Pengaruh CAR terhadap ROA - Kerangka Pemikiran

BAB II LandasanTeori

2.5 Kerangka Pemikiran

2.5.4 Pengaruh CAR terhadap ROA

Capital Adequacy Ratio (CAR) juga biasa disebut dengan rasiokecukupan modal, mengukur kecukupan modal yang dimiliki bank untukmenunjang aktiva yang mengandung resiko. Rasio kecukupan modal inimerupakan indikator terhadap kemampuan bank untuk menutupipenurunan aktivanya sebagai akibat dari kerugian-kerugian bank yangdisebabkan oleh aktiva yang beresiko (Dendawijaya, 2003). Sehingga bisa disimpulkan bahwa semakin tinggi CAR, maka semakin tinggi pula ROA. Hal ini sesuai dengan penelitian Mahardian (2008) yang menunjukkan bahwa CAR yang semakin meningkat berpengaruh pada ROA yang semakin meningkat pula.

Peraturan Bank Indonesia terkait dengan Capital Adequacy Ratio(CAR) menyatakan bahwa besarnya CAR minimum yang harus dipenuhibank sebesar 8%. Sehingga bank harus selalu menjaga rasio CAR agarselalu di atas 8%. Namun, CAR yang terlalu tinggi berarti bahwa terdapatdana yang menganggur (idle

fund). Sehingga, kesempatan bank untukmemperoleh laba akan menurun, akibatnya akan menurunkan profitabilitasbank. Menurut Mawardi (2005), tingginya CAR dapat disebabkan olehadanya penambahan modal dari pemilik yang berupa fresh money untukmengantisipasi perkembangan skala usaha yang berupa ekspansi kredit.Namun, pada kenyataannya sampai saat ini fungsi intermediasi bank masihbelum optimal, dimana dana pihak ketiga yang berupa simpanan danamasyarakat oleh Bank dibelikan Sertifikat Bank Indonesia dimana ATMRSBI adalah 0, dengan demikian ATMR Bank relatif kecil, sehinggaCapital Adequacy Ratio tetap besar. Akibatnya, dana yang menganggur(idle fund) juga akan semakin besar, sehingga profitabilitas bank yang diproksikan dengan Return On Asset (ROA) akan semakin menurun.

Berdasarkan uraian di atas maka dapat diperoleh hipotesis yaitu:

Hipotesis 4 : CAR berpengaruh terhadap ROA pada Bank Umum Syariah periode 2013 – 2015

Berdasarkan teori di atas maka dapat dibuatkerangka pemikiran teoritis yang ditunjukkan pada gambar 2.1 sebagaiberikut:

Gambar 2.1 Kerangka Pemikiran

2.2 Hipotesis

H1 : NPF berpengaruh terhadap ROA pada Bank Umum Syariah periode 2013 – 2015

H2 : FDR berpengaruhterhadap ROA pada Bank Umum Syariah periode 2013 – 2015

H3 : BOPO berpengaruh terhadap ROA pada Bank Umum Syariah periode 2013 – 2015

H4 : ROA berpengaruh terhadap ROA pada Bank Umum Syariah periode 2013 – 2015

NPF (X1)

FDR (X2) BOPO (X3)

CAR (X4)

ROA (Y)

BAB III

METODOLOGI PENELITIAN

3.1 Populasi dan sampel

Populasi adalah suatu himpunan unit (biasanya orang, obyek, transaksi atau kejadian) di mana kita tertarik untuk mempelajarinya (Kuncoro, 2004). Dalan penelitian ini menggunakan seluruh Bank Umum Syariah yang terdaftar dalam Bank Indonesia sejumlah 12 bank.

