BAB III METODOLOGI PENELITIAN. penelitian kuantitatif, Menurut Sugiyono (2013), penelitan deskriptif adalah

Transkripsi

1 BAB III METODOLOGI PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilakukan dari bulan Maret sampai dengan bulan September Tempat penelitian dilakukan di PT. AMN dengan metode penelitian yang digunakan dalam penelitian ini adalah metode penelitian deskriptif dan metode penelitian kuantitatif, Menurut Sugiyono (2013), penelitan deskriptif adalah penelitian yang dilakukan untuk mengetahui nilai variabel mandiri, baik satu variabel atau lebih (independen) tanpa membuat perbandingan, atau menghubungkan dengan variabel yang lain. Sedangkan metode penelitian kuantitatif adalah penelitian dengan memperoleh data yang berbentuk angka atau data kualitatif yang diangkakan. Variabel yang diuji dalam penelitian ini adalah pengaruh variabel X Risk Based Capital dan Rasio Hasil Investasi terhadap variabel Y yaitu Pendapatan Premi. B. Desain Penelitian Desain penelitian menurut Sumarwan (2011), adalah kerangka atau cetak biru untuk melaksanakan riset. Desain yang digunakan dalam penelitian ini adalah desain penelitian kausal, yaitu hubungan yang bersifat sebab akibat. Tujuan utama dari penelitian kausal ini adalah untuk mendapatkan bukti hubungan sebab akibat, sehingga dapat diketahui mana yang menjadi variabel yang mempengaruhi dan mana variabel yang dipengaruhi. Maka desain penelitian ini bertujuan untuk 35

2 36 menganalisis Rasio Risk Based Capital dan Rasio Hasil Investasi Terhadap Pendapatan Premi Pada Perusahaan Asuransi Jiwa. C. Definisi dan Operasionalisasi Variabel Variabel penelitian adalah suatu atribut atau sifat atau nilai dari orang, obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Variabel penelitian dalam penelitian ini dapat diklasifikasikan menjadi dua, yaitu variabel dependen dan variabel independen. Masing-masing dapat dijelaskan sebagai berikut: 1. Variabel dependen Variabel dependen dalam penelitian ini adalah pendapatan premi. Pendapatan Premi adalah kenaikan pendapatan premi neto dibandingkan dengan periode saat ini dengan periode tahun sebelumnya. Sebagaimana yang tercantum dalam Statement of Corporate Intent PT Asuransi Jiwa pada tahun bahwa Pendapatan Premi dapat dihitung dengan rumus sebagai berikut: Pendapatan Premi = X-Y-Z (3) X Y Z = Premi bruto = Premi reasuransi = Kenaikan/penurunan premi yang belum merupakan pendapatan

3 37 2. Variabel Independen Variabel independen pada penelitian ini adalah Rasio Risk Based Capital dan Rasio Hasil Investasi. a) Risk Based Capital Alat penilaian kesehatan keuangan asuransi dilihat dari aspek permodalannya adalah rasio tingkat solvabilitas. Sebagai upaya agar industri asuransi kuat dan mengikuti perkembangan peraturan internasional, pemerintah RI melalui SK. Menteri Keuangan Nomor 481/KMK.071/1999 menetapkan standar tingkat solvabilitas perusahaan asuransi berdasarkan perhitungan Risk Based Capital atau rasio antara risiko yang ditanggung dan modal sebesar 120% (seratus dua puluh persen). Artinya adalah, modal minimum perusahaan asuransi adalah 120% x total risiko portofolio usaha yang dihadapi, yaitu risiko portofolio aset, risiko valas dan risiko operasional. Modal dalam hal ini adalah bukan ekuitas yang dicatat di neraca perusahaan, oleh karena tidak semua aset diakui dalam perhitungan Risk Based Capital, sementara kewajiban 100% diakui. Sebenarnya dengan batasan ini, seluruh perusahaan asuransi tentunya otomatis akan menyesuaikan portofolio usahanya sesuai dengan kapasitas permodalannya. Diharapkan dengan menerapkan metode Risk Based Capital ini dapat: 1) Mendorong industri asuransi terus meningkatkan kemampuan manajemen risiko, 2) Memperkenalkan teknik penilaian risiko secara lebih komprehensif, 3) Mendorong market discipline melalui penyempurnaan aspek transparansi informasi keuangan,

