PENGARUH CAPITAL ADEQUACY RATIO (CAR), NON...
Transcript of PENGARUH CAPITAL ADEQUACY RATIO (CAR), NON...
PENGARUH CAPITAL ADEQUACY RATIO (CAR), NON PERFORMING
FINANCE (NPF) DAN BIAYA OPERASIONAL PENDAPATAN
OPERASIONAL (BOPO) TERHADAP RENTABILITAS BANK UMUM
SYARIAH DI INDONESIA TAHUN 2015-2017
SKRIPSI
Diajukan Kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Syarat-syarat Untuk Meraih Gelar Sarjana Ekonomi (S.E.)
Oleh:
MANNIK MANILA
NIM: 1113085000040
JURUSAN PERBANKAN SYARIAH
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1438 H/2017M
i
ii
iii
iv
v
DAFTAR RIWAYAT HIDUP
A. IDENTITAS PRIBADI
1. Nama : Mannik Manila
2. Tempat/Tanggal Lahir : Tangerang, 26 Oktober 1994
3. Alamat : Jalan WR. Supratman, Gg. Bacang RT
003/09 No. 34 Kel. Cempaka Putih, Kec.
Ciputat Timur, Kota Tangerang Selatan,
Provinsi Banten, 15412
4. Telepon : 0877-7418-0575
5. Email : [email protected]
B. PENDIDIKAN
1. TK Al-amin Ciputat Timur Tahun 1999-2000
2. MI Jam’iyyatul Khair Ciputat Timur Tahun 2000-2006
3. MTs Jam’iyyatul Khair Ciputat Timur Tahun 2006-2009
4. MAN 4 Jakarta Tahun 2009-2012
5. UIN Syarif Hidayatullah Jakarta Tahun 2013-2017
C. PENGALAMAN ORGANISASI
1. OSIS MTs Jam’iyyatul Khair (2008-2009)
2. Anggota Paskibra MAN 4 Jakarta (2009-2010)
3. Anggota HMJ Perbankan Syariah Departemen Hubungan Luar Kampus
(2015-2016)
4. Kepala Bidang 2 HMJ Perbankan Syariah (2016-2017)
5. Sekretaris Umum Pengajian Remaja 09 (2016-2017)
vi
ABSTRACT
This study aims to analyze the influence of Capital Adequacy Ratio (CAR),
Non Performing Finance (NPF), and Operating Expensive of Operating Income
(BOPO) to Earning of Sharia Commercial Banks in Indonesia. The sample in this
study was taken using data collection method called purposive sampling. The
number of samples used is 12 sharia bank in Indonesia. Data were analyzed by
using regression data panel method with software Eviews 9.5 and Microsoft Excel
2007. The result showed: 1) Capital Adequacy Ratio (CAR) has no significant
effect on Earning. 2) Non Performing Finance (NPF) has a significant effect on
Earning. 3) Operating Expensive of Operating Income (BOPO) has a significant
effect on Earning. 4) CAR, NPF, and BOPO has a significant effect on Earning.
Keywords: CAR, NPF, BOPO, Earning
vii
ABSTRAK
Penelitian ini bertujuan untuk menganalisis pengaruh Capital Adequacy Ratio
(CAR), Non Performing Finance (NPF), dan Biaya Operasional Pendapatan
Operasional (BOPO) terhadap Rentabilitas Bank Umum Syariah di Indonesia.
Sampel dalam penelitian ini diambil menggunakan metode pengumpulan data
yang disebut purposive sampling. Jumlah sampel yang digunakan sebanyak 12
Bank Umum Syariah di Indonesia. Data yang diperoleh dianalisis dengan
menggunakan metode analisis regresi data panel melalui software Eviews 9.5 dan
Microsoft Excel 2007. Hasil penelitian menunjukkan bahwa: 1) Capital Adequacy
Ratio (CAR) tidak berpengaruh signifikan terhadap Rentabilitas. 2) Non
Performing Finance (NPF) berpengaruh signifikan terhadap Rentabilitas. 3) Biaya
Operasional Beban Operasional (BOPO) berpengaruh signifikan terhadap
Rentabilitas. 4) CAR, NPF, dan BOPO berpengaruh signifikan terhadap
Rentabilitas.
Kata Kunci: CAR, NPF, BOPO, Rentabilitas
viii
KATA PENGANTAR
Bismillahirrahmanirrahim
Segala puji bagi Allah subhanahu wa ta’ala yang telah melimpahkan segala
nikmat dan hidayah-Nya kepada peneliti, sehingga penulis dapat menyelesaikan
skripsi ini yang berjudul “Pengaruh Capital Adequacy Ratio (CAR), Non
Performing Finance (NPF), dan Biaya Operasional Pendapatan Operasional
(BOPO) Terhadap Rentabilitas Bank Umum Syariah Tahun 2015-2017”
dengan baik. Shalawat serta salam peneliti haturkan kepada Nabi Muhammad
salllallahu alaihi wassalam yang telah membawa cahaya dari zaman jahiliyah ke
zaman yang terang benderang terutama dengan adanya ilmu pengetahuan.
Skripsi ini disusun dalam rangka memenuhi syarat-syarat untuk memperoleh
gelar Sarjana Ekonomi di Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Selesainya skripsi ini tentu dengan adanya dukungan, bimbingan, bantuan dan
semangat serta doa dari semua orang di sekeliling peneliti selama proses
penyelesaian skripsi ini. Oleh karena itu, penulis mengucapkan terima kasih
kepada:
1. Allah SWT, yang telah memberikan anugerah dan rahmat-Nya kepada
penulis, sehingga penulis dapat menyelesaikan skripsi ini.
2. Ayahanda dan Ibunda tercinta, Alm. Wariman Sudiro dan Almh. Patimah,
yang telah memotivasi penulis untuk terus melanjutkan pendidikan sampai
dengan ke jenjang perkuliahan.
ix
3. Seluruh keluarga besar, abang-abang ku (Agung Sedayu dan Werhapnolo),
om dan tante (Ayatih, Taufik MHT, dan Saidih S.Kom), dan seluruh anggota
keluarga Senah, terima kasih atas motivasinya, dukungannya berupa material
maupun nonmaterial sehingga penulis dapat menyelesaikan skripsi ini.
4. Bapak Dr. M. Arief Mufraini, Lc., M.Si. selaku Dekan Fakultas Ekonomi dan
Bisnis yang telah mengizinkan penulis untuk menimba ilmu dengan sebaiknya-
baiknya di FEB UIN Syarif Hidayatullah Jakarta.
5. Ibu Umiyati, SEI., MSi., selaku Dosen Pembimbing I yang telah memberikan
arahan, saran, ilmu dan bimbingan serta meluangkan waktunya dalam proses
penyelesaian penelitian skripsi hingga skripsi ini selesai.
6. Ibu Cut Erika Ananda Fatimah, SE., MBA. selaku Ketua Jurusan Perbankan
Syariah dan Ibu Fitri Damayanty, SE., M.Si selaku Sekretaris Jurusan Perbankan
Syariah yang telah memberikan arahan serta bimbingan dalam membantu
peneliti selama masa perkuliahan.
7. Bapak Dr. Ade Sofyan Mulazid, S.Ag., M.H., selaku dosen Pembimbing
Akademik yang senantiasa memberikan saran-saran yang bermanfaat.
8. Seluruh jajaran Dosen Fakultas Ekonomi dan Bisnis yang telah memberikan ilmu
yang sangat berguna dan berharga bagi penulis selama masa perkuliahan.
9. Seluruh jajaran karyawan dan staff di UIN Syarif Hidayatullah Jakarta yang telah
melayani dan membantu penulis selama perkuliahan.
10. Sahabat-sahabatku, Uphy Samsurin, Hexa Nur Hidayanti, Jamilah Nur Indah
Sari, Dwi Rahma Putri Ageng, Syifa Alawiyah, dan Yesi Fitriani. Terima
kasih untuk kesediaannya memotivasi, menemani, mengajari, mendengarkan,
x
memberikan masukan dan untuk semua hal berharga yang kalian ukir dalam
hidup penulis.
11. Dahsya Karesna, Erna Putri Lestari, dan seluruh teman-teman perbankan
syariah kelas A dan B angkatan 2013. Terima kasih untuk kebersamaannya
selama 4 tahun ini, mudah-mudahan silaturahmi kita tetap terjaga sampai tua
nanti.
12. Kakak-kakak senior Perbankan Syariah 2012, atas bimbingan ilmu dan
pengalaman kehidupan di kampus dari awal pertama kali OPAK hingga
penyelesaian skripsi ini.
13. KKN CADUDASA 2016, Bapak Abdullah, Selvi, Lulu, Ika, Nday, Nando,
Ari, Rofik, Alif dan Daus. Atas pengabdian selama 1 bulan yang telah kita
laksanakan bersama. Tanpa KKN ini, penulis tidak akan bisa menjalankan sidang
skripsi.
14. Serta seluruh pihak yang telah membantu peneliti baik selama masa perkuliahan
sampai pengerjaan skripsi yang tidak dapat peneliti sebut satu persatu. Semoga
Allah membalas kebaikan kalian semua. Aamiin.
Peneliti menyadari bahwa skripsi ini masih jauh dari kesempurnaan karena
keterbatasan pengetahuan maupun pengalaman yang dimiliki peneliti. Oleh sebab itu,
peneliti mengharapkan segala bentuk kritik dan saran yang membangun untuk
pencapaian yang lebih baik.
Wassalamu’alaikum Warahmatullahi Wabarakaatuh.
Tangerang Selatan, Oktober 2017
Mannik Manila
xi
DAFTAR ISI
LEMBAR PENGESAHAN ..................................................................... i
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ...................... ii
LEMBAR PENGESAHAN UJIAN SKRIPSI ....................................... iii
LEMBAR PERNYATAAN KEASLIAN SKRIPSI .............................. iv
DAFTAR RIWAYAT HIDUP ................................................................ v
ABSTRACT .............................................................................................. vi
ABSTRAK ................................................................................................ vii
KATA PENGANTAR .............................................................................. viii
DAFTAR ISI ............................................................................................. xi
DAFTAR TABEL ..................................................................................... xiii
DAFTAR GAMBAR ................................................................................ xv
DAFTAR LAMPIRAN ............................................................................ xvi
BAB I PENDAHULUAN ......................................................................... 1
A. Latar Belakang Masalah ................................................................. 1
B. Rumusan Masalah .......................................................................... 13
C. Tujuan Penelitian ........................................................................... 14
D. Manfaat Penelitian ......................................................................... 14
BAB II TINJAUAN PUSTAKA .............................................................. 16
A. Landasan Teori ............................................................................... 16
1. Kinerja Perbankan Syariah ...................................................... 16
2. Rentabilitas Bank Syariah ....................................................... 25
3. Net Operating Margin (NOM) ................................................ 31
4. Capital Adequacy Ratio (CAR) ............................................... 33
5. Non Performing Finance (NPF) .............................................. 34
6. Biaya Operasional Pendapatan Operasional (BOPO) ............. 36
7. Bank Syariah ........................................................................... 37
B. Penelitian Terdahulu ...................................................................... 42
C. Keterkaitan Antar Variabel dan Pengembangan Hipotesis ............ 47
D. Kerangka Pemikiran ....................................................................... 50
xii
BAB III METODE PENELITIAN ......................................................... 52
A. Ruang Lingkup Penelitian .............................................................. 52
B. Metode Penentuan Sampel ............................................................. 53
C. Metode Pengumpulan Data ............................................................ 56
D. Metode Analisis Data ..................................................................... 58
E. Operasional Variabel Penelitian ..................................................... 75
BAB IV ANALISIS DAN PEMBAHASAN ........................................... 80
A. Sekilas Gambaran Umum Objek Penelitian ................................... 80
B. Analisis Statistik Deskriptif ........................................................... 87
C. Uji Stasioneritas ............................................................................. 92
D. Hasil Analisis dan Pembahasan ..................................................... 94
E. Interpretasi Hasil Penelitian ........................................................... 113
BAB V PENUTUP .................................................................................... 120
A. Kesimpulan .................................................................................... 120
B. Saran ............................................................................................... 120
DAFTAR PUSTAKA ............................................................................... 123
LAMPIRAN .............................................................................................. 127
xiii
DAFTAR TABEL
Tabel 1.1 Indikator Utama Perbankan Syariah (BUS-UUS) Tahun 2011-2015
(dalam persen (%)) ......................................................................... 4
Tabel 1.2 Perkembangan NOM, CAR, NPF, BOPO Bank Umum Syariah di
Indonesia tahun 2011-2015 (dalam persen (%)) ............................. 8
Tabel 2.1 Peringkat Rentabilitas ..................................................................... 31
Tabel 2.2 Kriteria Peringkat Net Operating Margin (NOM) .......................... 33
Tabel 2.3 Kriteria Peringkat Kewajiban Penyediaan Modal Minimum ........... 34
Tabel 2.4 Kriteria Peringkat Non Perfotming Finance (NPF) ......................... 35
Tabel 2.5 Kriteria Peringkat BOPO/REO ........................................................ 37
Tabel 2.6 Perbedaan antara Bank Syariah dan Bank Konvensional ............... 42
Tabel 2.7 Penelitian Terdahulu ....................................................................... 43
Tabel 3.1 Populasi Penelitian .......................................................................... 54
Tabel 3.2 Proses Pengambilan Sampel ........................................................... 55
Tabel 3.3 Sampel Penelitian ............................................................................ 56
Tabel 3.4 Hubungan Taraf Signifikansi dan Hipotesis ................................... 75
Tabel 3.5 Operasional Variabel Penelitian ...................................................... 79
Tabel 4.1 Statistik Deskriptif NOM Bank Umum Syariah ............................. 88
Tabel 4.2 Statistik Deskriptif CAR Bank Umum Syariah .............................. 89
Tabel 4.3 Statistik Deskriptif NPF Bank Umum Syariah ............................... 90
Tabel 4.4 Statistik Deskriptif BOPO Bank Umum Syariah ............................ 92
Tabel 4.5 Hasil Uji Augmented Dickey Fuller (ADF) Tingkat Level ............. 93
Tabel 4.6 Hasil Uji Augmented Dickey Fuller (ADF) Tingkat 1st Difference . 93
Tabel 4.7 Hasil Regresi Data Panel Menggunakan Common Effect ............... 94
Tabel 4.8 Hasil Regresi Data Panel Menggunakan Fixed Effect .................... 95
Tabel 4.9 Hasil Uji Chow ................................................................................ 96
Tabel 4.10 Hasil Regresi Data Panel Menggunakan Random Effect .............. 97
Tabel 4.11 Hasil Uji Hausman ........................................................................ 98
Tabel 4.12 Hasil Uji Normalitas ..................................................................... 99
Tabel 4.13 Hasil Uji Normalitas Menggunakan Logartima Natural ............... 100
xiv
Tabel 4.14 Hasil Uji Multikolinearitas ............................................................ 100
Tabel 4.15 Hasil Uji Heteroskedastisitas ........................................................ 101
Tabel 4.16 Hasil Uji Autokorelasi .................................................................. 101
Tabel 4.17 Hasil Uji t ...................................................................................... 102
Tabel 4.18 Hasil Uji F ..................................................................................... 105
Tabel 4.19 Hasil Uji Adjusted R-Square ......................................................... 106
Tabel 4.20 Hasil Regresi Data Panel ............................................................... 107
Tabel 4.21 Model Regresi Tiap Bank ............................................................. 109
xv
DAFTAR GAMBAR
Gambar 1.1 Penilaian Rentabilitas BUS Tahun 2014-2015 ............................ 7
Gambar 1.2 Pertumbuhan NOM dan CAR tahun 2011-2015 ......................... 10
Gambar 1.3 Pertumbuhan NOM dan NPF tahun 2011-2015 .......................... 11
Gambar 1.4 Pertumbuhan NOM dan BOPO tahun 2011-2015 ...................... 12
Gambar 2.1 Kerangka Pemikiran .................................................................... 51
Gambar 3.1 Pemilihan Model Regresi ............................................................ 70
xvi
DAFTAR LAMPIRAN
Lampiran 1: Data Sekunder Sebelum diolah ................................................ 127
Lampiran 2: Data Logaritma Natural ............................................................ 130
Lampiran 3: Data Outlier .............................................................................. 133
Lampiran 4: Uji Stasioner Data Tahap Level ............................................... 136
Lampiran 5: Uji Stasioner Data Tahap 1st Difference ................................... 140
Lampiran 6: Uji Chow .................................................................................. 144
Lampiran 7: Uji Hausman ............................................................................. 145
Lampiran 8: Uji Heteroskedastisitas ............................................................. 146
Lampiran 9: Uji Autokorelasi ....................................................................... 147
Lampiran 10: Hasil Regresi Menggunakan SPSS 22.0 ................................. 148
1
BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Di Indonesia, perkembangan ekonomi Islam telah diadopsi ke dalam
kerangka besar kebijakan ekonomi. Paling tidak, Bank Indonesia sebagai
otoritas perbankan di tanah air telah menetapkan Perbankan Syariah sebagai
salah satu pilar penyangga dual-banking system (Is, 2015).
Hal ini sesuai dengan Undang-Undang No. 7 Tahun 1992 tentang
Perbankan sebagaimana telah diubah dengan Undang-Undang No. 10 Tahun
1998, dan Undang-Undang No. 21 Tahun 2008 yang menegaskan bahwa di
Indonesia Bank dibagi menjadi dua, yaitu Bank Umum dan Bank Perkreditan
Rakyat Syariah (BPRS). Bank Umum dibagi lagi menjadi dua, yaitu bank
dengan sistem bunga (bank konvensional) dan bank dengan sistem bagi hasil
(bank syariah).
Sebagai lembaga intermediasi, bank syariah maupun bank konvensional
sama-sama menjalankan kegiatan usahanya dengan cara menghimpun dana
dari masyarakat yang kelebihan dana dan menyalurkannya lagi kepada
masyarakat yang membutuhkan dana. Hal yang membedakan keduanya
adalah penetapan sistem keuntungan dimana bank syariah menggunakan
sistem bagi hasil dan bank konvensional menggunakan sistem bunga yang
tentunya di larang dalam syariat islam karena telah dipersamakan dengan riba
(fatwa MUI).
2
Fatwa Majelis Ulama Indonesia (MUI) No. 1 Tahun 2004 memustuskan
yang pertama adalah bahwa bunga (interest/fa’idah) merupakan tambahan
yang dikenakan dalam transaksi pinjaman uang (al-qardh) yang
diperhitungkan dari pokok pinjaman tanpa mempertimbangkan
pemanfaatan/hasil pokok tersebut, berdasarkan tempo waktu, diperhitungkan
secara pasti di muka, dan pada umumnya berdasarkan persentase. Yang
kedua, bahwa praktek pembungaan uang saat ini telah memenuhi kriteria riba
yang terjadi pada jaman Rasulullah SAW, yaitu Riba Nasi’ah. Dengan
demikian, praktek pembungaan uang ini termasuk salah satu bentuk riba, dan
riba haram hukumnya.
Pelarangan riba dalam Al-Qur’an terdapat dalam surat Al-Baqarah ayat
275-276 (Tanjung, 2007):
بوا ل يقومون إل ك لك بأنهم قالوا إنما ٱلبيع ٱلذين يأكلون ٱلر ن من ٱلمس ذ يط ما يقوم ٱلذي يتخبطه ٱلش
بهۦ فٱنتهى ف فمن جاءهۥ موعظة من ربوا م ٱلر ٱلبيع وحر وأحل ٱلل
بوا و مثل ٱلر ل لهۥ ما أمرهۥ إلى ٱلل
لدون ب ٱلنار هم فيها خ ئك أصح ل يحب كل ٥٧٢ومن عاد فأول ت وٱلل دق بوا ويربي ٱلص ٱلر يمحق ٱلل
٥٧٢ كفار أثيم
Artinya: “Orang-orang yang makan (mengambil) riba tidak dapat
berdiri melainkan seperti berdirinya orang yang kemasukan syaitan lantaran
(tekanan) penyakit gila. Keadaan mereka yang demikian itu, adalah
disebabkan mereka berkata (berpendapat), sesungguhnya jual beli itu sama
dengan riba, padahal Allah telah menghalalkan jual beli dan mengharamkan
riba. Orang-orang yang telah sampai kepadanya larangan dari Tuhannya,
lalu terus berhenti (dari mengambil riba), maka baginya apa yang telah
diambilnya dahulu (sebelum datang larangan); dan urusannya (terserah)
kepada Allah. Orang yang kembali (mengambil riba), maka orang itu adalah
penghuni-penghuni neraka; mereka kekal di dalamnya. Allah memusnahkan
riba dan menyuburkan sedekah. Dan Allah tidak menyukai setiap orang yang
tetap dalam kekafiran, dan selalu berbuat dosa.”
Selain surat Al-Baqarah ayat 275-276 masih ada beberapa surat yang
berbeda di dalam Al-Qur’an yang berisi tentang pelarangan riba, seperti
3
terdapat pada surat Ar-Ruum ayat 39, An-Nisaa ayat 161, Ali Imron ayat 130,
dan Al-Baqarah ayat 278-279 (Tanjung, 2007).
Alasan diharamkannya bunga bank menurut Abul A’la Maududi yang
diikuti oleh Muhammad Netajullah Shiddiqi dalam bukunya yang berjudul
Muslim Economic Thinking yang diterjemahkan oleh A.M Saefuddin dengan
judul Pemikiran Ekonomi Islam berpendapat bahwa bunga bank merupakan
salah satu sumber dari sekian banyak sumber keburukan ekonomi (Is, 2015).
Melihat sejarah pada tahun 1998, dimana krisis ekonomi melanda dunia
perbankan. Pada bulan maret 1998 tingkat Non Performing Loan (NPL)
sudah di atas 10% kemudian naik terus sehingga mencapai puncaknya pada
bulan maret 1999 yang bertengger di atas 50%. Hal ini terjadi akibat dari
beban berat nasabah penerima pinjaman yang juga mengalami kesulitan di
masa krisis yang pada akhirnya tidak dapat memenuhi besarnya bunga
pinjaman dari bank. Sebagian besar bank menerapkan tingkat bunga pinjaman
lebih rendah dari pada bunga simpanan yang mengakibatkan terjadinya
negative spread (Tanjung, 2007).
Dibandingkan dengan dilikuidasinya 27 bank konvensional dimana 16
bank ditutup pada 1 November 1997 dan 11 bank pada tanggal 4 April 1998
oleh otoritas moneter, perbankan syariah justru menjelang krisis pada tahun
1997 mengalami pertumbuhan kantor cabang yang pesat, dari empat kantor
cabang pada tahun 1996 menjadi 10 kantor cabang pada tahun 1997 (Ismail,
2013).
4
Berkat ketahanan Bank Muamalat Indonesia pada krisis 1998, maka
diubahnya Undang-Undang No. 7 Tahun 1992 menjadi Undang-Undang No.
10 Tahun 1998 menjadi bukti untuk eksistensi bank syariah dan terbukanya
peluang yang lebih besar untuk bank syariah berkembang.
Tabel 1.1
Indikator Utama Perbankan Syariah (BUS-UUS)
Tahun 2011-2015
(dalam persen (%))
Indikator
(Rp Triliun) 2011 2012 2013 2014 2015
Total Aset 145,47 195,02 242,28 272,34 296,26
DPK 115,41 147,51 183,53 217,86 231,17
PYD 102,66 147,51 184,12 199,30 212,96
Sumber: Laporan Perkembangan Keuangan Syariah Tahun 2015
Berdasarkan tabel 1.1 sampai dengan tahun 2015 Total Aset, Dana Pihak
Ketiga (DPK), dan Pembiayaan Yang Diberikan (PYD) mengalami
peningkatan di setiap tahunnya meskipun laju pertumbuhan dari setiap
masing-masing indikator mengalami penurunan. Aset BUS-UUS tahun 2015
mengalami peningkatan sebesar Rp23,9 triliun menjadi Rp296,26 triliun atau
tumbuh 8,78% dari aset tahun sebelumnya. Sementara DPK BUS-UUS
meningkat sebesar Rp13,32 triliun atau tumbuh 6,11% sehingga DPK BUS-
UUS tahun 2015 tercatat ssebesar Rp231,17 triliun. Pada tahun 2015 BUS
dan UUS membukukan pembiayaan yang diberikan sebesar Rp212,96 triliun
yang berarti terjadi peningkatan pembiayaan sebesar Rp13,66 triliun atau
tumbuh 6,85% dibandingkan pada tahun sebelumnya.
5
Perkembangan tersebut tentu saja menggembirakan, tetapi tidak
kemudian hanya menumbuhkan euforia saja. Perkembangan tersebut harus
dijawab oleh manajemen bank syariah dengan kinerja yang baik, karena bank
merupakan lembaga yang beroperasi atas dasar kepercayaan. Ketika nasabah
tidak percaya kepada suatu bank, maka dengan segera dia akan beralih ke
bank lain yang lebih dipercaya. Di dalam perbankan, kinerja bank tersebut
kemudian dikenal dengan tingkat kesehatan bank. Banyak faktor yang
mempengaruhi tingkat kesehatan suatu bank, baik yang terkait manajemen
maupun keuangan.
Sejak diberlakukannya Peraturan Otoritas Jasa Keuangan (POJK) Nomor
8/POJK.03/2014 tanggal 11 Juni 2014 tentang Penilaian Tingkat Kesehatan
Bank Umum Syariah, maka sejak Juni 2014 penilaian tingkat kesehatan Bank
Umum Syariah (BUS) dilakukan berdasarkan risiko termasuk risiko terkait
penerapan prinsip syariah dan kinerja bank atau disebut dengan Risk Based
Bank Rating (RBBR). Penilaian tingkat kesehatan dengan RBBR mencakup
penilaian terhadap faktor profil risiko (risk profile), Good Corporate
Governance (GCG), rentabilitas (earnings) dan permodalan (capital). POJK
ini telah mencabut Peraturan Bank Indonesia Nomor 9/1/PBI/2007 tentang
Sistem Penilaian Tingkat Kesehatan Bank Umum Syariah yang mengatur
penilaian tingkat kesehatan bank mencakup penilaian terhadap faktor-faktor
permodalan (capital), kualitas aset (aset quality), manajemen (management),
rentabilitas (earning), likuiditas (liquidity) dan sensitivitas terhadap risiko
pasar (sensitivity to market risk) atau disebut dengan CAMELS.
6
Dari faktor-faktor penilaian tersebut, faktor yang sering menjadi
Pertimbangan masyarakat ataupun investor dalam memilih bank adalah faktor
earning (rentabilitas). Earning atau Rentabilitas adalah kemampuan bank
dalam menghasilkan laba. Masyarakat seringkali menjadikan rentabilitas
bank sebagai salah satu faktor preferensi mereka dalam memilih bank,
termasuk bank syariah. Apalagi, besar kecilnya bagi hasil yang diterima di
bank syariah, khususnya bagi nasabah penabung, ditentukan oleh besar-
kecilnya profit yang bisa dihasilkan oleh bank syariah. Selain itu, investor
ketika akan menanamkan modal di bank, tentu salah satu faktor utama yang
akan dilihat adalah rentabilitas bank tersebut.
Kinerja bank dalam menghasilkan laba (rentabilitas) yang optimal dan
berkesinambungan merupakan prasyarat yang penting bagi kelangsungan
usaha bank. Rentabilitas yang optimal dan berkesinambungan memungkinkan
bank untuk mendanai pertumbuhan aset, meningkatkan modal dan
memberikan imbal hasil yang memadai bagi para pemegang saham serta
nasabah deposan/investor. Penilaian rentabilitas yang komprehensif
merupakan faktor penting dalam menentukan kondisi kesehatan dan profil
risiko bank maupun sistem perbankan secara keseluruhan.
Sesuai dengan Laporan Perkembangan Keuangan Syariah tahun 2015,
rincian penilaian rentabilitas bank umum syariah tahun 2014-2015 terlihat
pada gambar 1.1 dibawah ini:
7
Gambar 1.1
Penilaian Rentabilitas BUS Tahun 2014-2015
Sumber: Laporan Perkembangan Keuangan Syariah 2015
Gambar 1.1 di atas menunjukkan bahwa empat bank atau 33% dari total
BUS dinilai “memadai”, enam bank atau 42% dari total BUS dinilai “cukup
memadai”, dan dua bank atau 17% dari total BUS dinilai “kurang memadai”.
Sedangkan pada tahun sebelumnya, 25% dari total BUS dinilai “memadai”,
17% dari total BUS dinilai “kurang memadai”, dan 58% dari total BUS
dinilai “cukup memadai”.
Berdasarkan Surat Edaran Bank Indonesia Nomor 13/24/DPNP/2011
komponen faktor rentabilitas di bagi menjadi 3 rasio:
1. Rasio Utama, yaitu Net Operating Margin (NOM).
2. Rasio Penunjang, yaitu Return On Asset (ROA), Rasio Efisiensi Kegiatan
Operasional (REO), Rasio Aktiva Yang Dapat Menghasilkan Pendapatan
(IGA), Diversifikasi Pendapatan, dan Proyeksi Pendapatan Bersih
Operasional Utama (PPBO).
3. Rasio Reserved, yaitu Rasio Net Margin Operasional Utama, Return On
Equity (ROE), Komposisi penempatan dana pada surat berharga/pasar
25%
58%
17%
33%
42%
17%
0%
10%
20%
30%
40%
50%
60%
70%
Memadai Cukup Memadai
Kurang Memadai
2014 2015
8
keuangan, Disparitas imbal jasa antara employee benefit tertinggi dengan
employee benefit terendah, fungsi edukasi publik (CSR), Fungsi sosial,
Korelasi antara tingkat bunga di pasar dengan return/bagi hasil yang
diberikan oleh bank syariah, Besarnya bagi hasil dana investasi, dan
Penyaluran dana yang diwrite-off dibandingkan dengan biaya operasional .
Pada penelitian ini, variabel dependen yang digunakan adalah rasio
utama dari rentabilitas yaitu Net Operating Margin (NOM) yaitu rasio yang
menunjukkan kemampuan bank dalam menghasilkan laba dari kegiatan
operasinya. Sedangkan untuk variabel independen yang digunakan adalah
variabel spesifik bank yang diukur dengan menggunakan rasio-rasio
keuangan yaitu Capital Adequacy Ratio (CAR), Non Performing Finance
(NPF), dan Biaya Operasional Pendapatan Operasional (BOPO).
