Lampiran 1 : Pemilihan Bank Melalui Kriteria Berdasarkan Purposive
24 PT. BPD Sumatera Selatan dan Bangka
Belitung
25 PT. BPD Sumatera Utara
95 2013 PT. BPD Jawa Tengah 15.9 15.45 6.86 70 0.88 5.14 13.49
96 2013 PT. BPD Jawa Barat dan Banten, Tbk 16.56 16.51 6.74 69 5 6.52 12.85
97 2013 PT. BPD Jawa Timur 33.05 23.72 7.48 67 4 6.08 13.52
98 2013 PD.BPD Kalimantan Timur -13.51 19.03 8.95 67 2.09 -6.66 13.44
99 2013 PT. BPD Kalimantan Selatan 0.05 17.92 5.73 65 1.79 5.35 12.98
100 2013 PT. BPD Kalimantan Barat 14.87 16.99 8.76 73 0.8 6.04 12.98
101 2013 PT. BPD Nusa Tenggara Barat 4.88 17.21 9.6 76 2.49 5.15 12.64
102 2013 PT. BPD Riau Kepri -1.92 18.68 6.72 61 5.31 3.63 13.29
103 2013 PT. BPD Sumatera Barat 12.99 15.59 5.87 75 0.5 6.02 13.21
104 2013 PT. BPD Yogyakarta 16.27 15.69 6.61 63 3.2 5.49 12.81
105 2013 PT. BPD Sumatera Utara 7.66 14.46 8.43 77 1.8 6.08 13.33
106 2014 PT. BPD Aceh 16.37 17.79 5.95 67.87 2.4 1.65 13.21
107 2014 PT. BPD Bali 18.27 20.71 6.2 69 0.73 6.72 13.26
108 2014 PT. Bank DKI 36.44 17.96 5.35 21 2.38 5.95 13.22
109 2014 PT. BPD Jambi 35.16 27.11 5.79 64 12.6 7.76 12.76
110 2014 PT. BPD Jawa Tengah 15.61 14.17 6.02 73 1.11 5.42 13.55
111 2014 PT. BPD Jawa Barat dan Banten, Tbk 6.87 16.39 5.88 71 2 20.96 13.88
112 2014 PT. BPD Jawa Timur 37.99 22.17 7.58 69 4 5.85 13.58
113 2014 PD.BPD Kalimantan Timur 6.59 18.06 4.44 60.98 3 1.4 13.47
114 2014 PT. BPD Kalimantan Selatan 14.26 21.12 6.22 65 3 4.85 13.03
115 2014 PT. BPD Kalimantan Barat 16.33 19.21 8.12 73 2 5.02 13.05
116 2014 PT. BPD Nusa Tenggara Barat 34.45 19.34 7.97 70 3 5.05 12.76
117 2014 PT. BPD Riau Kepri 17.44 18.27 5.94 58 6 3.67 13.36
118 2014 PT. BPD Sumatera Barat 10.95 15.76 5.61 75 1.3 5.85 13.26
119 2014 PT. BPD Yogyakarta 19.89 16.6 7.02 66 3.77 5.18 12.89
Lampiran 3 : Statistik Deskriptif Variabel Penelitian
AG CAR IS K OP PDRB TA
Mean 15.70150 18.56775 7.056667 64.92917 4.437186 32.41158 13.00308 Median 15.58500 17.94000 6.985000 66.96000 2.315000 5.910000 13.11000 Maximum 52.45000 35.73000 11.92000 150.4200 50.67000 456.8900 13.88000 Minimum -56.15000 8.340000 1.070000 20.73000 0.000000 -6.660000 10.03000 Std. Dev. 14.06181 4.712511 1.762982 17.06511 6.795292 81.26389 0.455655 Skewness -1.001540 1.087348 0.127090 0.605639 3.856941 3.114602 -2.395127 Kurtosis 8.260301 4.774570 3.604264 7.700772 21.86238 12.47811 16.43190 Jarque-Bera 158.4155 39.39199 2.148708 117.8223 2076.467 643.1875 1016.813 Probability 0.000000 0.000000 0.341518 0.000000 0.000000 0.000000 0.000000 Sum 1884.180 2228.130 846.8000 7791.500 532.4623 3889.390 1560.370 Sum Sq. Dev. 23530.40 2642.724 369.8647 34654.93 5494.943 785854.6 24.70696
Lampiran 4: Hasil Olahan Data Eviews, Hasil Uji Chow dan Uji Hausman pada Hipotesis 1
1. Uji Chow dengan variable CAR
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 1.376952 (14,101) 0.1783 Cross-section Chi-square 20.961560 14 0.1026
Cross-section fixed effects test equation:
Variable Coefficient Std. Error t-Statistic Prob.
C 13.90346 0.252461 55.07176 0.0000 CAR -0.008820 0.008249 -1.069168 0.2872 IS -0.104534 0.022974 -4.550183 0.0000 AG 0.001128 0.002806 0.402157 0.6883 PDRB -0.000514 0.000488 -1.053583 0.2943
Lampiran 4: Hasil Olahan Data Eviews, Hasil Uji Chow dan Uji Hausman pada Hipotesis 2
1. Uji Chow dengan variable CAR
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 2.279227 (14,101) 0.0095 Cross-section Chi-square 32.945459 14 0.0029
Cross-section fixed effects test equation:
Variable Coefficient Std. Error t-Statistic Prob.
C 48.18586 7.920688 6.083544 0.0000 CAR -1.115230 0.258802 -4.309196 0.0000 IS 4.627794 0.720772 6.420611 0.0000 AG 0.254709 0.088025 2.893590 0.0046 PDRB 0.024513 0.015315 1.600618 0.1122
2. Uji Hausman dengan variable CAR
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 5.158528 4 0.2714
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob.
CAR -0.850827 -0.989009 0.008425 0.1322 IS 4.616296 4.658540 0.047731 0.8467 AG 0.280637 0.270089 0.001659 0.7957 PDRB 0.013820 0.021149 0.000172 0.5761
Cross-section random effects test equation:
Variable Coefficient Std. Error t-Statistic Prob.
C 43.29709 7.839204 5.523149 0.0000 CAR -0.850827 0.270875 -3.141039 0.0022 IS 4.616296 0.728814 6.333985 0.0000 AG 0.280637 0.097939 2.865427 0.0051 PDRB 0.013820 0.021300 0.648845 0.5179
Effects Specification
Cross-section fixed (dummy variables)
Lampiran 4: Hasil Olahan Data Eviews, Hasil Uji Chow dan Uji Hausman pada Hipotesis 3
1. Uji Chow dengan variable CAR
Redundant Fixed Effects Tests Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 1.805851 (14,101) 0.0476 Cross-section Chi-square 26.807557 14 0.0204
Cross-section fixed effects test equation:
Variable Coefficient Std. Error t-Statistic Prob.
C 3.991261 4.060801 0.982875 0.3277 CAR 0.306732 0.132683 2.311759 0.0226 IS -0.713451 0.369527 -1.930714 0.0560 AG 0.008932 0.045129 0.197925 0.8435 PDRB -0.006644 0.007852 -0.846160 0.3992
2. Uji Hausman dengan variable CAR
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 6.712375 4 0.1519
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob.
CAR 0.208986 0.283009 0.003008 0.1771 IS -0.545743 -0.664411 0.016565 0.3565 AG 0.080364 0.028411 0.000582 0.0313 PDRB -0.001192 -0.006108 0.000056 0.5126
Cross-section random effects test equation:
Variable Coefficient Std. Error t-Statistic Prob.
C 3.324434 4.123136 0.806288 0.4220 CAR 0.208986 0.142470 1.466879 0.1455 IS -0.545743 0.383330 -1.423692 0.1576 AG 0.080364 0.051512 1.560086 0.1219 PDRB -0.001192 0.011203 -0.106390 0.9155
Effects Specification
Cross-section fixed (dummy variables)
DAFTAR PUSTAKA
Hartono, Jogiyanto. (2003). Teori Portofollio dan Analisis Investasi, Edisi kelima. Yogyakarta: BPEE
H.M, Jogiyanto. (200). Teori Portofolio dan Analisis Investasi, Edisi II, BPEE-UGM. Yogyakarta
Jogiyanto. (2009). Teori portofolio dan Analisis Investasi. Edisi keenam. Cetakan pertama. Yogyakarta: PT.BPEE Yogyakarta
Suad Husnan, 2003, Manajemen Keuangan Teori dan Penerapan (keputusan Jangka Pendek), Edisi keempat, BPFE, Yogyakarta.
Suad Husnan. (2003). “Dasar-Dasar Teori Portofolio dan Analisis Sekuritas Edisi Ketiga”. Yogyakarta: BPFE
Susilo, Sigit Triandaru dan Totok Budisantoso. 2000. Bank dan Lembaga Keuangan Lain, Jakarta: Salemba Empat.
