ANALISIS PENGARUH TINGKAT KESEHATAN BANK...
Transcript of ANALISIS PENGARUH TINGKAT KESEHATAN BANK...
ANALISIS PENGARUH TINGKAT KESEHATAN BANK MENGGUNAKAN
METODE RGEC (RISK PROFILE, GOOD CORPORATE GOVERNANCE,
EARNING, CAPITAL) TERHADAP KINERJA KEUANGAN
PERBANKAN SYARIAH DI INDONESIA DAN
MALAYSIA PERIODE 2015-2019
SKRIPSI
Diajukan untuk Memenuhi Tugas dan Melengkapi Syarat Guna
Memperoleh Gelar Sarjana Ekonomi (S.E)
Disusun Oleh
DITA AMALIA REFORMASI
NIM 63010160431
PROGRAM STUDI S1 PERBANKAN SYARIAH
FAKULTAS EKONOMI DAN BISNIS ISLAM
INSTITUT AGAMA ISLAM NEGERI SALATIGA
2020
i
ANALISIS PENGARUH TINGKAT KESEHATAN BANK MENGGUNAKAN
METODE RGEC (RISK PROFILE, GOOD CORPORATE GOVERNANCE,
EARNING, CAPITAL) TERHADAP KINERJA KEUANGAN
PERBANKAN SYARIAH DI INDONESIA DAN
MALAYSIA PERIODE 2015-2019
SKRIPSI
Diajukan untuk Memenuhi Tugas dan Melengkapi Syarat Guna
Memperoleh Gelar Sarjana Ekonomi (S.E)
Disusun Oleh
DITA AMALIA REFORMASI
NIM 63010160431
JUDUL
PROGRAM STUDI S1 PERBANKAN SYARIAH
FAKULTAS EKONOMI DAN BISNIS ISLAM
INSTITUT AGAMA ISLAM NEGERI SALATIGA
2020
ii
PERSETUJUAN PEMBIMBING
iii
PENGESAHAN
iv
PERNYATAAN KEASLIAN TULISAN
DAN KESEDIAAN PUBLIKASI
v
PERNYATAN BEBAS PLAGIAT
vi
MOTTO
“Karena sesungguhnya sesudah kesulitan itu ada kemudahan, sesungguhnya
sesudah kesulitan itu ada kemudahan. Maka apabila kamu telah selesai (dari
sesuatu urusan), kerjakanlah dengan sungguh-sungguh (urusan) yang lain,
dan hanya kepada Tuhanmulah hendaknya kamu berharap”
(Q.S. Al-Insyirah:5-8)
vii
PERSEMBAHAN
Dengan mengucap skuyur kepada Allah SWT atas rahmat, hidayah dan
inayah-Nya, serta dengan renuh cinta dan sayang skripsi ini saya persembahkan
kepada:
1. Kedua orang tuaku, Bapak Indriyanta dan Ibu Insi yang senantiasa
mencurahkan kasih sayangnya, memberiku bimbingan dan doa yang
tak pernah henti-hentinya.
2. Adik-adikku tercinta Erliana Dwi Novianti dan Syarif Digdo Saputra
serta keluarga besarku yang telah memberikan doa, dukungan,
semangat dan kepercayaan selama ini.
3. Ibu Fetria Eka Yudiana, M.Si. selaku dosen pembimbing skripsi yang
telah memberikan bimbingan, arahan, dan masukan dalam penelitian
skripsi ini.
4. Sahabat-sahabatku tercinta, Dwi Nurul Hidayati, Tasya Julia
Pangetika, Nikmattul Fitri, Afina Mita Sholehah, Ela Nur Anjani yang
selalu menemani dan mendukungku selama proses pembuatan skripsi.
5. Teman-teman KKN Posko 423 IAIN SALATIGA terimakasih telah
memberikan semangat serta mendoakan untuk kelancaran dalam
mengerjakan skripsi ini.
6. Semua teman-teman Perbankan Syariah S1 angkatan 2016 yang tidak
dapat saya sebut satu persatu.
viii
KATA PENGANTAR
Puji syukur kehadirat Allah Swt. Yang Maha Pengasih lagi Maha
Penyayang yang telah memberikan kesehatan dan kemudahan bagi penulis dalam
menyelesaikan penyusunan skripsi yang berjudul “Analisis Pengaruh Tingkat
Kesehatan Bank Menggunakan Metode RGEC (Risk Profile, Good Corporate
Governance, Earning, Capital) Terhadap Kinerja Keuangan Perbankan Syariah
Di Indonesia dan Malaysia Periode 2015-2019”.
