Teknik Analisis Data - METODE PENELITIAN - analisa pengaruh return on asset (roa) dan return on

BAB III METODE PENELITIAN

G. Teknik Analisis Data

Pengujian asumsi klasik dilakukan untuk memastikan bahwa multikolinieritas, heterokedastisitas, dan autokorelasi tidak terdapat dalam penelitian ini atau data yang dihasilkan berdistribusi normal. Apabila hal tersebut tidak ditemukan maka asumsi klasik regresi telah terpenuhi.

Pengujian asumsi klasik ini terdiri dari:

a. Uji Normalitas

Sebelum data diuji dengan analisis regresi linier, terlebih dahulu akan diuji dengan uji normalitas, dengan tujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak, model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal.

Uji normalitas ini bertujuan untuk mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian. Data yang baik dan layak digunakan dalam penelitian adalah data yang memiliki distribusi normal.Sementara dalam penelitian uji normalitas data digunakan uji normalitas data denganuji statistic Kolmogorov- Smirnov. Pengambilan keputusannya digunakan pedoman jika nilai

28 Anwar Sanusi, Metodologi Penelitian Bisnis, (Jakarta: Selemba Empat, 2014), hlm. 104.

29 Restu Fahdiansyah, “Kinerja Keuangan Bank Sebelum dan Sesudah Konversi ke Bank Syariah (Studi Pada Bank NTB Syariah)”, Jurnal Akuntansi dan Audit Syariah, Vol. 2, Nomor 1, Juni 2021, hlm. 38.

Sig. < 0,05 maka distribusi data adalah tidak normal. Begitu sebaliknya, jika nilai Sig. > 0,05 maka distribusi data adalah normal.³⁰ b. Uji Multikolinearitas

Uji multikolinearitas diperlukan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan antar variabel independen dalam suatu model. Kemiripan antar variabel independen akan mengakibatkan korelasi yang sangat kuat. Selain itu untuk uji ini juga untuk menghindari kebiasaan dalam proses pengambilan keputusan mengenai pengaruh pada uji parsial masing-masing variabel independen terhadap variabel dependen.

Multikolinearitas timbul sebagai akibat adanya hubungan kausal antara dua variabel bebas atau lebih atau adanya kenyataan bahwa dua variabel penjelas atau lebih bersama-sama dipengaruhi oleh variabel ketiga di luar model. Untuk mendeteksi adanya multikolinearitas, Nugroho menyatakan jika nilai Variance Inflation Factor (VIF) tidak lebih dari 10 maka model terbebas dari multikolinearitas.

VIF adalah suatu estimasi berapa besar multikolinearitas meningkatkan varian pada suatu koefisien estimasi sebuah variabel penjelas. VIF yang tinggi menunjukkan bahwa multikolinearitas telah menaikkan sedikit varian pada koefisien estimasi, akibatnya menurunkan nilai t. Sarwoko mengemukakan, beberapa alternatif perbaikan karena adanya multikolinearitas yaitu: (1) membiarkan saja;

(2) menghapus variabel yang berlebihan; (3) transformasi variabel multikolinearitas dan (4) menambah ukuran sampel.

c. Uji Heteroskedastisitas

Uji heterokedastisitas mempunyai tujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu pengamatan ke pengamatan yang lainnya. Apablia variance dari residual satu pengamatan ke pengamatan yang lainnya tetap maka ada homokesdatisitas dan apabila berbeda model regresi yang baik adalah yang memiliki nilai homokesdatisitas dan bukan heterokesdatisitas.

Untuk mengetahui ada atau tidaknya gejala heterokesdatisitas dapat dilakukan berbagai uji. Uji yang dapat dilakukan adalah dengan metode grafik, uji Glejser, uji Goldfeld-Quant, uji Bruesch-Pagan-

30 Stefan Yudhanto dan Siti Aisjah, “Pengaruh Net Profit Margin, Return On Asset, Return On Equity, Earning Per Share Terhadap Kebijakan Deviden (Studi Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia)”, Jurnal Ilmiah Mahasiswa Feb, Vol. 1, Nomor 2, Tahun 2012, hlm. 7.

