BAB III

METODE PENELITIAN

3.1 Objek Penelitian

Objek penelitian menurut Sekaran dan Bougie (2013) yaitu
mengukur karakteristik atau atribut atas objek tersebut. Menentukan objek
penelitian penting untuk dilakukan karena informasi yang dicatat dengan cara
sistematis menjadi data untuk penelitian.
Objek penelitian yang akan diteliti dalam hal ini adalah Pembiayaan
(Non Performing Financing) dan Efisiensi (BOPO) serta pengaruhnya
terhadap Profitabilitas (Return on assets) pada perusahaan Bank Umum
Syariah Periode 2012-2017.

3.2 Unit Analisis

Menurut Hamidi (2005) bahwa unit analisis adalah satuan yang
diteliti yang bisa berupa individu, kelompok , benda atau suatu latar peristiwa
seperti misalnya aktivitas individu atau kelompok sebagai subjek penelitian.
Unit analisis yang digunakan adalah perusahaan bank syariah yang terdaftar di
otoritas jasa keuangan periode 2012-2017.

3.3 Populasi dan Sampel

3.3.1 Populasi
Populasi menunjukkan secara keseluruhan dari kelompok orang,
kejadian atau sesuatu yang menjadi ketertarikan peneliti untuk diinvestigasi.
Populasi merupakan total kumpulan elemen yang dari kumpulan tersebut akan
dibuat kesimpulan Nuryaman & Veronica, (2015). Sementara menurut
Sugiyono (2013) populasi adalah wilayah generalisasi yang terdiri atas
objek/subjek yang mempunyai kualitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya.

41
 42

Perusahaan Bank Umum Syariah adalah target populasi yang digunakan

dalam penelitian ini.
3.3.2 Sampel
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki
oleh populasi Sugiyono (2013). Metode penelitian untuk memilih sampel
adalah dengan menggunakan purposive sampling. Purposive sampling adalah
teknik penentuan sampel dengan pertimbangan tertentu Sugiyono (2014:122).
Alasan menggunakan teknik purposive sampling adalah karena tidak semua
sampel memiliki kriteria yang sesuai dengan yang telah penulis tentukan.
Oleh karena itu, penulis memilih teknik purposive sampling dengan
menetapkan pertimbangan-pertimbangan atau kriteria-kriteria tertentu yang
harus dipenuhi oleh sampel-sampel yang digunakan dalam penelitian ini.
Adapun kriteria yang diajadikan sebagai sampel sebagai berikut:
1. Perusahaan bank syariah yang tidak konsisten terdaftar di otoritas
jasa keuangan periode 2012-2017
Tabel 3.1
Seleksi Sampel Penilitian
No Kriteria sampel Jumlah
1 Perusahaan bank syariah yang 13
terdaftar di otoritas jasa keuangan
2 Perusahaan bank syariah yang tidak (2)
konsisten terdaftar di otoritas jasa
keuangan periode 2012-2017
total sampel 11
Total pengamatan (11 x 6 tahun ) 66
Tabel 3.1 menunjukan 13 perusahaan yang listing di otoritas jasa
keuangan secara berturut turut dari tahun 2012 sampai 2017, yakni 11
perusahaan yang terpilih menjadi sampel. Total pengamatan yang dilakukan
untuk periode 2012-2017 sebanyak 66 pengamatan
 43

Tabel 3.2
Sampel Penelitian
No Nama perusahaan Kode perusahaan
1 PT. Bank Muamalat Indonesia BMU
2 PT. Bank Victoria Syariah BVIC
3 PT. Bank BRI Syariah BBRI
4 PT. Bank Jabar Banten Syariah BJBR
5 PT. Bank BNI Syariah BBNI
6 PT. Bank Syariah Mandiri BSM
7 PT. Bank Mega Syariah MEGA
8 PT. Bank Panin Dubai Syariah PNBS
9 PT. Bank Syariah Bukopin BBKP
10 PT. BCA Syariah BBCA
11 PT. Maybank Syariah BNII

