1. Analisis deskriptif
Tabel 5 Analisis Deskriptif Date: 10/08/18 Time: 09:48 Sample: 2013Q1 2014Q4 X1 X2 Y Z Mean 4776448. 16473059 1.267083 3.750625 Median 4039972. 15098578 1.230000 3.390000 Maximum 29857050 46711012 7.890000 6.840000 Minimum 180868.0 19398.00 0.050000 1.860000 Std. Dev. 4504226. 12020941 1.095307 1.391840 Skewness 3.734745 0.677524 4.663453 0.468550 Kurtosis 21.23992 3.249460 29.21361 2.316126 Jarque-Bera 776.9758 3.796776 1548.289 2.691680 Probability 0.000000 0.149810 0.000000 0.260321
Sum Sq. Dev. 9.54E+14 6.79E+15 56.38579 91.04928
Observations 48 48 48 48
Sumber: Data Sekunder yang diolah 2018
Hasil statistik deskriptif menunjukkan bahwa terdapat 4 variabel yaitu variabel pembiayaan Bagi-hasil (X1), Pembiayaaan Jual-beli (X2), NPF (Z) dan ROA (Y). Dalam penelitian ini variabel independen adalah pembiayaan bagi-hasil dan pembiayaan jual-beli yang rata-rata nya adalah 4776448 dan 16473059. variabel dependen adalah ROA yang rata-rata volume adalah 3.750625 . NPF sebagai variabel intervening dengan rata- rata rasio 1.267083. laporan keuangan yang di uji dalam penelitian ini adalah laporan keuangan triwulanan dari tahun 2013 sampai dengan tahun 2017. Periode masing-masing bank umum syariah yang digunakan adalah 5 tahun laporan keuangan. Sehingga bank umum syariah yang digunakan dalam penelitian ini adalah 6 bank dan jumlah laporan keuangan yang digunakan adalah sebanyak 120periode.
2. Uji Stationer
Tabel 6 Hasil Uji Stationer 1. Pembiayaan Bagi-hasil
Panel unit root test: Summary Series: X1
Date: 09/20/18 Time: 19:53 Sample: 2013Q1 2017Q4
Exogenous variables: Individual effects User-specified lags: 0
Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test
Cross-
Method Statistic Prob.** Sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -2.60752 0.0046 6 114
Null: Unit root (assumes individual unit root process)
Im, Pesaran and Shin W-stat -2.49642 0.0063 6 114
ADF - Fisher Chi-square 29.5372 0.0033 6 114
PP - Fisher Chi-square 31.7103 0.0015 6 114
** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution. All other tests assume asymptotic normality.
Sumber: Data Sekunder yang diolah 2018
Dari output yang dihasilkan, terlihat bahwa nilai probabilitasnya adalah sebesar 0,0046 lebih kecil dari 0,05. Dengan demikian data pembiayaan bagi-hasil menunjukkan data stationer.
2. Pembiayaan Jual-beli
Panel unit root test: Summary Series: X2
Date: 09/20/18 Time: 19:53 Sample: 2013Q1 2017Q4
Exogenous variables: Individual effects User-specified lags: 0
Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test
Cross-
Method Statistic Prob.** Sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -19.9514 0.0000 6 114
Null: Unit root (assumes individual unit root process)
ADF - Fisher Chi-square 302.905 0.0000 6 114
PP - Fisher Chi-square 126.621 0.0000 6 114
** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution. All other tests assume asymptotic normality.
Sumber: Data Sekunder yang diolah 2018
Dari output yang dihasilkan, terlihat bahwa nilai probabilitasnya adalah sebesar 0,0000 lebih kecil dari 0,05. Dengan demikian data pembiayaan jual-beli menunjukkan data stationer.
