79
domestik, di tengah kontribusi sektor eksternal yang menurun. Dari sisi permintaan domestik, peningkatan pertumbuhan ekonomi terutama
didorong oleh meningkatnya peran Pemerintah, baik dalam bentuk konsumsi pemerintah maupun investasi infrastruktur.
4. Perkembangan Inflasi
Inflasi merupakan fenomena ekonomi yang selalu menarik untuk dibahas terutama mengenai dampaknya yang luas terhadap makso
ekonomi agregat: pertumbuhan ekonomi, keseimbangan eksternal, daya saing, tingkat bunga, dan bahkan distribusi pendapatan Nurul Huda, 2008:
175. Berdasarkan data yang diperoleh dari Bank Indonesia, dapat dilihat grafik perkembangan inflasi di bawah ini :
3 4
5 6
7 8
9
I II
III IV
I II
III IV
I II
III IV
I II
III IV
I 2012
2013 2014
2015 2016
INF
Gambar 4.5: Perkembangan Inflasi
Sumber : Eviews 8 data diolah
Berdasarkan grafik di atas, inflasi mengalami fluktuasi setiap bulan dan tahunnya, seperti terlihat pada pertengahan tahun 2013 mengalami
kenaikan yang cukup tajam dan jumlah inflasinya mencapai 8,8 dan pertengahan tahun 2014 mengalami penurunan yang cukup tajam pula
sehingga jumlah inflasi pada pertengahan tahun 2014 sebesar 4,0 ,
80
hingga kembali mengalami kenaikan di akhir tahun 2014 yang jumlahnya sebesar 8,4, hingga pada akhir tahun 2015 jumlah inflasi sebesar 3,3 .
Adanya kenaikan harga di 2013 dikarenakan oleh porsi yang signifikan dari harga bahan bakar Indonesia tetap disubsidi, sementara
kenaikan harga bahan bakar menuntut peningkatan secara terus menerus, dan karenanya Bank Dunia, IMF, dan Kantor Dagang Industri Indonesia
Kadin terus menekankan pentingnya menghentikan program ini.
B. Analisis dan Pembahasan
Semua data yang digunakan dalam analisis ini merupakan data sekunder deret waktu time series yang berbentuk bulanan mulai dari periode Januar
2012 sampai Februari 2016. Dalam penelitian ini penulis akan memaparkan mengenai Non Performing Financing NPF sebagai dapak dari moral hazard
dan adverse selection sebagai variabel dependen variabel terikat. Sedangkan variabel independen variabel bebas terdiri dari Gross Domestic Product,
Inflasi, kebijakan perbankan yang direpresentasikan oleh return yang dihasilkan oleh rasio margin murabahah MM terhadap profit loss sharing
mudharabah MPLS, alokasi pembiayaan yang direprestasikan oleh rasio pembiayaan murabahah RM terhadap pembiayaan mudharabah FM, dan
tingkat bagi hasil. Alat pengolahan data yang digunakan dalam penelitian ini adalah
perangkat lunak software komputer Eviews 8 untuk mempercepat perolehan hasil yang dapat menjelaskan variabel-variabel yang diteliti, dengan metode
81
analisis secara ekonometrik. Adapun hasil dan analisi dari uji yang sudah dilakukan, yakni:
1. Uji Normalitas Uji normalitas yang digunakan pada penelitian ini menggunakan
teknik Jarque-Berra. Pedoman yang digunakan adalah apabila nilai Jarque- Berra tidak signifikan lebih kecil dari 2, maka data terdistribusi normal.
Dan apabila probabilitas lebih besar dari 5 maka data terdistribusi normal Winarno, 2015:5.43.
Gambar 4.6: Uji Normalitas
Sumber : Eviews 8 data diolah
Gambar menunjukan bahwa setelah dilakukan uji normalitas data dengan menggunakan fasilitas eviews maka semua variabel pada
pengujian model ini menunjukan bahwa penelitian diatas berdistribusi normal atau dapat dikatakan bahwa persyaratan normalitas dapat dipenuhi.
