PENGARUH FDR, CAR, NOM DAN KAP TERHADAP

PEMBIAYAAN BERMASALAH BANK SYARIAH DI

INDONESIA

PERIODE 2014 – 2018

SKRIPSI

Diajukan kepada Fakultas Ekonomi dan Bisnis Untuk Memenuhi Persyaratan

Memperoleh Gelar Sarjana Ekonomi (S.E)

Oleh:

Shafira Widya Paramitha

11150850000044

PROGRAM STUDI PERBANKAN SYARIAH

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1441 H / 2020 M

ii

Pembimbing I,

LEMBAR PENGESAHAN SKRIPSI

PENGARUH FDR, CAR, NOM, DAN KAP TERHADAP

PEMBIAYAAN BERMASALAH BANK SYARIAH DI INDONESIA

PERIODE 2014-2018

Skripsi

Diajukan kepada Fakultas Ekonomi dan Bisnis

Untuk Memenuhi Syarat-syarat Meraih Gelar Sarjana Ekonomi

Oleh

SHAFIRA WIDYA PARAMITHA

NIM: 11150850000044

Di Bawah Bimbingan:

PROGRAM STUDI PERBANKAN SYARIAH

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1441 H / 2020 M

Pembimbing II,

iii

LEMBAR PENGESAHAN KOMPREHENSIF

iv

LEMBAR PENGESAHAN UJIAN SKRIPSI

Pada hari telah dilakukan Ujian Skripsi atas nama mahasiswa:

1. Nama : Shafira Widya Paramitha

2. NIM : 11150850000044

3. Jurusan : Perbankan Syariah

4. Judul Skripsi : Pengaruh FDR, CAR, NOM dan KAP terhadap

pembiayaan bermasalah bank syariah di Indonesia

periode 2014-2018.

Setelah menilai dan memperhatikan penampilan serta kemampuan yang

bersangkutan selama proses Ujian Skripsi, maka diputuskan bahwa

mahasiswa tersebut dinyatakan LULUS dan skripsi ini diterima sebagai salah

satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Fakultas Ekonomi

dan Bisnis Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Tangerang Selatan, Januari 2020

v

LEMBAR PERNYATAAN KEASLIAN SKRIPSI

Yang bertanda tangan di bawah ini:

Nama : Shafira Widya Paramitha

NIM : 11150850000044

Jurusan : Perbankan Syariah

Fakultas : Ekonomi dan Bisnis

Dengan ini menyatakan bahwa skripsi yang berjudul “Pengaruh FDR,

CAR, NOM, dan KAP Terhadap Pembiayaan Bermasalah Bank Syariah di

Indonesia Periode 2014-2018” adalah benar merupakan karya saya sendiri dan

tidak melalukan tindakan plagiat dalam penyusunannya. Adapun kutipan yang ada

dalam penyusunan karya ini telah saya cantumkan sumber kutipannya dalam

karya ilmiah ini. Saya bersedia melakukan proses yang semestinya sesuai dengan

sanksi yang berlaku di Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah

Jakarta jika terjadi hal-hal yang terkait dengan plagiat karya ilmiah orang lain.

Demikan pernyataan ini saya buat dengan sepenuh hati,

Tangerang Selatan, Januari 2020

vi

DAFTAR RIWAYAT HIDUP

I. IDENTITAS PRIBADI

1. Nama Lengkap : Shafira Widya Paramitha

2. Tempat, Tanggal Lahir : Jakarta, 24 Maret 1997

3. Jenis Kelamin : Perempuan

4. Agama : Islam

5. Alamat :Jl. Jalak II RT 001/ RW 05 No. 74,

Kelurahan Sawah Kecamatan Ciputat,

Tangerang Selatan, Banten

6. Status : Belum Menikah

7. Telepon : 081211324754

8. Email : shafira.paramitha@gmail.com

II. PENDIDIKAN FORMAL

1. 2001-2003 : TK Miftahul Huda

2. 2003-2009 : SDN 1 Ciputat

3. 2009-2012 : SMPN 13 Jakarta

4. 2012-2015 : SMAN 47 Jakarta

5. 2015-2019 : Program Sarjana (S1) Jurusan Perbankan Syariah Fakultas

Ekonomi dan Bisnis UIN Syarif Hidayatullah

III. PENGALAMAN ORGANISASI

1. 2015-2016 Anggota Divisi Sosial dan Agama HMJ Perbankan Syariah

Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.

2. 2016-2017 Anggota Departemen Seni dan Budaya DEMA Fakultas

Ekonomi dan Bisnis UIN Syarif Hidayatullah.

3. 2017 Anggota UKM Futsal Putri UIN Syarif Hidayatullah Jakarta.

vii

ABSTRACT

This study aims to determine the effect of the independent variables

namely Financing to Deposit Ratio (FDR), Capital Adequancy Ratio (CAR), Net

Operating Margin (NOM) and earning asset quality on the dependent variable

namely Non Performing Financing (NPF) which describe the problematic

financing of Islamic banks both partially and simultaneously over the 2014-2018

period. With Commercial Banks based on Business Activities (BUKU) 2 Sharia

Banks consisting of 6 Sharia Commercial Banks as criteria in this study. The

method used in this study is panel data regression with the selection of the

selected model is the Random Effect Model (REM) with the use of interference

variables with a significance level of 0,05 or 5%.

Based on the t test results it is known that the Financing to Deposit Ratio

(FDR), Capital Adequancy Ratio (CAR) and the quality of productive assets

partially have no significant effect on Non-Performing Financing (NPF).

However, the Net Operating Margin (NOM) variable partially has a negative

effect on Non Performing Financing (NPF). Continued on the F test results it is

known that the independent variables jointly influence the Non Performing

Financing (NPF). The resulting adjusted R2 contributed 27.124% to the

dependent variable, the remaining 72.876% influenced by other variables not

explained in this study.

Keywords: Financing to Deposit Ratio, Capital Adequancy Ratio, Net Operating

Margin dan earning asset quality, Non Performing Financing, Islamic Banking,

and Panel Data Regression.

viii

ABSTRAK

Penelitian ini memiliki tujuan untuk mengetahui pengaruh pada variabel

independen yaitu Financing to Deposit Ratio (FDR), Capital Adequancy Ratio

(CAR), Net Operating Margin (NOM) dan kualitas aktiva produktif (KAP)

terhadap variabel dependen yaitu Non Performing Financing (NPF) yang

menggambarkan pembiayaan bermasalah bank syariah baik secara parsial maupun

simultan selama periode 2014-2018. Dengan Bank Umum berdasarkan Kegiatan

Usaha (BUKU) 2 Bank Syariah yang terdiri dari 6 Bank Umum Syariah sebagai

kriteria pada penelitian ini. Metode yang digunakan dalam penelitian ini adalah

regresi data panel dengan pemilihan model terpilih adalah Random Effect Model

(REM) dengan penggunaan variabel gangguan dengan tingkat signifikans 0,05

atau 5%.

Berdasarkan hasil uji t diketahui bahwa pada Financing to Deposit Ratio

(FDR), Capital Adequancy Ratio (CAR) dan kualitas aktiva produktif (KAP)

secara parsial tidak berpengaruh signifikan terhadap Non Performing Financing

(NPF). Namun, pada variabel Net Operating Margin (NOM) secara parsial

berpengaruh negatif terhadap Non Performing Financing (NPF). Dilanjutkan pada

hasil uji F diketahui variabel independen secara bersama-sama berpengaruh

terhadap Non Performing Financing (NPF). Adjusted R2 yang dihasilkan

memberikan kontribusi sebesar 27,124% terhadap variabel dependen, sisanya

sebesar 72,876% dipengaruhi oleh variabel lain yang tidak dijelaskan pada

penelitian ini.

Kata kunci: Financing to Deposit Ratio, Capital Adequancy Ratio, Net

Operating Margin dan kualitas aktiva produktif, Non Performing Financing,

Bank Umum Syariah, Regresi Data Panel.

ix

KATA PENGANTAR

Assalamu’alaikum Wr. Wb

Puji syukur saya panjatkan atas ke hadirat Allah S.W.T yang telah

memberikan rahmat tiada dua bagi manusia dengan menjadikan makhluk yang

beriman, bertaqwa, dan berilmu. Sholawat serta salam semoga senantiasa

tercurahkan kepada Nabi Besar Muhammad S.A.W serta keluarga dan para

sahabat nabi yang senantiasa telah mendidik dan membimbing umat-umatnya ke

jalan yang diridhai oleh Allah S.W.T. Atas izin dan rahmat-Nya, penulis dapat

menyelesaikan Tugas Akhir mengenai “Pengaruh FDR, CAR, NOM, dan KAP

Terhadap Pembiayaan Bermasalah Bank Syariah di Indonesia Periode 2014-2018”

sebagai salah satu persyaratan memperoleh gelar Sarjana Ekonomi di Universitas

Islam Negeri Syarif Hidayatullah Jakarta.

Dalam menyusun skripsi ini, banyak hambatan dan rintangan yang

dihadapi. Dengan do’a yang dipanjatkan, semangat yang hantarkan orang terkasih,

dan dorongan motivasi dari pihak lain sehingga penulis dapat menyelesaikan

skripsi ini. Oleh sebab itu, pada kesempatan ini penulis ingin mengucapkan terima

kasih sebesar-besarnya kepada:

1. Malaikat tanpa sayap, Bapak Widodo dan Ibu Tri Wahyuni sebagai orang tua

penulis serta adik penulis, Ridwan Athaya Prayudo yang senantiasa berdo’a

dan memberikan dorongan kepada penulis agar dapat menyelesaikan

penelitian ini dengan baik.

2. Seluruh keluarga besar Bapak (Alm) Soegimin dan Ibu Kadinah serta Bapak

(Alm) Hj.Suparyo dan Ibu Saitem yang memberikan dukungan dan motivasi

agar dapat menyelesaikan studi dengan baik.

3. Bapak Prof. Dr. Amilin, S.E., Ak., M.Si., CA., QIA., BKP., CRMP., selaku

Dekan Fakultas Ekonomi dan Bisnis Universitas Islam Negeri Syarif

Hidayatullah Jakarta, beserta jajarannya.

x

4. Ibu Cut Erika Ananda S.E., MBA selaku Ketua Program Studi Perbankan

Syariah dan Ibu Yuke Rahmawati S.Ag., M.A selaku Wakil Ketua Program

Studi Perbankan Syariah.

5. Bapak Dr. Asyari Hasan, SHI, M.ag., CM selaku Dosen Pembimbing Skripsi

I yang senantiasa meluangkan waktunya untuk memberikan arahan serta

bimbingan sehingga skripsi ini dapat terselesaikan.

6. Bapak Muhammad Fadlillah Fauzulkhaq, MA., Ph.D selaku Dosen

Pembimbing Skripsi II yang senantiasa memberikan bimbingan serta

waktunya di tengah kesibukan beliau agar skripsi ini dapat diselesaikan.

7. Ibu Aini Masruroh, S.EI., MM selaku Dosen Pembimbing Akademik yang

senantiasa memberikan arahan serta motivasi kepada penulis.

8. Seluruh Bapak dan Ibu Dosen Fakultas Ekonomi dan Bisnis UIN Syarif

Hidayatullah Jakarta yang telah memberikan ilmu dan didikannya bagi

penulis selama perkuliahan beserta para staf dan karyawan serta jajarannya.

9. Persahabatan Ekor Mata, Kirana Noviawan Putri; Siti Kurnia; Sari Ahyati;

Yulia Zahra; dan Reni Mandasari yang selalu menemani dikala tangis dan

tertawa dikala senang, serta memberikan semangat tiada henti.

10. Persahabatan Partai Kuliah Nyinyir, Khalimatus Sadiyah; Handa Nurhalizah;

Andriyani Putri Pratiwi; dan Noviana Landy Kusuma yang memberikan

dukungan positif dan selalu menemani penulis selama masa perkuliahan.

11. Teman-teman yang selalu sabar membantu dalam memberikan dukungan dan

masukan agar skripsi ini berjalan dengan baik, yaitu Alifthya; Tasya; Caca;

Sasa; Hiba; Dea; Afif; Fathin;Fiqi.

12. Teman-Teman seperjuangan Perbankan Syariah Angkatan 2015 Kelas A dan

Kelas B secara bersama menuntut ilmu dan berjuang menyelesaikan studi S1.

13. Dukungan secara psikologis yang diberikan oleh BTS (Bangtan Sonyeondan)

dan JYP Nation melalui lagu, lirik beserta pesan-pesan yang disampaikan

meskipun secara jarak jauh namun memberikan dampak penyemangat dan

kebahagian tak tertera bagi penulis.

xi

Dengan demikian skripsi ini penulis buat. Akhir kata, semoga skripsi ini

dapat diterima dan digunakan dengan sebaik-baiknya. Atas perhatiannya, penulis

ucapkan terima kasih.

Tangerang Selatan, Januari 2020

Penulis,

Shafira Widya Paramitha

xii

DAFTAR ISI

COVER....................................................................................................................i

LEMBAR PENGESAHAN SKRIPSI ................................................................. ii

LEMBAR PENGESAHAN KOMPREHENSIF ............................................... iii

LEMBAR PENGESAHAN UJIAN SKRIPSI ................................................... iv

LEMBAR PERNYATAAN KEASLIAN SKRIPSI ............................................ v

DAFTAR RIWAYAT HIDUP ............................................................................ vi

ABSTRACT .......................................................................................................... vii

ABSTRAK .......................................................................................................... viii

KATA PENGANTAR .......................................................................................... ix

DAFTAR ISI ........................................................................................................ xii

DAFTAR TABEL .............................................................................................. xiv

DAFTAR GAMBAR ............................................................................................ xv

BAB I PENDAHULUAN ....................................................................................... 1

A. LATAR BELAKANG ................................................................................................ 1

B. IDENTIFIKASI MASALAH .................................................................................... 10

C. BATASAN MASALAH ........................................................................................... 11

D. RUMUSAN MASALAH .......................................................................................... 11

E. TUJUAN DAN MANFAAT PENELITIAN ............................................................. 11

1. Tujuan Penelitian ................................................................................................. 11

2. Manfaat Penelitian ............................................................................................... 12

F. TINJAUAN KAJIAN TERDAHULU ...................................................................... 12

BAB II LANDASAN TEORI .............................................................................. 18

A. TEORI TERKAIT DENGAN VARIABEL PENELITIAN ...................................... 18

1. Kinerja Keuangan Perbankan Syariah.................................................................. 18

2. Non Performing Financing (NPF) ....................................................................... 20

3. Financial to Deposit Ratio (FDR) ........................................................................ 27

4. Capital Adequancy Ratio (CAR) ......................................................................... 29

5. Net Operating Margin (NOM) ............................................................................. 31

6. Kualitas aktiva produktif (KAP) .......................................................................... 33

B. KERANGKA PEMIKIRAN ..................................................................................... 36

xiii

C. HIPOTESIS ............................................................................................................... 37

BAB III METODE PENELITIAN ..................................................................... 42

A. POPULASI DAN SAMPEL ..................................................................................... 42

B. TEMPAT DAN WAKTU PENELITIAN ................................................................ 45

C. SUMBER DATA ...................................................................................................... 45

D. INSTRUMEN PENELITIAN ................................................................................... 46

E. TEKNIK PENGUMPULAN DATA ......................................................................... 49

F. TEKNIK PENGOLAHAN DATA ............................................................................ 49

1. Uji Stasioneritas ................................................................................................... 49

2. Uji Asumsi Klasik ................................................................................................ 51

3. Analisis Data Panel .............................................................................................. 54

4. Uji Penentuan Model dalam Regresi Data Panel ................................................. 56

5. Uji Hipotesis ........................................................................................................ 59

6. Model Empiris ...................................................................................................... 61

BAB IV HASIL DAN PEMBAHASAN ............................................................. 62

A. TEMUAN HASIL PENELITIAN ............................................................................. 62

1. Deskripsi Variabel Penelitian ............................................................................... 62

2. Deskripsi Hasil Uji Instrumen Penelitian ............................................................. 73

B. PEMBAHASAN ....................................................................................................... 92

1. Pengaruh FDR terhadap NPF Bank Umum Syariah ............................................ 92

2. Pengaruh CAR terhadap NPF Bank Umum Syariah ............................................ 93

3. Pengaruh NOM terhadap NPF Bank Umum Syariah ........................................... 93

4. Pengaruh KAP terhadap NPF Bank Umum Syariah ............................................ 94

5. Pengaruh FDR, CAR, NOM, dan KAP terhadap NPF BUS ................................ 95

BAB V SIMPULAN DAN SARAN ..................................................................... 96

A. SIMPULAN .............................................................................................................. 96

B. SARAN ..................................................................................................................... 97

DAFTAR PUSTAKA ........................................................................................... 99

LAMPIRAN ........................................................................................................ 104

xiv

DAFTAR TABEL

Tabel 1. 1 Tabel FDR, CAR, NOM, dan KAP periode 2014-2018 ...................... 6

Tabel 1. 2 Tinjauan Kajian Terdahulu .................................................................. 13

Tabel 2. 1 Kriteria Peringkat komponen CAR.......................................................31

Tabel 2. 2 Kriteria Peringkat Komponen NOM .................................................... 33

Tabel 2. 3 Kriteria Peringkat Komponen KAP ..................................................... 35

Tabel 3. 1 Daftar Sampel Penelitian ....................................................................43

Tabel 3. 2 Proses Seleksi Sampel .......................................................................... 44

Tabel 3. 3 Instrumen Penelitian ............................................................................ 47

Tabel 4. 1 Perkembangan NPF 6 BUS BUKU 2 periode 2014-2018 ....................62

Tabel 4. 2 Perkembangan FDR 6 BUS BUKU 2 periode 2014-2018 ................... 64

Tabel 4. 3 Perkembangan CAR 6 BUS BUKU 2 periode 2014-2018 .................. 66

Tabel 4. 4 Perkembangan NOM 6 BUS BUKU 2 periode 2014-2018 ................. 69

Tabel 4. 5 Perkembangan KAP 6 BUS BUKU 2 periode 2014-2018 .................. 71

Tabel 4. 6 Uji ADF Test tingkat Level .................................................................. 74

Tabel 4. 7 Uji ADF Test tingkat first difference.................................................... 75

Tabel 4. 8 Uji Multikolinearitas ............................................................................ 76

Tabel 4. 9 Uji Heterokedastisitas dengan Breusch-Godfrey Test ......................... 77

Tabel 4. 10 Uji Autokorelasi dengan Breusch-Godfrey Test ................................ 78

Tabel 4. 11 Uji Autokorelasi metode Diferensi Tingkat Pertama ......................... 79

Tabel 4. 12 Hasil Uji Common Effect Model ........................................................ 80

Tabel 4. 13 Hasil Uji Fixed Effect Model ............................................................. 81

Tabel 4. 14 Hasil Uji Chow................................................................................... 82

Tabel 4. 15 Hasil Uji Fixed Effect Model ............................................................. 83

Tabel 4. 16 Hasil Uji Random Effect Model ......................................................... 84

Tabel 4. 17 Hasil Uji Hausman ............................................................................. 85

Tabel 4. 18 Hasil Uji Koefisien Determinasi Disesuaikan (Adj.R2) ..................... 86

Tabel 4. 19 Hasil Uji Simultan (Uji F) .................................................................. 87

Tabel 4. 20 Hasil Uji Parsial (Uji t) ...................................................................... 89

xv

DAFTAR GAMBAR

Gambar 1. 1 Grafik Total Pembiayaan dan DPK periode 2014-2018 .................... 2

Gambar 1. 2 Grafik Non Performing Financing (NPF) periode 2014-2018........... 4

Gambar 2. 1 Kerangka pemikiran..........................................................................36

1

BAB I

PENDAHULUAN

A. LATAR BELAKANG

Sesuai Undang-Undang Nomor 10 Tahun 1998 tentang Perbankan,

bank adalah badan usaha yang menghimpun dana dari masyarakat dalam

bentuk simpanan dan menyalurkannya kepada masyarakat dalam bentuk

kredit dana atau bentuk-bentuk lainnya dalam rangka meningkatkan taraf

hidup rakyat banyak (Kasmir, 2012: 24). Bank merupakan instansi yang

bergerak dalam keluar masuknya uang sebagai kegiatan dasar dengan

menghimpun dan menyalurkan kepada nasabah atau pihak terkait. Semua

aktivitas perbankan yang dilakukan selalu berkaitan dengan bidang keuangan

dan memegang peranan penting dalam menjalankan perekonomian di

Indonesia. Pembangunan ekonomi tidak dapat lepas dari sektor perbankan

sebagai lembaga pembiayaan bagi sektor riil dan sektor moneter dengan

tujuan meningkatkan produktivitasnya. Sebuah perusahaan yang menjamin

berjalannya aktivitas usaha atau bisnis dengan jasa yang diberikan untuk

melakukan pembiayaan atau pendanaan yang tidak lepas dari pantauan,

pengarahan dan pengawasan dari pemerintah.

Pada tahun 1998, Indonesia mengalami krisis moneter. Pada saat itu,

banyak bank konvensional yang dilikuidasi dan/atau merger. Hal itu memberi

efek buruk terhadap situasi perekonomian di Indonesia. Namun, kondisi itu

tidak berimbas pada sistem bank syariah yang pada saat itu diwakilkan oleh

Bank Muamalat. Bank tersebut masih kokoh berdiri dengan sistem bagi hasil

sehingga dapat mempertahankan eksistensinya dalam menjaga kestabilan

moneter. Hal itu menjadi titik balik yang perlu dipertimbangkan masyarakat

dalam meningkatkan kepercayaan pada sistem baru bank syariah. Peristiwa

itu menumbuhkan kesadaran baru di masyarakat dalam menggunakan jasa

bank syariah di Indonesia.

Pemerintah kemudian memberikan perlindungan hukum kepada bank

syariah melalui Undang-Undang (UU) No. 21 Tahun 2008 tentang Perbankan

2

Syariah. Menurut UU No. 21 Tahun 2008 bank syariah adalah lembaga keuangan,

yang usaha pokoknya memberikan kredit dan jasa-jasa lainnya dalam lalu lintas

pembayaran serta peredaran uang. Bank syariah beroperasi sesuai dengan prinsip-

prinsip syariah dan terbagi dalam tiga jenis, yaitu Bank Umum Syariah, Bank

Pembiayaan Rakyat Syariah, dan Unit Usaha Syariah (Al Arif, dkk, 2018: 1) yang

memperkuat fungsi bank syariah sendiri dalam perluasan perkembangan bank

syariah yang masih minim.

Gambar 1. 1

Grafik Total Pembiayaan dan Dana Pihak Ketiga periode 2014-2018

sumber: Statistik Perbankan Syariah OJK

Pada grafik Gambar 1.1, ada pergerakan naik setiap tahunnya melihat

dari jumlah pembiayaan dan dana pihak ketiga (DPK). Dengan peningkatan

8,05% dana yang dipercayakan kepada Bank Syariah dari sumber DPK

sebesar Rp 257.606 milyar, dan 6,34% peningkatan yang ditunjukkan dalam

total pembiayaan kepada masyarakat pada tahun 2018 sejumlah Rp202.298

milyar. Angka itu membuktikan bahwa pertumbuhan produk dan jasa dari

perbankan syariah diterima dengan baik dan diapresiasi oleh masyarakat

Indonesia.

50.000

75.000

100.000

125.000

150.000

175.000

200.000

225.000

250.000

275.000

2014 2015 2016 2017 2018

Total Pembiayaan dan Dana Pihak Ketiga(milyar rupiah)

Total Pembiayaan DPK

3

Bank syariah perlu melakukan penyaluran dana sejalan dengan

fungsinya sebagai lembaga intermediary, selain menghimpun dana dari

masyarakat. Penyaluran pembiayaan merujuk pada Undang-Undang No. 21

Tahun 2008. Pembiayaan adalah penyediaan dana atau tagihan yang

dipersamakan. Hal itu bisa berupa:

1. Transaksi bagi hasil dalam bentuk mudharabah dan musyarakah;

2. Transaksi sewa-menyewa dalam bentuk ijarah atau sewa beli dalam

bentuk ijarah muntahiya bittamlik;

3. Transaksi jual beli dalam bentuk piutang murabahah, salam, dan istishna’;

4. Transaksi pinjam meminjam dalam bentuk piutang qardh; dan

5. Transaksi sewa-menyewa jasa dalam bentuk ijarah untuk transaksi

multijasa

Pihak yang dibiayai dan/atau diberi fasilitas dana untuk dikembalikan

setelah jangka waktu tertentu dengan imbalan ujrah, tanpa imbalan, atau bagi

hasil. Hal itu berdasarkan persetujuan atau kesepakatan antara Bank Syariah

dan/atau Unit Usaha Syariah dan pihak lain.

Penyaluran dana di bank syariah fokus pada kegiatan sektor riil.

Karena, lebih dari 70% debitur bank syariah di Indonesia adalah UMKM.

Karena itu kontinuitas pemberian pembiayaan ke sektor ini berarti

berkontribusi pada program pembangunan nasional (Wahyudi, dkk, 2013:

93). Kegiatan itu menjadikan bank syariah menghadapi risiko dalam kegiatan

operasional bank yang dilakukan. Dengan menghimpun dana dalam bentuk

jangka pendek lalu penyaluran dalam bentuk jangka panjang akan

menimbulkan ketidakcocokan jangka waktu dan timbul risiko pada

operasional perbankan. Dengan fenomena terburuk yaitu bank rush (menarik

dana pada waktu bersamaan) (Al Arif, dkk, 2018: 5).

Meningkatnya produk dan jasa perbankan syariah yang kompleks

akan meningkatkan risiko yang dihadapi bank syariah. Perubahan risiko yang

dihadapi serta penerapan manajemen risiko akan mempengaruhi profil risiko

yang selanjutnya berakibat pada kondisi bank berdasarkan prinsip syariah

4

secara keseluruhan. Dengan begitu prinsip kehati-hatian bank syariah menjadi

acuan dalam melakukan penempatan dana dalam bentuk pembiayaan.

Salah satu bentuk risiko yang dihadapi bank jika menerapkan

manajemen yang buruk dalam pengelolaan rasio keuangan serta prinsip

kehati-hatian tidak berjalan secara maksimal, yaitu pembiayaan bermasalah

yang digambarkan dengan rasio NPF atau Non Performing Financing pada

bank syariah dan NPL atau Non Performing Loan pada bank konvensional.

Gambar 1. 2 Grafik Non Performing Financing (NPF) periode 2014-2018

sumber: Statistik Perbankan Syariah OJK

Sesuai grafik Gambar 1.2, tingkat persentase rasio NPF gross

mengalami perubahan secara fluktuatif pada bank umum syariah dengan

persentase terendah 3,22% pada bulan Maret 2014 dan tertinggi pada bulan

Juni 2016 sebesar 5,68%. Penggunaan NPF gross dinilai melalui kualitas

pembiayaan dengan kategori kurang lancar, diragukan dan macet. NPF gross

sendiri lebih penting untuk diperhatikan pergerakannya, karena dapat berubah

status pembiayaannya menjadi kategori macet.

3,22

3,90

4,674,33

5,495,09 5,14

4,84

5,355,68

4,674,42

4,61 4,47 4,414,77

4,56

3,83 3,82

3,26

Mar

-14

Jun

-14

Sep

-14

Dec

-14

Mar

-15

Jun

-15

Sep

-15

Dec

-15

Mar

-16

Jun

-16

Sep

-16

Dec

-16

Mar

-17

Jun

-17

Sep

-17

Dec

-17

Mar

-18

Jun

-18

Sep

-18

Dec

-18

Rasio NPF (dalam persen)

NPF

5

Menurut Peraturan Bank Indonesia No. 13/3/PBI/2011 bahwa salah

satu risiko yang menjadi sumber penilaian kesehatan suatu bank bersumber

dari pembiayaan/kredit yang dimana suatu bank mempunyai nilai kredit

macet harus di bawah 5% (Sari, 2016: 55). Menurut Adiwarman Azwar

Karim (2017:1), tingginya NPF perbankan syariah karena dua faktor. Pertama

karakteristik bank syariah yang berbeda dengan bank umum konvensional.

Dari segi produk pembiayaan, bank konvensional ada produk kredit yang

hanya membayar cicilan bunga dari waktu ke waktu sedangkan pokok utang

dibayarkan pada saat jatuh tempo. Sedangkan bank syariah pembayaran

dibagi pada bagian cicilan pokok dan cicilan margin. Kedua, terkait dengan

permodalan bank syariah yang relatif lebih kecil sehingga batas minimum

pemberian kredit menjadi kecil. Akibatnya, bank syariah tidak bisa menjadi

kreditor utama debitur korporasi papan atas.

Penilaian tingkat kesehatan bank dan penilaian manajemen risiko

dibedakan namun terdapat perpotongan antar keduanya. Dalam penilaian

tingkat kesehatan telah memasukkan risiko yang melekat pada aktivitas bank

(inherent risk) yang merupakan bagian dari proses penilaian manajemen

risiko (Ihsan, 2013: 89).

Peningkatan NPF menjadikan suatu peringatan penilaian tingkat

kesehatan bank syariah yang dinilai dari kualitas pembiayaan bank syariah

semakin memburuk, diakibatkan kegagalan nasabah atau pihak lain dalam

memenuhi kewajibannya kepada bank. NPF dapat menjadi acuan untuk

mengukur tingkat permasalahan pembiayaan yang dihadapi oleh bank

syariah. Karena semakin tinggi rasio NPF menggambarkan semakin

rendahnya kemampuan bank dalam menarik kembali pembiayaan yang

dikeluarkannya dan mengakibatkan menurunnya tingkat rentabilitas pada

bank syariah. Dengan tingkat rasio NPF yang bergerak seperti efek domino

akan mempengaruhi pendapatan bank yang digunakan untuk pembiayaan di

periode-periode selanjutnya untuk menanggung kerugian.

Pembiayaan bermasalah (Non Performing Financing) menjadi suatu

perhitungan yang diawasi secara seksama dan acuan bank dalam membuat

6

keputusan. Apalagi, pengalaman membuktikan bahwa salah satu penyebab

krisis ekonomi adalah kinerja perbankan yang buruk. Tingginya NPF,

khususnya kredit macet, memberikan kontribusi besar pada buruknya kinerja

perbankan pada saat itu. NPF memang salah satu indikator sehat tidaknya

sebuah Bank (Maidalena, 2014: 128).

