HASIL PENELITIAN DAN PEMBAHASAN
4.1.4. PT. Bank Tabungan Negara (BBTN)
Banyak kejadian bernilai sejarah sejak tahun 1950 tetapi yang paling subjektif bagi sejarah BTN adalah dikeluarkannya UU Darurat No.9 Tahun 1950 tanggal 9 Februari 1950 yang mengubah nama “POSTSPAARBANK IN INDONESIA”. Berdasarkan staatsblat No. 295 Tahun 1941 menjadi BANK TABUNGAN POS dan memindahkan induk kementrian dari Kementrian Perhubungan ke Mentrian Keuangan di bawah Mentri Urusan Bank Sentral. Walaupun dengan UU Darurat tersebut, tanggal 9 Februari 1950 ditetapkan sebagai Hari dan Tanggal Lahir Bank Tabungan Negara. Perubahan nama dari nama Bank Tabungan Pos menjadi Bank Tabungan Negara didasarkan pada PERPU No.4 Tahun 1963 tanggal 22 Juni 1963 yang kemudian dikuatkan dengan UU No.2 Tahun 1964 tanggal 25 Mei 1964.
4.2 Hasil Penelitian 4.2.1. Statistik Deskriptif
Statistik Deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penelitian. Tujuannya adalah untuk memudahkan orang untuk membaca data serta memahami maksudnya. Berikut ini merupakan output SPSS versi 17, yang merupakan keseluruhan data yang digunakan dalam penelitian ini. Hasil olahan data SPSS dalam bentuk deskriptif statistik akan menampilkan karakteristik sampel yang digunakan
didalam penelitian ini meliputi: jumlah sampel (N), rata-rata sampel (mean),
minimum dan maksimum serta standar deviasi (σ) untuk masing-masing variabel. Deskripsi dalam penelitian ini meliputi 7 variabel, yaitu Biaya Operasional terhadap Pendapatan Operasional (BOPO), Non Performing Loan (NPL), Capital Adequecy Ratio (CAR), Loan to Deposit Ratio (LDR), Net Interest Margin (NIM), Bank Size dan Return on Asset (ROA) yang disajikan dalam Tabel 4.1. berikut:
Tabel 4.1
Deskriptif Variabel Penelitian Bank BUMN (Persero) di Indonesia
N Minimum Maximum Mean Std. Deviation
BOPO 32 59.93 93.04 75.0822 8.98776 NPL 32 .36 4.01 1.7534 1.14965 CAR 32 13.20 22.91 16.4369 2.26087 LDR 32 54.30 108.86 81.3516 15.40198 NIM 32 4.47 10.86 6.5134 1.83856 BANKSIZE 32 24.40 27.47 26.2756 .83736 ROA 32 .85 5.15 2.9891 1.24501 Valid N (listwise) 32
Sumber: Hasil Penelitian, 2015 (Data Diolah)
Berdasarkan Tabel 4.1 menunjukkan bahwa jumlah data yang dugunakan dalam penelitian ini adalah sebanyak 32 sampel data yang diambil dari laporan keuangan publikasi tahunan Bank Badan Usaha Milik Negara (Persero) periode 2007 hingga 2014.
a. Variabel BOPO memiliki nilai minimum 59,93, nilai maksimum 93,04, rata-rata BOPO 75,0822 dan standar deviasi sebesar 8,98776 dengan jumlah amatan sebanyak 32.
b. Variabel NPL memiliki nilai minimum 0,36, nilai maksimum 4,01, rata-rata NPL 1,7534 dan standar deviasi sebesar 1,14965 dengan jumlah amatan sebanyak 32.
c. Variabel CAR memiliki nilai minimum 13,20, nilai maksimum 22,91, rata-rata CAR 1,7534 dan standar deviasi sebesar 1,14965 dengan jumlah amatan sebanyak 32.
d. Variabel LDR memiliki nilai minimum 54,30, nilai maksimum 108,86, rata-rata LDR 81,3516 dan standar deviasi sebesar 15,40198 dengan jumlah amatan sebanyak 32.
e. Variabel NIM memiliki nilai minimum 4,47, nilai maksimum 10,86, rata-rata NIM 6,5134 dan standar deviasi sebesar 1,83856 dengan jumlah amatan sebanyak 32.
f. Variabel Bank Size memiliki nilai minimum 24,40, nilai maksimum 27,47, rata-rata Bank Size 26,2756 dan standar deviasi sebesar 0,83736 dengan jumlah amatan sebanyak 32.
g. Variabel ROA memiliki nilai minimum 0,85, nilai maksimum 5,15, rata-rata ROA 2,9891 dan standar deviasi sebesar 1,24501 dengan jumlah amatan sebanyak 32.
