Metode Pengumpulan Data Data Penelitian Pembahasan Hasil Penelitian

27

3.4 Jenis dan Sumber Data

Jenis data didalam penelitian ini adalah data sekunder, yaitu data yang telah dikumpulkan oleh lembaga pengumpulan data dan dipublikasikan untuk masyarakat pengguna data. Menurut Umar 2002 : 84, data sekunder merupakan “data primer yang telah diolah lebih lanjut, misalnya dalam bentuk label, grafik, diagram, dan lainnya sehingga lebih informatif jika digunakan oleh pihak lain”. Data sekunder pada penelitian ini diperoleh dari situs masing-masing bank umum syariah yang berupa laporan tahunan annual report yang dipublikasikan kepada pengguna data. Penelitian ini menggunakan data time series dan cross section yang bersifat kuantitatif, di mana data time series merupakan data yang secara kronologis disusun menurut waktu pada suatu variabel tertentu dan cross section merupakan data yang terkumpul pada satu titik tertentu. Penelitian ini diwakili oleh lima bank umum syariah dengan periode penelitian empat tahun, yaitu mulai tahun 2008 sampai dengan 2011.

3.5 Metode Pengumpulan Data

Pengumpulan data dalam penelitian ini dilakukan dengan mengkaji buku, jurnal, dan makalah untuk memperoleh landasan teoritis yang komprehensif tentang perbankan syariah. Internet sebagai media pendukung juga digunakan untuk memperoleh data historis yang dipublikasikan melalui website masing- masing bank umum syariah dan website Bank Indonesia. 28

3.6 Teknik Analisis

Model yang digunakan untuk menguji hipotesis dalam penelitian ini adalah model analisis regresi berganda Multiple Regression Analysis dan pengolahannya menggunakan alat bantu SPSS 17.0. Analisis regresi digunakan untuk menguji kemampuan variabel rasio keuangan dalam menentukan perubahan laba. Setelah itu dilakukan uji statistik t dan uji statistik F untuk mengetahui apakah masing-masing variabel independen berpengaruh secara parsial maupun secara simultan terhadap variabel dependen. Metode dan teknik analisis dilakukan dengan tahapan sebagai berikut: 3.6.1 Pengujian Asumsi Klasik 3.6.1.1 Uji Normalitas Data Uji normalitas data bertujuan untuk menguji apakah dalam sebuah model regresi, variabel dependen ROA, variabel independen CAR, NPF, BOPO, dan FDR pada bank umum syariah, atau keduanya mempunyai distribusi normal atau tidak. Menurut Sugiyono 2006 : 70, “suatu data yang membentuk distribusi normal bila jumlah di atas dan di bawah rata-rata adalah sama, demikian juga dengan simpangan bakunya”.

3.6.1.2 Uji Heterokedastisitas

Uji Heterokedastisitas bertujuan untuk menguji terjadinya perbedaan variance residual suatu periode pengamatan ke periode yang lain. 29 Menurut Ghozali 2005 : 111, “uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain”. Dasar pengambilan keputusannya menurut Ghozali 2005 : 111 adalah sebagai berikut : 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heterokedastisitas. 2. Jika tidak ada pola yang jelas, serta titik menyebar dibawah angka 0 dan y, maka tidak terjadi heterokedastisitas. Jika varian residual satu pengamatan ke pengamatan lain tetap, maka disebut homokedastisitas dan jika berbeda disebut heterokedastisitas. Dalam model regresi yang baik tidak terjadi heterokedastisitas.

