BAB III METODELOGI PENELITIAN
D. Metode Analisis
si Linier Berganda
metode regresi time-series cross-section
Data merupakan k
mbarkan suatu keadaan. Sel h data dalam penelitian ini adalah data sekunder denagn jenis data time series jadi dengan mengumpulkan data yang dikumpulkan dari bebagai sumber antara lain di Bank Indonesia (BI) dan Bank Syriah Mandiri (BSM) periode 2004 sampai dengan 2008, dari jurnal-jurnal, media cetak maupun elektronik, dan sumber lain yang terkait dengan permasalahan dalam penelitian.
Sedangkan teknik dan uru
waktu). a. Data efisiensi
b. Data efisiensi operasional (BOPO) BSM ,Tbk periode 2004– 2008. c. Data efisiensi operasional (CAR) BSM ,Tbk periode 2004– 2008. d. Data efisiensi operasional (LDR) BSM ,Tbk periode 2004– 2008. e. Data kinerja profitabilitas (ROE) BSM ,Tbk periode 2004 – 2008.
1. Analisis Regre
Penelitian ini menggnakan
(pooled regression). Regresi linier berganda membentuk hubungan antara variabel bebas dan variabel terikat. Regresi linier berganda ini menggunakan tingkat keyakinan (signifikasi) α = 5%.
Berdasarkan permasalahan dan perumusan hipotesis yang telah disajikan, maka model dimodifikasikan menjadi: (Anto Dajan, 1973 :301)
Y = α + b X1 1+b X2 2+b3X3+b4X + 4 ε ... Dimana:
Y = Kinerja Prifitabilitas (ROE) X1 = MSDN (pangsa pasar DPK) X2 = BOPO X3 = CAR X4 = LDR α = konstanta b1,b2,b3 = parameter ε = Error
Dari hasil penolahan data akan dilakukan analisis secara deskriptis dan pembuktian hipotesis.
Informasi Dari Hasil Analisis Berganda
a. Melakukan analsis regresi atas model yang digunakan, juga dengan menggunakan program SPSS.16
b. R-squared yaitu menunjukan kemampuan model. Seberapa besar pengaruh dari variabel independen (bebas) terhadap variabel dependen (terikat).
c. Adjusted R-squared nilai R2 yang sudah disesuaikan. Semakin banyak variabel independen yang dimasukan ke dalam persamaan maka akan semakin memperkecil Adjusted R-squared .
d. Durbin Watson nilai uji Durbin Watson, digunakan untuk mengetahui apakah ada autokorelasi (hubungan antara residiul).
e. Uji F adalah uji serempak berpengaruh semua variabel independen.
f. Prob (F-statistic) adalah probabilta nilai uji statistik F.
2. Uji Asumsi Klasik
Jika semua asumsi regresi linier klasik terpenuhi, maka parameter-parameter dari model tersebut dapat ditaksir dengan cara yang lazim dipakai dalan anlisis regresi adalah ANOVA dengan bantuan SPSS, merupakan model regresi yang mengahsilkan estimasi linear yang bias yang terbaik (Best Linear Unbias Entimation/BLUE). Kondisi ini akan terjadi jika dipenuhi beberaa asumsi uji asumsi klasik, diantaranya:
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah adalam model regresi variabel dependen, independen atau keduanya terdistribusi normal atau tidak. Model regresi yang baik adalah distribusi data normal atau mendekati normal.
b. Uji Autokorelasi
Adalah hubungan antara variabel gangguan (error) dalam regresi. Autokeralasi ini terjadi karena adanya perilaku variabel ekonomi untuk data time series seringkali berhubungan (berkorelasi) antar waktu. Apabila suatu model regresi mengandung autokorelasi maka akan memberikan konsekuensi model regresi tersebut tidak
mempunyai varian yang minimum, varian yang tidak minimum akan mengakibatkan kita tiadak bisa mengevaluasi hasil regresi baik melalui uji t maupun uji F.
