.
Tabel 1.1
Rangkuman Indikator Perbankan (2016)
(Sumber data: SPI BI Februari 2017, diolah)
Tabel diatas menunjukkan bahwa Bank Umum dan Bank Persero nilai NPL paling tinggi yaitu 2,33 dan 2,85, atau artinya persentase kredit dengan status diragukan, kurang lancar, dan macet dibandingkan total kreditnya paling tinggi dibandingkan kelompok bank lain. Jumlah kredit bermasalah pada bank persero mencapai Rp 21,9 Triliun dari Rp 767,5 Triliun yang disalurkan. Sedangkan untuk jumlah kredit bermasalah pada bank umum mencapai Rp 51,329 Triliun dari Rp 2.203 Triliun yang disalurkan. Berdasarkan hasil tabel diatas dapat dikatakan bahwa NPL tertinggi ada pada bank persero dan bank umum.
Pada sumber lain menunjukkan grafik NPL rata-rata perbankan di Indonesia, seperti gambar di bawah ini:
Tabel 1.2
Non Performing Loans : USD : Monthly : Asia
Terakhir Sebelumnya Min Max Satuan Frekuensi Jarak
∆ 9,360.704 2019-01
∇ 8,604.683 2018-12
2,715.750 2005-03
10,414.134 2016-10
USD mn
Bulan 2003-01 – 2019-01 Diperbarui pada 29
Mar 2019 Sumber: CEIC (2019)
CAR (%) 18,41 18,05 16,42 20,87 19,53 20,13 25,91
ROA (%) 3,62 4,23 2,63 3,67 3,92 2,76 5,21
BOPO (%) 85,96 91,53 78,93 80,22 71,35 80,60 79,28
LDR (%) 79,43 79,90 77,12 80,25 67,61 104,70 93,88
NIM (%) 5,40 5,31 5,30 10,29 7,14 3,97 3,89
NPL (%) 2,33 2,85 2,08 2,06 1,96 1,72 2,32
ASET (Rp Triliun) 3628,1 1255,3 1473,5 107,8 322,4 189,7 2,79
DPK (Rp Triliun) 2763,9 960,6 1187,6 83,7 263,1 118,5 150,5
GIRO (Rp Triliun) 624,2 185,1 227,8 3,1 104,5 27,9 75,9
Tabungan (Rp Triliun) 884,0 380,8 396,4 10,5 57,3 18,1 20,9
Deposito (Rp Triliun) 1255,8 394,8 563,5 70,1 101,3 72,5 53,7
Kredit (Rp Triliun) 2203,0 767,5 921,6 70,0 177,9 124,7 141,2
LABA (Rp Triliun) 15,5 6,7 4,6 3,9 1,6 0,6 1,7
BANK UMUM
INDIKATOR BANK PERSERO BANK DEVISA NON DEVISA BPD BANK CAMPURAN BANK ASING
Gambar 1.1 Sumber : CEIC Indonesia (2019)
Tabel dan grafik diatas menunjukkan bahwa kredit bermasalah Indonesia dilaporkan sebesar 9.361 USD bn pada 2019-01. Rekor ini naik dibanding sebelumnya yaitu 8.641 USD bn untuk 2018-12. Data Kredit bermasalah Indonesia diperbarui bulanan, dengan rata-rata 5.605 USD bn dari 2003-01 sampai 2019-01, dengan 193 observasi. Data ini mencapai angka tertinggi sebesar 10.414 USD bn pada 2016-10 dan rekor terendah sebesar 2.716 USD bn pada Non-Performing Loans. Data Kredit bermasalah Indonesia tetap berstatus aktif di CEIC dan dilaporkan oleh CEIC Data. Data dikategorikan dalam Global Economic Monitor World Trend Plus.
1. Landasan Teori Kredit Bermasalah
Pengertian kredit bermasalah adalah suatu keadaan dimana nasabah sudah tidak sanggup membayar sebagian atau seluruh kewajibannya kepada bank seperti yang telah diperjanjikannya. Kredit bermasalah menurut ketentuan Bank Indonesia merupakan kredit yang digolongkan ke dalam kolektibilitas Kurang Lancar (KL), Diragukan (D), dan Macet (M). Rasio ini menunjukkan bahwa kemampuan manajemen bank dalam mengelola kredit bermasalah yang diberikan oleh bank. NPL (Non Performing Loan) merupakan rasio yang menunjukkan kemampuan manajemen bank dalam mengelola kredit bermasalah yang diberikan oleh bank. NPL dihitung berdasarkan perbandingan antara jumlah kredit yang bermasalah dibandingkan dengan total kredit.
Non Performing Loan (NPL) merupakan persentase antara kredit bermasalah dengan jumlah kredit yang disalurkan. Kredit bermasalah merupakan resiko yang terkandung dan selalu ada dalam setiap penyaluran kredit oleh bank.
Resiko tersebut berupa ketidakmampuan debitur untuk melakukan pelunasan kredit yang diterimanya, pada waktu yang telah dijanjikan sebelumnya. Kredit bermasalah dapat menimbulkan persoalan, bukan hanya terhadap bank selaku pemberi kredit, melainkan juga terhadap debitur penerima kredit, sebab kredit ini bagaimanapun juga harus diselesaikan, bahkan dapat merugikan dunia perbankan dan stabilitas perekonomian nasional dalam skala besar.
Pengaruh Loan to Deposit Ratio (LDR) terhadap Non Performing Loan (NPL) Loan to Deposite Ratio (LDR) merupakan rasio yang menggambarkan perbandingan antara kredit yang dikeluarkan oleh sebuah bank dengan total dana pihak ketiga yang dihimpun oleh sebuah bank. Adapun dana pihak ketiga yang terdiri dari, giro, tabungan dan simpanan deposito. Banyaknya dana pihak ketiga yang dihimpun oleh sebuah bank, berbanding lurus dengan besarnya kredit yang
dikeluarkan, artinya semakin banyak dana pihak ketiga maka semakin banyak pula kredit yang dikeluarkan. Dengan demikian, secara penuh LDR akan meningkat dan risiko terjadinya NPL pada bank tersebut semakin tinggi pula . Jadi, semakin tinggi LDR sebuah bank, maka semakin tinggi pula NPL. Demikian pula sebaliknya, sehingga bila terjadi NPL, bank harus menanggung beban kerugian dan pada akhirnya dibutuhkan modal untuk untuk kerugian tersebut. Menurut hasil penelitian yang dilakukan oleh (Kurniawan, 2015), (Poetry & Sanrego, 2011) serta (Diyanti &
Widyarti, 2012), mengatakan bahwa LDR berpengaruh signifikan negatif terhadap NPL. Jadi, apabila LDR meningkat maka NPL akan mengalami penurunan, begitu pun sebaliknya. Sehingga hipotesis yang diajukan adalah:
H1: LDR berpengaruh negatif signifikan terhadap kredit bermasalah
Pengaruh Capital Adequacy Ratio (CAR) terhadap Non Performing Loan (NPL) Capital Adequacy Ratio (CAR) merupakan rasio untuk mengukur permodalan dan cadangan penghapusan dalam menanggung perkreditan, terutama risiko terjadi karena bunga gagal ditagih. CAR merupakan rasio permodalan yang menunjukkan kemampuan bank dalam menyediakan dana untuk keperluan pengembangan usaha dan menampung risiko kerugian dana yang diakibatkan oleh kegiatan operasi bank.