Tabel 1.2
Perkembangan NOM, CAR, NPF, dan BOPO Bank Umum Syariah
(BUS) di Indonesia tahun 2011-2015
(dalam persen (%))
Rasio 2011 2012 2013 2014 2015
NOM 1,20 2,04 1,82 0,52 0,52
CAR 16,63 14,13 14,44 16,10 15,02
NPF 2,52 2,22 2,62 4,33 4,34
BOPO 78,41 74,97 78,21 94,16 94,38
Sumber: Laporan Perkembangan Keuangan Syariah 2011-2015, Statistik
Perbankan Indonesia 2011-2015, dan Statistik Perbankan Syariah 2011-
2015
Berdasarkan pada tabel 1.2 dapat dilihat bahwa rasio NOM Bank Umum
Syariah berfluktuasi dari tahun ke tahun. NOM Bank Umum Syariah naik
sebesar 0,84% pada tahun 2011-2012. Sedangkan tahun 2012-2014 terus
9
mengalami penurunan yaitu sebesar 0,22% pada tahun 2012-2013 dan 1,30%
pada tahun 2013-2014. Untuk tahun 2015 nilai NOM sama dengan tahun
sebelumnya yaitu sebesar 0,52% dan tergolong sangat rendah (NOM < 1%)
menurut standar penilaian Bank Indonesia. Maka untuk perkembangan NOM
Bank Umum Syariah sampai dengan tahun 2015, masih diperlukan upaya-
upaya bank syariah untuk dapat meningkatkan kemampuannya dalam
menghasilkan laba. Dengan demikian perlu diketahui faktor-faktor yang
mempengaruhi NOM sehingga dapat diambil langkah perbaikan kinerja untuk
meningkatkan NOM selanjutnya.
Capital Adequacy Ratio (CAR) merupakan rasio kinerja bank untuk
mengukur kecukupan modal yang dimiliki oleh bank untuk menunjang aktiva
yang mengandung atau menghasilkan resiko. Rasio ini menunjukkan
kecukupan modal yang ditetapkan lembaga pengatur yang khusus berlaku
bagi bank (Harahap, 2015). Semakin tinggi CAR maka semakin kuat
kemampuan bank tersebut untuk menanggung risiko dari setiap pinjaman atau
aktiva produktif yang berisiko. Atau dengan kata lain, maka semakin tinggi
kecukupan modalnya untuk menanggung risiko pinjaman macetnya, sehingga
kinerja bank semakin baik, dan dapat meningkatkan kepercayaan masyarakat
terhadap bank yang bersangkutan yang berujung pada meningkatnya laba
(Wahyuni, 2017).
Dalam penelitian yang dilakukan oleh Wibisono dan Wahyuni (2017)
menyebutkan bahwa CAR memiliki pengaruh negatif signifikan secara
10
parsial terhadap NOM sedangkan menurut Romdayanah (2011) CAR
memiliki pengaruh negatif namun tidak signifikan.
Gambar 1.2
Pertumbuhan NOM dan CAR tahun 2011-2015
Sumber: Data diolah
Nilai CAR pada tabel 1.2 dan gambar 1.2 mengalami penurunan terbesar
pada tahun 2011-2012 sebesar 2,5%, dan NOM pada tahun yang sama
mengalami peningkatan sebesar 0,84%. Pada tahun 2013-2014 CAR
mengalami peningkatan sebesar 1,66% dan NOM menurun sebesar 1,30%.
Namun pada tahun 2014-2015 CAR mengalami penurunan sebesar 1,08%
sedangkan NOM tidak mengalami kenaikan pada tahun yang sama.
Fenomena ini menunjukkan telah terjadi ketidakkonsistenan hubungan antara
CAR dan NOM. Oleh karena itu perlu dilakukan penelitian lebih lanjut.
Non Performing Financing (NPF) merupakan pembiayaan macet, ini
sangat berpengaruh terhadap laba bank syariah. NPF erat kaitannya dengan
pembiayaan yang disalurkan oleh bank syariah kepada nasabahnya. Apabila
NPF menunjukkan nilai yang rendah diharapkan pendapatan akan meningkat
sehingga laba yang dihasilkan akan meningkat, namun sebaliknya apabila
0
2
4
6
8
10
12
14
16
18
20
2011 2012 2013 2014 2015
CAR
NOM
11
nilai NPF tinggi maka pendapatan akan menurun sehingga laba yang didapat
akan turun (Yulianto, 2014).
Penelitian yang dilakukan oleh Somantri (2017) menyebutkan bahwa
NPF tidak berpengaruh terhadap tingkat rentabilitas (NOM).
Gambar 1.3
Pertumbuhan NOM dan NPF tahun 2011-2015
Sumber: Data diolah
Berdasarkan pada tabel 1.2 dan gambar 1.3 NPF meningkat sebesar
1,71% pada tahun 2013-2014, NOM pada tahun yang sama mengalami
penurunan sebesar 1,30%. Tahun 2014-2015 NPF naik sebesar 0,1% dan
NOM tidak mengalami perubahan dari tahun sebelumnya. Fenomena ini
menunjukkan telah terjadi ketidakkonsistenan hubungan antara NPF dan
NOM. Oleh karena itu perlu dilakukan penelitian lebih lanjut.
Rasio BOPO menunjukkan efisiensi bank dalam menjalankan usaha
pokoknya terutama kredit, dimana bunga kredit menjadi pendapatan terbesar
perbankan. Pengelolaan pembiayaan sangat diperlukan oleh bank, mengingat
fungsi pembiayaan sebagai penyumbang pendapatan terbesar bagi bank
syariah. Semakin kecil BOPO menunjukkan semakin efisien bank dalam
menjalankan aktivitas usahanya. Semakin tinggi biaya pendapatan bank
0
1
2
3
4
5
6
2011 2012 2013 2014 2015
NPF
NOM
12
berarti kegiatan operasionalnya semakin tidak efisien sehingga
pendapatannya juga semakin kecil (Syaichu, 2013).
Penelitian yang dilakukan oleh Junita (2015) menyebutkan bahwa secara
parsial BOPO memiliki pengaruh negatif signifikan terhadap NOM.
Gambar 1.4
Pertumbuhan NOM dan BOPO tahun 2011-2015
Sumber: Data diolah
Tabel 1.2 dan gambar 1.4 menunjukkan rasio BOPO terus mengalami
kenaikan dari tahun 2012-2015 hal ini sejalan dengan turunnya NOM sampai
dengan tahun 2014. Tahun 2014-2015 NOM tidak mengalami perubahan dari
tahun sebelumnya padahal BOPO mengalami kenaikan sebesar 0,22%.
Fenomena ini menunjukkan telah terjadi ketidakkonsistenan hubungan antara
BOPO dan NOM. Oleh karena itu perlu dilakukan penelitian lebih lanjut.
Berdasarkan Surat Edaran Bank Indonesia Nomor 13/24/DPNP/2011
yang menyebutkan bahwa Net Operating Margin (NOM) merupakan rasio
utama yang menentukan faktor rentabilitas, maka penting untuk mengetahui
faktor-faktor penentu NOM. Dari tahun 2011-2015, dapat diketahui bahwa
angka NOM masih berfluktuasi namun cenderung menurun. Hal ini tentunya
akan menimbulkan kekhawatiran terhadap kinerja bank syariah, yang pada
0
20
40
60
80
100
2011 2012 2013 2014 2015
BOPO
NOM
13
akhirnya akan berdampak pada tingkat kepercayaan masyarakat terhadap
bank syariah.
Oleh karena itu, peneliti termotivasi melakukan penelitian ini untuk
mengetahui fakta mengenai seberapa besar pengaruh Capital Adequacy Ratio
(CAR), Non Performing Finance (NPF), dan Biaya Operasional Pendapatan
Operasional (BOPO) terhadap Rentabilitas Bank Umum Syariah di Indonesia.
Adanya hasil penelitian terdahulu membuat penulis ingin melakukan
pengujian kembali terhadap variabel-variabel tersebut dengan objek dan
metode penelitian yang berbeda dari sebelumnya.
Peneliti memilih Bank Umum Syariah di Indonesia tahun 2015-2017. Hal
ini dikarenakan terkait dengan kelengkapan data yang akan penulis peroleh
dari laporan keuangan yang telah dipublikasikan oleh Otoritas Jasa Keuangan
(OJK) dan juga sekaligus memberikan hasil penelitian yang ter-update.
Berdasarkan uraian di atas, maka penulis tertarik melakukan penelitian
dengan judul “Pengaruh Capital Adequacy Ratio (CAR), Non Performing
Finance (NPF) dan Biaya Operasional Pendapatan Operasional (BOPO)
Terhadap Rentabilitas Bank Umum Syariah Di Indonesia Tahun 2015-
2017”
B. Rumusan Masalah
Berdasarkan latar belakang yang diuraikan diatas, maka rumusan
masalah dalam penelitian adalah:
1. Apakah terdapat pengaruh Capital Adequacy Ratio (CAR), Non
Performing Financing (NPF), dan Biaya Operasional terhadap Pendapatan
14
Operasional (BOPO) secara parsial terhadap Rentabilitas Bank Umum
Syariah di Indonesia periode 2015-2017?
2. Apakah terdapat pengaruh Capital Adequacy Ratio (CAR), Non
Performing Financing (NPF), dan Biaya Operasional terhadap Pendapatan
Operasional (BOPO) secara simultan terhadap Rentabilitas Bank Umum
Syariah di Indonesia periode 2015-2017?
C. Tujuan Penelitian
Berdasarkan rumusan masalah di atas, maka tujuan penelitian ini adalah:
1. Untuk mengetahui pengaruh Capital Adequacy Ratio (CAR), Non
Performing Financing (NPF), dan Biaya Operasional terhadap Pendapatan
Operasional (BOPO) secara parsial terhadap Rentabilitas Bank Umum
Syariah di Indonesia periode 2015-2017.
2. Untuk mengetahui pengaruh Capital Adequacy Ratio (CAR), Non
Performing Financing (NPF), dan Biaya Operasional terhadap Pendapatan
Operasional (BOPO) secara simultan terhadap Rentabilitas Bank Umum
Syariah di Indonesia periode 2015-2017.
D. Manfaat Penelitian
Dengan diadakannya penelitian ini, diharapkan dapat memberikan
manfaat bagi berbagai pihak. Adapun manfaat penelitian ini adalah:
1. Kontibusi Praktis
a. Bagi Bank Syariah
Hasil penelitian ini diharapkan dapat memberikan kontribusi yang
baik bagi perbankan syariah khususnya pada Bank Umum Syariah di
15
Indonesia dalam proses peningkatan kinerja dari aspek keuangan
dalam memaksimalkan rentabilitas bank secara maksimal yang
diproksikan oleh Net Operating Margin (NOM).
b. Bagi Masyarakat
Dengan adanya penelitian ini diharapkan dapat membantu
masyarakat dalam mengambil keputusan terkait dengan aktivitas yang
dapat dilakukan dalam dunia perbankan syariah seperti menabung,
berinvestasi, dan sebagainya melalui tolak ukur rentabilitas.
2. Kontribusi Teoritis
a. Bagi Akademisi
Gagasan, pemahaman, pemikiran, literatur, dan hasil dari
penelitian ini dapat menambah rujukan untuk referensi pembaca yang
ingin melakukan penelitian selanjutnya dengan permasalahan yang
sejenis terkait rentabilitas perbankan syariah yang dilihat dari rasio
Net Operating Margin (NOM).
b. Bagi Peneliti
Bagi peneliti sendiri, penelitian ini diharapkan dapat menjadi
pemacu semangat atau motivator untuk terus belajar dan memperluas
wawasan tentang rentabilitas perbankan syariah yang dilihat dari rasio
Net Operating Margin (NOM). Serta dapat mengaplikasikan ilmu
yang di dapat selama di bangku perkuliahan.
16
BAB II
TINJAUAN PUSTAKA
A. Landasan Teori
1. Kinerja Perbankan Syariah
a. Pengertian Kinerja Keuangan
Berdasarkan Undang-Undang Nomor 21 tahun 2008 tentang
Perbankan Syariah, Bank wajib memelihara tingkat kesehatannya.
Kesehatan bank harus diperlihara dan ditingkatkan agar kepercayaan
masyarakat terhadap bank dapat terjaga. Kesehatan bank merupakan
cerminan kondisi dan kinerja Bank merupakan sarana bagi otoritas
pengawas dalam menetapkan strategi dan fokus pengawasan terhadap
bank. Selain itu bank juga menjadi kepentingan semua pihak yang
terkait, baik pemilik, pengelola (manajemen), dan masyarakat
pengguna bank.
Peraturan perundang-undangan yang secara spesifik mengatur
tentang kesehatan bank syariah adalah PBI No. 9/1/PBI/2007.
Peraturan ini sudah tidak berlaku sejak 1 Juli 2014 dan mulai berlaku
Peraturan Otoritas Jasa Keuangan Nomor 8/POJK.03/2014 tentang
Sistem Penilaian Tingkat Kesehatan Bank Umum Syariah dan Unit
Usaha Syariah.
Dalam peraturan ini, yang dimaksud dengan tingkat kesehatan
bank adalah hasil penilaian kondisi bank yang dilakukan berdasarkan
17
risiko termasuk risiko terkait penerapan prinsip syariah dan kinerja
bank atau disebut dengan Risk-based Bank Rating.
Menurut Kasmir (2008) tingkat kesehatan bank adalah
kemampuan suatu bank untuk melakukan kegiatan operasional
perbankan secara normal dan mampu memenuhi kewajibannya
dengan baik dengan cara-cara yang sesuai dengan peraturan
perbankan yang berlaku (Husein, 2016).
Kinerja keuangan adalah suatu analisis yang dilakukan untuk
melihat sejauh mana suatu perusahaan telah melaksanakan dengan
menggunakan aturan-aturan pelaksanaan keuangan secara baik dan
benar. Kinerja perusahaan merupakan suatu gambaran tentang kondisi
keuangan suatu perusahaan yang dianalisis dengan alat-alat analisis
keuangan, sehingga dapat diketahui mengenai baik buruknya keadaan
keuangan suatu perusahaan yang mencerminkan prestasi kerja dalam
periode tertentu. Hal ini sangat penting agar sumber daya digunakan
secara optimal dalam menghadapi perubahan lingkungan (Fahmi,
2011).
b. Pengukuran Kinerja Keuangan
Kinerja keuangan perusahaan berkaitan erat dengan pengukuran
dan penilaian kinerja. Pengukuran kinerja (performing measurement)
adalah upaya yang dilakukan untuk mengukur tingkat keberhasilan
aktivitas bisnis berdasarkan standar dan kriteria yang telah ditetapkan,
juga bagaimana tingkat pencapaian keberhasilan perusahaan apakah
18
sudah sesuai dengan target, sehingga penyimpangan yang terjadi dapat
dieliminasi melalui proses perbaikan yang berkesinambungan (Hery,
2017).
Pengukuran kinerja digunakan perusahaan untuk melakukan
perbaikan di atas kegiatan operasionalnya agar dapat bersaing dengan
perusahaan lain. Analisis kinerja keuangan merupakan proses
pengkajian secara kritis terhadap review data, menghitung, mengukur,
menginterprestasi, dan memberi solusi terhadap keuangan perusahaan
pada suatu periode tertentu.
Menurut Munawir (2012) menyatakan bahwa tujuan dari
pengukuran kinerja keuangan perusahaan adalah:
1. Mengetahui tingkat likuiditas. Likuiditas menunjukkan
kemampuan suatu perusahaan untuk memenuhi kewajiban
keuangan yang harus segera diselesaikan pada saat ditagih.
2. Mengetahui tingkat solvabilitas. Solvabilitas menunjukkan
kemampuan perusahaan untuk memenuhi kewajiban
keuangannya apabila perusahaan tersebut dilikuidasi, baik
keuangan jangka pendek maupun jangka panjang.
3. Mengetahui tingkat rentabilitas. Rentabilitas atau yang sering
disebut dengan profitabilitas menunjukkan kemampuan
perusahaan untuk menghasilkan laba selama periode tertentu.
4. Mengetahui tingkat stabilitas. Stabilitas menunjukkan
kemampuan perusahaan untuk melakukan usahanya dengan
19
stabil, yang diukur dengan mempertimbangkan kemampuan
perusahaan untuk membayar hutang- hutangnya serta membayar
beban bunga atas hutang-hutangnya tepat pada waktunya.
c. Alat Analisis Kinerja Keuangan
Kinerja keuangan dapat dinilai dengan beberapa alat analisis.
Berdasarkan tekniknya, analisis keuangan dapat dibedakan menjadi
(Jumingan, 2017):
a) Analisis Perbandingan Laporan Keuangan, merupakan teknik
analisis dengan cara membandingkan laporan keuangan dua
periode atau lebih dengan menunjukkan perubahan, baik dalam
jumlah (absolut) maupun dalam persentase (relatif).
b) Analisis Tren (tendensi posisi), merupakan teknik analisis untuk
mengetahui tendensi keadaan keuangan apakah menunjukkan
kenaikan atau penurunan.
c) Analisis Persentase per-Komponen (common size), merupakan
teknik analisis untuk mengetahui persentase investasi pada
masing-masing aktiva terhadap keseluruhan atau total aktiva
maupun utang.
d) Analisis Sumber dan Penggunaan Modal Kerja, merupakan
teknik analisis untuk mengetahui besarnya sumber dan
penggunaan modal kerja melalui dua periode waktu yang
dibandingkan.
20
e) Analisis Sumber dan Penggunaan Kas, merupakan teknik
analisis untuk mengetahui kondisi kas disertai sebab terjadinya
perubahan kas pada suatu periode waktu tertentu.
f) Analisis Rasio Keuangan, merupakan teknik analisis keuangan
untuk mengetahui hubungan di antara pos tertentu dalam neraca
maupun laporan laba rugi baik secara individu maupun secara
simultan.
g) Analisis Perubahan Laba Kotor, merupakan teknik analisis
untuk mengetahui posisi laba dan sebab-sebab terjadinya
perubahan laba.
h) Analisis Break Event, merupakan teknik analisis untuk
mengetahui tingkat penjualan yang harus dicapai agar
perusahaan tidak mengalami kerugian.
d. Pengukuran Rasio Keuangan
Rasio keuangan adalah angka yang diperoleh dari hasil
perbandingan dari satu pos laporan keuangan dengan pos lainnya yang
mempunyai hubungan yang relevan dan signifikan (berarti) (Harahap,
2015).
Diantara keunggulan analisis menggunakan rasio keuangan
dibandingkan dengan teknik analisis lainnya adalah (Harahap, 2015):
a) Rasio merupakan angka-angka atau ikhtisar statistik yang lebih
mudah dibaca dan ditafsirkan
21
b) Merupakan pengganti yang lebih sederhana dari informasi yang
disajikan laporan keuangan yang sangat rinci dan rumit
c) Mengetahui posisi perusahaan di tengah industri lain
d) Sangat bermanfaat untuk bahan dalam mengisi model-model
pengambilan keputusan dan model prediksi (Z-score)
e) Menstandarisir size perusahaan
f) Lebih mudah memperbandingkan perusahaan dengan
perusahaan lain atau melihat perkembangan perusahaan secara
periodek atau “time series”
g) Lebih mudah melihat tren perusahaan serta melakukan prediksi
di masa yang akan datang.
Umumnya rasio yang dikenal dan populer adalah: rasio likuiditas,
solvabilitas, dan rentabilitas. Namun, untuk penilaian tingkat
kesehatan bank syariah meliputi penilaian terhadap 6 (enam) faktor
berikut yang sering disingkat dengan CAMELS (Prasetiyo, 2012):
a. Capital (Permodalan)
b. Asset Quality (Kualitas Aset)
c. Management (Manajemen)
d. Earning (Rentabilitas)
e. Liquidity (Likuiditas)
f. Sensitivity to Market Risk (Sensitifitas terhadap risiko pasar).
22
Penilaian terhadap faktor permodalan (capital) dimaksudkan
untuk menilai kecukupan modal bank untuk mengamankan eksposur
risiko posisi dan mengantisipasi eksposur risiko yang akan muncul.
Sementara, penilaian faktor kualitas aset dimaksudkan untuk
menilai kondisi aset bank, termasuk antisipasi atas risiko gagal bayar
dari pembiayaan (credit risk) yang akan muncul.
Selanjutnya, penilaian terhadap faktor manajemen dimaksudkan
untuk menilai kemampuan manajerial pengurus bank dalam
menjalankan usaha sesuai dengan prinsip manajemen umum,
kecukupan manajemen risiko dan kepatuhan bank terhadap ketentuan
baik yang terkait dengan prinsip kehati-hatian maupun kepatuhan
terhadap prinsip syariah dan komitmen bank kepada Bank Indonesia.
Penilaian berikutnya adalah penilaian terhadap faktor
Earning/Rentabilitas. Penilaian rentabilitas merupakan penilaian
terhadap kondisi dan kemampuan bank untuk menghasilkan
keuntungan dalam rangka mendukung kegiatan operasional dan
permodalan (Rustam, 2013).
Selanjutnya adalah penilaian terhadap faktor likuiditas. Penilaian
likuiditas dimaksudkan untuk menilai kemampuan bank dalam
memelihara tingkat likuiditas yang memadai termasuk antisipasi atas
risiko likuiditas yang akan muncul.
Penilaian yang terakhir adalah penilaian terhadap faktor
sensitifitas terhadap risiko pasar. Penilaian sensitivitas atas risiko
23
pasar dimaksudkan untuk menilai kemampuan keuangan bank dalam
mengantisipasi perubahan risiko pasar yang disebabkan oleh
pergerakan nilai tukar. Penilaian sensitivitas atas risiko pasar
dilakukan dengan menilai besarnya kelebihan modal yang digunakan
untuk menutup risiko bank dibandingkan dengan besarnya risiko
kerugian yang timbul dari pengaruh perubahan risiko pasar.
e. Peringkat Komponen Rasio Keuangan Bank Syariah
Berdasarkan hasil penilaian peringkat setiap rasio dan komponen
ditetapkan peringkat setiap faktor. Penilaian peringkat komponen atau
rasio keuangan pembentuk faktor permodalan, kualitas aset,
rentabilitas, likuiditas, dan sensitivitas terhadap risiko pasar dihitung
secara kuantitatif. Selanjutnya, peringkat faktor-faktor ini ditunjukkan
dalam 5 (lima) peringkat, yaitu peringkat 1, peringkat 2, peringkat 3,
peringkat 4 dan peringkat 5. Sementara, penilaian peringkat
komponen pembentuk faktor manajemen dilakukan melalui analisis
dengan mempertimbangkan indikator pendukung dan unsur
judgement. Sedangkan hasilnya ditunjukkan dalam 4 kategori, yaitu
peringkat A, peringkat B, peringkat C dan peringkat D.
Berdasarkan hasil penilaian peringkat masing-masing faktor
ditetapkan Peringkat Komposit (composite rating). Peringkat
Komposit ditetapkan sebagai berikut:
24
a) Peringkat Komposit 1, mencerminkan bahwa Bank dan UUS
tergolong sangat baik dan mampu mengatasi pengaruh negatif
kondisi perekonomian dan industri keuangan.;
b) Peringkat Komposit 2, mencerminkan bahwa Bank dan UUS
tergolong baik dan mampu mengatasi pengaruh negatif kondisi
perekonomian dan industri keuangan namun Bank dan UUS
masih memiliki kelemahan kelemahan minor yang dapat segera
diatasi oleh tindakan rutin;
c) Peringkat Komposit 3, mencerminkan bahwa Bank dan UUS
tergolong cukup baik namun terdapat beberapa kelemahan yang
dapat menyebabkan peringkat kompositnya memburuk apabila
Bank dan UUS tidak segera melakukan tindakan korektif;
d) Peringkat Komposit 4, mencerminkan bahwa Bank dan UUS
tergolong kurang baik dan sensitif terhadap pengaruh negatif
kondisi perekonomian dan industri keuangan atau Bank dan
UUS memiliki kelemahan keuangan yang serius atau kombinasi
dari kondisi beberapa faktor yang tidak memuaskan, yang
apabila tidak dilakukan tindakan yang efektif berpotensi
mengalami kesulitan yang dapat membahayakan kelangsungan
usaha;
e) Peringkat Komposit 5, mencerminkan bahwa Bank dan UUS
sangat sensitif terhadap pengaruh negatif kondisi perekonomian,
25
industri keuangan, dan mengalami kesulitan yang
membahayakan kelangsungan usaha.
2. Rentabilitas Bank Syariah
Rentabilitas atau profitabilitas adalah rasio untuk mengetahui
kemampuan bank menghasilkan keuntungan baik dari kegiatan operasional
bank yang bersangkutan maupun dari hasil-hasil non operasionalnya
(Somantri, 2017).
Menurut Harahap (2015) rentabilitas atau disebut juga profitabilitas
menggambarkan kemampuan perusahaan mendapatkan laba melalui semua
kemampuan, dan sumber yang ada seperti kegiatan penjualan, kas, modal,
jumlah karyawan, jumlah cabang, dan sebagainya.
Berdasarkan Surat Edaran Bank Indonesia No. 9/24/DPbS 2007
Tentang Sistem Penilaian Tingkat Kesehatan Bank Umum Berdasarkan
Prinsip Syariah Romawi II.3 menyatakan bahwa penilaian rentabilitas
merupakan penilaian terhadap kondisi dan kemampuan Bank dan Unit
Usaha Syariah (UUS) untuk menghasilkan keuntungan dalam rangka
mendukung kegiatan operasional dan permodalan. Rentabilitas sering
disebut dengan profitabilitas, sehingga berhubungan dengan laba yang
diperoleh oleh suatu bank tersebut (Kasmir, 2013).
Penilaian rentabilitas dimaksudkan untuk menilai kemampuan bank
dalam menghasilkan laba. Penilaian kuantitatif faktor rentabilitas
dilakukan dengan melakukan penilaian terhadap 15 komponen yang terdiri
dari 1 (satu) rasio utama, 5 (lima) rasio penunjang dan 9 (sembilan) rasio
26
pengamatan. Berdasarkan Surat Edaran Bank Indonesia No. 13/24/DPNP
tahun 2011 rumus rasio masing-masing komponen tersebut adalah :
a. Net Operating Margin (NOM), merupakan rasio utama. Perhitungan
komponen ini bertujuan untuk mengetahui kemampuan aktiva
produktif dalam menghasilkan laba. Formula untuk menghitung
komponen ini adalah:
b. Return On Assets (ROA), merupakan rasio penunjang. Analisis
komponen ini bertujuan untuk mengukur keberhasilan manajemen
dalam menghasilkan laba. Semakin kecil rasio ini mengindikasikan
kurangnya kemampuan manajemen bank dalam hal mengelola aktiva
untuk meningkatkan pendapatan dan atau enekan biaya. Formula
untuk perhitungan komponen ini adalah:
c. Rasio efesiensi kegiatan operasional (REO) merupakan rasio
penunjang. Analisis komponen ini bertujuan untuk mengukur
efisiensi kegiatan operasional bank syariah. Formula untuk
perhitungan komponen ini adalah:
27
d. Rasio Aktiva Yang Dapat Menghasilkan Pendapatan (IGA),
merupakan rasio penunjang. Analisis komponen ini bertujuan untuk
mengukur besarnya aktiva bank syariah yang dapat
menghasilkan/memberikan pendapatan. Formula untuk perhitungan
komponen ini adalah:
e. Diversifikasi pendapatan, merupakan rasio penunjang. Analisis
komponen ini bertujuan untuk mengukur kemampuan bank syariah
dalam menghasilkan pendapatan dari jasa berbasis fee. Semakin
tingggi pendapatan berbasis fee mengindikasikan semakin berkurang
ketergantungan bank terhadap pendapatan dari penyaluran dana.
Formula untuk perhitungan komponen ini adalah:
f. Proyeksi pendapatan bersih operasional utama (PPBO), merupakan
rasio penunjang. Analisis komponen ini bertujuan untuk mengetahui
kemampuan aktiva produktif dalam menghasilkan laba dalam
periode yang akan datang. Formula untuk perhitungan komponen ini
adalah:
28
g. Net structural operating margin, merupakan rasio pengamatan
(observed). Analisis komponen ini bertujuan untuk mengukur
pendapatan bersih dari operasi utama terhdap total penyaluran dana.
Formula untuk perhitungan komponen ini adalah:
h. Return On Equity (ROE), merupakan rasio pengamatan. Analisis
komponen ini bertujuan untuk mengukur kemampuan modal di setor
bank dalam menghasilkan laba. Semakin besar rasio ini
menunjukkan kemampuan modal di setor bank dalam menghasilkan
laba bagi pemegang saham semakin besar. Formula untuk
perhitungan komponen ini adalah:
i. Komposisi penempatan dana pada surat berharga/pasar keuangan,
merupakan rasio pengamatan. Analisis komponen ini bertujuan
untuk mengukur besarnya penempatan dana ban syariah pada surat
berharga dan psaar keuangan. Semakin tinggi rasio ini
mengindikasikan fungsi intermediasi bank syariah belum optimal.
Formula untuk perhitungan komponen ini adalah:
29
j. Disparitas imbal jasa tertinggi dengan terendah, merupakan rasio
pengamatan. Analisis komponen ini bertujuan untuk mengukur
besarnya perbedaan benefit antara pengurus/pegawai level tertinggi
dengan pegawai level terendah. Disparitas yang terlalu tinggi
menciptakan potensi permasalahan yang lebih besar. Formula untuk
perhitungan komponen ini adalah:
k. Fungsi edukasi publik (CSR), merupakan rasio pengamatan. Analisis
komponen ini bertujuan untuk mengukur besar fungsi corporate
social responsibility (CSR) terhadap proses pembelajaran
masyarakat. Formula untuk perhitungan komponen ini adalah:
l. Pelaksanaan fungsi sosial, merupakan rasio pengamatan. Analisis
komponen ini bertujuan untuk mengukur besarnya pelaksanaan
fungsi sosial bank syariah. Semakin tinggi komponen ini
mengindikasikan pelaksanaan fungsi sosial bank syariah semakin
tinggi. Formula untuk perhitungan komponen ini adalah:
30
m. Korelasi antara tingkat bunga di pasar dengan return/bagi hasil yang
diberikan oleh bank syariah merupakan rasio pengamatan. Analisis
komponen ini bertujuan untuk mengetahui hubungan antara tingkat
bunga dengan return yang diberikan bank syariah kepada nasabah.
Formula untuk perhitungan komponen ini adalah:
n. Rasio besarnya bagi hasil dana investasi merupakan rasio
pengamatan. Analisis komponen ini bertujuan untuk mengetahui
kemampuan bank dalam mengelola dana investasi untuk
menghasilkan pendapatan. Formula untuk perhitungan komponen ini
adalah:
o. Penyaluran dana yang dihapus buku (write off) dibandingkan dengan
biaya operasional merupakan rasio pengamatan. Analisis komponen
ini bertujuan untuk mengukur signifikansi pengaruh keputusan
penghapusbukuan terhadap efisiensi operasional bank. Formula
untuk perhitungan komponen ini adalah:
31
Berdasarkan rasio-rasio di atas maka faktor rentabilitas suatu bank
dapat di kategorikan menjadi 5 peringkat seperti yang terdapat pada tabel
2.1 di bawah ini:
Tabel 2.1
Peringkat Rentabilitas
Peringkat Definisi
1 Rentabilitas sangat memadai, laba melebihi target dan
mendukung pertumbuhan permodalan bank.