c. Multikolinieritas
Multikolinieritas adalah hubungan linier antar variabel independen didalam regresi berganda. Hubungan linier antar variabel independen dapat terjadi dalam bentuk hubungan linier yang sempurna (perfect) maupun hubungan linier yang kurang sempurna (imperfect). Pengujian gejala Multikolinearitas dengan cara mengkorelasikan variabel bebas yang satu denngan variabel bebas yang lainnya dengan menggunakan SPSS
Imam Ghazali (2005) mengukur Multikolinearitas dapat dilihat dari nilai tolerance dan Varianc Inflation Factor (VIF). Model regresi dikatakan tidak dapat masalah Multikolinearitas apabila mempunyai angka tolerance diatas 0,01 dan mempunyai VIF dibawah angka 10.
d. Heterokedatisitas
Homoskedastisitas (varian sama) merupakan fenomena di mana pada nilai variabel independen tertentu masing–masing kesalahan (ei) mempunyai nilai varian yang sama sebesar σ2, jika model yang diperoleh ternyata tidak memenuhi asumsi atau fenomena tersebut maka dalam model tersebut terjadi heteroskedatisitas. Heteroskedastisitas ini mengakibatkan nilai estimator (koefisien
regresi) dari model tersebut tidak efisien meskipun estimator tersebut tidak bias dan konsis.
3. Uji Signifikasi
Uji sinifikasi ini berguna untuk memeriksa atau menguji apakah koefisien regresi yang didapat signifikan atau tidak. Untuk kepentingan tersebut, maka semua koefisien regresi harus diuji. Ada 2 jenis hipotesis yang dapat digunakan untuk menguji koefisien regresi yaitu uji F dan uji t. a. Uji Serempak ( uji F )
Uji F digunakan untuk melakukan uji hipotesis koefisien (slope) regresi secara bersamaan (serempak). Hipotesisnya dapat dituliskan sebagai berikut:
O
H : βi= 0
Variabel independent secara bersama-sama tidak mempengaruhi variabel dependen.
1
H ≠ βi= 0
Variabel independent secara bersama-sama mempengaruhi variabel dependen.
Uji F statistik ini dalam regresi berganda dapat digunakan untuk menguji signifikansi koefisien determinasi R
2
.
Dari uji F didapatkan kesimpulan sebagai berikut : a) Apabila F
hitung > F
tabel maka hipotesis H
1 diterima (H
Artinya variasi dari model regresi berhasil menerangkan variasi variabel secara keseluruhan, sejauh mana pengaruhnya terhadap variabel terikat.
b) Apabila F
hitung < F
tabel maka hipotesis H
1 ditolak (H
0 diterima). Artinya variasi dari model regresi tidak berhasil menerangkan variasi variabel secara keseluruhan, sejauj mana pengaruhnya terhadap variabel terikat.
b. Uji Parsial ( Uji t )
Uji t merupakan suatu prosedur yang mana hasil sampel dapat digunakan untuk verifikasi kebenaran atau kesalahan hipotesis nul (Ho) (Agus Widarjono, 2005, 56). Keputusan untuk menerima atau menolak Ho dibuat berdasarkan nilai uji statistik yang diperoleh dari data. Uji t ini menguji hubungan variabel independen terhadap variabel dependen secara terpisah sesuai dengan hipotesa atau teori yang ada.
Uji t dapat dirumuskan sebagai berikut :
t hitung = (ˆ ) ˆ 0 0 β β β se o − t tabel ⎯⎯→α =tertentu df = n – k
Dimana: n = jumlah sampel
k = variabel independen ditambah konstanta. Jika nilai t
hitung > t
tabel maka hipotesis H
1diterima (H
0 ditolak) Jika nilai t
hitung < t
tabel maka hipotesis H
1ditolak (H
c. Koefisien Determinasi (R2)
Uji R atau uji koefisien determinasi digunakan unuk mengukur sebaik mana variabel tidak bebas dijelaskan oleh variabel total dan variabel bebas didalam model regresi. Ukuranyya adalah semakin besar R maka garis regresi sampel semakin naik. Nilai R-squared besarnya antara 0 (nol) persen sampai 100 (seratus) persen (0% < r < 100%). Jika perhitungannya semakin mendekati nilai 100%, maka model regresi tersebut semakin baik, karena variabel-variabel bebas dimaksud memang benar-benar memberikan pengaruh atau kontrbusi variabel tidak bebas.
2
2
2
E. Operasional Variabel Penelitian
