Post on 19-Aug-2019
99
BAB III
METODE PENELITIAN
3.1. Metode yang Digunakan
Rancangan penelitian adalah suatu kesatuan, rencana terinci dan spesifik
mengenai cara memperoleh, menganalisis, dan menginterpretasi data. Selain itu,
rancangan penelitian berisi tentang hal-hal dan kondisi umum yang
melatarbelakangi dilaksanakan kegiatan tersebut, yang didasarkan pada konsep
maanajemen strategis, dengan mengkaji secara khusus faktor GCG, biaya
pengembangan SDM, biaya pengembangan TI, dan keunggulan bersaing (CAR,
BOPO, FBI) dalam peranannya mewujudkan kinerja perusahaan perbankan
(ROA) yang telah go public di Indonesia.
Pendekatan jenis penelitian ini adalah kuantitatif yang menekankan
analisisnya pada data numerik (angka) yang diolah dengan metoda statistika.
Sedangkan berdasarkan kedalaman analisisnya jenis penelitian yang akan
digunakan adalah metode deskriptif dan inferensial. Penelitian deskriptif yang
dilakukan untuk membuat deskripsi atau gambaran secara sistematis, faktual dan
akurat mengenai fakta, sifat dan hubungan antara variabel yang diteliti, sedangkan
inferensialdimaksudkan untuk mengungkapkan keterkaitan antar variabel melalui
pengujian hipotesis dan juga dimaksudkan untuk mengetahui kondisi masing-
masing variabel pada periode waktu yang digunakan. Sekaran (2006) menyatakan
bahwa “hypothesis testing: offers an enhanced understanding of the relationship
100
that exist among variable. Hypothesis testing could also establish cause and effect
relationship that exist among variable”.
3.2. Operasionalisasi Variabel
Seluruh variabel yang digunakan dalam penelitian ini merupakan data
kuantitatif yang tergolong observable variable yang merupakan data sekunder.
Dengan demikian dalam penelitian ini tidak dilakukan penyusunan konstruk.
Menurut Hair et al. (2011), menjelaskan bahwa proses konseptualisasi dimulai
dengan identifikasi variabel dan konstruk. Variabel adalah observable dan
berkarakteristik terukur dalam suatu model konseptual. Para peneliti setuju
bahwa nilai pada variabel tersebut benar-benar dapat diukur, sebagai contoh
penjualan: level produksi, pembelian, karakterisktik demografi dll. Ketika
karakteristik diukur dengan suatu pertanyaan atau pernyataan tunggal, secara
umum dapat digolongkan sebagai variabel. Variabel berkaitan langsung dengan
observasi, fakta yang dapat diverifikasi seperti pengamatan konter keluar-masuk
suatu toko atau observasi pembelian nasabah atau umur individu.
Selanjutnya Hair et al. (2011) juga menyebutkan bahwa ketika beberapa
pertanyaan atau pernyataan digunakan dalam kombinasi untuk merepresentasikan
suatu karakteristik atau konsep, dapat disebut kombinasi suatu konstruk. Suatu
perbedaan besar antara variabel dan suatu konstruk bahwa variabel diukur secara
langsung. Sebaliknya konstruk hanya dapat diukur secara tidak langsung melalui
beberapa indikator variabel, seringnya melalui kuesioner survey. Selain itu,
konstruk adalah konsep yang merepresentasikan suatu level yang lebih tinggi dari
abstraksi dibandingkan variabel dan didefinisikan atas dasar teori. Sebagai contoh,
101
konstruk yang digunakan dalam bisnis adalah kualitas layanan, tingkah laku merk,
komitmen organisasi, kepuasan, kepemimpinan dll. Setiap konstruk akan diukur
secara tidak langsung. Kesimpulannya, perbedaan utama antara variabel dan
konstruk bahwa variabel secara langsung diukur dari suatu karakteristik tunggal
atau atribut pada suatu level yang lebih rendah dari abstraksi, di mana konstruk
konsisten berkaitan dengan beberapa karakteristik dan diukur secara tidak
langsung.
Dalam penelitian ini operasionalisasi variabel dapat diuraikan sebagai
berikut:
1. Variabel GCG
Variabel GCG dalam penelitian ini juga digolongkan ke dalam observable
variable mengingat merupakan data sekunder dan penilaiannya bersumber
dari penilaian tingkat kesehatan yang dilakukan otoritas pengawasan bank di
Indonesia (OJK) yang bersumber dari publikasi bank. Aturan dan tata cara
penilaian GCG Bank Umum diatur dalam ketentuan di bawah UU (POJK No.