Godfrey, dan uji White. Jika signifikansi dari nilai probabilitas lebih kecil dari 0.05 maka model tersebut mengandung heterokedastisitas, danapabila signifikansi dari nilai probabilitas lebih besar dari 0.05 maka model tersebut tidak mengandung heterokedastisitas.

d. Uji Autokorelasi

Uji autokorelasi bertujuan untuk menguji apakah model regresi linier terdapat korelasi antara kesalahan pengganggu pada suatu periode dengan kesalahan pada periode sebelumnya yang biasanya terjadi karena menggunakan data time series. Jika terdapat korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi.³¹ Tapi untuk data yang sampelnya crossection jarang terjadi karena variabel pengganggu satu berbeda dengan yang lain.

Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya masalah autokorelasi, yaitu menggunakan metode Durbin-Watson (DW test).³² Pedoman pengujiannya adalah:

a) Angka D-W di bawah -2 berarti ada autokorelasi positif b) Angka D-W di antara -2 dan +2 berarti tidak ada autokorelasi c) Angka D-W di atas +2 berarti ada autokorelasi negatif.

2. Analisis Regresi Linier Berganda

Regresi linier berganda adalah regresi linier dimana variabel terikatnya (variabel Y) di hubungkan dengan dua variabel lebih yaitu variabel bebas (variabel X). Fungsi regresi berkaitan erat dengan uji korelasi (korelasi Pearson), karena uji regresi ini merupakan kelanjutan uji korelasi (KPM). Dalam penyusunan penelitian skripsi ini menggunakan teknik analisis data Regresi berganda. Regresi berganda adalah hubungan secara antara dua variable atau lebih variabel independen (X1 X2.... X n) dengan variabel dependen (Y). Analisis ini untuk mengetahui hubungan antara variable independen dengan variabel dependen apakah masing- masing variable independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.

Berikut model persamaan data regresi data panel sebagai berikut:

31 Suliyanto, Ekonometrika Terapan: Teori dan Aplikasi Dengan SPSS, (Yogyakarta:

ANDI, 2011), hlm. 99.

32 Imam Ghozali, Aplikasi Analisis Multivariate Dengan Program SPSS, (Semarang:

Badan Penerbit Universitas Diponegoro, 2016), hlm. 108.

𝑌𝑖𝑡 = 𝛼 + 𝛽1𝑋1_𝑖𝑡 + 𝛽2𝑋2_𝑖𝑡 + 𝛽3𝑋3_𝑖𝑡 + 𝛽4𝑋4_𝑖𝑡 + 𝜀𝑖𝑡

Keterangan:

Y = Pertumbuhan Laba 𝛼 = Konstanta

β1 β2 β3 = Koefisien Variabel Independen X1 = Return On Asset (ROA)

X2 = Return On Equity (ROE) ε = Koefisien Error

i = Jumlah data

t = Periode waktu penelitian dari tahun 2018-2021 3. Uji Hipotesis

a. Uji t

Uji t merupakan alat uji statistik yang digunakan untuk menguji hipotesis komparatif dua sampel bila datanya pada skala interval dan rasio. Uji t merupakan salah satu bentuk statistik parametris karena menguji data pada skala interval dan rasio.

Pengujian uji t statistik adalah suatu prosedur dengan sampel yang digunakan untuk verifikasi kebenaran atau kesalahan dari hipotesis nol. Ide kunci di belakang uji signifikansi adalah suatu uji statistik dan distribusi sampel dari suatu statistik hipotesis nol.

Dalam pengolahan uji statistik t bertujuan untuk melihat seberapa besar pengaruh variabel independen terhadap variabel dependen secara individu. . Uji ini dilakukan dengan syarat:

1) Jika t hitung < t tabel, maka hipotesis tidak teruji yaitu variabel independen tidak berpengaruh signifikan terhadap variabel dependen.

2) Jika t hitung > t tabel, maka hipotesis teruji yang berarti variabel independen berpengaruh signifikan terhadap variabel dependen.

Pengujian juga dapat dilakukan melalui pengamatan nilai signifikansi t pada tingkat α yang digunakan (penelitian ini menggunakan tingkat α sebesar 5%). Analisis didasarkan pada perbandingan antara nilai signifikansi t dengan nilai signifikansi 0.05, dimana syarat-syaratnya adalah sebagai berikut:

1) Jika signifikansi t < 0.05 maka hipotesis teruji yang berarti variabel independen berpengaruh signifikan terhadap variabel dependen.