4 38 4) Konvergensi antara regulatory dan economic capital, 5) Meningkatkan kualitas pengawasan, dan 6) Memperluas kesetaraan dalam persaingan antar asuransi dengan menciptakan level playing field sesuai standar internasional. Rumusan tingkat solvabilitas yang diukur dengan menggunakan metode Risk Based Capital adalah sebagai berikut: 1) Kekayaan yang diperkenankan xxxxx 2) Kewajiban xxxxx 3) Solvency Margin xxxxx 4) Batas Tingkat Solvabilitas Minimum (BTSM) xxxxx 5) Kelebihan/kekurangan tingkat solvabilitas (C-D) xxxxx 6) Rasio Pencapaian Risk Based Capital (C: D) xxx % b) Rasio Hasil Investasi Menunjukkan seberapa banyak laba bersih yang bisa dipoles dari seluruh kekayaan yang dimiliki perusahaan. Karena itu dipergunakan angka laba setelah pajak dan rata-rata kekayaan perusahaan. Persamaan rasio ini dapat dilihat pada persamaan rumus 2. Berdasarkan variabel penelitian di atas maka operasional variabel dapat digambarkan pada tabel berikut ini: Tabel 1 Operasionalisasi Variabel Variabel Konsep Variabel Pengukuran Skala Pendapatan premi diperoleh dengan Premi Bruto - Premi kontrak asuransi Reasuransi - Pendapatan Kenaikan/penurunan dan reasuransi Rasio Premi premi yang belum diakui sebagai merupakan pendapatan pendapatan selama periode polis

5 39 Variabel Konsep Variabel Pengukuran Skala (kontrak) berdasarkan proporsi jumlah proteksi yang diberikan Rasio Risk Based Capital Alat penilaian kesehatan keuangan asuransi dilihat dari aspek permodalannya adalah rasio tingkat solvabilitas. Tingkat Solvabilitas Batas Tingkat Solvabilitas Minimum Rasio Rasio Hasil Investasi Menunjukkan seberapa banyak laba bersih yang bisa dipoles dari seluruh kekayaan yang dimiliki perusahaan. Hasil Investasi Jumlah Asset Investasi Rasio D. Populasi Penelitian Populasi adalah wilayah generalisasi yang terdiri atas objek/subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan untuk dipelajari dan kemudian diambil kesimpulan. Populasi dalam penelitian ini adalah perusahaan asuransi yang terdaftar di Asosiasi Asuransi Jiwa Indonesia (AAJI) tahun , ada pun perusahaan asuransi tersebut antara lain:

6 40 Tabel 2 Populasi Penelitian No Kode Nama Perusahaan Asuransi Jiwa 1 AJK PT Asuransi Jiwa Kresna 2 AJS PT Asuransi Jiwa Sinar mas 3 AJM PT Asuransi Jiwa MNC 4 AAA PT Asuransi Jiwa Advrist Advancing 5 ABC PT Asuransi Jiwa BCA 6 AJL PT Asuransi Jiwa Lippo 7 AJW PT Asuransi Jiwasraya 8 FWD PT Asuransi Jiwa FWD Indonesia 9 ATP PT Asuransi Jiwa Taspen 10 AIP PT Asuransi Jiwa Indo Pensiontama 11 AAW PT Asuransi Jiwa Adisarana Wanaartha 12 AJC PT Asuransi Jiwa Cigna 13 CAF PT Asuransi Jiwa Central Asia Financial (CAF) 14 PSR PT Asuransi Jiwa Pasaraya 15 AVV PT Asuransi Jiwa Astra Aviva 16 JMA PT Asuransi Jiwa Syariah Jasa Mitra Abadi 17 ALI PT Asuransi Jiwa Allianz Indonesia 18 PRD PT Asuransi Jiwa Prudential 19 BRI PT Asuransi Jiwa BRIngin 20 BPT PT Asuransi Jiwa Bumiputera SFI PT Asuransi Jiwa Sun Financial Indonesia 22 HEA PT Asuransi Jiwa Heksa Eka 23 AIA PT Asuransi Jiwa AIA Financial 24 CMW PT Asuransi Jiwa Commonwealth 25 CRY PT Asuransi Jiwa Central Asia Raya 26 BNI PT Asuransi Jiwa BNI 27 MGI PT Asuransi Jiwa Mega Indonesia 28 MLI PT Asuransi Jiwa Manulife Indonesia 29 SQS PT Asuransi Jiwa Sequis 30 GNI PT Asuransi Jiwa Generali Indonesia 31 AKR PT Asuransi Jiwa Askrida 32 BRS PT Asuransi Jiwa BRIngin Unit Syariah 33 BPS PT Asuransi Jiwa Bumiputera 1912 Unit Syariah 34 SFS PT Asuransi Jiwa Sun Financial Indonesia Unit Syariah 35 AMN PT Asuransi Jiwa Syariah Al Amin 36 ATK PT Asuransi Takaful Keluarga

7 41 No Kode Nama Perusahaan Asuransi Jiwa 37 ASM PT Asuransi Jiwa Sinar mas Unit Syariah 38 CAU PT Asuransi Jiwa Central Asia Raya Unit Syariah 39 AKS PT Asuransi Jiwa Askrida Unit Syariah 40 BNS PT Asuransi Jiwa BNI Unit Syariah E. Sampel Penelitian Sampel merupakan sebagian dari populasi atau dalam istilah matematika dapat disebut sebagai himpunan bagian atau subset dari populasi. Salah satu metode yang digunakan untuk menentukan jumlah sampel adalah menggunakan rumus Slovin, sebagai berikut: n= N/ (1+Ne 2 ) (4) Keterangan: n = Ukuran sampel N = Ukuran populasi e = Taraf kesalahan (error) sebesar 0.2 (20%) berikut: Dari rumus di atas, maka besarnya jumlah sampel (n) adalah sebagai n = (0.2) 2 n = n = Perusahaan Berdasarkan hasil perhitungan di atas, diperoleh besarnya sampel sebanyak 24 perusahaan. Kelemahan dari teknik penarikan sampel dengan cara ini adalah sampel yang terpilih kemungkinan besar tidak mewakili populasi, sehingga

8 42 generalisasi yang dapat dilakukan oleh peneliti akan terbatas. Cara ini juga cenderung memiliki bias yang tinggi karena peneliti menentukan sendiri responden yang terpilih secara acak yang biasanya dengan subjektif. Namun subjektifitas ini dapat direduksi berdasarkan asumsi bahwa rasio Risk Based Capital dan rasio hasil investasi memiliki pengaruh terhadap pendapatan premi asuransi pada perusahaan asuransi jiwa. Karena jumlah populasi yang besar dan tidak adanya kerangka sampel serta keterbatasan tenaga dan biaya, maka teknik penarikan ini merupakan cara terbaik untuk mendapatkan data yang diinginkan. Teknik pengambilan sampel dalam penelitian ini menggunakan metode purposive sampling yaitu merupakan teknik pengambilan sampel tidak acak yang infomasinya diperoleh dengan kriteria tertentu. Untuk penelitian ini kriteria yang digunakan yaitu perusahaan asuransi yang terdaftar di Asosiasi Asuransi Jiwa Indonesia (AAJI) , perusahaan asuransi yang tidak konsisten menerbitkan laporan auditan tahun , perusahaan asuransi yang konsisten menerbitkan laporan auditan tahun dan perusahaan asuransi yang tedaftar di Asosiasi Asuransi Jiwa Indonesia (AAJI) sebelum 31 Desember 2010 dan masih terdaftar sampai dengan 31 Desember 2014 yang mengalami pendapatan premi. Untuk lebih jelasnya peneliti menjabarkannya pada tabel di bawah ini: Tabel 3 Sampel Penelitian No Kode Nama Perusahaan Asuransi Jiwa 1 BRI PT Asuransi Jiwa Bringin Unit Syariah 2 BPT PT Asuransi Jiwa Bersama Bumiputera 1912 Unit Syariah 3 SFI PT Asuransi Jiwa Sun Financial Indonesia Unit Syariah