Hal ini dapat dilihat dari nilai J-B pada penelitian ini sebesar 1.959547 dengan probability 0.375396. Di mana probabilitas harus lebih besar dari
α= 0,05. Oleh karena itu H
1
diterima dan menunjukan bahwa penelitian
82
tersebut berdistribusi normal, sehingga dapat dikatakan bahwa persyaratan normalitas dapat terpenuhi.
2. Uji Linieritas Uji Linieritas merupakan pengujian yang dilakukan untuk melihat
apakah model fungsi regresi yang digunakan sudah benar atau tidak. Indikator bahwa model ini memenuhi asumsi linieritas dapat dilihat
melalui Prob.F dan membandingkannya dengan nilai signifikansi α. Data dikatakan memenuhi asumsi linieritas apabila nilai Prob.F lebih besar dari
nilai signifikans i α, berikut merupakan hasil uji linieritas :
Gambar 4.7: Uji Linearitas
Sumber : Eviews 8 data diolah
Dari uji linieritas Uji Ramsey RESET Test pada tabel di atas nilai probabilitasnya adalah 0.5673 ternyata lebih besar dari derajat signifikansi
5 0,05. Artinya tidak ada permasalahan linieritas. Dengan kata lain bentuk model estimasi dalam penelitian ini adalah linear.
3. Uji Stasioner a. Uji Akar Unit
Uji stasioner dideteksi dengan menggunakan uji akar unit unit root test. Uji akar unit digunakan untuk melihat suatu data stasioner
83
atau tidak dilihat dengan membandingkan nilai uji statistik dengan nilai kritis pada berbagai tingkat signifikansi
α = 1, 5, 10. Dalam pengujian stasioner peneliti menggunakan uji Phillips-Perron.
Pengujian akar-akar unit dikatakan stasioner apabila nilai Phillips- Perron test Pp test lebih besar dari nilai Critical Value CV 5,
sebaliknya jika nilai Phillips-Perron test Pp test lebih kecil dari nilai Critical Value CV 5. Maka variabel tersebut tidak stasioner.
Tahap pertama, dilakukan uji akar-akar unit untuk mengetahui pada derajat keberapa data yang digunakan stasioner. Jika PPtest lebih
besar dibandingkan dengan critical value α = 5 maka data telah stasioner. Hasil dari pengujian stasioner adalah sebagai berikut:
Tabel 4.1: Uji Akar Unit nilai Phillips-Perron test pada Tingkat Level
No Variabel
Level Keterangan
Pptest CV 5
1. NPF
-0.744067 -2.922449
Tidak Stasioner 2.
GDP -1.621615
-2.922449 Tidak Stasioner
3. INF
-2.123878 -2.922449
Tidak Stasioner 4.
MMMPLS -1.542341
-2.922449 Tidak Stasioner
5. RMFM
-3.843163 -2.922449
Stasioner 6.
TBH -1.756579
-2.922449 Tidak Stasioner
Sumber : Eviews 8 data diolah
Tabel di atas menunjukan hasil uji akar-akar unit dengan menggunakan Phillips-Perron test. Dari tabel tersebut sesuai dengan
data yang diuji dapat diketahui dari nilai Phillips-Perron test Pptest dan dari nilai Critical Value CV 5, terdapat variabel yang di uji
memiliki persoalan akar unit PPtest Critical Value CV 5 kecuali variabel RM_FM. dengan kata lain variabel-variabel tersebut
84
pada tingkat level mengalami persoalan akar-akar unit, oleh karena itu perlu dilanjutkan dengan uji derajat integrasi pertama.
b. Uji Derajat Integrasi Uji akar unit menghasilkan kesimpulan bahwa terdapat data
belum stasioner pada tingkat level. Oleh karena itu, harus dilakukan Uji Derajat Integrasi. Nilai statistik Phillips-Perron untuk mengetahui
pada derajat berapa suatu data akan stasioner dapat dilihat pada nilai Phillips-Perron test Pp test yang lebih besar dari nilai Critical Value
CV 5, maka variabel tersebut dikatakan stasioner pada derajat pertama. Hasil dari pengujian derajat integrasi pertama dapat dilihat
pada tabel 4.2 Berikut ini:
Tabel 4.2: Uji Akar Unit Phillips-Perron test pada first difference
No Variabel
Level Keterangan
Pptest CV 5
1. NPF
-8.385875 -2.923780
Stasioner 2.