2) Jika signifikansi t > 0,05 maka hipotesis tidak teruji yaitu variabel independen tidak berpengaruh signifikan terhadap variabel dependen.

b. Uji F- test

Pengujian hipotesis nol dengan statistik F sangat perlu untuk menguji apakah βk = 0. Perhitungan statistik F dari ANOVA dilakukan dengan membandingkan nilai kritis F yang diperoleh dari tabel distribusi F pada tingkat signifikansi tertentu. Apabila hipotesis nol ditolak berarti variabel independen mempengaruhi variabel dependen. Dalam pengolahan empiris hal ini bertujuan untuk melihat pengaruh variabel independen secara bersama-sama terhadap variabel dependen. Pengujian ini menggunakan uji F yaitu dengan membandingkan F hitung dengan F tabel. Uji ini dilakukan dengan syarat:

1) Jika signifikansi F < 0.05, maka hipotesis teruji yang berarti variabel-variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen.

2) Jika signifikansi F > 0.05, maka hipotesis tidak teruji yaitu variabel-variabel independen secara simultan tidak berpengaruh signifikan terhadap variabel dependen.

4. Uji Koefisien Determinasi

Uji koefisien determinasi yaitu untuk mengetahui seberapa besar kemampuan variabel independen dalam menjelaskan varians dari variabel dependen. Koefisien ini juga disebut koefisien penentu, karena varians yang terjadi pada variabel dependen dapat dijelaskan melalui varians yang terjadi pada variabel independen.³³

Koefisien determinasi (R²) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.

Nilainya adalah antara nol sampai dengan satu. Nilai R² yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen sangat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Secara umum koefisien determinasi untuk data silang (crossection) relatif rendah karena adanya variasi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu (time series) biasanya mempuyai data koefisien determinasi tinggi.

33 Sugiyono, Statistik Untuk Penelitian, (Bandung: Alfabeta, 2012), hlm. 228.

Tabel 3. 1 Interval Koefisien dan Tingkat Hubungan

Interval Koefisien Tingkat Hubungan 0,0 – 0,199

0,20 – 0,399 0,40 – 0,599 0,60 – 0,799

0,80 – 1

Sangat Rendah Rendah Sedang Kuat Sangat Kuat Sumber : Sugiyono (2013: 250)

Tabel di atas digunakan untuk dapat memberikan interprestasi terhadap kuatnya pengaruh variabel yang diuji.

32 BAB IV

HASIL DAN PEMBAHASAN A. Hasil Uji

Tabel 4. 1 Laporan Triwulan

Tahun Triwulan ROA ROE Pertumbuhan Laba

2018 III 2.39 15.99 -91.48

2018 IV 1.92 8.92 -80.54

2019 I 2.32 10.36 -7.92

2019 II 2.39 10.85 93.01

2019 III 2.32 10.43 175.33

2019 IV 2.56 12.05 324.90

2020 I 1.79 7.84 -83.12

2020 II 1.84 9.27 -60.90

2020 III 1.84 9.93 -37.78

2020 IV 1.74 9.54 -20.26

2021 I 1.16 6.20 -83.41

2021 II 1.49 9.46 -50.18

2021 III 1.56 9.56 -24.56

2021 IV 1.64 10.04 6.28

Dari grafik tabel di atas terlihat jumlah ROA, ROE dan pertumbuhan laba yang tercatat di Bank NTB Syariah dari laporan triwulan tahun ke tahun mengalami kenaikan dan penurunan atau biasa disebut fluktuasi. Hal ini dapat digambarkan apabila penawaran dan permintaan berkurang, maka harga pada barang akan semakin meningkat, namun sebaliknya apabila penawaran mengalami kenaikan melebihi permintaan, maka harga pada barang akan mengalami penuruan. Namun apabila suatu penawaran cenderung stabil,maka harga dapat berfluktuasi entah itu naik atau turun seiring dengan perubahan permintaan.

Tabel 4. 2 Laporan 6 Bulanan

Tahun Semester ROA ROE Pertumbuhan Laba

2019 I 2.35 10.60 42.54

2019 II 2.44 11.24 250.11

2020 I 1.81 8.55 -72.01

2020 II 1.79 9.73 -29.02

2021 I 1.32 7.83 -66.79

2021 II 1.6 9.8 -9.14

Dari grafik tabel di atas terlihat jumlah ROA, ROE dan pertumbuhan laba yang tercatat di Bank NTB Syariah dari laporan 6 bulanan dari tahun mengalami kenaikan dan penurunan atau biasa disebut fluktuasi. Apabila dilihat dari tahun 2019 pada 6 bulan pertama nilai roa 2.35 dengan ROE 10.60 dan pertumbuhan laba 42.54, pada 6 bulan kedua nilai ROA 2.44 dengan ROE 11.24 dan pertumbuhan laba 250.11 dapat diketahui pada tahun 2019 mengalami kenaikan. Pada tahun 2020 dari 6 bulan pertama nilai ROA 1.81 dengan ROE 3.55 dan pertumbuhan laba -72.01 pada 6 bulan kedua nilai ROA 1.79 dengan ROE 9.73 dan pertumbuhan laba -29.02 dapat diketahui pada tahun 2020 mengalami kenaikan tetapi pada nilai ROA mengalami penurunan.

