Normal.
Sumber: Hasil Pengolahan Data, 2012
Berdasarkan pada Tabel IV. 3, uji normalitas terhadap data residual menunjukan bahwa besarnya Asymp. Sig (2-tailed) sebesar 0,000 dibawah tingkat signifikansi 0,05. Berdasarkan analisis grafik dan statistik diatas dapat diketahui bahwa model regresi tidak memenuhi asumsi normalitas. Oleh karena data tidak normal maka dilakukan proses transformasi.
Proses transformasi dilakukan dengan cara membuang data
outlier atau data pengganggu. Dengan proses pembuangan data
pengganggu diharapkan dapat diperoleh data penelitian yang normal sehingga proses regresi dapat dilakukan. Setelah melakukan proses
commit to user
73 yang berarti terdapat 15 data pengganggu dan dikeluarkan dari data penelitian ini.
Berikut disajikan hasil uji normalitas data setelah dilakukan proses membuang outlier data.
Gambar IV. 3
Uji Normalitas: Grafik Histogram ROA (Setelah Transformasi)
commit to user
74 Gambar IV. 4
Uji Normalitas: Grafik Normal P-Plot ROA (Setelah Transformasi)
Gambar IV. 3 menunjukkan bahwa grafik histogram membentuk lonceng dan pada Gambar IV. 4 menunjukkan penyebaran titik- titik berada di sekitar garis diagonal. Hal ini menunjukkan bahwa data telah terdistribusi normal
commit to user
75 Tabel IV. 4
Uji Kolmogorov- Smirnov ROA (Setelah Transformasi)
Unstandardized Residual
N 105
Normal Parametersa Mean .0000000
Std. Deviation .00478030
Most Extreme Differences Absolute .059
Positive .059
Negative -.058
Kolmogorov-Smirnov Z .603
Asymp. Sig. (2-tailed) .860
a. Test distribution is Normal.
Sumber: Hasil Pengolahan Data, 2012
Hasil uji normalitas seperti tersaji pada Tabel IV. 4 menunjukkan bahwa data penelitian telah normal yang dibuktikan dengan asymp sig. sebesar 0,860 yaitu lebih besar dari tingkat signifikansi penelitian 5%. Oleh karena data penelitian telah normal, maka data dapat digunakan dalam pengujian dengan model regresi berganda.
Untuk menguji normalitas data kinerja perusahaan yang diproksikan dengan ROE secara grafik menggunakan histogram dan
commit to user
76 Gambar IV. 5
Uji Normalitas: Grafik Histogram ROE (Sebelum Transformasi)
Gambar IV. 6
Uji Normalitas: Grafik Normal P-Plot ROE (Sebelum Transformasi)
commit to user
77 Gambar IV. 5 menunjukkan bahwa grafik histogram tidak membentuk lonceng atau pola distribusi tidak normal dan pada Gambar IV. 6 penyebaran titik-titik tidak berada disekitar garis diagonal atau searah dengan garis diagonal.
Berikut ini adalah uji statistik untuk menguji normalitas data yaitu uji Kolomogorov- Smirnov.
Tabel IV. 5
Uji Kolmogorov- Smirnov ROE (Sebelum Transformasi)
Unstandardized Residual
N 120
Normal Parametersa Mean .0000000
Std. Deviation .18966020
Most Extreme Differences Absolute .184
Positive .184
Negative -.143
Kolmogorov-Smirnov Z 2.021
Asymp. Sig. (2-tailed) .001
a. Test distribution is Normal.
Sumber: Hasil Pengolahan Data, 2012
Berdasarkan pada Tabel IV. 5, uji normalitas terhadap data residual menunjukan bahwa besarnya Asymp. Sig (2-tailed) sebesar 0,001 dibawah tingkat signifikansi 0,05. Berdasarkan analisis grafik dan statistik diatas dapat diketahui bahwa model regresi tidak memenuhi asumsi normalitas. Oleh karena data terjadi tidak normal maka dilakukan proses transformasi.
commit to user
78 Proses transformasi dilakukan dengan cara membuang data
outlier atau data pengganggu. Dengan proses pembuangan data
pengganggu diharapkan dapat diperoleh data penelitian yang normal sehingga proses regresi dapat dilakukan. Setelah melakukan proses
transformasi diperoleh data penelitian yang normal adalah 98 data yang
berarti terdapat 22 data pengganggu dan dikeluarkan dari data penelitian ini.
