Hasil Analisis dan Pembahasan

58 Gambar 4.4 Perkembangan Biaya Operasional Pendapatan Operasional BOPO Sumber: Data Olahan dari Bank Indonesia Berdasarkan grafik di atas terlihat bahwa BOPO yang melebihi angka 85 terjadi pada periode Januari 2012 dimana angka rasio BOPO mencapai 86,22, kemudian pada periode selanjutnya rasio BOPO kembali pada angka dibawah 85 dengan pergerakan yang berfluktuasi disekitar angka 70,43 sampai 83,77. Dan pada periode Januari 2015 sampai Desember 2015 BOPO mengalami ketidak sehatan yang berada pada angka 94,8 hingga 97,01.

B. Hasil Analisis dan Pembahasan

Semua data yang digunakan dalam analisis ini merupakan data sekunder deret waktu time series mulai tahun 2012 sampai 2015. Penelitian tentang Non Performing Finance NPF sektor konstruksi pada Bank Umum Syariah dan Unit Usaha Syariah disini menggunakan data pada Statistik 20 40 60 80 100 120 Jan -12 Ap r- 12 Ju l- 12 Oct- 12 Jan -13 Ap r- 13 Ju l- 13 Oct- 13 Jan -14 Ap r- 14 Ju l- 14 Oct- 14 Jan -15 Ap r- 15 Ju l- 15 Oct- 15 BOPO BOPO 59 Perbankan Syariah sebagai variabel dependen. Sedangkan variabel independen terdiri dari Financing to Deposit Ratio FDR, Capital Adequacy Ratio CAR, dan Biaya Operasional Pendapatan Operasional BOPO keseluruhan dari data yang digunakan sebagai bahan penelitian diperoleh dari laporan bulanan Statistik Perbakan Syariah yang dipublikasi oleh Bank Indonesia dan Otoritas Jasa Keuangan. Sebagaimana yang telah dijelaskan pada bab sebelumnya model yang digunakan peneliti sebagai alat analisis regresi berganda adalah Ordinary Least Square OLS. Model OLS merupakan model estimasi yang sering digunakan untuk mengestimasi fungsi regresi populasi dari fungsi regresi sampel. 38 Pengolahan data dilakukan secara elektronik dengan menggunakan Microsoft Excel 2010 dan Eviews 9 untuk mempercepat hasil yang dapat menjelaskan variabel-variabel yang akan diteliti. 1. Uji Asumsi Klasik a. Uji Normalitas Uji Normalitas yang digunakan dalam penelitian ini adalah menggunakan uji Jarque Bera dengan melihat nilai probability. Jika probability lebih besar dari nilai derajat α = 0.05, maka penelitian ini tidak ada permasalahan normalitas atau dengan kata lain, data terdistribusi normal. Sebaiknya, jika nilai probabilitasnya lebih kecil dari derajat kesalahan α = 0.05, maka dalam penelitian ini ada 38 Shochrul Rohmatul Ajija, dkk, Cara Cerdas Menguasai Eviews Jakarta: Salemba Empat, 2011, h.23. 60 permasalahan normalitas atau dengan kata lain, data tidak terdistribusi normal. Tabel 4.1 Uji Normalitas 2 4 6 8 10 -2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 Series: Residuals Sample 2012M01 2015M12 Observations 47 Mean -4.38e-15 Median -0.176395 Maximum 2.074105 Minimum -2.368769 Std. Dev. 0.945612 Skewness -0.092721 Kurtosis 3.516068 Jarque-Bera 0.588902 Probability 0.744941 Sumber: Hasil Output EViews 9 Berdasarkan Tabel 4.1, terlihat nilai probability sebesar 0.744941, lebih besar dari tingkat signifikansi sebesar 0.05, artinya data terdistribusi normal yang berarti H diterima. b. Uji Multikolinieritas Uji Multikolinieritas dilakukan untuk mengetahui ada tidaknya hubungan korelasi yang signifikan diantara dua atau lebih variabel independen dalam model regresi. Deteksi adanya multikolinieritas dilakukan dengan menggunakan uji korelasi parsial antar variabel independen. Dengan melihat nilai koefisien korelasi r antar variabel independen, dapat diputuskan apakah data terkena multikolinieritas atau tidak, yaitu dengan menguji koefisien korelasi antar variabel independen, jika terjadi korelasi, maka terdapat multikolinieritas, dimana model regresi 61 yang baik adalah tidak terjadi multikollinieritas antar variabel independen dengan variabel dependen. Hasil pengujian multikolinieritas