Pengaruh Dana Pihak Ketiga, Loan to Deposit Ratio, Capital Adequacy Ratio, Non Performing Loan, Return On Asset, Suku Bunga SBI Terhadap Jumlah Penyaluran Kredit: Studi Empiris Pada Bank BUMN dan Bank Swasta Yang Terdaftar di Bursa Efek Indonesia Periode
77 LAMPIRAN 1
DAFTAR POPULASI PERUSAHAAN
NO KODE BANK
NAMA BANK Kriteria
Sample
Sampel
1 2 3
1 AGRO BANK RAKYAT INDONESIA AGRONIAGA TBK Sampel 1
2 BABP BANK ICB BUMIPUTERA TBK Sampel 2
3 BACA BANK CAPITAL INDONESIA TBK Sampel 3
4 BAEK BANK EKONOMI RAHARJA TBK Sampel 4
5 BBCA BANK CENTRAL ASIA TBK Sampel 5
6 BBKP BANK BUKOPIN TBK Sampel 6
7 BBMD BANK MESTIKA DHARMA TBK X X
-8 BBNI BANK NEGARA INDONESIA TBK Sampel 7
9 BBNP BANK NUSANTARA PARAHYANGAN TBK Sampel 8
10 BBRI BANK RAKYAT INDONESIA (PERSERO) TBK Sampel 9 11 BBTN BANK TABUNGAN NEGARA (PERSERO) TBK Sampel 10
12 BCIC BANK MUTIARA TBK Sampel 11
13 BDMN BANK DANAMON INDONESIA TBK Sampel 12
14 BEKS BANK PUNDI INDONESIA TBK Sampel 13
15 BINA PT BANK INA PERDANA TBK Sampel 14
16 BKSW BANK QNB KESAWAN TBK Sampel 15
17 BMRI BANK MANDIRI (PERSERO) TBK Sampel 16
18 BNBA BANK BUMI ARTA TBK Sampel 17
19 BNGA BANK CIMB NIAGA TBK Sampel 18
20 BNII BANK INTERNASIONAL INDONESIA TB Sampel 19
21 BNLI BANK PERMATA TBK Sampel 20
22 BSIM BANK SINARMAS TBK X
(2)
78
24 BTPN BANK TABUNGAN PENSIUNAN NASIONAL TBK Sampel 22
25 BVIC BANK VICTORIA INTERNASIONAL TBK Sampel 23
26 INPC BANK ARTHA GRAHA INTERNASIONAL TBK Sampel 24
27 MAYA BANK MAYAPADA INTERNASIONAL TBK Sampel 25
28 MCOR BANK WINDU KENTJANA INTERNASIONAL TBK Sampel 26
29 NAGA PT BANK MITRANIAGA TBK X
-30 NISP BANK OCBC NISP TBK Sampel 27
32 NOBU PT BANK NATIONALNOBU TBK X
-33 SDRA BANK HIMPUNAN SAUDARA 1906 TBK Sampel 28
34 MEGA BANK MEGA TBK Sampel 29
LAMPIRAN 2
DAFTAR SAMPEL PERUSAHAAN
NO KODE BANK
NAMA BANK
1 AGRO BANK RAKYAT INDONESIA AGRONIAGA TBK 2 BABP BANK ICB BUMIPUTERA TBK
3 BACA BANK CAPITAL INDONESIA TBK 4 BAEK BANK EKONOMI RAHARJA TBK 5 BBCA BANK CENTRAL ASIA TBK 6 BBKP BANK BUKOPIN TBK
7 BBNI BANK NEGARA INDONESIA TBK
8 BBNP BANK NUSANTARA PARAHYANGAN TBK 9 BBRI BANK RAKYAT INDONESIA (PERSERO) TBK 10 BBTN BANK TABUNGAN NEGARA (PERSERO) TBK 11 BCIC BANK MUTIARA TBK
12 BDMN BANK DANAMON INDONESIA TBK 13 BEKS BANK PUNDI INDONESIA TBK
(3)
79
14 BINA PT BANK INA PERDANA TBK 15 BKSW BANK QNB KESAWAN TBK 16 BMRI BANK MANDIRI (PERSERO) TBK 17 BNBA BANK BUMI ARTA TBK
18 BNGA BANK CIMB NIAGA TBK
19 BNII BANK INTERNASIONAL INDONESIA TB 20 BNLI BANK PERMATA TBK
21 BSWD BANK OF INDIA INDONESIA
22 BTPN BANK TABUNGAN PENSIUNAN NASIONAL TBK 23 BVIC BANK VICTORIA INTERNASIONAL TBK
24 INPC BANK ARTHA GRAHA INTERNASIONAL TBK 25 MAYA BANK MAYAPADA INTERNASIONAL TBK
26 MCOR BANK WINDU KENTJANA INTERNASIONAL TBK 27 NISP BANK OCBC NISP TBK
28 SDRA BANK HIMPUNAN SAUDARA 1906 TBK 29 MEGA BANK MEGA TBK
Sumber: hasil olahan peneliti LAMPIRAN 3
DATA VARIABEL PENELITIAN
Data Jumlah Penyaluran Kredit pada Bank BUMN dan Bank Swasta Yang Terdaftar Di Bursa Efek Indonesia Tahun 2009-2013 (Sebelum Logaritma)
NO KODE
Volume Kredit Tahun
2009 2010 2011 2012 2013
1 AGRO 1.993.629.864.000 2.050.444.172.000 1.823.057.271.000 2.531.073.097.000 3.698.592.953.000 2 BABP 5.196.420.000.000 6.028.296.000.000 4.944.114.000.000 5.043.065.000.000 5.378.179.000.000 3 BACA 1.217.152.000.000 1.830.462.000.000 1.758.729.000.000 2.831.618.000.000 3.743.319.000.000 4 BAEK 8.670.000.000.000 11.447.000.000.000 14.026.000.000.000 17.218.000.000.000 19.625.000.000.000 5 BBCA 123.901.000.000.000 153.923.000.000.000 202.255.000.000.000 256.778.000.000.000 312.290.000.000.000 6 BBKP 24.604.000.000.000 30.173.000.000.000 40.748.000.000.000 45.531.000.000.000 48.461.000.000.000 7 BBNI 12.084.300.000.000 136.357.000.000.000 163.533.000.000.000 200.742.000.000.000 250.638.000.000.000 8 BBNP 2.562.722.000.000 3.657.670.000.000 4.810.027.000.000 5.884.623.000.000 7.066.300.000.000
(4)
80
9 BBRI 208.123.000.000.000 252.489.000.000.000 294.515.000.000.000 362.007.000.000.000 448.345.000.000.000 10 BBTN 38.737.000.000.000 48.703.000.000.000 59.338.000.000.000 75.411.000.000.000 92.386.000.000.000 11 BCIC 4.864.097.000.000 6.302.264.000.000 9.397.094.000.000 11.148.050.000.000 11.131.807.000.000 12 BDMN 63.278.000.000.000 82.658.000.000.000 101.859.000.000.000 116.583.000.000.000 135.383.000.000.000 13 BEKS 1.036.060.000.000 612.751.000.000 3.554.336.000.000 5.654.001.000.000 6.788.775.000.000 14 BINA 587.863.000.000 598.397.000.000 1.127.012.000.000 1.083.551.000.000 1.052.068.000.000 15 BKSW 1.417.669.000.000 1.682.306.000.000 1.983.974.000.000 3.168.908.000.000 8.197.682.000.000 16 BMRI 198.546.617.000.000 246.200.576.000.000 314.380.848.000.000 388.830.299.000.000 472.435.041.000.000 17 BNBA 974.639.000.000 1.170.144.000.000 1.634.316.000.000 2.240.561.000.000 2.827.422.000.000 18 BNGA 83.390.446.000.000 104.893.277.000.000 125.701.743.000.000 145.399.129.000.000 156.984.105.000.000 19 BNII 39.643.435.000.000 53.735.835.000.000 67.185.892.000.000 80.948.717.000.000 102.029.615.000.000 20 BNLI 49.454.836.000.000 65.011.039.000.000 68.204.434.000.000 93.705.893.000.000 118.368.843.000.000 21 BSWD 981.358.000.000 1.071.643.000.000 1.436.293.000.000 1.838.288.000.000 2.569.319.000.000 22 BTPN 15.722.830.000.000 23.328.089.000.000 30.310.157.000.000 38.844.096.000.000 46.105.437.000.000 23 BVIC 2.713.514.000.000 3.187.219.000.000 5.558.636.000,00 7.580.958.000,00 11.076.019.000,00
24 INPC 10.986.322.000.000 11.180.951.000.000 13.399.447.000.000 15.212.135.000.000 15.431.270.000.000 25 MAYA 5.060.200.000,00 6.111.000.000,00 8.758.300.000,00 12.216.200.000,00 17.683.600.000,00 26 MCOR 1.593.590.000,00 2.962.103.000,00 4.626.933.000,00 4.525.245.000,00 5.483.875.000,00 27 NISP 23.981.196.000,00 31.540.561.000,00 41.275.778.000,00 52.896.715.000,00 63.967.113.000,00 28 SDRA 1.925.240.000,00 2.555.780.000,00 3.341.780.000,00 5.260.840.000,00 6.199.380.000,00 29 MEGA 18.039.000.000,00 23.891.000.000,00 31.796.000.000,00 26.986.000.000,00 30.125.000.000,00
Data Jumlah Penyaluran Kredit pada Bank BUMN dan Bank Swasta Yang Terdaftar Di Bursa Efek Indonesia Tahun 2009-2013 (Sesudah Logaritma)
No. KODE TAHUN
2009 2010 2011 2012 2013
1 AGRO 28,32 28,35 28,23 28,56 28,94 2 BABP 29,28 29,43 29,23 29,25 29,31 3 BACA 27,83 28,24 28,20 28,67 28,95 4 BAEK 29,79 30,07 30,27 30,48 30,61 5 BBCA 32,45 32,67 32,94 33,18 33,37
(5)
81
6 BBKP 30,83 31,04 31,34 31,45 31,51 7 BBNI 30,12 32,55 32,73 32,93 33,16 8 BBNP 28,57 28,93 29,20 29,40 29,59 9 BBRI 32,97 33,16 33,32 33,52 33,74 10 BBTN 31,29 31,52 31,71 31,95 32,16 11 BCIC 29,21 29,47 29,87 30,04 30,04 12 BDMN 31,78 32,05 32,25 32,39 32,54 13 BEKS 27,67 27,14 28,90 29,36 29,55 14 BINA 27,10 27,12 27,75 27,71 27,68 15 BKSW 27,98 28,15 28,32 28,78 29,73 16 BMRI 32,92 33,14 33,38 33,59 33,79 17 BNBA 27,61 27,79 28,12 28,44 28,67 18 BNGA 32,05 32,28 32,46 32,61 32,69 19 BNII 31,31 31,62 31,84 32,02 32,26 20 BNLI 31,53 31,81 31,85 32,17 32,40 21 BSWD 27,61 27,70 27,99 28,24 28,57 22 BTPN 30,39 30,78 31,04 31,29 31,46 23 BVIC 28,63 28,79 22,44 22,75 23,13 24 INPC 30,03 30,05 30,23 30,35 31,46 25 MAYA 22,34 22,53 22,89 23,23 23,13 26 MCOR 21,19 21,81 22,26 22,23 30,37 27 NISP 23,90 24,17 24,44 24,69 23,60 28 SDRA 21,38 21,66 21,93 22,38 22,43 29 MEGA 23,62 23,90 24,18 24,02 24,88
(6)
82
Data Dana Pihak Ketiga (DPK) pada Bank BUMN dan Bank Swasta Yang Terdaftar Di Bursa Efek Indonesia Tahun 2009-2013 (Sebelum Logaritma)
NO KODE
Dana Pihak Ketiga Tahun
2009 2010 2011 2012 2013
