Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
ANALISIS PENGARUH KESEHATAN BANK DENGAN
MENGGUNAKAN METODE RGEC (RISK PROFILE, GOOD
CORPORATE GOVERNANCE, EARNING, CAPITAL)
TERHADAP PROFITABILITAS DENGAN UKURAN BANK
SEBAGAI VARIABEL MODERASI PADA BANK UMUM
SYARIAH PERIODE 2014-2018
SKRIPSI
Diajukan untuk Memenuhi Tugas dan Melengkapi Syarat
Guna Memperoleh Gelar Sarjana Ekonomi (S.E)
Disusun Oleh :
SITI ZULAEKHAH
63010150153
PROGRAM STUDI S1 PERBANKAN SYARIAH
FAKULTAS EKONOMI DAN BISNIS ISLAM
INSTITUT AGAMA ISLAM NEGERI SALATIGA
2019
i
ANALISIS PENGARUH KESEHATAN BANK DENGAN
MENGGUNAKAN METODE RGEC (RISK PROFILE, GOOD
CORPORATE GOVERNANCE, EARNING, CAPITAL)
TERHADAP PROFITABILITAS DENGAN UKURAN BANK
SEBAGAI VARIABEL MODERASI PADA BANK UMUM
SYARIAH PERIODE 2014-2018
SKRIPSI
Diajukan untuk Memenuhi Tugas dan Melengkapi Syarat
Guna Memperoleh Gelar Sarjana Ekonomi (S.E)
Disusun Oleh :
SITI ZULAEKHAH
63010150153
PROGRAM STUDI S1 PERBANKAN SYARIAH
FAKULTAS EKONOMI DAN BISNIS ISLAM
INSTITUT AGAMA ISLAM NEGERI SALATIGA
2019
ii
iii
iv
v
vi
MOTTO
Maka sesungguhnya bersama kesulitan itu ada kemudahan. Sesungguhnya
bersama kesulitan itu ada kemudahan.
( Q.S. Al-Insyirah : 5-6)
Ilmu itu bagaikan binatang buruan, sedangkan pena adalah pengikatnya,
Maka ikatlah buruanmu dengan tali yang kuat.
(Imam Syafi’i)
Kemuliaan orang adalah agamanya, harga dirinya (kehormatannya) adalah
akalnya, sedangkan ketinggian kedudukannya adalah akhlaknya.
(HR. Ahmad dan Al Hakim)
vii
PERSEMBAHAN
Dengan mengucap skyukur kepada Allah SWT atas rahmat, hidayah dan
inayah-Nya, serta dengan penuh cinta dan sayang skripsi ini saya persembahkan
kepada:
1. Kedua oranng tuaku, Bapak Ahmad Choironi dan Ibu Sumitri yang
senantiasa mencurahkan kasih sayangnya, memberikan bimbingan dan doa
yang tak pernah henti-hentinya.
2. Kakak-kakakku tercinta serta keluarga besarku yang telah memberikan
doa, dukungan, semangat dan kepercayaan selama ini.
3. Bapak Dr. Ahmad Mifdlol M, Lc., M.SI. selaku dosen pembimbing skripsi
yang telah memberikan bimbingan, arahan, dan masukan dalam penelitian
skripsi ini.
4. Sahabat-sahabtku tercinta, Atika Krisna Murti, Nur Inayah, Siti Dwi
Wulandari, Diah Nur Anisa, Linda Kartika Sari, Puji Fajar Wati, Indah
Fitriani yang selalu menemani dan mendukungku selama proses
pembuatan skripsi.
5. Teman-teman Koperasi Mahasiwa Fatawa IAIN Salatiga terimakasih telah
memberikan semangat serta mendoakan untuk kelancaran dalam
mengerjakan skripsi, ilmu dan pengalaman yang sangat berharga,
Terimakasih
6. Semua teman-teman PS-S1 angkatan 2015 yang tidak dapat saya sebut
satu persatu.
viii
KATA PENGANTAR
Puji syukur kehadirat Allah Swt. yang Maha Pengasih lagi Maha Penyayang
yang telah memberikan kesehatan dan kemudahan bagi penulis dalam
menyelesaikan penyusunan skripsi yang berjudul “ Analisi Pengaruh Kesehatan
Bank dengan menggunakan Metode RGEC (Risk Profile, Good Corporate
Governance, Earnin Capital) dengan Ukuran Bank sebagai Variabe Moderasi
Pada Bank Umum Syariah Periode 2014-2018”.
Penelitian ini disusun sebagai salah satu tugas mahasiswa dalam
mengamalkan Tri Dharma Perguruan Tinggi yaitu berupa penelitian. Ucapan
terimakasih sebesar-besarnya peneliti ucapkan kepada semua pihak yang telah
memberikan pengarahan, bimbingan dan bantuan dalam berbagai bentuk. Ucapan
terimakasih terutama penulis sampaikan kepada:
1) Bapak Prof. Dr. Zakiyuddin, M.Ag. selaku Rektor Institut Agama Islam
Negeri Salatiga.
2) Bapak Dr. Anton Bawono, M.Si. selaku Dekan Fakultas Ekonomi dan
Bisnis Islam IAIN Salatiga.
3) Bapak Dr. Ahmad Mifdlol M, Lc., M.SI. selaku dosen pembimbing skripsi
yang telah membimbing penulis, memberikan pengarahan, masukan
sehingga penulis dapat menyelesaikan penelitian ini.
4) Bapak Ari Setiawan, M.M selaku Ketua Program Studi S1 Perbankan
Syariah.
ix
5) Segenap dosen dan staff Program Studi S1 Perbankan Syariah yang telah
memberikan bekal berbagai teori, ilmu pengetahuan dan pengalaman yang
sangat bermanfaat bagi penulis.
6) Kedua orang tua tercinta, Bapak Ahmad Choironi dan Ibu Sumitri serta
keluarga terkasih, kakak dan sahabat yang telah memberikan doa, dorongan
moril dan materil, serta yang senantiasa selalu menjadi inspirasi dan
motivasi bagi penulis.
7) UKM Koperasi Mahasiswa Fatawa IAIN Salatiga sebagai tempat menimba
ilmu selain dalam perkuliahan.
8) Teman-teman seperjuangan Program Studi S1 Perbankan Syariah tahun
angkatan 2015/2016 yang penulis banggakan.
9) 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, 18 Agustus 2019
Penulis
x
ABSTRAK
Zulaekhah, Siti. 2019. “Analisis Pengaruh Kesehatan Bank dengan Metode
RGEC (Risk Profile, Good Corporate Governance, Earning, Capital)
terhadap Profitabilitas dengan Ukuran Bank sebagai Variabel Moderasi
Pad a Bank Umum Syariah Periode 2014-2018”. Skripsi, Fakultas Ekonomi
dan Bisnis Islam Strata Satu Perbankan Syariah Institut Agama Islam
Negeri (IAIN) Salatiga. Dosen Pembimbing: Dr. Ahmad Mifdlol M, Lc.,
M.SI.
Penelitian ini bertujuan untuk mengetahui pengaruh kesehatan bank dengan
menggunakan metode RGEC terhadap profitabilitas dengan ukuran bank sebagai
variabel moderasi pada bank umum syariah yang terdaftar di OJK Periode 2014-
2018. Metode RGEC diukur dengan Risk Profile (NPF dan FDR), Good
Corporate Governance (GCG), Earning (NOM), Capial (CAR).
Penelitian ini merupakan jenis penelitian kuantitatif dengan data sekunder
berbentuk data panel. Sampel yang digunakan sebanyak 10 bank umum syariah
yang terdaftar di OJK pada periode 2014-2018, dengan data pertahun sehingga
jumlah sampel sebesar 50. Metode pengumpulan data dilakukan dengan
mengakses laporan tahunan dan laporan GCG yang dipublikasikan di masing-
masing website bank. Data yang diperoleh kemudian diolah dengan alat analisis
Eviews 9 Version. Analisis yang digunakan dalam penelitian ini meliputi uji
statistik deskriptif, uji stasioneritas, uji regresi linier berganda, Uji MRA , dan uji
asumsi klasik.
Hasil uji regresi linier berganda setelah dilakukan uji multikolinieritas
menunjukkan bahwa: 1) Variabel NOM berpengaruh positif dan tidak signifikan
terhadap Profitabilitas; 2) Ukuran Bank mampu memoderasi pengaruh variabel
FDR terhadap Profitabilitas; 3) Ukuran Bank mampu memoderasi pengaruh
variabel CAR terhadap Profitabilitas.
Kata Kunci: ROA, NPF, FDR, GCG, NOM, CAR, Ukuran Bank.
xi
DAFTAR ISI
JUDUL ................................................................................................................. i
PERSETUJUAN PEMBIMBING ........................................................................ ii
PENGESAHAN KELULUSAN.......................................................................... iii
PERNYATAAN KEASLIAN TULISAN DAN KESEDIAAN PUBLIKASI ...... iv
PERNYATAAN BEBAS PLAGIAT ................................................................... v
MOTTO.............................................................................................................. vi
PERSEMBAHAN .............................................................................................. vii
KATA PENGANTAR ...................................................................................... viii
ABSTRAK .......................................................................................................... x
DAFTAR ISI ...................................................................................................... xi
DAFTAR TABEL ............................................................................................ xiii
DAFTAR GAMBAR ........................................................................................ xiv
BAB I PENDAHULUAN .................................................................................... 1
A. Latar Belakang............................................................................................ 1
B. Rumusan Masalah ....................................................................................... 9
C. Tujuan Penelitian ...................................................................................... 10
D. Manfaat Penelitian .................................................................................... 11
E. Sistematik Penulisan ................................................................................. 12
BAB II LANDASAN TEORI ............................................................................ 13
A. Telaah Pustaka ........................................ …………………………………13
B. Landasan Teori ......................................................................................... 16
1. Signalling Theory ................................................................................... 16
2. Perbankan Syariah .................................................................................. 18
3. Profitabilitas ........................................................................................... 19
4. Risk Profile .................................................................................……….20
5. Good Corporate Governance (GCG) ................................................ …..22
6. Earning .................................................................................................. 24
7. Capital ................................................................................................... 24
xii
8. Ukuran Bank .......................................................................................... 25
C. Kerangka Penelitian .................................................................................. 27
D. Hipotesis ................................................................................................... 27
BAB III METODE PENELITIAN ..................................................................... 33
A. Jenis Penelitian ......................................................................................... 33
B. Populasi dan Sampel ................................................................................. 33
C. Teknik Pengumpulan Data ........................................................................ 35
D. Definisi Konsep dan Operasional .............................................................. 36
E. Teknik Analisis ......................................................................................... 42
F. Alat Analisis Data ..................................................................................... 50
BAB IV ANALISIS DATA ............................................................................... 51
A. Deskripsi Objek Penelitian ........................................................................ 51
1. Variabel Return On Asset (ROA) ............................................................ 51
2. Variabel Non Performing Financing (NPF) ............................................ 52
3. Variabel Financing deposit Ratio (FDR) ................................................ 52
4. Variabel Good Corporate Governance (GCG) ........................................ 53
5. Variabel Net Operating Margin (NOM) .................................................. 54
6. Variabel Capital Adequacy Ratio (CAR) ................................................ 54
7. Variabel Ukuran Bank ............................................................................ 55
B. Uji Stasioner ............................................................................................. 55
C. Uji Regresi Linier Berganda ..................................................................... 57
D. Uji Statistik ............................................................................................... 64
E. Uji Asumsi Klasik..................................................................................... 66
F. Pembahasan Hasil Penelitian..................................................................... 75
BAB V PENUTUP ............................................................................................ 85
A. Kesimpulan............................................................................................... 85
B. Saran ........................................................................................................ 85
DAFTAR PUSTAKA ........................................................................................ 87
LAMPIRAN-LAMPIRAN ................................................................................. 92
xiii
DAFTAR TABEL
Tabel 1.1 Research Gap ....................................................................................... 7
Tabel 2.1 Penelitian Terdahulu ........................................................................... 10
Tabel 3.1 Daftar Populasi Penelitian ..................................................................34
Tabel 3.2 Daftar Sampel Bank Umum Syariah ................................................... 35
Tabel 3.3 Bobot Penilaian Good Corporate Governance (GCG) ........................ 40
Tabel 3.4 Klasifikasi peringkat komposit ........................................................... 41
Tabel 3.5 Pengambilan Keputusan Durbin Watson ............................................. 47
Tabel 4.1 Statistic Deskriptif Variabel Return On Asset (ROA) .......................... 51
Tabel 4.2 Statistic Deskriptiv Variabel Non Performing Financing (NPF) .......... 52
Tabel 4.3 Statistic Deskriptiv Variabel Financing Deposit ratio (FDR) .............. 52
Tabel 4.4 Statistic Deskriptiv Variabel Good Corporate Governance (GCG) ..... 53
Tabel 4.5 Statistic Deskriptiv Variabel Non Operating Margin (NOM) .............. 54
Tabel 4.6 Statistic Deskriptiv Variabel Capital Adequacy Ratio (CAR) .............. 54
Tabel 4.7 Statistic Deskriptiv Variabel Ukuran Bank ........................................ 55
Tabel 4.8 Uji Stasioneritas ................................................................................. 56
Tabel 4.9 Model Common Effect ........................................................................ 57
Tabel 4.10 Uji Langrange Multiplier.................................................................. 58
Tabel 4.11 Model Fixed Effect ........................................................................... 59
Tabel 4 .12 Uji Chow ......................................................................................... 60
Tabel 4.13 Model Random Effect ....................................................................... 61
Tabel 4.14 Uji Hausman .................................................................................... 62
Tabel 4.15 Uji Regresi Linier Berganda ............................................................. 63
Tabel 4.16 Hasil Uji Auxiliary............................................................................ 69
Tabel 4.17 Hasil Uji Auxiliary Setelah Penyembuhan ........................................ 70
Tabel 4.18 Uji Hasil Durbin Watson .................................................................. 72
Tabel 4.19 Uji Heteroskedastisitas ..................................................................... 74
Tabel 4.20 Hasil Uji Regresi Berganda Setelah Penyembuhan ........................... 75
Tabel 4.21 Hasil Uji Hipotesis ........................................................................... 83
xiv
DAFTAR GAMBAR
Gambar 2.1 Kerangka Penelitian ........................................................................ 27
Gambar 4.1 Hasil Uji Normalitas ................................................................... ...67
Gambar 4.2 Hasil Uji Normalitas setelah penyembuhan ..................................... 68
Gambar 4.3 Grafik Uji Autokorelasi dengan Durbin Watson ......................... ...73
1
BAB I
PENDAHULUAN
A. Latar Belakang
Perusahaan jasa keuangan atau perbankan menjadi suatu sarana yang
berperan penting pada kegiatan dan pertumbuhan perekonomian
masyarakat. Perbankan berperan penting karena memiliki fungsi yang
strategis bagi masyarakat sebagai media dalam menghimpun atau
menyalurkan dananya secara efiktif dan efisien. Mengingat fungsi bank
yang strategis tersebut, perbankan dituntut memiliki kinerja yang selalu
baik, agar mendapat kepercayaan dari masyarakat Alin (2017:1).
Bank syariah adalah bank yang beroperasi sesuai dengan prinsip-
prinsip yang ada dalam ajaran Islam, berfungsi sebagai badan usaha yang
menyalurkan dana dari dan kepada masyarakat atau sebagai lembaga
perantara keuangan. Bank syariah, atau biasa disebut Islamic Bank di
negara lain, berbeda dengan bank konvensional pada umumnya. Perbedaan
utamanya terletak pada landasan operasi yang digunakan. Kalau bank
konvensional beroperasi berlandaskan bunga, bank syariah beroperasi
berlandaskan bagi hasil, ditambah dengan jual beli dan sewa Ascarya
(2005: 1). Kepercayaan dan loyalitas pemilik dana terhadap bank
merupakan faktor yang sangat membantu dan mempermudah pihak
manajemen bank untuk menyusun strategi bisnis yang baik. Sebaliknya
para pemilik dana yang kurang menaruh kepercayaan kepada bank yang
bersangkutan maka loyalitasnya pun sangat tipis, hal ini sangat tidak
2
menguntungkan bagi bank yang bersangkutan karena para pemilik dan
sewaktu-waktu dapat menarik dananya dan memindahkannya ke bank lain.
Kesehatan bank sangat penting karena bank yang sehat akan dapat
melakukan kegiatan operasionalnya dengan normal. Selain itu, kondisi
kesehatan bank yang baik akan meningkatkan kepercayaan masyarakat
bahwa bank sebagai tempat yang aman dan menguntungkan untuk
menyimpan hartanya sedangkan bank mempercayakan sejumlah dananya
untuk diolah dan dikembalikan pada waktunya Prastyananta (2016).
Terkait dengan kesehatan bank, Bank Indonesia adalah lembaga yang
berwenang dalam pengawasan kesehatan bank. Fungsi kesehatan bank
tersebut menjadikan Bank Indonesia memiliki ketentuan yang harus
dipenuhi dan dilaksanakan oleh lembaga perbankan yang ada di Indonesia.
Terdapat beberapa metode yang dapat digunakan dalam penilaian
kesehatan bank Alin (2017).
Pesatnya perkembangan perbankan nasional membuat Bank Indonesia
kembali mengubah cara penilaian tingkat kesehatan bank berdasarkan
Surat Edaran Bank Indonesia No. 13/24/DPNP tanggal 25 Oktober 2011.
Bank diwajibkan melakukan penilaian sendiri (self assessment) secara
berkala terhadap tingkat kesehatannya dan mengambil langkah-langkah
perbaikan secara efektif dengan menggunakan penilaian terhadap faktor
meliputi risk profile (profil risiko), good corporate governance, earnings
(rentabilitas), dan capitals (permodalan) yang disingkat dengan istilah
RGEC. Metode RGEC inilah yang digunakan bank saat ini untuk
3
melakukan penilaian terhadap tingkat kesehatan bank karena merupakan
penyempurnaan dari metode-metode sebelumnya.
Profitabilitas sebagai salah satu acuan dalam mengukur besarnya laba
menjadi begitu penting untuk mengetahui apakah bank telah menjalankan
usahanya secara efisien. Efisiensi sebuah usaha baru dapat diketahui
setelah membandingkan laba yang diperoleh dengan aktiva atau modal
yang menghasilkan laba tersebut Sari (2017). Profitabilitas juga
mempunyai arti penting dalam usaha mempertahankan kelangsungan
hidupnya dalam jangka panjang, karena profitabilitas menunjukkan apakah
badan usaha tersebut mempunyai prospek yang baik di masa yang akan
datang. Dengan demikian setiap badan usaha akan selalu berusaha
meningkatkan profitabilitasnya, karena semakin tinggi tingkat
profitabilitas suatu badan usaha maka kelangsungan hidup badan usaha
tersebut akan lebih terjamin .
Dalam penelitian penilaian terhadap faktor risk profile menggunkan
NPF dan FDR. Non Perfoming Financing (NPF) atau dalam kamus
Perbankan Syariah disebut duyunun ma’dumah yang diartikan sebagai
“Pembiayaan non lancar mulai dari kurang lancar sampai dengan macet”.
Dengan demikian dapat disimpukan bahwa pembiayaan bermasalah adalah
pembiayaan yang kualitasnya berada dalam golongan kurang lancar
(golongan III), diragukan (golongan IV), dan macet (golongan V).
pembiayaan bermasalah tersebut, daris egi produktivitasnya (pervomance-
nya), yaitu dalam kaitannya dengan kemampuannya menghasilkan
4
pendapatan bagi bank, sudah berkurang atau menurun dan bahkan
mungkin sudah tidak ada lagi (Wangsawidjaja, 2012:90). Seperti halnya
dalam penelitian yang dilakukan Medina (2018) bahwa NPF berpengaruh
negatif signifikan terhadap profitabilias. Jadi apabila nasabah tidak mampu
membayar pinjaman yang diberikan bank maka bank tersebut akan
mangalami kekurangan modal dan akan berimbas pada profitabilitas bank.
Financing to Deposito Ratio (FDR) diukur dengan membandingkan
total pembiayaan dengan total dana pihak tiga (DPK). Dalam perbankan
konvensional lebih dikenal dengan istilah Loan to Deposit Ratio (LDR).
Sukarno dan Syaicu (2006:49) menyatakan semakin tinggi LDR maka laba
perusahaan mempunyai kemungkinan untuk meningkat dengan catatan
bahwa bank tersebut mampu menyalurkan kreditnya dengan optimal.
Seperti halnya dalam penelitian yang dilakukan Priska (2018) mengatakan
bahwa FDR berpengaruh positif signifikan terhadap profitabilitas.
Kenaikan pada rasio FDR menandakan bahwa adanya peningkatan dalam
penyaluran pembiayaan kepada masyarakat, sehingga apabila rasio ini
naik maka keuntungan bank juga naik dengan asumsi bahwa bank
menyalurkan Linda dan Dina (2015:972).
Selain itu terdapat Good Corporate governance, secara sederhana
Good Corporate Governance dapat diartikan sebagai suatu sistem yang
mengatur dan mengendalikan perusahaan untuk menciptakan nilai tambah
(value added) untuk semua stakeholders. Seperti halnya penelitian yang
dilakukan Lidia (2016) menyatakan bahwa GCG berpengaruh positif
5
signifikan terhadap profitabilitas. Dengan adanya penilian terhadap Good
Corporate governance nasabah akan lebih mudah mendapatkan informasi
mengenai keadaan suatu bank, ketika bank tersebut memiliki GCG yang
bagus dan informasi tersebut diterima oleh masyarakat, maka masyarakat
akan mempercayakan hartanya dan melakukan transaksi di bank tersebut
dan profitabilitas bank akan bertambah. Corporate governance merupakan
tata kelola yang berhubungan dengan interaksi antara pemerintah dan
masyarakat.
Earning atau rentabilias merupakan ukuran kemamapuan bank dalam
meningkatkan labanya apakah setiap periode atau untuk mengukur tingkat
efisiensi usaha dan profitabiltas yang dicapai bank yang bersangkutan.
Bank yang sehat adalah bank yang diukur secara rentabilitas yang terus
meningkat (Kasmir, 2013: 45-46). Net Operating Margin (NOM)
merupakan rasio utamana rentabilitas bank syariah untuk mengethaui ke
mampuan aktiva dalam menghasilkan laba. Seperti halnya penelitian yang
dilakukan Sabir (2012) menyatakan bahwa NOM berpengaruh positif
signifikan terhadap profitabilitas. Jadi apabila NOM suatu bank naik maka
profitabilitas bank terseut juga akan naik. Net Operating Margin (NOM)
merupakan rasio yang digunakan untuk mengukur kemampuan
manajemen bank dalam mengelola aktiva produktifnya untuk
menghasilkan pendapatan bagi hasil Vita dan Osmad (2013:134). NOM
merupakan analog dari NIM yang digunakan oleh Bank Konvensional, ada
enam faktor yang mempengaruhi NIM yaitu pertama, struktur persaingan
6
dari produk perbankan. Kedua, rata-rata biaya operasional. Ketiga, risk
averse. Keempat, Volatilitas suku bunga pasar uang. Kelima, tingkat
resiko kredit. Keenam, volume atau nilai dari kredit dan deposit Taufik
(201:36).
