BAB IV ANALISIS DATA
B. Analisis Data
1. Uji Deskriptif Statistik
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum,
sum, range, kurtosis dan skewnwss (kemencengan distribusi)(Ghozali, 2013:19).
2. Uji Asumsi Klasik
a. Uji Multikolonieritas
Multikolonieritas adalah situasi di mana terdapat kolerasi variabel- variabel bebas di antara satu dengan lainnya. Dalam hal ini dapat disebut variabel-variabel ini tidak orthogonal. Variabel yang bersifat orthogonal adalah variabel bebas yang nilai kolerasi antara sesamanya sama dengan nol. Masalah multikolonieritas biasanya muncul pada data time series, yang apabila masalah multikolonieritas ini serius dapat mengakibatkan berubahnya tanda dari parameter estimasi (Bawono, 2006: 115). Jika
variabel independen saling berkolerasi, maka variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel independen yang nilai kolerasi antar sesama variabel independen sama dengan nol.
Multikolonieritas dapat dideteksi dengan menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi (umumnya diatas 0,90), maka hal ini merupakan indikasi adanya multikolonieritas. Multikolonieritas juga dapat dilihat dari nilai tolerance dan Variance Inflasion Factor (VIF). Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabelitas variabel independen yang terpilih, yang tidak dapat dijelaskan oleh variabel independen lainnya. Nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF = 1/Tolerance). Nilai cut-off
yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai Tolerance ≤ 0,10 atau sama dengan VIF ≥ 10 (Ghozali, 2013: 105).
b. Uji Autokorelasi
Autokorelasi adalah korelasi (hubungan) yang terjadi antara anggota-anggota dari serangkaian pengamatan yang tersusun dalam rangkaian waktu (time series). Autokorelasi ini menunjukkan hubungan antara nilai-nilai yang berurutan dari variabel-variabel yang sama. Autokorelasi ini dapat terjadi apabila suatu keadaan di mana variabel gangguan pada periode tertentu berkorelasi dengan variabel pengganggu pada variabel lain. Jadi suatu penelitian memerlukan dilakukannya
pengujian autokorelasi, jika penelitiannya menggunakan data runtut waktu (series time)(Bawono, 2006: 160).
Uji autokorelasi dapat dideteksi dengan beberapa cara, salah satunya dengan uji Durbin Watson (DW test). DW test digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya intercept (konstanta) dalam model regresi dan tidak ada variabel lag diantara variabel independen (Ghozali, 2013: 111). Hipotesis yang akan diuji adalah:
H0: tidak ada autokorelasi (r = 0)
Ha: ada autokorelasi (r ≠ 0)
Dasar pengambilan keputusan ada tidaknya autokorelasi adalah sebagai berikut:
1. Bila nilai DW terletak diantara batas atas atau upper bound (du) dan (4-du) maka koefisien autokorelasi = 0, berarti tidak ada autokorelasi.
2. Bila nilai DW lebih rendah daripada batas bawah atau lower bound (dl) maka autokorelasi > 0, berarti ada autokorelasi positif.
3. Bila DW lebih besar dari (4-dl) maka koefisien autokorelasi < 0, berarti ada autokorelasi negatif.
4. Bila DW terletak antara (du) dan (dl) atau DW terletak antara (4-du) dan (4-dl), maka hasilnya tidak dapat disimpulkan.