55/POJK.03/2016 tentang Penerapan Tata kelola Bagi Bank Umum dan SE
BI No. 15/15/DPNP), yang didasarkan atas pelaksanaan GCG pada industri
perbankan dengan berlandaskan prinsip 5 (lima) prinsip dasar yaitu
transparansi, akuntabilitas, pertanggungjawaban, independensi, dan
kewajaran. Penerapan ke-5 prinsip tersebut meliputi 11 faktor penilaian GCG,
yaitu:
a. Pelaksanaan tugas dan tanggung jawab komisaris
b. Pelaksanaan tugas dan tanggung jawab direksi
102
c. Kelengkapan dan pelaksanaan tugas komite
d. Penanganan benturan kepentingan
e. Penerapan fungsi kepatuhan
f. Penerapan fungsi audit intern
g. Penerapan fungsi audit ekstern
h. Penerapan manajemen risiko termasuk sistem pengendalian intern
i. Penyediaan dana kepada pihak terkait dan penyediaan dana besar
j. Transparansi kondisi keuangan dan non keuangan bank, laporan
pelaksanaan GCG dan pelaporan internal
k. Rencana strategis bank.
Penilaian terhadap ke-11 faktor tersebut dilakukan secara komprehensif dan
terstruktur yang diintegrasikan menjadi 3 (tiga) aspek governance yaitu
governance structure, governance process, dan governance outcome, sebagai
suatu proses yang berkesinambungan. Penilaian faktor GCG merupakan
penilaian terhadap kualitas manajemen Bank atas pelaksanaan prinsip GCG,
dengan memperhatikan signifikansi atau materialitas suatu permasalahan
terhadap penerapan GCG pada Bank secara bank-wide, sesuai skala,
karakteristik dan kompleksitas usaha Bank.
Adapun cara penilaiannya dari masing-masing faktor tersebut dielaborasi
dalam bentuk matriks ke dalam sejumlah kriteria dan indikator yang kemudian
dianalisis penerapannya pada industri perbankan. Setelah analisis dilakukan
secara lengkap, kemudian dilakukan kuantifikasi atas dasar urutan skala
pemeringkatan dari 1-5 (Sangat Baik, Baik, Cukup Baik, Kurang Baik, dan
103
Tidak Baik). Hasil dari penskalaan tersebut berupa skala ordinal, kemudian
dilakukan transformasi menjadi interval dengan menggunakan Metoda
successive intervals scaling.
2. Variabel Biaya Pengembangan/Investasi TI
Variabel Biaya ini tergolong observable variable, merupakan salah satu pos
biaya dalam laporan rugi laba bank umum, dengan pengambilan data
bersumber dari pos biaya investasi TI bank umum, Laporan Bank Umum
(LBU) yang disampaikan berkala kepada DPIP OJK.
3. Variabel Biaya Pengembangan SDM
Variabel Biaya ini tergolong observable variable, merupakan salah satu pos
biaya dalam laporan rugi laba bank umum, dengan pengambilan data
bersumber dari pos biaya pengembangan SDM bank umum, LBU yang
disampaikan berkala kepada DPIP OJK. Secara aturan otoritas pengawasan
bank besarnya biaya pengembangan SDM ini minimal sebesar 5% dari total
biaya SDM bank. Aturan besarnya biaya pengembangan SDM bank umum
diatur dalam SK Dir BINo. 31/310/KEP/DIR Tahun 1999.
4. Variabel Keunggulan Bersaing
Variabel keunggulan bersaing diambil dari pendekatan sebagai berikut:
a. Berdasarkan teori keunggulan bersaing yakni dari faktor low cost dan
diferensiasi. Untuk faktor low cost digunakan variabel rasio efisiensi
(rasio BOPO) dan FBI.
Rasio BOPO lazim digunakan oleh otoritas sebagai salah satu cara
menghitung efisiensi industri perbankan. Mengingat rasio BOPO
104
merupakan rasio yang dihitung dari pos biaya operasional dibagi dengan
pos pendapatan operasional (keduanya pos pada laporan laba rugi bank)
maka tergolong juga oberservable variable.
Data rasio BOPO berasal dari DPIP OJK yang dihitung atas dasar LBU
yang disampaikan berkala oleh bank umum.
b. Berdasarkan aturan Basel Comitte on Bank Supervision (BCBS), yang
merupakan lembaga internasional di bawah BIS yang membuat regulasi
standard internasional bagi industri perbankan. Aturan BCBS khususnya
Basel III menyebutkan bahwa penguatan modal dapat meningkatkan daya
tahan bank terhadap krisis dan gejolak perekonomian serta risiko yang
timbul akibat peningkatan eksposur penyediaan dana. Indonesia termasuk
anggota BIS yang juga tunduk pada aturan BCBS, juga mengatur bahwa
aspek modal bank merupakan salah satu komponen penilaian tingkat
kesehatan bank, selain faktor risiko, GCG dan earnings. Dengan demikian
komponen ketiga dari variabel Keunggulan Bersaing dalam penelitian ini
adalah modal bank yang diukur dari CAR. Sumber data CAR bank umum
juga dari DPIP OJK, yang dihitung atas dasar modal yang dimiliki (modal
inti, pelengkap, tambahan) dibandingkan dengan nilai pembobotan risiko
pos-pos neraca yang penting (aktiva tertimbang menurut risiko). Peraturan
permodalan bank umum terdapat dalam POJK No. 34/POJK.03/2016
tentang Perubahan atas POJK No. 11/POJK.03/2016 tentang Kewajiban
Penyedian Modal Minimum Bank tanggal 26 September 2016. Data CAR
105
berasal dari DPIP OJK yang dihitung atas dasar LBU yang disampaikan
berkala oleh bank umum.