CAR menunjukkan sejauh mana penurunan aset bank masih dapat ditutup oleh equity bank yang tersedia, semakin tinggi CAR semakin baik kondisi sebuah bank (Siamat, 2013). Sesuai dengan Surat Edaran Bank Indonesia Nomor 26/5/BPPP tanggal 29 Mei 1993 besarnya CAR yang harus dicapai oleh suatu bank minimal 8%. Menurut hasil penelitian yang dilakukan oleh (Jayanti & Haryanto, 2013) CAR berpengaruh signifikan negatif terhadap NPL. Hal ini menunjukkan bahwa CAR berpengaruh signifikan negatif terhadap NPL, sehingga semakin besar CAR, seharusnya semakin kecil NPL-nya, begitu juga sebaliknya. Sehingga hipotesis yang diajukan adalah:
H2: CAR berpengaruh negatif signifikan terhadap Non Performing Loan (NPL) Pengaruh Return On Assets (ROA) terhadap Non Performing Loan (NPL)
(Siamat, 2013), menyatakan ROA adalah rasio laba bersih terhadap total aset yang mengukur pengembalian atas total aset setelah bunga dan pajak. ROA merupakan kemampuan perusahaan untuk menghasilkan laba atas aktiva yang digunakan, sehingga diperkirakan ROA dan kredit memiliki pengaruh yang positif.
Semakin besar ROA yang dicapai bank tersebut yaitu, dengan laba yang besar maka suatu bank dapat menyalurkan kredit lebih banyak. Hal ini dikarenakan ROA adalah indikator yang akan menunjukkan bahwa apabila rasio ini meningkat maka aktiva bank telah digunakan dengan optimal untuk memperoleh pendapatan. ROA digunakan untuk mengukur kemampuan manajemen bank dalam memperoleh keuntungan (laba) secara keseluruhan. Hasil penelitian yang dilakukan oleh (Sari & Abundanti, 2016) menyatakan bahwa ROA berpengaruh positif dan signifikan terhadap penyaluran kredit sehingga akan menambah kemungkinan terjadi kredit macet. Hasil serupa juga ditemukan oleh (Putri K. S., 2015) yang menyatakan bahwa ROA berpengaruh positif signifikan terhadap jumlah penyaluran kredit yang akan menambah kemungkinan terjadi kredit bermasalah. Sehingga hipotesis yang diajukan adalah:
H3: ROA berpengaruh positif signifikan terhadap Non Performing Loan (NPL)
Pengaruh Biaya Operasional dengan Pendapatan Operasional (BOPO) terhadap Non Performing Loan (NPL)
Efisiensi dalam dunia perbankan merupakan salah satu faktor yang sangat penting dalam rangka menciptakan perbankan yang sehat, transparan dan dapat dipertanggungjawabkan. Efisiensi merupakan perbandingan antara pengeluaran (beban operasional) dengan pendapatan operasional. Dalam penelitian ini efisiensi operasional diproksi dengan menggunakan rasio beban operasional terhadap pendapatan operasional (BOPO). Alasan digunakan rasio ini karena BOPO
mempunyai dampak positif terhadap kinerja perusahaan. Biaya operasional adalah semua biaya yang berhubungan langsung dengan kegiatan usaha bank dan pendapatan operasional bank adalah semua pendapatan yang merupakan hasil langsung dari kegiatan usaha bank yang benar-benar telah diterima. Standar rasio BOPO yang aman menurut Bank Indonesia adalah berkisar antara 94% sampai dengan 96%.
Menurut (Siamat, 2013), rasio BOPO berpengaruh pada keadaan bermasalah. Semakin kecil rasio BOPO berarti semakin efisien biaya operasional yang dikeluarkan bank yang bersangkutan sehingga kemungkinan suatu bank dalam kondisi bermasalah semakin kecil. Sehingga dapat disimpulkan bahwa biaya operasional berpengaruh positif karena semakin kecil rasio BOPO maka kondisi bermasalah juga semakin kecil atau sebaliknya. Hal tersebut didukung dengan hasil penelitian (Kurniawan, 2015), beban operasional terhadap pendapatan operasional (BOPO) berpengaruh positif terhadap NPL. Penelitian lain yaitu (Jayanti & Haryanto, 2013) juga menyatakan bahwa BOPO perpengaruh positif terhadap NPL. Sehingga hipotesis yang diajukan adalah:
H4: BOPO berpengaruh positif signifikan terhadap Non Performing Loan (NPL) Pengaruh Gross Domestic Product (GDP) terhadap Non Performing Loan (NPL) Dalam kaitannya dengan kredit bermasalah, dalam kondisi resesi (terlihat dari penurunan GDP) dimana terjadi penurunan penjualan dan pendapatan perusahaan, maka akan mempengaruhi kemampuan perusahaan dalam mengembalikan pinjamannya. Hal ini akan menyebabkan bertambahnya outstanding kredit non lancar (Ni Made dan Abundanti, 2016). Sementara itu ketika GDP meningkat secara teori terjadi peningkatan transaksi ekonomi, dunia bisnis menggelihat, sehingga non performing financing turun. Berdasarkan tulisan Davis dan Zhu (Sari & Abundanti, 2016)) antara lain mengemukakan bahwa pertumbuhan GDP mempunyai dampak terhadap kualitas pinjaman yang diberikan oleh perbankkan. Lebih jauh dikemukakan bahwa apabila suatu perekonomian mengalami penurunan dalam arti pertumbuhan GDP negatif, maka hal ini akan berdampak pada memburuknya kualitas perbankan.
Fenomena ini seperti tersebut diatas dapat dilihat ketika pada tahun 1998 indonesia mengalami krisis ekonomi yang berdampak pada menurunnya kegiatan di sektor rill (sebagian dibiayai oleh kredit bank) sehingga menyebabkan kredit yang diberikan bermasalah. Faktor penyebab kredit bermasalah dari eksternal yang direpresentasikan Gross Domestic Product (GDP). (Sari & Abundanti, 2016) dalam penelitian mereka menunjukkan bahwa GDP berpengaruh negatif signifikan terhadap kredit bermasalah.