GDP -3.575050
-2.923780 Stasioner
3. INF
-4.900655 -2.923780
Stasioner 4.
MMMPLS -9.111775
-2.923780 Stasioner
5. RMFM
-4.327805 -2.923780
Stasioner 6.
TBH -7.797637
-2.923780 Stasioner
Sumber : Eviews 8 data diolah
Dari tabel di atas dapat diketahui bahwa nilai Phillips-Perron test Pptest dan dari nilai Critical Value CV 5 sudah stasioner pada
integrasi pertama first difference. Kesimpulan dari data yang diolah adalah semua variabel sudah stasioner pada tingkat first difference,
sehingga tidak perlu dilakukan pengujian pada tingkat berikutnya
85
second difference dan pengujian dapat dilanjutkan dengan uji berikutnya yaitu Uji Kointegrasi.
4. Uji Kointegrasi
Hasil Uji Kointegrasi didapat apabila semua variabel stasioner pada ordo yang sama. Tujuan utama uji kointegrasi ini adalah untuk
mengetahui apakah residual regresi terkointegrasi stasioner atau tidak. Apabila variabel terkointegrasi maka terdapat hubungan yang stabil
dalam jangka panjang. Sebaliknya jika tidak terdapat kointegrasi antar variabel maka implikasi tidak adanya keterkaitan hubungan dalam
jangka panjang. Penelitian ini menggunakan Uji Johansen untuk melihat suatu data memiliki hubungan jangka panjang atau tidak. Berikut ini
hasil uji kointegrasi Johansen :
86
Gambar 4.8: Uji Johansen Kointegrasi
Sumber : Eviews 8 data diolah
Dari gambar di atas ditunjukan nilai trace statistic CV 5 yaitu 132.4507 95.75366 dengan probabilitas 0,0000 sehingga dapat
disimpulkan bahwa setiap variabel saling berkointegrasi atau terdapat adanya indikasi hubungan dalam jangka panjang. Adanya indikasi
hubungan keseimbangan dalam jangka panjang belum dapat digunakan sebagai bukti bahwa terdapat hubungan antara variabel-variabelnya dalam
87
jangka panjang. Kemudian untuk menentukan variabel mana yang menyebabkan perubahan pada variabel lainnya, maka digunakan
penghitungan Error Correction Model 5. Uji Asumsi Klasik
Suatu model dikatakan baik untuk alat prediksi apabila mempunyai sifat-sifat tidak bias linear terbaik suatu penaksiran atau Best Linear
Unbiased Estimator BLUE. Di samping itu suatu model dikatakan cukup baik dan dapat dipakai untuk memprediksi apabila sudah lolos dari
serangkaian uji asumsi klasik yang melandasinya, pengujian ini dimaksudkan untuk mendeteksi ada tidaknya multikolinieritas,
heterokedastisitas, dan autokorelasi di dalam model penelitian. Uji asumsi klasis dalam penelitian ini terdiri dari:
a. Uji Multikolinearitas Uji multikolinearitas dilakukan untuk mengetahui ada tidaknya
hubungan korelasi yang signifikan diantara dua atau lebih variabel independen dalam model regresi. Pada penelitian ini, ada atau
tidaknya multikolinieritas dapat diketahui atau dilihat dari koefisien korelasi masing-masing variabel bebas.
