HASIL DAN PEMBAHASAN
4.2 Hasil Penelitian
4.2.2. Analisis Statistik Infrential 1.1. Uji Asumsi Klasik
4.2.2.1.1. Uji Normalitas
Dalam penelitian ini, uji normalitas terhadap residual dengan menggunakan uji Jarque-Bera (J-B). Dalam penelitian ini, tingkat signifikansi yang digunakan . Dasar pengambilan keputusan adalah melihat angka probabilitas dari statistik J-B, dengan ketentuan sebagai berikut :
a. Jika nilai probabilitas 0,05, maka asumsi normalitas terpenuhi.
b. Jika probabilitas < 0,05, maka asumsi normalitas tidak terpenuhi.
Gambar 4.1 Uji Normalitas dengan Uji Jarque-Bera
Sumber: hasil olahan software EViews
Perhatikan bahwa berdasarkan Gambar 4.1, diketahui nilai probabilitas dari statistik J-B adalah 0,870017. Karena nilai probabilitas , yakni 0,870017, lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Hal ini berarti asumsi normalitas dipenuhi.
4.2.2.1.2. Uji Multikolinearitas
Dalam penelitian ini, gejala multikolinearitas dapat dilihat dari nilai korelasi antar variabel yang terdapat dalam matriks korelasi. Ghozali (2013) menyatakan jika antar variabel independen ada korelasi yang cukup tinggi, yakni di atas 0,9 maka hal ini merupakan indikasi adanya multikolinearitas. Hasil uji multikolinearitas disajikan pada Tabel 4.2.
Tabel 4.2 Uji Multikolinearitas dengan Matriks Korelasi Keterangan Dana Pihak Ketiga CAR Pembiayaan Dana Pihak Ketiga 1.000000 0.173008 0.854369
CAR 0.173008 1.000000 0.174833
Pembiayaan 0.854369 0.174833 1.000000 Sumber: hasil olahan software EViews
0
Dari hasil pengujian multikolinearitas pada Tabel 4.2 dapat dilihat bahwa korelasi antara DPK dan CAR adalah 0,173, DPK dan Pembiayaan 0.854, CAR dan Pembiayaan 0,174. Oleh sebab itu disimpulkan bahwa tidak terdapat gejala multikolinearitas antar variabel independen. Hal ini karena nilai korelasi antar variabel independen tidak lebih dari 0,9 (Ghozali, 2013:105).
4.2.2.1.3. Uji Non Autokorelasi
Asumsi mengenai independensi terhadap residual (non-autokorelasi) dapat diuji dengan menggunakan uji Durbin-Watson (Field, 2009:220). Nilai statistik dari uji Durbin-Watson berkisar di antara 0 dan 4. Field (2009:220) menyatakan sebagai berikut. “Specifically, it (Durbin-Watson) tests whether adjacent residuals are correlated. The test statistic can vary between 0 dan 4 with a value 2 meaning that the residuals are uncorrelated". Nilai statistik dari uji Durbin-Watson yang lebih kecil dari 1 atau lebih besar dari 3 diindikasi terjadi autokorelasi. Field (2009:220-221) menyatakan sebagai berikut : “The size of the Durbin-Watson statistic depends upon the number of predictors in the model and the number of observations. For accuracy, you should look up the exact acceptable values in Durbin and Watson's (1951) original paper. As very conservative rule of thumb, values less then 1 or greater than 3 are definitely cause for concern; however, values closer to 2 may stil be problematic depending on your sample and model”.
Tabel 4.3 Uji Non Autokorelasi dengan Uji Durbin-Watson
Keterangan Nilai Keterangan Nilai
Log likelihood -74.98802 Hannan-Quinn criter. 4.997483 Durbin-Watson stat 1.927776 Sumber: hasil olahan software EViews
Berdasarkan Tabel 4.3, nilai dari statistik Durbin-Watson adalah 1,927.
Perhatikan bahwa karena nilai statistik Durbin-Watson terletak di antara 1 dan 3, yakni 1 < 1,927 < 3, maka asumsi non-autokorelasi terpenuhi. Dengan kata lain, tidak terjadi gejala autokorelasi yang tinggi pada residual.
4.2.2.1.4. Uji Heteroskedastisitas
Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan uji Breusch-Pagan (Gujarati, 2003, Gio dan Elly, 2015). Berikut hasil uji Breusch-Breusch-Pagan.
