Post on 16-Nov-2020
ANALISIS PENGARUH NON PERFORMING FINANCING (NPF)
DAN EFFICIENCY OPERATIONAL (BOPO) TERHADAP
RETURN ON ASSET (ROA) DENGAN CAPITAL ADEQUACY
RATIO (CAR) SEBAGAI VARIABEL INTERVENING
(Studi Kasus Bank Umum Syariah Periode 2014 - 2017)
SKRIPSI
Diajukan untuk memenuhi Tugas dan Melengkapi Syarat Guna Memperoleh
Gelar Sarjana Ekonomi (S.E)
Disusun Oleh :
SILVYA PUTRIANI
213 14 120
PROGRAM STUDI PERBANKAN SYARIAH S-1
FAKULTAS EKONOMI DAN BISNIS ISLAM
INSTITUT AGAMA ISLAM NEGERI (IAIN)
SALATIGA
2018
i
ANALISIS PENGARUH NON PERFORMING FINANCING (NPF)
DAN EFFICIENCY OPERATIONAL (BOPO) TERHADAP
RETURN ON ASSET (ROA) DENGAN CAPITAL ADEQUACY
RATIO (CAR) SEBAGAI VARIABEL INTERVENING
(Studi Kasus Bank Umum Syariah Periode 2014 - 2017)
SKRIPSI
Diajukan untuk memenuhi Tugas dan Melengkapi Syarat Guna Memperoleh
Gelar Sarjana Ekonomi (S.E)
Disusun Oleh :
SILVYA PUTRIANI
213 14 120
PROGRAM STUDI PERBANKAN SYARIAH S-1
FAKULTAS EKONOMI DAN BISNIS ISLAM
INSTITUT AGAMA ISLAM NEGERI (IAIN)
SALATIGA
2018
ii
iii
iv
v
vi
MOTTO
“ Prinsip hidup adalah jujur, perilaku hidup adalah tanggung jawab “
Jujur mengandung arti yang sangat luas, karena kejujuan itu sumbernya dari hati.
Jujur merupakan kesesuaian antara hati, perkataan dan perilaku yang kita tampilkan.
Tanggung jawab adalah ciri manusia beradab. Manusia merasa bertanggung jawab
karena ia menyadari akibat baik atau buruk perbuatan dan menyadari pula bahwa
pihak lain memerlukan pengabdian dan pengorbanannya.
“Hai orang – orang yang beriman, hendaklah kamu jadi orang-orang yang selalu
menegakkan (kebenaran) karena Allah, menjadi saksi dengan adil. Dan janganlah
sekali- kali kebencianmu terhadap sesuatu kaum, mendorong kamu untuk berlaku
tidak adil. Berlaku adillah, karena adil itu lebih dekat kepada taqwa. Dan bertaqwalah
kepada Allah, sesungguhnya Allah Maha Mengetahui apa yang kamu kerjakan”
(Q.S. Al- Maidah : 8)
vii
PERSEMBAHAN
Skripsi ini penulis persembahkan kepada:
1. Bapak saya Muhammad Nasir dan Ibu saya Pudji, yang telah membimbing,
mendidik, mencurahkan usaha dan do’anya dengan ikhlas serta kasih sayang
tanpa mengenal lelah dan bosan demi masa depan penulis.
2. Kakak saya Ahmad Arifin dan adik saya Diah Ayu Lestari yang menemani saya
berjuang untuk membahagiakan orang tua kita.
3. Bapak, Ibu Dosen Fakultas Ekonomi dan Bisnis Islam IAIN Salatiga yang selalu
membimbing dan mengajarkan saya banyak ilmu sampai skripsi ini dapat
terselesaikan.
4. Iin Robiyati, Nur Aini Zulfa, Veri Slamet NS dan Syahril Ghani, yang telah
menemani, membantu, mendo’akan dan memberi semangat mulai dari
mengerjakan proposal skripsi sampai penyelesaian skripsi ini, terima kasih telah
meluangkan waktu.
5. Sahabat-sahabat saya yang selalu menemani dan memberikan semangat serta
teman-teman PS-S1 angkatan 2014 semuanya yang tidak bisa saya sebutkan satu
per satu.
viii
KATA PENGANTAR
Puji syukur yang sebesar-besarnya saya panjatkan kepada Allah SWT karena
atas segala rahmat dan karunia-Nya penulis dapat menyelesaikan penelitian dan
skripsi yang berjudul “ANALISIS PENGARUH NON PERFORMING FINANCING
(NPF) DAN EFFICIENCY OPERATIONAL (BOPO) TERHADAP RETURN ON
ASSET (ROA) DENGAN CAPITAL ADEQUACY RATIO (CAR) SEBAGAI
VARIABEL INTERVENING (Studi Kasus Bank Umum Syariah Periode 2014 –
2017)”.
Penelitian dan skripsi ini bertujuan untuk memenuhi salah satu syarat
memperoleh gelar Sarjana Ekonomi pada Program Studi Perbankan Syariah S1
Fakultas Ekonomi dan Bisnis Islam Institut Agama Islam Negeri Salatiga.
Dalam penyusunan skripsi ini penulis telah banyak memperoleh bantuan,
bimbingan, pengarahan serta dorongan dari berbagai pihak. Untuk itu penulis ingin
menyampaikan rasa terima kasih kepada seluruh pihak yang telah membantu dalam
penyusunan skripsi ini. Rasa terima kasih yang sebesar-besarnya penulis sampaikan
kepada :
1. Bapak Dr. Rahmat Hariyadi, M.Pd, selaku Rektor Institut Agama Islam Negeri
Salatiga.
2. Bapak Dr. Anton Bawono, M.Si, selaku Dekan Fakultas Ekonomi dan Bisnis
Islam Institut Agama Islam Negeri Salatiga.
ix
3. Ibu Fetria Eka Yudiana, M.Si, selaku Ketua Program Studi Perbankan Syariah S1
sekaligus dosen pembimbing yang telah berkenan memberikan bimbingan,
pengarahan serta saran selama penulisan skripsi ini.
4. Bapak Yedi Efriadi, M.Ag selaku dosen pembimbing akademik.
5. Seluruh dosen Fakultas Ekonomi dan Bisnis Islam khususnya Program Studi
Perbankan Syariah S1 yang telah memberikan ilmu dan wawasan kepada penulis
selama perkuliahan.
6. Orang tua yang telah memberikan do’a, kasih sayang dan dukungannya.
7. Teman-teman Program Studi Perbankan Syariah S1 Angkatan 2014 yang telah
banyak membantu dan memberikan dorongan serta semangatnya kepada penulis
sehingga penulis dapat menyelesaikan skripsi ini.
8. Semua pihak yang tidak dapat disebutkan satu persatu, yang telah membantu
penulis dalam menyelesaikan skripsi ini.
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna, maka penulis
sangat mengharapkan saran maupun kritikan demi sempurnanya skripsi ini. Mudah-
mudahan skripsi ini bermanfaat bagi penulis khusunya dan bagi pembaca pada
umumnya, dan kiranya skripsi ini dapat menjadi salah satu bentuk sumbangan bagi
perkembangan ilmu pengetahuan terutama di bidang ekonomi Islam.
Salatiga, 01 September 2018
Penulis
x
ABSTRAK
Putriani, Silvya 2018. Analisis Pengaruh Non Performing Financing (NPF) dan
Efficiency Operational (BOPO) Terhadap Return On Asset (ROA) dengan
Capital Adequacy (CAR) Sebagai Variabel Intervening (Studi Kasus Bank
Umum Syariah Periode 2014 – 2017). Skripsi. Fakultas Ekonomi dan Bisnis
Islam Program Studi S1-Perbankan Syariah IAIN Salatiga. Pembimbing : Fetria
Eka Yudiana, M. Si.
Penelitian ini bertujuan untuk mengetahui pengaruh Non Performing Financing
(NPF) dan Efficiency Operational (BOPO) Terhadap Return On Asset (ROA) dengan
Capital Adequacy Ratio (CAR) Sebagai Variabel Intervening. Penelitian ini
menggunakan metode penelitian kuantitatif dengan populasi dalam penelitian adalah
seluruh Bank Umum Syariah di Indonesia yang berjumlah 12 bank. Kriteria sampel
terdiri dari laporan keuangan bank syariah selama tahun 2014-2017. Teknik
pemilihan sampel dengan menggunakan metode purposive sampling. Teknik analisis
yang digunakan dalam penelitian ini adalah uji asumsi klasik yang terdiri dari uji
multikolinieritas, normalitas, autokorelasi dan heteroskedastisitas, uji regresi yang
terdiri dari uji T untuk menguji secara parsial, serta uji F untuk menguji antar variabel
secara bersama-sama, dan uji analisis path (analisis jalur).
Hasil penelitian ini menunjukkan bahwa secara parsial variabel NPF
berpengaruh negatif signifikan terhadap ROA. Variabel BOPO berpengaruh negatif
signifikan terhadap ROA dan variabel CAR berpengaruh positif tidak signifikan
terhadap ROA. Variabel NPF memiliki pengaruh negatif tidak signifikan terhadap
CAR dan BOPO memiliki pengaruh negatif signifikan terhadap CAR. Berdasarkan
hasil path analisis variabel CAR mampu memediasi pengaruh NPF dan BOPO
terhadap ROA.
Kata kunci: Non Performing Financing, Efficiency Operational, Capital Adequacy
Ratio, dan Return On Asset
xi
DAFTAR ISI
HALAMAN JUDUL .................................................................................... i
PERSETUJUAN PEMBIMBING ................................................................. ii
PENGESAHAN ............................................................................................ iii
PERNYATAAN KEASLIAN TULISAN ..................................................... iv
PERNYATAAN BEBAS PLAGIAT ............................................................ v
MOTTO........................................................................................................ vi
PERSEMBAHAN ......................................................................................... vii
KATA PENGANTAR .................................................................................. viii
ABSTRAK ................................................................................................... x
DAFTAR ISI ................................................................................................ xi
DAFTAR TABEL ........................................................................................ xiv
DAFTAR GAMBAR .................................................................................... xvi
BAB I PENDAHULUAN ............................................................................. 1
A. Latar Belakang ........................................................................................ 1
B. Rumusan Masalah ................................................................................... 11
C. Tujuan Penelitian .................................................................................... 12
D. Kegunaan Penelitian................................................................................ 13
E. Sistematika Penulisan .............................................................................. 13
BAB II LANDASAN TEORI ....................................................................... 15
A. Telaah Pustaka ........................................................................................ 15
xii
B. Kerangka Teori ....................................................................................... 18
1. Teori Keagenan (Agency Theory) ...................................................... 18
2. Teori Profitabilitas ............................................................................ 19
3. Teori Pembiayaan Bermasalah ........................................................... 23
4. Efficiency Operational (BOPO) ......................................................... 25
5. Capital Adequacy Ratio (CAR) ......................................................... 27
C. Kerangka Penelitian ................................................................................ 30
D. Hipotesis Penelitian ................................................................................. 31
BAB III METODE PENELITIAN ................................................................ 39
A. Jenis Penelitian ....................................................................................... 39
B. Lokasi dan Waktu Penelitian ................................................................... 39
C. Populasi dan Sampel ............................................................................... 40
D. Teknik Pengumpulan Data ...................................................................... 42
E. Definisi Konsep dan Operasional ........................................................... 42
1. Definisi Konsep ................................................................................ 42
2. Definisi Operasional ......................................................................... 44
F. Metode Analisis ...................................................................................... 46
1. Uji Stasioneritas ............................................................................... 46
2. Uji Asumsi Klasik ............................................................................ 46
a. Uji Multikolinieritas .................................................................... 46
b. Uji Normalitas ............................................................................ 47
c. Uji Autokorelasi ......................................................................... 48
d. Uji Heteroskedastisitas ............................................................... 49
3. Uji Statistik (Uji Regresi) .................................................................. 50
a. Estimasi Model Data Panel .......................................................... 50
b. Pemilihan Model Estimasi dalam Data Panel ............................... 52
c. Uji Hipotesis ............................................................................... 53
d. Uji Path Analysis (Analisis Jalur) ................................................ 55
xiii
G. Alat Analisis ........................................................................................... 57
BAB IV ANALISIS DATA ......................................................................... 58
A. Gambaran Umum Objek Penelitian ........................................................ 58
B. Analisa Data ........................................................................................... 59
1. Uji Stasioneritas ............................................................................... 59
2. Uji Asumsi Klasik ............................................................................ 60
3. Uji Statistik (Uji Regresi) .................................................................. 66
3.1 Analisis Regresi Model Pertama ................................................. 71
3.2 Analisis Regresi Model Kedua .................................................... 76
4. Analisis Jalur (Path Analysis) ............................................................ 80
C. Pembahasan Hasil Penelitian ................................................................... 85
BAB V PENUTUP ....................................................................................... 95
A. Kesimpulan ............................................................................................. 95
B. Keterbatasan ........................................................................................... 97
C. Saran ....................................................................................................... 97
DAFTAR PUSTAKA ................................................................................... 97
LAMPIRAN ................................................................................................. 105
xiv
DAFTAR TABEL
Tabel 1.1 : Rasio NPF, BOPO, CAR Pada BUS 2014 – 2017 ........................ 7
Tabel 2.1 : Penelitian Terdahulu ................................................................... 15
Tabel 2.2 : Kriteria Penilaian Peringkat ROA ............................................... 22
Tabel 2.3 : KrIteria Penliaian NPF ................................................................ 24
Tabel 2.4 : Kriteria Penilaian Peringkat BOPO.............................................. 26
Tabel 2.5 : Kreiteria Penilaian CAR .............................................................. 29
Tabel 3.1 : Kriteria Sampel Bank .................................................................. 41
Tabel 3.2 : Sampel Penelitian ........................................................................ 41
Tabel 3.3 : Rentangan Nilai Uji DW ............................................................. 49
Tabel 4.1: Hasil Uji Stasioneritas .................................................................. 59
Tabel 4.2 : Hasil Uji Multikolinearitas dengan Uji Auxiliry .......................... 60
Tabel 4.3 : Hasil Uji Durbin - Watson ........................................................... 63
Tabel 4.4 : Hasil Uji Heteroskedastisitas dengan Uji Glejser ......................... 65
Tabel 4.5 : Model Regresi Common Effect ................................................... 66
Tabel 4.6 : Model Regresi Fixed Effect ......................................................... 67
Tabel 4.7 : Model Regresi Random Effect ..................................................... 68
Tabel 4.8 : Hasil Uji Chow ............................................................................ 69
xv
Tabel 4.9 : Hasil Uji Hausman ...................................................................... 69
Tabel 4.10 : Hasil Uji Lagrange Multiplier .................................................. 70
Tabel 4.11 : Hasil Uji Parameter Individual (ttest) .......................................... 72
Tabel 4.12 : Hasil Uji F ................................................................................ 74
Tabel 4.13 : Hasil Uji Koefisien Determinasi (R2) ......................................... 75
Tabel 4.14 : Hasil Uji Regresi Model Kedua ................................................. 77
Tabel 4.15 : Hasil Uji F ................................................................................. 78
Tabel 4.16 : Uji Koefisien Determinasi (R2) .................................................. 79
Tabel 4.17 : Ringkasan Hasil Estimasi Dua Regresi ...................................... 82
Tabel 4.18 : Hasil Analisis Pengaruh Langsung dan Tidak Langsung ............ 84
Tabel 4.17 : Hasil Keputusan Hipotesis ......................................................... 94
xvi
DAFTAR GAMBAR
Gambar 1.2 : Pertumbuhan ROA Pada BUS Periode 2014 - 2017 ................. 3
Gambar 2.1 : Kerangka Penelitian ................................................................. 30
Gambar 4.1 : Hasil Uji Normalitas Pertama .................................................. 61
Gambar 4.2 : Hasil Uji Normalitas Kedua ..................................................... 62
Gambar 4.3 : Grafik Autokorelasi dengan Uji Durbin-Watson ...................... 64
Gambar 4.4 : Hasil Analisis Jalur .................................................................. 82
1
BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Perbankan syariah dituntut untuk mampu bersaing demi
mempertahankan kelangsungan hidup perusahaannya, sehingga memperoleh
keuntungan adalah hal yang sangat penting. Keuntungan tersebut dapat
digunakan untuk membayar segala jenis biaya-biaya operasional. Selain untuk
menutupi kewajiban-kewajiban yang harus dibayarkan oleh perusahaan,
keuntungan yang diperoleh dapat digunakan untuk berinvestasi dalam bentuk
ekspansi perusahaan. Dalam pengambilan keputusan, mempertimbangkan
perolehan laba merupakan hal yang sangat penting. Perolehan laba tersebut
erat kaitannya dengan profitabilitas pada bank (Putu dan Lestari, 2016 : 294).
Ada beberapa faktor yang mempengaruhi laba bank, antara lain;
manajemen, kondisi perekonomian, besar bank, suku bunga, iklim persaingan,
persentase sumber daya yang dipergunakan, laba rugi dari surat berharga,
kerugian pinjaman dan pembayaran pinjaman yang dihapuskan (Reed,
Edward W, Gill, Edward K, 1995: 173).
Profitabilitas adalah keuntungan yang diperoleh oleh pihak bank dari
pengolahan segala sesuatu yang menyangkut sumber daya bank secara efektif
dan efisien. Pihak berwenang dalam perbankan dan analisis bank
menggunakan tiga ukuran laba yang populer; laba atas aset (Return On Asset)
2
laba atas modal pemilik (Return On Equity), dan selisih bunga netto (Net
Interest Margin). Rasio ROA (Return On Asset) diperoleh dengan membagi
laba bersih bank dengan aset rata-ratanya. Laba atas aset merupakan alat ukur
yang penting kalau membandingkan laba suatu bank dengan laba bank lainnya
atau dengan system perbankan pada umumnya. Tingkat yang rendah mungkin
disebabkan oleh kebijaksanaan pemberian pinjaman dan investasi yang
konservatif atau biaya operasi yang terlalu besar (Reed, Edward W, Gill,
Edward K, 1995: 170).
Manfaat dari teori profitabilitas yaitu, dapat mengetahui besarnya
tingkat laba yang diperoleh perusahaan dalam suatu periode. Kemudian dapat
mengetahui posisi laba rugi perusahaan tahun sebelumnya dengan tahun
sekarang, dengan itu perusahaan dapat mengetahui perkembangan laba dari
waktu ke waktu. Hasil pengukuran tersebut dapat dijadikan alat evaluasi kerja
manajemen perbankan, apakah mereka sudah bekerja secara efektif atau
belum sesuai dengan target yang sudah ditentukan. Semakin tinggi
profitabilitas suatu perusahaan menunjukkan semakin besar kemampuan
perusahaan menggunakan sumber dananya yang berasal dari internal
perusahaan berupa keuntungan dari operasi perusahaan (Kasmir, 2014:197).
Bank Indonesia telah menetapkan salah satu ukuran profitabilitas suatu
bank adalah Return On Asset (ROA). ROA digunakan untuk mengukur
efisiensi dan efektifitas perusahaan di dalam menghasilkan keuntungan
3
dengan memanfaatkan aktiva yang dimilikinya. ROA penting bagi bank
karena ROA digunakan untuk mengukur efektivitas perusahaan di dalam
menghasilkan keuntungan dengan memanfaatkan aktiva yang dimilikinya.
Perusahaan dengan pofitabilitas yang baik menunjukkan perusahaan yang
mempunyai prospek yang baik, perusahaan akan mampu mempertahankan
kelangsungan dalam jangka panjang. Semakin besar nilai ROA, maka akan
semakin besar pula laba atau keuntungan yang di dapat bank.
Profitabilitas yang akan diukur dalam penelitian ini adalah rasio ROA
dari Bank Umum Syariah periode 2014 – 2017. Berikut grafik pertumbuhan
ROA pada BUS periode 2014-2017.
Gambar 1.1
Pertumbuhan ROA pada BUS periode 2014-2017
Sumber : Statistik Perbankan Syariah BUS 2017 OJK (data diolah).
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
2014 2015 2016 2017
Pertumbuhan ROA pada BUS Periode 2014 - 2017 (%)
0.41 0.49
0.63 0.63
4
Dilihat dari diagram diatas nilai ROA setiap tahunnya mengalami
fluktuasi, dari tahun 2014 nilai ROA sebesar 0.41 % kemudian mengalami
kenaikan di tahun 2015 sebesar 0.08 % yaitu berada di angka 0.49 %. Nilai
ROA semakin naik di tahun 2016 yakni berada di posisi 0.63 % dan pada
tahun 2017 ROA memiliki nilai yang sama yakni 0,63 %.
Berdasarkan penelitian sebelumnya, profitabilitas di pengaruhi oleh
beberapa faktor diantaranya; Financing to Deposit Ratio (Windarti, Misbach,
2015, Almunawwaroh, 2018, Rahmawati, 2018) , Non Performing Financing
(Mulyaningsih, 2016, Azhar, Nasim, 2016, Dewanti, 2017), Capital
Adequancy Ratio (Fatah, Rahardian, 2018, Yuhanah, 2016, Hakiim,
Rafsanjani, 2016), Dana Pihak Ketiga (Harianto, 2017, Affandi, 2018,
Ulinnuha 2016), Kualitas Aktiva Produktif (Rosyada, 2015), Biaya
Operasional terhadap Pendapatan Operasional (Simatupang, Franzlay, 2016,
Fatah, Rahardian (2018), Suku Bunga BI (Anggraini, 2014), Inflasi (Yanita,
2013, Wibowo, Syaichu, 2013), Giro Wajib Minimum (Windarti, Misbach,
2015), Rasio Efisensi Operasional (Rizal, 2016), Pembiayaan (Wahyuningsih,
2017, Chalifah, 2015, Riyadi, Yulianto, 2014), Produk Domestik Bruto
(Sahara, 2013).
Non Performing Financing (NPF) adalah salah satu faktor yang
mempengaruhi profitabilitas yang akan penulis pilih dalam penelitian ini.
