BAB IV ANALISIS DAN PEMBAHASAN
Dalam bab ini akan diuraikan hal - hal yang berkaitan dengan hasil pengolahan data dan pembahasan dari hasil pengolahan data tersebut. Adapun pembahasan yang dimaksud meliputi : deskripsi hasil penelitian, pengujian asumsi klasik, dan pengujian variabel independen secara parsial dengan model regresi. 4.1
Deskriptif Statistik Variabel Penelitian Untuk memberikan gambaran dan informasi mengenai data variabel dalam
penelitian ini maka digunakanlah tabel statistik deskriptif. Tabel statistik deskriptif ini meliputi nilai rata-rata (mean), jumlah data (N) dan standar deviasi dari tiga variabel independen yaitu Dana Pihak Ketiga (DPK), Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), dan Return on Assets (ROA), sebagai variabel yang mempengaruhi penyaluran kerdit pada Bank Persero Pemerintah. Hasil analisis deskriptif statistic akan ditunjukkan dalam Tabel 4.1 di bawah ini: Tabel 4.1. Deskripsi Variabel Penelitian Bank Persero Pemerintah Descriptive Statistics N Minimum Maximum Mean Std. Deviation DPK 40 ,27 6,64 2,5000 1,68444 CAR 40 12,19 27,70 17,2787 3,57973 NPL 40 1,78 25,20 5,3348 4,42361 ROA 40 ,50 5,77 2,7040 1,37695 KREDIT 40 ,23 7,92 2,5005 1,98385 Valid N 40 (listwise) Sumber : Output SPSS 20 ( Laporan Statistik Perbankan Indonesia, diolah )
62
63
Berdasarkan Tabel 4.1. dapat dilihat bahwa dengan N = 40 banyaknya amatan, variabel dependen kredit mempunyai nilai minimum 0,23% dan nilai maksimum 7.92%. Sementara nilai standar deviasi (standard deviation) sebesar 1,98385% dan nilai rata - rata (mean) sebesar 2,5005%. Hal ini menunjukkan bahwa selama periode penelitian, secara statistik dapat dijelaskan bahwa tingkat penyaluran Kredit yang dilakukan Bank Persero terhadap asetnya termasuk dalam kategori yang cukup yang baik. Adapaun nilai rata - rata (mean) yang lebih besar dibandingkan nilai standar deviasi (standard deviation) menunjukkan bahwa data terdistribusi dengan baik. Variabel independen DPK mempunyai nilai minimum 0,27% dan nilai maksimum 6.64%. Sementara nilai standar deviasi (standard deviation) sebesar 1,684444% dan nilai rata - rata (mean) sebesar 2,5000%. Hal ini menunjukkan bahwa secara statistik, selama periode penelitian variable independen DPK memenuhi standar dengan baik. Nilai rata - rata (mean) yang lebih besar dibandingkan nilai standar deviasi (standard deviation) menunjukkan bahwa data terdistribusi dengan baik. Adapun DPK merupakan sumber dana terbesar yang paling diandalkan oleh bank (bisa mencapai 80% - 90% dari seluruh dana yang dikelolah oleh bank) . Variabel independen CAR mempunyai nilai minimum 12,19% dan nilai maksimum 27,70%. Sementara nilai standar deviasi (standard deviation) sebesar 3,57973% dan nilai rata - rata (mean) sebesar 17,2787%. Nilai rata - rata (mean) yang lebih besar dibandingkan nilai standar deviasi (standard deviation) menunjukkan bahwa data terdistribusi dengan baik. Hal ini menunjukkan bahwa secara statistik, selama periode penelitian rasio CAR Bank Persero belum
64
memenuhi standar yang ditetapkan Bank Indonesia yaitu minimal 8%. Sementara standar deviasi yang masih lebih kecil jika dibandingkan nilai mean-nya menunjukkan bahwa simpangan data pada CAR relatif baik. Variabel independen NPL mempunyai nilai minimum 1,78% dan nilai maksimum 25,20%. Sementara nilai standar deviasi (standard deviation) sebesar 4,42361% dan nilai rata - rata (mean) sebesar 5,3348%. Hal ini menunjukkan bahwa secara statistik, selama periode penelitian besarnya NPL sudah memenuhi standar yang ditetapkan oleh Bank Indonesia yakni di bawah 5%. Sementara standar deviasi masih lebih kecil jika dibandingkan nilai mean-nya. Dengan demikian dapat dikatakan bahwa simpangan data pada Non Performing Loan (NPL) baik. Variabel independen ROA mempunyai nilai minimum 0,50% dan nilai maksimum 5,77%. Sementara nilai standar deviasi (standard deviation) sebesar 1,37695% dan nilai rata - rata (mean) sebesar 2,7040%. Hal ini menunjukkan bahwa secara statistik, selama periode penelitian variable independen ROA memenuhi standar dengan baik. Nilai rata - rata (mean) yang lebih besar dibandingkan nilai standar deviasi (standard deviation) menunjukkan bahwa data terdistribusi dengan baik. 4.2