c. Kemudian faktor diferensiasi digunakan variabel FBI, yang saat ini
merupakan trend industri perbankan untuk meningkatkan FBI dalam
komposisi pendapatannya, yang relatif berisiko rendah namun syarat
teknologi. Selain itu, berbagai penelitian sebelumnya menunjukkan FBI
merupakan salah satu aspek keunggulan bersaing yang berpengaruh
terhadap kinerja bank. Data rasio FBI berasal dari DPIP OJK yang
dihitung atas dasar LBU yang disampaikan berkala oleh bank umum
5. Variabel Kinerja Perusahaan
Variabel Kinerja Perusahaan diukur oleh rasio ROA, yang merupakan rasio
dari pos laba (dari pos laporan laba-rugi bank) dibagi dengan total aset (dari
pos neraca bank), sehingga tergolong juga observable variable. Dalam
penghitungan aspek earning pada penilaian tingkat kesehatan bank umum,
rasio ROA merupakan salah satu komponen yang diperhitungkan.
Sebagaimana juga data biaya, data rasio ROA ini juga berasal dari DPIP OJK
yang dihitung atas dasar LBU yang disampaikan berkala oleh bank umum.
Tabel 3.1 Operasionalisasi Variabel
Variabel Dimensi Indikator Ukuran Skala
GCG (X1)
Peringkat kualitas
atau penilaian
GCG merupakan
nilai komponen
GCG yang
dihitung dalam
penilaian tingkat
kesehatan bank
Hasil penilaian GCG
dari lembaga
independen dari
berbagai dimensi.
Nilai GCG bersumber
dari kompilasi data
publikasi bank
Pengukuran dari
ordinal (peringkat)
menjadi interval untuk
kegunaan uji statistik.
Ordinal
106
Variabel Dimensi Indikator Ukuran Skala
oleh OJK
Biaya
Pengembangan
Teknologi
Informasi/TI (X2)
Secara akuntansi
merupakan salah
satu komponen
biaya dalam
laporan Laba-
Rugi Bank
Besarnya biaya TI yang
dikeluarkan oleh tiap
emiten bank.
Besarnya biaya TI yang
dikeluarkan oleh tiap
emiten bank.
Pengukuran rasio
untuk kegunaan uji
statistik.
rasio
Besarnya pos Biaya
investasi TI diambil
dari LBU.
Besarnya pos Biaya
investasi TI diambil
dari LBU.
Pengukuran rasio
untuk kegunaan uji
statistik.
Biaya
Pengembangan
SDM (X3)
Secara akuntansi
merupakan salah
satu komponen
biaya dalam
laporan Laba-rugi
bank. Besarnya
biaya
pengembangan
SDM (diluar
infrastruktur),
minimal 5% dari
biaya total SDM
bank tahun lalu.
Besarnya pos Biaya
Pengembangan SDM
diambil dari LBU
Besarnya pos Biaya
Pengembangan SDM
diambil dari LBU
Pengukuran rasio
untuk uji statistik.
rasio
Keunggulan
Bersaing (Y)
Merupakan
komponen
keunggulan
bersaing:
- low cost, rasio
BOPO (Y1)
- diferensiasi,
FBI, (Y2); serta
- CAR (Y3).
CAR dan rasio
BOPO
merupakan salah
satu aspek yang
digunakan oleh
otoritas nasional
CAR= merupakan rasio
modal terhadap Aktiva
Tertimbang Menurut
Risiko/ATMR
CAR dihitung dan
diambil dari LBU
Nilai BOPO dan CAR
sudah dalam bentuk
rasio.
rasio
Rasio BOPO= rasio
Biaya Operasional
terhadap Pendapatan
Rasio BOPO dihitung
dan diambil dari LBU
107
Variabel Dimensi Indikator Ukuran Skala
dan global dalam
komponen
penghitungan
tingkat kesehatan
bank.
Permodalan
merupakan syarat
mutlak dari
otoritas global
dan nasional agar
bank dapat
bersaing dan
berkelanjutan.
Secara akuntansi
FBI merupakan
salah satu
komponen
pendapatan
operasional selain
bunga kredit yang
ada dalam
laporan Laba-rugi
bank.
