BAB IV ANALISIS DATA DAN PEMBAHASAN
A. Analisis Statistik Deskriptif 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), dan Non Performing Loan (NPL), sebagai variabel yang mempengaruhi penyaluran kerdit pada Bank Umum di Indonesia. Hasil analisis deskriptif statistik akan ditunjukkan dalam tabel 4.1 di bawah ini: Tabel 4.1 Diskrpsi Variabel Penelitian Descriptive Statistics N
Minimum
Maximum
Mean
Std. Deviation
Variance
DPK
50
.09
.36
.1996
.05353
.003
CAR
50
9.92
46.49
16.8416
5.67471
32.202
NPL
50
.12
6.33
2.2730
1.27631
1.629
KREDIT
50
.09
.36
.2008
.06047
.004
Valid N (listwise)
50
Sumber : Output SPSS 20 ( Laporan Bursa Efek Indonesia, diolah )
Berdasarkan tabel 4.1. dapat dilihat bahwa dengan jumlah N sebanyak 50 data, variabel dependen kredit mempunyai nilai minimum 0,09%
dan nilai
maksimum 0,36%. Sementara nilai standar deviasi (standard deviation) sebesar 0,06047% dan nilai rata - rata (mean) sebesar 0,2008%. Hal ini menunjukkan bahwa
74
selama periode penelitian, secara statistik dapat dijelaskan bahwa tingkat penyaluran Kredit yang dilakukan Bank-Bank Umum di Indonesia 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 0,09%
dan nilai
maksimum 0,36%. Sementara nilai standar deviasi (standard deviation) sebesar 0,05353% dan nilai rata - rata (mean) sebesar 0,1996%. 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. Dan fungsi Bank sebagai mediasi atau perantara antara pihak yang memiliki dana yang berlebih dengan pihak yang memerlukan dana dalam bentuk pinjaman (kredit) berjalan dengan baik. Ini dapat dilihat dari adanya kesamaan nilai minimum dan maksimum antara variabel dependen kredit dan Variabel independen DPK. Variabel independen CAR mempunyai nilai minimum 9.92% dan nilai maksimum 46.49%. Sementara nilai standar deviasi (standard deviation) sebesar 5.67471% dan nilai rata - rata (mean) sebesar 16.8416%. 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, 75
selama periode penelitian rasio CAR Bank-Bank Umum Swasta tersebut belum memenuhi standar yang telah ditetapkan oleh 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 0,12% dan nilai maksimum 6.33%. Sementara nilai standar deviasi (standard deviation) sebesar 1.27631% dan nilai rata - rata (mean) sebesar 2.2730%. Hal ini menunjukkan bahwa secara statistik, selama periode penelitian besarnya NPL belum memenuhi standar yang ditetapkan oleh Bank Indonesia karena nilai maksimal yang didapat masih diatas 5%. Sementara standar deviasi masih lebih kecil jika dibandingkan nilai meannya. Dengan demikian dapat dikatakan bahwa simpangan data pada Non Performing Loan (NPL) baik.
B. 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, Uji Multikolinieritas, Uji Autokorelasi, dan Uji Heteroskedastisitas, yang secara rinci dapat dijelaskan sebagai berikut; 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. 76
Metode yang dapat dipakai untuk normalitas antara lain: analisis grafik dan analisis statistik. Untuk uji statistiknya digunakan Uji Kolmogorov Smirnov, pengujian ini mengetahui apakah data yang ada terdistribusi dengan normal atau tidak terdistribusi dengan normal. Uji kolmogorov Smirnov dilakukan dengan ketentuan sebagai berikut; jika nilai signifikansi kolmogorov-smirnov lebih besar dari nilai signifikansi yang telah ditetapkan maka data terdistribusi secara normal. Tabel 4.2 Uji Kolmogorov – Smirnov One-Sample Kolmogorov-Smirnov Test DPK N Mean
CAR
NPL
KREDIT
50
50
50
50
0.1996
16.8416
2.2730
0.2008
Std. Deviation
0.05353
5.67471
1.27631
0.06047
Absolute
0.143
0.145
0.134
0.151
Positive
0.143
0.116
0.134
0.151
Negative
-0.070
-0.145
-0.068
-0.077
Kolmogorov-Smirnov Z
1.010
1.023
0.946
1.067
Asymp. Sig. (2-tailed) a. Test distribution is Normal.
0.259
0.246
0.332
0.205
Normal Parametersa,b
Most Extreme Differences
b. Calculated from data.
Sumber : Output SPSS 20 ( Laporan Bursa Efek Indonesia, diolah )
Dari tabel 4.2 diatas, dapat diketahui bahwa nilai K-S untuk variabel DPK adalah 1,010 dengan sig = 0,259, variabel CAR memiliki K-S 1,023 dengan sig = 0,246, variabel NPL memiliki K-S 0,946 dengan sig = 0,332 dan variabel KREDIT memiliki K-S 1,067 dengan sig = 0,205, semua variabel dapat terdistribusi secara normal karena memiliki nilai signifikansi lebih besar dari 0,05.
77
2. Uji Multikolinearitas Uji Multikolinearitas bertujuan untuk mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model uji regresi yang baik seharusnya tidak terjadi Multikolinieritas (Ghozali, 2009). Untuk mendeteksi ada atau tidaknya multikolinearitas adalah sebagai berikut; a. Apabila nilai tolerance value di bawah 1 maka tingkat kolinieritas dapat ditoleransi b. Apabila nilai eigenvalue berada diatas 0 maka model terbebas dari multikolinearitas c. Multikolinearitas dapat juga dilihat dari nilai variance inflation factor (VIF), jika nilai variance inflation factor (VIF) < 10 (tidak lebih dari 10) maka tingkat kolonieritas dapat ditoleransi Tabel 4.3 Uji Multikolinearitas Coefficientsa Model
Unstandardized
Standardized
Coefficients
Coefficients
B (Constant)
Std. Error
.014
.021
DPK
1.018
.065
CAR
.000
NPL
-.005
t
Sig.
Beta
Collinearity Statistics
Tolerance
VIF
.672
.505
.902
15.776
.000
.948
1.055
.001
-.033
-.563
.576
.884
1.132
.003
-.100
-1.683
.099
.869
1.151
1
a. Dependent Variable: KREDIT
Sumber : Output SPSS 20 ( Laporan Bursa Efek Indonesia, diolah )
Berdasarkan tabel 4.3 di atas, dapat di lihat bahwa nilai tolerance dan VIF dari variable DPK adalah sebesar 0,948 dan 1,055. Untuk variabel CAR adalah
78
sebesar 0,884 dan 1,1132. Untuk variabel NPL sebesar 0,869 dan 1,151. 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 variance inflation factor (VIF) jauh di bawah angka 10. 3. 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 disebut ada problem autokorelasi. Adapun uji yang dapat digunakan untuk mendeteksi adanya penyimpangan asumsi klasik ini adalah uji Durbin Watson (D-W stat) dengan ketentuan sebagai berikut: a. 1,65 < DW < 2,35 maka tidak ada autokorelasi. b. 1,21 < DW < 1,65 atau 2,35 < DW < 2,79 maka tidak dapat disimpulkan. c. DW < 1,21 atau DW > 2,79 maka terjadi autokorelasi Tabel 4.4 Uji Autokorelasi Model Summaryb Model
1
R
R Square
a
.926
Adjusted R
Std. Error of the
Square
Estimate
.858
.848
Durbin-Watson
.02355
2.012
a. Predictors: (Constant), NPL, DPK, CAR b. Dependent Variable: KREDIT
Sumber : Output SPSS 20 ( Laporan Bursa Efek Indonesia, diolah )
Berdasarkan hasil uji autokorelasi (Tabel 4.4), dapat diketahui bahwa nilai Durbin Watson yang dihasilkan pada Model Summary adalah sebesar 2,012. Oleh karena
79
1,65 < 2,012 < 2,35 maka hal ini berarti tidak terjadi autokerelasi pada model regresi yang digunakan dalam penelitian ini. 4. Uji Heterokedastisitas Uji Heterokedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Model regresi yang baik adalah yang tidak terjadi heterokedastitas. Pengujian untuk melihat ada atau tidaknya heteroskedisitas dapat dilakukan dengan melihat scatter plot antara nilai prediksi variabel terikat (ZPRED) dengan residual (SRESID). Jika titik-titik pada scatter plot tersebut membentuk pola tertentu yang teratur (misal bergelombang, melebar
kemudian
menyempit),
maka
dapat
diindikasikan
telah
terjadi
heterokedastisitas, dan apabila titik-titik pada scatter plot tersebut menyebar secara acak serta tersebar di atas maupun di bawah angka 0 pada sumbu Y maka maka dapat diindikasikan bahwa tidak terjadi heterokedastisitas Hasil pengujian heterokedastisitas yang dilakukan pada penelitian ini dapat dilihat pada gambar berikut;
: 80
Sumber : Output SPSS 20 ( Laporan Bursa Efek Indonesia, diolah )
Gambar 4.1 Uji Heterokedastisitas
Berdasarkan scatter plot dari hasil pengujian 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
heterokedastisitas. Metode lain untuk mengetahui normalitas adalah dengan menggunakan metode analisis grafik, baik dengan melihat grafik secara histogram ataupun 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:
81
a. Jika data menyebar di sekitar garis diagonal dan mengikuti garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal (menyerupai lonceng), berarti regresi memenuhi asumsi normalitas. b. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal atau grafik histogram dan tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas. Dari gambar 4.2 Grafik Histogram di bawah ini menunjukkan bahwa data terdistribusi secara normal karena bentuk kurva memiliki kemiringan yang cenderung imbang dan kurva berbentuk menyerupai lonceng. Dapat disimpulkan bahwa variabel pengganggu atau residual memiliki pola mendekati distribusi normal.
Gambar 4.2 Grafik Histogram 82
Berdasarkan gambar 4.3 Normal Probability Plot di bawah ini dapat disimpulkan bahwa model regresi memenuhi asumsi normalitas karena titik (data) yang ditampilkan menyebar di sekitar garis diagonal dan penyebaran data searah mengikuti garis diagonal
Sumber : Output SPSS 20 ( Laporan Bursa Efek Indonesia, diolah )
Gambar 4.3 Normal Probability Plot
C. Pengujian Hipotesis Hipotesis merupakan jawaban sementara terhadap rumusan masalah penelitian, dimana rumusan masalah tersebut telah dinyatakan dalam bentuk kalimat pertanyaan. Dikatakan sementara, karena jawaban yang diberikan baru didasarkan
83
pada teori yang relevan, belum didasarkan pada fakta-fakta empiris yang diperoleh melalui pengumpulan data. Jadi hipotesis juga dapat dinyatakan sebagai jawaban teoritis terhadap rumusan masalah penelitian, belum jawaban yang empirik (Sugiyono,2006:64) 1. Koefisien Determinasi (R2) Koefisen determinasi digunakan untuk mengetahui keeratan hubungan antara variable bebas dengan variabel terikat. Nilai R2 terletak antara 0 sampai dengan 1 (0 ≤ R2 ≤ 1). Tujuan menghitung koefisien determinasi adalah untuk mengetahui pengaruh variabel bebas terhadap variabel terikat. Dari hasil analisis data diperoleh hasil yang ditunjukkan pada Tabel 4.5 sebagai berikut: Tabel 4.5 Hasil Perhitungan Koefisien Determinasi (R2) Model Summaryb
Model
R
R Square
1 .926a .858 a. Predictors: (Constant), NPL, DPK, CAR
Adjusted R Square
Std. Error of the Estimate
.848
.02355
b. Dependent Variable: KREDIT
Sumber : Output SPSS 20 ( Laporan Bursa Efek Indonesia, diolah )
Dari tabel di atas dapat diketahui bahwa nilai adjusted R2 adalah 0,848. Hal ini menunjukkan bahwa sebesar 84.8% Penyaluran Kredit dari Bank Umum di Indonesia dipengaruhi oleh variasi dari ketiga variabel independen yang digunakan, yaitu Dana Pihak Ketiga (DPK), Capital Adequacy Ratio (CAR), dan Non Performing Loan (NPL). Sedangkan sisanya sebesar 15.2% dipengaruhi oleh faktor-
84
faktor lain di luar model penelitian. Dengan demikian, hubungan kedua variabel bisa dikatakan sangat kuat karena nilai R square hampir mendekati angka 1. 2. Uji Signifikan Serentak ( Uji F ) Pengujian kesesuaian model dapat dilakukan dengan menggunakan uji analisa one way Anova, karena analisa one way Anova merupakan alat uji statistik yang digunakan untuk menguji apakah 2 populasi atau lebih yang independen, memiliki rata-rata yang berbeda atau sama. Dilihat dari nilai signifikansi P value, apabila P value lebih kecil dari 0.05 maka Ha akan diterima dan Ho akan ditolak dengan kata lain model layak, demikian pula sebaliknya. Tabel 4.6 Hasil Pengujian Model ANOVAa Model
1
Sum of Squares
Df
Mean Square
Regression
.154
3
.051
Residual
.026
46
.001
Total
.179
49
F 92.308
Sig. .000b
a. Dependent Variable: KREDIT b. Predictors: (Constant), NPL, DPK, CAR Sumber : Output SPSS 20 ( Laporan Bursa Efek Indonesia, diolah )