Penelitian ini disusun sebagai salah satu tugas mahasiswa dalam
mengamalkan Tri Dharma Perguruan Tinggi yaitu berupa penelitian. Ucapan
terimakasih sebesar-besarnya peneliti ucapkan kepada semua pihak yang telah
memberikan pengarahan, bimbingan dan bantuan dalam berbagai bentuk. Ucapan
terimakasih terutama penulis sampaikan kepada:
1. Bapak Prof. Dr. Zakiyuddin, M.Ag. selaku Rektor Institut Agama Islam
Negeri Salatiga.
2. Bapak Dr. Anton Bawono, M.Si. selaku Dekan Fakultas Ekonomi dan Bisnis
Islam Institut Agama Islam Negeri Salatiga.
3. Ibu Fetria Eka Yudiana, M.Si. selaku dosen pembimbing skripsi yang telah
memberikan bimbingan, arahan, dan masukan dalam penelitian skripsi ini.
4. Bapak Ari Setiawan, M.M. selaku Ketua Program Studi S1 Perbankan
Syariah Institut Agama Islam Negeri Salatiga.
5. Segenap dosen dan staff Program Studi S1 Perbankan Syariah yang telah
memberikan bekal berbagai teori, ilmu pengetahuan dan pengalaman yang
sangat bermanfaat bagi penulis.
ix
6. Kedua orang tuaku, Bapak Indriyanta dan Ibu Insi serta adikku tercinta
Erliana Dwi Novianti dan Syarif Digdo Saputra yang telah memberikan doa,
dukungan, semangat, dan kepercayaan selama ini.
7. Sahabat-sahabatku tercinta Dwi Nurul Hidayati, Tasya Julia Pangestika,
Nikmatul Fitri, Afina Mita Sholehah, Ela Nur Anjani dan serta teman-teman
yang tidak dapat disebutkan telah menjadi bagian dari hidupku, sukses selalu
untuk kita semua.
8. Rekan-rekan mahasiswa angkatan 2016 Fakultas Ekonomi dan Bisnis Islam
Program Studi S1 Perbankan Syariah.
9. Semua pihak yang telah membantu penulis, yang tidak dapat penulis sebutkan
satu per satu, terimakasih untuk semangat dan motivasi serta doa yang kalian
berikan.
Penulis menyadari bahwa penulisan skripsi ini jauh dari kata sempurna,
oleh karena itu penulis mengharapkan kritikan dan saran yang membangun demi
bertambahnya pengetahuan dan awasan penulis. Semoga skripsi ini memiliki nilai
manfaat bagi penulis khususnya dan pembaca pada umumnya, dan kiranya skripsi
ini dapat menjadi salah satu bentuk sumbangan bagi perkembangan ilmu
pengetahuan terutama di bidang ekonomi Islam.
Salatiga, 04 September 2020
Penulis
x
ABSTRAK
Reformasi, Dita Amalia. 2020. “Analisis Pengaruh Tingkat Kesehatan Bank
Menggunakan Metode RGEC (Risk Profile, Good Corporate Governance,
Earnings, and Capital) Terhadap Kinerja Keuangan Perbankan Syariah
Di Indonesia dan Malaysia Periode 2015-2019”. Skripsi, Fakultas
Ekonomi dan Bisnis Islam Strata Satu Perbankan Syariah Institut Agama
Islam Negeri (IAIN) Salatiga. Dosen Pembimbing: Fetria Eka Yudiana,
M.Si.
Penelitian ini bertujuan untuk mengetahui pengaruh tingkat kesehatan
bank dengan menggunakan metode RGEC terhadap kinerja keuangan perbankan
syariah di Indonesia dan Malaysia yang terdaftar di OJK dan BNM periode 2015-
2019. Metode RGEC diproksikan dengan Risk Profile (NPF dan FDR), Good
Corporate Governance (FRDK dan KA), Earnings (NOM), Capital (CAR) dan
kinerja keuangan diproksikan dengan ROA.
