BAB IV HASIL PENELITIAN DAN PEMBAHASAN
B. Hasil penelitian
Obyek dalam penelitian ini adalah Bank Artha graha, Bca, Bni, Bri, Btn, Bukopin, Bumiartha, Danamon, Jtrust, Mandiri, Mayapada, Maybank, Mega, Mnc, Cimbniaga, Ocbcnisp, Panin, Permata, Sinarmas, Woori, Uob, Mayora, Dbs, Bankdki, Qnb, Hsbc, Icbc, Keb hana, Bjb, Btpn, dilihat pada laporan keuangan dalam 6 tahun terakhir yaitu mulai tahun 2014 sampai dengan tahun 2019. Adapun obyek dalam penelitian ini dapat dilihat pada tabel berikut.:
Tabel 4.1. Nilai CAR, LDR, BOPO dan NPL
NO BANK TAHUN X1 X2 X3 Y
CAR LDR BOPO NPL
1 Artha graha 2014 15.95 87.62 91.62 1.69 2015 15.20 80.75 96.66 1.25
2016 19.92 86.39 96.17 1.44 2017 17.44 82.89 96.55 4.30 2018 19.80 77.18 97.12 3.33 2019 18.55 68.29 105.11 4.25
2 Bca
2014 16.90 76.80 62.40 0.20 2015 18.70 81.10 63.20 0.20 2016 21.90 77.10 60.40 0.30 2017 23.10 78.20 58.60 0.40 2018 23.40 81.60 58.20 0.40 2019 23.8 80.5 59.1 0.50
3 Bni
2014 16.22 87.81 68.02 0.39 2015 19.49 87.77 75.48 0.91 2016 19.36 90.41 73.59 0.44 2017 18.53 85.58 70.99 0.70 2018 18.51 88.76 70.15 0.85
2019 19.7 91.5 73.2 1.2
4 Bri
2014 18.31 81.68 65.42 0.36 2015 20.59 86.88 67.96 1.22 2016 22.91 87.77 68.69 1.09 2017 22.96 88.13 69.14 0.88 2018 21.21 89.57 68.48 0.92 2019 22.55 88.64 70.1 1.04
5 Btn
2014 14.64 108.86 88.97 2.76 2015 16.97 108.78 84.83 2.11 2016 20.34 102.66 82.48 1.85 2017 18.87 103.13 82.06 1.66 2018 18.21 103.25 85.58 1.83 2019 17.32 113.5 98.12 2.96
6 Bukopin
2014 14.2 83.89 89.21 2.07 2015 13.56 86.34 87.56 2.13 2016 15.03 86.04 86.97 2.79 2017 10.52 81.34 99.04 6.37 2018 13.41 86.18 98.41 4.75 2019 14.08 94.4 98.98 4.45
7 Bumi artha
2014 15.07 79.45 87.41 0.08 2015 25.57 82.78 88.91 0.39 2016 25.15 79.03 85.80 1.01 2017 25.67 82.01 82.86 0.85 2018 25.52 84.26 81.43 0.69 2019 23.55 87.08 89.55 0.70
8 Danamon 2014 17.9 92.6 76.4 1.3
2015 19.7 87.5 83.37 1.9
2016 20.9 91 77.3 1.8
2017 22.1 93.3 72.1 1.8
2018 22.2 95 70.9 1.9
2019 24.2 98.9 82.7 2
9 Jtrust
2014 13.58 71.13 135.91 5.45 2015 15.49 85.00 143.68 2.19 2016 15.28 96.33 128.26 2.91 2017 14.15 88.87 93.87 1.53 2018 14.03 77.43 116.32 3.12 2019 14.53 48.77 99.92 0.8
10 Mandiri
2014 16.60 82.02 64.98 0.44 2015 18.60 87.05 69.67 0.60 2016 21.36 85.86 80.94 1.38 2017 21.64 87.16 71.78 1.06 2018 20.96 95.46 66.48 0.67 2019 21.39 93.93 67.44 0.84
11 Mayapada
2014 10.44 81.25 84.50 1.23 2015 12.97 82.99 82.66 2.26 2016 13.34 91.40 83.08 1.22 2017 14.11 90.08 87.20 4.20 2018 15.82 91.83 92.61 3.26 2019 16.18 93.34 92.16 1.63