Opersaiaonal
FBI= merupakan salah
satu komponen
pendapatan operasional
selain bunga kredit
yang ada dalam laporan
Laba-rugi bank
FBI dihitung dan
diambil dari LBU
Pengukuran FBI dari
nominal menjadi rasio
untuk uji statistik
Kinerja
Perusahaan (Z)
Merupakan
penilaian akhir
terhadap
kapabilitas
perusahaan,
dalam hal ini
digunakan
penilaian aspek
finansial rasio
ROA. Rasio ini
digunakan dalam
penghitungan
komponen
earnings pada
penghitungan
tingkat kesehatan
bank
Rasio rentabilitas,
menggunakan rasio
ROA yang
mencerminkan rasio
antara laba rata-rata
terhadap total aset
Nilai rasio ROA
dihitung dari LBU.
Nilai rasio ROA
dihitung dari LBU.
rasio
108
3.3. Sumber dan Cara Penentuan Data/Informasi
Jenis data merupakan data sekunder, yaitu data/informasi bank umum
konvensional yang tercatat di BEI periode 2011-2016, bersumber dari BEI, BI,
publikasi bank dan OJK. Sementara itu data yang dikumpulkan adalah GCG,
biaya TI, biaya pengembangan SDM, rasio ROA dan indikator keunggulan
bersaing (permodalan (CAR), rasio efisiensi (rasio BOPO) dan aspek FBI).
Populasi dalam penelitian ini adalah bank umum konvensional yang
tercatat di BEI periode 2011-2016, sebanyak 37 bank (cross-section), dimana
periodisasi laporan keuangan ditentukan selama 6 tahun yaitu 2011-2016 (time
series). Sehingga data yang diperoleh adalah gabungan antara data cross section
dan time series yang disebut sebagai data panel. Struktur data panel diharapkan
dapat memberikan informasi yang lebih banyak.
3.4. Teknik Pengumpulan Data
Sumber data pada penelitian ini adalah data sekunder dan sebagai
pengkonfirmasi hasil penelitian data sekunder akan digunakan data primer dengan
menggunakan teknik wawancara/FGD dengan pihak berkompeten (senior
management). Unit analisis dibatasi pada Bank Umum Konvensional yang Go
Public di BEI. Posisi sampai dengan Desember 2016 berjumlah 37 bank umum
konvensional. Adapun periodisasi data ditentukan selama 6 tahun (2011-2016)
antara lain untuk memenuhi persyaratan analisis data dan agar merepresentasikan
populasi yang diambil.
109
3.5. Rancangan Analisis dan Uji Hipotesis
3.5.1. Rancangan Analisis
Model Estimasi Data Panel
Rancangan analisis yang akan digunakan dalam penelitian ini adalah regresi
untuk data panel. Regresi data panel merupakan analisis regresi yang
menggabungkan data time series dengan cross section, dimana unit cross section
yang sama diukur pada waktu yang berbeda. Maka dengan kata lain, data panel
merupakan data dari beberapa individu sama yang diamati dalam kurun waktu
tertentu. Keunggulan regresi data panel antara lain:
1. Data Panel mampu memperhitungkan heterogenitas individu secara
ekspilisit dengan mengizinkan variabel spesifik individu;
2. Kemampuan mengontrol heterogenitas ini selanjutnya menjadikan data
panel dapat digunakan untuk menguji dan membangun model perilaku lebih
kompleks.
3. Data panel mendasarkan diri pada observasi cross-section yang berulang-
ulang (time series), sehingga metode data panel cocok digunakan sebagai
study of dynamic adjustment.
4. Tingginya jumlah observasi memiliki implikasi pada data yang lebih
informatif, lebih variatif, dan kolinieritas (multikol) antara data semakin
berkurang, dan derajat kebebasan (degree of freedom/df) lebih tinggi
sehingga dapat diperoleh hasil estimasi yang lebih efisien.
5. Data panel dapat digunakan untuk mempelajari model-model perilaku yang
kompleks.
110
6. Data panel dapat digunakan untuk meminimalkan bias yang mungkin
ditimbulkan oleh agregasi data individu.
Dengan keunggulan tersebut maka implikasi pada tidak harus
dilakukannya pengujian asumsi klasik dalam model data panel (Verbeek, 2000;
Gujarati dan Porter, 2009)
Secara umum data panel menghasilkan koefisien intersep dan slope yang
berbeda di tiap perusahaan dan setiap periode waktu. Oleh karena itu dalam
mengestimasi persamaan ekonometrika akan sangat tergantung dari asumsi yang
dibuat tentang koefisien intersep dan slope serta variabel gangguannya.
Berdasarkan asumsi yang telah ditentukan ada beberapa teknik estimasi parameter
model regresi data panel yang ditawarkan yaitu :
a. Koefisien Tetap antar Waktu dan Individu (Common Effect)
Teknik yang digunakan dalam metode Common Effect hanya dengan
mengkombinasikan data time series dan cross section. Dengan hanya
menggabungkan kedua jenis data tersebut maka dapat digunakan metode
OLS untuk mengestimasi model data panel. Dalam pendekatan ini tidak
memperhatikan dimensi individu maupun waktu, dan dapat diasumsikan
bahwa perilaku data antar perusahaan sama dalam berbagai rentang waktu.
