PENGARUH RASIO KEUANGAN TERHADAP PERTUMBUHAN LABA
BANK PEMBIAYAAN RAKYAT SYARIAH DI INDONESIA
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh
Gelar Sarjana Ekonomi (S.E.)
Oleh
Isti Rohmah Purnamasari
1113046000088
PROGRAM STUDI EKONOMI SYARIAH
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF
HIDAYATULLAH JAKARTA
1439 H /2018 M
LEMBAR PENGESAHAN
Hari ini Kamis, 11 Januari 2018 telah dilakukan Ujian Skripsi atas mahasiswi:
1. Nama : Isti Rohmah Purnamasari
2. NIM : 1113046000088
3. Jurusan : Ekonomi Syariah
4. Judul Skripsi : Pengaruh Rasio Keuangan terhadap Pertumbuhan Laba
Bank Pembiayaan Rakyat Syariah di Indonesia
Setelah mencermati dan memperhatikan penampilan serta kemampuan yang
bersangkutan selama proses Ujian Skripsi, maka diputuskan bahwa mahasiswi
tersebut dinyatakan lulus dan skripsi ini diterima sebagai salah satu syarat untuk
memperoleh gelar Sarjana Ekonomi (S.E) pada Fakultas Ekonomi dan Bisnis
Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, 11 Januari 2018
ii
ABSTRACT
Isti Rohmah Purnamasari, 1113046000088, The Influence of Financial Ratios on
the Growth of Profit of Sharia Rural Banks in Indonesia. Islamic Banking, Sharia
Economics Study Program, Faculty of Economics and Business. Syarif Hidayatullah
State Islamic University Jakarta, 1439 H / 2018 M.
This study aims to analyze the effect of financial ratios projected by Capital
Adequacy Ratio (CAR), Finance to Deposit Ratio (FDR), Operating Expenses to
Operating Income (BOPO), and Non Performing Finance (NPF) to Profit Growth. The
sample in this research is Syariah Bank Syariah (BPRS) which operated in Indonesia
since 2011 until 2016. The analysis method used is Vector Error Correction Models
(VECM). The data used in this study data series (time series) monthly from January 2011
to December 2016. The
results suggest that in long-term effects of CAR, and FDR have a negative and significant
effect on profit growth. While BOPO has a positive and significant influence on profit
growth, and NPF has a negative influence and not significant. The short-term effect of
financial ratios (CAR, FDR, BOPO, and NPF) on earnings growth does not indicate a
significant relationship.
Keywords : Financial Ratios, Profit Growth
iv
ABSTRAK
Isti Rohmah Purnamasari, 1113046000088, Pengaruh Rasio Keuangan Terhadap
Pertumbuhan Laba Bank Pembiayaan Rakyat Syariah di Indonesia. Perbankan Syariah,
Program Studi Ekonomi Syariah, Fakultas Ekonomi dan Bisnis. Universitas Islam Negeri
Syarif Hidayatullah Jakarta,1439 H/2017 M.
Penelitian ini bertujuan untuk menganalisis pengaruh rasio keuangan yang
diproyeksikan oleh Capital Adequacy Ratio (CAR), Finance to Deposit Ratio (FDR),
Beban Operasional terhadap Pendapatan Operasional, dan Non Performing Finance
terhadap Pertumbuhan Laba. Sampel dalam penelitian ini adalah Bank Pembiayaan
Rakyat Syariah (BPRS) yang beroperasi di Indonesia sejak tahun 2011 hingga tahun
2016. Metode analisis yang digunakan adalah Vector Error Correction Models (VECM).
Data yang digunakan dalam penelitian ini data data runtun (time series) bulanan dari
Januari 2011-Desember 2016.
Hasil penelitian menyatakan bahwa pada jangka panjang pengaruh CAR, ROA, dan
FDR memiliki pengaruh negatif dan signifikan terhadap pertumbuhan laba. Sedangkan
BOPO memiliki pengaruh positif dan signifikan terhadap pertumbuhan laba, dan NPF
memiliki pengaruh negatif dan tidak signifikan. Pengaruh jangka pendek rasio keuangan
(CAR, FDR, BOPO, dan NPF) terhadap pertumbuhan laba tidak memperllihatkan
hubungan yang signifikan.
Kata kunci: Rasio Keuangan, Pertumbuhan Laba
v
KATA PENGANTAR
Segala puji dan syukur kehadirat Allah SWT. Tuhan semesta alam. Atas
rahmat dan hidayah-Nyalah penulis dapat menyelesaikan skripsi yang berjudul
“Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba Bank Pembiayaan
Rakyat Syariah di Indonesia” ditujukan sebagai sebagai salah satu syarat utuk
menyelesaikan studi strata 1 (S-1) dan memperoleh gelar Sarjana Ekonomi di
Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta. Oleh karena itu,
penulis mengucapkan terimakasih yang tak terhingga kepada :
1. Kedua orang tua penulis, bapak Ujer Sodiqin dan Ibu Tumini yang selalu
memberi dukungan moril maupun materil, kasih sayang dan doa terbaik
untuk penulis, dan selalu memberi nasehat dan motivasi sehingga penulis
dapat menyelesaikan penelitian ini.
2. Bapak Dr. Arief Mufraini, Lc, M.Si. selaku Dekan Fakultas Ekonomi dan
Bisnis UIN Syarif Hidayatullah Jakarta.
3. Bapak Dr. Asep Saepudin Jahar, M.A. selaku Dekan Fakultas Syariah dan
Hukum UIN Syarif Hidayatullah Jakarta.
4. Bapak Yoghi Citra Prama, M.Si selaku ketua Jurusan Ekonomi Syariah
dan Ibu RR. Tini Anggraeni, ST, M.Si. selaku sekretaris Jurusan Ekonomi
Syariah.
5. Bapak AM. Hasan Ali, M.A. selaku Ketua Program Studi Mualamat dan
Bapak H. Abdurrauf, Lc., M.A. selaku sekretaris Program Studi Muamalat
Fakultas Syariah dan Hukum UIN Syarif Hidayatullah Jakarta.
6. Ibu Aini Masruroh, SEI, MM. Selaku dosen pembimbing penulis yang
telah bersedia meluangkan waktunya untuk memberikan arahan kepada
penulis selama proses penyelesaian skripsi ini.
7. Bapak almarhum H. M Riza Afwi, MA. Selaku dosen penasehat akademik
penulis yang telah membimbing selama masa perkuliahan, semoga
diterima amal ibadahnya dan di tempatkan di surgaNya.
8. Seluruh dosen dan karyawan Fakultas Ekonomi dan Bisnis dan Fakultas
Syariah dan Hukum yang telah banyak memberikan bantuan kepada
penulis selama menempuh masa studi.
9. Keluarga besar Lingkar Studi Ekonomi Syariah (LiSEnSi) yang telah
memberikan banyak pelajaran berharga kepada penulis, dukungan dan doa
kepada penulis dalam menyelesaikan penelitian ini.
10. Seluruh pihak yang tidak dapat penulis sebutkan satu persatu yang telah
membantu penulis selama masa studi hingga menyelesaikan skripsi.
vi
Semoga Allah SWT. senantiasa memberikan balasan pahala yang berlipat
ganda kepada semua pihak atas bantuan dan amal baik yang telah diberikan
kepada penulis dalam penulisan dan penyusunan skripsi ini. Akhir kata, penulis
berharap semoga skripsi ini dapat bermanfaat bagi semua pihak yang
membutuhkan.
Jakarta, Januari 2018
Isti Rohmah Purnamasari
vii
DAFTAR ISI
LEMBAR PENGESAHAN .................................................................................... ii
LEMBAR PERNYATAAN ................................................................................... iii
KEASLIAAN KARYA ILMIAH .......................................................................... iii
ABSTRACK............................................................................................................. iv
ABSTRAK ..............................................................................................................v
KATA PENGANTAR ...........................................................................................vii
DAFTAR ISI .........................................................................................................viii
DAFTAR TABEL ................................................................................................ x
DAFTAR GAMBAR ............................................................................................. xi
BAB I PENDAHULUAN ........................................................................................1
A. Latar Belakang .............................................................................................1
B. Identifikasi Masalah .....................................................................................5
C. Pembatasan dan Perumusan Masalah...........................................................6
1. Pembatasan Masalah ..............................................................................6
2. Perumusan Masalah ...............................................................................6
D. Tujuan dan Manfaat Penelitian ....................................................................7
1. Tujuan Penelitian ...................................................................................7
2. Manfaat Penelitian .................................................................................7
E. Sistematika Penulisan ..................................................................................7
BAB II TINJAUAN PUSTAKA..............................................................................9
A. Bank Pembiayaan Rakyat Syariah ...............................................................9
1. Pengertian Bank Pembiayaan Rakyat Syariah ......................................9
2. Tujuan Bank Pembiayaan Rakyat Syariah (BPRS) ............................10
3. Kegiatan Usaha Bank Pembiayaan Rakyat Syariah ............................11
B. Pertumbuhan Laba .....................................................................................13
1. Pengertian dan Karakteristik Laba ......................................................13
vii
2. Faktor-Faktor yang Mempengaruhi Pertumbuhan Laba ....................14
3. Analisis Pertumbuhan Laba .................................................................15
C. Hubungan Variabel Independen dengan Variabel Dependen ....................18
1. Hubungan CAR terhadap Pertumbuhan Laba ......................................18
2. Hubungan BOPO terhadap Pertumbuhan Laba ..................................19
3. Hubungan FDR terhadap Pertumbuhan Laba .....................................20
4. Hubungan NPF terhadap Pertumbuhan Laba ......................................20
D. Kerangka Konsep .......................................................................................22
E. Review Studi Terdahulu.............................................................................23
BAB III METODE PENELITIAN.........................................................................28
A. Jenis dan Pendekatan Penelitian.................................................................28
B. Jenis Data/ Sumber Data ............................................................................28
C. Populasi dan Teknik Pengambilan Sampel ...............................................29
D. Teknik Analisis Data .................................................................................29
E. Operasional Variabel Penelitian.................................................................36
F. Hipotesis.....................................................................................................39
BAB IV HASIL DAN PEMBAHASAN ...............................................................40
A. Analisis dan Pembahasan ...........................................................................40
B. Analisis Pengujian Statistik .......................................................................44
C. Interpretasi Hasil Penelitian .......................................................................55
BAB V PENUTUP.................................................................................................60
A. Kesimpulan ................................................................................................60
B. Saran...........................................................................................................61
DAFTAR PUSTAKA ............................................................................................62
LAMPIRAN ...........................................................................................................67
viii
DAFTAR TABEL
Tabel 1.1 Kinerja BPR dan BPRS Berdasarkan Modal Inti .................................... i
Tabel 1.2 pertumbuhan laba BPRS di indonesia periode 2011-2016 ......................4
Tabel 2.2 Review studi terdahulu...........................................................................35
Tabel 4.1 data pertumbuhan laba ...........................................................................53
Tabel 4.2 data CAR ................................................................................................54
Tabel 4.3 data FDR ................................................................................................55
Tabel 4.4 data NPF.................................................................................................56
Tabel 4.5 data BOPO .............................................................................................56
Tabel 4.6 hasil uji stasioneritas ADF pada tingkat level........................................58
Tabel 4.7 hasil uji stasioneritas ADF pada tingkat 1st difference..........................59
Tabel 4.8 hasil uji stasioneritas ADF pada tingkat 2st difference..........................59
Tabel 4.9 hasil uji lag optimal................................................................................60
Tabel 4.10 hasil uji johansen cointegrtion .............................................................61
Tabel 4.11 estimasi VECM jangka panjang dan jangka pendek............................62
Tabel 4.12 hasil uji Impulse Response Function....................................................64
Tabel 4.13 variance decomposition (VD) ..............................................................68
ix
DAFTAR GAMBAR
Gambar 2.1 kerangka konsep .................................................................................34
Grafik 4.1 Impulse Response DPER_LABA terhadap shock DCAR ....................65
Grafik 4.2 Impulse Response DPER_LABA terhadap shock DBOPO ..................66
Grafik 4.3 Impulse Response DPER_LABA terhadap shock DFDR .....................67
Grafik 4.4 Impulse Response DPER_LABA terhadap shock DNPF .....................67
Grafik 4.5 Variance Decomposition ......................................................................69
x
BAB I
PENDAHULUAN
A. Latar Belakang
Rakernas dan Seminar Nasional yang di laksanakan oleh OJK di Pontianak
pada Oktober 2016 menyatakan bahwa, keberadaan bank syariah di Indonesia
telah diakui secara formal dengan diberlakukannya Undang-undang No.7 tahun
1992 sebagaimana telah diubah dengan Undang-undang No. 21 tahun 2008
tentang Perbankan Syariah. Menurut Undang-Undang tersebut, terdapat dua jenis
bank syariah di Indonesia yaitu Bank Umum Syariah dan Bank Pembiayaan
Rakyat Syariah (BPRS). BPRS pertama di Indonesia didirikan pada tahun 1991 di
Jawa Barat. Sampai dengan bulan Febuari 2017, jumlah BPRS di Indonesia
tercatat sebanyak 166 buah yang tersebar di 25 wilayah Kantor Bank Indonesia.
Kehadiran Bank Pembiayaan Rakyat Syariah (BPRS) diharapkan mampu
memberi solusi, utamanya dalam rangka lebih memberdayakan perekonomian
masyarakat ekonomi lemah, seperti pedagang sayur, pedagang buah, pedagang
ikan dan juga kegiatan ekonomi lainnya yang membutuhkan suntikan dana untuk
menambah modal usaha yang digeluti mereka.1
Bank Pembiayaan Rakyat Syariah
(BPRS) mempunyai misi sebagai lembaga perantara keungan yang beroperasi atas
dasar prinsip-prinsip syariah Islam dengan memperhatikan ketimpangan sosial,
kemiskinan dan ketidakadilan sosial ekonomi, serta Bank Pembiayaan Rakyat
Syariah juga sangat memperhatikan kesehatan bank itu sendiri.
1 Heri Sudarsono, Bank dan Lembaga Keuangan Syariah: Deskripsi dan
Ilustrasi, Yogyakarta : EKONISIA, 2005, h.83
1
2
Tabel 1.1 Kinerja BPR dan BPRS Berdasarkan Modal Inti
Modal Inti BPR BPRS
MI<1M 161 22
MI1-< 3M 442 52
MI 3-< 6M 466 41
MI 6 -< 15M 354 34
MI 15-< 50M 174 9
MI >= 50 M 37 5
JUMLAH 1634 163
Sumber : DPIP dan DPbS, diolah
Total jumlah BPR dan BPRS di Indonesia sebanyak 1.797 sebagian besar
(1.184 BPR/ 68%) memiliki Modal Inti (MI) yang terbatas (di bawah Rp 6M).
Dalam rakernas dan seminar nasional OJK pada oktober 2016 yang membahas
tentang Perhimpunan Bank Perkreditan Rakyat Indonesia mengatakan bahwa BPR
dan BPRS yang memiliki modal inti di bawah Rp 6 M cenderung memiliki kinerja
yang buruk, tercermin dari NPL/NPF tinggi, BOPO tinggi, ROA rendah (negatif)2
sebagaimana yang ditampilkan pada Tabel 1.1.
Menghadapi perkembangan dunia usaha perbankan yang dinamis, maka bank
dalam menciptakan produk dan jasa perbankan harus memperhatikan kebutuhan
dan keinginan masyarakat. Masyarakat selalu menginginkan suatu produk atau
jasa yang dapat memperlancar segala keperluan mereka dengan sarana yang lebih
banyak dan praktis serta didukung dengan adanya pelayanan yang lebih baik dan
cepat. Informasi yang dibutuhkan pasar sebagai potential user dan pihak-pihak
yang berkepentingan dengan perusahaan bukan hanya informasi produk tetapi
juga berbagai hal yang terkait dengan perusahaan. Salah satu informasi tersebut
adalah kondisi keuangan atau yang sering disebut sebagai laporan keuangan.3
2 Rakernas dan Seminar Nasional Perhimpunan Bank Perkeditan Rakyat
Indonesia. Pontianak, 26 Oktober 2016 3
Sigit setiawan dan Winarsih. Faktor-Faktor yang Mempengaruhi Pertumbuhan Laba
Bank Syariah Di Indonesia, 2011.
3
Laporan keuangan merupakan salah satu informasi keuangan yang bersumber
dari intern perusahaan. Laporan keuangan perusahaan keuangan melaporkan
kinerja masa lalu dan menunjukkan posisi keuangan mutakhir. Laporan keuangan
memiliki tujuan utama untuk memberikan informasi yang relevan pada pihak-
pihak di luar perusahaan. Informasi yang dibaca dari laporan keuangan akan
menjadi lebih luas dan lebih dalam dengan melakukan analisis laporan keuangan.
Hubungan satu pos dengan pos lain akan dapat menjadi indikator tentang posisi
dan prestasi keuangan perusahaan. Salah satu teknik dalam analisis laporan
keuangan adalah analisis rasio. Rasio keuangan memberikan gambaran informasi
yang sederhana mengenai hubungan antara pos tertentu dengan pos lainnya
sehingga memudahkan dan mempercepat dalam menilai kesehatan dan kinerja
keuangan perusahaan. Kinerja keuangan bank adalah penelitian ukuran-ukuran
tertentu yang dapat mengukur keberhasilan suatu bank dalam menghasilkan laba4.
Dalam rangka memperebutkan pasar perbankan di Indonesia dan semakin
ketatnya persaingan antara bank syariah dan konvensional, maka bank syariah
dituntut memiliki tingkat kesehatan dan kinerja keuangan yang bagus. Hal ini
dapat dilihat dari pertumbuhan laba yang dihasilkan oleh bank syariah,
pertumbuhan laba yang baik merupakan isyarat kinerja perusahaan yang baik.
Akibatnya dari pertumbuhan laba yang baik akan menaikkan nilai perusahaan.
Adapun pertumbuhan laba bank syariah dapat dipengaruhi oleh beberapa faktor,
diantaranya adalah Net Operational Income (NOI), Pertumbuhan Dana Pihak
Ketiga (DPK), Capital Adequacy Ratio (CAR), Non Performing Financing (NPF),
Financing to Deposit Ratio (FDR), Operational Efficiency Ratio (OER)5. Berhasil
atau tidaknya suatu perusahaan pada umumnya ditandai dengan kemampuan
manajemen dalam melihat kemungkinan dan kesempatan di masa yang akan
datang, baik jangka panjang maupun jangka pendek. Dengan demikian sasaran
4 Sigit setiawan dan Winarsih. Faktor-Faktor yang Mempengaruhi Pertumbuhan Laba
Bank Syariah di Indonesia, 2011 5
Diah Ratih Sotio Resmi, Faktor yang Mempengaruhi Pertumbuhan Laba Perbankan
Syariah Di Indonesia Tahun 2007-2011, Tesis S2 STIE Perbanas Surabaya, 2011, h.2
4
utama pelaporan keuangan adalah informasi tentang prestasi-prestasi perusahaan
yang disajikan melalui pengukuran laba dan komponen-komponennya.
Tabel 1.2 Pertumbuhan Laba BPRS di Indonesia Periode 2011-2016
Tahun Laba (Miliar
Rupiah)
Pertumbuhan laba
2010 Rp 70.243 28,74%
2011 Rp 86.654 23,36%
2012 Rp 106.482 22,88%
2013 Rp 129.280 21,41%
2014 Rp 121.945 -5,67%
2015 Rp 137.719 12,94%
2016 Rp 159.003 15,45%
Sumber : statistik perbankan syariah, diolah
Berdasarkan Tabel 1.2 dapat dilihat laba BPRS di Indonesia masih belum
stabil. Pertumbuhan laba pada tahun 2011-2013 mengalami peningkatan laba yang
signifikan. Akan tetapi pada tahun 2014 mengalami penurunan yang cukup drastis
meskipun pada tahun 2015 dan 2016 mulai meningkat kembali meskipun
pertumbuhannya hanya 15%. Berdasarkan data tersebut dapat kita simpulkan
bahwa terdapat faktor-faktor yang mempengaruhi kenaikan ataupun penurunan
laba yang diperolah BPRS di Indonesia.
Pada tesis yang berjudul faktor-faktor yang mempengaruhi pertumbuhan laba
Bank Syariah di Indonesia, hasil penelitiannya menunjukan bahwa Variabel NOI,
Pertumbuhan DPK, CAR, NPF, FDR dan OER secara bersama-sama memberikan
pengaruh yang tidak signifikan terhadap Pertumbuhan Laba sehingga tidak dapat
digunakan untuk memprediksi Pertumbuhan Laba Bank Syariah.6
Sedangkan pada
penelitian lain tentang faktor-faktor yang mempengaruhi pertumbuhan laba Bank
Syariah di Indonesia, hasil penelitiannya menunjukkan bahwa permodalan,
pembiayaan, NPF, dana masyarakat, dan BOPO secara serentak mempengaruhi
pertumbuhan laba bank syariah di Indonesia. Sedangkan secara parsial ditemukan
bahwa permodalan, pembiayaan dan dana masyarakat berpengaruh positif
6 Diah Ratih Sotio Resmi, Faktor yang Mempengaruhi Pertumbuhan Laba Perbankan
Syariah di Indonesia Tahun 2007-2011, (Tesis S2 STIE Perbanas Surabaya, 2011)
5
terhadap pertumbuhan laba sedang-kan NPF & BOPO berpengaruh negatif
terhadap pertumbuhan laba.7
Suatu perusahaan dapat dikatakan mencapai kesuksesan dan berhasil
memenangkan persaingan apabila dapat menghasilkan laba yang maksimal. Laba
mencerminkan kinerja suatu perusahaan. Rasio keuangan juga bermanfaat dalam
memprediksi laba perusahaan. Apabila kinerja keuangan perusahaan baik maka
pertumbuhan laba meningkat, dan sebaliknya kinerja perusahaan tidak baik maka
pertumbuhan laba menurun. Dalam hal ini pertumbuhan laba merupakan
peningkatan laba yang diperoleh perusahaan dibandingkan dengan tahun
sebelumnya. Oleh karena itu penulis tertarik untuk melakukan penelitian dengan
judul “Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba Bank
Pembiayaan Rakyat Syariah di Indonesia”.
B. Identifikasi Masalah
Berdasarkan latar belakang diatas, maka dapat diidentifikasi masalah-masalah
sebagai berikut :
1. Bank Pembiayaan Rakyat Syariah yang memiliki modal inti kurang dari
enam miliar cenderung memiliki kinerja buruk.
2. Penurunan kinerja Bank Pembiayaan Rakyat Syariah tercermin dari rasio
NPF tinggi, BOPO tinggi, dan ROA rendah.
3. Pertumbuhan laba yang baik merupakan isyarat kinerja keuangan bank
yang baik.
4. Rasio keuangan salah satu faktor yang mempengaruhi pertumbuhan laba.
7 Sigit setiawan dan Winarsih. Faktor-Faktor Yang Mempengaruhi Pertumbuhan Laba
Bank Syariah Di Indonesia, 2011.