Dari hasil pengujian Anova pada tabel 4.6, pengujian tersebut menghasilkan nilai F test sebesar 92,308. Sementara itu nilai P valuenya sebesar 0.000 maka H1 diterima dan H0 ditolak, dengan tingkat signifikansi 0,00 < 0.05 (jauh lebih kecil dari 0,05) artinya antara DPK, CAR, dan NPL, memiliki pengaruh linear terhadap Kredit. Hal ini menunjukkan bahwa variabel bebas yang digunakan dalam penelitian ini
85
merupakan penjelas nyata pada variabel terikat dan menunjukkan pula bahwa model layak untuk digunakan 3. Uji Signifikan Parsial ( Uji t ) Uji t dilakukan untuk mengetahui pengaruh masing-masing variabel independen (secara parsial) yang terdiri atas DPK, CAR, dan NPL terhadap variable dependen Kredit. Pada tabel 4.7 di bawah dapat kita lihat hasil uji-t tersebut. Tabel 4.7 Hasil Analisis Regresi Coefficientsa Model
Unstandardized
Standardized
Coefficients
Coefficients
B (Constant)
Std. Error
.014
.021
DPK
1.018
.065
CAR
.000
NPL
-.005
t
Sig.
Beta .672
.505
.902
15.776
.000
.001
-.033
-.563
.576
.003
-.100
-1.683
.099
1
a. Dependent Variable: KREDIT
Sumber : Output SPSS 20 ( Laporan Bursa Efek Indonesia, diolah )
Pengaruh dari masing-masing variabel DPK, CAR, dan NPL terhadap Kredit dapat dilihat dari arah tanda dan tingkat signifikansi (probabilitas). Variabel DPK dan CAR mempunyai arah yang positif, sedangkan variabel NPL menunjukkan arah negatif. Variabel DPK signifikan berpengaruh terhadap Penyaluran Kredit karena nilai signifikan < 0.05. Sedangkan variable CAR dan NPL tidak signifikan berpengaruh terhadap Penyaluran Kredit karena tingkat signifikansinya > 0,05.
86
4. Analisis Regresi Berganda Pembuatan
persamaan
regresi
berganda
dapat
dilakukan
dengan
menginterpretasikan angka-angka yang ada di dalam unstandardized coefficient beta pada tabel 4.7, maka dapat disusun persamaan regresi berganda sebagai berikut:
Y = 0,014 + 1,018X1 + 0,000X2 - 0,005X3 Dari persamaan regresi yang didapat dari penelitian di atas maka dapat diinterpretasikan beberapa hal, antara lain sebagai berikut: 1. Nilai konstanta persamaan di atas adalah sebesar 0.014. Angka tersebut menunjukkan tingkat penyaluran Kredit yang diperoleh oleh bank bila tingkat DPK (X1), CAR (X2), dan NPL (X3) diabaikan. 2. Variabel Dana Pihak Ketiga (DPK) memiliki nilai koefisien regresi yang positif yaitu sebesar 1,018. 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 1,018%
dengan asumsi variabel
independen lain dianggap konstan. 3. Variabel Capital Adequacy Ratio (CAR) memiliki nilai koefisien regresi sebesar 0,000. Nilai koefisien tersebut menunjukkan bahwa CAR terhadap penyaluran kredit dalam penelitian ini tidak berpengaruh pada Bank umum yang ada di Indonesia. Hal ini menggambarkan bahwa jika terjadi kenaikan
87
CAR sebesar 1 persen, maka penyaluran jumlah kredit tidak berpengaruh dengan asumsi variabel independen yang lain dianggap konstan. 4. Variabel Non Performing Loan (NPL) memiliki nilai koefisien regresi yang negatif yaitu sebesar -0,005. 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 0,005% dengan asumsi bahwa variabel independen yang lain dianggap konstan.
