50
Tabel 3.2 Populasi dan Sampel
No Populasi
Kriteria Sampel
1 2
1 PT. Bank Muamalat Indonesia
√ √
1 2
PT. Bank Victoria Syariah -
√ -
3 PT. Bank BRI Syariah
√ √
2 4
PT. B.P.D. Jawa Barat Banten Syariah
- √
- 5
PT. Bank BNI Syariah
√ √
3 6
PT. Bank Syariah Mandiri
√ √
4 7
PT. Bank Syariah Mega Indonesia
√ √
5 8
PT. Bank Panin Syariah
√ √
6 9
PT. Bank Syariah Bukopin
√ √
7 10 PT. BCA Syariah
√ √
8 11 PT. Maybank Syariah Indonesia
- √
-
12 PT. Bank Tabungan Pensiunan Nasional Syariah -
√ -
Sumber : Bank Indonesia 2014 Diolah Berdasarkan dari tabel di atas, yang memenuhi kriteria untuk menjadi sampel
dalam penelitian ini dari 12 populasi tersebut adalah 8 Bank Umum Syariah BUS yaitu: PT. Bank Muamalat Indonesia, PT. Bank BRI Syariah, PT. Bank
BNI Syariah, PT Bank Syariah Mandiri, PT. Bank Mega Syriah Indonesia, PT. Bank Panin Syariah, PT. Bank Syariah Bukopin dan PT. Bank BCA Syariah.
Maka jumlah laporan keuangan tahunan yang diamati adalah berjumlah 32 laporan keuangan tahunan 8 x 4 laporan keuangan tahunan.
3.3. Jenis dan Sumber Data
Berdasarkan cara memperoleh data, jenis data dalam penelitian ini adalah data sekunder secondary date. Menurut Sekaran 2006, data sekunder mengacu
pada informasi yang dikumpulkan oleh seseorang dan bukan peneliti yang melakukan studi mutakhir. Data sekunder yang digunakan dalam penelitian ini
merupakan data-data kuantitatif, meliputi laporan keuangan tahunan bank umum syariah yang menjadi sampel selama periode 2010 - 2013. Data sekunder yang
Universitas Sumatera Utara
51 dibutuhkan tersebut diperoleh dari publikasi oleh instansi-instansi yang terkait
seperti bursa efek Indonesia dan bank syariah yang dimaksud disampel penelitian melalui browsing pada website instansi-instansi tersebut.
3.4. Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini menggunakan cara studi dokumenter dari laporan tahunan Bank Umum Syariah yang terdiri dari
PT. Bank Muamalat Indonesia, PT. Bank BRI Syaiah, PT. Bank BNI Syariah, PT Bank Syariah Mandiri, PT. Bank Syariah Mega Indonesia, PT. Bank Panin
Syariah, PT. Bank Syariah Bukopin, dan PT. BCA Syariah selama periode 2010 - 2013 melalui situs antara lain: www.idx.co.id, dan situs instansi yang menjadi
sampel.
3.5. Metode Analisis
Analisis data dalam penelitian ini adalah analisis kuantitatif dengan menggunakan teknik perhitungan statistik. Analisis data yang diperoleh dalam
penelitian ini akan menggunakan bantuan teknologi komputer yaitu Microsoft excel dan menggunakan program aplikasi SPSS Statistical Product and Service
Solution. Metode analisis data yang digunakan dalam penelitian ini adalah dengan metode analisis Regresi Linier Berganda. Dalam melakukan analisis
regresi linier berganda, metode ini mensyaratkan untuk melakukan uji asumsi klasik agar mendapatkan hasil regresi yang baik Ghozali, 2009. Uji asumsi
klasik tersebut terdiri dari: 1. Uji normalitas dengan menggunakan uji Kolmogrov-Smirnov dengan tingkat
signifikansi 5.
Universitas Sumatera Utara
52 2. Uji heteroskedastisitas dengan melihat grafik scatterplot.