9 43 No Kode Nama Perusahaan Asuransi Jiwa 4 AMN PT Asuransi Jiwa Syariah Al Amin 5 ATK PT Asuransi Takaful Keluarga 6 ASM PT Asuransi Jiwa Sinar mas Unit Syariah 7 CAU PT Asuransi Jiwa Central Asia Raya Unit Syariah 8 AKS PT Asuransi Bangun Askrida Unit Syariah 9 BNS PT Asuransi Jiwa BNI Unit Syariah 10 ALI PT Asuransi Jiwa Allianz Indonesia 11 PRD PT Asuransi Jiwa Prudential 12 BRI PT Asuransi Jiwa BRIngin 13 BPT PT Asuransi Jiwa Bumiputera SFI PT Asuransi Jiwa Sun Financial Indonesia 15 HEA PT Asuransi Jiwa Heksa Eka 16 AIA PT Asuransi Jiwa AIA Financial 17 CMW PT Asuransi Jiwa Commonwealth 18 CRY PT Asuransi Jiwa Central Asia Raya 19 BNI PT Asuransi Jiwa BNI 20 MGI PT Asuransi Jiwa Mega Indonesia 21 MLI PT Asuransi Jiwa Manulife Indonesia 22 SQS PT Asuransi Jiwa Sequis 23 GNI PT Asuransi Jiwa Generali Indonesia 24 AKR PT Asuransi Jiwa Askrida F. Teknik Pengumpulan Data 1. Data Sekunder Peneliti menggunakan teknik pengumpulan data sekunder dalam penelitian Analisis Pengaruh Rasio Risk Based Capital dan Rasio Hasil Investasi Terhadap Pendapatan Premi Pada Perusahaan Asuransi Jiwa. Dengan cara memperoleh melalui data-data yang dikumpulkan dari berbagai studi pustaka, seperti buku referensi, jurnal, dan artikel baik di media cetak maupun media internet dan juga data laporan keuangan perusahaan asuransi jiwa publish.

10 44 G. Metode Analisis Metode analisis yang digunakan dalam penelitian ini adalah metode penelitian deskriptif, kuantitatif dan uji hipotesis atau uji asumsi klasik. 1. Analisis Deskriptif Statistik deskriptif berfungsi untuk memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, range, sum, skewness (kemencengan distribusi). Skewness dan kurtosis merupakan ukuran untuk melihat apakah variabel terdistribusi secara normal atau tidak. Skewness mengukur kemencengan dari data dan kurtosis mengukur puncak dari distribusi data. Data yang terdistribusi secara normal mempunyai nilai skewness dan kurtosis mendekati nol. Penggunaan analisis deskriptif ini ditujukan untuk mengetahui gambaran rasio Risk Based Capital dan rasio hasil investasi terhadap pendapatan premi perusahaan yang dikomparasikan secara eksternal, yaitu melibatkan perusahaan yang dibandingkan dengan kondisi rata-rata dari seluruh objek penelitian. 2. Uji Asumsi Klasik Pengujian regresi dapat dilakukan setelah model dari penelitian ini memenuhi syarat uji dari asumsi klasik. Dengan adanya pengujian ini diharapkan hasil uji tidak bisa dan bisa dipertanggung jawabkan, maka dilakukan uji asumsi klasik yang meliputi uji normalitas, uji linieritas, uji multikoloniaritas, uji heteroskedastisitas, dan uji autokolerasi. Sebelum melakukan uji hipotesis.

