BAB IV PENYAJIAN DATA DAN ANALISIS
C. Analisis dan Pengujian Hipotesis
Analisis deskriptif dalam penelitian ini menggunakan statistik deskriptif. Statistik deskriptif adalah metode yang digunakan untuk mengetahui nilai mean, maksimum, minimum, dan standar deviasi dalam setiap variable yang digunakan dalam penelitian ini. Variabel dalam penelitian ini terdiri dari variabel independent yaitu NPF dan CAR dan variabel dependen yaitu ROA. Berikut ini adalah hasil dari uji deskriptif data panel dari seluruh sampel penelitian:
Tabel 4.5
Hasil Uji Statistik Deskriptif
ROA NPF CAR
Mean 3.058913 7.155870 37.36391
Median 2.545000 6.075000 32.44000
Minimum 0.080000 0.010000 11.71000 Maximum 15.91000 30.34000 88.28000 Std. Dev 2.792099 6.709092 20.61674 Skewness 2.505693 1.844446 0.929221 Kurtosis 11.38933 6.527406 2.929221 Jarque Bera 183.0319 49.93015 6.841908 Probability 0.000000 0.000000 0.032681
Sum 140.7100 329.1700 1718.740
Sum Sq. Dev. 350.8116 2025.536 19127.24
Observations 46 46 46
Sumber: output E-views 12, data diolah, 2022
Berdasarkan hasil uji analisis deskriptif pada tabel 4.5, menunjukkan bahwa profitabilitas (ROA) BPRS yang berada di provinsi
jawa timur tahun 2020-2021 paling rendah sebesar 0.080000 yaitu pada BPRS unawi barokah tahun 2021 dan paling tinggi sebesar 15.91000 yaitu pada BPRS mitra Mentari sejahtera tahun 2021. Rata-rata profitabilitas BPRS provinsi jawa timur tahun 2020-2021 sebesar 3.058913 dengan standar deviasi sebesar 2.792099 nilai skewness sebesar 2.505693 bernilai positif yang berarti berdistribusi normal, nilai kurtosis sebesar 11.38933 berarti menandakan ketinggian suatu distribusi tersebut 11.38933.
Sedangkan nilai prob jarque bera sebesar 183.0319 > 0.05 berarti data terdistribusi normal.
Risiko kredit (NPF) pada BPRS di provinsi jawa timur tahun 2020-2021 paling rendah sebesar 0.010000 yaitu pada BPRS kabupaten ngawi selama 2 tahun berturut-tururt, yaitu tahun 2020-2021 dan paling tinggi sebesar 30.34000 pada tahun 2020 yaitu pada BPRS mandiri mitra sukses.
Rata-rata risiko kredit pada BPRS provinsi jawa timur tahun 2020-2021 sebesar 7.155870 dengan standar deviasi sebesar 6.709092. Nilai skewness sebesar 1.844446 bernilai positif menandakan terdistribusi normal, nilai kurtosis 6.527406 berarti menandakan ketinggian suatu distribusi tersebut 6.527406. sedangkan Sedangkan nilai prob jarque bera sebesar 49.93015 > 0.05 berarti data terdistribusi normal.
Tingkat kecukupan modal (CAR) pada BPRS di Provinsi Jawa Timur tahun 2020-2021 paling rendah sebesar 11.71000 yaitu pada BPRS Mandiri Mitra Sukses pada tahun 2020 dan paling tinggi sebesar 88.28000 yaitu pada BPRS mandiri mitra sukse tahun 2021. Rata-rata tingkat
kecukupan modal BPRS provinsi jawa timur tahun 2020-2021 sebesar 37.36391 dengan standar deviasi sebesar 20.61674. Nilai skewness sebesar 0.92922 bernilai positif menandakan terdistribusi normal, nilai kurtosis 2.929221 berarti menandakan ketinggian suatu distribusi tersebut 2.929221. sedangkan Sedangkan nilai prob jarque bera sebesar 6.841908 >
0.05 berarti data terdistribusi normal.
2. Analisis Regresi Data Panel
a. Pemilihan Teknik estimasi regresi data panel
Pemilihan teknik estimasi regresi data panel terdapat tiga macam pendekatan estimasi yaitu, Common Effect Model, Fixed Effect Model, Dan Random Effect Model. Untuk menentukan teknik terbaik yang akan digunakan untuk regresi data panel maka dilakukan pengujian yaitu, uji Chow, uji Hausman, dan uji Lagrange Multiplier.