6
C. Pembatasan dan Perumusan Masalah
1. Pembatasan Masalah
Berdasarkan latar belakang masalah yang telah diuraikan peneliti akan
membatasi permasalah yang akan diteliti pada Pengaruh Rasio Keuangan
Terhadap Pertumbuhan Laba Bank Pembiayaan Rakyat Syariah di Indonesia,
diantaranya adalah :
a. Data rasio keuangan yang digunakan hanya rasio CAR, FDR, BOPO, dan
NPF yang mana indikatornya berupa data kinerja Bank Pembiayaan
Rakyat Syariah
b. Data pertumbuhan laba yang digunakan merupakan data dari laporan
keuangan bulanan seluruh Bank Pembiayaan Rakyat Syariah pada tahun
2011-2016, yang mana indikatornya adalah hasil perhitungan periode
tahun dihitung dikurangi periode tahun sebelumnya di bagi periode tahu
sebelumnya, dimana data diambil dari laporan laba/rugi.
c. Metode yang digunakan menggunakan metode analisis VAR VECM, yang
mana tujuan dari metode tersebut adalah untuk mengatahui pengaruh janka
panjang dan pendek antar variabel.
2. Perumusan Masalah
Melalui pembatasan masalah di atas, maka untuk mempermudah penulisan
skripsi ini, penulis merumuskan masalah penelitian sebagai berikut :
1. Bagaimana pengaruh jangka panjang dan jangka pendek rasio keuangan
CAR, NPF, FDR, BOPO terhadap pertumbuhan laba Bank Pembiayaan
Rakyat Syariah di Indonesia ?
2. Bagaiamana respon dari rasio keuangan CAR, NPF, FDR, BOPO terhadap
pertumbuhan laba Bank Pembiayaan Rakyat Syariah di Indonesia ?
7
3. Tujuan dan manfaat penelitian
1. Tujuan penelitian
Penelitian ini bertujuan sebagai berikut :
a. Menganalisis pengaruh jangka pendek rasio keuangan CAR, NPF, FDR,
BOPO terhadap pertumbuhan laba BPRS di Indonesia.
b. Menganalisis pengaruh jangka panjang rasio keuangan CAR, NPF, FDR,
BOPO terhadap pertumbuhan laba BPRS di Indonesia.
c. Menganalisis respon dari rasio keuangan CAR, NPF, FDR, BOPO akibat
shock yang terjadi pada pertumbuhan laba BPRS di Indonesia.
d. Menganalisis besarnya kontribusi dari rasio keuangan CAR, NPF, FDR,
BOPO akibat shock yang terjadi pada pertumbuhan laba BPRS di
Indonesia.
2. Manfaat Penelitian
Adapun Manfaat dari Penelitian ini sebagai berikut :
a. Manfaat Teoritis
Secara teoritis penelitian ni diharapkan dapat manfaat bagi
pengetahuan dan kajian tentang hubungan rasio keuangan dengan
Pertumbuhan Laba Lembaga Keuangan syariah.
b. Manfaat Praktis
Diharapkan hasil penelitian ini menjadi salah satu bahan
pertimbangan referensi bagi peneliti lain dalam penelitian yang terkait,
dan nantinya bermanfaat bagi kalangan akademisi maupun lembaga
keuangan syariah dalam rangka melakukan penilaian kinerja perusahaan
4. Sistematika Penulisan
Untuk memberikan gambaran secara sederhana agar dapat memudahkan
penulisan skripsi, maka disusun sistematika penulisan yang terdiri dari lima bab
dengan rincian sebagai berikut :
8
BAB 1 : PENDAHULUAN
Pada bab ini akan dijelaskan latar belakang, identifikasi masalah, batasan dan
rumusan masalah, tujuan dan manfaat penelitian dan sistematika penulisan.
BAB II : KAJIAN TEORITIS
Pada bab ini disajikan mengenai teori Bank Pembiayaan Rakyat Syariah (BPRS),
pertumbuhan laba, analisis rasio keuangan, kerangka konsep, dan review studi
terdahulu.
BAB III : METODE PENELITIAN
Pada bab ini akan dijelaskan mengenai ruang lingkup penelitian, metode
pengumpulan data, sumber data, variabel yang digunakan dalam penelitian, teknik
pengumpulan data serta metode analisis yang digunakan.
BAB IV : ANALISIS DAN PEMBAHASAN
Berisi data dan hasil penelitian mengenai pengaruh rasio keuangan terhadap
pertumbuhan laba BPRS tahun 2011-2016
BAB V : PENUTUP
Bab ini memuat kesimpulan yang merupakan jawaban dari rumusan permasalahan
yang telah dibahas sebelumnya dan saran.
BAB II TINJAUAN
PUSTAKA
A. Bank Pembiayaan Rakyat Syariah
1. Pengertian Bank Pembiayaan Rakyat Syariah
Bank Perkreditan Rakyat (BPR) menurut Undang-Undang (UU) Perbankan
No.7 Tahun 1992 adalah Lembaga Keuangan Bank yang menerima simpanan
hanya dalam bentuk deposito berjangka, tabungan dan atau bentuk lainnya yang
dipersamakan dengan itu dan menyalurkan dana sebagai usaha BPR. Sedangkan
pada Undang-Undang perbankan No.10 Tahun 1998 disebutkan bahwa Bank
Perkreditan Rakyat adalah Lembaga Keuangan Bank yang melaksanakan kegiatan
usahanya secara konvensional atau berdasarkan prinsip syariah1. Kemudian di
sempurnakan oleh UU No 21 tahun 2008, Bank Perkreditan Rakyat Syari’ah
(BPRS) adalah bank yang melaksanakan kegiatan usaha berdasarkan prisnsip
Syari’ah yang dalam kegiatannya tidak memberikan jasa dalam lalu lintas
pembayaran. Bentuk hukumnya dapat berupa : Perseroan Terbatas/PT, Koperasi
atau Perusahaan Daerah (Pasal 2 PBI No. 6/17/PBI/2004). Undang-undang
Nomor 21 Tahun 2008 menyebutkan Bank Pembiayaan Rakyat Syari’ah (BPRS)
yaitu Bank Syari’ah yang dalam kegiatannya tidak memberikan jasa dalam lalu
lintas pembayaran.2
Selanjutnya, pelaksanaan BPR yang melaksanakan kegiatan usaha
berdasarkan prinsip syariah diatur oleh Peraturan Bank Indonesia Nomor:
1 Heri Sudarsono, Bank dan Lembaga Keuangan Syariah: Deskripsi dan Ilustrasi,
Yogyakarta : EKONISIA, 2005, h.83 2
Khotibul Umam, Trend Pembentukan Bank Umum Syariah Pasca Undang-Undang
Nomor 21 Tahun 2008 (Konsep, Regulasi, dan Implementasi), Yogyakarta : BPFE
Yogyakarta,2009, h.41
9
10
6/17/PBI/2004 yang telah diubah dengan Peraturan Bank Indonesia Nomor:
8/25/PBI/2006 tentang Bank Perkreditan Rakyat Berdasarkan Prinsip Syariah.
Undang-Undang (UU) Nomor 21 Tahun 2008 Tentang Bank Syari’ah telah
mengatur secara khusus eksistensi Bank Syari’ah di Indonesia. Undang-Undang
tersebut melengkapi dan menyempurnakan UU No. 7 Tahun 1992 Tentang
Perbankan sebagaimana telah diubah dengan UU No. 10 Tahun 1998 yang belum
spesifik sehingga perlu diatur khusus dalam Undang-Undang tersendiri. Menurut
Pasal 18 UU No. 21 Tahun 2008, Bank Syari’ah terdiri atas Bank Umum Syari’ah
dan Bank Pembiayaan Rakyat Syari’ah.
Pasal 1 UU No. 21 Tahun 2008 tentang Ketentuan Umum disebutkan
pengertian dari Bank Pembiayaan Rakyat Syari’ah (BPRS) adalah Bank Syari’ah
yang dalam kegiatanya tidak memberikan jasa dalam lalu lintas pembayaran.3
Sedangkan Pasal 2 UU No. 21 Tahun 2008 dijelaskan bahwa Perbankan Syari’ah
dalam melakukan kegiatan usahanya berasaskan Prinsip Syari’ah (Menurut pasal
1 UU No. 21 Tahun 2008 yang dimaksud prinsip syari’ah adalah prinsip hukum
Islam dalam kegiatan perbankan berdasarkan fatwa yang dikeluarkan oleh
lembaga yang memiliki kewenangan dalam penetapan fatwa di bidang syari’ah.),
demokrasi ekonomi, dan prinsip kehati-hatian.
2. Tujuan Bank Pembiayaan Rakyat Syariah (BPRS)
Tujuan operasionalisasi BPR Syariah adalah4
:
a) Meningkatkan kesejahteraan ekonomi umat Islam terutama masyarakat
golongan ekonomi lemah.
b) Meningkatkan pendapatan per kapita
c) Menambah lapangan kerja terutama di kecamatan-kecamatan
d) Mengurangi urbanisasi
e) Membina semangat ukhuwah Islamiyah melalui kegiatan ekonomi.
3 UU No. 21 tahun 2008 4
Heri Sudarsono, Bank dan Lembaga Keuangan Syariah: Deskripsi dan
Ilustrasi, Yogyakarta : EKONISIA, 2005, h.109
11
3. Kegiatan Usaha Bank Pembiayaan Rakyat Syariah
Adapun kegiatan usaha dari BPR Syari’ah intinya hampir sama dengan
kegiatan dari Bank Umum Syari’ah, yaitu berupa penghimpunan dana, penyaluran
dana, dan kegiatan di bidang jasa. perbedaanya adalah bahwa BPR Syari’ah tidak
diperkenankan memberikan jasa dalam lalu lintas pembayaran, misalnya ikut
dalam kegiatan kliring, inkaso, dan menertibkan giro.5
Kegiatan usaha BPR Syari’ah secara teknis operasional berkaitan dengan
produk-produknya mendasarkan pada Pasal 2 dan Pasal 3 PBI No. 9/19/PBI/2007
tentang pelaksanaan prinsip Syari’ah dalam kegiatan penghimpunan dana dan
penyaluran dana serta pelayanan jasa Bank Syari’ah sebagaimana telah diubah
dengan PBI No. 10/16/PBI/2008. Lebih teknis lagi mengacu SEBI No.
10/14/DPbS Jakarta, 17 Maret 2008 perihal pelaksanaan prinsip dalam kegiatan
penghimpunan dana dan penyaluran dana serta pelayanan jasa Bank Syari’ah.
Perlu ditekankan disini bahwa setiap pihak dilarang melakukan kegiatan
penghimpunan dana dalam bentuk simpanan atau investasi berdasarkan prinsip
Syari’ah tanpa izin terlebih dahulu dari Bank Indonesia, kecuali diatur dalam
undang-undang lain. Untuk dapat melakukan kegiatan-kegiatan sebagaimana
dimaksud di atas secara a contrario dapat ditafsirkan harus ada izin terlebih
dahulu dari Bank Indonesia6.
Kegiatan usaha yang dapat dilakukan oleh BPR Syari’ah menurut Undang-
Undang Nomor 21 tahun 2008 tentang Perbankan Syari’ah diatur dalam Pasal 21,
yaitu bahwa kegiatan usaha Bank Pembiayaan Rakyat Syari’ah meliputi7
:
5 Khotibul Umam, Trend Pembentukan Bank Umum Syariah Pasca Undang-Undang
Nomor 21 Tahun 2008 (Konsep, Regulasi, dan Implementasi), Yogyakarta : BPFE Yogyakarta,
2009, h.41 6
Khotibul Umam, Trend Pembentukan Bank Umum Syariah Pasca Undang-Undang
Nomor 21 Tahun 2008 (Konsep, Regulasi, dan Implementasi), h.55 7
Khotibul Umam, Trend Pembentukan Bank Umum Syariah Pasca Undang-Undang
Nomor 21 Tahun 2008 (Konsep, Regulasi, dan Implementasi), h.54
12
Penghimpunan Dana
1. Simpanan Amanah
Simpanan amanah adalah, sebab dalam hal ini bank menerima titipan amanah
(trustee account) dari nasabah. Disebut dengan titipan amanah karena bentuk
perjanjian adalah wadiah yaitu titipan yang tidak mengandung risiko. Namun
demikian, bank akan memberikan bonus dari bagi hasil keuntungan yang
diperoleh bank melalui pembiayaan kepada para nasabahnya8.
2. Tabungan Wadiah
Dalam tabungan ini bank menerima tabungan dari nasabah dalam bentuk
tabungan bebas. Sedangkan akad yang diikat oleh bank dengan nasabah dalam
bentuk wadiah. Bank memberikan bonus kepada nasabah. Bonus diperoleh bank
dari bagi hasil dari kegiatan pembiayaan kredit kepada nasabah lainnya. Bonus
tabungan wadiah itu dapat diperhitungkan secara harian dan dibayarkan kepada
nasabah pada setiap bulannya9.
3. Deposito Mudharabah / Wadiah
Dalam produk ini bank menerima deposito berjangka dari nasabahnya. Akad
dapat dilakukan dalam bentuk wadiah atau mudharabah. Pada umumnya, jangka
waktu deposito adalah 1, 3, 6, 12 bulan dan seterusnya sebagai bentuk penyertaan
modal. Sehingga nasabah/ deposan berhak mendapatkan bonus keuntungan dari
bagi hasil yang diperoleh bank dari pembiayaan/ kredit yang dilakukannya kepada
nasabah-nasabah lainnya.10
Penyaluran Dana
1. Pembiayaan Mudharabah
Dalam pembiayaan mudharabah ini bank mengadakan akad dengan nasabah
(pengusaha). Bank menyediakan pembiayaan modal usaha bagi proyek yang
8 Heri Sudarsono, Bank dan Lembaga Keuangan Syariah: Deskripsi dan
Ilustrasi, Yogyakarta : EKONISIA, 2005, h.109 9
Heri Sudarsono, Bank dan Lembaga Keuangan Syariah: Deskripsi dan Ilustrasi, h.109 10 Heri Sudarsono, Bank dan Lembaga Keuangan Syariah: Deskripsi dan Ilustrasi, h.110
13
dikelola oleh pengusaha. Keuntungan akan dibagi sesuai kesepakatan yang telah
diikat oleh bank dan pengusaha tersebut.11
2. Pembiayaan Musharakah
Dalam pembiayaan musharakah ini bank dengan pengusaha mengadakan
perjanjian. Bank dan pengusaha berjanji bersama-sama membiayai suatu proyek
yang juga dikelola bersama-sama. Keuntungan yang diperoleh dari usaha tersebut
akan dibagi sesuai dengan penyertaan masing-masing pihak.
3. Pembiayaan Bai’u Bithaman Ajil
Dalam bentuk penyertaan ini, bank mengikat perjanjian dengan nasabah. Bank
menyediakan suatu barang/aset yang dibutuhkan nasabah guna mendukung usaha
atau proyek yang sedang diusahaannya.12
B. Pertumbuhan laba
1. Pengertian dan Karakteristik Laba
Tujuan utama perusahaan adalah memaksimalkan laba. Pengertian laba
secara operasional merupakan perbedaan antara pendapatan yang direalisasi yang
timbul dari transaksi selama satu periode dengan biaya yang berkaitan dengan
pendapatan tersebut. Pengertian laba ialah kelebihan penghasilan diatas biaya
selama satu periode akuntansi13
. Sementara pengertian laba yang dianut oleh
struktur akuntansi sekarang ini adalah selisih pengukuran pendapatan dan biaya.
Besar kecilnya laba sebagai pengukur kenaikan sangat bergantung pada ketepatan
pengukuran pendapatan dan biaya.
Laba merupakan angka yang penting dalam laporan keuangan karena
berbagai alasan antara lain: laba merupakan dasar dalam perhitungan pajak,
pedoman dalam menentukan kebijakan investasi dan pengambilan keputusan,
dasar dalam peramalan laba maupun kejadian ekonomi perusahaan lainnya di
masa yang akan datang, dasar dalam perhitungan dan penilaian efisiensi dalam
11
Heri Sudarsono, Bank dan Lembaga Keuangan Syariah: Deskripsi dan Ilustrasi, h.110 12 Heri Sudarsono, Bank dan Lembaga Keuangan Syariah :Deskripsi dan Ilustrasi, h.110 13 Sofyan Syafri Harahap, 2008, Analisis Kritis Atas Laporan Keuangan. Jakarta: Raja
Grafindo Persada, h.113
14
menjalankan perusahaan, serta sebagai dasar dalam penilaian prestasi atau kinerja
perusahaan14
.
Laba memiliki beberapa karakteristik antara lain sebagai berikut15
:
1. Laba didasarkan pada transaksi yang benar-benar terjadi,
2. Laba didasarkan pada postulat periodisasi, artinya merupakan prestasi
perusahaan pada periode tertentu,
3. Laba didasarkan pada prinsip pendapatan yang memerlukan pemahaman
khusus tentang definisi, pengukuran dan pengakuan pendapatan,
4. Laba memerlukan pengukuran tentang biaya dalam bentuk biaya historis
yang dikeluarkan perusahaan untuk mendapatkan pendapatan tertentu, dan
5. Laba didasarkan pada prinsip penandingan (matching) antara pendapatan
dan biaya yang relevan dan berkaitan dengan pendapatan tersebut.
Laba terdiri dari empat elemen utama yaitu pendapatan (revenue), beban
(expense), keuntungan (gain), dan kerugian (loss)16
:
1. Pendapatan (revenue) adalah arus masuk atau peningkatan lain dari aktiva
suatu entitas atau pelunasan kewajibannya (atau kombinasi dari keduanya)
dari penyerahan atau produks suatu barang, pemberian jasa, atau aktivitas
lain yang merupakan usaha terbesar atau usaha utama yang sedang
dilakukan entitas tersebut.
2. Beban (expense) adalah arus keluar atau penggunaan lain dari aktiva atau
timbulnya kewajiban (atau kombinasi keduanya) dari penyerahan atau
produksi suatu barang, pemberian jasa, atau pelaksanaan aktivitas lain
yang merupakan usaha terbesar atau usaha utama yang sedang dilakukan
entitas tersebut.
3. Keuntungan (gain) adalah peningkatan dalam ekuitas (aktiva bersih) dari
transaksi sampingan atau transaksi yang terjadi sesekali dari suatu entitas
dan dari semua transaksi, kejadian, dan kondisi lainnya yang
263
14 Sofyan Safri Harahap, 2005, Teori Akuntansi, Jakarta: PT. Raja Grafindo Persada, h.
15
Anis Chariri dan Imam Ghozali. 2003. Teori Akuntansi., Semarang: UNDIP, h.214
15
mempengaruhi entitas tersebut kecuali yang bersal dari pendapatan atau
investasi pemilik.
4. Kerugian (loss) adalah penurunan dalam ekuitas (aktiva bersih) dari
transaksi sampingan atau transaksi yang terjadi sesekalidari suatu entitas
dan dari semua transaksi, kejadian, da kondisi lainnya yang mempengaruhi
entitas tersebut, kecuali yang berasal dari pendapatan atau investasi
pemilik.
Perbandingan yang tepat atas pendapatan dan biaya tergambar dalam laporan
laba rugi. Penyajian laba melalui laporan tersebut merupakan fokus kinerja
perusahaan yang penting. Kinerja perusahaan merupakan hasil dari serangkaian
proses dengan mengorbankan berbagai sumber daya. Adapun salah satu parameter
penilaian kinerja perusahaan tersebut adalah pertumbuhan laba.
Pertumbuhan laba dihitung dengan cara mengurangkan laba periode
sekarang dengan laba periode sebelumnya kemudian dibagi dengan laba pada
periode sebelumnya17
Pertumbuhan laba = x 100%
2. Faktor- Faktor yang Mempengaruhi Pertumbuhan Laba
Pertumbuhan laba dipengaruhi oleh beberapa faktor antara lain18
:
a. Besarnya perusahaan.
Semakin besar suatu perusahaan, maka ketepatan pertumbuhan laba
yang diharapkan semakin tinggi.
17
Warsidi & Bambang Agus Pramuka (Jurnal Akuntansi, Manajemen dan Ekonomi Vol.
2 No. 1 Tahun 2000)
18
Angkoso, Pengaruh rasio keuangan terhadap pertumbuhan laba pada perusahaan
industri barang konsumsi yang terdaftar di BEI, ( Skripsi Fakultas Ekonomi, Universitas Sumatra
Utara)
16
b. Umur perusahaan.
Perusahaan yang baru berdiri kurang memiliki pengalaman dalam
mengingkatkan laba, sehingga ketepatannya masih rendah.
c. Tingkat leverage.
Bila perusahaan memiliki tingkat hutang yang tinggi, maka manajer
cenderung memanipulasi laba sehingga dapat mengurangi ketepatan
pertumbuhan laba.
d. Tingkat penjualan.
Tingkat penjualan di masa lalu yang tinggi, semakin tinggi tingkat
penjualan di masa yang akan datang sehingga pertumbuhan laba semakin
tinggi.
e. Perubahan laba masa lalu.
Semakin besar perubahan laba masa lalu, semakin tidak pasti laba
yang diperoleh di masa mendatang.
Pertumbuhan laba juga dipengaruhi oleh kondisi eksternal dari perusahaan,
yaitu19
:
a. Tingkat Penjualan (Sales)
Penjualan dapat berupa penjualan barang dagangan maupun penjualan
jasa. Jumlah transaksi penjualan yang terjadi di suatu perusahaan biasanya
cukup besar dibandingkan dengan jenis transaksi yang lainnya. Pendapatan
meliputi arus kas masuk seperti penjualan tunai, dan arus kas masuk
prospektif seperti penjualan kredit. Pendapatan diharapkan tetap terjadi
selamanya berdasarkan kelangsungan usaha. Penggunaan metode pengakuan
pendapatan dapat mempengaruhi laba yang dilaporkan secara signifikan
b. Tingkat Inflasi
Tingkat Inflasi adalah proses kenaikan harga-harga umum secara terus-
menerus. Inflasi dapat menyebabkan menurunnya daya beli masyarakat karena
secara riel tingkat pendapatan juga menurun.20
Tingkat inflasi dalam
19 Rice Aguastina, Analisa faktor-faktor yang mempengaruhi pertumbuhan laba dengan
ukuran perusahaan sebagai variabel moderating pada perusahaan manufaktur yang terdapat di
bursa efek indonesia, (Jurnal Wira Ekonomi Mikroskil, Vol 6, Nomor 01, April 2016) 20
I Putong, 2008, Pengantar Mikro dan Makro Edisi 2, Jakarta: Penerbit Wacana Media
17
perekonomian disatu sisi selalu menjadi momok yang relatif menakutkan,
karena dapat melemahkan daya beli dan juga dapat melumuhkan kemampuan
produksi yang mengarah pada krisis produksi dan konsumsi. Namun di sisi
lain, ketiadaan inflasi menandakan tidak adanya pergerakan positif dalam
perekonomian karena harga-harga tidak berubah sehingga justru akan
melemahkan sektor industri.
c. Pertumbuhan Ekonomi
Pertumbuhan ekonomi adalah kenaikan pendapatan nasional secara berarti
dalam suatu periode perhitungan tertentu. Angka pertumbuhan ekonomi
umumnya dalam bentuk persentase dan bernilai positif. Namun tidak menutup
kemungkinan bahwa angka pertumbuhan ekonomi bernilai negatif. Negatifnya
pertumbuhan ekonomi disebabkan karena adanya penurunan yang lebih besar
dari pendapatan nasional tahun berikutnya dibandingkan dengan tahun
sebelumnya.21
3. Analisis Pertumbuhan Laba
Ada dua macam analisis untuk menentukan pertumbuhan laba yaitu analisis
fundamental dan analisis teknikal, tetapi dalam penelitian ini analisis yang
digunakan adalah analisis fundamental22
.
a. Analisis Fundamental
Analisis fundamental merupakan analisis yang berhubungan dengan kondisi
keuangan perusahaan. Dengan analisis fundamental diharapkan calon investor
akan mengetahui bagaimana operasional dari perusahaan yang nantinya menjadi
milik investor, apakah sehat atau tidak, apakah menguntungkan atau tidak dan
sebagainya. Hal ini penting karena nantinya akan berhubungan dengan hasil yang
akan diperoleh dari investasi dan risiko yang harus ditanggung.
