Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
PENGARUH CAPITAL ADEQUACY RATIO (CAR), RETURN ON ASSET
(ROA), INFLASI, BI RATE / BI7DRR / BI7DRR TERHADAP
PEMBIAYAAN BERMASALAH PADA BANK PEMBIAYAAN RAKYAT
SYARIAH (BPRS) DI INDONESIA TAHUN 2015-2019
Oleh:
Claresta Octavina Ahmad
NIM: 11160850000075
JURUSAN PERBANKAN SYARIAH
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1441H/2020
PENGARUH CAPITAL ADEQUACY RATIO (CAR), RETURN ON ASSET
(ROA), INFLASI, BI RATE / BI7DRR TERHADAP PEMBIAYAAN
BERMASALAH PADA BANK PEMBIAYAAN RAKYAT SYARIAH
(BPRS) DI INDONESIA TAHUN 2015-2019
SKRIPSI
Diajukan kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Syarat-syarat untuk Meraih Gelar Sarjana Ekonomi
Oleh:
Claresta Octavina Ahmad
NIM: 11160850000075
Di Bawah Bimbingan
Pembimbing I Pembimbing II
Dr. Erika Amelia, S.E., M.Si.
NIP. 197711092009122001
JURUSAN PERBANKAN SYARIAH
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1441H/2020
i
LEMBAR PENGESAHAN UJI KOMPREHENSIF
Hari ini Rabu Tanggal 6 Bulan Mei Tahun Dua Ribu Dua Puluh telah dilakukan
Ujian Komprehensif atas mahasiswa:
1. Nama : Claresta Octavina Ahmad
2. NIM : 11160850000075
3. Jurusan : Perbankan Syariah
4. Judul Skripsi : Pengaruh Capital Adequacy Ratio (CAR), Return On Asset
(ROA), Inflasi, BI Rate / BI7DRR terhadap Pembiayaan
Bermasalah Pada Bank Pembiayaan Rakyat Syariah
(BPRS) di Indonesia Tahun 2015-2019
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang
bersangkutan selama proses ujian komprehensif, maka diputuskan bahwa
mahasiswa tersebut di atas dinyatakan lulus dan diberi kesempatan untuk
melanjutkan ke tahap Ujian Skripsi sebagai salah satu syarat untuk memperoleh
gelar Sarjana Ekonomi pada Jurusan Perbankan Syariah Fakultas Ekonomi dan
Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 6 Mei 2020
1. Irhamsyah Putra, M.A. ( )
NIP. 197405172005011004 Penguji I
2. Dr. Endah Meiria, M. Si. ( )
NIDN. 0205068502 Penguji II
ii
LEMBAR PENGESAHAN UJIAN SKRIPSI
Hari ini, Senin 28 Desember 2020 telah diadakan ujian skripsi atas mahasiswa:
1. Nama : Claresta Octavina Ahmad
2. NIM : 11160850000075
3. Jurusan : Perbankan Syariah
4. Judul Skripsi : Pengaruh Capital Adequacy Ratio (CAR), Return On
Asset (ROA), Inflasi, BI Rate / BI7DRR terhadap Pembiayaan
Bermasalah Pada Bank Pembiayaan Rakyat Syariah (BPRS) di Indonesia
Tahun 2015-2019
Setelah mencermati dan memerhatikan penampilan dan kemampuan yang
bersangkutan selama proses ujian skripsi, maka diputuskan bahwa mahasiswa
tersebut dinyatakan LULUS dan skripsi ini diterima sebagai salah satu syarat
untuk memperoleh gelar Sarjana Ekonomi pada Jurusan Perbankan Syariah
Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif Hidayatullah
Jakarta.
Jakarta, 28 Desember 2020
1. Yuke Rahmawati, MA
NIP. 197509032007012023
( )
Ketua Sidang
2. Dr. Ade Sofyan Mulazid, S. Ag., MH
NIP.197501012005011008 ( )
Penguji Ahli
3. Dr. Erika Amelia, SE., M. Si
NIP.197711092009122001
( )
Pembimbing I
4. Irhamsyah Putra, MA
NIP.197405172005011004
( )
Pembimbing II
iv
THE EFFECT OF CAPITAL ADEQUACY RATIO (CAR), RETURN ON
ASSET (ROA), INFLATION, BI RATE / BI 7DRR ON NON-PERFORMING
FINANCING IN SHARIA RURAL BANKS (BPRS) IN INDONESIA 2015-
2019
ABSTRACT
This study aims to collect empirical evidence regarding the effect of CAR, ROA,
Inflation, BI Rate / BI7DRR partially and simultaneously on problematic
financing at Islamic Rural Banks (BPRS) in Indonesia for the 2015-2019 period.
The data in this study are monthly time series data from January 2015 to
December 2019 which have been used as statistical reports by the Financial
Services Authority (OJK) and Bank Indonesia. The method in this study using
Multiple Linear Regression Analysis (OLS). The results of this study are the
independent variables partially have a significant effect on the NPF variable
except for the CAR variable. The variables CAR, ROA, Inflation, BI Rate /
BI7DRR together influence the NPF variable. The implication of this research is
that based on CAR, ROA, Inflation, BI Rate / BI7DRR which can affect problems
in BPRS in Indonesia, the results of this study have previously had similarities
and differences with previous studies. The equation is that the independent
variables jointly influence the dependent variable, and the difference is that the
CAR variable does not have an effect on problems, whereas previously there was
a CAR variable that had a significant effect on problems.
Keywords: Sharia Rural Banks (BPRS), Capital Adequacy Ratio (CAR),
Return On Asset (ROA), Inflation, BI Rate / BI7DRR, Non
Performing Financing (NPF)
v
PENGARUH CAPITAL ADEQUACY RATIO (CAR), RETURN ON ASSET
(ROA), INFLASI, BI RATE / BI7DRR TERHADAP PEMBIAYAAN
BERMASALAH PADA BANK PEMBIAYAAN RAKYAT SYARIAH
(BPRS) DI INDONESIA TAHUN 2015-2019
ABSTRAK
Penelitian ini bertujuan untuk mengumpulkan bukti empiris mengenai pengaruh
CAR, ROA, Inflasi, BI Rate / BI7DRR secara parsial dan simultan terhadap
pembiayaan bermasalah pada Bank Pembiayaan Rakyat Syariah (BPRS) di
Indonesia periode 2015- 2019. Data dalam penelitian ini adalah data time series
bulanan dari Januari 2015 sampai Desember 2019 yang telah dijadikan laporan
statistik oleh Otoritas Jasa Keuangan (OJK) dan Bank Indonesia. Metode dalam
penelitian ini menggunakan Analisis Regresi Linier Berganda (OLS). Hasil dari
penelitian ini adalah variable independen secara parsial berpengaruh signifikan
terhadap variabel NPF kecuali variabel CAR. Variabel CAR, ROA, Inflasi, BI
Rate / BI7DRR secara bersama-sama berpengaruh terhadap variabel NPF.
Implikasi penelitian ini adalah berfokus pada CAR, ROA, Inflasi, BI Rate /
BI7DRR yang dapat mempengaruhi pembiayaan bermasalah pada BPRS di
Indonesia, hasil penelitian ini dengan sebelumnya terdapat persamaan dan
perbedaan dengan penelitian sebelumnya. Persamaannya bahwa variabel
independen bersama-sama mempengaruhi variabel dependen, dan perbedaannya
variabel CAR tidak berpengaruh terhadap pembiayaan bermasalah sedangkan di
penelitian sebelumnya terdapat variabel CAR pengaruh signifikan terhadap
pembiayaan bermasalah.
Kata Kunci: Bank Pembiayaan Rakyat Syariah (BPRS), Capital Adequacy
Ratio (CAR), Return On Asset (ROA), Inflasi, BI Rate /
BI7DRR / BI7DRR, Non Performing Financing (NPF)
vi
DAFTAR RIWAYAT HIDUP
Data Pribadi
Nama : Claresta Octavina Ahmad
Tempat, Tanggal Lahir : Jakarta, 5 Oktober 1997
Agama : Islam
Alamat Rumah : Jl. H. Muhtar 3 No. 36 001/010 Kelurahan
Kreo Kecamatan Larangan Kota Tangerang
Banten 15156
Nomor Hanphone : 081319028624
Email : [email protected]
Riwayat Pendidikan
2016 – 2020 : UIN Syarif Hidayatullah Jakarta
2012 – 2016 : SMA Darunnajah Jakarta
2009 – 2012 : SMPN 177 Jakarta
2003 – 2009 : SD 03 Pagi Jakarta
Pengalaman Organisasi
2018 – 2019 : Anggota Divisi Edukasi Galeri Investasi
Syariah FEB UIN Jakarta
2017 – 2018 : Anggota Divisi Marketing dan Komunikasi
Galeri Investasi Syariah FEB UIN Jakarta
vii
Pengalaman Kerja
2019 : Internship Program Bagian Finance PT.
Telkom Akses Hq
Kemampuan Khusus:
Software : Microsoft Office, Adobe Photoshop, SPSS,
Eviews
viii
KATA PENGANTAR
Alhamdulillah segala puji bagi Allah SWT atas segala rahmat dan karunia
yang disampaikan–Nya, sehingga saya penulis dapat menyelesaikan skripsi yang
berjudul: “Pengaruh Capital Adequacy Ratio (CAR), Return On Asset (ROA),
Inflasi, BI Rate / BI7DRR Terhadap Pembiayaan Bermasalah Pada Bank
Pembiayaan Rakyat Syariah (BPRS) Di Indonesia Tahun 2015-2019”. Tujuan dari
skripsi ini yaitu untuk memenuhi persyaratan memperoleh gelar Sarjana Ekonomi.
Penulis menyadari bahwa dalam penulisan skripsi ini tidak akan berhasil
dengan baik tanpa adanya bantuan dari berbagai pihak, untuk itu pada kesempatan
ini penulis menyampaikan ucapan terima kasih kepada:
1. Allah SWT dengan segala karunia dan kebesarannya penulis dapat
menyelesaikan penelitian ini.:
2. Kedua Orang Tua yang selalu mendoakan dan memberikan dukungan;
3. Bapak Prof. Dr. Amilin, S.E., Ak., M. Si., CA., QIA., BKP., CRMP., selaku
Dekan Fakultas Ekonomi dan Bisnis;
4. Ibu Cut Erika Ananda Fatimah, S.E., MBA., selaku Ketua Jurusan dan Ibu
Yuke Rahmawati M.A., selaku Sekretaris Jurusan Perbankan Syariah
Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta;
5. Ibu Dr. Erika Amelia, S.E., M.Si., dan bapak Irhamsyah Putra, M. A selaku
dosen pembimbing yang selalu bersedia meluangkan waktunya untuk
memberikan arahan, saran dan motivasi kepada penulis selama proses
penyelesaian skripsi ini.
6. Bapak Dr. Ade Sofyan Mulazid, S. Ag., MH selaku dosen penguji ahli
sidang skripsi yang telah memberikan masukan selama sidang berlangsung
dan saat revisi skripsi ini.
7. Bapak Muhammad Fadillah Fauzulhaq, MA. Ph. D selaku dosen
pembimbing akademik yang selalu mengamati dan memberi masukan
terhadap perkembangan nilai penulis selama perkuliahan;
ix
8. Seluruh dosen yang telah memberikan ilmu serta dukungan selama
perkuliahan berlangsung sehingga penulis dapat menyelesaikan studi di
Fakultas Ekonomi dan Bisnis;
9. Teman-teman Dian Rohmatun Nisa, Ina Nurjanah, Rana Rachmayanti,
Karina Widianingrum, Nada Zakia, Dewi Ziqni Fuqory, Ade Rizki Avllia
Putri;
10. Teman satu bimbingan skripsi Glendis Liana Aldhila, Aisyah, Faqih Wildan
Hakim, Albanani Amirulloh;
11. Teman-teman lainnya Fenny Syahputri, Agnes Valentina, Nabila Septihanni;
12. Teman- teman jurusan Perbankan Syariah angkatan 2016 yang selalu
bersama-sama dan saling membantu selama perkuliahan;
13. Teman- teman KKN Benang Merah 066;
14. Semua pihak yang telah membantu penulis dalam menyelesaikan penulisan
skripsi.
Demikian, semoga skripsi ini dapat memberi manfaat bagi akademisi, penelitian
selanjutnya dan ikut dalam mengembangkan indrustri perbankan syariah
khususnya Bank Pembiayaan Rakyat Syariah di Indonesia. Atas perhatiannya,
penulis mengucapkan terimakasih.
Penulis
Jakarta, 21 Agustus 2020
x
DAFTAR ISI
LEMBAR PENGESAHAN UJI KOMPREHENSIF ......................................................... i
LEMBAR PENGESAHAN UJIAN SKRIPSI ................................................................... ii
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH ........................................... iii
DAFTAR RIWAYAT HIDUP .......................................................................................... vi
KATA PENGANTAR ..................................................................................................... viii
DAFTAR ISI .......................................................................................................................x
DAFTAR TABEL ............................................................................................................ xii
DAFTAR GAMBAR ....................................................................................................... xiii
DAFTAR LAMPIRAN ....................................................................................................xiv
BAB I PENDAHULUAN ....................................................................................................1
A. Latar Belakang .................................................................................................... 1
B. Identifikasi Masalah .......................................................................................... 10
C. Rumusan Masalah ............................................................................................. 11
D. Tujuan Penelitian .............................................................................................. 11
E. Manfaat Penelitian ............................................................................................. 12
BAB II TINJAUAN PUSTAKA ....................................................................................... 13
A. Teori-Teori Terkait dengan Penelitian................................................................ 13
1. Laporan Keuangan ......................................................................................... 13
2. Bank Pembiayaan Rakyat Syariah .................................................................. 17
3. Pembiayaan Bermasalah atau Non Performing Financing (NPF) .................... 18
4. Kecukupan Modal (CAR) .............................................................................. 20
5. Return On Assets (ROA) ................................................................................ 24
6. Inflasi ............................................................................................................ 26
7. Suku Bunga Bank Indonesia (BI Rate / BI7DRR) .......................................... 28
B. Penelitian Terdahulu .......................................................................................... 31
C. Kerangka Pemikiran .......................................................................................... 47
D. Keterkaitan Antar Variabel dan Hipotesis .......................................................... 49
BAB III METODE PENELITIAN ................................................................................... 54
xi
A. Populasi dan Sampel.......................................................................................... 54
B. Tempat dan Waktu Penelitian ............................................................................ 55
C. Data dan Sumber Data ....................................................................................... 55
D. Instrument Penelitian ......................................................................................... 55
E. Metode Pengumpulan Data ................................................................................ 56
F. Metode Analisis Data ........................................................................................ 56
G. Definisi Operasional Variabel ............................................................................ 63
BAB IV TEMUAN PENELITIAN DAN PEMBAHASAN .............................................. 68
A. Gambaran Umum Objek Penelitian.................................................................... 68
B. Temuan Hasil Penelitian .................................................................................... 88
C. Pembahasan .................................................................................................... 106
BAB V SIMPULAN DAN SARAN ................................................................................. 111
A. Simpulan ......................................................................................................... 112
B. Saran ............................................................................................................... 113
DAFTAR PUSTAKA ...................................................................................................... 115
LAMPIRAN .................................................................................................................... 124
xii
DAFTAR TABEL
Tabel 4. 1 Daftar BPRS di Indonesia .................................................................. 68
Tabel 4. 2 Data Non Performing Financing (NPF) BPRS di Indonesia Pada Tahun
2015-2019 ......................................................................................................... 77
Tabel 4 .3 Data Capital Adequacy Ratio (CAR) BPRS di Indonesia Pada Tahun
2015-2019 ......................................................................................................... 80
Tabel 4. 4 Data Return On Asset (ROA) BPRS di Indonesia Pada Tahun 2015-
2019 .................................................................................................................. 82
Tabel 4. 5 Data Inflasi di Indonesia Pada Tahun 2015-2019 .............................. 84
Tabel 4. 6 Data Suku Bunga (BI Rate / BI7DRR) di Indonesia Pada Tahun 2015-
2019 .................................................................................................................. 86
Tabel 4. 7 Hasil Statistik Deskriptif ................................................................... 88
Tabel 4. 8 Variance Inflation Factor (VIF) ......................................................... 95
Tabel 4. 9 Uji Harvey ........................................................................................ 96
Tabel 4. 10 Uji Autokorelasi dengan Metode Durbin-Watson (DW) .................. 97
Tabel 4. 11 Uji Autokorelasi dengan Metode LM Test ....................................... 98
Tabel 4. 12 Hasil Uji t ........................................................................................ 99
Tabel 4. 13 Hasil Uji F ..................................................................................... 102
Tabel 4. 14 Hasil Koefisien Determinasi .......................................................... 103
Tabel 4. 15 Hasil Analisis Regresi Berganda .................................................... 104
xiii
DAFTAR GAMBAR
Gambar 1. 1 Lima Negara Teratas Menurut Peminjam Aktif Dan Lima Negara
Teratas Menurut Deposan .................................................................................... 1
Gambar 1. 2 Data Perkembangan Lembaga Keuangan Mikro di Asia Tenggara ... 2
Gambar 1. 3 Jumlah BPRS di Indonesia Tahun 2015-2019 .................................. 3
Gambar 1. 4 Non Performing Financing .............................................................. 5
Gambar 1. 5 Capital Adequacy Ratio ................................................................... 6
Gambar 1. 6 Return On Asset .............................................................................. 7
Gambar 1. 7 Perkembangan Inflasi Di Indonesia .................................................. 8
Gambar 1. 8 Perkembangan BI Rate / BI7DRR .................................................... 8
Gambar 4.2 Histogram-Normality ...................................................................... 94
xiv
DAFTAR LAMPIRAN
Lampiran 1 : Data Non Performing Financing (NPF), Return On Asset (ROA),
Inflasi, BI Rate / BI7DRR pada Januari 2015-Desember 2019. ........................ 124
Lampiran 2 : Hasil Uji Deskriptif .................................................................... 125
Lampiran 3: Hasil uji asumsi klasik ................................................................ 126
Lampiran 4: Hasil Uji signifikan parameter indivual (Uji statistik t ) .............. 128
Lampiran 5: Hasil Uji signifikansi simultan ( Uji Statistik F ) ......................... 128
Lampiran 6 : Hasil uji regresi berganda ........................................................... 129
1
BAB I
PENDAHULUAN
A. Latar Belakang
Perkembanagan Lembaga Keuangan Mikro di Asia Tenggara di
mulai dengan suksesnya model Grameen Bank di Bangladesh untuk kaum
miskin yang di dirancang oleh Profesor Yunus. Negara yang menerapkan
lembaga keuangan mikro adalah india dan indonesia. Self-help group
(SHG) adalah model sederhana dari Lembaga Keuangan Mikro di India
yang mencakup 10 sampai 20 anggota dalam sebuah kelompok yang
mayoritas anggotanya adalah perempuan. Organisasi SHG
beroperasidengan cara yang sama seperti model Bank Grameen (Thanh,
Morales , & Bernadette , 2018). Berikut adalah Lima negara teratas
peminjam aktif dan deposan menurut mix market :
Gambar 1. 1 Lima Negara Teratas Menurut Peminjam Aktif Dan Lima
Negara Teratas Menurut Deposan
2
Sumber: Mix Market Data Base
Dari gambar 1.1 dapat diketahui bahwa vitenam menjadi negara
teratas peminjam aktif dan deposan lembaga keuangan mikro, kemudian
diikuti oleh philippines, kamboja, indonesia dan myanmar.
FSP (Penyedia Jasa Keuangan) di Asia Timur dan Pasifik telah
membuat langkah signifikan menuju pencapaian pelanggan baru dan
kurang terlayani. Pada TA 2017, FSP di wilayah ini memiliki 79,0%
pelanggan di daerah pedesaan berkat kehadiran LSM pedesaan yang besar,
bank pedesaan dan LKNB. Selain itu, penjangkauan melalui saluran
pengiriman digital membantu memperluas hal ini penjangkauan dengan
65,0% pelanggan dijangkau melalui agen di FY 2017 (Mix Market, 2018).
Sumber: Mix Market Data Base
Gambar 1. 2 Data Perkembangan Lembaga Keuangan Mikro di Asia
Tenggara
3
Dari gambar diatas dapat diketahui bahwa Return On Asset di
Indonesia sudah cukup baik sekitar 3,5%-4,0% dibandingkan di negara
lain seperti Laos, Fiji dan China. Hal itu dikarenakan Asset dan Equity nya
lebih besar dibandingkan negara yang asset dan equitynya dibawah
Indonesia. Hal ini dikarenakan negara Indonesia merupakan salah satu
negara berkembang dan memiliki LKM yang lebih banyak dari negara
lain. LKM tersebut dapat menjangkau desa-desa dan kota.
Di Indonesia sendiri Lembaga keuangan mikro dibagi menjadi
Lembaga Keuangan Mikro Bank dan non bank. Pada penelitian ini
berfokus pada lembaga keuang mikro bank dengan menggunakan prinsip
syariah yaitu Bank Pembiayaan Rakyat Syariah.
Berikut perkembangan Bank Pembiayaan Rakyat Syariah di
Indonesia:
Gambar 1. 3 Jumlah BPRS di Indonesia Tahun 2015-2019
Sumber: Statistik Perbankan Syariah (data diolah)
Dari gambar diatas dapat diketahui bahwa perkembangan BPRS di
Indonesia terdapat peningkatan dari tahun 2015-2019. 2015 jumlah BPRS
adalah 164 dan meningkat di tahun 2017 menjadi 167 hingga tahun 2019.
164
166167 167 167
2015 2016 2017 2018 2019
jumlah BPRS
4
Pada BPRS di Indonesia komposisi pembiayaan yang paling
banyak digunakan adalah pembiayaan menggunakan akad murabahah
selanjutnya diikuti oleh musyarakah, multijasa, mudharabah, qardh,
istihsna, ijarah, salam. Pembiayaan yang paling banyak digunakan
berdasarkan jenis penggunaannya adalah pembiayaan jenis konsumsi.
Berdasarkan golongan yang paling banyak menggunakan adalah sektor
UMKM. Dari pembiayaan yang disebutkan Terjadi penurunan dan
kenaikan pada rasio pembiayaan bermasalah dikarenakan kolektabilitas
pembiayaan non lancar dan macet nilainya masih cukup tinggi. Rasio
keuangan untuk mengetahui tingkat pembiayaan bermasalah
diproyeksikan oleh rasio Non Performing Financing (NPF)
Menurut Peraturan Otoritas Jasa Keuangan Nomor
15/POJK.03/2017 Bank dinilai memiliki potensi kesulitan yang
membahayakan kelangsungan usaha sebagaimana dimaksud pada ayat (1)
jika memenuhi satu atau lebih kriteria rasio pembiayaan bermasalah secara
neto (Non Performing Financing/NPFnet) lebih dari 5% (lima persen) dari
total kredit atau total pembiayaan.
Berikut perkembangan rasio NPF pada BPRS di Indoneisa tahun
2015-2019 sebagai berikut:
5
Gambar 1. 4 Non Performing Financing
Sumber: Statistik Perbankan Syariah (data diolah)
Dari statistik diatas menggambarkan perkembangan rasio NPF
pada 2015-2019. Tahun 2015-2017 mengalami kenaikan sebesar 1,48%
dan pada 2017-2019 mengalami penurunan yang signifikan pada 2017
menjadi 9,68% dan pada 2019 menjadi 7,05%. Penurunan tersebut sebesar
2,25%.
Terdapat beberapa faktor yang dapat mempengaruhi peningkatan
dan penurunan rasio NPF suatu BPRS salah satunya adalah faktor internal.
