BAB II TINJAUAN PUSTAKA
F. Teknik Analisis
1. Analisis Statistik Deskriptif
Menurut Sugiyono (2014) statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi.
Statistik deskriptif digunakan untuk memberikan gambaran atau deskriptif suatu data yang dilihat dari nilai rata–rata (mean), nilai minimum, nilai maksimum, dan standar deviasi.
2. Regresi Linear Berganda
Berdasarkan hipotesis yang diajukan, maka alat analisis yang digunakan dalam penelitian ini adalah analisis linear berganda. Analisis regresi digunakan untuk mendeskripsikan fenomena data melalui terbentuknya suatu model hubungan yang bersifat numerik. Regresi juga dapat digunakan untuk melakukan pengendalian (kontrol) terhadap suatu kasus atau hal-hal yang sedang diamati
melalui penggunaan model regresi yang diperoleh.
Metode regresi berganda (multiple regression) bertujuan untuk memprediksi pengaruh antara variabel independen terhadap variabel dependen.
Adapun formulasi model regresi linear berganda adalah :
Keterangan:
Y = Likuiditas (LDR) a = Konstanta
i = Jumlah observasi t = Periode/waktu
ß = Koefisien regresi variabel X1,2,3
CAR =Capital Adequacy Ratio ROA =Return on Assets NPL =Non Performing Loan e =error
Model regresi linear berganda yang dipakai dalam penelitian ini telah memenuhi syarat asumsi klasik yaitu uji normalitas, uji multikolinieritas, uji autokorelasi dan heterokedastisitas.
3. Pengujian Asumsi Klasik
Penggunaan analisis regresi dalam statistik harus bebas dari asumsi- asumsi klasik. Adapun pengujian asumsi klasik yang digunakan dalam penelitian ini adalah uji normalitas, uji multikolinieritas, autokorelasi dan heterokedastisitas.
a. Uji Normalitas
Tujuan uji normalitas menurut Ghozali (2011) adalah untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal. Ada beberapa cara yang dapat digunakan untuk melihat normalitas data dalam penelitian ini yaitu:
Yit=a + ß1CARit+ ß2ROAit+ß3NPLit+e
28
1) Histogram, yaitu pengujian dengan menggunakan ketentuan bahwa data normal berbentuk lonceng (Bell shaped). Data yang baik adalah data yang memiliki pola distribusi normal. Jika data menceng ke kanan atau menceng ke kiri berarti memberitahukan bahwa data tidak berdistribusi secara normal.
2) GrafikNormality Probability Plot,ketentuan yang digunakan adalah : a) Jika data menyebar disekitar garis diagonal dan mengikuti arah garis
diagonal maka model regesi memenuhi asumsi normalitas.
b) Jika data menyebar jauh dari diagonal dan/atau tidak mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi normalitas.
b. Uji Multikolinieritas
Menurut Ghozali (2011), uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Dasar yang digunakan untuk mendeteksi ada tidaknya multikolonieritas dalam model regresi (Ghozali, 2011) adalah:
1) Nilai R2 yang dihasilkan oleh suatu estimasi model regresi empiris yang sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen.
2) Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen terdapat korelasi yang cukup tinggi (lebih dari 0,09), maka hal ini merupakan indikasi adanya multikolonieritas.
3) Multikolonieritas dapat juga dilihat dari nilai tolerance dan variance
inflation factor (VIF), suatu model regresi yang bebas dari masalah multikolonieritas apabila mempunyai nilai toleransi = 0,1 dan nilai VIF=
10.
c. Uji Autokorelasi
Menurut Imam Ghozali (2011), uji autokolerasi bertujuan menguji apakah dalam model regresi linear ada kolerasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi autokolerasi maka dinamakan ada problem autokolerasi. Pada penelitian ini, untuk mengetahui ada atau tidaknya autokorelasi digunakan uji Durbin Wastin (DW) dengan kriteria sebagai berikut:
1. 0 < d < dl, berarti tidak ada autokorelasi positif dan keputusannya ditolak.
2. dl ≤ d ≤ du, berarti tidak ada autokorelasi positif dan keputusannya no desicison.
3. 4 – dl < d < 4, berarti tidak ada autokorelasi negatif dan keputusannya ditolak.
4. 4 – du ≤ d ≤ 4 – dl, berarti tidak ada autokorelasi negatif dan keputusannya no desicison.
5. du < d < 4 – du, berarti tidak ada autokorelasi positif atau negatif dan keputusannya tidak ditolak.
d. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk melihat apakah didalam model regresi terjadi ketidaksamaan variabel dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homokedastisitas, dan jika
30
berbeda disebut heterokedastisitas. Model regresi yang baik yaitu homokedastisitas. Pengujian dilakukaan dengan Scatter-Plot dengan menggunakan SRESID dan ZPRED pada sofiware IBM SPSS Statistics.
Dasar pengambilan keputusannya :
1) Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heterokedastisitas.
2) Jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heterokedastisitas atau terjadi homokedastisitas.
4. Uji Goodnes of Fit Model
Untuk melakukan pengujian hipotesis dilakukan dengan uji ketepatan perkiraan untuk mengetahui seberapa besar hubungan antara variabel independen dengan variabel dependen. Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat diukur dari Goodness of fit-nya. Secara statistik, hal ini dapat diukur dari nilai koefisien determinasi dan nilai statistik t.
a. Koefisien Determinasi (R2)
Nilai digunakan untuk mengukur tingkat kemampuan model dalam menerangkan variasi variabel independen. Nilai koefisien determinasi merupakan nilai antara nol dan satu. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.
b. Uji Regresi Parsial (Uji t)
Pengujian ini dilakukan untuk menguji apakah setiap variabel bebas mempunyai pengaruh yang signifikan terhadap variabel terikat. Pengujian ini
bertujuan untuk mengetahui seberapa jauh pengaruh satu variabel penjelas atau independen secara individual dalam menerangkan variasi-variabel dependen. Dengan menggunakan tingkat signifikansi 5%, maka kriteria pengujian adalah sebagai berikut:
1) Apabila nilai signifikansi t < 0.05, maka H0 ditolak, artinya terdapat pengaruh yang signifikan antara satu variabel independen terhadap variabel dependen.
2) Apabila nilai signifikansi t > 0.05, maka H0 diterima, artinya tidak ada pengaruh yang signifikan antara satu variabel independen terhadap variabel dependen.
32