55
purposive sampling yaitu pengumpulan data atas dasar strategi kecakapan atau pertimbangan pribadi semata. Abdul Hamid, 2007:29.
Judgment sampling adalah teknik sampling yang satuan samplingnya dipilih berdasarkan pertimbangan tertentu. Tujuan dari penelitian ini adalah
melihat indikasi moral hazard dari faktor-faktor eksternal seperti gross domestik product GDP dan inflasi serta faktor internal gabungan bank
syariah seperti kebijakan pembiayaan bank berdasarkan return yang dihasilkan dan alokasi pembiayaan, sedangkan indikasi adverse selection
dilihat dari tingkat bagi hasil gabungan bank syariah terhadap NPF periode Januari 2012-Februari 2016.
C. Metode Pengumpulan Data
Pengumpulan data merupakan hal yang harus dilakukan dalam penyusunan skripsi ini, karena penulis dalam menyusun skripsi memerlukan
data-data yang lengkap, akurat dan dapat disahkan kebenarannya. Dalam penulisan skripsi ini, data yang digunakan dalam teknik penelitian ini
merupakan data sekunder dan data primer, yaitu : 1. Data sekunder merupakan sumber yang tidak langsung memberikan data
kepada pengumpul data, misalnya orang lain atau lewat dokumen Sugiyono, 2009: 225. Data-data sekunder yang digunakan dalam
penelitian ini yaitu : a. Data NPF dan kebijakan internal bank seperti kebijakan pembiayaan
bank berdasarkan return yang dihasilkan, alokasi pembiayaan, dan
56
tingkat bagi hasil yang diperoleh dari Statistik Perbankan Syariah yang dipublikasikan oleh OJK.
b. Data Gross Domestic Product GDP yang diperoleh dari Statistik
Ekonomi dan Keuangan Indonesia SEKI yang dipublikasikan oleh BI
c. Data inflasi dipublikasikan oleh BI. Proses pengumpulan data dalam penelitian ini menggunakan teknik
Studi Kepustakaan Library Research, merupakan teknik pengambilan 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 dan mengutip bahan-bahan yang
berkenaan dengan penelitian. 2. Data primer merupakan sumber data yang langsung memberikan data
kepada pengumpul data Sugiyono, 2009: 225. Data primer yang digunakan dalam penelitian ini yaitu melalui wawancara langsung dari
sumber pertama objek penelitian dilakukan dengan memfokuskan pada persoalan-persoalan yang akan diteliti.
D. Metode Analisis Data
Penulis dalam penelitian ini menggunakan metode data kuantitatif dengan menggunakan analisis statistik melalui pendekatan regresi berganda,
57
yaitu suatu analisis yang mengukur pengaruh antar variabel yang melibatkan
lebih dari dua variabel independen terhadap variabel dependen.
Dalam penelitian ini, metode analisis data yang digunakan adalah metode korelasi kesalahan atau dikenal dengan nama error correction model ECM,
yang digunakan untuk mengetahui pengaruh jangka panjang dan pendek antar
variabel independen terhadap variabel dependen
Analisis data akan dilakukan dengan bantuan aplikasi komputer, program EVIEWS 8. Aplikasi EViews 8 digunakan peneliti karena peneliti
menggunakan data time series dibandingkan dengan SPSS yang kurang cocok, dalam hal uji-uji statistik terkait data time series, Eviews sangat
powerful membantu penelitian. Pengujia ECM baru dapat dilakukan bila terdapat indikasi adanya hubungan jangka panjang dengan menggunakan uji
kointegrasi. Variabel-variabel dikatakan terkointegrasi bila stasioner pada ordo yang sama. Untuk menguji kestasioneran data, maka pada penelitian ini
digunakan Phillips Perron PP test. Nilai koefisien regresi sangat berarti sebagai dasar analisis. Koefisien β
akan bernilai positif + jika menunjukkan hubungan yang searah antara variable independen dengan variabel dependen, Artinya kenaikan variabel
independen akan mengakibatkan kenaikan variabel dependen, begitu pula sebaliknya jika variable independen mengalami penurunan. Sedangkan nilai
β akan negatif - jika menunjukkan hubungan yang berlawanan, artinya kenaikan variabel independen akan mengakibatkan penurunan variabel
dependen, demikian pula sebaliknya. Uji yang pertama dilakukan adalah uji