Faktor internal yang dapat mempengaruhi berasal dari kinerja bank yaitu
dapat dilihat dari laporan keuangan suatu BPRS. Kecukupan modal suatu
bank dapat mempengaruhi peningkatan dari rasio NPF. Kecukupan Modal
diproyeksikan dengan rasio Capital Adequacy Ratio (CAR)
Menurut Peraturan Bank Indonesia Nomor: 8/22/PBI/2006 Tentang
Kewajiban Penyediaan Modal Minimum Bank Perkreditan Rakyat
Berdasarkan Prinsip Syariah Bab II Aspek Permodalan Pasal 2 BPRS
2015 2016 2017 2018 2019
NPF 8,20% 8,63% 9,68% 9,30% 7,05%
0,00%
2,00%
4,00%
6,00%
8,00%
10,00%
12,00%
NPF
6
wajib menyediakan modal minimum sebesar 8% (delapan perseratus) dari
aktiva tertimbang menurut risiko.
Perkembangan CAR pada Bank Pembiayaan Rakyat Syariah dari
2015- 2019 dapat dilihat pada grafik berikut:
Gambar 1. 5 Capital Adequacy Ratio
Sumber: Statistik Perbankan Syariah (data diolah)
Dari statistik diatas menggambarkan rasio CAR mengalami
penurunan yang signifikan dari tahun 2015-2019 sebesar 3,48%. Rasio
CAR tertinggi terjadi pada tahun 2016 sebesar 21,73% dan terendah
terjadi pada tahun 2019 sebesar 17,99%.
Selain faktor kecukupan modal suatu BPRS dapat juga dilihat dari
rasio profitabilitas pada BPRS. Profitabilitas atau laba suatu bank dapat
mempengaruhi peningkatan dan penurunan rasio NPF. Profitabilitas pada
penelitian ini diproyeksikan dengan rasio Return On Asset (ROA)
Perkembangan rasio ROA pada Bank Pembiayaan Rakyat Syariah
di Indonesia pada tahun 2015-2019 digambarkan pada grafik berikut ini:
2015 2016 2017 2018 2019
CAR 21,47% 21,73% 20,81% 19,33% 17,99%
0,00%
5,00%
10,00%
15,00%
20,00%
25,00%
CAR
7
Gambar 1. 6 Return On Asset
Sumber: Statistik Perbankan Syariah (data diolah)
Dari statistik diatas pada tahun 2015-2017 rasio ROA mengalami
peningkatan sebesar 0,35%. Pada tahun 2017-2018 rasio ROA mengalami
penurunan sebesar 0.68%. sedangkan tahun 2018-2019 rasio ROA
mengalami kenaikan sebesar 0,74%.
Selain faktor internal dari BPRS terdapat faktor eksternal atau
makroekonomi yang mempengaruhi rasio NPF pada BPRS. Faktor
eksternal yang dapat mempengaruhi meningkatnya rasio NPF salah
satunya adalah Inflasi.
Berikut perkembangan Inflasi di Indonesia tahun 2015-2019 adalah
sebagai berikut:
2015 2016 2017 2018 2019
ROA 2,20% 2,27% 2,55% 1,87% 2,61%
0,00%
0,50%
1,00%
1,50%
2,00%
2,50%
3,00%
ROA
8
Gambar 1. 7 Perkembangan Inflasi Di Indonesia
Sumber: Website Resmi Bank Indonesia (data diolah)
Dari data diatas inflasi di Indonesia yang tertinggi adalah tahun
2017 sebesar 3,61%. Pada tahun 2017-2019 mengalami penurunan sebesar
0,89% sehingga tahun 2019 inflasi mejadi 2,72%.
Selain Inflasi faktor eksternal yang dapat mempengaruhi
meningkatnya rasio NPF adalah BI Rate / BI7DRR.
Perkembangan BI Rate / BI7DRR pada tahun 2015- 2019 adalah
sebagai berikut:
Gambar 1. 8 Perkembangan BI Rate / BI7DRR
Sumber: Data BI Rate / BI7DRR Badan Pusat Statistik dan BI 7 -Day
Repo Rate (Data diolah)
2015 2016 2017 2018 2019
inflasi 3,35% 3,02% 3,61% 3,13% 2,72%
0,00%
1,00%
2,00%
3,00%
4,00%
inflasi
2015 2016 2017 2018 2019
BI Rate 7,75% 4,75% 4,25% 6% 5%
0,00%
2,00%4,00%
6,00%8,00%
10,00%
BI Rate / BI7DRR
9
Data diatas menggambarkan perkembangan BI Rate / BI7DRR, BI
Rate / BI7DRR tertinggi adalah pada tahun 2015 sebesar 7,75% . BI Rate /
BI7DRR mengalami penurunan pada tahun 2019 sebesar 1% , dari tahun
2018 menjadi 5%.
Penelitian mengenai pengaruh Capital Adequacy Ratio (CAR),
Return On Asset (ROA), Inflasi, BI Rate / BI7DRR telah dilakukan oleh
penelitian sebelumnya. Hasil Penelitian mengenai Capital Adequacy Ratio
(CAR) menurut Sherly Yolanda dan Ariusni (2019) variabel permodalan
(CAR) berpengaruh negatif dan signifikan terhadap pembiayaan
bermasalah (NPF), sedangkan menurut hasil penelitian R.D. Kadir (2019)
Variabel CAR tidak berpengaruh secara signifikan dalam jangka Panjang
terhadap NPF.
Hasil penelitian mengenai Return On Asset (ROA) menurut Sherly
Yolanda dan Ariusni (2019) profitabilitas (ROA) berpengaruh positif dan
signifikan terhadap pembiayaan bermasalah, sedangkan menurut Rindang
Nuri Isnaini Nugrohowati, Syafrildha Bimo (2019) ROA berpengaruh
negatif signifikan terhadap NPF, dan menurut R.D. Kadir (2019) variabel
ROA tidak berpengaruh signifikan terhadap NPF.
Hasil Penelitian mengenai inflasi menurut Fary Adisetya Putra, Dr.
Imron Mawardi (2018) Inflasi tidak berpengaruh signifikan terhadap NPF,
sedangkan menurut Yudhistira Ardana (2019) inflasi berpengaruh
signifikan terhadap NPF.
10
Hasil penelitian mengenai BI Rate / BI7DRR menurut Rindang
Nuri Isnaini Nugrohowati, Syafrildha Bimo (2019) BI Rate / BI7DRR
berpengaruh positif signifikan terhadap NPF, sedangkan menurut Ahmad
Fatoni, Kurnia Dwi Sari Utami (2019) BI Rate / BI7DRR/BI7DRR
berpengaruh negatif terhadap NPF.
Berdasarkan uraian latar belakang dan fenomena diatas maka
penulis tertarik untuk mengangkat permasalahan mengenai pembiayaan
bermasalah yaitu dengan judul: “Pengaruh Capital Adequacy Ratio
(CAR), Return On Asset (ROA), Inflasi, BI Rate / BI7DRR terhadap
Pembiayaan Bermasalah Pada Bank Pembiayaan Rakyat Syariah
(BPRS) Di Indonesia Tahun 2015-2019”.
B. Identifikasi Masalah
1. Rasio NPF pada BPRS di Indonesia pada tahun 2015-2019 masih
belum memenuhi kriteria dari ketentuan pada POJK yaitu masih
diatas 5%.
2. Rasio CAR pada BPRS di Indonesia pada tahun 2015-2019 tidak
mengalami kenaikan.
3. Rasio ROA pada BPRS di Indonesia pada tahun 2015-2019 masih
mengalami penurunan di tahun 2018.
4. Rasio Inflasi pada BPRS di Indonesia pada tahun 2015-2019 masih
mengalami kenaikan di tahun 2016-2017.
5. Rasio BI Rate / BI7DRR pada BPRS di Indonesia pada tahun
2015-2019 masih mengalami penurunan dari tahun 2015-2017.
11
C. Rumusan Masalah
1. Bagaimana pengaruh CAR, ROA, Inflasi, BI Rate / BI7DRR
secara parsial terhadap pembiayaan bermasalah pada Bank
Pembiayaan Rakyat Syariah (BPRS) di Indonesia periode 2015-
2019?
2. Bagaimana pengaruh CAR, ROA, Inflasi, BI Rate / BI7DRR
secara simultan terhadap pembiayaan bermasalah pada Bank
Pembiayaan Rakyat Syariah (BPRS) di Indonesia periode 2015-
2019?
3. Variabel manakah yang paling dominan mempengaruhi
pembiayaan bermasalah pada Bank Pembiayaan Rakyat Syariah
(BPRS) di Indonesia periode 2015-2019?
D. Tujuan Penelitian
Adapun tujuan dari penelitian ini untuk mengumpulkan bukti empiris
mengenai:
1. Pengaruh CAR, ROA, Inflasi, BI Rate / BI7DRR secara parsial
terhadap pembiayaan bermasalah pada Bank Pembiayaan Rakyat
Syariah (BPRS) di Indonesia periode 2015- 2019.
2. Pengaruh CAR, ROA, Inflasi, BI Rate / BI7DRR secara simultan
terhadap pembiayaan bermasalah pada Bank Pembiayaan Rakyat
Syariah (BPRS) di Indonesia periode 2015- 2019.
12
3. Variabel yang paling dominan mempengaruhi pembiayaan
bermasalah pada Bank Pembiayaan Rakyat Syariah (BPRS) di
Indonesia periode 2015-2019.
E. Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah:
1. Manfaat Teoritis
Penelitian ini diharapkan dapat memberikan manfaat
sebagai informasi dan referensi untuk pembaca dan penelitian
selanjutnya. Hasil penelitian ini diharapkan dapat menambahkan
pengetahuan mengenai kesehatan bank terutama dalam hal ini
pembiayaan bermasalah pada Bank Pembiayaan Rakyat Syariah di
Indonesia.
2. Manfaat Praktis
Penelitian ini diharapkan dapat dijadikan sebagai bahan
pertimbangan dan sumber informasi bagi pihak manajemen bank
sehingga dapat memitigasi peningkatan pembiayaan bermasalah
dalam hal ini pada Bank Pembiayaan Rakyat Syariah.
13
BAB II
TINJAUAN PUSTAKA
A. Teori-Teori Terkait dengan Penelitian
1. Laporan Keuangan
a. Definisi Laporan Keuangan
Laporan keuangan bertujuan untuk memberikan informasi
keuangan perusahaan kepada pemilik, manajemen, dan pihak luar
yang memiliki kepentingan terhadap laporan keuangan kersebut.
Setiap perusahaan, bank ataupun non bank pada suatu waktu atau
periode tertentu akan melaporkan semua kegiatan keuangannya
(Kasmir, 2017).
Laporan keuangan merupakan hasil dari kegiatan
pencatatan seluruh transaksi keuangan suatu perusahaan. Segala
macam kegiatan yang dapat mempengaruhi kondisi keuangan suatu
perusahaan seperti penjualan, pembelian disebut transaksi
keuangan. Pada suatu perusahaan, bagian akuntansi akan mengolah
transaksi tersebut secara manual atau sistem ERP (Enterprise
Resource Planning) (Prihadi, 2019).
b. Jenis-Jenis Laporan Keuangan
Analisis laporan keuangan suatu perusahaan memerlukan
bahan baku berupa laporan keuangan. Dari laporan keuangan
tersebut, selanjutnya dihitung rasio keuangan. Oleh karena itu,
14
diperlukan adanya pengetahuan laporan keuangan untuk
menganalisis empat jenis laporan keuangan yang dibuat oleh
perusahaan (Prihadi, 2019):
1) Laporan posisi keuangan (neraca)
Laporan posisi keuangan adalah laporan yang
menggambarkan posisi keuangan berupa asset, utang dan
ekuitas modal pada satu saat.
2) Laporan laba-rugi
Laporan laba rugi adalah laporan yang
menggambarkan kinerja yang tercermin dari laba, yaitu
selisih pendapatan dan biaya, selama satu periode.
3) Laporan arus kas
Laporan arus kas adalah laporan yang memberikan
gambaran bagaimana perusahaan memperoleh dan
menggunakan kas dari aktivitas operasi, investasi dan
pendanaan selama satu periode.
4) Laporan perubahan ekuitas
Laporan perubahan ekuitas adalah laporan yang
berisi perubahan ekuitas yang berasal dari kinerja internal
berupa laba dan pemberian deviden serta pengaruh dari
perubahan komposisi setoran modal.
15
c. Rasio Keuangan Bank
Laporan keuangan pada bank yang disajikan secara
periodik digunakan untuk mengetahui kondisi suatu bank. laporan
tersebut juga menggambarkan kinerja bank selama periode
tersebut. Laporan ini sangat berguna bagi pemilik, manajemen,
pemerintah dan masyarakat sebagai nasabah bank untuk
mengetahui kondisi suatu bank tersebut. Laporan keuangan yang
disajikan dibuat sesuai dengan standar yang telah ditetapkan.
Laporan keuangan dapat dibaca, sehingga menjadi berarti, maka
diperlukan analisis terlebih dahulu. Analisis menggunakan rasio-
rasio keuangan sesuai dengan standar yang berlaku (Kasmir,
2017)..
d. Jenis-Jenis Rasio Keuangan
Adapun rasio keuangan akan disajikan adalah sebagai
berikut (Kasmir, 2017):
1) Rasio Likuiditas
Rasio ini bertujuan untuk mengukur seberapa likuid suatu
bank. Dalam rasio ini terdiri dari beberapa jenis rasio, yaitu:
a) Quick Ratio
b) Investing Policy Ratio
c) Banking Ratio
d) Assets to Loan Ratio
e) Investment Portofolio Ratio
16
f) Cash Ratio
g) Loan to Deposit Ratio
h) Investment Risk Ratio
i) Liquidity Risk Ratio
j) Credit Risk Ratio
k) Deposit Risk Ratio
2) Ratio Solvabilitas
Ratio ini bertujuan mengukur efisiensi bank dalam
menjalankan aktivitasnya. Dalam ratio ini terdiri dari beberapa
jenis yaitu:
a) Primary Ratio
b) Risk Assets Ratio
c) Secondary Risk Ratio
d) Capital Ratio
e) Capital Risk Ratio
f) Capital Adequacy Ratio
3) Rasio Rentabilitas
Rasio rentabilitas merupakan rasio kemampuan bank dalam
menghasilkan profitabilitas dari setiap penjualan maupun
pemanfaatan modal serta aktiva yang dimilikinya (ihsan, Ulfah,
& Aziz, 2017).
Dalam rasio ini terdiri dari beberapa jenis yaitu:
a) Gross Profit Margin
17
b) Net Profit Margin
c) Return On Asset
d) Return On Equity
e) Net Interest Margin
f) BOPO
2. Bank Pembiayaan Rakyat Syariah
a. Pengertian Bank Pembiayaan Rakyat Syariah
Berdasarkan Undang-Undang Republik Indonesia Nomor
21 Tahun 2008 tentang Perbankan Syariah dalam pasal 1
disebutkan bahwa BPRS adalah bank syariah yang dalam
kegiatannya tidak memberikan jasa dalam lalu lintas pembayaran.
Syarat terbentuknya BPRS adalah BPRS berbadan hukum
perseroan terbatas, BPRS hanya boleh dimiliki oleh Warga Negara
Indonesia (WNI) dan badan hukum Indonesia, pemerintah daerah
atau kemitraan antara WNI atau badan hukum Indonesia dengan
pemerintah daerah (Soemitra, 2012). BPRS berperan dalam hal
memberdayakan ekonomi umat dengan cara mengembangkan
ekonomi golongan lemah yaitu dengan mengembangkan Usaha
Mikro, Kecil dan Menengah (UMKM) (Yusuf & Mahriana, 2016).
b. Kinerja Keuangan Pada Bank Pembiayaan Rakyat Syariah
Penilaian kinerja perbankan dalam hal ini adalah BPRS
meliputi faktor permodalan, kualitas aktiva produktif, faktor
manajemen, faktor rentabilitas dan faktor likuiditas (PBI
18
No.9/17PBI/2007). Menurut Bank Indonesia menilai kesehatan
bank dapat dilihat dari berbagai aspek, penilaian kinerja keuangan
bertujuan untuk menentukan apakah bank dalam kondisi sehat,
cukup sehat, kurang sehat, dan tidak sehat (nasfi, 2019).
Permasalahan dalam penelitian ini kondisi keuangan BPRS
khususnya NPF yang tinggi maka dilakukan kajian yang lebih
dalam untuk menjawab permasalahan tersebut dengan melakukan
analisis kinerja keuangan BPRS dari segi financial.
3. Pembiayaan Bermasalah atau Non Performing Financing (NPF)
a. Pengertian Pembiayaan Bermasalah atau Non Performing
Financing (NPF)
Non Performing Financing (NPF) merupakan bagian dari
rasio keuangan bank yang digunakan untuk mengukur terjadinya
risiko kerugian yang terkait dengan kemungkinan kegagalan
debitur dalam melunasi kewajiban utang-utangnya kepada bank
(Husaeni, 2017).
Rasio Non Performing Financing (NPF) diukur dengan
membandingkan jumlah pembiayaan bermasalah dengan total
pembiayaan. Nilai NPF dapat bertambah apabila jumlah
pembiayaan bermasalah meningkat. Apabila rasio NPF meningkat
maka pembiayaan bermasalah yang ditanggung BPRS bertambah
dan mengakibatkan kerugian yang dihadapi meningkat sehingga
19
dapat menurunkan tingkat keuntungan BPRS (Widyaningrum &
Septiarin, 2015).
b. Perhitungan Non Performing Financing (NPF)
Surat edaran bank Indonesia nomor 13/30/DPNP tanggal 16
Desember 2011, NPF adalah merupakanrasio perbandingan antara
pembiayaan bermasalah yang terdiri dari pembiayaan dengan
kualitas kurang lancar, diragukan, dan macet terhadap pembiayaan
yang diberikan kepada pihak ketiga (tidak termasuk pembiayaan
kepada bank lain. Rasio ini menggambarkan tingkat risiko yang
dihadapi bank adanya kemungkinan pembiayaan yang diberikan
tidak dapat tertagih (Moorcy, sukimin, & Juwari, 2020).
NPF = Pembiayaan Bermasalah x 100%
Total Pembiayaan
Berdasarkan Lampiran I surat Edaran otoritas Jasa
Keuangan nomor /Seojk.03/2019 tentang Sistem Penilaian Tingkat
Kesehatan Bank Pembiayaan Rakyat Syariah peringkat NPF Bank
Pembiayaan Rakyat Syariah adalah sebagai berikut:
Peringkat 1 NPF ≤7%
Peringkat 2 7% < NPF ≤ 10%
Peringkat 3 10% < NPF ≤ 13%
20
Peringkat 4 13% < NPF ≤ 16%
Peringkat 5 NPF > 16%
4. Kecukupan Modal (CAR)
a. Pengertian Modal
Modal adalah indeks yang paling penting untuk
menunjukkan seberapa baik stabilitas bank. Salah satu standar
internasional pada Komite Basel tentang pengawasan perbankan
adalah rasio kecukupan modal (CAR). Rasio kecukupan modal
berasal dari penjumlahan tier 1 atau modal inti dan tier 2 atau
modal pelengkap terhadap rasio aset yang disesuaikan dengan
risiko (berdasarkan Basel 1 disesuaikan dengan risiko kredit dan
berdasarkan Basel 2 disesuaikan dengan kredit, risiko operasional
dan pasar) (Baldwina, Alhalbonib, & Helmi, 2019).
Capital Adequacy Ratio adalah rasio Kewajiban Penyedia
Modal Minimum (KPPM) yang harus dipenuhi oleh bank yaitu
sebesar 8%. Rasio KPPM merupakan perbandingan antara modal
dan ATMR. Perhitungan ATMR untuk risiko kredit dan risiko
kredit pasar didasarkan pada nilai tercatat asset dalam neraca
(setelah dikurangi Cadangan Kerugian Penurunan Nilai /CKPN)
(ikatan, 2018)
21
Rasio kecukupan modal atau Capital Adequacy Ratio
(CAR) untuk mengetahui kemampuan modal yang dimiliki dalam
menyerap atau menanggung kerugian BPRS. Apabila bank
memiliki modal yang cukup dalam menyerap kerugian, maka
semakin besar kemungkinan bank dalam menghasilkan keuntungan
(Widyaningrum & Septiarin, 2015).
b. Fungsi Modal Bank
Pertama, sebagai penyangga untuk menyerap kerugian
operasional dan kerugian lain. Dalam fungsi ini modal memberikan
perlindungan terhadap kegagalan atau kerugian bank atau
kepentingan para deposan.
Kedua, sebagai dasar bagi menetapkan batas maksimum
pemberian kredit. Hal ini merupakan pertimbangan operasional
bagi bank sentral sebagai regulator untuk membatasi jumlah kredit
kepada setiap individu nasabah bank. Melalui pembatasan ini bank
sentral memaksa bank untuk melakukan diversifikasi kredit mereka
agar dapat melindungi diri terhadap kegagalan kredit dari satu
individu debitur.
Ketiga, modal juga menjadi dasar perhitungan bagi para
partisipan pasar untuk mengevaluasi tingkat kemampuan bank
secara relatif untuk menghasilkan keuntungan (Muhammad,
Manajemen Dana Bank Syariah, 2014).
22
c. Perhitungan Rasio Kecukupan Modal (CAR)
Perhitungan capital adequacy didasarkan atas prinsip bahwa
setiap penanaman yang mengandung resiko harus disediakan
jumlah modal sebesar persentase tertentu (risk margin) terhadap
jumlah penanamanya (Aini, 2013). Pengukuran CAR :
CAR =Modal x 100%
ATMR .
Modal bagi bank yang berkantor pusat di Indonesia terdiri
dari (ikatan, 2018):
1) Modal inti (tier 1)
2) Modal pelengkap (tier 2)
3) Modal pelengkap tambahan (tier 3)
Aset Tertimbang Menurut Resiko (ATMR) terdiri dari
(ikatan, 2018):
1) ATMR untuk risiko kredit merupakan perkalian antara tagihan
bersih dengan bobot risiko atas eksposur aset dalam neraca,
serta kewajiban, komitmen dan kontingensi dalam rekening
administratif.
2) ATMR untuk risiko pasar mencangkup suku bunga, risiko nilai
tukar, risiko ekuitas, dan risiko komuditas
3) ATMR untuk risiko operasional diperoleh dengan mengalikan
beban modal risiko operasional dengan angka 12.5 atau 100/8.
Beban modal risiko operasional adalah rata-rata dari
23
penjumlahan pendapatan bruto (gross income) tahunan yang
positif pada 3 tahun terakhir dikali 15%.
CAR diukur dengan membagi modal dengan aktiva
tertimbang menurut risiko (ATMR). Semakin tinggi CAR, maka
semakin baik kemampuan bank tersebut untuk menanggung risiko
dari setiap kredit atau aset produktif yang berisiko dan mampu
memberikan kontribusi yang cukup besar bagi Profitabilitas.
Semakin tinggi tingkat profitabilitas, maka kelangsungan hidup
suatu bank akan lebih terjamin, karena profitabilitas menunjukkan
apakah bank tersebut mempunyai prospek yang bagus di masa
yang akan datang (Juliana & Mulazid, 2017).