3.6.1.3 Uji Autokorelasi

Menurut Erlina 2008 : 107, “uji autokorelasi bertujuan untuk melihat apakah dalam suatu model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t- 1”. Dalam model regresi yang baik tidak terjadi autokorelasi. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson DW. Panduan untuk mendeteksi ada atau tidaknya autokorelasi menurut Erlina 2008 : 107 adalah sebagai berikut : 1. Bila nilai DW terletak antara batas atas dU dan 4-dU, maka koefisien autokorelasi sama dengan nol, berarti tidak ada autokorelasi. 2. Bila nilai DW lebih rendah dari pada batas bawah dL, maka koefisien autokorelasi lebih dari nol berarti ada autokorelasi positif. 30 3. Bila nilai DW lebih dari pada 4-dL, maka maka koefisien autokorelasi lebih kecil dari nol berarti ada autokorelasi negatif. 4. Bila nilai DW terletak antara batas atas dU dan batas bawah dL atau DW terletak antara 4-dU dan dL, maka hasilnya tidak dapat disimpulkan. Autokorelasi muncul karena observasi yang berurutan sepanjang tahun yang berkaitan satu dengan lainnya. Hal ini sering ditemukan pada data time series. Pada data crossection, masalah autokorelasi relatif tidak terjadi.

3.6.1.4 Uji Multikolinearitas

Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Dalam hal ini, kita sebut variabel bebas ini tidak ortogonal Erlina, 2008 : 105. Pengujian multikolinearitas bertujuan untuk mengetahui ada tidaknya multikolinearitas antar variabel independen. Dalam model regresi yang baik tidak terjadi korelasi antara variabel independen. Deteksi dilakukan dengan melihat nilai VIF Variable Inflation Factor dan nilai tolerance. Multikolinearitas terjadi jika VIF 10 dan nilai tolerance 0,10.

3.6.2 Pengujian Hipotesis

Hipotesis yang digunakan dalam penelitian ini diuji dengan analisis regresi berganda. Model dalam penelitian ini adalah : Y = a + X 1 CAR + X 2 NPF+ X 3 BOPO + X 4 FDR + X 5 NRM + e 31 Keterangan: Y = ROA Return on assets a = Konstanta X 1 -X 5 = Koefisien regresi CAR = Capital adequacy ratio NPF = Non performing financing BOPO = Beban operasional pendapatan operasional FDR = Financing to deposit ratio NRM = Net Revenue Margin e = Koefisien error

3.6.2.1 Uji Koefisien Determinasi R

2 Untuk mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen, maka digunakanlah koefisien determinasi. Koefisien determinasi menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Dalam penelitian ini, nilai koefisien determinasi yang dipakai adalah nilai adjusted R 2 . Nilai adjusted R 2 adalah nol sampai dengan 1. Apabila nilai adjusted R 2 semakin mendekati 1, maka variabel independennya memberikan semua informasi yang dibutuhkan untuk memprediksi variasi variabel dependen.

3.6.2.2 Uji Parsial Uji t

Secara parsial, pengujian hipotesis dilakukan dengan uji t. Menurut Ghozali 2005 : 84, “uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel penjelasindependen secara individual dalam menerangkan variabel dependen”. Uji ini bertujuan untuk mengetahui 32 hubungan antara variabel-variabel independen terhadap variabel dependen secara parsial individu. Kriteria pengambilan keputusan adalah : - Hipotesis diterima apabila t hitung t tabel pada sig-prob α 0,05 - Hipotesis ditolak apabila t hitung t tabel pada sig-prob α 0,05

3.6.2.3 Uji Simultan Uji F

Secara simultan, pengujian hipotesis dilakukan dengan uji F. Menurut Ghozali 2005 : 84, “uji statistik F pada dasarnya menunjukkan apakah semua variabel independen atau bebas yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependenterikat”. Uji ini bertujuan untuk menguji pengaruh antara variabel independen terhadap variabel dependen secara bersama-sama. Kriteria pengambilan keputusan adalah : - Hipotesis diterima apabila F hitung F tabel atau sig-prob α 0,05 - Hipotesis ditolak apabila F hitung F tabel atau sig-prob α 0,05 33 BAB IV HASIL DAN PEMBAHASAN