58
normalitas dimana untuk melihat apakah nilai residual terdistribusi normal atau tidak. Selanjutnya model persamaan yang diperoleh dari pengolahan data
diupayakan tidak terjadi gejala multikolinieritas, heteroskedastisitas dan autokorelasi. Untuk mengetahui ada tidaknya gejala-gejala tersebut akan
dilakukan uji terlebih dahulu dengan uji asumsi klasik. Berikut ini merupakan alat yang digunakan dalam penelitian ini, yaitu:
1. Uji Normalitas Uji normalitas adalah untuk melihat apakah nilai residual
terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan
dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas
dilakukan pada masing-masing variabel. Hal ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada
masing-masing variable penelitian. Sebenarnya normalitas dapat dilihat dari gambar histogram, namun seringkali polanya tidak mengikuti kurva
normal, sehingga sulit disimpulkan. Akan lebih mudah bila melihat koefisien Jarque-Bera dan Probabilitasnya. Kedua angka ini saling
mendukung. Winarno,2015:5.43 Langkah-langkah pengujian normalitas data sebagai berikut:
Hipotesis: H
: Model tidak Normal H
1
: Model normal
59
Bila probabilitas ObsR2 0.05 → Signifikan, H
1
diterima Bila probabilitas ObsR2 0.05 → Tidak signifikan, H
1
ditolak 2. Uji Linieritas
Uji linieritas adalah pengujian yang dilakukan untuk melihat apakah spesifikasi model yang digunakan sudah benar atau tidak
Insukindro,2001:100. Spesifikasi model yang digunakan merupakan hasil dari pemilihan model yang dianggap tepat sesuai dengan landasan
teori. Namun pada prakteknya terkadang model yang dipilih belum tepat digunakan dalam penelitian, oleh karena itu perlu dilakukan
pendeteksian terhadap model tersebut. Pendeteksian model tersebut menggunakan uji linieritas, kemudian dari pengujian ini akan diperoleh
informasi mengenai bentuk model empiris dan menguji variabel yang relevan untuk dimasukkan dalam model empiris.
Uji linearitas yang digunakan dalam penelitian ini adalah uji RESET Regression
Error Specifitation
Tes versi
Ramsey yang
mengembangkan uji secara umum kesalahan spesifikasi. Dalam pengujian Ramsey RESET, yang perlu diperhatikan adalah nilai F
hitung, dengan hipotesis: H
0 =
Model tidak linier H
1 =
Model linier Apabila nilai F hitung lebih besar dari nilai F kritisnya pada α
tertentu menunjukkan signifikan, maka hipotesis H diterima, artinya
model yang digunakan tidak linier. Sebaliknya apabila nilai F hitung
60
lebih kecil dari nilai F kritisnya pada α tertentu menunjukkan tidak signifikan dan H
ditolak yang artinya model yang digunakan linier.
Kemudian pengambilan keputusan juga dapat dilakukan dengan melihat nilai probabilitas yaitu nilai digunakan untuk mengukur tingkat
terjadinya suatu kejadian yang acak atau sering disebut juga dengan peluang atau kemungkinan. Nilai probabilitas yaitu sebagai berikut:
1 Bila probabilitas ObsR
2
0,05 maka signifikan, dan menolak H
0,
maka model dikatakan linier 2 Bila probabilitas ObsR
2
0,05 maka tidak signifikan, dan menerima H
0,
maka model dikatakan tidak linier 3. Uji Stasioneritas
Salah satu persyaratan penting untuk mengaplikasikan model seri waktu yaitu dipenuhinya asumsi data yang normal atau stabil stasioner
dari variabel-variabel pembentuk persamaan regresi. Karena penggunaan data dalam penelitian ini dimungkinkan adanya data yang tidak stasioner,
maka dalam penelitian ini perlu digunakan beberapa uji stasioner.Dalam melakukan uji stasioneritas, penulis akan melakukan proses analisis yang
terdiri dari : a.
Uji Akar Unit Uji root test Pengujian akar unit dilakukan untuk mengetahui apakah data
yang digunakan stasioner atau tidak. Data yang stasioner adalah data time series yang tidak mengandung akar unit dan sebaliknya. Untuk
mengetahui hal tersebut dapat dilakukan dengan uji Dickey-Fuller
61
dan uji Philips-Perron PP yang merupakan bagian dari uji akar unit.