2 Rentabilitas memadai, laba melebihi target dan mendukung
pertumbuhan permodalan bank.
3 Rentabilitas cukup memadai, laba memenuhi target, namun
terdapat tekanan terhadap kinerja laba yang dapat
menyebabkan penurunan laba namun cukup dapat
mendukung pertumbuhan permodalan bank.
4 Rentabilitas kurang memadai, laba tidak memenuhi target,
dan diperkirakan akan tetap seperti kondisi tersebut di masa
datang sehingga kurang dapat mendukung pertumbuhan
permodalan bank dan kelangsungan usaha bank.
5 Rentabilitas tidak memadai, laba tidak memenuhi target dan
tidak dapat diandalkan serta memerlukan peningkatan
kinerja laba segera untuk memastikan kelangsungan usaha
bank.
Sumber: Surat Edaran Bank Indonesia No. 13/24/DPNP/ Tahun 2011
3. Net Operating Margin (NOM)
Rasio Net Interest Margin (NIM) mengindikasikan kemampuan bank
dalam menghasilkan pendapatan bunga bersih dengan penempatan aktiva
produktif. Rasio NIM juga mencerminkan risiko pasar yang timbul akibat
berubahnya kondisi pasar, dimana hal tersebut dapat merugikan bank.
Dalam bank syariah, istilah NIM lebih dikenal dengan rasio Net Operating
32
Margin (NOM) karena dalam menjalankan kegiatan operasionalnya, bank
syariah tidak menggunakan sistem bunga (Afifah, 2014).
Net Operating Margin (NOM) merupakan rasio utama rentabilitas
pada bank syariah untuk mengetahui kemampuan aktiva produktif dalam
menghasilkan laba. Net Operating Margin juga dapat diartikan rasio
rentabilitas untuk mengetahui kemampuan aktiva produktif dalam
menghasilkan laba melalui perbandingan pendapatan operasional dan
biaya operasional dengan rata-rata aktiva produktif (Ihsan, 2013).
Rumus perhitungan Net Operating Margin (NOM) sebagai berikut:
Keterangan:
NOM = Net Operating Margin
PO = Pendapatan Operasional
DBH = Dana Bagi Hasil
BO = Biaya Operasional
Besarnya Net Operating Margin (NOM) dapat menjadi tolak ukur
bank syariah untuk menentukan peringkat bank syariah. Peringkat ini
berguna untuk evaluasi manajemen bank syariah dan menjadi
pertimbangan pengambilan keputusan untuk dapat terus mengendalikan
angka NOM sesuai dengan standar yang dibutuhkan.
Adapun kriteria peringkat dari NOM yang ditetapkan oleh Bank
Indonesia disajikan dalam tabel 2.2 berikut ini:
33
Tabel 2.2
Kriteria Peringkat Net Operating Margin (NOM)
Peringkat Kriteria Keterangan
1 NOM > 3% Sangat Tinggi
2 2% < NOM 3% Cukup Tinggi
3 1,5% < NOM 2% Rendah
4 1% < NOM 1,5% Cukup Rendah
5 NOM 1% Sangat Rendah
Sumber: Surat Edaran Bank Indonesia No. 13/24/DPNP tahun 2011
4. Capital Adequacy Ratio (CAR)
Standar kecukupan modal bank yang harus diperhatikan atau dipenuhi
oleh bank adalah Capital Adequacy Ratio (CAR). Capital Adequacy Ratio
(CAR) merupakan rasio yang memperlihatkan seberapa jauh seluruh
aktiva bank yang mengandung risiko (kredit, penyertaan, surat berharga,
dan tagihan pada bank lain) ikut dibiayai dari dana modal bank sendiri,
disamping dana-dana yang berasal dari sumber-sumber di luar bank seperti
dana masyarakat, pinjaman dan lain-lain. Dengan kata lain CAR adalah
rasio kinerja bank untuk mengukur kecukupan modal yang dimiliki bank
untuk menunjang aktiva yang mengandung atau menghasilkan risiko,
misalnya kredit yang diberikan (Rahardja, 2014).
CAR yang tinggi akan memberikan kontribusi yang cukup besar bagi
profitabilitas dan mengindikasikan bahwa bank tersebut mempunyai aset
yang likuid dalam jangka panjang. Tingginya rasio modal dapat
melindungi deposan dan meningkatkan kepercayaan masyarakat kepada
bank, dan pada akhirnya dapat meningkatkan pendapatan suatu bank.
Sesuai dengan Surat Edaran Bank Indonesia Nomor 13/24/DPNP
tanggal 25 Oktober 2011, perbandingan antara modal dengan Aktiva
34
Tertimbang Menurut Risiko (ATMR) disebut dengan Kewajiban
Penyedian Modal Minimum (KPMM), berikut ini formula untuk
perhitungan CAR/KPMM:
Adapun kriteria peringkat dari CAR/KPMM yang ditetapkan oleh
Bank Indonesia disajikan dalam tabel 2.3 berikut ini:
Tabel 2.3
Kriteria Peringkat Kewajiban Penyediaan Modal Minimun
Peringkat Kriteria Keterangan
1 CAR/KPMM 12% Sangat Baik
2 9% CAR/KPMM < 12% Baik
3 8% CAR/KPMM < 9% Cukup Baik
4 6% < CAR/KPMM < 8% Kurang Baik
5 CAR/KPMM 6% Tidak Baik
Sumber: Surat Edaran Bank Indonesia No. 13/24/DPNP tahun 2011
5. Non Performing Finance (NPF)
Non Performing Finance (NPF) merupakan pembiayaan macet yang
erat kaitannya dengan pembiayaan yang disalurkan oleh bank syariah
kepada nasabahnya (Yulianto, 2014).
Sesuai dengan Surat Edaran Bank Indonesia Nomor 13/24/DPNP
tanggal 25 Oktober 2011, NPF merupakan rasio penunjang dari komponen
faktor kualitas aset. Non Performing Finance (NPF) merupakan istilah
yang digunakan untuk rasio pembiayaan bermasalah dalam perbankan
syariah. NPF dapat dirumuskan sebagai berikut:
35
Non Performing Finance (NPF) merupakan suatu rasio yang
membandingkan tingkat pembiayaan bermasalah terhadap total
pembiayaan yang diberikan. Semakin tinggi rasio ini maka akan semakin
buruk kualitas kredit bank yang menyebabkan jumlah kredit bermasalah
semakin besar, dan oleh karena itu bank harus menanggung kerugian
dalam kegiatan operasionalnya sehingga berpengaruh terhadap penurunan
laba dan berpengaruh pada tingkat rentabilitas bank.
Adanya pembiayaan bermasalah dalam bank syariah menyebabkan
adanya kolektiblitas pembiayaan. Ada lima macam kategori dalam
kolektibilitas pembiayaan, yaitu:
a) Kolektibilitas 1 disebut lancar
b) Kolektibilitas 2 disebut kurang lancar
c) Kolektibilitas 3 disebut diragukan
d) Kolektibilitas 4 disebut perhatian khusus
e) Kolektibilitas 5 disebut macet.
Adapun kriteria peringkat dari NPF yang ditetapkan oleh Bank
Indonesia disajikan dalam tabel 2.4 berikut ini:
Tabel 2.4
Kriteria Peringkat Non Performing Finance (NPF)
Peringkat Kriteria Keterangan
1 NPF < 2% Sangat Baik
2 2% NPF < 5% Baik
3 5% NPF < 8% Cukup Baik
4 8% NPF < 12% Kurang Baik
5 NPF 12% Tidak Baik
Sumber: Surat Edaran Bank Indonesia No. 13/24/DPNP tahun 2011
36
6. Biaya Operasional Pendapatan Operasional (BOPO)
Menurut Lukaman (2005) dalam Wibisono dan Wahyuni (2017)
BOPO adalah perbandingan antara biaya operasional dengan pendapatan
operasional dalam mengukur tingkat efisiensi dan kemampuan bank dalam
melakukan kegiatan operasinya. Semakin kecil rasio BOPO berarti
semakin efisien biaya operasional yang dikeluarkan oleh bank yang
bersangkutan, dan setiap peningkatan pendapatan operasi akan berakibat
pada berkurangnya laba sebelum pajak yang pada akhirnya akan
menurunkan laba atau profitabilitas bank yang bersangkutan.
Biaya Operasional terhadap Pendapatan Operasional (BOPO)
merupakan alat untuk mengukur tingkat efisiensi dan kemampuan bank
dalam melakukan segala operasinya. Efisiensi operasional sangat penting
bagi bank untuk meningkatkan tingkat keuntungan yang akan dicapai
(Wahyuni, 2017).
Sesuai dengan Surat Edaran Bank Indonesia Nomor 13/24/DPNP
tanggal 25 Oktober 2011, perbandingan antara biaya operasional dengan
pendapatan operasional disebut dengan rasio efisiensi kegiatan operasional
(REO), berikut ini formula untuk perhitungan BOPO/REO:
Kriteria penilaian peringkat BOPO sesuai dengan Surat Edaran Bank
Indonesia disajikan dalam tabel 2.5 berikut ini:
37
Tabel 2.5
Kriteria Peringkat Peringkat BOPO/REO
Peringkat Kriteria Keterangan
1 BOPO/REO 83% Sangat Baik
2 83% < BOPO/REO 85% Baik
3 85% < BOPO/REO 87% Cukup Baik
4 87% < BOPO/REO 89% Kurang Baik
5 BOPO/REO > 89% Tidak Baik
Sumber: Surat Edaran Bank Indonesia No. 13/24/DPNP tahun 2011
7. Bank Syariah
a) Definisi Bank Syariah
Bank Syariah terdiri atas dua kata, yaitu (a) bank dan (b) syariah.
Kata bank bermakna suatu lembaga keuangan yang berfungi sebagai
perantara keuangan dari dua pihak, yaitu pihak yang berkelebihan dan
dan pihak yang kekurangan dana. Kata syariah dalam versi bank
syariah di Indonesia adalah aturan perjanjian berdasarkan yang
dilakukan oleh pihak bank dan pihak lain untuk penyimpangan dana
dan/atau pembiayaan kegiatan usaha dan kegiatan lainnya sesuai
dengan hukum islam (Ali, 2008).
Penggabungan kedua kata dimaksud, menjadi “bank syariah”.
Bank syariah adalah suatu lembaga keuangan yang berfungsi sebagai
perantara bagi pihak yang berkelebihan dana dengan pihak yang
kekurangan dana untuk kegiatan usaha dan kegiatan lainnya sesuai
dengan hukum islam. Selain itu, bank syariah biasa disebut Islamic
Banking atau interest fee banking, yaitu suatu sistem perbankan dalam
pelaksanaan operasional tidak menggunakan sistem bunga (riba),
38
spekulasi (maisir), dan ketidakpastian atau ketidakjelasan (gharar)
(Ali, 2008).
Menurut pasal 1 ayat Undang-Undang Nomor 21 Tahun 2008
tentang Perbankan Syariah, perbankan syariah adalah “segala sesuatu
yang menyangkut tentang Bank Syariah dan Unit Usaha Syariah
(UUS), mencakup kelembagaan, kegiatan usaha, serta cara dan proses
dalam melaksanakan kegiatan usahanya.
Bank syariah berarti bank yang tata cara beroperasinya didasarkan
pada tata cara bermuamalat secara islam, yaitu mengacu pada
ketentuan-ketentuan Al-Qur’an dan Al-hadis (Is, 2015).
Bank syariah sebagai sebuah lembaga keuangan mempunyai
mekanisme dasar, yaitu menerima deposito dari pemilik modal
(depositor) dan mempunyai kewajiban (liability) untuk menawarkan
pembiayaan kepada investor pada sisi asetnya, dengan pola dan/atau
skema pembiayaan yang sesuai dengan syariat islam. Pada sisi
kewajiban, terdapat dua kategori utama, yaitu interest fee current and
saving account dan investment accounts yang berdasarkan pada
prinsip PLS (Profit and Loss Sharing) antara pihak bank dengan pihak
depositor; sedangkan pada sisi aset, yang termasuk di dalamnya
adalah segala bentuk pola pembiayaan yang bebas riba dan sesuai
prinsip atau standar syariah seperti mudharabah, musyarakah, istisna,
salam, dan lain-lain (Ali, 2008).
39
b) Fungsi dan Peranan Bank Syariah
Sesuai dengan Undang-Undang Nomor 21 Tahun 2008 tentang
Perbankan Syariah, fungsi bank syariah pada umumnya adalah
sebagai berikut (Ikatan Bankir Indonesia, 2014):
1) Penghimpun Dana (Mudharib)
Bank syariah dapat menghimpun dana masyarakat sesuai
dengan fungsinya sebagai pengelola dana (mudharib) dalam bentuk
simpanan.
2) Penyalur Dana (Shahibul Maal)
Dana yang dihimpun disalurkan dalam bentuk pembiayaan
atau bentuk lainnya dalam bentuk investasi pembelian sukuk
(obligasi syariah), serta penyertaan dalam bentuk bagi hasil.
3) Pelayan Jasa Keuangan
Melakukan pelayanan jasa lalu-lintas pembayaran dilakukan
dalam berbagai aktivitas, seperti pengiriman uang (transfer),
inkaso, penagihan berupa collection, kartu debit, kartu kredit
syariah, transaksi tunai, Real Time Gross Settlement (RTGS),
kliring (sistem kliring nasional), Automatic Teller Machine (ATM),
electronic banking, dan layanan perbankan lainnya.
Bank syariah juga mempunyai peran penting dalam sistem
keuangan nasional dalam hal berikut:
1) Pengalihan Aset (Asset Transmutation)
40
Sumber dana yang diberikan untuk pembiayaan berasal dari
pemilik dana selaku unit surplus. Jangka waktunya dapat diatur
sesuai keinginan pemilik dana sehingga bank berperan sebagai
pengalih aset yang likuid dari unit surplus (shahibul maal) kepada
unit defisit selaku pengelola dana (mudharib) atau yang
memerlukan pembiayaan dalam bentuk jual beli, sewa-menyewa,
atau dengan akad lainnya.
2) Transaksi (Transaction)
Bank memberikan layanan dan kemudahan kepada pelaku
ekonomi untuk melakukan berbagai transaksi keuangan yang
menuyangkut barang dan jasa.
3) Likuiditas (Liquidity)
Bank juga berperan sebagai penjaga likuiditas masyarakat
dengan adanya aliran dana dari unit surplus kepada unit defisit
lewat mekanisme pengelolaan penghimpunan dan penyaluran dana
masyarakat.
4) Broker for Business
Bank bisa berperan sebagai broker untuk mempertemukan para
bebisnis, terutama antarnasabah mereka sendiri, sehingga mampu
menjembatani informasi yang tidak simetris (asymetric
information) dan terjadi efisiensi biaya ekonomi, terutama dalam
praktik bisnisnya yang bervariasi, seperti dalam hal jual-beli, sewa-
menyewa, sewa beli, gadai, dan berbagi hasil.
41
c) Jenis-Jenis Bank Syariah
Sesuai dengan pasal 1 ayat 1 Undang-Undang Nomor 21 Tahun
2008 tentang Perbankan Syariah, bank syariah adalah bank yang
menjalankan kegiatan usahanya berdasarkan prinsip syariah, dan
menurut jenisnya terdiri atas Bank Umum Syariah dan Bank
Perkreditan Rakyat Syariah.
Bank Umum Syariah adalah Bank Syariah yang dalam
kegiatannya memberikan jasa dalam lalu lintas pembayaran.
Sedangkan Bank Pembiayaan Rakyat Syariah adalah Bank Syariah
yang dalam kegiatannya tidak memberikan jasa dalam lalu lintas
pembayaran.
Unit Usaha Syariah, yang selanjutnya disebut UUS, adalah unit
kerja dari kantor pusat Bank Umum Konvensional yang berfungsi
sebagai kantor induk dari kantor atau unit yang melaksanakan
kegiatan usaha berdasarkan Prinsip Syariah, atau unit kerja di kantor
cabang dari suatu Bank yang berkedudukan di luar negeri yang
melaksanakan kegiatan usaha secara konvensional yang berfungsi
sebagai kantor induk dari kantor cabang pembantu syariah dan/atau
unit syariah.
Jenis bank syariah berdasarkan kepemilikan mencakup Bank
Umum Milik Negara (BUMN), Bank Umum Swasta (BUS), Bank
Campuran, dan Bank Pembangunan Daerah (BPD) sebagaimana pada
umumnya. Selain itu, ada juga yang berstatus devisa (dapat melayani
42
valuta asing dan transaksi internasional) dan nondevisa (tidak
memberikan layanan valuta asing dan transaksinya berskala domestik)
(Ikatan Bankir Indonesia, 2014).
d) Perbedaan Bank Syariah dengan Bank Konvensional
Secara garis besar perbandingan antara bank syariah dengan bank
konvensional dijelaskan pada tabel 2.6 berikut ini:
Tabel 2.6
Perbedaan antara Bank Syariah dan Bank Konvensional
No. Bank Syariah Bank Konvensional
1 Melakukan investasi-investasi
yang halal saja
Investasi yang halal dan
haram
2 Berdasarkan prinsip bagi hasil,
jual beli atau sewa
Memakai perangkat bunga
3 Profit dan falah oriented Profit oriented
4 Hubungan dengan nasabah
dalam bentuk kemitraan
Hubungan nasabah dalam
bentuk hubungan kreditur
debitur
5 Penghimpunan dan penyaluran
dana harus sesuai dengan fatwa
Dewan Pengawas Syariah
Tidak terdapat dewan sejenis
Sumber: Is, Muhamad Sadi. 2015. Konsep Hukum Perbankan Syariah. Malang:
Setara Press.
B. Penelitian Terdahulu
Beberapa penelitian yang berkaitan dengan rentabilitas bank syariah
pernah dilakukan sebelumnya, namun masih sangat jarang penelitian
terdahulu terkait Net Operating Margin (NOM). Maka peneliti memaparkan
beberapa penelitian terdahulu yang mendukung penelitian terkait Net
Operating Margin (NOM) seperti pada tabel 2.7 di bawah ini:
43
Tabel 2.7
Penelitian Terdahulu
No Peneliti
(Tahun)
Judul
Penelitian
Metodologi Hasil
Persamaan Perbedaan
1 Yeni Fitriani
Somantri
(2017)
Pengaruh
Risiko
Pembiayaan,
Kualitas
Aktiva
Produktif,
Dana Pihak
Ketiga, Dan
Volume
Pembiayaan
Terhadap
Tingkat
Rentabilitas
Pada Bank
Umum Syariah
Variabel
independen :
Risiko
Pembiayaan
(NPF)
Variabel
Dependen:
Net Operating
Margin
(NOM)
Studi Kasus:
Bank Umum
Syariah
Teknik
pengambilan
sample:
Purposive
sampling
Variabel
independen:
CAR dan BOPO
Alat olah data:
Peneliti
terdahulu
menggunakan
SPSS,
sedangkan
penelitian ini
menggunakan
Eviews 9.5
Periode
Penelitian:
Penelian
terdahulu 2011-
2013, sedangkan
penelitian ini
2015-2017
1. Risiko
pembiayaan
(NPF) tidak
berpengaruh
terhadap
tingkat
rentabilitas
(NOM)
2. Kualitas
aktiva
produktif
(KAP), dana
pihak ketiga
(DPK), dan
volume
pembiayaan
(FDR)
berpengaruh
terhadap
tingkat
rentabilitas
(NOM).
2 Luhur
Prasetiyo
(2012)
Analisis
Rentabilitas
Bank Umum
Syariah Di
Indonesia
Variabel
penelitian:
Net Operating
Margin
(NOM)
Studi kasus:
Bank Umum
Syariah
Jenis
Penelitian:
Penelitian
terdahulu
merupakan
kuantitatif
deskriptif,
sedangkan
penelitian ini
merupakan
kuantitatif
korelasi
Periode
penelitian:
Penelitian
terdahulu 2011,
sedangkan
1. Kinerja
rentabilitas
tertinggi
pada tahun
2011 adalah
Bank
Victoria
Syariah
2. kinerja
paling
rendah
adalah BRI
Syariah.
44
No Peneliti
(Tahun)
Judul
Penelitian
Metodologi Hasil
Persamaan Perbedaan
penelitian ini
2015-2017
3 Muhammad
Yusuf
Wibisono dan
Salamah
Wahyuni
(2017)
Pengaruh
CAR, NPF,
BOPO, FDR,
terhadap ROA
yang di
Mediasi oleh
NOM
Variabel
independen:
CAR, NPF,
dan BOPO
Variabel
Dependen:
NOM
Teknik
pengambilan
sample:
Purposive
sampling
Variabel
independen:
Peneliti tidak
menggunakan
rasio FDR
Variabel
Dependen:
Penelitian
terdahulu
menggunakan
NOM dan ROA,
sedangkan
penelitian ini
hanya
menggunakan
NOM
Alat olah data:
Penelitian
terdahulu
menggunakan
SPSS,
sedangkan
penelitian ini
menggunakan
Eviews 9.5
Studi kasus:
Penelitian
terdahulu
menggunakan 9
bank syariah
yang terdaftar di
BEI, sedangkan
penelitian ini 12
bank umum
syariah di
Indonesia
Periode
penelitian:
Penelitian
sebelumnya
1. Secara
parsial CAR,
NPF, BOPO
dan FDR
berpengaruh
signifikan
terhadap
NOM
2. Secara
simultan
variabel
CAR, NPF,
BOPO, FDR
berpengaruhs
ignifikan
terhadap
NOM
3. Secara
parsial
variabel
CAR dan
NPF tidak
berpengaruh
signifikan
terhadap
ROA,
sedangkan
variabel
FDR,
BOPO dan
NOM
berpengaruh
signifikan
terhadap
ROA
4. Secara
serempak
45
No Peneliti
(Tahun)
Judul
Penelitian
Metodologi Hasil
Persamaan Perbedaan
2012-2015,
sedangkan
penelitian ini
2015-2017
variabel
CAR, NPF,
BOPO, FDR
dan NOM
berpengaruh
terhadap
ROA
4 Sherty Junita
(2015)
Pengaruh
KAP, BOPO,
dan FDR
terhadap Net
Operating
Margin
(NOM)
Perbankan
Syariah di
Indonesia
Periode 2010-
2014
Variabel
independen:
BOPO
Variabel
dependen:
Net Operating
Margin
(NOM)
Teknik
pengambilan
sample:
Purposive
sampling
Variabel
independen:
Penelitian
terdahulu
menggunakan
KAP dan FDR,
sedangkan
penelitian ini
menggunakan
CAR dan NPF
Periode
penelitian:
Penelitian
terdahulu 2010-
2014, sedangkan
penelitian ini
2015-2017
Alat olah data:
Penelitian
terdahulu
menggunakan
SPSS,
sedangkan
penelitian ini
menggunakan
Eviews 9.5
1. Secara
parsial
BOPO dan
FDR
berpengaruh
signifikan
terhadap
NOM,
sedangkan
KAP tidak
berpengaruh
signifikan
terhadap
NOM
2. Secara
simultan
KAP, BOPO,
dan FDR
berpengaruh
signifikan
terhadap
NOM
5 Romdayanah
(2011)
Pengaruh
Faktor
Permodalan,
Kualitas Aset,
dan Likuiditas
terhadap
Profitabilitas
Bank Umum
Variabel
dependen:
Net Operating
Margin
(NOM)
Variabel
Independen:
CAR
Variabel
Independen:
Penelitian
terdahulu
menggunakan
variabel KAP
dan STM,
sedangkan
1. Secara
parsial,
CAR/KPMM
berpengaruh
negatif dan
tidak
signifikan
terhadap
46
No Peneliti
(Tahun)
Judul
Penelitian
Metodologi Hasil
Persamaan Perbedaan
Syariah Teknik
pengambilan
sample:
Purposive
sampling
penelitian ini
menggunakan
variabel NPF
dan BOPO
Periode
penelitian:
Penelitian
terdahulu 2009-
2011, sedangkan
penelitan ini
2015-2017
Alat olah data:
Penelitian
terdahulu
menggunakan
SPSS,
sedangkan
penelitian ini
menggunakan
Eviews 9.5
NOM, KAP
berpengaruh
positif dan
signifikan
terhadap
NOM, dan
STM
berpengaruh
positif dan
tidak
signifikan
terhadap
NOM
2. Secara
simultan,
CAR/KPMM
, KAP, dan
STM
berpengaruh
signifikan
terhadap
NOM
6 Ibrahim Kholil
Nasution
(2017)
Pengaruh
FDR, CAR,
NPF Dan
BOPO
Terhadap Net
Operating
Margin
(NOM) Bank
Pembiayaan
Rakyat
Syariah
(BPRS)
Di Indonesia
(Periode 2011-
2016)
Variabel
Dependen:
Net Operating
Margin
(NOM)
Variabel
Independen:
CAR, NPF,
dan BOPO
Teknik
pengambilan
sample:
Purposive
sampling
Variabel
Independen:
Penelitian
terdahulu
menggunakan
variabel FDR,
sedangkan
penelitian ini
tidak.
Periode
penelitian:
Penelitian
terdahulu 2011-
2016, sedangkan
penelitian ini
2015-2017
Studi kasus:
Penelitian
terdahulu
1. Secara
parsial, FDR,
CAR, NPF,
dan BOPO
berpengaruh
signifikan
terhadap
NOM
2. Secara
simultan
variabel
FDR, CAR,
NPF, dan
BOPO
berpengaruh
signifikan
terhadap
NOM
47
No Peneliti
(Tahun)
Judul
Penelitian
Metodologi Hasil
Persamaan Perbedaan
menggunakan
Bank
Perkreditan
Rakyat Syariah
(BPRS) di
Indonesia,n
sedangkan
penelitian ini
menggunakan
12 Bank Umum
Syariah di
Indonesia
Alat olah data:
Penelitian
terdahulu
menggunakan
SPSS,
sedangkan
penelitian ini
menggunakan
Eviews 9.5
Sumber: Data di olah dari berbagai referensi
C. Keterkaitan Antar Variabel dan Pengembangan Hipotesis
1. Pengaruh CAR terhadap Rentabilitas
CAR adalah rasio kinerja bank untuk mengukur kecukupan modal
yang dimiliki bank untuk menunjang aktiva yang mengandung atau
menghasilkan risiko, misalnya pembiayaan (Ismail 2011). CAR yang
tinggi akan memberikan kontribusi yang cukup besar bagi profitabilitas
dan mengindikasikan bahwa bank tersebut mempunyai aset yang likuid
dalam jangka panjang. Tingginya rasio modal dapat melindungi deposan
dan meningkatkan kepercayaan masyarakat kepada bank, dan pada
48
akhirnya dapat meningkatkan pendapatan suatu bank. Hal ini berarti
CAR memiliki pengaruh yang positif terhadap NOM.
Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh
Muhammad Yusuf Wibisono dan Salamah Wahyuni (2017) dan Ibrahim
Kholil Nasution (2017) yang menyatakan bahwa CAR berpengaruh
signifikan terhadap NOM.
Berdasarkan penelitian terdahulu maka hipotesis yang diajukan
dalam penelitian ini adalah sebagai berikut:
Ho1 : CAR tidak berpengaruh signifikan terhadap Rentabilitas
Ha1 : CAR berpengaruh signifikan terhadap Rentabilitas
2. Pengaruh NPF terhadap Rentabilitas
NPF merupakan alat untuk mengukur pembiayaan bermasalah bank
syariah. Semakin tinggi NPF maka akan semakin buruk kualitas kredit
bank yang menyebabkan jumlah kredit bermasalah semakin besar, dan
oleh karena itu bank harus menanggung kerugian dalam kegiatan
operasionalnya sehingga NPF berpengaruh terhadap penurunan laba dan
berpengaruh pada tingkat rentabilitas bank (Somantri, 2017).
Non Performing Financing (NPF) yang tidak dapat ditangani dengan
tepat, akan menghilangkan kesempatan pendapatan (income) dari
pembiayaan yang diberikan, sehingga mengurangi laba dan mengurangi
kemampuan untuk memberikan pembiayaan. Banyaknya pembiayaan
bermasalah membuat bank syariah tidak berani meningkatkan penyaluran
pembiayaannya apalagi bila dana pihak ketiga tidak dapat dicapai secara
49
optimal maka dapat mengganggu margin bank, oleh karena itu
pembiayaan bermasalah berpengaruh terhadap pendapatan, atau dengan
kata lain NPF memiliki pengaruh yang negative terhadap NOM.
Hal ini sesuai dengan penelitian yang dilakukan oleh Muhammad
Yusuf Wibisono dan Salamah Wahyuni (2017) dan Ibrahim Kholil
Nasution (2017) yang menyatakan bahwa NPF berpengaruh signifikan
terhadap NOM.
Berdasarkan penelitian terdahulu maka hipotesis yang diajukan
dalam penelitian ini adalah sebagai berikut:
Ho2 : NPF tidak berpengaruh signifikan terhadap Rentabilitas
Ha2 : NPF berpengaruh signifikan terhadap Rentabilitas
3. Pengaruh BOPO terhadap Rentabilitas
BOPO merupakan proyeksi dari rasio efesiensi, BOPO menunjukkan
seberapa besar bank dapat menekan biaya operasionalnya di satu pihak,
dan seberapa besar bank dapat melakukan efesiensi terhadap biaya
operasional yang dikeluarkan. Semakin kecil rasio BOPO, berarti
semakin efisien biaya operasional yang dikeluarkan bank yang
bersangkutan sehingga kemungkinannya lebih besar bagi bank untuk
mendapatkan keuntungan yang lebih dan menunjukkan bahwa bank tidak
berada dalam kondisi bermasalah.
Namun sebaliknya makin besar biaya operasional yang dikeluarkan
oleh bank akan menunjukkan besarnya volume transaksi yang dilakukan
dan akan menuntut margin yang lebih besar. Sehingga dapat disimpulkan
50
biaya operasional memiliki hubungan yang terbalik terhadap pendapatan
operasional. Atau dengan kata lain BOPO memiliki hubungan yang
negatif terhadap NOM.
Hal ini sesuai dengan penelitian yang dilakukan oleh Sherty Junita
(2015) dan Muhammad Yusuf Wibisono dan Salamah Wahyuni (2017)
yang menyatakan bahwa BOPO memiliki pengaruh signifikan terhadap
NOM.
Berdasarkan penelitian terdahulu maka hipotesis yang diajukan
dalam penelitian ini adalah sebagai berikut:
Ho3 : BOPO tidak berpengaruh signifikan terhadap Rentabilitas
Ha3 : BOPO berpengaruh signifikan terhadap Rentabilitas
D. Kerangka Pemikiran
Kerangka berfikir adalah model konseptual hubungan antar variabel yang
merupakan hasil sintesis landasan teori, pustaka dan hasil penelitian terdahulu
yang disusun dalam bentuk paradigma penelitian. Apabila dalam penelitian
hanya menggunakan variabel independent dan dependent, maka dalam
kerangka berpikir juga hanya menjelaskan hubungan antara variabel
independent dan variabel dependent.
