C. Jenis data Sumber Data
Data yang diperoleh dalam penelitian ini merupakan data sekunder yang berasal dari dalam perbankan syariah. Berikut ini teknik pengumpulan data:
1. Data Sekunder Data sekunder adalah data yang diperoleh atau dikumpulkan dari sumber-
sumber yang telah ada. Data itu biasanya di peroleh dari perpustakaan atau dari laporan- laporan dokumen penelitian terdahulu.
3
Data tersebut berupa data laporan keuangan Bank Umum Syariah yaitu data triwulan BCA Syariah, BRI Syariah, dan
Bank Syariah Mandiri tahun 2011- 2014. 2. Studi Dokumentasi
Teknik pengumpulan data yang dilengkapi pula dengan membaca dan mempelajari serta menganalisis literatur yang bersumber dari buku - buku dan jurnal -
jurnal yang berkaitan dengan penelitian ini. Hal ini dilakukan untuk mendapatkan landasan teori dan konsep yang tersusun. Penulis melakukan penelitian dengan
membaca, mengutip bahan - bahan yang berkenaan dengan penelitian.
D. Teknik Pengumpulan Data
1. Studi lapangan field research yaitu pengumpulan data sekunder yang diperoleh
dari laporan keuangan bank.
2. Studi Dokumentasi yaitu metode yang digunakan untuk mengumpulkan data dan menganalisis data - data dari literatur yang berkenaan dengan masalah yang
diteliti baik berupa buku, jurnal, majalah, artikel dan lain - lain.
3
Supardi, Aplikasi Statistika Dalam Penelitian, Jakarta: Cahnge Publication, 2013, h. 16.
E. Objek Penelitian
Objek dalam penelitian ini adalah data Kualitas Aktiva Produktif KAP,
Resiko Pembiayaan NPF, dan Return On Asset ROA . Penulis melakukan penelitian pada 3 Bank Umum Syariah yaitu BCA Syariah, BRI Syariah, dan Bank
Syariah Mandiri dengan melihat laporan triwulan keuangan yang telah dipublikasikan selama periode 2011- 2014.
F. Metode Analisis Data
Dalam penelitian ini metode analisis yang digunakan adala analisis regresi data panel. Data panel merupakan gabungan dari data cross section dan deret waktu
time series yakni sejumlah variabel diobservasi atas sejumlah kategori dan dikumpulkan dalam suatu jangka waktu tertentu.
4
Uji regresi panel ini digunakan untuk mengetahui hubungan antara variabel independen bebas yang teridiri dari Kualitas Aktiva Produktif dan Non Performing
Financing. Untuk membantu penelitian, peneliti akan menggunakan software Microsoft Excel dan pengolah data statistik Eviews 7.0.
Penggunaan data panel dalam sebuah observasi mempunyai beberapa keuntungan yang diperoleh. Pertama, data panel merupakan gabungan dua data time
series dan cross section mampu menyediakan data yang lebih banyak sehingga akan menghasilkan degree of random yang lebih besar. Kedua, menggabungkan informasi
4
Dedi Rosadi, “ Ekonometrika dan Analisis Runtun Waktu Terapan dengan Eviews”, Edisi Pertama Yogyakarta:C.V ANDI OFFSET ANDI, 2012, h.271.
dari data time series dan cross section dapat mengatasi masalah yang timbul ketika ada masalah penghilangan variabel omitted-variabel.
5
Model regresi panel dalam penelitian ini adalah:
Keterangan : Y
= Fraud C
= Konstanta X
1
= Kualitas Aktiva Produktif X
2
= Non Performing Financing 1. Estimasi Model Data Panel
Metode estimasi model regresi dengan menggunakan data panel dapat dilakukan melalui tiga pendekatan anatara lain:
6
a. Metode Common Effect atau Pooled Least Square PLS Pooled Least Square model merupakan metode estimasi model regresi data panel
yang paling sederhana dengan asumsi intercept dan koefisien slope yang konstan antar waktu dan cross section common effect. Dalam pendekatan ini tidak
memperhatikan dimensi individu maupun waktu. Diasumsikan bahwa perilaku data antar perusahaan sama dalam berbagai kurun waktu.
