49 4.1 Profil Lembaga Pembiayaan
Menurut Otoritas Jasa Keuangan (OJK) Lembaga Pembiayaan adalah badan usaha yang melakukan kegiatan pembiayaan dalam bentuk penyediaan dana atau barang modal meliputi perusahaan pembiayaan, perusahaan modal ventura, dan perusahaan pembiayaan infrastruktur. Lembaga pembiayaan terdiri dari 246 perusahaan yaitu 183 perusahaan pembiayaan, 61 perusahaan modal ventura konvensional dan 2 perusahaan pembiayaan infrastruktur. Lembaga pembiayaan memiliki keseluruhan total asset sebesar Rp. 603,553 Miliar, total liabilitas sebesar Rp, 432,059 Miliar dan total ekuitas sebesar Rp.171,494 Miliar (Laporan Statitistik Lembaga Pembiayaan, Juli 2019)
4.2 Jenis dan Metode Penelitian
Penelitian ini dilakukan dengan rancangan penelitian terapan (applied research) dengan menggunakan pendekatan kluantitatif. Penelitian terapan adalah penelitian yang hasil penemuannya digunakan untuk memecahkan masalah dalam organisasi (Sugiyono, 2017). Metode kuantitatif dapat diartikan sebagai metode penelitian yang berdasarkan pada filsafat positivism, digunakan untuk meneliti pada populasi atau sampel tertentu, pengumpulan data menggunakan instrument penelitian, analisis data bersifat kuantitatif atau statistik dengan tujuan untuk menggambarkan dan menguji hipotesis yang telah ditetapkan (Sugiyono, 2017). Pada penelitian ini, hasil penemuan akan digunakan untuk memecahkan masalah yang berdasarkan pada data penelitian berupa angka-angka dan analisis menggunakan statistik.
4.3 Data dan Sumber Data
Penelitian ini dilakukan untuk menganalisis hubungan dan pengaruh antara variabel inflasi, suku bunga, dan Return On Assets (ROA) terhadap Non Performing Financing (NPF) pada Lembaga Pembiayaan di Indonesia tahun 2015-2019.
4.3.1 Data
Data yang digunakan dalam penelitian ini adalah data kuantitatif atau data yang diukur dalam suatu skala numerik (angka) yang dapat dibedakan menjadi data interval dan data rasio (Kuncoro 2013: 145). Data yang digunakan pada penelitian ini keseluruhannya merupakan data runtut waktu (time series) dengan periode Januari 2015 hingga Juli 2019
4.3.2 Sumber Data
Dalam penelitian ini, sumber data yang digunakan berupa data sekunder. Data sekunder merupakan sumber yang tidak langsung memberikan data kepada pengumpul data, misalnya lewat orang lain atau lewat dokumen (Sugiyono, 2017:137). Data sekunder dari penelitian didapat dari situs www.ojk.go.id. Penentuan sampel dalam penelitian ini menggunakan teknik nonprobability sampling dengan menggunakan sampling jenuh yakni teknik penentuan sampel bila semua anggota populasi dijadikan sebagai sampel (Sugiyono 2017:85) karena memakai data statistik lembaga pembiayaan dari Otoritas Jasa Keuangan.
4.4 Metode Pengumpulan Data
Dalam penelitian proses pengumpulan data menggunakan beberapa macam metode, yaitu studi pustaka dan dokumentasi. berikut penjelasan mengenai metode pengumpulan data tersebut yaitu:
1. Studi Pustaka
Metode studi pustaka dilakukan untuk memperoleh data-data dan informasi dari berbagai sumber, seperti jurnal nasional maupun internasional, skripsi penelitian terdahulu dan buku yang relevan/berhubungan dengan topik dalam penelitian ini.
2. Dokumentasi
Dokumentasi dilakukan dengan menelaah dokumen-dokumen yang terdapat data- data dalam lembaga pembiayaan berupa laporan keuangan dan laporan kinerja perusahaan-perusahaan pembiayaan dalam OJK.