H5: GDP berpengaruh negatif signifikan terhadap Non Performing Loan (NPL) Pengaruh Tingkat Inflasi terhadap Non Performing Loan (NPL)
Ketika terjadi inflasi dimana terjadi kenaikkan harga secara terus- menerus, daya beli masyarakat akan menurun karena nilai uang terus tergerus inflasi.
Hal ini menyebabkan turunnya penjualan dan kondisi dunia usaha atau bisnispun melemah. Kondisi tersebut menyebabkan nasabah perbankan konvensional mengalami kesulitan untuk mengembalikan kreditnya pada perbankan konvensional, sehingga NPL pada perbankan konvensional meningkat. Hal ini sesuai dengan teori yang berlaku umum yang diungkapkan dalam (Sari & Abundanti, 2016) bahwa, bila inflasi menyebabkan naiknya biaya produksi hingga pada akhirnya merugikan produsen, maka produsen enggan untuk meneruskan produksinya. Produsen bisa menghentikan produksinya untuk sementara waktu. Bahkan, bila tidak sanggup mengikuti laju inflasi, usaha produsen tersebut mungkin akan bangkrut (biasanya terjadi pada pengusaha kecil). Hasil penelitian ini sesuai dengan hasil penelitian (Nazir, MM, & UJ, 2010).
H6: Tingkat inflasi berpengaruh negatif signifikan terhadap Non Performing Loan (NPL)
2. Metode Penelitian
Penelitian ini dilakukan dengan tujuan untuk mengetahui pengaruh Loan to Deposit Ratio (LDR), Capital Adequacy Ratio (CAR), Return On Assets (ROA), Biaya Operasioanal terhadap Pendapatan Operasioanl (BOPO), GDP dan Inflasi terhadap Non Performing Loan (NPL). Berdasarkan identifikasi dan perumusan masalah maka dapat disimpulkan bahwa penelitian yang diambil berupa Bank Umum Persero yang terdaftar di Bursa Efek Indonesia Periode 2013-2018.
Operasional Variabel
Dalam penelitian mengukur beberapa variabel sebagai ukuran kinerja bank, yaitu Non Performing Loan (NPL), Loan to Deposit Ratio (LDR), Capital Adequacy Ratio (CAR), Pengertian Return On Assets (ROA), Beban Operasional terhadap Pendapatan Operasional (BOPO), GDP dan Inflasi. Berikut adalah pengukuran variabelnya:
Tabel 3.2
Pengukuran Variabel Dependen dan Independen
Variabel Dimensi Skala
Pengukuran Non Performing Loan
(NPL) NPL = 𝐾𝑟𝑒𝑑𝑖𝑡 𝐵𝑒𝑟𝑚𝑎𝑠𝑎𝑙𝑎ℎ
𝐾𝑟𝑒𝑑𝑖𝑡 𝑦𝑎𝑛𝑔 𝐷𝑖𝑠𝑎𝑙𝑢𝑟𝑘𝑎𝑛 x 100% Rasio
Loan to Deposit Ratio
(LDR) LDR = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑟𝑒𝑑𝑖𝑡 𝑦𝑎𝑛𝑔 𝐷𝑖𝑏𝑒𝑟𝑖𝑘𝑎𝑛
𝐽𝑢𝑚𝑙𝑎ℎ 𝐷𝑒𝑝𝑜𝑠𝑖𝑡 x 100% Rasio
Capital Adequacy
Ratio (CAR) CAR = 𝑀𝑜𝑑𝑎𝑙
𝐴𝑇𝑀𝑅 (𝐴𝑘𝑡𝑖𝑣𝑎 𝑇𝑒𝑟𝑡𝑖𝑚𝑏𝑎𝑛𝑔 𝑀𝑒𝑛𝑢𝑟𝑢𝑡 𝑅𝑒𝑠𝑖𝑘𝑜) x 100% Rasio Return on Assets
(ROA) ROA = 𝐿𝑎𝑏𝑎 𝑏𝑒𝑟𝑠𝑖ℎ 𝑠𝑒𝑏𝑒𝑙𝑢𝑚 𝑝𝑎𝑗𝑎𝑘
𝑇𝑜𝑡𝑎𝑙 𝐴𝑘𝑡𝑖𝑣𝑎 x 100% Rasio
Beban Operasional terhadap Pendapatan Operasional (BOPO)
BOPO = 𝑇𝑜𝑡𝑎𝑙 𝑏𝑖𝑎𝑦𝑎 𝑜𝑝𝑒𝑟𝑎𝑠𝑖
𝑇𝑜𝑡𝑎𝑙 𝑝𝑒𝑛𝑑𝑎𝑝𝑎𝑡𝑎𝑛 𝑜𝑝𝑒𝑟𝑎𝑠𝑖 x 100% Rasio
GDP GDP = Konsumsi + Investasi + Pengeluaran Pemerintah + (Ekspor - Impor)
Ratio Tingkat Inflasi Inflasi = 𝐼𝐻𝐾𝑛− 𝐼𝐻𝐾𝑛−𝑖
𝐼𝐻𝐾𝑛−𝑖𝑡 x 100% Rasio
Sumber: Surat Edaran Bank Indonesia Metode Analisis Data
Untuk menguji hipotesis yang diajukan dalam penelitian ini, digunakan metode analisis regresi linier berganda. Menurut (Siregar, 2013), metode analisis regresi linier berganda ditujukan untuk mengetahui bagaimana variabel dependen (NPL) dapat diprediksikan oleh variabel independen (LDR, CAR, ROA, BOPO, GDP dan tingkat inflasi).
Metode analisis data merupakan metode yang penting dalam metode ilmiah karena dengan analisis, data diberi arti dan makna yang berguna dalam memecahkan masalah penelitian. Metode analisis data dalam penelitian ini adalah analisis regresi linier berganda dengan alat analisis Eviews 6.00, dimana sebelum melakukan analisis regresi berganda terlebih dahulu dilakukan analisis statistik deskriptif, uji normalitas data dan uji asumsi klasik.
3. Analisis dan Pembahasan 4.1 Tabel Deskriptif
Tabel 4.1
Data Responden Berdasarkan Variabel LDR. CAR, ROA, BOPO, GDP, dan INFLASI
LDR CAR ROA BOPO GDP INFLASI
Mean 67.40183 10.99800 2.513167 80.56472 5.128333 5.312000 Median 64.84000 11.97500 2.415000 82.22000 5.050000 4.300000 Maximum 101.2900 22.59000 5.770000 97.54000 5.600000 8.380000 Minimum 37.10000 1.760000 0.440000 64.10000 4.900000 3.130000
Observations 180 180 180 180 180 180
Berdasarkan hasil output diatas dari jumlah observasi sebesar 180, variabel LDR memiliki nilai mean sebesar 67,40183, nilai median sebesar 64,84000, nilai maksimum sebesar 101,2900, dan nilai minimum sebesar 37,10000. Variabel CAR memiliki nilai mean 10,99800, nilai median 11,97500, nilai maksimum sebesar 22,59000, dan nilai minimum sebesar 1,760000. Variabel ROA memiliki mean sebesar 2,513167, nilai median sebesar 2,415000, dan nilai maksimum sebesar 5,770000, nilai minimum sebesar 0,440000.
