BAB III METODOLOGI PENELITIAN
3.7 Metode Analisis Data
3.7.6 Uji Hipotesis
maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas.
Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas. Salah satu dasar analisis terjadi Heteroskedastisitas dapat dilakukan dengan uji Autoregressive Conditional Heteroskedasticity (ARCH) pada software eviews dengan tingkat signifikansi yang digunakan adalah sebesar 5% atau 0,05.
Uji ARCH dilakukan dengan kriteria penentuan berdasarkan nilai probabilitas signifikansi chi – squared pada Obs*R-squared sebagai berikut:
- Ho diterima apabila nilai probabilitas signifikansi chi – squared > 0,05 - Ha diterima apabila nilai probabilitas signifikansi chi – squared < 0,05 Rumusan hipotesis yang digunakan adalah:
- Ho = tidak terdapat masalah heteroskedastisitas di dalam model - Ha = terdapat masalah heteroskedastisitas di dalam model
variabel dependen. Nilai Adjusted R2 akan selalu berada di antara 0 dan 1.
Semakin mendekati 1, berarti semakin besar kemampuan variabel independen untuk menjelaskan pengaruhnya kepada variabel dependen. Adjusted R2 menyatakan proporsi atau persentase dari total variasi variabel tak bebas Y yang dijelaskan oleh sebuah variabel penjelas X (Winarno, 2011).
3.7.6.2 Uji Signifikansi Parameter Individual (Uji Statistik t)
Uji parsial (t test) dilakukan untuk menguji signifikansi pengaruh variabel- variabel independen secara individual terhadap variabel dependen. Dalam penelitian ini variabel independen terkait yaitu NPL, GCG, ROA, CAR dan BI Rate yang diuji secara individual terhadap penyaluran kredit bank umum yang go public di BEI tahun 2009-2012. Pada pengujian ini dilakukan pendekatan probabilistik dimana analisa hasil pengujian ditentukan dengan cara melihat antara probability dengan level of significance (α). Probability merupakan nilai yang menunjukkan besarnya pengaruh tiap variabel independen kepada variabel dependennya. Coefficient digunakan untuk melihat arah positif atau negatif dari tiap variabel independennya terhadap variabel dependennya. Untuk tiap variabel, perhitungan probability dan coefficient tersebut dihasilkan dengan menggunakan program statistik. Untuk pengujian ini α yang ditetapkan adalah sebesar 5%
dimana kriteria probability akan dijelaskan melalui ketentuan sebagai berikut:
a. Berdasarkan kriteria signifikansi:
- Jika probability ≤ 0,05 maka berpengaruh signifikan
- Jika probability ≥ 0,05 maka tidak berpengaruh signifikan - Coefficient “-“ = memiliki pengaruh negatif
- Coefficient “+“ = memiliki pengaruh positif
3.7.6.3 Uji Signifikansi Simultan (Uji Statistik F)
Uji F pada dasarnya menunjukan apakah semua variabel independen yang dimasukan dalam model yaitu faktor RBBR dan BI Rate mempunyai pengaruh secara bersama – sama terhadap variabel dependen nya yaitu penyaluran kredit.