Analisis fundamental merupakan analisis historis atas kekuatan keuangan dari
suatu perusahaan yang sering disebut dengan company analysis. Data yang
21
I Putong, 2008, Pengantar Mikro dan Makro Edisi 2, Jakarta: Penerbit Wacana Media
22 Angkoso, Pengaruh rasio keuangan terhadap pertumbuhan laba pada perusahaan
industri barang konsumsi yang terdaftar di BEI, ( Skripsi Fakultas Ekonomi, Universitas Sumatra
Utara)
18
digunakan adalah data historis, artinya yang telah terjadi dan mencerminkan
keadaan keuangan yang sebenarnya pada saat dianalisis. Dalam company analysis
para analis menganalisis laporan keuangan perusahaan, salah satunya dengan rasio
keuangan. Para analis fundamental mencoba memprediksi etumbuhan laba dimasa
yang akan datang dengan mengestimasi faltor fundamental yang mempengaruhi
pertumbuhan laba yang akan datang yaitu kondisi nominal dan kondisi keuangan
perusahaan.
b. Analisis Teknikal
Analisis teknikal sering dipakai oleh investor, dan biasanya data atau catatan
pasar yang digunakan berupa grafik. Analisis ini berupaya untuk memprediksi
pertumbuhan laba di masa yang akan datang dengan mengamati perubahan laba di
masa lalu. Teknik ini mengabaikan hal -hal yang berkaitan dengan posisi
keuangan perusahaan.
C. Hubungan Variabel Independen dengan Variabel Dependen
1. Hubungan CAR terhadap Pertumbuhan Laba
CAR merupkan rasio kecukupan modal yang ditunjukkan dengan kemampuan
bank dalam mempertahankan modal yang mencukupi dan kemampuan
manajemen bank dalam mengidentifikasi, mengukur, mengawasi, dan mengontrol
risiko yang timbul yang dapat mempengaruhi besarnya modal bank.23
CAR juga merupakan indikator kemampuan bank menutupi penurunan
aktivanya sebagai akibat dari kerugian-kerugian yang disebabkan oleh aktiva yang
berisiko dengan kecukupan modal yang dimilikinya dengan kata lain semakin
kecil risiko maka semakin meningkat keuntungan yang diperoleh, sehingga
23 Nur Aini, Pengaruh CAR, NIM, LDR, NPL, BOPO, dan Kualitas Aktiva Produktif
Terhadap Perubahan Laba (Studi Empiris pada Perusahaan Perbankan yang terdaftar di BEI Tahun
2009-2011), Dinamika Akuntansi, Keuangan dan Perbankan Vol.2 No.2 ,2013.
19
semakin tinggi CAR yang dicapai oleh bank menunjukkan kinerja bank semakin
baik dan keutungan bank akan senakin meningkat.24
Penelitian yang dilakukan oleh Lubis25
dan Aini26
menunjukkan bahwa CAR
memiliki pengaruh signifikan terhadap pertumbuhan laba. Berdasarkan uraian
tersebut, maka hipotesis pertama (H1) pada penelitia ini adalah CAR memiliki
pengaruh sgnifikan terhadap pertumbuhan laba.
H1 : CAR memiliki pengaruh sgnifikan terhadap pertumbuhan laba.
2. Hubungan BOPO terhadap Pertumbuhan Laba
Rasio BOPO sering disebut rasio efisiensi yang digunakan untuk mengukur
kemampuan bank dalam mengendalikan biaya operasional terhadap pendapatan
operasional. Semakinkecil rasio ini brarti semakin efisien biaya operasional yang
dikeluarkan oleh bank bersankutan.27
Penelitian yang dilakukan oleh Lubis28
dan Aini29
menunjukkan bahwa BOPO
memiliki pengaruh signifikan terhadap pertumbuhan laba. Berdasarkan uraian
tersebut, maka hipotesis ketiga (H2) pada penelitia ini adalah BOPO memiliki
pengaruh sgnifikan terhadap pertumbuhan laba.
H2 : BOPO memiliki pengaruh sgnifikan terhadap pertumbuhan laba.
24
Nur Aini, Pengaruh CAR, NIM, LDR, NPL, BOPO, dan Kualitas Aktiva Produktif
Terhadap Perubahan Laba (Studi Empiris pada Perusahaan Perbankan yang terdaftar di BEI Tahun
2009-2011), Dinamika Akuntansi, Keuangan dan Perbankan Vol.2 No.2 ,2013. 25
Anisah Lubis, Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba pada
BPR di Indonesia, (Jurnal Ekonomi dan Keiangan Vol.1 No.4), 2013. 26
Nur Aini, Pengaruh CAR, NIM, LDR, NPL, BOPO, dan Kualitas Aktiva Produktif
Terhadap Perubahan Laba (Studi Empiris pada Perusahaan Perbankan yang terdaftar di BEI Tahun
2009-2011), Dinamika Akuntansi, Keuangan dan Perbankan Vol.2 No.2 ,2013. 27
Anisah Lubis, Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba pada
BPR di Indonesia, (Jurnal Ekonomi dan Keiangan Vol.1 No.4), 2013. 28
Anisah Lubis, Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba pada
BPR di Indonesia, (Jurnal Ekonomi dan Keiangan Vol.1 No.4), 2013. 29
Nur Aini, Pengaruh CAR, NIM, LDR, NPL, BOPO, dan Kualitas Aktiva Produktif
Terhadap Perubahan Laba (Studi Empiris pada Perusahaan Perbankan yang terdaftar di BEI Tahun
2009-2011), Dinamika Akuntansi, Keuangan dan Perbankan Vol.2 No.2 ,2013.
20
3. Hubungan FDR terhadap peertumbuhan laba
FDR adalah rasio keuangan perbankan yang berhubungan dengan aspek
likuiditas. Rasio ini digunakan untuk mengukur tingkat likuiditas.30
Rasio yang
tinggi menunjukan bahwa suatu bank meminjamkan seluruh dananya atau relatif
tidak likuid. Sebaliknya, rasio yang rendah menunjukkan bank yang likuid dengan
kelebihan kapasitas dana yang siap untuk dipinjamkan.31
Penyaluran kredit merupakan kegiatan utama bank. Oleh karena itu, sumber
pendapatan utama bank berasal dari kegiatan ini. Semakin besar penyaluran dana
dalam bentuk kredit dibandingkan dengan deposit atau simpanan masyarakat pada
suatu bank, semakin besar risiko yang harus ditanggung oleh bank yang
bersangkutan.32
Akan tetapi semakin tinggi kredit/ pembiayaan yang diberikan
kepada masyarakat akan semakin besar pendapatan yang diperoleh bank.
Penelitian yang dilakukan oleh Lubis33
, dan Syahputra,dkk.,34
menunjukkan bahwa FDR memiliki pengaruh signifikan terhadap pertumbuhan
laba. Berdasarkan uraian tersebut maka hipotesis keempat (H3) pada penelitian ini
adalah FDR memiliki pengaruh signifikan terhadap pertumbuhan laba.
H3 : FDR memiliki pengaruh signifikan terhadap pertumbuhan laba
4. Hubungan NPF terhadap pertumbuhan laba
NPF merupakan rasio keuangan yang menunjukkan seberapa besar aktiva
produktif bermasalah yang dimiliki oleh bank. NPF menunjukkankemampuan
h.298.
30 Wardiah dan Mia Lasmi, Dasar –Dasar Perbankan. Bandung: Pustaka Setia,2013,
31
Wardiah dan Mia Lasmi, Dasar –Dasar Perbankan, h.298 32 Wardiah dan Mia Lasmi, Dasar –Dasar Perbankan, h.298 33
Anisah Lubis, Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba pada
BPR di Indonesia, (Jurnal Ekonomi dan Keiangan Vol.1 No.4), 2013. 34
Syahputra, Renaldy, dkk.,Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba
Bank Pembanungan Daerah di Indonesia dengan Pertumbuhan Kredit Sebagai Variabel
Intervening (Studi pada Bank-Bank Pembangunan Daerah di Sumatera), (Jurnal Tepak Manajemen
Bisnis, Vol. VI No.2) ,2014.
21
manajemen bank dalam mengelola kredit/pembiayaan bermasalah yang diberikan
oleh bank, semakin tinggi rasio ini maka semakin buruk kualitas kredit bank.35
Penelitian yang dilakukan oleh Lubis (2013)36
, Fathoni,dkk (2012)37
dan
syahputra,dkk. (2014)38
menunjukan bahwa rasio NPF memiliki pengaruh yang
signifikan terhadap pertumbuhan laba. Berdasarkan uraian di atas maka hipotesis
kelima (H5) adalah NPF memiliki pengaruh signifikan terhadap pertumbuhan
laba.
H5 = NPF memiliki pengaruh signifikan terhadap pertumbuhan laba.
35 Emilda, Pengaruh Rasio Keuangan Terhadap Perubahan Laba pada Bank Syariah di
Indonesia, (Jurnal Media Wahana Ekonomika Vol.12 No.4), 2016. 36
Anisah Lubis, Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba pada
BPR di Indonesia, (Jurnal Ekonomi dan Keiangan Vol.1 No.4), 2013. 37
Fathoni, Muhammad Isnaini, dkk., Pengaruh Tingkat Kesehatan Bank Terhadap
Pertumbuhan Laba pada Perusahaan Sektor Perbankan, (Jurnal Ekonomi Manajemen Sumber
Daya Vol.13 No.1), 2013. 38
Syahputra, Renaldy, dkk.,Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba
Bank Pembanungan Daerah di Indonesia dengan Pertumbuhan Kredit Sebagai Variabel
Intervening (Studi pada Bank-Bank Pembangunan Daerah di Sumatera), (Jurnal Tepak Manajemen
Bisnis, Vol. VI No.2) ,2014.
22
D. Kerangka konsep
Pengaruh Rasio Keuangan Terhadap Pertumbuhan Bank Perkreditan
Rakyat Syariah di Indonesia
Pertumbuhan laba (Y), CAR (X1), ROA (X2), BOPO (X3), FDR
(X4), NPF (X5)
Jangka panjang Jangka pendek
Pengumpulan Data Time Series
Uji Stasioneritas
Stasioner 1st
Level/ 1st
diff/
2st
diff tidak ada kointegrasi
Tidak stasioner
Stasioner 1st
diff/ 2st
diff, ada kointegrasi
Uji Kointegrasi
Vector Error Conection
Model (VECM)
Tahapan Estimasi Model VAR/ VECM
1. Proses peramalan dengan Impulse Respoponse Function
2. Pembentukan Variance decomposition
KESIMPULAN
23
E. Review studi terdahulu
No Peneliti Isi Perbedaan
1 Penulis : Mohamad
Nur Utomo39
(Jurnal Universitas
Borneo Tarakan)
Judul : Pengaruh
Rasio Keuangan
Terhadap
Pertumbuhan Laba
Lembaga Keuangan
Syariah (Studi Kasus
Koperasi Syariah
BMT Al-Fath
Tarakan)
Tahun : 2012
Tujuan : Mengukur
kualitas kinerja
keuangan BMT dengan
menggunakan rasio
CAMEL yang
berpedoman pada SEBI
No. 30/3/UPPB tanggal
30 April 1997, serta
melihat sejauh mana
rasio-rasio keuangan
CAMEL mempengaruhi
pertumbuhan laba SHU
BMT.
Metode Penelitian :
Analisis Regresi Linear
Berganda
Hasil : Hasil kajian ini
menunjukan bahwa dari
hasil perhitungan
didapatkan nilai F
hitung sebesar 5,505
dengan P value sebesar
0,004. Hal ini berarti
Objek penelitiannya
adalah lembaga
perbankan khususnya
BPRS. Kemudian
metode yang
digunakan adalah
Model VECM (Vector
Error
Correction Model).
39 Mohamad Nur Utomo, Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba
Lembaga Keuangan Syariah (Studi Kasus Koperasi Syariah BMT Al-Fath Tarakan), (Jurnal
Universitas Tarakan, 2012)
24
nilai P value kurang dari
0,05 yang menunjukkan
bahwa variabel CAR,
KAP, NPM, ROA,
BOPO, FDR, dan Cash
Ratio secara bersama-
sama berpengaruh
terhada kinerja. Namun
secara parsial dari
keenam rasio keuangan
CAMEL hanya ada 2
variabel (NPM dan
FDR) yang memilik
pengaruh positif
terhadap pertumbuhan
laba SHU BMT dimana
semakin tinggi nilai
rasio tersebut maka
semakin tinggi juga
pertumbuhan SHU
perusahaan tersebut.
2 Penulis : Anisah
Lubis40
(Jurnal Ekonomi dan
Keuangan Vol 1, No
4)
Tujuan : Untuk melihat
sejauh mana pengaruh
variabel CAR, NPL,
BOPO, dan LDR
mempengaruhi
pertumbuhan laba pada
BPR di Indonesia.
Penulis menganalisis
rasio keuangan
perbankan yang
mampu memprediksi
pertumbuhan laba
BPRS di Indonesia
pada periode
40
Anisah Lubis, Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba pada
BPR di Indonesia, (Jurnal Ekonomi dan Keiangan Vol.1 No.4), 2013.
25
Judul : Pengaruh
Tingkat Kesehatan
Bank Terhadap
Pertumbuhan Laba
Pada BPR Di
Indonesia
Tahun : 2013
Metode Penelitian :
Analisis Regresi Linear
Berganda
Hasil : Hasil pengujian
hipotesis dengan
menggunakan regresi
linear berganda dengan
empat variabel
independent yaitu CAR,
NPL, BOPO, dan LDR
menunjukan bahwa
variabel tersebut secara
bersama-sama
berpengaruh secara
signifikan terharap
variabel dependent yaitu
pertumbuhan laba di
Bank Perkreditan
Rakyat.
berikutnya. Metode
yang digunakan Model
VECM (Vector Error
Correction Model)
3 Penulis : Ade
Gunawan dan Sri
Safitri Wahyuni41
(Jurnal Manajemen &
Bisnis Vol 13 No. 01
April 2013)
Tujuan : untuk menguji
secara parsial dan
simultan pengaruh rasio
keuangan (TATO,
FATO, ITO, CR,DAR,
DER) terhadap
pertumbuhan laba pada
Variabel dan objek
penelitian berbeda dan
metode yang
digunakan Model
VECM (Vector Error
Correction Model)
41
Ade Gunawan dan Sri Safitri Wahyuni, Pengaruh Rasio Keuangan Terhadap
Pertumbuhan Laba Pada Perusahaan Perdagangan Di Indonesia, (Jurnal Manajemen & Bisnis Vol
13 No. 01 April 2013)
26
Judul : Pengaruh
Rasio Keuangan
Terhadap
Pertumbuhan Laba
Pada Perusahaan
Perdagangan Di
Indonesia
Tahun : 2013
perusahaan perdagangan
di Buersa Efek
Indonesia.
Metode penelitian :
Analisis Regresi Linear
Berganda
Hasil : Hasil penelitian
menunjukan bahwa rasio
keuangan (TATO,
FATO, ITO, CR, DAR,
DER) secara bersama-
sama berpengaruh
signifikan terhadap
pertumbuhan laba.
Namun secara parsial
hanya tiga rasio
keuangan yang memiliki
pengaruh yang
signifikan terhadap
pertumbuhan laba yaitu
rasio TATO, FATO, dan
ITO.
4 Penulis : I Nyoman
Kusuma Adnyana
Mahaputra
(Jurnal AUDI
Akuntansi dan Bisnis
Vol 7, No 2, Juli
Tujuan : memberikan
bukti bahwa variabel
Current Ratio, Debt to
Equity Ratio, Total
Assets Turnover, dan
Profit Margin
berpengaruh terhadap
Variabel dan objek
penelitian berbeda dan
metode yang
digunakan Model
VECM (Vector Error
Correction Model)
27
2012)
Judul : Pengaruh
Rasio-Rasio
Keuangan Terhadap
Pertumbuhan Laba
Pada Perusahaan
Manufaktur Yang
Terdapat Di BEI
Tahun : 2012
pertumbuhan laba pada
perusahaan manufaktur
yang terdaftar di BEI
2006-2011.
Metode penelitian :
Analisis Regresi Linear
Berganda
Hasil : Uji data statistik
dengan model
Kolmogorov-Smirnov
menunjukkan bahwa
masing-masing variabel
memiliki nilai
signifikansi diatas 0,05.
Hal ini berarti seluruh
data telah berdistribusi
normal.
BAB III
METODE PENELITIAN
A. Jenis dan pendekatan penelitian
Penelitian yang dilakukan adalah penelitian analitis, hal ini dikarenakan
penelitian bertujuan untuk mengetahui hubungan sebab antara dua variabel secara
observasional, dimana bentuk hubungan dalam penelitian merupakan pengaruh
rasio keuangan terhadap pertumbuhan laba BPRS di Indonesia pada periode tahun
2011-2016.
Dengan pendekatan kuantitatif, disebut kuantitatif karena data penelitiannya
berupa angka-angka dan analisisnya menggunakan statistik. Dalam penelitian ini,
pengumpulan data dengan mengunduh laporan keuangan bulanan BPRS seluruh
Indonesia dan kemudian data tersebut diolah menggunakan bantuan Eviews 9 dan
Microsoft Excel.
B. Jenis data/ sumber data
Data dalam penelitian ini menggunakan data sekunder. Data sekunder
merupakan sumber data penelitian yang diperoleh secara tidak langsung melalui
media perantara yang dicatat oleh pihak lain1. Data sekunder umunya berupa
bukti, catatan atau laporan historis yang telah tersusun dalam data dokumenter
yang dipublikasikan dan yang tidak dipublikasikan.
1Bambang Supomo dan Nur Indriantoro, Metodologi Penelitian Bisnis, Cetakan Kedua.
Yogyakarta : Penerbit BFEE UGM, 2002, h. 147
27
28
Data-data penelitian diperoleh melalui sumber:
1. Penelitian Pustaka (Library Research)
Data yang berkaitan dengan masalah yang akan diteliti diperoleh melalui
buku, jurnal, skripsi, tesis, internet, artikel, dan pustaka lainnya yang
berkaitan dengan penelitian.
2. Penelitian Lapangan (Field Research)
Data sekunder yang digunakan peneliti diperoleh dari laporan keuangan
bulanan BPRS seluruh Indonesia periode Januari 2011 sampai Desember
2016, data dapat diunduh melalui laporan publikasi situs (website) masing-
masing bank dan laporan publikasi yang dikeluarkan oleh OJK.
C. Populasi dan Teknik Pengambilan Sampel
Populasi adalah keseluruhan obyek penelitian baik terdiri dari benda yang
nyata, abstrak, peristiwa ataupun gejala yang merupakan sumber data dan
memiliki karakter tertentu dan sama.2
Populasi dalam penelitian ini adalah seluruh
Bank Pembiayaan Rakyat Syariah (BPRS) yang beroperasi di Indonesia.
Sampel adalah bagian dari populasi yang memiliki sifat-sifat yang sama dari
obyek yang merupakan sumber data.3
Untuk kriteria pemilihan sampel yang
dijadikan sampel dalam penelitian ini adalah Bank Pembiayaan Rakyat Syariah
(BPRS) yang beroperasi di Indonesia sejak tahun 2011 hingga tahun 2016.
D. Teknik Analisis Data
Metode analisis data yang digunakan dalam penelitian ini yaitu metode
analisis data kuantitatif. Metode analisis data kuantitatif adalah metode analisis
data yang menggunakan perhitungan angka-angka yang nantinya akan
dipergunakan untuk mengambil suatu keputusan di dalam memecahkan masalah
dan data-data yang diperoleh dianalisa dengan menggunakan teori-teori yang telah
2 Sukandarrumidi, Metedologi Penelitian Petunjuk Praktis Untuk Peneliti
Pemula, Yogyakarta: Gadjah Mada University Press, 2004, h.47
3 Sukandarrumidi, Metedologi Penelitian Petunjuk Praktis Untuk Peneliti Pemula, h. 50
29
berlaku secara umum, sehingga dapat ditarik suatu kesimpulan serta menguji
apakah hipotesis yang dirumuskan dapat diterima atau ditolak.
1. Metode Estimasi VAR
Metode estimasi ini sering juga disebut sebagai pendekatan struktural
terhadap persamaan model simultan yang biasanya digunakan untuk
menggambarkan hubungan antar variabel-variabel yang ingin diuji dimana
terdapat hubungan saling mempengaruhi antara variabel sehingga dikatakan ada
kondisi endoginitas antar variabel terikat dengan variabel bebas dalam model
simultan tersebut. Karena itulah mengapa proses estimasi terkesan menjadi rumit,
dan terkadang menghasilkan kesimpulan yang berbeda dengan teori secara umum.
Hal ini bisa dikarenakan salah spesifikasi data ataupun spesifikasi model. Karena
itulah penggunaan metode VAR dalam estimasi akan mempermudah analisa
terhadap variabel-variabel yang memiliki hubungan endoginitas dalam suatu
persamaan.4
Metode estimasi lain seringkali menganggap bahwa suatu variabel
hanya akan bersifat sebagai variabel terikat atau sebaliknya bersifat sebagai
variabel bebas saja. Padahal faktanya, seringkali suatu variabel memiliki fungsi
endoginitas dengan variabel lain di dalam model, dimana variabel tersebut juga
berfungsi sebagai variabel terikat dari variabel yang lainnya. Begitu pula
sebaliknya, dapat juga berfungsi sebagai variabel bebas dari variabel yang lain.
Inilah permasalahan analisa persamaan simultan yang melandasi mengapa perlu
dibutuhkan metode VAR untuk mengestimasinya. Karena jika data persamaan
simultan dipaksakan diestimasi dengan menggunakan metode regresi biasa maka
hasilnya akan bias dan cenderung bersifat spurious regression.
a. Macam-Macam Bentuk VAR
Ada tiga macam bentuk VAR5, yakni VAR tanpa restriksi, VAR terestriksi
(VECM), dan struktural VAR (S-VAR). Bentuk VAR tanpa restriksi ini terkait
erat dengan permasalahan kointegrasi dan hubungan teoritis. Jika data yang
digunakan di dalam pembentukan VAR adalah stasioner di tingkat level, maka
2004.
4 Enders, W. Applied Econometrics Time Series, Second edition, John Wiley & Sony Inc.
5
I Gede Putra Arsana. Modul VAR With Eviews 4. Ilmu Ekonomi FEUI. 2008
30
bentuk VAR yang digunakan adalah VAR biasa atau VAR tanpa restriksi.
Sebaliknya VECM merupakan bentuk VAR yang terestriksi. Restriksi tambahan
ini harus diberikan karena keberadaan bentuk data yang tidak stasioner serta
dengan permasalahan kointegrasi. VECM kemudian memanfaatkan informasi
restriksi kointegrasi tersebut ke dalam spesifikasinya. Karena itulah VECM sering
disebut sebagai VAR bagi series nonstasioner yang memiliki hubungan
kointegrasi (secara teoritis ataupun secara data varibel ada kemungkinan
terkointegrasi). Spesifikasi model VECM merestriksi hubungan jangka panjang
variabel-variabel endogen agar konvergen ke dalam hubungan kointegrasinya,
namun dengan tetap membiarkan keberadaan dinamisasi jangka pendek. Istilah
kointegrasi dikenal juga sebagai error, karena deviasi terhadap ekuilibrium jangka
panjang dikoreksi secara bertahap melalui series parsial penyesuaian jangka
pendek.