3. Non performing financing
Panel unit root test: Summary Series: Z
Date: 09/20/18 Time: 21:52 Sample: 2013Q1 2017Q4
Exogenous variables: Individual effects User-specified lags: 0
Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test
Cross-
Method Statistic Prob.** Sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -0.60436 0.2728 6 114
Null: Unit root (assumes individual unit root process)
Im, Pesaran and Shin W-stat -0.67989 0.2483 6 114
ADF - Fisher Chi-square 14.9024 0.2468 6 114
PP - Fisher Chi-square 14.9191 0.2459 6 114
** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution. All other tests assume asymptotic normality.
Dari output yang dihasilkan, terlihat bahwa nilai probabilitasnya adalah sebesar 0,2728 lebih dari nilai signifikansi 0,05. Dengan demikian data non performing finance menunjukkan data tidak stationer. Maka dari itu penulis melanjutkan uji stationer dengan tingkat 1different.
Panel unit root test: Summary Series: D(Z)
Date: 09/20/18 Time: 19:54 Sample: 2013Q1 2017Q4
Exogenous variables: Individual effects User-specified lags: 0
Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test
Cross-
Method Statistic Prob.** Sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -7.13197 0.0000 6 108
Null: Unit root (assumes individual unit root process)
Im, Pesaran and Shin W-stat -6.86799 0.0000 6 108
ADF - Fisher Chi-square 62.3419 0.0000 6 108
PP - Fisher Chi-square 71.5436 0.0000 6 108
** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution. All other tests assume asymptotic normality.
Sumber: Data Sekunder yang diolah 2018
Dari output yang dihasilkan, terlihat bahwa nilai probabilitasnya adalah sebesar 0,0000 lebih kecil dari 0,05. Dengan demikian data non performing financing menunjukkan data stationer.
4. Profitabilitas
Panel unit root test: Summary Series: Y
Date: 09/20/18 Time: 21:49 Sample: 2013Q1 2017Q4
Exogenous variables: Individual effects User-specified lags: 0
Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test
Cross-
Method Statistic Prob.** Sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -1.22979 0.1094 6 114
Null: Unit root (assumes individual unit root process)
Im, Pesaran and Shin W-stat -1.56201 0.0591 6 114
ADF - Fisher Chi-square 23.1574 0.0264 6 114
PP - Fisher Chi-square 23.2114 0.0260 6 114
** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution. All other tests assume asymptotic normality.
Sumber: Data Sekunder yang diolah 2018
Dari output yang dihasilkan, terlihat bahwa nilai probabilitasnya adalah sebesar 0,1094 lebih dari nilai signifikansi 0,05. Dengan demikian data roa menunjukkan data tidak stationer. Maka dari itu penulis melanjutkan uji stationer dengan tingkat 1different.
Panel unit root test: Summary Series: D(Y)
Date: 09/20/18 Time: 19:54 Sample: 2013Q1 2017Q4
Exogenous variables: Individual effects User-specified lags: 0
Newey-West automatic bandwidth selection and Bartlett kernel Balanced observations for each test
Cross-
Method Statistic Prob.** Sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -10.5083 0.0000 6 108
Null: Unit root (assumes individual unit root process)
Im, Pesaran and Shin W-stat -10.2603 0.0000 6 108
ADF - Fisher Chi-square 97.1042 0.0000 6 108
PP - Fisher Chi-square 119.206 0.0000 6 108
** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution. All other tests assume asymptotic normality.
Sumber: Data Sekunder yang diolah 2018
Dari output yang dihasilkan, terlihat bahwa nilai probabilitasnya adalah sebesar 0,0000 lebih kecil dari 0,05. Dengan demikian data roa menunjukkan data stationer.
3. Uji Asumsi Klasik a) Uji Multikolonieritas
Uji multikolonieritas digunakan untuk mengetahui ada tidaknya variabel independen yang memiliki kemiripan dengan variabel independen lain. Model regresi yang baik adalah tidak terjadi korelasi diantara variabel bebas. Untuk mendeteksi adanya multikolonieritas yaitu jika nilai R- square tidak lebih dari 10 maka model terbebas dari multikolonieritas.