Tabel 3.3
Dasar Pengambilan Keputusan Autokolerasi
Hipotesis Nol Keputusan Jika
Tidak ada autokorelasi
positif Tolak 0 < d < dl
Tidak ada autokorelasi
positif No decision dl ≤ d ≤ du
Tidak ada korelasi negatif Tolak 4 – dl < d < 4 Tidak ada korelasi negatif No decision 4 - du ≤ d ≤ 4 – dl Tidak ada autokorelasi,
positif atau negative Tidak ditolak du < d < 4 – du Sumber: Ghozali, 2013: 111
Keterangan d1 = batas bawah DW
du = batas atas DW
c. Uji Heterokedastisitas
Salah satu asumsi pokok dalam model regresi linier klasik adalah bahwa varian setiap disturbance team yang dibatasi oleh nilai tertentu mengenai variabel-variabel bebas adalah berbentuk suatu nilai konstan yang sama dengan α2. Inilah yang disebut asumsi homocedasticity atau
varian yang sama. Kebanyakan data cross-section mengandung situasi
heteroscedasticity karena data ini menghimpun data yang mewakili
berbagai ukuran (kecil, sedang, dan besar). Dengan kata lain heteroskedastisitas terjadi apabila varian dari variabel penganggu tidak sama untuk semua observasi, akibat yang timbul apabila terjadi heteroskendastisitas adalah penaksir tidak bias tetapi tidak efisien lagi baik dalam sampel besar maupun sampel kecil, serta uji t-test dan F-test akan menyebabkan kesimpulan yang salah (Bawono, 2006: 133).
Ada beberapa cara untuk mendeteksi ada atau tidaknya heteroskedastisitas. Dengan melihat grafik plot antara nilai prediksi variabel independen (ZPRED) dengan residunya (SRESID). Deteksi ada tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana sumbu Y adalah Y yang telah diprediksi, dan sumbu X adalah residual (Y prediksi – Y sesungguhnya) yang telah di-studentized (Ghozali, 2013: 139). Dasar analisisnya adalah sebagai berikut:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar kemudian menyempit), maka mengindikasikan telah terjadi heteroskedasitas.
2. Jika tidak ada pola jelas, serta titik-titik menyebar di atas di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
Analisis dengan grafik plots memiliki kelemahan yang cukup signifikan oleh karena jumlah pengamatan mempengaruhi hasil ploting. Semakin sedikit jumlah pengamatan semakin sulit menginterpretasikan hasil grafik plot. Oleh sebab itu, diperlukan uji statistik yang lebih dapat menjamin keakuratan hasil. Ada beberapa uji statistik yang dapat digunakan untuk mendeteksi ada tidaknya heterokedastisitas (Ghozali, 2013: 141). Diantaranya: Uji Park, Uji Glejser, dan Uji White.
d. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji
normalitas digunakan untuk mengetahui suatu populasi suatu data dapat dilakukan dengan analisis grafik. Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram dan normal
probability plot yang membandingkan distribusi kumulatif dari data
sesungguhnya dengan distribusi kumulatif dari distribusi normal (Ghozali, 2013: 160). Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Pada prinsipnya normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan: 1. Jika data menyebar disekitar diagonal dan mengikuti arah garis
diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas.
2. Jika data menyebar jauh dari garis diagonal dan tidak mengikuti arah garis diagonal atau grafik histogramnya tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas.
Selain itu, untuk menguji normalitas data dapat digunakan uji satistik Kolmogorov Smirnov (K-S) yang dilakukan dengan membuat hipotesis nol (H0) untuk data distribusi normal dan hipotesis alternatif (Ha)
untuk data berdistribusi tidak normal. Dengan uji statistik yaitu dengan menggunakan uji statistik non-parametrik Kolmogrov-Smirnov.
H0 = data residual berdistribusi normal (Asymp. Sig > 0,05)
Ha = data residual tidak berdistribusi normal (Asymp. Sig < 0,05)
e. Uji Linearitas
Uji ini digunakan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak. Apakah fungsi yang digunakan dalam suatu studi empiris sebaiknya bebrentuk linier, kuadrat, kuadrat atau kubik. Dengan uji linearitas akan diperoleh informasi apakah model empiris sebaiknya linier, kuadrat atau kubik (Ghozali, 2013: 166). Ada beberapa uji yang dapat dilakukan: Uji Durbin-Watson, Ramsey Test, dan Uji Lagrange Multiplier.