Penyaluran dana berupa kredit yang diberikan kepada nasabah selalu diikuti
5
dengan resiko yang mungkin timbul. Risiko atas kredit adalah tidak
tertagihnya kredit yang telah disalurkannya, baik pokok pinjaman yang
diberikan, maupun bunganya sesuai ketentuan yang berlaku. Bank melakukan
penggolongan kredit menjadi dua golongan, yaitu kredit performing dan non-
performing. Kredit performing disebut juga dengan kredit tidak bermasalah
sedangkan kredit non performing merupakan kredit yang sudah dikategorikan
kredit bermasalah. Kredit bermasalah merupakan kredit yang telah disalurkan
oleh bank, dan nasabah tidak dapat melakukan pembayaran atau melakukan
angsuran sesuai dengan perjanjian yang telah ditanda- tangani oleh bank dan
nasabah (Trisnawati, Desi, 2013:110).
Non Performing Financing (NPF) merupakan rasio dari risiko kredit
atau pembiayaan bank. Bank yang mempunyai NPF tinggi cenderung kurang
efisien. Sebaliknya bank dengan NPF yang rendah maka akan cenderung
efisien. Bank dengan NPF yang semakin rendah akan memiliki kemampuan
menyalurkan dananya kepada nasabah lainnya sehingga tingkat
profitabilitasnya akan semakin tinggi (Almunawwaroh, 2018). NPF
merupakan indikator risiko pembiayaan yang perlu diperhatikan karena
sifatnya yang fluktuatif dan tidak pasti sehingga penting untuk diamati dengan
perhatian khusus (Simatupang, Franzlay, 2016).
BOPO merupakan rasio biaya operasional yang mengacu pada
perbandingan antara biaya operasional dan pendapatan operasional. Rasio
biaya operasional digunakan untuk mengukur tingkat efisiensi dan
6
kemampuan bank dalam melakukan kegiatan operasinya. Mengingat kegiatan
utama bank pada prinsipnya adalah bertindak sebagai perantara, yaitu
menghimpun dan menyalurkan dana (misalnya dana masyarakat) maka biaya
dan pendapatan operasional bank didominasi oleh biaya bunga dan hasil
bunga (Dendawijaya, 2009:120).
Modal merupakan bagian yang sangat penting dalam bank dan
merupakan sumber dana utama dalam pembiayaan seluruh kegiatan
operasional bank, modal tersebut harus digunakan tidak kelebihan atau sampai
kekurangan karena dengan modal yang ada manajemen bank harus
menggunakannya dengan baik agar setiap modal yang dikeluarkan untuk
mengelola produk-produk dalam bank dapat menghasilkan keuntungan yang
besar bagi bank, dan apabila memiliki modal yang terlalu banyak akan terjadi
idle fund, yaitu banyaknya dana yang menganggur atau tidak dipakai oleh
manajemen bank. Manajemen bank yang baik dapat meningkatkan laba bank
disamping mempertahankan fungsi yang biasa dan perlu untuk keselamatan
pemegang deposito (Reed, Edward W, Gill, Edward K, 1995: 136).
Berdasarkan peraturan dari Bank Indonesia No. 15/12/PBI/2012
tentang kewajiban penyediaan modal minimum bank umum, bahwa setiap
bank wajib menyediakan modal minimum sebesar 8% dari aktiva tertimbang
menurut risiko yang diproksikan dengan rasio CAR. Kecukupan modal dapat
diukur dengan CAR (capital adequacy ratio). CAR merupakan variabel
intervening antara NPF terhadap profitabilitas (ROA), karena CAR
7
merupakan faktor utama dalam pembiayaan kegiatan operasional bank yang
menghimpun dana atau menyalurkan dana.
Tabel 1.1
Rasio NPF, BOPO dan CAR pada BUS Periode 2014 – 2017 (%)
Tahun NPF BOPO CAR
2014 4.95 96.97 15.74
2015 4.84 97.01 15.02
2016 4.42 96.22 16.63
2017 4.77 94.91 17.91
Sumber : Statistik Perbankan Syariah BUS (data diolah)
Dari tabel diatas dapat diketahui bahwa variabel NPF dari tahun 2014
sampai tahun 2016 mengalami penurunan hingga 0.53 %. Hal ini dibuktikan
dengan adanya data dari Statistik Perbankan Syariah per Desember 2017 dari
tahun 2014 sebesar 4.95 % dan pada tahun 2015 sebesar 4.85 %. Kemudian
pada tahun 2016 berada pada posisi 4.42 %. Kemudian rasio NPF mengalami
kenaikan pada tahun 2017 sebesar 0.35 % dan mencapai 4.77 %. Pada rasio
BOPO dari tahun 2014 sebesar 96.97 % ke 2015 sebesar 97.01 % mengalami
kenaikan sebesar 0.04 %. Tahun 2016 hingga 2017 BOPO mengalami
penurunan dari 96.22 % hingga 94.91 %. Hal ini membuktikan bahwa Bank
Umum Syariah dapat menekan adanya beban operasional dari tahun ke tahun.
Kemudian pada rasio CAR mengalami perubahan dari tahun ke tahun. Tahun
2014 CAR mencapai 15.74 % dan menurun di tahun 2015 sebesar 15.02 %.
8
Pada tahun 2016 CAR mengalami kenaikan sebesar 16.63 % dan di tahun
2017 kenaikan CAR mencapai angka 17.91 %.
Penelitian yang dilakukan oleh Ulinnuha, Indriani (2016) tentang
pengaruh NPF terhadap ROA menyatakan bahwa adanya pengaruh yang
negatif signifikan antara NPF terhadap ROA. Hal ini disebabkan karena
besarnya kredit bermasalah menimbulkan hilangnya kesempatan untuk
memperoleh income dari kredit yang diberikan. Hasil penelitian ini juga
didukung oleh penelitian yang dilakukan oleh Africano (2016) yang
mengemukakan bahwa NPF berpengaruh negatif signifikan terhadap ROA.
Semakin besar rasio NPF maka semakin besar biaya cadangan penghapusan
pembiayaan yang mengakibatkan pendapatan suatu bank menurun sehingga
akan menurunkan ROA. Penelitian ini tidak sejalan dengan penelitian yang
dilakukan oleh Mulyaningsih, Fakhruddin (2016) yang menyatakan bahwa
NPF memiliki pengaruh positif terhadap ROA dikarenakan meningkatnya
pembiayaan yang disalurkan sehingga mengakibatkan banyaknya nasabah
yang yang tidak mengembalikan pembiayaan karena terganggu kelancaran
usaha yang disebabkan oleh situasi ekonomi yang buruk dan tidak adanya
pengawasan dari pihak internal bank syariah.
Penelitian yang dilakukan oleh Muliawati dan Khoiruddin (2015)
tentang pengaruh BOPO terhadap profitabilitas menyatakan bahwa BOPO
secara parsial memiliki pengaruh yang negative signifikan terhadap ROA. Hal
9
ini berarti bahwa tingkat efisiensi bank dalam menjalankan operasinya
berpengaruh terhadap tingkat pendapatan yang dihasilkan oleh bank. Hasil
penelitian ini juga didukung oleh Niode dan Chababib (2016) yang
mengemukakan bahwa BOPO memiliki pengaruh yang negatif signifikan
terhadap ROA. Saat rasio BOPO meningkat. Jika tidak dibarengi dengan
pendapatan operasinya, akan mengakibatkan berkurangnya laba sebelum
pajak yang berdampak pada profitabilitas. Hasil penelitian ini tidak sejalan
dengan penelitian yang dilakukan oleh Harun, Usman (2016) yang
menyatakan bahwa BOPO memiliki pengaruh signifikan terhadap ROA. Hal
ini dibuktikan dengan meningkatnya rasio BOPO pada 30 Bank Umum di
Indonesia menandakan perusahaan lebih banyak mengeluarkan biaya
operasional dalam menghasilkan laba.
Penelitian mengenai pengaruh CAR terhadap ROA dilakukan oleh
Hakiim, Rafsanjani (2016) dan Rizal (2016) yang mengemukakan bahwa
tidak adanya pengaruh CAR terhadap ROA. Tidak berpengaruhnya CAR
terhadap ROA disebabkan karena bank-bank yang beroperasi tidak
mengoptimalkan modal yang ada, Hal ini terjadi karena peraturan Bank
Indonesia yang mensyaratkan CAR minimal sebesar 8% mengakibatkan bank-
bank selalu berusaha menjaga agar CAR yang dimilikinya sesuai dengan
ketentuan. Penelitian ini tidak sejalan dengan penelitian yang dilakukan oleh
Wityasari, Pangestuti (2014) dan Simatupang, Franzlay (2016) yang
10
menyatakan bahwa CAR memiliki pengaruh yang positif terhadap ROA,
berkaitan dengan upaya bank untuk tetap memperkokoh kecukupan modalnya.
Kecukupan modal yang tinggi menunjukkan kemampuan bank untuk dapat
memberikan kredit yang semakin besar, yang akhirnya meningkatkan ROA.
Alasan peneliti melakukan penelitian ini adalah ; pertama karena ada
kecenderungan persaingan dalam dunia perbankan syariah dari tahun ke tahun
semakin besar; kedua kinerja suatu bank dengan melihat perubahan laba yang
dihasilkan; ketiga ketersediaan modal yang cukup sehingga pada masa krisis
pun bank akan tetap aman; keempat ketersediaan bank dalam mengatasi kredit
bermasalah; kelima ketersediaan bank dalam mengatasi biaya operasional
yang berlebih dibandingkan dengan pendapatan operasional.
Berdasarkan hasil temuan dari beberapa penelitian terdahulu, terdapat
adanya inkonsistensi dan perbedaan hasil penelitian yang diuraikan, dan
dengan adanya research gap yang tercantum diatas maka perlu diadakannya
penelitian lebih lanjut mengenai pengaruh NPF dan BOPO terhadap ROA
dengan CAR sebagai variable intervening, sehingga dalam penelitian ini akan
dikaji ulang dengan harapan hasil penelitian nantinya akan mempertegas dan
memperkuat teori yang sudah ada sebelumnya.
Dari fenomena research gap dan adanya temuan dari penelitian
terdahulu, adapun beda penelitian ini dengan penelitian sebelumnya
diantaranya adalah sebagai berikut : adanya variable intervening yang
memediasi antara variable dependen dan variable independen; tahun
11
penelitian yang digunakan periode tahun 2014 – 2017; serta teknik analisis
yang digunakan adalah path analysis (analisis jalur).
Berdasarkan uraian dari latar belakang diatas dan ditemukannya
perbedaan penelitian dari penelitian sebelumnya penulis tertarik untuk
melakukan penelitian dengan judul “ANALISIS PENGARUH NON
PERFORMING FINANCING (NPF) DAN EFFICIENCY
OPERATIONAL (BOPO) TERHADAP RETURN ON ASSET (ROA)
DENGAN CAPITAL ADEQUACY RATIO (CAR) SEBAGAI VARIABEL
INTERVENING (Studi Kasus Bank Umum Syariah Periode Tahun 2014-
2017)”.
B. Rumusan Masalah
Berdasarkan latar belakang masalah yang sudah diuraikan, dapat disimpulkan
rumusan masalah sebagai berikut :
1. Bagaimana pengaruh Non Performing Financing (NPF) terhadap Return
On Asset (ROA) ?
2. Bagaimana pengaruh Efficiency Operational (BOPO) terhadap Return On
Asset (ROA) ?
3. Bagaimana pengaruh Capital Adequancy Ratio (CAR) terhadap Return On
Asset (ROA) ?
4. Bagaimana pengaruh Non Performing Financing (NPF) terhadap Capital
Adequancy Ratio (CAR) ?
12
5. Bagaimana pengaruh Efficiency Operational (BOPO) terhadap Capital
Adequancy Ratio (CAR) ?
6. Bagaimana pengaruh Non Performing Financing (NPF) terhadap Return
On Asset (ROA) yang dimediasi oleh Capital Adequancy Ratio (CAR) ?
7. Bagaimana pengaruh Efficiency Operational (BOPO) terhadap Return on
Asset (ROA) dengan dimediasi oleh Capital Adequacy Ratio (CAR) ?
C. Tujuan Penulisan
Berdasarkan permasalahan yang ada dalam uraian diatas, maka tujuan
penelitian ini adalah sebagai berikut :
1. Untuk mengetahui sejauh mana pengaruh Non Performing Financing
(NPF) terhadap Return On Asset (ROA).
2. Untuk mengetahui sejauh mana pengaruh Efficiency Operational (BOPO)
terhadap Return On Asset (ROA).
3. Untuk mengetahui sejauh mana pengaruh Capital Adequancy Ratio (CAR)
terhadap Return On Asset (ROA).
4. Untuk mengetahui sejauh mana pengaruh Non Performing Financing
(NPF) terhadap Capital Adequancy Ratio (CAR).
5. Untuk mengetahui sejauh mana pengaruh Efficiency Operational (BOPO)
terhadap Capital Adequancy Ratio (CAR) ?
6. Untuk mengetahui sejauh mana pengaruh Non Performing Financing
(NPF) terhadap Return On Asset (ROA) yang dimediasi oleh Capital
Adequancy Ratio (CAR).
13
7. Untuk mengetahui sejauh mana pengaruh Efficiency Operational (BOPO)
terhadap Return On Asset (ROA) yang dimediasi oleh Capital Adequancy
Ratio (CAR).
D. Kegunaan Penelitian
Kegunaan penelitian yang diharapakan penulis adalah sebagai berikut :
1. Bagi lembaga keuangan
Dari hasil penelitian ini diharapkan mampu dijadikan sebagai referensi
menganalisis dan mengambil kebijakan mengenai perubahan laba yang di
proksikan dengan rasio Return On Asset (ROA) sehingga dapat
meningkatkan kinerja perusahaan.
2. Bagi akademisi
Hasil penelitian ini diharapkan mampu menjadi masukan mengenai rasio
keuangan dalam perbankan syariah dan dapat membantu membangun
pengembangan ilmu akuntansi atau keuangan.
3. Bagi Penulis
Penelitian ini diharapkan dapat menambah pengetahuan dan pengalaman
bagi penulis yang bermanfaat di masa yang akan datang.
E. Sistematika Penulisan
Sistematika penulisan bertujuan untuk mempermudah pembaca dalam
memahami isi penelitian yang diuraikan. Adapun sistematika penulisan
disusun atas lima bab sebagai berikut :
14
BAB I PENDAHULUAN
Berisi mengenai latar belakang masalah yang diuraikan penulis;
rumusan masalah; tujuan penulisan; kegunaan penulisan yang memberikan
gambaran manfaat yang akan diterima oleh pembaca; dan sistematika
penulisan yang mencakup mengenai urutan penulisan dalam penelitian ini.
Bab II LANDASAN TEORI
Landasan Teori mencakup mengenai ; telaah pustaka dimana
menggambarkan review penelitian terdahulu yang relevan dan beda penelitian
saat ini; kerangka teori merupakan sebuah teori yang akan menjelaskan dan
menganalisis variable variable; kerangka penelitian berisikan mengenai model
penelitian yang berbentuk gambar; hipotesis berupa rangakaian kesimpulan
sementara.
Bab III METODE PENELITIAN
Metode penelitian mencakup tentang; Jenis Penelitian yaitu
kuantitatif; populasi dan sampel ; teknik pengumpulan data meliputi jenis dan
sumber data; skala pengukuran; definisi konsep dan operasional ; instrumen
penelitian; uji instrument penelitian sampai dengan alat analisis.
Bab IV ANALISIS DATA
Analisis data berisi tentang Deskripsi objek penelitian; dan analisis
data
Bab V PENUTUP
Mencakup tentang kesimpulan dan saran.
BAB II
LANDASAN TEORI
A. Telaah Pustaka
Teori-teori yang digunakan sebagai dasar pemikiran yaitu diambil dari
studi literatur yang dilakukan melalui buku-buku teks kuliah, jurnal-jurnal
ekonomi, media cetak, maupun internet.
Adapun penelitian terdahulu yang berkaitan dengan penelitian ini
adalah sebagai berikut :
Tabel 2.1
Penelitian Terdahulu
No. Peneliti
Populasi Hasil Penelitian
Variabel Non Performing Financing (NPF)
1. Ulinnuha, Indriani
(2016) Bank Umum Syariah
NPF memiliki pengaruh negatif
signifikan terhadap
profitabilitas.
2. Mawaddah (2015) Bank Syariah di Indonesia
Non Performing Finance (NPF)
berpengaruh langsung terhadap
Return On Asset (ROA) sebesar
4.32%.
16
3. Warsa, Mustanda
(2016) Perbankan di Indonesia
Non performing loan
berpengaruh negatif dan
signifikan terhadap return on
assets.
4. Almunawwaroh,
Marliana (2018) Bank Syariah di Indonesia
NPF mempunyai pengaruh yang
negatif signifikan terhadap
profitabilitas.
5. Muliawati, Khoiruddin (2015)
Bank Syariah Indonesia
Non performing financing
berpengaruh positif tidak signifikan terhadap
profitabilitas.
6. Fitriana (2016)
Perbankan Syariah yang
terdaftar di BEI NPF berpengaruh signifikan
negatif terhadap profitabilitas.
7. Franzlay,
Simatupang (2016) Bank Umum Syariah
Adanya pengaruh NPF terhadap
ROA.
Variabel Efficiency Operational (BOPO)
1. Mismiwati (2016) PT. BPD Sumsel BOPO berpengaruh negative
signifikan terhadap ROA.
2. Harun, Usman
(2016)
Bank Umum Syariah BOPO memiliki pengaruh
negative signifikan terhadap
Profitabilitas
3. Hakiim, Rafsanjani
(2016)
Bank Syariah di Indonesia BOPO berpengaruh negative
dan signifikan terhadap ROA.
4. Harianto, Syawal
(2017)
BPRS di Indonesia BOPO mempengaruhi
profitabilitas secara negative
signifikan
5. Nikmah, Zuhrotun
(2018)
BPRS di Indonesia BOPO tidak memiliki pengaruh
terhadap ROA
6. Fatah, Rahadian
(2018)
Perbankan di Indonesia BOPO memiliki pengaruh
signifikan terhadap
17
Profitabilitas.
7. Simatupang dan
Franzlay (2016)
Bank Umum Syariah di
Indonesia
BOPO memiliki pengaruh
signifikan terhadap ROA.
Variabel Capital Adequacy Ratio (CAR)
1.
Franzlay,
Simatupang (2016)
Bank Umum Syariah CAR memiliki pengaruh yang
positif signifikan terhadap
profitabilitas Bank Umum
Syariah.
2. Anggraini,
Suardhika (2014)
Perbankan di Indonesia CAR berpengaruh positif
terhadap profitabilitas.
3. Hakiim, Rafsanjani
(2016)
Perbankan Syariah di
Indonesia
CAR tidak berpengaruh
signifikan terhadap
profitabilitas.
4. Wityasari,
Pangestuti (2014)
Perbankan CAR berpengaruh positif dan
signifikan terhadap
profitabilitas.
5. Rizal (2016) BPRS di Indonesia CAR tidak berpengaruh
signifikan terhadap ROA
6. Wibowo, Syaichu
(2013)
Bank Syariah di Indonesia CAR tidak memiliki pengaruh
terhadap ROA.
7. Almunawwaroh,
Marliana (2018)
Bank Syariah di Indonesia Nilai CAR negatif signifikan
terhadap ROA
18
B. Kerangka Teori
1. Teori Agensi (Agency Theory)
Jensen dan Meckling (1976) dalam Sarwindah (2014) menjelaskan
hubungan keagenan didalam teori agensi (agency theory) bahwa
perusahaan/bank merupakan kumpulan kontrak (nexus of contract) antara
pemilik sumber daya ekonomis (principal) dan manajer (agent) yang
mengurus penggunaan dan pengendalian sumber daya tersebut. Aplikasi
agency theory dapat terwujud dalam kontrak kerja yang akan mengatur
proporsi hak dan kewajiban masing-masing pihak dengan tetap
memperhitungkan kemanfaatan secara keseluruhan. Kontrak kerja akan
menjadi optimal bila kontrak dapat fairness yaitu mampu
menyeimbangkan antara principal dan agen yang secara matematis
memperlihatkan pelaksanaan kewajiban yang optimal oleh agen dan
pemberian insentif/imbalan khusus yang memuaskan dari principal
keagen. Kontrol dalam perbankan tidak hanya melibatkan principal
semata, namun juga kreditor atau deposan.
Manajer sebagai pengelola perusahaan lebih banyak mengetahui
informasi internal dan prospek perusahaan di masa yang akan datang
dibandingkan pemilik (pemegang saham). Hal tersebut menimbulkan
asimetri informasi sehingga para pemegang saham khawatir manajer
hanya bekerja untuk memaksimalkan kepentingan sendiri daripada bekerja
untuk memaksimalkan kekayaan para pemegang saham. Untuk
19
mengurangi adanya hal tersebut maka dilakukan perencanaan kompensasi
yang baik yang memotivasi manajer agar bukan hanya untuk kepentingan
diri sendiri namun juga para pemegang saham (Najmudin, 2011:26).
2. Teori Profitabilitas
a. Pengertian Profitabilitas
Rasio profitabilitas merupakan rasio untuk menilai kemampuan
perusahaan dalam mencari keuntungan. Rasio ini juga memberikan
ukuran tingkat efektivitas manajemen suatu perusahaan. Hal ini
ditunjukkan oleh laba yang dihasilkan dari penjualan dan pendapatan
investasi. Intinya bahwa penggunaan rasio ini menunjukkan efisiensi
perusahaan (Kasmir, 2010 :115).
b. Jenis- jenis rasio profitabilitas sebagai berikut:
1. Profit Margin (Profit Margin on Sales)
Profit Margin on Sales atau rasio profit margin atau margin laba
atas penjualan, merupakan salah satu rasio yang digunakan untuk
mengukur margin laba atas penjualan. Untuk mengukur rasio ini
adalah dengan cara membanding antara laba bersih setelah pajak
dengan penjualan bersih. Rasio ini dikenal dengan nama profit
margin.
2. Return on Investment (ROI)
Hasil pengembalian investasi atau lebih dikenal dengan nama
Return on Investment (ROI) atau Return on Assets (ROA),
20
merupakan rasio yang menunjukkan hasil (return) atas jumlah
aktiva yang digunakan dalam perusahaan. ROI juga merupakan
suatu ukuran tentang efektivitas manajemen dalam mengelola
investasinya.