1 AGRO 2.454.297.263.000 2.386.868.473.000 2.766.325.916.000 3.054.289.337.000 4.120.253.833.000 2 BABP 5.942.777.000.000 7.213.672.000.000 6.011.364.000.000 6.433.765.000.000 6.834.891.000.000 3 BACA 2.451.525.000.000 3.617.301.000.000 3.957.641.000.000 4.778.019.000.000 5.893.147.000.000 4 BAEK 19.012.000.000.000 18.396.000.000.000 20.072.000.000.000 20.961.000.000.000 23.347.000.000.000 5 BBCA 245.140.000.000.000 277.531.000.000.000 323.428.000.000.000 370.274.000.000.000 409.486.000.000.000 6 BBKP 31.916.000.000.000 41.377.000.000.000 47.929.000.000.000 53.958.000.000.000 55.822.000.000.000 7 BBNI 188.469.000.000.000 194.375.000.000.000 231.296.000.000.000 257.661.000.000.000 291.890.000.000.000 8 BBNP 3.473.107.000.000 4.544.400.000.000 5.653.943.000.000 6.925.186.000.000 8.358.395.000.000 9 BBRI 255.928.000.000.000 333.652.000.000.000 384.264.000.000.000 450.166.000.000.000 504.281.000.000.000 10 BBTN 40.215.000.000.000 47.546.000.000.000 61.970.000.000.000 80.668.000.000.000 96.208.000.000.000 11 BCIC 5.949.549.000.000 8.900.800.000.000 11.199.974.000.000 13.461.508.000.000 11.558.081.000.000 12 BDMN 72.014.000.000.000 88.190.000.000.000 97.688.000.000.000 101.697.000.000.000 126.556.000.000.000 13 BEKS 1.308.017.000.000 1.159.818.000.000 5.322.511.000.000 6.756.642.000.000 7.673.461.000.000 14 BINA 722.799.000.000 811.444.000.000 1.281.927.000.000 1.327.812.000.000 1.183.101.000.000 15 BKSW 2.139.959.000.000 2.372.318.000.000 2.644.465.000.000 3.633.084.000.000 7.244.934.000.000 16 BMRI 319.550.381.000.000 362.212.154.000.000 422.250.404.000.000 552.638.110.000.000 556.341.661.000.000 17 BNBA 1.927.093.000.000 2.150.541.000.000 2.420.016.000.000 2.874.841.000.000 3.367.520.000.000 18 BNGA 86.248.005.000.000 117.833.233.000.000 131.814.304.000.000 151.015.119.000.000 163.737.362.000.000 19 BNII 47.341.248.000.000 59.901.960.000.000 70.322.917.000.000 85.946.647.000.000 107.239.558.000.000 20 BNLI 45.720.638.000.000 59.385.311.000.000 82.738.287.000.000 104.914.477.000.000 133.074.926.000.000 21 BSWD 1.210.111.000.000 1.226.476.000.000 1.675.845.000.000 1.972.256.000.000 2.740.214.000.000 22 BTPN 18.514.788.000.000 25.526.479.000.000 35.618.000.000.000 45.072.603.000.000 52.195.859.000.000 23 BVIC 5.658.976.000,00 8.896.067.000,00 9.249.008.000,00 11.515.732.000,00 15.132.257.000,00 24 INPC 13.071.296.000.000 14.681.980.000.000 16.296.638.000.000 17.399.114.000.000 17.363.406.000.000 25 MAYA 60.406.000.000,00 77.964.000.000,00 106.673.000.000,00 151.606.000.000,00 206.570.000.000,00 26 MCOR 2.421.260.000,00 3.625.685.000,00 5.813.692.000,00 5.598.481.000,00 6.571.488.000,00 27 NISP 32.732.997.000,00 39.425.954.000,00 47.419.539.000,00 69.769.680.000,00 68.936.691.000,00 28 SDRA 2.027.790.000,00 2.550.810.000,00 4.087.990.000,00 6.226.710.000,00 6.802.260.000,00 29 MEGA 32.840.000.000,00 42.084.000.000,00 49.139.000.000,00 50.265.000.000,00 52.379.000.000,00
(7)
83
Data Dana Pihak Ketiga (DPK) pada Bank BUMN dan Bank Swasta Yang Terdaftar Di Bursa Efek Indonesia Tahun 2009-2013 (Sesudah Logaritma)
No. KODE TAHUN
2009 2010 2011 2012 2013
1 AGRO
28,53 28,50 28,65 28,75 29,05
2 BABP
29,41 29,61 29,42 29,49 29,55
3 BACA
28,53 28,92 29,01 29,20 29,40
4 BAEK
30,58 30,54 30,63 30,67 30,78
5 BBCA
33,13 33,26 33,41 33,55 33,65
6 BBKP
31,09 31,35 31,50 31,62 31,65
7 BBNI
32,87 32,90 33,07 33,18 33,31
8 BBNP
28,88 29,14 29,36 29,57 29,75
9 BBRI
33,18 33,44 33,58 33,74 33,85
10 BBTN
31,33 31,49 31,76 32,02 32,20
11 BCIC
29,41 29,82 30,05 30,23 30,08
12 BDMN
31,91 32,11 32,21 32,25 32,47
13 BEKS
27,90 27,78 29,30 29,54 29,67
14 BINA
27,31 27,42 27,88 27,91 27,80
15 BKSW
28,39 28,49 28,60 28,92 29,61
16 BMRI
33,40 33,52 33,68 33,95 33,95
17 BNBA
28,29 28,40 28,51 28,69 28,85
18 BNGA
32,09 32,40 32,51 32,65 32,73
19 BNII
31,49 31,72 31,88 32,08 32,31
20 BNLI
31,45 31,72 32,05 32,28 32,52
21 BSWD
(8)
84 22 BTPN
30,55 30,87 31,20 31,44 31,59
23 BVIC
22,46 22,91 22,95 30,49 23,44
24 INPC
30,20 30,32 30,42 30,49 30,49
25 MAYA
24,82 25,08 25,39 25,74 26,05
26 MCOR
21,61 22,01 22,48 22,45 22,61
27 NISP
24,21 24,40 24,58 24,97 24,96
28 SDRA
21,43 21,66 22,13 22,55 22,64
29 MEGA
24,21 24,46 24,62 24,64 24,68
Data Loan to Deposi Ratio (LDR) pada Bank BUMN dan Bank Swasta Yang Terdaftar Di Bursa Efek Indonesia Tahun 2009-2013
NO KODE
LOAN TO DEPOSIT RATIO
TAHUN
2009 2010 2011 2012 2013
1 AGRO 80,99 85,68 65,79 82,48 87,11
2 BABP 89,64 84,96 84,93 79,48 80,14
3 BACA 49,65 50,6 44,24 59,06 63,35
4 BAEK 45,54 62,44 70,06 81,82 83,07
5 BBCA 49,65 50,6 44,24 59,06 63,35
6 BBKP 75,99 71,85 85,01 83,81 85,8
7 BBNI 64,1 70,2 70,4 77,5 85,3
8 BBNP 84,44 84,94 85,02 84,94 84,44
9 BBRI 80,88 75,17 76,2 79,85 85,54
10 BBTN 101,29 108,42 102,56 100,9 104,42
11 BCIC 81,66 70,86 83,9 82,81 96,31
12 BDMN 88,8 93,8 98,3 100,7 95,1
13 BEKS 79,21 52,83 66,78 83,68 88,46
14 BINA 81,33 73,74 87,92 81,6 87,17
15 BKSW 66,97 71,65 75,48 87,37 113,3
16 BMRI 59,15 65,44 71,65 77,66 82,97
17 BNBA 50,53 54,18 67,53 77,95 85,96
18 BNGA 95,11 88,04 94,41 95,04 94,49
19 BNII 82,93 89,03 95,07 92,97 93,24
20 BNLI 90,6 87,5 83,06 89,52 889,26
(9)
85
22 BTPN 85 91 85 86 88
23 BVIC 50,43 40,22 63,62 67,59 74,73
24 INPC 84,04 76,13 82,21 87,42 88,87
25 MAYA 83,77 78,38 82,1 80,58 75,61
26 MCOR 65,81 81,29 79,3 80,22 82,73
27 NISP 71,94 77,12 83,61 84,73 83,75
28 SDRA 94,94 100,2 81,7 84,39 90,59
29 MEGA 56,82 56,03 63,75 52,39 52,47
Data Capital Adequacy Ratio (CAR) pada Bank BUMN dan Bank Swasta Yang Terdaftar Di Bursa Efek Indonesia Tahun 2009-2013
NO KODE
Capital Adequacy Ratio TAHUN
2009 2010 2011 2012 2013
1 AGRO 19,63 14,95 16,39 14,8 21,6
2 BABP 11,19 12,55 10,12 11,21 13,09
3 BACA 44,62 29,29 21,58 18 20,13
4 BAEK 21,75 19,05 16,37 14,21 13,1
5 BBCA 15,3 13,5 12,7 14,2 15,7
6 BBKP 14,36 13,02 14,33 18,45 17,07
7 BBNI 13,8 18,6 17,6 16,7 15,1
8 BBNP 12,56 12,76 13,45 12,17 15,75
9 BBRI 13,2 13,76 14,96 16,95 16,99
10 BBTN 21,54 16,74 15,03 17,69 15,62
11 BCIC 10,02 11,16 9,41 10,09 14,03
12 BDMN 33 40 41 47 48
13 BEKS 8,02 41,42 12,02 13,27 11,43
14 BINA 23,5 24,82 15,05 16,05 16,71
15 BKSW 12,56 10,72 45,75 27,76 18,73
16 BMRI 15,43 13,36 15,34 15,48 14,93
17 BNBA 24,68 21,78 17,57 17,59 14,86
18 BNGA 13,88 13,47 13,16 15,16 15,36
19 BNII 14,9 12,64 11,95 13,13 12,81
20 BNLI 12,2 14,1 14,07 15,86 14,28
21 BSWD 3,29 26,91 23,19 21,1 15,26
22 BTPN 18,5 23,4 20,5 21,5 23,1
23 BVIC 16,92 13,72 14,92 17,97 18,25
24 INPC 13,77 13,65 12,65 16,45 15,82
25 MAYA 17,05 20,4 14,68 10,93 14,07
(10)
86
27 NISP 20,45 17,63 13,75 16,49 19,28
28 SDRA 14,1 23 17,37 17,77 16,14
29 MEGA 18,84 24,78 11,7 19,18 11,72
Data Non Performing Loan (NPL) pada Bank BUMN dan Bank Swasta Yang Terdaftar Di Bursa Efek Indonesia Tahun 2009-2013
NO KODE
Non Performig Loan TAHUN
2009 2010 2011 2012 2013
1 AGRO 7,48 8,82 3,55 3,68 2,27
2 BABP 5,63 4,34 6,25 5,78 4,88
3 BACA 0,24 0,99 0,69 2,11 0,37
4 BAEK 1,11 0,35 0,74 0,28 0,92
5 BBCA 0,7 0,6 0,5 0,4 0,4
6 BBKP 2,81 3,22 2,88 2,66 2,26
7 BBNI 4,7 4,3 3,6 2,8 2,2
8 BBNP 1,81 0,63 0,78 0,58 0,45
9 BBRI 3,52 2,78 2,3 1,78 1,55
10 BBTN 3,36 3,26 2,75 4,09 4,05
11 BCIC 9,53 4,84 4,46 3,16 3,61
12 BDMN 20,7 16 17,6 18,9 17,9
13 BEKS 27,9 5,96 9,12 9,95 6,75
14 BINA 0,44 2,32 1,1 0,36 0,38
15 BKSW 5,33 1,91 1,56 0,73 0,23
16 BMRI 2,62 2,21 2,18 1,74 1,6
17 BNBA 2,15 2,25 1,07 0,63 0,21
18 BNGA 3,06 2,59 2,64 2,29 2,23
19 BNII 2,42 3,09 2,14 1,7 2,11
20 BNLI 4 2,7 2,04 1,37 1,04
21 BSWD 1,82 3,55 1,98 0,14 1,59
22 BTPN 0,5 1,1 0,7 0,6 0,7
23 BVIC 3 5,04 2,38 2,3 0,92
24 INPC 2,83 2 1,85 0,8 1,76
25 MAYA 0,96 3,27 2,51 3,02 1,04
26 MCOR 2,11 2,08 2,18 1,98 1,69
27 NISP 3,12 1,99 1,26 0,91 0,73
28 SDRA 1,29 1,76 1,65 1,99 2,64
(11)
87
Data Return on Asset (ROA) pada Bank BUMN dan Bank Swasta Yang Terdaftar Di Bursa Efek Indonesia Tahun 2009-2013
NO KODE
Return on Asset TAHUN
2009 2010 2011 2012 2013
1 AGRO 0,18 0,67 1,39 1,63 1,66
2 BABP 0,18 0,51 -1,64 0,09 -0,93
3 BACA 1,42 0,74 0,84 1,32 1,59
4 BAEK 2,21 1,78 1,49 1,02 1,19
5 BBCA 3,4 3,5 3,8 3,6 3,8
6 BBKP 1,46 1,62 1,87 1,83 1,75
7 BBNI 1,7 2,5 2,9 2,9 3,4
8 BBNP 1,02 1,5 1,53 1,57 1,58
9 BBRI 3,73 4,64 4,93 5,15 5,03
10 BBTN 1,47 2,05 2,03 1,94 1,79
11 BCIC 3,84 2,53 2,17 1,06 -7,58
12 BDMN 2,6 2,86 3,03 3,11 3,08
