Pengujian Hipotesis Penelitian - Analisis Hasil Penelitian

BAB IV HASIL PENELITIAN

B. Analisis Hasil Penelitian

2. Pengujian Hipotesis Penelitian

Berdasarkan hipotesis yang telah diajukan maka model penelitian ini adalah model pengujian regresi sederhana :

a. Untuk melihat pengaruh langsung antara likuiditas perbankan terhadap tingkat suku bunga deposito berjangka digunakan model :

Sk. DB= a+ b( L )+ e

b. Untuk melihat pengaruh tidak langsung antara likuiditas perbankan terhadap tingkat suku bunga deposito berjangka dengan dimediasi oleh tingkat diskonto SBI, digunakan model :

Keterangan :

Sk. DB = tingkat suku bunga deposito berjangka 3 bulan a = konstanta

b = koefisien regresi likuiditas e = error

L = Likuiditas perbankan

Tk. SBI = Tingkat diskonto SBI 3 bulan

.F. Jadwal Penelitian

Adapun jadwal penelitian yang direncanakan adalah sebagai berikut :

Tahapan

Penelitian Sep-10 Feb-11 Mar-11 Apr-11 Mei- 2011 Jun-11

Minggu ke 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 Pengajuan Proposal Skripsi Bimbingan Proposal Skripsi Seminar Proposal Skripsi Pengumpulan dan Pengolahan Data Bimbingan Skripsi Penyelesaian Laporan Penelitian Ujian Meja

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

A. Data Penelitian

Data yang digunakan di dalam penelitian ini diperoleh dengan metode dokumentasi, yaitu mengumpulkan, mencatat, dan mengkaji data sekunder yang berupa laporan posisi likuiditas perbankan , laporan tingkat diskonto SBI, serta laporan tingkat suku bunga deposito berjangka bank- bank umum yang terdaftar di Perpustakaan Bank Indonesia atau melalui website www.bi.go.id. Analisis data dimulai dengan mengolah data dengan menggunakan Microsoft Excel, dan selanjutnya dilakukan pengujian asumsi klasik, (uji normalitas, autokoreasi, dan heterokedastisitas ), dan pengujian hipotesis ( uji regresi linear sederhana )dengan menggunakan software SPSS versi 17. Proses analisis data dimulai dengan memasukkan setiap variabel – variabel penelitian ke program SPSS dan menghasilkan output- output sesuai dengan metode analisis data yang telah ditentukan. Adapun sampel yang diperoleh adalah sebanyak 1 sampel , yaitu bank umum dengan jumlah tahun pengamatan selama 3 tahun ( berupa laporan likuiditas perbankan, laporan tingkat diskonto SBI, dan laporan tingkat suku bunga deposito berjangka yang disajikan dalam periode mingguan ), sehingga jumlah pengamatan data yang diperoleh adalah 104 unit analisis.

B. Analisis Hasil Penelitian

1. Pengujian Data

1.1. Hasil penelitian untuk menguji pengaruh likuiditas perbankan terhadap tingkat diskonto SBI menggunakan uji asumsi klasik yang terdiri dari uji normalitas, uji autokorelasi, uji heterokedastisitas.

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah model regresi variable residual atau eror memiliki distribusi normal. Ada beberapa cara untuk melihat apakah variable pengganggu memiliki distribusi normal atau tidak, yaitu dengan menggunakan analisis grafik dan uji statistik dan uji statistik non parametrik kolmogorov smirnov. Untuk mengetahui apakah data terdistribusi secara normal atau tidak lewat uji Kolmogorov Smirnov, haruslah diperhatikan terlebih dahulu nilai signifikansi dari tabel tersebut. Apabila nilai signifikansi lebih besar dari 0,05 maka Ho diterima, sedangkan jika nilai signifikansi lebih kecil dari 0,05 maka H0 ditolak.

