BAB III
METODE PENELITIAN
A. Ruang Lingkup Penelitian
Penelitian ini merupakan analisis data sekunder dengan metode analisis Regresi dengan variabel Dummy yang dilakukan untuk menganalisis pengaruh kinerja keuangan terhadap Profitabilitas (ROA) Pt Bank Cimb Niaga Tbk sebelum dan sesudah merger tahun 2006 – 2014.Penelitian ini bersifat kuantitatif dengan menggunakan data runtut waktu (time series) antara tahun 2006-2014, sehingga diperoleh data 36 data time series yang terdiri dari satu variabel terikat yaitu Return On Asset (ROA) dan variabel bebas yaitu Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Biaya Operasional terhadap Pendapatan Operasional (BOPO), Net Interest Margin (NIM)dan Loan to Deposit Ratio (LDR).
B. Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk angka mengenai Return On Asset (ROA) ,Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Biaya Operasional terhadap Pendapatan Operasional (BOPO), Net Interest Margin (NIM) dan Loan to Deposit Ratio
(LDR) yang diambil runtut waktu (time series) dengan kurun waktu 2006-2014 (9 tahun). Untuk sumber data diambil dari website Bank Indonesia, yaitu www.bi.go.id seperti data Statistik Perbankan Indonesia dan laporan keuangan triwulan dari periode 2006-2014yaitu dari website bank yang
dijadikan objek dalam penelitian ( www.niaga.co.id , www.lippo.co.id ), jurnal, laporan-laporan serta sumber-sumber lain yang berkaitan dengan penelitian ini.
C. Definisi Operasional Variabel 1. ROA (Return On Assets)
ROA (Return On Assets) digunakan untuk mengukur kemampuan manajemen bank dalam memperoleh keuntungan (laba sebelum pajak) yang dihasilkan dari total asset bank yang bersangkutan. Rasio ini dapat dirumuskan sebagai berikut (SE BI Nomor 07/ 10 /DPNP tanggal 31 Maret 2005:
ROA = Laba sebelum pajak
x 100 % Total Aktiva
2. CAR (Capital Adequacy Ratio)
CAR (Capital Adequacy Ratio) adalah rasio yang memperlihatkan seberapa besar jumlah seluruh aktiva bank yang mengandung risiko (kredit, penyertaan, surat berharga, tagihan pada bank lain) ikut dibiayai dari modal sendiri disamping memperoleh dana dari sumber-sumber di luar bank. Rasio permodalan ini merupakan komponen kecukupan pemenuhan KPMM (Kewajiban Penyediaan Modal Minimum) terhadap ketentuan yang berlaku.
CAR minimum ang telah ditetapkan oleh Bank Indonesia adalah senilai 8%.
Rasio CAR diperoleh dari modal yang dibagi dengan ATMR (Aktiva Tertimbang Menurut Risiko). Rasio ini dapat dirumuskan sebagai (SE BI Nomor 07/ 10 /DPNP tanggal 31 Maret 2005):
CAR = JumlahModal
x 100 jumlah ATMR
3. NPL (non performing loan)
NPL (Non Performing Loan) merupakan rasio yang menunjukkan kemampuan manajemen bank dalam mengelola kredit bermasalah yang diberikan oleh bank. NPL dihitung berdasarkan perbandingan antara jumlah kredit yang bermasalah dibandingkan dengan total kredit. (SE BI Nomor 07/
10 /DPNP tanggal 31 Maret 2005):
NPL =
Kredit bermasalah
x 100 % Total Kredit
4. BOPO (biaya operasi terhadap pendapatan operasi)
BO/PO (Biaya Operasional pada Pendapatan Operasional) digunakan untuk mengukur kemampuan manajemen bank dalam mengendalikan biaya operasional terhadap pendapatan operasional. Rasio ini dapat dirumuskan sebagai berikut (SE BI Nomor 07/ 10 /DPNP tanggal 31 Maret 2005:
BOPO = Biaya operasional Pendapatan operasional x100 %
5. NIM (Net Interest Margin)
NIM (Net Interest Margin) digunakan untuk mengukur kemampuan manajemen bank dalam mengelola aktiva produktifnya untuk menghasilkan pendapatan bunga bersih. Rasio NIM diperoleh dari perbandingan antara pendapatan bunga bersih dibandingkan dengan rata-rata aktiva produktif.
