BAB IV ANALISIS DATA
B. Uji Statistik
1. Uji Stasioner
G. Tehnik Analisis Data
Tehnik analisis data dalam penelitian kuantitatif menggunakan statistik. Analisis data ini merupakan kegiatan setelah data dari laporan keuangan terkumpul. Kegiatan dalam analisis data adalah mengelompokkan data berdasarkan variabel dan jenis responden, mentabulasi data berdasarkan variabel dari seluruh responden, menyajikan data tiap variabel yang diteliti, melakukan perhitungan untuk menjawab rumusan masalah dan melakukan perhitungan untuk menguji hipotesis yang telah diajukan (Sugiyono, 2013 : 206).
1. Uji Stasioneritas
Uji stasioneritas ini digunakan untuk menganalisis data time series
atau cross section untuk melihat ada tidaknya unit root yang terkandung diantara variabel sehingga hubungan antar variabel dalam persamaan menjadi valid. Dalam pengujian stasioner menggunakan Augment Dicky Fuller Unit Root Tet (ADF Test) terhadap variabel-variabel independen. Jika nilai probabilitasnya menunjukkan pada level dasar
probabilitasnya > α = 5% maka terjadi unit root yang berarti bahwa data
yang akan diolah sudah stasioner (Purba, 2014:19). 2. Analisis Deskriptif
Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk bank umum atau generalisasi (Sugiyono, 2013 : 150) . Tujuan analisis deskriptif adalah untuk dapat melihat gambaran-gambaran secara umum dengan variabel yang dipakai ini mengenai fakta-fakta yang terjadi (Saputri, 2016).
3. Uji Asumsi Klasik
Uji asumsi klasik bertujuan untuk menguji kelayakan model. Sehingga sebelum dilakukan analisis regresi klasik dan analisis jalur atau path analysis model penelitian harus lolos dalam uji asumsi klasik ini. Uji asumsi klasik ini terdiri dari uji multikolonieritas, uji autokorelasi, uji heteroskedastisitas, dan uji normalitas (Ghozalli, 2013).
Berikut ini merupakan penjelasan dari setiap uji dalam uji asumsi klasik :
a. Uji Multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi
korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel ini tidak ortogonal dengan kata lain nilai korelasi antar variabel independennya sama dengan nol (Ghozalli, 2013 : 105).
Multikolonieritas dapat dilihat dari nilai tolerance dan lawannya variance inflation factor (VIF). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai
tolerance ≤ 0,10 atau sama dengan nili VIF ≥ 10. (Ghozalli, 2013 : 106)
b. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada masalah autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi (Ghozalli, 2013 : 110).
Pengambilan keputusan uji autokorelasi dilakukan dengan membandingkan nilai Durbin-Watson (D-W) hasil perhitungan dengan nilai tabel Durbin-Watson (D-W). Model dinyatakan memenuhi asumsi non autokorelasi apabila nilai du (batas atas nilai D-W tabel) < d (nilai D-W hasil perhitungan) < (4-du) (Ghozalli, 2013 : 113).
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lain. Jika variance dari residual suatu pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas (Ghozalli, 2013 : 139).
Uji heteroskedastisitas dapat dilihat dengan beberapa uji seperti uji scatterplots, uji park, uji glejser dan juga uji white. Dalam penelitian ini, penulis menggunakan uji park untuk mendeteksi apakah model regresi penelitian terdapat heteroskedastisitas atau tidak. Dalam menyimpulkan ada atau tidaknya heteroskedastisitas dapat dilihat dari koefisien parameter beta. Apabila koefisien parameter beta dari persamaan tersebut signifikan secara statistik, hal ini menunjukkan bahwa dalam data model empiris yang diestimasi terdapat heteroskedastisitas dan sebaliknya jika parameter beta tidak signifikan secara statistik, maka asumsi homoskodestisitas pada data model tidak dapat ditolak (Ghozalli, 2013 : 142).
d. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki
distribusi normal. Model regresi yang baik adalah model yang memiliki distribusi data normal atau mendekati normal. Penelitian ini menggunakan Kolmogorov Sminof (K-S) test untuk mengetahui normalitas data dengan melihat nilai Asymp. Sig. (2 tailed), apabila nilainya lebih dari 5% maka residual terdistribusi normal (Ghozalli, 2013 : 165).
