BAB IV ANALISIS DATA
B. Analisis Data
1. Hasil Uji Stasioneritas
Uji stasioneritas digunakan untuk mengetahui data stasioner atau tidak (Winarno, 2015 : 11.2). Apabila data stasioner maka data itu valid untuk diolah atau dilanjutkan.
Tabel 4. 1 Uji Stasioner
No Variabel Probabilitas Keterangan
1. FDR 0,0001 Stasioner 2. BOPO 0,0000 Stasioner 3. CAR 0,0075 Stasioner 4. NPF 0,0001 Stasioner 5. GCG 0,0289 Stasioner 6. ROA 0,0265 Stasioner
91
Berdasarkan tebel 4.1, semua data sudah stasioner, hal tersebut dapat dilihat dari hasil probabilitasnya. Semua probabilitasnya lebih kecil dari 0,05. Data tersebut stasioner pada tahap level, diferensiasi tahap pertama (1st difference), dan tahap kedua (2nd difference). Data yang stasioner pada tahap level adalah data variabel FDR dan ROA. Data yang stasioner pada diferensiasi tahap pertama (1st difference) adalah NPF, BOPO, dan CAR. Sedangkan data yang stsaioner pada diferensiasi tahap kedua (2nd difference) adalah GCG. Kemudian data dijadikan pada diferensiasi tahap kedua (2nd difference), hasilnya sebagai berikut :
No Variabel Probabilitas Keterangan
1. FDR 0,0000 Stasioner 2. BOPO 0,0000 Stasioner 3. CAR 0,0002 Stasioner 4. NPF 0,0001 Stasioner 5. GCG 0,0289 Stasioner 6. ROA 0,0000 Stasioner
Sumber : data yang diolah, 2018 2. Hasil Stastistik Deskriptif
Stastistik deskriptif digunakan untuk mendeskriptifkan data yang diteliti menjadi informasi yang lebih jelas dan mudah dipahami.
Tabel 4. 2 Uji Statistik Deskriptif
N Minimum Maximum Mean Std. Deviation ROA 40 -10,77 2,63 ,3583 2,06913 FDR 40 71,87 102,70 89,5493 6,94205 BOPO 40 68,47 217,40 97,8695 22,96987 CAR 40 11,51 36,70 18,3313 5,96494 NPF 40 ,00 4,85 2,5130 1,54669 GCG 40 57,15 100,00 93,4553 11,64613 Valid N (listwise) 40
92
Dari output di atas dapat diketahu bahwa variabel ROA dengan jumlah data (N) sebanyak 40 mempunyai nilai rata-rata 0.3583; dengan nilai minimal -10,77 dan maksimal 2,63, sedangkan standar deviasi sebesar 2,06913. Variabel FDR dengan jumlah data (N) sebanyak 40 mempunyai rata-rata 89,5493; dengan nilai minimum 71,87 dan maksimal 102,70,sedangkan standar deviasi sebesar 6,94205. Variabel FDR dengan jumlah data (N) sebanyak 40 mempunyai rata-rata 97,8695; dengan nilai minimum 68,47 dan maksimal 217,40, sedangkan standar deviasi sebesar 22,96987. Variabel CAR dengan jumlah data (N) sebanyak 40 mempunyai rata-rata 18,3313; dengan nilai minimum 11,51 dan maksimal 36,70, sedangkan standar deviasi sebesar 5,96494. Variabel NPF dengan jumlah data (N) sebanyak 40 mempunyai rata-rata 2,5130; dengan nilai minimum 0,00 dan maksimal 4,85,sedangkan standar deviasi sebesar 1,54669. Variabel terakhir GCG dengan jumlah data (N) sebanyak 40 mempunyai rata-rata 93,4543; dengan nilai minimum 57,15 dan maksimal 100,00, sedangkan standar deviasi sebesar 11,64639.
3. Hasil Content Analysis Good Corporate Governance (GCG)
Hasil Content AnalysisGCG yang diperoleh dari metode Content Analysis terhadap laporan GCG delapan Bank Umum Syariah di Indonesia dalam kurun waktu 2013-2017, yang disajikan dalam lampiran.
