42019.pdf. Universitas Terbuka. Koleksi Perpustakaan Universitas terbuka

U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf

Koleksi Perpustakaan Universitas terbuka

U

ni

ve

rs

ita

s

Te

rb

uk

a

16/42019.pdf


U

ni

ve rs i

ta

s

Te

rb

uk

a

16/42019.pdf


U

ni

ve rs i

ta

s

Te

rb

uk

a

16/42019.pdf


U

ni

ve

rs ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs i

ta s

Te rb uk a

16/42019.pdf


U

ni

ve

rs i

ta s

Te rb uk a

16/42019.pdf


U

ni

ve

rs i

ta s

Te rb uk a

16/42019.pdf


U

ni

ve

rs i

ta s

Te rb uk a

16/42019.pdf


U

ni

ve

rs i

ta s

Te rb uk a

16/42019.pdf


U

ni

ve

rs i

ta s

Te rb uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk

a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk

a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk

a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk

a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk

a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs i

ta s

Te rb uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk

a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs i

ta s

Te rb uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk

a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk

a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk

a

16/42019.pdf


U

ni

ve

rs ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk

a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk

a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs ita

s

Te

rb

uk a

16/42019.pdf


U

ni

ve

rs

ita

s

Te

rb

uk a

16/42019.pdf


16/42019.pdf

BABIII METODE PENELITIAN

3.1. Populasi dan Sampel Penelitian Populasi yang digunakan sebagai sample frame penelitian ini adalah seluruh perusahaan perbankan yang terdaftar (listed) di BEl. Seluruh bank

ka

tersebut merupakan obyek yang akan dipilih secara random untuk mewakili

rb u

populasi. Jumlah populasi bank go public tersebut meliputi seluruh bank yang

listing di BEl. Nama-nama bank tersebut diperoleh dari Indonesian Capital

Te

Market Directory yang diterbitkan oleh Institute for Economics and Financial

s

Research. Sampel bank yang digunakan dalam penelitian meliputi seluruh

ita

bank go public di BEl peri ode 2010-2012 dengan kriteria :

rs

a) Perusahaan perbankan yang terdaftar di Bursa Efek Indonesia

ve

Periode tahun 2010-2012

ni

b) Bank menerbitkan laporan keuangan selama tiga tahun, yaitu tahun

U

2010-2012.

c) Laporan keuangan hams mempunyai tahun buku yang berakhir 31 Desember dan telah diaudit Basil seleksi sampel dapat dirangkum pada Tabel 3.1 berikut:

38 Koleksi Perpustakaan Universitas terbuka

16/42019.pdf

Tabel 3.1 Hasil Seleksi Sampel Kriteria

Jumlah perusahaan

Jumlah perusahaan perbankan yang terdaftar di BEI

39

hingga saat ini Perusahaan yang menerbitkan laporan keuangan secara

ka

rb u

lengkap dari tahun 2010- 2012 dan mempunyai tahun

(13)

buku yang berakhir 31 Desember dan telah diaudit

Te

Total Sampel

s

Sumber : Data sekunder diolah, 2014

26

ita

Dari 26 perusahaan sampel selanjutnya dikelompokkan menjadi dua

rs

kelompok sampel yaitu kategori Bank Devisa dan Bank Non Devisa. Bank Devisa

ve

merupakan bank yang dapat melaksanakan transaksi ke luar negeri atau yang

ni

berhubungan dengan mata uang asing secara keseluruhan. Sedangkan Bank Non diartikan

sebagai

bank yang

belum

U

Devisa menurut Djumhana (2000)

mendapatkan surat penunjukkan dari BI untuk dapat melakukan kegiatan usaha perbankan dalam valuta asing dan atau melakukan kegiatan usaha perbankan dengan pihak-pihak luar negeri. Perbedaan mendasar dari Bank Devisa dan Bank Non Devisa ini dilihat dari kedudukan atau status yang menunjukkan ukuran kemampuan bank dalam melayani masyarakat baik dari segi jumlah produk, modal maupun kualitas pelayanan Sehingga secara teori Rentabilitas Modal Sendiri pada Bank Devisa akan lebih baik dibandingkan dengan Bank Non Devisa


16/42019.pdf

karena bank devisa menunjukkan kedudukkan yang sudah memasuki dunia Intemasional. Adapun daftar perusahaan sampel adalah sebagai berikut: Tabel 3.1 Sampel Bank Devisa yang terdaftar di BEl Kode

Nama Perusahaan Bank Bri Agroniaga, Tbk

1 AGRO

Bank ICB Bumiputra, Tbk

2 BABP

Bank Central Asia, Tbk

4 BBCA

Bank Bukopin, Tbk

5 BBKP

Bank Nusantara Parahyangan Tbk

6 BBNP

Te

Mutiara Bank, Tbk

7 BCIC

Bank Danamon, Tbk

8 BDMN

BNLI

12

BSIM

13

BSWD

14

MAYA

15

NISP

s

ita

11

Bank Intemasional Indonesia, Tbk Bank Permata, Tbk

rs

BNII

Bank Sinarmas Tbk.

U

ni

10

16

Bank Cimb Niaga, Tbk

BNGA

ve

9

ka

Bank Ekonomi, Tbk

3 BAEK

rb u

No

PNBN

Bank Of India Indonesia , Tbk Bank Mayapada Internasional Tbk

Bank OCBC NlSP Tbk Bank Pan Indonesia, Tbk

Bank Himpunan Saudara 1906 Tbk 17 SDRA Sumber : Data pojok BEl, 2014


16/42019.pdf

Tabel 3.2 Sampel Bank Non Devisa yang terdaftar di BEl

1 BACA

2 BBNI 3

BBRI

4 BJBR

5 BMRI 6

BTPN

7

BVIC

8

MCOR

Nama Perusahaan Bank Capital Indonesia, Tbk Bank Negara Indonesia Tbk Bank Rakyat Indonesia, Tbk Bank Pembangunan Daerah Jawa Barat Dan Banten Tbk. Bank Mandiri Tbk Bank BTPN, Tbk Bank Victoria Tbk

ka

Kode

Bank Windu Tbk

rb u

No

Bank Mega Tbk MEGA Sumber : Data poJok BEl, 2014

s

ita

3.2 Metode Pengumpulan Data

Te

9

Data sekunder adalah sumber data penelitian yang diperoleh peneliti secara

ve

rs

tidak langsung melalui media perantara (diperoleh dan dicatat oleh pihak lain). Data yang digunakan dalam penelitian ini merupakan data sekunder yaitu data

U

ni

yang diterbitkan oleh pihak perusahaan yang terdaftar di Bursa Efek Jakarta, yang berupa data-data keuangan pada peri ode 2010 - 2012 yang diperoleh dari

Indonesian Capital Market Directory (ICMD), website www.bei.co.id dan sumber-sumber lain yang relevan dengan data yang dibutuhkan. Dipilihnya tahun 2010 - 2012 karena peri ode ini kondisi perbankan di Indonesia sudah dalam kondisi normal setelah terkena dampak krisis ekonomi global yang melanda bisnis perbankan di dunia yaitu tahun 2008 hingga tahun 2009.


16/42019.pdf

3.3. Definisi Operasional Variabel a. Variabel Dependen (Dependent Variable) Variabel terikat (dependent variable) adalah variabel utama yang menjadi perhatian peneliti (Sekaran, 2006), yaitu Rentabilitas Modal Sendiri. Rentabilitas modal sendiri adalah perbandingan antara jumlah laba yang tersedia bagi pemilik modal sendiri disatu pihak dengan jumlah sendiri yang menghasilkan laba tersebut di lain pihak atau dengan kata lain dapatlah dikatakan bahwa

ka

rentabilitas modal sendiri adalah kemampuan suatu perusahaan dengan modal

rb u

sendiri dengan bekerja didalamnya untuk mendapatkan keuntungan (Riyanto, 201 0). Rentabilitas modal sendiri diukur dengan rasio Return on Equity Laba bersih setelah pajak xi 00% Modal Sendiri

ita

s

=

Te

Rentabilitas Modal Sendiri

Gambar 3 .1. Pengukuran Rentabilitas Modal Sendiri

ni

ve

rs

Dalam penelitian ini Rentabilitas modal sendiri diukur dari peri ode tahun 20102012.

U

b. Variabel lndependen (Independent Variable) Variabel independen dalam penelitian ini adalah 1) Capital Adequaty Ratio

Aspek Capital adalah aspek permodalan senng disebut sebagai aspek solvabilitas, dimana aspek ini menilai permodalan yang dimiliki bank didasarkan kepada kewajiban penyediaan modal minimum bank. Aspek Capital dalam penelitian ini diukur dengan CAR. CAR (Capital Adequacy

Ratio) adalah rasio yang memperlihatkan seberapa besar jumlah seluruh


16/42019.pdf

aktiva bank yang mengandung risiko (kredit, penyertaan, surat berharga, tagihan pada bank lain) ikut dibiayai dari modal sendiri disamping memperoleh

dana-dana

dari

sumber-sumber

di

luar bank.

Rasio

permodalan ini merupakan komponen kecukupan pemenuhan KPMM (Kewajiban Penyediaan Modal Minimum) terhadap ketentuan yang berlaku. Rasio CAR diperoleh dari modal yang dibagi dengan ATMR (Aktiva Tertimbang Menurut Risiko). Rasio ini dapat dirumuskan sebagai

ka

{Surat Edaran Bank Indonesia No.13/30/DPNP tanggal 16 Desember

Modal Sendiri Aktiva TertimbangMenurut Resiko

--------------------------x10~~

s

Gambar 3.2. Pengukuran CAR

Te

CAR

rb u

2011) dengan rum us :

rs

ita

Dalam penelitian ini CAR diukur dari periode tahun 2010-2012.

ve

2) Non Performing Loan

ni

Kualitas aktiva produktif atau sering disebut dengan assets quality adalah

U

semua aktiva yang dimiliki oleh bank dengan maksud untuk dapat memperoleh penghasilan sesuai dengan fungsinya. Indikasi kualitas aset yang dipakai adalah rasio kualitas produktif bermasalah dengan aktiva produktif (NPL) NPL (Non Performing Loan) merupakan rasio yang menunjukan kemampuan manajemen bank dalam mengelola kredit bermasalah yang diberikan oleh bank.