4.5 Instrumen Penelitian
Instrumen penelitian adalah suatu alat yang digunakan untuk mengukur fenomena alam maupun sosial yang diamati. Secara spesifik semua fenomena ini disebut variabel penelitian (Sugiyono, 2017). Berikut adalah tabel mengenai instrumen penelitian yang digunakan :
Tabel 4.2 Operasional Variabel
No. Variabel Konsep Indikator Skala
1.
Non
Performing Financing (NPF) (Y)
Non Performing Financing
(NPF) merupakan
pembiayaan yang
pembayarannya secara tepat waktu sangat diragukan (PSAK No 31 Revisi 2000)
x 100%
Rasio
2. BI Rate (X1)
BI Rate adalah suku bunga
kebijakan yang
mencerminkan suatu sikap
BI Rate berdasarkan ketetapan yang terdapat pada Bank
Indonesia
Rasio
atau stance kebijakan moneter yang ditetapkan oleh Bank Indonesia dan diumumkan secara publik.
(www.bi.go.id)
3. Inflasi (X2)
Inflasi merupakan meningkatnya harga-harga secara umum dan terus menerus. (www.bi.go.id)
Rasio
4.
Return On Assets (ROA) (X3)
ROA merupakan rasio yang digunakan untuk menunjukkan kemampuan perusahaan menghasilkan laba dengan menggunakan total aset yang dimiliki.
(Kasmir, 2016)
x 100% Rasio
4.6 Teknik Analisis Data
Dakam penelitian ini terdapat beberapa teknik analisis data yang dilakukan menggunakan Eviews 9 yaitu :
4.6.1 Analisis Deskriptif
Analisis deskriptif memberikan gambaran atau deskripsi suatu data yang dapat diukur dengan nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis, dan kemelencengan distribusi (skewness) (Ghozali, 2018). Dalam penelitian ini, peneliti akan mendeskripsikan kondisi BI Rate, inflasi, Return On Assets (ROA), dan Non Performing Financing (NPF) pada Lembaga Pembiayaan di Indonesia periode Januari 2015 hingga Juli 2019.
4.6.2 Uji Asumsi Klasik
Pengujian regresi linear berganda dapat dilakukan setelah model dari penelitian ini memenuhi syarat-syarat yaitu lulus dari uji asumsi klasik. Untuk itu, sebelum melakukan pengujian hipotesis dengan analisis regresi linear berganda, harus dilakukan ujis asumsi kelasik terlebih dahulu (Ghozali, 2013). Uji asumsi klasik dalam penelitian ini dgunakan untuk menguji kesalahan model regresi yang digunakan dalam penelitian. Uji asumsi klasik merupakan syarat yang harus dipenuhi agar persamaan regresi dapat dikatakan sebagai persamaan regresi yang baik, artinya persamaan regresi yang dihasilkan akan valid jika digunakan untuk memprediksi. Uji asumsi klasik tersebut biasanya sering digunakan pada persamaan reresi linear berganda. Uji asumsi klasik yang dimaksud adalah uji normalitas, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi.
4.6.2.1 Uji Normalitas
Menurut Sunyoto (2016) menjelaskan uji normalitas sebagai berikut:"Selain uji asumsi klasik multikolinieritas dan heteroskedastisitas, uji asumsi klasik yang lain adalah uji normalitas, di mana akan menguji data variabel bebas (X) dan data variabel terikat (Y) pada persamaan regresi yang dihasilkan. Berdistribusi normal atau berdistribusi tidak normal. Persamaan regresi dikatakan baik jika mempunyai data variabel bebas dan data variabel terikat berdistribusi mendekati normal atau normal sama sekali".