13 BEKS -7,88 -12,9 -4,75 0,98 1,23
14 BINA 2,57 1,1 0,32 1,22 2,57
15 BKSW 0,3 0,17 0,46 -0,81 0,07
16 BMRI 3,13 3,5 3,37 3,55 3,66
17 BNBA 2,05 1,52 2,11 2,47 2,05
18 BNGA 2,1 2,75 2,85 3,18 2,76
19 BNII 0,07 1,14 1,13 1,62 1,71
20 BNLI 1,4 1,9 1,66 1,7 1,55
21 BSWD 3,53 2,93 3,66 3,14 3,8
22 BTPN 3,4 4 4,4 4,7 4,5
23 BVIC 1,1 1,71 2,65 2,17 1,99
24 INPC 0,44 0,76 0,72 0,66 1,39
25 MAYA 0,9 1,22 2,07 2,41 2,53
26 MCOR 1 1,11 0,96 2,04 1,74
27 NISP 1,91 1,29 1,91 1,79 1,81
28 SDRA 2,41 2,78 3 2,78 2,23
(12)
88
Data Suku Bunga SBI pada Bank BUMN dan Bank Swasta Yang Terdaftar Di Bursa Efek Indonesia Tahun 2009-2013
No KODE
SUKU BUNGA SBI TAHUN
2009 2010 2011 2012 2013
1 AGRO 6,5 6,5 6 5,8 7,5
2 BABP 6,5 6,5 6 5,8 7,5
3 BACA 6,5 6,5 6 5,8 7,5
4 BAEK 6,5 6,5 6 5,8 7,5
5 BBCA 6,5 6,5 6 5,8 7,5
6 BBKP 6,5 6,5 6 5,8 7,5
7 BBNI 6,5 6,5 6 5,8 7,5
8 BBNP 6,5 6,5 6 5,8 7,5
9 BBRI 6,5 6,5 6 5,8 7,5
10 BBTN 6,5 6,5 6 5,8 7,5
11 BCIC 6,5 6,5 6 5,8 7,5
12 BDMN 6,5 6,5 6 5,8 7,5
13 BEKS 6,5 6,5 6 5,8 7,5
14 BINA 6,5 6,5 6 5,8 7,5
15 BKSW 6,5 6,5 6 5,8 7,5
16 BMRI 6,5 6,5 6 5,8 7,5
17 BNBA 6,5 6,5 6 5,8 7,5
18 BNGA 6,5 6,5 6 5,8 7,5
19 BNII 6,5 6,5 6 5,8 7,5
20 BNLI 6,5 6,5 6 5,8 7,5
21 BSWD 6,5 6,5 6 5,8 7,5
22 BTPN 6,5 6,5 6 5,8 7,5
23 BVIC 6,5 6,5 6 5,8 7,5
24 INPC 6,5 6,5 6 5,8 7,5
25 MAYA 6,5 6,5 6 5,8 7,5
26 MCOR 6,5 6,5 6 5,8 7,5
27 NISP 6,5 6,5 6 5,8 7,5
28 SDRA 6,5 6,5 6 5,8 7,5
(13)
89 LAMPIRAN 4
DATA HASIL PENGOLAHAN SPSS 1. Analisis Statistik Deskriptif
a. Deskriptive
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
LN_DPK 145 21,43 33,95 29,2406 3,37674
LDR 145 8,11 889,26 84,0866 69,08342
CAR 145 3,29 48,00 17,4652 7,33237
NPL 145 ,14 27,90 3,1210 4,02934
ROA 145 -12,90 5,15 1,7486 2,13934
SBI 145 5,80 7,50 6,4600 ,59060
LN_KREDIT 145 21,19 33,79 28,9960 3,42658 Valid N
(listwise)
145
b. Frequence
Statistics
LN_DPK LDR CAR NPL ROA SBI LN_KREDIT
N
Valid 145 145 145 145 145 145 145
Missing 0 0 0 0 0 0 0
2. Pengolahan Data a. Normalitas
(14)
90 • Hasil Uji Normalitas K-S
Tabel 4.6
Hasil Uji Normalitas K-S
One-Sample Kolmogorov-Smirnov Test
Unstandardize d Residual
N 78
Normal Parametersa,b Mean ,0000000
Std. Deviation 1,12498977 Most Extreme Differences
Absolute ,128
Positive ,090
Negative -,128
Kolmogorov-Smirnov Z 1,132
Asymp. Sig. (2-tailed) ,154
a. Test distribution is Normal. b. Calculated from data.
(15)
91 b. Multikolineritas
Model Collinearity
Statistics Tolerance VIF
1
(Constant)
DPK ,609 1,641
LDR ,934 1,071
CAR ,491 2,036
NPL ,495 2,019
ROA ,732 1,366
SBI ,753 1,328
Correlations Correlations
Control Variables DPK LDR CAR NPL ROA SBI KRED
IT
LN_K REDIT
DPK
Correlation 1,000 -,055 ,024 -,087 ,415 ,385 ,996 Significance
(2-tailed)
. ,637 ,838 ,449 ,000 ,001 ,000
Df 0 75 75 75 75 75 75
LDR
Correlation -,055 1,000 ,136 ,143 ,057 ,037 -,026 Significance
(2-tailed)
,637 . ,237 ,215 ,622 ,751 ,821
Df 75 0 75 75 75 75 75
CAR
Correlation ,024 ,136 1,000 ,698 -,147 ,026 ,065 Significance
(2-tailed)
,838 ,237 . ,000 ,202 ,820 ,573
Df 75 75 0 75 75 75 75
NPL
Correlation -,087 ,143 ,698 1,000 -,120 ,055 -,041 Significance
(2-tailed)
,449 ,215 ,000 . ,298 ,635 ,724
Df 75 75 75 0 75 75 75
ROA
Correlation ,415 ,057 -,147 -,120 1,000 -,064 ,428 Significance
(2-tailed)
,000 ,622 ,202 ,298 . ,580 ,000
(16)
92 SBI
Correlation ,385 ,037 ,026 ,055 -,064 1,000 ,415 Significance
(2-tailed)
,001 ,751 ,820 ,635 ,580 . ,000
Df 75 75 75 75 75 0 75
KRE DIT
Correlation ,996 -,026 ,065 -,041 ,428 ,415 1,000 Significance
(2-tailed)
,000 ,821 ,573 ,724 ,000 ,000 .
Df 75 75 75 75 75 75 0
a. Dependent Variable : LN_KR c. Heterokedastisitas
(17)
93 d. Autokorelasi
Tabel 4.10
Uji Autokorelasi (DW Test) Model Summaryb Model R R Square Adjusted R
Square
Std. Error of the Estimate
Durbin-Watson
1 ,983
a
,966 ,964 1790015574 0083,24000
1,827 a. Predictors: (Constant), SBI, CAR, ROA, LDR, DPK, NPL
b. Dependent Variable: KREDIT • Uji Lagrange Multiplier (LM Test)
• Uji Run Test
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
t
Sig. Std. Error Beta
1
(Constant) 28,262 1,882 15,020 ,000
DPK 1,069E-013 ,000 ,577 4,849 ,000
LDR ,028 ,009 ,303 3,156 ,002
CAR -,032 ,026 -,163 -1,227 ,224
NPL ,087 ,056 ,207 1,566 ,122
ROA -,084 ,064 -,144 -1,326 ,189
SBI -,269 ,280 -,103 -,959 ,341
a. Dependent Variable: Unstandardized Residual
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
T
Sig. Std. Error Beta
1
(Constant) 28,262 1,882 15,020 ,000
DPK 1,069E-013 ,000 ,577 4,849 ,000
(18)
94 3. Analisis Regresi
CAR -,032 ,026 -,163 -1,227 ,224
NPL ,087 ,056 ,207 1,566 ,122
ROA -,084 ,064 -,144 -1,326 ,189
SBI -,269 ,280 -,103 -,959 ,341
b. Dependent Variable: Unstandardized Residual
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
T
Sig. Std. Error Beta
1
(Constant) 28,262 1,882 15,020 ,000
DPK 1,069E-013 ,000 ,577 4,849 ,000
LDR ,028 ,009 ,303 3,156 ,002
CAR -,032 ,026 -,163 -1,227 ,224
NPL ,087 ,056 ,207 1,566 ,122
ROA -,084 ,064 -,144 -1,326 ,189
(19)
95 c. U
a. Koefisien Determinasi
Tabel 4.10 Model Summaryb Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 ,983
a
,966 ,964 1790015574 0083,24000 a. Predictors: (Constant), SBI, CAR, ROA, LDR, DPK, NPL b. Dependent Variable: KREDIT
b. Uji t
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
T Sig. B Std. Error Beta
1
(Constant) 28,262 1,882 15,020 ,000
DPK 1,069E-013 ,000 ,577 4,849 ,000
LDR ,028 ,009 ,303 3,156 ,002
CAR -,032 ,026 -,163 -1,227 ,224
NPL ,087 ,056 ,207 1,566 ,122
ROA -,084 ,064 -,144 -1,326 ,189
SBI -,269 ,280 -,103 -,959 ,341
a. Dependent Variable: LN_KREDIT
c. Uji F
Model Collinearity
Statistics Tolerance VIF
1
(Constant)
DPK ,609 1,641
LDR ,934 1,071
CAR ,491 2,036
NPL ,495 2,019
ROA ,732 1,366
SBI ,753 1,328
(20)
75
DAFTAR PUSTAKA
Mulyono. 2006. Statistik Untuk Ekonomi dan Bisnis. edisi ketiga. cetakan pertama. Jakarta: Fakultas Ekonomi Universitas Indonesia
Francisca dan Siregar, 2009, Menguji Pengaruh Faktor Internal Bank Terhadap Volume Kredit. SKRIPSI Stata Satu Manajemen.Sumatera Utara : USU.
Dendawijaya, Lukman.2000.Manajemen Perbankan. Cetakan Pertama. Jakarta: Ghalia Indonesia Galih, Tito Adhitya.2011. Pengaruh dana Pihak Ketiga, Capital Adequacy Ratio, Non
Performing Loan, Return On Asset, dan Loan to deposit Ratio terhadap jumlah Penyaluran Kredit pada Bank Indonesia. SKRIPSI Strata Satu.Ekonomi. Semarang : Unversitas Diponegoro
Triasdini, Himaniar. 2010. Pengaruh CAR, NPL, Dan ROA Terhadap Penyaluran Kredit Modal Kerja.SKRIPSI Strata Satu. Ekonomi. Semarang : Unversitas Diponegoro
Pratama, Billy Arma.2010.Analisis Faktor-Faktor Yang Mempengaruhi Kebijakan Penyaluran Kredit Perbankan.TESIS Strata Dua. Magister Manajemen.Semarang : Unversitas Diponegoro.
Agoes, Sukirno, 2004. Auditing, Edisi kedua, Penerbit Fakultas Ekonomi Universitas Indonesia, Jilid I, Jakarta
Meydianawathi, Luh Gede. 2007.Analisis Perilaku Penawaran Kredit PerbankanKepada Sektor UMKM di Indonesia (2002-2006). Buletin Studi Ekonomi Vol.12 No.2
Febryani, Anita dan Rahadian Zulfadin. (2003). Analisis Kinerja Bank Devisa dan Bank Non Devisa di Indonesia.Kajian Ekonomi dan keuangan Vol.7 No.4. 38 – 54
Dendawijaya, Lukman.2003 “Manajemen Perbankan”. Jakarta:Penerbit Ghalia Indonesia. Kasmir.2002. Dasar – Dasar Perbankan. Jakarta :PT. Rajagrafindo Persada.
Kasmir. 2011. Analisis Laporan Keuangan. Jakarta : PT Rajagrafindo Persada.
Oktaviani.2012.Pengaruh DPK, ROA, CAR, NPL, dan Jumlah SBI Terhadap Penyaluran Kredit Perbankan (Studi Pada Bank UmumGo Publicdi Indonesia Periode 2008-2011). SKRIPSI Strata Satu. Ekonomik dan Bisnis. Unversitas Diponegoro.Semarang
Warjiyo, Perry.2005. Mekanisme Transmisi Kebijakan Moneter di Indonesia. Jakarta : Pusat Pendidikan dan Studi Kebanksentralan.
(21)
76
Arisandi, Desi.2008. Analisis Faktor Penawaran Kredit Pada Bank Umum Di Indonesia. SKRIPSI Strata Satu. Manajemen Perbankan. Unversitas Gunadarma.
