HASIL PENELITIAN DAN PEMBAHASAN 4.1Hasil Penelitian
21. PT. Bank Himpunan Saudara 1906, Tbk
4.1.4. Hasil Analisis Statistik Structural Equation Modeling
4.1.4.1. Hasil Analisis Uji Kelayakan Model Penelitian
Uji kelayakan model keseluruhan dilakukan untuk melihat apakah model
yang digunakan dalam penelitian secara keseluruhan memenuhi goodnes of fit.
Hasil pengujian analisis kelayakan model secara menyeluruh dapat dilihat pada
Gambar 4.3 berikut ini :
Sumber: Hasil Output AMOS
Gambar 4.3
Berdasarkan Gambar 4.3 dapat diketahui bahwa model yang digunakan
belum memenuhi kriteria goodness of fit. Ringkasan uji kelayakan model analisis
dapat dilihat pada table 4.9 :
Tabel 4.9. Hasil Pengujian Kelayakan Model I
Goodness of Fit Indeks
Cut off Value
Hasil Evaluasi Model
X2 Chi- Square < 129.918 88.723 Baik
Significant Probability ≥ 0,05 0,000 Tidak Baik
RMSEA ≤ 0,08 1.111 Tidak Baik
GFI ≥ 0,90 0,884 Tidak Baik
AGFI ≥ 0,90 0,803 Tidak Baik
CMIN/DF ≤ 2,00 2,275 Tidak Baik
IFI ≥ 0,90 0,611 Tidak Baik
Sumber: Hasil Penelitian, 2015 (data diolah)
Berdasarkan hasil analisis uji kelayakan model penelitian yang menunjukan
bahwa model penelititan belum memenuhi kriteria goodnes of fit, maka perlu
dilakukan modifikasi model. Menurut Ghozali (2008), modifikasi model
digunakan untuk mendapatkan model yang paling sesuai dengan tujuan
mengindentifikasi dan memperbaiki kesalahan (spesification error) dalam
penelitian dan sekaligus menghasilkan suatu model baru yang memiliki
kesesuaian data yang lebih baik dari model sebelumnya. Menurut Haryono dan
Wardoyo (2013), jika model awal tidak memenuhi model fit maka dapat membuat
model revisinya dengan menghilangkan hubungan yang tidak signifikan dalam
model dan melakukan korelasi antar variabel atau antar error varian indikator.
Sumber: Hasil Output AMOS
Gambar 4.4.
Analisis Struktural Equation Modeling (SEM) II
Analisis SEM II merupakan bentuk model setelah melakukan modifikasi
model. Modifikasi dilakukan agar model menjadi fit, dengan cara membuat
covarian indikator yang memiliki nilai Modification Indicies (M.I.) yang terbesar.
Penambahan covarian antar error varian indikator konstruk eksogen atau antar
error varian indikator konstruk endogen dilakukan agar :
1. Memperkuat pengaruh masing – maing variabel yang diuji
hasil model tidak keluar, hal ini akibat adanya pengaruh variabel-variabel
lain yang tidak dihubungkan dalam model, sehingga memperlemah
pengaruh variabel yang telah kita hubungkan. Untuk itu perlu ditarik garis
penghubung antar error varian indikator.
2. Memperkuat kedudukan variabel yang diuji dengan mengurangi kesalahan
error varian indikator lain yang mengganggu.
Pada saat model yg telah disepakati diolah, hasil model tidak keluar karena
model belum fit. Hal ini mungkin dipengaruhi oleh error varian indikator,
dimana error varian indikator memperlemah ataupun memperkuat variabel
yang seharusnya tidak diuji, untuk itu perlu dipertegas hubungan variabel
yang diuji dengan meletakkan garis penghubung antar error varian
indikator
Secara teori hubungan masing - masing covarian antar error varian
indikator dapat dijelaskan secara singkat sebagai berikut :
1. Hubungan error varian indikator LDR dengan Perubahan Laba
Pada Gambar 4.4. LDR dihubungkan langsung dengan perubahan laba.
LDR merupakan rasio yang mengukur kemampuan bank dalam memberikan
kredit kepada debiturnya dengan modal yang dimiliki oleh bank maupun
dana yang dapat dikumpulkan dari masyarakat. Rasio LDR yang semakin
tinggi, menunjukkan tingkat likuiditas yang semakin kecil, karena jumlah
dana yang diberikan untuk membiayai kreditnya semakin banyak. Jika dana
bank tidak mencukupi maka bank harus mencari pinjaman dana ke bank
indonesia (jika bank diukur secara konsolidasi), artinya bank tidak mampu
diharapkan berada dalam posisi lancar agar keuntungan dapat diestimasi.
