PENGARUH RASIO KEUANGAN TERHADAP PERTUMBUHAN LABA

BANK PEMBIAYAAN RAKYAT SYARIAH DI INDONESIA

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh

Gelar Sarjana Ekonomi (S.E.)

Oleh

Isti Rohmah Purnamasari

1113046000088

PROGRAM STUDI EKONOMI SYARIAH

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF

HIDAYATULLAH JAKARTA

1439 H /2018 M

LEMBAR PENGESAHAN

Hari ini Kamis, 11 Januari 2018 telah dilakukan Ujian Skripsi atas mahasiswi:

1. Nama : Isti Rohmah Purnamasari

2. NIM : 1113046000088

3. Jurusan : Ekonomi Syariah

4. Judul Skripsi : Pengaruh Rasio Keuangan terhadap Pertumbuhan Laba

Bank Pembiayaan Rakyat Syariah di Indonesia

Setelah mencermati dan memperhatikan penampilan serta kemampuan yang

bersangkutan selama proses Ujian Skripsi, maka diputuskan bahwa mahasiswi

tersebut dinyatakan lulus dan skripsi ini diterima sebagai salah satu syarat untuk

memperoleh gelar Sarjana Ekonomi (S.E) pada Fakultas Ekonomi dan Bisnis

Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Jakarta, 11 Januari 2018

ii

ABSTRACT

Isti Rohmah Purnamasari, 1113046000088, The Influence of Financial Ratios on

the Growth of Profit of Sharia Rural Banks in Indonesia. Islamic Banking, Sharia

Economics Study Program, Faculty of Economics and Business. Syarif Hidayatullah

State Islamic University Jakarta, 1439 H / 2018 M.

This study aims to analyze the effect of financial ratios projected by Capital

Adequacy Ratio (CAR), Finance to Deposit Ratio (FDR), Operating Expenses to

Operating Income (BOPO), and Non Performing Finance (NPF) to Profit Growth. The

sample in this research is Syariah Bank Syariah (BPRS) which operated in Indonesia

since 2011 until 2016. The analysis method used is Vector Error Correction Models

(VECM). The data used in this study data series (time series) monthly from January 2011

to December 2016. The

results suggest that in long-term effects of CAR, and FDR have a negative and significant

effect on profit growth. While BOPO has a positive and significant influence on profit

growth, and NPF has a negative influence and not significant. The short-term effect of

financial ratios (CAR, FDR, BOPO, and NPF) on earnings growth does not indicate a

significant relationship.

Keywords : Financial Ratios, Profit Growth

iv

ABSTRAK

Isti Rohmah Purnamasari, 1113046000088, Pengaruh Rasio Keuangan Terhadap

Pertumbuhan Laba Bank Pembiayaan Rakyat Syariah di Indonesia. Perbankan Syariah,

Program Studi Ekonomi Syariah, Fakultas Ekonomi dan Bisnis. Universitas Islam Negeri

Syarif Hidayatullah Jakarta,1439 H/2017 M.

Penelitian ini bertujuan untuk menganalisis pengaruh rasio keuangan yang

diproyeksikan oleh Capital Adequacy Ratio (CAR), Finance to Deposit Ratio (FDR),

Beban Operasional terhadap Pendapatan Operasional, dan Non Performing Finance

terhadap Pertumbuhan Laba. Sampel dalam penelitian ini adalah Bank Pembiayaan

Rakyat Syariah (BPRS) yang beroperasi di Indonesia sejak tahun 2011 hingga tahun

2016. Metode analisis yang digunakan adalah Vector Error Correction Models (VECM).

Data yang digunakan dalam penelitian ini data data runtun (time series) bulanan dari

Januari 2011-Desember 2016.

Hasil penelitian menyatakan bahwa pada jangka panjang pengaruh CAR, ROA, dan

FDR memiliki pengaruh negatif dan signifikan terhadap pertumbuhan laba. Sedangkan

BOPO memiliki pengaruh positif dan signifikan terhadap pertumbuhan laba, dan NPF

memiliki pengaruh negatif dan tidak signifikan. Pengaruh jangka pendek rasio keuangan

(CAR, FDR, BOPO, dan NPF) terhadap pertumbuhan laba tidak memperllihatkan

hubungan yang signifikan.

Kata kunci: Rasio Keuangan, Pertumbuhan Laba

v

KATA PENGANTAR

Segala puji dan syukur kehadirat Allah SWT. Tuhan semesta alam. Atas

rahmat dan hidayah-Nyalah penulis dapat menyelesaikan skripsi yang berjudul

“Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba Bank Pembiayaan

Rakyat Syariah di Indonesia” ditujukan sebagai sebagai salah satu syarat utuk

menyelesaikan studi strata 1 (S-1) dan memperoleh gelar Sarjana Ekonomi di

Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta. Oleh karena itu,

penulis mengucapkan terimakasih yang tak terhingga kepada :

1. Kedua orang tua penulis, bapak Ujer Sodiqin dan Ibu Tumini yang selalu

memberi dukungan moril maupun materil, kasih sayang dan doa terbaik

untuk penulis, dan selalu memberi nasehat dan motivasi sehingga penulis

dapat menyelesaikan penelitian ini.

2. Bapak Dr. Arief Mufraini, Lc, M.Si. selaku Dekan Fakultas Ekonomi dan

Bisnis UIN Syarif Hidayatullah Jakarta.

3. Bapak Dr. Asep Saepudin Jahar, M.A. selaku Dekan Fakultas Syariah dan

Hukum UIN Syarif Hidayatullah Jakarta.

4. Bapak Yoghi Citra Prama, M.Si selaku ketua Jurusan Ekonomi Syariah

dan Ibu RR. Tini Anggraeni, ST, M.Si. selaku sekretaris Jurusan Ekonomi

Syariah.

5. Bapak AM. Hasan Ali, M.A. selaku Ketua Program Studi Mualamat dan

Bapak H. Abdurrauf, Lc., M.A. selaku sekretaris Program Studi Muamalat

Fakultas Syariah dan Hukum UIN Syarif Hidayatullah Jakarta.

6. Ibu Aini Masruroh, SEI, MM. Selaku dosen pembimbing penulis yang

telah bersedia meluangkan waktunya untuk memberikan arahan kepada

penulis selama proses penyelesaian skripsi ini.

7. Bapak almarhum H. M Riza Afwi, MA. Selaku dosen penasehat akademik

penulis yang telah membimbing selama masa perkuliahan, semoga

diterima amal ibadahnya dan di tempatkan di surgaNya.

8. Seluruh dosen dan karyawan Fakultas Ekonomi dan Bisnis dan Fakultas

Syariah dan Hukum yang telah banyak memberikan bantuan kepada

penulis selama menempuh masa studi.

9. Keluarga besar Lingkar Studi Ekonomi Syariah (LiSEnSi) yang telah

memberikan banyak pelajaran berharga kepada penulis, dukungan dan doa

kepada penulis dalam menyelesaikan penelitian ini.

10. Seluruh pihak yang tidak dapat penulis sebutkan satu persatu yang telah

membantu penulis selama masa studi hingga menyelesaikan skripsi.

vi

Semoga Allah SWT. senantiasa memberikan balasan pahala yang berlipat

ganda kepada semua pihak atas bantuan dan amal baik yang telah diberikan

kepada penulis dalam penulisan dan penyusunan skripsi ini. Akhir kata, penulis

berharap semoga skripsi ini dapat bermanfaat bagi semua pihak yang

membutuhkan.

Jakarta, Januari 2018

Isti Rohmah Purnamasari

vii

DAFTAR ISI

LEMBAR PENGESAHAN .................................................................................... ii

LEMBAR PERNYATAAN ................................................................................... iii

KEASLIAAN KARYA ILMIAH .......................................................................... iii

ABSTRACK............................................................................................................. iv

ABSTRAK ..............................................................................................................v

KATA PENGANTAR ...........................................................................................vii

DAFTAR ISI .........................................................................................................viii

DAFTAR TABEL ................................................................................................ x

DAFTAR GAMBAR ............................................................................................. xi

BAB I PENDAHULUAN ........................................................................................1

A. Latar Belakang .............................................................................................1

B. Identifikasi Masalah .....................................................................................5

C. Pembatasan dan Perumusan Masalah...........................................................6

1. Pembatasan Masalah ..............................................................................6

2. Perumusan Masalah ...............................................................................6

D. Tujuan dan Manfaat Penelitian ....................................................................7

1. Tujuan Penelitian ...................................................................................7

2. Manfaat Penelitian .................................................................................7

E. Sistematika Penulisan ..................................................................................7

BAB II TINJAUAN PUSTAKA..............................................................................9

A. Bank Pembiayaan Rakyat Syariah ...............................................................9

1. Pengertian Bank Pembiayaan Rakyat Syariah ......................................9

2. Tujuan Bank Pembiayaan Rakyat Syariah (BPRS) ............................10

3. Kegiatan Usaha Bank Pembiayaan Rakyat Syariah ............................11

B. Pertumbuhan Laba .....................................................................................13

1. Pengertian dan Karakteristik Laba ......................................................13

vii

2. Faktor-Faktor yang Mempengaruhi Pertumbuhan Laba ....................14

3. Analisis Pertumbuhan Laba .................................................................15

C. Hubungan Variabel Independen dengan Variabel Dependen ....................18

1. Hubungan CAR terhadap Pertumbuhan Laba ......................................18

2. Hubungan BOPO terhadap Pertumbuhan Laba ..................................19

3. Hubungan FDR terhadap Pertumbuhan Laba .....................................20

4. Hubungan NPF terhadap Pertumbuhan Laba ......................................20

D. Kerangka Konsep .......................................................................................22

E. Review Studi Terdahulu.............................................................................23

BAB III METODE PENELITIAN.........................................................................28

A. Jenis dan Pendekatan Penelitian.................................................................28

B. Jenis Data/ Sumber Data ............................................................................28

C. Populasi dan Teknik Pengambilan Sampel ...............................................29

D. Teknik Analisis Data .................................................................................29

E. Operasional Variabel Penelitian.................................................................36

F. Hipotesis.....................................................................................................39

BAB IV HASIL DAN PEMBAHASAN ...............................................................40

A. Analisis dan Pembahasan ...........................................................................40

B. Analisis Pengujian Statistik .......................................................................44

C. Interpretasi Hasil Penelitian .......................................................................55

BAB V PENUTUP.................................................................................................60

A. Kesimpulan ................................................................................................60

B. Saran...........................................................................................................61

DAFTAR PUSTAKA ............................................................................................62

LAMPIRAN ...........................................................................................................67

viii

DAFTAR TABEL

Tabel 1.1 Kinerja BPR dan BPRS Berdasarkan Modal Inti .................................... i

Tabel 1.2 pertumbuhan laba BPRS di indonesia periode 2011-2016 ......................4

Tabel 2.2 Review studi terdahulu...........................................................................35

Tabel 4.1 data pertumbuhan laba ...........................................................................53

Tabel 4.2 data CAR ................................................................................................54

Tabel 4.3 data FDR ................................................................................................55

Tabel 4.4 data NPF.................................................................................................56

Tabel 4.5 data BOPO .............................................................................................56

Tabel 4.6 hasil uji stasioneritas ADF pada tingkat level........................................58

Tabel 4.7 hasil uji stasioneritas ADF pada tingkat 1st difference..........................59

Tabel 4.8 hasil uji stasioneritas ADF pada tingkat 2st difference..........................59

Tabel 4.9 hasil uji lag optimal................................................................................60

Tabel 4.10 hasil uji johansen cointegrtion .............................................................61

Tabel 4.11 estimasi VECM jangka panjang dan jangka pendek............................62

Tabel 4.12 hasil uji Impulse Response Function....................................................64

Tabel 4.13 variance decomposition (VD) ..............................................................68

ix

DAFTAR GAMBAR

Gambar 2.1 kerangka konsep .................................................................................34

Grafik 4.1 Impulse Response DPER_LABA terhadap shock DCAR ....................65

Grafik 4.2 Impulse Response DPER_LABA terhadap shock DBOPO ..................66

Grafik 4.3 Impulse Response DPER_LABA terhadap shock DFDR .....................67

Grafik 4.4 Impulse Response DPER_LABA terhadap shock DNPF .....................67

Grafik 4.5 Variance Decomposition ......................................................................69

x

BAB I

PENDAHULUAN

A. Latar Belakang

Rakernas dan Seminar Nasional yang di laksanakan oleh OJK di Pontianak

pada Oktober 2016 menyatakan bahwa, keberadaan bank syariah di Indonesia

telah diakui secara formal dengan diberlakukannya Undang-undang No.7 tahun

1992 sebagaimana telah diubah dengan Undang-undang No. 21 tahun 2008

tentang Perbankan Syariah. Menurut Undang-Undang tersebut, terdapat dua jenis

bank syariah di Indonesia yaitu Bank Umum Syariah dan Bank Pembiayaan

Rakyat Syariah (BPRS). BPRS pertama di Indonesia didirikan pada tahun 1991 di

Jawa Barat. Sampai dengan bulan Febuari 2017, jumlah BPRS di Indonesia

tercatat sebanyak 166 buah yang tersebar di 25 wilayah Kantor Bank Indonesia.

Kehadiran Bank Pembiayaan Rakyat Syariah (BPRS) diharapkan mampu

memberi solusi, utamanya dalam rangka lebih memberdayakan perekonomian

masyarakat ekonomi lemah, seperti pedagang sayur, pedagang buah, pedagang

ikan dan juga kegiatan ekonomi lainnya yang membutuhkan suntikan dana untuk

menambah modal usaha yang digeluti mereka.1

Bank Pembiayaan Rakyat Syariah

(BPRS) mempunyai misi sebagai lembaga perantara keungan yang beroperasi atas

dasar prinsip-prinsip syariah Islam dengan memperhatikan ketimpangan sosial,

kemiskinan dan ketidakadilan sosial ekonomi, serta Bank Pembiayaan Rakyat

Syariah juga sangat memperhatikan kesehatan bank itu sendiri.

1 Heri Sudarsono, Bank dan Lembaga Keuangan Syariah: Deskripsi dan

Ilustrasi, Yogyakarta : EKONISIA, 2005, h.83

1

2

Tabel 1.1 Kinerja BPR dan BPRS Berdasarkan Modal Inti

Modal Inti BPR BPRS

MI<1M 161 22

MI1-< 3M 442 52

MI 3-< 6M 466 41

MI 6 -< 15M 354 34

MI 15-< 50M 174 9

MI >= 50 M 37 5

JUMLAH 1634 163

Sumber : DPIP dan DPbS, diolah

Total jumlah BPR dan BPRS di Indonesia sebanyak 1.797 sebagian besar

(1.184 BPR/ 68%) memiliki Modal Inti (MI) yang terbatas (di bawah Rp 6M).

Dalam rakernas dan seminar nasional OJK pada oktober 2016 yang membahas

tentang Perhimpunan Bank Perkreditan Rakyat Indonesia mengatakan bahwa BPR

dan BPRS yang memiliki modal inti di bawah Rp 6 M cenderung memiliki kinerja

yang buruk, tercermin dari NPL/NPF tinggi, BOPO tinggi, ROA rendah (negatif)2

sebagaimana yang ditampilkan pada Tabel 1.1.

Menghadapi perkembangan dunia usaha perbankan yang dinamis, maka bank

dalam menciptakan produk dan jasa perbankan harus memperhatikan kebutuhan

dan keinginan masyarakat. Masyarakat selalu menginginkan suatu produk atau

jasa yang dapat memperlancar segala keperluan mereka dengan sarana yang lebih

banyak dan praktis serta didukung dengan adanya pelayanan yang lebih baik dan

cepat. Informasi yang dibutuhkan pasar sebagai potential user dan pihak-pihak

yang berkepentingan dengan perusahaan bukan hanya informasi produk tetapi

juga berbagai hal yang terkait dengan perusahaan. Salah satu informasi tersebut

adalah kondisi keuangan atau yang sering disebut sebagai laporan keuangan.3

2 Rakernas dan Seminar Nasional Perhimpunan Bank Perkeditan Rakyat

Indonesia. Pontianak, 26 Oktober 2016 3

Sigit setiawan dan Winarsih. Faktor-Faktor yang Mempengaruhi Pertumbuhan Laba

Bank Syariah Di Indonesia, 2011.

3

Laporan keuangan merupakan salah satu informasi keuangan yang bersumber

dari intern perusahaan. Laporan keuangan perusahaan keuangan melaporkan

kinerja masa lalu dan menunjukkan posisi keuangan mutakhir. Laporan keuangan

memiliki tujuan utama untuk memberikan informasi yang relevan pada pihak-

pihak di luar perusahaan. Informasi yang dibaca dari laporan keuangan akan

menjadi lebih luas dan lebih dalam dengan melakukan analisis laporan keuangan.

Hubungan satu pos dengan pos lain akan dapat menjadi indikator tentang posisi

dan prestasi keuangan perusahaan. Salah satu teknik dalam analisis laporan

keuangan adalah analisis rasio. Rasio keuangan memberikan gambaran informasi

yang sederhana mengenai hubungan antara pos tertentu dengan pos lainnya

sehingga memudahkan dan mempercepat dalam menilai kesehatan dan kinerja

keuangan perusahaan. Kinerja keuangan bank adalah penelitian ukuran-ukuran

tertentu yang dapat mengukur keberhasilan suatu bank dalam menghasilkan laba4.

Dalam rangka memperebutkan pasar perbankan di Indonesia dan semakin

ketatnya persaingan antara bank syariah dan konvensional, maka bank syariah

dituntut memiliki tingkat kesehatan dan kinerja keuangan yang bagus. Hal ini

dapat dilihat dari pertumbuhan laba yang dihasilkan oleh bank syariah,

pertumbuhan laba yang baik merupakan isyarat kinerja perusahaan yang baik.

Akibatnya dari pertumbuhan laba yang baik akan menaikkan nilai perusahaan.

Adapun pertumbuhan laba bank syariah dapat dipengaruhi oleh beberapa faktor,

diantaranya adalah Net Operational Income (NOI), Pertumbuhan Dana Pihak

Ketiga (DPK), Capital Adequacy Ratio (CAR), Non Performing Financing (NPF),

Financing to Deposit Ratio (FDR), Operational Efficiency Ratio (OER)5. Berhasil

atau tidaknya suatu perusahaan pada umumnya ditandai dengan kemampuan

manajemen dalam melihat kemungkinan dan kesempatan di masa yang akan

datang, baik jangka panjang maupun jangka pendek. Dengan demikian sasaran

4 Sigit setiawan dan Winarsih. Faktor-Faktor yang Mempengaruhi Pertumbuhan Laba

Bank Syariah di Indonesia, 2011 5

Diah Ratih Sotio Resmi, Faktor yang Mempengaruhi Pertumbuhan Laba Perbankan

Syariah Di Indonesia Tahun 2007-2011, Tesis S2 STIE Perbanas Surabaya, 2011, h.2

4

utama pelaporan keuangan adalah informasi tentang prestasi-prestasi perusahaan

yang disajikan melalui pengukuran laba dan komponen-komponennya.

Tabel 1.2 Pertumbuhan Laba BPRS di Indonesia Periode 2011-2016

Tahun Laba (Miliar

Rupiah)

Pertumbuhan laba

2010 Rp 70.243 28,74%

2011 Rp 86.654 23,36%

2012 Rp 106.482 22,88%

2013 Rp 129.280 21,41%

2014 Rp 121.945 -5,67%

2015 Rp 137.719 12,94%

2016 Rp 159.003 15,45%

Sumber : statistik perbankan syariah, diolah

Berdasarkan Tabel 1.2 dapat dilihat laba BPRS di Indonesia masih belum

stabil. Pertumbuhan laba pada tahun 2011-2013 mengalami peningkatan laba yang

signifikan. Akan tetapi pada tahun 2014 mengalami penurunan yang cukup drastis

meskipun pada tahun 2015 dan 2016 mulai meningkat kembali meskipun

pertumbuhannya hanya 15%. Berdasarkan data tersebut dapat kita simpulkan

bahwa terdapat faktor-faktor yang mempengaruhi kenaikan ataupun penurunan

laba yang diperolah BPRS di Indonesia.

Pada tesis yang berjudul faktor-faktor yang mempengaruhi pertumbuhan laba

Bank Syariah di Indonesia, hasil penelitiannya menunjukan bahwa Variabel NOI,

Pertumbuhan DPK, CAR, NPF, FDR dan OER secara bersama-sama memberikan

pengaruh yang tidak signifikan terhadap Pertumbuhan Laba sehingga tidak dapat

digunakan untuk memprediksi Pertumbuhan Laba Bank Syariah.6

Sedangkan pada

penelitian lain tentang faktor-faktor yang mempengaruhi pertumbuhan laba Bank

Syariah di Indonesia, hasil penelitiannya menunjukkan bahwa permodalan,

pembiayaan, NPF, dana masyarakat, dan BOPO secara serentak mempengaruhi

pertumbuhan laba bank syariah di Indonesia. Sedangkan secara parsial ditemukan

bahwa permodalan, pembiayaan dan dana masyarakat berpengaruh positif

6 Diah Ratih Sotio Resmi, Faktor yang Mempengaruhi Pertumbuhan Laba Perbankan

Syariah di Indonesia Tahun 2007-2011, (Tesis S2 STIE Perbanas Surabaya, 2011)

5

terhadap pertumbuhan laba sedang-kan NPF & BOPO berpengaruh negatif

terhadap pertumbuhan laba.7

Suatu perusahaan dapat dikatakan mencapai kesuksesan dan berhasil

memenangkan persaingan apabila dapat menghasilkan laba yang maksimal. Laba

mencerminkan kinerja suatu perusahaan. Rasio keuangan juga bermanfaat dalam

memprediksi laba perusahaan. Apabila kinerja keuangan perusahaan baik maka

pertumbuhan laba meningkat, dan sebaliknya kinerja perusahaan tidak baik maka

pertumbuhan laba menurun. Dalam hal ini pertumbuhan laba merupakan

peningkatan laba yang diperoleh perusahaan dibandingkan dengan tahun

sebelumnya. Oleh karena itu penulis tertarik untuk melakukan penelitian dengan

judul “Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba Bank

Pembiayaan Rakyat Syariah di Indonesia”.

B. Identifikasi Masalah

Berdasarkan latar belakang diatas, maka dapat diidentifikasi masalah-masalah

sebagai berikut :

1. Bank Pembiayaan Rakyat Syariah yang memiliki modal inti kurang dari

enam miliar cenderung memiliki kinerja buruk.

2. Penurunan kinerja Bank Pembiayaan Rakyat Syariah tercermin dari rasio

NPF tinggi, BOPO tinggi, dan ROA rendah.

3. Pertumbuhan laba yang baik merupakan isyarat kinerja keuangan bank

yang baik.

4. Rasio keuangan salah satu faktor yang mempengaruhi pertumbuhan laba.

7 Sigit setiawan dan Winarsih. Faktor-Faktor Yang Mempengaruhi Pertumbuhan Laba

Bank Syariah Di Indonesia, 2011.

