ANALISIS DAN PEMBAHASAN
B. Analisis Data dan Pembahasan
1. Uji Asumsi klasik a. Uji Normalitas
Uji Normalitas yang digunakan dalam penelitian ini adalah
menggunakan uji Jarque Bera dengan melihat nilai probability. Jika
probability lebih besar dari nilai derajat α = 0.05, maka penelitian ini tidak ada permasalahan normalitas atau dengan kata lain data
terdistribusi normal. Sebaliknya, jika nilai probability lebih kecil dari nilai derajat kesalahan α = 0.05, maka dalam penelitian ini ada permasalahan normalitas atau dengan kata lain data tidak terdistribusi
normal.
Tabel 4.1
Sumber : output Eviews 6.0 yang diolah
Berdasarkan tabel 4.1 menggambarkan bahwa data dalam
penelitian ini berdistribusi normal. Terlihat dari nilai probability sebesar
0.079075 yang lebih besar dari derajat kepercayaan 0.05 (5%) sehingga
dapat dinyatakan signifikan. Menurut Winarno (23:2009) menyatakan
Probability bernilai lebih dari 0.05 (5%) maka data dapat dikatakan
hasil regresi tersebut sudah berdistribusi normal dan H0 diterima. Jika
sudah dikatakan normal, maka data tersebut menghasilkan estimasi
liniet tidak bias atau biasa disebut BLUE (Best Linier Unbiased
Estimator).
Menurut Nachrowi (2006:71) yang berarti model regresi tidak
mengandung masalah dan bisa dilanjutkan pada uji selanjutnya.
b. Uji Multikolinearitas 0 4 8 12 16 20 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 Series: Residuals Sample 1 52 Observations 52 Mean -5.70e-15 Median 0.238106 Maximum 1.328697 Minimum -1.799316 Std. Dev. 0.740553 Skewness -0.762779 Kurtosis 3.121859 Jarque-Bera 5.074716 Probability 0.079075
Uji multikolinearitas dilakukan untuk mengetahui ada tidaknya
hubungan (korelasi) yang signifikan diantara dua atau lebih variabel
independen dalam model regresi. Deteksi adanya multikolinearitas
dilakukan dengan menggunakan uji korelasi parsial antar variabel
independen.Dengan melihat nilai koefisien korelasi (r) antar variabel
independen dapat diputuskan apakah data terkena multikolinearitas atau
tidak, yaitu dengan menguji koefisien korelasi antar variabel
independen.Jika terjadi korelasi, maka terdapat multikolinearitas,
dimana model regresi yang baik adalah tidak terjadi multikolinearitas
antar variabel independen dengan variabel dependen. Hasil pengujian
multikolinearitas menggunakan uji korelasi (r) dapat dilihat sebagai
berikut :
Tabel 4.2
Hasil Uji Correlation Matrix
Sumber : output Eviews 6.0 yang diolah
Dari tabel 4.2 diatas dapat dilihat hasil analisis uji multikolinearitas
dengan Correlation Matrix menunjukkan bahwa korelasi antar variabel
NPF BOPO CAR LNSBIS
NPF 1.000000 0.393855 -0.321114 -0.535033 BOPO 0.393855 1.000000 -0.370231 -0.246047 CAR -0.321114 -0.370231 1.000000 0.412760 LNSBIS -0.535033 -0.246047 0.412760 1.000000
independen NPF dan BOPO maupun sebaliknya sebesar 0.393855,
antara NPF dan LNSBIS maupun sebaliknya sebesar - 0.535033, antara
NPF dan CAR maupun sebaliknya sebesar -0.321114, antara BOPO
dan LNSBIS maupun sebaliknya sebesar -0.246047, dan antara BOPO
dan CAR maupun sebaliknya sebesar -0.370231, dan antara LNSBIS
dan CAR maupun sebaliknya sebesar 0.412760.
Terlihat dari tabel 4.2 diatas nilai korelasi dari masing-masing
variabel independen dibawah atau lebih kecil dari 0.8 sehingga dapat
disimpulkan H0 diterima, bahwa data tersebut terbebas dari
multikolinieritas dan model Ordinary Least Square (OLS) yang
dilakukan dapat dikatakan terbebas dari gejala multikolinieritas.
Sehingga dapat dilanjutkan ke pengujian selanjutnya yaitu uji
Heteroskedastisitas.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk mengetahui apakah dalam
model regresi terjadi ketidaksamaan variance dari residual satu
pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas
dan jika variance tidak konstan atau berubah-ubah disebut Denfan
Heterokedastisitas. Model regresi yang baik adalah Homoskedastisitas
Metode yang digunakan untuk mendeteksi adanya
heteroskedastisitas pada penelitian ini adalah Uji White.