Pada tahun 2021 dari 6 bulan pertama nilai ROA 1.32 dengan ROE 7.83 dan pertumbuhan laba -66.79 pada 6 bulan kedua nilai ROA 1.6 dengan ROE 9.8 dan pertumbuhan laba -9.14 dapat diketahui pada tahun 2021 mengalami kenaikan.

Tabel 4. 3 Laporan Tahunan

Tahun ROA ROE Petumbuhan Laba

2019 2.56 12.05 7.46

2020 1.74 9.54 -20.26

2021 1.64 10.04 6.28

Dari grafik tabel di atas terlihat jumlah ROA, ROE dan pertumbuhan laba yang tercatat di Bank NTB Syariah dari laporan tahun ke tahun mengalami kenaikan dan penurunan atau biasa disebut fluktuasi. Terlihat pada tahun 2019 nilai ROA 2.56 dengan ROE 12.05 dan pertumbuhan laba 7.46 . pada tahun 2020 nilai ROA menurun menjadi 1.74 dengan ROE menurun menjadi 9.54 dan nilai pertumbuhan laba menurun menjadi -20.26 . pada tahun 2021 nilai ROA menurun dari tahun 2020 dengan nilai 1.74 menjadi 1.64 untuk nilai ROE meningkat dari tahun 2020 dengan nilai 9.54 menjadi 10.04 dan nilai dari pertumbuhan laba meningkat dari tahun 2020 dengan nilai -20.26 menjadi 6.28 1. Uji Asumsi Klasik

a. Uji Normalitas Data

34 Tabel 4. 4

Hasil Uji Normalitas Data

Sumber: Hasil uji E-views

Uji normalitas ini bertujuan untuk mengetahui distribusi data dalam variabel yang akan digunakan dalam penelitian. Data yang baik dan layak digunakan dalam penelitian adalah data yang memiliki distribusi normal.Sementara dalam penelitian uji normalitas data digunakan uji normalitas data dengan uji statistic Kolmogorov-Smirnov. Pengambilan keputusannya digunakan pedoman jika nilai Sig. < 0,05 maka distribusi data adalah tidak normal. Begitu sebaliknya, jika nilai Sig. > 0,05 maka distribusi data adalah normal

Uji Normalitas dapat dilihat dari nilai Probability sebuah data, ketika nilai probability > 0,05 maka data tersebut dapat dikatakan data yang tergolong normal, sebaliknya ketika nilai probability < 0,05 maka data tersebut dapat dikatakan sebagai data yang tidak normal, sehingga harus melalui beberapa uji untuk membuat data tersebut menjadi data normal.

Dari data di atas, dapat kita lihat bahwa nilai probability dari gabungan antara Variabel Y atau data Pertumbuhan Laba, dan Variabel X atau data Roa, dan Roe, memiliki nilai probability sebesar 0,00, yang berarti nilai tersebut kurang 0,05. Sehingga data di atas tergolong sebagai data yang tidak Normal.

0 2 4 6 8 10 12 14

-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0

Series: Residuals Sample 2018M09 2021M12 Observations 40

Mean -2.00e-16 Median 0.009765 Maximum 1.819854 Minimum -1.278627 Std. Dev. 0.579007 Skewness 0.961924 Kurtosis 5.760635 Jarque-Bera 18.87050 Probability 0.000080

35 b. Uji Multikolinearitas

Tabel 4. 5

Hasil Uji Multikolinearitas

dengan nilai VIF (Variance Inflation Factor)

Sumber: Hasil uji E-views

Dari data di atas, dapat kita lihat bahwa besaran nilai VIF (Variance Inflation Factor) sebesar 18.89243 (X1), dan 18.89243 (X2), dari kedua nilai tersebut diketahui bahwa ada yang melebihi nilai 10.0, hal ini berarti data X1, dan X2 terjadi Multikolinearitas.

