ANALISIS PENGARUH INDIKATOR MAKROEKONOMI DAN KARAKTERISTIK SPECIFIC-FIRM SEBAGAI DETERMINAN PROFITABILITAS PERBANKAN SYARIAH DI ASIA Lupita Widyaningrum, & Dodik Siswantoro Program Studi Akuntansi Fakultas Ekonomi Universitas Indonesia
[email protected],
[email protected]
Abstrak Tujuan penelitian ini adalah untuk menguji pengaruh indikator makroekonomi dan karakteristik spesifik-firm terhadap profitabilitas bank syariah di Asia periode 2008-2012. Indikator makroekonomi berupa GDP growth dan Inflasi, sedangkan karakteristik specific firm berupa leverage, capitalization, operating expense, asset quality, number of branch, dan firm size. Profitabilitas bank diukur dengan ROA dan ROE. Metode regresi menggunakan Least Square Method (LSM) untuk mengolah jenis data unbalance panel dan balance panel. Pada unbalance panel menggunakan sampel 42 bank syariah dengan 188 observasi, sedangkan pada balance panel menggunakan sampel 28 bank syariah dengan 140 observasi. Hasil penelitian menunjukkan determinan yang mempengaruhi ROA secara positif signifikan adalah capital, firm size, GDP growth, dan inflasi, sementara determinan yang mempengaruhi ROA secara negatif signifikan adalah leverage dan operating expense. Asset quality dan number of branch tidak berpengaruh signifikan terhadap ROA. Faktor determinan yang mempengaruhi ROE secara positif signifikan adalah capital, number of branch, GDP growth, dan inflasi, sementara determinan yang mempengaruhi ROE secara negatif signifikan adalah operating expense, dan asset quality. Leverage dan firm size tidak berpengaruh signifikan terhadap ROE. Hasil ini diharapkan berguna sebagai bahan pertimbangan meningkatkan kinerja perbankan syariah di Indonesia dalam sehingga dapat bersaing dengan perbankan syariah di Asia. Kata Kunci : Bank Syariah; Indikator Makroekonomi; Karakteristik Spesifik Bank; Profitabilitas.
ANALYSIS THE EFFECT OF MACROECONOMIC INDICATORS AND SPECIFIC-FIRM CHARACTERISTIC AS DETERMINANT PROFITABILITY OF ISLAMIC BANKS IN ASIA Abstract The purpose of this study is to examine the effect of macroeconomic indicators and specific-firm characteristics on the profitability of Islamic banks in Asia for period 2008-2012. Macroeconomic indicators using variables GDP growth and inflation, while the firm-specific characteristics using variables leverage, capitalization, operating expense, asset quality, number of branches, and firm size. Bank profitability measured by ROA and ROE. Research method using Least Squares Method (LSM) to process the data types unbalanced panels and balanced panel. Unbalanced panel using sample of 42 Islamic banks with 188 observations, while on balanced panel using sample of 28 Islamic banks with 140 observations. The result of this research shows that capitalization, firm size, GDP growth, and inflation are determinants affecting ROA with positive and significant influence, while operating expense and leverage are significantly negative determinants that affect ROA. Asset quality and number of branches had no significant influence to ROA. The research also shows that determinant factors that affect ROE with positive and significant influence are captalization, number of branch, GDP growth, and inflation, while operating expense, and asset quality are determinants that affect significantly negative to ROE. Leverage and firm size don’t have significant influence to ROE. These results expected to be useful as a consideration material to improve the performance of Islamic banking, especially in Indonesia in order to compete with Islamic banking in Asia. Keywords : Islamic Banks; Macroeconomic Indicators; Profitability; Specific-Firm Characteristic.
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
1.
Pendahuluan Perbankan syariah sebagai salah satu bagian dalam industri keuangan dan perbankan
di dunia, patut mendapatkan perhatian dan dukungan yang besar dari berbagai kalangan mengingat pertumbuhan industri perbankan syariah setiap tahun mengalami perkembangan yang signifikan. Prospek dan peluang perbankan syariah di masa depan sangat cerah, positif, dan menjanjikan. Peluang tersebut diindikasikan oleh beberapa hal. Berdasarkan data statistik World Islamic Banking Competitiveness Report 2011 aset industri perbankan syariah global pada akhir 2011 menyentuh angka 1,3 triliun USD, tumbuh sekitar 20 persen dari tahun sebelumnya. Aset perbankan syariah dunia tahun 2011 sebesar 1,334 triliun USD diproyeksikan akan meningkat menjadi 1,811 triliun USD pada tahun 2013. Hal ini menunjukkan proyeksi rata-rata pertumbuhan aset bank syariah dunia sebesar 17% per tahun. Dengan prediksi pertumbuhan aset perbankan syariah dunia yang tinggi ini maka ruang bagi perbankan syariah untuk tumbuh sangat terbuka. Secara global, kinerja keuangan perbankan syariah dunia menunjukkan tren positif. Berdasarkan data statistik World Islamic Banking Competitiveness Report 2013 menunjukkan peningkatan pertumbuhan aset perbankan syariah global pada periode lima tahun sejak 2008 hingga 2012. Peningkatan pertumbuhan aset perbankan syariah dunia per tahun sebesar 16,4%, tidak jauh berbeda dengan proyeksi pertumbuhan pada laporan tahun 2011. Jumlah aset perbankan syariah dunia tahun 2012 mencapai 1,54 triliun USD. Selain itu pada tahun 2012 aset perbankan syariah dunia didominasi bank syariah dari negara-negara GCC dan Asia. Distribusi aset perbankan syariah dunia diantaranya Saudi Arabia 13,7%, Malaysia 9,8%, Uni Emirat Arab 9,1%, Kuwait 9,0%, Qatar 4,1%, Turki 2,7%, Bahrain 2,3%, Indonesia 1,5%, dan sisanya bank syariah dari negara lain termasuk Iran dengan total 45%. Data tersebut menunjukkan 20 bank syariah dunia tahun 2012 yang menghasilkan lebih dari 50% dari total aset perbankan syariah dunia berasal dari 8 negara di Asia, termasuk negaranegara anggota GCC, Malaysia, Indonesia dan Turki. Negara-negara ini menguasai sumber dana terbesar dan akan berperan besar pada pengembangan industri syariah di masa mendatang. Hal ini menunjukkan bahwa perbankan syariah saat ini tengah berkembang di negara-negara Asia.