Asumsi ini jelas sangat jauh dari realita sebenarnya, karena karakteristik antar
perusahaan baik dari segi kewilayahan jelas sangat berbeda.
b. Model Efek Tetap (Fixed Effect)
Teknik yang digunakan dalam penelitian ini adalah metode Fixed
Effect. Metode dengan menggunakan variabel dummy untuk menangkap
111
adanya perbedaan intersep. Metode ini mengasumsikan bahwa koefisien
regresi (slope) tetap antar perusahaan dan antar waktu, namun intersepnya
berbeda antar perusahaan namun sama antar waktu (time invariant). Namun
metode ini membawa kelemahan yaitu berkurangnya derajat kebebasan
(degree of freedom) yang pada akhirnya mengurangi efisiensi parameter.
c. Model Efek Random (Random Effect)
Tenik yang digunakan dalam Metode Random Effect adalah dengan
menambahkan variabel gangguan (error terms) yang mungkin saja akan
muncul pada hubungan antar waktu dan antar perusahaan. Teknik metode
OLS tidak dapat digunakan untuk mendapatkan estimator yang efisien,
sehingga lebih tepat untuk menggunakan Metode Generalized Least
Square (GLS).
Judge (1980) dalam Fadly (2011), menyatakan ada perbedaan mendasar
untuk menentukan pilihan antara FEM (Fixed Effects Model) dan ECM (Error
Component Model) antara lain sebagai berikut (Gujarati dan Porter, 2009):
1) Jika T (jumlah data time series) besar dan N (jumlah unit cross-section)
kecil, perbedaan antara FEM dan ECM adalah sangat tipis. Oleh karena
itu, dapat dilakukan penghitungan secara konvensional. Pada keadaan ini,
FEM mungkin lebih disukai.
2) Ketika N besar dan T kecil, estimasi diperoleh dengan dua metode dapat
berbeda secara signifikan. Pada ECM, dimana adalah komponen random
cross-section dan pada FEM, ditetapkan dan tidak acak. Jika kita sangat
yakin dan percaya bahwa individu, ataupun unit cross-section sampel kita
112
adalah tidak acak, maka FEM lebih cocok digunakan. Jika unit cross-
section sampel adalah random/acak, maka ECM lebih cocok digunakan.
3) Komponen error individu dan satu atau lebih regresor berkorelasi,
estimator yang berasal dari ECM adalah bias, sedangkan yang berasal dari
FEM adalah unbiased.
4) Jika N besar dan T kecil, serta jika asumsi untuk ECM terpenuhi, maka
estimator ECM lebih efisien dibanding estimator FEM.
Secara formal, ada tiga prosedur pengujian yang akan digunakan, yaitu uji
statistik F yang digunakan untuk memilih antara model common effects atau fixed
effects; uji Lagrange Multiplier (LM) yang digunakan untuk memilih antara model
common effect atau model random effects; dan uji Hausman yang digunakan
untuk memilih antara model fixed effects atau model random effects.
(1) Uji F Statistik
Uji F statistik merupakan uji perbedaan dua regresi dalam hal ini regresi data
panel dengan asumsi intersep dan slope sama (common effect). Uji ini
dilakukan dengan membandingkan residual sum of squares (RSS) dari kedua
hasil regresi tersebut. Rumusnya adalah :
Dimana :
RSS1 : residual sum of squares dengan common effect;
RSS2 : residual sum of squares dengan fixed effect;
M : numerator (yaitu jumlah restriksi atau pembatasan dalam model
common effect atau jumlah kelompok individu dikurangi 1);
knRSSRSS
kRSSRSSRSSF c
2/
/)(
21
21
113
(n – k) : denumerator; n : jumlah observasi; k: jumlah parameter dalam
model fixed effect.
Hipotesis nolnya adalah intersep dan slope sama (common effect). Nilai
statistik hitung hingga akan mengikuti distribusi statistik F dengan derajat
bebas (df) sebanyak m untuk numerator dan (n – k) untuk denumerator.
(2) Uji Lagrange Multiplier (LM)
Uji LM digunakan untuk memilih model random effect atau common effect.
Uji bisa juga dinamakan uji signifikansi random effect yang dikembangkan
oleh Bruesch–Pagan (1980). Uji LM Bruesch–Pagan ini didasarkan pada nilai
residual dari metode common effect. Nilai LM dihitung dengan rumus:
Dimana: n = jumlah individu; T = jumlah periode waktu; e = residual metode
common effect.