Penelitian ini merupakan jenis penelitian kuantitatif dengan data sekunder
berbentuk data panel. Sampel yang digunakan sebanyak 10 bank umum syariah
yang terdaftar di OJK dan 10 bank umum syariah yang terdaftar di BNM pada
periode 2015-2019, dengan data pertahun sehingga jumlah sampel sebesar 50
untuk masing-masing negara. Metode pengumpulan data dilakukan dengan
mengakses laporan tahunan yang dipublikasikan di masing-masing website bank.
Data yang diperoleh kemudian diolah dengan alat analisis Regresi Linier
Berganda dengan sistem aplikasi Eviews 11 Version. Analisis yang digunakan
dalam penelitian ini meliputi Uji Statistik Deskriptif, Uji Stasioneritas, Uji
Regresi Linier Berganda, dan Uji Asumsi Klasik.
Hasil uji regresi linier berganda menunjukkan bahwa: 1) variabel NPF
perbankan syariah Indonesia dan Malaysia berpengaruh negatif dan signifikan
terhadap ROA; 2) variabel FDR perbankan syariah Indonesia dan Malaysia
berpengaruh negatif dan tidak signifikan terhadap ROA; 3) variabel FRDK
perbankan syariah Indonesia dan Malaysia berpengaruh positif tidak signifikan
terhadap ROA; 4) variabel KA perbankan syariah Indonesia berpengaruh negatif
tidak signifikan terhadap ROA sedangkan untuk perbankan syariah Malaysia
variabel KA berpengaruh positif signifikan terhadap ROA; 5) variabel NOM
perbankan syariah Indonesia dan Malaysia berpengaruh positif dan signifikan
terhadap ROA; 6) variabel CAR perbankan syariah Indonesia berpengaruh positif
dan signifikan terhadap ROA sedangkan untuk perbankan syariah Malaysia
variabel CAR berpengaruh positif dan tidak signifikan terhadap ROA.
Kata Kunci: ROA, NPF, FDR, FRDK, KA,CAR
xi
DAFTAR ISI
JUDUL ............................................................................................................... i
PERSETUJUAN PEMBIMBING ........................................................................... ii
PENGESAHAN ..................................................................................................... iii
PERNYATAAN KEASLIAN TULISAN DAN KESEDIAAN PUBLIKASI ...... iv
PERNYATAAN BEBAS PLAGIAT ..................... Error! Bookmark not defined.
MOTTO ............................................................................................................. vi
PERSEMBAHAN ................................................................................................. vii
KATA PENGANTAR ......................................................................................... viii
ABSTRAK .............................................................................................................. x
DAFTAR ISI .......................................................................................................... xi
DAFTAR TABEL ................................................................................................ xiv
DAFTAR GAMBAR ........................................................................................... xvi
DAFTAR LAMPIRAN ....................................................................................... xvii
BAB I PENDAHULUAN .............................................................................. 19
A. Latar Belakang ............................................................................ 19
B. Rumusan Masalah ....................................................................... 33
C. Tujuan Penelitian ........................................................................ 34
D. Kegunaan Penelitian.................................................................... 34
xii
E. Sistematika Penulisan ................................................................. 35
BAB II KAJIAN PUSTAKA .......................................................................... 37
A. Telaah Pustaka ............................................................................ 37
B. Kerangka Teori............................................................................ 40
1. Grand Theory ....................................................................... 40
2. Bank Syariah ........................................................................ 42
3. Metode (pendekatan) RGEC ................................................ 42
C. Kerangka Penelitian .................................................................... 54
D. Hipotesis ...................................................................................... 56
BAB III METODOLOGI PENELITIAN ......................................................... 64
A. Jenis Penelitian ............................................................................ 64
B. Lokasi dan Waktu Penelitian ...................................................... 64
C. Populasi dan Sampel ................................................................... 65
D. Teknik Pengumpulan Data .......................................................... 68
E. Definisi Konsep dan Operasional ............................................... 69
F. Teknik Analisis ........................................................................... 71
G. Alat Analisis ................................................................................ 81
BAB IV ANALISIS DATA.............................................................................. 82
A. Deskripsi Objek Penelitian .......................................................... 82
1. Perbankan Indonesia ............................................................ 82