12 Maybank
2014 15.78 92.67 92.94 1.48 2015 15.17 86.14 90.77 2.42 2016 16.77 88.92 86.02 2.28 2017 17.53 88.12 85.97 1.72 2018 19.04 96.46 83.47 1.50 2019 21.38 94.13 87.09 1.92
13 Mega
2014 15.23 68.85 91.25 1.34 2015 22.85 65.05 85.72 1.80 2016 26.21 55.35 81.81 2.59 2017 24.11 56.47 61.26 1.41 2018 22.79 67.23 77.70 1.27 2019 23.68 69.67 74.1 2.25
14 Mnc
2014 17.79 80.35 108.54 3.86 2015 17.83 72.29 98.97 2.43 2016 19.54 77.20 95.61 2.38 2017 12.58 78.78 180.62 2.82 2018 16.27 88.64 93.51 3.43 2019 15.16 89.59 95.21 3.57
15 Cimb niaga
2014 15.58 99.46 87.86 1.94 2015 16.28 97.98 97.38 1.59 2016 17.96 98.38 90.07 2.16 2017 18.60 96.24 83.48 2.16 2018 19.66 97.18 80.97 1.55 2019 21.47 97.75 82.44 1.3
16 Ocbc nisp
2014 18.74 93.59 79.46 0.80 2015 17.32 98.05 80.14 0.78 2016 18.28 89.86 79.84 0.77 2017 17.51 93.42 77.07 0.72 2018 17.63 93.51 74.43 0.82 2019 19.17 94.08 74.77 0.78
17 Panin
2014 17.41 90.51 79.81 0.52 2015 20.23 92.22 86.66 0.55 2016 20.59 90.07 83.02 0.82 2017 22.08 92.10 85.04 0.77 2018 23.49 104.15 78.27 0.91 2019 23.41 115.26 77.96 1.12
18 Permata
2014 13.60 89.10 89.80 0.60 2015 15.00 87.80 98.90 1.40 2016 15.60 80.50 150.80 2.20 2017 18.10 87.50 94.80 1.70 2018 19.40 90.10 93.40 1.70
2019 19.9 86.3 87 1.3
19 Sinarmas
2014 18.38 83.88 94.54 2.56 2015 14.37 78.04 91.67 2.99 2016 16.70 77.47 86.23 1.47 2017 18.31 80.57 88.94 2.34 2018 17.60 84.24 97.62 2.73 2019 17.32 81.95 119.43 4.33
20 Woori
2014 21.71 101.2 56.04 1.81 2015 18.82 97.22 79.89 1.26 2016 17.20 110.45 79.25 0.98 2017 24.86 111.07 73.05 0.9 2018 23.04 145.26 70.39 1.08 2019 20.02 139.91 75.75 1.18
21 Uob
2014 15.72 89.27 90.53 2.85 2015 16.20 95.17 96.46 2.17 2016 16.44 90.11 95.90 2.61 2017 17.08 83.57 97.81 0.93 2018 15.37 93.04 97.08 0.89
2019 16.55 90.92 97.06 1.19
22 Mayora
2014 19.97 73.44 92.72 0.46 2015 28.21 88.62 87.77 2.71 2016 28.17 83.38 85.92 1.66 2017 24.96 83.37 91.28 2.23 2018 23.68 84.88 91.24 1.32 2019 21.47 77.93 97.31 2.85
23 Dbs
2014 16.15 92.83 86.32 2.07 2015 19.44 102.93 95.28 2.19 2016 20.21 91.07 89.55 1.62 2017 20.65 92.84 90.80 0.98 2018 18.99 91.95 97.11 0.94 2019 20.04 92.26 104.12 1.04
24 Bank dki
2014 17.96 92.57 80.26 2.92 2015 24.53 91.14 90.99 4.23 2016 29.79 87.41 77.82 2.74 2017 29.88 70.77 76.97 2.31 2018 24.23 93.04 75.17 1.58 2019 25.78 100.33 76.01 1.75
25 Qnb
2014 15.10 93.47 88.97 0.23 2015 16.18 112.54 90.95 2.40 2016 16.46 94.54 137.94 2.94 2017 20.30 70.37 143.76 1.14 2018 26.50 72.59 99.43 1.47 2019 21.08 84.70 99.40 4.45