Tabel 3.1

Daftar Bank Umum Syariah di Indonesia

Sumber : Bank Indonesia (data diolah) No Bank Umum Syariah

1 Bank Syariah Mandiri 2 Bank Muamalat 3 Bank BNI Syariah 4 Bank BRI Syariah 5 Bank Mega Syariah 6 Bank BJB Syariah 7 Bank Panin Syariah 8 Bank Syariah Bukopin 9 Bank Victoria Syariah 10 BCA Syariah

11 Maybank Syariah

12 Bank Tabungan Pensiun Nasional Syariah

Dalam penelitian ini menggunakan beberapa sampel dari keseluruhan jumlah Bank Umum Syariah tersebut. Pemilihan sampel menggunakan metode purposive sampling berdasarkan kriteria sebagai berikut:

a. Perusahaan dalam satu sektor industri yaitu sektor perbankan dan jenis bank yang digunakan adalah Bank Umum Syariah.

b. Bank Umum Syariah menerbitkan laporan tahunan dengan periode tahun 2013-2015.

c. Memiliki data yang di butuhkan yaitu NPF, FDR, BOPO, CAR, dan ROA.

Berdasarkan kriteria di atas dapat di ambil sampel sejumlah 11 Bank Umum Syariah karena Bank Tabungan Pensiun Nasional Syariah (BTPN syariah) baru ada tahun 2014 sehingga tidak adanya laporan keuangan pada tahun 2013. Maka dari itu penulis hanya mengambil 11 BUS yang terdiri dari :

1. PT. Bank Syariah Muamalat Indonesia 2. PT. Bank Syariah Mandiri

3. PT. Bank Syariah BRI

4. PT. Bank Syariah Mega Indonesia 5. PT. Bank Syariah Bukopin

6. PT. Bank Syariah BNI 7. PT. BCA Syariah

8. PT. Bank Jabar Banten Syariah 9. PT. Bank Panin Syariah

10. PT. Bank Victoria Syariah 11. PT. Maybank Syariah

3.2 Metode Pengumpulan Data 3.2.1 Data yang dihimpun

Data yang dihimpun dalam penelitian ini merupakan data sekunder yang diperoleh melalui website Bank Indonesia, Laporan Keuangan Tahunan 2013-2015 masing-masing bank syariah, Laporan Perkembangan Perbankan Syariah (Otoritas Jasa Keuangan) dan Statistik Perbankan Syariah ( Bank Indonesia).

3.2.2 Teknik Pengumpulan Data

Data dikumpulkan dalam penelitian ini adalah data sekunder sehingga metode pengumpulan data menggunakan caranon participant observation. Cara yang di lakukan adalah mencatat seluruh data yang diperlukan dalam penelitian ini sesuai yang tercantum pada Laporan Keuangan Tahunan masing – masing Bank Umum Syariah.

3.3 Operasionalisasi Variable

untuk pengujian hipotesis yang diajukan, dalam penelitian ini terlebih dahulu setiap variabel didefenisikan dan kemudian dijabarkan melalui operasionalisasi variabel. Hal ini dilakukan agar setiap variabel dan

pengukuran penilaian dapat mengetahui skala pengukurannya. Berikut adalah penjelasan rinci operasionalisasi variabel yaitu:

Tabel 3.2

Operasionalisasi Variabel Variabel Definisi

Variabel Pengukuran Skala

Return On Total Asset

(Y)

Mengukur kemampuan

manajemen bank dalam memperoleh

keuntungan yang dihasilkan

dari rata-rata total aset bank

yang bersangkutan

ROA = ??????????? ?????

?????????????????? X 100% Rasio

Non Performing

Financing (X1)

Total pembiayaan

yang dikategorikan

sebagai pembiayaan bermasalah.

NPF =

???????? ??????????? ??????

???????? ??????? ?????

Rasio

Financing to Deposit

Ratio (X2)

Mengukur seberapa besar

kemampuan bank mampu

membayar hutang dan membayar kembali kepada

deposan dan dapat memenuhi

permintaan kredit yang diajukan tanpa

terjadi penangguhan

FDR = ^??????????