Penelitian ini bertujuan untuk melihat pengaruh variabel independen
bebas yaitu, Capital Adequacy Ratio (CAR), Non Performing Finance (NPF),
dan Biaya Operasional Pendapatan Operasional (BOPO) terhadap variabel
dependen yaitu Net Operating Margin (NOM).
51
Gambar berikut ini menunjukkan kerangka pemikiran dalam model
penelitian mengenai pengaruh CAR, NPF, dan BOPO terhadap Rentabilitas
Bank Umum Syariah di Indonesia.
Gambar 2.1
Kerangka Pemikiran
Grand Theory: Kinerja Keuangan
CAR (X1) NPF (X2)
BOPO (X3)
Net Operating Margin (NOM) (Y)
Uji Stasioneritas Data
Uji Asumsi Klasik
1. Uji Normalitas
2. Uji Multikolinearitas
3. Uji Heteroskedasitas
4. Uji Autokorelasi
Random Effect
Uji Chow Uji Hausman
Common Effect Fixed Effect
Surat Edaran Bank Indonesia No. 13/24/DPNP Tahun 2011, rasio utama dari
faktor rentabilitas adalah Net Operating Margin (NOM)
Uji Signifikansi: Uji t, Uji F dan
Koefisien Determinasi
Hasil dan Kesimpulan
52
BAB III
METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian
Jenis Penelitian ini adalah penelitian kuantitatif, yaitu metode
penelitian yang berlandaskan pada filsafat positivisme, digunakan untuk
meneliti pada populasi atau sampel tertentu, pengumpulan data
menggunakan instrumen penelitian, analisis data bersifat
kuantitatif/statistik, dengan tujuan untuk menguji hipotesis yang telah
ditetapkan (Sugiyono, 2016). Data kuantitatif adalah yang berbentuk
angka atau informasi numeric dan biasanya diasosiasikan dengan analisis-
analisis statistik.
Data-data yang digunakan dalam penelitian ini adalah data triwulan
bank umum syariah mulai dari triwulan pertama tahun 2015 sampai
dengan triwulan pertama tahun 2017 yang bersumber dari laporan
keuangan bank umum syariah dan khususnya Net Operating Margin
(NOM) yang telah dipublikasikan ke Bank Indonesia melalui website
Bank Indonesia (www.bi.go.id) dan juga Otoritas Jasa Keuangan melalui
website Otoritas Jasa Keuangan (www.ojk.go.id). Pengambilan kurun
waktu penelitian didasarkan pada ketersediaan data yang ada pada sumber
data.
Dalam penelitian ini penulis menggunakan pendekatan asosiatif.
Penelitian asosiatif merupakan penelitian yang bertujuan untuk
mengetahui pengaruh ataupun juga hubungan antara dua variabel atau
53
lebih (Sugiyono, 2016). Metode yang digunakan adalah metode kausal-
asosiatif yang dilakukan terhadap data yang dikumpulkan setelah
terjadinya suatu peristiwa.
Dalam penelitian ini, penulis memfokuskan penelitian terhadap
variabel dependen yaitu Net Operating Margin (NOM) dan 3 variabel
independen yaitu Capital Adequacy Ratio (CAR), Non Performing
Finance (NPF), dan Biaya Operasional Pendapatan Operasional (BOPO)
dengan periode penelitian tahun 2015 sampai dengan tahun 2017.
Variabel-variabel ini diregresikan dengan metode analisis regresi data
panel dengan menggunakan Eviews 9.5.
Pertimbangan penulis memilih Eviews 9.5 dari pada SPSS
dikarenakan pada software Eviews terdapat beberapa uji model yang
dibutuhkan oleh data panel yang tidak ada pada SPSS. Selain itu, pada
Eviews terdapat 3 kemungkinan hasil yang akan diperoleh, yaitu common
effect, fixed effect, atau random effect. Sedangkan pada SPSS hasil olah
data hanya menampilkan model common effect.
Sebagai perbandingan, penulis juga melakukan olah data
menggunakan SPSS dan hasilnya dapat dilihat pada lampiran 10.
B. Metode Penentuan Sampel
Populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek
yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh
peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono,
2016). Populasi yang digunakan dalam penelitian ini adalah 13 Bank
54
Umum Syariah yang ada di Indonesia yang dijabarkan pada tabel 3.1
dibawah ini:
Tabel 3.1
Populasi Penelitian
No. Nama BUS di Indonesia
1. Bank Aceh Syariah
2. Bank Muamalat Indonesia
3. Bank Victoria Syariah
4. Bank BRI Syariah
5. Bank Jabar Banten Syariah
6. Bank BNI Syariah
7. Bank Syariah Mandiri
8. Bank Mega Syariah
9. Bank Panin Syariah
10. Bank Syariah Bukopin
11. BCA Syariah
12. Maybank Syariah Indonesia
13. Bank Tabungan Pensiunan Nasional Syariah
Sumber: Daftar BUS di Otoritas Jasa Keuangan
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi tersebut (Sugiyono, 2016). Dan pengambilan sample juga harus
betul-betul representatif (mewakili) dari populasi yang telah ditentukan.
Metode penentuan sampel yang digunakan dalam penelitian ini adalah
sampling purposive. Menurut Sugiyono (2016), sampling purposive adalah
teknik penentuan sampel dengan pertimbangan tertentu. Dalam penelitian
ini, peneliti menggunakan data runtut waktu (time series) mulai dari
triwulan pertama tahun 2015 sampai dengan triwulan pertama tahun 2017
dan data 12 Bank Umum Syariah (BUS) (cross section).
55
Adapun pertimbangan atau kriteria-kriteria bank umum syariah yang
ditetapkan dalam pemilihan sampel pada penelitian ini adalah sebagai
berikut:
1. Bank umum syariah yang terdaftar di Bank Indonesia dan atau
Otoritas Jasa Keuangan.
2. Bank umum syariah yang telah menerbitkan laporan keuangan secara
berkala yaitu mulai dari triwulan pertama tahun 2015 sampai dengan
triwulan pertama tahun 2017 dan telah dipublikasikan oleh Bank
Indonesia dan atau Otoritas Jasa Keuangan.
3. Bank tersebut memiliki data yang lengkap terkait dengan variabel
penelitian, seperti Net Operating Margin (NOM), Capital Adequacy
Ratio (CAR), Non Performing Financing (NPF), dan Biaya
Operasional Pendapatan Operasional (BOPO) selama periode
penelitian.
Berdasarkan kriteria diatas, maka sampel yang digunakan dalam
penelitian ini berjumlah 12 bank. Keterangan mengenai proses
pengambilan sampel disajikan pada tabel 3.1 sebagai berikut:
Tabel 3.2
Proses Pengambilan Sampel
No. Keterangan Jumlah
1
Bank Umum Syariah yang terdaftar
secara resmi di Bank Indonesia dan atau
Otoritas Jasa Keuangan.
13 BUS
2
Bank Umum syariah yang sudah
mempublikasikan laporan keuangan
mulai dari triwulan pertama tahun 2015
sampai dengan triwulan pertama tahun
2017 dan telah dipublikasikan oleh Bank
12 BUS
56
No. Keterangan Jumlah
Indonesia dan atau Otoritas Jasa
Keuangan.
3
Bank Umum Syariah yang memiliki
data lengkap terkait variabel penelitian,
yaitu Net Operating Margin (NOM),
Capital Adequacy Ratio (CAR), Non
Performing Financing (NPF), dan Biaya
Operasional Pendapatan Operasional
(BOPO) selama periode penelitian.
12 Bank
Jumlah data sampel yang diobservasi 12 BUS x 9 triwulan = 108
Sumber: Data diolah
Berikut adalah 12 Bank Umum Syariah yang termasuk sebagai sampel
dalam penelitian ini, yaitu:
Tabel 3.3
Sampel Penelitian
No. Nama Bank Kode
1 Bank Muamalat Indonesia BMI
2 Bank Syariah Mandiri BSM
3 Bank Negara Indonesia Syariah BNIS
4 Bank Rakyat Indonesia Syariah BRIS
5 Bank Mega Syariah BMS
6 Bank Panin Dubai Syariah BPDS
7 Bank Central Asia Syariah BCAS
8 Bank Jabar Banten Syariah BJBS
9 Bank Victoria Syariah BVS
10 Bank Syariah Bukopin BSB
11 Bank Tabungan Pensiunan Nasional Syariah BTPNS
12 Maybank Syariah Indonesia MSI
Sumber: Data diolah
C. Metode Pengumpulan Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif.
Data kuantitatif adalah data yang berbentuk angka atau data kualitatif yang
diangkakan (skoring) (Sugiyono, 2015).
57
Sumber data yang digunakan dalam penelitian ini adalah data
sekunder yang bersifat runtun waktu (time series). Data sekunder adalah
sumber yang tidak langsung memberikan data kepada pengumpul data,
misalnya lewat orang lain atau dokumen (Sugiyono, 2016). Data tersebut
diperoleh dari laporan keuangan bank umum syariah yang tersedia dalam
website resmi Bank Indonesia dan atau Otoritas Jasa Keuangan yang
kemudian dijadikan sampel dalam penelitian ini.
Terdapat beberapa jenis data yang tersedia untuk dianalisis secara
statistik antara lain data runtut waktu (time series), data silang waktu
(cross-section) dan data panel yaitu gabungan antara data time series dan
cross section. Data runtun waktu berdasarkan observasi yang dilakukan
pada waktu yang berbeda. Data seperti ini dikumpulkan secara regular
dengan waktu harian, mingguan, bulanan, kuartalan, dan tahunan.
Sedangkan data antar ruang (cross-sectional) adalah data yang
dikumpulkan pada satu waktu tertentu seperti data sensus penduduk yang
dilakukan setiap 5 tahun (Ghozali, 2013).
Jenis data yang digunakan dalam penelitian ini adalah data panel. Data
panel dapat didefinisikan sebagai sebuah kumpulan data (dataset) di mana
perilaku unit cross-sectional (misalnya individu, perusahaan, negara)
diamati sepanjang waktu. Metode yang digunakan dalam pengumpulan
data untuk melakukan penelitian ini adalah sebagai berikut:
58
1) Field Research
Peneliti menggunakan data sekunder berupa data runtut waktu
(time series) dan cross section dengan skala triwulan yang diambil
dari laporan keuangan triwulan bank umum syariah pada website
Otoritas Jasa Keuangan mulai dari triwulan pertama tahun 2015
sampai dengan triwulan pertama tahun 2017.
2) Library Research
Data yang digunakan dalam penelitian ini adalah data yang
diperoleh dari membaca literatur, buku, jurnal, artikel, dan sejenisnya
yang berhubungan dengan aspek yang diteliti sebagai upaya
memperoleh data yang valid.
3) Internet Research
Ilmu pengetahuan seiring dengan berjalannya waktu semakin
berkembang. Oleh karena itu, untuk mengantisipasi hal tersebut,
penulis menggunakan teknologi yang juga berkembang seperti
internet, sehingga data yang diperoleh merupakan data yang sesuai
dengan perkembangan zaman.
D. Metode Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah
analisis regresi dengan menggunakan data panel untuk menguji pengaruh
Capital Adequacy Ratio (CAR), Non Performing Finance (NPF), dan
Biaya Operasional Pendapatan Operasional (BOPO) terhadap Net
Operating Margin (NOM) pada Bank Umum Syariah periode 2015-2017.
59
Pengolahan data dalam penelitian ini dilakukan dengan menggunakan
program Microsoft Excel 2007 dan Eviews 9.5. Berikut ini adalah metode
yang digunakan dalam menganalisis data pada penelitian ini.
1. Uji Stasioneritas Data
Uji stasioner merupakan suatu proses stochastic yaitu sekumpulan
variabel random yang tersusun dalam waktu. Suatu proses stochastic
dikatakan stasioner jika nilai rata-rata (mean) dan varian (variance)
adalah konstan sepanjang waktu. Jika data runtun waktu stasioner,
maka nilai mean, variance dan autovariance tetap sama sehingga tidak
terpengaruh oleh waktu (time variant) (Ghozali, 2013).
Stasioneritas suatu data sangat penting dalam penggunaan analisis
data yang berbentuk time series. Jika data time series tidak stasioner,
maka tidak mempunyai mean yang dipengaruhi waktu (time varying
mean) atau variance yang dipengaruhi waktu (time varying variance)
atau keduanya. Stasioneritas dalam runtut waktu sangat penting
karena jika data tidak stasioner, hanya dapat mempelajari perilakunya
hanya pada periode waktu pengamatan. Akibatnya tidak mungkin
membuat generalisasi untuk periode waktu yang lain. jika hal ini
terjadi maka tujuan peramalan dengan data runtun waktu tidak
stasioner menjadi tidak bernilai (Ghozali, 2013).
Terdapat beberapa uji stasioneritas data dalam program Eviews
yaitu: analisis grafik, uji autocorrelation function, dan uji akar unit
60
(unit root test) (Ghozali, 2013). Uji stasioner yang digunakan dalam
penelitian ini adalah uji akar unit (unit root test).
Unit Root Test (uji akar unit) merupakan uji stasioneritas yang
paling populer digunakan. Berbagai uji dapat dilakukan untuk
memastikan adanya unit root dalam data. Untuk melihat
kestationeritasan data, pada penelitian ini digunakan uji unit root test
dengan metode Augmented Dickey Fuller (ADF).
Langkah-langkah pengujian sebagai berikut:
H0 : data tidak stasioner
Ha : data stasioner
Pengambilan keputusan dilakukan dengan kriteria:
Bila probabilitas > 0.05 maka H0 diterima
Bila probabilitas < 0.05 maka Ha diterima
Artinya, jika nilai probabilitas lebih kecil dari 0.05 maka dapat
disimpulkan bahwa data stasioner. Sedangkan jika nilai probabilitas
lebih besar dari 0.05 maka data tidak stasioner. Jika data tidak
stasioner dapat dinaikkan ke diferensiasi tingkat 1 dan tingkat 2
(Ghozali, 2013).
2. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual mempunyai distribusi
normal (Ghozali, 2013). Seperti diketahui, bahwa uji t dan F
61
mengasumsikan nilai residual mengikuti distribusi normal. Jika
asumsi ini tidak terpenuhi, maka hasil uji statistik menjadi tidak
valid khususnya untuk ukuran sampel kecil.
Menurut Ghozali (2013), kita perlu memperhatikan bahwa
asumsi distribusi normal residual ini terutama untuk ukuran sampel
yang kecil. Oleh karena itu, kita dapat mengabaikannya untuk
ukuran sampel besar. Pengujian asumsi sebaiknya lebih kita
tekankan pada heteroskedastisitas dan autokorelasi yang dapat
menyebabkan pengambilan kesimpulan statistik menjadi tidak
valid.
Untuk mengetahui data berdistribusi normal atau tidak dengan
menggunakan Uji Jarque-Bera dengan pengambilan keputusan
sebagai berikut:
H0 : data berdistribusi normal
Ha : data tidak berdistribusi normal
Jika hasil JB Hitung < Chi Square Table, maka H0 diterima.
Artinya pengujian bisa dilanjutkan ke tahap berikutnya karena data
telah berdistribusi normal.
Jika hasil JB Hitung > Chi Square Table, maka H0 ditolak.
Artinya diperlukan perbaikan karena data tidak berdistribusi
normal. Untuk menormalkan data tersebut, dilakukan transformasi
data dengan metode logaritma natural (Ln). (Ghozali, 2011)
62
Transformasi variabel menggunakan logaritma pada model
regresi sangat umum digunakan untuk mengatasi situasi dimana
terdapat hubungan tidak linear antara variabel independen dan
dependen. Transformasi logaritma dapat mengubah data yang tidak
linear dapat digunakan dalam model linear. Selain itu, transfomasi
logaritma juga merupakan cara yang mudah untuk mengubah data
yang awalnya sangat miring (berdistribusi tidak normal) menjadi
atau mendekati distribusi normal. (Kenneth, 2011)
b. Uji Multikolinieritas
Uji multikolinearitas bertujuan untuk menguji apakah dalam
model regresi ditemukan adanya korelasi yang tinggi atau
sempurna antarvariabel independen (Ghozali, 2013).
Pada penelitian ini, pendeteksian adanya multikolinearitas
dengan menggunakan uji efisiensi korelasi (r). Jika koefisien
korelasi lebih dari 0.9 maka diduga terjadi multikolinearitas dalam
model. Sebaliknya, jika koefisien relatif rendah maka diduga model
tidak terjadi multikolinearitas (Ghozali, 2013).
Untuk mengetahui data memiliki gejala multikolinearitas atau
tidak dengan menggunakan Uji Jarque-Bera dengan pengambilan
keputusan sebagai berikut:
H0 : tidak ada multikolinearitas
Ha : ada multikolinearitas
Jika r < 0,90 maka tidak ada multikolinearitas
63
Jika r > 0,90 maka ada multikolinearitas
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam
model regresi terjadi ketidaksamaan variance dari satu pengamatan
ke pengamatan yang lain (Ghozali, 2013). Uji Heteroskedasitas
adalah alat untuk mendeteksi apakah variabel gangguan tidak
konstan atau berubah-ubah. Heteroskedasitas dapat terjadi karena
adanya data outlier (data ekstrim). Heteroskedasitas tidak
menyebabkan estimator (koefisien variabel independen) menjadi
bias karena residual bukan komponen menghitungnya. Namun,
menyebabkan estimator jadi tidak efisien dan BLUE lagi serta
standard error dari model regresi menjadi bias sehingga
menyebabkan nilai t statistik dan F hitung bias (misleading).
Dampak akhirnya adalah pengambilan kesimpulan statistik untuk
pengujian hipotesis menjadi tidak valid.
Cara mendeteksi heteroskedastisitas yang dilakukan dalam
penelitian ini adalah menggunakan uji white. Hipotesis uji white
adalah (Ghozali, 2013):
Ho : tidak ada heteroskedastis
Ha : ada heteroskedastis
Apabila nilai probabilitas Obs*R2 > nilai signifikansi ( = 0,05)
maka Ho diterima atau dapat disimpulkan tidak ada
heteroskedastisitas. Sedangkan jika nilai probabilitas Obs*R2 <
64
nilai signifikansi ( = 0,05) maka Ho ditolak atau dapat
disimpulkan bahwa ada heteroskedastisitas dalam model.
d. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model
regresi linier ada korelasi antarkesalahan pengganggu (residual)
pada periode t dengan kesalahan pada periode t-1 (sebelumnya).
Jika terjadi korelasi, maka ada masalah autokorelasi. Model regresi
yang baik adalah regresi yang bebas dari autokorelasi (Ghozali,
2013).
Ada beberapa cara untuk mendeteksi ada atau tidaknya
autokorelasi, yaitu Uji Durbin-Watson (DW test) dan Uji Lagrange
Multiplier (LM test). Dalam penelitian ini menggunakan Uji
Lagrange Multiplier (LM test) dengan hipotesis sebagai berikut:
H0 : tidak ada autokorelasi
Ha : ada autokorelasi
Apabila nilai probabilitas Obs*R2
> nilai signifikan ( = 0,05)
maka H0 diterima atau dapat disimpulkan tidak terjadi autokorelasi.
Sedangkan jika nilai probabilitas Obs*R2 < nilai signifikan ( =
0,05) maka H0 ditolak atau dapat disimpulkan bahwa terjadi
autokorelasi dalam model.
3. Model Regresi Data Panel
Salah satu bentuk struktur data yang sering digunakan dalam studi
ekonometrika adalah data panel. Data dengan karakteristik panel
65
adalah data yang berstruktur urut waktu sekaligus cross section
(Ariefianto, 2012).
Gujarati dan Hsiao (2003) menyatakan bahwa teknik data panel
yaitu dengan menggabungkan jenis data cross section dan time series,
memberikan beberapa keunggulan dibandingkan dengan pendekatan
standar cross section dan time series yaitu (Ghozali, 2013):
a) Dengan menggabungkan data time series dan cross-section,
maka data panel memberikan data yang lebih informatif, lebih
bervariasi, tingkat kolinearitas antarvariabel yang rendah, lebih
besar degree of freedom, dan lebih efisien.
b) Dengan menganalisis data cross-section dalam beberapa periode
maka data panel tepat digunakan dalam penelitian perubahan
dinamis (dynamic change).
c) Data panel mampu mendeteksi dan mengukur pengaruh yang
tidak dapat diobservasi melalui data murni time series atau
murni data cross-section.
d) Data panel memungkinkan kita mempelajari model perilaku
yang lebih komplek. Misalkan fenomena skala ekonomis dan
perubahan teknologi dapat dipahami lebih baik dengan data
panel daripada murni data cross-section atau murni data time
series.
66
e) Oleh karena data panel berhubungan dengan individu,
perusahaan, kota, negara dan sebagainya sepanjang waktu (over
time), maka akan bersifat heterogen dalam unit tersebut.
f) Data panel dapat memberikan informasi lebih banyak yang tidak
dapat diberikan hanya oleh data cross-section atau time series
saja.
g) Data panel dapat memberikan penyelesaian yang lebih baik
dalam inferensi perubahan dinamis dibandingkan data cross-
section.
Singkatnya, data panel dapat memperkaya analisis empiris dengan
cara yang mungkin tidak mungkin dilakukan jika kita hanya
menggunakan data cross-section atau time series (Gujarati, 2012).
Selain itu, keuntungan penting dari data panel dibandingkan dengan
time series atau cross-sectional adalah memungkinkan identifikasi
parameter atau pertanyaan tertentu, tanpa perlu membuat asumsi yang
membatasi (Verbeek, 2008).
Estimasi regresi data panel dapat dilakukan melalui tiga model
pendekatan:
a. Common Effect
Regresi data panel dengan metode common effect adalah
asumsi yang menganggap bahwa intersep dan slope selalu tetap
baik antar waktu maupun antar individu. Setiap individu (n) yang
diregresi untuk mengetahui hubungan antara variabel dependen
67
dengan variabel-variabel independennya akan memberikan nilai
intersep maupun slope yang sama besarnya. Begitu pula dengan
waktu (t), nilai intersep dan slope dalam persamaan regresi yang
menggambarkan hubungan antara variabel dependen dan variabel-
variabel independennya adalah sama untuk setiap waktu. Hal ini
dikarenakan dasar yang digunakan dalam regresi data panel ini
yang mengabaikan pengaruh individu dan waktu pada model yang
dibentuknya (Sriyana, 2014).
Model seperti ini dikatakan sebagai model paling sederhana,
dimana pendekatannya mengabaikan dimensi waktu dan ruang
yang dimiliki oleh data panel. Metode yang digunakan untuk
mengestimasi dengan pendekatan seperti ini adalah metode regresi
OLS (Ordinary Least Square) sehingga sering disebut pooled OLS
atau common OLS model (Ghozali, 2013). Persamaan matematis
untuk model common effect adalah sebagai berikut (Sriyana, 2014):
Dimana:
i = banyaknya observasi (1,2,....,n)
t = banyaknya waktu (1,2,....,t)
n x t = banyaknya data panel
= residual
Kelemahan asumsi ini adalah ketidaksesuaian model dengan
keadaan yang sesungguhnya. Kondisi tiap objek saling berbeda,
68
bahkan satu objek pada suatu waktu akan sangat berbeda dengan
kondisi objek tersebut pada waktu yang lain (Winarno, 2015).
b. Fixed Effect
Pendekatan ini merupakan cara memasukkan “individualitas”
setiap perusahaan atau setiap unit cross-sectional adalah dengan
membuat intersep bervarisi untuk setiap perusahaan tetapi masih
tetap berasumsi bahwa koefisien slope konstan untuk setiap
perusahaan (Ghozali, 2013).
Estimasi pada metode Fixed Effect dapat dilakukan dengan
pembobot (cross section weight) atau General Least Square (GLS)
atau tanpa pembobot (no weighted) atau Least Square Dummy
Variabel (LSDV). Tujuan dilakukannya pembobotan adalah untuk
mengurangi heterogenitas antar unit cross section (Gujarati, 2012).
Persamaan untuk pendekatan dengan menggunakan model
fixed effect adalah sebagai berikut (Sriyana, 2014):
Dimana:
i = banyaknya individu/unit observasi (1,2,....,n)
t = banyaknya waktu (1,2,....,n)
n = banyaknya variabel bebas
n x t = banyaknya data panel
= residual
69
Kelemahan asumsi dengan model fixed effect adalah masih
adanya kemungkinan ketidaksesuaian model dengan keadaan yang
sesungguhnya (Sriyana, 2014).
c. Random Effect
Tidak seperti pada model fixed effect, pada model random
effect diasumsikan bahwa perbedaan intersep dan konstanta
disebabkan oleh residual/error sebagai akibat perbedaan antar unit
dan antar periode waktu yang terjadi secara random (Sriyana,
2014).
Metode efek random digunakan untuk mengatasi kelemahan
metode tetap yang menggunakan variabel semu, metode efek
random menggunakan residual, yang diduga memiliki hubungan
antarwaktu dan antarobjek. Namun, untuk menganalisis dengan
metode efek random ada satu syarat, yaitu objek data silang harus
lebih besar daripada banyaknya koefisien (Winarno, 2011). Metode
yang paling tepat untuk mengestimasi model ini adalah GLS
(generalized least square).
Persamaan model dengan menggunakan estimasi random effect
adalah sebagai berikut (Sriyana, 2014):
Dimana:
m = banyaknya observasi (1,2,....,m)
n = jumlah variabel bebas
70
t = banyaknya waktu (1,2,....,t)
n x t = banyaknya data panel
= residual
4. Pengujian Model
Guna menentukan model pendekatan regresi dengan
menggunakan data panel yang tepat, maka perlu dilakukan pengujian
terhadap tiga model regresi data panel tersebut seperti ditunjukkan
pada gambar 3.1 berikut ini:
Gambar 3.1
Pemilihan Model Regresi
Sumber: Data di olah
a. Uji Chow
Uji Chow digunakan untuk menentukan apakah model
pendekatan yang akan digunakan common effect atau fixed effect
dengan melihat nilai probabilitasnya. Hipotesis yang digunakan
dalam uji ini adalah (Sriyana, 2014):
H0 : menggunakan pendekatan common effect
Ha : menggunakan pendekatan fixed effect
Apabila nilai probabilitas > nilai signifikansi (α = 0.05) maka
H0 diterima atau model yang digunakan adalah pendekatan
Common Effect
Fixed Effect
Random Effect
Uji Chow
Uji Hausman
71
common effect. Jika nilai probabilitas < nilai signifikansi (α = 0.05)
maka H0 ditolak atau model yang digunakan adalah pendekatan
fixed effect.
b. Uji Hausman
Uji Hausman dilakukan untuk menentukan apakah model
yang akan digunakan fixed effect atau random effect. Hipotesis
yang digunakan dalam uji ini adalah sebagai berikut (Sriyana,
2014):
H0 : menggunakan pendekatan random effect
Ha : menggunakan pendekatan fixed effect
Apabila nilai probabilitas > nilai signifikansi (α = 0.05) maka
H0 diterima atau model yang digunakan adalah pendekatan random
effect. Jika nilai probabilitas < nilai signifikansi (α = 0.05) maka H0
ditolak atau model yang digunakan adalah pendekatan fixed effect.
5. Pengujian Hipotesis
Dalam pengujian hipotesis ini, pengolahan data menggunakan
software Eviews 9.5. Dan juga menggunakan uji statistik meliputi Uji
F, Uji t, dan Uji Koefisien Determinasi.
a. Uji F (uji simultan)
Uji statistik F pada dasarnya menunjukkan apakah semua
variabel indpenden atau bebas yang dimasukkan dalam model
mempunyai pengaruh secara bersama-sama atau simultan terhadap
72
variabel dependen atau terikat (Ghozali, 2013). Hipotesis yang
digunakan dalam uji F ini adalah:
1) H0 : β = 0; Tidak terdapat pengaruh signifikan secara simultan
antara variabel independen terhadap variabel dependen.
2) H0 : β ≠ 0; Terdapat pengaruh signifikan secara simultan
antara variabel independen terhadap variabel dependen.
Kaidah pengambilan keputusan:
1) Jika probabilitas < Sig (α = 0,05) maka H0 ditolak, yang artinya
terdapat pengaruh yang signifikan secara simultan
2) Jika probabilitas > Sig (α = 0,05) maka H0 diterima, yang
artinya terdapat pengaruh yang tidak signifikan secara
simultan.
b. Uji t (uji regresi secara parsial)
Uji statistik t pada dasarnya menunjukkan seberapa jauh
pengaruh satu variabel independen terhadap variabel dependen
dengan menganggap variabel independen lainnya konstan
(Ghozali, 2013).
Uji statistik t dilakukan untuk menunjukkan seberapa jauh
pengaruh Capital Adequacy Ratio (CAR), Non Performing
Financing (NPF), dan BOPO secara individual terhadap Net
Operating Margin (NOM).
Hipotesis yang digunakan dalam uji ini adalah (Ghozali,
2013):
73
H0 : ß1 = 0, Tidak terdapat pengaruh signifikan secara parsial
antara variabel independen terhadap variabel dependen.
Ha : ß1 ≠ 0, Terdapat pengaruh signifikan secara parsial antara
variabel independen terhadap variabel dependen.
Kaidah pengambilan keputusan:
1) Jika Probabilitas < Sig (α = 0,05) maka H0 ditolak, yang
artinya terdapat pengaruh yang signifikan secara parsial
2) Jika Probabilitas > Sig (α = 0,05) maka H0 diterima, yang
artinya terdapat pengaruh yang tidak signifikan secara parsial.
c. Uji Koefisien Determinasi (R2)
Koefisien Determinasi (R2) pada intinya mengukur seberapa
jauh kemampuan model dalam menerangkan variasi variabel
dependen. Nilai koefisien determinasi adalah antara nol dan satu.
Nilai R2 yang kecil berarti kemampuan variabel-variabel
independen dalam menjelaskan variasi variabel dependen amat
terbatas. Nilai yang mendekati satu berarti variabel-variabel
independen memberikan hampir semua informasi yang dibutuhkan
untuk memprediksi variasi variabel dependen.
Namun penggunaan koefisien determinasi memiliki kelemahan
yaitu bias terhadap jumlah variabel independen yang dimasukkan
ke dalam model, setiap tambahan satu variabel tersebut
berpengaruh secara signifikan terhadap variabel dependen. Oleh
karena itu banyak peneliti menganjurkan untuk menggunakan nilai
74
Adjusted R2 saat mengevaluasi model regresi terbaik. (Ghozali,
2013).
d. Persamaan Model Regresi dengan menggunakan Data Panel
Model regresi data panel dalam penelitian ini adalah:
Yit = β0i + β1X1it + β2X2it + β3X3it + εit
Dimana:
β0i = konstanta model regresi pada unit observasi ke i
β1 – β3 = koefisien regresi
εit = standar error pada unit observasi ke i dan waktu ke t
Yit = Net Operating Margin (NOM)
X1it = CAR pada unit observasi ke i dan waktu ke t
X2it = NPF pada unit observasi ke i dan waktu ke t
X3it = BOPO pada unit observasi ke i dan waktu ke t
6. Kriteria Keterpengaruhan atau Taraf Signifikan
Kriteria keterpengaruhan atau taraf signifikan adalah kesediaan
dan keberanian peneliti untuk secara maksimal mengambil risiko
kesalahan dalam menguji hipotesis. Besarnya taraf signifikansi
dinyatakan dalam suatu bilangan presentase, umpamanya 50%, 10%,
5%, 1%, dan sebagainya (Bungin, 2009).