Martono dan D. agus Harjito. (2007). Manajemen keuangan. Yogyakarta: ekonosia
Augusty Ferdinand, Metode Penelitian Manajemen: Pedoman Penelitian untuk Skripsi, Tesis dan Disertasi Ilmu Manajemen, Semarang: Badan Penerbit Universitas Diponegoro. 2006
Agus Widarjono. 2007. Ekonometrika teori dan aplikasi untuk ekonomi dan bsinis. Edisi kedua, fakultas ekonomi UII. Yogyakarta.
Agus Widarjono. 2009. Ekonometrika Pengantar dan Aplikasinya.Edisi Ketiga. EKONISIA. Yogyakarta.
Nachrowi, Djalal Nachrowi, Hardius Usman. 2006. Pendekatan Populer dan Praktis Ekonometruka untuk Analisis Ekonomi dan Keuangan, Lembaga Penerbit Universitas Indonesia, Jakarta.
Riduwan dan Kuncoro. (2012). Cara Menggunakan dan Memaknai Path Analysis (Analisis Jalur). Bandung. Alfabeta
Tandelilin, Eduardus. 2001. Analisis Investasi dan Manajemen Portfolio. Yogyakarta. BPFE-Yogyakarta.
Bodie, Z., Kane A., Markus, A.J., 2006, Investasi, Terjemahan Dalimunthe Z., buku 2, edisi 6, Salemba Empat, Jakarta
Haubrich, J.G., Wachtel, P., 1993. Capital requirements and shifts in commercial bank portfolio. Econ. Rev. 2-15. Federal Reserve Bank of Cleveland.
Honda, Y., 2002. The effects of the Basel Accord on bank credit: the case of Japan. Appl. Econ. 34, 1233–1239.
Ito, T., Sasaki, Y., 2002. Impacts of the Basel Capital Standard on Japanese banks’ behavior. J. Japanese Int. Economies 16, 372–397.
Shrieves, Ronald E., and Drew Dahl., 1992. The Relationship Between Risk and Capital in Commercial Banks. Journal of Banking and Finance 16: 439-457.
Hall, M. (1992). Implementation of the BIS “rules” on capital adequacy assessment: A comparative study of the approaches adopted in the UK, the USA, and Japan, BNL Quart. Rev. 180, 35–57.
Putrid, Harningtias., 2008. Pengaturan dan Pengawasan Bank di Indonesia dalam Kaitannya dengan The Basel Accord Principles for Effective Banking Supervision. Medan. USU Repository.
Elyasiani, Elyas., Mansur, Iqbal., 1998. Sensitivity of the bank stock returns distribution to changes in the level and volatility of interest rate: A GARCH-M model. Journal of Banking & Finance 22 (1998) 535±563
Agung, J., B. Kumiarso, B. Pramono, E. G. Hutapea, A. Prasmuko and N. J. Prastowo, 2001, Credit Crunch in Indonesia in the Aftermath of the Crisis :Facts, Causes and Policy Implications ,Discussion Paper. Bank Of Indonesia.
Berger, Allen N. and Gregory F. Udell, 1994. Did Risk-Based Capital Allocate Bank Credit and Cause a ‘Credit Crunch’ in the United States?. Journal of Money, Credit, and Banking, Vol. 26, pp. 585-628.
Jacques, K. T. and P. Nigro, 1997.Risk-Based Capital, Portfolio Risk and Bank Capital: A Simultaneous Equations Approach. Journal of Economics and business, 49, pp. 533-547.
Dendawijaya, Lukman, 2005. Manajemen Perbankan, Edisi Kedua, Cetakan Kedua, Ghalia Indonesia, Bogor Jakarta
Gujarati dan Porter. 2009. Dasar-Dasar Ekonometrika. Jakarta : Salemba Empat
Shochrul R, Ajija, dkk. 2011. Cara cerdas menguasai EVIEWS. Jakarta : salemba empat
Indroes, Ferry N. 2008. Manajemen Risiko Perbankan. Jakarta. Rajawali pers
Lestari, Indah. 2000. Analisis Pengaruh Capital Adequacy Ratio (CAR) dan NON Performing Loan (NPL) Terhadap Tingkat Penyaluran Kredit pada Bank-Bank Umum di Indonesia. Research Gate. https://www.researchgate.net/publication/42351625. diakses pada tanggal 21 Desember 2015
Bramanto, B Dino. Penerapan Teori Portofolio markowitz dan single index model dalam pemilihan investasi aset finansial. Jakarta. Perpustakaan UI. http://lib.ui.ac.id/opac/ui/detail.jsp?id=90875&lokasi=lokal.diakses
tanggal 10 November 2015
Steven R. Grenadier, Brian J. Hall. 1995. Risk-based capital standards and the riskiness of bank portfolios: Credit and faktor risks. Regional science and Urban Economics 26 (1996) 433-464.
Supriadi, Marwan. Analisi Pembentukan Portfolio yang Efisien pada Perusahaan Industri Tobacco Manufactures dengan Model Markowitz. Fakultas Ekonomi Universitas Gunadarma.
Christianti, Ari. 2011. Diversifikasi kredit terhadap profitabilitas dan probabilitas kegagalan bank. Yogyakarta. Jurnal keuangan dan perbankan. Urban Economics 26 (1996)433-464
Sarjono, Sonny. 2010. Analisi Pengaruh Financial Leverage, Operating Leverage, dan Asset Growth Terhadap Beta Saham Pada Perusahaan LQ-45 di Bursa Efek Indonesia. Fakultas Ekonomi Universitas pembangunan Nasional “Veteran”. Jawa Timur
Amrin, Abu. 2009. Pengaruh Asset Growth, Leverage, dan Return On Investmen Terhadap Return Saham pada Perusahaan-Perusahaan yang Terdaftar di Jakarta Islamic Indexs (JII) Tahun 2005-2007. Fakultas Syariah Universitas Islam Negeri Sunan Kalijaga. Yogyakarta
Ihsan, Muntofa. 2011. Pengaruh Gross Domestic Product, Inflasi, Dan Kebijakan Jenis Pembiayaan Terhadap Rasio Non Performing Financing Bank Umum Syariah Di Indonesia Periode 2005 Sampai 2010. Fakultas Ekonomi Universitas DIponegoro. Semarang
Widarjono, Agus. 2007. Ekonometrika Teori dan Aplikasi untuk Ekonomi dan Bisnis. Edisi kedua, Fakultas Ekonomi UII, Yogyakarta.
Nachrowi, Djalal Nachrowi, Hardius Usman. 2006. Pendekatan Populer dan Praktis Ekonometruka untuk Analisis Ekonomi dan Keuangan, Lembaga Penerbit Universitas Indonesia, Jakarta.
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian yang digunakan dalam adalah penelitian deskriptif dengan
metode penelitian kuantitatif. Penelitian deskriptif adalah salah satu cara
penelitian dengan menggambarkan serta menginterpretasikan suatu objek sesuai
dengan kenyataan yang ada, tanpa melebih-lebihkan. Penelitian deskriptif sering
disebut sebagai non-eksperimen, dikatakan demikian karena dalam penelitian ini
seseorang yang meneliti tidak melakukan manipulasi variabel dan juga selalu
mengutamakan fakta, sehingga peneliti murni menjelaskan dan menggambarkan.
Metode penelitiaan kuantitatif adalah metode yang lebih menekankan pada aspek
pengukuran secara obyektif terhadap fenomena sosial. Untuk dapat melakukan
pengukuran, setiap fenomena sosial dijabarkan kedalam beberapa komponen
masalah, variabel, dan indikator.
3.2 Batasan Operasional
Batasan operasional dalam penelitian ini adalah :
1. Penelitian ini menggunakan variabel bebas (Independent Variable) yaitu
Capital Ratio.
2. Objek dari penelitian ini terdiri dari 15 (lima belas) Bank Pembangunan
Daerah di Indonesia.
3. Penelitian ini menggunakan data laporan tahunan bank pembangunan
3.3 Populasi dan Sampel Penelitian
Populasi merupakan wilayah generalisasi yang terdiri dari obyek/subyek
yang memiliki kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti
untuk dipelajari dan kemudian ditarik kesimpulannya. Populasi yang digunakan
dalam penelitian adalah seluruh Bank Pembangunan Daerah di Indonesia.
Sedangkan sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki
oleh populasi tersebut, ataupun bagian kecil dari anggota populasi yang diambil
menurut prosedur tertentu sehingga dapat mewakili populasinya.