Capital atau modal adalah permodalan yang ada didasarkan kepada
kewajiban penyediaan modal minimum bank. Penilaian tersebut
didasarkan kepada CAR (Capital Adequaci Ratio) yang telah ditetapkan
ditetapkan BI (Kasmir, 2013: 44). CAR adalah rasio kinerja bank untuk
mengukur kecukupan modal yang dimiliki bank dalam menunjukkan
aktiva yang mengandung risiko, seperti kredit yang diberikan Boy dan
Sony(101). Seperti penelitian yang dilakukan Zahra (2018) menyatakan
bahwa CAR berpengaruh positif signifikan terhadap profitabilitas. Apabila
CAR suatu bank tinggi maka dapat digunakan untuk menanggung
kerugian atau resiko-resiko yang dimiliki oleh bank, maka semakin besar
kemungkinan bank dalam memperoleh profitabilitas. Capital Adequacy
Ratio (CAR) merupakan rasio kecukupan modal yang menunjukkan
kemampuan bank dalam mempertahankan modal yang mencukupi dan
kemampuan manajemen bank dalam mengidentifikasi, mengukur,
mengawasi, dan mengontrol risiko-risiko yang timbul yang dapat
berpengaruh terhadap besarnya modal bank Sukarno dan Syaicu
(2006:48).
Ukuran bank adalah total aset yang dimiliki oleh bnak, dimana total
aset ini dapat dilihat pada total aktiva yang terdapat pada laporan
7
keuangan bank tersebut pada bagian neraca. Ukuran bank dianggap
mampu mempengaruhi nilai perusahaan. Hal ini dikarenakan oleh sumber
pendanaan baik secara internal maupun eksternal akan lebih mudah
diperoleh seiring dnegan semakin besar ukuran atau skala perusahaan
(Alin, 2017:3). Seperti halnya penelitian yang dilakukan oleh Yuliantari
(2014) bahwa ukuran bank dapat mempengaruhi minat nasabah untuk
menyimpan dan melakukan pembiayaan di bank tersebut , dan
berimplikasi pada profitabilitas. Bank yang memiliki ukuran besar lebih
berpotensi dan mudah untuk menarik minat nasabah untuk menaruh
dananya pada bank tersebut. Nasabah akan mempertimbangkan ukuran
perusahaan atau bank untuk menitipkan dananya, karena bank yang
memiliki kinerja yang baik maka aktiva juga akan meningkat maka
profitabilitas juga akan bertambah.
Tabel 1.1
Research Gap
Gap Peneliti Hasil Penelitian
Isu: Pengaruh Non Performing Financing (NPF) terhadap Profitabilitas
Research Gap : Terdapat perbedaan hasil penelitian pengaruh Non
Performing Financing (NPF) terhadap Profitabilitas
Non Performing
Financing (NPF)
berpengaruh
signifikan terhadap
profitabilitas bank
umum syariah
Bunga dan Nisful
(2016)
Non Performing
Financing (NPF)
berpengaruh signifikan
terhadap profitabilitas
bank umum syariah,
karena semakin rendah
pembiayaan
bermasalah
yang ditanggung bank,
maka profitabilitas
bank akan meningkat
Medina dan Rina Non Performing
8
(2018) Financing (NPF)
berpengaruh signifikan
terhadap profitabilitas
bank umum syariah,
karena kesulitan
pengembalian
pembiayaan oleh
debitur dengan jumlah
yang cukup besar dapat
mempengaruhi kinerja
bank.
Misbahul (2018) Non Performing
Financing (NPF)
berpengaruh signifikan
terhadap profitabilitas,
terdapat pembiayaan
bermasalah tersebut
menyebabkan
pembiayaan yang
disalurkan banyak yang
tidak memberikan
hasil.
Non Performing
Financing (NPF)
berpengaruh tidak
signifikan terhadap
profitabilitas bank
umum syariah
Rima (2018) Non Performing
Financing (NPF)
berpengaruh tidak
signifikan terhadap
profitabilitas, karena
NPF yang lebih besar
dalam satu periode
tidak secara langsung
memberikan penurunan
laba pada periode yang
sama.
Suhadak (2013) Non Performing
Financing (NPF)
berpengaruh tidak
signifikan terhadap
profitabilitas, karena
masih terdapat
cadangan dana bank
yang dapat digunakan
untuk menanggulangi
resiko kredit.
Sumber: Bunga (2016), Medina (2018), Rima (2018), Misbahul (2018),
Suhadak (2013)
9
Penelitian ini memiliki kelebihan dibandingkan dengan penelitian
sebelumnya yaitu dari data yang diambil menggunakan data terbaru.
Sealin itu, terdapat variasi dalam penelitian ini yaitu variabel moderating
sebagai penghubung antara variabel independen dan variabel dependen.
Berdasarkan penjelasan di atas, penulis akan melakukan penelitian
mengenai “ ANALISIS PENGARUH KESEHATAN BANK DENGAN
MENGGUNAKAN METODE RGEC (Risk Profile, Good Corporate
Governance, Earning, Capital) TERHADAP PROFITABILITAS
DENGAN UKURAN BANK SEBAGAI VARIABEL MODERASI
PADA BANK UMUM SYARIAH PERIODE 2014 – 2018 ”
B. Rumusan Masalah
1. Bagaimana pengaruh NPF terhadap profitabilitas bank umum
syariah?
2. Bagaimana pengaruh FDR terhadap profitabilitas bank umum
syariah?
3. Bagaimana pengaruh GCG terhadap profitabilitas bank umum
syariah?
4. Bagaimana pengaruh NOM terhadap profitabilitas bank umum
syariah?
5. Bagaimana pengaruh CAR terhadap profitabilitas bank umum
syariah?
10
6. Bagaimana pengaruh NPF terhadap profitabilitas bank umum syariah
yang dimoderasi ukuran bank?
7. Bagaimana pengaruh FDR terhadap profitabilitas bank umum syariah
yang dimoderasi ukuran bank?
8. Bagaimana pengaruh GCG terhadap profitabilitas bank umum syariah
yang dimoderasi ukuran bank?
9. Bagaimana pengaruh NOM terhadap profitabilitas bank umum syariah
yang dimoderasi ukuran bank?
10. Bagaimana pengaruh CAR terhadap profitabilitas bank umum syariah
yang dimoderasi ukuran bank?
C. Tujuan Penelitian
1. Untuk memperoleh hasil yang empiris terkait pengaruh NPF terhadap
profitabilitas bank umum syariah.
2. Untuk memperoleh hasil yang empiris terkait pengaruh FDR terhadap
profitabilitas bank umum syariah.
3. Untuk memperoleh hasil yang empiris terkait pengaruh GCG terhadap
profitabilitas bank umum syariah.
4. Untuk memperoleh hasil yang empiris terkait pengaruh NOM
terhadap profitabilitas bank umum syariah.
5. Untuk memperoleh hasil yang empiris terkait pengaruh CAR terhadap
profitabilitas bank umum syariah.
11
6. Untuk memperoleh hasil yang empiris terkait pengaruh NPF terhadap
profitabilitas bank umum syariah yang dimoderasi ukuran bank.
7. Untuk memperoleh hasil yang empiris terkait pengaruh FDR terhadap
profitabilitas bank umum syariah yang dimoderasi ukuran bank.
8. Untuk memperoleh hasil yang empiris terkait pengaruh GCG terhadap
profitabilitas bank umum syariah yang dimoderasi ukuran bank.
9. Untuk memperoleh hasil yang empiris terkait pengaruh NOM
terhadap profitabilitas bank umum syariah yang dimoderasi ukuran
bank.
10. Untuk memperoleh hasil yang empiris terkait pengaruh CAR terhadap
profitabilitas bank umum syariah yang dimoderasi ukuran bank.
D. Manfaat Penelitian
Hasil penelitian yang saya lakukan semoga berguna bagi:
1) IAIN Salatiga, dapat menambah koleksi penelitian yang ada
diperpustakaan dan memudahkan mahasiswa untuk mencari contoh
dalam penyusunan skripsi.
2) Peneliti, untuk peneliti sendiri penelitian ini digunakan sebagai syarat
skripsi dan sebagai sarana untuk mengembangan ilmu yang didapat
selama kuliah.
3) Penelitian ini diharapkan dapat digunakan oleh pihak manajemen
untuk meningkatkan kinerja dan kesehatan bank agar dapat
meningkatkan profitabilitas maupun minat masyarakat.
12
E. Sistematika Penulisan
Penulisaan skripsi ini disusun dalam lima bab sebagai berikut:
BAB I, merupakan pendahuluan yang menjelaskan tentang latar
belakang masalah, rumusan masalah, tujuan penelitian, manfaat penelitian,
dan diakhiri dengan sistematika penulisan.
BAB II, merupakan tinjauan pustaka yang menjelaskan tentang
landasan teori yang mendasari penelitian ini dan penelitian terdahulu,
kerangka pemikiran dan hipotesis.
BAB III, merupakan metode penilitian berisi jenis penelitian,
populasi dan sampel, teknik pengumpulan data, definisi konsep dan
operasional, instrumen penelitian, uji instrumen penelitian dan diakhiri
dengan alat analisis penelitian.
BAB IV, merupakan tentang deskripsi objek penelitian, analisis
data penelitian dan interpretasi dari hasil analisis data penelitian.
BAB V, merupakan kesimpulan dari penelitian yang telah
dilakukan, keterbatasan penulis serta saran-saran yang dapat diberikan
kepada perusahaan dan pihak-pihak lain yang membutuhkan.
13
BAB II
LANDASAN TEORI
A. Telaah Pustaka
Penelitian ini mengenai analisis pengaruh kesehatan bank terhadap
profitabilitas dengan ukuran bank sebagai variabel moderasi menggunakan
mentode RGEC pada bank umum syariah yang telah dilakukan oleh
beberapa peneliti. Adapun penelitian terdahulu yang berkaitan dengan
penelitian ini antara lain:
Tabel 2.1
Penelitian Terdahulu
Isu No Penulis Hasil Penelitian
Pengaruh Non
Perfoming
Financing
(NPF) terhadap
Profitabilitas
1. Bunga
Apriganti
Iskandar dan
Nisful Laila
(2016)
Non Perfoming
Financing (NPF)
berpengaruh negatif
signifikan terhadap
ROA.
2. Medina
Almunawwaroh
dan Rina
Marlian (2018)
Non Perfoming
Financing (NPF)
berpengaruh negatif
signifikan terhadap
Profitabilitas.
3. Rima Cahya
Suwarno dan
Ahmad Mifdlol
Muthohar
(2018)
Non Perfoming
Financing (NPF)
berpengaruh positif
tidak signifikan
terhadap kinerja
keuangan.
4. Misbahul Munir
(2018)
NPF berpengaruh
positif dan signifikan
terhadap ROA
5. Saiful Bachri,
Suhadak, dan
Muhammad
NPF berpengaruh
negatif tidak signifikan
terhadap Profitabilitas
14
Saifi (2013)
Pengaruh
Financing
Deposit Ratio
(FDR)
terhadap
Profitabilitas.
1. Nunung
Indrawati,
Suprihatmi Sri
Wardiningsih,
dan Edi
Wibowo (2018
Financing Deposit
Ratio (FDR)
berpengaruh negatif
dan tidak signifikan
terhadap ROA
2. Muhammad
Syakhrun, Asbi
Amin, dan
Anwar (2019)
Financing Deposit
Ratio (FDR)
berpengaruh positif
signifkan terhadap
Profitabilitas
3. Isnaini Arofatul
Azzizah, Nur
Diana, Dan
Junaidi (2109)
Financing Deposit
Ratio (FDR)
berpengaruh negatif
signifikan terhadap
profitabilitas
4. Priska Trias
Agustin dan Ari
Darmawan
(2018)
Financing Deposit
Ratio (FDR)
berpengaruh positif
signifikan terhadap
Profitabilitas
5. Nur Setiani,
Edward Gagah
dan Aziz
Fathoni (2018)
Financing Deposit
Ratio (FDR)
berpengaruh positif
tidak signifikan
terhadap ROA
Pengaruh
Good
Corporate
Governance
(GCG)
terhadap
profitabilitas
1. Bunga
Apriganti
Iskandar dan
Nisful Laila
(2016)
Good Corporate
Governance (GCG)
berpengaruh negatif
tidak signifikan
terhadap Profitabilitas
2. Prasojo (2015) Good Corporate
Governance (GCG)
berpengaruh signifikan
positif terhadap
profitabilitas
3. Riana Christel
Tumewu dan
Stanly W.
Alexander
(2014)
Good Corporate
Governance (GCG)
berpengaruh positif
signifikan terhadap
Profitabilitas
4. Lidia Desiana,
Mawardi dan
Good Corporate
Governance (GCG)
15
Sellya Gustiana
(2016)
berpengaruh positif
signifikan terhadap
Profitabilitas
5. David Tjondro
dan R.
Wilopo(2011)
Good Corporate
Governance (GCG)
berpengaruh positif
signifikan terhadap
profitabilitas
Pengaruh Net
operating
margin (NOM)
terhadap
profitabilitas
1. Silfani Permata
Sari dan A.
Mulyi Haryanto
(2017)
Net operating margin
(NOM) berpengaruh
negatif tidak signifikan
terhadap ROA
2. Muhammad
Yusuf (2017)
Net operating margin
(NOM) berpengaruh
positif signifikan
terhadap ROA
3. Giofani
Nursucia
Widyawati dan
M. Djazari
(2017)
Net operating margin
(NOM) berpengaruh
positif tidak signifikan
terhadap Profitabilitas
4. Muh. Sabir. M,
Muhammad Ali,
dan Abd.
Hamid Habbe
(2012)
Net operating margin
(NOM) berpengaruh
positif signifikan
terhadap ROA
Pengaruh
Capital
Adequacy
Ratio (CAR)
terhadap
prfofitabilitas
1. Fretty Welta
dan Lemiyana
(2017)
Capital Adequacy
Ratio (CAR)
berpengaruh negatif
tidak signifikan
terhadap ROA
2. Indriani Harlim
dan Denny
Iskandar (2015)
Capital Adequacy
Ratio (CAR)
berpengaruh positif
tidak signifikan
terhadap ROA
3. Zahra Nur
Khadijah, Dewa
Putra Khrisna
Mahardika
(2018)
Capital Adequacy
Ratio (CAR)
berpengaruh positif
signifikan terhadap
profitabilitas
4. Rowland
Bismark
Capital Adequacy
Ratio (CAR)
16
Fernando
Pasaribu (2015)
berpengaruh positif
tidak signifikan
terhadap Profitabilitas
5. Lie Jimmy
Million, Anis
Rachma Utary,
dan Irwansyah
(2017)
Capital Adequacy
Ratio (CAR)
berpengaruh negatif
signifikan terhadap
ROA
Perbedaan penelitian ini dengan penelitian-penelitian terdahulu
adalah penelitian ini akan menambahkan variabel moderasi berupa
“UKURAN BANK ”
B. Landasan Teori
1. Signalling Theory
Teori sinyal (signaling thoery) pertama kali diperkenalkan oleh
Spence di dalam penelitiannya yang berjudul Job Market Signaling.
Spence (1973) mengemukakan bahwa isyarat atau signal memberikan
suatu sinyal, pihak pengirim (pemilik informasi) berusaha memberikan
potongan informasi relevan yang dapat dimanfaatkan oleh pihak
penerima. Pihak penerima kemudian akan menyesuaikan perilakunya
sesuai dengan pemahamannya terhadap sinyal tersebut.
Signalling Theory mengemukakan tentang bagaimana seharusnya
sebuah perusahaan memberikan sinyal kepada pengguna laporan
keuangan. Sinyal ini berupa informasi mengenai apa yang sudah
dilakukan oleh manajemen untuk merealisasikan keinginan pemilik.
Sinyal dapat berupa promosi atau informasi lain yang menyatakan
bahwa perusahaan tersebut lebih baik daripada perusahaan lain.
17
Sedangkan menurut Brigham dan Houston (2014:184) signalling
theory merupakan suatu perilaku manajemen perusahaan dalam
memberi petunjuk untuk investor terkait pandangan manajemen pada
prospek perusahaan untuk masa mendatang.
Signaling teori adalah digunakan untuk menjelaskan bahwa pada
dasarnya laporan keungan dimanfaatkan perusahaan untuk memberi
sinyal positif maupun negatif kepada pemakainya (Sri, 2008:65).
Menurut Subalno (2009) Signalling theory merupakan penjelasan dari
asimetri informasi. Terjadinyaasimetri informasi disebabkan karena
pihak manajemen mempunyai informasi lebih banyak mengenai
prospek perusahaan. Untuk menghindari asimetri informasi,
perusahaan harus memberikan informasi sebagai sinyal kepada pihak
investor. Asimetri informasi perlu diminimalkan, sehingga perusahaan
go public dapat menginformasikan keadaan perusahaan secara
transparan kepada investor.
Investor atau nasabah selalu membutuhkan informasi yanng
sistematis sebagai pemantauan dalam penempatan dananya pada suatu
bank. Sangat penting bagi perusahaan untuk memberikan informasi
mengenai keuangannya pada laporan keuangan. Jadi teori signaling
menjelaskan bahwa perusahaan memberikan laporan keuangan kepada
pihak eskternal agar tidak terjadi asimetri informasi.
18
2. Perbankan Syariah
Bank adalah badan usaha yang menghimpun dana dari masyarakat
dalam bentuk simpanan dan menyalurkannya kepada masyarakat
dalam bentuk kredit dan atau bentuk lainnya dalam rangka
meningkatkan taraf hidup rakyat. Dana dari masyarakat yang disimpan
dalam bentuk rekening giro, deposito, dan atau tabungan kemudian
dihimpun dan dikelola oleh bank. Simpanan yang dipercayakan oleh
masyarakat kepada bank tersebut kemudian disalurkan oleh bank
dalam bentuk pembiayaan kepada masyarakat yang membutuhka
dana. Berdasarkan ketentuan pasal 3 Undang-Undang No.21 Tahun
2008 tentang Perbankan Syariah (selanjutnya disebut UU Perbankan
Syariah), tujuan penyaluran dana oleh perbankan syariah adalah
menunjang pelaksanaan pembangunan, meningkatkan keadilan,
kebersamaan, dan pemerataan kesejajteraan rakyat (Wangsawidjaja,
2012: 1).
Bank Syariah merupakan lembaga intermediasi dan penyedia jasa
keuangan yang bekerja berdasarkan etika dan sistem nilai Islam,
khususnya yang bebas dari bunga (riba), bebas dari kegiatan spekulatif
yang nonproduktif seperti perjudian (maysir), bebas dari hal-hal yang
tidak jelas dan meragukan (gharar), berprinsip keadilan, dan hanya
membiayai kegiatan usaha yang halal. Bank Syariah sering
dipersamakan dengan bank tanpa bunga. Bank tanpa bunga merupakan
konsep yang lebih sempit dari bank Syariah, ketika sejumlah instrumen
19
atau operasinya bebas dari bunga. Bank Syariah, selain menghindari
bunga, juga secara aktif turut berpartisipasi dalam mencapai sasaran
dan tujuan dari ekonomi Islam yang berorientasi pada kesejahteraan
sosial (Ascarya, 2005: 4).
Banyak di kalangan pengguna jasa perbankan mengalami kesulitan
untuk membedakan antara bank syariah dan bank konvensional. Pada
prinsipnya, bank syariah tidak benar-benar berbeda dengan bank
konvensional. Bahkan, ada beberapa persamaan yang terutama dilihat
dari manajemen perbankan. Akan tetapi, terdapat sedikit perbedaan
yang merupakan substansi dari hakikat kesyariahan dari lembaga
keuangan perbankan.
3. Profitabilitas
Rasio profitabilitas merupakan rasio utama dalam seluruh laporan
keuangan, karena tujuan utama perusahaan adalah hasil
operasi/keuntungan. Keuntungan adalah hasil akhir dari kebijakan dan
keputusan yang di ambil manajemen. Rasio keuntungan akan
digunakan untuk mengukur keefektifan operasi perusahaan sehingga
menghasilkan keuntungan pada perusahaan Nuzul (2016). Berarti
semakin tiggi tingkat rasio profiabilitas suatu bank atau perusahaan
maka keuntungan yang didapat juga akan semakin tinggi pula.
Profitabilitas digunakan untuk mengukur kemampuan bank dalam
mengumpulkan laba dalam kurun waktu satu periode. Kinerja
keuangan bank merupakan suatu ukuran yang menggambarkan kondisi
20
keuangan suatu bank. Bagi nasabah, sebelum mendepositkan dananya
di suatu bank mereka akan melihat terlebih dahulu kinerja keuangan
bank tersebut melalui laporan keuangan berupa neraca dan laba rugi.
Rasio profitabilitas merupakan rasio untuk menilai kemampuan
perusahaan dalam mencai keuntungan. Rasio ini juga memberikan
ukuran tingkat efektifitas manajemen suatu perusahaan (Kasmir,
2013:117). Salah satu penghitungan rasio profitabilitas yaitu
menggunakan Return on Asset (ROA) . Return on Asset merupakan
rasio profitabilitas rasio yang menukur tingkat pengembalian dari
bisnis atas selurih aset yang ada. Atau rasio ini menggambarkan
efisiensi pada dana yang digunakan dalam perusahaan (Arief :80).
Rumus Return on Asset berikut ini:
ROA =Laba Bersih sebelum pajak
Total Aktiva X 100%
4. Risk Profile
Penilaian terhadap faktor risiko (risk profile) meliputi penilaian
terhadap risiko kredit, risiko pasar, risiko likuiditas, risiko operasional,
risiko hukum, risiko stratejik, risiko kepatuhan, dan risiko reputasi
(PBI No.13/1/PBI/2011). Diantara delapan risiko tersebut, risiko kredit
dan risiko likuiditas digunakan dalam penelitian ini. Kedua faktor
risiko tersebut digunakan karena keduanya dapat diukur dengan
menggunakan pendekatan kuantitatif. Resiko kredit dihitung dengan
menggunakan Non Performing Finanscing (NPF) dan Resiko
likuiditas dihitung menggunakan Financing Deposit ratio(FDR).
