2. Analisis Deskriptif
Pengolahan data dilakukan dengan menggunakan software program komputer Microsoft Excel dan SPSS 20.0. Pengolahan data ini untuk
mempercepat hasil perhitungan dan dapat menjelaskan variabel yang akan diteliti, yaitu KAP, BOPO, dan FDR sebagai variabel Independen serta Net
Operating Margin NOM sebagai variabel Dependen. Tahapan awal yang dilakukan dalam penelitian ini adalah melakukan penentuan sampel dengan
metode purposive sampling, yaitu pada BUS di Indonesia yang tersedia pada laporan keuangan gabungan bulanan secara time series dari Maret 2010
– Maret 2014 dengan jumlah data n sebanyak 49.
Berdasarkan hasil analisis deskripsi statistik, maka berikut didalam Tabel 4.2 akan ditampilkan karakteristik sampel yang digunakan pada
penelitian ini meliputi: jumlah sampel n, rata-rata sampel mean, nilai maksimum, nilai minimum serta standar deviasi σ untuk masing-masing
variabel. Penjelasan lebih lanjut adalah sebagai berikut:
Tabel 4.2 Descriptive Statistic
Sumber: data diolah Pada tabel 4.2 di atas menunjukkan bahwa jumlah data yang
digunakan pada penelitian ini berjumlah 49 sampel data yang diambil dari Laporan Keuangan Gabungan Bulanan Perbankan Syariah dalam kurun
waktu Maret 2010 sampai dengan Maret 2014. Data rasio NOM terendah minimum adalah 0,87 yaitu pada bulan
Februari 2014 dan yang tertinggi maxmimum adalah 2,34 yaitu pada bulan Januari 2014, kemudian rata-rata NOM sebesar 1,6871. Hal ini
menunjukkan bahwa selama periode penelitian, secara statistik dapat dijelaskan bahwa tingkat rentabilitas BUS dan UUS di Indonesia termasuk
peringkat 3 rendah menurut kriteria peringkat yang ditetapkan Bank Indonesia, dimana tingkat NOM tersebut jauh tertinggal jika dibandingkan
pada NIM Bank Umum Konvensional. Sementara standar deviasi sebesar
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation NOM
49 .87
2.34 1.6871
.29975 KAP
49 94.38
98.21 96.4741
.78542 BOPO
49 75.68
92.09 80.9188
3.66240 FDR
49 87.60
121.71 105.4792
13.05570 Valid N listwise
49
0.29975 masih kecil jika dibandingkan dengan nilai mean-nya sebesar 1.6871 dengan demikian dapat dikatakan bahwa simpangan data NOM
relatif baik. Rasio KAP Kualitas Aktiva Produktif menunjukkan kemampuan
manajemen bank dalam mengelola aktiva produktif bermasalah terhadap total aktiva produktif. Semakin tinggi angka KAP akan memperlihat semakin
tingginya pembentukan PPAP yang memungkinkan bank dalam kondisi bermasalah semakin besar yang berdampak pada berkurangnya pendapatan
bank. Rasio KAP diperoleh rata-rata sebesar 96.4741 dengan tingkat rasio KAP terendah sebesar 94.38 yaitu berada di periode Desember 2011, dan
yang tertinggi 98.21 yaitu pada periode September 2012. Dengan demikian dapat disimpulkan bahwa secara statistik, selama periode penelitian, tingkat
rasio KAP Perbankan Syariah yang diperoleh melalui Laporan Keuangan Gabungan Bulanan berada pada peringkat 2 baik yaitu berada pada kisaran
0,96 KAP ≤ 0,99. Sementara untuk standar deviasi sebesar 0.78542 jauh lebih kecil dari pada nilai mean-nya, sehingga simpangan data pada rasio
KAP ini dapat dikatakan baik. Rasio BOPO diperoleh rata-rata sebesar 80.9188 dengan data
terendah sebesar 75.68 yaitu pada periode Juli 2013 dan yang tertinggi sebesar 92.09 yaitu pada periode Januari 2012. Secara statistik, dengan
rata-rata tersebut rasio BOPO dalam waktu penelitian dapat disimpulkan
menggambarkan bahwa tingkat efisiensi operasional yang dimiliki perbankan syariah melalui Laporan Keuangan Gabungan Bulanan, masih relatif terjaga
yaitu tergolong peringkat 1 ≤ 83. Sementara untuk standar deviasi sebesar 3.66240 jauh lebih kecil dari pada nilai mean-nya, sehingga
simpangan data pada rasio BOPO ini dapat dikatakan baik. Rasio FDR diperoleh rata-rata sebesar 105.4792 dengan data
terendah sebesar 87.60 yaitu pada periode Desember 2010 dan yang tertinggi sebesar 121.71 yaitu pada periode Juni 2013. Secara statistik,
dengan rata-rata tersebut rasio FDR dalam waktu penelitian dapat disimpulkan menggambarkan bahwa tingkat likuiditas dan resiko kredit yang
dimiliki perbankan syariah melalui Laporan Keuangan Gabungan Bulanan, masih tergolong tinggi yaitu hampir menyentuh kisaran 110 standar yang
ditetapkan BI 80 - 110. Sementara untuk standar deviasi sebesar 13.05570 jauh lebih kecil dari pada nilai mean-nya, sehingga simpangan
data pada rasio FDR ini dapat dikatakan baik.
