BAB IV ANALISIS HASIL DAN PEMBAHASAN
A. Analisis Statistik Deskriptif Pada bagian ini akan disajikan statistik deskriptif dari semua variabel. Variabel yang digunakan dalam penelitian ini adalah CAR, FDR, NPF dan ROA. Dari data mentah yang telah diinput dapat dilihat nilai maksimum, minimum, mean dan standar deviation dari masing-masing variabel penelitian pada tabel 4.1 sebagai berikut : Tabel 4.1 Statistik Deskriptif Descriptive Statistics N
Minimum Maximum 11.0600 100.6300 74.1400 205.3100 .0000 4.4400 -1.5500 4.1300
CAR 48 FDR 48 NPF 48 ROA 48 Valid N 48 (listwise) Sumber: Output SPSS versi 19: Descriptive Statistics
Mean Std. Deviation 27.705833 20.8028348 95.151042 24.9399583 2.171042 1.4538522 1.581458 1.2121109
Berdasarkan hasil perhitungan pada tabel 4.1 menunjukkan jumlah N adalah 48 dari PT. BNI Syariah, PT. Bank Syariah Mandiri, PT. Bank Syariah Mega Indonesia, PT. BCA Syariah, PT. BRI Syariah, PT. Bank Panin Syariah.CAR, FDR, NPF dan ROA selama periode pengamatan 2011-2012
89
90
menunjukkan bahwa nilai standar deviasi lebih kecil daripada rata-ratanya. Dimana rata-rata (mean) CAR selama periode pengamatan sebesar 27,705833 dengan standar deviasi sebesar 20,8028348, rata-rata (mean) FDR selama periode pengamatan sebesar 95,151042 dengan standar deviasi 24,9399583, rata-rata (mean) NPF selama periode pengamatan sebesar 2,171042 dengan standar deviasi 1,4538522, rata-rata (mean) ROA selama periode pengamatan sebesar 1,581458 dengan standar deviasi sebesar 1,2121109. Hasil menunjukkan bahwa nilai standar deviasi lebih kecil daripada rataratanya. Demikian pula nilai minimum yang lebih kecil daripada rata-ratanya, CAR sebesar 11,0600, FDR sebesar 74,1400, NPF sebesar 0,0000, ROA sebesar 1,5500 dan nilai maksimum yang lebih besar daripada rata-ratanya, CAR sebesar 100,6300, FDR sebesar 205,3100, NPF sebesar 4,4400, ROA sebesar 4,1300, menunjukkan bahwa data variabel CAR, FDR, NPF dan ROA mengindikasikan hasil yang baik, hal tersebut dikarenakan standar deviasi lebih kecil daripada nilai rata-ratanya (mean). Dari 6 perusahaan perbankan tahun 2011-2012 yang menjadi sampel, nilai ROA maksimum 4,13 dialami oleh Bank Syariah Mega Indonesia pada tahun 2012 kuartal II. Nilai ROA terendah dialami oleh Bank Panin Syariah pada tahun 2011 kuartal Idengan nilai minimum sebesar -1,55. Nilai CAR maksimum 100,63 dialami oleh Bank Panin Syariah pada tahun 2011 kuartal II menunjukkan bank tersebut sehat. Nilai CAR terendah dialami oleh Bank Syariah Mandiri pada tahun 2011 kuartal III dengan nilai minimum sebesar 11,06 menunjukkan bank tersebut sehat.
91
Nilai FDR maksimum 205,31 dialami oleh Bank Panin Syariah pada tahun 2011 kuartal III menunjukkan bank tersebut tidak sehat. Nilai FDR terendah dialami oleh Bank BCA Syariah pada tahun 2012 kuartal I dengan nilai minimum sebesar 74,14 menunjukkan bank tersebut sehat. Dari rata-rata FDR dari tahun 2011-2012 bank yang tidak sehat adalah Bank BRI Syariah dan Bank Panin Syariah.Sedangkan bank-bank yang lainnya dalam kriteria sehat. Nilai NPF maksimum sebesar 4,44 dialami oleh Bank BNI Syariah pada tahun 2011 kuartal I menunjukkan bank tersebut sehat. Nilai NPF terendah dialami oleh Bank Panin Syariah pada tahun 2011 kuartal I dengan nilai minimum sebesar 0,00. menunjukkan bahwa semua sampel bank syariah dalam kriteria sehat.
B. Uji Asumsi Klasik 1. Uji Normalitas Data Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal atau tidak, ada dua cara untuk mendeteksinya, yaitu dengan analisis grafik dan uji statistik. Analisis grafik merupakan cara yang termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal.