26 Hsbc
2014 13.41 84.74 97.97 1.61 2015 18.59 86.82 98.99 2.46 2016 23.69 97.30 95.66 3.90 2017 22.49 106.55 82.79 1.70 2018 20.79 124.71 88.92 1.22 2019 23.65 89.05 74.16 1.22
27 Icbc
2014 16.7 89.1 83.7 0.1
2015 14.4 137.9 83.1 2.0 2016 15.9 135.2 81.0 2.1 2017 17.7 105.9 89.4 2.0 2018 16.2 119.3 97.6 2.4 2019 21.6 130.1 92.8 1.8
28 Keb hana
2014 18.47 125.38 79.11 0.03 2015 21.06 141.61 71.58 0.12 2016 20.80 144.36 66.33 0.46 2017 21.14 137.17 69.20 0.60
2018 18.82 139.10 79.09 1.45 2019 24.50 128.58 81.73 0.87
29 Bjb
2014 16.08 93.18 85.6 1.04 2015 16.21 88.13 83.31 0.86 2016 18.43 86.7 81.22 0.75 2017 18.77 87.27 82.25 0.74 2018 18.63 91.89 84.22 0.9 2019 17.71 97.81 84.23 0.81
30 Btpn
2014 23.2 97.5 81.9 0.4
2015 23.8 97.2 82.1 0.4
2016 25 95.4 80.4 0.4
2017 24.6 96.2 86.5 0.4
2018 24.1 96.2 79.2 0.5
2019 24.2 163.1 84.5 0.4 Sumber: Data sekunder,2020
Pada tabel 4.1 diatas terlihat bahwa nilai Capital Adequesi Ratio CAR pada semua bank dalam penelitian ini selama periode penelitian yaitu pada tahun 2015-2017 tidak sesuai dengan teori yang menyatakan bahwa semakin tinggi nilai Capital Adequesi Ratio CAR dari suatu bank, maka rasio kredit bermasalah NonPerforming Loan NPL nya juga akan meningkat. Pada bank konvensional dalam penelitian ini Capital Adequesi Ratio CAR mengalami fluktuasi begitu juga dengan NonPerforming Loan NPL, hal ini terlihat pada salah satu bank yakni bank BCA dimana nilai Capital Adequesi Ratio CAR pada tahun 2014 sebesar 16,90% naik pada tahun selanjutnya yakni tahun 2015 sebesar 18,70% sedang kan nilai NonPerforming Loan NPL tidak mengalami perubahan dari tahun 2014 sampai dengan tahun 2015 yakni memiliki nilai tetap sebesar 0,20%.
Pada nilai Loan Deposit Ration LDR pada semua bank dalam penelitian ini selama periode penelitian yaitu pada tahun 2015-2017 tidak sesuai dengan teori yang menyatakan bahwa semakin tinggi Loan Deposit Ration LDR sebuah bank, maka semakin tinggi pula NonPerforming Loan
NPL. Hal ini dapat dilihat pada semua bank dimana nilai nilai Loan Deposit Ration LDR pada tahun 2015 sampai dengan 2019 mengalami fluktuasi dan hal yang sama pada nilai NonPerforming Loan NPL. Hal ini terlihat pada salah satu bank yakni bank Artha Graha dimana nilai Loan Deposit Ration LDR pada tahun 2016 sebesar 86,39% dan mengalami penurunan pada tahun selanjutnya sebesar 82,89%. Sedangkan nilai NonPerforming Loan NPL mengalami peningkatan dari tahun 2016 sebesar 1,44% ke tahun 2017 sebesar 4,30%.
