BAB V HASIL PENELITIAN DAN PEMBAHASAN
5.1. Hasil Penelitian
Sebelum melakukan pengujian hipotesa melalui pengujian model, peneliti terlebih dahulu melakukan pengujian terhadap kualitas data yang digunakan. Pengujian ini digunakan untuk menjamin terpenuhinya asumsi yang diperlukan dalam melakukan pengujian terhadap model regresi berganda.
5.1.1. Statistik Deskriptif
Statistik Deskriptif memberikan gambaran umum tentang objek penelitian yang dijadikan sampel penelitian. Penjelasan data melalui statistik deskriptif diharapkan memberikan gambaran awal tentang masalah yang diteliti. Statistik deskriptif pada penelitian ini difokuskan kepada nilai minimum, maksimum, rata-rata dan standar deviasi sebagaimana yang terdapat pada Tabel 5.1.
Berdasarkan hasil pengolahan data dimana hasil uji regresi berganda yang menunjukkan model regresi yang tidak linier dan tidak melewati uji asumsi klasik. Selanjutnya untuk mendapatkan model yang layak (blues unbiased linier) dilanjutkan dengan melakukan transformasi logaritma natural (Ghozali, 2005).
Asumsi utama dilakukannya transformasi tersebut adalah untuk menghindari pencilan data yang tertinggi dengan data yang terendah akibat karena terjadinya perbedaan antara bank yang besar dengan bank yang kecil. Setelah transformasi
dilakukan maka dilakukan pengujian regresi berganda setelah melewati uji asumsi klasik. Berdasarkan model yang sudah dilogaritma maka diperoleh model yang akan dibahas lebih lanjut yang terdapat pada Lampiran 6b merupakan model yang telah melewati uji asumsi klasik.
Statistik deskriptif untuk setiap variabel bebas yang dianalisis disajikan pada Tabel 5.1. Variabel yang digunakan dalam analisis ini sebanyak 5 (lima), yaitu Loan to Deposite Ratio/ LDR (X1) , Debt to Equity Ratio / DER (X2), Capital Adequacy Ratio/CAR (X3), Non Performing Loan/NPL (X4), dan Market Value saham (Y) terdapat pada Tabel 5.1 sebagai berikut:
Tabel 5.1 Deskriptif Statistik
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
MVS_Y 95 120.00 9200.00 2209.0737 2473.58857 DER_X1 95 3.75 20.15 10.4537 3.27335 NPL_X2 95 .00 .24 .0357 .03848 CAR_X3 95 .09 .54 .1900 .07615 LDR_X4 95 .40 1.08 .7201 .17473 Valid N (listwise) 95
Sumber: Hasil Output SPSS (Lampiran 6)
Variabel Market Value Saham (Y) adalah harga saham rata-rata berdasarkan nilai pasar. Besarnya nilai market value saham industri perbankan tahun 2005-2009 rata-rata sebesar Rp.2209. Market value saham tertinggi sebesar Rp.9.200 dan Market value terendah sebesar Rp. 120.
Variabel Loan to Deposite Ratio (LDR/X1), menggambarkan kondisi jumlah banyaknya pinjaman yang disalurkan dengan dana masyarakat yang berhasil
disimpan di bank. Berdasarkan Tabel 5.1 dimana pada tahun 2005-2009 rata–rata LDR emiten sebesar 0,72 % dengan kisaran tertinggi dan terendah masing–masing 1.08 % dan 0,40 %.
Variabel Debt to Equity Ratio (X2) perusahaan sampel yang mengukur jumlah perbandingan antara hutang dengan ekuitas perusahaan. Dari sampel yang diperoleh diketahui bahwa secara umum rata-rata Debt to Equity Ratio tahun 2005-2009 adalah sebesar 10.45 %, hal ini dimaklumi karena pembiayaan perbankan di Indonesia masih tergantung dari pihak ketiga. Debt to Equity Ratio tertinggi sebesar 20.15 % dan dan yang terendah 3.75 %. Dengan standar deviasi dari rata – rata sebesar 3.27 %.