Dalam penelitian ini digunakan cara untuk menentukan sampel data yaitu
dengan non-probability sampling yaitu data yang digunakan sebagai sampel harus
memenuhi kriteria-kriteria khusus. Pemilihan perusahaan melalui kriteria
berdasarkan purposive sampling yang merupakan teknik pengambilan sampel
berdasarkan pertimbangan peneliti. Sampel yang digunakan dalam penelitian ini
adalah Bank Pembangunan Daerah di Indonesia dengan kriteria sebagai berikut :
1. Terdaftar sebagai perusahaan perbankan pada periode 2007-2014.
2. Bank Pembangunan Daerah yang konsisten menerbitkan laporan tahunan
yang lengkap dari tahun 2007-2014.
Berdasarkan kriteria yang telah ditentukan, maka didapat sampel
penelitian sebanyak 15 Bank Pembangunan Daerah di Indonesia yang konsisten
menerbitkan laporan tahunan bank dengan lengkap selama periode 2007-2014.
Daftar Bank Pembangunan Daerah yang memenuhi syarat dan yang menjadi
Tabel 3.1.
Daftar Bank Yang Telah Menjadi Sampel No. Nama Bank
1. PT. BPD Aceh
2. PT. BPD Bali
3. PT. Bank DKI
4. PT. BPD Jambi
5. PT. BPD Jawa Tengah
6. PT. BPD Jawa Barat dan Banten, Tbk
7. PT. BPD Jawa Timur
8. PD.BPD Kalimantan Timur
9 PT. BPD Kalimantan Selatan
10. PT. BPD Kalimantan Barat
11. PT. BPD Nusa Tenggara Barat
12. PT. BPD Riau Kepri
13 PT. BPD Sumatera Barat
14. PT. BPD Yogyakarta
15. PT. BPD Sumatera Utara
Sumber : Hasil Olahan Data, Lampiran 1
3.4 Definisi Operasional dan Skala Pengukuran Variabel
Penelitian ini variabel yang digunakan terdiri dari dua variabel yaitu
variabel independen atau bebas (X) dan variabel dependen atau terikat (Y).
3.4.1 Variabel Independen
CAR merupakan kewajiban penyediaan modal minimum yang harus
selalu dipertahankan oleh setiap bank sebagai suatu proporsi tertentu dari total
Aktiva Tertimbang Menurut Resiko (ATMR) untuk membiayai aktivanya.
CAR = � �
��� X 100%
3.4.2 Variabel Kontrol
Variabel kontrol digunakan untuk memberikan pengaruh terhadap variabel
dependen. Variabel kontrol diharapkan dapat memberikan informasi yang pasti
mengenai pengaruh pengaruh Capital Ratio yang telah menerapkan Basel Accord
terhadap investasi portofolio. Variabel kontrol yang digunakan dalam penelitian
ini, diantaranya :
1. Aset growth merupakan perubahan (tingkat pertumbuhan) tahunan dari total aktiva. Rumus perhitungan matematis sebagai berikut :
2. Interest spread merupakan selisih antara tingkat suku bunga yang dikenakan bank atas pinjaman dengan tingkat suku bunga yang dibayar
oleh bank kepada nasabah.
3. PDRB menunjukkan pertumbuhan produksi barang dan jasa di suatu
wilayah perekonomian dalam selang waktu tertentu. Menurut Badan Pusat
Statistik (BPS), PDRB dapat dihitung dengan rumus:
ΔPDRB = ��� �− ��� �−
��� �− X 100% ΔTA = �− �−
�− X 100% ModalBank ModalInti+ModalPelengkap
3.4.3 Variabel Dependen
Variabel dependen adalah variabel yang menjadi pusat perhatian
peneliti (Augusty, 2006: 26). Variabel dependen dalam penelitian ini adalah
sebagai berikut:
a. Total Aset
Total asset merupakan penjumlahan aset produktif dan aset tidak produktif
yang dimiliki bank.
b. Kredit (Loans)
Variabel kredit pada penelitian ini menggambarkan kemampuan bank
dalam memberikan pinjaman kepada nasabah dengan proporsi modal yang
dimiliki. Kredit dapat diukur dengan perbandingan jumlah kredit yang
diberikan terhadap total asset.
c. Obligasi Pemerintah (Government Bonds)
Obligasi pemerintah pada penelitian ini menjelaskan kemampuan bank
dalam membeli surat utang yang diterbitkan oleh pemerintah. Obligasi
pemerintah diukur dengan perbandingan obligasi pemerintah yang terdapat
dalam laporan tahunan bank terhadap total asset.
3.5 Jenis dan Sumber Data
Penelitian ini menggunakan data sekunder. Data sekunder adalah data
primer yang diperoleh, dikumpulkan dan diolah terlebih dahulu oleh pihak lain,
misalnya data publikasi atau terbitan atau data yang telah berbentuk tabel atau
tahunan yang diperoleh dari Bank Indonesia, website Badan Pusat Statistik
(www.bpd.co.id) dan website masing-masing BPD dengan periode penelitian
2007-2014.
Dalam penelitian ini digunakan data panel yang merupakan gabungan
antara data time series dan data cross section. Data time series biasanya meliputi
satu obyek/individu tetapi meliputi beberapa periode. Cross section sendiri terdiri
atas beberapa atau banyak obyek sering disebut responden (misalnya perusahaan)
dan beberapa jenis data (misalnya: laba, biaya iklan, laba ditahan, dan tingkat
investasi) dalam suatu periode waktu tertentu.
Regresi dengan menggunakan data panel disebut model regresi data panel.
Ada beberapa keuntungan yang diperoleh dengan menggunakan data panel.
Pertama, data panel mampu menyediakan data yang lebih banyak sehingga akan
menghasilkan degree of freedom yang lebih besar. Kedua, menggabungkan
informasi dari data time series dan cross section dapat mengatasi masalah yang
timbul ketika ada masalah penghilangan variabel (omitted-variable).
3.6 Teknik Analisis dan Metode Analisis
Pada penelitian ini, alat yang digunakan untuk menganalisis data dalam
pengujian hipotesis adalah pengelohan dan menggunakan program eviews 7.
Teknik analisis data pada penelitian ini sebagai berikut :
3.6.1 Input Data
3.6.2 Analisis statistik deskriptif
Analisis statistik deskriptif merupakan teknik analisis data yang digunakan
untuk analisis data dengan cara mendeskripsikan atau menggambarkan data yang
telah terkumpul sebagaimana adanya tanpa ada tujuan membuat kesimpulan untuk
generalisasi. Dalam penyajian analisis deskriptif ini terdiri dari mean, median, dan
standar deviasi.
3.6.3 Analisi Regresi Data Panel
Data panel merupakan gabungan antara data time series dan data cross section. Data panel dapat menjelaskan dua macam informasi yaitu: informasi
cross-section pada perbedaan antar subjek, dan informasi time series yang merefleksikan perubahan pada subjek waktu. Menurut Agus Widarjono (2007)
metode regresi data panel mempunyai beberapa keuntungan jika dibandingkan
dengan data time series atau cross section, yaitu data panel yang merupakan
gabungan dua data time series dan cross section mampu menyediakan data yang
lebih banyak sehingga akan menghasilkan degree of freedom yang lebih besar.
Kedua, menggabungkan informasi dari data time series dan cross section dapat
mengatasi masalah yang timbul ketika ada masalah penghilangan variabel
(ommited-variabel). Apabila menggunakan data panel maka analisis regresi yang digunakan adalah analisis regresi data panel. Pada penelitian ini variabel bebas
yang dimasukkan dalam persamaan model regresi adalah CAR sedang variabel
terikatnya adalah total aset, kredit, dan obligasi pemerintah. Dalam penelitian ini
dilakukan regresi secara terpisah antara setiap variabel terikat sehingga
yaitu suku bunga spread, PDRB, dan pertumbuhan aset. Model regresi penelitian
ini berbentuk :
Pada persamaan diatas i dan t menggambarkan gabungan data cross
section dan time series, dimana:
Total Aset = variable terikat Loans = variable terikat Ob. Pem = variable terikat
X = variable bebas ( CAR )
Control = variable control ( aset growth, interest spread, PDRB ) α = konstanta
ε = error term
3.6.3.1Penentuan Model Estimasi
Model regresi data panel yang umumnya digunakan terdapat tiga macam,
yaitu Commond Effects Model, Fixed Effects Model (Model Efek Tetap – MET),
dan Random Effects Model (Model Efek Random – MER).
1. Commond Effects Model
Merupakan pendekatan model data panel yang paling sederhana karena
hanya dengan mengkombinasikan data time series dan cross section dalam bentuk
pool, dan menggunakan teknik kuadrat terkecil atau least square untuk Total Assetit = α + βXi,t+ ∑Control + ԑit
Loansit = α + βXi,t+ ∑Control + ԑit
maupun individu, sehingga diasumsikan bahwa perilaku individu tidak berbeda
dalam berbagai kurun waktu.