NPL dihitung berdasarkan

perbandingan antara jumlah kredit yang bermasalah dibandingkan dengan


16/42019.pdf

total kredit. Rasia ini dapat dirumuskan sebagai berikut (Surat Edaran Bank Indonesia No.13/30/DPNP tanggal 16 Desember 2011): Kredit bermasalah Total Kredit yang diberikan

--------------------x10~h

NPL

Gambar 3.3. Pengukuran NPL

ka

Dalam penelitian ini NPL diukur dari peri ode tahun 2010 - 2012.

rb u

c) Loan to Deposite Ratio

Te

Likuiditas adalah kemampuan sebuah bank untuk membayar seluruh kewajiban-kewajibannya dengan seluruh dana yang ada. Aspek likuiditas

s

dalam penelitian ini diukur dengan Loan to Deposite Ratio (LDR). LDR

ita

(Loan to Deposit Ratio) digunakan untuk menilai likuiditas suatu bank

rs

dengan cara membagi jumlah kredit yang diberikan oleh bank terhadap

kembali

ni

membayar

ve

dana pihak ketiga. Rasio ini untuk mengetahui kemampuan bank dalam kewajiban

kepada

para

nasabah

yang

telah

U

menanamkan dana dengan kredit-kredit yang telah diberikan kepada para debiturnya. Rasio ini dapat dirumuskan sebagai berikut (Surat Edaran Bank Indonesia No.13/30/DPNP tanggal 16 Desember 2011):

LDR=

Kredit yang diberikan Total Dana Pihak Ketiga

fYJ

1

X 10 V/0

Gam bar 3.4 Pengukuran LDR Dalam penelitian ini LDR diukur dari peri ode tahun 2010 - 2012.


16/42019.pdf

3.4. Teknik Analisis Data Teknik analisis data dalam penelitian ini menggunakan model Regresi data panel. Model regresi data panel digunakan karena data yang dipakai adalah jenis data panel yang merupakan gabungan dari jenis data time series dan data cross

sect;on dan digunakan untuk mengetahui secara faktor-faktor yang mempengaruh

Te

rb u

dan model regresi dalam bentuk log linear sebagai berikut:

ka

Rentabilitas Modal Sendiri. Pengujian model menggunakan software Eviews 8

Gambar 3.5. Rumus persamaan regres1 hmer

ita

s

Keterangan:

rs

= Rentabilitas Modal Sendiri = Konstanta

~1, ~ 2 , ~ 3

= Koefisien variabel independen

CARit

= Capital Adequacy Ratio

LDRit

ni

U

NPLit

ve

~0

=Non Performing Loan

= Loan to Deposite Ratio = eror

3.4.1. Model Regresi Panel 1) Koefisien Tetap Antar Waktu dan Individu (Common Effect) Estimasi

menggunakan

Common Effect adalah teknik paling

sederhana dalam mengestimasi data panel. Estimasi jenis ini hanya


16/42019.pdf

mengkombinasikan data time series dengan data cross section tanpa melihat perbedaan antara waktu dan individu, dapat menggunakan metode OLS. Pendekatan ini mengasumsikan bahwa perilaku data antar ruang sama dalam berbagai kurun waktu. Dengan mengkombinasikan data time series dan data

cross section tanpa melihat perbedaan antara waktu dan individu makan

ka

model persamaan regresinya sama seperti persamaan awal, yaitu:

Te

rb u

Gambar 3.6. Rumus persamaan regresi Model Common Effect

ita

s

2) Slope Konstan tetapi Berbeda Antar Individu (Fixed Effect)

rs

Pendekatan estimasi ini digunakan unyuk mengatasi masalah yang

ve

mungkin timbul dari pendekatan estimasi Common Effect, estimasi Common

ni

lif.fect sangat jauh berbeda dengan kenyataan yang ada karena karakter antar

U

ruang sangat berbeda, dengan mengasumsikan intersep anatar ruang berbeda sedangkan slope antar ruang adalah tetap. Pendekatan model Fixed E-ffect menggunakan variabel dummy untuk mengetahui perbedaan intersep antar ruang ketika mengestimasi data panel, sehingga model persamaannya menjadi seperti berikut:

Gam bar 3. 7. Rumus persamaan regresi Model Fixed Effect


16/42019.pdf

Dimana: D1i

= 1 untuk sampel bank pertama =

D2i

0 untuk bank lain

= 1 untuk sampel bank kedua = 0 untuk bank lain

Dki

= 1 untuk sampel bank ke n

rb u

3). Estimasi dengan Pendekatan Random Effect

ka

= 0 untuk bank lain

Model Fixed £1fect terdapat kekurangan yaitu berkurangnya derajat

Te

kebebasan (degree of freedom) sehingga akan mengurangi efisiensi

s

parameter. Untuk mengatasinya maka digunakan estimsi Random Effect

ita

yang menggunakan variabel pengganggu (error) yang mungkin akan

rs

menghubungkan antar waktu dan antar daerah. Penulisan konstanta model

ve

tidak lagi tetap tetapi bersifat random, persamaan model dengan estimasi

U

ni

Random Effect menjadi seperti di bawah ini:

Gambar 3.8. Rumus persamaan regresi Model Random Effect

3.4.2. Pemilihan Teknik Estimasi Data Panel Tiga pendekatan dalam mengestimasi regresi data panel yang dapat digunakan, yaitu metode Common F.ffect, fixed F.ffect, dan Random Effect. Dan


16/42019.pdf

untuk mengatahui metode mana yang paling baik digunakan dapat dengan menggunakan cara sebagai berikut:

1) Melihat uji statistik F untuk memilih metode Common Effect (tanpa variabel dummy) atau dengan model Fixed Effect 2) Memilih model tanpa variabel dummy atau dengan model Random

Effect dengan menggunakan uji Langrange Multiplier (LM) 3) Membandingkan kedua model Fixed Effect atau Random Effect yang

3.4.3. Uji Hipotesis

Te

1) Uji Signifikansi Simultan (Uji Statistik F)

rb u

ka

lebih baik untuk digunakan dengan menggunakan uji Hausman.

s

Uji statistic F menunjukkan apakah semua varabel bebas yang digunakan

Pengujian statistik F akan dilakukan dengan

rs

dependen (Ghozali, 2009).

ita

dalam penelitian mempunyai pengaruh secara simultan terhadap variable

ve

menggunakan significant level sebesar 0,05 (a = 5%). Ketetuan penolakan atau

•

U

ni

penerimaan Ho adalah sebagai berikut: Jika nilai signifikan [] 0,05 maka hipotesis ditolak (koefisien regresi tidak signifikan). Hal ini berarti bahwa secara simultan ketiga variable independen tidak mempunyai pengaruh yang signifikan terhadap variable depend en. •

Jika nilai signifikan ::; 0,05 maka hipotesis diterima (koefisien regres1 signifikan). Hal ini berarti bahwa secara simultan ketiga variable


16/42019.pdf

independen mempunya1 pengaruh yang signifikan terhadap variable depend en.

2) Uji Signifikansi Parameter Individual (Uji Statistik t) Menurut Ghozali (200) uji statistic t menunjukkan seberapa jauh pengaruh satu variable

independen

secara individual dalam menerangkan variable

ka

dependen. Pengujian statistik t akan dilakukan dengan menggunakan significant

rb u

level sebesar 0,05 (a= 5%). Ketetuan penolakan atau penerimaan hipotesis adalah

•

Te

sebagai berikut:

Jika nilai signifikan !J 0,05 maka hipotesis ditolak (koefisien regresi tidak

ita

s

signifikan). Hal ini berarti bahwa secara parsial variable independen tidak mempunyai pengaruh yang signifikan terhadap variable dependen. ~

rs

Jika nilai signifikan

0,05 maka hipotesis diterima (koefisien regres1

ve

•

signifikan). Hal ini berarti bahwa secara parsial variable independen

U

ni

mempunyai pengaruh yang signifikan terhadap variable dependen.


16/42019.pdf

BABIV ANALISIS DATA DAN PEMBAHASAN

Dalam bab ini penulis akan menganalisis data yang telah terkumpul. Data yang telah dikumpulkan tersebut berupa laporan keuangan dari

seluruh

perusahaan perbankan yang terdaftar di Bursa Efek Indonesia baik pada bank

ka

Devisa maupun non Devisa Periode tahun 2010 sampai dengan tahun 2012. Hasil

rb u

pengolahan data berupa informasi untuk mengetahui apakah terdapat hubungan antara rasio keuangan perbankan terhadap rentabilitas modal sendiri pada

Te

perusahaan perbankan yang go public di Indonesia. Dalam penelitian ini tingkat

s

rasio keuangan perusahaan diukur dengan CAR, LDR dan NPL sedangkan kinerja

ita

rentabilitas modal sendiri diukur dengan ROE.

rs

Dari hasil seleksi sampel penelitian terhadap perusahaan perbankan

ve

melalui teknik Purposive Sampling yaitu 17 bank Devisa dan 9 bank Non Devisa.

ni

Setelah seluruh data yang diperlukan dikumpulkan selanjutnya dilakukan analisis

U

data dan pembahasan. Sesuai dengan permasalahan dan perumusan model yang telah dikemukakan, serta kepentingan pengujian hipotesis, maka teknik analisis yang digunakan dalam penelitian ini meliputi analisis deskriptif dan analisis statistik. Analisis statistik merupakan analisis yang mengacu pada perhitungan data penelitian yang berupa angka-angka yang dianalisis dengan bantuan komputer

melalui

program EVIEWS

8 0.