Tabel 4.3
Hasil Uji White Heteroskedasticity Test Heteroskedasticity Test: White
F-statistic 0.591157 Prob. F(4,47) 0.6707
Obs*R-squared 2.490867 Prob. Chi-Square(4) 0.6463
Scaled explained SS 2.158868 Prob. Chi-Square(4) 0.7066
Sumber : output Eviews 6.0 yang diolah
Dari tabel 4.3 diatas diketahui bahwa nilai Obs*R2 sebesar
2.490867 dan Probabilitas Chi-Square sebesar 0.6463 yang lebih besar
dari tingkat kepercayaan sebesar 0.05 (5%) sehingga dapat disimpulkan
bahwa data tersebut tidak bersifat heteroskedastisitas atau H0 diterima.
d. Uji Autokorelasi
Uji autokorelasi untuk mengetahui apakah dalam model regresi ada
korelasi antara kesalahan pada periode waktu yang lain. Untuk
mendeteksi masalah autokorelasi digunakan uji Langrange Multiplier
(LM-Test). Uji ini sangat berguna untuk mengidentifikasi masalah
autokorelasi tidak hanya pada derajat pertama (first order) tetapi juga
Uji autokorelasi dapat dilihat dari nilai probabilitas Chi-Square.Jika
probabilitas Chi-Square lebih besar dari tingkat signifikan 5% maka
tidak terdapat autokorelasi dan sebaliknya jika probabilitas Chi-Square
lebih kecil dari 5% maka terdapat autokorelasi.
Tabel 4.4
Hasil Uji Langrange Multiple Test Breusch-Godfrey Serial Correlation LM Test:
F-statistic 2.242666 Prob. F(34,13) 0.0606
Obs*R-squared 44.42582 Prob. Chi-Square(34) 0.1087
Sumber : output Eviews 6.0 yang diolah
Berdasarkan tabel 4.3, menunjukan bahwa Obs*R-squared sebesar
44.42582. Nilai probabilitas Chi-Square adalah 0.1087 yang berarti nilainya lebih besar dari α = 5% yaitu (0.05). Sehingga dapat disimpulkan bahwa dalam model tidak ada masalah heteroskedastisitas.
Hal ini menginformasikan model OLS yang diajukan dapat dikatakan
terbebas dari heteroskedastisitas sehingga bisa dilanjutkan kepengujian
selanjutnya.
Hasil pengolahan data atau hasil estimasi yang dilakukan dengan
menggunakan program aplikasi komputer Eviews 6 dengan menggunakan
metode regresi linier berganda atau Ordinary Least Square (OLS) yang
ditampilkan pada tabel berikut :
Tabel 4.5
Hasil Regresi Metode Ordinary Least Square (OLS) Dependent Variable: LNLABA
Method: Least Squares Date: 05/31/14 Time: 06:39 Sample: 1 52
Included observations: 52
Variable Coefficient Std. Error t-Statistic Prob.
NPF -29.05347 11.92446 -2.436460 0.0187
BOPO -8.338904 3.756054 -2.220123 0.0313
CAR -7.980407 6.004527 -1.329065 0.1902
LNSBIS 0.046531 0.352222 0.132108 0.8955
C 34.84170 10.52434 3.310582 0.0018
R-squared 0.284784 Mean dependent var 27.47153
Adjusted R-squared 0.223915 S.D. dependent var 0.875665 S.E. of regression 0.771423 Akaike info criterion 2.410051 Sum squared resid 27.96937 Schwarz criterion 2.597670 Log likelihood -57.66132 Hannan-Quinn criter. 2.481980 F-statistic 4.678614 Durbin-Watson stat 0.826272 Prob(F-statistic) 0.002920
Sumber : output Eviews 6.0 yang diolah
Dari tabel 4.5 diatas, maka dapat disusun persamaan regresi linier berganda
sebagai berikut :
LNLABA = 34.84170 - 29.05347 NPF – 8.338904 BOPO -7.980407 CAR + 0.046531 LNSBIS
1) Jika segala sesuatu variabel independen dianggap konstan atau
bernilai nol, artinya variabel independen tidak terjadi kenaikan atau
penurunan maka besarnya nilai laba adalah sebesar 34.84170 persen
2) Nilai koefisien regresi non performing financing (NPF) sebesar -
29.05347 persen yang berarti setiap peningkatan NPF sebesar 1
persen maka akan menurunkan laba sebesar 29.05347 persen.
3) Nilai koefisien regresi biaya operasional terhadap pendapatan
operasional (BOPO) sebesar – 8.338904 persen yang berarti setiap peningkatan BOPO sebesar 1 persen maka akan menurunkan laba
sebesar 8.338904 persen.