Pengujian ini membandingkan antara F statistic dengan F table dan akan diuji kepada hipotesis yang telah dirumuskan dengan kriteria penerimaan dan penolakan akan dijelaskan melalui:
a. Berdasarkan kriteria signifikansi:
- Jika signifikansi > 0,05 maka Ho diterima
- Jika signifikansi < 0,05 maka Ho ditolak
BAB IV
ANALISIS DAN PEMBAHASAN
4.1 Gambaran Umum Objek Penelitian
Jumlah Bank Umum yang digunakan sebagai sampel penelitian adalah sebanyak 35 buah. Semua bank tersebut melaporkan laporan keuangannya kepada Bank Indonesia dan dipublikasikan di situs Bursa Efek Indonesia (BEI). Dari keseluruhan 38 Bank yang go public, dua diantara nya memiliki data yang tidak relevan dan satu diantaranya merupakan Bank Syariah. Oleh karena itu penulis hanya menggunakan 35 sampel Bank Umum yang terdapat di BEI tahun 2009 – 2012 adalah sebagai berikut:
Tabel 4.1 Penentuan Sampel
Kriteria Sampel Jumlah
Populasi perusahaan perbankan di BEI tahun 2009 – 2012 38
Perusahaan yang tidak memiliki kriteria: (3)
Tidak memiliki data laporan keuangan yang relevan (2)
Tidak termasuk Bank Umum Konvensional (1)
Jumlah sampel akhir 35
Periode pengamatan 4
Jumlah pengamatan 140
Sumber : Diolah Penulis
Berdasarkan tabel 4.1 dijelaskan bahwa terdapat 35 sampel perusahaan perbankan yang dijadikan penelitian, berikut ini adalah nama – nama bank yang digunakan sebagai sampel:
Tabel 4.2 Perusahaan Sampel
No Nama Bank Kode Listing
1 BRI AGRO Niaga AGRO
2 Bank ICB Bumiputera BABP
3 Bank Capital Indonesia BACA
4 Bank Ekonomi Rahardja BAEK
5 Bank Central Asia BBCA
6 Bank Bukopin BBKP
7 Bank Mestika Dharma BBMD
8 Bank Negara Indonesia BBNI
9 Bank Nusantara Parahyangan BBNP
10 Bank Rakyat Indonesia BBRI
11 Bank Tabungan Negara BBTN
12 Bank Mutiara BCIC
13 Bank Danamon BDMN
14 Bank Ina Perdana BINA
15 Bank Jabar Banten BJBR
16 BPD Jawa Timur BJTM
17 Bank QNB Kesawan BKSW
18 Bank Maspion BMAS
19 Bank Mandiri BMRI
20 Bank Bumi Arta BNBA
21 Bank CIMB Niaga BNGA
22 Bank International Indonesia BNII
23 Bank Permata BNLI
24 Bank Sinarmas BSIM
25 Bank of India Indonesia BSWD
26 Bank Tabungan Pensiunan Nasional BTPN
27 Bank Victoria International BVIC
28 Bank Artha Graha International INPC
29 Bank Mayapada International MAYA
30 Bank Windu Kentjana MCOR
31 Bank Mega MEGA
32 Bank Mitra Niaga NAGA
33 OCBC NISP NISP
34 Bank Panin Indonesia PNBN
35 Bank Himpunan Saudara 1906 SDRA
Sumber: Data hasil olahan peneliti
Bank yang dikeluarkan dari kriteria purposive sampling adalah Bank Pundi Indonesia (BEKS) dan Bank Nationalnobu (NOBU) karena data yang tersedia tidak relevan dan jauh dari range normalnya, sehingga dikhawatirkan akan mengganggu didalam pengujian statistik dan model penelitian.
4.2 Pembahasan Hasil Penelitian 4.2.1 Statistik Deskriptif
Statistik deskriptif dilakukan untuk menjelaskan distribusi dari tiap – tiap variabel yang terdapat di dalam penelitian ini. Hasil statistik deskriptif menunjukan informasi mengenai jumlah sampel yang diteliti, nilai rata – rata, nilai tengah (median), nilai maksimum, nilai minimum, dan standar deviasi pada masing – masing variabel dependen maupun independen.