Dalam pendekatan ini tidak memperhatikan dimensi individu maupun waktu sehingga perilaku data antar perusahaan diasumsikan sama dalam berbagai kurun
5
Agus Widarjono, “Ekonometrika Pengantar dan Aplikasinya: Disertai Panduan Eviews”,
Edisi Keempat Yogyakarta: UPP STIM YKPN, 2013, h. 353.
6
Ibid h.355.
Y
it
= C + β
1
X
1it
+ β
2
X
2it
+ e
it
waktu. Pada dasarnya model common effect sama seperti OLS dengan meminimumkan jumlah kuadrat, tetapi data yang digunakan bukan data time series
atau data cross section saja melainkan data panel yang diterapkan dalam bentuk pooled. Bentuk untuk model ordinary least square adalah:
untuk i = 1,2,……,n dan t=1,2,….,t
b. Metode Fixed Effect Model FEM Teknik model Fixed Effect adalah teknik mengestimasi data panel dengan
menggunakan variabel dummy untuk menangkap adanya perbedaan intersep. Pengertian Fixed Effect ini didasarkan adanya perbedaan intersep antara perusahaan
namun intersepnya sama antar waktu time in variant. Disamping itu, model ini juga mengasumsikan bahwa koefisien regresi slope tetap antar perusahaan dan antar
waktu. Salah satu cara paling sederhana untuk mengetahui perbedaan adalah dengan mengasusmsikan bahwa intersept adalah berbeda antar perusahaan sedangkan
slopenya tetap sama antar perusahaan. Pendekatan dengan variabel dummy ini dikenal dengan sebutan fixed Effect
Model atau least square dummy LSDV atau disebut juga covariance model. Persamaan pada estimasi dengan menggunakan Fixed Effect Model dapat ditulis
dalam bentuk sebagai berikut:
Dimana: i = 1,2 ,….,n t =1,2,…..,tD = dummy
Y
it
= β + β
1
X
1it
+ β
2
X
2it
+ β
3
X
3it
+ β
4
D
1i
+ β
5
D
2i
+…..+ Ɛi
t
Y
it
= β + β
1
X
1it
+ β
2
X
2it
+ Ɛ
it
c. Metode Random Effect Model REM
Random effect model merupakan metode estimasi model regresi data panel dengan asumsi koefisien slope dan intercept berbeda antar individu dan antar waktu
random effect. Dimasukannya variabel dummy di dalam fixed effect model bertujuan untuk mewakili ketidaktahuan tentang model yang sebenarnya. Namun, ini juga
membawa konsekuensi berkurangnya derajat kebebasan degree of freedom yang pada akhirnya mengurangi efisiensi parameter. Masalah ini bisa diatasi dengan
menggunakan variabel gangguan error term yang dikenal dengan metode Random Effect.. Model ini akan mengestimasi data panel dimana variabel gangguan mungkin
saling berhubungan antar waktu dan antar individu. Model yang tepat digunakan untuk mengestimasi Random Effect adalah Generalized Least Square GLS sebagai
estimatornya, karena dapat meningkatkan efisiensi dari least square. Bentuk umum untuk Random Effecktadalah:
Dimana : ui~
N 0, σu2 = komponen cross section error vt~ N 0,
σv2 = komponen time series error wit~ N 0, σw2 = komponen error kombinasi
Y
it
= α1 + bjXj it + Ɛit dengan Ɛit = ui + vt + wit
1. Tahap Analisis Data Untuk memilih model mana yang paling tepat digunakan untuk pengolahan data
panel, maka terdapat beberapa pengujian yang dapat dilakukan, anatar lain:
7
a. Uji Chow Uji Chow adalah pengujian untuk memilih apakah model digunakan pooled least
square model atau fixed effect model. Dalam pengujian ini dilakukan dengan hipotesis sebagai berikut:
H = Pooled least Square model PLS
Ha = Fixed effeck model FEM
Dasar penolakan terhadap hipotesis di atas adalah dengan membandingkan perhitungan F statistic dengan F tabel. Perbandingan dipakai apabila hasil F hitung
lebih besar dari F tabel, maka H0 ditolak yang berarti model yang lebih tepat digunakan adalah fixed effexk model. Begitupun sebaliknya, jika F hitung lebih kecil
dari F tabel, maka Ho diterima dan model yang lebih tepat digunakan adalah common effect model.
8
Perhitungan F statistic untuk Uji Chow dapat dilakukan dengan rumus:
7
ibid, h. 362.