6

C. Pembatasan dan Perumusan Masalah

1. Pembatasan Masalah

Berdasarkan latar belakang masalah yang telah diuraikan peneliti akan

membatasi permasalah yang akan diteliti pada Pengaruh Rasio Keuangan

Terhadap Pertumbuhan Laba Bank Pembiayaan Rakyat Syariah di Indonesia,

diantaranya adalah :

a. Data rasio keuangan yang digunakan hanya rasio CAR, FDR, BOPO, dan

NPF yang mana indikatornya berupa data kinerja Bank Pembiayaan

Rakyat Syariah

b. Data pertumbuhan laba yang digunakan merupakan data dari laporan

keuangan bulanan seluruh Bank Pembiayaan Rakyat Syariah pada tahun

2011-2016, yang mana indikatornya adalah hasil perhitungan periode

tahun dihitung dikurangi periode tahun sebelumnya di bagi periode tahu

sebelumnya, dimana data diambil dari laporan laba/rugi.

c. Metode yang digunakan menggunakan metode analisis VAR VECM, yang

mana tujuan dari metode tersebut adalah untuk mengatahui pengaruh janka

panjang dan pendek antar variabel.

2. Perumusan Masalah

Melalui pembatasan masalah di atas, maka untuk mempermudah penulisan

skripsi ini, penulis merumuskan masalah penelitian sebagai berikut :

1. Bagaimana pengaruh jangka panjang dan jangka pendek rasio keuangan

CAR, NPF, FDR, BOPO terhadap pertumbuhan laba Bank Pembiayaan

Rakyat Syariah di Indonesia ?

2. Bagaiamana respon dari rasio keuangan CAR, NPF, FDR, BOPO terhadap

pertumbuhan laba Bank Pembiayaan Rakyat Syariah di Indonesia ?

7

3. Tujuan dan manfaat penelitian

1. Tujuan penelitian

Penelitian ini bertujuan sebagai berikut :

a. Menganalisis pengaruh jangka pendek rasio keuangan CAR, NPF, FDR,

BOPO terhadap pertumbuhan laba BPRS di Indonesia.

b. Menganalisis pengaruh jangka panjang rasio keuangan CAR, NPF, FDR,

BOPO terhadap pertumbuhan laba BPRS di Indonesia.

c. Menganalisis respon dari rasio keuangan CAR, NPF, FDR, BOPO akibat

shock yang terjadi pada pertumbuhan laba BPRS di Indonesia.

d. Menganalisis besarnya kontribusi dari rasio keuangan CAR, NPF, FDR,

BOPO akibat shock yang terjadi pada pertumbuhan laba BPRS di

Indonesia.

2. Manfaat Penelitian

Adapun Manfaat dari Penelitian ini sebagai berikut :

a. Manfaat Teoritis

Secara teoritis penelitian ni diharapkan dapat manfaat bagi

pengetahuan dan kajian tentang hubungan rasio keuangan dengan

Pertumbuhan Laba Lembaga Keuangan syariah.

b. Manfaat Praktis

Diharapkan hasil penelitian ini menjadi salah satu bahan

pertimbangan referensi bagi peneliti lain dalam penelitian yang terkait,

dan nantinya bermanfaat bagi kalangan akademisi maupun lembaga

keuangan syariah dalam rangka melakukan penilaian kinerja perusahaan

4. Sistematika Penulisan

Untuk memberikan gambaran secara sederhana agar dapat memudahkan

penulisan skripsi, maka disusun sistematika penulisan yang terdiri dari lima bab

dengan rincian sebagai berikut :

8

BAB 1 : PENDAHULUAN

Pada bab ini akan dijelaskan latar belakang, identifikasi masalah, batasan dan

rumusan masalah, tujuan dan manfaat penelitian dan sistematika penulisan.

BAB II : KAJIAN TEORITIS

Pada bab ini disajikan mengenai teori Bank Pembiayaan Rakyat Syariah (BPRS),

pertumbuhan laba, analisis rasio keuangan, kerangka konsep, dan review studi

terdahulu.

BAB III : METODE PENELITIAN

Pada bab ini akan dijelaskan mengenai ruang lingkup penelitian, metode

pengumpulan data, sumber data, variabel yang digunakan dalam penelitian, teknik

pengumpulan data serta metode analisis yang digunakan.

BAB IV : ANALISIS DAN PEMBAHASAN

Berisi data dan hasil penelitian mengenai pengaruh rasio keuangan terhadap

pertumbuhan laba BPRS tahun 2011-2016

BAB V : PENUTUP

Bab ini memuat kesimpulan yang merupakan jawaban dari rumusan permasalahan

yang telah dibahas sebelumnya dan saran.

BAB II TINJAUAN

PUSTAKA

A. Bank Pembiayaan Rakyat Syariah

1. Pengertian Bank Pembiayaan Rakyat Syariah

Bank Perkreditan Rakyat (BPR) menurut Undang-Undang (UU) Perbankan

No.7 Tahun 1992 adalah Lembaga Keuangan Bank yang menerima simpanan

hanya dalam bentuk deposito berjangka, tabungan dan atau bentuk lainnya yang

dipersamakan dengan itu dan menyalurkan dana sebagai usaha BPR. Sedangkan

pada Undang-Undang perbankan No.10 Tahun 1998 disebutkan bahwa Bank

Perkreditan Rakyat adalah Lembaga Keuangan Bank yang melaksanakan kegiatan

usahanya secara konvensional atau berdasarkan prinsip syariah1. Kemudian di

sempurnakan oleh UU No 21 tahun 2008, Bank Perkreditan Rakyat Syari’ah

(BPRS) adalah bank yang melaksanakan kegiatan usaha berdasarkan prisnsip

Syari’ah yang dalam kegiatannya tidak memberikan jasa dalam lalu lintas

pembayaran. Bentuk hukumnya dapat berupa : Perseroan Terbatas/PT, Koperasi

atau Perusahaan Daerah (Pasal 2 PBI No. 6/17/PBI/2004). Undang-undang

Nomor 21 Tahun 2008 menyebutkan Bank Pembiayaan Rakyat Syari’ah (BPRS)

yaitu Bank Syari’ah yang dalam kegiatannya tidak memberikan jasa dalam lalu

lintas pembayaran.2

Selanjutnya, pelaksanaan BPR yang melaksanakan kegiatan usaha

berdasarkan prinsip syariah diatur oleh Peraturan Bank Indonesia Nomor:

1 Heri Sudarsono, Bank dan Lembaga Keuangan Syariah: Deskripsi dan Ilustrasi,

Yogyakarta : EKONISIA, 2005, h.83 2

Khotibul Umam, Trend Pembentukan Bank Umum Syariah Pasca Undang-Undang

Nomor 21 Tahun 2008 (Konsep, Regulasi, dan Implementasi), Yogyakarta : BPFE

Yogyakarta,2009, h.41

9

10

6/17/PBI/2004 yang telah diubah dengan Peraturan Bank Indonesia Nomor:

8/25/PBI/2006 tentang Bank Perkreditan Rakyat Berdasarkan Prinsip Syariah.

Undang-Undang (UU) Nomor 21 Tahun 2008 Tentang Bank Syari’ah telah

mengatur secara khusus eksistensi Bank Syari’ah di Indonesia. Undang-Undang

tersebut melengkapi dan menyempurnakan UU No. 7 Tahun 1992 Tentang

Perbankan sebagaimana telah diubah dengan UU No. 10 Tahun 1998 yang belum

spesifik sehingga perlu diatur khusus dalam Undang-Undang tersendiri. Menurut

Pasal 18 UU No. 21 Tahun 2008, Bank Syari’ah terdiri atas Bank Umum Syari’ah

dan Bank Pembiayaan Rakyat Syari’ah.

Pasal 1 UU No. 21 Tahun 2008 tentang Ketentuan Umum disebutkan

pengertian dari Bank Pembiayaan Rakyat Syari’ah (BPRS) adalah Bank Syari’ah

yang dalam kegiatanya tidak memberikan jasa dalam lalu lintas pembayaran.3

Sedangkan Pasal 2 UU No. 21 Tahun 2008 dijelaskan bahwa Perbankan Syari’ah

dalam melakukan kegiatan usahanya berasaskan Prinsip Syari’ah (Menurut pasal

1 UU No. 21 Tahun 2008 yang dimaksud prinsip syari’ah adalah prinsip hukum

Islam dalam kegiatan perbankan berdasarkan fatwa yang dikeluarkan oleh

lembaga yang memiliki kewenangan dalam penetapan fatwa di bidang syari’ah.),

demokrasi ekonomi, dan prinsip kehati-hatian.

2. Tujuan Bank Pembiayaan Rakyat Syariah (BPRS)

Tujuan operasionalisasi BPR Syariah adalah4

:

a) Meningkatkan kesejahteraan ekonomi umat Islam terutama masyarakat

golongan ekonomi lemah.

b) Meningkatkan pendapatan per kapita

c) Menambah lapangan kerja terutama di kecamatan-kecamatan

d) Mengurangi urbanisasi

e) Membina semangat ukhuwah Islamiyah melalui kegiatan ekonomi.

3 UU No. 21 tahun 2008 4

Heri Sudarsono, Bank dan Lembaga Keuangan Syariah: Deskripsi dan

Ilustrasi, Yogyakarta : EKONISIA, 2005, h.109

11

3. Kegiatan Usaha Bank Pembiayaan Rakyat Syariah

Adapun kegiatan usaha dari BPR Syari’ah intinya hampir sama dengan

kegiatan dari Bank Umum Syari’ah, yaitu berupa penghimpunan dana, penyaluran

dana, dan kegiatan di bidang jasa. perbedaanya adalah bahwa BPR Syari’ah tidak

diperkenankan memberikan jasa dalam lalu lintas pembayaran, misalnya ikut

dalam kegiatan kliring, inkaso, dan menertibkan giro.5

Kegiatan usaha BPR Syari’ah secara teknis operasional berkaitan dengan

produk-produknya mendasarkan pada Pasal 2 dan Pasal 3 PBI No. 9/19/PBI/2007

tentang pelaksanaan prinsip Syari’ah dalam kegiatan penghimpunan dana dan

penyaluran dana serta pelayanan jasa Bank Syari’ah sebagaimana telah diubah

dengan PBI No. 10/16/PBI/2008. Lebih teknis lagi mengacu SEBI No.

10/14/DPbS Jakarta, 17 Maret 2008 perihal pelaksanaan prinsip dalam kegiatan

penghimpunan dana dan penyaluran dana serta pelayanan jasa Bank Syari’ah.

Perlu ditekankan disini bahwa setiap pihak dilarang melakukan kegiatan

penghimpunan dana dalam bentuk simpanan atau investasi berdasarkan prinsip

Syari’ah tanpa izin terlebih dahulu dari Bank Indonesia, kecuali diatur dalam

undang-undang lain. Untuk dapat melakukan kegiatan-kegiatan sebagaimana

dimaksud di atas secara a contrario dapat ditafsirkan harus ada izin terlebih

dahulu dari Bank Indonesia6.

Kegiatan usaha yang dapat dilakukan oleh BPR Syari’ah menurut Undang-

Undang Nomor 21 tahun 2008 tentang Perbankan Syari’ah diatur dalam Pasal 21,

yaitu bahwa kegiatan usaha Bank Pembiayaan Rakyat Syari’ah meliputi7

:

5 Khotibul Umam, Trend Pembentukan Bank Umum Syariah Pasca Undang-Undang

Nomor 21 Tahun 2008 (Konsep, Regulasi, dan Implementasi), Yogyakarta : BPFE Yogyakarta,

2009, h.41 6

Khotibul Umam, Trend Pembentukan Bank Umum Syariah Pasca Undang-Undang

Nomor 21 Tahun 2008 (Konsep, Regulasi, dan Implementasi), h.55 7

Khotibul Umam, Trend Pembentukan Bank Umum Syariah Pasca Undang-Undang

Nomor 21 Tahun 2008 (Konsep, Regulasi, dan Implementasi), h.54

12

Penghimpunan Dana

1. Simpanan Amanah

Simpanan amanah adalah, sebab dalam hal ini bank menerima titipan amanah

(trustee account) dari nasabah. Disebut dengan titipan amanah karena bentuk

perjanjian adalah wadiah yaitu titipan yang tidak mengandung risiko. Namun

demikian, bank akan memberikan bonus dari bagi hasil keuntungan yang

diperoleh bank melalui pembiayaan kepada para nasabahnya8.

2. Tabungan Wadiah

Dalam tabungan ini bank menerima tabungan dari nasabah dalam bentuk

tabungan bebas. Sedangkan akad yang diikat oleh bank dengan nasabah dalam

bentuk wadiah. Bank memberikan bonus kepada nasabah. Bonus diperoleh bank

dari bagi hasil dari kegiatan pembiayaan kredit kepada nasabah lainnya. Bonus

tabungan wadiah itu dapat diperhitungkan secara harian dan dibayarkan kepada

nasabah pada setiap bulannya9.

3. Deposito Mudharabah / Wadiah

Dalam produk ini bank menerima deposito berjangka dari nasabahnya. Akad

dapat dilakukan dalam bentuk wadiah atau mudharabah. Pada umumnya, jangka

waktu deposito adalah 1, 3, 6, 12 bulan dan seterusnya sebagai bentuk penyertaan

modal. Sehingga nasabah/ deposan berhak mendapatkan bonus keuntungan dari

bagi hasil yang diperoleh bank dari pembiayaan/ kredit yang dilakukannya kepada

nasabah-nasabah lainnya.10

Penyaluran Dana

1. Pembiayaan Mudharabah

Dalam pembiayaan mudharabah ini bank mengadakan akad dengan nasabah

(pengusaha). Bank menyediakan pembiayaan modal usaha bagi proyek yang

8 Heri Sudarsono, Bank dan Lembaga Keuangan Syariah: Deskripsi dan

Ilustrasi, Yogyakarta : EKONISIA, 2005, h.109 9

Heri Sudarsono, Bank dan Lembaga Keuangan Syariah: Deskripsi dan Ilustrasi, h.109 10 Heri Sudarsono, Bank dan Lembaga Keuangan Syariah: Deskripsi dan Ilustrasi, h.110

13

dikelola oleh pengusaha. Keuntungan akan dibagi sesuai kesepakatan yang telah

diikat oleh bank dan pengusaha tersebut.11

2. Pembiayaan Musharakah

Dalam pembiayaan musharakah ini bank dengan pengusaha mengadakan

perjanjian. Bank dan pengusaha berjanji bersama-sama membiayai suatu proyek

yang juga dikelola bersama-sama. Keuntungan yang diperoleh dari usaha tersebut

akan dibagi sesuai dengan penyertaan masing-masing pihak.

3. Pembiayaan Bai’u Bithaman Ajil

Dalam bentuk penyertaan ini, bank mengikat perjanjian dengan nasabah. Bank

menyediakan suatu barang/aset yang dibutuhkan nasabah guna mendukung usaha

atau proyek yang sedang diusahaannya.12

B. Pertumbuhan laba

1. Pengertian dan Karakteristik Laba

Tujuan utama perusahaan adalah memaksimalkan laba. Pengertian laba

secara operasional merupakan perbedaan antara pendapatan yang direalisasi yang

timbul dari transaksi selama satu periode dengan biaya yang berkaitan dengan

pendapatan tersebut. Pengertian laba ialah kelebihan penghasilan diatas biaya

selama satu periode akuntansi13

. Sementara pengertian laba yang dianut oleh

struktur akuntansi sekarang ini adalah selisih pengukuran pendapatan dan biaya.

Besar kecilnya laba sebagai pengukur kenaikan sangat bergantung pada ketepatan

pengukuran pendapatan dan biaya.

Laba merupakan angka yang penting dalam laporan keuangan karena

berbagai alasan antara lain: laba merupakan dasar dalam perhitungan pajak,

pedoman dalam menentukan kebijakan investasi dan pengambilan keputusan,

dasar dalam peramalan laba maupun kejadian ekonomi perusahaan lainnya di

masa yang akan datang, dasar dalam perhitungan dan penilaian efisiensi dalam

11

Heri Sudarsono, Bank dan Lembaga Keuangan Syariah: Deskripsi dan Ilustrasi, h.110 12 Heri Sudarsono, Bank dan Lembaga Keuangan Syariah :Deskripsi dan Ilustrasi, h.110 13 Sofyan Syafri Harahap, 2008, Analisis Kritis Atas Laporan Keuangan. Jakarta: Raja

Grafindo Persada, h.113

14

menjalankan perusahaan, serta sebagai dasar dalam penilaian prestasi atau kinerja

perusahaan14

.

Laba memiliki beberapa karakteristik antara lain sebagai berikut15

:

1. Laba didasarkan pada transaksi yang benar-benar terjadi,

2. Laba didasarkan pada postulat periodisasi, artinya merupakan prestasi

perusahaan pada periode tertentu,

3. Laba didasarkan pada prinsip pendapatan yang memerlukan pemahaman

khusus tentang definisi, pengukuran dan pengakuan pendapatan,

4. Laba memerlukan pengukuran tentang biaya dalam bentuk biaya historis

yang dikeluarkan perusahaan untuk mendapatkan pendapatan tertentu, dan

5. Laba didasarkan pada prinsip penandingan (matching) antara pendapatan

dan biaya yang relevan dan berkaitan dengan pendapatan tersebut.

Laba terdiri dari empat elemen utama yaitu pendapatan (revenue), beban

(expense), keuntungan (gain), dan kerugian (loss)16

:

1. Pendapatan (revenue) adalah arus masuk atau peningkatan lain dari aktiva

suatu entitas atau pelunasan kewajibannya (atau kombinasi dari keduanya)

dari penyerahan atau produks suatu barang, pemberian jasa, atau aktivitas

lain yang merupakan usaha terbesar atau usaha utama yang sedang

dilakukan entitas tersebut.

2. Beban (expense) adalah arus keluar atau penggunaan lain dari aktiva atau

timbulnya kewajiban (atau kombinasi keduanya) dari penyerahan atau

produksi suatu barang, pemberian jasa, atau pelaksanaan aktivitas lain

yang merupakan usaha terbesar atau usaha utama yang sedang dilakukan

entitas tersebut.

3. Keuntungan (gain) adalah peningkatan dalam ekuitas (aktiva bersih) dari

transaksi sampingan atau transaksi yang terjadi sesekali dari suatu entitas

dan dari semua transaksi, kejadian, dan kondisi lainnya yang

263

14 Sofyan Safri Harahap, 2005, Teori Akuntansi, Jakarta: PT. Raja Grafindo Persada, h.

15

Anis Chariri dan Imam Ghozali. 2003. Teori Akuntansi., Semarang: UNDIP, h.214

15

mempengaruhi entitas tersebut kecuali yang bersal dari pendapatan atau

investasi pemilik.

4. Kerugian (loss) adalah penurunan dalam ekuitas (aktiva bersih) dari

transaksi sampingan atau transaksi yang terjadi sesekalidari suatu entitas

dan dari semua transaksi, kejadian, da kondisi lainnya yang mempengaruhi

entitas tersebut, kecuali yang berasal dari pendapatan atau investasi

pemilik.

Perbandingan yang tepat atas pendapatan dan biaya tergambar dalam laporan

laba rugi. Penyajian laba melalui laporan tersebut merupakan fokus kinerja

perusahaan yang penting. Kinerja perusahaan merupakan hasil dari serangkaian

proses dengan mengorbankan berbagai sumber daya. Adapun salah satu parameter

penilaian kinerja perusahaan tersebut adalah pertumbuhan laba.

Pertumbuhan laba dihitung dengan cara mengurangkan laba periode

sekarang dengan laba periode sebelumnya kemudian dibagi dengan laba pada

periode sebelumnya17

Pertumbuhan laba = x 100%

2. Faktor- Faktor yang Mempengaruhi Pertumbuhan Laba

Pertumbuhan laba dipengaruhi oleh beberapa faktor antara lain18

:

a. Besarnya perusahaan.

Semakin besar suatu perusahaan, maka ketepatan pertumbuhan laba

yang diharapkan semakin tinggi.

17

Warsidi & Bambang Agus Pramuka (Jurnal Akuntansi, Manajemen dan Ekonomi Vol.

2 No. 1 Tahun 2000)

18

Angkoso, Pengaruh rasio keuangan terhadap pertumbuhan laba pada perusahaan

industri barang konsumsi yang terdaftar di BEI, ( Skripsi Fakultas Ekonomi, Universitas Sumatra

Utara)

16

b. Umur perusahaan.

Perusahaan yang baru berdiri kurang memiliki pengalaman dalam

mengingkatkan laba, sehingga ketepatannya masih rendah.

c. Tingkat leverage.

Bila perusahaan memiliki tingkat hutang yang tinggi, maka manajer

cenderung memanipulasi laba sehingga dapat mengurangi ketepatan

pertumbuhan laba.

d. Tingkat penjualan.

Tingkat penjualan di masa lalu yang tinggi, semakin tinggi tingkat

penjualan di masa yang akan datang sehingga pertumbuhan laba semakin

tinggi.

e. Perubahan laba masa lalu.

Semakin besar perubahan laba masa lalu, semakin tidak pasti laba

yang diperoleh di masa mendatang.

Pertumbuhan laba juga dipengaruhi oleh kondisi eksternal dari perusahaan,

yaitu19

:

a. Tingkat Penjualan (Sales)

Penjualan dapat berupa penjualan barang dagangan maupun penjualan

jasa. Jumlah transaksi penjualan yang terjadi di suatu perusahaan biasanya

cukup besar dibandingkan dengan jenis transaksi yang lainnya. Pendapatan

meliputi arus kas masuk seperti penjualan tunai, dan arus kas masuk

prospektif seperti penjualan kredit. Pendapatan diharapkan tetap terjadi

selamanya berdasarkan kelangsungan usaha. Penggunaan metode pengakuan

pendapatan dapat mempengaruhi laba yang dilaporkan secara signifikan

b. Tingkat Inflasi

Tingkat Inflasi adalah proses kenaikan harga-harga umum secara terus-

menerus. Inflasi dapat menyebabkan menurunnya daya beli masyarakat karena

secara riel tingkat pendapatan juga menurun.20

Tingkat inflasi dalam

19 Rice Aguastina, Analisa faktor-faktor yang mempengaruhi pertumbuhan laba dengan

ukuran perusahaan sebagai variabel moderating pada perusahaan manufaktur yang terdapat di

bursa efek indonesia, (Jurnal Wira Ekonomi Mikroskil, Vol 6, Nomor 01, April 2016) 20

I Putong, 2008, Pengantar Mikro dan Makro Edisi 2, Jakarta: Penerbit Wacana Media

17

perekonomian disatu sisi selalu menjadi momok yang relatif menakutkan,

karena dapat melemahkan daya beli dan juga dapat melumuhkan kemampuan

produksi yang mengarah pada krisis produksi dan konsumsi. Namun di sisi

lain, ketiadaan inflasi menandakan tidak adanya pergerakan positif dalam

perekonomian karena harga-harga tidak berubah sehingga justru akan

melemahkan sektor industri.

c. Pertumbuhan Ekonomi

Pertumbuhan ekonomi adalah kenaikan pendapatan nasional secara berarti

dalam suatu periode perhitungan tertentu. Angka pertumbuhan ekonomi

umumnya dalam bentuk persentase dan bernilai positif. Namun tidak menutup

kemungkinan bahwa angka pertumbuhan ekonomi bernilai negatif. Negatifnya

pertumbuhan ekonomi disebabkan karena adanya penurunan yang lebih besar

dari pendapatan nasional tahun berikutnya dibandingkan dengan tahun

sebelumnya.21

3. Analisis Pertumbuhan Laba

Ada dua macam analisis untuk menentukan pertumbuhan laba yaitu analisis

fundamental dan analisis teknikal, tetapi dalam penelitian ini analisis yang

digunakan adalah analisis fundamental22

.

a. Analisis Fundamental

Analisis fundamental merupakan analisis yang berhubungan dengan kondisi

keuangan perusahaan. Dengan analisis fundamental diharapkan calon investor

akan mengetahui bagaimana operasional dari perusahaan yang nantinya menjadi

milik investor, apakah sehat atau tidak, apakah menguntungkan atau tidak dan

sebagainya. Hal ini penting karena nantinya akan berhubungan dengan hasil yang

akan diperoleh dari investasi dan risiko yang harus ditanggung.

