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 : [email protected]
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]