????????????X 100% Rasio

BOPO (X3)

mengukur kemampuan

manajemen bank dalam mengendalikan

biaya operasional

terhadap pendapatan operasional.

BOPO = ????????????????

?????????????????????X 100% Rasio

Capital Adequacy

Ratio (X4)

Mengukur aktiva bank

yang mengandung risiko ( kredit,

penyertaan , surat berharga,

tagihan pada bank lain ) ikut

di biayai dari dana modal sendiri bank

disamping memperoleh dana – dana dari

di luar bank.

CAR = ^{? ????????}

???????? ??????

Rasio

Sumber : data diolah 3.4 Persamaan penelitian

Analisis regresi digunakan untuk menganalisis hubungan antara variabel.

Hubungan tersebut dapat dilihat dalam bentuk persamaan model yang menghubungkan variabel terikat Y dengan satu atau lebih variabel bebas X.

Selain itu persamaan model ini untuk mengetahui sejauh mana pengaruh variabel bebas terhadap variabel terikat secara parsial ataupun secara bersama-sama. Persamaan model yang digunakan dalam penelitian ini adalah :

ROA = α + β NPF + β FDR + β BOPO + β CAR + e

Keterangan : α = konstanta

β1-β5 = koefisiensi regresi ROA = Return on Total Asset NPF = Non Performing Finance FDR = Finance to Deposit Ratio

BOPO = kemampuan pengendalian biaya CAR = CapitalAdequacy Ratio

i = bank ke-i t = tahun ke-t

e = error

3.5 Metode Analisis Data

3.5.1 Pengujian Asumsi klasik 3.5.1.1 Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah dalam regresi, variable pengganggu atau residual memiliki distribusi normal.Seperti diketahui bahwa uji t dan uji F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Apabila asumsi ini dilanggar maka uji statistic menjadi tidak valid untuk jumlah sampel kecil (Ghozali,2006).

a. Analisis grafik

Pengujian normalitas melalui analisis grafik adalah dengan cara menganalisis grafik normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan

membentuk satu garis lurus diagonal, dan ploting dataresidual akan dibandingkan dengan garis diagonal. Data dapat dikatakan normal jika data atau titik-titik tersebar disekitar garis diagonal dan penyebarannya mengikuti garis diagonal (Ghozali,2006).

b. Analisis Statistik

Uji statistik yang dapat digunakan untuk menguji normalitas residual adalah uji statistic non parametric Kolmogrov-Smirnov (K- S).Jika hasil Kolmogrov-smirnov menunjukan terdistribusi dengan normal. Sedangkan jika hasil Kolmogrov-smirnov menunjukan nilai signifikan di bawah 0,05 maka data residual terdistribusi tidak normal (Ghozali, 2006).

3.5.1.2 Uji Multikolinieritas

Uji ini bertujuan untuk menguji apakah terjadi kolerasi antar variabel independen dalam suatu model regresi (Ghozali, 2006). Model yang baik seharusnya bebas dari multikolinieritas. Asumsi ini diperlukan agar mengetahui tidak adanya hubungan yang kuat antara independen variabel dalam model. (Supriyadi, 2014). Untuk mendeteksi ada tidaknya multikolinieritas yaitu :

a. mendeteksi nilai koefisien determinasi (R²) dan nilai thitung. Jika R² tinggi (>0,8), maka di curigai adanya masalah multikolienaritas

b. Melakukan uji kolerasi derajat nol. Apabila koefisien korelasinya tinggi (>0,8), maka dicurigai adanya masalah multikolienaritas

c. Melihat nilai tolerance dan variance inflation factor (VIF).

Tolerance mengukur variabilitas independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi (Karena VIF= 1/tolerance). Nilai cut off yang umum dipakai untuk menunjukan adanya multikolinearitas adalah nilai tolerance<0,10 atau sama dengan VIF>10

3.5.1.3 Uji Heteroskedastisitas

Menurut Ghozali (2005) uji heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi heteroskedastisitas bertujuan untuk mengetahui terjadinya varian yang berbeda untuk variabel independen yang berbeda. Model regresi yang baik terjadi jikavariancedari residual satu pengamatan dengan pengamatan yang lain berbeda.