H. Uji Hipotesis
1. Analisis Regresi Sederhana
Hasil analisis regresi adalah berupa koefisien untuk masing-masing variabel independen. Koefisien ini diperoleh dengan cara memprediksi nilai variabel dependen dengan suatu persamaan. Koefisien regresi dihitung dengan dua tujuan sekaligus yaitu meminimunkan penyimpangan antara nilai aktual dan nilai estimasi dependen berdasarkan data yang ada (Ghozalli, 2013 : 95).
a.) Koefisien Determinasi (R2)
Koefisien determinasi (R2) mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Semakin besar nilai R2 mendekati 1, maka semakin baik hasil model regresinya. Sebaliknya, jika nilai R2 mendekati 0 maka secara keseluruhan tidak dapat menjelaskan variabel independen (Ghozalli, 2013 : 97).
b.) Uji Ttest
Uji statistik T pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variabel dependen. Dalam pengujian ini, kita melihat nilai probabilitasnya. Jika nilai probabilitasnya lebih kecil dari 0,05 maka hipotesis yang diajukan diterima atau dikatakan signifikan. Namun jika nilai signifikansi lebih besar dari 0,05 maka hipotesinya ditolak atau tidak signifikan (Ghozalli, 2013 : 98).
2. Analisis Regresi Berganda
Analisis regresi linier berganda digunakan untuk menghitung besarnya pengaruh secara kuantitatif dari suatu perubahan kejadian pada variabel independen terhadap variabel dependen. Dengan kata lain regresi berganda digunakan untuk meramalkan nilai variabel dependen dengan variabel independen yang lebih dari satu (Bawono, 2006 : 85).
a.) Koefisien Determinasi (R2)
Koefisien determinasi (R2) mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Semakin besar nilai R2 mendekati 1, maka semakin baik hasil model regresinya. Sebaliknya, jika nilai R2 mendekati 0 maka secara keseluruhan tidak dapat menjelaskan variabel independen (Ghozalli, 2013 : 97).
b.) Uji Ftest
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen / terikat. Penilaian berdasarkan nilai probabilitasnya. Jika nilai signifikansi lebih kecil dari nilai alpha 0,05 maka hipotesis yang diajukan diterima atau dikatakan signifikan. Namun, jika nilai signifikansi lebih besar dari nilai alpha 0,05 maka hipotesis yang diajukan ditolak dan dikatakan tidak signifikan (Ghozalli, 2013 :98).
c.) Uji Ttest
Uji statistik T pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variabel dependen. Dalam pengujian ini, kita melihat nilai probabilitasnya. Jika nilai probabilitasnya lebih kecil dari 0,05 maka hipotesis yang diajukan diterima atau dikatakan signifikan. Namun jika nilai signifikansi lebih besar dari 0,05 maka hipotesinya ditolak atau tidak signifikan (Ghozalli, 2013 : 98).
3. Analisis Jalur atau Path Analysis
Tehnik analisis data yang digunakan dalam penelitian ini adalah Metode analisis jalur. Metode analisis jalur atau path analysis digunakan untuk menguji pengaruh variabel intervening. Analisis jalur
ini merupakan perluasan dari analisis regresi linier berganda, atau analisis jalur adalah penggunaan analisis regresi untuk menaksir hubungan kausalitas antar variabel (model casual) yang telah ditetapkan sebelumnya berdasarkan teori (Ghozalli, 2013 : 249).
Berikut merupakan gambar analisis jalur dalam penelitian ini :
p2 p3
p1
Gambar 3. 1 Kerangka Penelitian
Sumber: Dikembangkan untuk penelitian 2017
Dari kerangka penelitian di atas penulis menggunakan model regresi sederhana sebagai persamaan satu (1) untuk menghitung pengaruh Dewan Komisaris Independen terhadap Non Performing Financing (NPF). Dalam persamaan satu (1) ini Dewan Komisaris Independen berperan sebagai variabel independen sedangkan NPF berperan sebagai variabel dependen.
Penulis juga menggunakan model regresi berganda sebagai persamaan dua (2) untuk menghitung pengaruh Dewan Komisaris Independen dan Non Performing Financing (NPF) terhadap Dewan Komisaris Independen (X) NPF(Z) Profitabilitas (ROE) (Y) e2 e1
profitabilitas (ROE). Dalam persamaan dua (2) ini Dewan Komisaris Independen dan NPF berperan sebagai variabel independen sedangkan profitabilitas (ROE) berperan sebagai variabel dependen.
Persamaan satu (1) dan persamaan dua (2) ini digunakan untuk menghitung pengaruh Dewan Komisaris Independen terhadap profitabilitas dengan non performing financing (NPF) sebagai variabel intervening melalui analisis jalur atau path analysis dengan rumus persamaan regresi sebagai berikut :
NPF = α + p2 DKI + e1 (1)
ROE = α + p1 DKI + p3 NPF + e2 (2) Keterangan :
Besarnya nilai √ Besarnya nilai √
Standardize koefisien untuk Dewan Komisaris Independen pada persamaan satu (1) akan memberikan nilai p2. Sedangkan koefisien untuk Dewan Komisaris Independen dan NPF pada persamaan dua (2) akan memberikan nilai p1 dan p3.