92
Gambar 4.1 Grafik Histogram
Sumber: Output SPSS versi 19: Histogram
Dari gambar 4.1 terlihat bahwa pola distribusi mendekati normal, akan tetapi jika kesimpulan normal tidaknya data hanya dilihat dari grafik histogram, maka hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode lain yang digunakan dalam analisis grafik adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal. Jika distribusi data residual normal, maka garis yang akan menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.
93
Berdasarkan Gambar 4.2 Uji Normalitas yang terbentuk sebagai berikut: Gambar 4.2 Uji Normalitas
Sumber: Output SPSS versi 19: Normal P-P Plot
Jika dilihat berdasarkan grafik normal plot terlihat titik-titik menyebar disekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Dalam uji normalitas residual dengan grafik dapat menyesatkan apabila tidak hati-hati secara visual kelihatan normal, oleh karena itu untuk
94
melengkapi uji grafik dilakukan juga uji statistic lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistic non parametik Kolmogorov-Smirnov (K-S) dapat dilihat pada tabel 4.2, sebagai berikut : Tabel 4.2 One-Sample Kolmogorov-Smirnov Test
N Normal Parametersa,b Most Extreme Differences
Mean Std. Deviation Absolute Positive Negative
Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data.
Unstandardized Residual 48 .0000000 1.07111020 .106 .106 -.081 .732 .658
Sumber: Output SPSS versi 19: One Sample Kolmogrov Smirnov
Hasil sampel pada table 4.2 tersebut menunjukkan bahwa nilai Kolmogorov-Smirnov 0,732 dan tingkat signifikan 0,658 (karena p > lebih dari 0,05). Jadi tidak dapat menolak H0 yang mengatakan bahwa residual terdistribusi secara normal atau dengan kata lain residual berdistribusi normal.
95
2. Uji Multikolonieritas Uji ini bertujuan untuk menguji apakah model regresi ditemukan adanya
korelasi
antar
variabel
bebas
(independen).Jika
variabel
independen saling berkorelasi, maka variabel-variabel ini tidak orthogonal. Variabel orthogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol (Ghozali, 2006:95).Untuk mendeteksi ada atau tidaknya multikolonieritas, dapat dilihat berdasarkan nilai tolerance dan Variance Inflation Factor (VIF). Jika Tolerance lebih dari 0,1 dan VIF < 10 maka tidak terjadi masalah multikolonieritas. Tabel 4.3 Uji Variance Inflation Factor (VIF)
Model 1 (Constant) CAR
Coefficientsa Unstandardized Standardized Coefficients Coefficients B Std. Error Beta t .836 .892 .937 -.028 .013 -.479 -2.227
FDR .015 NPF .027 a. Dependent Variable: ROA
.007 .172
.316 .032
2.150 .155
Sig. .354 .031
Collinearity Statistics Tolerance VIF
.037 .878
Sumber: Output SPSS versi 19: Coefficients
Hasil dari uji VIF pada table 4.3 menunjukkan bahwa semua variabel independen tidak terjadi multikolonieritas karena nilai tolerance > 0,10 dan VIF < 10. Hal ini dapat dilihat besarnya nilai tolerance untuk variable CAR, FDR dan NPF. Nilai tolerance semua variabel diatas 0,1.
.384
2.607
.821 .419
1.218 2.385
96
Sedangkan nilai VIF dari variabel CAR, FDR dan NPF dibawah 10.Dengan demikian ketiga variabel independen (CAR, FDR, NPF) dapat digunakan untuk memprediksi ROA selama periode pengamatan.
3. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian residual dari satu pengamatan ke pengamatan yang lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap maka disebut homoskedastisitas dan jika berbeda akan disebut heteroskedastisitas. Model regresi yang baik adalah model yang tidak terjadi heteroskedastisitas (Ghozali, 2006:125). Untuk mendeteksi ada tidaknya heteroskedasitas dengan melihat pola titik-titik pada scatterplot regresi.Jika titik menyebar dengan pola yang tidak jelas diatas dan dibawah angka 0 pada sumbu Y maka tidak terjadi masalah heteroskedasitas.Scatterplot dapat dilihat pada output regresi gambar sebagai berikut :
97
Gambar 4.3 Uji Heteroskedastisitas
Sumber: Output SPSS versi 19: Grafik Scatterplot
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik diatas maupun di bawah angka nol (0) pada sumbu Y, tidak berkumpul disatu tempat, serta tidak membentuk pola tertentu sehingga dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi dalam artian bahwa varian semua variabel ini menunjukkan variabel independen (CAR, FDR, NPF) dapat digunakan untuk memprediksi ROA pada perusahaan perbankan selama periode 2011-2012.
