BAB III KERANGKA KONSEP DAN HIPOTESIS
4.7 Metode Analisis Data
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 One-Sample Kolmogorov-Smirnov (lihat Tabel 5.2), yang menunjukkan bahwa nilai residual berdistribusi normal (p-value = 0,200 > 0,05). Dengan demikian
atas nilai residual dari model regresi yang digunakan dalam penelitian ini, tidak terjadi pelanggaran asumsi normalitas.
Tabel 5.2 Hasil Uji Statistik Normalitas O-S K-S
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 100
Normal Parametersa,b Mean ,0000000
Std. Deviation ,26015602
Most Extreme Differences Absolute ,063
Positive ,025
Negative -,063
Test Statistic ,063
Asymp. Sig. (2-tailed) ,200c,d
Sumber: Output SPSS
5.2.2 Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Untuk mendeteksi gejala heteroskedastisitas dapat dilakukan melalui pengamatan grafik dan/atau uji statistik. Pendeteksian gejala heteroskedastisitas dengan pengamatan grafik dilakukan dengan cara melihat scatterplot dari nilai residual (lihat Gambar 5.3). Dari Gambar 5.3 terlihat bahwa ploting data nilai residual menyebar diatas maupun dibawah angka 0 pada sumbu Y serta penyebaran data nilai residual pada scatterplot tidak membentuk pola yang jelas.
Hal ini menunjukkan bahwa model regresi yang digunakan dalam penelitian ini terbebas dari gejala heteroskedastisitas.
Gambar 5.3 Scatterplot Nilai Residual Regresi Sumber: Output SPSS
Pendeteksian gejala heteroskedastisitas secara statistik dapat dilihat dari hasil Uji Spearman’s ho yang disajikan dalam Tabel 5.3 berikut ini:
Tabel 5.3
Hasil Uji Statistik Heterokedastisitas Spearman’s Rho
Correlations
*. Correlation is significant at the 0.05 level (2-tailed).
**. Correlation is significant at the 0.01 level (2-tailed).
Hasil Spearman’s ho menunjukkan bahwa signifikansi keenam variabel independen (Capital Adequacy Ratio, Beban Operasional terhadap Pendapatan Operasional, Net Interest Margin, Non Performing Loan dan Loan to Funding Ratio) di atas 0,05, sehingga dapat dinyatakan bahwa model regresi yang digunakan dalam penelitian ini, terbebas dari dari gejala heteroskedastisitas.
Dengan demikian dapat disimpulkan bahwa berdasarkan hasil pengamatan grafik dan uji statistik, model regresi yang digunakan dalam penelitian ini terbebas dari gejala heteroskedastisitas.
5.2.3 Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk mendeteksi adanya hubungan linier atau korelasi yang tinggi antara masing-masing variabel independen dalam model regresi. Indikasi adanya atau tidak adanya multikolinearitas dapat dilihat dari nilai Tolerance dan Variance Inflation Factor (VIF) yang dihasilkan model regresi, dimana hasilnya disajikan pada Tabel 5.4 berikut ini:
Tabel 5.4 Hasil Uji Statistik Multikolinearitas Model Regresi
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 9,024 ,422 21,394 ,000
Capital Adequacy Ratio -,008 ,004 -,041 -2,191 ,031 ,922 1,084 Beban Operasional terhadap
Pendapatan Operasional -,096 ,003 -,783 -31,168 ,000 ,523 1,910 Net Interest Margin ,240 ,017 ,316 13,998 ,000 ,647 1,546 Non Performing Loan -,028 ,030 -,020 -,929 ,356 ,735 1,360 Loan to Funding Ratio -,003 ,003 -,018 -,906 ,367 ,882 1,133 Giro Wajib Minimum -,003 ,005 -,010 -,509 ,612 ,794 1,259 a. Dependent Variable: Return On Assets
Sumber: Output SPSS
Seperti terlihat dalam Tabel 5.4, keenam variabel independen yang dimasukkan dalam model regresi memiliki nilai Tolerance yang mendekati 1 dan VIF < 10, yang berarti tidak ada hubungan multikolinearitas antar masing-masing variabel independen dalam model regresi. Dari tabel dapat disimpulkan bahwa nila Capital Adequacy Ratio, Beban Operasional terhadap Pendapatan Operasional, Net Interest Margin, Non Performing Loan, Loan to Funding Ratio, Giro Wajib Minimum dimana nilai Variance Inflation Factor (VIF) tidak lebih dari 10 (atau dibawah 10) dan nilai Tolerance tidak kurang dari 0,1 (diatas 0,1).
Berdasarkan uji multikolonearitas , output pada Coefficient terlihat bahwa :
1. Nilai TOL (Tolerance) variabel Capital Adequacy Ratio 0,922 dan VIF (Variance Infloating Factor) sebesar 1,084.
2. Nilai TOL (Tolerance) variabel Beban Operasional terhadap Pendapatan Operasional 0,523 dan VIF (Variance Infloating Factor) sebesar 1,910.
3. Nilai TOL (Tolerance) variabel Net Interest Margin 0,647 dan VIF (Variance Infloating Factor) sebesar 1,546.
4. Nilai TOL (Tolerance) variabel Non Performing Loan adalah sebesar 0,735 dan VIF (Variance Infloating Factor) sebesar 1,360.
5. Nilai TOL (Tolerance) variabel Loan to Funding Ratio 0,882 dan VIF (Variance Infloating Factor) sebesar 1,133.
6. Nilai TOL (Tolerance) variabel Giro Wajib Minimum 0,794 dan VIF (Variance Infloating Factor) sebesar 1,259.
Tabel 5.5 Hasil Uji Statistik Multikolinearitas Coefficient Corelations
Giro Wajib Minimum 2,685E-5 4,518E-7 2,714E-5 2,457E-6 1,541E-5 4,923E-6 Capital Adequacy Ratio 4,518E-7 1,285E-5 -3,683E-6 -2,626E-6 2,810E-6 2,215E-7 Net Interest Margin 2,714E-5 -3,683E-6 ,000 -6,262E-6 -5,195E-6 2,737E-5 Loan to Funding Ratio 2,457E-6 -2,626E-6 -6,262E-6 9,614E-6 2,927E-6 -5,387E-7 Non Performing Loan 1,541E-5 2,810E-6 -5,195E-6 2,927E-6 ,001 -3,782E-5 Beban Operasional
terhadap Pendapatan Operasional
4,923E-6 2,215E-7 2,737E-5 -5,387E-7 -3,782E-5 9,463E-6
a. Dependent Variable: Return On Assets
Sumber : output SPSS
Pendeteksian multikolinearitas juga dapat dilakukan dengan cara menganalisis Matrik Koefisien Korelasi (lihat Tabel 5.5). Melihat hasil besaran antar variabel independen tampak bahwa hanya variabel Beban Operasional terhadap Pendapatan Operasional dan Net Interest Margin yang memiliki korelasi yang cukup tinggi dengan tingkat korelasi 0,520 atau sekitar 52%. Oleh karena korelasi antar variabel tersebut masih di bawah 95%, maka dapat dikatakan tidak terjadi multikolinearitas.
5.2.4 Uji Autokorelasi
Uji autokorelasi (korelasi serial) digunakan untuk mengetahui ada tidaknya korelasi antara kesalahan pengganggu pada periode tertentu dengan kesalahan pengganggu periode sebelumnya. 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.
Tabel 5.6 Hasil Uji Statistik Autokorelasi Runs Test
Runs Test
Unstandardized Residual
Test Valuea ,01271
Cases < Test Value 50
Cases >= Test Value 50
Total Cases 100
Number of Runs 50
Z -,201
Asymp. Sig. (2-tailed) ,841
a. Median
Sumber : output SPSS
Pendeteksian melalui hasil uji Runs Test (lihat Tabel 5.6), yang menunjukkan bahwa tidak terdapat gejala autokorelasi (p-value = 0,841 > 0,05).
Dengan demikian dapat disimpulkan bahwa berdasarkan hasil regresi yang digunakan dalam penelitian ini, tidak terjadi pelanggaran asumsi autokorelasi.
5.3 Pengujian Hipotesis Pertama 5.3.1 Uji Regresi Berganda
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. Uji regresi berganda telah dilakukan untuk mengetahui seberapa besar nilai koefisien regresi dari variabel Capital Adequacy Ratio, Beban Operasional terhadap
Funding Ratio dan Giro Wajib Minimum yang diregresikan dengan Return On Assets.
Return On Assets = 9,024 – 0,008 Capital Adequacy Ratio – 0,096 Beban Operasional terhadap Pendapatan Operasional + 0,240 Net Interest Margin – 0,028 Non Performing Loan –0,003 Loan to Funding Ratio – 0,003 Giro Wajib Minimum
Tabel 5.7 Hasil Uji Statistik Regresi Berganda
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
T Sig.