Tabel 7 Hasil Uji Multikolonieritas
X1 X2 Z
X1 1.000000 0.477823 0.109097
X2 0.477823 1.000000 0.154731
Z 0.109097 0.154731 1.000000
Tabel perbndingan nilai R-squre R-squre R-squre ada regresi
>10
Kesimpulan
X1=1.000000 Lebih kecil Tidak ada korelasi X2=0.477823 Lebih kecil Tidak ada korelasi Z =0.109097 Lebih kecil Tidak ada korelasi
Dari tabel diatas maka dapat disimpulkan bahwa dalam penelitian ini tidak terjadi multikolonieritas.
b) Hasil Uji Autokorelasi
Autokorelasi merupakan penggaran asumsi non autokorelasi. Hal ini disebabkan karena adanya korelasi antar gangguan pada setiap pengamatan. Autokorelasi juga dapat dikatakan kesalahan gangguan dari periode sebelumnya. Permasalahan autokorelasi hanya relevan digunakan jika data yang digunakan adalah time series. Untuk mengetahui adanaya autokorelasi dalam penelitian ini digunakan uji Durbin Watson dapat dilihat dari uji regresi pada tabel berikut :
Tabel 8 Hasil Uji Autokorelasi
Dependent Variable: LOGY Method: Panel Least Squares Date: 09/20/18 Time: 20:11 Sample (adjusted): 2013Q3 2017Q4 Periods included: 18
Cross-sections included: 5
Total panel (unbalanced) observations: 37 Convergence achieved after 5 iterations
C -1.457166 0.288885 -5.044102 0.0000
D(X1) -0.114881 0.039981 -2.873409 0.0072
D(X2) -0.045097 0.031748 -1.420479 0.1651
D(Z) -0.920197 0.381635 -2.411197 0.0218
AR(1) 0.686707 0.104401 6.577610 0.0000
R-squared 0.722625 Mean dependent var -1.080057
Adjusted R-squared 0.687953 S.D. dependent var 0.714200
S.E. of regression 0.398960 Akaike info criterion 1.125179
Sum squared resid 5.093421 Schwarz criterion 1.342871
Log likelihood -15.81581 Hannan-Quinn criter. 1.201926
F-statistic 20.84183 Durbin-Watson stat 1.953358
Prob(F-statistic) 0.000000
Inverted AR Roots .69
Sumber: Data Sekunder yang diolah 2018
Melihat nilai Durbin-Watson pada uji regresi linier berganda adalah 1.953358. bersarkan tabel DW dengan level signifikan 5% yang mana nilai k=3 (tanpa variabel terikat) dan nilai n=120, didapat nilai dL=1.6513 dU=1.7536 dan nilai 4-du =2.2464. Karena nilai du < nilai DW < nilai 4-dU maka dapat disimpulkan tidak terdapat autokorelasi. c) Hasil uji Normalitas
Uji normalitas bertujuan untuk mengetahui distribusi data dalam variabel yang digunakan dalam penelitian. Data yang baik dan layak digunakan dalam penelitian adalah data yang terdistribusi normal. Untuk melakukan pengujian asumsi normalitas data tersebut dilakukan dengan menggunakan pengujian jarque berra (JB), jika probabilitas JB hitung lebih besar dari 0.05 maka data resebut terdistribusi normal, tetapi jika lebih kecil dari 0.05 maka data tersebut tidak terdistribusi normal.
