B. Analisis Data
2. Uji Stasioneritas
Uji stasioner digunakan untuk menguji data time series agar data yang digunakan bersifat flat, tidak mengandung komponen trend, dengan keragaman konstan dan tidak terjadi fluktuasi periodik. Uji yang digunakan adalah uji Unit Root Test yang dikembangkan oleh Dickey- fuller, berdasarkan data yang diperoleh dari laporan keuangan tahunan Bank Umum Syariah periode 2012-2016, Pengambilan keputusan dalam uji ini yaitu apabila nilai Prob*<0,005 dengan demikian menunjukkan data stasioner dan apabila nilai Prob*>0.005 maka data tidak stasioner (Winarno, 2015: 78).
3. Uji Asumsi Klasik a. Uji Normalitas
Menurut Winarno (2015:54) uji ini bertujuan untuk menguji apakah dalam model regresi variabel penganggu atau residual memiliki distribusi normal, seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sampel kecil. Untuk melakukan pengujian asumsi normalitas data tersebut dilakukan dengan menggunakan pengujian Jarque Berra (JB) uji ini untuk mengetahui apakah data berdistribusi
normal jika probabilitas JB hitung lebih besar dari 0,05 maka data tersebut terdistribusi normal, tetapi apabila lebih kecil dari 0,05 maka data tersebut tidak terdistribusi normal.
b. Uji Multikolonieritas
Menurut Gujarati(2006:68)Uji multikolinearitas bertujuan untuk menguji apakah dalam model regresi yang terbentuk ada korelasi yang tinggi dan sempurna antara variabel bebas atau tidak. Hasil regresi yang baik yaitu apabila model terbebas dari multikolinearitas. Multikolonieritas dapat dideteksi dengan cara melihat nilai VIF masing-masing variabel independen, jika nilai VIF < 10.
c. Uji Heterokedastisitas
Menurut Winarno (2015: 58) uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan kepengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. Kebanyakan data crossection mengandung situasi heteroskesdatisitas karena data ini menghimpun data yang mewakili berbagai ukuran (kecil,sedang dan besar). Cara mengetahui ada atau tidaknya gejala heteroskedastisitas pada penelitian ini melakukan pengujian dengan glejser.
d. Uji Autokorelasi
Menurut Winarno (2015:53) autokolerasi bertujuan untuk menguji apakah dalam model regresi nya ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggu pada periode t-1 (sebelumnya) jika terjadi korelasi maka dinamakan ada problem autokorelasi untuk mengetahui adanya autokorelasi dalam penelitian ini digunakan uji Breusch Godfrey Serial Correlation LM Test.
e. Uji Linieritas
Menurut Ghozali (2013:166) Uji linieritas digunakan untuk menguji apakah spesifikai model yang digunakan sudah tetap atau lebih baik dalam spesifikasi model dalam bentuk lain. Standar penentuan linieritas Ramsey Reset Test, dimana menunjukan nilai prob F statistik lebih besar dimana lebih besar dari 0,05 sehingga dapat disimpulkan bahwa variabel bebas linier dengan variabel terikat.
4. Analisis Regresi Linier Berganda
Regresi linier berganda adalah regresi yang memiliki variabel dependen dan lebih dari satu independe. Analisis regresi berganda digunakan untuk mengetahui seberapa besar pengaruh fokus pada growth opportunity (X1), profitabilitas (X2), risiko bisnis(X3), pajak (X4), asset tangibility (X5), likuiditas (X6) terhadap struktur modal (Y). Persamaan regresi berganda dicari dengan rumus sebagai berikut:
Y = β0 + β1X1 +β2X2 + β3X3 + β4X4 + ... + ε Keterangan:
Y = Struktur Modal
β0 = Konstanta dari persamaan regresi
β1,2,3,4,... = Koefisien dari variabel independen X1,2,3,4,... X1,2,3,4,... = Variabel independen X1,2,3,4,...
5. Koefisien Determinasi (R²)
Koefisien determinasi (R²) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R² yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variansi variabel dependen amat terbatas. Secara umum koefisian determinasi untuk data silang (crossection) relatif rendah karena adanya variansi yang besar antara masing-masing pengamatan, sedangkan untuk data runtun waktu (time series) biasanya mempunyai nilai koefisien determinasi yang tinggi (Ghozali, 2013: 97).
