BAB III KERANGKA KONSEP DAN HIPOTESIS
4.5 Metode Pengumpulan Data
Metode pengumpulan data dilakukan dengan cara mendownload laporan keuangan perusahaan perbankan pada tahun 2011-2015 melalui website Bursa Efek Indonesia www.idx.co.id.
4.6 Definisi Operasional Variabel
Penelitian ini dilakukan untuk menguji apakah terdapat pengaruh rasio keuangan terhadap kinerja keuangan perbankan di Bursa Efek Indonesia. Dalam penelitian ini yang menjadi variabel dependen adalah Kinerja keuangan perbankan yang terdaftar di Bursa Efek Indonesia, sedangkan variabel independennya adalah Capital Adequacy Ratio, Beban Operasional terhadap Pendapatan Operasional, Net Interest Margin, Non Performing Loan, Loan to Funding Ratio dan Giro Wajib Minimum.
Definisi dari masing-masing variabel yang digunakan dalam penelitian, akan dijelaskan sebagai berikut:
a. Kinerja Keuangan Perbankan (Y)
Kinerja keuangan perbankan (Y) merupakan perbandingan Laba sebelum pajak dengan rata-rata total aset. Alat ukur yang digunakan untuk menentukan kinerja keuangan dalam penelitian ini adalah Return on Assets (ROA). Rasio ini mengukur seberapa besar profit yang diciptakan atas setiap dollar atau rupiah aset yang diinvestasikan.
aba Sebelum Pajak
ata rata Total Aset x 100 b. Capital Adequacy Ratio (X1)
Capital Adequacy Ratio merupakan perbandingan antara modal bank dengan aktiva tertimbang menurut resiko (ATMR).
Modal Bank
Aktiva Tertimbang Menurut isiko x 100 c. Beban Operasional terhadap Pendapatan Operasional (X2)
Beban Operasional terhadap Pendapatan Operasional merupakan perbandingan antara total beban operasional terhadap pendapatan operasional.
Biaya Operasional dibanding dengan Pendapatan Operasional
Beban Operasional
Pendapatan Operasional 00
d. Net Interest margin (X3)
Net Interest Margin merupakan perbandingan antara pendapatan bunga bersih terhadap rata-rata aktiva produktif.
Pendapatan Bunga Bersih
ata rata Aktiva Produktif x 100 e. Non Performing Loan (X4)
Non Performing Loan merupakan perbandingan antara total kredit bermasalah (jumlah total kredit dengan kualitas dalam perhatian khusus, kurang lancar, diragukan dan macet) terhadap total redit yang disalurkan.
Total Kredit Bermasalah
Total Kredit Disalurkan x 100 f. Loan to Funding Ratio (X5)
Loan to Funding Ratio merupakan perbandingan antara total kredit dengan dana pihak ketiga.
Total Kredit
Dana Pihak Ketiga x 100 g. Giro Wajib Minimum (X6)
Giro Wajib Minimum adalah rasio giro pada Bank Indonesia dengan dana pihak ketiga
Giro ajib Minimum Giro Pada BI
Dana Pihak Ketiga x 100 h. Pertumbuhan Dana Pihak Ketiga (Z)
Pertumbuhan Dana Pihak Ketiga yang merupakan dana-dana yang berasal dari masyarakat, baik perorangan maupun badan usaha yang diperoleh bank dengan menggunakan berbagai instrumen produk
simpanan yang dimiliki oleh bank. Total dana pihak ketiga merupakan hasil penjumlahan dari giro, tabungan dan deposito (tidak termasuk antar bank).
Pertumbuhan Dana Pihak Ketiga DPK (t) – DPK (t 1)
DPK (t 1) x 100 Adapun definisi dan pengukuran variabel dapat dilihat pada tabel berikut ini:
Tabel 4.2 Definisi Dan Pengukuran Variabel
No Nama Variabel
Definisi Pengukuran Skala
1 Kinerja Total Kredit Bermasalah
Total Kredit Disalurkan 100
7 Giro Wajib 4.7.1 Uji Statistik Deskriptif
Statistik Deskriptif merupakan proses pengumpulan dan peringkasan data, serta upaya untuk menggambarkan berbagai karakteristik yang penting pada data yang telah diorganisasikan sedemikian rupa. Uji statistik deskriptif digunakan untuk memberikan gambaran profil dari data yang digunakan dalam penelitian ini.
