23

BAB III
METODE PENELITIAN

3.1 Jenis dan Sumber Data
3.1.1 Jenis Data
Dalam melaksanakan penelitian ini, jenis data yang dipergunakan adalah
data sekunder. Menurut Sugiyono (2008:193), sumber sekunder adalah sumber
data yang tidak langsung memberikan data kepada pengumpul data, misalnya
lewat orang lain atau lewat dokumen. J enis data yang digunakan dalam
penelitian ini adalah data sekunder yang berupa laporan keuangan tahunan dari
bank bank Swasta Devisa di Indonesia yaitu dari 31 Desember 2007 sampai 31
Desember 2010

3.1.2 Sumber Data
Data yang diperlukan dalam penelitian ini merupakan data sekunder
historis, dimana data diperoleh dari Laporan Keuangan Publikasi masing masing
bank yang telah diterbitkan oleh Bank Indonesia.

3.2 Populasi dan Sampel
3.2.1 Populasi
Populasi adalah wilayah generalisasi yang terdiri atas: obyek/subyek yang
mempunyai kualitas dan karakteristik tertentu yang diterapkan oleh peneliti untuk
dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2008:115). Populasi
Universitas Sumatera Utara
24

yang digunakan dalam penelitian ini adalah seluruh Bank Swasta Devisa yang
terdaftar di direktori Bank Indonesia. Yaitu sebanyak 41 bank.

3.2.2 Sampel
Sampel penelitian diambil secara purposive sampling yaitu sampel ditarik
sejumlah tertentu dari populasi emiten dengan menggunakan pertimbangan atau
kriteria tertentu.
Kriteria untuk pemilihan sampel yang akan diteliti dalam penelitian ini
adalah sebagai berikut:
1. Bank Swasta Devisa yang terdaftar di Direktori bank Indonesia
2. Bank Swasta Devisa yang menyajikan laporan keuangan dan rasio rasio
yang dibutuhkan dalam penelitian ini yaitu selama empat tahun berturut
turut yaitu dari 31 Desember 2007 sampai 31 Desember 2010 (hanya
pertumbuhan laba yang menggunakan data per 31 Desember 2007).
3. Bank Swasta Devisa yang laporan keuangannya lengkap dan dapat di
download.
Tabel 3.1
Populasi dan Sample Penelitian
N
O
POPULASI
KRITERIA
SAMPLE
AKHIR
1 2 3
1 BANK ARTAMEDIA
2 BANK AGRONIAGA TBK
3 BANK ANTAR DAERAH
4 BANK ARTHA NIAGA KENCANA
Universitas Sumatera Utara
25


Lanjutan
N
O
POPULASI
KRITERIA
SAMPLE
AKHIR
1 2 3
5
BANK ARTHA GRAHA
INTERNASIONAL

6 BANK BUKOPIN
7 BANK BUMI ARTA TBK
8 BANK CENTRAL ASIA TBK
9 BANK CIMB NIAGA TBK
10 BANK DAGANG BALI
11 BANK DANAMON INDONESIA TBK
12 BANK EKONOMI RAHARJ A TBK
13 BANK GANESHA
14 BANK HAGA
15 BANK HAGAKITA
16 BANK HANA
17 BANK HIMPUNAN SAUDARA 1906 TBK
18
BANK ICB BUMI PUTERA INDONESIA
TBK

19 BANK ICBC INDONESIA
20 BANK IFI
21 BANK INDEX
22 BANK INTERNASIONAL INDONESIA
Universitas Sumatera Utara
26

TBK
23 BANK QNB KESAWAN
24 BANK LIPPO
25 BANK MASPION INDONESIA
26
BANK MAYAPADA INTERNASIONAL
TBK


Lanjutan
N
O
POPULASI
KRITERIA SAMPLE
AKHIR
1 2 3
27 BANK MEGA TBK
28 BANK MESTIKA DHARMA
29 BANK METRO EXPRESS
30 BANK MUTIARA TBK
31
BANK NUSANTARA PARAHYANGAN
TBK

32 BANK OCBC NISP TBK
33 BANK PERMATA TBK
34 BANK PIKKO TBK
35 BANK SINARMAS
36 BANK SWADESI TBK
37 BANK UNIVERSAL
38 BANK UOB BUANA TBK
39 BANK WINDU KENCANA
Universitas Sumatera Utara
27

INTERNASIONAL TBK
40 BANK PAN INDONESIA TBK
41 PRIMA EXPRESS BANK






3.3 Metode Pengumpulan Data
Penelitian ini menggunakan dua metode pengumpulan data, yaitu:
a. Studi Pustaka
Mengumpulkan data dan teori yang relevan terhadap permasalahan yang
akan diteliti dengan melakukan studi pustaka terhadap literatur dan bahan
pustaka lainnya seperti artikel, jurnal, buku, dan penelitian terdahulu.
b. Studi Dokumenter
Pengumpulan data sekunder yang berupa laporan keuangan tahunan
masing- masing Bank yang diperoleh dari Website Bank Indonesia dan
Website Bursa Efek Indonesia.

