BAB IV HASIL DAN PEMBAHASAN
A. Hasil Penelitian
3. Analisis Data
a. Deskriptif Statistik Variabel Penelitian
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, jumlah, jangkauan, kurtosis dan skewness (kemencengan distribusi) (Ghozali, 2011). Nilai rata-rata menggambarkan tendensi atau pemusatan data, sedangkan standar deviasi, varian, dan jangkauan menggambarkan dispersi atau tingkat persebaran data. Berdasarkan hasil analisis deskripsi statistik, pada Tabel 4.5 ditampilkan karakteristik sampel yang digunakan didalam penelitian ini meliputi: jumlah sampel (N), rata-rata sampel (mean), nilai maksimum, nilai minimum serta standar deviasi (ó) untuk masing-masing variabel.
Tabel 4.5 Descriptive Statistics
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
CAR 105 10.80 30.48 16.7698 3.60085
ROA 105 .66 5.15 2.3640 1.14405
NPL 105 .21 5.07 1.8898 .97049
LDR 105 40.22 97.00 70.2418 9.23965
Valid N (listwise) 105
Pada Tabel diatas, menunjukkan bahwa jumlah data yang digunakan dalam penelitian ini sebanyak 105 sampel data yang diambil dari Laporan Tahunan Publikasi bank yang tercatat di BEI periode 2013 hingga 2017.
Berdasarkan analisis statistik deskriptif maka dapat diketahui bahwa rata-rata
40
rasio Loan to Deposit Ratio (LDR) yang dimiliki oleh perusahaan sampel selama periode pengamatan adalah sebesar 70.2418 dengan nilai terendah (minimum) sebesar 40,22 yang dimiliki oleh Bank Victoria Internasional Tbk., pada tahun 2013 dan nilai tertinggi (maksimum) sebesar 97,00 yang dimiliki oleh Bank Tabungan Pensiun Nasional Tbk., pada tahun 2017. Sedangkan standar deviasi yang dimiliki rasio LDR adalah sebesar 9,23965 menunjukan simpangan data yang relatif kecil karena nilainya lebih rendah dari nilai mean-nya, maka dapat dikatakan bahwa data rasio LDR cukup baik.
Variabel Capital Adequacy Ratio (CAR) memiliki nilai terendah (minimum) sebesar 10,80 persen yang dimiliki oleh Bank Victoria Internasional Tbk., pada tahun 2013 dan nilai tertinggi (maximum) sebesar 30,48 persen yang dimiliki oleh Bank Capital Indonesia Tbk., pada tahun 2013. Kemudian secara keseluruhan rata–rata CAR yang dimiliki oleh perusahaan yang menjadi sampel adalah sebesar 16,7698 persen dengan standar deviasi sebesar 3,60085 persen menunjukan simpangan data yang relatif kecil karena nilainya lebih rendah dari nilai mean-nya, maka dapat dikatakan bahwa data rasio CAR tersebar cukup baik.
Variabel Return on Assets (ROA) memiliki nilai terendah (minimum) sebesar 0,66 persen yang dimiliki oleh Bank Artha Graha Internasional Tbk., pada tahun 2015 dan nilai tertinggi (maximum) sebesar 5,15 persen yang dimiliki oleh Bank Rakyat Indonesia (Persero) Tbk., pada tahun 2015.
Kemudian secara keseluruhan rata–rata ROA yang dimiliki oleh perusahaan yang menjadi sampel adalah sebesar 2,3640 persen dengan standar deviasi sebesar 1,14405 persen menunjukan simpangan data yang relatif kecil karena nilainya lebih rendah dari nilai mean-nya, maka dapat dikatakan
bahwa data rasio ROA tersebar cukup baik.
Variabel Non Performing Loan (NPL) memiliki nilai terendah (minimum) sebesar 0,21 persen yang dimiliki oleh Bank Bumi Arta Tbk., pada tahun 2016 dan nilai tertinggi (maximum) sebesar 5,07 persen yang dimiliki oleh Bank Victoria Internasional Tbk., pada tahun 2013. Kemudian secara keseluruhan rata– rata NPL yang dimiliki oleh perusahaan yang menjadi sampel adalah sebesar 1,8898 persen dengan standar deviasi sebesar 0,97049 persen menunjukan simpangan data yang relatif kecil karena nilainya lebih rendah dari nilai mean-nya, maka dapat dikatakan bahwa data rasio NPL tersebar cukup baik.
b. Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk melihat apakah data penelitian dapat dianalisis dengan menggunakan persamaan regresi linear berganda.