Sedangkan bentuk model VAR yang terakhir adalah struktural VAR atau
sering juga disebut sebagai S-Var. Seperti halnya VECM, S-Var juga merupakan
bentuk VAR yang terestriksi. S-Var merestriksi berdasarkan hubungan teoritis
yang kuat dan skema urutan (ordering) variabel-variabel yang digunakan dalam
sistem VAR. Oleh karena itulah mengapa S-Var juga sering disebut sebagai
bentuk VAR yang teoritis dan sering juga dianggap sebagai bentuk VECM namun
dengan dasar teoritis yang kuat dalam pengurutan variabelnya. Karena itulah
mengapa dalam model VAR ini urutan variabel menjadi penting, karena
menunjukkan hubungan antar variabel.
b. Prosedur Pengujian Metode VAR
Adapun prosedur metode estimasi VAR yang akan digunakan dalam
penelitian ini jika diurutkan tahapannya adalah sebagai berikut :
1) Uji kondisi stasioneritas variabel. Jika stasioner pada level maka
digunakan VAR, namun jika tidak stasioner maka digunakan VECM
2) Uji kointegrasi antar variabel. Prosedur ini digunakan untuk menentukan
apakah metode VAR yang akan digunakan, VAR atau Vector Error
Correction Model (VECM).
31
3) Prosedur dalam VAR / VECM
Penentuan panjang lag optimal
Proses peramalan dengan Impulse Response Function
Pembentukan Variance Decomposition
c. Pengujian Stasioneritas Variabel
Salah satu konsep penting yang harus diingat dalam analisa dengan
menggunakan data time series adalah kondisi data yang stasioner atau tidak
stasioner. Jika estimasi dilakukan dengan menggunakan data yang tidak stasioner
maka akan memberikan hasil regresi yang palsu atau disebut sebagai spurious
regression6. Spurious regression memiliki pengertian bahwa hasil regresi dari satu
variabel time series pada satu atau beberapa variabel time series lainnya
cenderung untuk menghasilkan kesimpulan hasil estimasi yang bias yang
ditunjukkan dengan karakteristik seperti memperoleh hasil R2
yang sangat tinggi
(lebih besar dari 0,9) tetapi pada kenyataannya hubungan antara variabel tersebut
tidak memiliki arti atau meaningless dan jika R2> d (durbin watson statistik),
maka kondisi ini merupakan rule of thumb yang baik untuk menduga bahwa hasil
estimasi tersebut kemungkinan besar merupakan nonsense/spurious regression.
Jika sebuah data time series merupakan data yang stasioner maka studi atas
perilaku untuk data tersebut hanya dapat dilakukan untuk periode waktu tertentu.
Atau dengan kata lain bahwa setiap bagian dari data time series tersebut
merupakan bagian yang terpisah satu sama lain. Sebagai konsekuensi dari kondisi
tersebut adalah tidak mungkin untuk melakukan estimasi secara generalisasi pada
periode waktu yang berbeda-beda. Gujarati menyebutkan kondisi stochastic
process dikatakan stasioner jika rata-rata dan variansnya konstan dalam beberapa
periode waktu, dan nilai dari kovarians anatara dua waktu yang berbeda
tergantung dari lag antara dua periode waktu tidak tergantung pada waktu aktual
pada saat kovarians dihitung.7
Bisa juga dikatakan sebagai data time series yang
6
Gujarati N. Damodar. Basic Econometrics fourth edition. McGraw-Hill, 2004. 7
Gujarati N. Damodar. Basic Econometrics fourth edition. McGraw-Hill, 2004.
32
stasioner jika rata-rata, varians dan otokovariansnya dalam berbagai jumlah lag
menunjukkan kesamaan saaat diukur pada berbagai titik pengukuran.
Ada beberapa metode yang dapat digunakan untuk menguji stasioneritas. Dua
metode yang paling umum digunakan adalah dengan menggunakan metode
pengujian augmented dickey-fuller dan metode pengujian Philip-Peron. Asumsi
penting yang digunakan dalam pengujian Dickey-Fuller adalah error-nya secara
statistik bersifat independen dan mempunyai varians yang konstan. Kemudian
metode dasar ini dikembangkan lagi menjadi metode augmented dickey-fuller
dimana ditambahkan lag pada variabel. Sedangkan metode pengujian Philip-
Peron menggunakan metode statistik non-parametrik sehingga untuk mengatasi
permasalahan serial korelasi tanpa menambahkan lag. Untuk pengujian Philip-
Peron, maka H0 adalah mengandung unit root yang menunjukkan kondisi tidak
stasioner. Dalam penelitian ini, pengujian stasioneritas akan digunakan hasil
analisa dari kedua metode di atas, yakni pengujian dengan augmented Dickey-
Fuller dan pengujian Philip-Perron. Jika hasil dari pengujian stasioneritas
menunjukkan nilai statistik t yang lebih besar dari area penolakannya (dalam
pengujian ini digunakan alpha = 5%) maka H0 tidak cukup bukti untuk ditolak,
atau berarti ada unit root dalam data tersebut atau tidak stasioner. Dan sebaliknya
jika nilai statistik t lebih kecil dari area penolakan maka H0 ditolak, atau berarti
variabel atau data tersebut adalah stasioner. Data atau variabel yang stasioner pada
tingkat level akan berujung pada penggunaan VAR dengan metode standar.
Sementara series non-stasioner akan berimplikasi pada dua pilihan VAR, yakni
VAR dalam bentuk turunan, atau VAR dalam bentuk VECM. Karena itulah
mengapa pengujian stasioneritas data memegang peranan penting dalam tahapan
proses estimasi dengan menggunakan metode VAR. Untuk pemilihan metode uji
VAR akan mengacu pada ada tidaknya hubungan kointegrasi antar variabel.
d. Pengujian Kointegrasi Variabel
Dalam penelitian ini penulis juga diharuskan melakukan pengujian kointegrasi
variabel yang akan digunakan dalam estimasi VAR. Jika terbukti ada
permasalahan kointegrasi antar variabel yang akan digunakan dalam model VAR,
maka nantinya metode VAR yang harus dipakai adalah metode VECM. Dengan
33
menggunakan bantuan software e-views pengujian kointegrasi ini dapat dilakukan
dimana penulis memutuskan untuk menggunakan metode Johansen Cointegration
Test. Metode ini didasarkan pada hubungan antara rank dari sebuah matrik dengan
akar karakteristiknya yang akan dihasilkan nilai trace statistic yang dibandingkan
dengan critical value. Jika pada hipotesa nol misalkan 1, dan jika nilai trace
statistic lebih besar dari critical value maka dapat diambil kesimpulan bahwa
terdapat paling tidak dua hubungan kointegrasi antara variabelnya.
e. Prosedur VAR / Vector Error Correction Model (VECM)
Salah satu kegunaan pengujian stasioneritas dan kointegrasi sebelumnya
adalah digunakan untuk menentukan metode VAR yang akan dipakai melakukan
dalam estimasi apakah metode VAR in Level ataukah menggunakan metode
Vector Error Correction Model (VECM). Jika pengujian sebelumnya
menunjukkan hasil estimasi data yang tidak stasioner namun memiliki kointegrasi
dengan variabel data yang lain maka akan digunakan metode VECM. Metode ini
pada dasarnya menggunakan bentuk VAR yang terestriksi. Restriksi tambahan ini
harus diberikan karena keberadaan bentuk data yang tidak stasioner namun
terkointegrasi. VECM kemudian memanfaatkan informasi restriksi kointegrasi
tersebut ke dalam spesifikasi model. Karena itulah mengapa VECM juga sering
disebut sebagai model VAR bagi data time series yang bersifat non stasioner dan
memiliki hubungan kointegrasi. Ada beberapa tahapan penting dalam proses
estimasi VECM, yakni antara lain : penentuan panjang lag optimal, pengujian
peramalan dengan menggunakan impulse response function dan pembentukan
Variance decomposition.
1. Penentuan Panjang Lag
Salah satu kondisi yang harus diperhatikan dalam etimasi dengan
menggunakan metode VAR adalah kondisi penentuan panjang lag yang akan
digunakan. Permasalahan yang muncul apabila panjang lagnya terlalu kecil akan
membuat model tersebut tidak dapat digunakan karena kurang mampu
menjelaskan hubungannya. Dan sebaliknya, jika panjang lag yang digunakan
terlalu besar maka derajat bebasnya (degree of freedom) akan menjadi lebih besar
sehingga tidak efisien lagi dalam menjelaskan. Salah satu metode yang paling
34
umum digunakan untuk menentukan panjang lag adalah dengan melihat Akaike
Information Criterion (AIC). Dimana rumusnya adalah8
:
AIC = T Log |Σ| + 2 N
Dimana |Σ| adalah determinan dari matrik residual varians atau kovarian
sedangkan N adalah jumlah total dari parameter yang diestimasi dalam semua
persamaan. Gujarati memberikan pedoman dalam melihat nilai AIC, dimana nilai
AIC terendah yang didapatkan dari hasil estimasi VAR dengan berbagai lag
menunjukkan bahwa panjang lag tersebut yang paling baik untuk digunakan.
Dalam penelitian ini, penulis akan mencari lag optimal dengan menguji VECM
dengan beberapa lag, yakni dari lag 1 sampai lag 4. Pengujian hanya sampai
dengan lag 4 karena jumlah variabel dalam model hanya 3, sehingga jika diuji
hingga lebih 4 lag maka dikhawatirkan hasil estimasi tidak akan lagi efisien
karena derajat kebebasan yang terlalu besar. Dari pengujian keempat lag tersebut,
maka akan dilihat hasil output estimasi VECM model lag mana yang mempunyai
AIC terendah yang menunjukkan lag yang optimal.
2. Impulse Response Function (IRF)
Salah satu kelebihan metode VAR dibandingkan dengan metode estimasi yang
lain adalah dapat dilakukannya peramalan terhadap kondisi jika terjadi perubahan
error atau salah satu variabel dalam model VAR untuk melihat pengaruhnya
terhadap variabel endogen. IRF digunakan untuk melihat pergerakan efek atau
dampak dari adanya shock di salah satu variabel dan pengaruhnya terhadap
variabel itu sendiri ataupun di variabel yang lain dalam periode sekarang dan yang
akan datang. Shock pada variabel ke-i tidak hanya langsung mempengaruhi pada
variabel ke-i, tetapi juga akan disalurkan ke semua varibel endogen melalui
struktur lag yang dinamis pada VAR. IRF melacak dampak dari satu kali shock
pada satu inovasi nilai sekarang dan yang akan datang pada variabel endogen. Jika
inovasi tersebut tidak berhubungan sementara maka intepretasi dari IRF akan
tepat. Inovasi i-th adalah merupakan shock terhadap variabel endogen i-th.
8 Gujarati N. Damodar. Basic Econometrics fourth edition. McGraw-Hill, 2004.
35
3. Variance Decomposition
Kelebihan lain yang ditawarkan oleh metode VAR adalah adanya kemampuan
untuk melihat penyebab shock di suatu variabel. Uji ini digunakan untuk
mengukur perkiraan varians error suatu variabel yaitu seberapa besar kemampuan
satu variabel dalam memberikan penjelasan pada variabel lainnya atau pada
variabel itu sendiri. Dengan menggunakan metode VAR ini kita bisa melihat
proporsi dampak perubahan pada suatu variabel jika mengalami shock atau
perubahan terhadap variabel itu sendiri dalam suatu periode. Jika disimpulkan,
dengan menganalisa hasil variance decomposition maka kita dapat mengukur
perkiraan varians error suatu variabel, yaitu seberapa besar perbedaan antara
sebelum dan sesudah terjadi shocks, baik yang berasal dari variabel itu sendiri
maupun dari variabel lain.
E. Operasional Variabel Penelitian
Variabel-variabel yang digunakan dalam penelitian ini adalah sebagai berikut :
a. Variabel Y (Dependent Variable)
Variabel dependen yang digunakan dalam penelitian ini adalah pertumbuhan
laba. Laba adalah perbedaan antara pendapatan (revenue) yang direalisasi yang
timbul dari transaksi pada periode tertentu dengan biaya-biaya yang dikeluarkan
pada periode tersebut.9
Semakin tinggi laba yang diperoleh semakin tinggi
keuntungan bagi bank tersebut. Rumus yang digunakan untuk menghitung
pertumbuhan laba dengan cara mengurangkan laba periode sekarang dengan laba
periode sebelumnya kemudian dibagi dengan laba pada periode sebelumnya10
300.
9 Wardiah dan Mia Lasmi, Dasar –Dasar Perbankan. Bandung: Pustaka Setia, 2013, h.
10
Warsidi dan Bambang Agus Pramuka, Evaluasi Kegunaan Rasio Keuangan Dalam
Memprediksi Perubahan Laba di Masa Yang Akan Datang, Jurnal akuntansi dan Ekonomi Vol.2
No 1, 2000.
36
∆Yt = x 100
Keterangan :
∆Yt : Perumbuhan Laba
Yt : Laba pada periode t
Yt-1 : Laba pada periode sebelum t
b. Variabel X (Independent Variabel)
Variabel independen dalam penelitian ini adalah Non Performing Financing
(NPF), Capital Adequacy Ratio (CAR), Finance to Deposit Ratio (FDR), dan
Beban Operasional Pendapatan Operasional (BOPO).
1. Non Performing Financing (NPF)
Non Performing Financing adalah kredit (pembiayaan) bermasalah dari
nasabah kepada bank dengan kategori kredit kurang lancar, kredit diragukan, dan
kredit macet. Semakin tinggi NPF maka semakin menurun kinerja perbankan. Hal
ini sejalan dengan dimana adanya pembiayaan bermasalah yang semakin besar
dibandingkan dengan aktiva produktifnya dapat mengakibatkan kesempatan untuk
memperolah pendapatan (income) dari pembiayaan yang diberikan, sehingga
mengurangi laba dan pengaruh pada rentabilitas bank.11
Rumus yang digunakan dalam penelitian ini mengacu pada SE.OJK.No.
10/SEOJK.03/2014, yaitu sebagai berikut :
NPF = x 100%
11 Melan Rahmaniah dan Hendro Wibowo, Analisis Potensi Terjadinya Financial Distress
pada Bank Umum Syariah (BUS) di Indonesia, Jurnal Ekonomi dan Perbankan Syariah Vol. 3
No.1, 2015.
37
2. Finance to Deposit Ratio (FDR)
Finance to Deposit Ratio adalah rasio pembiayaan terhadap dana pihak ketiga
yang derima oleh bank.12
Rasio ini digunakan untuk mengukur tingkat likuiditas.
Rasio yang tinggi menunjukkan bahwa suatu bank meminjamkan seluruh dananya
atau tidak likuid. Sebaliknya, rasio yang rendah menunjukkan bank yang likuid.13
Perhitungan FDR mengacu pada SE.OJK.No. 10/SEOJK.03/2014, yaitu
sebagai berikut :
FDR = x 100%
3. Beban Operasional / Pendapatan Operasional (BOPO)
BOPO adalah rasio perbandingan antara biaya operasional dengan pendapatan
operasional. Semakin besar BOPO maka akan semakin kecil atau menurun kinerja
keuangan perbankan. Begitu juga sebaliknya, jika BOPO semakin kecil maka
dapat disimpulkan bahwa kinerja keuangan perbankan semakin meningkat atau
membaik. Rasio BOPO digunakan untuk mengukur tingkat efisiensi dan
kemampuan bank dalam melakukan operasinya.14
Perhitungan rasio BOPO mengacu pada SE.OJK.No. 10/SEOJK.03/2014,
yaitu sebagai berikut :
BOPO = x 100%
4. Capital Adequacy Ratio
Capital Adequacy Ratio merupakan rasio antara jumlah modal terhadap
Aktiva Tertimbang Menurut Resiko (ATMR). CAR merupakan rasio permodalan
12
Melan Rahmaniah dan Hendro Wibowo, Analisis Potensi Terjadinya Financial Distress
pada Bank Umum Syariah (BUS) di Indonesia, Jurnal Ekonomi dan Perbankan Syariah Vol. 3
No.1, 2015. 13
Wardiah dan Mia Lasmi, Dasar –Dasar Perbankan, 2013, h. 298. 14
Dendawijaya Lukman, Manajemen Perbankan, Edisi kedua, Jakarta : Ghalia Indonesia,
2003
38
yang menunjukan kemampuan bank dalam menyediakan dana untuk keperluan
pengembangan usaha dan menampung kemungkinan rasio kerugian yang
mungkin terjadi dalam kegiatan operasional bank.
Rumus yang digunakan untuk menghitung CAR mengikuti pengukuran yang
dilakukan oleh Anisah Lubis15
dan aini16
yaitu sebagai berikut :
CAR = x 100%
F. Hipotesis
Sesuai dengan kerangka pemikiran, latar belakang, dan pembatasan masalah
untuk mencapai tujuan penelitian ini maka hipotesis dari penelitian ini adalah :
1. Pengaruh Jangka Pendek dan Jangka Panjang rasio keuangan CAR,
BOPO, FDR , dan NPF terhadap Pertumbuhan Laba.
H0 : Rasio Keuangan CAR, BOPO, FDR, dan NPF tidak berpengaruh
secara signifikan terhadap Pertumbuhan Laba.
H1 : Rasio Keuangan CAR, BOPO, FDR, dan NPF berpengaruh secara
signifikan terhadap Pertumbuhan Laba.
2. Dugaan Respon guncangan (shock) rasio keuangan CAR, BOPO, FDR,
dan NPF terhadap Pertumbuhan Laba.
H0 : Diduga guncangan (shock) yang terjadi pada variabel CAR, BOPO,
FDR, dan NPF tidak direspon oleh Pertumbuhan Laba.
H1 : Diduga guncangan (shock) yang terjadi pada variabel CAR, BOPO,
FDR, dan NPF direspon oleh Pertumbuhan Laba.
15
Anisah Lubis, Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba pada
BPR di Indonesia, (Jurnal Ekonomi dan Keiangan Vol.1 No.4), 2013 16
Nur Aini, Pengaruh CAR, NIM, LDR, NPL, BOPO, dan Kualitas Aktiva Produktif
Terhadap Perubahan Laba (Studi Empiris pada Perusahaan Perbankan yang terdaftar di BEI Tahun
2009-2011), Dinamika Akuntansi, Keuangan dan Perbankan Vol.2 No.2 ,2013.
39
3. Besaran Kontribusi rasio keuangan CAR, BOPO, FDR, dan NPF terhadap
Pertumbuhan Laba.
H0 : Tidak memiliki Kontribusi CAR, BOPO, FDR, dan NPF tidak
berpengaruh secara signifikan terhadap Pertumbuhan Laba.
H1 : Memiliki Kontribusi CAR, BOPO, FDR, dan NPF berpengaruh secara
signifikan terhadap Pertumbuhan Laba.
BAB IV
HASIL DAN PEMBAHASAN
A. Analisis dan Pembahasan
Pada bab ini akan dilakukan analisis data pada obyek penelitian Bank
Pembiayaan Rakyat Syariah (BPRS) Indonesia periode Januari 2011 sampai
Desember 2016 sesuai dengan tahapan yang berlaku. Pengolahan data pada
penelitian ini dilakukan menggunakan bantuan Eviews 9 dan Microsoft Excel
2007, untuk dapat mengolah data dan memperoleh hasil dari variabel-variabel
yang digunakan.
Data yang digunakan dalam penelitian ini adalah variabel pertumbuhan laba,
capital adequacy ratio, non performing financing, financing to deposit ratio, dan
beban operasional/pendapatan operasional yang didapatkan dari situs resmi Badan
Pusat Statistik (BPS) dan Otoritas Jasa Keuangan (OJK), dan berikut adalah
penjabaran data yang digunakan :
1. Variabel terikat (Dependent Variable)
Tabel 4.1 Pertumbuhan Laba
Periode Pertumbuhan Laba (dalam persen)
2011 2012 2013 2014 2015 2016
Januari 45,44 2,50 26,05 -10,13 -22,43 -39,17
Februari 44,94 25,67 21,07 12,41 -4,22 -21,90
Maret 13,25 33,87 26,85 1,60 -11,27 -0,10
April 7,45 23,32 36,21 -9,73 0,76 -6,73
Mei 17,51 15,45 28,33 -8,69 55,50 -5,85
Juni 15,90 29,16 15,72 -6,46 7,91 6,81
Juli 31,61 12,67 8,34 -18,66 22,28 6,35
Agustus 23,88 19,00 -6,27 2,37 20,84 3,34
September 29,36 20,53 10,51 -10,81 10,77 23,44
Oktober 6,65 36,62 14,28 -10,30 8,26 26,43
Nopember 15,51 28,56 14,79 -11,87 5,47 25,41
Desember 23,36 22,88 21,41 -5,67 12,94 15,45
Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)
40
41
Pada Tabel 4.1 pertumbuhan laba tertinggi terjadi pada periode awal 2010
dimana terjadi peningkatan 45.44 persen dari periode Desember tahun 2009,
namun nilai tinggi tersebut tidak terjadi pada periode-periode berikutnya.
Pertumbuhan laba dari tahun 2010 hingga 2016 ini sangat fluktuatif sekali, dan
tingkat pertumbuhan laba terendah terjadi pada bulan Januari 2016 yaitu sebesar -
39,17 persen.
2. Variabel bebas (Independent Variable)
a. CAR (Capital Adequacy Ratio)
Tabel 4.2 CAR (Capital Adequacy Ratio) BPRS
Periode CAR (dalam persen)
2011 2012 2013 2014 2015 2016
Januari 30,12 25,90 25,06 24,62 24,43 23,48
Februari 29,75 25,24 24,45 23,78 24,67 23,17
Maret 28,42 24,93 24,10 23,08 23,04 22,15
April 27,71 24,53 22,76 22,78 22,53 21,22
Mei 24,63 23,28 22,44 22,50 21,73 20,54
Juni 26,71 24,33 22,40 22,21 21,73 20,22
Juli 25,24 24,36 22,09 21,86 21,52 20,31
Agustus 25,24 24,48 22,10 21,78 20,85 20,24
September 24,75 25,26 21,96 21,80 20,70 20,72
Oktober 24,63 25,04 22,40 22,22 20,93 20,71
Nopember 24,87 23,87 24,63 22,34 22,08 20,78
Desember 23,49 25,16 22,08 22,77 21,47 21,73
Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)
Pada Tabel 4.2 tercatat bahwa CAR Bank Pembiayaan Rakyat Syariah
cenderung fluktuatif disetiap periodenya, seperti pada periode tahun 2012 pada
bulan Januari CAR Bank Pembiayaan Rakyat Syariah 25,90 persen, kemudian
pada bulan Mei turun menjadi 23,28 persen, dan kembali meningkat pada akhir
periode yaitu Desember 25,16 persen. Penurunan pada CAR bisa di artikan
berkurangnya kemampuan bank mengahadapi risiko kerugian nasabah.