3.4 Defenisi Operasional Variabel
3.4.1 Variabel Dependen (Y)
Universitas Sumatera Utara
28

Variabel Dependen dalam penelitian ini adalah Pertumbuhan Laba (Y).
Pertumbuhan laba berarti terjadi kenaikan atau penurunan dari aktiva dan
kewajiban yang diolah dan berpengaruh terhadap modal perusahaan. Rumus
pertumbuhan laba sebagai berikut:
=

1

Keterangan:
Yn =Pertumbuhan laba tahun ke-n
Y
n-1 =
Laba tahun sebelumnya
N =tahun ke-n

3.4.2. Variabel Independen (X)
Berupa rasio-rasio keuangan antara lain CAR, NPL, OER, LDR. Masing-
masing variable didefinisikan sebagai berikut :
a. Capital Adequacy Ratio (CAR)
CAR adalah rasio untuk mengukur kecukupan modal yang dimiliki bank
untuk menunjang aktiva yang mengandung atau menghasilkan resiko,
misalnya kredit yang diberikan. Rumus CAR:
=


100%

b. Non Performing Loan (NPL)
Universitas Sumatera Utara
29

NPL adalah rasio yang menunjukkan kemampuan manajemen bank dalam
mengelola kredit bermasalah yang diberikan oleh bank. NPL dihitung
dengan menggunakan rumus :
=

+
100%

c. Operational Efficiency Ratio (OER)
OER atau disebut juga dengan BOPO adalah perbandingan antara beban
operasional dengan pendapatan operasional. Beban operasional dihitung
berdasarkan penjumlahan dari total beban bunga dan total beban
operasional lainnya. Pendapatan operasional adalah penjumlahan dari total
pendapatan bunga dan total pendapatan operasional lainnya. Rasio ini
digunakan untuk mengukur tingkat efisiensi bank dalam melakukan
kegiatan operasinya. OER dihitung dengan menggunakan rumus :
=


100%

d. Loan to deposit ratio (LDR)
LDR adalah rasio antara jumlah seluruh kredit yang diberikan bank dengan
total dana pihak ketiga bank. Rasio ini akan menunjukkan tingkat
kemampuan bank dalam menyalurkan dana pihak ketiga yang dihimpun
oleh bank yang bersangkutan. LDR dihitung dengan menggunakan rumus :
=

+
100%

Universitas Sumatera Utara
30

3.5 Skala Pengukuran Variabel
Ringkasan skala pengukuran variabel dari penelitian ini dapat dilihat pada
tabel 3.2 berikut ini:
Tabel 3.2
Skala Pengukuran Variabel

No. Variabel
Dependen (Y)
Pengukuran Variabel Skala
1 Pertumbuhan
Laba

1


Rasio



Lanjutan
No. Variabel
Independen (X)
Pengukuran Skala
1 CAR

100%
Rasio
2 NPL Kredit Bermasalah
Total Kredit
X 100%

Rasio
3 BOPO Biaya Operasional
Pendapatan Operasional
X 100%
Rasio
4 LDR Total Kredit yang diberikan
Total dana pihak ketiga +modal
X 100%

Rasio

3.6 Teknik Analisis Data
Universitas Sumatera Utara
31

Teknik analisis data yang digunakan adalah Statistic desktiptif
komparatif, yaitu suatu teknik analisis data dengan cara mendeskripsikan atau
menggambarkan data yang telah terkumpul sebagaimana adanya dari nilai
variabel mandiri, baik satu variabel atau lebih kemudian membuat perbandingan
atau menghubungkan antara variabel satu dan yang lainnya dilanjutkan dengan
membuat kesimpulan yang berlaku untuk umum atau generalisasi (Sugiyono,
2008). Analisis deskriptif dilakukan antara lain dengan menggunakan alat analisis.
Adapun alat analisis yang digunakan adalah analisis regresi berganda dengan
melakukan uji asumsi klasik terlebih dahulu.
3.6.1 Uji Asumsi Klasik
Sebelum data dianalisis dengan model regresi linear berganda yang akan
digunakan pada penelitian ini harus memenuhi syarat asumsi klasik yang meliputi:
a. Uji Normalitas
Bertujuan untuk menguji apakah dalam model regresi variabel terikat dan
variabel bebas, keduanya mempunyai distribusi normal atau tidak. Model
regresi yang baik adalah distribusi data normal atau mendekati normal. Uji
ini dilakukan dengan cara melihat penyebaran data (titik) pada sumbu
diagonal atau grafik. Apabila data menyebar di sekitar garis diagonal dan
mengikuti arah garis diagonal maka model regresi memenuhi asumsi
normalitas. Apabila data menyebar jauh dari garis diagonal dan atau tidak
mengikuti arah garis diagonal maka model regresi tidak memenuhi asumsi
normalitas (Ghozali, 2005:163). Pengujian normalitas ini dapat dilakukan
melalui analisis grafik dan analisis statistik.
Universitas Sumatera Utara
32