Multikolinieritas bisa dideteksi dengan melihat kolerasi linier antara variabel independen di dalam regresi. Sebagai aturan yang
kasar rule of thumb, jika koefisien kolerasi cukup tinggi yaitu diatas 0,85 maka kita duga ada multikolinieritas dalam model. Sebaliknya
jika koefisien kolerasi kurang dari 0,85 maka kita duga model tidak
88
mengandung unsur multikolinieritas. Akan tetapi perlu diperhatikan terutama pada data time series seringkali menunjukan kolerasi antar
variabel independen cukup tinggi. Kolerasi tinggi ini terjadi karena data time series seringkali menunjukan unsur tren yaitu data bergerak
naik dan turun secara bersamaan Agus Widarjono,2010:77. Hasil pengujian multikolinearitas adalah sebagai berikut:
Gambar 4.9: Uji Multikolinieritas
Sumber : Eviews 8 Data diolah
Berdasarkan tabel di atas dapat dilihat bahwa semua variabel berada di bawah 0,85 sehingga dapat disimpulkan bahwa model tidak
terdapat masalah multikolinearitas. b. Uji Autokorelasi
Autokorelasi adalah hubungan antara residual satu observasi dengan residual observasi lainnya. Autokorelasi lebih mudah timbul
pada data yang bersifat runtun waktu, karena berdasarkan sifatnya data masa sekarang dipengaruhi oleh data pada masa sebelumnya
Winarno, 2015:5.29.
Autokorelasi dapat
diteksi dengan
menggunakan Uji Breusch-Godfrey nama lain uji BG ini adalah Uji Langrange Multiplier LM-test. Uji ini sangat berguna untuk
mengidentifikasi masalah autokorelasi tidak hanya pada derajat pertama first order tetapi juga digunakan pada tingkat derajat.
89
Uji autokerelasi juga bisa dilihat dari nilai probabilitas Chi- Square.Jika probabilitas Chi-Square lebih besar dari tingkat
signifikan 5 maka tidak terdapat autokorelasi dan sebaliknya jika probabilitas Chi-Squared lebih kecil dari 5 maka terdapat
autokorelasi.
Gambar 4.10: Uji Autokorelasi
Sumber : Eviews 8 Data diolah
Pada tabel hasil output diatas menunjukan bahwa nilai ObsR Squared LM mempunyai probabilitas sebesar 0.0004 berarti
probabilitas tersebut memberikan putusan bahwa model ini mengandung permasalahan autokorelasi. Jika model regresi
mengalami autokorelasi, maka akan menyebabkan estimator hanya bersifat LUE, tidak lagi BLUE. Oleh karena itu perlu dilakukan uji
untuk menghilangkan autokorelasi, yaitu dengan menentukan rho hat = 1-d2, dengan d=durbin Watson stat, maka hasilnya adalah:
Gambar 4.11: Uji Autokorelasi dengan WLS
Sumber: Eviews 8 data diolah
90
Pada tabel hasil output diatas menunjukan bahwa nilai ObsR Squared LM mempunyai probabilitas sebesar 0.6778 dimana
probabilitas lebih besar dari nilai α sebesar 0.05 atau 5. Berarti probabilitas tersebut memberikan putusan bahwa model ini telah
terbebas dari permasalahan autokorelasi. c. Uji Heteroskedastisitas
Uji heteroskedasitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan varian dari residual satu
pengamatan ke pengamatan yang lain. Jika varian residual satu pengamatan ke pengamatan yang lain tetap, maka disebut
homokesdasitas dan jika berbeda disebut heteroskedasitas. Metode yang digunakan untuk mendeteksi adanya heteroskedastisitas pada
penelitian ini adalah uji White. Heteroskedastisitas dapat dilihat dari probabilitas ObsR-square, apabila probabilitas ObsR-square uji
white lebih
kecil dari
0.05, maka
terdapat masalah
heteroskedastisitas. Hasil uji heteroskedastisitas adalah sebagai berikut:
Gambar 4.12: Uji Heteroskedastisitas
Sumber: Eviews 8 data diolah
Tabel diatas menunjukkan bahwa nilai probabilitas dari Chi- Square sebesar 0.7954
yang lebih besar dari nilai α sebesar 0.05,
91
karena nilai probabilitas Chi- Square lebih besar dari α= 5 maka Ho
diterima sehingga dapat disimpulkan bahwa dalam model ini tidak ada masalah heterokedastisitas.