B. Penemuan dan Pembahasan
I. Uji Asumsi Klasik
Model regresi yang diperoleh dari metode kuadrat terkecil biasa Ordianary Least Square OLS merupakan model regresi yang
menghasilkan estimator linear tidak bias yang terbaik Best Linear Unbias Estimator BLUE.
3
Untuk menghasilkan model regresi tersebut maka suatu model harus memenuhi beberapa uji asumsi klasik,
diantaranya:
a. Uji Normalitas Data
Uji normalitas pada model regresi digunakan untuk menguji apakah nilai residual terdistribusi secara normal atau tidak. Jadi
dalam hal ini yang di uji normalitas bukan masing – masing variabel
independen dan dependen tetapi nilai residual yang dihasilkan dari model regresi. Model regresi yang baik adalah yang memiliki nilai
residual yang terdistribusi secara normal.
4
Pada penelitian ini menggunakan grafik Normal P-P Plot of Regression Standardized
Residual sebagai dasar pengambilan keputusan untuk uji normalitas data.
3
Algifari, Analisis Regresi Teori, Kasus dan Solusi, Yogyakarta: BPFE, ed.2;cet.IV, 2013, h.83.
4
Duwi Priyatno, Buku Saku Analisis Data SPSS , Yogyakarta: Media Kom, 2011, h. 277
Cara normal probability plot lebih handal daripada cara grafik histogram, karena cara ini membandingkan data riil dengan data
distribusi normal otomatis oleh komputer secara komulatif. Suatu data dikatakan berdistribusi normal jika garis data riil mengikuti
garis diagonal.
5
Berikut ini disajikan hasil normal P-Plot dari data yang telah diolah:
Sumber: data sekunder diolah
Gambar 4.1 Normal P-P Plot
5
Danang Sunyoto, Uji Khi Kuadrat Regresi untuk penelitian, Yogyakarta: Graha Ilmu, Ed.I; Cet.I,2010, h.108
Dari hasil olahan data, dihasilkan normal P-Plot seperti terlihat di gambar 4.3 menunjukkan bahwa titik sampel secara keseluruhan
mengikuti arah garis diagonal, maka dapat disimpulkan bahwa data yang digunakan dalam penelitian untuk memenuhi model regresi
memenuhi asumsi normalitas.
b. Uji Multikoliniearitas
Seperti yang dijelaskan pada bab sebelumnya bahwa suatu model regresi dinyatakan bebas multikolinearitas dapat dilihat dari
nilai Tolerance dan nilai VIF. Nilai Tolerance adalah besarnya tingkat kesalahan yang dibenarkan secara statistik α, sedangkan nilai
variance inflation factor VIF adalah faktor inflasi penyimpangan baku kuadrat. Varia
bel bebas mengalami multikolonearitas jika: α hitung α dan VIF hitung VIF. Sedangkan Variabel bebas tidak
mengalami multikolinearitas jika: α hitung α dan VIF hitung VIF. Nilai tolerance
α dan nilai VIF dapat dicari dengan menggabungkan kedua nilai tersebut sebagai berikut:
6
Besar nilai tolerance α:
α hitung = 1 VIF Besar nilai variance inflation factor VIF:
6
Danang Sunyoto, Uji Khi Kuadrat Regresi untuk penelitian, Yogyakarta: Graha Ilmu, Ed.I; Cet.I,2010, h.97
Kategori