21
a) Non Performing Financing (NPF)
Non Perfoming Financing (NPF) atau dalam kamus Perbankan
Syariah disebut duyunun ma’dumah yang diartikan sebagai
“Pembiayaan non lancar mulai dari kurang lancar sampai dengan
macet”. Dengan demikian dapat disimpukan bahwa pembiayaan
bermasalah adalah pembiayaan yang kualitasnya berada dalam
golongan kurang lancar (golongan III), diragukan (golongan IV),
dan macet (golongan V). pembiayaan bermasalah tersebut, darisegi
produktivitasnya (pervomance-nya), yaitu dalam kaitannya dengan
kemampuannya menghasilkan pendapatan bagi bank, sudah
berkurang atau menurun dan bahkan mungkin sudah tidak ada lagi
(Wangsawidjaja, 2012: 90). Jadi apabila nasabah tidak mampu
membayar pinjaman yang diberikan bank maka bank tersebut akan
mangalami kekurangan modal dan akan berimbas pada
profitabilitas bank.
Sesuai dengan aturan yang telah ditetapkan oleh Bank
Indonesia, besarnya NPF yang baik adalah dibawah 5%. NPF
diukur dari rasio perbandingan antara kredit bermasalah terhadap
total kredit yang diberikan. Semakin besar NPF akan memperkecil
keuntungan/profitabilitas bank karena dana yang tidak dapat
ditagih mengakibatkan bank tidak dapat melakukan pembiayaan
pada aktiva produktif lainnya. Hal ini mengakibatkan pendapatan
bank menjadi berkurang sehingga profitabiltas perbankan akan
22
terganggu (Medina dan Rina, 2018: 7). Rumus Non Perfoming
Financing (NPF) berikut ini:
NPF =Total Pembiayaan Bermasalah
Total Pembiayaan X 100%
b) Financing Deposit Ratio(FDR)
Financing to Deposito Ratio (FDR) atau Nisbah at Tamwil
wa alwada’I adalah rasio pembiayaan bank syariah dengan dana
pihak ketiga, rasio penyaluran dan penghimpunan dana
(Wangsawidjaja, 2012: 117). Kenaikan pada rasio FDR
menandakan bahwa adanya peningkatan dalam penyaluran
pembiayaan kepada masyarakat, sehingga apabila rasio ini naik
maka keuntungan bank juga naik dengan asumsi bahwa bank
menyalurkan Linda dan Dina (2015: 972).
FDR =Total Pembiayaan
Total Dana pIhak Ketiga X 100%
5. Good Corporate governance (GCG)
Secara sederhana Good Corporate governance dapat diartikan
sebagai suatu sistem yang mengatur dan mengendalikan perusahaan
untuk menciptakan nilai tambah (value added) untuk semua
stakeholders. Good Corporate governance merupakan tata kelola
yang berhubungan dengan interaksi antara pemerintah dan masyarakat
Niken dan Rangga (2017). GCG juga dapat membantu nasabah untuk
menilai bank mana yang sekiranya berpotensi untuk menyimpan atau
23
pun mendapatkan pinjaman dari bank tersebut. Selain annual report,
self assesment bank juga dapat membantu nasabah.
Apabila GCG suatu bank baik maka akan menarik nasabah untuk
menabung di bank tersebut. Jadi penelitian menurut prasojo ini apabila
GCG suatu bank itu tinggi atau cukup baik maka profitabilitas bank
tersebut akan baik pula. Sebaliknya apabila GCG suatu bank itu rendah
maka profitabilitasnya akan rendah pula. Nasabah akan cenderung
lebih memilih bank yang memiliki profitabilitas tinggi atau baik,
karena nasabah akan merasa aman untuk menyimpan atau
menabungkan uangnya di bank tersebut.
Menurut PBI No. 11/33/PBI/2009 tentang Pelaksanaan GCG bagi
bank umum syariah dan unit usaha syariah menyebutkan GCG adalah
suatu tata kelola bank yang menerapkan prinsip-prinsip keterbukaan
(transparency), akuntabilitas (accountability), pertanggungjawaban
(responsibility), profesional (professional) dan kewajaran (fairness).
Good corporate governance (GCG) adalah konsep untuk
meningkatkan transparansi dan akuntabilitas dengan tujuan untuk
menjamin agar tujuan bank tercapai dengan penggunaan sumberdaya
se-efisien mungkin. GCG yang efektif pada bank dan nasabah
pengguna dana adalah salah satu pilar penting yang harus diciptakan
untuk mengganti kondisi sosial ekonomi yang lama Prasojo (2015).
Penilaian atau penghitungan GCG menggunakan nilai komposit
24
peringkat kualitas penerapan GCG bank berdasarkan Surat Edaran BI
No. 15/15/DPNP 29 April 2013.
6. Rentabilitas (Earning)
Merupakan ukuran kemamapuan bank dalam meningkatkan
labanya setiap periode atau untuk mengukur tingkat efisiensi usaha dan
profitabiltas yang dicapai bank yang bersangkutan. Bank yang sehat
adalah bank yang diukur secara rentabilitas yang terus meningkat
(Kasmir,2013: 45-46). Penilaian dilakukan menggunakan cara Net
operating margin (NOM) . Jadi ketika rasio rentabilitas suatu bank
naik atau tinggi maka profitabilitas yang dimiliki oleh bank tersubut
juga tinggi pula. Net operating margin dapat diartikan rasio rentabilitas
untuk mengetahui kemampuan aktiva produktif dalam menghasilkan
laba melalui oerbandingan pendapatan operasional dan beban
operasional dengan rata-rata aktiva produktif Sherty (2015: 28).
Rumus NOM sebagai berikut:
NOM =(PO − DBH) − BO
Rata − rata aktiva produktif X 100%
7. Modal (Capital)
Yang dinilai adalah permodalan yang ada didasarkan kepada
kewajiban penyediaan modal minimum bank. Penilaian tersebut
didasarkan kepada CAR (Capital Adequacy Ratio) yang telah
ditetapkan ditetapkan BI (Kasmir,2013: 44). Capital Adequacy Ratio
(CAR) merupakan rasio permodalan yang menunjukkan kemampuan
bank dalam menyediakan dana untuk keperluan pengembangan usaha
25
dan menampung risiko kerugian dana yang diakibatkan oleh kegiatan
operasi bank Endra (2013). Rasio CAR memperlihatkan seberapa jauh
seluruh aktiva bank yang mengandung risiko (kredit, penyertaan, surat
berharga, tagihan pada bank lain) ikut dibiayai dari dana modal sendiri
bank di samping memperoleh dana-dana dari sumber di luar bank,
seperti dana masyarakat, pinjaman (utang) dan lain-lain Pani dan
Janah(2018).
Capital Adequacy Ratio (CAR) adalah rasio kecukupan modal
yang berfungsi menampung risiko kerugian yang kemungkinan
dihadapi oleh bank Sigit (2013). Semakin tinggi CAR maka semakin
baik kemampuan bank tersebut dalam menanggung risiko dari setiap
kredit atau aktiva produktif yang berisiko sehingga bank dapat
menjaga likuiditasnya dan stabilitas serta efisiensi operasional bank.
Dengan demikian, akan berpengaruh positif terhadap profitabilitas
bank sekaligus terhadap harga sahamnya. Dengan menjaga Car pada
posisi yang normal, berarti juga melindungi nasabah dan seluruh
sistem keuangan bank tersebut. Capital Adequacy Ratio (CAR) dapat
dihitung menggunakan rumus
CAR =𝑀𝑜𝑑𝑎𝑙
𝐴𝑠𝑒𝑡 𝑡𝑒𝑟𝑡𝑖𝑚𝑏𝑎𝑛𝑔 𝑚𝑒𝑛𝑢𝑟𝑢𝑡 𝑟𝑒𝑠𝑖𝑘𝑜
8. Ukuran Bank
Secara umum, ukuran dapat diartikan sebagai sutu perbandingan
besar atau kecilnya suatu objek. Ukuran perusahaan menggambarkan
besar kecilnya suatu perusahaan yang dapat dinyatakan dengan total
26
aset ataupun total penjualan bersih. Semakin besar total aset maupun
penjualan maka semakin besar pula ukuran suatu perusahaan. Semakin
besar aset maka semakin besar modal yang ditanam, sementara
semakin banyak penjualan maka semakin banyak juga perputaran uang
dalam perusahaan (Hery, 2017: 12).
Besar kecilnya perusahaan mempengaruhi dalam menanggung
isiko yang mungkin terjadi. Perusahaan besar cendenrung memiliki
risiki yang kecil dibandingkan dnegan perusahaan yang kecil, karena
perusahaan besar memiliki kontrol yang baik dalam menghadapi
risiko-risko yang mungkin terjadi. Masyarakatpun akan lebih
mempercayakan dananya untuk dikelola oleh bank yang memiliki
perusahaan besar, karena bank yang memiliki ukuran perusahaan yang
besar dianggap mampu untuk menyelesaikan masalah-masalah yang
mungkin terjadi pada bank tersebut dan nasabah akan merasa aman
untuk menyimpan uangnya di bank tersebut. Ukuran bank dapat diukur
menggunakan
Ukuran bank = Ln (Total aset)
27
C. Kerangka Penelitian
H6 H7 H8 H9 H10
Gambar 2.1
Kerangka Penelitian
D. Hipotesis
Hipotesis adalah jawaban sementara terhadap rumusan masalah
penelitian. Dikatakan sementara karena jawaban yang diberikan baru
didasarkan pada teori yang releven, belum didasarkan pada fakta-fakta
empiris yang diperoleh melalui pengumpulan data, sehingga dapat
dikatakan bahwa hipotesis adalah jawaban teoritis terhadap rumusan
masalah penelitian dan bukan jawaban empiris (Wagiran, 2003: 94).
NPF
(X1)
FDR
(X2)
GCG
(X3)
NOM
(X4)
CAR
(X5)
UKURAN BANK
Z
PROFITABILITAS
Y
H1
H2
H3
H4
H5
28
Berdasarkan uraian kerangka pemikiran di atas, maka penulis
menarik hipotesis sebagai berikut:
1. Pengaruh NPF Terhadap Profitabilitas
NPF merupakan jumlah pembiayaan bermasalah dan kemungkinan
tidak dapat ditagih dan kemungkinan besar dapat membuat kinerja
bank turun. Semakin besar NPF dapat memperburuk kinerja bank dan
berimbas pada kesehatan bank dan profitabilitas bank.
Penelitian yang dilakukan Bunga dan Nisful (2016: 182)
menunjukkan bahwa NPF berpengaruh negatif signifikan terhadap
ROA. Penelitian ini sejalan dengan penelitian yang dilakukan Medina
dan Rina (2018: 16) menyatakan bahwa NPF berpengaruh negatif
signifikan terhadap ROA. Maka apabila NPF suatu bank naik akan
membuat keuntungan atau profitabilitas bank turun. Karena dana yang
tidak tertagih atau kredit macet mengakibatkan bank tidak dapat
melakukan pembiayaan pada aktiva produktif lainnya. Hal ini
mengakibatkan profitabilitas menjadi menurun, jadi NPF memiliki
pengaruh negatig terhadap profitabilitas. Maka dapat dirumuskan
hipotesis seperti berikut
H1 : NPF berpengaruh negatif signifikan terhadap Profitabilitas
2. Pengaruh FDR Terhadap Profitabilitas
FDR merupakan rasio yang menyatakan seberapa jauh kemampuan
bank dalam membayar kembali penarikan dana yang dilakukan deposan
dengan mengandalkan pembiayaan yang diberikan sebagai
29
likuiditasnya Suhartati(2013: 1181). Dalam bank konvensional FDR
lebih dikenal dengan istilah Loan to Deposit Ratio (LDR).
Penelitian yang dilakukan Muhammad, Asbi, dan Anwar (2019: 9)
meunjukkan FDR berpengaruh positif signifikan terhadap ROA. Serupa
dengan penelitian yang dilakukan syawal (2018: 107) bahwa FDR
berpengaruh positif signifikan terhadap profitabilitas. Jadi apabila FDR
naik makan profitabilitas bank juga akan baik, karena dana dari pihak
ketiga digunakan bank untuk melakukan pembiayaan aktiva lainnya.
Dengan menyalurkan pembiayaan kepada masyarakat maka bank akan
mendapatkan keuntungan atau profitabilitas dari pembiayaan tersebut.
Jadi apabila FDR naik maka keuntungan bank juga akan naik
dengan asumsi bahwa bank menyalurkan pembiayaan secara optimal.
Maka dapat dirumuskan hipotesis sebagai berikut
H2 : FDR berpengaruh positif signifikan terhadap profitabilitas
3. Pengaruh GCG Terhadap Profitabilitas
GCG adalah prinsip yang mengarahkan dan mengendalikan
perusahaan agar mencapai keseimbangan antar kekuatan serta
kewenangan perusahaan dalam memberikan pertanggung jawabannya
kepadda para shareholder khususnya, dan stakeholder umumnya
(Alin, 2017: 11). Pada ketentuan umum POJK No.44/POJK.03/2016
tata kelola yang baik adalah suatu tata cara pengelolaan bank yang
menerapkan prinsip-prinsip keterbukaan (transparency), akuntabilitas
(accountability), pertanggung jawaban (responsibility), independensi
30
(independency), dan kewajiban (fairness). Secara teoritis, pelaksanaan
GCG dapat meningkatkan nilai perusahaan dapat meningkatkan
kinerja keuangan Prasojo (2015: 67).
Pendapat tersebut diperkuat oleh penelitian David dan Wilopo
(2011), Lidia dan Sellya (2016), dan Prasojo (2015) dimana semuanya
menyatakan bahwa GCG berpengaruh signifikan positif terhadap
Profitabilitas. Maka semakin bagus penerapan GCG suatu bank akan
meningkatkan kemampuan bank dalam menghasilkan laba. Semakin
bagus penyampaian Self assesment terhadap nasabah, maka nasabah
akan semakin percaya dengan bank tersebut dan nasabah tidak akan
ragu untuk menyimpan uang nya di bank tersebut. Maka dapat
dirumuskan hipotesis sebagai berikut
H3 : GCG berpengaruh positif signifikan terhadap Profitabilitas.
4. Pengaruh NOM Terhadap Profitabilitas
Vita dan Osmad (2013: 134) menunjukkan bahwa Semakin tinggi
NOM maka semakin tinggi ROA, yang berarti akan meningkatkan
pendapatan bagi hasil atas aktiva produktif yang dikelola oleh bank,
sehingga kinerja keuangan semakin meningkat. Pendapat tersebut
diperkuat oleh penelitian Yusuf (2017) dan Sabir, Ali, dan Hamid
(2012) dimana keduanya menyatakan bahwa NOM bepengaruh positif
signifikan terhadap ROA. Maka dapat dirumuskan hipotesis sebagai
berikut
H4 : NOM berpengaruh positif signifikan terhadap Profitabilitas
31
5. Pengaruh CAR Terhadap ROA
CAR merupakan rasio kinerja bank untuk mengukur kecukupan
modal yang dimiliki bank dalam menunjang aktiva yang mengandung
risiko, seperti kredit yang diberikan Boy (2008: 101). Semakin tinggi
nilai CAR berarti bank tersebut mampu membiayai operasi bank, dan
keadaan yang menguntungkan tersebut dapat memberikan kontribusi
yang cukup besar bagi profitabilitas bank Fretty (2017: 89).
Pendapat tersebut sejalan dengan penelitian Zahra dan Dewa
(2018: 2129) bahwa CAR berpengaruh positif signifikan terhadap
Profitabilitas. Apabila modal yang dimiliki dapat digunakan untuk
menanggung kerugian atau resiko-resiko yang dimiliki oleh bank,
maka semakin besar kemungkinan bank dalam menghasilkan
keuntungan. Maka dapat dirumuskan hipotesis sebagai berikut
H5 : CAR berpengaruh positif signifikan terhadap profitabilitas.
6. Pengaruh Kesehatan Bank terhadap Profitabilitas Dengan
Ukuran Bank sebagai Variabel Moderasi
Ukuran bank yang besar dengan di dukung kestabilan kesehatan
bank, mampu menarik minat nasabah untuk menyimpan dan
melakukan pembiayaan di bank tersebut. Peningkatan dana pihak
ketiga yang masuk ke bank dan pembiayaan yang dilakukan bank
dapat meningatkan profitabilitas bank.
Selain itu perbedaan ukuran perusahaan menyebabkan risiko bisnis
yang berbeda secara signifikan antara perusahaan besar dan
32
perusahaan kecil. Perusahaan besar memiliki risiko bisnis yang lebih
kecil, karena nasabah sudah mengetahui mengenai bank tersebut tanpa
harus menjelaskan lebih mendetail. Sehingga lebih mudah untuk
mendapatkan dana tambahan yang kemudian dapat meningkatkan
profitabilitas. Semakin besar perusahaan juga membuat profitabilitas
bank semakin tinggi. Hal itu membuat ukuran bank berpengaruh
positif dan signifkan terhadap profitabiitas dan dengan sendirinya
meningkat seiring dengan perkembangan tersebut. Dapat dikatakan
bahwa ukuran bank mampu memberikan pengaruh bagi minat nasabah
untuk menyimpan dan melakukan pembiayaan di bank tersebut, dan
berimplikasi pada profitabilitas. Pernyataan ini didukung oleh
penelitian Yuliantari (2014). Maka dapat dirumuskan hipotesis
sebagai berikut.
H6 : Ukuran bank dapat memoderasi pengaruh NPF terhadap
profitabilitas
H7 : Ukuran bank dapat memoderasi pengaruh FDR terhadap
profitabilitas
H8 : Ukuran bank dapat memoderasi pengaruh GCG terhadap
profitabilitas
H9 : Ukuran bank dapat memoderasi pengaruh NOM terhadap
profitabilitas
H10 : Ukuran bank dapat memoderasi pengaruh CAR terhadap
profitabilitas
33
BAB III
METODE PENELITIAN
A. Jenis Penelitian
Penelitian yang saya gunakan adalah berjenis kuantitatif. Penelitian
kuantitatif adalah jenis penelitian yang menghasilkan penemuan-
penemuan yang dapat dicapai (diperoleh) dengan menggunakan prosedur-
prosedur statistik atau cara-cara lain dari kuantifikasi (pengukuran)
(Wiratna, 2015: 39). Jenis ini saya gunakan karena lebih mampu
memberikan hasil yang kongkrit padda penelitian dan lebih memberikan
gambaran nyata tentang apa yang terjadi.
B. Populasi dan Sampel
Populasi adalah kumpulan dari keseluruhan pengukuran , objek
atau individu yang sedang dikaji (Harinaldi, 2005: 2). Adapun populasi
penelitian ini adalah bank umum syariah di indonesia yang terdaftar di
otoritas jasa keuangan pada tahun 2014-2018. Daftar populasi yang
digunakan yaitu:
34
Tabel 3.1
Daftar Populasi Penelitian
No Bank Umum Syariah
1 PT. Bank Aceh Syariah
2 PT. BPD Nusa Tenggara Barat
3 PT. Bank Muamalat Indonesia
4 PT. Bank Victoria Syariah
5 PT. Bank BRISyariah
6 PT. Bank Jabar Banten Syariah
7 PT. Bank BNI Syariah
8 PT. Bank Syariah Mandiri
9 PT. Bank Mega Syariah
10 PT. Bank Panin Dubai Syariah
11 PT. Bank Syariah Bukopin
12 PT. BCA Syariah
13 PT. Bank Tabungan Pensiunan Nasional Syariah
14 PT. Maybank Syariah Indonesia
Sedangkan sampel adalah sebagian, atau subset (himpunan
bagian), dari suatu populasi (Harinaldi, 2005: 2). Teknik sampling dalam
penelitian ini yaitu menggunakan teknik purposive sampling. Purposive
sampling dilandasi tujuan atau pertimbangan tertentu terlebih dahulu. Oleh
karen itu, pengambilan sumber informasi (informan) didasarkan pada
maksud yang telah ditetapkan sebelumnya(Yusuf, 2014: 369). Sampel
penelitian ini adalah bank umum syariah di Indonesia yang memenuhi
syarat sebagai berikut:
1. Bank Umum Syariah yang terdaftar di OJK
2. Bank Umum Syariah yang menerbitkan laporan keungan keuangan
secara lengkap berturut-turut selama periode 2014-2018.
35
3. Bank Umum Syariah yang melakukan self assesement terkait good
corporate governance (GCG) periode 2014-2018.
Dari kriteria di atas, maka bank yang dijadikan sampel pada
penelitian ini yaitu sebagai berikut:
Tabel 3.2
Daftar Sampel Bank Umum Syariah
No Bank Umum Syariah Kode Bank
1. PT. Bank Muamalat Indonesia BMI
2. PT. Bank Victoria Syariah BVS
3. PT. Bank BRI Syariah BRIS
4. PT. Bank Jabar Banten Syariah BJB Syariah
5. PT. Bank BNI Syariah BNIS
6. PT. Bank Syariah Mandiri BSM
7. PT. Bank Mega Syariah BMS
8. PT. Bank Panin Dubai Syariah BPS
9. PT. Syariah Bukopin BSB
10. PT. Maybank Syariah Indonesia MSI
C. Teknik Pengumpulan Data
Teknik yang digunakan dalam penelitian ini adalah pengumpulan
data melalui observasi tidak langsung, yaitu dengan mengumpulkan
dokumen-dokumen laporan keuangan tahunan bank tahun 2014-2018.
Data yang digunakan dalam penelitian ini adalah data sekunder. Data
sekunder merupakan data yang telah dikumpulkan oleh pihak lain bukan
oleh periset sendiri untuk tujuan yang lain (Istijanto, 2009: 38). Data
sekunder diperoleh melalui studi kepustakaan yang didapat melalui:
36
1. Library research
Pengumpulan data dengan membaca buku dari beberapa litelatur,
referensi, laporan keuangan dan bahan yang berhubungan atau
mendukung penelitian ini.
2. Internet research
Buku referensi atau litelatur terkadang tertinggal selama beberapa
waktu atau kadaluarsa dikarenakan ilmu selalu berkembang. Oleh
karena itu, untuk mengantisipasi hal tersebut penulis melakukan
penelitian dengan teknologi yang berkemmbang yaitu internet,
sehingga data yang diperoleh merupakan data yang sesuai dengan
perkembangan zaman.
D. Definisi Konsep dan Operasional
1. Variabel Dependen
Variabel dependen merupakan variabel yang dipengaruhi atau
akibat, karena adanya variabel bebas (Wiratna, 2015: 75). Variabel
Dependen dalam penelitian ini adalah profitabilitas. Profitabilitas
sangat penting bagi perbankan, karena digunakan sebagai indikator
untuk mengukur efesiensi perusahaan dalam menghasilkan keuntungan
dengan memanfaatkan aktiva yang dimilikinya. Indicator financial
ratio yang digunakan adalah Return on Asset (ROA) (Medina, 2018:
4). ROA digunakan untuk mengukur keefisienan dan keefektifan bank
37
dalam menghasilkan laba yang berasal dari pembiayaan aktiva bank.
