BAB III METODELOGI PENELITI
D. Teknik Analisi
Metode statistik yang digunakan untuk menguji hipotesis yaitu dengan menggunakan regresi berganda dengan menggunakan software Eviews 5.0 setelah semua data-data ini terkumpul maka selanjutnya data-data tersebut dianalisis yaitu dengan uji asumsi klasik dan uji hipotesis.
1. Regresi Linier Berganda
Alat analisa yang dipakai untuk mengetahui pengaruh variabel Inflasi, Non Performing Financing (NPF), dan Biaya Operasional Pendapatan Operasional (BOPO) terhadap Return on Assets (ROA) adalah dengan menggunakan analisis regresi berganda. Analisis regresi pada dasarnya adalah studi ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas/bebas), dengan tujuan untuk mengestimasi dan/atau memprediksi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui (Gujarati,2003).
49
Teknik estimasi variabel dependen yang digunakan adalah Ordinary Least Square (OLS) yaitu mengestimasi garis regresi dengan jalan meminimalkan jumlah dari kuadrat kesalahan setiap observasi terhadap garis tersebut (Imam Ghozali, 2005). Y diasumsikan sebagai ROA, X diasumsikan sebagai Inflasi, NPF dan BOPO , sehingga : Y = f (Inflasi, NPF, BOPO)
Dari persamaan di atas maka diperoleh, Y = β0+ β 1X1 + β 2X2 + β 3X3 + et
Y = β0+ β 1 Inflasi + β 2 NPF + β 3 BOPO + et
Y : ROA X1 : Inflasi
X2 : Non Performing Financing (NPF)
X3 : Biaya Operasional Pendapatan Operasional (BOPO)
β0...,βn : koefisien regresi (kosntanta)
et : error term
Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dan nilai statistik t, nilai statistik F dan koefisien determinasinya. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana Ho ditolak). Sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah di mana Ho diterima.
50 2. Pengujian Model dengan Asumsi Klasik
Pengujian asumsi klasik dilakukan untuk memastikan bahwa autokorelasi, multikolinieritas, dan heterokedastisitas tidak terdapat dalam penelitian ini atau data yang dihasilkan berdistribusi normal (Ghozali, 2001). Pengujian Model asumsi klasik terdiri dari :
a. Uji Normalitas
Uji normalitas ini bertujuan untuk menguji apakah dalam model regresi variabel dependen, variabel independen maupun keduanya berdistribusi normal atau tidak. Model yang baik adalah yang memiliki distribusi data yang normal.
Untuk menguji, apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak dapat diketahui dengan membandingkan nilai Jarque-Bera dengan nilai Chi-tabel. Jika nilai Jarque Bera < dari nilai Chi tabel, data dalam penelitian berdistribusi normal. (Winarno, 2007:5.37).
Hipotesis yang digunakan adalah: H0 : data berdistribusi normal H1 : data tidak berdistribusi normal.
51 b. Uji Multikolinearitas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi antara variable bebas. Menurut Ajija R. dkk (2011:35), ada atau tidaknya multikolinieritas dapat diketahui atau dilihat dari koefisien korelasi masing-masing variable bebas. Jika koefisien korelasi di antara masing-masing variable bebas lebih besar dari 0,8 maka terjadi multikolinieritas.
c. Uji Heteroskedasitas
Heteroskedasitas merupakan fenomena terjadinya perbedaan varian antar seri data. Heteroskedasitas muncul apabila nilai varian dari variabel tak bebas (Yi) meningkat sebagai meningkatnya varian dari variabel bebas (Xi), maka varian dari Yi adalah tidak sama. Gejala heteroskedasitas lebih sering dalam data cross section dari pada time series. Selain itu juga sering muncul dalam analisis yang menggunakan data rata-rata. Untuk mendektesi keberadaan heteroskedasitas digunakan metode uji White, dimana apabila nilai probabilitas (p value) observasi R2 lebih besar dibandingkan tingkat resiko kesalahan yang diambil (digunakan α = 5 %), maka residual digolongkan homoskedasitas.