xiii
2. Perbankan Malaysia ............................................................. 84
B. Analisis Data ............................................................................... 85
1. Statistik Deskriptif Variabel ................................................. 85
2. Uji Stasioneritas ................................................................... 94
3. Pemilihan Model Regresi Data Panel .................................. 95
4. Uji Asumsi Klasik .............................................................. 104
5. Uji Statistik ........................................................................ 111
6. Pembahasan hasil penelitian .............................................. 117
BAB V PENUTUP ........................................................................................ 130
A. Kesimpulan ............................................................................... 130
B. Saran .......................................................................................... 132
DAFTAR PUSTAKA ......................................................................................... 133
LAMPIRAN ........................................................................................................ 140
xiv
DAFTAR TABEL
Tabel 1.1 Perkembangan Profitabilitas …………..…………………………… 9
Tabel 1.2 Market Share Perbankan Syariah………………………...……………14
Tabel 2.1 Research Gap Penelitian … ..…………………………………………19
Tabel 3. 1 Kriteria Pemilihan Sampel Penelitian ................................................... 67
Tabel 3. 2 Daftar bank syariah yang menjadi sampel penelitian ........................... 68
Tabel 3.3 Definisi Konsep dan Variabel ............................................................... 69
Tabel 4.1 Descriptive Statistic Perbankan Syariah Indonesia ............................... 86
Tabel 4.2 Descriptive Statistic Perbankan Syariah Malaysia................................ 72
Tabel 4.3 Uji Stasioneritas Perbankan Syariah Indonesia dan Malaysia .............. 95
Tabel 4.4 Fixed Effect Model Perbankan Syariah Indonesia ................................ 96
Tabel 4.5 Uji Chow Perbankan Syariah Indonesia ............................................... 97
Tabel 4.6 Random Effect Model Perbankan Syariah Indonesia ........................... 97
Tabel 4.7 Uji Hausman Perbankan Syariah Indonesia .......................................... 98
Tabel 4.8 Common Effect Model Perbankan Syariah Indonesia .......................... 99
Tabel 4.9 Uji Lagrange Multiplier Perbankan Syariah Indonesia......................... 99
Tabel 4.10 Fixed Effect Model Perbankan Syariah Malaysia ............................ 100
Tabel 4.11 Uji Chow Perbankan Syariah Malaysia ............................................ 101
Tabel 4.12 Random Effect Model Perbankan Syariah Malaysia ........................ 101
Tabel 4.13 Uji Hausman Perbankan Syariah Malaysia ....................................... 102
Tabel 4.14 Common Effect Model Perbankan Syariah Malaysia………………..85
Tabel 4.15 Uji Lagrange Multiplier Perbankan Syariah Malaysia ……………85
xv
Tabel 4.16 Hasil Uji Multikolinieritas Perbankan Syariah Indonesia ................ 106
Tabel 4.17 Hasil Uji Multikolinieritas Perbankan Syariah Malaysia ................. 106
Tabel 4.18 Hasil Uji Heteroskedastisitas Perbankan Syariah Indonesia............. 107
Tabel 4.19 Hasil Uji Heteroskedastisitas Perbankan Syariah Malaysia ............. 108
Tabel 4.20 Hasil Uji Durbin Watson Perbankan Syariah Indonesia ................... 109
Tabel 4.21 Hasil Uji Durbin Watson Perbankan Syariah Malaysia .................... 110
Tabel 4.22 Uji t Perbankan Syariah Indonesia .................................................... 111
Tabel 4.23 Uji t Perbankan Syariah Malaysia ..................................................... 113
Tabel 4.24 Uji F Perbankan Syariah Indonesia ................................................... 115
Tabel 4.25 Uji F Perbankan Syariah Malaysia.................................................... 116
Tabel 4.26 Tabel Hubungan Variabel Independen Terhadap ROA .................... 118
xvi
DAFTAR GAMBAR
Gambar 1.1 Top 10 Islamic Finance Markets In Assets ....................................... 22
Gambar 2.1 Kerangka Penelitian Perbankan Syariah Indonesia ........................... 55
Gambar 2.2 Kerangka Penelitian Perbankan Syariah Malaysia............................ 55
Gambar 4.1 Uji Normalitas Perbankan Syariah Indonesia ................................. 104
Gambar 4.2 Uji Normalitas Perbankan Syariah Malaysia .................................. 105
Gambar 4.3 Grafik Uji Autokorelasi Perbankan Syariah Indonesia ................... 109
Gambar 4.4 Grafik Uji Autokorelasi Perbankan Syariah Malaysia .................... 110
xvii
DAFTAR LAMPIRAN
Lampiran 1: Data Mentah ................................................................................... 141
Lampiran 2: Hasil Uji Statistik Perbankan Syariah Indonesia ............................ 144
Lampiran 3: Hasil Uji Statistik Perbankan Syariah Malaysia ............................. 155
Lampiran 4: Lembar Konsultasi………………………………………………. 148
Lampiran 5: Daftar Riwayat Hidup…………………………………………. .. 150
19
BAB I
PENDAHULUAN
A. Latar Belakang
Dalam suatu sistem perekonomian, perbankan memegang sebuah
peranan penting sebagai penunjang kemajuan ekonomi suatu negara.