Adapun hasil uji normalitas pertama sekali yang diperoleh penulis menunjukkan bahwa data statistik yang telah diolah tidak terdistribusi secara normal. Hal tersebut terlihat dari tabel nilai kolmogorov- smirnov seperti di bawah ini :

Tabel 4.1

One-Sample Kolmogorov-Smirnov Test

Tk. Sbi likuiditas

N 104 104

Normal Parameters^a,,b Mean 7.996788% 34970.25

Std. Deviation 1.9271858% 18247.010

Most Extreme Differences Absolute .179 .230

Positive .108 .133

Negative -.179 -.230

Kolmogorov-Smirnov Z 1.822 2.343

Asymp. Sig. (2-tailed) .003 .000

a. Test distribution is Normal.

b. Calculated from data.

Sumber : Hasil Pengolahan SPSS ( 2011

Dari tabel kolmogorov- smirnov ini, dapat diketahui bahwa data tidaklah terdistribusi secara normal dikarenakan nilai signifikansi tabel tidak lebih dari 0.05 .Agar data yang digunakan di dalam penelitian ini terdistribusi secara normal, peneliti melakukan transformasi data secara keseluruhan pada masing – masing variabel, dan mendapatkan hasil seperti berikut:

Tabel 4.2.

Hasil Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual N 102 Normal Parameters a,,b Mean .0000000 Std. Deviation .18028758 Most Extreme Differences Absolute .113 Positive .113 Negative -.066 Kolmogorov-Smirnov Z 1.144

Asymp. Sig. (2-tailed) .146

a. Test distribution is Normal.

b. Calculated from data.

Sumber : Hasil Pengolahan SPSS ( 2011 )

Dari hasil pengolahan data tersebut, diperoleh besarnya nilai kolmogorov smirnov adalah 1.144 dengan tingkat signifikansi pada 0.146. Hal ini menunjukkan bahwa H0 diterima , yang berarti data residual terdistribusi secara normal. Data residual terdistribusi secara normal apabila tingkat signifikansi lebih besar dari 0.05. Untuk melihat lebih lanjut mengenai uji normalitas data ini, peneliti turut melampirkan grafik histogram dan plot yang terdistribusi secara normal.

Gambar 4.1 Histogram

Sumber : Hasil Pengolahan SPSS ( 2011 )

Dari tampilan grafik histogram yang telah ditampilkan, dapat disimpulkan bahwa grafik histogram memberikan pola distribusi yang normal, atau dengan kata lain grafik histogram tersebut tidak menceng ke kiri ataupun ke kanan. Berikut tampilan terakhir dari uji normalitas dalam bentuk scatterplot yang terdistribusi normal :

Gambar 4.2. Normal P- Plot

Sumber : Hasil Pengolahan SPSS ( 2011)

b. Uji heterokedastisitas

Menurut Gozali ( 2006 ), uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual pengamatan ke pengamatan yang lain.

Dasar analisis yang digunakan di dalam uji heterokedastisitas adalah dengan memperhatikan pola- pola seperti tiik yang membentuk pola teratur atau menyebar. Jika pola – pola yang seperti titik tersebut membentuk pola yang teratur maka diindikasikan terjadi heterokedastisitas, dan sebaliknya jika tidak

terdapat pola- pola titik yang tidak teratur, diindikasikan tidak terjadi heterokedastisitas.

Gambar 4.3

Scatterplot

Sumber : Hasil Pengolahan SPSS ( 2011 )

Dari grafik scatterplot tersebut, dapat terlihat bahwa titik – titik menyebar secara acak baik di atas maupun di bawah nol pada sumbu Y. Hal ini dapat peneliti simpulkan bahwa tidak terjadi gejala heterokedastisitas pada model regresi ini.

c. Uji Autokorelasi

Uji korelasi bertujuan untuk menguji ada atau tidak korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1.

Untuk melihat adanya gejala autokorelasi atau tidak, peneliti menggunakan uji Durbin Watson.