Dalam penelitian ini untuk mengetahui ada atau tidaknya akar unit pada data penelitian dilakukan dengan menggunakan uji
Philips-Perron PP. Uji Phillips-Perron memasukkan adanya autokorelasi di dalam variable gangguan dengan memasukkan
variabel independen berupa kelambanan diferensi. Phillips-Perron PP membuat uji akar unit dengan menggunakan metode statistic
non perametrik dalam menjelaskan adanya autokorelasi antara variabel gangguan tanpa memasukkan variabel penjelaskelambanan
diferensi Agus Widarjono, 2005. Statistik distributif t tidak mengikuti statistik distributif normal
tetapi mengikuti distributif statistik PP. Prosedur untuk menentukan apakah data stasioner atau tidak dengan cara membandingkan antara
nilai statistik PP dengan nilai kritisnya yaitu distribusi statistik Mackinnon. Jika nilai absolut statistik PP lebih besar dari nilai
kritisnya, maka data yang diamati menunjukkan stasioner dan jika sebaliknya nilai absolute statistik PP lebih kecil dari nilai kritisnya
maka data tidak stasioner. b. Uji Derajat Integrasi
Data time series pada umumnya adalah data yang tidak stasioner. Untuk menghindari regresi lancung maka harus
ditransformasikan data nonstasioner menjadi data stasioner.
62
Menurut Nachrowi,2006 dalam berbagai studi ekonometrika, data time series sangat banyak digunakan. Namun dibalik pentingnya
data tersebut, ternyata data time series menyimpan berbagai permasalahan, salah satunya yaitu autokorelasi. autokorelasi ini
merupakan penyebab yang mengakibatkan data menjadi tidak stasioner, sehingga bila data dapat distasionerkan maka autokorelasi
akan hilang dengan sendirinya, karena metode transformasi data untuk membuat data yang tidak stasioner sama dengan transformasi
data untuk menghilangkan autokorelasi. Dalam uji akar unit PP bila menghasilkan kesimpulan bahwa
data tidak stasioner, maka diperlukan proses deferensi data. Uji stasioner data melalui proses diferensi ini disebut uji derajat
integrasi. Seperti uji akar unit PP, keputusan sampai pada derajat keberapa suatu data akan stasioner dapat dilihat dengan
membandingkan antara nilai statistik PP yang diperoleh dari koefisien y dengan nilai kritis distribusi statistik Mackinnon. Jika
nilai absolut dari statistik PP lebih besar dari nilai kritisnya pada diferensi tingkat pertama, maka data dikatakan stasioner pada derajat
satu. Akan tetapi, jika nilainya lebih kecil maka uji derajat integrasi perlu dilanjutkan pada diferensi yang lebih tinggi sehingga diperoleh
data yang stasioner.
3. Uji Kointegrasi
63
Kointegrasi berkaitan erat dengan pengujian terhadap kemungkinan adanya hubungan jangka panjang antara variabel-variabel ekonomi
seperti yang dikehendaki oleh teori ekonomi Insukindro,2001:121. Uji kointegrasi dari dua atau lebih data time series menunjukkan bahwa
terdapat hubungan jangka panjang. Data time series dikatakan terkointegrasi jika residu dari tingkat regresi stasioner, maka tingkat
regresi akan memberikan estimasi yang tepat untuk hubungan jangka panjang. Dalam melihat suatu model yang dimiliki kointegrasi atau
tidak, dapat dilakukan dengan menjalankan uji johansen, uji CRDW, dan uji EG. Dalam penelitian ini untuk melihat ada atau tidaknya kointegrasi
dilakukan dengan uji Johansen. Uji Johansen mendasarkan pada kemungkinan maksimum maximum likelihood yang memberikan
statistik eigen value dan trace untuk menentukan jumlah vektor kointegrasi dalam suatu persamaan. Selain itu pengujian Johansen lebih
powerfull Arif Rahman Hakim, 2015:5. Hipotesis dalam uji ini yaitu: H
= Trace statistik nilai kritis = model tidak terkointegrasi H
1
= Trace statistik nilai kritis = model terkointegrasi Adanya indikasi hubungan keseimbangan dalam jangka panjang
belum dapat digunakan sebagai bukti bahwa terdapat hubungan antara variabel-variabelnya dalam jangka pendek. Sehingga untuk menentukan
variabel mana yang menyebabkan perubahan pada variabel lainnya, maka digunakan penghitungan Error Correction Model
4. Uji Asumsi Klasik
64
Tujuan pengujian asumsi klasik ini untuk memberikan kepastian bahwa persamaan regresi yang didapatkan memiliki ketepatan dalam
estimasi, tidak bias dan konsisten. Model regresi linier berganda multiple regression dapat disebut sebagai model yang baik jika model
tersebut memenuhi Kriteria BLUE Best Linear Unbiased Estimator. BLUE dapat dicapai bila memenuhi Asumsi Klasik.