8
Gujarati, N Damodor dan Dawn C Porter, “ Basic Econometrics”, Fifth Edition Mc Graw Hill International edition, Singapore 2009, h. 278.
Dimana: RRSS = Restricted residual sums of square error dari model common
effect URSS = Unrestricted residual sums of squares dari model fixed effect
N = Jumlah individual cross section
T = Jumlah series waktu time series
k = Jumlah variabel independen dan dependen
Sedangkan F tabel didapat dari:
b. Uji Hausman Hausman test adalah pengujian statistik untuk memilih apakah model fixed effect
atau random effect lebih tepat digunakan dalam regresi data panel. Uji ini dikembangkan oleh Hausman dengan didasarkan pada ide bahwa LSDV di dalam
model fixed effect dan GLS adalah efisien sedangkan model OLS adalah tidak efisien, di lain pihak alternatifnya metode OLS efisien dan GLS tidak efisien. Karena itu uji
hipotesis nolnya adalah hasil estimasi keduanya tidak berbeda sehingga uji hausman bisa dilakukan berdasarkan perbedaan estimasi tersebut. Pengujian dilakukan dengan
hipotesis berikut:
9
H : Random Effect Model
9
Agus Widarjono, “Ekonometrika Pengantar dan Aplikasinya: Disertai Panduan Eviews”,
Edisi Keempat Yogyakarta: UPP STIM YKPN, 2013, h. 364.
F-tabel = α : df n-1, nt-n-k
H
1
: Fixed Effect Model Jika chi-square hitung chi-square tabel berarti H
ditolak, artinya model yang digunakan adalah fixed effect model. Jika chi-square hitung chi square tabel berarti
H
1
ditolak, artinya model yang digunakan adalah fixed effect model.
10
2. Uji Signifikansi a. Uji R
2
Koefisien Determinasi Nilai R
2
mempunyai interval anatar 0 samapai 1 0 R
2
1. Semakin besar R
2
mendekati 1, semakin baik hasil untuk model regresi tersebut dan semakin mendekati 0, maka variabel independen secara keseluruhan tidak dapat menjelaskan
varaibel dependen.
11
Nilai adjusted R
2
lebih baik jika digunakan untuk menganalisis kekuatan model. Apabila suatu varaibel bebas ditambahkan ke dalam model nilai R
2
pasti meningkat sementara adjusted R
2
dapat saja meningkat atau menurun. Ketika sebuah variabel bebas yang memiliki kekuatan penjelas yang besar diikutsertakan dalam model maka
nilai adjusted R
2
meningkat dan sebaliknya. Koefisien determinasi R
2
memiliki kesalahan, yaitu bias terhadap jumlah varaibel bebas yang dimasukkan dalam model regresi dimana setiap penambahan satu
variabel bebas dan jumlah pengamatan dalam model akan meningkatkan nilai R
2
meskipun variabel yang dimasukkan tersebut tidak memiliki pengaruh yang
10
Gujarati, N Damodor dan Dawn C Porter, “ Basic Econometrics”, Fifth Edition Mc Graw
Hill International edition, Singapore 2009, h. 605.
11
Gujar ati, N Damodor dan Dawn C Porter, “ Basic Econometrics”, Fifth Edition Mc Graw
Hill International edition, Singapore 2009, h. 76.
signifikan terhadap variabel tergantungnya. Untuk mengurangi kesalahan kelemahan tersebut maka digunakan koefisien determinasi yang telah disesuaikan, adjusted R
2
. Koefisien determinasi yang telah disesuaikan berarti bahwa koefisien tersebut telah
dikoreksi dengan memasukan jumlah variabel dan ukuran sampel yang digunakan. Dengan mengunakan koefisien determinasi yang disesuaikan maka nilai koefisien
determinasi yang disesuaikan itu dapat naik atau turun oleh adanya penambahan variabel baru dalam model.
b. Uji Signifikansi Simultan Uji Statistik F Untuk menyimpulkan apakah model masuk dalam kategori cocok fit atau tidak,
kita harus membandingkan nilai F hitung dengan nilai F tabel dengan derajat bebas: df: α, k-1, n, k, dimana k adalah jumlah variabel independen dan dependen dan n
adalah jumlah pengamatan ukuran sampel. Dasar pengambilan keputusannya adalah jika nilai F hitung F tabel, maka H
ditolak dan H
1
diterima yang berarti bahwa variabel independen secara simultan berpengaruh signifikan terhadap variabel
dependen, tetapi jika F hitung F tabel, maak H diterima dan H
1
ditolak yang berarti bahwa variabel independen secara simultan tidak berpengaruh terhadap variabel
dependen.
12
Uji statistik F pada dasarnya menunjukan apakah variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh yang secara bersama-sama
12
Suliyanto, “Ekonometrika Terapan Teori dengan SPSS” Yogyakarta: CV Andi Offset
,2011, h. 61- 62.
terhadap variabel dependenterikat. Hipotesis nol H yang hendak diuji adalah
apakah semua parameter dalam model regresi sama dengan nol, atau: H
: b1, b2, b3 = 0 Artinya, apakah semua variabel independen bukan merupakan penjelasan
yang signifikan terhadap variabel dependen. Hipotesis alternatifnya H
a
tidak semua parameter secara simultan sama dengan nol, atau:
H
a
: b1, b2, b3 ≠ 0 Artinya, semua variabel independen secara simultan merupakan penjelas yang
signifikan terhadap variabel dependen. Untuk menguji hipotesis ini digunakan statistic F dengan kriteria pengambilan keputusan sebagai berikut:
1 Quick look : bila nilai F lebih besar daripada 4 maka H dapat ditolak
dengan derjat kepercayaan 5, dengan kata lain kita menerima hipotesis alternatif, yang menyatakan semua variabel independen
secara serentak dan signifikan mempengaruhi variabel dependen. 2 Membandingkan nilai F hasil perhitungan dengan nilai F menurut
tabel. Bila nilai F hitung lebih besar daripada nilai F tabel, maka H ditolak dan menerima H
a
. c. Uji Parsial Uji Statistik t
Uji statistik t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel penjelasindependen secara individual dalam menerangkan variasi variabel dependen.
Hipotesis nol H yang hendak di uji adalah apakah suatu parameter bi sama
dengan nol, atau: H : bi = 0
Artinya apakah suatu variabel independen bukan merupakan penjelas yang signifikan terhadap variabel dependen. Hipotesis alternatifnya Ha parameter suatu
varaibel tidak sama dengan nol, atau : H
a
: bi ≠0 Artinya, variabel tersebut merupakan penjelas yang signifikan terhadap variabel
dependen. Cara melakukan uji t adalah sebagai berikut: 1 Quick look: bila jumlah degree of freedom df adalah 20 atau lebih
dan derajat kepercayaan sebesar 5, maka H yang menyatakan bi = 0
dapat ditolak bila nilai t lebih besar dari 2 dalam nilai absolut. Dengan kata lain kita menerima hipotesis alternatif, yang menyatakan
bahwa suatu variabel independen secara individual mempengaruhi variabel dependen.
2 Membandingkan nilai statistik t dengan titik kritis menurut tabel. Apabila nilai statistik t hasil perhitungan lebih tinggi dibandingkan
nilai t tabel, kita menerima hipotesis alterantif yang menyatakan bahwa suatu variabel independen secara individual mempengaruhi
variabel dependen. Adapun nilai probabilitas dalam penelitian ini diperoleh dengan membagi dua
nilai probabilitas yang muncul dalam output persamaan regresi. Hal ini dilakukan karena dalam penelitian ini, uji yang digunakan adalah uji satu arah sedangkan nilai
probablitas untuk uji dua arah sehingga nilai probabbilitas harus dibagi dua.
13
Uji ini
13
Agus Widarjono, “Ekonometrika Pengantar dan Aplikasinya: Disertai Panduan Eviews”,
Edisi Keempat Yogyakarta: UPP STIM YKPN, 2013, h. 67.
dilakukan dengan membandingkan t hitung dengan t tabel. Adapaun nilai t tabel diperoleh dengan df :α n-k dimana α adalah tingkat signifikansi yang digunakan, n
adalah jumlah pengamatan ukuran sampel, dan k adalah jumlah variabel independen dan dependen. dasar pengambilan keputusannya adalah jika t hitung t tabel, berarti
H ditolak yang berarti bahwa variabel Xi berpengaruh signifikan terhadap variabel
dependen, tetapi jika t hitung t tabel, maka H diterima yang berarti bahwa variabel
Xi tidak berpengaruh signifikan terhadap variabel dependen.
G. Operasional Variabel Penelitian