93
Tabel 4. 3 Pengungkapan GCG pada Bank Umum Syariah di Indonesia tahun 2013-2017
No Bank Umum Syariah 2013 2014 2015 2016 2017 1 Bank BRI Syariah 100 100 100 100 100 2 Bank BNI Syariah 100 90,48 85,72 90,48 85,72 3 Bank Syariah Mandiri 100 100 100 100 100 4 Bank BCA Syariah 57,15 57,15 57,15 100 100 5 Bank Mega Syariah 95,24 95,24 95,24 95,24 95,24 6 Bank Muamalat Indonesia 100 100 100 100 100 7 Bank Panin Syariah 100 100 100 100 100 8 Bank Victoria Syariah 85,72 85,72 85,72 90,48 90,48
Sumber : Data yang diolah, 2018
Berdasarkan tabel 4.3 di atas, indeks GCG bank umum syariah mengalami kenaikan maupun penurunan. Nilai maksimum pengungkapan indeks GCG dari tahun 2013-2017 diungkapkan oleh Bank BRI Syariah, Bank Syariah Mandiri, Bank Panin Syariah, dan Bank Victoria Syariah sebesar 100% dengan 21 item pengungkapan GCG. Nilai minimum pengungkapan indeks GCG diungkapkan oleh Bank BCA Syariah sebesar 57,15% setara dengan 12 dari 21 item pengungkapan GCG. Berdasarkan hasil tersebut maka dapat disimpul bahwa bank syariah belum mengungkapkan tata kelola perusahaanya secara penuh.
94
Gambar 4. 1 Pngungkapan Rata-Rata Indeks GCG setiap bank pada Bank Umum Syariah di Indonesia Periode 2013-2017
Berdasarkan gambar 4.1, rata-rata indeks GCG setiap bank menunjukan hasil yang berbeda-beda. Rata-rata pengungkapan indeks GCG yang paling tinggi dilaksaanakan oleh Bank BRI Syariah, Bank Syariah Mandiri, Bank Panin Syariah, dan Bank Victoria Syariah sebesar 100%. Sedangkan pengungkapan yang paling rendah dilaksanakan oleh bank yang mempunyai rata-rata pengungkapan sebesar 74,29% oleh Bank BCA Syariah.
Gambar 4. 2 Pengungkapan rata-rata indeks GCG pada Bank Umum Syariah di Indonesia Periode 2013-2017
95
Berdasarkan gambar 4.2, rata-rata indeks GCG pada Bank Umum Syariah di Indonesia periode 2013-2017 mengalami kenaikan dan penurunan. Kondisi tersebut dapat dilihat dari penurunan sampai dengan tahun 2015, nilai indeks GCG sebesar 92,26% pada tahun 2013 kemudian menurun pada tahun 2014 sebesar 1,184% dengan indeks GCG sebesar 91,08%. Diikuti penurunan tahun berikutnya, yaitu sebesar 0,68% dengan indeks GCG sebesar 90,48% pada tahun 2015.
Berdasarkan hasil indeks GCG dari tahun-tahun sebelumnya, indeks GCG yang paling sedikit terjadi pada tahun 2015. Hal itu bisa disebabkan karena pada tahun 2015 terjadi perlambatan pada kinerja perbankan syariah yang ditandai dengan penurunan pertumbuhan aset, pembiayaan yang diberikan dan dana pihak ketiga (Syafrida dan Aminah, 2015: 8). Dengan adanya perlambatan tersebutlah memungkinkan pengungkapan GCG juga menurun dari tahun sebelumnya. Kondisi tersebut tidak berkelanjutan, karena pada tahun 2016 pengungkapan GCG mengalami kenaikan sebesar 6,5475% dengan nilai indeks GCG sebesar 97,0275%.
Berdasarkan hasil tersebut, indeks GCG menggambarkan bahwa bank sudah melaksanakan dengan baik tata kelola perusahaanya, walaupun pengungkapan GCG mengalami sedikit penurunan ditahun 2015.
96 4. Uji Asumsi Klasik
a. Uji Multikoloneritas
Sehubungan dengan pemakaian metode regresi berganda, maka untuk menghindari pelanggaran asumsi-asumsi model klasik, maka dilakukan pengujian asumsi klasik. Adapun uji asumsi klasik tersebut adalah:
Tabel 4. 4 Hasil Uji Multikoloneritas Model Collinearity Statistics
Tolerance VIF 1 (Constant) FDR ,908 1,101 BOPO ,680 1,471 CAR ,575 1,738 NPF ,461 2,171 GCG ,754 1,326
a. Dependent Variable: ROA
Sumber : Data yang diolah, 2018
Berdasarkan tabel 4.4 di atas, nilai Tolerance pada semua variabel indenpenden lebih dari 0,10 dan tidak ada satupun variabel independen yang memiliki nilai VIF lebih dari 10. Jadi dapat disimpulkan tidak ada multikoloneritas antar variabel independen terhadap model regresi.
b. Uji Heterokedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan nilai varian residual dengan variabel setiap variabel indenpenden. Dalam penelitian ini, metode yang digunakan untuk uji heteroskedastisitas adalah metode
97
Glejser. Ada tidaknya gejala penyakit heteroskedastisitas dapat dilihat dari besarnya nilai signifikansi, jika nilai signifikansi lebih besar dari 0.05 maka dinyatakan tidak ada gejala penyakit heteroskedastisitas. Adapun hasil uji heteroskedatisitas penelitian ini dapat dilihat pada tabel berikut :
Tabel 4. 5 Uji Glejser
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 1,483 1,598 ,928 ,360 FDR -,012 ,014 -,161 -,883 ,383 BOPO -,001 ,005 -,050 -,235 ,815 CAR -,007 ,019 -,080 -,354 ,725 NPF -,026 0,82 -,082 -,322 ,749 GCG -,001 ,008 -,028 -,140 ,889
a. Dependent Variable: ABSUT
Sumber : data yang diolah, 2018
Berdasarkan tabel 4.5 di atas semua variabel independen tidak ada yang signifikansi, oleh sebab itu dapat disimpulkan bahwa tidak ada gejala heteroskedatisitas.
c. Uji Autokorelasi
Pengujian ini dilakukan untuk menguji apakah dalam suatu model regresi linier ada korelasi antara model regresi linier ada korelasi antara kesalahan pengunaan pada periode t dengan kesalahan periode t-1.
98
Tabel 4. 6 Hasil Uji Autokorelasi
Sumber : data yang diolah, 2018
Berdasarkan tabel 4.6 di atas maka hasil uji autokorelasi diperoleh nilai DW sebesar 2,146, nilai ini akan dibandingkan dengan tabel DW dengan jumlah observasi (n) = 40, jumlah variabel independen (k) = 5 dan tingkat signifikansi 0,05 didapat nilai dl = 1,230 dan nilai du = 1,786. Nilai du) =2,770 dan (4-dl) = 2,214 ; maka dari disimpulkan bahwa DW-test terletak pada daerah uji. Hal ini dapat dilihat dari gambar 4.3 sebagai berikut :
Gambar 4. 3 Hasil Uji Durbin Watson
Sumber : Data yang dioalah, 2018
Sesuai dengan gambar 4.3 tersebut menunujukkan bahwa Durbin-Watson berada di daerah tidak ada autokorelasi. Maka dapat disimpulkan tidak terdapat autokorelasi positif dan tidak terdapat autokorelasi negatif sehingga bisa disimpulkan sama sekali tidak terdapat autokorelasi.