Uji asumsi klasik yang digunakan terdiri dari uji multikolinearitas, uji autokorelasi, uji heteroskedastisitas.
a. Uji Multikolinearitas Uji multikolinearitas digunakan untuk mengetahui ada atau
tidaknya penyimpangan asumsi klasik multikolinearitas yaitu adanya hubungan linear antar variabel independen dalam model
regresi. Multikolinieritas adalah kondisi adanya hubungan linier antar variabel independen Winarno, 2015: 5.1
Salah satu cara mendeteksi ada atau tidaknya multikolinearitas adalah dengan uji korelasi. Pada uji korelasi, pengujian
multikolinieritas hanya dengan melihat hubungan secara individual antara satu variabel antara variabel independen dan variabel
independen lainnya. Tetapi multikolinearitas bisa juga muncul karena satu atau lebih variabel independen merupakan kombinasi
linier dengan variabel independen lain. Dalam pengujian ini peneliti akan menguji koefisien korelasi r antara variabel independen.
Sebagai aturan rule of thumb, jika koefisien korelasi cukup tinggi,
65
misalnya mencapai 0,85 diduga terdapat multikolinieritas dalam model. Sebaliknya jika koefisien korelasi relatif rendah maka diduga
model tidak mengandung multikolinieritas. b. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan deviasi standar nilai variabel dependen
pada setiap variabel independen. Salah satu asumsi penting OLS adalah varian dari dari residual adalah konstan. Namun dalam
kenyataannya seringkali varian residual adalah tidak konstan atau disebut dengan heteroskedastisitas. Heteroskedastisitas biasanya
terdapat pada data cross section. Sementara itu data time series jarang mengandung unsur homoskedastisitas, dikarenakan ketika
menganalisis perilaku data yang sama dari waktu ke waktu fluktuasinya akan relatif lebih stabil Widarjono, 2005:146.
Untuk mendeteksi ada tidaknya heteroskedastisitas, dapat dilakukan dengan berbagai uji, seperti metode grafik, uji arch, uji
glester, uji korelasi spearman, uji goldfeld-quandt, uji bruesch pagan godfrey, dan uji white. Untuk mendeteksi ada atau tidaknya
heteroskedastisitas dalam model, peneliti menggunakan uji white.
c. Uji Autokorelasi Autokorelasi autocorrelation adalah hubungan antara residual
satu observasi dengan residual observasi lainya. Autokolerasi lebih
66
mudah timbul pada data yang bersifat runtun waktu time series, karena berdasarkan sifatnya, data masa sekarang dipengaruhi oleh
data pada masa-masa sebelumnya. Meskipun demikian, tetap dimungkinkan autokorelasi dijumpai pada data yang bersifat antar
objek cross section Winarno,2015:5.29. Uji Autokorelasi bertujuan menguji apakah dalam model regresi
linier ada korelasi antara kesalahan penganggu pada periode t dengan kesalahan penganggupada periode t-1 sebelumnya. Jika
terjadi korelasi, maka dinamakan ada problem autokorelasi. autokorelasi muncul karena observasi yang berurutan sepanjang
waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual kesalahan penganggu tidak bebas dari satu observasi ke
observasi lainnya. Model regresi yang baik adalah model regresi yang bebas dari autokorelasi. Untuk mendeteksi ada atau tidaknya
autokorelasi salah satunya dengan menggunakan uji Breusch Godfrey Uji BG atau Uji Lagrange-Multiplier Uji LM. Uji ini
adalah adanya autokorelasi tingkat pertama dalam variabel pengganggu. Caranya yaitu dengan melihat besarnya probabilitas
yang diukur dengan signifikan level sebesar 5 a = 5 . Apabila lebih besar dari 5 , maka data tersebut tidak signifikan dan tidak
terdapat autokorelasi. 5. Uji Error Corection Model ECM
67
Error Correction Model ECM dikenalkan oleh Sargan, dikembangkan oleh Hendry dan dipopulerkan oleh Engle Granger