B Std. Error Beta
1 (Constant) 9,024 ,422 21,394 ,000
Capital Adequacy Ratio -,008 ,004 -,041 -2,191 ,031 Beban Operasional terhadap Pendapatan
Operasional
-,096 ,003 -,783 -31,168 ,000
Net Interest Margin ,240 ,017 ,316 13,998 ,000
Non Performing Loan -,028 ,030 -,020 -,929 ,356
Loan to Funding Ratio -,003 ,003 -,018 -,906 ,367
Giro Wajib Minimum -,003 ,005 -,010 -,509 ,612
a. Dependent Variable: Return On Assets
Sumber : output SPSS
Persamaan regresi tersebut dapat diinterpretasikan sebagai berikut : 1. Konstanta (a= 9,024), mengindikasikan bahwa apabila semua
variabel independen diasumsikan konstan atau sama dengan nol maka Return On Assets adalah sebesar 9,024%.
2. Capital Adequacy Ratio (b = -0,008), mengindikasikan Capital Adequacy Ratio berpengaruh negatif terhadap Return On Assets
diikuti dengan penurunan Return On Assets sebesar -0,008%, dengan asumsi variabel independen lainnya dianggap konstan.
3. Beban Operasional terhadap Pendapatan Operasional (b= -0,096), mengindikasikan Beban Operasional terhadap Pendapatan Operasional berpengaruh negatif terhadap Return On Assets dan setiap kenaikan Beban Operasional terhadap Pendapatan Operasional sebesar 1% akan diikuti dengan penurunan Return On Assets sebesar -0,096%, dengan asumsi variabel independen lainnya dianggap konstan.
4. Net Interest Margin (b=0,240), mengindikasikan NIM berpengaruh positif terhadap Return On Assets dan setiap kenaikan NIM sebesar 1% akan diikuti dengan peningkatan Return On Assets sebesar 0,240%, dengan asumsi variabel independen lainnya dianggap konstan.
5. Non Performing Loan (b= -0,028), mengindikasikan Non Performing Loan berpengaruh negatif terhadap Return On Assets dan setiap kenaikan Non Performing Loan sebesar 1% akan diikuti dengan penurunan Return On Assets sebesar -0,028%, dengan asumsi variabel independen lainnya dianggap konstan.
6. Loan to Funding Ratio (b= -0,003), mengindikasikan Loan to Funding Ratio berpengaruh negatif terhadap Return On Assets dan setiap kenaikan Loan to Funding Ratio sebesar 1% akan diikuti dengan penurunan Return On Assets sebesar -0,003%, dengan asumsi variabel independen lainnya dianggap konstan.
7. Giro Wajib Minimum (b= -0,003), mengindikasikan Giro Wajib Minimum berpengaruh negatif terhadap Return On Assets dan setiap kenaikan Giro Wajib Minimum sebesar 1% akan diikuti dengan penurunan Return On Assets sebesar -0,003%, dengan asumsi variabel independen lainnya dianggap konstan.
Variabel independen yang paling besar pengaruhnya terhadap Return On Assets adalah Net Interest Margin, sedangkan variabel independen yang paling kecil pengaruhnya terhadap Return On Assets adalah Loan to Funding Ratio dan Giro Wajib Minimum.
5.3.2 Uji Koefisien Determinasi
Uji Koefisien Determinasi telah dilakukan untuk mengetahui seberapa besar kemampuan variabel independen (Capital Adequacy Ratio, Beban Operasional terhadap Pendapatan Operasional, Net Interest Margin, Non Performing Loan, Loan to Funding Ratio dan Giro Wajib Minimum ) yang dimasukkan dalam model regresi dapat menjelaskan variasi dalam variabel dependen, Return On Assets. Berdasarkan hasil uji koefisien determinasi (lihat Tabel 5.8), mengindikasikan adanya hubungan yang sangat kuat antara variabel independen (Capital Adequacy Ratio, Beban Operasional terhadap Pendapatan Operasional, Net Interest Margin, Non Performing Loan, Loan to Funding Ratio dan Giro Wajib Minimum) dengan variabel Return On Assets (R = 0,985 > 50%).
Seperti terlihat pada Tabel 5.8, nilai koefisien determinasi (R Square = R2) dari model regresi adalah sebesar 0,969, menunjukkan bahwa sekitar 96,9%
variasi dalam Return On Assets dijelaskan oleh kombinasi dari Capital Adequacy
Ratio, Beban Operasional terhadap Pendapatan Operasional, Net Interest Margin, Non Performing Loan, Loan to Funding Ratio dan Giro Wajib Minimum yang dimasukkan ke dalam model regresi sedangkan sisanya sebesar 3,1% dijelaskan oleh variabel lainnya yang tidak dimasukkan dalam model penelitian ini.