3. Uji autokorelasi dengan melakukan pengujian nilai Durbin Watson DW test; 4. Uji multikoliniearitas dengan menggunakan nilai Tolerance dan Variance
Inflation Factor VIF;
A. Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata mean, standar deviasi, varian, maksimum, minimum,
sum, range, kurtosis, dan skewness Ghozali, 2006 : 19.
B. Uji Asumsi Klasik
Pengujian asumsi klasik dilakukan agar memperoleh hasil regresi yang bisa dipertanggungjawabkan dan mempunyai hasil yang tidak bias atau disebut Best
Linier Unbiaxed Estimator BLUE. Dari pengujian tersebut asumsi-asumsi yang harus dipenuhi adalah tidak terdapat korelasi yang erat antara variabel independen
multikolinearitas, tidak terdapat korelasi residual periode t dengan t -1.
B.1. Uji Normalitas
Uji asumsi klasik ini bertujuan untuk mengetahui apakah dalam model regresi, variabel dependen dan independen keduanya memiliki
distibusi normal atau tidak. Model regresi yang baik memiliki distribusi data yang normal atau mendekati normal Ghozali, 2007 Asumsi normalitas
dianggap terpenuhi bila data yang digunakan cukup besar N30. Untuk menguji normalitas dapat digunakan Scatterplot diagram test statistic.
Pendekatan dalam pengujian kenormalitasan residual dapat dibentuk melalui sebuah plot kenormalan residual.
Universitas Sumatera Utara
53 Menurut Ghozali 2005, normalitas dapat dideteksi dengan melihat
penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residu. Adapun dasar pengambilan keputusan:
1 Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal atau grafik histogram menunjukkan pola distribusi normal,
maka model regresi memenuhi asumsi normalitas. 2 Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti
garis diagonal atau grafik histogram tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi normalitas.
Secara statistik uji normalitas juga dapat dilakukan dengan menggunakan one sample kolmogorov-Smirnov test. Jika nilai sig 2-tailed
lebih besar dari tingkat signifikan 0,05, maka mengindikasikan variabel independen terdistribusi normal. Selain itu,
uji normalitas dapat juga dilihat melaui grafik histogram dan grafik normal plot.
B.2. Uji Heteroskedastisitas
Menurut Erlina 2008:106, “uji ini bertujuan untuk melihat apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu
pengamatan ke pengamatan lain.” Jika varians dari residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homoskedastisitas. Sebaliknya
jika varians berbeda, maka disebut heteroskedastisitas. Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
Untuk melihat ada tidaknya heteroskedastisitas dilakukan dengan mengamati Grafik scatterplot antara nilai prediksi variabel terikat dengan
Universitas Sumatera Utara
54 residualnya. Deteksi ada tidaknya heterokedastisitas dilakukan dengan
melihat ada tidaknya pola tertentu pada grafik scatterplot dengan dasar analisis:
1 jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit,
maka mengindikasikan telah terjadi heteroskedastisitas. 2 jika tidak ada pola yang jelas, seperti titik menyebar di atas dan di bawah
angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas Ghozali, 2005:105.
B.3. Uji Autokorelasi
Uji autokorelasi bertujuan menguji apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan
kesalahan pada periode t-1 sebelumnya. Jika terjadi korelasi, maka dikatakan ada problemautokorelasi. Autokorelasi muncul karena observasi
yang berurutan sepanjang waktu berkaitan satu sama lain. Masalah ini timbul karena residual kesalahan pengganggu tidak bebas dari satu
observasi ke observasi yang lain. Untuk mendeteksi ada atau tidaknya autokorelasi digunakan uji
Durbin Watson Test DW Test sebagai pengujinya dengan taraf signifikansi α = 5. Dasar pengambilan keputusan ada atau tidaknya autokorelasi dari
Prof. Singgih sebagai berikut : a Angka D-W dibawah -2 berarti ada autokorelasi positif,
b Angka D-W di antara -2 sampai +2, berarti tidak ada autokorelasi,
Universitas Sumatera Utara
55 c Angka D-W di atas +2 berarti ada autokorelasi negatif.