2.
Tinjauan Teori dan Pengembangan Hipotesis
Awadh Abdullah Bukhair (2013) melakukan penelitian pada bank Syariah di negara anggota GCC. Oemar Masood (2012) dengan lingkup penelitian di 25 Bank Syariah dari 12
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
negara Timur Tengah tahun 2006-2010. Deger Alper (2011) lingkup penelitiannya pada Bank komersial di Turki tahun 2002-2010. Ghulam Ali (2010) dengan lingkup penelitian 20 Bank Komersial Pakistan tahun 1996-2004. Ali Mustofa (2013) dengan lingkup penelitian Bank Syariah di Jordania 2000–2011. Muhamad Muda (2013) dengan lingkup penelitian profitabilitas Bank Syariah Domestik dan Bank Syariah Asing yang beroperasi di Malaysia tahun 2007-2010. Khizer Ali et al. (2011) dengan lingkup penelitian Bank Syariah di Pakistan tahun 2006-2009. Virsya Umari (2013) dengan lingkup penelitian 37 Bank Syariah di Asia. Al-Jafari dan Alchami (2014) dengan lingkup penelitian Bank Syariah di Syria tahun 2004-2011. Penelitian Bukhair (2013) menunjukkan variabel capitalization, branch GDP berpengaruh positif signifikan terhadap ROA dan ROA perbankan syariah, sementara aset size hanya berpengaruh signifikan positif terhadap ROE. Penelitian Masood (2012) menunjukkan variabel size berpengaruh positif signifikan dan capital adequacy, aset quality, operating efficiency dan financial risk berpengaruh negatif signifikan terhadap profitabilitas. 2.1 Pengembangan Hipotesis Didukung penelitian terdahulu tentang variabel yang mempengaruhi profitabilitas perbankan syariah, hipotesis penelitian ini adalah sebagai berikut : Financial leverage yang digunakan dalam penelitian ini diproksikan dengan liabilities to total assets ratio (LATA). Smith et al. (1998) yang menyatakan perusahaan yang mempunyai opsi untuk tumbuh lebih besar akan mempunyai total utang yang lebih sedikit dikarenakan perusahaan lebih mengutamakan solusi atas masalah-masalah yang berkaitan dengan hutangnya. Namun, ibarat alat pengungkit, di satu sisi utang atau kewajiban bisa membuat pertumbuhan sebuah perusahaan menjadi lebih cepat jika dibandingkan dengan hanya mengandalkan modalnya sendiri (Horne, 2007). H1 = Faktor leverage dengan proksi rasio LATA berpengaruh positif atau negatif (+/-) signifikan terhadap profitabilitas perbankan syariah Kecukupan modal yang tinggi artinya bank dapat resist terhadap kerugian aset (Samad, 2004). Untuk mengukur kecukupan modal pada perbankan syariah menggunakan Capital Adequacy Ratio (CAR). CAR merupakan indikator yang menunjukkan kemampuan bank untuk menutupi penurunan aktivitasnya sebagai akibat dari kerugian-kerugian bank yang disebabkan oleh aktiva berisiko (Ali, 2010). Semakin besar rasio Capital Adequacy Ratio (CAR), maka akan semakin rendah kemungkinan timbulnya bank bermasalah dan juga dapat
meningkatkan
kepercayaan
terhadap
masyarakat.
Dengan
semakin
rendah
kemungkinan timbulnya bank bermasalah, maka semakin besar pula tingkat profitabilitas suatu bank.
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
H2 = Faktor capital dengan proksi rasio CAR berpengaruh positif signifikan terhadap profitabilitas perbankan syariah Operating expenses disini diukur dengan menggunakan rasio BOPO. BOPO merupakan rasio biaya operasional terhadap pendapatan operasional, semakin besar rasionya akan memperlihatkan kondisi ketidakefisienan bank dalam pengelolaan kegiatan operasional yang membawa pengaruh pada profitabilitas bank. H3 = Faktor Operating Expense dengan proksi rasio BOPO berpengaruh negatif signifikan terhadap profitabilitas perbankan syariah. Rasio yang digunakan untuk menilai kualitas asset pada bank syariah menggunakan Non Performing Financing (NPF). NPF menunjukkan rasio kredit bermasalah, sehingga semakin besar NPF dapat mengakibatkan profitabilitas perbankan semakin kecil. Hal tersebut karena dengan semakin banyaknya pembiayaan bermasalah akan menimbulkan potensi kerugian bagi bank syariah. H4 = Faktor asset quality dengan proksi rasio NPF berpengaruh negatif signifikan terhadap profitabilitas perbankan syariah Keberhasilan bank syariah dalam menghimpun dana masyarakat sangat berkaitan dengan kemampuan bank syariah dalam menjangkau lokasi nasabahnya. Semakin banyak jumlah kantor cabang, maka jumlah masyarakat yang menyimpan dana ke bank syariah pun akan bertambah. Menurut Harimaya dan Kondo (2011), ekspansi branch network pada tingkat yang cukup akan memberikan efek positif pada biaya dan profit perbankan. Kegiatan perbankan dalam memperluas jaringan cabang berkaitan dengan efisiensi biaya perusahaan. Ketika perbankan memperluas jaringan cabang (branch network), maka pada tingkat tertentu akan berpengaruh terhadap efisiensi biaya yang tinggi. Namun, apabila ekspansi cabang dilakukan berlebihan, maka menyebabkan efisiensi biaya yang lebih rendah. H5 = Faktor number of branch/banyak cabang berpengaruh positif signifikan terhadap profitabilitas perbankan syariah Perusahaan yang memiliki asset yang besar berkesempatan memperoleh profit yang lebih besar. Secara teoritis perusahaan yang lebih besar memiliki akses yang lebih besar kepada individu ataupun pihak-pihak tertentu yang dapat membantu peningkatan kinerja perusahaan dan memiliki metode pendanaan yang lebih bervariasi dari perusahaan kecil. H6 = Faktor bank size berpengaruh positif signifikan terhadap profitabilitas perbankan syariah GDP mempengaruhi berbagai faktor terkait supply dan demand untuk financing dan deposito. Apabila pertumbuhan GDP melambat terutama selama resesi akan mengakibatkan
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
kualitas kredit memburuk, dan default meningkat, sehingga mengurangi keuntungan yang diperoleh bank. Menurut Bukhair (2013), jika real GDP naik maka pendapatan masyarakat juga akan naik. Sehingga kemampuan menabung (saving) masyarakat juga akan meningkat. Peningkatan menabung masyarakat ini yang akan mempengaruhi profitabilitas bank syariah. H7 = Faktor pertumbuhan GDP riil (real GDP growth rate) berpengaruh positif signifikan terhadap profitabilitas perbankan syariah Menurut Smaoi dan Salah (2012) efek inflasi sangat tergantung apakah perbankan sudah memprediksi atau belum. Ketika inflasi telah diprediksi, maka bank akan menyesuaikan pembiayaan atau loans mereka, dengan demikian bisa meningkatkan keuntungan. Namun, jika tidak diprediksi, maka biaya perbankan bisa meningkat, yang pada akhirnya dapat menurunkan laba bersih. H8 = Faktor inflasi berpengaruh negatif/positif (-/+) signifikan terhadap profitabilitas perbankan syariah.
