BAB III METODE PENELITIAN
F. Metode Analisis Data
Metode analisis data dalam penelitian ini adalah metode analisis statistik, dengan menggunakan software SPSS 16. Adapun metode analisis data yang digunakan dalam penelitian ini adalah sebagai berikut :
1. Pengujian Asumsi Klasik a. Uji Normalitas
Uji normalitas bertujuan untuk menguji salah satu asumsi dasar analisis regresi berganda, yaitu variabel – variabel independen dan dependen harus berdistribusi normal atau mendekati normal (Imam Gozali,2005). Untuk menguji apakah data-data yang dikumpulkan berdistribusi normal atau tidak dapat dilakukan dengan metode, sebagai berikut:
a. Metode Grafik
Metode grafik yang handal untuk menguji normalitas data adalah dengan melihat normal probability plot, sehingga hampir semua aplikasi komputer statistik menyediakan fasilitas ini. Normal probability plot adalah membandingkan distribusi kumulatif data yang sesungguhnya dengan distribusi kumulatif dari distribusi normal (hypothetical distribution). Proses uji normalitas data
dilakukan dengan memperhatikan penyebaran data (titik) pada Normal P- Plot of Regression Standardized dari variabel terikat dimana:
● Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
● Jika data menyebar jauh dari garis diagonal atau mengikuti garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
b. Metode Statistik
Uji statistik sederhana yang sering digunakan untuk menguji asumsi normalitas adalah dengan menggunakan uji normalitas dari Kolmogorov Smirnov. Metode pengujian normal tidaknya distribusi data dilakukan dengan melihat nilai signifikansi variabel, jika signifikan lebih besar dari alpha 5%, maka menunjukkan distribusi data normal.
b. Uji Multikolinearitas
Uji ini diperlukan karena untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain dalam satu model.Uji multikolinearitas bertujuan untuk mengidentifikasi ada tidaknya hubungan antar variabel dalam model regresi. Pengujian multikolinearitas dapat dilakukan dengan melihat VIF ( Variance Inflation Factor ) dan diantara variabel bebas. Jika nilai VIF > 10 atau
nilai tolerance < 0,10 maka terjadi multikolinearitas, sedangkan apabila nilai VIF < 10 atau nilai tolerance > 0,10 maka tidak terjadi multikolinearitas. Jika antar variabel independen ada korelasi yang cukup tinggi ( umumnya diatas 0,90 ), maka hal ini merupakan indikasi adanya multikolinearitas.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regeresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas.
Cara menditeksi ada atau tidaknya heteroskedastisitas adalah dengan melihat grafik Plot antara nilai prediksi variabel terikat (dependen) yaitu ZPRED dengan residualnya SRESID. Deteksi ada tidaknya heteroskedastisitasnya dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah yang telah diprediksi dan sumbu X residual (Y prediksi – Y sesungguhnya) yang telah di Menurut Ade Fatma Lubis (2007 : 34), cara memprediksi pola gambar scatterplot medel yaitu :
1. Titik – titik data menyebar di atas dan di bawah atau di sekitar angka 0
2. Titik – titik data tidak mengumpul hanya diatas atau dibawah saja
3. Penyebaran titik – titik data tidak boleh membentuk pola bergelombang, melebar dan menyempit dan melebar kembali
4. Penyebaran titik – titik data sebaiknya tidak berpola. d. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengunaan pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Menurut Ade Fatma Lubis (2007 : 33), cara menguji keberadaan autokorelasi dalam penelitian ini digunakan uji statistic Durbin-Watson. Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya intercept (konstanta) dalam model regresi dan tidak ada variabel lagi di antara variabel independen. Hipotesis yang akan diujii adalah:
• Ho : tidak ada autokorelasi (r = 0)
• Ha : ada autokorelasi (r ≠ 0)
e. Uji Regresi Berganda
Regresi berganda dilakukan untuk mengetahui sejauh mana variabel bebas mempengaruhi variabel terikat. Pada regresi berganda terdapat
satu variabel terikat dan lebih dari satu variabel bebas. Dalam penelitian ini yang menjadi variabel terikat adalah profitabilitas (ROA), sedangkan yang menjadi variabel bebas NPL dan LDR.