Tabel 4.4 Uji Heteroskedastisitas (Uji Breusch-Pagan) Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic 0.280719 Prob. F(3,28) 0.8388 Obs*R-squared 0.934362 Prob. Chi-Square(3) 0.8171 Scaled explained SS 0.560695 Prob. Chi-Square(3) 0.9054
Sumber: hasil olahan software EViews
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual suatu pengamatan ke pengamatan lain.
Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas (Ghozali, 2011). Homoskedastisitas sebagai varians kesalahan pengganggu untuk setiap pengamatan adalah sama, sedangkan heteroskedastisitas adalah sebaliknya (Supranto,2003).
Menurut Gujarati (2003) Model regresi yang baik adalah yang homoskesdasitas atau tidak terjadi heteroskesdatisitas. Apabila terjadi heteroskedastisitas, estimator-estimator yang dihasilkan dengan metode OLS (ordinary least square) tidak lagi memiliki sifat varians yang minimum atau efisien. Dalam keadaan heteroskedastisitas, ketika tetap menggunakan metode OLS yang biasa (usual OLS formulas), maka uji t dan uji F dapat memberikan kesimpulan yang salah. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan Uji Breusch-Pagan-Godfrey. Dasar pengambilan keputusan adalah melihat angka probabilitas dari statistik uji Breusch-Pagan-Godfrey, dengan ketentuan sebagai berikut.
a. Jika nilai Prob. Chi-Square dari Obs *R-squared 0,05, maka tidak terjadi heteroskedastisitas.
b. Jika nilai Prob. Chi-Square dari Obs *R-sqaured 0,05, maka terjadi heteroskedastisitas.
Berdasarkan tabel 4.4 diketahui nilai Prob Obs*R-Squared adalah 0,8171 > 0,05, yang berarti tidak terjadi heteroskedastisitas.
4.2.2.1.5. Analisis Korelasi antara DPK, CAR, terhadap Pembiayaan Analisis korelasi bertujuan untuk mengukur seberapa erat hubungan antara DPK, CAR, terhadap pembiayaan. Analisis korelasi yang digunakan adalah korelasi linear Pearson. Nilai korelasi berkisar antara -1 sampai dengan 1.
Tabel 4.5 Analisis Korelasi antara DPK, CAR terhadap Pembiayaan Keterangan Dana Pihak Ketiga CAR Pembiayaan
Dana Pihak Ketiga 1.000000 0.173008 0.854369
CAR 0.173008 1.000000 0.174833
Pembiayaan 0.854369 0.174833 1.000000 Sumber: hasil olahan software EViews
Berdasarkan hasil analisis korelasi pada Tabel 4.5, diketahui:
a. Terdapat hubungan positif (nilai korelasi 0.8543 > 0, positif) antara DPK dan Pembiayaan.
b. Terdapat hubungan positif (nilai korelasi 0.173008 > 0, positif) antara CAR dan Pembiayaan.
Gambar 4.3 disajikan sebaran data antara DPK dan pembiayaan, serta antara CAR dan pembiayaan.
Gambar 4.2 Sebaran Data antara DPK dan pembiayaan, CAR dan Pembiayaan
Dari gambar 4.2 dapat diketahui hubungan masing-masing variabel adalah sebagai berikut :
a. Hubungan linear terkuat pertama adalah antara DPK dan Pembiayaan, yakni dengan nilai korelasi 0,8543.
b. Hubungan linear terkuat kedua adalah antara CAR dan Pembiayaan, yakni dengan nilai korelasi 0.173008.
DP K
Pembiayaan
CA R
Pembiayaan
4.2.2.1.6. Analisis Korelasi antara DPK, CAR, Pembiayaan terhadap ROA Analisis korelasi bertujuan untuk mengukur seberapa erat hubungan antara DPK, CAR, pembiayaan terhadap ROA. Analisis korelasi yang digunakan adalah korelasi linear Pearson. Nilai korelasi berkisar antara -1 sampai dengan 1.
Tabel 4.6 Analisis Korelasi antara DPK, CAR, Pembiayaan terhadap ROA Keterangan ROA Dana Pihak Ketiga CAR Pembiayaan
ROA 1.000000 0.306300 0.057530 0.260478
Dana Pihak Ketiga 0.306300 1.000000 0.173008 0.854369
CAR 0.057530 0.173008 1.000000 0.174833
Pembiayaan 0.260478 0.854369 0.174833 1.000000 Sumber: hasil olahan software EViews
Berdasarkan hasil analisis korelasi pada Tabel 4.6, diketahui:
a. Terdapat hubungan positif (nilai korelasi 0.3063 > 0, positif) antara DPK dan ROA.
b. Terdapat hubungan positif (nilai korelasi 0.05753 > 0, positif) antara CAR dan ROA.
c. Terdapat hubungan positif (nilai korelasi 0.260478 > 0, positif) antara Pembiayaan dan ROA.