Uji asumsiklasik yang digunakan dalam penelitian ini adalah uji normalitas, ujiheteroskedastisitas, uji multikolinearitas, dan uji autokorelasi. Model regresi yang baik adalah model yang lolos dari uji asumsi klasik tersebut.
1) Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi,variabel residual memiliki distribusi normal. Untuk menguji apakah distribusi data normal atau tidak, ada dua cara untuk mendeteksinya, yaitu dengan analisis grafik dan uji statistik. Analisis grafik merupakan cara yang termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Hasil uji normalitas dalam penelitian ini dapat dilihat pada Gambar 4.1 dan 4.2 brikut ini.
42
Gambar 4.1 Grafik Histogram
Gambar 4.2 Grafik Normal P Plot
Pada tampilan grafik histogram terlihat bahwa grafik memberikan pola distribusi normal. Sedangkan pada grafik normal P Plot menunjukkan bahwa titik titik pada grafik telah mendekati sumbu diagonalnya. Hasil tersebut menunjukkan bahwa residual telah terdistribusi secara normal. Untuk memperkuat hasil tersebut, maka dilakukan uji normalitas menggunakan uji Kolmogorov -Smirnov, hasil uji Kolmogrov-Smirnov dalam penelitian ini dapat dilihat pada Tabel 4.6 berikut ini :
Tabel 4.6 Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 105
Normal Parametersa,b Mean .0000000
Std. Deviation 8.87359404
Most Extreme Differences Absolute .068
Positive .055
Negative -.068
Test Statistic .068
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
Tabel diatas menunjukkan besarnya nilai Kolmogorov-Smirnov adalah 0,068 dan signifikansi pada 0,200 (>0,05) yang menunjukkan nilai residual telah terdistribusi secara normal yang mendukung uji normalitas dengan grafik.
2) Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak
44
orthogonal. Variabel orthogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Uji multikolinearitas dalam penelitian ini dengan melihat koefisien Variance Inflation Factor (VIF) dan nilai Tolerance. Gangguan multikolinearitas tidak terjadi jika VIF di bawah 10 atau Tolerance di atas 0,1. Hasil uji multikolinearitas dalam penelitian ini dapat dilihat pada Tabel 4.7 berikut ini :
Tabel 4.7 Uji Multikolinearitas
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 65.304 4.976 13.124 .000
CAR .061 .249 .024 .245 .807 .973 1.027
ROA 2.086 .791 .258 2.638 .010 .952 1.050
NPL -.538 .927 -.057 -.581 .563 .964 1.037
a. Dependent Variable: LDR
3) Uji Autokorelasi
Uji Autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Salah satu cara untuk mengetahui ada atau tidaknya autokorelasi adalah dengan uji Durbin Watson (DW test). Hasil uji autokorelasi dalam penelitian ini dapat dilihat pada Tabel 4.8 berikut ini :
Tabel 4.8 Uji Autokorelasi
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .279a .078 .050 9.00442 1.265
a. Predictors: (Constant), NPL, CAR, ROA b. Dependent Variable: LDR
Berdasarkan hasil analisis regresi diperoleh nilai hitung (d) Durbin Watson sebesar 1,265; 4 – d = 2,735. Sedangkan besarnya DW-tabel: dl (batas luar) = 1,0262; du (batas dalam) = 1,6694; 4 – du = 2,3306; dan 4 – dl
= 2,9738; maka dari perhitungan disimpulkan bahwa DW-test terletak pada daerah uji.
Oleh karena nilai (d) 1,0656 lebih kecil daripada batas atas (du) 1,6694 maka dapat disimpulkan tidak terdapat autokorelasi positif pada model regresi.
4) Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan kepengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda akan disebut heteroskedastisitas. Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas.
Untuk menentukan heteroskedastisitas dapat menggunakan grafik scatterplot, titik-titik yang terbentuk harus menyebar secara acak, tersebar baik diatas maupundibawah angka 0 pada sumbu Y, bila kondisi ini terpenuhi maka tidak terjadi heteroskedastisitas dan model regresi layak digunakan.
