BAB IV HASIL DAN PEMBAHASAN
A. ANANLISIS STATISTIK DESKRIPSTIF
3. KOEFISIEN DETERMINASI
Koefisien determinasi pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah nol dan satu. Nilai R2 yang kecil berarti kemampuan varibel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Untuk melihat koefisien determinasi yaitu dengan melihat Adjusted R Square pada tabel Model Summary, artinya semakin tinggi nilainya maka semakin tinggi pula variabel independen menjelaskan variabel dependen.
A. Analisis Statistik Deskriptif
Variabel penelitian yang digunakan dalam penelitian ini adalah sebanyak 4 (empat) variabel, satu variabel dependen dan tiga variabel independen. Variabel dependen dalam penelitian ini adalah Capital Adequacy Ratio (CAR), sedangkan variabel independen dalam penelitian ini adalah penerbitan sukuk, Return on Asset (ROA), Return on Equity (ROE). Tabel berikut menunjukkan statistik deskriptif dari keempat variabel tersebut.
Tabel 4.1 Descriptive Statistics
N Minimum Maximum Sum Mean
Std. Deviation SUKUK 20 .00 1.00 11.00 .5500 .51042 ROA 20 .10 2.72 26.52 1.3260 .59333 ROE 20 1.56 42.32 441.43 22.0715 11.56916 CAR 20 10.03 17.61 265.21 13.2605 2.06911 Valid N (listwise) 20
Sumber : Hasil Pengolahan SPSS
Dari data 4.1 di atas maka data-data tersebut dideskriptifkan sebagai berikut: 1. Jumlah seluruh observasi pengamatan penenlitian adalah 20 observasi
pengamatan, dengan 4 (empat) variabel independen dan 1 (satu) variabel dependen.
2. Variabel independen pertama adalah data penerbitan sukuk, variabel ini juga merupakan variabel numerika yang menggunakan variabel dummy, dimana perioode setelah menerbitkan sukuk diberi nilai satu (1) sebagai nilai maksimum dan periode sebelum menerbitkan sukuk diberi nilai nol (0) sebagai nilai minimum. Sehingga dengan jelas dapat diketahui bahwa range antara data adalah sebesar satu (1), dengan nilai rata-rata (mean) sebesar 0,55% dan standar deviasi sebesar 0,51%. Menunjukan tidak adanya perbedaan yang signifikan antara nilai rata-rata dengan nilai standar deviasi.
3. Variabel independen kedua adalah Return on Asset (ROA) , yaitu memiliki nilai minimum sebesar 0,10 % yang dimiliki oleh PT Bank Muamalat Indonesia dan nilai maksimum sebesar 2,72% yang dimiliki oleh PT Bank Muamalat Indonesia. Sementara itu nilai penyimpangan rata-rata sebesar 0,593%. Dilihat dari nilai rata-rata sebesar Return on Asset (ROA) pada Bank Muamalat Indonesia adalah 1.32% dapat disimpulkan bahwa Bank Muamalat Indonesia memiliki tingkat pengembalian asset yang baik. Dimana rata-rata CAR menunjukkan 1,32% artinya Bank Muamlaat Indonesia tidak termasuk dalam kategori sehat, dimana tidak memenuhi peraturan BI untuk nilai minimal ROA sebesar 1,5%. Sedangkan standar deviasi ROA sebesar 0,59 menunjukkan simpangan data yang nilainya lebih kecil daripada meannya sebesar 1.32% menunjukkan data variabel ROA yang baik.
4. Variabel independen ketiga adalah Return on Equity (ROE) , yaitu memiliki nilai minimum sebesar 1,56 % yang dimiliki oleh PT Bank Muamalat Indonesia dan nilai maksimum sebesar 42,32% yang dimiliki oleh PT Bank Muamalat Indonesia. Sementara itu nilai penyimpangan rata-rata sebesar 11,56%. Dilihat dari nilai rata-rata sebesar Return on Equity (ROE) pada Bank Muamalat Indonesia adalah 22,07% dapat disimpulkan bahwa Bank Muamalat Indonesia memiliki tingkat pengembalian atas modal yang baik. Dimana rata-rata ROE menunjukkan 22,07% artinya selama satu periode akuntansi perusahaan mampu menghasilkan laba bersih sebesar 22,07% dari total modal yang dimiliki. 5. Variabel dependen adalah Capital Adequacy Ratio (CAR), yaitu memiliki
nilai minimum sebesar 10,03% yang dimiliki oleh PT Bank Muamalat Indonesia dan nilai maksimum sebesar 17,61% yang dimiliki oleh PT Bank Muamalat Indonesia. Sementara itu nilai penyimpangan rata-rata sebesar 2,069%. Dilihat dari nilai rata-rata sebesar CAR pada Bank Muamalat Indonesia adalah 13,26% dapat disimpulkan bahwa Bank Muamalat Indonesia dapat memenuhi standar minimum CAR yang telah ditetapkan yaitu sebesar 8%.