Rasio ini dapat dirumuskan sebagai berikut (SE BI Nomor 07/ 10 /DPNP tanggal 31 Maret 2005 :
NIM = Net interest income
x 100 % Earning Asset
Keterangan :
NIM : pendapatan bunga dikurangi beban bunga
Earning Asset : Aktiva yang menghasilkan bunga
6. LDR (Loan to Deposit Ratio)
LDR (Loan to Deposit Ratio) digunakan untuk menilai likuiditas suatu bank dengan cara membagi jumlah kredit yang diberikan oleh bank terhadap dana pihak ketiga. Rasio ini untuk mengetahui kemampuan bank dalam membayar kembali kewajiban kepada para nasabah yang telah menanamkan dana dengan kredit-kredit yang telah diberikan kepada para debiturnya. Rasio ini dapat dirumuskan sebagai berikut (SE BI Nomor 07/ 10 /DPNP tanggal 31 Maret 2005
LDR= Jumlah Kredit yang diberikaan
x100 % total Dana pihak ketiga
D. Metode Analisis Data
Metode analisis yang digunakan dalam penelitian ini menggunakan metode Analisis Regresi dengan variabel Dummy (variabel boneka) untuk menguji pengaruh ROA terhadap CAR , NPL ,BOPO , NIM , LDR .
Model regresi dalam penelitian ini dirumuskan dengan persamaan berikut:
Y= a +b1 X1 + b2 X2 + b3 X3 +b4 X4 + b5 X5 + b6 X6...(3.1)
Keterangan :
Y = ROA
X1 = CAR
X2 = NPL
X3= BOPO
X4= LDR
X5= NIM
X6= Dummy (D)
b1 b2 b3 b4 = Koefisien regresi
Selanjutnya terhadap hasil analisis regresi dengan model tersebut akan dilakukan uji statistik dan uji asumsi klasik. Uji statistik meliputi koefisien determinasi, uji signifikansi simultan (Uji statistik F), dan uji signifikansi parameter individual (Uji statistik t). Uji asumsi klasik meliputi uji multikolonieritas, uji autokorelasi, dan uji heteroskedastisitas, secara rinci sebagai beikut:
1. Koefisien determinasi (R2)
Koefisien determinasi digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel terikat (dependen) (Ghozali, 2006). Nilai koefisien determinasi adalah antara nol dan satu. Penelitian ini menggunakan nilai Adjusted R2 karena mampu mengatasi bias terhadap jumlah variabel bebas yang
dimasukkan dalam model regresi. Nilai Adjusted R2 berubah apabila satu variabel independen ditambahkan ke dalam model regresi (Ghozali, 2006).
2. Uji Pengaruh Simultan (Uji F)
Uji pengaruh simultan digunakan untuk mengetahui apakah variabel independen secara bersama-sama atau simultan mempengaruhi variabel dependen (Ghozali, 2006). Hipotesis akan diuji dengan menggunakan tingkat signifikans (a) sebesar 5 persen atau 0.05. Kriteria penerimaan atau penolakan hipotesis akan didasarkan pada nilai probabilitas signifikansi. Jika nilai probabilitas signifikansi
< 0.05, maka hipotesis diterima. Hal ini berarti model regresi dapat digunakan untuk memprediksi variabel independen. Jika nilai probabilitas signifikansi > 0.05, maka hipotesis ditolak. Hal ini berarti model regresi tidak dapat digunakan untuk memprediksi variabel dependen (Ghozali, 2006).
3. Uji Pengaruh Parsial (Uji t)
Uji t-test digunakan untuk menguji apakah masing-masing variabel independen mempunyai pengaruh terhadap variabel dependen (Ghozali, 2006). Hipotesis akan diuji dengan menggunakan tingkat signifikansi (a) sebesar 5 persen atau 0.05. Kriteria penerimaan atau penolakan hipotesis akan didasarkan pada nilai probabilitas signifikansi. Jika nilai probabilitas signifikansi < a, maka hipotesis diterima. Jika nilai probabilitas signifikansi > a, maka hipotesis ditolak.
4. Pengujian Asumsi Klasik
Model regresi yang diperoleh dari metode regresi linier berganda merupakan model regresi yang menghasilkan estimator linier tidak bias yang terbaik (Best Linier Unbiased Estimator/BLUE). Uji asumsi klasik mempunyai kriteria bahwa pengamatan harus mewakili varians minimum, konsisten dan efisien. Asumsi BLUE yang harus dipenuhi antara lain: tidak ada multikolineritas, tidak ada heteroskedastisitas, dan tidak ada autokorelasi (Gujarati, 1991).