Menurut Rahmawulan dalam Firdaus (2015:84), indikasi pembiayaan

bermasalah dapat dilihat dari perilaku rekening (account attitudes), perilaku

kegiatan bisnis (business activities attitudes), perilaku nasabah (customer

attitudes), yang ke-lima adalah perilaku makroekonomi (economic macro

attitudes). Penulis memfokuskan pada perilaku kegiatan bisnis yang diambil

oleh bank terkait yang berhubungan dengan kebijakan dan strategi yang

ditempuh pihak bank baik berupa manajemen maupun kualitas sumber daya

manusia. Hal itu dilihat melalui Capital Adequacy Ratio (CAR), Financing to

Deposit Ratio (FDR), Net Operating Margin (NOM), Kualitas Aktiva

Produktif (KAP).

Tabel 1. 1 Tabel FDR, CAR, NOM, dan KAP periode 2014-2018

Periode

Rasio

2014 2015 2016 2017 2018

FDR 86,66% 88,03% 85,99% 79,61% 78,53%

CAR 15,75% 15,02% 16,63% 17,91% 20,39%

NOM 0,52% 0,52% 0,68% 0,67% 1,42%

KAP 4,78% 5,19% 4,27% 4,21% 3,04%

Sumber: Statistik Perbankan Syariah OJK

Rasio FDR merupakan rasio penggambaran pemberian pembiayaan

terhadap pendanaan yang dimiliki bank syariah. Hal itu berfungsi sebagai

7

pengukur kemampuan bank syariah dalam memenuhi kewajiban jangka

pendeknya atau likuiditasnya. Semakin tinggi tingkat rasio FDR-nya maka

bank tidak punya cukup likuiditas untuk memenuhi kewajibannya dalam

mencukupi cadangan dana untuk memenuhi permintaan kebutuhan dana

masyarakat. Semakin rendah rasio FDR dengan bank memiliki likuditas yang

memadai, namun tidak memperoleh pendapatan sebesar-besarnya bagi bank

dan fungsi intermediasi bank tidak berjalan dengan baik. Karena itu, tingkat

likuiditas bank perlu dikelola dengan baik, karena bersamaan dengan

pemenuhan kewajiban kepada nasabah dalam menghimpun dana dan

penyaluran pembiayaan pada nasabah.

Persentase FDR lima tahun terakhir pada tabel 1.3 sebesar 88,03%

merupakan yang tertinggi pada tahun 2015 dan menurun pada tahun 2018

sebesar 78,53%. Berdasarkan Peraturan Bank Indonesia No.15/7/PBI /2013

menetapkan batas terendah adalah 78%, sedangkan batas maksimum 100%..

Dengan rasio FDR diantara tingkatan tersebut menandakan bahwa bank

syariah menjalankan fungsi intermediasi dengan baik (Rachman, 2015: 1507).

Besarnya FDR suatu bank, harus disertai dengan besarnya pembiayaan yang

disalurkan dan mampu menggambarkan besar peluang munculnya

pembiayaan bermasalah. Suatu pembiayaan dinyatakan bermasalah jika bank

benar-benar tidak mampu menghadapi risiko yang ditimbulkan oleh

pembiayaan tersebut (Firdauz, 2015: 83).

Usaha yang dilakukan bank untuk mengurangi risiko yang ditimbul

dari masalah pembiayaan memerlukan penyediaan dana untuk keperluan

pengembangan usaha dan menampung risiko kerugian dana, karena kegiatan

operasi bank yang disebut dengan Capital Adequancy Ratio (CAR). Dengan

memiliki kecukupan modal, bank akan memiliki kemampuan yang lebih

dalam menanggung risiko kerugian. Selain memberi kontribusi yang cukup

besar dalam memperoleh profitabilitas, yang akan membendung kerugian

akibat aktiva yang berisiko (Wibowo, dkk, 2017: 99).

Penggunaan modal bank dimaksudkan untuk memenuhi segala

kebutuhan guna menunjang kegiatan operasi bank. Di sisi lain permodalan

8

bank yang paling pokok memberi perlindungan kepada setiap nasabah atas

kemungkinan terjadinya kerugian yang melebihi jumlah yang diperkirakan

bank. Karena itu penyediaan modal yang cukup memungkinkan bank

meneruskan operasionalnya, meski di masa sulit hingga keadaan kembali

normal. Menurut Pandia (2012:173), CAR adalah rasio yang memperlihatkan

seberapa jauh seluruh aktiva bank yang mengandung risiko ikut dibiayai dari

dana modal sendiri, disamping memperoleh dana dari sumber lain di luar

bank.

Pada tabel 1.3, persentase Capital Adequancy Ratio (CAR) pada tahun

2018 adalah terbesar senilai 20,39%. Hal itu menggambarkan kuatnya

permodalan bank syariah dalam menampung risiko. Bank dengan CAR cukup

besar diharapkan mampu mendukung pengembangan operasi dan

kelangsungan hidup bank, menutup risiko yang terjadi dan memberi insentif

bagi pemilik untuk menjaga kepentingannya dalam bank (Haryanto, 2016:

118).

Bank merupakan suatu jenis usaha yang memperhatikan perolehan

keuntungan yang didapat dari setiap kegiatan operasionalnya. Dalam

Peraturan Bank Indonesia Nomor 9/1/PBI/2007 mengenai Net Operating

Margin (NOM) sebagai rasio utama dalam penilaian rentabilitas suatu bank.

Hal itu berbeda dari penerapan bank konvensional yang memakai Net Interest

margin (NIM) karena ada unsur bunga. Net Operating Margin berasal dari

selisih antara pendapatan penyaluran dana setelah bagi hasil, dengan beban

operasional dalam satuan tahunan dibagi rata-rata Aktiva Produktif sesuai

dengan Surat Ederan OJK Nomor 10/SEOJK.03/2014 merupakan rasio yang

menentukan tingkat rentabilitas. Rentabilitas adalah kemampuan perusahaan

menghasilkan laba selama periode tertentu (Munawir, 2010: 33). Rentabilitas

dapat dinilai dari beberapa komponen yaitu, kemampuan menghasilkan laba,

kemampuan laba dalam menghasilkan ekspansi dan menutup risiko, tingkat

efesiensi serta diversifikasi pendapatan (Sari, dkk, 2013: 4).

Dalam Tabel 1.3, persentase NOM dari tahun 2014-2018 mengalami

perkembangan stagnan, namun pada tahun 2018 mengalami peningkatan

9

yang cukup pesat sebesar 0,75% yaitu 1,42% diperoleh oleh bank syariah.

Dengan begitu, bank syariah mampu mengatur aset aktiva produktif secara

efisien terhadap modal yang dikeluarkan untuk menghasilkan laba.

Keterkaitan dalam rentabilitas oleh rasio NOM dengan aktiva

produktif, perlu perhitungan terhadap nilai kualitas aktiva produktif itu

sendiri pada bank syariah. Hal itu dapat menggambarkan tingkat kegagalan

maupun kesuksesan pada pembiayaan yang akan diberikan, dengan

mengetahui kualitas aktiva produktifnya (KAP). Aktiva produktif merupakan

aset yang dimiliki bank, yang penggunaannya dilakukan dengan cara

penanaman dana kepada para pelaku ekonomi dan masyarakat. Aktiva yang

produktif sering disebut earning asset atau aktiva yang menghasilkan. Karena

penanaman dana untuk mencapai tingkat laba yang diharapkan. Dalam

menjalankan kegiatan penanaman dana, aktiva produktif dari kinerja bank,

termasuk antisipasi atas risiko gagal bayar dari pembiayaan (credit risk) yang

akan muncul (Ihsan, 2013: 95).

Kualitas aktiva produktif bank yang sangat buruk secara implisit akan

menghapus modal bank, walau secara riil bank memiliki modal yang cukup

besar. Bila kualitas produktifnya memburuk akan berbanding lurus dengan

kondisi modalnya. Hal ini berkaitan dengan berbagai masalah, seperti

pembentukan cadangan, penilaian aset, pemberian pinjaman kepada pihak

terkait, dsb (Al Arif, dkk, 2018: 239).

Beberapa penelitian terdahulu, dalam penelitian Poetry dan Sanrego

(2011:99) menunjukkan NPL bank konvensional lebih dipengaruhi oleh

kondisi makroekonomi. Sedangkan NPF bank syariah lebih dipengaruhi

kondisi mikroekonomi internal perbankan itu sendiri seperti FDR dan CAR.

Menurut Barus dan Erick (2016:120-122), hasil penelitian menunjukkan

secara parsial LDR dan NIM mempengaruhi secara signifikan positif

terhadap NPL. Berbeda terhadap CAR yang tidak mempengaruhi secara

signifikan terhadap NPL. Pada penelitian yang dilakukan Aryani, Anggraeni

et,al (2016:56) menyatakan, variabel internal FDR, NIM, KAP, dan BI rate

berpengaruh positif secara signifikan yan terhadap NPF. Sedangkan variabel

10

CAR, bank size, biaya overhead, dan SBIS rate berpengaruh negatif secara

signifikan terhadap NPF. Pemaparan latar belakang diatas, peneliti ingin

menelaah skripsi tentang “Pengaruh Financing to Deposit Ratio, Capital

Adequancy Ratio, Net Operating Margin, Kualitas Aktiva Produktif

terhadap Pembiayaan Bermasalah Bank Syariah periode 2014-2018”.

B. IDENTIFIKASI MASALAH

Identifikasi masalah perlu untuk memaparkan permasalahan pada objek

yang diteliti sebelum dibuat pembatasan dan perumusannya, antara lain:

1. Melalui rasio Financing to Deposit Ratio dalam pemenuhan kewajiban

jangka pendek dan dapat menjadi indikator sehatnya keuangan perbankan

syariah, karena dapat melihat tingkat penyaluran dana melalui

pembiayaan kepada nasabah dengan dana yang diperoleh bank. Selain itu,

bank merupakan instansi sarat akan kepercayaan masyarakat, karena

dapat menimbulkan penarikan dana secara serempak (bank rush) yang

dapat membahayakan bank.

2. Perhitungan aspek permodalan bank berfungsi untuk mengetahui seberapa

besar kemampuan bank syariah dalam menanggung risiko kerugian yang

timbul dari pembiayaan yang diberikan dengan rasio kewajiban

penyediaan modal minimum untuk memenuhi tanggung jawab sosial

merupakan hal yang sangat penting dalam keuangan Islam.

3. Penyaluran dana kepada nasabah sebagai kegiatan utama bank syariah

dalam memperoleh laba dengan Net Operating Margin akan beriringan

dengan besarnya resiko pembiayaan bermasalah atau Non Performing

Financing yang bersifat fluktuatif dan tidak pasti.

4. Kualitas pada aktiva produktif menjadi aspek penting dalam

mempengaruhi berjalannya operasional bank syariah. Dengan aktiva tidak

lancar yang dimiliki dapat menghambat bank untuk memutar sirkulasi

keuangannya dan membuat dananya mengendap.

5. Faktor-faktor internal bank diperlukan dalam memutuskan kebijakan

untuk tumbuh dan berkembang perusahaan terkait. Dapat terdiri dari

kebijakan investasi, kebijakan pendanaan, biaya-biaya dan pendapatan

11

serta pengelolaan kekayaan (aset) dan akan menjadi tolak ukur dalam

menilai kinerja keuangaan sebuah perusahaan.

C. BATASAN MASALAH

Untuk memfokuskan penulisan dan memudahkan analisa, penulis perlu

membuat batasan-batasan masalah. Banyak faktor yang mempengaruhi

pembiayaan bermasalah atau Non Performing Financing (NPF). Penulis

membatasi faktor internal bank syariah terkait dengan Capital Adequacy

Ratio (CAR), Financing to Deposit Ratio (FDR), Net Operating Margin

(NOM) serta Kualitas Aktiva Produktif (KAP) yang berimplikasi pada

pembiayaan bermasalah atau Non Performing Financing (NPF) dengan objek

penelitian bank syariah yang dikategorikan melalui Bank Umum menurut

Kegiatan Usaha (BUKU) pada peringkat 2 (dua) modal inti (tier1) berjumlah

1-5 triliun Rupiah yaitu BNI Syariah, BRI Syariah, Bank Mega Syariah, Bank

Muamalat, Bank Panin Dubai Syariah, dan BCA Syariah yang memiliki

laporan keuangan dipublikasikan pada periode 2014-2018 secara triwulan.

D. RUMUSAN MASALAH

Berdasarkan latar belakang masalah terkait, maka peneliti merumuskan

masalah penelitian:

1. Apakah pengaruh FDR, CAR, NOM, dan KAP terhadap Non Performing

Financing (NPF) bank syariah BUKU 2 secara simultan dan secara

parsial di Indonesia periode 2014-2018?

2. Seberapa besar variabel independen (FDR, CAR, NOM, dan KAP) dapat

mempengaruhi variabel dependen (NPF)?

E. TUJUAN DAN MANFAAT PENELITIAN

1. Tujuan Penelitian

a. Untuk menganalisa pengaruh dari FDR, CAR, NOM, dan KAP

terhadap Non Performing Financing (NPF) bank syariah BUKU 2

secara simultan dan secara parsial di Indonesia pada periode 2014-

2018.

12

b. Untuk menganalisa seberapa besar variabel independen (FDR, CAR,

NOM, dan KAP) dapat mempengaruhi variabel dependennya yaitu

Non Performing Financing (NPF).

2. Manfaat Penelitian

Penelitian ini berfungsi untuk mengurangi kerancuan dan manfaat

penelitian pada masing-masing kelompok, sebagai berikut:

a. Bagi institusi bank umum syariah di Indonesia, penelitian ini

diharapkan menjadi masukan, seperti menentukan strategi,

menemukan suatu peluang dan kesempatan pada suatu kebijakan.

Selain itu, diharapkan dapat memberi gambaran untuk mengatasi

risiko gagal bayar dan mengurangi persentase pembiayaan

bermasalah atau Non Performing Financing (NPF) pada kategori

BUKU 2.

b. Bagi pemerintah atau regulator yang fokus pada Bank Indonesia (BI)

dan Otoritas Jasa Keuangan (OJK), penelitian ini diharapkan bisa

menjadi masukan untuk menentukan kebijakan dalam membantu

pertumbuhan perbankan syariah di Indonesia.

c. Bagi pihak akademis, penelitian ini diharapkan dapat menjadi

referensi bagi peneliti lainnya yang ingin mengkaji permasalahan

terhadap variabel yang mempengaruhi pada pembiayaan bermasalah

atau Non Performing Financing (NPF) pada ketegori BUKU 2.

F. TINJAUAN KAJIAN TERDAHULU

Penelitian pada pembiayaan bermasalah yang diproyeksikan dengan Non

Performing Financing sebelumnya sudah ada beberapa, namun penelitian ini

dilaksanakan untuk melengkapi variabel terdahulu pada tahun yang

diperbaharui. Beberapa penelitian menjadi acuan dalam pembuatan penelitian

ini, antara lain:

13

Tabel 1. 2

Tinjauan Kajian Terdahulu

No

Nama dan

Tahun

Penelitian

Judul

Penelitian

Metodologi Penelitian Hasil Penelitian

Persamaan Perbedaan

1.

Moch. Hadi

Santoso,

Hermanto

Siregar,

Dedi

Budiman

Hakim, dan

Mulya

E.Siregar

(2019)

Determinants

of islamic

bank non-

performing

financing by

financing

contract

(Case Study:

Bank BRI

Syariah

Private

Company)

Variabel Y:

NPF

Variabel X

:FDR,

NOM, dan

CAR

Metode:

regresi linear

berganda.

Variabel X:

ROA, NPFM,

pertumbuhan

pembiayaan,

inflasi, kurs

terhadap

dollar,

pertumbuhan

ekonomi,

suku bunga

acuan dan

peringkat

bank (profil

risiko, GCG,

rentabilitas,

modal) .

Hasil yang ditemukan

adanya faktor yang

berpengaruh yaitu: 1) NPF

pada akad murabahah

dipengaruhi oleh

peringkat bank-GCG,

kurs, dan suku bunga

acuan; 2) NPF pada akad

istishna dipengaruhi oleh

peringkat bank-profil

risiko dan GCG,

penanganan NPF, dan

inflasi; 3) NPF pada akad

qardh dipengaruhi oleh

peringkat bank-

rentabilitas; 4) NPF pada

akad

mudharabah/musyarakah

dipengaruhi oleh tingkat

inflasi; 5) NPF dalam

akad ijarah dipengaruhi

oleh peringkat bank-profil

risiko, GCG, dan

rentabilitas, pertumbuhan

pembiayaan dan inflasi.

Secara umum berindikasi

kuat pengaruh antara

faktor internal&eksternal.

2.

Melianda

Visca

Wulandari,

Suryana,

and Suci

Aprilliani

Utami

(2019)

Determinant

of Non-

performing

Financing in

Indonesia

Islamic Bank

Metode:

Regresi

Data Panel

Variabel Y:

NPF

Variabel X

:FDR, dan

Variabel X:

SBIS

Secara simultan variabel

independen bisa

dijelaskan sebesar 46,11%

terhadap NPF. Dengan

hasil signifikasi negatif

pada CAR. Dan FDR

Sedangkan variabel SBIS

tidak memiliki pengaruh

terhadap NPF.

14

No

Nama dan

Tahun

Penelitian

Judul

Penelitian

Metodologi Penelitian Hasil Penelitian

Persamaan Perbedaan

CAR

3.

Laxmi

Koju, Ram

Koju,

Shouyang

Wang

(2017)

Macroecono

mic and

Bank-Specific

Determinants

of Non-

Performing

Loans:

Evidence

form

Nepalese

Banking

System

Variabel Y:

NPL

Variabel X

:LDR, dan

CAR

Metode:

pendekatan

statik dan

dinamis panel

estimator.

Variabel X:

LAR, ROA,

IS, efesiensi

(OEOIR),RE,

ukuran bank,

GDP,

inflasi,RE,

EIR, PCOD.

Penelitian ini dengan hasil

menunjukkan bahwa

pertumbuhan ekonomi

yang rendah, inflasi yang

rendah, dan defisit

perdagangan yang tinggi

dikaitkan dengan

tingginya kredit macet.

Hasil empiris

menunjukkan bank-bank

yang memiliki spread

bunga lebih tinggi akan

mengalami tingkat NPL

yang lebih tinggi.

Penemuan mengindikasi

bahwa manajemen

efesiensi dan kebijakan

keuangan yang efektif

yang diperlukan untuk

menstabilisasi sistem

keuangan dan ekonomi.

4.

Sigit Arie

Wibowo

dan Wahyu

Saputra

(2017)

Dampak

terhadap

pembiayaan

bermasalah

pada bank

syariah.

Variabel Y:

NPF

Variabel X

:FDR, dan

CAR

Metode:

regresi linear

berganda.

Variabel X:

GDP, ukuran

bank, inflasi,

FAR.

Dengan hasil signifikasi

negatif pada GDP, ukuran

bank, dan CAR.

Sedangkan variabel

inflasi, FDR, dan FAR

tidak memiliki pengaruh

terhadap pembiayaan

bermasalah pada bank

syariah. Dengan besaran

Adj.R squared sebesar

19,7% dapat dijelaskan

menggunakan variabel

GDP, ukuran bank, CAR,

inflasi, FDR, dan FAR.

15

No

Nama dan

Tahun

Penelitian

Judul

Penelitian

Metodologi Penelitian Hasil Penelitian

Persamaan Perbedaan

5.

Md Ataur

Rahman,

Md.

Shakhaowat

Hossin, dan

Md. Asad

Uzzaman

(2017)

Impact of

Financial

Ratios on

Non-

Performing

Loans of

Publicly

Traded

Commercial

Banks in

Bangladesh

Variabel Y:

NPL kotor

Variabel X:

LDR, CAR,

NIM,

Metode:

Regresi

Linear

Berganda

Variabel X:

Ketidakjamin

an pinjaman,

pinjaman

sensitif

sektor,

pinjaman

prioritas

sektor,

keuntungan

pada

karyawan,

ROA,

investasi, dan

kredit.

Hasil yang didapat sebesar

55,10% mempengaruhi

nilai variabel independen

pada NPL kotor. Pada

CAR berkorelasi negatif

25,1%, dan korelasi positif

pada LDR sebesar 16,3%.

Peneliti juga menemukan

bahwa semua rasio

keuangan dalam penelitian

memiliki dampak

signifikan pada NPL,

kecuali NIM dan laba atas

ekuitas.

6.

Yulya

Aryani,

Lukytawati

Anggraeni,

dan Ranti

Wiliasih

(2016)

Faktor-Faktor

yang

Mempengaru

hi Non

Performing

Financing

pada Bank

Umum

Syariah

Indonesia

Periode

2010-2014

Metode:

Data Panel

Variabel Y:

NPF

Variabel X:

FDR, CAR,

NIM, dan

KAP

Variabel X:

ukuran bank,

biaya

overhead,

PPAP,

exchange

rate, SBIS

rate, BI rate.

Dengan hasil variabel

FDR, NIM, KAP dan BI

rate berpengaruh positif

signifikan terhadap NPF,

sedangkan variabel CAR,

bank size, biaya overhead,

serta SBIS rate

berpengaruh negarif

signifikan terhadap NPF.

Dengan 87,2% dapat

dijelaskan dengan variabel

independen.

7.

Yono

Haryono,

Noraini

Mohd.

Ariffin, dan

Mustapha

Hamat

Factors

Affecting

Credit Risk in

Indonesia

Islamic

Banks

Metode:

Data Panel

Variabel Y:

NPF

Variabel X:

Variabel X:

Pertumbuhan

GDP,

penganggura

n, inflasi,

pertumbuhan

Disimpulkan bahwa

mayoritas faktor ekonomi

makro mempengaruhi

risiko kredit bank syariah

di Indonesia, kecuali

untuk satu tahun tertinggal

dari tingkat pengangguran

16

No

Nama dan

Tahun

Penelitian

Judul

Penelitian

Metodologi Penelitian Hasil Penelitian

Persamaan Perbedaan

(2016) CAR pembiayaan,

efesiensi,

ukuran bank,

diversifikasi,

dan ROA.

dan tingkat inflasi saat ini

yang memiliki arah

berlawanan dengan teori.

Hasil empiris

menunjukkan, bahwa

faktor utama yang

mempengaruhi risiko

kredit di bank syariah

Indonesia adalah

pertumbuhan GDP,

pertumbuhan pembiayaan,

ukuran bank, efisiensi

biaya, tingkat

pengangguran, modal

bank dan diversifikasi.

8.

Daisy

Firmansari

dan Noven

Suprayogi

(2015)

Pengaruh

Variabel

Makroekono

mi dan

Variabel

Spesifik

Bank

Terhadap

Non

Performing

Financing

pada Bank

Umum

Syariah dan

Unit Usaha

Syariah di

Indonesia

Periode

2003-2014

Variabel Y:

NPF

Variabel X

:FDR,

Metode:

regresi linear

berganda.

Variabel X:

GDP, inflasi

Dengan hasil variabel

GDP, inflasi, dan FDR

memperoleh hasil 48,7%

dapat dijelaskan pada

variabel NPF, sisanya

dijelaskan pada variabel

lain. GDP dan inflasi

memiliki pengaruh yang

signifikan, sementara FDR

tidak memiliki pengaruh

signifikan.

9.

Rizal Nur

Firdaus

(2015)

Pengaruh

faktor

internal dan

eksternal

yang

mempengaru

hi

Variabel Y:

NPF

Variabel X

:CAR,

Metode:

regresi linear

berganda.

Variabel X:

GDP,

pembiayaan,

Dengan hasil yang

menunjukkan bahwa

variabel eksternal dengan

40,2% lebih kuat

dibandingan dengan

variabel internalnya yaitu

32,1%. Pada variabel

17

No

Nama dan

Tahun

Penelitian

Judul

Penelitian

Metodologi Penelitian Hasil Penelitian

Persamaan Perbedaan

pembiayaan

bermasalah

pada bank

umum

syariah di

Indonesia

inflasi, dan

kurs

CAR dan GDP yang

mempunyai pengaruh

signifikan terhadap rasio

NPF, sedangkan variabel

pembiayaan, inflasi, dan

kurs tidak signifikan.

10.

Anita

Carolina

dan

Muhammad

Madyan

(2015)

Dampak bank

spesifik

variabel pada

rasio Non

Performing

Loan dalam

Sistem

Perbankan

Indonesia

Variabel Y:

NPL.

Variabel X:

NIM, CAR.

Metode:

regresi linear

berganda.

Variabel X:

ROE dan

LAR.

Dari analisis, CAR dan

ROE berpengaruh negatif

signifikan terhadap NPL.

LAR memiliki pengaruh

negatif tidak signifikan,

serta variabel NIM

berpengaruh positif

signifikan terhadap NPL

bank. NIM yang tinggi

dari sebuah bank

disebabkan oleh tingginya

pendapatan bunga bersih

yang diterima oleh bank

tersebut. Dengan besaran

Adj.R squared sebesar

42,1% dapat dijelaskan

menggunakan variabel

independen.

18

BAB II

LANDASAN TEORI

A. TEORI TERKAIT DENGAN VARIABEL PENELITIAN

1. Kinerja Keuangan Perbankan Syariah

a. Definisi Kinerja Keuangan

Kinerja keuangan bank merupakan gambaran kondisi keuangan

bank pada suatu periode tertentu baik menyangkut aspek

penghimpunan dana maupun penyaluran dana yang biasanya diukur

dengan indikator kecukupan modal, likuiditas, dan profitabilitas

bank. Dengan kinerja bank yang baik pada akhirnya akan berdampak

baik pada intern maupun bagi pihak ekstren bank (Jumingan, 2017:

239).

Menurut Irham (2012: 2) kinerja keuangan adalah suatu analisis

yang dilakukan untuk melihat sejauh mana suatu perusahaan telah

melaksanakan dengan menggunakan aturan-aturan pelaksanaan

keuangan dengan baik dan benar. Seperti dengan membuat suatu

laporan keuangan yang telah memenuhi standar dan ketentuan dalam

Standar Akuntansi Keuangan atau General accepted accounting

principle.

Selain itu kinerja keuangan bank menunjukkan kekuatan dan

kelemahan bank tersebut, yang dapat dimanfaatkan untuk

pengembangan usaha usaha bank (Jayusman, 2013: 205). Sebagai

lembaga keuangan yang memerlukan tingkat kepercayaan yang

tinggi, bank perlu adanya pengawasan dan evaluasi secara berkala

terhadap kinerja keuangannya sebagai salah satu presentasi bagi

nasabah ataupun investor.

b. Tujuan Kinerja Keuangan

Adapun tujuan dari pengukuran kinerja keuangan (Munawir,

2012: 31), yaitu:

19

1) Mengetahui tingkat likuiditas, yang menunjukkan kemampuan

bank dalam memenuhi kewajiban keuangan jangka pendek.

2) Mengetahui tingkat solvabilitas, yang menunjukkan kemampuan

bank untuk memenuhi kewajiban keuangan dalam jangka

pendek maupun jangka panjang.

3) Mengetahui tingkat rentabilitas, yang menunjukkan kemampuan

bank dalam menghasilkan keuntungan pada periode tertentu.

4) Mengetahui tingkat stabilitas, yang menunjukkan kemampuan

bank dalam melakukan operasional dengan pertimbangan

kemampuan dalam membayar kewajibannya.

c. Prosedur Analisis Kinerja Keuangan

Analisis kinerja keuangan merupakan proses pengkajian secara

kritis terhadap keuangan bank meliputi tahapan sebagai berikut

(Jumingan, 2017: 240).

1) Review data laporan

Aktivitas penyesuaian data laporan keuangan terhadap

berbagai hal, baik sifat atau jenis perusahaan yang melaporkan

maupun sistem akuntansi yang berlaku. Perlunya mempelajari

data secara menyeluruh ini untuk meyakinkan pada penganalisis

bahwa laporan itu sudah cukup jelas menggambarkan semua

data keuangan yang relevan dan dengan metode penilaian yang

tepat, sehingga dapat diperbandingkan (comparable).

2) Menghitung

Dengan menggunakan berbagai metode dan teknik analisis

dilakukan perhitungan-perhitungan yang digunakan sangat

bergantung pada tujuan analisis.

3) Membandingkan atau Mengukur

Langkah ini diperlukan guna mengetahui kondisi hasil

perhitungan tersebut apakah sangat baik, baik, sedang, kurang

baik, dan seterusnya. Terdapat dua cara yang dapat dilakukan di

dalam membandingkan ratio financial perusahaan, yaitu cross

sectional approach dan time series analysis.

20

4) Menginterpretasi

Interpretasi merupakan inti dari proses analisis sebagai

perpaduan antara hasil pembandingan/ pengukuran dengan

kaidah teoritis yang berlaku. Hasilnya mencerminkan

keberhasilan maupun permasalahan apa yang dicapai

perusahaan dalam pengelolaan keuangan.

5) Solusi

Dengan memahami masalah keuangan yang dihadapi

perusahaan akan menempuh solusi yang tepat.

2. Non Performing Financing (NPF)

a. Definisi Non Performing Financing (NPF)

Rasio Non Performing Financing (NPF) merupakan indikator

yang menunjukkan kerugian akibat risiko kredit atau pembiayaan.

Hal itu menjadi kontribusi utama saat bank mengalami kondisi yang

memburuk akibat besarnya rasio NPF. Karena itu, bank dalam

menjalankan usaha utamanya, berupa penyalurkan dana harus

memperhatikan risiko tersebut. NPF adalah rasio antara pembiayaan

bermasalah dengan total pembiayaan disalurkan oleh bank syariah

(Mutamimah, dkk, 2012: 51).