11 45 Berikut ini penjelasan tentang uji asumsi klasik yang diterapkan. a). Uji Normalitas Uji normalitas bertujuan untuk mengetahui dalam suatu model regresi variabel independen dan variabel dependen atau keduanya mempunyai distribusi normal atau tidak. Kepastian terpenuhinya syarat normalitas akan menjamin dapat dipertanggungjawabkannya langkah-langkah analisis statistik selanjutnya sehingga kesimpulan yang diambil juga dapat dipertanggungjawabkan. Uji normalitas yang digunakan adalah chi square, Rumus dasar Chi Square seperti dibawah ini. (5) Keterangan: X 2 Fo Fe = nilai chi square = frekuensi yang diobservasi = frekuensi yang diharapkan b). Uji Linieritas Uji Linieritas menggunakan Ramsey Test. Uji ini dikembangkan oleh Ramsey (1969) yang menyarankan suatu uji yang disebut general test of specification atau RESET. Uji ini bertujuan untuk meghasilkan F hitung, caranya: 1. Dapatkan fitted value dari variable dependen dengan cara dari linier regresian, pilih save dan aktifkan Diffit pada influence statistics. 2. Kemudian variable fitted tersebut diregresi bersama dengan model semula sebagai variable independent. Dapatkan nilai Rsquare untuk menghitung F statistik dengan rumus:

12 46 (6) Keterangan: m = jumlah variabel independent yang baru masuk n = jumlah data observasi k = banyaknya parameter dalam persamaan yang baru. R square new = nilai R square new dari persamaan regresi baru R square old = nilai R square old dari persamaan regresi lama. Dari hasil perhitungan nilai F hitung, kemudian dibandingkan dengan F table, jika F hitung > F Tabel, maka hipotesis nol yang menyatakan bahwa spesfikasi model dalam bentuk fungsi linier adalah ditolak. c). Uji Multikolinearitas Uji multikolinearitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik multikolinearitas yaitu adanya hubungan linear antar variabel independen dalam model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya multikolinearitas. Ada beberapa metode pengujian yang bisa digunakan diantaranya yaitu: 1). Dengan melihat nilai inflation factor (VIF) pada model regresi, 2). Dengan membandingkan nilai koefisien determinasi individual (r 2 ) dengan nilai determinasi secara serentak (R 2 ), dan 3). Dengan melihat nilai eigenvalue dan condition index. Pengujian Multikolinearitas dalam penelitian ini menggunakan metode VIF. Menurut Santoso (2001), pada umumnya jika VIF lebih besar dari 10, maka

13 47 variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya. d). Uji Heteroskedastisitas Uji ini bertujuan untuk menguji dalam model regresi terjadi atau terdapat ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari nilai residual dari satu pengamatan ke pengamatan yang lain tetap, maka disebut dengan homoskedastisitas. Jika varians berbeda dari satu pengamatan ke pengamatan yang lainnya, maka disebut heteroskedastisitas. Model regresi yang baik adalah yang tidak terjadi heteroskedastisitas, atau dengan kata lain model regresi yang baik adalah yang homoskedastisitas (Umar, 2011: 179). Menurut Sunyoto (2007) heteroskedastisitas terjadi jika pada scatter plot titik-titiknya mempunyai pola yang teratur baik menyempit, melebar maupun bergelombang-gelombang. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas (Ghozali, 2011: 139). Uji Heteroskedastisitas ini menggunakan Scatterplot. Scatter plot adalah sebuah grafik yang biasa digunakan untuk melihat suatu pola hubungan antara 2 variabel. Untuk bisa menggunakan scatter plot, skala data yang digunakan haruslah skala interval dan rasio. Contoh grafik scatter plot bisa dilihat seperti gambar dibawah ini:

14 48 Gambar 1 Scatterplot Gambar 2 adalah scatter plot antara prosentase kepemilikan mobil pada suatu kota di Amerika Serikat dengan pendapatan rumah tangga. Gambar 2 menunjukkan bahwa peningkatan prosentase kepemilikan mobil juga diikuti oleh pendapatan rumah tangga. 1. Keeratan hubungan Gambar 2 Keeratan hubungan Jika scatter plot membentuk pola yang menyerupai garis lurus seperti pada gambar 3, mengindikasikan bahwa ada hubungan yang erat antara variabel 1 dengan variabel 2. Hubungan yang membentuk garis lurus biasa disebut dengan hubungan linier. Hubungan linier bisa bisa membentuk hubungan yang positif dan negatif.