B. Uji Asumsi Klasik 1. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regres, variabel terikat da variabel bebas keduanya mempunyai distribusi normal atau
tidal. Model regresi yang baik adalah emiliki distribusi data normal atau mendekati normal. Hasil uji normalitas berdasarkan grafik probability Plot dapat dilihat pada gambar 4.1 berikut.
Gambar 4.1 Uji Normalitas
Sumber : Output SPSS (data diolah)
Distribusi normal akan membentuk satu garis lurus diagonal dan ploting data dibandingkan dengan garis normal. Berdasarkan gambar diatas data membentuk satu garis lurus diagonal mengikuti plot, artinya distribusi data dikatakan normal karena data mengikuti dan mendekati garis diagonal.
Selain menggunakan grafik, uji statistik juga dapat digunakan untuk menguji normalitas data. Uji statistik yang digunakan untuk menguji normalitas adalah uji statistik Kolmogorov-Smirnov. Hasil uji normalitas berdasarkan uji Kolmogorov-Smirnov dapat dilihat pada tabel 4.2 berikut.
Tabel 4.2 Uji Normalitas Statistik One-Sample Kolmogorov-Smirnov Test
ROA ROE CAR SUKUK
N 20 20 20 20
Normal Parametersa,,b Mean 1.3260 22.0715 13.2605 .5500 Std. Deviatio n .59333 11.56916 2.06911 .51042 Most Extreme Differences Absolute .223 .120 .150 .361 Positive .193 .120 .150 .309 Negative -.223 -.105 -.107 -.361 Kolmogorov-Smirnov Z .997 .537 .671 1.614
Asymp. Sig. (2-tailed) .274 .935 .758 .011
a. Test distribution is Normal. b. Calculated from data.
Sumber : Output SPSS (data diolah)
Data terdistribusi secara normal apabila nilai signifikansi di atas 0,05. Berdasarkan tabel 4.2 dapat diliat bahwa nilai signifiansi ROA 0,274, nilai signifikansi ROE sebesar 0,935, nilai signifikansi CAR sebesar 0,758 sedangkan nilai signifikansi sukuk 0,011. Artinya terdapat tiga variabel yang datanya terdistribusi normal yaitu ROA, ROE dan CAR. Sedangkan variabel sukuk tidak terdistribusi normal karena variabel berbentuk dummy, dimana nilainya hanya diwakili oleh 0 dan 1.
2. Uji Multikolinearitas
Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi yang tinggi atau sempurna antar variabel bebas. Untuk mendeteksi ada atau tidaknya multikolinearitas yang tinggi antar
variabel independen dapat dideteksi dengan cara melihat nilai tolerance dan variance inflation faktor (VIF). Nilai minimum yang umum dipakai untuk menunjukkan tidak adanya multikolinearitas adalah nilai tolerance di atas 0,10 atau sama dengan nilai VIF di bawah 10. Hasil uji ultikolinearitas dapat dilihat pada tabel berikut.
Tabel 4.3 Uji Multikolinearitas Coefficientsa Model Unstandardized Coefficients Standardized Coefficients Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) 13.615 .889
SUKUK 2.657 .668 .656 .873 1.146
ROE -.151 .056 -.842 .241 4.147
ROA 1.136 1.091 .326 .242 4.127
a. Dependent Variable: CAR Sumber: Output SPSS (Data Diolah)
Hasil uji multikolinearitas di atas menunjukkan bahwa nilai tolerance dari ketiga variabel berada diatas 0,10 dan VIF kurang dari 10. Dengan demikian dapat disimpulkan bahwa dalam model regresi tersebut tidak terdapat problem multikolinearitas, maka maka model regresi yng ada layak untuk dipakai.
3. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji pakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Pengujian ini dilakukan dengan
menggunakan uji Durbin-Watson (DW-test). Hasil uji autokorelasi dengan menggunakan uji Durbin Watson dapat dilihat pada tabel berikut.