Winarno,2015:11.9. ECM merupakan model linier dinamis dalam ekonometri yang digunakan untuk menjelaskan hubungan antar variabel
dependen dan independen serta untuk melihat keseimbangan jangka panjang dan jangka pendek antar variabel independen terhadap variabel
dependen. ECM ini digunakan untuk menganalisis data berdasarkan runtun waktu time series. Untuk menganalisis adanya hubungan jangka
pendek antar variabel, dimasukkan variabel ECT Error Correction Term yang merupakan residual yang diperoleh dari regresi OLS
Ordinary Leasr Square jangka panjang, Untuk menyatakan apakah model ECM yang digunakan sahih atau tidak maka koefisien Error
Correction Term ECT harus signifikan. Jika koefisien ini tidak signifikan maka model tidak cocok dan perlu dilakukan perubahan
spesifikasi lebih lanjut. Insukindro, 1993:12-16. Model ECM yang digunakan dalam penelitian ini telah terbebas dari
ketidak stasioneritasan model melalui uji stasioneritas, uji derajat integrasi, uji kointegrasi dan uji asumsi klasik, sehingga model ECM
yang digunakan sudah layak untuk dipakai dan di analisis. Proses menuju model ECM yang layak digunakan dalam penelitian ini untuk
mengetahui hubungan jangka pendek dan jangka panjangnya, yaitu sebagai berikut, model ekonometrik. Berikut merupakan model ECM
yang digunakan dalam penelitian ini :
68
NPF = β0 + β1 GDP+ β2 INF+ β3 MM_MPLS + β4 RM_FM + β5 TBH+
ECT Berdasarkan pada model di atas, maka Model ECM pada penelitian
ini dirumuskan sebagai berikut : DNPF =
β + β
1
DGDPt + β
2
DINFt + β
3
DMM_MPLS
t
+ β
4
DRM_FM
t
+ β
5
ECT-1 Dimana :
NPF = Rasio Non Performing Financing
GDP = Gross Domestik Product
INF = Inflasi
MM_MPLS = Margin murabahah terhadap profit loss sharing
mudharabah RM_FM
= Pembiayaan murabahah terhadap pembiayaan mudharabah
TBH = Tingkat bagi hasil
ECT = Resid -1
β 1, β 2, β 3, β 4 = Koefisien regresi ECM jangka pendek β 5
= Koefisien ECT
6. Uji F Uji F digunakan untuk mengetahui pengaruh semua variabel
independen yang dimasukan dalam model regresi secara bersama-sama
69
terhadap variabel dependen yang diuji pada tingkat signifikan 0.05. Jika nilai signifikan 0.05 maka H
ditolak dan Ha diterima, sebaliknya jika signifikan 0.05 maka H
diterima dan Ha ditolak Ghozali, 2006: 84. 7. Uji t
Uji statistik t digunakan untuk mengetahui ada atau tidaknya pengaruh masing-masing variabel independen secara individual terhadap
variabel dependen yang diuji pada tingkat signifikan 0.05, jika nilai probability t lebih besar dari 0.05 maka ada pengaruh variabel
independen terhadap variabel dependen Ghozali, 2006:84. 8. Uji Koefisien Determinasi R
2
Koefisien determinasi digunakan untuk membuat presentase variasi variabel independen terhadap variabel dependen serta seberapa besar
pengaruh dari faktor lain yang tidak dimasukkan ke dalam penelitian. Jika nilai koefisien determinasi adalah 1 berarti kuatnya kemampuan
fluktuasi variabel dependen, sebaliknya jika nilainya mendekati angka 0, maka semakin rendah kemampuan fluktuasi variabel dependen Ghozali,
2006:83. 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
70
meningkatkan R
2
meskipun variabel yang dimasukkan tidak memiliki pengaruh yang signifikan terhadap variabel terikatnya.
Untuk mengurangi kelemahan tersebut maka digunakan koefisien determinasi yang telah disesuaikan, Adjusted R Square. Bertambahnya
variabel-variabel independen akan semakin memperkecil Adjusted R Square. Nilai Adjusted R Square masih bisa bertambah apabila nilai t
absolut variabel yang ditambahkan lebih besar dari 1. Semkin besar Adjusted R Square semakin baik pula model yang digunakan Winarno,
2015:4.23. E.