Sedangkan nilai Biaya Operasional terhadap Pendapatan Operasional BOPO menurut ketentuan Bank Indonesia efisiensi oprasi diukur dengan BOPO dengan batas maksimum BOPO adalah 90%. Dari hasil penelitian pengambilan data mentah Laporan keuangan memperoleh bahwa beberapa bank cukup tinggi melewati nilai maksimum bank yaitu: pada Bank Artha Graha memiliki nilai BOPO sebesar 105,11 pada tahun 2019. Hal sama terjadi pada bank MNC dimana tahun 2014 nilai BOPO sebesar 108,54%
dan tahun 2017 sebesar 180,62. Selanjutnya bank permata pada tahun 2016 sebesra 150,80 dan bank Sinarmas pada tahun 2019 sebesar 119,43, pada bank yang lain yakni bank DBS, QNB dan JTRUST.
1. Analisis Deskriptif
Deskriptif statistik digunakan untuk menjelaskan data data angket dari setiap variabel penelitian. Data yang dijelaskan tersebut adalah nilai minimum, nilai maksimum dan nilai tengah dari distribusi data penelitian. Adapun deskriptif statistik penelitian ini dapat dilihat pada tabel 4.1 dibawah ini:
Tabel 4.2. Deskriptif Statistik
N Range Minimum Maximum Sum Mean Std.
Deviation CAR 180 19.44 10.44 29.88 3462.93 19.2385 3.77347 LDR 180 114.33 48.77 163.10 16590.88 92.1716 16.60080 BOPO 180 124.58 56.04 180.62 15615.97 86.7554 16.53982 NPL 180 6.34 0.03 6.37 298.77 1.6598 1.12587 Valid N
(listwise) 180
Sumber : data primer, 2020
Dari hasil yang terlihat dalam tabel 4.2 menunjukkan bahwa jumlah data yang digunakan dalam penelitian ini sebanyak 180 sampel. Data diambil dari laporan keuangan 30 bank konvensional yang terdaftar di Bursa Efek Indonesia. Berdasarkan hasil perhitungan di atas bahwa:
1. Capital Adequesi Ratio CAR
Rentang nilai CAR sebesar 19,44% yang memiliki nilai terendah (minimum) sebesar 10,44% yakni pada bank MAYAPADA tahun 2014, sedangkan CAR tertinggi (maksimum) adalah 29,88% pada bank DKI tahun 2017. Adapun nilai rata- rata (mean) CAR sebesar 19,23%, Besaran simpangan data rasio CAR dilihat dari standar deviasi nya sebesar 3,77%
menunjukkan data variabel CAR bisa dikatakan baik karena nilai standar deviasi nya lebih kecil dari pada nilai rata-ratanya (mean).
2. Loan Deposit Ration LDR
Rentang nilai LDR sebesar 114,33% yang memiliki nilai terendah (minimum) sebesar 48,77% yakni pada bank JTRUST tahun 2019, sedangkan LDR tertinggi (maksimum) adalah 180,62% pada bank BTPN tahun 2019. Adapun nilai rata-rata
(mean) LDR sebesar 19,23%, Besaran simpangan data rasio LDR dilihat dari standar deviasi nya sebesar 16,60%
menunjukkan data variabel LDR bisa dikatakan baik karena nilai standar deviasi nya lebih kecil dari pada nilai rata-ratanya (mean).