Berdasarkan Lampiran I surat Edaran otoritas Jasa
Keuangan nomor /Seojk.03/2019 tentang Sistem Penilaian Tingkat
Kesehatan Bank Pembiayaan Rakyat Syariah peringkat CAR Bank
Pembiayaan Rakyat Syariah adalah sebagai berikut:
Peringkat 1 CAR ≥ 15%
Peringkat 2 13,5% ≤ CAR < 15%
Peringkat 3 12% ≤ CAR < 13,5%
Peringkat 4 8% ≤ CAR < 12%
Peringkat 5 CAR < 8%
24
d. Sumber Modal Bank Syariah
Sumber utama modal bank syariah adalah modal inti dan
kuasi ekuitas. Modal inti adalah modal yang berasal dari para
pemilik bank, yang terdiri dari modal yang distor oleh para
pemegang saham, cadangan, dan laba ditahan. Sedangkan kuasi
ekuitas adalah dana-dana yang tercatat dalam rekening-rekening
bagi hasil (mudharabah). Modal inti inilah yang berfungsi sebagai
penyangga dan penyerap kerugian bank dan melindungi
kepentingan para pemegang rekening titipan (wadiah) atau
pinjaman (qard), terutama atas aktiva yang didanai oleh modal
sendiri dan dana-dana wadiah atau qard (Muhammad, Manajemen
Dana Bank Syariah, 2014)
5. Return On Assets (ROA)
a. Pengertian Return On Asset (ROA)
Rasio rentabilitas bertujuan untuk mengetahui kemampuan
bank dalam menghasilkan laba selama periode tertentu (ikatan,
2018). Rasio penting terkait rentabilitas dalam penelitian ini adalah
Return On Asset (ROA).
ROA adalah rasio yang menunjukkan kemampuan
perusahaan dengan menggunakan seluruh aktiva yang dimiliki
untuk menghasilkan laba setelah pajak. Rasio ini penting bagi
pihak manajemen untuk mengevaluasi efektivitas dan efisiensi
25
manajemen perusahaan dalam mengelola seluruh aktiva
perusahaan. Semakin besar ROA, berarti semakin efisien
penggunaan aktiva perusahaan atau dengan kata lain dengan
jumlah aktiva yang sama bisa dihasilkan laba yang lebih besar, dan
sebaliknya (Sarasyanti & Shofawati, 2018).
b. Perhitungan Return On Asset (ROA)
Berdasarkan Lampiran I surat Edaran otoritas Jasa
Keuangan nomor /Seojk.03/2019 tentang Sistem Penilaian Tingkat
Kesehatan Bank Pembiayaan Rakyat Syariah perhitungan ROA
adalah sebagai berikut:
ROA = Laba sebelum Pajak x 100%
Total Aset
ROA adalah rasio kemampuan bank untuk menghasilkan
laba. Semakin besar ROA suatu bank, semakin besar juga
keuntungan bank dan semakin baik dalam menggunakan aktiva
produktif sebuah bank. Aktiva produktif yaitu aset yang digunakan
bank dalam menghasilkan keuntungan yaitu piutang dan
pembiayaan yang disalurkan oleh bank. Semakin besar laba, maka
nilai aset bank juga semakin besar (ikhsan & daim, 2019).
Berdasarkan Lampiran I surat Edaran otoritas Jasa
Keuangan nomor /Seojk.03/2019 tentang Sistem Penilaian Tingkat
Kesehatan Bank Pembiayaan Rakyat Syariah peringkat ROA Bank
Pembiayaan Rakyat Syariah adalah sebagai berikut:
26
Peringkat 1 ROA >1,450%
Peringkat 2 1,215% < ROA ≤1,450%
Peringkat 3 0,999% < ROA ≤ 1,215%
Peringkat 4 0,765% < ROA ≤ 0,999%
Peringkat 5 ROA ≤ 0,765%
6. Inflasi
a. Pengertian Inflasi
Inflasi (inflation) adalah kenaikan harga barang-barang
yang bersifat umum dan terus-menerus. Pernyebab inflasi adalah
karena permintaan dan penawaran. Dampak positf inflasi pada
infasi rendah mendorong pertumbuhan dampak negative
menurunkan investasi (Ambarini, 2015). Kenaikan herga-harga
dalam inflasi terjadi dari periode ke periode selanjutnya dan angka
kenaikan tersebut berbeda antara wilayah satu dengan lainnya.
Kenaikan harga barang dalam inflasi terjadi pada semua barang
yang telah ditentukan, bukan hanya terjadi pada satu atau dua
barang saja. Jadi, jika kenaikan hanya terjadi pada satu atau dua
barang saja maka tidak disebut inflasi (Sukirno, 2012). Dampak
27
dari inflasi tidak hanya pada sektor riil saja, melainkan juga pada
sektor keuangan (Munir, 2018).
b. Jenis-Jenis Inflasi
Inflasi dapat dibedakan menjadi beberapa jenis. Dibawah
ini adalah jenis-jenis inflasi berdasarkan tingkat keparahannya
(Ambarini, 2015):
1) Inflasi ringan, inflasi dengan tingkat keparahan dibawah 10%
dalam satu tahun.
2) Inflasi sedang, inflasi dengan tingkat keparahan diantara 10%-
30% dalam satu tahun.
3) Inflasi berat, inflasi dengan tingkat keparahan diatas 30%-
100% dalam satu tahun.
4) Hiper inflasi, dengan tingkat keparahan diatas 100%dalam satu
tahun.
c. Indikator Mengukur Tingkat Inflasi
Indikator yang sering digunakan untuk mengukur tingkat
inflasi adalah Indeks Harga Konsumen (IHK). Perubahan IHK dari
waktu ke waktu menunjukkan pergerakan harga dari paket barang
dan jasa yang dikonsumsi masyarakat. Penentuan barang dan jasa
dalam keranjang IHK dilakukan atas dasar Survei Biaya Hidup
(SBH) yang dilaksanakan oleh Badan Pusat Statistik (BPS).
Kemudian, BPS akan memonitor perkembangan harga dari barang
dan jasa tersebut secara bulanan di beberapa kota, di pasar
28
tradisional dan modern terhadap beberapa jenis barang/jasa di
setiap kota (Bank Indonesia, 2016).
d. Cara Mengatasi Inflasi
Cara mengatasi inflasi adalah sebagai berikut (Ambarini,
2015):
1) Kebijakan moneter, adalah tindakan yang dilakukan oleh Bank
Indonesia untuk mengurangi atau menambah uang beredar.
Ketika uang beredar terlalu berlebihan sehingga inflasi
meningkat tajam, Bank Indonesia akan menerapkan berbagai
kebijakan moneter untuk mengurangi peredaran uang.
2) Kebijakan fiskal adalah kebijakan di sector rill, artinya
penyediaan jumlah barang yang beredar dalam masyarakat.
Dengan demikian kebijakan fiskal untuk mengatasi inflasi
adalah dengan menambah jumlah produk nasional melalui
kemudahan pinjaman, subsidi, dll.
7. Suku Bunga Bank Indonesia (BI Rate / BI7DRR)
a. Definisi Suku Bunga Indonesia (BI Rate / BI7DRR)
Bank konvensional seperti Bank Mandiri, BNI, dan bank
lain menetapkan bunga dengan mengacu kepada suku bunga (BI
Rate / BI7DRR) yang ditetapkan oleh Bank Indonesia. Sedangkan
Bank Syariah tidak menggunakan acuan BI Rate / BI7DRR karena
penerapan bunga tidak dibolehkan pada bank syariah. namun suku
bunga bank Indonesia tetap memiliki dampak bagi bank syariah.
29
Bank Indonesia menerapkan kebijakan moneter diantaranya
dengan menetapkan suku bunga acuan. Bank Indonesia menaikkan
bunga acuan dengan tujuan mengarahkan perbankan untuk
menyesuaikan bunga deposito dan kredit. Dengan kata lain
masyarakat akan dianjurkan untuk menabung daripada
menghabiskan uangnya untuk dibelanjakan. Dengan kenaikan BI
Rate / BI7DRR uang yang beredar di masyarakat akan terkumpul
di perbankan (Gunawan & Wilastomo, 2012).
Demikian juga bagi Bank Pembiayaan Rakyat Syariah yang
memiliki modal dari modal sendiri atau dari bank umum yang
memiliki kelebihan dana. Bila Bank Indonesia menaikkan atau
menurunkan suku bunga acuan akan memiliki konsekuensi bagi
bank umum dan BPRS (Harahap & Daim, 2019).
Suku bunga (BI Rate) adalah tingkat suku bunga yang
ditetapkan oleh Bank Indonesia, dimana suku bunga ini akan
menjadi patokan bagi perbankan di Indonesia untuk menetapkan
besarnya bunga simpanan dan bunga kredit. Menurut Bank
Indonesia, BI Rate adalah suku bunga kebijakan yang
mencerminkan sikap atau stance kebijakan moneter yang
ditetapkan oleh Bank Indonesia dan diumumkan kepada publik
(Karim, 2015).
Variabel tingkat suku bunga (BI Rate) merupakan alat
kebijakan moneter yang digunakan pemerintah untuk mengatur dan
30
mengendalikan stabilitas perekonomian, jika pemerintah ingin
mengurangi jumlah uang beredar dan konsumsi yang berhubungan
dengan pinjaman bank, maka pemerintah akan menaikkan tingkat
suku bunga, dengan adanya suku bunga yang tinggi maka biaya
ekonomi (opportunity cost) dari kegiatan konsumsi yang
menggunakan pinjaman bank akan semakin mahal, begitu juga
sebaliknya (Karim, 2015).
b. BI 7- Day (Reverse) Repo Rate
Bank Indonesia melakukan penguatan kerangka operasi
moneter dengan mengimplementasikan suku bunga acuan atau
suku bunga kebijakan baru yaitu BI 7-Day (Reverse) Repo Rate,
yang berlaku efektif sejak 19 Agustus 2016, menggantikan BI Rate
/ BI7DRR. Penguatan kerangka operasi moneter ini merupakan hal
yang lazim dilakukan di berbagai bank sentral dan merupakan best
practice internasional dalam pelaksanaan operasi moneter.
Kerangka operasi moneter senantiasa disempurnakan untuk
memperkuat efektivitas kebijakan dalam mencapai sasaran inflasi
yang ditetapkan. Instrumen BI 7-day (Reverse) Repo Rate
digunakan sebagai suku bunga kebijakan baru karena dapat secara
cepat memengaruhi pasar uang, perbankan dan sektor riil.
Instrumen BI 7-Day Repo Rate sebagai acuan yang baru memiliki
hubungan yang lebih kuat ke suku bunga pasar uang, sifatnya
31
transaksional atau diperdagangkan di pasar, dan mendorong
pendalaman pasar keuangan, khususnya penggunaan instrumen
repo.
Dengan penggunaan instrumen BI 7-day (Reverse) Repo
Rate sebagai suku bunga kebijakan baru, terdapat tiga dampak
utama yang diharapkan. Pertama, menguatnya sinyal kebijakan
moneter dengan suku bunga (Reverse) Repo Rate 7 hari sebagai
acuan utama di pasar keuangan. Kedua, meningkatnya efektivitas
transmisi kebijakan moneter melalui pengaruhnya pada pergerakan
suku bunga pasar uang dan suku bunga perbankan. Ketiga,
terbentuknya pasar keuangan yang lebih dalam, khususnya
transaksi dan pembentukan struktur suku bunga di pasar uang antar
bank (PUAB) untuk tenor 3-12 bulan (Bank Indonesia, 2020)
B. Penelitian Terdahulu
Penelitiaan terdahuluini menjadi salah satu acuan penulis dalam
melakukan penelitiaan sehingga penulis dapat memperkaya teori yang
digunakan dalam mengkaji penelitian yang dilakukan. Berikut merupakan
penelitian terdahulu berupa beberapa jurnal terkait dengan penelitian yang
dilakukan penulis:
32
No Judul Penulis
(Tahun)
Hasil Persamaan Perbedaan
1 (Yolanda &
Ariusni,
2019)
2015-2018
Jurnal
Kajian
Ekonomi
dan
Pembangun
an.
Sherly
Yolanda,
Ariusni
(2019)
BPRS variabel
permodalan
(CAR)
berpengaruh
negatif dan
signifikan
terhadap
pembiayaan
bermasalah
(NPF), pada
BPRS
profitabilitas
berpengaruh
positif dan
signifikan
terhadap
pembiayaan
bermasalah,
Inflasi
Metode:
Analisis
Regresi
Berganda
Variabel
Independe
n:
Profitabilit
as (ROA),
Permodala
n (CAR),
Inflasi.
Sampel:
Bank
Umum
Syariah
Variabel
Independen:
Kurs.
33
memiliki
pengaruh yang
negatif dan
tidak
signifikan
terhadap
pembiayaan
bermasalah
(NPF) pada
BUS maupun
pada BPRS.
2. The Impact
of
Financial
Structure,
Inflation,
and
Economical
Growth on
Non-
Ari
Prasetyo
(2020)
Pendanaan
murabahah,
mudharabah
dan
musyarakah,
inflasi, dan
PDRB secara
simultan
berpengaruh
Variabel
Independe
n: Inflasi
Metode:
Analisis
Regresi data
panel
Variabel
Independen:
Murabahah,
Mudharaba
h,
34
performing
Financing
at Islamic
Rural Bank
in West
Java 2011-
2015
Internation
al Journal
of
Innovation,
Creativity
and
Change.
Volume 11,
Issue 9,
2020
signifikan
terhadap Non
Performing
Financing
(NPF) BPRS
di Jawa Barat
selama tahun
2011-2015
hasil uji t-
statistik
pendanaan
murabahah
berpengaruh
signifikan
negatif secara
parsial
terhadap Non
Performing
Financing
pada BPRS.
pendanaan
mudharabah
Musyarakah
, PDRB
35
dan
musyarakah
secara parsial
berpengaruh
signifikan
positif
terhadap Non
Performing
Financing
pada BPRS
Hasil ini
menunjukkan
bahwa
kenaikan
inflasi di Jawa
Barat selama
tahun 2011-
2015 akan
meningkatkan
Rasio NPF
BPRS di Jawa
Barat.
36
PDRB secara
parsial
berpengaruh
signifikan
negatif
terhadap Non
Performing
Financing
pada BPRS
3 Analisis
pengaruh
faktor
internal
bank dan
eksternal
terhadap
Non-
Performing
Financing
(NPF)
pada Bank
Rindang
Nuri
Isnaini
Nugrohow
ati,
Syafrildha
Bimo
(2019)
Variabel total
asset dan
CAR/KPPM
berpengaruh
negatif
terhadap NPF.
Hal ini
menunjukkan
bahwa ketika
rasio
kewajiban
penyediaan
Variabel
independe
n: CAR,
ROA BI
Rate /
BI7DRR,
Inflasi.
Variabel
independen:
BOPO,
PDB.
37
Perkreditan
Rakyat
Syariah
di
Indonesia
2012-2017
Jurnal
Ekonomi
dan
Keuangan
Islam.
modal
minimum
semakin
meningkat
maka NPF
akan menurun.
ROA
berpengaruh
negatif
terhadap NPF
.Sedangkan BI
Rate /
BI7DRR dan
PDRB
berpengaruh
positif
terhadap NPF.
Sementara itu
inflasi dan
pengangguran
tidak memiliki
pengaruh
signifikan
38
terhadap NPF.
4 Determinan
ts of Non
Performing
Financing
(NPF)
on Sharia
Rural
Banks
(BPRS) in
Indonesia
2011-2017
Indonesian
Journal of
Developme
nts
Economics.
Muhamma
d (2019)
Bahwa secara
parsial CAR
memiliki
pengaruh
positif
signifikan,
inflasi tidak
berpengaruh
positif
signifikan.
Metode
penelitian:
analisis
regresi
berganda,
variabel
independe
n: CAR
dan Inflasi
Variabel
Independen:
BPP, GDP.
5 Analisis
Faktor-
Faktor yang
Mempengar
uhi Non
Putri
Perdani,
Maskudi,
dan Risti
Lia Sari
Berdasarkan
hasil
pengujian dan
pembahasan,
Capital
Metode:
analisis
regresi
bergaanda.
Variabel
Variabel
independen:
BOPO,
FDR.
39
Performing
Financing
(NPF) Pada
Bank
Pembiayaa
n Rakyat
Syariah
(BPRS) di
Indonesia
Tahun
2013-2018
Jurnal
Ekonomi
dan Bisnis,
Vol. 14
No.12019
(2019) Adequacy
Ratio (CAR)
menunjukan
pengaruh
negatif
signifikan
terhadap Non
Performing
Financing
(NPF) pada
BPRS di
Indonesia.
Berdasarkan
hasil
penelitian dan
pembahasan
bahwa inflasi
berpengaruh
negatif tidak
signifikan,
yang artinya
tidak
berpengaruh
independe
n: CAR
dan Inflasi
40
terhadap Non
Performing
Financing
(NPF) pada
BPRS di
Indonesia.
6 Faktor
Internal,
Makroekon
omi dan
Pembiayaa
n
Bermasalah
Bank
Syariah di
Indonesia
Tahun
2011-2018.
Jurnal
Bisnis dan
Manajemen
Volume 9
Yudhistira
Ardana
(2019)
Jangka pendek
variabel yang
berpengaruh
signifikan
terhadap
pembiayaan
bermasalah
pada
perbankan
syariah di
Indonesia
yaitu variabel
inflasi,
sedangkan
variabel kurs,
SWBI, IPI,
Variabel
Independe
n: Capital
Adequacy
Ratio
(CAR),
Inflasi
Metode:
ECM
Variabel
independen:
Financing
Deposite
Ratio
(FDR),
Kurs,
SWBI/SBIS
dan IPI
(Industrial
Production
Index)
41
(1) FDR dan CAR
tidak
berpengaruh
signifikan.
Pada jangka
panjang
variabel yang
berpengaruh
yaitu Kurs,
SWBI, FDR
dan CAR,
sedangkan
inflasi dan IPI
tidak
berpengaruh
signifikan.
7 Pengaruh
Kinerja
Keuangan
dan Kondisi
Makroekon
omi
Ahmad
Fatoni,
Kurnia
Dwi Sari
Utami
(2019)
Hasil estimasi
jangka
panjang secara
parsial
diperoleh
bahwa
Variabel
independe
n BI Rate /
BI7DRR/
BI7DRR,
CAR,
Metode
penelitian:
Analisis
ARDL
Variabel
independen:
42
Terhadap
Pembiayaa
n
Bermasalah
BPR
Syariah di
Indonesia
2010-2018
Jurnal
Ekonomi
SyariahVol
ume 7,
Nomor 2,
2019.
variabel
independen
yang
berpengaruh
negatif
signifikan
terhadap NPF
yakni PLS.
Sedangkan
variabel yang
berpengaruh
positif
signifikan
adalah IHK,
GDP, CAR
dan FDR.
Variabel
berpengaruh
tidak
signifikan
adalah BI-
Rate/
BI7DRR,
ROA, HK, GDP
FDR,
BOPO,
LTV dan
PLS
43
ROA, BOPO
dan LTV.
8. Estimasi
jangka
pendek dan
jangka
panjang
risiko
pembiayaan
BPRS di
Indonesia
2013-2018
Jurnal
N isbah
Vol .5 No
.2 Tahun
2019
R.D.
Kadir
(2019)
variabel
internal tidak
berpengaruh
secara
signifikan
terhadap NPF
BPR Syariah
di Indonesia.
Ada pun
secara jangka
Panjang
variabel
Ukuran
Perusahaan
(Size) dan
FDR
berpengaruh
secara positif
signifikan
terhadap NPF
Variabel
independe
n:
CAR,
ROA
Metode
penelitian:
ECM
Variabel
independen:
Size,
BOPO,
FDR
44
BPR Syariah
diIndonesia.
9. Non-
performing
financing of
Islamic
rural bank
industry in
Indonesia
Banks and
banks
system
Volumes
14. Issues
1. 2019
Muhamad
Nadratzza
man
Hosen,
Syafaat
Muhari
(2019)
Hasil estimasi
regresi
berbeda antara
satu zona
dengan zona
lainnya.
Variabel
ukuran bank
(LNTA),
likuiditas
(FDR),
efisiensi
(OER),
persentase
PDB dan
tingkat inflasi
secara
simultan
mempengaruh
i tingkat NPF
Variabel
Independe
n: Inflasi
Metode:
analisis
regresi data
panel
Variabel
Independen:
FDR,
ukuran
bank, OER,
PDB, ROE.
45
di IRBI di
zona satu.
Sedangkan
variabel
likuiditas
(FDR),
efisiensi (OER
dan EA) dan
persentase
PDB secara
simultan
mempengaruh
i tingkat NPF
pada IRBI di
zona dua.
Selanjutnya
variabel
ukuran bank
(LNTA) dan
persentase
PDB secara
simultan
mempengaruh
46
i tingkat NPF
di IRBI di
zona tiga.
Terakhir,
variabel
likuiditas
(FDR),
efisiensi (EA),
dan
profitabilitas
(ROE) secara
simultan
mempengaruh
i tingkat NPF
pada IRBI di
zona empat.
10. Faktor
Determinan
Penyebab
Non
Performing
Fary
Adisetya
Putra, Dr.
Imron
Mawardi
Inflasi
berpengaruh
tidak
signifikan
terhadap NPF,
Metode
penelitian:
Regresi
Berganda
Variabel
Variabel
Independen:
FDR,
BOPO,
Rentang
47
Financing
pada Bank
Pembiayaa
n Rakyat
Syariahdi
Indonesia
Periode
2008-2015
Jurnal
ekonomi
syariah
teori dan
terapan.
(2018) Pertumbuhan
ekonomi,
Financing to
Deposit Ratio
(FDR), Biaya
Operasional/P
endapatan
Operasional
(BOPO),
Inflasi, secara
simultan
bepengaruh
signifikan
terhadap
Pembiayaan
Bermasalah
pada BPRS di
Indonesia
Independe
n:
Inflasi
Kendali
Pembiayaan
.
C. Kerangka Pemikiran
Penelitian ini bertujuan untuk melihat pengaruh perubahan variabel
independen bebas yaitu Capital Adequacy Ratio (CAR), Return Of Asset
(ROA), Inflasi, BI Rate / BI7DRR terhadap variabel dependen yaitu Non
Performing Financing (NPF).
48
Laporan Statistik Perbankan Syariah BPRS Januari
2015-Desember 2019
Variabel Independen
1. Capital Adequacy Ratio (CAR)
2. Return On Assets(ROA)
3. Inflasi
4. BI Rate / BI7DRR
Variabel Dependen
1. Non Performing
Financing (NPF)
1. Uji Asumsi Klasik
a. Uji Normalitas.
b. Uji Multikolonieritas.
c. Uji Heterokedastisitas.
d. Uji Autokorelasi.
2. Uji Hipotesis.
a. Uji t (Parsial)
b. Uji F (Simultan)
c. Uji Adjusted R Square
Model Regresi
Regresi Linier
Berganda (OLS)
Interpretasi
Kesimpulan
Fenomena
Rasio NPF pada BPRS masih cukup tinggi yaitu diatas 5% dari yang ditetapkan
pada POJK sehingga dapat menghambat kelangsungan usaha
49
D. Keterkaitan Antar Variabel dan Hipotesis
1. Keterkaitan antar variabel
Berdasarkan penelitian terdahulu dan kerangka pikir di atas maka hipotesis
yang dikembangkan sebagai berikut:
a. Pengaruh rasio Kecukupan Modal (CAR) terhadap Non Performing
Financing (NPF).