Uji Asumsi Klasik Karena data yang digunakan adalah data sekunder maka untuk
menentukan ketepatan model perlu dilakukan pengujian atas beberapa asumsi klasik
yang
digunakan
yaitu
:
Uji
Normalitas,
Multikolonieritas,
65
Heteroskedastisitas, dan Autokorelasi yang secara rinci dapat dijelaskan sebagai berikut. 4.2.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau tidak. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Metode yang dapat dipakai untuk normalitas antara lain: analisis grafik dan analisis statistik. Uji Kolmogorov smirnov digunakan untuk uji statistik apakah data terdistribusi normal ataukah tidak terdistribusi normal. Uji kolmogorov Smirnov dengan ketentuan sebagai berikut : jika nilai signifikansi kolmogorov smirnov lebih besar dari nilai signifikansi yang telah ditetapkan maka data terdistribusi secara normal. Uji kolmogorov smirnov dapat dilihat dalam Tabel 4.2 sebagai berikut : Tabel 4.2 Uji kolmogorov smirnov One-Sample Kolmogorov-Smirnov Test DPK
N
CAR
40 Mean a,b
Normal Parameters
Std. Deviation
NPL
ROA
KREDIT
40
40
40
40
2,5000 17,2788
5,3348
2,7040
2,5005
1,68444 3,57973
4,42361 1,37695 1,98385
Absolute
,093
,170
,289
,133
,158
Positive
,083
,170
,289
,133
,158
Negatif
-,093
-,101
-,211
-,071
-,126
Kolmogorov-Smirnov Z
,587
1,075
1,829
,839
1,000
Asymp. Sig. (2-tailed)
,881
,198
,002
,483
,270
Most Extreme Differences
a. Test distribution is Normal. b. Calculated from data. Sumber : Output SPSS 20 ( Laporan Statistik Perbankan Indonesia, diolah )
66
Dari Tabel 4.2 diatas, dapat diketahui bahwa nilai K-S untuk variabel DPK adalah 0,587 dengan p = 0, 881, variabel CAR memiliki K-S 1,085 dengan p = 0, 190, variabel NPL memiliki K-S 1,563 dengan p = 0, 015 dan variabel KREDIT memiliki K-S 0,825 dengan p = 0, 504 dapat terdistribusi secara normal karena memiliki tingkat signifikansi di atas 0,05. Sedangkan variabel NPL memiliki K-S 3,163 dengan p = 0, 015, memiliki probabilitas dibawah 0,05. Hal ini berarti variabel NPL, belum terdistribusi normal. Gambar 4.1 Grafik histogram Variabel NPL
Sumber : Output SPSS 20 ( Laporan Statistik Perbankan Indonesia, diolah )
Data yang tidak berdistribusi secara normal dapat ditransformasi agar menjadi normal (Ghozali, 2009). Sebelum melakukan transformasi, terlebih dahulu melakukan identifikasi terhadap bentuk grafik histogram dari data untuk memastikan teknik transformasi yang tepat. Berdasarkan grafik histogram seperti yang ditampilkan dalam gambar 4.1 di atas, maka dapat disimpulkan
67
grafik berbentuk positif skewness (menceng ke kiri) dan ditransformasi dalam bentuk Logaritma 10 atau LN (Ghozali, 2009). Setelah data ditransformasi, maka diuji lagi dengan menggunakan uji K-S dan dilihat apakah data tersebut sudah terdistribusi secara normal atau tidak. Berikut ini adalah hasil uji K-S setelah ditransformasikan. Tabel 4.3 Uji Kolmogorov – Smirnov setelah di transformasi
One-Sample Kolmogorov-Smirnov Test DPK N
40 Mean
Normal Parametersa,b
Std. Deviation
CAR
NPL
ROA
KREDIT
40
40
40
40
,2588 1,2293
,6424
,3684
,2478
,40144 ,08328 ,24803 ,25269
,39750
Absolute
,146
,133
,174
,083
,079
Positive
,085
,133
,174
,062
,061
Negatif
-,146
-,082
-,081
-,083
-,079
Kolmogorov-Smirnov Z
,920
,838
1,098
,524
,500
Asymp. Sig. (2-tailed)
,365
,483
,179
,947
,964
Most Extreme Differences
a. Test distribution is Normal. b. Calculated from data.