3. Return on Equity (ROE)
Hasil pengembalian ekuitas atau Return on Equity atau rentabilitas
modal sendiri, merupakan rasio untuk mengukur laba bersih
sesudah pajak dengan modal sendiri. Rasio ini menunjukkan
efisiensi penggunaan modal sendiri. Makin tinggi rasio ini, makin
baik. Artinya, posisi pemilik perusahaan makin kuat, demikian
pula sebaliknya.
4. Laba per Lembar Saham
Rasio laba per lembar saham (earnings per share) atau disebut
juga rasio nilai buku, merupakan rasio untuk mengukur
keberhasilan manajemen dalam mencapai keuntungan bagi
pemegang saham. Rasio yang rendah berarti manajemen belum
berhasil untuk memuaskan pemegang saham, sebaliknya dengan
rasio tinggi, maka kesejahteraan pemegang saham meningkat
dengan pengertian lain, bahwa tingkat pengembalian yang tinggi.
5. Rasio Pertumbuhan
Rasio pertumbuhan (growth ratio), merupakan rasio
menggambarkan kemampuan perusahaan mempertahankan posisi
21
ekonominya di tengah pertumbuhan perekonomian dan sektor
usahanya. Dalam rasio yang dianalisis adalah pertumbuhan
penjualan, pertumbuhan laba bersih, pertumbuhan pendapatan per
saham, dan pertumbuhan dividen per saham (Kasmir, 2010:116).
Berdasarkan penjelasan teori diatas, rasio perhitungan
profitabilitas yang digunakan oleh peneliti yaitu Return On Asset.
Penggunaan perhitungan profitabilitas ini menggunakan Return On
Asset karena Bank Indonesia lebih mementingkan penilaian besarnya
Return On Assets (ROA). Hal ini dikarenakan Bank Indonesia sebagai
Pembina dan pengawas perbankan lebih mengutamakan nilai
profitabilitas suatu bank yang diukur dengan asset.
ROA merupakan rasio yang digunakan untuk mengukur
kemampuan manajemen bank dalam memperoleh keuntungan (laba)
secara keseluruhan. Semakin besar ROA suatu bank, semakin besar
pula tingkat keuntungan yang dicapai bank tersebut dan semakin baik
pula posisi bank tersebut dari segi penggunaan aset (Dendawijaya,
2009: 118). Rasio ini dapat dirumuskan sebagai berikut :
ROA = laba bersih x 100%
total aktiva x 100 %
22
Tabel 2.2
Kriteria Penilaian Peringkat ROA
Peringkat Keterangan
Peringkat 1 ROA > 1,45%
Peringkat 2 1,215% < ROA ≤ 1,450%
Peringkat 3 0,999% < ROA ≤ 1,215%
Peringkat 4 0,765% < ROA ≤ 0,999%
Peringkat 5 ROA ≤ 0,765%
Sumber : Kodifikasi Peraturan BI tentang Penilaian Tingkat Kesehatan Bank
Keterangan :
a. Peringkat 1 : bank memiliki efisiensi operasi yang sangat tinggi
dan stabil sehingga memiliki potensi untuk memperoleh
keuntungan yang tinggi.
b. Peringkat 2 : bank memiliki efisiensi operasi yang tinggi
c. Peringkat 3 : bank memiliki efisiensi operasi yang cukup memadai
dan stabil sehingga memiliki potensi memperoleh keuntungan
yang memadai.
d. Peringkat 4 : bank memiliki efisiensi operasi yang rendah dan
kurang stabil sehingga memiliki potensi kerugian.
e. Peringkat 5 : bank memiliki efisiensi operasi yang sangat rendah
sehingga memiliki potensi kerugian yang tinggi.
23
3. Teori Pembiayaan Bermasalah
Kredit bermasalah merupakan kredit yang telah disalurkan oleh
bank, dan nasabah tidak dapat melakukan pembayaran atau melakukan
angsuran sesuai dengan perjanjian yang telah ditanda tangani oleh bank
dengan nasabah. Kredit bermasalah akan berakibat pada kerugian bank,
yaitu kerugian karena tidak diterimanya kembali dana yang telah
disalurkan maupun pendapatan bunga yang tidak dapat diterima. Artinya
bank kehilangan kesempatan mendapatkan bunga, yang berakibat pada
penurunan pendapatan secara total (Trisnawati, 2013 : 110).
Kredit bermasalah adalah seluruh kredit pada pihak ketiga bukan
bank dengan kolektibilitas kurang lancar, diragukan dan macet. Total
kredit adalah kredit pada pihak ketiga bukan bank (Ikatan Bankir
Indonesia, (2016 : 36). Kredit bermasalah dihitung dengan menggunakan
rasio keuangan NPF. NPF atau non performing financing dapat
dirumuskan dengan formula sebagai berikut:
NPF = kredit bermasalah
total kredit
24
Tabel 2.3
Kriteria penilaian peringkat NPF
Peringkat Keterangan
Peringkat 1 NPF ≤ 7%
Peringkat 2 7% < NPF ≤ 10%
Peringkat 3 10% < NPF ≤ 13%
Peringkat 4 13% < NPF ≤ 16%
Peirngkat 5 NPF > 16%
Sumber : Kodifikasi Peraturan BI tentang Penilaian Tingkat Kesehatan Bank
Keterangan :
a. Peringkat 1 : bank memiliki aktiva produktif dengan tingkat
pengembalian yang sangat tinggi.
b. Peringkat 2 : bank memiliki aktiva produktif dengan tingkat
pengembalian yang tinggi.
c. Peringkat 3 : bank memiliki aktiva produktif dengan tingkat
pengembalian yang cukup memadai.
d. Peringkat 4 : bank memiliki aktiva produktif dengan tingkat
pengembalian yang rendah.
e. Peringkat 5 : bank memiliki aktiva poduktif dengan tingkat
pengembalian yang sangat rendah.
Berdasarkan Surat Edaran Bank Indonesia Nomor 9/29/DPbs
tanggal 7 Desember 2007, Non performing financing (NPF) dihitung
25
dengan membandingkan jumlah pembiayaan bermasalah dengan total
pembiayaan yang dimiliki oleh bank.
Menurut Trisnawati (2013:112) dampak terjadinya kredit
bermasalah adalah :
a. Laba rugi bank menurun diakibatkan adanya penurunan
pendapatan bunga kredit
b. Bad debt ratio menjadi lebih besar dan rasio aktiva poduktif
menjadi lebih rendah.
c. Biaya pencadangan penghapusan kredit meningkat
d. ROA maupun ROE menurun.
4. Teori Efisiensi Operasional (BOPO)
Menurut Dendawijaya (2009:119) rasio biaya operasional adalah
perbandingan antara biaya operasional dan pendapatan operasional. Rasio
ini dapat dirumuskan sebagai berikut:
BOPO = Biaya (beban) Operasional
Pendapatan Operasional X 100 %
Melalui Peraturan Bank Indonesia Nomor 14/26/PBI/2012 tentang
Kegiatan Usaha dan Jaringan Kantor Berdasarkan Modal Inti Bank, Bank
Indonesia menetapkan bahwa Pencapaian tingkat efisiensi Bank antara
lain diukur melalui rasio Biaya Operasional terhadap Pendapatan
Operasional (BOPO). Infobank no.399/Juni 2012/Vol.XXXIV
26
menggunakan angka patokan untuk untuk BOPO sebesar 92%. Semakin
besar BOPO suatu bank tentunya menunjukkan semakin tidak efisiennya
bank tersebut dalam beroperasi (Eng Tan Sau, 2013:158).
Besarnya angka untuk “beban operasional” maupun untuk
“pendapatan operasional” dapat dilihat pada perhitungan laba rugi laporan
keuangan bank yang bersangkutan.
Nilai kredit dapat dihitung sebagai berikut :
a. Untuk rasio 100 % atau lebih, nilai kredit = 0
b. Untuk setiap penurunan perusahaan sebesar 0.08 %, nilai kredit
ditambah 1 dengan maksimum 100. (Dendawijaya, 2009 : 147)
Tabel 2.4
Kriteria penililaian peringkat BOPO
Peringkat Keterangan
Peringkat 1 ≤ 83%
Peringkat 2 83 % < REO ≤ 85 %
Peringkat 3 85 % < REO ≤ 87 %
Peringkat 4 87 % < REO ≤ 89 %
Peringkat 5 ≥ 89 %
Sumber: Kodifikasi Peraturan BI tentang Penilaian Tingkat Kesehatan Bank.
27
Keterangan :
1) Peringkat 1 : bank memiliki efisiensi operasi yang sangat tinggi
dan stabil sehingga memiliki potensi untuk memperoleh
keuntungan yang tinggi.
2) Peringkat 2 : bank memiliki efisiensi operasi yang tinggi
3) Peringkat 3 : bank memiliki efisiensi operasi yang cukup memadai
dan stabil sehingga memiliki potensi memperoleh keuntungan
yang memadai.
4) Peringkat 4 : bank memiliki efisiensi operasi yang rendah dan
kurang stabil sehingga memiliki potensi kerugian.
5) Peringkat 5 : bank memiliki efisiensi operasi yang sangat rendah
sehingga memiliki potensi kerugian yang tinggi.
5. Teori Kecukupan Modal (CAR)
CAR adalah rasio yang memperlihatkan seberapa jauh seluruh
aktiva bank yang mengandung resiko (kredit, penyertaan, surat berharga,
tagihan pada bank lain) ikut dibiayai dari dana modal sendiri bank,
disamping memperoleh dana-dana dari sumber- sumber diluar bank,
seperti dana masyarakat, pinjaman (hutang), dan lain-lain. Dengan kata
lain, CAR adalah rasio kinerja bank untuk mengukur kecukupan modal
yang dimiliki bank untuk menunjang aktiva yang mengandung atau
menghasilkan risiko, misalnya kredit yang diberikan (Dendawijaya, 2009 :
121).
28
Rasio ini dapat dirumuskan sebagai berikut :
CAR = Modal bank
ATMR X 100 %
Jumlah modal dikaitkan dengan risiko kredit pada aset neraca bank,
baik on maupun off balance sheet, harus lebih besar dari 8% (Ikatan
Bankir Indonesia, 2016:162).
Modal inti bank terdiri atas modal disetor, agio saham, cadangan
umum, dan laba ditahan. Yang termasuk modal pelengkap antara lain
adalah cadangan revaluasi aktiva tetap. Berdasarkan ketentuan Bank
Indonesia, bank yang dinyatakan termasuk sebagai bank yang sehat harus
memiliki CAR paling sedikit sebesar 8%. Hal ini didasarkan kepada
ketentuan yang ditetapkan oleh BIS (Bank for International Settlements).
Berdasarkan ketentuan yang berlaku, bank diwajibkan untuk
memelihara kewajiban penyediaan modal minimum sekurang-kurangnya
8%. Ini berarti bahwa CAR dari suatu bank umum sekurang-kurangnya
harus mencapai nilai 8%. Selanjutnya, untuk menetapkan besarnya nilai
kredit berdasarkan ketentuan yang baru adalah sebagai berikut :
a. Rasio modal yang memenuhi KPMM sebesar 8% diberikan
predikat “sehat” dengan nilai kredit 81. Setiap kenaikan 0,1% dari
KPMM sebesar 8%, nilai kreditnya ditambah 1 hingga maksimum
100.
29
b. Rasio modal yang kurang dari 8% sampai dengan 7,9% diberikan
predikat “kurang sehat” dengan nilai kredit 65. Setiap penurunan
0,1% dari pemenuhan KPPM sebesar 7,9% tersebut, nilai
kreditnya dikurangi 1 dengan minimum 0.
c. Nilai kredit yang diperoleh segera dikalikan dengan bobot 25%
yang diperlakukan untuk komponen kecukupan modal
(Dendawijaya, 2009 : 153).
Tabel 2.5
Kriteria penilaian CAR
Kriteria Hasil Rasio
Sehat ≥ 8%
Cukup Sehat 7,999% - 8%
Kurang Sehat 6,5% - 7,999%
Tidak Sehat ≤ 6,5%
Sumber : SK DIR BI No:30/21/KEP/DER tanggal 20 April
1997 tentang Tata Cara Tingkat Kesehatan Bank
30
C. Kerangka Penelitian
Kerangka penelitian yang dapat disusun dari kajian teoritis mengenai
pengaruh antara masing-masing variabel independen terhadap variabel
dependen dan pengaruh antara masing-masing variabel independen terhadap
variabel dependen yang di mediasi dengan variabel intervening.
Gambar 2.1
Kerangka Penelitian
Dari gambar 2.1 diatas, persamaan sistematisnya adalah sebagai berikut :
Y1 = α + b1X1 + b2X2 + b3X3 + e
Y2 = α + b1X1 + e
Y2 = α + b2X2 + e
Y1*Y2 = α + b1X1 + b3Y2 + b4 (X1*Y2) + e
Y1*Y2 = α + b2X2 + b4Y2 + b5 (X2*Y2) + e
31
Keterangan :
Y1 = ROA (variabel dependen)
α = Konstanta
b1 – b5 = Koefisien regresi
X1 = Non Performing Financing (NPF)
X2 = Efficiency Operational (BOPO)
X3 Y2 = Capital Adequacy Ratio (CAR)
E = Error
Y1*Y2 = Mediasi
(Ghozali, 2016:236).
D. Hipotesis
Berdasarkan kerangka pemikiran teoritis dan hasil penelitian beberapa
temuan yang sudah diuraikan diatas, maka hipotesis penelitian ini dapat
dirumuskan sebagai berikut :
1. Pengaruh NPF terhadap ROA
Non performing financing (NPF) merupakan kemampuan
manajemen bank dalam mengelola pembiayaan bermasalah yang
diberikan oleh bank, sehingga semakin tinggi rasio ini maka semakin
buruk kualitas kredit bank yang menyebabkan jumlah kredit bermasalah
semakin besar (Africano, 2016: 64). Hal ini sejalan dengan penelitian
yang dilakukan oleh Warsa dan Mustanda (2016), Ulinnuha dan Indriani
32
(2016), Almunawwaroh dan Marliana (2018) yang menyatakan bahwa
non performing financing memiliki pengaruh yang negative signifikan
terhadap profitabilitas yang di proksikan dengan rasio ROA.
Namun berbeda dengan penelitian yang dilakukan oleh Muliawati
dan Choiruddin (2015), Fitriana, E. (2016) menyatakan bahwa non
performing financing memiliki pengaruh yang positif terhadap
profitabilitas.
Berdasarkan kajian teori dan penelitian terdahulu, dapat dirumuskan
hipotesis sebagai berikut :
H1 : NPF memiliki pengaruh negatif signifikan terhadap ROA Bank
Pembiayaan Rakyat Syariah.
2. Pengaruh BOPO terhadap ROA
BOPO menurut kamus keuangan adalah kelompok rasio yang
mengukur efisiensi dan efektifitas operasional suatu perusahaan dengan
jalur membandingkan satu terhadap lainnya. Berbagai angka pendapatan
dan pengeluaran dari laporan rugi laba dan terhadap angka-angka dalam
neraca. Rasio BOPO digunakan untuk mengukur tingkat efisiensi suatu
bank dan kemampuan bank dalam melaksanakan kegiatan operasionalnya.
Semakin besar nilai BOPO mencerminkan kurangnya efisiensi bank dalam
menjalankan kegiatan operasionalnya. Hal tersebut disebabkan karena
biaya operasional yang harus ditanggung lebih besar daripada jumlah
33
pendapatan operasional yang diterima sehingga akan menurunkan kinerja
dari bank tersebut.
Penelitian dilakukan oleh Mismiwati (2016), Harun, Usman (2016)
dan Yogianta (2013) menyatakan bahwa BOPO memiliki pengaruh yang
negatif signifikan terhadap ROA. Semakin tinggi rasio BOPO maka akan
menurunkan ROA , namun sebaliknya semakin rendah rasio BOPO maka
akan meningkatan ROA.
Berdasarkan teori dan penelitian terdahulu, maka hipoteisis dapat
dirumuskan sebagai berikut :
H2 : BOPO memiliki pengaruh negatif signifikan terhadap ROA
3. Pengaruh CAR terhadap ROA
Modal kerja merupakan investasi perusahaan dalam bentuk uang
tunai, surat berharga, piutang persediaan, dikurangi dengan kewajiban
lancar yang digunakan untuk membiayai aktiva lancar. Modal kerja dapat
dikategorikan menjadi dua yaitu modal kerja kotor dan modal kerja bersih.
Modal kerja kotor adalah jumlah aktiva lancar, dan modal kerja bersih
adalah jumlah harta lancar dikurangi jumlah hutang lancar (Sujarweni,
2017: 186).
Capital adequacy ratio merupakan rasio permodalan yang
menunjukan kemampuan bank dalam menyediakan dana untuk keperluan
pengembangan usaha serta menampung kemungkinan risiko kerugian
34
yang diakibatkan dalam opersional bank. Semakin besar rasio tersebut
akan semakin baik posisi modal (Almunawwaroh dan Marliana, 2018).
Menurut Wityasari dan Pangestuti (2014) kecukupan modal yang
tinggi menunjukkan kemampuan bank untuk dapat memberikan kredit
yang semakin besar, yang akhirnya meningkatkan ROA. Hal ini didukung
dengan adanya penelitian yang dilakukan oleh Franzlay dan Simatupang
(2016), Nurhasanah (2014), Septiani dan Putu (2016), Anggraini dan
Suardhika (2014) yang menyatakan bahwa CAR memiliki pengaruh yang
positif signifikan terhadap profitabilitas. Namun berbeda dengan
penelitian dari Rizal, F. (2016), Hakiim dan Rafsanjani (2016), Wibowo
dan Syaichu (2013) yang menyatakan bahwa CAR memiliki pengaruh
negative signifikan terhadap profitabilitas, sehingga hipotesis dapat
dirumuskan sebagai berikut :
H2 : CAR memiliki pengaruh yang positif dan signifikan terhadap ROA.
4. Pengaruh NPF terhadap CAR
Peningkatan NPF disebabkan oleh peningkatan pembiayaan
bermasalah terhadap total pembiayaan yang dimiliki oleh bank. Hal
tersebut mengakibatkan pendapatan bank menurun dan profitabilitas bank
akan mengalami penurunan, sehingga akan berdampak modal bank akan
menurun dan CAR akan semakin rendah. Dengan demikian hubungan
NPF terhadap CAR adalah negative (Africano, 2016). Hal ini sejalan
dengan penelitian yang dilakukan oleh Andika (2017), Andini dan Yunita
35
(2015). Namun penelitian tersebut berbeda dengan Septiani dan Putu
(2016), Choerudin, dkk (2016) yang menyatakan bahwa NPF memiliki
pengaruh positif signifikan terhadap CAR.
Berdasarkan kajian teori dan penelitian terdahulu maka hipotesis
dapat dirumuskan sebagai berikut :
H3 : NPF memiliki pengaruh yang negative signifikan terhadap CAR.
5. Pengaruh BOPO terhadap CAR
Rasio BOPO digunakan untuk mengukur tingkat efisiensi suatu
bank dan kemampuan bank dalam melaksanakan kegiatan operasionalnya.
Semakin besar nilai BOPO mencerminkan kurangnya efisiensi bank dalam
menjalankan kegiatan operasionalnya. Hal tersebut disebabkan karena
biaya operasional yang harus ditanggung lebih besar daripada jumlah
pendapatan operasional yang diterima sehingga terdapat kemungkinan,
modal digunakan untuk menutupi biaya operasional yang tidak tertutup
oleh pendapatan operasional. Dengan kata lain, semakin besar BOPO akan
menyebabkan penurunan pada modal bank yang di proksikan dengan rasio
CAR.
Penelitian yang dilakukan oleh Andhika dan Suprayogi (2017),
menyatakan bahwa BOPO memiliki pengaruh yang negatif signifikan
terhadap CAR sehingga jika BOPO mengalami kenaikan maka rasio CAR
akan mengalami penurunan. Penelitian ini sejalan dengan Bukian dan
Sudhiarta (2016). Namun berbeda dengan penelitian yang dilakukan oleh
36
Sarwindah, Boby (2014) yang menyatakan bahwa BOPO tidak memiliki
pengaruh terhadap CAR.
Berdasarkan penelitian terdahulu maka hipotesis dapat dirumuskan
sebagai berikut :
H5 : BOPO memiliki pengaruh yang negatif signifikan terhadap CAR.
6. Pengaruh NPF terhadap ROA dengan dimediasi oleh CAR
Non Performing Financing (NPF) menunjukkan rasio pinjaman
yang bermasalah terhadap total pinjamannya. Semakin tinggi NPF
mengakibatkan semakin tinggi tunggakan bunga kredit yang berpotensi
menurunkan pendapatan bunga serta menurunkan Profitabilitas. Demikian
sebaliknya semakin rendah NPF akan semakin tinggi profitabilitas. NPF
secara otomastis akan berdampak pada ROA suatu bank dikarenakan NPF
yang merupakan kredit bermasalah ini akan berpengaruh terhadap
penyaluran dana atau pembiayaan yang dilakukan oleh bank. Dengan
demikian, CAR dapat dijadikan variable intervening sebagai mediasi
untuk mengetahui adanya pengaruh langsung maupun tidak langsung
antara NPF terhadap ROA. Semakin kecil ROA maka penyaluran dana
yang diberikan juga akan semakin rendah. CAR sebagai faktor penentu
modal suatu bank akan digunakan bank untuk menutupi pembiayaan yang
bermasalah. Dengan begitu CAR dapat memediasi NPF terhadap ROA.
Penelitian yang dilakukan oleh Africano (2016), Septiani dan Putu
(2016), CAR dapat memediasi pengaruh NPF terhadap ROA. Namun
37
berbeda dengan Choerudin, dkk (2016) yang menyatakan bahwa CAR
belum mampu memediasi pengaruh antara NPF terhadap ROA.