Variabel BOPO memiliki mean sebesar 80,56472, nilai median sebesar 82,22000, nilai maksimum sebesar 97,54000, dan nilai minimum sebesar 64,10000. Variabel GDP memiliki nilai mean sebesar 5,128333, nilai median sebesar 5,050000, nilai maksimum sebesar 5,600000 dan nilai minimum sebesar 4,900000. Variabel INFLASI memiliki nilai mean sebesar 5,132000, nilai median sebesar 4,300000, nilai maksimum sebesar 8,380000, dan nilai minimum sebesar 3,130000.
4.2 Uji Asumsi Klasik 4.2.1 Uji Normalitas
Tabel 4.2
Uji Normalitas Jarque-Bera
Berdasarkan grafik dan tabel di atas, nilai Jarque Bera yang diperoleh adalah sebesar 2,990875 dengan signifikansi sebesar 0,224151. Karena nilai signifikansinya lebih besar dari 0,05 maka dapat disimpulkan bahwa data berdistribusi normal.
4.2.2 Uji Heteroskedastisitas
Tabel 4.3 Uji Heteroskedastisitas Heteroskedasticity Test: White
F-statistic 1.373935 Prob. F(6,173) 0.2276 Obs*R-squared 8.187047 Prob. Chi-Square(6) 0.2247 Scaled explained
SS 5.627446 Prob. Chi-Square(6) 0.4662
Berdasarkan hasil output diatas dapat disimpulkan bahwa data tidak mengandung heterokedastisitas, hal ini dapat dilihat dari nilai probabilitas prob chi-square (0,2276) lebih dari 0,05.
4.2.3 Uji Autokorelasi.
Uji Autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya).
Pengambilan keputusan ada tidaknya Autokorelasi ditentukan berdasarkan kriteria berikut:
Nilai Statistik d Hasil
0 < d < 𝑑𝐿 Menolak hipotesis nol; ada autokorelasi 𝑑𝐿 < d < 𝑑𝑈 Daerah keragu-raguan; tidak ada
keputusan
𝑑𝑈 < d < 4 - dU Gagal menolak hipotesis nol; tidak ada autokorelasi positif/negatif 4 - 𝑑𝑈 < d < 4 - 𝑑𝐿 Daerah keragu-raguan; tidak ada
keputusan
4 – 𝑑𝐿 < d < 4 Menolak hipotesis nol; ada autokorelasi negatif
Berikut ini merupakan hasil uji Durbin Watson dengan menggunakan software Eviews V.8:
Tabel 4.5
Uji Autokorelasi Durbin Watson
R-squared 0.371783 Mean dependent var -5.13E-16 Adjusted R-squared 0.342393 S.D. dependent var 1.057678 S.E. of regression 0.857702 Akaike info criterion 2.579587 Sum squared resid 125.7967 Schwarz criterion 2.739235 Log likelihood -223.1629 Hannan-Quinn criter. 2.644318 F-statistic 12.64989 Durbin-Watson stat 1.900579 Prob(F-statistic) 0.000000
Berdasarkan hasil output diatas dapat disimpulkan bahwa data tidak mengandung autokrelasi, hal ini dapat dilihat dari nilai durbin Watson dL < 1,900 4-dU.
4.2.4 Uji Multikolonieritas
Tabel 4.6 Uji Multikolonieritas
Variance Inflation Factors Date: 07/31/19 Time: 10:19 Sample: 1 180
Included observations: 180
Coefficient Uncentered Centered
Variable Variance VIF VIF
C 5.061294 787.0826 NA LDR 4.04E-05 29.84507 1.310791 CAR 0.000247 5.910163 1.271426 ROA 0.005475 6.531906 1.154036 BOPO 0.000136 138.5171 1.176421 GDP 0.159234 652.5282 1.279739 INFLASI 0.001623 8.521313 1.399693
Berdasarkan Berdasarkan tabel di atas didapatkan nilai Centered VIF untuk masing- masing variable bebas LDR, CAR, ROA, BOPO, GDP, dan INFLASI, karena nilai Centered VIF nya < 10, maka kesimpulannya tidak terdapat multikolinearitas antar variabel bebasnya.
4.3 Uji Chow
Uji Chow merupakan uji untuk membandingkan model common effect dengan fixed effect.
Hipotesis:
Ho : model common effect Ha : model fixed effect Kriteria uji:
H0 ditolak jika sig < 0,05
H0 tidak dapat ditolak jika sig > 0,05
Tabel 4.7 Uji Chow Redundant Fixed Effects Tests
Equation: PERSAMAAN Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 30.156039 (29,144) 0.0000 Cross-section Chi-square 352.133571 29 0.0000
Berdasarkan hasil uji Chow di atas, nilai sig yang di peroleh adalah 0,0000. Karena nilai sig nya (0,0000) < 0,05 maka H0 ditolak, artinya model yang sesuai adalah model fixed effect.
4.4 Uji Hausman
Uji Hausman merupakan uji untuk membandingkan model random effect dengan fixed effect.
Hipotesis:
Ho : model random effect Ha : model fixed effect Kriteria uji:
H0 ditolak jika sig < 0,05
H0 tidak dapat ditolak jika sig > 0,05
Tabel 4.8 Uji Hausman
Correlated Random Effects - Hausman Test Equation: PERSAMAAN
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic
Chi-Sq.
d.f. Prob.
Cross-section random 0.000000 6 1.0000
Berdasarkan hasil uji Hausman di atas, nilai sig yang di peroleh adalah 1,0000. Karena nilai sig nya (1,0000) > 0,05 maka H0 tidak dapat ditolak , artinya model yang sesuai adalah random effect
4.5 Uji Lagrange Multiplier
Uji Lagrange Multiplier (Uji LM) merupakan uji untuk membandingkan model common effect dengan random effect.
Hipotesis:
Ho : model common effect Ha : model random effect Kriteria uji:
Ho ditolak jika sig < 0,05
Ho tidak dapat ditolak jika sig > 0,05
Lagrange Multiplier Tests for Random Effects Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided (all others) alternatives
Test Hypothesis
Cross-section Time Both
Breusch-Pagan 193.0940 70.26830 263.3623
(0.0000) (0.0000) (0.0000)
Honda 13.89583 8.382619 15.75324
(0.0000) (0.0000) (0.0000)
King-Wu 13.89583 8.382619 13.07056
(0.0000) (0.0000) (0.0000)
Standardized Honda 14.97914 13.96500 15.34245 (0.0000) (0.0000)
(0.0000) Standardized King-Wu 14.97914 13.96500 15.33527
(0.0000) (0.0000) (0.0000)
Gourierioux, et al.* -- -- 263.3623
(< 0.01)
Berdasarkan hasil uji LM di atas, nilai sig yang di peroleh adalah <0,01. Karena nilai sig nya (<0,0000) < 0,05 maka H0 ditolak, artinya model yang sesuai adalah model random effect.