15 49 2. Hubungan Positif Gambar 3 Hubungan positif Jika plot yang terjadi seperti pada gambar 4, maka variabel 1 dan variabel 2 menunjukkan hubungan yang positif. Peningkatan yang terjadi pada variabel 1 juga diikuti peningkatan pada variabel 2. Dan jika variabel 1 mengalami penurunan, variabel 2 juga mengalami penurunan bahasa mudahnya adalah kalau naik ya naik semua dan kalau turun ya turun semua. 3. Hubungan Negatif Gambar 4 Hubungan negatif Jika plot yang terjadi seperti pada gambar 5, maka variabel 1 dan variabel 2 menunjukkan hubungan yang negatif. Peningkatan yang terjadi pada variabel 1 diikuti penurunan oleh variabel 2. Dan jika variabel 1 mengalami penurunan,

16 50 variabel 2 akan mengalami peningkatan. Bahasa mudahnya adalah kalau satunya naik yang lain turun dan kalau satunya turun maka yang lain akan naik. 4. Hubungan yang rendah Gambar 5 Hubungan yang rendah atau tidak ada hubungan Jika plotnya menyebar seperti pada gambar 6, maka bisa disimpulkan bahwa hubungan antara variabel 1 dengan variabel 2 sangatlah kecil Atau tidak ada hubungan. 5. Hubungan non-liner Selain hubungan linier, kita juga bisa melihat hubungan yang lain seperti hubungan non linier. Gambar 6 Hubungan non linier

17 51 Jika plot yang terjadi membentuk curva seperti gambar 7, maka diindikasikan terjadi hubungan non linier antara 2 variabel. 6. Penyebaran Data Scatter plot juga bisa digunakan untuk melihat penyebaran data. Apakah data menyebar ataukah mengumpul disuatu area. Gambar 7 Data menyebar Gambar 8 Data mengumpul di suatu area

18 52 7. Outlier Scatter plot juga bisa menunjukkan kita adanya outlier. Outlier adalah data yang ekstrim yang kemungkinan dihasilkan dari situasi yang tidak normal. Kebanyakan peneliti akan mengambil data outlier ini untuk diteliti lebih lanjut. Gambar 9 Outlier e). Uji Autokorelasi Uji asumsi autokorelasi bertujuan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1. Model regresi yang baik, tidak terjadi autokorelasi. Autokorelasi dalam regresi linier dapat menganggu suatu model, dimana akan menyebabkan terjadinya kebiasan pada kesimpulan yang diambil. Ada beberapa cara yang digunakan untuk mendeteksi ada tidaknya autokorelasi, diantaranya melalui uji Durbin Watson (DW-Test). Uji Durbin Watson akan didapatkan nilai DW hitung (d) dan nilai DW tabel (dan). Tingkat signifikansi yang digunakan dalam penelitian ini sebesar 5%.

19 53 Ghozal (2011) menyatakan bahwa, untuk mengetahui ada tidaknya masalah autokorelasi dengan uji Durbin-Watson (DW) dengan kriteria sebagai berikut: 1) 0 < d <dl = ditolak 2) dl d du = tidak ada kesimpulan 3) 4 dl< d < 4 = ditolak 4) 4 du d 4 dl = tidak ada kesimpulan 5) du< d < 4 du = tidak ditolak 3. Uji Hipotesis Pengujian hipotesis dilakukan jika data penelitian telah dianalisis dan telah memenuhi uji linearitas dan uji multikolinearitas. Pengujian hipotesis terdiri dari, yaitu: a). Analisis Regresi Linier Berganda Analisis regresi linier berganda dalam penelitian ini digunakan untuk mengetahui pengaruh variabel independen secara bersama-sama (simultan) terhadap variabel dependen. Model persamaan yang digunakan dalam analisis regresi linier berganda sebagai berikut. Membuat persamaan garis regresi linear berganda dengan rumus: Y =B 0 + B 1 X 1 +B 2 X 2 +e (7) Keterangan: Y = Kriterium a = Bilangan konstanta b = Bilangan koefisien predictor X = Prediktor, e = Error