52 d. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Ujikorelasi bertujuan untuk mengetahui apakah ada korelasi antara anggota serangkaian data observasi yang diuraikan menurut waktu (time series) atau ruang (cross section). Salah satu penyebab munculnya masalah autokorelasi adalah adanya kelembaman (inertia) artinya kemungkinan besar akan mengandung saling ketergantungan (interpendence) pada data observasi periode sebelumnya dan periode sekarang (Suliyanto, 2011:125).
Untuk mendeteksi adanya autokorelasi, dalam penelitian ini menggunakan uji Durbin-Watson. Uji D-W merupakan salah satu uji yang banyak dipakai untuk mengetahui ada tidaknya autokorelasi (Winarno, 2009:5.27). Menurut Suliyanto (2011:129) salah satu ukuran dalam menentukan ada tidaknya masalah autokorelasi adalah dengan uji DW dengan ketentuan sebagai berikut:
1) Terjadi autokorelasi positif, jika nilai DW < dL 2) Tanpa kesimpulan, jika dL < nilai DW < dU 3) Tidak ada autokorelasi, jika dU < nilai DW < 4-dU 4) Tanpa Kesimpulan, jika 4-dU < nilai DW < 4-dL 5) Terjadi autokorelasi negatif, jika nilai DW > 4dL
53 3. Uji Statistik
Selain Uji Asumsi Klasik, juga dilakukan uji statistik yang dilakukan untuk mengukur ketepatan fungsi regresi dalam menaksir nilai aktualnya. Pengujian statistik melibatkan ukuran kesesuaian model yang digunakan (goodness of fit) dan uji signifikansi, baik pengujian secara parsial (uji t) maupun pengujian secara simultan (uji F). Secara spesifik, dapat dijelaskan sebagai berikut :
a. Koefisien Determinasi
Nilai R2 disebut juga koefisien determinasi. Koefisien determinasi (R2) menunjukkan seberapa besar persentase variasi variabel independen dapat menjelaskan variasi variabel dependennya (goodness of fit test). Nilai R2 dapat diperoleh dengan formula sebagai berikut:
R2= Nilai berkisar antara nol dan satu (0<R2<1). Nilai R2 yang kecil atau mendekati nol berarti kemampuan variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Sebaliknya, jika nilai R2 mendekati satu berarti variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Gujarati, 2009:19).
54 b. Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji t dilakukan untuk mengetahui pengaruh masing-masing variabel independen secara parsial terhadap variabel dependen. Tingkat kepercayaan yang digunakan adalah 95% atau taraf signifikan 5% (α = 0,05) dengan kriteria penilaian sebagai berikut :
Adapun hipotesis dalam uji model ini adalah:
Ho = tidak ada pengaruh signifikan dari variabel independen secara simultan terhadap variabel dependen.
Ha = ada pengaruh signifikan dari variabel independen secara simultan terhadap variabel dependen.
Aturan pengambilan keputusan adalah sebagai berikut: Jika probabilitas > 0,05 maka Ho diterima dan Ha ditolak. Jika probabilitas < 0,05 maka Ho ditolak dan Ha diterima.
c. Uji Signifikansi Simultan (Uji F)
Uji F ini pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat (Ghozali, 2011:98).
Adapun hipotesis dalam uji model ini adalah:
Ho = tidak ada pengaruh signifikan dari variabel independen secara simultan terhadap variabel dependen.
Ha = ada pengaruh signifikan dari variabel independen secara simultan terhadap variabel dependen.
55
Aturan pengambilan keputusan adalah sebagai berikut: Jika probabilitas > 0,05 maka Ho diterima dan Ha ditolak. Jika probabilitas < 0,05 maka Ho ditolak dan Ha diterima.
E. Operasional Variabel Penelitian