Berdasarkan penelitian terdahulu maka hipotesis dapat dirumuskan
sebagai berikut :
H6 : NPF memiliki pengaruh signifikan terhadap ROA dengan CAR
sebagai variable intervening.
7. Pengaruh BOPO terhadap ROA dengan dimediasi oleh CAR.
BOPO merupakan rasio antara biaya yang dikeluarkan oleh bank
dalam menjalankan aktivitas utamanya terhadap pendapatan yang
diperoleh dari aktivitas tersebut. Pengaruh BOPO terhadap ROA dilandasi
dengan teori dimana semakin rendah BOPO maka semakin baik kinerja
manajemen bank tersebut dilihat dengan adanya perubahan laba, karena
lebih efisien dalam menggunakan sumber daya yang ada dalam
perusahaan. Namun, jika biaya operasional yang dikeluarkan melebihi
pendapatan operasional maka kinerja akan semakin buruk, dan berdampak
pada modal pada suatu bank. Biaya operasional yang semakin meningkat
akan mempengaruhi modal ketika pendapatan tidak dapat menutupi. CAR
dapat dijadikan variable intervening sebagai mediasi untuk mengetahui
adanya pengaruh langsung maupun tidak langsung antara BOPO terhadap
ROA. Semakin kecil ROA maka cerminan rasio BOPO akan semakin
rendah. CAR sebagai faktor penentu modal suatu bank akan digunakan
38
bank untuk menutupi biaya operasional yang berlebih. Dengan begitu
CAR dapat memediasi BOPO terhadap ROA.
Penelitian yang dilakukan oleh Sarwindah, Boby (2014)
menyatakan bahwa BOPO mempengaruhi ROA dengan dimediasi oleh
CAR. Meskipun BOPO tidak berpengaruh terhadap CAR namun CAR
mampu memediasi pengaruh BOPO terhadap ROA.
H7 : BOPO memiliki pengaruh terhadap ROA dengan CAR sebagai
variabel intervening.
39
BAB III
METODE PENELITIAN
A. Jenis Penelitian
Pendekatan yang digunakan dalam penelitian ini menggunakan
pendekatan penelitian kuantitatif dengan menggunakan data sekunder. Data
sekunder bersumber pada laporan keuangan annual report masing- masing
bank yang terdaftar di OJK periode 2014-2017 yang diakses pada website
resmi www.ojk.go.id. Jenis data yang digunakan adalah jenis data panel. Data
panel merupakan gabungan antara data lintas waktu (time series) dan data
lintas individu (cross section), dimana unit cross section yang sama diukur
pada waktu yang berbeda. Penelitian kuantitatif menurut Sugiyono (2016:35)
adalah metode penelitian yang berlandaskan filsafat positivisme, digunakan
untuk meneliti pada populasi atau sampel tertentu, pengumpulan data
menggunakan instrument penelitian , analisis data bersifat kuantitatif/statistik
dengan tujuan untuk menguji hipotesis yang telah ditetapkan.
B. Lokasi dan Waktu Penelitian
Penelitian ini dilakukan pada Bank Umum Syariah di seluruh
Indonesia Periode2014 -2017 yang terdaftar di Otoritas Jasa Keuangan (OJK).
Waktu penelitian dilaksanakan pada bulan Mei sampai dengan bulan Agustus
2018.
40
C. Populasi dan Sampel
Populasi adalah wilayah generalisasi yang terdiri atas : obyek/ subyek
yang mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh
peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono,
2016:148). Populasi pada penelitian ini terdapat pada Bank Umum Syariah
yang ada di seluruh Indonesia. Menurut Statistik Perbankan Syariah per Mei
2018 total Bank Umum Syariah di Indonesia mencapai sebanyak 13 bank.
Periode penelitian ini dimulai dari Januari 2014 sampai dengan Desember
2017.
Sampel menurut Sugiyono (2016:149) adalah bagian dari jumlah dan
karakteristik yang dimiliki oleh populasi tersebut. Sampel yang harus diambil
dalam populasi adalah sampel yang betul betul harus representative
(mewakili). Teknik pengambilan sampel yang digunakan dalam penelitian ini
adalah purposive sampling dimana sampel yang ditentukan harus dengan
pertimbangan tertentu sebagai berikut :
1. Bank Umum Syariah yang terdaftar dalam OJK.
2. Bank Umum Syariah yang menerbitkan laporan keuangan selama empat
tahun terakhir.
3. Bank UmumSyariah yang menyertakan rasio keuangan dan kesehatan
bank dalam laporan keuangan yang diterbitkan.
41
Tabel 3.1
Kriteria Sampel Bank
Kriteria bank Jumlah
Total Bank Umum Syariah yang terdaftar di OJK 13
Bank yang memiiki laporan keuangan selama 4 tahun terakhir, yakni
periode 2014 – 2017
12
Bank yang memiliki rasio keuangan dan kesehatan bank. 12
Sumber : data diolah, 2018
Berikut ini adalah daftar Bank Umum Syariah yang akan dijadikan
sampel penelitian:
Tabel 3.2
Sampel Penelitian
No. Nama Bank
1 Bank Muamalat Indonesia
2. Bank Mega Syariah
3. Bank Panin Syariah
4. Bank Nasional Indonesia Syariah
5. Bank Rakyat Indoneia Syariah
6. Bank Syariah Mandiri
7. Bank Central Asia Syariah
8. Bank Jabar Banten Syariah
9. Bank Syariah Bukopin
10. Bank Victoria Syariah
11. Maybank Syariah Indonesia
12. Bank Tabungan Pensiunan Negara Syariah
Sumber : Statistik Perbankan Syariah, Mei 2018
42
D. Teknik Pengumpulan Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder
dan teknik yang digunakan adalah pengumpulan data melalui metode
observasi tidak langsung. Metode observasi tidak langsung ini dilakukan
dengan cara mengumpulkan data sekunder yang berupa laporan keuangan
tahunan Bank Umum Syariah (annual report) periode 2014 - 2017. Metode
pengumpulan data dalam penelitian ini menggunakan metode data panel. Data
panel merupakan gabungan antara data lintas waktu (time series) dan data
lintas individu (cross section) yang sama diukur pada waktu yang berbeda.
E. Definisi Konsep dan Operasional
1. Definisi Konsep
Definisi Operasional variabel adalah segala sesuatu yang ditetapkan
peneliti untuk dipelajari sehingga diperoleh informasi tentang data
penelitian tersebut (Sugiyono,2009).
Penelitian ini menggunakan metode penelitian kuantitatif dimana
mencari hubungan antara variabel independen dengan variabel dependen.
Dalam penelitian ini terdapat variabel intervening atau variabel mediasi
yang mana berfungsi sebagai variabel yang memediasi adanya pengaruh
langsung maupun tidak langsung antara variabel independen terhadap
variabel dependen. Berikut penjelasan mengenai variabel- variabel yang
digunakan:
43
a. Variabel Independen
Variabel yang akan digunakan dalam penelitian ini adalah
Non Performing Financing (NPF). NPF merupakan rasio yang
digunakan untuk mengukur besarnya kredit bermasalah. Kredit
bermasalah adalah seluruh kredit pada pihak ketiga bukan bank
dengan kolektibilitas kurang lancar, diragukan dan macet. Total
kredit adalah kredit pada pihak ketiga bukan bank (Ikatan Bankir
Indonesia, 2016:36).
b. Variabel BOPO
Variabel dependen yang kedua adalah BOPO. Menurut
Dendawijaya (2009:119) rasio biaya operasional adalah
perbandingan antara biaya operasional dan pendapatan
operasional. Besarnya angka untuk “beban operasional” maupun
untuk “pendapatan operasional” dapat dilihat pada perhitungan
laba rugi laporan keuangan bank yang bersangkutan.
c. Variabel Dependen
Variabel dependen dalam penelitian ini adalah pofitabilitas
yang akan diukur menggunakan rasio ROA. ROA merupakan rasio
yang digunakan untuk mengukur kemampuan manajemen bank
dalam memperoleh keuntungan (laba) secara keseluruhan.
Semakin besar ROA suatu bank, semakin besar pula tingkat
keuntungan yang dicapai bank tersebut dan semakin baik pula
44
posisi bank tersebut dari segi penggunaan aset (Dendawijaya,
2009: 118).
d. Variabel Intervening
Variabel intervening yang digunakan dalam penelitian ini
adalah CAR (Capital Adequacy Ratio). CAR adalah rasio yang
memperlihatkan seberapa jauh seluruh aktiva bank yang
mengandung resiko (kredit, penyertaan, surat berharga, tagihan
pada bank lain) ikut dibiayai dari dana modal sendiri bank,
disamping memperoleh dana-dana dari sumber- sumber diluar
bank, seperti dana masyarakat, pinjaman (hutang), dan lain-lain.
Dengan kata lain, CAR adalah rasio kinerja bank untuk mengukur
kecukupan modal yang dimiliki bank untuk menunjang aktiva
yang mengandung atau menghasilkan risiko, misalnya kredit yang
diberikan (Dendawijaya, 2009 : 121).
2. Definisi Operasional
a. Non Performing Financing (NPF)
Untuk menghitung rasio NPF dapat menggunakan formula sebagai
berikut :
NPF = kredit bermasalah
total kredit
(Ikatan Bankir Indonesia, 2016:36)
45
b. Efficiency Operational (BOPO)
Untuk menghitung BOPO dapat menggunakan formula sebagai
berikut :
BOPO = Biaya (beban)Operasional
Pendapatan Operasional x 100 %
(Dendawijaya, 2009:119)
c. Return on Asset (ROA)
ROA dapat dihitung dengan menggunakan formula sebagai berikut :
ROA = laba bersih x 100%
total aktiva x 100 %
(Dendawijaya, 2009:118)
d. Capital Adequacy Ratio (CAR)
Menghitung CAR dapat menggunakan formula sebagai berikut :
CAR = Modal bank
ATMR X 100 %
(Dendawijaya, 2009:121)
46
F. Metode Analisis
1. Uji Stasioneritas
Dalam penelitian ini menggunakan data sekuder, maka perlu
dilakukan uji stasioner. Sebuah data dikatakan stasioner jika memenuhi
asumsi bahwa rata-rata dan variansinya konstan sepanjang waktu serta
kovarian antar dua data runtut waktu tergantung pada kelambanan antara
dua periode tersebut. Pengambilan keputusan pada uji stasioner adalah
jika nilai probabilitas lebih kecil dari 0.05 maka data tersebut bersifat
stasioner (Winarno, 2015: 115-116). Untuk menguji data dalam penelitian
ini bersifat stasioner atau tidak maka dilakukan uji Unit Root dengan uji
Levin Lin & Chu.
2. Uji Asumsi Klasik
Uji asumsi klasik sering disebut juga dengan analisis residual
dikarenakan penelitian mengenai pelanggaran terhadap asumsi klasik
biasanya dilakukan dengan mengamati pola nilai residual (Gudono,
2016:151). Uji asumsi klasik dalam penelitian ini meliputi :
a. Uji multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model
regresi ditemukan adanya korelasi antar variabel bebas (independen).
Model regresi yang baik seharusnya tidak terjadi korelasi diantara
variabel independen (Ghozali, 2013: 105-106). Kondisi terjadinya
multikolinieritas ditunjukkan dengan berbagai informasi sebagai
47
berikut: 1) Nilai R square yang tinggi tetapi variabel independen
banyak yang tidak signifikan; 2) Dengan cara menghitung koefisien
korelasi antarvariabel independen. Apabila koefisiennya rendah ,
maka tidak terdapat multikolinieritas (Winarno, 2007: 5.1).
b. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual memiliki distribusi normal.
Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai
residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka
uji statistik menjadi tidak valid untuk jumlah sampel kecil. Ada dua
cara untuk mendeteksi apakah residual berdistribusi normal atau tidak
yaitu dengan analisis grafik dan uji statistik.
Untuk menguji apakah data berdistribusi normal atau tidak,
dalam penelitian ini dilakukan uji statistik Kolmogrov- Smirnov Test
dengan kriteria sebagai berikut :
1) Jika nilai Asymp. Sig. (2 – tailed) ≥ 0,05 data berdistribusi
normal.
2) Jika nilai Asymp. Sig. (2 – tailed) ≤ 0,05 data tidak
berdistribusi normal (Ghazali, 2013:160-165).
48
c. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model
regresi linier ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada periode t-1 (sebelumnya).
Autokorelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual
(kesalahan pengganggu) tidak bebas dari satu observasi ke observasi
lainnya. Hal ini sering ditemukan pada data runtut (time series) karena
“gangguan” pada seseorang individu/ kelompok cenderung
mempengaruhi “gangguan” pada individu/kelompok yang sama pada
periode berikutnya. Pengujian ada tidaknya autokorelasi pada
penelitian ini menggunakan uji Durbin – Watson (DW test). Uji
Durbin- Watson hanya digunakan untuk autokorelasi tingkat satu (first
order autocorrelation) dan mensyaratkan adanya intercept (konstanta)
dalam model regresi dan tidak ada variabel lagi diantara variabel
independen (Ghozali, 2013:110).
Hipotesis yang akan diuji adalah :
H0 : tidak ada autokorelasi (r = 0)
Ha : ada autokorelasi (r ≠ 0).
Dalam uji autokorelasi, pengambilan keputusan ada tidaknya
autokorelasi apabila nilai du < nilai DW < nilai 4 – du maka dapat
disimpulkan tidak terdapat autokorelasi (Ghozali, 2013:111).
49
Tabel 3.3
Rentangan Nilai Uji DW
Nilai DW Interpretasi
4 – dl < DW < 4 Ada autokorelasi (negatif)
4 – du < DW < 4 – dl Hasil tidak bisa ditentukan
2 < DW < 4 – dh Tidak ada autokorelasi
dh < DW < 4 – dh Tidak ada autokorelasi
dl < DW < dh Hasil tidak bisa ditentukan
0 < DW < dl Ada autokorelasi (positif)
Sumber : Gudono, (2016:158)
Untuk memudahkan nilai DW, jika nilai DW semakin jauh
dibawah 2 maka diduga ada korelasi serial positif, sedangkan nilai
yang semakin jauh di atas dua diduga ada serial korelasi negative.
d. Uji heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model
regresi terjadi ketidaksamaan variance dari residual satu pengamatan
ke pengamatan yang lain. Jika variance dari residual satu pengamatan
ke pengamatan lain tetap, maka disebut homokedastisitas. Model
regresi yang baik adalah yang homokedastisitas atau tidak terjadi
heteroskedastisitas. Ada beberapa cara yang dapat dilakukan untuk
melakukan uji heteroskedastisitas, yaitu uji grafik plot, uji park, uji
gleser, dan uji white.
50
Dalam penelitian ini uji heteroskedastisitas menggunakan Uji
Glejser. Uji glejser mengusulkan untuk meregres niai absolut residual
terhadap variabel independen. Hasil probabilitas dikatakan signifikan
jika signifikansinya diatas tingkat kepercayaan 5%. (Ghozali,
2013:142).
3. Uji Statistik (Uji Regresi)
Teknik regresi bertujuan untuk membantu peneliti yang
membutuhkan alat untuk melakukan proyeksi (peramalan). Analisis
regresi berganda (multiple regression) digunakan untuk membedakan
dengan istilah multivariate multiple regression analysis (MMRA) yang
merupakan analisis regresi dengan lebih dari satu variabel dependen
(Gudono, 2016:139). Pada umumnya model regresi berganda dapat ditulis
sebagai berikut :
Y = a + b1.X1 + b2.X2 + …. + bn.Xn + e
Dalam penelitian ini menggunakan data panel sehingga regresi
harus di estimate terlebih dahulu. Kemudian disesuaikan dengan
pemilihan metode estimasi data panel.
a. Estimasi Model Data Panel
Pada dasarnya ada tiga teknik untuk meregresi data panel (Sriyana,
2014) yaitu pendekatan OLS biasa (Pooled Least Square) atau Common
Effect, pendekatan efek tetap (fixed effect model), dan pendekatan efek
acak (random effect model).
51
1) Pendekatan OLS (Pooled Least Square) atau Common Effect
Merupakan teknik yang paling sederhana dengan
mengasumsikan bahwa data gabungan yang ada menunjukkan kondisi
yang sesungguhnya. Yaitu dengan menggabungkan (pooled) seluruh
data time series dan cross section dan kemudian mengestimasi model
dengan menggunakan metode ordinary least square (OLS). Hasil
analisis regresi ini dianggap berlaku pada semua objek pada semua
waktu.
Kelemahan asumsi ini adalah ketidaksesuaian model dengan
keadaan yang sesungguhnya. Kondisi setiap objek saling berbeda,
bahkan satu objek pada suatu waktu akan sangat berbeda pada kondisi
objek tersebut pada waktu yang lain (Winarno, 2007: 9.14).
2) Pendekatan Efek Tetap (Fixed Effect Model)
Model ini dapat menunjukkan perbedaan konstan antar objek
meskipun dengan koefisien regressor yang sama. Model ini juga
memperhitungkan kemungkinan bahwa peneliti menghadapi masalah
omitted variables yang mungkin membawa perubahan pada intercept
time series atau cross section. Model FEM dengan efek tetap
maksudnya adalah bahwa satu objek, memiliki konstan yang tetap
besarnya untuk berbagai periode waktu. Demikian pula dengan
koefisien regresinya yang besarnya tetap dari waktu ke waktu (time
invariant) (Winarno, 2007:9.14)
52
3) Pendekatan Efek Acak (Random Effect Model)
Pendekatan random effect digunakan untuk mengatasi
kelamahan metode efek tetap yang menggunakan variabel semu,
sehingga model mengalami ketidakpastian. Tanpa menggunakan
variabel semu, metode efek random menggunakan residual, yang
diduga memiliki hubungan antar waktu dan objek.
Namun, terdapat satu syarat untuk menganalisis dengan
menggunakan metode efek random, yaitu objek data silang harus
lebih besar dari banyaknya koefisien (Winarno, 2007:9.15).
b. Pemilihan Model Estimasi dalam Data Panel
Menurut Sriyana, Jaka (2014) pemilihan teknik estimasi data panel
terbagi menjadi tiga :
1) Uji Chow (F test)
Uji Chow ini menentukan model Common Effect atau Fixed Effect
yang paling tepat dalam mengestimasi data panel. Dimana
hipotesisnya yaitu :
H0 = diterima apabila nilai F ≥ 0.05 , menggunakan common effect
Ha = ditolak apabila nilai F ≤ 0.05, menggunakan fixed effect
53
2) Uji Hausman
Uji Hausman memiliki fungsi untuk memilih apakah model fixed
effect atau random effect yang paling tepat digunakan. Dimana
hipotesisnya yaitu :
H0 = diterima apabila nilai probability ≥ 0.05, maka digunakan
random effect
Ha = ditolak apabila nilai probability ≤ 0.05, maka digunakan fixed
effect
3) Uji Lagrange Multiplier Test
Uji Lagrange Multiplier Test untuk memilih apakah model random
effect atau common effect yang paling tepat digunakan. Dimana
hipotesisnya adalah :
H0 = diterima apabila nilai p cross section ≥ 0.05, maka digunakan
common effect
Ha = ditolak apabila nilai p cross section ≤ 0.05, maka digunakan
random effect.
c. Uji Hipotesis
1) Uji t (uji parsial)
Uji t bertujuan untuk menguji seberapa jauh pengaruh satu
variabel independen secara individual dalam menerangkan variasi
variabel dependen (Ghozali, 2013:98). Pengujian penelitian ini
dilakukan dengan criteria pengambilan keputusan sebagai berikut :
54
a) Jika thitung < ttabel, dan probabilitas signifikan > 0.05, H0
diterima dan H1 ditolak.
b) Jika thitung > ttabel, dan probabilitas signifikan < 0,05, H0
ditolak dan H1 diterima.
2) Uji F (uji simultan)
Uji F bertujuan untuk menguji apakah semua variabel
independen yang dimasukkan ke dalam model mempunyai pengaruh
secara bersama-sama terhadap variabel dependen (Ghozali,2013:98).
Pengujian ini dilakukan dengan menggunakan statistik F dengan
kriteria pengambilan keputusan sebagai berikut:
a) Jika Fhitung < Ftabel, dan probabilitas signifikan > 0.05, H0
diterima dan H1 ditolak.
b) Jika Fhitung > Ftabel, dan probabilitas signifikan < 0.05, H0
ditolak dan H1 diterima.
3) Koefisien Determinasi (R2)
Uji ini pada intinya mengukur seberapa jauh kemampuan
model dalam menerangkan variansi variabel dependen. Nilai koefisien
determinasi terdapat di 0 < R² < 1, dimana nilai R² yang kecil berarti
menunjukkan kemampuan variabel-variabel independen dalam
menjelaskan variasi variabel dependen amat terbatas. Variabel
independen dianggap memberikan informasi yang dibutuhkan untuk
memprediksi variabel dependen apabila nilai R² mendekati satu.
55
Sehingga jika R² = 0 maka diantara variabel independen dan variabel
dependen tidak mempunyai hubungan, sedangkan jika R² = 1 maka
diantara variabel independen dan variabel dependen terdapat suatu
hubungan yang kuat (Ghozali, 2013:97).
Kelemahan mendasar penggunaan koefisien determinasi yaitu
bisa (kesalahan) terhadap jumlah variabel independen yang
dimasukkan kedalam model. Oleh karena itu dianjurkan untuk
menggunakan nilai Adjusted R2 pada saat mengevaluasi mana model
regresi terbaik. Nilai Adjusted R2 dapat naik atau turun apabila satu
variabel independen ditambahkan ke dalam model.
4. Uji Path Analysis (Analisis Jalur)
Analisis jalur (Path Analysis) merupakan perluasan dari analisis
regresi linier berganda, atau analisis jalur adalah penggunaan analisis
regresi untuk menaksir hubungan kausalitas antar variable (model casual)
yang telah ditetapkan sebelumnya berdasarkan teori (Ghozali, 2013: 249).
Menurut Sarwono (2007:1) path analysis digunakan untuk menganalisis
pola hubungan antar variabel dengan tujuan untuk mengetahui pengaruh
langsung dan tidak langsung seperangkat variabel bebas (eksogen)
terhadap variabel terikat (endogen).