42
b. FDR (Financial to Deposit Ratio)
Tabel 4.3 FDR (Financial to Deposit Ratio) BPRS
Periode FDR (dalam persen)
2011 2012 2013 2014 2015 2016
Januari 127,04 124,41 119,48 120,52 123,50 118,56
Februari 128,27 125,03 119,46 122,30 124,75 119,92
Maret 129,40 125,53 119,67 123,10 125,60 121,55
April 130,38 124,98 122,50 126,58 126,67 121,55
Mei 133,22 126,04 125,40 130,09 129,63 125,03
Juni 136,20 129,73 129,63 134,64 135,68 129,35
Juli 137,29 129,76 131,51 135,04 132,47 121,32
Agustus 139,58 127,74 126,96 129,96 130,28 118,96
September 134,75 126,71 126,52 131,70 129,01 118,63
Oktober 133,53 124,82 125,92 130,14 127,21 117,86
Nopember 132,26 124,21 124,76 129,27 125,64 116,26
Desember 127,71 120,96 120,93 124,24 120,06 114,40 Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)
Menurut Bank Indonesia suatu bank masih dianggap sehat jika rasio FDR
nya berada diantara 85 persen-110 persen, pada tabel 4.5 semua rasio FDR berada
diatas 110 persen dari bulan Januari 2010 sampai Desember 2016.
c. NPF (Non Performing Financing)
Tabel 4.4 NPF (Non Performing Financing) BPRS
Periode NPF (dalam persen)
2011 2012 2013 2014 2015 2016
Januari 6,79 6,68 6,91 7,77 8,97 9,08
Februari 7,04 6,61 7,33 7,71 9,11 9,41
Maret 7,15 6,42 7,21 7,74 10,36 9,44
April 7,02 6,50 7,32 8,00 9,33 9,51
Mei 6,82 6,47 7,69 8,23 9,38 9,60
Juni 7,09 6,39 7,25 8,18 9,25 9,18
Juli 7,00 6,68 7,35 8,62 9,80 9,97
Agustus 7,05 6,91 7,89 8,83 9,74 10,99
September 7,05 6,87 7,58 8,86 9,87 10,47
Oktober 7,05 6,83 7,48 8,94 10,01 10,49
Nopember 7,05 6,80 7,34 8,81 9,69 10,13
Desember 7,05 6,15 6,50 7,89 8,20 8,63
Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)
43
Berdasarkan Tabel 4.4 rata-rata rasio NPF pada tahun 2013-2015 terus
mengalami peningkatan sehingga menyebabkan penurunan tingkat pertumbuhan
laba BPRS. Penyebab meningkatnya rasio NPF ini karena semakin memburuknya
kualitas aktiva produktif sehingga banyak pembiayaan nasabah yang mengalami
macet.
d. BOPO (Beban Operasional/Pendapatan Operasional)
Tabel 4.5 BOPO (Beban Operasional/Pendapatan Operasional) BPRS
Periode BOPO (dalam persen)
2011 2012 2013 2014 2015 2016
Januari 76,29 78,42 79,34 89,48 88,03 91,89
Februari 76,37 78,13 79,17 86,72 87,16 90,18
Maret 77,27 77,88 79,13 87,55 88,66 89,56
April 77,65 78,73 78,69 87,93 88,68 89,56
Mei 77,00 79,14 78,97 87,95 88,38 89,17
Juni 77,35 79,13 78,99 87,51 88,13 87,94
Juli 76,59 80,22 79,65 87,77 89,24 88,82
Agustus 76,96 80,91 81,29 89,65 89,20 89,42
September 75,75 80,89 80,08 89,13 89,55 87,91
Oktober 78,23 79,08 79,62 89,49 89,14 87,35
Nopember 78,79 79,10 79,96 88,50 89,38 87,66
Desember 76,31 80,02 80,75 87,79 88,09 87,09
Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)
Berdasarkan Tabel 4.5 BOPO rata-rata mengalami peningkatan setiap
tahunnya, artinya bank syariah mengalami inefisiensi dalam kegiatan usahanya.
Meningkatnya rasio BOPO ini dapat disebabkan karena kenaikan provisi atau
pencadangan seiring dengan naiknya pembiayaan bermasalah.
B. Analisis Pengujian Statistik
1. Uji Stasioneritas
Estimasi model ekonometrik time series akan menghasilkan kesimpulan yang
tidak berarti, ketika data yang digunakan mengandung akar unit (tidak stasioner).
Maka langkah pertama dalam melakukan analisis data timeseries adalah dengan
uji stasioneritas, dilakukan untuk mengetahui variabel-variabel yang diuji
stasioner atau tidak. Uji stasioner data dapat dilakukan dengan menggunakan uji
44
akar unit yaitu dengan menggunakan augemted dickey-fuller (ADF) dan Philips-
Peron (PP) pada derajat yang sama (level atau difference) sehingga diperoleh
suatu data yang stasioner. Pada penelitian ini uji yang digunakan adalah augemted
dickey-fuller (ADF), dan berikut adalah hasil uji stasioneritas pada setiap
variabelnya :
Tabel 4.6 Hasil Uji Stasioneritas ADF pada tingkat level
Variabels
Bank Pembiayaan Rakyat Syariah
t-Statistic Critical Values
Prob
Keterangan 5% 10%
Per_Laba -4.667577 -2.902953 -2.588902 0.0003 Stationer
CAR -3.461282 -2.902953 -2.588902 0.0120 Stationer
FDR -1.354615 -2.902953 -2.588902 0.5990 Tidak Stationer
BOPO -1.344476 -2.903566 -2.2589227 0.6043 Tidak Stationer
NPF -1.791359 -2.902953 -2.588902 0.3819 Tidak Stationer
Sumber : output eviews 9 (data diolah)
Berdasarkan Tabel 4.6 asumsi uji ADF jika t-statistic < critical value=
tidak stasioner, dan ADF t-statistic > critical value = stasioner atau cara lainnya
dapat dilihat dari probability < 0.05 = stasioner dan probability > 0.05 = tidak
stasioner. Dengan demikian berdasarkan tabel uji stasioneritas dengan uji ADF
pada tingkat level diatas, dengan menggunakan critical value 5% dan 10% terlihat
bahwa ada dua variabel yang stasioner yaitu variabel Per_Laba dan CAR.
Sebaliknya variabel lainnya tidak stasioner dengan data sebagai berikut,
nilai FDR t-statistic -1.354615 < crtical value 5% -2.902953, kemudian BOPO t-
statistic -1.344476 < crtical value 5% -2.903566, dan pada NPF t-statistic -
1.791359 < crtical value 5% -2.902953. maka variabel FDR, BOPO, dan NPF
dapat dikatakan tidak stasioner uji ADF pada tingkat level.
Oleh karena itu perlu dilakukan proses 1st
difference karena untuk
mengetahui variabel lainnya stasioner atau tidak. Pada tabel berikut merupakan
hasil uji stasioneritas ADF pada tingkat 1st
difference.
45
Tabel 4.7 Hasil Uji Stationeritas ADF tingkat 1st
Difference
Variabels
Bank Pembiayaan Rakyat Syariah
t-Statistic Critical Values
Prob
Keterangan 5% 10%
Per_Laba -8.969020 -3.476275 -3.165610 0.0000 Stationer
CAR -11.64764 -3.475305 -3.165046 0.0000 Stationer
FDR -1.063666 -3.487845 -3.172314 0.9263 Tidak Stationer
BOPO -11.10468 -3.475305 -3.165046 0.0000 Stationer
NPF -9.586260 -3.475305 -3.165046 0.0000 Stationer
Sumber : output eviews 9 (data diolah)
Asumsi uji ADF jika t-statistic < critical value = tidak stasioner, dan ADF
t- statistic > critical value = satasioner. Dengan keterangan asumsi tersebut, maka
berdasarkan Tabel 4.7 dapat dinyatakan bahwa salah satu variabel penelitian yaitu
FDR dinyatakan tidak stasioner pada tingkat 1st
difference karena nilai t- statistic
< critical value. Maka penelitian dapat dilanjutkan pada proses 2th
difference.
Tabel 4.8 Hasil Uji Stationeritas ADF tingkat 2st
Difference
Variabels
Bank Pembiayaan Rakyat Syariah
t-Statistic Critical Values
Prob
Keterangan 5% 10%
Per_Laba -7.405215 -3.481595 -3.168695 0.0000 Stationer
ROA -8.910533 -3.478305 -3.166788 0.0000 Stationer
CAR -11.56152 -3.477275 -3.166190 0.0000 Stationer
FDR -11.02104 -3.487845 -3.172314 0.0000 Stationer
BOPO -6.923480 -3.481595 -3.168695 0.0000 Stationer
NPF -4.840127 -3.487845 -3.172314 0.0012 Stationer
Sumber : output eviews 9 (data diolah)
Tabel 4.8 menunjukan semua variabel penelitian diantaranya Per_Laba,
FDR, CAR, BOPO, dan NPF dinyatakan stasioner pada tingkat 2st
difference
karena semua nilai t- statistic > critical value. Maka penelitian dapat dilanjutkan
dengan uji berikutnya.
46
2. Uji Lag Optimal
Penentuan panjang lag dimanfaatkan untuk mengetahui lamanya periode
keterpengaruhan suatu variabel terhadap variabel masa lalunya maupun terhadap
variabel endogen lainnya. Hasil dalam uji panjang lag (Lag Length) ditentukan
dengan jumlah bintang terbanyak yang direkomendasi dari masing-masing kriteria
uji lag length. Dan kriteria yang digunakan dalam pengujian ini adalah final
prediction error (FPE), akaike Information criterion (AIC), schwarz Information
criterion (SC) dan hanna-quinn information criterion (HQ). dan hasil panjang lag
Optimal dapat dilihat pada tabel di bawah ini.
Tabel 4.9 Hasil Uji Lag Optimal
Bank Pembiayaan Rakyat Syariah
Lag LR FPE AIC SC HQ
0 NA 5.36e-16 -20.97218 -20.80629 -20.90663
1 357.1680 2.98e-18 -26.16740 -25.17210* -25.77411*
2 52.79623* 2.47e-18* -26.36976 -24.54504 -25.64872
3 36.12008 2.64e-18 -26.33458 -23.68045 -25.28581
4 31.28778 3.00e-18 -26.27229 -22.78875 -24.89578
5 26.07420 3.73e-18 -26.16657 -21.85361 -24.46231
6 35.77080 3.41e-18 -26.43102* -21.28865 -24.39902
Sumber : output eviews 9 (data diolah)
Tabel 4.9 dapat dilihat hasil uji lag tersebut memberikan rekomendasi lag
yang berbeda-beda. Terlihat bahwa dengan kriteria SC dan HQ kandidat yang
disarankan adalah lag 1, dapat dilihat dari tanda bintang yang paling banyak.
Dengan demikian lag optimal yang disarankan adalah lag 1.
3. Uji Kointegrasi
Pengujian kointegrasi dilakukan untuk memperoleh hubungan jangka panjang
antar variabel yang telah memenuhi persyaratan selama proses integrasi yaitu
dimana semua variabel telah stasioner pada tingkat 2st
Difference. Maka dalam
penelitian ini penulis juga diharuskan melakukan pengujian kointegrasi variabel
yang akan digunakan dalam estimasi model. Jika terbukti tidak terjadi kointegrasi
47
antar variabel maka yang akan digunakan adalah model VAR, namun jika terjadi
atau terdapat kointegrasi antar variabel maka model yang digunakan adalah
VECM.
Uji kointegrasi yang dilakukan dalam penelitian ini adalah uji Johansen
dengan membandingkan nilai trace statistic dan nilai Max-Eigen statistic lebih
besar dari nilai kritis 0.05 maka data terkointegrasi dan sebaliknya. Dan berikut
adalah hasil uji kointegrasi pada penelitian ini menggunakan uji kointegrasi
Johansen Test.
Tabel 4.10 Hasil Uji Johansen Cointegration Test
Bank Pembiayaan Rakyat Syariah
Hypothesize
d No. Of CE
(s)
Trace Statistic Max-Eigen Statistic
Trace
Statistic
0.05
Critical
Value
Prob.** Max-
Eigen
Statistic
0.05
Prob.*
*
None * 153.6092 69.81889 0.0000 47.69037 33.87687 0.0006
At most 1* 105.9189 47.85613 0.0000 42.98270 27.58434 0.0003
At most 2* 62.93616 29.79707 0.0000 30.44870 21.13162 0.0018
At most 3* 32.48746 15.49471 0.0001 21.29358 14.26460 0.0033
At most 4* 11.19389 3.841466 0.0008 11.19389 3.841466 0.0008
Sumber : output eviews 9 (data diolah)
Berdasarkan hasil uji kointegrasi Tabel 4.10 dapat dilihat bahwa secara
keseluruhan nilai trace statistic lebih besar dari critical value pada tingkat
keyakinan 5%, kemudian nilai Max-Eigen statistic juga lebih besar dari critical
value. Nilai trace statistic dan nilai Max-Eigen statistic menunjukan adanya 1
rank kointegrasi yang signifikan pada α = 5% yang ditunjukkan oleh tanda
asenterik (*). Hal ini mengindikasikan bahwa diantara pergerakan semua variabel
penelitian memiliki hubungan keseimbangan dalam jangka panjang. Dengan
demikian, analisis selanjutnya dapat dilakukan dengan menggunakan VECM.
4. Uji Error Correction Model (VECM)
Setelah melakukan rangkaian uji yang di perlukan, yaitu uji stasionaritas
dengan augemented dickey-fuller (ADF), uji lag optimal dengan kriteria final
48
prediction error (FPE), akaike Information criterion (AIC), schwarz Information
criterion (SC) dan hanna-quinn information criterion (HQ) yang menghasilkan
rekomendasi lag 2, dan uji Kointegrasi dengan Johansen Cointegration Test
didapatkan kesimpulan bahwa model yang digunakan penelitian ini adalah Error
Correction Model (VECM).
Tabel 4.11 Estimasi VECM Jangka Panjang dan Jangka Pendek
Variabel Koefisien T-Statistik Keterangan
Jangka Pendek
CointEq1 -0.092333 [-1.18670]
D(DPER_LABA(-1)) -0.676268 [-5.18892] Signifikan
D(DPER_LABA(-2)) -0.381172 [-3.02643] Signifikan
D(DCAR(-1)) -1.838344 [-0.48463] Tidak Signifikan
D(DCAR(-2)) -3.743431 [-1.39487] Tidak Signifikan
D(DBOPO(-1)) 1.967264 [-1.05737] Tidak Signifikan
D(DBOPO(-2)) 1.444914 [0.90562] Tidak Signifikan
D(FDR(-1)) 0.400651 [0.41702] Tidak Signifikan
D(FDR(-1)) -0.695030 [-0.86653] Tidak Signifikan
D(DNPF(-1)) 2.696037 [0.62844] Tidak Signifikan
D(DNPF(-2)) 8.705462 [2.04257] Signifikan
Jangka Panjang
DCAR(-1) -62.17163 [-646356] Signifikan
DBOPO(-1) 18.14192 [3.29250] Signifikan
DFDR(-1) -13.39809 [-5.68928] Signifikan
DNPF(-1) -32.15312 [-1.82313] Tidak Signifikan
Sumber : output eviews 9 (data diolah)
Untuk menganalisis pengaruh jangka pendek dan jangka panjang suatu
variabel terhadap variabel lainnya diperlukan penentuan t-tabel. Cara penentuan t-
tabel yaitu dengan menentukan derajat bebasnya terlebih dahulu (degree of
freedom) dengan rumus n-k = 72-5 = 67, maka diperoleh nilai t-tabel sebesar
1.996008. Selanjutnya dapat dilakukan pengujian hipotesis yaitu dapat dikatakan
signifikan apabila nilai t-statistik > 1.996008.
Berdasarkan tabel 4.11 dapat dilihat hasil pengujian pada model VECM
jangka pendek menunjukan variabel NPF memiliki hubungan positif dan
49
signifikan terhadap pertumbuhan laba Bank Pembiayaan Rakyat Syariah di
Indonesia, ditunjukan dengan nilai t-statistik (2.04257) > t tabel (1.996008),
sedangkan variabel CAR terdapat hubungan dengan pertumbuhan laba pada Bank
Pembiayaan Rakyat Syariah di Indonesia, hubungan terlihat negatif tapi tidak
signifikan, kemudian pada variabel BOPO dan FDR terdapat hubung positif tetapi
tidak signifikan.
Pada jangka panjang, variabel CAR dan FDR yang memiliki hubungan
negatif dan signifikan, kemudian pada variabel BOPO memiliki hubungan positif
dan signifikan, dan pada variabel NPF terdapat hubungan negatif dan tidak
signifikan.
Hasil ini menunjukkan bahwa pada jangka panjang perubahan CAR dan
FDR akan senantiasa diikuti oleh pertumbuhan laba dengan arah yang
berkebalikan, dengan kata lain jika terjadi kenaikan sebanyak 1% pada CAR dan
FDR maka akan terjadi penurunan pada pertumbuhan laba, dan jika terjadi
penurunan 1% pada BOPO maka akan terjadi kenaikan juga pada pertumbuhan
laba.
5. Uji Impulse Rensponse Function (IRF)
Impulse Response Function (IRF) digunakan untuk menggambarkan tingkat
laju shock dari variabel yang digunakan dalam penelitian ini. Perilaku dinamis
dari model VECM dapat dilihat melalui respon dari setiap variabel terhadap shock
dari variabel tersebut maupun terhadap variabel endogen lainnya. Dalam model
ini respon dari perubahan-perubahan masing-masing variabel dengan adanya
informasi baru diukur dengan data 2st
difference. Sumbu horizontal merupakan
waktu dalam periode hari kedepan setelah terjadinya shock, sedangkan sumbu
vertikal adalah nilai respon. Secara mendasar dalam analisis ini akan diketahui
respon positif atau negative dari suatu variabel terhadap variabel lainnya. Respon
tersebut dalam jangka pendek biasanya cukup signifikan dan cenderung berubah,
dalam jangka panjang respon cenderung konsisten dan semakin mengecil. Impulse
Response Function (IRF) memberikan gambaran bagaimana respon dari suatu
50
variabel di masa mendatang jika terjadi gangguan pada suatu variabel lainnya.
Untuk mempermudah interprestasi, hasil analisis disajikan dalam bentuk tabel dan
grafik dibawah ini dalam 10 periode. Dan berikut adalah analisisnya :
Tabel 4.12 Hasil Uji Impulse Response Function
Period Bank Pembiayaan Rakyat Syariah
PER LABA CAR FDR BOPO DNPF
1 0.158356 0.000000 0.000000 0.000000 0.000000
2 0.021956 0.028503 0.043221 0.016426 0.032041
3 0.051184 -0.031943 -0.018873 0.034340 0.036069
4 0.088167 0.046481 0.016319 -0.022044 -0.016419
5 0.051084 -0.011413 0.031284 0.032565 0.040891
6 0.065116 0.000373 -0.011496 0.009116 0.014545
7 0.064602 0.023373 0.019044 0.004851 0.011811
8 0.063503 -0.008035 0.013979 0.019076 0.021745
9 0.063424 0.015153 0.007790 0.007117 0.017772
10 0.062213 0.004482 0.012347 0.013779 0.018142
Sumber : output eviews 9 (data diolah)
Pada tabel 4.12 terlihat Response yang diberikan Per_laba atas guncangan
yang terjadi pada variabel CAR, BOPO, FDR, dan DNPF dengan 10 periode
kedepan.
a. Respons DPER_LABA terhadap Shock DCAR
Grafik 4.1 Impulse Respons DPER_LABA terhadap Shock DCAR
Response of DCAR to Cholesky
One S.D. DP_LABA Innovation
.0016
.0012
.0008
.0004
.0000
-.0004
-.0008
-.0012
-.0016 1 2 3 4 5 6 7 8 9 10
Sumber : output eviews (data diolah)
51
Pada Grafik 4.1 respons DPER_LABA terhadap guncangan dari tingkat
DCAR pada periode ke 3,5, dan 8 berada pada posisi negatif. Ini artinya jika
terjadi guncangan sebesar 1 standar deviasi maka dari DPER_LABA maka tingkat
DCAR maka akan bereaksi negatif terhadap DPER_LABA. Namun pada periode
lainnya selain dari keempat periode tersebut respons DPER_LABA berada pada
posisi positif. Meskipun terjadi fluktuasi, artinya, dalam jangka waktu yang
panjang guncangan naiknya DPER_LABA akan direspon DCAR dengan besaran
yang sama begitu pula dengan penurunannya.
b. Respons DPER_LABA terhadap Shock DBOPO
Grafik 4.2 Impulse Respons DPER_LABA terhadap Shock DBOPO
Response of DBOPO to Cholesky
One S.D. DP_LABA Innovation
-.0025
-.0030
-.0035
-.0040
-.0045
-.0050
-.0055
-.0060
-.0065
1 2 3 4 5 6 7 8 9 10
Sumber : output eviews (data diolah)
Berdasarkan grafik 4.2 DPER_LABA merespon shock yang diberikan
DBOPO adalah positif. Dikatakan positif karena garis yang ditunjukkan grafik
pada grafik IRF cenderung berada diatas garis horizontal.
52
c. Respons DPER_LABA terhadap Shock DFDR
Grafik 4.3 Impulse Respons DPER_LABA terhadap Shock DFDR
Response of DFDR to Cholesky
One S.D. DP_LABA Innovation
.006
.005
.004
.003
.002
.001
.000
-.001
1 2 3 4 5 6 7 8 9 10
Sumber : output eviews (data diolah)
Pada Grafik 4.3 respons DPER_LABA terhadap guncangan dari tingkat DFDR
ada 2 periode berada pada posisi negatif yaitu pada periode ke tiga dan ke enam.
Namun pada periode lainnya, respons DPER_LABA berada pada posisi positif.
d. Respons DPER_LABA terhadap Shock DNPF
Grafik 4.4 Impulse Respons DPER_LABA terhadap Shock DNPF
Response of DNPF to Cholesky
One S.D. DP_LABA Innovation
-.0004
-.0006
-.0008
-.0010
-.0012
-.0014 1 2 3 4 5 6 7 8 9 10
Sumber : output eviews (data diolah)
53
Berdasarkan Grafik 4.4 respons DPER_LABA terhadap guncangan dari
tingkat DNPF pada periode ke 4 berada pada posisi negatif. Ini artinya jika terjadi
guncangan sebesar 1 standar deviasi maka dari DPER_LABA maka tingkat DNPF
maka akan bereaksi negatif terhadap DPER_LABA. Namun pada periode lainnya
selain periode ke-4, respons DPER_LABA berada pada posisi positif. Meskipun
terjadi fluktuasi, artinya, dalam jangka waktu yang panjang guncangan naiknya
DPER_LABA akan direspons DNPF dengan besaran yang sama begitu pula
dengan penurunannya.
6. Varians Decomposition (VD)
Setelah menganalisis perilaku dinamis melalui Impulse Response Function
(IRF), selanjutnya akan dilihat karakteristik model melalui Variance
Decomposition. Variance Decomposition digunakan untuk menjelaskan kontribusi
dari masing-masing variabel terhadap guncangan yang ditimbulkannya terhadap
variabel endogen utama yang diamati. Analisis ini digunakan untuk memprediksi
seberapa besar kontribusi varians setiap variabel berpengaruh terhadap variabel
lainnya pada saat ini dan periode kedepannya. Dan berikut ini hasil analisisnya:
Tabel 4.13 Varians Decomposition (VD) DPER_LABA
Period Bank Pembiayaan Rakyat Syariah
PER LABA CAR FDR BOPO DNPF
1 1.000.000 0.000000 0.000000 0.000000 0.000000
2 8.653.501 2.750.609 6.324.866 0.913535 3.475.980
3 7.824.694 5.089.312 6.176.509 4.023.797 6.463.445
4 7.654.560 8.502.042 5.302.762 4.119.836 5.529.761
5 7.218.679 7.719.135 6.494.456 5.607.563 7.992.058
6 7.368.645 7.099.160 6.200.168 5.300.082 7.714.138
7 7.417.322 7.373.768 6.259.283 4.898.252 7.295.472
8 7.450.627 6.915.594 6.075.764 5.062.797 7.439.577
9 7.523.931 6.787.100 5.770.024 4.808.131 7.395.434
10 7.580.307 6.414.479 5.627.445 4.770.169 7.384.835
Sumber : output eviews 9 (data diolah)
54
Pada Tabel 4.13 dapat dijelaskan bahwa pada periode pertama
DPER_LABA dipengaruhi oleh DPER_LABA itu sendiri sebesar 100 persen.