Maulidina, Defi.2006. Pengaruh DPK, ROA, CAR, NPl, dan Jumlah SBI Terhadap Penyaluran Kredit Perbankan. SKRIPSI Strata Satu. Ekonomi dan Bisnis. Semarang : Unversitas Diponegoro.
Satria, Dias dan Subegti, Rangga Bagus. (2010). Determinasi Penyaluran Kredit Bank Umum di Indonesia Periode 2006-2009. JurnalKeuangan dan Perbankan, 14(3), 415-424.
SKNo.167/DIKTI/Kep/2007.
Dahlan Siamat, 2005. Manajemen Lembaga Keuangan. “Kebijakan Moneter dan Perbankan”, Jakarta : Fakultas Ekonomi Universitas Indonesia, edisi kesatu.
Husein Umar, 2005. Metode Penelitian Untuk Skripsi dan Tesis Bisnis, Jakarta : PT. Raja Grafindo Persada, edisi ketiga.
Ikatan Akuntan Indonesia (IAI), 2004.Standar Akuntansi Keuangan, Jakarta : Salemba Empat,edisi revisi (2000).
Ghozali, I. 2005. Aplikasi Analisis Multivariate dengan Program SPSS (Edisi Ketiga Cetakan Kelima). Semarang : Universitas Diponegoro
(22)
34 BAB III
METODE PENELITIAN
3.1 Variabel Penelitian dan Definisi Operasional Variabel 3.1.1Variabel Penelitian
Pengertian dari variabel penelitian adalah sesuatu hal yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik kesimpulan (Sugiyono, 2000). Dalam penelitian ini terdapat dua variabel, yaitu variabel independen dan variabel dependen. Berikut penjelasan kedua variable tersebut :
a. Variabel Independent (Independent Variable)
Variable Independent atau bebas merupakan variable yang mempengaruhi atau yang menjadi sebab perubahan atau timbulnya variable independent adalah:
1) Dana Pihak Ketiga (DPK) 2) Loan To deposit Ratio (LDR) 3) Capital AdequacyRatio (CAR) 4) Non Performing Loan (NPL) 5) Retturn On Asset (ROA) 6) Suku Bunga SBI
b. Variabel Dependent (Dependent Variabel)
Variable dependen atau terikat merupakan variable yang dipengaruhi atau yang menjadi akibt karena adalanya variable bebas (Independent). Dalam penellitian ini yang merupakan variable dependennya adalah jumlah penyaluran kredit perbankan.
(23)
35 3.1.2 Definisi Operasional Variabel
3.1.2.1 Jumlah Penyaluran Kredit
Variabel dependen dalam penelitian ini adalah jumlah kredit yang disalurkan oleh bank umum di Indonesia selama tahun 2009-2013 (t). Data jumlah kredit di dapat dari laporan keuangan bank yang terdaftar di BEI. Untuk menghindari distribusi data yang tidak normal maka data sampel yang ada akan ditransformasi dalam bentuk logaritma narutal (Ln), karena selisih jumlah kredit yang terlalu besar tiap perbankannya. Oleh karena itu jumlah kredit yang disalurkan dihitung dengan menggunakan rumus sebagai berikut:
3.1.2.2Dana Pihak Ketiga
Menurut Abdullah (dalam Galih, 2011) menyatakan bahwa dana pihak ketiga (DPK) merupakan sumber dana bank yang dihimpun dari masyarakat sebagai nasabah dalam bentuk simpanan giro, tabungan, dan deposito. Data sampel dana pihak ketiga akan ditransformasi dalam bentuk logaritma natural (Ln) untuk menghindari data tidak normal karena selisih jumlah dana pihak ketiga antarbank terlalu besar. Oleh karena itu jumlah dana pihak ketiga pada tahun 2009 -2013 (t-1) dapat dihitung dengan menggunakan rumus sebagai berikut:
Jumlah kredit yang disalurkan = Ln (jumlah kredit yang disalurkan)
(24)
36 3.1.2.3Loan to Deposit Ratio (LDR)
Loan to Deposit Ratio (LDR) merupakan rasio yang digunakan untuk mengukur tingkat likuiditas, dengan cara membandingkan antara kredit yang disalurkan dengan dana yang dihimpun dari masyaraka sehingga dapat diketahui kemampuan bank dalam membayar kewajiban jangka pendeknya. Pengukuran rasio LDR pada tahun 2009 - 2013 (t-1) menurut Surat Edaran Bank Indonesia No.6/23/DPNP tanggal 31 Mei 2004 dapat dihitung dengan rumus sebagai berikut :
3.1.2.4Capital Adequacy Ratio (CAR)
Capital adequacy ratio (CAR) digunakan untuk mengukur kecukupan modal dalam menyanggah resiko dari aktiva bank (Dendawijaya, 2003). Siamat (2005) juga menyatakan bahwa perhitungan rasio kecukupan modal dilakukan dengan membandingkan jumlah modal yang dimiliki (modal initi dan modal pelengkap) bank dengan aktiva tertimbang menurut risiko. Variabel CAR tahun 2009 - 2013 (t-1). menurut Surat Edaran Bank Indonesia No.6/23/DPNP tanggal 31 Mei 2004 dapat dihitung dengan rumus sebagai berikut :
��� = Kredit
Dana Pihak Ketiga x 100 %
��� = Modal
(25)
37 3.1.2.5Non Performing Loan (NPL)
Non Performing Loan (NPL) merupakan rasio yang digunakan untuk menghitung presentase jumlah kredit yang bermasalah (kriteria kurang lancar, diragukan, dan macet) dengan total kredit yang disalurkan bank (Siamat, 2005). Pengukuran NPL pada tahun 2009 - 2013 (t- 1) menurut Surat Edaran Bank Indonesia No.6/23/DPNP tanggal 31 Mei 2004 dapat dihitung dengan cara sebagai berikut:
3.1.2.6Return on Asset (ROA)
Pengukuran ROA digunakan untuk mengukur tingkat rentabilitas sebuah bank, yaitu tingkat keuntungan yang dicapai oleh sebuah bank dengan memanfaatkan seluruh dana yang ada. Maka semakin besar rasio ROA maka semakin baik pula sebuah bank dalam menghasilkan keuntungan (laba). Pengukuran ROA pada tahun 2009 - 2013 (t-1) menurut Surat Edaran Bank Indonesia No.6/23/DPNP tanggal 31 Mei 2004 dapat dihitung dengan rumus sebagai berikut:
3.2 Jenis dan Sumber Data
Data dapat dibedakan atas data kuantitatif dan data kualitatif. data kuantitatif merupakan informasi numerikal berupa angka-angka, sedangkan data kualitatif merupakan informasi deskriptif berupa kata-kata atau kata-kata yang disimbolkan dalam angka-angka. Data kuantitatif dapat berupa data diskrit dan kontinu, sedangkan data kualitatif hanya berupa data diskrit. Data diskrit dapat berupa data nominal atau ordinal, sedangkan data kontinu dapat berupa data interval atau data rasio (Chalil, 2014:1-2).
���= Total Kredit Bermasalah
Total kredit yang disalurkan x 100 %
���= Laba sebelum Pajak
(26)
38
Berdasarkan teori di atas, data yang digunakan peneliti adalah data kuantitatif yang berupa data diskrit (nominal) dan data kontinu (rasio). Sumber data yang digunakan adalah data sekunder yaitu data yang didapat secara langsung dari obyek penelitian. Data diperoleh dari hasil publikasi Bursa Efek Indonesia mengenai laporan auditor independen dan laporan keuangan perusahaan yang telah diaudit. Jenis data yang dibutuhkan antara lain:
1. Dana Pihak Ketiga (DPK) 2. Loan To deposit Ratio (LDR) 3. Capital AdequacyRatio (CAR) 4. Non Performing Loan (NPL) 5. Retturn On Asset (ROA) 6. Suku Bunga SBI
3.3Populasi dan Sampel Penelitian
“Populasi adalah sekelompok entitas yang lengkap yang dapat berupa orang, kejadian, atau benda yang mempunyai karakteristik tertentu, ysng berada dalam suatu wilayah dan memenuhi syarat-syarat tertentu yang berkaitan dengan masalah penelitian” (Erlina, 2011:80). Populasi yang digunakan dalam penelitian ini adalah semua perusahaan perbankan (banking) yang terdaftar di Bursa Efek Indonesia dari tahun 2009-2013, berupa laporan keuangan yang diunduh dari
“Unit sampel atau sampling unit/element menunjukkan satuan yang akan dipilih dalam penelitian” (Chalil dan Barus, 2014:34). Teknik pengambilan sampel yang digunakan dalam penelitian adalah metode penarikan sampel purposive sampling. “Dalam metode ini pengambilan sampel berdasarkan suatu kriteria tertentu. Kriteria yang digunakan dapat berdasarkan
(27)
39
perimbangan (judgment) atau berdasarkan kuota tertentu” (Erlina. 2011:87). Adapun kriteria pengambilan sampel dalam penelitian ini adalah sebagai berikut:
1. Perusahaan perbankan yang telah terdaftar di BEI selama periode 2009-2013.
2. Perusahaan tersebut telah menerbitkan dan melaporkan laporan keuangan yang telah diaudit secara teratur dan lengkap selama tahun 2009-2013.
3. Perusahaan yang tidak didelisting di BEI pada tahun 2009-2013.
Berdasarkan kriteria yang dikemukakan di atas maka yang menjadi sampel dalam penelitian ini berjumlah 29 dari 36 perusahaan yang terdaftar di BEI sejak tahun 2009-2013 sehingga total sampel dalam penelitian ini adalah 145 perusahaan terlampir.
3.4.Teknik Pengumpulan Data
“Teknik pengumpulan data adalah cara peneliti memperoleh atau mengumpulkan data. Data bisa diperoleh melalui teknik wawancara, pengamatan, kuisioner dan dokumentasi” (Hamidi, 2010:140).
Teknik pengumpulan data yang digunakan dalam penelitian ini adalah teknik dokumentasi, yaitu “cara pengumpulan data yang diperoleh dari catatan (data) yang telah tersedia atau telah dibuat oleh pihak lain” (Hamidi, 2010:140). Pada penelitian ini data yang digunakan adalah data sekunder. Pengumpulan data sekunder diperoleh dari media internet dengan mengunduh
situs
3.5. Metode dan Teknik Analisis Data
Metode analisis data yang digunakan dalam penelitian ini adalah sebagai berikut: 3.5.1 Analisis Statistik Deskriptif
“Statistik Deskriptif (Desciptive Statistic) adalah menu yang memberikan gambaran mengenai nilai Mean, Sum, Standar Deviasi, Variance, Range, Minimum, dan Maximum”
(28)
40
(Lubis, dkk 2007:25). Untuk data yang berupa kategori digunakan sub menu deskriptif frequancies.
3.5.2 Uji Asumsi Klasik
Uji asumsi klasik digunakan untuk mengetahui apakah hasil analisis regresi yang digunakan untuk menganalisis dalam penelitian ini terbebas dari penyimpangan. Uji asumsi klasik ini meliputi uji normalitas, multikolinieritas, heteroskedastisitas, dan autokorelasi. Adapun masing-masing pengujian tersebut dapat dijelaskan sebagai berikut:
1. Uji Normalitas
“Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel pengganggu atau residual memiliki distribusi normal. Ada dua cara untuk mendeteksi apakah residual berdistribusi normal atau tidak yaitu dengan analisis grafik dan uji statistik” (Ghozali, 2013:160).
a. Analisis Grafik
Menurut Ghozali (2013:160-161), Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Namun demikian hanya dengan melohat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi normal.
Dasar pengambilan keputusan dari analisis normal probability plot adalah sebagai berikut:
• Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka menunjukkan pola distribusi normal. Model regresi memenuhi asumsi normalitas.
• Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal serta tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normalitas (Ghozali, 2013:163).
(29)
41 b. Analisis Statistik
Uji statistik lain yang dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametrik Kolmogrov-Smirnov (K-S). Uji K-S dilakukan dengan membuat hipotesis:
Ho : Data residual berdistibusi normal H1 : Data residual tidak berdistribusi normal
Dasar pengambilan keputusan dalam uji K-S adalah sebagai berikut:
• Apabila probabilitas nilai Z uji K-S signifikan secara statistik ditolak, yang berarti data terdistribusi tidak normal.
• Apabila probabilitas nilai Z uji K-S tidak signifikan secara statistik maka HO diterima, yang berarti data terdistribusi normal.
2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel-variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol (Ghozali, 2013:105).