Industri perbankan mempunyai tujuan untuk menunjang pembangunan
nasional dalam rangka meningkatkan pertumbuhan ekonomi suatu negara
dan stabilitas nasional ke arah peningkatan kesejahteraan. Perbankan
menjadi sangat penting dalam kehidupan masyarakat, karena lembaga
tersebut telah menyentuh seluruh lapisan masyarakat tanpa diskriminasi.
Dengan demikian, kebutuhan akan pengetahuan dan informasi mengenai
perbankan harus dapat terpenuhi dengan baik dan tepat (Mustofa &
Haryanto, 2014).
Perbankan merupakan lembaga keuangan yang menghimpun dana
dari masyarakat berupa simpanan atau tabungan dan menyalurkannya
kembali kepada masyarkat dalam bentuk pinjaman atau kredit yang
bertujuan untuk meningkatkan taraf hidup orang banyak. Selain itu
perbankan juga merupakan penunjang ekonomi nasional, terlebih setelah
berlakunya MEA pemerintah harus menyiapkan semua sektor terutama
perbankan agar dapat membantu permodalan dalam dunia bisnis sehingga
dapat bersaing dalam MEA dan kestabilan ekonomi suatu negara tetap
terjaga. Industri keuangan terutama perbankan syariah memiliki peluang
yang besar sebagai kekuatan perekonomian negara, hal ini dikarenakan bank
20
syariah mampu bertahan di tengah krisis perekonomian (Puspita & Saryadi,
2018).
Saat ini perkembangan perbankan syariah begitu mudah diterima di
masyarakat dan kemajuannya pun begitu pesat, hal ini merupakan hal yang
positif bagi perkembangan bank syariah itu sendiri. Kawasan Asia Tenggara
merupakan Islamic Finance Centers di dunia dalam perkembangan industri
perbankan dan keuangan syariah. Berdasarkan Global Islamic Financial
Report tahun 2018 Indonesia dan Malaysia masuk dalam peringkat sepuluh
besar keuangan syariah secara global, namun posisi ini masih dipimpin oleh
Malaysia selain itu kedua negara tersebut masuk dalam kategori negara
yang memiliki bank syariah paling banyak diantara negara lain khususnya
yang berada di Asia Tenggara. Bukan hanya itu saja, Islamic Finance
Country Index (IFCI) menempatkan Malaysia di posisi pertama daftar
negara-negara yang memimpin industri syariah secara global, Sementara
Indonesia berada di posisi keenam (Republika.co.id, 2018).
Bank Muamalat Indonesia (BMI) merupakan perbankan syariah
pertama kali di Indonesia, yang berdiri pada tahun 1991 dan resmi
beroperasi pada tahun1992 yang diprakarsai oleh Majelis Ulama Indonesia
dan pemerintah serta dukungan dari Ikatan Cendekiawan Muslim Indonesia
(ICMI) dan beberapa pengusaha muslim. Dimana Bank Muamalat Indonesia
ini pada akhir tahun 90-an sempat terimbas oleh krisis moneter sehingga
ekuitas nya hanya tersisa sepertiga dari modal awal. Kemudian, IDB
memberikan suntikan dana sehingga pada periode 1999-2002 dapat bangkit
dan menghasilkan laba. Saat ini keberadaan bank syariah di Indonesia telah
21
diatur dalam Undang-Undang yaitu UU No. 21 tahun 2008 tentang
Perbankan Syariah. Aspek baru yang diatur dalam UU ini adalah terkait
dengan tata kelola (corporate governance), prinsip kehati-hatian (prudential
principles), manajemen risiko (risk management), penyelesaian sengketa,
otoritas fatwa dan komite perbankan syariah serta pembinaan dan
pengawasan perbankan syariah (Rama, 2015).