4) Nilai koefisien regresi capital adequacy ratio (CAR) sebesar
--7.980407 persen yang berarti setiap peningkatan capital adequacy
ratio (CAR) 1 persen maka akan menurunkan laba sebesar 7.980407
persen.
5) Nilai koefisien regresi sertifikat bank indonesia syariah (LNSBIS)
sebesar 0.046531 persen yang berarti setiap peningkatan sertifikat
bank indonesia syariah 1 persen maka akan meningkatkan laba
sebesar 0.046531 persen.
Uji-t bertujuan untuk mengetahui pengaruh secara parsial (individu)
variabel-variabel independen (NPF, BOPO, CAR, dan SBIS) terhadap
variabel dependen yaitu LABA. Salah satu cara untuk melakukan uji-t
adalah dengan melihat nilai probabilitas pada tabel uji statistik t. Apabila nilai probabilitas lebih kecil dari tingkat signifikan α = 0.05 berarti variabel independen secara parsial (individu) mempengaruhi
variabel dependen.
Dari hasil tabel 4.5 bahwa didapatkan dari uji statistik t yang
dilakukan adalah sebagai berikut :
a) Pengaruh t-statistik untuk non performing financing (NPF) terhadap
laba.
Berdasarkan pada tabel 4.5 diperoleh hasil t-hitung sebesar
- 2.436460 dengan tingkat signifikan 0.0187. Karena tingkat
signifikan lebih kecil dari 0.05 maka secara parsial NPF berpengaruh
secara signifikan dan negatif terhadap laba.
Berdasarkan penelitian sebelumnya yang berjudul “Faktor yang mempengaruhi laba Perbankan Syariah” oleh Sigit Setiawan dan Winarsih (2011) mengatakan bahwa non performing financing
terhadap laba bank syariah menghasilkan nilai signifikansi 0.001 >
0.05. Hasil regresi menunjukkan bahwa nilai yang diperoleh dari
koefisien sebesar -0.220951 dengan tingkat signifikansi 0.0008. Hal
yang signifikan dengan arah negatif. Dengan kata lain semakin kecil
NPF maka akan membawa dampak pada peningkatan Laba. Tingkat
kesehatan pembiayaan (NPF) ikut mempengaruhi pencapaian laba
bank (Suhada,2009). Apabila suatu bank kondisi NPF-nya tinggi
akan mengakibatkan kehilangan kesempatan untuk memperoleh
pendapatan dari pembiayaan yang diberikan, dan menambah biaya
pencadangan aktiva produktif. Semakin tinggi NPF akan menurunkan
profitabilitas bank. Hal ini menunjukkan ancaman bank dari kredit
bermasalah semakin besar atau kecil kemungkinan suatu bank dalam
kondisi sehat. Sebuah lembaga perbankan harus dapat meminimalisir
kredit bermasalah, sehingga kepercayaan masyarakat tetap terjaga.
b) Pengaruh t-statistik untuk biaya operasional terhadap pendapatan
operasional (BOPO) terhadap laba.
Hasil Regresi menunjukkan bahwa nilai yang diperoleh dari
koefisien sebesar - 2.220123 dengan tingkat signifikansi sebesar
0.0313. Hal ini berarti BOPO berpengaruh secara negatif dan
signifikan terhadap Laba dan menunjukkan bahwa menurunnya nilai
Biaya Operasional terhadap Pendapatan Operasional (BOPO) akan
membuat Laba pada bank syariah meningkat. Hal ini menunjukkan
bahwa semakin tinggi tingkat beban pembiayaan bank maka laba
operasional yang menjadi tanggungan bank pada umunya akan
dibebankan pada pendapatan yang diperoleh dari alokasi
pembiayaan. Beban atau biaya kredit semakin tinggi akan
mengurangi permodalan dan laba yang dimiliki oleh bank.
Hasil penelitian ini juga sesuai dengan penelitian sebelumnya yang berjudul “Analisis pengaruh suku bunga, inflasi, CAR, BOPO, NPF terhadap probabilitas bank syariah” yang dilakukan oleh Edhi Satriyo Wibowo dan Muhammad Syaichu (2013) yang menyatakan
bahwa BOPO berpengaruh secara negatif dan signifikan terhadap
laba bersih bank. Hal ini menunjukkan bahwa semakin tinggi tingkat
beban pembiayaan bank maka laba yang diperoleh bank akan
semakin kecil. Tingginya beban biaya operasional bank yang menjadi
tanggungan bank umumnya akan dibebankan pada pendapatan yang
diperoleh dari alokasi pembiayaan. Beban atau biaya kredit yang
semakin tinggi akan mengurangi permodalan dan laba yang dimiliki
bank.
