Bank Indonesia dan Malaysia mengalami peningkatan pertumbuhan aset tetap dibandingkan tahun 2011.
Variabel Z
2
total aset dalam penelitian ini adalah sebuah variabel penjelas yang ikut memengaruhi nilai profit efficiency. Dari Gambar 4.5 dapat
dilihat bahwa total aset dari Islamic Bank Indonesia dan Malaysia mengalami pertumbuhan dalam rentang waktu observasi 2007-2012.
Gambar 4.5. Pertumbuhan total aset Islamic Bank Indonesia dan Malaysia Dari Gambar 4.5 tersebut juga dapat ditunjukkan bahwa Islamic Bank Indonesia
mengalami pertumbuhan total aset sampai tahun 2010, kemudian mengalami penurunan pada tahun 2011 dan 2012. Sementara itu Islamic Bank Malaysia
cenderung mengalami penurunan pertumbuhan total aset secara overall waktu observasi.
4.2. Uji Asumsi Klasik
Penelitian ini menggunakan metode Stochastic Frontier Analysis SFA yang bersifat parametrik untuk mengestimasi parameter serta nilai profit efficiency
Islamic Bank Indonesia dan Malaysia. Oleh karena itu sebelum proses estimasi
Universitas Sumatera Utara
dijalankan maka akan dilakukan terlebih dahulu uji asumsi klasik terhadap data penelitian yang meliputi uji normalitas, multikolinearitas, heteroskedastisitas, dan
autokorelasi. Pengujian asumsi klasik ini dilakukan dengan bantuan software SPSS 19. Data yang akan diuji merupakan data dalam bentuk logaritma natural,
disesuaikan dengan model matematis yang digunakan dalam penelitian ini. Uji normalitas dimaksudkan untuk menguji nilai residual, apakah
terdistribusi normal atau tidak. Uji normalitas untuk Islamic Bank Indonesia dan Malaysia dilakukan dengan menggunakan metode Skewness dan Kurtosis. Data
dikatakan normal jika rasio antara nilai skewness atau kurtosis terhadap standar error nya berada dalam rentang -2
≤ rasio ≤ +2. Hasil uji normalitas untuk data Islamic Bank Indonesia dan Malaysia dapat dilihat pada Tabel 4.3 dan Tabel 4.4
.Tabel 4.3. Uji normalitas Islamic Bank Indonesia N
Skewness Ratio
AB Kurtosis
Ratio CD
Statistic Statistic
A Std.
Error B
Statistic C
Std. Error
D Y
43 0,02
0,36 0,04
-0,80 0,71
-1,12 X
1
43 -0,10
0,36 -0,28
-0,75 0,71
-1,06 X
2
43 -0,27
0,36 -0,74
-0,81 0,71
-1,14 X
3
43 -0,32
0,36 -0,88
-0,32 0,71
-0,36 Sumber: Data diolah
Tabel 4.4. Uji normalitas Islamic Bank Malaysia N
Skewness Ratio
AB Kurtosis
Ratio CD
Statistic Statistic
A Std.
Error B
Statistic C
Std. Error
D Y
69 0,15
0,29 0,51
-0,62 0,57
-1,09 X
1
69 -0,14
0,29 -0,49
-0,43 0,57
-0,75 X
2
69 -0,26
0,29 -0,91
-0,53 0,57
-0,93 X
3
69 0,08
0,29 0,28
-0,81 0,57
-1,41 Sumber: Data diolah
Universitas Sumatera Utara
Dari Tabel 4.3 dan Tabel 4.4 dapat dilihat bahwa rasio antara nilai skewness atau kurtosis terhadap standard error berada dalam rentang -2 dan +2. Oleh karena itu
disimpulkan bahwa data Islamic Bank Indonesia dan Malaysia sudah memenuhi kaidah normalitas.
Uji multikolinearitas dilakukan untuk melihat keberadaan korelasi antar variabel bebas. Pengujian ini dilakukan dengan mengacu kepada indikator Value
Inflation Factor VIF parsial. Data dikatakan terhindar dari kondisi multikolinearitas jika memiliki nilai VIF tidak melebihi 10. Hasil output SPSS
terhadap nilai VIF Islamic Bank Indonesia dan Malaysia dapat dilihat pada Tabel 4.5 dan Tabel 4.6.