Untuk mendeteksi ada tidaknya multikolineritas dalam model regresi dapat dilihat dari:
a. Nilai tolerance dan lawannya, dan b. Variance Inflation Factor (VIF)
Kedua ukuran tersebut menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas
(30)
42
variabel independen yang terpilih yang tidak dapat dijelaskan oleh variabel independen lainnya. Jadi nilai tolerance yang rendah sama dengan nilai VIF yang tinggi (karena VIF = 1/tolerance). Nilai cutoff yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah nilai tolerance > 0,10 atau sama dengan VIF < 10. Cara yang dapat dilakukan untuk menanggulangi jika terjadi multikolinearitas adalah dengan mengeluarkan salah satu variabel bebas yang memiliki korelasi yang tinggi dari model regresi dan identifikasi variabel lainnya untuk membantu prediksi.
3. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan lain. Jika variance dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik adalah yang Homoskedastisitas atau tidak terjadi Heteroskedastisitas (Ghozali, 2013:139).
Untuk mendeteksi ada atau tidaknya heteroskedastisitas dilakukan dengan melihat grafik scatterplot antara nilai prediksi variabel dependen yaitu ZPRED dengan residualnya SRESID dimana Sumbu Y adalah Y yang telah diprediksi dan sumbu X adalah residual (Y prediksi – Y sesungguhnya) yang telah di studentized. Deteksi ada tidaknya heteroskedastisitas dapat dilakukan sebagai berikut:
a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, menyebar kemudian menyempit) mengidentifikasikan telah terjadi heteroskedastisitas.
b. Jika tidak ada pola yang tidak jelas, serta titik-titik menyebar diatas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
(31)
43 4. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam model regresi linier ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autikorelasi. Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan pengganggu) tidak bebas dari satu observasi ke observasi lainnya. Hal ini sering ditemukan pada data runtut waktu (time series) karena “pengganggu” pada seseorang individu/kelompok cenderung mempengaruhi “gangguan” pada individu/kelompok yang sama pada periode berikutnya (Ghozali, 2013:110).
Menurut Ghozali (2013:111-120). Ada beberapa cara yang dapat digunakan untuk mendeteksi ada atau tidaknya autokorelasi:
a. Uji Durbin-Watson (DW test)
Uji Durbin-Watson hanya digunakan untuk autokorelasi tingkat satu (first order autocorrelation) dan mensyaratkan adanya intercept (kostanta) dalam model regresi dan tidak ada variabel lag diantara variabel independen.
b. Uji Lagrange Multiplier (LM test)
Uji autokorelasi dengan LM test terutama digunakan untuk sample besar diatas 100 observasi. Uji ini memang lebih tepat digunakan dibandingkan uji DW terutama bila sample yang digunakan relatif besar dan derajat autokorelasi lebih dari satu. Uji LM akan menghasilkan statistik Breusch-Godfrey (BG) Test.
c. Uji Statistics Q : Box-Pierce dan Ljung Box
Uji Box-Pierce dan Ljung Box digunakan untuk melihat autokorelasi dengan lag lebih dari dua.
d. Uji Run Test
Run test sebagai bagian dari statistik non-parametrik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Run test digunakan untuk melihat apakah data residual terjadi secara random atau tidak (sistematis).
H0 : residual (res_1) random (acak). HA : residual (res_1) tidak random.
(32)
44 3.5.3 Pengujian Hipotesis Penelitian
Menurut Lubis, dkk (2007:45), “regresi yang memiliki satu variabel dependen dan lebih dari satu variabel independen disebut regresi berganda. Model regresi linier berganda dikatakan model yang baik jika model tersebut memenuhi asumsi normalitas data dan terbebas dari asumsi-asumsi klasik statistik, baik itu multikolinearitas, autokorelasi dan heterokedastisitas”.
Penelitian ini menggunakan teknik analisis regresi linier berganda. Analisis regresi linier berganda ini digunakan untuk mengetahui ada tidaknya pengaruh antar variable bebas yaitu Dana Pihak Ketiga , Loan to Deposit Ratio (LDR), Capital Adequacy Ratio(CAR), Non Performing Loan (NPL), Retturn On Asset (ROA), Suku Bunga SBI terhadap variable terikat yaitu Jumlah penyaluran kredit secara . Model persamaannya adalah sebagai berikut :
Y = a+b1X1 + b2X2 + b3X3 + b4X4 + b5X5 +b6X6 + e Keterangan :
Y = Jumlah Penyaluran Kredit a = Konstanta
b1, b2, b3 = Koefisien Regresi,
X1 = Dana Pihak Ketiga (DPK)
X2 = Loan to Deposit Ratio (LDR)
X3 = Capital AdequacyRatio(CAR)
X4 = Non Performing Loan (NPL)
X5 = Retturn On Asset (ROA)
(33)
45 e = Variabel residual (tingkat error)
3.5.3.1Analisis Koefisien Determinasi
Koefisien determinasi (R2) pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah antara nol dan satu. Nilai R2 yang kecil berarti kemampuan variabel-variabel independen dalam menjelaskan variasi variabel dependen amat terbatas.
Kelemahan mendasar penggunaan koefisien determinasi adalah bisa terhadap jumlah variabel independen yang dimasukkan kedalam model. Setiap tambahan satu variabel independen, maka R2 pasti meningkat tidak perduli apakah variabel tersebut berpengaruh secara signifikan terhadap variabel dependen. Oleh karena itu banyak peneliti menganjurkan untuk menggunakan nilai adjusted R2 pada saat mengevalusi mana model regresi terbaik (Ghozali, 2013:97).
3.5.3.2Pengujian Signifikansi Parsial (Uji t)
“Uji statisttik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelas/independen secara individual dalam menerangkan variasi variabel dependen” (Ghozali, 2013:98). Tahap-tahap pengujian sebagai berikut:
a. Merumuskan hipotesis statistik:
Ho: � = 0, artinya tidak terdapat pengaruh dari variabel independen terhadap variabel dependen.
Ha: � ≠ 0, artinya terdapat pengaruh dari variabel independen terhadap variabel
dependen.
b. Menentukan taraf signifikansi
Signifikansi atau tidaknya pengaruh variabel independen terhadap variabel dependen dilakukan dengan melihat nilai probabilitas dari t rasio masing-masing
(34)
46 c. Kriteria pengambilan keputusan
• Jika probabilitas lebih kecil daripada α maka Ho ditolak dan Ha diterima yang
memiliki arti bahwa variabel independen memiliki pengaruh signifikansi terhadap variabel dependen.
• Jika probabilitas lebih besar daripada α maka Ho diterima dan Ha ditolak
yang memiliki arti bahwa variabel independen tidak memiliki pengaruh signifikan terhadap variabel dependen. Dapat juga digunakan perbandingan signifikansi thitung dengan ketentuan:
Ho diterima jika thitung < ttabel
Ha diterima jika thitung > ttabel
3.5.3.3Pengujian Signifikansi Simultan (Uji f)
“Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen/terikat” (Ghozali, 2013:98). Tujuannya adalah untuk mengetahui apakah semua variabel independen secara simultan merupakan penjelas yang signifkan atau tidak terhadap variabel dependen. Tahap-tahap pengujian sebagai berikut:
a. Merumuskan hipotesis
Ho : �1 = �2 = �3 = �4= �5= �6 = 0, artinya tidak terdapat pengaruh yang signifikan dari variabel independen (X1, X2, X3, X4, X5, dan X6) terhadap variabel dependen (Y).
Ha : �1 = �2 = �3 = �4 = �5 = �6 ≠ 0, artinya terdapat pengaruh yang signifikan dari variabel independen (X1, X2, X3, X4, X5, dan X6) terhadap variabel dependen (Y).
(35)
47 b. Menentukan taraf signifikansi
Signifikan atau tidaknya pengaruh variabel independen secara simultan terhadap variabel dependen dilakukan dengan melihat probabilitas dari F rasio seluruh variabel independen pada taraf uji α = 5 %.
c. Kriteria pengambilan keputusan
• Jika probabilitas lebih kecil daripada α maka Ho ditolak dan Ha diterima yang
memiliki arti bahwa variabel independen secara bersama-sama memiliki pengaruh signifikansi terhadap variabel dependen.
• Jika probabilitas lebih besar daripada α maka Ho diterima dan Ha ditolak yang memiliki arti bahwa variabel independen secara bersama-sama tidak memiliki pengaruh signifikan terhadap variabel dependen. Dapat juga digunakan perbandingan signifikansi Fhitung dengan ketentuan:
(36)
48 BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Data Penelitian
Metode analisis data yang digunakan dalam penelitian ini ialah metode analisis statistik yang menggunakan persamaan regresi linier berganda. Langkah awal analisis data dimulai dengan input atau entry data (data angka yang terdapat pada laporan keuangan) yang dibutuhkan dengan menggunakan Microsoft Excel, selanjutnya dilakukan pengujian asumsi klasik dan pengujian menggunakan regresi berganda. Pengujian asumsi klasik dan pengujian regresi berganda dilakukan dengan menggunakan software SPSS (Statistical Package for Social Science). Adapun perangkat lunak SPSS yang digunakan adalah SPSS Statistics 21.0. Prosedur dimulai dengan memasukkan variabel-variabel penelitian ke program SPSS tersebut dan menghasilkan output-output sesuai metode analisis data yang digunakan.
Penelitian ini menggunakan perusahaan perbankan yang sesuai kriteria yang telah ditentukan sebagai sampel penelitian. Berdasarkan kriteria sampel, terdapat 29 perusahaan setiap tahun dengan jumlah pengamatan 5 tahun sehingga jumlah sampel terdapat sebanyak 145 data perusahaan. Data yang diperoleh dari laporan keuangan dan laporan auditor independen yang diterbitkan oleh Bursa Efek Indonesia melalui situs
(37)
49 4.2 Analisis Hasil Penelitian
4.2.1 Analisis Statistik Deskriptif
“Statistik Deskriptif (Desciptive Statistic) adalah menu yang memberikan gambaran mengenai nilai Mean, Sum, Standar Deviasi, Variance, Range, Minimum, dan Maximum” (Lubis, dkk 2007:25). Untuk data yang berupa kategori digunakan sub menu deskriptif frequancies.
Variabel penelitian ini terdiri dari dana piha ketiga, loan to deposit ratio, capital adequacy ratio, non performing loan, return on asset dan suku bunga SBI sebagai variabel bebas (independent variabel) dan jumlah penyaluran kredit sebagai variabel terikat (dependent variabel).
Statistik deskriptif dari variabel bebas dan terikat pada sampel perusahaan perbankan selama periode 2009-2013 disajikan dalam tabel 4.1 berikut ini.
Tabel 4.1
Statistik Deskriptif Variabel-Variabel Penelitian Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
LN_DPK 145 21,43 33,95 29,2406 3,37674
LDR 145 8,11 889,26 84,0866 69,08342
CAR 145 3,29 48,00 17,4652 7,33237
NPL 145 ,14 27,90 3,1210 4,02934
ROA 145 -12,90 5,15 1,7486 2,13934
SBI 145 5,80 7,50 6,4600 ,59060
LN_KREDIT 145 21,19 33,79 28,9960 3,42658
Valid N (listwise) 145 Sumber: hasil pengolahan SPSS
(38)
50
Berdasarkan deskripsi data yang dihasilkan dari Tabel 4.1 diatas menunjukkan bahwa jumlah observasi atau jumlah pengamatan perusahaan perbankan (dalam hal ini Bank BUMN dan Bank Swasta) sebanyak 145 data selama periode pengamatan (2009-2013). Berdasarkan hasil perhitungan di atas tampak bahwa Dana Pihak Ketiga (DPK) (dalam transformasi logaritma natural) memiliki nilai terendah 21.43, nilai tertinggi 33.95 dan rata-rata Dana Pihak Ketiga 29.2406. Standar deviasi jumlah dana pihak ketiga adalah 3.37674 Berdasarkan rata-rata yang dihasilkan dapat disimpukan bahwa pada umumnya perusahaan sampel memiliki Dana Pihak Ketiga perusahaan dibawah batas maksimal yang ditetapkan oleh Bank Indonesia (BI) yakni 32,00-42,00.
Loan to Deposit Ratio (LDR) memiliki nilai terendah sebesar 8.11% dan yang tertinggi sebesar 889.26%. Hal tersebut menunjukkan bahwa secara statistik, selama periode penelitian besarnya LDR bank BUMN dan Bank Swasta di Indonesia, yaitu bekisar 80%-100%. Sedangkan rata-rata LDR adalah 84,0866% dengan niai standar deviasi 69,08342. Hal tersebut menunjukkan bahwa data variabel LDR mempunyai sebaran kecil karena standar deviasi lebih keci dari nilai rata-ratanya (mean), sehingga simpangan data pada variabel LDR ini dikatakan baik.