Gambar 4.3 menyajikan sebaran data antara DPK dan ROA, antara CAR dan ROA, dan antara pembiayaan dan ROA.
Gambar 4.3 Sebaran Data antara DPK dan ROA, CAR dan ROA, dan antara Pembiayaan dan ROA
Berdasarkan gambar 4.3 , dapat dilihat sebaran Dana Pihak Ketiga (DPK), CAR, Pembiayaan dan ROA memiliki hubungan linear antar variabel dengan keterangan sebagai berikut :
a. Hubungan linear terkuat pertama adalah antara DPK dan ROA, yakni dengan nilai korelasi 0,3063.
b. Hubungan linear terkuat kedua adalah antara pembiayaan dan ROA, yakni dengan nilai korelasi 0,2604.
c. Hubungan linear terkuat ketiga adalah antara CAR dan ROA, yakni dengan nilai korelasi 0,057.
Garis yang cenderung datar, menunjukkan hubungan yang lemah, hal tersebut merupakan penyebab tidak signifikannya suatu hubungannya.
4.2.2.1.7. Analisis Koefisien Determinasi
Pada pengujian hipotesis, akan dilakukan analisis koefisien determinasi, pengujian pengaruh simultan (uji F), dan pengujian pengaruh parsial (uji t).
Koefisien determinasi ( ) merupakan suatu nilai (nilai proporsi) yang mengukur seberapa besar kemampuan variabel-variabel bebas yang digunakan dalam persamaan regresi, dalam menerangkan variasi variabel tak bebas (Gujarati, 2003). Nilai koefisien determinasi berkisar antara 0 dan 1. Nilai koefsien determinasi yang kecil (mendekati nol) berati kemampuan variabel-variabel tak bebas secara simultan dalam menerangkan variasi variabel tak bebas amat terbatas. Nilai koefisien determinasi yang mendekati 1 berarti variabel-variabel bebas memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel tak bebas.
Tabel 4.7 Nilai statistik dari Koefisien Determinasi,
Uji F, dan Uji t, dengan pembiayaan sebagai Variabel Tak Bebas
Dependent Variable: Pembiayaan Method: Least Squares
Date: 06/03/17 Time: 08:48 Sample: 1 30
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
Dana Pihak Ketiga 0.574405 0.066153 8.683014 0.0000
CAR 0.009499 0.033367 0.284688 0.7779
C 11.35094 1.660022 6.837827 0.0000
R-squared 0.730699 Mean dependent var 25.95614
Adjusted R-squared 0.712127 S.D. dependent var 1.337163 S.E. of regression 0.717439 Akaike info criterion 2.262802 Sum squared resid 14.92684 Schwarz criterion 2.400215 Log likelihood -33.20483 Hannan-Quinn criter. 2.308350 F-statistic 39.34316 Durbin-Watson stat 2.387284 Prob(F-statistic) 0.000000
Sumber: hasil olahan softwareEViews
Berdasarkan Tabel 4.7,nilai koefisien determinasi sebesar . Nilai tersebut berarti seluruh variabel bebas, yakni Dana Pihak Ketiga, CAR secara simultan atau bersamaan mempengaruhi variabel Pembiayaan sebesar 73%, sisanya sebesar 27% dipengaruhi oleh faktor-faktor lain. Nilai error untuk persamaan substruktur ini adalah 51.
Tabel 4.8 Nilai statistik dari Koefisien Determinasi, Uji F, dan Uji t, dengan ROA sebagai Variabel Tak Bebas
Dependent Variable: ROA Method: Least Squares Date: 06/03/17 Time: 08:49 Sample: 1 30
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
Dana Pihak Ketiga 0.421301 0.471386 0.893749 0.3791
CAR 0.003304 0.125490 0.026331 0.9792
Pembiayaan -0.010027 0.697413 -0.014377 0.9886
C -8.469212 10.07655 -0.840487 0.4078
R-squared 0.093848 Mean dependent var 1.963750
Adjusted R-squared -0.003240 S.D. dependent var 2.690119 S.E. of regression 2.694474 Akaike info criterion 4.936751 Sum squared resid 203.2853 Schwarz criterion 5.119968 Log likelihood -74.98802 Hannan-Quinn criter. 4.997483 F-statistic 0.966627 Durbin-Watson stat 1.927776 Prob(F-statistic) 0.422269
Sumber: hasil olahan software EViews
Berdasarkan Tabel 4.8, nilai koefisien determinasi terletak pada kolom R-Squared. Diketahui nilai koefisien determinasi sebesar . Nilai tersebut berarti seluruh variabel bebas, yakni Dana Pihak Ketiga, CAR dan Pembiayaan secara simultan atau bersamaan mempengaruhi ROA sebesar 9%, sisanya sebesar 91% dipengaruhi oleh faktor-faktor lain. Nilai error untuk persamaan substruktur ini adalah .