Hipotesis nolnya adalah intersep dan slope sama (common effect). Uji LM ini
didasarkan pada distribusi chi-square dengan degree of freedom sebesar
jumlah variabel independen. Jika nilai LM statistik lebih besar dari nilai kritis
statistik chi-square maka kita menolak hipotesis nol, berarti estimasi yang
lebih tepat dari regresi data panel adalah model random effect. Sebaliknya
jika nilai LM statistik lebih kecil dari nilai kritis statistik chi-square maka kita
menerima hipotesis nol yang berarti model common effect lebih baik
digunakan dalam regresi.
(3) Uji Hausman
Untuk menentukan salah satu model diantara dua model fixed effect atau
random effect, Hausman (1978) telah mengembangkan suatu uji yang
didasarkan pada ide bahwa Least Square Dummy Variable (LSDV) dalam
114
metode Fixed Effect dan Generalized Least Square (GLS) pada Random
Effect adalah efisien, sedangkan metode Ordinary Least Square (OLS) tidak
efisien, dilain pihak alternatifnya adalah metode OLS efisien dan GLS tidak
efisien. Oleh karena itu, hipotesis nolnya adalah hasil estimasi keduanya tidak
berbeda sehingga uji Hausman bisa dilakukan berdasarkan perbedaan
estimasi tersebut. Unsur penting untuk uji ini adalah kovarian matrik dari
perbedaan vektor.
3.5.1.1 Model Ekonometrika
Model yang digunakan adalah :
Model 1 : Yit= β0i + β11 X1it + β12X2it + β13X3it + eit
Model 2 : Zit= β0i + β21 X1it + β22X2it + β23X3it +β24Y1it + eit
Keterangan :
X1= GCG
X2= Biaya Pengembangan TI
X3= Biaya pengembangan SDM
Y = Keunggulan Bersaing Bank Umum Konvensional yang Go Public
Z = Kinerja Bank Umum Konvensional yang Go Public
= Koefisien regresi
e = Error
i = 1,2,3…n
t = Waktu
115
3.5.2. Rancangan Pengujian Hipotesis
Hipotesis 1
GCG, Biaya Pengembangan TI, dan Biaya Pengembangan SDM berpengaruh
terhadap Keunggulan Bersaing (BOPO, CAR dan FBI) pada bank konvensional
yang tercatat di BEI periode 2011-2016.
Model yang digunakan adalah :
BOPOit= β01i + β11GCG1it + β12IT2it + β13SDM3it + eit
CARit= β02i + β21GCG1it + β22IT2it + β23SDM3it + e2t
FBIit= β03i + β31GCG1it + β32IT2it + β33SDM3it + e3t
a. Uji Koefisien Regresi Simultan
Pengujian dilakukan secara simultan untuk seluruh koefisien regresi dari
variabel independen sama dengan nol (null hypothesis).
H0 : β11 = β12 = β13 = 0
H0 : Minimal ada satu β1j ≠ 0
Nilai F-statistik untuk uji simultan dirumuskan sebagai berikut :
knR
kR
F
)1(
12
2
Keterangan :
R2
= koefisien determinasi
Jika F value lebih besar dari F-Tabel (F, k-1, n-k) maka H0 ditolak. Alternatif
lain dengan melihat nilai p–value F atau Prob (F-statistik) yang diperoleh dari
116
hasil proses Eviews. Jika sangat rendah H0 ditolak. Pengujian juga dapat
dilakukan dengan melihat nilai R2.
b. Uji Koefisien Regresi Parsial
Hipotesis yang digunakan ialah sebagai berikut :
H0 : β1j =0
Peningkatan GCG tidak berpengaruh terhadap keunggulan bersaing
bank konvensional yang tercatat di BEI
Biaya TI tidak berpengaruh terhadap keunggulan bank konvensional
yang tercatat di BEI
Biaya pengembangan SDM tidak berpengaruh terhadap keunggulan
bersaing bank konvensional yang tercatat di BEI
H1 : β1j≠0
Peningkatan GCG berpengaruh terhadap keunggulan bersaing bank
konvensional yang tercatat di BEI
Biaya TI berpengaruh terhadap keunggulan bersaing bank
konvensional yang tercatat di BEI
Biaya pengembangan SDM berpengaruh terhadap keunggulan bersaing
bank konvensional yang tercatat di BEI
Statistik uji menggunakan uji t sebagai berikut :
Bandingkan ‘t value’ yang dihitung dibandingkan dengan ‘ t table’ berdasarkan
degree of freedom tertentu dan dengan = 5%. Jika t value lebih besar, dari t-
Tabel maka H0 ditolak.
117
Hipotesis 2
Keunggulan Bersaing (BOPO, CAR dan FBI) berpengaruh terhadap kinerja
perusahaan pada bank konvensional yang tercatat di BEI periode 2011-2016.