Capital Adequacy Ratio (CAR) memiliki nilai terendah sebesar 3.29% dan yang tertinggi sebesar 48.00%. Hal tersebut menunjukkan bahwa secara statistik, selama periode penelitian besarnya CAR Bank BUMN dan Bank Swasta di Indonesia sudah memenuhi standar yang ditetapkan Bank Indonesia, yaitu minimal 10.00%. Sedangkan nilai rata-rata CAR adalah 17.4652% dengan nilai standar deviasi sebesar 7.33237%. Hal tersebut menunjukkan bahwa data yang digunakan dalam variabel CAR mempunyai sebaran kecil karena standar deviasi lebih kecil dari nilai rata-ratanya (mean). Hasil ini Menunjukkan bahwa bank BUMN dan Bank Swasta
(39)
51
memiliki kecukupan modal minimal10.00% sebagaimana ditetapkan oleh Bank Indonesia, dapat dikatakan bahwa perusahaan perbankan secara umum memiliki kecukupan modal yang tinggi.
Non Performing Loan (NPL) memiliki nilai terindah sebesar 0.14 % dan yang tertinggi sebesar 27.90%. Hal tersebut menunjukkan bahwa secara statistik, selama periode penelitian besarnya NPL Bank BUMN dan Bank Swasta di Indonesia sudah melebihi standar yang ditetapkan Bank Indonesia, yaitu di bawah 5.00% Sedangkan rata-rata NPL adalah 3.1210% dengan nilai standar deviasi sebesar 4.02934%. Dapat dikatakan bahwa Bank BUMN dan Bank Swasta secara umum memiliki NPL yang rendah sehingga risiko kreditnya berkurang serta variabel NPL mempunyai sebaran besar karena standar deviasi lebih besar dari nilai rata-ratanya (mean), sehingga simpangan data pada variabel NPL ini dapat dikatakan tidak baik.
Return on Asset (ROA) memiliki nilai terendah -12.90%, nilai tertinggi 5.15 %. Dengan nilai rata-rata ROA sebesar 1,7486% yang lebih tinggi dari kriterianya sebesar 0,5 – 1,25%, menunjukan bahwa perusahaan perbankan memiliki ROA yang tinggi. Sedangkan standar deviasi untuk ROA adalah sebesar 2.13934%. Tingginya nilai standar deviasi dibandingkan dengan nilai rata-rata (mean) ROA mengindikasikan adanya penyimpangan yang sangat tinggi.
SBI dalam hal ini merupakan bunga acuan bagi perbankan yang beroperasi di Indonesia.Nilai ini didasarkan pada tingkat setifikat bank Indonesia pada akhir tahun pada tahun 2009 – 2013 dimana diperoleh rata-rata SBI selama periode tersebut sebesar 6.46% . Dengan nilai rata-rata SBI sebesar 6.46% yang lebih rendah kriterianya sebesar 6,50 persen, dapat dikatakan bahwa Bank Indonesia mengeluarkan SBI yang rendah. Nilai standar deviasi menunjukan adanya penyimpangan sebesar 0,59% dari nilai rata-rata sebesar 6.46%.
Jumlah Penyaluran Kredit memiliki nilai terendah 21.19, nilai tertinggi 33.79 . rata-rata kredit (dalam transformasi logaritma natural) diperoleh sebesar 28.9960. Hal ini berarti bahwa
(40)
52
dana yang diperoleh bank sampel selama tahun 2009 – 2013 adalah sebesar 28.9960. Dengan nilai rata-rata Ln.Kredit sebesar 28.9960 yang rendah dari kriteria 70.00 - 80.00 dapat dikatakan bahwa perusahaan perbankan memiliki Ln.Kredit yang tinggi. Nilai standar deviasi menunjukan adanya penyimpangan sebesar 3.42658 dari nilai rata-rata sebesar 28.9960.
. Tabel 4.2 Frequencies Penelitian
Statistics Statistics
DPK LDR CAR NPL ROA SBI KREDIT
N Valid 145 145 145 145 145 145 145
Missing 0 0 0 0 0 0 0
Sumber: hasil pengolahan SPSS
Tabel 4.2 menunjukkan deskripsi untuk variabel nominal yang terdiri dari Dana Pihak Ketiga, Loan to Deposit Ratio, Capital Adequacy Ratio, Non Performing Loan, Return on Asset, SBI, Jumlah Kredit yang di Berikan. Dari data tersebut diatas dapat dideskripsikan bahwa data yang valid (sah untuk diproses) adalah 145 data dan missing (hilang) adalah nol. Hal ini berarti semua data telah diproses.
4.2.2 Uji Asumsi Klasik 4.2.2.1Uji Normalitas
Pengujian normalitas data pada penelitian ini menggunakan analisis grafik dan analisis statistik. Analisis grafik untuk melihat normalitas data yang dilakukan dengan melihat grafik histogram dan kurva normal probability plot. Analisis statistik dilakukan dengan menggunakan uji non-parametrik Kolmogrov-Smirnov (K-S). Analisis grafik dengan histogram:
(41)
53
Gambar 4.1 Histogram
Pada histogram tersebut (Gambar 4.1), dapat dilihat bahwa bentuk kurva cenderung di tengah dan tidak condong (skweness) ke kiri maupun ke kanan. Oleh karena itu, dapat disimpulkan bahwa data dalam penelitian ini berdistribusi normal. Analisis grafik normal P-Plot
Gambar 4.2. Garfik Normal P.Plot
(42)
54
Pada gambar 4.2 data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi normalitas. Sehingga menurut analisis grafik (histogram dan P-Plot) data telah terdistribusi secara normal atau memenuhi asumsi normalitas.
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati melihatnya. Secara visual kelihatan normal, pada secara statistik bisa saja sebaliknya. Oleh sebab itu, selain cara di atas peneliti menggunakan analisis statistik (uji K-S) untuk memperoleh hasil pengujian yang lebih akurat. Uji K-S dilakukan dengan membuat hipotesis:
Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
Apabila nilai signifikansinya lebih besar dari 0,05 maka Ho diterima, sedangkan bila nilai signifikasinya lebih kecil dari 0,05 maka Ho ditolak.
Tabel 4.3
Hasil Uji Normalitas K-S
One-Sample Kolmogorov-Smirnov Test Unstandardiz
ed Residual
N 78
Normal Parametersa,b
Mean ,0000000
Std. Deviation
1,12498977 Most Extreme
Differences
Absolute ,128
Positive ,090
Negative -,128
Kolmogorov-Smirnov Z 1,132
Asymp. Sig. (2-tailed) ,154
a. Test distribution is Normal. b. Calculated from data.
(43)
55
Tampak bahwa nilai signifikansi adalah sebesar 0,154 > 0,05 yang menunjukkan bahwa nilai residual telah terdistribusi secara normal.
4.2.2.2Uji Multikolinearitas
Uji ini digunakan untuk menguji apakah dalam sebuah model regresi ditemukan adanya korelasi antara variabel dependen. Jika terjadi korelasi, maka dikatakan terdapat masalah multikoliniearitas. Uji ini dilihat dari nilai Tolerance dan VIF-nya.Model regresi yang baik jika nilai Tolerance > 0,1 dan VIF < 10.
Tabel 4.4
Hasil Uji Multikolinearitas
Model Collinearity
Statistics Tolerance VIF
1
(Constant)
DPK ,609 1,641
LDR ,934 1,071
CAR ,491 2,036
NPL ,495 2,019
ROA ,732 1,366
SBI ,753 1,328
Sumber: hasil pengolahan SPSS
Tabel 4.4 menunjukkan hasil uji multikolinearitas. Dari tabel di atas menunjukkan bahwa tidak terdapat satupun variabel independen yang memiliki nilai tolerance yang kurang dari 0.1 dan VIF yang lebih dari 10. Maka dapat disimpulkan bahwa tidak satupun variabel memiliki persoalan multikolinearitas antara variabel independennya
(44)
56 Tabel 4.5
Koefisien Korelasi Antar Variabel Correlations Correlations
Control Variables DPK LDR CAR NPL ROA SBI KREDIT
LN_KREDIT
DPK
Correlation 1,000 -,055 ,024 -,087 ,415 ,385 ,996 Significance (2-tailed) . ,637 ,838 ,449 ,000 ,001 ,000
Df 0 75 75 75 75 75 75
LDR
Correlation -,055 1,000 ,136 ,143 ,057 ,037 -,026 Significance (2-tailed) ,637 . ,237 ,215 ,622 ,751 ,821
Df 75 0 75 75 75 75 75
CAR
Correlation ,024 ,136 1,000 ,698 -,147 ,026 ,065 Significance (2-tailed) ,838 ,237 . ,000 ,202 ,820 ,573
Df 75 75 0 75 75 75 75
NPL
Correlation -,087 ,143 ,698 1,000 -,120 ,055 -,041 Significance (2-tailed) ,449 ,215 ,000 . ,298 ,635 ,724
Df 75 75 75 0 75 75 75
ROA
Correlation ,415 ,057 -,147 -,120 1,000 -,064 ,428 Significance (2-tailed) ,000 ,622 ,202 ,298 . ,580 ,000
Df 75 75 75 75 0 75 75
SBI
Correlation ,385 ,037 ,026 ,055 -,064 1,000 ,415 Significance (2-tailed) ,001 ,751 ,820 ,635 ,580 . ,000
Df 75 75 75 75 75 0 75
KRE DIT
Correlation ,996 -,026 ,065 -,041 ,428 ,415 1,000 Significance (2-tailed) ,000 ,821 ,573 ,724 ,000 ,000 .
Df 75 75 75 75 75 75 0
a. Dependent Variable: Audit.Delay
(45)
57
Melihat hasil besaran korelasi antara variabel independen, variabel return on asset memiliki nilai korelasi yang paling tinggi sebesar 0,415 atau 41,5%. Oleh karena korelasi ini masih dibawah nilai standar korelasi sebesar 0,95 atau 95%, maka dapat dikatakan tidak terjadi multikolinearitas.
4.2.2.3Uji Heterokedastisitas
Dalam penelitian ini untuk mendeteksi ada tidaknya heterokdastisitas adalah dengan meihat pola grafik yang dihasilkan dari pengolahan data dengan menggunakan program SPSS. Dasar pengambilan keputusannya adalah:
a. Jika ada pola tertentu seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang, melebar, kemudian menyempit), maka terjadi heterokedastisitas
b. Jika tidak ada pola jelas, serta titik-titik menyebar di atas dan di bawah angka nol (0) pada sumbu Y maka tidak terjadi heterokedastisitas
(46)
58 Sumber: hasil pengolahan SPSS
Gambar 4.3 Sccaterplot
Dari grafik scatterplot terlihat bahwa titik-titik menyebar secara acak serta tersebar baik di atas sumbu 0 maupun di bawah sumbu 0, sehingga dapat disimpulkan bahwa tidak terjadi heterokedastisitas pada model regresi. Adr anya titik-titik yang menyebar menjauh dari titik-titik yag lain disebabkan karena adanya data observasi yang sangat berbeda dengan data observasi lainnya.
4.2.2.4Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi ada korelasi pengganggu pada periode t dengan kesalahan penggangu pada periode t-1 (sebelumnya). Jika terjadi korelasi, maka dinamakan ada problem autokorelasi. Pada penelitian ini uji autokorelasi
(47)
59
yang digunakan adalah uji Durbin-Watson (DW Test), uji Lagrange Multiplier (LM Test), dan run test.
a. Uji Durbin-Watson (DW Test)
Berikut ini adalah tabel pengambilan keputusan ada tidaknya korelasi (Ghozali, 2013:111): Tabel 4.6
Pengambilan keputusan ada tidaknya korelasi dengan k=5 dan n=145:
No Hipotesis Nol Keputusan Jika
1 Tidak ada autokorelasi positif Tolak 0<d<dl 2 Tidak ada autokorelasi positif No Desicion dl≤d≤du 3 Tidak ada korelasi negative Tolak 4-dl<d<4 4 Tidak ada korelasi negative No Desicion 4-du≤d≤4-dl 5 Tidak ada autokorelasi positif
atau negative
Tidak Tolak du<d<4-du
Tabel 4.7
Uji Autokorelasi (DW Test) Model Summaryb Model R R Square Adjusted R
Square
Std. Error of the Estimate
Durbin-Watson
1 ,983
a
,966 ,964 1790015574 0083,24000
1,827 a. Predictors: (Constant), SBI, CAR, ROA, LDR, DPK, NPL
b. Dependent Variable: KREDIT Sumber: hasil pengolahan spss
Dari tabel 4.9 di atas menunjukkan nilai D-W sebesar 1,827. Selanjutnya nilai ini akan dibandingkan dengan nilai tabel dengan tingkat signifikansi 5%, jumlah sampel 145 (n=145), dan variabel independen 6 (k=6). Maka dari tabel Durbin Watson didapatkan nilai batas bawah (dl) adalah sebesar 1,560 dan batas bawah (du) adalah sebesar 1,778.