3. Metodologi Penelitian 3.1 Pengumpulan Data Data dalam penelitian ini diperoleh dari laporan keuangan bank syariah di Asia. Penelitian ini dilakukan dalam ruang lingkup perbankan syariah di Asia selama periode 2008–2012 melalui Thompson Reuters Statistics dan Worldbank Statistic Report 2013. Metode pengambilan sampel yang digunakan adalah metode purposive sampling dengan jenis data panel. Total sampel yang digunakan untuk unbalanced panel sebanyak 42 bank dengan 188 observasi, dan pada balanced panel sebanyak 28 bank dengan 140 observasi. 3.2 Pengukuran Variabel 3.2.1 Profitabilitas Bank Syariah Ukuran yang paling banyak digunakan untuk menilai profitabilitas adalah dengan menggunakan Return on Assets (ROA) dan Return on Equity (ROE). Return On Asset (ROA) merupakan pengukuran kemampuan perusahaaan secara keseluruhan di dalam menghasilkan keuntungan dengan jumlah keseluruhan aktiva yang tersedia di dalam perusahaan(Porman, 2007). Return On Equity (ROE) mengindikasikan kemampuan bank dalam menghasilkan laba untuk para pemegang saham (Dendawijaya, 2009).
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
3.2.2 Karakteristik Spesifik Bank Faktor-faktor karakteristik spesifik bank yang memengaruhi profitabilitas adalah faktor-faktor yang dapat dipengaruhi oleh keputusan manajemen bank atau disebut juga faktor internal. Penelitian ini berisi 6 variabel karakteristik spesifik bank. Leverage atau lebih dikenal juga sebagai rasio solvabilitas atau gearing ratio. Dalam arti luas dikatakan bahwa rasio ini digunakan untuk mengukur kemampuan bank untuk membayar seluruh kewajibannya, baik jangka pendek maupun jangka panjang apabila perusahaan dilikuidasi. Capital adalah melakukan penilaian terhadap kecukupan modal bank (adequacy ratio) untuk mengantisipasi risiko kerugian yang mungkin timbul dari pergerakan aktiva bank yang sebagian besar dananya berasal dari dana pihak ketiga atau masyarakat. Kecukupan modal yang tinggi artinya bank dapat resist terhadap kerugian aset (Samad, 2004). Operating Expense ditunjukkan melalui rasio BOPO. BOPO merupakan rasio yang menunjukkan efisiensi dari kinerja operasional suatu bank. BOPO membandingkan antara beban operasional bank dengan pendapatan operasional bank (Dendawijaya, 2009). Asset Quality merupakan penilaian terhadap kondisi aset bank dan kecukupan manajemen risiko kredit/ pembiayaan. Penilaian kualitas aset dilakukan dengan menentukan tingkat kolektibilitasnya. Kolektibilitas merupakan tingkat kelancaran pembayaran kewajiban nasabah berdasarkan tunggakan. Number of branch adalah jumlah kantor cabang bank syariah. Jumlah kantor cabang ini telah menjadi pertimbangan bagi masyarakat yang ingin menyimpan dananya di bank syariah. Bank Size merupakan pengklasifikasian besar dan kecilnya perusahaan dengan berbagai cara, antara lain total aktiva, log size, nilai pasar saham dan lain lain. Firm size/bank size pada penelitian ini berpedoman pada total aktiva sebagai indikator penentu ukuran perusahaan. 3.2.3 Indikator Makroekonomi merupakan analisis terhadap pengaruh faktor-faktor eksternal yang bersifat makro, yang berupa perubahan kondisi perekonomian negara yang terjadi di luar perusahaan, sehingga tidak dapat dikendalikan secara langsung oleh perusahaan. Indikator makroekonomi yang digunakan dalam penelitian ini adalah real GDP growth dan inflasi. Gross Domestic Product (GDP) growth merupakan indikator makro ekonomi yang mempengaruhi profitabilitas bank. Gross Domestic Product atau Produk Domestik Bruto adalah jumlah nilai barang dan jasa akhir yang dihasilkan oleh seluruh masyarakat suatu negara dalam periode tertentu, sedangkan GDP growth adalah pertumbuhan nilai GDP dari tahun t-1 hingga tahun t (Mankiw, 2003).