Setelah dilakukan analisis regresi melalui 2 persamaan di atas dapat digunakan untuk menganalisis pengaruh Dewan Komisaris Independen terhadap profitabilitas dengan non performing financing (NPF) sebagai variabel intervening dengan menggunakan nilai p1, p2 dan p3 yang telah diperoleh dari kedua
persamaan di atas. Berikut rumus perhitungan analisis jalur atau path analysis.
Pengaruh langsung DKI ke ROE = p1 Pengaruh tak langsung DKI ke NPF ke ROE = p2 x p3 Total pengaruh (korelasi DKI ke ROE) = p1 + (p2 x p3)
Setelah mendapatkan total pengaruh (korelasi DKI ke ROE) harus menghitung standar error dari koefisien indirect effect (Sp2p3).
Berdasarkan hasil Sp2p3 kita dapat menghitung nilai t statistik pengaruh mediasi dengan rumus sebagai berikut :
Nilai t hitung ini digunakan untuk menguji hipotesis yang menyatakan ada atau tidaknya pengaruh mediasi pada penelitian. Apabila t hitung lebih besar dari tabel berarti hipotesis diterima atau dengan kata lain ada pengaruh mediasi dalam penelitian. Sedangkan sebaliknya, apabila t hitung lebih kecil dari t tabel maka hipotesis ditolak atau dengan kata lain tidak ada pengaruh mediasi dalam penelitian (Ghozalli, 2013 : 255).
Gambar kerangka di atas juga menunjukkan bahwa Dewan Komisaris Independen sebagai variabel independen. NPF sebagai
variabel intervening. Sedangkan ROE merupakan variabel dependen atau dapat dikatakan bahwa profitabilitas (ROE) merupakan variabel yang dipengaruhi oleh Dewan Komisaris Independen. Selain itu Dewan Komisaris Independen dapat mempengaruhi ROE dengan NPF sebagai variabel intervening. I. Alat analisis data
Alat analisis yang digunakan dalam penelitian ini adalah IBM SPSS Statistic 21. IMB SPSS Statistic 21 merupakan sebuah program computer statistik yang berfungsi untuk membantu dalam memproses data-data statistik secara cepat dan tepat, serta menghasilkan berbagai output yang dikehendaki oleh para pengambil keputusan.
51 BAB IV ANALISIS DATA
A. Deskripsi Obyek Penelitian
Obyek dalam penelitian ini adalah Bank Umum Syariah di Indonesia yang berjumlah 11 bank syariah. Bank Umum Syariah di Indonesia ini meliputi Bank Muamalat Indonesia, Bank Negara Indonesia Syariah, Bank Rakyat Indonesia Syariah, Bank Victoria Syariah, Bank Jabar Banten Syariah, Bank Syariah Mandiri, Bank Mega Syariah, Bank Panin Syariah, Bank Central Asia Syariah, Maybank Syariah dan Bank Panin Syariah.
Penelitian ini akan menganalisis pengaruh Dewan Komisaris Independen terhadap Profitabilitas yang diwakili dengan rasio Return on Equity (ROE) dengan menggunakan Non Performing Financing (NPF) sebagai variabel intervening.
B. Uji Statistik 1. Uji Stasioner
Uji stasioneritas ini digunakan untuk menganalisis data time series
atau cross section untuk melihat ada tidaknya unit root yang terkandung diantara variabel sehingga hubungan antar variabel dalam persamaan menjadi valid. Dalam pengujian stasioner menggunakan
Augment Dicky Fuller Unit Root Tet (ADF Test) terhadap variabel-variabel independen. Jika nilai probabilitasnya menunjukkan pada
jika nilai probabilitasnya > α = 5% maka terjadi unit root yang berarti bahwa data yang akan diolah sudah stasioner (Purba, 2014:19).
Tabel 4. 1 Uji Stasioner Variabel ADF
Statistic
Nilai Kritis Mc Kinnon Prob ADF 5% Ket 1% 5% 10% DKI -6.534350 -3.562669 -2.918778 -2.597285 0.0000 Stasioner NPF -3.101678 -3.560019 -2.917650 -2.596689 0.0324 Stasioner ROE -9.249980 -3.560019 -2.917650 -2.596689 0.0000 Stasioner Sumber : hasil olah Eviews7
Dalam pengujian Unit Root di tingkat 1st difference, ADF telah menunjukkan bahwa data yang diolah sudah stasioner. Hal ini dapat dilihat pada nilai absolute statistic ADF yang lebih kecil dari
McKinnon Critical Value pada nilai kritis 1%, 5%, dan 10%. Selain itu, pada nilai Prob statistik ADF menunjukkan angka yang lebih kecil
dari α 0,05 McKinnon. Dengan demikian maka dapat dinyatakan
bahwa seluruh variabel dalam penelitian ini telah stasioner di tingkat
1st difference.