3.4 Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif
yaitu data yang berupa angka-angka atau data yang dapat dihitung secara
sistematis. Sementara sumber data yang digunakan merupakan data sekunder,
sumber yang tidak langsung memberikan data kepada pengumpul data,
misalnya lewat orang lain atau dokumen merupakan data sekunder Sugiyono
(2010).
Data sekunder dapat diperoleh dengan cara membaca, mempelajari
dan memahami melalui media lain yang bersumber pada literatur dan buku-
buku perpustakaan atau data-data dari perusahaan yang berkaitan dengan
masalah yang diteliti. Data yang diperlukan dalam penelitian ini diperoleh
dari laporan keuangan yang dipublikasi perusahaan pada situs idx.co.id.
 44

3.5 Teknik Pengumpulan Data

Teknik pengumpulan data yang digunakan pada penelitian ini adalah:
1. Penelitian Kepustakaan (Library Research)
Penelitian kepustakaan merupakan teknik pengumpulan data yang
dilakukan engan cara mengumpulkan bahan-bahan dari berbagai sumber dan
literature yang berhubungan dengan topik yang dibahas untuk memperoleh
dasar teoritis yang akan digunakan dalam penelitian.
2. Penelitian Dokumentasi (Documentation Research)
Penelitian dokumentasi ini berupa pengumpulan data mengenai
laporan keuangan perusahaan.

3.6 Variabel Penelitian dan Operasionalisasi Variabel

3.6.1 Variabel penelitian
Variabel adalah konstruk (constructs), konsep atau sifat yang akan
dipelajari, nilainya dapat bervariasi. Variabel penelitian nilainya akan diukur,
dikumpulkan, dianalisis dan disimpulkan Praktiknya (2007) dalam
Nuryaman & Veronica (2015).
Berdasarkan pengertian di atas, maka dapat disimpulkan bahwa
variabel penelitian merupakan konsep atau sifat yang mempunyai nilai untuk
diukur dan dianalisis kemudian disimpulkan.
1. Variabel Independen (Variabel Bebas)
Variabel independen merupakan variabel yang dapat mempengaruhi
variabel dependen. Variabel independen dalam penelitian ini adalah
pembiayaan (NPF) dan Efisiensi (BOPO).
2. Variabel Dependen (Variabel Terikat)
Variabel dependen merupakan variabel yang dipengaruhi oleh variabel
Independen. Variabel dependen dalam penelitian ini adalah profitabilitas
(ROA).
 45

3.6.2 Operasionalisasi Variabel

Variabel perlu diberikan definisi agar tidak terdapat keraguan dan
dapat memperjelas arti maupun untuk membuat variabel tersebut dapat
digunakan secara operasional, salah satunya adalah dengan menggunakan
operasionalisasi variabel, menurut definisi operasional adalah pengertian
variabel (yang diungkap dalam definisi konsep) tersebut, secara operasional,
secara praktik, secara nyata dalam lingkup obyek penelitian/obyek yang
diteliti.
Sesuai dengan judul pada penelitian ini yaitu pengaruh pembiayaan
(NPF) dan efisiensi (BOPO) terhadap profitabilitas (ROA), maka terdapat tiga
variabel yaitu:
1. Pembiayaan (Non Performing Financing)
Dalam penelitian ini Pembiayaan (NPF) sebagai variabel
independen disimbolkan dengan (X1). Pembiayaan (NPF) merupakan
pembiayaan atau kredit yang mengalami kesulitan dalam memenuhi
kewajibannya kepada bank yang disebabkan oleh faktor internal dan
eksternal bank syariah.
Perhitungan Non Performing Financing (NPF) yang diinstruksikan
Bank Indonesia.
2. Efisiensi (BOPO)
Variabel independen kedua dalam penelitian ini adalah efisiensi
(BOPO) yang disimbolkan dengan (X2). Efisiensi (BOPO) merupakan
perbandingan antara total biaya operasional dan total pendapatan operasional.
Perhitungan biaya operasional pendapatan operasional (BOPO).
3. Profitabilitas (Return on assets)
Profitabilitas (ROA) sebagai variabel dependen disimbolkan dengan
(Y). Profitabilitas (ROA) merupakan rasio yang digunakan untuk mengukur
kemampuan manajemen bank dalam memperoleh laba secara keseluruhan.
Perhitungan Return on assets (ROA).
 46