Tabel 4.3
Hasil Statistik Deskriptif
LN_PK NPL GCG ROA CAR BI_RATE
Mean 30.11040 1.558500 1.747357 1.809071 17.55186 6.187500 Median 30.03502 1.080000 1.600000 1.725000 15.93000 6.250000 Maximum 33.54606 9.640000 3.670000 5.050000 46.79000 6.500000 Minimum 25.93904 0.070000 1.000000 0.050000 9.410000 5.750000 Std. Dev. 1.785577 1.517615 0.534788 1.093185 6.313170 0.325926 Skewness -0.015283 2.604929 1.079784 0.480204 2.067697 -0.213833 Kurtosis 2.132103 12.69290 4.060012 3.027140 8.770267 1.279835
Observations 140 140 140 140 140 140
Sumber: Data diolah Eviews 7.1
Hasil deskriptif diatas menunjukan bahwa dari 140 observasi sampel, nilai rata – rata (mean) pada penyaluran kredit (LN_PK) dari seluruh sampel bank yang go public adalah sebesar 30,11040 dengan nilai standar deviasi sebesar 1,785577.
Penyaluran kredit terbesar dimiliki oleh Bank Mandiri pada tahun 2012, yaitu sebesar Rp 370.570.356 juta, sedangkan penyaluran kredit terkecil dimiliki oleh Bank Mitra Niaga pada tahun 2009, yaitu sebesar Rp 184.155 juta. Standar deviasi pada variabel ini lebih kecil dibandingkan nilai mean , yang menunjukan bahwa data di dalam variabel ini terdistribusi dengan baik.
Variabel Non Performing Loan (NPL) dari sampel penelitian menunjukan memiliki nilai rata – rata 1,558500 dengan standar deviasi sebesar 1.517615.
Nilai tertinggi untuk variabel ini adalah sebesar 9,640000 yang dimiliki oleh Bank Mestika Dharma pada tahun 2009, sedangkan nilai terkecil untuk variabel ini adalah sebesar 0,070000 yang dimiliki oleh Bank Mitra Niaga pada tahun 2012. Standar deviasi pada variabel ini lebih kecil dibandingkan nilai mean , yang menunjukan bahwa data di dalam variabel ini terdistribusi dengan baik.
Variabel Good Corporate Governance (GCG) dalam penelitian ini memiliki rata – rata sebesar 1,747357 dan standar deviasi sebesar 0,534788. Hasil standar deviasi yang lebih kecil dari nilai rata – rata (mean) menunjukan bahwa data ini telah terdistribusi dengan baik. Nilai tertinggi pada variabel ini dimiliki oleh Bank Windu Kentjana pada tahun 2012 yaitu sebesar 3,670000 sedangkan nilai terendah dimiliki oleh Bank BCA pada tahun 2011 sebesar 1,000000.
Variabel Return on Asset (ROA) dalam penelitian ini memiliki rata – rata sebesar 1,809071 dan standar deviasi sebesar 1,093185. Nilai standar deviasi yang lebih kecil mengindikasikan bahwa data telah terdistribusi dengan baik. Nilai tertinggi yaitu sebesar 5,050000 yang dimiliki oleh Bank Mestika Dharma pada tahun 2011 sedangkan nilai terendah dimiliki oleh Bank Maspion yakni sebesar 0,050000 pada tahun 2009.
Capital Adequacy Ratio (CAR) memiliki rata – rata 17,55186 yang lebih besar dibandingkan nilai standar deviasinya yaitu 6,313170. Hal ini menunjukan bahwa data telah terdistribusi dengan baik. Bank Capital Indonesia memiliki nilai tertinggi pada tahun 2009 yaitu sebesar 46,790000 sedangkan nilai terkecil dimiliki oleh Bank Mutiara pada tahun 2011 yaitu sebesar 9,410000.
Variabel berikutnya dalam penelitian ini adalah BI_RATE (BI Rate) yang memiliki nilai rata – rata sebesar 6,187500 dan lebih besar dibandingkan nilai standar deviasi yang sebesar 0,325926. Hal ini menunjukan bahwa data telah terdistribusi dengan baik, dimana nilai tertinggi terjadi pada tahun 2009 yakni
sebesar 6,500000 sedangkan nilai terendah yaitu sebesar 5,750000 dan terjadi pada tahun 2012.