1) Uji spesifikasi model dengan uji Chow
Uji Chow dilakukan untuk menentukan apakah dalam penelitian ini lebih baik menggunakan model common effect atau dengan fixed effect. Hipotesis yang dibentuk dalam uji Chow sebagai berikut:
H0 : common effect model H1 : fixed effect model
Apabila uji chow menunjukkan probabilitas lebih kecil dari 0,05 maka model yang digunakan Fixed Effect Model sebaliknya jika nilai probabilitas menunjukkan lebih besar dari
0,05 menggunkan Common Effect Model. Berikut ini adalah hasil uji Chow:
Tabel 4.6 Hasil Uji Chow Redudant Fixed Effect Test
Equation : Untitled
Test Cross Section Fixed Effect
Effect Test Statistik D.F Prob.
Cross-Section F 3.005775 (22,21) 0.0072 Cross-Section Chi Square 65.450870 22 0.0000
Sumber: hasil output E-Views 12, data diolah 2022
Berdasarkan hasil uji Chow diatas menunjukkan bahwa nilai probabilitas sebesar 0.0072 (lebih kecil dari 0,05) sehingga H0 ditolak dan H1 diterima. Maka model estimasi regresi panel yang sesuai adalah Fixed Effect Model (FEM).
2) Uji spesifikasi model dengan uji Hausman
Berdasarkan hasil dari uji Chow model yang sesuai digunakan adalah model fixed effect model (FEM) maka perlu dilakukan uji Hausman untuk memilih model antara fixed effect model (FEM) dengan random effect model (REM) yang tepat digunakan. Hipotesis yang dibentuk dalam uji Chow sebagai berikut:
H0 : random effect model H1 : fixed effect model
Apabila uji hausman menunjukkan probabilitas lebih kecil dari 0,05 maka model yang digunakan Fixed Effect Model sebaliknya jika nilai probabilitas menunjukkan lebih besar dari
0,05 menggunkan Random Effect Model. Berikut ini adalah hasil uji Hausman:
Tabel 4.7 Hasil Uji Hausman Correlated Random Effect-Hausman Test Equation : Untitled
Test Cross Section Random Effect
Test summary Chi-sq
statistik
Chis-Sq.
d.F
Prob.
Cross-Section Random 11.159761 2 0.0038 Sumber: hasil output E-Views 12, data diolah 2022
Berdasarkan hasil uji Hausman menunjukkan nila probabilitas cross-section random sebesar 0.0038 (lebih kecil dari 0.05) sehingga H0 ditolak dan H1 diterima. Maka model yang sesuai adalah Fixed Effect Model (FEM) dan tidak perlu melakukan uji spesifikasi model dengan uji Lagrange Multiplier (LM).
b. Hasil estimasi regresi Fixed Effect Model (FEM)
Berdasarkan uji chow, uji hausman dan uji lagrange multiplier, model data panel yang sesuai untuk digunakan dalam penelitian ini adalah fixed effect model (FEM). Hasil regresi menggunakan Fixed effect model (FEM) adalah sebagai berikut:
Tabel 4.8 Hasi Analisis Regresi Dependent Variabel: ROA
Method: Panel Least Square Total Observations: 46
Variabel Coefficient Std Error t-Statistic Prob.
C 1.210005 1.708295 0.708311 0.4865
NPF 0.323661 0.086275 3.751515 0.0012 CAR -0.011124 0.033924 -0.327896 0.7462
Sumber: hasil output E-Views 12, data diolah
Berdasarkan hasil regresi fixed effect model yang ditunjukkan pada tabel 4.8 diatas, maka diperoleh hasil persamaan model regresi antara variabel dependen (profitabilitas) dan variabel independent (NPF dan CAR) sebagai berikut:
ROAit = 1.210005 + 0.323661NPF - 0.011124CAR +
Keterangan:
ROA = Return On Asset / profitabilitas
NFP = Non Performing Financing
CAR = Capital adequacy ratio / rasio kecukupan modal
I = jumlah bank pembiayaan rakyat syariah yaitu sebanyak 22 BPRS
t = periode waktu penelitian tahun 2020-2021
= eror
Dari hasil analisis regresi data panel di atas, maka dapat dijelaskan bahwa:
1) Berdasarkan persamaan diatas, besarnya konstansta 1.210005 menunjukkan bahwa ketika semua variabel independent (NPF
dan CAR) diabaikan atau bernilai 0, maka nilai return on asset (ROA) bernilai 1.210005.
2) Nilai koefisien non performing financial (NPF) sebesar 0.323661 menunjukkan bahwa NPF memilki pengaruh positif terhadap profitabilitas (ROA). Hal ini menunjukkan bahwa setiap kenaikan NPF sebesar 1 % maka profitabilitas (ROA) akan mengalami kenaaikan sebesar 0.323661 dengan asumsi variabel independent yang lain konstan.
3) Nilai koefisien capital adequacy ratio (CAR) sebesar -0.011124 menunjukkan CAR memiliki pengaruh negatif terhadap profitabilitas. Hal ini menunjukkan bahwa setiap kenaikan CAR sebesar 1% maka profitabilitas (ROA) akan mengalami penurunan sebesar -0.011124 dengan asumsi variabel independent yang lain konstan.
c. Uji asumsi klasik
Penelitian ini menggunakan analisis regresi data panel. Uji asumsi klasik digunakan untuk menguji ketepatan model regresi dengan sumber data yang digunakan data skunder. Uji asumsi klasik yang digunakan dalam penelitian ini adalah uji normalitas, uji multikolinieritas, uji heterokedastisitas, dan uji auto korelasi.
1) Uji normalitas
Uji normalitas digunakan untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi normal,
dikarenakan residual data yang berdistribusi normal merupakan salah satu syarat untuk melakukan teknik analisis regresi.
Gambar 4.1 Hasil Uji Normalitas
Sumber: output E-Views 12, data diolah 2022
Berdasarkan pada gambar 4.1 diatas hasil uji normalitas menunjukkan nilai jarque-bera sebesar 0.543387 dan probability sebesar 0.762088 dimana nilai tersebut lebih besar dari nilai probabilitas sebesar 0.05 dengan jumlah observasi sebanyak 46.
Berarti bahwa data yang digunakan dalam penelitian ini berdistribusi normal.
2) Uji mutlikolinearitas
Uji mutlikoliniearitas ini dilakukan untuk menguji hubungan liniaer antar variabel independen dalam suatu jenis regresi. Dapat dikatakan suatu data tidak terdapat masalah mutlikoliniearitas jika koefisien korelasi dibawah 0.8 dan sebaliknnya. Cara untuk masalah dalam multikolinearitas adalah dengan menggunakan correlation matrix sebagai berikut:
0 2 4 6 8 10 12
-3 -2 -1 0 1 2 3
Series: Standardized Res iduals Sa mpl e 2020 2021 Obs erva ti ons 46
Mea n -9.65e-18 Medi an 0.000000 Ma xi mum 3.377287 Mi ni mum -3.377287 Std. Dev. 1.358471 Skewnes s -7.96e-17 Kurtos is 3.532453 Ja rque-Bera 0.543387 Proba bi l i ty 0.762088
Tabel 4.9
Hasil Correlation Matrix
NPF CAR
NPF 1.000000 -0.565179
CAR -0.565179 1.000000
Sumber: output E-views 12, data diolah
Dari tabel 4.9 dapat dilihat bahwa semua variabel independen terbebas dari masalah multikolinearitas. Hal ini dapat dilihat dari nilai koefisien korelasi antar variabel independent sebesar -0.565179 yaitu dibawah 0.8.
3) Uji heterokedastisistas
Uji heterokedastisistas dilakukan untuk menguji apakah ada ketidaksamaan varian dari residual pengamatan kepengamatan yang lain. Jika variabel dari residual dalam 2 pengamatan ditemukan perbedaan maka dapat disebut heterokedastisistas, sedangkan pengamatan dikatakan baik jika tidak terdapat masalah heterokedastisistas dan p-value variabel independent lebih besar dari 0.05.
Tabel 4.10
Hasil Uji Heterokedastisitas Heterokedasticity Test: Glesjer Test
Dependent Variabel: RESABS Total Observations: 46
Variabel Coefficient Std Error t-Statistic Prob.
C 0.969823 4.31E-15 2.25E+14 0.0000
NPF -2.99E-16 2.17E-16 -1.373036 0.1842 CAR -3.31E-16 8.55E-17 -3.869761 0.0009
Sumber: output E-Views 12, data diolah
Hasil uji heterokedastisitas variabel risiko kredit (NPF) sebesar 0.1842 > 0.05 dan viriabel tingkat kecukupan modal (CAR)
sebesar 0.0009. Maka terdapat variabel yang terdeteksi heterokkedastisitas.
4) Uji autokorelasi
Uji autokorelasi dilakukan untuk memastikan ada tidaknya korelasi antara kesalahan-kesalahan yang muncul pada data yang pengurutannya melalui waktu time series. Untuk mendeteksi adanya gejala autokorelasi dengan melihat statistik Durbin-Watson pada hasil estimasi regresi.
Tabel 4.11 Hasil Uji Autokorelasi
R-Squared 0.763220
Adjusted R-Squared 0.492615
F-Statistic 2.820417
Probability (F- Statistic) 0.009611 Durbin Watson Statistic 3.833333
Sumber : output E-Views 12, data diolah
Hasil uji pada tabel 4.11 dapat dilihat bahwa nilai durbin-watson sebesar 3.833333. pengujian autokorelasi ini memiliki variabel sebanyak 2 (k=2) serta jumlah observasi (N) sebanyak 23.
Nilai du 1.5435 dan dl 1.1682 sehingga 3.833333 > 2.8318 (4-dL) Sehingga terdapat autokorelasi didalam model.
d. Pengujian hipotesis 1) Uji t-statistik
Uji t statistik digunakan untuk mengetahui pengaruh dan signifikasi dari masing masing variabel dependen dan variabel independent secara parsial.
Tabel 4.12 Hasil Uji t-Statistik
Variabel Coefficient Std Error t-Statistic Prob.
C 1.210005 1.708295 0.708311 0.4865 NPF 0.323661 0.086275 3.751515 0.0012 CAR -0.011124 0.033924 -0.327896 0.7462
Sumber: hasil output E-Views 12, data diolah 2022
Hasil uji t-statistik dalam penelitian ini sebagai berikut:
a. Pengaruh risiko kredit (NPF) terhadap profitabilitas (ROA) Berdasarkan hasil uji t pada tabel 4.12 diperoleh nilai t-statistik NPF sebesar 3.751515 dengan nilai probabilitas NPF sebesar 0.0012 Hasil ini menunjukkan bahwa nilai probabilitas lebih kecil dari α (0,05).
H0 : risiko kredit (NPF) tidak berpengaruh signifikan terhadap profitabilitas (ROA)
H1 : risiko kredit (NPF) berpengaruh signifikan terhadap profitabilitas (ROA)
Dengan kriteria :
Jika nilai sig > 0,05 maka H1 ditolak
Jika nilai sig < 0,05 maka H1 diterima
Dengan H1 diterima dan H0 ditolak. Maka dapat disimpulkan bahwa risiko kredit (NPF) berpengaruh signifikan bernilai positif terhadap profitabilitas (ROA).
b. Pengaruh tingkat kecukupan modal (CAR) terhadap profitabilitas (ROA)
Berdasarkan hasil uji t pada tabel 4.12 diperoleh nilai t-statistik CAR sebesar -0.327896 dengan nilai probabilitas CAR sebesar 0.7462. Hasil ini menunjukkan bahwa nilai probabilitas lebih besar dari α (0,05).
H0 : tingkat kecukupan modal (CAR) tidak berpengaruh signifikan terhadap profitabilitas (ROA)
H1 : tingkat kecukupan modal (CAR) berpengaruh signifikan terhadap profitabilitas (ROA)
Dengan kriteria :
Jika nilai sig > 0,05 maka H1 diterima Jika nilai sig < 0,05 maka H1 ditolak
Dengan H1 ditolak dan H0 diterima. Maka dapat disimpulkan bahwa tingkat kecukupan modal (CAR) tidak berpengaruh signifikan bernilai negatif terhadap profitabilitas (ROA).
2) Uji simultan (F)
Uji F statistik bertujuan untuk mengetahui pengaruh variabel independen terhadap variabel dependen secara bersama-sama (simultan). Berikut ini adalah hasil uji F:
Tabel 4.13 Hasil Uji Simultan F F-Statistik 2.820417 Prob (F-Statistik) 0.009611
Sumber: hasil output E-Views 12, data diolah 2022 Hipotesis uji F pada penelitian ini yaitu:
H0 : tidak terdapat pengaruh yang signifikan NPF dan CAR terhadapt profitabilitas (ROA)
H1 : terdapat pengaruh yang signifikan NPF dan CAR terhadapt profitabilitas (ROA)
Dengan kriteria:
Jika nilai sig > 0.05 maka H1 ditolak Jika nilai sig < 0.05 maka H1 diterima
Berdasarkan hasil uji simultan pada tabel 4.13 nilai signifikasi sebesar 0.009611 < 0.05 yang berarti H1 diterima.
Sehingga variabel independent secara simultan mempengaruhi profitabilitas (ROA) pada bank pembiayaan rakyat syariah tahun 2020-2021.
3) Koefisien determinasi (R2)
Uji koefisien determinasi (R2) digunakan untuk mengukur tingkat kemampuan model dalam menjelaskan variabel independen.
Berikut ini adalah hasil uji koefisien determinasi:
Tabel 4.14
Hasil Uji Koefisien Determinasi R2 R-squared 0.763220 Adjusted R-squared 0.492615
Sumber: hasil output E-Views 12, data diolah 2022
Dari tabel 4.14 diatas dapat dapat dilihat, nilai R-squared sebesar 0.766468 dapat disimpulkan bahwa variabel independen berpengaruh sebesar 76,64% terhadap variabel dependen dan sisanya sebesar 23,36% dipengaruhi oleh variabel lain diluar model.