Sumber : Output SPSS 20 ( Laporan Statistik Perbankan Indonesia, diolah )
Dari Tabel 4.3 diatas, dapat diketahui bahwa nilai K-S untuk variabel DPK adalah 0, 920 dengan sig = 0, 365, variabel CAR memiliki K-S 0, 838 dengan sig = 0, 483, variabel NPL memiliki K-S 1,098 dengan sig = 0, 179 dan variabel KREDIT memiliki K-S 0, 500 dengan sig = 0, 964, semua variabel dapat terdistribusi secara normal karena memiliki nilai signifikansi di atas 0,05. Metode lain untuk mengetahui normalitas adalah dengan menggunakan metode analaisis grafik, baik dengan melihat grafik secara histogram ataupun
68
dengan melihat secara Normal Probability Plot. Normalitas dapat dideteksi dengan melihat penyebaran data (titik) pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya: 1)
Jika data menyebar di sekitar garis diagonal dan mengikuti garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal (menyerupai lonceng), regresi memenuhi asumsi normalitas.
2)
Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Gambar berikut ini memperlihatkan hasil uji normalitas yang dilakukan
dalam penelitian ini. Gambar 4.2 Grafik histogram
Sumber : Output SPSS 20 ( Laporan Statistik Perbankan Indonesia, diolah )
Gambar histogram di atas menunjukkan bahwa data terdistribusi secara normal karena bentuk kurva memiliki kemiringan yang cenderung imbang dan
69
kurva berbentuk menyerupai lonceng. Dapat disimpulkan bahwa variabel pengganggu atau residual memiliki pola mendekati distribusi normal.
Gambar 4.3 NORMAL P-PLOT
Sumber : Output SPSS 20 ( Laporan Statistik Perbankan Indonesia, diolah )
Berdasarkan gambar 4.3 Normal Probability Plot di atas dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas karena data menyebar di sekitar garis diagonal dan penyebaran data searah mengikuti garis diagonal.
4.2.2
Uji Multikolinearitas
Uji Multikolonieritas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model
70
regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen (Ghozali, 2009). Adanya Multikolinearitas dapat dilihat dari tolerance value atau nilai variance inflation factor (VIF). Jika nilai tolerance di bawah 1 dan nilai Variance Inflation Factor (VIF) tidak lebih dari 10 maka model terbebas dari multikolinearitas. Tabel 4.4 Uji Multikolinearitas Coefficientsa Model Collinearity Statistics Tolerance VIF DPK ,791 1,264 CAR ,675 1,481 1 NPL ,454 2,201 ROA ,533 1,877 a. Dependent Variable: KREDIT
Sumber : Output SPSS 20 ( Laporan Statistik Perbankan Indonesia, diolah )
Berdasarkan Tabel 4.4 di atas, dapat kita lihat bahwa nilai tolerance dan VIF dari variable DPK adalah sebesar 0,791 dan 1,264. Untuk variabel CAR adalah sebesar 0,675 dan 1,481. Untuk variabel NPL sebesar 0,454 dan 2,201. Untuk variabel ROA adalah sebesar 0,533 dan 1,877. Oleh karena itu, dapat disimpulkan bahwa dalam model ini tidak terdapat masalah multikolinearitas antara variabel bebas karena nilai tolerance berada di bawah 1 dan nilai VIF jauh di bawah angka 10.