Capital Adequacy Ratio (CAR) adalah rasio yang digunakan untuk
mengetahui kemampuan modal yang dimiliki oleh suatu bank dalam
menanggung kerugian ataupun risiko BPRS. Semakin tinggi nilai CAR
semakin mampu bank dalam menanggung risiko yang akan dihadapi
seperti risiko kredit macet atau pembiayaan bermasalah. Teori tersebut
didukung oleh penelitian dari Sherly Yolanda dan Ariusni (2019)
variabel permodalan (CAR) berpengaruh negatif dan signifikan
terhadap pembiayaan bermasalah (NPF), yang berarti bahwa adanya
peningkatan dari rasio permodalan menyebabkan penurunan pada
pembiayaan bermasalah pada BUS dan BPRS di Indonesia dengan
asumsi cateris paribus.
Dengan demikian, maka dari uraian tersebut dapat dibuat
hipotesis sebagai berikut:
Ha : Capital Adequacy Ratio (CAR) berpengaruh signifikan
terhadap Non Performing Financing (NPF) pada Bank Pembiayaan
Rakyat Syariah Periode Januari 2015- Desember 2019.
50
b. Pengaruh Return On Assets (ROA) terhadap Non Performing
Financing (NPF)
Return On Asset merupakan rasio untuk mengukur kemampuan
bank dalam memperoleh keuntungan (laba). Semakin besar ROA
suatu bank, semakin besar tingkat keuntungan sehingga dapat
meningkatnya tingkat pembiayaan dan mengakibatkan pembiayaan
bermasalah juga meningkat. Teori tersebut didukung oleh penelitian
Sherly Yolanda dan Ariusni (2019) bahwa Return On Assets (ROA)
secara parsial berpengaruh positif signifikan terhadap Non Performing
financing (NPF). Hal ini dikarenakan oleh nilai laba yang dihasilkan
bank didapatkan dari meningkatnya jumlah masyarakat yang
melakukan kredit pada BPRS namun hal ini mengakibatkan nilai kredit
macet menjadi meningkat. Dengan demikian, maka dari uraian tersebut
dapat dibuat hipotesis sebagai berikut:
Ha : Return On Asset (ROA) berpengaruh signifikan terhadap
tingkat Non Performing Financing (NPF) pada Bank Pembiayaan
Rakyat Syariah di Indonesia Periode Januari 2015-Desember 2019.
c. Pengaruh Inflasi terhadap Non Performing Financing (NPF)
Inflasi adalah kenaikan harga barang secara terus-menerus. Dengan
adanya kenaikan harga barang membuat nasabah kesulitan dalam
melakukan pembayaran pembiyaan pada bank, sehingga menimbulkan
risiko kredit macet. Teori tersebut didukung oleh penelitian dari
Yudhistira Ardana (2019) Inflasi pada periode jangka pendek memiliki
51
pengaruh negatif dan signifikan. Sedangkan dalam jangka panjang
inflasi berpengaruh negatif tetapi tidak signifikan terhadap NPF.
Dengan demikian, maka dari uraian tersebut dapat dibuat hipotesis
sebagai berikut:
Ha :Inflasi berpengaruh signifikan terhadap Non Performing
Financing (NPF) pada Bank Pembiayaan Rakyat Syariah Periode
Januari 2015- Desember 2019.
d. Pengaruh BI Rate / BI7DRR terhadap Non Performing Financing
(NPF)
Menurut Ahmad Fatoni, Kurnia Dwi Sari Utami (2019) bahwa
estimasi jangka pendek, variabel BI Rate / BI7DRR, memiliki
pengaruh negatif terhadap pembiayaan bermasalah. Hal tersebut
disebabkan pada beberapa BPR Syariah, penentuan equivalen Rate
BPR Syariah seringkali mengacu pada BI Rate / BI7DRR dimana saat
terjadi kenaikan suku bunga pinjaman maka akan menaikkan equivalen
Rate. Tingkat equivalen Rate yang tinggi akan mengurangi minat
nasabah untuk mengajukan pembiayaan. Hal tersebut karena akan
membebankan debitur saat membayar equivalen Rate dan pokok
pembiayaannya sehingga menurunkan resiko pembiayaan. Dengan
demikian, maka dari uraian tersebut dapat dibuat hipotesis sebagai
berikut:
52
Ha : BI Rate / BI7DRR berpengaruh signifikan terhadap Non
Performing Financing (NPF) pada Bank Pembiayaan Rakyat Syariah
Periode Januari 2015- Desember 2019.
2. Hipotesis
Hipotesis pada penelitian ini adalah sebagai berikut:
a. Secara Individu (Parsial)
Ha: Terdapat pengaruh signifikan antara Capital Adequacy Ratio
(CAR) terhadap Non Performing Financing (NPF).
H0 : Tidak terdapat pengaruh signifikan antara Capital Adequacy Ratio
(CAR) terhadap Non Performing Financing (NPF).
Ha : Terdapat pengaruh signifikan antara Return On Asset (ROA)
terhadap Non Performing Financing (NPF).
H0 : Tidak terdapat pengaruh signifikan antara Return On Asset (ROA)
terhadap Non Performing Financing (NPF).
Ha : Terdapat pengaruh signifikan antara Inflasi terhadap Non
Performing Financing (NPF).
H0 : Tidak terdapat pengaruh signifikan antara Inflasi terhadap Non
Performing Financing (NPF).
Ha : Terdapat pengaruh signifikan antara BI Rate / BI7DRR terhadap
Non Performing Financing (NPF).
H0 : Tidak terdapat pengaruh signifikan antara BI Rate / BI7DRR
terhadap Non Performing Financing (NPF).
53
b. Secara Bersama-sama (Simultan)
Ha : Terdapat pengaruh secara simultan antara Capital Adequacy Ratio
(CAR), Return On Asset (ROA), Inflasi dan BI Rate / BI7DRR terhadap
Non Performing Financing (NPF).
H0 : Tidak terdapat pengaruh secara simultan antara Capital Adequacy
Ratio (CAR), Return On Asset (ROA), Inflasi dan BI Rate / BI7DRR
terhadap Non Performing Financing (NPF).
54
BAB III
METODE PENELITIAN
A. Populasi dan Sampel
1. Populasi
Populasi adalah wilayah generalisasi yang terdiri atas objek atau
subjek yang mempunyai kualitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik
kesimpulannya (Sugiyono, Statistik untuk penelitian , 2012). Populasi
penelitian ini adalah seluruh Perbankan Syariah yang beroperasi di
Indonesia untuk kelompok BPRS (Bank Pembiayaan Rakyat Syariah)
yang data keuangan yang telah di jadikan satu ekuivalen dalam laporan
statistik perbankan syariah oleh Otoritas Jasa Keuangan.
2. Sampel
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki
oleh populasi (Sugiyono, 2012). Sampel yang digunakan pada
penelitian ini adalah purposive sampling. Purposive sampling adalah
teknik penentuan sampel dengan berdasarkan kriteria–kriteria atau
pertimbangan tertentu (Sugiyono, 2012).
Berikut adalah kriteria penentuan sampel pada penelitian ini:
a. Bank Pembiayaan Rakyat Syariah yang menerbitkan laporan
keuangan bulanan periode Januari 2015 –Desember 2019 yang
55
telah dijadikan laporan statistik perbankan syariah oleh Otoritas
Jasa Keuangan.
b. Sampel dalam penelitian ini berjumlah 60 yang diambil
berdasarkan jumlah bulan pada laporan keuangan BPRS sejak
Januari 2015 –Desember 2019.
B. Tempat dan Waktu Penelitian
Tempat penelitian adalah situs resmi Otoriatas Jasa Keuangan
(OJK) dan Bank Indonesia. Waktu penelitian adalah Januari 2015-
Desember 2019.
C. Data dan Sumber Data
Sumber data yang digunakan dalam penelitian ini adalah data
sekunder. Diperoleh dari Statistik Perbankan Syariah laporan keuangan
Bank Pembiayaan Rakyat Syariah melalui situs resmi OJK dan situs resmi
Bank Indonesia.
D. Instrument Penelitian
Penelitian ini adalah penelitian explanasi asosiatif yang melihat
hubungan pengaruh atau kausalitas. Instrument atau variabel yang
digunakan dalam penelitian ini adalah pembiayaan bermasalah yang
diproyeksikan oleh Non Performing Financing (NPF) sebagai variabel
dependen, dan variabel independen yaitu Capital Adequacy Ratio (CAR),
Return On Asset (ROA), Inflasi dan BI Rate / BI7DRR.
56
E. Metode Pengumpulan Data
Data yang digunakan penelitian ini merupakan sekunder, data
tersebut diperoleh langsung dari laporan situs resmi Otoritas Jasa
Keuangan dan situs resmi Bank Indonesia. Metode yang digunakan dalam
pengumpulan data untuk melakukan penelitian ini adalah sebagai berikut:
1. Field Research
Peneliti menggunakan data sekunder berupa data runtut waktu
(time series) dengan data bulanan Bank Pembiayaan Rakyat Syariah
dari statistik perbankan syariah dengan rentang waktu dari bulan
Januari 2015 – Desember 2019 dan Inflasi serta BI Rate / BI7DRR
diperoleh dari data bulanan situs resmi Bank Indonesia.
2. Library Research
Data yang digunakan dalam penelitian ini adalah data yang
diperoleh dari membaca literature, buku, artikel, jurnal dan sejenisnya
yang berhubungan dengan aspek yang diteliti sebagai upaya
memperoleh data yang valid.
3. Internet Research
Penulis melakukan penelitian dengan menggunakan teknologi yang
juga berkembang yaitu internet. Sehingga data yang diperoleh
merupakan data yang sesuai dengan perkembangan zaman.
F. Metode Analisis Data
Penelitian ini menggunakan metode data kuantitatif, yaitu dimana
data yang digunakan dalam penelitian berbentuk angka dan penelitian ini
57
menganalisis bagaimana pengaruh: Capital Adequacy Ratio (CAR),
Return Of Asset (ROA), Inflasi dan BI Rate / BI7DRR terhadap Non
Performing Financing (NPF). Penelitian ini menggunakan metode
Analisis Regresi Linier Berganda (OLS) dengan menggunakan program
komputer (software) E-Views versi 10 dan Microsoft Excel 2007. Adapun
model persamaan regresi berganda yang digunakan pada penelitian ini
adalah sebagai berikut:
Y = a+ b1X1 + b2X2 + b3X3 + b4X4
Keterangan:
Y = nilai prediksi variabel NPF
a = Konstanta
b1 b2 b3 =Koefisien masing-masing variabel
X1= Capital Adequacy Ratio
X2= Return On Asset
X3= Inflasi
X4= BI Rate / BI7DRR
e= Error
1. Statistik Deskriptif
Statistik deskriptif bertujuan untuk memberikan gambaran data
secara dekriptif. Statistik dekriptif memiliki nilai-nilai umum diantara
adalah rata-rata, simpangan baku, nilai minimal, nilai maksimal dan
jumlah atau sum. Nilai-nilai tersebut memiliki manfaat yaitu
memberikan gambaran umum tentang variabel-variabel yang diteliti
58
sehingga dapat menjelaskan karakteristik data yang ada dengan
menjelaskan besaran nilai-nilai tersebut (Sarwono, 2016).
2. Uji Asumsi Klasik
Menurut Gujarati (2013) uji asumsi klasik bertujuan untuk
memastikan bahwa hasil penelitian adalah valid dengan data yang
digunakan secara teori adalah tidak bias, konsisten dan penaksiran
koefisien regresinya efisien. Varian minimum atau konsisten berarti
kemungkinan nilai estimasi akan berbeda jauh dengan nilai parameter
populasi akan mendekatai nol seiring dengan penambahan jumlah
sampel. Tidak bias jika dirata-ratakan sehingga nilai estimasi akan
sama dengan yang sebenarnya. Jika terdapat masalah seperti
heteroskedastisitas, dan autokorelasi maka model regresi tersebut tidak
bersifat BLUE (Best Linier Unbiased Estimate) (Rosadi, 2012). Pada
penelitian ini, ada beberapa uji asumsi klasik yang dilakukan,
diantaranya adalah normalitas, multikolinearitas dan
heteroskedastisitas.
a. Uji Normalitas
Uji normalitas memiliki tujuan untuk menguji apakah
model regresi, variabel pengganggu atau residual berdistribusi
normal atau tidak. Terdapat dua cara mendeteksi normalitas adalah
dengan cara analisis grafik dan uji statistik. Analisis grafik adalah
mudah tetapi dapat menyesatkan khususnya pada jumlah sampel
yang kecil. Uji normalitas yang banyak digunakan adalah uji
59
Jarque-Bera (JB). Uji JB merupakan uji normalitas untuk sampel
besar dan biasanya dipakai pada software E-Views (Ghozali &
Ratmono, 2018).
b. Uji Multikolinieritas
Uji Multikolinearitas bertujuan memeriksa ada atau tidak
korelasi antara sesama variabel prediktor di dalam model regresi
data panel yang seharusnya variabel-variabel prediktor tersebut
hanya berkorelasi dengan variabel responnya saja.
Multikolinearitas dapat mengakibatkan hasil uji parsial lebih sering
menerima 𝐻0, sehingga variabel prediktornya banyak yang tidak
berpengaruh signifikan (Sutikno, Faruk, & Dwipurwani, 2017). Uji
Multikolinearitas menggunakan software E-Views dengan melihat
nilai Centered VIF pada output Variance Inflation Factors (VIF)
(Ghozali & Ratmono, 2018).
c. Uji Heteroskedastisitas
Heteroskedastisitas timbul apabila nilai residual dari model
tidak memiliki varians yang konstan. Artinya, setiap observasi
mempunyai reliabilitas yang berbeda-beda akibat perubahan
kondisi yang melatarbelakangi tidak terangkum dalam model.
Gejala ini sering terjadi pada data cross section, sehingga dangat
dimungkinkan terjadi heteroskedastisitas pada panel data (Gujarati
& Porter, 2013).
60
Beberapa uji statistik untuk mengetahui ada atau tidak
heterokedastisitas yaitu: uji glejer, uji white, uji breusch-pagan
godfrey, Harvey, park. Program eviews memiliki keunggulan
daripada SPSS karena dapat menguji secara langsung dengan uji-
uji tersebut (Ghozali & Ratmono, 2018).
a. Uji Autokorelasi.
Autokorelasi muncul karena residual yang tidak bebas antar
satu observasi ke observasi lainnya. Hal ini disebabkan karena eror
pada individu cenderung mempengaruhi individu yang sama pada
periode berikutnya. Masalah autokorelasi sering terjadi pada data
time series (runtut waktu) (Gunawan, 2018).
Uji autokorelasi dapat menggunakan uji Durbin-Watson.
Uji DW digunakan untuk mendeteksi autokorelasi tingkat satu dan
mensyaratkan adanya intercept (konstanta) dalam model regresi
dan tidak ada variabel lag diantara variabel bebas. Hipotesis yang
akan diuji: H0 : tidak ada autokorelasi dan Ha : ada autokorelasi.
Selanjutnya ada uji Lagrange Multiplier (LM Test). LM test
digunakan untuk observasi diatas 100 observasi. Uji ini tepat
digunakan dibanding uji DW karena uji ini diperuntukkan untuk
sampel relative besar dan derajat autokorelasi lebih dari satu. Uji
LM menghasilkan statistik Breusch-Godfrey (Ghozali & Ratmono,
2018).
61
3. Uji Hipotesis Penelitian.
a. Uji signifikasi parameter individual (Uji statistik t)
Uji statistik t ini pada dasarnya menunjukkan seberapa jauh
pengaruh satu variabel independen secara individual (parsial)
dalam menerangkan variasi variabel dependen. Langkah yang
digunakan untuk menguji hipotesis ini adalah dengan menentukan
level of significance-nya. Level of significance yang digunakan
sebesar 0,05 (5%) (Ghozali I. , Aplikasi Analisis Multivariete
dengan Program IBM SPSS 23, Edisi 8., 2016.).
b. Uji Signifikansi simultan (Uji statistik f)
Penggunaan tingkat signifikasinya beragam, tergantung
keputusan peneliti, yaitu 0.01 (1%); 0.05 (5%) dan 0.10 (10%).
Dalam uji F-statistik ada dua langkah. Langkah pertama jika
probabilitas nilai F-statistik > 0.05 maka H0 diterima atau menolak
Ha, sebaliknya jika probabilitas nilai F statistik < 0.05, maka H0
ditolak atau menerima Ha (Febriana & Yulianto, 2017).
Uji statistik f menunjukkan apakah semua variabel
independen yang dimasukkan dalam model regresi mempunyai
pengaruh secara bersama-sama atau simultan terhadap variabel
dependen (Y). Pengujian ini biasanya disebut pengujian signifikasi
keseluruhan terhadap garis regresi yang ingin menguji apakah Y
secara linier berhubungan dengan kedua X1 dan X2 (Ghozali &
Ratmono, 2018).
62
c. Adjusted R Square
Besarnya R2 dikenal sebagai koefisien determinasi (sampel)
yang merupakan ukuran paling umum digunakan untuk mengukur
goodness of fit dari sebuah garis regresi. Nilai tersebut melihat
seberapa besar proporsi atau presentasi pengaruh variabel
independen terhadap variabel dependen.Tingkat ketepatan regresi
ditentukan oleh besarnya nilai R2 antara 0 sampai dengan 1 (≤ R2
≤ 1).Semakin nilai R2 mendekati angka 1, berarti variabel
independen dapat menjelaskan pengaruh terhadap variabel
dependen dengan semakin baik (Gujarati & Porter, 2013).
Kelemahan mendasar menggunakan koefisien determinasi
adalah bias terhadap jumlah variabel independen yang dimasukkan
ke dalam model. Setiap penambahan satu variabel independen,
maka nilai R2 pasti meningkat tidak melihat apakah variabel itu
berpengaruh secara signifikan terhadap variabel dependen atau
tidak. Oleh sebab itu banyak peneliti yang memakai nilai adjusted
R square pada saat mengevaluasi mana variabel terbaik (Ghozali &
Ratmono, 2018).
Nilai Adjusted R Square dapat naik atau turun jika satu
variabel independen ditambah ke model. Nilai adjusted square
dapat bernilai negatif walaupun yang diinginkan harus positif. Jika
dalam uji empiris didapat nilai adjusted R square negatif maka nilai
adjusted R square dianggap bernilai 0 (Ghozali & Ratmono, 2018).
63
G. Definisi Operasional Variabel
Operasional variabel penelitian merupakan rincian tentang
variabel-variabel pada suatu penelitian dan akan dijadikan kajian pada
penelitian ini. Data yang terdiri dari variable dependen yaitu tingkat Non
Performing Financing (NPF), variable Independen yang secara berturut-
turut tediri dari, Capital Adequecy Ratio (CAR), Return On Asset (ROA),
Inflasi, BI Rate / BI7DRR diperoleh dengan perhitungan menggunakan
rumus dari data yang diperoleh dari Statistik Perbankan Syariah periode
Januari 2015-Desember 2019 dan data inflasi serta BI Rate / BI7DRR
diperoleh pada website resmi Bank Indonesia. Berikut adalah tabel
operasional variabel pada penelitian ini:
No Variabel Definisi Pengukuran
Variabel
Skala
Ukur
Sumber
1. Non
Performing
Financing
(NPF)
Non Performing
Financing (NPF)
merupakan rasio
keuangan bank
yang digunakan
untuk mengukur
terjadinya risiko
kerugian yang
terkait dengan
NPF=
Pembiayaan
Bermasalah
Total
Pembiayaan
X 100%
Rasio (Husaeni,
2017)
64
kegagalan
debitur dalam
melunasi
kewajibannya
kepada bank
2. Capital
Adequecy
Ratio
(CAR)
Capital
Adequecy Ratio
merupakan
kecukupan
modal,
menunjukkan
kemampuan
bank dalam
mempertahankan
modal dan
kemampuan
manajemen bank
dalam
mengidentifikasi,
mengukur,
mengawasi, dan
mengontrol
resiko yang dapat
CAR =
Modal
ATMR
X 100%
Rasio (Aini,
2013)
65
berpengaruh
terhadap
besarnya modal
bank.
3. Return On
Assets
(ROA)
ROA adalah
rasio yang
menunjukkan
kemampuan
perusahaan
dengan
menggunakan
seluruh aktiva
yang dimiliki
untuk
menghasilkan
laba setelah
pajak. Rasio ini
penting bagi
pihak
manajemen
untuk
mengevaluasi
efektivitas dan
ROA =
Laba
Sebelum
Pajak x
Total Aset
X 100%
Rasio (Sarasyanti
&
Shofawati,
2018)
66
efisiensi
manajemen
perusahaan
dalam mengelola
seluruh aktiva
perusahaan
4. Inflasi kenaikan harga
barang-barang
yang bersifat
umum dan secara
terus-menerus.