Untuk mengetahui adanya heteroskedastisitas ada beberapa cara yang dapat di gunakan

a. Uji Gleyser

Uji Gleyser dengan ketentuan jika probabilitas signifikan > 0.05, maka model regresi tidak terdapat heteroskedastisitas.

b. Metode grafik

Uji ini dapat dilakukan dengan melihat gambar plot antara nilai prediksi variabel independen (ZPRED) dengan residual (SRESID).Apabila dalam grafik tersebut tidak tedapat pola tertentu yang teratur dan data tersebar acak diatas dan dibawah angka 0 pada sumbu U, maka diidentifikasikan tidak terdapat heterokedastisitas (Ghozali, 2006).

c. Uji park, yakni menggunakan grafik yang menggambarkan keterkaitan nilai-nilai variabel bebas dengan nilai-nilai taksiran variabel penggangu yang di kuadratkan.

3.5.1.4 Uji Autokorelasi

Uji autokorelasi bertujuan menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan penggangu pada periode t01(sebelumnya).Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya.

Msalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi lainnya (Ghozali, 2006)

Menurut Ghozali (2005) dapat dilakukan uji statistik melalui uji Durbin-Watson (DW test) denagn kriteria pengambilan keputusan menurut sebagai berikut :

<1,0 = ada autokorelasi 1,0 – 1,54 = tanpa kesimpulan

2,47 – 2.90 = tanpa kesimpulan

>2,91 = ada autokorelasi

3.5.2 Analisis Regresi

Nilai koefisien regresi disini sangat menentukan sebagai dasar analisis. Jika koefisien b bernilai positif maka dapat dikatan terjadi pengaruh searah antara variabel independen dengan variabel dependen, setiap kenaikan nilai variabel independen akan mengakibatkan kenaikan variabel dependen. Begitu juga sebaliknya jika koefisien b bernilai negatif maka dapat dikatan terjadi pengaruh searah antara variabel independen dengan variabel dependen, setiap kenaikan nilai variabel independen akan mengakibatkan penurunan variabel dependen.

3.5.3 Pengujian Hipotesis

Ketepatan fungsi regresi sampel dalam menaksi nilai aktual dapat diukur dari goodnessof fit nya. Secara statistik dapat di ukur dari nilai statistik t, nilai statistik F, dan nilai koefisien determinasi (R²).

3.5.3.1 Uji Parsial(Uji Statistik t)

Uji ini digunakan untuk mengetahui pengaruh individual variabel independen untuk menerangkan variasi variabel dependen (Ghozali, 2001). Bila –ttabel <-thitung dan thitung<ttabel, variabel independen secara individu tak berpengaruh terhadap variabel dependen. Apabila –thitung >-

ttabel dan thitung>ttabel, maka variabel independen secara individual berpengaruh terhadap variabel dependen.

3.5.3.2Uji Statistik F (Signifikansi Simultan)

Uji F digunakan untuk menguji signifikansi pengaruh CAR(Capital Adequacy Ratio), Biaya Operasi/Pendapatan Operasi (BOPO), NPF (Non Performing Finance), NIM (Net Interest Margin), dan FDR (Finance to Deposit Ratio) terhadap Return on Asset (ROA)secara simultan. Langkah–langkah yang dilakukan adalah (Gujarati,1995):

a. Merumuskan Hipotesis (Ha)

Ha diterima: berarti terdapat pengaruh yang signifikan antara variabel independen terhadap variabel dependen secara simultan.

b. Menentukan tingkat signifikansi yaitu sebesar 0.05 (α=0,05) c. Membandingkan Fhitung dengan Ftabel

1. Bila F hitung < F tabel, variabel independen secara bersama- sama tidak berpengaruh terhadap variabeldependen.

2. Bila F hitung > F tabel, variabel independen secara 3.5.3.3 Uji Koefisien Determinasi (Uji R²)

Nilai koefisien determinansi adalah antara 0 dan 1. Nilai R2 yangkecil berarti kemampuan variabel-variabel independen dalam

Nilai yang mendekati 1 (satu) berarti variabel–variabel independenmemberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen. Koefisien determinasi (R²) digunakan untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen.