Untuk mengetahui besarnya koefisien determinasi (R²) masing- masing variabel independen terhadap variabel dependen dapat dilihat dari hasil kuadrat (pangkat dua) koefisien korelasi parsial. Sedangkan untuk menguji variabel mana yang signifikan dapat dilihat dari koefisin determinasi parsial yang terbesar dari enam variabel independen, karena variabel independen dalam penelitian ini lebih dari satu, maka yang digunakan adalah R² (Ghozali, 2013: 98).
6. Uji f test
Uji statistik F menunjukkan apakah semua variabel independen atau variabel bebas yang dimasukkan dalam model mempunyai pengaruh secara simultan terhadap variabel dependen. Uji ini bertujuan untuk menentukan signifikan pengaruh variabel independen secara bersama- sama terhadap variabel dependen. Uji simultan menggunakan uji F, apabila nilai prob F<tingkat signifikansi 5% (0,05) dapat disimpulkan variabel independen secara bersama-sama berpengaruh signifikan terhadap variabel dependen (Ghozali, 2013: 98).
7. Uji t test
Uji ini dilakukan untuk mengetahui pengaruh dari tiap-tiap variabel bebas (growth opportunity, profitabilitas, risiko bisnis, pajak, asset tangibility, likuiditas) terhadap variabel terikat (struktur modal). Hipotesis nol (Ho) yang hendak diuji adalah apakah suatu parameter (bi) sama dengan nol, atau Ho : bi = 0. Artinya variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya (Ha) parameter suatu variabel tersebut merupakan variabel dependen. Uji parsial menggunakan uji t, apabila nilai p-value < tingkat signifikansi 5% dapat disimpulkan terdapat pengaruh yang signifikan dari masing-masing variabel bebas terhadap variabel terikat (Ghozali, 2013: 101).
I. Alat Analisis
Penelitian ini merupakan penelitian kuantitatif dimana data dapat dinyatakan dalam bentuk angka, maka akan dengan mudah untuk diaplikasikan ke dalam olah data eviews. Sistem yang digunakan dalam penelitian ini adalah program komputer Eviews versi 9. Analisis ini memberikan gambaran (deskripsi) tentang suatu data yang selanjutnya akan di interpretasikan dalam pembahasan.
75 A. Deskripsi Objek Penelitian
Objek dalam penelitian ini adalah laporan keuangan yang terdapat di dalam annual report (laporan tahunan) pada Bank Umum Syariah (BUS) yang terdiri dari 9 bank yaitu Bank Muamalat Indonesia, Bank BNI Syariah, Bank BRI Syariah, Bank Syariah Mandiri, Bank Panin Dubai Syariah, Bank Maybank Syariah Indonesia, Bank BCA Syariah, Bank Bukopin Syariah, Bank Mega Syariah. Data laporan tahunan diperoleh dari website bank yang menjadi sempel yaitu, Bank Muamalat Indonesia, Bank BNI Syariah, Bank BRI Syariah, Bank Syariah Mandiri, Bank Panin Dubai Syariah, Bank Maybank Syariah Indonesia, Bank BCA Syariah, Bank Bukopin Syariah dan Bank Mega Syariah. Penelitian ini akan menganalisis mengenai pengaruh growth opportunity, profitabilitas, risiko bisnis, pajak, aseet tangibility dan likuiditas.
B. Analisis Data
1. Analisis Deskriptif
Statistik deskriptif memberikan gambaran umum tentang objek penelitian yang dijadikan sampel penelitian. Dengan memberikan penjelasan tentang statistik deskriptif diharapkan dapat membrikan gambaran awal tentang masalah yang diteliti (Winarno, 2015: 3.1).
Tabel 4.1
Analisis Uji Deskriptif
N Minimum Maximum Mean Std. Dev Growth 45 10.20000 53.17000 20.85600 10.63828 Roa 45 0.110000 1.990000 0.865778 0.516841 Roe 45 0.440000 13.98000 5.316889 3.151158 Etr 45 0.230000 0.570000 0.307333 0.058052 Tangibility 45 0.480000 6.100000 1.886000 1.591556 Fdr 45 71.87000 102.7000 90.28556 6.264140 Der 45 0.190000 3.440000 1.695778 1.015193
Sumber: Data sekunder yang diolah 2018
Dalam penelitian ini growth opportunity bank syariah, hasil statistik deskriptif menunjukkan variabel growth memiliki nilai minimum sebesar 10.20 pada Bank Muamalat tahun 2014, nilai maksimum sebesar 53.17 pada Bank Panin Dubai tahun 2013, dengan rata-rata sebesar 20.85 dan standar deviasinya sebesar 10.63. Hasil ini menunjukkan pada data sampel berjumlah 45.
Dalam penelitian ini profitabilitas (ROA) bank syariah, hasil statistik deskriptif menunjukkan variabel ROA memiliki nilai minimum sebesar 0.11 pada Bank Muamalat tahun 2017, nilai maksimum sebesar 1.99 pada Bank Mega Syariah tahun 2013 dengan rata-rata sebesar 0.865 dan standar deviasinya sebesar 0.516. Hasil ini menunjukkan pada data sampel berjumlah 45.
Dalam penelitian ini risiko bisnis (ROE) bank syariah, hasil statistik deskriptif menunjukkan variabel ROE memiliki nilai minimum sebesar 0.44 pada Bank Bri Syariah tahun 2014, nilai maksimum sebesar
13.98 pada Bank Syariah Mandiri tahun 2013 dengan rata-rata sebesar 5.316 dan standar deviasinya sebesar 3.151. Hasil ini menunjukkan pada data sampel berjumlah 45.
Dalam penelitian ini pajak (ETR) bank syariah, hasil statistik deskriptif menunjukkan variabel ETR memiliki nilai minimum sebesar 0.23 pada Bank Syariah Mandiri tahun 2015, nilai maksimum sebesar 0.57 pada BNI Syariah tahun 2017 dengan rata-rata sebesar 0.307 dan standar deviasinya sebesar 0.058. Hasil ini menunjukkan pada data sampel berjumlah 45.
Dalam penelitian ini asset tangibility bank syariah, hasil statistik deskriptif menunjukkan variabel Tangibility memiliki nilai minimum sebesar 0.48 pada Bank Panin Syariah tahun 2014, nilai maksimum sebesar 6.10 pada Bank Mega Syariah tahun 2015 dengan rata-rata sebesar 1.886 dan standar deviasinya sebesar 1.591. Hasil ini menunjukkan pada data sampel berjumlah 45.
Dalam penelitian ini Likuiditas (FDR) bank syariah, hasil statistik deskriptif menunjukkan variabel FDR memiliki nilai minimum sebesar 71.87 pada Bank Syariah Mandiri tahun 2017, nilai maksimum sebesar 102.7 pada BRI Syariah tahun 2013 dengan rata-rata sebesar 90.285 dan standar deviasinya sebesar 6.264. Hasil ini menunjukkan pada data sampel berjumlah 45.
Dalam penelitian ini struktur modal (DER) bank syariah, hasil statistik deskriptif menunjukkan variabel DER memiliki nilai minimum sebesar 0.19 pada BCA Syariah tahun 2015, nilai maksimum sebesar 3.44 pada BRI Syariah tahun 2017 dengan rata-rata sebesar 1.695 dan standar deviasinya sebesar 1.015. Hasil ini menunjukkan pada data sampel berjumlah 45.
2. Uji Stasioneritas
Menurut Winarno(2015: 7.8)Uji stasioner digunakan untuk menguji data time series agar data yang digunakan bersifat flat, tidak mengandung komponen trend, dengan keragaman konstan dan tidak terjadi fluktuasi periodik. Uji yang digunakan adalah uji Unit Root Test dengan uji Levin Lin & Chu, berdasarkan data yang diperoleh dari laporan keuangan tahunan Bank Umum Syariah periode 2013-2017, Pengambilan keputusan dalam uji ini yaitu apabila nilai Prob*<0,005 dengan demikian menunjukkan data stasioner dan apabila nilai Prob*>0.005 maka data tidak stasioner.
