Institut Pertanian Bogor
III. METODE PENELITIAN
3.2. Pengumpulan Data
Data yang digunakan berupa data sekunder yang dipublikasikan oleh Bank Mutiara dan literatur-literatur terkait dengan Bank Mutiara. Data sekunder tersebut berupa hasil perhitungan rasio keuangan Bank Mutiara dari laporan keuangan triwulan triwulan I tahun 2006 sampai triwulan III tahun 2011. Data penelitian disajikan dalam bentuk time series (antar waktu). 3.3. Pengolahan dan Analisis Data
Metode analisa data yang digunakan pada penelitian ini adalah analisis regresi komponen utama. Metode regresi merupakan analisis metode statistika inferensia yang berkaitan dengan analisis data untuk peramalan dan atau penarikan kesimpulan serta memberikan dasar terhadap analisis ragam. Sedangkan, analisis regresi komponen utama pada dasarnya mentransformasi peubah-peubah baru yang orthogonal dan tidak berkorelasi. Namun, sebelum dilakukan analisis regresi komponen utama, dilakukan uji asumsi klasik dan pengujian hipotesis. Sedangkan, untuk melihat kecenderungan penurunan, atau peningkatan masing-masing rasio, digunakan analisis trend. Data yang digunakan dalam menunjang penelitian ini adalah data time series CAR,
CAR
NIM NPL
LDR BOPO
NPL, BOPO, NIM, ROA dan LDR triwulan. Pengolahan data menggunakan
software Minitab 14. 3.3.1 Analisis Trend
Analisis trend dihitung dengan menentukan tahun dasar sebagai pembanding, kemudian dicari angka indeksnya. Rumus untuk mencari Angka Indeks (Kasmir, 2008) adalah :
Angka Indeks = Tahun Pembanding x 100%...(8) Tahun Dasar
Pengolahan analisis trend menggunakan software Minitab 14. Pemilihan model pada analisis trend (Linear, Quadratic, Exponential Growth dan S-Curve) didasarkan pada nilai error MSD, MAD dan MAPE terkecil. Semakin kecil nilai pada MSD, MAD dan MAPE, memperlihatkan tingkat error yang semakin rendah (Santoso, 2009). 3.3.2 Uji Asumsi Klasik
Sebelum melakukan pengujian hipotesis, terlebih dahulu dilakukan pengujian asumsi klasik terhadap data penelitian yang meliputi pengujian normalitas data, multikolinieritas, heteroskedasitisitas dan autokorelasi.
a. Pengujian Normalitas Data
Pengujian normalitas data dilakukan untuk menguji apakah dalam model regresi, peubah bebas dan terikat mempunyai distribusi normal, atau tidak. Jika terjadi penyimpangan terhadap asumsi distribusi normalitas, maka masih tetap menghasilkan penduga koefisien regresi linear, tidak berbias dan terbaik. Penyimpangan asumsi normalitas ini akan semakin kecil pengaruhnya, apabila jumlah contoh diperbesar. Salah satu penyelesaiannya adalah dengan cara mengubah bentuk nilai peubah yang semula yang nilainya absolut ditransformasikan menjadi bentuk lain (kuadratik, respirokal, dan lain sebagainya), sehingga distribusi menjadi normal.
Pengujian normalitas ini akan dilakukan dengan uji statistik non parametrik Kolmogorov–Smirnov (K–S). Untuk melihat apakah suatu data mempunyai distribusi normal, maka kriteria pengujiannya adalah :
1) Jika taraf nyata > 0,05, maka data berdistribusi normal
2) Jika taraf nyata < 0,05, maka data tidak mempunyai distribusi normal
b. Pengujian Multikolinearitas
Pengujian multikolinearitas ini bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar peubah bebas. Model regresi yang baik seharusnya tidak terjadi korelasi antara peubah bebas. Pengujian multikolinearitas pada penelitian ini dilakukan dengan Uji Collinearity Statistic. Dalam melakukan uji multikolinearitas harus diketahui terlebih dahulu Variance Inflation Factor (VIF).