(48)
60
Oleh karena nilai D-W 1,827 lebih besar dari batas atas (du) 1,778 dan kurang dari 4 – 1,778 = 2,222 (4 – du), maka dapat disimpulkan tidak terdapat masalah autokorelasi positif atau negatif (du < d < 4 – du) atau (1,778 <1.827 < 2,222) atau dengan kata lain terdapat autokorelasi b. Uji Lagrange Multiplier (LM Test)
Uji LM test lebih tepat digunakan dibandingkan uji DW terutama bila sampel yang digunakan relatif besar. Uji LM akan menghasilkan statistik Breusch-Godfrey (BG) Test. Untuk menguji BG Test langkah awal yang harus dilakukan ialah mendapatkan nilai residual. Setelah nilai residual diperoleh, kemudian membentuk variabel Lag residual (Ut) dengan cara melakukan transformasi data. Adapun tampilan output BG Test yang diperoleh peneliti dapat dilihat pada tabel 4.11 di bawah ini.
Tabel 4.8
Uji Autokorelasi (LM Test)
P e n g a m
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
T Sig. Std. Error Beta
1
(Constant) 28,262 1,882 15,020 ,000
DPK 1,069E-013 ,000 ,577 4,849 ,000
LDR ,028 ,009 ,303 3,156 ,002
CAR -,032 ,026 -,163 -1,227 ,224
NPL ,087 ,056 ,207 1,566 ,122
ROA -,084 ,064 -,144 -1,326 ,189
SBI -,269 ,280 -,103 -,959 ,341
(49)
61
Pada tampilan output terlihat bahwa koefisien parameter untuk variabel Auto (Lag) menunjukkan probabilitas signifikan 0.341 (di atas 0.05). Dalam hal ini berarti data tidak terdapat autokorelasi.
c. Uji Run Test
Metode ini diperkenalkan oleh Geary sebagai uji nonparametrik dengan tanda positif dan negatif. Kaidah keputusan dalam metode ini adalah; tidak menolak hipotesis nol jika taksiran R berada pada jarak interval, dan menolak hipotesis nol jika taksiran R di luar batas interval.
Run test sebagai bagian dari statistik non-parametrik dapat pula digunakan untuk menguji apakah antar residual terdapat korelasi yang tinggi. Jika antar residual tidak terdapat hubungan korelasi maka dikatakan bahwa residual adalah acak atau random. Run test digunakan untuk melihat apakah data residual terjadi secara random atau tidak (sistematis).
H0 : residual (res_1) random (acak)
HA : residual (res_1) tidak random (Ghozali, 2013:120).
Dibawah ini adalah tampilan output SPSS mendeteksi autokorelasi dengan Run Test. Tabel 4.9
Uji Autokorelasi (Run Test) Runs Test
Unstandardized Residual
Test Valuea ,19015
Cases < Test Value 39 Cases >= Test
Value
39
Total Cases 78
Number of Runs 34
Z -1,368
Asymp. Sig. (2-tailed)
,171 a. Median
(50)
62
Hasil output SPSS menunjukkan bahwa nilai test adalah 0.19015 dengan probabilitas 0.171. signifikan pada 0.05 yang berarti hipotesis nol diterima, sehingga dapat disimpulkan bahwa residual adalah random (acak) atau tidak terjadi autokorelasi antar nilai residual.
Beberapa pengujian di atas telah dilakukan oleh peneliti untuk mendeteksi terdapat atau tidaknya autokorelasi. Dan hasilnya menunjukkan bahwa melalui ketiga pengujian tersebut tidak ditemukan terjadi autokorelasi pada data sehingga data dapat digunakan ke pengujian selanjutnya. Beberapa pengujian di atas telah dilakukan oleh peneliti untuk mendeteksi terdapat atau tidaknya autokorelasi. Dan hasilnya menunjukkan bahwa melalui ketiga pengujian tersebut tidak ditemukan terjadi autokorelasi pada data sehingga data dapat digunakan ke pengujian selanjutnya.
4.2.3 Analisis Regresi
Dari hasil uji asumsi klasik disimpulkan bahwa model regresi yang dipakai dalam penelitian ini telah memenuhi model estimasi yang Best Linear Unbiased Estimator (BLUE) dan layak dilakukan analisis regresi. Pengujian hipotesis dalam penelitian ini menggunakan analisis regresi berganda. Berikut ini adalah hasil pengolahan data dengan program SPSS Statistics 21.0.
Pengolahan data dengan menggunakan regresi linear dilakukan dalam beberapa tahapan untuk mencari hubungan antara variabel independen dan variabel dependen, melalui pengaruh Dana Pihak Ketiga, Loan to Deposit Ratio, Capital Adequacy Ratio, Non Performing Loan, Return on Asset, Suku Bunga SBI terhadap Jumlah Penyaluran Kredit. Berikut ini adalah hasil regresi yang disajikan dalam bentuk tabel.
(51)
63 Tabel 4.10 Hasil Analisis Regresi
Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
T Sig. B Std. Error Beta
1
(Constant) 28,262 1,882 15,020 ,000
DPK 1,069E-013 ,000 ,577 4,849 ,000
LDR ,028 ,009 ,303 3,156 ,002
CAR -,032 ,026 -,163 -1,227 ,224
NPL ,087 ,056 ,207 1,566 ,122
ROA -,084 ,064 -,144 -1,326 ,189
SBI -,269 ,280 -,103 -,959 ,341
a. Dependent Variable: LN_KR
Berdasarkan tabel di atas di peroleh persamaan regresi sebagai berikut: Y = 28,262 + 1,069X1 + 0.28X2 – 0,32X3 + 0.87X4 – 0.84X5 – 2.69X6 + ε Keterangan:
1. Konstanta sebesar 28,262 menunjukkan bahwa apabila tidak variabel independen (Dana Pihak Ketiga, Loan to Deposit Ratio, Capital Adequacy Ratio, Non Performing Loan, Return on Asset, Suku Bunga SBI = 0) maka Jumlah Kredit yang yang di berikan oleh Bank BUMN dan Bank Swasta yang terdaftar di BEI adalah sebesar Rp 28,262.
2. β1 sebesar 1,069 dan X1 adalah Dana Pihak Ketiga, menunjukkan bahwa DPK memiliki
pengaruh positif dan signifikan terhadap penyaluran kredit pada BUMN dan Bank Swasta yang terdaftar di BEI
3. β2 sebesar 0,28 dan X2 adalah Loan to Deposit Ratio, menunjukkan bahwa LDR memiliki
pengaruh positif dan signifikan terhadap penyaluran kredit pada BUMN dan Bank Swasta yang terdaftar di BEI
(52)
64
4. β3 sebesar -0,32 dan X3 adalah Capital Adequacy Ratio, menunjukkan bahwa CAR
memiliki pengaruh negatif dan tidak signifikan terhadap penyaluran kredit pada BUMN dan Bank Swasta yang terdaftar di BEI
5. β4 sebesar 0,87 dan X4 adalah Non Performing Loan, menunjukkan bahwa NPL memiliki
pengaruh positif dan signifikan terhadap penyaluran kredit pada BUMN dan Bank Swasta yang terdaftar di BEI
6. β5 sebesar -0,84 dan X5 adalah Return On Asset, menunjukkan bahwa ROA memiliki
pengaruh negatif dan tidak signifikan terhadap penyaluran kredit pada BUMN dan Bank Swasta yang terdaftar di BEI
7. β6 sebesar -2,69 dan X6 adalah Suku Bunga SBI, menunjukkan bahwa Suku Bunga SBI
memiliki pengaruh negatif dan tidak signifikan terhadap penyaluran kredit pada BUMN dan Bank Swasta yang terdaftar di BEI
4.2.4 Pengujian Hipotesis Penelitian
Pengujian hipotesis penelitian dilakukan untuk menguji keempat hipotesis penelitian yang telah dipaparkan sebelumnya. Untuk mengetahui apakah variabel independen dalam model regresi berpengaruh terhadap variabel dependen, maka dilakukan pengujian dengan menggunakan uji t (t test) dan uji F (F test).
4.2.4.1Analisis Koefisien Determinasi
Koefisien dete rminasi R Square (R2) menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Nilai R square adalah dari nol sampai satu. Nilai R square yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi
(53)
65
yang dibutuhkan untuk memprediksi variabel dependen. Kelemahan mendasar penggunaan R square adalah setiap penambahan variabel independen kedalam model maka R square pasti meningkat meskipun variabel independen tidak berpengaruh signifikan terhadap variabel dependen. Oleh karena itu banyak peneliti yang menganjurkan untuk menggunakan nilai adjusted R square saat mengevaluasi model regresi yang terbaik.
Dibawah ini akan ditampilan hasil analisis koefisien determinasi yang diperoleh peneliti.
Tabel 4.11
Hasil Analisis Koefisien Determinasi Model Summaryb
Mode l
R R Square Adjusted R Square
Std. Error of the Estimate
1 ,983
a
,966 ,964 1790015574 0083,24000 a. Predictors: (Constant), SBI, CAR, ROA, LDR, DPK, NPL
b. Dependent Variable: LN_KR Sumber: hasil pengolahan SPSS
Pada tabel diatas, model summary besarnya adjusted R square adalah 0,983, hal ini berarti bahwa 98,3 % dari variasi atau perubahan dalam Jumlah Penyaluran Kredit dapat dijelaskan oleh variabel independennya (Dana Pihak Ketiga, Loan to Deposit Ratio, Capital Adequacy Ratio, Non Performing Loan, Return on Asset, Suku Bunga SBI), sedangkan sisanya 1,7% dijelaskan oleh variabel lain diluar model.
(54)
66 4.2.4.2Uji Regresi Parsial (Uji t)
Uji statistik t dilakukan untuk menguji pengaruh dari variabel independen terhadap variabel dependennya secara individu. Untuk menguji apakah hipotesis yang diajukan diterima atau ditolak digunakan statistik t (uji t). Jika t hitung < t tabel, maka Ho diterima atau Ha ditolak, sedangkan jika t hitung > t tabel, maka Ho ditolak dan Ha diterima.
Berdasarkan hasil pengolahan SPSS, diperoleh hasil sebagai berikut : Tabel 4.12
Hasil Uji t Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
T Sig. B Std. Error Beta
1
(Constant) 28,262 1,882 15,020 ,000
DPK 1,069E-013 ,000 ,577 4,849 ,000
LDR ,028 ,009 ,303 3,156 ,002
CAR -,032 ,026 -,163 -1,227 ,224
NPL ,087 ,056 ,207 1,566 ,122
ROA -,084 ,064 -,144 -1,326 ,189
SBI -,269 ,280 -,103 -,959 ,341
a. Dependent Variable: LN_KREDIT Sumber : Hasil Pengolahan SPSS
a. Dari tabel regresi dapat dilihat besarnya t hitung untuk variabel Dana Pihak Ketiga (X1)
sebesar 4,849 dengan nilai signifikansi 0,000. T tabel adalah 1,976, sehingga t hitung > t tabel (4,849 >1,976 ). Signifikansi penelitian ini juga menunjukkan angka yang lebih kecil dari 0,05 (0.000 < 0,05), maka dapat disimpulkan Ho ditolak dan DPK (X1)
berpengaruh secara signifikan terhadap Jumlah Penyaluran Kredit (Y) yang mengidentifikasikan bahwa semakin tinggi DPK yang di peroleh maka semakin tinggi pula Jumlah Penyaluran Kredit, begitu juga sebaliknya
(55)
67
b. Dari tabel regresi dapat dilihat bahwa besarnya t hitung untuk variable Loan To Deposit Ratio (X2) sebesar 3,156 dengan nilai signifikansi 0,02, sedangkan t tabel adalah 1,976,
sehingga t hitung < t tabel (3,156 > 1,976). Signifikansi penelitian ini menunjukkan angka yang lebih kecil dari 0,05 (0,02 < 0,05), maka dapat disimpulkan Ho ditolak dan Loan to Deposit Ratio (X2) berpengaruh secara signifikan terhadap Jumlah Penyaluran
Kredit (Y) yang mengidentifikasikan bahwa semaikin tinggi LDR yang di peroleh maka semakin tinggi pula Jumlah Penyaluran Kredit (Y).