4.1 Data Penelitian

Objek dalam penelitian ini adalah bank umum syariah yang terdaftar di Bursa Efek Indonesia periode 2008-2011. Pemilihan sampel dilakukan dengan metode purposive sampling. Dari populasi sebanyak 11 bank umum syariah, hanya 5 bank umum syariah yang memenuhi kriteria dan untuk selanjutnya dapat dijadikan sampel yaitu Bank Muamalat Indonesia, Bank Syariah Mandiri, Bank Syariah Mega Indonesia, Bank Negara Indonesia Syariah, dan Bank Rakyat Indonesia Syariah 4.2 Analisis Data Penelitian 4.2.1 Analisis Deskriptif Analisis deskriptif dari data yang diambil untuk penelitian ini adalah dari tahun 2008 sampai dengan tahun 2011 yaitu sebanyak 20 data pengamatan. Deskripsi variabel dalam statistik deskriptif yang digunakan pada penelitian ini meliputi nilai minimum, maksimum, mean, dan standar deviasi dari satu variabel dependen yaitu profitabilitas ROA dan lima variabel independen yaitu CAR Capital Adequacy Ratio, NPF Non Performing Financing, BOPO Beban Operasional Pendapatan Operasional, FDR Financing to Deposit Ratio, dan NRM Net Revenue Margin. 34 Statistik deskriptif berkaitan dengan pengumpulan dan peringkat data. Statistik deskriptif menggambarkan karakter sampel yang digunakan dalam penelitian ini. Distribusi statistik deskriptif untuk masing-masing variabel terdapat pada Tabel 4.1 berikut: Tabel 4.1 Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation CAR 20 9.40 45.45 16.5705 8.69330 NPF 20 1.50 7.00 3.5430 1.31099 BOPO 20 5.01 215.58 88.3990 41.56790 FDR 20 68.92 184.37 92.4295 24.50588 NRM 20 5.00 15.49 7.8255 3.14302 ROA 20 -3.60 2.60 .9290 1.54628 Valid N listwise 20 Tabel 4.1 menunjukan bahwa rata-rata masing dapat dilihat bahwa selama periode pengamatan, dapat diberi kesimpulan yaitu: 1. Variabel dependen profitabilitas ROA yang diukur dengan membandingkan antara laba sebelum pajak terhadap total asset. ROA memiliki nilai terendah -3,60 dan nilai tertinggi 2,60 dengan nilai rata-rata 0,9290 dan standar deviasi 1,54628. 2. Variabel independen CAR Capital Adequacy Ratio yang mencerminkan kecukupan modal diukur dengan membandingkan antara modal sendiri terhadap aktiva tertimbang menurut risiko. Nilai terendah adalah 9,4 dan nilai tertinggi 45,45 dengan nilai rata-rata 16,5705 dan standar deviasi 8,69330. 35 3. Variabel independen NPF Non Performing Financing yang mencerminkan risiko pembiayaan diukur dengan membandingkan antara pembiayaan bermasalah terhadap total pembiayaan. Nilai terendah adalah 1,50 dan nilai tertinggi 7,00 dengan nilai rata-rata 3,5430 dan standar deviasi 1,31099. 4. Variabel independen BOPO Beban Operasional Pendapatan Operasional yang mencerminkan efisiensi diukur dengan membandingkan antara jumlah total beban operasional terhadap jumlah total pendapatan operasional perputaran total. Nilai terendah adalah 5,01 dan nilai tertinggi 215,58 dengan nilai rata-rata 88,3990 dan standar deviasi 41,56790. 5. Variabel independen FDR Financing to Deposit Ratio yang mencerminkan kemampuan bank dalam membayar kembali penarikan dana yang dilakukan deposan diukur dengan membandingkan pembiayaan yang diberikan terhadap total dana pihak ketiga. Nilai terendah 68,92 dan nilai tertinggi 184,37 dengan nilai rata-rata 92,4295 dan standar deviasi 24,50588. 6. Variabel independen NRM Net Revenue Margin yang mencerminkan kemampuan manajemen bank dalam menghasilkan keuntungan dari bagi hasil dengan melihat kinerja bank dalam menyalurkan pembiayaan diukur dengan membandingkan pendapatan dari bagi hasil terhadap total pembiayaan. Nilai terendah 36 5,00 dan nilai tertinggi 15,49 dengan nilai rata-rata 7,8255 dan standar deviasi 3,14302. 4.2.2 Pengujian Asumsi Klasik 4.2.2.1 Uji Normalitas Data Uji normalitas data bertujuan untuk menguji apakah dalam sebuah model regresi, variabel dependen ROA, variabel independen CAR, NPF, BOPO, FDR, dan NRM pada bank umum syariah, atau keduanya mempunyai distribusi normal atau tidak. Normalitas umumnya dideteksi dengan melihat penyebaran data titik pada sumbu diagonal dari grafik atau dengan melihat histogram dari residualnya. 37 Gambar 4.1 Uji Normalitas Histogram 38 Gambar 4.2 Uji Normalitas Grafik P-Plot Analisis grafik dapat digunakan dengan dua alat yaitu grafik histogram dan grafik P-P Plot. Data yang baik adalah data yang memiliki pola distribusi normal. Pada grafik histogram, data yang mengikuti atau mendekati distribusi normal adalah distribusi data dengan bentuk lonceng. Pada grafik P-P Plot, sebuah data dikatakan berdistribusi normal apabila titik-titik datanya tidak menceng ke kiri atau ke kanan, melainkan menyebar di sekitar garis diagonal. 39 Dengan melihat tampilan grafik histogram pada gambar 4.1 diatas kita dapat melihat bahwa gambar grafik berbentuk lonceng dan tidak menceng ke kiri dan ke kanan yang menunjukkan bahwa data terdistribusi secara normal. Pada grafik P-P Plot pada gambar 4.2 diatas terlihat titik-titik menyebar di sepanjang garis diagonal. Kedua grafik tersebut menunjukkan bahwa model regresi tidak menyalahi asumsi normalitas. Pengujian normalitas data dengan hanya melihat grafik dapat menyesatkan kalau tidak melihat secara seksama, sehingga kita perlu melakukan uji normalitas data dengan menggunakan statistik agar lebih meyakinkan. Untuk memastikan apakah data di sepanjang garis diagonal berdistribusi normal, maka dilakukan uji Kolmogorov-Smirnov 1 sample KS, dengan melihat data residualnya apakah berdistribusi normal atau tidak. Jika nilai signifikansinya 0,05 lebih besar dari 0,05, maka data tersebut terdistribusi normal. Jika nilai signifikansinya 0,05 lebih kecil dari 0,05, maka distribusi data adalah tidak normal. Pengujian normalitas dengan metode statistik ini dapat dilihat pada tabel 4.2 sebagai berikut : 40 Tabel 4.2 Hasil Uji Normalitas Data One-Sample Kolmogorov-Smirnov Test Residual N 20 Normal Parameters a,,b Mean .0000 Std. Deviation .67543 Most Extreme Differences Absolute .111 Positive .076 Negative -.111 Kolmogorov-Smirnov Z .496 Asymp. Sig. 2-tailed .966 a. Test distribution is Normal. b. Calculated from data. Hasil uji Kolmogorov-Smirnov pada tabel 4.2 diatas menunjukkan nilai signifikansi = 0,966. Dengan demikian, data pada penelitian ini berdistribusi normal dan dapat digunakan untuk melakukan uji hipotesis karena 0,966 0,05.