3. Analisis Regresi Linear Berganda
Regresi ini digunakan untuk menganalisa data yang bersifat
multivariate. Analisa ini digunakan untuk meramalkan nilai variabel
dependen (Y) dengan variabel independen yang lebih dari satu (minimal dua), sehingga analisis regresi berganda sering disebut juga analisa
multivariate, karena variabel yang mempengaruhi naik turunnya variabel
dependen (Y) lebih dari satu variabel independen (X). Kondisi variabel independen (X) dalam mempengaruhi variabel dependen (Y) bervariasi bisa positif bisa juga negatif, atau beraneka ragam kondisi yang mempengaruhi. Sehingga regresi berganda ini lebih real dengan kenyataan di lapangan, bahwa sesuatu hal pasti dipengaruhi oleh banyak hal. Sedangkan untuk membuktikan ada atau tidaknya hubungan kasual antara beberapa variabel independen (X1, X2 …) mempengaruhi variabel
dependen (Y) dapat dilakukan dengan dengan diuji statistik. Persamaan regresi berganda dapat berupa sebagai berikut:
Y = a + β1X1 + β2X2 + β3X3 + β4X4 + e
Dimana :
Y = Return On Equity
A = konstanta persamaan
β1 – β3 = koefisien variabel independen X1 = ukuran perusahaan
X2 = permodalan
X3 = kualitas aktiva produktif
X4 = likuiditas
E = Variabel pengganggu atau faktor-faktor di luar variabel yang tidak dimasukkan sebagai variabel model di atas (kesalahan residual).
Besarnya konstanta dicerminkan oleh “a” dan besarnya koefisien regresi dari masing- masing variabel independen ditunjukkan dengan β1,
β2, β3, β4. Pada model persamaan di atas, dapat diketahui tanda positif atau
negatif dari masing-masing variabel dependen. Nilai koefisien regresi dalam penelitian ini sangat menentukan sebagai dasar analisis. Mengingat penelitian ini sangat menentukan sebagai dasar analisis. Mengingat penelitian ini bersifat fundamental method. Hal ini berarti jika koefisien β bernilai positif maka dapat dikatakan terjadi pengaruh searah antara variabel bebas dengan variabel terikat (dependen), setiap kenaikan nilai
variabel bebas akan mengakibatkan kenaikan variabel terikat (dependen), demikian pula sebaliknya, bila koefisen nilai β bernilai negatif hal ini menunjukkan adanya pengaruh negatif dimana kenaikan nilai variabel bebas akan mengakibatkan penurunan nilai variabel terikat (dependen).
4. Koefisien Determinasi (R2)
Koefisen determinasi (R2) menunjukkan sejauh mana tingkat
hubungan antara variabel dependen (Y) dengan variabel independen
(X1,2,3…), atau sejauh mana kontribusi variabel independen (X1,2,3…)
mempengaruhi variabel dependen. Analisis koefisien determinasi (R2)
digunakan untuk mengetahui seberapa besar prosentase (%) pengaruh keseluruhan variabel independen yang digunakan (X1,2,3…) terhadap
variabel dependen (Y). Pengujian ini dilakukan dengan melihat R2 pada hasil analisis persamaan regresi yang diperoleh. Apabila angka koefisien determinasi (R2) semakin mendekati 1 berarti model regresi yang
digunakan sudah semakin tepat sebagai model penduga terhadap variabel dependen (Y)(Bawono, 2006: 92)
Kelemahan mendasar penggunaan koefisen determinasi adalah bias terhadap jumlah variabel dependen yang dimasukkan dalam model. Setiap tambahan satu variabel independen, maka R2 pasti meningkat tidak peduli
apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen atau tidak. Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai adjusted R2 pada saat mengevaluasi model regresi terbaik. Tidak seperti R2, nilai adjusted R2 dapat naik atau turun apabila
satu variabel independen ditambahkan ke dalam model (Ghozali, 2013: 97).
Dalam penelitian ini digunakan adjusted R2 karena nilai variabel bebas yang diukur terdiri dari nilai rasio absolute dan nilai perbandingan. Kegunaan Adjusted R2 adalah:
a. Sebagai ukuran ketetapan regresi yang ditetapkan suatu kelompok data hasil survey. Semakin besar nilai Adjusted R2 makan akan semakin tepat suatu garis regresi dan sebaliknya.
b. Untuk mengukur besarnya proporsi atau prosentase dari jumlah variasi dari variabel dependen, atau untuk mengukur sumbangan dari variabel dependen terhadap variabel independen.
5. Pengujian Hipotesis
Uji statistik di sini digunakan untuk melihat tingkat ketepatan atau keakuratan dari suatu fungsi atau persamaan untuk menaksir dari data yang kita analisa. Nilai ketepatan atau keaktualan ini dapat diukur goodness of fit
nya. Uji statistik ini dapat dilihat dari nilai t hitung, F hitung dan nilai koefisen determinasinya. Berkaitan apakah uji statistik ini dikatakan lolos atau tidak, tergantung dari tingkat signifikansi dari hasil perhitungannya, jika hasilnya berada didaerah kritis atau yang menolak Ho maka dikatakan bahwa uji statistiknya lolos dan layak untuk uji selanjutnya dan ini berlaku sebaliknya jika berada di daerah yang menerima Ho.
a. Uji Signifikansi Simultan (Uji Statistik F)
Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat. Hipotesis nol (H0) yang hendak diuji adalah apakah
semua parameter dalam model sama dengan nol, atau: H0 : b1 = b2 = ….. = bk = 0
Artinya apakah semua variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis (Ha)
tidak semua parameter secara simultan sama dengan nol, atau: Ha : b1 ≠ b2 ≠ ….. ≠ bk ≠ 0
Artinya semua variabel independen secara simultan merupakan penjelas yang signifikan terhadap variabel dependen. Untuk menguji hipotesis ini digunakan statistic F dengan kriteria pengambilan keputusan sebagai berikut (Ghozali, 2013: 98) :
1. Quict look : bila nilai F lebih besar daripada 4 maka H0 dapat
ditolak pada derajat kepercayaan 5%. Dengan kata lain, kita menerima hipotesis alternatif yang menyatakan bahwa semua variabel independen secara serentak dan signifikan mempengaruhi variabel dependen.
2. Membandingkan nilai F hasil perhitungan dengan nilai F menurut tabel. Bila nilai F hitung lebih besar daripada nilai F, maka H0
b. Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen. Hipotesis nol (Ho) yang hendak diuji adalah apakah suatu parameter (bi) sama dengan nol, atau Ho : bi : 0
Artinya apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya (HA) parameter suatu variabel tidak sama dengan nol, atau:
HA : bi ≠ 0
Artinya, variabel tersebut merupakan penjelas yang signifikan terhadap variabel dependen (Ghozali, 2013: 98).
Cara melakukan uji t adalah sebagai berikut (Ghozali, 2013: 99):
1. Quick look : bila jumlah degree of freedom (df) adalah 20 atau
lebih, dan derajat kepercayaan sebesar 5%, maka Ho yang menyatakan bi = 0 dapat ditolak bila nilai t lebih besar dari 2 (dalam nilai absolut). Dengan kata lain kita menerima hipotesis alternatif, yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen.
2. Membandingkan nilai statistik t dengan titik kritis menurut tabel. Apabila nilai statistik t hasil perhitungan lebih tinggi dibandingkan nilai t tabel, kita menerima hipotesis alternatif yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi variabel dependen.
77
ANALISIS DATA
A. Deskripsi Obyek Penelitian
Obyek dalam penelitian ini yaitu laporan keuangan bank umum syariah yang tergolong Bank Devisa di Indonesia. Berdasarkan laporan keuangan yang dipublikasikan oleh Bank Indonesia, dapat dihitung dan dianalisis kinerja keuangan masing-masing bank umum syariah. Laporan keuangan yang digunakan adalah laporan triwulanan mulai tahun 2011 sampai dengan tahun 2014. Berikut adalah profil singkat bank yang dijadikan objek penelitian:
1. Bank Muamalat Indonesia
PT. Bank Muamalat Indonesia Tbk. didirikan pada tanggal 1 November 1991 yang diprakarsai oleh Majelis Ulama Indonesia (MUI) dan pemerintah Indonesia. Pendirian Bank Muamalat Indonesia mendapat dukungan dari Ikatan Cendekiawan Muslim se-Indonesia (ICMI), pengusaha muslim serta dukungan masyarakat Indonesia. Dukungan masyarakat terbukti berdasarkan pembelian saham Perseroan senilai Rp 84 miliar pada saat penandatanganan akta pendirian Perseroan. Pada tanggal 27 Oktober 1994, Bank Muamalat berhasil menyandang predikat sebagai Bank Devisa, hal ini memperkokoh posisi Bank Muamalat sebagai bank syariah pertama dengan beragam jasa maupun produk yang terus dikembangkan (www.muamalatbank.com, diakses tanggal 15 Juni 2015).
Sesuai dengan prinsip-prinsip syariah dan sesuai dengan situasi dan kondisi di Indonesia, maka Bank Muamalat mempunyai tujuan sebagai berikut (Karnaen Perwaatmadja dan M. Syafi’i Antonio, 85):
1. Meningkatkan kualitas kehidupan sosial ekonomi masyarakat Indonesia, sehingga semakin berkurang kesenjangan sosial, ekonomi dan dengan demikian akan melestarikan pembangunan nasional, antara lain melalui:
a. Meningkatkan kualitas dan kuantitas kegiatan usaha b. Meningkatkan kesempatan kerja
c. Meningkatkan penghasilan masyarakat banyak
2. Meningkatkan partisipasi masyarakat banyak dalam proses pembangunan terutama dalam bidang ekonomi keuangan, yang selama ini diketahui masih cukup banyak masyarakat yang enggan berhubungan dengan bank karena masih menganggap bahwa bunga bank itu riba.
3. Mengembangkan lembaga bank dan sistem perbankan yang sehat berdasarkan efisiensi dan keadilan, mampu meningkatkan partisipasi masyarakat banyak sehingga menggalakkan usaha-usaha ekonomi rakyat dengan memperluas jaringan lembaga perbankan ke daerah terpencil.
Krisis ekonomi 1998 memberi dampak terhadap kinerja keuangan Bank Muamalat tercatat sebesar Rp 105 miliar. Sedangkan ekuitas mencapai titik terendah yaitu Rp 39,3 miliar, kurang dari sepertiga modal
setoran awal. Kondisi ekuitas Bank Muamalat segera diperbaiki dengan penambahan modal yang berasal dari Islamic Development Bank (IDB), sehingga kondisi kerugian yang semula diderita dapat dipulihkan kembali (www.muamalatbank.com, diakses tanggal 15 Juni 2015).
2. Bank Syariah Mandiri
Terbentuknya Bank Syariah Mandiri melalui perjalanan yang panjang bermula dari merger empat bank yaitu Bank Dagang Negara, Bank Bumi Daya, Bank Exim, dan Bapindo. Merger tersebut membentuk bank baru yang bernama PT. Bank Mandiri (Persero) pada tanggal 31 Juli 1999. Menindaklanjuti keputusan merger, Bank Mandiri melakukan konsolidasi serta membentuk tim pengembangan perbankan syariah yang bertujuan untuk mengembangkan layanan perbankan syariah dikelompok perusahaan Bank Mandiri, atas respon UU No. 10 Tahun 1998, yang memberikan peluang bank umum untuk melayani transaksi syariah (http://www.syariahmandiri.coi.id, diakses tanggal 15 Juni 2015).