Berikut disajikan hasil uji normalitas data setelah dilakukan proses outlier data.
Gambar IV. 7
Uji Normalitas: Grafik Histogram ROE (Setelah Transformasi)
commit to user
79 Gambar IV. 8
Uji Normalitas: Grafik Normal P-Plot ROE (Setelah Transformasi)
Gambar IV. 7 menunjukkan bahwa grafik histogram membentuk lonceng dan pada Gambar IV. 8 menunjukkan penyebaran titik- titik berada di sekitar garis diagonal. Hal ini menunjukkan bahwa data telah terdistribusi normal
commit to user
80 Tabel IV. 6
Uji Kolmogorov- Smirnov ROE (Setelah Transformasi)
Unstandardized Residual
N 98
Normal Parametersa Mean .0000000
Std. Deviation .04523122
Most Extreme Differences Absolute .066
Positive .066
Negative -.062
Kolmogorov-Smirnov Z .655
Asymp. Sig. (2-tailed) .784
a. Test distribution is Normal.
Sumber: Hasil Pengolahan Data, 2012
Hasil uji normalitas seperti tersaji dalam Tabel IV. 6 menunjukkan bahwa data penelitian telah normal yang dibuktikan dengan asymp sig. sebesar 0.784 yang lebih besar dari tingkat signifikansi penelitian 5%. Oleh karena data penelitian telah mengalami normal, maka data dapat digunakan dalam pengujian dengan model regresi berganda.
2. Uji Multikolinearitas
Uji multikolinearitas digunakan untuk mengetahui ada tidaknya korelasi antar variabel independen. Model regresi yang baik tidak terjadi korelasi antar variabel independen. Uji ini dapat dilihat dari nilai tolerance dan Variance Inflation Factor (VIF). Nilai cut-off yang sering dipakai adalah nilai tolerance 0,10 atau sama dengan nilai VIF
commit to user
81 diatas 10, sehingga data tidak terkena multikolinearitas nilai toleransinya harus > 0,10 atau nilai VIF < 10.
Tabel IV. 7
Uji Multikolinearitas ROA
Model
Collinearity Statistics
Keterangan
Tolerance VIF
(Constant)
DAR 0,286 3,495 Tidak Terjadi Multikolinearitas
LDER 0,987 1,013 Tidak Terjadi Multikolinearitas
LNSIZE 0,931 1,074 Tidak Terjadi Multikolinearitas
LEV 0,275 3,633 Tidak Terjadi Multikolinearitas
Sumber : Hasil Pengolahan Data, 2012
Hasil pengujian tolerance menunjukkan bahwa tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 (10%). Hasil perhitungan VIF juga menunjukan bahwa tidak ada variabel independen yang memiliki nilai VIF lebih dari 10. Oleh karena itu, dapat disimpulkan bahwa antara variabel independen dalam model regresi terbebas dari multikolinearitas.
Tabel IV. 8
Uji Multikolinearitas ROE
Model
Collinearity Statistics
Keterangan
Tolerance VIF
(Constant)
DAR 0,130 7,678 Tidak Terjadi Multikolinearitas
LDER 0,948 1,055 Tidak Terjadi Multikolinearitas
LNSIZE 0,908 1,101 Tidak Terjadi Multikolinearitas
LEV 0,127 7,883 Tidak Terjadi Multikolinearitas
commit to user
82 Hasil pengujian tolerance menunjukan bahwa tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,10 (10%). Hasil perhitungan VIF juga menunjukan bahwa tidak ada variabel independen yang memiliki nilai VIF lebih dari 10. Oleh karena itu, dapat disimpulkan bahwa antara variabel independen dalam model regresi terbebas dari multikolinearitas.