Sedangkan

analisis

deskriptif

merupakan analisis yang menjelaskan gejala-gejala yang terjadi pada variabelvariabel penelitian untuk mendukung hasil analisis statistik

so Koleksi Perpustakaan Universitas terbuka

16/42019.pdf

4.1. Statistik Deskriptif Berikut akan dijelaskan statistik deskriptif yaitu menjelaskan deskripsi data dari seluruh variabel yang akan dimasukkan dalam model penelitian. Untuk lebih jelasnya dapat dilihat pada tabel 4.1 berikut:

Tabel4.1 H as1·1 D es k np11 . ff St a t·IS t"k . b e I P enerf I V ana 1 Ian

N 51

15.2910

3.51561

9.41

26.91

Non Devisa

27

17.5511

3.87211

11.70

29.29

Total

78

16 0733

3.77617

9.41

29.29

Devisa

51

2.9331

3.56051

.28

24.84

Non Devisa

27

2.0548

.60

5.04

rb u

78

2.6291

2.96319

.28

24.84

51

82.6171

9.82309

55.20

100.60

27

69.4515

13.56539

40.22

91.00

78

78.0597

12.82710

40.22

100.60

Devisa

51

12.7131

6.93818

-16.43

25.77

Non Devisa

27

18.0678

7.24130

4.26

31.52

Total

78

14.5667

7.45239

-16.43

31.52

ve

Devisa

ni

NonDevisa

U

Total ROE

Te

s

1.04912

Total LDR

ka

Devisa

ita

NPL

Std. Deviation Minimum Maximum

rs

CAR

Mean

Sumber: Hasil olah data SPSS, 2014 Hasil analisis deskriptif pada aspek permodalan yang diukur dengan

Capital Adequacy Ratio memiliki nilai rata-rata sebesar 16,07 dan standar deviasi


16/42019.pdf

sebesar 3, 776, yang menunjukkan seluruh aktiva bank yang mengandung resiko dibiayai dari dana modal bank sendiri sebesar 16,07%.

Hasil deskriptif juga

menemukan bahwa CAR Bank Devisa lebih rendah yaitu sebesar 15,29% dibandingkan CAR Bank Non Devisa yaitu sebesar 17,55%. Hal ini berarti bahwa selama periode 2010 - 2012 Bank Non Devisa memiliki CAR lebih baik dibanding dengan Bank Devisa, karena semakin tinggi nilai CAR maka semakin bagus kualitasnya. Akan tetapi, jika mengacu pada ketentuan BI yang menyatakan

ka

bahwa standar terbaik CAR adalah 8%, maka Bank Devisa maupun Bank Non

rb u

Devisa masih berada pada kondisi ideal karena memiliki nilai CAR diatas ketentuan BI. Dari hasil uji statistik mengindikasikan bahwa pertumbuhan kredit

Te

yang tinggi sulit dicapai karena penyaluran kredit banyak terhambat oleh

s

keengganan sebagian bank untuk menyalurkan kredit lantaran kemampuan

ita

manajemen risiko dan core banking skills yang lemah serta biaya operasional

rs

yang tinggi Rata-rata CAR pada seluruh sampel yaitu sebesar 16,07% masih

ve

cukup tinggi sehingga penambahan penyaluran kredit kepada masyarakat tanpa

ni

menambah modal yang dimiliki akan menurunkan CAR (Faisal, 2004). Hal ini

U

penting karena CAR yang terlalu tinggi juga tidak baik bagi kesehatan perbankan karena banyak modal yang menganggur, yang tidak dialokasikan dalam penyaluran kredit, sehingga bank sebenarnya masih dapat memperluas penyaluran kredit, dengan menjaga rasio CARini masih diatas 8%. Hasil anal isis deskriptif pada aspek kualitas asset yang diukur dengan Non

Performing Loan memiliki nilai rata-rata sebesar 2,6291 dan standar deviasi sebesar 2,963, yang berarti bahwa perbankan di BEl memiliki kemampuan dalam menjaga risiko kegagalan pengembalian kredit oleh debitur adalah sebesar 2,63%.


16/42019.pdf

Berdasarkan perhitungan terhadap ras10 NPL (Non Performing Loan) seperti dengan tabel 4.1 , maka Bank Non Devisa dalam mengelola aktiva produktifnya telah cukup baik, dan lebih baik dibandingkan dengan Bank Devisa, hal ini terlihat dari rasio yang diperoleh pada Bank Non Devisa sebesar 2,05% sedangkan pada Bank Devisa sebesar 2,93%. Semakin rendah rasio NPL berarti bank telah memiliki kualitas asset yang baik, sehingga mampu mengelola kredit yang bermasalahh. Kedua kelompok bank rasio NPLnya dibawah 5%, sehingga bank

ka

ini memiliki kemampuan yang baik dalam mengelola aktiva produktif, sehingga

rb u

memiliki penyelesaian masalah kredit yang kurang lancar, diragukan atau macet dengan baik. NPL yang terlalu rendah juga dapat menunjukkan sikap kehati-

Te

hatian manajemen dalam menyalurkan kredit, untuk menghidari risiko kredit

s

macet, sehingga bisa menghambat pendapatan bank. Selama NPL masih dibawah

ita

5%, maka penambahan penyaluran kredit masih dapat ditingkatkan.

rs

Hasil analisis deskriptif pada aspek Likuiditas yang diukur dengan Loan to

ve

Deposit Ratio (LOR) yaitu kemampuan bank dalam memenuhi kewajiban dan

ni

memenuhi permintaan kredit tanpa terjadi penangguhan memiliki nilai rata-rata

U

sebesar 78,05 dan standar deviasi sebesar 12,82, yang berarti bahwa perbankan di Indonesia, telah memiliki likuiditas yang baik, dimana posisi likuiditas besarnya kredit yang diberikan hanya sebesar 78,05% dari seluruh dana pihak ketiga (tabungan dan deposito).

Pad a Tabel 4 1 dapat terlihat bahwa Bank Devisa

mempunyai rata-rata (mean) rasio Loan to Deposite Ratio (LDR) sebesar 82,6171%, lebih besar dibanding dari mean rasio LDR Bank Non Devisa yaitu sebesar 69,45%. Hal ini berarti bahwa selama periode 2010- 2012 Bank Devisa memiliki LDR lebih baik dibanding dengan Bank Non Devisa karena mendekati


16/42019.pdf

standar terbaik LDR yaitu antara 85%-110%. Nilai rata-rata LDR pada seluruh sampel adalah sebesar 78,0597 menunjukkan bahwa besamya kredit yang diberikan bank masih jauh dibawah jumlah dana masyarakat, sehingga masih banyak dana pihak ketiga ini yang belum dimanfaatkan untuk menambah penyaluran kredit. Bank masih dapat meningkatkan volume penyaluran kredit, dengan catatan nilai LDRnya berada pada titik optimum yaitu antara 85%-110%. Rentabilitas Modal Sendiri yang diukur dengan ROE, memiliki rata-rata

ka

sebesar 14,5667 dan standar deviasi sebesar 7,45239. Hal ini berarti kemampuan

rb u

bank dalam menghasilkan laba bersih setelah pajak adalah sebesar 14,56% dari seluruh modal yang dimiliki bank. Pada Tabel 4.1 dapat terlihat bahwa Bank Non mempunyai rata-rata (mean) rasio Return On J,_·quity (ROE) sebesar

Te

Devisa

s

18,0678%, lebih tinggi dibanding dari mean rasio ROE Bank Non Devisa yaitu

ita

sebesar 12,71%. Hal ini berarti bahwa selama peri ode 2010 - 2012 Bank Non

rs

Devisa memiliki kemampuan dalam menghasilkan laba bersih atas pengelolaan

ve

seluruh modal perbankan yang lebih baik dibanding dengan Bank Devisa, karena

ni

semakin tinggi nilai ROE maka semakin tinggi rentabilitas perusahaan dalam

U

mengelola aktiva untuk menghasilkan laba perusahaan.

4.2. Analisis Pemilihan Model Regresi Pemilihan model yang digunakan dalam sebuh penelitian perlu dilakukan berdasarkan pertimbangan statistik. Hal ini di tunjukkan untuk memperoleh dugaan yang efisien. Untuk itu, perlu dilihat masing-masing hasil estimasi dari berbagai model panel data sebagai berikut :


16/42019.pdf

1.

Chow Test (uji F-statistik) Uji ini digunakan untuk memilih model yang akan digunakan anatara model

estimasi Common Effect atau model estimasi Fixed Effect, dengan uji hipotesis: a.

Ho: memilih menggunakan model estimasi Common Effect.

b.

Hl: memilih menggunakan model estimasifixed effect.

Uji ini dapat dilakukan dengan melihat p-value apa bila signifikan (kurang dari 5%) maka model yang digunakan adalah fixed effect, apabila p-value tidak

ka

signifikan (lebih dari 5 %) maka model yang digunakan adalah model estimasi

Te

Tabel4.2

rb u

common effect.

rs

ita

Test cross-section fixed effects

s

Hasil Uji signifikansi Fixed effect Sampel Total

Statistic 28 911682

d.f (25,49)

Prob. 0.0000

ni

Cross-section F

ve

Effects Test

U

Somber: Olahan data Eviews 8.0 Nilai distribusi statistik F test dari perhitungan menggunakan Eviews 8.0 adalah sebesar 28,911682 dengan probabilitas 0.000 (kurang dari 5 %), sehingga statistik Ho ditolak dan menerima Hl, menurut hasil estimasi ini model yang tepat digunakan adalah model estimasi fixed effect


16/42019.pdf

Tabel4.3 Basil Uji Signifikasi Fixed effect Sampel Bank Devisa. Test cross-section fixed effects Effects Test

Statistic

Cross-section F

2.490125

d.f (16,31)

Prob. 0.0144

ka

Sumber: Olahan data Eviews 8.0

rb u

Nilai distribusi statistik F Test dari perhitungan menggunakan Eviews 8. 0 adalah sebesar 2.490125 dengan probabilitas 0.0144 (lebih kecil dari 5 %), sehingga

Te

statistik Ho ditolak dan menerimaH1, menurut hasil estimasi ini model yang

ita

s

tepat digunakan adalah model estimasi Fixed effect

rs

Tabel4.4

ve

Hasil Uji Signifikasi Fi-wd effect Sampel Bank Non Devisa.

U

ni

Test cross-section fixed effects Effects Test

Statistic

d.f.

Prob.

Cross-section F

0.169639

(8,15)

0.9919

Sumber: Olahan data Eviews 8.0 Nilai distribusi statistik F Test dari perhitungan menggunakan Eviews 8. 0 adalah sebesar 0.169639 dengan probabilitas 0. 9919 (lebih besar dari 5 % ), sehingga statistik Ho diterima dan menolak H 1, menurut hasil estimasi ini model yang


16/42019.pdf

tepat digunakan adalah model estimasi Common effect. Karena hasilnya tidak signifikan maka dalam pemilihan model untuk sampel non devisa dihentikan dan tidak perlu dilakukan Random Effect dengan Hausman Test. Dengan demikian model yang terpilih untuk sampel Bank Non Devisa adalah Common Effect. Sementara untuk model sampel keseluruhan dan model sampel bank Devisa, perlu dilakukan uji lanjut yaitu uji Hausman untuk mengetahui apakah

2.

ka

model Fixed Effect lebih baik dibandingkan Random Effect. Uji Hausman

rb u

Uji Hausman ini digunakan untuk memilih model yang akan di gunakan

Te

antara model estimasi Fixed Effect atau model estimasi Random Effect, dengan

s

uji hipotesis sebagai berikut:

ita

a. Ho: memilih menggunakan model estimasi Random Fffect.

rs

b. Hl: memilih menggunakan model estimasi Fixed fJfect.

ve

Uji Hausman ini dapat dilakukan dengan melihat p-value, apabila p-value

ni

signifikan (kurang dari 5%) maka model yang di gunakan adalah model estimasi

U

Fixed Effect, sebaliknya bila p-value tidak signifikan (lebih dari 5%) maka model yang digunakan adalah model estimasi Random Effect. Tabel4.5 Hasil Uji Hausman Sampel Bank Keseluruhan Test cross-section random effects

Test Summary

Chi-Sq. Statistic Chi-Sq. d.f


Prob.

16/42019.pdf

Cross-section random

10.902187

3

0.0123

Sumber: Olahan Data Eviews 8.0 Nilai distribusi statistik Chi Square dari perhitungan diatas adalah sebesar 10.902187 dengan probabilitas 0.0123 (lebih kecil dari 5%), sehingga secara statistik H 1 di diterima dan Ho ditolak. Maka model yang digunakan adalah model estimasi Fixed Effect.

ka

Tabel4.6

Correlated Random Effects- Hausman Test

Te

Pool: APOOL

rb u

Basil Uji Hausman Sampel Bank Devisa

s

Test cross-section random effects

ita

Chi-Sq. Statistic Chi-Sq d.f.

ve


rs

Test Summary

6.150947

3

Prob. 0.1045

U

ni

Sumber: Olahan Data Eviews 8.0 Nilai distribusi statistik Chi Square dari perhitungan diatas adalah sebesar 6.150947 dengan probabilitas 0.1045 (lebih besar dari 5%), sehingga secara statistik H 1 ditolak dan Ho diterima. Maka model yang digunakan adalah model estimasi Random Effect.


16/42019.pdf

4.3.

Hasil Estimasi model yang terpilih Dari

hasil

pemilihan

model

menunjukkan

bahwa model

regres1

menghasilkan model yang berbeda-beda. Untuk model sampel keseluruhan bank yang terpiliah adalah model Fixed Effect, untuk sampel bank devisa model regresi yang terpilih adalah Random Effect dan untuk sampel bank non devisa model yang terpilih adalah Common Effect.

4.3.1.

Hasil Estimasi Fixed Effect (Sampel Keseluruhan)

ka

Estimasi ini merupakan teknik mengestimasi data panel menggunakan variabel

rb u

dummy untuk menangkap adanya perbedaan intersep antar variabel namun intersep waktunya sama. Disamping itu, model ini juga mengasumsikan bahwa

Te

koefisien regresi (slope) tetap antar variabel dan antar waktu. Berikut estimasi dari

s

Fixed Effect.

ita

Tabel 4. 7

rs

Std. Error

t-Statistic

Prob.

25.49979

0.424008

60.13991

0.0000

U

Hasil Estimasi FL><ed Effect Sampel Keseluruhan

CAR?

0.013367

0.003576

3 738542

0.0005

LDR?

-0.122747

0 004272

-28.73380

0.0000

NPL?

-0.653125

0.084808

-7.701192

0.0000

ni

c

Coefficient

ve

Variable

Fixed Effects(Cross) Effects Specification Cross-section fixed (dummy variables) Weighted Statistics


16/42019.pdf

R-squared

0.965241

Mean dependent var

44.48413

Adjusted R-squared

0.945379

S.D. dependent var

80.21049

S.E. of regression

3.306204

Sum squared resid

535.6182

F -statistic

48.59686

Durbin-Watson stat

2.524004

Prob(F -statistic)

0.000000

Sumber: Olahan Data Eviews 8.0

ka

4.3.2. Estimasi Random Effect (Sam pel Bank Devisa)

saling

berhubungan

antara

mengasumsikan setiap Provinsi

waktu

dan

Te

mungkin

rb u

Metode ini memilih estimasi data penel dengan residual yang individu,

mempunyai intersep.

dengan

Namun demikian

ita

s

diasumsikan bahwa intersep adalah variabel random. Dalam model Random

Tabel4.8

ve

rs

yang dipilih berdasarkan uji Hausman adalah Model sampel Bank Devisa.

Coefficient

Std. Error

t-Statistic

Prob.

U

ni

Hasil Estimasi Random Effect (Sampel Bank Devisa) Variable

c

13.21307

8.501247

1.554251

0.1268

CAR?

0.546633

0.253732

2.154373

0.0364

LDR?

-0.062857

0.086037

-0.730586

0.4687

NPL?

-1.459026

0.518763

-2.812511

0.0072

Random Effects (Cross) Effects Specification


16/42019.pdf

S.D

Rho


0. 000000

0. 0000

Idiosyncratic random

5.887717

1.0000

Weighted Statistics

0.280958

Mean dependent var

12.71314

Adjusted R-squared

0.235062

S.D. dependent var

6.938178

S.E. of regression

6.068180

Sum squared resid

1730.672

F -statistic

6.121597

Durbin-Watson stat

Prob(F -statistic)

0.001331

ka

R-squared

Te

rb u

1.432933

s

4.3.3. Estimasi Common Effect (Sampel Bank Non Devisa)

ita

Metode Common Effect merupakan metode yang paling sederhana

rs

untuk mengestimasi data panel yaitu hanya dengan mengkombinasikan data

ve

time series dan cross section dengan metode Ordinary Least Squares (OLS).

ni

Metode ini diasumsikan bahwa perilaku data antara ruang sama dalam berbagai

U

kurun waktu. Dalam model Common yang dipilih berdasarkan uji Chow adalah Model sampel Bank Non Devisa.

Tabel4.9 Hasil Estimasi Common Effect (Sampel Bank Non Devisa) Coefficient

Std. Error

t-Statistic

Prob.

c

10.46045

6.099671

1.714921

0.0998

CAR?

0.123197

0.194216

0.634329

0.5321

Variable


16/42019.pdf

LDR?

0.160957

0.066159

2.432861

0.0232

NPL?

-2.480572

0.575705

-4.308755

0.0003

Weighted Statistics 0.709061

Mean dependent var

37.85389

Adjusted R-squared

0.671112

S.D. dependent var

48.76452

S.E. of regression

5.973015

Sum squared resid

820.5688

F-statistic

18.68479

Durbin-Watson stat

2.539139

Prob(F -statistic)

0.000002

Hasil

sebesar

F pada sampel keseluruhan menunjukkan bahwa F 48,59686

dan

probabilitas

sebesar

0,000<0,05

rs

hitung

UJl

s

Uji F

ita

4.4.

Te

rb u

ka

R-squared

ve

menunjukkan bahwa secara serentak rasio keuangan bank yang terdiri dari

ni

CAR, LDR dan NPL berpengaruh signifikan terhadap Rentabilitas Modal

U

Sendiri (ROE) pada perusahaan perbankan di Bursa Efek Indonesia. Hasil yang sama juga terjadi pada sampel Bank Devisa dengan F sebesar 6, 121597 dan probabilitas sebesar 0, 00 l 3< 0, 05 ; dan untuk sam pel bank non devisa diperoleh F sebesar 18,684 79 dengan probabilitas sebesar 0,000002<0,05. Hal ini berarti baik bank devisa maupun non devisa, terjadi pengaruh secara serentak dan signifikan rasio CAR, LDR dan LDR terhadap Rentabilitas modal sendiri.


16/42019.pdf

4.5.

Koefisien Determinasi Koefisien determinasi atau Adjusted R 2 merupakan kemampuan prediksi dari ketiga variabel independen (CAR, LDR dan NPL) terhadap variabel dependen (ROE). Nilai koefisien determinasi (Adjusted R2) sebesar 0,945 atau 94,5% Hal ini berarti 94,5% variasi Rentabilitas Modal Sendiri pada keseluruhan sampel bank bisa dijelaskan oleh variasi dari tiga variabel bebas yaitu CAR, LDR dan NPL, sedangkan sisanya sebesar 5,5%

ka

dijelaskan oleh sebab-sebab lain diluar model. Sementara untuk sampel

rb u

bank devisa ketiga variabel mampu menjelaskan Rentabilitas modal sendiri sebesar 23,5% dan untuk sampel bank non devisa sebesar 67,1 %.

Uji t

Te

4.6.

ita

s

Uji t digunakan untuk menganalisis besarnya pengaruh variabel bebas ras10 keuangan ditinjau dari CAR, LDR dan NPL secara parsial terhadap

ve

rs

Rentabilitas Modal Sendiri (ROE) dengan tingkat signifikansi sebesar 0,05.

ni

Apabila probabilitas tingkat kesalahan t-hitung lebih kecil dari tingkat signifikansi

U

tertentu (0,05), maka terdapat pengaruh yang signifikan dari variabel bebas terhadap variabel tergantung, sebaliknya apabila probabilitas tingkat kesalahan thitung lebih besar dari tingkat singnifikansi tertentu (0,05), maka tidak terdapat pengaruh yang signifikan dari variabel bebas terhadap variabel tergantung. Untuk menganalisis model regresi yang diajukan, maka diikhtisarkan pad a tabel 4. 7 Tabel4.9 diatas

Dengan memperhatikan model regresi Panel maka didapat persamaan pengaruh Rasio keuangan CAR, LDR dan NPL terhadap Rentabilitas Modal


16/42019.pdf

Sendiri pada bank di Bursa Efek Indonesia sebagai berikut :

Y = 25,49979 + 0,013367 CAR- 0,122747 LDR- 0,653125 NPL

a. Pengujian terhadap signifikansi Capital Adequacy Ratio (CAR) Berdasarkan Tabe14.7- Tabe14.9. Capital Adequacy Ratio mempunyai pengaruh signifikan terhadap Rentabilitas Modal Sendiri (ROE), dengan t hitung sebesar 3, 738542 dan probabilitas sebesar 0,0005<0,05. Dengan

ka

koefisien regresi yang positif, berarti bahwa Capital Adequacy Ratio dan

Capital

Adequacy

Ratio

rb u

Rentabilitas Modal Sendiri (ROE) menunjukkan hubungan yang searah. yang

semakin

meningkat

Te

peningkatan Rentabilitas Modal Sendiri (ROE).

mengakibatkan

Hal ini berarti Capital

s

Adequacy Ratio yang ada pada perusahaan perbankan berpengaruh terhadap

ita

Rentabilitas Modal Sendiri (ROE) perusahaan.

rs

Hasil ini didukung dengan pengujian per sampel, menunjukkan bahwa

ve

pada sam pel Bank Devisa diperoleh t hitung sebesar 2,1543 73 dan sig t

U

ni

sebesar 0,0364<0,05 yang berarti rasio keuangan CAR pada Bank Devisa berpengaruh positif dan signifikan terhadap Rentabilitas Modal Sendiri ROE. Sedangkan pada sampel Bank Non Devisa diperoleh sig t sebesar 0,5321>0,05, sehingga pengaruh ras1o CAR terhadap Rentabilitas Modal Sendiri tidak signifikan pada sampel Bank Non Devisa.

b. Pengujian terhadap Variabel Loan to deposit ratio Hasil pengujian terhadap variabel Loan to deposit ratio, diperoleh t hitung adalah sebesar -28,7338 dan probabilitas sebesar 0,000<0,05. Dengan


16/42019.pdf

demikian variabel rasio likuditas Loan to deposit ratio berpengaruh negatif secara signifikan terhadap Rentabilitas Modal Sendiri (ROE). Hal ini berarti semakin besar LDR maka Rentabilitas Modal Sendiri akan semakin menurun dan sebaliknya semakin rendah rasio LDR maka Rentabilitas Modal Sendiri (ROE) akan semakin meningkat. Sedangkan hasil pengujian per sampel, menunjukkan bahwa pada sampel Bank Non Devisa diperoleh t hitung sebesar 2,432861 dan sig t

ka

sebesar 0,0232<0,05 yang berarti rasio LOR pada Bank Non Oevisa

rb u

berpengaruh positif dan signifikan terhadap Rentabilitas Modal Sendiri ROE. Sementara pada sampel Bank Devisa diperoleh sig t sebesar 0,4687>0,05,

signifikan pada sampel Bank Devisa.

Te

sehingga pengaruh rasio LOR terhadap Rentabilitas Modal Sendiri tidak

ita

s

c. Pengujian terhadap signifikansi Non Performing Loan (NPL)

rs

Berdasarkan Tabel 4.7- Tabel 4.9 Non Performing Loan berpengaruh

ve

signifikan negatif terhadap Rentabilitas Modal Sendiri (ROE), dengan t

ni

hitung sebesar -7,701192 dan probabilitas sebesar 0,000<0,05. Dengan

U

demikian Non Performing Loan berpengaruh secara signifikan terhadap Rentabilitas Modal Sendiri (ROE) perusahaan. Artinya semakin besar rasio pengelolaan kredit bermasalah dengan total kredit telah mampu menurunan Rentabilitas Modal Sendiri (ROE) pada perusahaan perbankan di BEl, dan sebaliknya semakin rendah NPL bank maka semakin tinggi Rentabilitas Modal Sendiri. Hasil

ini

didukung

dengan

hasil

penguj Ian

per

sam pel

yang

menunjukkan bahwa pada sampel bank Devisa diperoleh t hitung sebesar


16/42019.pdf

-2,812511 dengan probabilitas sebesar 0,0072<0,05, maka dapat diartikan bahwa NPL berpengaruh negatif dan signifikan terhadap Rentabilitas Modal Sendiri pada bank Devisa. Hasil pengujian pada sampel bank Non Devisa diperoleh

t

hitung

sebesar

-4,308755

dengan

probabilitas

sebesar

0,0003<0,05, maka dapat diartikan bahwa NPL berpengaruh negatif dan signifikan terhadap Rentabilitas Modal Sendiri pada bank Non Devisa.

d. Uji Variabel Dominan

ka

Berdasarkan hasil uji dominan ditinjukkan dari nilai t hitung (tanpa

menemukan

bahwa LDR merupakan

rb u

harus melihat nilai positif atau negatif). Hasil uji keseluruhan sampel variabel

yang paling dominan

Te

berpengaruh terhadap rentabilitas modal sendiri karena memili t hitung

s

palung besar yaitu sebesar -28,73380. Sedangkan untuk sampel bank devisa

ita

menemukan bahwa NPL merupakan variabel yang dominan berpengaruh

rs

terhadap rentabilitas modal sendiri dengan t hitung paling besar yaitu -

ve

2,812511. Hasil yang sama juga terjadi pada sampel bank Non Devisa dimana

U

ni

NPL memiliki pengaruh paling besar dengan t hitung sebesar -4,308755.

4.7. Pembahasan Basil Penelitian

4.7.1. Pengaruh Rasio Permodalan (CAR) terhadap Rentabilitas Modal Sendiri ROE Hasil penelitian menemukan bahwa rasio keuangan CAR berpengaruh positif terhadap Rentabilitas Modal

Sendiri

(ROE) pada perusahaan

perbankan di BEl. Hasil ini didukung dengan pengujian pada sampel Bank Devisa yang menemukan adanya pengaruh positif dan signifikan CAR


16/42019.pdf

terhadap ROE, sedangkan pada sampel Bank Non Devisa, rasio CAR tidak berpengaruh signifikan Rentabilitas Modal Sendiri. Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Dezfouli (2014) yang menunjukkan pengaruh yang signifikan positif CAR terhadap Rentabilitas Modal Sendiri (ROE). Dengan demikian secara parsial hipotesis penelitian diterima, artinya semakin besar CAR maka keuntungan bank juga akan semakin besar. Dengan

ka

kata lain, semakin kecil risiko suatu bank maka semakin besar keuntungan

rb u

yang diperoleh bank. Seperti diketahui bahwa CAR juga biasa disebut dengan rasio kecukupan modal, yang berarti jumlah modal sendiri yang diperlukan

Te

untuk menutup risiko kerugian yang mungkin timbul dari penanaman aktiva-

bank.

Dengan

demikian,

ita

inventaris

s

aktiva yang mengandung risiko serta membiayai seluruh benda tetap dan manajemen

bank

perlu

untuk

rs

mempertahankan atau meningkatkan nilai CAR sesuai dengan ketentuan BI

ve

minimal delapan persen (8%) karena dengan modal yang cukup maka bank

U

ni

dapat melakukan ekspansi usaha dengan lebih aman. Menurut

Muljono

(1999)

Capital Adequacy Ratio

(CAR),

merupakan perbandingan antara modal sendiri dengan Aktiva Tertimbang Menurut Resiko (ATMR) merupakan salah satu rasio yang menggambarkan analisa rentabilitas, dimana peningkatan modal sendiri yang dimiliki oleh bank akan menurunkan biaya dana sehingga perubahan laba perusahaan akan meningkat, namun bila capital rendah, maka dana ~ dari pihak ketiga akan menjadi mahal dan biaya bunga menjadi tinggi sehingga perubahan laba bank akan rendah. Jika bank memiliki CAR cukup rendah, maka untuk mencukupi


16/42019.pdf

kebutuhan dana atas biaya bunga untuk dana pihak ketiga (yang biasanya diperoleh dari

spread bunga kredit dari perhitungan ATMR),

akan

menyebabkan bank hams meminjam dana ke PUAB (Pasar Uang Antar Bank) dengan bunga yang sangat besar dan jika hal ini berlangsung terns menerus maka likuiditas bank akan memburuk. Sehingga jika sewaktu waktu masyarakat ingin menarik dana dalam nominal besar dan dalam waktu yang hampir bersamaan, maka bank akan mengalami kesulitan bahkan diawal awal

ka

silkus tersebut terjadi (terutama untuk Bank besar yang dipengaruhi oleh

rb u

rumor kesehatan perekonomian dan perbankan). Hal inilah yang membuat Bank Indonesia melalui Arsitektur Perbankan Indonesia (API) meningkatkan

fungsi

ganda

selain

untuk

Te

jumlah standar CAR dari 5% menjadi 8 %. Karena kebijakan ini memiliki memperbaiki

kemampuan

bank

untuk

ita

s

menghasilkan pendapatan juga meningkatkan kualitas kesehatan bank

rs

tersebut di mata masyarakat.

ve

Perbedaan mendasar dari Bank Devisa dan Bank Non Devisa ini

ni

dilihat dari kedudukan atau status yang menunjukkan ukuran kemampuan

U

bank dalam melayani masyarakat baik dari segi jumlah produk, modal maupun kualitas pelayanan. Sehingga dapat disimpulkan bahwa kinerja Bank Devisa akan lebih baik dibandingkan dengan kinerja Bank Non Devisa karena bank devisa menunjukkan kedudukkan yang sudah memasuki dunia Internasional. Pada pengujian bank non devisa tidak ditemukan adanya pengaruh yang signifikan variabel CAR terhadap rentabilitas modal sendiri. Hal ini disebabkan karena bank non Devisa dalam menjaring dana masyarakat cukup


16/42019.pdf

terbatas pada nasabah dalam negen saJa. Bank Non Devisa menurut Djumhana (2000) diartikan sebagai bank yang belum mendapatkan surat penunjukkan dari BI untuk dapat melakukan kegiatan usaha perbankan dalam valuta asing dan atau melakukan kegiatan usaha perbankan dengan pihakpihak luar negeri. Dengan demikian bank non devisa mendapatkan investasi secara masih terbatas pada investor lokal, sehingga dalam memperoleh modal jauh lebih kecil dibandingkan dengan bank devisa. Selain itu tingkat

ka

kepercayaan masyarakat terhadap Bank Devisa ini lebih tinggi, karena

rb u

memiliki transaksi yang lebih Iuas sehingga bank sangat mudah dalam mengumpulkan dana dari pihak ketiga dan memiliki modal ini yang lebih

Te

besar, sehingga bank non devisa belum mampu membuktikan adanya

rs

ita

s

hubungan CAR dengan rentabilitas modal sendiri.

ve

4.7.2. Pengaruh rasio keuangan LDR terhadap Rentabilitas Modal Sendiri ROE

penguJlan

terhadap

variabel

!JJan

to

deposit

ratio,

U

ni

Hasil

menunjukkan bahwa LDR berpengaruh signifikan terhadap Rentabilitas Modal Sendiri (ROE) pada perusahaan perbankan di BEl. Hasil ini didukung dengan pengujian pada sampel Bank Non Devisa yang menemukan adanya pengaruh positif dan signifikan LDR terhadap ROE, sedangkan pada sampel Bank Devisa, rasio keuangan LDR tidak berpengaruh signifikan Rentabilitas Modal Sendiri. Hasil penelitian ini sesuai dengan hasil penelitian yang dilakukan oleh Agustiningrum (2013), dan penelitian Setyorini (2012) yang menemukan secara konsisten menemukan bahwa Loan to deposit ratio


16/42019.pdf

berpengaruh positif secara signifikan terhadap ROE. LDR adalah rasio antara seluruh jumlah kredit diberikan dengan dana yang diterima oleh bank. LDR menyatakan seberapa jauh kemampuan bank

dalam membayar kembali penarikan dana yang dilakukan deposan

dengan mengandalkan kredit yang diberikan sebagai sumber likuiditas (Dendawijaya, 2009). Rasio ini digunakan untuk menilai likuiditas suatu bank yang dengan cara membagi jumlah kredit yang diberikan oleh bank terhadap

ka

dana pihak ketiga. Semakin tinggi rasio ini, likuiditas bank akan semakin

rb u

tinggi sehingga berpengaruh terhadap Rentabilitas Modal Sendiri ROE. Hal ini sejalan dengan penelitian yang dilakukan oleh Usman, (2003), dimana

Te

loan to deposit ratio (LDR) berpengaruh positif terhadap laba bank. Karena laba merupakan komponen yang membentuk Return On Equity (ROE), maka

ita

s

dapat disimpulkan bahwa secara tidak langsung loan to deposit ratio (LDR)

rs

juga berpengaruh positifterhadap Return On ;,_·quity (ROE).

ve

Pada sampel Keseluruhan menemukan bahwa LDR berpengaruh

ni

negatif dan signifikan terhadap Rentabilitas Modal Sendiri. Artinya semakin

U

rendah LDR justru ROE akan semakin meningkat. Hal ini kemungkinan disebabkan karena bank terlalu agresif dalam menyalurkan kredit, terutama pada bank devisa, sehingga semakin besar kredit yang diberikan akan menurunkan nilai LDR. Semantara laba yang diperoleh bank sangat ditentukan oleh besar kecilnya kredit yang salurkan, karena sebagian pendapatan bank berasal dari pendapatan bunga. Dengan pendapatan bunga yang tinggi akan meningkatkan rasio ROE.


16/42019.pdf

4.7.3. Pengaruh rasio keuangan Non Performing Loan (NPL) terhadap Rentabilitas Modal Sendiri (ROE) Hasil penelitian menemukan bahwa rasto keuangan Non Performing

Loan berpengaruh signifikan negatif terhadap Rentabilitas Modal Sendiri (ROE) baik untuk sampel keseluruhan maupun sampel Bank Devisa dan NPL (Non Performing Loan) merupakan rasio yang

Bank Non Devisa. menunjukkan

yang

manajemen

diberikan

oleh

bank

bank.

dalam

NPL

mengelola

dihitung

kredit

berdasarkan

ka

bermasalah

kemampuan

total kredit.

rb u

perbandingan antara jumlah kredit yang bermasalah dibandingkan dengan Semakin tinggi rasio ini maka semakin buruk kualitas kredit

Te

bank yang menyebabkan jumlah kredit bermasalah semakin besar (Almilia dkk. 2005). Dengan demikian kemungkinan suatu bank dalam kondisi

Hasil penelitian ini

sesuai dengan penelitian

rs

mengalami penurunan.

ita

s

bermasalah semakin besar, sehingga dimungkinkan kinerja bank juga

ve

Agustiningrum (20 13) yang menemukan bahwa NPL berpengaruh negatif

ni

signifikan terhadap profitabilitas (ROA).

U

Dalam penelitian ini hasil yang konsisten pada kedua sampel Bank

Devisa maupun bank non Devisa yang menemukan bahwa NPL berpengaruh negatif terhadap Rentabiltas Modal Sendiri. NPL merupakan rasio yang dipergunakan untuk mengukur kemampuan bank dalam mengcover risiko kegagalan pengembalian kredit oleh debitur (Darmawan, 2004). NPL merefleksikan besamya risiko kredit yang dihadapi bank. Semakin kecil NPL maka semakin kecil pula risiko kredit yang ditanggung pihak bank. Jika NPL tinggi maka kesempatan bank dalam memperoleh laba dari bunga kredit dan


16/42019.pdf

pengembalian kredit akan hilang. Hilangnya kesempatan memperoleh laba dari

kredit

yang

macet

mempengaruhi

proyeksi

keuntungan

yang

direncanakan sehingga secara langsung berpengaruh terhadap laba. Jadi semakin rendah NPL maka ROE semakin meningkat karena semakin kecil risiko kredit yang ditanggung oleh bank. Sebaliknya, semakin tinggi NPL maka ROE akan semakin rendah karena hilangnya kesempatan bank dalam memperoleh laba. Bank dalam memberikan kredit harus melakukan analisis

ka

terhadap kemampuan debitur dalam memenuhi kewajiban. Bank melakukan

rb u

peninjauan, penilaian dan pengikatan terhadap agunan untuk memperkecil risiko kredit. Hasil penelitian ini juga konsisten dengan penelitian yang

Bank

Mandiri

Persero,

Tbk

Te

dilakukan oleh Utomo (2008) tentang dampak NPL terhadap kinerja PT. menemukan

bahwa

NPL

berpengaruh

ita

s

negatif signifikan terhadap Return on Assets (profitabilitas bank) karena jika

U

ni

ve

rs

NPL naik maka laba atau profit yang didapat akan semakin kecil.


16/42019.pdf

BABV KESIMPULAN DAN SARAN

S.l.Kesimpulan Berdasarkan hasil analisis dan pembahasan yang telah dijelaskan di Bab terdahulu, maka kesimpulan dari penelitian ini adalah: 1. Hasil pengujian secara serentak menemukan bahwa rasio keuangan bank yang

ka

terdiri dari CAR LDR dan NPL berpengaruh signifikan terhadap Rentabilitas

rb u

Modal Sendiri (ROE) pada perusahaan perbankan di Bursa Efek Indonesia.

Te

Hasil yang sama juga terjadi pada sampel Bank Devisa dan untuk sampel bank non devisa , yang berarti baik bank devisa maupun non devisa, terjadi

ita

s

pengaruh secara serentak dan signifikan rasio CAR, LDR dan LDR terhadap Sedangkan besarnya pengaruh ketiga variabel

rs

Rentabilitas modal sendiri.

ve

independen tersebut terhadap rentabilitas modal sendiri adalah sebesar 94,5% dan sisanya sebesar 5,5% dijelaskan oleh sebab-sebab lain diluar model.

U

ni

Sementara untuk sampel bank devisa ketiga variabel mampu menjelaskan Rentabilitas modal sendiri sebesar 23,5% dan untuk sampel bank non devisa sebesar 67,1 %. 2. Rasio keuangan Capital Adequacy Ratio (CAR) berpengaruh positif dan signifikan terhadap Rentabilitas Modal Sendiri (ROE) pada keseluruhan sampel baik Bank Devisa maupun Bank Non Devisa. Hal ini berarti semakin besar rasio keuangan CAR maka semakin tinggi pula Rentabilitas Modal Sendiri (ROE) perusahaan.


16/42019.pdf

3. Rasio keuangan LDR berpengaruh positif dan signifikan terhadap Rentabilitas Modal Sendiri (ROE) pada sampel Bank Non Devisa. Hal ini berarti semakin besar rasio keuangan LDR maka semakin tinggi pula Rentabilitas Modal Sendiri (ROE) perusahaan. Sementara pada sampel Keseluruhan menemukan bahwa LDR berpengaruh negatif terhadap Rentabilitas Modal Sendiri. Hal ini disebabkan karena rendahnya LDR disebabkan karena tinggi penyaluran kredit dan hal ini justru akan meningkatkan pendapatan bank.

ka

4. Rasio keuangan Non Performing Loan (NPL) berpengaruh negatif signifikan

rb u

terhadap Rentabilitas Modal Sendiri (ROE) pada keseluruhan sampel baik Bank Devisa maupun Bank Non Devisa. Hal ini berarti semakin rendah NPL

Te

baik akan menyebabkan meningkatnya Rentabilitas Modal Sendiri (ROE) perusahaan.

ita

s

5. Berdasarkan hasil uji dominan pada keseluruhan sampel menemukan bahwa

rs

LOR merupakan variabel yang paling dominan berpengaruh terhadap

ve

rentabilitas modal sendiri. Sedangkan untuk sampel bank devisa dan sampel

ni

bang non devisa menemukan bahwa NPL merupakan variabel yang dominan

U

berpengaruh terhadap rentabilitas modal sendiri.

5.2. Keterbatasan Penelitian Penelitian ini masih jauh dari sempurna ada beberapa hal yang menjadi keterbatasan penelitian ini, yaitu sebagai berikut • 1. Penelitian ini hanya mengukur ras10 kesehatan bank saJa, sehingga penelitian ini tidak mempertimbangkan faktor yang berpengaruh terhadap kinerja bank, ukuran perusahaan, bidang konsentrasi bank, skala operasi.


16/42019.pdf

Penelitian juga tidak tidak memperhitungkan faktor ekonomi makro lainnya seperti tingkat inflasi, tingkat bunga, subsidi pemerintah dan sebagainya. 2. Jumlah sampel dalam penelitian ini cukup kecil yaitu hanya 26 perusahaan perbankan di Bursa Efek Indonesia sehingga masih ditemukan hasil yang tidak konsisten tentang pengaruh variabel rasio keuangan terhadap

ka

Rentabilitas Modal Sendiri ROE.

rb u

5.3. Saran

Te

1. Bagi Perusahaan

s

Bagi manajemen bank untuk meningkatkan Rentabilitas Modal Sendiri

ita

(ROE) di masa mendatang hendaknya memperhatikan aspek permodalan, aspek

rs

kualitas asset dan aspek likuiditas bank. Hendaknya bank meningkatkan modal

ve

bank dalam bentuk aktiva lancar agar kredit yang diberikan kepada masyarakat mendapatkan

laba

kedepan.

Manajemen bank

ni

dapat dioptimalkan untuk

U

memperhatikan nilai NPL agar selalu dibawah 5% sesuai dengan ketentuan Bank Indonesia, karena rasio ini merupakan indikator utama terhadap keberhasilan dalam menyalurkan kredit sehingga resiko terhadap kredit bermasalah cukup rendah dan hal ini akan meningkatkan rentabilitas modal sendiri. Selain itu bank perlu meningkatkan likuiditas bank dengan memproporsionalkan antara jumlah dana masyarakat yang dapat di dikumpulkan dengan jumlah penyaluran kredit.


16/42019.pdf

2. Bagi Peneliti Selanjutnya Bagi peneliti yang akan datang sebaiknya melakukan penelitian yang sama dengan menambah menambahkan variabel selain rasio kesehatan bank misalnya memasukkan ukuran perusahaan, atau faktor ekonomi makro seperti inflasi dan tingkat suku bunga Bank Indonesia. Begitu juga dengan sampel perusahaan hendaknya dipilih sampel dalam jumlah yang relatif besar yaitu minimal 30 sampel, misalnya dengan menambahkan perusahaan perbankan yang

U

ni

ve

rs

ita

s

Te

rb u

ka

belum go publik.


16/42019.pdf

DAFTAR PUSTAKA

Achmad, Tarmizi dan Wilyanto Kusumo, Analisis Rasio-Rasio Keuamgan sebagai Predictor dalam Memprediksi Potensi Kebangkrutan Perbankan Indonesia, Media Ekonomi dan Bisnis Vol.XV No.1, 2003. Arafat, Wilson. 2006. Manajemen Perbankan Indonesia, Teori Dan Implementasi. Indonesia: Pustaka LP3ES Indonesia.

ka

Artarina Octa dan Masdjojo Gregorius N. (2013), Faktor-Faktor Yang Mempengaruhi Rentabilitas Pada BPR Di Kabupaten Blora. Dinamika Akuntansi, Keuangan dan Perbankan, Mei 2013, Hal: 4-1-51 !SSW :19794878

Te

rb u

Ghozali. 2007. Pengaruh CAR (Capital Adequacy Ratio), FDR (Financing to Deposit Ratio), BOPO (Biaya Operasional terhadap Pendapatan Operasional), dan NPL (Non Performing Loan) terhadap Profitabilitas Bank Syariah Mandiri. Skripsi: Universitas Islam Indonesia

s

Hanafi M Mamduh dan Halim Abdul, 2009, Ana/isis Laporan Keuangan, UPP STIM YKPN, Yogyakarta.

ita

Julius, Latumaerissa, 2011, Bank Dan Lembaga Keuangan Lain. Jakarta: Salemba Empat

ve

rs

Kasmir, SE.,MM (2007), Bank dan Lembaga Keuangan Lainnya, Edisi keenam, Jakarta: fajar interpratama offset

ni

Mahardian, Pandu. 2008. Ana/isis Pengaruh CAR, NPL, BOPO, l"DR, dan, NJM

U

Terhadap Kinerja Keuangan Perbankan (Studi Kasus Perusahaan Perbankan yang Tercatat di BE! Periode Juni 2002 ~ Junil 2007). Tesis S2, Megister Manajemen, Semarang: Universitas Diponegoro. Manullang L. A, 2002, Analisis Pengaruh Rentabilitas terhadap Rasio Kecukupan Modal pada Bank Tabungan Pensiunan Nasional, Media Riset Bisnis dan Manajemen, Vol. 2, No. 1, p: 26-47. Munawir, S., 2002. Ana/isis Informasi Keuangan. Edisi Pertama. Liberty, Y ogyakarta. Musyarofatun Lia Dwi (2013), Analisis Faktor-Faktor Yang Mempengaruhi Rentabilitas Bank Perkreditan Rakyat Di Kabupaten Magelang, Accounting Analysis Journal (AAJ) Vo/.2 No.1 (2013) Prasetyo Sigit, 2009. Pengaruh Loan Deposit Ratio (LDR), Capital Adequacy Ratio (CAR), Kualitas Aktifa Produktif (KAP) dan Efisiensi Operasi


16/42019.pdf

(BOPO) Terhadap Rentabilitas Pada BPR di Kabupaten Kudus. Skripsi. Semarang: Universitas Stikubank Riyanto, Bambang. 2010. Dasar-dasar Pembelanjaan Perusahaan. Yogyakarta: BPFE Y ogyakarta Sekaran, Uma, 2006, Metodologi Penelitian untuk Bisnis. Edisi Keempat. Salemba Empat. Jakarta. Setyorini Winarti (2012), Analisis Faktor-Faktor Yang Mempengaruhi Kinerja Keuangan Pada Industri Perbankan Di Bursa Efek Indonesia (Periode Tahun 2007-2010), Jumal Socioscientia Kopertis Wilayah Xi Kalimantan Volume 4 Nomor 1

U

ni

ve

rs

ita

s

Te

rb u

ka

Susilo Sri, 2000, Bank dan Lembaga Keuangan Lain, Salemba Empat, Jakarta


16/42019.pdf

HASIL PADA TOTAL SAMPEL COMMON EFFECT Dependent Variable: ROE? Method: Pooled Least Squares Date: 10/06/14 Time: 18:43 Sample: 2010 2012 Included observations: 3 Cross-sections included: 26 Total pool (balanced) observations: 78 Variable

Coefficient

Std. Error

t-Statistic

Prob.

c

10.73639 0.587762 -0.024762 -1.536112

6.171754 0.207532 0.058579 0.490882

1.739600 2.832157 -0.422709 -3.129287

0.0861 0.0060 0.6737 0.0025

Mean dependent var S.D.dependentvar Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

14.56667 7.452392 6.634866 6.755723 6.683248 0.805987

ka

0.266363 0.236621 6.511270 3137.351 -254.7598 8.955790 0.000039

U

ni

ve

rs

ita

s

Te

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

rb u

CAR? LOR? NPL?


16/42019.pdf

FIXED EFFECT (MODEL TERP/Llffl Dependent Variable: ROE? Method: Pooled EGlS (Cross-section weights) Date: 10/06/14 Time: 18:44 Sample: 2010 2012 Included observations: 3 Cross-sections included: 26 Total pool (balanced) observations: 78 linear estimation after one-step weighting matrix White cross-section standard errors & covariance (d.f. corrected) WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.

c

25.49979 0.013367 -0.122747 -0.653125

0.424008 0.003576 0.004272 0.084808

60.13991 3.738542 -28.73380 -7.701192

0.0000 0.0005 0.0000

ka rb u Te s ita

ve

rs

-3.419107 -15.89616 -7.010318 6.942902 2.986838 -3.158133 6.254861 3.077052 5.641750 -1.189342 -1.540099 -4.385497 0.045212 -3.581344 -4.722424 -3.755298 3.518842 -11.76826 1.010991 15.32610 2.814900 5.965296 8.943718 -0.033865 -5.465303 3.396682

0.0000

U

ni

CAR? LOR? NPl? Fixed Effects (Cross) AGRO-C BABP-C BACA-C BAEK-C BBCA-C BBKP-C BBNI-C BBNP-C BBRI-C BCIC-C BDMN-C BJBR-C BMRI-C BNGA-C BNII-C BNU-C BSIM-C BSWD-C BTPN-C BVIC-C MAYA-C MCOR-C MEGA-C NISP-C PNBN-C SDRA-C

Effects Specification Cross-section fixed (dummy variables) Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob( F-statistic)

0.965241 0.945379 3.306204 48.59686 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

44.48413 80.21049 535.6182 2.524004

Unweighted Statistics R-squared Sum squared resid

0.865054 577.0873


Mean dependent var Durbin-Watson stat

14.56667 3.006409

16/42019.pdf

UJICHOW Redundant Fixed Effects Tests Pooi:APOOL Test cross-section fixed effects Effects Test

Statistic

Cross-section F

d.f.

28.911682

(25,49)

Prob.

0.0000

Coefficient

Std. Error

t-Statistic

c

27.00946 0.077194 -0.107257 -1.180513

1.110727 0.029532 0.010062 0.078618

24.31691 2.613958 -10.65935 -15.01574

Weighted Statistics

s

Mean dependent var S.D. dependentvar Sum squared resid Durbin-Watson stat

ita

0.452518 0.430323 10.67736 20.38808 0.000000

0.0000 0.0108 0.0000 0.0000

44.48413 80.21049 8436.447 0.186712

rs

R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

Te

CAR? LOR? NPL?