Uji Normalitas 0 1 2 3 4 5 6 7 8 9 -2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Series: Standardized Residuals Sample 2013Q2 2017Q4 Observations 46 Mean 1.48e-16 Median -0.015026 Maximum 1.723667 Minimum -2.325139 Std. Dev. 0.790275 Skewness -0.231660 Kurtosis 3.599185 Jarque-Bera 1.099570 Probability 0.577074
Gambar 2 Hasil Uji Normalitas
Sumber: data sekunder yang diolah 2018
Berdasarkan hasil uji diatas terlihat bahwa nilai probability Jarque Berra sebesar 0,577074, lebh besar dari 0,005 dengan demikian dapat disimpulkan bahwa data dari variabel dalam penelitian ini telah terdistribusi normal.
d) Uji Heteroskedastisitas
Heteroskedastistas merupkan pelanggaran dari asumsi homokedastisitas (semua gangguan/disturbancec) yang muncul dalam persamaaan regresi bersifat homokedastisitas dalam sistem persamaan bahwa penaksiran tidak lagi mempunyai varians yang minimum. Cara mengetahui ada atau tidaknya gejala heteroskedastisitas pada penelitian ini adalah dengan melakukan pengujian dengan resab .
Tabel 9 Hasil Uji Heteroskedastisitas Dependent Variable: RESAB
Method: Panel Least Squares Date: 09/20/18 Time: 20:18 Sample (adjusted): 2013Q3 2017Q4 Periods included: 18
Cross-sections included: 5
Total panel (unbalanced) observations: 37
White period standard errors & covariance (d.f. corrected)
Variable Coefficient Std. Error t-Statistic Prob.
C 0.299141 0.010622 28.16355 0.0000
D(X1) 0.041896 0.002552 16.41777 0.0000
D(X2) -0.012436 0.001905 -6.527836 0.0000
D(Z) -0.078559 0.166300 -0.472396 0.6398
R-squared 0.067659 Mean dependent var 0.297454
Adjusted R-squared -0.017100 S.D. dependent var 0.224828
S.E. of regression 0.226742 Akaike info criterion -0.028203
Sum squared resid 1.696592 Schwarz criterion 0.145950
Log likelihood 4.521758 Hannan-Quinn criter. 0.033194
F-statistic 0.798255 Durbin-Watson stat 1.441462
Prob(F-statistic) 0.503719
Sumber: Data Sekunder yang diolah 2018.
dari hasil uji output diatas dapat dilihat bahwa nilai R-Square adalah sebesar 0,067659 lebih dari 0.05. Maka dapat disimpulkan bahwa data dalam variabel penelitian ini tidak terdapat heteroskedastisitas pada metode penelitian ini.
4. Uji Statistik
a) Analisis Jalur (Path Analysis)
Analisis jalur digunakan untuk menguji pengaruh variabel intervening. Analisis jalur merupakan perluasan dari analisis regresi linier
berganda, atau analisis jalur adalah penggunaan analisis regeresi untuk menaksir hubungan kausalitas antar variabel ( model causal) yang telah ditetapkan sebelumnya berdasarkan teori. (Ghozali, 2013: 249)
Analisis regresi linier berganda digunakan untuk menganalisa data yang bersifat multivariate. Analisis ini digunakan untuk meramalkan nilai variabel dependen (Y), dengan variabel independen yang lebih dari satu (Bawono, 2006: 85). Analisis regresi berganda digunakan untuk mengetahui seberapa besar pengaruh pembiayaan bagi-hasil (X1), pembiayaan jual-beli (X2), terhadap profitabilitas bank umum syariah (Y) dan non performing financing (NPF) (Z) sebagai variabel intervening.