Semakin besar nilai standar deviasi maka semakin besar kemungkinan nilai riil menyimpang dari yang diharapkan. Dalam kasus seperti ini, dimana nilai mean masing-masing variabel lebih kecil dari pada standar deviasinya, biasanya didalam data terdapat outlier (data yang terlalu ekstrim). Outlier adalah data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari
observasi-observasi lainnya dan muncul dalam bentuk nilai ekstrim. Data-data outlier tersebut biasanya akan mengakibatkan tidak normalnya distribusi data. Berdasarkan hasil uji statistik deskriptif terdapat diperoleh standar deviasi yang jauh lebih kecil dari nilai rata-rata variabel, sehingga dapat disimpulkan tidak terdapat data yang outlier.
4.3. Uji Asumsi Klasik 4.3.1. Uji Normalitas
Pengujian normalitas bertujuan untuk mengetahui apakah data yang digunakan telah terdistribusi secara normal. Salah satu metode untuk mengetahui normalitas adalah dengan menggunakan model analisis grafik, baik dengan melihat grafik secara histogram ataupun dengan secara Normal Probability Plot. Hasil uji normalitas dengan grafik histogram yang diolah dengan SPSS, secara normal probability plot dan dapat ditunjukkan sebagai berikut:
Sumber: Hasil Penelitian, 2015 (Data Diolah)
Gambar 4.1 Histogram
Hasil uji normalitas diatas memperlihatkan bahwa pada grafik histogram diatas distribusi data mengikuti kurva berbentuk lonceng yang tidak menceng (skewness) kiri maupun menceng kanan atau dapat disimpulkan bahwa data tersebut normal.
Sumber: Hasil Penelitian, 2015 (Data Diolah) Gambar 4.2
Normal P-P Plot
Hasil uji normalitas menggunakan probability plot, dimana terlihat bahwa titik-titik menyebar di sekitar garis diagonal sehingga dapat disimpulkan bahwa data dalam model regresi terdistribusi secara normal.
Semua hasil pengujian melalui analisis grafik dan statistik di atas menunjukkan hasil yang sama yaitu normal, dengan demikian telah terpenuhi asumsi normalitas dan dapat dilakukan pengujian asumsi klasik berikutnya pada data yang telah disajikan.
Dalam penelitian ini juga dilakukan pengujian normalitas residual dengan menggunakan uji Kolmogrorov-Smirnov, yaitu dengan membandingkan distribusi komulatif relative hasil observasi dengan distribusi komulatif relative teoritisnya. Jika probabilitas signifikansi nilai residual lebih dari 0,05 berarti residual terdistribusi dengan normal, demikian pula sebaliknya. Hasil penelitian ini menunjukkan nilai signifikansi sebesar 0,954 seperti yang ditunjukkan oleh Tabel 4.2 karena nilai signifikansi uji Kolmogorov-Smirnov di atas 0,05 maka dapat disimpulkan bahwa data terdistribusi secara normal.
Tabel 4.2 Hasil Uji Normalitas
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual N 32 Normal Parametersa,,b Mean .0000000 Std. Deviation .24744045 Most Extreme Differences Absolute .091 Positive .063 Negative -.091 Kolmogorov-Smirnov Z .514
Asymp. Sig. (2-tailed) .954
a. Test distribution is Normal. b. Calculated from data.