4.2.2.1.8. Uji Signifikansi Pengaruh Simultan (Uji F)
Uji signifikansi koefisien regresi parsial secara menyeluruh merupakan suatu uji untuk menguji apakah seluruh koefisien regresi parsial secara menyeluruh atau simultan sama dengan nol atau tidak (Supranto, 2005). Dengan kata lain, menguji apakah seluruh variabel bebas secara bersamaan atau simultan mempengaruhi variabel tak bebas signifikan secara statistik atau tidak.
Untuk substruktur I, berdasarkan Tabel 4.7 diketahui nilai probabilitas 0,000000 Karena nilai probabilitas lebih kecil dibandingkan tingkat signifikansi, yakni 0,05, maka pengaruh simultan dari variabel bebas Dana Pihak Ketiga, CAR secara bersama-sama berpengaruh signifikan terhadap pembiayaan.
Untuk substruktur II, Berdasarkan Tabel 4.8, diketahui nilai probabilitas 0,422 Karena nilai probabilitas lebih besar dibandingkan tingkat signifikansi, yakni 0,05, maka pengaruh simultan dari seluruh variabel bebas DPK, CAR, dan pembiayaan secara bersama-sama tidak berpengaruh signifikan terhadap ROA.
4.2.2.1.9. Uji Signifikansi Koefisien Regresi Parsial secara Individu (Uji t)
Uji signifikansi koefisien regresi parsial secara individu merupakan suatu uji untuk menguji apakah nilai dari koefisien regresi parsial secara individu bernilai nol atau tidak (Gujarati, 2003, Supranto, 2005).
Berdasarkan Tabel 4.7 dan Tabel 4.8, diperoleh persamaan regresi data panel sebagai berikut.
Berdasarkan Tabel 4.7, diketahui:
a. Diketahui nilai probabilitas dari Variabel Dana Pihak Ketiga (X1) yakni 0,000 lebih kecil dibandingkan tingkat signifikansi, yakni 0,05 dengan nilai koefisien 0,57 lebih besar dari 0 , hal ini berarti pengaruh langsung antara Dana Pihak Ketiga dengan Pembiayaan (Y1) berpengaruh positif dan signifikan.
b. Diketahui nilai probabilitas dari Variabel CAR (X2) yakni 0,77 lebih besar dibandingkan tingkat signifikansi, yakni 0,05 dengan nilai koefisien 0,009 lebih besar dari 0 , hal ini berarti pengaruh langsung antara CAR dengan Pembiayaan (Y1) berpengaruh positif namun tidak signifikan.
Berdasarkan Tabel 4.8, diketahui:
a. Diketahui nilai probabilitas dari Variabel Dana Pihak Ketiga (X1) yakni 0,3791 lebih besar dibandingkan tingkat signifikansi, yakni 0,05 dengan nilai koefisien 0,42 lebih besar dari 0, hal ini berarti pengaruh langsung antara Dana Pihak Ketiga dengan ROA (Y2) berpengaruh positif dan tidak signifikan b. Diketahui nilai probabilitas dari CAR (X2) yakni 0,9792 lebih besar dibandingkan tingkat signifikansi, yakni 0,05 dengan nilai koefisien 0,003 lebih kecil dari 0 , hal ini berarti pengaruh langsung antara CAR dengan ROA (Y2) berpengaruh positif dan tidak signifikan.
c. Diketahui nilai probabilitas dari Pembiayaan (Y1) yakni 0,988 lebih besar dibandingkan tingkat signifikansi, yakni 0,05 dengan nilai koefisien -0,01 lebih kecil dari 0 , hal ini berarti pengaruh langsung antara Pembiayaan dengan ROA (Y2) berpengaruh negatif namun tidak signifikan.