4.2.2 Uji Normalitas
Uji normalitas ditujukan untuk melihat apakah data yang diperoleh untuk penelitian ini memiliki distribusi yang normal atau tidak, karena data yang berdistribusi normal merupakan salah satu syarat untuk melakukan teknik analisis regresi berganda. Data awal yang diperoleh di dalam penelitian ini tidak terdistribusi normal karena data yang digunakan adalah data sekunder laporan keuangan, sehingga fluktuasi sebaran data masih sangat tinggi. Oleh karena itu variabel dependen (Penyaluran Kredit) disederhanakan menggunakan logaritma natural (ln) sehingga didapatkan angka berupa presentase. Setelah menggunakan logaritma natural, maka diperoleh data yang berdistribusi normal seperti gambar dibawah ini:
Gambar 4.1 Grafik Histogram
0 2 4 6 8 10 12
-3 -2 -1 0 1 2 3
Series: Standardized Residuals Sample 2009 2012
Observations 140 Mean 1.16e-14 Median 0.002738 Maximum 3.064041 Minimum -3.675528 Std. Dev. 1.698457 Skewness -0.002951 Kurtosis 2.054183 Jarque-Bera 5.218528 Probability 0.073589
Grafik histogram diatas menunjukan bahwa semua variabel telah terdistribusi dengan normal. Hal tersebut dicerminkan pada nilai probability 0,073589 yang berada di atas α = 0,05. Dengah hasil ini maka disimpulkan bahwa data telah terdistribusi secara normal yang berarti menerima Ho dan menolak Ha.
4.2.3 Uji Asumsi Klasik
Penelitian ini menggunakan analisa regresi berganda data panel. Sebelum melakukan analisa regresi, perlu dilakukan terlebih dahulu uji asumsi klasik yang terdiri dari 3 asumsi yaitu uji multikoleniartias, uji autokorelasi dan uji heteroskedastisitas. Uji asumsi klasik diperlukan untuk mengetahui apakah model regresi yang digunakan dapat menghasilkan hasil estimator yang baik.
4.2.3.1 Uji Multikoleniaritas
Uji Multikoleniaritas digunakan untuk menguji apakah terdapat korelasi linier antar variabel independen. Salah satu syarat di dalam uji asumsi klasik adalah bahwa data yang diperoleh tidak boleh ada unsur multikoleniaritas. Cara untuk melihat masalah di dalam multikoleniaritas adalah dengan menggunakan correlation matrix seperti tabel dibawah ini :
Tabel 4.4
Hasil Correlation Matrix
NPL GCG ROA CAR BI_RATE
NPL 1.000000 0.336357 0.106020 -0.108361 0.263723 GCG 0.336357 1.000000 -0.002673 0.209113 -0.052548 ROA 0.106020 -0.002673 1.000000 -0.000749 -0.181132 CAR -0.108361 0.209113 -0.000749 1.000000 0.112920 BI_RATE 0.263723 -0.052548 -0.181132 0.112920 1.000000
Sumber: Data diolah Eviews 7.1
Syarat untuk menguji multikoleniaritas ini adalah dengan melihat koefisien korelasi. Apabila koefisien antar variabel kurang dari 0,80 maka dapat disimpulkan bahwa antar variabel independen di dalam penelitian ini tidak ada unsur multikoleniaritas. Hasil yang didapat dari correlation matrix di atas menunjukan korelasi antar variabel yang cukup rendah. Koefisien tertinggi adalah sebesar 0,336357 yaitu koefisien yang menunjukan hubungan antara NPL dan GCG.
4.2.3.2 Uji Autokorelasi
Autokorelasi menunjukan bahwa ada korelasi antara error periode sebelumnya di mana pada asumsi klasik hal ini tidak boleh terjadi. Dalam penelitian ini, uji autokorelasi pertama dilakukan dengan melihat Durbin-Watson Stat pada hasil estimasi regresi.