1. Analisis Grafik
Salah satu cara termudah untuk melihat normalitas residual adalah
dengan melihat grafik histogram yang membandingkan antara data
observasi dengan distribusi yang mendekati normal. Namun
demikian, hanya dengan melihat histogram, hal ini dapat
membingungkan, khususnya untuk jumlah sampel yang kecil.
Metode lain yang dapat digunakan adalah dengan melihat normal
probability plot yang membandingkan distribusi kumulatif dari
distribusi normal. Dasar pengambilan keputusan dari analisis
normal probability plot adalah sebagai berikut :
a) J ika data menyebar di sekitar garis diagonal dan mengiikuti
arah garis diagonal menunjukkan pola distribusi normal,
maka model regresi memenuhi asumsi normalitas.
b) J ika data menyebar jauh dari garis diagonal dan atau tidak
mengikuti arah garis diagonal tidak menunjukkan pola
distribusi normal, maka model regresi tidak memenuhi
asumsi normalitas.
2. Analisis Statistik
Untuk mendeteksi normalitas data dapat dilakukan pula melalui
analisis statistik yang salah satunya dapat dilihat melalui
Kolmogorov-Smirnov test (K-S). Uji K-S dilakukan dengan
membuat hipotesis:
Ho : data terdistribusi secara normal ( sig. >0,05)
Universitas Sumatera Utara
33

Ha : data tidak terdistribusi normal ( sig. <0,05 )
Dasar pengambilan keputusan dalam uji K-S adalah sebagai
berikut :
a) Apabila probabilitas nilai Z uji K-S signifikan secara
statistik, maka Ho ditolak, yang berarti data terdistribusi
tidak normal.
b) Apabila probabilitas nila Z uji K-S tidak signifikan secara
statistik, maka Ho diterima, yang berarti data terdistribusi
normal.

b. Uji Multikolinearitas
Menurut Ghozali (2005:105) uji ini bertujuan menguji apakah pada model
regresi ditemukan adanya korelasi antar variabel independen. Pada model
regresi yang baik seharusnya antar variabel independen tidak terjadi
kolerasi. Untuk mendeteksi ada tidaknya multikoliniearitas dalam model
regresi dapat dilihat dari tolerance value atau variance inflation factor
(VIF). Sebagai dasar acuannya dapat disimpulkan:
1. J ika nilai tolerance > 0,10 dan nilai VIF < 10, maka dapat
disimpulkan bahwa tidak ada multikolinearitas antar variabel
independen dalam model regresi.
2. J ika nilai tolerance < 0,10 dan nilai VIF > 10, maka dapat
disimpulkan bahwa ada multikolinearitas antar variabel independen
dalam model regresi.
Universitas Sumatera Utara
34

c. Uji Heteroskedastisitas
Uji heteroskesdastisitas bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. J ika variance dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda
disebut Heteroskedastisitas. Model regresi yang baik adalah yang
Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Untuk
mendeteksi ada tidaknya heteroskedastisitas menurut Ghozali (2005:139)
dapat dilihat dari grafik scatterplot antara lain prediksi variabel dependen,
yaitu ZPRED dengan residualnya SRESID. Dasar pengambilan
keputusannya adalah :
1. jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur (bergelombang, melebar kemudian
menyempit), maka mengindikasikan telah terjadi
heteroskedastisitas.
2. jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas
dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas atau terjadi homoskedastisitas.
d. Uji Autokorelasi
Bertujuan untuk menguji apakah dalam suatu model regresi linier terdapat
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan
periode t-1 (sebelumnya). J ika terjadi korelasi maka dinamakan ada
problem autokorelasi. Model regresi yang baik adalah yang bebas
Universitas Sumatera Utara
35

autokorelasi. Untuk mendeteksi autokorelasi dapat dilakukan uji statistik
melalui uji Durbin-Watson (DW test) (Ghozali, 2005:110). Dalam
pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut :
1. Bila nilai DW terletak diantara batas atau upper bound (du) dan (4-
du) maka koefisien autokorelasi =0, berarti tidak ada autokorelasi.
2. Bila nilai DW lebih rendah daripada batas bawah atau lower bound
(dl) maka koefisien autokorelasi >0, berarti tidak ada autokorelasi
positif.
3. Bila nilai DW lebih besar dari (4-dl) maka koefisien autokorelasi <
0, berarti ada autokorelasi negatif.
4. Bila nilai DW terletak antara du dan dl atau DW terletak antara (4-
du) dan (4-dl), maka hasilnya tidak dapat disimpulkan.

3.6.2 Analisis Regresi Berganda
Analisis regresi berganda adalah suatu analisis untuk mengetahui pengaruh
variabel variabel independen yaitu capital adequacy ratio (CAR),Non
performing loan (NPL), Operational Efficiency Ratio (OER), loan to deposit ratio
(LDR) terhadap variabel dependen yaitu pertumbuhan laba dengan rumus:

Y=a +b
1
X
1
+b
2
X2 +b
3
X
3
+b
4
X
4
+e
Keterangan:
Y =Pertumbuhan laba
a =Konstanta dari persamaan regresi
Universitas Sumatera Utara
36

b1-b4 =Koefisien regresi variabel independen
X
1
=Capital Adequacy Ratio (CAR)
X
2
=Non Perfoming Loan (NPL)
X
3
= Operational Efficiency Ratio (OER)
X
4
=Loan to Deposit Ratio (LDR)
e =error