56
a. Analisis Regresi Model Pertama
Persamaan dalam model ini terdiri dari dua tahap yaitu :
Y1 = b1X1 + b2X2 + b3X3 + e1 (1)
Keterangan :
Y1 = Return On Asset
X1 = Non Performing Financing
X2 = Efficiency Operational (BOPO)
X3 = Capital Adequacy Ratio
e = Residual
b. Analisis Regresi Model Kedua
Y2 = b1X1 + b2X2 + e2 (2)
Keterangan :
Y2 = Capital Adequacy Ratio
X1 = Non Performing Financing
X2 = Efficiency Operational (BOPO)
Variabel intervening dalam penelitian ini adalah CAR. Analisis
jalur akan membantu dalam melihat besarnya koefisien secara langsung
dan tidk langsung dari variabel bebas terhadap variabel terikat, dengan
memperhatikan besarnya koefisien maka bisa dibandingkan besarnya
pengaruh secara langsung dan tidak langsung. Berdasarkan nilai koefisien
tersebut, akan diketahui variabel amna yang memberikan pengaruh
terbesar dan pengaruh terkecil terhadap variabel terikat.
57
G. Alat Analisis
Alat analisis yang akan digunakan dalam penelitian ini adalah
Eviews9. Eviews9 merupakan program software computer yang digunakan
untuk mengolah data berupa data statistik dan ekonometrika secara cepat dan
tepat, serta menghasilkan output yang yang dikehendaki oleh para pengambil
keputusan dan terpercaya. Statistik dapat diartikan sebagai suatu kegiatan
yang bertujuan untuk mengumpulkan data, meringkas atau menyajikan data
kemudian menganalisis data dengan menggunakan metode tertentu, dan
menginterpretasikan hasil dari analisis tersebut.
58
BAB IV
ANALISIS DATA
A. Deskripsi Obyek Penelitian
Variabel penelitian yang digunakan dalam penelitian ini adalah
variabel independen yaitu non performing financing dan efficiency
operational, variabel dependen adalah return on asset dan dengan variabel
intervening yaitu capital adequacy ratio. Objek dalam penelitian yang
dilakukan ini adalah Bank Umum Syariah (BUS) di seluruh Indonesia yang
terdaftar di OJK. Periode pengamatan dalam penelitian ini adalah selama
empat tahun dari periode 2014 sampai dengan 2017. Data rasio keuangan
yang akan di teliti diperoleh dari laporan keuangan tahunan dari masing –
masing bank yang terdaftar di Otoritas Jasa Keuangan (OJK). Menurut
Statistik Pebankan Syariah per Mei 2018 jumlah Bank Umum Syariah yang
terdaftar di OJK sebanyak 13 bank, tetapi bank yang masuk dalam kriteria
sampel yang digunakan dalam penelitian ini hanya 12 bank.
B. Analisis Data
1. Uji Stasioneritas
Uji stasioneritas yang digunakan adalah uji Unit Root dengan uji
Levin Lin & Chu, berdasarkan data dari laporan keuangan bulanan Bank
Umum Syariah periode 2014-2017, maka hasil dari uji stasioneritas adalah
sebagai berikut :
59
Tabel 4.1
Hasil Uji Stasioneritas
No.
Variabel Probability Unit Root Test Keterangan
1. X1 – NPF 0.0000 Data Stasioner
2. X2 – BOPO 0.0000 Data Stasioner
3. Y – ROA 0.0000 Data Stasioner
4. Z – CAR 0.0018 Data Stasioner
Sumber : Data sekunder yang diolah, 2018
Berdasarkan tabel diatas, data yang diolah menunjukkan output
dengan nilai probability < 0,05. Dengan demikian variabel independen,
dependen dan intervening memenuhi ketentuan uji stasioneritas dan layak
untuk dilanjutkan dengan pengujian data selanjutnya.
2. Uji Asumsi Klasik
a. Uji Multikolinieritas
Uji multikolinearitas digunakan untuk menguji apakah terdapat
hubungan antar variabel bebas. Untuk mendeteksi adanya hubungan
antar variabel dalam penelitian ini dengan melihat koefisien korelasi
antara masing-masing variabel, dalam penelitian ini menggunakan uji
auxiliary. Setelah uji auxiliary didapatkan hasil sperti tabel 4.2:
60
Tabel 4.2
Hasil Uji Multikolinieritas Auxiliry Model Regresi
Persamaan R2
NPF = c + BOPO + CAR 0.560218
BOPO = c + NPF + CAR 0.571706
CAR = c + NPF + BOPO 0.230482
R2 persamaan pertama 0.851430
Sumber : data sekunder yang diolah, 2018
Dari hasil auxiliry regresi tabel 4.2 diatas dapat dilihat nilai R2
masing masing variabel independen < nilai R2 persamaan pertama
dengan variabel dependen sehingga dapat disimpulkan bahwa data
terbebas dari gejala multikolinieritas.
b. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui distribusi data
dalam variabel yang digunakan dalam penelitian. Data yang baik dan
layak digunakan dalam penelitian adalah data yang memiliki distribusi
normal. Untuk melakukan pengujian asumsi normalitas data tersebut
dilakukan dengan menggunakan pengujian Jarque Berra (JB), jika
probabilitas JB hitung > dari nilai signifikansi yaitu 0,05 maka data
tersebut terdistribusi normal, namun apabila < 0,05 maka data tersebut
terdistribusi tidak normal.
61
0
4
8
12
16
20
-7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7
Series: Standardized Residuals
Sample 2014 2017
Observations 48
Mean 6.66e-16
Median -0.074681
Maximum 6.446248
Minimum -6.188033
Std. Dev. 1.937221
Skewness 0.380752
Kurtosis 6.574635
Jarque-Bera 26.71581
Probability 0.000002
Sumber : data sekunder yang diolah, 2018
Gambar 4.1
Hasil Uji Normalitas Pertama
Dapat diketahui pada gambar diatas bahwa nilai probability
Jarque- Bera sebesar 0.000002 lebih kecil dari nilai sig. 0.05. Dengan
demikian dapat disimpulkan bahwa data terdistribusi tidak normal.
Untuk mengatasi data terdistribusi tidak normal penulis akan
mentransformasi variabel dependen yaitu ROA dengan menggunakan
teknik transformasi logaritma sehingga diperoleh hasil dari uji
normalitas kedua yaitu sebagai berikut :
62
0
1
2
3
4
5
6
7
8
-2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0
Series: Standardized Residuals
Sample 2014 2017
Observations 38
Mean -0.016536
Median 0.252888
Maximum 1.067923
Minimum -1.839749
Std. Dev. 0.783589
Skewness -0.720031
Kurtosis 2.559986
Jarque-Bera 3.590035
Probability 0.166125
Sumber : data sekunder yang diolah, 2018
Gambar 4.2
Hasil Uji Normalitas Kedua
Pada gambar diatas , penulis telah mentransformasi log
variabel dependen dan hasil yang diperoleh adalah nilai probability
Jarque- Bera sebesar 0.166125 lebih besar dari nilai signifikansi 5%
sehingga dapat disimpulkan bahwa data dalam variabel penelitian ini
berdistribusi normal.
c. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model
regresi linier ada korelasi antara kesalahan pengganggu pada periode t
dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika
terjadi korelasi, maka dinamakan problem autokorelasi. Autokorelasi
muncul karena observasi yang berurutan sepanjang waktu berkaitan
63
satu sama lainnya. Masalah ini timbul karena residual (kesalahan
pengganggu) tidak bebas dari satu obeservasi ke observasi lainnya.
Dalam uji autokorelasi peneliti menggunakan uji Durbin – Watson
(DW test). Berikut hasil pengujian uji Durbin- Watson pada tabel 4.3 :
Tabel 4.3
Hasil Uji Durbin-Watson
R-squared 0.554277 Mean dependent var -0.151947
Adjusted R-squared 0.514949 S.D. dependent var 0.946535
S.E. of regression 0.658570 Sum squared resid 14.74630
F-statistic 14.09353 Durbin-Watson stat 1.775987
Prob(F-statistic) 0.000004
Sumber : data sekunder yang diolah, 2018
Dapat dilihat pada tabel diatas nilai Durbin Watson adalah
1.775987. Untuk mengetahui letak Durbin – Watson dalam penelitian
ini maka penulis akan menggambarkannya melalui grafik. Berdasarkan
tabel DW dengan nilai signifikansi 0.05 atau 5 % yang mana nilai k =
3 (k = jumlah variabel independen) dan n = 48 (n= sampel) didapatkan
nilai dl sebesar 1.4064 dan nilai du sebesar 1.6708.
64
0 dl du DW 4-du 4-dl 4
1.4064 1.6708 1.775987 2.3292 2.5936
Sumber : data sekunder yang diolah,2018
Gambar 4.3
Grafik Autokorelasi dengan Uji Durbin- Watson
Dari grafik diatas dapat diketahui bahwa DW > du dimana nilai
DW berada pada daerah yang tidak ada autokorelasi sehingga dalam
penelitian ini dapat disimpulkan tidak terjadi adanya autokorelasi.
d. Uji Heteroskedastisitas
Heteroskedastisitas merupakan pelanggaran dari asumsi
homoskedastisitas (semua gangguan/disturbance yang muncul dalam
persamaan regresi bersifat homokedastik atau mempunyai varians
yang sama pada tiap kondisi pengamatan). Cara mengetahui ada atau
tidaknya gejala heteroskedastisitas pada penelitian ini adalah dengan
melakukan pengujian dengan uji glejser. Jika signifikansi dari
probability < 0,05 maka model tersebut mengandung
65
heteroskedastisitas, dan apabila signifikansi dari prob*R > 0,05 maka
model tersebut tidak mengandung heteroskedastisitas. Berikut tabel
hasil uji heteroskedastisitas:
Tabel 4.4
Hasil Uji Heteroskedastisitas dengan Metode Uji Glejser
Dependent Variable: RESABS
Method: Panel EGLS (Cross-section random effects)
Date: 08/21/18 Time: 22:47
Sample: 2014 2017
Periods included: 4 Cross-sections included: 12
Total panel (unbalanced) observations: 38
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 2.128064 0.861750 2.469467 0.0187
NPF 0.052947 0.036739 1.441196 0.1587
BOPO -0.016712 0.008917 -1.874064 0.0695
CAR -0.006858 0.006999 -0.979824 0.3341
Sumber : data sekunder yang diolah, 2018
Pada tabel diatas dapat kita ketahui bahwa nilai probability
antar variabel lebih dari 0.05. Dengan demikian data dalam variabel
penelitian ini terbebas dari gejala heteroskedastisitas.
66
3. Uji Statistik (Uji Regresi)
Dalam melakukan regresi data panel hendaknya memilih model regresi
yang tepat untuk digunakan. Berikut pemilihan model regresi data panel :
a. Estimasi common effect
Tabel 4.5
Model Regresi Common Effect (OLS)
Dependent Variable: LOGROA
Method: Panel Least Squares
Date: 08/21/18 Time: 22:00
Sample: 2014 2017
Periods included: 4 Cross-sections included: 12
Total panel (unbalanced) observations: 38
Variable Coefficient Std. Error t-Statistic Prob.
C 5.652585 1.686126 3.352410 0.0020
NPF -0.290880 0.068303 -4.258678 0.0002
BOPO -0.057818 0.017662 -3.273544 0.0024
CAR 0.012666 0.013135 0.964263 0.3417
R-squared 0.648708 Mean dependent var -0.258742
Adjusted R-squared 0.617712 S.D. dependent var 1.319800
S.E. of regression 0.816025 Akaike info criterion 2.530557
Sum squared resid 22.64049 Schwarz criterion 2.702935
Log likelihood -44.08058 Hannan-Quinn criter. 2.591888
F-statistic 20.92856 Durbin-Watson stat 1.191279
Prob(F-statistic) 0.000000
Sumber : data sekunder yang diolah, 2018
67
b. Estimasi fixed effect
Tabel 4.6
Model Regresi Fixed Effect
Dependent Variable: LOGROA
Method: Panel Least Squares
Date: 08/21/18 Time: 22:01
Sample: 2014 2017
Periods included: 4 Cross-sections included: 12
Total panel (unbalanced) observations: 38
Variable Coefficient Std. Error t-Statistic Prob.
C 5.187094 1.884007 2.753224 0.0113
NPF -0.321975 0.112093 -2.872376 0.0086
BOPO -0.048306 0.018250 -2.646901 0.0144
CAR -0.000161 0.030446 -0.005278 0.9958
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.830815 Mean dependent var -0.258742
Adjusted R-squared 0.727832 S.D. dependent var 1.319800
S.E. of regression 0.688536 Akaike info criterion 2.378883
Sum squared resid 10.90388 Schwarz criterion 3.025299
Log likelihood -30.19878 Hannan-Quinn criter. 2.608873
F-statistic 8.067537 Durbin-Watson stat 2.400831
Prob(F-statistic) 0.000007
Sumber: data sekunder yang diolah, 2018
68
c. Estimasi random effect
Tabel 4.7
Model Regresi Random Effect
Dependent Variable: LOGROA
Method: Panel EGLS (Cross-section random effects)
Date: 08/21/18 Time: 22:02
Sample: 2014 2017
Periods included: 4 Cross-sections included: 12
Total panel (unbalanced) observations: 38
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 5.157633 1.648285 3.129090 0.0036
NPF -0.294637 0.079212 -3.719611 0.0007
BOPO -0.052066 0.016513 -3.153002 0.0034
CAR 0.012915 0.015395 0.838942 0.4074
Effects Specification
S.D. Rho
Cross-section random 0.540974 0.3817
Idiosyncratic random 0.688536 0.6183
Weighted Statistics
R-squared 0.554277 Mean dependent var -0.151947
Adjusted R-squared 0.514949 S.D. dependent var 0.946535
S.E. of regression 0.658570 Sum squared resid 14.74630
F-statistic 14.09353 Durbin-Watson stat 1.775987
Prob(F-statistic) 0.000004
Unweighted Statistics
R-squared 0.647338 Mean dependent var -0.258742
Sum squared resid 22.72881 Durbin-Watson stat 1.152248
Sumber:data sekunder yang diolah, 2018
Setelah melakukan tiga model regresi seperti diatas dilanjutkan
dengan langkah selanjutnya, pemilihan model regresi data panel
dengan chow test (Uji F), uji hausman, dan uji lagrange multiplier.
69
1) Uji Chow (Uji F)
Tabel 4.8
Hasil Uji Chow Test
Redundant Fixed Effects Tests
Equation: Untitled Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 2.250593 (11,23) 0.0487
Cross-section Chi-square 27.763617 11 0.0035
Sumber: data sekunder yang diolah, 2018 diolah, 2018
Dari hasil uji chow pada tabel 4.4 dapat diperhatikan bahwa
nilai cross section Chi-Square jika nilainya > 0.05 maka model CE
yang dipilih. Hasil uji chow diatas mempunyai nilai F 0.0035 < 0.05
sehingga dapat disimpulkan pada uji chow menggunakan FE atau fixed
effect.
2) Uji Hausman
Tabel 4.9
Hasil Uji Hausman
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob. Cross-section random 0.652157 3 0.8844
Sumber: data sekunder yang diolah, 2018.
70
Dari hasil uji hausman diatas dapat diperhatikan bahwa nilai
probability cross section random adalah sebesar 0.8844. Jika nilai
probability > 0.05 maka dapat diambil kesimpulan bahwa model
regresi yang baik digunakan adalah model random effect.
3) Uji Lagrange Multiplier
Tabel 4.10
Hasil Uji Lagrange Multiplier
Lagrange Multiplier Tests for Random Effects
Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided
(all others) alternatives
Test Hypothesis
Cross-section Time Both
Breusch-Pagan 5.006442 0.277325 5.283766
(0.0253) (0.5985) (0.0215)
Sumber: data sekunder yang diolah, 2018
Dari hasil uji lagrange multiplier diatas, nilai cross section
breusch pagan adalah sebesar 0.0253. Jika nilai cross section breusch
pagan > 0.05 maka model mengikuti common effect, namun dalam uji
LM diatas nilainya < 0.05 sehingga dapat disimpulkan bahwa dalam
uji LM menggunakan random effect sebagai model regresi yang
terbaik.
Berdasarkan pengujian terhadap ketiga model regresi data
panel , dapat disimpulkan bahwa random effect model dalam regresi
data panel digunakan lebih lanjut dalam mengestimasi pengaruh non
71
performing financing, dan bopo terhadap return on asset dengan
capital adequacy ratio sebagai variabel intervening.
Untuk mengetahui dan menguji hubungan antar variabel bebas
NPF, BOPO, CAR terhadap variabel terikat ROA. Penelitian ini
menggunakan model regresi random effect dengan metode GLS
(Generalized Least Square). Hasil regresi yang diperoleh nantinya
akan dilakukan pengujian terhadap signifikansi yang meliputi uji t, uji
F, dan uji determinasi. Untuk pengolahan data digunakan program
econometric views (Eviews) sebagai alat untuk pengukuran dan
pengujiannya.
3.1 Analisis Model Regresi Pertama
a) Uji Parameter Individual (ttest)
Uji t dilakukan untuk mengetahui pengaruh variabel bebas
terhadap variabel terikat secara parsial. Uji t dalam penelitian ini
dilakukan dengan proram Eviews9. Adapun penjelasan mengenai
output regresi linier berganda yang disajikan pada tabel 4.7 adalah
sebagai berikut:
72
Tabel 4.11
Hasil Uji Parameter Individual (ttest)
Dependent Variable: LOGROA
Method: Panel EGLS (Cross-section random effects)
Date: 08/21/18 Time: 22:02
Sample: 2014 2017
Periods included: 4 Cross-sections included: 12
Total panel (unbalanced) observations: 38
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 5.157633 1.648285 3.129090 0.0036
NPF -0.294637 0.079212 -3.719611 0.0007
BOPO -0.052066 0.016513 -3.153002 0.0034
CAR 0.012915 0.015395 0.838942 0.4074
Effects Specification
S.D. Rho
Cross-section random 0.540974 0.3817
Idiosyncratic random 0.688536 0.6183
Weighted Statistics
R-squared 0.554277 Mean dependent var -0.151947
Adjusted R-squared 0.514949 S.D. dependent var 0.946535
S.E. of regression 0.658570 Sum squared resid 14.74630
F-statistic 14.09353 Durbin-Watson stat 1.775987
Prob(F-statistic) 0.000004
Unweighted Statistics
R-squared 0.647338 Mean dependent var -0.258742
Sum squared resid 22.72881 Durbin-Watson stat 1.152248
Sumber: data sekunder yang diolah, 2018
Dalam uji t, maka perlu diperhatikan nilai t-statistic dalam
suatu model regresi. Nilai ttabel dapat dilihat dari tabel t-statistic, dan
ditemukan bahwa nilai ttabel adalah sebesar 1.681 pada tingkat
signifikansi 0.05.
73
1) NPF
Variabel NPF menunjukkan nilai koefisien pada signifikansi
5% adalah sebesar -0,294637 dengan nilai prob* 0,0007 kurang
dari 0.05, dan besarnya thitung > ttabel (3.719611 > 1.681), maka H1
diterima. Dengan demikian dapat disimpulkan bahwa NPF
memiliki pengaruh yang negative signifikan terhadap return on
asset.
2) BOPO
Variabel BOPO mempunyai nilai koefisien pada signifikansi
0.05 adalah sebesar -0.052066 dengan nilai prob* 0.0034 < 0.05
dan besarnya thitung > ttabel (3.153002 > 1.681) , maka H2 diterima
sehingga dapat disimpulkan bahwa variabel BOPO secara parsial
memiliki pengaruh negative signifikan terhadap ROA.
3) CAR
Variabel CAR menunjukkan nilai koefisien sebesar 0.012915
dengan nilai prob* 0.4074 > 0.05 dan besarnya thitung < ttabel
(0.838942 < 1.681), maka H3 ditolak. Maka dapat diartikan bahwa
CAR memiliki pengaruh positif tidak signifikan terhadap ROA.
74
b) Uji F (simultan)
Uji F dilakukan untuk mengetahui pengaruh variabel bebas
terhadap variabel terikat secara simultan. Uji F dalam penelitian ini
dilakukan menggunakan program Eviews9. Adapun penjelasan
mengenai hasil uji F yang disajikan pada tabel 4.8 dibawah ini :
Tabel 4.12
Hasil Uji F
Dependent Variable: LOGROA
Method: Panel EGLS (Cross-section random effects)
Date: 08/21/18 Time: 22:02
Sample: 2014 2017 Periods included: 4
Cross-sections included: 12
Total panel (unbalanced) observations: 38
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 5.157633 1.648285 3.129090 0.0036
NPF -0.294637 0.079212 -3.719611 0.0007
BOPO -0.052066 0.016513 -3.153002 0.0034
CAR 0.012915 0.015395 0.838942 0.4074 Effects Specification
S.D. Rho
Cross-section random 0.540974 0.3817
Idiosyncratic random 0.688536 0.6183
Weighted Statistics
R-squared 0.554277 Mean dependent var -0.151947
Adjusted R-squared 0.514949 S.D. dependent var 0.946535
S.E. of regression 0.658570 Sum squared resid 14.74630
F-statistic 14.09353 Durbin-Watson stat 1.775987
Prob(F-statistic) 0.000004
Sumber : data sekunder yang diolah, 2018
75
Hasil uji F pada penelitian ini memiliki nilai koefisien sebesar
14.09353 dengan prob* F statistik sebesar 0.00004 < 0.05. Dengan
demikian dapat disimpulkan bahwa variabel bebas NPF, BOPO dan
CAR secara simultan atau bersama sama memiliki pengaruh positif
signfiikan terhadap ROA.
c) Koefisien Determinasi (R2)
Tabel 4.13
Hasil Uji Koefisien Determinasi (R2)
Dependent Variable: LOGROA
Method: Panel EGLS (Cross-section random effects)
Date: 08/21/18 Time: 22:02
Sample: 2014 2017 Periods included: 4
Cross-sections included: 12
Total panel (unbalanced) observations: 38
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 5.157633 1.648285 3.129090 0.0036
NPF -0.294637 0.079212 -3.719611 0.0007
BOPO -0.052066 0.016513 -3.153002 0.0034
CAR 0.012915 0.015395 0.838942 0.4074 Effects Specification
S.D. Rho
Cross-section random 0.540974 0.3817
Idiosyncratic random 0.688536 0.6183
Weighted Statistics
R-squared 0.554277 Mean dependent var -0.151947
Adjusted R-squared 0.514949 S.D. dependent var 0.946535
S.E. of regression 0.658570 Sum squared resid 14.74630
F-statistic 14.09353 Durbin-Watson stat 1.775987
Prob(F-statistic) 0.000004
Sumber : data sekunder yang diolah , 2018
76
Koefisien determinasi mencerminkan besarnya kontribusi
perubahan variabel bebas dalam menjalankan perubahan pada
variabel terikat secara bersama-sama, dengan tujuan untuk mengukur
kebenaran dan kebaikan hubungan antara variabel dalam model yang
digunakan. Besarnya nilai adjusted R square antara 0 < adjusted R2 <
1. Jika nilai Adjusted R2 semakin mendekati satu maka model yang
diusulkan dikatakan baik karena semakin tinggi variasi variabel
terikat yang dapat dijelaskan oleh variabel bebasnya.