Tabel 3.3
Operasionalisasi Variabel
Variabel konsep Indikator Skala
pengukura
n
Pembiayaan (Pembiayaan) Rasio
(NPF) (X1) adalah penyediaan
uang atau tagihan
yag dipersamakan
dengan itu,
bedasarkan
persetujuan atau
kesepakatan antara
bank dengan pihak
lainnya.
Efisiensi (Efisiensi) Rasio
(BOPO) adalah ukuran
(X2) tingkat
penggunaan
sumber daya
dalam suatu
proses. Semakin
hemat/sedikit
penggunaan
sumber daya,
maka prosesnya
dikatakan
semakin efisien.
Profitabilitas (Profitabilitas) Rasio
(ROA) (Y) adalah rasio atau
perbandingan
untuk mengetahui
kemampuan
perusahaan untuk
mendapatkan laba
(profit) dari
pendapatan
(earning) terkait
penjualan, aset,
dan ekuitas
berdasarkan dasar
pengukuran
tertentu.
 47

3.7 Metode Analisis

Analisis yang digunakan dalam penelitian ini bertujuan untuk
menjawab pertanyaan yang tertera dalam rumusan masalah penelitian.
Analisis data merupakan kegiatan yang dilakukan setelah data terkumpul.
Kegiatan dalam analisis data adalah mengelompokan data berdasarkan
variabel dari jenis responden, mentabulasi data berdasarkan variabel dari
seluruh responden, menyajikan data dari setiap veriabel yang diteliti, dan
melakukan perhitungan untuk menjawab rumusan masalah dan melakukan
perhitungan untuk menguji hipotesis yang telah diajukan. Sugiyono (2014).
Analisis data merupakan proses penyederhanaan data ke dalam bentuk yang
lebih mudah dibaca, dimengerti dan diinterpretasikan. Analisis data yang
dilakukan menggunakan bantuan dari program Eviews 9 sebagai alat untuk
meregresikan model yang telah dirumuskan.
3.7.1 Tipe Analisis
Tipe analisis yang dilakukan adalah metode deskriptif. Metode
deskriptif merupakan statistik yang digunakan untuk menganalisis data
dengan cara mendeksriptifkan atau menggambarkan data yang telah
terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang
berlaku untuk umum atau generalisasi Sugiyono (2014).
3.7.2 Uji Asumsi Klasik
Uji asumsi klasik adalah persyaratan statistic yang harus dipenuhi
pada analisis regresi berganda. Terdapat 4 (empat) uji asumsi klasik yaitu, uji
normalitas, uji multikolinearitas, uji autokorelasi dan uji heterokedestisitas.
Uji asumsi klasik penting dilakukan untuk menghasilkan estimator yang linier
tidak bias dengan varian minimum (Best Linier Unbiased Estimator = BLUE)
yang berarti model regresi tidak mengandung masalah. Tidak ada ketentuan
yang pasti tentang urutan uji yang harus dipenuhi terlebih dahulu. Sebelum
melakukan pengujian regresi linier berganda, untuk memperoleh penelitian
yang akurat diperlukan pengujian dengan asumsi klasik.
 48