menggunakan uji korelasi r dapat dilihat sebagai berikut: Tabel 4.2 Hasil Uji Correlation Matrix FDR CAR BOPO FDR 1.000000 -0.047228 -0.746422 CAR -0.047228 1.000000 -0.083789 BOPO -0.746422 -0.083789 1.000000 Sumber: Hasil Output EViews 9 Dari tabel 4.2 diatas dapat dilihat hasil analisis uji multikolinieritas dengan Correlation Mattrix menunjukkan bahwa korelasi antar variabel independen antara FDR dan CAR maupun sebaliknya -0.047228, antara FDR dengan BOPO maupun sebaliknya sebesar -0.746422. dan antara CAR dengan BOPO maupun sebaliknya sebesar -0.083789. Terlihat dari tabel 4.2 diatas nilai korelasi variabel independen yaitu FDR, CAR dan BOPO tertinggi hanya mencapai -0.746422 yaitu antara FDR dengan BOPO maupun dengan sebaliknya. Karena nilai -0.746422 0.85 sehingga diputuskan tidak terdapat multikolinieritas. Hasil ini menginformasikan model Ordinary Least Square OLS yang dilakukan dapat dikatakan terbebas dari gejala multikolinieritas. 62 c. Uji Heteroskedastisitas Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan ke pengamatan lain tetap, maka disebut Homoskedastisitas dan jika variance tidak konstan atau berubah-ubah disebut dengan Heteroskedastisitas. Metode pertama yang digunakan untuk mendeteksi adanya heteroskedastisitas pada penelitian ini adalah dengan melihat pola residualnya. Gambar 4.5 Uji Heteroskedastisitas Dengan Melihat Pola Residual -3 -2 -1 1 2 3 2 4 6 8 10 I II III IV I II III IV I II III IV I II III IV 2012 2013 2014 2015 Residual Actual Fitted Sumber: Hasil Output EViews 9 Dengan melihat hasil tersebut, kita dapat menduga bahwa tidak terjadi heteroskedastisitas pada hasil estimasi, dimana residualnya 63 tidak membentuk suatu pola. Dengan kata lain, residual cenderung konstan. Selanjutnya model kedua yang dapat dilakukan untuk mendeteksi adanya heteroskedastisitas pada penelitian ini adalah dengan melakukan Uji Glejser. Tabel 4.3 Hasil Uji Glejser Variable Coefficient Std. Error t-Statistic Prob. C 0.813445 4.077459 0.199498 0.8428 FDR -0.010226 0.025126 -0.407010 0.6860 CAR 0.112307 0.100788 1.114292 0.2713 BOPO -0.009818 0.015776 -0.622361 0.5370 Sumber: Hasil Output EViews 9 Dari tabel di atas dapat disimpulkan bahwa semua variabel memiliki probabilitas di atas 5 atau 0.05. Oleh karena itu, dapat disimpulkan bahwa keseluruhan variabel telah lolos uji heteroskedastisitas. d. Uji Autokorelasi Penelitian ini menggunakan nilai Durbin-Watson untuk menguji autokorelasi. Menurut Singgih Santoso, panduan mengenai angka D-W untuk mendeteksi autokorelasi secara umum bisa diambil patokan: 39  Angka D-W di bawah -2 berarti ada korelasi positif.  Angka D-W diantara -2 sampai +2 berarti tidak ada korelasi. 39 Singgih Santoso, Buku Latihan SPSS Statistik Parametik Jakarta: PT. Alex Media Komputindo, 2012, h. 243. 64  Angka D-W di atas +2 berarti ada korelasi negatif. Berikut ini hasil Uji Autokorelasi dengan variabel dependen Non Performing Financing: Tabel 4.4 Uji Autokorelasi dengan Melihat Durbin-Watson R-squared 0.102669 Mean dependent var -4.38E-15 Adjusted R-squared -0.006762 S.D. dependent var 0.945612 S.E. of regression 0.948804 Akaike info criterion 2.851515 Sum squared resid 36.90941 Schwarz criterion 3.087704 Log likelihood -61.01060 Hannan-Quinn criter. 2.940395 F-statistic 0.938207 Durbin-Watson stat 1.829260 ProbF-statistic 0.466573 Sumber: Hasil Output EViews 9 Berdasarkan tabel di atas dapat disimpulkan, bahwa hasil regresi dari nilai Durbin-Watson statistik sebesar 1.829260. Maka dapat disimpulkan pada model regresi ini tidak terdapat gejala autokorelasi karena nilai D-W diantara -2 dan +2 atau -2 1.829260 +2. 