6. Regresi Metode Error Correction Model ECM Model Korelasi Kesalahan Error Correction Model merupakan
metode pengujian yang dapat digunakan untuk mencari model keseimbangan dalam jangka panjang, dengan ditemukannya fenomena
hubungan jangka panjang antara variabel-variabel yang digunakan dalam pengujian kointegrasi di atas, maka langkah selanjutnya adalah melakukan
pendekatan Error Correction Model ECM. Error Correction Model merupakan salah satu pendekatan untuk menganalisis model time series
yang digunakan untuk melihat adanya konsistensi hubungan jangka pendek dengan jangka panjang dari variabel-variabel yang diuji.
DNPF = β + β
1
DGDP
t
+ β
2
DINF
t
+ β
3
DMM_MPLS
t
+ β
4
DRM_FM
t
+ β
5
DTBH
t
+β
6
ECT
t
Jangka panjang merupakan suatu periode yang memungkinkan untuk mengadakan penyesuaian penuh untuk setiap perubahan yang timbul,
sehingga dapat menunjukan sejauh mana perubahan pada variabel independen menyesuaikan secara penuh variabel dependen hasil
regresinya adalah sebagai berikut.
92
Gambar 4.13: Hasil Analisis Jangka Panjang
Sumber: Eviews 8 data diolah
Adapun persamaan jangka panjang yang diperoleh adalah : NPF = β
+ β
1
GDP
t
+β2 INF
t
+ β3 MM_MPLS
t
+ β4 RM_FM
t
+ β5 TBH
t
+ E NPF=-8.911691+0.00173GDP
t
-0.066741INF
t
+0.202506MM_MPLS
t
- 0.318259RM_FM
t
+ 0.091061TBH
t
Keterangan : GDP
t
= Gross Domestic Product Periode t INF
t
= Inflasi Periode t MM_MPLS
t
= Rasio Margin Pembiayaan Murabahah Terhadap Pembiayaan Mudharabah periode t
RM_FM
t
= Rasio Pembiayaan Murabahah Terhadap Pembiayaan Mudharabah peroide t
TBH
t
= Tingkat Bagi Hasil periode t
93
= Variabel yang signifikan 0.05 Persamaan diatas menunjukkan bahwa dalam jangka panjang variabel
GDP, inflasi, rasio margin murabahah terhadap pembiayaan mudharabah, alokasi pembiayaan murabahah terhadap pembiayaan mudharabah dan
tingkat bagi hasil berpengaruh signifikan terhadap NPF dengan nilai probabilitas masing-masing variabel tersebut adalah 0.0000, 0.0453,
0.0257, 0.0080, dan 0.0000 yang signifikan pada α = 5 . Penelitian ini menggunakan hipotesis satu arah one tiled maka nilai signifikansi output
dibagi dua, sehingga probalitas masing-masing variabel independen yaitu 0.0000, 0.02265, 0.01285, 0.004, dan 0.0000
yang signifikan pada α = 5 , sedangkan untuk koefisien jangka panjang masing-masing variabel
tersebut adalah 0.00173, -0.066741, 0.202506, -0.318259 dan 0.091061. Kemudian dari hasil jangka panjang diatas dapat diambil nilai residualnya,
nilai residualnya digunakan untuk mengestimasi persamaan jangka pendek. Hasil persamaan jangka pendek dengan pengolahan data
menggunakan pendekatan Error Correction Model ECM dengan program computer Eviews 8 ditampilkan sebagai berikut :
94
Gambar 4.14: Hasil Analisis Jangka Pendek
Sumber: Eviews 8 data diolah
Berdasarkan gambar di atas, maka hasil ECM dalam jangka pendek adalah:
DNPF = 0.024065 + 0.00100DGDP
t
– 0.064689DINF
t
– 0.021842DMM_MPLS
t
– 0.258072DRM_FM
t
+ 0.052566DTBH
t
– 0.397682 ECT
t-1
Keterangan : DNPF
= Perubahan Tingkat Non Performing Financing NPF periode t
DGDP
t
= Perubahan Jumlah Gross Domestic Product Periode t
DINF
t
= Perubahan Tingkat Inflasi Periode t
95
DMM_MPLS
t
= Perubahan Jumlah Rasio Margin Pembiayaan Murabahah Terhadap Pembiayaan Mudharabah periode t
DRM_FM
t
