Waktu penelitian dimulaidari bulan September 2016 sampai dengan bulan Juli 2017, dengan bertempat diBursa Efek Indonesia (BEI).
B. Desain Penelitian
Dalam penelitian ini, penulis menggunakan penelitian kausal. Menurut Sugiyono (2014), metode kausal adalah hubungan yang bersifat sebab akibat. Jadi di sini ada variabel independen (variabel yang mempengaruhi) dan dependen (dipengaruhi).
Ruang lingkup penelitian ini terfokus pada dana pihak ketiga (DPK),
capital adequacy ratio (CAR), non performing loan (NPL), dan loan to deposit ratio (LDR) terhadap penyaluran kredit industri perbankan go public dengan
kriteria indeks infobank 15 yang mencantumkan laporan keuangan di BEI selama 5 tahun yakni 2011–2015. Data yang diambil merupakan data pertahun dan jenis data yang digunakan dalam penelitian ini adalah data sekunder.
C. Definisi dan Operasionalisasi Variabel
Variabel penelitian ditentukan oleh peneliti untuk dipelajari, sehingga diperoleh informasi yang akan diteliti kemudian dapat ditarik kesimpulan dari hasil penelitian tersebut. Variabel dependen (variabel terikat) pada penelitian ini adalah Penyaluran kredit industri perbankan go public yang terdaftar di BEI
Periode 2011–2015. Sedangkan variabel independen (variabel bebas) yang digunakan dalam penelitian ini adalah dana pihak ketiga (DPK), capital adequacy
ratio (CAR), non performing loan (NPL), dan loan to deposit ratio (LDR).
Definisi operasional dari masing-masing variabel ini adalah sebagai berikut : 1. Variabel Dependen (Variabel terikat)
a) Penyaluran Kredit (Y)
Menurut Undang–Undang Nomor 10 tahun 1998 pasal 1, kredit adalah penyediaan uang atau tagihan yang dapat dipersamakan dengan itu, berdasarkan persetujuan atau kesepakatan pinjam–meminjam antara bank dengan pihak lain yang mewajibkan pihak peminjam untuk melunasi utangnya setelah jangka waktu tertentu dengan pemberian bunga. Kegiatan menyalurkan kredit mengandung risiko yang dapat mempengaruhi kesehatan dan kelangsungan usaha bank.
2. Variabel Independen (Variabel bebas) a) Capital Adequacy Ratio (CAR)
Capital adequacy ratio (CAR) merupakan rasio yang mengukur kecukupan
modal terhadap risiko dari aktiva bank. Dendawijaya (2009) mengemukakan bahwa “capital adequacy ratio merupakan rasio yang memperlihatkan seberapa
jauh seluruh aktiva bank yang mengandung risiko (kredit penyertaan, surat berharga, tagihan pada bank lain) untuk dibiayai dari dana modal bank sendiri, disamping memperoleh dana–dana dari sumber-sumber di luar, seperti dana masyarakat, pinjaman (utang) dan lain-lain.”
Peraturan dari Bank Indonesia No. 13/26/PBI/2011 menjelaskan “bank wajib menyediakan modal minimum sebesar 12% (dua belas persen) dari asset tertimbang menurut risiko (ATMR).” Semakin tinggi CAR maka semakin besar
pula sumber daya finansial yang dapat digunakan untuk mengantisipasi potensi kerugian yang diakibatkan oleh penyaluran kredit. Secara singkat dapat dikatakan besarnya nilai CAR menunjukkan kemampuan bank dalam menganggung atau
mengantisipasi kerugian dari risiko penyaluran kredit. Perhitungan CAR sesuai
dengan rumus nomor (1) pada BAB2 halaman 41. b) Non Performing Loan (NPL)
Menurut Siamat (2010) “non performing loan atau sering disebut kredit
bermasalah dapat diartikan sebagai pinjaman yang mengalami kesulitan pelunasan akibat adanya faktor kesengajaan dan atau karena faktor eksternal di luar kemampuan kendali debitur seperti kondisi ekonomi yang buruk.” Apabila semakin tinggi rasio ini, maka semakin buruk kualitas kredit bank karena semakin banyak pula jumlah kredit yang bermasalah.