2. Fixed Effects Model
Merupakan asumsi pembuatan model yang menghasilkan intersep konstan
untuk setiap individu (i) dan waktu (t) dianggap kurang realistik sehingga
dibutuhkan model yang lebih dapat menangkap perbedaan tersebut. Model efek
tetap (fixed effects) mengasumsikan bahwa perbedaan antar individu dapat
diakomodasi dari perbedaan intersepnya. Untuk mengestimasi model Fixed
Effects dengan intersep berbeda antar individu, maka digunakan teknik variabel
dummy. Model estimasi ini sering juga disebut dengan teknik Least Squares
Dummy Variable (LSDV).
3. Random Effects Model
Didalam mengestimasi data panel dengan model Fixed Effects melalui
teknik LSDV menunjukkan ketidakpastian model yang digunakan. Untuk
mengatasi masalah ini kita bias menggunakan variabel residual yang dikenal
sebagai model Random Effects. Pada model ini, akan dipilih estimasi data panel
dimana residual mungkin saling berhubungan antar waktu dan antar individu.
Oleh karena itu, pada model ini diasumsikan bahwa ada perbedaan intersep untuk
setiap individu dan intersep tersebut merupakan variabel random atau stakastik.
Sehingga dalam model ini terdapat dua komponen residual, yaitu residual secara
residual secara individu yang merupakan karakteristik random dari observasi unit
ke-i dan tetap sepanjang waktu.
Dari ketiga model yang telah dijelaskan sebelumnya, maka selanjutnya
akan ditentukan model yang paling tepat untuk mengestimasi parameter regresi
data panel. Secara informal, ada beberapa pertimbangan untuk menentukan model
estimasi terbaik dari ketiga model estimasi data panel sebagaimana telah
dijelaskan di atas. Nachrowi dan Usman (2006) menyatakan bahwa jika data panel
yang dimiliki mempunyai waktu (T) lebih besar dibandingkan dengan jumlah
individu (N) maka disarankan untuk menggunakan model fixed effects, sedangkan
apabila jumlah data panel yang dimiliki mempunyai jumlah waktu (T) lebih kecil
disbanding jumlah individu (N) maka disarankan menggunakan model random
effects. Secara formal terdapat tiga pengujian yang digunakan untuk memilih
model regresi data panel terbaik antara model commond effects, model fixed
effects, atau model random effects, yaitu :
1. Uji Chow
Chow test (Uji Chow) yakni pengujian untuk menentukan model Fixed
Effet atau Random Effect yang paling tepat digunakan dalam mengestimasi data panel. Hipotesis dalam uji chow adalah:
H0 : Model yang tepat adalah Common Effect Model
H1 : Model yang tepat adalah fixed Effect Model
Dasar penolakan terhadap hipotesis diatas adalah dengan membandingkan
digunakan adalah Fixed Effect Model. Begitupun sebaliknya, jika F hitung < dari
F tabel maka H0 diterima dan model yang digunakan adalah Common Effect
Model (Widarjono, 2009). Selain itu model terbaik juga dapat dlihat dengan nilai probabilitas, dimana apabila nilai probabilitas <0.05 menolak hipotesis nol,
demikian sebaliknya. Apabila hasil pengujian menunjukkan bahwa metode yang
paling baik digunakan dalam penelitian adalah Common effect maka tidak
diperlukan uji Hausman sebagai pengujian lanjutan.
2. Uji Hausman
Hausman telah mengembangkan suatu uji untuk memilih apakah metode
Fixed Effect dan metode Random Effect lebih baik dari metode Common Effect. Uji Hausman ini didasarkan pada ide bahwa Least Squares Dummy Variables
(LSDV) dalam metode metode Fixed Effect dan Generalized Least Squares (GLS)
dalam metode Random Effect adalah efisien sedangkan Ordinary Least Squares
(OLS) dalam metode Common Effect tidak efisien. Pengujian uji Hausman
dilakukan dengan hipotesis berikut:
H0 : Model yang tepat adalah Random Effect Model
H1 : Model yang tepat adalah Fixed Effect Model
Statistik Uji Hausman ini mengikuti distribusi statistic Chi Square dengan
degree of freedom sebanyak k, dimana k adalah jumlah variabel independen. Jika
nilai statistik Hausman lebih besar dari nilai kritisnya maka H0 ditolak dan model
yang tepat adalah model Fixed Effect sedangkan sebaliknya bila nilai statistik
Hausman lebih kecil dari nilai kritisnya maka model yang tepat adalah model
probabilitas<0.05 maka menolak hipotesis nol, dan menerima hipotesis alternatif
demikian sebaliknya. Dalam penelitian ini digunakan uji Chow dan uji Hausman
untuk menentukan model terbaik dalam penelitian.
3. Uji Lagrange Multiplier
Menurut Widarjono (2007: 260), untuk mengetahui apakah model Random
Effect lebih baik dari model Common Effect digunakan Lagrange Multiplier (LM). Uji Signifikansi Random Effect ini dikembangkan oleh Breusch-Pagan. Pengujian
didasarkan pada nilai residual dari metode Common Effect. Uji LM ini didasarkan
pada distribusi Chi-Squares dengan derajat kebebasan (df) sebesar jumlah
variabel independen. Pengujian uji Lagrange multiplier dilakukan dengan
hipotesis berikut :
H0 : model yang tepat adalah Fixed Effect Model
H1 : model yang tepat adalah Random Effect Model
Uji LM ini didasarkan pada distribusi chi-squares dengan degree of
freedom sebesar jumlah variabel independen. Jika nilai LM statistik lebih besar dari nilai kritis statistik chi-squares maka kita menolak hipotesis nul, yang artinya
estimasi yang tepat untuk model regresi data panel adalah metode Random Effect
dari pada metode Common Effect. Sebaliknya jika nilai LM statistik lebih kecil
dari nilai statistik chi-squares sebagai nilai kritis, maka kita menerima hipotesis
nul, yang artinya estimasi yang digunakan dalam regresi data panel adalah metode
Common Effect bukan metode Random Effect (Widarjono, 2009).
yang paling tepat adalah Random Effect Model. Maka diperlukan uji LM sebagai
tahap akhir untuk menentukan model Common Effect atau Random Effect yang
paling tepat.
3.6.4 Uji Asumsi klasik
Data panel adalah regresi yang menggabungkan data time series dan data
cross section (Widarjono, 2009). Ada beberapa keuntungan yang diperoleh
dengan menggunakan estimasi data panel. Pertama, meningkatkan jumlah
obeservasi (sampel), dan kedua, memperoleh variasi antar unit yang berbeda
menurut ruang dan variasi menurut waktu (Kuncoro, 2012). Menurut Gujarati
(2012) dalam data panel sedikit terjadi kolinearitas antar variabel sehingga sangat
kecil kemungkinan terjadi multikolinearitas. Menurut Wibisono (2005) regresi
data panel memiliki keunggulan antara lain :
1. Panel data mampu memperhitungkan heterogenitas individu secara
ekspilisit dengan mengizinkan variabel spesifik individu;
2. Kemampuan mengontrol heterogenitas ini selanjutnya menjadikan data
panel dapat digunakan untuk menguji dan membangun model perilaku
lebih kompleks.
3. Data panel mendasarkan diri pada observasi cross-section yang
berulang-ulang (time series), sehingga metode data panel cocok digunakan sebagai
study of dynamic adjustment.
4. Tingginya jumlah observasi memiliki implikasi pada data yang lebih
berkurang, dan derajat kebebasan (degree of freedom/df) lebih tinggi
sehingga dapat diperoleh hasil estimasi yang lebih efisien.
5. Data panel dapat digunakan untuk mempelajari model-model perilaku
yang kompleks.
6. Data panel dapat digunakan untuk meminimalkan bias yang mungkin
ditimbulkan oleh agregasi data individu.
Dengan keunggulan tersebut maka implikasi pada data tidak harus
dilakukannya pengujian asumsi klasik dalam model data panel (Verbeek, 2000;
Gujarati, 2006; Wibisono, 2005; Aulia; 2004, dalam Shochrul R, Ajija, dkk.
2011).
3.6.5 Uji Hipotesis Model Regresi Data Panel
Uji hipotesis ini berguna untuk memeriksa atau menguji apakah koefisien
regresi yang didapat signifikan (berbeda nyata). Maksud dari signifikan ini adalah
suatu nilai koefisien regresi yang secara statistik tidak sama dengan nol. Jika
koefisien slope sama denga nol, berarti dapat dikatakan bahwa tidak cukup bukti
untuk menyatakan variabel bebas mempunyai pengaruh terhadap variabel terikat.