Model Summaryb
Model Durbin-Watson
1 2,146
a. Predictors: (Constant), GCG, FDR, BOPO, CAR, NPF b. Dependent Variable: ROA
99 d. Uji Normalitas
Uji Normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residual memeliki distribusi normal (Ghozali, 2013 : 160). Seperti diketahui bahwa uji F dan t mengamsumsi bahwa nilai residual mengikuti distribusi normal. Normalitas data merupakan syarat utama suatu penyelesaian statistik parametrik. Pengujian normalitas dilakukan dengan uji kolmogrov-smirnov dengan kriteria :
a. Jika nilai Asymp. Sig. (2-tailed) ≥ 0,05 data terdistribusi
normal.
b. Jika nilai Asymp. Sig. (2-tailed) ≤ 0,05 data tidak terdistribusi
normal.
Tabel 4. 7 Hasil Uji Normalitas
Unstandardized Residual
N 40
Normal Parametersa,b Mean ,0000000
Std. Deviation ,49479236
Most Extreme Differences
Absolute ,134
Positive ,134
Negative -,104
Kolmogorov-Smirnov Z ,847
Asymp. Sig. (2-tailed) ,470
Sumber : data yang diolah, 2018
Dari uji normalitas pada tabel 4.7di atas diketahui bahwa nilai assymp. Sig (2-tailed) sebesar 0.470> 0.05, maka dapat dinyatakan bahwa data tersebut berdistribusi secara normal.
100 5. Uji Regresi Berganda
Uji regresi ini digunakan untuk mengetahui pengaruh variabel independen terhadap variabel dependen.
Tabel 4. 8 Hasil Uji Regresi
Variable Coefficient Std. Error t-Statistic Prob.
C -0.035451 0.316278 -0.112088 0.9120 D(FDR,2) 0.069957 0.049968 1.400023 0.1785 D(BOPO,2) -0.072920 0.012531 -5.819113 0.0000 D(CAR,2) 0.033306 0.078254 0.425615 0.6754 D(NPF,2) 0.131970 0.276894 0.476608 0.6394 D(GCG,2) 0.006125 0.022799 0.268660 0.7912
Sumber : data yang diolah, 2018
Berdasarkan tabel 4.8, maka model regresi berganda antara variabel independen dan variabel dependen dapat dirumuskan dalam bentuk persamaan berikut :
D(ROA,2) = -0,035451+ 0,0069957*D(FDR,2) – 0,072920*D(BOPO,2) + 0,033306*D(CAR,2) + 0,131970*D(NPF,2)
+ 0,006125*D(GCG,2)
Persamaan regresi diatas dapat diuraikan sebagai berikut:
Koefisien regresi b1 sebesar 0.069957menyatakan bahwa jika FDR mengalami kenaikan sebesar 1 maka akan diikuti kenaikan kinerja keuangan (ROA) sebesar 0.069957 dengan asumsi nilai koefisien variabel independen lainnya konstan atau sama dengan nol.
Koefisien regresi b2 sebesar –0.072920menyatakan bahwa jika BOPO mengalami kenaikan sebesar 1 maka tidak akan diikuti kenaikan kinerja keuangan (ROA) sebesar –0.072920dengan asumsi
101
nilai koefisien variabel independen lainnya konstan atau sama dengan nol.
Koefisien regresi b3 sebesar 0.033306 menyatakan bahwa jika CAR mengalami kenaikan sebesar 1 maka akan diikuti kenaikan kinerja keuangan (ROA) sebesar 0.033306dengan asumsi nilai koefisien variabel independen lainnya konstan atau sama dengan nol.
Koefisien regresi b4 sebesar 0.131970menyatakan bahwa jika NPF mengalami kenaikan sebesar 1 maka akan diikuti kenaikan kinerja keuangan (ROA) sebesar 0.131970dengan asumsi nilai koefisien variabel independen lainnya konstan atau sama dengan nol.
Koefisien regresi b5 sebesar 0.006125menyatakan bahwa jika CAR mengalami kenaikan sebesar 1 maka akan diikuti kenaikan kinerja keuangan (ROA) sebesar 0.006125dengan asumsi nilai koefisien variabel independen lainnya konstan atau sama dengan nol.
a. Uji R2 (Koefisien Determinasi)
Koefisien Determinan digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variaebel dependen.