3. Uji Autokorelasi
Autokorelasi menunjuk pada hubungan yang terjadi antara anggota-anggota dari serangkaian observasi yang terletak berderetan secara series dalam bentuk waktu (time series) atau hubungan antara tempat yang berdekatan (cross sectional). Uji autokorelasi dilakukan dengan menggunakan uji Durbin Watson (DW test), yaitu dengan ketentuan pengambilan keputusan adalah sebagi berikut:
1) Jika nilai dw lebih dari 0 dan kurang dari d1, maka terjadi autokorelasi.
2) Jika nilai dw berada diantara dl dan du, maka hasilnya tidak dapat disimpulkan.
3) Jika nilai dw lebih dari 4 - d1, maka terjadi autokorelasi.
4) Jika nilai dw berada diantara 4 - du dan 4 - dl, maka tidak dapat disimpulkan.
5) Jika nilai dw lebih. dari 4 — dl, maka tidak terjadi autokorelasi. Nilai du dapat dilihat dari Tabel Durbin Watson dengan menggunakan nilai signifikansi 5 % (0,05), jumlah sampel yang
commit to user
83 digunakan (n), dan jumlah variabel independen yang digunakan dalam penelitian.
Tabel IV. 9 Uji Autokorelasi ROA
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin- Watson 1 .770a .593 .577 .0048750 2.121
a.Predictors: (Constant), LEV, LDER, LNSIZE, DAR
b. Dependent Variable: ROA
Berdasarkan Tabel IV. 9 dapat diketahui bahwa nilai dw sebesar 2,121. Dimana untuk menghitung uji autokorelasi dapat melihat di tabel untuk menentukan nilai du nya. Sehingga dapat diketahui nilai
du berdasar tabel adalah 1,7617. Dapat dijabarkan dalam dengan rumus berikut ini:
1,7617 < 2,121 < 4 – 1,7617
Sehingga, berdasarkan rumus tersebut dapat diketahui bahwa data diatas terbebas dari autokorelasi.
Tabel IV. 10 Uji Autokorelasi ROE
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin- Watson 1 .736a .542 .522 .0461937 2.095
a.Predictors: (Constant), LEV, LDER, LNSIZE, DAR
b. Dependent Variable: ROE
Berdasarkan Tabel IV. 10 dapat diketahui bahwa nilai dw sebesar 2,095. Yang mana untuk menghitung uji autokorelasi dapat melihat di tabel untuk menentukan nilai du nya. Sehingga dapat
commit to user
84 diketahui nilai du berdasar tabel adalah 1,7567. Dapat dijabarkan dalam dengan rumus berikut ini:
1,7567 < 2,095 < 4 – 1,7567
Sehingga, dari rumus tersebut dapat diketahui bahwa data diatas terbebas dari autokorelasi.
4. Uji Heteroskedastisitas
Uji Heteroskedastisitas ditunjukkan dengan menggunakan grafik
Scatter Plot antara variabel dependen (SRESID) dan variabel
residualnya (ZPRED). Grafik ini menunjukan pola penyebaran titik-titik. Jika titik-titik menyebar di atas dan di bawah 0 pada sumbu Y, berarti tidak terjadi heteroskedastisitas pada data yang akan digunakan.
Gambar IV. 9
Uji Heteroskedastisitas ROA (Sebelum Transformasi)
Berdasarkan Gambar IV. 9 diatas, terlihat titik-titik yang mengumpul di bawah angka 0 (nol) dan membentuk suatu pola tertentu
commit to user
85 yang jelas. Hal ini berarti terjadi heteroskedastisitas pada model regresi, sehingga model regresi tidak layak dipakai untuk memprediksi kinerja keuangan berdasarkan ROA. Oleh karena data terjadi tidak normal maka dilakukan proses transformasi.