BAB IV

ANALISIS DAN PEMBAHASAN

4.1 Gambaran Umum Objek Penelitian 4.1.1 Deskriptif Penelitian

Bab ini akan menyajikan hasil dari analisis data berdasarkan sejumlah variabel yang dipakai dalam model regresi. Sebagaimana diuraikan pada bab sebelumnya, penelitian ini melibatkan satu variabel dependen yaitu Return On Total Aset dan empat (4) variabel independen yaitu NPF, FDR, BOPO dan CAR.

Populasinya adalah seluruh Bank Umum Syariah. Populasi dalam penelitian ini sejumlah 12 Bank Umum Syariah. Penentuan sampel menggunakan metode purposive sampling. Kriteria penentuan sampelnya adalah Bank Umum Syariah yang menerbitkan laporan keuangan tahunan yang terdapat di dalamnya yaitu rasio keuangan yang berupa ROA, NPF, FDR, BOPO dan CAR dari tahun 2013–2015. Berdasarkan kriteria – kriteria tersebut, maka diperoleh 11Bank Umum Syariah sebagai sampel yang dapat dilihat pada Table 4.1.

Tabel 4.1

Kriteria Sampel Penelitian

No Kriteria Jumlah

1 Bank Umum Syariah 12

2 Bank Umum Syariah yang menerbitkan laporan tahunan yang berisi NPF, FDR, CAR, BOPO dan ROA pada tahun 2013 -2015

Jumlah sampel penelitian 33

Sumber : Peneliti

4.1.2 Deskriptif Statistik

Berdasarkan hasil analisis statistik deskriptif, maka di dalam Tabel 4.2 berikut akan ditampilkan karakteristik sampel yang digunakan dalam penelitian ini, meliputi: jumlah sampel (N), nilai minimum, nilai maksimum, rata-rata sampel (mean)untuk masing-masing variabel.

Tabel 4.2 Statistik Deskriptif

ROA NPF FDR CAR BOPO

Mean 0.159091 4.784242 96.95030 20.57818 95.85121

Median 0.760000 4.060000 93.61000 16.31000 92.29000

Maximum 3.610000 35.15000 157.7700 59.41000 192.6000

Minimum -20.13000 0.100000 81.99000 11.10000 67.79000

Std. Dev. 3.801528 5.937603 16.39418 10.99027 21.59565

Skewness -4.786211 4.186491 2.779275 2.248101 3.062576

Kurtosis 26.19399 22.12172 10.58227 7.609320 13.96208

Jarque-Bera 865.6895 599.1523 121.5340 57.00979 216.8165 Probability 0.000000 0.000000 0.000000 0.000000 0.000000

Sum 5.250000 157.8800 3199.360 679.0800 3163.090

Sum Sq. Dev. 462.4517 1128.164 8600.614 3865.150 14923.90

Observations 33 33 33 33 33

Tabel 4.2 di atas menunjukkan bahwa jumlah data yang digunakan di dalam penelitian ini sebanyak 33 data yang diambil dari Laporan Keuangan

Publikasi Tahunan Bank Umum Syariah yang diterbitkan oleh masing masing bank periode 2013 hingga 2015. Data Return On Asset (ROA) menunjukkan bahwa rasio ini memiliki nilai terendah (minimum) sebesar -20.13000% dan nilai tertinggi (maksimum) sebesar 3.610000%. Sementara itu, perhitungan mean atau nilai rata-rata dari Return On Asset (ROA) sebesar 0.159091%. Hal ini menunjukkan bahwa besarnya Return On Asset (ROA)sudah sesuai dengan ketentuan Bank Indonesia dalam Surat Edaran No.9/24/DPbS Perihal Sistem Penilaian Tingkat Kesehatan Bank Syariah dimana berdasarkan kriteria penilaian peringkat, bank dikatakan baik apabila memiliki ROA > 1,5%.