Tabel 4.5
Hasil Uji Autokorelasi (sebelum model autoregressive)
Dependent Variable: LN_PK Method: Least Squares Date: 07/05/14 Time: 05:15 Sample: 1 140
Included observations: 140
Akaike info criterion 3.190960
Schwarz criterion 3.317031
Hannan-Quinn criter. 3.242191
Durbin-Watson stat 0.959404
Sumber: Data diolah Eviews 7.1
Hasil pertama pada nilai D-W stat tidak memenuhi kriteria, dimana terdapat masalah autokorelasi ketika D-W stat memiliki nilai < 1,54 dan. Oleh karena itu diperlukan model autoregressive AR(1) dengan model diferensiasi tingkat pertama untuk mengatasi masalah tersebut (Winarno, 2011). Hal ini memberikan perubahan dengan hasil sebagai berikut :
Tabel 4.6
Hasil Uji Autokorelasi (setelah model autoregressive)
Dependent Variable: LN_PK Method: Least Squares Date: 07/05/14 Time: 05:17 Sample (adjusted): 2 140
Included observations: 139 after adjustments Convergence achieved after 10 iterations
Akaike info criterion 2.869115
Schwarz criterion 3.016894
Hannan-Quinn criter. 2.929169
Durbin-Watson stat 1.760186
Sumber: Data diolah Eviews 7.1
Hasil setelah model autoregressive diatas menunjukan bahwa nilai D-W stat >
1,54 sehingga dapat disimpulkan bahwa Ho dari uji autokorelasi ini diterima dan penelitian ini sudah terbebas dari masalah autokorelasi.
4.2.3.3 Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji apabila muncul kesalahan dan residual dari model regresi yang dianalisis tidak memiliki varian yang konstan dari suatu observasi. Dalam penelitian ini, uji heteroskedastisitas dilakukan dengan menggunakan uji ARCH.
Tabel 4.7 Hasil Uji ARCH
Heteroskedasticity Test: ARCH
F-statistic 1.872344 Prob. F(7,125) 0.0795
Obs*R-squared 12.62181 Prob. Chi-Square(7) 0.0819
Sumber: Data diolah Eviews 7.1
Hasil uji ARCH diatas menunjukan bahwa nilai probability chi-square sebesar 0,0819 dengan number of lags ditetapkan sebesar tujuh. Nilai tersebut lebih besar dari 0,05 sehingga dapat disimpulkan bahwa Ho dari uji heteroskedastisitas ini diterima. Dengan demikian, penelitian ini terbebas dari masalah heteroskedastisitas.
4.2.4 Analisis Data Panel
Data panel atau pooled data adalah kombinasi dari data time series dan cross section. Metode data panel digunakan untuk mengatasi interkorelasi di antara variabel – variabel bebas yang pada akhirnya dapat mengakibatkan tidak tepatnya penaksiran regresi. Penentuan model Common Effect, Fixed Effect, dan Random Effect dilakukan dengan melakukan uji Chow dan uji Hausman.
4.2.4.1 Chow Test
Uji Chow dilakukan untuk mengetahui apakah model penelitian menggunakan Common Effect atau Fixed Effect. Hasil dari uji Chow adalah sebagai berikut:
Tabel 4.8 Hasil Uji Chow
Redundant Fixed Effects Tests Equation: U_FIX_CHOW_NO Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 220.692643 (34,100) 0.0000
Cross-section Chi-square 606.368044 34 0.0000
Sumber: Data diolah Eviews 7.1
Berdasarkan tabel 4.7 diatas, nilai probabilitas Cross Section Chi Square adalah sebesar 0,0000. Nilai tersebut lebih rendah dari nilai kritis Chi Square
0,05. Dengan demikian, Ho dinyatakan ditolak sehingga penelitian ini menggunakan model Fixed Effect dan akan dilanjutkan ke uji Hausman.