NFt =IHKt -
IHK t -1
IHKt-1
X 100%
Rasio (Ambarini,
2015)
5. BI Rate /
BI7DRR
Suku bunga
adalah tingkat
suku bunga yang
ditetapkan oleh
Bank Indonesia,
dimana suku
bunga ini akan
menjadi patokan
bagi perbankan
di Indonesia
untuk
menetapkan
Rasio (Kasmir,
Manajemen
Perbankan,
2017)
68
BAB IV
TEMUAN PENELITIAN DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian
Berdasarkan Undang-Undang Republik Indonesia Nomor 21 Tahun
2008 tentang Perbankan Syariah dalam pasal 1 disebutkan bahwa BPRS
adalah bank syariah yang dalam kegiatannya tidak memberikan jasa dalam
lalu lintas pembayaran. Syarat terbentuknya BPRS adalah BPRS berbadan
hukum perseroan terbatas, BPRS hanya boleh dimiliki oleh Warga Negara
Indonesia (WNI) dan badan hukum Indonesia, pemerintah daerah atau
kemitraan antara WNI atau badan hukum Indonesia dengan pemerintah
daerah (Soemitra, 2012). Persebaran BPRS di Indonesia yang sudah cukup
luas di berbagai daerah di Indonesia, berikut adalah daftar BPRS di
Indonesia:
Tabel 4. 1 Daftar BPRS di Indonesia
No BPRS Kabupaten Provinsi
1
PT. BPRS Amanah
Rabbaniah Kab. Bandung
Provinsi Jawa
Barat
2 PT. BPRS Hareukat Kab. Aceh Besar Provinsi NAD
3
PT. BPR Syariah
Amanah Ummah Kab. Bogor
Provinsi Jawa
Barat
4
PT BPRS Artha
Karimah Irsyadi Kota Bekasi
Provinsi Jawa
Barat
5
PT. BPRS Bina
Amwalul Hasanah Kota Depok
Provinsi Jawa
Barat
6
PT. BPRS
Musyarakah Ummat
Indonesia Kota Tangerang
Provinsi
Banten
7
PT BPRS PNM
Mentari Kab. Garut
Provinsi Jawa
Barat
69
8
PT. BPRS Tulen
Amanah Kab. Lombok Timur
Provinsi Nusa
Tenggara
Barat
9 INDO TIMUR Kota Makassar
Provinsi
Sulawesi
Selatan
10
BPRS Baiturridha
Pusaka Kota Bandung
Provinsi Jawa
Barat
11
PT. BPRS Harta
Insan Karimah Kota Tangerang
Provinsi
Banten
12
PT. BPR Syariah
Barkah Gemadana Kab. Banjar
Provinsi
Kalimantan
Selatan
13
PT. BPRS
Ibadurrahman
Kab. Penajam Paser
Utara
Provinsi
Kalimantan
Timur
14
BPRS Harta Insan
Karimah Bekasi Kota Bekasi
Provinsi Jawa
Barat
15
PT BPRS Margirizki
Bahagia Kab. Bantul
Provinsi D.I
Yogyakarta
16
BPRS Bangun
Drajat Warga Kab. Bantul
Provinsi D.I
Yogyakarta
17
PT. BPRS Harta
Insan Karimah
Cibitung Kab. Bekasi
Provinsi Jawa
Barat
18
PT. BPRS PNM
Patuh Beramal Kota Mataram
Provinsi Nusa
Tenggara
Barat
19
PT. BPRSyariah
Baktimakmur Indah Kab. Sidoarjo
Provinsi Jawa
Timur
20
PT.BPRS
Baiturrahman Kab. Aceh Besar Provinsi NAD
21 BPRS TCD Kab. Pidie Provinsi NAD
22
PT BPRS Fajar
Sejahtera Bali Kab. Badung Provinsi Bali
23 BPRS ALMASOEM Kab. Bandung
Provinsi Jawa
Barat
24
PT. BPRS Harum
Hikmahnugraha Kab. Garut
Provinsi Jawa
Barat
25
PT. BPRS Dana
Moneter Kota Makassar
Provinsi
Sulawesi
Selatan
26
PT.BPRS Surya
Sejati Kab. Takalar
Provinsi
Sulawesi
Selatan
70
27
AMANAH
BANGSA Kab. Simalungun
Provinsi
Sumatera
Utara
28
ASRI MADANI
NUSANTARA Kab. Jember
Provinsi Jawa
Timur
29
BPRS Muamalah
Cilegon Kab. Serang
Provinsi
Banten
30
PT BPRS Daarut
Tauhiid Kota Cimahi
Provinsi Jawa
Barat
31
PT.BPRS Al
Washliyah Kota Medan
Provinsi
Sumatera
Utara
32
PT. BPR Syariah Al
Wadiah Kota Tasikmalaya
Provinsi Jawa
Barat
33 PT BPRS At Taqwa Kab. Tangerang
Provinsi
Banten
34
PT. BPRS Niaga
Madani Kota Makassar
Provinsi
Sulawesi
Selatan
35
PT. BANK
Pembiayaan Rakyat
Syariah Al Falah Kab. Banyuasin
Provinsi
Sumatera
Selatan
36
PT. BPR Syariah
Hasanah Kota Pekanbaru Provinsi Riau
37 PT BPRS Wakalumi Kab. Tangerang
Provinsi
Banten
38
PT.BPRS Artha
Fisabilillah Kab. Cianjur
Provinsi Jawa
Barat
39
PT. BPR Syariah Al
Ihsan Kab. Bandung
Provinsi Jawa
Barat
40
PT. BPRS Nurul
Ikhwan Kab. Polewali Mandar
Provinsi
Sulawesi
Barat
41
PT. BPRS Hikmah
Wakilah Kota Banda Aceh Provinsi NAD
42
PT. BPRS Ikhsanul
Amal Kab. Kebumen
Provinsi Jawa
Tengah
43
PT. BPRS Bhakti
Haji Malang Kab. Malang
Provinsi Jawa
Timur
44
Rahmah Hijrah
Agung Kota Lhokseumawe Provinsi NAD
45
PT.BPR Syariah
Amanah Sejahtera Kab. Gresik
Provinsi Jawa
Timur
46
BPRS Bandar
Lampung Kota Bandar Lampung
Provinsi
Lampung
71
47
Muamalat Harkat
Bengkulu Kab. Seluma
Provinsi
Bengkulu
48
PT BPR Syariah Al
Barokah Kota Depok
Provinsi Jawa
Barat
49
PT. BPRS Harta
Insan Karimah
Parahyangan Kab. Bandung
Provinsi Jawa
Barat
50
PT. BPRS. Gebu
Prima Kota Medan
Provinsi
Sumatera
Utara
51
PT. BPRS Daya
Artha Mentari Kab. Pasuruan
Provinsi Jawa
Timur
52
PT.BPRS Mulia
Berkah Abadi Kab. Tangerang
Provinsi
Banten
53
PT BPRS Puduarta
Insani Kab. Deli Serdang
Provinsi
Sumatera
Utara
54
PT. BPRS Mentari
Pasaman Saiyo Kab. Pasaman Barat
Provinsi
Sumatera
Barat
55
PT. BPRS Berkah
Dana Fadhlillah Kab. Kampar Provinsi Riau
56
PT. BPRS Bina
Rahmah Kab. Bogor
Provinsi Jawa
Barat
57
BPRS Al Hijrah
Amanah Kota Depok
Provinsi Jawa
Barat
58
PT. BPRS Gala
Mitra Abadi Kab. Grobogan
Provinsi Jawa
Tengah
59
PT. BPRS.Carana
Kiat Andalas Kab. Agam
Provinsi
Sumatera
Barat
60 PT.BPRS Gowata Kab. Gowa
Provinsi
Sulawesi
Selatan
61 Amanah Insani Kab. Bekasi
Provinsi Jawa
Barat
62
PT.BPRS Muamalat
Yotefa Kota Jayapura
Provinsi
Papua
63 Rifatul Ummah Kab. Bogor
Provinsi Jawa
Barat
64
PT BPRS Insan Cita
Artha Jaya Kab. Bogor
Provinsi Jawa
Barat
65
PT. BPR Syariah
Asad Alif Kab. Kendal
Provinsi Jawa
Tengah
66 PT. BPR Syariah Kab. Agam Provinsi
72
Ampek Angkek
Candung
Sumatera
Barat
67 Al Mabrur Babadan Kab. Ponorogo
Provinsi Jawa
Timur
68 PT.BPRS Ummu Kab. Pasuruan
Provinsi Jawa
Timur
69 Berkah Ramadhan Kab. Tangerang
Provinsi
Banten
70
BPRS Bangka
Belitung Kab. Bangka
Provinsi Kep.
Bangka
Belitung
71
BPRS Investama
Mega Bakti Kota Makassar
Provinsi
Sulawesi
Selatan
72
PT.BPR Syariah
Bumi Rinjani Batu Kota Batu
Provinsi Jawa
Timur
73
BPRS Cilegon
Mandiri Kota Cilegon
Provinsi
Banten
74
PT. BPR Syariah
Situbondo Kab. Situbondo
Provinsi Jawa
Timur
75
PT BPR Syariah
Tanggamus Kab. Tanggamus
Provinsi
Lampung
76
BPRS Buana Mitra
Perwira Kab. Purbalingga
Provinsi Jawa
Tengah
77
PT. BPRS Artha
Surya Barokah Kota Semarang
Provinsi Jawa
Tengah
78
PT.BPRS Bhakti
Sumekar Kab. Sumenep
Provinsi Jawa
Timur
79 PT. BPRS Suriyah Kab. Cilacap
Provinsi Jawa
Tengah
80
BPRS BINA
Amanah Satria Kab. Banyumas
Provinsi Jawa
Tengah
81
PT BPRS Artha
Madani Kab. Bekasi
Provinsi Jawa
Barat
82
PT. BPRS Khasanah
Ummat Kab. Banyumas
Provinsi Jawa
Tengah
83
PT. BPRS Safir
Bengkulu Kota Bengkulu
Provinsi
Bengkulu
84
PT BPRS Metro
Madani Kota Metro
Provinsi
Lampung
85 PT.BPRS Al-Yaqin Kab. Simalungun
Provinsi
Sumatera
Utara
86
PT. BPR Syariah
Lantabur Tebuireng Kab. Jombang
Provinsi Jawa
Timur
73
87
PT BPRS Haji
Miskin Kab. Tanah Datar
Provinsi
Sumatera
Barat
88
PT. BPR Syariah
Artha Mas Abadi Kab. Pati
Provinsi Jawa
Tengah
89
PT. BPRS Al
Salaam Amal
Salman Kota Depok
Provinsi Jawa
Barat
90
PT. BPRS Pnm
Binama Kota Semarang
Provinsi Jawa
Tengah
91
PT. BPR Syariah
Jabal Tsur Kab. Pasuruan
Provinsi Jawa
Timur
92
PT. BPR Syariah
Dinar Ashri Kota Mataram
Provinsi Nusa
Tenggara
Barat
93
PT. BPRS Bumi
Rinjani Probolinggo Kab. Probolinggo
Provinsi Jawa
Timur
94
BPRS Bumi Rinjani
Kepanjen Kab. Malang
Provinsi Jawa
Timur
95 Dana Hidayatullah Kota Yogyakarta
Provinsi D.I
Yogyakarta
96
PT. BPRS Patriot
Bekasi Kota Bekasi
Provinsi Jawa
Barat
97
PT. BPRS Arta
Leksana Kab. Banyumas
Provinsi Jawa
Tengah
98
PT BPR Syariah
Sindanglaya
Kotanopan Kab. Mandailing Natal
Provinsi
Sumatera
Utara
99
PT. BPRS Bumi
Artha Sampang Kab. Cilacap
Provinsi Jawa
Tengah
100
PT. BPRS Karya
Mugi Sentosa Kota Surabaya
Provinsi Jawa
Timur
101 PT. BPRS Jabal Nur Kota Surabaya
Provinsi Jawa
Timur
102
PT. BPRS Barokah
Dana Sejahtera Kota Yogyakarta
Provinsi D.I
Yogyakarta
103
Artha Amanah
Ummat Kab. Semarang
Provinsi Jawa
Tengah
104
PT. BPRS Mitra
Amal Mulia Kab. Sleman
Provinsi D.I
Yogyakarta
105
PT BPRS Madina
Mandiri Sejahtera Kab. Bantul
Provinsi D.I
Yogyakarta
106
PT. BPR Syariah
Gayo Kab. Aceh Tengah Provinsi NAD
107 Syarikat Madani Kota Batam Provinsi Kep.
74
Riau
108
PT. BPR Syariah
Dana Mulia Kota Surakarta/Solo
Provinsi Jawa
Tengah
109
PT. BPRS Barakah
Nawaitul Ikhlas Kota Solok
Provinsi
Sumatera
Barat
110
PT. BPRS Sukowati
Sragen Kab. Sragen
Provinsi Jawa
Tengah
111
PT. BPRS Dana
Amanah Kota Surakarta/Solo
Provinsi Jawa
Tengah
112
PT. BPRS Mandiri
Mitra Sukses Kab. Gresik
Provinsi Jawa
Timur
113
BPRS Sarana Prima
Mandiri Kab. Pamekasan
Provinsi Jawa
Timur
114
PT BPR Syariah
Danagung Syariah Kab. Sleman
Provinsi D.I
Yogyakarta
115
PT. BPRS Rajasa
Lampung Tengah Kab. Lampung Tengah
Provinsi
Lampung
116
PT BPRS Tanmiya
Artha Kota Kediri
Provinsi Jawa
Timur
117
PT BPR Syariah
Kotabumi Kab. Lampung Utara
Provinsi
Lampung
118 BPRS Al-Makmur Kab. Limapuluh Koto
Provinsi
Sumatera
Barat
119
PT. BPRS Mitra
Cahaya Indonesia Kab. Sleman
Provinsi D.I
Yogyakarta
120
PT.BPR Syariah
Vitka Central Kota Batam
Provinsi Kep.
Riau
121
PT. BPRS Annisa
Mukti Kab. Sidoarjo
Provinsi Jawa
Timur
122 PT BPRS Formes Kab. Sleman
Provinsi D.I
Yogyakarta
123
PT. BPRS. Central
Syariah Utama Kota Surakarta/Solo
Provinsi Jawa
Tengah
124 Cempaka Al-Amin
Wil. Kota Jakarta
Selatan
Provinsi DKI
Jaya
125 PT BPRS Madinah Kab. Lamongan
Provinsi Jawa
Timur
126
PT. BPRS Lampung
Timur Kab. Lampung Timur
Provinsi
Lampung
127
PT BPR Syariah
Adeco Kota Langsa Provinsi NAD
128
PT. BPRS Al-
Mabrur Klaten Kab. Klaten
Provinsi Jawa
Tengah
75
129
PT. BPRS Meru
Sankara Kab. Magelang
Provinsi Jawa
Tengah
130
PT BPRS Kota
Juang
Kab. Aceh
Jeumpa/Bireuen Provinsi NAD
131
PT. BPRS Amanah
Insan Cita Kab. Deli Serdang
Provinsi
Sumatera
Utara
132
PT BPRS Gunung
Slamet Kab. Cilacap
Provinsi Jawa
Tengah
133
PT. BPRS Artha
Pamenang Kab. Kediri
Provinsi Jawa
Timur
134
PT BPRS Rahmania
Dana Sejahtera
Kab. Aceh
Jeumpa/Bireuen Provinsi NAD
135
PT. BPRS Mitra
Harmoni
Yogyakarta Kota Yogyakarta
Provinsi D.I
Yogyakarta
136
PT. BPRS Rahma
Syariah Kab. Kediri
Provinsi Jawa
Timur
137
PT. BPRS Mitra
Harmoni Kota
Semarang Kota Semarang
Provinsi Jawa
Tengah
138
PT. BPRS Serambi
Mekah Kota Langsa Provinsi NAD
139
PT. BPRS Mitra
Harmoni Kota
Malang Kota Malang
Provinsi Jawa
Timur
140
BPR Syariah Insan
Madani Kab. Sukoharjo
Provinsi Jawa
Tengah
141
PT BPRS Unawi
Barokah Kab. Sidoarjo
Provinsi Jawa
Timur
142
PT.BPRS
Almadinah
Tasikmalaya Kota Tasikmalaya
Provinsi Jawa
Barat
143
PT. BPRS Way
Kanan Kab. Way Kanan
Provinsi
Lampung
144
PT. BPRS Oloan
Ummah Sidempuan Kota Padang Sidempuan
Provinsi
Sumatera
Utara
145
PT. BPRS Dharma
Kuwera Kab. Klaten
Provinsi Jawa
Tengah
146
PT BPRS Kota
Mojokerto Kota Mojokerto
Provinsi Jawa
Timur
147
BPRS Mitra
Harmoni Kota
Bandung Kota Bandung
Provinsi Jawa
Barat
76
148
PT.BPRS
Gajahtongga
Kotopiliang Kota Sawahlunto
Provinsi
Sumatera
Barat
149
PT. BPRS Cahaya
Hidup Kab. Sleman
Provinsi D.I
Yogyakarta
150
PT. BPR Syariah
Bahari Berkesan Kota Ternate
Provinsi
Maluku Utara
151 PT BPRS Magetan Kab. Magetan
Provinsi Jawa
Timur
152
BPRS Bakti Artha
Sejahtera Sampang Kab. Sampang
Provinsi Jawa
Timur
153
PT. BPRS Saka
Dana Mulia Kab. Kudus
Provinsi Jawa
Tengah
154
PT. BPRS Harta
Insan Karimah
Makassar Kota Makassar
Provinsi
Sulawesi
Selatan
155
PT BPRS Mitra
Agro Usaha Kota Bandar Lampung
Provinsi
Lampung
156
PT. BPRS Mitra
Amanah Kota Palangkaraya
Provinsi
Kalimantan
Tengah
157
PT. BPRS. Harta
Insan Karimah
Surakarta Kota Surakarta/Solo
Provinsi Jawa
Tengah
158
BPR Syariah Gotong
Royong Kab. Subang
Provinsi Jawa
Barat
159
PT BPRS Aman
Syariah Kab. Lampung Timur
Provinsi
Lampung
160
PT BPR Syariah
Harta Insan Karimah
Tegal Kota Tegal
Provinsi Jawa
Tengah
161
PT. BPRS Lampung
Barat Kab. Lampung Barat
Provinsi
Lampung
162
PT BPRS Tani
Tulang Bawang
Barat Kab. Tulang Bawang
Provinsi
Lampung
163
BPRS Bogor Tegar
Beriman Kab. Bogor
Provinsi Jawa
Barat
164
PT. BPRS Unisia
Insan Indonesia Kota Yogyakarta
Provinsi D.I
Yogyakarta
165
PT. BPR Syariah
Bobato Lestari Kota Tidore Kepulauan
Provinsi
Maluku Utara
166
PT BPRS Mitra
Mentari Sejahtera Kab. Ponorogo
Provinsi Jawa
Timur
167 PT BPRS Adam Kota Bengkulu Provinsi
77
Bengkulu
168
PT. BPRS Saruma
Sejahtera Kab. Halmahera Selatan
Provinsi
Maluku Utara
Sumber: Website resmi Otoritas Jasa Keuangan (data diolah)
1. Non Performing Financing (NPF).
Berikut adalah data Non Performing Financing (NPF)
BPRS di Indonesia tahun 2015-2019:
Tabel 4. 2 Data Non Performing Financing (NPF) BPRS di Indonesia
Pada Tahun 2015-2019
Bulan
Tahun
2015 2016 2017 2018 2019
Januari 8.97 9.08 9.61 10.6 8.94
Februari 9.11 9.41 9.98 11.21 9.02
Maret 10.36 9.44 9.94 10.98 8.71
April 9.33 9.51 10.15 11.56 8.89
Mei 9.38 9.6 10.63 11.55 8.7
Juni 9.25 9.18 10.71 11.78 8.83
Juli 9.8 9.97 10.78 11.8 8.73
Agustus 9.74 10.99 10.77 11.75 8.74
September 9.87 10.47 10.79 11.6 8.27
Oktober 10.01 10.49 10.9 11.35 8.28
November 9.69 10.13 10.81 10.94 7.92
Desember 8.2 8.63 9.68 9.3 7.05
Sumber: Statistik Perbankan Syariah OJK.
78
Pada Tabel 4. 2 menunjukkan bahwa nilai NPF tertinggi
pada tahun 2015 terjadi pada bulan Maret sebesar 10,36% dan yang
terendah terjadi pada bulan desember sebesar 8,2%. Pada tahun 2016
nilai teringgi NPF terjadi pada bulan Agustus sebesar 10,99% dan nilai
terendah terjadi pada bulan Desember sebesar 8,63%. Pada tahun 2017
nilai NPF tertinggi terjadi pada bulan November sebesar 10,81% dan
nilai terendah terjadi pada bulan Januari 9,61%. Pada tahun 2018 nilai
NPF tertinggi terjadi pada bulan Juli sebesar 11,8% dan nilai terendah
terjadi pada bulan Desember 9,3%. Pada tahun 2019 nilai NPF
tertinggi terjadi pada bulan Februari sebesar 9,02% dan nilai terendah
terjadi pada bulan Desember sebesar 7,05%.
Namun tidak semua NPF pada BPRS tinggi pada Mei
2015, jika dilihat dari laporan publikasi BPRS terdapat NPF BPRS
yang juga memenuhi syarat contohnya BPRS Amanah Ummah dengan
NPF sebesar 1,3%. Adapun BPRS dengan NPF tinggi yaitu BPRS
Bani Ummah dengan NPF sebesar 15,14%. Pada tahun 2016 bulan
Agustus rasio NPF menjadi yang tertinggi, namun jika dilihat dari
laporan publikasi pada September 2016 tidak semua NPF BPRS tinggi,
contohnya BPRS Amanah Rabbaniah dengan NPF sebesar 7,52% dan
adapun BPRS dengan NPF tinggi yaitu BPRS Musyarakah Ummat
dengan NPF sebesar 30, 24%. Pada tahun 2017 bulan November NPF
BPRS menjadi yang tertinggi, jika dilihat dari laporan publikasi pada
desember 2017 tidak semua NPF BPRS tinggi seperti NPF pada BPRS
79
Artha Madani dengan NPF sebesar 9,69%. Adapun BPRS dengan NPF
tinggi yaitu 16,27%. Pada tahun 2018 bulan Juli nilai NPF menjadi
yang tertinggi namun jika dilihat pada laporan publikasi bulan Juni
2018 tidak semua NPF BPRS tinggi seperti BPRS Mulia Berkah Abadi
sebesar 2,63%. Adapun BPRS dengan NPF tinggi yaitu BPRS Berkah
Ramadhan sebesar 66,89%. Pada tahun 2019 bulan februari NPF
BPRS menjadi yang tertinggi. Jika dilihat pada laporan publikasi bulan
Maret 2019 tidak semua NPF BPRS tinggi seperti BPRS Insan Cita
Artha Jaya sebesar 2,74%. Adapun BPRS dengan NPF tinggi yaitu
BPRS Harta Insan Karimah sebesar 20,02%.
Terjadi penurunan dan kenaikan pada rasio NPF
dikarenakan kolektabilitas pembiayaan non lancar dan macet masih
cukup tinggi dan fluktuatif pada januari 2015- desember 2019 yaitu
sebesar Rp. 472.841.000 - Rp. 700.372.000 dan macet sebesar Rp.
243.269.000 – Rp. 434.940.000 Pembiayaan bermasalah pada sektor
ekonomi paling tinggi adalah perdagangan, restoran dan hotel.
Berdasarkan jenis penggunaannya adalah modal kerja. Berdasarkan
golongan pembiayaannya paling tinggi tingkat pembiayaan bermasalah
adalah UMKM.
Selain itu rasio NPF mengalami kenaikan dan penurunan
juga dikarenakan oleh meningkatnya dan menurunnya laba BPRS. Hal
ini dapat dilihat saat ROA tahun 2019 mengalami penurunan pada
bulan November sebsar 2,27% jaraknya hampir berdekatan dengan
80
menurunnya rasio NPF pada tahun 2019 di bulan Desember sebesar
7,25%. Pada inflasi terendah terjadi pada tahun 2015 di bulan
Desember sebesar 3,35% dan rasio NPF juga berada pada posisi
terendah pada bulan Desember 2015 sebesar 8,2%.
2. Capital Adequacy Ratio (CAR)
Berikut adalah data Capital Adequacy Ratio (CAR) BPRS
di Indonesia tahun 2015-2019:
Tabel 4 .3 Data Capital Adequacy Ratio (CAR) BPRS di Indonesia
Pada Tahun 2015-2019
Bulan
Tahun
2015 2016 2017 2018 2019
Januari 24.43 23.48 23.46 22.5 20.33
Februari 24.67 23.17 23.05 22.28 21.72
Maret 23.04 22.15 21.53 20.6 20.19
April 22.53 21.22 20.94 20.3 19.85
Mei 21.73 20.54 20.57 19.97 21.21
Juni 21.73 20.22 20.62 19.96 19.54
Juli 21.52 20.31 20.69 19.76 19.22
Agustus 20.85 20.24 20.74 18.81 19.58
September 20.71 20.72 20.89 19.78 19.48
Oktober 20.93 20.71 20.92 19.67 19.61
November 22.08 20.78 20.93 19.27 19.27
81
Desember 21.47 21.73 20.81 19.33 17.99
Sumber: Statistik Perbankan Syariah OJK
Pada Tabel 4. 3 menujukkan bahwa nilai CAR tertinggi
pada tahun 2015 terjadi pada bulan Februari sebesar 24,67% dan yang
terendah terjadi pada bulan September sebesar 20.71%. Pada tahun
2016 nilai tertinggi CAR terjadi pada bulan Januari sebesar 23,48%
dan nilai terendah pada bulan Juni sebesar 20,22%. Pada tahun 2017
nilai CAR tertinggi terjadi pada bulan Januari sebesar 23,46% dan niali
terendah terjadi pada bulan Mei sebesar 20,57%. pada tahun 2018 nilai
CAR tertinggi terjadi pada bulan Januari sebesar 22,50% dan nilai
terendah terjadi pada bulan November sebesar 19,27%. Pada tahun
2019 nilai CAR tertinggi terjadi pada bulan Februari sebesar 21,72%
dan nilai terendah terjadi pada bulan Desember sebesar 17,99%.
Selama periode penelitian nilai CAR tertinggi terjadi pada
bulan Februari 2015 sebesar 24,67%, dan nilai terendah terjadi pada
bulan Desember 2019 sebesar 17,99%.