3.6.3 Pengujian Hipotesis
1. Uji t (Uji Parsial)
Uji t dilakukan untuk mengetahui pengaruh masing masing rasio
keuangan secara individu terhadap minimalisasi resiko. langkah langkah
pengujian yang dilakukan adalah dengan pengujian dua arah, sebagai
berikut (Gujarati, 1999):
a. Merumuskan hipotesis (Ha)
Ha diterima: berarti terdapat pengaruh yang signifikan antara variabel
independen terhadap variabel dependen secara parsial.
b. Menentukan tingkat signifikansi (a) sebesar 0,05.
c. Membandingkan t hitung dengan t tabel. J ika t hitung lebih besar dari t
tabel maka Ha diterima.
d. Berdasarkan probabilitas. Ha akan diterima jika nilai probabilitasnya
kurang dari 0,05 (a).
Universitas Sumatera Utara
37

e. Menentukan variabel independen mana yang mempunyai pengaruh
paling dominan terhadap variabel dependen. Hubungan ini dapat
dilihat dari koefisien regresinya.
2. Uji signifikansi Simultan (uji F)
Uji F dilakukan untuk melihat pengaruh variabel bebas secara bersama
sama terhadap variabel tidak bebas. Tahapan uji F sebagai berikut:
a. Merumuskan hipotesis (Ha)
Ha diterima: berarti terdapat pengaruh yang signifikan antara variabel
independen terhadap variabel dependen secara simultan.
b. Menentukan tingkat signifikansi sebesar 0,05
c. Membandingkan t hitung dengan t tabel.
d. Berdasarkan probabilitas. Ha akan diterima jika nilai probabilitasnya
kurang dari 0,05 (a).
e. Menentukan nilai koefisien determinasi, dimana koefisien
menunjukkan seberapa besar variabel independen pada model yang
digunakan mampu menjelaskan variabel dependennya.







Universitas Sumatera Utara
38










BAB IV
HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum
Obyek penelitian yang digunakan didalam penelitian ini adalah bank
swasta devisa yang terdaftar di website Bank Indonesia (BI) periode 2008-2010,
dimana jumlah seluruh bank tersebut adalah 20 bank. Data diambil dari laporan
keuangan publikasi bank-bank tersebut, khususnya pada laporan perhitungan rasio
keuangan.

4.2 Hasil Penelitian
4.2.1 Statistik Deskriptif
Statistik deskriptif digunakan untuk menunjukkan jumlah data yang
digunakan dalam penelitian ini serta dapat menunjukkan nilai maksimum, nilai
Universitas Sumatera Utara
39

minimum, nilai rata-rata serta standar deviasi dari masing-masing variabel.
Variabel dalam penelitian ini meliputi variable CAR, NPL, OER, LDR, dan
Pertumbuhan laba. Hasil olah data deskriptif dapat dilihat pada tabel 4.1 sebagai
berikut:





Tabel 4.1
Statistik Deskriptif


N Minimum Maximum Mean Std. Deviation
CAR 60 -22.29 33.27 15.7785 7.31509
NPL 60 .06 10.42 2.1703 2.02452
OER 60 41.99 1226.28 102.3962 148.05277
LDR 60 45.60 102.20 77.3078 13.55054
PERTUMBUHAN_LABA 60 -3630.58 1025.21 -12.5275 496.48826
Valid N (listwise) 60

Sumber: Data sekunder yang diolah

Pada tabel 4.1 diatas menunjukkan bahwa N atau jumlah data pada setiap
variabel adalah 60 yang di teliti selama periode 2007 - 2010. Dari 60 sampel data
CAR, nilai minimum sebesar -22,29 terdapat pada Bank Mutiara tahun 2008 dan
nilai maksimum sebesar 33,27 terdapat pada Bank Swadesi tahun 2008.
Berdasarkan hasil perhitungan diatas tampak bahwa standard deviasi CAR sebesar
7,31 lebih kecil dibanding dengan nilai mean (rata rata) yaitu sebesar 15,77. Hal
ini menunjukkan bahwa secara statistik, selama periode penelitian rasio CAR
Universitas Sumatera Utara
40