1. Pengujian Hipotesis Statistik Hasil pengolahan data atau hasil estimasi yang dilakukan dengan menggunakan program komputer Eviews 9 dengan menggunakan metode regresi linier berganda atau Ordinary Least Square OLS yang ditampilkan pada tabel berikut: 65 a. Uji Parsial Uji t Uji-t bertujuan untuk mengetahui pengaruh secara parsial individu variabel-variabel independen FDR, CAR, BOPO terhadap variabel dependen yaitu Non Performing Finance NPF. Salah satu cara untuk melakukan uji t adalah dengan melihat nilai probabilitas pada tabel uji statistik t. Tabel 4.5 Uji t Variable Coefficient Std. Error t-Statistic Prob. C 29.16743 6.294873 4.633521 0.0000 FDR -0.190300 0.038790 -4.905942 0.0000 CAR 0.030439 0.155599 0.195624 0.8458 BOPO -0.057241 0.024355 -2.350225 0.0234 Dari tabel 4.5 Didapatkan hasil uji statistik t yang dilakukan yaitu sebagai berikut: 1 Pengaruh t-statistik untuk FDR terhadap Non Performing Finance NPF. Berdasarkan pada tabel 4.5 Diperoleh hasil t-hitung sebesar - 4.905942 dengan tingkat signifikansi sebesar 0.0000. karena tingkat signifikansi lebih kecil dari 0.05 maka secara parsial FDR berpengaruh secara negatif dan signifikan terhadap Non Performing Finance NPF. 66 2 Pengaruh t-statistik untuk CAR terhadap Non Performing Finance NPF. Berdasarkan pada tabel 4.5 Diperoleh hasil t-hitung sebesar 0.195624. dengan tingkat signifikansi 0.8458. Karena tingkat signifikansi lebih besar dari 0.05 maka secara parsial CAR tidak berpengaruh terhadap Non Performing Finance NPF. 3 Pengaruh t-statistik untuk BOPO terhadap Non Performing Finance NPF. Berdasarkan pada tabel 4.5 Diperoleh hasil t-hitung sebesar -2.350225 dengan tingkat signifikansi sebesar 0.0234. karena tingkat signifikansi lebih besar dari 0.05 maka secara parsial BOPO berpengaruh secara negatif dan tidak signifikan terhadap Non Performing Finance NPF. b. Uji F Uji-F bertujuan untuk mengetahui pengaruh semua variabel independen FDR, CAR dan BOPO secara simultan bersama-sama terhadap variabel dependen yaitu Non Performing Finance NPF. 67 Tabel 4.6 Uji F R-squared 0.399935 Mean dependent var 6.415745 Adjusted R-squared 0.358070 S.D. dependent var 1.220714 S.E. of regression 0.978043 Akaike info criterion 2.874739 Sum squared resid 41.13242 Schwarz criterion 3.032198 Log likelihood -63.55636 Hannan-Quinn criter. 2.933992 F-statistic 9.552950 Durbin-Watson stat 1.305364 ProbF-statistic 0.000059 Berdasarkan tabel 4.6, diperoleh hasil F-Statistik sebesar 9.552950 dengan nilai probabilitas F-Statistik sebesar 0.000059. karena hasil probabilitas signifikansi lebih kecil dari nilai α = 0.05 0.00 0.05 berarti dapat disimpulkan bahwa FDR, CAR dan BOPO secara bersama- sama mempunyai pengaruh yang signifikan terhadap Non Performing Finance NPF. 2. Koefisien Determinasi Koefisien determinasi R 2 R Square yang digunakan dalam penelitian ini adalah menggunakan nilai Adjusted R 2 pada saat mengevaluasi model regresi terbaik. Hal tersebut dikarenakan variabel independen yang digunakan dalam penelitian ini lebih dari satu. 68 Tabel 4.7 Koefisien Determinasi R 2 R-squared 0.399935 Mean dependent var 6.415745 Adjusted R-squared 0.358070 S.D. dependent var 1.220714 S.E. of regression 0.978043 Akaike info criterion 2.874739 Sum squared resid 41.13242 Schwarz criterion 3.032198 Log likelihood -63.55636 Hannan-Quinn criter. 2.933992 F-statistic 9.552950 Durbin-Watson stat 1.305364 ProbF-statistic 0.000059 Sumber: Hasil Output EViews 9 Berdasarkan hasil regresi pada tabel 4.7 dapat diketahui bahwa nilai Adjusted R Squared sebesar 0.358070. hal ini menunjukkan bahwa variasi variabel dependen Non Performing Finance NPF secara bersama- sama dapat dijelaskan oleh variabel independen FDR, CAR dan BOPO sebesar 35,8. Sedangkan sisanya 64,2 dijelaskan oleh faktor atau variabel lain diluar variabel yang diteliti.

C. Analisis Ekonomi dan Interpretasi