4.2.4.2 Hausman Test
Uji Hausman dilakukan untuk menentukan apakah estimasi regresi data panel menggunakan model Fixed Effect atau Random Effect. Statistik uji Hausman mengikuti statistik Chi Square, hasil dari uji Hausman adalah sebagai berikut:
Tabel 4.9 Hasil Uji Hausman
Correlated Random Effects - Hausman Test Equation: U_RDM_HAUSM_YES
Test cross-section random effects
Test Summary Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 0.000000 5 1.0000
Sumber: Data diolah Eviews 7.1
Berdasarkan hasil diatas, nilai probabilitas Cross Section random adalah sebesar 1,0000. Hasil tersebut menunjukan bahwa hasil probablitas pada Cross Section random > 0,05. Oleh karena itu, Ho dinyatakan ditolak sehingga penelitian ini menggunakan model Random Effect untuk melakukan estimasi regresi data panel.
4.2.5 Analisis Regresi Linier Berganda
Sesuai yang sudah dijelaskan pada Metodologi Penelitian sebelumnya, penelitian ini menggunakan metode analisis regresi linier berganda. Jumlah sampel keseluruhan selama 4 tahun adalah sebanyak 140, dengan persamaan sebagai berikut:
Pkit = β0 + β1 NPLit + β2GCGit+ β3ROAit + β4 CARit + β5 BI Ratet
Analisa hasil dari model regresi penelitian menggunakan data sebagai berikut:
Tabel 4.10
Analisa Model Regresi Penelitian
Dependent Variable: LN_PK Method: Least Squares Date: 07/05/14 Time: 05:17 Sample (adjusted): 2 140
Included observations: 139 after adjustments Convergence achieved after 10 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 34.94913 1.707215 20.47144 0.0000
NPL -0.056683 0.073713 -0.768965 0.4433
GCG -1.489132 0.219754 -6.776353 0.0000
ROA 0.576229 0.111331 5.175801 0.0000
CAR -0.060684 0.015341 -3.955591 0.0001
BI_RATE -0.344677 0.258452 -1.333621 0.1846
AR(1) 0.567802 0.073107 7.766721 0.0000
R-squared 0.705148 Mean dependent var 30.12360 Adjusted R-squared 0.691746 S.D. dependent var 1.785164 S.E. of regression 0.991135 Akaike info criterion 2.869115 Sum squared resid 129.6700 Schwarz criterion 3.016894 Log likelihood -192.4035 Hannan-Quinn criter. 2.929169 F-statistic 52.61369 Durbin-Watson stat 1.760186 Prob(F-statistic) 0.000000
Inverted AR Roots .57
Sumber: Data diolah Eviews 7.1
Dari hasil regresi diatas, maka didapatkanlah persamaan regresi linier berganda sebagai berikut:
P
kit=
34,94913-
0,056683 NPLit-
1,489132 GCGit+
0,576229 ROAit-
0,060684CARit
-
0,344677BI Rateta. Jika Non Performing Loan (NPL), Good Corporate Governance (GCG), Return on Asset (ROA) dan Capital Adequacy Ratio (CAR) diabaikan, maka nilai konstanta persamaan diatas sebesar 34,94913.
b. Koefisien regresi untuk NPL sebesar
-
0,056683. Hal ini menunjukan bahwa penyaluran kredit akan mengalami penurunan sebesar 0,056683 persen untuk setiap kenaikan satu persen NPL dengan asumsi variabel lain konstan.c. Koefisien regresi untuk GCG sebesar
-
1,489132. Hal ini menunjukan bahwa penyaluran kredit akan mengalami penurunan sebesar 1,489132 persen untuk setiap kenaikan satu persen GCG dengan asumsi variabel lain konstan.d. Koefisien regresi untuk ROA sebesar 0,576229. Hal ini menunjukan setiap kenaikan satu persen pada ROA maka akan meningkatkan penyaluran kredit sebesar 0,576229 dengan asumsi variabel lain dianggap konstan.
e. Koefisien regresi untuk CAR sebesar -0,060684. Hal ini menunjukan bahwa penyaluran kredit akan mengalami penurunan sebesar 0,060684
persen untuk setiap kenaikan satu persen CAR dengan asumsi variabel lain konstan.