Analisis fundamental merupakan analisis historis atas kekuatan keuangan dari

suatu perusahaan yang sering disebut dengan company analysis. Data yang

21

I Putong, 2008, Pengantar Mikro dan Makro Edisi 2, Jakarta: Penerbit Wacana Media

22 Angkoso, Pengaruh rasio keuangan terhadap pertumbuhan laba pada perusahaan

industri barang konsumsi yang terdaftar di BEI, ( Skripsi Fakultas Ekonomi, Universitas Sumatra

Utara)

18

digunakan adalah data historis, artinya yang telah terjadi dan mencerminkan

keadaan keuangan yang sebenarnya pada saat dianalisis. Dalam company analysis

para analis menganalisis laporan keuangan perusahaan, salah satunya dengan rasio

keuangan. Para analis fundamental mencoba memprediksi etumbuhan laba dimasa

yang akan datang dengan mengestimasi faltor fundamental yang mempengaruhi

pertumbuhan laba yang akan datang yaitu kondisi nominal dan kondisi keuangan

perusahaan.

b. Analisis Teknikal

Analisis teknikal sering dipakai oleh investor, dan biasanya data atau catatan

pasar yang digunakan berupa grafik. Analisis ini berupaya untuk memprediksi

pertumbuhan laba di masa yang akan datang dengan mengamati perubahan laba di

masa lalu. Teknik ini mengabaikan hal -hal yang berkaitan dengan posisi

keuangan perusahaan.

C. Hubungan Variabel Independen dengan Variabel Dependen

1. Hubungan CAR terhadap Pertumbuhan Laba

CAR merupkan rasio kecukupan modal yang ditunjukkan dengan kemampuan

bank dalam mempertahankan modal yang mencukupi dan kemampuan

manajemen bank dalam mengidentifikasi, mengukur, mengawasi, dan mengontrol

risiko yang timbul yang dapat mempengaruhi besarnya modal bank.23

CAR juga merupakan indikator kemampuan bank menutupi penurunan

aktivanya sebagai akibat dari kerugian-kerugian yang disebabkan oleh aktiva yang

berisiko dengan kecukupan modal yang dimilikinya dengan kata lain semakin

kecil risiko maka semakin meningkat keuntungan yang diperoleh, sehingga

23 Nur Aini, 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 Vol.2 No.2 ,2013.

19

semakin tinggi CAR yang dicapai oleh bank menunjukkan kinerja bank semakin

baik dan keutungan bank akan senakin meningkat.24

Penelitian yang dilakukan oleh Lubis25

dan Aini26

menunjukkan bahwa CAR

memiliki pengaruh signifikan terhadap pertumbuhan laba. Berdasarkan uraian

tersebut, maka hipotesis pertama (H1) pada penelitia ini adalah CAR memiliki

pengaruh sgnifikan terhadap pertumbuhan laba.

H1 : CAR memiliki pengaruh sgnifikan terhadap pertumbuhan laba.

2. Hubungan BOPO terhadap Pertumbuhan Laba

Rasio BOPO sering disebut rasio efisiensi yang digunakan untuk mengukur

kemampuan bank dalam mengendalikan biaya operasional terhadap pendapatan

operasional. Semakinkecil rasio ini brarti semakin efisien biaya operasional yang

dikeluarkan oleh bank bersankutan.27

Penelitian yang dilakukan oleh Lubis28

dan Aini29

menunjukkan bahwa BOPO

memiliki pengaruh signifikan terhadap pertumbuhan laba. Berdasarkan uraian

tersebut, maka hipotesis ketiga (H2) pada penelitia ini adalah BOPO memiliki

pengaruh sgnifikan terhadap pertumbuhan laba.

H2 : BOPO memiliki pengaruh sgnifikan terhadap pertumbuhan laba.

24

Nur Aini, 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 Vol.2 No.2 ,2013. 25

Anisah Lubis, Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba pada

BPR di Indonesia, (Jurnal Ekonomi dan Keiangan Vol.1 No.4), 2013. 26

Nur Aini, 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 Vol.2 No.2 ,2013. 27

Anisah Lubis, Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba pada

BPR di Indonesia, (Jurnal Ekonomi dan Keiangan Vol.1 No.4), 2013. 28

Anisah Lubis, Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba pada

BPR di Indonesia, (Jurnal Ekonomi dan Keiangan Vol.1 No.4), 2013. 29

Nur Aini, 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 Vol.2 No.2 ,2013.

20

3. Hubungan FDR terhadap peertumbuhan laba

FDR adalah rasio keuangan perbankan yang berhubungan dengan aspek

likuiditas. Rasio ini digunakan untuk mengukur tingkat likuiditas.30

Rasio yang

tinggi menunjukan bahwa suatu bank meminjamkan seluruh dananya atau relatif

tidak likuid. Sebaliknya, rasio yang rendah menunjukkan bank yang likuid dengan

kelebihan kapasitas dana yang siap untuk dipinjamkan.31

Penyaluran kredit merupakan kegiatan utama bank. Oleh karena itu, sumber

pendapatan utama bank berasal dari kegiatan ini. Semakin besar penyaluran dana

dalam bentuk kredit dibandingkan dengan deposit atau simpanan masyarakat pada

suatu bank, semakin besar risiko yang harus ditanggung oleh bank yang

bersangkutan.32

Akan tetapi semakin tinggi kredit/ pembiayaan yang diberikan

kepada masyarakat akan semakin besar pendapatan yang diperoleh bank.

Penelitian yang dilakukan oleh Lubis33

, dan Syahputra,dkk.,34

menunjukkan bahwa FDR memiliki pengaruh signifikan terhadap pertumbuhan

laba. Berdasarkan uraian tersebut maka hipotesis keempat (H3) pada penelitian ini

adalah FDR memiliki pengaruh signifikan terhadap pertumbuhan laba.

H3 : FDR memiliki pengaruh signifikan terhadap pertumbuhan laba

4. Hubungan NPF terhadap pertumbuhan laba

NPF merupakan rasio keuangan yang menunjukkan seberapa besar aktiva

produktif bermasalah yang dimiliki oleh bank. NPF menunjukkankemampuan

h.298.

30 Wardiah dan Mia Lasmi, Dasar –Dasar Perbankan. Bandung: Pustaka Setia,2013,

31

Wardiah dan Mia Lasmi, Dasar –Dasar Perbankan, h.298 32 Wardiah dan Mia Lasmi, Dasar –Dasar Perbankan, h.298 33

Anisah Lubis, Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba pada

BPR di Indonesia, (Jurnal Ekonomi dan Keiangan Vol.1 No.4), 2013. 34

Syahputra, Renaldy, dkk.,Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba

Bank Pembanungan Daerah di Indonesia dengan Pertumbuhan Kredit Sebagai Variabel

Intervening (Studi pada Bank-Bank Pembangunan Daerah di Sumatera), (Jurnal Tepak Manajemen

Bisnis, Vol. VI No.2) ,2014.

21

manajemen bank dalam mengelola kredit/pembiayaan bermasalah yang diberikan

oleh bank, semakin tinggi rasio ini maka semakin buruk kualitas kredit bank.35

Penelitian yang dilakukan oleh Lubis (2013)36

, Fathoni,dkk (2012)37

dan

syahputra,dkk. (2014)38

menunjukan bahwa rasio NPF memiliki pengaruh yang

signifikan terhadap pertumbuhan laba. Berdasarkan uraian di atas maka hipotesis

kelima (H5) adalah NPF memiliki pengaruh signifikan terhadap pertumbuhan

laba.

H5 = NPF memiliki pengaruh signifikan terhadap pertumbuhan laba.

35 Emilda, Pengaruh Rasio Keuangan Terhadap Perubahan Laba pada Bank Syariah di

Indonesia, (Jurnal Media Wahana Ekonomika Vol.12 No.4), 2016. 36

Anisah Lubis, Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba pada

BPR di Indonesia, (Jurnal Ekonomi dan Keiangan Vol.1 No.4), 2013. 37

Fathoni, Muhammad Isnaini, dkk., Pengaruh Tingkat Kesehatan Bank Terhadap

Pertumbuhan Laba pada Perusahaan Sektor Perbankan, (Jurnal Ekonomi Manajemen Sumber

Daya Vol.13 No.1), 2013. 38

Syahputra, Renaldy, dkk.,Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba

Bank Pembanungan Daerah di Indonesia dengan Pertumbuhan Kredit Sebagai Variabel

Intervening (Studi pada Bank-Bank Pembangunan Daerah di Sumatera), (Jurnal Tepak Manajemen

Bisnis, Vol. VI No.2) ,2014.

22

D. Kerangka konsep

Pengaruh Rasio Keuangan Terhadap Pertumbuhan Bank Perkreditan

Rakyat Syariah di Indonesia

Pertumbuhan laba (Y), CAR (X1), ROA (X2), BOPO (X3), FDR

(X4), NPF (X5)

Jangka panjang Jangka pendek

Pengumpulan Data Time Series

Uji Stasioneritas

Stasioner 1st

Level/ 1st

diff/

2st

diff tidak ada kointegrasi

Tidak stasioner

Stasioner 1st

diff/ 2st

diff, ada kointegrasi

Uji Kointegrasi

Vector Error Conection

Model (VECM)

Tahapan Estimasi Model VAR/ VECM

1. Proses peramalan dengan Impulse Respoponse Function

2. Pembentukan Variance decomposition

KESIMPULAN

23

E. Review studi terdahulu

No Peneliti Isi Perbedaan

1 Penulis : Mohamad

Nur Utomo39

(Jurnal Universitas

Borneo Tarakan)

Judul : Pengaruh

Rasio Keuangan

Terhadap

Pertumbuhan Laba

Lembaga Keuangan

Syariah (Studi Kasus

Koperasi Syariah

BMT Al-Fath

Tarakan)

Tahun : 2012

Tujuan : Mengukur

kualitas kinerja

keuangan BMT dengan

menggunakan rasio

CAMEL yang

berpedoman pada SEBI

No. 30/3/UPPB tanggal

30 April 1997, serta

melihat sejauh mana

rasio-rasio keuangan

CAMEL mempengaruhi

pertumbuhan laba SHU

BMT.

Metode Penelitian :

Analisis Regresi Linear

Berganda

Hasil : Hasil kajian ini

menunjukan bahwa dari

hasil perhitungan

didapatkan nilai F

hitung sebesar 5,505

dengan P value sebesar

0,004. Hal ini berarti

Objek penelitiannya

adalah lembaga

perbankan khususnya

BPRS. Kemudian

metode yang

digunakan adalah

Model VECM (Vector

Error

Correction Model).

39 Mohamad Nur Utomo, Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba

Lembaga Keuangan Syariah (Studi Kasus Koperasi Syariah BMT Al-Fath Tarakan), (Jurnal

Universitas Tarakan, 2012)

24

nilai P value kurang dari

0,05 yang menunjukkan

bahwa variabel CAR,

KAP, NPM, ROA,

BOPO, FDR, dan Cash

Ratio secara bersama-

sama berpengaruh

terhada kinerja. Namun

secara parsial dari

keenam rasio keuangan

CAMEL hanya ada 2

variabel (NPM dan

FDR) yang memilik

pengaruh positif

terhadap pertumbuhan

laba SHU BMT dimana

semakin tinggi nilai

rasio tersebut maka

semakin tinggi juga

pertumbuhan SHU

perusahaan tersebut.

2 Penulis : Anisah

Lubis40

(Jurnal Ekonomi dan

Keuangan Vol 1, No

4)

Tujuan : Untuk melihat

sejauh mana pengaruh

variabel CAR, NPL,

BOPO, dan LDR

mempengaruhi

pertumbuhan laba pada

BPR di Indonesia.

Penulis menganalisis

rasio keuangan

perbankan yang

mampu memprediksi

pertumbuhan laba

BPRS di Indonesia

pada periode

40

Anisah Lubis, Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba pada

BPR di Indonesia, (Jurnal Ekonomi dan Keiangan Vol.1 No.4), 2013.

25

Judul : Pengaruh

Tingkat Kesehatan

Bank Terhadap

Pertumbuhan Laba

Pada BPR Di

Indonesia

Tahun : 2013

Metode Penelitian :

Analisis Regresi Linear

Berganda

Hasil : Hasil pengujian

hipotesis dengan

menggunakan regresi

linear berganda dengan

empat variabel

independent yaitu CAR,

NPL, BOPO, dan LDR

menunjukan bahwa

variabel tersebut secara

bersama-sama

berpengaruh secara

signifikan terharap

variabel dependent yaitu

pertumbuhan laba di

Bank Perkreditan

Rakyat.

berikutnya. Metode

yang digunakan Model

VECM (Vector Error

Correction Model)

3 Penulis : Ade

Gunawan dan Sri

Safitri Wahyuni41

(Jurnal Manajemen &

Bisnis Vol 13 No. 01

April 2013)

Tujuan : untuk menguji

secara parsial dan

simultan pengaruh rasio

keuangan (TATO,

FATO, ITO, CR,DAR,

DER) terhadap

pertumbuhan laba pada

Variabel dan objek

penelitian berbeda dan

metode yang

digunakan Model

VECM (Vector Error

Correction Model)

41

Ade Gunawan dan Sri Safitri Wahyuni, Pengaruh Rasio Keuangan Terhadap

Pertumbuhan Laba Pada Perusahaan Perdagangan Di Indonesia, (Jurnal Manajemen & Bisnis Vol

13 No. 01 April 2013)

26

Judul : Pengaruh

Rasio Keuangan

Terhadap

Pertumbuhan Laba

Pada Perusahaan

Perdagangan Di

Indonesia

Tahun : 2013

perusahaan perdagangan

di Buersa Efek

Indonesia.

Metode penelitian :

Analisis Regresi Linear

Berganda

Hasil : Hasil penelitian

menunjukan bahwa rasio

keuangan (TATO,

FATO, ITO, CR, DAR,

DER) secara bersama-

sama berpengaruh

signifikan terhadap

pertumbuhan laba.

Namun secara parsial

hanya tiga rasio

keuangan yang memiliki

pengaruh yang

signifikan terhadap

pertumbuhan laba yaitu

rasio TATO, FATO, dan

ITO.

4 Penulis : I Nyoman

Kusuma Adnyana

Mahaputra

(Jurnal AUDI

Akuntansi dan Bisnis

Vol 7, No 2, Juli

Tujuan : memberikan

bukti bahwa variabel

Current Ratio, Debt to

Equity Ratio, Total

Assets Turnover, dan

Profit Margin

berpengaruh terhadap

Variabel dan objek

penelitian berbeda dan

metode yang

digunakan Model

VECM (Vector Error

Correction Model)

27

2012)

Judul : Pengaruh

Rasio-Rasio

Keuangan Terhadap

Pertumbuhan Laba

Pada Perusahaan

Manufaktur Yang

Terdapat Di BEI

Tahun : 2012

pertumbuhan laba pada

perusahaan manufaktur

yang terdaftar di BEI

2006-2011.

Metode penelitian :

Analisis Regresi Linear

Berganda

Hasil : Uji data statistik

dengan model

Kolmogorov-Smirnov

menunjukkan bahwa

masing-masing variabel

memiliki nilai

signifikansi diatas 0,05.

Hal ini berarti seluruh

data telah berdistribusi

normal.

BAB III

METODE PENELITIAN

A. Jenis dan pendekatan penelitian

Penelitian yang dilakukan adalah penelitian analitis, hal ini dikarenakan

penelitian bertujuan untuk mengetahui hubungan sebab antara dua variabel secara

observasional, dimana bentuk hubungan dalam penelitian merupakan pengaruh

rasio keuangan terhadap pertumbuhan laba BPRS di Indonesia pada periode tahun

2011-2016.

Dengan pendekatan kuantitatif, disebut kuantitatif karena data penelitiannya

berupa angka-angka dan analisisnya menggunakan statistik. Dalam penelitian ini,

pengumpulan data dengan mengunduh laporan keuangan bulanan BPRS seluruh

Indonesia dan kemudian data tersebut diolah menggunakan bantuan Eviews 9 dan

Microsoft Excel.

B. Jenis data/ sumber data

Data dalam penelitian ini menggunakan data sekunder. Data sekunder

merupakan sumber data penelitian yang diperoleh secara tidak langsung melalui

media perantara yang dicatat oleh pihak lain1. Data sekunder umunya berupa

bukti, catatan atau laporan historis yang telah tersusun dalam data dokumenter

yang dipublikasikan dan yang tidak dipublikasikan.

1Bambang Supomo dan Nur Indriantoro, Metodologi Penelitian Bisnis, Cetakan Kedua.

Yogyakarta : Penerbit BFEE UGM, 2002, h. 147

27

28

Data-data penelitian diperoleh melalui sumber:

1. Penelitian Pustaka (Library Research)

Data yang berkaitan dengan masalah yang akan diteliti diperoleh melalui

buku, jurnal, skripsi, tesis, internet, artikel, dan pustaka lainnya yang

berkaitan dengan penelitian.

2. Penelitian Lapangan (Field Research)

Data sekunder yang digunakan peneliti diperoleh dari laporan keuangan

bulanan BPRS seluruh Indonesia periode Januari 2011 sampai Desember

2016, data dapat diunduh melalui laporan publikasi situs (website) masing-

masing bank dan laporan publikasi yang dikeluarkan oleh OJK.

C. Populasi dan Teknik Pengambilan Sampel

Populasi adalah keseluruhan obyek penelitian baik terdiri dari benda yang

nyata, abstrak, peristiwa ataupun gejala yang merupakan sumber data dan

memiliki karakter tertentu dan sama.2

Populasi dalam penelitian ini adalah seluruh

Bank Pembiayaan Rakyat Syariah (BPRS) yang beroperasi di Indonesia.

Sampel adalah bagian dari populasi yang memiliki sifat-sifat yang sama dari

obyek yang merupakan sumber data.3

Untuk kriteria pemilihan sampel yang

dijadikan sampel dalam penelitian ini adalah Bank Pembiayaan Rakyat Syariah

(BPRS) yang beroperasi di Indonesia sejak tahun 2011 hingga tahun 2016.

D. Teknik Analisis Data

Metode analisis data yang digunakan dalam penelitian ini yaitu metode

analisis data kuantitatif. Metode analisis data kuantitatif adalah metode analisis

data yang menggunakan perhitungan angka-angka yang nantinya akan

dipergunakan untuk mengambil suatu keputusan di dalam memecahkan masalah

dan data-data yang diperoleh dianalisa dengan menggunakan teori-teori yang telah

2 Sukandarrumidi, Metedologi Penelitian Petunjuk Praktis Untuk Peneliti

Pemula, Yogyakarta: Gadjah Mada University Press, 2004, h.47

3 Sukandarrumidi, Metedologi Penelitian Petunjuk Praktis Untuk Peneliti Pemula, h. 50

29

berlaku secara umum, sehingga dapat ditarik suatu kesimpulan serta menguji

apakah hipotesis yang dirumuskan dapat diterima atau ditolak.

1. Metode Estimasi VAR

Metode estimasi ini sering juga disebut sebagai pendekatan struktural

terhadap persamaan model simultan yang biasanya digunakan untuk

menggambarkan hubungan antar variabel-variabel yang ingin diuji dimana

terdapat hubungan saling mempengaruhi antara variabel sehingga dikatakan ada

kondisi endoginitas antar variabel terikat dengan variabel bebas dalam model

simultan tersebut. Karena itulah mengapa proses estimasi terkesan menjadi rumit,

dan terkadang menghasilkan kesimpulan yang berbeda dengan teori secara umum.

Hal ini bisa dikarenakan salah spesifikasi data ataupun spesifikasi model. Karena

itulah penggunaan metode VAR dalam estimasi akan mempermudah analisa

terhadap variabel-variabel yang memiliki hubungan endoginitas dalam suatu

persamaan.4

Metode estimasi lain seringkali menganggap bahwa suatu variabel

hanya akan bersifat sebagai variabel terikat atau sebaliknya bersifat sebagai

variabel bebas saja. Padahal faktanya, seringkali suatu variabel memiliki fungsi

endoginitas dengan variabel lain di dalam model, dimana variabel tersebut juga

berfungsi sebagai variabel terikat dari variabel yang lainnya. Begitu pula

sebaliknya, dapat juga berfungsi sebagai variabel bebas dari variabel yang lain.

Inilah permasalahan analisa persamaan simultan yang melandasi mengapa perlu

dibutuhkan metode VAR untuk mengestimasinya. Karena jika data persamaan

simultan dipaksakan diestimasi dengan menggunakan metode regresi biasa maka

hasilnya akan bias dan cenderung bersifat spurious regression.

a. Macam-Macam Bentuk VAR

Ada tiga macam bentuk VAR5, yakni VAR tanpa restriksi, VAR terestriksi

(VECM), dan struktural VAR (S-VAR). Bentuk VAR tanpa restriksi ini terkait

erat dengan permasalahan kointegrasi dan hubungan teoritis. Jika data yang

digunakan di dalam pembentukan VAR adalah stasioner di tingkat level, maka

2004.

4 Enders, W. Applied Econometrics Time Series, Second edition, John Wiley & Sony Inc.

5

I Gede Putra Arsana. Modul VAR With Eviews 4. Ilmu Ekonomi FEUI. 2008

30

bentuk VAR yang digunakan adalah VAR biasa atau VAR tanpa restriksi.

Sebaliknya VECM merupakan bentuk VAR yang terestriksi. Restriksi tambahan

ini harus diberikan karena keberadaan bentuk data yang tidak stasioner serta

dengan permasalahan kointegrasi. VECM kemudian memanfaatkan informasi

restriksi kointegrasi tersebut ke dalam spesifikasinya. Karena itulah VECM sering

disebut sebagai VAR bagi series nonstasioner yang memiliki hubungan

kointegrasi (secara teoritis ataupun secara data varibel ada kemungkinan

terkointegrasi). Spesifikasi model VECM merestriksi hubungan jangka panjang

variabel-variabel endogen agar konvergen ke dalam hubungan kointegrasinya,

namun dengan tetap membiarkan keberadaan dinamisasi jangka pendek. Istilah

kointegrasi dikenal juga sebagai error, karena deviasi terhadap ekuilibrium jangka

panjang dikoreksi secara bertahap melalui series parsial penyesuaian jangka

pendek.