Dalam penelitian sosial, kelaziman menggunakan taraf
signifikansi adalah sekitar 5% sampai dengan 1%. Maksudnya adalah
apabila ada 100 kali peristiwa, maka kemungkinan penolakan
terhadap hipotesis atau kemungkinan terjadi kesalahan antara 5
75
sampai 1 kali. Sedangkan dari hipotesis tersebut kita menerima 95%.
Kalau kita menentukan taraf signifikansinya adalah 1% maka
kemungkinan penolakan tersebut adalah 1%, sedangkan kalau kita
menentukan 5% maka kemungkinan penolakannya adalah 5%.
Tabel 3.4
Hubungan Taraf Signifikansi dan Hipotesis
No. Taraf Signifikansi
Maknanya 5% 1%
1. Hipotesis diterima Hipotesis diterima Kondisi ini dapat
diterima
2. Hipotesis ditolak Hipotesis ditolak Kondisi ini juga dapat
diterima
3. Hipotesis ditolak Hipotesis diterima Kondisi seperti ini dapat
diterima
4. Hipotesis diterima Hipotesis ditolak Kondisi seperti ini tidak
dapat diterima sebagai
kebenaran
Sumber: Bungin, Burhan. 2009. Metodologi Penelitian Kuantitatif: Komunikasi,
Ekonomi dan Kebijakan Publik Serta Ilmu-ilmu Sosial Lainnya. Jakarta: Kencana.
E. Operasional Variabel Penelitian
Operasional variabel penelitian merupakan spesifikasi kegiatan
peneliti dalam mengukur suatu variabel. Spesifikasi tersebut menunjukkan
pada dimensi-dimensi dan indikator-indikator dari variabel peneliti yang
diperoleh melalui pengamatan dan penelitian terdahulu.
1. Variabel Dependen (Y)
Variabel dependen adalah variabel yang dipengaruhi oleh variabel
independen. Variabel dependen dalam penelitian ini adalah
Rentabilitas Bank Umum Syariah di Indonesia. Rentabilitas adalah
kemampuan bank syariah dalam menghasilkan laba. Rentabilitas pada
penelitian ini diukur berdasarkan Net Operating Margin (NOM).
76
Sesuai dengan Surat Edaran Bank Indonesia No. 13/24/DPNP
tahun 2011, Net Operating Margin (NOM) merupakan rasio utama
rentabilitas bank syariah yang mana rasio ini bertujuan untuk
mengetahui kemampuan aktiva produktif bank syariah dalam
menghasilkan laba.
Berikut ini merupakan formula perhitungan Net Operating
Margin (NOM) :
Keterangan:
NOM = Net Operating Margin
PO = Pendapatan Operasional
DBH = Dana Bagi Hasil
BO = Biaya Operasional
Jenis data NOM adalah dalam bentuk persentase. Data NOM
yang digunakan adalah data laporan keuangan triwulan Bank Umum
Syariah Maret 2015 sampai dengan Maret 2017 yang dipublikasikan
secara online oleh tiap Bank Umum Syariah.
2. Variabel Independen (X)
Variabel independen adalah variabel yang mempengaruhi variabel
dependen. Variabel yang menjadi variabel independen dalam
penelitian ini adalah :
77
a. Capital Adequacy Ratio (CAR)
CAR adalah rasio kinerja bank untuk mengukur kecukupan
modal yang dimiliki bank untuk menunjang aktiva yang
mengandung atau menghasilkan risiko, misalnya kredit yang
diberikan. Sesuai dengan Surat Edaran Bank Indonesia Nomor
13/24/DPNP/2011 tentang Penilaian Tingkat Kesehatan Bank
Umum, rasio Kecukupan Penyediaan Modal Minimum merupakan
salah satu faktor permodalan (Capital) yang kemudian diproksikan
dengan rasio KPMM sebagai rasio utama.
Rumus perhitungan CAR/KPMM adalah sebagai berikut:
Data CAR adalah dalam bentuk persentase. Data CAR yang
digunakan adalah data laporan keuangan triwulan Bank Umum
Syariah mulai dari Maret 2015 sampai dengan Maret 2017 yang
diperoleh dari www.ojk.go.id.
b. Non Performing Finance (NPF)
NPF merupakan rasio penunjang dari komponen faktor
kualitas aset. Non Performing Finance (NPF) merupakan istilah
yang digunakan untuk rasio pembiayaan bermasalah dalam
perbankan syariah. Sesuai dengan Surat Edaran Bank Indonesia
Nomor 13/24/DPNP/2011 tentang Penilaian Tingkat Kesehatan
Bank Umum, rasio Non Performing Finance merupakan salah satu
78
faktor kualitas aset (Asset Quality) yang kemudian diproksikan
dengan rasio NPF sebagai rasio penunjang.
Rumus perhitungan NPF adalah sebagai berikut:
Data NPF adalah dalam bentuk persentase. Data NPF yang
digunakan adalah data laporan keuangan triwulan Bank Umum
Syariah mulai dari Maret 2015 sampai dengan Maret 2017 yang
diperoleh dari www.ojk.go.id.
c. Biaya Operasional Pendapatan Operasional (BOPO)
BOPO adalah perbandingan antara biaya operasional dengan
pendapatan operasional dalam mengukur tingkat efisiensi dan
kemampuan bank dalam melakukan kegiatan operasinya. Sesuai
dengan Surat Edaran Bank Indonesia Nomor 13/24/DPNP/2011
tentang Penilaian Tingkat Kesehatan Bank Umum, rasio efisiensi
kegiatan operasional merupakan salah satu faktor rentabilitas
(Earning) yang kemudian diproksikan dengan rasio REO sebagai
rasio penunjang.
Rumus perhitungan BOPO/REO adalah sebagai berikut:
Data BOPO adalah dalam bentuk persentase. Data BOPO yang
digunakan adalah data laporan keuangan triwulan Bank Umum
79
Syariah mulai dari Maret 2015 sampai dengan Maret 2017 yang
diperoleh dari www.ojk.go.id.
Tabel 3.4 dibawah ini merupakan tabel operasional variabel penelitian
yang digunakan dalam penelitian ini.
Tabel 3.5
Operasional Variabel Penelitian
No. Variabel Definisi Variabel Pengukuran Variabel Sumber
1. Net Operating
Margin
(NOM)
Y
Rasio yang
digunakan untuk
mengetahui
kemampuan aktiva
produktif dalam
menghasilkan laba.
Surat Edaran
Bank
Indonesia
Nomor
13/4/DPNP/
2011
2. Capital
Adequacy
Ratio
(CAR/KPMM)
X1
Rasio kinerja bank
untuk mengukur
kecukupan modal
yang dimiliki bank
untuk menunjang
aktiva yang
mengandung atau
menghasilkan
risiko
Surat Edaran
Bank
Indonesia
Nomor
13/4/DPNP/
2011
3. Non
Performing
Finance (NPF)
X2
Rasio yang
digunakan untuk
mengukur tingkat
permasalahan
pembiayaan yang
dihadapi oleh bank
Surat Edaran
Bank
Indonesia
Nomor
13/4/DPNP/
2011
4. Biaya
Operasional
Pendapatan
Operasional
(BOPO/REO)
X3
Rasio yang
digunakan untuk
mengukur efisiensi
kegiatan
operasional bank
syariah
Surat Edaran
Bank
Indonesia
Nomor
13/4/DPNP/
2011
Sumber: data diolah melalui Surat Edaran Bank Indonesia Nomor 13/24/DPNP/2011
80
BAB IV
ANALISIS DAN PEMBAHASAN
A. Sekilas Gambaran Umum Objek Penelitian
1. Bank Muamalat Indonesia
PT Bank Muamalat Indonesia Tbk (“Bank Muamalat Indonesia”)
memulai perjalanan bisnisnya sebagai Bank Syariah pertama di
Indonesia pada 1 November 1991 atau 24 Rabi’us Tsani 1412 H.
Pendirian Bank Muamalat Indonesia digagas oleh Majelis Ulama
Indonesia (MUI), Ikatan Cendekiawan Muslim Indonesia (ICMI) dan
pengusaha muslim yang kemudian mendapat dukungan dari Pemerintah
Republik Indonesia.
Pada 27 Oktober 1994, Bank Muamalat Indonesia mendapatkan
izin sebagai Bank Devisa dan terdaftar sebagai perusahaan publik yang
tidak listing di Bursa Efek Indonesia (BEI). Pada tahun 2003, Bank
dengan percaya diri melakukan Penawaran Umum Terbatas (PUT)
dengan Hak Memesan Efek Terlebih Dahulu (HMETD) sebanyak 5
(lima) kali dan merupakan lembaga perbankan pertama di Indonesia
yang mengeluarkan Sukuk Subordinasi Mudharabah. Aksi korporasi
tersebut semakin menegaskan posisi Bank Muamalat Indonesia di peta
industri perbankan Indonesia.
Pada tahun 2009, Bank mendapatkan izin untuk membuka kantor
cabang di Kuala Lumpur, Malaysia dan menjadi bank pertama di
Indonesia serta satu-satunya yang mewujudkan ekspansi bisnis di
81
Malaysia. Hingga saat ini, Bank telah memiliki 363 kantor layanan
termasuk 1 (satu) kantor cabang di Malaysia.
(www.bankmuamalat.co.id)
2. Bank Syariah Mandiri
PT Bank Syariah Mandiri (BSM) berdiri pada tanggal 25 Oktober
1999 dan secara resmi mulai beroperasi sejak Senin tanggal 25 Rajab
1420 H atau tanggal 1 November 1999. Sampai saat ini, jumlah kantor
layanan BSM terdiri dari 765 kantor cabang yang tersebar di seluruh
provinsi di Indonesia dengan jumlah jaringan ATM BSM sebanyak
182,156 ATM (ATM BSM, ATM Mandiri, ATM Bersama termasuk
ATM Mandiri dan ATM BSM, ATM Prima dan MEPS).
(www.syariahmandiri.co.id)
3. Bank Negara Indonesia Syariah
Dengan berlandaskan pada Undang-undang No.10 Tahun 1998,
pada tanggal tanggal 29 April 2000 didirikan Unit Usaha Syariah
(UUS) BNI dengan 5 kantor cabang di Yogyakarta, Malang,
Pekalongan, Jepara dan Banjarmasin. Selanjutnya UUS BNI terus
berkembang menjadi 28 Kantor Cabang dan 31 Kantor Cabang
Pembantu.
Berdasarkan Keputusan Gubernur Bank Indonesia Nomor
12/41/KEP.GBI/2010 tanggal 21 Mei 2010 mengenai pemberian izin
usaha kepada PT Bank BNI Syariah. Dan di dalam Corporate Plan UUS
BNI tahun 2003 ditetapkan bahwa status UUS bersifat temporer dan
82
akan dilakukan spin off tahun 2009. Rencana tersebut terlaksana pada
tanggal 19 Juni 2010 dengan beroperasinya BNI Syariah sebagai Bank
Umum Syariah (BUS). Realisasi waktu spin off bulan Juni 2010 tidak
terlepas dari faktor eksternal berupa aspek regulasi yang kondusif yaitu
dengan diterbitkannya UU No.19 tahun 2008 tentang Surat Berharga
Syariah Negara (SBSN) dan UU No.21 tahun 2008 tentang Perbankan
Syariah. Disamping itu, komitmen Pemerintah terhadap pengembangan
perbankan syariah semakin kuat dan kesadaran terhadap keunggulan
produk perbankan syariah juga semakin meningkat.
Juni 2014 jumlah cabang BNI Syariah mencapai 65 Kantor
Cabang, 161 Kantor Cabang Pembantu, 17 Kantor Kas, 22 Mobil
Layanan Gerak dan 20 Payment Point. (www.bnisyariah.co.id)
4. Bank Rakyat Indonesia Syariah
Berawal dari akuisisi PT. Bank Rakyat Indonesia (Persero), Tbk.,
terhadap Bank Jasa Arta pada 19 Desember 2007 dan setelah
mendapatkan izin dari Bank Indonesia pada 16 Oktober 2008 melalui
suratnya o.10/67/KEP.GBI/DpG/2008, maka pada tanggal 17
November 2008 PT. Bank BRISyariah secara resmi beroperasi.
Kemudian PT. Bank BRISyariah merubah kegiatan usaha yang semula
beroperasional secara konvensional, kemudian diubah menjadi kegiatan
perbankan berdasarkan prinsip syariah Islam.
Aktivitas PT. Bank BRISyariah semakin kokoh setelah pada 19
Desember 2008 ditandatangani akta pemisahan Unit Usaha Syariah PT.
83
Bank Rakyat Indonesia (Persero), Tbk., untuk melebur ke dalam PT.
Bank BRISyariah (proses spin off-) yang berlaku efektif pada tanggal 1
Januari 2009. Penandatanganan dilakukan oleh Bapak Sofyan Basir
selaku Direktur Utama PT. Bank Rakyat Indonesia (Persero), Tbk., dan
Bapak Ventje Rahardjo selaku Direktur Utama PT. Bank BRI Syariah.
Saat ini PT. Bank BRI Syariah menjadi bank syariah ketiga terbesar
berdasarkan aset. (www.brisyariah.co.id)
5. Bank Mega Syariah
PT Bank Syariah Mega Indonesia lahir pada tanggal 27 Juli 2004
dan resmi beroperasi pada tanggal 25 Agustus 2004. Sejak 2 November
2010 sampai dengan sekarang, melalui Keputusan Gubernur Bank
Indonesia No.12/75/KEP.GBI/DpG/2010, PT. Bank Syariah Mega
Indonesia berganti nama menjadi PT Bank Mega Syariah.
Sejak 16 Oktober 2008, Bank Mega Syariah telah menjadi bank
devisa. Selain itu, pada 8 April 2009, Bank Mega Syariah memperoleh
izin dari Departemen Agama Republik Indonesia (Depag RI) sebagai
bank penerima setoran biaya penyelenggaraan ibadah haji (BPS BPIH).
Dengan demikian, bank ini menjadi bank umum kedelapan sebagai BPS
BPIH yang tersambung secara online dengan Sistem Komputerisasi
Haji Terpadu (Siskohat) Depag RI. Izin itu tentu menjadi landasan baru
bagi Bank Mega Syariah untuk semakin melengkapi kebutuhan
perbankan syariah umat Indonesia. (www.megasyariah.co.id)
84
6. Bank Panin Dubai Syariah
Panin Dubai Syariah Bank mendapat ijin usaha dari Bank
Indonesia berdasarkan Surat Keputusan Gubernur Bank Indonesia
No.11/52/KEP.GBI/DpG/2009 tanggal 6 Oktober 2009 sebagai bank
umum berdasarkan prinsip syariah dan mulai beroperasi sebagai Bank
Umum Syariah pada tanggal 2 Desember 2009.
Sampai dengan 30 Juni 2017, komposisi kepemilikan saham Panin
Dubai Syariah Bank terdiri dari 50,22% milik PT Bank Panin Tbk,
38,25% milik Dubai Islamic Bank, dan 11,53% milik masyarakat.
(www.paninbanksyariah.co.id)
7. Bank Central Asia Syariah
PT. Bank BCA Syariah berdiri dan mulai melaksanakan kegiatan
usaha dengan prinsip-prinsip syariah setelah memperoleh izin operasi
syariah dari Bank Indonesia berdasarkan Keputusan Gubernur BI No.
12/13/KEP.GBI/DpG/2010 tanggal 2 Maret 2009 dan kemudian resmi
beroperasi sebagai bank syariah pada hari Senin tanggal 5 April 2010.
Komposisi kepemilikan saham PT Bank BCA Syariah adalah
sebagai berikut: PT Bank Central Asia Tbk. sebesar 99.9999% dan PT
BCA Finance sebesar 0.0001%.
BCA Syariah hingga saat ini memiliki 49 jaringan cabang yang
terdiri dari 9 Kantor Cabang (KC), 3 Kantor Cabang Pembantu (KCP),
3 Kantor Cabang Pembantu Mikro Bina Usaha Rakyat (BUR), 8 Kantor
Fungsional (KF) dan 26 Unit Layanan Syariah (ULS) yang tersebar di
85
wilayah DKI Jakarta, Tangerang, Bogor, Depok, Bekasi, Surabaya,
Semarang, Bandung, Solo dan Yogyakarta (data per Agustus 2016).
(www.bcasyariah.co.id)
8. Bank Jawa Barat dan Banten Syariah
BJB Syariah bergerak sebagai Divisi/Unit Usaha syariah selama10
(sepuluh) tahun. Pada tanggal 15 Januari 2010 BJB Syariah resmi
didirikan berdasarkan Akta Pendirian Nomor 4. Mulai beroperasi pada
tanggal 6 Mei 2010 setelah mendapatkan surat ijin dari Bank Indonesia
Nomor 12/629/DPbS tertanggal 30 April 2010.
Hingga saat ini Bank BJB syariah berkedudukan dan berkantor
pusat di Kota Bandung, Jalan Braga No 135, dan telah memiliki 8
(delapan) kantor cabang, 44 (empat puluh empat) kantor cabang
pembantu, 54 (empat puluh enam) jaringan Anjungan Tunai Mandiri
(ATM) yang tersebar di daerah Propinsi Jawa Barat, Banten dan DKI
Jakarta dan 49.630 jaringan ATM Bersama. (www.bjbsyariah.co.id)
9. Bank Victoria Syariah
Bank Swaguna di konversi menjadi PT bank Victoria Syariah. Pada
Tanggal 10 Februari 2010, PT Bank Victoria Syariah mendapat izin
operasional sebagai bank Syariah berdasarkan SK Gubenur Indonesia
No. 12/8/KEP GBI/DpG/2010. Bank beroperasi penuh dengan sistem
syariah pada 1 April 2010.
86
Jumlah jaringan kantor sampai dengan tahun 2016 sebanyak 8
Kantor Cabang dan 5 Kantor Cabang Pembantu.
(www.bankvictoriasyariah.co.id)
10. Bank Syariah Bukopin
PT Bank Syariah Bukopin secara resmi beroperasi tanggal 9
Desember 2008. Sampai dengan akhir Desember 2014 Perseroan
memiliki jaringan kantor yaitu 1 (satu) Kantor Pusat dan Operasional,
11 (sebelas) Kantor Cabang, 7 (tujuh) Kantor Cabang Pembantu, 4
(empat) Kantor Kas, 1 (satu) unit mobil kas keliling, dan 76 (tujuh
puluh enam) Kantor Layanan Syariah, serta 27 (dua puluh tujuh) mesin
ATM BSB dengan jaringan Prima dan ATM Bank Bukopin.
(www.syariahbukopin.co.id)
11. Bank Tabungan Pensiunan Nasional Syariah
BTPN Syariah lahir dari perpaduan dua kekuatan yaitu, PT Bank
Sahabat Purbadanarta dan Unit Usaha Syariah BTPN.
Bank Sahabat Purbadanarta yang berdiri sejak Maret 1991 di
Semarang, merupakan bank umum non devisa yang 70% sahamnya
diakusisi oleh PT Bank Tabungan Pensiunan Nasional, Tbk (BTPN),
pada 20 Januari 2014, dan kemudian dikonversi menjadi BTPN Syariah
berdasarkan Surat Keputusan Otoritas Jasa Keuangan (OJK) tanggal 22
Mei 2014.
Unit Usaha Syariah BTPN yang difokuskan melayani dan
memberdayakan keluarga pra sejahtera di seluruh Indonesia adalah
87
salah satu segmen bisnis di PT Bank Tabungan Pensiunan Nasional Tbk
sejak Maret 2008, kemudian di spin off dan bergabung ke BTPN
Syariah pada Juli 2014. (www.btpnsyariah.com)
12. Maybank Syariah Indonesia
Pada 23 September 2010, PT Bank Maybank Indocorp berubah
menjadi bank syariah komersial, dan berganti nama menjadi PT Bank
Maybank Syariah Indonesia (Maybank Syariah) berdasarkan Surat
Keputusan Gubernur Bank Indonesia No. 12/60/KEP.GBI/DpG/2010
tanggal 23 September 2010 tentang Pemberian izin Perubahan Kegiatan
Usaha dari Bank Umum Konvensional menjadi Bank Umum Syariah
PT Bank Maybank Syariah Indonesia. Setelah mendapat persetujuan
Bank Indonesia, Maybank Syariah memulai kegiatan usaha sebagai
bank syariah pada tanggal 1 Oktober 2010. (Maybank Syariah Annual
Report 2016)
B. Analisis Statistik Deskriptif
Pada bagian ini akan digambarkan ataupun dideskripsikan dari data
masing-masing variabel yang menampilkan karakteristik dari sampel yang
digunakan dalam penelitian ini. Karakteristik sample tersebut meliputi, nilai
rata-rata (mean), nilai maksimum dan minimum untuk tiap-tiap variabel.
Deskripsi dalam penelitian meliputi 4 variabel, yaitu Net Operating Margin
(NOM), Capital Adequacy Ratio (CAR), Non Performing Finance (NPF),
dan Biaya Operasional Pendapatan Operasional (BOPO). Perhitungan data
variabel pada penelitian ini adalah sebagai berikut:
88
1. Net Operating Margin (NOM)
Sesuai dengan Surat Edaran Bank Indonesia Nomor 13/24/DPNP
tahun 2011, Net Operating Margin (NOM) merupakan rasio utama dari
faktor Rentabilitas bank syariah. Rasio ini digunakan untuk melihat
seberapa besar kemampuan aktiva produktif bank syariah dalam
menghasilkan laba.
Semakin tinggi nilai NOM bank, maka semakin baik kinerja
rentabilitas bank tersebut, dan sebaliknya.
Tabel 4.1
Statistik Deskriptif NOM Bank Umum Syariah
BUS
NOM (dalam persen)
2015
Q1
2015
Q2
2015
Q3
2015
Q4
2016
Q1
2016
Q2
2016
Q3
2016
Q4
2017
Q1
BMI 0,27 0,54 0,42 0,27 0,3 0,01 0,1 0,2 0,16
BSM 0,45 0,59 0,45 0,58 0,6 0,67 0,65 0,64 0,68
BNIS 0,52 0,61 0,43 0,67 1,3 1,18 1,03 0,9 0,73
BRIS -0,11 1,67 0,08 0,07 0,44 0,51 0,45 0,39 0,2
BMS -1,45 -1,39 -1,05 -0,34 4,96 2,95 2,36 -2,44 1,44
BPDS 0,86 0,81 0,78 0,86 0,02 0,15 0,14 0,05 0,5
BCAS 0,73 0,84 0,87 0,98 0,79 0,94 1,03 1,15 1,03
BJBS -2,45 -1,39 -3,31 -2,45 -0,61 -18,84 -23,63 -27,84 -1,14
BVS -4,63 1,48 0,49 -4,63 -11,64 -8,06 -53,06 -3,17 0,16
BSB 0,15 0,61 0,81 0,27 1,28 1,17 0,79 0,40 0,19
BTPNS 0,06 2,14 5,20 5,77 7,90 8,53 9,53 10,2 11,86
MSI -6,52 -23,4 -25,64 -32,92 -9,18 -19,09 -20,01 -19,96 -26,95
Rata-rata -1,01 -1,41 -1,71 -2,57 -0,32 -2,49 -6,72 -3,29 -0,93
Minimum -6,52 -23,4 -25,6 -32,9 -11,64 -19,09 -53,1 -27,84 -26,95
Maksimum 0,86 2,14 5,2 5,77 7,9 8,53 9,53 10,2 11,86
Sumber: data diolah
Dari hasil perhitungan data di atas dapat kita lihat bahwa nilai
NOM terbesar terjadi pada tahun 2017 quartal pertama oleh BTPNS
sebesar 11,86% dan terendah pada tahun 2015 quartal empat oleh MSI
sebesar -32,9%. Sementara itu, rata-rata NOM Bank Umum Syariah
(BUS) di Indonesia dari tabel di atas masih tergolong sangat rendah
89
dengan rata-rata angka dibawah 1%. Hal ini perlu menjadi perhatian
khusus karena tingkat rentabilitas bank syariah yang dalam hal ini di
proksikan dengan rasio NOM dapat mengakibatkan ketidakpercayaan
masyarakat terhadap bank syariah yang pada akhirnya akan
menurunkan laba bank syariah.
2. Capital Adequacy Ratio (CAR)
CAR adalah rasio kinerja bank untuk mengukur kecukupan modal
yang dimiliki bank untuk menunjang aktiva yang mengandung atau
menghasilkan risiko, misalnya kredit yang diberikan (Rahardja, 2014).
Sesuai dengan Surat Edaran Bank Indonesia Nomor 13/24/DPNP
tahun 2011, kecukupan penyediaan modal minimum (KPMM)
merupakan rasio utama dari faktor permodalan (capital). Semakin besar
KPMM bank syariah mengindikasikan bahwa bank tersebut memiliki
aset yang likuid dalam jangka panjang.
Tabel 4.2
Statistik Deskriptif CAR Bank Umum Syariah
BUS
NOM (dalam persen)
2015
Q1
2015
Q2
2015
Q3
2015
Q4
2016
Q1
2016
Q2
2016
Q3
2016
Q4
2017
Q1
BMI 12,36 13,60 13,71 12,00 12,10 12,78 12,75 12,74 12,83
BSM 11,35 11,97 11,84 12,85 13,39 13,69 13,50 14,01 14,40
BNIS 15,40 15,11 15,38 15,48 15,85 15,56 15,82 14,92 14,44
BRIS 13,21 11,03 13,82 13,94 14,66 14,06 14,30 20,63 21,14
BMS 18,80 16,54 17,81 18,74 22,22 22,86 22,97 23,53 25,76
BPDS 20,30 21,88 21,37 20,30 19,80 19,51 19,86 18,17 18,04
BCAS 43,57 27,29 43,20 40,00 39,16 37,93 37,12 36,78 35,26
BJBS 22,53 12,20 22,44 22,53 24,58 20,93 23,10 18,25 17,96
BVS 16,14 20,39 19,87 16,14 16,05 15,88 14,20 15,98 24,44
BSB 14,50 14,10 15,26 16,31 15,62 14,82 15,06 17,00 16,71
BTPNS 31,56 20,57 21,29 19,93 22,03 21,47 23,82 23,80 23,88
MSI 44,43 43,35 43,05 38,40 46,57 45,63 46,07 55,06 61,44
Rata-rata 22,01 19,00 21,59 20,55 21,84 21,26 21,55 22,57 23,89
Minimum 11,35 11,03 11,84 12,00 12,10 12,78 12,75 12,74 12,83
90
BUS
NOM (dalam persen)
2015
Q1
2015
Q2
2015
Q3
2015
Q4
2016
Q1
2016
Q2
2016
Q3
2016
Q4
2017
Q1
Maksimum 44,43 43,35 43,20 40,00 46,57 45,63 46,07 55,06 61,44
Sumber: data diolah
Dari tabel 4.2 diatas menunjukkan bahwa rata-rata CAR Bank
Umum Syariah di Indonesia berada pada peringkat 1 karena nilainya
lebih dari 12%. Angka terendah CAR terjadi pada tahun 2015 quartal
kedua sebesar 11,03% oleh BRIS dan angka terbesar CAR terjadi pada
tahun 2017 quartal pertama sebesar 61,44% oleh MSI.
3. Non Performing Finance (NPF)
Sesuai dengan Surat Edaran Bank Indonesia Nomor 13/24/DPNP
tanggal 25 Oktober 2011, NPF merupakan rasio penunjang dari
komponen faktor kualitas aset. Non Performing Finance (NPF)
merupakan istilah yang digunakan untuk rasio pembiayaan bermasalah
dalam perbankan syariah.
Tingginya NPF suatu bank akan menghilangkan kesempatan
pendapatan (income) dari pembiayaan yang diberikan, sehingga
mengurangi laba.
Tabel 4.3
Statistik Deskriptif NPF Bank Umum Syariah
BUS
NOM (dalam persen)
2015
Q1
2015
Q2
2015
Q3
2015
Q4
2016
Q1
2016
Q2
2016
Q3
2016
Q4
2017
Q1
BMI 7,11 4,93 4,64 7,11 6,07 7,23 4,43 3,83 4,56
BSM 6,77 6,67 6,89 6,06 6,42 5,58 5,43 4,92 4,91
BNIS 2,22 2,42 2,54 2,53 2,77 2,80 3,03 2,94 3,16
BRIS 4,96 5,31 4,90 4,86 4,84 4,87 5,22 4,57 4,71
BMS 4,33 4,86 4,78 4,26 4,18 4,16 3,74 3,30 3,43
BPDS 2,63 0,91 1,76 2,63 2,70 2,70 2,87 2,26 2,28
BCAS 0,92 0,60 0,59 0,70 0,59 0,55 1,14 0,50 0,50
BJBS 6,93 6,91 6,91 6,93 6,93 17,09 12,50 17,91 18,13
91
BUS
NOM (dalam persen)
2015
Q1
2015
Q2
2015
Q3
2015
Q4
2016
Q1
2016
Q2
2016
Q3
2016
Q4
2017
Q1
BVS 9,80 5,03 6,56 9,80 11,06 12,03 11,61 5,82 8,49
BSB 4,52 3,03 3,01 2,99 2,89 2,88 2,59 3,17 2,22
BTPNS 1,81 1,21 1,30 1,25 1,22 1,18 1,41 1,53 1,74
MSI 5,06 15,15 18,07 35,15 21,88 29,31 30,30 43,99 46,55
Rata-rata 4,76 4,75 5,16 7,02 10,52 7,53 7,02 7,90 8,39
Minimum 0,92 0,6 0,59 0,70 0,59 0,55 1,14 0,50 0,50
Maksimum 9,8 15,2 18,1 35,2 6,07 29,3 30,3 43,99 46,55
Sumber: data diolah
Dari tabel 4.3 diatas dapat kita lihat bahwa rata-rata NPF Bank
Umum Syariah di Indonesia tergolong cukup baik karena berada pada
tingkat 5% sampai dengan 8%, kecuali untuk tahun 2016 dan 2017
quartal pertama yang tergolong kurang baik karena angkanya lebih dari
8%. Angka terendah dicapai oleh BCAS tahun 2016 quartal empat dan
2017 quartal pertama sebesar 0,50%. Sedangkan angka tertinggi tahun
2017 quartal pertama sebesar 46,55% oleh MSI.