4.2.2.2 Uji Heterokedastisitas

Uji heterokedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain Ghozali, 2005 : 111. Model regresi yang baik adalah tidak terjadi heterokedastisitas. Cara mendeteksi ada tidaknya gejala heterokedastisitas adalah dengan melihat grafik scatterplot yang dihasilkan dari pengolahan data menggunakan program SPSS. Dasar pengambilan keputusannya menurut adalah sebagai berikut : 41 a. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur maka mengindikasikan telah terjadi heterokedastisitas. b. Jika tidak ada pola yang jelas, serta titik menyebar dibawah angka 0 dan y, maka tidak heterokedastisitas. Uji ini dilakukan dengan mengamati pola tertentu pada grafik scatterplot, dimana bila ada titik-titik yang menyebar di atas dan dibawah angka 0 pada sumbu y serta tidak membentuk pola maka tidak terjadi heterokedastisitas. Gambar 4.3 Uji Heterokedastisitas Scatterplot 42 Pada gambar 4.3 tentang grafik scatterplot diatas terlihat titik-titik menyebar secara acak dan tidak membentuk sebuah pola tertentu yang jelas serta tersebar baik diatas maupun dibawah angka nol pada sumbu y. Hal ini berarti tidak terjadi heterokedastisitas pada model regresi sehingga model regresi layak dipakai untuk melihat pengaruh variabel independen terhadap variabel dependen.