Tabel 4.2 Hasil Uji Stasioner
No Variabel Probability Stasioner
1 Growth 0.0000 Stasioner 2 ROA 0.0000 Stasioner 3 ROE 0.0000 Stasioner 4 ETR 0.0000 Stasioner 5 TANGIBILITY 0.0000 Stasioner 6 FDR 0.0320 Stasioner 7 DER 0.0000 Stasioner
Berdasarkan tabel 4.2 data yang diolah menunjukkan output nilai probability < 0.005. Dengan demikian variabel independen dan dependen memenuhi ketentuan uji stasioner dan layak untuk dilanjutkan dengan pengujian data lanjutannya.
3. Analisis Regresi Linier Berganda
Analisis regresi adalah studi mengenai ketergantungan variabel (terikat) dengan satu atau lebih variabel independen (variabel penjelas atau bebas), dengan tujuan untuk mengestimasi dan atau memprediksi rata-rata populasi atau nilai rata-rata dependen berdasarkan nilai variabel independen yang diketahui (Winarno, 2015: 4.1). Analisis regresi berganda dalam penelitian ini digunakan untuk mengetahui pengaruh growth opportunity, profitabilitas, risiko bisnis, pajak, asset tangibility, dan likuiditas terhadap struktur modal Bank Umum Syariah pada tahun 2013-2017 di Indonesia. Setelah data memenuhi uji stasioner, maka harus dilakukan pemilihan model regresi yang tepat dengan spesifikasi model regresi.
a. Uji Regresi dengan Common Effect
Regresi commont effect mengasumsikan bahwa data gabungan yang ada menunjukkan kondsi sesungguhnya dan hasil analisis regresi dianggap berlaku pada semua objek waktu (Setyaningrum, 2017: 70). Hasil regresinya dapat dilihat pada tabel berikut:
Tabel 4.3
Hasil Uji Regresi Lagrange Multiplier S u m b e r : D a t a S u
mber : data sekunder yang diolah, 2018
Berdasarkan tabel diatas, nilai Breusch Pagan sebesar 19.74727 dengan nilai probability 0.0000 <0.05, sehingga dapat disimpulkan bahwa regresi yang tepat yaitu common effect.
b. Uji Regresi Fixed Effect
Regresi fixed effectmengasumsikan bahwa data gabungan yang ada memiliki konstanta dan koefisien regresi yang tetap untuk berbagai periode waktu (Setyaningrum, 2017: 83). Hasil uji regresi dapat dilihat pada tabel berikut:
Lagrange Multiplier Tests for Random Effects Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided (all others) alternatives
Test Hypothesis
Cross-section Time Both
Breusch-Pagan 19.74727 0.000766 19.74803 (0.0000) (0.9779) (0.0000) Honda 4.443790 -0.027671 3.122667 (0.0000) -- (0.0009) King-Wu 4.443790 -0.027671 2.543030 (0.0000) -- (0.0055) Standardized Honda 5.988032 0.465886 1.236683 (0.0000) (0.3206) (0.1081) Standardized King-Wu 5.988032 0.465886 0.628540 (0.0000) (0.3206) (0.2648) Gourierioux, et al.* -- -- 19.74727 (< 0.01)
Tabel 4.4
Hasil Uji Regresi Fixed Effect (Uji Chow)
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 9.338677 (8,30) 0.0000 Cross-section Chi-square 56.249625 8 0.0000
Sumber : Data sekunder yang diolah, 2018
Berdasarkan tabel diatas, nilai cross section chi square sebesar 56.249625 dengan nilai probability 0.0000 > 0.05 sehingga dapat disimpulkan model yang tepat dengan common effect.