Sedangkan bentuk model VAR yang terakhir adalah struktural VAR atau

sering juga disebut sebagai S-Var. Seperti halnya VECM, S-Var juga merupakan

bentuk VAR yang terestriksi. S-Var merestriksi berdasarkan hubungan teoritis

yang kuat dan skema urutan (ordering) variabel-variabel yang digunakan dalam

sistem VAR. Oleh karena itulah mengapa S-Var juga sering disebut sebagai

bentuk VAR yang teoritis dan sering juga dianggap sebagai bentuk VECM namun

dengan dasar teoritis yang kuat dalam pengurutan variabelnya. Karena itulah

mengapa dalam model VAR ini urutan variabel menjadi penting, karena

menunjukkan hubungan antar variabel.

b. Prosedur Pengujian Metode VAR

Adapun prosedur metode estimasi VAR yang akan digunakan dalam

penelitian ini jika diurutkan tahapannya adalah sebagai berikut :

1) Uji kondisi stasioneritas variabel. Jika stasioner pada level maka

digunakan VAR, namun jika tidak stasioner maka digunakan VECM

2) Uji kointegrasi antar variabel. Prosedur ini digunakan untuk menentukan

apakah metode VAR yang akan digunakan, VAR atau Vector Error

Correction Model (VECM).

31

3) Prosedur dalam VAR / VECM

Penentuan panjang lag optimal

Proses peramalan dengan Impulse Response Function

Pembentukan Variance Decomposition

c. Pengujian Stasioneritas Variabel

Salah satu konsep penting yang harus diingat dalam analisa dengan

menggunakan data time series adalah kondisi data yang stasioner atau tidak

stasioner. Jika estimasi dilakukan dengan menggunakan data yang tidak stasioner

maka akan memberikan hasil regresi yang palsu atau disebut sebagai spurious

regression6. Spurious regression memiliki pengertian bahwa hasil regresi dari satu

variabel time series pada satu atau beberapa variabel time series lainnya

cenderung untuk menghasilkan kesimpulan hasil estimasi yang bias yang

ditunjukkan dengan karakteristik seperti memperoleh hasil R2

yang sangat tinggi

(lebih besar dari 0,9) tetapi pada kenyataannya hubungan antara variabel tersebut

tidak memiliki arti atau meaningless dan jika R2> d (durbin watson statistik),

maka kondisi ini merupakan rule of thumb yang baik untuk menduga bahwa hasil

estimasi tersebut kemungkinan besar merupakan nonsense/spurious regression.

Jika sebuah data time series merupakan data yang stasioner maka studi atas

perilaku untuk data tersebut hanya dapat dilakukan untuk periode waktu tertentu.

Atau dengan kata lain bahwa setiap bagian dari data time series tersebut

merupakan bagian yang terpisah satu sama lain. Sebagai konsekuensi dari kondisi

tersebut adalah tidak mungkin untuk melakukan estimasi secara generalisasi pada

periode waktu yang berbeda-beda. Gujarati menyebutkan kondisi stochastic

process dikatakan stasioner jika rata-rata dan variansnya konstan dalam beberapa

periode waktu, dan nilai dari kovarians anatara dua waktu yang berbeda

tergantung dari lag antara dua periode waktu tidak tergantung pada waktu aktual

pada saat kovarians dihitung.7

Bisa juga dikatakan sebagai data time series yang

6

Gujarati N. Damodar. Basic Econometrics fourth edition. McGraw-Hill, 2004. 7

Gujarati N. Damodar. Basic Econometrics fourth edition. McGraw-Hill, 2004.

32

stasioner jika rata-rata, varians dan otokovariansnya dalam berbagai jumlah lag

menunjukkan kesamaan saaat diukur pada berbagai titik pengukuran.

Ada beberapa metode yang dapat digunakan untuk menguji stasioneritas. Dua

metode yang paling umum digunakan adalah dengan menggunakan metode

pengujian augmented dickey-fuller dan metode pengujian Philip-Peron. Asumsi

penting yang digunakan dalam pengujian Dickey-Fuller adalah error-nya secara

statistik bersifat independen dan mempunyai varians yang konstan. Kemudian

metode dasar ini dikembangkan lagi menjadi metode augmented dickey-fuller

dimana ditambahkan lag pada variabel. Sedangkan metode pengujian Philip-

Peron menggunakan metode statistik non-parametrik sehingga untuk mengatasi

permasalahan serial korelasi tanpa menambahkan lag. Untuk pengujian Philip-

Peron, maka H0 adalah mengandung unit root yang menunjukkan kondisi tidak

stasioner. Dalam penelitian ini, pengujian stasioneritas akan digunakan hasil

analisa dari kedua metode di atas, yakni pengujian dengan augmented Dickey-

Fuller dan pengujian Philip-Perron. Jika hasil dari pengujian stasioneritas

menunjukkan nilai statistik t yang lebih besar dari area penolakannya (dalam

pengujian ini digunakan alpha = 5%) maka H0 tidak cukup bukti untuk ditolak,

atau berarti ada unit root dalam data tersebut atau tidak stasioner. Dan sebaliknya

jika nilai statistik t lebih kecil dari area penolakan maka H0 ditolak, atau berarti

variabel atau data tersebut adalah stasioner. Data atau variabel yang stasioner pada

tingkat level akan berujung pada penggunaan VAR dengan metode standar.

Sementara series non-stasioner akan berimplikasi pada dua pilihan VAR, yakni

VAR dalam bentuk turunan, atau VAR dalam bentuk VECM. Karena itulah

mengapa pengujian stasioneritas data memegang peranan penting dalam tahapan

proses estimasi dengan menggunakan metode VAR. Untuk pemilihan metode uji

VAR akan mengacu pada ada tidaknya hubungan kointegrasi antar variabel.

d. Pengujian Kointegrasi Variabel

Dalam penelitian ini penulis juga diharuskan melakukan pengujian kointegrasi

variabel yang akan digunakan dalam estimasi VAR. Jika terbukti ada

permasalahan kointegrasi antar variabel yang akan digunakan dalam model VAR,

maka nantinya metode VAR yang harus dipakai adalah metode VECM. Dengan

33

menggunakan bantuan software e-views pengujian kointegrasi ini dapat dilakukan

dimana penulis memutuskan untuk menggunakan metode Johansen Cointegration

Test. Metode ini didasarkan pada hubungan antara rank dari sebuah matrik dengan

akar karakteristiknya yang akan dihasilkan nilai trace statistic yang dibandingkan

dengan critical value. Jika pada hipotesa nol misalkan 1, dan jika nilai trace

statistic lebih besar dari critical value maka dapat diambil kesimpulan bahwa

terdapat paling tidak dua hubungan kointegrasi antara variabelnya.

e. Prosedur VAR / Vector Error Correction Model (VECM)

Salah satu kegunaan pengujian stasioneritas dan kointegrasi sebelumnya

adalah digunakan untuk menentukan metode VAR yang akan dipakai melakukan

dalam estimasi apakah metode VAR in Level ataukah menggunakan metode

Vector Error Correction Model (VECM). Jika pengujian sebelumnya

menunjukkan hasil estimasi data yang tidak stasioner namun memiliki kointegrasi

dengan variabel data yang lain maka akan digunakan metode VECM. Metode ini

pada dasarnya menggunakan bentuk VAR yang terestriksi. Restriksi tambahan ini

harus diberikan karena keberadaan bentuk data yang tidak stasioner namun

terkointegrasi. VECM kemudian memanfaatkan informasi restriksi kointegrasi

tersebut ke dalam spesifikasi model. Karena itulah mengapa VECM juga sering

disebut sebagai model VAR bagi data time series yang bersifat non stasioner dan

memiliki hubungan kointegrasi. Ada beberapa tahapan penting dalam proses

estimasi VECM, yakni antara lain : penentuan panjang lag optimal, pengujian

peramalan dengan menggunakan impulse response function dan pembentukan

Variance decomposition.

1. Penentuan Panjang Lag

Salah satu kondisi yang harus diperhatikan dalam etimasi dengan

menggunakan metode VAR adalah kondisi penentuan panjang lag yang akan

digunakan. Permasalahan yang muncul apabila panjang lagnya terlalu kecil akan

membuat model tersebut tidak dapat digunakan karena kurang mampu

menjelaskan hubungannya. Dan sebaliknya, jika panjang lag yang digunakan

terlalu besar maka derajat bebasnya (degree of freedom) akan menjadi lebih besar

sehingga tidak efisien lagi dalam menjelaskan. Salah satu metode yang paling

34

umum digunakan untuk menentukan panjang lag adalah dengan melihat Akaike

Information Criterion (AIC). Dimana rumusnya adalah8

:

AIC = T Log |Σ| + 2 N

Dimana |Σ| adalah determinan dari matrik residual varians atau kovarian

sedangkan N adalah jumlah total dari parameter yang diestimasi dalam semua

persamaan. Gujarati memberikan pedoman dalam melihat nilai AIC, dimana nilai

AIC terendah yang didapatkan dari hasil estimasi VAR dengan berbagai lag

menunjukkan bahwa panjang lag tersebut yang paling baik untuk digunakan.

Dalam penelitian ini, penulis akan mencari lag optimal dengan menguji VECM

dengan beberapa lag, yakni dari lag 1 sampai lag 4. Pengujian hanya sampai

dengan lag 4 karena jumlah variabel dalam model hanya 3, sehingga jika diuji

hingga lebih 4 lag maka dikhawatirkan hasil estimasi tidak akan lagi efisien

karena derajat kebebasan yang terlalu besar. Dari pengujian keempat lag tersebut,

maka akan dilihat hasil output estimasi VECM model lag mana yang mempunyai

AIC terendah yang menunjukkan lag yang optimal.

2. Impulse Response Function (IRF)

Salah satu kelebihan metode VAR dibandingkan dengan metode estimasi yang

lain adalah dapat dilakukannya peramalan terhadap kondisi jika terjadi perubahan

error atau salah satu variabel dalam model VAR untuk melihat pengaruhnya

terhadap variabel endogen. IRF digunakan untuk melihat pergerakan efek atau

dampak dari adanya shock di salah satu variabel dan pengaruhnya terhadap

variabel itu sendiri ataupun di variabel yang lain dalam periode sekarang dan yang

akan datang. Shock pada variabel ke-i tidak hanya langsung mempengaruhi pada

variabel ke-i, tetapi juga akan disalurkan ke semua varibel endogen melalui

struktur lag yang dinamis pada VAR. IRF melacak dampak dari satu kali shock

pada satu inovasi nilai sekarang dan yang akan datang pada variabel endogen. Jika

inovasi tersebut tidak berhubungan sementara maka intepretasi dari IRF akan

tepat. Inovasi i-th adalah merupakan shock terhadap variabel endogen i-th.

8 Gujarati N. Damodar. Basic Econometrics fourth edition. McGraw-Hill, 2004.

35

3. Variance Decomposition

Kelebihan lain yang ditawarkan oleh metode VAR adalah adanya kemampuan

untuk melihat penyebab shock di suatu variabel. Uji ini digunakan untuk

mengukur perkiraan varians error suatu variabel yaitu seberapa besar kemampuan

satu variabel dalam memberikan penjelasan pada variabel lainnya atau pada

variabel itu sendiri. Dengan menggunakan metode VAR ini kita bisa melihat

proporsi dampak perubahan pada suatu variabel jika mengalami shock atau

perubahan terhadap variabel itu sendiri dalam suatu periode. Jika disimpulkan,

dengan menganalisa hasil variance decomposition maka kita dapat mengukur

perkiraan varians error suatu variabel, yaitu seberapa besar perbedaan antara

sebelum dan sesudah terjadi shocks, baik yang berasal dari variabel itu sendiri

maupun dari variabel lain.

E. Operasional Variabel Penelitian

Variabel-variabel yang digunakan dalam penelitian ini adalah sebagai berikut :

a. Variabel Y (Dependent Variable)

Variabel dependen yang digunakan dalam penelitian ini adalah pertumbuhan

laba. Laba adalah perbedaan antara pendapatan (revenue) yang direalisasi yang

timbul dari transaksi pada periode tertentu dengan biaya-biaya yang dikeluarkan

pada periode tersebut.9

Semakin tinggi laba yang diperoleh semakin tinggi

keuntungan bagi bank tersebut. Rumus yang digunakan untuk menghitung

pertumbuhan laba dengan cara mengurangkan laba periode sekarang dengan laba

periode sebelumnya kemudian dibagi dengan laba pada periode sebelumnya10

300.

9 Wardiah dan Mia Lasmi, Dasar –Dasar Perbankan. Bandung: Pustaka Setia, 2013, h.

10

Warsidi dan Bambang Agus Pramuka, Evaluasi Kegunaan Rasio Keuangan Dalam

Memprediksi Perubahan Laba di Masa Yang Akan Datang, Jurnal akuntansi dan Ekonomi Vol.2

No 1, 2000.

36

∆Yt = x 100

Keterangan :

∆Yt : Perumbuhan Laba

Yt : Laba pada periode t

Yt-1 : Laba pada periode sebelum t

b. Variabel X (Independent Variabel)

Variabel independen dalam penelitian ini adalah Non Performing Financing

(NPF), Capital Adequacy Ratio (CAR), Finance to Deposit Ratio (FDR), dan

Beban Operasional Pendapatan Operasional (BOPO).

1. Non Performing Financing (NPF)

Non Performing Financing adalah kredit (pembiayaan) bermasalah dari

nasabah kepada bank dengan kategori kredit kurang lancar, kredit diragukan, dan

kredit macet. Semakin tinggi NPF maka semakin menurun kinerja perbankan. Hal

ini sejalan dengan dimana adanya pembiayaan bermasalah yang semakin besar

dibandingkan dengan aktiva produktifnya dapat mengakibatkan kesempatan untuk

memperolah pendapatan (income) dari pembiayaan yang diberikan, sehingga

mengurangi laba dan pengaruh pada rentabilitas bank.11

Rumus yang digunakan dalam penelitian ini mengacu pada SE.OJK.No.

10/SEOJK.03/2014, yaitu sebagai berikut :

NPF = x 100%

11 Melan Rahmaniah dan Hendro Wibowo, Analisis Potensi Terjadinya Financial Distress

pada Bank Umum Syariah (BUS) di Indonesia, Jurnal Ekonomi dan Perbankan Syariah Vol. 3

No.1, 2015.

37

2. Finance to Deposit Ratio (FDR)

Finance to Deposit Ratio adalah rasio pembiayaan terhadap dana pihak ketiga

yang derima oleh bank.12

Rasio ini digunakan untuk mengukur tingkat likuiditas.

Rasio yang tinggi menunjukkan bahwa suatu bank meminjamkan seluruh dananya

atau tidak likuid. Sebaliknya, rasio yang rendah menunjukkan bank yang likuid.13

Perhitungan FDR mengacu pada SE.OJK.No. 10/SEOJK.03/2014, yaitu

sebagai berikut :

FDR = x 100%

3. Beban Operasional / Pendapatan Operasional (BOPO)

BOPO adalah rasio perbandingan antara biaya operasional dengan pendapatan

operasional. Semakin besar BOPO maka akan semakin kecil atau menurun kinerja

keuangan perbankan. Begitu juga sebaliknya, jika BOPO semakin kecil maka

dapat disimpulkan bahwa kinerja keuangan perbankan semakin meningkat atau

membaik. Rasio BOPO digunakan untuk mengukur tingkat efisiensi dan

kemampuan bank dalam melakukan operasinya.14

Perhitungan rasio BOPO mengacu pada SE.OJK.No. 10/SEOJK.03/2014,

yaitu sebagai berikut :

BOPO = x 100%

4. Capital Adequacy Ratio

Capital Adequacy Ratio merupakan rasio antara jumlah modal terhadap

Aktiva Tertimbang Menurut Resiko (ATMR). CAR merupakan rasio permodalan

12

Melan Rahmaniah dan Hendro Wibowo, Analisis Potensi Terjadinya Financial Distress

pada Bank Umum Syariah (BUS) di Indonesia, Jurnal Ekonomi dan Perbankan Syariah Vol. 3

No.1, 2015. 13

Wardiah dan Mia Lasmi, Dasar –Dasar Perbankan, 2013, h. 298. 14

Dendawijaya Lukman, Manajemen Perbankan, Edisi kedua, Jakarta : Ghalia Indonesia,

2003

38

yang menunjukan kemampuan bank dalam menyediakan dana untuk keperluan

pengembangan usaha dan menampung kemungkinan rasio kerugian yang

mungkin terjadi dalam kegiatan operasional bank.

Rumus yang digunakan untuk menghitung CAR mengikuti pengukuran yang

dilakukan oleh Anisah Lubis15

dan aini16

yaitu sebagai berikut :

CAR = x 100%

F. Hipotesis

Sesuai dengan kerangka pemikiran, latar belakang, dan pembatasan masalah

untuk mencapai tujuan penelitian ini maka hipotesis dari penelitian ini adalah :

1. Pengaruh Jangka Pendek dan Jangka Panjang rasio keuangan CAR,

BOPO, FDR , dan NPF terhadap Pertumbuhan Laba.

H0 : Rasio Keuangan CAR, BOPO, FDR, dan NPF tidak berpengaruh

secara signifikan terhadap Pertumbuhan Laba.

H1 : Rasio Keuangan CAR, BOPO, FDR, dan NPF berpengaruh secara

signifikan terhadap Pertumbuhan Laba.

2. Dugaan Respon guncangan (shock) rasio keuangan CAR, BOPO, FDR,

dan NPF terhadap Pertumbuhan Laba.

H0 : Diduga guncangan (shock) yang terjadi pada variabel CAR, BOPO,

FDR, dan NPF tidak direspon oleh Pertumbuhan Laba.

H1 : Diduga guncangan (shock) yang terjadi pada variabel CAR, BOPO,

FDR, dan NPF direspon oleh Pertumbuhan Laba.

15

Anisah Lubis, Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba pada

BPR di Indonesia, (Jurnal Ekonomi dan Keiangan Vol.1 No.4), 2013 16

Nur Aini, 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 Vol.2 No.2 ,2013.

39

3. Besaran Kontribusi rasio keuangan CAR, BOPO, FDR, dan NPF terhadap

Pertumbuhan Laba.

H0 : Tidak memiliki Kontribusi CAR, BOPO, FDR, dan NPF tidak

berpengaruh secara signifikan terhadap Pertumbuhan Laba.

H1 : Memiliki Kontribusi CAR, BOPO, FDR, dan NPF berpengaruh secara

signifikan terhadap Pertumbuhan Laba.

BAB IV

HASIL DAN PEMBAHASAN

A. Analisis dan Pembahasan

Pada bab ini akan dilakukan analisis data pada obyek penelitian Bank

Pembiayaan Rakyat Syariah (BPRS) Indonesia periode Januari 2011 sampai

Desember 2016 sesuai dengan tahapan yang berlaku. Pengolahan data pada

penelitian ini dilakukan menggunakan bantuan Eviews 9 dan Microsoft Excel

2007, untuk dapat mengolah data dan memperoleh hasil dari variabel-variabel

yang digunakan.

Data yang digunakan dalam penelitian ini adalah variabel pertumbuhan laba,

capital adequacy ratio, non performing financing, financing to deposit ratio, dan

beban operasional/pendapatan operasional yang didapatkan dari situs resmi Badan

Pusat Statistik (BPS) dan Otoritas Jasa Keuangan (OJK), dan berikut adalah

penjabaran data yang digunakan :

1. Variabel terikat (Dependent Variable)

Tabel 4.1 Pertumbuhan Laba

Periode Pertumbuhan Laba (dalam persen)

2011 2012 2013 2014 2015 2016

Januari 45,44 2,50 26,05 -10,13 -22,43 -39,17

Februari 44,94 25,67 21,07 12,41 -4,22 -21,90

Maret 13,25 33,87 26,85 1,60 -11,27 -0,10

April 7,45 23,32 36,21 -9,73 0,76 -6,73

Mei 17,51 15,45 28,33 -8,69 55,50 -5,85

Juni 15,90 29,16 15,72 -6,46 7,91 6,81

Juli 31,61 12,67 8,34 -18,66 22,28 6,35

Agustus 23,88 19,00 -6,27 2,37 20,84 3,34

September 29,36 20,53 10,51 -10,81 10,77 23,44

Oktober 6,65 36,62 14,28 -10,30 8,26 26,43

Nopember 15,51 28,56 14,79 -11,87 5,47 25,41

Desember 23,36 22,88 21,41 -5,67 12,94 15,45

Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)

40

41

Pada Tabel 4.1 pertumbuhan laba tertinggi terjadi pada periode awal 2010

dimana terjadi peningkatan 45.44 persen dari periode Desember tahun 2009,

namun nilai tinggi tersebut tidak terjadi pada periode-periode berikutnya.

Pertumbuhan laba dari tahun 2010 hingga 2016 ini sangat fluktuatif sekali, dan

tingkat pertumbuhan laba terendah terjadi pada bulan Januari 2016 yaitu sebesar -

39,17 persen.

2. Variabel bebas (Independent Variable)

a. CAR (Capital Adequacy Ratio)

Tabel 4.2 CAR (Capital Adequacy Ratio) BPRS

Periode CAR (dalam persen)

2011 2012 2013 2014 2015 2016

Januari 30,12 25,90 25,06 24,62 24,43 23,48

Februari 29,75 25,24 24,45 23,78 24,67 23,17

Maret 28,42 24,93 24,10 23,08 23,04 22,15

April 27,71 24,53 22,76 22,78 22,53 21,22

Mei 24,63 23,28 22,44 22,50 21,73 20,54

Juni 26,71 24,33 22,40 22,21 21,73 20,22

Juli 25,24 24,36 22,09 21,86 21,52 20,31

Agustus 25,24 24,48 22,10 21,78 20,85 20,24

September 24,75 25,26 21,96 21,80 20,70 20,72

Oktober 24,63 25,04 22,40 22,22 20,93 20,71

Nopember 24,87 23,87 24,63 22,34 22,08 20,78

Desember 23,49 25,16 22,08 22,77 21,47 21,73

Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)

Pada Tabel 4.2 tercatat bahwa CAR Bank Pembiayaan Rakyat Syariah

cenderung fluktuatif disetiap periodenya, seperti pada periode tahun 2012 pada

bulan Januari CAR Bank Pembiayaan Rakyat Syariah 25,90 persen, kemudian

pada bulan Mei turun menjadi 23,28 persen, dan kembali meningkat pada akhir

periode yaitu Desember 25,16 persen. Penurunan pada CAR bisa di artikan

berkurangnya kemampuan bank mengahadapi risiko kerugian nasabah.

42

b. FDR (Financial to Deposit Ratio)

Tabel 4.3 FDR (Financial to Deposit Ratio) BPRS

Periode FDR (dalam persen)

2011 2012 2013 2014 2015 2016

Januari 127,04 124,41 119,48 120,52 123,50 118,56

Februari 128,27 125,03 119,46 122,30 124,75 119,92

Maret 129,40 125,53 119,67 123,10 125,60 121,55

April 130,38 124,98 122,50 126,58 126,67 121,55

Mei 133,22 126,04 125,40 130,09 129,63 125,03

Juni 136,20 129,73 129,63 134,64 135,68 129,35

Juli 137,29 129,76 131,51 135,04 132,47 121,32

Agustus 139,58 127,74 126,96 129,96 130,28 118,96

September 134,75 126,71 126,52 131,70 129,01 118,63

Oktober 133,53 124,82 125,92 130,14 127,21 117,86

Nopember 132,26 124,21 124,76 129,27 125,64 116,26

Desember 127,71 120,96 120,93 124,24 120,06 114,40 Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)

Menurut Bank Indonesia suatu bank masih dianggap sehat jika rasio FDR

nya berada diantara 85 persen-110 persen, pada tabel 4.5 semua rasio FDR berada

diatas 110 persen dari bulan Januari 2010 sampai Desember 2016.

c. NPF (Non Performing Financing)

Tabel 4.4 NPF (Non Performing Financing) BPRS

Periode NPF (dalam persen)

2011 2012 2013 2014 2015 2016

Januari 6,79 6,68 6,91 7,77 8,97 9,08

Februari 7,04 6,61 7,33 7,71 9,11 9,41

Maret 7,15 6,42 7,21 7,74 10,36 9,44

April 7,02 6,50 7,32 8,00 9,33 9,51

Mei 6,82 6,47 7,69 8,23 9,38 9,60

Juni 7,09 6,39 7,25 8,18 9,25 9,18

Juli 7,00 6,68 7,35 8,62 9,80 9,97

Agustus 7,05 6,91 7,89 8,83 9,74 10,99

September 7,05 6,87 7,58 8,86 9,87 10,47

Oktober 7,05 6,83 7,48 8,94 10,01 10,49

Nopember 7,05 6,80 7,34 8,81 9,69 10,13

Desember 7,05 6,15 6,50 7,89 8,20 8,63

Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)

43

Berdasarkan Tabel 4.4 rata-rata rasio NPF pada tahun 2013-2015 terus

mengalami peningkatan sehingga menyebabkan penurunan tingkat pertumbuhan

laba BPRS. Penyebab meningkatnya rasio NPF ini karena semakin memburuknya

kualitas aktiva produktif sehingga banyak pembiayaan nasabah yang mengalami

macet.

d. BOPO (Beban Operasional/Pendapatan Operasional)

Tabel 4.5 BOPO (Beban Operasional/Pendapatan Operasional) BPRS

Periode BOPO (dalam persen)

2011 2012 2013 2014 2015 2016

Januari 76,29 78,42 79,34 89,48 88,03 91,89

Februari 76,37 78,13 79,17 86,72 87,16 90,18

Maret 77,27 77,88 79,13 87,55 88,66 89,56

April 77,65 78,73 78,69 87,93 88,68 89,56

Mei 77,00 79,14 78,97 87,95 88,38 89,17

Juni 77,35 79,13 78,99 87,51 88,13 87,94

Juli 76,59 80,22 79,65 87,77 89,24 88,82

Agustus 76,96 80,91 81,29 89,65 89,20 89,42

September 75,75 80,89 80,08 89,13 89,55 87,91

Oktober 78,23 79,08 79,62 89,49 89,14 87,35

Nopember 78,79 79,10 79,96 88,50 89,38 87,66

Desember 76,31 80,02 80,75 87,79 88,09 87,09

Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)

Berdasarkan Tabel 4.5 BOPO rata-rata mengalami peningkatan setiap

tahunnya, artinya bank syariah mengalami inefisiensi dalam kegiatan usahanya.

Meningkatnya rasio BOPO ini dapat disebabkan karena kenaikan provisi atau

pencadangan seiring dengan naiknya pembiayaan bermasalah.

B. Analisis Pengujian Statistik

1. Uji Stasioneritas

Estimasi model ekonometrik time series akan menghasilkan kesimpulan yang

tidak berarti, ketika data yang digunakan mengandung akar unit (tidak stasioner).

Maka langkah pertama dalam melakukan analisis data timeseries adalah dengan

uji stasioneritas, dilakukan untuk mengetahui variabel-variabel yang diuji

stasioner atau tidak. Uji stasioner data dapat dilakukan dengan menggunakan uji

44

akar unit yaitu dengan menggunakan augemted dickey-fuller (ADF) dan Philips-

Peron (PP) pada derajat yang sama (level atau difference) sehingga diperoleh

suatu data yang stasioner. Pada penelitian ini uji yang digunakan adalah augemted

dickey-fuller (ADF), dan berikut adalah hasil uji stasioneritas pada setiap

variabelnya :

Tabel 4.6 Hasil Uji Stasioneritas ADF pada tingkat level

Variabels

Bank Pembiayaan Rakyat Syariah

t-Statistic Critical Values

Prob

Keterangan 5% 10%

Per_Laba -4.667577 -2.902953 -2.588902 0.0003 Stationer

CAR -3.461282 -2.902953 -2.588902 0.0120 Stationer

FDR -1.354615 -2.902953 -2.588902 0.5990 Tidak Stationer

BOPO -1.344476 -2.903566 -2.2589227 0.6043 Tidak Stationer

NPF -1.791359 -2.902953 -2.588902 0.3819 Tidak Stationer

Sumber : output eviews 9 (data diolah)

Berdasarkan Tabel 4.6 asumsi uji ADF jika t-statistic < critical value=

tidak stasioner, dan ADF t-statistic > critical value = stasioner atau cara lainnya

dapat dilihat dari probability < 0.05 = stasioner dan probability > 0.05 = tidak

stasioner. Dengan demikian berdasarkan tabel uji stasioneritas dengan uji ADF

pada tingkat level diatas, dengan menggunakan critical value 5% dan 10% terlihat

bahwa ada dua variabel yang stasioner yaitu variabel Per_Laba dan CAR.

Sebaliknya variabel lainnya tidak stasioner dengan data sebagai berikut,

nilai FDR t-statistic -1.354615 < crtical value 5% -2.902953, kemudian BOPO t-

statistic -1.344476 < crtical value 5% -2.903566, dan pada NPF t-statistic -

1.791359 < crtical value 5% -2.902953. maka variabel FDR, BOPO, dan NPF

dapat dikatakan tidak stasioner uji ADF pada tingkat level.

Oleh karena itu perlu dilakukan proses 1st

difference karena untuk

mengetahui variabel lainnya stasioner atau tidak. Pada tabel berikut merupakan

hasil uji stasioneritas ADF pada tingkat 1st

difference.

45

Tabel 4.7 Hasil Uji Stationeritas ADF tingkat 1st

Difference

Variabels

Bank Pembiayaan Rakyat Syariah

t-Statistic Critical Values

Prob

Keterangan 5% 10%

Per_Laba -8.969020 -3.476275 -3.165610 0.0000 Stationer

CAR -11.64764 -3.475305 -3.165046 0.0000 Stationer

FDR -1.063666 -3.487845 -3.172314 0.9263 Tidak Stationer

BOPO -11.10468 -3.475305 -3.165046 0.0000 Stationer

NPF -9.586260 -3.475305 -3.165046 0.0000 Stationer

Sumber : output eviews 9 (data diolah)

Asumsi uji ADF jika t-statistic < critical value = tidak stasioner, dan ADF

t- statistic > critical value = satasioner. Dengan keterangan asumsi tersebut, maka

berdasarkan Tabel 4.7 dapat dinyatakan bahwa salah satu variabel penelitian yaitu

FDR dinyatakan tidak stasioner pada tingkat 1st

difference karena nilai t- statistic

< critical value. Maka penelitian dapat dilanjutkan pada proses 2th

difference.

Tabel 4.8 Hasil Uji Stationeritas ADF tingkat 2st

Difference

Variabels

Bank Pembiayaan Rakyat Syariah

t-Statistic Critical Values

Prob

Keterangan 5% 10%

Per_Laba -7.405215 -3.481595 -3.168695 0.0000 Stationer

ROA -8.910533 -3.478305 -3.166788 0.0000 Stationer

CAR -11.56152 -3.477275 -3.166190 0.0000 Stationer

FDR -11.02104 -3.487845 -3.172314 0.0000 Stationer

BOPO -6.923480 -3.481595 -3.168695 0.0000 Stationer

NPF -4.840127 -3.487845 -3.172314 0.0012 Stationer

Sumber : output eviews 9 (data diolah)

Tabel 4.8 menunjukan semua variabel penelitian diantaranya Per_Laba,

FDR, CAR, BOPO, dan NPF dinyatakan stasioner pada tingkat 2st

difference

karena semua nilai t- statistic > critical value. Maka penelitian dapat dilanjutkan

dengan uji berikutnya.

46

2. Uji Lag Optimal

Penentuan panjang lag dimanfaatkan untuk mengetahui lamanya periode

keterpengaruhan suatu variabel terhadap variabel masa lalunya maupun terhadap

variabel endogen lainnya. Hasil dalam uji panjang lag (Lag Length) ditentukan

dengan jumlah bintang terbanyak yang direkomendasi dari masing-masing kriteria

uji lag length. Dan kriteria yang digunakan dalam pengujian ini adalah final

prediction error (FPE), akaike Information criterion (AIC), schwarz Information

criterion (SC) dan hanna-quinn information criterion (HQ). dan hasil panjang lag

Optimal dapat dilihat pada tabel di bawah ini.

Tabel 4.9 Hasil Uji Lag Optimal

Bank Pembiayaan Rakyat Syariah

Lag LR FPE AIC SC HQ

0 NA 5.36e-16 -20.97218 -20.80629 -20.90663

1 357.1680 2.98e-18 -26.16740 -25.17210* -25.77411*

2 52.79623* 2.47e-18* -26.36976 -24.54504 -25.64872

3 36.12008 2.64e-18 -26.33458 -23.68045 -25.28581

4 31.28778 3.00e-18 -26.27229 -22.78875 -24.89578

5 26.07420 3.73e-18 -26.16657 -21.85361 -24.46231

6 35.77080 3.41e-18 -26.43102* -21.28865 -24.39902

Sumber : output eviews 9 (data diolah)

Tabel 4.9 dapat dilihat hasil uji lag tersebut memberikan rekomendasi lag

yang berbeda-beda. Terlihat bahwa dengan kriteria SC dan HQ kandidat yang

disarankan adalah lag 1, dapat dilihat dari tanda bintang yang paling banyak.

Dengan demikian lag optimal yang disarankan adalah lag 1.

3. Uji Kointegrasi

Pengujian kointegrasi dilakukan untuk memperoleh hubungan jangka panjang

antar variabel yang telah memenuhi persyaratan selama proses integrasi yaitu

dimana semua variabel telah stasioner pada tingkat 2st

Difference. Maka dalam

penelitian ini penulis juga diharuskan melakukan pengujian kointegrasi variabel

yang akan digunakan dalam estimasi model. Jika terbukti tidak terjadi kointegrasi

47

antar variabel maka yang akan digunakan adalah model VAR, namun jika terjadi

atau terdapat kointegrasi antar variabel maka model yang digunakan adalah

VECM.

Uji kointegrasi yang dilakukan dalam penelitian ini adalah uji Johansen

dengan membandingkan nilai trace statistic dan nilai Max-Eigen statistic lebih

besar dari nilai kritis 0.05 maka data terkointegrasi dan sebaliknya. Dan berikut

adalah hasil uji kointegrasi pada penelitian ini menggunakan uji kointegrasi

Johansen Test.

Tabel 4.10 Hasil Uji Johansen Cointegration Test

Bank Pembiayaan Rakyat Syariah

Hypothesize

d No. Of CE

(s)

Trace Statistic Max-Eigen Statistic

Trace

Statistic

0.05

Critical

Value

Prob.** Max-

Eigen

Statistic

0.05

Prob.*

*

None * 153.6092 69.81889 0.0000 47.69037 33.87687 0.0006

At most 1* 105.9189 47.85613 0.0000 42.98270 27.58434 0.0003

At most 2* 62.93616 29.79707 0.0000 30.44870 21.13162 0.0018

At most 3* 32.48746 15.49471 0.0001 21.29358 14.26460 0.0033

At most 4* 11.19389 3.841466 0.0008 11.19389 3.841466 0.0008

Sumber : output eviews 9 (data diolah)

Berdasarkan hasil uji kointegrasi Tabel 4.10 dapat dilihat bahwa secara

keseluruhan nilai trace statistic lebih besar dari critical value pada tingkat

keyakinan 5%, kemudian nilai Max-Eigen statistic juga lebih besar dari critical

value. Nilai trace statistic dan nilai Max-Eigen statistic menunjukan adanya 1

rank kointegrasi yang signifikan pada α = 5% yang ditunjukkan oleh tanda

asenterik (*). Hal ini mengindikasikan bahwa diantara pergerakan semua variabel

penelitian memiliki hubungan keseimbangan dalam jangka panjang. Dengan

demikian, analisis selanjutnya dapat dilakukan dengan menggunakan VECM.

4. Uji Error Correction Model (VECM)

Setelah melakukan rangkaian uji yang di perlukan, yaitu uji stasionaritas

dengan augemented dickey-fuller (ADF), uji lag optimal dengan kriteria final

48

prediction error (FPE), akaike Information criterion (AIC), schwarz Information

criterion (SC) dan hanna-quinn information criterion (HQ) yang menghasilkan

rekomendasi lag 2, dan uji Kointegrasi dengan Johansen Cointegration Test

didapatkan kesimpulan bahwa model yang digunakan penelitian ini adalah Error

Correction Model (VECM).

Tabel 4.11 Estimasi VECM Jangka Panjang dan Jangka Pendek

Variabel Koefisien T-Statistik Keterangan

Jangka Pendek

CointEq1 -0.092333 [-1.18670]

D(DPER_LABA(-1)) -0.676268 [-5.18892] Signifikan

D(DPER_LABA(-2)) -0.381172 [-3.02643] Signifikan

D(DCAR(-1)) -1.838344 [-0.48463] Tidak Signifikan

D(DCAR(-2)) -3.743431 [-1.39487] Tidak Signifikan

D(DBOPO(-1)) 1.967264 [-1.05737] Tidak Signifikan

D(DBOPO(-2)) 1.444914 [0.90562] Tidak Signifikan

D(FDR(-1)) 0.400651 [0.41702] Tidak Signifikan

D(FDR(-1)) -0.695030 [-0.86653] Tidak Signifikan

D(DNPF(-1)) 2.696037 [0.62844] Tidak Signifikan

D(DNPF(-2)) 8.705462 [2.04257] Signifikan

Jangka Panjang

DCAR(-1) -62.17163 [-646356] Signifikan

DBOPO(-1) 18.14192 [3.29250] Signifikan

DFDR(-1) -13.39809 [-5.68928] Signifikan

DNPF(-1) -32.15312 [-1.82313] Tidak Signifikan

Sumber : output eviews 9 (data diolah)

Untuk menganalisis pengaruh jangka pendek dan jangka panjang suatu

variabel terhadap variabel lainnya diperlukan penentuan t-tabel. Cara penentuan t-

tabel yaitu dengan menentukan derajat bebasnya terlebih dahulu (degree of

freedom) dengan rumus n-k = 72-5 = 67, maka diperoleh nilai t-tabel sebesar

1.996008. Selanjutnya dapat dilakukan pengujian hipotesis yaitu dapat dikatakan

signifikan apabila nilai t-statistik > 1.996008.

Berdasarkan tabel 4.11 dapat dilihat hasil pengujian pada model VECM

jangka pendek menunjukan variabel NPF memiliki hubungan positif dan

49

signifikan terhadap pertumbuhan laba Bank Pembiayaan Rakyat Syariah di

Indonesia, ditunjukan dengan nilai t-statistik (2.04257) > t tabel (1.996008),

sedangkan variabel CAR terdapat hubungan dengan pertumbuhan laba pada Bank

Pembiayaan Rakyat Syariah di Indonesia, hubungan terlihat negatif tapi tidak

signifikan, kemudian pada variabel BOPO dan FDR terdapat hubung positif tetapi

tidak signifikan.

Pada jangka panjang, variabel CAR dan FDR yang memiliki hubungan

negatif dan signifikan, kemudian pada variabel BOPO memiliki hubungan positif

dan signifikan, dan pada variabel NPF terdapat hubungan negatif dan tidak

signifikan.

Hasil ini menunjukkan bahwa pada jangka panjang perubahan CAR dan

FDR akan senantiasa diikuti oleh pertumbuhan laba dengan arah yang

berkebalikan, dengan kata lain jika terjadi kenaikan sebanyak 1% pada CAR dan

FDR maka akan terjadi penurunan pada pertumbuhan laba, dan jika terjadi

penurunan 1% pada BOPO maka akan terjadi kenaikan juga pada pertumbuhan

laba.

5. Uji Impulse Rensponse Function (IRF)

Impulse Response Function (IRF) digunakan untuk menggambarkan tingkat

laju shock dari variabel yang digunakan dalam penelitian ini. Perilaku dinamis

dari model VECM dapat dilihat melalui respon dari setiap variabel terhadap shock

dari variabel tersebut maupun terhadap variabel endogen lainnya. Dalam model

ini respon dari perubahan-perubahan masing-masing variabel dengan adanya

informasi baru diukur dengan data 2st

difference. Sumbu horizontal merupakan

waktu dalam periode hari kedepan setelah terjadinya shock, sedangkan sumbu

vertikal adalah nilai respon. Secara mendasar dalam analisis ini akan diketahui

respon positif atau negative dari suatu variabel terhadap variabel lainnya. Respon

tersebut dalam jangka pendek biasanya cukup signifikan dan cenderung berubah,

dalam jangka panjang respon cenderung konsisten dan semakin mengecil. Impulse

Response Function (IRF) memberikan gambaran bagaimana respon dari suatu

50

variabel di masa mendatang jika terjadi gangguan pada suatu variabel lainnya.

Untuk mempermudah interprestasi, hasil analisis disajikan dalam bentuk tabel dan

grafik dibawah ini dalam 10 periode. Dan berikut adalah analisisnya :

Tabel 4.12 Hasil Uji Impulse Response Function

Period Bank Pembiayaan Rakyat Syariah

PER LABA CAR FDR BOPO DNPF

1 0.158356 0.000000 0.000000 0.000000 0.000000

2 0.021956 0.028503 0.043221 0.016426 0.032041

3 0.051184 -0.031943 -0.018873 0.034340 0.036069

4 0.088167 0.046481 0.016319 -0.022044 -0.016419

5 0.051084 -0.011413 0.031284 0.032565 0.040891

6 0.065116 0.000373 -0.011496 0.009116 0.014545

7 0.064602 0.023373 0.019044 0.004851 0.011811

8 0.063503 -0.008035 0.013979 0.019076 0.021745

9 0.063424 0.015153 0.007790 0.007117 0.017772

10 0.062213 0.004482 0.012347 0.013779 0.018142

Sumber : output eviews 9 (data diolah)

Pada tabel 4.12 terlihat Response yang diberikan Per_laba atas guncangan

yang terjadi pada variabel CAR, BOPO, FDR, dan DNPF dengan 10 periode

kedepan.

a. Respons DPER_LABA terhadap Shock DCAR

Grafik 4.1 Impulse Respons DPER_LABA terhadap Shock DCAR

Response of DCAR to Cholesky

One S.D. DP_LABA Innovation

.0016

.0012

.0008

.0004

.0000

-.0004

-.0008

-.0012

-.0016 1 2 3 4 5 6 7 8 9 10

Sumber : output eviews (data diolah)

51

Pada Grafik 4.1 respons DPER_LABA terhadap guncangan dari tingkat

DCAR pada periode ke 3,5, dan 8 berada pada posisi negatif. Ini artinya jika

terjadi guncangan sebesar 1 standar deviasi maka dari DPER_LABA maka tingkat

DCAR maka akan bereaksi negatif terhadap DPER_LABA. Namun pada periode

lainnya selain dari keempat periode tersebut respons DPER_LABA berada pada

posisi positif. Meskipun terjadi fluktuasi, artinya, dalam jangka waktu yang

panjang guncangan naiknya DPER_LABA akan direspon DCAR dengan besaran

yang sama begitu pula dengan penurunannya.

b. Respons DPER_LABA terhadap Shock DBOPO

Grafik 4.2 Impulse Respons DPER_LABA terhadap Shock DBOPO

Response of DBOPO to Cholesky

One S.D. DP_LABA Innovation

-.0025

-.0030

-.0035

-.0040

-.0045

-.0050

-.0055

-.0060

-.0065

1 2 3 4 5 6 7 8 9 10

Sumber : output eviews (data diolah)

Berdasarkan grafik 4.2 DPER_LABA merespon shock yang diberikan

DBOPO adalah positif. Dikatakan positif karena garis yang ditunjukkan grafik

pada grafik IRF cenderung berada diatas garis horizontal.

52

c. Respons DPER_LABA terhadap Shock DFDR

Grafik 4.3 Impulse Respons DPER_LABA terhadap Shock DFDR

Response of DFDR to Cholesky

One S.D. DP_LABA Innovation

.006

.005

.004

.003

.002

.001

.000

-.001

1 2 3 4 5 6 7 8 9 10

Sumber : output eviews (data diolah)

Pada Grafik 4.3 respons DPER_LABA terhadap guncangan dari tingkat DFDR

ada 2 periode berada pada posisi negatif yaitu pada periode ke tiga dan ke enam.

Namun pada periode lainnya, respons DPER_LABA berada pada posisi positif.

d. Respons DPER_LABA terhadap Shock DNPF

Grafik 4.4 Impulse Respons DPER_LABA terhadap Shock DNPF

Response of DNPF to Cholesky

One S.D. DP_LABA Innovation

-.0004

-.0006

-.0008

-.0010

-.0012

-.0014 1 2 3 4 5 6 7 8 9 10

Sumber : output eviews (data diolah)

53

Berdasarkan Grafik 4.4 respons DPER_LABA terhadap guncangan dari

tingkat DNPF pada periode ke 4 berada pada posisi negatif. Ini artinya jika terjadi

guncangan sebesar 1 standar deviasi maka dari DPER_LABA maka tingkat DNPF

maka akan bereaksi negatif terhadap DPER_LABA. Namun pada periode lainnya

selain periode ke-4, respons DPER_LABA berada pada posisi positif. Meskipun

terjadi fluktuasi, artinya, dalam jangka waktu yang panjang guncangan naiknya

DPER_LABA akan direspons DNPF dengan besaran yang sama begitu pula

dengan penurunannya.

6. Varians Decomposition (VD)

Setelah menganalisis perilaku dinamis melalui Impulse Response Function

(IRF), selanjutnya akan dilihat karakteristik model melalui Variance

Decomposition. Variance Decomposition digunakan untuk menjelaskan kontribusi

dari masing-masing variabel terhadap guncangan yang ditimbulkannya terhadap

variabel endogen utama yang diamati. Analisis ini digunakan untuk memprediksi

seberapa besar kontribusi varians setiap variabel berpengaruh terhadap variabel

lainnya pada saat ini dan periode kedepannya. Dan berikut ini hasil analisisnya:

Tabel 4.13 Varians Decomposition (VD) DPER_LABA

Period Bank Pembiayaan Rakyat Syariah

PER LABA CAR FDR BOPO DNPF

1 1.000.000 0.000000 0.000000 0.000000 0.000000

2 8.653.501 2.750.609 6.324.866 0.913535 3.475.980

3 7.824.694 5.089.312 6.176.509 4.023.797 6.463.445

4 7.654.560 8.502.042 5.302.762 4.119.836 5.529.761

5 7.218.679 7.719.135 6.494.456 5.607.563 7.992.058

6 7.368.645 7.099.160 6.200.168 5.300.082 7.714.138

7 7.417.322 7.373.768 6.259.283 4.898.252 7.295.472

8 7.450.627 6.915.594 6.075.764 5.062.797 7.439.577

9 7.523.931 6.787.100 5.770.024 4.808.131 7.395.434

10 7.580.307 6.414.479 5.627.445 4.770.169 7.384.835

Sumber : output eviews 9 (data diolah)

54

Pada Tabel 4.13 dapat dijelaskan bahwa pada periode pertama

DPER_LABA dipengaruhi oleh DPER_LABA itu sendiri sebesar 100 persen.