71
4.2.3 Uji Heteroskedastisitas Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Model regresi yang baik adalah yang tidak terjadi heteroskedasitas. Pengujian untuk melihat ada atau tidaknya Heteroskedisitas dapat dilakukan dengan melihat pola titik-titik pada scatter plots regresi. Metodenya adalah dengan membuat grafik plot atau scatter antara Standardized Predicted Value (ZPRED) dengan Studentized Residual (SRESID). Ada tidaknya pola tertentu pada grafik scatterplot antara SRESID dan ZPRED adalah sumbu Y dimana sumbu Y yang telah diprediksi dan Sumbu X adalah Residual (Y Prediksi - Y Sesungguhnya). Jika titik-titik pada scatter plot tersebut membentuk pola tertentu yang teratur (misal bergelombang, melebar kemudian menyempit), maka dapat diindikasikan telah terjadi heteroskedastisitas. Hasil pengujian heteroskedasitas yang dilakukan pada penelitian ini dapat dilihat pada gambar berikut: Gambar 4.4 Uji Heterokedastisitas
Sumber : Output SPSS 20 ( Laporan Statistik Perbankan Indonesia, diolah )
72
Berdasarkan scatter plot di atas terlihat bahwa titik-titik menyebar secara acak serta tersebar di atas maupun di bawah angka 0 pada sumbu Y. Maka dapat disimpulkan bahwa dalam model regresi ini tidak terjadi heteroskedasitas. 4.2.4 Uji Autokorelasi Uji Autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi maka dinamakan ada problem autokorelasi. Adapun uji yang dapat digunakan untuk mendeteksi adanya penyimpangan asumsi klasik ini adalah uji Durbin Watson (D-W stat). Menurut Santoso (2005), dasar pengambilan keputusan dengan uji Durbin Watson adalah sebagai berikut a.
Angka Durbin Watson dibawah -2, berarti ada autokorelasi positif
b.
Angka Durbin Watson diantara -2 sampai +2, berarti tidak ada autokorelasi
c.
Angka Durbin Watson di atas +2, berarti ada autokorelasi negatif Tabel 4.5 Uji Autokorelasi b Sumber : Output SPSSModel 20 ( Laporan Statistik Perbankan Indonesia, diolah ) Summary
Model
R
1
,981a
R Square ,963
Adjusted R Square ,959
Std. Error of the Estimate ,08050
DurbinWatson 1,317
a. Predictors: (Constant), ROA, CAR, DPK, NPL b. Dependent Variable: KREDIT Sumber : Output SPSS 20 ( Laporan Statistik Perbankan Indonesia, diolah )
73
Berdasarkan hasil perhitungan SPSS di atas, dapat diketahui bahwa nilai Durbin Watson pada Model Summary adalah sebesar 1,317, maka hal ini berarti tidak terjadi autokerelasi pada model regresi yang digunakan dalam penelitian ini.
4.3
Analisis Regresi Berganda Pembuatan persamaan regresi berganda dapat
dilakukan dengan
menginterpretasikan angka-angka yang ada di dalam unstandardized coefficient beta pada Tabel 4.6 berikut:
Tabel 4.6 Hasil Analisis Regresi Coefficientsa Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
(Constant)
,110
,209
DPK
,947
,036
1 CAR
,073
NPL ROA
T
Sig.