4.6 Regresi Berganda
Pengujian regresi berganda berikut ini menggunakan data persamaan regresi random efect.
Hasil pengujian regresi berganda untuk variable dependen NPL dan variable independennya LDR, CAR, ROA, BOPO, GDP DAN INFLASI dengan persamaan sebagai berikut:
Keterangan : Y = NPL a = Konstanta
b1-6 = Koefisien Regresi X1 = LDR
X2 = CAR X3 = ROA X4 = BOPO X5 = GDP X6 = INFLASI e = Error terms
Hasil pengolahan software Eviews untuk analisis regresi berganda disajikan pada tabel berikut :
Tabel 4.9
Analisis Regresi Berganda Dependent Variable: NPL
Method: Panel EGLS (Cross-section random effects) Date: 07/31/19 Time: 10:41
Sample: 2013 2018 Periods included: 6
𝑌 = 𝑎 + 𝑏1 𝑥1+ 𝑏2𝑥2+ 𝑏3 𝑥3+ 𝑏4 𝑥4+ 𝑏5 𝑥5 + 𝑏6 𝑥6+ 𝑒
Cross-sections included: 30
Total panel (balanced) observations: 180
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C 2.401196 1.070179 2.243733 0.0261 LDR 0.021340 0.009745 2.189854 0.0299 CAR 0.039907 0.020459 1.950599 0.0527 ROA 0.634342 0.043753 14.49823 0.0000 BOPO -0.001719 0.011642 -0.147624 0.8828 GDP -0.558233 0.176743 -3.158439 0.0019 INFLASI -0.094616 0.018682 -5.064425 0.0000
Berdasarkan hasil perhitungan pada tabel di atas, diperoleh bentuk persamaan regresi linier berganda sebagai berikut:
NPL = 2,401196 + 0,021340 LDR + 0,039907 CAR + 0,634342 ROA – 0,001719 BOPO – 0,558233 GDP – 0,094616 INFLASI
Nilai koefisien regresi pada variable-variabel bebasnya menggambarkan apabila diperkirakan variabel bebasnya naik sebesar satu satuan dan nilai variabel bebas lainnya diperkirakan konstan atau sama dengan nol, maka nilai variabel terikat diperkirakan bisa naik atau bisa turun sesuai dengan tanda koefisien regresi variabel bebasnya.
Dari persamaan regresi di atas diperoleh nilai konstanta sebesar 2,401196 . Artinya jika variable NPL tidak dipengaruhi oleh semua variable bebasnya yaitu LDR, CAR, ROA, BOPO, GDP dan INFLASI maka besarnya rata-rata NPL akan bernilai 2,401196
Koefisien regresi untuk variable bebas LDR bernilai positif menunjukkan hubungan yang searah antara LDR dengan NPL (Y). Koefisien regresi variable LDR sebesar 0,021340 mengandung arti untuk setiap pertambahan LDR sebesar satu satuan akan menyebabkan meningkatkan NPL sebesar 0,021340.
Koefisien regresi untuk variable bebas CAR bernilai positif menunjukkan hubungan yang searah antara CAR dengan NPL (Y). Koefisien regresi variable CAR sebesar 0,039907 mengandung arti untuk setiap pertambahan CAR sebesar satu satuan akan menyebabkan meningkatkan NPL sebesar 0,039907.
Koefisien regresi untuk variable bebas ROA bernilai positif menunjukkan hubungan yang searah antara ROA dengan NPL (Y). Koefisien regresi variable ROA sebesar 0,634342 mengandung arti untuk setiap pertambahan ROA sebesar satu satuan akan menyebabkan meningkatkan NPL sebesar 0,634342.
Koefisien regresi untuk variable bebas BOPO bernilai negatif menunjukkan hubungan yang tidak searah antara BOPO dengan NPL (Y). Koefisien regresi variable BOPO sebesar - 0,001719 mengandung arti untuk setiap pertambahan ROA sebesar satu satuan akan menyebabkan menurunkan NPL sebesar 0,001719.
Koefisien regresi untuk variable bebas GDP bernilai negatif menunjukkan hubungan yang tidak searah antara GDP dengan NPL (Y). Koefisien regresi variable GDP sebesar - 0,558233 mengandung arti untuk setiap pertambahan GDP sebesar satu satuan akan menyebabkan menurunkan NPL sebesar 0,558233.
Koefisien regresi untuk variable bebas INFLASI bernilai negatif menunjukkan hubungan yang tidak searah antara INFLASI dengan NPL (Y). Koefisien regresi variable INFLASI
sebesar -0,094616 mengandung arti untuk setiap pertambahan INFLASI sebesar satu satuan akan menyebabkan menurunkan NPL sebesar 0,094616.
4.6.1 Uji Model (Uji F)
H0 : Tidak terdapat pengaruh signifikan dari LDR, CAR, ROA, BOPO, GDP dan INFLASI secara simultan terhadap NPL
Ha : Terdapat pengaruh signifikan dari LDR, CAR, ROA, BOPO, GDP dan INFLASI secara simultan terhadap NPL
Kriteria uji:
H0 tidak dapat ditolak, bila nilai sig > 0,05 H0 ditolak, bila nilai sig < 0,05
Hasil uji F berdasarkan pengolahan software Eviews disajikan pada tabel berikut : Tabel 4.10
Pengujian Hipotesis Secara Overall (Uji F)
R-squared 0.702543 Mean dependent var 0.476740 Adjusted R-squared 0.692227 S.D. dependent var 0.877502 S.E. of regression 0.486815 Sum squared resid 40.99905 F-statistic 68.09943 Durbin-Watson stat 1.172804 Prob(F-statistic) 0.000000
Dari tabel di atas, diperoleh nilai f hitung (68,09943) > f tabel (2,151) dan nilai signifikansi f hitung sebesaar (0,000000) < 0,05 maka Ho ditolak, artinya Terdapat pengaruh yang signifikan antara LDR, CAR, ROA, BOPO, GDP dan INFLASI.