Sementara itu pada periode pertama, variabel DCAR, DBOPO, DFDR, dan DNPF
belum memberikan pengaruh terhadap DPER_LABA. Namun, seiring
bertambahnya periode, variabel-variabel tersebut mulai mempengaruhi
DPER_LABA walaupun besarannya tidak sebesar pengaruh DPER_LABA itu
sendiri.
Variabel kedua yang memiliki pengaruh selain variabel DPER_LABA
adalah DFDR dimana periode dengan nilai teringgi terjadi pada periode ke-2
sebesar 6,32 persen. Pengaruh dari variabel lainnya masih fluktuatif, namun
variabel yang memiliki pengaruh paling besar adalah variabel DCAR pada
periode ke-4 sebesar 8,5 persen.
Hal ini dapat kembali diperjelas kembali pada Grafik 4.5.
Grafik 4.5 Variance Decomposition
Variance Decomposition of DP_LABA
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10
DP_LABA DCAR DFDR DBOPO DNPF
Sumber : output eviews (data diolah)
55
C. Interpretasi Hasil Penelitian
1. Pengaruh CAR (Capital Adequecy Ratio) terhadap Pertumbuhan Laba
Hasil penelitian melalui uji Error Correction Model (VECM)
menunjukkan bahwa pada jangka pendek variabel CAR memiliki
hubungan negatif dan tidak signifikan, sedangkan pada jangka panjang
variabel CAR memiliki hubangan negatif signifikan. Melalui uji Impulse
Response Function (IRF) rasio variabel CAR merespon shock yang terjadi
pada pertumbuhan laba. Sedangkan menurut uji Variance Decomposition
(VD) variabel CAR mampu memberikan kontribusi terhadap shock yang
terjadi pada pertumbuhan laba antara 2,7% sampai dengan 8,5%.
Penelitian ini sejalan dengan penelitian terdahulu yang menyatakan
bahwa CAR memiliki pengaruh yang signifikan terhadap pertumbuhan
laba.1
Kondisi demikian dimungkinkan karena CAR adalah rasio modal
bank terhadap Aset tertimbang menurut risiko, dengan adanya rasio CAR
yang besar menunjukkan modal bank yang besar pula, sehingga bank
dapat leluasa menempatkan dana dari modal tersebut untuk portofolio aset
produktif, dan akan berdampak terhadap penghasilan laba. Adanya
perbedaan sampel, rentang waktu, metode, dan karakteristik data
penelitian menyebabkan hasil penelitian ini bertentangan dengan
penelitian lain yang menyatakan bahwa rasio CAR tidak berpengaruh
signifikan terhadap pertumbuhan laba.2
Capital Adequecy Ratio memiliki pengaruh signifikan terhadap
pertumbuhan laba menunjukkan bahwa setiap perubahan yang terjadi pada
CAR diikuti oleh pertumbuhan laba secara signifikan.
1
Nur Aini, Pengaruh CAR, NIM, LDR, NPL, BOPO, dan Kualitas Aktiva Produktif
Terhadap Perubahan Laba (Studi Empiris pada Perusahaan Perbankan yang terdaftar di BEI Tahun
2009-2011), Dinamika Akuntansi, Keuangan dan Perbankan Vol.2 No.2 ,2013. 2
Emilda, Pengaruh Rasio Keuangan Terhadap Perubahan Laba pada Bank Syariah di
Indonesia, (Jurnal Media Wahana Ekonomika Vol.12 No.4), 2016.
56
2. Pengaruh BOPO (Beban Operasional Terhadap Pendapatan Operasional)
terhadap Pertumbuhan Laba
Hasil penelitian melalui uji Error Correction Model (VECM)
menunjukkan bahwa pada jangka pendek variabel BOPO memiliki
hubungan positif dan tidak signifikan, dan pada jangka panjang variabel
BOPO memiliki hubangan positif signifikan. Melalui uji Impulse
Response Function (IRF) respon yang diterima oleh BOPO akibat shock
yang terjadi pada pertumbuhan laba adalah positif namun tidak permanen,
karena garis yang ditunjukkan grafik pada grafik IRF cenderung berada
diatas garis horizontal. Sedangkan menurut uji Variance Decomposition
(VD) variabel BOPO mampu memberikan kontribusi terhadap shock yang
terjadi pada pertumbuhan laba antara 0,9% sampai dengan 5,6%.
Hasil penelitian ini sesuai dengan penelitian sebelumnya yang
menyatakan bahwa rasio BOPO berpengaruh signifikan terhadap
pertumbuhan laba. Adanya perbedaan sampel, rentang waktu, metode, dan
karakteristik data penelitian menyebabkan hasil penelitian ini bertentangan
dengan penelitian yang dilakukan oleh Emilda yang menyatakan bahwa
rasio BOPO tidak berpengaruh signifikan terhadap pertumbuhan laba.3
Rasio BOPO menunjukkan seberapa efisien manajemen suatu bank
dalam mengelola kegiatan operasionalnya. Semakin kecil rasio ini berarti
semakin efisien biaya operasional yang dikeluarkan bank yang
bersangkutan.4
Rasio BOPO memiliki pengaruh signifikan terhadap pertumbuhan
laba, ini mengindikasikan bahwa efisiensi dalam operasional bank akan
meningkatkan pendapatan operasional bank yang selanjutnya akan
3 Emilda, Pengaruh Rasio Keuangan Terhadap Perubahan Laba pada Bank Syariah di
Indonesia, (Jurnal Media Wahana Ekonomika Vol.12 No.4), 2016. 4
Syahputra, Renaldy, dkk.,Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba Bank
Pembanungan Daerah di Indonesia dengan Pertumbuhan Kredit Sebagai Variabel Intervening
(Studi pada Bank-Bank Pembangunan Daerah di Sumatera), (Jurnal Tepak Manajemen Bisnis,
Vol. VI No.2) ,2014.
57
menjadikan Pertumbuhan Laba yang semakin besar. Hal ini dimungkinkan
karena adanya penurunan / efisiensi biaya-biaya operasional bank dan
peningkatan pendapatan-pendapatan diluar pendapatan operasional.
3. Pengaruh FDR (Finance to Deposit Ratio) terhadap Pertumbuhan Laba
Hasil penelitian melalui uji Error Correction Model (VECM)
menunjukkan bahwa pada jangka pendek variabel FDR memiliki
hubungan positif dan tidak signifikan, sedangkan pada jangka panjang
variabel FDR memiliki hubangan negatif signifikan. Melalui uji Impulse
Response Function (IRF) respon yang diterima oleh FDR akibat shock
yang terjadi pada pertumbuhan laba adalah positif namun tidak permanen,
karena garis yang ditunjukkan grafik pada grafik IRF cenderung berada
diatas garis horizontal dan ada dua periode yang merespon negatif.
Sedangkan menurut uji Variance Decomposition (VD) variabel FDR
mampu memberikan kontribusi terhadap shock yang terjadi pada
pertumbuhan laba antara 5,3% sampai dengan 6,4%.
Hasil penelitian ini menguatkan hasil penelitian sebelumnya yang
menyatakan bahwa rasio FDR berpengaruh signifikan terhadap
pertumbuhan laba.5
Adanya perbedaan sampel, rentang waktu, metode,
dan karakteristik data penelitian menyebabkan hasil penelitian ini
bertentangan dengan penelitian yang dilakukan oleh Emilda, Fathoni,dkk
yang menyatakan bahwa rasio FDR tidak berpengaruh signifikan terhadap
pertumbuhan laba.
Penyaluran kredit merupakan kegiatan utama bank. Oleh karena
itu, sumber pendapatan utama bank berasal dari kegiatan ini. Semakin
besar penyaluran dana dalam bentuk kredit dibandingkan dengan deposit
atau simpanan masyarakat pada suatu bank, semakin besar risiko yang
5
Syahputra, Renaldy, dkk.,Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba Bank
Pembanungan Daerah di Indonesia dengan Pertumbuhan Kredit Sebagai Variabel Intervening
(Studi pada Bank-Bank Pembangunan Daerah di Sumatera), (Jurnal Tepak Manajemen Bisnis,
Vol. VI No.2) ,2014.
58
harus ditanggung oleh bank yang bersangkutan.6
Akan tetapi semakin
tinggi kredit/ pembiayaan yang diberikan kepada masyarakat akan
semakin besar pendapatan yang diperoleh bank.
Finance to Deposit Ratio memiliki pengaruh signifikan terhadap
pertumbuhan laba menunjukkan bahwa setiap perubahan yang terjadi pada
FDR diikuti oleh pertumbuhan laba secara signifikan.
4. Pengaruh NPF (Non Performing Finance) terhadap Pertumbuhan Laba
Hasil penelitian melalui uji Error Correction Model (VECM)
menunjukkan bahwa pada jangka pendek variabel NPF memiliki
hubungan positif dan signifikan, sedangkan pada jangka panjang variabel
NPF memiliki hubangan negatif dan tidak signifikan. Melalui uji Impulse
Response Function (IRF) respon yang diterima oleh NPF akibat shock
yang terjadi pada pertumbuhan laba adalah positif namun tidak permanen,
karena garis yang ditunjukkan grafik pada grafik IRF cenderung berada
diatas garis horizontal.
Hasil penelitian ini menguatkan hasil penelitian terdahulu yang
menyatakan bahwa vaiabel NPF memiliki pengaruh yang tidak signifikan
terhadap pertumbuhan laba.7
Adanya perbedaan sampel, rentang waktu,
metode, dan karakteristik data penelitian menyebabkan hasil penelitian ini
bertentangan dengan penelitian yang dilakukan oleh Anisah Lubis,
Fathoni,dkk yang menyatakan bahwa rasio NPF berpengaruh signifikan
terhadap pertumbuhan laba. Sedangkan menurut uji Variance
Decomposition (VD) variabel BOPO mampu memberikan kontribusi
terhadap shock yang terjadi pada pertumbuhan laba antara 3,4% sampai
dengan 7,9%.
6
Wardiah dan Mia Lasmi, Dasar –Dasar Perbankan. Bandung: Pustaka Setia,2013, h.298. 7
Nur Aini, Pengaruh CAR, NIM, LDR, NPL, BOPO, dan Kualitas Aktiva Produktif
Terhadap Perubahan Laba (Studi Empiris pada Perusahaan Perbankan yang terdaftar di BEI Tahun
2009-2011), Dinamika Akuntansi, Keuangan dan Perbankan Vol.2 No.2 ,2013.
59
Semakin tinggi rasio NPF maka semakin menurun kinerja
perbankan sehingga menghilangkan kesempatan memperoleh laba. Non
Performing Finance (NPF) memiliki pengaruh tidak signifikan terhadap
petumbuhan laba menandakan bahwa perubahan yang ditunjukkan oleh
NPF akan diikuti pertumbuhan laba namun tidak signifikan. Artinya,
BPRS tidak perlu khawatir terhadap peningkatan rasio NPF selama masih
pada level aman dibawah 7% sesuai dengan peraturan yang berlaku,
karena jika terlalu tinggi maka bank akan kehilangan kesempatan untuk
memperoleh laba sehingga bank sangat perlu untuk mengelola resiko
kredit/ pembiayaan secara efektif.
BAB V
PENUTUP
A. Kesimpulan
Berdasarkan analisis dan pembahasan pada bab sebelumnya maka dapat
ditarik kesimpulan sebagai berikut :
1. Berdasarkan hasil Uji Error Correction Model (VECM) diketahui bahwa
pada jangka panjang variabel CAR dan FDR yang memiliki hubungan
negatif dan signifikan, kemudian pada variabel BOPO memiliki hubungan
positif dan signifikan, dan pada variabel NPF terdapat hubungan negatif
dan tidak signifikan
2. Berdasarkan hasil Uji Error Correction Model (VECM) diketahui bahwa
pada jangka pendek menunjukan variabel pada variabel NPF terdapat
hubungan positif dan signifikan, sedangkan variabel CAR terdapat
hubungan negatif dan tidak signifikan, dan pada variabel BOPO dan FDR
terdapat hubung positif tetapi tidak signifikan dengan pertumbuhan laba
pada Bank Pembiayaan Rakyat Syariah di Indonesia
3. Pada hasil Impulse Response Function, secara umum rasio keuangan CAR,
BOPO, FDR, dan NPF merespon shock yang terjadi pada pertumbuhan
laba Bank Pembiayaan Rakyat Syariah di Indonesia baik secara positif
maupun negatif dengan lamanya yang diberikan shock yang diberikan
permanen ataupun tidak permanen.
4. Pada hasil Variance Decompotion menunjukan bahwa variabel CAR
memberikan kontribusi terhadap shock yang terjadi pada pertumbuhan
laba antara 2,7% sampai dengan 8,5%, variabel BOPO mampu
memberikan kontribusi terhadap shock yang terjadi pada pertumbuhan
laba antara 0,9% sampai dengan 5,6%, variabel FDR memberikan
kontribusi terhadap shock yang terjadi pada pertumbuhan laba antara 5,3%
sampai dengan 6,4%, dan variabel NPF memberikan kontribusi terhadap
60
61
shock yang terjadi pada pertumbuhan laba antara 3,4% sampai dengan
7,9%.
B. Saran
Dari hasil penelitian ini dan pembahasab di atas, maka penulis menyarankan
beberapa hal berikut :
1. Perlu adanya perbaikan dalam publikasi laporan keuangan bank
terutama dalam penggunaan istilah rasio keuangan yang sudah di
tetapkan oleh BI maupun OJK agar informasi yang di dapat lebih
lengkap sesuai dengan peraturan yang berlaku.
2. Bagi peneliti selanjutnya diharapkan dapat memeperluas penelitian
dengan menambah periode penelitian dan menambahkan variabel
internal yang dapat mempengaruhi pertumbuhan laba Bank
Pembiayaan Rakyat Syariah di Indonesia.
62
DAFTAR PUSTAKA
Aini, Nur. Pengaruh CAR, NIM, LDR, NPL, BOPO, dan Kualitas Aktiva
Produktif Terhadap Perubahan Laba (Studi Empiris pada Perusahaan
Perbankan yang terdaftar di BEI Tahun 2009-2011). Jurnal Dinamika
Akuntansi, Keuangan dan Perbankan Vol.2 No.2. 2013. Halaman 14-25.
Aguastina, Rice. Analisa Faktor-Faktor yang Mempengaruhi Pertumbuhan Laba
Dengan Ukuran Perusahaan Sebagai Variabel Moderating Pada
Perusahaan Manufaktur Yang Terdapat Di Bursa Efek Indonesia, Jurnal
Wira Ekonomi Mikroskil, Vol 6, Nomor 01, April 2016. Halaman 85-101
Ang, R. Buku Pintar Pasar Modal Indonesia. Media Soft Indonesia. 2001.
Angkoso. Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba Pada
Perusahaan Industri Barang Konsumsi yang Terdaftar di BEI. Skripsi,
Fakultas Ekonomi, Universitas Sumatra Utara. 2006.
Arsana, I Gede Putra. Modul VAR With Eviews 4. Ilmu Ekonomi Fakultas
Ekonomi Universitas Indonesia. 2008.
Keown, J. Arthur, David F. Scott, Jr, John D. Martin, J. William Petty. Dasar-
Dasar Manajemen Keuangan, Edisi Satu. Jakarta :Salemba Empat. 2005.
Brigham, Eugene F and Joel F.Houston. Dasar-Dasar Manajemen Keuangan, alih
bahasa Ali Akbar Yulianto, Buku satu, Edisi sepuluh. Jakarta: PT. Salemba
Empat. 2006.
Chariri, Anis dan Imam Ghozali. Teori Akuntansi. Semarang: UNDIP. 2003.
Darsono, Purwanti Arif. Penganggaran Perusahaan. Jakarta : Mitra Wacana
Media. 2008.
Emilda. Pengaruh Rasio Keuangan Terhadap Perubahan Laba pada Bank
Syariah di Indonesia. Jurnal Media Wahana Ekonomika Vol.12 No.4. 2016.
Halaman 87-99.
63
Enders, W. Applied Econometrics Time Series, Second edition, John Wiley &
Sony Inc. 2004.
Fathoni, Muhammad Isnaini, dkk. Pengaruh Tingkat Kesehatan Bank Terhadap
Pertumbuhan Laba pada Perusahaan Sektor Perbankan. Jurnal Ekonomi
Manajemen Sumber Daya Vol.13 No.1. 2013. Halaman 15-25
Gujarati N. Damodar. Basic Econometrics fourth edition. McGraw-Hill. 2004.
Harahap, Sofyan Syafri. Teori Akuntansi. Jakarta: PT. Raja Grafindo Persada.
2005.
Harahap, Sofyan Syafri. Analisis Kritis Atas Laporan Keuangan. Jakarta : Raja
Grafindo. 2006.
Harahap, Sofyan Syafri. Analisis Kritis Atas Laporan Keuangan. Jakarta: Raja
Grafindo Persada. 2008.
Haryono, Slamet. Analisa Laporan Keuangan Perbankan Syariah. Yogyakarta :
Pustaka Sayiq Sabiq. 2009.
Ifham, Ahmad. Pedoman Umum Lembaga Keuangan Syariah. Jakarta : PT.
Gramedia Pustaka Utama. 2010.
Indriantoro, Nur dan Bambang Suporno. Metodologi Penelitian Bisnis untuk
Akuntansi dan Manajemen, Edisi Pertama. Yogyakarta: Lembaga Penerbit
BPFE. 2002.
Irawan. Pengaruh Rasio Keuangan Terhadap Pertumbuhan Laba Pada
Perusahaan Asuransi yang terdaftar di Bursa Efek Indonesia selama tahun
2007-2011.
Lubis, Anisah. Pengaruh Tingkat Kesehatan Bank Terhadap Pertumbuhan Laba
pada BPR di Indonesia. Jurnal Ekonomi dan Keuangan Vol.1 No.4. 2013.
Halaman 27-37.
Lukman, Dendawijaya. Manajemen Perbankan, Edisi kedua. Jakarta : Ghalia
Indonesia, 2011.
Mawardi, Wisnu. Analisis Faktor-Faktor yang Mempengaruhi Kinerja Keuangan
Bank Umum di Indonesia (Studi Kasus Pada Bank Umum Dengan Total
Assets Kurang dari 1 Triliun). Jurnal Bisnis Strategi, Vol. 14, No. 1. 2005.
Halaman 665-676.
64
Muhammad. Manajemen Bank Syariah. Yogyakarta: UPP AMP YKPN. 2005.
Muhammad dan Ahmad Firdaus. Pengenalan Perbankan Syariah. Jakarta:
Grafindo. 2006.
Munawir, S. Analisa Laporan Keuangan. Yogyakarta: BPFE Universitas Gajah
Mada. 2001.
Prakoso, Andrian Tony. Analisis Hubungan Perdagangan Internasional dan FDI
Terhadap Pertumbuhan Ekonomi Indonesia. Skripsi Fakultas Ekonomi
Universitas Indonesia. 2009.
Prasnanugraha, Ponttie P. Analisis Pengaruh Rasio-rasio Keuangan Terhadap
Kinerja Bank Umum di Indonesia (Studi Empiris Bank-bank Umum Yang
Beroperasi Di Indonesia). Tesis. Program Pasca Sarjana Magister Sains
Akuntansi. Semarang: Universitas Diponegoro. 2007.
Prastowo, Dwi. Analisis Laporan Keuangan Konsep Dan Aplikasi. Yogyakarta :
UPP STIM YKPN. 2011.
Rahmaniah, Melan dan Hendro Wibowo. Analisis Potensi Terjadinya Financial
Distress pada Bank Umum Syariah (BUS) di Indonesia. Jurnal Ekonomi dan
Perbankan SyariahVol. 3 No.1, 2015. Halaman 1-20.
Resmi, Diah Ratih Sotio. Faktor Yang Mempengaruhi Pertumbuhan Laba
Perbankan Syariah Di Indonesia Tahun 2007-2011. Tesis S2 STIE
Perbanas Surabaya. 2011.
Riyadi, Selamet. Banking Assets and Liability Management. Edisi Ketiga. Jakarta.
Fakultas Ekonomi Universitas Indonesia. 2006.
Sartono, Agus. Manajemen Keuangan Teori dan Aplikasi. Yogyakarta: BPEF-
YOGYAKARTA. 2001.
Setiawan, Sigit dan Winarsih. Faktor-Faktor Yang Mempengaruhi Pertumbuhan
Laba Bank Syariah Di Indonesia. 2011.
65
Siamat, Dahlan. Manajemen Lembaga Keuangan. Kebijakan Moneter dan
Perbankan. Edisi Kelima. Penerbit Fakultas Ekonomi Universitas Indonesia.
2005.
Simamora, Henry. Akuntansi Basis Pengambilan Keputusan Bisnis. Jakarta:
Salemba Empat. 2000.
Sudarsono, Heri. Bank dan Lembaga Keuangan Syariah: Deskripsi dan Ilustrasi.
Yogyakarta : Ekonisia. 2005.
Sukandarrumidi. Metedologi Penelitian Petunjuk Praktis Untuk Peneliti Pemula.
Yogyakarta: Gadjah Mada University Press. 2004.
Supomo, Bambang dan Nur Indriantoro. Metodologi Penelitian Bisnis, Cetakan
Kedua. Yogyakarta : Penerbit BFEE UGM. 2002.
Sutrisna. Manajemen Keuangan (Teori, Konsep & Aplikas) Edisi Pertama.
Yogyakarta : Ekonisia Kampus Fakultas Ekonomi UII. 2003.
Suwarno, Agus Endro. Manfaat Informasi Rasio Keuangan Dalam Memprediksi
Perubahan Laba (Studi Empiris terhadap Perusahaan Manufaktur Go
Publik di Bursa Efek Jakarta), Jurnal Akuntansi Keuangan, 2004.
Syahyunan. Manajemen Keuangan I. Medan: Universitas Sumatera Utara Press.
2004.
Syahputra, Renaldy, dkk. Pengaruh Rasio Keuangan Terhadap Pertumbuhan
Laba Bank Pembanungan Daerah di Indonesia dengan Pertumbuhan Kredit
Sebagai Variabel Intervening (Studi pada Bank-Bank Pembangunan
Daerah di Sumatera). Jurnal Tepak Manajemen Bisnis, Vol. VI No.2. 2014.
Halaman 73-85.
Syamsudin, Lukman. Manajemen Keuangan Perusahaan. Jakarta : PT Raja
Grafindo Persada. 2000.
66
Umam, Khotibul. Trend Pembentukan Bank Umum Syariah Pasca Undang-
Undang Nomor 21 Tahun 2008 (Konsep, Regulasi, dan Implementasi).
Yogyakarta : BPFE Yogyakarta. 2009.
Wardiah dan Mia Lasmi. Dasar –Dasar Perbankan. Bandung: Pustaka Setia.
2013.