Beta ,526
,602
,956
26,227
,000
,188
,015
,387
,701
-,312
,077
-,194
-4,042
,000
,009
,070
,005
,122
,903
a. Dependent Variable: KREDIT
Sumber : Output SPSS 20 ( Laporan Statistik Perbankan Indonesia, diolah )
Dari Tabel 4.6 di atas, dengan memperhatikan angka yang berada pada kolom Unstandardized Coefficient Beta, maka dapat disusun persamaan regresi berganda sebagai berikut:
74
Y
= a + b1X1 + b2X2 + b3X3 + b4X4
Y
= 0,110 + 0,947 X1 + 0,073X2 - 0,312X3 + 0,009X4
Keterangan : Y
= Kredit
a
= Konstanta
b1,b2,b3,b4
= Koefesien regresi
X1
= DPK
X2
= CAR
X3
= NPL
X4
= ROA
Dari persamaan regresi di atas maka dapat dijelaskan sebagai berikut: 1.
Nilai konstanta persamaan di atas adalah sebesar 0,110. Angka tersebut menunjukkan tingkat penyaluran Kredit yang diperoleh oleh bank bila tingkat DPK (X1), CAR (X2), NPL (X3), dan ROA (X4) diabaikan.
2.
Variabel Dana Pihak Ketiga (DPK) memiliki nilai koefisien regresi yang positif yaitu sebesar 0,947. Nilai koefisien positif menunjukkan bahwa DPK
terhadap
penyaluran
Kredit
berpengaruh
positif.
Hal
ini
menggambarkan bahwa jika terjadi kenaikan DPK sebesar 1 persen, maka penyaluran kredit akan mengalami peningkatan sebesar 0,947% dengan asumsi variabel independen lain dianggap konstan. 3.
Variabel Capital Adequacy Ratio (CAR) memiliki nilai koefisien regresi sebesar 0,073. Nilai koefisien positif menunjukkan bahwa CAR terhadap penyaluran kredit berpengaruh positif. Hal ini menggambarkan bahwa jika terjadi kenaikan CAR sebesar 1 persen, maka penyaluran jumlah kredit
75
akan mengalami peningkatan sebesar 0,073% dengan asumsi variabel independen yang lain dianggap konstan. 4.
Variabel Non Performing Loan (NPL) memiliki nilai koefisien regresi yang negatif yaitu sebesar -0,312. Nilai koefisien yang negatif ini menunjukkan bahwa NPL berpengaruh negatif terhadap penyaluran Kredit. Hal ini berarti setiap kenaikan tingkat NPL sebesar 1 persen maka penyaluran kredit akan mengalami penurunan sebesar 0,312% dengan asumsi bahwa variabel independen yang lain dianggap konstan.
5.
Variabel Return on Assets (ROA) memiliki nilai koefisien regresi yang positif yaitu sebesar 0,009. Nilai koefisien yang positif ini menunjukkan bahwa ROA berpengaruh positif terhadap penyaluran Kredit. Hal ini berarti setiap kenaikan tingkat ROA sebesar 1 persen maka penyaluran kredit akan mengalami peningkatan sebesar 0,009% dengan asumsi bahwa variabel independen yang lain dianggap konstan.
4.4
Pengujian Hipotesis
4.4.1 Uji Signifikansi Parameter Idividual ( Uji t ) Uji t dilakukan untuk mengetahui pengaruh masing-masing variabel independen (secara parsial) yang terdiri atas DPK, CAR, NPL, dan ROA terhadap variable dependen Kredit. Pada Tabel 4.7 di bawah dapat kita lihat hasil uji-t tersebut.
76
Tabel 4.7 Hasil Perhitungan Uji t Coefficientsa Model
Unstandardized
Standardized
Coefficients
Coefficients
B
Std. Error
(Constant)
,110
,209
DPK
,947
,036
1 CAR
,073
NPL ROA
t
Sig.
Beta ,526
,602
,956
26,227
,000
,188
,015
,387
,701
-,312
,077
-,194
-4,042
,000
,009
,070
,005
,122
,903
a. Dependent Variable: KREDIT
Sumber : Output SPSS 20 ( Laporan Statistik Perbankan Indonesia, diolah )
Pengaruh dari masing-masing variabel DPK, CAR, NPL, dan ROA terhadap Kredit dapat dilihat dari arah tanda dan tingkat signifikansi (probabilitas). Variabel DPK, CAR dan ROA mempunyai arah yang positif, sedangkan variable NPL menunjukkan arah negatif. Variabel DPK dan NPL signifikan berpengaruh terhadap Penyaluran Kredit karena nilai signifikan < 0.05. Sedangkan variable CAR dan ROA tidak signifikan berpengaruh terhadap Penyaluran Kredit karena tingkat signifikansinya > 0,05. Dari hasil Uji - t dapat dilakukan pembahasan hipotesis yang diajukan sebagai berikut : a.