4.6.2 Uji Hipotesis (Uji t) Hipotesis :
H01 : Tidak terdapat pengaruh signifikan dari LDR terhadap NPL Ha1 : Terdapat pengaruh signifikan dari LDR terhadap NPL H02 : Tidak terdapat pengaruh signifikan dari CAR terhadap NPL Ha2 : Terdapat pengaruh signifikan dari CAR terhadap NPL H03 : Tidak terdapat pengaruh signifikan dari ROA terhadap NPL Ha3 : Terdapat pengaruh signifikan dari ROA terhadap NPL
H04 : Tidak terdapat pengaruh signifikan dari BOPO terhadap NPL Ha4 : Terdapat pengaruh signifikan dari BOPO terhadap NPL H05 : Terdapat pengaruh signifikan dari GDP terhadap NPL Ha5 : Tidak terdapat pengaruh signifikan dari GDP terhadap NPL H06 : Terdapat pengaruh signifikan dari INFLASI terhadap NP Ha6 : Tidak terdapat pengaruh signifikan dari INFLASI terhadap NPL Kriteria Uji:
Jika Sig < 0,05 maka H0 ditolak
Jika Sig > 0,05 maka H0 tidak dapat ditolak
Tabel 4.11
Pengujian Hipotesis Secara Parsial (Uji t)
Variable Coefficient Std. Error t-Statistic Prob.
C 2.401196 1.070179 2.243733 0.0261 LDR 0.021340 0.009745 2.189854 0.0299 CAR 0.039907 0.020459 1.950599 0.0527 ROA 0.634342 0.043753 14.49823 0.0000 BOPO -0.001719 0.011642 -0.147624 0.8828 GDP -0.558233 0.176743 -3.158439 0.0019 INFLASI -0.094616 0.018682 -5.064425 0.0000
Berdasarkan tabel di atas diperoleh hasil sebagai berikut:
1. Variabel LDR memiliki nilai signifikansi sebesar 0,0299. Karena nilai sig nya (0,0299)
< 0,05 maka H0 ditolak artinya terdapat pengaruh signifikan dari LDR terhadap NPL 2. Variabel CAR memiliki nilai signifikansi sebesar 0,0527 Karena nilai sig nya (0,0527)
> 0,05 maka H0 tidak dapat ditolak artinya tidak terdapat pengaruh signifikan dari CAR terhadap NPL.
3. Variabel ROA memiliki nilai signifikansi sebesar 0,0000. Karena nilai sig nya (0,0000)
< 0,05 maka H0 ditolak artinya terdapat pengaruh signifikan dari ROA terhadap NPL.
4. Variabel BOPO memiliki nilai signifikansi sebesar 0,8828. Karena nilai sig nya (0,8828) > 0,05 maka H0 tidak dapat ditolak artinya tidak terdapat pengaruh signifikan dari BOPO terhadap NPL.
5. Variabel GDP memiliki nilai signifikansi sebesar 0,0019. Karena nilai sig nya (0,0019)
< 0,05 maka H0 ditolak artinya terdapat pengaruh signifikan dari GDP terhadap NPL.
6. Variabel INFLASI memiliki nilai signifikansi sebesar 0,0000. Karena nilai sig nya (0,0000) < 0,05 maka H0 ditolak artinya terdapat pengaruh signifikan dari INFLASI terhadap NPL.
4.6.3 Uji Koefisien Determinasi
Untuk mengetahui besarnya pengaruh LDR, CAR, ROA, BOPO, GDP, dan INFLASI terhadap NPL digunakan koefisien determinasi.
Tabel 4.12
Analisis Koefisien Determinasi
R-squared 0.702543 Mean dependent var 0.476740 Adjusted R-squared 0.692227 S.D. dependent var 0.877502 S.E. of regression 0.486815 Sum squared resid 40.99905 F-statistic 68.09943 Durbin-Watson stat 1.172804 Prob(F-statistic) 0.000000
Berdasarkan hasil output di atas, diperoleh nilai R-squared sebesar 0,702543. Hal ini menunjukkan bahwa kontribusi LDR, CAR, ROA, BOPO, GDP dan INFLASI terhadap NPL adalah sebesar 70,25% sedangkan sisanya sebesar 29,75% merupakan kontribusi variable lain selain LDR,CAR,ROA,BOPO,GDP dan INFLASI.
4. Kesimpulan dan Saran
Berdasar hasil penelitian dan pembahasan di muka, maka dapat diambil kesimpulan bahwa Loan to Deposit Ratio (LDR) berpengaruh signifikan positif terhadap Non Performing Loan (NPL), Capital Adequacy Ratio (CAR) tidak memilik pengaruh terhadap Non Performing Loan (NPL), Return On Assets (ROA) berpengaruh signifikan positif terhadap Non Performing Loan (NPL), Beban Operasional terhadap Pendapatan Operasional (BOPO) tidak memiliki berpengaruh terhadap Non Performing Loan (NPL), GDP berpengaruh signifikan negatif terhadap Non Performing Loan (NPL) dan Tingkat inflasi berpengaruh signifikan negatif terhadap Non Performing Loan (NPL).
Secara teoritis, penelitian berimplikasi pada perkembangan temuan-temuan penelitian terdahulu. Pada studi kasus di Bank Umum Persero di Indonesia yang terdaftar di Bursa Efek Indonesia, temuan penelitian berkembang dengan adanya pengaruh signifikan positif LDR dan ROA pada kredit bermasalah bank umum yang diproksikan dengan Non Performing Loan (NPL). Sedangkan temuan lain membuktikan bahwa GDP dan tingkat inflasi berpengaruh signifikan negatif pada Bank Umum dalam penelitian ini.
Hasil yang tidak sesuai dengan penelitian-penelitian sebelumnya adalah variabel CAR dan BOPO menurut hasil penelitian ini tidak berpengaruh terhadap kredit bermasalah bank umum yang diproksikan dengan Non Performing Loan (NPL). Hasil penelitian ini, secara tidak langsung akan berimplikasi pada penelitian selanjutnya sebagai dasar perumusan masalah atau pengembangan hipotesis penelitian.
Implikasi penelitian untuk manajerial yaitu dapat menjadi early warning system untuk menjaga kestabilan Non Performing Loan (NPL), sehingga Bank Umum Persero di Indonesia bisa terus menggali sumber-sumber pendapatan baik secara intensifikasi maupun ekstenfikasi untuk meningkatkan profitabilitas bank. Hasil penelitian ini juga berimplikasi pada Bank Umum untuk meningkatkan kemampuan dalam mengelola sumber daya yang ada agar meningkatkan kinerja perusahaan.
DAFTAR PUSTAKA
Diambil kembali dari www.idx.co.id.
Diambil kembali dari www.idnfinancials.com.
Diambil kembali dari www.ceicdata.com.
Diambil kembali dari www.bi.go.id.
Ahmed, S. Z. (2006). An Investigation of The Relationship between Non Performing Loan, Macroeconomic Factors, and Financial Factors, in Context of Private Comercial Bank In Bangladesh. Independent Univesity, Bangladesh.
Al-Kilani, q. A., Kaddumi, & A, T. (2015). Cyclicality of Lending Behavior by Banking Sector for the Period (2000-2013). International Journal of Economics and Finance, 57-65.