Untuk kepentingan tersebut, maka koefisien regresi harus diuji. Ada tiga jenis uji
hipotesis terhadap koefisien regresi yang dapat dilakukan, yaitu uji-F, uji-t, dan
3.6.5.1Uji-F
Uji F digunakan untuk mengetahui pengaruh variabel bebas secara
bersama-sama (simultan) terhadap variabel terikat. Pengujian F hitung digunakan
untuk mengetahui kualitas keberartian regresi antara tiap-tiap variabel bebas (X)
secara serempak/bersamaan terdapat pengaruh atau tidak terhadap variabel terikat
(Y). Kriteria dengan melihat nilai signifikansi yaitu:
Ho ditolak jika nilai probabilitas < 0,05
Ho diterima jika nilai signifikansi > 0,05
Pada tingkat signifikasi 5 persen dengan kriteria pengujian yang digunakan
sebagai berikut:
1. H0 ditolak dan H1 diterima, yang artinya variabel penjelas secara serentak
dan bersama-sama mempengaruhi variabel yang dijelaskan secara
signifikan.
2. H0 diterima dan H1 ditolak, yang artinya variabel penjelas secara serentak
atau bersama-sama tidak mempengaruhi variabel yang dijelaskan secara
signifikan.
3.6.5.2Uji t
Uji t dikenal dengan uji parsial, yaitu untuk menguji bagaimana pengaruh
masing-masing variabel bebasnya secara sendiri-sendiri terhadap variabel
terikatnya. Uji ini dapat dilakukan dengan mambandingkan t hitung dengan t tabel
atau dengan melihat kolom signifikansi pada masing-masing t hitung, proses uji t
Ho ditolak jika nilai probabilitas < 0,05
Ho diterima jika nilai signifikansi > 0,05
Pada tingkat signifikasi 5 persen dengan pengujian yang digunakan adalah sebagai
berikut:
1. H0 ditolak dan H1 diterima, yang artinya variabel independen (X)
berpengaruh secara signifikan terhadap variabel dependen.
2. H0 diterima dan H1 ditolak, yang artinya variabel independen (X) tidak
berpengaruh secara signifikan terhadap variabel dependen.
3.6.5.3Koefisien Determinasi ( R-Squared)
Koefisien Determinasi (R2) pada regresi linear sering diartikan sebagai
seberapa besar kemampuan semua variabel bebas dalam menjelaskan varians dari
variabel terikatnya. Analisis ini digunakan untuk mengukur seberapa besar
pengaruh variabel bebas terhadap variabel terikat. Koefisien determinasi pada
dasarnya adalah untuk mengukur kebenaran model regresi. Dimana dalam hal ini
ditunjukkan oleh besarnya koefisien determinasi (R2) antara 0 (nol) dan 1 (satu).
Koefisien determinasi (R2) nol, berarti variabel independen sama sekali tidak
berpengaruh terhadap variabel dependen. Apabila koefisien determinasi
mendekati satu, maka dapat dikatakan bahwa variable independen berpengaruh
terhadap variabel dependen, Selain itu, koefisien determinasi (R2) dipergunakan
untuk mengetahui persentase perubahan variabel tidak bebas (Y) yang disebabkan
BAB IV
HASIL DAN PEMBAHASAN
4.1 Deskripsi Objek Penelitian
Pada bab ini akan dibahas hasil penelitian yang dilakukan setelah
dilakukan tahap-tahap pengolahan data sehingga permasalahan dapat
dianalisis. Dalam penelitian ini, obyek yang dijadikan penelitian adalah
perbankan-perbankan yang berstatus Bank Pembangunan Daerah pada tahun
2007-2014. Dari populasi tersebut kemudian dipilih untuk menjadi sampel
penelitian dengan menggunakan purpose sampling yang kriterianya telah
ditetapkan pada teknik pengambilan sampel. Maka diperoleh 15 objek
penelitian yaitu bank-bank yang berstatus sebagai Bank Pembangunan
Daerah (BPD) dan menerbitkan laporan keuangan tahunan periode
2007-2014 dengan tujuan untuk menganalisis pengaruh penerapan Basel Accord
terhadap portofolio investasi pada BPD. Dari penelitian ini diperoleh 5 data
observasi untuk masing-masing objek yang digunakan untuk analisis data dan
pengujian hipotesis.
Tabel 4.1
Tabel Deskripsi Populasi dan Sampel
Populasi Sampel
Bank Pembangunan Daerah
26 Bank
Bank Pembangunan Daerah :
4.2 Analisis Deskriptif
Analisis deskriptif digunakan untuk melihat gambaran umum variabel
penelitian dan digunakan untuk mengetahui karakteristik sampel dari hasil
data-data yang digunakan dalam skripsi ini melalui pengolahan eviews. Statistik
deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari
rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range kurtosis
dan skewness (kemencengan distribusi). Penelitian ini meliputi satu variabel
independen, tiga variabel control dan tiga variabel dependen. Variabel independen
dalam penelitian ini adalah capital ratio yang diukur dengan CAR. Sedangkan
variabel kontrol adalah PDRB, pertumbuhan aset, dan suku bunga spread.
Variabel dependen dalam penelitian ini adalah total aset, kredit, dan obligasi
pemerintah. Ketiga variabel dependen ini merupakan bagian dari portofolio
investasi perbankan.
Tabel 4.2
Statistik Deskriptif Variabel Penelitian
Variabel Mean Median Maximum Minimum Std. Dev.
Total Aset 13.00308 13.11000 13.88000 10.03000 0.455655
Kredit 58.31333 63.00000 99.00000 20.73000 7.06511
Obligasi Pemerintah 4.437186 2.315000 50.67000 0.000000 6.795292
CAR 18.56775 17.94000 35.73000 8.340000 4.712511
Interest Spread 7.056667 6.985000 11.92000 1.070000 1.762982
Aset Growth 15.70150 15.58500 52.45000 -56.15000 14.06181
PDRB 32.41158 5.910000 456.8900 -6.660000 81.26389
Sebelum melakukan analisa lebih lanjut terhadap hasil uji hipotesis perlu
dikaji terlebih dahulu statistik deskriptif dari masing-masing variabel penelitian.
Pada tabel deskriptif statistik tersebut, memberikan informasi tentang akumulasi
rata-rata, standar deviasi dan jumlah sampel yang dijadikan obyek penelitian.
1. Rata-rata (mean) nilai total aset dengan jumlah data 120 adalah 13.00308.
Nilai minimum adalah 10.03000 dan nilai maksimum adalah 13.88000,
dengan standar deviasi 0.455655, menunjukkan bahwa total aset yang
dimiliki oleh bank-bank pembangunan daerah relatif beragam. Nilai
maksimum total aset sebesar 13.88000 dimiliki oleh PT. BPD Jawa Barat
dan Banten dan nilai minimum total aset dimiliki oleh PT. BPD Sumatera
Barat. Data deskriptif statistik diatas menunjukkan bahwa jumlah total aset
BPD dalam penelitian ini tidak memiliki perbedaan yang besar. Nilai rata -
rata (mean) yang lebih besar dibandingkan nilai standar deviasi (standard
deviation) menunjukkan bahwa data terdistribusi dengan baik.
2. Rata-rata (mean) nilai kredit dengan jumlah data 120 adalah 58.31333. nilai
minimum adalah 20.73000 dan nilai maksimum adalah 99.00000, dengan
standar deviasi 7.06511 menunjukkan bahwa kemampuan bank-bank
pembangunan daerah dalam menyalurkan kredit kepada nasabah dalam
penelitian ini memiliki variasi yang cukup jauh. Terdapat bank yang
menyalurkan kredit kepada nasabah mencapai nilai 99 % dari modal dan ada
yang menyalurkan kredit kepada nasabah hanya sebesar 20.73% dari modal
yang dimiliki oleh bank. Nilai maksimum kredit sebesar 99.00000 dimiliki
dimiliki oleh PD.BPD Kalimantan Timur. Nilai rata - rata (mean) yang lebih
besar dibandingkan nilai standar deviasi (standard deviation) menunjukkan
bahwa data terdistribusi dengan baik.
3. Obligasi pemerintah dalam penelitian ini menjelaskan perilaku BPD dalam
membeli obligasi pemerintah dari modal yang dimiliki. Dalam tabel 4.2
diatas menunjukkan Rata-rata (mean) nilai obligasi pemerintah dengan
jumlah data 120 adalah 4.437186. Nilai minimum obligasi pemerintah
adalah o.oooo dan nilai maksimum adalah 50.67000, dengan standar deviasi
adalah 6.795292. Nilai maksimum obligasi sebesar 50.67000 dimiliki oleh
PT. Bank DKI dan nilai minimum obligasi pemerintah dimiliki oleh PT.
BPD Riau Kepri dan PT. BPD Jawa Barat dan Banten, Tbk.