f. Koefisien regresi untuk BI Rate sebesar
-
0,344677. Hal ini menunjukan bahwa penyaluran kredit akan mengalami penurunan sebesar 0,344677 persen untuk setiap kenaikan satu persen BI Rate dengan asumsi variabel lain konstan.4.2.6 Koefisien Determinasi (Adjusted R2)
Koefisien determinasi adalah salah satu nilai statistik yang dapat digunakan untuk mengukur seberapa jauh model yang digunakan untuk menghubungkan antara variabel independen dengan variabel dependen di dalam mengestimasi persamaan regresi. Berdasarkan hasil regresi berganda diatas, koefisien determinasi (Adjusted R2) adalah sebesar 0,691746 atau 69,17%.
Hal ini menunjukan bahwa NPL, GCG, ROA, CAR, dan BI Rate mampu menjelaskan pengaruh kepada penyaluran kredit sebesar 69,17%. Sisanya, yaitu 30,83% dijelaskan oleh variabel lain yang tidak digunakan di dalam model penelitian ini. Variabel lain yang bisa mempengaruhi penyaluran kredit dapat berupa Loan to Deposit Ratio (LDR), Kualitas Aktiva Produktif (KAP), Dana Pihak Ketiga (DPK), dan lain sebagainya.
4.2.7 Uji Hipotesis
4.2.7.1 Uji t (Uji Signifikansi Parameter Individual)
Uji t dilakukan untuk mengetahui apakah koefisien regresi dari variabel bebas secara individual berpengaruh secara signifikan terhadap variabel terikat.
Kesimpulan yang dihasilkan dari uji t tersebut adalah sebagai berikut:
Ha1 : NPL memiliki pengaruh negatif terhadap penyaluran kredit
Dari tabel hasil analisis regresi di atas menunjukan bahwa probabilitas NPL menunjukan nilai sebesar 0,4433 atau lebih besar dari nilai signifikansi 0,05. Nilai koefisien regresinya menunjukan nilai
-
0,056683 yang berarti NPL memiliki pengaruh negatif terhadap penyaluran kredit, sehingga bisa dinyatakan bahwa Ha1diterima. Dengan kata lain, NPL berpengaruh secara negatif dan tidak signifikan terhadap penyaluran kredit.
Ha2 : GCG memiliki pengaruh negatif terhadap penyaluran kredit
Hasil dari analisis regresi menunjukan bahwa probabilitas GCG memiliki nilai sebesar 0,0000 yang lebih kecil dari nilai signifikansi 0,05. Nilai koefisien regresinya menunjukan nilai -1,489132 yang berarti GCG memiliki pengaruh negatif terhadap penyaluran kredit, sehingga hal tersebut menunjukan bahwa diterimanya Ha2. Dengan kata lain, GCG berpengaruh secara negatif dan signifikan terhadap penyaluran kredit.
Ha3 : ROA memiliki pengaruh positif terhadap penyaluran kredit
Nilai probabilitas ROA menunjukan hasil sebesar 0,0000 yang lebih kecil dari nilai signifikansi 0,05. Nilai koefisien regresi dari ROA adalah sebesar 0,576229 yang berarti bahwa ROA memiliki pengaruh positif terhadap penyaluran kredit, sehingga dapat dinyatakan bahwa Ha3 diterima. Hal ini berarti ROA memiliki pengaruh positif dan signifikan terhadap penyaluran kredit.
Ha4 : CAR memiliki pengaruh negatif terhadap penyaluran kredit
Dari tabel hasil analisis regresi di atas menunjukan bahwa probabilitas CAR memiliki nilai sebesar 0,0001 yang lebih kecil dari nilai signifikansi 0,05. Nilai koefisien regresi dari CAR adalah sebesar -0,060684. Hal ini menunjukan bahwa CAR mempengaruhi penyaluran kredit secara negatif dan signifikan yang menolak Ha4.