Amalia S, A. R. (2013). Analisis Pengaruh DPK, Non Performing Loan, dan Suku Bunga Sertifikat Bank Indonesia Terhadap Jumlah Kredit Modal Kerja yang Disalukan Pada Bank Swasta Devisa Nasional Tahun 2008-2012. Skripsi, Universitas Hasanuddin, Fakultas Ekonomi dan Bisnis, Makassar.
Anggraeni, F. (2015). Analisis Pengaruh DPK, CAR, ROA, NPL dan Suku Bunga SBI terhadap Penyaliran Kredit. Skripsi, Universitas Islam Negeri Maulana Malik Ibrahim, Fakultas Ekonomi, Malang.
Astuti, A. (2013). Pengaruh Inflasi, BI Rate, Dana Pihak Ketiga (DPK), Non Performing Loan, (NPL) dan Capital Adequacy Ratio (CAR) Terhadap Penyaluran Kredit.
Skripsi S1 Manajemen, Universitas Islam Negri Syarif Hidayatullah, Jakarta.
Banker Association for Risk Management (BARa) dan Lembaga Sertifikat Profesi Perbankan (LSPP). (2012). Modul Uji Kompetensi Profesi Bankir Bidang Manajemen Risiko (3rd ed.). Jakarta: Banker Association for Risk Management (BARa). Diambil kembali dari http:/www.BARa.or.id
Banker Association for Risk Manjemen (BARa) dan Lembaga Sertifikasi Profesi Perbankan (LSPP). (2012). Modul Uji Kompetensi Profesi Bankir Bidang
Manajemen Risiko (2nd ed.). Jakarta: Banker Associantion for Risk Management (BARa). Diambil kembali dari http://www.BARa.or.id
Binangkit, Y. L. (2014). Analisis Pengaruh DPK, Non Performing Loan, dan Suku Bunga Pinjaman Terhadap Penyaluran Kredit Modal Kerja, Investasi dan Konsumsi Bank Pembangunan Daerah Periode 2003-2013. Jurnal Ilmiah Ilmu Ekonomi.
Dendawijaya, L. (2000). Manajemen Perbankan. Jakarta: PT Gramedia Pustaka Utaman.
Dendawijaya, L. (2003). Manajemen Perbankan. Jakarta: Ghalia Indonesia.
Diyanti, A., & Widyarti, E. T. (2012). Analisis Pengaruh Faktor Internal dan Eksternal Terhadap Terjadinya Non Performing Loan (Studi Kasus Pada Bank Umum Konvensional yang Menyediakan Layanan Kredit Pemilikan Rumah Periode 2008-2011). Diponegoro Journal of Management, 1(2), 290-299. Diambil kembali dari http://ejournal-s1.undip.ac.id/index.php/djom
Dornbusch, R., Fischer, S., & Startz, R. (2008). Macroeconomics (10th ed.). (S. Yusuf Wibisono, Penyunt., & S. Roy Indra Mirazudin, Penerj.) New York: PT Media Global Edukasi.
Dwihandayani, D. (2013). Analisis Kinerja NPL Perbankan di Indonesia Serta Faktor- Faktor yang Mempengaruhi. Jurnal Jurusan Perbankan.
Effendi, N., & Setiawan, M. (2014). Ekonometrika Pendekatan Teori dan Terapan.
Jakarta : Salemba Empat.
Eriviasari, D. (2015). Analisis Tingkat Resiko Kredit Pada PT. Bank Rakyat Indonesia (Persero) Unit Rawa Indah Bontang. E-Journal Administrasi Bisnis, 3(4), 782- 794. Diambil kembali dari ejournal.adbisnis.fisip-unmul.ac.id
Firdausy, H. E. (2015). Pengaruh Biaya Operasional Pendapatan Operasional (BOPO) dan Non Performing Loan (NPL) Terhadap Return On Assets (ROA) (Studi kasus Perusahaan Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2012- 2014). Studi Kasus, Universitas Komputer Indonesia, Program Studi Akuntansi Fakultas Ekonomi.
Firmansyah, I. (2014, Oktober). Determinant of Non Performing Loan : The Case of Islamic Bank In Indonesia. Buletin Ekonomi Moneter dan Perbankan, 17(2), 234- 247.
Fitria, N., & Sari, R. L. (2012, Desember). Analisis Kebijakan Pemberian Kredit dan Pengaruh Non Performing Loan terhadap Loan to Deposit Ratio pada PT. Bank Rakyat Indonesia (Persero), Tbk Cabang Rantau, Aceh Tamiang, Periode (2007- 2012). Jurnal Ekonomi dan Keuangan, 1(1), 88-101.
Harahap, S. S. (2007). Analisis Kritis atas Laporan Keuangan Edisi 1. Jakarta: PT. Raja Grafindo Persada.
Hasibuan, M. (2011). Manajemen Sumber Daya Manusia. Jakarta: Bumi Aksara.
Hasyim, A. I. (2016). Ekonomi Makro. Jakarta: Kencana.
Henny Sjafitri, S. (2011). Faktor-Faktor yang Mempengaruhi Kualitas Kredit dalam Dunia Perbankan. Manajemen dan Kewirausahaan, 106-120.
Hidayat, A. (2014, November 2). Penjelasan Metode Analisis Regresi Data Panel.
Diambil kembali dari Statistikian: https://www.statistikian.com/2014/11/regresi- data-panel.html
Imran, K., & Nishatm, M. (2013). Determinants of Bank Credit in Pakistan: A Supply Side Approach. Journal Economic Modeling, 35(C): pp: 384-390.
Ismaulandy, W. (2013). Analisis Variabel DPK, CAR, NPL, ROA, GWM dan Inflasi Terhadap Penyaluran Kredit Investasi pada Bank BUMN Periode 2005-2013.
Jurnal Ilmiah Manajemen.
Jayanti, K. D., & Haryanto, A. M. (2013). Analisis Faktor-Faktor yang Mempengaruhi Non- Performing Loan (Studi pada Bank Umum Konvensional yang Go Public di Indonesia Periode 2008-2012). Diponegoro University, Undergrate Thesis, Fakultas Ekonomika Bisnis.
Kasmir. (2008). Dasar-Dasar Perbankan : Sumber Dana Bank. Jakarta: PT. Raja Grafindo Persada.
Keown, A. J., Martin, J. D., Petty, J. W., & Jr, D. F. (2010). Manajemen Keuangan (Jilid 1 (Edisi Kesepuluh) ed.). Jakarta: PT. Indeks.
Kurniawan, E. (2015). Pengaruh LDR, CAR, BI Rate, BOPO, dan ROA Terhadap Tingkat Risiko Kredit Pada Bank Umum Go Public di Indonesia. Jurnal Akuntansi.
Lapoliwa, N., & Kuswanti, D. S. (2000). Akuntansi Perbankan : Akuntansi Transaksi Bank dalam Valuta Rupiah (5 ed.). Jakarta: Institut Bankir Indonesia.
