BAB IV : ANALISIS DATA DAN PEMBAHASAN
METODE PENELITIAN
B. Analisis Data 1. Uji Stasioneritas 1.Uji Stasioneritas
Uji stasioneritas bertujuan untuk melihat nilai rata-rata dan varian dari data time series, apakah data tersebut mengalami perubahan secara sistematik sepanjang waktu (konstan) atau sebaliknya. Uji stasioneritas dapat dilihat dengan menggunakan uji grafik dan uji akar unit. Dalam penelitian ini menggunakan metode uji akar unit.
Hasil uji akar-akar unit dengan membandingkan nilai t-hitung dengan nilai kritis MC Kinnon dan jika nilai probabilitas lebih kecil dari 0.05 maka dapat disimpulkan bahwa data stasioner. Sedangkan jika nilai probabilitas lebih besar dari 0.05 maka data tidak stasioner. Jika data di level normal, maka dapat dinaikkan ke diferensiasi tingkat 1 (Winarno, 2015).
Setelah data pada penelitian ini diolah menggunakan aplikasi
Eviews.9 , hasil uji akar unit terlihat sebagai berikut : Tabel 4.1
Stasioneritas Tingkat ADF Level
Variabel Level
t-stat Probabilitas Keterangan
DPK -2.457909 0.1295 Tidak Stasioner
CAR -5.033187 0.0001 Stasioner
BOPO -1.454573 0.5515 Tidak Stasioner
Likuiditas (FDR) -1.236756 0.6551 Tidak Stasioner Sumber : Output Eviews 9 (data diolah)
Pada tabel 4.1 diatas dapat diketahui bahwa berdasarkan hasil uji stasioneritas tingkat level hanya variabel independen CAR yang stasioner karena memiliki probabilitas lebih kecil dari 0.05 sedangkan
variabel lainnya belum stasioner karena memiliki nilai probabilitas lebih besar dari 0.05. maka, uji stasioner dilakukan kembali dengan menaikkan tingkat uji dari level ke deferensiasi tingkat 1 Dengan hasil sebagai berikut :
Tabel 4.2
Stasioneritas Tingkat ADF 1st Difference
Variabel Level
t-stat Probabilitas Keterangan
DPK -9.570458 0.0000 Stasioner
BOPO -14.91270 0.0001 Stasioner
Likuiditas (FDR) -10.96469 0.0001 Stasioner Sumber : Output Eviews 9 (data diolah)
Dari tabel 4.2 diatas dapat terlihat bahwa seluruh variabel sudah stasioner pada uji diferensiasi tingkat 1, karena dari output uji tersebut terlihat bahwa probabilitas seluruh variabel sudah kurang dari 0.05, variabel CAR tidak dilakukan uji deferensiasi tingkat 1 karena sudah stasioner pada tingkat level.
2. Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas dimaksudkan untuk menguji apakah nilai residual yang telah distandarisasi pada model regresi berdistribusi normal atau tidak (Suliyanto, 2011).
Untuk mengetahui data berdistribusi normal atau tidak dengan menggunakan Uji Jarque-Bera dengan pengambilan keputusan jika probability JB > 0.05, maka data berdistribusi normal
sebaliknya jika probability JB < 0.05, maka data tidak berdistribusi normal.
Setelah data pada penelitian ini diolah menggunakan aplikasi
Eviews.9 , hasil uji normalitas sebagai berikut :
0 4 8 12 16 20 -0.06 -0.04 -0.02 0.00 0.02 0.04 Series: Residuals Sample 2011M02 2017M12 Observations 83 Mean 7.27e-18 Median 0.000547 Maximum 0.053486 Minimum -0.068221 Std. Dev. 0.017381 Skewness -0.148145 Kurtosis 5.987126 Jarque-Bera 31.16205 Probability 0.000000
Gambar 4.2 Hasil Uji Normalitas
Berdasarkan gambar 4.2 diatas dapat diketahui bahwa nilai probabilitas Jarque-Bera sebesar 0.00000 lebih kecil dari 0.05 yang berarti data tidak berdistribusi dengan normal untuk itu dilakukan penyembuhan dengan transformasi log.