D. Pembahasan Dari hasil Analisis Regresi Koefisien (Uji – t) dapat dilakukan pembahasan hipotesis yang diajukan sebagai berikut: 1. Uji hipotesis pengaruh DPK terhadap Penyaluran Kredit Perbankan Berdasarkan pengujian parsial (Uji – t) diperoleh hasil bahwa nilai t hitung sebesar (+) 15.776 dengan tingkat signifikansi 0,000. Karena tingkat signifikansi lebih kecil dari 0,05 dan nilai t hitung bertanda positif, maka 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 Umum. Hasil penelitian ini mengindikasikan bahwa peningkatan atau penurunan DPK selama periode penelitian mempengaruhi penyaluran kredit secara signifikan. Semakin tinggi DPK yang berhasil dihimpun oleh 88
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 intermediasi atau perantara keuangan (financial intermediary), DPK merupakan sumber pendanaan yang utama 2. Uji hipotesis pengaruh CAR terhadap Penyaluran Kredit Perbankan Berdasarkan Uji - t diperoleh hasil bahwa CAR nilai t hitungnya sebesar (-) 0,563 dengan tingkat signifikansi 0,576. Karena tingkat signifikansi CAR lebih besar dari 0,05 dan nilai t-hitung bertanda negatif, maka secara parsial variabel independen CAR memiliki pengaruh yang negatif dan tidak signifikan terhadap variabel dependen Kredit. Dengan demikian dapat disimpulkan bahwa rasio CAR dalam penelitian ini tidak berpengaruh terhadap Penyaluran Kredit. Hasil penelitian ini mengindikasikan bahwa peningkatan atau penurunan CAR selama periode penelitian tidak akan mempengaruhi penyaluran kredit. Semakin besar CAR maka semakin tinggi kemampuan permodalan bank dalam menjaga kemungkinan timbulnya risiko kerugian kegiatan usahanya namun belum tentu secara nyata berpengaruh terhadap peningkatan penyaluran kredit. Rata - rata CAR Bank umum swasta di Indonesia pada periode 2007 - 2011 berada pada kisaran yang cukup tinggi yakni 9.92% - 16.84%, 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 89
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 yang lain. Sehingga secara parsial CAR tidak berpengaruh signifikan (tidak nyata) terhadap penyaluran Kredit. 3. Uji Hipotesis Pengaruh NPL Terhadap Penyaluran Kredit Perbankan Berdasarkan Uji - t diperoleh hasil bahwa nilai t hitung NPL sebesar (-) 1.683 dengan tingkat signifikansi 0,099. Karena tingkat signifikansi NPL lebih besar dari 0,05 dan nilai t hitung bertanda negatif, maka secara parsial variabel independen NPL berpengaruh negatif dan tidak signifikan terhadap variable dependen Kredit. Dengan demikian dapat disimpulkan bahwa rasio NPL tidak berpengaruh terhadap Penyaluran Kredit Bank Umum. Non Performing Loan (NPL) merupakan rasio yang dipergunakan untuk mengukur kemampuan bank dalam meng-cover risiko kegagalan pengembalian kredit oleh debitur. Non Performing Loan (NPL) mencerminkan risiko kredit, semakin tinggi tingkat Non Performing Loan (NPL) maka semakin besar pula risiko kredit yang ditanggung oleh pihak bank. Akibat tingginya Non Performing Loan (NPL) membuat perbankan harus menyediakan pencadangan yang lebih besar, sehingga pada akhirnya modal bank ikut terkikis. Padahal besaran modal sangat mempengaruhi besarnya ekspansi kredit, sehingga bank dapat menjalankan operasinya dengan baik jika mempunyai Non Performing Loan (NPL) dibawah 5%. Hasil persamaan regresi dapat terlihat bahwa koefisien 90
untuk variabel ini bernilai negatif dan tidak signifikan sehingga dapat dikatakan bahwa perubahan (kenaikan dan penurunan) pada nilai Non Performing Loan (NPL) secara nyata tidak akan mempengaruhi Penyaluran Kredit. Hal ini terjadi karena nilai Non Performing Loan (NPL) pada tahun penelitian 2007 berkisar antara 1,48% - 6,33%. Meskipun Non Performing Loan (NPL) menunjukkan nilai yang cukup tinggi namun Bank-Bank tersebut masih memiliki Capital Adequacy Ratio (CAR) yang cukup tinggi juga dari batas minimum yang ditetapkan oleh Bank Indonesia. Sehingga CAR tersebut masih dapat membantu mengcover risiko kredit yang diakibatkan oleh kredit bermasalah. Oleh karena itu kenaikan Non Performing Loan (NPL) secara nyata tidak mengakibatkan menurunnya kredit dan demikian pula sebaliknya.
91