Sementara itu, perbankan syariah di Malaysia berdiri sejak tahun
1983. Akta Bank Islam 1983 atau Undang-Undang tentang bank syariah di
Malaysia yang disahkan pada 7 April 1983 memberikan kewenangan
kepada Bank Negara Malaysia sebagai bank sentral untuk memberikan izin
pendirian dan melakukan pengawasan atas kegiatan operasional bank
syariah. Pendirian Bank Islam Malaysia Berhad (BIMB) pada 1 Juli 1983
sebagai Bank Syariah pertama merupakan langkah awal perkembangan
perbankan syariah di Malaysia (Nadratuzzaman, 2013).
Saat ini perbankan di Indonesia telah memasuki usia hampir 3
dekade, namun dari sisi pangsa pasar masih relatif kecil, yaitu di kisaran
5,7% kondisi ini tentu kontradiktif, mengingat mayoritas penduduk
Indonesia adalah pemeluk agama Islam (Fasa, 2013). Menjadi negara
dengan jumlah muslim terbesar di dunia, sudah selayaknya Indonesia
menjadi pionir dan trend center bagi perkembangan keuangan syariah di
dunia. Hal ini sejalan dengan pendapat Cham (2017) yang menyatakan
bahwa populasi muslim yang besar dapat mendorong kemajuan perbankan
syariah, meskipun menurut Rosly & Bakar (2003) faktor religius saja tidak
22
cukup meyakinkan untuk mendorong kaum muslim untuk menggunakan
fasilitas bank syariah.
Sebagai negara dengan mayoritas penduduk Muslim, Indonesia dan
Malaysia sama-sama memiliki potensi dalam perkembangan perbankan
syariah. Sehingga, dalam hal ini perbankan syariah dari kedua negara
tersebut dapat diperbandingkan. Menurut Global Islamic Economy Report,
prestasi industri keuangan syariah di Malaysia sudah melampaui Indonesia.
Malaysia menduduki peringkat ketiga, sedangkan Indonesia berada pada
posisi kedelapan peringkat tersebut dinilai dari empat kriteria, yaitu
finansial, tata kelola perusahaan, awareness, dan sosial.
Gambar 1.1 Top 10 Islamic Finance Markets In Assets
Sumber: Thomson Reuther’s State Of The Global Islamic Report (2018)
Kondisi tersebut menunjukkan bahwa meskipun Indonesia memiliki
potensi yang sangat besar dalam pengembangan industri perbankan syariah,
namun realitanya Indonesia masih belum memiliki daya saing yang baik
0 100 200 300 400 500 600 700
Iran
Saudi Arabia
Malaysia
UAE
Qatar
Kuwait
Bahrain
Indonesia
Turkey
Bangladesh
23
dengan Malaysia. Hal ini dapat dijadikan evaluasi bagi Indonesia dalam
meningkatkan kinerja perbankan syariah di masa mendatang. Dengan
berkembangnya perbankan syariah baik di Indonesia maupun di Malaysia,
sudah selayaknya diiringi juga dengan semakin baiknya kinerja keuangan
dari kedua bank tersebut, sehingga kepercayaan nasabah atau masyarakat
terhadap bank syariah juga akan semakin baik. Namun di sisi lain,
persaingan antar perbankan syariah akan menjadi semakin sulit. Hal inilah
yang harus segera diantisipasi. Salah satu langkah untuk menjaga agar
sebuah bank tetap eksis dalam perekonomian maka perlu dinilai secara
rutin kesehatannya untuk mengetahui kemampuan sebuah bank dalam
melakukan kegiatan operasionalnya secara normal dan mampu memenuhi
semua kewajibannya dengan baik sesuai dengan peraturan perbankan yang
berlaku (Kasmir, 2009).