Warsidi dan Bambang Agus Pramuka. Evaluasi Kegunaan Rasio Keuangan
Dalam Memprediksi Perubahan Laba di Masa Yang Akan Datang. Jurnal
akuntansi dan Ekonomi Vol.2 No.1. 2000.
Wild, et al. Analisis Laporan Keuangan Buku Satu Edisi 8 (Ahli Bahasa: Yanivi
Bachtiar & Nurwahyu Harahap). Jakarta: Salemba Empat. 2005.
Wild, John, K.R. Subramanyam, dan Robert F. Halsey. Analisis Laporan
Keuangan. Edisi Delapan, Buku Kesatu. Alih Bahasa : Yanivi dan
Nurwahyu. Jakarta: Salemba Empat. 2005.
Peraturan Otoritas Jasa Keuangan Nomor 8/POJK.03/2014 tentang Penilaian
Tingkat Kesehatan Bank Umum Syariah dan Unit Usaha Syariah.Diakses
pada 09 September 2017 dari https://goo.gl/FwLc3s
Surat Edaran Otoritas Jasa Keuangan Nomor 10/SEOJK.03/2014 tentang
Penilaian Tingkat Kesehatan Bank Umum Syariah dan Unit Usaha Syariah.
Diakses pada 09 September 2017 dari https://goo.gl/07jtjX
UU No. 21 Tahun 2008 tentang Perbankan Syariah
www.bi.go.id
www.ojk.go.id
67
LAMPIRAN
LAMPIRAN 1
DATA PENELITIAN
Pertumbuhan Laba
Periode Pertumbuhan Laba (dalam persen)
2011 2012 2013 2014 2015 2016
Januari 45,44 2,50 26,05 -10,13 -22,43 -39,17
Februari 44,94 25,67 21,07 12,41 -4,22 -21,90
Maret 13,25 33,87 26,85 1,60 -11,27 -0,10
April 7,45 23,32 36,21 -9,73 0,76 -6,73
Mei 17,51 15,45 28,33 -8,69 55,50 -5,85
Juni 15,90 29,16 15,72 -6,46 7,91 6,81
Juli 31,61 12,67 8,34 -18,66 22,28 6,35
Agustus 23,88 19,00 -6,27 2,37 20,84 3,34
September 29,36 20,53 10,51 -10,81 10,77 23,44
Oktober 6,65 36,62 14,28 -10,30 8,26 26,43
Nopember 15,51 28,56 14,79 -11,87 5,47 25,41
Desember 23,36 22,88 21,41 -5,67 12,94 15,45
Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)
CAR
Periode CAR (dalam persen)
2011 2012 2013 2014 2015 2016
Januari 30,12 25,90 25,06 24,62 24,43 23,48
Februari 29,75 25,24 24,45 23,78 24,67 23,17
Maret 28,42 24,93 24,10 23,08 23,04 22,15
April 27,71 24,53 22,76 22,78 22,53 21,22
Mei 24,63 23,28 22,44 22,50 21,73 20,54
Juni 26,71 24,33 22,40 22,21 21,73 20,22
Juli 25,24 24,36 22,09 21,86 21,52 20,31
Agustus 25,24 24,48 22,10 21,78 20,85 20,24
September 24,75 25,26 21,96 21,80 20,70 20,72
Oktober 24,63 25,04 22,40 22,22 20,93 20,71
Nopember 24,87 23,87 24,63 22,34 22,08 20,78
Desember 23,49 25,16 22,08 22,77 21,47 21,73
Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)
68
FDR
Periode FDR (dalam persen)
2011 2012 2013 2014 2015 2016
Januari 127,04 124,41 119,48 120,52 123,50 118,56
Februari 128,27 125,03 119,46 122,30 124,75 119,92
Maret 129,40 125,53 119,67 123,10 125,60 121,55
April 130,38 124,98 122,50 126,58 126,67 121,55
Mei 133,22 126,04 125,40 130,09 129,63 125,03
Juni 136,20 129,73 129,63 134,64 135,68 129,35
Juli 137,29 129,76 131,51 135,04 132,47 121,32
Agustus 139,58 127,74 126,96 129,96 130,28 118,96
September 134,75 126,71 126,52 131,70 129,01 118,63
Oktober 133,53 124,82 125,92 130,14 127,21 117,86
Nopember 132,26 124,21 124,76 129,27 125,64 116,26
Desember 127,71 120,96 120,93 124,24 120,06 114,40 Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)
NPF
Periode NPF (dalam persen)
2011 2012 2013 2014 2015 2016
Januari 6,79 6,68 6,91 7,77 8,97 9,08
Februari 7,04 6,61 7,33 7,71 9,11 9,41
Maret 7,15 6,42 7,21 7,74 10,36 9,44
April 7,02 6,50 7,32 8,00 9,33 9,51
Mei 6,82 6,47 7,69 8,23 9,38 9,60
Juni 7,09 6,39 7,25 8,18 9,25 9,18
Juli 7,00 6,68 7,35 8,62 9,80 9,97
Agustus 7,05 6,91 7,89 8,83 9,74 10,99
September 7,05 6,87 7,58 8,86 9,87 10,47
Oktober 7,05 6,83 7,48 8,94 10,01 10,49
Nopember 7,05 6,80 7,34 8,81 9,69 10,13
Desember 7,05 6,15 6,50 7,89 8,20 8,63
Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)
BOPO
Periode BOPO (dalam persen)
2011 2012 2013 2014 2015 2016
Januari 76,29 78,42 79,34 89,48 88,03 91,89
69
Februari 76,37 78,13 79,17 86,72 87,16 90,18
Maret 77,27 77,88 79,13 87,55 88,66 89,56
April 77,65 78,73 78,69 87,93 88,68 89,56
Mei 77,00 79,14 78,97 87,95 88,38 89,17
Juni 77,35 79,13 78,99 87,51 88,13 87,94
Juli 76,59 80,22 79,65 87,77 89,24 88,82
Agustus 76,96 80,91 81,29 89,65 89,20 89,42
September 75,75 80,89 80,08 89,13 89,55 87,91
Oktober 78,23 79,08 79,62 89,49 89,14 87,35
Nopember 78,79 79,10 79,96 88,50 89,38 87,66
Desember 76,31 80,02 80,75 87,79 88,09 87,09
Sumber : Otoritas Jasa Keuangan (OJK) (data diolah)
LAMPIRAN 2
UJI STASIONER
CAR
TINGKAT LEVEL
Null Hypothesis: CAR has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.461282 0.0120
Test critical values: 1% level -3.525618
5% level -2.902953
10% level -2.588902
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(CAR)
Method: Least Squares
Date: 01/12/18 Time: 12:34
Sample (adjusted): 2011M02 2016M12
Included observations: 71 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
CAR(-1)
-0.183384
0.052981
-3.461282
0.0009 C 0.041678 0.012433 3.352290 0.0013
R-squared
0.147943
Mean dependent var
-0.001182 Adjusted R-squared 0.135594 S.D. dependent var 0.010104 S.E. of regression 0.009394 Akaike info criterion -6.469732 Sum squared resid 0.006089 Schwarz criterion -6.405994
70
Log likelihood 231.6755 Hannan-Quinn criter. -6.444385 F-statistic 11.98047 Durbin-Watson stat 2.560343 Prob(F-statistic) 0.000927
FDR
Null Hypothesis: FDR has a unit root
Exogenous: Constant
Lag Length: 6 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.354615 0.5990
Test critical values: 1% level -3.534868
5% level -2.906923
10% level -2.591006
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(FDR)
Method: Least Squares
Date: 01/12/18 Time: 12:31
Sample (adjusted): 2011M08 2016M12
Included observations: 65 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
FDR(-1)
-0.114824
0.084765
-1.354615
0.1809 D(FDR(-1)) 0.120756 0.120100 1.005465 0.3189 D(FDR(-2)) -0.041919 0.116010 -0.361339 0.7192 D(FDR(-3)) 0.107359 0.115158 0.932278 0.3551 D(FDR(-4)) 0.014163 0.116028 0.122063 0.9033 D(FDR(-5)) -0.098265 0.114884 -0.855348 0.3959 D(FDR(-6)) -0.547980 0.121527 -4.509113 0.0000
C 0.141997 0.107476 1.321187 0.1917
R-squared
0.442376
Mean dependent var
-0.003522 Adjusted R-squared 0.373896 S.D. dependent var 0.027717 S.E. of regression 0.021932 Akaike info criterion -4.686948 Sum squared resid 0.027417 Schwarz criterion -4.419332 Log likelihood 160.3258 Hannan-Quinn criter. -4.581356 F-statistic 6.459914 Durbin-Watson stat 1.973770 Prob(F-statistic) 0.000013
BOPO Null Hypothesis: BOPO has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
71
Augmented Dickey-Fuller test statistic -1.344476 0.6043 Test critical values: 1% level
5% level
10% level
-3.527045
-2.903566
-2.589227
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(BOPO)
Method: Least Squares
Date: 01/12/18 Time: 12:36
Sample (adjusted): 2011M03 2016M12
Included observations: 70 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
BOPO(-1)
-0.045110
0.033552
-1.344476
0.1833 D(BOPO(-1)) -0.275106 0.116205 -2.367413 0.0208
C 0.039730 0.028111 1.413338 0.1622
R-squared
0.109100
Mean dependent var
0.001531 Adjusted R-squared 0.082506 S.D. dependent var 0.014872 S.E. of regression 0.014245 Akaike info criterion -5.622924 Sum squared resid 0.013595 Schwarz criterion -5.526560 Log likelihood 199.8023 Hannan-Quinn criter. -5.584647 F-statistic 4.102425 Durbin-Watson stat 2.058509 Prob(F-statistic) 0.020858
NPF
Null Hypothesis: NPF has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -1.791359 0.3819
Test critical values: 1% level -3.525618
5% level -2.902953
10% level -2.588902
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(NPF)
Method: Least Squares
Date: 01/12/18 Time: 12:29
Sample (adjusted): 2011M02 2016M12
Included observations: 71 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
NPF(-1)
-0.082570
0.046093
-1.791359
0.0776
72
C 0.006921 0.003766 1.837991 0.0704
R-squared
0.044440
Mean dependent var
0.000259 Adjusted R-squared 0.030591 S.D. dependent var 0.005056 S.E. of regression 0.004979 Akaike info criterion -7.739601 Sum squared resid 0.001710 Schwarz criterion -7.675864 Log likelihood 276.7558 Hannan-Quinn criter. -7.714255 F-statistic 3.208966 Durbin-Watson stat 2.190152 Prob(F-statistic) 0.077621
PERTUMBUHAN LABA
Null Hypothesis: P_LABA has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -4.667577 0.0003
Test critical values: 1% level -3.525618
5% level -2.902953
10% level -2.588902
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(P_LABA)
Method: Least Squares
Date: 01/12/18 Time: 12:28
Sample (adjusted): 2011M02 2016M12
Included observations: 71 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
P_LABA(-1)
-0.451638
0.096761
-4.667577
0.0000 C 0.047382 0.020192 2.346560 0.0218
R-squared
0.239973
Mean dependent var
-0.004224 Adjusted R-squared 0.228958 S.D. dependent var 0.162137 S.E. of regression 0.142371 Akaike info criterion -1.032997 Sum squared resid 1.398595 Schwarz criterion -0.969259 Log likelihood 38.67138 Hannan-Quinn criter. -1.007650 F-statistic 21.78627 Durbin-Watson stat 2.271318 Prob(F-statistic) 0.000015
CAR
TINGKAT 1st
DIFFERENCE
Null Hypothesis: D(CAR) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=11)
73
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic
-11.64764
0.0000 Test critical values: 1% level -4.094550 5% level
10% level -3.475305
-3.165046
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(CAR,2)
Method: Least Squares
Date: 01/12/18 Time: 12:34
Sample (adjusted): 2011M03 2016M12
Included observations: 70 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(CAR(-1))
-1.344291
0.115413
-11.64764
0.0000 C -0.004509 0.002404 -1.875583 0.0651
@TREND("2011M01") 7.96E-05 5.72E-05 1.389863 0.1692
R-squared
0.669461
Mean dependent var
0.000189 Adjusted R-squared 0.659594 S.D. dependent var 0.016496 S.E. of regression 0.009625 Akaike info criterion -6.407076 Sum squared resid 0.006206 Schwarz criterion -6.310712 Log likelihood 227.2477 Hannan-Quinn criter. -6.368799 F-statistic 67.84957 Durbin-Watson stat 1.924193 Prob(F-statistic) 0.000000
FDR
Null Hypothesis: D(FDR) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 11 (Automatic - based on SIC, maxlag=11)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-1.063666
0.9263 Test critical values: 1% level
5% level
10% level
-4.121303
-3.487845
-3.172314
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(FDR,2)
Method: Least Squares
Date: 01/12/18 Time: 12:31
Sample (adjusted): 2012M02 2016M12
Included observations: 59 after adjustments
74
Variable Coefficient Std. Error t-Statistic Prob.
D(FDR(-1))
-0.605889
0.569624
-1.063666
0.2932 D(FDR(-1),2) -0.428232 0.538592 -0.795095 0.4307 D(FDR(-2),2) -0.529015 0.496583 -1.065310 0.2924 D(FDR(-3),2) -0.545555 0.456579 -1.194877 0.2384 D(FDR(-4),2) -0.591058 0.408854 -1.445646 0.1552 D(FDR(-5),2) -0.636946 0.360927 -1.764749 0.0844 D(FDR(-6),2) -0.779212 0.299051 -2.605613 0.0124 D(FDR(-7),2) -0.664006 0.264221 -2.513069 0.0156 D(FDR(-8),2) -0.763818 0.230930 -3.307574 0.0019 D(FDR(-9),2) -0.757625 0.199769 -3.792507 0.0004
D(FDR(-10),2) -0.880867 0.160796 -5.478162 0.0000 D(FDR(-11),2) -0.700613 0.126007 -5.560119 0.0000
C 0.001371 0.006052 0.226455 0.8219 @TREND("2011M01") -6.95E-05 0.000131 -0.529046 0.5994
R-squared
0.803468
Mean dependent var
0.000244 Adjusted R-squared 0.746692 S.D. dependent var 0.033658 S.E. of regression 0.016940 Akaike info criterion -5.114553 Sum squared resid 0.012914 Schwarz criterion -4.621578 Log likelihood 164.8793 Hannan-Quinn criter. -4.922116 F-statistic 14.15154 Durbin-Watson stat 2.049158 Prob(F-statistic) 0.000000
BOPO
Null Hypothesis: D(BOPO) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-11.10468
0.0000 Test critical values: 1% level
5% level
10% level
-4.094550
-3.475305
-3.165046
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(BOPO,2)
Method: Least Squares
Date: 01/12/18 Time: 12:36
Sample (adjusted): 2011M03 2016M12
Included observations: 70 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(BOPO(-1))
-1.296791
0.116779
-11.10468
0.0000 C 0.004265 0.003567 1.195710 0.2360
@TREND("2011M01") -6.17E-05 8.52E-05 -0.724096 0.4715
75
R-squared
0.647975
Mean dependent var
-9.29E-05 Adjusted R-squared 0.637467 S.D. dependent var 0.023882 S.E. of regression 0.014380 Akaike info criterion -5.604098 Sum squared resid 0.013854 Schwarz criterion -5.507733 Log likelihood 199.1434 Hannan-Quinn criter. -5.565821 F-statistic 61.66363 Durbin-Watson stat 2.071731 Prob(F-statistic) 0.000000
NPF
Null Hypothesis: D(NPF) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=11)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-9.586260
0.0000 Test critical values: 1% level -4.094550
5% level -3.475305 10% level -3.165046
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(NPF,2)
Method: Least Squares
Date: 01/12/18 Time: 12:30
Sample (adjusted): 2011M03 2016M12
Included observations: 70 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(NPF(-1))
-1.227351
0.128032
-9.586260
0.0000 C 0.000490 0.001244 0.394087 0.6948
@TREND("2011M01") -4.24E-06 2.99E-05 -0.142061 0.8875
R-squared
0.579120
Mean dependent var
-0.000250 Adjusted R-squared 0.566557 S.D. dependent var 0.007658 S.E. of regression 0.005042 Akaike info criterion -7.700088 Sum squared resid 0.001703 Schwarz criterion -7.603724 Log likelihood 272.5031 Hannan-Quinn criter. -7.661811 F-statistic 46.09519 Durbin-Watson stat 1.906289 Prob(F-statistic) 0.000000
PERTUMBUHAN LABA
Null Hypothesis: D(P_LABA) has a unit root
Exogenous: Constant, Linear Trend
76
Lag Length: 1 (Automatic - based on SIC, maxlag=11)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-8.969020
0.0000 Test critical values: 1% level
5% level
10% level
-4.096614
-3.476275
-3.165610
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(P_LABA,2)
Method: Least Squares
Date: 01/12/18 Time: 12:30
Sample (adjusted): 2011M04 2016M12
Included observations: 69 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(P_LABA(-1))
-1.753188
0.195471
-8.969020
0.0000 D(P_LABA(-1),2) 0.256146 0.116836 2.192353 0.0319
C -0.022806 0.037045 -0.615628 0.5403 @TREND("2011M01") 0.000568 0.000882 0.644000 0.5218
R-squared
0.728934
Mean dependent var
0.003149 Adjusted R-squared 0.716423 S.D. dependent var 0.271315 S.E. of regression 0.144480 Akaike info criterion -0.975125 Sum squared resid 1.356846 Schwarz criterion -0.845611 Log likelihood 37.64180 Hannan-Quinn criter. -0.923742 F-statistic 58.26461 Durbin-Watson stat 2.033630 Prob(F-statistic) 0.000000
TINGKAT 2st
DIFFERENCE
CAR
Null Hypothesis: D(CAR,2) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 1 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -11.56152 0.0000
Test critical values: 1% level -4.098741
5% level -3.477275
10% level -3.166190
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
77
Dependent Variable: D(CAR,3)
Method: Least Squares
Date: 01/12/18 Time: 12:35
Sample (adjusted): 2011M05 2016M12
Included observations: 68 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(CAR(-1),2)
-2.419038
0.209232
-11.56152
0.0000 D(CAR(-1),3) 0.425234 0.113390 3.750177 0.0004
C 0.000770 0.002905 0.265122 0.7918 @TREND("2011M01") -7.97E-06 6.86E-05 -0.116192 0.9079
R-squared
0.875039
Mean dependent var
3.82E-05 Adjusted R-squared 0.869181 S.D. dependent var 0.030703 S.E. of regression 0.011105 Akaike info criterion -6.105858 Sum squared resid 0.007892 Schwarz criterion -5.975299 Log likelihood 211.5992 Hannan-Quinn criter. -6.054127 F-statistic 149.3866 Durbin-Watson stat 2.049095 Prob(F-statistic) 0.000000
FDR
Null Hypothesis: D(FDR,2) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 10 (Automatic - based on SIC, maxlag=11)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-11.02104
0.0000 Test critical values: 1% level -4.121303
5% level -3.487845 10% level -3.172314
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(FDR,3)
Method: Least Squares
Date: 01/12/18 Time: 12:32
Sample (adjusted): 2012M02 2016M12
Included observations: 59 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(FDR(-1),2)
-11.63369
1.055589
-11.02104
0.0000 D(FDR(-1),3) 9.643635 0.986511 9.775497 0.0000 D(FDR(-2),3) 8.601793 0.901318 9.543570 0.0000 D(FDR(-3),3) 7.593409 0.789511 9.617862 0.0000 D(FDR(-4),3) 6.591884 0.681044 9.679084 0.0000 D(FDR(-5),3) 5.595656 0.580429 9.640549 0.0000 D(FDR(-6),3) 4.517577 0.518980 8.704717 0.0000
78
D(FDR(-7),3) 3.607855 0.430654 8.377620 0.0000 D(FDR(-8),3) 2.644017 0.332175 7.959706 0.0000 D(FDR(-9),3) 1.735147 0.220020 7.886302 0.0000
D(FDR(-10),3) 0.751567 0.116712 6.439501 0.0000 C 0.002606 0.005948 0.438026 0.6634
@TREND("2011M01") -7.04E-05 0.000132 -0.534868 0.5953
R-squared
0.921798
Mean dependent var
-0.000256 Adjusted R-squared 0.901397 S.D. dependent var 0.054025 S.E. of regression 0.016964 Akaike info criterion -5.123620 Sum squared resid 0.013238 Schwarz criterion -4.665858 Log likelihood 164.1468 Hannan-Quinn criter. -4.944928 F-statistic 45.18477 Durbin-Watson stat 2.090689 Prob(F-statistic) 0.000000
BOPO
Null Hypothesis: D(BOPO,2) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 5 (Automatic - based on SIC, maxlag=11)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-6.923480
0.0000 Test critical values: 1% level -4.107947
5% level
10% level -3.481595
-3.168695
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(BOPO,3)
Method: Least Squares
Date: 01/12/18 Time: 12:36
Sample (adjusted): 2011M09 2016M12
Included observations: 64 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(BOPO(-1),2)
-6.102805
0.881465
-6.923480
0.0000 D(BOPO(-1),3) 3.897990 0.803160 4.853316 0.0000 D(BOPO(-2),3) 2.735564 0.661294 4.136682 0.0001 D(BOPO(-3),3) 1.755993 0.484772 3.622304 0.0006 D(BOPO(-4),3) 0.922850 0.297458 3.102457 0.0030 D(BOPO(-5),3) 0.324179 0.127464 2.543303 0.0138
C 0.001854 0.004741 0.391174 0.6972 @TREND("2011M01") -5.41E-05 0.000109 -0.497005 0.6211
R-squared
0.884113
Mean dependent var
-0.000314 Adjusted R-squared 0.869627 S.D. dependent var 0.044422 S.E. of regression 0.016039 Akaike info criterion -5.311061 Sum squared resid 0.014407 Schwarz criterion -5.041201
79