Berdasarkan hasil uji R2 yang disajikan pada tabel 4.9
diketahui bahwa nilai koefisien determinasi untuk model regresi
antara variabel bebas dan terikat adalah 0.514949. Nilai ini berarti
bahwa variasi variabel independen dapat mempengaruhi sebesar
51.4949 % terhadap ROA. Sedangkan 48.5051 % lainnya, ROA
dipengaruhi oleh variasi variabel lain yang tidak dimasukkan kedalam
model penelitian ini.
3.2 Analisis Regresi Model Kedua
Analisis regresi model dua digunakan untuk
mengetahuikekuatan hubungan dari variabel bebas terhadap variabel
mediasi atau intervening. Pada analisis regresi model kedua persamaan
strukturalnya adalah :
77
Tabel 4.14
Hasil Uji Regresi Model Kedua
Dependent Variable: CAR
Method: Panel EGLS (Cross-section random effects)
Date: 08/22/18 Time: 15:15
Sample: 2014 2017
Periods included: 4 Cross-sections included: 12
Total panel (balanced) observations: 48
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 32.03288 4.690283 6.829625 0.0000
NPF -0.083746 0.162147 -0.516483 0.6080
BOPO -0.091495 0.042000 -2.178470 0.0346
Sumber: data sekunder yang diolah, 2018
a. Uji Parameter Individual (Ttest)
Variabel NPF memiliki nilai koefisien -0.083746 dengan nilai
prob 0.6080 > 0.05, maka H4 ditolak. Hal ini berarti bahwa NPF
memiliki pengaruh negatif tidak signifikan terhadap CAR.
Variabel BOPO memiliki nilai koefisien -0.901495 dengan
nilai prob 0.0346 < 0.05, maka H5 diterima. Hal ini menunjukkan
bahwa BOPO memiliki pengaruh negatif signifikan terhadap CAR.
78
b. Uji F
Tabel 4.15
Hasil Uji F
Dependent Variable: CAR
Method: Panel EGLS (Cross-section random effects)
Date: 08/22/18 Time: 18:52
Sample: 2014 2017
Periods included: 4
Cross-sections included: 12
Total panel (balanced) observations: 48
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 32.03288 4.690283 6.829625 0.0000
NPF -0.083746 0.162147 -0.516483 0.6080
BOPO -0.091495 0.042000 -2.178470 0.0346
Effects Specification
S.D. Rho
Cross-section random 10.30447 0.8325
Idiosyncratic random 4.622320 0.1675
Weighted Statistics
R-squared 0.230482 Mean dependent var 4.869826
Adjusted R-squared 0.196282 S.D. dependent var 5.439977
S.E. of regression 4.876957 Sum squared resid 1070.312
F-statistic 6.739099 Durbin-Watson stat 1.005035
Prob(F-statistic) 0.002754
Unweighted Statistics
R-squared -0.076680 Mean dependent var 22.25187
Sum squared resid 7773.674 Durbin-Watson stat 0.138377
Sumber : data sekunder yang diolah, 2018
Berdasarkan uji F dependen CAR dapat diketahui bahwa nilai
prob* F statistic sebesar 0.002754 < 0.05. Hal ini berarti bahwa
79
variabel NPF dan BOPO secara bersama - sama memiliki pengaruh
positif signifikan terhadap CAR.
c. Uji Koefisien Determinasi (R2)
Tabel 4.16
Hasil Uji Koefisien Determinasi (R2)
Dependent Variable: CAR
Method: Panel EGLS (Cross-section random effects)
Date: 08/22/18 Time: 18:52
Sample: 2014 2017
Periods included: 4 Cross-sections included: 12
Total panel (balanced) observations: 48
Swamy and Arora estimator of component variances
Cross-section random 10.30447 0.8325
Idiosyncratic random 4.622320 0.1675
Weighted Statistics
R-squared 0.230482 Mean dependent var 4.869826
Adjusted R-squared 0.196282 S.D. dependent var 5.439977
S.E. of regression 4.876957 Sum squared resid 1070.312
F-statistic 6.739099 Durbin-Watson stat 1.005035
Prob(F-statistic) 0.002754
Unweighted Statistics
R-squared -0.076680 Mean dependent var 22.25187
Sum squared resid 7773.674 Durbin-Watson stat 0.138377
Sumber : data sekunder yang diolah, 2018
Hasil analisis koefisien determinasi diperoleh nilai R2 adalah
sebesar 0.196282 atau sebesar 19.6282 %. Hal ini menunjukkan bahwa
pengaruh model dalam penelitian ini sebesar 19.6282 % sedangkan
80
sisanya sebesar 80,3718 % dipengaruhi oleh variabel lainnya yang
tidak dimasukkan ke dalam model penelitian.
4. Analisis Jalur (Path Analysis)
Pengujian penelitian ini menggunakan analisis jalur. Analisis jalur
merupakan perluasan dari analisis regresi linier berganda. Analisis regresi
dilakukan sebanyak dua kali. Analisis regresi yang pertama untuk
mengetahui kekuatan hubungan dari variabel bebas terhadap variabel
terikat. Analisis regresi kedua untuk mengetahui kekuatan hubungan dari
variabel bebas terhadap variabel mediasi atau intervening.
a. Interpretasi Analisis Jalur
Berdasarkan hasil uji t pada regresi pertama diperoleh nilai
koefisien variabel NPF sebesar -0.294637. Nilai koefisien -0.294637
merupakan nilai path atau jalur P1. Nilai koefisien BOPO sebesar -
0.052066. Nilai koefisien -0.052066 merupakan nilai path atau jalur
P2. Nilai koefisien CAR sebesar 0.012915. Nilai koefisien 0.012915
merupakan nilai path atau P3.
Berdasarkan hasil uji t pada regresi kedua diperoleh nilai
koefisien NPF sebesar -0.083746. Nilai koefisien -0.083746
merupakan nilai path atau jalur P4. Nilai koefisien BOPO sebesar -
0.901495 merupakan nilai path atau jalur P5.
81
Berdasarkan uji R2 yang tampak pada gambar 4.13 diperoleh
nilai e1 = √1 − 𝑅² = √1 − 0.5149 = √(0.4851) = 0.6965. Pengaruh
antara variabel NPF, variabel BOPO dan variabel CAR terhadap ROA
dapat di gambarkan melalui persamaan struktural satu yaitu :
ROA = b1NPF + b2 BOPO + b3 CAR + 0.6965 e1
ROA = -0.294 NPF + -0.0520 BOPO + 0.0129 CAR + 0.6965 e1
Berdasarkan uji R2 yang tampak pada gambar 4.16 diperoleh
nilai e2 = √1 − 𝑅² = √1 − 0.1962 = √(0.8038) = 0.8965. Pengaruh
kasual empiris antara NPF dan BOPO terhadap CAR dapat
digambarkan melalui persamaan struktural 2 (dua) sebagai berikut :
CAR = b1 NPF + b2 BOPO + 0.8965 e2
CAR = -0.0837 NPF + -0.0914 BOPO + 0.8965 e2
Secara lengkap hasil analisis jalur dalam penelitian ini,
dijelaskan secara rinci pada gambar 4.4:
82
-0.294637
-0.083746
0.012915
-0.091495 - 0.052066
Gambar 4.4
Hasil Analisis Jalur
Hasil dari gambar 4.4 diatas dijelaskan dalam tabel berikut ini :
Tabel 4.17
Ringkasan Hasil Estimasi Dua Regresi
Model Koefisien T Probability R R2
Persamaan struktural 1 (X1,X2,Y2 ke Y1)
X1 = P1 X1Y1 -0.294637 -3.719611 0.0007
0.6965 X2 = P2X2Y1 -0.052066 -3.153002 0.0034
Y2 = P3Y2Y1 0.012915 0.838942 0.4074
Persamaan struktural 2 (X1,X2 ke Y2)
X1 = P4 X1Y2 -0.083746 -0.516483 0.6080 0.8965
X2 = P5 X2Y2 -0.901495 -2.178470 0.0346
Sumber : data sekunder yang diolah, 2018
ROA
(Y1)
BOPO
(X2)
CAR
NPF
(X1)
e2 = 0.8965 e1 = 0.6965
83
b. Pengaruh Langsung dan Tidak Langsung
Pada model jalur, penelitian ini akan menjelaskan langsung dan tidak
langsung variabel bebas terhadap variabel terikat.
1) Pengaruh Variabel NPF terhadap ROA
Pengaruh langsung (X1Y1) = -0.294637
Pengaruh tidak langsung (melalui CAR)
X1Y1*Y2Y1 = (-0.083746) * (0.012915) = -0.001082
Apabila pengaruh tidak langsung lebih besar daripada pengaruh
langsung maka dapat disimpulkan bahwa hubungan yang sebenarnya
adalah tidak langsung atau melalui variabel intervening.
Dari hasil tersebut dapat disimpulkan bahwa variabel NPF
tidak berpengaruh secara langsung terhadap ROA. Hal ini disebabkan
nilai indirect effect lebih besar dari direct effect (-0.001082 > -
0.294637).
2) PengaruhVariabel BOPO terhadap ROA
Pengaruh langsung (X2Y1) = -0.052066
Pengaruh tidak langsung (melalui CAR)
X2Y2*Y2Y1 = (-0.901495)*(0.012915) = -0.011643
Apabila pengaruh tidak langsung lebih besar daripada pengaruh
langsung maka dapat disimpulkan bahwa hubungan yang sebenarnya
adalah tidak langsung atau melalui variabel intervening.
84
Dari hasil tersebut dapat disimpulkan bahwa variabel BOPO
tidak berpengaruh langsung terhadap ROA. Hal ini disebabkan indirect
effect lebih besar daripada direct effect (-0.011643 > -0.052066).
Tabel 4.18
Hasil Analisis Pengaruh Langsung dan Tidak Langsung
N
o
Variabel
Direct
Indirect
Total
Kriteria
Kesimpulan
1 Variabel
NPF -0.2947 -0.0011 -0.2958
Indirect
effect >
derect effect
=
intervening
CAR sebagai
variabel
intervening
2 Variabel
BOPO -0.0521 -0.0117 -0.0638
Indiirect
effect >
derect effect
=
intervening
CAR sebagai
variabel
intervening
Sumber : data sekunder yang diolah,2018
Berdasarkan uraian tabel diatas, maka pengaruh tidak langsung
variabel NPF (X1) terhadap ROA (Y) melalui CAR (Z) sebesar -
0.0011 > pengaruh langsung variabel NPF terhadap ROA sebesar -
0.2947. Dengan demikian H6 diterima. Pengaruh tidak langsung
variabel BOPO (X2) terhadap ROA (Y) melalui CAR (Z) sebesar -
0.0117 > pengaruh langsung variabel BOPO terhadap ROA sebesar -
0.0521. Dengan demikian H7 diterima.
85
Dari hasil tersebut dapat diketahui bahwa pengaruh NPF dan
BOPO terhadap ROA berpengaruh dengan melalui CAR. Jadi dapat
disimpulkan bahwa CAR dapat memediasi hubungan antara NPF dan
BOPO terhadap ROA.
C. Pembahasan
1. Pengaruh NPF terhadap ROA
Berdasarkan hasil uji signifikansi parameter individual (uji statistik
t) diperoleh nilai koefisien -0.294637 dengan nilai prob* 0.0007 < 0.05.
Karena nilai prob* lebih kecil dari nilai signifikansi maka keputusannya
H1 diterima . Artinya variabel NPF memiliki pengaruh negative signifikan
terhadap ROA.
Hasil penelitian ini sejalan dengan penelitian sebelumnya oleh
Septiani dan Putu (2016), Africano (2016) dan Rizal (2016) yang
menyatakan bahwa NPF adalah rasio yang digunakan untuk mengukur
perbandingan antara kredit kurang lancar, diragukan dan macet dengan
total kredit yang diberikan. Pengaruh negative yang ditunjukkan oleh NPF
mengindikasikan bahwa semakin meningkat maka ROA akan semakin
menurun dan sebaliknya jika NPF menurun akan meningkatkan tingkat
pendapatan bank yang tercermin dalam rasio ROA. Hal ini terjadi karena
kredit yang bermasalah tidak akan memberikan hasil. Pengaruh NPF
negative signifikan terhadap ROA menunjukkan bahwa nilai NPF yang
tinggi memiliki dampak yang serius pada penurunan ROA. Kondisi ini
86
disebabkan oleh nilai PPAP (Penyisihan Penghapusan Aktiva Produktif)
yang belum dapat menutupi kredit bermasalah.
Berbeda dengan hasil penelitian yang dilakukan oleh Simatupang
dan Franzlay (2016) yang menyatakan bahwa NPF tidak memiliki
pengaruh terhadap ROA yang mengindinkasikan bahwa NPF yang
meningkat tidak mempengaruhi kinerja dan perubahan laba pada suatu
bank.
Standar yang digunakan oleh Bank Indonesia untuk rasio NPF
adalah sebesar 5 %. Menurut Surat Edaran Bank Indonesia Nomor
9/29/DPbs tanggal 7 Desember 2007 peringkat NPF digambarkan jika
NPF > 16 % maka tingkat pengembalian aset sangatlah rendah. Rata –rata
NPF Bank Umum Syariah pada periode 2014 – 2017 adalah sebesar 6.21
%. Artinya rasio NPF berada pada peringkat pertama dimana NPF < 7%.
Rasio NPF yang dimiliki oleh BUS saat ini mengindikasikan bahwa BUS
memiliki kualitas pengembalian aktiva yang sangat tinggi. Hal ini sangat
berpengaruh tehadap laba sebelum pajak dengan pengembalian aset yang
diproksikan dengan ROA. Sehingga dapat disimpulkan jika NPF menurun
sebesar 1 % maka akan meningkatkan tingkat ROA sebesar 29.4637 %.
87
2. Pengaruh BOPO terhadap ROA
Variabel BOPO mempunyai nilai koefisien pada signifikansi 0.05
adalah sebesar -0.052066 dengan nilai prob* 0.0034 < 0.05 sehingga dapat
disimpulkan bahwa variabel BOPO secara parsial memiliki pengaruh
negative signifikan terhadap ROA dan keputusan hipotesis H2 diterima.
Hasil penelitian ini sejalan dengan penelitian sebelumnya yang
dilakukan oleh Mismiwati (2016), Harianto (2017) dan Yuhanah (2016)
menyatakan bahwa BOPO memiliki pengaruh signifikan negative
terhadap ROA. Pengaruh negative yang dimiliki BOPO mengindikasikan
bahwa setiap kenaikan BOPO akan menurunkan ROA dan setiap
penurunan BOPO akan meningkatkan ROA. Hal ini disebabkan karena
tingkat efisiensi bank dalam menjalankan operasionalnya berpengaruh
terhadap tingkat pendapatan yang dihasilkan oleh bank.
Penelitian ini juga bertolak belakang dengan penelitian dari
Nikmah, Z (2018), Sarwindah, B (2014) yang menyatakan bahwa BOPO
tidak memiliki pengaruh terhadap ROA. Hal ini mengindikasikan bahwa
naik turunnya biaya operasional tidak mempengaruhi perubahan laba yang
diukur melalui ROA pada suatu bank. Ini disebabkan karena biaya
operasional yang dikeluarkan bank dapat ditutup dengan pendapatan
operasional bank.
Standar rasio yang digunakan Bank Indonesia untuk mengukur
BOPO adalah 83 – 90 %. Rata- rata BOPO pada BUS periode 2014 –
88
2016 adalah 101.21 %. Rasio ini berada pada tingkat 5 yang memiliki arti
bahwa semakin tinggi tingkat BOPO maka kinerja manajemen bank
tersebut kurang efisien dalam menggunakan sumber daya yang ada di
bank yang akan berakibat pada berkurangnya laba sebelum pajak yang
pada akhirnya akan menurunkan ROA. Dalam penelitian ini jika rasio
BOPO menurun sebesar 1 % maka akan meningkatkan ROA sebesar
5.2066 %.
3. Pengaruh CAR terhadap ROA
Variabel CAR menunjukkan nilai koefisien sebesar 0.012915
dengan nilai prob* 0.4074 > 0.05. Maka dapat diartikan bahwa CAR tidak
memiliki pengaruh secara parsial terhadap ROA.
Penelitian ini sejalan dengan penelitian sebelumnya yang dilakukan
oleh Yogianta, Catur Wahyu (2013), Harianto (2017), Ummah dan
Suprapto (2015) dan Hakiim dan Rafsanjani (2016) menyatakan bahwa
CAR tidak memiliki pengaruh terhadap ROA. CAR merupakan rasio
permodalan yang menunjukkan kemampuan bank dalam menyediakan
dana untuk keperluan pengembangan usaha dan menampung resiko
kerugian dana yang diakibatkan oleh kegiatan operasi bank. Tidak
berpengaruhnya CAR terhadap ROA mengindikasikan bahwa peningkatan
atau penurunan CAR selama periode penelitian tidak mempengaruhi
kenaikan atau penurunan ROA. Hal ini berarti bahwa kinerja bank yang
mempunyai permodalan relative kecil, tidak mempengaruhi ROA. Secara
89
teoritis peningkatan modal sendiri yang dimiliki oleh bank akan
menurunkan dana sehingga perubahan laba bank akan rendah. Jika tidak
diikuti dengan peningkatan ekspansi manajemen bank maka hal ini tidak
membawa perubahan laba pada bank.
Berbeda dengan penelitian yang dilakukan oleh Anggraeni dan
Suardhika (2014), Simatupang dan Franzlay (2016), Fitriana (2016) yang
menyatakan bahwa CAR memiliki pengaruh yang positif signifikan
terhadap ROA. Hal ini mengindikasikan bahwa peningkatan CAR akan
meningkatkan kinerja bank yang diukur melalui ROA. Secara teoritis bank
yang memiliki CAR diatas 8% sangat baik karena bank mampu
menanggung resiko yang timbul.
Standar yang digunakan oleh Bank Indonesia untuk mengukur CAR
adalah 8 %. Semakin tinggi rasio kecukupan modal yang dimiliki oleh
bank maka akan semakin baik bank dalam menanggung resiko seperti
pembiayaan bermasalah yang akan berujung pada kenaikan ROA. Rata –
rata rasio CAR pada BUS periode 2014 – 2016 adalah 22.25 % sehingga
dikatakan bahwa BUS memiliki kecukupan modal yang cukup baik.
Namun dalam hasil penelitian ini didapati bahwa CAR tidak berpengaruh
terhadap ROA sehingga dapat disimpulkan bahwa naik turunnya tingkat
CAR atau besarnya kecukupan modal tidak mempengaruhi kinerja dan
operasi bank yang akan berpengaruh terhadap perubahan laba atau ROA.
90
4. Pengaruh NPF terhadap CAR
Nilai koefisien variabel NPF sebesar -0.083746 dengan nilai prob*
0.6080 yang berarti > 0.05 sehingga dapat disimpulkan bahwa NPF
memiliki pengaruh negatif tidak signifikan terhadap CAR. Dengan
demikian hipotesis H4 ditolak.
Penelitian ini tidak sejalan dengan penelitian yang dilakukan oleh
Lestari dan Chatarine (2016), Sarwindah, B (2014) yang menyatakan
bahwa NPF memiliki pengaruh negative tidak signifikan terhadap CAR.
Hal ini mengindikasikan bahwa jika NPF meningkat maka tidak akan
mempengaruhi modal dalam suatu bank secara signifikan. Pengaruh
negatif yang diberikan oleh NPF adalah mengindikasikan bahwa ketika
pembiayaan mengalami masalah atau macet atau diragukan maka secara
teoritis akan menurunkan modal dalam suatu bank karena modal tersebut
digunakan untuk menutupi resiko yang timbul termasuk dengan
pembiayaan bermasalah.
Penelitian ini didukung dengan penelitian yang dilakukan oleh
Choiruddin dkk (2016), Bukian dan Sudhiarta (2016), Natasia (2015) yang
menyatakan bahwa NPF memiliki pengaruh yang positif signifikan
terhadap CAR. Hal ini berarti bahwa ketika NPF mengalami kenaikan
dengan adanya agunan yang diambil oleh bank dari debitur maka akan
menambah modal bagi bank untuk peningkatan kegiatan operasionalnya.
91
NPF memiliki pengaruh negatif tidak signifikan terhadap CAR
yang diartikan bahwa jika pembiayaan bermasalah meningkat maka modal
belum tentu menurun. Hal ini dikarenakan modal dalam suatu bank dapat
menutupi pembiayaan yang bermasalah.
5. Pengaruh BOPO terhadap CAR
Nilai koefisien variabel BOPO sebesar -0.091495 dengan nilai
prob* 0.0346 yang berarti < 0.05 sehingga dapat disimpulkan bahwa
BOPO memiliki pengaruh yang negtaif signifikan terhadap CAR.