= Perubahan Jumlah Rasio Pembiayaan Murabahah Terhadap Pembiayaan Mudharabah peroide t
DTBH
t
= Perubahan Tingkat Bagi Hasil periode t ECT-1
= Error Correction Term Periode t-1 = Variabel yang signifikan 0.05
Hasil estimasi jangka pendek diatas menunjukkan bahwa variabel independen yang signifikan mempengaruhi NPF hanyalah GDP dan
tingkat bagi hasil TBH yang ditunjukkan dari nilai probabilitas hitung masing-masing variabel yaitu 0.0280 dan 0.0077 yang signifikan pada
α=5. Hipotesis satu arah one tiled ditunjukkan dari variabel GDP dan TBH yaitu 0.014 dan 0.00385 dimana hal ini menunjukkan bahwa dalam
jangka pendek variabel GDP dan TBH berpengaruh signifikan terhadap NPF dengan nilai koefisien masing-masing variabel adalah sebesar
0.00100 dan 0.052566. Nilai koefisien ECT yang ditunjukkan pada hasil analisis ECM diatas
yaitu sebesar -0.397682 menunjukkan bahwa keseimbangan dan perkembangan NPF pada periode sebelumnya yang disesuaikan dengan
periode sekarang adalah 39 dengan probabilitas 0.0013 apabila menggunakan one tiled menjadi 0.00065 yang lebih kecil dari tingkat
signifikansi 5 Artinya spesifikasi model sudah shahih dan dapat menjelaskan variasi pada variabel tak bebas Insukindro,1993:2
96
7. Uji simultan Uji F Uji F digunakan untuk melihat apakah variabel independen secara
bersama-sama mempunyai pengaruh secara signifikan terhadap variabel dependen. Jika nilai probabilitas F statistiknya 0,05 maka H
ditolak dan H
1
diterima, berarti bahwa secara bersama-sama variabel-variabel independen yang terdapat dalam model berpengaruh secara signifikan
terhadap variabel dependen. Dari hasil regresi yang mengestimasi pengaruh GDP, Inflasi, MM_MPLS, RM_FM dan TBH terhadap NPF
dalam jangka pendek diketahui bahwa nilai probabilitas dari F-statistik adalah 0.004380 dan pada hipotesis satu arah one tiled menjadi 0.00219
signifikan pada α = 5. maka H ditolak dan H
1
diterima, sedangkan untuk hasil regresi jangka panjang diketahui bahwa nilai probabilitas F-
statistik adalah 0.000000 dan signifikan pada α = 5, berarti baik dalam jangka pendek maupun jangka panjang secara bersama-sama variabel
independen yang terdapat dalam model berpengaruh secara signifikan terhadap variabel dependen.
8. Uji Secara individual Uji t Pengujian secara individual ini dimaksudkan untuk mengetahui
apakah masing-masing variabel independen berpengaruh terhadap variabel dependen. Uji ini dilakukan dengan melihat besarnya t hitung
atau dengan melihat tingkat probabilitasnya . Gambar 4.13 dan gambar 4.14 menunjukkan keterkaitan antar variabel adalam sebagai berikut:
97
Tabel 4.3 Hasil Uji t
Variabel Jangka Pendek
Jangka panjang t-hitung
Prob Prob 1-tiled
t-hitung Prob
Prob 1-tiled GDP
2.275542 0.0280
0.0140 11.80066
0.000 0.000
INF -1.629960 0.1106
0.0553 -2.060647
0.0453 0.02265
MM_MPLS -0.314738 0.7545 0.37725
2.308995 0.0257
0.01285 RM_FM
-1.193278 0.2395 0.11975
-2.776210 0.008
0.004 TBH
2.797266 0.0077
0.00385 6.049697
0.000 0.0000
Dari tabel diatas dapat disimpulkan bahwa: a. Hipotesis 1
H :
Diduga tidak terdapat indikasi moral hazard yang direpresentasikan oleh Gross Domestic Product GDP berpengaruh
positif terhadap non performing financing NPF Ha
≥ 0: Diduga terdapat indikasi moral hazard yang direpresentasikan
oleh Gross Domestic Product GDP berpengaruh positif terhadap non performing financing NPF.
