METODOLOGI PENELITIAN
ANALISIS DAN PEMBAHASAN
B. Analisis Data dan Pembahasan
1. Uji Asumsi klasik a. Uji Normalitas
Uji Normalitas yang digunakan dalam penelitian ini adalah menggunakan uji Jarque Bera dengan melihat nilai probability. Jika probability lebih besar dari nilai derajat α = 0.05, maka penelitian ini
tidak ada permasalahan normalitas atau dengan kata lain data terdistribusi normal. Sebaliknya, jika nilai probability lebih kecil dari
nilai derajat kesalahan α = 0.05, maka dalam penelitian ini ada
permasalahan normalitas atau dengan kata lain data tidak terdistribusi normal.
94 Tabel 4.1
Uji Normalitas Jarque-Bera
Sumber : output Eviews 6 yang diolah
Berdasarkan tabel 4.1 menggambarkan bahwadata dalam penelitian ini berdistribusi normal. Terlihat dari nilai probability sebesar 0.509454 yang lebih besar dari derajat kepercayaan 0.05 (5%) dan nilai Jarque-Bera sebesar 1.348833 kurang dari 2 sehingga dapat dinyatakan signifikan. Menurut Winarno (23:2009) menyatakan bahwa jika nilai dari Jarque-Bera benilai lebih kecil dari 2 dan Probability bernilai lebih dari 0.05 (5%) maka data dapat dikatakan hasil regresi tersebut sudah berdistribusi normal dan H0 diterima. Apabila data sudah normal, maka
data tersebut menghasilkan estimasi linear tidak bias atau biasa disebut BLUE (Best Linier Unbased Estimator).
0 1 2 3 4 5 6 7 8 -0.2 -0.1 -0.0 0.1 Series: Residuals Sample 1 32 Observations 32 Mean -5.55e-15 Median 0.015245 Maximum 0.160347 Minimum -0.221161 Std. Dev. 0.097091 Skewness -0.452725 Kurtosis 2.562069 Jarque-Bera 1.348833 Probability 0.509454
95 Menurut Nachrowi (2006:71) yang berarti model regresi tidak mengandung masalah dan bisa dilanjutkan pada uji selanjutnya.
b. Uji Multikolinearitas
Uji multikolinearitas dilakukan untuk mengetahui ada tidaknya hubungan (korelasi) yang signifikan diantara dua atau lebih variabel independen dalam model regresi. Deteksi adanya multikolinearitas dilakukan dengan menggunakan uji korelasi parsial antar variabel independen. Dengan melihat nilai koefisien korelasi (r) antar variabel independen dapat diputuskan apakah data terkena multikolinearitas atau tidak, yaitu dengan menguji koefisien korelasi antar variabel independen. Jika terjadi korelasi, maka terdapat multikolinearitas, dimana model regresi yang baik adalah tidak terjadi multikolinearitas antar variabel independen dengan variabel dependen. Hasil pengujian multikolinearitas menggunakan uji korelasi (r) dapat dilihat sebagai berikut :
Tabel 4.2 Uji Correlation Matrix
LNINFLASI LNKURS LNNBH
LNINFLASI 1 0.03756810015406589 0.4799005900212134
LNKURS 0.03756810015406589 1 0.06077932983680733
LNNBH 0.4799005900212134 0.06077932983680733 1
96 Dari tabel 4.2 diatas dapat dilihat hasil analisis uji multikolinearitas dengan Correlation Matrix menunjukkan bahwa korelasi antar variabel independen LN(INFLASI) dan LN(KURS) maupun sebaliknya sebesar 0,03756810015406589, antara LN(INFLASI) dan LN(NBH) maupun sebaliknya sebesar 0.4799005900212134, antara LN(KURS) dan LN(NBH) maupun sebaliknya sebesar 0.06077932983680733
Terlihat dari tabel 4.2 diatas nilai korelasi dari masing-masing variabel independen dibawah atau lebih kecil dari 0.8 sehingga dapat disimpulkan H0 diterima, bahwa data tersebut terbebas dari multikolinieritas dan model Ordinary Least Square (OLS) yang dilakukan dapat dikatakan terbebas dari gejala multikolinieritas. Dan oleh sebab itu penelitian dapat dilanjutkan ke pengujian selanjutnya yaitu uji Heterokedastisitas.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika variance tidak konstan atau berubah-ubah disebut Denfan Heterokedastisitas. Model regresi yang baik adalah Homoskedastisitas atau tidak terjadi Heteroskedastisitas (Nachrowi, 2008:109).Metode yang digunakan untuk mendeteksi adanya heteroskedastisitas pada penelitian ini adalah Uji White.
97 Tabel 4.3
Uji White Heteroskedasticity Test
F-Statistic 2.006388 Prob. F 0.091561 Obs*R-Squared 0.411028 Prob. Chi Square 0.1067 Sumber : output Eviews6 yang diolah
Dari tabel 4.3 diatas diketahui bahwa nilai Obs*R2 sebesar 0.411028 dan Probabilitas Chi-Square sebesar 0.1067 yang lebih besar dari tingkat kepercayaan sebesar 0.05 (5%) sehingga dapat disimpulkan bahwa data tersebut tidak bersifat heteroskedastisitas atau H0 diterima.
Dan oleh karena itu penelitian dapat dilanjutkan ke uji selanjutnya yaitu uji Autokorelasi.
d. Uji Autokorelasi
Uji autokorelasi untuk mengetahui apakah dalam model regresi ada korelasi antara kesalahan pada periode waktu yang lain. Untuk mendeteksi masalah autokorelasi digunakan uji Langrange Multiplier (LM-Test).Uji ini sangat berguna untuk mengidentifikasi masalah autokorelasi tidak hanya pada derajat pertama (first order) tetapi juga digunakan pada tingkat derajat.
Uji autokorelasi dapat dilihat dari nilai probabilitas Chi-Square.Jika probabilitas Chi-Square lebih besar dari tingkat signifikan 5% maka
98 tidak terdapat autokorelasi dan sebaliknya jika probabilitas Chi-Square lebih kecil dari 5% maka terdapat autokorelasi.
Tabel 4.4
Uji Langrange Multiple Test
F-Statistic 2.015599 Prob. F 0.0527 Obs*R-Squared 0.709936 Prob.Chi-Square 0.0650 Sumber : output Eviews6 yang diolah
Dari tabel 4.4 diatas dapat diketahui bahwa nilai Obs*R2 sebesar 0.709936 dan nilai Probabilitas Chi-Square 0.0650 yang lebih besar dari nilai 0.05 maka H0 diterima sehingga dapat disimpulkan data tersebut
tidak terdapat masalah autokorelasi. 2. Uji Statistik
Hasil pengolahan data atau hasil estimasi yang dilakukan dengan menggunakan program aplikasi komputer Eviews6 dengan menggunakan metode regresi linier berganda atau Ordinary Least Square (OLS) yang ditampilkan pada tabel berikut :
Tabel 4.5
Hasil Regresi Metode Ordinary Least Square (OLS) Variabel Koefisien t-Statistik Probabilitas
C -30.26241 -9.157127 0.0000
99 LN(KURS) 4.503540 12.48257 0.0000 LN(NBH) 0.054650 0.692322 0.4944 F-Statistik 54.86537 Probabilitas (F-stat) 0.000000 Adjusted R-squared 0.839041 Durbin-Watson stat 0.475833 Sumber : output Eviews 7.0 yang diolah
Dari tabel 4.5 diatas, maka dapat disusun persamaan regresi linier berganda sebagai berikut :
LN(DPK) = -30.26241 -0.326163 LN(INFLASI) + 4.503540 LN(KURS) + 0.054650 LN(NBH)
1) Jika segala sesuatu variabel independen dianggap konstan atau bernilai nol, artinya variabel independen tidak terjadi kenaikan atau penurunan maka besarnya nilai DPK adalah sebesar - 30.26241 persen
2) Nilai koefisien regresi inflasi sebesar -0.326163 persen yang berarti setiap peningkatan inflasi sebesar 1 persen maka akan menurunkan DPK sebesar -0.326163 persen atau DPK menurun.
3) Nilai koefisien regresi dana pihak ketiga kurs sebesar 4.503540 persen yang berarti setiap peningkatan kurs sebesar 1 persen maka akan meningkatkan DPK sebesar 4.503540 persen.
100 4) Nilai koefisien regresi NBH sebesar 0.054650 persen yang berarti setiap peningkatan NBH 1 persen maka tidak akan meningkatkan DPK sebesar 0.054650 persen.
a. Uji Parsial (Uji-t)
Uji-t bertujuan untuk mengetahui pengaruh secara parsial (individu) variabel-variabel independen (LNINFLASI, LNKURS, LNNBH) terhadap variabel dependen yaitu LNDPK. Salah satu cara untuk melakukan uji-t adalah dengan melihat nilai probabilitas pada tabel uji
statistik t. Apabila nilai probabilitas lebih kecil dari tingkat signifikan α
= 0.05 berarti variabel independen secara parsial (individu) mempengaruhi variabel dependen.
