BAB III METODE PENELITIAN
H. Tahap Analisis Data
I. Uji Signifikansi
a. Koefisien determinasi (R )
Koefisien determinasi digunakan untuk mendeteksi seberapa
jauh kemampuan model dalam menerangkan variasi variabel
dependen. Koefisien determinasi dinyatakan dalam persentase yang
nilainya berkisar antara 0 < R < 1. Nilai R yang kecil berarti
kemampuan variabel-variabel independen dalam menjelaskan variabel
dependen amat terbatas. Sebaliknya, nilai R yang mendekati 1
menandakan variabel-variabel indepanden memberikan hampir semua
informasi yang dibutuhkan untuk memprediksi varasi variabel
dependen.8
Koefisien determinasi hanyalah konsep statistik, kita
mengatakan bahwa sebuah garis regresi adalah baik jika nilai R tinggi
dan sebaliknya jika nilai R rendah maka kita mempunyai garis regresi yang kurang baik. Namun demikian kita harus memahami bahwa
rendahnya nilai R dapat terjadi karena beberapa alasan. Dalam kasus khusus variabel independen (X) mungkin bukan vaariabel yang
menjelaskan dengan beik terhadap variabel dependen (Y) walaupun
kita percaya bahwa X mampu menjelaskan Y. Akan tetapi dalam hal
regresi runtut waktu (time series) kita sering kali mendapatkan nilai R
8
Ishman Wati, Analisis Pengaruh Efisiensi Operasional Terhadap Kinerja Profitabilitas Pada Sektor Perbankan Syariah, Skripsi Fakultas Ekonomi Universitas Indonesia, 2012, h. 45
yang tinggi. Hal ini terjadi hanya karena setiap variabel yang
berkembang dalam runtut waktu mampu menjelaskan dengan baik
variasi variabel lain yang juga berkembang dalam waktu yang sama.
Dengan kata lain data runtut waktu didugamengandung unsur trend,
yakni bergerak dalam arah yang sama. Dilain pihak, dalam data antar
tempat atau antar ruang (cross section) akan menghasilkan nilai R yang rendah. Hal ini terjadi karena adanya variasi yang besar antara
variabel yang diteliti pada periode waktu yang sama.9
Nilai adjusted R lebih baik jika digunakan untuk menganalisis
kekuatan model. apabila suatu variabel bebas ditambahkan ke dalam
model nilai R pasti meningkat sementara R dapat saja meningkat
atau menurun. Ketika sebuah variabel bebas yang memiliki kekuatan
penjelas yang besar diikutsertakan dalam model, maka nilai adjusted
R meningkat dan sebaliknya. Koefisien determinasi (R ) memiliki
kesalahan, yaitu bias terhadap jumlah variabel bebas yang dimasukan
dalam model regresi dimana setiap penambahan satu variabel bebas
dan jumlah pengamatan dalam model akan meningkatkan nilai R
meskipun variabel yang dimasukan tersebut tidak memiliki pengaruh
yang signifikan terhadap variabel tergantungnya. Untuk mengurangi
kesalahan kelemahan tersebut maka digunakan koefisien determinasi
yang telah disesuaikan, adjusted R . Koefisien determinasi yang telah
disesuaikan berarti bahwa koefisien tersebut telah dikoreksi dengan
9
memasukan jumlah variabel dan ukuran sampel yang digunakan.
Dengan menggunakan koefisien determinasi yang disesuaikan maka
nilai koefisien determinasi yang disesuaikan itu dapat naik atau turun
oleh adanya penembahan variabel baru dalam model10
Interpretasi kekuatan hubungan antara dua variabel dapat
dimasukan dalam kriteria sebagai berikut (sarwono 2006)
0 : tidak ada korelasi antar variabel > 0 - 0.25 : korelasi sangat lemah
>0.25 - 0.5 : korelasi cukup >0.5 - 0.75 : korelasi kuat
>0.75 – 0.99 : korelasi sangat kuat
1 : korelasi sempurna
b. Uji Statistik F (Uji Simultan)
Uji F pada dasarnya digunakan untuk melihat atau menguji
besarnya pengaruh seluruh variabel dependen (CAR, NPF, FDR dan
BOPO) secara simultan atau bersama-sama terhadap variabel dependen
(ROA dan ROE).