20 54 b). Koefisien Determinasi Koefisien determinasi digunakan untuk mengukur seberapa baik garis regresi sesuai dengan data aktualnya (goodnes of fit). Koefisien determinasi ini mengukur persentase total variasi variabel dependen Y yang dijelaskan oleh variabel independen didalam garis regresi. Dalam penelitian ini menggunakan regresi linier berganda, maka masing-masing variabel independen yaitu rasio RBC (Risk Based Capital) dan rasio hasil investasi secara parsial dan simultan mempengaruhi variabel dependen yaitu pendapatan premi. Nilai koefisien determinasi adalah antara nol dan satu. Nilai ʹ yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variabel-variabel dependen. Kelemahan mendasar penggunaan koefisien determinasi adalah bias terhadap jumlah variabel independen yang dimasukkan ke dalam model. Setiap tambahan satu variabel independen, maka R 2 pasti meningkat tidak peduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu penelitian ini menggunakan nilai Adjusted R 2 untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.

21 55 Mencari koefisien determinasi dengan rumus sebagai berikut: (8) Keterangan: r 2 = Koefisien determinasi x = (x x rata-rata ) y = (y y rata-rata ) xy = Jumlah produk antar x dengan y c). Uji statistik F (Uji Signifikansi Simultan) Uji F digunakan untuk mengevaluasi pengaruh semua variabel independen terhadap variabel dependen. Uji F bisa dijelaskan dengan menggunakan varian (analysis of variance = ANOVA). Uji F menunjukkan apakah semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh bersama-sama terhadap variabel terikat. Hipotesis nol (Ho) yang hendak diuji adalah apakah parameter semua variabel dalam model sama dengan nol. Artinya apakah semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya (Ha) tidak semua parameter secara simultan sama dengan nol. Artinya semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen. Nilai F hitung dalam bentuk koefisien determinasi sebagai berikut: (9)

22 56 Keterangan: R = Koefisien korelasi ganda k = Jumlah variabel independen n = Jumlah anggota sampel Pengambilan kesimpulan Ho diterima atau ditolak ditentukan dengan kriteria sebagai berikut: a) Tingkat sig F α = 0, 05 maka Variabel Independen secara bersama-sama berpengaruh signifikan terhadap Variabel dependen. b) Tingkat sig F α = 0,05 maka Variabel Independen secara bersama-sama tidak berpengaruh signifikan terhadap Variabel Dependen. d). Uji t (Uji signifikansi Parameter Individual) Uji statistik t digunakan untuk mengukur seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Dasar pengambilan keputusannya adalah dengan membandingkan nilai signifikansi hasil perhitungan dengan tingkat kepercayaan sebesar 5%. Apabila nilai sig lebih kecil dari tingkat kepercayaan, maka dapat disimpulkan bahwa variabel independen mempunyai pengaruh signifikan terhadap variabel dependen. Cara pengambilan keputusan uji statistik t yaitu dengan merumuskan hipotesis: H0: bi = 0 tidak terdapat pengaruh signifikan Ha: bi 0 terdapat pengaruh signifikan Jika probabilitas <0, 05 maka Ho ditolak dan jika probabilitas >0, 05 maka Ho diterima.

23 57 Menguji signifikansi dengan uji t dengan rumus: (10) Keterangan: t = signifikansi r = koefisien korelasi antara variabel X dan Y n = jumlah responden r 2 = koefisien determinasi variabel X dan Y