Proses transformasi dilakukan dengan cara membuang data
outlier atau data pengganggu. Dengan proses pembuangan data
pengganggu diharapkan dapat diperoleh data penelitian yang normal sehingga proses regresi dapat dilakukan. Setelah melakukan proses
transformasi diperoleh data penelitian yang normal adalah 105 data
yang berarti terdapat 15 data yang mengalami data tidak normal dan dikeluarkan dari data penelitian ini.
Berikut disajikan hasil uji normalitas data setelah dilakukan proses transformasi data.
Gambar IV. 10 Uji Heteroskedastisitas ROA
commit to user
86 Gambar IV. 11
Uji Heteroskedastisitas ROE (Sebelum Transformasi)
Berdasarkan gambar di atas, terlihat titik-titik yang mengumpul di sekitar angka 0 (nol) dan membentuk suatu pola tertentu yang jelas. Hal ini berarti terjadi heteroskedastisitas pada model regresi, sehingga model regresi tidak layak dipakai untuk memprediksi kinerja keuangan berdasarkan ROE. Oleh karena data terjadi tidak normal maka dilakukan proses transformasi.
Proses transformasi dilakukan dengan cara membuang data
outlier atau data pengganggu. Dengan proses pembuangan data
pengganggu diharapkan dapat diperoleh data penelitian yang normal sehingga proses regresi dapat dilakukan. Setelah melakukan proses
commit to user
87 berarti terdapat 22 data yang mengalami data tidak normal dan dikeluarkan dari data penelitian ini.
Berikut disajikan hasil uji normalitas data setelah dilakukan proses transformasi data.
Gambar IV. 12 Uji Heteroskedastisitas ROE
(Setelah Transformasi)
C. ANALISIS DATA
Tujuan penelitian ini adalah memperoleh bukti empiris terkait pengaruh keputusan pendanaan terhadap kinerja perusahaan. Analisis data terdiri dari uji signifikansi-F dan uji koefisien determinasi yang dipaparkan seperti di bawah ini.
1. Uji Signifikansi-F
Uji signifikansi-F dilakukan guna menentukan good of fittest
commit to user
88 analisis hipotesis dalam penelitian. Kriteria yang digunakan dalam pengujian ini adalah probability value (sig), apabila probability value
dalam hasil pengujian lebih kecil dari 5%, maka dapat dinyatakan bahwa model layak (fit) untuk digunakan sebagai model regresi dalam penelitian yaitu Debt to Asset Ratio (DAR), Long Term Debt to Equity
Ratio (LDER), ukuran perusahaan (LNSIZE) dan leverage (LEV)
secara simultan berpengaruh terhadap kinerja perusahaan dan sebaliknya jika probability value lebih besar dari 5%, maka dapat dinyatakan bahwa model tidak layak untuk digunakan dalam pengujian hipotesis penelitian. Berikut disajikan hasil uji signifikansi-F dalam penelitian ini.
Tabel IV. 11 Uji Signifikansi-F ROA
Model Sum of
Squares df Mean Square F Sig.
1 Regression .003 4 .001 36.463 .000a
Residual .002 100 .000
Total .006 104
a. Predictors: (Constant), LEV, LDER, LNSIZE, DAR
b. Dependent Variable: ROA
Sumber : Hasil Pengolahan Data, 2012
Dari hasil pengujian dengan nilai F, terlihat bahwa nilai F = 36,463 dengan probabilitas signifikan 0,000. Karena signifikansi lebih kecil dari 0,05, maka dapat disimpulkan bahwa secara simultan variabel
commit to user
89
ukuran perusahaan (LNSIZE) dan leverage (LEV) mempunyai
pengaruh terhadap kinerja perusahaan yang diproksikan dengan ROA. Tabel IV. 12
Uji Signifikansi-F ROE
Model Sum of
Squares df Mean Square F Sig.