Sementara itu pada periode pertama, variabel DCAR, DBOPO, DFDR, dan DNPF

belum memberikan pengaruh terhadap DPER_LABA. Namun, seiring

bertambahnya periode, variabel-variabel tersebut mulai mempengaruhi

DPER_LABA walaupun besarannya tidak sebesar pengaruh DPER_LABA itu

sendiri.

Variabel kedua yang memiliki pengaruh selain variabel DPER_LABA

adalah DFDR dimana periode dengan nilai teringgi terjadi pada periode ke-2

sebesar 6,32 persen. Pengaruh dari variabel lainnya masih fluktuatif, namun

variabel yang memiliki pengaruh paling besar adalah variabel DCAR pada

periode ke-4 sebesar 8,5 persen.

Hal ini dapat kembali diperjelas kembali pada Grafik 4.5.

Grafik 4.5 Variance Decomposition

Variance Decomposition of DP_LABA

100

80

60

40

20

0

1 2 3 4 5 6 7 8 9 10

DP_LABA DCAR DFDR DBOPO DNPF

Sumber : output eviews (data diolah)

55

C. Interpretasi Hasil Penelitian

1. Pengaruh CAR (Capital Adequecy Ratio) terhadap Pertumbuhan Laba

Hasil penelitian melalui uji Error Correction Model (VECM)

menunjukkan bahwa pada jangka pendek variabel CAR memiliki

hubungan negatif dan tidak signifikan, sedangkan pada jangka panjang

variabel CAR memiliki hubangan negatif signifikan. Melalui uji Impulse

Response Function (IRF) rasio variabel CAR merespon shock yang terjadi

pada pertumbuhan laba. Sedangkan menurut uji Variance Decomposition

(VD) variabel CAR mampu memberikan kontribusi terhadap shock yang

terjadi pada pertumbuhan laba antara 2,7% sampai dengan 8,5%.

Penelitian ini sejalan dengan penelitian terdahulu yang menyatakan

bahwa CAR memiliki pengaruh yang signifikan terhadap pertumbuhan

laba.1

Kondisi demikian dimungkinkan karena CAR adalah rasio modal

bank terhadap Aset tertimbang menurut risiko, dengan adanya rasio CAR

yang besar menunjukkan modal bank yang besar pula, sehingga bank

dapat leluasa menempatkan dana dari modal tersebut untuk portofolio aset

produktif, dan akan berdampak terhadap penghasilan laba. Adanya

perbedaan sampel, rentang waktu, metode, dan karakteristik data

penelitian menyebabkan hasil penelitian ini bertentangan dengan

penelitian lain yang menyatakan bahwa rasio CAR tidak berpengaruh

signifikan terhadap pertumbuhan laba.2

Capital Adequecy Ratio memiliki pengaruh signifikan terhadap

pertumbuhan laba menunjukkan bahwa setiap perubahan yang terjadi pada

CAR diikuti oleh pertumbuhan laba secara signifikan.

1

Nur Aini, 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 Vol.2 No.2 ,2013. 2

Emilda, Pengaruh Rasio Keuangan Terhadap Perubahan Laba pada Bank Syariah di

Indonesia, (Jurnal Media Wahana Ekonomika Vol.12 No.4), 2016.

56

2. Pengaruh BOPO (Beban Operasional Terhadap Pendapatan Operasional)

terhadap Pertumbuhan Laba

Hasil penelitian melalui uji Error Correction Model (VECM)

menunjukkan bahwa pada jangka pendek variabel BOPO memiliki

hubungan positif dan tidak signifikan, dan pada jangka panjang variabel

BOPO memiliki hubangan positif signifikan. Melalui uji Impulse

Response Function (IRF) respon yang diterima oleh BOPO akibat shock

yang terjadi pada pertumbuhan laba adalah positif namun tidak permanen,

karena garis yang ditunjukkan grafik pada grafik IRF cenderung berada

diatas garis horizontal. Sedangkan menurut uji Variance Decomposition

(VD) variabel BOPO mampu memberikan kontribusi terhadap shock yang

terjadi pada pertumbuhan laba antara 0,9% sampai dengan 5,6%.

Hasil penelitian ini sesuai dengan penelitian sebelumnya yang

menyatakan bahwa rasio BOPO berpengaruh signifikan terhadap

pertumbuhan laba. Adanya perbedaan sampel, rentang waktu, metode, dan

karakteristik data penelitian menyebabkan hasil penelitian ini bertentangan

dengan penelitian yang dilakukan oleh Emilda yang menyatakan bahwa

rasio BOPO tidak berpengaruh signifikan terhadap pertumbuhan laba.3

Rasio BOPO menunjukkan seberapa efisien manajemen suatu bank

dalam mengelola kegiatan operasionalnya. Semakin kecil rasio ini berarti

semakin efisien biaya operasional yang dikeluarkan bank yang

bersangkutan.4

Rasio BOPO memiliki pengaruh signifikan terhadap pertumbuhan

laba, ini mengindikasikan bahwa efisiensi dalam operasional bank akan

meningkatkan pendapatan operasional bank yang selanjutnya akan

3 Emilda, Pengaruh Rasio Keuangan Terhadap Perubahan Laba pada Bank Syariah di

Indonesia, (Jurnal Media Wahana Ekonomika Vol.12 No.4), 2016. 4

Syahputra, Renaldy, dkk.,Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba Bank

Pembanungan Daerah di Indonesia dengan Pertumbuhan Kredit Sebagai Variabel Intervening

(Studi pada Bank-Bank Pembangunan Daerah di Sumatera), (Jurnal Tepak Manajemen Bisnis,

Vol. VI No.2) ,2014.

57

menjadikan Pertumbuhan Laba yang semakin besar. Hal ini dimungkinkan

karena adanya penurunan / efisiensi biaya-biaya operasional bank dan

peningkatan pendapatan-pendapatan diluar pendapatan operasional.

3. Pengaruh FDR (Finance to Deposit Ratio) terhadap Pertumbuhan Laba

Hasil penelitian melalui uji Error Correction Model (VECM)

menunjukkan bahwa pada jangka pendek variabel FDR memiliki

hubungan positif dan tidak signifikan, sedangkan pada jangka panjang

variabel FDR memiliki hubangan negatif signifikan. Melalui uji Impulse

Response Function (IRF) respon yang diterima oleh FDR akibat shock

yang terjadi pada pertumbuhan laba adalah positif namun tidak permanen,

karena garis yang ditunjukkan grafik pada grafik IRF cenderung berada

diatas garis horizontal dan ada dua periode yang merespon negatif.

Sedangkan menurut uji Variance Decomposition (VD) variabel FDR

mampu memberikan kontribusi terhadap shock yang terjadi pada

pertumbuhan laba antara 5,3% sampai dengan 6,4%.

Hasil penelitian ini menguatkan hasil penelitian sebelumnya yang

menyatakan bahwa rasio FDR berpengaruh signifikan terhadap

pertumbuhan laba.5

Adanya perbedaan sampel, rentang waktu, metode,

dan karakteristik data penelitian menyebabkan hasil penelitian ini

bertentangan dengan penelitian yang dilakukan oleh Emilda, Fathoni,dkk

yang menyatakan bahwa rasio FDR tidak berpengaruh signifikan terhadap

pertumbuhan laba.

Penyaluran kredit merupakan kegiatan utama bank. Oleh karena

itu, sumber pendapatan utama bank berasal dari kegiatan ini. Semakin

besar penyaluran dana dalam bentuk kredit dibandingkan dengan deposit

atau simpanan masyarakat pada suatu bank, semakin besar risiko yang

5

Syahputra, Renaldy, dkk.,Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba Bank

Pembanungan Daerah di Indonesia dengan Pertumbuhan Kredit Sebagai Variabel Intervening

(Studi pada Bank-Bank Pembangunan Daerah di Sumatera), (Jurnal Tepak Manajemen Bisnis,

Vol. VI No.2) ,2014.

58

harus ditanggung oleh bank yang bersangkutan.6

Akan tetapi semakin

tinggi kredit/ pembiayaan yang diberikan kepada masyarakat akan

semakin besar pendapatan yang diperoleh bank.

Finance to Deposit Ratio memiliki pengaruh signifikan terhadap

pertumbuhan laba menunjukkan bahwa setiap perubahan yang terjadi pada

FDR diikuti oleh pertumbuhan laba secara signifikan.

4. Pengaruh NPF (Non Performing Finance) terhadap Pertumbuhan Laba

Hasil penelitian melalui uji Error Correction Model (VECM)

menunjukkan bahwa pada jangka pendek variabel NPF memiliki

hubungan positif dan signifikan, sedangkan pada jangka panjang variabel

NPF memiliki hubangan negatif dan tidak signifikan. Melalui uji Impulse

Response Function (IRF) respon yang diterima oleh NPF akibat shock

yang terjadi pada pertumbuhan laba adalah positif namun tidak permanen,

karena garis yang ditunjukkan grafik pada grafik IRF cenderung berada

diatas garis horizontal.

Hasil penelitian ini menguatkan hasil penelitian terdahulu yang

menyatakan bahwa vaiabel NPF memiliki pengaruh yang tidak signifikan

terhadap pertumbuhan laba.7

Adanya perbedaan sampel, rentang waktu,

metode, dan karakteristik data penelitian menyebabkan hasil penelitian ini

bertentangan dengan penelitian yang dilakukan oleh Anisah Lubis,

Fathoni,dkk yang menyatakan bahwa rasio NPF berpengaruh signifikan

terhadap pertumbuhan laba. Sedangkan menurut uji Variance

Decomposition (VD) variabel BOPO mampu memberikan kontribusi

terhadap shock yang terjadi pada pertumbuhan laba antara 3,4% sampai

dengan 7,9%.

6

Wardiah dan Mia Lasmi, Dasar –Dasar Perbankan. Bandung: Pustaka Setia,2013, h.298. 7

Nur Aini, 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 Vol.2 No.2 ,2013.

59

Semakin tinggi rasio NPF maka semakin menurun kinerja

perbankan sehingga menghilangkan kesempatan memperoleh laba. Non

Performing Finance (NPF) memiliki pengaruh tidak signifikan terhadap

petumbuhan laba menandakan bahwa perubahan yang ditunjukkan oleh

NPF akan diikuti pertumbuhan laba namun tidak signifikan. Artinya,

BPRS tidak perlu khawatir terhadap peningkatan rasio NPF selama masih

pada level aman dibawah 7% sesuai dengan peraturan yang berlaku,

karena jika terlalu tinggi maka bank akan kehilangan kesempatan untuk

memperoleh laba sehingga bank sangat perlu untuk mengelola resiko

kredit/ pembiayaan secara efektif.

BAB V

PENUTUP

A. Kesimpulan

Berdasarkan analisis dan pembahasan pada bab sebelumnya maka dapat

ditarik kesimpulan sebagai berikut :

1. Berdasarkan hasil Uji Error Correction Model (VECM) diketahui bahwa

pada jangka panjang variabel CAR dan FDR yang memiliki hubungan

negatif dan signifikan, kemudian pada variabel BOPO memiliki hubungan

positif dan signifikan, dan pada variabel NPF terdapat hubungan negatif

dan tidak signifikan

2. Berdasarkan hasil Uji Error Correction Model (VECM) diketahui bahwa

pada jangka pendek menunjukan variabel pada variabel NPF terdapat

hubungan positif dan signifikan, sedangkan variabel CAR terdapat

hubungan negatif dan tidak signifikan, dan pada variabel BOPO dan FDR

terdapat hubung positif tetapi tidak signifikan dengan pertumbuhan laba

pada Bank Pembiayaan Rakyat Syariah di Indonesia

3. Pada hasil Impulse Response Function, secara umum rasio keuangan CAR,

BOPO, FDR, dan NPF merespon shock yang terjadi pada pertumbuhan

laba Bank Pembiayaan Rakyat Syariah di Indonesia baik secara positif

maupun negatif dengan lamanya yang diberikan shock yang diberikan

permanen ataupun tidak permanen.

4. Pada hasil Variance Decompotion menunjukan bahwa variabel CAR

memberikan kontribusi terhadap shock yang terjadi pada pertumbuhan

laba antara 2,7% sampai dengan 8,5%, variabel BOPO mampu

memberikan kontribusi terhadap shock yang terjadi pada pertumbuhan

laba antara 0,9% sampai dengan 5,6%, variabel FDR memberikan

kontribusi terhadap shock yang terjadi pada pertumbuhan laba antara 5,3%

sampai dengan 6,4%, dan variabel NPF memberikan kontribusi terhadap

60

61

shock yang terjadi pada pertumbuhan laba antara 3,4% sampai dengan

7,9%.

B. Saran

Dari hasil penelitian ini dan pembahasab di atas, maka penulis menyarankan

beberapa hal berikut :

1. Perlu adanya perbaikan dalam publikasi laporan keuangan bank

terutama dalam penggunaan istilah rasio keuangan yang sudah di

tetapkan oleh BI maupun OJK agar informasi yang di dapat lebih

lengkap sesuai dengan peraturan yang berlaku.

2. Bagi peneliti selanjutnya diharapkan dapat memeperluas penelitian

dengan menambah periode penelitian dan menambahkan variabel

internal yang dapat mempengaruhi pertumbuhan laba Bank

Pembiayaan Rakyat Syariah di Indonesia.

62

DAFTAR PUSTAKA

Aini, Nur. 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). Jurnal Dinamika

Akuntansi, Keuangan dan Perbankan Vol.2 No.2. 2013. Halaman 14-25.

Aguastina, Rice. Analisa Faktor-Faktor yang Mempengaruhi Pertumbuhan Laba

Dengan Ukuran Perusahaan Sebagai Variabel Moderating Pada

Perusahaan Manufaktur Yang Terdapat Di Bursa Efek Indonesia, Jurnal

Wira Ekonomi Mikroskil, Vol 6, Nomor 01, April 2016. Halaman 85-101

Ang, R. Buku Pintar Pasar Modal Indonesia. Media Soft Indonesia. 2001.

Angkoso. Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba Pada

Perusahaan Industri Barang Konsumsi yang Terdaftar di BEI. Skripsi,

Fakultas Ekonomi, Universitas Sumatra Utara. 2006.

Arsana, I Gede Putra. Modul VAR With Eviews 4. Ilmu Ekonomi Fakultas

Ekonomi Universitas Indonesia. 2008.

Keown, J. Arthur, David F. Scott, Jr, John D. Martin, J. William Petty. Dasar-

Dasar Manajemen Keuangan, Edisi Satu. Jakarta :Salemba Empat. 2005.

Brigham, Eugene F and Joel F.Houston. Dasar-Dasar Manajemen Keuangan, alih

bahasa Ali Akbar Yulianto, Buku satu, Edisi sepuluh. Jakarta: PT. Salemba

Empat. 2006.

Chariri, Anis dan Imam Ghozali. Teori Akuntansi. Semarang: UNDIP. 2003.

Darsono, Purwanti Arif. Penganggaran Perusahaan. Jakarta : Mitra Wacana

Media. 2008.

Emilda. Pengaruh Rasio Keuangan Terhadap Perubahan Laba pada Bank

Syariah di Indonesia. Jurnal Media Wahana Ekonomika Vol.12 No.4. 2016.

Halaman 87-99.

63

Enders, W. Applied Econometrics Time Series, Second edition, John Wiley &

Sony Inc. 2004.

Fathoni, Muhammad Isnaini, dkk. Pengaruh Tingkat Kesehatan Bank Terhadap

Pertumbuhan Laba pada Perusahaan Sektor Perbankan. Jurnal Ekonomi

Manajemen Sumber Daya Vol.13 No.1. 2013. Halaman 15-25

Gujarati N. Damodar. Basic Econometrics fourth edition. McGraw-Hill. 2004.

Harahap, Sofyan Syafri. Teori Akuntansi. Jakarta: PT. Raja Grafindo Persada.

2005.

Harahap, Sofyan Syafri. Analisis Kritis Atas Laporan Keuangan. Jakarta : Raja

Grafindo. 2006.

Harahap, Sofyan Syafri. Analisis Kritis Atas Laporan Keuangan. Jakarta: Raja

Grafindo Persada. 2008.

Haryono, Slamet. Analisa Laporan Keuangan Perbankan Syariah. Yogyakarta :

Pustaka Sayiq Sabiq. 2009.

Ifham, Ahmad. Pedoman Umum Lembaga Keuangan Syariah. Jakarta : PT.

Gramedia Pustaka Utama. 2010.

Indriantoro, Nur dan Bambang Suporno. Metodologi Penelitian Bisnis untuk

Akuntansi dan Manajemen, Edisi Pertama. Yogyakarta: Lembaga Penerbit

BPFE. 2002.

Irawan. Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba Pada

Perusahaan Asuransi yang terdaftar di Bursa Efek Indonesia selama tahun

2007-2011.

Lubis, Anisah. Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba

pada BPR di Indonesia. Jurnal Ekonomi dan Keuangan Vol.1 No.4. 2013.

Halaman 27-37.

Lukman, Dendawijaya. Manajemen Perbankan, Edisi kedua. Jakarta : Ghalia

Indonesia, 2011.

Mawardi, Wisnu. Analisis Faktor-Faktor yang Mempengaruhi Kinerja Keuangan

Bank Umum di Indonesia (Studi Kasus Pada Bank Umum Dengan Total

Assets Kurang dari 1 Triliun). Jurnal Bisnis Strategi, Vol. 14, No. 1. 2005.

Halaman 665-676.

64

Muhammad. Manajemen Bank Syariah. Yogyakarta: UPP AMP YKPN. 2005.

Muhammad dan Ahmad Firdaus. Pengenalan Perbankan Syariah. Jakarta:

Grafindo. 2006.

Munawir, S. Analisa Laporan Keuangan. Yogyakarta: BPFE Universitas Gajah

Mada. 2001.

Prakoso, Andrian Tony. Analisis Hubungan Perdagangan Internasional dan FDI

Terhadap Pertumbuhan Ekonomi Indonesia. Skripsi Fakultas Ekonomi

Universitas Indonesia. 2009.

Prasnanugraha, Ponttie P. Analisis Pengaruh Rasio-rasio Keuangan Terhadap

Kinerja Bank Umum di Indonesia (Studi Empiris Bank-bank Umum Yang

Beroperasi Di Indonesia). Tesis. Program Pasca Sarjana Magister Sains

Akuntansi. Semarang: Universitas Diponegoro. 2007.

Prastowo, Dwi. Analisis Laporan Keuangan Konsep Dan Aplikasi. Yogyakarta :

UPP STIM YKPN. 2011.

Rahmaniah, Melan dan Hendro Wibowo. Analisis Potensi Terjadinya Financial

Distress pada Bank Umum Syariah (BUS) di Indonesia. Jurnal Ekonomi dan

Perbankan SyariahVol. 3 No.1, 2015. Halaman 1-20.

Resmi, Diah Ratih Sotio. Faktor Yang Mempengaruhi Pertumbuhan Laba

Perbankan Syariah Di Indonesia Tahun 2007-2011. Tesis S2 STIE

Perbanas Surabaya. 2011.

Riyadi, Selamet. Banking Assets and Liability Management. Edisi Ketiga. Jakarta.

Fakultas Ekonomi Universitas Indonesia. 2006.

Sartono, Agus. Manajemen Keuangan Teori dan Aplikasi. Yogyakarta: BPEF-

YOGYAKARTA. 2001.

Setiawan, Sigit dan Winarsih. Faktor-Faktor Yang Mempengaruhi Pertumbuhan

Laba Bank Syariah Di Indonesia. 2011.

65

Siamat, Dahlan. Manajemen Lembaga Keuangan. Kebijakan Moneter dan

Perbankan. Edisi Kelima. Penerbit Fakultas Ekonomi Universitas Indonesia.

2005.

Simamora, Henry. Akuntansi Basis Pengambilan Keputusan Bisnis. Jakarta:

Salemba Empat. 2000.

Sudarsono, Heri. Bank dan Lembaga Keuangan Syariah: Deskripsi dan Ilustrasi.

Yogyakarta : Ekonisia. 2005.

Sukandarrumidi. Metedologi Penelitian Petunjuk Praktis Untuk Peneliti Pemula.

Yogyakarta: Gadjah Mada University Press. 2004.

Supomo, Bambang dan Nur Indriantoro. Metodologi Penelitian Bisnis, Cetakan

Kedua. Yogyakarta : Penerbit BFEE UGM. 2002.

Sutrisna. Manajemen Keuangan (Teori, Konsep & Aplikas) Edisi Pertama.

Yogyakarta : Ekonisia Kampus Fakultas Ekonomi UII. 2003.

Suwarno, Agus Endro. Manfaat Informasi Rasio Keuangan Dalam Memprediksi

Perubahan Laba (Studi Empiris terhadap Perusahaan Manufaktur Go

Publik di Bursa Efek Jakarta), Jurnal Akuntansi Keuangan, 2004.

Syahyunan. Manajemen Keuangan I. Medan: Universitas Sumatera Utara Press.

2004.

Syahputra, Renaldy, dkk. Pengaruh Rasio Keuangan Terhadap Pertumbuhan

Laba Bank Pembanungan Daerah di Indonesia dengan Pertumbuhan Kredit

Sebagai Variabel Intervening (Studi pada Bank-Bank Pembangunan

Daerah di Sumatera). Jurnal Tepak Manajemen Bisnis, Vol. VI No.2. 2014.

Halaman 73-85.

Syamsudin, Lukman. Manajemen Keuangan Perusahaan. Jakarta : PT Raja

Grafindo Persada. 2000.

66

Umam, Khotibul. Trend Pembentukan Bank Umum Syariah Pasca Undang-

Undang Nomor 21 Tahun 2008 (Konsep, Regulasi, dan Implementasi).

Yogyakarta : BPFE Yogyakarta. 2009.

Wardiah dan Mia Lasmi. Dasar –Dasar Perbankan. Bandung: Pustaka Setia.

2013.

Warsidi dan Bambang Agus Pramuka. Evaluasi Kegunaan Rasio Keuangan

Dalam Memprediksi Perubahan Laba di Masa Yang Akan Datang. Jurnal

akuntansi dan Ekonomi Vol.2 No.1. 2000.

Wild, et al. Analisis Laporan Keuangan Buku Satu Edisi 8 (Ahli Bahasa: Yanivi

Bachtiar & Nurwahyu Harahap). Jakarta: Salemba Empat. 2005.

Wild, John, K.R. Subramanyam, dan Robert F. Halsey. Analisis Laporan

Keuangan. Edisi Delapan, Buku Kesatu. Alih Bahasa : Yanivi dan

Nurwahyu. Jakarta: Salemba Empat. 2005.

Peraturan Otoritas Jasa Keuangan Nomor 8/POJK.03/2014 tentang Penilaian

Tingkat Kesehatan Bank Umum Syariah dan Unit Usaha Syariah.Diakses

pada 09 September 2017 dari https://goo.gl/FwLc3s

Surat Edaran Otoritas Jasa Keuangan Nomor 10/SEOJK.03/2014 tentang

Penilaian Tingkat Kesehatan Bank Umum Syariah dan Unit Usaha Syariah.