Prob.

rb u

Variable

ka

Cross-section fixed effects test equation: Dependent Variable: ROE? Method: Panel EGLS (Cross-section weights) Date: 10/06/14 Time: 18:44 Sample: 2010 2012 Included observations: 3 Cross-sections included: 26 Total pool (balanced) observations: 78 Use pre-specified GLS weights White cross-section standard errors & covariance (d.f. corrected) WARNING: estimated coefficient covariance matrix is of reduced rank

0.061155 4014.912

U

ni

R-squared Sum squared resid

ve

Unweighted Statistics



14.56667 0.442678

16/42019.pdf

MODEL RANDOM EFFECT Dependent Variable: ROE? Method: Pooled EGLS (Cross-section random effects) Date: 10106114 Time: 18:44 Sample: 2010 2012 Included observations: 3 Cross-sections included: 26 Total pool (balanced) observations: 78 Swamy and Arora estimator of component variances Coefficient

Std. Error

t-Statistic

Prob.

c

22.14474 0.175080 -0.105190 -0.909414

5.500853 0.137319 0.059611 0.401745

4.025692 1.274989 -1.764618 -2.263656

0.0001 0.2063 0.0818 0.0265

rb u Te s ita

ve

rs

-2.227035 -12.43091 -6.530622 5.519608 2.772095 -2.656880 5.947621 2.234863 4.830685 -0.784427 -1.364107 -3.826109 -0.255794 -2.613076 -4.375632 -3.174159 2.311203 -9.702631 1.007654 13.42354 1.864716 4.837837 6.925747 0.556057 -4.256171 1.965928

ni

CAR? LOR? NPL? Random Effects (Cross) AGRO-C BABP-C BACA-C BAEK-C BBCA-C BBKP-C BBNI-C BBNP-C BBRI-C BCIC-C BDMN-C BJBR-C BMRI-C BNGA-C BNII-C BNLI-C BSIM-C BSWD-C BTPN-C BVIC-C MAYA-C MCOR-C MEGA-C NISP-C PNBN-C SDRA-C

ka

Variable

U

Effects Specification S.D. 5.218822 3.424135

Cross-section random Idiosyncratic random

Rho 0.6991 0.3009

Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.114312 0.078405 3.602324 3.183613 0.028730


5.160133 3.752431 960.2784 1.852181


0.180144 3506.063



14.56667 0.507295

16/42019.pdf

UJIHAUSMAN Correlated Random Effects- Hausman Test Pooi:APOOL Test cross-section random effects

Test Summary Cross-section random

Chi-Sq. Statistic

Chi-Sq. d.f.

10.902187

3

Prob. 0.0123

Cross-section random effects test comparisons: Fixed

Variable

0.060096 -0.143553 -0.561781

CAR? LDR? NPL?

Random

Var(Diff.)

Prob.

0.175080 -0.105190 -0.909414

0.001903 0.002593 0.052214

0.0084 0.4512 0.1282

Coefficient

Std. Error

c

26.15380 0.060096 -0.143553 -0.561781

6.802578 0.144081 0.078401 0.462183

ita

CAR? LDR? NPL?

s

Variable

Te

rb u

ka

Cross-section random effects test equation: Dependent Variable: ROE? Method: Panel least Squares Date: 10/06/14 Time: 18:44 Sample: 2010 2012 Included observations: 3 Cross-sections included: 26 Total pool (balanced) observations: 78

t-Statistic

Prob.

3.844690 0.417095 -1.831018 -1.215496

0.0003 0.6784 0.0732 0.2300

rs

Effects Specification

0.865657 0.788889 3.424135 574.5102 -188.5528 11.27634 0.000000

U

ni


ve

Cross-section fixed (dummy variables)


Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

14.56667 7.452392 5.578276 6.454488 5.929040 3.009314

16/42019.pdf

HASIL SAMPEL DEVISA COMMON EFFECT Dependent Variable: ROE? Method: Pooled Least Squares Date: 10/06/14 Time: 18:55 Sample: 2010 2012 Included observations: 3 Cross-sections included: 17 Total pool (balanced) observations: 51 Variable

Coefficient

Std. Error

t-Statistic

Prob.

c

13.21307 0.546633 -0.062857 -1.459026

8.761817 0.261509 0.088674 0.534663

1.508029 2.090304 -0.708859 -2.728869

0.1382 0.0420 0.4819 0.0089

Mean dependent var S.D.dependentvar Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

12.71314 6.938178 6.519179 6.670695 6.577078 1.432933

ka

0.280958 0.235062 6.068180 1730.672 -162.2391 6.121597 0.001331

U

ni

ve

rs

ita

s

Te


rb u

CAR? LOR? NPL?


16/42019.pdf

FIXED EFFECT Dependent Variable: ROE? Method: Pooled EGLS (Cross-section weights) Date: 10/06/14 Time: 16:56 Sample: 2010 2012 Included observations: 3 Cross-sections included: 17 Total pool (balanced) observations: 51 Unear estimation after one-step weighting matrix White cross-section standard errors & covariance (d.f. corrected) WARNING: estimated coefficient covariance matrix is of reduced rank Variable

Coefficient

Std. Error

t-Statistic

Prob.

c

16.46023 0.410199 -0.101941 -0.642156

1.667660 0.061336 0.032752 0.047538

9.670136 6.667493 -3.112536 -13.50820

0.0000 0.0000

ka rb u Te s ita

-3.621373 1.449260 8.834283 -0.949702 -4.167641 -2.114971 -6.639013 3.635988 1.690397 -2.099932 ·1.626443 -2.490851 1.253278 1.741622 3.947557 1.686934 -0.729195

0.0040 0.0000

rs

CAR? LDR? NPL? Fixed Effects (Cross) AGRO-C BABP-C BAEK-C BBCA-C BBKP-C BBNP-C BCIC-C BDMN-C BNGA-C BNII-C BNLI=C BSIM-C BSWD-C MAYA-C NISP-C PNBN-C SDRA-C

ve

Effects Specification Cross-section fixed (dummy variables)

ni

Weighted Statistics

U

R-squared Adjusted R-squared S.E. of regression F-statistic Prob( F-statistic)

0.625327 0.395669 5.310105 2. 723099 0.006427


22.64501 19.74561 874.1136 2.511937


0.498905 1206.094



12.71314 2.007649

16/42019.pdf

UJICHOW Redundant Fixed Effects Tests Pooi:APOOL Test cross-section fixed effects Effects Test

Statistic

Cross-section F

2.490125

d.f. (16,31)

Prob. 0.0144

Coefficient

Std. Error

t -Statistic

c

11.03482 0.223538 -0.002828 -0.587595

3.903319 0.054601 0.047022 0.350311

2.827034 4093988 ·0.060137 -1.677355

Weighted Statistics

s

Mean dependent var S.D.dependentvar Sum squared resid Durbin-Watson stat

ita

0.143788 0.089137 6.519279 2.630990 0.060937

0.0069 0.0002 0.9523 0.1001

22.64501 19.74561 1997.547 1.136794

rs

R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

Te

CAR? LOR? NPL?

Prob.

rb u

Variable

ka

Cross-section fixed effects test equation: Dependent Variable: ROE? Method: Panel EGLS (Cross-section weights) Date: 10/06/14 Time: 18: 56 Sample: 2010 2012 Included observations: 3 Cross-sections included: 17 Total pool (balanced) observations: 51 Use pre-specified GLS weights White cross-section standard errors & covariance (d.f. corrected) WARNING: estimated coefficient covariance matrix is of reduced rank

0.173826 1988.530

U

ni

R-squared Sum squared resid

ve

Unweighted Statistics



12.71314 1.394642

16/42019.pdf

RANDOM EFFECT (MODEL TERPILIH) Dependent Variable: ROE?

Method: Pooled EGLS (Cross-section random effects} Date: 10/06/14 Time: 18:57 Sample: 2010 2012 Included observations: 3 Cross-sections included: 17 Total pool (balanced} observations: 51 Swamy and Arora estimator of component variances Coefficient

Std. Error

t -statistic

Prob.

c

13.21307 0.546633 -0.062857 -1.459026

8.501247 0.253732 0.086037 0.518763

1.554251 2.154373 -0.730586 -2.812511

0.1268 0.0364 0.4687 0.0072

rb u Te s

0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000

ita

CAR? LOR? NPL? Random Effects (Cross} AGRO-C BABP-C BAEK-C BBCA-C BBKP-C BBNP-C BCIC-C BDMN-C BNGA-C BNII-C BNLI-C BSIM-C BSWD-C MAYA-C NISP-C PNBN-C SDRA-C

ka

Variable

ve

Cross-section random Idiosyncratic random

rs

Effects Specification

S.D. 0.000000 5.887717

Rho 0.0000 1.0000

ni

Weighted Statistics

U

R-squared Adjusted R-squared S.E. of regression F-statistic Prob( F-statistic}

0.280958 0.235062 6.068180 6.121597 0.001331

Mean dependent var S.D.dependentvar Sum squared resid Durbin-Watson stat

12.71314 6.938178 1730.672 1.432933


0.280958 1730.672



12.71314 1.432933

16/42019.pdf

UJIHAUSMAN Correlated Random Effects- Hausman Test Pooi:APOOL Test cross--section random effects

Test Summary Cross--section random

Chi-Sq. Statistic

Chi-Sq. d.f.

6.150947

3

Prob. 0.1045

*"WARNING: estimated cross--section random effects variance is zero. Cross--section random effects test comparisons: Fixed

CAR? LOR? NPL?

0.592964 -0.252904 -1.107894

Random

Var(Diff.)

Prob.

0.546633 -0.062857 -1.459026

0.019457 0.006627 0.183882

0.7398 0.0196 0.4129

rb u

ka

Cross--section random effects test equation: Dependent Variable: ROE? Method: Panel Least Squares Date: 10/06/14 Time: 18:57 Sample: 2010 2012 Included observations: 3 Cross--sections included: 17 Total pool (balanced) observations: 51 Coefficient

Std. Error

c

27.30693 0.592964 -0.252904 -1.107894

10.25327 0.289546 0.118446 0.673051

ita

t-Statistic

Prob.

2.663240 2.047912 -2.135175 -1.646079

0.0122 0.0491 0.0408 0.1099

rs

CAR? LOR? NPL?

s

Variable

Te

Variable

ve

Effects Specification Cross--section fixed (dummy variables)

0.553527 0.279883 5.887717 1074.622 -150.0873 2.022798 0.039493

U

ni

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob( F-statistic)


Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

12.71314 6.938178 6.670089 7.427668 6.959582 2.137290

42019.pdf. Universitas Terbuka. Koleksi Perpustakaan Universitas terbuka

Recommend Documents