Tabel 5.8 Hasil Uji statistik Koefisien Determinasi
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 ,985a ,969 ,967 ,26842
a. Predictors: (Constant), Giro Wajib Minimum, Capital Adequacy Ratio, Net Interest Margin, Loan to Funding Ratio, Non Performing Loan, Beban Operasional terhadap Pendapatan Operasional
Sumber : Output SPSS
5.3.3 Uji Statistik Simultan (Uji F)
Uji Simultan bertujuan untuk menguji signifikansi pengaruh semua variabel independen yang dimasukkan dalam model secara simultan terhadap variabel dependen. Uji Simultan (Uji Statistik F) telah dilakukan untuk menguji pengaruh variabel Capital Adequacy Ratio, Beban Operasional terhadap Pendapatan Operasional, Net Interest Margin, Non Performing Loan, Loan to Funding Ratio dan Giro Wajib Minimum secara simultan terhadap Return On Assets sebagai proksi dari kinerja keuangan perbankan pada periode 2011-2015.
Hasil uji statistik F (lihat Tabel 5.9) menunjukkan bahwa kombinasi dari keenam variabel independen (Capital Adequacy Ratio, Beban Operasional terhadap Pendapatan Operasional, Net Interest Margin, Non Performing Loan, Loan to Funding Ratio dan Giro Wajib Minimum) signifikan secara statistik dalam memprediksi Return On Assets, p-value = 0,00 < α 0,05. Dari Tabel 5.9
diketahui bahwa secara keseluruhan model regresi cocok dengan data dalam memprediksi Return On Assets, F hitung = 489,53 (df1 = 6, df2 = 93) > F tabel = 2,19. Dari hasil Uji Statistik F, dapat disimpulkan bahwa Capital Adequacy Ratio, Beban Operasional terhadap Pendapatan Operasional, Net Interest Margin, Non Performing Loan, Loan to Funding Ratio dan Giro Wajib Minimum secara simultan berpengaruh signifikan terhadap Return On Assets.
Tabel 5.9 Hasil Uji Statistik Simultan
Model Sum of Squares Df Mean Square F Sig.
1 Regression 211,619 6 35,270 489,535 ,000b
Residual 6,700 93 ,072
Total 218,320 99
Sumber: Output SPSS
5.3.4 Uji Statistik Parsial (Uji t)
Uji Parsial bertujuan untuk menguji signifikansi pengaruh variabel independen secara individual dalam menjelaskan variasi dalam variabel dependen.
Uji Parsial (Uji Statistik t) telah dilakukan untuk menguji pengaruh variabel Capital Adequacy Ratio, Beban Operasional terhadap Pendapatan Operasional, Net Interest Margin, Non Performing Loan, Loan to Funding Ratio dan Giro Wajib Minimum secara parsial terhadap Return On Assets sebagai proksi dari kinerja keuangan perbankan pada periode 2011-2015. Hasil uji statistik t ditampilkan pada Tabel 5.10 berikut ini:
Tabel 5.10 Hasil Uji Statistik Parsial
Model t Sig. Keterangan
(Constant) 21,394 ,000
Capital Adequacy Ratio -2,191 ,031 Signifikan (p < 0,05) Beban Operasional terhadap
Pendapatan Operasional
-31,168 ,000 Signifikan (p < 0,05) Net Interest Margin 13,998 ,000 Signifikan (p < 0,05) Non Performing Loan -,929 ,356 Tidak Signifikan (p > 0,05) Loan to Funding Ratio -,906 ,367 Tidak Signifikan (p > 0,05) Giro Wajib Minimum -,509 ,612 Tidak Signifikan (p > 0,05)
Sumber: Output SPSS
Hasil uji Statistik parsial (t) dalam Tabel 5.10 dapat diinterpretasikan sebagai berikut:
1. Capital Adequacy Ratio memiliki nilai t hitung sebesar -2,191 dengan p-value sebesar 0,031, mengindikasikan bahwa Capital Adequacy Ratio berpengaruh negatif dan signifikan secara statistik dalam memprediksi Return On Assets, karena nilai absolut t hitung > t tabel
1. Capital Adequacy Ratio memiliki nilai t hitung sebesar -2,191 dengan p-value sebesar 0,031, mengindikasikan bahwa Capital Adequacy Ratio berpengaruh negatif dan signifikan secara statistik dalam memprediksi Return On Assets, karena nilai absolut t hitung > t tabel