Pada tabel 4.3 terlihat bahwa nilai t-hitung dalam jagka pendek dan jangka panjang
masing-masing untuk variabel GDP adalah 2.275542 dan 11.80066 dengan probabilitas 0.0280 dan 0.0000.
dalam penelitian ini menggunakan hipotesis satu arah one tiled sehingga probabilitas variabel GDP dalam jangka pendek dan jangka
panjang yaitu 0.014 dan 0.0000 berarti nilai probabilitas lebih kecil dari 0,05. Maka Ha diterima dan H
ditolak, yang berarti bahwa dalam jangka pendek maupun jangka panjang terdapat indikasi moral hazard
yang direpresentasikan oleh Gross Domestic Product GDP terhadap non performing financing NPF.
98
b. Hipotesis 2 H
≥ 0
:
Diduga tidak terdapat indikasi moral hazard yang direpresentasikan oleh Inflasi berpengaruh negatif terhadap non
performing financing NPF Ha 0
:
Diduga terdapat indikasi moral hazard yang direpresentasikan oleh Inflasi berpengaruh negatif terhadap non performing financing
NPF Pada tabel 4.3 terlihat bahwa nilai t-hitung dalam jangka pendek
dan jangka panjang masing-masing untuk variabel Inflasi adalah -
1.629960 dan -2.060647 dengan probabilitas 0.1106 dan 0.0453 dalam penelitian ini menggunakan hipotesis satu arah one tiled
sehingga probabilitas variabel inflasi dalam jangka pendek dan jangka panjang yaitu 0.0553 dan 0.02265 yang berarti nilai probabilitas
varibel inflasi untuk jangka panjang lecih kecil dari 0.05 sedangkan probabilitas variabel inflasi untuk jangka pendek lebih besar dari 0,05.
Maka untuk jangka pendek Ha ditolak, dan menerima H yang berarti
bahwa dalam jangka pendek variabel Inflasi tidak berpengaruh negatif terhadap NPF sedangkan untuk jangka panjang variabel inflasi
menerima Ha yang berarti bahwa dalam jangka panjang variabel
inflasi berpengaruh negatif terhadap NPF. c. Hipotesis 3
H
:
Diduga tidak terdapat indikasi moral hazard yang direpresentasikan oleh rasio margin murabahah MM terhadap profit
99
loss sharing mudharabah MPLS berpengaruh positif terhadap non performing financing NPF
Ha ≥ 0
: Diduga terdapat indikasi moral hazard yang direpresentasikan oleh rasio margin murabahah MM terhadap profit loss sharing
mudharabah MPLS berpengaruh positif terhadap non performing financing NPF
Pada tabel 4.3 terlihat bahwa nilai t-hitung dalam jangka pendek dan jangka panjang
masing-masing untuk variabel MM_MPLS adalah -0.314738 dan 2.308995 dengan probabilitas 0.7545 dan 0.0257
dalam penelitian ini menggunakan hipotesis satu arah one tiled sehingga probabilitas variabel MM_MPLS dalam jangka pendek dan
jangka panjang yaitu 0.37725 dan 0.01285 yang berarti nilai probabilitas varibel MM_MPLS untuk jangka panjang lebih kecil dari
0.05 sedangkan probabilitas variabel inflasi untuk jangka pendek lebih besar dari 0,05. Maka untuk jangka pendek Ha ditolak
yang berarti bahwa dalam jangka pendek variabel MM_MPLS tidak berpengaruh
positif signifikan terhadap NPF sedangkan untuk jangka panjang variabel MM_MPLS menerima Ha
yang berarti bahwa dalam jangka panjang variabel MM_MPLS berpengaruh positif terhadap NPF.
d. Hipotesis 4 H
:
Diduga tidak terdapat indikasi moral hazard yang direpresentasikan oleh alokasi pembiayaan murabahah RM terhadap
100
profit loss sharing mudharabah FM berpengaruh positif terhadap non performing financing NPF.
Ha ≥ 0
:
Diduga terdapat indikasi moral hazard yang direpresentasikan oleh alokasi pembiayaan murabahah RM terhadap profit loss
sharing mudharabah FM berpengaruh positif terhadap non performing financing NPF.