Non Performing Financing (NPF) memiliki nilai terendah (minimum) sebesar 0.100000% dan nilai tertinggi (maksimum) sebesar 35.15000% dengan nilai rata-rata (mean) sebesar 5.194848%. Hal ini menunjukkan bahwa secara statistik, pada periode penelitian nilai Non Performing Financing (NPF) Bank Umum Syariah tidak melebihi standar maksimal yang ditetapkan BI yaitu sebesar 5%.

Financing to Deposit Ratio (FDR) memiliki nilai terendah (minimum) sebesar 81.99000% dan nilai tertinggi (maksimum) sebesar 157.7700% dengan nilai rata-rata (mean) sebesar 96.95030%. Hal ini menunjukkan bahwa secara statistik, pada periode penelitian, nilai Financing to Deposit Ratio (FDR) Bank Umum Syairahtidak melebihi standar maksimal yang ditetapkan BI yaitu 100%.

Capital Adequacy Ratio (CAR) memiliki nilai terendah (minimum) sebesar 11.10000% dan nilai tertinggi (maksimum) sebesar 59.41000% dengan rata-rata (mean) sebesar 20.57818%. Hal ini menunjukkan bahwa besarnya

Capital Adequacy Ratio (CAR) Bank Umum Syariah sudah memenuhi standar yang ditetapkan Bank Indonesia yaitu minimal 8%.

Rasio Biaya Operasional terhadap Pendapatan Operasional (BOPO) memiliki nilai terendah sebesar 67.79000% dan nilai tertinggi sebesar 192.6000%

dengan nilai rata-rata (mean) sebesar 95.85121%. Sementara itu, standar deviasi variabel BOPO sebesar21.59565%, sehingga simpangan data pada variabel BOPO ini dapat dikatakan baik karena nilai standar deviasinya lebih kecil dari nilai mean-nya.

4.2 Analisis Data 4.2.1 Uji Normalitas

Menurut Ghozali (2006) disebutkan bahwa tujuan uji normalitas untuk menguji apakah model regresi, variabel pengganggu atau residual memiliki distribusi normal. Uji histogram normality test dilakukan dengan melihat nilai probabilitas signifikansi data residual, jika angka probabilitas < α = 0.05 maka hasilnya berupa variabel tidak terdistribusi normal, namun sebaliknya jika probabilitas > α = 0.05 maka variable terdistribusi dengan normal dan membandingkan nilai J-B <chi-square maka terdistribusi normal. Dengan histogram normality test maka didapat hasil sebagai berikut :

Gambar 4.1

Histogram Normality Test

Sumber : Data sekunder yang diolah, 2016.

Dari gambar diatas histogram normality test menunjukan bahwa p-value pada uji tersebut bernilai 0,693907> α=0,05. Hal ini menggambarkan hipotesis error terdistribusi normal dapat diterima. Model logit mengharuskan error terdistribusi secara normal, dengan adanya asumsi ini persyaratan tersebut terpenuhi.

4.2.2 Uji Analisis Data Panel

Menurut Ajija (2011), data panel atau pooled data merupakan kombinasi dari data time series dan cross-section. Dengan mengakomodasi informasi baik yang terkait dengan variabel-variabel cross-section maupun time series., data panel secara substansial mampu menurunkan masalah omitted-variables, model yang mengabaikan variabel yang relevan.