4.2.2.3 Uji Autokorelasi

Uji autokorelasi bertujuan untuk menganalisis apakah dalam model regresi linear terdapat korelasi antara kesalahan pengganggu pada periode t dengan kesalahan t 1 atau sebelumnya Erlina, 2008 : 106. Model regresi yang baik adalah yang bebas dari autokorelasi. Untuk mendeteksi masalah autokorelasi dapat dilakukan dengan menggunakan uji Durbin Watson. Panduan untuk mendeteksi ada atau tidaknya autokorelasi adalah sebagai berikut : i. Bila nilai DW terletak antara batas atas dU dan 4-dU, maka koefisien autokorelasi sama dengan nol berarti tidak ada autokorelasi. ii. Bila nilai DW lebih rendah dari pada batas bawah dL, maka koefisien autokorelasi lebih dari nol berarti ada autokorelasi positif. iii. Bila nilai DW lebih dari pada 4-dL, maka maka koefisien autokorelasi lebih kecil dari nol berarti ada autokorelasi negatif. 43 iv. Bila nilai DW terletak antara batas atas dU dan batas bawah dL atau DW terletak antara 4-dU dan dL, maka hasilnya tidak dapat disimpulkan. Tabel 4.3 Hasil Uji Autokorelasi Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .900 a .809 .741 .78686 1.997 a. Predictors: Constant, NRM, NPF, CAR, FDR, BOPO b. Dependent Variable: ROA Tabel 4.3 memperlihatkan nilai statistik DW sebesar 1,997. Nilai dU tabel = 1,9908. Jadi, dapat dicari nilai 4-dU yaitu 4- 1,9908 = 2,0092. Dari hasil tersebut, dapat disimpulkan bahwa tidak ada autokorelasi karena DW terletak antara batas atas dU dan 4-dU, 1,997 terletak antara 1,9908 dan 2,0092. Dengan demikian, model regresi tersebut sudah bebas dari masalah autokorelasi.

4.2.2.4 Uji Multikolinearitas

Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Dalam hal ini, kita sebut variabel bebas ini tidak ortogonal Erlina, 2008. Variabel bebas yang bersifat ortogonal adalah variabel bebas yang memiliki nilai korelasi diantara sesamanya sama dengan nol. 44 Pengujian bertujuan mengetahui ada tidaknya multikolinearitas antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi antara variabel independen. Uji multikolinearitas juga bertujuan untuk menghindari kebiasaan dalam proses pengambilan kesimpulan mengenai pengaruh pada uji parsial masing-masing variabel independen terhadap variabel dependen Umar, 2003 : 132. Deteksi dilakukan dengan melihat nilai VIF Variable Inflation Factor dan nilai tolerance. Multikolinearitas terjadi apabila nilai VIF 10 dan nilai tolerance 0,10. Tabel 4.4 Hasil Uji Multikolinearitas Coefficients a Model Collinearity Statistics Tolerance VIF 1Constant CAR .430 2.324 NPF .642 1.558 BOPO .366 2.732 FDR .456 2.191 NRM .910 1.099 a. Dependent Variable: ROA 45 Berdasarkan tabel 4.4 diatas dapat dilihat bahwa tidak ada satupun variabel independen yang memiliki nilai VIF lebih dari 10 dan tidak ada yang memiliki tolerance value lebih kecil dari 0,1. Jadi dapat disimpulkan bahwa penelitian ini terbebas dari adanya multikolinearitas. Dari hasil uji ini maka dapat disimpulkan bahwa semua variabel independen yang dipakai dalam penelitian ini lolos uji gejala multikolinearitas. 4.2.3 Pengujian Hipotesis 4.2.3.1 Uji Koefesien Determinasi R 2 Koefisien determinasi menunjukkan seberapa besar variabel independen menjelaskan variabel dependennya. Dalam hal ini, adjusted R 2 digunakan untuk mengetahui seberapa besar pengaruh variabel CAR, NPF, BOPO, FDR, dan NRM terhadap profitabilitas ROA. “Adjusted R 2 dianggap lebih baik dari R 2 karena nilai adjusted R 2 dapat naik atau turun apabila satu variabel independen ditambahkan kedalam model” Ghozali, 2005. Oleh karena itu, pada penelitian ini yang digunakan adjusted � 2 berkisar antara nol dan satu. Jika nilai adjusted � 2 makin mendekati satu maka makin baik kemampuan model tersebut dalam menjelaskan variabel independen dan sebaliknya. 46 Tabel 4.5 Hasil Uji Koefisien Determinasi R 2 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .900 a .809 .741 .78686 a. Predictors: Constant, NRM, NPF, CAR, FDR, BOPO b. Dependent Variable: ROA Besarnya adjusted R 2 berdasarkan hasil analisis statistik yang diperoleh sebesar 0,741. Dengan demikian besarnya pengaruh CAR, NPF, BOPO, FDR, dan NRM yang diberikan terhadap profitabilitas ROA adalah sebesar 74,1. Sedangkan sisanya sebesar 25,9 adalah dipengaruhi oleh faktor lain yang tidak diteliti dalam penelitian ini.