3. Biaya Operasional terhadap Pendapatan Operasional BOPO Rentang nilai BOPO sebesar 124,58% yang memiliki nilai terendah (minimum) sebesar 56,04% yakni pada bank WOORI tahun 2014, sedangkan BOPO tertinggi (maksimum) adalah 163,10% pada bank MNC tahun 2017. Adapun nilai rata-rata (mean) BOPO sebesar 86,75%, Besaran simpangan data rasio BOPO dilihat dari standar deviasinya sebesar 16,53%
menunjukkan data variabel BOPO bisa dikatakan baik karena nilai standar deviasinya lebih kecil dari pada nilai rata-ratanya (mean).
4. NonPerforming Loan NPL
Rentang nilai NPL sebesar 6,34% yang memiliki nilai terendah (minimum) sebesar 0,03% yakni pada bank KEB HANA tahun 2014, sedangkan NPL tertinggi (maksimum) adalah 6,37% pada bank BUKOPIN tahun 2017. Adapun nilai rata-rata (mean) NPL sebesar 1,65%, Besaran simpangan data rasio NPL dilihat dari standar deviasinya sebesar 1,12%
menunjukkan data variabel NPL bisa dikatakan baik karena nilai standar deviasinya lebih kecil dari pada nilai rata-ratanya (mean).
2. Uji Asumsi Klasik a. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah dalam model regresi variabel pengangguk atau residual memiliki distribusi normal.
Ada beberapa cara untuk mendeteksi apakah residual terdistribusi normal atau tidak yaitu salah satunya dengan menggunakan analisis grafik. Analisis grafik digunakan dengan melihat histogram dan pp plot pada pengujian normalitas. Apabila residual pada histogram membentuk lonceng dan residual pada pp plot mengikuti garis diagonal maka dapat dinilai data penelitian ter distirbusi normal.
Adapun hasil dari pengujian normalitas pada gambar 4.1 dan 4.2 dibawah ini:
Gambar 4.1: Histogram Sumber: Data primer, 2020.
Gambar 4.2: P P Plot Sumber: Data primer, 2020.
Berdasarkan hasil pengujian normalitas dengan menggunakan metode analisis grafik histogram dan P P- Plot di atas, diketahui bahwa residual pada histogram membentuk lonceng dan residual pada P P Plot mengikuti garis diagonal yang berarti data penelitian ini ber distribusi normal.
b. Uji Multikolinearitas
Uji multikoliniearitas bertujuan untuk menguji apakah model regresi ditentukan adanya korelasi di antara variabel bebas (independen). Model regresi yang baik sebaiknya tidak terjadi korelasi diantara variabel independen. Untuk mendeteksi ada atau tidaknya multikoliniearitas dalam model regresi dengan melihat nilai tolerance >
0,10 dan lawannya variance inflation factor (VIF) < 0,10 berarti data tidak ada masalah multikolinieritas. Adapun hasil pengujian multikolinieritas dapat dilihat pada tabel 4.2 dibawah ini:
Tabel 4.2: Uji Multikolinearitas
Collinearity Statistics
Tolerance VIF
(Constant)
CAR 0.851 1.176
LDR 0.964 1.038
BOPO 0.822 1.216
Sumber: Data primer, 2020.
Berdasarkan hasil dari pengujian multikolinieritas yang ditunjukkan tabel 4.2 di atas, diketahui bahwa semua nilai tolerance variabel independent > 0,10 dan nilai VIF < 10,00. Maka dapat disimpulkan bahwa tidak terdapat korelasi antara variabel-variabel independen dan berarti model regresi penelitian ini dinilai baik.
c. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Ada beberapa cara yang dapat dilakukan untuk melakukan uji Heteroskedastisitas, yaitu uji Grafik plot, uji park, uji glester, dan uji white. Pengujian pada penelitian ini menggunakan Grafik Plot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID. Tidak terjadi Heteroskedastisitas apabila tidak ada pola yang jelas, serta titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y. adapun hasil pengujian heterokedastisitas dalam penelitian ini dapat ditunjukkan pada gambar 4.13 dibawah ini:
Gambar 4.3: Scatterplot Sumber: Data primer, 2020.