Pentingnya penilaian tingkat kesehatan bank khususnya pada bank
syariah diperlukan karena praktik usaha perbankan terus berkembang setiap
saat. Bank merupakan industri yang menyangkut kepentingan masyarakat
umum sehingga pengawasan dan pembinaan terhadap bank perlu
ditingkatkan. Kondisi dan kinerja suatu bank bisa mencerminkan bagaimana
kesehatan bank tersebut. Selain itu, kesehatan bank juga menjadi
kepentingan bagi semua pihak baik pemilik, pengelola, dan masyarakat
pengguna jasa perbankan. Kesehatan bank digunakan sebagai sarana
pengevaluasian atas kondisi dan permasalahan yang dihadapi oleh bank
serta untuk menentukan tindak lanjut untuk mengatasi permasalahan baik
24
berupa corrective action oleh bank maupun supervisor action oleh Bank
Indonesia (Kasmir, 2009).
Tingkat kesehatan bank dalam industri perbankan perlu dinilai. Salah
satu sumber yang dapat digunakan untuk menilai sehat tidaknya suatu bank
adalah dengan menganalisis laporan keuangan bank. Laporan keuangan
ialah laporan yang menunjukkan kondisi keuangan perusahaan pada saat itu
atau dalam satu periode tertentu (Kasmir, 2009). Hasil analisis laporan
keuangan akan memberikan informasi tentang kelemahan dan kekuatan
yang dimiliki perusahaan. Dengan mengetahui kelemahan, manajemen akan
dapat memperbaiki atau menutupi kelemahan tersebut. Kemudian kekuatan
yang dimiliki perusahaan harus dipertahankan bahkan ditingkatkan.
Tingkat kesehatan bank dan kinerja keuangan bank dapat diartikan
sebagai kemampuan suatu bank untuk melakukan kegiatan operasional
perbankan secara normal dan mampu memenuhi semua kewajibannya
dengan baik dengan cara-cara yang sesuai dengan peraturan perbankan yang
berlaku. Bagi bank, tujuan penilaian tingkat kesehatan bank adalah
memperoleh gambaran mengenai tingkat kesehatan bank sehingga dapat
digunakan sebagai input bagi bank dalam menyusun strategi dan rencana
bisnis ke depan serta memperbaiki kelemahan-kelemahan yang berpotensi
mengganggu kinerja bank. Bagi regulator, penilaian tingkat kesehatan bank
menjadi input dalam menyusun strategi dan rencana pengawasan bank yang
efektif sehingga bersama-sama dengan bank dapat menciptakan individual
25
bank dan sistem perbankan yang sehat dan berkesinambungan (Ferdyant,
ZR, & Takidah, 2014) .
Parameter pengukuran tingkat kesehatan bank yang selama ini
menggunakan metode CAMELS dinilai kurang efektif karena hanya
menyimpulkan suatu penilaian yang bersifat berbeda (Permana, 2012).
Untuk itu pada tanggal 25 Oktober 2011 Bank Indonesia menerbitkan
peraturan baru mengenai tata pelaksanaan penilaian tingkat kesehatan bank,
yaitu Peraturan Bank Indonesia No. 13/1/PBI/2011 Tentang Penilaian
Kesehatan Bank Umum dengan menggunakan pendekatan risiko (Risk
Based Bank Rating) yang meliputi empat faktor pengukuran, yaitu Risk
Profile, Good Corporate Governance, Earnings, dan Capital. Peraturan
baru ini merupakan penyempurnaan dari metode CAMELS yang
sebelumnya digunakan (Mandasari, 2015).
Penilaian Tingkat Kesehatan Bank dengan menggunakan pendekatan
berdasarkan risiko merupakan penilaian yang komprehensif dan terstruktur
terhadap hasil integrasi profil risiko dan kinerja yang meliputi penerapan
tata kelola yang baik, rentabilitas, dan permodalan. Sistem penilaian tingkat
kesehatan dengan metode RBRR ini bank wajib memelihara dan
meningkatkan tingkat kesehatan bank dengan menerapkan prinsip kehati-
hatian dan manajemen risiko dalam melaksanakan kegiatan usaha. Bank
Indonesia menyebutkan bahwa implementasi RBRR lebih pada aspek
analisis dan judgment dimana dari sisi Bank Indonesia berupaya
26
mengembangkan suatu sistem penilaian peringkat atau rating yang lebih
fleksibel .