ROA dirumuskan sebagai berikut:
ROA =Laba Bersih sebelum pajak
Total Aktiva X 100%
Variebl Y = ROA.
2. Variabel Moderating
Variabel moderator merupakan variabel yang mempengaruhi
(memperkuat atau memperlemah) hubungan antara variabel
independden dengan dependen (Wiratna, 2015: 76). Variabel moderasi
dalam penelitian ini adalah ukura bank. Ukuran perusahaan
menggambarkan besar kecilnya suatu perusahaan yang dapat
dinyatakan dengan total aset ataupun total penjualan bersih. Semakin
besar total aset maupun penjualan maka semakin besar pula ukuran
suatu perusahaan.
Semakin besar aset maka semakin besar modal yang ditanam,
sementara semakin banyak penjualan maka semakin banyak juga
perputaran uang dalam perusahaan (Hery, 2017: 12). Semakin besar
ukuran bank tersebut maka resiko yang mungkin ditanggung akan
semakin kecil, karena bank yang besar memiliki kontrol yang baik
dalam menghadapi resiko-resiko yang mungkin dialami oleh bank
tersebut. Dapat dikatakan bahwa ukuran bank mampu memberikan
pengrauh bagi minat nasabah untuk menyimpan dan melakukan
pembiayaan di bank tersebut, dan berimplikasi pada profitabilitas
38
Yuliantari (2014). Ukuran bank dapat diukur dengan rumus sebagai
berikut:
Ukuran Bank = Ln (Total aset)
Variabel Z = Ukuran bank
3. Variable Independen
Variabel independen merupakan variabel yang mempengaruhi atau
yang menjadi sebab perubahannya atau timbulnya variabel dependen
(Wiratna, 2015: 75). Dalam penelitian ini variabel independen yang
digunakan adalah sebagai berikut:
a. NPF
Non Performing Finance (NPF) merupakan rasio keuangan
yang digunakan untuk mengukur tingkat permasalahan pembiayaan
yang terjadi dalam suatu bank. NPF adalah jumlah kredit macet
yang kemungkinan besar tidak dapat ditagih dan apabila semakin
besar NPF suatu bank maka semakin buruk kinerja bank tersebut.
Dalam peraturan Bank Indonesia NPF disyaratkan minimal 5%.
Dalam penelitia ini diperoleh dari data sekunder laporan keuangan
tahunan bank periode 2014 sampai 2018. NPF dapat dihitung
dengan rumus sebagai berikut :
Variabel X1 = NPF
NPF =Total Pembiayaan Bermasalah
Total Pembiayaan X 100%
39
b. FDR
Financing to Deposit Ratio (FDR) yaitu seberapa besar
dana bank syariah dilepaskan untuk pembiayaan. Ketentuan Bank
Indonesia tentang FDR yaitu antara rasio 80% hingga 110%
(Okyviandi, 2016: 565). FDR digunakan untuk mengukur
kemampuan bank dalam membayar hutang-hutangnya dan
mengembalikan kembali uang milik deposannya. FDR dapat
dirumuskan sebagai berikut:
FDR =Total Pembiayaan
Total Dana pIhak Ketiga X 100%
Variabel X2 = FDR
c. GCG
Good Corporate Governance (GCG) adalah prinsip yang
mengarahkan dan mengendalikan perusahaan agar mencapai
keseimbangan antara kekuatan serta kewenangan perusahaan
dalam memberikan pertanggung jawabannya kepada para
shareholders khususnya, dan stakeholders pada umumnya(Lidia,
2016: 4).
Self assesment merupakan penilaian terhadap pelaksanaan
prinsip-prinsip Good Corporate Governance (GCG) yang berisikan
sebelas 11 faktor penilaian pelaksanaan Good Corporate
Governance (GCG). Peraturan Bank Indonesia tahun 2007 perihal
pelaksanaan Good Corporate Governance (GCG) dalam rangka
peningkatan kualitas pelaksanaan Good Corporate Governance
40
(GCG), Bank Syariah setiap tahun melakukan Self assesment
secara komprehensif terhadap pelaksanaan Good Corporate
Governance (GCG) yang dipublikasikan oleh masing-masing bank
melalui website. Untuk memperkuat peneliti mengunakan bobot
penilaian Good Corporate Governance (GCG) pada surat edaran
Bank Indonesia tahun 2007 adalah sebagai berikut :
Tabel 3.3
Bobot Penilaian Good Corporate Governance (GCG)
No Faktor Bobot (%)
1. Pelaksanaan tugas dan tanggung jawab Dewan
Komisaris
10,00
2. Pelaksanaan tugas dan tanggung jawab Direksi 20,00
3. Kelengkapan dan pelaksanaan tugas Komite 10,00
4. Penanganan benturan kepentingan 10,00
5. Penerapan fungsi kepatuhan Bank 5,00
6. Penerapan fungsi audit intern 5,00
7. Penerapan fungsi audit ekstern 5,00
8. Fungsi manajemen risiko termasuk sistem
pengendalian intern
7,50
9. Penyediaan dana kepada pihak terkait (related
party) dan debitur besar (large exposures)
7,50
10. Transparansi kondisi keuangan dan non
keuangan, laporan pelaksanaan Good
Corporate Governance dan pelaporan internal
15,00
11. Rencana strategis Bank 5,00
Sumber: Surat Edaran Bank Indonesia No: 9/ 12 / DPNP 2007
Peringkat masing- masing faktor dikalikan dengan bobot
presentase masing-masing faktor untuk mendapatkan nilai
komposit dan kemudian menjumlahkan nilai akhir dari sebelas
faktor diatas. Kemudian bank menetapkan nilai komposit hasil
Self assesment pelaksanaan Good Corporate Governance Bank,
41
dengan menetapkan kalsifikasi peringkat komposit, sebagaimana
tabel berikut:
Tabel 3.4
Klasifikasi peringkat komposit
Nilai Komposit Predikat Komposit
Nilai Komposit < 1,5 Sangat Baik
1,5 < Nilai Komposit < 2,5 Baik
2,5 < Nilai Komposit < 3,5 Cukup Baik
3,5 < Nilai Komposit <4,5 Kurang Baik
4,5 < Nilai Komposit < 5 Tidak baik
Sumber: Surat Edaran Bank Indonesia No: 9/ 12 / DPNP 2007
Bank melakukan penilaian sesuai dengan kriteria peringkat, yaitu
peringkat 1 sampai dengan 5 , urutan peringkat faktor Good
Corporate Governance (GCG) yaitu apabila angka yang di dapat
lebih kecil mencerminkan penerapan Good Corporate Governance
(GCG) yang lebih baik dan sebaliknya jika angka yang di dapat
lebih besar maka penerapan Good Corporate Governance (GCG)
tidak baik.
Variabel X3 = GCG
d. NOM
Net Operating Margin (NOM) merupakan rasio yang
mengukur kemampuan aktiva produktif untuk menghasilkan
pendapatan bersih. Menurut teori yang ada semakin besar Net
Operating Margin (NOM), maka semakin besar pula pendapat
operasional suatu bank atas aset yang dikelola oleh bank, sehingga
42
kondisi bank yang bermasalah semakin kecil. Maka NOM dapat
dirumuskan sebagai berikut:
NOM =(PO − DBH) − BO
Rata − rata aktiva produktif X 100%
Variabel X4 = NOM
e. CAR
Capital Adequacy Ratio (CAR) merupakan rasio kecukupan
modal yang berfungsi menampung risiko kerugian yang
kemungkinan dihadapi oleh bank Sigit (2013). Jika nilai CAR
tinggi (sesuai dengan ketentuan Bank Indonesia sebesar 8%)
berarti bahwa bank tersebut mampu membiayai operasi bank, dan
keadaan yang menguntungkan tersebut dapat memberikan
kontribusi yang cukup besar bagi profitabilitas bank (ROA) yang
bersangkutan (Priska, 2018: 104). CAR dapat dirumuskan sebagai
berikut:
CAR =𝑀𝑜𝑑𝑎𝑙
𝐴𝑠𝑒𝑡 𝑡𝑒𝑟𝑡𝑖𝑚𝑏𝑎𝑛𝑔 𝑚𝑒𝑛𝑢𝑟𝑢𝑡 𝑟𝑒𝑠𝑖𝑘𝑜
Variabel X5 = CAR
E. Teknik Analisis
Analisis data diartikan sebagai upaya data yang sudah tersedia
kemudian diolah dengan statistik dan dapat digunakan untuk menjawab
rumusan masalah dalam penelitian (Wiratna, 2015: 121). Teknik atau
analisis data dalam penelitian ini adalah sebagai berikut:
43
1. Uji Stasioneritas
Uji yang digunakan dalam penelitian ini adalah uji Levin, Lin &
Chu. Sebuah data dikatakan stasioner jika memenuhi asumsi bahwa
rata-rata variannya 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: 11)
2. Uji Regresi Linier Berganda
Sebelum menyelesaikan uji regresi, harus dilakukan spesifikasi
model atau kecocokan model regresi dengan menggunakan salah satu
metode berikut:
a. Regresi dengan common effect
Regresi ini mengasumsikan bahwa data gabungan yang ada,
menunjukkan kondisi yang sesungguhnya. Hasil analisis regresi
dianggap berlaku pada semua objek pada semua waktu (Winarno,
2015: 14). Regresi ini dijelaskan melalui uji Lagrange-Multiplier
Test. Apabila nilai Breusch-Pagan lebih besar dari 0.05, maka
regresi yang digunakan adalah Common dan berlaku sebaliknya.
b. Regresi dengan fixed effect
Regresi ini mengasumsikan bahwa data gabungan yang
memiliki efek tetap. Efek tetap ini berarti satu objek memiliki
konstanta yang tetap besarnya untuk berbagai periode waktu
44
(Winarno, 2015: 14). Regresi ini dapat dijelaskan dengan uji chow-
test dengan likelihood ratio. Apabila nilai cross-sectionchisquare
lebih besar dari 0.05, maka regresi yang digunakan adalah regresi
common dan berlaku sebaliknya.
c. Regresi dengan random effect
Regresi digunakan untuk mengatasi kelemahan metode
efek tetap yang menggunakan variabel semu, sehingga model
mengalami ketidakpastian. Metode random effect menggunakan
residual, yang diduga memiliki hubungan antar waktu dan antar
objek (Winarno, 2015: 17). Regresi random effect dapat
dilakukan jika objek silang harus lebih dari banyaknya
koefisien. Regresi ini dijelaskan dengan uji Hausman test.
Apabila nilai cross-section random memiliki niai lebih besar
dari 0.05 maka regresi yang tepat digunakan adalah regresi
dengan random effect.
3. Uji Statistik
a. Uji Ttest
Uji signifikansi parameter individu (uji statistik t) berarti
melakukan pengujian koefisien regresi secara individual untuk
mengetahui signifikansi peran secara parsial antara variabel
independen dalam mempengaruhi variabel dependen dengan
mengasumsikan bahwa variabel independen lain dianggap konstan
dengan menggunakan derajat kepercayaan 5% (Ghozali, 2013: 97).
45
Keputusan signifikansi menurut Ghozali (2013: 99) adalah:
1. Apabila probabilitas signifikansi > 0,05 maka tidak
signifikan.
2. Apabila probabilitas signifikansi < 0,05 maka signifikan.
b. Uji Ftest
Uji simultan dengan Ftest bertujuan untuk mengetahui perngaruh
secara bersama-sama variabel independen terhadap variabel
dependden dengan variabel pemoderasi. Uji ini dilakukan dengan
membandingkan signifikansi Fhitung dengan ketentuan sebagai
berikut:
Jika Fhitung < 0,005 maka H diterima
Jika Fhitung> 0,005 maka H ditolak
c. Uji R Square dan Adjusted R Square
R Square dan Adjsuted R Square disebut juga
koefisiendeterminasi. Koefisien ini menjelaskan berapa besar proporsi
variansi dalam dependen yang dapat dijelaskan oleh variabel-variabel
independen secara bersama-sama. Niali ini menunjukkan seberapa
dekat garis regresi yang kita estimasi dengan data yang sesungguhnya.
Nilai berkisar antara 0 < < 1. Semakin besarr nilai (mendekati 100%)
semakin baik model regresi tersebut. Niali sebesar 0 berarti variansi
dari variabel dependen tidak dapat diterangkan sama sekali oleh
variabel independenya, dan sebaliknya.
4. Uji Asumsi Klasik
Uji asumsi klasik dalam penelitian ini adalah sebagai berikut:
46
a. Uji Normalitas
Menurut Winarno (2015: 41) uji ini bertujuan untuk menguji
apakah dalam model regresi, variabel penganggu atau residual
memiliki distribusi normal. Seperti diketahui bahwa uji t dan uji F
mengasumsikan bahwa nilai residual mengikuti distribusi normal.
Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid
untuk jumlah sampel kecil, salah satu pengujian dalam Eviews untuk
melakukan pengujian asumsi normalitas data tersebut dilakukan
dengan menggunakan pengujian Jarque Berra(JB).
Jarque Berra(JB) adalah uji statistik untuk mengetahui apakah
data berdistribusi normal. Uji ini mengukur perbedaan skewness dan
kurtosis data dan dibandingkan dengan apabila datanya bersifat
normal, dengan kriteria sebagai berikut:
1) Jika nilai J-B tidak signifikan (lebih kecil dari 2), maka data
berdistribusi normal.
2) Jika probabilitas lebih besar dari 5% (bila menggunakan tingkat
signifikansi tersebut), maka data berdistribusi normal (hipotesis
nolnya adalah data berdistribusi normal).
b. Uji Multikolinieritas
Menurut Winarno (2015: 1) uji ini bertujuan untuk menguji
apakah model regresi ditemukan adanya korelasi antar variabel
bebas (dependen). Dalam uji ini menggunakan uji auxiliary regresi
ini dapat digunakan untuk mengetahui hubungan antara dua atau
lebih variabel independen yang secara bersama-sama (misalnya X2
47
dan X3) mempengaruhi satu variabel independen yang lain
(misalnya X1). Kita harus menjalankan beberapa regresi, masing-
masing dengan memberlakukan satu variabel independen
(misalnya X1) sebagai variabel dependen dan variabel independen
lainnya tetap diperlakukan sebagai variabel independen.
c. Uji Autokorelasi
Menurut Winarno (2015: 29) uji ini bertujuan untuk
menguji apakah dalam model regresi nya ada korelasi antara
residual satu observasinya dengan residual observasi lainnya
(periode sebelumnya), jika terjadi korelasi maka dinamakan ada
problem autokorelasi. Dalam uji ini menggunakan uji durbin-
watson uji ini merupakan salah satu uji yang banyak dipakai untuk
mengetahui ada tidaknya korelasi, hampir semua program statistik
sudah menyediakan fasilitas untuk menghitung nilai d yang
mengambarkan koefisien DW. Nilai ini akan berada di kisaran 0
hingga 4. Dasar pengambilan keputusan ada tidaknya autokorelasi
dapat dilihat pada tabel berikut:
Tabel 3.5
Pengambilan Keputusan Durbin Watson
Hipotesisi nol Keputusan Jika
Tidak ada autokorelasi positif Tolak 0 < d < dl
Tidak ada autokorelasi positif No decision dl ≤ d ≤ du
Tidak ada korelasi negatif Tolak 4-dl < d <4
Tidak ada korelasi negatif No decision 4-du ≤ d ≤ 4-dl
Tidak ada autokorelasi, positif
atau negatif
Tidak
ditolak
du < d < 4-du
Sumber : Ghozali (2013:111)
48
d. Uji Heteroskedastisitas
Menurut Winarno (2015: 58) uji ini bertujuan untuk
menguji apakah dalam model regresi terjadi ketidaksamaan
variance dari residual satu pengamatan kepengamatan yang lain.
Jika variance dari residual satu pengamatan ke pengamatan lain
tetap, maka disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas. Model regresi yang baik adalah yang
homoskedastisitas atau tidak terjadi heteroskedastisitas.
Kebanyakan data crossection mengandung situasi
heteroskesdatisitas karena data ini menghimpun data yang
mewakili berbagai ukuran (kecil,sedang dan besar).
Cara mengetahui ada atau tidaknya gejala
heteroskedastisitas pada penelitian ini dengan melakukan
pengujian dengan uji glejser. Jika sigifikansi dari nilai probabilitas
lebih kecil dari 0,05 maka model tersebut mengandung
heteroskedastisitas, dan apabila signifikansi dari nilai probabolitas
lebih besar dari 0,05 maka model tersebut tidak mengandung
heteroskedastisitas.
5. Analisis Regresi Moderasi (Moderated Regresion Analysis)
Tujuan analisis ini adalah untuk mengetahui apakah variabel
moderating akan memperkuat atau memperlemah hubungan antara
variabel independen dan variabel dependen. Uji interaksi atau biasa
disebut Moderated Regresion Analysis (MRA) merupakan aplikasi
49
khusus regresi linier berganda dimana dalam persamaanya
mengandung unsur interaksi (perkalian dua atau lebih independe).
Menggambarkan pengaruh moderating variabel Ukuran Bank (Z)
terhadap NPF (X1), FDR (X2), GCG (X3), NOM (X4), CAR (X5),
dan ROA (Y).
Dalam penelitian ini menggunakan teknik analisis data Moderated
Regresion Analysis (MRA) dengan persamaan sebagai berikut:
Y = 0+ β1X1+ β2X2+ β3X3+ β4X4+ β5X5+e
Y = 0+ β1X1+ β2X2+ β3X3+ β4X4+ β5X5+ β1X1.Z+ β2X2.Z+ β3X3.Z+
β4X4.Z + β5X5.Z+ e
Keterangan:
Y : Profitabilitas
: konstanta
X1 : Non Performing Loan (NPL)
X2 : Loan Deposit Rasio (LDR)
X3 : Good Corporate Governance (GCG)
X4 : Return On Asset (ROA)
X5 : Capital Adequacy Ratio (CAR)
Z : Ukuran Bank
e : eror
50
F. Alat Analisis Data
Penelitian kali ini adalah data kuantitatif dimana penelitian ini
membuktikan kebenaran dari teori-teori yang digunakan dan data
dinyatakan dalam bentuk angka, maka akan mudah untuk diaplikasikan ke
dalam aplikasi olah data EVIEWS. EVIEWS adalah program komputer
yang digunakan untuk mengolah data statistik dan data ekonometrika.
EVIEWS dapat digunakan untuk menyelesaikan masalah-masalah yang
berbentuk data panel. data panel merupakan data yang bersifat time series
dan cross section, sehingga terdiri atas beberapa objek dan meliputi
beberapa periode.
51
BAB IV
ANALISIS DATA
A. Deskripsi Objek Penelitian
Objek dalam penelitian adalah laporan keuangan tahunan dan
laporan Good Corporate Governance (GCG) dari bank yang terdaftar di
OJK dan di publikasikan di web masing-masing bank. Sample data yang
digunakan dan kemudian diolah dalam penelitian ini adalah data tahunan
dari 2014 sampai 2018. Penelitian akan menganalisis pengaruh variabel
NPF, FDR, GCG, NOM, CAR, dan ROA dengan Ukuran Bank sebagai
variabel moderasi pada bank umu syariah yang terdaftarz di OJK tahun
2014-2018.
1. Variabel Return On Asset (ROA)
Tabel 4.1
Statistic Deskriptif Variabel Return On Asset (ROA)
ROA
Mean -0.005800
Median 0.004000
Maximum 0.055000
Minimum -0.201300
Observations 50
Sumber : Data Sekunder diolah, 2019
Dari tabel 4.1 dapat diketahui bahwa nilai rata-rata ROA pada
periode 2014 samapi dengan 2018 sebesar -0.005800. Nilai tertinggi
pada ROA 0,055000 pada tahun 2017 yang dimiliki Maybank Syariah
52
sedangkan nilai terendah -0.201300 pada tahun 2015 yang dimiliki
oleh Maybank Syariah.
2. Variabel Non Performing Financing (NPF)
Tabel 4.2
Statistic Deskriptif Variabel Non Performing Financing (NPF)
NPF
Mean 0.031412
Median 0.033250
Maximum 0.049700
Minimum 0,000000
Observations 50
Sumber : Data Sekunder diolah, 2019
Dari tabel 4.2 dapat diketahui bahwa nilai rata-rata NPF pada
periode tahun 2014 sampai dengan tahun 2018 sebesar 0.031412. Nilai
tertinggi pada NPF 0,049700 pada tahun 2018 yang dimiliki Bank BRI
Syariah sedangkan nilai terendah 0.000000 pada tahun 2017 dan 2018
yang dimiliki oleh Maybank Syariah.
3. Variabel Financing Deposit Ratio (FDR)
Tabel 4.3
Statistic Deskriptif Variabel Financing Deposit Ratio (FDR)
NPF
Mean 85.87501
Median 0.904300
Maximum 4249.235
Minimum 0,718700
Observations 50
Sumber : Data Sekunder diolah, 2019
53
Dari tabel 4.3 dapat diketahui bahwa nilai rata-rata FDR pada
periode tahun 2014 sampai dengan tahun 2018 sebesar 85.87501. Nilai
tertinggi pada FDR 4249.235 pada tahun 2018 yang dimiliki Maybank
Syariah sedangkan nilai terendah 0.718700 pada tahun 2017 yang
dimiliki oleh Bank BRI Syariah.
4. Variabel Good Corporate Governance (GCG)
Tabel 4.4
Statistic Deskriptif Variabel Good Corporate Governance (GCG)
GCG
Mean 1.802800
Median 1.660000
Maximum 3.000000
Minimum 0.650000
Observations 50
Sumber : Data Sekunder diolah, 2019
Dari tabel 4.4 dapat diketahui bahwa nilai rata-rata GCG pada
periode tahun 2014 sampai dengan tahun 2018 sebesar 1.802800. Nilai
tertinggi pada GCG 3.000000 pada tahun 2015 yang dimiliki Bank
Victoria Syariah sedangkan nilai terendah 0.650000 pada tahun 2018
yang dimiliki oleh Bank Mandiri Syariah.
54
5. Variabel Net Operating Margin (NOM)
Tabel 4.5
Statistic Deskriptif Variabel Net Operating Margin (NOM)
NOM
Mean 0.151220
Median 1.028450
Maximum 1.313400
Minimum -0.377400
Observations 50
Sumber : Data Sekunder diolah, 2019
Dari tabel 4.5 dapat diketahui bahwa nilai rata-rata NOM pada
periode tahun 2014 sampai dengan tahun 2018 sebesar 0.151220. Nilai
tertinggi pada NOM pada tahun 2016 yang dimiliki Bank Victoria
Syariah sedangkan nilai terendah -0.377400 pada tahun 2018 yang
dimiliki oleh Maybank Syariah.