4.2.3.2 Uji Parsial Uji t

Uji ini bertujuan untuk mengetahui hubungan antara variabel independen terhadap variabel dependen secara parsial individu. Kriteria pengambilan keputusan adalah : - Hipotesis diterima apabila t hitung t tabel pada sig-prob α 0,05 - Hipotesis ditolak apabila t hitung t tabel pada sig-prob α 0,05 Apabila probabilitas signifikasi lebih besar dari α 0,05, maka variabel bebas secara individu tidak berpengaruh terhadap profitabilitas ROA. Jika probabilitas signifikansi lebih kecil dari α 0,05, maka 47 variabel bebas secara individu berpengaruh terhadap profitabilitas ROA. Hasil uji parsial ini dapat dilihat pada tabel 4.6 sebagai berikut : Tabel 4.6 Hasil Uji Parsial Uji t Coefficients a Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1Constant 1.816 .814 2.231 .043 CAR -.101 .032 -.568 -3.191 .007 NPF .400 .172 .339 2.327 .035 BOPO -.020 .007 -.539 -2.793 .014 FDR .001 .011 .019 .109 .915 NRM .132 .060 .268 2.192 .046 a. Dependent Variable: ROA Berikut ini adalah penjelasan hasil pengujian statistik t pada tabel: 1. Pengaruh CAR terhadap profitabilitas ROA Nilai t hitung untuk variabel CAR adalah sebesar -3,191. Nilai t hitung -3,191 lebih besar dari t tabel 2,13145 dan nilai signifikansi sebesar 0,07 0,05 artinya bahwa CAR secara parsial tidak terbukti berpengaruh secara positif dan signifikan terhadap profitabilitas ROA bank syariah. 48 2. Pengaruh NPF terhadap profitabilitas ROA Nilai t hitung untuk variabel NPF adalah sebesar 2,327. Nilai t hitung 2,327 lebih besar dari t tabel 2,13145 dan nilai signifikansi sebesar 0,035 0,05 artinya bahwa NPF secara parsial terbukti berpengaruh secara negatif dan signifikan terhadap profitabiitas ROA bank syariah. 3. Pengaruh BOPO terhadap profitabilitas ROA Nilai t hitung untuk variabel BOPO adalah sebesar -2,793. Nilai t hitung -2,793 lebih besar dari t tabel 2,13145 dan nilai signifikansi sebesar 0,014 0,05 artinya bahwa BOPO secara parsial terbukti berpengaruh secara negatif dan signifikan terhadap profitabilitas ROA bank syariah. 4. Pengaruh FDR terhadap profitabilitas ROA Nilai t hitung untuk variabel FDR adalah sebesar 0,109. Nilai t hitung 0,109 lebih kecil dari t tabel 2,13145 dan nilai signifikansi sebesar 0,915 0,05 artinya FDR secara parsial tidak terbukti berpengaruh secara positif dan signifikan terhadap profitabilitas ROA bank syariah. 5. Pengaruh NRM terhadap profitabilitas ROA Nilai t hitung untuk variabel NRM adalah sebesar 2,192. Nilai t hitung 2,192 lebih besar dari t tabel 2,13145 dan nilai signifikansi sebesar 0,046 0,05 artinya NRM secara parsial 49 terbukti berpengaruh secara positif dan signifikan terhadap profitabilitas ROA bank syariah. Dari tabel 4.6 diatas dapat diperoleh model persamaan regresi berganda sebagai berikut : Y = 1,816 – 0,101CAR + 0,4NPF – 0,02BOPO + 0,001FDR + 0,132NRM + e 1. Koefisien konstan adalah 1,816 menyatakan jika CAR, NPF, BOPO, FDR, NRM dan e adalah 0, maka profitabilitas ROA adalah 1,816. 2. CAR mempunyai koefisien regresi kearah yang negatif sebesar 0,101. Hal ini berarti bahwa setiap peningkatan CAR sebesar 1 maka nilai tingkat profitabilitas ROA akan menurun sebesar 0,101 dengan asumsi variabel lain tetap. 3. NPF mempunyai koefisien regresi kearah positif sebesar 0,4. Hal ini berarti bahwa setiap peningkatan NPF sebesar 1 maka nilai tingkat profitabilitas ROA akan meningkat sebesar 0,4 dengan asumsi variabel lain tetap. 4. BOPO mempunyai koefisien regresi kearah negatif sebesar 0,02. Hal ini berarti bahwa setiap peningkatan BOPO sebesar 1 maka nilai tingkat profitabilitas ROA akan menurun sebesar 0,02 dengan asumsi variabel lain tetap. 5. FDR mempunyai koefisien regresi kearah positif sebesar 0,001. Hal ini berarti bahwa setiap peningkatan FDR sebesar 1 maka 50 nilai tingkat profitabilitas ROA akan meningkat sebesar 0,001 dengan asumsi variabel lain tetap. 6. NRM mempunyai koefisien regresi kearah positif sebesar 0,132. Hal ini berarti bahwa setiap peningkatan NRM sebesar 1 maka nilai tingkat profitabilitas ROA akan meningkat sebesar 0,132 dengan asumsi variabel lain tetap.