Uji hipotesis pengaruh DPK terhadap Penyaluran Kredit Bank Persero Berdasarkan pengujian parsial (Uji – t) diperoleh hasil bahwa nilai t hitung sebesar (+) 26,227 dengan tingkat signifikansi 0,000. Karena tingkat signifikansi lebih kecil dari 0,05 dan nilai t hitung bertanda positif, maka
77
secara parsial variabel independen DPK berpengaruh signifikan positif terhadap variabel dependen kredit. Dengan demikian dapat disimpulkan bahwa DPK berpengaruh positif dan signifikan terhadap Penyaluran Kredit Bank Persero. Hasil penelitian ini mengindikasikan bahwa peningkatan atau penurunan DPK selama periode penelitian mempengaruhi penyaluran kredit secara signifikan. Semakin tinggi DPK yang berhasil dihimpun oleh perbankan, akan mendorong peningkatan jumlah kredit yang disalurkan, demikian pula sebaliknya. DPK merupakan variabel yang memiliki pengaruh paling besar terhadap penyaluran kredit perbankan. Hal ini dikarenakan dalam menjalankan fungsi perantara keuangan (financial intermediary), DPK merupakan sumber pendanaan yang utama. Dana - dana yang dihimpun dari masyarakat dapat mencapai 80% - 90% dari seluruh dana yang dikelola oleh bank (Dendawijaya, 2009). Hasil penelitian ini memperkuat hasil penelitian sebelumnya yang dilakukan oleh Soedarto (2004), Fransiska dan Siregar (2007), Nyamiati (2009), Pratama (2010), Tomo (2010), Maharani (2011) dan Tenrilau (2012) yang menyatakan bahwa DPK berpengaruh positif dan signifikan terhadap kredit perbankan. b.
Uji hipotesis pengaruh CAR terhadap Kredit Bank Persero Berdasarkan Uji - t diperoleh hasil bahwa nilai t hitung sebesar (+) 0,387
dengan tingkat signifikansi 0,701. Karena tingkat signifikansi lebih besar dari 0,05 dan nilai t hitung bertanda positif, maka secara parsial variabel independen
78
CAR memiliki pengaruh yang positif dan tidak signifikan terhadap variabel dependen kredit. Dengan demikian dapat disimpulkan bahwa rasio CAR berpengaruh terhadap Penyaluran Kredit Bank Persero. Hasil penelitian ini mengindikasikan bahwa peningkatan atau penurunan CAR selama periode penelitian akan mempengaruhi penyaluran kredit. Hal ini diperkuat pula melalui penelitian sebelumnya yang dilakukan oleh Mochamad Soedarto (2004) yang menyatakan bahwa tingkat kecukupan modal berpengaruh positif terhadap penyaluran kredit. Semakin besar CAR maka semakin tinggi kemampuan permodalan bank dalam menjaga kemungkinan timbulnya risiko kerugian kegiatan usahanya namun belum tentu signitifikan berpengaruh terhadap peningkatan penyaluran kredit Bank Persero Pemerintah. Disisi lain, CAR Bank Persero Pemerintah yang tinggi dapat mengurangi kemampuan bank dalam melakukan ekspansi usahanya seperti penyaluran kredit karena semakin besarnya cadangan modal yang digunakan untuk menutupi risiko kerugian. Rata - rata CAR
Bank Persero pada periode 2003 - 2012 berada pada kisaran yang cukup tinggi yakni 17,40%, jauh diatas ketentuan minimal yang disyaratkan oleh Bank Indonesia sebesar 8%. Tingginya CAR mengindikasikan adanya sumber daya finansial (modal) yang idle. Tingginya nilai CAR mungkin disebabkan oleh sebagian besar dana yang telah diperoleh dari aktivitas perbankan dialokasikan pada cadangan minimum bank atau digunakan untuk menutupi potensi kerugian yang diakibatkan oleh kegiatan aktivitas bank. Sehingga secara parsial CAR berpengaruh, namun tidak signifikan terhadap penyaluran Kredit Bank Persero Pemerintah.