6. Variabel Capital Adequacy Ratio (CAR)
Tabel 4.6
Statistic Deskriptif Variabel Capital Adequacy Ratio (CAR)
CAR
Mean 0.234546
Median 0.173000
Maximum 1.630700
Minimum 0.115100
Observations 50
Sumber : Data Sekunder diolah, 2019
Dari tabel 4.6 dapat diketahui bahwa nilai rata-rata CAR pada
periode tahun 2014 sampai dengan tahun 2018 sebesar 0.234546. Nilai
tertinggi pada CAR pada tahun 2018 yang dimiliki Maybank Syariah
55
sedangkan nilai terendah 0.115100 pada tahun 2017 yang dimiliki oleh
Bank Panin Syariah.
7. Variabel Ukuran Bank
Tabel 4.7
Statistic Deskriptif Variabel Ukuran Bank
Ukuran Bank
Mean 4.027306
Median 3.868550
Maximum 4.992700
Minimum 2.820900
Observations 50
Sumber : Data Sekunder diolah, 2019
Dari tabel 4.7 dapat diketahui bahwa nilai rata-rata Ukuran Bank
pada periode tahun 2014 sampai dengan tahun 2018 sebesar 4.027306.
Nilai tertinggi pada Ukuran Bank pada tahun 2018 yang dimiliki Bank
Mandiri Syariah sedangkan nilai terendah 2.820900 pada tahun 2018
yang dimiliki oleh Maybank Syariah.
B. Uji Stasioner
Uji stasioner digunakan untuk menguji data time series dan cross
section agar data yang digunakan bersifat flat tidak mengandung
komponen trend dengan keberagaman konstan dan tidak terjadi fluktuasi.
Untuk menjadikan data yang tidak stasioner menjadi stasioner biasanya
cukup didiferensia saja (Winarno, 2015: 11). Uji stasioner yang digunakan
yaitu Unit Root dengan menggunakan uji Levin, Lin and Chu, berdasarkan
data dari laporan keuangan tahunana dan laporan Good Corporate
Governance bank umum syariah yang terdaftar di OJK periode 2014-2018,
56
dengan pengujian pada tingkat 1st different karena ketika data di uji pada
tingkat level terdapat data yang tidak stasioner. Hasil uji stasioneritas
sebagai berikut:
Tabel 4.8
Uji Stasioneritas
No. Variabel Probability Unit
Root Test
Keterangan
1. X1 = NPF 0.0000 Data Stasioner
2. X2 = FDR 0.0000 Data Stasioner
3. X3 = GCG 0.0000 Data Stasioner
4. X4 = NOM 0.0000 Data Stasioner
5. X5 = CAR 0.0000 Data Stasioner
6. Y = ROA 0.0000 Data Stasioner
7. Z = Ukuran
Bank
0.0000 Data Stasioner
8. X1_Z 0.0000 Data Stasioner
9. X2_Z 0.0000 Data Stasioner
10. X3_Z 0.0000 Data Stasioner
11. X4_Z 0.0000 Data Stasioner
12. X5_Z 0.0000 Data Stasioner
Sumber: Data sekunder diolah, 2019
Hasil output yang dihasilkan terlihat bahwa nilai prob < 0.05 maka
semua variabel menunjukkan data yang stasioner. Artinya dari semua data
hasil uji tiap variabel tersebut layak dilakukan pengujian selanjutnya.
57
C. Uji Regresi Berganda
Uji regresi dapat dilakukan jika data yang diteliti bersifat
stasioner. Setelah data bersifat stasioner, kemudian harus dilakukan
pemilihan model regresi yang sesuai dengan cara spesifikasi model
regresi. Berikut ini merupakan spesifikasi model uji regresi:
1. Uji Regresi dengan Common Effect
Uji regresi comman effect mengasumsikan bahwa data gabungan
yang ada menunjukkan kondisi yang sesunngguhnya dan hasil analisis
regresi dianggap berlaku pada semua objek pada semua waktu
(Winarno, 2015: 9). Hasil uji regresi dengan comman effect sebagai
berikut:
Tabel 4.9
Model Common Effect
Dependent Variable: D(ROA)
Method: Panel Least Squares
Date: 08/13/19 Time: 09:43
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C -0.011830 0.004875 -2.426493 0.0209
D(NPF) -0.693777 0.354354 -1.957863 0.0587
D(FDR) -0.000141 2.01E-05 -7.027910 0.0000
D(GCG) -0.045893 0.013600 -3.374477 0.0019
D(NOM) 0.041998 0.013304 3.156753 0.0034
D(CAR) 0.573319 0.091197 6.286600 0.0000
D(UKURANBANK
) 0.035079 0.078068 0.449342 0.6561
R-squared 0.824371 Mean dependent var -0.001398
Adjusted R-squared 0.792439 S.D. dependent var 0.060742
58
S.E. of regression 0.027673 Akaike info criterion -4.179074
Sum squared resid 0.025272 Schwarz criterion -3.883520
Log likelihood 90.58147 Hannan-Quinn criter. -4.072211
F-statistic 25.81604 Durbin-Watson stat 1.443283
Prob(F-statistic) 0.000000
Sumber: Data Sekunder diolah, 2019
Berdasarkan tabel diatas, bentuk regresi common effect yaitu:
ROA= -0.011830 – 0.693777 NPF -0.000141 FDR -0.045893 GCG +
0.041998 NOM + 0.573319 CAR + 0.035079 Ukuran Bank
Setelah diketahui persamaan regresinya, maka dilakukan uji
Langrange multiplier untuk mengetahui apakah uji regresi ini cocok
digunakan pada penelitian ini atau tidak. Hasil dari uji Langrange
multiplier yaitu:
Tabel 4.10
Uji Langrange 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 0.000235 0.251046 0.251282
(0.9878) (0.6163) (0.6162)
Sumber: Data Sekunder diolah, 2019
Berdasarkan gambar 4.4 nilai Breusch-pagan 0.9878 > 0.05, sehingga
model yang yang tepat yaitu command effect.
2. Uji Regresi dengan Fixed Effect
Uji fixed effect mengasumsikan bahwa data gabungan yang ada
memiliki konstanta dan koefisien regresi yang tetap besarnya untuk
59
berbagai periode waktu (Winarno, 2015: 15). Hasil uji regresi dengan
fixed effect sebagai berikut:
Tabel 4.11
Model Fixed Effect
Dependent Variable: D(ROA)
Method: Panel Least Squares
Date: 08/13/19 Time: 09:44
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C -0.011839 0.004785 -2.474273 0.0208
D(NPF) -0.961849 0.375836 -2.559227 0.0172
D(FDR) -0.000152 2.11E-05 -7.184907 0.0000
D(GCG) -0.050594 0.014165 -3.571812 0.0015
D(NOM) 0.034418 0.013724 2.507914 0.0193
D(CAR) 0.642980 0.099804 6.442405 0.0000
D(UKURANBANK
) -0.079619 0.109416 -0.727673 0.4739
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.885508 Mean dependent var -0.001398
Adjusted R-squared 0.813950 S.D. dependent var 0.060742
S.E. of regression 0.026200 Akaike info criterion -4.156940
Sum squared resid 0.016475 Schwarz criterion -3.481388
Log likelihood 99.13879 Hannan-Quinn criter. -3.912681
F-statistic 12.37475 Durbin-Watson stat 2.357552
Prob(F-statistic) 0.000000
Sumber: Data Sekunder diolah, 2019
Berdasarkan gambar diatas, bentuk regresi fixed effect yaitu:
ROA = -0.011839 – 0.961849 NPF – 0.000152 FDR – 0.050594 GCG
+ 0.034418 NOM + 0.642980 CAR – 0.079619 Ukuran Bank
60
Setelah diketahui persamaan regresinya, langkah selanjutnya adalah
melakukan uji chow dengan likelihood ratio untuk mengetahui
apakah uji regresi ini cocok digunakan pada penelitian ini atau tidak.
Hasil uji chow sebagai berikut:
Tabel 4.12
Uji Chow
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 1.423948 (9,24) 0.2330
Cross-section Chi-square 17.114638 9 0.0470
Sumber: Data Sekunder diolah, 2019
Berdasarkan gambar tabel diatas, nilai cross-section chi-square
sebesar 17.114638 dengan probability 0.0470 < 0,05 sehingga dapat
disimpulkan model yang tepat yaitu fixed effect.
3. Uji Regresi dengan Random Effect
Uji random menggunakan residual yang diduga memiliki
hubungan antar waktu dan objek (Winarno, 2015: 9). Hasil uji regresi
random effect sebagai berikut:
61
Tabel 4.13
Model Random Effect
Dependent Variable: D(ROA)
Method: Panel EGLS (Cross-section random effects)
Date: 08/13/19 Time: 09:45
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C -0.011830 0.004616 -2.562935 0.0151
D(NPF) -0.693777 0.335490 -2.067954 0.0466
D(FDR) -0.000141 1.90E-05 -7.423090 0.0000
D(GCG) -0.045893 0.012876 -3.564224 0.0011
D(NOM) 0.041998 0.012596 3.334258 0.0021
D(CAR) 0.573319 0.086342 6.640097 0.0000
D(UKURANBANK
) 0.035079 0.073912 0.474608 0.6382
Effects Specification
S.D. Rho
Cross-section random 0.000000 0.0000
Idiosyncratic random 0.026200 1.0000
Weighted Statistics
R-squared 0.824371 Mean dependent var -0.001398
Adjusted R-squared 0.792439 S.D. dependent var 0.060742
S.E. of regression 0.027673 Sum squared resid 0.025272
F-statistic 25.81604 Durbin-Watson stat 1.443283
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.824371 Mean dependent var -0.001398
Sum squared resid 0.025272 Durbin-Watson stat 1.443283
Sumber: Data sekunder diolah, 2019
Berdasarkan gambar tabel diatas bentuk persamaan regresi dengan
random effect adalah:
62
ROA = -0.011830 – 0.693777 NPF – 0.000141 FDR -0.045893 GCG
+ 0.041998 NOM + 0.0573319 CAR + 0.035079 Ukuran Bank.
Setelah diketahui persamaan regresinya, selanjutnya dilakukan uji
hausman untuk mengetahui apakah uji regresi ini cocok digunakan
pada penelitian ini atau tidak. Hasil uji hausman yaitu sebagai berikut:
Tabel 4. 14
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 12.306059 6 0.0555
Sumber: Data Sekunder diolah, 2019
Berdasarkan data diatas, nilai cross-section random sebesar
12.306059 dengan probability 0.0555 > 0.05, sehingga model yang
tepat yaitu random effect.
Untuk mengetahui Untuk mengetahui dan menguji hubungan
antar variabel bebas (NPF, FDR, GCG, NOM, CAR) terhadap
variabel terikat yaitu ROA. Penelitian ini menggunakan model regresi
liniear berganda dengan metode Command Effect Model. Hasil regresi
yang diperoleh nantinya akan dilakukan pengujian terhadap
signifikansi yang meliputi uji t, uji f, dan uji determinasi.
63
Tabel 4.15
Uji Regresi Linier Berganda
Dependent Variable: D(LOGROA)
Method: Panel Least Squares
Date: 08/15/19 Time: 22:14
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 9
Total panel (unbalanced) observations: 27
Variable Coefficient Std. Error t-Statistic Prob.
C -0.320518 0.288736 -1.110074 0.2801
D(NPF) -68.15684 26.22268 -2.599156 0.0172
D(FDR) -4.193517 4.535434 -0.924612 0.3662
D(GCG) -0.144773 1.063943 -0.136072 0.8931
D(NOM) -0.015214 1.328900 -0.011449 0.9910
D(CAR) 4.213899 8.042299 0.523967 0.6061
D(UKURANBANK
) 0.686267 5.370426 0.127786 0.8996
R-squared 0.280599 Mean dependent var -0.018561
Adjusted R-squared 0.064778 S.D. dependent var 1.134155
S.E. of regression 1.096806 Akaike info criterion 3.241095
Sum squared resid 24.05966 Schwarz criterion 3.577053
Log likelihood -36.75478 Hannan-Quinn criter. 3.340993
F-statistic 1.300150 Durbin-Watson stat 2.067269
Prob(F-statistic) 0.302097
Sumber: Data Sekunder diolah, 2019
Sehingga setelah dilakukan uji regresi linier berganda maka dapat
diperoleh hasil persamaan regresi sebagai berikut:
ROA = α + β1*NPF + β2*FDR + β3*GCG + β4*NOM + β5*CAR+
βZ
ROA = 0.320518 – 68.15684 – 4.193517 – 0.144773 – 0.015214 +
4.213899 + 0.686267
64
D. Uji Statistik
Setelah menguji analisi regresi, kemudian diuji kebenaran hipotesis
yang telah ditetapkan untuk kemudian diinterpretasikan hasilnya. Hsil dari
regresi yang tersaji dalam tabel 4.15, selanjutnya akan dilakukan
pengujian terhadap signifikansi yang meliputi uji-uji sebagai berikut:
1. Uji Parameter Individual (ttest)
Uji t dilakukan untuk mengetahui pengaruh variabel bebas
terhadap variabel terikat secara parsial. Adapun penjelasan mengenai
output regresi linier berganda yang disajikan pada tabel 4.15 sebagai
berikut:
a) NPF terhadap ROA
Variabel NPF menunjukkan pada koefisien alpha 5% nilai
Coefficient = -68.15684 dan prob 0.0172 < 0.05. Maka artinya
variabel NPF berpengaruh negatif dan signifikan terhadap ROA.
b) FDR terhadap ROA
Variabel NPF menunjukkan pada koefisien alpha 5% nilai
Coefficient = -4.193517 dan prob 0.3662 > 0.05. Maka artinya
variabel FDR berpengaruh negatif dan tidak signifikan terhadap
ROA.
c) GCG terhadap ROA
Variabel GCG menunjukkan pada koefisien alpha 5% nilai
Coefficient = -0.144773 dan prob 0.8931 > 0.05. Maka artinya
65
variabel GCG berpengaruh negatif dan tidak signifikan terhadap
ROA.
d) NOM terhadap ROA
Variabel NOM menunjukkan pada koefisien alpha 5% nilai
Coefficient = -0.015214 dan prob 0.9910 > 0.05. Maka artinya
variabel NOM berpengaruh negatif dan tidak signifikan terhadap
ROA.
e) CAR terhadap ROA
Variabel CAR menunjukkan pada koefisien alpha 5% nilai
Coefficient = 4.213899 dan prob 0.6061 > 0.05. Maka artinya
variabel CAR berpengaruh positif dan tidak signifikan terhadap
ROA
f) Ukuran bank terhadap ROA
Variabel ukuran bank menunjukkan pada koefisien alpha 5% nilai
Coefficient = 0.686267 dan prob 0.8996 > 0.05. Maka artinya
variabel ukuran bank berpengaruh positif dan tidak signifikan
terhadap ROA.
2. Uji F (Simultan)
Uji F dilakukan untuk mengetahui pengaruh variabel bebas
terhadap varaibe terikat secara simultan. Adapun penjelasan mengenai
hasil uji f yang telah disajikan pada tabel 4.15 bahwa hasil uji F pada
penelitian ini memiliki koefisien sebesar 1.300150 dengan prob (F-
statistic) 0.302097 > 0.05. Hasil ini memiliki arti bahwa variabel bebas
66
secara simultan mempunyai pengaruh secara positif dan tidak
signifikan terhadap ROA.
3. Koefisien Determinasi (R2)
Koefisien determinasi mencerminkan besarnya kontribusi
perubahan variabel bebas dalam menjalankan perubahan pada variabel
terikat secara bersama-sama, dengan tujuan untuk mnegukur
kebenaran dan kebaikan hubungan antara variabel dalam model yang
digunakan. Besarnya nilai Adjusted R square anta 0 < adjusted R2 <1.
Jika nilai adjusted R2 semakin mendekati satu maka model yang
diusulkan dikatakan baik karena semakin tinggi variansi variabel
terikat yang dapat dijelaskan oleh variabel bebasnya.
Berdasarkan hasil analisis yang disajikan pada tabel 4.15 diketahui
bahwa nilai koefisien determinasi untuk model regresi antara variabel
bebas dan terikat adalah 0.064778. ini berarti bahwa variasi variabel
independen dapat mempengaruhi sebesar 6.4778% pada ROA,
sedangkan 99.93% ROA dipengaruhi oleh variansi variabel lain yang
tidak dimasukkan dalam penelitian ini.
E. Uji Asumsi Klasik
1. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui distribusi data dalam
variabel yang digunakan. Data yang baik dan layak digunakan dalam
penelitian adalah data yang memiliki distribusi normal. Untuk
67
mengetahui uji normalitas data dilakukan dengan pengujian Jarque
Berra (JB), jika nilai probabilitas Jarque Berra > 0.05 maka data
tersebut berdistribusi normal. Namun apabila nilai probabilitas Jarque
Berra lebih kecil dari 0.05 maka data tersebut tidak terdistribusi
normal.
Sumber: Data Sekunder diolah, 2018
Gambar 4.1 Uji Normalitas
Dapat diketahui dari gambar diatas bahwa nilai probability
Jarque Berra sebesar 0.000000 lebih kecil dari nilai signifikansi 0.05.
Dengan demikian dapat disimpulakan bahwa data tidak normal. Untuk
mengatasi data yang tidak normal maka peneliti melakukan
transformasi variabel dependen yaitu ROA dengan menggunakan
teknik transform logaritma, sehingga diperoleh hasil sebagai berikut:
68
Sumber: Data Sekunder diolah, 2019
Gambar 4.2 Uji Normalitas setelah Penyembuhan
Pada gambar diatas, data telah ditransformasi log variabel
dependen dan hasil yang diperoleh adalah nilai probability Jarque
Berra sebesar 0.357687 lebih besar dari nilai signifikansi 0.05.
Sehingga dapat disimpulkan bahwa data dalam penelitian ini
berdistribusi normal.
2. Uji Multikolinieritas
Uji multikolinieritas dilakukan untuk menguji apakah terdapat
hubungan antar variabel bebas. Untuk mendeteksi adanya hubungan
antar variael dalam penelitian ini dengan melihat koefisien korelasi
antar masing-masing variabel, dalam penelitian ini menggunakn uji
auxiliary. Hasil setelah uji auxiliary yaitu:
69
Tabel 4.16
Hasil Uji Auxiliary
Persamaan R Squared R squared
utama
Keterangan Kesimpulan
D(X1) = D(X2) D(X3)
D(X4) D(X5) D(X1_Z)
D(X2_Z) D(X3_Z)
D(X4_Z) D(X5_Z)
0.986234 0.862199 r2 > R Ada korelasi
D(X2) = D(X1) D(X3)
D(X4) D(X5) D(X1_Z)
D(X2_Z) D(X3_Z)
D(X4_Z) D(X5_Z)
1.000000 0.862199 r2 > R Ada korelasi
D(X3) = D(X1) D(X2)
D(X4) D(X5) D(X1_Z)
D(X2_Z) D(X3_Z)
D(X4_Z) D(X5_Z)
0.978212 0.862199 r2 < R Ada korelasi
D(X4) = D(X1) D(X2)
D(X3) D(X5) D(X1_Z)
D(X2_Z) D(X3_Z)
D(X4_Z) D(X5_Z)
0.990014 0.862199 r2 < R Ada korelasi
D(X5) = D(X1) D(X2)
D(X3) D(X4) D(X1_Z)
D(X2_Z) D(X3_Z)
D(X4_Z) D(X5_Z)
0.996278 0.862199 r2 > R Ada korelasi
D(X1_Z) = D(X1)
D(X2) D(X3) D(X4)
D(X5) D(X2_Z)
D(X3_Z) D(X4_Z)
D(X5_Z)
0.985517 0.862199
r2 > R Ada korelasi
D(X2_Z) = D(X1)
D(X2) D(X3) D(X4)
D(X5) D(X1_Z)
D(X3_Z) D(X4_Z)
D(X5_Z)
1.000000 0.862199 r2 > R Ada korelasi
D(X3_Z) = D(X1)
D(X2) D(X3) D(X4)
D(X5) D(X1_Z)
D(X2_Z) D(X4_Z)
D(X5_Z)
0.975956 0.862199 r2 > R Ada korelasi
D(X4_Z) = D(X1)
D(X2) D(X3) D(X4)
D(X5) D(X1_Z)
D(X2_Z) D(X3_Z)
D(X5_Z)
0.989545 0.862199 r2 > R Ada Korelasi
70
D(X5_Z) = D(X1)
D(X2) D(X3) D(X4)
D(X5) D(X1_Z)
D(X2_Z) D(X3_Z)
D(X4_Z)
0.993458 0.862199 r2 > R Ada Korelasi
Dari hasil di atas dapat diketahui terdapat multikolinieritas yang
sangat tinggi pada X2 (FDR), X4 (CAR), X5 (CAR), X2_Z (FDR yang
dimoderasi ukuran bank, X5_Z (CAR dimoderasi ukuran bank)
dimana nilai R-squared lebih besar dari R-squared regresi utama,
sehingga dapat disimpulkan data yang digunakan pada penelitian ini
mengandung multikolinieritas. Untuk mengatasi masalah
multikolinieritas, maka penulis memutuskan untuk membuang
beberapa variabel dengan pertimbangan nilai R-squared tertinggi.
Setelah melalui beberapa percobaan akhirnya penulis menemukan
variabel-variabel yang tidak ada hubungan korelasi. Diperoleh variabel
yang tersisa yaitu NOM, X2_Z, X5_Z. Dengan pertimbangan memilih
variabel yang nilai R-Squared tertinggi. Maka hasil uji auxiliary
setelah dilakukan pemangkasan beberapa variabel yaitu:
Tabel 4.17
Hasil Uji Auxiliary setelah penyembuhan
Persamaan R Squared R squared
utama
Keterangan Kesimpulan
D(X4) = D(X2_Z)
D(X5_Z)
0.058974 0.862199 r2 > R Tidak ada
korelasi
D(X2_Z) = D(X4)
D(X5_Z)
0.0748955 0.862199 r2 > R Tidak ada
korelasi
D(X5_Z) = D(X4)
D(X2_Z)
0.748955 0.862199 r2 < R Tidak ada
korelasi
Sumber: Data Sekundre dioah, 2019
71
Dari data di atas setelah dilakukan pengobatan pada
multikolinieritas, dapat dilihat bahwa R-squared masing-masing
variabel independen lebih kecil dari R-squared regresi utama yaitu
sebesar 0.862199. Sehingga dapat disimpulkan bahwa data variabael
dalam penelitian ini tidak terdapat multikolinieritas.
