Estimasi Model Fungsi HASIL PENELITIAN DAN PEMBAHASAN

makna bahwa fungsi translog lebih tepat digunakan untuk merepresentasikan hasil penelitian pada Islamic Bank Indonesia daripada fungsi Cobb-Douglas, baik dalam kondisi mengikutsertakan atau tidak mengikutsertakan profit inefficiency effect model. Sejalan dengan Islamic Bank Indonesia, penelitian pada Islamic Bank Malaysia dapat direpresentasikan dengan lebih baik melalui fungsi stochastic profit frontier translog daripada fungsi Cobb-Douglas. Hal ini dapat dilihat pada Tabel 4.12, nilai nilai χ 2 hitung lebih besar dari nilai χ 2 tabel critical pada level signifikansi 10. Kondisi ini terjadi baik untuk yang mengikutsertakan atau tanpa mengikutsertakan profit inefficiency effect model.

4.4. Estimasi Model Fungsi

Profit Frontier dengan OLS Ordinary Least Square OLS merupakan metode yang digunakan sebagai tahapan awal estimasi parameter pada perangkat lunak FRONTIER 4.1.Estimasi fungsi profit dengan metode OLS ini bertujuan untuk mengetahui kinerja rerata best fit dari Islamic Bank Indonesia dan Malaysia dalam menghasilkan profit. Setelah proses estimasi parameter dilakukan dengan metode OLS, barulah kemudian akan dilanjutkan sampai kepada tahapan penentuan kinerja maksimum dengan metode Maximum Likelihood Estimation MLE. Berikut adalah Tabel yang berisikan hasil estimasi parameter dengan menggunakan metode OLS untuk Islamic Bank Indonesia. Universitas Sumatera Utara Tabel 4.13. Estimasi OLS Islamic Bank Indonesia Variabel Estimasi OLS Keterangan Koefisien Standar Deviasi t-ratio K onstantaβ 133,18 62,05 2,15 S ignifikan pada α=5 X 1 β 1 -5,79 10,81 -0,54 Tidak signifikan X 2 β 2 -6,36 10,31 -0,62 X 1 : Total deposit X 3 β 3 3,39 5,86 0,58 X 2 : Biaya tenaga kerja X 1 X 1 β 4 0,93 0,74 1,25 X 3 : Aset tetap X 2 X 2 β 5 0,54 0,55 0,98 X 3 X 3 β 6 -0,14 0,11 -1,29 X 1 X 2 β 7 -1,34 1,19 -1,13 X 1 X 3 β 8 -0,53 0,63 -0,83 X 2 X 3 β 9 0,74 0,75 0,99 R 2 0,930 Sumber: Data diolah Dari Tabel 4.13 secara ringkas dapat dipaparkan bahwa variabel X 1 total deposit mempunyai pengaruh positif dan signifikan terhadap profit Islamic Bank Indonesia. Namun sebaliknya, variabel X 2 biaya tenaga kerja dan X 3 aset tetap mempunyai pengaruh positif tetapi tidak signifikan secara statistik. Nilai koefisien determinansi R 2 0,930 mengandung makna 93 variansi dari variabel terikat profit dapat dijelaskan dari variabel bebas yang ada. Persamaan matematis yang terbentuk dari hasil estimasi OLS untuk Islamic Bank Indonesia adalah: ln = 133,18 − 5,79 l n 1 − 6,36 l n 2 + 3,39 ln 3 + 0,93 ln 1 + 0,54 ln 2 − 0,14l n 3 − 1,34 ln 1 ∗ l n 2 − 0,53 ln 1 ∗ ln 3 + 0,74 ln 2 ∗ l n 3 + 15 Universitas Sumatera Utara Tabel 4.14. Estimasi OLS Islamic Bank Malaysia Variabel Estimasi OLS Keterangan Koefisien Standar Deviasi t-ratio K onstantaβ 285,63 49,89 5,72 Signifikan pada α=1 X 1 β 1 -26,60 5,12 -5,19 Signifikan pada α=5 X 2 β 2 7,51 3,04 2,47 Signifikan pada α=10 X 3 β 3 -4,78 2,05 -2,33 Tidak signifikan X 1 X 1 β 4 0,61 0,15 4,19 X 1 : Total deposit X 2 X 2 β 5 -0,10 0,09 -1,10 X 2 : Biaya tenaga kerja X 3 X 3 β 6 -0,05 0,04 1,21 X 3 : Aset tetap X 1 X 2 β 7 -0,17 0,16 -1,06 X 1 X 3 β 8 0,17 0,11 1,58 X 2 X 3 β 9 -0,03 0,07 -0,43 R 2 0,703 Sumber: Data diolah Koefisisien atau parameter hasil estimasi OLS dari fungsi profit frontier Islamic Bank Malaysia dapat dilihat pada Tabel 4.14. Variabel X 1 total deposit mempunyai pengaruh positif dan signifikan terhadap profit. Variabel X 2 biaya tenaga kerja mempunyai pengaruh positif tetapi tidak signifikan. Sementara variabel X 3 aset tetap mempunyai pengaruh negatif dan signifikan. Adapun nilai R 2 dari fungsi profit frontier Islamic Bank Malaysia adalah 0,703 yang bermakna bahwa 70,30 dari variansi profit dapat dijelaskan oleh variabel-variabel bebas yang ada. Persamaan matematis yang terbentuk dari hasil estimasi OLS untuk Islamic Bank Malaysia adalah: l n = 285,63 − 26,60 ln 1 + 7,51 ln 2 − 4,78 ln 3 + 0,61 ln 1 − 0,10 ln 2 − 0,05 ln 3 − 0,17 ln 1 ∗ ln 2 + 0,17 ln 1 ∗ ln 3 − 0,03 ln 2 ∗ l n 3 + 16 Universitas Sumatera Utara

4.5. Estimasi Model Empiris Fungsi Stochastic Frontier dengan MLE