Variabel Capital Adequacy Ratio (X3) menunjukkan kekuatan perbankan dalam aspek permodalan. Berdasarkan Tabel 5.1. terlihat bahwa rata-rata CAR dalam kurun waktu 2005-2009 adalah sebesar 19 % dengan rata-rata CAR tertinggi dan terendah masing-masing 54 %dan 0.09 %.
Variabel Non Performing Loan (X4) yang mengukur besarnya jumlah kredit yang macet dengan total jumlah kredit yang disalurkan. Pada Tabel 5.1 terlihat bahwa rata – rata NPL sebesar 0.0357 % dengan nilai NPL tertinggi sebesar 24% dan NPL terendah sebesar 0.001 %.
5.1.2. Pengujian Asumsi Klasik
Untuk menghasilkan suatu analisis data yang akurat, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis. Apabila terdapat penyimpangan dalam pengujian asumsi klasik perlu dilakukan
perbaikan terlebih dahulu. Persamaan regresi sebaiknya terbebas dari asumsi-asumsi klasik yang harus dipenuhi antara lain uji, normalitas, multikolinieritas, autokorelasi dan heteroskedastisitas (Ghozali, 2005).
5.1.2.1. Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya memiliki distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Untuk melihat normalitas data dapat dilakukan dengan melihat normal probabilitas plot atau dengan melihat tabel model histogram. Hasil uji normalitas data dengan normal Probability plot dalam penelitian ini dapat ditunjukkan pada Gambar 5.1 berikut ini:
1. Model Grafik P-P Plot
Gambar 5.1. Hasil Uji Normalitas sebelum Transformasi Model P-P Plot
Dari Gambar 5.1 terlihat bahwa titik-titik menyebar jauh dari garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. Selain itu uji normalitas data dapat juga dilakukan dengan melihat model histogram, dapat dilihat pada Gambar 5.1 model Histogram berikut:
2. Model Histogram
Gambar 5.2. Hasil Uji Normalitas Sebelum Transformasi Model Histogram
Dari tampilan grafik histogram terlihat pola distribusi yang menceng (skewness) ke kiri yang menunjukkan bahwa model regresi menyalahi asumsi normalitas, dengan kata lain menunjukkan data yang tidak normal.
Berdasarkan hasil pengolahan data dimana hasil uji regresi berganda yang menunjukkan model regresi yang tidak linier dan tidak melewati uji asumsi klasik,
selanjutnya untuk mendapatkan model yang layak (blues unbiased linier) dilanjutkan dengan melakukan transformasi logaritma natural (Ghozali, 2005), dengan menggunakan SPSS. Caranya adalah dengan melakukan logaritma natural terhadap semua variabel yang tidak berdistribusi normal.
Asumsi utama dilakukannya transformasi tersebut adalah untuk menghindari pencilan data yang tertinggi dengan data yang terendah akibat karena terjadinya perbedaan antara bank yang besar dengan bank yang kecil. Setelah transformasi dilakukan maka dilakukan pengujian regresi berganda setelah melewati uji asumsi klasik. Berdasarkan model yang sudah dilogaritma maka diperoleh model yang akan dibahas lebih lanjut yang terdapat pada Lampiran 6b merupakan model yang telah melewati uji asumsi klasik. Hasil uji normalitas setelah melakukan transformasi data, berdasarkan hasil pengolahan data SPSS 17 ditunjukkan pada gambar berikut ini :
Gambar 5.3. Hasil Uji Normalitas setelah Transformasi Model P-P Plot
Berdasarkan pada grafik normal Probability Plot pada Gambar 5.3 terlihat bahwa setelah dilakukan transformasi data menggunakan logaritma natural, grafik P- P Plot memperlihatkan titik – titik menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal yang menunjukkan pola distribusi normal, dengan demikian merupakan data normal.
Santoso (2005), menyatakan bahwa jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
Gambar 5.4. Hasil Uji Normalitas Setelah Transformasi Model Histogram
Berdasarkan gambar tersebut, setelah dilakukan transformasi (proses logaritma) disimpulkan bahwa varians yang terdistribusi normal. Hal tersebut diketahui dari poligon kecenderungan tidak menceng ke kiri maupun ke kanan.
1. Uji Multikolinieritas
Multikolinieritas merupakan fenomena adanya korelasi yang sempurna antara satu variabel bebas dengan variabel bebas lain. Jika terjadi multikolinieritas, akan mengakibatkan timbulnya kesalahan standard penaksir dan probabilitas untuk menerima hipotesis yang salah semakin besar. Menurut Ghozali (2005) salah satu cara untuk mengetahui adanya multikolinieritas adalah dengan melakukan uji VIF (Variance Inflation Factor) yaitu jika VIF tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,1 maka model dapat dikatakan terbebas dari multikolinieritas.
Berdasarkan hasil pengolahan SPSS atas data yang diperoleh, dapat dilihat pada Tabel 5.2 berikut:
Tabel 5.2. Uji Multikolinieritas
Coefficientsa
Collinearity Statistics
Model Tolerance VIF
ln_DER_X1 .513 1.948
ln_NPL_X2 .815 1.226
ln_CAR_X3 .607 1.648
1
ln_LDR_X4 .888 1.126
a. Dependent Variable: ln_MVS_Y
Dependent Variabel : ln_MVS_Y
Sumber: Hasil Output SPSS (Lampiran 6)
Dari tabel tersebut di atas dapat dilihat bahwa nilai VIF untuk masing-masing variabel adalah < 10 dan Tolerance tidak kurang dari 0,1. Hal ini membuktikan bahwa model regresi yang digunakan dalam penelitian ini tidak terdapat gejala multikolinieritas (homoskedastisitas).
2. Uji Autokorelasi
Uji autokorelasi digunakan untuk mengetahui ada tidaknya korelasi antara kesalahan pengganggu pada periode tertentu dengan kesalahan pengganggu pada periode sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autukorelasi. Uji autokorelasi dapat dilakukan dengan pengujian Durbin-Watson (DW). Hasil uji autokorelasi dapat dilihat pada Tabel 5.3.
Tabel 5.3. Nilai Durbin-Watson
Model R
Std. Error of
the Estimate Durbin-Watson
1 .327a
1.12880 1.947
a. Predictors: (Constant), ln_LDR_X4, ln_CAR_X3, ln_NPL_X2, ln_DER_X1 b Dependent Variable: ln_MVS_Y
Sumber: Hasil Output SPSS (Lampiran 6)
Dari hasil pengujian pada Tabel 5.3 terlihat bahwa nilai DW sebesar 1,947. Nilai D-W tersebut berada diantara 1,5 dan 2,5 berarti tidak terjadi autokorelasi pada model regresi yang digunakan
a. Jika nilai D-W berada dibawah 0 sampai 1,5 berarti ada autokorelasi positif. b. Jika nilai D-W berada diantara 1,5 sampai 2,5 berarti tidak terjadi autokorelasi. c. Jika nilai D-W berada di atas 2,5 berarti ada autokorelasi negatif.
Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin-Watson (D- W) sebesar 1,947, maka disimpulkan bahwa tidak terjadi autokorelasi baik positif maupun negatif.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas dalam penelitian ini dilakukan dengan melihat grafik Scatter-Plot antara nilai prediksi variabel terkait (ZPRED) dengan residualnya (SRESID). Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heteroskedastisitas dan jika tidak ada pola yang jelas serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y
maka tidak terjadi heteroskedastisitas. Dimana Y adalah nilai residual dan X adalah nilai yang telah diprediksi.
Berdasarkan hasil pengolahan data, uji heteroskedastisitas dalam penelitian ini dapat dilihat pada grafik Scatter –Plot yangditunjukkan pada Gambar 5.5 :
Sumber: Hasil Output SPSS (Lampiran 6b).
Gambar 5.5. Uji Heteroskedastisitas
Berdasarkan gambar di atas tidak terlihat ada pola tertentu, serta titik – titik menyebar diatas dan dibawah angka 0 pada sumbu Y. Hal ini menyimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai.
5.1.3. Hasil Analisis Data
Dari hasil pengujian asumsi klasik disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linier Unbiased Estimator (BLUE) dan layak dilakukan analisis regresi.
5.1.3.1. Persamaan regresi
Dalam pengolahan data dengan menggunakan regresi linier berganda akan dilakukan beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen. Hasil persamaan rgresi linier dalam penelitian ini dapat dilihat pada Tabel 5.4 berikut:
Tabel 5.4 Persamaan Regresi
Coefficientsa
Unstandardized Coefficients
Standardized Coefficients
Model B Std. Error Beta t Sig.
(Constant) 8.725 1.178 7.409 .000 ln_LDR_X1 -.928 .476 -.206 -1.951 .054 ln_DER_X2 -.036 .502 -.010 -.072 .943 ln_CAR_X3 .250 .414 .077 .603 .548 1 ln_NPL_X4 .392 .143 .302 2.736 .007
Sumber: Hasil output SPSS
Dari Tabel 5.4 di atas, maka model regresi berganda antara variabel independen (X) terhadap variabel dependen (Y) dapat diformulasikan dalambentuk persamaan sebagai berikut:
Y = 8.725 - 0.928_lnLDR_X1 - 0.036_lnDER_X2 + 0.250_ln_CAR_X3
+ 0.392_lnNPL_X4+ε
Berdasarkan hasil persamaan regresi berganda tersebut, maka pengaruh masing-masing variabel independen tersebut terhadap market value saham dapat diinterpretasikan sebagai berikut:
1. Nilai konstanta sebesar 8.725 artinya apabila nilai variabel independen ln_LDR (X1), ln_DER (X2), ln_CAR (X3), dan ln_NPL (X4), bernilai nol, maka nilai market value saham adalah sebesar 8.725.
2. Koefisien regresi ln_LDR (X1) sebesar -0.928 memberikan pengertian bahwa perubahan ln_LDR (X1) sebanyak 1% akan memberikan dampak terhadap penurunan market value saham (Y) sebesar 0.928 % dengan arah yang berlawanan. Ini artinya bahwa antara LDR dan market value saham menunjukkan hubungan yang berlawanan (negatif), artinya setiap kenaikan LDR diikuti dengan penurunan market value saham, sebaliknya penurunan LDR akan mengakibatkan kenaikan market value saham.
3. Koefisien regresi variabel ln_DER (X2) sebesar -0,036 bermakna jika variabel ln_DER (X2) meningkat 1 %, maka akan menurunkan satu satuan market value saham (Y) sebesar 0.036 % dengan asumsi variabel lainnya tetap atau sama dengan nol.
Ini artinya bahwa antara DER dan market value saham menunjukkan hubungan yang
berlawanan (negatif), artinya setiap kenaikan DER diikuti dengan penurunan market
value saham, sebaliknya penurunan DER akan mengakibatkan kenaikan market value saham.
4. Koefisien regresi ln_CAR (X3) sebesar 0.250 memberikan pengertian bahwa
perubahan variabel ln_CAR (X3) sebanyak 1% akan memberikan dampak perubahan
market value saham sebesar 0.250 % dengan arah yang sama. Ini artinya bahwa antara CAR dan
market value saham menunjukkan hubungan yang searah (positif), artinya setiap
kenaikan CAR diikuti dengan kenaikan market value saham, sebaliknya penurunan
CAR akan mengakibatkan penurunan market value saham.
5. Koefisien regresi ln_NPL (X4) sebesar 0.392 memberikan pengertian bahwa perubahan ln_NPL (X4) sebanyak 1% akan memberikan dampak kenaikan nilai
market value saham sebesar 0.392 % dengan arah yang sama. Ini artinya bahwa antara NPL dan market value saham menunjukkan hubungan yang searah (positif) artinya setiap kenaikan NPL diikuti dengan kenaikan market value saham, sebaliknya penurunan NPL akan mengakibatkan penurunan market value saham.
5.1.4. Pengujian Hipotesis
Pengujian hipótesis dilakukan untuk mengetahui apakah variabel independen berpengaruh terhadap variabel dependen baik secara simultan maupun parsial.
5.1.4.1. Uji statistik F
Uji statistik F dilakukan untuk mengetahui apakah variabel independen yang dimasukkan dalam model mempunyai pengaruh secara simultan terhadap variabel dependen. Hasil uji statistik F dalam penelitian ini dapat dilihat pada Tabel 5.berikut ini:
Tabel 5.5. Uji Statistik F
Berdasarkan hasil uji statistik F pada Tabel 5.5 menunjukkan bahwa nilai Fhitung adalah 2.700 dengan tingkat signifikansi 0,035. Sedangkan Ftabel pada tingkat kepercayaan 95 % (α = 0,05) adalah 2.34. Oleh karena perhitungan Fhitung > Ftabel (2.700 > 2.34), hal ini menunjukkan bahwa variabel independen LDR, DER, CAR
ANOVAb
Model Sum of Squares df Mean Square F Sig.
Regression 13.763 4 3.441 2.700 .035a
Residual 114.676 90 1.274
1
Total 128.439 94
dan NPL secara simultan berpengaruh terhadap market value saham perbankan di Bursa Efek Indonesia periode 2005-2009.
5.1.4.2. Uji statistik t
Uji statistik t dilakukan untuk menguji pengaruh variabel LDR,DER, CAR dan NPL secara parsial terhadap market value saham perbankan di BEI dengan asumsi bahwa variabel lain dianggap konstan atau sama dengan nol. Hasil uji statistik t dalam penelitian ini dapat dilihat pada Tabel 5.6 berikut ini:
Tabel 5.6. Uji Statistik t
Unstandardized Coefficients
Standardized Coefficients
Model B Std. Error Beta t Sig.
(Constant) 8.725 1.178 7.409 .000 ln_LDR_X1 -.928 .476 -.206 -1.951 .054 ln_DER_X2 -.036 .502 -.010 -.072 .943 ln_CAR_X3 .250 .414 .077 .603 .548 1 ln_NPL_X4 .392 .143 .302 2.736 .007
Sumber: Hasil output SPSS
Berdasarkan hasil uji t yang terdapat pada Tabel 5.6 maka secara parsial pengaruh masing-masing variabel independen terhadap variabel dependen dapat diuraikan sebagai berikut:
a. Variabel LnLDR mempunyai nilai negatif pada t hitung sebesar – 1,951 dengan nilai signifikan sebesar 0,054. Karena nilai signifikansi LnLDR yaitu 0,054 lebih besar dari 0,05 maka dapat disimpulkan bahwa LDR tidak berpengaruh secara
signifikan terhadap market value saham perbankan di Bursa Efek Indonesia periode 2005-2009.
b. Variabel LnDER bernilai negative pada t hitung sebesar – 0,072 dengan nilai signifikansi 0,943. Karena nilai signifikansi LnDER yaitu 0,943 lebih besar dari 0,05 maka dapat disimpulkan bahwa variabel DER tidak berpengaruh secara signifikan terhadap market value saham perbankan di Bursa Efek Indonesia periode 2005-2009.
c. Variabel LnCAR mempunyai nilai positif pada t hitung sebesar 0,603 dengan nilai signifikan sebesar 0,548. Karena nilai signifikansi LnCAR yaitu 0,548 lebih besar dari 0,05 maka dapat disimpulkan bahwa CAR tidak berpengaruh secara signifikan terhadap market value saham perbankan di Bursa Efek Indonesia periode 2005-2009.
d. Variabel LnNPL mempunyai nilai positif pada t hitung sebesar 2,736 dengan nilai signifikansi sebesar 0.007. Karena nilai signifikansi LnNPL yaitu 0,007 lebih kecil dari 0,05 maka dapat disimpulkan bahwa NPL berpengaruh signifikan terhadap market value saham perbankan di Bursa Efek Indonesia periode 2005- 2009.
Hasil uji hipotesis yang menyatakan bahwa variabel LDR,DER,CAR dan NPL mempunyai pengaruh signifikan terhadap market value saham, untuk meyakinkan kekuatan hubungan antar variabel, dapat dilihat pada Tabel 5.7 berikut ini:
Tabel 5.7. Koefisien Determinasi (R2)
Model R R Square
Adjusted R
Square Durbin-Watson
1 .327a .107 .067 1.947
Sumber: Hasil Output SPSS
Nilai Adjusted R Square pada Tabel 5.7 diatas sebesar 0,067, bila menggunakan R square sebesar 10,7 %. Variabel independen yang digunakan lebih dari dua sehingga digunakan adjusted R Square. Hal ini menunjukkan bahwa 6,7 % variabel market value saham_Y dapat dijelaskan oleh variabel LDR, DER, CAR dan NPL. Sisanya sebesar 93,3% dipengaruhi oleh variabel lain yang tidak dijelaskan oleh model penelitian ini.