Uji normalitas digunakan untuk menguji apakan distribusi variabel terkait untuk setiap variabel bebas tertentu berdistribusi normal atau tidak dalam model regresi linear, asumsi ini ditunjukkan oleh nilai eror yang berdistribusi normal. Model regresi yang baik adalah model regresi yang memiliki distribusi normal atau mendekati normal, sehingga layak dilakukan pengujian secara statistik.
Uji normalitas data dilakukan dengan menggunakan Test Normality Kolmogorov-Smirnov, menurut Santosa (2012) dasar pengambilan keputusan dilakukan berdasarkan probabilitas (Asymtotic Significanted), yaitu:
1) Jika probabilitas > 0,05 maka distribusi dari model regresi adalah normal.
2) Jika probabilitas < 0,05 maka distribusidari model regresi adalah tidak normal.
4.6.2.2 Uji Multikolinearitas
Menurut Sunyoto (2016) menjelaskan uji multikolinearitas sebagai berikut:
"Uji asumsi klasik jenis ini diterapkan untuk analisis regresi berganda yang terdiri atas dua atau lebihvariabel bebas atau independen variabel (X1,2,3,...,n) di mana akan diukur keeratan hubungan antarvariabel bebas tersebut melalui besaran koefisien korelasi (r)".
Uji multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Indikator model regresi yang baik adalah tidak adanya korelasi di antara variabel independen (Ghozali, 2013). Jika variabel independen saling berkolerasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai kolerasi antar sesamavariabel independen sama dengan nol.
Menurut Ghozali (2013) menyatakan untuk mendeteksi ada atau tidaknya multikolinearitas di dalam model regresi adalah sebagai berikut:
1. “Jika R2 yang dihasilkan oleh suatu estimasi model regresi empiris sangat tinggi, tetapi secara individual variabel-variabel independen banyak yang tidak signifikan mempengaruhi variabel dependen.
2. Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi (umumnya diatas 0,90), maka hal ini mengindikasikan adanya multikolinearitas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolinearitas. Multikolinearitas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen.
3. Multikolinearitas juga dapat dilihat dari:
a. Tolerance valuedan lawanya
b. Variance Inflation Faktor (VIF). Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF tinggi (karena VIF=1/tolerance). Pengujian multikolinearitas dapat dilakukan sebagai berikut:
-
Tolerance value < 0,10 atau VIF > 10 : terjadi multikolinearitas.-
Tolerance value > 0,10 atau VIF < 10 : tidak terjadi multikolinearitas"4.6.2.3 Analisis Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lainnya. Jika nilai signifikansinya > 0,05 maka model regresi tidak terjadi heterokedastisitas (Ghozali, 2018:137) Ada beberapa metode untuk menguji heteroskedastisitas namun pada penelitian ini menggunakan uji Breush-Pagan Godfrey (BPG). Pada uji Breush-Pagan Godfrey (BPG) akan didapat nilai probability, jika besarnya nilai probability > nilai α (0.05) bisa dikatakan tidak terjadi heteroskedastisitas.
4.6.2.4 Analisis Autokorelasi
Uji Autokorelasi digunakan untuk menguji apakah dalam model regresi ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan pengganggu pada periode t-1 Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Model regresi yang baik adalah regresi yang bebas dari autokorelasi (Ghozali, 2018:111). Permasalahan autokorelasi hanya relevan digunakan jika data yang dipakai adalah time series.
Untuk mengetahui adanya autokorelasi dalam penelitian ini digunakan Uji Lagrane Multiplier (LM-test). Untuk menguji adanya autokorelasi dapat dilihat dari nilai probabilitasnya, apabila nilai probabilitas Chi-Square lebih dari 0.05 maka model regresi dapat dinyatakan tidak terjadi autokorelasi.
Tujuan menguji autokorelasi yaitu apakah dalam sebuah model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Model regresi yang baik adalah regresi yang bebas dari autokorelasi (Singgih Santoso, 2001). Pengujian untuk mendeteksi adanya autokorelasi dapat dilihat pada besaran Durbin Waston. Sebagai patokan (Wing Wahyu W, 2007) dapat digunakan gambar 4.1.