98
4. Uji Autokorelasi Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada periode t-1 (sebelumnya). Menurut Ghozali (2006:99), “model regresi yang baik adalah regresi yang bebas dari autokorelasi”. Untuk mengetahui ada tidaknya autokorelasi perlu dilihat nilai uji Durbin Watson (DW-Test) dengan ketentuan seperti diuraikan pada tabel berikut ini : Keputusan Ada Tidaknya Autokorelasi Hipotesis Nol Tidak ada autokorelasi positif Tidak ada autokorelasi positif Tidak ada korelasi negatif Tidak ada korelasi negatif Tidak ada autokorelasi, Positif atau negatif
Keputusan Tolak No decision Tolak No decision Tidak ditolak
Jika 0 < d < dl dl ≤ d ≤ du 4 - dl < d < 4 4 - du ≤ d ≤ 4 dl du < d < 4 – du
Tabel 4.4 Hasil Uji Autokorelasi
Model
Model Summaryb Adjusted R Std. Error of R Square Square the Estimate
R a
1 .468 .219 a. Predictors: (Constant), NPF, FDR, CAR b. Dependent Variable: ROA
.166
1.1070233
Durbin-Watson 2.075
Sumber: Ouput SPSS versi 19: Model Summary
Berdasarkan hasil uji Durbin-Watson sebesar 2,075, sedangkan dalam tabel DW untuk “k” = 3 dan N = 48 besar DW-tabel:dl (batas luar)
99
= 1,421 dan du (batas dalam) = 1,674 ; 4 - du = 2,326 dan 4 - dl = 2,579. Oleh karena nilai DW 2,075 lebih besar dari batas dalam 1,674 dan DW kurang dari (4 - du)2,326 , maka dapat disimpulkan bahwa DW-test tidak dapat menolak H0 yang menyatakan bahwa tidak ada autokorelasi positif atau negatif atau dapat disimpulkan tidak terdapat autokorelasi.
C. Uji Koefisien Determinasi (R2) Koefisien determinasi (R2) bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen.Nilai R2 yang mendekati satu berarti variabel-variabel independennya memberikan hampir semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen (Ghozali, 2006:87). Tabel 4.5 Uji Koefisien Determinasi (R2) Model Summaryb Model 1
R .468
a
R Square Adjusted R Square .219 .166
Std. Error of the Estimate 1.1070233
a. Predictors: (Constant), NPF, FDR, CAR b. Dependent Variable: ROA Sumber: Ouput SPSS versi 19: Model Summary
Dilihat dari tabel diatas, nilai koefisien Determinasi (adjusted R2) sebesar 0,166 atau 16,6% hal ini berarti 16,6% variasi ROA yang bisa dijelaskan oleh variasi dari ketiga variabel independen yaitu CAR, FDR, NPF. Sedangkan sisanya
100
sebesar 83,4 % dijelaskan oleh sebab-sebab lain diluar model regresi. Standar Error of estimate (SEE) 1,1070233. Makin kecil nilai SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen.
D. Pengujian Hipotesis 1. Uji F (uji serentak) Uji statistik f pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependennya. Tabel 4.6 Hasil Perhitungan Regresi Serentak ANOVAb Model 1 Regression Residual Total
Sum of Squares 15.131 53.922 69.053
df
Mean Square 3 5.044 44 1.226 47
F 4.116
Sig. .012a
a. Predictors: (Constant), NPF, FDR, CAR b. Dependent Variable: ROA Sumber: Output SPSS versi 19: Regression ANOVA
Dari hasil perhitungan yang diperoleh nilai F sebesar 4,116 dan nilai signifikan sebesar 0,012. Karena nilai signifikansi lebih kecil dari 5% atau 0,05 maka hipotesis diterima dan terdapat pengaruh yang signifikan CAR, FDR, NPF secara serentak terhadap ROA.
101
2. Uji t Uji t pada dasarnya menunjukkan apakah variabel independen yang dimasukan dalam model yaitu variabel Capital Adequacy Ratio (CAR), Financing to Deposit Ratio (FDR), Non Performing Financing (NPF) mempunyai pengaruh parsial terhadap dependen yaitu variabel Return On Asset (ROA). Tabel 4.7 Uji t (pengaruh secara parsial) Coefficientsa Standardized Unstandardized Coefficients Coefficients Model B Std. Error Beta 1 (Constant) .836 .892 CAR -.028 .013 -.479 FDR .015 .007 .316 NPF .027 .172 .032 a. Dependent Variable: ROA
t .937 -2.227 2.150 .155
Sumber: Output SPSS versi 19: Coefficients 1) Dari tabel 4.7 dapat dilihat nilai t hitung sebesar -2,227 dan nilai signifikan sebesar 0,031. Hal ini berarti nilai P value kurang dari 0,05. Maka hipotesis dapat diterima. Dari hasil uji t ini dapat disimpulkan bahwa ada pengaruh signifikan variabel CAR terhadap ROA. 2) Dari tabel 4.7 dapat dilihat dari nilai t hitung sebesar 2,150 dan nilai signifikan sebesar 0,037. Hal ini berarti nilai P value kurang dari 0,05. Maka hipotesis dapat diterima. Dari hasil uji t ini disimpulkan bahwa ada pengaruh signifikan variabel FDR terhadap ROA.
Sig. .354 .031 .037 .878
102
3) Dari tabel 4.7 dapat dilihat dari nilai t hitung sebesar 0,155 dan nilai signifikan sebesar 0,878. Hal ini berarti nilai P value lebih dari 0,05. Maka hipotesis tidak dapat diterima. Dari hasil uji t ini disimpulkan bahwa NPF tidak berpengaruh signifikan terhadap ROA.
3. Uji Analisis Regresi Linier Berganda Persamaan regresi dapat dilihat dari tabel hasil uji coefficients berdasarkan output SPSS 19 terhadap ketiga variabel independen yaitu CAR, FDR, NPF terhadap ROA ditunjukkan pada tabel berikut : Tabel 4.8 Uji Regresi Linier Berganda Coefficientsa
Model 1 (Constant) CAR
Unstandardized Coefficients B Std. Error .836 .892 -.028 .013
FDR NPF a. Dependent Variable: ROA
.015 .027
Standardized Coefficients Beta
.007 .172
t
-.479
.937 -2.227
Sig. .354 .031
.316 .032
2.150 .155
.037 .878
Sumber: Output SPSS versi 19: Coefficients
Dari hasil analisis regresi linier berganda dengan program SPSS seperti terlihat pada tabel 4.7, persamaan regresi linier yang terbentuk adalah : ROA = 0,836 - 0,028 CAR + 0,015 FDR + 0,027 NPF
103
Dari persamaan regresi linier berganda diatas maka dapat dianalisis sebagai : 1) Konstanta sebesar 0,836 menyatakan bahwa jika variabel independen dianggap konstan, maka nilai ROA sebesar 0,836. 2) Berdasarkan persamaan regresi terlihat bahwa nilai koefisien regresi sebesar -0,028. Koefisien bertanda negatif, sehingga dapat diartikan bahwa pengaruh yang diberikan oleh variabel CAR terhadap ROA adalah negatif. Kondisi ini mengandung arti jika variabel independen lain dianggap konstan maka setiap kenaikan rasio CAR sebesar 1% akan menurunkan ROA perusahaan sebesar 2,8%. 3) Berdasarkan persamaan regresi terlihat bahwa nilai koefisien regresi sebesar 0,015. Koefisien bertanda positif, sehingga dapat diartikan bahwa pengaruh yang diberikan oleh variabel FDR terhadap ROA adalah positif. Kondisi ini mengandung arti jika variabel independen lain dianggap konstan maka setiap peningkatan rasio FDR sebesar 1% akan mengakibatkan kenaikan ROA perusahaan sebesar 1,5%. 4) Berdasarkan persamaan regresi terlihat bahwa nilai koefisien regresi sebesar 0,027. Koefisien bertanda positif, sehingga dapat diartikan bahwa pengaruh yang diberikan oleh variabel NPF terhadap ROA adalah positif. Kondisi ini mengandung arti jika variabel independen lain dianggap konstan maka setiap kenaikan rasio NPF 1% akan menurunkan ROA perusahaan sebesar 2,7%.
104
E. Pembahasan Berdasarkan hasil pengolahan data diatas dapat dibuktikan bahwa : 1. Hipotesis Pertama H1 = CAR, FDR dan NPF secara bersama-sama berpengaruh signifikan terhadap ROA. Berdasarkan penelitian ini CAR, FDR dan NPF secara bersama-sama berpengaruh signifikan terhadap ROA. Dari hasil penelitian diperoleh nilai F sebesar 4,116 dan nilai signifikan sebesar 0,012. Karena nilai signifikansi lebih kecil dari 5% atau 0,05 maka disimpulkan terdapat pengaruh yang signifikan variabel CAR, FDR, NPF secara serentak terhadap ROA. Hasil penelitian ini mendukung penelitian Muhammad Rahmat (2012) yang menyatakan CAR, FDR dan NPF secara bersamasama berpengaruh signifikan terhadap profitabilitas.