c. Uji Heteroskedastisitas

Tabel 4. 6

Hasil Uji Heteroskedastisitas dengan Uji White

Sumber: Hasil uji E-views

Coefficient Uncentered Centered

Variable Variance VIF VIF

C 0.030348 3.435208 NA

X1 0.897699 64.67793 18.89243 X2 0.016246 63.69214 18.89243

F-statistic 14.68879 Prob. F(5,34) 0.0000

Obs*R-squared 27.34224 Prob. Chi-Square(5) 0.0000

Scaled explained SS 55.68682 Prob. Chi-Square(5) 0.0000

Dari data di atas dapat dilihat bahwa nilai Prob. Chi-Square (5) sebesar 0.0000 < 0.05, dengan demikian dapat kita simpulkan bahwa data di atas terjadi mengandung Heteroskedastisitas, karena terdapat nilai Prob.

Chi-Square yang kurang dari nilai 0.05

Jika signifikansi dari nilai probabilitas lebih kecil dari 0.05 maka model tersebut mengandung heterokedastisitas, dan apabila signifikansi dari nilai probabilitas lebih besar dari 0.05 maka model tersebut tidak mengandung heterokedastisitas

d. Uji Autokorelasi

Untuk melihat autokorelasi, dapat diamati melalui besaran nilai Durbin-Watson (D-W) dengan panduan sebagai berikut:

1) Autokorelasi positif terjadi apabila angka D-W di bawah -2

2) Jika angka D-W di antara -2 sampai +2 maka tidak terdapat autokorelasi

3) Autokorelasi negatif terjadi apabila angka D-W di atas +2 Tabel 4. 7

Hasil Uji Autokorelasi dengan Melihat Nilai Durbin-Watson

Sumber: Hasil uji E-views

Dari Tabel di atas dapat dilihat nilai dari D-W (Durbin-Watson) sebesar 0.764574 yang berarti berada di antara nilai -2 sampai 2, sehingga bisa dikatakan data di atas tidak terjadi autokorelasi.

R-squared 0.708721 Mean dependent var -0.057750 Adjusted R-squared 0.692976 S.D. dependent var 1.072826 S.E. of regression 0.594450 Akaike info criterion 1.869679 Sum squared resid 13.07473 Schwarz criterion 1.996345 Log likelihood -34.39358 Hannan-Quinn criter. 1.915478 F-statistic 45.01297 Durbin-Watson stat 0.764574 Prob(F-statistic) 0.000000

37 2. Uji Regresi Linier Berganda

Tabel 4. 8

Hasil Uji Linear Berganda

Sumber: Hasil uji E-views

Dari Tabel di atas, dapat kita ambil persamaan regresi sebagai berikut:

Y = -1.34555630919 + 4.71038525316*X1 - 0.379686935521*X2 Keterangan:

1) Konstanta sebesar -1.345556 menyatakan bahwa apabila variabel Return On Asset (ROA), dan Return On Equity (ROE) dalam keadaan konstan (tetap) maka nilai pertumbuhan laba sebesar - 1.345556 %.

2) Koefisien regresi X1 sebesar 4.710385 menyatakan bahwa setiap penambahan 1 satuan unit dari Return On Asset (ROA), maka akan meningkatkan pertumbuhan laba sebesar 4.710385 % dan sebaliknya, jika setiap penurunan sebesar 1 satuan unit dari Return On Asset (ROA) maka akan menurunkan pertumbuhan laba sebesar 4.710385 %.

3) Koefisien regresi X2 Sebesar -0.379687 menyatakan bahwa setiap penambahan 1 satuan unit dari Return On Equity (ROE), maka akan meningkatkan pertumbuhan laba sebesar -0.379687% dan sebaliknya jika setiap penurunan sebesar 1 satuan unit dari Return On Equity (ROE), maka akan menurunkan pertumbuhan laba sebesar -0.379687

4) Tanda (+) menandakan arah hubungan yang searah, sedangkan tanda (-) menunjukkan arah hubungan yang berbanding terbalik antara variabel independen (X) dengan variabel dependen (Y).

Variable Coefficient Std. Error t-Statistic Prob.