Diakses pada 09 September 2017 dari https://goo.gl/07jtjX

UU No. 21 Tahun 2008 tentang Perbankan Syariah

www.bi.go.id

www.ojk.go.id

67

LAMPIRAN

LAMPIRAN 1

DATA PENELITIAN

Pertumbuhan Laba

Periode Pertumbuhan Laba (dalam persen)

2011 2012 2013 2014 2015 2016

Januari 45,44 2,50 26,05 -10,13 -22,43 -39,17

Februari 44,94 25,67 21,07 12,41 -4,22 -21,90

Maret 13,25 33,87 26,85 1,60 -11,27 -0,10

April 7,45 23,32 36,21 -9,73 0,76 -6,73

Mei 17,51 15,45 28,33 -8,69 55,50 -5,85

Juni 15,90 29,16 15,72 -6,46 7,91 6,81

Juli 31,61 12,67 8,34 -18,66 22,28 6,35

Agustus 23,88 19,00 -6,27 2,37 20,84 3,34

September 29,36 20,53 10,51 -10,81 10,77 23,44

Oktober 6,65 36,62 14,28 -10,30 8,26 26,43

Nopember 15,51 28,56 14,79 -11,87 5,47 25,41

Desember 23,36 22,88 21,41 -5,67 12,94 15,45

Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)

CAR

Periode CAR (dalam persen)

2011 2012 2013 2014 2015 2016

Januari 30,12 25,90 25,06 24,62 24,43 23,48

Februari 29,75 25,24 24,45 23,78 24,67 23,17

Maret 28,42 24,93 24,10 23,08 23,04 22,15

April 27,71 24,53 22,76 22,78 22,53 21,22

Mei 24,63 23,28 22,44 22,50 21,73 20,54

Juni 26,71 24,33 22,40 22,21 21,73 20,22

Juli 25,24 24,36 22,09 21,86 21,52 20,31

Agustus 25,24 24,48 22,10 21,78 20,85 20,24

September 24,75 25,26 21,96 21,80 20,70 20,72

Oktober 24,63 25,04 22,40 22,22 20,93 20,71

Nopember 24,87 23,87 24,63 22,34 22,08 20,78

Desember 23,49 25,16 22,08 22,77 21,47 21,73

Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)

68

FDR

Periode FDR (dalam persen)

2011 2012 2013 2014 2015 2016

Januari 127,04 124,41 119,48 120,52 123,50 118,56

Februari 128,27 125,03 119,46 122,30 124,75 119,92

Maret 129,40 125,53 119,67 123,10 125,60 121,55

April 130,38 124,98 122,50 126,58 126,67 121,55

Mei 133,22 126,04 125,40 130,09 129,63 125,03

Juni 136,20 129,73 129,63 134,64 135,68 129,35

Juli 137,29 129,76 131,51 135,04 132,47 121,32

Agustus 139,58 127,74 126,96 129,96 130,28 118,96

September 134,75 126,71 126,52 131,70 129,01 118,63

Oktober 133,53 124,82 125,92 130,14 127,21 117,86

Nopember 132,26 124,21 124,76 129,27 125,64 116,26

Desember 127,71 120,96 120,93 124,24 120,06 114,40 Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)

NPF

Periode NPF (dalam persen)

2011 2012 2013 2014 2015 2016

Januari 6,79 6,68 6,91 7,77 8,97 9,08

Februari 7,04 6,61 7,33 7,71 9,11 9,41

Maret 7,15 6,42 7,21 7,74 10,36 9,44

April 7,02 6,50 7,32 8,00 9,33 9,51

Mei 6,82 6,47 7,69 8,23 9,38 9,60

Juni 7,09 6,39 7,25 8,18 9,25 9,18

Juli 7,00 6,68 7,35 8,62 9,80 9,97

Agustus 7,05 6,91 7,89 8,83 9,74 10,99

September 7,05 6,87 7,58 8,86 9,87 10,47

Oktober 7,05 6,83 7,48 8,94 10,01 10,49

Nopember 7,05 6,80 7,34 8,81 9,69 10,13

Desember 7,05 6,15 6,50 7,89 8,20 8,63

Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)

BOPO

Periode BOPO (dalam persen)

2011 2012 2013 2014 2015 2016

Januari 76,29 78,42 79,34 89,48 88,03 91,89

69

Februari 76,37 78,13 79,17 86,72 87,16 90,18

Maret 77,27 77,88 79,13 87,55 88,66 89,56

April 77,65 78,73 78,69 87,93 88,68 89,56

Mei 77,00 79,14 78,97 87,95 88,38 89,17

Juni 77,35 79,13 78,99 87,51 88,13 87,94

Juli 76,59 80,22 79,65 87,77 89,24 88,82

Agustus 76,96 80,91 81,29 89,65 89,20 89,42

September 75,75 80,89 80,08 89,13 89,55 87,91

Oktober 78,23 79,08 79,62 89,49 89,14 87,35

Nopember 78,79 79,10 79,96 88,50 89,38 87,66

Desember 76,31 80,02 80,75 87,79 88,09 87,09

Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)

LAMPIRAN 2

UJI STASIONER

CAR

TINGKAT LEVEL

Null Hypothesis: CAR has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=11)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -3.461282 0.0120

Test critical values: 1% level -3.525618

5% level -2.902953

10% level -2.588902

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(CAR)

Method: Least Squares

Date: 01/12/18 Time: 12:34

Sample (adjusted): 2011M02 2016M12

Included observations: 71 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

CAR(-1)

-0.183384

0.052981

-3.461282

0.0009 C 0.041678 0.012433 3.352290 0.0013

R-squared

0.147943

Mean dependent var

-0.001182 Adjusted R-squared 0.135594 S.D. dependent var 0.010104 S.E. of regression 0.009394 Akaike info criterion -6.469732 Sum squared resid 0.006089 Schwarz criterion -6.405994

70

Log likelihood 231.6755 Hannan-Quinn criter. -6.444385 F-statistic 11.98047 Durbin-Watson stat 2.560343 Prob(F-statistic) 0.000927

FDR

Null Hypothesis: FDR has a unit root

Exogenous: Constant

Lag Length: 6 (Automatic - based on SIC, maxlag=11)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.354615 0.5990

Test critical values: 1% level -3.534868

5% level -2.906923

10% level -2.591006

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(FDR)

Method: Least Squares

Date: 01/12/18 Time: 12:31

Sample (adjusted): 2011M08 2016M12

Included observations: 65 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

FDR(-1)

-0.114824

0.084765

-1.354615

0.1809 D(FDR(-1)) 0.120756 0.120100 1.005465 0.3189 D(FDR(-2)) -0.041919 0.116010 -0.361339 0.7192 D(FDR(-3)) 0.107359 0.115158 0.932278 0.3551 D(FDR(-4)) 0.014163 0.116028 0.122063 0.9033 D(FDR(-5)) -0.098265 0.114884 -0.855348 0.3959 D(FDR(-6)) -0.547980 0.121527 -4.509113 0.0000

C 0.141997 0.107476 1.321187 0.1917

R-squared

0.442376

Mean dependent var

-0.003522 Adjusted R-squared 0.373896 S.D. dependent var 0.027717 S.E. of regression 0.021932 Akaike info criterion -4.686948 Sum squared resid 0.027417 Schwarz criterion -4.419332 Log likelihood 160.3258 Hannan-Quinn criter. -4.581356 F-statistic 6.459914 Durbin-Watson stat 1.973770 Prob(F-statistic) 0.000013

BOPO Null Hypothesis: BOPO has a unit root

Exogenous: Constant

Lag Length: 1 (Automatic - based on SIC, maxlag=11)

t-Statistic Prob.*

71

Augmented Dickey-Fuller test statistic -1.344476 0.6043 Test critical values: 1% level

5% level

10% level

-3.527045

-2.903566

-2.589227

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(BOPO)

Method: Least Squares

Date: 01/12/18 Time: 12:36

Sample (adjusted): 2011M03 2016M12

Included observations: 70 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

BOPO(-1)

-0.045110

0.033552

-1.344476

0.1833 D(BOPO(-1)) -0.275106 0.116205 -2.367413 0.0208

C 0.039730 0.028111 1.413338 0.1622

R-squared

0.109100

Mean dependent var

0.001531 Adjusted R-squared 0.082506 S.D. dependent var 0.014872 S.E. of regression 0.014245 Akaike info criterion -5.622924 Sum squared resid 0.013595 Schwarz criterion -5.526560 Log likelihood 199.8023 Hannan-Quinn criter. -5.584647 F-statistic 4.102425 Durbin-Watson stat 2.058509 Prob(F-statistic) 0.020858

NPF

Null Hypothesis: NPF has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=11)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.791359 0.3819

Test critical values: 1% level -3.525618

5% level -2.902953

10% level -2.588902

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(NPF)

Method: Least Squares

Date: 01/12/18 Time: 12:29

Sample (adjusted): 2011M02 2016M12

Included observations: 71 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

NPF(-1)

-0.082570

0.046093

-1.791359

0.0776

72

C 0.006921 0.003766 1.837991 0.0704

R-squared

0.044440

Mean dependent var

0.000259 Adjusted R-squared 0.030591 S.D. dependent var 0.005056 S.E. of regression 0.004979 Akaike info criterion -7.739601 Sum squared resid 0.001710 Schwarz criterion -7.675864 Log likelihood 276.7558 Hannan-Quinn criter. -7.714255 F-statistic 3.208966 Durbin-Watson stat 2.190152 Prob(F-statistic) 0.077621

PERTUMBUHAN LABA

Null Hypothesis: P_LABA has a unit root

Exogenous: Constant

Lag Length: 0 (Automatic - based on SIC, maxlag=11)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.667577 0.0003

Test critical values: 1% level -3.525618

5% level -2.902953

10% level -2.588902

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(P_LABA)

Method: Least Squares

Date: 01/12/18 Time: 12:28

Sample (adjusted): 2011M02 2016M12

Included observations: 71 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

P_LABA(-1)

-0.451638

0.096761

-4.667577

0.0000 C 0.047382 0.020192 2.346560 0.0218

R-squared

0.239973

Mean dependent var

-0.004224 Adjusted R-squared 0.228958 S.D. dependent var 0.162137 S.E. of regression 0.142371 Akaike info criterion -1.032997 Sum squared resid 1.398595 Schwarz criterion -0.969259 Log likelihood 38.67138 Hannan-Quinn criter. -1.007650 F-statistic 21.78627 Durbin-Watson stat 2.271318 Prob(F-statistic) 0.000015

CAR

TINGKAT 1st

DIFFERENCE

Null Hypothesis: D(CAR) has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 0 (Automatic - based on SIC, maxlag=11)

73

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic

-11.64764

0.0000 Test critical values: 1% level -4.094550 5% level

10% level -3.475305

-3.165046

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(CAR,2)

Method: Least Squares

Date: 01/12/18 Time: 12:34

Sample (adjusted): 2011M03 2016M12

Included observations: 70 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(CAR(-1))

-1.344291

0.115413

-11.64764

0.0000 C -0.004509 0.002404 -1.875583 0.0651

@TREND("2011M01") 7.96E-05 5.72E-05 1.389863 0.1692

R-squared

0.669461

Mean dependent var

0.000189 Adjusted R-squared 0.659594 S.D. dependent var 0.016496 S.E. of regression 0.009625 Akaike info criterion -6.407076 Sum squared resid 0.006206 Schwarz criterion -6.310712 Log likelihood 227.2477 Hannan-Quinn criter. -6.368799 F-statistic 67.84957 Durbin-Watson stat 1.924193 Prob(F-statistic) 0.000000

FDR

Null Hypothesis: D(FDR) has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 11 (Automatic - based on SIC, maxlag=11)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-1.063666

0.9263 Test critical values: 1% level

5% level

10% level

-4.121303

-3.487845

-3.172314

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(FDR,2)

Method: Least Squares

Date: 01/12/18 Time: 12:31

Sample (adjusted): 2012M02 2016M12

Included observations: 59 after adjustments

74

Variable Coefficient Std. Error t-Statistic Prob.

D(FDR(-1))

-0.605889

0.569624

-1.063666

0.2932 D(FDR(-1),2) -0.428232 0.538592 -0.795095 0.4307 D(FDR(-2),2) -0.529015 0.496583 -1.065310 0.2924 D(FDR(-3),2) -0.545555 0.456579 -1.194877 0.2384 D(FDR(-4),2) -0.591058 0.408854 -1.445646 0.1552 D(FDR(-5),2) -0.636946 0.360927 -1.764749 0.0844 D(FDR(-6),2) -0.779212 0.299051 -2.605613 0.0124 D(FDR(-7),2) -0.664006 0.264221 -2.513069 0.0156 D(FDR(-8),2) -0.763818 0.230930 -3.307574 0.0019 D(FDR(-9),2) -0.757625 0.199769 -3.792507 0.0004

D(FDR(-10),2) -0.880867 0.160796 -5.478162 0.0000 D(FDR(-11),2) -0.700613 0.126007 -5.560119 0.0000

C 0.001371 0.006052 0.226455 0.8219 @TREND("2011M01") -6.95E-05 0.000131 -0.529046 0.5994

R-squared

0.803468

Mean dependent var

0.000244 Adjusted R-squared 0.746692 S.D. dependent var 0.033658 S.E. of regression 0.016940 Akaike info criterion -5.114553 Sum squared resid 0.012914 Schwarz criterion -4.621578 Log likelihood 164.8793 Hannan-Quinn criter. -4.922116 F-statistic 14.15154 Durbin-Watson stat 2.049158 Prob(F-statistic) 0.000000

BOPO

Null Hypothesis: D(BOPO) has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 0 (Automatic - based on SIC, maxlag=11)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-11.10468

0.0000 Test critical values: 1% level

5% level

10% level

-4.094550

-3.475305

-3.165046

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(BOPO,2)

Method: Least Squares

Date: 01/12/18 Time: 12:36

Sample (adjusted): 2011M03 2016M12

Included observations: 70 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(BOPO(-1))

-1.296791

0.116779

-11.10468

0.0000 C 0.004265 0.003567 1.195710 0.2360

@TREND("2011M01") -6.17E-05 8.52E-05 -0.724096 0.4715

75

R-squared

0.647975

Mean dependent var

-9.29E-05 Adjusted R-squared 0.637467 S.D. dependent var 0.023882 S.E. of regression 0.014380 Akaike info criterion -5.604098 Sum squared resid 0.013854 Schwarz criterion -5.507733 Log likelihood 199.1434 Hannan-Quinn criter. -5.565821 F-statistic 61.66363 Durbin-Watson stat 2.071731 Prob(F-statistic) 0.000000

NPF

Null Hypothesis: D(NPF) has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 0 (Automatic - based on SIC, maxlag=11)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-9.586260

0.0000 Test critical values: 1% level -4.094550

5% level -3.475305 10% level -3.165046

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(NPF,2)

Method: Least Squares

Date: 01/12/18 Time: 12:30

Sample (adjusted): 2011M03 2016M12

Included observations: 70 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(NPF(-1))

-1.227351

0.128032

-9.586260

0.0000 C 0.000490 0.001244 0.394087 0.6948

@TREND("2011M01") -4.24E-06 2.99E-05 -0.142061 0.8875

R-squared

0.579120

Mean dependent var

-0.000250 Adjusted R-squared 0.566557 S.D. dependent var 0.007658 S.E. of regression 0.005042 Akaike info criterion -7.700088 Sum squared resid 0.001703 Schwarz criterion -7.603724 Log likelihood 272.5031 Hannan-Quinn criter. -7.661811 F-statistic 46.09519 Durbin-Watson stat 1.906289 Prob(F-statistic) 0.000000

PERTUMBUHAN LABA

Null Hypothesis: D(P_LABA) has a unit root

Exogenous: Constant, Linear Trend

76

Lag Length: 1 (Automatic - based on SIC, maxlag=11)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-8.969020

0.0000 Test critical values: 1% level

5% level

10% level

-4.096614

-3.476275

-3.165610

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(P_LABA,2)

Method: Least Squares

Date: 01/12/18 Time: 12:30

Sample (adjusted): 2011M04 2016M12

Included observations: 69 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(P_LABA(-1))

-1.753188

0.195471

-8.969020

0.0000 D(P_LABA(-1),2) 0.256146 0.116836 2.192353 0.0319

C -0.022806 0.037045 -0.615628 0.5403 @TREND("2011M01") 0.000568 0.000882 0.644000 0.5218

R-squared

0.728934

Mean dependent var

0.003149 Adjusted R-squared 0.716423 S.D. dependent var 0.271315 S.E. of regression 0.144480 Akaike info criterion -0.975125 Sum squared resid 1.356846 Schwarz criterion -0.845611 Log likelihood 37.64180 Hannan-Quinn criter. -0.923742 F-statistic 58.26461 Durbin-Watson stat 2.033630 Prob(F-statistic) 0.000000

TINGKAT 2st

DIFFERENCE

CAR

Null Hypothesis: D(CAR,2) has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 1 (Automatic - based on SIC, maxlag=11)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -11.56152 0.0000

Test critical values: 1% level -4.098741

5% level -3.477275

10% level -3.166190

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

77

Dependent Variable: D(CAR,3)

Method: Least Squares

Date: 01/12/18 Time: 12:35

Sample (adjusted): 2011M05 2016M12

Included observations: 68 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(CAR(-1),2)

-2.419038

0.209232

-11.56152

0.0000 D(CAR(-1),3) 0.425234 0.113390 3.750177 0.0004

C 0.000770 0.002905 0.265122 0.7918 @TREND("2011M01") -7.97E-06 6.86E-05 -0.116192 0.9079

R-squared

0.875039

Mean dependent var

3.82E-05 Adjusted R-squared 0.869181 S.D. dependent var 0.030703 S.E. of regression 0.011105 Akaike info criterion -6.105858 Sum squared resid 0.007892 Schwarz criterion -5.975299 Log likelihood 211.5992 Hannan-Quinn criter. -6.054127 F-statistic 149.3866 Durbin-Watson stat 2.049095 Prob(F-statistic) 0.000000

FDR

Null Hypothesis: D(FDR,2) has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 10 (Automatic - based on SIC, maxlag=11)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-11.02104

0.0000 Test critical values: 1% level -4.121303

5% level -3.487845 10% level -3.172314

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(FDR,3)

Method: Least Squares

Date: 01/12/18 Time: 12:32

Sample (adjusted): 2012M02 2016M12

Included observations: 59 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(FDR(-1),2)

-11.63369

1.055589

-11.02104

0.0000 D(FDR(-1),3) 9.643635 0.986511 9.775497 0.0000 D(FDR(-2),3) 8.601793 0.901318 9.543570 0.0000 D(FDR(-3),3) 7.593409 0.789511 9.617862 0.0000 D(FDR(-4),3) 6.591884 0.681044 9.679084 0.0000 D(FDR(-5),3) 5.595656 0.580429 9.640549 0.0000 D(FDR(-6),3) 4.517577 0.518980 8.704717 0.0000

78

D(FDR(-7),3) 3.607855 0.430654 8.377620 0.0000 D(FDR(-8),3) 2.644017 0.332175 7.959706 0.0000 D(FDR(-9),3) 1.735147 0.220020 7.886302 0.0000

D(FDR(-10),3) 0.751567 0.116712 6.439501 0.0000 C 0.002606 0.005948 0.438026 0.6634

@TREND("2011M01") -7.04E-05 0.000132 -0.534868 0.5953

R-squared

0.921798

Mean dependent var

-0.000256 Adjusted R-squared 0.901397 S.D. dependent var 0.054025 S.E. of regression 0.016964 Akaike info criterion -5.123620 Sum squared resid 0.013238 Schwarz criterion -4.665858 Log likelihood 164.1468 Hannan-Quinn criter. -4.944928 F-statistic 45.18477 Durbin-Watson stat 2.090689 Prob(F-statistic) 0.000000

BOPO

Null Hypothesis: D(BOPO,2) has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 5 (Automatic - based on SIC, maxlag=11)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-6.923480

0.0000 Test critical values: 1% level -4.107947

5% level

10% level -3.481595

-3.168695

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(BOPO,3)

Method: Least Squares

Date: 01/12/18 Time: 12:36

Sample (adjusted): 2011M09 2016M12

Included observations: 64 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(BOPO(-1),2)

-6.102805

0.881465

-6.923480

0.0000 D(BOPO(-1),3) 3.897990 0.803160 4.853316 0.0000 D(BOPO(-2),3) 2.735564 0.661294 4.136682 0.0001 D(BOPO(-3),3) 1.755993 0.484772 3.622304 0.0006 D(BOPO(-4),3) 0.922850 0.297458 3.102457 0.0030 D(BOPO(-5),3) 0.324179 0.127464 2.543303 0.0138

C 0.001854 0.004741 0.391174 0.6972 @TREND("2011M01") -5.41E-05 0.000109 -0.497005 0.6211

R-squared

0.884113

Mean dependent var

-0.000314 Adjusted R-squared 0.869627 S.D. dependent var 0.044422 S.E. of regression 0.016039 Akaike info criterion -5.311061 Sum squared resid 0.014407 Schwarz criterion -5.041201

79

Log likelihood 177.9540 Hannan-Quinn criter. -5.204749 F-statistic 61.03267 Durbin-Watson stat 2.082488 Prob(F-statistic) 0.000000

NPF

Null Hypothesis: D(NPF,2) has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 10 (Automatic - based on SIC, maxlag=11)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-4.840127

0.0012 Test critical values: 1% level

5% level -4.121303

-3.487845

10% level -3.172314

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(NPF,3)

Method: Least Squares

Date: 01/12/18 Time: 12:37

Sample (adjusted): 2012M02 2016M12

Included observations: 59 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(NPF(-1),2)

-11.38552

2.352319

-4.840127

0.0000 D(NPF(-1),3) 9.227693 2.301686 4.009101 0.0002 D(NPF(-2),3) 8.030910 2.190957 3.665480 0.0006 D(NPF(-3),3) 6.872642 2.020935 3.400723 0.0014 D(NPF(-4),3) 5.696362 1.791945 3.178872 0.0026 D(NPF(-5),3) 4.520756 1.514308 2.985360 0.0045 D(NPF(-6),3) 3.638814 1.200241 3.031737 0.0040 D(NPF(-7),3) 2.901344 0.889599 3.261408 0.0021 D(NPF(-8),3) 2.150428 0.597079 3.601582 0.0008 D(NPF(-9),3) 1.402019 0.343169 4.085502 0.0002 D(NPF(-10),3) 0.665566 0.140677 4.731169 0.0000

C 0.000829 0.001632 0.508187 0.6138 @TREND("2011M01") -1.80E-05 3.62E-05 -0.498070 0.6208

R-squared

0.917298

Mean dependent var

-0.000131 Adjusted R-squared 0.895723 S.D. dependent var 0.014530 S.E. of regression 0.004692 Akaike info criterion -7.694064 Sum squared resid 0.001013 Schwarz criterion -7.236302 Log likelihood 239.9749 Hannan-Quinn criter. -7.515372 F-statistic 42.51761 Durbin-Watson stat 2.248309 Prob(F-statistic) 0.000000

80

PERTUMBUHAN LABA

Null Hypothesis: D(P_LABA,2) has a unit root

Exogenous: Constant, Linear Trend

Lag Length: 5 (Automatic - based on SIC, maxlag=11)

