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 : siti.zulaekhah05@gmail.com

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