C -1.345556 0.174206 -7.723956 0.0000

X1 4.710385 0.947470 4.971543 0.0000

X2 -0.379687 0.127459 -2.978898 0.0051

38 3. Pengujian Hipotesis

Pengujian hipotesis statistik mungkin merupakan bidang paling penting dalam inferensia statistik. Hipotesis statistik adalah pernyataan atau dugaan mengenai satu atau lebih populasi. Hipotesis asosiatif adalah suatu pengujian hipotesis dengan melihat sebab akibat atau melihat hubungan dua variabel atau lebih. Pengujian Hipotesis Asosiatif Penelitiannya:

H1: Ada pengaruh yang positif dan signifikan antara Return On Asset (ROA) dengan Pertumbuhan Laba

H2: Ada pengaruh yang positif dan signifikan antara Return On equity (ROE) dengan Pertumbuhan Laba

a. Pengujian secara Parsial dengan t-test Tabel 4. 9 Hasil Uji t-test

Sumber: Hasil uji E-views

Dari tabel di atas dapat kita lihat bahwa untuk mengetahui signifikansi dari suatu variabel, dilihat dari nilai Probability masing masing variabel independen, jika nilai Probability < 0,05, maka variabel tersebut dikatakan berpengaruh signifikan, begitu juga sebaliknya, jika nilai Probability > dari 0,05, maka variabel tersebut berpengaruh tidak signifikan.

Dari tabel di atas, dapat dilihat juga pengaruh positif atau negatif dari masing-masing variabel independen dengan melihat nilai koefisien yang positif atau negatif. Maka dari itu, dapat ditarik kesimpulan sebagai berikut:

Variable Coefficient Std. Error t-Statistic Prob.

C -1.345556 0.174206 -7.723956 0.0000

X1 4.710385 0.947470 4.971543 0.0000

X2 -0.379687 0.127459 -2.978898 0.0051

39 1) Return On Asset (ROA) (X1)

Dari tabel di atas diketahui nilai Probability dari X1 Return On Asset (ROA) sebesar 0,0000 yang berarti bahwa nilai probability tersebut kurang dari 0,05, sehingga bisa dikatakan bahwa Return On Asset (ROA) memiliki pengaruh yang signifikan, dan memiliki nilai koefisien sebesar 4.710385, sehingga dapat dikatakan bahwa Return On Asset (ROA) berpengaruh positif.

Untuk H1: dari hasil pengujian di atas maka, (Return On Asset) (ROA) berpengaruh posotif dan signifikan terhadap Pertumbuhan Laba

2) Return On Equity (ROE) (X2)

Dari tabel di atas diketahui nilai Probability dari X2 Return On Equity (ROE) sebesar 0,0051 yang berarti bahwa nilai probability tersebut kurang dari 0,05, sehingga bisa dikatakan bahwa Return On Equity (ROE) memiliki pengaruh yang signifikan, dan memiliki nilai koefisien sebesar -0.379687, sehingga dapat dikatakan bahwa (Return On Equity (ROE) berpengaruh negatif.

Untuk H2: dari hasil pengujian di atas maka, (Return On Equity (ROE) berpengaruh negatif dan signifikan terhadap Pertumbuhan Laba

b. Pengujian secara Simultan dengan F-test Tabel 4. 10 Hasil Uji F-test

Sumber: Hasil uji E-views

Jika signifikansi F < 0.05, maka hipotesis teruji yang berarti variabel- variabel independen secara simultan berpengaruh signifikan terhadap variabel dependen.

Jika signifikansi F > 0.05, maka hipotesis tidak teruji yaitu variabel- variabel independen secara simultan tidak berpengaruh signifikan terhadap variabel dependen.

Tabel di atas menjelaskan bahwa besaran nilai Prob (F-statistic) adalah 0,000000, ini berarti bahwa nilai dari Prob(F-statistic) kurang dari 0,05, sehingga dapat ditarik kesimpulan bahwa pengaruh variabel independen secara simultan memiliki berpengaruh yang signifikan terhadap variabel dependen atau ROA, dan ROE secara bersamaan memiliki pengaruh yang signifikan terhadap Pertumbuhan Laba.

4. Pengujian Koefisien Determinasi

Dari tabel 4.8 di atas juga menjelaskan besarnya persentase pengaruh variabel bebas atau variabel prediktor terhadap variabel terikatnya. Besar koefisien determinasi adalah 0,708721 mengandung pengertian bahwa pengaruh variabel bebas (independen) terhadap perubahan variabel dependen adalah 70,8%, sedangkan 29,2% (100% - 70,8%) dipengaruhi oleh variabel lain. Jadi pengaruh ROA dan ROE terhadap Pertumbuhan Laba sebesar 70,8% sedangkan pengaruh variabel lain 29,2%.