Menurut Ismail (2010) bank melakukan penggolongan kredit menjadi dua, yaitu kredit tidak bermasalah (performing) dan kredit bermasalah (non performing). Kredit tidak bermasalah terdiri dari kredit dengan kualitas lancar dan
dalam perhatian khusus. Sedangkan kredit bermasalah terdiri dari kredit kurang lancar, diragukan dan macet.Tingginya NPL juga akan menimbulkan rasa
keengganan bank dalam menyalurkan kredit, karena modal inti bank harus digunakan untuk membuat penyisihan penghapusan aktiva produktif yang besar sehingga dapat mengurangi jumlah kredit yang disalurkan.Perhitungan NPL
c) Loan to Deposit Ratio (LDR)
Menurut Dendawijaya (2009) loan to deposit ratio (LDR) adalah rasio
antara seluruh jumlah kredit yang diberikan bank dengan dana yang diterima oleh bank. LDR menyatakan seberapa jauh kemampuan bank dalam membayar
kembali penarikan dana yang dilakukan deposan dengan mengandalkan kredit yang diberikan sebagai sumber likuiditasnya. Dengan kata lain, seberapa jauh pemberian kredit kepada nasabah kredit dapat mengimbangi kewajiban bank untuk segera memenuhi permintaan deposan yang ingin menarik kembali uangnya yang telah digunakan oleh bank untuk memberikan kredit.
Semakin tinggi rasio tersebut memberikan indikasi semakin rendahnya kemampuan likuiditas bank yang bersangkutan. Hal ini di sebabkan jumlah dana yang diperlukan untuk membiayai kredit menjadi semakin besar. Perhitungan
LDR sesuai dengan rumus nomor (3) pada BAB 2 halaman 42.
d) Dana Pihak Ketiga (DPK)
Dana Pihak Ketiga (DPK) merupakan sumber dana bank yang berasal dari masyarakat sebagai nasabah dalam bentuk simpanan giro, tabungan dan deposito. Berdasarkan UU No. 10 tahun 1998, dapat dikatakan bahwa besarnya penyaluran kredit bergantung kepada besarnya dana pihak ketiga yang dapat dihimpun oleh perbankan. Dana pihak ketiga terdiri dari demand deposit (giro), saving deposit
(tabungan) dan time deposit (deposito). Perhitungan DPK sesuai dengan rumus
Berikut ini adalah rangkuman operasional variabel yang akan digunakan dalam penelitian seperti digambarkan pada tabel di bawah ini
TABEL 3.1
OPERASIONAL VARIABEL CAR
Variabel Cara Perhitungan Skala Pengukuran
Capital Adequacy Rasio
Ratio (CAR) CAR =
Sumber: Kasmir (2015)
TABEL 3.2
OPERASIONAL VARIABEL NPL
Variabel Cara Perhitungan Skala Pengukuran
Non Performing Rasio
Loan (NPL) NPL =
Sumber: Siamat (2010)
TABEL 3.3
OPERASIONAL VARIABEL LDR
Variabel Cara Perhitungan Skala Pengukuran
Loan to Deposit Rasio
Ratio (LDR) LDR =
TABEL 3.4
OPERASIONAL VARIABEL DPK
Variabel Cara Perhitungan Skala Pengukuran
Dana Pihak Ketiga Rasio
(DPK) DPK=giro+tabungan+deposito
Sumber: Dendawijaya (2009)
D. Populasi dan Sampel Penelitian 1. Populasi
Sugiyono (2012) mengemukakan bahwa populasi adalah wilayah generalisasi yang terdiri atas: objek/subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Populasi dalam penelitian ini adalah industri perbankan dengan kriteria indeks infobank 15 yang terdapat 15 bank. Dengan periode penelitian selama 5 tahun yaitu sejak tahun 2011–2015.
2. Sampel
Menurut Sugiyono (2012) sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut. Penentuan sampel dilakukan menggunakan metode purposive sampling yaitu metode pengambilan sampel
berdasarkan kriteria terntentu.
Adapun kriteria-kriteria yang digunakan untuk memilih sampel yaitu sesuai tabel di bawah ini:
TABEL 3.5
PROSEDUR PEMILIHAN SAMPEL
Keterangan Jumlah
Industri perbankan yang terdaftar di Bursa Efek Indonesia (BEI) 15 tahun 2011-2015
Industri perbankan yang tidak memiliki laporan keuangan 1 2011 dan 2012
Jumlah industri perbankan yang digunakan sebagai sampel 14
Berdasarkan kriteria-kriteria tersebut penulis dapat menghasilkan sampel dari industri perbankan yang terdaftar di Bursa Efek Indonesia sebanyak 14 bank periode 2011-2015. Seperti yang ditampilkan pada tabel 3.6 berikut ini:
TABEL 3.6
SAMPEL PENELITIAN
No. Kode Nama Saham Keterangan
1 BBCA Bank Central Asia Tbk. Tetap
2 BBNI Bank Negara Indonesia (Persero) Tbk. Tetap 3 BBRI Bank Rakyat Indonesia (Persero) Tbk. Tetap 4 BMRI Bank Mandiri (Persero) Tbk. Tetap 5 BDMN Bank Danamon Indonesia (Persero) Tbk. Tetap 6 BBTN Bank Tabungan Negara (Persero) Tbk. Tetap 7 BJBR Bank Pembangunan Daerah Jawa Barat Tetap
dan Banten Tbk.