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
Inflasi adalah kecenderungan dari harga-harga untuk naik secara umum dan terus-menerus (Kane, 2004). Tabel 4.1 Variabel Penelitian Ratio
Variabel Formula Variabel Dependen Return on Assets Net Income/Total Assets Return on Equity Net Income/Shareholder Equity Variabel Independen Liabilities to Total Assets Total Liability/Total Assets Capital Adequacy Ratio (Tier 1 + Tier 2 + Tier 3) / ATMR Non Performing Financing Non-Performing Financing/Total Ratio Loans Operational Efficiency Operating Expense/ Operating Ratio Income Ukuran Bank Syariah Logn Total Assets Jumlah Cabang Bank Number, Including head office Syariah Laju Inflasi (CPIn - CPI n-1) CPI n-1 Pertumbuhan GDP GDP t- GDP t-1 GDP t-1
ROA ROE LATA CAR NPF BOPO SIZE NUMBER OF BRANCH INFLATION RATE GDP GROWTH
Sumber : Eviews 7, Diolah untuk penelitian (2014)
3.3 Model Penelitian Model penelitian yang digunakan adalah analisis regresi berganda berupa Least Square Method (LSM). Multivariat regression diadaptasi dan dimodifikasi dari persamaan regresi Bukhair (2013) sebagai berikut : Profitability = β0 + β1*LATA + β2*CAR + β3*OETA + β4*BRANCH + β5*SIZE + β6*GDP + αi + μit Variabel-variabel independen tersebut ditambah asset quality dan indikator makroekonomi berupa inflasi. Persamaan regresi dimodifikasi untuk digunakan dalam penelitian ini, sebagai berikut: Profitability = f (Bank Specific Variables; Macro Economic Variables) Profitability = β0 + β1*LATA + β2*CAR + β3*BOPO + β4*BRANCH + β5*SIZE + β6*AQNPF + β7*GDP + β8*IF + μit Keterangan : Profitability
= ROA, ROE.
LATA
= Leverage diukur dengan Liabilities to total assets ratio
CAR
= Capital diukur dengan Capital Adequacy Ratio
BOPO
= Operating Expense to Operating Income
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
NPF
= Asset Quality diukur dengan Non-Performing Financing
BRANCH
= Number of branches
SIZE
= Logn (total assets), bentuk logaritma natural
GDP
= Pertumbuhan GDP riil
IF
= Annual Inflation rate
μit
= the error term / residual error
β0
= Konstanta
β1, β2, dst
= Koefisien variabel independen
4.
Hasil Penelitian Tabel 4.2 Descriptive Statistic Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
Jenis data Balanced Unbalanced Balanced Unbalanced Balanced Unbalanced Balanced Unbalanced Balanced Unbalanced Balanced Unbalanced Balanced Unbalanced
ROA 0.015622 0.014563 0.012948 0.012125 0.054686 0.074300 0.000538 0.000538 0.010127 0.011342 1.407041 1.730645 5.257277 7.503483
ROE 0.135465 0.118452 0.130889 0.112214 0.349435 0.349435 0.002477 0.000678 0.075376 0.078540 0.585257 0.579238 2.984500 2.861340
LATA 0.768638 0.745150 0.853927 0.845337 0.956724 0.956724 0.106086 0.095428 0.241632 0.254559 -1.766487 -1.518242 4.635403 3.776774
CAR 0.185931 0.201004 0.168400 0.173800 0.995000 0.995000 0.090700 0.077000 0.099384 0.122774 4.582477 3.603040 20.65382 19.67486
BOPO 0.463824 0.488834 0.424177 0.455469 0.976470 0.977047 0.122321 0.122321 0.198000 0.211978 0.393818 0.382167 2.507593 2.335174
GDP GROWTH 0.053002 0.049836 0.056398 0.051268 0.177000 0.177000 -0.052000 -0.052000 0.039991 0.037419 0.719754 0.737538 5.340785 5.687198
INF
Sumber : Eviews 7, Diolah untuk penelitian (2014)
Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis
Jenis data
NPF
LnSIZE
BRANCH
Balanced Unbalanced Balanced Unbalanced Balanced Unbalanced Balanced Unbalanced Balanced Unbalanced Balanced Unbalanced Balanced Unbalanced
0.041242 0.040733 0.032115 0.031300 0.159300 0.160800 0.000000 0.000000 0.030841 0.033244 1.424278 1.565810 4.783106 5.375809
22.09680 22.07743 22.09241 22.03303 24.98994 25.44194 17.39717 17.39717 1.349107 1.328211 -0.207196 0.053141 3.337037 3.417253
44.49286 42.71277 39.50000 30.00000 110.0000 141.0000 3.000000 2.000000 31.86742 32.88974 0.447185 0.655203 1.945129 2.316183
Sumber : Eviews 7, Diolah untuk penelitian (2014)
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
0.048393 0.050639 0.039694 0.038891 0.202861 0.206283 0.002425 0.002425 0.040700 0.043887 1.138365 1.233694 3.909192 4.119299