Ha5 : BI Rate memiliki pengaruh negatif terhadap penyaluran kredit
Variabel BI Rate memiliki probabilitas sebesar 0,1846 yang lebih besar dari nilai signifikansi sebesar 0,05. Nilai koefisien regresi dari BI Rate adalah sebesar
-
0,344677. Hal ini menunjukan bahwa BI Rate memiliki pengaurh negatif terhadap penyaluran kredit dan menerima Ha5. Dengan kata lain, BI Rate berpengaruh secara negatif dan tidak signifikan terhadap penyaluran kredit.
4.2.7.2 Uji Signifikansi Simultan (Uji F)
Uji F digunakan untuk menguji apakah secara bersama – sama semua variabel bebas memiliki pengaruh yang signifikan terhadap variabel terikat. Untuk pengujian ini, apabila nilai probabilitasnya berada di bawah 0,05, maka dapat disimpulkan bahwa secara bersama – sama atau simultan variabel bebas mempengaruhi variabel terikat secara signifikan.
Ha6 : NPL, GCG, ROA, CAR dan BI Rate memiliki pengaruh yang signifikan terhadap penyaluran kredit
Berdasarkan tabel hasil uji F diatas, nilai probabilitas F-statistic sebesar 0,000000.
Dengan nilai signifikansi sebesar 0,05 maka nilai probabilitas F-statistic lebih kecil dari 0,05. Oleh karena itu, hal ini menunjukan bahwa secara simultan (bersama-sama), variabel NPL, GCG, ROA, CAR dan BI Rate mempengaruhi penyaluran kredit secara signifikan dan Ha6 diterima.
4.3 Analisis Pengaruh Faktor RBBR dan BI Rate Terhadap Penyaluran Kredit Bank Umum
4.3.1 Pengaruh NPL terhadap penyaluran kredit Bank Umum
Pengaruh NPL terhadap penyaluran kredit menunjukan hasil yang negatif dan tidak signifikan. Hal tersebut tercermin pada hasil koefisien regresi sebesar
-
0,056683 dan probabilitas sebesar 0,4433 yang lebih besar dari nilai signifikansi
0,05. Koefisien yang negatif menunjukan bahwa semakin rendah NPL pada bank, maka total penyaluran kredit tetap mengalami kenaikan , begitu juga sebaliknya.
Menurut Surat Edaran Bank Indonesia No.8/30/DPBPR/2006 tanggal 12 Desember yang dimaksud Non Performance Loan (NPL) adalah perbandingan antara kredit yang diberikan (kualitas KL, D dan M) terhadap total kredit yang diberikan. Dari keseluruhan kredit yang diberikan, terdapat potensi kredit bermasalah (kurang lancar, diragukan, macet). Semakin besar kredit bermasalah, maka NPL juga akan semakin besar, meskipun tidak semua kredit yang disalurkan akan masuk ke dalam kategori kredit bermasalah.
Tingginya NPL akan meningkatkan premi risiko yang berdampak pada tingginya suku bunga kredit. Suku bunga kredit yang terlampau tinggi akan mengurangi permintaan masyarakat akan kredit. Tingginya NPL juga mengakibatkan munculnya pencadangan aktiva produktif yang lebih besar, sehingga pada akhirnya modal bank ikut terkikis. Jumlah modal sangat mempengaruhi besarnya ekspansi kredit. Dengan demikian besarnya NPL menjadi salah satu penghambat tersalurnya kredit perbankan (Pratama, 2010).
Selain itu, besarnya NPL juga menyebabkan semakin besarnya opportunity cost yang harus ditanggung oleh bank sehingga menurunkan kemampuan bank untuk menyalurkan kredit. Sesuai dengan PBI No.15/2/PBI/2013 juga disebutkan bahwa taraf NPL yang harus dijaga adalah maksimal 5%, apabila melebihi atau mendekati taraf tersebut, maka akan dilakukan pengawasan khusus oleh Bank Indonesia terhadap bank terkait. Oleh