Output uji statistik deskriptif, sekurang-kurangnya, berisi informasi mengenai nilai minimum, nilai maksimum, nilai rata- rata dan nilai standar deviasi dari sekumpulan data.
4.7.2 Uji Asumsi Klasik
Penggunaan analisi regresi dalam statistik harus bebas dari asumsi-asumsi klasik. Adapun asumsi-asumsi klasik yang digunakan dalam penelitian ini adalah uji normalitas, uji heteroskedastisitas, uji multikolinieritas dan uji autokorelasi.
4.7.2.1 Uji Normalitas
Pada setiap analisis regresi, uji normalitas harus dilakukan pada nilai residual yang dihasilkan dari model regresi. Uji normalitas bertujuan untuk menguji kenormalan distribusi nilai residual. Model regresi yang baik memiliki nilai residual berdistribusi normal. Uji normalitas dapat dilakukan melalui analisis grafik dan/atau uji statistik. Pendeteksian kenormalan distribusi nilai residual dari model regresi menggunakan analisis grafik dilakukan dengan cara mengamati Normal Probability Plot dari nilai residual. Jika ploting data observasi dalam Normal Probability Plot mendekati garis diagonal dan penyebaran data observasi mengikuti garis diagonalnya, maka nilai residual berdistribusi normal sehingga dapat disimpulkan tidak terjadi pelanggaran asumsi normalitas. Tetapi jika ploting data observasi dalam Normal Probability Plot menjauh dari garis diagonal dan penyebaran data observasi tidak mengikuti garis diagonalnya, maka nilai residual tidak berdistribusi normal sehingga dapat disimpulkan terjadi pelanggaran asumsi normalitas. Secara statistik, kenormalan distribusi nilai residual dapat diketahui melalui pengaplikasian uji One-Sample Kolmogorov-Smirnov (O-S K-S) pada nilai residual yang dihasilkan dari model regresi. Jika output dari uji O-S K-S menunjukkan nilai Asymp. Sig. (2-tailed) > 5%, nilai residual berdistribusi normal sehingga dapat disimpulkan tidak terjadi pelanggaran asumsi normalitas (Ghozali, 2013).
4.7.2.2 Uji Heteroskedastisitas
Heteroskedastisitas adalah adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Sebaliknya,
homoskedastisitas adalah adanya kesamaan varian dari residual untuk semua pengamatan pada model regresi. Uji heteroskedastisitas digunakan untuk mengetahui adanya atau tidaknya adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya gejala heteroskedastisitas. Uji heteroskedastisitas dapat dilakukan melalui analisis grafik dan/atau uji statistik.
Pendeteksian gejala heteroskedastisitas dengan menggunakan analisis grafik dilakukan dengan cara melihat scatterplot dari nilai residual. Jika ploting data nilai residual dalam scatterplot menyebar diatas maupun dibawah angka 0 pada sumbu Y serta penyebaran data nilai residual pada scatterplot tidak membentuk pola yang jelas, disimpulkan model regresi yang digunakan terbebas dari gejala heteroskedastisitas. Tetapi jika ploting data nilai residual dalam scatterplot membentuk pola tertentu (bergelombang, melebar kemudian menyempit), disimpulkan model regresi yang digunakan terkena gejala heteroskedastisitas. Pendeteksian gejala heteroskedastisitas melalui uji statistik dapat dilakukan menggunakan Uji Spearman’s ho.
4.7.2.3 Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi yang tinggi antar variabel independen. Pada model regresi yang baik seharusnya antar variabel independen tidak terjadi kolerasi yang tinggi. Adanya atau tidak adanya masalah multikolinieritas pada model regresi, dapat diketahui dengan cara mengevaluasi statistik kolinearitas dari model regresi. Suatu model regresi dinyatakan terbebas dari masalah
multikolinieritas jika masing-masing variabel independen yang dimasukkan ke dalam model regresi memiliki nilai Tolerance mendekati 1 dan Variance Inflation Factor (VIF) < 10. Pendeteksian multikolinearitas juga dapat dilakukan dengan cara menganalisis Matrik Koefisien Korelasi. Jika pada matrik koefisien korelasi ditemukan ada variabel independen yang berkorelasi dengan variabel independen lainnya dengan koefisien korelasi > 90%, disimpulkan model regresi memiliki masalah multikolinieritas.