1 Regression .235 4 .059 27.518 .000a
Residual .198 93 .002
Total .433 97
a. Predictors: (Constant), ), LEV, LDER, LNSIZE, DAR
b. Dependent Variable: ROE
Sumber : Hasil Pengolahan Data, 2012
Dari hasil pengujian dengan nilai F, terlihat bahwa nilai F = 27,518 dengan probabilitas signifikan 0,000. Karena signifikansi lebih kecil dari 0,05, maka dapat disimpulkan bahwa secara simultan variabel
Debt to Asset Ratio (DAR), Long Term Debt to Equity Ratio (LDER),
ukuran perusahaan (LNSIZE) dan leverage (LEV) mempunyai
pengaruh terhadap kinerja perusahaan yang diproksikan dengan ROE. 2. Uji Koefisien Determinasi
Koefisien determinasi menyatakan persentase total variasi dari variabel dependen yang dapat dijelaskan oleh variabel independen dalam model. Untuk model regresi dengan satu variabel independen koefisien determinasi ditunjukkan oleh nilai R square (R2) dan untuk model regresi dengan menggunakan dua atau lebih variabel independen koefisien determinasi ditunjukkan oleh nilai adjusted R square (adj R2).
commit to user
90 Penelitian ini menggunakan nilai adj R2. Berikut ini disajikan hasil uji koefisien determinasi.
Tabel IV. 13
Uji Koefisien Determinasi ROA
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 .770a .593 .577 .0048750
a. Predictors: (Constant), LEV, LDER, LNSIZE, DAR
b. Dependent Variable: ROA
Sumber : Hasil Pengolahan Data, 2012
Pada Tabel IV. 13, diketahui bahwa koefisien determinasi yang ditunjukan oleh nilai adjusted R2 sebesar 0,577. Hal ini berarti bahwa 58% variasi indeks kinerja keuangan yang diproksikan dengan ROA dapat dijelaskan secara signifikan oleh Debt to Assets Ratio (DAR),
Long Term Debt To Equity Ratio (LDER), ukuran perusahaan dan
leverage. Sedangkan 42% indeks kinerja keuangan yang diproksikan
dengan ROA dijelaskan oleh variabel lain. Tabel IV. 14
Uji Koefisien Determinasi ROE
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 .736a
.542 .522 .0461937
a. Predictors: (Constant), LEV, LDER, LNSIZE, DAR
b. Dependent Variable: ROE
Sumber : Hasil Pengolahan Data, 2012
Pada Tabel IV. 14, diketahui bahwa koefisien determinasi yang ditunjukan oleh nilai adjusted R2 sebesar 0,522. Hal ini berarti bahwa 52% variasi indeks kinerja keuangan yang diproksikan dengan ROE dapat dijelaskan secara signifikan oleh Debt to Assets Ratio (DAR),
commit to user
91
Long Term Debt To Equity Ratio (LDER), ukuran perusahaan dan
leverage. Sedangkan 48% indeks kinerja keuangan yang diproksikan
dengan ROE dijelaskan oleh variabel lain.
D. PENGUJIAN HIPOTESIS
Pengujian hipotesis dilakukan dengan menggunakan uji signifikansi-t. Uji signifikansi-t dimaksudkan untuk menguji pengaruh variabel independen terhadap variabel dependen dalam penelitian sebagaimana dinyatakan dalam hipotesis penelitian ini. Selain untuk menguji pengaruh tersebut, uji ini juga dapat digunakan untuk mengetahui tanda koefisien regresi masing-masing variabel independen sehingga dapat ditentukan arah pengaruh masing-masing variabel independen terhadap variabel dependen. Kriteria pengambilan kesimpulan atas hasil pengujian adalah probability
value (sig)-t, apabila probability value (sig)-t lebih kecil dari atau 5%, maka
dapat dinyatakan bahwa variabel independen berpengaruh terhadap variabel dependen sehingga hipotesis yang diajukan dalam penelitian dapat diterima atau didukung oleh data penelitian. Berikut ini disajikan hasil uji signifikansi-t dalam penelitian ini.