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-7.405215

0.0000 Test critical values: 1% level -4.107947

5% level -3.481595 10% level -3.168695

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(P_LABA,3)

Method: Least Squares

Date: 01/12/18 Time: 12:38

Sample (adjusted): 2011M09 2016M12

Included observations: 64 after adjustments

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(P_LABA(-1),2)

-6.451511

0.871212

-7.405215

0.0000 D(P_LABA(-1),3) 4.126109 0.798119 5.169790 0.0000 D(P_LABA(-2),3) 2.843940 0.658250 4.320454 0.0001 D(P_LABA(-3),3) 1.888776 0.477347 3.956818 0.0002 D(P_LABA(-4),3) 1.072718 0.283989 3.777323 0.0004 D(P_LABA(-5),3) 0.414694 0.116876 3.548148 0.0008

C -0.002773 0.046271 -0.059924 0.9524 @TREND("2011M01") 0.000147 0.001061 0.138363 0.8904

R-squared

0.913314

Mean dependent var

0.002266 Adjusted R-squared 0.902478 S.D. dependent var 0.500210 S.E. of regression 0.156208 Akaike info criterion -0.758784 Sum squared resid 1.366457 Schwarz criterion -0.488924 Log likelihood 32.28110 Hannan-Quinn criter. -0.652473 F-statistic 84.28666 Durbin-Watson stat 2.037402 Prob(F-statistic) 0.000000

LAMPIRAN 3

UJI LAG OPTIMAL

VAR Lag Order Selection Criteria Endogenous variables: P_LABA CAR FDR BOPO NPF

Exogenous variables: C

Date: 01/12/18 Time: 13:19

Sample: 2011M01 2016M12

81

Included observations: 66

Lag

LogL

LR

FPE

AIC

SC

HQ

0

697.0818

NA

5.36e-16

-20.97218

-20.80629

-20.90663 1 893.5242 357.1680 2.98e-18 -26.16740 -25.17210* -25.77411* 2 925.2019 52.79623* 2.47e-18* -26.36976 -24.54504 -25.64872 3 949.0412 36.12008 2.64e-18 -26.33458 -23.68045 -25.28581 4 971.9856 31.28778 3.00e-18 -26.27229 -22.78875 -24.89578 5 993.4968 26.07420 3.73e-18 -26.16657 -21.85361 -24.46231 6 1027.224 35.77080 3.41e-18 -26.43102* -21.28865 -24.39902

* indicates lag order selected by the criterion

LR: sequential modified LR test statistic (each test at 5% level)

FPE: Final prediction error

AIC: Akaike information criterion

SC: Schwarz information criterion

HQ: Hannan-Quinn information criterion

LAMPIRAN 4

UJI KOINTEGRASI

Date: 01/12/18 Time: 13:16

Sample (adjusted): 2011M05 2016M12

Included observations: 68 after adjustments

Trend assumption: Linear deterministic trend

Series: DP_LABA DCAR DFDR DBOPO DNPF

Lags interval (in first differences): 1 to 2

Unrestricted Cointegration Rank Test (Trace)

Hypothesized

No. of CE(s)

Eigenvalue

Trace

Statistic

0.05

Critical Value

Prob.**

None *

0.504074

153.6092

69.81889

0.0000 At most 1 * 0.468525 105.9189 47.85613 0.0000 At most 2 * 0.360952 62.93616 29.79707 0.0000 At most 3 * 0.268853 32.48746 15.49471 0.0001 At most 4 * 0.151781 11.19389 3.841466 0.0008

Trace test indicates 5 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegration Rank Test (Maximum Eigenvalue)

Hypothesized

No. of CE(s)

Eigenvalue

Max-Eigen

Statistic

0.05

Critical Value

Prob.**

None *

0.504074

47.69037

33.87687

0.0006 At most 1 * 0.468525 42.98270 27.58434 0.0003 At most 2 * 0.360952 30.44870 21.13162 0.0018 At most 3 * 0.268853 21.29358 14.26460 0.0033 At most 4 * 0.151781 11.19389 3.841466 0.0008

82

D(DP_LABA) -1.049148 3.074396

(0.17872) (3.87480) D(DCAR) 0.036610 -1.139136

Max-eigenvalue test indicates 5 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):

DP_LABA

4.051683

DCAR

-251.8997

DFDR

-54.28482

DBOPO

73.50531

DNPF

-130.2742 -10.98013 -30.59506 -19.94791 14.80341 408.6815 14.83529 82.08012 -7.042577 60.17921 232.4380 0.654924 84.70153 28.48684 150.2246 -201.0038

-3.878103 91.10333 -31.29665 -22.81095 -126.9537

Unrestricted Adjustment Coefficients (alpha):

D(DP_LABA)

-0.022789

0.087141

-0.037356

0.000579

0.003162 D(DCAR) 0.004716 -0.001594 -0.002869 -0.001124 -0.001714 D(DFDR) 0.013594 0.003680 0.005566 -0.001964 0.006414

D(DBOPO) -0.001683 -0.006207 -0.002579 -0.003507 0.001406 D(DNPF) 0.000612 -0.002001 -0.001762 0.001332 0.001125

1 Cointegrating Equation(s): Log likelihood 895.0909

Normalized cointegrating coefficients (standard error in parentheses)

DP_LABA DCAR DFDR DBOPO DNPF 1.000000 -62.17163 -13.39809 18.14192 -32.15312

(9.61878) (2.35497) (5.51007) (17.6362)

Adjustment coefficients (standard error in parentheses)

D(DP_LABA) -0.092333

(0.07781) D(DCAR) 0.019107

(0.00466) D(DFDR) 0.055079

(0.01306) D(DBOPO) -0.006820

(0.00690) D(DNPF) 0.002481

(0.00308)

2 Cointegrating Equation(s): Log likelihood 916.5823

Normalized cointegrating coefficients (standard error in parentheses)

DP_LABA DCAR DFDR DBOPO DNPF 1.000000 0.000000 1.164082 -0.512163 -37.00276

(0.70100) (2.09551) (6.71288) 0.000000 1.000000 0.234225 -0.300042 -0.078004

(0.03042) (0.09092) (0.29126)

Adjustment coefficients (standard error in parentheses)

83

D(DP_LABA) -1.602949 0.057326 -0.221607 -2.546096

(0.27285) (4.03810) (0.93588) (2.57385) D(DCAR) -0.006694 -1.469828 -0.235998 -0.018434

(0.01992) (0.29476) (0.06831) (0.18788) D(DFDR) 0.095964 -3.246412 -0.906516 1.093605

(0.05836) (0.86374) (0.20018) (0.55054) D(DBOPO) 0.020783 0.105237 0.133453 -0.897637

(0.02586) (0.38268) (0.08869) (0.24392) D(DNPF) -0.000812 -0.124829 0.057025 0.109467

(0.01227) (0.18152) (0.04207) (0.11570)

(0.01324) (0.28699)

D(DFDR) 0.014672 -3.536922

(0.03729) (0.80843) D(DBOPO) 0.061334 0.613936

(0.01739) (0.37711) D(DNPF) 0.024453 -0.093042

(0.00834) (0.18084)

3 Cointegrating Equation(s): Log likelihood 931.8066

Normalized cointegrating coefficients (standard error in parentheses)

DP_LABA DCAR DFDR DBOPO DNPF 1.000000 0.000000 0.000000 1.958515 -15.93924

(1.45853) (4.59188) 0.000000 1.000000 0.000000 0.197084 4.160194

(0.22695) (0.71449) 0.000000 0.000000 1.000000 -2.122426 -18.09453

(1.03211) (3.24938)

Adjustment coefficients (standard error in parentheses)

D(DP_LABA) -1.603328 0.008248 -0.238113 (0.27269) (3.84872) (0.84077)

D(DCAR) -0.005958

(0.02011) -1.374655

(0.28377) -0.203990

(0.06199) D(DFDR) 0.097251 -3.080034 -0.850559

(0.05854) (0.82619) (0.18049) D(DBOPO) 0.023080 0.402287 0.233357

(0.02732) (0.38555) (0.08422) D(DNPF) -0.001684 -0.237651 0.019080

(0.01271) (0.17940) (0.03919)

4 Cointegrating Equation(s): Log likelihood 942.4534

Normalized cointegrating coefficients (standard error in parentheses)

DP_LABA DCAR DFDR DBOPO DNPF 1.000000 0.000000 0.000000 0.000000 -15.65992

(4.83617) 0.000000 1.000000 0.000000 0.000000 4.188301

(0.69380) 0.000000 0.000000 1.000000 0.000000 -18.39722

(3.10132) 0.000000 0.000000 0.000000 1.000000 -0.142617

(0.63833)

Adjustment coefficients (standard error in parentheses)

84

LAMPIRAN 5

UJI ESTIMASI VECM

Vector Error Correction Estimates

Date: 01/12/18 Time: 13:15

Sample (adjusted): 2011M05 2016M12

Included observations: 68 after adjustments

Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq:

CointEq1

DP_LABA(-1)

1.000000

DCAR(-1)

-62.17163 (9.61878)

[-6.46356]

DFDR(-1)

-13.39809 (2.35497)

[-5.68928]

DBOPO(-1)

18.14192 (5.51007)

[ 3.29250]

DNPF(-1)

-32.15312

(17.6362)

[-1.82313]

C

-0.111159

Error Correction:

D(DP_LABA)

D(DCAR)

D(DFDR)

D(DBOPO)

D(DNPF)

CointEq1

-0.092333

0.019107

0.055079

-0.006820

0.002481 (0.07781)

[-1.18670] (0.00466)

[ 4.09752] (0.01306)

[ 4.21696] (0.00690)

[-0.98907] (0.00308)

[ 0.80453]

D(DP_LABA(-1))

-0.676268

-0.022437

0.001803

-0.019234

-0.005014 (0.13033)

[-5.18892] (0.00781)

[-2.87252] (0.02188)

[ 0.08241] (0.01155)

[-1.66521] (0.00517)

[-0.97050]

D(DP_LABA(-2))

-0.381172

-0.004285

-0.023211

-0.001337

0.000877

(0.12595)

[-3.02643] (0.00755)

[-0.56766] (0.02114)

[-1.09785] (0.01116)

[-0.11975] (0.00499)

[ 0.17571]

D(DCAR(-1))

-1.838344

-0.136689

2.003277

-0.805050

0.105544

(3.79327)

[-0.48463] (0.22734)

[-0.60126] (0.63677)

[ 3.14600] (0.33618)

[-2.39466] (0.15036)

[ 0.70195]

D(DCAR(-2))

-3.743131

0.040731

0.986603

0.052497

0.127094

(2.68349) (0.16083) (0.45047) (0.23783) (0.10637)

85

[-1.39487] [ 0.25326] [ 2.19015] [ 0.22073] [ 1.19484]

D(DFDR(-1)) 0.400651 0.108287 0.187172 -0.186657 -0.002481

(0.96075) (0.05758) (0.16128) (0.08515) (0.03808)

[ 0.41702] [ 1.88065] [ 1.16054] [-2.19213] [-0.06515]

D(DFDR(-2)) -0.695030 0.020585 -0.056750 -0.016339 0.040073

(0.80209) (0.04807) (0.13465) (0.07109) (0.03179)

[-0.86653] [ 0.42823] [-0.42148] [-0.22984] [ 1.26042]

D(DBOPO(-1)) 1.967264 -0.271269 -0.206093 -0.481250 0.024413

(1.86053) (0.11150) (0.31232) (0.16489) (0.07375)

[ 1.05737] [-2.43282] [-0.65987] [-2.91857] [ 0.33103]

D(DBOPO(-2)) 1.444914 -0.155580 -0.506172 -0.216010 0.030297

(1.59549) (0.09562) (0.26783) (0.14140) (0.06324)

[ 0.90562] [-1.62707] [-1.88988] [-1.52762] [ 0.47907]

D(DNPF(-1)) 2.696037 0.174008 1.911373 -1.258098 -0.770449

(4.29001) (0.25711) (0.72016) (0.38021) (0.17005)

[ 0.62844] [ 0.67679] [ 2.65410] [-3.30895] [-4.53076]

D(DNPF(-2)) 8.705462 -0.074560 1.373732 -0.688228 -0.335572

(4.26202) (0.25543) (0.71546) (0.37773) (0.16894)

[ 2.04257] [-0.29190] [ 1.92007] [-1.82201] [-1.98634]

C 0.003955 0.000394 -0.000707 -0.000141 -0.000257

(0.01922) (0.00115) (0.00323) (0.00170) (0.00076)

[ 0.20571] [ 0.34228] [-0.21909] [-0.08297] [-0.33675]

R-squared 0.715686 0.729471 0.466341 0.719043 0.453982

Adj. R-squared 0.659839 0.676331 0.361515 0.663855 0.346728

Sum sq. resids 1.404289 0.005044 0.039573 0.011030 0.002206

S.E. equation 0.158356 0.009490 0.026583 0.014035 0.006277

F-statistic 12.81503 13.72741 4.448711 13.02896 4.232793

Log likelihood 35.43139 226.8212 156.7824 200.2172 254.9327

Akaike AIC -0.689158 -6.318270 -4.258306 -5.535801 -7.145078

Schwarz SC -0.297481 -5.926592 -3.866628 -5.144123 -6.753400

Mean dependent -0.000612 0.000244 -0.000418 -0.000140 -0.000201

S.D. dependent 0.271514 0.016682 0.033268 0.024207 0.007766

Determinant resid covariance (dof adj.) 6.70E-18

Determinant resid covariance 2.54E-18

Log likelihood 895.0909

Akaike information criterion -24.41444

Schwarz criterion -22.29285

86

Period DP_LABA DCAR DFDR DBOPO DNPF

1

0.158356

0.000000

0.000000

0.000000

0.000000 2 0.021956 0.028503 0.043221 0.016426 0.032041 3 0.051184 -0.031943 -0.018873 0.034340 0.036069 4 0.088167 0.046481 0.016319 -0.022044 -0.016419 5 0.051084 -0.011413 0.031284 0.032565 0.040891 6 0.065116 0.000373 -0.011496 0.009116 0.014545 7 0.064602 0.023373 0.019044 0.004851 0.011811 8 0.063503 -0.008035 0.013979 0.019076 0.021745 9 0.063424 0.015153 0.007790 0.007117 0.017772 10 0.062213 0.004482 0.012347 0.013779 0.018142

Response of DCAR:

Period DP_LABA DCAR DFDR DBOPO DNPF

1

-0.001100

0.009427

0.000000

0.000000

0.000000 2 2.55E-05 -0.001924 -0.003914 -9.75E-05 -0.002491 3 0.001562 0.004978 -0.002697 -0.000993 -0.001637 4 -0.001309 0.002229 -0.001251 0.001016 -0.000672 5 6.01E-05 0.003305 -0.002277 -0.000737 -0.001517 6 0.000297 0.003806 -0.001528 -0.000460 -0.001288 7 -0.000124 0.002105 -0.002340 0.000264 -0.001160 8 3.16E-05 0.003362 -0.002351 -0.000368 -0.001464 9 -9.15E-05 0.003120 -0.001726 -0.000134 -0.001266 10 7.92E-06 0.003000 -0.001993 -0.000187 -0.001242

Response of DFDR:

Period DP_LABA DCAR DFDR DBOPO DNPF

1

-0.000514

-0.007524

0.025491

0.000000

0.000000 2 0.005112 -0.013959 0.011216 0.009857 0.000794 3 -0.000480 -0.012609 0.004406 0.002721 -0.001864 4 0.001870 -0.011338 0.009984 0.005903 -0.001028 5 0.001611 -0.009577 0.013619 0.004176 -0.001713 6 0.000156 -0.010575 0.011608 0.004992 0.001302 7 0.002126 -0.011700 0.008929 0.004594 -0.001443 8 0.001666 -0.010906 0.010805 0.004727 -0.001466 9 0.000901 -0.011467 0.010922 0.005292 -0.000159 10 0.001273 -0.010223 0.010803 0.004375 -0.000783

DBOPO: Period DP_LABA DCAR DFDR DBOPO DNPF

LAMPIRAN 6

UJI IMPULSE RESPONSE FUNCTION

Response of

DP_LABA:

Response of

87

1 -0.006350 0.003456 -0.000346 0.012024 0.000000 2 -0.004754 -0.002065 -0.002854 0.002382 -0.005876 3 -0.002591 0.008394 0.003505 0.002877 6.08E-05 4 -0.005008 -0.000594 0.000505 0.006664 -0.001000 5 -0.003501 0.002724 -0.001800 0.003617 -0.002821 6 -0.003747 0.002516 0.000522 0.004887 -0.001851 7 -0.004260 0.002029 0.000414 0.004854 -0.001674 8 -0.004053 0.003019 0.000185 0.004387 -0.001684 9 -0.003821 0.002078 3.17E-05 0.004689 -0.001960 10 -0.003894 0.002314 -1.72E-05 0.004658 -0.001890

Response of DNPF:

Period DP_LABA DCAR DFDR DBOPO DNPF

1

-0.001359

0.000535

0.000278

0.002280

0.005656 2 -0.000974 0.000130 -0.000893 0.001176 0.000847 3 -0.000457 0.000532 0.000552 0.001015 0.002191 4 -0.000783 -0.000294 -0.000327 0.001656 0.002788 5 -0.001000 0.000642 -0.000275 0.001187 0.002229 6 -0.000681 2.83E-05 -4.61E-06 0.001376 0.002206 7 -0.000729 0.000312 -7.16E-05 0.001265 0.002376 8 -0.000907 0.000212 -0.000162 0.001407 0.002438 9 -0.000729 0.000193 -0.000184 0.001288 0.002219 10 -0.000777 0.000287 -4.29E-05 0.001317 0.002346

Cholesky Ordering: DP_LABA

DCAR DFDR

DBOPO DNPF

.0016

Response of DCAR to Cholesky

One S.D. DP_LABA Innovation

.006

Response of DFDR to Cholesky

One S.D. DP_LABA Innovation

.0012

.005

.0008

.004

.0004

.0000

-.0004

-.0008

-.0012

.003

.002

.001

.000

-.0016

1 2 3 4 5 6 7 8 9 10

-.001

1 2 3 4 5 6 7 8 9 10

88

Decomposition of DP_LABA:

Period S.E. DP_LABA DCAR DFDR DBOPO DNPF

1

0.158356

100.0000

0.000000

0.000000

0.000000

0.000000 2 0.171859 86.53501 2.750609 6.324866 0.913535 3.475980 3 0.189769 78.24694 5.089312 6.176509 4.023797 6.463445 4 0.216721 76.54560 8.502042 5.302762 4.119836 5.529761 5 0.231125 72.18679 7.719135 6.494456 5.607563 7.992058 6 0.241010 73.68645 7.099160 6.200168 5.300082 7.714138 7 0.251657 74.17322 7.373768 6.259283 4.898252 7.295472 8 0.261650 74.50627 6.915594 6.075764 5.062797 7.439577 9 0.270444 75.23931 6.787100 5.770024 4.808131 7.395434 10 0.278751 75.80307 6.414479 5.627445 4.770169 7.384835

Variance Decomposition

of DCAR:

Period S.E. DP_LABA DCAR DFDR DBOPO DNPF

1

0.009490

1.342309

98.65769

0.000000

0.000000

0.000000 2 0.010738 1.049132 80.27750 13.28499 0.008251 5.380120 3 0.012388 2.377377 76.46348 14.72101 0.648720 5.789420 4 0.012775 3.286060 74.94793 14.80225 1.242990 5.720764 5 0.013496 2.946087 73.14593 16.10792 1.411521 6.388541 6 0.014175 2.714625 73.51862 15.76469 1.384693 6.617379 7 0.014569 2.576858 71.67978 17.50205 1.343667 6.897649 8 0.015211 2.364521 70.64540 18.44499 1.291106 7.253984 9 0.015675 2.229912 70.48317 18.58093 1.223081 7.482909 10 0.016132 2.105270 70.00111 19.06790 1.168072 7.657657

Variance Decomposition

of DFDR:

Period S.E. DP_LABA DCAR DFDR DBOPO DNPF

1

0.026583

0.037364

8.010169

91.95247

0.000000

0.000000

Response of DBOPO to Cholesky

One S.D. DP_LABA Innovation

Response of DNPF to Cholesky

One S.D. DP_LABA Innovation

-.0025 -.0004

-.0030

-.0035

-.0006

-.0040

-.0008

-.0045

-.0050

-.0010

-.0055

-.0060

-.0012

-.0065

1 2 3 4 5 6 7 8 9 10

-.0014

1 2 3 4 5 6 7 8 9 10

LAMPIRAN 7

UJI VARIANCE DECOMPOTION

Variance

89

2 0.033930 2.292880 21.84256 67.37007 8.439691 0.054797 3 0.036616 1.985975 30.61362 59.29518 7.799138 0.306088 4 0.040104 1.872998 33.51210 55.62590 8.668087 0.320908 5 0.043687 1.714398 33.04675 56.59584 8.218750 0.424264 6 0.046709 1.500828 34.03443 55.68406 8.331891 0.448793 7 0.049255 1.535995 36.24923 53.36251 8.362810 0.489463 8 0.051856 1.489049 37.12759 52.48590 8.375962 0.521498 9 0.054485 1.376156 38.06014 51.56018 8.530292 0.473223 10 0.056668 1.322665 38.43951 51.29930 8.481949 0.456573

Variance Decomposition

of DBOPO:

Period S.E. DP_LABA DCAR DFDR DBOPO DNPF

1

0.014035

20.47134

6.065267

0.060835

73.40255

0.000000 2 0.016498 23.11896 5.956426 3.037263 55.20328 12.68407 3 0.019233 18.82510 23.42903 5.555713 42.85630 9.333855 4 0.021001 21.47775 19.73162 4.717785 46.01717 8.055676 5 0.022022 22.05833 19.47294 4.958600 44.54403 8.966102 6 0.023085 22.70841 18.90906 4.563546 45.01674 8.802250 7 0.024119 23.92286 18.03067 4.210191 45.29076 8.545517 8 0.025087 24.72126 18.11372 3.896856 44.91930 8.348872 9 0.025964 25.24659 17.55177 3.638354 45.19889 8.364405 10 0.026831 25.74719 17.17924 3.406957 45.33810 8.328511

Variance Decomposition

of DNPF:

Period S.E. DP_LABA DCAR DFDR DBOPO DNPF

1

0.006277

4.689546

0.726549

0.196260

13.18816

81.19949 2 0.006577 6.461490 0.700507 2.022205 15.20832 75.60748 3 0.007063 6.021307 1.175339 2.365043 15.25227 75.18604 4 0.007824 5.909168 1.098918 2.102759 16.91204 73.97711 5 0.008311 6.685087 1.570139 1.972988 17.02472 72.74706 6 0.008735 6.659778 1.422559 1.786253 17.89492 72.23649 7 0.009175 6.667467 1.404814 1.625154 18.12018 72.18239 8 0.009643 6.918952 1.319783 1.499447 18.53019 71.73163 9 0.010009 6.952863 1.262386 1.425577 18.85831 71.50086 10 0.010397 7.001400 1.246171 1.322763 19.07908 71.35059

Cholesky Ordering: DP_LABA

DCAR DFDR DBOPO DNPF

90

Variance Decomposition of DP_LABA

100

80

60

40

20

0

1 2 3 4 5 6 7 8 9 10

DP_LABA DCAR DFDR DBOPO DNPF