UAS Aplikasi Analisis Kuantitatif,

Senin, 27 Desember 2021

Nama : I Gusti Made Ngurah Agung Manik Putra Widiada

NIM : 2007531130

No Absen : 13

Kelas : Aplikasi Analisis Kuantitatif (A2)

TTD :

Nomor 1

Konsep regresi dengan variable dummy sebagai variable bebas dan terikat adalah untuk
menguji data yang bersifat kualitatif. Dalam eksplanatori variabel, terkadang terdapat data
kualitatif yang mempengaruhi perhitungan regresi (seperti contohnya pendidikan, gender,
dll). Sousa et al. (2014) menyatakan bahwa durasi proyek konstruksi tidak hanya berpengaruh
pada kuantitatif variabel tetapi juga kualitatif. Indikator variabel, biasa disebut sebagai
variabel dummy, merupakan analisis yang dapat merubah variabel kualitatif menjadi
kuantitatif. Variabel ini termasuk binary variable. Faktor-faktor kualitatif dapat dimasukkan
ke dalam analisis regresi dengan menggunakan indikator variabel. Variabel kualitatif yang
dianalisis mengasumsikan nilai 1 atau 0 (Santoso: 2001).

Nomor 2

Berdasarkan fungsi variabel dalam hubungan antar variabel (Indriantoro, 199: 63-68),
Variabel moderating adalah variabel yang dapat memperkuat atau memperlemah hubungan
langsung antara variabel independen dengan variabel dependen. Variabel moderating adalah
variabel yang mempunyai pengaruh terhadap sifat atau arah hubungan antar variabel. Sifat
atau arah hubungan antara variabel-variabel independen dengan variabel-variabel dependen
kemungkinan positif atau negatif tergantung pada variabel moderating, oleh karena itu
variabel moderating dinamakan pula sebagai contigency variable.

Nomor 3

A
Dari Group statistics dapat diketahui bahwa NPL, LDR, ROA dan CAR dengan TKS SEHAT
(1) mempunyai rata-rata 1,6350 67,0383 3,9050 23,1367 sedangkan pada TKS KURANG
SEHAT (2) dengan rata-rata 3,3725 28,2200 2,3700 24,2875 . Dapat dikatakan bahwa pada
TKS SEHAT, NPL dan CAR memiliki nilai lebih rendah dibandingkan dengan TKS
KURANG SEHAT sedangkan LDR dan ROA memiliki nilai yang lebih tinggi dibandingkan
dengan TKS KURANG SEHAT. Nilai yang tinggi menggambarkan peningkatan kinerja
sedangkan nilai rendah menggambarkan penurunan kinerja.

Dari test statistik Wilk's dapat dilihat NPL memiliki nilai Wilk's Lamda masing-masing
sebesar 0,177 0,457 0,384 0,875 dengan probablilitas masing-masing sebesar 0,000 0,015
0,007 0,316 dimana LDR dan CAR memiliki tingkat signifikansi lebih besar dari 1 persen
sedangkan NPL dan ROA memiliki tingkat signifikansi lebih kecil dari 1 persen. Hasil ini
menunjukkan bahwa variabel LDR dan CAR masing-masing tidak berbeda antara kelompok
TKS SEHAT dan TKS KURANG SEHAT sedangkan variabel NPL dan ROA masing-
masing berbeda antara kelompok TKS SEHAT dan TKS KURANG SEHAT.

Besarnya nilai Wilk's Lamda sebesar 0,167 sama dengan Chi-square 10,737 dan ternyata nilai
ini signifíkan pada 0,030, maka dapat disimpulkan bahwa fungsi atau rata-rata skor
disriminan antara TKS SEHAT dan KURANG SEHAT tidak berbeda secara signifíkan
dengan probabilitas lebih dari 1 persen.

Tampilan output eigenvalues menunjukkan bahwa besarnya Canonical Correlation adalah

sebesar 0,913 atau besarnya Square Canonical Correlation (CR 2) = (0,913)2 atau sama dengan
0,8336. Jadi dapat disimpulkan bahwa 83,36% variasi kinerja TKS (SEHAT dan KURANG
SEHAT) dijelaskan oleh variasi variable diskriminan NPL, LDR, ROA dan CAR.

Tampilan standardized canonical discriminant function menunjukkan bahwa besarnya

koefisien NPL adalah 1,260 LDR sebesar 0,166 ROA sebesar 0,192 dan CAR sebesar -0,144.
Variabel NPL relatif lebih penting dibandingkan variabel LDR, ROA dan CAR dalam
membentuk fungsi diskriminan.