c. Uji regresi Random Effect
Tabel 4.5
Hasil Uji Regresi Random Effect
Dependent Variable: DER
Method: Panel EGLS (Cross-section random effects) Date: 09/26/18 Time: 08:48
Sample: 2013 2017 Periods included: 5 Cross-sections included: 9
Total panel (balanced) observations: 45
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 1.952434 1.597790 1.221959 0.2292 GROWTH -0.001895 0.010420 -0.181853 0.8567 ROA -0.023210 0.269751 -0.086042 0.9319 ROE 0.126637 0.057167 2.215196 0.0328 ETR 3.606224 1.844735 1.954874 0.0580 TANGIBILITY -0.087606 0.085894 -1.019936 0.3142 FDR -0.020086 0.016209 -1.239193 0.2229 Effects Specification S.D. Rho Cross-section random 0.818066 0.6847 Idiosyncratic random 0.555128 0.3153
Weighted Statistics
R-squared 0.202203 Mean dependent var 0.492446 Adjusted R-squared 0.076235 S.D. dependent var 0.587741 S.E. of regression 0.564893 Sum squared resid 12.12598 F-statistic 1.605192 Durbin-Watson stat 1.357179 Prob(F-statistic) 0.172456
Unweighted Statistics
R-squared 0.108584 Mean dependent var 1.695778 Sum squared resid 40.42314 Durbin-Watson stat 0.407121
Sumber : Data yang diolah tahun 2018
Berdasarkan data diatas, dapat dibuat model persamaan regresi linier berganda sebagai berikut:
Y = 1.952434 + (-0.001895X1) + (-0.23210X2)+ 0.126637X3+ 3.606224X4 + -0.087606X5 + -0.020086X6 +
ε
Setelah diketahui persamaan regresinya, selanjutnya dilakukan uji regresi ini cocok digunakan pada penelitian ini atau tidak. Adapun hasil uji hausman testdapat dilihat pada tabel berikut:
Tabel 4.6
Hasil Uji Hausman Test
Correlated Random Effects - Hausman Test Equation: Untitled
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 7.348739 6 0.2898
Berdasarkan tabel diatas, nilai cross section random sebesar 7.348739 dengan probability 0.2898 > 0.05, sehingga dapat disimpulkan model yang tepat yaitu random effect.
Model regresi yang diperoleh dari hasil pengujian dapat ditulis sebagai berikut:
Y = 1.952434 + (-0.001895X1) + (-0.23210X2)+ 0.126637X3+ 3.606224X4 + -0.087606X5 + -0.020086X6 +
ε
Dari persamaaan tersebut dapat diambil kesimpulan bahwa:
a. Konstanta sebesar 1.952434 menyatakan bahwa jika ada Growth (X1), ROA (X2), ROE (X3), ETR (X4), Tangibility (X5), FDR (X6) konstan atau tidak ada atau 0, maka DER akan mengalami penurunan sebesar 1.952434.
b. Koefisien regresi Growth (X1) sebesar -0.001895menyatakan bahwa setiap penambahan satu point Growth (X1)tidak meningkatkan struktur modal sebesar -0.001895 dengan anggapan bahwaROA (X2), ROE (X3), ETR (X4), Tangibility (X5), FDR (X6)tetap. c. Koefisien regresi ROA (X2) sebesar -0.023210 menyatakan bahwa
setiap penambahan satu point ROA (X2) akan meningkatkan struktur modal sebesar -0.023210 dengan anggapan bahwa Growth (X1), ROE (X3), ETR (X4), Tangibility (X5), FDR (X6)tetap.
d. Koefisien regresi ROE (X3) sebesar 0.126637 menyatakan bahwa setiap penambahan satu point ROE (X3) akan meningkatkan struktur
modal sebesar 0.126637 dengan anggapan bahwa Growth (X1), ROA (X2), ETR (X4), Tangibility (X5), FDR (X6)tetap.
e. Koefisien regresi ETR (X4) sebesar 3.606224 menyatakan bahwa setiap penambahan satu point ETR (X4) akan meningkatkan struktur modal sebesar 3.606224 dengan anggapan bahwa Growth (X1), ROA (X2), ROE (X3), Tangibility (X5), FDR (X6)tetap.
f. Koefisien regresi Tangibility (X5) sebesar -0.087606 menyatakan bahwa setiap penambahan satu point Tangibility (X5) tidak meningkatkan struktur modal sebesar -0.087606 dengan anggapan bahwa Growth (X1), ROA (X2), ROE (X3), ETR (X4), FDR (X6)tetap.
g. Koefisien regresi FDR (X6) sebesar -0.020086 menyatakan bahwa setiap penambahan satu point FDR (X6) akan meningkatkan struktur modal sebesar -0.020086 dengan anggapan bahwa Growth (X1), ROA (X2), ROE (X3), ETR (X4), Tangibility(X5) tetap.