Tabel 4. 9 Hasil Koefisien Determinasi
Sumber : data yang diolah, 2018
R Square Adjusted R Square Std. Error of the Estimate
,76480 ,699492 1,391647
102
Berdasarkan tabel 4.9 besarnya adjusted R2adalah 0,699492 yang artinya 69,9% kinerja keuangan (ROA) Bank Umum Syariah dipengaruhi oleh variabel independen,m sedangkan 30,1% dipengaruhi oleh faktor yang lain di luar penelitian.
b. Uji Signifikansi Simultan (F-test)
Uji Stastistik F digunakan untuk menunjukkan apakah semua variabel independen atau bebas yang dimaksudkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen atau terikat.
Tabel 4. 10 Hasil Uji F
R-squared 0.764820
Adjusted R-squared 0.699492
S.E. of regression 1.391647
Sum squared resid 34.86028
Log likelihood -38.53406
F-statistic 11.70740
Prob(F-statistic) 0.000038
Sumber : data yang diolah,2018
Berdasarkan dari hasil uji F, diperoleh nilai F 11,707740 dan signifikasnis 0,000038 lebih kecil dari 0,05. Hal ini menunjukkan bahwa variabel FDR,BOPO, CAR, NPF, dan GCG secara simultan berpengaruh signifikansi terhadap kinerja keuangan (ROA) bank umum syariah di Indonesia periode tahun 2013-2017.
c. Uji Signifikansi Parsial (Uji Statistik t)
Uji statistik t digunakan untuk menunjukan apakah variabel independen atau bebas yang dimaksudkan dalam model
103
mempunyai pengaruh secara individual terhadap variabel dependen atau terikat.
Tabel 4. 11 Hasil Uji t
Variable Coefficient Std. Error t-Statistic Prob.
C -0.035451 0.316278 -0.112088 0.9120 D(FDR,2) 0.069957 0.049968 1.400023 0.1785 D(BOPO,2) -0.072920 0.012531 -5.819113 0.0000 D(CAR,2) 0.033306 0.078254 0.425615 0.6754 D(NPF,2) 0.131970 0.276894 0.476608 0.6394 D(GCG,2) 0.006125 0.022799 0.268660 0.7912
Sumber : data yang diolah, 2018
Berdasarkan tabel 4.11 di atas pengaruh variabel independen secara parsial adalah sebagai berikut :
1) Nilai koefisien regresi parsial dari FDR (X1) mempunyai nilai thitung 1.400023<ttabel 1,68967 dan nilai sig. 0.1785>α 0,05 maka H1 ditolak, sehingga variabel FDR (X1) berpengaruh positif tidak signifikan terhadap ROA (Y).
2) Nilai koefisien regresi parsial dari BOPO (X2) mempunyai nilai thitung -5.819113> ttabel 1,68967 dan nilai sig. 0,000 < α
0,05 maka H2 diterima, sehingga variabel BOPO (X2) berpengaruh negatif signifikan terhadap ROA (Y).
3) Nilai koefisien regresi parsial dari CAR (X3) mempunyai nilai thitung 0.425615< ttabel 1,68967 dan nilai sig. 0.6754> α 0,05
maka H3 ditolak, sehingga variabel CAR (X3) berpengaruh positif tidak signifikan terhadap ROA (Y).
104
4) Nilai koefisien regresi parsial dari NPF (X4) mempunyai nilai thitung 0.476608< ttabel 1,68967 dan nilai sig. 0,6394> α 0,05
maka H4ditolak, sehingga variabel NPF (X4) berpengaruh positif tidak signifikan terhadap ROA (Y).
5) Nilai koefisien regresi parsial dari GCG (X5) mempunyai nilai thitung 0.268660< ttabel 1,68967 dan nilai sig. 0.7912< α 0,05
maka H5ditolak, sehingga variabel GCG (X5) berpengaruh secara signifikan terhadap ROA (Y).