telah memenuhi standar yang diberikan Bank Indonesia yaitu minimal 8%.
Sehingga dapat disimpulkan bahwa rasio kecukupan modal yang dimiliki
perbankan swasta devisa yang terdaftar di website BI dapat dikatakan relatif baik.
Dari 60 sampel data NPL, nilai minimum sebesar 0,06 terdapat pada Bank
Central Asia pada tahun 2008 dan 2010. Nilai maksimum sebesar 10,42 terdapat
pada Bank Mutiara pada tahun 2008. Nilai mean (rata rata) NPL sebesar 2,17
dan nilai standar deviasi sebesar 2,02. Hal ini menunjukkan bahwa secara statistik,
selama periode penelitian tingkat rasio NPL perbankan swasta devisa yang
terdaftar di website BI efisien karena nilai rata-rata rasio NPL tidak melebihi
ketentuan yang ditetapkan oleh BI yaitu maksimal 5%.
Dari 60 sampel data OER, nilai minimum sebesar 41,99 terdapat pada
Bank Central Asia pada tahun 2008 dan maksimum sebesar 1226,28 terdapat
pada Bank Mutiara tahun 2008. Nilai mean (rata rata) sebesar 102,39 dengan
standar deviasi 148,05. Hal ini menunjukkan bahwa secara statistik, selama
periode penelitian, tingkat efisiensi operasi perbankan swata devisa yang terdaftar
di website BI tidak baik karena nilai mean (rata-rata) rasio BOPO diatas 100%.
Dari 60 sampel data LDR, nilai minimum sebesar 45,60 terdapat pada
Bank Ekonomi Raharja pada tahun 2009 dan nilai maksimum sebesar 102,20
terdapat pada Bank Himpunan Saudara 1906 pada tahun 2008. Nilai mean (rata
rata) sebesar 77,30 dengan standard deviasi sebesar 13,55. Secara statistik, dengan
nilai mean (rata rata) 77,30 dapat disimpulkan bahwa tingkat likuiditas yang
dicapai perbankan swasta devisa yang terdaftar di website BI rendah karena
dibawah standar yang ditetapkan yaitu 85%.
Universitas Sumatera Utara
41

Sama halnya dengan variabel pertumbuhan laba, dari 60 sampel data, nilai
minimum sebesar -3630,58 terdapat pada Bank Mutiara pada tahun 2007-2008
dan nilai maksimum sebesar 1025,21 terdapat pada Bank International Indonesia
pada tahun 2009-2010. Nilai mean (rata rata) sebesar -12,52 dengan standar
deviasi 496,48. Standar deviasi lebih besar dari mean (rata rata) pertumbuhan
laba dan hal ini menunjukkan bahwa simpangan data pada variabel pertumbuhan
laba dapat dikatakan tidak baik.
Standar deviasi menunjukkan seberapa jauh kemungkinan nilai yang
diperoleh menyimpang dari nilai yang diharapkan (dalam hal ini variabel
Pertumbuhan Laba, CAR, NPL, OER, LDR). Semakin besar nilai standar deviasi
maka semakin besar kemungkinan nilai riil menyimpang dari yang diharapkan
(Gujarati 1995).

4.2.2 Uji Asumsi Klasik
a. Uji normalitas
Uji ini bertujuan 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, salah satu metode untuk mengetahui normalitas adalah
dengan menggunakan metode analisis grafik dan uji statistik. Analisis
grafik dapat dilihat dengan melihat grafik secara histogram ataupun
dengan melihat secara Normal Probability Plot. Uji normalitas yang
Universitas Sumatera Utara
42

pertama dengan melihat secara histogram sebagaimana terlihat dalam
gambar 4.1 di bawah ini:





Gambar 4.1
Grafik Histogram
Sumber: Data sekunder yang diolah

Dari gambar 4.1 terlihat bahwa pola distribusi mendekati normal, akan
tetapi jika kesimpulan normal atau tidaknya data hanya dilihat dari grafik
Universitas Sumatera Utara
43

histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah
sampel yang kecil. Metode lain yang digunakan dalam analisis grafik
adalah dengan melihat normal probability plot yang membandingkan
distribusi kumulatif dari distribusi normal. J ika distribusi data residual
normal, maka garis yang akan menggambarkan data sesungguhnya akan
mengikuti garis diagonalnya. Uji normalitas dengan melihat Normal
Probability Plot dapat dilihat pada gambar 4.2 berikut:


Gambar 4.2
Grafik Normal P-Plot
Sumber: Data sekunder yang diolah

Grafik probabilitas pada gambar 4.2 di atas menunjukkan data terdistribusi
secara tidak normal karena distribusi data residualnya terlihat menjauhi
Universitas Sumatera Utara
44

garis normalnya. Pengujian normalitas data secara analisis statistik dapat
dilakukan dengan menggunakan uji kolmogorov Smirnov. Data yang
berdistribusi normal ditunjukkan dengan nilai signifikansi di atas 0,05
(Ghozali, 2009:165). Hasil pengujian normalitas terhadap 60 data terlihat
dalam Tabel 4.2 berikut ini



Tabel 4.2
Hasil Uji Normalitas dengan Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual
N 60
Normal Parameters
a,b
Mean .0000000
Std. Deviation 151.57978358
Most Extreme Differences Absolute .240
Positive .240
Negative -.157
Kolmogorov-Smirnov Z 1.857
Asymp. Sig. (2-tailed) .002
a. Test distribution is Normal.
b. Calculated from data.
Sumber: Data sekunder yang diolah
Universitas Sumatera Utara
45


Berdasarkan tabel diatas menunjukkan bahwa data belum terdistribusi
secara normal. Hal ini ditunjukan nilai Kolmogorov-SmirnovZ sebesar
1,857 dengan nilai signifikansi 0,002. Hal ini menunjukkan bahwa data
belum terdistribusi normal. Untuk memperoleh hasil terbaik maka
dilakukan transformasi normal agar data menjadi lebih normal dengan
menggunakan natural logaritma (Ln) (Ghozali, 2009:35). Hasil pengujian
normalitas yang kedua tampak dalam Tabel 4.3 sebagai berikut:

Tabel 4.3
Data setelah transformasi Ln

One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual
N 39
Normal Parameters
a,b
Mean .0000000
Std. Deviation 1.35245379
Most Extreme Differences Absolute .146
Positive .099
Negative -.146
Kolmogorov-Smirnov Z .911
Asymp. Sig. (2-tailed) .378
a. Test distribution is Normal.
b. Calculated from data.