79
c.
Uji Hipotesis Pengaruh NPL Terhadap Kredit Bank Persero Berdasarkan Uji - t diperoleh hasil bahwa nilai t hitung sebesar (-) 4,042
dengan tingkat signifikansi 0,000. Karena tingkat signifikansi lebih kecil dari 0,05 dan nilai t hitung bertanda negatif, maka secara parsial variabel independen NPL berpengaruh negatif dan signifikan terhadap variable dependen Kredit. Dengan demikian dapat disimpulkan bahwa rasio NPL berpengaruh terhadap Penyaluran Kredit Bank Persero. Non Performing Loan (NPL) merupakan persentase jumlah kredit bermasalah (kurang lancar, diragukan, dan macet) terhadap total kredit (Kusumawati, 2008). NPL mencerminkan risiko kredit, semakin tinggi tingkat NPL maka semakin besar pula risiko kredit yang ditanggung oleh pihak bank. Akibat tingginya NPL perbankan harus menyediakan pencadangan yang lebih besar, sehingga pada akhirnya modal bank ikut terkikis. Padahal besaran modal sangat mempengaruhi besarnya ekspansi kredit. Bank dapat menjalankan operasinya dengan baik jika mempunyai NPL dibawah 5% dan dalam rentan 5%8% dikatakan masih dalam kondisi cukup baik (aman). Hasil persamaan regresi terlihat bahwa koefisien untuk variabel ini bernilai negatif dan signifikan sehingga dapat dikatakan bahwa perubahan (kenaikan dan penurunan) pada nilai NPL secara nyata tidak akan mempengaruhi Penyaluran Kredit pada Bank Persero. Hal ini terjadi karena nilai rata-rata NPL pada tahun penelitian 2003-2012 berkisar 6,05%. Meskipun NPL menunjukkan nilai yang cukup tinggi namun Bank Persero memiliki Capital Adequacy Ratio (CAR) yang cukup tinggi dan jauh dari batas minimum yang ditetapkan oleh Bank Indonesia.
80
Sehingga CAR tersebut masih dapat membantu mengcover risiko kredit yang diakibatkan oleh kredit bermasalah. Oleh karena itu kenaikan NPL secara nyata tidak mengakibatkan menurunnya Kredit dan demikian pula sebaliknya. Hasil penelitian ini memperkuat hasil penelitian sebelumnya yang dilakukan oleh Indah Lestari (2007), Billy Arma Pratama (2010), Anita Maharani (2011), dan Tenrilau (2012) yang menyatakan bahwa NPL tidak berpengaruh signifikan terhadap kredit perbankan. d.
Uji Hipotesis Pengaruh ROA Terhadap Kredit Bank Persero Berdasarkan Uji - t diperoleh hasil bahwa nilai t hitung sebesar (+) 0,122
dengan tingkat signifikansi 0,903. Karena tingkat signifikansi lebih besar dari 0,05 dan nilai t hitung bertanda positif, maka secara parsial variabel independen ROA berpengaruh positif dan tidak signifikan terhadap variable dependen Kredit. Dengan demikian dapat disimpulkan bahwa rasio ROA berpengaruh terhadap Penyaluran Kredit Bank Persero. ROA
mampu
mengukur
kemampuan
perusahaan
menghasilkan
keuntungan pada masa lampau untuk kemudian diproyeksikan di masa yang akan datang. Assets atau aktiva yang dimaksud adalah keseluruhan harta perusahaan, yang diperoleh dari modal sendiri maupun dari modal asing yang telah diubah perusahaan menjadi aktiva-aktiva perusahaan yang digunakan untuk kelangsungan hidup perusahaan. Semakin besar nilai ROA, menunjukkan kinerja perusahaan yang semakin baik pula, karena tingkat pengembalian investasi semakin besar. “Nilai ini mencerminkan pengembalian perusahaan dari seluruh aktiva (atau pendanaan)
81