Perkembangan rasio CAR BPRS di Indonesia 2015-2019
mengalami penurunan tetapi masih diatas ketentuan dari Bank
Indonesia yaitu diatas 8%. Hal tersebut dikarenakan berbagai macam
faktor salah satunya ada risiko kredit. Risiko kredit yang diproyeksikan
oleh kredit macet atau Non Performing Financing (NPF). Kualitas
kredit yang buruk dapat membuat penurunan nilai CAR. Dapat dilihat
dengan presentase NPF BPRS yang cukup tinggi dari tahun 2015-2019
82
sehingga membuat nilai CAR cukup tergerus, namun masih dikatakan
baik.
4. Return On Asset (ROA)
Berikut adalah data Return On Asset (ROA) pada BPRS di
Indonesia tahun 2015-2019:
Tabel 4. 4 Data Return On Asset (ROA) BPRS di Indonesia Pada
Tahun 2015-2019
Bulan
Tahun
2015 2016 2017 2018 2019
Januari 2.31 2.32 2.33 2.5 2.56
Februari 2.23 2.32 2.31 2.52 2.32
Maret 2.07 2.25 2.29 2.38 2.36
April 2.19 2.5 2.3 2.36 2.47
Mei 2.17 2.16 2.28 2.32 2.48
Juni 2.3 2.18 2.24 2.41 2.51
Juli 2.28 2.21 2.5 2.27 2.59
Agustus 2.34 2.11 2.51 2.27 2.54
September 2.22 2.45 2.56 2.3 2.52
Oktober 2.2 2.47 2.49 2.26 2.52
November 2.15 2.34 2.51 1.73 2.27
Desember 2.2 2.27 2.55 1.87 2.61
Sumber: Statistik Perbankan Syariah OJK
83
Pada Tabel 4. 4 menunjukkan bahwa nilai ROA tertinggi
pada tahun 2015 terjadi pada bulan Agustus sebesar 2,34% dan yang
terendah terjadi pada bulan Maret sebesa 2,07%. Pada tahun 2016 niali
tertinggi ROA terjadi pada bulan April sebesar 2,50% dan nilai
terendah terjadi pada bulan Agustus sebesar 2,11%. Pada tahun 2017
nilai ROA tertinggi terjadi pada bulan September sebesar 2,56% dan
nilai terendah terjadi pada bulan Juni 2,24%. Pada tahun 2018 nilai
ROA tertinggi terjadi pada bulan Februari sebesar 2,52% dan nilai
terendah terjadi pada bulan November sebesar 1,73%. Pada tahun 2019
nilai ROA tertinggi terjadi pada bulan Juni sebesar 2,59% dan nilai
terendah terjadi pada bulan November sebesar 2,27%.
Selama periode penelitian nilai ROA tertinggi terjadi pada
bulan Juni 2019 sebesar 2,59% dan nilai terendah terjadi pada bulan
November 2018 sebesar 1,73%.
Perkembangan rasio ROA pada BPRS di Indonesia tahun
2015-2019 fluktuatif. Hal tersebut dikarenakan presentase laba bank
sebelum pajak naik dan turun yang mana dapat berpengaruh pada rasio
ROA. Seperti pada tahun 2015-2017 laba tahunan sebelum pajak
mengalami kenaikan dari 169.478 menjadi 261.890 (juta rupiah)
sedangkan pada tahun 2018 mengalami penurunan menjadi 235.129
(juta rupiah), dan mengalami kenaikan kembali pada desember 2019
menjadi 332.758 (juta rupiah).
5. Deskripsi Variabel Inflasi
84
Berikut adalah data inflasi di Indonesia tahun 2015-2019:
Tabel 4. 5 Data Inflasi di Indonesia Pada Tahun 2015-2019
Bulan
Tahun
2015 2016 2017 2018 2019
Januari 6.96
4.14 3.49 3.25 2.82
Februari 6.29
4.42 3.83 3.18 2.57
Maret 6.38
4.45 3.61 3.4 2.48
April 6.79
3.6 4.17 3.41 2.83
Mei 7.15
3.33 4.33 3.23 3.32
Juni 7.26
3.45 4.37 3.12 3.28
Juli 7.26
3.21 3.88 3.18 3.32
Agustus 7.18
2.79 3.82 3.2 3.49
September 6.83
3.07 3.72 2.88 3.39
Oktober 6.25
3.31 3.58 3.16 3.13
November 4.89
3.58 3.3 3.23 3
Desember 3.35
3.02 3.61 3.13 2.72
Sumber: Website Resmi Bank Indonesia
Pada Tabel 4. 5 menunjukkan bahwa nilai Inflasi di
Indonesia tertinggi pada tahun 2015 terjadi pada bulan Juni dan Juli
sebesar 7,26% dan nilai terendah terjadi pada bulan Desember 3,35%.
pada tahun 2016 nilai inflasi tertinggi terjadi pada bulan terjadi pada
bulan Maret sebesar 4,45% dan nilai terendah terjadi pada bulan
Agustus sebesar 2,79%. Pada tahun 2017 nilai inflasi tertinggi terjadi
pada bulan Juni sebesar 4,37% dan nilai terendah terjadi pada bulan
85
November sebesar 3,3%. Pada tahun 2018 nilai inflasi tertinggi terjadi
pada bulan April sebesar 3,41% dan nilai terendah terjadi pada bulan
September sebesar 2,88%. Pada tahun 2019 nilai inflasi tertinggi
terjadi pada bulan Agustus sebesar 3,49% dan nilai terendah terjadi
pada bulan Maret sebesar 2,48%.
Selama periode penelitian nilai inflasi tertinggi terjadi
pada bulan Juni dan Juli 2015 sebesar 7,26%, dan nilai inflasi terendah
terjadi pada bulan Maret 2019 sebesar 2,48%.
Perkembangan Inflasi di Indonesia bersifat fluktuatif pada
tahun 2015-2019. Hal tersebut terjadi karena berbagai faktor salah
satunya adalah BI Rate / BI7DRR. Menurut Meita dan Wardoyo
(2016) terdapat faktor yang mempengaruhi kenaikan inflasi yaitu BI
Rate / BI7DRR dan jumlah uang beredar. Suku bunga yang tinggi akan
berpengaruh terhadap kenaikan inflasi dan dapat menyulitkan
masyarakat kecil. Hal tersebut dapat dilihat dengan perkembangan BI
Rate / BI7DRR di Indonesia tahun 2015-2019 yang bersifat fluktuatif.
Faktor lain adalah jumlah uang beredar. Semakin banyak jumlah uang
beredar maka akan menaikkan tingkat inflasi.
6. Deskripsi Variabel Suku Bunga (BI Rate / BI7DRR)
Berikut adalah data BI Rate / BI7DRR di Indonesia tahun
2015-2019:
86
Tabel 4. 6 Data Suku Bunga (BI Rate / BI7DRR) di Indonesia Pada
Tahun 2015-2019
Bulan
Tahun
2015 2016 2017 2018 2019
Januari 7.75 7.25 4.75 4.25 6
Februari 7.5 7 4.75 4.25 6
Maret 7.5 6.75 4.75 4.25 6
April 7.5 6.75 4.75 4.25 6
Mei 7.5 6.75 4.75 4.75 6
Juni 7.5 6.5 4.75 5.25 6
Juli 7.5 6.5 4.75 5.25 5.75
Agustus 7.5 5.25 4.25 5.5 5.5
September 7.5 5 4.25 5.75 5.25
Oktober 7.5 4.75 4.25 5.75 5
November 7.5 4.75 4.25 6 5
Desember 7.5 4.75 4.25 6 5
Sumber: Website Resmi Badan Pusat Statistik dan Bank Indonesia
Pada Tabel 4. 6 menujukkan bahwa nilai BI Rate /
BI7DRR di Indonesia tertinggi pada tahun 2015 terjadi pada bulan
Januari sebesar 7,75% dan terendah 7,5% setiap bulan tidak ada
kenaikan ataupun penurunan kecuali bulan Januari terhadap bulan
Februari. Pada tahun 2016 nilai tertinggi BI Rate / BI7DRR terjadi
pada bulan Januari sebesar 7,25% dan nilai terendah terjadi pada bulan
87
Oktober sampai dengan Desember sebesar 4,75%. Pada tahun 2017
nilai BI Rate / BI7DRR tertinggi pada bulan Januari sampai dengan
Juli sebesar 4,75% dan nilai terendah terjadi pada bulan Agustus
sampai dengan Desember 4,25%. Pada tahun 2018 nilai BI Rate /
BI7DRR Tertinggi terjadi pada bulan November sampai dengan
Desember sebesar 6 %, dan nilai terendah terjadi pada bulan Januari
sampai dengan April sebesar 4,25%. Pada tahun 2019 nilai BI Rate /
BI7DRR tertinggi terjadi pada bulan Januari, sampai dengan Juni
sebesar 6% dan nilai terendah terjadi pada bulan Oktober sampai
dengan Desember sebesar 5%.
Selama periode penelitian nilai BI Rate / BI7DRR
tertinggi terjadi pada bulan Januari 2015 sebesar 7,75% dan nilai
terendah terjadi pada bulan Agustus sampai dengan Desember dan
Januari sampai dengan April sebesar 4,25%.
Perkembangan BI Rate / BI7DRR di Indonesia tahun
2015-2019 bersifat fluktuatif. Salah satu faktor yang dapat
mempengaruhi BI Rate / BI7DRR adalah Inflasi. Menurut Rapat
Dewan Gubernur Bank Indonesia memutuskan menurunkan nilai BI
Rate / BI7DRR. Keputusan tersebut diambil dengan
mempertimbangkan masih menurunnya tekanan inflasi ke depan dan
diperlukannya kebijakan moneter yang longgar untuk mendukung
optimisme masyarakat dan dunia usaha terhadap pertumbuhan
ekonomi domestik.
88
B. Temuan Hasil Penelitian
1. Statistik Deskriptif
Tabel 4. 7 Hasil Statistik Deskriptif
Y X1 X2 X3 X4
Mean 9.864333 20.93883 2.334167 3.989833 5.679167
Median 9.770000 20.73000 2.320000 3.405000 5.375000
Maximum 11.80000 24.67000 2.610000 7.260000 7.750000
Minimum 7.050000 17.99000 1.730000 2.480000 4.250000
Std. Dev. 1.082934 1.358846 0.168707 1.372115 1.144341
Skewness -0.060082 0.666040 -0.864510 1.434633 0.540556
Kurtosis 2.453312 3.350723 4.727109 3.659126 1.954000
Jarque-Bera 0.783267 4.743609 14.93103 21.66782 5.657303
Probability 0.675952 0.093312 0.000572 0.000020 0.059092
Sum 591.8600 1256.330 140.0500 239.3900 340.7500
Sum Sq.
Dev. 69.19207 108.9412 1.679258 111.0793 77.26146
Observations 60 60 60 60 60
Pada tabel 4. 7 diatas dapat diketahui bahwa:
a. Mean
Nilai rata-rata untuk variabel Y (Non Performing
Financing) sebesar 9.864333, variabel X1 (Capital Adequacy
Ratio) sebesar 20,93883, variabel X2 (Return On Asset) sebesar
2,334167, variabel X3 (inflasi) sebesar 3,989833, dan variabel X4 (
BI Rate / BI7DRR) sebesar 5,679167.
b. Median
Nilai median untuk variabel Y (Non Performing
Financing) sebesar 9,77, variabel X1 (Capital Adequacy Ratio)
sebesar 20,73, variabel X2 (Return On Asset) sebesar 2,32, variabel
89
X3 (inflasi) sebesar 3,405, dan variabel X4 ( BI Rate / BI7DRR)
sebesar 5,375.
c. Maximum
Nilai maksimal untuk variabel Y (Non Performing
Financing) sebesar 11,8, variabel X1 (Capital Adequacy Ratio)
sebesar 24,67, variabel X2 (Return On Asset) sebesar 2,61, variabel
X3 (inflasi) sebesar 7,26, dan variabel X4 ( BI Rate / BI7DRR)
sebesar 7,75
d. Minimum
Nilai minimum untuk variabel Y (Non Performing
Financing) sebesar 7,05, variabel X1 (Capital Adequacy Ratio)
sebesar 17,99, variabel X2 (Return On Asset) sebesar 1,73, variabel
X3 (inflasi) sebesar 2,48, dan variabel X4 ( BI Rate / BI7DRR)
sebesar 4,25.
e. Std Dev
Nilai simpangan baku untuk variabel Y (Non Performing
Financing) sebesar 1,082934, variabel X1 (Capital Adequacy
Ratio) sebesar 1,358846, variabel X2 (Return On Asset) sebesar
0,168707, variabel X3 (inflasi) sebesar 1,372115, dan variabel X4
( BI Rate / BI7DRR) sebesar 1,144341. nilai yang simpangan baku
90
semakin kecil semakin akurat dan menunjukkan distribusi data
mendekati normalitas (Sarwono, 2016).
f. Skewness
Nilai kemiringan untuk variabel Y (Non Performing
Financing) sebesar (-0,060082), variabel X1 (Capital Adequacy
Ratio) sebesar 0,666040, variabel X2 (Return On Asset) sebesar -
0,864510, variabel X3 (inflasi) sebesar 1,434633, dan variabel X4 (
BI Rate / BI7DRR) sebesar 0,540556. Nilai ini bertujuan untuk
menujukkan normalitas data dengan ketentuan data berdistribusi
normal jika nilainya sebesar 0. Jika nilai data sebesar 0, maka
distribusi data akan membentu kurva simetris. Apabila nilainya < 0
distribusi miring ke kiri, apabila nilainya > 0 maka distrusi
data miring ke kanan. Namun sulit mencari nilai skewness sebesar
0 maka nilai hasil olahan data setidaknya mendekati 0 (Sarwono,
2016).
g. Kurtosis
Nilai kurtosis untuk variabel Y (Non Performing
Financing) sebesar 2,453312, variabel X1 (Capital Adequacy
Ratio) sebesar 3,350723, variabel X2 (Return On Asset) sebesar
4,727109, variabel X3 (inflasi) sebesar 3,659126, dan variabel X4
( BI Rate / BI7DRR) sebesar 1,954000. Nilai ini bertujuan untuk
menunjukkan normalitas data dengan ketentuan data berdistribusi
normal jika nilai sebesar 3 dan akan membentuk kurva mesokurtis
91
(normal). Apabila nilai kurtosis sebesar < 3 distribusi data akan
mendatar (platykurtis) . Apabila nilai kurtosis > 3 distribusi data
akan meruncing (leptokurtis). Nilai olahan data setidaknya
mendekati 3 (Sarwono, 2016).
h. Jarque Bera (JB)
Nilai JB berlaku dengan ketentuan hipotesis nol (H0) data
berdistribusi normal. Nilai statistic JB terdistribusi sebagai Chi
Square (X2) dengan DF sebesar 2. Hasil nilai JB untuk variabel Y
(Non Performing Financing) sebesar 0,783267, variabel X1
(Capital Adequacy Ratio) sebesar 4,743609, variabel X2 (Return
On Asset) sebesar 14,93103, variabel X3 (inflasi) sebesar
21,66782, dan variabel X4 ( BI Rate / BI7DRR) sebesar 5,657303.
Nilai Chi Square tabel sebesar 5,991 dengan sig 0,05 dan DF
sebesar 2.
Hipotesisnya adalah H0 data berdistribusi normal, H1 data
tidak berdistribusi normal. Jika Chi Square hitung > chi square
tabel maka H1 diterima. Jika Chi Square hitung < Chi square tabel
maka H0 diterima. Maka variabel Y, X1, X4 berdistribusi normal.
Variabel X2,X3 tidak berdistribusi normal.
i. Probabilitas Jarque Bera (JB)
Nilai prob JB bertujuan untuk menguji hipotesis dengan
ketentuan jika nilai prob JB semakin kecil mendekati 0 maka H0
ditolak, data berdistribusi normal. Jika nilai prob JB semakin besar
92
melebihi nilai prob (0,05) maka H0 diterima , data tidak
berdistribusi normal. Sig hitung < 0,05 maka H1 diterima maka
data tidak berdistribusi normal. Sig > 0,05 H0 diterima maka data
berdistribusi normal (Sarwono, 2016).
Dari tabel 4. 6 diperoleh nilai prob JB variabel Y (Non
Performing Financing) sebesar 0,675952, variabel X1 (Capital
Adequacy Ratio) sebesar 0,093312, variabel X2 (Return On Asset)
sebesar 0,000572, variabel X3 (inflasi) sebesar 0,000020, dan
variabel X4 ( BI Rate / BI7DRR) sebesar 0,059092. Maka dapat
disimpulkan bahwa variabel Y, X1, X4 berdistribusi normal.
Variabel X2, X3 tidak berdistribusi normal.
j. Sum
Nilai total variabel Y (Non Performing Financing) sebesar
591,8600, variabel X1 (Capital Adequacy Ratio) sebesar
1256,330, variabel X2 (Return On Asset) sebesar 140,0500,
variabel X3 (inflasi) sebesar 239,3900, dan variabel X4 ( BI Rate /
BI7DRR) sebesar 340,7500.
k. Sum Sq Dev
Nilai jumlah kuadrat deviasi untuk variabel Y (Non
Performing Financing) sebesar 69,19207, variabel X1 (Capital
Adequacy Ratio) sebesar 108,9412, variabel X2 (Return On Asset)
sebesar 1,679258, variabel X3 (inflasi) sebesar 111,0793, dan
variabel X4 ( BI Rate / BI7DRR) sebesar 77,26146. Nilai tersebut
93
merupakan nilai statistic dalam analisis varian yang digunakan
untuk membentuk rata-rata kuadrat (mean square / MS). MS
adalah jumlah kuadrat dibagi nilai derajat bebasnya (DF). Besaran
tergantung dari sumber perbedaannya. Nilai ini mewakili
homogenitas data sebagaimana simpangan baku (Sarwono, 2016).
2. Uji Asumsi Klasik
Model regresi berganda dibangun atas asumsi klasik yang
diperlukan untuk mendapatkan estimator OLS yang bersifat BLUE
(Best Linear Unbiased Estimator) (Rosadi, 2012). Berikut adalah hasil
uji asumsi klasik:
a. Uji Normalitas
Uji normalitas dilakukan dengan maksud untuk
mengetahui apakah dalam model regresi, variabel pengganggu
(residual) berdistribusi normal. Uji normalitas residual yang
banyak digunakan yaitu uji Jarque-Bera (JB). Uji Jarque-Bera
(JB) adalah uji normalitas untuk menghitung sampel besar. Pada
software E-Views 10 normalitas dapat diketahui dengan melihat
nilai Jarque-Bera (JB) dan Probability di histogram-normality
(Ghozali & Ratmono, 2018).
94
0
2
4
6
8
10
12
14
-2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0
Series: Residuals
Sample 2015M01 2019M12
Observations 60
Mean 2.84e-15
Median -0.022220
Maximum 2.041910
Minimum -2.300203
Std. Dev. 0.907235
Skewness -0.059191
Kurtosis 3.640191
Jarque-Bera 1.059646
Probability 0.588709
Gambar 4.1 Histogram-Normality
Pada gambar 4. 2 dapat diketahui bahwa nilai Jarque-Bera
sebesar 1,059646 dan signifikasi dengan nilai Probability sebesar
0,588709 nilai tersebut lebih besar dari 0,05 artinya bahwa residual
terdistribusi normal.
b. Uji Multikolinearitas
Uji Multikolinearitas bertujuan untuk menguji apakah
pada model regresi terdapat adanya korelasi antar variabel
independen. Apabila terdapat atau terjadi korelasi, maka terdapat
masalah multikolinearitas (Gunawan, 2018). Meskipun terjadi
multikolinearitas tinggi antara variabel independen, OLS estimator
tetap BLUE. Pengaruh dari multikolinearitas hanyalah sulit untuk
mendapatkan koefisien dengan standar eror yang kecil (Ghozali &
Ratmono, 2018).
95
Uji multikolinearitas dapat dilakukan menggunakan
software E-Views 10 dengan menu Variance Inflation Factor
(VIF) dan melihat nilai centred VIF (Ghozali & Ratmono, 2018).
Berikut hasil output Variance Inflation Factor (VIF):
Tabel 4. 8 Variance Inflation Factor (VIF)
P
a
d
a
tabel 4. 8 diatas dapat diketahui bahwa nilai pada Centered VIF
secara keseluruhan tidak ada yang diatas 10 yang artinya tidak
terdapat masalah multikolinearitas pada model regresi ini.
c. Uji Heterokedastisitas
Uji heterokedastisitas bertujuan untuk menganalisis
apakah varriansi dari eror bersifat konstan atau tetap
Variance Inflation Factors
Date: 07/06/20 Time: 20:20
Sample: 2015M01 2019M12
Included observations: 60
Coefficient Uncentered Centered
Variable Variance VIF VIF
C 8.673234 589.3910 NA
X1 0.010991 328.8155 1.356105
X2 0.643715 239.5548 1.224284
X3 0.018836 22.74526 2.369644
X4 0.026387 60.14313 2.309014
96
(homokedastisitas) atau berubah-ubah (heterokedastisitas) (Rosadi,
2012). Heterokedastisitas biasanya terjadi pada data silang (cross
section) daripada pada runtut waktu (time series). Beberapa uji
statistik untuk mengetahui ada atau tidak heterokedastisitas yaitu:
uji glejer, uji white, uji breusch-pagan godfrey, Harvey, park.
Program eviews memiliki keunggulan daripada SPSS karena dapat
menguji secara langsung dengan uji-uji tersebut (Ghozali &
Ratmono, 2018). Berikut uji heterokedastisitas menggunakan uji
Harvey:
Tabel 4. 9 Uji Harvey
Heteroskedasticity Test: Harvey
F-statistic 2.173336 Prob. F(4,55) 0.0840
Obs*R-squared 8.189250 Prob. Chi-Square(4) 0.0849
Scaled explained SS 5.935560 Prob. Chi-Square(4) 0.2040
Pada tabel 4. 9 diatas dapat diketahui bahwa niali Obs*R-
squared mempunyai nilai probitabilitas Chi-Square sebesar 0,0849
maka > 0,05 artinya bahwa tidak ada heterokedastisitas dalam
model regresi.
97
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mengetahui apakah
dalam model regresi linear terdapat korelasi antara kesalahan
pengganggu pada periode t dengan kesalahan pengganggu pada
periode sebelumnya. Jika terjadi korelasi, maka disebut dengan ada
problem autokorelasi. Model regresi yang baik sebaiknya tidak
terdapat autokorelasi. Metode untuk uji ini menggunakan uji
Durbin-Watson (DW Test) (Gunawan, 2018).
Tabel 4. 10 Uji Autokorelasi dengan Metode Durbin-
Watson (DW)
Dependent Variable: Y
Method: Least Squares
Date: 07/12/20 Time: 19:41
Sample: 2015M01 2019M12
Included observations: 60 Variable Coefficient Std. Error t-Statistic Prob. C 18.38528 2.945035 6.242805 0.0000
X1 -0.001145 0.104837 -0.010918 0.9913
X2 -2.358726 0.802318 -2.939887 0.0048
X3 0.302562 0.137243 2.204578 0.0317
X4 -0.739280 0.162441 -4.551063 0.0000 R-squared 0.298165 Mean dependent var 9.864333
Adjusted R-squared 0.247122 S.D. dependent var 1.082934
S.E. of regression 0.939646 Akaike info criterion 2.793029
Sum squared resid 48.56144 Schwarz criterion 2.967558
Log likelihood -78.79087 Hannan-Quinn criter. 2.861297
F-statistic 5.841493 Durbin-Watson stat 0.463616
Prob(F-statistic) 0.000544
Pada tabel 4. 10 diatas dapat diketahui bahwa nilai Durbin
Watson (DW) sebesar 0,463616 dasar pengambilan keputusannya
adalah:
98
1) Jika d lebih kecil daripada dL atau lebih besar dari
(4-dL) maka hipotesis ditolak artinya terdapat
autokorelasi.