Tabel 4. 11

Tingkat Koefisien Determinasi Interval Koefisien Tingkat Hubungan

0,0 – 0,199 0,20 – 0,399 0,40 – 0,599 0,60 – 0,799

0,80 – 1

Sangat Rendah Rendah Sedang Kuat Sangat Kuat Sumber : Sugiyono (2013: 250)

Berdasarkan tabel tersebut, maka koefisien korelasi yang ditemukan sebesar 0,708721 termasuk pada kategori kuat. Jadi terdapat pengaruh yang kuat antara ketiga variabel independen dan variabel dependen. Dengan demikian berarti kemampuan penelitian lebih besar dipengaruhi oleh ROA dan ROE bukan dipengaruhi oleh variabel lain.

B. Pembahasan

Sejalan dengan pemulihan fungsi intermediasi perbankan secara nasional serta perbaikan kondisi perekonomian yang terus berlanjut, pencapaian kinerja keuangan Bank sampai dengan triwulan IV-2021

menunjukkan pertumbuhan yang positif. Hal tersebut ditunjukan oleh kinerja Aset Bank yang tumbuh sebesar 7,63% (yoy), sedikit lebih kecil dibandingkan dengan pertumbuhan aset perbankan nasional dan Perbankan Syariah dengan pertumbuhan masing-masing sebesar 8,02% (yoy) dan 8,77% (yoy).

Pertumbuhan Dana Pihak Ketiga (DPK) Bank sampai dengan triwulan IV-2021 mencapai 9,91% (yoy) lebih tinggi dibandingkan dengan pertumbuhan DPK perbankan nasional sebesar 9,87% meskipun lebih kecil jika dibandingkan dengan pertumbuhan DPK Perbankan Syariah sebesar 10,05% (yoy). Dari sisi penyaluran dana, pertumbuhan pembiayaan Bank sampai dengan triwulan IV- 2021 tumbuh sebesar 15,54% (yoy) jauh lebih tinggi dibandingkan dengan pertumbuhan perbankan nasional maupun Perbankan Syariah dengan pertumbuhan masing-masing sebesar 4,08% (yoy) dan 4,34% (yoy). Dengan perkembangan kinerja yang positif tersebut, Bank pada triwulan IV-2021 berhasil mencapai pertumbuhan laba positif sebesar 6,29% (yoy) meskipun masih dibayangi oleh tantangan ketidakpastian kondisi perekonomian disepanjang tahun 2021. Namun demikian, Bank optimis dapat terus meningkatkan tren pertumbuhan kinerja yang positif dan berkelanjutan pada periode-periode selanjutnya.

1. Pengaruh Return On Asset (ROA) terhadap Pertumbuhan Laba

Dari hasil uji linier berganda didapatkan nilai Koefisien regresi Return On Asset (X1) sebesar 4.710385 menyatakan bahwa setiap penambahan 1 satuan unit dari Return On Asset (ROA), maka akan meningkatkan pertumbuhan laba sebesar 4.710385 % dan sebaliknya, jika setiap penurunan sebesar 1 satuan unit dari Return On Asset (ROA) maka akan menurunkan pertumbuhan laba sebesar 4.710385 %.

Dari hasil pengujian t-test didapatkan nilai Probability dari X1 Return On Asset (ROA) sebesar 0,0000 yang berarti bahwa nilai probability tersebut kurang dari 0,05, sehingga bisa dikatakan bahwa Return On Asset (ROA) memiliki pengaruh yang signifikan, dan memiliki nilai koefisien sebesar 4.710385, sehingga dapat dikatakan bahwa Return On Asset (ROA) berpengaruh positif. Hasil penelitian ini menunjukkan bahwa Return On Asset (ROA) (XI) berpengaruh positif dan signifikan terhadap Pertumbuhan Laba (Y).

Hasil penelitian ini sejalan dengan penelitian Widiyanti pada tahun 2019 yang berjudul “Pengaruh Net Profit Margin, Return On Assets dan Debt To Equity Ratio terhadap Pertumbuhan Laba pada Perusahaan LQ- 45”. Hasil dari penelitian menunjukan return on assets dan net profit margin positif dan signifikan pada pertumbuhan laba perusahaan LQ-45,

Dalam dokumen analisa pengaruh return on asset (roa) dan return on (Halaman 41-47)