4. Biaya Operasional Pendapatan Operasional (BOPO)
Sesuai dengan Surat Edaran Bank Indonesia Nomor 13/24/DPNP
tanggal 25 Oktober 2011, perbandingan antara biaya operasional
dengan pendapatan operasional disebut dengan rasio efisiensi kegiatan
operasional (REO).
Biaya Operasional Terhadap Pendapatan Operasional (BOPO)
merupakan alat untuk mengukur tingkat efisiensi dan kemampuan bank
dalam melakukan segala operasinya. Efisiensi operasional sangat
penting bagi bank untuk meningkatkan tingkat keuntungan yang akan
dicapai (Wahyuni, 2017).
92
Tabel 4.4
Statistik Deskriptif BOPO Bank Umum Syariah
BUS
NOM (dalam persen)
2015
Q1
2015
Q2
2015
Q3
2015
Q4
2016
Q1
2016
Q2
2016
Q3
2016
Q4
2017
Q1
BMI 97,41 94,84 96,26 97,36 97,32 99,90 98,89 97,76 98,19
BSM 95,92 96,16 97,41 94,78 94,44 93,76 93,93 94,12 93,82
BNIS 89,87 90,39 91,60 89,63 85,37 85,88 86,28 87,67 87,29
BRIS 96,13 93,84 93,97 93,79 90,47 90,41 90,99 91,33 93,67
BMS 110,53 104,80 102,33 99,51 84,92 89,07 89,50 88,16 88,82
BPDS 89,29 88,80 89,57 89,33 98,14 96,51 95,91 96,17 91,56
BCAS 90,62 93,33 94,61 92,48 94,07 92,87 92,91 92,18 92,97
BJBS 98,78 99,47 104,25 98,78 95,12 106,12 118,66 122,77 97,76
BVS 119,19 90,02 99,74 119,19 133,20 177,90 163,41 131,34 98,86
BSB 96,10 94,78 87,95 91,99 88,95 89,88 89,74 91,76 94,12
BTPNS 89,72 88,72 86,83 85,32 81,14 79,17 77,10 75,14 71,98
MSI 124,36 212,62 145,50 192,60 114,67 182,28 171,24 160,28 91,72
Rata-rata 99,83 103,98 99,17 103,73 96,48 106,98 105,71 102,39 91,73
Minimum 89,29 88,72 86,83 85,32 81,14 79,17 77,10 75,14 71,98
Maksimum 124,4 212,62 145,50 192,6 133,2 182,28 171,24 160,28 98,86
Sumber: data diolah
Dari tabel 4.4 diatas, menunjukkan bahwa rata-rata BOPO Bank
Umum Syariah di Indonesia tergolong tidak baik karena angkanya lebih
dari 89%. Angka terendah sebesar 75,14% yaitu pada tahun 2016
quartal empat oleh BTPNS, sedangkan angka tertinggi sebesar 212,62%
yaitu pada tahun 2015 quartal kedua oleh MSI.
C. Uji Stasioneritas
Langkah awal sebelum mengestimasi model terlebih dahulu dilakukan uji
akar unit terhadap data yang akan digunakan permasing-masing variabel yang
ada dalam model sehingga dapat diketahui stasioneritas data tersebut. Adapun
jenis pengukuran akar unit yang dilakukan adalah menggunakan Augmented
Dickey Fuller (ADF) pada tingkat level dan Fisrt Difference.
93
Tabel 4.5
Hasil Uji Augmented Dickey Fuller (ADF) Tingkat Level
Variabel
Tingkat Stasioneritas
Keterangan
Level
t-statistic
Test Critical Value Probabil
ity 1%
level
5%
level
10%
level
NOM -3.374573 -4.105534 -3.480463 -3.168039 0.0638 TIDAK
STASIONER
CAR -2.063655 -4.046925 -3.452764 -3.151911 0.5596 TIDAK
STASIONER
NPF -1.816134 -4.046072 -3.452358 -3.151673 0.6901 TIDAK
STASIONER
BOPO -4.395618 -4.046072 -3.452358 -3.151673 0.0034 STASIONER
Sumber: Output Eviews 9.5 (data diolah)
Data dikatakan stasioner jika probabilitas nya < 0.05%. Dari tabel 4.5
diatas, dapat disimpulkan bahwa hanya satu variabel yang stasioner yaitu
BOPO dengan probabilitas 0.0034 (0.0034 < 0.05). Sedangkan NOM, CAR
dan NPF tidak stasioner karena probabilitas nya > 0.05 yaitu 0.0638 untuk
NOM, 0.9384 untuk CAR dan 1.0000 untuk NPF. Karena hasil uji ADF
masih menunjukkan adanya data yang tidak stasioner, maka perlu dilakukan
uji ADF pada tingkat 1st difference.
Tabel 4.6
Hasil Uji Augmented Dickey Fuller (ADF) Tingkat 1st Difference
Variabel
Tingkat Stasioneritas
Keterangan
1st difference
t-statistic
Test Critical Value Probabil
ity 1%
level
5%
level
10%
level
NOM -10.57548 -4.105534 -3.480463 -3.168039 0.0000 STASIONER
CAR -14.04003 -4.046925 -3.452764 -3.151911 0.0000 STASIONER
NPF -10.06985 -4.046925 -3.452764 -3.151911 0.0000 STASIONER
BOPO -11.67724 -4.046925 -3.452764 -3.151911 0.0000 STASIONER
Sumber: Output Eviews 9.5 (data diolah)
Hasil uji ADF pada tingkat 1st difference diatas menunjukkan bahwa
semua data telah stasioner. Hal ini ditunjukkan dengan probabilitas masing-
94
masing variabel < 0.05 sehingga H0 ditolak dan Ha diterima. Karena seluruh
data sudah stasioner, maka pengujian bisa dilanjutkan ke tahap berikutnya.
D. Hasil Analisis dan Pembahasan
1. Uji Model Regresi Data Panel
Analisis model data panel dalam penelitian ini dilakukan dengan
tiga model yaitu, common effect, fixed effect, dan random effect.
a. Common Effect
Langkah pertama adalah dengan melakukan olah data
menggunakan pendekatan Common Effect Model (CEM).
Hasil pengolahan menggunakan program Eviews 9.5 seperti
pada table 4.7 di bawah ini:
Tabel 4.7
Hasil Regresi Data Panel Menggunakan Common Effect Dependent Variable: NOM?
Method: Pooled Least Squares
Date: 09/29/17 Time: 12:51
Sample: 2015Q1 2017Q1
Included observations: 9
Cross-sections included: 12
Total pool (unbalanced) observations: 101 Variable Coefficient Std. Error t-Statistic Prob. C 25.01788 3.298476 7.584679 0.0000
CAR? -0.023415 0.039422 -0.593969 0.5539
NPF? -0.449806 0.111151 -4.046812 0.0001
BOPO? -0.237386 0.039681 -5.982419 0.0000 R-squared 0.714192 Mean dependent var -0.612574
Adjusted R-squared 0.705353 S.D. dependent var 6.058521
S.E. of regression 3.288653 Akaike info criterion 5.257631
Sum squared resid 1049.078 Schwarz criterion 5.361201
Log likelihood -261.5104 Hannan-Quinn criter. 5.299559
F-statistic 80.79620 Durbin-Watson stat 0.774743
Prob(F-statistic) 0.000000
Sumber: Output Eviews 9.5 (data diolah)
95
b. Fixed Effect
Langkah kedua dilakukan pengolahan data menggunakan
pendekatan Fixed Effect Model (FEM).
Hasil pengolahan menggunakan program Eviews 9.5 seperti
pada table 4.7 di bawah ini:
Tabel 4.8
Hasil Regresi Data Panel Menggunakan Fixed Effect Dependent Variable: NOM?
Method: Pooled Least Squares
Date: 09/23/17 Time: 09:21
Sample: 2015Q1 2017Q1
Included observations: 9
Cross-sections included: 12
Total pool (unbalanced) observations: 108 Variable Coefficient Std. Error t-Statistic Prob. C 35.71230 5.141656 6.945682 0.0000
CAR? -0.178191 0.113227 -1.573753 0.1192
NPF? -0.366341 0.130149 -2.814785 0.0060
BOPO? -0.319960 0.044356 -7.213521 0.0000
Fixed Effects (Cross)
BMI--C 0.057197
BSM--C -0.249270
BNIS--C -2.941461
BRIS--C -1.121146
BMS--C 0.592027
BPDS--C -1.161037
BCAS--C 1.924434
BJBS--C -3.573249
BVS--C 3.577686
BSB--C -1.872205
BTPNS--C 1.860963
MSI--C 8.327479 Effects Specification Cross-section fixed (dummy variables) R-squared 0.811597 Mean dependent var -0.612574
Adjusted R-squared 0.780927 S.D. dependent var 6.058521
S.E. of regression 2.835707 Akaike info criterion 5.058716
Sum squared resid 691.5461 Schwarz criterion 5.447100
Log likelihood -240.4652 Hannan-Quinn criter. 5.215945
F-statistic 26.46202 Durbin-Watson stat 1.109228
Prob(F-statistic) 0.000000
Sumber: Output Eviews 9.5 (data diolah)
96
c. Uji Chow
Langkah selanjutnya adalah dilakukan pengujian untuk
memilih model data panel yang akan digunakan. Untuk memilih
common effect atau fixed effect maka digunakan uji Likelihood atau
uji chow. Jika probabilitasnya > 0.05 maka H0 diterima, artinya
model yang terpilih adalah common effect. Dan sebaliknya, jika
probabilitas < 0.05 maka H0 ditolak dan Ha diterima, artinya model
yang terpilih adalah fixed effect.
Berikut ini merupakan hasil dari uji chow:
Tabel 4.9
Hasil Uji Chow
Redundant Fixed Effects Tests
Pool: Untitled
Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 4.042028 (11,86) 0.0001
Cross-section Chi-square 42.090445 11 0.0000
Sumber: Output Eviews 9.5 (data diolah)
Nilai yang harus diperhatikan pada uji chow adalah nilai
probabilitas dari F-Statistik. Hipotesis yang digunakan dalam uji
chow adalah sebagai berikut:
H0 : Common Effect Model (CEM)
Ha : Fixed Effect Model (FEM)
Berdasarkan tabel 4.9 diatas, model yang terpilih untuk
sementara adalah fixed effect. Hal ini dikarenakan nilai
97
probabilitasnya adalah < 0.05 (0.0001 < 0.05) yang berarti H0
ditolak dan Ha diterima.
d. Random Effect
Setelah dilakukannya uji chow, maka dilakukan pengolahan
data dengan metode pendekatan Random Effect Model (REM)
untuk dibandingkan dengan Fixed Effect Model (FEM). Adapun
Hasil pengolahan dari program Eviews 9.5 didapatkan data sebagai
berikut:
Tabel 4.10
Hasil Regresi Data Panel Menggunakan Random Effect Dependent Variable: NOM?
Method: Pooled EGLS (Cross-section random effects)
Date: 09/23/17 Time: 09:24
Sample: 2015Q1 2017Q1
Included observations: 9
Cross-sections included: 12
Total pool (unbalanced) observations: 108
Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C 28.20628 3.522494 8.007474 0.0000
CAR? -0.027028 0.056740 -0.476346 0.6349
NPF? -0.368632 0.115329 -3.196353 0.0019
BOPO? -0.272692 0.038766 -7.034360 0.0000
Random Effects (Cross)
BMI--C 0.806915
BSM--C 0.637533
BNIS--C -1.493184
BRIS--C -0.221861
BMS--C 0.330991
BPDS--C -0.815779
BCAS--C -0.525722
BJBS--C -3.184243
BVS--C 2.177673
BSB--C -0.806124
BTPNS--C 1.566004
MSI--C 1.527796 Effects Specification
S.D. Rho Cross-section random 1.775431 0.2816
Idiosyncratic random 2.835707 0.7184
98
Weighted Statistics R-squared 0.626942 Mean dependent var -0.391650
Adjusted R-squared 0.615404 S.D. dependent var 4.631720
S.E. of regression 2.864777 Sum squared resid 796.0740
F-statistic 54.33767 Durbin-Watson stat 0.991164
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.711136 Mean dependent var -0.612574
Sum squared resid 1060.297 Durbin-Watson stat 0.744169
Sumber: Output Eviews 9.5 (data diolah)
e. Uji Hausman
Langkah selanjutnya adalah memilih metode data panel yang
akan digunakan. Maka dari itu, perlu dilakukan kembali uji
penentuan model yaitu Uji Hausman untuk memilih antara Fixed
Effect Model (FEM) atau Random Effect Model (REM). Jika
probabilitasnya > 0.05 maka H0 diterima, artinya model yang
terpilih adalah Random Effect. Namun, jika probabilitasnya < 0.05
maka H0 ditolak dan Ha diterima, artinya model yang terpilih
adalah Fixed Effect.
Tabel 4.11
Hasil uji Hausman
Correlated Random Effects - Hausman Test
Pool: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 4.998122 3 0.1719
Sumber: Output Eviews 9.5 (data diolah)
99
Nilai yang harus diperhatikan pada Uji Hausman adalah nilai
probabilitas dari F-Statistik. Hipotesis yang digunakan dalam Uji
Hausman adalah sebagai berikut:
H0 : Random Effect Model (REM)
Ha : Fixed Effect Model (FEM)
Berdasarkan tabel 4.11 diatas, maka model yang terpilih adalah
Random Effect. Hal ini dikarenakan angka probabilitasnya > 0.05
(0.1719 > 0.05), yang berarti H0 diterima.
2. Uji Asumsi Klasik
a. Uji Normalitas
Tabel 4.12
Hasil Uji Normalitas
0
2
4
6
8
10
12
14
16
-3.0 -2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Series: Residuals
Sample 1 99
Observations 77
Mean -7.24e-15
Median -0.016164
Maximum 1.586195
Minimum -2.751568
Std. Dev. 0.827164
Skewness -1.091847
Kurtosis 4.818439
Jarque-Bera 25.90806
Probability 0.000002
Sumber: Output Eviews 9.5 (data diolah)
Berdasarkan histogram uji normalitas di atas dapat diketahui
bahwa probability Jarque-Bera < 0.05 (0.000002 < 0.05), artinya
data pada penelitian ini tidak berdistribusi secara normal. Oleh
karena itu, perlu dilakukan perbaikan atas data outlier.
Peneliti memperbaiki data dengan cara mengubah model
regresi menjadi logaritma natural pada semua variabel, kemudian
100
dilakukan uji normalitas ulang dengan menambah log pada variabel
nom menjadi bentuk lognom. Berikut ini adalah hasil dari
pengujian ulang pada uji normalitas.
Tabel 4.13
Hasil Uji Normalitas Menggunakan Logaritma Natural
0
1
2
3
4
5
6
-3.0 -2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0
Series: ResidualsSample 23 99Observations 21
Mean -5.75e-15Median 0.178959Maximum 1.547595Minimum -2.905996Std. Dev. 1.120011Skewness -0.768098Kurtosis 3.171467
Jarque-Bera 2.090635Probability 0.351580
Sumber: Output Eviews 9.5 (data diolah)
Berdasarkan tabel 4.13 diatas, dapat diketahui bahwa
probability JB > 0.05 (0.351580 > 0.05), sehingga dapat
disimpulkan bahwa H0 diterima dan data berdistribusi normal.
b. Uji Multikolinearitas
Tabel 4.14
Hasil Uji Multikolinearitas
CAR NPF BOPO
CAR 1.000000 -0.021325 0.311999
NPF -0.021325 1.000000 0.656128
BOPO 0.311999 0.656128 1.000000
Sumber: Output Eviews 9.5 (data diolah)
Berdasarkan tabel 4.14 diatas dengan menggunakan
correlation test dapat disimpulkan bahwa tidak terjadi
multikolinearitas. Hal ini dapat di lihat pada nilai tertinggi sebesar
101
0.664094 (0.656128 < 0.9) yaitu antara NPF dan BOPO yang
artinya H0 diterima.
c. Uji Heteroskedastisitas
Tabel 4.15
Hasil Uji Heteroskedastisitas (Uji White) Heteroskedasticity Test: White
F-statistic 1.526576 Prob. F(9,67) 0.1567
Obs*R-squared 13.10289 Prob. Chi-Square(9) 0.1580
Scaled explained SS 22.48472 Prob. Chi-Square(9) 0.0075 Sumber: Output Eviews 9.5 (data diolah)
Berdasarkan tabel 4.16 diatas dapat disimpulkan bahwa H0
diterima. Hal ini terbukti dengan nilai probability chi-square > 0.05
(0.1580 > 0.05), artinya tidak terjadi heteroskedastisitas sehingga
dapat dilanjutkan ke pengujian selanjutnya.
d. Uji Autokorelasi
Tabel 4.16
Hasil Uji Autokorelasi Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.643382 Prob. F(2,101) 0.5277
Obs*R-squared 1.346057 Prob. Chi-Square(2) 0.5102 Sumber: Output Eviews 9.5 (data diolah)
Berdasarkan tabel 4.16 diatas, dapat disimpulkan bahwa tidak
terjadi gelaja autokorelasi dalam model. Hal ini dibuktikan dengan
nilai probability chi-square > 0.05 (0.5102 > 0.05), yang artinya H0
diterima.
102
3. Pengujian Hipotesis dengan Analisis Regresi Data Panel
a) Pengaruh Variabel CAR, NPF, dan BOPO terhadap Rentabilitas
secara parsial (uji t)
Uji t dilakukan untuk mengetahui besarnya pengaruh variabel
CAR, NPF, dan BOPO secara parsial terhadap Rentabilitas yang
diproksikan dengan Net Operating Margin (NOM). Pengujian
secara parsial digunakan untuk menguji pengaruh variabel
independen terhadap variabel dependen. Jika probabilitas < 0.05
maka H0 ditolak dan Ha diterima sehingga dapat disimpulkan bahwa
variabel independen berpengaruh signifikan terhadap variabel
dependen. Sedangkan apabila probabilitas > 0.05 maka H0 diterima
dan Ha ditolak sehingga dapat disimpulkan bahwa variabel
independen berpengaruh tidak signifikan terhadap variabel
dependen. Uji hipotesis secara parsial dapat dilihat dari tabel
berikut:
Tabel 4.17
Hasil Uji t
Dependent Variable: NOM?
Method: Pooled EGLS (Cross-section random effects)
Date: 09/23/17 Time: 09:24
Sample: 2015Q1 2017Q1
Included observations: 9
Cross-sections included: 12
Total pool (unbalanced) observations: 108
Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C 28.20628 3.522494 8.007474 0.0000
CAR? -0.027028 0.056740 -0.476346 0.6349
NPF? -0.368632 0.115329 -3.196353 0.0019
103
BOPO? -0.272692 0.038766 -7.034360 0.0000
Random Effects (Cross)
BMI--C 0.806915
BSM--C 0.637533
BNIS--C -1.493184
BRIS--C -0.221861
BMS--C 0.330991
BPDS--C -0.815779
BCAS--C -0.525722
BJBS--C -3.184243
BVS--C 2.177673
BSB--C -0.806124
BTPNS--C 1.566004
MSI--C 1.527796 Effects Specification
S.D. Rho Cross-section random 1.775431 0.2816
Idiosyncratic random 2.835707 0.7184 Weighted Statistics R-squared 0.626942 Mean dependent var -0.391650
Adjusted R-squared 0.615404 S.D. dependent var 4.631720
S.E. of regression 2.864777 Sum squared resid 796.0740
F-statistic 54.33767 Durbin-Watson stat 0.991164
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.711136 Mean dependent var -0.612574
Sum squared resid 1060.297 Durbin-Watson stat 0.744169
Sumber: Output Eviews 9.5 (data diolah)
Berdasarkan tabel diatas, maka dapat ditarik kesimpulan
sebagai berikut:
1) Pengaruh CAR terhadap rentabilitas
Hasil pengujian dengan analisis regresi data panel di atas
menunjukan nilai coefficient CAR sebesar -0.476346 yang
menunjukan bahwa arah koefisien negatif, sedangkan
probabilitas CAR sebesar 0.6349 > 0.05 menyebabkan H0
104
diterima dan Ha ditolak. Sehingga dapat disimpulkan bahwa
CAR tidak berpengaruh signifikan terhadap rentabilitas.
2) Pengaruh NPF terhadap rentabilitas
Hasil pengujian dengan analisis regresi data panel di atas
menunjukan nilai coefficient NPF sebesar -3.196353 yang
menunjukkan bahwa arah koefisien negatif, sedangkan
probabilitas NPF sebesar 0.0019 < 0.05 menyebabkan H0
ditolak dan Ha diterima. Sehingga dapat disimpulkan bahwa
NPF memiliki pengaruh signifikan terhadap rentabilitas.
3) Pengaruh BOPO terhadap rentabilitas
Hasil pengujian dengan analisis regresi data panel di atas
menunjukan nilai coefficient BOPO sebesar -7.034360 yang
menunjukkan bahwa arah koefisien negatif, sedangkan
probabilitas BOPO sebesar 0.0000 < 0.05 sehingga H0 ditolak
dan Ha diterima. Sehingga dapat disimpulkan bahwa BOPO
memiliki pengaruh signifikan terhadap rentabilitas.
b) Pengaruh Variabel CAR, NPF, dan BOPO terhadap Rentabilitas
secara simultan (uji F)
Uji F digunakan untuk mengetahui besarnya pengaruh variabel
CAR, NPF, dan BOPO secara simultan terhadap rentabilitas yang
diproksikan dengan Net Operating Margin (NOM). Pengujian
secara simultan atau uji F digunakan untuk menguji pengaruh
variabel independen secara bersama-sama terhadap variabel
105
dependen. Apabila probabilitas < 0.05 maka Ho ditolak dan Ha
diterima sehingga dapat disimpulkan bahwa variabel independen
berpengaruh signifikan secara simultan terhadap variabel
dependen. Sedangkan apabila nilai probabilitasnya > 0.05 maka H0
diterima dan Ha ditolak sehingga dapat disimpulkan bahwa variabel
independen secara simultan tidak berpengaruh signifikan terhadap
variabel independen. Uji Hipotesis secara simultan dapat dilihat
dari tabel berikut:
Tabel 4.18
Hasil Uji F Weighted Statistics R-squared 0.626942 Mean dependent var -0.391650
Adjusted R-squared 0.615404 S.D. dependent var 4.631720
S.E. of regression 2.864777 Sum squared resid 796.0740
F-statistic 54.33767 Durbin-Watson stat 0.991164
Prob(F-statistic) 0.000000
Sumber: Output Eviews 9.5 (data diolah)
Dengan Hipotesis :
H0 : CAR, NPF, dan BOPO secara simultan tidak berpengaruh
signifikan terhadap rentabilitas
Ha : CAR, NPF, dan BOPO secara simultan memiliki pengaruh
signifikan terhadap rentabilitas
Berdasarkan hasil uji F diatas dapat dilihat bahwa nilai
probabilitas F-statistic sebesar 0.000000 < 0.05, sehingga H0
ditolak dan Ha diterima. Dengan demikian dapat disimpulkan
106
bahwa secara simultan terdapat pengaruh yang signifikan antara
variabel independen (CAR, NPF, dan BOPO) terhadap rentabilitas.
4. Koefisien Determinasi (Adjusted R2)
Koefisien Determinasi digunakan untuk mengetahui seberapa besar
kemampuan model dalam penelitian menerangkan variabel dependen.
Koefisien determinasi dapat dilihat pada tabel berikut:
Tabel 4.19
Hasil Uji Adjusted R-Square Weighted Statistics R-squared 0.626942 Mean dependent var -0.391650
Adjusted R-squared 0.615404 S.D. dependent var 4.631720
S.E. of regression 2.864777 Sum squared resid 796.0740
F-statistic 54.33767 Durbin-Watson stat 0.991164
Prob(F-statistic) 0.000000
Sumber: Output Eviews 9.5 (data diolah)
Berdasarkan tabel 4.19 diatas besarnya nilai Adjusted R-squared
adalah 0.615404. Hal ini menunjukkan bahwa rentabilitas dapat
dijelaskan oleh variabel independen (CAR, NPF, dan BOPO) sebesar
61.54%. Sedangkan sisanya (100% - 61.54% = 38.46%) dijelaskan oleh
faktor lain diluar model regresi penelitian seperti faktor internal bank
(KAP, FDR, STM, pembiayaan, dll) dan faktor eksternal bank (tingkat
suku bunga, inflasi, dll).
107
5. Model Regresi Data Panel
Tabel 4.20
Hasil Regresi Data Panel
Dependent Variable: NOM?
Method: Pooled EGLS (Cross-section random effects)
Date: 09/23/17 Time: 09:24
Sample: 2015Q1 2017Q1
Included observations: 9
Cross-sections included: 12
Total pool (unbalanced) observations: 108
Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C 28.20628 3.522494 8.007474 0.0000
CAR? -0.027028 0.056740 -0.476346 0.6349
NPF? -0.368632 0.115329 -3.196353 0.0019
BOPO? -0.272692 0.038766 -7.034360 0.0000
Random Effects (Cross)
BMI--C 0.806915
BSM--C 0.637533
BNIS--C -1.493184
BRIS--C -0.221861
BMS--C 0.330991
BPDS--C -0.815779
BCAS--C -0.525722
BJBS--C -3.184243
BVS--C 2.177673
BSB--C -0.806124
BTPNS--C 1.566004
MSI--C 1.527796 Effects Specification
S.D. Rho Cross-section random 1.775431 0.2816
Idiosyncratic random 2.835707 0.7184 Weighted Statistics R-squared 0.626942 Mean dependent var -0.391650
Adjusted R-squared 0.615404 S.D. dependent var 4.631720
S.E. of regression 2.864777 Sum squared resid 796.0740
F-statistic 54.33767 Durbin-Watson stat 0.991164
Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.711136 Mean dependent var -0.612574
Sum squared resid 1060.297 Durbin-Watson stat 0.744169
Sumber: Output Eviews 9.5 (data diolah)
108
Berdasarkan tabel 4.20 diatas, maka diperoleh persamaan model
regresi antara variabel dependen (NOM) dan variabel independen
(CAR, NPF, dan BOPO) sebagai berikut:
Rentabilitasit = 28.20628 - 0.027028CARit - 0.368632NPFit -
0.272692BOPOit + e
Dari persamaan diatas dapat dijelaskan bahwa:
a. Konstanta sebesar 28.20628 menunjukan bahwa jika variabel
independen (CAR, NPF, dan BOPO) pada observasi ke i dan
periode ke t adalah konstan, maka nilai NOM adalah 28.20628.
b. Koefisien regresi sebesar -0.027028 menunjukkan jika nilai CAR
pada observasi ke i dan periode ke t naik sebesar 1% maka akan
menurunkan nilai NOM pada observasi ke i dan periode ke t
sebesar -0.027028.
c. Koefisien regresi sebesar -0.368632 menunjukkan jika nilai NPF
pada observasi ke i dan periode ke t turun sebesar 1% maka akan
menurunkan nilai NOM pada observasi ke i dan periode ke t
sebesar -0.368632.
d. Koefisien regresi sebesar -0.272692 menunjukkan jika nilai BOPO
pada observasi ke i dan periode ke t turun sebesar 1% maka akan
menurunkan nilai NOM pada observasi ke i dan periode ke t
sebesar -0.272692.
Yit = β0i + β1X1it + β2X2it + β3X3it + εit
109
6. Persamaan Model Regresi Tiap Bank
Tabel 4.21
Model Regresi Tiap Bank Variable Coefficient Std. Error t-Statistic Prob. C 28.20628 3.522494 8.007474 0.0000
CAR? -0.027028 0.056740 -0.476346 0.6349
NPF? -0.368632 0.115329 -3.196353 0.0019
BOPO? -0.272692 0.038766 -7.034360 0.0000
Random Effects (Cross)
BMI--C 0.806915
BSM--C 0.637533
BNIS--C -1.493184
BRIS--C -0.221861
BMS--C 0.330991
BPDS--C -0.815779
BCAS--C -0.525722
BJBS--C -3.184243
BVS--C 2.177673
BSB--C -0.806124
BTPNS--C 1.566004
MSI--C 1.527796 Sumber: Output Eviews 9.5 (data diolah)
Berdasarkan table 4.21 diatas, maka didapat persamaan model
regresi tiap bank umum syariah sebagai berikut:
1) Persamaan model regresi Bank Muamalat Indonesia
Rentabilitas BMIit = 0.806915 - 0.027028CARit -
0.368632NPFit - 0.272692BOPOit + e
Konstanta sebesar 0.806915 menunjukkan bahwa jika variabel
independen (CAR, NPF, dan BOPO) pada observasi ke i dan
periode ke t adalah konstan, maka rentabilitas meningkat sebesar
0.806915.
110
2) Persamaan model regresi Bank Syariah Mandiri
Rentabilitas BSMit = 0.637533 - 0.027028CARit -
0.368632NPFit - 0.272692BOPOit + e
Konstanta sebesar 0.637533 menunjukkan bahwa jika variabel
independen (CAR, NPF, dan BOPO) pada observasi ke i dan
periode ke t adalah konstan, maka rentabilitas meningkat sebesar
0.637533.
3) Persamaan model regresi Bank Negara Indonesia Syariah
Rentabilitas BNISit = -1.493184 - 0.027028CARit -
0.368632NPFit - 0.272692BOPOit + e
Konstanta sebesar -1.493184 menunjukkan bahwa jika variabel
independen (CAR, NPF, dan BOPO) pada observasi ke i dan
periode ke t adalah konstan, maka rentabilitas menurun sebesar -
1.493184.
4) Persamaan model regresi Bank Rakyat Indonesia Syariah
Rentabilitas BRISit = -0.221861 - 0.027028CARit -
0.368632NPFit - 0.272692BOPOit + e
Konstanta sebesar -0.221861 menunjukkan bahwa jika variabel
independen (CAR, NPF, dan BOPO) pada observasi ke i dan
periode ke t adalah konstan, maka rentabilitas menurun sebesar -
0.221861.
111
5) Persamaan model regresi Bank Mega Syariah
Rentabilitas BMSit = 0.330991 - 0.027028CARit -
0.368632NPFit - 0.272692BOPOit + e
Konstanta sebesar 0.330991 menunjukkan bahwa jika variabel
independen (CAR, NPF, dan BOPO) pada observasi ke i dan
periode ke t adalah konstan, maka rentabilitas meningkat sebesar
0.330991.
6) Persamaan model regresi Bank Panin Dubai Syariah
Rentabilitas BPDSit = -0.815779 - 0.027028CARit -
0.368632NPFit - 0.272692BOPOit + e
Konstanta sebesar -0.815779 menunjukkan bahwa jika variabel
independen (CAR, NPF, dan BOPO) pada observasi ke i dan
periode ke t adalah konstan, maka rentabilitas menurun sebesar -
0.815779.
7) Persamaan model regresi Bank Central Asia Syariah
Rentabilitas BCASit = -0.525722 - 0.027028CARit -
0.368632NPFit - 0.272692BOPOit + e
Konstanta sebesar -0.525772 menunjukkan bahwa jika variabel
independen (CAR, NPF, dan BOPO) pada observasi ke i dan
periode ke t adalah konstan, maka rentabilitas menurun sebesar -
0.525772.