Terbentuknya Bank Syariah Mandiri diprakarsai oleh tim pengembangan perbankan syariah yang melakukan konversi PT. Bank Susila Bakti (BSB) dari bank konvensional menjadi bank syariah yang bernama PT. Bank Syariah Mandiri pada tanggal 8 September 1999. Perubahan kegiatan usaha BSB menjadi bank umum syariah dilakukan oleh Gubernur Bank Indonesia melalui SK Gubernur BI No. 1/24/KEP.BI/1999, 25 Oktober 1999, BI menyetujui perubahan nama menjadi PT. Bank Syariah Mandiri dan secara resmi mulai beroperasi
sejak Senin tanggal 25 Rajab 1420 H atau tanggal 1 November 1999 (Ibid).
Bank Syariah Mandiri memiliki modal dasar Rp 2.500.000.000.000 dan modal disetor Rp 858.243.565.000. Jumlah jaringan ATM BSM yang terdiri atas 220 ATM Syariah Mandiri, ATM Mandiri 4.795, ATM Prima 14.403 unit. Kepemilikan saham PT. Bank Mandiri (Persero) Tbk sebesar 131.648.712 lembar saham (99,999999%) dan PT Mandiri Sekuritas sebanyak 1 lembar saham (0,000001%) (Ibid).
3. Bank Mega Syariah
PT. Bank Mega Syariah bermula dari sebuah bank konvensional bernama PT. Bank Umum Tugu. Pada tahun 2001 Para Grup mengakusisi PT. Bank Umum Tugu yang resmi bernama PT. Bank Mega Syariah Indonesia pada tanggal 23 September 2010. Pada tanggal 16 Oktober 2008 Bank Mega Syariah menyandang predikat sebagai Bank Devisa. Pengakuan tersebut semakin memperkokoh posisi perseroan sebagai bank syariah yang dapat menjangkau bisnis yang lebih luas baik domestik maupun internasional (www.bsmi.co.id, diakses tanggal 25 Juni 2015).
PT. Bank Mega Syariah hadir dengan visi menjadi “Bank Syariah Kebanggaan Bangsa”. Sejalan dengan perkembangannya baik diluar dari produk maupun fasilitas perbankan. Bank Mega Syariah memiliki 8 kantor cabang, 13 kantor cabang pembantu, 49 Gallery Mega Syariah, dan 234 kantor Mega Syariah (M2S) yang tersebar di Jabotabek, Pulau Jawa, Bali, Sumatra, Kalimantan dan Sulawesi (Ibid).
4. BNI Syariah
Berdasarkan Keputusan Gubernur Bank Indonesia Nomor 12/41/KEP.GBI/2010 tanggal 21 Mei 2010 mengenai pemberian izin
usaha kepada PT. Bank BNI Syariah. Dan di dalam Corporate Plan UUS
BNI tahun 2000 ditetapkan bahwa status UUS bersifat temporer dan akan
dilakukan spin off tahun 2009. Rencana tersebut terlaksana pada tanggal
19 Juni 2010 dengan beroperasinya BNI Syariah sebagai Bank Umum
Syariah (BUS). Realisasi waktu spin off bulan Juni 2010 tidak terlepas dari
faktor eksternal berupa aspek regulasi yang kondusif yaitu dengan diterbitkannya UU No.19 tahun 2008 tentang Surat Berharga Syariah Negara (SBSN) dan UU No.21 tahun 2008 tentang Perbankan Syariah. Disamping itu, komitmen Pemerintah terhadap pengembangan perbankan syariah semakin kuat dan kesadaran terhadap keunggulan produk
perbankan syariah juga semakin meningkat (www.bni.co.id, diakses
tanggal 15 Juni 2015).