Pada tabel 4.3 terlihat bahwa nilai t-hitung dalam jangka pendek dan jangka panjang
masing-masing untuk variabel RM_FM adalah - 1.193278 dan -2776210 dengan probabilitas 0.2397 dan 0.0080 dalam
penelitian ini menggunakan hipotesis satu arah one tiled sehingga probabilitas variabel RM_FM dalam jangka pendek dan jangka
panjang yaitu 0.11975 dan 0.004 yang berarti nilai probabilitas varibel RM_FM untuk jangka panjang lecih kecil dari 0.05 sedangkan
probabilitas variabel inflasi untuk jangka pendek lebih besar dari 0,05. Maka untuk jangka pendek Ha
ditolak yang berarti bahwa dalam
jangka pendek variabel MM_MPLS tidak berpengaruh positif signifikan terhadap NPF sedangkan untuk jangka panjang variabel
MM_MPLS menerima Ha yang berarti bahwa dalam jangka panjang
variabel MM_MPLS berpengaruh positif signifikan terhadap NPF. e. Hipotesis 5
H
:
Diduga tidak terdapat indikasi adverse selection yang direpresentasikan oleh tingat bagi hasil TBH berpengaruh positif
terhadap non performing financing NPF
101
Ha ≥ 0
:
Diduga terdapat indikasi adverse selection yang direpresentasikan oleh tingat bagi hasil TBH berpengaruh positif
terhadap non performing financing NPF Pada tabel 4.3 terlihat bahwa nilai t-hitung dalam jangka pendek
dan jangka panjang masing-masing untuk variabel TBH adalah
2.797266 dan 6.049697 dengan probabilitas 0.0077 dan 0.0000 dalam penelitian ini menggunakan hipotesis satu arah one tiled sehingga
probabilitas variabel TBH dalam jangka pendek dan jangka panjang yaitu 0.00385 dan 0.0000 yang berarti nilai probabilitas lebih kecil
dari 0,05. Maka Ha diterima yang berarti bahwa dalam jangka pendek maupun jangka panjang variabel TBH berpengaruh positif signifikan
terhadap NPF 9. Uji Adjusted R Square
Nilai R
2
koefisien determinasi dilakukan untuk melihat seberapa besar variabel independen berpengaruh terhadap variabel
dependen. Nilai R
2
berkisar antara 0 - 1. Nilai R
2
makin mendekati 0 maka pengaruh semua variabel independen terhadap variabel
dependen makin kecil dan sebaliknya nilai R
2
makin mendekati 1 maka pengaruh semua variabel independen terhadap variabel
dependen makin besar. Koefisien determinasi memiliki kelemahan, yaitu bias terhadap jumlah variabel bebas dan jumlah pengamatan
dalam model akan meningkatkan R
2
meskipun variabel yang dimasukkan tidak memiliki pengaruh yang signifikan terhadap
102
variabel terikatnya. Untuk mengurangi kelemahan tersebut maka digunakan koefisien determinasi yang telah disesuaikan, Adjusted R
Square. Pada hasil analisis Error Correction Model ECM untuk jangka
pendek nilai Adjusted R Square adalah 0.25654,5 ini menunjukkan bahwa besarnya pengaruh dari variabel independen terhadap variabel
dependen sebesar 25,6545, sedangkan sisanya sebesar 74,3455 menggambarkan pengaruh dari variabel-variabel diluar model,
sedangakan dalam jangka panjang nilai Adjusted R Square adalah 0.877858 ini menunjukkan bahwa besarnya pengaruh dari variabel
independen terhadap variabel dependen sebesar 87,7858, sedangkan sisanya sebesar 12,2142 menggambarkan pengaruh dari variabel-
variabel diluar model. Rendahnya Adjusted R Square dalam jangka pendek disebabkan karena pembiayaan perbankan sifatnya jangka
panjang sehingga fenomena jangka pendek belum mampu merepresentasikan adanya kredit macet.
C. Interpretasi Data
1. Jumlah GDP dan Tingkat NPF