112
8) Persamaan model regresi Bank Jabar Banten Syariah
Rentabilitas BJBSit = -3.184243 - 0.027028CARit -
0.368632NPFit - 0.272692BOPOit + e
Konstanta sebesar -3.184243 menunjukkan bahwa jika variabel
independen (CAR, NPF, dan BOPO) pada observasi ke i dan
periode ke t adalah konstan, maka rentabilitas menurun sebesar -
3.184243.
9) Persamaan model regresi Bank Victoria Syariah
Rentabilitas BVSit = 2.177673 - 0.027028CARit -
0.368632NPFit - 0.272692BOPOit + e
Konstanta sebesar 2.177673 menunjukkan bahwa jika variabel
independen (CAR, NPF, dan BOPO) pada observasi ke i dan
periode ke t adalah konstan, maka rentabilitas meningkat sebesar
2.177673.
10) Persamaan model regresi Bank Syariah Bukopin
Rentabilitas BSBit = -0.806124 - 0.027028CARit -
0.368632NPFit - 0.272692BOPOit + e
Konstanta sebesar -0.806124 menunjukkan bahwa jika variabel
independen (CAR, NPF, dan BOPO) pada observasi ke i dan
periode ke t adalah konstan, maka rentabilitas menurun sebesar -
0.806124.
113
11) Persamaan model regresi Bank Tabungan Pensiunan Nasional
Syariah
Rentabilitas BTPNSit = 1.566004 - 0.027028CARit -
0.368632NPFit - 0.272692BOPOit + e
Konstanta sebesar 1.566004 menunjukkan bahwa jika variabel
independen (CAR, NPF, dan BOPO) pada observasi ke i dan
periode ke t adalah konstan, maka rentabilitas meningkat sebesar
1.566004.
12) Persamaan model regresi Maybank Syariah Indonesia
Rentabilitas MBSit = 1.527796 - 0.027028CARit -
0.368632NPFit - 0.272692BOPOit + e
Konstanta sebesar 1.527796 menunjukkan bahwa jika variabel
independen (CAR, NPF, dan BOPO) pada observasi ke i dan
periode ke t adalah konstan, maka rentabilitas meningkat sebesar
1.527796.
E. Interpretasi Hasil Penelitian
1. Pengaruh CAR terhadap rentabilitas
Hasil penelitian menunjukkan bahwa H01 diterima dan Ha1 ditolak
yang artinya variabel CAR tidak berpengaruh signifikan terhadap
Rentabilitas. Hal ini dibuktikan dengan hasil uji hipotesis dengan nilai
signifikan lebih besar dari nilai α (0.6349 > 0.05).
Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh
Romdayanah (2011) dan Defri (2012) yang menyatakan bahwa CAR tidak
114
berpengaruh signifikan terhadap Rentabilitas. Namun, hasil ini
bertentangan dengan penelitian yang dilakukan oleh Wibisono dan
Wahyuni (2017) dan Nasution (2017) yang menyatakan bahwa CAR
berpengaruh signifikan terhadap Rentabilitas.
Capital Adequacy Ratio (CAR) tidak berpengaruh signifikan terhadap
rentabilitas. Hasil penelitian ini mengindikasikan bahwa semakin tinggi
tingkat kecukupan pemenuhan modal (CAR) suatu bank tidak menjadi
tolak ukur keberhasilan manajemen bank dalam memperoleh laba yang
tinggi. Bank yang memiliki modal besar namun tidak dapat menggunakan
modalnya itu secara efektif untuk menghasilkan laba, maka modal yang
besar pun tidak berpengaruh secara signifikan terhadap profitabilitas bank
(Syaichu, 2013).
Tidak signifikannya CAR terhadap NOM, hal ini kemungkinan
dikarenakan peraturan BI yang mengharuskan bank syariah untuk menjaga
CAR dengan ketentuan minimal 8%, sehingga pemilik bank menambah
modal bank dengan menyediakan dana (fresh money) untuk mengantisipasi
risiko pembiayaan yang diberikan agar rasio kecukupan modal (CAR)
bank dapat terpenuhi. Sedangkan pangsa pasar perbankan saat
dilakukannya penelitian masih tergolong rendah yaitu berkisar di angka
5%. Hal ini membuktikan bahwa tingkat kepercayaan masyarakat juga
masih tergolong rendah. Terlihat pada akhir tahun 2016 dana pihak ketiga
bank umum syariah sebesar Rp 206 Miliar lebih terhadap Financing to
Deposit Ratio (FDR) sebesar 85,99%. Artinya, bank syariah belum mampu
115
menyentuh angka FDR 90%. Untuk dapat memperoleh imbal hasil yang
efektif untuk nasabah simpanan, maka bank syariah harus dapat menjaga
tingkat FDR di atas 90%.
Akibat dari kejadian tersebut perbankan kurang menyalurkan
pembiayaan, bank dan pemilik modal lebih dominan membeli sertifikat
Bank Indonesia (SBI) dimana Aktiva Tertimbang Menurut Risiko
(ATMR) SBI oleh bank adalah 0. Dengan demikian ATMR bank relatif
kecil sehingga CAR tetap besar. Sehingga wajar jika CAR tidak signifikan
terhadap rentabilitas yang diproksikan oleh NOM, karena walaupun modal
yang dimiliki bank tinggi, tetapi kepercayaan masyarakat masih rendah,
hal ini tidak berdampak pada rentabilitas bank.
Hubungan antara CAR dan rentabilitas adalah negatif (-0.476346),
sehingga dapat diartikan bahwa CAR berpengaruh negatif terhadap
rentabilitas. Hal ini tidak sejalan dengan teori yang dikemukakan Somantri
(2013) yang menyebutkan bahwa semakin tinggi CAR maka akan semakin
meningkatkan rentabilitas sehingga dapat dikatakan memiliki pengaruh
positif.
Perbedaan hasil penelitian dengan teori terjadi karena, Bank Umum
Syariah di Indonesia pada tahun penelitian belum memaksimalkan modal
yang ada. Jika kecukupan modal besar maka diperkirakan rentabilitas
bank akan kecil. Hal ini dikarenakan kecukupan modal yang besar, yang
mana merupakan dana yang difungsikan untuk menghadapi kemungkinan
risiko yang akan terjadi, dapat diartikan dana yang tidak produktif. Dengan
116
kata lain, semakin tingginya dana yang tidak produktif akan berdampak
pada kemampuan bank dalam menghasilkan laba rendah.
2. Pengaruh NPF terhadap rentabilitas
Hasil penelitian menunjukkan bahwa H02 ditolak dan Ha2 diterima
yang artinya variabel NPF berpengaruh signifikan terhadap Rentabilitas.
Hal ini dibuktikan dengan hasil uji hipotesis dengan nilai signifikan lebih
kecil dari nilai α (0.0019 < 0.05).
Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh
Wibisono dan Wahyuni (2017) dan Nasution (2017) yang menyatakan
bahwa NPF berpengaruh signifikan terhadap Rentabilitas. Namun, hasil ini
bertentangan dengan penelitian yang dilakukan oleh Somantri (2017) yang
menyatakan bahwa NPF tidak berpengaruh signifikan terhadap
Rentabilitas.
Non Performing Finance (NPF) merupakan refleksi dari besarnya
pembiayaan bermasalah yang dihadapi oleh bank. Semakin tinggi rasio ini
maka akan semakin buruk kualitas kredit bank yang menyebabkan jumlah
kredit bermasalah semakin besar, dan oleh karena itu bank harus
menanggung kerugian dalam kegiatan operasionalnya sehingga
berpengaruh terhadap penurunan laba dan berpengaruh pada tingkat
rentabilitas bank (Somantri, 2017).
Hubungan antara NPF dan rentabilitas adalah negatif (-3.196353),
sehingga dapat diartikan bahwa NPF berpengaruh negatif terhadap
rentabilitas. Hal ini sejalan dengan hasil penelitian yang dilakukan oleh
117
Wibisono dan Wahyuni (2017) dan Nasution (2017) yang menyebutkan
bahwa semakin tinggi NPF maka akan berpengaruh terhadap penurunan
laba. NPF yang tinggi mengindikasikan pembiayaan bermasalah yang
tinggi yang pada akhirnya dapat menurunkan laba bank syariah.
3. Pengaruh BOPO terhadap rentabilitas
Hasil penelitian menunjukkan bahwa H03 ditolak dan Ha3 diterima
yang artinya variabel BOPO berpengaruh signifikan terhadap Rentabilitas.
Hal ini dibuktikan dengan hasil uji hipotesis dengan nilai signifikan lebih
kecil dari nilai α (0.0000 < 0.05).
Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh
Wibisono dan Wahyuni (2017) dan Junita (2015) yang menyatakan bahwa
BOPO berpengaruh signifikan terhadap Rentabilitas. Namun, hasil ini
bertentangan dengan penelitian yang dilakukan oleh Sabir, Ali dan Habbe
(2012) yang menyatakan bahwa BOPO tidak berpengaruh signifikan
terhadap Rentabilitas.
Biaya Operasional Pendapatan Operasional (BOPO) digunakan untuk
mengukur tingkat efisiensi dan kemampuan bank dalam melakukan
kegiatan operasinya. Semakin kecil rasio BOPO berarti semakin efisien
biaya operasional yang dikeluarkan bank yang bersangkutan sehingga
kecil kemungkinan suatu bank dalam kondisi bermasalah dan semakin
kecil rasio ini maka kinerja bank semakin baik. Dengan demikian, efisiensi
operasi suatu bank yang diproksikan dengan rasio BOPO akan
mempengaruhi kinerja bank tersebut (Syamsurizal, 2016).
118
Hubungan antara BOPO dan rentabilitas adalah negatif (-7.034360),
sehingga dapat diartikan bahwa BOPO berpengaruh negatif terhadap
rentabilitas. Ini berarti, jika BOPO bank syariah semakin kecil, maka
NOM akan semakin besar. hal ini terjadi dikarenakan dengan adanya
peningkatan kemampuan manajemen bank dalam mengendalikan biaya
operasional maka akan memperbesar peluang suatu bank dalam
meningkatkan perolehan pendapatan operasionalnya sehingga berdampak
pada tingkat NOM suatu bank menjadi lebih baik. BOPO sering digunakan
dalam mengukur efisiensi suatu bank. Rendahnya BOPO mencerminkan
kualitas manajemen yang tinggi pada bank. Semakin rendah rasio ini
semakin bagus karena bank menghasilkan banyak pendapatan operasional
dari pengelolaan aktivanya dengan biaya operasional yang rendah. Oleh
karena itu, Bank Indonesia menetapkan angka terbaik untuk rasio BOPO
yaitu dibawah 85% dalam predikat sehat, jika BOPO melebihi angka 87%
atau mendekati 100% maka bank tersebut dapat dikategorikan tidak efisien
dalam menjalankan operasinya.
4. Pengaruh CAR, NPF, dan BOPO secara simultan terhadap rentabilitas
Hasil penelitian menunjukkan bahwa H04 ditolak dan Ha4 diterima
yang artinya secara simultan variabel CAR, NPF, dan BOPO berpengaruh
signifikan terhadap Rentabilitas. Hal ini dibuktikan dengan hasil uji
hipotesis dengan nilai signifikan lebih kecil dari nilai α (0.0000 < 0.05).
CAR merupakan rasio permodalan. Semakin tinggi CAR maka
semakin kuat kemampuan bank tersebut untuk menanggung risiko dari
119
setiap pinjaman atau aktiva produktif yang berisiko (Wibisono, 2017).
Atau dengan kata lain, maka semakin tinggi kecukupan modalnya untuk
menanggung risiko pinjaman macetnya, sehingga kinerja bank semakin
baik, dan dapat meningkatkan kepercayaan masyarakat terhadap bank
syariah yang bersangkutan.
NPF mencerminkan risiko pembiayaan, semakin tinggi rasio ini,
menunjukkan kualitas pembiayaan bank syariah semakin buruk.
Pengelolaan pembiayaan sangat diperlukan oleh bank, mengingat fungsi
pembiayaan sebagai penyumbang pendapatan terbesar bagi bank syariah.
Tingkat kesehatan pembiayaan (NPF) ikut mempengaruhi pencapaian laba
bank (Suhada, 2009). Bertambahnya NPF akan mengakibatkan hilangnya
kesempatan untuk memperoleh pendapatan dari pembiayaan yang
diberikan sehingga mempengaruhi perolehan laba (Wibowo dan Syaichu,
2013).
BOPO menunjukkan seberapa besar bank dapat menekan biaya
operasionalnya di satu pihak, dan seberapa besar bank dapat melakukan
efisiensi terhadap biaya operasional yang dikeluarkan. Semakin kecil rasio
BOPO, berarti semakin efisien biaya operasional yang dikeluarkan bank
yang bersangkutan sehingga kemungkinan yang lebih besar bagi bank
untuk mendapatkan keuntungan yang lebih dan menunjukkan bahwa bank
tidak berada dalam kondisi bermasalah (Sukarno dan Syaichu, 2006).
Dari penjelasan diatas dapat disimpulkan bahwa ketiga variabel
tersebut, yaitu Capital Adequacy Ratio (CAR), Non Performing Finance
120
(NPF), dan Biaya Operasional Pendapatan Operasional (BOPO) bersama-
sama memiliki pengaruh signifikan terhadap rentabilitas.
120
BAB V
PENUTUP
A. Kesimpulan
Berdasarkan analisis dan pembahasan hasil penelitian dengan melakukan
pengujian hipotesis menggunakan analisis regresi data panel, dapat diambil
kesimpulan pada studi kasus Bank Umum Syariah di Indonesia periode 2015-
2017 sebagai berikut:
1. Secara Parsial, Capital Adequacy Ratio (CAR) tidak memiliki pengaruh
signifikan terhadap rentabilitas dengan nilai probabilitas sebesar 0,6349.
Non Performing Finance (NPF) memiliki pengaruh signifikan terhadap
rentabilitas dengan nilai probabilitas sebesar 0,0019. Biaya Operasional
Pendapatan Operasional (BOPO) memiliki pengaruh signifikan terhadap
rentabilitas dengan nilai probabilitas sebesar 0,0000.
2. Capital Adequacy Ratio (CAR), Non Performing Finance (NPF), dan
Biaya Operasional Pendapatan Operasional (BOPO) secara simultan
berpengaruh signifikan terhadap rentabilitas dengan nilai probabilitas
sebesar 0,00000.
B. Saran
Berkaitan dengan penelitian ini, penulis menyarankan beberapa hal
sebagai berikut :
1. Teoritis
a. Bagi Akademisi
121
Penelitian rentabilitas khususnya pada rasio Net Operating
Margin (NOM) bank umum syariah di Indonesia masih tergolong
baru. Maka dari itu dibutuhkan penelitian selanjutnya agar dapat
mendukung hasil penelitian sebelumnya.
Melihat hasil Adjusted R-Square pada penelitian ini sebesar
61,54% maka disarankan bagi peneliti selanjutnya untuk
menambahkan variabel independen lainnya baik dari segi internal
maupun eksternal bank syariah.
Dalam penelitian selanjutnya juga diharapkan tidak hanya
menggunakan Bank Umum Syariah (BUS) tetapi menggunakan
industri perbankan syariah lainnya seperti Unit Usaha Syariah (UUS)
dan Bank Perkreditan Rakyat Syariah (BPRS).
2. Praktisi
a. Perbankan Syariah
Bagi pihak manajemen bank, diharapkan bank syariah dapat
mengelola modal yang dimilikinya dengan baik untuk
menghindari terjadinya idle fund (dana menganggur), sehingga
dapat meningkatkan rentabilitas. Bank juga harus terus berhati-
hati dalam penyaluran pembiayaan, karena pembiayaan
bermasalah yang tinggi akan berpengaruh terhadap menurunnya
rentabilitas. Efisiensi bank juga harus ditingkatkan dengan terus
menekan biaya operasional seminimal mungkin. karena semakin
kecil rasio BOPO maka semakin efisien manajeman bank dalam
122
mengelola bank syariah yang berujung pada peningkatan
rentabilitas.
b. Masyarakat
Dengan adanya penelitian ini, masyarakat tentunya
mendapatkan gambaran informasi terkait rentabilitas bank umum
syariah. Sehingga diharapkan dapat membantu masyarakat dalam
mengambil keputusan terkait aktivitas-aktivitas perbankan.
Terkait dengan adanya risiko, maka disarankan bagi masyarakat
untuk memilih bank dengan tingkat rentabilitas yang tinggi.
Rentabilitas yang tinggi mengindikasikan bahwa bank dapat
mengelola dananya dengan baik sehingga kemampuannya dalam
menghasilkan laba juga tinggi.
Rentabilitas bukanlah satu-satunya faktor yang dapat
dijadikan tolak ukur dalam mengambil keputusan, oleh karena itu,
masyarakat disarankan untuk lebih memperkaya informasi terkait
faktor lainnya seperti: faktor permodalan, kualitas aset, likuiditas,
dan sensitivitas.
123
DAFTAR PUSTAKA
Al-Qur’an
Ali, Zainuddin. 2008. Hukum Perbankan Syariah. Jakarta: Sinar Grafika.
Ariefianto, Moch Doddy. 2012. Ekonometrika Esensi dan Aplikasi dengan
Menggunakan Eviews. Jakarta: Erlangga.
Benoit, Kenneth. 2011. Linear Regression Models with Logarithmic
Transformations. Methodology Institute, London School of Economics.
Bungin, Burhan. 2009. Metodologi Penelitian Kuantitatif: Komunikasi, Ekonomi
dan Kebijakan Publik Serta Ilmu-ilmu Sosial Lainnya. Jakarta: Kencana.
Rustam, Bambang Rianto. 2013. Manajemen Risiko Perbankan Syariah di
Indonesia. Jakarta: Salemba empat.
Fahmi, Irham. 2011. Analisis Laporan Keuangan. Lampulo: ALFABETA.
Ghozali, Imam. 2011. Aplikasi Analisis Multivariat dengan Program IBM SPSS
19 edisi 5. Semarang: Badan Penerbit Universitas Diponegoro.
Ghozali, Imam, & Ratmono, Dwi. 2013. Analisis Multivariat dan Ekonometrika.
Semarang: UNDIP.
Gujarati, Damodar N. 2012. Basic Econometrics. USA: McGraw-Hill.
Harahap, Sofyan Syafri. 2015. Analisis Kritis atas Laporan Keuangan. Jakarta:
PT Raja Grafindo Persada.
Hendro, Tri, & Rahardja, Conny Tjandra. 2014. Bank & Institusi Keuangan Non
Bank di Indonesia. Yogyakarta: UPP STIM YKPN.
Hery. 2017. Balanced Scorecard for Business. Jakarta: PT. Grasindo.
Husein, Arif Rachman, & Hasib, Fatin Fadhilah. 2016. Tingkat Kesehatan Bank:
Analisa Perbandingan Pendekatan CAMELS dan RGEC (Studi Pada Bank
Umum Syariah Tahun Periode 2012-2014). Jurnal Ekonomi Syariah Teori
dan Terapan, 3 No. 2, 102-116.
Is, Muhamad Sadi. 2015. Konsep Hukum Perbankan Syariah. Malang: Setara
Press.
Ihsan, Dwi Nur’aini. 2013. Analisis Laporan Keuangan Perbankan Syariah.
Jakarta: UIN Jakarta Press.
124
Ikatan Bankir Indonesia. 2014. Memahami Bisnis Bank Syariah. Jakarta: PT
Gramedia Pustaka Utama.
Ismail. 2011. Manajemen Perbankan: Dari Teori Menuju Aplikasi. Jakarta:
Kencana Prenada Media Group.
Ismail, V. R. 2013. Islamic Risk Management For Islamic Bank. Jakarta: PT
Gramedia Pustaka Utama.
Jumingan. 2017. Analisis Laporan Keuangan, Cetakan Keenam. Jakarta: PT Bumi
Akasara.
Kasmir. 2013. Analisis Laporan Keuangan. Jakarta: Rajawali Pers.
Kasmir. 2014. Manajemen Perbankan. Jakarta: PT RajaGrafindo Persada.
Nasution, Ibrahim Kholil. 2017. Pengaruh FDR, CAR, NPF, dan BOPO terhadap
Net Operating Margin (NOM) Bank Pembiayaan Rakyat Syariah (BPRS)
di Indonesia (Periode 2011-2016). Jakarta: UIN Syarif Hidayatullah
Jakarta.
Perwataatmadja, Karnaen A, & Tanjung, Hendri. 2007. Bank Syariah Teori,
Praktik, dan Peranannya. Jakarta: Celestial Publishing.
Prasetiyo, Luhur. 2012. Analisis Rentabilitas Bank Umum Syariah Di Indonesia.
Kodifikasia, Vol. 6, No. 1.
Rivai, Veithzal, & Ismail, Rifki. 2013. Islamic Risk Management For Islamic
Bank. Jakarta: PT Gramedia Pustaka Utama.
Riyadi, Slamet, & Yulianto, Agung. 2014. Pengaruh Pembiayaan Bagi Hasil,
Pembiayaan Jual Beli, Financing To Deposit Ratio (FDR) Dan Non
Performing Financing (NPF) Terhadap Profitabilitas Bank Umum Syariah
Di Indonesia. Accounting Analysis Journal. ISSN: 2252-6765.
Romdayanah. 2011. Pengaruh Faktor Permodalan, Kualitas Aset, dan Likuiditas
terhadap Profitabilitas Bank Umum Syariah. Semarang: IAIN Walisongo.
Sherty Junita. 2015. Pengaruh KAP, BOPO, dan FDR terhadap Net Operating
Margin (NOM) Perbankan Syariah di Indonesia Periode 2010-2014.
Jakarta: UIN Syarif Hidayatullah Jakarta.
Somantri, Yeni Fitriani. 2017. Pengaruh Risiko Pembiayaan, Kualitas Aktiva
Produktif, Dana Pihak Ketiga, dan Volume Pembiayaan terhadap Tingkat
125
Rentabilitas pada Bank Umum Syariah. LPPM Universitas Perjuangan
Tasikmalaya, Vol. 1 No. 1, 2549-872X.
Spiegel, Murray R., dan Larry J. Stephens. 2007. Statistik. Edisi Ketiga. Jakarta:
Erlangga.
Sriyana, Jaka. 2014. Metode Regresi Data Panel. Yogyakarta: Ekonisia.
Sugiyono. 2016. Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung:
ALFABETA.
Syamsurizal. 2016. Pengaruh CAR (Capital Adequacy Ratio), NPF (Non
Performing Financing) dan BOPO (Biaya Operasional Perpendapatan
Operasional) terhadap ROA (Return On Asset) pada BUS (Bank Umum
Syariah) yang Terdaftar di BI (Bank Indonesia). Jurnal Penelitian Sosial
Keagamaan, Vol. 19 No. 2 .
Verbeek, Marno. 2008. A Guide to Modern Econometrics. Third Edition.
England: John Wiley & Sons Ltd.
Wibisono, Muhammad Yusuf, & Wahyuni, Salamah. 2017. Pengaruh CAR, NPF,
BOPO, FDR, terhadap ROA yang Dimediasi oleh NOM. Jurnal Bisnis &
Manajemen , Vol. 17 No. 1, 41-62.
Wibowo, Edhi Satriyo, & Syaichu, Muhammad. 2013. Analisis Pengaruh Suku
Bunga, Inflasi, CAR, BOPO, NPF Terhadap Profitabilitas Bank Syariah.
Diponegoro Joutrnal Of Management, Vol. 2 No. 2, 1-10.
Winarno, Wing Wahyu. 2015. Analisis Ekonometrika dan Statistik dengan
Eviews. Yogyakarta: UPP STIM YKPN.
Winarno, Wing Wahyu. 2011. Analisis Ekonometrika dan Statistik dengan
Eviews. Yogyakarta: UPP STIM YKPN.