4. Rata-rata (mean) nilai CAR dengan jumlah data 120 adalah 18.56775. nilai
minimum adalah 8.340000 dan nilai maksimum adalah 35.73000, dengan
standar deviasi 4.712511, menunjukkan bahwa nilai CAR yang dimiliki oleh
bank-bank pembangunan daerah di Indonesia sudah sangat baik dan
memenuhi standar karena nilai CAR yang dimiliki semua BPD dalam
penelitian ini lebih besar dari 8%. Berdasarkan peraturan Bank Indonesia
No. 15/12/PBI/2013 , permodalan minimum yang harus dimiliki oleh suatu
bank adalah 8%. Setiap bank secara umum diwajibkan untuk
mempertahankan dana modal yang memadai untuk menghadapi
kemungkinan terjadinya suatu hal buruk di masa depan (Buyuksalvarci dan
rata - rata (mean) yang lebih besar dibandingkan nilai standar deviasi
(standard deviation) menunjukkan bahwa data terdistribusi dengan baik.
5. Interest Spread dalam penelitian ini menjelaskan pendapatan bunga yang diperoleh oleh BPD yang hasilnya diperoleh dari pengurangan pendapatan
bunga terhadap beban bunga bank. Nilai rata-rata Interest Spread dalam
penelitian ini adalah 7.056667. Nilai minimum adalah 1.070000 dan nilai
maksimum adalah 11.92000, dengan nilai standar deviasi adalah 1.762982.
Nilai maksimum Interest Spread dimiliki oleh PT. BPD Nusa Tenggara
Barat dan nilai minimum dimiliki oleh PT. BPD Jawa Tengah.
6. Dalam tabel 4.2 diatas menunjukkan nilai rata-rata (mean) Asset Growth
dalam penelitian ini adalah 15.70150. nilai minimum dan maksimum
masing-masing adalah -56.15000 dan 52.45000 dan nilai standar deviasi
adalah 14.06181. Pertumbuhan aset BPD dalam penelitian ini menunjukkan
perbedaan yang jauh. Nilai maksimum 52.45000 menandakan bahwa ada
sebagian bank yang memiliki pertumbuhan aset yang baik pada suatu waktu
tertentu. Nilai maksimum asset growth sebesar 52.54000 dimiliki oleh PT.
BPD Kalimantan Timur dan nilai minimum dimiliki oleh PT. BPD Bali.
Nilai minimum yang negatif menunjukkan bahwa ada pertumbuhan aset
yang kurang baik pada BPD dalam penelitian ini.
7. PDRB dalam penelitian ini menjelaskan pertumbuhan PDRB wilayah
provinsi yang mempengaruhi permodalan bank. Pemerintah daerah
merupakan pemilik dan sumber pendanaan bagi BPD. Nilai mean PDRB
masing-masing adalah -6.660000 dan 456.8900. Nilai standar deviasi adalah
81.26389. Nilai maksimum dan nilai minimum cukup menjelaskan bahwa
pertumbuhan PDRB wilayah memiliki kesenjangan yang sangat tinggi.
Terdapat wilayah provinsi yang memiliki pertumbuhan yang cukup tinggi
pada satu waktu tertentu namun ada juga wilayah provinsi yang memiliki
pertumbuhan PDRB yang rendah bahkan mencapai nilai minus pada satu
waktu tertentu. Nilai maksimum pertumbuhan PDRB dimiliki oleh PT. BPD
Jambi dan nilai minimum dimiliki oleh PD.BPD Kalimantan Timur.
4.3 Pengujian Hipotesis
4.3.1 Hasil Uji Chow Hipotesis 1
Tabel 4.3.1 Uji Chow pada variabel Total Aset
Redundant Fixed Effects Tests dengan variabel CAR sebagai variabel bebasnya
Effects Test Statistic d.f. Prob.
Cross-section F 1.376952 (14,010) 0.1783
Cross-section Chi-square 20.961560 14 0.1026
Sumber: Hasil Olahan Data Eviews, Lampiran 3
Berdasarkan uji Chow pada variabel terikat total aset menggunakan
variabel bebas Capital Ratio yang diukur dengan nilai CAR menunjukkan bahwa
nilai probabilitas Cross Section F dan Chi-Square sebesar 0.1783 dan 0.1026.
Hasil uji ini menunjukkan bahwa nilai probabilitasnya lebih besar dari alpha 0.05
sehingga hipotesis nol diterima dan dapat disimpulkan bahwa metode terbaik
untuk variabel terikat total aset adalah model Common Effect. Karena model
4.3.2 Hasil Estimasi Regresi Hipotesis 1
Hasil output yang diperoleh dari estimasi regresi pada variabel terikat total
aset dengan Common Effect Model dapat dilihat sebagai berikut:
Tabel 4.3.2 Koevisien pada Variabel Terikat Total Aset Variabel Coefficient Std. Error t-Statistic Prob. Keterangan
C 13.90346 0.252461 55.07176 0.0000 Pengaruh Signifikan
CAR -0.008820 0.008249 -1.069168 0.2872 Tidak Berpengaruh
Interest
Spread -0.104534 0.022974 -4.550183 0.0000 Pengaruh Signifikan
Aset Growth 0.001128 0.002806 0.402157 0.6883 Tidak Berpengaruh
PDRB -0.000514 0.000488 -1.053583 0.2943 Tidak Berpengaruh
R-Squared 0.187753
N 120
n bank 15
F-statistic 6.645642
Prob (F-stat) 0.000076
Sumber: Hasil Olahan Data Eviews, Lampiran 2
Berdasarkan hasil regresi data panel di atas dengan menggunakan program
Eviews 7 interpretasi dari hasil estimasi yang diperoleh adalah sebagai berikut:
a. Constanta
Berdasarkan hasil estimasi diketahui koefisien konstanta sebesar
13.03739. Hal ini berarti apabila variabel bebas bernilai konstan maka total aset
akan meningkat sebesar 13.03739, ceteris paribus. Signifikansi yang diperoleh
b. CAR
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel CAR menunjukkan -0.008820 memiliki pengaruh negatif terhadap total
aset. Hal ini berarti apabila nilai CAR bank mengalami peningkatan sebesar 100
satuan maka akan mendorong terjadinya penurunan nilai total aset bank sebesar
0.8820 satuan, ceteris paribus.
c. Interest Spread
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel interest spread menunjukkan -0.104534 memiliki pengaruh negatif
terhadap total aset. Hal ini berarti apabila nilai interest spread bank mengalami
peningkatan sebesar 100 satuan maka akan mendorong terjadinya penurunan nilai
total aset bank sebesar 10.4534 satuan, ceteris paribus.
d. Aset Growth
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel aset growth menunjukkan 0.001128 memiliki pengaruh positif terhadap
total aset. Hal ini berarti apabila nilai aset growth bank mengalami peningkatan
sebesar 100 satuan maka akan mendorong terjadinya peningkatan nilai total aset
bank sebesar 0.1128 satuan, ceteris paribus.
e. PDRB
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel PDRB menunjukkan -0.000514 memiliki pengaruh negatif terhadap total
satuan maka akan mendorong terjadinya penurunan nilai total aset bank sebesar
0.0514 satuan, ceteris paribus.
4.3.3 Uji Signifikansi Hipotesis 1
4.3.3.1Hasil Uji Parsial (t-test) Hipotesis 1
Uji ini dilakukan untuk menentukan apakah koefisien regresi variabel
bebas secara parsial berpengaruh signifikan terhadap variabel terikat total aset,
dengan menganggap variabel bebas lain adalah konstan.
1. CAR
Berdasarkan hasil estimasi yang dilakukan diperoleh nilai t-statistik untuk
variabel CAR sebagai variabel yang mengukur rasio modal yang dimiliki bank
sebesar -0.008820 dengan nilai probability 0.2872. Dengan demikian dapat
disimpulkan bahwa nilai probability t-stat variabel CAR lebih besar dari �
sehingga Ho diterima yang berarti baik variabel CAR tidak berpengaruh
signifikan terhadap nilai total aset dalam penelitian pada tingkat kepercayaan 95
persen.
2. Variabel Kontrol
a. Interest Spread
Berdasarkan hasil estimasi yang dilakukan diperoleh nilai t-statistik untuk
variabel kontrol Interest Spread sebesar -0.104534 dengan nilai probability
0.0000. Dengan demikian dapat disimpulkan bahwa nilai probability t-stat
berarti variabel kontrol Interest Spread berpengaruh signifikan terhadap nilai
total aset bank-bank dalam penelitian pada tingkat kepercayaan 95 persen.
b. Aset Growth
Berdasarkan hasil estimasi yang dilakukan diperoleh nilai t-statistik untuk
variabel kontrol Aset Growth sebesar 0.001128 dan nilai probability 0.6883.