Model yang digunakan adalah :
ROAit= β04i + β41BOPOit + β42CAR2it + β43FBI3it + e4it
A. Hipotesis Simultan
H0 : β41= β42 = β43 = 0
Tidak terdapat pengaruh dari BOPO, CAR dan FBI terhadap ROA
H1 : paling sedikit ada β ij 0
Terdapat pengaruh BOPO, CAR dan FBI terhadap ROA
Nilai F-statistik untuk uji simultan dirumuskan sebagai berikut :
knR
kR
F
)1(
12
2
Keterangan :
R2
= koefisien determinasi
Jika F value lebih besar dari F-Tabel (F, k-1, n-k) maka H0 ditolak. Alternatif
lain dengan melihat nilai p–value F atau Prob (F-statistik) yang diperoleh dari
hasil proses Eviews. Jika sangat rendah H0 ditolak. Pengujian juga dapat
dilakukan dengan melihat nilai R2.
118
b. Uji Koefisien Regresi Parsial
Hipotesis yang digunakan ialah sebagai berikut :
H0 : β4i=0
BOPO tidak berpengaruh terhadap kinerja (ROA) bank konvensional
yang tercatat di BEI
CAR tidak berpengaruh terhadap kinerja (ROA) bank konvensional
yang tercatat di BEI
FBI tidak berpengaruh terhadap kinerja (ROA) bank konvensional
yang tercatat di BEI
H1 : β4i ≠ 0
BOPO berpengaruh terhadap kinerja (ROA) bank konvensional yang
tercatat di BEI
CAR berpengaruh terhadap kinerja (ROA) bank konvensional yang
tercatat di BEI
FBI berpengaruh terhadap kinerja (ROA) bank konvensional yang
tercatat di BEI
Statistik uji menggunakan uji t sebagai berikut :
Bandingkan ‘t value’ yang dihitung dibandingkan dengan ‘ t table’ berdasarkan
degree of freedom tertentu dan dengan = 5%. Jika t value lebih besar, dari t-
Tabel maka H0 ditolak.
119
Hipotesis 3
GCG, Biaya Pengembangan TI, dan Biaya Pengembangan SDM serta
Keunggulan Bersaing (BOPO, CAR dan FBI) berpengaruh terhadap Kinerja
Perusahaan pada bank konvensional yang tercatat di BEI periode 2011-2016
melalui keunggulan bersaing.
Model yang digunakan adalah :
ROAit= β05i +β51GCGit + β52IT2it + β53SDM3it+ β54BOPOit + β55CAR2it +
β56FBI3it + e5it
A. Hipotesis Simultan
H0 : β51= β52 = β53 = β54 = β55 = β56 = 0
Tidak terdapat pengaruh GCG, Biaya Pengembangan/Investasi TI, dan
Biaya Pengembangan SDM, BOPO, CAR dan FBI terhadap ROA
H1 : paling sedikit ada β ij 0
Terdapat pengaruh GCG, Biaya Pengembangan/Investasi TI, dan Biaya
Pengembangan SDM, BOPO, CAR dan FBI , terhadap ROA
Nilai F-statistik untuk uji simultan dirumuskan sebagai berikut :
knR
kR
F
)1(
12
2
Keterangan :
R2
= koefisien determinasi
Jika F value lebih besar dari F-Tabel (F, k-1, n-k) maka H0 ditolak. Alternatif
lain dengan melihat nilai p–value F atau Prob (F-statistik) yang diperoleh dari
120
hasil proses Eviews. Jika sangat rendah H0 ditolak. Pengujian juga dapat
dilakukan dengan melihat nilai R2.
b. Uji Koefisien Regresi Parsial
Hipotesis yang digunakan ialah sebagai berikut :
H0 : β5i = 0
GCG tidak berpengaruh terhadap kinerja (ROA) bank konvensional
yang tercatat di BEI
IT tidak berpengaruh terhadap kinerja (ROA) bank konvensional yang
tercatat di BEI
SDM tidak berpengaruh terhadap kinerja (ROA) bank konvensional
yang tercatat di BEI
BOPO tidak berpengaruh terhadap kinerja (ROA) bank konvensional
yang tercatat di BEI
CAR tidak berpengaruh terhadap kinerja (ROA) bank konvensional
yang tercatat di BEI
FBI tidak berpengaruh terhadap kinerja (ROA) bank konvensional
yang tercatat di BEI
H1 : β5i≠ 0
GCG berpengaruh terhadap kinerja (ROA) bank konvensional yang
tercatat di BEI
IT berpengaruh terhadap kinerja (ROA) bank konvensional yang
tercatat di BEI
SDM berpengaruh terhadap kinerja (ROA) bank konvensional yang
tercatat di BEI
BOPO berpengaruh terhadap kinerja (ROA) bank konvensional yang
tercatat di BEI
121
CAR berpengaruh terhadap kinerja (ROA) bank konvensional yang
tercatat di BEI
FBI berpengaruh terhadap kinerja (ROA) bank konvensional yang
tercatat di BEI
Statistik uji menggunakan uji t sebagai berikut :
Bandingkan ‘t value’ yang dihitung dibandingkan dengan ‘ t table’ berdasarkan
degree of freedom tertentu dan dengan = 5%. Jika t value lebih besar, dari t-
Tabel maka H0 ditolak.