Tabel 4.4 Uji Autokorelasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .788a .620 .549 1.38949 1.130
a. Predictors: (Constant), ROA, SUKUK, ROE b. Dependent Variable: CAR
Nilai uji DW-test sebesar 1,130 nilai ini akan dibandingkan dengan nilai tabel dengan signifikansi 5%, jumlah sampel (n) 20 dan jumlah variabel independen 3, maka di tabel DW-test yang dimulai dari umlah 15 sampai 30 akan didapatkan nila dl 1,00 dan 1,68 du. Oleh karena itu karena nilai DW 1,130 dan lebih kecil daripada batas atas (du) 1,68 dan kurang dari (4du) 4-1,68, mak dapat disimpulkan disimpulkan bahwa tidak ada kesimpulan yang pasti atau berada di daerah keragu-raguan (dl < DW < du)
4. Uji Heteroskedastisitas
Uji heteroskedastisitas ditujukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual satu pengamatan ke pengamatan yang lain. Jika variance dari satu pengamatan ke pengamatan yang lain tetap, maka disebut homokedastisitas. Dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adala yang homokedastisitas atau
tidak terjadi heteroskedastisitas. Cara untuk mendeteksi ada atau tidaknya heterokedastisitas dengan melihat ada tidaknya pola tertentu pada grafik scaterplot antara nilai prediksi variabel terikat dengan residualnya. Dasar analisis dari uji heteroskedastisitas melalui grafit plot adalah jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y secara acak, maka tidak terjadi hetreskedastisitas. Hasil uji heterskedastisitas berdasarkan grafik scatterplot dapat dilihat pada gambar berikut.
Gambar 4.2 Uji Heteroskedastisitas
Sumber: Output SPSS (Data Diolah)
Berdasarkan gambar di atas dapat diketahui bahwa data menyebar secara merata di atas dan di bawah garis 0 dan tidak berkumpul di satu tempat serta tidak membentuk pola tertentu sehingga dapat disimpulkan bahwa model regresi tidak terjadi masalah heteroskedastisitas.
C. Pengujian Hipotesis
1. Uji Simultan (Uji Statistik F)
Uji statsitik F pada dasarnya menunjukkan apakah semua variabel dependen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama/simultan terhadap variabel dependen. Untuk menguji pengaruh variabel independen terhadap variabel dependen secara simultan dengan cara membandingkan nilai F hitung dalam tabel Anova dengan F tabel. Jika F hitung > F tabel maka hipotesis yang diajukan diterima, artinya terdapat pengaruh secara simultan. Selanjutnya dapat dengan meliat nilai probabilitas. Jika nilai signifikansi lebih kecil dari 0,05 atau 5% maka hipotesis yang diajukan dterima. Hasil uji F dapat dilihat pada tabel berikut.
Tabel 4.5 Uji Statistik F ANOVAb Model
Sum of
Squares Df Mean Square F Sig.
1 Regression 50.452 3 16.817 8.711 .001a
Residual 30.891 16 1.931
Total 81.343 19
a. Predictors: (Constant), ROA, SUKUK, ROE b. Dependent Variable: CAR
Sumber : Output SPSS (Data Diolah)
Pada tabel di atas dapat dilihat bahwa hasil uji F menunjukkan nilai F hitung sebesar 8,711 dengan signifikansi sebesar 0,001. Nilai signifikansi tersebut lebi kecil daripada 0,05 sehingga dapat disimpulkan bahwa variabel
independen yaitu penerbitan sukuk, ROA dan ROE berpengaruh secara simultan terhadap variabel dependen yaitu CAR sehinga hipotesis yang diajukan diterima.
Apabila dengan menggunakan cara F hitung dapat dilihat dalam tabel alfa 0,05 dengan nilai residual 16 sehingga diketahui bahwa nilai F tabel adalah sebesar 3,24. Dapat dilihat bahwa nilai F hitung lebih besar daripada nilai F tabel yaitu nilai F hitung 8,711 > F tabel 3,24 sehingga dapat disimpulkan bahwa variabel independen berpengaruh secara simultan teradap variabel dependen shingga hipotesis diterima. Artinya setiap perubahan yang terjadi pada variabel independen yaitu penerbitan sukuk, ROA dan ROE secara simultan atau bersama-sama berpengaruh pada CAR Bank Muamalat Indonesia.
2. Uji Parsial (Uji Statistik t)
Uji statistik t pada dasarnya bertujuan untuk menunjukkan sebebrapa jauh engaruh satu variabel independen terhadap variabel depden dengan menganggap variabel indepeden lainnya konstan. Uji menguji pengaruh variabel independen terhadap variabel dependen secara parsial dengan cara membandingkan nilai t hitung dalam tabel coefficient dengan t tabel. Jika t hitung > tabel maka Ho ditolak artinya terdapat pengaruh secara parsial antara variabel independen terhadap variabel dependen. Jika t hitung < t tabel maka tidak terdapat pengaruh secara parsial antara variabel independen terhadap variabel dependen.