4.2.3.3 Uji Simultan Uji F

Uji ini bertujuan untuk menguji pengaruh antara variabel independen terhadap variabel dependen secara bersama-sama. Kriteria pengambilan keputusan adalah : - Hipotesis diterima apabila F hitung F tabel pada sig-prob α 0,05 - Hipotesis ditolak apabila F hitung F tabel pada sig-prob α 0,05 Apabila probabilitas signifikansi lebih besar dari α 0,05, maka variabel independen secara bersama-sama tidak berpengaruh terhadap variabel profitabilitas ROA. Jika probabilitas signifikansi lebih kecil dari α 0,05, maka variabel independen secara bersama-sama berpengaruh terhadap variabel profitabilitas ROA. Hasil uji simultan ini dapat dilihat pada tabel 4.7 sebagai berikut : 51 Tabel 4.7 Hasil Uji Simultan Uji F ANOVA b Model Sum of Squares Df Mean Square F Sig. 1 Regression 36.761 5 7.352 11.875 .000 a Residual 8.668 14 .619 Total 45.429 19 a. Predictors: Constant, NRM, NPF, CAR, FDR, BOPO b. Dependent Variable: ROA Pada tabel 4.7 diatas dapat dilihat bahwa nilai F hitung F tabel 11,875 2,90, sedangkan nilai signifikansi sebesar 0,000 0,05. Hal ini menunjukkan bahwa variabel CAR, NPF, BOPO, FDR, dan NRM secara simultan terbukti mempengaruhi profitabilitas ROA bank syariah.