Hasil pengujian untuk autokorelasi dapat ditampilkan sebagai berikut

Tabel 4.3. Model Summary^b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .282^a .080 .071 .18119 .078

a. Predictors: (Constant), LN_LIKUIDITAS

b. Dependent Variable: LN_TK.SBI

Sumber : Hasil Pengolahan SPSS ( 2011 )

Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson sebesar 0.078. Nilai ini kemudian dibandingkan dengan nilai table Durbin Watson yang menggunakan nilai signifikansi 5 % dengan jumlah sampel 104 dan jumlah variable independen sebanyak 1 variabel. Pada table nilai Durbin Watson didapat nilai batas atas 1.694. Mengacu pada ketentuan yang telah ada sebelumnya, dapat dikatakan bahwa di dalam penelitian ini tidak terdapat autokorelasi karena nilai DW sebesar 0.078 lebih kecil dari batas atas nilai tabel DW yaitu sebesar 1.694

Hasil penelitian untuk menguji pengaruh antara tingkat diskonto SBI terhadap tingkat suku bunga deposito berjangka menggunakan uji asumsi klasik yang terdiri dari uji normalitas, uji heterokedastisitas, uji autokorelasi.

One-Sample Kolmogorov-Smirnov Test

LN_TK.SBI

LN_TK.DEPOSIT OBERJANGKA

N 103 91

Normal Parameters^a,,b Mean 2.0339 -2.6524

Std. Deviation .50860 .09676

Most Extreme Differences Absolute .345 .161

Positive .211 .161

Negative -.345 -.111

Kolmogorov-Smirnov Z 3.498 1.538

Asymp. Sig. (2-tailed) .000 .018

a. Test distribution is Normal.

b. Calculated from data.

Sumber : Hasil Pengolahan SPSS ( 2011 )

Tabel 4.5

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 91

Normal Parameters^a,,b Mean .0000000

Std. Deviation .05762700

Most Extreme Differences Absolute .127

Positive .097

Negative -.127

Kolmogorov-Smirnov Z 1.209

Asymp. Sig. (2-tailed) .107

a. Test distribution is Normal. b. Calculated from data.

Sumber : Hasil Pengolahan SPSS ( 2011 )

Dari hasil pengolahan data tersebut, diperoleh besarnya nilai kolmogorov smirnov adalah 1.209 dengan tingkat signifikansi pada 0.107. Hal ini menunjukkan bahwa H0 diterima , yang berarti data residual terdistribusi secara normal. Data residual terdistribusi secara normal apabila tingkat signifikansi lebih besar dari 0.05. Untuk melihat lebih lanjut mengenai uji normalitas data ini, peneliti turut melampirkan grafik histogram dan plot yang terdistribusi secara normal.

Gambar 4.4. Histogram

Sumber : Hasil Pengolahan SPSS ( 2011 )

Gambar 4.5 Normal P- Plot

Sumber : Hasil Pengolahan SPSS ( 2011 )

b. Uji heterokedastisitas

Menurut Gozali ( 2006 ), uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual pengamatan ke pengamatan yang lain.

teratur maka diindikasikan terjadi heterokedastisitas, dan sebaliknya jika tidak terdapat pola- pola titik yang tidak teratur, diindikasikan tidak terjadi heterokedastisitas.

Gambar 4.6. Scatterplot

Sumber : Hasil Olahan Penulis ( 2011 )

c. Uji Autokorelasi

Uji korelasi bertujuan untuk menguji ada atau tidak korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1. Untuk melihat adanya gejala autokorelasi atau tidak, peneliti menggunakan uji Durbin Watson.

Hasil pengujian untuk autokorelasi dapat ditampilkan sebagai berikut

Tabel 4.6. Model Summary^b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .803^a .645 .641 .05795 .099

a. Predictors: (Constant), LN_TK.SBI

b. Dependent Variable: LN_TK.DEPOSITOBERJANGKA

Sumber : Hasil Pengolahan SPSS ( 2011 )

Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson sebesar 0.099. Nilai ini kemudian dibandingkan dengan nilai table Durbin Watson yang menggunakan nilai signifikansi 5 % dengan jumlah sampel 104 dan jumlah variable independen sebanyak 1 variabel. Pada table nilai Durbin Watson didapat nilai batas atas 1.694. Mengacu pada ketentuan yang telah ada sebelumnya, dapat dikatakan bahwa di dalam penelitian ini tidak terdapat autokorelasi karena nilai DW sebesar 0.099 lebih kecil dari batas atas nilai tabel DW yaitu sebesar 1.694

1.3 Hasil penelitian untuk menguji pengaruh antara likuiditas perbankan terhadap tingkat suku bunga deposito berjangka menggunakan uji asumsi klasik yang terdiri dari uji normalitas, uji heterokedastisitas, uji autokorelasi.

a. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah model regresi variable residual atau eror memiliki distribusi normal. Ada beberapa cara untuk melihat apakah variable pengganggu memiliki distribusi normal atau tidak, yaitu dengan menggunakan uji statistik non parametrik kolmogorov-smirnov analisis grafik dan uji statistik. Berikut ini disajikan tabel kolmogorov- smirnov untuk melihat apakah data terdistribusi secara normal atau tidak. Adapun hasil uji normalitas pertama sekali yang diperoleh penulis menunjukkan bahwa data statistik yang telah diolah tidak terdistribusi secara normal. Hal tersebut terlihat dari tabel nilai kolmogorov- smirnov seperti di bawah ini :

Tabel 4.7.

One-Sample Kolmogorov-Smirnov Test

likuiditas

tk.deposito berjngka

N 104 104

Normal Parameters^a,,b Mean 34970.25 .06196

Std. Deviation 18247.010 .024400

Most Extreme Differences Absolute .230 .356

Positive .133 .192

Negative -.230 -.356

Kolmogorov-Smirnov Z 2.343 3.631

Asymp. Sig. (2-tailed) .000 .000

a. Test distribution is Normal.

b. Calculated from data.

Sumber : Hasil Pengolahan SPSS ( 2011 )

Tabel 4.8.

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual N 91 Normal Parameters^a,,b Mean .0000000 Std. Deviation .08697117 Most Extreme Differences Absolute .124 Positive .124 Negative -.074 Kolmogorov-Smirnov Z 1.182

Asymp. Sig. (2-tailed) .122

a. Test distribution is Normal.

b. Calculated from data.

Sumber : Hasil Pengolahan SPSS ( 2011 )

Dari hasil pengolahan data tersebut, diperoleh besarnya nilai kolmogorov -smirnov adalah 1.182 dengan tingkat signifikansi pada 0.122. Hal ini menunjukkan bahwa H0 diterima , yang berarti data residual terdistribusi secara normal. Data residual terdistribusi secara normal apabila tingkat signifikansi lebih besar dari 0.05. Untuk melihat lebih lanjut mengenai uji normalitas data ini, peneliti turut melampirkan grafik histogram dan plot yang terdistribusi secara normal.

Gambar 4.7.

Histogram

Sumber : Hasil Pengolahan SPSS ( 2011 )

Gambar 4.8. Normal P- Plot

Sumber : Hasil Pengolahan SPSS ( 2011 )

b. Uji heterokedastisitas

terdapat pola- pola titik yang tidak teratur, diindikasikan tidak terjadi heterokedastisitas. Berikut ini adalah tampilan dari uji heterokedastisitas,

Gambar 4.9. Scatterplot

Sumber : Hasil Pengolahan SPSS ( 2011 )

c. Uji autokorelasi

Uji korelasi bertujuan untuk menguji ada atau tidak korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada

periode t-1. Untuk melihat adanya gejala autokorelasi atau tidak, peneliti menggunakan uji Durbin Watson.