0 1 2 3 4 5 6

-2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5

Series: Residuals Sample 1 33 Observations 33

Mean -3.84e-16 Median -0.018890 Maximum 1.735237 Minimum -1.800010 Std. Dev. 0.860696 Skewness -0.116150 Kurtosis 2.308948 Jarque-Bera 0.730836 Probability 0.693907

Tabel 4.3 Uji Chow

Effects Test Statistic d.f. Prob.

Cross-section F 1.314747 (10,18) 0.2943

Cross-section Chi-square 18.095922 10 0.0534

Berdasarkan data pada tabel diatas, Hasil tampilan output Eviews pada Tabel 4.3 pada Prob. Chi-Square sebesar 0.0534 dengan jelas menunjukan mempunyai nilai probabilitas> 0,05, sehingga pada data panel yang digunakan dalam penelitian ini menggunakan Common Effect.

4.2.3 Uji Asumsi Klasik

4.2.3.1 Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dan residual pada satu pengamatan ke pengamatan yang lain (Ghozali,2011:139)

Untuk mendeteksi ada tidaknya heteroskedastisitas dapat digunakan uji Glejser. Uji Glejser digunakan dengan meregresikan nilai absolut residual terhadap variabel independen. Berdasarkan hasil uji Glejser dengan menggunakan Eviewsdiperoleh hasil seperti tampak pada tabel 4.4

Tabel 4.4 Uji Glejser

F-statistic 1.657691 Prob. F(4,28) 0.1878

Obs*R-squared 6.318521 Prob. Chi-Square(4) 0.1766 Scaled explained SS 4.571828 Prob. Chi-Square(4) 0.3341

Jika variabel independen signifikan secara statistik mempengaruhi variabel dependen, maka ada indikasi terjadi Heteroskedastisitas. Hasil tampilan output Eviews pada Tabel 4.4 pada Prob. Chi-Square(4) sebesar 0.1766 dengan jelas menunjukan mempunyai nilai signifikansi > 0,05, sehingga tidak ada variabel independen yang signifikan secara statistik mempengaruhi variabel dependen (return on total asset).

4.2.3.2 Uji Multikolinearitas

Uji Multikolinearitas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi yang tinggi atau sempurna antar variabel independen (Ghozali,2011:105). Hubungan variabel independen ditunjukan oleh angka VIF. Di mana apabila VIF < 10, maka dapat disimpulkan tidak terjadi multikolinearitas antara variabel independen dalam model regresi. Dari uji multikolinearitas dengan menggunakan Eviewsdiperoleh output seperti tampak pada Tabel 4.5 yaitu:

Tabel 4.5 Uji Multikolerasi

Coefficient Uncentered Centered

Variable Variance VIF VIF

NPF 0.004448 9.894941 5.926794

FDR 0.000341 128.5278 3.467657

CAR 0.000684 14.41255 3.122680

BOPO 0.000335 126.0433 5.913233

C 5.918051 230.6755 NA

Pada Tabel 4.5 dapat dilihat bahwa setiap variabel bebas mempunyai nilai VIF < 10. Jadi dapat disimpulkan bahwa tidak terjadi

4.2.3.3 Uji Autokorelasi

Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya) (Ghozali,2011:110). Pengujian terhadap adanya fenomena autokorelasi dalam data yang dianalisis dapat dilakukan dengan menggunakan Durbin- Watson Test (DW). Model regresi yang baik adalah regresi yang bebas dari autokorelasi (Ghozali,2011:110).