3. Uji Autokorelasi
Autokorelasi adalah hubungan antara reidual satu observasi
dengan residual observasi lainnya. autokorelasi lebih mudah timbul
pada data yang bersifat runtut waktu, karena berdasarkan sifatnya data
masa sekarang dipengaruhi oleh data pada masa-masa sebelumnya
(Winarno, 2015: 29). Untuk mengetahui ada atau tidaknya
autokorelasi, penulis menggunakan uji Durbin-watson (DW test)
dengan kriteria du < dw < 4 – du. Hasil uji Durbin-watson sebagai
berikut:
72
Tabel 4.18
Uji Hasil Durbin-Watson
Dependent Variable: D(LOGROA)
Method: Panel Least Squares
Date: 08/13/19 Time: 12:53
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 9
Total panel (unbalanced) observations: 27
Variable Coefficient Std. Error t-Statistic Prob.
C 0.000549 0.262504 0.002091 0.9983
D(NOM) -0.681178 1.322328 -0.515136 0.6114
D(FDR_UKURAN
BANK) -0.079443 0.905301 -0.087753 0.9308
D(CAR_UKURAN
BANK) -0.017297 1.857584 -0.009312 0.9927
R-squared 0.014217 Mean dependent var -0.018561
Adjusted R-squared -0.114364 S.D. dependent var 1.134155
S.E. of regression 1.197253 Akaike info criterion 3.333890
Sum squared resid 32.96853 Schwarz criterion 3.525866
Log likelihood -41.00752 Hannan-Quinn criter. 3.390975
F-statistic 0.110568 Durbin-Watson stat 1.995297
Prob(F-statistic) 0.953052
Sumber: Data Sekunder diolah, 2019
Dari hasil uji di atas dapat dilihat nilai dw sebesar 1.995297,
dengan nilai tabel tingkat signifikan 0.05. Jumlah sampel 50 (n) dan
jumlah variabel independen 3 sisa variabel independen setelah melalui
uji multikolinearitas (k = 3), nilai pada tabel durbin watson
menunjukkan bahwa dL = 1.4206 dan nilai du = 11.6739. Dengan
nilai rentang dL = 1.4206 dan du = 1.6739 dengan nilai 4-du = 2.3207
dan 4-dL = 2.5794. Maka dapat disimpulkan data dalam penelitian ini
73
tidak terdapat gejala autokorelasi. untuk lebih jelasnya dapat dilihat
pada gambar grafik 4.10 berikut ini:
0 dL 1.4206 dU 1.6739 dW 1.995297 4-dU 2.3207 4-dL 2.5794
Gambar 4.3
Grafik Uji Autokorelasi dengan Durbin-Watson
Dari gambar grafik di atas membuktikan bahwa dalam
penelitian ini tidak ada autokorelasi, dimana nilai du < DW >4-dU
menandakan bahwa data terletak pada daerah yang tidak adanya
autokorelasi.
ada autokorelasi
positif
tidak ada autokorelasi positif
dan negatif
daerah
ragu-ragu
Ada autokorelasi
negatif
daerah
ragu-ragu
74
4. Uji Heteroskedastisitas
Tabel 4.19
Uji Heteroskedastisitas
Dependent Variable: D(RESABS)
Method: Panel Least Squares
Date: 08/13/19 Time: 14:30
Sample (adjusted): 2016 2018
Periods included: 3
Cross-sections included: 10
Total panel (balanced) observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
C -0.002992 0.006420 -0.466096 0.6450
D(NOM) -0.015806 0.020748 -0.761779 0.4530
D(FDR_UKURAN
BANK) -7.45E-06 6.29E-06 -1.184383 0.2470
D(CAR_UKURAN
BANK) 0.025450 0.031507 0.807749 0.4266
R-squared 0.071041 Mean dependent var -0.001480
Adjusted R-squared -0.036147 S.D. dependent var 0.029860
S.E. of regression 0.030394 Akaike info criterion -4.025550
Sum squared resid 0.024019 Schwarz criterion -3.838724
Log likelihood 64.38325 Hannan-Quinn criter. -3.965783
F-statistic 0.662769 Durbin-Watson stat 2.333261
Prob(F-statistic) 0.582431
Sumber: Data Sekunder diolah, 2019
Berdasarkan tabel diatas, nilai signifikansi masing-masing variabel
independen lebih besar dari 0,05 maka dapat disimpulkan bahwa
dalam model regresi ROA dengan uji Glejser tidak terjadi
heteroskedastisitas.
75
F. Pembahasan Hasil Penelitian
Setelah melewati uji statistik, uji asumsi klasik, uji model regresi
dari penelitian ini berubah karena beberapa variabel independen
dihilangkan untuk dapat melewati uji multikolinieritas. Hasil model
regresi berganda berubah menjadi berikut ini:
Tabel 4.20
Hasil Uji Regresi Linier Berganda Setelah Penyembuhan
Dependent Variable: D(LOGROA)
Method: Panel Least Squares
Date: 08/15/19 Time: 05:44
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C -0.010252 0.005807 -1.765546 0.0860
D(NOM) 0.031714 0.016252 1.951397 0.0588
D(FDR_UKURAN
BANK) -4.74E-05 5.92E-06 -7.995743 0.0000
D(CAR_UKURAN
BANK) 0.203883 0.027734 7.351507 0.0000
R-squared 0.691569 Mean dependent var -0.001398
Adjusted R-squared 0.665867 S.D. dependent var 0.060742
S.E. of regression 0.035111 Akaike info criterion -3.765950
Sum squared resid 0.044381 Schwarz criterion -3.597062
Log likelihood 79.31900 Hannan-Quinn criter. -3.704885
F-statistic 26.90666 Durbin-Watson stat 1.666675
Prob(F-statistic) 0.000000
Sumber: Data Sekunder diolah, 2019
Persamaan regresi yang dibentuk dalam penelitian ini sebagai berikut:
ROA = α + β1*NOM - β1*X2_Z + β1*X5_Z
76
Berdasarkan uji diatas, maka dapat dijelaskan uji hipotesis dari masing-
masing variabel sebagai berikut:
1. Varabel setelah dilakukan uji Multikolinieritas
a) Pengaruh NOM terhadap ROA
Hasil uji regresi linier berganda menunjukkan pada
koefisien alpha 5%, nilai Coefficient = 0.031714 dan prob. 0.0588
> 0.05. Maka artinya Variabel NOM berpengaruh positif dan tidak
signifikan terhadap ROA pada alpha 5%. Maka dapat disimpulkan
bahwa NOM berpengaruh positif dan tidak signifikan terhadap
ROA. Sehingga H4 ditolak. Hal ini menunjukkan bahwa bank
dalam menyalurkan kredit kepada pihak ketiga kurang efisien,
sehingga mengakibatkan pendapatan yang diterima oleh bank
menurun.
Akan tetapi NOM yang turun tidak begitu berpengaruh
terhadap profitabilitas dapat langsung dilihat melaui data keuangan
(annual report) pada beberapa bank umum syariah seperti: Bank
Muamalat 2015-2016, Bank Bri 2015-2016, dan Bank BNI 2017-
2018. Hasil penelitian ini didukung oleh penelitian yang dilakukan
oleh Sifani (2017) yang menyatakan bahwa NOM berpengaruh
positif dan tidak signifkan terhadap ROA.
77
b) Pengaruh variabel ukuran bank dalam memoderasi FDR terhadap
ROA
Hasil uji regresi linier berganda menunjukkan pada
koefisien alpha 5%, nilai Coefficient = -4.74E-05 dan prob. 0.000 <
0.05. Maka artinya Variabel FDR berpengaruh positif dan
signifikan terhadap ROA pada alpha 5%. Hasil yang berbeda
ditunjukkan pada pengujian regresi linier berganda yang pertama
dimana variabel FDR menunjukkan pada koefisien alpha 5% nilai
Coefficient = -0.084090 dan prob. 0.0970 > 0.05. Maka dapat
disimpulkan bahwa FDR berpengaruh positif dan signifikan
terhadap ROA. Artinya ukuran bank mampu memoderasi
hubungan FDR terhadap profitabilitas. Sehingga H7 diterima
c) Pengaruh ukuran bank dalam memoderasi CAR terhadap ROA
Hasil uji regresi linier berganda menunjukkan pada
koefisien alpha 5%, nilai Coefficient = 0.203883 dan prob. 0.000 <
0.05. Maka artinya Variabel CAR berpengaruh positif dan
signifikan terhadap ROA pada alpha 5%. Maka dapat disimpulkan
bahwa CAR berpengaruh positif dan signifikan terhadap ROA.
Artinya ukuran bank mampu memoderasi pengaruh CAR terhadap
profitabilitas .Sehingga H10 diterima.
78
2. Variabel sebelum dilakukan uji multikolinieritas
a) Pengaruh NPF terhadap ROA
Variabel NPF menunjukkan pada koefisien alpha 5% nilai
Coefficient = -3.534456 dan prob 0.2092 > 0.05. Maka artinya
variabel NPF berpengaruh negatif dan tidak signifikan terhadap
ROA. Maka H1 ditolak. Hasil tersebut menolak teori yang sudah
ada yaitu semakin rendah pembiayaan bermasalah yang ditanggung
bank, maka profitabilitas bank akan meningkat. Kondisi NPF yang
tinggi dalam satu periode tidak secara langsung memberikan
penurunan laba pada periode yang sama. Hal ini disebabkan
pengaruh signifikan dari NPF terhadap ROA berkaitan dengan
penentuan tingkat kemacetan pembiayaan yang diberikan oleh
sebuah bank Rima (2018). Di sisi lain adanya NPF yang tinggi
akan dapat menggangu perputaran modal kerja dari bank. Apabila
jumlah pembiayaan bank yang macet tinggi, maka bank akan
berusaha terlebih dahulu untuk mengevaluasi kinerja mereka
dengan sementara menghentikan penyaluran pembiayaannya
hingga NPF berkurang.
Penelitia ini sejalan dengan penelitian yang diakukan oleh
Saiful (2013) yang menyimpulkan bahwa NPF berpengaruh negatif
dan tidak signifikan terhadap ROA. Jadi apabila NPF turun tidak
berpengaruh terhadap besar kecilnya profitabilitas yang dimiliki
oleh bank.
79
b) Pengaruh FDR terhadap ROA
Variabel FDR menunjukkan pada koefisien alpha 5% nilai
Coefficient = 0.236954 dan prob 0.0973 > 0.05. Maka artinya
variabel FDR berpengaruh positif dan tidak signifikan terhadap
ROA. Jadi setiap kenaikan FDR tidak akan berpengaruh terhadap
ROA tapi tidak signifikan, maksutnya variabel FDR tidak selalu
mempengaruhi kenaikan variabel ROA. Maka H2 ditolak.
Hal ini dikarenakan tingginya pembiayaan aktiva yang
diberikan oleh bank tidak memberikan jaminan pendapatan atau
profitabilitas bank juga naik, ini diakibatkan adanya pembiayaan
yang macet sampai pembiayaan yang tidak dapat tertagih.
Penelitian ini sejalan dengan penelitian yang dilakukan oleh
Edward (2018) yang mengatakan FDR berpengaruh positif tidak
signifikan terhadap profitabilitas.
c) Pengaruh GCG terhadap ROA
Variabel GCG menunjukkan pada koefisien alpha 5% nilai
Coefficient = -0.158214 dan prob 0.0765 > 0.05. Maka artinya
variabel GCG berpengaruh negatif dan tidak signifikan terhadap
ROA. Maka H3 ditolak. Hasil ini tidak sesuai dengan teori yang
ada, hal ini diduga pengaruh GCG di Indonesia merupakan suatu
penilain non finansial dan kualitatif belum mampu dijadikan tolak
ukur investor atau nasabah di Indonesia.
80
Hasil penelitian ini sejalan dengan penelitian yang
dilakukan Bunga (2016) yang menyimpulkan bahwa GCG
berpengaruh negatif dan tidak signifikan terhadap ROA. GCG di
indonesia merupakan suatu penilaian non financial, penilaian ini
belum mampu dijadikan tolok ukur investor atau nasabah di
indonesia. Hal ini menunjukkan bahwa tinggi rendahnya GCG
suatu bank tidak berpengaruh terhadap profitabilitas yang
didapadat oleh bank, karena diduga indikator penerapan GCG yang
ditetapkan oleh BI cenderung bersifat jangka panjang terhadap
pengembalian aset.
d) Pengaruh CAR terhadap ROA
Variabel CAR menunjukkan pada koefisien alpha 5% nilai
Coefficient = 2.653033 dan prob 0.0012 < 0.05. Maka artinya
variabel CAR berpengaruh positif dan signifikan terhadap ROA.
Maka H5 diterima. Jadi setiap kenaikan CAR selalu mempengaruhi
terhadap naik turunnya ROA. Hasil penelitian ini sejalan dengan
penelitian yang dilakukan Zahra (2018) yang menyimpulkan
bahwa CAR berpengaruh positif dan signifikan terhadap ROA.
e) Pengaruh ukuran bank dalam memoderasi NPF terhadap
profitabilitas
Variabel NPF yang dimoderasi oleh ukuran bank
menunjukkan pada koefisien alpha 5% nilai coefficient = 0.620862
dan prob 0.3772 > 0,05. Maka artinya variabel NPF yang
81
dimoderasi oleh ukuran bank yaitu berpengaruh positif dan tidak
signifikan terhadap ROA terhadap ukuran bank pada alpha 5%. Ini
artinya dengan keberadaan ukuran bank sebagai variabel moderasi
dapat memperkuat hubungan NPF terhadap ROA tetapi pengaruh
tersebut sangatlah kecil.
NPF yang tinggi tidak selalu mempengaruhi tingkat
profitailitas bank, karena bank memiliki dana cadangan yang dapat
digunakan apabila terjadi resiko-resiko dalam pelaksanaan
pembiayaan bank. Maka dapat disimpulkan bahwa ukuran bank
tidak mampu memoderasi pengaruh variabel NPF terhadap ROA.
Sehingga H6 ditolak
f) Pengaruh ukuran bank dalam memoderasi GCG terhadap
profitabilitas
Variabel GCG yang dimoderasi oleh ukuran bank
menunjukkan pada koefisien alpha 5% nilai coefficient = 0.031285
dan prob 0.1787 > 0,05. Maka artinya variabel GCG yang
dimoderasi oleh ukuran bank yaitu berpengaruh positif dan tidak
signifkan terhadap ROA pada alpha 5%. Ini artinya dengan
keberadaan ukuran bank sebagai variabel moderasi, memperlemah
hubungan antara GCG denagn ROA. Ketika terjadi peningkatan
pada variabel GCG maka tidak terjadi pengaruh terhadap ROA.
Maka dapat disimpulkan bahwa ukuran bank tidak mampu
82
memoderasi pengaruh variaebl GCG terhadap ROA. Maka H8
ditolak
Dengan adanya aturan PBI (Peraturan Bank Indonesia)
tentang penerapan GCG bagi bank umum syariah, diharapkan
perbankan syariah menunjukkan tanggung jawabnya kepada publik
terkait dengan kegiatan operasional bank yang diharapkan
memenuhi ketentuan syariah. Penerapan good corporate
governance ini dinilai dapat memperbaiki citra perbankan yang
sempat buruk, melindungi kepentingan stakeholders serta
meningkatkan kepatuhan terhadap peraturan perundang-undangan
yang berlaku dan etika-etika umum pada industri perbankan dalam
rangka mencitrakan sistem perbankan yang sehat.
g) Pengaruh ukuran bank dalam memoderasi NOM terhadap
profitabilitas
Variabel NOM yang dimoderasi oleh ukuran bank
menunjukkan pada koefisien alpha 5% nilai coefficient = -
0.021521 dan prob 0.4327 > 0,05. Maka artinya variabel NOM
yang dimoderasi oleh ukuran bank yaitu berpengaruh negatif dan
tidak signifkan terhadap ROA pada alpha 5%. Ini artinya dengan
keberadaan ukuran bank sebagai variabel moderasi, memperlemah
hubungan antara NOM dengan ROA. Ketika terjadi peningkatan
pada variabel NOM maka tidak terjadi pengaruh terhadap ROA.
Maka dapat disimpulkan bahwa ukuran bank tidak mampu
83
memoderasi pengaruh variaebl NOM terhadap ROA. Maka H9
ditolak.
Hal ini menunjukkan bahwa ukuran bank tidak mampu
memoderasi NOM terhadap profitabiitas, karena bank dalam
menyalurkan kredit kepada pihak ketiga kurang efisien, sehingga
mengakibatkan pendapatan yang diterima oleh bank menurun.
Akan tetapi penurunan NOM tidak langsung berimbas pada
penurunan profitabilitas pada periode tersebut.
Tabel 4.21
Ringkasan Uji Hipotesis
No Hipotesis Hasil Keterangan
Variabel sesudah dilakukan uji multikolinieritas
1. NOM berpengaruh
positif dan signifikan
terhadap profitabilitas
NOM berpengaruh
positif dan tidak
signifikan terhadap
profitabilitas.
Ditolak
2. Ukuran bank mampu
memoderasi hubungan
antara FDR terhadap
profitabilitas
Ukuran bank mampu
memoderasi pengaruh
variabel FDR terhadap
profitabilitas
Diterima
3. Ukuran bank mampu
memoderasi hubungan
antara CAR terhadap
profitabilitas
Ukuran bank mampu
memoderasi pengaruh
variabel CAR terhadap
profitabilitas
Diterima
Variabel sebelum dilakukan uji multikolieneritas
4. NPF berpengaruh
positif dan signifikan
terhadap profitabilitas
NPF berpengaruh
negatif dan tidak
signifkan terhadap
profitabilitas
Ditolak
5. FDR berpengaruh
positif signifikan
terhadap profitabilitas
FDR berpengaruh
positig dan tidak
signifkan terhadap
profitabilita
Ditolak
6. GCG berpengaruh
positif signifikan
terhadap profitabilitas
GCG berpengaruh
negatif dan tidak
signifikan terhadap
Ditolak
84
profitabilitas
7. CAR berpengaruh
positif signifikan
terhadap profitabilitas
CAR berpengaruh postif
dan signifikan terhadap
profitabilitas
Diterima
8. Ukuran bank mampu
memoderasi hubungan
antara NPF terhadap
profitabilitas
Ukuran bank tidak
mampu memodersi
pengaruh variabel NPF
terhadap profitabilitas
Ditolak
9 Ukuran bank mampu
memoderasi hubungan
antara GCG terhadap
profitabilitas
Ukuran bank tidak
mampu memodersi
pengaruh variabel GCG
terhadap profitabilitas
Ditolak
10 Ukuran bank mampu
memoderasi hubungan
antara NOM terhadap
profitabilitas
Ukuran bank tidak
mampu memodersi
pengaruh variabel NOM
terhadap profitabilitas
Ditolak
85
BAB V
PENUTUP
A. Kesimpulan
Kesimpulan yang dapat diambil dari hasil analisis dan pembahasan
mengenai pengaruh langsung maupun tidak langsung NPF, FDR, GCG,
NOM, CAR terhadap profitabilitas dengan ukuran bank sebagai variabel
moderasi bank umum syariah yang terdaftar di OJK periode 2014-2018,
yaitu sebagai berikut:
1. Variabel Net Operating Margin (NOM) berpengaruh positif tidak
signifikan terhadap profitabilitas. Maka hipotesis ditolak.
2. Variabel ukuran bank mampu memoderasi hubungan antara Financing
Deposit Ratio (FDR) terhadap profitabilitas. Maka hipotesis diterima.
3. Variabel ukuran bank mampu memoderasi hubungan antara Capital
Adequacy Ratio (CAR) terhadap profitabilitas. Maka hipotesis
diterima.
B. Saran
Berdasarkan hasil analisis dan pembahasan serta kesimpulan pada
penelitian ini, saran yang dapat diberikan melalui hasil penelitian ini
sebagai berikut:
1. Penelitian selanjutnya dapat menambahkan variabel yang berpengaruh
positif signifikan terhadap Profitabilitas.
86
2. Penelitian selanjutnya dapat menambahkan variabel yang berpengaruh
positif signifikan tehadap ukuran Bank.
3. Penelitian selanjutnya diharapkan dapat menggunakan lebih banyak
sampel bank umum syariah yang terdaftar di OJK.
4. Penelitian selanjutnya juga diharapkan perlu mencari variabel
moderasi yang cocok terhadap profitabilitas.
5. Karena terdapat kendala pada uji multikolinieritas dimana ada
beberapa variabel yang memiliki gejala multikolinieritas sehingga
harus ada beberapa variabel yang dibuang untuk melewati uji
multikollonieritas dengan menghilangkan gejala penyakit
multikollonieritas pada data yang digunakan untuk penelitian ini.
Maka hasil uji pada penelitian ini tidak bisa menjawab semua yang
dipertanyakan pada rumusan masalah, sehingga disarankan untuk
melakukan penelitian ulang atau lebih lanjut.
87
DAFTAR PUSTAKA
Alin Septia Ningrum. 2017. Pengaruh Tingkat Kesehatan Bank dengan
Menggunakan Metode RGEC terhadap Nilai Perusahaan dengan Ukurab
Bank sebagai Variabel Moderasi (Studi Empiris pada Perusahaan
Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2013-2015).
Skripsi. Fakultas Ekonomi dan Bisnis, Universitas Lampung.
Almunawwaroh, Medina dan Rina Marlian . 2018. Pengaruh CAR, NPF, FDR
terhadap Profitabilitas Bank Syariah di Indonesia. EISSN. Vol 2. No 1.
Hal: 1-17.
Azzizah, Isnaini Arofatul, Nur Diana dan Junaidi. 2019. Pengaruh Financing To
Deposit Ratio (FDR), Non Performing Financing (NPF), dan Biaya
Operasional Terhadap Pendapatan Operasional (BOPO) Terhadap
Tingkat Profitabilitas. E-JRA. Vol 08. No 03. Hal: 76-86.
Agustin, Priska Trias dan Ari Darmawan. 2018. Pengaruh Raio Keuangan
Terhadap Kinerja Keuangan Bank syariah (Studi pada Bank Umum
Syariah yang Terdaftar di Otoritas Jasa Keuangan Republik Indonesia
Tahun 2014-2016). Jurnal Administrasi Bisnis (JAB). Vol 64. No 1. Hal: 102-
108.
Bachri, Saiful, Suhadak dan Muhammad Saifi. 2013. Pengaruh Rasio Keuangan
Terhadap Kinerja Keuangan Bank Syariah. Vol 1. No 2. Hal: 177-185.