Hasil pengujian untuk autokorelasi dapat ditampilkan sebagai berikut

Tabel 4.9. Model Summary^b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .438^a .192 .183 .08746 .163

a. Predictors: (Constant), LN_LIKUIDITAS

b. Dependent Variable: LN_TK.DEPOSITOBERJANGKA

Sumber : Hasil Pengolahan SPSS ( 2011 )

Hasil uji autokorelasi di atas menunjukkan nilai statistik Durbin Watson sebesar 0.163. Nilai ini kemudian dibandingkan dengan nilai table Durbin Watson yang menggunakan nilai signifikansi 5 % dengan jumlah sampel 104 dan jumlah variable independen sebanyak 1 variabel. Pada table nilai Durbin Watson didapat nilai batas atas 1.694. Mengacu pada ketentuan yang telah ada sebelumnya, dapat dikatakan bahwa di dalam penelitian ini tidak terdapat autokorelasi karena nilai DW sebesar 0.163 lebih kecil dari batas atas nilai tabel DW yaitu sebesar 1.694.

2. Pengujian Hipotesis

Pengujian ini bertujuan untuk melihat pengaruh antara variabel independen ( likuiditas perbankan ) terhadap variabel dependen ( tingkat suku bunga deposito berjangka ) dengan tingkat diskonto SBI sebagai variabel intervening. Variabel

intervening ini diuji dengan menggunakan metode analisis jalur ( path analysis ). Analisis jalur merupakan suatu perluasan dari analisis regresi linear.

Pengujian hipotesis dalam penelitian ini dilakukan dengan metode regresi linear sederhana dan cukup dengan melihat tabel coefficients beserta nilai signifikansi yang digunakan, yaitu 0,05 (5%). Apabila tingkat signifikansi < 0,05, maka Ha diterima, jika tingkat signifikansi > 0,05, maka Ha tidak dapat diterima. Hasil uji regresi linear sederhana untuk persamaan (1) ditampilkan sebagai berikut : Tabel 4.10 Coefficients^a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1(Constant) 1.234 .288 4.282 .000 LN_LIKUIDITAS .082 .028 .282 2.944 .004

a. Dependent Variable: LN_TK.SBI

Sumber : Hasil Pengolahan SPSS ( 2011 )

Dari pengujian dengan regresi linear sederhana tersebut, peneliti membuat suatu persamaan regresi, yaitu :

Y = 1,234+0,082X1+e

Hasil pengujian hipotesis yang ditemukan dari persamaan tersebut adalah :

Ha1 : Likuiditas perbankan berpengaruh signifikan dan secara langsung terhadap tingkat suku bunga deposito berjangka. Berdasarkan tabel,

hasil output SPSS memberikan nilai standardized beta LN_likuiditas pada persamaan (1) sebesar 0,282 pada nilai signifikansi 0,004

Hasil uji regresi linear sederhana untuk persamaan (2) adalah sebagai berikut :

Tabel 4.11. Coefficients^a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) -3.926 .114 -34.474 .000 LN_LIKUIDITAS .044 .011 .248 4.120 .000 LN_TK.SBI .388 .032 .739 12.293 .000

a. Dependent Variable: LN_TK.DEPOSITOBERJANGKA

Sumber Hasil Pengolahan SPSS ( 2011 )

Dari pengujian dengan regresi linear sederhana tersebut, peneliti membuat suatu persamaan regresi, yaitu :

Y = -3,926+ 0,044X1+0,388X2+e

Hasil pengujian hipotesis yang ditemukan dari persamaan tersebut adalah : Ha2 : Likuiditas perbankan berpengaruh signifikan terhadap tingkat suku

bunga deposito berjangka dengan tingkat diskonto SBI sebagai variabel intervening. Berdasarkan tabel, hasil output SPSS pada persamaan (2) memberikan nilai standardized beta LN_likuiditas sebesar 0,248, dan LN_Tk.SBI memiliki nilai 0,739 masing – masing pada nilai signifikansi 0,000. Hasil analisis jalur menunjukkan bahwa likuiditas perbankan dapat berpengaruh langsung ke tingkat suku

bunga deposito berjangka dan juga dapat berpengaruh secara tidak langsung yaitu dari likuiditas perbankan ke tingkat diskonto SBI lalu ke tingkat suku bunga deposito berjangka.

Dalam dokumen Pengaruh Likuiditas Perbankan Terhadap Tingkat Diskonto Dan Dampaknya Pada Tingkat Suku Bunga Deposito Berjangka (Halaman 40-66)