Pedoman pengambilan keputusan sebagai berikut :
1) Jika VIF > 10, maka artinya terdapat persoalan multikolinearitas di antara peubah bebas.
2) Jika VIF < 10, maka tidak terdapat persoalan multikolinearitas di antara peubah bebas.
c. Pengujian Heteroskesdastisitas
Uji ini bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan ragam dari sisa satu (1) pengamatan ke pengamatan yang lain. Model regresi yang baik adalah yang homokesdasitas, atau tidak terjadi heteroskedasitas. Deteksi dapat dilakukan dengan menggunakan uji metode grafis dan statistik. Metode grafis, yaitu melihat ada tidaknya pola tertentu yang tergambar pada scatterplot. Sedangkan, metode statistik dengan metode Glejser, metode Park, metode White, metode Rank Spearman dan metode Bresch-Pagan- Godfrey (BPG).
Penelitian ini menggunakan metode Bresch-Pagan-Godfrey
(α=5%), maka model persamaan regresi yang terbentuk tidak terjadi gejala heterokesdastisitas, atau model dinyatakan homoskedastisitas. d. Pengujian Autokorelasi
Menguji autokorelasi dalam suatu model bertujuan mengetahui ada tidaknya korelasi antara peubah pengganggu (et) pada periode
tertentu dengan peubah pengganggu periode sebelumnya (et-1).
Cara mendeteksi autokorelasi dapat dilakukan dengan uji Durbin Watson. Model regresi linear berganda terbebas dari autokorelasi, jika nilai Durbin Watson hitung terletak di daerah No Autocorelation, yaitu mendekati atau di sekitar angka dua (2). Penentuan letak tersebut dibantu dengan tabel dl dan du, dengan nilai k (jumlah peubah bebas).
3.3.3 Regresi Komponen Utama
Analisis komponen utama pada dasarnya mentransformasi peubah-peubah bebas yang berkorelasi menjadi peubah-peubah baru yang orthogonal dan tidak berkorelasi. Analisis ini bertujuan untuk menyederhanakan peubah-peubah yang diamati dengan mereduksi dimensinya. Hal ini dilakukan dengan menghilangkan korelasi di antara peubah melalui transformasi peubah asal ke peubah baru (komponen utama) yang tidak berkorelasi (Ulpah, 2006). Terdapat dua (2) peubah dalam penelitian ini, yaitu :
1. Peubah bebas adalah peubah yang mempengaruhi peubah lain. Peubah bebas tersebut adalah :
a. X1 :CAR
b. X2 : NPL
c. X3 : NIM
d. X4 : BOPO
e. X5 : LDR
2. Peubah terikat adalah peubah yang memberikan respon jika dihubungkan dengan peubah bebas. Peubah terikat dalam penelitian ini adalah ROA.
Model regresi linear berganda dengan satu peubah terikat (��) dan lima (5) peubah bebas (X) adalah :
�� = a + b1 X1 + b2 X2 + b3 X3 + b4 X4 +b5 X5 dimana : �� : ROA X1 : CAR X2 : NPL X3 : NIM X4 : BOPO X5 : LDR a : Konstanta b : Koefisien regresi 3.3.4 Pengujian Hipotesis
Hipotesis merupakan pernyataan atau dugaan mengenai satu atau lebih populasi. Hipotesis dalam penelitian ini terdiri dari :
Ho1 : CAR tidak berpengaruh positif terhadap ROA
Ha1 : CAR berpengaruh positif terhadap ROA
Ho2 : NPL tidak berpengaruh negatif terhadap ROA
Ha2 : NPL berpengaruh negatif terhadap ROA
Ho3 : NIM tidak berpengaruh positif terhadap ROA
Ha3 : NIM berpengaruh positif terhadap ROA
Ho4 : BOPO tidak berpengaruh negatif terhadap ROA
Ha4 : BOPO berpengaruh negatif terhadap ROA
Ho5 : LDR tidak berpengaruh positif terhadap ROA