Danupranata, Gita. 2013. Buku Ajar Manajemen Perbankan Syariah. Jakarta:
Salemba Empat.
Desiana, Lidia, Mawardi dan Sellya Gustiana. 2016. Pengaruh Good Corporate
Governance terhadap Profitabilitas pad Bank Umum Syariah di
Indonesia perioede 2010-2015. I-Finance. Vol 2. No 2. Hal: 1-20.
Erlangga, Okyviandi Putra dan Imron Mawardi. 2016. Pengaruh Total Aktiva,
Capital Adequacy Ratio (CAR), Finance To Deposit Ratio (FDR) Dan
Non Performing Financing (NPF) Terhadap Return On Assets (ROA)
Bank Umum Syariah Di Indonesia Periode 2010-2014. Vol 3. No 7. Hal:
76-89.
Ghozali, Imam. 2013. Aplikasi Analisis Multivariate dengan Program IBM SPSS.
21 Update PLS Regresi. Semarang: Badan Penerbit Universitas
Diponegoro.
88
Harlim, Indriani dan Denny Iskandar. 2015. Analisis Pengaruh CAR, NPL, LDR
dan NIM terhadap Profitabilitas pada Sektor Perbankan yang Go Public
di Bursa Efek Indonesia Periode Tahun 2009-2013. Jurnal Ilmiah
Manajemen Bisnis. Vol 15. No 1. Hal: 37-46.
Hery. 2017. Teori Akuntansi. Jakarta : PT.Grasindo.
Harinaldi. 2005. Prinsip-Prinsip Statistik untuk Teknik dan Sains. Jakarta.
Erlangga.
Iskandar, Bunga Apriganti dan Nisful Laila. 2016. Pengaruh Komponen Risk-
Based Bank Rating terhadap Profitabilitas Bank Umum Syariah di
Indonesia (Periode 2011–2014). Jurnal Ekonomi Syariah Teori dan
Terapan. Vol 3. No 3. Hal: 173-186.
Ikhwal, Nuzul. 2016. Analisis ROA dan ROE terhadap Profitabilitas Bank di
Bursa Eek Indonesia. Jurnal Lembaga Keuangan dan Perbankan. Vol 1.
No 2, Hal: 10-21.
Indrawati, Nunung, Suprihatmi Sri Wardiningsih dan Edi Wibowo. 2018.
Pengaruh Capital Adequacy Ratio, Non Perfoming Financing, Financing
To Deposit Ratio, Biaya Operasional, dan Pendapatan Operasional, dan
Ukuran Perusahaan Terhadap Return On Asset Bank Umum Syariah Di
Indonesia. Jurnal Ekonomi dan Kewiirausahaan. Vol 18. No 2. Hal: 253-
264.
Istijanto. 2009. Aplikasi Praktis Riset Pemasaran. Jakarta: Gramedia Pustaka
Utama.
Janah, Nur dan Pani Akhiruddin Siregar. 2018. Pengaruh Rasio Keuangan
Terhadap Profitabilitas Perbankan Syariah Indonesia. Jurnal At-
Tawassuth. Vol III. No 1. Hal: 621-641.
Jondr, David T dan R. Wilopo. 2011. Pengaruh Good Corporate Governance
(GCG) terhadap Profitabilitas dan Kinerja Saham Perusahaan
Perbankan yang tercatat di Bursa Efek Indonesia. Journal of Business
and Banking. Vol 1. No 1. Hal: 1-14.
Kasmir. 2013. Bank dan Lembaga Keuangan lainnya. Jakarta: Rajawali Pers.
______ 2014. Manajemen Perbankan. Jakarta: Rajawali Pers.
______ 2009. Pengantar Manajemen Keuangan. Jakarta: Kencana.
89
Kartika Wahyu Sukarno dan Muhamad Syaichu. 2006. Analisis Faktor-Faktor
yang Mempengaruhi Kinerja Bank Umum di Indonesia. Jurnal Studi
Manajemen dan Organisasi. Vol 3. No 2. Hal: 46-58.
Khadijah, Zahra Nur dan Dewa Putra Khrisna Mahardika. 2018. Pengaruh
Capital Adequacy Ratio, Non Perfoming Financing, Dan Financing To
Deposit Ratio Terhadap Profitabilitas (studi Empiris Pada Bank Umum
Syariah Periode 2012-2016). e-Proceeding of Management. Vol 5. No 2.
Hal: 2126-2129.
Linda Widyaningrum dan Dina Fitrisia Septiarini. 2015. Pengaruh CAR, NPF,
FDR, dan OER Terhadap ROA pada Bank Pembiayaan Rakyat Syariah
di Indonesia Periode Januari 2009 Hingga Mei 2014. JESIT. Vol2. No
12. Hal: 970-985.
Loen, Boy dan Sony Ericson. 2008. Manajemen Aktiva Pasiva Bank Devisa.
Jakarta: Grasindo.
Munir, Misbahul. 2018. Analisis Pengaruh CAR, NPF, FDR dan Inflasi terhadap
Profitabilitas Perbankan Syariah di Indonesia. Journal of Islamic
Economics, Finance, and Banking. Vol 1. No 1&2. Hal: 89-98.
Muhammad Yusuf. 2017. Dampak Indikator Rasio Keuangan terhadap
Profitabilitas Bank Umum Syariah di Indonesia. Jurnal Keuangan dan
perbanakan. Vol 13. No 2. Hal: 141-151.
Muh. Sabir. M, Muhammad Ali dan Abd. Hamid Habbe. 2012. Pengaruh Rassio
Kesehatan BANk Terhadap Kinerja Keuangan Bank Umum Syariah dan
Bank Konvensional di Indonesia. Jurnal Analisis. Vol 1. No 1. Hal: 79-
86.
Million, Lie Jimmy, Anis Rachma Utary dan Irwansyah. 2017. Pengaruh Non
Performing Loan dan Capital Adequacy Ratio serta Biaya Operasional
terhadap Net Interest Margin dan Return On Asset. Prosiding Seminar
Nasional Manajemen dan Ekonomi Bisnis. Vol 1. Hal: 2579-8715.
Prastyananta, Fungki, Muhammad Saifi dan Maria Goretti Wi Endang NP. 2016.
Anlisis Penggunaan Metode RGEC (Risk Profie, Good Corporate
Governance, Earning, Capital) untuk mengetahui Tingkat Kesehatan
Bank (Studi Pada Bank Umum yang Terdaftar di BEI Periode 2012-
2014). Jurna Administrasi Bismis (JAB). Vol. 35. No 2. Hal: 68-76
Prasojo. 2015. Pengaruh Penerapan GCG terhadap Kinerja Keuangan Bank
Syariah. Jurnal Dinamika Akuntansi dan Bisnis. Vol 2. No 1. Hal: 59-69.
90
Pasaribu, Rowland Bismark Fernando. 2015. Profitabilitas Bank di Indonesia
dengan Metode Risk Based Bank Rating pada Emiten Perbankan di
Bursa Efek Indonesia. JRAK Vol 11. No 1. Hal:15-30.
Peraturan Bank Indonesia Nomor 13/1/PBI/2011 tanggal 5 Januari 2011 tentang
Penilaian Tingkat Kesehatan Bank Umum.
Peraturan Bank Indonesia Nomor 11/33/PBI/2009 tanggal 7 Desember 2009 -
Pelaksanaan Good Corporate Governance Bagi Bank Umum Syariah dan
Unit Usaha Syariah.
Sari, Silfani Permata dan A. Mulyi Haryanto. 2017. Analisis Pengaruh Capital
Adequacy Ratio, Net Operating Margin, Financing To Deposit Ratio,
Non Performing Financing dan Pembiayaan Bagi Hasil Terhadap
Profitabilitas Bank Umum Syariah Di Indonesia (Studi Kasus Bank
Umum Syariah Di Indonesia Tahun 2011-2015). Journal of Accounting.
Vol 6. No 4. Hal:1-15.
Sujarweni, V. Wiratna. 2015. Metodologi Penelitian Bisnis dan Ekonomi.
Yogyakarta: PUSTAKABARUPREWagiran. 2013. Metodologi
Penelitian Pendidikan: Teori dan Implementasi. Metodologi Penelitian
Pendidikan: Teori dan Implementasi. Yogyakarta: CV Budi Utama.
Suwarno, Rima Cahya dan Ahmad Mifdlol Muthohar. 2018. Analisis Pengaruh
NPF, FDR, BOPO, CAR, dan GCG terhadap Kinerja Keuangan Bank
Umum Syariah di Indonesia Periode 2013-2017. Bisnis. Vol 6. No. 1.
Hal: 95-117.
Syakhrun, Muhammad, Asbi Amin dan Anwar. 2019. Pengaruh CAR, BOPO,
NPF, dan FDR Terhadap Profitabilitas Pada Bank Umum Syariah Di
Indonesia. Bongaya Journal for Research in Management. Vol 2. No 1.
Hal: 2-10.
Setiani, Nur, Edward Gagah,SE,MM, dan Aziz Fathoni,SE,MM. 2018. Analysis of
Effect of CAR, NPF, and BOPO on ROA (study at shariah Commercial
Bank in Indonesia Period 2012-2016. Journal of Management. Vol 4. No
4. Hal: 60-66.
Surat Edaran Bank Indonesia Nomor 15/15/DPNP tanggal 29 April 2013 perihal
Pelaksanaan Good Corporate Governance Bagi Bank Umum.
Sherty Junita. 2015. Pengaruh KAP, BOPO, dan FDR terhadap NET Operating
Marin (NOM) Perbankan Syariah di Indonesia Periode 2010-2014.
Skripsi. Programa Studi Muamalat (Ekonomi Islam) Kpnsentrasi
Perbankan Syariah, Universitas Islam Negeri Syarif Hidayatullah.
Surat Edaran Bank Indonesia No: 9/ 12 / DPNP 2007
91
Sulistyanto, Sri. 2008. Manajemen Laba: Teori dan model empiris. Jakarta:
Grasindo.Yusuf, A.Muri . 2014. Metodologi Penelitian Kuantitatif,
Kualitatif & Penelitan. Gabungan. Jakarta: Prenadamedia Group.
Taufik Ariyanto. 2011. Faktor Penentu Net Interest Margin Perbankan Indonesia.
Finance and Banking Journal. Vol 13. No 1. Hal: 34-46.
Tumewu, Riana Christel dan Stanly W. Alexander. 2014. Pengaruh Penerapan
Good Corporate Governance Terhadap Profitabilitas pada Perusahaan
Perbankan yang Terdaftar di BEI periode 2009-2013. Jurnal
Accountability. Vol 3. No 1. Hal: 1-10.
Vita Tristiningtyas dan Drs. Osmad Mutaher. 2013. Analisis Faktor-Faktor yang
Mempengaruhi Kinerja Keuangan pada Bank Umum Syariah di
Indonesia. Jurnal Akuntansi Indonesia. Vol 3. No 2. Hal: 131-145.
W, Ni Nym Ayu Yuliantari dan I Ketut Sujana. 2014. Pengaruh Financial Ratio,
Firm Size, dan Cash Flow Operating terhadap Return Share Perusahaan
F&B. E-Jurnal Akuntansi Universitas Udayana. Vol 8. No 1. Hal: 59-69.
Widyawati, Giofani Nursucia dan M. Djazari. 2017. Pengaruh Capital Adequacy
Ratio (CAR), Non Performing Financing (NPF), Operational Efficiency
Ratio (OER), Penyisihan Penghapusan Aktiva Produktif (PPAP) Dan Net
Operating Margin (NOM) Terhadap Profitabilitas Pada Bank Umum
Syariah Periode 2010-2015. Jurnal profita 2 tahunan. Hal:1-12.
Welta, Fretty dan Lemiyana. 2017. Pengaruh CAR, Inflasi, Nilai Tukar terhadap
Profitabilitas pad Bank Umum Syariah. I-Finance. Vol 1. No 1. Hal: 85-
100.
Winarno, Wing Wahyu. 2015. Analisis Ekonometrika dan Statistika dengan
Eviews. Yogyakarta: Upp StIM YkpN.
www.ojk.go.id
Yumanita, Ascarya Diana. 2005. Bank Syariah: Gambaran Umum. Jakarta: Pusat
Pendidikan dan Studi Kebanksentralan (PPSK) BI.
Z, A. Wangsawidjaja. 2012. Pembiayaan Bank Syariah. Jakarta: Gramedia
92
LAMPIRAN
93
Lampiran 1: Data Mentah
BANK TAHUN ROA NPF FDR GCG NOM CAR
UKUR
AN
BANK
NPF_U
KURA
N
BANK
FDR_U
KURA
N
BANK
GCG_U
KURAN
BANK
NOM_
UKUR
AN
BANK
CAR_U
KURAN
BANK
MUAMALAT 2014 0.0017 0.0485 0.8414 2.5400 0.0336 0.1391 4.7953 0.2326 4.0347 12.1799 0.1611 0.6670
2015 0.0020 0.0420 0.9030 2.5100 0.4090 0.1200 4.7569 0.1998 4.2955 11.9399 1.9456 0.5708
2016 0.0022 0.0140 0.9513 2.5400 0.0321 0.1274 4.7465 0.0665 4.5154 12.0562 0.1524 0.6047
2017 0.0011 0.0275 0.8441 2.5400 0.0248 0.1362 4.7903 0.1317 4.0435 12.1673 0.1188 0.6524
2018 0.0008 0.0258 0.7318 2.5100 0.0222 0.1234 4.7576 0.1227 3.4816 11.9416 0.1056 0.5871
VICTORIA 2014 -0.0187 0.0475 0.9591 1.9300 0.0334 0.1527 3.1584 0.1500 3.0292 6.0956 0.1055 0.4823
2015 -0.0236 0.0482 0.9529 3.0000 1.1919 0.1614 3.1396 0.1513 2.9917 9.4187 3.7420 0.5067
2016 -0.0219 0.0435 1.0067 2.4800 1.3134 0.1598 3.2109 0.1397 3.2324 7.9629 4.2171 0.5131
2017 0.0036 0.0408 0.8359 1.7400 0.9602 0.1929 3.3017 0.1347 2.7599 5.7449 3.1703 0.6369
2018 0.0320 0.0346 0.8278 1.6000 0.9638 0.2207 3.3276 0.1151 2.7546 5.3241 3.2071 0.7344
BRI 2014 0.0008 0.0365 0.9390 1.7400 0.0604 0.1289 4.3084 0.1573 4.0456 7.4966 0.2602 0.5553
2015 0.0076 0.0389 0.8416 1.6100 0.0666 0.1394 4.3844 0.1706 3.6899 7.0588 0.2920 0.6112
2016 0.0095 0.0319 0.8142 1.6000 0.0637 0.2063 4.4423 0.1417 3.6169 7.1076 0.2830 0.9164
2017 0.0051 0.0475 0.7187 1.5700 0.0584 0.2029 4.4989 0.2137 3.2334 7.0633 0.2627 0.9128
2018 0.0043 0.0497 0.7549 1.5400 0.0536 0.2972 4.5788 0.2276 3.4565 7.0514 0.2454 1.3608
BJB 2014 0.0072 0.0104 0.8402 1.8900 0.0049 0.1578 3.8088 0.0396 3.2002 7.1987 0.0187 0.6010
2015 0.0025 0.0086 1.0475 2.5100 0.0052 0.2253 3.7848 0.0325 3.9646 9.4999 0.0197 0.8527
2016 -0.0809 0.0492 0.9873 2.5400 0.0068 0.1825 3.8716 0.1905 3.8225 9.8339 0.0263 0.7066
2017 -0.0569 0.0285 0.9103 2.5400 0.0067 0.1625 3.8872 0.1108 3.5385 9.8735 0.0260 0.6317
2018 0.0054 0.0458 0.8985 2.5100 0.0006 0.1643 3.8287 0.1754 3.4401 9.6101 0.0023 0.6291
94
BNI 2014 0.0127 0.0104 0.9260 1.8900 0.0047 0.1626 4.2899 0.0446 3.9724 8.1078 0.0202 0.6975
2015 0.0143 0.0146 0.9194 1.5700 0.0067 0.1548 4.3621 0.0637 4.0105 6.8484 0.0292 0.6752
2016 0.0144 0.0164 0.8457 1.5400 0.0101 0.1492 4.4520 0.0730 3.7651 6.8561 0.0450 0.6642
2017 0.0131 0.0150 0.8021 1.6100 0.0760 0.2014 4.5419 0.0681 3.6430 7.3124 0.3452 0.9147
2018 0.0142 0.0152 0.7962 1.7400 0.0081 0.1931 4.6133 0.0701 3.6731 8.0271 0.0374 0.8908
PANIN 2014 0.0199 0.0290 0.9404 1.4000 0.0588 0.2569 3.7929 0.1100 3.5668 5.3100 0.2230 0.9744
2015 0.0114 0.0194 0.9643 1.7400 0.8933 0.2030 3.8533 0.0748 3.7158 6.7048 3.4422 0.7822
2016 0.0037 0.0186 0.9199 1.6500 0.9617 0.1817 3.9424 0.0733 3.6266 6.5050 3.7914 0.7163
2017 -0.1077 0.0483 0.8695 1.7800 -0.1157 0.1151 3.9360 0.1901 3.4223 7.0060 -0.4554 0.4530
2018 0.0026 0.0384 0.8882 1.4500 0.9957 0.2315 3.9430 0.1514 3.5022 5.7174 3.9261 0.9128
BUKOPIN 2014 0.0027 0.0407 0.9289 1.5000 0.0039 0.1585 3.7127 0.1511 3.4488 5.5691 0.0145 0.5885
2015 0.0079 0.0274 0.9056 1.5000 0.0027 0.1631 3.7654 0.1032 3.4100 5.6482 0.0102 0.6141
2016 0.0076 0.0272 0.8818 1.5000 -0.0167 0.1515 3.8389 0.1044 3.3852 5.7584 -0.0641 0.5816
2017 0.0002 0.0418 0.8244 1.5000 -0.0040 0.1920 3.8553 0.1612 3.1783 5.7829 -0.0154 0.7402
2018 0.0002 0.0365 0.9340 1.5000 -0.0038 0.1931 3.8013 0.1387 3.5504 5.7019 -0.0144 0.7340
MAYBANK 2014 0.0361 0.0429 1.5777 1.6500 -0.0146 0.5213 3.3892 0.1454 5.3471 5.5921 -0.0495 1.7668
2015 -0.2013 0.0493 1.1054 2.5400 -0.3292 0.3840 3.2413 0.1598 3.5829 8.2329 -1.0670 1.2447
2016 -0.0951 0.0460 1.3473 1.7100 -0.1996 0.5506 3.1287 0.1439 4.2153 5.3501 -0.6245 1.7227
2017 0.0550 0.0000 0.8594 1.7200 -0.2647 0.7583 3.1059 0.0000 2.6692 5.3421 -0.8221 2.3552
2018 -0.0686 0.0000
4249.2
353 1.6700 -0.3774 1.6307 2.8209 0.0000
11986.
4893 4.7108 -1.0646 4.6000
MANDIRI 2014 -0.0004 0.0429 0.8192 2.1600 0.0622 0.1412 4.8258 0.2070 3.9533 10.4237 0.3002 0.6814
2015 0.0056 0.0405 0.8199 1.5400 0.0654 0.1285 4.8474 0.1963 3.9744 7.4650 0.3170 0.6229
2016 0.0059 0.0313 0.7919 0.8700 0.0675 0.1401 4.8967 0.1533 3.8777 4.2601 0.3305 0.6860
2017 0.0059 0.0271 0.7766 0.7600 0.0735 0.1589 4.9441 0.1340 3.8396 3.7575 0.3634 0.7856
95
2018 0.0088 0.0156 0.7725 0.6500 0.0656 0.1629 4.9927 0.0779 3.8569 3.2453 0.3275 0.8133
MEGA 2014 0.0029 0.0389 0.9361 1.4500 0.0833 0.1926 3.8479 0.1497 3.6020 5.5794 0.3205 0.7411
2015 0.0030 0.0426 0.9849 1.5400 0.0934 0.1874 3.7451 0.1595 3.6885 5.7674 0.3498 0.7018
2016 0.0263 0.0281 0.9524 1.6400 0.0244 0.2353 3.7878 0.1064 3.6075 6.2120 0.0924 0.8913
2017 0.0156 0.0275 0.9105 1.7300 0.0128 0.2219 3.8472 0.1058 3.5029 6.6557 0.0492 0.8537
2018 0.0093 0.0196 0.9088 1.2000 0.0056 0.2054 3.8655 0.0758 3.5129 4.6386 0.0216 0.7940
96
Lampiran 2: Uji Statistik Deskriptif
ROA NPF FDR GCG NOM CAR
UKURAN
BANK
Mean -0.005800 0.031412 85.87501 1.802800 0.151220 0.234546 4.027306
Median 0.004000 0.033250 0.904300 1.660000 0.028450 0.173000 3.868550
Maximum 0.055000 0.049700 4249.235 3.000000 1.313400 1.630700 4.992700
Minimum -0.201300 0.000000 0.718700 0.650000 -0.377400 0.115100 2.820900
Std. Dev. 0.041368 0.013968 600.8042 0.505093 0.382810 0.232743 0.582746
Skewness -2.786322 -0.497389 6.857142 0.281576 1.783844 4.748863 -0.052130
Kurtosis 12.14754 2.196297 48.02040 2.887446 5.140787 27.63466 2.021385
Jarque-Bera 239.0246 3.407341 4614.413 0.687102 36.06535 1452.236 2.017830
Probability 0.000000 0.182014 0.000000 0.709247 0.000000 0.000000 0.364614
Sum -0.290000 1.570600 4293.751 90.14000 7.561000 11.72730 201.3653
Sum Sq.