Operasional Variabel
Variabel adalah segala sesuatu berbentuk apaun yang ditetapkan oleh peneliti untuk dipelajari sehingga memperoleh informasi dari hal tersebut,
kemudian ditarik kesimpulannya Sugiyono, 2009:60. Hubungan antar variabel dengan variabel lainnya dalam penelitian ini yaitu :
1. Variabel Independen Variabel independen sering disebut sebagai variabel bebas. Variabel
bebas merupakan variabel yang mempengaruhi atau menjadi sebab perubahan atau timbulnya variabel dependen Syukra Alhamda,
2016:93. Variabel independen yang digunakan dalam penelitian ini adalah sebagai berikut :
a. Gross Domestic Product GDP
71
GDP yang dihitung berdasarkan pengeluaran terdiri dari empat komponen utama yaitu, konsumsi dilambangkan C, investasi
dilambangkan dengan I, pengeluaran pemerintah dilambangkan dengan G dan Expor yang dilambangkan dengan X serta impor yang
dilambangkan dengan M Y = C + I + G + X-M
Y = GDP GDP dalam penelitian ini disajikan dalam miliar rupiah
perbulan. Karena laporan GDP adalah pertiwulan dan pertahun, maka data GDP diinterpolasikan menjadi perbulan. Interpolasi data
adalah suatu metode yang digunakan untuk menaksir nilai data time series yang pempunyai rentang waktu lebih besar ke data yang
memiliki rentang waktu yang lebih kecil, atau sebaliknya tahunan ke triwulanan,triwulan kebulanan. Interpolasi dalam penelitian ini
menggunakan eviews. b. Inflasi
Dalam ekonomi, inflasi memiliki pengertian suatu proses meningkatnya harga-harga secara umum dan terus menerus. dengan
kata lain, inflasi merupakan proses suatu peristiwa dan bukan tinggi- rendahnya tingkat harga Rodoni Ali, 2014:195
Laju inflasi tahun kedua = �� ℎ
− �� ℎ �� ℎ �
CPI = Consumer Price Index Indeks Harga Konsumen IHK
72
c. Kebijakan pembiayaan MMMPLS Kebijakan pembiayaan bank berdasarkan return yang
dihasilkan yang direpresentasikan oleh rasio margin murabahah MM terhadap profit loss sharing mudharabah MPLS. Margin
murabahah adalah besarnya keuntungan yang diterima oleh bank syariah dari akad jual beli murabahah. Profit loss sharing
mudharabah adalah bagi hasil dari mudharabah yang dibagikan adalah keuntungan jika perusahaanbank untung dan bila mudharib
rugi maka shahibul maal menanggung kerugian. d. Kebijakan pembiayaan RMFM
Kebijakan pembiayaan bank berdasarkan alokasi pembiayaan yang direpresentasikan oleh rasio pembiayaan murabahah RM
terhadap pembiayaan mudharabah FM Pembiayaan murabahah adalah jual beli barang pada harga asal dengan tambahan keuntungan
yang disepakati. Pembiayaan mudharabah adalah akad kerjasama usaha antara dua pihak dimana pihak pertama shahibul maal
menyediakan seluruh 100 modal sedangkan pihak lainnya sebagai pengelola.
e. Tingkat bagi hasil
Tingkat bagi hasil equivalen rate adalah rata-rata tingkat imbalan atas pembiayaan mudharabah dan musyarakah bagi bank syariah pada
saat tertentu, dinyatakan dalam prosentase Veithzal, 2008. Data diperoleh dari publikasi laporan keuangan bulanan.
Variabel tingkat bagi hasil dapat diukur dengan:
73
TBH = Bagi hasil yang diterima x 100 Jumlah pembiayaan bagi hasil
2. Variabel Dependen Variabel dependen sering disebut sebagai variabel terikat. Variabel
terikat merupakan variabel yang dipengaruhi atau menjadi akibat karena adanya variabel bebas
Syukra Alhamda,2016:93. Variabel dependen yang digunakan dalam penelitian ini adalah
a. Non Performing Financing NPF
Non Perfoming Financing NPF yaitu untuk mengukur tingkat permasalahan pembiayaan yang dihadapi oleh bank.
Semakin tinggi rasio ini, menunjukkan bahwa kualitas pembiayaan semakin tidak sehat. Rumus perhitungan NPF adalah sebagai
berikut: NPF = Pembiayaan bermasalah KL, D, M x 100
Total Pembiayaan
74
BAB IV PEMBAHASAN