Sumber: Hasil Penelitian, 2015 (Data Diolah)
4.3.2. Uji Heteroskedastisitas
Uji heteroskedastisitas dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual dari satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda akan disebut heteroskedastisitas. Untuk mengetahui ada tidaknya heteroskedastisitas antar variabel independen dapat dilihat dari grafik plot antara nilai prediksi terikatnya
independen dapat dilihat dari grafik plot antara nilai prediksi variabel (ZPRED) dengan residual (SRESID). Heteroskedastisitas ini dapat dilihat dengan grafik scatterplot dan Uji Glejser. Hasil dari uji heteroskedastisitas dapat dilihat pada grafik scatterplot berikut ini:
Sumber: Hasil Penelitian, 2015 (Data Diolah) Gambar 4.3
Grafik Scatterplot
Berdasarkan Gambar 4.3, terlihat bahwa titik-titik tidak terlalu menyebar secara acak diatas dan di bawah angka 0 pada sumbu Y, serta sedikit menyempit (menumpuk). Hal ini mengindikasikan tidak terjadi heteroskedastisitas pada model regresi sehingga model regresi layak dipakai untuk memprediksi ROA berdasarkan masukan variabel independennya.
Selain dengan grafik, hasil uji heteroskedastisitas dapat dilihat pada statistik berikut ini:
Tabel 4.3
Hasi Uji Heteroskedastisitas
Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 2.075 2.636 .787 .439 BOPO -.008 .008 -.536 -1.082 .290 NPL .043 .051 .328 .836 .411 CAR .011 .015 .178 .743 .465 LDR -.003 .002 -.305 -1.303 .204 NIM -.029 .017 -.374 -1.711 .099 BANKSIZE -.041 .072 -.243 -.565 .577
a. Dependent Variable: Absut
Sumber: Hasil Penelitian, 2015 (Data Diolah)
Berdasarkan hasil uji glejser, dapat dilihat bahwa pada Tabel 4.3 menunjukkan tidak satupun variabel independen yang signifikan secara statistik mempengaruhi variabel dependen absolut. Hal ini terlihat dari probabilitas signifikansinya di atas tingkat kepercayaan 5% (0,05), sehingga dapat disimpulkan model regresi tidak mengarah pada heteroskedastisitas.
4.3.3. Uji Autokorelasi
Uji autokorelasi ini digunakan untuk menguji asumsi klasik regresi berkaitan dengan adanya autokorelasi. Model regresi yang baik adalah model yang tidak mengandung autokorelasi. Pengujian ini menggunakan Runs Test untuk mendeteksi ada tidaknya autokorelasi. Hasil pengujian Runs Test dapat dilihat pada Tabel 4.4 berikut ini:
Tabel 4.4 Hasil Uji Runs
Unstandardized Residual
Test Valuea -.02713
Cases < Test Value 16
Cases >= Test Value 16
Total Cases 32
Number of Runs 15
Z -.539
Asymp. Sig. (2-tailed) .590
a. Median
Sumber: Hasil Penelitian, 2015 (Data Diolah)
Hasil uji autokorelasi pada Tabel 4.4 menunjukkan bahwa nilai Asymp.Sig (2-tailed) sebesar 0,590 > 0,05 sehingga dapat disimpulkan bahwa residual random artinya tidak terjadi autokorelasi antar residual. Dalam hal ini berarti model penelitian ini sudah memenuhi kriteria Best Linear Unbiased Estimator (BLUE) yang disyaratkan sebelum melakukan pengujian hipotesis. Berikut ini adalah cara lain untuk mendeteksi ada atau tidaknya autokorelasi, yaitu dengan menggunakan Uji Durbin-Watson (DW test):
Tabel 4.5
Hasil Uji Durbin-Watson
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .982a .964 .955 .26386 2.171
a. Predictors: (Constant), BANKSIZE, CAR, NIM, LDR, NPL, BOPO b. Dependent Variable: ROA
Sumber: Hasil Penelitian, 2015 (Data Diolah)
Hasil output SPSS menunjukkan nilai DW sebesar 2.171, nilai ini akan dibandingkan dengan nilai tabel dengan menggunakan derajat kepercayaan 5%, jumlah sampel (n) = 32 dan jumlah variabel bebas (k) = 6, maka di tabel Durbin-Watson didapatkan nilai dL (durbin-watson lower/batas bawah) = 0.972, nilai dU (durbin-watson upper/batas atas) = 2.171 dan 4 ̶ dU = 2.238. Pengambilan
keputusannya adalah dU (0.972) ˂ d (2.171) ˂ 4 ̶ dU (2.238), artinya tidak ada autokorelasi positif atau negatif. Dengan demikian, tidak terdapat adanya autokorelasi pada model regresi.