Berdasarkan hasil pengujian heterokedastisitas di atas, diketahui bahwa residual menyebar dan tidak membentuk pola pada scatterplot. Maka dapat disimpulkan data penelitian ini memenuhi kriteria pengujian Heteroskedastisitas.
d. Uji Autokolerasi
Autokolerasi dapat diartikan sebagai korelasi yang terjadi diantara anggota-anggota dari serangkaian observasi yang berderetan waktu apabila datanya time series (apabila cross sectional). Adapun uji yang dapat digunakan untuk mendeteksi adanya penyimpangan asumsi klasik ini adalah uji Durbin Watson (D W stat) dengan ketentuan sebagai berikut :
b. 1,65<DW<2,35 maka tidak ada autokolerasi
c. 1,21<DW<1,65 ATAU 2,35<DW<2,79, maka tidak dapat disimpulakan
d. DW<1,21 atau DW>2,79 maka terjadi autokolerasi
Tabel 4.3: Uji Autokolerasi
Model R R Square Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .515a 0.265 0.253 0.97340 1.257
Sumber: Data primer, 2020.
Berdasarkan tabel 4.3 diatas diketahui nilai Durbin Watson sebesar 1,257, dimana nilai D W berada pada 1,21<DW<1,65 yang berarti bahwa tidak dapat disimpulkan.
3. Analisis Regresi Linier Berganda
Analisis regresi berganda pada dasarnya adalah studi mengenai ketergantungan variabel dependen (terikat) dengan satu atau lebih variabel independen (variabel penjelas atau bebas), dengan tujuan untuk mengestimasi rata-rata populasi atau nilai rata-rata variabel dependen berdasarkan nilai variabel independen yang diketahui. Adapun rumus regresi linear berganda sebagai berikut:
Y = b0 + b1X1 + b2X2 + b3X3+ e
Adapun hasil pengujian regresi linear berganda dapat dilihat pada tabel 4.4 dibawah ini:
Tabel 4.4. Analisis Regresi Linear Berganda
Model
Unstandardized Coefficients
Standardized
Coefficients t Sig.
B Std.
Error Beta
1 (Constant) 0.100 0.846 0.118 0.906
CAR -0.030 0.021 -0.100 -
1.428
0.155
LDR -0.005 0.004 -0.081 -
1.225
0.222
BOPO 0.030 0.005 0.447 6.269 0.000
Sumber: Data primer, 2020.
Berdasar kan tabel 4.4 diatas menjelaskan, nilai konstanta (a) adalah 0,100, untuk variabel Capital Adequacy Ratio CAR adalah - 0,030, variabel Loan Deposito Ratio LDR adalah -0,005, dan variabel Biaya Operasional Pendapatan Operasional BOPO adalah 0,030 sehingga persamaan regresi nya dapat ditulis, sebagai berikut :
Y = 0,100 + 0,030X1 + 0,005X2 + 0,030X3 + e
Berdasarkan hasil diatas maka, persamaan tersebut dapat diterjemahkan dengan cara berikut:
1. Konstanta sebesar 0,100 menyatakan bahwa jika nilai variabel Capital Adequacy Ratio CAR, Loan Deposito Ratio LDR dan Biaya Oprasional Pendapatan Oprasional BOPO adalah konstan (0) maka Non Performing Loan NPL sebesar 0,100.
2. Koefisien regresi Capital Adequacy Ratio CAR sebesar -0,030 , artinya jika nilai variabel Capital Adequacy Ratio CAR bertambah sebesar 1, maka akan berdampak terhadap kenaikan Non Performing Loan NPL sebesar -0,030.
3. Koefisien regresi Loan Deposito Ratio LDR sebesar -0,005 artinya – jika nilai variabel Loan Deposito Ratio LDR bertambah sebesar 1, maka akan berdampak terhadap kenaikan Non Performing Loan NPL sebesar -0,005.
4. Koefisien regresi Biaya Oprasional Pendapatan Oprasional BOPO sebesar 0,030 artinya – jika nilai variabel Biaya Oprasional Pendapatan Oprasional BOPO bertambah sebesar 1, maka akan berdampak terhadap kenaikan Non Performing Loan NPL sebesar 0,030.