Sesuai Peraturan Otoritas Jasa Keuangan Nomor

15/POJK.03/2017 adalah pembiayaan yang memiliki kualitas kurang

lancar, diragukan, atau macet sebagaimana dimaksud dalam

ketentuan peraturan perundang-undangan mengenai penilaian

kualitas aset bank umum syariah dan unit usaha syariah. Menurut

penelitian Bambang Agus Pramuka (2010:73), NPF adalah

ketidakmampuan nasabah mengembalikan jumlah pinjaman yang

diterima dari bank syariah beserta imbalannya, sesuai jangka waktu

yang sudah ditentukan. Bank dengan NPF yang tinggi akan

memperbesar biaya, baik percadangan aktiva produktif maupun

biaya lainnya, sehingga berpotensi terhadap kerugian bank. Dari sisi

nasional, hal itu mengurangi kontribusinya terhadap pembangunan

21

dan pertumbuhan ekonomi. Dengan demikian, NPF dapat digunakan

dalam mempublikasikan kondisi kinerja bank. Didukung penelitian

Zakiyah et.al (2011:80) yang menyatakan, ketidakstabilan suatu

sistem keuangan ditandai terjadinya tiga hal. Salah satunya adalah

kegagalan perbankan dimana bank-bank mengalami kerugian yang

besar, akibat memburuknya tingkat NPF.

b. Faktor-faktor yang mempengaruhi tingkat NPF

Secara umum penyebab terjadinya pembiayaan bermasalah pada

bank konvensional dapat saja terjadi pada bank syariah. Kegagalan

itu didasari pada faktor intern nasabah, faktor intern bank, dana atau

faktor ekstern bank dan nasabah. Faktor-faktor itu sebagai berikut

(Wangsawidjaja, 2012: 92):

1) Faktor intern bank

• Kemampuan dan naluri bisnis analis pembiayaan belum

memadai.

• Analisis pembiayaan tidak memiliki integritas yang baik.

• Para anggota komite pembiayaan tidak mandiri.

• Adanya tekanan yang diterima analis pembiayaan dari

pihak eksternal.

• Pengawasan bank setelah pembiayaan disetujui tidak

memadai.

• Pemberian pembiayaan yang kurang cukup atau berlebihan

jumlahnya, dibanding kebutuhan sesungguhnya.

• Bank tidak memiliki sistem dan prosedur pemberian dan

pengawasan pembiayaan yang baik.

• Bank tidak mempunyai perencanaan pembiayaan yang baik.

• Bank tidak mempunyai informasi yang cukup mengenai

watak calon debitur.

2) Faktor intern nasabah

• Penyalahgunaan kredit oleh nasabah yang tidak sesuai

dengan tujuan perolehan.

• Perpecahan di antara pemilik/ pemegang saham.

22

• Tenaga ahli atau key person keluar mempengaruhi jalannya

kegiatan usaha terkait.

• Perusahaan tidak efisien, yang terlihat dari overhead cost

yang tinggi akibat pemborosan.

3) Faktor ekstern bank dan nasabah

• Feasibility study yang dibuat konsultan atau akuntan publik

yang menjadi dasar bank untuk mempertimbangkan

pemberian pembiayaan, telah dibuat secara tidak benar.

• Kondisi ekonomi atau bisnis yang menjadi asumsi pada

waktu pembiayaan diberikan berubah.

• Terjadi perubahan atas peraturan perundang-undangan yang

berlaku menyangkut proyek atau sektor ekonomi nasabah.

• Terjadi perubahan politik di dalam negeri.

• Perubahan teknologi dari proyek yang dibiayai dan nasabah

tidak menyadari perubahannya atau tidak segera dilakukan

penyesuaian.

• Munculnya produk pengganti yang dihasilkan oleh

perusahaan lain yang lebih baik dan murah.

• Terjadinya musibah yang terjadi di luar kemampuan

manusia, sehingga kegiatan tidak dapat dilaksanakan

semestinya atas proyek nasabah atau disebut keadaan kahar

(force majeure).

• Kurang kooperatif pihak perusahaan asuransi, yang tidak

cepat memenuhi tuntutan ganti rugi nasabah yang

mengalami musibah.

c. Penilaian tingkat NPF

Dalam peraturan Bank Indonesia Nomor 13/3/PBI/2011 tertera

bahwa nilai NPF maksimum adalah sebesar 5%. Hal itu dapat

diartikan bahwa bank dianggap sehat bila memiliki nilai rasio NPF

kurang dari 5%.

23

Perhitungan rasio NPF dengan menggunakan persamaan sebagai

berikut (Hendro, 2014: 201):

NPF = Pembiayaan Bermasalah (KL, D, M) x 100% (2.1)

Total Pembiayaan

d. Penggolongan kualitas pembiayaan bermasalah

Menetapkan golongan kualitas pembiayaan pada masing-masing

komponen dapat dilihat melalui dua prespektif yang ditetapkan

dengan kriteria tertentu. Pertama, sebagaimana diuraikan dalam

Lampiran I SEBI No.13/10/DPbS tanggal 13 April 2011. Dengan

memfokuskan pada kriteria kemampuan membayar kembali

pembiayaan ditetapkan sebagai berikut (Wangsawidjaja, 2012: 84):

1) Kualitas Mudharabah dan Musyarakah

a. Pembiayaan Kurang Lancar (golongan III)

Terdapat tunggakan pembayaran angsuran pokok melampaui

3 (tiga) bulan, namun belum melampaui 4 (empat) bulan,

atau terdapat tunggakan pelunasan pokok melampaui 1 (satu)

bulan, namun belum melampaui 2 (dua) bulan setelah jatuh

tempo.

b. Pembiayaan Diragukan (golongan IV)

Terdapat tunggakan pembayaran angsuran pokok melampuai

4 (empat) bulan, namun belum mencapai 6 (enam) bulan

atau, tunggakan pelunasan pokok melampaui 2 (dua) bulan,

namun belum melampaui 3 (tiga) bulan setelah jatuh tempo.

c. Pembiayaan Macet (golongan V)

Terdapat tunggakan pembayaran angsuran pokok melampuai

6 (enam) bulan atau, terdapat tunggakan pelunasan pokok

melampaui 3 (tiga) bulan setelah jatuh tempo.

2) Kualitas Murabahah, Istishna, Qard, dan Multijasa

a. Pembiayaan Kurang Lancar (golongan III)

24

Terdapat tunggakan pembayaran angsuran pokok dan/atau

margin melampaui 3 (tiga) bulan, namun belum melampaui 6

(enam) bulan.

b. Pembiayaan Diragukan (golongan IV)

Terdapat tunggakan pembayaran angsuran pokok dan/atau

margin melampaui 6 (enam) bulan, namun belum melampaui

9 (sembilan) bulan.

c. Pembiayaan Macet (golongan V)

Terdapat tunggakan pembayaran angsuran pokok dan/atau

margin melampaui 9 (sembilan) bulan.

3) Kualitas Ijarah atau Ijarah Muntahiyah Bi Tamlik

a. Pembiayaan Kurang Lancar (golongan III)

Terdapat tunggakan pembayaran sewa melampaui 3 (tiga)

bulan, namun belum melampaui 6 (enam) bulan.

b. Pembiayaan Diragukan (golongan IV)

Terdapat tunggakan pembayaran sewa melampaui 6 (enam)

bulan, namun belum melampaui 9 (sembilan) bulan.

c. Pembiayaan Macet (golongan V)

Terdapat tunggakan pembayaran sewa melampaui 9

(sembilan) bulan.

4) Kualitas Salam

a. Pembiayaan Kurang Lancar (golongan III)

Piutang salam dari kemampuan menyerahkan barang pesanan

yang telah jatuh tempo sampai dengan 2 (dua) bulan.

b. Pembiayaan Diragukan (golongan IV)

Piutang salam dari kemampuan menyerahkan barang pesanan

yang telah jatuh tempo sampai dengan 3 (tiga) bulan.

c. Pembiayaan Macet (golongan V)

Piutang salam dari kemampuan menyerahkan barang pesanan

yang telah jatuh tempo sampai lebih dari 3 (tiga) bulan.

25

Selain itu, penjelasan atas risiko kemungkinan menurut bank

terhadap kondisi dan kepatuhan nasabah dalam memenuhi

kewajibannya sebagai berikut (Rivai, dkk, 2010: 742):

1) Pembiayaan Lancar (Pass)

Yang memenuhi kriteria di bawah ini, yaitu:

• Pembayaran angsuran pokok dan/atau fee tambahan tepat

waktu.

• Memiliki mutasi rekening yang aktif.

• Bagian dari pembiayaan yang dijamin dengan agunan tunai

(cash colleteral).

2) Perhatian Khusus (Special Mention)

Yang memenuhi kriteria di bawah ini, adalah:

• Terdapat tunggakan pembayaran angsuran pokok dan/atau fee

tambahan yang belum melampaui 90 hari.

• Kadang-kadang terjadi cerukan.

• Jarang terjadi pelanggaran terhadap kontrak yang

diperjanjikan.

• Mutasi rekening relatif aktif.

• Didukung oleh pinjaman baru.

3) Kurang Lancar (Substandard)

Yang memenuhi kriteria di bawah ini, adalah:

• Terdapat tunggakan pembayaran angsuran pokok dan/atau fee

tambahan yang telah melampaui 90 hari.

• Sering terjadi cerukan.

• Terjadi pelanggaran terhadap kontrak yang diperjanjikan

lebih dari 90 hari.

• Frekuensi mutasi rekening relatif rendah.

• Terdapat indikasi masalah keuangan yang dihadapi debitur.

• Dokumen pinjaman yang lemah.

4) Diragukan (Doubtful)

Yang memenuhi kriteria di bawah ini, adalah:

26

• Terdapat tunggakan pembayaran angsuran pokok dan/atau fee

tambahan yang telah melampaui 180 hari.

• Terjadi cerukan yang bersifat permanen.

• Terjadi wanprestasi lebih dari 180 hari.

• Dokumen hukum yang lemah, baik untuk perjanjian

pembiayaan maupun pengikatan jaminan.

5) Macet (Loss)

Yang memenuhi kriteria di bawah ini, adalah:

• Terdapat tunggakan pembayaran angsuran pokok dan/atau fee

tambahan yang telah melampaui 270 hari.

• Kerugian operasional ditutup dengan pinjaman baru.

• Dari segi hukum dan kondisi pasar, jaminan tidak dapat

dicairkan pada nilai yang wajar.

e. Upaya penyelesaian pembiayaan bermasalah

Menurut Siamat, hal-hal yang harus dilakukan untuk

penyelesaian pembiayaan bermasalah dengan melakukan mitigasi

risiko kerugian bank syariah guna menjaga kualitas pembiayaannya,

sebagai berikut (Wardiyah, 2018: 251):

1) Rescheduling, yaitu penjadwalan kembali ketika pihak

peminjam tidak mampu memenuhi kewajiban dalam hal

pembayaran kembali angsuran pokok dengan cara perubahan

syarat yang berkaitan dengan jadwal pembayaran dan/atau

jangka waktu termasuk masa tenggang (grace period) dan

perubahan besarnya angsuran. Tidak semua nasabah diberi

kebijakan ini. Kebijakan ini hanya untuk peminjam yang

menunjukkan iktikad dan karakter yang jujur dan memiliki

kemauan untuk melunasi.

2) Reconditioning, yaitu persyaratan ulang dengan cara mengubah

sebagian atau seluruh persyaratan yang semula disepakati

dengan jadwal pembayaran, jangka waktu, tingkat

pengembalian. Bila nasabah dalam kesulitan keuangan dan

27

diperkirakan dapat beroperasi menguntungkan, maka bank dapat

mempertimbangkan persyaratan ulang.

3) Restructuring, yaitu penataan ulang dengan cara mengubah

komposisi pembiayaan yang berkaitan dengan:

a) Penambahan dana bank;

b) Konversi seluruh atau sebagian tunggakan menjadi pokok

pembiayaan baru, dan/atau;

c) Konversi seluruh atau sebagian dari pembiayaan menjadi

penyertaan bank atau mengambil partner yang lain untuk

menambah penyertaan;

d) Liquidation (likuidasi), yaitu penjualan barang-barang yang

dijadikan jaminan untuk pelunasan. Pelaksanaan likuidasi

ini dilakukan untuk kategori pembiayaan yang memang

benar-benar menurut bank tidak dapat lagi dibantu untuk

disehatkan kembali. Likuidasi ini dapat dilakukan dengan

penjualan barang dengan menyerahkan kepada yang

bersangkutan atau bagi bank-bank milik negara. Proses

penjualan barang jaminan dan aset bank dapat diserahkan

kepada BPPN untuk dilakukan pelelangan.

3. Financial to Deposit Ratio (FDR)

Penuturan yang diungkapkan Ikit (2018:59), FDR merupakan

rasio antara seluruh jumlah pembiayaan yang diberikan bank syariah

dengan dana yang diterima oleh bank. FDR menyatakan seberapa jauh

kemampuan bank dalam membayar kembali penarikan yang dilakukan,

dengan mengandalkan pembiayaan yang diberikan sebagai sumber

likuiditasnya. Menurut Wangsawidjaja (2012:117), FDR atau Nisbah at-

Tamwil wa al-Wada’i adalah rasio pembiayaan bank syariah dengan dana

pihak ketiga; rasio penyaluran dan penghimpunan dana. Rasio itu juga

dapat menggambarkan tingkat likuiditas perbankan (Wibowo, dkk, 2017:

101). Penilaian likuiditas merupakan penilaian terhadap kemampuan

bank untuk memelihara tingkat likuiditas yang memadai dan kecukupan

28

manajemen risiko likuiditas. Rasio likuiditas terjadi akibat

ketidakmampuan bank dalam memenuhi liabilitas yang jatuh tempo.

Risiko ini muncul sebagai konsekuensi logis dari ketidaksamaan waktu

jatuh tempo antara sumber pendanaan bank, yakni DPK dan akad

pembiayaan bank kepada debitur (Wahyudi, dkk, 2013: 27).

Persentase pada rasio FDR dapat digunakan untuk mengetahui

serta menyimpulkan dalam pembuatan keputusan, apakah suatu pinjaman

masih dapat mengalami ekspansi atau sebaliknya dibatasi. Jika bank

mempunyai FDR yang sangat tinggi, diharapkan bank syariah akan

mendapatkan return yang tinggi. Namun memiliki dampak yaitu bank

menghadapi risiko pembiayaan macet yang tinggi pada titik tertentu.

Diimingi dengan profit tinggi, tapi bank akan mengalami kerugian dan

hal itu juga berpengaruh terhadap likuiditas bank. Tapi jika bank

mempunyai persentasi rasio FDR yang terlalu kecil, maka bank akan

kesulitan untuk menutup simpanan nasabah dari jumlah pembiayaan

yang ada, sehingga bank akan terbebani oleh bagi hasil simpanan yang

besar, sementara keuntungan yang diterima pihak bank terlalu sedikit.

Pengendalian likuiditas bank setiap hari, berupa penjagaan agar

semua alat-alat likuid (kas, giro bank sentral dan lain-lain) dikuasai oleh

bank dapat dipergunakan untuk memenuhi munculnya tagihan dari

nasabah atau masyarakat sewaktu-waktu. Tujuannya adalah (Ikit, 2018:

62):

a. Menjaga posisi likuiditas bank agar selalu berada pada posisi yang

ditentukan BI dan/atau OJK.

b. Mengelola alat likuid agar memenuhi semua kebutuhan cash flow

termasuk kebutuhan yang tidak diperkirakan.

c. Memperkecil terjadinya dana yang menganggur.

d. Menjaga posisi likuiditas dan proyeksi arus kas agar selalu dalam

posisi aman.

Maka dari itu, berdasarkan Peraturan Bank Indonesia No.15/7/PBI

/2013 menetapkan batas terendah adalah 78%, sedangkan batas

maksimum 100%.

29

Dirumuskan sebagai berikut (Furqon, dkk, 2016: 61):

FDR = Total Pembiayaan x 100% (2.2)

Dana Pihak Ketiga

4. Capital Adequancy Ratio (CAR)

Menurut Kuncoro dan Suhardjono (2011:519), Capital Adequacy

Ratio adalah rasio kecukupan modal. Maksudnya, kemampuan bank

dalam mempertahankan modal yang mencukupi dan kemampuan

manajemen bank dalam mengidentifikasi, mengukur, mengawasi, dan

mengontrol risiko-risiko yang timbul akan berpengaruh terhadap

besarnya modal bank. CAR adalah modal berbanding aktiva yang

mengandung risiko atau rasio kecukupan modal minimum dengan

memperhitungkan risiko pasar (market risk) (Wangsawidjaja, 2012: 116).

Perhitungan rasio CAR sebagai perbandingan antara modal dan Aktiva

Tertimbang Menurut Risiko (ATMR). Rasio ini digunakan untuk menilai

keamanan dan kesehatan bank dari sisi modal pemiliknya. CAR sebagai

indikator kemampuan bank dalam menutup penurunan aktiva sebagai

akibat kerugian yang diderita bank (Rivai, dkk, 2010: 850).

Bank dengan CAR cukup besar diharapkan mampu mendukung

pengembangan operasi dan kelangsungan hidup bank, menutup risiko

yang terjadi dan memberi insentif bagi pemilik untuk menjaga

kepentingannya dalam bank. Semakin tinggi nilai CAR mengindikasikan,

bank telah mempunyai modal yang cukup baik dalam menunjang

kebutuhannya serta menanggung risiko-risiko yang ditimbulkan sehingga

bank dengan CAR yang besar cenderung mampu meningkatkan

kepercayaan masyarakat (Haryanto, 2016: 119). Dengan begitu, manfaat

modal pada bank seperti memberi keamanan terhadap investasi, dengan

memperkecil kemungkinan terjadinya insolvensi atau kebangkrutan.

Dibalik itu, dengan sifat modal yang idle (mengendap) maka tidak dapat

menghasilkan profitabilitas yang sesuai, dana modal sesungguhnya

mahal karena semakin besar jumlah modal bank semakin rendah

profitabilitas tertentu.

30

Bank Indonesia sebagai otoritas moneter menetapkan ketentuan

mengenai kewajiban penyediaan modal minimum yang harus selalu

dipertahankan setiap bank. Ketentuan PBI No.10/26/PBI/2008 tentang

Fasilitas Pendanaan Jangka Pendek Bagi Bank Umum, minimum CAR

bagi Bank Umum adalah sebesar 8%. Ketentuan itu mengacu kepada

ketentuan BASEL II. Perhitungan CAR didasarkan atas prinsip bahwa

setiap penanaman yang mengandung resiko harus disediakan jumlah

modal sebesar persentase tertentu risk margin terhadap jumlah

penanamannya. Ketentuan pemenuhan modal minimum sesuai dengan

Peraturan Bank Indonesia No.13/1/PBI/2011, rumus yang digunakan

untuk mencari nilai CAR adalah (Al Arif, dkk, 2018: 218):

CAR = MODAL ((Tier 1+Tier 2) – Penyertaan) x 100% (2.3)

ATMR (Aktiva Tertimbang Menurut Risiko)

Keterangan:

Tier1 : Modal inti

Tier2 : Modal pelengkap

Penyertaan : Penanaman dana bank dalam bentuk saham

ATMR : nilai total masing-masing aktiva bank setelah dikalikan

masing-masing bobot risiko aktiva tersebut. Aktiva yang paling tidak

berisiko diberi bobot 0% dan aktiva paling berisiko diberi bobot 100%.

ATMR menunjukkan nilai aktiva berisiko yang memerlukan antisipasi

modal dalam jumlah yang cukup.

31

Tabel 2. 1

Kriteria Peringkat komponen CAR

Kriteria Keterangan

Peringkat 1: CAR ≥ 11% Sangat Sehat

Peringkat 2: 9,5% ≤ CAR < 11% Sehat

Peringkat 3: 8% ≤ CAR < 9,5% Cukup Sehat

Peringkat 4: 6% ≤ CAR < 8% Kurang Sehat

Peringkat 5: CAR < 6,5% Tidak Sehat

Sumber: Kodifikasi Penilaian Tingkat Kesehatan BI (2012)

5. Net Operating Margin (NOM)

Net Operating Margin diartikan rasio rentabilitas untuk

mengetahui kemampuan aktiva produktif dalam menghasilkan laba

melalui perbandingan pendapatan operasional dan beban operasional

dengan rata-rata aktiva produktif (Ihsan, 2013: 101). Rasio itu

menggambarkan Pendapatan Operasional Bersih, sehingga bisa diketahui

kemampuan rata-rata aktiva produktif dalam menghasilkan laba (Rivai,

dkk, 2010: 866). Net Operating Margin (NOM) merupakan persamaan

dari Net Interest Margin (NIM). Namun, perbedaan dengan NOM adalah

dari penyaluran dana setelah di bagi hasil dengan beban operasional.

Namun pada NIM, bersumber dari suku bunga yang diterima dikurangi

suku bunga yang dibayar dibagi rata-rata aset investasi. Suatu bank akan

selalu mengupayakan supaya NIM atau NOM positif, karena pendapatan

yang berujung pada laba yang tinggi. Terkait faktor rentabilitas ini, Bank

Indonesia membuat keputusan melalui surat edaran PBI

No.9/24/DPbS/2007 mengenai Net Operating Margin (NOM) sebagai

rasio utama dalam menilai rentabilitas suatu bank. Hal itu berbeda

dengan bank konvensional yang memakai Net Interest Margin (NIM)

dengan unsur riba (bunga).

32

Net Operating Margin dapat dilihat dari dua perspektif dengan

dilihat dari perspektif pertama, yaitu sisi sifat kompetitif bank dan sisi

rentabilitas. Margin yang kecil mengindikasikan sistem perbankan

kompetitif dengan biaya intermediasi yang rendah. Namun sisi lain,

rentabilitas margin yang tinggi menggambarkan stabilitas dari sistem

perbankan. Hal itu ini dilatarbelakangi bank yang dapat menambahkan

margin yang tinggi ke dalam rentabilitas dan modal untuk melindungi

dari risiko. Namun jika dilihat dari perspektif kedua, yaitu dari sifat

efisiensi bank, margin yang lebih tinggi biasanya mengindikasikan akibat

rendahnya efisiensi sektor perbankan. Hal itu ditandai dengan biaya yang

tinggi ketidakefisienan perbankan dengan rendahnya investasi dan

rendahnya aktivitas ekonomi. Tingginya margin juga dapat

mengindikasikan tingginya risiko karena kebijakan yang tidak tepat dari

sektor perbankan (Cahyo, 2013: 67).

Perhitungan pada NOM sebagai berikut (Ihsan, 2013: 101):

𝑁𝑂𝑀 = (𝑃𝑂−𝐷𝐵𝐻)−𝐵𝑂

𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑎𝑘𝑡𝑖𝑣𝑎 𝑝𝑟𝑜𝑑𝑢𝑘𝑡𝑖𝑓 𝑥 100% (2.4)

Keterangan:

PO : Pendapatan operasional adalah pendapatan operasional setelah

distribusi bagi hasil dalam 12 bulan terakhir

DBH : Distribusi bagi hasil adalah hak pihak ketiga atas bagi hasil

dana syirkah temporer

BO : Biaya operasional adalah beban operasional termasuk

kekuranga PPAP yang wajib dibentuk sesuai dengan ketentuan

dalam 12 bulan terakhir

Perhitungan rata-rata aktiva produktif merupakan rata-rata aktiva

produktif 12 bulan terakhir.

33

Tabel 2. 2

Kriteria Peringkat Komponen NOM

Kriteria Keterangan

Peringkat 1 : NOM > 3% Tinggi

Peringkat 2 : 2% < NOM ≤ 3% Cukup Tinggi

Peringkat 3 : 1.5% < NOM ≤ 2% Rendah

Peringkat 4 : 1% < NOM ≤ 1.5% Cukup Rendah

Peringkat 5 : NOM ≤ 1% Sangat Rendah

Sumber: Kodifikasi Penilaian Tingkat Kesehatan BI (2012)

6. Kualitas aktiva produktif (KAP)

Pada dasarnya sebagian keuntungan dan kerugian dari suatu bank

akan ditentukan dari kualitas asetnya. Pada kondisi normal, sebagian

besar aktiva suatu bank terdiri atas kredit dan aktiva lain yang dapat

menghasilkan atau menjadi sumber pendapatan bagi bank, sehingga jenis

aktiva itu disebut sebagai aktiva produktif (Al Arif, dkk, 2018: 238).

Rasio ini digunakan untuk mengetahui kualitas aktiva produktif, yaitu

penanaman dana bank dalam rupiah dan valuta asing dalam bentuk

pembiayaan, surat berharga, penempatan pada bank lain dan penyertaan.

(Ihsan, 2013: 66).

KAP disini sebagai penilai jenis-jenis aset yang dimiliki oleh

bank dengan membandingkan total aktiva produktif, sehingga diketahui

tingkat kemungkinan diterimanya kembali dana setelah ditanamkan pada

suatu investasi/pembiayaan. Semakin kecil rasio KAP, maka semakin

besar tingkat kemungkinan diterimanya kembali dana yang ditanamkan

(Rivai, dkk, 2010: 857).

Dalam menganalisis suatu bank, pada umumnya perhatian

difokuskan pada kecukupan modal bank. Namun menganalisis aktiva

produktif secara cermat juga penting karena efeknya akan berdampak

34

implisit pada penghapusan modal bank, walau secara riil bank memiliki

modal yang cukup besar. Bila kualitas aktiva produktifnya sangat buruk,

kondisi berbagai masalah, seperti pembentukan cadangan, penilaian aset,

pemberian pinjaman, dan lain sebagainya (Al Arif, dkk, 2018: 239).

Penilaian kualitas aset bertujuan untuk memastikan kualitas aset yang

dimiliki bank sekaligus untuk mengetahui nilai asli dari aset tersebut. Hal

itu dapat mencegah terjadinya penurunan kualitas dan nilai aset (Rivai,

dkk, 2010: 857). Penilaian atas kualitas aktiva produktif dalam bentuk

pembiayaan sesuai dengan PBI No.13/13/PBI/2011 dilakukan

berdasarkan faktor-faktor berikut:

• Prospek usaha.

• Kinerja (performance) nasabah.

• Kemampuan membayar atau kemampuan menyerahkan barang

pesanan.

Rumus menghitung kualitas aset sebagai berikut (Ihsan, 2013: 96):

KAP = APYD (DPK, KL, D, M) x 100% (2.5)

Aktiva Produktif

Dimana:

APYD : aktiva produktif yang sudah maupun yang

mengandung potensi tidak memberi penghasilan atau menimbulkan

kerugian yang besarnya ditetapkan sebagai berikut:

a. 25% dari aktiva produktif yang digolongkan Dalam Perhatian

Khusus

b. 50% dari aktiva produktif yang digolongkan Kurang Lancar

c. 75% dari dari aktiva produktif yang digolongkan Diragukan

d. 100% dari dari aktiva produktif yang digolongkan Macet

Aktiva produktif : penanaman dana bank dalam bentuk pembiayaan,

surat berharga, penyertaan dan penanaman lainya yang dimaksudkan

untuk memperoleh pendapatan bagi bank.

35

Penilaian terhadap kualitas aktiva produktif dalam ketentuan

perbankan di Indonesia didasarkan pada salah satu rasio aktiva produktif

diklasifikasikan terhadap aktiva produktif. Aktiva produktif

diklasifikasikan menjadi lancar, kurang lancar, diragukan, dan macet (Al

Arif, dkk, 2018: 240).

Tabel 2. 3

Kriteria Peringkat Komponen KAP

Kriteria Keterangan

Peringkat 1 : KAP ≤ 2% Sangat Baik

Peringkat 2 : 2% < KAP ≤ 3% Baik

Peringkat 3 : 3% < KAP ≤ 6% Cukup Baik

Peringkat 4 : 6% < KAP ≤ 9% Kurang Baik

Peringkat 5 : KAP > 9% Buruk

Sumber: Kodifikasi Penilaian Tingkat Kesehatan BI (2012)

36

B. KERANGKA PEMIKIRAN

Gambar 2. 1

Kerangka pemikiran

Random Effect

Pembiayaan bermasalah pada bank syariah merupakan gambaran atas

ketidakstabilan bank dalam mengelola sumber dayanya. Hal itu

mempengaruhi penyaluran dana, cadangan modal, rentabilitas bank serta

pengelolaan aktiva produktif.

Variabel Dependen:

NPF

Variabel Independen:

FDR, CAR, NOM, KAP

Uji Stasioneritas

Uji Asumsi Klasik

1. Uji Multikolinearitas

2. Uji Heteroskedastisitas

3. Uji Autokorelasi

Metode Estimasi Data Panel

Common Effect Fixed Effect

Uji Chow

Uji Signifikansi:

1. Uji t (parsial)

2. Uji F (simultan)

3. Adjusted R2

(Koefisien

determinasi)

Interpretasi Analisis

Hasil dan Kesimpulan

Uji Hausman

37

C. HIPOTESIS

Hipotesis adalah alternatif dugaan jawaban yang dibuat peneliti bagi

problematika yang diajukan dalam penelitian. Dugaan jawaban tersebut

merupakan kebenaran yang sifatnya sementara, dan akan diuji kebenarannya

melalui data yang dikumpulkan melalui penelitian (Arikunto, 2010: 93).

Adapun hipotesis yang akan diuji dalam penelitian adalah sebagai berikut:

1. Keterkaitan Financing to Deposit Ratio terhadap Non Performing

Financing (NPF)

Financing to Deposit Ratio (FDR) merupakan rasio yang

digunakan untuk mengukur likuiditas suatu bank dalam membayar

kembali penarikan dana yang dilakukan deposan, dengan mengandalkan

pembiayaan yang diberikan sebagai sumber likuiditasnya. Dengan cara

membagi jumlah pembiayaan yang diberikan oleh bank terhadap Dana

Pihak Ketiga (DPK) (Wahyu, 2016: 22). Di sisi lain, mengindikasi

besarnya risiko likuiditas karena pada umumnya Dana Pihak Ketiga yang

dihimpun dari masyarakat sifatnya jangka pendek, sedangkan

pembiayaan yang diberikan dalam jangka menengah ataupun panjang.

Bila tidak dikelola dengan baik, maka portofolio pembiayaannya akan

menaikkan potensi gagal bayar. Hal itu meningkatkan risiko pembiayaan

di bank syariah. Semakin tinggi FDR maka kemampuan gagal bayar

nasabah juga semakin tinggi. Bila semakin tinggi pembiayaan

bermasalah, maka kinerja dan tingkat kepercayaan dari masyarakat juga

akan menurun. Bagi bank syariah yang memiliki rasio FDR di bawah

65%, Bank Indonesia akan memberi penalti berupa tambahan modal

yang disetor kepada Bank Indonesia dalam bentuk tambahan Giro Wajib

Minimum (GWM) (Wahyudi, dkk, 2013: 87). Hal itu didukung hasil

penelitian dari Mella Katrina Sari (2016) yang menyatakan pengaruh

signifikan terhadap risiko pembiayaan bank umum syariah di Indonesia.

Namun, berbeda dari penelitian Daisy Firmansari, et.al (2015) yang

menyatakan, pengaruh yang tidak signifikan terhadap Non Performing

Financing BUS dan UUS.

38

Berdasarkan penelitian terdahulu tersebut hipotesis yang digunakan

dalam penelitian sebagai berikut:

H01 : Financing to Deposit Ratio tidak berpengaruh secara signifikan

terhadap Non Performing Financing (NPF) pada Bank Umum

Syariah BUKU 2 di Indonesia.

Ha1 : Financing to Deposit Ratio berpengaruh secara signifikan

terhadap Non Performing Financing (NPF) pada Bank Umum

Syariah BUKU 2 di Indonesia.

2. Keterkaitan Capital Adequancy Ratio terhadap Non Performing

Financing (NPF)

Bank syariah harus memiliki KPMM, yakni kewajiban

penyediaan modal minimum yang didasarkan pada risiko aset, baik aset

dalam neraca maupun aset secara administratif. Secara teknis, KPMM

diukur dari persentase tertentu pada aset tertimbang menurut risiko

(ATMR). Pada kesepakatan Basel II mendefinisikan CAR sebagai suatu

perbandingan modal suatu bank (Tier I untuk modal inti dan Tier II untuk

modal pelengkap) atas asetnya berpotensi terkena risiko (risk weighted

assets) dan perbandingan tersebut tidak boleh kurang dari 8% (Al Arif,

dkk, 2018: 217). Maka disini KPMM dan CAR memiliki fungsi yang

sama yaitu sebagai rasio yang menggambarkan tingkat kecukupan modal

suatu bank karena langkah awal mengatur risiko adalah dengan

mencadangkan modal tertentu. Semakin besar risiko pembiayaan

bermasalah yang dihadapi, maka semakin besar pula modal yang harus

dicadangkan.

Karena itu, penyediaan modal yang cukup memungkinkan bank

meneruskan operasinya tanpa terganggu. Karena risiko yang sudah

diperkirakan dan dapat ditanggulangi khususnya, dalam periode ekonomi

yang sulit sampai mencapai tingkat keuntungan yang normal kembali.

Dengan demikian fungsi utama modal bank adalah untuk menjaga

kepercayaan, karena hal itu merupakan masalah vital dan merupakan

resep keberhasilan pengelolaan suatu bank. Hal itu didukung hasil

39

penelitian Rizal Nur Firdaus (2015) yang mempunyai pengaruh

signifikan terhadap NPF dan dari penelitian Rika Lidyah (2016) yang

mempunyai pengaruh negatif terhadap NPF. Namun, berbeda dengan

penelitian Andreani Caroline Barus (2016) yang menyatakan CAR tidak

berpengaruh signifikan terhadap Non Performing Loan.

Berdasarkan penelitian terdahulu, hipotesis yang digunakan

dalam penelitian ini adalah:

H02 : Capital Adequancy Ratio tidak berpengaruh secara signifikan

terhadap Non Performing Financing (NPF) pada Bank Umum

Syariah BUKU 2 di Indonesia.

Ha2 : Capital Adequancy Ratio berpengaruh secara signifikan terhadap

Non Performing Financing (NPF) pada Bank Umum Syariah

BUKU 2 di Indonesia.

3. Keterkaitan Net Operating Margin terhadap Non Performing Financing

(NPF)

NOM merupakan rasio yang memperhitungkan keuntungan yang

diperoleh bank. Rasio tersebut menjadi utama dalam memperhitungkan

laba. Selain itu, rasio perlu untuk mempertahankan stabilitas dari sistem

perbankan syariah. Dengan NOM, melihat kemampuan aktiva produktif

melalui perbandingan pendapatan operasional dan beban operasional

dengan rata-rata aktiva produktif (Ihsan, 2013: 99). Semakin tinggi

NOM, menunjukkan semakin efektif bank dalam penempatan aktiva

produktif dalam bentuk pembiayaan. Sebaliknya ketika NOM

menunjukkan persentase yang minim, maka terjadi kecenderungan

munculnya pembiayaan bermasalah. Dalam hal ini, kondisi itu akan

meningkatkan rasio NPF. Semakin besar NOM, akan meningkatkan

pendapatan operasional atas rata-rata aktiva produktif yang dikelola bank

sehingga kemungkinan suatu bank berada dalam kondisi bermasalah

semakin kecil. Hal itu didukung hasil penelitian Md. Ataur Rahman

(2017) dengan NIM yang berpengaruh signifikan secara positif terhadap

NPL. Dan penelitian oleh Aryani, Anggraeni, dan Wiliasih (2016) yang

40

menyatakan bahwa rasio NIM berpengaruh signifikan terhadap rasio

NPF. NOM dianalogikan dengan NIM dimana NIM digunakan sebagai

rasio utama dalam penilaian Rentabilitas suatu bank konvensional.

Berdasarkan penelitian terdahulu, hipotesis yang digunakan dalam

penelitian ini adalah:

H03 : Net Operating Margin tidak berpengaruh secara signifikan

terhadap Non Performing Financing (NPF) pada Bank Umum

Syariah BUKU 2 di Indonesia.

Ha3 : Net Operating Margin berpengaruh secara signifikan terhadap

Non Performing Financing (NPF) pada Bank Umum Syariah

BUKU 2 di Indonesia.

4. Keterkaitan kualitas aktiva produktif terhadap Non Performing

Financing (NPF)

KAP merupakan masalah krusial bagi perbankan, karena tingkat

pada KAP menunjukkan besaran pengembalian aktiva yang telah

disalurkan oleh bank. Selain itu, penggolongan KAP terjadi atas dasar

justifikasi apakah pembiayaan yang disalurkan memiliki kualitas baik

atau buruk dengan berdasarkan pada prospek usaha, kemampuan debitur

dalam mengembalikan pembiayaan serta kondisi keuangan debitur

(Fahmi, 2014: 108). Sebagai salah satu sumber pendapatan, KAP riskan

terhadap risiko sehingga dibutuhkan cadangan pada potensi kerugian

yang dihadapi. Sesuai dengan keterkaitan antara KAP dengan NOM,

semakin tinggi persentase efektifnya pengelolaan aktiva produktif akan

mempengaruhi keuntungan lebih yang diperoleh dan dapat menekan

masalah pembiayaan bermasalah secara perlahan pada bank syariah.

Penelitian yang dilakukan Yulya, Lukytawati, dan Ranti (2016)

mengutarakan KAP memiliki pengaruh signifikan positif terhadap

volume NPF pada BUS. Bahkan, KAP dinilai sangat sensitif terhadap

NPF.

41

Hubungan yang terjadi pada kualitas aktiva produktif pada

pembiayaan bermasalah dengan penelitian sebelumnya, memunculkan

hipotesa dalam penelitian ini terletak:

H04 : kualitas aktiva produktif tidak berpengaruh secara signifikan

terhadap Non Performing Financing (NPF) pada Bank Umum

Syariah BUKU 2 di Indonesia.

Ha4 : kualitas aktiva produktif berpengaruh secara signifikan terhadap

Non Performing Financing (NPF) pada Bank Umum Syariah

BUKU 2 di Indonesia.

5. Keterkaitan Financing to Deposit Ratio, Capital Adequancy Ratio, Net

Operating Margin, dan kualitas aktiva produktif terhadap Non

Performing Financing (NPF) secara bersama-sama.

H05 : FDR, CAR, NOM, dan KAP secara simultan tidak berpengaruh

signifikan terhadap Non Performing Financing (NPF) pada Bank Umum

Syariah BUKU 2 di Indonesia.

Ha5 : FDR, CAR, NOM, dan KAP secara simultan berpengaruh

signifikan terhadap Non Performing Financing (NPF) pada Bank Umum

Syariah BUKU 2 di Indonesia.

42

BAB III

METODE PENELITIAN

A. POPULASI DAN SAMPEL

1. Populasi

Menentukan populasi dalam penelitian bertujuan untuk

menentukan apakah hipotesis tersebut dapat diterima, dan perlu diuji

dalam kenyataan empiris dengan mengumpulkan data yang relevan.

Karena itu, populasi terdiri dari sekumpulan objek yang menjadi pusat

perhatian dan terkandung informasi yang ingin diketahui (Gulö, 2010:

76). Populasi yang digunakan pada penelitian ini adalah Bank Umum

Syariah (BUS) di Indonesia yang terdaftar pada Otoritas Jasa Keuangan

(OJK) ada 14 Bank Umum Syariah, yaitu PT. Syariah Mandiri, PT.

BRISyariah, PT. BNI Syariah, PT. Bank Muamalat Indonesia, PT. Bank

Aceh Syariah, PT. Panin Dubai Syariah, PT. BCA Syariah, PT. Mega

Syariah, PT. Syariah Bukopin, PT. Bank Tabungan Pensiuanan Nasional

Syariah, PT. BPD Nusa Tenggara Barat Syariah, PT. Bank Jabar Banten

Syariah, PT. Maybank Syariah Indonesia, PT. Bank Victoria Syariah.

2. Sampel

Sampel adalah sebagian dari populasi yang akan diambil untuk

diteliti dan hasil penelitiannya digunakan sebagai representasi dari

populasi secara keseluruhan (Suryani, dkk, 2016: 192). Penentuan

sampel dapat dinyatakan sebagai bagian dari populasi yang diambil

dengan teknik atau metode tertentu untuk diteliti dan digeneralisasi

terhadap populasi yang dituju. Metode yang digunakan dalam

pengambilan sampel penelitian ini adalah Non Probability Sampling

dengan pendekatan purposive sampling (teknik penentuan sampel dengan

pertimbangan tertentu).

Metode Non Probability Sampling adalah teknik pengambilan

sampel yang tidak memberi peluang atau kesempatan sama bagi setiap

unsur atau anggota populasi untuk dipilih menjadi sampel dengan

43

pendekatan purposive sampling (Sugiyono, 2017: 84). Sampel dipilih

berdasarkan penilaian peneliti bahwa pihak yang dipilih adalah yang

paling baik untuk dijadikan sampel penelitian (Suryani, dkk, 2016: 202).

Sampel penelitian berdasarkan kriteria sebagai berikut:

1. Perusahaan adalah Bank Umum Syariah, berdasarkan statistik

perbankan syariah yang dipublikasikan oleh Otoritas Jasa Keuangan

(OJK) per Desember 2018.

2. Menerbitkan dan mempublikasikan laporan keuangan triwulan atau

setiap empat kali setiap tahun, secara berkala selama periode

pengamatan yaitu 2014-2018.

3. Perusahaan merupakan Bank Umum berdasarkan Kegiatan Usaha

(BUKU) yang sudah masuk kategori 2 (dua) dengan modal inti (tier

1) antara 1 sampai dengan kurang 5 triliun rupiah.

Dengan demikian, penggunaan sampel pada penelitian ini terdiri dari:

Tabel 3. 1

Daftar Sampel Penelitian

No Bank Umum Syariah

Jumlah Modal Inti

(dalam jutaan rupiah)

Kategori

BUKU

1. PT. Bank BRISyariah Rp 4.743.689 II

2. PT. Bank BNI Syariah Rp 4.153.222 II

3. PT. Bank Muamalat Indonesia Rp 3.769.336 II

4. PT. Bank Aceh Syariah Rp 1.829.861 II

5. PT. Panin Dubai Syariah Rp 1.468.140 II

6. PT. BCA Syariah Rp 1.240.447 II

7. PT. Mega Syariah Rp 1.135.636 II

Sumber: data diolah berdasarkan masing-masing laporan keuangan per Desember 2018

44

Tabel 3. 2

Proses Seleksi Sampel

No Kriteria Melanggar

Kriteria

Jumlah

Sampel

Total

Sampel

1 Bank Umum Syariah

berdasarkan statistik perbankan

syariah yang dipublikasikan

oleh OJK per Desember 2018.

14 14

2 Mempublikasikan laporan

keuangan per triwulan selama

periode pengamatan yaitu

2014-2018.

14 14

3 Bank Umum berdasarkan

Kegiatan Usaha (BUKU) yang

sudah masuk kategori dua

dengan memiliki modal inti

(tier 1) diantara 1 sampai

dengan kurang 5 triliun rupiah.

7 7 7

4 Memiliki kesesuaian dan

kelengkapan data berdasarkan

variabel yang diteliti.

1 6 6

Jumlah sampel yang memenuhi

kriteria periode 5 tahun 30

Laporan keuangan triwulan 120

Jumlah total sampel 120

Sumber: Situs resmi masing-masing bank umum syariah terkait

45

Sejak 2012, Bank Indonesia telah mengeluarkan aturan yang

mengelompokkan Bank ke dalam 4 (empat) kategori khusus. Aturan ini

kemudian diperbaharui oleh Peraturan Otoritas Jasa Keuangan Nomor

6/POJK.03/2016 tentang Kegiatan Usaha dan Jaringan Kantor

Berdasarkan Modal Inti Bank. Secara garis besar, aturan tersebut untuk

mengatur pengelompokan Bank berdasarkan kegiatan usaha, sesuai

dengan besarnya modal inti. Pengelompokan itu dikenal dengan istilah

Bank Umum berdasarkan Kegiatan Usaha (BUKU). Aturan itu juga

berlaku untuk bank umum dan bank umum syariah. Saat ini, bank terbagi

ke dalam 4 (empat) kategori BUKU, yaitu:

• BUKU 1 adalah bank dengan modal inti sampai dengan kurang dari

Rp 1 triliun.

• BUKU 2 adalah bank dengan modal inti antara Rp 1 triliun sampai

dengan kurang dari Rp 5 triliun.

• BUKU 3 adalah bank dengan modal inti antara Rp 5 triliun sampai

dengan kurang dari Rp 30 triliun.

• BUKU 4 adalah bank dengan modal inti paling sedikit sebesar Rp 30

triliun.

B. TEMPAT DAN WAKTU PENELITIAN

Penelitian ini dilakukan pada Bank Umum Syariah yang terdaftar di

Otoritas Jasa Keuangan di Indonesia. Penelitian ini menggunakan laporan

keuangan pada periode 2014-2018. Penelitian terdiri dari enam Bank Umum

Syariah yang dijadikan sampel penelitian.

C. SUMBER DATA

Penelitian ini menggunakan data sekunder. Data sekunder (secondary

data) adalah data yang diperoleh dalam bentuk sudah jadi, sudah

dikumpulkan dan diolah oleh pihak lain. Biasanya sudah dalam bentuk

publikasi (Suryani, dkk, 2016: 171). Data sekunder mudah didapat dan

tersebar secara luas diberbagai sumber, ada yang berbentuk buku fisik atau

46

buku yang dipublikasikan di internet. Data sekunder yang digunakan

merupakan data kuantitatif. Data sekunder yang digunakan penelitian ini

diambil dari laporan keuangan triwulan yang dipublikasi oleh masing-masing

Bank Umum Syariah.

D. INSTRUMEN PENELITIAN

Instrumen penelitian merupakan nilai yang mempunyai tertentu.

Instrumen ditetapkan oleh peneliti untuk dipelajari, kemudian ditarik

kesimpulan (Sugiyono, 2017: 39). Penjelasan sebagai berikut:

• Variabel Dependen

Variabel dependen merupakan variabel yang dipengaruhi atau

menjadi akibat karena adanya variabel bebas. Variabel dependen pada

penelitian ini adalah NPF (Non Performing Financing) sebagai gambaran

pembiayaan bermasalah (Y) pada bank syariah terkait.

• Variabel Independen

Variabel independen atau variabel bebas merupakan variabel

yang mempengaruhi atau yang menjadi sebab perubahan atau timbulnya

variabel dependen (terikat). Variabel independen pada penelitian ini

terdiri dari:

a. FDR (Financing to Deposit Ratio)(X1)

b. CAR (Capital Adequancy Ratio)(X2)

c. NOM (Net Operating Margin)(X3)

d. KAP (Kualitas Aktiva Produktif)(X4)

47

Tabel 3. 3

Instrumen Penelitian

Variab

el

Definisi

Operasional Pengukuran Sumber

NPF

(Y)

Tingkat

persentase

rata-rata dari

perbandingan

pembiayaan

bermasalah

(kurang lancar,

diragukan,

macet) pada

total

pembiayaan

yang

disalurkan.

𝑁𝑃𝐹 =𝑃𝑒𝑚𝑏𝑖𝑎𝑦𝑎𝑎𝑛 𝐵𝑒𝑟𝑚𝑎𝑠𝑎𝑙𝑎ℎ(𝐾𝐿,𝐷,𝑀)

𝑇𝑜𝑡𝑎𝑙 𝑃𝑒𝑚𝑏𝑖𝑎𝑦𝑎𝑎𝑛𝑋 100%

(3.1)

Hendro,

2014:

201

FDR

(X1)

Tingkat

persentase dari

perbandingan

total

pembiayaan

yang

disalurkan

terhadap total

dana pihak

ketiga yang

dihimpun.

𝐹𝐷𝑅 =𝑇𝑜𝑡𝑎𝑙 𝑃𝑒𝑚𝑏𝑖𝑎𝑦𝑎𝑎𝑛

𝑇𝑜𝑡𝑎𝑙 𝐷𝑎𝑛𝑎 𝑃𝑖ℎ𝑎𝑘 𝐾𝑒𝑡𝑖𝑔𝑎 𝑋 100%

(3.2)

Furqon

et.al,

2016: 61

Tingkat

persentase dari

48

CAR

(X2)

perbandingan

modal yang

dimiliki bank

dikurangi

penyertaan

pada saham

terhadap

Aktiva

Tertimbang

Menurut

Risiko

(ATMR).

CAR =Modal ((tier1+tier2)-penyertaan)

Aktiva Tertimbang Menurut Risiko X 100%

(3.3)

Al Arif et

al,

2018:

218

NOM

(X3)

Tingkat

persentase

pendapatan

operasional

bersih terhadap

penjualan

bersih.

𝑁𝑂𝑀 = (𝑃𝑂−𝐷𝐵𝐻)−𝐵𝑂

𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑎𝑘𝑡𝑖𝑣𝑎 𝑝𝑟𝑜𝑑𝑢𝑘𝑡𝑖𝑓 𝑥 100%

(3.4)

Ihsan,

2013:

101

KAP

(X4)

Tingkat

persentase dari

aktiva

produktif yang

dikelompokka

n dibagi total

aktiva

produktif.

𝐾𝐴𝑃 = 𝐴𝑃𝑌𝐷 (𝐷𝑃𝐾,𝐾𝐿,𝐷,𝑀)

𝑇𝑜𝑡𝑎𝑙 𝑎𝑘𝑡𝑖𝑣𝑎 𝑝𝑟𝑜𝑑𝑢𝑘𝑡𝑖𝑓 𝑥 100%

(3.5)

Ihsan,

2013:

96

49

E. TEKNIK PENGUMPULAN DATA

Teknik pengumpulan data adalah cara yang digunakan untuk

mengumpulkan data penelitian (Widodo, 2017: 72). Pada penelitian ini,

pengumpulan data yang dilakukan dengan:

1. Studi Lapangan

Yaitu, menelusuri dan mengumpulkan dokumentasi terkait aspek

yang akan diteliti.

2. Studi Pustaka

Yaitu, mempelajari, mendalami dan mengutip teori – teori atau

konsep – konsep dari sejumlah literatur buku, jurnal, artikel, dan karya

tulis lainnya yang berhubungan dengan objek penelitian.

3. Studi dunia maya (Internet Research)

Yaitu, pencarian informasi melalui internet sebagai alternatif karena

terbatasnya data atau kurang memadainya data dari sumber – sumber

metode pengumpulan, selain untuk menambah wawasan ilmu pengetahuan

yang umumnya lebih cepat tersebar melalui jaringan internet.

F. TEKNIK PENGOLAHAN DATA

Pengelolaan data menggunakan beberapa metode analisis dalam

mengolah data untuk menghasilkan suatu kesimpulan, dibantu perangkat

lunak dari Microsoft Excel 2017 dan Eviews10. Berikut langkah-langkah yang

digunakan dalam menganalisis data pada penelitian ini:

1. Uji Stasioneritas

Sekumpulan data dinyatakan stasioner jika nilai rata-rata dan varian

dari data time series tidak mengalami perubahan secara sistematik

sepanjang waktu. Rata-rata dan variannya konstan. Karena itu, tahap

awal sebelum melakukan analisis lebih lanjut, yakni analisis jangka

pendek dan jangka panjang perlu dilakukan pengujian stasioneritas suatu

data lewat Uji Unit Root atau Unit Root Test (Ekananda, 2015: 413).

Beberapa alasan pentingnya isu stasioneritas yaitu (Hakim, 2014: 190):

50

a. Penggunaan data non-stasioner bisa menimbulkan spurious

regression, jika dua variabel stasioner adalah serial yang random dan

independen. Jika satu variabel diregres terhadap yang lain, maka

nilai rasio t diharapkan akan berbeda dengan nol, dan nilai R2 akan

sangat rendah. Hal itu terjadi karena hubungan di antara keduanya

adalah rendah. Tetapi jika dua variabel trending bersama, maka

regresi atas variabel-variabel tersebut akan menghasilkan nilai R2

yang tinggi, meski dua variabel tersebut sama sekali tidak

berhubungan. Jika teknik regresi standar diaplikasikan pada data-

data non stasioner, hasilnya akan tampak bagus (koefisien yang

signifikan serta nilai R2 yang tinggi), meski sebenarnya tidak

memiliki arti apapun. Model seperti ini dinamakan spurious.

b. Jika variabel model regresi tidak stasioner, bisa dibuktikan bahwa

asumsi standar untuk analisis asymptotic tidak akan valid. Dengan

kata lain, nilai rasio t yang biasa tidak akan mengikuti distribusi t,

dan nilai F-statistic tidak akan mengikuti distribusi F, dan

seterusnya.

Bentuk uji stasioneritas dengan unit roots test yang sangat

populer dikenalkan oleh David Dickey dan Wayne Fuller. Karena itu,

dalam penelitian ini digunakan Augmented Dickey Fuller (ADF) Test.

Pengembangan pengujian, yaitu:

∆𝑦𝑡 = 𝛽𝑡 + 𝛽2𝑡 + 𝛿𝑦𝑡−1 + 𝛼𝑖 ∑∆𝑦𝑡−1 + 𝑢𝑡 (3.6)

Penjelasannya sebagai berikut:

a. Nilai t- statistik ADF < nilai kritis ADF pada level 5% atau 10%.

Hal itu juga bisa dilihat dari probability ADF test statistic < nilai

0,05 maka data stasioner.

b. Nilai t- statistik ADF > nilai kritis ADF pada level 5% atau 10%.

Hal itu juga bisa dilihat dari probability ADF test statistic > nilai

0,05 maka data tidak stasioner.

51

2. Uji Asumsi Klasik

Pengujian pada asumsi klasik akan dijelaskan yaitu bagaimana

mendapatkan estimator dengan sifat yang diinginkan, yakni BLUE (best,

linear, unbiased estimators) dengan artian model regresi tidak

mengalami masalah. Pemenuhan beberapa asumsi klasik pada model

regresi linear dengan mean residual adalah 0; varians dari residual adalah

konstan (dikenal dengan homoskedastisitas); serta tidak ada serial

korelasi antar residual (dikenal dengan asumsi no serial correlation).

Dengan begitu, dapat digunakan uji multikolinearitas, heterokedastisitas,

dan autokorelasi (Hakim, 2014: 38).

a. Uji Multikolinearitas

Uji multikolinearitas digunakan untuk mengetahui ada atau

tidaknya penyimpangan asumsi klasik multikoliearitas, yaitu

hubungan linear antar variabel independen dalam model regresi.

Prasyarat yang harus dipenuhi dalam model regresi adalah tidak

adanya multikoliearitas. Dampak yang terjadi ketika adanya

multikolinearitas, jika menggunakan estimasi metode OLS yaitu

estimator dapat mempunyai varian dan kovarian yang besar sehingga

sulit mendapatkan estimasi yang tepat. Interval estimasi akan

cenderung lebih lebar dan nilai hitung statistik uji t akan kecil. Hal

itu membuat variabel independen tidak signifikan berpangaruh pada

variabel dependen namun nilai koefisien determinasi (R2) masih

relatif tinggi(Ekananda, 2015: 95).

Penelitian ini diuji melalui uji Tolerance (TOL) dan Variance

Inflation Factors (VIF). Definisi untuk kedua variabel ini adalah:

𝑇𝑂𝐿 = 1 − 𝑅𝑖2 (3.7)

𝑉𝐼𝐹(𝛽1)̂ = 1

𝑇𝑂𝐿=

1

(1−𝑅𝑖2)

(3.8)

Jika VIF melebihi 10, hal itu menunjukkan kolinearitas tinggi,

karena nilai Ri2 melebihi 0,09 (yang berarti terjadi kolinearitas

tinggi). Semakin dekat TOL kepada nilai nol, maka semakin besar

52

derajat kolinearitas antara variabel tersebut dengan variabel

regressor lainnya. Jika nilai TOL semakin dekat kepada nilai satu,

maka semakin rendah derajat kolinearitas antar variabel tersebut

dengan variabel regressor lainnya (Ekananda, 2015: 101).

b. Uji Heterokedastisitas

Heterokedastisitas adalah suatu gejala dimana residu dari

suatu persamaan regresi berubah-ubah pada suatu rentang data

tertentu. Sebagaimana diketahui residu dihasilkan dari regresi yang

digunakan dalam penelitian. Perubahan-perubahan variabel individu

tentunya akan terekam dalam residu. Gejala residu yang berubah-

ubah menurut pola variabel independen tertentu disebut sebagai

gejala heteroskedastik. Efek dari heterokedastisitas adalah

pendugaan kuadrat terkecil membobot lebih besar pada observasi

yang memiliki varians residu lebih besar, dibanding dengan

observasi yang memiliki varians residu lebih kecil. Estimasi dengan

menggunakan OLS akan tetap menghasilkan estimator yang

unbiased dan konsisten, tetapi tidak efisien karena tidak memiliki

varians yang minimum (varians over estimated) (Ekananda, 2015:

111).

Penelitian menggunakan Uji Heterokedastisitas dengan metode

Log Breusch Pagan/Godfrey. Metode Log Breusch Pagan/Godfrey

(1985,372), uji didasarkan pada hipotesa:

H1: �̌�𝑖2 = ℎ(𝑧′𝑎) = ℎ (𝑎1 + 𝑧𝑖

∗′𝑎∗

) (3.9)

Dimana z adalah vektor dari variabel independen. Matriks zt’

didefinisikan sebagai matriks observasi pada (1,zi*’) = (1, zi2, z i3,

zi4,.....zis) adalah vektor variabel eksplanatori dan α’=(α,α*’) = (α,α2,

α3, α4,.....αS).

Dapat dinyatakan sebagai berikut:

H0:θ = 0 disebut varians residual adalah homoskedastik atau jika

nilai prob. Chi-squares > 0,05.

H1:θ ≠ 0 disebut varians residual adalah heteroskedastik atau jika

nilai prob. Chi-squares < 0,05.

53

c. Uji Autokorelasi

Asumsi klasik tentang regresi linear mensyaratkan tidak ada

autokorelasi, yaitu E (εiεj) = 0, i ≠ j, tetapi pada autokorelasi E (εiεj)

≠ 0, i ≠ j. Akibat autokorelasi, OLS tidak menghasilkan estimasi

BLUE. Nilai standar error hasil estimasi OLS akan lebih kecil

dibandingkan dengan standar error yang sebenarnya. Sehingga ada

kecenderungan untuk menolak hipotesa nol. Perlu uji autokorelasi

untuk memastikan tidak ada hubungan antara residu pada off

diagonal (Ekananda, 2015: 141).

Penelitian menggunakan Breusch-Godfrey Serial Correlation

LM Test. Hasil yang harus diperhatikan adalah perbandingan antara

nilai Probability dari Obs*R-square dengan nilai Chi-squared (Ӽ2),

dimana nilai Obs*R-square harus lebih besar dari nilai Chi-squared.

Dengan begitu, H0 ditolak dan adanya autokorelasi (jika prob < 0,05

model regresi mengandung autokorelasi). Uji Breusch-Godfrey (BG)

Test dengan meregres variabel pengganggu ut menggunakan

autoregresive model (Ekananda, 2015: 144):

𝑢𝑡 = 𝜌1. 𝑢𝑡−1 + 𝜌2. 𝑢𝑡−2 + 𝜌3. 𝑢𝑡−3 + ⋯ + 𝜌𝑝. 𝑢𝑡−𝑝 + 휀𝑡 (3.10)

Pengujian dilakukan ketika estimator dari metode OLS masih

linier, tidak bias tetapi juga tidak mempunyai varian yang minimum

sebagai salah satu konsekuensi masalah autokorelasi. Ada tahapan

yang dilakukan untuk mengobatinya, yaitu metode diferensi tingkat

pertama (first difference).

Metode ini dilakukan pada struktur autokorelasi yang tidak

diketahui. Karena itu harus ditemukan cara untuk mengestimasi nilai

ρ yang tidak diketahui. Nilai ρ terletak antara -1 ≤ ρ ≥ 1. Jika nilai ρ

±1 maka model mengandung autokorelasi baik positif atau negatif.

Masalah tersebut diselesaikan pada persamaan sebagai berikut

(Widarjono, 2017: 147)

∆𝑌𝑡 = 𝛽1∆𝑋𝑡 + 𝜐𝑡 (3.11)

Dimana Δ adalah diferensi dan 𝜐𝑡 = ℯ𝑡 − ℯ𝑡−1

54

Residual 𝜐𝑡 tersebut terbebas dari masalah autokorelasi. Dari

transformasi first difference ini tidak lagi mempunyai intersep atau

konstanta dalam model. Konstanta dapat dicari dengan memasukkan

variabel tren (T) di dalam model aslinya.

3. Analisis Data Panel

Didalam teori ekonometrika, proses penyatuan data antar waktu

(time series) dan data antar individu (cross-section) disebut pooling.

Sedangkan data yang dihasilkan disebut pooled data atau panel data atau

longitudinal data. Menerapkan proses estimasi data panel kedalamnya,

secara bersamaan akan dapat diestimasi karakteristik individu yang

mencerminkan dinamika antar waktu dari masing-masing variabel bebas

tersebut. Dengan demikian, analisa hasil estimasi mencakup hal-hal

mendekati realita (Ekananda, 2015: 369).

Beberapa keuntungan menggunakan metode estimasi panel data

adalah sebagai berikut (Hakim, 2014: 245):

a. Jumlah observasi data yang besar.

b. Meningkatnya derajat bebas.

c. Berkurangnya kolinearitas antar variabel-variabel penjelas.

d. Meningkatnya efisiensi dari penaksiran ekonometris.

e. Estimasi parameter yang lebih reliable dan lebih lebih stabil

Secara umum, penggunaan data panel akan menghasilkan intersep

dan slope koefisien yang berbeda pada setiap perusahaan dalam setiap

periode waktu. Karena itu, hasilnya sangat tergantung dari asumsi yang

kita buat tentang intersep, koefisien slope dan variabel gangguannya.

Dalam menganalisis metode data panel, model yang digunakan

dalam mengestimasi terdiri dari tiga estimasi, yaitu:

a. Model Common Effect

Model itu disebut juga Pooled Least Square Model dengan

struktur model, dimana estimator akan menghasilkan intersep α dan

slope β sama untuk setiap individu (α1=α2=α3=...=αi dan

βk1=βk2=βk3=...=βki). Struktur model mengasumsikan tidak adanya

55

perbedaaan karakteristik selama waktu observasi. Model utama pada

common effect yaitu (Ekananda, 2015: 370):

𝑌𝑖,𝑡 = 𝛼 + 𝛽1𝑋1𝑖,𝑡+ 𝛽2𝑋2𝑖,𝑡

+ 𝛽3𝑋3𝑖,𝑡+ 𝛽4𝑋4𝑖,𝑡

+ 휀𝑖,𝑡 (3.12)

Jika kita perhatikan struktur model, hubungan antar

persamaan terletak pada penggunaan bersama intersep dan slope

variabel independen antar persamaan. Peneliti menggunakan

persamaan ini dengan asumsi tidak ada heterogenitas dan dampak

yang sama yang berlaku untuk semua individu dalam berbagai kurun

waktu.

b. Model Fixed Effect

Model Fixed Effect adalah model yang memperhatikan

adanya keberagaman (heterogenitas) dari variabel independen

menurut individu. Keberagaman individu ditangkap melalui intersep

α yang berbeda untuk setiap individu. Dampak dari setiap variabel

independen dipertahankan sama untuk setiap individu sepanjang

waktu observasi. Dengan kata lain, (α1≠α2≠α3≠...≠αi dan

βk1=βk2=βk3=...=βki). Penggunaan kata fixed pada metode ini untuk

menunjukkan bahwa faktor penyebab heterogenitas di setiap

individu, diasumsikan tetap sesuai dalam waktu observasi peneliti.

Untuk memilah heterogenitas antar individu, maka digunakan

konsep variabel dummy untuk menangkap adanya perbedaan

intersep. Karena fungsi variabel dummy pada model ini diperlukan

untuk mengelompokkan data menurut kelompok perusahaan.

Penggunaan dummy membuat estimator model ini dikenal dengan

sebutan least square dummy variable (LSDV). Struktur metode ini

mengasumsikan adanya pengaruh yang konstan dari error term.

Model utama pada fixed effect yaitu (Ekananda , 2015: 371):

𝑌𝑖,𝑡 = 𝛼𝑖 + 𝛽1𝑋1𝑖,𝑡+ 𝛽2𝑋2𝑖,𝑡

+ 𝛽3𝑋3𝑖,𝑡+ 𝛽4𝑋4𝑖,𝑡

+ 휀𝑖,𝑡 (3.13)

Jika kita perhatikan struktur model, hubungan antara

persamaan terletak pada penggunaan slope variabel independen,

56

sedangkan intersep berbeda antar persamaan. Peneliti menggunakan

persamaan ini selain mengasumsikan adanya heterogenitas juga

bertujuan untuk mendapatkan dampak yang sama bagi semua

individu.

c. Model Random Effect

Akibat keterbatasan Fixed Effect Model (FEM), estimator

dapat diatasi dengan menggunakan variabel gangguan (error terms),

yang akan muncul pada model estimasi dengan slope dan intersep

berbeda antar individu dan antar waktu. Metode itu mengasumsikan

adanya pengaruh yang tidak konstan dari error term. Setiap

persamaan mempertimbangkan karakteristik individu, karena pada

model ini kita mengestimasi data panel, dimana variabel gangguan

mungkin saling berhubungan antar waktu dan antar individu.

Penentuan nilai α dan β didasarkan pada asumsi, intersep α

terdistribusi random antar unit μi. Dengan kata lain, slope memiliki

nilai yang tetap, tetapi intersep adalah variabel random atau stokastik

yang bervariasi untuk setiap individu. Pembahasan mengenai model

efek random ini dimulai melalui persamaan umum model, yaitu

(Ekananda, 2015: 397):

𝑦𝑖𝑡 = 𝛼 + 𝛽′𝑥𝑖𝑡 + 𝜇𝑖 + 휀𝑖𝑡 (3.14)

Dengan perkataan lain, unsur μ adalah unsur acak yang

terjadi pada efek individu. Hal itu berbeda pada fixed effect, dimana

efek dari individu tetap untuk setiap waktu (artinya tidak memiliki

keacakan). Model random effect adalah model yang

mempertimbangkan kondisi acak (terdistribusi normal) antara rata-

rata dengan karakteristik individu yang bersifat random.

4. Uji Penentuan Model dalam Regresi Data Panel

Untuk menentukan model mana yang tepat untuk digunakan

sesuai dengan penelitian data panel peneliti, sejumlah pengujian yang

dilakukan sebagai berikut (Widarjono, 2017: 362):

57

a. Uji Chow

Uji Chow merupakan langkah awal, setelah melakukan

regresi dua model yaitu model dengan asumsi slope dan intersep

sama dan model dengan asumsi slope sama tetapi berbeda intersep.

Mana yang lebih baik? Uji ini untuk memilih apakah model common

effect atau model fixed effect yang paling tepat digunakan. Dengan

demikian, muncul hipotesis sebagai berikut:

H0: Intersep adalah sama (common effect adalah model yang tepat)

H1: Intersep adalah tidak sama (fixed effect adalah model yang tepat)

Penentuan hipotesa diatas dilakukan melalui pengujian

dengan uji F statistik. Uji F statistik menghasilkan nilai Fkritis dan Fuji

untuk saling dibandingkan. Bila hasil dari Fkritis lebih besar (>) dari

Fuji maka diterima H0. Bila sebaliknya, hasil dari Fkritis lebih kecil (<)

dari Fuji maka ditolaknya H0 (Hakim, 2014: 259).

Perhitungan Fkritis dicari dengan informasi db numerator = m,

db denominator = n – k, dan tingkat signifikasi (α =5%). Atau

didapat dari:

𝐹𝑘𝑟𝑖𝑡𝑖𝑠 = ⌊𝛼 ∶ 𝑑𝑓(𝑛 − 1, 𝑛𝑡 − 𝑛 − 𝑘)⌋ (3.15)

Sedangkan perhitungan Fuji disertai dengan rumus

(Ekananda,2015:384):

𝐹𝑛−1,𝑛𝑡−𝑛−𝑘 = (𝑆𝑆𝐸1−𝑆𝑆𝐸2)/(𝑛−1)

𝑆𝑆𝐸2/(𝑛𝑡−𝑛−𝑘) (3.16)

Keterangan:

SSE1: Sum of Squared Residuals dari model Common Effect

sebagai restricted model.

SSE2: Sum of Squared Residuals dari model Fixed Effect sebagai

unrestricted model.

k: jumlah variabel bebas

t: jumlah waktu observasi

n: jumlah persamaan/individual

58

Selain itu, bisa juga dihitung melalui nilai probabilitas. Bila

nilai probability lebih kecil (<) dari 0,05 maka menolak H₀ dan

menerima H1, dan model yang lebih tepat adalah fixed effect.

Sebaliknya bila nilai probability lebih besar (>) dari 0,05 maka

menerima H₀ dan menolak H1, dan model yang lebih tepat adalah

Common Effect.

b. Uji Hausman

Uji ini dilakukan untuk memilih model yang tepat dengan

mempertimbangkan adanya pengaruh yang konstan (fixed effect) dan

pengaruh dari gangguan (error terms), yang selalu bersifat acak

(random effect). Uji yang dikembangkan oleh Hausman didasari

bahwa LSDV di dalam model fixed effect dan GLS di dalam model

random effect adalah efisien, sedangkan model OLS adalah tidak

efisien (Widarjono, 2017: 364). Hipotesis yang muncul dalam

pengujian uji Hausman adalah:

H0 : Random effect Model (tidak terdapat hubungan antar efek

individu dengan variabel bebas).

H1 : Fixed Effect Model (efek individual berkorelasi dengan

variabel bebas).

Penolakan terhadap statistik Hausman berarti penolakan

terhadap fixed effect model atau dummy variabel. Semakin besar nilai

statistik Hausman, semakin besar penerimaan dugaan component

model. Maka penerapan uji chi square didasarkan pada (Ekananda,

2015: 405):

𝜒(𝐾) = [𝑏 − 𝛽]′ Σ−1[𝑏 − 𝛽] (3.17)

Dimana:

K: Jumlah parameter

b: Parameter (tanpa intersep) random effect

β: Parameter fixed effect menggunakan LSDV

Jika chi-squarehitung lebih besar (>) dari chi-squaretabel maka

H0 ditolak, dan digunakannya fixed effect model. Jika chi-squarehitung

59

lebih kecil (<) chi squaretabel maka H0 diterima. Dan digunakan

random effect model (Hakim, 2014: 259).

5. Uji Hipotesis

Uji hipotesis adalah suatu prosedur untuk membuktikan

kebenaran sifat populasi berdasarkan data sampel. Berikut cara pengujian

kebenaran hipotesis dari data sampel (Widarjono, 2017: 42):

a. Uji Koefisien Determinasi (R2)

Koefisien determinasi (R2) digunakan untuk menjelaskan

seberapa besar proporsi variasi variabel dependen dijelaskan oleh

variabel independen (Widarjono, 2017: 69). Muncul persoalan pada

definisi determinasi yang memberi implikasi, jika kita menambahkan

variabel lain ke dalam model menyebabkan R2 meningkat.

Interpretasi R2 lebih tepat untuk regresi linear sederhana yang terdiri

dari satu buah variabel independen. Pada regresi linear berganda

dengan lebih dari satu variabel independen menimbulkan

kecenderungan nilai R2 selalu meningkat, jika ditambahkan pada

lebih banyak variabel independen. Hal itu tidak masuk akal,

sehingga perlu dilakukan penyesuaian terhadap R2 yang disebut

sebagai adjusted R2 (Ekananda, 2015: 62).

Koefisien determinasi yang disesuaikan (Adj. R2) diartikan

sebagai koefisien estimator telah dikoreksi sesuai dengan jumlah

variabel dan ukuran sampel yang digunakan pada penelitian. Karena

dalam penelitian, tidak boleh membandingkan dua model dengan

jumlah variabel independen yang berbeda atau hanya mengandalkan

nilai R2. Penggunaan adjusted R square pada penelitian ini

menggunakan rumus sebagai berikut (Ekananda, 2015: 63):

𝐴𝑑𝑗 𝑅2 = 1 − (𝑇 − 1)}/(𝑇 − 𝐾)}(1 − 𝑅2) (3.18)

b. Uji Parsial (Uji t)

Uji t atau disebut juga uji hipotesis signifikansi dari

parameter individual merupakan suatu prosedur, yang mana hasil

sampel dapat digunakan untuk verifikasi kebenaran atau kesalahan

60

hipotesis nol (H0). Student t statistic digunakan untuk menguji

parameter hasil estimasi (unrestricted) terhadap suatu nilai tertentu

(restricted). Pengujian terhadap parameter (koefisien) hasil dari

estimasi menggunakan uji dua arah statistik t (Ekananda, 2015: 63).

Hipotesis yang digunakan dalam pengujian ini yaitu:

H0:β1 = 0, dengan artinya variabel-variabel independen tidak

berpengaruh secara signifikan terhadap variabel dependen.

H0: β1 ≠ 0, dengan artinya variabel-variabel independen berpengaruh

secara signifikan terhadap variabel dependen.

Pengujian nilai parameter menggunakan (Ekananda, 2015: 65):

𝑡𝑢𝑗𝑖 =�̂�𝑘−𝛽𝑘

�̂�√𝑎𝑘 (3.19)

Dimana �̂�𝑘 adalah parameter hasil estimasi; βk adalah parameter

restriksi; k adalah parameter ke-k; αk adalah nilai diagonal ke baris

k, kolom k; dan �̂�2 adalah estimasi varians E. Pengukuran tuji

dibandingkan dengan ttabel (α ; df = n-k).

Dasar pengambilan keputusan untuk menjawab hipotesis

diatas. Tersebut sebagai berikut:

• Bila ttabel > tuji atau angka probabilitas signifikan > 0,05 maka H0

diterima dan Ha ditolak.

• Bila ttabel < tuji atau angka probabilitas signifikan < 0,05 maka H0

ditolak dan Ha diterima.

c. Uji Simultan (Uji F)

Uji F atau disebut juga uji bersama (overall test) merupakan

tingkat evaluasi pengaruh semua variabel independen terhadap

variabel dependen. Uji F digunakan untuk uji signifikansi model. Uji

statistik F digunakan untuk menguji parameter hasil estimasi

(unrestricted) terhadap suatu nilai tertentu (restricted), namun

pengujian standar yang dilakukan pada sebagian besar software

statistik adalah menguji beberapa parameter hasil estimasi

(unrestricted) terhadap nilai-nilai tersebut sama dengan nol

(restricted) (Ekananda, 2015: 67).

61

Hipotesis yang digunakan dalam pengujian ini yaitu:

H0: β1,β2,β3,β4 = 0, artinya variabel independen tidak berpengaruh

secara signifikan terhadap variabel dependen.

H1: β1,β2,β3,β4 ≠ 0, artinya variabel independen berpengaruh secara

signifikan terhadap variabel dependen.

Pengujian nilai parameter menggunakan (Ekananda, 2015: 68):

𝐹𝑢𝑗𝑖 =𝑅2/(𝐾−1)

(1−𝑅2)/(𝑇−𝐾) (3.20)

Dimana R2 adalah koefisien determinasi; K adalah jumlah

parameter; T adalah jumlah data. Pengukuran Fuji dibandingkan

dengan Ftabel (α ; n-k; k-1).

Dasar pengambilan keputusan untuk menjawab hipotesis

diatas, sebagai berikut:

• Bila Fuji > Ftabel atau angka probabilitas signifikan > 0,05 maka H0

ditolak dan Ha diterima.

• Bila Fuji < Ftabel atau angka probabilitas signifikan < 0,05 maka H0

diterima dan Ha ditolak.

6. Model Empiris

Setelah dilakukan berbagai uji model, maka model regresi data panel

dalam penelitian ini sebagai berikut:

𝒀𝒊𝒕 = 𝜶𝒊 + 𝜷𝟏𝑿𝟏𝒊𝒕 + 𝜷𝟐𝑿𝟐𝒊𝒕 + 𝜷𝟑𝑿𝟑𝒊𝒕 + 𝜷𝟒𝑿𝟒𝒊𝒕 + 𝜺𝒊𝒕 + 𝝁𝒊 (3.21)

62

BAB IV

HASIL DAN PEMBAHASAN

A. TEMUAN HASIL PENELITIAN

1. Deskripsi Variabel Penelitian

Variabel yang digunakan pada penelitian ini terdiri dari Non

Performing Financing sebagai variabel dependen, Financing to Deposit

Ratio, Capital Adequancy Ratio, Net Operating Margin dan Kualitas

Aktiva Produktif sebagai variabel independen dengan rentang waktu

penelitian periode 2014-2018. Berikut penjabaran variabel yang

digunakan dalam penelitian ini:

a. Non Performing Financing

Tabel 4. 1

Perkembangan NPF 6 BUS BUKU 2 periode 2014-2018

(dalam persen)

Tahun

Bank

2014 2015 2016 2017

2018

Bank Mega

Syariah

Q1 3,22 Q1 4,33 Q1 4,18 Q1 3,43 Q1 2,84

Q2 3,48 Q2 4,86 Q2 4,16 Q2 3,20 Q2 2,63

Q3 3,77 Q3 4,78 Q3 3,74 Q3 2,14 Q3 2,46

Q4 3,89 Q4 4,26 Q4 3,30 Q4 2,95 Q4 2,15

Bank

Muamalat

Q1 2,11 Q1 6,34 Q1 6,07 Q1 4,56 Q1 4,76

Q2 3,30 Q2 4,93 Q2 7,23 Q2 4,95 Q2 1,65

Q3 5,96 Q3 4,64 Q3 4,43 Q3 4,54 Q3 2,98

Q4 6,55 Q4 7,11 Q4 3,82 Q4 4,43 Q4 3,87

Bank Panin

Dubai

Syariah

Q1 1.03 Q1 0,88 Q1 2,70 Q1 2,28 Q1 11,26

Q2 0,76 Q2 0,91 Q2 2,70 Q2 3,80 Q2 8,45

Q3 0,81 Q3 1,76 Q3 2,87 Q3 4,46 Q3 4,79

63

Tahun

Bank

2014 2015 2016 2017

2018

Q4 0,53 Q4 2,63 Q4 2,26 Q4 12,52 Q4 4,81

BCA

Syariah

Q1 0,15 Q1 0,92 Q1 0,59 Q1 0,48 Q1 0,35

Q2 0,14 Q2 0,60 Q2 0,55 Q2 0,53 Q2 0,73

Q3 0,14 Q3 0,60 Q3 1,10 Q3 0,32 Q3 0,54

Q4 0,10 Q4 0,70 Q4 0,50 Q4 0,35 Q4 0,35

BNI

Syariah

Q1 1,96 Q1 2,22 Q1 2,77 Q1 3,16 Q1 3,18

Q2 2,00 Q2 2,42 Q2 2,80 Q2 3,38 Q2 3,04

Q3 1,99 Q3 2,54 Q3 3,03 Q3 3,29 Q3 3,08

Q4 1,86 Q4 2,53 Q4 2,94 Q4 2,89 Q4 2,93

BRI

Syariah

Q1 4,04 Q1 4,96 Q1 4,84 Q1 4,71 Q1 4,92

Q2 4,38 Q2 5,31 Q2 4,87 Q2 4,82 Q2 5,13

Q3 4,79 Q3 4,90 Q3 5,22 Q3 4,82 Q3 5,30

Q4 4,60 Q4 4,86 Q4 4,57 Q4 6,43 Q4 6,73

Sumber: Data sekunder diolah

Tabel 4.1 persentase besarnya rasio NPF yang dipublikasi

oleh masing-masing bank periode 2014-2018 yang menjadi sampel

dalam penelitian ini.

Disimpulkan, pada tahun 2014 nilai tertinggi dimiliki Bank

Muamalat sebesar 6,55% pada kuartal empat dan nilai terendah

dimiliki BCA Syariah sebesar 0,10% pada kuartal empat. Nilai rata-

rata persentase sebesar 2,631%.

Pada tahun 2015, nilai tertinggi dimiliki Bank Muamalat

sebesar 7,11% pada kuartal empat dan nilai terendah dimiliki BCA

Syariah sebesar 0,60% pada kuartal dua dan tiga. Nilai rata-rata

persentase sebesar 3,332%.

Pada tahun 2016, nilai tertinggi dimiliki Bank Muamalat

sebesar 7,23% pada kuartal dua dan nilai terendah dimiliki BCA

64

Syariah sebesar 0,50% pada kuartal dua. Nilai rata-rata persentase

rasio NPF sebesar 3,385%.

Pada tahun 2017, nilai tertinggi dimiliki Bank Panin Dubai

Syariah sebesar 12,52% pada kuartal empat dan nilai terendah

dimiliki BCA Syariah sebesar 0,32% pada kuartal tiga. Nilai rata-

rata rasio NPF sebesar 3,685%.

Pada tahun 2018 nilai tertinggi dimiliki Bank Panin Dubai

Syariah sebesar 11,26% pada kuartal satu dan nilai terendah dimiliki

BCA Syariah sebesar 0,35% pada kuartal empat. Nilai rata-rata

persentase rasio NPF sebesar 3,705%.

Tingkat persentase rata-rata rasio NPF setiap BUS, yakni

Bank Mega Syariah sebesar 3,538%, Bank Muamalat sebesar

4,711%, Bank Panin Dubai Syariah sebesar 3,610%, BCA Syariah

dengan nilai terendah rasio NPF sebesar 0,494%, BNI Syariah

sebesar 2,700%. Tingkat persentase rata-rata rasio NPF terbesar

dimiliki Bank BRI Syariah sebesar 5,010%.

b. Financing to Deposit Ratio (FDR)

Tabel 4. 2

Perkembangan FDR 6 BUS BUKU 2 periode 2014-2018

(dalam persen)

Tahun

Bank

2014 2015 2016 2017

2018

Bank

Mega

Syariah

Q1 95,53 Q1 95,21 Q1 95,85 Q1 97,56 Q1 94,26

Q2 95,68 Q2 94,92 Q2 95,97 Q2 96,06 Q2 92,49

Q3 90,50 Q3 98,86 Q3 98,13 Q3 91,57 Q3 94,35

Q4 93,61 Q4 98,49 Q4 95,24 Q4 91,05 Q4 90,88

Bank

Muamalat

Q1 105,4 Q1 95,11 Q1 97,30 Q1 90,93 Q1 88,41

Q2 96,78 Q2 99,05 Q2 99,11 Q2 89,00 Q2 84,37

65

Tahun

Bank

2014 2015 2016 2017

2018

Q3 98,81 Q3 96,09 Q3 96,47 Q3 86,14 Q3 79,03

Q4 84,14 Q4 90,30 Q4 95,13 Q4 84,41 Q4 72,18

Bank

Panin

Dubai

Syariah

Q1 112,84 Q1 93,27 Q1 94,03 Q1 90,34 Q1 87,90

Q2 140,97 Q2 97,58 Q2 89,60 Q2 92,48 Q2 88,77

Q3 111,93 Q3 96,10 Q3 89,14 Q3 94,25 Q3 93,44

Q4 94,04 Q4 96,43 Q4 91,99 Q4 86,95 Q4 88,82

BCA

Syariah

Q1 89,53 Q1 100,11 Q1 92,76 Q1 83,44 Q1 88,99

Q2 91,17 Q2 94,13 Q2 99,60 Q2 91,51 Q2 91,15

Q3 93,02 Q3 102,09 Q3 97,60 Q3 88,70 Q3 89,43

Q4 91,20 Q4 91,40 Q4 90,12 Q4 88,49 Q4 88,99

BNI

Syariah

Q1 96,67 Q1 90,10 Q1 86,26 Q1 82,32 Q1 71,98

Q2 98,98 Q2 96,65 Q2 86,92 Q2 84,44 Q2 77,42

Q3 94,32 Q3 89,65 Q3 85,79 Q3 81,40 Q3 80,03

Q4 92,60 Q4 91,94 Q4 84,57 Q4 80,21 Q4 79,62

BRI

Syariah

Q1 102,13 Q1 88,24 Q1 82,73 Q1 77,56 Q1 68,70

Q2 95,14 Q2 92,05 Q2 87,92 Q2 76,79 Q2 77,78

Q3 94,85 Q3 86,61 Q3 83,98 Q3 73,14 Q3 76,40

Q4 93,90 Q4 84,16 Q4 81,47 Q4 71,87 Q4 75,49

Sumber: Data sekunder diolah

Tabel 4.2 menginformasikan besarnya persentase rasio FDR

yang dipublikasi masing-masing bank dalam periode 2014-2018,

yang menjadi sampel dalam penelitian ini.

Disimpulkan, pada tahun 2014 nilai tertinggi dimiliki Bank

Panin Dubai Syariah sebesar 140,97% pada kuartal dua dan nilai

terendah dimiliki Bank Muamalat sebesar 84,14% pada kuartal

empat. Nilai rata-rata persentase rasio FDR sebesar 98,072%.

66

Pada tahun 2015, nilai tertinggi dimiliki BCA Syariah

sebesar 102,09% pada kuartal tiga dan nilai terendah dimiliki BRI

Syariah sebesar 84,16% pada kuartal empat. Nilai rata-rata

persentase rasio FDR sebesar 94,105%.

Pada tahun 2016, nilai tertinggi dimiliki BCA Syariah

sebesar 99,60% pada kuartal dua dan nilai terendah dimiliki BRI

Syariah sebesar 81,47% pada kuartal empat. Nilai rata-rata

persentase rasio FDR sebesar 91,570%.

Pada tahun 2017, nilai tertinggi dimiliki Bank Mega Syariah

sebesar 97,56% pada kuartal satu dan nilai terendah dimiliki BRI

Syariah sebesar 71,87% pada kuartal empat. Dengan tingkat

persentase rata-rata rasio FDR sebesar 86,275%.

Pada tahun 2018 nilai tertinggi dimiliki Bank Mega Syariah

sebesar 94,35% pada kuartal tiga dan nilai terendah dimiliki BNI

Syariah sebesar 71,98% pada kuartal satu. Dengan nilai rata-rata

persentase rasio FDR sebesar 84,203%.

Tingkat persentase rata-rata rasio FDR setiap BUS, yakni

Bank Mega Syariah sebesar 94,810%, Bank Muamalat sebesar

91,408%, Bank Panin Dubai Syariah terbesar 96,543%, BCA

Syariah sebesar 92,171% dan diikuti BNI Syariah sebesar 86,593%.

Tingkat persentase rata-rata rasio NPF terkecil dimiliki Bank BRI

Syariah sebesar 83,545%.

c. Capital Adequancy Ratio (CAR)

Tabel 4. 3

Perkembangan CAR 6 BUS BUKU 2 periode 2014-2018

(dalam persen)

Tahun

Bank

2014 2015 2016 2017 2018

Bank

Mega

Syariah

Q1 15,28

Q1 15,62

Q1 22,22

Q1 25,76

Q1 23,41

Q2 15,93

Q2 16,54

Q2 22,86

Q2 20,89

Q2 22,91

67

Tahun

Bank

2014 2015 2016 2017 2018

Q3 16,34

Q3 17,81

Q3 22,97

Q3 21,94

Q3 21,38

Q4 18,82

Q4 18,74

Q4 23,53

Q4 22,19

Q4 20,54

Bank

Muamalat

Q1 17,64

Q1 14,61

Q1 12,10

Q1 12,83

Q1 10,16

Q2 16,31

Q2 13,60

Q2 12,78

Q2 12,94

Q2 15,92

Q3 13,51

Q3 13,71

Q3 12,75

Q3 11,58

Q3 12,12

Q4 13,91

Q4 12,36

Q4 12,74

Q4 13,62

Q4 12,34

Bank

Panin

Dubai

Syariah

Q1 31,15

Q1 24,71

Q1 19,80

Q1 18,04

Q1 27,09

Q2 25,52

Q2 21,17

Q2 19,73

Q2 16,41

Q2 27,74

Q3 26,16

Q3 21,44

Q3 19,89

Q3 16,83

Q3 25,97

Q4 25,69

Q4 20,30

Q4 18,17

Q4 11,51

Q4 23,15

BCA

Syariah

Q1 21,68

Q1 25,53

Q1 39,16

Q1 35,26

Q1 24,27

Q2 21,83

Q2 23,56

Q2 37,93

Q2 30,99

Q2 25,00

Q3 35,18

Q3 36,60

Q3 37,10

Q3 31,99

Q3 24,80

Q4 29,60

Q4 34,30

Q4 36,78

Q4 29,39

Q4 24,70

BNI

Syariah

Q1 15,67

Q1 15,40

Q1 15,85

Q1 14,44

Q1 19,42

Q2 14,53

Q2 15,11

Q2 15,56

Q2 14,33

Q2 19,24

Q3 19,35

Q3 15,38

Q3 15,82

Q3 14,9

Q3 19,22

Q4 18,43

Q4 15,48

Q4 14,92

Q4 20,14

Q4 19,31

BRI

Syariah

Q1 14,15

Q1 13,22

Q1 14,66

Q1 21,14

Q1 23,64

Q2 13,99

Q2 11,03

Q2 14,06

Q2 20,38

Q2 29,31

Q3 13,86

Q3 13,82

Q3 14,30

Q3 20,98

Q3 29,79

Q4 12,89

Q4 13,94

Q4 20,63

Q4 20,29

Q4 29,72

Sumber: Data sekunder diolah

68

Tabel 4.3 menginformasikan besaran persentase rasio CAR

yang dipublikasi masing-masing bank selama periode 2014-2018

yang menjadi sampel dalam penelitian ini.

Disimpulkan pada tahun 2014 nilai tertinggi dimiliki BCA

Syariah sebesar 35,18% pada kuartal tiga dan nilai terendah dimiliki

BRI Syariah sebesar 12,89% pada kuartal empat. Nilai rata-rata

persentase rasio CAR sebesar 19,475%.

Pada tahun 2015, nilai tertinggi dimiliki BCA Syariah

sebesar 36,60% pada kuartal tiga dan nilai terendah dimiliki BRI

Syariah sebesar 11,03% pada kuartal dua. Rasio CAR memiliki nilai

rata-rata persentase sebesar 18,499%.

Pada tahun 2016, nilai tertinggi dimiliki BCA Syariah

sebesar 39,16% pada kuartal satu dan nilai terendah dimiliki Bank

Muamalat sebesar 12,10% pada kuartal satu. Rata-rata persentase

rasio CAR senilai 20,679%.

Pada tahun 2017, nilai tertinggi dimiliki BCA Syariah

sebesar 35,26% pada kuartal satu dan nilai terendah dimiliki Bank

Panin Dubai Syariah sebesar 11,51% pada kuartal empat. Tingkat

persentase rata-rata rasio CAR senilai 19,948%.

Pada tahun 2018, nilai tertinggi dimiliki BRI Syariah sebesar

29,79% pada kuartal tiga dan nilai terendah dimiliki Bank Muamalat

sebesar 10,16% pada kuartal satu. Nilai rata-rata persentase rasio

CAR sebesar 22,131%.

Tingkat persentase rata-rata rasio CAR setiap BUS, yakni

Bank Mega Syariah sebesar 20,284%, Bank Muamalat sebesar

13,376%, Bank Panin Dubai Syariah sebesar 22,023%, BCA Syariah

memiliki rasio CAR terbesar yaitu 30,282%, berbanding terbalik

pada BNI Syariah sebesar 16,625%, Bank BRI Syariah sebesar

18,290%.

69

d. Net Operating Margin (NOM)

Tabel 4. 4

Perkembangan NOM 6 BUS BUKU 2 periode 2014-2018

(dalam persen)

Tahun

Bank

2014 2015 2016 2017 2018

Bank

Mega

Syariah

Q1 1,43

Q1 -1,45

Q1 4,96

Q1 1,44

Q1 0,60

Q2 0,63

Q2 -1,39

Q2 2,95

Q2 1,35

Q2 0,62

Q3 0,27

Q3 -1,05

Q3 2,36

Q3 1,26

Q3 0,57

Q4 0,32

Q4 -0,34

Q4 2,44

Q4 1,28

Q4 0,56

Bank

Muamalat

Q1 4,28

Q1 0,76

Q1 0,30

Q1 0,16

Q1 0,17

Q2 1,10

Q2 0,54

Q2 0,01

Q2 0,23

Q2 0,66

Q3 1,52

Q3 0,42

Q3 0,10

Q3 0,17

Q3 0,49

Q4 3,45

Q4 0,27

Q4 0,20

Q4 0,21

Q4 0,15

Bank

Panin

Dubai

Syariah

Q1 4,10

Q1 3,59

Q1 0,02

Q1 0,50

Q1 0,18

Q2 1,38

Q2 1,24

Q2 0,11

Q2 0,10

Q2 0,17

Q3 0,90

Q3 0,78

Q3 0,14

Q3 0,001

Q3 -0,64

Q4 1,36

Q4 0,86

Q4 0,05

Q4 -11,57

Q4 0,05

BCA

Syariah

Q1 0,90

Q1 0,73

Q1 0,79

Q1 1,03

Q1 1,24

Q2 0,70

Q2 0,84

Q2 0,94

Q2 1,09

Q2 1,20

Q3 0,68

Q3 0,87

Q3 1,00

Q3 1,19

Q3 1,18

Q4 0,80

Q4 1,00

Q4 1,15

Q4 1,24

Q4 1,24

BNI

Syariah

Q1 0,71

Q1 0,52

Q1 1,30

Q1 0,73

Q1 0,54

Q2 0,39

Q2 0,61

Q2 1,18

Q2 0,77

Q2 0,78

Q3 0,30

Q3 0,43

Q3 1,03

Q3 0,69

Q3 0,80

Q4 0,48

Q4 0,67

Q4 1,01

Q4 0,76

Q4 0,81

70

Tahun

Bank

2014 2015 2016 2017 2018

BRI

Syariah

Q1 6,09

Q1 7,00

Q1 0,44

Q1 0,20

Q1 0,34

Q2 0,55

Q2 1,67

Q2 0,51

Q2 0,25

Q2 0,42

Q3 0,45

Q3 1,51

Q3 0,45

Q3 0,28

Q3 0,10

Q4 0,64

Q4 1,81

Q4 0,41

Q4 -0,21

Q4 -0,27

Sumber: Data sekunder diolah

Tabel 4.4 menunjukkan persentase besarnya rasio NOM yang

dipublikasi masing-masing bank selama periode 2014-2018 yang

menjadi sampel dalam penelitian ini.

Disimpulkan, pada tahun 2014 nilai tertinggi dimiliki BRI

Syariah sebesar 6,09% pada kuartal satu dan nilai terendah dimiliki

Bank Mega Syariah sebesar 0,27% pada kuartal tiga. Nilai rata-rata

persentase rasio NOM sebesar 1,392%.

Pada tahun 2015, nilai tertinggi dimiliki BRI Syariah sebesar

7,00% pada kuartal satu dan nilai terendah dimiliki Bank Mega

Syariah sebesar -1,45% pada kuartal satu. Persentase rasio NOM

rata-rata sebesar 0,912%.

Pada tahun 2016, nilai tertinggi dimiliki Bank Mega Syariah

sebesar 4,96% pada kuartal satu dan nilai terendah dimiliki Bank

Muamalat sebesar 0,01% pada kuartal dua. Rata-rata persentase rasio

NOM sebesar 0,993%.

Pada tahun 2017, nilai tertinggi dimiliki Bank Mega Syariah

sebesar 1,44% pada kuartal satu dan nilai terendah dimiliki Bank

Panin Dubai Syariah sebesar -11,57% pada kuartal empat. Tingkat

persentase rata-rata rasio NOM senilai 0,131%.

Pada tahun 2018, nilai tertinggi dimiliki BCA Syariah

sebesar 1,24% pada kuartal satu dan empat, dan nilai terendah

dimiliki Bank Panin Dubai Syariah sebesar -0,64% pada kuartal tiga.

Nilai rata-rata persentase rasio NOM sebesar 0,498%.

71

Tingkat persentase rata-rata rasio NOM setiap BUS, yakni

Bank Mega Syariah sebesar 0,940%, Bank Muamalat sebesar

0,759%, Bank Panin Dubai Syariah dengan nilai rata-rata NOM

terendah sebesar 0,166%, BCA Syariah memiliki rasio CAR terbesar

yaitu 0,990%, berbanding terbalik pada BNI Syariah sebesar

0,725%. Dengan rasio CAR rata-rata tertinggi dimiliki Bank BRI

Syariah sebesar 1,132%.

e. Kualitas Aktiva Produktif (KAP)

Tabel 4. 5

Perkembangan KAP 6 BUS BUKU 2 periode 2014-2018

(dalam jutaan rupiah)

Bank Mega

Syariah Muamalat

Bank Panin Dubai

Syariah

BCA Syariah

BNI Syariah

BRI SYariah

2014Q1 7.737.475 53.692.463 4.273.351 1.923.693 20.057.348 16.435.321

2014Q2 7.733.461 66.931.877 7.282.971 1.795.256 22.189.912 17.963.683

2014Q3 7.307.936 107.502.316 8.053.579 1.969.836 25.064.323 18.365.170

2014Q4 6.331.363 65.373.526 6.720.104 2.364.537 24.628.547 19.485.684

2015Q1 5.420.744 53.538.108 6.403.322 2.840.591 25.792.570 19.294.636

2015Q2 4.708.501 64.090.086 9.525.475 2.787.731 27.745.243 21.452.365

2015Q3 4.447.101 65.364.381 9.565.688 2.901.411 28.213.628 23.151.207

2015Q4 4.691.806 67.266.256 8.378.313 3.496.253 30.483.153 23.856.182

2016Q1 4.876.069 67.189.893 8.680.647 3.425.023 32.282.359 24.783.921

2016Q2 4.677.249 69.039.109 9.696.066 3.576.328 33.627.625 25.489.844

2016Q3 5.087.974 68.989.845 10.148.362 3.860.407 36.999.326 26.034.993

2016Q4 5.414.222 69.450.240 10.625.978 4.408.410 36.018.385 29.092.253

72

Bank Mega

Syariah Muamalat

Bank Panin Dubai

Syariah

BCA Syariah

BNI Syariah

BRI SYariah

2017Q1 5.266.326 75.105.620 10.575.196 4.094.478 38.750.615 28.624.125

2017Q2 5.736.452 75.772.047 11.855.203 4.596.316 41.264.461 31.734.338

2017Q3 5.478.325 77.422.734 11.421.659 4.567.872 41.708.130 32.071.607

2017Q4 6.234.172 83.503.840 10.860.060 5.426.071 43.066.357 34.878.816

2018Q1 5.816.603 73.943.681 10.820.327 5.451.481 45.294.815 37.216.800

2018Q2 5.810.208 72.171.121 11.004.003 5.927.367 47.337.724 40.332.122

2018Q3 5.891.316 67.910.717 10.836.229 5.976.590 50.252.628 39.703.082

2018Q4 6.246.015 70.573.608 11.801.088 6.588.922 52.117.260 40.145.908

Sumber: Data Sekunder Diolah

Tabel 4.5 menginformasikan besarnya jumlah KAP yang

dipublikasi masing-masing bank selama periode 2014-2018 yang

menjadi sampel dalam penelitian ini.

Disimpulkan, pada tahun 2014 jumlah KAP tertinggi dimiliki

Bank Muamalat sebesar Rp107.502.316 pada kuartal tiga dan jumlah

KAP terendah dimiliki BCA Syariah sebesar Rp1.795.256 pada

kuartal dua. Jumlah KAP rata-rata sebesar Rp21.715.989.

Pada tahun 2015, jumlah KAP tertinggi dimiliki Bank

Muamalat sebesar Rp67.189.893 pada kuartal empat dan jumlah

KAP terendah dimiliki BCA Syariah sebesar Rp2.787.731 pada

kuartal dua. Jumlah KAP rata-rata sebesar Rp20.922.773.

Pada tahun 2016, jumlah KAP tertinggi dimiliki Bank

Muamalat sebesar Rp69.450.240 pada kuartal empat dan jumlah

KAP terendah dimiliki BCA Syariah dengan Rp3.425.023 pada

kuartal satu. Jumlah KAP rata-rata sebesar Rp24.026.542.

Pada tahun 2017, jumlah KAP tertinggi dimiliki Bank

Muamalat dengan Rp83.503.840 pada kuartal empat dan jumlah

73

KAP terendah dimiliki BCA Syariah sebesar Rp4.094.478 pada

kuartal satu. Jumlah KAP rata-rata sebesar Rp27.543.958.

Pada tahun 2018, jumlah KAP tertinggi dimiliki Bank

Muamalat sebesar Rp73.943.681 pada kuartal satu dan jumlah KAP

terendah dimiliki BCA Syariah sebesar Rp5.451.481 pada kuartal

satu. Jumlah KAP rata-rata sebesar Rp30.236.089.

Jumlah nilai rata-rata pada Kualitas Aktiva Produktif setiap

BUS, yakni Bank Mega Syariah sebesar Rp5.745.666, Bank

Muamalat yang terbesar yaitu sebesar Rp70.741.573, Bank Panin

Dubai Syariah sebesar Rp9.426.381, BCA Syariah yang terkecil

yaitu sebesar Rp3.898.929, BNI Syariah sebesar Rp35.144.720,

Bank BRI Syariah sebesar Rp27.505.603.

2. Deskripsi Hasil Uji Instrumen Penelitian

a. Uji Stasioneritas

Pengujian untuk menghindari adanya sifat regresi lancung

(spurious regression), situasi dimana hasil regresi menunjukkan

koefisien regresi yang signifikan secara statistik dan nilai koefisien

determinasi yang tinggi, namun hubungan antara variabel dalam

model tidak saling berhubungan (Widarjono, 2017: 305). Uji

stasioner data dapat dilakukan dengan menggunakan uji akar unit

oleh Augemted Dickey Fuller (ADF) pada derajat yang sama (level

atau difference), sehingga diperoleh data yang stasioner. Hasil uji

stasioner dalam setiap variabel setelah ADF Test. Rinciannya

sebagai berikut:

74

Tabel 4. 6

Uji ADF Test tingkat Level

Variabel

6 Bank Umum Syariah periode 2014-2018

t-statistic Critical Values

Prob* Keterangan

5% 10%

NPF -3.017466 -2.885863 -2.579818 0.0361

Stasioner

FDR -4.730689 -2.885863 -2.579818 0.0001 Stasioner

CAR -2.927501 -2.885863 -2.579818 0.0452 Stasioner

NOM -8.794371 -2.885863 -2.579818 0.0000 Stasioner

KAP -2.037645 -2.885863 -2.579818 0.2706 Tidak

Stasioner

Sumber: Data sekunder diolah (Output Eviews 10.0)

Pada tabel 4.6 menunjukkan hasil dari perhitungan ADF Test

tingkat level dengan asumsi jika t-statistic > critical values, maka

variabel tersebut tidak stasioner. Jika t-statistic < critical values

dikatakan variabel tersebut stasioner. Selain melalaui t-statistic, bisa

dilihat melalui probability yang muncul. Jika nilai probability-nya <

0,05 maka dikatakan stasioner, jika berbanding dengan nilai

probability-nya > 0,05 maka dikatakan tidak stasioner. Dengan

demikian, variabel NPF dengan nilai t-statistic (-3,017466) lebih

kecil (<) daripada critical values 5% (-2,885863) atau nilai t-statistic

(-3,017466) lebih kecil (<) pada tingkat 10% (-2,579818) maka data

tersebut stasioner. Didukung tingkat probability 0,0361 lebih kecil

(<) 0,05. Selain itu, tiga variabel independen juga mengalami

stasioneritas yaitu FDR, CAR, dan NOM. Hal itu dapat dilihat pada

tabel 4.1 dimana masing-masing variabel memiliki nilai t-statistic <

critical values 5% atau 10% dan probability-nya < 0,05, sehingga

variabel dikatakan stasioner. Berbeda pada variabel KAP dengan

75

nilai t-statistic (-2,037645) lebih besar (>) dari nilai critical values

5% (-2,885863) atau nilai t-statistic (-2,037645) lebih besar (>) dari

nilai critical values 10% (-2,579818) dan tingkat probability 0,2706

lebih besar (>) 0,05 maka variabel tersebut tidak stasioner.

Karena terjadi variabel non stasioner, perlu ada tahapan

selanjutnya untuk memenuhi tingkat stasioneritas melalui proses

diferensi data. Dengan begitu, bisa dilakukan proses first difference

untuk melangkah ke tahap selanjutnya.

Tabel 4. 7

Uji ADF Test tingkat first difference

Variabel

6 Bank Umum Syariah periode 2014-2018

t-statistic Critical Values

Prob* Keterangan

5% 10%

NPF -10.66676 -2.886074 -2.579931

0.0000 Stasioner

FDR -10.02324 -2.886509 -2.580163 0.0000 Stasioner

CAR -13.13267 -2.886074 -2.579931 0.0000 Stasioner

NOM -10.38584 -2.886509 -2.580163 0.0000 Stasioner

KAP -11.25685 -2.886074 -2.579931 0.0000 Stasioner

Sumber: Data sekunder diolah (Output Eviews 10.0)

Tabel 4.7 menunjukkan variabel NPF dengan nilai t-statistic

(-10,66676) lebih kecil (<) daripada critical values 5% (-2,886074)

atau nilai t-statistic (-2,579931) lebih kecil (<) pada tingkat 10% (-

2,579931), maka data disebut stasioner yang didukung pada tingkat

probability 0,0000 lebih kecil (<) 0,05. Namun, tiga variabel

independen yaitu FDR, CAR, dan NOM tetap menghasilkan data

yang stasioner. Tingkat first difference nilai pada variabel KAP

berubah nilai t-statistic (-11,25685) lebih kecil (<) dari nilai critical

values 5% (-2, 886074) atau nilai t-statistic (-11,25685) lebih kecil

76

(<) dari nilai critical values 10% (-2,579931) dan tingkat probability

0,0000 lebih kecil (<) 0,05, variabel tersebut menjadi stasioner.

Dengan begitu, semua variabel menjadi stasioner pada tingkat first

difference dan terhindar dari spurios regression. Penelitian akan

dilanjutkan ke tahap selanjutnya.

b. Uji Asumsi Klasik

1) Uji Multikolinearitas

Prasyarat yang harus dipenuhi dalam model regresi

adalah tidak adanya multikolinearitas. Karena, jika terjadi

multikolinearitas, sebuah variabel yang berkorelasi (hubungan)

kuat dengan variabel lainnya di dalam estimator kekuatan

prediksinya menjadi tidak stabil. Untuk mengetahui potensi ada

atau tidaknya multikolinearitas dapat diketahui dari nilai

Variance Inflation Factors.

Berikut lampiran hasil Uji Multikolinearitas dengan metode

Variance Inflation Factors

Tabel 4. 8

Uji Multikolinearitas

Coefficient Uncentered Centered

Variable Variance VIF VIF

C 61.70534 2525.779 NA

FDR 0.000386 131.7349 1.275270

CAR 0.001022 18.89519 1.910111

NOM 0.009639 1.307783 1.064239

KAP 0.242986 1729.665 2.178489

Sumber: Data sekunder diolah (Output Eviews 10.0)

77

Tabel 4.8 menyatakan hasil uji Variance Inflation Factors

(VIF) masing-masing variabel independen memiliki nilai VIF <

10 yaitu variabel FDR sebesar 1,275, variabel CAR sebesar

1,910, variabel NOM dengan 1,064 dan variabel KAP sebesar

2,178. Dapat dinyatakan model ini tidak memiliki

multikolinearitas.

2) Uji Heterokedastisitas

Uji Heterokedastisitas dapat dilihat dari fluktuatifnya suatu

data yang digunakan. Karena, fungsinya untuk melihat variabel

gangguan yang mempunyai varian yang tidak konstan atau

heterokedastisitas. Model regresi yang baik adalah jika varian

dari variabel gangguan (residual) konstan atau tetap. Metode

yang digunakan adalah Log Breusch-Pagan/Godfrey untuk

mengetahui adanya masalah heterokedastisitas dalam model

penelitian ini.

Tabel 4. 9

Uji Heterokedastisitas dengan Breusch-Godfrey Test

Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 0.383460 Prob. F(4,115) 0.8201

Obs*R-squared 1.579463 Prob. Chi-Square(4) 0.8125

Scaled explained SS 4.627764 Prob. Chi-Square(4) 0.3277

Sumber: Data sekunder diolah (Output Eviews 10.0)

Pada tabel 4.9 hasil yang didapat dengan nilai Prob. Chi-

square 0,8125 > 0,05, tidak terjadi heterokedastisitas pada hasil

estimasi dengan residual bersifat konstan.

78

3) Uji Autokorelasi

Uji Autokorelasi digunakan untuk mengetahui

keberadaan korelasi antar variabel gangguan satu observasi

dengan observasi lainnya pada waktu yang berlainan. Adanya

autokorelasi proses menganalisis data akan terganggu oleh

variabel gangguan pada periode antar waktu yang saling

mempengaruhi. Untuk menghindari keadaan seperti itu, perlu

pengujian autokorelasi. Berikut hasil uji autokorelasi dengan

variabel dependen Non Performing Financing:

Tabel 4. 10

Uji Autokorelasi dengan Breusch-Godfrey Test

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 72.25797 Prob. F(2,113) 0.0000

Obs*R-squared 67.34306 Prob. Chi-Square(2) 0.0000

Sumber: Data sekunder diolah (Output Eviews 10.0)

Hasil tabel 4.10 dapat disimpulkan bahwa nilai Prob.

Chi-square 0,0000 < 0,05. Dengan demikian, hasil estimasi yang

dihasilkan mengandung unsur autokorelasi. Jika ada

autokorelasi dalam regresi, maka estimator yang didapat

mempunyai karakteristik estimator OLS yang masih tidak bias

(unbiased), linear, dan tidak mempunyai varian yang minimum

lagi (no longer best). Jika varian tidak minimum akan

menyebabkan perhitungan standard error atau tidak bisa lagi

dipercaya kebenarannya. Selanjutnya interval hasil estimasi dari

uji hipotesis tidak bisa lagi dipercaya untuk evaluasi hasil

regresi (Widarjono, 2017: 140).

79

Untuk itu, diperlukannya penyembuhan autokorelasi

dengan menggunakan metode Diferensi Tingkat Pertama yang

telah dijelaskan pada bab sebelumnya. Hasilnya sebagai berikut:

Tabel 4. 11

Uji Autokorelasi metode Diferensi Tingkat Pertama

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.202167 Prob. F(2,112) 0.8173

Obs*R-squared 0.428060 Prob. Chi-Square(2) 0.8073

Sumber: Data sekunder diolah (Output Eviews 10.0)

Hasil tabel 4.11 menggunakan metode diferensi tingkat

pertama (first diffeence) diperoleh hasil dengan nilai Prob. Chi-

square 0.8073 > 0,05. Dengan demikian, hasil estimasi yang

dihasilkan tidak mengandung unsur autokorelasi dan estimator

OLS telah menghasilkan estimator yang BLUE.

d. Uji Analisis Model Data Panel

1) Uji Chow

Uji ini dimaksud untuk memilih mana yang lebih sesuai

untuk mengestimasi data panel pada asumsi pada slope dan

intersep sama, yaitu common effect dengan model pada slope

sama, tetapi beda intersep yaitu fixed effect. Hal itu dibuktikan

dengan uji chow melalui hipotesis penelitian yang dijabarkan

sebagai:

H0: Common Effect Model

H1: Fixed Effect Model

Pembuktian terhadap hipotesis di atas dilihat dengan

membandingkan nilai pada perhitungan probability Cross-Section F.

Pada nilai probability Cross-Section F kurang dari (<) 0,05, maka

H0 ditolak dan menerima H1. Artinya, model yang tepat adalah Fixed

80

Effect. Sebaliknya, bila nilai probability Cross-Section F lebih dari

(>) 0,05 maka H0 diterima dan menolak H1. Itu artinya, model yang

tepat adalah common effect. Berikut adalah hasil uji Common Effect

Model dan Fixed Effect Model beserta Uji Chow yang dilakukan

pada penelitian ini.

Tabel 4. 12

Hasil Uji Common Effect Model

Dependent Variable: NPF

Method: Panel Least Squares

Date: 10/28/19 Time: 21:55

Sample: 2014Q1 2018Q4

Periods included: 20

Cross-sections included: 6

Total panel (balanced) observations: 120

Variable Coefficient Std. Error t-Statistic Prob.

C -10.96469 7.855275 -1.395838 0.1655

FDR -0.016667 0.019652 -0.848132 0.3981

CAR -0.075977 0.031973 -2.376256 0.0191

NOM -0.408024 0.098177 -4.155998 0.0001

KAP 1.341106 0.492936 2.720649 0.0075

R-squared 0.393355 Mean dependent var 3.344250

Adjusted R-squared 0.372254 S.D. dependent var 2.161038

S.E. of regression 1.712199 Akaike info criterion 3.954208

Sum squared resid 337.1371 Schwarz criterion 4.070354

Log likelihood -232.2525 Hannan-Quinn criter. 4.001375

F-statistic 18.64180 Durbin-Watson stat 0.422638

Prob(F-statistic) 0.000000

Sumber: Data sekunder diolah (Output Eviews 10.0)

81

Tabel 4. 13

Hasil Uji Fixed Effect Model

Dependent Variable: NPF

Method: Panel Least Squares

Date: 10/28/19 Time: 21:55

Sample: 2014Q1 2018Q4

Periods included: 20

Cross-sections included: 6

Total panel (balanced) observations: 120

Variable Coefficient Std. Error t-Statistic Prob.

C -12.14058 18.51723 -0.655637 0.5134

FDR -0.019613 0.019590 -1.001162 0.3189

CAR -0.005360 0.030699 -0.174613 0.8617

NOM -0.443879 0.083447 -5.319260 0.0000

KAP 1.344819 1.336403 1.006298 0.3165

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.631168 Mean dependent var 3.344250

Adjusted R-squared 0.600991 S.D. dependent var 2.161038

S.E. of regression 1.365066 Akaike info criterion 3.539938

Sum squared resid 204.9746 Schwarz criterion 3.772229

Log likelihood -202.3963 Hannan-Quinn criter. 3.634273

F-statistic 20.91545 Durbin-Watson stat 0.676504

Prob(F-statistic) 0.000000

Sumber: Data sekunder diolah (Output Eviews 10.0)

82

Tabel 4. 14

Hasil Uji Chow

Redundant Fixed Effects Tests

Equation: Untitled

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 14.185047 (5,110) 0.0000

Cross-section Chi-square 59.712421 5 0.0000

Sumber: Data sekunder diolah (Output Eviews 10.0)

Hasil output yang ditunjukkan oleh tabel 4.14

menunjukkan nilai Prob. = 0,0000 kurang dari (<) 0,05 pada

Cross-Section F. Nilai itu menyatakan model fixed effect lebih

sesuai digunakan untuk penelitian ini dibandingkan common

effect.

2) Uji Hausman

Uji ini dimaksud untuk memilih mana yang lebih sesuai

untuk mengestimasi data panel pada asumsi penggunaan

variabel dummy yaitu fixed effect dengan asumsi penggunaan

variabel gangguan yaitu random effect. Hal itu dibuktikan

melalui uji Hausman dengan hipotesis penelitian yang

dijabarkan sebagai:

H0: Random Effect Model

H1: Fixed Effect Model

Pembuktian terhadap hipotesis di atas, dilakukan dengan

cara membandingkan nilai pada perhitungan probability Chi-

square. Jika nilai probability Chi-square lebih dari (≥) 0,05

maka H0 diterima dan menolak H1. Itu artinya, model yang tepat

adalah random effect. Sebaliknya, jika nilai probability Chi-

square kurang dari (≤) 0,05, maka H0 ditolak dan menerima H1.

83

Itu artinya model yang tepat adalah fixed effect. Berikut hasil uji

Fixed Effect Model dan Random Effect Model beserta Uji

Hausman yang dilakukan pada penelitian ini.

Tabel 4. 15

Hasil Uji Fixed Effect Model

Dependent Variable: NPF

Method: Panel Least Squares

Date: 10/28/19 Time: 21:55

Sample: 2014Q1 2018Q4

Periods included: 20

Cross-sections included: 6

Total panel (balanced) observations: 120

Variable Coefficient Std. Error t-Statistic Prob.

C -12.14058 18.51723 -0.655637 0.5134

FDR -0.019613 0.019590 -1.001162 0.3189

CAR -0.005360 0.030699 -0.174613 0.8617

NOM -0.443879 0.083447 -5.319260 0.0000

KAP 1.344819 1.336403 1.006298 0.3165

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.631168 Mean dependent var 3.344250

Adjusted R-squared 0.600991 S.D. dependent var 2.161038

S.E. of regression 1.365066 Akaike info criterion 3.539938

Sum squared resid 204.9746 Schwarz criterion 3.772229

Log likelihood -202.3963 Hannan-Quinn criter. 3.634273

F-statistic 20.91545 Durbin-Watson stat 0.676504

Prob(F-statistic) 0.000000

Sumber: Data sekunder diolah (Output Eviews 10.0)

84

Tabel 4. 16

Hasil Uji Random Effect Model

Dependent Variable: NPF

Method: Panel EGLS (Cross-section random effects)

Date: 10/28/19 Time: 21:55

Sample: 2014Q1 2018Q4

Periods included: 20

Cross-sections included: 6

Total panel (balanced) observations: 120

Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.

C -15.37265 15.25441 -1.007751 0.3157

FDR -0.017971 0.018904 -0.950669 0.3438

CAR -0.009484 0.029823 -0.318006 0.7511

NOM -0.439868 0.082747 -5.315839 0.0000

KAP 1.584814 1.088875 1.455460 0.1483

Effects Specification

S.D. Rho

Cross-section random 2.023269 0.6872

Idiosyncratic random 1.365066 0.3128

Weighted Statistics

R-squared 0.295744 Mean dependent var 0.498881

Adjusted R-squared 0.271248 S.D. dependent var 1.576856

S.E. of regression 1.346114 Sum squared resid 208.3827

F-statistic 12.07320 Durbin-Watson stat 0.666204

Prob(F-statistic) 0.000000

Unweighted Statistics

R-squared 0.362123 Mean dependent var 3.344250

Sum squared resid 354.4939 Durbin-Watson stat 0.391616

Sumber: Data sekunder diolah (Output Eviews 10.0)

85

Tabel 4. 17

Hasil Uji Hausman

Correlated Random Effects - Hausman Test

Equation: Untitled

Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 0.828957 4 0.9345

Sumber: Data sekunder diolah (Output Eviews 10.0)

Hasil output yang ditunjukkan pada tabel 4.17

menunjukkan nilai Prob. = 0,9345 lebih dari (>) 0,05 pada Chi-

square. Dengan demikian, model random effect lebih sesuai

digunakan untuk penelitian ini dibandingkan dengan fixed effect.

e. Uji Hipotesis

Merajuk pada hasil uji chow dan uji hausman, diperoleh model

yang paling sesuai pada penelitian ini, menggunakan model random

effect dengan penggunaan variabel gangguan. Selanjutnya dilakukan uji

lainnya sebagai pelengkap, yaitu uji signifikansi pada model terpilih.

1) Koefisien Determinasi

Koefisien determinasi adalah cara untuk mengetahui seberapa

besar pengaruh kemampuan model estimator terhadap varians

variabel dependen. Dilihat dari nilai koefisien determinasi yang

mendekati satu, berarti variabel-variabel independen pada model

estimator memberi hampir semua informasi yang dibutuhkan untuk

memprediksi variansi variabel dependen. Yang ditunjukkan pada

penggunaan nilai Adjusted R square. Nilai Adjusted R square dapat

dilihat pada tabel dibawah ini.

86

Tabel 4. 18

Hasil Uji Koefisien Determinasi Disesuaikan (Adj.R2)

Weighted Statistics

R-squared 0.295744 Mean dependent var 0.498881

Adjusted R-squared 0.271248 S.D. dependent var 1.576856

S.E. of regression 1.346114 Sum squared resid 208.3827

F-statistic 12.07320 Durbin-Watson stat 0.666204

Prob(F-statistic) 0.000000

Sumber: Data sekunder diolah (Output Eviews 10.0)

Pada tampilan tabel 4.18 dapat dilihat besaran nilai Adjusted

R square adalah 0.271248 atau dalam persen senilai 27,124%. Hal

itu diartikan, 27,124% variabel dependen Non Performing Financing

(NPF) yang dipergunakan untuk mengukur pembiayaan bermasalah

dapat secara signifikan dijelaskan oleh variansi variabel independen.

Variabel independen adalah Financing to Deposit Ratio (FDR),

Capital Adequancy Ratio (CAR), Net Operating Margin (NOM) dan

Kualitas Aktiva Produktif (KAP). Sedangkan sisanya senilai

72,876% (100% - 27,124%) dijelaskan melalui variabel lainnya,

diluar model estimator dalam penelitian ini.