B.4. Uji Multikolinieritas
Multikoliniearitas diartikan sebagai hubungan linier yang sempurna antara beberapa atau semua variabel bebas. Tujuan dilakukan pengujian
multikoliniearitas adalah mengetahui apakah dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik
seharusnya tidak terjadi korelasi diantara variabel independen. Apabila variabel bebas saling berkorelasi, maka variabel ini tidak ortogonal. Variabel
ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel = 0.
Menurut Sudarmanto 2013 : 225 untuk mendeteksi ada tidaknya multikoliniearitas dalam suatu model regresi adalah sebagai berikut :
1. Adanya perubahan yang kecil pada data yang mengakibatkan perubahan yang signifikan pada variabel yang diamati.
2. Adanya koefisien R
2
koefisien determinasi yang sangat tinggi akan tetapi koefisien standar error dan tingkat signifikansi masing-masing
variabel sangat rendah. 3. Harga koefisien masing-masing variabel tidak searah dengan hipotesis
yang diajukan. Asumsi tidak adanya hubungan yang linear ini multikolinearitas, akan
mengakibatkan : 1. tingkat ketelitian koefisien regresi sebagai penduga sangat rendah, dengan
demikian menjadi kurang akurat.
Universitas Sumatera Utara
56 2. koefisien regresi serta ragamnya akan bersifat tidak stabil, sehingga
adanya sedikit perubahan pada data mengakibatkan ragamnya berubah sangat berarti.
3. tidak dapat memisahkan pengaruh tiap – tiap variabel bebas independen
secara individu terhadap variabel terikatnya dependen. Ada beberapa cara yang sering digunakan untuk membuktikan ada atau
tidaknya multikolinearitas, yaitu : 1. Uji multikolinearitas dengan menggunakan korelasi product moment.
Apabila menggunakan koefisien korelasi produk momen, maka harga koefisien korelasi hitung harus dibandingkan dengan harga koefisien
korelasi tabel untuk df = N-1-1 dengan alpha 5. Ketentuan yang digunakan sebagai berikut.
a Apabila harga koefisien r
hitung
r
tabel
, maka Ho diterima yang berarti
tidak terjadi adanya multikolinearitas antara variabel indevenden. b Apabila harga koefisien r
hitung
r
tabel
, maka Ho ditolak yang berarti
terjadi multikolinearitas antara variabel indevenden. 2. Uji multikolinearitas dengan menggunakan variance inflation factor
VIF. Dalam menggunakan korelasi variance inflation factor VIF hanya
dengan melihat apakah harga koefisien VIF untuk masing-masing variabel independen lebih besar daripada 10 atau tidak. Apabila harga koefisien VIF
untuk masing-masing variabel independen lebih besar daripada 10, maka variabel tersebut diindikasikan memiliki gejala multikolinearitas. Apabila
Universitas Sumatera Utara
57 menggunakan VIF untuk menguji hipotesisnya, maka kriteria atau ukuran
yang digunakan adalah : a Apabila harga koefisien VIF hitung pada Collinearity Statistics sama
dengan atau lebih kecil daripada 10 VIF
hitung
≤ 10, maka Ho diterima yang berarti tidak terdapat hubungan antarvariabel independen tidak
terjadi multikolinieritas. b Apabila harga koefisien VIF hitung pada Collinearity Statistics lebih
besar daripada 10 VIF
hitung
10, maka Ho ditolak yang berarti terdapat hubungan
antarvariabel independen
terjadi multikolinearitas.