Log likelihood 177.9540 Hannan-Quinn criter. -5.204749 F-statistic 61.03267 Durbin-Watson stat 2.082488 Prob(F-statistic) 0.000000
NPF
Null Hypothesis: D(NPF,2) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 10 (Automatic - based on SIC, maxlag=11)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-4.840127
0.0012 Test critical values: 1% level
5% level -4.121303
-3.487845
10% level -3.172314
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(NPF,3)
Method: Least Squares
Date: 01/12/18 Time: 12:37
Sample (adjusted): 2012M02 2016M12
Included observations: 59 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(NPF(-1),2)
-11.38552
2.352319
-4.840127
0.0000 D(NPF(-1),3) 9.227693 2.301686 4.009101 0.0002 D(NPF(-2),3) 8.030910 2.190957 3.665480 0.0006 D(NPF(-3),3) 6.872642 2.020935 3.400723 0.0014 D(NPF(-4),3) 5.696362 1.791945 3.178872 0.0026 D(NPF(-5),3) 4.520756 1.514308 2.985360 0.0045 D(NPF(-6),3) 3.638814 1.200241 3.031737 0.0040 D(NPF(-7),3) 2.901344 0.889599 3.261408 0.0021 D(NPF(-8),3) 2.150428 0.597079 3.601582 0.0008 D(NPF(-9),3) 1.402019 0.343169 4.085502 0.0002 D(NPF(-10),3) 0.665566 0.140677 4.731169 0.0000
C 0.000829 0.001632 0.508187 0.6138 @TREND("2011M01") -1.80E-05 3.62E-05 -0.498070 0.6208
R-squared
0.917298
Mean dependent var
-0.000131 Adjusted R-squared 0.895723 S.D. dependent var 0.014530 S.E. of regression 0.004692 Akaike info criterion -7.694064 Sum squared resid 0.001013 Schwarz criterion -7.236302 Log likelihood 239.9749 Hannan-Quinn criter. -7.515372 F-statistic 42.51761 Durbin-Watson stat 2.248309 Prob(F-statistic) 0.000000
80
PERTUMBUHAN LABA
Null Hypothesis: D(P_LABA,2) has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 5 (Automatic - based on SIC, maxlag=11)
t-Statistic
Prob.*
Augmented Dickey-Fuller test statistic
-7.405215
0.0000 Test critical values: 1% level -4.107947
5% level -3.481595 10% level -3.168695
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(P_LABA,3)
Method: Least Squares
Date: 01/12/18 Time: 12:38
Sample (adjusted): 2011M09 2016M12
Included observations: 64 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
D(P_LABA(-1),2)
-6.451511
0.871212
-7.405215
0.0000 D(P_LABA(-1),3) 4.126109 0.798119 5.169790 0.0000 D(P_LABA(-2),3) 2.843940 0.658250 4.320454 0.0001 D(P_LABA(-3),3) 1.888776 0.477347 3.956818 0.0002 D(P_LABA(-4),3) 1.072718 0.283989 3.777323 0.0004 D(P_LABA(-5),3) 0.414694 0.116876 3.548148 0.0008
C -0.002773 0.046271 -0.059924 0.9524 @TREND("2011M01") 0.000147 0.001061 0.138363 0.8904
R-squared
0.913314
Mean dependent var
0.002266 Adjusted R-squared 0.902478 S.D. dependent var 0.500210 S.E. of regression 0.156208 Akaike info criterion -0.758784 Sum squared resid 1.366457 Schwarz criterion -0.488924 Log likelihood 32.28110 Hannan-Quinn criter. -0.652473 F-statistic 84.28666 Durbin-Watson stat 2.037402 Prob(F-statistic) 0.000000
LAMPIRAN 3
UJI LAG OPTIMAL
VAR Lag Order Selection Criteria Endogenous variables: P_LABA CAR FDR BOPO NPF
Exogenous variables: C
Date: 01/12/18 Time: 13:19
Sample: 2011M01 2016M12
81
Included observations: 66
Lag
LogL
LR
FPE
AIC
SC
HQ
0
697.0818
NA
5.36e-16
-20.97218
-20.80629
-20.90663 1 893.5242 357.1680 2.98e-18 -26.16740 -25.17210* -25.77411* 2 925.2019 52.79623* 2.47e-18* -26.36976 -24.54504 -25.64872 3 949.0412 36.12008 2.64e-18 -26.33458 -23.68045 -25.28581 4 971.9856 31.28778 3.00e-18 -26.27229 -22.78875 -24.89578 5 993.4968 26.07420 3.73e-18 -26.16657 -21.85361 -24.46231 6 1027.224 35.77080 3.41e-18 -26.43102* -21.28865 -24.39902
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion
LAMPIRAN 4
UJI KOINTEGRASI
Date: 01/12/18 Time: 13:16
Sample (adjusted): 2011M05 2016M12
Included observations: 68 after adjustments
Trend assumption: Linear deterministic trend
Series: DP_LABA DCAR DFDR DBOPO DNPF
Lags interval (in first differences): 1 to 2
Unrestricted Cointegration Rank Test (Trace)
Hypothesized
No. of CE(s)
Eigenvalue
Trace
Statistic
0.05
Critical Value
Prob.**
None *
0.504074
153.6092
69.81889
0.0000 At most 1 * 0.468525 105.9189 47.85613 0.0000 At most 2 * 0.360952 62.93616 29.79707 0.0000 At most 3 * 0.268853 32.48746 15.49471 0.0001 At most 4 * 0.151781 11.19389 3.841466 0.0008
Trace test indicates 5 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized
No. of CE(s)
Eigenvalue
Max-Eigen
Statistic
0.05
Critical Value
Prob.**
None *
0.504074
47.69037
33.87687
0.0006 At most 1 * 0.468525 42.98270 27.58434 0.0003 At most 2 * 0.360952 30.44870 21.13162 0.0018 At most 3 * 0.268853 21.29358 14.26460 0.0033 At most 4 * 0.151781 11.19389 3.841466 0.0008
82
D(DP_LABA) -1.049148 3.074396
(0.17872) (3.87480) D(DCAR) 0.036610 -1.139136
Max-eigenvalue test indicates 5 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I):
DP_LABA
4.051683
DCAR
-251.8997
DFDR
-54.28482
DBOPO
73.50531
DNPF
-130.2742 -10.98013 -30.59506 -19.94791 14.80341 408.6815 14.83529 82.08012 -7.042577 60.17921 232.4380 0.654924 84.70153 28.48684 150.2246 -201.0038
-3.878103 91.10333 -31.29665 -22.81095 -126.9537
Unrestricted Adjustment Coefficients (alpha):
D(DP_LABA)
-0.022789
0.087141
-0.037356
0.000579
0.003162 D(DCAR) 0.004716 -0.001594 -0.002869 -0.001124 -0.001714 D(DFDR) 0.013594 0.003680 0.005566 -0.001964 0.006414
D(DBOPO) -0.001683 -0.006207 -0.002579 -0.003507 0.001406 D(DNPF) 0.000612 -0.002001 -0.001762 0.001332 0.001125
1 Cointegrating Equation(s): Log likelihood 895.0909
Normalized cointegrating coefficients (standard error in parentheses)
DP_LABA DCAR DFDR DBOPO DNPF 1.000000 -62.17163 -13.39809 18.14192 -32.15312
(9.61878) (2.35497) (5.51007) (17.6362)
Adjustment coefficients (standard error in parentheses)
D(DP_LABA) -0.092333
(0.07781) D(DCAR) 0.019107
(0.00466) D(DFDR) 0.055079
(0.01306) D(DBOPO) -0.006820
(0.00690) D(DNPF) 0.002481
(0.00308)
2 Cointegrating Equation(s): Log likelihood 916.5823
Normalized cointegrating coefficients (standard error in parentheses)
DP_LABA DCAR DFDR DBOPO DNPF 1.000000 0.000000 1.164082 -0.512163 -37.00276
(0.70100) (2.09551) (6.71288) 0.000000 1.000000 0.234225 -0.300042 -0.078004
(0.03042) (0.09092) (0.29126)
Adjustment coefficients (standard error in parentheses)
83
D(DP_LABA) -1.602949 0.057326 -0.221607 -2.546096
(0.27285) (4.03810) (0.93588) (2.57385) D(DCAR) -0.006694 -1.469828 -0.235998 -0.018434
(0.01992) (0.29476) (0.06831) (0.18788) D(DFDR) 0.095964 -3.246412 -0.906516 1.093605
(0.05836) (0.86374) (0.20018) (0.55054) D(DBOPO) 0.020783 0.105237 0.133453 -0.897637
(0.02586) (0.38268) (0.08869) (0.24392) D(DNPF) -0.000812 -0.124829 0.057025 0.109467
(0.01227) (0.18152) (0.04207) (0.11570)
(0.01324) (0.28699)
D(DFDR) 0.014672 -3.536922
(0.03729) (0.80843) D(DBOPO) 0.061334 0.613936
(0.01739) (0.37711) D(DNPF) 0.024453 -0.093042
(0.00834) (0.18084)
3 Cointegrating Equation(s): Log likelihood 931.8066
Normalized cointegrating coefficients (standard error in parentheses)
DP_LABA DCAR DFDR DBOPO DNPF 1.000000 0.000000 0.000000 1.958515 -15.93924
(1.45853) (4.59188) 0.000000 1.000000 0.000000 0.197084 4.160194
(0.22695) (0.71449) 0.000000 0.000000 1.000000 -2.122426 -18.09453
(1.03211) (3.24938)
Adjustment coefficients (standard error in parentheses)
D(DP_LABA) -1.603328 0.008248 -0.238113 (0.27269) (3.84872) (0.84077)
D(DCAR) -0.005958
(0.02011) -1.374655
(0.28377) -0.203990
(0.06199) D(DFDR) 0.097251 -3.080034 -0.850559
(0.05854) (0.82619) (0.18049) D(DBOPO) 0.023080 0.402287 0.233357
(0.02732) (0.38555) (0.08422) D(DNPF) -0.001684 -0.237651 0.019080
(0.01271) (0.17940) (0.03919)
4 Cointegrating Equation(s): Log likelihood 942.4534
Normalized cointegrating coefficients (standard error in parentheses)
DP_LABA DCAR DFDR DBOPO DNPF 1.000000 0.000000 0.000000 0.000000 -15.65992
(4.83617) 0.000000 1.000000 0.000000 0.000000 4.188301
(0.69380) 0.000000 0.000000 1.000000 0.000000 -18.39722
(3.10132) 0.000000 0.000000 0.000000 1.000000 -0.142617
(0.63833)
Adjustment coefficients (standard error in parentheses)
84
LAMPIRAN 5
UJI ESTIMASI VECM
Vector Error Correction Estimates
Date: 01/12/18 Time: 13:15
Sample (adjusted): 2011M05 2016M12
Included observations: 68 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq:
CointEq1
DP_LABA(-1)
1.000000
DCAR(-1)
-62.17163 (9.61878)
[-6.46356]
DFDR(-1)
-13.39809 (2.35497)
[-5.68928]
DBOPO(-1)
18.14192 (5.51007)
[ 3.29250]
DNPF(-1)
-32.15312
(17.6362)
[-1.82313]
C
-0.111159
Error Correction:
D(DP_LABA)
D(DCAR)
D(DFDR)
D(DBOPO)
D(DNPF)
CointEq1
-0.092333
0.019107
0.055079
-0.006820
0.002481 (0.07781)
[-1.18670] (0.00466)
[ 4.09752] (0.01306)
[ 4.21696] (0.00690)
[-0.98907] (0.00308)
[ 0.80453]
D(DP_LABA(-1))
-0.676268
-0.022437
0.001803
-0.019234
-0.005014 (0.13033)
[-5.18892] (0.00781)
[-2.87252] (0.02188)
[ 0.08241] (0.01155)
[-1.66521] (0.00517)
[-0.97050]
D(DP_LABA(-2))
-0.381172
-0.004285
-0.023211
-0.001337
0.000877
(0.12595)
[-3.02643] (0.00755)
[-0.56766] (0.02114)
[-1.09785] (0.01116)
[-0.11975] (0.00499)
[ 0.17571]
D(DCAR(-1))
-1.838344
-0.136689
2.003277
-0.805050
0.105544
(3.79327)
[-0.48463] (0.22734)
[-0.60126] (0.63677)
[ 3.14600] (0.33618)
[-2.39466] (0.15036)
[ 0.70195]
D(DCAR(-2))
-3.743131
0.040731
0.986603
0.052497
0.127094
(2.68349) (0.16083) (0.45047) (0.23783) (0.10637)
85
[-1.39487] [ 0.25326] [ 2.19015] [ 0.22073] [ 1.19484]
D(DFDR(-1)) 0.400651 0.108287 0.187172 -0.186657 -0.002481
(0.96075) (0.05758) (0.16128) (0.08515) (0.03808)
[ 0.41702] [ 1.88065] [ 1.16054] [-2.19213] [-0.06515]
D(DFDR(-2)) -0.695030 0.020585 -0.056750 -0.016339 0.040073
(0.80209) (0.04807) (0.13465) (0.07109) (0.03179)
[-0.86653] [ 0.42823] [-0.42148] [-0.22984] [ 1.26042]
D(DBOPO(-1)) 1.967264 -0.271269 -0.206093 -0.481250 0.024413
(1.86053) (0.11150) (0.31232) (0.16489) (0.07375)
[ 1.05737] [-2.43282] [-0.65987] [-2.91857] [ 0.33103]
D(DBOPO(-2)) 1.444914 -0.155580 -0.506172 -0.216010 0.030297
(1.59549) (0.09562) (0.26783) (0.14140) (0.06324)
[ 0.90562] [-1.62707] [-1.88988] [-1.52762] [ 0.47907]
D(DNPF(-1)) 2.696037 0.174008 1.911373 -1.258098 -0.770449
(4.29001) (0.25711) (0.72016) (0.38021) (0.17005)
[ 0.62844] [ 0.67679] [ 2.65410] [-3.30895] [-4.53076]
D(DNPF(-2)) 8.705462 -0.074560 1.373732 -0.688228 -0.335572
(4.26202) (0.25543) (0.71546) (0.37773) (0.16894)
[ 2.04257] [-0.29190] [ 1.92007] [-1.82201] [-1.98634]
C 0.003955 0.000394 -0.000707 -0.000141 -0.000257
(0.01922) (0.00115) (0.00323) (0.00170) (0.00076)
[ 0.20571] [ 0.34228] [-0.21909] [-0.08297] [-0.33675]
R-squared 0.715686 0.729471 0.466341 0.719043 0.453982
Adj. R-squared 0.659839 0.676331 0.361515 0.663855 0.346728
Sum sq. resids 1.404289 0.005044 0.039573 0.011030 0.002206
S.E. equation 0.158356 0.009490 0.026583 0.014035 0.006277
F-statistic 12.81503 13.72741 4.448711 13.02896 4.232793
Log likelihood 35.43139 226.8212 156.7824 200.2172 254.9327
Akaike AIC -0.689158 -6.318270 -4.258306 -5.535801 -7.145078
Schwarz SC -0.297481 -5.926592 -3.866628 -5.144123 -6.753400
Mean dependent -0.000612 0.000244 -0.000418 -0.000140 -0.000201
S.D. dependent 0.271514 0.016682 0.033268 0.024207 0.007766
Determinant resid covariance (dof adj.) 6.70E-18
Determinant resid covariance 2.54E-18
Log likelihood 895.0909
Akaike information criterion -24.41444
Schwarz criterion -22.29285
86
Period DP_LABA DCAR DFDR DBOPO DNPF
1
0.158356
0.000000
0.000000
0.000000
0.000000 2 0.021956 0.028503 0.043221 0.016426 0.032041 3 0.051184 -0.031943 -0.018873 0.034340 0.036069 4 0.088167 0.046481 0.016319 -0.022044 -0.016419 5 0.051084 -0.011413 0.031284 0.032565 0.040891 6 0.065116 0.000373 -0.011496 0.009116 0.014545 7 0.064602 0.023373 0.019044 0.004851 0.011811 8 0.063503 -0.008035 0.013979 0.019076 0.021745 9 0.063424 0.015153 0.007790 0.007117 0.017772 10 0.062213 0.004482 0.012347 0.013779 0.018142
Response of DCAR:
Period DP_LABA DCAR DFDR DBOPO DNPF
1
-0.001100
0.009427
0.000000
0.000000
0.000000 2 2.55E-05 -0.001924 -0.003914 -9.75E-05 -0.002491 3 0.001562 0.004978 -0.002697 -0.000993 -0.001637 4 -0.001309 0.002229 -0.001251 0.001016 -0.000672 5 6.01E-05 0.003305 -0.002277 -0.000737 -0.001517 6 0.000297 0.003806 -0.001528 -0.000460 -0.001288 7 -0.000124 0.002105 -0.002340 0.000264 -0.001160 8 3.16E-05 0.003362 -0.002351 -0.000368 -0.001464 9 -9.15E-05 0.003120 -0.001726 -0.000134 -0.001266 10 7.92E-06 0.003000 -0.001993 -0.000187 -0.001242
Response of DFDR:
Period DP_LABA DCAR DFDR DBOPO DNPF
1
-0.000514
-0.007524
0.025491
0.000000
0.000000 2 0.005112 -0.013959 0.011216 0.009857 0.000794 3 -0.000480 -0.012609 0.004406 0.002721 -0.001864 4 0.001870 -0.011338 0.009984 0.005903 -0.001028 5 0.001611 -0.009577 0.013619 0.004176 -0.001713 6 0.000156 -0.010575 0.011608 0.004992 0.001302 7 0.002126 -0.011700 0.008929 0.004594 -0.001443 8 0.001666 -0.010906 0.010805 0.004727 -0.001466 9 0.000901 -0.011467 0.010922 0.005292 -0.000159 10 0.001273 -0.010223 0.010803 0.004375 -0.000783
DBOPO: Period DP_LABA DCAR DFDR DBOPO DNPF
LAMPIRAN 6
UJI IMPULSE RESPONSE FUNCTION
Response of
DP_LABA:
Response of
87
1 -0.006350 0.003456 -0.000346 0.012024 0.000000 2 -0.004754 -0.002065 -0.002854 0.002382 -0.005876 3 -0.002591 0.008394 0.003505 0.002877 6.08E-05 4 -0.005008 -0.000594 0.000505 0.006664 -0.001000 5 -0.003501 0.002724 -0.001800 0.003617 -0.002821 6 -0.003747 0.002516 0.000522 0.004887 -0.001851 7 -0.004260 0.002029 0.000414 0.004854 -0.001674 8 -0.004053 0.003019 0.000185 0.004387 -0.001684 9 -0.003821 0.002078 3.17E-05 0.004689 -0.001960 10 -0.003894 0.002314 -1.72E-05 0.004658 -0.001890
Response of DNPF:
Period DP_LABA DCAR DFDR DBOPO DNPF
1
-0.001359
0.000535
0.000278
0.002280
0.005656 2 -0.000974 0.000130 -0.000893 0.001176 0.000847 3 -0.000457 0.000532 0.000552 0.001015 0.002191 4 -0.000783 -0.000294 -0.000327 0.001656 0.002788 5 -0.001000 0.000642 -0.000275 0.001187 0.002229 6 -0.000681 2.83E-05 -4.61E-06 0.001376 0.002206 7 -0.000729 0.000312 -7.16E-05 0.001265 0.002376 8 -0.000907 0.000212 -0.000162 0.001407 0.002438 9 -0.000729 0.000193 -0.000184 0.001288 0.002219 10 -0.000777 0.000287 -4.29E-05 0.001317 0.002346
Cholesky Ordering: DP_LABA
DCAR DFDR
DBOPO DNPF
.0016
Response of DCAR to Cholesky
One S.D. DP_LABA Innovation
.006
Response of DFDR to Cholesky
One S.D. DP_LABA Innovation
.0012
.005
.0008
.004
.0004
.0000
-.0004
-.0008
-.0012
.003
.002
.001
.000
-.0016
1 2 3 4 5 6 7 8 9 10
-.001
1 2 3 4 5 6 7 8 9 10
88
Decomposition of DP_LABA:
Period S.E. DP_LABA DCAR DFDR DBOPO DNPF
1
0.158356
100.0000
0.000000
0.000000
0.000000
0.000000 2 0.171859 86.53501 2.750609 6.324866 0.913535 3.475980 3 0.189769 78.24694 5.089312 6.176509 4.023797 6.463445 4 0.216721 76.54560 8.502042 5.302762 4.119836 5.529761 5 0.231125 72.18679 7.719135 6.494456 5.607563 7.992058 6 0.241010 73.68645 7.099160 6.200168 5.300082 7.714138 7 0.251657 74.17322 7.373768 6.259283 4.898252 7.295472 8 0.261650 74.50627 6.915594 6.075764 5.062797 7.439577 9 0.270444 75.23931 6.787100 5.770024 4.808131 7.395434 10 0.278751 75.80307 6.414479 5.627445 4.770169 7.384835
Variance Decomposition
of DCAR:
Period S.E. DP_LABA DCAR DFDR DBOPO DNPF
1
0.009490
1.342309
98.65769
0.000000
0.000000
0.000000 2 0.010738 1.049132 80.27750 13.28499 0.008251 5.380120 3 0.012388 2.377377 76.46348 14.72101 0.648720 5.789420 4 0.012775 3.286060 74.94793 14.80225 1.242990 5.720764 5 0.013496 2.946087 73.14593 16.10792 1.411521 6.388541 6 0.014175 2.714625 73.51862 15.76469 1.384693 6.617379 7 0.014569 2.576858 71.67978 17.50205 1.343667 6.897649 8 0.015211 2.364521 70.64540 18.44499 1.291106 7.253984 9 0.015675 2.229912 70.48317 18.58093 1.223081 7.482909 10 0.016132 2.105270 70.00111 19.06790 1.168072 7.657657
Variance Decomposition
of DFDR:
Period S.E. DP_LABA DCAR DFDR DBOPO DNPF
1
0.026583
0.037364
8.010169
91.95247
0.000000
0.000000
Response of DBOPO to Cholesky
One S.D. DP_LABA Innovation
Response of DNPF to Cholesky
One S.D. DP_LABA Innovation
-.0025 -.0004
-.0030
-.0035
-.0006
-.0040
-.0008
-.0045
-.0050
-.0010
-.0055
-.0060
-.0012
-.0065
1 2 3 4 5 6 7 8 9 10
-.0014
1 2 3 4 5 6 7 8 9 10
LAMPIRAN 7
UJI VARIANCE DECOMPOTION
Variance
89
2 0.033930 2.292880 21.84256 67.37007 8.439691 0.054797 3 0.036616 1.985975 30.61362 59.29518 7.799138 0.306088 4 0.040104 1.872998 33.51210 55.62590 8.668087 0.320908 5 0.043687 1.714398 33.04675 56.59584 8.218750 0.424264 6 0.046709 1.500828 34.03443 55.68406 8.331891 0.448793 7 0.049255 1.535995 36.24923 53.36251 8.362810 0.489463 8 0.051856 1.489049 37.12759 52.48590 8.375962 0.521498 9 0.054485 1.376156 38.06014 51.56018 8.530292 0.473223 10 0.056668 1.322665 38.43951 51.29930 8.481949 0.456573
Variance Decomposition
of DBOPO:
Period S.E. DP_LABA DCAR DFDR DBOPO DNPF
1
0.014035
20.47134
6.065267
0.060835
73.40255
0.000000 2 0.016498 23.11896 5.956426 3.037263 55.20328 12.68407 3 0.019233 18.82510 23.42903 5.555713 42.85630 9.333855 4 0.021001 21.47775 19.73162 4.717785 46.01717 8.055676 5 0.022022 22.05833 19.47294 4.958600 44.54403 8.966102 6 0.023085 22.70841 18.90906 4.563546 45.01674 8.802250 7 0.024119 23.92286 18.03067 4.210191 45.29076 8.545517 8 0.025087 24.72126 18.11372 3.896856 44.91930 8.348872 9 0.025964 25.24659 17.55177 3.638354 45.19889 8.364405 10 0.026831 25.74719 17.17924 3.406957 45.33810 8.328511
Variance Decomposition
of DNPF:
Period S.E. DP_LABA DCAR DFDR DBOPO DNPF
1
0.006277
4.689546
0.726549
0.196260
13.18816
81.19949 2 0.006577 6.461490 0.700507 2.022205 15.20832 75.60748 3 0.007063 6.021307 1.175339 2.365043 15.25227 75.18604 4 0.007824 5.909168 1.098918 2.102759 16.91204 73.97711 5 0.008311 6.685087 1.570139 1.972988 17.02472 72.74706 6 0.008735 6.659778 1.422559 1.786253 17.89492 72.23649 7 0.009175 6.667467 1.404814 1.625154 18.12018 72.18239 8 0.009643 6.918952 1.319783 1.499447 18.53019 71.73163 9 0.010009 6.952863 1.262386 1.425577 18.85831 71.50086 10 0.010397 7.001400 1.246171 1.322763 19.07908 71.35059
Cholesky Ordering: DP_LABA
DCAR DFDR DBOPO DNPF
90
Variance Decomposition of DP_LABA
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10
DP_LABA DCAR DFDR DBOPO DNPF