Pengujian dilakukan dengan hipotesis:
Ho : nilai F hitung < nilai F tabel
H1 :nilai F hitung > nilai F tabel
10
Amrina Rosyada, Pengaruh Kualitas Aktiva Produktif dan Non Performing Financing Terhadap Return On Asset Perbankan Syariah, Skripsi Fakultas Syariah dan Hukum, UIN Syarif Hidayatullah Jakarta, 2015, h. 67-68
Nilai F hitung digunakan untuk menguji ketepatan model
(goodness of fit). Uji F ini juga sering disebut uji simultan, untuk menguji apakah variabel bebas yang digunakan dalam model mampu
menjelaskan perubahan perubahan nilai variabel tergantung atau tidak.
Untuk menyimpulkan apakah model masuk dalam kategori cocok atau
tidak, kita harus membandingkan nilai F hitung dengan F tabel dengan
derajat bebas: df: ɑ, (k-1), (k-n), dimana k adalah jumlah variabel independen dan dependen, sementara n adalah jumlah pengamatan
(ukuran sampel). Dasar pengambilan keputusannya adalah jika nilai F
hitung > F tabel maka H0 ditolak dan H1 diterima yang berarti bahwa
variabel independen secara simultan berpengaruh signifikan terhadap
variabel dependen, tapi jika F hitung < F tabel maka H0 diterima dan
H1 ditolak yang artinya bahwa variabel independen secara simultan
tidak berpengaruh terhadap variabel dependen11
Pengujian juga dapat dilakukandengan cara mengamati nilai
signifikansi F pada tingkat ɑ (5%). Analisis didasarkan pada pembandingan antara nilai signifikan F dengan nilai signifikan 0,05.
Pengujian dilakukan dengan hipotesis:
Ho : Signifikansi F > tingkat ɑ (0,05) H1 : Signifikansi F < tingkat ɑ (0,05)
Dasar pengambilan keputusannya adalah jika nilai signifikansi
F > tingkat ɑ (0,05) maka Ho diterima dan H1 ditolak yang berarti
11Suliyanto, “Ekonometrika Terapan Teori dengan SPSS”, (Yogyakarta: CV Andi Offset, 2011), h. 61-62
bahwa variabel independen secara simultan tidak berpengaruh
signifikan terhadap variabel dependen, tapi jika nilai signifikan F <
tingkat ɑ (0,05) maka H1 diterima dan Ho ditolak yang artinya bahwa variabel independen secara simultan berpengaruh terhadap variabel
dependen
c. Uji Statistik t (Uji Parsial)
Tujuan dari uji t yaitu untuk mengetahui tingkat signifikansi
pengaruh masing-masing variabel bebas terhadap variabel terikat
dengan asumsi variabel bebas yang lain tidak berubah (secara parsial /
individu).
Pengujian dilakukan dengan hipotesis:
Ho : nilai t hitung < nilai t tabel
H1 :nilai t hitung > nilai t tabel
Uji ini dilakukan dengan membandingkan t hitung dengan t
tabel. Adapun nilai t tabel diperoleh dengan df : ɑ (n-k) di mana ɑ adalah tingkat signifikasi yang digunakan, n adalah jumlah
pengamatan (ukuran sampel), dan k adalah jumlah variabel independen
dan dependen. Sehingga dapat diambil suatu keputusan, apabla nilai t
hitung > nilai t tabel, maka Ho ditolak yang berarti bahwa variabel
independen berpengaruh signifikan terhadap variabel dependen, tetapi
jika t hitung < t tabel maka H1 diterima, yang artinya variabel
Pengujian juga dapat dilakukandengan cara mengamati nilai
signifikansi t pada tingkat ɑ (5%). Analisis didasarkan pada pembandingan antara nilai signifikan t dengan nilai signifikan 0,05.
Pengujian dilakukan dengan hipotesis:
Ho : Signifikansi t > tingkat ɑ (0,05) H1 : Signifikansi t < tingkat ɑ (0,05)
Dasar pengambilan keputusannya adalah jika nilai signifikansi
t > tingkat ɑ (0,05) maka Ho diterima dan H1 ditolak yang berarti bahwa variabel independen secara parsial tidak berpengaruh signifikan
terhadap variabel dependen, tapi jika nilai signifikan F < tingkat ɑ (0,05) maka H1 diterima dan Ho ditolak yang artinya bahwa variabel
independen secara parsial berpengaruh terhadap variabel dependen