c. Dari tabel dapat dilihat bahwa besarnya t hitung untuk variabel Capital Adequacy Ratio (X3) sebesar -1.227 dengan nilai signifikansi 0,224. Hasi uji statistik tersebut
menunjukkan bahwa t hitung adalah 1,227 (dimutlakkan), sedangkan t tabel adalah 1,976 sehingga t hitung < t tabel (1,227 < 1,976). Signifikansi penelitian ini juga menunjukkan angka yang lebih besar dari 0,05 (0,224 > 0,05), maka dapat disimpulkan Ho diterima bahwa Capital Adequacy Ratio (X3) tidak berpengaruh secara signifikan terhadap Jumlah
Penyaluran Kredit (Y).
d. Dari tabel dapat dilihat bahwa besarnya t hitung untuk variabel Non Performing Loan (X4) sebesar 1,566 dengan nilai signifikansi 0,122. Hasil uji statistik tersebut
menunjukkan bahwa t hitung adalah 1,566, sedangkan t tabel adalah 1,976 sehingga t hitung < t tabel (1,566 < 1,976). Signifikansi penelitian ini menunjukkan angka yang lebih besar dari 0,05 (0,122 > 0,05), maka dapat disimpulkan bahwa H0 diterima bahwa Non Performing Loan (X4) tidak berpengaruh secara signifikan terhadap Jumlah
Penyaluran Kredit (Y)
e. Dari tabel dapat dilihat bahwa besarnya t hitung untuk variabel Return on Asset (X5)
(56)
68
bahwa t hitung adalah 1,326 (dimutlakkan), sedangkan t tabel adalah 1,976 sehingga t hitung < t tabel (1,326 < 1,976). Signifikansi penelitian ini juga menunjukkan angka yang lebih besar dari 0,05 (0,189 > 0,05), maka dapat disimpulkan H0 diterima bahwa Return On Asset (X5) tidak berpengaruh secara signifikan terhadap Jumlah Penyaluran Kredit
(Y).
f. Dari tabel dapat dilihat bahwa besarnya t hitung untuk variabel Suku Bunga SBI (X6)
sebesar -0,959 dengan nilai signifikansi 0,341. Hasil uji statistik tersebut menunjukkan bahwa t hitung adalah 0,959 (dimutlakkan), sedangkan t tabel adalah 1,976 sehingga t hitung < t tabel (0,959 < 1,976). Signifikansi penelitian ini juga menunjukkan angka yang lebih besar dari 0,05 (0,341 > 0,05), maka dapat disimpulkan H0 diterima bahwa Suku Bunga SBI (X6) tidak berpengaruh secara signifikan terhadap Jumlah Penyaluran Kredit
(Y).
4.2.4.3Uji Regresi Simultan (Uji f)
Uji signifikan simultan yang sering disebut dengan uji F ini dilakukan untuk menguji pengaruh yang ditimbulkan oleh keseluruhan variabel independen yang ada dalam model terhadap variabel dependennya. Berdasarkan hasil pengolahan data dengan menggunakan program SPSS versi 17, maka diperoleh hasil sebagai berikut :
(57)
69 Tabel 4.13 Hasil Uji f ANOVAa
Model Sum of
Squares
Df Mean Square F Sig.
1 Regression 1254652601 7011420000 0000000000 0,000
6 2091087669 5019035000 0000000000, 000
652,617 ,000b
Residual
4421734942 1654425000 000000000,0 00
138 3204155755 1923494000 0000000,000 Total 1298869951 1227964000 0000000000 0,000 144
a. Dependent Variable: KREDIT
b. Predictors: (Constant), SBI, CAR, ROA, LDR, DPK, NPL
Hasil uji ANOVA atau F test menunjukkan F hitung sebesar 652,617dengan tingkat signifikansi 0,000, sedangkan F tabel sebesar 2,0986 dengan signifikansi 0,05. Berdasarkan hasil tersebut dapat disimpulkan bahwa H0 ditolak , artinya bahwa dana pihak ketiga (X1), loan to deposit ratio (X2), capital adequacy ratio (X3), non
performing loan (X4), return on asset (X5), dan suku bunga SBI(X6) secara Ba
simultan berpengaruh secara signifikan terhadap Jumlah Penyaluran Kredit (Y) karena F hitung > F tabel (652,617 > 2,0986) dan signifikansi penelitian lebih kecil dari 0,05 (0,000 < 0,05).
(58)
70 4.3Pembahasan Hasil Penelitian
Hasil uji variabel secara parsial dapat dijelaskan sebagai berikut:
1. Berdasarkan hasil penelitian dapat diketahui bahwa rata-rata Jumlah Penyaluran Kredit (Y) adalah 28,9960 dengan nilai minimum 21,19 dan maksimum 33,79.
2. Pengaruh Dana Pihak Ketiga (X1) terhadap Jumlah Penyaluran Kredit (Y) adalah
variabel ukuran perusahaan dengan nilai β1 sebesar 4,849 menunjukkan hubungan yang
searah, dimana setiap bertambahnya dana pihak ketiga yang di terima oleh perusahaan perbankan (X1) maka akan memperbanyak Jumlah Penyaluran Kredit (Y). Dari hasil
penelitian ini dapat disimpulkan bahwa Dana Pihak Ketiga (X1) berpengaruh positif dan
berpengaruh secara signifikan terhadap Jumlah Penyaluran Kredit pada Bank BUMN dan Bank Swasta .
3. Pengaruh Loan to Deposit Ratio (X2) terhadap Jumlah Penyaluran Kredit (Y) adalah
variabel Loan to Deposit Ratio dengan nilai β2 sebesar 3,156 menunjukkan hubungan yang searah. Dari hasil penelitian ini dapat disimpulkan bahwa Loan to Deposit Ratio (X2)
berpengaruh positif dan berpengaruh secara signifikan terhadap Jumlah Penyaluran Kredit (Y). Hal ini dikarenakan bahwa nilai LDR semakin tinggi maka menunjukkan kemampuan kredit yang telah disalurkan oleh bank juga semakin tinggi guna memenuhi kewajiban jangka pendeknya. Dan sebaliknya, semakin rendah nilai LDR yang ada menunjukkan bahwa kemampuan kredit yang disalurkan oleh bank juga semakin rendah guna memenuhi kewajiban jangka pendeknya. Menurut Galih (2011) dan Yuwono (2012) LDR berpengaruh positif terhadap jumlah penyaluran kredit perbankan
(1)
6
5. Bapak Drs. M. Utama Nasution, MM. Ak. Dan Bapak Drs. Hotmal Jafar, MM, Ak. selaku Dosen Pembanding dan Dosen Penguji penulis yang banyak membantu dan memberikan masukan dalam menyelesaikan skripsi ini.
Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, karena itu penulis mengharapkan saran dan kritik dari semua pihak yang dapat membangun untuk menyempurnakan skripsi ini agar menjadi lebih baik lagi. Akhir kata, semoga skripsi ini dapat bermanfaat bagi para pembaca sekalian terutama penulis.
Medan, Maret 2015
Christin Natalia Simamora
NIM. 120522045
(2)
7 DAFTAR ISI
Halaman
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR TABEL ... vii
DAFTAR GAMBAR ... viii
DAFTAR LAMPIRAN ... ix
BAB I PENDAHULUAN ... 7
1.1. Latar Belakang Masalah ... 7
1.2. Rumusan Masalah ... 7
1.3. Tujuan dan Manfaat Penelitian ... 7
1.4.Sistematika Penulisan ... 9
BAB II TINJAUAN PUSTAKA ... 10
2.1Landasan Teori ... 10
2.1.1 Bank ... 10
2.1.2 Kredit ... 11
2.1.2.1 Tujuan Kredit ... 13
2.1.2.2 Fungsi Kredit ... 14
2.1.2.3 Jenis-Jenis Kredit ... 16
2.2 Faktor-Faktor Yang Mempengaruhi Penyaluran Kredit ... 22
2.2.1 Dana Pihak Ketiga ... 22
2.2.2 Loan to Deposit Ratio (LDR) ... 24
2.2.3 Capital Adequacy Ratio (CAR) ... 25
2.2.4 Non Performing Loan(NPL) ... 25
2.2.5 Return On Asset (ROA) ... 26
2.2.5 Suku Bunga SBI ... 26
2.3 Penelitian Terdahulu ... 27
2.4 Pengembangan Hipotesis ... 29
2.4.1 Pengaruh Dana Pihak Ketiga Terhadap Jumlah Penyaluran Kredit ... 29
2.4.2 Pengaruh Loan to Deposit Ratio (LDR) Terhadap Jumlah Penyaluran Kredit ... 29
2.4.3 Pengaruh Capital Adequacy Ratio (CAR)Terhadap Jumlah Penyaluran Kredit ... 30
2.4.4 Pengaruh Non Performing Loan(NPL)Terhadap Jumlah Penyaluran Kredit ... 30
2.4.5 Pengaruh Return On Asset (ROA)Terhadap Jumlah Penyaluran Kredit ... 31
(3)
8
2.4.6 Pengaruh Suku Bunga SBI Terhadap Jumlah
Penyaluran Kredit ... 32
2.5 Kerangka Konseptual ... 32
BAB III METODE PENELITIAN ... 34
3.1 Variabel Penelitian dan Defenisi Operasional Variabel ... 34
3.1.1 Variabel Penelitian ... 34
3.1.2 Defenisi Operasional Variabel ... 35
3.1.2.1 Jumlah Penyaluran Kredit ... 35
3.1.2.2 Dana Pihak Ketiga ... 35
3.1.2.3 Loan to Deposit Ratio ... 36
3.1.2.4 Capital Adequacy Ratio ... 36
3.1.2.5 Non Performing Loan ... 37
3.1.2.6 Return On Asset ... 37
3.2 Jenis dan Sumber data ... 38
3.3 Populasi dan Sampel Penelitian ... 38
3.4 Teknik Pengumpulan Data ... 39
3.5 Metode dan Teknik Analisis Data ... 40
3.5.1 Analisis Statistik Deskriptif ... 40
3.5.2 Uji Asumsi Klasik ... 40
3.5.3 Pengujian Hipotesis Penelitian ... 44
3.5.3.1 Analisis Koefisien Determinasi ... 45
3.5.3.2 Pengujian Signifikansi Parsial (Uji t) ... 45
3.5.3.3 Pengujian Signifikansi Simultan (Uji f) ... 46
BAB IV HASIL PENELITIAN DAN PEMBAHASAN ... 48
4.1 Data Penelitian 4.2 Analisis Hasil Penelitian ... 49
4.2.1 Analisis Statistik Deskriptif ... 49
4.2.2 Uji Asumsi Klasik ... 52
4.2.2.1 Uji Normalitas ... 52
4.2.2.2 Uji Multikolineritas ... 55
4.2.2.3 Uji Heterokedastisitas ... 58
4.2.2.4 Uji Autokorelasi ... 58
4.2.3 Analisis Regresi ... 62
4.2.4 Pengujian Hipotesis Penelitian ... 64
4.2.4.1 Analisis Koefisien Determinasi ... 65
4.2.4.2 Uji Regresi Parsial (Uji t) ... 66
4.2.4.3 Uji Regresi Simultan (Uji f) ... 68
4.3 Pembahasan Hasil Penelitian ... 69
BAB V KESIMPULAN 5.1 Kesimpulan ... 73
5.2 Saran ... 73
DAFTAR PUSTAKA ... 75
(4)
9
DAFTAR TABEL
No. Tabel Judul Halaman
2.1 Penelitian Terdahulu ... 27
4.1 Statistik Deskriptif Variabel-Variabel Penelitian ... 49
4.2 Frequencies Penelitian ... 52
4.3 Hasil Uji Normalitas K-S ... 54
4.4 Hasil Uji Multikolinearitas ... 55
4.5 Koefisien Korelasi Antar variable ... 56
4.6 Pengambilan Keputusan... 59
4.7 Uji Autokorelasi (DW Test)... 59
4.8 Uji Autokorelasi (LM Test) ... 60
4.9 Uji Run Test ... 61
4.10 Hasil Analisis Regresi ... 63
4.11 Hasil Koefiein Determinasi... 65
4.12 Hasil Uji t ... 66
4.13 Hasil Uji f ... 69
(5)
10
DAFTAR GAMBAR
2.1 Kerangka Konseptual ... 33
4.1 Histogram ... 53
4.2 Grafik Normal P.Plot... 54
4.3 Sccaterplot ... 58
(6)
11
DAFTAR LAMPIRAN
No Judul Lampiran Halaman
1. Daftar Populasi Perusahaan ... 77
2. Daftar Sampel Perusahaan ... 78
3. Daftar Variabel Penelitian ... 79
4. Data Hasil Pengelolaan SPSS ... 8