Untuk mendiagnosis adanya korelasi dalam suatu model regresi dilakukan pengujian terhadap uji DW dengan ketentuan sebagai berikut

Tabel 4.6

Pengukuran Uji Durbin Watson

DW Kesimpulan

< 1,10 Ada Autokolerasi 1,10 – 1,54 Tanpa Kesimpulan 1,55 – 2,46 Tidak ada autokolerasi 2,46 – 2,90 Tanpa kesimpulan

>2,91 Ada autokolerasi Tabel 4.7

Uji Autokorelasi

R-squared 0.948739 Mean dependent var 0.159091

Adjusted R-squared 0.941417 S.D. dependent var 3.801528 S.E. of regression 0.920122 Akaike info criterion 2.810107 Sum squared resid 23.70551 Schwarz criterion 3.036851 Log likelihood -41.36677 Hannan-Quinn criter. 2.886400 F-statistic 129.5574 Durbin-Watson stat 1.712946 Prob(F-statistic) 0.000000

Berdasarkan hasil uji autokorelasi dengan menggunakan Eviews 7 diperoleh hasil seperti tampak pada tabel 4.7. Pada tabel 4.7 menunjukan nilai Durbin Watson sebesar 1.712946. Berdasarkan Tabel 4.6 dapat diketahui pada penelitian ini tidak terjadi gejala autokorelasi karena nilai Durbin Watson sebesar 1.712946berada antara 1,55- 2,46.

4.2.4 Uji Hipotesis

Tabel 4.8 Analisis Statistik

Variable Coefficient Std. Error t-Statistic Prob.

C 4.944551 2.432704 2.032532 0.0517

NPF? -0.381785 0.066691 -5.724661 0.0000

FDR? 0.053782 0.018476 2.910996 0.0070

BOPO? -0.067796 0.018315 -3.701607 0.0009

CAR? -0.081385 0.026153 -3.111848 0.0043

R-squared 0.948739 Mean dependent var 0.159091

Pengolahan data menggunakan analisis regresi berganda pada program Eviews 7 dengan variabel dependen ROA dan variabel independen NPF, FDR, CAR dan BOPO diperoleh hasil seperti pada Tabel 4.8 Berdasarkan analisis regresi berganda diperoleh koefisien untuk konstan sebesar 4.944551, NPF (X1) -0.381785, FDR (X2) 0.053782, BOPO (X3) -0.067796 dan CAR (X4) -0.081385. Dari hasil tersebut diperoleh persamaan regresi sebagai berikut :

Persamaan regresi linier berganda di atas dipengaruhi oleh nilai koefisien β1, β2, β3, β4. Nilai koefisien positif maka dapat diartikan bahwa setiap kenaikan nilai X satu satuan maka akan diikuti kenaikan nilai Y satu satuan. Kebalikannya jika nilai koefisien negatif maka dapat diartikan bahwa setiap kenaikan nilai X satu satuan maka akan mengurangi nilai Y satu satuan, dengan asumsi bahwa variabel lain konstan. Persamaan regresi tersebut mempunyai makna sebagai berikut:

1. Konstanta = 4.944551

Dari hasil persamaan tersebut menunjukan bahwa konstanta sebesar 4.944551menyatakan jika NPF (X1), FDR (X2), BOPO (X3)dan CAR (X4) konstan maka ROAadalah sebesar 4.944551 2. Koefisien X1= -0.381785

Jika variabel NPF (X1) mengalami peningkatan sebesar satu satuan sementara FDR (X2), BOPO (X3)dan CAR (X4) konstan, maka akan menyebabkan penurunanROA sebesar -0.381785 3. Koefisien X2= 0.053782

Jika variabel FDR (X2) mengalami peningkatan sebesar satu satuan sementara NPF (X1), BOPO (X3)dan CAR (X4) konstan, maka akan menyebabkan kenaikan ROA sebesar 0.053782

4. Koefisien X3 = -0.067796

Jika variabel BOPO (X3)mengalami peningkatan sebesar satu satuan sementara NPF (X1), FDR (X2) dan CAR (X4) konstan, maka akan menyebabkan penurunanROA sebesar -0.067796

Dalam dokumen Pengaruh NPF, FDR, BOPO Dan CAR Terhadap ROA Pada Bank Umum Syariah Di Indonesia Periode Tahun 2013-2015 - IBS Repository (Halaman 43-46)