3.7.2.1 Uji Normalitas

Uji normalitas dimaksudkan untuk menguji apakah dalam model
regresi, variabel dependen dan independen saling mempunyai distribusi
normal atau tidak. Uji normalitas bertujuan untuk menguji apakah dalam
model regresi, variabel pengganggu atau residual memiliki distribusi normal
Ghozali (2013).
Pengujian normalitas data menggunakan Jarque-Bera Test dalam
program Eviews 9. Menurut Santoso (2012) dasar pengambilan keputusan
bisa dilakukan berdasarkan probabilitas (Asymtotic Sinificance) adalah
sebagai berikut:
a. Jika probabilitas > 0,05 maka distribusi dari model regresi adalah normal
b. Jika probabilitas < 0,05 maka distribusi dari model regresi adalah tidak
normal.
3.7.2.2 Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk mengetahui apakah terdapat
korelasi antara variabel-variabel independen dalam model regresi. Model
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel
independen (Ghazali, 2013:105). Untuk mendeteksi ada atau tidaknya
multikolinearitas dapat dilihat dari besaran Centered Variance Inflation Fator
(VIF) dan Tolerance. Pedoman suatu model regresi yang bebas
multikolinearitas adalah yang mempunyai angka tolerance mendekati 1. Batas
VIF adalah 10, jika nilai VIF dibawah 10 maka tidak terjadi gejala
multikolinearitas (Gujarati, 2012:432).
3.7.2.3 Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi
linier terdapat korelasi antara kesalahan pengganggu (error) pada periode t
(periode analisis) dengan periode t-1 (periode sebelumnya). Penaksiran model
regresi linier mengandung asumsi klasik bahwa tidak terdapat autokorelasi
diantara disturbance terms. Autokorelasi ini umumnya terjadi pada time series
Ghozali (2013). Pengujian ini menggunakan uji Durbin Watson. Jika nilai
 49

probabilitasnya lebih besar 0,05 maka dapat dikatakan data terbebas dari
autokorelasi.
3.7.2.4 Uji Heteroskedastisitas
Menurut Ghazali (2013) uji heteroskedastisitas bertujuan untuk
menguji apakah model regresi terjadi ketidaksamaan variane dari residual
satu pengamatan yang lain. Model regresi yang baik adalah jika variance dari
satu pengamatan ke pengamatan yang lain tetap atau disebut juga
homoskedastisitas. Untuk mendeteksi adanya heteroskedastis adalah dengan
meregresi model dengan log residu kuadrat sebagai variabel terikat.
Ho = homoskedastis
Ha = heteroskedastis
Apabila probabilitas dari masing-masing variabel bebas lebih dari 0,05
maka terjadi penerimaan terhadap Ho. Sehingga tidak terjadi heteroskdastis
pada model tersebut atau hasilnya data dalam kondisi homoskedastis.
3.7.3 Uji Data Panel
Analisis dalam penelitian ini menggunakan regresi data panel yang
merupakan gabungan antara data deret waktu (time series) dan data deret
lintang (cross-section). Terdapat dua macam panel data yaitu, data panel
balance dan data panel unbalance. Data panel balance adalah keadaan dimana
unit cross-sectional memiliki jumlah observasi time series yang sama.
Sedangkan data panel unbalance adalah keadaan dimana unit cross-sectional
memiliki jumlah observasi time series yang tidak sama.Untuk mengestimasi
parameter model dengan regresi data panel, terdapat tiga model pendekatan
yang terdiri dari Common Effect, pendekatan efek tetap (fixed effect) dan
pendekatan efek acak (random effect). Ketiga model pendekatan dalam
analisis data panel tersebut dapat dijelaskan sebagai berikut:
3.7.3.1 Common Effect Model (CEM)
Model common effect merupakan model yang paling sederhana
dimana pendekatannya mengabaikan dimensi waktu dan ruang yang dimiliki
oleh data panel Ghozali (2013). Lebih lanjut Ghozali mengatakan, metode
 50