Cara kedua dapat dengan menggunakan nilai profitabilitas. Jika nilai signifikansi lebih kecil dari 0,05 atau 5% maka hipotesis yang diajukan diterima atau dikatakan signifikan. Jika nilai signifikan lebih besar dari 0,05 atau 5% maka hipotesis yang diajukan ditolak atau dikatakan tidak signifikan. Hasil uji t dapat dilihat dari tabel berikut.
Tabel 4.6 Uji Statistik t Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 13.615 .889 15.319 .000 SUKUK 2.657 .668 .656 3.975 .001 ROE -.151 .056 -.842 -2.682 .016 ROA 1.136 1.091 .326 1.040 .314
a. Dependent Variable: CAR Sumber: Output SPSS (Data Diolah)
Dari hasil koefisien regresi tersebut, selanjutnya dapat dibuat persamaan dari model penenlitian sebagai berikut:
CAR = 13,615 + 2,657 (penerbitan sukuk) – 0,151 (ROE) + 1,136 (ROA) + e Persamaan regresi linear berganda di atas diketahui mempunyai konstanta sebesar 13,615. Besaran konstanta menunjukkan bahwa jika variabel-variabel independen diasumsikan konstan, maka variabel dependen yaitu CAR akan naik sebesar 13,615%.
Variabel penerbitan sukuk dalam tabel diatas menunjukkan tingkat signifikansi 0,001 atau jika dengan membandingkan t hitung dengan t tabel dapat dilihat bahwa t hitung sebesar 3,975 sedangkan t tabel 1,746. Karena nilai signifikansi lebih kecil dari 0,05 dan t hitung lebi besar daripada t tabel maka dapat disimpulkan bahwa penerbitan sukuk berpengaruh terhadap CAR. Koefisien penerbitan sukuk sebesar 2,657 menunjukkan berhubungan positif terhadap CAR. Atau dapat dijelaskan bahwa setiap kenaikan penerbitan sukuk sebesar 1% maka akan meningkatkan CAR sebesar 2,657%.
H2 = ROE berpengaruh negatif signifikan terhadap CAR
Variabel ROE dalam tbel diatas menunjukkan tingkat signifikansi sebesar 0,016 atau jika dengan embandingkan t hitung dengan t tabel dapat dilihat bahwa t hitung sebesa -2,682 sedangkan t tabel 1,746. Karena nilai signifikansi lebih kecil adri 0,05 dan t hitung lebih besar dari t tabel maka dapat disimpulkan bahwa ROE berpengaruh terhadap CAR. Sedangkan nilai koefisien -0,151 menunjukkan hubungan negatif terhadap CAR atau dapat dikatakan bahwa setiap kenaikan ROE sebesar 1% akan menurunkan CAR sebesar 0,151%.
H3 = ROA berpengaruh positif tidak signifikan terhadap CAR
Variabel ROA dalam tabel diatas menunjukkan tingkat signifikansi sebsar 0,314 dan jika dengan membandiungkan t hitung dengan t tabel dapat dilihat bahwa t hitung sebsar 1.040 sedangkan t tabel 1,746. Karena nilai signifikansi lebih besar dari 0,05 dan t hitung lebih kecil dari t tabel maka
dapat disimpulkan bahwa ROA tidak berpengaruh terhadap CAR. Sehingga kenaikan atau penurunan nilai ROA tidak berpengaruh terhap CAR.
3. Koefisien Determinasi
Koefisien determinasi (R2) digunakan untuk mengetahui keeratan hubungan antara variabel bebas dengan varabel terikat. Untuk melihat seberapa besaar variabel independen menerangkan variabel dependen dengan melihat Adjust R Square yang merupakan nilai R2 yang dissesuaikan sehingga gambarannya lebih mendekati mutu penjajakan model.
Tabel 4.7 Koefisien Determinasi Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .788a .620 .549 1.38949 1.130
a. Predictors: (Constant), ROA, SUKUK, ROE b. Dependent Variable: CAR
Sumber: Output SPSS (Data Diolah)
Dari data di atas dapat dilihat bahwa nilai Adjusted R Square sebesar 0,549 atau sebesar 54,9%. Hal ini berarti bawa tingkat CAR dapat dijelaskan oleh variabel penerbitan sukuk, ROA dan ROE sebesar 54,9% sedangkan sisanya 45,1% dijelaskan oleh faktor lain yang tidak masuk dalam model.