Tampilan Struktur Matrik menunjukan bahwa besarnya loading untuk NPL 0,964 ROA -
0,567 LDR -0,489 dan CAR 0,169. Oleh karena loading variabel NPL tinggi (di atas 0,50)
maka fungsi diskriminan yang dibuat layak dipakai memprediksi tingkat kesehatan bank
umum. Nilai loading dari NPL sebesar 0,964 mempunyai arti bahwa 96,4 persen memberikan
kontribusi terhadap fungsi diskriminan atau skor diskriminan yang dibentuk.

B
Selanjutnya dapat dibuat persamaan sebagai berikut:

Z = -5,995 + 2,849 NPL + 0,009 LDR + 0,289 ROA - 0,086 CAR

Membuat reklasifikasi peringkat TKS

Dengan menggunakan fungsi diskriminan, selanjutnya diperoleh nilai centroids dan dapat
dicari nilai cut off. Tabel diatas menunjukkan nilai centroids yang dihasilkan SPSS, maka cut
off = (-1,631 + 2,446)/2 = 0,4075

Dengan menggunakan nilai cut off tersebut, maka jika nilai Z score > 0,4075 masuk
klasifikasi kondisi dengan kondisi kurang sehat (2), sedangkan jika Z score < 0,4075 masuk
klasifikasi kondisi dengan kondisi sehat (1).

TKS NPL LDR ROA CAR Dis1_1

 2 3,96 34,6 1.95 25,07 3,98573
2 3,45 30,89 2.72 23,11 2,89229
2 2,79 25,01 3.17 22,09 1,17944
1 2,39 18,85 3.03 22,62 -0,09903
2 3,29 22,38 1.64 26,88 1,72675
1 1,32 77,14 4,15 21,19 -2,20340
1 1,51 78,24 3.90 23,21 -1,89901
1 1,42 81,63 4,80 23,24 -1,86913
1 1,33 80,53 4,22 23,28 -2,30594
1 1,84 65,84 3,33 25,28 -1,40769

Berdasarkan hasil discrimination score dan classification result, hasil klasifikasi tingkat
Kesehatan bank umum sudah sesuai dengan klasifikasi awalnya karena klasifikasi tingkat
Kesehatan bank umum dengan discrimination score sudah sesuai dengan nilai cut off dan
dengan demikian tidak terdapat reklasifikasi peringkat TKS.

Nomor 4

Secara simultan variabel NPL, LDR, ROA, dan CAR tidak berpengaruh nyata terhadap
Tingkat Kesehatan Bank Umum pada level of significant 1 persen, hal ini dapat dilihat
dimana F hitung = 6,232 sedangkan F tabel pada derajat bebas (4;5) adalah 11,4. Ini berarti
bahwa variabel NPL, LDR, ROA, dan CAR tidak berpengaruh secara serempak terhadap
Tingkat Kesehatan Bank Umum. Nilai Adj R2 = 0,699 memberikan makna bahwa 69,9%
variasi Tingkat Kesehatan Bank Umum dipengaruhi oleh variasi NPL, LDR, ROA, dan CAR,
sedangkan sisanya 30,1% dipengaruhi oleh faktor lain di luar model. Dari persamaan regresi
diatas dapat dilihat bahwa variabel bebas NPL, LDR, ROA, dan CAR tidak berpengaruh
nyata terhadap Tingkat Kesehatan Bank Umum, masing-masing pada tingkat signifikansi
lebih dari 5 persen. Koefisien regresi NPL 0,582 berarti bahwa tingkat kesehatan bank (1)
mempunyai probabilitas kondisi sehat 0,582 lebih besar dibandingkan dengan tingkat
kesehatan bank dengan skala kecil (0), dengan anggapan faktor lainnya konstan. Koefisien
regresi LDR sebesar 0,002 mempunyai arti bahwa apabila LDR naik satu satuan, maka
probabilitas bank dengan kondisi sehat meningkat sebesar 0,002 dengan anggapan faktor
lainnya konstan. Koefisien regresi ROA sebesar 0,059 mempunyai arti bahawa apabila ROA
naik satu satuan, maka probabilitas bank dengan kondisi sehat meningkat sebesar 0,059
dengan anggapan faktor lainnya konstan. Koefisien CAR sebesar -0,018 mempunyai arti
bahwa apabila CAR naik satu satuan, maka probabilitas bank dengan kondisi sehat akan
menurun sebesar 0,018.