Dengan demikian dapat disimpulkan bahwa nilai probability t-stat variabel
kontrol Aset Growth lebih besar dari � sehingga Ho diterima yang berarti
variabel kontrol Aset Growth tidak berpengaruh signifikan terhadap nilai total
aset bank-bank dalam penelitian pada tingkat kepercayaan 95 persen.
c. PDRB
Berdasarkan hasil estimasi yang dilakukan diperoleh nilai t-statistik untuk
variabel kontrol PDRB sebesar -0.000514 dengan nilai probability 0.2943.
Dengan demikian dapat disimpulkan bahwa nilai probability t-stat variabel
kontrol PDRB lebih kecil dari � sehingga Ha diterima yang berarti variabel
kontrol PDRB berpengaruh signifikan terhadap nilai CAR bank-bank dalam
penelitian pada tingkat kepercayaan 95 persen.
4.3.3.2Hasil Uji F-Statistik Hipotesis 1
Uji F bertujuan untuk menguji apakah secara simultan atau bersamaan
seluruh variabel bebas yang digunakan mampu mempengaruhi variabel terikat
total aset secara signifikan.
Berdasarkan hasil estimasi yang diperoleh nilai F-statistik sebesar
disimpulkan Ho ditolak dan Ha diterima yang berarti secara bersama-sama
variabel bebas dan variabel kontrol (CAR, Interest Spread, Aset Growth dan
PDRB) yang digunakan dalam model persamaan mempengaruhi variabel terikat
total aset secara signifikan pada tingkat kepercayaan 95 persen.
4.3.3.3Hasil Koefisien Determinasi Hipotesis 1
Hasil koefisien determinasi (R2) pada intinya mengukur seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen secara statistik.
Berdasarkan hasil estimasi yang diperoleh dengan menggunakan program eviews
7, dihasilkan nilai Koefisien Determinasi (R-Squared) sebesar 0.187753 yang
berarti secara keseluruhan variabel bebas dan variabel kontrol (CAR, Interest
Spread, Aset Growth dan PDRB) mampu menjelaskan variabel dependen (total aset) sebesar 18.7753% dan sisanya 81.2247% dijelaskan oleh variabel lain yang
tidak dimasukkan dalam model persamaan dalam penelitian tersebut.
4.4 Pengujian Hipotesis 2 4.4.1 Hasil Uji Chow Hipotesis 2
Uji ini dilakukan untuk menentukan apakah model Common Effect lebih
baik daripada model Fixed Efffect. Hasil pengujian dapat dilihat pada tabel
berikut:
Tabel 4.4.1 Uji Chow pada variabel Kredit
Redundant Fixed Effects Tests dengan variabel CAR sebagai variabel bebasnya
Effects Test Statistic d.f. Prob. Cross-section F 2.279227 (14,101) 0.0095
Cross-section Chi-square 32.945459 14 0.0029
Berdasarkan uji Chow pada variabel terikat kredit menggunakan variabel
bebas Capital Ratio yang diukur dengan CAR ditunjukkan bahwa nilai
probabilitas Cross-Section F dan Chi-Square sebesar 0.0095 dan 0.0029. Hasil uji
ini menunjukkan bahwa nilai probabilitasnya lebih kecil dari alpha 0.05 sehingga
hipotesis nol ditolak dan dapat disimpulkan bahwa metode terbaik untuk variabel
terikat kredit adalah model Fixed Effect.
4.4.2 Hasil Uji Hausman Hipotesis 2
Uji Hausman dilakukan karena uji Chow menunjukkan bahwa metode
terbaik yang digunakan dalam penelitian adalah model Fixed Effect. Uji Hausman
digunakan untuk menentukan model Random Effect atau Fixed Effect yang paling
tepat digunakan untuk mengestimasi model data panel. Hasil pengujian dapat
dilihat pada tabel berikut:
Tabel 4.4.2 Uji Hausman pada variabel Kredit
Correlated Random Effects - Hausman Test dengan variabel CAR sebagai variabel bebasnya
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-Section Random 5.158528 4 0.2714
Sumber: Hasil Olahan Data Eviews, Lampiran 2
Output uji Hausman pada variabel kredit sebagai variabel terikat
menggunakan variabel bebas Capital Ratio yang diukur dengan CAR
menunjukkan bahwa nilai probabilitas Cross-Section Random 0.2714. Hasil ini
menunjukkan bahwa nilai probabilitas dari Cross-Section Random lebih besar dari
untuk mengestimasi model data panel pada variabel terikat kredit dalam penelitian
adalah Random Effect.
4.4.3 Hasil Estimasi Regresi Hipotesis 2
Tabel 4.4.3 Koevisien pada Variabel Terikat Kredit Variabel
Coefficient Std. Error t-Statistic Prob. Keterangan
C 43.29709 7.839204 5.523149 0.0000 Pengaruh Signifikan
CAR -0.850827 0.270875 -3.141039 0.0022 Pengaruh Signifikan
Interest Spread 4.616296 0.728814 6.333985 0.0000 Pengaruh Signifikan
Aset Growth 0.280637 0.097939 2.865427 0.0051 Pengaruh Signifikan
PDRB 0.013820 0.021300 0.648845 0.5179 Tidak Berpengaruh
R-Squared 0.566841
N 120
n bank 15
F-statistic 7.342830
Prob (F-stat) 0.000000
Sumber: Hasil Olahan Data Eviews, Lampiran 2
Berdasarkan hasil regresi data panel di atas dengan menggunakan program
Eviews 7 interpretasi dari hasil estimasi yang diperoleh adalah sebagai berikut:
a. Constanta
Berdasarkan hasil estimasi diketahui koefisien konstanta sebesar
43.29709. Hal ini berarti apabila variabel bebas bernilai konstan maka kredit akan
meningkat sebesar 43.29709, ceteris paribus. Signifikansi yang diperoleh sebesar
b. CAR
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel CAR menunjukkan -0.850827 memiliki pengaruh negatif terhadap kredit.
Hal ini berarti apabila nilai CAR bank mengalami peningkatan sebesar 100 satuan
maka akan mendorong terjadinya penurunan nilai kredit bank sebesar 85.0827
satuan, ceteris paribus.
c. Interest Spread
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel interest spread menunjukkan 4.616296 memiliki pengaruh positif
terhadap kredit. Hal ini berarti apabila nilai interest spread bank mengalami
peningkatan sebesar 100 satuan maka akan mendorong terjadinya peningkatan
nilai kredit bank sebesar 461.6296 satuan, ceteris paribus.
d. Asset growth
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel asset growth menunjukkan 0.280637 memiliki pengaruh positif terhadap
kredit. Hal ini berarti apabila nilai aset growth bank mengalami peningkatan
sebesar 100 satuan maka akan mendorong terjadinya peningkatan nilai kredit bank
sebesar 28.0637 satuan, ceteris paribus.
e. PDRB
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel PDRB menunjukkan 0.013820 memiliki pengaruh positif terhadap kredit.
satuan maka akan mendorong terjadinya peningkatan nilai kredit bank sebesar
1.3820 satuan, ceteris paribus.
4.4.4 Uji Signifikansi Hipotesis 2
4.4.4.1Hasil Uji Parsial (t-test) Hipotesis 2
Uji ini dilakukan untuk menentukan apakah koefisien regresi variabel
bebas secara parsial berpengaruh signifikan terhadap variabel terikat kredit,
dengan menganggap variabel bebas lain adalah konstan.
1. CAR
Berdasarkan hasil estimasi yang dilakukan diperoleh nilai t-statistik untuk
variabel CAR sebagai variabel yang mengukur rasio modal yang dimiliki bank
sebesar -0.850827 dengan nilai probability 0.0022. Dengan demikian dapat
disimpulkan bahwa nilai probability t-stat variabel CAR lebih kecil dari �
sehingga Ho ditolak yang berarti baik variabel CAR berpengaruh signifikan
terhadap nilai kredit dalam penelitian pada tingkat kepercayaan 95 persen.
2. Variabel Kontrol
a. Interest Spread
Berdasarkan hasil estimasi yang dilakukan diperoleh nilai t-statistik untuk
variabel kontrol Interest Spread sebesar 4.616296 dengan nilai probability
0.0000. Dengan demikian dapat disimpulkan bahwa nilai probability t-stat
variabel kontrol Interest Spread lebih kecil dari � sehingga Ho ditolak yang
berarti variabel kontrol Interest Spread berpengaruh signifikan terhadap nilai
b. Aset Growth
Berdasarkan hasil estimasi yang dilakukan diperoleh nilai t-statistik untuk
variabel kontrol Aset Growth sebesar 0.280637 nilai probability 0.0051.