2. Hipotesis Kedua H2 = CAR berpengaruh signifikan terhadap ROA. Berdasarkan penelitian ini CAR berpengaruh signifikan terhadap ROA. Dari hasil penelitian ini diketahui besarnya koefisien CAR sebesar -0,028. Kondisi ini mengandung arti jika semakin tinggi nilai CAR perusahaan maka mengakibatkan semakin rendah profitabilitas perusahaan tersebut. CAR berpengaruh signifikan terhadap profitabilitas hal ini ditunjukkan dari nilai t hitung sebesar -2,227 dan nilai signifikan sebesar 0,031. Hasil penelitian ini mendukung penelitian Adi Stiawan (2009) yang menyatakan
105
CAR berpengaruh signifikan terhadap profitabilitas. Sedangkan dalam penelitian
Muhammad
Rahmat
(2012)
yang
menyatakan
CAR
berpengaruh negatif dan signifikan terhadap profitabilitas. Penelitian ini tidak mendukung penelitian Dewi (2010) yang menyatakan CAR tidak berpengaruh signifikan terhadap profitabilitas. Hasil penelitian ini menunjukkan CAR berpengaruh signifikan terhadap ROA. Kecukupan modal bank mencerminkan modal sendiri perusahaan, semakin besar kecukupan modal bank maka semakin besar ROA, karena dengan modal yang besar, manajemen bank sangat leluasa dalam menempatkan dananya kedalam aktivitas investasi yang menguntungkan.
3. Hipotesis Ketiga H3 = FDR berpengaruh signifikan terhadap ROA. Berdasarkan penelitian FDR berpengaruh signifikan terhadap ROA. Dari hasil penelitian ini diketahui besarnya koefisien FDR 0,015. Kondisi ini mengandung arti bahwa semakin tinggi nilai FDR perusahaan maka mengakibatkan semakin tinggi profitabilitas perusahaan tersebut. FDR berpengaruh signifikan terhadap ROA, hal ini ditunjukkan dari nilai t hitung sebesar 2,150 dan nilai signifikan sebesar 0,037. Hasil penelitian ini mendukung penelitian Adi Stiawan (2009), Aluisius Wishnu Nugroho (2011) dan Muhammad (2012) yang menyatakan FDR berpengaruh positif dan signifikan terhadap tingkat profitabilitas. Sedangkan penelitian ini
106
tidak mendukung penelitian Dewi (2010) yang menyatakan bahwa FDR tidak berpengaruh signifikan terhadap profitabilitas. Hasil penelitian menunjukkan bahwa FDR berpengaruh signifikan terhadap ROA melalui besarnya kredit yang disalurkan kepada masyarakat. Besarnya kredit yang disalurkan akan mempengaruhi besarnya laba yang nantinya akan diterima oleh bank. Tingginya rasio FDR mengindikasikan bahwa dana deposito dari masyarakat yang tertanam dalam pinjaman semakin besar. Dengan semakin besarnya penanaman kredit maka dalam kondisi yang normal akan menyebabkan laba yang meningkat. Tetapi jika bank mengurangi jumlah kredit yang telah dikucurkan, maka kemampuan bank untuk menghasilkan penghasilan akan turun. Penurunan ini akan berakibat menurunnya ROA.
4. Hipotesis Keempat H4 = NPF berpengaruh sifnifikan terhadap ROA. Berdasarkan penelitian ini NPF tidak berpengaruh signifikan terhadap ROA.Dari hasil penelitian ini diketahui besarnya koefisien sebesar 0,027. NPF tidak berpengaruh signifikan terhadap ROA, hal ini ditunjukkan dari nilai t hitung sebesar 0,155dan nilai signifikan sebesar 0,878. Hasil penelitian Adi Stiawan (2009), Dewi (2010), Aluisius Wishnu Nugroho (2011) dan Muhammad Rahmat (2012) NPF/NPL berpengaruh dan signifikan terhadap profitabilitas.
107
Hasil penelitian menunjukkan bahwa NPF tidak berpengaruh signifikan terhadap ROA. Kemungkinan hal ini diakibatkan nilai penyisihan Penghapusan Aktiva Produktif (PPAP) masih dapat mengcover kredit bermasalah. Laba perbankan masih dapat meningkatkan dengan NPF yang tinggi karena bank masih dapat memperoleh sumber laba lain yang juga memberikan pengaruh relatif tinggi terhadap ROA.