8 BJTM Bank Pembangunan Daerah Jawa timur Tbk. Tetap
9 BNLI Bank Permata Tbk. Tetap
10 BTPN Bank Tabungan Pensiunan Nasional Tbk. Tetap 11 BVIC Bank Victoria International Tbk. Baru 12 INPC Bank Artha Graha International Tbk. Baru
13 NISP Bank OCBC NISP Tbk. Baru
14 PNBN Bank Pan Indonesia Tbk. Tetap
E. Teknik pengumpulan data
Teknik pengumpulan data merupakan langkah yang paling utama dalam penelitian, karena tujuan utama dari penelitian adalah mendapatkan data. Data yang dikumpulkan dalam penelitian ini adalah data sekunder. Menurut Sugiyono (2012),data sekunder merupakan sumber yang tidak langsung memberikan data kepada pengumpul data misalnya lewat dokumen atau orang lain. Dilihat dari jenis data tersebut, maka data sekunder diperoleh melalui artikel, jurnal, dan penelitian-penelitian sebelumnya. Penelitian ini menggunakan data yang diperoleh dari laporan keuangan tahunan perbankan periode 2011-2015 yang dipublikasikan dalam website (www.idx.co.id). Jenis
data yang digunakan dalam penelitian ini adalah data panel (pool data) yang
merupakan gabungan antara data runtut waktu (time series) dan data silang
(cross section). Menurut Winarno (2015) data cross section merupakan data
yang terdiri atas beberapa objek pada suatu waktu, sedangkan data time series
merupakan data yang terdiri atas satu objek namun meliputi beberapa periode waktu.
F. Metode Analisis 1. AnalisisDeskriptif
Menurut Sugiyono (2012) metode analisis deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi.
Analisis deskriptif bertujuan untuk mengetahui karakteristik setiap variabel pada sampel penelitian melalui analisis statistika deskriptif.
Penelitian ini menganalisis bagaimana pengaruh rasio kesehatan perbankan yang meliputi capital adequacy ratio (CAR), non performing loan
(NPL), loan to deposit ratio (LDR) dan dana pihak ketiga (DPK) terhadap
penyaluran kredit. Penelitian ini menggunakan metode analisis regresi data panel dengan menggunakan program komputer (software) Ms.Excel dan Eviews 9.0
Dari definisi di atas dapat disimpulkan bahwa statistik deskriptif data mendeskripsikan data menjadi sebuah informasi yang lebih jelas dan mudah dipahami.
2. Uji Kelayakan Data
Untuk menguji kelayakan data dapat dilakukan uji stasioneritas. Uji stasioneritas dilakukan untuk melihat apakah data yang stasioner atau tidak. Data yang stasioner merupakan data yang bersifat flat, tidak mengandung
komponen trend, dengan keragaman yang konstan serta tidak terdapat
fluktuasi periodik.
Data time series merupakan sekumpulan nilai suatu variabel yang
diambil pada waktu yang berbeda. Untuk menguji apakah data bersifat stasioner atau tidak, maka dalam penelitian ini digunakan uji augmented dickey-fuller unit root test (ADF-unit root test).
Kriteria pengujian adalah sebagai berikut: H0: data bersifat stasioner
Ha: data bersifat tidak stasioner
Nilai t statistic lebih darinilai kritis uji pada tabel. Pada beberapa tingkat
kepercayaan (1%, 5%, dan 10%) atau nilai probability lebih kecil dari tingkat
signifikansi (0,05), maka H0 diterima. 3. Uji Asumsi Klasik
a. Uji Normalitas
Menurut Ghozali (2013) uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel pengganggu dan residual memiliki distribusi normal atau tidak. Model regresi yang baik memiliki distribusi data normal atau mendekati normal. Winarno (2015) mengemukakan bahwa sebenarnya normalitas data dapat dilihat dari gambar histogram, namun seringkali polanya tidak mengikuti bentuk kurva normal, sehingga sulit disimpulkan. Dalam penelitian ini uji normalitas dengan melihat Jarque-bera dan probabilitasnya.
Kedua angka ini bersifat saling mendukung.