Tabel 4.5. Uji multikolinearitas Islamic Bank Indonesia Variabel
Unstandardized Coefficients Collinearity Statistics β
Std. Error Tolerance
VIF Konstanta
-1,51 3,03
X
1
1,18 0,32
0,10 10,09
X
2
-0,27 0,31
0,11 8,82
X
3
-0,04 0,18
0,33 3,03
Sumber: data diolah Tabel 4.6. Uji multikolinearitas Islamic Bank Malaysia
Variabel Unstandardized Coefficients Collinearity Statistics
β Std. Error
Tolerance VIF
Konstanta 0,90
2,39 X
1
0,79 0,12
0,67 1,48
X
2
0,04 0,09
0,37 2,73
X
3
-0,08 0,06
0,43 2,33
Sumber: data diolah
Universitas Sumatera Utara
Dari Tabel 4.5 dan Tabel 4.6 dapat dilihat bahwa semua nilai VIF dari masing- masing variabel bebas X
1
, X
2
, dan X
3
pada data Islamic Indonesia dan Malaysia tidak melebihi nilai 10. Oleh karena itu disimpulkan bahwa pada data Islamic
Bank Indonesia tidak terdapat multikolinearitas. Uji Heteroskedastisitas dilakukan dengan menggunakan metode White.
Uji heteroskedastisitas ini dilakukan untuk melihat adanya perbedaan variansi antar variabel.
Tabel 4.7. Uji Heteroskedastisitas Islamic Bank Indoneia Model
R R
2
Adjusted R
2
Std. Error 1
0,49 0,24
0,12 1,16
Sumber: data diolah Tabel 4.7 menunjukkan nilai R
2
yang didapatkan untuk uji heteroskedastisitas Islamic Bank Indonesia, yaitu 0,24. Nilai hitung chi square didapatkan dari hasil
perkalian jumlah observasi n = 43 dengan R
2
, sehingga didapatkan angka sebesar 10,32. Nilai ini lebih kecil dari nilai tabel chi square pada level
signifikansi 5 dan derajat kebebasan k-1 = 8 yaitu sebesar 15,51. Dengan demikian disimpulkan bahwa data Islamic Bank Indonesia terbebas dari
heteroskedastisitas. Tabel 4.7. Uji Heteroskedastisitas Islamic Bank Malaysia
Model R
R
2
Adjusted R
2
Std. Error 1
0,75 0,57
0,51 0,53
Sumber: data diolah Sementara itu untuk Islamic Bank Malaysia sebagaimana terlihat pada Tabel 4.8,
hasil perhitungan chi square, yaitu n x R
2
= 39,33 dengan jumlah observasi 69, lebih besar jika dibandingkan dengan nilai tabel chi square 15,51. Dengan
demikian dapat disimpulkan bahwa data Islamic Bank Malaysia mengalami
Universitas Sumatera Utara
heteroskedastisitas. Walaupun demikian, data masih bisa digunakan karena dalam penelitian ini digunakan bentuk fungsi translog dengan mengikutsertakan
inefficiency effect model yang mengakomodir kondisi heteroskedastisitas Villano dan Fleming, 2004
Pengujian asumsi klasik yang terakhir adalah autokorelasi, yaitu menguji apakah terdapat korelasi antara error pada saat ini dengan error pada saat
sebelumnya. Pengujian autokorelasi pada data penelitian ini dilakukan dengan metode Durbin-Watson. Jika nilai koefisien Durbin-Watson yang didapat berada
dalam selang nilai -2 ≤ X ≤ +2, maka dipastikan data tersebut terbebas dari
masalah autokorelasi. Nilai koefisien Durbin-Watson dari hasil pengujian data Islamic Bank Indonesia dan Malaysia berturut-turut dapat dilihat pada Tabel 4.9
dan Tabel 4.10. Dari kedua Tabel tersebut dapat dilihat bahwa nilai koefisien Durbin-Watson Islamic Bank Indonesia dan Malaysia adalah 1,60 dan 1,82.
Dengan demikian dapat disimpulkan bahwa data penelitian Islamic Bank Indonesia dan Malaysia terbebas dari masalah autokorelasi.
Tabel 4.9. Koefisien Durbin-Watson Islamic Bank Indonesia Model
R R
2
Adjusted R
2
Std. Error Durbin-
Watson 1
0,82 0,66
0,64 0,93
1,60 Sumber: data diolah
Tabel 4.10. Koefisien Durbin-Watson Islamic Bank Malaysia Model
R R
2
Adjusted R
2
Std. Error Durbin-
Watson 1
0,68 0,46
0,43 0,67
1,82 Sumber: data diolah
Universitas Sumatera Utara
4.3. Pemilihan Model Fungsi Stochastic Profit Frontier