3.6. Rancangan Pemecahan Masalah
Rancangan pemecahan masalah didasarkan teori dan hasil penelitian
sebelumnya tentang faktor-faktor yang mempengaruhi kinerja dan keunggulan
bersaing perbankan. Selanjutnya, setelah dilakukan pengujian statistik, diharapkan
akan didapatkan model penelitian untuk mengetahui pengaruh dan hubungan antar
variabel baik antar variabel independen dengan variabel dependen, antar variabel
independen, maupun antar variabel dependen. Pendekatan pengaruh masing-
masing variabel independen akan dilakukan terlebih dahulu terhadap variabel
dependen, kemudian pendekatan pengaruh variabel independen secara gabungan
dilakukan dalam analisis selanjutnya. Selanjutnya, analisis terhadap dependen
variabel dilakukan untuk mengetahui apakah terdapat hubungan korelasi atau
tidak dan arah korelasi tersebut.
122
3.6.1. Perumusan Tujuan
Berdasarkan rumusan permasalahan yang telah disusun, dapat ditentukan
tujuan pemecahan masalah sebagai berikut:
• Untuk mengetahui perkembangan GCG, Biaya Pengembangan TI, Biaya
Pengembangan SDM, dan Keunggulan Bersaing pada bank konvensional yang
tercatat di BEI periode 2011-2016.
• Untuk mengetahui Pengaruh GCG, Biaya Pengembangan TI, dan Biaya
Pengembangan SDM terhadap Keunggulan Bersaing pada bank konvensional
yang tercatat di BEI periode 2011-2016.
• Untuk mengetahui Pengaruh GCG, Biaya Pengembangan TI, dan Biaya
Pengembangan SDM terhadap Kinerja Perusahaan pada bank konvensional
yang tercatat di BEI periode 2011-2016.
• Untuk mengetahui Pengaruh Keunggulan Bersaing terhadap Kinerja
Perusahaan pada bank konvensional yang tercatat di BEI periode 2011-2016.
• Untuk mengetahui Pengaruh GCG, Biaya Pengembangan TI, dan Biaya
Pengembangan SDM terhadap Kinerja Perusahaan pada bank konvensional
yang tercatat di BEI periode 2011-2016 melalui Keunggulan Bersaing.
Jika telah diketahui peran dan hubungan antar variabel, maka selanjutnya
diharapkan dapat disusun rekomendasi berdasarkan kegunaan penelitian yang
telah dijabarkan sebelumnya.
123
3.6.2. Pemetaan Strategi
Berdasarkan analisis terhadap variabel menurut uji statistik yang didapat,
kemudian dilakukan tahapan berikutnya berupa pemetaan strategi. Pemetaan
strategi didasarkan atas variabel solusi (variabel independen yang berpengaruh
signifikan terhadap variabel dependen) dikaitkan dengan hipotesis yang diajukan.
Selanjutnya dilakukan pemetaan strategi atas dasar hasil pengujian hipotesis dan
dikaitkan dengan aspek atau bidang dan level pada manajemen perusahaan,
khususnya industri perbankan.
3.6.3. Operasionalisasi Strategi
Berdasarkan pemetaan strategi yang telah disusun, selanjutnya disusun
operasionalisasi strategi dengan alternatif dan tahapan strategi yang akan
diterapkan. Alternatif dan tahapan strategi yang akan diterapkan didasarkan atas
aspek atau bidang dan level pada manajemen industri perbankan, berdasarkan
urutan prioritas, materialitas dan probabilitas.
3.6.4. Rencana Tindakan
Tahapan berikutnya setelah operasionalisasi strategi adalah rencana
tindakan atau action plan. Rencana tindakan merupakan program atau rencana
kegiatan yang disusun untuk mencapai tujuan tertentu. Dalam hubungan ini
rencana tindak selayaknya didasarkan pada rekomendasi yang dibuat dikaitkan
dengan kondisi industri perbankan serta lingkungannya, sehingga dapat
memberikan pemecahan masalah strategis perbankan sesuai dengan aspek yang
diteliti.
124
3.6.5 Rencana Evaluasi dan Kontrol
Pada akhirnya setiap kegiatan atau program baik yang strategis ataupun
kurang strategis, diperlukan rencana evaluasi dan kontrol atau pengendalian agar
sesuai dengan rencana semula dan jika dimungkinkan dapat diperbaiki pada waktu
proses berjalan, sehingga tujuan yang akan dicapai secara optimal dengan
penyimpangan yang minimal. Rencana evaluasi selayaknya sesuai dengan
bobot/tahapan kegiatan dan dilakukan atas dasar prioritas, biaya atau waktu yang
tepat. Sementara itu kontrol yang akan dilakukan, selayaknya dapat secara efektif
mengendalikan penyimpangan yang material sepanjang kegiatan/program
dijalankan.