Model hubungan return on asset (ROA) dengan variabel-variabel tersebut dapat disusun dalam fungsi atau persamaan sebagai berikut:
ROA = a + b1 NPL + b2 LDR + e
Dimana :
a = Konstanta;
b1,b2 = koefisien regresi dari X1, X2
e = error term 2. Uji Hipotesis
Dalam uji asumsi klasik dapat dilakukan analisis hasil regresi atau uji hipotesis. Uji hipotesis yang digunakan meliputi; uji parsial (t-test), uji pengaruh simultan (F-test), uji koefisien determinasi (R²).
a. Uji Secara Parsial (Uji – t)
Uji t digunakan untuk menguji pengaruh masing-masing variabel indepeden yang digunakan dalam penelitian ini terhadap variabel dependen secara parsial (Imam Ghozali, 2009 : 46). Uji t dilakukan untuk menguji hipotesis 1 dan sampai dengan hipotesis 5. Menurut Imam Gozali (2009 : 45), langkah – langkah yang dilakukan adalah sebagai berikut :
1. Merumuskan hipotesis, artinya ada pengaruh yang signifikan dari variabel independen terhadap variabel dependen secara parsial.
2. Menentukan tingkat signifikansi, taraf signifikansi adalah 95% atau
3. Membandingkan t hitung dan table t- table = t / 2 (n-k-1) ditolak apabila t hitung < t tabel
diterima apabila t hitung > t tabel 4. Berdasarkan Probabilitas
• ditolak apabila P > 0,05
• diterima apabila P < 0,05
5. Melihat pengaruh hubugan antara variabel indipenden dengan variabel dependen, apakah bertanda positif atau negatif.
b. Uji Signifikan Simultan (Uji F statistik)
Menurut Ade Fatma Lubis (2007 : 37), uji pengaruh simultan digunakan untuk mempengaruhi apakah variabel independen secara bersama-sama atau simultan mempegaruhi variabel dependen. SPSS selalu menggunakan tolak ukur 5% yang berarti risiko kesalahan mengambil keputusan dibatasi sampai 5% tidak boleh lebih.
Untuk menguji hipotesis ini digunakan statistik dengan kriteria pengambilan keputasan sebagai berikut :
1. Bila nilai F lebih besar dari pada 4 maka H0 dapat ditolak, pada derajat 5%. Dengan kata lain kita menerima hipotesis
alternatif yang menyatakan bahwa semua variabel independen dan signifikan mempengaruhi variabel dependen. 2. Membandingkan nilai F hasil perhitungan dengan nilai F
menurut table. Bila nilai F hitung lebih besar dari pada nilai F table, maka Ho ditolak dan menerima Ha.
c. Koefisien Determinasi R2
Koefisien determinasi R2 pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi dependen atau dengan kata lain untuk menguji goodness-fit dari model regresi. Nilai R2
koefisien determinasi adalah antara 0 dan 1. Menurut Ade Fatma Lubis (2007 : 48), koefisien determinasi terletak pada table Model Summary dan tertulis R Square. Namun untuk regresi linier berganda sebaiknya menggunakan R Square yang disesuaikan atau tertulis Adjusted R Square, karena disesuaikan dengan jumlah variabel independent yang digunakan dalam penelitian.
Nilai R Square dikatakan baik jika di atas 0,5 karena nilai R Square berkisar antara 0 sampai 1. Pada umumnya sample dengan data deret waktu ( time series ) memiliki R Square maupun Adjusted R Square cukup tinggi ( di atas 0,5 ), sedangkan sample dengan data item tertentu yang disebut data silang ( Crossection ) pada umumnya memiliki R Square maupun Adjusted R Square agak rendah ( di bawah 0,5 ), namun tidak menutup kemungkinan data jenis Crossection memiliki nilai R Square maupun Adjusted R Square yang cukup tinggi.
G. Jadwal Penelitian
Jadwal penelitian yang direncanakan sebagai berikut :
Tabel 3.1 Jadwal Penelitian Tahapan
Penelitian
Februari Maret April Mei Juni
Pengajuan Judul Penyelesaian Proposal Bimbingan Proposal Seminar Proposal Pengumpulan Data Pengolahan Data Penyampain Hasil Penelitian 32