Penelitian yang dilakukan oleh Lestari, Chaterine (2016) yang
mengemukakan bahwa BOPO memiliki pengaruh negative signifikan
terhadap CAR. Biaya operasional yang di keluarkan oleh bank lebih besar
dari pendapatan operasional yang di terima bank sehingga modal bank
akan menjadi turun, karena bank harus menutupi biaya operasional yang
dikeluarkan. Secara teoritis permodalan suatu bank akan menurun jika
pendapatan operasional suatu bank tidak mampu menutupi biaya
operasionalnya.
Penelitian ini berbeda dengan Sarwindah (2014), Putri, Fani
Awaliya (2016) yang menyatakan bahwa BOPO tidak memiliki pengaruh
terhadap CAR. Rasio BOPO yang tinggi dapat mengurangi modal yang
dimiliki oleh bank karena bank harus menutupi biaya- biaya operasional
bank yang berlebih. Hal ini bisa saja karena bank tidak mampu
mengendalikan biaya operasionalnya sehingga akan memakan pendapatan
92
operasional dan keuntungan yang dimiliki. Sebelum menyentuh modal,
bank akan menjual aset asetnya. Ketika terdapat kelebihan dari penjualan
aset yang merupakan pendapatan non- operasional ini, kelebihan akan
dimasukkan dalam modal agar bisa digunakan kembali untuk membeli
aset bank.
BOPO memiliki pengaruh negatif signifikan terhadap CAR
sehingga dapat diartikan jika rasio BOPO meningkat akan menurunkan
rasio CAR dalam suatu bank dan sebaliknya jika biaya operasional
menurun dan pendapatan operasionalnya mampu menutupi maka CAR
dalam suatu bank akan tetap terjaga. Jika rasio BOPO menurun sebesar 1
% maka akan meningkatkan ROA sebesar 9.1495 %.
6. Pengaruh NPF terhadap ROA dengan CAR sebagai Variabel
Intervening
CAR dalam model penelitian ini mampu memediasi hubungan
antara pengaruh NPF terhadap ROA pada BUS periode 2014-2017. Hal
ini disebabkan karena nilai koefisien pengaruh tidak langsung > pengaruh
langsung. Selain itu, hal ini disebabkan ketika Kewajiban Penyediaan
Modal Minimum berada pada taraf 8 % atau lebih, modal suatu bank
mampu mempengaruhi pembiayaan yang bermasalah dalam bank.
Pembiayaan yang bermasalah dapat ditutupi oleh modal bank ketika
berada pada nilai 8% atau lebih sehingga pendapatan yang didapatkan dari
pembiayaan dapat tertutup oleh modal bank yang tersedia sehingga kinerja
93
operasional bank dapat terjaga dan perolehan laba dapat meningkat.
Semakin kecil ROA maka pembiayaan yang disalurkan akan semakin
kecil atau rendah, sehingga modal bank dalam menjadi faktor penentu
agar pembiayaan bermasalah dapat tertutupi.
Penelitian ini sejalan dengan penelitian yang dilakukan oleh
Africano (2016), Septiani dan Putu (2016), CAR dapat memediasi
pengaruh NPF terhadap ROA. Namun berbeda dengan Choerudin, dkk
(2016) yang menyatakan bahwa CAR belum mampu memediasi pengaruh
antara NPF terhadap ROA.
7. Pengaruh BOPO terhadap ROA dengan CAR sebagai Variabel
Intervening
Modal dalam suatu bank dapat dijadikan cadangan ketika biaya
operasional yang dikeluarkan oleh bank tidak dapat tertutupi oleh
pendapatan operasional bank. Semakin tinggi rasio BOPO maka akan
mempengaruhi rasio ROA yang semakin menurun. Ketika ROA menurun
maka, kinerja bank dalam memperoleh laba tidak cukup baik dan itu akan
mengakibatkan pendapatan operasional suatu bank menurun sehingga
tidak menutupi biaya operasional yang dikeluarkan oleh bank. Dalam
penelitian ini CAR dapat menjadi mediasi antara pengaruh BOPO
terhadap ROA dikarenakan nilai pengaruh tidak langsung > pengaruh
langsung. Selain itu, ketika KPMM suatu bank berada pada batas yang
disesuaikan oleh BI sebesar 8%, tidak mempengaruhi adanya perolehan
94
laba pada suatu bank. Tetapi ketika rasio BOPO meningkat, modal bank
dapat menutupi biaya operasional sehingga laba suatu bank dapat terjaga.
Penelitian ini sejalan dengan penelitian yang dilakukan oleh
Sarwindah, Boby (2014) menyatakan bahwa BOPO mempengaruhi ROA
dengan dimediasi oleh CAR. Meskipun BOPO tidak berpengaruh terhadap
CAR namun CAR mampu memediasi pengaruh BOPO terhadap ROA.
Tabel 4.19
Hasil Keputusan Hipotesis
No. Hipotesis Kesimpulan
1. Non Performing Financing memiliki pengaruh negative
signifikan terhadap Return on Asset
Diterima
2. Efficiency Operational memiliki pengaruh negative
signifikan terhadap Return on Asset
Diterima
3. Caiptal Adequacy Ratio memiliki pengaruh positif signifikan
terhadap Return on Asset
Ditolak
4. Non Performing Financing memiliki pengaruh negative
signifikan terhadap Capital Adequacy Ratio
Ditolak
5. Efficiency Operational memiliki pengaruh negative
signifikan terhadap Capital Adequacy Ratio
Diterima
6. Non Performing Financing memiliki pengaruh signifikan terhadap Return on Asset melalui Capital Adequacy Ratio
Diterima
7. Efficiency Operational memiliki pengaruh signifikan
terhadap Return on Asset melalui Capital Adequacy Ratio
Diterima
95
BAB V
PENUTUP
Pada bagian ini,penulis akan memberikan kesimpulan yang sesuai
dengan pembahasan sebelumnya serta saran untuk menjadikan masukan bagi
penelitian sebelumnya.
A. Kesimpulan
Berdasarkan penelitian yang dilakukan, maka dapat disimpulkan bahwa:
1. Variabel Non Performing Financing (NPF) berpengaruh negatif signifikan
terhadap Return On Asset (ROA). Hal ini berarti bahwa semakin menurun
tingkat rasio Non Performing Financing (NPF) maka akan meningkatkan
Return On Asset (ROA) namun sebaliknya jika rasio Non Performing
Financing (NPF) semakin meningkat maka akan menurunkan Return On
Asset (ROA).
2. Variabel Efficiency Operatonal (BOPO) memiliki pengaruh yang negatif
signifikan terhadap Return On Asset (ROA). Hal ini mengindikasikan
bahwa pengaruh BOPO yang semakin meningkat akan menurunkan ROA
namun sebaliknya jika rasio BOPO semakin rendah atau menurun akan
meningkatkan ROA.
3. Variabel Capital Adequacy Ratio (CAR) memiliki pengaruh positif tidak
signifikan terhadap Return On Asset (ROA). Hal ini mempunyai arti jika
96
rasio CAR lebih besar tidak secara langsung akan mempengaruhi Retun
On Asset (ROA) dengan kata lain bahwa besar kecilnya modal dalam bank
tidak mempengaruhi penurunan atau peningkatan dalam ROA.
4. Variabel Non Performing Financing (NPF) berpengaruh negatif tidak
signifikan terhadap Capital Adequacy Ratio (CAR). Hal ini berarti bahwa
semakin rendah atau semakin tinggi rasio NPF tidak mempengaruhi nilai
modal yang dimiliki bank.
5. Variabel Efficiency Ratio (BOPO) memiliki pengaruh negatif signifikan
terhadap Capital Adequacy Ratio (CAR). Hal ini berarti bahwa semakin
besar rasio BOPO maka akan menurunkan CAR dan sebaliknya jika rasio
BOPO meningkat maka akan menurunkan CAR.
6. Pengaruh variabel Non Performing Financing (NPF) terhadap Return On
Asset (ROA) dengan Capital Adequacy Ratio (CAR) sebagai variabel
intervening dalam meningkatkan ROA dipilih jalur tidak langsung dimana
melalui intervening yaitu CAR.
7. Pengaruh variabel BOPO terhadap ROA dengan CAR sebagai variabel
intervening dalam meningkatkan ROA dipilih jalur tidak langsung yaitu
melalui CAR.
97
B. Keterbatasan
Peneliti menyadari bahwa penelitian yang dilakukan masih memiliki
beberapa keterbatasan. Adapun keterbatasan dalam penelitian ini meliputi :
1. Adanya keterbatasan pada periode sampel,yaitu hanya 4 tahun saja.
2. Pada penelitian ini hanya menggunakan kebijakan ekonomi mikro, yang
terdiri dari rasio keuangan dalam bank itu sendiri.
3. Terdapat variabel yang memiliki tidak memiliki pengaruh yang signifikan
terhadap profitabilitas yang di proksikan oleh ROA.
C. Saran
Dengan telah dilakukannya pengujian pada pengaruh NPF dan BOPO
terhadap ROA dengan CAR sebagai variabel intervening (Studi Kasus Bank
Umum Syariah Periode 2014-2017) peneliti memberikan saran :
1. Pada penelitian selanjutnya dapat menambah variabel variabel yang lebih
dominan dalam meningkatkan ROA Bank Umum Syariah seperti DPK,
FDR dll.
2. Diharapkan dapat menambah populasi dalam penelitian agar hasil yang
diharapkan lebih baik dan lebih akurat seperti menambah populasi dengan
adanya Bank Perkreditan Rakyat Syariah dan Unit-Unit Syariah.
3. Diharapkan dalam penelitian selanjutnya untuk menambah periode waktu
agar data semakin banyak dan memiliki hasil lebih baik dari penelitian ini.
98
4. Pada penelitian ini hanya menggunakan kebijakan ekonomi mikro, maka
diharapkan dalam penelitian selanjutnya dapat ditambahkan variabel
makro dalam variabel independennya seperti Inflasi, Suku Bunga dll.
5. Untuk perbankan syariah dalam meningkatkan ROA atau profitabilitas
dapat melakukan penanganan dalam mengatasi rasio keuangan dalam
bank, seperti menjaga nilai modal supaya dalam posisi aman, menjaga
KAP atau Kualitas Aktiva Produktif dengan lebih cermat dan hati - hati
dalam melakukan pemberian pembiayaan.
6. Hasil dari penelitian ini memerlukan penelitian lanjutan untuk
memperkuat hasil kebenaran teorinya.
99
DAFTAR PUSTAKA
Africano, Fernando. 2016. Pengaruh NPF Terhadap CAR Serta Dampaknya
Terhadap Profitabilitas Bank Umum Syariah di Indonesia. Jurnal Ilmiah
STIE MDP, Vol.6, No.1, halaman: 61-70.
Almunawwaroh, Medina, Rina Marliana. 2017. Pengaruh CAR, NPF, FDR
Terhadap Profitabilitas Bank Syariah di Indonesia. Amwaluna, Vol.2, No. 1,
halaman: 1-1.
Andhika, Yeana Dwi. 2017. Faktor- faktor yang Mempengaruhi Capital Adequacy
Ratio (CAR) Bank Umum Syariah di Indonesia. Jurnal Ekonomi Syariah
dan Terapan, Vo.4, No.4, halaman: 312-323.
Andini, Fathiyah, Irni Yunita. 2015. Analysis of the Influence of Return on Asset,
Return on Equity, Non Performing Loan, and Loan to Deposit Ratio to
Capital Adequacy Ratio at Banking Companies in Indonesia (Studi at
Commercial Bank that listed on Indonesia Stock Exchange Period2009-
2013). E- Proceeding of Management, Vol. 2, No.2, halaman: 1384-1391.
Anggraini, Made Ria, I Made Sadha Suardhika. 2014. Pengaruh Dana Pihak
Ketiga, Kecukupan Modal, Risiko Kredit dan Suku Bunga Kredit pada
Profitabilitas. E- Jurnal Akuntansi Universitas Udayana, Vol.9, No.1,
halaman: 27-38.
Azhar, Ian, Arim Nasim. 2016. Pengaruh Pembiayaan Jual Beli, Pembiayaan Bagi
Hasil dan Non Performing Financing Terhadap Profitabilitas (Studi Kasus
Bank Umum Syarriah di Indonesia Periode 2012- 2014). Jurnal ASET
(Akuntansi Riset), Vol 8, No.1, halaman: 51-68.
Bukian, Ni Made Winda Parascintya, Gede Merta Sudiartha. Pengaruh Kualitas
Aset, Likuiditas, Rentabilitas, dan Efisiensi Operasional Terhadap Rasio
Kecukupan Modal. E-Jurnal Manajemen Unud, Vol.5, No.2, halaman:1189-
1221.
Chatarine, Alvita, Putu Vivi Lestari. 2014. Pengaruh Kualitas Aktiva Produktif,
BOPO Terhadap ROA dan CAR pada BPR Kabupaten Badung. E-Jurnal
Manajemen Universitas Udayana. Vol. 3, No. 3, halaman: 561-577.
Choerudin, Achmad, Eny Yuniatun, Bambang Kusdiasmo. 2016. Pengaruh Non
Performing Financing dan Loan to Deposit Ratio terhadap Return on Asset
100
dengan Capital Adequacy Ratio sebagai Variabel Intervening. Jurnal
Ekonomi dan Perbankan, Vol.2, No,2, halaman: 28-47.
Dendawijaya, Lukman. 2009. Manajemen Perbankan. Jakarta: Ghalia Indonesia.
Eng, Tan Sau. 2013. Pengaruh NIM, BOPO, LDR , NPL & CAR Terhadap ROA
Bank Internasional dan Bank Nasional Go Publik Periode 2007-2011.
Jurnal Dinamika dan Manajemen, Vol. 1, No. 3, halaman: 153-167.
Fatah, Sofa Sofiana, Dadan Rahadian. 2018. The Impact of Capital Adequacy
Ratio, Non Performing Financing, Financing to Deposit Ratio and
Operational Efficiency on Bank Probability. E- Proceeding of Management,
Vol.5, No.1, halaman: 268-275.
Fitriana, Endang, Hening Widi Oetomo. 2016. Pengaruh NPF, CAR, dan EVA
Terhadap Profitabilitas Perbankan Syariah di BEI. Jurnal Ilmu dan Riset
Manajemen, Vol.5, No.4, halaman: 1-16.
Ghozali, Imam. Aplikasi Analisis Multivariate dengan Program IBM SPSS 21.
Semarang: Universitas Diponegoro.
Gudono. 2016. Analisis Data Multivariat. Yogyakarta: BPFE.
Hakiim, Ningsukma, Haqiqi Rafsanjani. 2016. Pengaruh Internal Capital
Adequacy Ratio, Financing to Deposit Ratio dan Biaya Operasional Per
Pendapatan Operasional dalam Peningkatan Profitabilitas Industri Bank
Syariah di Indonesia. Jurnal Perbankan Syariah, Vol.1, No.1, halaman: 60-
74.
Harahap, Sofyan Syafri. 2013. Analisis Kritis Atas Laporan Keuangan. Jakarta:
Rajawali Pers.
Harianto, Syawal. 2017. Rasio Keuangan dan Pengaruhnya Terhadap
Profitabilitas Bank Pembiayaan Rakyat Syariah di Indonesia. Jurnal Bisnis
dan Manajemen, Vol.7, No.1, halaman: 41-48.
Harun, Usman. 2016. Pengaruh Ratio-Ratio Keuangan CAR, LDR, NIM, BOPO,
NPL Terhadap ROA. Jurnal Riset dan Manajemen, Vol.4, No.1, halaman :
67-82.
101
Ikatan Bankir Indonesia (IBI). 2016. Manajemen Kesehatan Bank Berbasis
Risiko. Jakarta: Gramedia Pustaka Utama.
Jensen, Michael C, William H. Meckling. 1976. The Theory of the Firm:
Manajerial Behaviour, Agency Cost, and Ownership Structure, Jurnal of
Financial Economics, Vol.3, No.4, halaman:305-360.
Kasmir, 2010. Pengantar Manajemen Keuangan. Jakarta: Kencana.
2014. Analisis Laporan Keuangan. Jakarta: Rajawali Persada.
Kodifikasi Peraturan Bank Indonesia tentang Penilaian Tingkat Kesehatan Bank.
2012. Bank Indonesia: PRES.
Mawaddah, Nur. 2015. Faktor- factor yang Mempengaruhi Profitabilitas Bank
Syariah. Jurnal Etikonomi, Vol.16, No.2, halaman: 241-256.
Mismiwati. 2016. Pengaruh CAR, NIM, BOPO, LDR, dan NPL Terhadap ROA
(Studi Pasa PT. BPD Sumsel Babel). I- Finance, Vol.2, No.1, halaman : 55-
74.
Mokoagow, Sri Windarti, Misbach Fuady. 2015. Faktor- faktor yang
Mempengaruhi Profitabilitas Bank Umum Syariah di Indonesia. Jurnal
EBBANK, Vol.6, No.1, halaman: 33-62.
Muliawati, Sri, Moh. Khoiruddin. Faktor-Faktor Penentu Profitabilitas Bank
Syariah di Indonesia. Management Analysis Journal, Vol.4, No.1, halaman:
39-49.
Mulyaningsih, Sri, Iwan Fakhruddin. 2016. Pengaruh Non Performing Financing
Pembiayaan Mudharabah dan Non Performing Financing Pembiayaan
Musyarakah Terhadap Profitabilitas Bank Umum Syariah di Indonesia.
Jurnal Manajemen dan Bisnis Media Ekonomi, Vol.16, No.1, halaman: 196-
206.
Najmudin. (2011). Manajemen Keuangan dan Aktualisasi Syariah Modern.
Yogyakarta:Andi.
Natasia, Rizky. 2015. Pengaruh Risiko Kredit, Profitabilitas, Likuiditas, dan
Efisiensi Usaha Terhadap Kecukupan Modal pada Bank yang Terdaftar di
102
Bursa Efek Indonesia Periode 2010-2014. Jurnal Akuntansi UNESA, Vol. 2,
No.2, halaman : 1-24.
Nikmah, Zuhrotun. 2018. Analisis Pengaruh Dana Syirkah Temporer, FDR, dan
BOPO Terhadap Resiko Pembiayaan Serta Implikasinya Pada Profitabilitas
BPRS di Indonesia (2012-2017). Skripsi. Jakarta: FEB UIN Syarif
Hidayatullah.
Niode, Ninda Nurjanah, Chabachib. 2016. Pengaruh CAR, Pembiayaan, NPF, dan
BOPO Terhadap ROA Bank Umum Syariah di Indonesia Periode 2010-
2015. Diponegoro Journal of Management, Vol. 5, No. 3, haaman: 1-13.
Nurhasanah. 2014. Pengaruh Assets Growth dan Dana Pihak Ketiga Terhadap
Profitabilitas Perbankan yang Listing di BursaEfek Indonesia (BEI) dengan
Kecukupan Modal Sebagai Pemoderasi. Jurnal Magister Akuntansi, Vol.3,
No.3, halaman: 13-23.
Otoritas Jasa Keuangan (2017). Statistik Perbankan Syariah Desember 2017.
Putri, Fani Awaliana. 2016. Pengaruh LDR, APB, NPL, PDN, BOPO, ROA, NIM
Terhadap CAR pada Bank Pemerintah. Artikel Ilmiah. Surabaya: STIE
Perbanas.
Rahmawati, Duwi. 2018. Pengaruh Pembiayaan Mudharabah, Capital Adequacy
Ratio, Non Performing Financing dan Biaya Operasional per Pendapatan
Operasional, dan Financing to Deposit Ratio Terhadap Pofitabilitas Pada
Bank Umum Syariah di Indonesia Periode 2013-2015. Skripsi. Surakarta:
Fakultas Ekonomi dan Bisnis UMS.
Reed, Edward W, Edward K. Gill. 1995. Bank Umum. Jakarta: Bumi Aksara.
Rizal, Fitra. 2016. Pengaruh Capital Adequacy Ratio, Non Performing Financing
dan Operational Efficiency Ratio Terhadap Profitabilitas Bank Pembiayaan
Rakyat Syariah. Muslim Heritage, Vol.1, No.1, halaman: 179- 196.
Sarwindah, Bobby. 2014. Analsis Pengaruh NPL, LDR, dan BOPO Terhadap
Perubahan Laba dengan CAR Sebagai Variabel Intervening. Artikel Ilmiah.
Surabaya: STIE Perbanas.
Sarwono, Jonathan. 2007. Analisis Jalur untuk Riset Bisnis dengan SPSS.
Yogyakarta: Andyoffset.
103
Septiani, Rita, Putu Vivi Lestari. 2016. Pengaruh NPL dan LDR Terhadap
Profitabilitas dengan CAR Sebagai Variabel Mediasi pada PT BPR
Pasarraya Kuta. E-Jurnal Manajemen Unud, Vol. 5, No.1, halaman : 293 –
324.
Setiawan, Ulin Nuha Aji, Astiwi Indriani. 2016. Pengaruh Dana Pihak Ketiga,
Capital Adequacy Ratio, dan Non Performing Financing Terhadap
Profitabilitas Bank Syariah dengan Pembiayaan sebagai Variabel
Intervening. Diponegoro Journal of Management, Vol.5, No.4, halaman: 1-
11.
Simatupang, Apriani, Denis Franzlay. 2016. Capital Adequacy Ratio, Non
Performing Financing, Efisiensi Operasional dan Financing to Deposit
Ratio Terhadap Profitabilitas Bank Umum Syariah di Indonesia. Jurnal
Administrasi Kantor, Vol.4, No.2, halaman 466- 485.
SK DIR BI No:30/21/KEP/DER tanggal 20 April 1997 tentang Tata Cara Tingkat
Kesehatan Bank.
Sriyana, Jaka . 2014. Metode Regresi Data Panel. Yogyakarta: Ekosiana.
Sugiyono. 2009. Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung:
Alfabeta.
2016. Metode Penelitian Manajemen. Bandung: Alfabeta.
Sujarweni, V. Wiratna. 2017. Analisis Laporan Keuangan. Yogyakarta: Pustaka
Baru Press.
Trisnawati, Desi. 2013. Pengantar Perbankan. Yogyakarta: Orbittrust Corp.