Hasil uji heteroskedastisitas dengan menggunakan grafik scatterplot dalam penelitian ini dapat dilihat Gambar 4.3 berikut ini :
46
Gambar 4.3 Uji Heterokedastisitas
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun dibawah angka 0 pada sumbu Y. dengan demikian dapat disimpulkan bahwa model regresi ini tidak terjadi heteroskedastisitas.
c. Analisis Regresi Linear Berganda
Berdasarkan uji asumsi klasik di atas dapat disimpulkan bahwa data yang ada terdistribusi secara normal serta tidak terdapat multikolinearitas, heteroskedastisitas dan autokorelasi, sehingga memnuhi persyaratan untuk melakukan analisis regresi berganda (multiple regression analysis) untuk melakukan pengujian terhadap hipotesis.
Analisis regresi berganda dilakukan dengan membandingkan t hitung dengan t table dan nilai sig dengan α yang diajukan yaitu 95% atau α = 0,05.
Dapat dilihat pada Tabel 4.9 berikut :
Tabel 4.9 Uji Signifikan (Uji-t)
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 65.304 4.976 13.124 .000
CAR .061 .249 .024 .245 .807
ROA 2.086 .791 .258 2.638 .010
NPL -.538 .927 -.057 -.581 .563
a. Dependent Variable: LDR
Persamaan di atas dapat dijelaskan sebagai berikut : Yit= 65,304 – 0,061X1it+ 2,086X2it– 0,538X3it+ e 1) Konstanta
Angka konstanta sebesar 65,304 menyatakan bahwa jika variabel independen dianggap konstan, maka rata-rata Loan to Deposit Ratio (LDR) adalah 65,304 persen.
2) Koefisien Regresi X1
VariabelCapital AdequacyRatio (CAR) memiliki nilai koefisien regresi sebesar 0,061. Hal ini berarti bahwa setiap kenaikan satu satuan CAR meningkatkan LDR sebesar 0,061. Nilai koefisien regresi berarah positif menunjukan bahwa CAR memiliki pengaruh yang positif terhadap Loan to Deposit Ratio(LDR) selama periode penelitian.
3) Koefisien Regresi X2
Variabel Return on Assets (ROA) memiliki nilai koefisien regresi sebesar 2,086. Hal ini berarti bahwa setiap kenaikan satu satuan ROA meningkatkan LDR sebesar 2,086. Nilai koefisien regresi berarah positif menunjukan bahwa ROA memiliki pengaruh yang positif terhadap Loan to Deposit Ratio(LDR) selama periode penelitian.
48
4) Koefisien Regresi X3
Variabel Non Performing Loan (NPL) memiliki nilai koefisien regresi sebesar -0,538. Hal ini berarti bahwa setiap kenaikan satu satuan NPL menurunkan LDR sebesar 0,538. Nilai koefisien regresi negatif menunjukan bahwa NPL berpengaruh negatif terhadap Likuiditas Perbankan/LDR selama periode penelitian.
d. Uji Goodnes of Fit Model
Secara statistik dapat diukur dari koefisien determinasi, nilai statistik F dan nilai statistik t.
1) Uji Koefisien Determinasi (R2)
Selain untuk menguji hipotesis, analisis regresi berganda juga digunakan untuk mengukur pengaruh variabel independen secara simultan terhadap variabel dependen serta untuk mengukur koefisien determinasi model penelitian. Untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen, maka digunakanlah koefisien determinasi. Dalam penelitian ini, nilai koefisien determinasi yang dipakai adalah nilaiR Square.Hasil uji koefisien determinasi dari model penelitian ini dapat dilihat pada Tabel 4.10 berikut ini :
Tabel 4.10 Uji Koefisien Determinasi
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the Estimate
1 .279a .078 .050 9.00442
a. Predictors: (Constant), NPL, CAR, ROA b. Dependent Variable: LDR
Berdasarkan hasil pengolahan data dari Tabel diatas didapatkan nilai R square (R2) sebesar 0,050 yang berarti bahwa kontribusi variabel CAR,
ROA, dan NPL mampu menjelaskan variasi konstribusinya dalam mempengaruhi Likuiditas Perbankan, sedangkan Standar Error of Estimate (SEE) sebesar 9,00442. Makin kecil nilai SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen.Sementara itu, nilai R sebesar 0,279 menunjukkan hubungan antara variabel dependen yaitu Likuiditas dengan variabel independen yaitu CAR, ROA dan NPL.