2) Jika d terletak antara dU dan 4-dU maka hipotesis
diterima yang artinya tidak terdapat autokorelasi.
3) Jika d terletak antara dL dan dU atau di antara (4-
dU) dan (4-dL) maka tidak menghasilkan
kesimpulan yang pasti (Gunawan, 2018).
Diketahui nilai d adalah 0,463616 dan nilai N adalah 60
dan nilai K adalah 4 (variabel independen) maka dibandingkan
dengan nilai pada tabel signifikasi 5% maka diperoleh nilai dL
sebesar 1,4443 dan dU sebesar 1,7274. Maka nilai d lebih kecil
daripada nilai dL dan (4-dL) maka hipotesis ditolak.
Masalah autokorelasi tersebut dapat diatasi dengan uji
autokrelasi menggunakan LM-Test atau biasa disebut uji Breusch-
Godfrey. Uji ini lebih tepat dipakai disbanding uji DW bila sampel
relative besar dan derajat autokorelasi lebih dari satu (Ghozali &
Ratmono, 2018). Uji LM adalah sebagai berikut:
Tabel 4. 11 Uji Autokorelasi dengan Metode LM Test
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.184212 Prob. F(2,52) 0.8323
Obs*R-squared 0.415078 Prob. Chi-Square(2) 0.8126
99
Pada tabel 4. 11 diatas dapat diketahui bahwa nilai
Obs*R-squared Probitability Chi Square sebesar 0,8126 maka >
0,05 artinya tidak ada autokorelasi dalam model regresi .
3. Uji Hipotesis Penelitian
a. Uji signifikan parameter indivual (Uji statistik t )
Uji t menujukkan seberapa jauh pengaruh satu variabel
independen terhadap variabel dependen dengan menganggap
variabel independen lainnya tetap atau konstan, uji t untuk menguji
koefisien parsial dari regresi (Ghozali & Ratmono, 2018).
Kriteria pengujian:
1) Jika t hitung > t tabel dan signifikasi < 0,05 maka dapat
disimpulkan terdapat pengaruh antara variabel independen
dan dependen secara signifikan.
2) Jika t hitung < t tabel dan signifikasi > 0,05 maka dapat
disimpulkan bahwa tidak terdapat pengaruh antara variabel
independen dan dependen secara signifikan (Gunawan,
2018).
Tabel 4. 12 Hasil Uji t
Dependent Variable: Y Method: Least Squares Date: 07/12/20 Time: 19:41 Sample: 2015M01 2019M12 Included observations: 60
Variable Coefficient Std. Error t-Statistic Prob.
C 18.38528 2.945035 6.242805 0.0000 X1 -0.001145 0.104837 -0.010918 0.9913 X2 -2.358726 0.802318 -2.939887 0.0048 X3 0.302562 0.137243 2.204578 0.0317 X4 -0.739280 0.162441 -4.551063 0.0000
100
Dari tabel 4. 12 diatas dapat diketahui bahwa:
1) Pengujian koefisien variabel CAR
Diketahui bahwa nilai t hitung -0,010918 dan t tabel (df= n-
k-1) = 1,673 sehingga t hitung < t tabel dan nilai Prob
adalah sebesar 0,9913 sehingga Prob > 0,05. Jadi
kesimpulannya adalah H0 diterima dan Ha ditolak, variabel
CAR secara parsial tidak berpengaruh signifikan terhadap
variabel NPF.
2) Pengujian koefisien variabel ROA
Diketahui bahwa nilai t hitung -2,939887 dan t tabel (df= n-
k-1) = 1,673 sehingga nilai t hitung > t tabel dan nilai Prob
adalah sebesar 0,005 sehingga Prob < 0,05. Jadi
kesimpulannya adalah Ha diterima dan H0 ditolak, variabel
ROA secara parsial berpengaruh negatif signifikan terhadap
variabel NPF.
3) Pengujian koefisien variabel Inflasi
Diketahui bahwa nilai t hitung 2,204578 dan t tabel (df= n-
k-1) = 1,673 sehingga nilai t hitung > t tabel dan nilai Prob
adalah sebesar 0,0317
sehingga Prob < 0,05. Jadi kesimpulannya adalah Ha
diterima dan H0 ditolak, variabel Inflasi secara parsial
berpengaruh positif signifikan terhadap variabel NPF.
4) Pengujian koefisien variabel BI Rate / BI7DRR
101
Diketahui bahwa nilai t hitung -4,551063 dan t tabel (df= n-
k-1 = 1,673 sehingga nilai t hitung > t tabel dan nilai Prob
adalah sebesar 0,000 sehingga Prob < 0,05. Jadi
kesimpulannya adalah Ha diterima dan H0 ditolak, variabel
BI Rate / BI7DRR secara parsial berpengaruh negatif
signifikan terhadap variabel NPF.
b. Uji signifikansi simultan ( Uji Statistik F )
Uji F menunjukkan apakah semua variabel independen
yang dimasukkan dalam model mempunyai pengaruh secara
bersama-sama atau simultan terhadap variabel dependen (Ghozali
& Ratmono, 2018).
Kriteria pengujian:
1) Jika F hitung > F tabel dan signifikasi < 0,05 sehingga
dapat disimpulkan bahwa terdapat pengaruh antara varibel
independen dan variabel dependen secara signifikan.
2) Jika F hitung < F tabel dan signifikasi > 0,05 sehinggadapat
disimpulkan bahwa tidak terdapat pengaruh antara variabel
indepen dan variabel dependen secara signifikan
(Gunawan, 2018).
102
Tabel 4. 13 Hasil Uji F
Dari tabel 4. 13 diatas dapat diketahui bahwa nilai F hitung
sebesar 5,841493 Sementara F tabel (df= n-k-1) = 2,54 sehingga F
hitung > F tabel dan nilai Prob (F- statistic) sebesar 0,000544
sehingga Prob < 0,05. Jadi kesimpulannya adalah secara simultan
atau bersama-sama variabel CAR, ROA, Inflasi dan BI Rate /
BI7DRR berpengaruh secara signifikan dan simultan terhadap
variabel NPF.
c. Adjusted R Square
Koefisien determinasi dengan melihat nilai adjusted R
Square untuk mengevaluasi model regresi terbaik. R2 memiliki
kelemahan karena setiap menambahkan satu variabel nilai R2 dapat
meningkat dan dapat berpengaruh signifikan terhadap variabel
dependen (Ghozali & Ratmono, 2018).
R-squared 0.298165 Mean dependent var 9.864333
Adjusted R-squared 0.247122 S.D. dependent var 1.082934
S.E. of regression 0.939646 Akaike info criterion 2.793029
Sum squared resid 48.56144 Schwarz criterion 2.967558
Log likelihood -78.79087 Hannan-Quinn criter. 2.861297
F-statistic 5.841493 Durbin-Watson stat 0.463616
Prob(F-statistic) 0.000544
103
Tabel 4. 14 Hasil Koefisien Determinasi
R-squared 0.298165 Mean dependent var 9.864333
Adjusted R-squared 0.247122 S.D. dependent var 1.082934
S.E. of regression 0.939646 Akaike info criterion 2.793029
Sum squared resid 48.56144 Schwarz criterion 2.967558
Log likelihood -78.79087 Hannan-Quinn criter. 2.861297
F-statistic 5.841493 Durbin-Watson stat 0.463616
Prob(F-statistic) 0.000544
Dari tabel 4. 14 diatas menunjukkan bahwa Adjusted R
Square nilai yang didapat sebesar 0,247122 hal tersebut
menunjukkan bahwa variabel CAR, ROA, Inflasi, BI Rate /
BI7DRR mampu menjelaskan 25% variabel dependen (NPF),
sedangkan sisanya 75% dijelaskan oleh variabel lain seperti GDP,
PDB, BOPO, FDR.
4. Analisis Regresi Berganda
Dari data yang disebutkan pada tabel diatas, selanjutnya dianalisis
dengan bantuan E-views untuk mengetahui besarnya pengaruh Capital
Adequacy Ratio (CAR), Return On Asset (ROA), Inflasi, BI Rate /
BI7DRR terhadap Non Performing Financing (NPF). Hasil
pengolahan data tersebut dapat dilihat tabel berikut:
104
Tabel 4. 15 Hasil Analisis Regresi Berganda
Dependent Variable: Y
Method: Least Squares
Date: 07/12/20 Time: 19:41
Sample: 2015M01 2019M12
Included observations: 60
Variable Coefficient Std. Error t-Statistic Prob.
C 18.38528 2.945035 6.242805 0.0000
X1 -0.001145 0.104837 -0.010918 0.9913
X2 -2.358726 0.802318 -2.939887 0.0048
X3 0.302562 0.137243 2.204578 0.0317
X4 -0.739280 0.162441 -4.551063 0.0000
R-squared 0.298165 Mean dependent var 9.864333
Adjusted R-squared 0.247122 S.D. dependent var 1.082934
S.E. of regression 0.939646 Akaike info criterion 2.793029
Sum squared resid 48.56144 Schwarz criterion 2.967558
Log likelihood -78.79087 Hannan-Quinn criter. 2.861297
F-statistic 5.841493 Durbin-Watson stat 0.463616
Prob(F-statistic) 0.000544
Dari tabel 4. 15 diatas dapat diperoleh persamaan regresi
berganda sebagai berikut:
Y= 18,38528+ (-0,001145) X1 + (-2,358726) X2 + 0,302562 X3 + (-
0,739280) X4
Keterangan:
Y= nilai prediksi variabel NPF
X1= Variabel CAR
X2= Variabel ROA
105
X3= Variabel Inflasi
X3= Variabel BI Rate / BI7DRR
Dari persamaan diatas dapat diketahui bahwa:
a. Jika nilai Capital Adequacy Ratio (CAR), Return On Asset (ROA),
Inflasi dan BI Rate / BI7DRR adalah 0 maka nilai Non Performing
Financing (NPF) yang diperoleh sebesar 18,38528. Artinya adalah
jika Capital Adequacy Ratio (CAR), Return On Asset (ROA),
Inflasi dan BI Rate / BI7DRR tidak melakukan kegiatan
operasionalnya maka pada periode Januari 2015 - Desember 2019
jumlah Non Performing Financing (NPF) sebesar 18,38528%.
b. Jika nilai Capital Adequacy Ratio (CAR) sebesar -0,001145 artinya
adalah setiap kenaikan 1% pada variabel CAR dan variabel yang
lainnya adalah tetap, maka akan menyebabkan menurunnya nilai
NPF sebesar 0,1145%.
c. Jika nilai Return On Asset (ROA) sebesar -2,358726 artinya adalah
setiap kenaikan 1% pada variabel ROA dan variabel yang lainnya
adalah tetap, maka akan menyebabkan menurunnya nilai NPF
sebesar 235,8726 %.
d. Jika nilai Inflasi sebesar 0,302562 artinya adalah setiap kenaikan
1% pada variabel Inflasi dan variabel yang lainnya tetap maka akan
menyebabkan kenaikan nilai NPF sebesar 30,2562%.
e. Jika nilai BI Rate / BI7DRR sebesar -0,739280 artinya adalahsetiap
kenaikan 1% pada variabel BI Rate / BI7DRR dan variabel yang
106
lainnya tetap maka akan menyebabkan menurunnya nilai NPF
sebesar 73,9280% .
C. Pembahasan
Adapun pembahasan pada hasil penelitian ini adalah sebagai berikut:
1. Pengaruh Capital Adequacy Ratio (CAR), Return On Asset (ROA),
Inflasi, BI Rate / BI7DRR secara parsial terhadap Non performing
Financing (NPF)
a. Pengaruh Capital Adequacy Ratio (CAR) terhadap Non performing
Financing (NPF)
Berdasarkan tabel 4. 12 uji t (parsial) diatas nilai t hitung -
0,010918 dan t tabel (df= n-k-1) = 1,673 sehingga t hitung < t
tabel dan nilai Prob adalah sebesar 0,9913 sehingga Prob > 0,05.
Artinya adalah H0 diterima dan Ha ditolak. Maka dapat
disimpulkan bahwa variabel CAR secara parsial tidak berpengaruh
signifikan terhadap variabel NPF. Artinya apabila rasio CAR
meningkat atau tidak, maka tidak memiliki pengaruh terhadap
pembiayaan bermasalah pada BPRS.
Hal ini dapat dilihat dari tahun 2015-2019 nilai rasio CAR
mengalami penurunan dan rasio NPF flutuatif, pada tahun 2017
NPF mengalami kenaikan dari 8,63% menjadi 9,68% , sementara
CAR mengalami penurunan dari 21,73% menjadi 20,81% dan
pada tahun 2019 NPF mengalami penurunan dari 9,3% menjadi
107
7,05% sementara CAR tetap mengalami penurunan dari 19,33%
menjadi 17,99%.
Hasil penelitian ini mendukung hasil penelitian R.D. Kadir
(2019) Variabel CAR tidak berpengaruh secara signifikan dalam
jangka Panjang dengan nilai probabilitas 0.643 dan jangka pendek
variabel CAR, tidak memiliki pengaruh yang signifikan terhadap
Pembiayaan bermasalah atau NPF BPR Syariah di Indonesia.
Dapat disimpulkan bahwa BPR Syariah di Indonesia dalam jangka
pendek masih dapat memitigasi risiko pembiayaan bermasalah
(NPF) yang diakibatkan oleh perubahan kondisi internal
perusahaan.
b. Pengaruh Return On Asset (ROA) terhadap Non performing
Financing (NPF)
Berdasarkan tabel 4. 12 uji t (parsial) diatas nilai t hitung -
2,939887 dan t tabel (df= n-k-1) = 1,673 sehingga nilai t hitung > t
tabel dan nilai Prob adalah sebesar 0,005 sehingga Prob < 0,05.
Artinya adalah Ha diterima dan H0 ditolak. Maka dapat
disimpulkan bahwa variabel ROA berpengaruh signifikan terhadap
variabel NPF. Artinya apabila rasio ROA meningkat maka rasio
NPF mengalami penurunan.
Hal tersebut terjadi karena semakin besar laba suatu bank
maka pembiayaan bermasalah pada bank menurun dan nasabah
membayar kewajiban kepada bank dengan lancar.
108
Hasil penelitian ini mendukung hasil penelitian yang
dilakukan Rindang Nuri Isnaini Nugrohowati, Syafrildha Bimo
(2019) bahwa Return On Assets (ROA) secara parsial berpengaruh
negatif signifikan terhadap Non Performing financing (NPF).
Peningkatan rasio ROA tentunya akan menurunkan rasio
pembiayaan bermasalah yang ada pada BPRS, karena dengan
tingginya rasio ROA maka itu artinya keuntungan yang diperoleh
oleh bankjuga semakin tinggi. Ketika keuntungan yang diperoleh
tinggi maka pembiayan bermasalah seperti kredit macet juga akan
kecil.
c. Pengaruh Inflasi terhadap Non Performing Financing (NPF)
Berdasarkan tabel 4. 12 Uji t (parsial) diatas nilai t hitung
2,204578 dan t tabel (df= n-k-1) = 1,673 sehingga nilai t hitung > t
tabel dan nilai Prob adalah sebesar 0,0317 sehingga Prob < 0,05.
Artinya adalah Ha diterima dan H0 ditolak. Maka dapat
disimpulkan bahwa variabel Inflasi berpengaruh signifikan
terhadap variabel NPF. Artinya apabila rasio inflasi meningkat
maka rasio NPF juga mengalami peningkatan.
Pada saat terjadi inflasi harga-harga bahan pokok atau
barang lainnya mengalami kenaikan sehingga membuat nasabah
kesulitan dalam memenuhi kebutuhan hariannya, dan kesulitan
membayar tagihan pembiayaan kepada bank, sehingga membuat
pembiayaan bermasalah menjadi meningkat.
109
Hasil penelitian ini mendukung hasil penelitian yang
dilakukan Ahmad Fatoni, Kurnia Dwi Sari Utami (2019) dalam
jangka panjang inflasi berpengaruh positif signifikan terhadap
NPF. Inflasi kecenderungan harga barang-barang naik sehingga
daya beli masyarakat tergerus karena pendapatannya tetap maka
hal ini akan berpengaruh terhadap kemampuan nasabah dalam
melunasi pembiayaannya.
Hasil penelitian ini mendukung hasil penelitian yang
dilakukan Ari Prasetyo (2019) bahwa inflasi berpengaruh positif
signifikan terhadap NPF. Kenaikan inflasi di Jawa Barat selama
tahun 2011-2015 akan meningkatkan Rasio NPF BPRS di Jawa
Barat.
d. Pengaruh BI Rate / BI7DRR terhadap Non Performing Financing
(NPF)
Berdasarkan tabel 4. 12 uji t (parsial) diatas nilai t hitung (-
4,551063) dan t tabel (df= n-k-1 = 1,673 sehingga nilai t hitung > t
tabel dan nilai Prob adalah sebesar 0,000 sehingga Prob < 0,05.
Artinya adalah Ha diterima dan H0 ditolak. Maka dapat
disimpulkan bahwa variabel BI Rate / BI7DRR berpengaruh
signifikan terhadap variabel NPF. Artinya apabila BI Rate /
BI7DRR mengalami peningkatan maka rasio NPF akan mengalami
penurunan.
110
Pembiayaan yang paling tinggi digunakan oleh masyarakat
adalah pembiayaan murabahah, dimana pembiayaan ini
berpengaruh terhadap suku bunga BI. Apabila suku bunga BI
menurun atau meningkat maka akan mempengaruhi margin
sehingga bank syariah harus menyesuaikan margin
pembiayaannya. Apabila margin pembiayaannya meningkat maka
akan membebankan nasabah untuk membayarnya sehingga
nasabah sedikit yang akan mengajukan pembiayaan oleh karena itu
mengurangi tingkat pembiayaan bermasalah.
Hasil penelitian ini mendukung hasil penelitian yang
dilakukan Ahmad Fatoni, Kurnia Dwi Sari Utami (2019) bahwa
estimasi jangka pendek, variabel BI Rate / BI7DRR, memiliki
pengaruh negatif terhadap pembiayaan bermasalah. Hal tersebut
disebabkan pada beberapa BPR Syariah, penentuan equivalen Rate
BPR Syariah seringkali mengacu pada BI Rate / BI7DRR dimana
saat terjadi kenaikan suku bunga pinjaman maka akan menaikkan
equivalen Rate. Tingkat equivalen Rate yang tinggi akan
mengurangi minat nasabah untuk mengajukan pembiayaan. Hal
tersebut karena akan membebankan debitur saat membayar
equivalen Rate dan pokok pembiayaannya sehingga menurunkan
resiko pembiayaan.
111
2. Pengaruh Capital Adequacy Ratio (CAR), Return On Asset (ROA),
Inflasi, BI Rate / BI7DRR secara simultan terhadap Non performing
Financing (NPF)
Berdasarkan tabel 4.13 diatas dapat diketahui bahwa bahwa nilai F
hitung sebsar 5,841493 Sementara F tabel (df= n-k-1) = 2,54 sehingga
F hitung > F tabel dan nilai Prob (F- statistic) sebesar 0,000544
sehingga Prob < 0,05. Jadi kesimpulannya adalah secara simultan atau
bersama-sama variabel CAR, ROA, Inflasi dan BI Rate / BI7DRR
berpengaruh secara signifikan dan simultan terhadap variabel NPF.
3. Variabel yang paling dominan mempengaruhi adalah variabel BI Rate
/ BI7DRR.
Diketahui dari tabel 4. 12 bahwa nilai t hitung -4,551063 dan t
tabel (df= n-k-1 = 1,673 sehingga nilai t hitung > t tabel dan nilai Prob
adalah sebesar 0,000 sehingga Prob < 0,05. Dikarenakan nilai
profitability BI Rate / BI7DRR adalah 0,000 maka variabel BI Rate /
BI7DRR adalah variabel yang paling dominan mempengaruhi Non
Performing Financing (NPF)
112
BAB V
SIMPULAN DAN SARAN
A. Simpulan
Berdasarkan temuan hasil penelitian dan pembahasan yang telah di
jelaskan pada bab sebelumnya maka kesimpulannya adalah sebagai
berikut:
1. Hasil pengujian Ordinary Least Square (OLS) diketahui bahwa
variabel independen Capital Adequacy Ratio (CAR) dengan nilai Prob
adalah sebesar 0,9913 secara parsial tidak berpengaruh signifikan
terhadap variabel dependen Non Performing Financing (NPF),
variabel independen Return On Assets (ROA) dengan nilai Prob
sebesar 0,005 secara parsial berpengaruh signifikan terhadap variabel
dependen Non Performing Financing (NPF), variabel independen
Inflasi dengan nilai Prob sebesar 0,0317 secara parsial berpengaruh
signifikan terhadap variabel dependen Non Performing Financing
(NPF), variabel independen BI Rate / BI7DRR dengan nilai Prob
sebesar 0,000 secara parsial berpengaruh signifikan terhadap variabel
dependen Non Performing Financing (NPF) pada BPRS di Indonesia
tahun 2015-2019.
2. Hasil pengujian Ordianry Least Square (OLS) diketahui bahwa
variabel Independen Capital Adequacy Ratio (CAR), Return On Asset
(ROA), Inflasi, BI Rate / BI7DRR dengan nilai Prob 0,000544 secara
113
simultan (bersama-sama) berpengaruh signifikan terhadap variabel
dependen Non Performing Financing (NPF) pada BPRS di Indonesia
tahun 2015-2019.
3. Variabel yang paling dominan mempengaruhi Non Performing
Financing (NPF) adalah BI Rate Dikarenakan nilai profitability BI
Rate / BI7DRR adalah 0,000 maka variabel BI Rate / BI7DRR adalah
variabel yang paling dominan mempengaruhi Non Performing
Financing (NPF).
B. Saran
Berdasarkan kesimpulan yang telah dijelaskan penulis, maka
penulis menyarankan beberapa hal:
1. Akademisi
Penelitian ini diharapkan dapat menambah literatur dan wawasan
pada Perbankan Syariah, mengenai Capital Adequacy Ratio (Car),
Return On Asset (Roa), Inflasi, BI Rate / BI7DRR yang mempengaruhi
terhadap pembiayaan bermasalah pada Bank Pembiayaan Rakyat
Syariah (BPRS) di Indonesia.
2. Perbankan Syariah
Berdasarkan hasil penelitian pengaruh Capital Adequacy Ratio
(Car), Return On Asset (Roa), Inflasi, BI Rate / BI7DRR terhadap
pembiayaan bermasalah pada Bank Pembiayaan Rakyat Syariah
(BPRS) di Indonesia dapat dijadikan bahan untuk pengambilan
keputusan pada lembaga perbankan syariah.
114
Penelitian yang masih terbatas diharapkan penelitian
selanjutnya dapat memperpanjang waktu pengamatan dan menambah
variabel lain seperti FDR, BOPO, Kurs, GDP.
115
DAFTAR PUSTAKA
Buku
Ambarini, L. (2015). Ekonomi Moneter . Bogor: In Media.
Ansofino,& dkk. (2016). Buku Ajar Ekonometrika. Yogyakarta: Deepublish.
Fahmi, I. (2014). Bank dan Lembaga Keuangan Lainnya Teori dan Aplikasi.
Bandung: Alfabeta.
Ghozali, I. (2013). Analisis Multivariat dan Ekonometrika: Teori, Konsep, dan
Aplikasi dengan Eviews 8. Semarang: Badan Penerbit UNDIP (UNDIP
Press). .