yang diberikan pada perusahaan” (Wild, Subramanyam, dan Halsey, 2005:65). Seluruh keuntungan perusahaan memang akan mempengaruhi rencana atau proyeksi yang akan dijalankan pada masa yang akan datang, namun ROA ini hanya menjadi tolak ukur saja bahwa sejauh mana pencapaian di masa lampau, dengan kata lain bahwa ROA ini hanya salah satu indikator bahwa suatu perusahaan telah berjalan sesuai dengan harapan, begitu pun dengan hasil penelitian ini yang menyatakan bahwa ROA berpengaruh secara positif terhadap penyaluran kredit, namun tidak signifikan. Hasil penelitian ini memperkuat hasil penelitian sebelumnya yang dilakukan oleh Watiek Nyamiati (2009) yang menyatakan bahwa ROA berpengaruh positif terhadap pertumbuhan kredit. Berdasarkan koefisien beta regresi pada Tabel 4.8 dapat disimpulkan bahwa variabel DPK memiliki pengaruh yang lebih besar atau lebih dominan terhadap Penyaluran Kredit Bank Persero dengan nilai koefisien beta regresi sebesar (+) 26,227 diikuti variabel CAR, NPL, dan ROA dengan nilai beta regresi berturut - turut sebesar (+) 0,387, (-) 4,042, dan 0,122. Hal tersebut disebabkan karena dana - dana yang dihimpun dari masyarakat (Dana Pihak Ketiga) merupakan sumber dana terbesar yang paling diandalkan oleh bank (Dendawijaya, 2009). Adapun kegiatan bank setelah menghimpun dana dari masyarakat luas adalah
menyalurkan
kembali
dana
tersebut
kepada
masyarakat
yang
membutuhkannya, dalam bentuk pinjaman atau lebih dikenal dengan kredit (Kasmir, 2008). Sehingga hipotesis yang menyatakan variable DPK berpengaruh dominan terhadap Penyaluran Kredit Bank Persero di Indonesia dapat diterima.
82
4.4.2 Uji F secara simultan Pengujian kesesuaian model dilakukan dengan uji F. Uji F dapat dilakukan dengan membandingkan nilai F hitung dengan nilai F Tabel, apabila nilai F hitung lebih besar daripada F Tabel maka Ha akan diterima dan Ho akan ditolak dengan kata lain model layak, demikian pula sebaliknya. Hipotesis: Ho= secara simultan tidak terjadi hubungan linear antara variable Kredit dengan CAR, DPK, NPL, dan ROA. H1= secara simultan terjadi hubungan linear antara variable Kredit dengan CAR, DPK, NPL, dan ROA. Kriteria pengujian Jika F hitung < F table, maka Ho diterima. Jika F Hitung > F table, maka Ho ditolak. Atau JIka Sig > α, maka Ho diterima Jika Sig < α, maka Ho ditolak Tabel 4.8 Hasil Pengujian Model
Model
ANOVAa df
Sum of Mean F Squares Square Regression 5,935 4 1,484 228,996 1 Residual ,227 35 ,006 Total 6,162 39 a. Dependent Variable: KREDIT b. Predictors: (Constant), ROA, CAR, DPK, NPL
Sig. ,000b
Sumber : Output SPSS 20( Laporan Statistik Perbankan Indonesia, diolah )
83
Pada Tabel 4.8 menunjukkan angka hasil pengujian model menghasilkan F hitung sebesar 228,996. Sementara itu nilai pada Tabel distribusi nilai F dengan derajat bebas (0,05;4;35) pada taraf signifikansi 5% adalah 2,642. Oleh karena F hitung 228,996 > F Tabel 2,642 maka H1 diterima dan H0 ditolak, dengan tingkat signifikansi 0,00 (jauh lebih kecil dari 0,05) artinya secara simultan terjadi hubungan linear antara variable Kredit dengan CAR, DPK, NPL, dan ROA. Hal ini menunjukkan bahwa variabel bebas yang digunakan dalam penelitian ini merupakan penjelas nyata pada variabel terikat dan menunjukkan pula bahwa model layak untuk digunakan.