Ummah, Fatya Khaira, Edy Suprapto. 2015. Faktor- Faktor yang Mempengaruhi
Profitabilitas pada Bank Muamalat Indonesia. Jurnal Ekonomi dan
Perbankan Syariah, Vol. 3, No.2, halaman : 1-24
Warsa, Ni Made Inten Uthami, I Ketut Mustanda. 2016. Pengaruh CAR, LDR dan
NPL Terhadap ROA pada Sektor Perbankan di Bursa Efek Indonesia. E-
Jurnal Manajemen Unud, Vol.5, No.5, halaman: 2842-2870.
104
Wibowo, Edhi Satriyo, Muhammad Syaichu. 2013. Analisis Pengaruh Suku
Bunga, Inflasi, CAR, BOPO, NPF Terhadap Profitabilitas Bank Syariah.
Diponegoro Journal of Management, Vo.2, No.2, halaman: 1-10.
Winarno, Wing Wahyu. 2007 Analisis Ekonometrika dan Statistik dengan Eviews.
Yogyakarta: UPP STIM YKPN.
Wityasari, Meryta, Irene Rini Demi Pangestuti. 2014. Analisis Pengaruh CAR,
DPK, NPL dan LDR Terhadap Prrofitabilitas Perbankan dengan LDR
Sebagai Variabel Intervening. Diponegoro Journal of Management, Vol.1,
No.1, halaman: 1-14.
www.bi.go.id
www.ojk.go.id
Yogianta, Catur Wahyu. 2013. Analisis Pengaruh CAR, NIM, LDR, NPL, dan
BOPO Terhadap Profitabilitas Studi Bank Umum yang Go Publik di Bursa
Efek Indonesia Periode 2002-20120. Jurnal Bisnis Strategi, Vol 22, No. 2,
halaman:94-111.
Yuhanah, Siti. 2016. Pengaruh Struktur Pasar Terhadap Profitabilitas Perbankan
Syariah di Indonesia. Jurnal Bisnis dan Manajemen, Vol.6, No.1, halaman:
125-138.
LAMPIRAN
LAMPIRAN I DATA UTAMA BUS PERIODE 2014-2017
No. Nama Bank Tahun NPF BOPO CAR ROA
1 BMI 2014 6,55 64,81 13,91 0,17
2015 7,11 97,41 12,36 0,20
2016 3,83 97,76 12,74 0,22
2017 4,43 97,68 13,62 0,11
2 BMS 2014 3,89 97,61 18,82 0,29
2015 4,26 99,51 18,74 0,30
2016 3,30 88,16 23,53 2,63
2017 2,95 89,16 22,19 1,56
3 BPS 2014 0,53 82,58 25,69 1,12
2015 2,63 89,29 20,30 1,99
2016 2,26 96,17 18,17 0,37
2017 12,52 217,40 11,51 -10,77
4 BNIS 2014 1,86 89,80 18,43 1,27
2015 2,53 89,63 15,48 1,43
2016 2,94 86,88 14,92 1,44
2017 2,89 87,62 20,14 1,31
5 BRIS 2014 4,60 99,77 12,89 0,08
2015 4,86 93,79 13,94 0,76
2016 4,57 91,33 20,63 0,95
2017 6,43 95,24 20,29 0,51
6 BSM 2014 6,84 100,60 14,12 -0,04
2015 6,06 94,78 12,85 0,56
2016 4,92 94,12 14,01 0,59
2017 4,53 94,44 15,89 0,59
7 BCAS 2014 0,12 88,11 29,57 0,76
2015 0,70 94,14 34,30 0,96
2016 0,50 89,18 36,78 1,13
2017 0,32 87,20 29,39 1,17
8 BJBS 2014 5,91 96,94 15,83 0,69
2015 6,93 98,78 22,53 0,25
2016 17,91 122,77 18,25 -8,09
2017 22,04 134,63 16,25 -5,69
9 BSB 2014 4,07 96,77 14,80 0,27
2015 2,99 91,99 16,31 0,79
2016 7,63 109,62 15,15 -1,12
2017 7,85 99,20 19,20 0,02
10 BVS 2014 7,10 143,31 15,27 -1,87
2015 9,80 119,19 16,14 -2,36
2016 7,21 131,34 15,98 -2,19
2017 4,59 96,02 19,29 0,36
11 MSI 2014 5,04 69,62 52,14 3,60
2015 35,15 192,60 38,40 -20,13
2016 43,99 160,28 56,06 -9,51
2017 0,00 83,36 75,83 5,50
12 BTPN 2014 0,87 87,78 32,78 4,23
2015 0,17 85,82 19,96 5,24
2016 0,2 75,14 23,8 8,98
2017 0,05 68,81 28,91 11,19
Keterangan :
BMI = Bank Muamalat Indonesia
BMS = Bank Mega Syariah
BPS = Bank Panin Syariah
BNIS = Bank Nasional Indonesia Syariah
BRIS = Bank Rakyat Indonesia Syariah
BSM = Bank Syariah Mandiri
BCAS = Bank Central Asia Syariah
BJBS = Bank Jabar Banten Syariah
BSB = Bank Syariah Bukopin
BVS = Bank Victoria Syariah
MSI = Maybank Syariah Indonesia
BTPN = Bank Tabungan Negara Syariah
LAMPIRAN UJI ANALISIS DATA
1. Uji Stasioneritas
a. Variabel NPF
Panel unit root test: Summary
Series: NPF
Date: 08/21/18 Time: 21:00
Sample: 2014 2017
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0 Newey-West automatic bandwidth selection and Bartlett kernel
Balanced observations for each test
Cross-
Method Statistic Prob.** sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -7.57077 0.0000 12 36
Null: Unit root (assumes individual unit root process)
ADF - Fisher Chi-square 22.3436 0.5588 12 36
PP - Fisher Chi-square 29.1175 0.2157 12 36
** Probabilities for Fisher tests are computed using an asymptotic Chi
-square distribution. All other tests assume asymptotic normality.
b. Variabel BOPO
Panel unit root test: Summary
Series: BOPO
Date: 08/21/18 Time: 20:56
Sample: 2014 2017
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test
Cross-
Method Statistic Prob.** sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -609.055 0.0000 12 36
Null: Unit root (assumes individual unit root process)
ADF - Fisher Chi-square 45.7243 0.0048 12 36
PP - Fisher Chi-square 53.1710 0.0005 12 36
** Probabilities for Fisher tests are computed using an asymptotic Chi
-square distribution. All other tests assume asymptotic normality.
c. Variabel CAR
Panel unit root test: Summary
Series: CAR
Date: 08/21/18 Time: 20:59
Sample: 2014 2017
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Balanced observations for each test
Cross-
Method Statistic Prob.** sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -2.91761 0.0018 12 36
Null: Unit root (assumes individual unit root process)
ADF - Fisher Chi-square 17.1716 0.8413 12 36
PP - Fisher Chi-square 19.1379 0.7446 12 36
** Probabilities for Fisher tests are computed using an asymptotic Chi
-square distribution. All other tests assume asymptotic normality.
d. Variabel ROA
Panel unit root test: Summary Series: ROA
Date: 08/21/18 Time: 21:00
Sample: 2014 2017
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Balanced observations for each test
Cross-
Method Statistic Prob.** sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -567.844 0.0000 12 36
Null: Unit root (assumes individual unit root process)
ADF - Fisher Chi-square 36.2325 0.0521 12 36
PP - Fisher Chi-square 41.2506 0.0156 12 36
** Probabilities for Fisher tests are computed using an asymptotic Chi
-square distribution. All other tests assume asymptotic normality.
2. Uji Asumsi Klasik
a. Uji Multikolinieritas Auxiliry
1) Regresi Variabel NPF
Dependent Variable: NPF
Method: Panel EGLS (Cross-section random effects)
Date: 08/21/18 Time: 21:42
Sample: 2014 2017
Periods included: 4
Cross-sections included: 12
Total panel (balanced) observations: 48
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob. C -17.41550 3.705955 -4.699327 0.0000
BOPO 0.209480 0.027231 7.692690 0.0000
CAR 0.109253 0.080045 1.364902 0.1791
Effects Specification
S.D. Rho
Cross-section random 2.843076 0.2669
Idiosyncratic random 4.712320 0.7331 Weighted Statistics
R-squared 0.560218 Mean dependent var 3.967211
Adjusted R-squared 0.540672 S.D. dependent var 7.064858
S.E. of regression 4.788118 Sum squared resid 1031.673
F-statistic 28.66171 Durbin-Watson stat 1.955940
Prob(F-statistic) 0.000000
2) Regresi Variabel BOPO
Dependent Variable: BOPO
Method: Panel EGLS (Cross-section random effects)
Date: 08/21/18 Time: 21:43
Sample: 2014 2017
Periods included: 4
Cross-sections included: 12
Total panel (balanced) observations: 48
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 95.32089 6.844853 13.92592 0.0000
NPF 2.662897 0.347441 7.664311 0.0000
CAR -0.479314 0.258843 -1.851755 0.0706
Effects Specification
S.D. Rho
Cross-section random 7.390567 0.1486
Idiosyncratic random 17.69003 0.8514
Weighted Statistics
R-squared 0.571706 Mean dependent var 77.66740
Adjusted R-squared 0.552670 S.D. dependent var 26.48576
S.E. of regression 17.71439 Sum squared resid 14120.98 F-statistic 30.03398 Durbin-Watson stat 1.642748
Prob(F-statistic) 0.000000
3) Regresi Variabel CAR
Dependent Variable: CAR
Method: Panel EGLS (Cross-section random effects)
Date: 08/21/18 Time: 21:44 Sample: 2014 2017
Periods included: 4
Cross-sections included: 12
Total panel (balanced) observations: 48
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 32.03288 4.690283 6.829625 0.0000
NPF -0.083746 0.162147 -0.516483 0.6080 BOPO -0.091495 0.042000 -2.178470 0.0346
Effects Specification
S.D. Rho
Cross-section random 10.30447 0.8325
Idiosyncratic random 4.622320 0.1675
Weighted Statistics
R-squared 0.230482 Mean dependent var 4.869826
Adjusted R-squared 0.196282 S.D. dependent var 5.439977
S.E. of regression 4.876957 Sum squared resid 1070.312
F-statistic 6.739099 Durbin-Watson stat 1.005035
Prob(F-statistic) 0.002754
4) Regresi Variabel ROA
Dependent Variable: ROA
Method: Panel EGLS (Cross-section random effects)
Date: 08/21/18 Time: 21:42
Sample: 2014 2017
Periods included: 4
Cross-sections included: 12
Total panel (balanced) observations: 48
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob. C 8.877568 1.632894 5.436707 0.0000
NPF -0.246853 0.051030 -4.837423 0.0000
BOPO -0.085653 0.014149 -6.053643 0.0000
CAR 0.061304 0.031722 1.932526 0.0597
Effects Specification
S.D. Rho
Cross-section random 1.326315 0.4152
Idiosyncratic random 1.574082 0.5848 Weighted Statistics
R-squared 0.851430 Mean dependent var 0.019350
Adjusted R-squared 0.841301 S.D. dependent var 3.988990
S.E. of regression 1.589097 Sum squared resid 111.1101
F-statistic 84.05251 Durbin-Watson stat 2.231494
Prob(F-statistic) 0.000000
b. Uji Normalitas
1) Uji Normalitas Pertama
0
4
8
12
16
20
-7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7
Series: Standardized Residuals
Sample 2014 2017
Observations 48
Mean 6.66e-16
Median -0.074681
Maximum 6.446248
Minimum -6.188033
Std. Dev. 1.937221
Skewness 0.380752
Kurtosis 6.574635
Jarque-Bera 26.71581
Probability 0.000002
2) Uji Normalitas Kedua
0
1
2
3
4
5
6
7
8
-2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0
Series: Standardized Residuals
Sample 2014 2017
Observations 38
Mean -0.016536
Median 0.252888
Maximum 1.067923
Minimum -1.839749
Std. Dev. 0.783589
Skewness -0.720031
Kurtosis 2.559986
Jarque-Bera 3.590035
Probability 0.166125
c. Uji Autokorelasi
R-squared 0.554277 Mean dependent var -0.151947
Adjusted R-squared 0.514949 S.D. dependent var 0.946535
S.E. of regression 0.658570 Sum squared resid 14.74630
F-statistic 14.09353 Durbin-Watson stat 1.775987 Prob(F-statistic) 0.000004
d. Uji Heteroskedastisitas dengan Metode Glejser
Dependent Variable: RESABS
Method: Panel EGLS (Cross-section random effects)
Date: 08/21/18 Time: 22:47
Sample: 2014 2017
Periods included: 4 Cross-sections included: 12
Total panel (unbalanced) observations: 38
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 2.128064 0.861750 2.469467 0.0187
NPF 0.052947 0.036739 1.441196 0.1587
BOPO -0.016712 0.008917 -1.874064 0.0695
CAR -0.006858 0.006999 -0.979824 0.3341
Effects Specification
S.D. Rho
Cross-section random 0.133284 0.1016
Idiosyncratic random 0.396279 0.8984
Weighted Statistics
R-squared 0.151098 Mean dependent var 0.550936
Adjusted R-squared 0.076195 S.D. dependent var 0.402746
S.E. of regression 0.390228 Sum squared resid 5.177456
F-statistic 2.017248 Durbin-Watson stat 1.317500
Prob(F-statistic) 0.129971
Unweighted Statistics
R-squared 0.134658 Mean dependent var 0.652040
Sum squared resid 5.687792 Durbin-Watson stat 1.199288
3. Analisis Statistik (Uji Regresi)
a. Estimasi Model Regresi Data Panel
1) Model Regresi Common Effect
Dependent Variable: LOGROA
Method: Panel Least Squares
Date: 08/21/18 Time: 22:00
Sample: 2014 2017 Periods included: 4
Cross-sections included: 12
Total panel (unbalanced) observations: 38
Variable Coefficient Std. Error t-Statistic Prob.
C 5.652585 1.686126 3.352410 0.0020
NPF -0.290880 0.068303 -4.258678 0.0002
BOPO -0.057818 0.017662 -3.273544 0.0024
CAR 0.012666 0.013135 0.964263 0.3417 R-squared 0.648708 Mean dependent var -0.258742
Adjusted R-squared 0.617712 S.D. dependent var 1.319800
S.E. of regression 0.816025 Akaike info criterion 2.530557
Sum squared resid 22.64049 Schwarz criterion 2.702935
Log likelihood -44.08058 Hannan-Quinn criter. 2.591888
F-statistic 20.92856 Durbin-Watson stat 1.191279
Prob(F-statistic) 0.000000
2) Model Regresi Fixed Effect
Dependent Variable: LOGROA
Method: Panel Least Squares
Date: 08/21/18 Time: 22:01
Sample: 2014 2017
Periods included: 4
Cross-sections included: 12
Total panel (unbalanced) observations: 38
Variable Coefficient Std. Error t-Statistic Prob.
C 5.187094 1.884007 2.753224 0.0113
NPF -0.321975 0.112093 -2.872376 0.0086
BOPO -0.048306 0.018250 -2.646901 0.0144
CAR -0.000161 0.030446 -0.005278 0.9958
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.830815 Mean dependent var -0.258742
Adjusted R-squared 0.727832 S.D. dependent var 1.319800
S.E. of regression 0.688536 Akaike info criterion 2.378883
Sum squared resid 10.90388 Schwarz criterion 3.025299
Log likelihood -30.19878 Hannan-Quinn criter. 2.608873
F-statistic 8.067537 Durbin-Watson stat 2.400831
Prob(F-statistic) 0.000007
3) Model Regresi Random Effect
Dependent Variable: LOGROA
Method: Panel EGLS (Cross-section random effects)
Date: 08/21/18 Time: 22:02
Sample: 2014 2017
Periods included: 4
Cross-sections included: 12
Total panel (unbalanced) observations: 38
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 5.157633 1.648285 3.129090 0.0036
NPF -0.294637 0.079212 -3.719611 0.0007
BOPO -0.052066 0.016513 -3.153002 0.0034
CAR 0.012915 0.015395 0.838942 0.4074
Effects Specification
S.D. Rho
Cross-section random 0.540974 0.3817
Idiosyncratic random 0.688536 0.6183 Weighted Statistics
R-squared 0.554277 Mean dependent var -0.151947
Adjusted R-squared 0.514949 S.D. dependent var 0.946535
S.E. of regression 0.658570 Sum squared resid 14.74630
F-statistic 14.09353 Durbin-Watson stat 1.775987
Prob(F-statistic) 0.000004
Unweighted Statistics
R-squared 0.647338 Mean dependent var -0.258742
Sum squared resid 22.72881 Durbin-Watson stat 1.152248
b. Pemilihan Model Regresi
1) Uji Chow
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 2.250593 (11,23) 0.0487
Cross-section Chi-square 27.763617 11 0.0035
Cross-section fixed effects test equation:
Dependent Variable: LOGROA
Method: Panel Least Squares
Date: 08/21/18 Time: 22:01
Sample: 2014 2017 Periods included: 4
Cross-sections included: 12
Total panel (unbalanced) observations: 38
Variable Coefficient Std. Error t-Statistic Prob.
C 5.652585 1.686126 3.352410 0.0020
NPF -0.290880 0.068303 -4.258678 0.0002
BOPO -0.057818 0.017662 -3.273544 0.0024
CAR 0.012666 0.013135 0.964263 0.3417 R-squared 0.648708 Mean dependent var -0.258742
Adjusted R-squared 0.617712 S.D. dependent var 1.319800
S.E. of regression 0.816025 Akaike info criterion 2.530557
Sum squared resid 22.64049 Schwarz criterion 2.702935
Log likelihood -44.08058 Hannan-Quinn criter. 2.591888
F-statistic 20.92856 Durbin-Watson stat 1.191279
Prob(F-statistic) 0.000000
2) Uji Hausman
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 0.652157 3 0.8844
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob.
NPF -0.321975 -0.294637 0.006290 0.7303
BOPO -0.048306 -0.052066 0.000060 0.6284
CAR -0.000161 0.012915 0.000690 0.6186
Cross-section random effects test equation: Dependent Variable: LOGROA
Method: Panel Least Squares
Date: 08/21/18 Time: 22:02
Sample: 2014 2017
Periods included: 4
Cross-sections included: 12
Total panel (unbalanced) observations: 38
Variable Coefficient Std. Error t-Statistic Prob.
C 5.187094 1.884007 2.753224 0.0113
NPF -0.321975 0.112093 -2.872376 0.0086
BOPO -0.048306 0.018250 -2.646901 0.0144
CAR -0.000161 0.030446 -0.005278 0.9958
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.830815 Mean dependent var -0.258742
Adjusted R-squared 0.727832 S.D. dependent var 1.319800 S.E. of regression 0.688536 Akaike info criterion 2.378883
Sum squared resid 10.90388 Schwarz criterion 3.025299
Log likelihood -30.19878 Hannan-Quinn criter. 2.608873
F-statistic 8.067537 Durbin-Watson stat 2.400831
Prob(F-statistic) 0.000007
3) Uji Lagrange Multiplier
Lagrange Multiplier Tests for Random Effects
Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided
(all others) alternatives
Test Hypothesis
Cross-section Time Both
Breusch-Pagan 5.006442 0.277325 5.283766
(0.0253) (0.5985) (0.0215)
Honda 2.237508 0.526616 1.954531
(0.0126) (0.2992) (0.0253)
King-Wu 2.237508 0.526616 1.522490
(0.0126) (0.2992) (0.0639)
Standardized Honda 2.826923 0.932512 -0.643188
(0.0023) (0.1755)
--
Standardized King-Wu 2.826923 0.932512 -0.744763
(0.0023) (0.1755) --
Gourierioux, et al.* -- -- 5.283766
(< 0.05)
*Mixed chi-square asymptotic critical values:
1% 7.289
5% 4.321
10% 2.952
c. Analisis Jalur (Path Analysis)
1) Uji Regresi Model Pertama dengan Random Effect
Dependent Variable: LOGROA
Method: Panel EGLS (Cross-section random effects)
Date: 08/21/18 Time: 22:03
Sample: 2014 2017
Periods included: 4
Cross-sections included: 12
Total panel (unbalanced) observations: 38
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob. C 5.157633 1.648285 3.129090 0.0036
NPF -0.294637 0.079212 -3.719611 0.0007
BOPO -0.052066 0.016513 -3.153002 0.0034
CAR 0.012915 0.015395 0.838942 0.4074
Effects Specification
S.D. Rho
Cross-section random 0.540974 0.3817
Idiosyncratic random 0.688536 0.6183
Weighted Statistics
R-squared 0.554277 Mean dependent var -0.151947
Adjusted R-squared 0.514949 S.D. dependent var 0.946535
S.E. of regression 0.658570 Sum squared resid 14.74630
F-statistic 14.09353 Durbin-Watson stat 1.775987
Prob(F-statistic) 0.000004
Unweighted Statistics R-squared 0.647338 Mean dependent var -0.258742
Sum squared resid 22.72881 Durbin-Watson stat 1.152248
2) Uji Regresi Model Kedua dengan Random Effect
Dependent Variable: CAR
Method: Panel EGLS (Cross-section random effects)
Date: 08/21/18 Time: 22:06
Sample: 2014 2017
Periods included: 4
Cross-sections included: 12
Total panel (balanced) observations: 48
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob. C 32.03288 4.690283 6.829625 0.0000
NPF -0.083746 0.162147 -0.516483 0.6080
BOPO -0.091495 0.042000 -2.178470 0.0346
Effects Specification
S.D. Rho
Cross-section random 10.30447 0.8325
Idiosyncratic random 4.622320 0.1675
Weighted Statistics
R-squared 0.230482 Mean dependent var 4.869826
Adjusted R-squared 0.196282 S.D. dependent var 5.439977
S.E. of regression 4.876957 Sum squared resid 1070.312
F-statistic 6.739099 Durbin-Watson stat 1.005035
Prob(F-statistic) 0.002754
Unweighted Statistics
R-squared -0.076680 Mean dependent var 22.25187
Sum squared resid 7773.674 Durbin-Watson stat 0.138377