yang digunakan untuk mengestimasi dengan pendekatan ini adalah metode

regresi OLS. Dalam pendekatan ini hanya mengasumsikan bahwa perilaku
antar ruang sama dalam berbagai kurun waktu. Pada beberapa peelitian data
panel, model ini sering kali tidak pernah digunakan sebagai estimasi karena
sifar dari model ini tidak membedakan perilaku data sehingga memungkinkan
terjadinya bias, namun model ini digunakan untuk perbandingan dalam model
lainnya.
3.7.3.2 Fixed Effect Model (FEM)
Model fixed effect mengasumsikan bahwa terdapat efek berbeda
antar individe. Terminology fixed effect menunjukan bahwa meskipun
intersep bervariasi antar-individu, setiap intersep individu tersebut tidak
bervariasi sepanjang waktu (Ghozali, 2013:261). Selain subjek cross-section,
model fixed effect juga dapat diterapkan pada periode waktu (period fixed
effect model), atau diterapkan pada subjek cross-section sekaligus periode
waktu (two-way fixed effect model). Metode yang digunakan untuk
mengestimasi dengan pendekatan ini adalah metode Least Square Dummy
Variable (LSDV). Pada metode fixed effect estimasi dilakukan dengan tanpa
pembobot atau no weight atau LSDV dan dengan pembobot (cross-section
weight) atau Generated Least Square (GLS). Tujuan dilakukan pembobotan
adalah untuk mengurangi heterogenitas antar unit cross-section (Gujarati,
2012). Penggunaan model ini tepat unutk melihatperilaku data masing-masing
individu variabel sehingga data lebih dinamis dalam menginterpretasi data.
3.7.3.3 Random Effet Model (REM)
Model random effect merupakan pendekatan yang ditawarkan untuk
mengatasi kekurangan dan permasalahan pada model fixed effect terkait
dengan degree of freedom jika memiliki banyak unit cross-sectional (Ghozali,
2013:285). Model ini mengestimasikan data panel yang variabel residualnya
diduga memiliki hubungan antar waktu dan antar subjek. Metode yang
digunakan untuk mengestimasi dengan pendekatan ini adalah metode GLS.
Namun seperti halnya pada model fixed effect, selain subjek cross-section
 51

model random effect juga dapat diterapkan pada periode waktu (Period
Random Effect Model), atau diterapkan pada subjek cross-section sekaligus
periode waktu (Two-Way Random Effect Model).
Untuk menentukan jenis data panel terdapat beberapa tahapan yang
dapat dilakukan yaiu sebagai berikut:
1. Uji Lagrange Multiplier (LM)
Uji lagrange multiplier ini dilakukan untuk mengestimasi antara
Common Effect Model dengan Random Effect Model, model mana yang lebih
cocok untuk penelitian menggunakan regresi data panel.
H0 → Model Common Effect lebih cocok digunakan untuk regresi data panel
H1 → Model Random Effect lebih cocok digunakan untuk regresi data panel; α = 5%
Criteria uji:

Tolak H0 dan terima H1 jika LM ≥ χ2; atau

Terima H0 dan tolak H1 jika LM < χ2
Artinya apabila nilai Breusch-Pagan (Cross-section, time and both)
pada tabel uji lagrange multiplier > Chi-Square (χ2) maka random effect
model lebih baik dari common effect model, begitu pula sebaliknya.
2. Uji Chow
Uji ini dilakukan untuk mengestimasi antara fixed effect model dengan
common effect model, model manakah yang lebih cocok untuk penelitian
menggunakan regresi data panel.
Hipotesis uji:
H0 → Model Common Effect lebih cocok digunakan untuk regresi data panel
H1 → Model Fixed Effect lebih ocok digunakan untuk regresi data panel; α = 5%
Criteria uji:
Tolak H0 dan terima H1 jika p ≤ α atau
Terima H0 dan tolak H1 jika p > α
Artinya apabila nilai statistic cross-section F memiliki nilai
probabilitas (p) > 0,05 maka Model Common Effect yang lebih cocok untuk
regresi data panel, begitu pula sebaliknya.
 52