4. Uji Hipotesis a. Uji t
Uji t digunakan untuk mengetahui pengaruh variabel-variabel independen terhadap variabel dependen. Dalam pengujian signifikan ada dua kriteria yang menjadi pengukuran, yaitu nilai t hitung dibandingkan dengan nilai t tabel dan nilai signifikansi dibandingkan dengan standar signifikansi. Apabila nilai t hitung lebih > nilai t tabel dan nilai signifikansi < 0,05, maka dinyatakan variabel-variabel independen berpengaruh signifikan terhadap variabel dependen.
Adapun rumus untuk mendapatkan nilai t tabel dengan menggunakan Microsoft excel yaitu sebagai berikut:
DF = n – k
DF = Degree of Freedom (Derajat kebebasan) 0,05 n = Jumlah sampel penelitian (180 Laporan Keuangan) k = Jumlah variabel penelitian (3 Variabel Penelitian) maka;
0,05 = 180 – 3
= 177
Hasil dari persamaan tersebut dimasukkan ke dalam function Microsoft excel dengan rumus =TINV (0,05;79), maka didapatkan hasil nilai t tabel 1,973. Untuk standar signifikansi yang digunakan adalah 0,05.
Berdasarkan pada tabel 4.4 analisis regresi linear berganda, diketahui bahwa nilai t hitung Capital Adequacy Ratio (CAR) sebesar - 1.427<1,973 dengan nilai sig. yaitu 0,155>0.05, maka disimpulkan
bahwa tidak terdapat pengaruh positif dan signifikan antara Capital Adequacy Ratio (CAR) dengan NonPerforming Loan (NPL) dimana hipotesis (H1) ditolak
Untuk variabel Loan Deposito Ratio (LDR) sebesar - 1.224<1,973 dengan nilai sig. yaitu 0,222>0.05, Maka disimpulkan bahwa tidak terdapat pengaruh positif dan signifikan antara Loan Deposito Ratio (LDR) dengan dengan NonPerforming Loan (NPL) dimana hipotesis (H2) ditolak.
dan variabel Biaya Operasional Pendapatan Operasional (BOPO) sebesar 6.269>1,973 dengan nilai sig. sebesar 0,000<0,05.
maka disimpulkan bahwa terdapat pengaruh positif dan signifikan antara Biaya Operasional Pendapatan Operasional (BOPO) dengan NonPerforming Loan (NPL) dimana hipotesis (H3) diterima.
b. Koefisien Determiniasi
Klasifikasi uji determinasi yang digunakan dimana nilai determinasi dapat dikelompokkan sebagai berikut: 0,41 s/d 0,70 korelasi keeratan kuat, 0.71 s/d 0,90 sangat kuat, 0,91s/d 0,00 sangat kuat sekali dan jika 1 berarti sempurna. Adapun hasil pengujian analisis korelasi dapat dilihat pada tabel 4.15 di bawah ini:
Tabel 4.5 Uji Koefisien Determinasi.
Model R
R Square
Adjusted R Square
Std. Error of the Estimate
1 .515a 0.265 0.253 0.97340
Sumber: Data primer diolah SPSS 26, 2019.
Tabel di atas menunjukkan bahwa nilai R Square yang merupakan besaran nilai kontribusi pengaruh secara simultan kualitas layanan dan nilai nasabah terhadap kepuasan nasabah sebesar 0,265
atau 26,5 persen. Hal ini menunjukkan bahwa Capital Adequacy Ratio CAR, Loan Deposito Ratio LDR dan Biaya Oprasional Pendapatan Oprasional BOPO memiliki pengaruh yang cukup kuat terhadap terhadap NonPerforming Loan NPL, sedangkan sisanya sebesar 73,5 persen merupakan nilai kontribusi pengaruh yang berasal dari variabel lainnya yang tidak dikaji dalam penelitian ini.