Jika keuntungan yang disetimasi dapat direalisasikan, maka keuntungan
kredit ini dapat digunakan untuk membayar kembali hutang ke Bank
Indonesia tersebut, membayar bunga dari simpanan dana masyarakat dan
sisanya untuk menambah pendapatan bank. Namun jika kredit yang
diberikan bermasalah, tentunya bank tidak mampu melakukan seluruh
kewajibannya tersebut dan mengakibatkan menurunkannya pendapatan
bank. Kredit yang diberikan tersebut umumnya berlangsung lebih dari
setahun, sehingga mempengaruhi pendapatan dari tahun ke tahun.
Pergeseran pendapatan bank menunjukkan perubahan laba, sehingga LDR
berhubungan langsung dengan perubahan laba.
2. Hubungan error varian indikator LDR dengan DPR
Pada Gambar 4.4. LDR dihubungkan langsung dengan DPR. LDR
merupakan rasio yang mengukur kemampuan bank dalam memberikan
kredit kepada debiturnya dengan modal yang dimiliki oleh bank maupun
dana yang dapat dikumpulkan dari masyarakat. Nilai LDR yang ideal (78 %
- 92%) menentukan nilai suatu bank karena menunjukkan likuiditas bank
tersebut. Nilai LDR yang terlalu tinggi menempatkan bank untuk
menambah dana yang digunakan untuk menyalurkan kredit. Dana bank
yang tidak mencukupi dapat diambil dari laba perusahaan, tetapi jika laba
perusahaan yang digunakan tersebut cukup besar, maka dapat menurunkan
jumlah dividen ataupun bisa saja bank tersebut menahan labanya. Sehingga
3. Hubungan error varian indikator Rasio Rentabilitas (BOPO, NIM dan
ROA) dengan CAR
Pada Gambar 4.4. menunjukkan bahwa BOPO, NIM dan ROA yang
mewakili rasio rentabilitas berhubungan langsung dengan CAR. Rasio
rentabilitas bank menunjukkan perbandingan antara laba yang diperoleh
dengan aktiva atau modal yang diperlukan untuk menghasilkan laba
tersebut. Dengan kata lain rentabilitas adalah kemampuan bank untuk
menghasilkan laba selama periode tertentu dengan total aktiva atau modal
yang digunakan dalam operasi bank. Sehingga semakin tinggi rasio
rentabilitas maka semakin tinggi laba yang dihasilkan. Laba yang tinggi
dapat menaikkan permodalan bank, karena laba merupakan salah satu
komponen dalam modal inti yang menyusun struktur permodalan bank. Hal
ini menunjukkan bahwa rasio rentabilitas berhubungan langsung dengan
CAR
4. Hubungan error varian indikator NIM dengan DER
NIM adalah rasio yang mengukur kemampuan bank dalam menghasilkan
pendapatan dari bunga dengan melihat kinerja bank dalam menyalurkan
kredit. Sedangkan DER adalah rasio yang mengukur kemampuan bank
dalam menutup sebagian atau seluruh hutang-hutangnya, baik jangka
panjang maupun jangka pendek, dengan dana yang berasal dari dana bank
sendiri. Pada Gambar 4.4. Rasio NIM dan DER saling berhubungan karena
dana bank untuk mengukur rasio DER yang berasal dari bank itu sendiri
sebagian besar diperoleh dari pendapatan bunga bank, namun pendapatan
bermasalah. Karena pendapatan tersebut sebagian akan di gunakan untuk
pencadangan dana bank yang ditujukan untuk menanggulangi kredit
bermasalah. Hal ini menunjukkan bahwa besar kecil nya rasio NIM akan
berhubungan langsung dengan DER.
5. Hubungan error varian indikator EAQ dengan ROA
EAQ adalah rasio yang mengukur tingkat kemungkinan diterimanya
kemba
dari kredit yang disalurkan. Sedangkan ROA adalah rasio yang mengukur
kemampuan bank dalam menghasilkan laba dengan menggunakan total
aktiva yang ada. Pada Gambar 4.4. Rasio EAQ dan ROA saling
berhubungan, karena peningkatan ROA berasal dari aktiva yang ada pada
bank, dimana aktiva tersebut sebagian besar ditanamkan dalam bentuk
kredit yang disebut dengan aktiva produktif. Sehingga jika kredit tersebut
bermasalah akan mempengaruhi rasio EAQ yang berakibat pada laba yang
dihasilkan pada ROA. Hal ini menunjukkan bahwa besar kecil nya rasio
EAQ akan berhubungan langsung dengan ROA.
Ringkasan uji kelayakan model analisis setelah dilakukan modifikasi model
dapat di lihat pada Tabel 4.10:
Tabel 4.10.Hasil Pengujian Kelayakan Model II
Goodness of Fit Indeks
Cut off Value
Hasil Evaluasi Model
X2 Chi- Square < 129.918 50.770 Baik
Significant Probability ≥ 0,05 0.019 Marginal
RMSEA ≤ 0,08 0.075 Baik
GFI ≥ 0,90 0.927 Baik
AGFI ≥ 0,90 0.850 Marginal
CMIN/DF ≤ 2,00 1.587 Baik
IFI ≥ 0,90 0.861 Marginal
Pada Tabel 4.10 hasil penelitian menunjukkan dalam pengujian full model
bahwa model sebagian besar telah memenuhi kriteria fit atau baik sehingga model
dapat dikatakan layak. Menurut Haryono dan Wardoyo (2013), model dikatakan
layak jika paling tidak salah satu dari metode uji kelayakan model terpenuhi.