2) Uji Simultan (Uji F)

Uji Simultan atau disebut sebagai uji F merupakan cara untuk

mengetahui seberapa besar pengaruh variabel independen yang

terdiri Financing to Deposit Ratio (FDR), Capital Adequancy Ratio

(CAR), Net Operating Margin (NOM) dan Kualitas Aktiva

Produktif (KAP) secara bersama-sama mempengaruhi variabel

dependen Non Performing Financing (NPF). Pengujian ini

dilakukan dengan cara membandingkan nilai Fuji dengan Ftabel dan

membandingkan probability F statistic.

Untuk menentukan nilai Ftabel tingkat signifikansi yang

digunakan adalah 5% dengan derajat kebebasan (degree of freedom)

87

df = (n-k) dan (k-1) dimana n adalah jumlah sampel, k adalah

variabel independen. Kriteria uji dilakukan dengan menggunakan:

• Pada Ftabel > Fhitung atau nilai probability F statistic yang lebih

dari (>) 0,05, maka menerima H0 dan dan menolak H1. Itu

berarti secara bersama-sama variabel independen tidak

signifikan mempengaruhi variabel dependen.

• Pada Ftabel < Fhitung atau nilai probability F statistic yang kurang

dari (<) 0,05, maka menolak H0 dan menerima H1. Itu berarti

secara bersama-sama variabel independen signifikan

mempengaruhi variabel dependen.

Dengan demikian, perhitungan Ftabel dengan df; α: 0,05; (k-

1)(5-1),(n-k)(120-5) ditemukan hasil sebesar 2,45 dibandingkan

dengan Fhitung yang tertera pada tabel di bawah ini.

Tabel 4. 19

Hasil Uji Simultan (Uji F)

Weighted Statistics

R-squared 0.295744 Mean dependent var 0.498881

Adjusted R-squared 0.271248 S.D. dependent var 1.576856

S.E. of regression 1.346114 Sum squared resid 208.3827

F-statistic 12.07320 Durbin-Watson stat 0.666204

Prob(F-statistic) 0.000000

Sumber: Data sekunder diolah (Output Eviews 10.0)

Dari tabel 4.19, didapatkan Ftabel < Fhitung dengan nilai 2,45 <

12,073 atau nilai probability F statistic sebesar 0,000000 yang

kurang dari (<) 0,05, maka menolak H0 dan menerima H1. Hal itu

berarti secara bersama-sama variabel independen signifikan

mempengaruhi variabel dependen.

Hasil ini menyimpulkan bahwa variabel independen yang

terdiri Financing to Deposit Ratio (FDR), Capital Adequancy Ratio

88

(CAR), Net Operating Margin (NOM) dan Kualitas Aktiva

Produktif (KAP) secara bersama-sama berpengaruh secara signifikan

terhadap variabel dependen Non Performing Financing (NPF).

3) Uji Parsial (Uji t)

Uji parsial atau disebut uji t merupakan cara untuk

mengetahui seberapa besar pengaruh secara individual pada variabel

independen yang terdiri Financing to Deposit Ratio (FDR), Capital

Adequancy Ratio (CAR), Net Operating Margin (NOM) dan

Kualitas Aktiva Produktif (KAP) berdampak pada variabel dependen

Non Performing Financing (NPF). Hubungan pengaruh parsial

ditunjukkan melalui nilai coefficient, yaitu tanda positif (+) dan

negatif (-) yang menunjukkan arah hubungan. Hasilnya apakah

perubahan searah (positif) terhadap variabel dependen atau

perubahan berlawanan arah (negatif) terhadap variabel dependen.

Untuk menentukan nilai ttabel ǀα; df = (n-k)ǀ , dimana n adalah

jumlah sampel, k adalah variabel independen. Kriteria uji dilakukan

dengan menggunakan:

• Pada ttabel > thitung atau nilai probability t statistic yang lebih dari

(>) 0,05, maka menerima H0 dan dan menolak H1. Hal itu berarti

secara parsial variabel independen tidak signifikan

mempengaruhi variabel dependen.

• Pada ttabel < thitung atau nilai probability t statistic yang kurang

dari (<) 0,05, maka menolak H0 dan menerima H1. Hal itu

berarti secara parsial variabel independen signifikan

mempengaruhi variabel dependen.

Perhitungan ttabel tingkat signifikansi yang digunakan adalah

5% dengan derajat kebebasan (degree of freedom) df = (n-k)(120-5),

ditemukan hasil sebesar 1,980 dibandingkan dengan thitung yang

tertera pada tabel di bawah ini.

89

Tabel 4. 20

Hasil Uji Parsial (Uji t)

Variable Coefficient Std. Error t-Statistic Prob.

C -15.37265 15.25441 -1.007751 0.3157

FDR -0.017971 0.018904 -0.950669 0.3438

CAR -0.009484 0.029823 -0.318006 0.7511

NOM -0.439868 0.082747 -5.315839 0.0000

KAP 1.584814 1.088875 1.455460 0.1483

Sumber: Data sekunder diolah (Output Eviews 10.0)

a) Pengaruh FDR (Financing to Deposit Ratio) terhadap NPF

(Non Performing Financing) pembiayaan bermasalah bank

syariah

Penggunaan uji secara parsial (uji t) pada model

estimator penelitian ini, diketahui nilai thitung variabel FDR

sebesar -0,9506, yang berarti ttabel (1,980) > thitung (0,950).

Dengan nilai probability variabel FDR sebesar 0,3438 lebih dari

(>) 0,05 atau tingkat signifikansi yang disyaratkan (α = 5%),

maka H01 diterima dan menolak Ha1. Kesimpulannya, yang

ditarik bahwa variabel FDR tidak berpengaruh secara signifikan.

b) Pengaruh CAR (Capital Adequancy Ratio) terhadap NPF

(Non Performing Financing) pembiayaan bermasalah bank

syariah

Penggunaan uji secara parsial (uji t) pada model

estimator penelitian ini, diketahui nilai thitung variabel CAR

sebesar -0,3180, yang berarti ttabel (1,980) > thitung (0,318).

Dengan nilai probability variabel CAR sebesar 0,7511 lebih dari

(>) 0,05 atau tingkat signifikansi yang disyaratkan (α = 5%),

maka H02 diterima dan menolak Ha2. Kesimpulannya, variabel

CAR tidak berpengaruh secara signifikan.

90

c) Pengaruh NOM (Net Operating Margin) terhadap NPF (Non

Performing Financing) pembiayaan bermasalah bank

syariah

Penggunaan uji secara parsial (uji t) pada model

estimator penelitian ini, diketahui nilai thitung variabel NOM

sebesar -5,3158, yang berarti ttabel (1,980) < thitung (5,315).

Dengan nilai probability variabel NOM sebesar 0,0000 kurang

dari (<) 0,05 atau tingkat signifikansi yang disyaratkan (α =

5%), maka H03 ditolak dan menerima Ha3. Kesimpulannya,

variabel NOM berpengaruh secara signifikan.

d) Pengaruh KAP (Kualitas Aktiva Produktif) terhadap NPF

(Non Performing Financing) pembiayaan bermasalah bank

syariah

Penggunaan uji secara parsial (uji t) pada model

estimator penelitian ini, diketahui nilai thitung variabel KAP

sebesar 1,4554, yang berarti ttabel (1,980) > thitung (1,455).

Dengan nilai probability variabel NOM sebesar 0,1483 lebih

dari (>) 0,05 atau tingkat signifikansi yang disyaratkan (α =

5%), maka H04 diterima dan menolak Ha4. Kesimpulannya,

variabel KAP tidak berpengaruh secara signifikan.

f. Persamaan Model Regresi Data Panel

Penelitian dengan regresi data panel ini digunakan untuk melihat

pengaruh antara variabel independen terhadap variabel dependen.

Persamaan model regresi data panel dirumuskan sebagai berikut:

𝑵𝑷𝑭𝒊𝒕 = −𝟏𝟓, 𝟑𝟕𝟐𝟔𝟓 − 𝟎, 𝟎𝟏𝟕𝟗𝟕𝟏 𝑭𝑫𝑹𝒊𝒕 − 𝟎, 𝟎𝟎𝟗𝟒𝟖𝟒 𝑪𝑨𝑹𝒊𝒕 −

𝟎, 𝟒𝟑𝟗𝟖𝟔𝟖 𝑵𝑶𝑴𝒊𝒕 + 𝟏, 𝟓𝟖𝟒𝟖𝟏𝟒 𝑲𝑨𝑷𝒊𝒕 + 𝜺𝒊𝒕 + 𝝁𝒊 (4.1)

Dari persamaan tersebut dapat dijelaskan bahwa:

1) Nilai konstanta sebesar -15,37365 menunjukkan bahwa jika variabel

independen yang terdiri dari FDR, CAR, NOM dan KAP bernilai 0,

maka nilai Non Performing Financing adalah 15,37365%.

91

2) Nilai koefisien FDR yang dihasilkan sebesar -0,017971

menunjukkan nilai FDR pada observasi ke i dan periode t naik

sebesar 1%. Nilai NPF akan turun sebesar 0,0179% pada observasi

ke-i dan periode ke-t yang memiliki hubungan negatif. Ketika FDR

suatu bank naik, maka perubahan tingkat NPF pada suatu bank akan

turun. Sebaliknya jika FDR suatu bank turun maka NPF akan naik,

dengan asumsi semua variabel bernilai konstan atau tetap.

3) Nilai koefisien CAR yang dihasilkan sebesar -0,009484

menunjukkan nilai CAR pada observasi ke i dan periode t naik

sebesar 1%. Nilai NPF akan turun sebesar 0,0094% pada observasi

ke-i dan periode ke-t yang memiliki hubungan negatif. Ketika CAR

suatu bank naik, maka perubahan tingkat NPF pada suatu bank

tersebut akan turun. Sebaliknya jika CAR suatu bank turun maka

NPF juga akan naik, dengan asumsi semua variabel bernilai konstan

atau tetap.

4) Nilai koefisien NOM yang dihasilkan sebesar -0,439868

menunjukkkan nilai NOM pada observasi ke i dan periode t naik

sebesar 1%. Nilai NPF akan turun sebesar 0,4398% pada observasi

ke-i dan periode ke-t yang memiliki hubungan negatif. Ketika NOM

suatu bank naik, maka perubahan tingkat NPF pada suatu bank

tersebut akan turun. Sebaliknya jika NOM suatu bank turun maka

NPF juga akan naik, dengan asumsi semua variabel bernilai konstan

atau tetap.

5) Nilai koefisien KAP dihasilkan sebesar 0,816536 menunjukkkan

nilai KAP pada observasi ke i dan periode t naik sebesar 1%. Nilai

NPF akan naik sebesar 0,8165% pada observasi ke-i dan periode ke-t

yang memiliki hubungan positif. Ketika KAP suatu bank naik, maka

perubahan tingkat NPF pada suatu bank tersebut akan naik.

Sebaliknya jika KAP suatu bank turun maka NPF juga akan turun,

dengan asumsi semua variabel bernilai konstan atau tetap.

92

B. PEMBAHASAN

1. Pengaruh FDR terhadap NPF Bank Umum Syariah

Hasil penelitian ini menunjukkan bahwa Financing to Deposit

Ratio terhadap Non Performing Financing memiliki nilai signifikan

sebesar 0,3438 lebih besar (>) dari nilai signifkan yang ditentukan yaitu

0,05. Dengan demikian, penelitian ini menerima H01 dan menolak Ha1,

yang diartikan secara parsial rasio likuditas (FDR) berpengaruh tidak

signifikan terhadap pembiayaan bermasalah di Bank Umum Syariah

BUKU 2. Hal itu menunjukkan, semakin besar FDR akan tidak

memberikan pengaruh pada peningkatan NPF Bank Umum Syariah.

Hal itu sejalan dengan penelitian yang dilakukan Asnaini (2014),

Firmansari dan Suprayogi (2015) serta Syaichu (2016). Mereka

menyatakan, tingkat likuditas yang dilihat dari rasio FDR tidak

berpengaruh signifikan terhadap rasio NPF yang memproyeksikan

pembiayaan bermasalah Bank Umum Syariah. Hasil yang tidak

signifikan pada periode ini kemungkinan karena Bank Umum Syariah

kategori BUKU 2 sudah dapat memitigasi risiko likuditas secara baik dan

melakukan penyaluran dana dengan perhitungan yang sangat matang,

dan dengan asas kehati-hatian agar terhindari dari risiko gagal bayar.

Terbukti pada kualitas asetnya yang didominasi pada kualitas lancar.

Tidak signifikan rasio FDR yang terjadi bukan berasal dari total

pembiayaan yang disalurkan, tetapi pada pihak internal bank baik

diantaranya karakter dan kapasitas sumber daya insani bank dan nasabah

yang tidak bertanggung jawab. Rasio FDR hanya mengambarkan sebaik-

baiknya bank dalam memanfaatkan dana yang dihimpun dari masyarakat

berupa penyaluran pembiayaan agar mendapat keuntungan, kemudian

menjadi kewajiban jangka pendek bank untuk mengembalikannya

kembali dana ke nasabah yang sewaktu-waktu bisa diambil.

93

2. Pengaruh CAR terhadap NPF Bank Umum Syariah

Hasil penelitian ini menunjukkan bahwa Capital Adequancy Ratio

terhadap Non Performing Financing memiliki nilai signifikan sebesar

0,7511 lebih besar (>) dari nilai signifkan ditentukan yaitu 0,05. Dengan

demikian, penelitian ini menerima H02 dan menolak Ha2, yang diartikan

secara parsial rasio kecukupan modal (CAR) berpengaruh tidak

signifikan terhadap pembiayaan bermasalah di Bank Umum Syariah

BUKU 2. Hal itu menunjukkan peningkatan dan penurunan rasio CAR

selama periode penelitian tidak akan mempengaruhi NPF Bank Umum

Syariah.

Hal itu sejalan dengan penelitian yang dilakukan Haifa dan

Wibowo (2015), mereka menyatakan bahwa rasio CAR tidak

berpengaruh signifikan terhadap pembiayaan bermasalah (rasio NPF)

pada Bank Umum Syariah. Barus dan Erick (2016) maupun Pratamawati

(2018) menyatakan bahwa rasio CAR tidak berpengaruh signifikan

terhadap pembiayaan bermasalah (rasio NPL) Bank Umum

Konvensional. Hasil yang tidak signifikan ini didasarkan dalam periode

terkait bank syariah BUKU 2 sudah dapat meminimalisir pembiayaan

bermasalah yang mempengaruhi pada modal yang dicadang, walaupun

Bank Indonesia telah menetapkan sebesar 8% sebagai angka minimum.

Serta beberapa Bank Umum Syariah yang kepemilikannya sudah

diakusisi oleh investor asing, dimana dana yang diinvestasikan berfungsi

menaikkan modal bank itu sendiri. Selain itu, dipicu juga oleh kenaikan

sumber-sumber permodalan dari luar bank seperti meningkatnya dana

dari masyarakat, pinjaman dan lain-lain.

3. Pengaruh NOM terhadap NPF Bank Umum Syariah

Hasil penelitian ini menunjukkan bahwa Net Operating Margin

terhadap Non Performing Financing memiliki nilai signifikan sebesar

0,0000 lebih kecil (<) dari nilai signifkan ditentukan yaitu 0,05. Dengan

demikian, penelitian ini menolak H03 dan menerima Ha3, yang diartikan

secara parsial rasio rentabilitas (NOM) berpengaruh negatif signifikan

94

terhadap pembiayaan bermasalah di Bank Umum Syariah BUKU 2. Hal

itu juga menunjukkan rasio NOM mengalami penurunan ketika rasio

NPF meningkat. Jika rasio NOM mengalami peningkatan ketika rasio

NPF menurun. Semakin tinggi NOM akan meningkatkan pendapatan

operasional atas rata-rata aktiva produktif yang dikelola bank, sehingga

dapat meminimalisir risiko pembiayaan bermasalah. Rasio NPF

digunakan untuk memproyeksikan pembiayaan bermasalah yang

meningkat akibat kurang efektifnya bank dalam menempatkan aktiva

produktif. Hal itu berimbas pada penurunan tingkat rasio NOM yang

akan diterima Bank Umum Syariah.

Hal ini sejalan dengan penelitian yang dilakukan Carolina dan

Madyan (2015) yang menyatakan bahwa rasio NIM berpengaruh

signifikan terhadap NPL bank konvensional. Selaras degan penelitian

Aryani, Anggraeni, dan Wiliasih (2016) yang menyatakan bahwa rasio

NIM berpengaruh signifikan terhadap rasio NPF. Hal itu dikaitkan

dengan NOM yang menggambarkan kemampuan bank dalam

memperoleh pendapatan bersih dari operasional bank, berupa dana yang

disalurkan dalam bentuk pembiayaan tersebut. Nilai yang tinggi akan

memberi keuntungan bagi bank, namun hal itu juga akan memberatkan

pihak mudharib atas pengembalian dananya dan memicu peningakatan

risiko gagal bayar.

4. Pengaruh KAP terhadap NPF Bank Umum Syariah

Hasil penelitian ini menunjukkan bahwa kualitas aktiva produktif

terhadap Non Performing Financing memiliki nilai signifikan sebesar

0,1483 lebih besar (>) dari nilai signifkan ditentukan yaitu 0,05.

Penelitian ini menerima H04 dan menolak Ha4, yang diartikan secara

parsial kualitas aktiva produktif tidak berpengaruh terhadap pembiayaan

bermasalah di Bank Umum Syariah BUKU 2.

Hal itu juga menunjukkan jumlah kualitas aset yang dikelola

secara produktif oleh bank umum syariah kategori BUKU 2 tidak

berpengaruh terhadap pembiayaan bermasalah yang terjadi di lingkungan

95

bank tersebut. Karena pada periode terkait, pelaporan kualitas aset

produktif dalam laporan keuangan triwulan bank syariah terkait dominan

pada aset yang bersifat lancar dan porsi yang sedikit pada kategori

bermasalah (perhatian khusus, kurang lancar, diragukan, macet). Dengan

begitu, jumlah yang sedikit itu tidak akan mempengaruhi pembiayaan

bermasalah dengan proyeksi dengan NPF. Dengan keahlian yang dimiliki

BUS BUKU 2 dapat lebih baik dalam mengelola pembiayaan yang

diberikan kepada nasabah sebelum kualitas asetnya menjadi gagal bayar.

Hasil itu bertentangan dengan penelitian Aryani, Anggraeni, dan

Wiliasih (2016) yang menyatakan KAP berpengaruh negatif terhadap

Non Performing Financing.

5. Pengaruh FDR, CAR, NOM, dan KAP terhadap NPF Bank Umum

Syariah

Hasil penelitian ini menunjukkan bahwa variabel FDR, CAR,

NOM dan KAP terhadap Non Performing Financing memiliki nilai

signifikan sebesar 0,0000 lebih kecil (<) dari nilai signifkan yang

ditentukan yaitu 0,05. Dengan begitu, penelitian ini menolak H05 dan

menerima Ha5 yang diartikan secara simultan, berpengaruh negatif

signifikan terhadap pembiayaan bermasalah di Bank Umum Syariah

BUKU 2. Dengan tingkat kemampuan 27,124% variabel dependen Non

Performing Financing (NPF) yang dipergunakan untuk mengukur

pembiayaan bermasalah dapat secara signifikan dijelaskan oleh variansi

variabel independen. Sedangkan sisanya senilai 72,876% (100% -

27,124%) dijelaskan melalui variabel lainnya, diluar model estimator

dalam penelitian ini.

96

BAB V

SIMPULAN DAN SARAN

A. SIMPULAN

Hasil penelitian menyimpulkan variabel Financing to Deposit Ratio

(FDR), Capital Adequancy Ratio (CAR) dan Kualitas Aktiva Produktif

(KAP) tidak berpengaruh, namun variabel Net Operating Margin (NOM)

memiliki pengaruh negatif signifikan terhadap pembiayaan bermasalah pada

rasio Net Operating Margin (NPF) Bank Umum Syariah BUKU 2. Secara

simultan, semua variabel independen terhadap pembiayaan bermasalah

memiliki pengaruh yang dapat dijelaskan melalui persentase 27,1%.

Berdasarkan pengujian yang telah dilakukan dapat disimpulkan beberapa

hasil sebagai berikut:

1. Berdasarkan hasil analisis menggunakan sampel enam (6) Bank Umum

Syariah kategori Bank Umum Kategori Usaha (BUKU) 2 di Indonesia

sekama periode 2014-2018 menunjukkan analisis regresi data panel

Random Effect Model diperoleh hasil nilai Adjusted R square (Adj.R2)

sebesar 27,124%. Hal itu menunjukkan pengaruh variabel independen

(FDR, CAR, NOM, KAP) terhadap variabel dependen pembiayaan

bermasalah (NPF) yaitu 27,124%. Sisa sebesar 72,876% dijelaskan

melalui variabel dependen pembiayaan bermasalah (NPF) yang

dipengaruhi faktor-faktor variabel lainnya, yang tidak terdapat dalam

model.

2. Berdasarkan hasil analisis menggunakan sampel enam (6) Bank Umum

Syariah kategori Bank Umum Kategori Usaha (BUKU) 2 di Indonesia

selama periode 2014-2018 menunjukkan analisis regresi data panel

Random Effect Model. Diperoleh hasil pengaruh secara simultan atau uji

F penelitian ini dengan nilai Probability F-statistic 0,0000 lebih kecil (<)

dari nilai signifkan 0,05 (α =5%), maka ada pengaruh yang signifikan

pada variabel independen (FDR,CAR,NOM,KAP) terhadap pembiayaan

bermasalah (NPF).

97

3. Berdasarkan hasil analisis menggunakan sampel enam (6) Bank Umum

Syariah kategori Bank Umum Kategori Usaha (BUKU) 2 di Indonesia

selama periode 2014-2018 menunjukkan analisis regresi data panel

Random Effect Model. Diperoleh hasil, uji t penelitian ini diperoleh

bahwa FDR tidak signifikan berpengaruh negatif terhadap NPF, dengan

nilai koefisien regresi sebesar -0,017971 dan probability 0.3438. CAR

tidak signifikan berpengaruh negatif signifikan terhadap NPF dengan

nilai koefisien regresi sebesar -0,009484 dengan probability 0.7511.

NOM signifikan berpengaruh negatif dengan nilai koefisien regresi

sebesar -0.439868 dengan probability 0,0000, dan KAP tidak signifikan

berpengaruh positif dengan nilai koefisien regresi sebesar 1,584814

dengan probability 0.1483.

B. SARAN

Berikut beberapa saran yang disampaikan peneliti kepada beberapa pihak

sebagai masukan untuk keberlangsungan penelitian, sebagai berikut:

1. Bagi Bank Umum Syariah di Indonesia agar terus peka terhadap kondisi

perekonomian nasional maupun internasional, dengan terus menganalisis

kinerja keuangan bank syariah; baik dalam aset, modal, rentabilitas,

kualitas aktiva, likuditas, dan lain-lain demi optimisme dan semangat

untuk mengembangkan Bank Syariah agar dipandang setara dengan Bank

Konvensional. Selain itu, diharapkan bank syariah terus menjalankan

tugas sebagai media intermediasi yang lebih baik lagi dengan tetap

berpegang teguh pada asas kehati-hatian agar dapat memitigasi risiko

yang akan dihadapi bank syariah.

2. Bagi peneliti selanjutnya diharapkan dapat memperluas penelitian

dengan menambah variabel-variabel terkait penambahan periode

pengamatan yang dapat mempengaruhi kinerja perbankan syariah di

Indonesia. Diharapkan, penelitian komparasi antara bank syariah di

Indonesia dengan bank syariah di luar negeri melalui penerapan kondisi

ekonomi yang berbeda-beda.

98

3. Bagi ahli ekonomi syariah diharapkan dapat menambah sumber

informasi atau referensi untuk terus memperluas ilmu ekonomi Islam dan

perbankan syariah dengan menulis buku, jurnal ilmiah atau penelitian.

Karena masih banyak informasi pada ekonomi Islam yang susah didapat

dan belum tersedia secara lengkap.

99

DAFTAR PUSTAKA

A.Wangsawidjaja. 2012. Pembiayaan Bank Syariah. Jakarta: PT. Gramedia

Pustaka Utama.

Arif, M. Nur Rianto Al dan Yuke Rahmawati. 2018. Manajemen Risiko

Perbankan Syariah. Bandung: CV. Pustaka Setia

Arikunto. 2010. Prosedur Penelitian: Suatu Pendekatan Praktek. Jakarta: Rineka

Cipta.

Aryani, Yulya, Lukytawati Anggraeni, dan Ranti Wiliasih. 2016. Faktor-Faktor

yang Memengaruhi Non Performing Financing pada Bank Umum Syariah

Indonesia Periode 2010-2014. Vol.4(1): 44-60

Bank Indonesia. Peraturan Undang-Undang No.10 Tahun 1998

Bank Indonesia. Peraturan Undang-Undang nomor No.21 Tahun 2006

Barus, Andreani Caroline dan Erick. 2016. Analisis Faktor-faktor yang

mempengaruhi Non Performing Loan pada Bank Umum di Indonesia.

Vol.6(2):113-122

Ekananda, Mahyus. 2015. Ekonometrika Dasar Untuk Penelitian Ekonomi, Sosial

dan Bisnis. Jakarta: Mitra Wacana Media

Fahmi, Irham. 2014. Analisis Laporan Keuangan. Bandung: Alfabeta

Febrianti, Silvia Eka dan Khusnul Ashar. 2015. Analisis Pengaruh Pertumbuhan

GDP, Inflasi, BI Rate, dan Nilai Tukar Terhadap Kredit Bermasalah Pada

Bank Konvensional dan Bank Syariah. Vol.3 (2): 1-17

Firdaus, Rizal Nur. 2015. Pengaruh Faktor Internal dan Eksternal yang

Mempengaruhi Pembiayaan Bermasalah pada Bank Umum Syariah di

Indonesia. Vol 3(1): 82-108

100

Firmansari, Daisy dan Noven Suprayogi. 2015. Pengaruh Variabel

Makroekonomi dan Variabel Spesifik bank Terhadap Non Performing

Financing pada Bank Umum Syariah dan Unit Usaha Syariah di Indonesia

Periode 2003-2014. Vol.2(6): 512-520

Furqon, Achmad dan Asrori. 2016. Determinan Non Performing Financing

Berdasarkan Variabel Ekonomi dan Non Ekonomi. Vol.5(2): 57-66

Gulö, W. 2010. Metodologi Penelitian. Jakarta: Grasindo

Hakim, Abdul. 2014. Pengantar Ekonometrika dengan Aplikasi EViews.

Yogyakarta: Ekonisia

Haryanto, Sugeng. 2016. Determinan Permodalan Bank Melalui Profitabilitas,

Risiko, Ukuran Perusahaan, Efesiensi, dan Struktur Aktiva. Vol.19(1). 117-

136

Hendro, Tri dan Conny Tjandra Rahardja. 2014. Bank & Institusi Keuangan Non

Bank di Indonesia. Jakarta: Erlangga

http://m.bisnis.com/kalimantan/read/20171208/446/716291/bank-syariah-npf-

rentan-naik. 24 Januari 2020, pukul 20.00 WIB

Ihsan, Dwi Nur’aini. 2013. Analisis laporan Keuanga n Perbankan Syariah.

Jakarta: UIN Jakarta Press

Ikit. 2018. Manajemen Dana Bank Syariah. Yogyakarta: Gava Media

Irham, Fahmi. 2012. Analisis Laporan Keuangan. Bandung: Alfabeta

Jayusman, Hendra. 2013. Analisis Perbedaan Kinerja Bank Devisa dan Bank Non

Devisa di Indonesia. Vol.2(1). 203-224

Jumingan. 2017. Analisis Laporan Keuangan. Jakarta: PT Bumi Aksara

Ketentuan Peraturan Bank Indonesia No.10/26/PBI/2008

101

Kasmir. 2012. Bank dan Lembaga Keuangan Lainnya. Jakarta: P.T Raja Grafindo

Persada

Kuncoro, Mudrajad dan Suhardjono. 2011. Manajemen Perbankan Teori dan

Aplikasi. Yogyakarta: BPFE Yogyakarta

Lidyah, Rika. 2016. Dampak Inflasi, BI Rate, Capital Adequancy Ratio (CAR),

Biaya Operasional Pendapatan Operasional (BOPO), Terhadap Non

Performing Financing (NPF) pada Bank Umum Syariah di Indoneisa.

Vol.2(1): 1-19

Maidalena. 2014. Analisis Faktor Non Performing Financing (NPF) pada Industri

Perbankan Syariah. Vol 1(1): 127-138

Munawir, S. 2010. Analisis laporan Keuangan Edisi keempat. Yogyakarta:

Liberty

Munawir, S. 2012. Analisis informasi keuangan. Yogyakarta: Liberty

Mutamimah, Siti Nur Zaidah Chasanah. 2012. Analisis Eksternal dan Internal

dalam Menentukan Non Performing Financing Bank Umum Syariah di

Indonesia. Vol.19(1): 49-64

Otoritas Jasa Keuangan. Statistik Perbankan Syariah.

https://ojk.go.id/id/kanal/syariah/data-dan-statistik/statistik-perbankan-

syariah/Default.aspx: 10 Februari 2019

P.T Bank Mega Syariah. “www.megasyariah.co.id”

P.T Bank Muamalat Indonesia. “www.muamalatbank.com”

P.T Bank Panin Dubai Syariah. “www.paninsyariahco.id”

P.T BCA Syariah. “www.bcasyariah.co.id”

P.T BNI Syariah. “www.bnisyariah.co.id”

P.T BRI Syariah. “www.brisyariah.co.id”

102

Pandia, Frianto. 2012. Manajemen Dana dan Kesehatan Bank. Jakarta: Rineka

Cipta.

Peraturan Bank Indoneisa No.9/24/DPbS/2007

Peraturan Bank Indonesia no.13/13/PBI/2011

Peraturan Bank Indonesia no.13/3/PBI/2011

Peraturan Bank Indonesia No.15/7/PBI/2013

Peraturan Bank Indonesia no.9/1/PBI/2007

Peraturan Otoritas Jasa Keuangan No. 6/POJK.03/2016

Peraturan Otoritas Jasa Keuangan No.15/POJK.03/2017

Poetry, Zakiyah Dwi dan Yulizar D Sanrego. 2011. Pengaruh Variabel Makro

dan Mikro Terhadap Perbankan Konvensional dan NPF Perbankan Syariah.

Vol. 6 (2): 79-104

Pramuka, Bambang Agus. 2010. Faktor – Faktor yang Berpengaruh terhadap

Tingkat Profitabilitas Bank Umum Syariah. Vol.7(1). 63-79

Rachman, Yoga Tantular. 2015. Pengaruh Financing to Deposit Ratio (FDR),

Non Performing Financing (NPF), Return On Assets (ROA), dan Capital

Adequacy Ratio (CAR) terhadap Pembiayaan Mudharabah (Survey pada

Bank Syariah yang Listing di Bursa Efek Indonesia pada Tahun 2009-2013).

No: D237-T05P116: 1504-1521

Rivai, Veitzhal dan Arviyani Arifin. 2010. Islamic Banking Sebuah Teori,

Konsep, dan Aplikasi. Jakarta: P.T Bumi Aksara

Sari, Mella Katrina. 2016. Determinan Risiko Pembiayaan Bank Umum Syariah

di Indonesia. Vol 2(2): 55-64

Sugiyono. 2017. Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung:

CV. Alfabeta

103

Surat Edaran Otoritas Jasa Keuangan No. 10/SEOJK/03/2014

Surat Ederan Bank Indonesia No.13/10/DPbS

Suryani, dan Hendryadi. 2016. Metode Riset Kuantitatif Teori dan Aplikasi pada

Penelitian Bidang Manajemen dan Ekonomi Islam. Jakarta: Prenada Media

Wahyu, Didin Rasyidin. 2016. Financing to Deposit Ratio (FDR) Sebagai Salah

Satu Penilaian Kesehatan Bank Umum Syariah. Vol.7 (1): 19-36

Wahyudi, Imam, Miranti Kartika Dewi, Fenny Rosmanita et.al. 2013. Manajemen

Risiko Bank Islam. Jakarta: Salemba Empat

Wardiyah, Mia Iasmi. 2018. Bank Komersial Syariah. Bandung: CV. Pustaka

Setia

Wibowo, Sigit Arie dan Wahyu Saputra. 2017. Pengaruh Variabel Makro dan

Mikro Ekonomi Terhadap Pembiayaan Bermasalah pada Bank Syariah. Vol

2(1): 96-112

Widarjono, Agus. 2017. Ekonometrika pengantar dan Aplikasinya Disertai

Panduan EViews. Yogyakarta: UPP STIM YKPN

Widodo. 2017. Metodologi Penelitian, Populer & Praktis. Jakarta: PT Raja

Grafindo Persada.

104

LAMPIRAN

Lampiran 1: Data Penelitian Periode 2014 Triwulan I – 2018 Triwulan IV

BANK TAHUN NPF FDR CAR NOM KAP

Mega Syariah 2014Q1 3.22 95.53 15.28 1.43 IDR7,737,475,000,000

Mega Syariah 2014Q2 3.48 95.68 15.93 0.63 IDR7,733,461,000,000

Mega Syariah 2014Q3 3.77 90.50 16.34 0.27 IDR7,307,936,000,000

Mega Syariah 2014Q4 3.89 93.61 18.82 0.32 IDR6,331,363,000,000

Mega Syariah 2015Q1 4.33 95.21 15.62 (1.45) IDR5,420,744,000,000

Mega Syariah 2015Q2 4.86 94.92 16.54 (1.39) IDR4,708,501,000,000

Mega Syariah 2015Q3 4.78 98.86 17.81 (1.5) IDR4,447,101,000,000

Mega Syariah 2015Q4 4.26 98.49 18.74 (0.34) IDR4,691,806,000,000

Mega Syariah 2016Q1 4.18 95.85 22.22 4.96 IDR4,876,069,000,000

Mega Syariah 2016Q2 4.16 95.97 22.86 2.95 IDR4,677,249,000,000

Mega Syariah 2016Q3 3.74 98.13 22.97 2.36 IDR5,087,974,000,000

Mega Syariah 2016Q4 3.30 95.24 23.53 2.44 IDR5,414,222,000,000

Mega Syariah 2017Q1 3.43 97.56 25.76 1.44 IDR5,266,326,000,000

Mega Syariah 2017Q2 3.20 96.06 20.89 1.35 IDR5,736,452,000,000

Mega Syariah 2017Q3 3.14 91.57 21.94 1.26 IDR5,478,325,000,000

Mega Syariah 2017Q4 2.95 91.05 22.19 1.28 IDR6,234,172,000,000

Mega Syariah 2018Q1 2.84 94.26 23.41 0.60 IDR5,816,603,000,000

Mega Syariah 2018Q2 2.63 92.49 22.91 0.62 IDR5,810,208,000,000

Mega Syariah 2018Q3 2.46 94.35 21.38 0.57 IDR5,891,316,000,000

Mega Syariah 2018Q4 2.15 90.88 20.54 0.56 IDR6,246,015,000,000

105

BANK TAHUN NPF FDR CAR NOM KAP

Muamalat 2014Q1 2.11 105.4 17.64 4.28 IDR53,692,463,000,000

Muamalat 2014Q2 3.30 96.78 16.31 1.10 IDR66,931,877,000,000

Muamalat 2014Q3 5.96 98.81 13.51 1.52 IDR107,502,316,000,000

Muamalat 2014Q4 6.55 84.14 13.91 3.45 IDR65,373,526,000,000

Muamalat 2015Q1 6.34 95.11 14.61 0.76 IDR53,538,108,000,000

Muamalat 2015Q2 4.93 99.05 13.60 0.54 IDR64,090,086,000,000

Muamalat 2015Q3 4.64 96.09 13.71 0.42 IDR65,364,381,000,000

Muamalat 2015Q4 7.11 90.30 12.36 0.27 IDR67,266,256,000,000

Muamalat 2016Q1 6.07 97.30 12.10 0.30 IDR67,189,893,000,000

Muamalat 2016Q2 7.23 99.11 12.78 0.01 IDR69,039,109,000,000

Muamalat 2016Q3 4.43 96.47 12.75 0.10 IDR68,989,845,000,000

Muamalat 2016Q4 3.82 95.13 12.74 0.20 IDR69,450,240,000,000

Muamalat 2017Q1 4.56 90.93 12.83 0.16 IDR75,105,620,000,000

Muamalat 2017Q2 4.95 89.00 12.94 0.23 IDR75,772,047,000,000

Muamalat 2017Q3 4.54 86.14 11.58 0.17 IDR77,422,734,000,000

Muamalat 2017Q4 4.43 84.41 13.62 0.21 IDR83,503,840,000,000

Muamalat 2018Q1 4.76 88.41 10.16 0.17 IDR73,943,681,000,000

Muamalat 2018Q2 1.65 84.37 15.92 0.66 IDR72,171,121,000,000

Muamalat 2018Q3 2.98 79.03 12.12 0.49 IDR67,910,717,000,000

Muamalat 2018Q4 3.87 72.18 12.34 0.15 IDR70,573,608,000,000

Panin Dubai Syariah 2014Q1 1.03 112.84 31.15 4.10 IDR4,273,351,000,000

Panin Dubai Syariah 2014Q2 0.76 140.97 25.52 1.38 IDR7,282,971,000,000

Panin Dubai Syariah 2014Q3 0.81 111.93 26.16 0.90 IDR8,053,579,000,000

Panin Dubai Syariah 2014Q4 0.53 94.04 25.69 1.36 IDR6,720,104,000,000

106

BANK TAHUN NPF FDR CAR NOM KAP

Panin Dubai Syariah 2015Q1 0.88 93.27 24.71 3.59 IDR6,403,322,000,000

Panin Dubai Syariah 2015Q2 0.91 97.58 21.17 1.24 IDR9,525,475,000,000

Panin Dubai Syariah 2015Q3 1.76 96.10 21.44 0.78 IDR9,565,688,000,000

Panin Dubai Syariah 2015Q4 2.63 96.43 20.30 0.86 IDR8,378,313,000,000

Panin Dubai Syariah 2016Q1 2.70 94.03 19.80 0.02 IDR8,680,647,000,000

Panin Dubai Syariah 2016Q2 2.70 89.60 19.73 0.11 IDR9,696,066,000,000

Panin Dubai Syariah 2016Q3 2.87 89.14 19.89 0.14 IDR10,148,362,000,000

Panin Dubai Syariah 2016Q4 2.26 91.99 18.17 0.05 IDR10,625,978,000,000

Panin Dubai Syariah 2017Q1 2.28 90.34 18.04 0.50 IDR10,575,196,000,000

Panin Dubai Syariah 2017Q2 3.80 92.48 16.41 0.10 IDR11,855,203,000,000

Panin Dubai Syariah 2017Q3 4.46 94.25 16.83 0.001 IDR11,421,659,000,000

Panin Dubai Syariah 2017Q4 12.52 86.95 11.51 (11.57) IDR10,860,060,000,000

Panin Dubai Syariah 2018Q1 11.26 87.90 27.09 0.18 IDR10,820,327,000,000

Panin Dubai Syariah 2018Q2 8.45 88.77 27.74 0.17 IDR11,004,003,000,000

Panin Dubai Syariah 2018Q3 4.79 93.44 25.97 (0.64) IDR10,836,229,000,000

Panin Dubai Syariah 2018Q4 4.81 88.82 23.15 0.05 IDR11,801,088,000,000

BCA Syariah 2014Q1 0.15 89.53 21.68 0.90 IDR1,923,693,000,000

BCA Syariah 2014Q2 0.14 91.17 21.83 0.70 IDR1,795,256,000,000

BCA Syariah 2014Q3 0.14 93.02 35.18 0.68 IDR1,969,836,000,000

BCA Syariah 2014Q4 0.10 91.20 29.60 0.80 IDR2,364,537,000,000

BCA Syariah 2015Q1 0.92 100.11 25.53 0.73 IDR2,840,591,000,000

BCA Syariah 2015Q2 0.60 94.13 23.56 0.84 IDR2,787,731,000,000

BCA Syariah 2015Q3 0.60 102.09 36.60 0.87 IDR2,901,411,000,000

BCA Syariah 2015Q4 0.70 91.40 34.30 1.00 IDR3,496,253,000,000

107

BANK TAHUN NPF FDR CAR NOM KAP

BCA Syariah 2016Q1 0.59 92.76 39.16 0.79 IDR3,425,023,000,000

BCA Syariah 2016Q2 0.55 99.60 37.93 0.94 IDR3,576,328,000,000

BCA Syariah 2016Q3 1.10 97.60 37.10 1.00 IDR3,860,407,000,000

BCA Syariah 2016Q4 0.50 90.12 36.78 1.15 IDR4,408,410,000,000

BCA Syariah 2017Q1 0.50 83.44 35.26 1.03 IDR4,094,478,000,000

BCA Syariah 2017Q2 0.48 91.51 30.99 1.09 IDR4,596,316,000,000

BCA Syariah 2017Q3 0.53 88.70 31.99 1.19 IDR4,567,872,000,000

BCA Syariah 2017Q4 0.32 88.49 29.39 1.24 IDR5,426,071,000,000

BCA Syariah 2018Q1 0.35 88.99 24.27 1.24 IDR5,451,481,000,000

BCA Syariah 2018Q2 0.73 91.15 25.00 1.20 IDR5,927,367,000,000

BCA Syariah 2018Q3 0.54 89.43 24.80 1.18 IDR5,976,590,000,000

BCA Syariah 2018Q4 0.35 88.99 24.70 1.24 IDR6,588,922,000,000

BNI Syariah 2014Q1 1.96 96.67 15.67 0.71 IDR20,057,348,000,000

BNI Syariah 2014Q2 2.00 98.98 14.53 0.39 IDR22,189,912,000,000

BNI Syariah 2014Q3 1.99 94.32 19.35 0.30 IDR25,064,323,000,000

BNI Syariah 2014Q4 1.86 92.60 18.43 0.48 IDR24,628,547,000,000

BNI Syariah 2015Q1 2.22 90.10 15.40 0.52 IDR25,792,570,000,000

BNI Syariah 2015Q2 2.42 96.65 15.11 0.61 IDR27,745,243,000,000

BNI Syariah 2015Q3 2.54 89.65 15.38 0.43 IDR28,213,628,000,000

BNI Syariah 2015Q4 2.53 91.94 15.48 0.67 IDR30,483,153,000,000

BNI Syariah 2016Q1 2.77 86.26 15.85 1.30 IDR32,282,359,000,000

BNI Syariah 2016Q2 2.80 86.92 15.56 1.18 IDR33,627,625,000,000

BNI Syariah 2016Q3 3.03 85.79 15.82 1.03 IDR36,999,326,000,000

BNI Syariah 2016Q4 2.94 84.57 14.92 1.01 IDR36,018,385,000,000

108

BANK TAHUN NPF FDR CAR NOM KAP

BNI Syariah 2017Q1 3.16 82.32 14.44 0.73 IDR38,750,615,000,000

BNI Syariah 2017Q2 3.38 84.44 14.33 0.77 IDR41,264,461,000,000

BNI Syariah 2017Q3 3.29 81.40 14.90 0.69 IDR41,708,130,000,000

BNI Syariah 2017Q4 2.89 80.21 20.14 0.76 IDR43,066,357,000,000

BNI Syariah 2018Q1 3.18 71.98 19.42 0.54 IDR45,294,815,000,000

BNI Syariah 2018Q2 3.04 77.42 19.24 0.78 IDR47,337,724,000,000

BNI Syariah 2018Q3 3.08 80.03 19.22 0.80 IDR50,252,628,000,000

BNI Syariah 2018Q4 2.93 79.62 19.31 0.81 IDR52,117,260,000,000

BRI Syariah 2014Q1 4.04 102.13 14.15 6.09 IDR16,435,321,000,000

BRI Syariah 2014Q2 4.38 95.14 13.99 0.55 IDR17,963,683,000,000

BRI Syariah 2014Q3 4.79 94.85 13.86 0.45 IDR18,365,170,000,000

BRI Syariah 2014Q4 4.60 93.90 12.89 0.64 IDR19,485,684,000,000

BRI Syariah 2015Q1 4.96 88.24 13.22 7.00 IDR19,294,636,000,000

BRI Syariah 2015Q2 5.31 92.05 11.03 1.67 IDR21,452,365,000,000

BRI Syariah 2015Q3 4.90 86.61 13.82 1.51 IDR23,151,207,000,000

BRI Syariah 2015Q4 4.86 84.16 13.94 1.81 IDR23,856,182,000,000

BRI Syariah 2016Q1 4.84 82.73 14.66 0.44 IDR24,783,921,000,000

BRI Syariah 2016Q2 4.87 87.92 14.06 0.51 IDR25,489,844,000,000

BRI Syariah 2016Q3 5.22 83.98 14.30 0.45 IDR26,034,993,000,000

BRI Syariah 2016Q4 4.57 81.47 20.63 0.41 IDR29,092,253,000,000

BRI Syariah 2017Q1 4.71 77.56 21.14 0.20 IDR28,624,125,000,000

BRI Syariah 2017Q2 4.82 76.79 20.38 0.25 IDR31,734,338,000,000

BRI Syariah 2017Q3 4.82 73.14 20.98 0.28 IDR32,071,607,000,000

BRI Syariah 2017Q4 6.43 71.87 20.29 (0.21) IDR34,878,816,000,000

109

BANK TAHUN NPF FDR CAR NOM KAP

BRI Syariah 2018Q1 4.92 68.70 23.64 0.34 IDR37,216,800,000,000

BRI Syariah 2018Q2 5.13 77.78 29.31 0.42 IDR40,332,122,000,000

BRI Syariah 2018Q3 5.30 76.40 29.79 0.10 IDR39,703,082,000,000

BRI Syariah 2018Q4 6.73 75.49 29.72 (0.27) IDR40,145,908,000,000

Lampiran 2: Hasil Uji Multikolinearitas

Variance Inflation Factors

Date: 10/28/19 Time: 21:57

Sample: 1 120

Included observations: 120

Coefficient Uncentered Centered

Variable Variance VIF VIF

C 61.70534 2525.779 NA

FDR 0.000386 131.7349 1.275270

CAR 0.001022 18.89519 1.910111

NOM 0.009639 1.307783 1.064239

KAP 0.242986 1729.665 2.178489

Representasion:

Estimation Command:

=========================

LS NPF C FDR CAR NOM KAP

Estimation Equation:

=========================

NPF = C(1) + C(2)*FDR + C(3)*CAR + C(4)*NOM + C(5)*KAP

110

Substituted Coefficients:

=========================

NPF = -10.9646942514 - 0.0166671832262*FDR - 0.0759769855218*CAR -

0.408023502018*NOM + 1.34110610176*KAP

Lampiran 3: Hasil Uji Heterokedastisitas

Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 0.383460 Prob. F(4,115) 0.8201

Obs*R-squared 1.579463 Prob. Chi-Square(4) 0.8125

Scaled explained SS 4.627764 Prob. Chi-Square(4) 0.3277

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 10/28/19 Time: 21:58

Sample: 1 120

Included observations: 120

Variable Coefficient Std. Error t-Statistic Prob.

C -4.873744 33.03894 -0.147515 0.8830

FDR -0.043613 0.082654 -0.527655 0.5988

CAR 0.122403 0.134479 0.910205 0.3646

NOM -0.144137 0.412928 -0.349062 0.7277

KAP 0.705097 2.073268 0.340090 0.7344

R-squared 0.013162 Mean dependent var 2.809476

Adjusted R-squared -0.021163 S.D. dependent var 7.126424

S.E. of regression 7.201436 Akaike info criterion 6.827212

Sum squared resid 5963.979 Schwarz criterion 6.943357

Log likelihood -404.6327 Hannan-Quinn criter. 6.874379

111

F-statistic 0.383460 Durbin-Watson stat 1.087737

Prob(F-statistic) 0.820089

Representasion:

Estimation Command:

=========================

LS NPF C FDR CAR NOM KAP

Estimation Equation:

=========================

NPF = C(1) + C(2)*FDR + C(3)*CAR + C(4)*NOM + C(5)*KAP

Substituted Coefficients:

=========================

NPF = -10.9646942514 - 0.0166671832262*FDR - 0.0759769855218*CAR - 0.408023502018*NOM + 1.34110610176*KAP

Lampiran 4: Hasil Uji Autokorelasi

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 72.25797 Prob. F(2,113) 0.0000

Obs*R-squared 67.34306 Prob. Chi-Square(2) 0.0000

Test Equation:

Dependent Variable: RESID

Method: Least Squares

Date: 10/28/19 Time: 21:58

Sample: 1 120

Included observations: 120

Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.

C 1.090865 5.260139 0.207383 0.8361

112

FDR -0.007713 0.013174 -0.585465 0.5594

CAR -0.005322 0.021381 -0.248903 0.8039

NOM 0.067065 0.065848 1.018473 0.3106

KAP -0.024148 0.329907 -0.073196 0.9418

RESID(-1) 0.788372 0.094707 8.324348 0.0000

RESID(-2) -0.036404 0.094990 -0.383237 0.7023

R-squared 0.561192 Mean dependent var -5.69E-15

Adjusted R-squared 0.537893 S.D. dependent var 1.683177

S.E. of regression 1.144198 Akaike info criterion 3.163848

Sum squared resid 147.9384 Schwarz criterion 3.326452

Log likelihood -182.8309 Hannan-Quinn criter. 3.229882

F-statistic 24.08599 Durbin-Watson stat 1.914944

Prob(F-statistic) 0.000000

Representasion:

Estimation Command:

=========================

LS NPF C FDR CAR NOM KAP

Estimation Equation:

=========================

NPF = C(1) + C(2)*FDR + C(3)*CAR + C(4)*NOM + C(5)*KAP

Substituted Coefficients:

=========================

NPF = -10.9646942514 - 0.0166671832262*FDR - 0.0759769855218*CAR - 0.408023502018*NOM + 1.34110610176*KAP

Lampiran 5: Hasil Uji Autokorelasi Diferensiasi Pertama

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.202167 Prob. F(2,112) 0.8173

113

Obs*R-squared 0.428060 Prob. Chi-Square(2) 0.8073

Test Equation:

Dependent Variable: RESID

Method: Least Squares

Date: 10/28/19 Time: 21:59

Sample: 2 120

Included observations: 119

Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.

C 0.000348 0.101405 0.003433 0.9973

D(FDR) 0.000659 0.014383 0.045806 0.9635

D(CAR) -0.001927 0.032537 -0.059230 0.9529

D(NOM) -0.002692 0.053134 -0.050659 0.9597

D(KAP) 0.016639 0.627335 0.026524 0.9789

RESID(-1) 0.051465 0.097519 0.527745 0.5987

RESID(-2) -0.035925 0.097070 -0.370097 0.7120

R-squared 0.003597 Mean dependent var 1.68E-17

Adjusted R-squared -0.049782 S.D. dependent var 1.077038

S.E. of regression 1.103521 Akaike info criterion 3.091912

Sum squared resid 136.3890 Schwarz criterion 3.255389

Log likelihood -176.9687 Hannan-Quinn criter. 3.158295

F-statistic 0.067389 Durbin-Watson stat 2.004497

Prob(F-statistic) 0.998761

Representasion:

Estimation Command:

=========================

LS D(NPF) C D(FDR) D(CAR) D(NOM) D(KAP)

114

Estimation Equation:

=========================

D(NPF) = C(1) + C(2)*D(FDR) + C(3)*D(CAR) + C(4)*D(NOM) + C(5)*D(KAP)

Substituted Coefficients:

=========================

D(NPF) = 0.0225844563186 - 0.0103463191605*D(FDR) - 0.0421016521657*D(CAR) - 0.191927201439*D(NOM) + 1.25416555122*D(KAP)

Lampiran 6: Hasil Uji Common Effect Model

Dependent Variable: NPF

Method: Panel Least Squares

Date: 10/28/19 Time: 21:55

Sample: 2014Q1 2018Q4

Periods included: 20

Cross-sections included: 6

Total panel (balanced) observations: 120

Variable Coefficient Std. Error t-Statistic Prob.

C -10.96469 7.855275 -1.395838 0.1655

FDR -0.016667 0.019652 -0.848132 0.3981

CAR -0.075977 0.031973 -2.376256 0.0191

NOM -0.408024 0.098177 -4.155998 0.0001

KAP 1.341106 0.492936 2.720649 0.0075

R-squared 0.393355 Mean dependent var 3.344250

Adjusted R-squared 0.372254 S.D. dependent var 2.161038

S.E. of regression 1.712199 Akaike info criterion 3.954208

Sum squared resid 337.1371 Schwarz criterion 4.070354

Log likelihood -232.2525 Hannan-Quinn criter. 4.001375

F-statistic 18.64180 Durbin-Watson stat 0.422638

115

Prob(F-statistic) 0.000000

Representasion:

Estimation Command:

=========================

LS NPF C FDR CAR NOM KAP

Estimation Equation:

=========================

NPF = C(1) + C(2)*FDR + C(3)*CAR + C(4)*NOM + C(5)*KAP

Substituted Coefficients:

=========================

NPF = -10.9646942514 - 0.0166671832261*FDR - 0.0759769855217*CAR - 0.408023502018*NOM + 1.34110610176*KAP

Lampiran 7: Hasil Uji Fixed Effect Model

Dependent Variable: NPF

Method: Panel Least Squares

Date: 10/28/19 Time: 21:55

Sample: 2014Q1 2018Q4

Periods included: 20

Cross-sections included: 6

Total panel (balanced) observations: 120

Variable Coefficient Std. Error t-Statistic Prob.

C -12.14058 18.51723 -0.655637 0.5134

FDR -0.019613 0.019590 -1.001162 0.3189

CAR -0.005360 0.030699 -0.174613 0.8617

NOM -0.443879 0.083447 -5.319260 0.0000

KAP 1.344819 1.336403 1.006298 0.3165

116

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.631168 Mean dependent var 3.344250

Adjusted R-squared 0.600991 S.D. dependent var 2.161038

S.E. of regression 1.365066 Akaike info criterion 3.539938

Sum squared resid 204.9746 Schwarz criterion 3.772229

Log likelihood -202.3963 Hannan-Quinn criter. 3.634273

F-statistic 20.91545 Durbin-Watson stat 0.676504

Prob(F-statistic) 0.000000

Representasion:

Estimation Command:

=========================

LS(CX=F) NPF C FDR CAR NOM KAP

Estimation Equation:

=========================

NPF = C(1) + C(2)*FDR + C(3)*CAR + C(4)*NOM + C(5)*KAP + [CX=F]

Substituted Coefficients:

=========================

NPF = -12.1405754746 - 0.0196126956113*FDR - 0.00536037922223*CAR - 0.443878553974*NOM + 1.34481892369*KAP + [CX=F]

Lampiran 8: Hasil Uji Random Effect Model

Dependent Variable: NPF

Method: Panel EGLS (Cross-section random effects)

Date: 10/28/19 Time: 21:55

Sample: 2014Q1 2018Q4

Periods included: 20

Cross-sections included: 6

117

Total panel (balanced) observations: 120

Swamy and Arora estimator of component variances

Variable Coefficient Std. Error t-Statistic Prob.

C -15.37265 15.25441 -1.007751 0.3157

FDR -0.017971 0.018904 -0.950669 0.3438

CAR -0.009484 0.029823 -0.318006 0.7511

NOM -0.439868 0.082747 -5.315839 0.0000

KAP 1.584814 1.088875 1.455460 0.1483

Effects Specification

S.D. Rho

Cross-section random 2.023269 0.6872

Idiosyncratic random 1.365066 0.3128

Weighted Statistics

R-squared 0.295744 Mean dependent var 0.498881

Adjusted R-squared 0.271248 S.D. dependent var 1.576856

S.E. of regression 1.346114 Sum squared resid 208.3827

F-statistic 12.07320 Durbin-Watson stat 0.666204

Prob(F-statistic) 0.000000

Unweighted Statistics

R-squared 0.362123 Mean dependent var 3.344250

Sum squared resid 354.4939 Durbin-Watson stat 0.391616

Representasion:

Estimation Command:

=========================

LS(CX=R) NPF C FDR CAR NOM KAP

118

Estimation Equation:

=========================

NPF = C(1) + C(2)*FDR + C(3)*CAR + C(4)*NOM + C(5)*KAP + [CX=R]

Substituted Coefficients:

=========================

NPF = -15.37264709 - 0.0179712299575*FDR - 0.00948393405518*CAR - 0.439867591003*NOM + 1.58481375654*KAP + [CX=R]

Lampiran 9: Hasil Uji Chow

Redundant Fixed Effects Tests

Equation: Untitled

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 14.185047 (5,110) 0.0000

Cross-section Chi-square 59.712421 5 0.0000

Cross-section fixed effects test equation:

Dependent Variable: NPF

Method: Panel Least Squares

Date: 10/28/19 Time: 21:55

Sample: 2014Q1 2018Q4

Periods included: 20

Cross-sections included: 6

Total panel (balanced) observations: 120

Variable Coefficient Std. Error t-Statistic Prob.

C -10.96469 7.855275 -1.395838 0.1655

FDR -0.016667 0.019652 -0.848132 0.3981

CAR -0.075977 0.031973 -2.376256 0.0191

NOM -0.408024 0.098177 -4.155998 0.0001

119

KAP 1.341106 0.492936 2.720649 0.0075

R-squared 0.393355 Mean dependent var 3.344250

Adjusted R-squared 0.372254 S.D. dependent var 2.161038

S.E. of regression 1.712199 Akaike info criterion 3.954208

Sum squared resid 337.1371 Schwarz criterion 4.070354

Log likelihood -232.2525 Hannan-Quinn criter. 4.001375

F-statistic 18.64180 Durbin-Watson stat 0.422638

Prob(F-statistic) 0.000000

Representasion:

Estimation Command:

=========================

LS(CX=F) NPF C FDR CAR NOM KAP

Estimation Equation:

=========================

NPF = C(1) + C(2)*FDR + C(3)*CAR + C(4)*NOM + C(5)*KAP + [CX=F]

Substituted Coefficients:

=========================

NPF = -12.1405754746 - 0.0196126956113*FDR - 0.00536037922223*CAR - 0.443878553974*NOM + 1.34481892369*KAP + [CX=F]

Lampiran 10: Hasil Uji Hausman

Correlated Random Effects - Hausman Test

Equation: Untitled

Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 0.828957 4 0.9345

120

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob.

FDR -0.019613 -0.017971 0.000026 0.7494

CAR -0.005360 -0.009484 0.000053 0.5711

NOM -0.443879 -0.439868 0.000116 0.7102

KAP 1.344819 1.584814 0.600324 0.7568

Cross-section random effects test equation:

Dependent Variable: NPF

Method: Panel Least Squares

Date: 10/28/19 Time: 23:11

Sample: 2014Q1 2018Q4

Periods included: 20

Cross-sections included: 6

Total panel (balanced) observations: 120

Variable Coefficient Std. Error t-Statistic Prob.

C -12.14058 18.51723 -0.655637 0.5134

FDR -0.019613 0.019590 -1.001162 0.3189

CAR -0.005360 0.030699 -0.174613 0.8617

NOM -0.443879 0.083447 -5.319260 0.0000

KAP 1.344819 1.336403 1.006298 0.3165

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.631168 Mean dependent var 3.344250

Adjusted R-squared 0.600991 S.D. dependent var 2.161038

S.E. of regression 1.365066 Akaike info criterion 3.539938

Sum squared resid 204.9746 Schwarz criterion 3.772229

121

Log likelihood -202.3963 Hannan-Quinn criter. 3.634273

F-statistic 20.91545 Durbin-Watson stat 0.676504

Prob(F-statistic) 0.000000

Representasion:

Estimation Command:

=========================

LS(CX=R) NPF C FDR CAR NOM KAP

Estimation Equation:

=========================

NPF = C(1) + C(2)*FDR + C(3)*CAR + C(4)*NOM + C(5)*KAP + [CX=R]

Substituted Coefficients:

=========================

NPF = -15.37264709 - 0.0179712299575*FDR - 0.00948393405518*CAR - 0.439867591003*NOM + 1.58481375654*KAP + [CX=R]