Juni 2014, jumlah cabang BNI Syariah mencapai 65 Kantor Cabang, 161 Kantor Cabang Pembantu, 17 Kantor Kas, 22 Mobil Layanan
Gerak dan 20 Payment Point (www.bni.co.id, diakses tanggal 22 Juni
B. Analisis Data
1. Uji Deskriptif Statistik
Statistik deskriptif digunakan untuk menggambarkan suatu data secara statistik. Untuk menginterpretasikan hasil statistik deskriptif dari ROE, Ukuran Perusahaan yang dilihat dari Total Aktiva, Permodalan (CAR), Kualitas Aktiva Produktif (KAP), dan likuiditas (FDR) dapat dilihat dalam tabel 4.1 sebagai berikut:
Tabel 4.1
Analisis Statistik Deskriptif Masing-Masing Variabel Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Total Aktiva 64 106453130000 937460200000 528547269062.50 233380768704.051 CAR 64 .0536 .4785 .200958 .0746433 KAP 64 .7529 1.3853 1.052742 .0821272 FDR 64 .7653 1.0644 .913784 .0723123 ROE 64 .0156 .7443 .291531 .2199661 Valid N (listwise) 64
Sumber : Output SPSS 21.0, data sekunder yang diolah, 2015.
Berdasarkan hasil perhitungan pada tabel 4.1 di atas dapat diketahui bahwa n atau jumlah data pada setiap variabel yaitu 64 data yang berasal dari 4 sampel bank umum syariah devisa periode tahun 2011 sampai tahun 2014. Variabel Return On Equity (ROE) mempunyai nilai minimum 0,0156% dan nilai maksimum 0,7443%. Dari tabel maksimum dapat dilihat bahwa nilai standar deviasi lebih kecil dari nilai mean-nya menunjukkan rendahnya variasi antara nilai maksimum dan minimum selama periode pengamatan,
atau dengan kata lain tidak ada kesenjangan yang cukup besar dari nilai
Return On Equity (ROE) terendah dan tertinggi.
Pada tabel 4.1 di atas variabel ukuran perusahaan yang dilihat dari total aktiva mempunyai nilai minimum 106.453.130.000 dan nilai maksimum 937.460.200.000. Dari tabel 4.1 dapat dilihat bahwa nilai standar deviasi lebih kecil dari nilai mean-nya menunjukkan rendahnya variasi antara nilai maksimum dan minimum selama periode pengamatan, atau dengan kata lain tidak ada kesenjangan yang cukup besar dari nilai ukuran perusahaan (Size)
terendah dan tertinggi.
Variabel permodalan yang diproksi dengan Capital Adequacy Ratio
(CAR) mempunyai nilai minimum 0,0536% dan nilai maksimum 0.4785%. Dari tabel 4.1 dapat dilihat bahwa nilai standar deviasi lebih kecil dari nilai
mean-nya menunjukkan rendahnya variasi antara nilai maksimum dan minimum selama periode pengamatan, atau dengan kata lain tidak ada kesenjangan yang cukup besar dari nilai permodalan (CAR) terendah dan tertinggi.
Kualitas Aktiva Produktif (KAP) mempunyai nilai minimum 0,7529% dan nilai maksimum 1,3853%. Dari tabel 4.1 dapat dilihat bahwa nilai standar deviasi lebih kecil dari nilai mean-nya menunjukkan rendahnya variasi antara nilai maksimum dan minimum selama periode pengamatan, atau dengan kata lain tidak ada kesenjangan yang cukup besar dari nilai Kualitas Aktiva Produktif (KAP) terendah dan tertinggi.
Variabel likuiditas yang diproksi dengan Financing to Deposit Ratio
(FDR) mempunyai nilai minimum 0,7653% dan nilai maksimum 1,0644%. Dari tabel 4.1 dapat dilihat bahwa nilai standar deviasi lebih kecil dari nilai
mean-nya menunjukkan rendahnya variasi antara nilai maksimum dan minimum selama periode pengamatan, atau dengan kata lain tidak ada kesenjangan yang cukup besar dari nilai Financing to Deposit Ratio (FDR) terendah dan tertinggi.
2. Uji Asumsi Klasik
Sebelum dilakukan pengujian regresi linier berganda terhadap hipotesis penelitian, maka terlebih dahulu perlu dilakukan suatu pengujian untuk mengetahui ada tidaknya pelanggaran terhadap asumsi-asumsi klasik. Hasil pengujian hipotesis yang baik adalah yang tidak melanggar asumsi-