4.7.2.4 Uji Autokorelasi
Uji autokorelasi bertujuan untuk mendeteksi keberadaan autokorelasi pada nilai residual (prediction errors) dari sebuah analisis regresi. Autokorelasi adalah hubungan antara nilai-nilai yang dipisahkan satu sama lain dengan jeda waktu tertentu, suatu model regresi dinyatakan baik apabila terbebas dari gejala autokorelasi. Runs Test dapat digunakan untuk mendeteksi gejala autokorelasi dalam sebuah model regresi. Jika antara residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah random. Dalam pengujian ini, nilai signifikan pada 0,05 digunakan sebagai dasar untuk menyatakan adanya atau tidak adanya gejala autokorelasi.
4.7.3 Pengujian Hipotesis Pertama 4.7.3.1 Uji Regresi Berganda
Untuk melakukan pengujian hipotesis secara statistik, penelitian ini mengaplikasikan analisis regresi berganda (Multiple Regression Analysis) dengan menggunakan program aplikasi SPSS (Statistical Product and Service Solutions).
Selain untuk mengukur kekuatan hubungan antara dua variabel atau lebih, analisis regresi juga dapat menunjukkan arah hubungan antara variabel dependen dengan variabel independen (Ghozali, 2013). Regresi Berganda digunakan untuk memodelkan hubungan antara dua atau lebih variabel independen dan variabel dependen dengan mencocokkan persamaan linier dengan data observasi. Dalam Model Regresi Linier Berganda (Multiple Linear Regression Models) yang digunakan dalam penelitian ini, variabel dependen adalah Return On Assets sebagai proksi dari kinerja keuangan perbankan sedangkan Capital Adequacy Ratio, Beban Operasional terhadap Pendapatan Operasional, Net Interest Margin, Non Performing Loan, Loan to Funding Ratio dan Giro Wajib Minimum terpilih sebagai variabel independen, dimana persamaan liniernya dirumuskan sebagai berikut:
Y = a + b1X1 + b2X2 + b3X3 + b4X4+ b5X5+ b6X6 + e dimana:
Y = Return On Assets a = Intercept
b = Koefisien regresi X1 = Capital Adequacy Ratio
X2 = Beban Operasional terhadap Pendapatan Operasional X3 = Net Interest Margin
X4 = Non Performing Loan X5 = Loan to Funding Ratio X6 = Giro Wajib Minimum e = error term
Parameter persamaan regresi linier berganda tersebut dapat menunjukkan tanda koefisien regresi atas setiap variabel independen (b), positif atau negatif. b akan bernilai positif jika menunjukkan hubungan searah antara
independen akan mengakibatkan kenaikan variabel dependen dan sebaliknya, penurunan variabel independen akan menurunkan variabel dependen. b akan bernilai negatif jika menunjukkan hubungan yang berlawanan arah antara variabel independen dengan variabel dependen. Artinya kenaikan variabel independen akan mengakibatkan penurunan variabel dependen dan sebaliknya, penurunan variabel independen akan menaikkan variabel dependen.
4.7.3.2 Uji Koefisien Determinasi
Salah satu ukuran dari kontribusi variabel independen dalam model adalah koefisien determinasi (coefficient of determination), yang dinotasikan dengan R2. (R Square). R2 merupakan kuadrat dari korelasi product moment antara X (variabel independen) dan variabel Y (variabel dependen). Dalam model regresi, R2 dijadikan sebagai pengukuran seberapa baik garis regresi mendekati nilai data asli yang dibuat model. Jika R2 sama dengan 1, maka angka tersebut menunjukkan garis regresi cocok dengan data secara sempurna. Uji koefisien determinasi (Uji R2) bertujuan untuk mengetahui seberapa besar kemampuan semua variabel independen yang secara serempak dimasukkan dalam model mampu menjelaskan variasi dalam variabel dependen. Nilai R2 berkisar antara 0 sampai dengan 1. Jika R2 = 0, menunjukkan bahwa variasi dalam variabel dependen sama sekali tidak mampu dijelaskan oleh hubungan liniernya dengan variabel independen. Jika R2 = 1, menunjukkan bahwa 100%
variasi dalam variabel dependen mampu dijelaskan oleh hubungan liniernya dengan variabel independen. Sebagai pedoman umum, suatu model dinyatakan baik dalam memprediksi variabel dependen jika nilai R2 di atas 0,5
atau 50%. Adjusted R Square (R2adj) merupakan R2 yang telah disesuaikan dengan jumlah variabel independen yang dimasukkan ke dalam model regresi. Tidak seperti R2, R2adj tidak selalu meningkat apabila dilakukan penambahan variabel dalam model. Nilai R2adj selalu lebih kecil dari R2 dan bisa memiliki nilai negatif. Jika R2adj bernilai negatif, nilai tersebut dianggap 0, atau dengan kata lain variabel independen sama sekali tidak mampu menjelaskan variasi dalam variabel independennya.
Penginterpretasian R2adj tidak sama seperti R2 sehingga diperlukan kehati- hatian dalam menginterpretasi dan melaporkan statistik ini. R2adj akan lebih berguna hanya jika R2 dihitung berdasarkan sampel, bukan dari keseluruhan populasi. Oleh karena itu dalam penelitian ini, interpretasi hasil uji koefisien determinasi akan didasarkan kepada nilai R2.
4.7.3.3 Uji Statistik Simultan (Uji F)
Pengujian ini bertujuan untuk menguji signifikansi pengaruh semua variabel independen yang dimasukkan dalam model secara simultan terhadap variabel dependen. Pengujian ini menggunakan tingkat keyakinan 95 atau pada taraf signifikansi (α) 5%.
Adapun yang menjadi kriteria dalam pengambilan keputusan adalah sebagai berikut:
1. Jika F hitung > F tabel, Artinya variabel independen yang dimasukkan dalam model secara simultan berpengaruh signifikan terhadap variabel dependen.
2. Jika F hitung < F tabel, Artinya variabel independen yang dimasukkan dalam model secara simultan tidak berpengaruh signifikan terhadap variabel dependen.
4.7.3.4 Uji Statistik Parsial (Uji t)
Pengujian ini bertujuan untuk menguji signifikansi pengaruh variabel independen secara individual dalam menjelaskan variasi dalam variabel dependen.
Pengujian ini menggunakan tingkat kepercayaan 95% atau pada taraf signifikansi (α) 5 .
Adapun yang menjadi kriteria dalam pengambilan keputusan adalah sebagai berikut:
1. Jika t hitung > t tabel, Artinya suatu variabel independen berpengaruh signifikan dalam menjelaskan variasi dalam variabel dependen.
2. Jika t hitung < t tabel, Artinya suatu variabel independen tidak berpengaruh signifikan dalam menjelaskan variasi dalam variabel dependen.
4.7.4 Pengujian Hipotesis Kedua
Uji Moderating bertujuan untuk melihat seberapa jauh variabel moderating memoderasi pengaruh variabel independen terhadap variabel dependen. Menurut Ghozali (2013), variabel moderating adalah variabel independen yang memperkuat atau memperlemah hubungan antara variabel independen dengan variabel dependen. Variabel moderating dapat dilakukan
dengan uji interaksi, uji nilai selisih mutlak, dan uji residual. Penelitian ini menggunakan uji residual yang bertujuan untuk menguji pengaruh deviasi dari suatu model apakah ada ketidakcocokan (lack of fit) dari deviasi hubungan linear antar variabel independen yang dilihat dari besarnya nilai residualnya.
Persamaan regresi sebagai berikut :
Z = a + b1X1+ b2X2 + b3X3 + b4X4 + b5X5+ b6X6+ e ...(1)
│e│ a + bY...(2)
Keterangan:
Y = Kinerja Keuangan a = Konstanta
b = Koefisien Regresi Variabel
X1 =Capital Adequacy Ratio
X2 = Beban Operasional terhadap Pendapatan Operasional
X3 =Net Interest Margin
X4 = Non Performing Loan
X5 =Loan to Funding Ratio
X6 = Giro Wajib Minimum
Z = Pemoderasi/ Pertumbuhan Dana Pihak Ketiga e = Error (variabel pengganggu)
Adapun yang menjadi kriteria dalam pengambilan keputusan adalah sebagai berikut:
1. Jika nilai signifikansi < 5% maka artinya Pertumbuhan Dana Pihak Ketiga memoderasi hubungan Capital Adequacy Ratio, Beban Operasional terhadap Pendapatan Operasional, Net Interest Margin,
Non Performing Loan, Loan to Funding Ratio, Giro Wajib Minimum terhadap Return On Assets.
2. Jika nilai signifikansi > 5% artinya Pertumbuhan Dana Pihak Ketiga tidak memoderasi hubungan antara Capital Adequacy Ratio, Beban Operasional terhadap Pendapatan Operasional, Net Interest Margin, Non Performing Loan, Loan to Funding Ratio, Giro Wajib Minimum dengan Return On Assets.
Suatu variabel dikatakan sebagai variabel moderating apabila nilai koefisien parameternya negatif dan nilai signifikansinya < 0.05.
HASIL PENELITIAN DAN PEMBAHASAN
5.1 Uji Statistik Deskripsi
Untuk menggambarkan berbagai karakteristik yang penting pada data mengenai kinerja keuangan perbankan dari 20 bank untuk periode 2011-2015, maka dilakukan analisis statistik deskriptif. Statistik deskriptif dalam penelitian ini menggunakan data asli yang belum menghilangkan satu datapun dan diolah dengan menggunakan data tahunan dari masing-masing variabel penelitian dengan menghitung nilai minimum, nilai maksimum, rata-rata dan standar deviasi.
dimana hasil uji tersebut disajikan pada Tabel 5.1 berikut ini.
Tabel 5.1 Hasil Uji Statistik Deskriptif
Keterangan N Minimum Maximum Mean Std. Deviation
Return On Assets 100 -2,82 5,15 1,93 1,48
Capital Adequacy Ratio 100 10,25 61,59 18,80 7,83
Beban Operasional terhadap
Pendapatan Operasional 100 59,93 124,94 83,87 12,12
Net Interest Margin 100 2,78 13,12 5,87 1,95
Non Performing Loan 100 0,00 4,17 1,13 1,04
Loan to Funding Ratio 100 52,39 103,38 82,99 9,26
Giro Wajib Minimum 100 7,56 35,76 15,01 5,84
Dana Pihak Ketiga 100 -27,25 133,66 18,66 27,54
Valid N (listwise) 100
Sumber : Output SPSS
Berdasarkan tabel statistik deskriptif variabel penelitian diatas, maka : 1. Variabel Return On Assets
Variabel Return On Assets dengan jumlah data (N) sebanyak 100 selama periode 2011-2015, memiliki nilai rata-rata (Mean) sebesar 1,93% dengan standar deviasi (Std. Deviation) sebesar 1,48%. Nilai ratio Return On Assets terendah (Minimum) pada periode tersebut adalah sebesar 2,82% yang dicapai oleh Bank Harda Internasional pada tahun 2015 sedangkan nilai rasio Return On Assets tertinggi (Maximum) adalah sebesar 5,15% yang dicapai oleh Bank Rakyat Indonesia pada tahun 2012. Rata-rata kinerja sebesar 1,93 berarti bahwa rata-rata bank yang terdaftar di Bursa Efek Indonesia tahun 2011-2015 untuk menghasilkan net income sebesar 1,93% dari setiap satu aktiva yang diinvestasikan. Dengan Standar Deviasi 1,48 menunjukkan bahwa tidak ada kesenjangan yang cukup besar dari sebaran nilai kinerja maksimum dan kinerja minimum.
2. Variabel Capital Adequacy Ratio
Variabel Capital Adequacy Ratio dengan jumlah data (N) sebanyak 100 selama periode 2011-2015, memiliki nilai rata-rata (Mean) sebesar 18,80% dengan standar deviasi (Std. Deviation) sebesar 7,83%. Nilai ratio Capital Adequacy Ratio terendah (Minimum) pada periode tersebut adalah sebesar 10,25% yang dicapai oleh Bank Mayapada International pada tahun 2014 sedangkan nilai rasio Capital Adequacy Ratio tertinggi (Maximum) adalah sebesar 61,59% yang dicapai oleh Bank Dinar Indonesia pada tahun 2011
berarti bahwa ada kesenjangan yang cukup besar dari Capital Adequacy Ratio maksimum dan Capital Adequacy Ratio minimum.
Dari sebaran data dalam sampel penelitian bahwa Bank Dinar Indonesia pada tahun 2011 yang melenceng jauh dari sebaran data lainnya. Rata-rata Capital Adequacy Ratio sebesar 18,80%
menunjukkan bahwa rata-rata tingkat kesehatan bank yang terdaftar di Bursa Efek Indonesia tahun 2011-2015 cukup baik, karena syarat Capital Adequacy Ratio yang ditetapkan BI adalah sebesar 8%.
3. Variabel Beban Operasional terhadap Pendapatan Operasional Variabel Beban Operasional terhadap Pendapatan Operasional dengan jumlah data (N) sebanyak 100 selama periode 2011-2015, memiliki nilai rata-rata (Mean) sebesar 83,87% dengan standar deviasi (Std. Deviation) sebesar 12,12%. Nilai ratio Beban Operasional terhadap Pendapatan Operasional (Minimum) pada periode tersebut adalah sebesar 59,93% yang dicapai oleh Bank Rakyat Indonesia pada tahun 2012 sedangkan nilai rasio Beban Operasional terhadap Pendapatan Operasional (Maximum) adalah sebesar 124,94% yang dicapai oleh Bank Harda Internasional pada tahun 2015 berarti bahwa ada kesenjangan yang cukup besar dari Beban Operasional terhadap Pendapatan Operasional maksimum dan Beban Operasional terhadap Pendapatan Operasional minimum. Dari sebaran data dalam sampel penelitian bahwa Bank Harda Internasional pada tahun 2015 yang melenceng jauh dari sebaran data lainnya.
4. Variabel Net Interest Margin
Variabel Net Interest Margin dengan jumlah data (N) sebanyak 100 selama periode 2011-2015, memiliki nilai rata-rata (Mean) sebesar 5,87% dengan standar deviasi (Std. Deviation) sebesar 1,95%.
Nilai ratio Net Interest Margin terendah (Minimum) pada periode tersebut adalah sebesar 2,78% yang dicapai oleh Bank Agris pada tahun 2014 sedangkan nilai rasio Net Interest Margin tertinggi (Maximum) adalah sebesar 13,12% yang dicapai oleh Bank Tabungan Pensiunan Nasional pada tahun 2012 berarti bahwa tidak ada kesenjangan yang cukup besar dari Net Interest Margin maksimum dan Net Interest Margin minimum.
5. Variabel Non Performing Loan
Variabel Non Performing Loan dengan jumlah data (N) sebanyak 100 selama periode 2011-2015, memiliki nilai rata-rata (Mean) sebesar 1,13% dengan standar deviasi (Std. Deviation) sebesar 1,04%.
Nilai ratio Non Performing Loan terendah (Minimum) pada periode tersebut adalah sebesar 0,00% yang dicapai oleh Bank Agris pada tahun 2011 sedangkan nilai rasio Non Performing Loan tertinggi (Maximum) adalah sebesar 4,17% yang dicapai oleh Bank NISP OCBC pada tahun 2012 berarti bahwa tidak ada kesenjangan yang cukup besar dari sebaran nilai Non Performing Loan maksimum dan Non Performing Loan minimum. Rata-rata Non Performing Loan sebesar 1,13% menunjukkan bahwa rata-rata tingkat kesehatan bank yang terdaftar di Bursa Efek Indonesia tahun 2011-2015 cukup baik,
karenasyarat Non Performing Loan yang ditetapkan BI adalah sebesar 5%.
6. Variabel Loan to Funding Ratio
Variabel Loan to Funding Ratio dengan jumlah data (N) sebanyak 100 selama periode 2011-2015, memiliki nilai rata-rata (Mean) sebesar 82,99% dengan standar deviasi (Std. Deviation) sebesar 9,26%. Nilai ratio Loan to Funding Ratio terendah (Minimum) pada periode tersebut adalah sebesar 52,39% yang dicapai oleh Bank Mega pada tahun 2012 sedangkan nilai rasio Loan to Funding Ratio tertinggi (Maximum) adalah sebesar 103,38% yang dicapai oleh Bank Dinar Indonesia pada tahun 2011 berarti bahwa ada kesenjangan yang cukup besar dari Loan to Funding Ratio maksimum dan Loan to Funding Ratio minimum. Dari sebaran data dalam sampel penelitian bahwa Bank Dinar Indonesia pada tahun 2011 yang melenceng jauh dari sebaran data lainnya.
7. Variabel Giro Wajib Minimum
Variabel Giro Wajib Minimum dengan jumlah data (N) sebanyak 100 selama periode 2011-2015, memiliki nilai rata-rata (Mean) sebesar 15,01% dengan standar deviasi (Std. Deviation) sebesar 5,84%. Nilai ratio Giro Wajib Minimum terendah (Minimum) pada periode tersebut adalah sebesar 7,56% yang dicapai oleh Bank Harda Internasional pada tahun 2015 sedangkan nilai rasio Giro Wajib Minimum tertinggi (Maximum) adalah sebesar 35,76% yang dicapai oleh Bank Pembangunan Daerah Jawa Timur pada tahun 2012
berarti bahwa terdapat kesenjangan yang cukup besar dari Giro Wajib Minimum maksimum dan minimum. Dari sebaran data dalam sampel penelitian bahwa Bank Pembangunan Daerah Jawa Timur pada tahun 2012 yang melenceng jauh dari sebaran data lainnya.
8. Variabel Dana Pihak Ketiga
Variabel Dana Pihak Ketiga dengan jumlah data (N) sebanyak 100 selama periode 2011-2015, memiliki nilai rata-rata (Mean) sebesar 18,66% dengan standar deviasi (Std. Deviation) sebesar 27,54%. Nilai ratio Dana Pihak Ketiga terendah (Minimum) pada periode tersebut adalah sebesar -27,25% yang dicapai oleh Bank Negara Indonesia pada tahun 2015 sedangkan nilai rasio Dana Pihak Ketiga tertinggi (Maximum) adalah sebesar 133,66% yang dicapai oleh Bank Dinar Indonesia pada tahun 2013 berarti bahwa ada kesenjangan yang cukup besar dari Dana Pihak Ketiga maksimum dan Dana Pihak Ketiga minimum. Dari sebaran data dalam sampel penelitian bahwa Bank Dinar Indonesia pada tahun 2013 yang melenceng jauh dari sebaran data lainnya.
5.2 Uji Asumsi Klasik
Pengujian asumsi klasik diperlukan untuk mengetahui apakah hasil estimasi regresi yang dilakukan benar-benar bebas dari adanya gejala ketidak normalan data, gejala heteroskedastisitas, gejala multikolonieritas, dan gejala autokorelasi.
5.2.1 Uji Normalitas
Uji normalitas dilakukan untuk mengetahui kenormalan distribusi nilai residual dari model regresi. Untuk mengetahui kenormalan distribusi nilai residual dapat dilakukan melalui pengamatan grafik dan/atau uji statistik. Pengujian normalitas nilai residual dari model regresi dengan pengamatan grafik dilakukan dengan cara melihat Normal Probability Plot dari nilai residual seperti yang ditampilkan pada Gambar 5.1 berikut ini:
Gambar 5.1 Normal Probability Plot Nilai Residual Regresi Sumber: Output SPSS
Dari Gambar 5.1 terlihat ploting data observasi dalam Normal Probability Plot nilai residual regresi mendekati garis diagonal dan penyebaran data observasi mengikuti garis diagonalnya sehingga dapat dinyatakan bahwa nilai residual relatif terdistribusi secara normal. Cara lain untuk mendeteksi
melihat grafik histogram dari nilai residual (lihat Gambar 5.2). Dari Gambar 5.2 terlihat bahwa kurva distribusi frekuensi nilai residual relatif mengikuti pola distribusi normal.
Gambar 5.2 Grafik Histogram Nilai Residual Regresi Sumber: Output SPSS
Berdasarkan tampilan Gambar 5.2 Regression Standardized Residual terlihat bahwa kurva dependent dan regression standardized residual membentuk gambar seperti lonceng. Oleh karena itu, dapat disimpulkan bahwa grafik histogram memberikan pola distribusi normal. Secara statistik, pendeteksian kenormalan distribusi nilai residual juga dapat diketahui melalui hasil uji
Berdasarkan tampilan Gambar 5.2 Regression Standardized Residual terlihat bahwa kurva dependent dan regression standardized residual membentuk gambar seperti lonceng. Oleh karena itu, dapat disimpulkan bahwa grafik histogram memberikan pola distribusi normal. Secara statistik, pendeteksian kenormalan distribusi nilai residual juga dapat diketahui melalui hasil uji