Berdasarkan hasil data pada tabel 4.7 dan 4.8 untuk pengujian pengaruh tidak langsung adalah sebagai berikut :
a. Diketahui jalur/pengaruh Dana Pihak Ketiga (X1) terhadap Pembiayaan (Y1) signifikan namun jalur/pengaruh Pembiayaan (Y1) terhadap ROA (Y2) tidak signifikan. Dengan demikian Pembiayaan tidak signifikan dalam memediasi hubungan antara Dana Pihak Ketiga terhadap ROA (Y2).
b. Diketahui untuk jalur/pengaruh CAR (X2) terhadap pembiayaan tidak signifikan dan jalur/pengaruh Pembiayaan (Y1) terhadap ROA (Y2) juga tidak signifikan. Dengan demikian Pembiayaan tidak signifikan dalam memediasi hubungan antara CAR terhadap ROA.
4.2.2.1.10. Uji Signifikansi NPF dalam memoderasi hubungan antara Pembiayaan terhadap ROA
Ghozali (2013) menyatakan terdapat tiga cara menguji regresi dengan variabel moderating, yaitu (1) uji interaksi, (2) uji nilai selisih mutlak, (3) uji residual.
Dalam penelitian ini digunakan uji residual karena pada uji interaksi dan uji nilai selisih mutlak mempunyai kecenderungan akan terjadi multikolinearitas yang tinggi antara variabel independen dan hal ini akan menyalahi asumsi klasik dalam regresi ordinary least square (OLS) (Ghozali,2013). Untuk mengatasi multikolinearitas ini, maka dikembangkan metode lain yang disebut dengan uji residual.
Tabel 4.9 Uji Signifikansi NPF dalam Memoderasi Hubungan antara Pembiayaan, terhadap ROA
Dependent Variable: ABS_RESID_X3MY Method: Least Squares
Date: 06/03/17 Time: 08:54 Sample: 1 30
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
ROA -0.635535 0.381671 -1.665139 0.1063
C 7.457925 1.258177 5.927566 0.0000
Sumber: hasil olahan software EViews
Berdasarkan tabel 4.9 diketahui nilai probabilitas 0,1063 lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Perhatikan bahwa nilai koefisien dari ROA adalah -0,63 , yakni bernilai negatif namun tidak signifikan (0,1063 >
0,005). Hal ini berarti variabel NPF (M) tidak signifikan dalam memoderasi hubungan antara pembiayaan (Y1) terhadap ROA (Y2).
4.2.2.1.11. Uji Signifikansi NPF dalam memoderasi hubungan antara Dana Pihak Ketiga (DPK), CAR dan Pembiayaan terhadap ROA
Dalam pengujian moderasi dengan pendekatan uji residual, suatu variabel dikatakan memoderasi variabel bebas jika koefisien regresi variabel tak bebas bernilai negatif dan signifikan (Ghozali, 2013:244). Fokus dari uji ini adalah ketidakcocokkan (lack of fit) yang dihasilkan dari deviasi hubungan linear antar variabel independent. lack of fit ini ditunjukkan oleh nilai residual didalam regresi. Jika variabel tergantung diegresikan terhadap nilai absolute residual ternyata signifikan dan negative maka dikatakan terjadi moderasi.
Tabel 4.10 Uji Signifikansi NPF dalam Memoderasi Hubungan antara DPK,
Variable Coefficient Std. Error t-Statistic Prob.
ROA -0.659487 0.375559 -1.756014 0.0893
C 7.549829 1.238030 6.098258 0.0000
Sumber: hasil olahan software EViews
Berdasarkan tabel 4.10 diketahui nilai probabilitas 0,089 lebih besar dibandingkan tingkat signifikansi, yakni 0,05. Perhatikan bahwa nilai koefisien dari ROA adalah -0,659 , yakni bernilai negatif namun tidak signifikan (0,089 > 0,005). Hal ini berarti variabel NPF (M) tidak signifikan dalam memoderasi hubungan antara DPK (X1) , CAR (X2) dan Pembiayaan (Y1) terhadap ROA (Y2).