3. Uji Hausman
Uji hausman dilakukan untuk membandingkan atau memilih model
mana yang terbaik antara fixed effect model dengan random effect model yang
akan digunakan untuk melakukan regresi data panel.
Hipotesis uji:
H0 → Model Random Effect lebih cocok digunakan untuk regresi data panel
H1 → Model Fixed Effect lebih cocok digunakan untuk regresi data panel; α = 5%
Criteria uji:
Tolak H0 dan terima H1 jika p ≤ α atau
Terima H0 dan tolak H1 jika p > α
Artinya apabila nilai Chi-Square cross-section random memiliki nilai
probabilitas (p) < 0,05 maka Fixed Effect Model lebih cocok untuk regresi
data panel, begitu juga sebaliknya.
3.7.4 Analisis Koefisien Determinasi
Koefisien determinasi (Adjusted R2 atau R2) digunakan untuk
mengukur seberapa besar variabel bebas dapat menjelaskan variabel terikat.
Koefisien ini menunjukan seberapa besar variasi total pada variabel terikat
yang dapat dijelaskan oleh variabel bebasnya dalam model regresi tersebut.
Nilai dari koefisien determinasi ialah antara 0 hingga 1. Nilai Adjusted R2
atau R2 yang mendekati 1 menunjukan bahwa variabel dalam model tersebut
dapat mewakili permasalahan yang diteliti, karena dapat menjelaskan variasi
yang terjadi pada variabel dependennya. Nilai Adjusted R2 atau R2 sama
dengan atau mendekati 0 (nol) menunjukan variabel dalam model yang
dibentuk tidak dapat menjelaskan variasi dalam variabel terikat. Nilai
koefisien determinasi akan cenderung semakin besar bila jumlah variabel
bebas dan jumlah data yang diobservasi semakin banyak. Oleh karena itu,
maka digunakan ukuran adjusted R2 untuk menghilangkan bias akibat adanya
penambahan jumlah variabel bebas dan jumlah data yang diobservasi.
 53

3.7.5 Analisis Regresi Linier Berganda

Regresi linier berganda digunakan oleh peneliti bila penelitian
bermaksud meramalkan bagaimana keadaan (naik turunnya) variabel
dependen, bila dua variabel independen sebagai factor predictor dimanipulasi
(naik turunnya nilai) Sugiyono, (2013).
Analisis regresi berganda akan dilakukan bila jumlah variabel
independennya lebih dari satu atau minimal memiliki 2 variabel independen.
Metode ini digunakan untuk menjelaskan pola hubungan antara variabel
independen yaitu pembiayaan (NPF) dan efisiensi (BOPO) dengan variabel
dependennya yaitu profitabilitas (ROA). Maka persamaan regresinya:
Y = α + β1 X1 it+ β2 X2 it + e
Dimana:
a :Konstanta
b1 , b2 : Koefisien parameter regresi variabel independen
x1 : NPF
x2 : BOPO
e : error term
i : entitas ( individual )
t : waktu ( periode )
Artinya koefisien b adalah jika b positif (+) maka hal tersebut
menunjukan hubungan yang searah antara variabel bebas dengan variabel
terikat dengan kata lain peningkatan atau penurunan besarnya variabel terikat.
Sedangkan bila nilai b negatif (-) menunjukan hubungan yang berlawanan
arah antara variabel bebas dengan variabel terikat yang artinya setiap
peningkatan atau penurunan besarnya nilai variabel bebas akan diikuti oleh
penururan atau peningkatan variabel terikat.
 54

3.7.6 Uji Hipotesis

3.7.6.1 Pengujian Hipotesis (Uji F)
Uji F ini dilakukan untuk melihat apakah semua variabel bebas yang
dimasukkan mempunyai hubungan secara bersama-sama terhadap variabel
terikat Ghozali (2013). Adapun langkah-langkah yang dapat digunakan dalam
uji ini sebagai berikut:
1. Menentukan Hipotesis
a. H0 : R1=R2=0 artinya tidak ada pengaruh antara variabel Pembiayaan dan
Efisiensi terhadap Profitabilitas
b. H1 : R1=R2≠0 artinya ada pengaruh antara variabel Pembiayaan dan
Efisiensi terhadap variabel Profitabilitas .
2. Menentukan Tingkat Signifikansi
Tingkat signifikansi tersebut adalah sebesar α = 0,05 atau 5% dengan derajat
kebebasan df = n – k – 1, untuk menentukan nilai Ftabel sebagai batas daerah
penerimaan dan penolakan H0.
3. Menghitung Nilai Fhitung
Untuk mengetahui apakah variabel-variabel koefisien korelasi signifikan atau
tidak. Untuk mencari Fhitung dapat digunakan rumus sebagai berikut:

( )
( )
Dimana:
R : Koefisien Determinasi
K : Jumlah Variabel Independen
n : Jumlah Sampel
4. Pengambilan Keputusan
1. Membandingkan Fhitung dengan Ftabel:
a. Jika Fhitung > Ftabel maka H0 ditolak
b. Jika Fhitung < Ftabel maka H0 diterima
2. Membandingkan Sig. dengan α:
 55

a. Jika sig > α maka H0 ditolak (signifikan)

b. Jika sig < α maka H0 diterima (tidak signifikan)

3.7.6.2 Uji Hipotesis Secara Parsial (Uji t)

Uji statistic t pada dasarnya menunjukan seberapa jauh pengaruh suatu
variabel penjelas/independen secara individual dalam menerangkan variasi
variabel dependen Ghozali (2013). Uji hipotesis parsial yang dilakukan
dengan uji statistic t ini bertujuan untuk mengetahui apakah pegaruh variabel
X1, X2 secara parsial terhadap variabel Y signifikan dengan langkah-langkah
sebagai berikut:
1. Menentukan Hipotesis
Uji hipotesis yang akan diuji dalam penelitian ini berkaitan dengan ada
atau tidaknya pengaruh antara variabel independen yaitu pembiayaan dan
efisiensi terhadap variabel dependen yaitu profitabilitas. berikut adalah
hipotesis dalam penelitian ini.
a. Hipotesis pertama
H0 : ryx1=0, artinya pembiayaan (NPF) tidak berpengaruh terhadap profitabilitas
(ROA)
Ha : ryx1≠0, artinya pembiayaan (NPF) berpengaruh terhadap profitabilitas (ROA)
b. Hipotesis kedua
H0 : ryx2=0, artinya efisiensi (BOPO) tidak berpengaruh terhadap profitabilitas
(ROA)
Ha : ryx2≠0, artinya efisiensi (BOPO) berpengaruh terhadap profitabilitas (ROA)
2. Menentukan Tingkat Signifikansi
Tingkat signifikansi yang diambil dalam penelitian ini adalah 5%
dengan derajat kebebasan df = n – k – 1, untuk menentukan tabel sebagai
batasan daerah penerimaan dan penolakan H0 dengan tingkat signifikansi 5%
dinilai cukup untuk mewakili hubungan antara variabel-variabel yang diteliti
dan merupakan tingkat signifikansi yang umum dipakai dalam suatu
penelitian.
 56

3. Menentukan Nilai thitung

Menentukan nilai thitung untuk mengetahui apakah variabel-variabel
koefisien korelasi signifikan atau tidak dengan menggunakan rumus sebagai
berikut:
̅

√
Dimana:
thitung : Harga yang dihitung dan menunjukkan nilai standar deviasi dari
distribusi t (Tabel t).
̅ : rata-rata nilai yang diperoleh dari hasil pengumpulan data
: Nilai yang dihipotesiskan
s : standar deviasi sampel yang dihitung
n : jumlah sampel penelitian
4. Pengambilan Keputusan
1. Membandingkan thitung dengan ttabel
a. Jika thitung > ttabel atau –thitung < -ttabel, maka H0 ditolak
b. Jika thitung < ttabel atau –thitung > -ttabel, maka H0 diterima
2. Membandingkan sig. dengan α
a. Jika sig < α, maka ditolak (signifikan)
b. Jika sig > α, maka diterima (tidak signifikan)