Tabel 10 Hasil Uji Analisis Regresi Linier Berganda Pertama
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients T Sig. B Std. Error Beta 1 (Constant) 1,996 ,274 7,284 ,000 Pembiayaan Bagi-hasil -3,194E-008 ,000 -,235 -2,014 ,046 Pembiayan Jual-beli 1,075E-008 ,000 ,162 1,380 ,170 Non Performing financing (NPF) -,226 ,066 -,309 -3,439 ,001
a. Dependent Variable: Return On Asset (ROA)
Tabel 11 Hasil Uji Analisis Regresi Linier Berganda Kedua Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta (Constant) 3,652 ,187 19,567 ,000 Pembiayaan Bagi- hasil 2,193E-008 ,000 ,118 ,986 ,326 Pembiayan Jual- beli 1,694E-008 ,000 ,187 1,562 ,121
a. Dependent Variable: Non Performing financing (NPF)
Sumber: Data Sekunder yang diolah 2018
Berdasarkan tabel di atas, maka dapat diambil kesimpulan bahwa:
1. Konstanta sebesar 1.996 menyatakan bahwa jika ada pembiayaan bagi- hasil (X1), pembiayaan jul-beli (X2), dan NPF (Z) konstan atau tidak ada atau 0, maka ROA akan mengalami kenaikan sebesar 1.996.
2. Koefisien regresi pembiayaan bagi-hasil (X1) sebesar -3.194 menyatakan bahwa setiap penambahan 1 point pembiaaan bagi hasil (X1) akan menurunkan ROA sebesar 3.194 dengan anggapan pembiayaan jual-beli (X2), dan NPF (Z) tetap.
3. Koefisien regresi pembiayaan jual-beli (X2) sebesar 1.075 menyatakan bahwa setiap penambahan 1 point pembiayaan jual-beli (X2) akan meningkatkan ROA sebesar 1.075 dengan anggapan pembiayaan bagi- hasil (X1) dan NPF (Z) tetap.
4. Koefisien regresi NPF (X) sebesar -0,226 menyatakan bahwa setiap penambahan 1 point NPF (Z) akan menurunkan ROA sebesar 0.226
dengan anggapan pembiayaan bagi-hasil (X1), dan pembiayaan jual-beli (X2) tetap.
5. Koefisien regresi pembiayaan bagi-hasil (X1) sebesar 2,193 menyatakan bahwa setiap penambahan 1 point pembiayaan bagi-hasil (X1) akan meningkatkan NPF sebesar 2.193 dengan anggapan pembiayaan jual-beli (X2) tetap.
6. Koefisien regresi pembiayaan jual-beli (X2) sebesar 1.694 menyatakan bahwa setiap penambahan 1 point pembiayaan jual-beli (X2) akan meningkatkan NPF sebesar 1.694 dengan anggapan pembiayaan bagi- hasil (X1) tetap.
Dilihat dari hasil uraian diatas maka dapat disimpulkan bahwa pembiayaan jual-beli adalah pembiayaan yang paling menguntungkan perbankkan syariah.
b) Uji T
Uji t digunakan untuk melihat tingkat signifikansi variabel independent mempengaruhi variabel dependen secara individu atau sendiri-sendiri. Pengujian ini dilakukan secara persial atau individu, dengan menggunakan uji t statistik untuk masing-masing variabel bebas, dengan tingkat kepercayaan tertentu (Bawono, 2006: 89).
Berdasarkan tabel 1.1 di atas apabila nilai signifikansi kurang dari nilai alfa 0,05 maka variabel tersebut dinyatakan positif mempengaruhi variabel dependennya. Berdasarkan hasil uji t, peneliti mendapatkan nilai t
hitung masing-masing pembiayaan bagi hasil (X1), Pembiayaan jual-beli (X2) dan Non Performing Financing (NPF) yaitu:
1. Variabel pembiayaan bagi-hasil (X1) dengan t hitung -2.014 dan nilai signifikansi pembiayaan bagi-hasil (X1) 0.046, dimana nilai signifikansi lebih kecil dari nilai alfa 0.05 maka dapat dikatakan bahwa pembiayaan bagi-hasil (X1) secara statistik berpengaruh negatif signifikan terhadap ROA (Y). Dengan demikian secara empiris menolak hipotesis pertama (H1), yang menyatakan bahwa pembiayaan bagi-hasil berpengaruh positif dan signifikan terhadap ROA (Y). Hal ini berarti semakin tinggi tingkat pembiayaan bagi-hasil (X1) maka semakin menurun tingkat profitabilitas. 2. Variabel pembiayaan jual-beli (X2) dengan t hitung 1.380 dan nilai
signifikansi pembiayaan jual-beli (X2) 0.170, dimana nilai signifikansi lebih besar dari nilai alfa 0.05 maka dapat dikatakan bahwa pembiayaan jual-beli (X2) secara statistik berpengaruh positif tidak signifikan terhadap ROA (Y). Dengan demikian secara empiris menolak hipotesis kedua (H2), yang menyatakan bahwa pembiayaan jual-beli berpengaruh positif dan signifikan terhadap ROA (Y). Hal ini berarti semakin tinggi tingkat pembiayaan bagi-hasil (X1) maka semakin tinggi juga tingkat profitabilitas.
3. Variabel pembiayaan bagi-hasil (X1) dengan t hitung 0.986 dan nilai signifikansi pembiayaan bagi-hasil (X1) 0.326, dimana nilai signifikansi lebih besar dari nilai alfa 0.05 maka dapat dikatakan bahwa pembiayaan bagi-hasil (X1) secara statistik berpengaruh positif tidak signifikan
terhadap NPF (Z). Dengan demikian secara empiris menolak hipotesis ke tiga (H3), yang menyatakan bahwa pembiayaan bagi-hasil berpengaruh positif dan signifikan terhadap NPF (Z). Hal ini berarti semakin tinggi tingkat pembiayaan bagi-hasil (X1) maka semakin tinggi tingkat NPF. 4. Variabel pembiayaan jual-beli (X2) dengan t hitung 1.562 dan nilai
signifikansi pembiayaan bagi-hasil (X2) 0.121, dimana nilai signifikansi lebih besar dari nilai alfa 0.05 maka dapat dikatakan bahwa pembiayaan jual-beli (X2) secara statistik berpengaruh positif tidak signifikan terhadap NPF (Z). Dengan demikian secara empiris menolak hipotesis ke empat (H4), yang menyatakan bahwa pembiayaan jual-beli berpengaruh positif dan signifikan terhadap NPF (Z). Hal ini berarti semakin tinggi tingkat pembiayaan jual-beli (X2) maka semakin tinggi tingkat NPF (Z).
5. Variabel Non Performing Financing (Z) dengan t hitung -3.439 dan nilai signifikansi NPF (Z) 0.001, dimana nilai signifikansi lebih kecil dari nilai alfa 0.05 maka dapat dikatakan bahwa NPF (Z) secara statistik berpengaruh negatif signifikan terhadap ROA (Y). Dengan demikian secara empiris menerima hipotesis ke lima (H5), yang menyatakan bahwa NPF berpengaruh negatif dan signifikan terhadap ROA (Y). Hal ini berarti semakin tinggi tingkat NPF (X1) maka semakin menurun tingkat profitabilitas.
c) Uji F
Uji F dilakukan dengan tujuan untuk mengetahui seberapa jauh semua variabel independen secara bersama-sama dapat mempengaruhi
variabel dependen (Bawono, 2006:91). Adapun hasil uji F adalah sebagai berikut:
Tabel 12 Hasil Uji F
ANOVAa
Model Sum of
Squares
Df Mean Square F Sig.
1
Regression 17,504 3 5,835 6,030 ,001b
Residual 112,236 116 ,968
Total 129,740 119
a. Dependent Variable: Return On Asset (ROA)
b. Predictors: (Constant), Non Performing Financing (NPF), Pembiayaan Bagi-Hasil, Pembiayaan Jual-Beli
Sumber: Data Sekunder yang diolah 2018
Pada tabel di atas menunjukkan bahwa nilai signifikasi 0.001. Karena probabilitas signifikan jauh lebih kecil dari 0.05. Hal ini menunjukkan bahwa pembiayaan bagi-hasil, pembiayaan jual-beli, dan non performing financing (NPF) secara bersama-sama berpengaruh positif dan signifikan terhadap profitabilitas (ROA).
d) Uji Determinasi
Menurut Bawono (2006:92) koefisien determinasi (R2) menunjukkan sejauh mana tingkat hubungan antara variabel dependen dengan variabel independen atau sejauh mana kontribusi variabel independen mempengaruhi variabel dependen. Adapun hasil uji R2 adalah :
Tabel 13 Hasil Uji R Square
Model Summaryb
Model R R Square Adjusted R
Square
Std. Error of the Estimate
Durbin-Watson
a. Predictors: (Constant), Non Performing Financing (NPF), Pembiayaan Bagi-Hasil, Pembiayaan Jual-Beli
b. Dependent Variable: Return On Asset (ROA)
Sumber: Data Sekunder yang diolah 2018
Dari tabel di atas terlihat koefisien korelasi (R) sebesar 0.367 ini artinya ada hubungan sebesar 36,7% antara variabel dependen dengan variabel independen. Sehingga dapat disimpulkan korelasi antara pembiayaan bagi-hasil, pembiayaan jual-beli, dan non performing financing mempunyai hubungan yang kuat. Jika nilai R2 semakin mendekati satu maka model yang diusulkan dikatakan baik karena semakin tinggi variasi variabel terikat yang dapat dijelaskan oleh variabel bebasnya. Koefisien determinasi (R Square) sebesar 0,135 ini berarti kontribusi variabel independen (pembiayaan bagi-hasil, pembiayaan jual- beli, dan non performing financing) mempengaruhi variabel dependen (profitabilitas) sebesar 13,5% sedangkan sisanya sebesar 86,5% dipengaruhi variabel lain di luar model penelitian.
5. Uji Analisis Jalur (Path Analys)
Analisis jalur digunakan untuk menguji pengaruh variabel intervening. Analisis jalur merupakan perluasan dari analisis regresi linier berganda, atau analisis jalur adalah penggunaan analisis regeresi untuk menaksir hubungan kausalitas antar variabel ( model causal) yang telah ditetapkan sebelumnya berdasarkan teori. (Ghozali, 2013: 249)
Berdasarkan tabel 10, koefisien jalur merupakan koefisien regresi
standar atau disebut „beta‟ yang menunjukkan pengaruh langsung dari suatu variabel bebas terhadap variabel tergantung dalam suatu model jalur
tertentu. Oleh karena itu, jika suatu model mempunyai dua atau lebih variabel-variabel penyebab, maka koefisien-koefisien jalurnya merupakan koefisien-koefisien regresi parsial yang mengukur besarnya pengaruh satu variabel terhadap variabel lain dalam suatu model jalur tertentu yang mengontrol dua variabel lain sebelumnya dengan menggunakan data yang sudah distandarkan atau matrik korelasi masukan (Hendry, 2009).
Sehingga dalam hal ini koefisien yang digunakan adalah pada model regresi pertama yang mengukur satu variabel (X) terhadap variabel lain (Y) dalam suatu model jalur tertentu yang mengontrol (Z) dua variabel yaitu pembiayaan bagi-hasil dan pembiayaan jual-beli. Sehingga pada model regresi kedua tidak digunakan karena hanya mengukur besarnya pengaruh variebel (X) terhadap variabel kontrol (Z).
Berdasarkan tabel diatas kemudian menghasilkan model analisis jalur seperti dibawah ini :
H1 = -0,235 e1= 0,865 H3= 0,118 e2= 0,922 H5= -3,439 H4= 0,187 H2 = 0,162 PEMBIAYAAN BAGI HASIL PEMBIAYAAN JUAL-BELI PROFITABILIT AS (ROA) NON PERFORMING FINANCING (NPF)
Gambar 3 Model Jalur Path Analysis
Sumber : Konsep yang dikembangkan untuk penelitian ini (2018).