Sudarmanto , 2013 : 239
C. Analisis Regresi Berganda
Analisis ini digunakan untuk mengetahui pengaruh variabel bebas terhadap variabel terikat. Dalam hal ini yang menjadi variabel bebas adalah piutang
murabahah, pembiayaan mudharabah, pembiayaan musyarakah, dan Non Performing Financing NPF sedangkan variabel terikatnya adalah Return On
Asset ROA. Persamaan regresi berganda dalam penelitian ini sebagai berikut:
ROA = α + β1 Ln _PMr + β2 Ln _ PMd + β3 Ln _PMs + β4 NPF + ε1
Keterangan: α
: Konstanta β1, β2, β3, β4 : Koefisien regresi
ROA : Return on Asset
PMr : Logaritma Natural Piutang Murabahah
Universitas Sumatera Utara
58 PMd
: Logaritma Natural Pembiayaan Mudharabah PMs
: Logaritma Natural Pembiayaan Musyarakah NPF
: Non Performing Financing ε1
: Error kesalahan pengganggu
D. Pengujian Hipotesis
D.1. Uji F-statistic
Pengujian ini bertujuan untuk mengetahui apakah variabel independen secara simultan atau bersama-sama mempengaruhi variabel dependent
secara signifikan. Pengujian ini menggunakan uji F yaitu dengan membandingkan F
hitung
dengan F
tabel
. Uji ini dilakukan dengan syarat: 1 Bila F
hitung
F
tabel,
maka Ho diterima dan ditolak Ha, artinya bahwa secara simultan variabel independen tidak berpengaruh terhadap variabel
dependen. 2 Bila F
hitung
F
tabel
, maka Ho ditolak dan menerima Ha artinya bahwa secara simultan variabel independen berpengaruh terhadap variabel
dependen. Pengujian ini juga dapat menggunakan pengamatan nilai signifikan F
pada tingkat α yang digunakan penelitian ini menggunakan tingkat α sebesar 5 . Analisis ini didasarkan pada perbandingan antara nilai
signifikansi F dengan nilai signifikansi 0,05 dengan syarat -syarat sebagai berikut:
Universitas Sumatera Utara
59 1 Jika signifikansi F
hitung
0,05, maka Ho ditolak yang berarti variabel- variabel independent secara simultan berpengaruh signifikan terhadap
variabel dependen. 2 Jika signifikansi F
hitung
0,05, maka Ho diterima yang berarti variabel independent secara simultan tidak berpengaruh signifikan terhadap
variabel dependen.
D.2. Uji t-statistic
Pada dasarnya, uji t digunakan untuk mengukur seberapa jauh pengaruh satu variabel independen secara parsial dalam menerangkan variasi
variable dependen. Uji ini dilakukan dengan syarat: 1 Bila t
hitung
t
tabel,
maka Ho diterima dan Ha ditolak, artinya bahwa secara parsial variabel independen tidak berpengaruh terhadap variabel
dependen. 2 Bila t
hitung
t
tabel
, maka Ho ditolak dan Ha diterima, artinya bahwa secara parsial variabel independen berpengaruh terhadap variabel
dependen. Pengujian ini juga dapat menggunakan pengamatan nilai signifikan t
pa da tingkat α yang digunakan penelitian ini menggunakat tingkat α sebesar
5. Analisis ini didasarkan pada perbandingan antara nilai signifikansi t dengan nilai signifikansi 0,05 dengan syarat -syarat sebagai berikut:
1 Jika signifikansi t
hitung
0,05, maka Ho ditolak yang berarti variabel independen secara parsial berpengaruh signifikan terhadap variabel
dependen.
Universitas Sumatera Utara
60 2 Jika signifikansi t
hitung
0,05, maka Ho diterima yang berarti variabel independen secara parsial tidak berpengaruh signifikan terhadap variabel
dependen.
D.3. Uji R
2
Uji R
2
pada intinya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi
adalah antara nol dan satu. Nilai R
2
yang kecil berarti kemampuan variabel- variabel indenpenden dalam menjelaskan variasi variabel dependen sangat
terbatas. Nilai yang mendekati satu berarti variabel-variabel independen memberikan hampir semua informasi yang dibutuhkan untuk memprediksi
variasi variabel dependen. Ghozali, 2005.
3.6. Jadwal Penelitian