a. Uji Multikolinearitas
Multikolinieritas menunjukkan adanya korelasi antara variabel-variabel bebas. Dengan adanya multikolinieritas maka standart error untuk masingmasing variabel independen tidak
dapat dideteksi. Cara untuk mendeteksi ada tidaknya gejala multikolinieritas antara lain, menurut Gujarati (2003) dengan melihat pada matriks korelasi (korelasi antar variabel bebas), yaitu jika korelasi antar variabel melebihi 0,50 diduga terdapat gejala multikolinieritas dan melihat pada nilai Variance Inflation Factor (VIF) dan Tolerance, yaitu jika nilai VIF > 10 atau nilai Tolerance
< 0,10 maka terdapat multikolinieritas. Dalam penelitian ini, untuk mendeteksi ada tidaknya gejala multikolinieritas pada model regresi linier berganda yang diajukan dapat digunakan dengan cara:
a. R2 tinggi, tetapi sangat banyak variabel independen yang tidak signifikan mempengaruhi variabel dependen (dilihat dari hasil uji t).
b. Nilai koefisien korelasi antar masing-masing variabel independen cukup tinggi (umumnya diatas 0,90).
c. Jika nilai Variance Inflation Factor (VIF) tidak lebih dari 10 dan nilai Tolerance tidak kurang dari 0,10 . ( 3.2 )
Langkah-langkah yang digunakan untuk mengindikasikan ada tidaknya gejala multikolinieritas adalah:
a. Melakukan estimasi pada model regresi dan mendapatkan nilai R2.
b. Menganalisis matrik korelasi antar variabel independen.
c. Apabila nilai Tolerance < 0,10 atau sama dengan VIF > 10 dan koefisien korelasi antar masing-masing variabel independen cukup tinggi, maka terdapat gejala multikolinieritas.
b. Uji Heteroskedastisitas
Uji Heterokedastisitas ini untuk mengetahui apakah dalam suatu model (3.1) terjadi ketidaksamaan varians dari residual dari satu pengamatan kepengamatan yang lain. Jika varians dari residual dari satu pengamatan kepengamatan yang lain tetap, maka disebut homoskedastisitas. Dan jika varians berbeda disebut heterokedastisitas. Heterokedastisitas ini mengakibatkan persamaan (3.1) tidak efisien, tetapi hasilnya masih tetap tidak bias dan konsisten. Pengujian dilakukan dengan menggunakan uji
Gletsjer dengan caramelakukan regresi varian gangguan (residual) dengan variabel bebasnya sehingga didapat nilai P. Untuk mengetahui adanya gejala gangguan atau tidakadalah apabila nilai P > 5 %, berarti menunjukkan tidak terjadi gangguan danbegitu pula sebaliknya (Manurung et al. 2005).
c. Uji Autokorelasi
Uji Autokorelasi dilakukan untuk menguji apakah pada persamaan (3.1) ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Gejala autokorelasi menyebabkan hasil regresi tidak efisien karena varian atau standar error of estimate tidak minimum dan menjadikan tes signifikansi tidak akurat, namun hasil regresi tetap tidak bias. Ada beberapa metode yang dapat digunakan untuk mendeteksi autokorelasi antara lain metode grafik, uji Durbin Watson, Uji Run, Lagrange Multiplier (The Breusch-Godfrey Test). Salah satu
uji formal yang paling populer untuk mendeteksi autokorelasi adalah uji Durbin Watson (Nachrowi dan Usman, 2006). Pada tahun 1970 Durbin mengembangkan uji statistik yang asimtotis untuk model regresi yang mengandung lagged dependent variable. Langkah-langkah yang digunakan untuk
mengindikasikan ada tidaknya gejala autokorelasi adalah:
a. Mengestimasi model dan menghitung residualnya.
b. Menghitung D-W statistik.
c. Menentukan keputusan:
Santoso, 2002 memberikan angka patokan yang digunakan dalam uji Durbin Watson yaitu:
a. Angka D-W dibawah -2 berarti ada autokorelasi positif.
b. Angka D-W diantara -2 sampai +2, berarti tidak ada autokorelasi.
c. Angka D-W diatas +2 berarti ada autokorelasi d. Uji Normalitas
Ghozali (2006) menyatakan bahwa uji normalitas bertujuan untuk menguji apakah variabel pengganggu dalam model regresi atau residual memiliki distribusi normal. Model regresi yang baik memiliki distribusi data yang normal atau mendekati normal. Dalam penelitian, untuk menguji normalitas data dilakukan dengan uji statistik maupun analisis grafik. Uji statistik one sample Kolmogorov- Smirnov digunakan dalam penelitian ini. Dasar pengambilan keputusan onesample Kolmogorov-Smirnov adalah dengan melihat penyebaran nilai
probabilitas signifikansi setiap variabel, jika di atas 0,05 maka variabel tersebut terdistribusi secara normal, sebaliknya jika probabilitas lebih besar dari 0,05 maka data terdistribusi tidak normal.