Dari pengujian kedua terlihat bahwa data telah terdistribusi normal dengan
nilai signifikansi diatas 0,005 yaitu sebesar 0,378. Hasil terakhir di atas
juga didukung hasil analisis grafiknya, yaitu grafik histogram maupun
grafik Normal Probability Plot. Seperti gambar 4.3 dan 4.4 dibawah ini:
Universitas Sumatera Utara
46


Gambar 4.3
Grafik Histogram setelah transformasi Ln
Gambar 4.4
Normal probability plot (setelah transformasi Ln)
Sumber: Data sekunder yang diolah
Universitas Sumatera Utara
47

Dengan melihat tampilan grafik histogram dapat disimpulkan bahwa pola
distribusi data mendekati normal. Kemudian pada grafik normal plot
terlihat titik titik sebaran lebih mendekati garis normal jika dibandingkan
dengan grafik normal plot saat sebelum dilakukan transformasi ke
logaritma natural. Sehingga untuk uji asumsi klasik selanjutnya
menggunakan persamaan regresi Ln_Pertumbuhan_laba = f(Ln_CAR,
LnNPL, LnOER, Ln LDR).


b. Uji Multikolineritas
Uji ini bertujuan menguji apakah pada model regresi ditemukan adanya
korelasi antar variabel independen. Untuk mengetahui ada tidaknya
multikolinearitas dapat dilihat dari nilai Variance Imflation Factor ( VIF )
dan nilai Tolerance, apabila nilai VIF >10 dan nilai Tolerance <0,1 maka
terjadi multikolinearitas dan apabila nilai VIF <10 dan nilai Tolerance >
0,1 maka tidak terajadi multikolineraritas. Hasil uji mutikolinearitas dapat
dilihat pada tabel berikut :
Tabel 4.4
Hasil Uji Multikolinearitas
Coefficients
a

Model
Collinearity Statistics
Tolerance VIF
1 Ln_CAR .912 1.096
Ln_NPL .963 1.038
Universitas Sumatera Utara
48

Ln_OER .917 1.091
Ln_LDR .885 1.130
a. Dependent Variable:
Ln_PERTUMBUHAN_LABA
Sumber: Data sekunder yang diolah

Dari hasil pengujian diatas dapat dilihat bahwa angka Tolerance CAR,
NPL, OER, dan LDR > 0,10 dan VIF- nya < 10 maka tidak ada
multikolinearitas antar variabel independen tersebut.


c. Uji Heteroskedastisitas
Uji heteroskesdastisitas bertujuan untuk menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke
pengamatan yang lain. J ika variance dari residual satu pengamatan ke
pengamatan lain tetap, maka disebut Homoskedastisitas dan jika berbeda
disebut Heteroskedastisitas. Model regresi yang baik adalah yang
Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Untuk
mendeteksi ada tidaknya heteroskedastisitas menurut Ghozali (2005:105)
dapat dilihat dari grafik scatterplot antara lain prediksi variabel dependen,
yaitu ZPRED dengan residualnya SRESID. Dasar pengambilan
keputusannya adalah :
1) jika ada pola tertentu, seperti titik-titik yang ada membentuk pola
tertentu yang teratur (bergelombang, melebar kemudian menyempit),
maka mengindikasikan telah terjadi heteroskedastisitas.
Universitas Sumatera Utara
49

2) jika tidak ada pola yang jelas, seperti titik-titik menyebar di atas dan
di bawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas atau terjadi homoskedastisitas.
Hasil uji heteroskedastisitas dengan menggunakan grafik Scatterplot
ditunjukkan pada Gambar 4.5 dibawah ini:

Gambar 4.5
Grafik Scatterplot

Pada grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta
tersebar baik di atas maupun di bawah angka 0 pada sumbu Y, sehingga
dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model
regresi.

Universitas Sumatera Utara
50

d. Uji Autokorelasi
Uji ini bertujuan untuk melihat apakah dalam suatu model regresi linear
ada korelasi antar kesalahan pengganggu pada periode t dengan kesalahan
pada periode t-1. Berikut ini merupakan hasil uji Durbin-Watson yang
digunakan.
Tabel 4.5
Uji Durbin-Watson
Model Summary
b

Model Durbin-Watson
dimen
sion0
1 2.180
a

a. Predictors: (Constant), Ln_LDR, Ln_NPL, Ln_OER, Ln_CAR
b. Dependent Variable: Ln_PERTUMBUHAN_LABA
Sumber : Data sekunder yang diolah
Dari hasil uji autokorelasi Durbin Watson dengan menggunakan spss 18
maka diperoleh nilai DW sebesar 2,180. Dengan melihat kriteria Durbin
Watson yaitu 1,65<DW<2,35 maka dapat disimpulkan tidak terjadi
autokorelasi.