www.ojk.go.id
www.bi.go.id
www.bankmuamalat.co.id di akses pada 11 September 2017
www.syariahmandiri.co.id di akses pada 11 September 2017
www.bnisyariah.co.id di akses pada 11 September 2017
www.brisyariah.co.id di akses pada 11 September 2017
www.megasyariah.co.id di akses pada 11 September 2017
126
www.paninbanksyariah.co.id di akses pada 11 September 2017
www.bcasyariah.co.id di akses pada 11 September 2017
www.bjbsyariah.co.id di akses pada 11 September 2017
www.bankvictoriasyariah.co.id di akses pada 11 September 2017
www.syariahbukopin.co.id di akses pada 11 September 2017
www.btpnsyariah.com di akses pada 11 September 2017
Maybank Syariah Annual Report 2016
Laporan Perkembangan Keuangan Syariah 2015
Statistik Perbankan Syariah 2011-2015
Staistik Perbankan Indonesia 2011-2015
Surat Edaran Bank Indonesia Nomor 13/24/DPNP tahun 2011
127
LAMPIRAN
Lampiran 1: Data Sekunder Sebelum diolah
Nama Bank Periode NOM CAR NPF BOPO FDR
BMI 2015Q1 0,27 12,36 7,11 97,41 90,30
BMI 2015Q2 0,54 13,60 4,93 94,84 99,05
BMI 2015Q3 0,42 13,71 4,64 96,26 96,09
BMI 2015Q4 0,27 12,00 7,11 97,36 90,30
BMI 2016Q1 0,30 12,10 6,07 97,32 97,30
BMI 2016Q2 0,01 12,78 7,23 99,90 99,11
BMI 2016Q3 0,10 12,75 4,43 98,89 96,47
BMI 2016Q4 0,20 12,74 3,83 97,76 95,13
BMI 2017Q1 0,16 12,83 4,56 98,19 90,93
BSM 2015Q1 0,45 11,35 6,77 95,92 81,45
BSM 2015Q2 0,59 11,97 6,67 96,16 85,01
BSM 2015Q3 0,45 11,84 6,89 97,41 84,49
BSM 2015Q4 0,58 12,85 6,06 94,78 81,99
BSM 2016Q1 0,60 13,39 6,42 94,44 80,16
BSM 2016Q2 0,67 13,69 5,58 93,76 82,31
BSM 2016Q3 0,65 13,50 5,43 93,93 80,40
BSM 2016Q4 0,64 14,01 4,92 94,12 79,19
BSM 2017Q1 0,68 14,40 4,91 93,82 77,75
BNIS 2015Q1 0,52 15,40 2,22 89,87 90,10
BNIS 2015Q2 0,61 15,11 2,42 90,39 96,65
BNIS 2015Q3 0,43 15,38 2,54 91,60 89,65
BNIS 2015Q4 0,67 15,48 2,53 89,63 91,94
BNIS 2016Q1 1,30 15,85 2,77 85,37 86,26
BNIS 2016Q2 1,18 15,56 2,80 85,88 86,92
BNIS 2016Q3 1,03 15,82 3,03 86,28 85,79
BNIS 2016Q4 0,90 14,92 2,94 87,67 84,57
BNIS 2017Q1 0,73 14,44 3,16 87,29 82,32
BRIS 2015Q1 -0,11 13,21 4,96 96,13 88,24
BRIS 2015Q2 1,67 11,03 5,31 93,84 92,05
BRIS 2015Q3 0,08 13,82 4,90 93,97 86,61
BRIS 2015Q4 0,07 13,94 4,86 93,79 84,16
BRIS 2016Q1 0,44 14,66 4,84 90,47 82,73
BRIS 2016Q2 0,51 14,06 4,87 90,41 87,92
BRIS 2016Q3 0,45 14,30 5,22 90,99 83,98
BRIS 2016Q4 0,39 20,63 4,57 91,33 81,42
BRIS 2017Q1 0,20 21,14 4,71 93,67 77,56
128
Nama Bank Periode NOM CAR NPF BOPO FDR
BMS 2015Q1 -1,45 18,80 4,33 110,53 95,21
BMS 2015Q2 -1,39 16,54 4,86 104,80 94,92
BMS 2015Q3 -1,05 17,81 4,78 102,33 98,86
BMS 2015Q4 -0,34 18,74 4,26 99,51 98,49
BMS 2016Q1 4,96 22,22 4,18 84,92 95,85
BMS 2016Q2 2,95 22,86 4,16 89,07 95,97
BMS 2016Q3 2,36 22,97 3,74 89,50 98,13
BMS 2016Q4 -2,44 23,53 3,30 88,16 95,24
BMS 2017Q1 1,44 25,76 3,43 88,82 97,56
BPDS 2015Q1 0,86 20,30 2,63 89,29 96,43
BPDS 2015Q2 0,81 21,88 0,91 88,80 96,43
BPDS 2015Q3 0,78 21,37 1,76 89,57 96,10
BPDS 2015Q4 0,86 20,30 2,63 89,33 96,43
BPDS 2016Q1 0,02 19,80 2,70 98,14 94,03
BPDS 2016Q2 0,15 19,51 2,70 96,51 89,60
BPDS 2016Q3 0,14 19,86 2,87 95,91 89,14
BPDS 2016Q4 0,05 18,17 2,26 96,17 91,99
BPDS 2017Q1 0,50 18,04 2,28 91,56 90,34
BCAS 2015Q1 0,73 43,57 0,92 90,62 100,11
BCAS 2015Q2 0,84 27,29 0,60 93,33 94,13
BCAS 2015Q3 0,87 43,20 0,59 94,61 102,09
BCAS 2015Q4 0,98 40,00 0,70 92,48 91,41
BCAS 2016Q1 0,79 39,16 0,59 94,07 92,76
BCAS 2016Q2 0,94 37,93 0,55 92,87 99,60
BCAS 2016Q3 1,03 37,12 1,14 92,91 97,56
BCAS 2016Q4 1,15 36,78 0,50 92,18 90,12
BCAS 2017Q1 1,03 35,26 0,50 92,97 83,44
BJBS 2015Q1 -2,45 22,53 6,93 98,78 104,75
BJBS 2015Q2 -1,39 12,20 6,91 99,47 95,70
BJBS 2015Q3 -3,31 22,44 6,91 104,25 103,48
BJBS 2015Q4 -2,45 22,53 6,93 98,78 104,75
BJBS 2016Q1 -0,61 24,58 6,93 95,12 92,53
BJBS 2016Q2 -18,84 20,93 17,09 106,12 93,67
BJBS 2016Q3 -23,63 23,10 12,50 118,66 107,42
BJBS 2016Q4 -27,84 18,25 17,91 122,77 98,73
BJBS 2017Q1 -1,14 17,96 18,13 97,76 87,70
BVS 2015Q1 -4,63 16,14 9,80 119,19 95,29
BVS 2015Q2 1,48 20,39 5,03 90,02 85,73
BVS 2015Q3 0,49 19,87 6,56 99,74 102,11
BVS 2015Q4 -4,63 16,14 9,80 119,19 95,29
129
Nama Bank Periode NOM CAR NPF BOPO FDR
BVS 2016Q1 -11,64 16,05 11,06 133,20 95,07
BVS 2016Q2 -8,06 15,88 12,03 177,90 95,93
BVS 2016Q3 -53,06 14,20 11,61 163,41 97,79
BVS 2016Q4 -3,17 15,98 5,82 131,34 100,67
BVS 2017Q1 0,16 24,44 8,49 98,86 86,19
BSB 2015Q1 0,15 14,50 4,52 96,10 95,12
BSB 2015Q2 0,61 14,10 3,03 94,78 93,82
BSB 2015Q3 0,81 15,26 3,01 87,95 91,82
BSB 2015Q4 0,27 16,31 2,99 91,99 90,56
BSB 2016Q1 1,28 15,62 2,89 88,95 92,14
BSB 2016Q2 1,17 14,82 2,88 89,88 92,25
BSB 2016Q3 0,79 15,06 2,59 89,74 93,14
BSB 2016Q4 0,40 17,00 3,17 91,76 88,18
BSB 2017Q1 0,19 16,71 2,22 94,12 91,58
BTPNS 2015Q1 0,06 31,56 1,81 89,72 93,73
BTPNS 2015Q2 2,14 20,57 1,21 88,72 94,69
BTPNS 2015Q3 5,20 21,29 1,30 86,83 94,18
BTPNS 2015Q4 5,77 19,93 1,25 85,32 96,54
BTPNS 2016Q1 7,90 22,03 1,22 81,14 96,38
BTPNS 2016Q2 8,53 21,47 1,18 79,17 91,91
BTPNS 2016Q3 9,53 23,82 1,41 77,10 97,47
BTPNS 2016Q4 10,20 23,80 1,53 75,14 92,75
BTPNS 2017Q1 11,86 23,88 1,74 71,98 90,82
BMSI 2015Q1 -6,52 44,43 5,06 124,36 161,88
BMSI 2015Q2 -23,40 43,35 15,15 212,62 202,45
BMSI 2015Q3 -25,64 43,05 18,07 145,50 227,11
BMSI 2015Q4 -32,92 38,40 35,15 192,60 110,54
BMSI 2016Q1 -9,18 46,57 21,88 114,67 143,99
BMSI 2016Q2 -19,09 45,63 29,31 182,28 146,43
BMSI 2016Q3 -20,01 46,07 30,30 171,24 157,15
BMSI 2016Q4 -19,96 55,06 43,99 160,28 134,73
BMSI 2017Q1 -26,95 61,44 46,55 91,72 176,97
130
Lampiran 2: Data Logaritma Natural
Nama Bank Periode NOM CAR NPF BOPO
BMI 2015Q1 -1.30933 2.514465 1.961502 4.578929
BMI 2015Q2 -0.61619 2.61007 1.595339 4.552191
BMI 2015Q3 -0.8675 2.618125 1.534714 4.567053
BMI 2015Q4 -1.30933 2.484907 1.961502 4.578415
BMI 2016Q1 -1.20397 2.493205 1.803359 4.578005
BMI 2016Q2 -4.60517 2.547881 1.978239 4.60417
BMI 2016Q3 -2.30259 2.545531 1.4884 4.594008
BMI 2016Q4 -1.60944 2.544747 1.342865 4.582515
BMI 2017Q1 -1.83258 2.551786 1.517323 4.586904
BSM 2015Q1 -0.79851 2.429218 1.912501 4.563515
BSM 2015Q2 -0.52763 2.482404 1.89762 4.566013
BSM 2015Q3 -0.79851 2.471484 1.930071 4.578929
BSM 2015Q4 -0.54473 2.553344 1.80171 4.551558
BSM 2016Q1 -0.51083 2.594508 1.859418 4.547965
BSM 2016Q2 -0.40048 2.616666 1.719189 4.540738
BSM 2016Q3 -0.43078 2.60269 1.691939 4.54255
BSM 2016Q4 -0.44629 2.639771 1.593309 4.544571
BSM 2017Q1 -0.38566 2.667228 1.591274 4.541378
BNIS 2015Q1 -0.65393 2.734368 0.797507 4.498364
BNIS 2015Q2 -0.4943 2.715357 0.883768 4.504134
BNIS 2015Q3 -0.84397 2.733068 0.932164 4.517431
BNIS 2015Q4 -0.40048 2.739549 0.928219 4.49569
BNIS 2016Q1 0.262364 2.76317 1.018847 4.446995
BNIS 2016Q2 0.165514 2.744704 1.029619 4.452951
BNIS 2016Q3 0.029559 2.761275 1.108563 4.457598
BNIS 2016Q4 -0.10536 2.702703 1.07841 4.47358
BNIS 2017Q1 -0.31471 2.670002 1.150572 4.469236
BRIS 2015Q1 0 2.580974 1.601406 4.565701
BRIS 2015Q2 0.512824 2.400619 1.669592 4.541591
BRIS 2015Q3 -2.52573 2.626117 1.589235 4.542976
BRIS 2015Q4 -2.65926 2.634762 1.581038 4.541058
BRIS 2016Q1 -0.82098 2.685123 1.576915 4.505018
BRIS 2016Q2 -0.67334 2.643334 1.583094 4.504355
BRIS 2016Q3 -0.79851 2.66026 1.652497 4.51075
BRIS 2016Q4 -0.94161 3.026746 1.519513 4.514479
BRIS 2017Q1 -1.60944 3.051167 1.549688 4.539778
BMS 2015Q1 0 2.933857 1.465568 4.705287
BMS 2015Q2 0 2.805782 1.581038 4.652054
BMS 2015Q3 0 2.87976 1.564441 4.628203
131
Nama Bank Periode NOM CAR NPF BOPO
BMS 2015Q4 0 2.93066 1.449269 4.600258
BMS 2016Q1 1.601406 3.100993 1.430311 4.44171
BMS 2016Q2 1.081805 3.129389 1.425515 4.489423
BMS 2016Q3 0.858662 3.134189 1.319086 4.494239
BMS 2016Q4 0 3.158276 1.193922 4.479153
BMS 2017Q1 0.364643 3.248823 1.23256 4.486612
BPDS 2015Q1 -0.15082 3.010621 0.966984 4.491889
BPDS 2015Q2 -0.21072 3.085573 -0.09431 4.486387
BPDS 2015Q3 -0.24846 3.061988 0.565314 4.49502
BPDS 2015Q4 -0.15082 3.010621 0.966984 4.492337
BPDS 2016Q1 -3.91202 2.985682 0.993252 4.586395
BPDS 2016Q2 -1.89712 2.970927 0.993252 4.569647
BPDS 2016Q3 -1.96611 2.988708 1.054312 4.56341
BPDS 2016Q4 -2.99573 2.899772 0.815365 4.566117
BPDS 2017Q1 -0.69315 2.892592 0.824175 4.516994
BCAS 2015Q1 -0.31471 3.774369 -0.08338 4.506675
BCAS 2015Q2 -0.17435 3.30652 -0.51083 4.536142
BCAS 2015Q3 -0.13926 3.76584 -0.52763 4.549763
BCAS 2015Q4 -0.0202 3.688879 -0.35667 4.526992
BCAS 2016Q1 -0.23572 3.667656 -0.52763 4.544039
BCAS 2016Q2 -0.06188 3.635742 -0.59784 4.531201
BCAS 2016Q3 0.029559 3.614156 0.131028 4.531631
BCAS 2016Q4 0.139762 3.604954 -0.69315 4.523743
BCAS 2017Q1 0.029559 3.562749 -0.69315 4.532277
BJBS 2015Q1 0 3.114848 1.93586 4.592895
BJBS 2015Q2 0 2.501436 1.93297 4.599856
BJBS 2015Q3 0 3.110845 1.93297 4.646792
BJBS 2015Q4 0 3.114848 1.93586 4.592895
BJBS 2016Q1 0 3.201933 1.93586 4.555139
BJBS 2016Q2 0 3.041184 2.838493 4.664571
BJBS 2016Q3 0 3.139833 2.525729 4.776262
BJBS 2016Q4 0 2.904165 2.885359 4.810313
BJBS 2017Q1 0 2.888147 2.897568 4.582515
BVS 2015Q1 0 2.781301 2.282382 4.780719
BVS 2015Q2 0.392042 3.015045 1.61542 4.500032
BVS 2015Q3 -0.71335 2.989211 1.880991 4.602567
BVS 2015Q4 0 2.781301 2.282382 4.780719
BVS 2016Q1 0 2.775709 2.403335 4.891852
BVS 2016Q2 0 2.76506 2.487404 5.181222
BVS 2016Q3 0 2.653242 2.451867 5.096262
132
Nama Bank Periode NOM CAR NPF BOPO
BVS 2016Q4 0 2.771338 1.7613 4.877789
BVS 2017Q1 -1.83258 3.196221 2.138889 4.593705
BSB 2015Q1 -1.89712 2.674149 1.508512 4.565389
BSB 2015Q2 -0.4943 2.646175 1.108563 4.551558
BSB 2015Q3 -0.21072 2.725235 1.10194 4.476768
BSB 2015Q4 -1.30933 2.791778 1.095273 4.52168
BSB 2016Q1 0.24686 2.748552 1.061257 4.488074
BSB 2016Q2 0.157004 2.695978 1.05779 4.498475
BSB 2016Q3 -0.23572 2.712042 0.951658 4.496917
BSB 2016Q4 -0.91629 2.833213 1.153732 4.519176
BSB 2017Q1 -1.66073 2.816007 0.797507 4.544571
BTPNS 2015Q1 -2.81341 3.45189 0.593327 4.496694
BTPNS 2015Q2 0.760806 3.023834 0.19062 4.485485
BTPNS 2015Q3 1.648659 3.058237 0.262364 4.463952
BTPNS 2015Q4 1.752672 2.992226 0.223144 4.446409
BTPNS 2016Q1 2.066863 3.092405 0.198851 4.396176
BTPNS 2016Q2 2.143589 3.066657 0.165514 4.371597
BTPNS 2016Q3 2.254445 3.170526 0.34359 4.345103
BTPNS 2016Q4 2.322388 3.169686 0.425268 4.319353
BTPNS 2017Q1 2.473171 3.173041 0.553885 4.276388
MSI 2015Q1 0 3.793915 1.621366 4.823181
MSI 2015Q2 0 3.769307 2.718001 5.359507
MSI 2015Q3 0 3.762362 2.894253 4.980176
MSI 2015Q4 0 3.648057 3.559625 5.260615
MSI 2016Q1 0 3.840957 3.085573 4.742058
MSI 2016Q2 0 3.820565 3.377929 5.205544
MSI 2016Q3 0 3.830162 3.411148 5.143066
MSI 2016Q4 0 4.008423 3.783962 5.076922
MSI 2017Q1 0 4.118061 3.840527 4.51874
133
Lampiran 3: Data Outlier
Nama Bank Periode NOM CAR NPF BOPO
BMI 2015Q1 0.27 12.36 7.11 97.41
BMI 2015Q2 0.54 13.60 4.93 94.84
BMI 2015Q3 0.42 13.71 4.64 96.26
BMI 2015Q4 0.27 12.00 7.11 97.36
BMI 2016Q1 0.3 12.10 6.07 97.32
BMI 2016Q2 0.01 12.78 7.23 99.90
BMI 2016Q3 0.1 12.75 4.43 98.89
BMI 2016Q4 0.2 12.74 3.83 97.76
BMI 2017Q1 0.16 12.83 4.56 98.19
BSM 2015Q1 0.45 11.35 6.77 95.92
BSM 2015Q2 0.59 11.97 6.67 96.16
BSM 2015Q3 0.45 11.84 6.89 97.41
BSM 2015Q4 0.58 12.85 6.06 94.78
BSM 2016Q1 0.6 13.39 6.42 94.44
BSM 2016Q2 0.67 13.69 5.58 93.76
BSM 2016Q3 0.65 13.50 5.43 93.93
BSM 2016Q4 0.64 14.01 4.92 94.12
BSM 2017Q1 0.68 14.40 4.91 93.82
BNIS 2015Q1 0.52 15.40 2.22 89.87
BNIS 2015Q2 0.61 15.11 2.42 90.39
BNIS 2015Q3 0.43 15.38 2.54 91.60
BNIS 2015Q4 0.67 15.48 2.53 89.63
BNIS 2016Q1 1.3 15.85 2.77 85.37
BNIS 2016Q2 1.18 15.56 2.80 85.88
BNIS 2016Q3 1.03 15.82 3.03 86.28
BNIS 2016Q4 0.9 14.92 2.94 87.67
BNIS 2017Q1 0.73 14.44 3.16 87.29
BRIS 2015Q1 -0.11 13.21 4.96 96.13
BRIS 2015Q2 1.67 11.03 5.31 93.84
BRIS 2015Q3 0.08 13.82 4.90 93.97
BRIS 2015Q4 0.07 13.94 4.86 93.79
BRIS 2016Q1 0.44 14.66 4.84 90.47
BRIS 2016Q2 0.51 14.06 4.87 90.41
BRIS 2016Q3 0.45 14.30 5.22 90.99
BRIS 2016Q4 0.39 20.63 4.57 91.33
BRIS 2017Q1 0.2 21.14 4.71 93.67
BMS 2015Q1 -1.45 18.80 4.33 110.53
BMS 2015Q2 -1.39 16.54 4.86 104.80
BMS 2015Q3 -1.05 17.81 4.78 102.33
134
Nama Bank Periode NOM CAR NPF BOPO
BMS 2015Q4 -0.34 18.74 4.26 99.51
BMS 2016Q1 4.96 22.22 4.18 84.92
BMS 2016Q2 2.95 22.86 4.16 89.07
BMS 2016Q3 2.36 22.97 3.74 89.50
BMS 2016Q4 -2.44 23.53 3.30 88.16
BMS 2017Q1 1.44 25.76 3.43 88.82
BPDS 2015Q1 0.86 20.30 2.63 89.29
BPDS 2015Q2 0.81 21.88 0.91 88.80
BPDS 2015Q3 0.78 21.37 1.76 89.57
BPDS 2015Q4 0.86 20.30 2.63 89.33
BPDS 2016Q1 0.02 19.80 2.70 98.14
BPDS 2016Q2 0.15 19.51 2.70 96.51
BPDS 2016Q3 0.14 19.86 2.87 95.91
BPDS 2016Q4 0.05 18.17 2.26 96.17
BPDS 2017Q1 0.5 18.04 2.28 91.56
BCAS 2015Q1 0.73 43.57 0.92 90.62
BCAS 2015Q2 0.84 27.29 0.60 93.33
BCAS 2015Q3 0.87 43.20 0.59 94.61
BCAS 2015Q4 0.98 40.00 0.70 92.48
BCAS 2016Q1 0.79 39.16 0.59 94.07
BCAS 2016Q2 0.94 37.93 0.55 92.87
BCAS 2016Q3 1.03 37.12 1.14 92.91
BCAS 2016Q4 1.15 36.78 0.50 92.18
BCAS 2017Q1 1.03 35.26 0.50 92.97
BJBS 2015Q1 -2.45 22.53 6.93 98.78
BJBS 2015Q2 -1.39 12.20 6.91 99.47
BJBS 2015Q3 -3.31 22.44 6.91 104.25
BJBS 2015Q4 -2.45 22.53 6.93 98.78
BJBS 2016Q1 -0.61 24.58 6.93 95.12
BJBS 2016Q2 -18.84 20.93 17.09 106.12
BJBS 2016Q3 -23.63 23.10 12.50 118.66
BJBS 2016Q4 -27.84 18.25 17.91 122.77
BJBS 2017Q1 -1.14 17.96 18.13 97.76
BVS 2015Q1 -4.63 16.14 9.80 119.19
BVS 2015Q2 1.48 20.39 5.03 90.02
BVS 2015Q3 0.49 19.87 6.56 99.74
BVS 2015Q4 -4.63 16.14 9.80 119.19
BVS 2016Q1 -11.64 16.05 11.06 133.20
BVS 2016Q2 -8.06 15.88 12.03 0
BVS 2016Q3 0 14.20 11.61 163.41
135
Nama Bank Periode NOM CAR NPF BOPO
BVS 2016Q4 -3.17 15.98 5.82 131.34
BVS 2017Q1 0.16 24.44 8.49 98.86
BSB 2015Q1 0.15 14.50 4.52 96.10
BSB 2015Q2 0.61 14.10 3.03 94.78
BSB 2015Q3 0.81 15.26 3.01 87.95
BSB 2015Q4 0.27 16.31 2.99 91.99
BSB 2016Q1 1.28 15.62 2.89 88.95
BSB 2016Q2 1.17 14.82 2.88 89.88
BSB 2016Q3 0.79 15.06 2.59 89.74
BSB 2016Q4 0.40 17.00 3.17 91.76
BSB 2017Q1 0.19 16.71 2.22 94.12
BTPNS 2015Q1 0.06 31.56 1.81 89.72
BTPNS 2015Q2 2.14 20.57 1.21 88.72
BTPNS 2015Q3 5.20 21.29 1.30 86.83
BTPNS 2015Q4 5.77 19.93 1.25 85.32
BTPNS 2016Q1 7.90 22.03 1.22 81.14
BTPNS 2016Q2 8.53 21.47 1.18 79.17
BTPNS 2016Q3 9.53 23.82 1.41 77.10
BTPNS 2016Q4 10.2 23.80 1.53 75.14
BTPNS 2017Q1 11.86 23.88 1.74 71.98
MSI 2015Q1 -6.52 44.43 5.06 124.36
MSI 2015Q2 -23.4 43.35 15.15 0
MSI 2015Q3 -25.64 43.05 18.07 145.50
MSI 2015Q4 0 38.40 0 0
MSI 2016Q1 -9.18 46.57 21.88 114.67
MSI 2016Q2 -19.09 45.63 29.31 0
MSI 2016Q3 -20.01 46.07 30.30 171.24
MSI 2016Q4 -19.96 0 0 160.28
MSI 2017Q1 -26.95 0 0 91.72
136
Lampiran 4: Uji Stasioner Data Tahap Level
1) NOM
Null Hypothesis: NOM has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.374573 0.0638
Test critical values: 1% level -4.105534
5% level -3.480463
10% level -3.168039
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(NOM)
Method: Least Squares
Date: 09/27/17 Time: 11:52
Sample (adjusted): 3 99
Included observations: 65 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
NOM(-1) -0.371970 0.110227 -3.374573 0.0013
D(NOM(-1)) -0.041564 0.119685 -0.347280 0.7296
C -0.566679 0.257217 -2.203118 0.0314
@TREND("1") 0.009570 0.004193 2.282261 0.0260
R-squared 0.211266 Mean dependent var 0.086234
Adjusted R-squared 0.172476 S.D. dependent var 1.046998
S.E. of regression 0.952437 Akaike info criterion 2.799977
Sum squared resid 55.33527 Schwarz criterion 2.933786
Log likelihood -86.99926 Hannan-Quinn criter. 2.852773
F-statistic 5.446379 Durbin-Watson stat 2.173699
Prob(F-statistic) 0.002200
137
2) CAR
Null Hypothesis: CAR has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=12)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.063655 0.5596
Test critical values: 1% level -4.046925
5% level -3.452764
10% level -3.151911
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(CAR)
Method: Least Squares
Date: 09/27/17 Time: 11:54
Sample (adjusted): 3 108
Included observations: 106 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
CAR(-1) -0.133635 0.064757 -2.063655 0.0416
D(CAR(-1)) -0.240105 0.098646 -2.434009 0.0167
C 0.332342 0.169791 1.957366 0.0530
@TREND("1") 0.001517 0.000784 1.934267 0.0559
R-squared 0.137553 Mean dependent var 0.014226
Adjusted R-squared 0.112187 S.D. dependent var 0.204766
S.E. of regression 0.192939 Akaike info criterion -0.415883
Sum squared resid 3.796986 Schwarz criterion -0.315376
Log likelihood 26.04179 Hannan-Quinn criter. -0.375147
F-statistic 5.422727 Durbin-Watson stat 2.009769
Prob(F-statistic) 0.001679
138
3) NPF
Null Hypothesis: NPF has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=12)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.816134 0.6901
Test critical values: 1% level -4.046072
5% level -3.452358
10% level -3.151673
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(NPF)
Method: Least Squares
Date: 09/27/17 Time: 11:56
Sample (adjusted): 2 108
Included observations: 107 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
NPF(-1) -0.081252 0.044739 -1.816134 0.0722
C 0.035252 0.100804 0.349712 0.7273
@TREND("1") 0.001749 0.001341 1.304395 0.1950
R-squared 0.043251 Mean dependent var 0.017561
Adjusted R-squared 0.024852 S.D. dependent var 0.432886
S.E. of regression 0.427473 Akaike info criterion 1.165787
Sum squared resid 19.00428 Schwarz criterion 1.240726
Log likelihood -59.36961 Hannan-Quinn criter. 1.196167
F-statistic 2.350748 Durbin-Watson stat 1.878433
Prob(F-statistic) 0.100343
139
4) BOPO
Null Hypothesis: BOPO has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=12)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -4.395618 0.0034
Test critical values: 1% level -4.046072
5% level -3.452358
10% level -3.151673
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(BOPO)
Method: Least Squares
Date: 09/27/17 Time: 11:56
Sample (adjusted): 2 108
Included observations: 107 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
BOPO(-1) -0.317214 0.072166 -4.395618 0.0000
C 1.423564 0.324429 4.387904 0.0000
@TREND("1") 0.000627 0.000446 1.404960 0.1630
R-squared 0.156770 Mean dependent var -0.000563
Adjusted R-squared 0.140554 S.D. dependent var 0.144294
S.E. of regression 0.133770 Akaike info criterion -1.157760
Sum squared resid 1.861006 Schwarz criterion -1.082821
Log likelihood 64.94016 Hannan-Quinn criter. -1.127381
F-statistic 9.667665 Durbin-Watson stat 1.964344
Prob(F-statistic) 0.000141
140
Lampiran 5: Uji Stasioner Data Tahap 1st Difference
1) NOM
Null Hypothesis: D(NOM) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -10.57548 0.0000
Test critical values: 1% level -4.105534
5% level -3.480463
10% level -3.168039
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(NOM,2)
Method: Least Squares
Date: 09/27/17 Time: 11:57
Sample (adjusted): 3 99
Included observations: 65 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(NOM(-1)) -1.222587 0.115606 -10.57548 0.0000
C -0.070759 0.228102 -0.310209 0.7574
@TREND("1") 0.003688 0.004121 0.894900 0.3743
R-squared 0.643353 Mean dependent var 0.029688
Adjusted R-squared 0.631848 S.D. dependent var 1.696131
S.E. of regression 1.029136 Akaike info criterion 2.940371
Sum squared resid 65.66549 Schwarz criterion 3.040727
Log likelihood -92.56206 Hannan-Quinn criter. 2.979968
F-statistic 55.92069 Durbin-Watson stat 2.284272
Prob(F-statistic) 0.000000
141
2) CAR
Null Hypothesis: D(CAR) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=12)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -14.04003 0.0000
Test critical values: 1% level -4.046925
5% level -3.452764
10% level -3.151911
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(CAR,2)
Method: Least Squares
Date: 09/27/17 Time: 11:58
Sample (adjusted): 3 108
Included observations: 106 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(CAR(-1)) -1.313123 0.093527 -14.04003 0.0000
C -0.009025 0.038881 -0.232126 0.8169
@TREND("1") 0.000508 0.000623 0.815102 0.4169
R-squared 0.656833 Mean dependent var 0.000132
Adjusted R-squared 0.650170 S.D. dependent var 0.331325
S.E. of regression 0.195967 Akaike info criterion -0.393847
Sum squared resid 3.955516 Schwarz criterion -0.318467
Log likelihood 23.87390 Hannan-Quinn criter. -0.363295
F-statistic 98.57276 Durbin-Watson stat 2.055997
Prob(F-statistic) 0.000000
142
3) NPF
Null Hypothesis: D(NPF) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=12)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -10.06985 0.0000
Test critical values: 1% level -4.046925
5% level -3.452764
10% level -3.151911
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(NPF,2)
Method: Least Squares
Date: 09/27/17 Time: 11:58
Sample (adjusted): 3 108
Included observations: 106 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(NPF(-1)) -0.989851 0.098298 -10.06985 0.0000
C -0.055673 0.086630 -0.642655 0.5219
@TREND("1") 0.001407 0.001391 1.011757 0.3140
R-squared 0.496135 Mean dependent var 0.003988
Adjusted R-squared 0.486352 S.D. dependent var 0.607290
S.E. of regression 0.435240 Akaike info criterion 1.202056
Sum squared resid 19.51170 Schwarz criterion 1.277437
Log likelihood -60.70898 Hannan-Quinn criter. 1.232608
F-statistic 50.70999 Durbin-Watson stat 1.998415
Prob(F-statistic) 0.000000
143
4) BOPO
Null Hypothesis: D(BOPO) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=12)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -11.67724 0.0000
Test critical values: 1% level -4.046925
5% level -3.452764
10% level -3.151911
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(BOPO,2)
Method: Least Squares
Date: 09/27/17 Time: 11:58
Sample (adjusted): 3 108
Included observations: 106 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(BOPO(-1)) -1.218400 0.104340 -11.67724 0.0000
C 0.001270 0.028451 0.044633 0.9645
@TREND("1") -1.03E-05 0.000456 -0.022523 0.9821
R-squared 0.570541 Mean dependent var -0.005014
Adjusted R-squared 0.562202 S.D. dependent var 0.216616
S.E. of regression 0.143327 Akaike info criterion -1.019485
Sum squared resid 2.115885 Schwarz criterion -0.944105
Log likelihood 57.03271 Hannan-Quinn criter. -0.988933
F-statistic 68.41821 Durbin-Watson stat 1.801328
Prob(F-statistic) 0.000000
144
Lampiran 6: Uji Chow
Redundant Fixed Effects Tests
Pool: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 4.042028 (11,86) 0.0001
Cross-section Chi-square 42.090445 11 0.0000
Cross-section fixed effects test equation:
Dependent Variable: NOM?
Method: Panel Least Squares
Date: 09/26/17 Time: 19:31
Sample: 2015Q1 2017Q1
Included observations: 9
Cross-sections included: 12
Total pool (unbalanced) observations: 108
Variable Coefficient Std. Error t-Statistic Prob.
C 25.01788 3.298476 7.584679 0.0000
CAR? -0.023415 0.039422 -0.593969 0.5539
NPF? -0.449806 0.111151 -4.046812 0.0001
BOPO? -0.237386 0.039681 -5.982419 0.0000
R-squared 0.714192 Mean dependent var -0.612574
Adjusted R-squared 0.705353 S.D. dependent var 6.058521
S.E. of regression 3.288653 Akaike info criterion 5.257631
Sum squared resid 1049.078 Schwarz criterion 5.361201
Log likelihood -261.5104 Hannan-Quinn criter. 5.299559
F-statistic 80.79620 Durbin-Watson stat 0.774743
Prob(F-statistic) 0.000000
145
Lampiran 7: Uji Hausman
Correlated Random Effects - Hausman Test
Pool: Untitled
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 4.998122 3 0.1719
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob.
CAR? -0.178191 -0.027028 0.009601 0.1229
NPF? -0.366341 -0.368632 0.003638 0.9697
BOPO? -0.319960 -0.272692 0.000465 0.0283
Cross-section random effects test equation:
Dependent Variable: NOM?
Method: Panel Least Squares
Date: 09/26/17 Time: 19:33
Sample: 2015Q1 2017Q1
Included observations: 9
Cross-sections included: 12
Total pool (unbalanced) observations: 108
Variable Coefficient Std. Error t-Statistic Prob.
C 35.71230 5.141656 6.945682 0.0000
CAR? -0.178191 0.113227 -1.573753 0.1192
NPF? -0.366341 0.130149 -2.814785 0.0060
BOPO? -0.319960 0.044356 -7.213521 0.0000
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.811597 Mean dependent var -0.612574
Adjusted R-squared 0.780927 S.D. dependent var 6.058521
S.E. of regression 2.835707 Akaike info criterion 5.058716
Sum squared resid 691.5461 Schwarz criterion 5.447100
Log likelihood -240.4652 Hannan-Quinn criter. 5.215945
F-statistic 26.46202 Durbin-Watson stat 1.109228
Prob(F-statistic) 0.000000
146
Lampiran 8: Uji Heteroskedastisitas
Heteroskedasticity Test: White
F-statistic 1.526576 Prob. F(9,67) 0.1567
Obs*R-squared 13.10289 Prob. Chi-Square(9) 0.1580
Scaled explained SS 22.48472 Prob. Chi-Square(9) 0.0075
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 09/28/17 Time: 09:43
Sample: 1 99
Included observations: 77
Variable Coefficient Std. Error t-Statistic Prob.
C -454.1901 878.6537 -0.516916 0.6069
CAR^2 -2.964963 3.508008 -0.845199 0.4010
CAR*NPF -1.987513 2.537216 -0.783344 0.4362
CAR*BOPO -20.49470 19.49286 -1.051395 0.2969
CAR 114.3786 85.51169 1.337578 0.1856
NPF^2 -1.043230 0.677859 -1.539006 0.1285
NPF*BOPO 4.830266 8.391472 0.575616 0.5668
NPF -13.60454 34.50279 -0.394303 0.6946
BOPO^2 -6.083556 37.66735 -0.161507 0.8722
BOPO 119.4672 359.8652 0.331978 0.7409
R-squared 0.170167 Mean dependent var 0.675314
Adjusted R-squared 0.058697 S.D. dependent var 1.328273
S.E. of regression 1.288700 Akaike info criterion 3.465773
Sum squared resid 111.2702 Schwarz criterion 3.770163
Log likelihood -123.4323 Hannan-Quinn criter. 3.587526
F-statistic 1.526576 Durbin-Watson stat 2.128490
Prob(F-statistic) 0.156732
147
Lampiran 9: Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Tes t:
F-statistic 0.643382 Prob. F(2,101) 0.5277
Obs*R-squared 1.346057 Prob. Chi-Square(2) 0.5102
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 09/28/17 Time: 09:45
Sample: 1 108
Included observations: 107
Presample and interior missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C 0.425856 2.745305 0.155122 0.8770
CAR 0.001981 0.057259 0.034601 0.9725
NPF 0.005589 0.092610 0.060354 0.9520
BOPO -0.004917 0.028939 -0.169912 0.8654
RESID(-1) -0.037482 0.102838 -0.364475 0.7163
RESID(-2) 0.113483 0.103420 1.097299 0.2751
R-squared 0.012580 Mean dependent var 8.04E-15
Adjusted R-squared -0.036302 S.D. dependent var 5.171645
S.E. of regression 5.264679 Akaike info criterion 6.214359
Sum squared resid 2799.402 Schwarz criterion 6.364237
Log likelihood -326.4682 Hannan-Quinn criter. 6.275117
F-statistic 0.257353 Durbin-Watson stat 1.963015
Prob(F-statistic) 0.935189
148
Lampiran 10: Hasil Regresi Menggunakan SPSS 22.0