Dalam suatu penelitian empiris, peneliti tidak dituntut untuk memenuhi semua
kriteria goodness of fit, akan tetapi tergantung dari judgment masing-masing
peneliti.
Pada Tabel 4.10. menunjukkan bahwa :
1. Chi–square pada full model memperoleh nilai 50.770 dibawah cuf off value
sebesar 129,918 sehingga berada dalam kategori baik. Hal ini menunjukkan bahwa matrik kovarian atau korelasi yang diobservasi dalam hal ini rasio
keuangan, perubahan laba dan DPR pada tahun 2009-2013 telah cocok dengan matrik kovarian model.
2. RMSEA pada full model memperoleh nilai 0,075 berada dibawah Cuf off
values 0,08 sehingga berada dalam kategori baik. Hal ini menunjukkan bahwa kecenderungan statistic chi-square telah menerima model dengan jumlah sampel yang ada.
3. GFI pada full model memperoleh nilai 0,927 berada diatas Cuf off values
0,90 sehingga berada dalam kategori baik. Hal ini menunjukkan bahwa model yang telah ditetapkan sesuai dengan hipotesis yang ada telah
memenuhi ukuran kecocokan absolut.
4. AGFI pada full model memperoleh nilai 0,850 dibawah Cuf off values 0,90
sehingga berada dalam kategori marginal. Hal ini menunjukkan bahwa perluasan GFI yang disesuaikan dengan degree of freedom dari baseline
model dengan degree of freedom model yang di estimasi telah berada dalam
marginal fit.
5. CMIN/DF pada full model memperoleh nilai 1.587 dibawah Cuf off values
2.00 sehingga berada dalam kategori baik. Hal ini menunjukkan bahwa matrik kovarian atau korelasi yang diobservasi dengan model yang
ditetapkan telah fit dengandegree of freedom (derajat kebebasan).
6. IFI pada full model memperoleh nilai 0.861 dibawah Cuf off values 0.90
sehingga berada dalam kategori marginal. Hal ini menunjukkan bahwa
model yang diusulkan dengan model dasar berada dalam kategori marginal fit.
Kriteria observed (indikator) dari setiap masing-masing variabel adalah
valid sehingga di observed (indikator). Hasil penelitian untuk kriteria observed
(indikator) dapat dilihat pada Tabel 4.11 berikut ini:
Tabel 4.11. Hasil Regression Weights Analisis Struktural Equation Modeling
Estimate S.E. C.R. P Keterangan
PL 3.061 .091 33.465 *** Valid DPR 2.062 .262 7.876 *** Valid CAR 2.664 .047 56.638 *** Valid DER 2.075 .042 49.804 *** Valid BOPO 4.381 .051 86.603 *** Valid NIM 1.685 .050 33.653 *** Valid ROA .478 .031 15.279 *** Valid NPL .808 .037 22.007 *** Valid EAQ 4.343 .049 88.370 *** Valid CR 1.435 .087 16.481 *** Valid LDR 4.294 .037 115.602 *** Valid
Sumber: Hasil Penelitian, 2015 (data diolah)
Berdasarkan pada Gambar 4.4 dan Tabel 4.11. bahwa indikator pembentuk
variabel laten menunjukkan hasil yang memenuhi kriteria yaitu nilai CR diatas
lebih besar dari 0,05. Hasil penelitian menunjukkan bahwa indikator pembentuk
variabel laten secara signifikan merupakan indikator dari faktor-faktor laten yang
dibentuk. Dengan demikian, model yang dipakai dalam penelitian ini dapat
diterima.
Pada Tabel 4.11. dapat dijelaskan secara singkat pengaruh masing- masing
indikator pembentuk konstruk eksogen :
1. Rasio Likuiditas
Gambar 4.5. Konstruk Rasio Likuiditas
Pada Gambar 4.5. dapat dilihat Rasio Likuiditas yang dibentuk berdasarkan
dua dimensi konstruk yaitu CR dan LDR. Pada Tabel 4.11 menunjukkan
bahwa nilai Critical Ratio untuk CR sebesar 16.481 dan nilai Critical Ratio
untuk LDR sebesar 115.602 keduanya berada diatas 1.96 dan P lebih kecil
dari pada 0,05, sehingga CR dan LDR secara signifikan merupakan
indikator pembentuk rasio likuiditas. Hal ini menunjukkan bahwa CR dan
LDR mampu mewakili rasio likuiditas. Indikator yang lebih mendominasi
untuk rasio likuiditas adalah LDR karena memiliki nilai Critical Ratio lebih
besar dari CR yaitu sebesar 115.602.