Gambar 4.1 Patokan Menentukan Autokorelasi dengan Uji Durbin-Waston
Tolak Ho berarti ada autokorelasi
positif
Tidak dapat diputuskan
Tidak menolak Ho berarti tidak ada
autokorelasi
Tidak dapat diputuskan
Tolak Ho berarti ada autokorelasi
negatif
0 dL dU 2 4-dU 4-dL 4
1,10 1,54 2,46 2,90
Nilai d (yang menggambarkan koefisien DW) akan berada pada kisaran 0 hingga 4. Koefisien Durbin Watson dapat dicari melalui Eviews.
Durbin-Waston Test dapat dihitung dengan rumus:
d=
N t
t t N t
t
t t
e e e
1 2
2
2
1
Dimana:
et adalah nilai residual pada persamaan regresi periode t et-1 adalah nilai residual pada persamaan regresi periode t-1
Berdasarkan uji Breusch-Godfrey atau disebut juga uji Lagrange- Multiplier bila Obs* R-square > α (0,05) maka tidak ada autokorelasi. Untuk menghilangkan autokorelasi dapat digunakan model AR (p) (autoregresif) pada program siap pakai Eviews .
4.6.3 Uji Koefisien Determinasi
Koefisien determinasi digunakan untuk mengukur sejauh mana kemampuan model dalam menerangkan variasi variabel dependen (Ghozali, 2018). Nilai koefisien determinasi memiliki interval antara 0 sampai dengan 1. Nilai koefisien determinasi yang mendekati angka 1 merupakan model regresi yang baik karena hampir semua variabel yang dipakai mampu menerangkan variasi variabel dependen yang digunakan.
4.6.4 Uji F
Uji F digunakan untuk menguji apakah terdapat pengaruh signifikan antara variabel independen secara bersama-sama terhadap variabel dependen dengan kelayakan model yang dihasilkan dengan menggunakan uji kelayakan model pada tingkat α sebesar 5%. Jika nilai signifikansi uji F < 0,05 maka model yang digunakan dalam penelitian layak dan dapat digunakan untuk analisis berikutnya, begitupun sebaliknya (Ghozali, 2018).
4.6.5 Uji t
Uji parsial atau uji t-test pada dasarnya untuk menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel independen penerimaan atau penolakan hipotesis dilakukan dengan kriteria sebagai berikut (Ghozali, 2018) :
1. Jika probabilitas < 0,05 maka variabel X secara parsial memiliki pengaruh signifikan terhadap variabel Y.
2. Jika probabilitas > 0,05 maka variabel X secara parsial tidak memiliki pengaruh signifikan terhadap variabel Y.
4.6.6 Pengujian Hipotesis
Pengujian hipotesis secara parsial :
H01 : BI Rate tidak berpengaruh signifikan terhadap Pembiayaan Bermasalah/
Non Performing Financing (NPF) pada Lembaga Pembiayaan.
H11 : BI Rate berpengaruh signifikan terhadap Pembiayaan Bermasalah/ Non Performing Financing (NPF) pada Lembaga Pembiayaan.
H02 : Inflasi tidak berpengaruh signifikan terhadap Pembiayaan Bermasalah/Non Performing Financing (NPF) pada Lembaga Pembiayaan.
H12 : Inflasi berpengaruh signifikan terhadap Pembiayaan Bermasalah/Non Performing Financing (NPF) pada Lembaga Pembiayaan.
H03 : Return On Assets (ROA) tidak berpengaruh signifikan terhadap Pembiayaan Bermasalah/Non Performing Financing (NPF) pada Lembaga Pembiayaan.
H13 : Return On Assets (ROA) berpengaruh signifikan terhadap Pembiayaan Bermasalah/Non Performing Financing (NPF) pada Lembaga Pembiayaan.