commit to user
92 Tabel IV. 15
Uji Signifikansi-t ROA
Variabel B t Sig. Ket
Constant .037 1.410 .161
DAR -.111 -3.594 .001 * Signifikan
LDER -.001 -2.385 .019 * Signifikan
LNSIZE .002 8.524 .000 * Signifikan
LEV -6.540 -.289 .773 Tidak Signifikan
a. Dependent Variable: ROA
Sumber : Hasil Pengolahan Data, 2012
Tabel IV. 16 Uji Signifikansi-t ROE
Variabel B t Sig. Ket
Constant -1.552 -3.523 .001
DAR 1.041 1.946 .055 Tidak Signifikan
LDER -.007 -1.498 .137 Tidak Signifikan
LNSIZE .027 9.123 .000 * Signifikan
LEV -.010 -2.278 .025 * Signifikan
a. Dependent Variable: ROE
Sumber : Hasil Pengolahan Data, 2012
Berdasarkan hasil output SPSS yang terlampir diperoleh fungsi regresi linear berganda sebagai berikut:
ROA = 0,037 – 0,111DAR - 0,001LDER + 0,002LNSIZE – 6,540LEV ROE = -1,552 + 1,041DAR – 0,007LDER + 0,027LNSIZE - 0.010LEV
Hasil pengujian hipotesis yang menunjukkan pengaruh secara parsial variabel independen terhadap variabel dependen adalah sebagai berikut: 1. Hipotesis Pertama
Berdasarkan uji signifikansi-t dapat diketahui bahwa pengujian hipotesis pertama menunjukkan hasil sebagai berikut:
commit to user
93 a. Pengaruh Debt To Assets Ratio (DAR) terhadap Return On Assets
(ROA)
Berdasarkan uji signifikansi-t diperoleh bukti empiris pengaruh keputusan pendanaan yang diukur dengan Debt to Assets
Ratio (DAR) terhadap kinerja keuangan perusahaan perbankan
yang diproksikan dengan Return On Assets (ROA). Variabel DAR memiliki koefisien -0,111 dengan signifikansi 0,001 < (0,05), berarti secara parsial DAR berpengaruh negatif dan signifikan terhadap ROA. Maka H1a tidak didukung. DAR dapat digunakan untuk memprediksi ROA dengan arah koefisien negatif. Ini berarti jika satu satuan DAR naik sebesar 1 satuan maka akan menyebabkan ROA turun sebesar 0,111.
b. Pengaruh Debt To Assets Ratio (DAR) terhadap Return On Equity
(ROE)
Berdasarkan uji signifikansi-t diperoleh bukti empiris pengaruh keputusan pendanaan yang diukur dengan Debt to Assets
Ratio (DAR) terhadap kinerja keuangan perusahaan perbankan
yang diproksikan dengan Return On Equity (ROE). Variabel DAR memiliki koefisien sebesar sebesar 1,041 dengan signifikansi 0,055. Nilai signifikansi lebih dari 0,05, sehingga dapat disimpulkan bahwa H1b tidak didukung. Hal ini menunjukkan bahwa DAR mempunyai pengaruh positif dan tidak signifikan terhadap kinerja perusahaan yang diproksikan dengan ROE.
commit to user
94 Variabel DAR tidak dapat digunakan untuk memprediksi kinerja keuangan yang diproksikan dengan ROE.
2. Hipotesis Kedua
a. Pengaruh Long Term Debt to Equity Ratio (LDER) terhadap
Return On Assets (ROA)
Berdasarkan uji signifikansi-t diperoleh bukti empiris pengaruh keputusan pendanaan yang diukur dengan Long Term
Debt to Equity Ratio (LDER) terhadap kinerja keuangan
perusahaan perbankan yang diproksikan dengan Return On Assets
(ROA). Variabel LDER memiliki koefisien -0,001 dengan siginifikansi sebesar 0,019 < (0,05). Hal ini menunjukan bahwa LDER berpengaruh negatif dan signifikan terhadap ROA. Sehingga