Dengan demikian dapat disimpulkan bahwa nilai probability t-stat variabel
kontrol Aset Growth lebih kecil dari � sehingga Ho ditolak yang berarti
variabel kontrol Aset Growth berpengaruh signifikan terhadap nilai kredit
bank-bank dalam penelitian pada tingkat kepercayaan 95 persen.
c. PDRB
Berdasarkan hasil estimasi yang dilakukan diperoleh nilai t-statistik untuk
variabel kontrol PDRB sebesar 0.021300 dengan nilai probability 0.5179.
Dengan demikian dapat disimpulkan bahwa nilai probability t-stat variabel
kontrol PDRB lebih besar dari � sehingga Ha diterima yang berarti variabel
kontrol PDRB tidak berpengaruh signifikan terhadap nilai kredit pada
bank-bank dalam penelitian pada tingkat kepercayaan 95 persen.
4.4.4.2Hasil Uji F-Statistik Hipotesis 2
Uji F bertujuan untuk menguji apakah secara simultan atau bersamaan
seluruh variabel bebas yang digunakan mampu mempengaruhi variabel terikat
kredit secara signifikan.
Berdasarkan hasil estimasi yang diperoleh nilai F-statistik sebesar
7.342830 dengan nilai probability sebesar 0.000000. Dengan demikian dapat
disimpulkan bahwa nilai probability F-stat 0.000000<0.05, maka dapat
PDRB) yang digunakan dalam model persamaan mempengaruhi variabel terikat
kredit secara signifikan pada tingkat kepercayaan 95 persen.
4.4.4.3Hasil Koefisien Determinasi Hipotesis 2
Berdasarkan hasil estimasi yang diperoleh dengan menggunakan program
eviews 7, dihasilkan nilai Koefisien Determinasi (R-Squared) sebesar 0.566841
yang berarti secara keseluruhan variabel bebas dan variabel kontrol (CAR,
Interest Spread, Aset Growth dan PDRB) yang ada dalam persamaan hanya
mampu menjelaskan pengaruhnya terhadap variabel terikat (kredit) sebesar
56.6841% dan sisanya 43.3159% dijelaskan oleh variabel lain yang tidak
dimasukkan dalam model persamaan dalam penelitian tersebut.
4.5 Pengujian Hipotesis 3 4.5.1 Hasil Uji Chow Hipotesis 3
Tabel 4.5.1 Uji Chow pada variabel Obligasi Pemerintah Redundant Fixed Effects Test dengan variabel CAR sebagai variabel
bebasnya
Sumber: Hasil Olahan Data Eviews, Lampiran 2
Berdasarkan uji Chow pada variabel terikat obligasi pemerintah
menggunakan variabel bebas Capital Ratio yang diukur dengan CAR ditunjukkan
bahwa nilai probabilitas CrossSection F dan Chi-Square sebesar 0.0476 dan
0.0204. Hasil uji ini menunjukkan bahwa nilai probabilitasnya lebih kecil dari
Effects Test Statistic d.f. Prob.
Cross-section F 1.805851 (14,101) 0.0476
alpha 0.05 sehingga hipotesis nol ditolak dan dapat disimpulkan bahwa metode
terbaik untuk variabel terikat obligasi pemerintah adalah model Fixed Effect.
4.5.2 Hasil Uji Hausman Hipotesis 3
Uji Hausman dilakukan karena uji Chow menunjukkan bahwa metode
terbaik yang digunakan dalam penelitian adalah model Fixed Effect. Uji Hausman
digunakan untuk menentukan model Random Effect atau Fixed Effect yang paling
tepat digunakan untuk mengestimasi model data panel. Hasil pengujian dapat
dilihat pada tabel berikut:
Tabel 4.5.2 Uji Hausman pada variabel Obligasi Pemerintah
Correlated Random Effects - Hausman Test dengan variabel CAR sebagai variabel bebasnya
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-Section Random 6.712375 4 0.1519
Sumber: Hasil Olahan Data Eviews, Lampiran 2
Output uji Hausman pada variabel obligasi pemerintah sebagai variabel
terikat menggunakan variabel bebas Capital Ratio yang diukur dengan CAR
menunjukkan bahwa nilai probabilitas Cross-Section Random 0.1519 yang berarti
tidak signifikan dengan tingkat signifikansi 95% (α = 5%) dan menggunakan
distribusi Chi Square. Sehingga keputusan yang diambil pada pengujian Hausman
Test ini yaitu Ho diterima (p-value > 0.05 ) dengan hipotesis :
Ho : metode random effect
Ha : metode fixed effect
Berdasarkan hasil pengujian Hausman Test, maka metode pilihan yang
4.5.3 Hasil Estimasi Regresi Hipotesis 3
Tabel 4.5.3 Koevisien pada Variabel Terikat Obligasi Pemerintah Variabel Coefficient Std. Error t-Statistic Prob. Keterangan
C 3.324434 4.123136 0.806288 0.4220 Tidak Berpengaruh
CAR 0.208986 0.142470 1.466879 0.1455 Tidak Berpengaruh
Interest
Spread -0.545743 0.383330 -1.423692 0.1576 Tidak Berpengaruh
Aset Growth 0.080364 0.051512 1.560086 0.1219 Tidak Berpengaruh
PDRB -0.001192 0.011203 -0.106390 0.9155 Tidak Berpengaruh
R-Squared 0.282015
N 120
n bank 15
F-statistic 2.203971
Prob (F-stat) 0.007059
Sumber: Hasil Olahan Data Eviews, Lampiran 2
Berdasarkan hasil regresi data panel di atas dengan menggunakan program
Eviews 7 interpretasi dari hasil estimasi yang diperoleh adalah sebagai berikut:
a. Constanta
Berdasarkan hasil estimasi diketahui koefisien konstanta sebesar
3.324434. Hal ini berarti apabila variabel bebas bernilai konstan maka total aset
akan menurun sebesar 3.324434, ceteris paribus. Signifikansi yang diperoleh
sebesar 0.4220> 0.05, maka konstanta tidak berpengaruh terhadap obligasi
pemerintah.
b. CAR
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
pemerintah. Hal ini berarti apabila nilai CAR bank mengalami peningkatan
sebesar 100 satuan maka akan mendorong terjadinya peningkatan nilai obligasi
pemerintah bank sebesar 20.8986 satuan, ceteris paribus.
c. Interest Spread
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel interest spread menunjukkan -0.545743 memiliki pengaruh negatif
terhadap obligasi pemerintah. Hal ini berarti apabila nilai interest spread bank
mengalami peningkatan sebesar 100 satuan maka akan mendorong terjadinya
penurunan nilai obligasi pemerintah bank sebesar 54.5743 satuan, ceteris paribus.
d. Aset Growth
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel asset growth menunjukkan 0.080364 memiliki pengaruh positif terhadap
obligasi pemerintah. Hal ini berarti apabila nilai asset growth bank mengalami
peningkatan sebesar 100 satuan maka akan mendorong terjadinya peningkatan
nilai obligasi pemerintah bank sebesar 8.0364 satuan, ceteris paribus.
e. PDRB
Berdasarkan hasil estimasi yang diperoleh diketahui bahwa nilai koefisien
variabel PDRB menunjukkan -0.001192 memiliki pengaruh negatif terhadap
obligasi pemerintah. Hal ini berarti apabila nilai PDRB bank mengalami
peningkatan sebesar 100 satuan maka akan mendorong terjadinya penurunan nilai
4.5.4 Uji Signifikansi Hipotesis 3
4.5.4.1Hasil Uji Parsial (t-test) Hipotesis 3
Uji ini dilakukan untuk menentukan apakah koefisien regresi variabel
bebas secara parsial berpengaruh signifikan terhadap variabel terikat obligasi
pemerintah, dengan menganggap variabel bebas lain adalah konstan.
1. CAR
Berdasarkan hasil estimasi yang dilakukan diperoleh nilai t-statistik untuk
variabel CAR sebagai variabel yang mengukur rasio modal yang dimiliki bank
sebesar 0.208986 dengan nilai probability 0.1455. Dengan demikian dapat
disimpulkan bahwa nilai probability t-stat variabel CAR lebih besar dari α
sehingga Ho diterima yang berarti variabel CAR tidak berpengaruh signifikan
terhadap nilai obligasi pemerintah dalam penelitian pada tingkat kepercayaan 95
persen.
2. Variabel Kontrol
a. Interest Spread
Berdasarkan hasil estimasi yang dilakukan diperoleh nilai t-statistik untuk
variabel kontrol Interest Spread sebesar -0.545743 dengan nilai probability
0.1576. Dengan demikian dapat disimpulkan bahwa nilai probability t-stat
variabel kontrol Interest Spread lebih besar dari α sehingga Ho diterima yang
berarti variabel kontrol Interest Spread tidak berpengaruh signifikan terhadap
nilai obligasi pemerintah bank-bank dalam penelitian pada tingkat kepercayaan 95
persen.