Latumerissa, J. R. (1999). Mengenal Aspek-Aspek Operasi Bank Umum. Jakarta: Bumi Aksara.
Martono, A. H. (2008). Manajemen Keuangan. Yogyakarta: Ekonisia.
McEachern, W. A. (2001). Pengantar Ekonomi Mikro. (T. Sigit, Penerj.) Jakarta: Salemba Empat.
Messai, A. S., & Jouini, F. (2013). Micro and Macro Determinants of Non-Performing Loans. International Journal of Economics and Financial Issues, 3(4), 852-860.
Nazir, M. S., MM, N., & UJ, G. (2010). Relationship between Economic Growth and Stock Market Development. African Journal of Business and Management.
Ofori-Abebrese, G., Pickcson, R. B., & Opare, E. (2016). The Effect of Bank Specific Factors on Loan Performance of HFC Bank in Ghana. International Journal of Economics and Finance, 8(7), 185-192.
Ongore, V. O., & Kusa, G. B. (2013). Determinants of Financial Performance of
Commercial Banks in Kenya. International Journal of Economics and Financial Issues, 3(1), 237-252. Diambil kembali dari www.econjournals.com
Poetry, Z. D., & Sanrego, D. Y. (2011). Pengaruh Variabel Makro dan Mikro Terhadap NPL Perbankan Konvensional dan NPF Perbankan Syariah. Islamic Finance and Business Review, 79-104.
Prasetya, E., & Khairani, S. (2013). Pengaruh Faktor-Faktor Penentu Jumlah Penyaluran Kredit Terhadap Tingkat Resiko Kredit pada Bank Umum Go Public di Indonesia.
STIE MDP, Jurusan Akuntansi.
Priyatno, D. (2013). Analisis Korelasi, Regresi, dan Multivariate dengan SPSS.
Yogyakarta: Gava Media.
Putri, K. S. (2015). Analisis Pengaruh DPK, Modal, Return On Asset dan Non Performing Loan Terhadap Penyaluran Kredit Perbankan (Studi Pada Kelompok Bank Umum Go Publik Berdasarkan Modal Inti Di Indonesia Periode 2010-2013).
Skripsi, Universitas Brawijaya, Malang.
Putri, W. O. (2013). Penyaluran Jumlah Kredit Perbankan dan Faktor Yang Mempengaruhinya. Jurnal Manajemen dan Bisnis Indonesia, 2(2).
Rahman, M. A., Asaduzzaman, M., & Hossin, M. S. (2017). Impact of Financial Ratios on Non-Performing Loans of Publicly Traded Commercial Banks in Bangladesh.
International Journal of Financial Research, 8(1), 181-188. Diambil kembali dari http://ijfr.sciedupress.com
Rahmawulan, Y. (2008). Perbandingan Faktor Penyebab Timbulnya NPL dan NPF pada Perbankan Konvensional dan Syariah di Indonesia. Universitas Indonesia. Tidak dipublikasikan.
Rehman, A., & Cheema, A. (2013). Financial Development and Real Sector Growth in Pakistan. Interdisciplinary Journal of Contemporary Research in Business, 5(1), 618-636.
Rivai, V. (2013). Manajemen Perkreditan Cara Cara Mudah Menganalisis Kredit. Jakarta:
Rajagrafindo Persada.
Salvatore, D. (2005). Managerial Economics (5th ed.). (P. Wuriarti, Penyunt., & S. Ichsan Setyo Budi, Penerj.) Salemba Empat.
Santoso, R., & Dewi, R. P. (2017). The Effect of Capitak Adequacy Ratio (CAR), Non Performing Loan (NPL), and Loan to Deposit Ratio (LDR) on Total of Lending Loans in PT. Bank Mandiri (Persero), Tbk Periode 2011-2015. South East Asia Journal of Contemporary Business, Economics and Law, 13(3), 38-43.
Sari, G. N. (2013). Faktor-Faktor yang Mempengaruhi Penyaluran Kredit Bank Umum di Indonesia (Periode 2008-2012). Jurnal Ekonomi Manajemen,Bisnis dan
Akuntansi, 1(3), 931-941.
Sari, N. M., & Abundanti, N. (2016). Pengaruh DPK, ROA, Inflasi dan Suku Bunga SBI Terhadap Penyaluran Kredit Pada Bank Umum. E-Jurnal Manajemen Unud, 5(11), 7156-7184.
Sharma, P., & Gounder, N. (2012). Determinants of Bank Credit in Small Open
Economies: The Case of Six Pasific Island Countries. SSRN Electronic Journal, 13.
Siamat, D. (2013). Manajemen Lembaga Keuangan. Kebijakan Moneter dan Perbankan.
(5th ed.). Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia.
Siregar, S. (2013). Metode Penelitian Kuantitatif. Jakarta: Kencana Prenada Media Group.
Sjafitri, H. (2011, Mei). Faktor-Faktor yang Mempengaruhi Kualitas Kredit Dalam Dunia Perbankan. Jurnal Manajemen dan Kewirausahaan, 2(2), 106-120.
Soebagio, H. (2005). Analisis Faktor-Faktor yang Mempengaruhi Terjadinya Non
Performing Loan (NPL) pada Bank Umum Konvensional. Universitas Diponegoro, Prodi Sains Akuntasi Program Pasca Sarjana.
Soedarto, M. (2004). Analisis Faktor-Faktor yang Mempengaruhi Penyaluran Kredit pada Bank Perkreditan Rakyat Studi Kasus pada BPR di Wilayah Kerja BI Semarang.
Program Pascasarjana Universitas Diponegoro, Masters Thesis.
Sugiyono. (2011). Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung: Alfabeta.
Sugiyono. (2013). Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta.
Sukirno, S. (2004). Makro Ekonomi. Jakarta: Raja Grafindo Persada.
Surat Edaran Bank Indonesia. (2010). Kredit Perbankan. Bank Indonesia. Diambil kembali dari www.bi.go.id
Syaifuddin, D. T. (2007). Manajemen Perbankan (Pendekatan Praktis). Kendari: Unhalu Press.
Tamon, F. B., Tumbel, T. M., & Tatimu, V. (2014). Analisis Tingkat Resiko Kredit Pada PT. Bank Sulut, Tbk di Manado. Jurnal Administrasi Bisnis 2014.
Taswan. (2006). Manajemen Perbankan. Yogyakarta: UPP STIM YKPN.
Tomak, S. (2013). Determinants of Comercial Banks' Lending Behavior: Evidence from Turkey. Asian Journal of Empirical Research, 3(8), 933-943.
Wardoyo, P., & Rusdiyanti, E. (2009). Faktor-Faktor yang Mempengaruhi Non Performing Loan Bank Perkreditan Rakyat Di Eks Karesidenan Semarang. 11(2), 127-139.