Tabel 4.1 dan 4.2 menyajikan statistik deskriptif variabel-variabel yang ada dalam penelitian ini. Hasil statistik deskriptif antara balanced dan unbalanced panel tidak menunjukkan perbedaan yang berarti. Tabel statistik deskriptif di atas menunjukkan bahwa rata-rata ROA perbankan syariah di Asia dalam kurun waktu 2008-2012 ialah 0,015622 untuk balance panel dan 0,014563 untuk unbalance panel. Artinya bahwa rata-rata tiap 1 satuan aset bank syariah di Asia berkontribusi dalam menghasilkan pendapatan bersih sebesar 1,5622% atau 1,4563%. Nilai median ROA unbalanced panel sebesar 0,012125 dengan standar deviasi sebesar 0,011342. Nilai terendah ROA sebesar 0,000538 berasal dari AlSalam Bank Bahrain pada tahun 2011, dan nilai tertinggi ROA pada unbalanced panel sebesar 0,074300 berasal dari Khaleeji Commercial Bank Bahrain tahun 2008. Variabel dependen kedua merupakan ROE dengan nilai mean 0,135465 pada balanced panel dan 0,118452 pada unbalanced panel. Nilai rata-rata ROE berada sedikit diatas nilai tengahnya dan berada pada kondisi ideal. Hal ini menunjukkan bahwa perbankan syariah di Asia dapat memanfaatkan ekuitasnya sehingga dapat mendistribusikan laba kepada para investornya. Median berada pada kisaran 0,112214, dan standar deviasi pada kisaran 0,078540. Nilai tertinggi ROE sebesar 0,349435 dicapai oleh First Security Islamic Bank Bangladesh tahun 2011. Nilai terendah ROE sebesar 0,002477 untuk balanced panel berasal dari Al-Salam Bank Bahrain tahun 2011, dan sebesar 0,000678 untuk unbalanced panel berasal dari Islamic Bank of Thailand tahun 2008. Dari hasil tabel 4.7 dan 4.8 pada halaman selanjutnya, baik data untuk balanced maupun unbalanced panel ternyata tidak terdapat nilai koefisien antar variabel independen yang lebih dari 0,8, sehingga dapat disimpulkan bahwa tidak terdapat multikolinearitas pada data penelitian ini. Kedua tabel tersebut menunjukkan bahwa seluruh variabel independen terbebas dari permasalahan multikolinearitas yang terlihat dari nilai koefisien yang lebih kecil dari 0,8. Pengujian heteroskedastisitas menggunakan Generalized Least Square. Dapat dilihat dari tabel 4.9 untuk indikator ROA, nilai R-squared weighted pada unbalanced panel adalah 0,782913 dan nilai R-squared unweighted 0,415990. Sama juga dengan balance panel. Hasil pengujian terlihat bahwa nilai R-squared nilainya lebih besar dari R-squared unweighted. Tabel 4.17 memperlihatkan uji heteroskedastisitas pada indikator ROE, nilai R-squared weighted pada unbalanced panel adalah 0,746119 dan nilai R-squared unweighted 0,413163. Dari hasil pengujian terlihat bahwa nilai R-squared weighted pada balanced maupun unbalanced panel nilainya lebih besar dari R-squared unweighted. Hal ini menandakan
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
bahwa data yang digunakan dalam penelitian terdapat heteroskedastisitas. Adanya masalah heteroskedastisitas, dengan metode Generalised Least Square ini masalah sudah teratasi. Tabel 4.3 Generalized Least Squared (ROA) Total Panel (unbalanced) observations : 188 Weighted Statistics Unweighted Statistics R-Squared 0,782913 R-Squared 0,415990 Total Panel (balanced) observations : 140 Weighted Statistics Unweighted Statistics R-Squared 0,786081 R-Squared 0,613982 Sumber : Eviews 7, Diolah untuk penelitian (2014)
Tabel 4.4 Generalized Least Squared (ROE) Total Panel (unbalanced) observations : 188 Weighted statistics Unweighted statistics R-Squared 0,746119 R-Squared 0,413163 Total Panel (balanced) observations : 140 Weighted statistics Unweighted statistics R-Squared 0,739035 R-Squared 0,486161 Sumber : Eviews 7, Diolah untuk penelitian (2014)
Pada tabel, masalah autokorelasi sudah dapat diatasi. Probabilitas (F-statistic) pada model kedua pada balanced dan unbalanced panel dengan indikator ROA dan ROE bernilai kurang dari 5% yakni 0,000000, sama seperti pada model pertama. Hal tersebut berarti hipotesis nol ditolak sehingga seluruh variabel independen dalam model penelitian ini secara bersama-sama mampu memengaruhi profitabilitas perbankan syariah di Asia dengan proksi variabel ROA secara signifikan dengan tingkat kepercayaan 95%. Statistik Durbin Watson yang berada dalam kisaran 1,8 hingga 2 menunjukkan bahwa variabel-variabel dalam model ini telah bebas dari masalah autokorelasi. Nilai R Squared (R²) mengukur tingkat bagaimana model dapat dijelaskan dengan baik. Nilai adjusted R² sebesar 0,507929 pada unbalanced panel, dan 0,692342 pada balanced panel. Pada unbalanced panel sebesar 50,79% yang menunjukkan bahwa variabelvariabel independen yang di uji dalam penelitian ini yaitu LATA, CAR, BOPO, NPF, number of branch, size, GDP growth, dan inflasi memiliki pengaruh sebesar 50,79% terhadap variabel dependen ROA. Sisanya sebesar 49,21% di pengaruhi oleh variabel lainnya di luar model penelitian ini. Pada indikator ROE diperoleh nilai adjusted R² sebesar 0,590557 pada unbalanced panel, dan 0,649237 pada balanced panel. Pada unbalance panel sebesar 59,05% yang menunjukkan bahwa variabel-variabel independen yang di uji dalam penelitian ini yaitu LATA, CAR, BOPO, NPF, number of branch, size, GDP growth, dan inflasi memiliki
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
pengaruh sebesar 59,05% terhadap variabel dependen yaitu ROE. Sisanya di pengaruhi oleh variabel lainnya di luar model penelitian ini.