Ghozali, I., & Ratmono, D. (2018). Analisis Multivariat dan Ekonometrika Teori,
Konsep, dan Aplikasi dengan Eviews 10. Semarang: Badan Penerbit
Undip.
Gitman, L. J., & Chad, J. Z. (2012 ). Principles of Managerial Finance.
Thirteenth Edition. England: Pearson Education.
Gujarati, N. D., & Porter, D. C. (2013).Dasar-dasar Ekonometrika.Buku 1 dan
Buku 2 Edisi 5. . Jakarta: Salemba Empat.
Gunawan, C. (2018). Mahir Menguasai SPSS (Mudah Mengolah Data dengan
IBM SPSS Statistic 25). Yogyakarta: DeePublish .
Gunawan, & Wilastomo. (2012). Memahami Ekonomi dengan Mudah. Jakarta:
Penerbit Andi.
116
Hidayat, R. (2014). Efiiensi Perbankan Syariah Teori dan Praktik. Bekasi:
Gramata Publishing.
i. b. (2018). Memahami Bisnis Bank . Jakarta: PT Gramedia Pustaka Utama.
ismail. (2011). Manajemen Perbankan Dari Teori Menuju Aplikasi. Jakarta:
Kencana.
Karim, A. A. (2015). Ekonomi Makro Islami Edisi Ketiga. Jakarta: Rajawali Pers.
Kasmir. (2014). analisis laporan keuangan. depok: rajawali pres.
Kasmir. (2017). Manajemen Perbankan. Jakarta: Rajawali Pers.
Muhammad. (2014). Manajemen Dana Bank Syariah. Depok: Rajawali Pers.
Nawawi, I. (2011). Perbankan Syari’ah. Surabaya: Vivpress.
Rosadi, D. (2012). Ekonometrika dan Analisis Runtut Waktu Terapan dengan
Eviews. Yogyakarta: ANDI .
Santoso, S. (2018). Menguasai Statistik dengan SPSS 25. Jakarta: PT. Elex Media
Komputindo.
Sarwono, J. (2016). prosedur-prosedur analisis populer aplikasi riset skripsi dan
tesis dengan eviews . yogyakarta: penerbit gava media.
Soemitra, A. (2012). Bank dan Lembaga Keuangan Syariah. Jakarta: Kencana.
Sugiyono. (2010). Metode Penelitian Kuantitatif, Kualitatif, dan RND. Bandung:
Alfabeta.
117
Sugiyono. (2012). Statistik untuk penelitian . Bandung: CV Alfabeta.
Sukirno, S. (2012). Makroekonomi teori pengantaredisi ketiga. Jakarta: Rajawali
Press.
Wangsawidjaja. (2012). Pembiayaan Bank Syariah . Jakarta: PT Gramedia
Pustaka Utama .
Wibowo. (2011). Manajemen Kinerja. Jakarta: PT. Rajagrafindo Persada.
Jurnal Ilmiah (Internasional)
Baldwina, K., Alhalbonib, M., & Helmi, M. H. (2019).A structural model of
‘‘alpha” for the capital adequacy ratios ofIslamic banks. Journal of
International Financial Markets, Institutions & Money , 272.
Hosen, M. N., & Muhari, S. (2019). Non-performing financing of Islamic rural
bank industry in Indonesia. Banks and Banks system .
Muhammad. (2019). Determinants of Non Performing Financing (NPF) on Sharia
Rural Banks (BPRS) in Indonesia 2011-2017. Development Economics .
Nashihina, M., & Harahap, L. (2014). The Analyis of the Efficiency of BPR-S:
Production Function Approach Vs Financial Ratios Approach. Procedia -
Social and Behavioral Sciences , 189.
Roy, A., & Goswami , C. (2013). A scientometric analysis of literature on
performance assessment of micro fi nance institutions (1995-2010).
International Journal of Commerce and Management, 148-174.
118
Sulaimanin, A. A., Mohamad, Mohammad, M. T., & Hashim, S. A. (2018).
Islamic Versus Conventional Banking:Characteristics and Stability
Analysis ofthe Malaysian Banking Sector. Emerald Insight , 198.
Thanh, L. B., Morales , L., & Bernadette . (2018). Microfnance in Southeast Asia:
The Case. Asian Nations and Multinationals, 161-162.
Zainal, N., & Nassir, A. M. (2020). Does bank regulation and supervision
impedes the efficiency of microfinance institutions to eradicate poverty?
Evidence from ASEAN-5 countries. Studies in Economics and Finance, 2.
Zarrouk, H., Jedidia, K. B., & Moualhi, M. (2016). Is Islamic bank
profitabilitydriven by same forces asconventional banks? International
Journal of Islamic and Middle Eastern Finance and Management , 47.
Jurnal Ilmiah (Nasional)
Aini, N. (2013). Pengaruh CAR, NIM, LDR, NPL, BOPO,dan Kualitas Aktiva
Produktif terhadap Perubahan Laba (Studi Empiris Pada Perusahaan
Perbankan yang terdaftar di BEI) Tahun 2009–2011 . Dinamika Akuntansi,
Keuangan dan Perbankan , 18.
Akbar, A. D. (2016). Inflasi, Gross Domesctic Product (GDP), Capital Adequacy
Ratio (CAR), Dan Finance To Deposit Ratio (FDR) Terhadap Non
Performing Financing (NPF) Pada Bank Umum Syariah Di Indonesia. I-
Economic , 20.
119
Ardana, Y. (2019). Faktor Internal, Makroekonomi dan Pembiayaan Bermasalah
Bank Syariah di Indonesia Tahun 2011-2018. Jurnal bisnis dan
manajemen .
Bachri, S., Suhadak ,& Saifi , M. (2013). Pengaruh Rasio Keuangan Terhadap
Kinerja Keuangan Bank Syariah.Jurnal Administrasi Bisnis , 179.
Fatimah , S. (2014). Pengaruh Rentabilitas, Efisiensi Dan Likuiditas Terhadap
Kecukupan Modal Bank Umum Syariah. Al-Iqtishad , 57-58.
Febriana, D., & Yulianto, A. (2017). Pengujian Pecking Order Theory Di
Indonesia .Management Analysis Journal , 160.
Fatoni, A., & Utami, K. D. (2019). Pengaruh Kinerja Keuangan dan Kondisi
Makroekonomi Terhadap Pembiayaan Bermasalah BPR Syariah di
Indonesia 2010-2018. Ekonomi Syariah .
Harahap, M. I., & Daim, R. H. (2019). Analisis Faktor-Faktor Yang Memengaruhi
Aset BPRS . At-Tijaroh : Jurnal Ilmu Manajemen dan Bisnis Islam , 69.
Harun, U. (2016). Pengaruh Ratio-Ratio Keuangan CAR, LDR, NIM, BOPO,
NPL, Terhaap ROA. Jurnal Riset Bisnis dan Manajemen , 70.
Husaeni, U. A. (2017). Analisis Pengaruh Dana Pihak Ketiga dan Non Performing
Financing Terhadap Return On Asset Pada BPRS di Indonesia. Jurnal
Ekonomi Syariah , 6.
120
Ihsan, I. N., Ulfah, Y., & Aziz, M. (2017). Analisis perbandingan kinerja
keuangan bank melalui pendekatan likuiditas solvabilitas dan rentabilitas.
Jurnal Manajemen , 28.
Ikhsan, m., & daim, a. (2019). Analisis Faktor-Faktor Yang Memengaruhiaset
BPRS. jurnal ilmu manajemen dan bisnis islam , 71.
Jayanti, S. D., Anwar, D., & Fitri, A. (2016). Pengaruh Inflasi dan BI Rate /
BI7DRR Terhadap Pembiayaan Usaha Mikro Kecil dan Menengah (Studi
Kasus Pada Bank Umum Syariah) .I-Economic , 87.
Juliana, S., & Mulazid, A. S. (2017). Analisa Pengaruh BOPO, Kecukupan
Modal, Pembiayaan Bermasalah, Bagi Hasil Dan Profitabilitas Terhadap
Simpanan Mudharabah Pada Bank Umum Syariah Periode 2011-2015.
Jurnal Studi Ekonomi dan Bisnis Islam, 28.
Kadir, R. (2019). Estimasi jangka pendek dan jangka panjang risiko pembiayaan
BPRS di Indonesia 2013-2018. Jurnal Nisbah .
Munir, M. (2018). Analisis Pengaruh CAR, NPF, FDR dan Inflasi terhadap
Profitabilitas Perbankan Syariah di Indonesia. Journal of Islamic
Economics, Finance, and Banking , 92.
Moorcy, N. H., sukimin, & Juwari. (2020). Pengaruh FDR, BOPO, NPF, dan
CAR Terhadap ROA Pada PT. Bank Syariah Mandiri Periode 2012-2019.
Jurnal Geo Ekonomi , 77.
121
Nasfi. (2019). Analisis Kinerja Keuangan Bank Pembiayaan Rakyat Syariah
(BPRS) Sumatera Barat. Jurnal Tamwil, 136.
Nastiti, A. S., & Firdaus, A. I. (2019). Menuju Tiga Dekade Perkembangan
Perbankan Syariah di Indonesia. Jurnal ilmiah Akuntansi Indonesia , 136.
Nugrohowati, R. N., & Bimo, S. (2019). Analisis pengaruh faktor internal bank
dan eksternal terhadap Non-Performing Financing (NPF) pada Bank
Perkreditan Rakyat Syariahdi Indonesia. Ekonomi Keuangan .
Perdani, P., maskudi, & sari, R. l. (2019). Analisis Faktor-Faktor yang
Mempengaruhi Non Performing Financing (NPF) Pada Bank Pembiayaan
Rakyat Syariah (BPRS) di Indonesia Tahun 2013-2018. Jurnal Ekonomi
dan Bisnis , 36.
Prasanti, Ayu, T., & dkk.(2015). PrasanAplikasi Regresi Data Panel untuk
Pemodelan Tingkat Pengangguran Terbuka Kabupaten/Kota di Provinsi
Jawa Tengah.Jurnal Gaussian .
Rahmadeni, & Murni. (2018). Analisis Pengaruh Inflation, Exports, dan Exchange
Rate Terhadap Gross Domestic Productdi Asean-5 dengan Menggunakan
Data Panel. Jurnal Sains Matematika dan Statistika , 66.
Riyadi, S., & Yulianto, A. (2014). Pengaruh Pembiayaan Bagi Hasil dan Jual Beli,
FDR dan NPF terhadap Profitabilitas Bank Umum Syariah di Indonesia.
Accounting Analysis Journal , 469.
122
Sarasyanti, N., & Shofawati, A. (2018). Perbandingan Kinerja Keuangan BPRS
Dan BPR Konvensional Di Surabaya. Jurnal Ekonomi Syariah Teori dan
Terapan , 294.
Sutikno, B., Faruk, A., & Dwipurwani, O. (2017).Penerapan Regresi Data Panel
Komponen Satu Arah untuk Menentukan Faktor-Faktor yang
Mempengaruhi Indeks Pembangunan Manusia.Jurnal Matematika
Integratif , 5.
Wardiantika, L. (2014). Pengaruh DPK, CA, NPF, SWBI, Terhadap Pembiayaan
Bank Umum Syariah Tahun 2008-2012.Jurnal Ilmu Manajemen , 1552.
Wibowo, E. S., & Syaichu, M. (2013). Pengaruh Suku Bunga, Inflasi, CAR,
BOPO, NPF terhadap Profitabilitas Bank Syariah. Journal Of Manajemen,
4.
Widyaningrum, L., & Septiarin, D. F. (2015). Pengaruh Car, Npf, Fdr, Dan Oer
Terhadap Roa Pada Bank Pembiayaan Rakyatsyariah Di Indonesia Periode
Januari 2009 Hingga Mei 2014. JEST , 971.
Yolanda, S., & Ariusni. (2019). Pengaruh Faktor Internal Dan Eksternal Terhadap
Pembiayaan Bermasalah Pada Bank Umum Syariah (BUS) Dan Bank
Pembiayaan Rakyat Syariah (BPRS). Ekonomi Syariah dan Terapan .
Yusuf, M. Y., & Mahriana, W. S. (2016). Faktor-Faktor Yang Mempengaruhi
Tingkat Profitabilitas Bank Pembiayaan Rakyat Syariah (BPRS) Di Aceh.
IQTISHADIA , 249.
123
Zulifiah, F., & Susilowibowo, J. (2014). Pengaruh Inflasi, BI Rate / BI7DRR,
Capital Adequacy Ratio (CAR), Non Performing Finance (NPF), Biaya
Operasional Dan Pendapatan Operasional (BOPO) Terhadap Profitabilitas
Bank Umum Syariah Periode 2008-2012. Jurnal Ilmu Manajemen , 762.
Website
Bank Indonesia. (2020). BI-7 Day Reverse Repo Rate (BI7DRR). Retrieved from
Bank Indonesia: https://www.bi.go.id/id/fungsi-utama/moneter/bi-7day-
rr/default.aspx
Bank Indonesia.(2016, Maret).Data Inflasi. Retrieved Desember Selasa, 2019,
from Bank Indonesia Official Website:
https://www.bi.go.id/id/moneter/inflasi/data/Default.aspx
Mix Market. (2018). Global Outreach and Financial Performance Benchmark
Report 2017-2018. Retrieved from www.findevgateway.org:
https://www.findevgateway.org/sites/default/files/publications/files/mix_m
arket_global_outreach_financial_benchmark_report_2017-2018_1.pdf
Otoritas Jasa Keuangan. (2016, Maret 1).Statistik Perbankan Syariah. Retrieved
November Minggu, 2019, from Otoritas Jasa Keuangan:
https://www.ojk.go.id/id/kanal/syariah/data-dan-statistik/statistik-
perbankan-syariah/Documents/Pages/Statistik-Perbankan-Syariah---Maret-
2016/SPS%20Maret%202016.pdf
124
LAMPIRAN
Lampiran 1 : Data Non Performing Financing (NPF), Return On Asset (ROA),
Inflasi, BI Rate / BI7DRR pada Januari 2015-Desember 2019.
No Tahun Bulan NPF CAR ROA Inflasi
BI Rate
/
BI7DR
R
1 2015 Januari 8.97 24.43 2.31 6.96 7.75
2 2015 Februari 9.11 24.67 2.23 6.29 7.5
3 2015 Maret 10.36 23.04 2.07 6.38 7.5
4 2015 April 9.33 22.53 2.19 6.79 7.5
5 2015 Mei 9.38 21.73 2.17 7.15 7.5
6 2015 Juni 9.25 21.73 2.3 7.26 7.5
7 2015 Juli 9.8 21.52 2.28 7.26 7.5
8 2015 Agustus 9.74 20.85 2.34 7.18 7.5
9 2015
Septembe
r 9.87 20.71 2.22 6.83 7.5
10 2015 Oktober 10.01 20.93 2.2 6.25 7.5
11 2015 November 9.69 22.08 2.15 4.89 7.5
12 2015 Desember 8.2 21.47 2.2 3.35 7.5
13 2016 Januari 9.08 23.48 2.32 4.14 7.25
14 2016 Februari 9.41 23.17 2.32 4.42 7
15 2016 Maret 9.44 22.15 2.25 4.45 6.75
16 2016 April 9.51 21.22 2.5 3.6 5.5
17 2016 Mei 9.6 20.54 2.16 3.33 5.5
18 2016 Juni 9.18 20.22 2.18 3.45 5.25
19 2016 Juli 9.97 20.31 2.21 3.21 5.25
20 2016 Agustus 10.99 20.24 2.11 2.79 5.25
21 2016
Septembe
r 10.47 20.72 2.45 3.07 5
22 2016 Oktober 10.49 20.71 2.47 3.31 4.75
23 2016 November 10.13 20.78 2.34 3.58 4.75
24 2016 Desember 8.63 21.73 2.27 3.02 4.75
25 2017 Januari 9.61 23.46 2.33 3.49 4.75
26 2017 Februari 9.98 23.05 2.31 3.83 4.75
27 2017 Maret 9.94 21.53 2.29 3.61 4.75
28 2017 April 10.15 20.94 2.3 4.17 4.75
29 2017 Mei 10.63 20.57 2.28 4.33 4.75
30 2017 Juni 10.71 20.62 2.24 4.37 4.75
31 2017 Juli 10.78 20.69 2.5 3.88 4.75
32 2017 Agustus 10.77 20.74 2.51 3.82 4.5
125
33 2017
Septembe
r 10.79 20.89 2.56 3.72 4.25
34 2017 Oktober 10.9 20.92 2.49 3.58 4.25
35 2017 November 10.81 20.93 2.51 3.3 4.25
36 2017 Desember 9.68 20.81 2.55 3.61 4.25
37 2018 Januari 10.6 22.5 2.5 3.25 4.25
38 2018 Februari 11.21 22.28 2.52 3.18 4.25
39 2018 Maret 10.98 20.6 2.38 3.4 4.25
40 2018 April 11.56 20.3 2.36 3.41 4.25
41 2018 Mei 11.55 19.97 2.32 3.23 4.75
42 2018 Juni 11.78 19.96 2.41 3.12 5.25
43 2018 Juli 11.8 19.76 2.27 3.18 5.25
44 2018 Agustus 11.75 18.81 2.27 3.2 5.5
45 2018
Septembe
r 11.6 19.78 2.3 2.88 5.75
46 2018 Oktober 11.35 19.67 2.26 3.16 5.75
47 2018 November 10.94 19.27 1.73 3.23 6
48 2018 Desember 9.3 19.33 1.87 3.13 6
49 2019 Januari 8.94 20.33 2.56 2.82 6
50 2019 Februari 9.02 21.72 2.32 2.57 6
51 2019 Maret 8.71 20.19 2.36 2.48 6
52 2019 April 8.89 19.85 2.47 2.83 6
53 2019 Mei 8.7 21.21 2.48 3.32 6
54 2019 Juni 8.83 19.54 2.51 3.28 6
55 2019 Juli 8.73 19.22 2.59 3.32 5.75
56 2019 Agustus 8.74 19.58 2.54 3.49 5.5
57 2019
Septembe
r 8.27 19.48 2.52 3.39 5.25
58 2019 Oktober 8.28 19.61 2.52 3.13 5
59 2019 November 7.92 19.27 2.27 3 5
60 2019 Desember 7.05 17.99 2.61 2.72 5
Lampiran 2 : Hasil Uji Deskriptif
Y X1 X2 X3 X4
Mean 9.864333 20.93883 2.334167 3.989833 5.679167
Median 9.770000 20.73000 2.320000 3.405000 5.375000
Maximum 11.80000 24.67000 2.610000 7.260000 7.750000
Minimum 7.050000 17.99000 1.730000 2.480000 4.250000
Std. Dev. 1.082934 1.358846 0.168707 1.372115 1.144341
Skewness -0.060082 0.666040 -0.864510 1.434633 0.540556
Kurtosis 2.453312 3.350723 4.727109 3.659126 1.954000
126
Jarque-Bera 0.783267 4.743609 14.93103 21.66782 5.657303
Probability 0.675952 0.093312 0.000572 0.000020 0.059092
Sum 591.8600 1256.330 140.0500 239.3900 340.7500
Sum Sq. Dev. 69.19207 108.9412 1.679258 111.0793 77.26146
Observations 60 60 60 60 60
Lampiran 3: Hasil uji asumsi klasik
a. Uji normalitas
0
2
4
6
8
10
12
14
-2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0
Series: Residuals
Sample 2015M01 2019M12
Observations 60
Mean 2.84e-15
Median -0.022220
Maximum 2.041910
Minimum -2.300203
Std. Dev. 0.907235
Skewness -0.059191
Kurtosis 3.640191
Jarque-Bera 1.059646
Probability 0.588709
b. Uji Multikolinearitas
Variance Inflation Factors Date: 07/06/20 Time: 20:20 Sample: 2015M01 2019M12 Included observations: 60
Coefficient Uncentered Centered
Variable Variance VIF VIF C 8.673234 589.3910 NA
X1 0.010991 328.8155 1.356105 X2 0.643715 239.5548 1.224284 X3 0.018836 22.74526 2.369644 X4 0.026387 60.14313 2.309014
127
c. Uji Heterokedastisitas
Heteroskedasticity Test: Harvey
F-statistic 2.173336 Prob. F(4,55) 0.0840
Obs*R-squared 8.189250 Prob. Chi-Square(4) 0.0849
Scaled explained SS 5.935560 Prob. Chi-Square(4) 0.2040
d. Uji Autokorelasi
Dependent Variable: Y
Method: Least Squares
Date: 07/12/20 Time: 19:41
Sample: 2015M01 2019M12
Included observations: 60
Variable Coefficient Std. Error t-Statistic Prob.
C 18.38528 2.945035 6.242805 0.0000
X1 -0.001145 0.104837 -0.010918 0.9913
X2 -2.358726 0.802318 -2.939887 0.0048
X3 0.302562 0.137243 2.204578 0.0317
X4 -0.739280 0.162441 -4.551063 0.0000
R-squared 0.298165 Mean dependent var 9.864333
Adjusted R-squared 0.247122 S.D. dependent var 1.082934
S.E. of regression 0.939646 Akaike info criterion 2.793029
Sum squared resid 48.56144 Schwarz criterion 2.967558
Log likelihood -78.79087 Hannan-Quinn criter. 2.861297
F-statistic 5.841493 Durbin-Watson stat 0.463616
Prob(F-statistic) 0.000544
128
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.184212 Prob. F(2,52) 0.8323
Obs*R-squared 0.415078 Prob. Chi-Square(2) 0.8126
Lampiran 4: Hasil Uji signifikan parameter indivual (Uji statistik t )
Dependent Variable: Y
Method: Least Squares
Date: 07/12/20 Time: 19:41
Sample: 2015M01 2019M12
Included observations: 60
Variable Coefficient Std. Error t-Statistic Prob.
C 18.38528 2.945035 6.242805 0.0000
X1 -0.001145 0.104837 -0.010918 0.9913
X2 -2.358726 0.802318 -2.939887 0.0048
X3 0.302562 0.137243 2.204578 0.0317
X4 -0.739280 0.162441 -4.551063 0.0000
Lampiran 5: Hasil Uji signifikansi simultan ( Uji Statistik F )
R-squared 0.298165 Mean dependent var 9.864333
Adjusted R-squared 0.247122 S.D. dependent var 1.082934
S.E. of regression 0.939646 Akaike info criterion 2.793029
Sum squared resid 48.56144 Schwarz criterion 2.967558
Log likelihood -78.79087 Hannan-Quinn criter. 2.861297
F-statistic 5.841493 Durbin-Watson stat 0.463616
Prob(F-statistic) 0.000544
129
Lampiran 6 : Hasil uji regresi berganda
Dependent Variable: Y
Method: Least Squares
Date: 07/12/20 Time: 19:41
Sample: 2015M01 2019M12
Included observations: 60
Variable Coefficient Std. Error t-Statistic Prob.
C 18.38528 2.945035 6.242805 0.0000
X1 -0.001145 0.104837 -0.010918 0.9913
X2 -2.358726 0.802318 -2.939887 0.0048
X3 0.302562 0.137243 2.204578 0.0317
X4 -0.739280 0.162441 -4.551063 0.0000
R-squared 0.298165 Mean dependent var 9.864333
Adjusted R-squared 0.247122 S.D. dependent var 1.082934
S.E. of regression 0.939646 Akaike info criterion 2.793029
Sum squared resid 48.56144 Schwarz criterion 2.967558
Log likelihood -78.79087 Hannan-Quinn criter. 2.861297
F-statistic 5.841493 Durbin-Watson stat 0.463616
Prob(F-statistic) 0.000544