Dari hasil tabel 4.5 bahwa didapatkan dari uji statistik t yang dilakukan adalah sebagai berikut :
a) Pengaruh t-statistik untuk inflasi terhadap DPK.
Berdasarkan tabel 4.5 diperoleh t-hitung sebesar -3.309462 dengan tingkat signifikan 0.0026. Karena tingkat signifikan lebih kecil dari 0.05 maka secara parsial inflasi berpengaruh secara signifikan dan negatif terhadap DPK.
Berdasarkan penelitian sebelumnya yang berjudul “ Analisis Pengaruh PDB, Inflasi, Tingkat Bunga dan Nilai Tukar Terhadap Dana Pihak Ketiga Perbankan syariah di Indonesia 2008-2012” oleh
101 Abida Muttaqiena (2013) menyatakan bahwa Inflasi terhadap DPK bank syariah secara parsial berpengaruh signifikan dengan arah koefisien negatif. Hal ini sesuai dengan teori dimana inflasi “ akan
mengurangi hasrat masyarakat menabung sehingga pertumbuhan
dana perbankan yang bersumber dari masyarakat akan menurun”
(Pohan, 2008b:52).
b) Pengaruh t-statistik untuk nilai Kurs terhadap DPK.
Berdasarkan pada tabel 4.5 diperoleh hasil t-hitung sebesar 12.48257 dengan tingkat signifikan 0.0000. Karena tingkat signifikan lebih kecil dari 0.05 maka secara parsial Kurs berpengaruh secara signifikan positif terhadap DPK.
Pada penelitian sebelumnya yang berjudul“ Analisis Pengaruh Nilai Kurs, Tingkat Inflasi dan Tingkat Suku Bunga Terhadap DPK Bank Devisa di Indonesia (Periode Triwulan I 2003 – Triwulan III tahun 2008)”, yang ditulis oleh Aldrin Wibowo dan Susi Suhendra. dengan variabelnya Kurs, Inflasi dan Suku Bunga. Menunjukkan bahwa Kurs berpengaruh positif terhadap DPK 10 Bank devisa. Dan dapat disimpulkan apabila tingkat kurs naik sebanyak 1% maka DPK di 10 Bank Devisa naik sebesar 47.382,476 juta. Dengan begitu ketika nilai per satu dollar meningkat maka akan meningkatkan DPK di bank Syariah. Hal ini kemungkinan terjadi karena masyarakat lebih memilih menyimpan uangnya di bank Syariah saat harga dollar
102 naik ketimbang membelanjakannya, karena harga terutama yang di import mengalami kenaikan harga.
c) Pengaruh t-statistik untuk Nisbah Bagi Hasil (NBH) terhadap DPK. Berdasarkan pada tabel 4.5 diperoleh hasil t-hitung sebesar 0.692322 dengan tingkat signifikan 0.4944. Karena tingkat signifikan lebih besar dari 0.05 maka secara parsial NBH tidak berpengaruh secara signifikan positif terhadap DPK.
Hal ini didukung oleh penelitian Mohammad Nurdian Farikh
dengan penelitiannya yang berjudul “ Faktor-faktor yang Mempegaruhi dana Pihak ketiga Bank Syariah dan Konvensional di Indonesia”. Dengan variabelnya Inflasi, SBI, IHSG, m2, tingkat bunga tabungan Bank konvensional dan tingkat bagi hasil Bank Syariah. Dari penelitian ini dinyatakan bahwa tingkat bagi hasil tidak berpengaruh signifikan terhadap DPK Bank syariah hal ini merupakan sinyal bahwa nasabah perbankan syariah memiliki ketahanan secara prinsip terhadap nilai-nilai relijius dimana hubungan antara nasabah dan banker merupakan tolong menolong dan tidak dilandasi saja oleh faktor financial,
103 b. Uji Fisher (Uji-F)
Uji-F bertujuan untuk mengetahui pengaruh semua variabel independen (lninflasi, lnkurs, lnNBH) secara simultan (bersama-sama) terhadap variabel dependen yaitu DPK.
Berdasarkan tabel 4.5 diperoleh hasil F-statistik sebesar 54.86537 dengan nilai probabilitas (F-stat) sebesar 0.000000.Karena probabilitas (F-stat) lebih kecil dari 0.05 maka dapat disimpulkan bahwa inflasi, kurs dan NBH secara bersama-sama mempunyai pengaruh secara signifikan terhadap DPK.