Tabel 4.5 Hasil Regresi Indikator ROA
Variabel
C LATA CAR BOPO NPF LnSIZE BRANCH GDPGR INF AR R² Adj. R² F-statistic Prob (F-stat) DW stat
Exp. sign
+ + + + -/+
188 Observations Unbalanced Panel :
140 Observations Balanced Panel :
ROAit = α0+ α1LATAit + α2CARit + α3BOPOit + α4NPFit + α5SIZEit + α6BRANCHit + α7GDPGRit + α8IFit + εit
ROAit = α0 + α1LATAit + α2CARit + α3BOPOit + α4NPFit + α5SIZEit + α6BRANCHit + α7GDPGRit + α8IFit + εit
Coef
(t-stat)
Prob (t-stat)
Coef
(t-stat)
Prob (t-stat)
0.035169 -0.003748 0.013487 -0.026967 -0.018908 0.001030 3.30E-05 0.070816 0.045454 0.431915
2.003784 -1.654676 2.034102 -6.758644 -0.976046 1.984548 1.252924 3.571414 2.943267 6.100755 0.523566 0.507929 20.76366
0.0445 0.0914* 0.0434** 0.0000*** 0.3304 0.0492** 0.2119 0.0000*** 0.0037*** 0.0000***
0.040851 -0.007379 0.010193 -0.029191 -0.025642 0.001273 1.86E-05 0.053600 0.046369 0.521987
2.741622 -2.113661 1.765323 -8.015343 -1.077047 2.392791 0.768227 3.311915 3.331971 6.617746 0.712407 0.692342 35.50556 0.000000***
0.0067 0.0365* 0.0783* 0.0000*** 0.2835 0.0181** 0.4438 0.0012*** 0.0011*** 0.0000***
0.000000*** 1.938072
2.019352
* signifikan pada level α = 10% ** signifikan pada level α = 5% *** signifikan pada level α = 1% Sumber : Eviews 7, Diolah untuk penelitian (2014)
Berdasarkan hasil regresi pada tabel 4.5 memperlihatkan bahwa nilai probabilitas dari variabel leverage yang direpresentasikan oleh proksi Liabilities to Total Assets Ratio (LATA) pada
unbalanced panel sebesar 0,0914. Koefisien bernilai -0,003748 yang berarti ada
pengaruh negatif antara faktor leverage dengan proksi LATA terhadap profitabilitas dengan proksi ROA. Nilai probabilitas LATA lebih kecil daripada level signifikansi yang bernilai 10% atau 0,1 sehingga H0 ditolak yang mengindikasikan bahwa faktor leverage berpengaruh terhadap profitabilitas bank-bank syariah di Asia secara signifikan dengan tingkat keyakinan 90%. Dilihat dari koefisiennya bernilai sebesar -0,003748 artinya LATA berpengaruh negatif terhadap profitabilitas bank dengan proksi ROA. Pada indikator ROE nilai probabilitas unbalanced panel yaitu sebesar 0,8467 dengan koefisien -0,007752. Nilai probabilitas LATA lebih besar daripada level signifikansi yang bernilai 10% atau 0,1 sehingga H0 diterima yang
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
mengindikasikan bahwa faktor leverage tidak berpengaruh secara signifikan terhadap ROE bank-bank syariah di Asia. Tabel 4.6 Hasil Regresi Indikator ROE
Variabel
C LATA CAR BOPO NPF LnSIZE BRANCH GDPGR INF AR R² Adj. R² F-statistic Prob (F-stat) DW stat
Exp. sign
+ + + + -/+
188 Observasi Unbalance Panel :
140 Observasi Balance Panel :
ROEit = α0+ α1LATAit + α2CARit + α3BOPOit + α4NPFit + α5SIZEit + α6BRANCHit
ROEit = α0+ α1LATAit + α2CARit + α3BOPOit + α4NPFit + α5SIZEit + α6BRANCHit
+ α7GDPGRit + α8IFit + εit
+ α7GDPGRit + α8IFit + εit
Coef
(t-stat)
Prob (t-stat)
Coef
(t-stat)
Prob (t-stat)
0.267102 -0.007752 0.047233 -0.122788 -0.487109 0.004481 0.000816 0.247857 0.194931 0.592523
2.998276 -0.193672 2.150422 -4.763472 -3.495251 0.907394 4.661415 2.050053 1.987497 9.525535 0.610369 0.590557 29.38090
0.0031 0.8467 0.0329** 0.0000*** 0.0006*** 0.3659 0.0000*** 0.0418** 0.0484** 0.0000***
0.200714 -0.016083 0.062432 -0.120618 -0.361285 0.005131 0.000912 0.175048 0.327931 0.601844
2.168574 -0.683987 2.492030 -4.155297 -1.877913 0.988016 4.567832 1.390609 3.070717 8.420127 0.672113 0.649237 30.80844
0.0329 0.4952 0.0140** 0.0001*** 0.0627* 0.3245 0.0000*** 0.1667 0.0026*** 0.0000***
0.000000*** 1.988333
0.000000*** 1.900999
* signifikan pada level α = 10% ** signifikan pada level α = 5% *** signifikan pada level α = 1% Sumber : Eviews 7, Diolah untuk penelitian (2014)
Tabel 4.5 pada unbalanced panel menunjukkan bahwa nilai probabilitas Capital Adequacy Ratio (CAR) yang merepresentasikan faktor kecukupan modal adalah sebesar 0,0434. Nilai tersebut lebih kecil daripada level signifikansi yang bernilai 10% atau 0,1 sehingga H0 ditolak yang mengindikasikan bahwa faktor kecukupan modal berpengaruh terhadap ROA perbankan syariah di Asia secara signifikan dengan tingkat keyakinan 90%. Dilihat dari koefisiennya sebesar 0,013487 menunjukkan bahwa CAR berpengaruh positif terhadap profitabilitas bank dengan proksi ROA. Pada indikator ROE, nilai probabilitas Capital Adequacy Ratio (CAR) yang merepresentasikan faktor kecukupan modal adalah sebesar 0,0329. Nilai tersebut lebih kecil daripada level signifikansi yang bernilai 5% atau 0,05 sehingga H0 ditolak yang mengindikasikan bahwa faktor kecukupan modal berpengaruh terhadap ROE perbankan syariah di Asia secara signifikan dengan tingkat keyakinan 95%.