Dev. 0.083855 0.009561 17687316 12.50081 7.180637 2.654305 16.64005
Observations 50 50 50 50 50 50 50
Lampiran 3: Uji Stasioneritas
1. ROA
Null Hypothesis: Unit root (common unit root process)
Series: D(ROA)
Date: 08/19/19 Time: 07:57
Sample: 2014 2018
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
Total (balanced) observations: 30
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -5.39184 0.0000
** Probabilities are computed assuming asympotic normality
97
2. NPF
Null Hypothesis: Unit root (common unit root process)
Series: D(NPF)
Date: 08/19/19 Time: 08:12
Sample: 2014 2018
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
Total (balanced) observations: 30
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -14.8772 0.0000
** Probabilities are computed assuming asympotic normality
3. FDR
Null Hypothesis: Unit root (common unit root process)
Series: D(FDR)
Date: 08/19/19 Time: 08:14
Sample: 2014 2018
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
Total (balanced) observations: 30
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -6.31799 0.0000
** Probabilities are computed assuming asympotic normality
98
4. GCG
Null Hypothesis: Unit root (common unit root process)
Series: D(GCG)
Date: 08/19/19 Time: 08:16
Sample: 2014 2018
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
Total (balanced) observations: 27
Cross-sections included: 9 (1 dropped)
Method Statistic Prob.**
Levin, Lin & Chu t* -25.3069 0.0000
** Probabilities are computed assuming asympotic normality
5. NOM
Null Hypothesis: Unit root (common unit root process)
Series: D(NOM)
Date: 08/19/19 Time: 08:18
Sample: 2014 2018
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
Total (balanced) observations: 30
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -93.6265 0.0000
** Probabilities are computed assuming asympotic normality
6. CAR
Null Hypothesis: Unit root (common unit root process)
Series: D(CAR)
Date: 08/19/19 Time: 08:20
Sample: 2014 2018
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
99
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 30
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -18.5782 0.0000
** Probabilities are computed assuming asympotic normality
7. UKURAN BANK
Null Hypothesis: Unit root (common unit root process)
Series: D(UKURANBANK)
Date: 08/19/19 Time: 08:23
Sample: 2014 2018
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
Total (balanced) observations: 30
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -47.0147 0.0000
** Probabilities are computed assuming asympotic normality
8. Ukuran Bank _NPF
Null Hypothesis: Unit root (common unit root process)
Series: D(NPF_UKURANBANK)
Date: 08/19/19 Time: 08:27
Sample: 2014 2018
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
Total (balanced) observations: 30
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -12.9623 0.0000
** Probabilities are computed assuming asympotic normality
100
9. Ukuran Bank_FDR
Null Hypothesis: Unit root (common unit root process)
Series: D(FDR_UKURANBANK)
Date: 08/19/19 Time: 08:33
Sample: 2014 2018
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
Total (balanced) observations: 30
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t*
-
7.25825 0.0000
** Probabilities are computed assuming asympotic normality
10. Ukuran Bank_GCG
Null Hypothesis: Unit root (common unit root process)
Series: D(GCG_UKURANBANK)
Date: 08/19/19 Time: 08:36
Sample: 2014 2018
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
Total (balanced) observations: 30
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -20.5665 0.0000
** Probabilities are computed assuming asympotic normality
101
11. Ukuran Bank_NOM
Null Hypothesis: Unit root (common unit root process)
Series: D(NOM_UKURANBANK)
Date: 08/19/19 Time: 08:38
Sample: 2014 2018
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
Total (balanced) observations: 30
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t*
-
7.59315 0.0000
** Probabilities are computed assuming asympotic normality
12. Ukuran Bank_CAR
Null Hypothesis: Unit root (common unit root process)
Series: D(CAR_UKURANBANK)
Date: 08/19/19 Time: 08:39
Sample: 2014 2018
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
Total (balanced) observations: 30
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -12.5001 0.0000
** Probabilities are computed assuming asympotic normality
102
Lampiran 4: Uji Multikolinieritas
1. ROA
Dependent Variable: D(ROA)
Method: Panel Least Squares
Date: 08/13/19 Time: 10:49
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C -0.008691 0.004531 -1.917856 0.0650
D(NPF) -3.931194 2.513780 -1.563858 0.1287
D(FDR) -0.154073 0.148906 -1.034700 0.3094
D(GCG) -0.129938 0.076704 -1.694023 0.1010
D(NOM) 0.197806 0.117494 1.683543 0.1030
D(CAR) 1.109511 0.463943 2.391480 0.0235
D(NPF_UKURAN
BANK) 0.822015 0.633453 1.297673 0.2046
D(FDR_UKURAN
BANK) 0.054566 0.052785 1.033739 0.3098
D(GCG_UKURAN
BANK) 0.021347 0.020363 1.048331 0.3031
D(NOM_UKURAN
BANK) -0.040279 0.030669 -1.313319 0.1994
D(CAR_UKURAN
BANK) -0.184845 0.127979 -1.444335 0.1594
R-squared 0.862199 Mean dependent var -0.001398
Adjusted R-squared 0.814682 S.D. dependent var 0.060742
S.E. of regression 0.026148 Akaike info criterion -4.221637
Sum squared resid 0.019829 Schwarz criterion -3.757195
Log likelihood 95.43274 Hannan-Quinn criter. -4.053709
F-statistic 18.14486 Durbin-Watson stat 1.126459
Prob(F-statistic) 0.000000
103
2. NPF
Dependent Variable: D(NPF)
Method: Panel Least Squares
Date: 08/13/19 Time: 10:51
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C 2.96E-05 0.000329 0.089982 0.9289
D(FDR) -0.014307 0.010495 -1.363256 0.1829
D(GCG) 0.008077 0.005372 1.503426 0.1432
D(NOM) 0.006563 0.008449 0.776811 0.4434
D(CAR) -0.041729 0.032823 -1.271335 0.2134
D(NPF_UKURANBANK) 0.249584 0.006345 39.33548 0.0000
D(FDR_UKURANBANK) 0.005074 0.003720 1.363844 0.1828
D(GCG_UKURANBANK) -0.002391 0.001413 -1.691938 0.1010
D(NOM_UKURANBANK
) -0.001844 0.002202 -0.837415 0.4090
D(CAR_UKURANBANK) 0.006525 0.009218 0.707822 0.4845
R-squared 0.986234 Mean dependent var -0.001663
Adjusted R-squared 0.982105 S.D. dependent var 0.014197
S.E. of regression 0.001899 Akaike info criterion -9.482508
Sum squared resid 0.000108 Schwarz criterion -9.060288
Log likelihood 199.6502 Hannan-Quinn criter. -9.329847
F-statistic 238.8142 Durbin-Watson stat 2.540578
Prob(F-statistic) 0.000000
104
3. FDR
Dependent Variable: D(FDR)
Method: Panel Least Squares
Date: 08/13/19 Time: 10:53
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C 0.007644 0.005378 1.421331 0.1655
D(NPF) -4.077375 2.990910 -1.363256 0.1829
D(GCG) 0.231826 0.083984 2.760356 0.0098
D(NOM) -0.194443 0.139617 -1.392689 0.1740
D(CAR) 1.037294 0.536393 1.933833 0.0626
D(NPF_UKURANB
ANK) 1.125923 0.748983 1.503269 0.1432
D(FDR_UKURANB
ANK) 0.354487 1.41E-05 25092.89 0.0000
D(GCG_UKURANB
ANK) -0.056418 0.022743 -2.480622 0.0189
D(NOM_UKURANB
ANK) 0.045043 0.036694 1.227530 0.2292
D(CAR_UKURANB
ANK) -0.305356 0.146678 -2.081807 0.0460
R-squared 1.000000 Mean dependent var 106.1760
Adjusted R-squared 1.000000 S.D. dependent var 671.7326
S.E. of regression 0.032061 Akaike info criterion -3.830050
Sum squared resid 0.030837 Schwarz criterion -3.407830
Log likelihood 86.60100 Hannan-Quinn criter. -3.677388
F-statistic 1.90E+09 Durbin-Watson stat 1.082712
Prob(F-statistic) 0.000000
105
4. GCG
Dependent Variable: D(GCG)
Method: Panel Least Squares
Date: 08/13/19 Time: 10:54
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C -0.000917 0.010785 -0.084986 0.9328
D(NPF) 8.674810 5.770028 1.503426 0.1432
D(FDR) 0.873684 0.316511 2.760356 0.0098
D(NOM) 0.519914 0.263064 1.976380 0.0574
D(CAR) -0.073425 1.104224 -0.066495 0.9474
D(NPF_UKURANB
ANK) -2.425571 1.441282 -1.682926 0.1028
D(FDR_UKURANB
ANK) -0.309704 0.112200 -2.760286 0.0098
D(GCG_UKURANB
ANK) 0.260902 0.008961 29.11657 0.0000
D(NOM_UKURANB
ANK) -0.122549 0.069488 -1.763596 0.0880
D(CAR_UKURANB
ANK) -0.042624 0.304524 -0.139971 0.8896
R-squared 0.978212 Mean dependent var -0.044500
Adjusted R-squared 0.971675 S.D. dependent var 0.369816
S.E. of regression 0.062240 Akaike info criterion -2.503317
Sum squared resid 0.116215 Schwarz criterion -2.081097
Log likelihood 60.06635 Hannan-Quinn criter. -2.350656
F-statistic 149.6532 Durbin-Watson stat 1.564212
Prob(F-statistic) 0.000000
106
5. NOM
Dependent Variable: D(NOM)
Method: Panel Least Squares
Date: 08/13/19 Time: 10:56
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C 0.003252 0.007016 0.463488 0.6464
D(NPF) 3.004294 3.867471 0.776811 0.4434
D(FDR) -0.312310 0.224250 -1.392689 0.1740
D(GCG) 0.221581 0.112114 1.976380 0.0574
D(CAR) 0.658557 0.710827 0.926466 0.3616
D(NPF_UKURANB
ANK) -0.678938 0.976490 -0.695285 0.4922
D(FDR_UKURANB
ANK) 0.110687 0.079495 1.392380 0.1740
D(GCG_UKURANB
ANK) -0.045034 0.030555 -1.473848 0.1509
D(NOM_UKURANB
ANK) 0.259325 0.005439 47.67923 0.0000
D(CAR_UKURANB
ANK) -0.127647 0.197497 -0.646326 0.5230
R-squared 0.990014 Mean dependent var 0.035085
Adjusted R-squared 0.987019 S.D. dependent var 0.356624
S.E. of regression 0.040632 Akaike info criterion -3.356194
Sum squared resid 0.049529 Schwarz criterion -2.933974
Log likelihood 77.12388 Hannan-Quinn criter. -3.203533
F-statistic 330.4784 Durbin-Watson stat 1.737566
Prob(F-statistic) 0.000000
107
6. CAR
Dependent Variable: D(CAR)
Method: Panel Least Squares
Date: 08/13/19 Time: 10:57
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C -0.001744 0.001755 -0.994022 0.3282
D(NPF) -1.225087 0.963622 -1.271335 0.2134
D(FDR) 0.106855 0.055256 1.933834 0.0626
D(GCG) -0.002007 0.030183 -0.066495 0.9474
D(NOM) 0.042237 0.045589 0.926466 0.3616
D(NPF_UKURANB
ANK) 0.263028 0.244612 1.075288 0.2908
D(FDR_UKURANB
ANK) -0.037859 0.019589 -1.932672 0.0628
D(GCG_UKURANB
ANK) -0.001245 0.008010 -0.155479 0.8775
D(NOM_UKURANB
ANK) -0.011342 0.011890 -0.953916 0.3477
D(CAR_UKURANB
ANK) 0.269401 0.010827 24.88211 0.0000
R-squared 0.996278 Mean dependent var 0.035268
Adjusted R-squared 0.995161 S.D. dependent var 0.147928
S.E. of regression 0.010290 Akaike info criterion -6.102947
Sum squared resid 0.003177 Schwarz criterion -5.680727
Log likelihood 132.0589 Hannan-Quinn criter. -5.950286
F-statistic 892.2058 Durbin-Watson stat 1.478072
Prob(F-statistic) 0.000000
108
7. UKURAN BANK_NPF
Dependent Variable: D(NPF_UKURANBANK)
Method: Panel Least Squares
Date: 08/13/19 Time: 11:01
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C -0.000166 0.001306 -0.126903 0.8999
D(NPF) 3.930455 0.099921 39.33548 0.0000
D(FDR) 0.062216 0.041387 1.503269 0.1432
D(GCG) -0.035564 0.021132 -1.682926 0.1028
D(NOM) -0.023358 0.033595 -0.695285 0.4922
D(CAR) 0.141092 0.131213 1.075288 0.2908
D(FDR_UKURANB
ANK) -0.022062 0.014671 -1.503807 0.1431
D(GCG_UKURANB
ANK) 0.010397 0.005554 1.872187 0.0710
D(NOM_UKURANB
ANK) 0.006574 0.008758 0.750609 0.4587
D(CAR_UKURANB
ANK) -0.021184 0.036683 -0.577485 0.5679
R-squared 0.985517 Mean dependent var -0.005815
Adjusted R-squared 0.981172 S.D. dependent var 0.054925
S.E. of regression 0.007537 Akaike info criterion -6.725795
Sum squared resid 0.001704 Schwarz criterion -6.303575
Log likelihood 144.5159 Hannan-Quinn criter. -6.573133
F-statistic 226.8228 Durbin-Watson stat 2.508040
Prob(F-statistic) 0.000000
109
8. UKURAN BANK_FDR
Dependent Variable: D(FDR_UKURANBANK)
Method: Panel Least Squares
Date: 08/13/19 Time: 11:03
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C -0.021562 0.015171 -1.421283 0.1655
D(NPF) 11.50684 8.437067 1.363843 0.1828
D(FDR) 2.820974 0.000112 25092.89 0.0000
D(GCG) -0.653962 0.236918 -2.760286 0.0098
D(NOM) 0.548405 0.393862 1.392380 0.1740
D(CAR) -2.924616 1.513250 -1.932672 0.0628
D(NPF_UKURANB
ANK) -3.177257 2.112809 -1.503807 0.1431
D(GCG_UKURANB
ANK) 0.159154 0.064159 2.480638 0.0189
D(NOM_UKURANB
ANK) -0.127035 0.103513 -1.227228 0.2293
D(CAR_UKURANB
ANK) 0.861036 0.413801 2.080798 0.0461
R-squared 1.000000 Mean dependent var 299.4879
Adjusted R-squared 1.000000 S.D. dependent var 1894.826
S.E. of regression 0.090443 Akaike info criterion -1.755885
Sum squared resid 0.245396 Schwarz criterion -1.333665
Log likelihood 45.11770 Hannan-Quinn criter. -1.603224
F-statistic 1.90E+09 Durbin-Watson stat 1.082596
Prob(F-statistic) 0.000000
110
9. UKURAN BANK_GCG
Dependent Variable: D(GCG_UKURANBANK)
Method: Panel Least Squares
Date: 08/13/19 Time: 11:05
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C -0.002503 0.040626 -0.061607 0.9513
D(NPF) -36.43485 21.53439 -1.691938 0.1010
D(FDR) -3.016850 1.216167 -2.480623 0.0189
D(GCG) 3.701865 0.127139 29.11657 0.0000
D(NOM) -1.499284 1.017258 -1.473848 0.1509
D(CAR) -0.646484 4.158015 -0.155479 0.8775
D(NPF_UKURANB
ANK) 10.06155 5.374224 1.872187 0.0710
D(FDR_UKURANB
ANK) 1.069441 0.431115 2.480639 0.0189
D(NOM_UKURANB
ANK) 0.347014 0.267583 1.296848 0.2046
D(CAR_UKURANB
ANK) 0.337188 1.145800 0.294282 0.7706
R-squared 0.975956 Mean dependent var -0.189615
Adjusted R-squared 0.968742 S.D. dependent var 1.326058
S.E. of regression 0.234446 Akaike info criterion 0.149131
Sum squared resid 1.648941 Schwarz criterion 0.571351
Log likelihood 7.017380 Hannan-Quinn criter. 0.301792
F-statistic 135.2986 Durbin-Watson stat 1.306961
Prob(F-statistic) 0.000000
111
10. UKURAN BANK_NOM
Dependent Variable: D(NOM_UKURANBANK)
Method: Panel Least Squares
Date: 08/13/19 Time: 11:08
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C -0.011073 0.026900 -0.411621 0.6835
D(NPF) -12.38749 14.79254 -0.837415 0.4090
D(FDR) 1.061781 0.864973 1.227530 0.2292
D(GCG) -0.766525 0.434638 -1.763596 0.0880
D(NOM) 3.805938 0.079824 47.67923 0.0000
D(CAR) -2.595492 2.720879 -0.953916 0.3477
D(NPF_UKURANB
ANK) 2.804275 3.736002 0.750609 0.4587
D(FDR_UKURANB
ANK) -0.376300 0.306626 -1.227228 0.2293
D(GCG_UKURANB
ANK) 0.152975 0.117959 1.296848 0.2046
D(CAR_UKURANB
ANK) 0.528344 0.755722 0.699124 0.4899
R-squared 0.989545 Mean dependent var 0.135490
Adjusted R-squared 0.986409 S.D. dependent var 1.335214
S.E. of regression 0.155661 Akaike info criterion -0.669959
Sum squared resid 0.726907 Schwarz criterion -0.247739
Log likelihood 23.39917 Hannan-Quinn criter. -0.517297
F-statistic 315.5019 Durbin-Watson stat 1.858753
Prob(F-statistic) 0.000000
112
11. UKURAN BANK_CAR
Dependent Variable: D(CAR_UKURANBANK)
Method: Panel Least Squares
Date: 08/13/19 Time: 11:10
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C 0.007674 0.006311 1.215964 0.2335
D(NPF) 2.517420 3.556571 0.707822 0.4845
D(FDR) -0.413382 0.198569 -2.081807 0.0460
D(GCG) -0.015311 0.109389 -0.139971 0.8896
D(NOM) -0.107588 0.166461 -0.646326 0.5230
D(CAR) 3.540390 0.142287 24.88211 0.0000
D(NPF_UKURANB
ANK) -0.518986 0.898700 -0.577485 0.5679
D(FDR_UKURANB
ANK) 0.146477 0.070394 2.080799 0.0461
D(GCG_UKURANB
ANK) 0.008537 0.029008 0.294282 0.7706
D(NOM_UKURANB
ANK) 0.030343 0.043401 0.699124 0.4899
R-squared 0.993458 Mean dependent var 0.107525
Adjusted R-squared 0.991495 S.D. dependent var 0.404491
S.E. of regression 0.037303 Akaike info criterion -3.527155
Sum squared resid 0.041746 Schwarz criterion -3.104935
Log likelihood 80.54309 Hannan-Quinn criter. -3.374493
F-statistic 506.1690 Durbin-Watson stat 1.519198
Prob(F-statistic) 0.000000
113
Lampiran 5: Uji Multikolinieritas Kedua
1. NOM
Dependent Variable: D(NOM)
Method: Panel Least Squares
Date: 08/13/19 Time: 12:30
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C 0.017817 0.058664 0.303719 0.7630
D(FDR_UKURAN
BANK) -8.57E-05 5.82E-05 -1.471019 0.1497
D(CAR_UKURAN
BANK) 0.399158 0.272761 1.463397 0.1518
R-squared 0.058974 Mean dependent var 0.035085
Adjusted R-squared 0.008108 S.D. dependent var 0.356624
S.E. of regression 0.355175 Akaike info criterion 0.839625
Sum squared resid 4.667520 Schwarz criterion 0.966291
Log likelihood -13.79251 Hannan-Quinn criter. 0.885424
F-statistic 1.159400 Durbin-Watson stat 2.209688
Prob(F-statistic) 0.324808
114
2. FDR_UKURAN BANK
Dependent Variable: D(FDR_UKURANBANK)
Method: Panel Least Squares
Date: 08/13/19 Time: 12:32
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C -113.3352 160.1134 -0.707843 0.4835
D(NOM) -645.0745 438.5223 -1.471019 0.1497
D(CAR_UKURAN
BANK) 4049.808 386.6278 10.47469 0.0000
R-squared 0.748955 Mean dependent var 299.4879
Adjusted R-squared 0.735385 S.D. dependent var 1894.826
S.E. of regression 974.7132 Akaike info criterion 16.67420
Sum squared resid 35152438 Schwarz criterion 16.80087
Log likelihood -330.4840 Hannan-Quinn criter. 16.72000
F-statistic 55.19185 Durbin-Watson stat 2.344731
Prob(F-statistic) 0.000000
115
3. CAR_UKURAN BANK
Dependent Variable: D(CAR_UKURANBANK)
Method: Panel Least Squares
Date: 08/13/19 Time: 12:33
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C 0.047414 0.033526 1.414249 0.1656
D(NOM) 0.137070 0.093665 1.463397 0.1518
D(FDR_UKURANBA
NK) 0.000185 1.76E-05 10.47469 0.0000
R-squared 0.748811 Mean dependent var 0.107525
Adjusted R-squared 0.735233 S.D. dependent var 0.404491
S.E. of regression 0.208133 Akaike info criterion -0.229243
Sum squared resid 1.602811 Schwarz criterion -0.102577
Log likelihood 7.584868 Hannan-Quinn criter. -0.183445
F-statistic 55.14977 Durbin-Watson stat 1.999285
Prob(F-statistic) 0.000000
116
Lampiran 6: Uji MRA Sebelum Penyembuhan
Dependent Variable: D(LOGROA)
Method: Panel Least Squares
Date: 08/15/19 Time: 05:40
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 10
Total panel (balanced) observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C -0.012384 0.004396 -2.817185 0.0110
D(NPF) -3.534456 2.719026 -1.299898 0.2092
D(FDR) 0.236954 0.135867 1.744006 0.0973
D(GCG) -0.158214 0.084463 -1.873163 0.0765
D(NOM) 0.124975 0.104364 1.197501 0.2458
D(CAR) 2.653033 0.694494 3.820097 0.0012
D(UKURANBANK) -0.102415 0.126336 -0.810654 0.4276
D(NPF_UKURANBANK) 0.620862 0.686561 0.904307 0.3772
D(FDR_UKURANBANK) -0.084090 0.048171 -1.745661 0.0970
D(NOM_UKURANBANK) -0.021521 0.026848 -0.801588 0.4327
D(GCG_UKURANBANK) 0.031285 0.022405 1.396330 0.1787
D(CAR_UKURANBANK) -0.565924 0.177998 -3.179378 0.0049
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.957148 Mean dependent var -0.001398
Adjusted R-squared 0.912042 S.D. dependent var 0.060742
S.E. of regression 0.018015 Akaike info criterion -4.889705
Sum squared resid 0.006166 Schwarz criterion -4.003044
Log likelihood 118.7941 Hannan-Quinn criter. -4.569116
F-statistic 21.21957 Durbin-Watson stat 1.948053
Prob(F-statistic) 0.000000
117
118
119
120
DAFTAR RIWAYAT HIDUP
Nama : Siti Zulaekhah
Tempat, Tanggal Lahir : Salatiga, 27 Mei 1997
Agama : Islam
Alamat :Isep-Isep RT 03 RW 03 Kel. Cebongan, Kec.
Argomulyo,
Salatiga
Alamat Email : [email protected]
No. Hp : 085747874264
Riwayat Pendidikan :
1. SDN Cebongan 03
2. MTsN Salatiga
3. SMKN 1 Salatiga
Pengalaman Organisasi :
1. Staff pengembangan sumber daya usaha
Kopma Fatawa IAIN Salatiga 2017.
2. Kepala bidang pengemabnagan sumber daya
usaha Kopma Fatawa IAIN Salatiga 2018.
Salatiga, 19 Agustus 2019
Penulis,
Siti Zulaekhah