2) Uji Signifikansi Parsial (Uji-t)
Keandalan model regresi sebagai alat estimasi sangat ditentukan oleh signifikansi parameter-parameter dalam model yaitu koefisien regresi. Uji signifikansi dilakukan dengan statistik t (uji t). Uji t digunakan untuk menguji signifikansi koefisien regresi secara parsial dari variabel independennya (Ghozali, 2005). Uji-t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen. Tampilan output SPSS uji-t dapat dilihat pada Tabel 4.11 berikut ini :
Tabel 4.11 Uji Signifikan (uji t)
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) 65.304 4.976 13.124 .000
CAR .061 .249 .024 .245 .807
ROA 2.086 .791 .258 2.638 .010
NPL -.538 .927 -.057 -.581 .563
a. Dependent Variable: LDR
Dalam penelitian ini uji-t digunakan untuk menguji apakah variabel independen (CAR, ROA, dan NPL) mempunyai pengaruh terhadap variabel dependent yaitu Likuiditas/LDR. Adapun penjelasan dari pengujian hipotesis
50
dalam penelitian ini adalah sebagai berikut:
1. Pengujian Hipotesis Pertama (H1)
Hipotesis pertama menyatakan bahwa Capital Adequacy Ratio (CAR) berpengaruh positif terhadap Likuiditas Perbankan. Berdasarkan Tabel 4.11 koefisien regresi CAR sebesar 0,061. Hal ini menunjukan CAR mempunyai pengaruh positif terhadap Likuiditas Perbankan. Probabilitas menunjukan lebih besar dari 0,05 yaitu sebesar 0,807 artinya bahwa variabel CAR mempunyai pengaruh yang tidak signifikan terhadap Likuiditas Perbankan. Sedangkan arah koefisien dari variabel CAR menunjukkan arah yang positif. Dengan demikian dapat disimpulkan bahwa hipotesis pertama yang menyatakan CAR berpengaruh positif terhadap Likuiditas Perbankan tidak dapat diterima karena menunjukkan nilai probabilitas yang lebih tinggi.
2. Pengujian Hipotesis Kedua (H2)
Hipotesis kedua menyatakan bahwa Return on Assets (ROA) berpengaruh positif terhadap Likuiditas Perbankan. Berdasarkan Tabel 4.11 koefisien regresi ROA sebesar 2,086. Hal ini menunjukan ROA mempunyai pengaruh positif terhadap Likuiditas Perbankan. Probabilitas menunjukan lebih besar dari 0,05 yaitu sebesar 0,010 artinya bahwa variabel ROA mempunyai pengaruh yang signifikan terhadap Likuiditas Perbankan.
Sedangkan arah koefisien dari variabel ROA menunjukkan arah yang positif.
Dengan demikian dapat disimpulkan bahwa hipotesis kedua yang menyatakan ROA berpengaruh positif terhadap Likuiditas Perbankan dapat diterima.
3. Pengujian Hipotesis Ketiga (H3)
Hipotesis ketiga menyatakan bahwa Non Performing Loan (NPL)
berpengaruh negatif terhadap Likuiditas Perbankan. Berdasarkan Tabel 4.11 koefisien regresi NPL sebesar -0,538. Hal ini menunjukan NPL mempunyai pengaruh negatif terhadap Likuiditas Perbankan. Probabilitas menunjukan lebih besar dari 0,05 yaitu sebesar 0,563 artinya bahwa variabel NPL mempunyai pengaruh yang tidak signifikan terhadap Likuiditas Perbankan.
Sedangkan arah koefisien dari variabel NPL menunjukkan arah yang negatif.
Dengan demikian dapat disimpulkan bahwa hipotesis ketiga yang menyatakan NPL berpengaruh negatif terhadap Likuiditas Perbankan tidak dapat diterima karena menunjukkan nilai probabilitas yang lebih tinggi.