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
Dilihat dari koefisiennya sebesar 0.04723 menunjukkan bahwa CAR berpengaruh positif terhadap profitabilitas bank dengan proksi ROE. Tabel 4.5 pada unbalanced panel memperlihatkan bahwa nilai probabilitas Beban Operasional Pendapatan Operasional (BOPO) yang merepresentasikan faktor operating expense/operating efficiency adalah sebesar 0,0000. Nilai tersebut lebih kecil daripada level signifikansi yang bernilai 1% atau 0,01 sehingga H0 ditolak yang mengindikasikan bahwa faktor operating expense dengan proksi BOPO berpengaruh terhadap ROA perbankan syariah di Asia secara signifikan dengan tingkat keyakinan 99%. Dilihat dari nilai koefisiennya sebesar -0,026967 menunjukkan bahwa BOPO berpengaruh negatif terhadap profitabilitas bank dengan proksi ROA. Pada indikator ROE, nilai probabilitas Beban Operasional Pendapatan Operasional (BOPO) yang merepresentasikan faktor operating expense/operating efficiency adalah sebesar 0,0000. Nilai tersebut lebih kecil daripada level signifikansi yang bernilai 1% atau 0,01 sehingga H0 ditolak yang mengindikasikan bahwa faktor operating expense dengan proksi BOPO berpengaruh terhadap ROE perbankan syariah di Asia secara signifikan dengan tingkat keyakinan 99%. Dilihat dari koefisiennya menunjukkan bahwa BOPO berpengaruh negatif terhadap profitabilitas bank dengan proksi ROE. Tabel 4.5 pada unbalanced panel menunjukkan bahwa nilai probabilitas Non Performing Financing (NPF) yang merepresentasikan faktor kualitas aset adalah sebesar 0,3304. Nilai tersebut lebih besar daripada level signifikansi yang bernilai 10% atau 0,1 sehingga H0 diterima yang mengindikasikan bahwa faktor kualitas aset dengan proksi NPF tidak berpengaruh signifikan terhadap ROA perbankan syariah di Asia. Pada pengujian ini dapat dilihat bahwa koefisien dari variabel NPF sebesar -0,018908 menunjukkan bahwa NPF berpengaruh negatif terhadap profitabilitas bank dengan proksi ROA tetapi tidak signifikan. Pada indikator ROE nilai probabilitas Non Performing Financing (NPF) yang merepresentasikan faktor kualitas aset adalah sebesar 0,0006. Nilai tersebut lebih kecil daripada level signifikansi yang bernilai 1% atau 0,01 sehingga H0 ditolak yang mengindikasikan bahwa faktor kualitas aset berpengaruh terhadap ROE perbankan syariah di Asia secara signifikan dengan tingkat keyakinan 99%. Dilihat dari koefisiennya menunjukkan bahwa NPF berpengaruh negatif terhadap profitabilitas bank dengan proksi ROE. Unbalanced panel dalam tabel 4.5 menunjukkan bahwa nilai probabilitas size yang merepresentasikan faktor ukuran perusahaan dengan pengukuran total aset adalah sebesar 0,0492. Nilai tersebut lebih besar daripada level signifikansi yang bernilai 5% atau 0,05 sehingga H0 ditolak yang mengindikasikan bahwa faktor ukuran perusahaan dengan proksi size berpengaruh signifikan terhadap ROA perbankan syariah di Asia dengan tingkat
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
keyakinan 95%. Koefisien dari variabel size sebesar 0,001030 menunjukkan bahwa size berpengaruh positif signifikan terhadap profitabilitas bank dengan proksi ROA. Pada indikator ROE, nilai probabilitas variabel size yang merepresentasikan faktor ukuran perusahaan adalah sebesar 0,3659. Nilai tersebut lebih besar daripada level signifikansi yang bernilai 10% atau 0,1 sehingga H0 diterima yang mengindikasikan bahwa faktor ukuran perusahaan dengan proksi size tidak berpengaruh signifikan terhadap ROE perbankan syariah di Asia. Tabel 4.5 pada unbalanced panel memperlihatkan bahwa nilai probabilitas number of branch yang menunjukkan jumlah cabang/jumlah bisnis unit adalah sebesar 0,2119. Nilai tersebut lebih besar daripada level signifikansi yang bernilai 10% atau 0,1 sehingga H0 diterima yang mengindikasikan bahwa faktor number of branch tidak berpengaruh signifikan terhadap ROA perbankan syariah di Asia. Pada indikator ROE, nilai probabilitas Number of Branch yang merepresentasikan jumlah cabang adalah sebesar 0,0000. Nilai tersebut lebih kecil daripada level signifikansi yang bernilai 1% atau 0,01 sehingga H0 ditolak yang mengindikasikan bahwa variabel number of branch berpengaruh terhadap ROE perbankan syariah di Asia secara signifikan dengan tingkat keyakinan 99%. Dilihat dari koefisiennya menunjukkan bahwa number of branch berpengaruh positif terhadap profitabilitas bank dengan proksi ROE. Tabel 4.5 pada unbalanced panel menunjukkan bahwa nilai probabilitas GDP growth yang merepresentasikan indikator makroekonomi adalah sebesar 0,0000. Nilai tersebut lebih kecil daripada level signifikansi yang bernilai 1% atau 0,01 sehingga H0 ditolak yang mengindikasikan bahwa faktor GDP growth berpengaruh terhadap ROA perbankan syariah di Asia secara signifikan dengan tingkat keyakinan 99%. Dilihat dari koefisiennya sebesar 0,070816 menunjukkan bahwa GDP growth berpengaruh positif terhadap profitabilitas bank dengan proksi ROA. Pada indikator ROE, nilai probabilitas GDP growth adalah sebesar 0,0418. Nilai tersebut lebih kecil daripada level signifikansi yang bernilai 5% atau 0,05 sehingga H0 ditolak yang mengindikasikan bahwa faktor GDP growth berpengaruh terhadap ROE perbankan syariah di Asia secara signifikan dengan tingkat keyakinan 95%. Dilihat dari koefisiennya menunjukkan bahwa GDP growth berpengaruh positif terhadap ROE. Nilai probabilitas inflasi yang merepresentasikan indikator makroekonomi adalah sebesar 0,0037. Nilai tersebut lebih kecil daripada level signifikansi yang bernilai 1% atau 0,01 sehingga H0 ditolak yang mengindikasikan bahwa variabel inflasi berpengaruh terhadap ROA perbankan syariah di Asia secara signifikan dengan tingkat keyakinan 99%. Dilihat dari koefisiennya sebesar 0,045454 menunjukkan bahwa inflasi berpengaruh positif terhadap
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
profitabilitas bank dengan proksi ROA. Pada indikator ROE, nilai probabilitas variabel inflasi adalah sebesar 0,0484. Nilai tersebut lebih kecil daripada level signifikansi yang bernilai 5% atau 0,05 sehingga H0 ditolak yang mengindikasikan bahwa variabel inflasi berpengaruh terhadap ROE perbankan syariah di Asia secara signifikan dengan tingkat keyakinan 95%. Dilihat dari koefisiennya menunjukkan bahwa inflasi berpengaruh positif terhadap profitabilitas bank dengan proksi ROE.