4.3 Pembahasan Hasil Penelitian

Hasil analisa statistik menunjukkan bahwa kemampuan variabel independen yaitu CAR Capital Adequacy Ratio, NPF Non Performing Financing, BOPO Beban Operasional Pendapatan Operasional, FDR Financing to Deposit Ratio, dan NRM Net Revenue Margin dalam menjelaskan variabel dependen yaitu profitabilitas ROA adalah sebesar 74,1 adjusted R Square = 0,741, sisanya sebesar 25,9 dipengaruhi oleh variabel lain diluar variabel yang digunakan. Dalam pengujian secara parsial, ditemukan hanya variabel NPF Non Performing Financing, BOPO Beban Operasional Pendapatan Operasional, dan NRM Net Revenue Margin yang memiliki pengaruh signifikan terhadap 52 profitailitas ROA, sedangkan variabel CAR Capital Adequacy Ratio dan FDR Financing to Deposit Ratio tidaklah signifikan. Pembahasan untuk masing–masing variabel dalam pengujian secara parsial adalah sebagai berikut : 1. CAR Capital Adequacy Ratio Dari hasil perhitungan uji secara parsial uji t, diperoleh nilai t hitung sebesar -3.191 dengan nilai signifikansi 0,07. Karena nilai signifikansi lebih besar dari 0,05 dan nilai t hitung -3,191 lebih besar dari t tabel 2,13145, maka hipotesis 1 H 1 ditolak dan artinya tidak ada hubungan yang positif dan signifikan antara CAR dengan profitabilitas ROA bank syariah. 2. NPF Non Performing Financing Dari hasil perhitungan uji secara parsial uji t, diperoleh t hitung sebesar 2,327 dengan nilai signifikansi 0,035. Karena nilai signifikansi lebih kecil dari 0,05 dan nilai t hitung 2,327 lebih besar dari t tabel 2,13145, maka hipotesis 2 H 2 diterima dan artinya ada hubungan yang negatif dan signifikan antara NPF dengan profitabilitas ROA bank syariah. 3. BOPO Beban Operasional Pendapatan Operasional Dari hasil perhitungan uji secara parsial uji t, diperoleh t hitung sebesar -2,793 dengan nilai signifikansi 0,014. Karena nilai 53 signifikansi lebih kecil dari 0,05 dan nilai t hitung -2,793 lebih besar dari t tabel 2,13145, maka hipotesis 3 H 3 diterima dan artinya ada hubungan yang negatif dan signifikan antara BOPO dengan profitabilitas ROA bank syariah. 4. FDR Financing to Deposit Ratio Dari hasil perhitungan uji secara parsial uji t, diperoleh t hitung sebesar 0,109 dengan nilai signifikansi 0,915. Karena nilai signifikansi lebih besar dari 0,05 dan nilai t hitung 0,109 lebih kecil dari t tabel 2,13145, maka hipotesis 4 H 4 ditolak dan artinya tidak ada hubungan yang positif dan signifikan antara FDR dengan profitabilitas ROA bank syariah. 5. NRM Net Revenue Margin Dari hasil perhitungan uji secara parsial uji t, diperoleh t hitung sebesar 2,192 dengan nilai signifikansi 0,046. Karena nilai signifikansi lebih kecil dari 0,05 dan nilai t hitung 2,192 lebih besar dari t tabel 2,13145, maka hipotesis 5 H 5 diterima dan artinya tidak ada hubungan yang positif dan signifikan antara NRM dengan profitabilitas ROA bank syariah. 54 Melalui uji F untuk pengujian secara simultan, diperoleh nilai F hitung 11,875 dengan nilai signifikansi 0,000. Karena nilai signifikansi lebih kecil dari 0,05 dan nilai F hitung 11,875 lebih besar dari F tabel 2,90, maka hipotesis 6 H 6 diterima dan artinya variabel independen yaitu CAR Capital Adequacy Ratio, NPF Non Performing Financing, BOPO Beban Operasional Pendapatan Operasional, FDR Financing to Deposit Ratio, dan NRM Net Revenue Margin merupakan penjelas yang signifikan dan secara simultan mempengaruhi variabel dependen yaitu profitabilitas ROA bank syariah. 55 BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan