III. METODE PENELITIAN
3.5. Metode Analisis Data
Analisis data yang digunakan dalam penelitian ini menggunakan dua metode yaitu analisis deskriptif dan regresi linier berganda (Multiple Regression).
3.5.1Variabel Penelitian
Dalam penelitian ini, variabel independen yang digunakan adalah rasio-rasio keuangan dan variabel dependen dalam penelitian ini adalah laba perusahaan.
Variabel dapenden adalah variabel yang dipengaruhi oleh variabel independen. Variabel dependen dalam penelitian ini adalah perubahan laba perusahaan perbankan yang dihitung dengan rumus berikut :
∆� = � −�−1 �−1
... (1) Dimana :
∆� = perubahan laba tahun ke- n Y = laba sebelum pajak n = tahun ke- n
(Zainuddin dan Hartono 1999)
Laba yang digunakan dalam penelitian ini adalah laba sebelum pajak, tidak termasuk item extraordinary dan discountinued operation. Menurut Zainuddin dan Hartono dalam Andriyani (2008), penggunaan laba sebelum pajak sebagai indikator perubahan laba dimaksudkan untuk menghindari pengaruh penggunaan tarif pajak yang berbeda antar periode yang dianalisis. Item extraordinary dan
discontinued operation dikeluarkan dari laba sebelum pajak dengan alasan untuk menghilangkan elemen yang mungkin meningkatkan perubahan laba yang tidak akan timbul dalam periode yang lain.
Variabel independen adalah variabel yang diduga secara bebas berpengaruh terhadap variabel dependen. Variabel independen dalam penelitian ini adalah rasio keuangan. Rasio keuangan yang digunakan adalah rasio CAMELS (Capital, Assets, Management, Earning, Liquidity, dan Sensitivity of market risk). Dari enam aspek
25
diatas hanya empat aspek yang digunakan dalam penelitian ini, yaitu
Capital, Assets, Earning, dan Liquidity. Secara garis besar variabel yang digunakan dalam penelitian ini, dapat dilihat pada tabel 5.
Tabel 5.Variabel penelitian dan pengukuran
No. Variabel Pengukuran
CAPITAL 1 KPMM � , , ASSET 2 NPL gross � EARNING 3 ROA � − 4 ROE � − 5 NIM � � −
6 Beban Operasional terhadap Pendapatan Operasional
� �
LIQUIDITY
3.5.2 Analisis Deskriptif
Analisis deskriptif merupakan analisis yang berguna untuk menggambarkan besar kecilnya tingkat variabel (independen dan dependen) dalam suatu penelitian. Statistik deskriptif yang digunakan antara lain rata-rata (mean), maksimum, minimum dan standar deviasi. Deskripsi variabel penelitian dalam penelitian ini mengenai analisis rasio keuangan dan perubahan laba.
3.5.3 Uji Normalitas
Pengujian normalitas adalah pengujian tentang kenormalan distribusi data. Data yang terdistribusi secara normal berarti data akan mengikuti bentuk distribusi normal. Distribusi normal data dengan bentuk distribusi normal dimana data memusat pada nilai rata-rata dan median (Santosa dan Ashari 2005).
Dalam Santosa dan Ashari (2005), disebutkan bahwa untuk mengetahui bentuk distribusi data dapat menggunakan grafik distribusi dan analisis statistik. Dalam penelitian ini menggunakan kedua cara tersebut. Analisis statistik merupakan cara yang dianggap lebih valid dengan menggunakan keruncingan kurva untuk mengetahui bentuk distribusi data. Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametrik Kolmogorov-Smirnov (K-S). Jika hasil
Kolmogorov-Smirnov menunjukkan nilai signifikan diatas 0,05 maka data residual terdistribusi dengan normal. Sedangkan jika hasil Kolmogorov-Smirnov menunjukkan nilai signifikan dibawah 0,05 maka data residual terdistribusi tidak normal (Ghozali 2006).
Sedangkan grafik distribusi merupakan cara sederhana yang dapat mendukung analisis statistik. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Bentuk data yang terdistribusi secara normal akan mengikuti pola distribusi normal dimana grafiknya mengikuti garis
27
diagonal .Jika data telah terdistribusi secara normal maka model regresi memenuhi asumsi normalitas.
3.5.4 Uji Asumsi Klasik
Penelitian ini menggunakan pengujian regresi linier berganda. Regresi linier berganda dapat dilakukan setelah model dari penelitian ini memenuhi syarat-syarat yaitu lolos dari uji asumsi klasik. Menurut Algifari (2000), apabila dalam suatu model telah memenuhi asumsi klasik, maka dapat dikatakan model tersebut sebagai model ideal atau menghasilkan estimator linier tidak bias yang terbaik. Syarat- syarat yang harus dipenuhi tersebut antara lain data harus terdistribusi secara normal, tidak mengandung multikolonieritas, autokorelasi dan heteroskedastisitas.
1. Uji Multikolinieritas
Salah satu uji asumsi klasik adalah tidak terjadi multikolinieritas diantara varibel-variabel bebas yang berada dalam satu model. Artinya antar variabel independen yang terdapat dalam model memiliki hubungan yang sempurna. Apabila ini terjadi antara variabel bebas itu sendiri saling berkorelasi, sehingga dalam hal ini sulit diketahui variabel bebas mana yang mempengaruhi variabel terikat. Salah satu cara mendeteksi kolinieritas dilakukan dengan melihat nilai
tolerance dan lawannya variance inflation factor (VIF), jika nilai tolerance lebih dari 0.10 dan nilai VIF kurang dari 10 maka disimpulkan tidak ada multikolinieritas antar variabel bebas dalam regresi.
2. Uji Heteroskedastisitas
Ghozali (2004), uji heteroskedastisitas bertujuan untuk menguji apakah dalam regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan lainnya. Cara untuk mendeteksi adanya heteroskedastisitas dapat dilihat sebaran titik pada grafik scatterplot. Ghozali (2004), dari
grafik scatterplot jika terlihat titik-titik menyebar secara acak baik diatas maupun dibawah angka 0 pada sumbu Y, maka disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi.
3. Uji Autokorelasi
Menurut Algifari (2000), uji autokorelasi digunakan untuk mengetahui apakahterjadi korelasi antar anggota serangkaian observasi yang diurutkan, menurut waktu (data
time series) atau ruang (data cross section). Pengujian autokorelasi digunakan untuk mengetahui apakah terjadi korelasi antara kesalahan penganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Konsekuensi dari adanya autokorelasi dalam suatu model regresi adalah varians sampel tidak dapat menggambarkan varians populasinya. Salah satu cara untuk mengetahui ada tidaknya autokorelasi pada model regresi adalah dengan melakukan Uji DurbinWatson (Dw). Gujarati (1997), pengambilan keputusan ada tidaknya autokorelasi dengan menggunakan tabel statistik Durbin Watson dengan kategori sebagai berikut:
1. Bila nilai Dw terletak antara batas atas atau Upper Buond
(du) dan (4-du), maka koefisien korelasi sama dengan nol, berarti tidak ada autokorelasi.
2. Bila nilai Dw lebih rendah daripada batas bawah atau
Lower Bound sebesar (dl), maka koefisien autokorelasi lebih besar daripada nol, berarti ada masalah autokorelasi positif.
3. Bila nilai Dw lebih besar daripada (4-dl), maka koefisien autokorelasi lebihkecil daripada nol, berarti ada autokorelasi negatif.
4. Bila nilai Dw terletak antara batas atas (du) dan batas bawah (dl) atau Dw terletak antara (4-du dan 4-dl), maka hasilnya tidak dapat disimpulkan.
29