Tabel 4.11. Kesimpulan Hipotesis Penelitian
No Hipotesis Hasil Hipotesis
1 Dana Pihak Ketiga (giro, tabungan, deposito) berpengaruh signifikan
terhadap Pembiayaan Diterima
2 CAR berpengaruh signifikan terhadap Pembiayaan Ditolak 3 Dana Pihak Ketiga (giro, tabungan, deposito) dan CAR bersama sama
berpengaruh signifikan terhadap Pembiayaan Diterima 4 Pembiayaan memediasi pengaruh signifikan Dana Pihak Ketiga (giro,
tabungan, deposito) terhadap ROA Ditolak
5 Pembiayaan memediasi pengaruh signifikan CAR terhadap ROA Ditolak 6 Pembiayaan berpengaruh signifikan terhadap ROA dengan Non
Performing Financing (NPF) sebagai variabel moderasi Ditolak 7 Dana Pihak Ketiga (giro, tabungan, deposito) dan CAR serta
Pembiayaan berpengaruh signifikan terhadap ROA dengan Non Performing Financing (NPF) sebagai variabel moderasi
Ditolak
4.2.2.1.12. Pengaruh Dana Pihak Ketiga dan CAR terhadap Pembiayaan Berdasarkan hasil analisa regresi data panel untuk persamaan substruktur I, diperoleh koefisien-koefisien jalur sebagai berikut :
Gambar 4.4 Koefisien Jalur untuk Persamaan Sub-Struktur I Berdasarkan Gambar 4.4, dapat ditarik informasi sebagai berikut :
a. Pengaruh langsung dari variabel Dana Pihak Ketiga (X1) terhadap Pembiayaan (Y1) adalah 0,674405 (bernilai positif). Variabel Dana Pihak Ketiga (X1) memiliki pengaruh langsung yang bersifat positif terhadap Pembiayaan (Y1).
Pengaruh positif berarti, ketika nilai dari variabel Dana Pihak Ketiga (X1) meningkat, maka terdapat kecenderungan Pembiayaan (Y1) juga akan meningkat.
b. Pengaruh langsung dari variabel CAR (X2) terhadap Pembiayaan (Y1) adalah 0,009499 (bernilai positif). Varibel CAR (X2) memliki pengaruh langsung juga bersifat positif terhadap Pembiayaan (Y1).
e1= 0,51
0,57440 0,009499 5 Dana Pihak
Ketiga (X1)
Pembiayaan (Y1)
CAR (X2)
4.2.2.1.13. Pengaruh Pembiayaan terhadap ROA dengan NPF sebagai variabel Moderasi
Berdasarkan hasil regresi dengan variabel moderating data panel untuk persamaan substruktur II , diperoleh koefisen-koefisien jalur sebagai berikut :
M1 = α + ρ5 ZY1 +ε IeI = 7,549829-0,635535
Gambar 4.5 Koefisien Jalur untuk Persamaan Sub-Struktur II
Berdasarkan Gambar 4.5, dapat ditarik informasi bahwa pengaruh langsung dari variabel Pembiayaan (Y1) dengan NPF (M1) sebagai variabel moderasi terhadap ROA (Y2) adalah -0,635535, dengan nilai probabilitas 0,1063 lebih besar dibandingkan tingkat signifikansi 0,05. Hal ini dapat diterangkan bahwa variabel NPF (M1) tidak signifikan dalam memoderasi hubungan antara Pembiayaan (Y1) terhadap ROA (Y2). Suatu variabel dikatakan signifikan dalam memoderasi variabel bebas jika koefisien regresi variabel tidak bebas bernilai negatif dan signifikan.
4.2.2.1.14. Pengaruh Dana Pihak Ketiga, CAR, Pembiayaan terhadap ROA dengan NPF sebagai Variabel Moderasi
Berdasarkan hasil regresi dengan variabel moderating data panel untuk persamaan substruktur III , diperoleh koefisen-koefisien jalur sebagai berikut :
M1 = α + b1X1+ b2X2+ b3X3+ b3X3 + ε IeI = 7,549829-0,659487
-0,635535
e2
Pembiayaan (Y1)
NPF (M1)
ROA (Y2)
Gambar 4.6 Koefisien Jalur untuk Persamaan Sub-Struktur III
Berdasarkan gambar 4.5, dapat ditarik informasi bahwa pengaruh langsung dari varibel Dana Pihak Ketiga (X1), CAR (X2), Pembiayaan (Y1) dengan NPF (M1) sebagai variabel moderasi terhadap ROA (Y2) adalah -0,659487, dengan nilai probabilitas 0,0893 lebih besar dibandingkan tingkat signifikansi 0,05. Hal ini dapat diterangkan bahwa variabel NPF (M1) tidak signifikan dalam memoderasi hubungan antara Dana Pihak Ketiga (X1), CAR (X2),Pembiayaan (Y1) terhadap ROA (Y2).