4.2.3 Uji Analisis Regresi Berganda
Hasil analisis regresi ditunjukkan pada tabel 4.5 berikut ini :
Tabel 4.6
Analisis Regresi

Coefficients
a

Model
Unstandardized Coefficients
Standardized
Coefficients
t Sig. B Std. Error Beta
1 (Constant) -10.562 7.960

-1.327 .193
Ln_CAR -.484 .831 -.095 -.582 .564
Ln_NPL -.102 .256 -.064 -.400 .691
Universitas Sumatera Utara
51

Ln_OER 2.457 1.301 .309 1.888 .068
Ln_LDR 1.110 1.177 .157 .943 .353
a. Dependent Variable: Ln_PERTUMBUHAN_LABA
Sumber: Data sekunder yang diolah
Pada tabel coefficients yang diinterpretasikan adalah nilai dalam kolom B,
baris pertama menunjukkan konstanta variabel independen. Dengan
melihat tabel 4.6 diatas, dapat disusun persamaan regresi sebagai berikut:
Ln_Pertumbuhan Laba =- 10,562 - 0,484 Ln_CAR - 0,102 Ln_NPL +
2,457 Ln_OER+1,110 Ln_LDR
Dari persamaan regresi tersebut diatas maka dapat dianalisis sebagai
berikut:
a. Konstanta sebesar - 10,562 menyatakan bahwa jika nilai CAR, NPL,
OER, LDR adalah nol maka pertumbuhan laba yang terjadi adalah
sebesar - 10,562.
b. Koefisien regresi CAR sebesar - 0,484 menyatakan bahwa setiap
penambahan CAR sebesar 1% maka akan menurunkan pertumbuhan
laba sebesar 0,484%.
c. Koefisien regresi NPL sebesar - 0,102 menyatakan bahwa setiap
penambahan NPL sebesar 1% maka akan menurunkan pertumbuhan
laba sebesar 0,102%.
d. Koefisien regresi OER sebesar 2,457 menyatakan bahwa setiap
penambahan OER sebesar 1% maka akan meningkatkan pertumbuhan
laba sebesar 2,457%.
Universitas Sumatera Utara
52

e. Koefisien regresi LDR sebesar 1,110 menyatakan bahwa setiap
penambahan LDR sebesar 1% maka akan meningkatkan pertumbuhan
laba sebesar 1,110%.




4.3 Pengujian Hipotesis
4.3.1 Hasil Uji -t(Uji Parsial)
Uji t (Uji Parsial) dilakukan untuk menguji apakah setiap variabel bebas
secara parsial atau terpisah mempunyai pengaruh yang signifikan secara parsial
antara variabel CAR, NPL, BOPO dan LDR terhadap Pertumbuhan Laba selama
periode 2008 2010. Hal ini dapat dibuktikan dengan tingkat signifikansi yang
diperoleh variabel independen yang kurang dari 0.05.
Pengaruh dari masing masing variabel CAR, NPL, OER, dan LDR
terhadap pertumbuhan laba dapat dilihat dari arah tanda dan tingkat signifikansi
(probabilitas). Variabel CAR dan NPL mempunyai arah yang negatif, sedangkan
variabel OER dan LDR mempunyai arah yang positif.
Pengaruh variabel independen terhadap variabel dependen dapat dijelaskan
sebagai berikut:
1. Uji Hipotesis Pengaruh CAR terhadap Pertumbuhan Laba
Dari hasil perhitungan uji secara parsial diperoleh nilai signifikansi sebesar
0,564 yang berada diatas 0,05. Hal ini berarti CAR berpengaruh signifikan negatif
Universitas Sumatera Utara
53

terhadap pertumbuhan laba. Dengan demikian hipotesis yang menyatakan bahwa
CAR berpengaruh secara parsial terhadap pertumbuhan laba ditolak.

2. Uji Hipotesis Pengaruh NPL terhadap Pertumbuhan Laba
Dari hasil perhitungan uji secara parsial diperoleh nilai signifikansi sebesar
0,691 yang berada diatas 0,05. Hal ini berarti NPL berpengaruh signifikan negatif
terhadap pertumbuhan laba. Dengan demikian hipotesis yang menyatakan bahwa
NPL berpengaruh secara parsial terhadap pertumbuhan laba ditolak.

3. Uji Hipotesis Pengaruh OER terhadap Pertumbuhan Laba
Dari hasil perhitungan uji secara parsial diperoleh nilai signifikansi sebesar
0,068 yang berada diatas 0,05. Hal ini berarti OER berpengaruh signifikan negatif
terhadap pertumbuhan laba. Dengan demikian hipotesis yang menyatakan bahwa
OER berpengaruh secara parsial terhadap pertumbuhan laba ditolak.

4. Uji Hipotesis Pengaruh LDR terhadap Pertumbuhan Laba
Dari hasil perhitungan uji secara parsial diperoleh nilai signifikansi sebesar
0,353 yang berada diatas 0,05. Hal ini berarti LDR berpengaruh signifikan negatif
terhadap pertumbuhan laba. Dengan demikian hipotesis yang menyatakan bahwa
LDR berpengaruh secara parsial terhadap pertumbuhan laba ditolak.