Setelah data yang sudah ditransformasikan dan diolah menggunakan aplikasi Eviews.9 , hasil uji normalitas kedua sebagai berikut 0 2 4 6 8 10 12 -0.02 -0.01 0.00 0.01 0.02 Series: Residuals Sample 2011M02 2017M12 Observations 83 Mean 1.51e-16 Median -0.000620 Maximum 0.022021 Minimum -0.020291 Std. Dev. 0.011709 Skewness 0.196140 Kurtosis 1.799415 Jarque-Bera 5.517033 Probability 0.063386
Gambar 4.3 Hasil Uji Normalitas (Setelah Perbaikan) Berdasarkan gambar 4.3 diatas dapat diketahui bahwa nilai probabilitas Jarque-Bera sebesar 0.063386 lebih besar dari 0.05. Sehingga dapat disimpulkan bahwa data berdistribusi normal. b. Uji Multikolinieritas
Multikolinieritas adalah kondisi adanya hubungan linier antar variabel independen. Pendeteksian adanya masalah multikolinieritas dengan menggunakan uji efisiensi korelasi (r). Jika koefisien korelasi cukup tinggi, yaitu di atas 0,90 maka diduga terjadi masalah multikolinieritas dalam model. Sebaliknya, jika koefisien relatif rendah maka diduga model tidak terjadi multikolinieritas (Ghazali,2013).
Setelah data pada penelitian ini diolah menggunakan aplikasi
Eviews.9 , hasil uji multikolinieritas sebagai berikut : Tabel 4.3
Hasil Uji Multikolinieritas
DPK CAR BOPO
DPK 1.000000 -0.112597 0.684819
CAR -0.112597 1.000000 -0.030207
BOPO 0.684819 -0.030207 1.000000
Sumber : Hasil Output Eviews 9
Berdasarkan tabel 4.3 diatas dapat diketahui bahwa hubungan antar variabel independen (DPK, CAR, dan BOPO) tidak ada yang menunjukkan nilai korelasi > 0.9, itu berati bahwa dalam model ini tidak terjadi gejala multikolinieritas.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual pada suatu pengamatan ke pengamatan yang lain (Ghozali, 2013).
Pendeteksian heteroskedastisitas yang penulis gunakan adalah melalui Uji White yaitu apabila probabilitas Obs* > 0.05 maka tidak ada heteroskedastisitas namun apabila probabilitas Obs* < 0.05 maka ada heteroskedastisitas.
Setelah data pada penelitian ini diolah menggunakan aplikasi
Eviews.9 , hasil uji heterokedastisitas sebagai berikut: Tabel 4.4
Hasil Uji Heteroskedastisitas
Heteroskedasticity Test: White
F-statistic 8.861784 Prob. F(3,79) 0.0000
Obs*R-squared 20.89858 Prob. Chi-Square(3) 0.0001
Scaled explained SS 7.567585 Prob. Chi-Square(3) 0.0558
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 09/15/18 Time: 12:13 Sample: 2011M02 2017M12 Included observations: 83
White heteroskedasticity-consistent standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
C -0.000885 0.000155 -5.709940 0.0000
D(DPK)^2 -0.017713 0.007825 -2.263728 0.0263
CAR^2 0.000139 2.12E-05 6.535234 0.0000
D(BOPO)^2 -0.002483 0.001188 -2.090385 0.0398
R-squared 0.251790 Mean dependent var 0.000135
Adjusted R-squared 0.223377 S.D. dependent var 0.000122
S.E. of regression 0.000107 Akaike info criterion -15.39336
Sum squared resid 9.11E-07 Schwarz criterion -15.27679
Log likelihood 642.8244 Hannan-Quinn criter. -15.34653
F-statistic 8.861784 Durbin-Watson stat 1.049803
Prob(F-statistic) 0.000039
Sumber : Hasil Output Eviews 9
Berdasarkan tabel 4.4 diatas dapat diketahui bahwa uji heteroskedastisitas dengan mengunakan uji statistik di atas
probability chi-square nyasebesar 0.0001 lebih kecil dari 0.05 maka hasil uji white tersebut menunjukkan bahwa pada peneletian ini terdapat masalah heteroskedastisitas.
Untuk itu dilakukan penyembuhan dengan mengubah
Covariance method dari ordinary menjadi Huber-White. Dengan hasil sebagai berikut :
Tabel 4.5
Hasil Uji Heteroskedastisitas (Huber-White)
Dependent Variable: LOGLIKUID Method: Least Squares
Date: 09/15/18 Time: 12:12
Sample (adjusted): 2011M02 2017M12 Included observations: 83 after adjustments
White heteroskedasticity-consistent standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
C 1.716566 0.054674 31.39660 0.0000
D(DPK) 0.015961 0.053340 0.299240 0.7655
CAR -0.073613 0.020223 -3.640008 0.0005
D(BOPO) 0.004870 0.024298 0.200442 0.8416
R-squared 0.182572 Mean dependent var 1.515278
Adjusted R-squared 0.151531 S.D. dependent var 0.012951
S.E. of regression 0.011930 Akaike info criterion -5.972576
Sum squared resid 0.011243 Schwarz criterion -5.856005
Log likelihood 251.8619 Hannan-Quinn criter. -5.925744
F-statistic 5.881549 Durbin-Watson stat 0.262816
Prob(F-statistic) 0.001121 Wald F-statistic 4.851806
Prob(Wald F-statistic) 0.003771
Sumber : Hasil Output Eviews 9
Setelah dilakukan penyembuhan menggunakan metode
Huber-White dapat dilihat pada tabel diatas nilai konstanta dan koefisien berubah.
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi (Ghazali, 2013).
Setelah data pada penelitian ini diolah menggunakan aplikasi
Eviews.9 , hasil uji autokorelasi sebagai berikut : Tabel 4.6
Hasil Uji Autokorelasi
Dependent Variable: LOGLIKUID Method: Least Squares
Date: 09/15/18 Time: 12:12
Sample (adjusted): 2011M02 2017M12 Included observations: 83 after adjustments
White heteroskedasticity-consistent standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
C 1.716566 0.054674 31.39660 0.0000
D(DPK) 0.015961 0.053340 0.299240 0.7655
CAR -0.073613 0.020223 -3.640008 0.0005
D(BOPO) 0.004870 0.024298 0.200442 0.8416
R-squared 0.182572 Mean dependent var 1.515278
Adjusted R-squared 0.151531 S.D. dependent var 0.012951
S.E. of regression 0.011930 Akaike info criterion -5.972576
Sum squared resid 0.011243 Schwarz criterion -5.856005
Log likelihood 251.8619 Hannan-Quinn criter. -5.925744
F-statistic 5.881549 Durbin-Watson stat 0.262816
Prob(F-statistic) 0.001121 Wald F-statistic 4.851806
Prob(Wald F-statistic) 0.003771
Sumber : Hasil Output Eviews 9
Berdasarkan tabel di atas, nilai Durbin-Watson sebesar 0.2628 akan dibandingkan dengan nilai DWtabel dimana dL sebesar 1.5472 dan nilai dU 1.7462 (sig 0.05, n = 84, k = 4). Setelah nilai DW 0.2628 dibanding dengan nilai DWtabel, dU dan dL maka nilai d berada pada rentang 0 < d < dl, sehingga dapat disimpulkan bahwa pada model regresi terdapat autokorelasi. Untuk itu disembuhan dengan menggunakan penambahan variabel satu tahun sebelumnya.
Diperoleh hasil sebagai berikut :
Tabel 4.7
Hasil Uji Autokorelasi (setelah perbaikan)
Dependent Variable: LOGLIKUID
Method: ARMA Maximum Likelihood (OPG - BHHH) Date: 09/15/18 Time: 12:14
Sample: 2011M02 2017M12 Included observations: 83
Convergence achieved after 5 iterations
Coefficient covariance computed using outer product of gradients
Variable Coefficient Std. Error t-Statistic Prob.
C 1.557460 0.025764 60.45091 0.0000
D(DPK) -0.062523 0.011339 -5.513917 0.0000
CAR -0.016105 0.008312 -1.937491 0.0564
D(BOPO) -0.004631 0.003725 -1.243123 0.2176
AR(1) 0.946928 0.043445 21.79599 0.0000
SIGMASQ 1.66E-05 2.13E-06 7.757204 0.0000
R-squared 0.900091 Mean dependent var 1.515278
Adjusted R-squared 0.893603 S.D. dependent var 0.012951
S.E. of regression 0.004225 Akaike info criterion -7.998933
Sum squared resid 0.001374 Schwarz criterion -7.824077
Log likelihood 337.9557 Hannan-Quinn criter. -7.928686
F-statistic 138.7396 Durbin-Watson stat 1.972095
Prob(F-statistic) 0.000000
Inverted AR Roots .95
Sumber : Hasil Output Eviews 9
Berdasarkan hasil tabel di atas, nilai DW sebesar 1.972 dimana DW diatas nilai du 1.7462 dan dibawah 4 – du 2.28. Sehingga dapat disimpulkan bahwa tidak ada autokorelasi dalam model regresi.
3. Analisis Regresi
Model regresi yang diperoleh dari hasil pengujian diatas dapat ditulis sebagai berikut:
dY = + b1X1 + b2X2 + ... bnXn + e
Adapun interpretasi statistik penulis pada model persamaan regresi di atas adalah sebagai berikut :
a. Apabila X1, X2, dan X3 bernilai 0, maka nilai Y adalah 1.557 maksudnya adalah jika Likuiditas (FDR) tidak melakukan kegiatan operasional dapat dikatakan bahwa dalam periode januari 2011 sampai 2017 jumlah Finance to Deposit Ratio
(FDR) sebesar 15.57%.
b. X1 = -0.062 maksudnya adalah jika kenaikan 1% X1 akan menyebabkan menurunnya Y sebesar 6,2% dengan catatan variabel lain dianggap konstan.
c. X2 = -0,0161 maksudnya adalah jika setiap kenaikan 1% X2 akan menyebabkan menurunnya Y sebesar 1,6% dengan catatan variabel lain dianggap konstan.
d. X3 = -0.004 maksudnya jika setiap kenaikan 1% X3 akan menyebabkan menurunnya Y sebesar 0.4% dengan catatan variabel lain dianggap konstan.
e. AR(1) = 0.946 maksudnya jika 1% Finance to Deposit Ratio
(FDR) tahun sebelumnya konstan akan menyebabkan kenaikan Y sebesar 94% dengan catatan variabel lain dianggap konstan. 4. Uji Statistik
a. Uji T
Uji statistik t merupakan uji untuk mengetahui pengaruh variabel independen secara parsial terhadap variabel dependen. Jika probabilitas < 0.05 maka variabel independen secara parsial berpengaruh signifikan terhadap variabel dependen. Sedangkan
apabila probabilitas > 0.05 maka dapat disimpulkan bahwa variabel independen secara parsial berpengaruh tidak signifikan terhadap variabel dependen.
Setelah data pada penelitian ini diolah menggunakan aplikasi
Eviews.9 , hasil uji t sebagai berikut : Tabel 4.8
Uji T
Dependent Variable: LOGLIKUID
Method: ARMA Maximum Likelihood (OPG - BHHH) Date: 09/15/18 Time: 12:14
Sample: 2011M02 2017M12 Included observations: 83
Convergence achieved after 5 iterations
Coefficient covariance computed using outer product of gradients
Variable Coefficient Std. Error t-Statistic Prob.
C 1.557460 0.025764 60.45091 0.0000
D(DPK) -0.062523 0.011339 -5.513917 0.0000
CAR -0.016105 0.008312 -1.937491 0.0564
D(BOPO) -0.004631 0.003725 -1.243123 0.2176
AR(1) 0.946928 0.043445 21.79599 0.0000
SIGMASQ 1.66E-05 2.13E-06 7.757204 0.0000
R-squared 0.900091 Mean dependent var 1.515278
Adjusted R-squared 0.893603 S.D. dependent var 0.012951
S.E. of regression 0.004225 Akaike info criterion -7.998933
Sum squared resid 0.001374 Schwarz criterion -7.824077
Log likelihood 337.9557 Hannan-Quinn criter. -7.928686
F-statistic 138.7396 Durbin-Watson stat 1.972095
Prob(F-statistic) 0.000000
Inverted AR Roots .95
Sumber : Hasil Output Eviews 9
Dari hasil tabel 4.8 hasil uji statistik t adalah sebagai berikut: 1) Pengaruh Dana Pihak Ketiga (DPK) terhadap likuiditas (FDR)
Berdasarkan tabel 4.8 di atas, hasil pengujian dengan analisis regresi data time series menunjukkan bahwa DPK memiliki
0.05 jadi kesimpulannya adalah H1 ditolak sehingga dapat disimpulkan bahwa secara parsial perubahan DPK memiliki pengaruh negatif signifikan terhadap likuiditas.
2) Pengaruh Capital Adequacy Ratio (CAR) terhadap likuiditas (FDR)
Berdasarkan tabel 4.8 di atas, hasil pengujian dengan analisis regresi data time series menunjukkan bahwa CAR memiliki
coefficient sebesar -0.016105 dan probabilitas sebesar 0.0564>0.05 jadi kesimpulannya adalah H2 ditolak sehingga dapat disimpulkan bahwa secara parsial perubahan CAR memiliki pengaruh negatif tidak signifikan terhadap likuiditas. 3) Pengaruh Biaya Operasional terhadap Pendapatan Operasional
(BOPO) terhadap likuiditas (FDR)
Berdasarkan tabel 4.8 di atas, hasil pengujian dengan analisis regresi data time series menunjukkan bahwa BOPO memiliki
coefficient sebesar -0.004631 dan probabilitas sebesar 0.2176>0.05 jadi kesimpulannya adalah H3 ditolak sehingga dapat disimpulkan bahwa secara parsial perubahan BOPO memiliki pengaruh negatif tidak signifikan terhadap likuiditas. b. Uji F
Pengujian secara simultan atau uji F digunakan untuk menguji pengaruh variabel independen secara bersama-sama terhadap variabel dependen. Apabila probabilitas < 0.05 maka dapat
disimpulkan bahwa variabel independen berpengaruh signifikan secara simultan terhadap variabel dependen. Sedangkan apabila nilai probabilitas > 0.05 maka dapat disimpulkan bahwa variabel independen secara simultan berpengaruh tidak signifikan terhadap variabel independen.
Setelah data pada penelitian ini diolah menggunakan aplikasi
Eviews.9 , hasil uji F sebagai berikut : Tabel 4.9
Uji F
Dependent Variable: LOGLIKUID
Method: ARMA Maximum Likelihood (OPG - BHHH) Date: 09/15/18 Time: 12:14
Sample: 2011M02 2017M12 Included observations: 83
Convergence achieved after 5 iterations
Coefficient covariance computed using outer product of gradients
Variable Coefficient Std. Error t-Statistic Prob.
C 1.557460 0.025764 60.45091 0.0000
D(DPK) -0.062523 0.011339 -5.513917 0.0000
CAR -0.016105 0.008312 -1.937491 0.0564
D(BOPO) -0.004631 0.003725 -1.243123 0.2176
AR(1) 0.946928 0.043445 21.79599 0.0000
SIGMASQ 1.66E-05 2.13E-06 7.757204 0.0000
R-squared 0.900091 Mean dependent var 1.515278
Adjusted R-squared 0.893603 S.D. dependent var 0.012951
S.E. of regression 0.004225 Akaike info criterion -7.998933
Sum squared resid 0.001374 Schwarz criterion -7.824077
Log likelihood 337.9557 Hannan-Quinn criter. -7.928686
F-statistic 138.7396 Durbin-Watson stat 1.972095
Prob(F-statistic) 0.000000
Inverted AR Roots .95
Sumber : Hasil Output Eviews 9
Berdasarkan tabel 4.9 di atas, nilai F-statistik sebesar 138.7396 dengan nilai probabilitas sebesar 0.000<0.05 berarti dapat disimpulkan secara simultan variabel independen (DPK, CAR,
BOPO) berpengaruh positif signifikan terhadap variabel dependen (likuiditas).
c. Uji Koefisien Determinasi (R²)
Koefisien Determinasi (R²) bertujuan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.
Setelah data pada penelitian ini diolah menggunakan aplikasi
Eviews.9 , hasil uji Koefisien Determinasi (R²) sebagai berikut : Tabel 4.10
Uji Koefisien Determinasi (R²)
Dependent Variable: LOGLIKUID
Method: ARMA Maximum Likelihood (OPG - BHHH) Date: 09/15/18 Time: 12:14
Sample: 2011M02 2017M12 Included observations: 83
Convergence achieved after 5 iterations
Coefficient covariance computed using outer product of gradients
Variable Coefficient Std. Error t-Statistic Prob.
C 1.557460 0.025764 60.45091 0.0000
D(DPK) -0.062523 0.011339 -5.513917 0.0000
CAR -0.016105 0.008312 -1.937491 0.0564
D(BOPO) -0.004631 0.003725 -1.243123 0.2176
AR(1) 0.946928 0.043445 21.79599 0.0000
SIGMASQ 1.66E-05 2.13E-06 7.757204 0.0000
R-squared 0.900091 Mean dependent var 1.515278
Adjusted R-squared 0.893603 S.D. dependent var 0.012951
S.E. of regression 0.004225 Akaike info criterion -7.998933
Sum squared resid 0.001374 Schwarz criterion -7.824077
Log likelihood 337.9557 Hannan-Quinn criter. -7.928686
F-statistic 138.7396 Durbin-Watson stat 1.972095
Prob(F-statistic) 0.000000
Inverted AR Roots .95
Sumber : Hasil Output Eviews 9
Berdasarkan tabel 4.10 di atas nilai Adjusted R-squared yang menunjukan besarnya pengaruh antara variabel independen terhadap
variabel dependen. Besarnya nilai Adjusted R-squared adalah 0.8936 atau 89% menyatakan terdapat pengaruh sebesar 89% antara DPK, CAR dan BOPO secara bersama-sama terhadap variabel likuiditas (FDR) Sementara sisanya 11% dipengaruhi faktor lain diluar model. 5. Interpretasi
Berdasarkan hasil uji asumsi klasik dan uji regresi, secara keseluruhan regresi utama sudah terpenuhi hasil uji hipotesis dapat dilihat di tabel 4.8 maka penulis menginterpretasikan hasil penelitian ini sebagai berikut :
a. Pengaruh Dana Pihak Ketiga terhadap Likuiditas (FDR)
Berdasarkan pada Tabel 4.8 di atas, DPK memiliki
coefficient sebesar -0.062523 dan probabilitas sebesar 0.0000< 0.05, yang berarti menolak H1 sehingga dapat disimpulkan bahwa variabel DPK secara parsial berpengaruh negatif signifikan terhadap likuiditas. Hasil penelitian ini mendukung hasil penelitian yang dilakukan oleh Ervina, Anindya Ardiansari (2016) bahwa Dana Pihak Ketiga (DPK) berpengaruh negatif signifikan terhadap likuiditas (FDR) dan pada Astuti (2016) menunjukkan Dana Pihak Ketiga (DPK) berpengaruh negatif signifikan terhadap likuiditas (FDR) Namun, hal ini bertolak belakang dengan penelitian Enny Susilowati (2016) yang mengungkapkan bahwa variabel DPK berpengaruh positif signifikan terhadap FDR.
Berdasarkan hasil penelitian tersebut, peneliti mendapatkan hasil bahwa Dana Pihak Ketiga (DPK) terdapat pengaruh negatif signifikan terhadap Financing to Deposit Ratio (FDR) hal ini dikarenakan setiap penurunan rasio pertumbuhan DPK, maka akan menyebabkan penurunan aktifitas pembiayaan serta berdampak pula menurunnya tingkat likuiditas (FDR) pada perbankan syariah.
Dengan demikian, hal ini bisa disebabkan karena beberapa faktor, yaitu faktor internal maupun eksternal bank. Faktor internal bisa terjadi karena kebijakan bank dalam menganalisis pembiayaan untuk menentukan layak atau tidaknya nasabah diberikan pembiayaan sehingga dana pihak ketiga yang terhimpun tidak disalurkan kepada pembiayaan akan tetapi kedalam sektor lainnya. Faktor eksternal bisa berupa faktor makro ekonomi semisal inflasi, suku bunga, kurs yang menyebabkan pembiayaan yang diberikan kepada nasabah tidak menghasilkan keuntungan yang besar bagi bank sehingga bank mengurangi pembiayaan kepada nasabah. b. Pengaruh Capital Adequacy Ratio (CAR) Terhadap Likuiditas (FDR)
Berdasarkan pada Tabel 4.8 di atas, variabel CAR mempunyai nilai coefficient sebesar -0.016105 dan probabilitas sebesar 0.0564>0.05 jadi kesimpulannya adalah H2 ditolak sehingga dapat disimpulkan bahwa secara parsial perubahan CAR memiliki pengaruh negatif tidak signifikan terhadap likuiditas. Hasil penelitian ini mendukung hasil penelitian yang dilakukan oleh
Prihatiningsih (2012) bahwa Capital Adequacy Ratio (CAR) berpengaruh negatif dan Agustina, Wijaya (2013) bahwa Capital Adequacy Ratio (CAR) tidak berpengaruh terhadap likuiditas (FDR), Namun, hal ini bertolak belakang dengan penelitian Arif Lukman Santoso, Tekad Sukihanjani (2013) yang mengungkapkan bahwa variabel CAR berpengaruh positif signifikan terhadap FDR.
Dengan demikian, dalam operasional nya bank bisa mengalami masalah likuiditas, jika dana yang dihimpun sedikit dibandingkan dengan pembiayaan yang diberikan maka CAR bisa dijadikan sarana untuk menutup kekurangan dana.
Berdasarkan hasil penelitian ini menunjukan bahwa, naik turunnya rasio FDR tidak begitu dipengaruhi oleh besar kecilnya rasio CAR atau tingkat permodalan bank.
c. Pengaruh Biaya Operasional terhadap Pendapatan Operasional (BOPO) Terhadap Likuiditas (FDR)
Berdasarkan pada Tabel 4.8 di atas, variabel BOPO mempunyai nilai coefficient sebesar -0.004631 dan probabilitas sebesar 0.2176>0.05 jadi kesimpulannya adalah H3 ditolak sehingga dapat disimpulkan bahwa secara parsial perubahan BOPO memiliki pengaruh negatif tidak signifikan terhadap likuiditas.
Hasil penelitian ini mendukung hasil penelitian yang dilakukan oleh Nugraha (2014) bahwa BOPO berpengaruh negatif Namun, hal ini bertolak belakang dengan penelitian Granita (2011)
yang mengungkapkan bahwa variabel BOPO berpengaruh positif signifikan terhadap FDR.
Dengan demikian dapat disimpulkan bahwa rasio Biaya Operasional terhadap Pendapatan Operasional (BOPO) berpengaruh negatif tidak signifikan terhadap likuiditas FDR. Rasio BOPO merupakan rasio yang digunakan untuk mengukur tingkat efisiensi sebuah bank, rasio ini membandingkan biaya operasional dengan pendapatan operasional, semakin tinggi rasio BOPO mencerminkan rendahnya tingkat efisiensi sebuah bank. Berdasarkan hasil penelitian ini menunjukan bahwa rasio BOPO tidak berpengaruh terhadap likuiditas (FDR) perbankan syariah di Indonesia, artinya, naik turunnya rasio FDR tidak begitu dipengaruhi oleh besar kecilnya rasio BOPO atau tingkat efisiensi bank.
65 BAB V PENUTUP A. Kesimpulan
Setelah melakukan penelitian dan menganalisis data yang telah dilkukan, maka dapat disimpulkan sebagai berikut :
1. DPK berpengaruh negatif signifikan terhadap likuiditas jadi dapat diartikan semakin tinggi DPK maka semakin turun likuiditas.
2. CAR tidak berpengaruh terhadap likuiditas jadi naik turunnya rasio likuiditas tidak dipengaruhi oleh naik turunnya rasio CAR.
3. BOPO tidak berpengaruh terhadap likuiditas jadi naik turunnya rasio likuiditas tidak dipengaruhi oleh naik turunnya rasio BOPO.
B. Saran
Berdasarkan hasil penelitian dan kesimpulan yang telah dijelaskan sebelumnya, maka peneliti mencoba mengemukakan implikasi yang dapat bermanfaat, diantaranya sebagai berikut:
1. Bagi Peneliti Selanjutnya
a. Variabel yang digunakan untuk penelitian ini sangat sedikit, yaitu hanya tiga variabel, oleh sebab itu pada penelitian selanjutnya dapat menambahkan variabel lainnya yang berhubungan dengan likuiditas. Sehingga dapat memberikan gambaran yang lebih luas mengenai faktor apa saja yang mempengaruhi likuiditas selain DPK, CAR dan BOPO.
b. Jumlah sampel yang digunakan dalam penelitian ini hanya BUS dan UUS saja maka penelitian selanjutnya diharapkan dapat
memperbanyak jumlah sampel yang akan digunakan, sehingga akan mendekati gambaran hasil yang lebih mendekati kondisi yang sebenarnya.
2. Bagi Akademisi
Penelitian ini diharapkan dapat menjadi salah satu tambahan refrensi mengenai bank syariah bagi peneliti maupun bagi peneliti selanjutnya yang tertarik untuk meneliti tentang topik sejenis yaitu variabel independen Dana Pihak Ketiga (DPK), Capital Adequacy Ratio (CAR) dan Biaya Operasional terhadap Pendapatan Operasional (BOPO) terhadap variabel dependen Likuiditas (FDR)
Selain itu juga dapat dijadikan bahan refrensi tambahan bagi kepustakaan pihak kampus. Untuk peneliti selanjutnya sebaiknya objek penelitian dapat diperbaharui agar hasil yang didapat lebih dapat menjelaskan berbagai fenomena yang terjadi berkaitan dengan penelitian ini.
3. Bagi Masyarakat
Penelitian ini dapat digunakan oleh masyarakat sebagai acuan ketika ingin melakukan investasi agar memperhatikan Dana Pihak Ketiga (DPK), Capital Adequacy Ratio (CAR) dan Biaya Operasional terhadap Pendapatan Operasional (BOPO) pada rasio keuangan sebelum melakukan investasi karena Dana Pihak Ketiga (DPK), Capital Adequacy Ratio (CAR) dan Biaya Operasional terhadap Pendapatan
Operasional (BOPO) secara simultan berpengaruh signifikan terhadap Likuiditas (FDR).
4. Bagi Perbankan Syariah
Adapun implikasi dari penelitian ini diharapkan setiap Perbankan Syariah di Indonesia dapat mengoptimalkan likuiditas (FDR) melalui rasio utama yang dipengaruhi oleh Dana Pihak Ketiga (DPK), Capital Adequacy Ratio (CAR) dan Biaya Operasional terhadap Pendapatan Operasional (BOPO). Pihak manajemen harus meningkatkan kualitas penganalisis pembiayaan yang dimiliki serta berupaya untuk lebih berhati-hati dalam memberikan pembiayaan, karena dalam penelitian ini terbukti bahwa tingkat Dana Pihak Ketiga (DPK), Capital Adequacy Ratio (CAR) dan Biaya Operasional terhadap Pendapatan Operasional (BOPO) secara simultan berpengaruh terhadap likuiditas (FDR). Selain itu, pihak bank syariah juga harus menjaga keseimbangan likuiditas. Hal ini dilakukan untuk membantu optimalisasi pencapaian kinerja pada Perbankan Syariah.