Artinya beban operasional harus ditekan seminimal mungkin,
serta mengefisienkan pendapatan operasional yang didapat antara lain
dari tabungan sehingga laba atau keuntungan yang diperoleh suatu
bank dapat kembali meningkat.
c) Pengaruh t-statistik untuk Capital Adequacy Ratio (CAR) terhadap
Laba.
Hasil regresi CAR menunjukkan bahwa nilai yang diperoleh
dari koefisien sebesar -1.329065 dengan tingkat signifikansi sebesar
0.1902. Hal ini berarti CAR berpengaruh secara negatif dan tidak
signifikan terhadap laba dan menunjukkan CAR yang tinggi tidak
menjamin peningkatan laba yang tinggi. Hasil penelitian ini
didukung dengan penelitian yang dilakukan oleh Dhian Dayinta
Pratiwi dan Kholiq Mahfud yang berjudul “Pengaruh CAR, BOPO,
NPF dan FDR Terhadap ROA Bank Umum Syariah” (2011) dalam
penelitiannya diperoleh hasil yang menunjukkan bahwa CAR
berpengaruh negatif dan tidak signifikan terhadap laba perbankan.
Hasil penelitian ini mengindikasikan bahwa kondisi bank
syariah di Indonesia mulai mengarah ke arah yang baik setelah
terjadinya krisis ekonomi. Semakin efisien modal bank bank yang
digunakan untuk aktivitas operasionalnya mengakibatkan bank
mampu untuk meningkatkan labanya. Pihak manajemen bank sangat
perlu untuk memperhatikan besarnya CAR yang ideal, jangan terlalu
tinggi karena akan meningkatkan dana yang idle dan juga jangan
terlalu rendah karena akan dapat menyebabkan permasalahan bagi
sehingga dana pihak ketiga bank sangat dimungkinkan akan
mengalami penurunan yang drastis.
Tingkat CAR sangat mempengaruhi kepercayaan masyarakat
terhadap bank, dimana kepercayaan masyarakat merupakan modal
dasar bagi kelangsungan lembaga keuangan ini. Tingkat CAR yang
ideal akan sangat menguntungkan bagi bank dan dapat meningkatkan
kepercayaan masyarakat sebagai pemilik dana sehingga masyarakat
akan memiliki keinginan yang lebih untuk menyimpan dananya di
bank (Kartika Wahyu Sukarno dan Muhamad Syaichu 2006:53).
d) Pengaruh t-statistik untuk Sertifikat Bank Indonesia Syariah (SBIS)
terhadap Laba.
Berdasarkan pada tabel 4.5 diperoleh hasil t-hitung sebesar
0.352222 dengan tingkat signifikan 0.8955. Karena tingkat signifikan
lebih besar dari 0.05 maka secara parsial SBIS berpengaruh secara
positif dan tidak signifikan terhadap laba.
Hal ini didukung pula oleh penelitian Endri (2008) dengan
penelitiannya yang berjudul “Analisis pengaruh sertifikat bank indonesia, SWBI dan indikator kinerja keuangan Bank Syariah”. Hasil penelitian yang didapatkan dimana SWBI memiliki hubungan
yang positif terhadap laba bank syariah. Terdapatnya hubungan yang
bahwa semakin tinggi SWBI semakin tinggi pula laba yang diperoleh
oleh bank syariah.
b. Uji Fisher (Uji-F)
Uji-F bertujuan untuk mengetahui pengaruh semua variabel
independen (NPF, BOPO, CAR dan SBIS) secara simultan
(bersama-sama) terhadap variabel dependen yaitu Laba.
Berdasarkan tabel 4.5 diperoleh hasil F-statistik sebesar 4.678614
dengan nilai probabilitas (F-stat) sebesar 0.002920. Karena probabilitas
(F-stat) lebih kecil dari 0.05 maka dapat disimpulkan bahwa NPF,
BOPO, CAR dan SBIS secara bersama-sama mempunyai pengaruh
secara signifikan terhadap Laba.
3. Uji Koefisien Determinasi
Koefisien determinasi R2 yang digunakan dalam penelitian ini
adalah menggunakan nilai adjusted R2 pada saat mengevaluasi model
regresi terbaik. Dikarenakan dalam penelitian ini menggunakan lebih
darisatu variabel independen.
Berdasarkan hasil regresi pada tabel 4.5 dapat diketahui bahwa
nilai Adjusted R-Squared sebesar 0.223915, hal ini menunjukkan
bahwa variasi variabel dependen (laba) secara bersama-sama mampu
SBIS) sebesar 22.39 persen. Sedangkan sisanya sebesar 77.61 persen
dijelaskan oleh variabel lain diluar variabel yang diteliti.