Bila nilai J-B tidak signifikan (lebih kecil dari 2), maka data berdistribusi normal.
Bila probabilitas lebih besar dari 5% maka data berdistribusi normal.
b. Uji Autokorelasi
Menurut Ghozali (2013) uji autokorelasi bertujuan menguji apakah dalam model regresi ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi autokorelasi maka dinamakan ada problem autokorelasi. Model regresi yang
baik adalah regresi yang bebas dari autokorelasi. Adapun salah satu cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan menggunakan metode durbin-watson test (DW test). Dengan
ketentuan sebagai berikut:
TABEL 3.7 TEST DURBIN WATSON
Hipotesis Nul Keputusan Jika
Tidak ada autokorelasi
positif Tolak 0 < d < dl
Tidak ada autokorelasi
positif Tidak ada keputusan dl ≤ d ≤ du Tidak ada korelasi negatif Tolak 4-dl < d < 4 Tidak ada korelasi negatif Tidak ada keputusan 4-dl ≤ d ≤ 4 Tidak ada autokoreasi positif
dan negatif Tidak ditolak Du < d < 4-du Sumber: Ghazali (2015)
c. Uji Multikolinieritas
Menurut Ghozali (2013) uji multikoliniearitas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Untuk mendeteksi ada atau tidaknya multikolinearitas didalam model regresi dapat dilakukan dengan melihat (1) nilai tolerance dan lawannya (2) variance factor (VIF). Nilai cut off yang
umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai
d. Uji Heteroskedastisitas
Menurut Ghozali (2013) uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homokedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homokedastisitas atau tidak terjadi Heteroskedastisitas. Uji heteroskedastisitas dapat menggunakan cara antara lain: uji breusch pagan godfrey, harvey, glejser, ARCH dan white test. Dalam penelitian ini, metode
yang digunakan untuk mendeteksi heteroskedastisitas dengan metode uji
breusch pagan godfrey. Dimana nilai prob. Chi-squarelebih dari 0,05 maka
tidak terjadi heteroskedastisitas. 4. Metode Estimasi Model Data panel
Jenis data yang digunakan dalam penelitian ini adalah data panel (pool data) yang merupakan gabungan antara data runtut waktu (time series) dan
data silang (cross section). Menurut Winarno (2015) data cross section
merupakan data yang terdiri atas beberapa obyek pada suatu waktu, sedangkan data time series merupakan data yang terdiri atas satu obyek namun meliputi
Permodelan menggunakan teknik regresi data panel dapat dilakukan dengan tiga pendekatan alternatif, yaitu: metode common effect (pooled least square),
metode fixed effect (FE), dan metode random effect (RE).
a. Common Effect (pooled least square)
Metode Common Effect adalah metode yang hanya menggabungkan
data tanpa melihat melihat perbedaan waktu dan individu. Teknik ini merupakan teknik yang paling sederhana untuk mengestimasi parameter model data panel, yaitu dengan data cross section dan time series sebagai satu
kesatuan tanpa melihat adanya perbedaan waktu dan entitas (individu). Dimana pendekatan yang sering dipakai adalah metode ordinary least square
(OLS). Model common effect mengabaikan adanya perbedaan dimensi
individu maupun waktu atau dengan kata lain perilaku data antar individu sama dalam berbagai kurun waktu.
Winarno (2015) mengemukakan bahwa pada data pool juga dapat dilakukan analisis regresi, bahkan dengan variasi yang lebih banyak. Dengan data pool, dapat menjalankan analisis regresidengan kemungkinan berikut ini:
Dengan satu variabel dependen, dan beberapa variabel independen dan melihat semua data
Sama dengan item (a), tetapi hanya satu perusahaan saja Sama dengan item (a), tetapi hanya meliputi waktu tertentu Berikut adalah model common effect:
Y = α + β1it+ β2 it+ β3 it+ β4 it+ β5 ti + e
Y = Penyaluran Kredit α = Konstanta
β1 = Capital Adequacy Ratio
β2 = Non Performing Loan
β3 = Loan to Deposit Ratio
β4 = Dana Pihak Ketiga i = Bank
t = Tahun e = error
b. Fixed Effect (efek tetap)
Winarno (2015) mengemukakan bahwa model regresi fixed effect (efek
tetap). Efek tetap maksudnya adalah bahwa satu objek, memiliki konstanta yang tetap besarnya untuk berbagai periode waktu. Demikian juga dengan koefisien regresinya, tetap besarnya dari waktu ke waktu (time invariant).
Untuk membedakan satu objek dengan objek lainnya, digunakan variabel semu (dummy). Oleh karena itu, model ini sering juga disebut dengan least square dummy variable dan disingkat LSDV. Persamaan model ini
adalah sebagai berikut:
Y = βoi + β1it + β2it + β3d1i + β4d2i + β5d3i + eti
Bahwa konstanta βoi sekarang diberi subskrip 0i, i menunjukkan objeknya. Dengan demikian masing-masing objek memiliki konstanta yang berbeda. Variabel semu d1i=1 untuk objek pertama, dan 0 untuk objek lainnya.
Variabel d2i=1 untuk objek kedua dan 0 untuk objek lainnya. Variabel semu d3i=1 untuk objek ketiga dan 0 untuk objek lainnya.
c. Random Effect (RE)
Menurut Winarno (2015) efek random digunakan untuk mengatasi
kelemahan metode efek tetap yang menggunakan variabel semu, sehingga model mengalami ketidakpastian. Tanpa menggunakan variabel semu, metode efek random menggunakan residual, yang diduga memiliki hubungan antarwaktu dan antarobjek.
Persamaan yang digunakan dalam model ini diasumsikan bersifat
random, sehingga persamaanya adalah:
β0 = β0 + ui , i=1,………,n
untuk menganalisis dengan metode efek random ini ada satu syarat, yaitu objek data silang harus lebih besar daripada banyaknya koefisien.
5. Tahap Pemilihan Regresi Data Panel a. Uji Chow
Chow test digunakan untuk menentukan apakah model regresi dengan
metode common effect atau dengan metode fixed effect, apabila dari hasil uji
tersebut ditentukan bahwa metode common effect yang digunakan, maka
tidak perlu diuji kembali dengan uji Hausman. Pengujian yang dilakukan
dengan chow test atau likelihood ratio test, dengan asumsi yaitu:
H0 = model mengikuti common effect
b. Uji Hausman
Hausman test adalah pengujian statistik untuk memilih apakah model fixed effect atau random effect yang paling tepat digunakan apabila dari hasil
uji chow tersebut ditentukan bahwa metode fixed effect yang digunakan untuk
mengestimasi regresi linier.
Pengujian yang dilakukan menggunakan hausman test dengan asumsi
sebagai berikut:
H0 = model mengikuti random effect
Ha= model mengikuti fixed effect
Pengujian chow test dan hausman test adalah untuk mengetahui apakah
model regresi yang digunakan layak (fit) untuk melakukan pengujian
hipotesis dalam penelitian ini. Pengujian ini dilakukan dengan alat bantu
eviews 9. Kriteria pengujiannya adalah sebagai berikut:
1) H0 diterima dan Haditolak apabila valuekurang dari 0.05 atau bila nilai
signifikansi lebih dari nilai α 0,05 berarti model regresi dalam penelitian ini tidak layak (fit) untuk digunakan dalam penelitian.
2) H0 ditolak dan Haditerima apabila value kurang dari 0.05 atau bila nilai
signifikansi kurang dari nilai α 0,05 berarti model regresi dalam penelitian ini layak (fit) untuk digunakan dalam penelitian.
6. Pengujian Hipotesis
Untuk melakukan pengujian terhadap hipotesis-hipotesis yang diajukan, perlu digunakan analisis regresi melalui uji t. Tujuan digunakan analisis regresi adalah untuk meramalkan bagaimana keadaan (naik turunnya) variabel dependen.
Jika dua atau lebih variabel sebagai faktor prediktor dimanipulasinya. Metode pengujian terhadap hipotesa yang diajukan dilakukan dengan pengujian secara parsial. Langkah-langkah untuk menguji hipotesis-hipotesis yang diajukan didalam penelitian ini adalah sebagai berikut:
a. Uji t
Ghazali (2013) mengemukakan bahwa uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen. Cara melakukan uji t adalah sebagai berikut:
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 bawa suatu variabel independen secara individual mempengaruhi variabel dependen.
b. Koefisien Determinasi (R2)
Menurut Ghozali (2013) koefisien determinasi (R2) pada intinya mengukur
seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti
dependen amat terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutukan untuk memprediksi variasi variabel dependen. Nilai adjusted R2 dapat bernilai negatif,
walaupun yang dikehendak harus bernilai positif. Jika dalam uji empiris didapat niali adjusted R2 negatif, maka nilai adjusted R2 dianggap bernilai nol. Secara
matematis jika nilai R2 = 1 , maka Adjusted R2 = R2 = 1 sedangkan jika nilai R2 = 0, maka adjusted R2 = (1-k) / (n-k). Jika k > 1, maka adjusted R2 akan bernilai negatif.