5.
Kesimpulan Sesuai dengan pembahasan hasil regresi yang telah dilakukan sebelumnya, dapat
diambil kesimpulan bahwa semua variabel independen berpengaruh terhadap profitabilitas perbankan syariah di Asia dengan proksi ROA dan ROE yang merepresentasikan profitabilitas. Variabel independen CAR, GDP growth, inflasi, dan firm size berpengaruh signifikan positif terhadap ROA, sementara variabel independen LATA dan BOPO berpengaruh signifikan negatif terhadap ROA. Variabel NPF dan number of branch tidak berpengaruh signifikan terhadap ROA. Pada variabel dependen ROE, variabel independen yang berpengaruh secara signifikan positif adalah CAR, number of branch, GDP growth, dan inflasi. Variabel independen yang berpengaruh secara signifikan negatif terhadap
ROE
adalah BOPO, dan NPF. Variabel independen yang tidak berpengaruh signifikan terhadap ROE adalah LATA dan firm size.
DAFTAR REFERENSI Ali, G. (2010). Evidence on Structure Conduct Performance Hypothesis in Pakistani Commercial Banks. International Journal of Business and Management Vol. 5, No. 9. Ali, K., Akhtar, M. F., & Sadaqat, S. (2011). Factors Influencing the Profitability of Islamic Bank of Pakistan. International Research Journal of Finance and Economics, 125132. Al-Jafari, M. K. & Alchami, M. (2014). Determinants of Bank Profitability: Evidence from Syria. Journal of Applied Finance & Banking, Vol. 4, no. 1, 17-4. Alper, D. (2011). Bank Specific and Macroeconomic Determinants of Commercial Bank Profitability: Empirical Evidence from Turkey. Business and Economics Research Journal Volume 2, 139-152. Bukhair, A. A. (2013). Influencing of Specific-Firm Characteristics on Islamic banks Profitability: Evidence from GCC Countries. American Academic & Scholarly Research Journal, Vol. 5, No. 4. Dendawijaya, L. (2009). Manajemen Perbankan. Jakarta: Penerbit Ghalia Indonesia. Harimaya, K. & Kondo, K. (2011). The Effects of Branch Expansion on Bank Efficiency: Evidence from Japanese Regional Banks. Faculty of Economics, Faculty of Business Administration, Ritsumeikan University. Islamic Financial Services Board. (2013). World Islamic Banking Competitiveness Report. Islamic Financial Services Board. (2011). World Islamic Banking Competitiveness Report.
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
Kane, A., Marcus. A. J., Bodie, Z. (2004). Investment (th ed). New York: McGraw-Hill Publishing Co. Kosmidou, K., & Pasiouras, F. (2008). Determinants of profitability of domestic UK commercial banks: panel evidence from the period 1995-2002. Journal of Multinational Financial Management, 17, 1-15. Mankiw, N. G. (2003). Principles of Macroeconomics (th ed). New York: Cengage Learning Masood, O. et al. (2012). Bank-specific and macroeconomic profitability determinants of Islamic banks: The case of different countries. Qualitative Research in Financial Markets, Vol. 4 No. 2/3, 255-268. Muda, M. (2013). Comparative Analysis of Profitability Determinants of Domestic and Foreign Islamic Banks in Malaysia. Embaya International Journal of Economics and Financial Issues Vol. 3, No. 3, 559-569 Muhammad. (2005). Manajemen Bank Syariah. UPP AMP YKPN, Yogyakarta. Mustafa, A. (2013). The Impact of Macroeconomic Variables and Banks Characteristics on Jordanian Islamic Banks Profitability: Empirical Evidence. International Business Research; Vol. 6, No. 10. Samad, A. (2004). Performance of interest-free islamic banks vis-à-vis interest-based conventional banks of Bahrain. IIUM Journal of Economics and Management, 12(2), 1-15. Smaoui, C. & Salah, I. B. (2012). Profitability of Islamic Banks in the GCC Region. Global Economy and Finance Journal, 5(1), 85-102. Umari, V. (2013). Faktor-Faktor Internal yang Memengaruhi Profitabilitas Bank-Bank Syariah di Asia. Depok : Fakultas Ekonomi Universitas Indonesia.
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
Tabel 4.7 Unbalanced Panel Correlation Matrix
LATA CAR BOPO NPF SIZE BRANCH GDP GROWTH INF
LATA
CAR
BOPO
NPF
SIZE
BRANCH
GDP GROWTH
INF
1.000000 -0.266674 -0.212008 0.062395 0.062346 -0.218851 0.002988
1.000000 0.148020 -0.063814 -0.173850 -0.318574 -0.071429
1.000000 0.236192 -0.207904 0.145819 -0.303069
1.000000 0.042333 0.025424 -0.376983
1.000000 0.170966 0.110768
1.000000 -0.027510
1.000000
-0.131150
-0.177327
0.067176
-0.149864
-0.183644
0.233572
0.134912
1.000000
GDP GROWTH
INF
Tabel 4.8 Balanced Panel Correlation Matrix
LATA CAR BOPO NPF SIZE BRANCH GDP GROWTH INF
LATA
CAR
BOPO
NPF
SIZE
BRANCH
1.000000 -0.134289 -0.258835 0.001420 -0.018678 -0.354907 -0.029314
1.000000 -0.015028 0.145275 -0.172310 -0.321135 -0.043886
1.000000 0.317778 -0.163805 0.055298 -0.383253
1.000000 0.169035 -0.015637 -0.427872
1.000000 0.257633 0.047512
1.000000 -0.067214
1.000000
0.016206
-0.212975
0.010420
-0.192798
-0.176926
0.135483
0.189731
Sumber : Eviews 7, Diolah untuk penelitian (2014)
Analisis pengaruh..., Lupita Widyaningrum, FE UI, 2014
1.000000