4.3.2 Hasil Uji f (Uji Simultan)
Universitas Sumatera Utara
54

Uji statistik F atau Analysis Of Variance (ANOVA) pada dasarnya
menunjukkan apakah semua variabel independen yang dimasukkan dalam model
mempunyai pengaruh secara bersama sama terhadap variabel dependennya.
Nilai F dalam tabel ANOVA juga untuk melihat apakah model yang digunakan
sudah tepat atau tidak. Hasil perhitungan uji F dapat dilihat pada Tabel 4.7
berikut.

Tabel 4.7
Hasil uji F
ANOVA
b

Model Sum of Squares df Mean Square F Sig.
1 Regression 13.953 4 3.488 1.706 .171
a

Residual 69.507 34 2.044

Total 83.460 38

a. Predictors: (Constant), Ln_LDR, Ln_NPL, Ln_OER, Ln_CAR
b. Dependent Variable: Ln_PERTUMBUHAN_LABA
Sumber: Data sekunder yang diolah

Berdasarkan hasil tabel diatas diperoleh nilai signifikan sebesar 0,171
yang lebih besar dari 0,05. Sehingga dapat disimpulkan bahwa variabel CAR,
NPL, OER, dan LDR tidak mempunyai pengaruh signifikan terhadap
pertumbuhan laba. Sehingga hipotesis yang menyatakan CAR, NPL, OER, dan
LDR berpengaruh secara simultan terhadap pertumbuhan laba ditolak.




Universitas Sumatera Utara
55







BAB V
KESIMPULAN DAN SARAN


5.1 Kesimpulan
Berdasarkan hasil analisis data dan pembahasan, maka dapat diambil
kesimpulan sebagai berikut :
1. Capital Adequacy Ratio (CAR) tidak berpengaruh secara parsial terhadap
pertumbuhan laba pada Bank swata devisa periode penelitian 2008 2010.
Hasil penelitian ini tidak sesuai dengan penelitian yang dilakukan oleh
Teddy Rahman (2009) yang menyatakan bahwa CAR berpengaruh
terhadap perubahan laba.
2. Non Performing Loan (NPL) tidak berpengaruh secara parsial terhadap
pertumbuhan laba pada Bank swata devisa periode penelitian 2008 2010.
Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Teddy
Rahman (2009) yang menyatakan bahwa NPL berpengaruh negatif
terhadap perubahan laba. Tapi tidak sesuai dengan penelitian Aini (2006)
Universitas Sumatera Utara
56

yang menyatakan NPL berpengaruh terhadap tingkat profitabilitas
perbankan.
3. Operational Efficiency Ratio (OER) tidak berpengaruh secara parsial
terhadap pertumbuhan laba pada Bank swata devisa periode penelitian
2008 2010. Hasil penelitian ini sesuai dengan penelitian yang dilakukan
oleh Teddy Rahman (2009) yang menyatakan bahwa OER berpengaruh
negatif terhadap perubahan laba.
4. Loan to Deposit Ratio (LDR) tidak berpengaruh secara parsial terhadap
pertumbuhan laba pada Bank swata devisa periode penelitian 2008 2010.
Hasil penelitian ini tidak sesuai dengan penelitian yang dilakukan oleh
Teddy Rahman (2009) yang menyatakan bahwa LDR berpengaruh
terhadap perubahan laba.
5. Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Operational
Efficiency Ratio (OER), Loan to Deposit Ratio (LDR) tidak berpengaruh
secara simultan terhadap pertumbuhan laba pada Bank swata devisa
periode penelitian 2008 2010. Hasil penelitian ini tidak sesuai dengan
penelitian yang dilakukan oleh Aini (2006) yang menyatakan bahwa CAR
dan LDR berpengaruh secara simultan terhadap perubahan laba.

5.2 Saran
Adapun saran-saran yang dapat diberikan melalui hasil peneltian ini adalah
sebagai berikut :
Universitas Sumatera Utara
57

1. Bagi investor, dapat berinvestasi pada Bank Swasta Devisa yang telah
diteliti karena berdasarkan hasil penelitian secara keseluruhan Bank yang
telah diteliti memiliki rata rata CAR yang cukup tinggi yaitu 16,77%.
Hal ini menunjukkan bahwa secara statistik, selama periode penelitian
rasio CAR telah memenuhi standar yang diberikan Bank Indonesia yaitu
minimal 8%.
2. Bagi sektor perbankan, hendaknya memperhatikan nilai CAR, loan untuk
menciptakan kredit yang tinggi dan diimbangi dengan kemampuan untuk
memenuhi kredit tersebut dan berusaha menekan biaya operasional untuk
meningkatkan efiensi operasional perusahaan.
3. Bagi akademisi, saran untuk penelitian lebih lanjut sebaiknya menambah
sampel dan periode penelitian yang digunakan untuk lebih memperkuat
hasil penelitian. Misalnya dengan menggunakan periode pengamatan yang
lebih panjang. Penelitian selanjutnya diharapkan dapat menambah variabel
dependen di luar dari variabel CAR, NPL, OER, dan LDR.
















Universitas Sumatera Utara