Dalam menilai kinerja keuangan suatu perusahaan khususnya
perusahaan perbankan, yang menjadi tolak ukur nya adalah melihat dari segi
profitabilitas nya. Profitabilitas perbankan adalah suatu kesanggupan atau
kemampuan bank dalam memperoleh laba. Hal ini dapat dilihat pada
perhitungan tingkat produktivitasnya. Jika pembiayaan yang disalurkan
tidak lancar, maka profitabilitas nya menjadi kecil. Rasio profitabilitas ini
merupakan suatu rasio yang menggambarkan kemampuan bank dalam
meningkatkan labanya melalui semua kemampuan dan sumber yang ada
sehingga diketahui untuk mengukur tingkat efisiensi usaha dan keuntungan
yang dicapai oleh bank (Rivai & Arifin, 2010). Semakin tinggi rasio ini
maka menggambarkan semakin efektifnya kinerja sebuah bank dalam
kegiatan operasionalnya. Rasio yang digunakan dalam memproyeksikan
kinerja keuangan ialah dengan menggunakan rasio Return On Asset (ROA).
ROA merupakan rasio yang menggambarkan kemampuan sebuah
perusahaan dalam memperoleh laba dengan memanfaatkan sumber daya
yang ada (Muhammad, 2014). Jika sistem yang ada dalam perbankan dalam
keadaan baik maka dapat memberikan kontribusi dalam memperbaiki
perekonomian negara.
Berikut adalah perkembangan rasio profitabilitas perbankan syariah
yang ada di Indonesia dan Malaysia yang diukur melalui Return On Asset
(ROA):
27
Tabel 1.1
Perkembangan Rasio Profitabilitas
Tahun Perkembangan Rasio Profitabilitas (ROA)
Indonesia Malaysia
2015 0.49% 1.0%
2016 0.63% 1.0%
2017 0.63% 1.1%
2018 1.28% 1.1%
2019 1.73% 1.2%
Sumber: Statistik Perbankan Syariah OJK dan BNM
Berdasarkan tabel 1.1 di atas dapat dilihat bahwa perubahan angka
pada rasio profitabilitas perbankan syariah di Indonesia mengalami
kenaikan dari tahun 2015 ke tahun 2016 sebesar 0.14%, namun pada tahun
2017 profitabilitas perbankan syariah tidak mengalami kenaikan maupun
penurunan. Selanjutnya pada tahun 2018 dan tahun 2019 rasio profitabilitas
perbankan syariah Indonesia mengalami kenaikan, hal ini menunjukkan
bahwa kinerja bank syariah mengalami peningkatan dalam mengelola asset
yang dimilikinya. Sedangkan untuk perbankan syariah Malaysia juga
mengalami kenaikan setiap dua tahun sekali sebesar 0.1% hal ini
menunjukkan bahwa bank syariah di Malaysia mempunyai kinerja yang
baik dalam hal pengelolaan asset yang dimilikinya. Berdasarkan tabel di
atas rata-rata Return On Asset perbankan syariah Malaysia lebih baik jika
dibandingkan dengan perbankan syariah di Indonesia.
Dalam penilaian pengaruh tingkat kesehatan bank menggunakan
metode RGEC terhadap kinerja keuangan perbankan syariah, yang
digunakan dalam penelitian ini yaitu Risk Profile yang diproyeksikan oleh
28
FDR yaitu rasio likuiditas yang menggambarkan suatu bank mampu
menyediakan dana yang akan ditarik oleh deposan dengan mengandalkan
kredit/pembiayaan sebagai sumber likuiditas nya. Semakin rendah FDR
menujukkan bahwa suatu bank kurang mampu menjaga tingkat likuiditas
nya yang dilihat dari kurangnya efektivitas dalam menyalurkan
kredit/pembiayaan (Yusuf, 2017) Sebaliknya semakin tinggi FDR dalam
batasan tertentu, maka semakin meningkat pula laba (ROA) suatu bank
dengan asumsi bahwa pihak bank menyalurkan dananya untuk pembiayaan
yang efektif. Adanya penyaluran dana pihak ketiga yang besar maka
pendapatan bank akan semakin meningkat, sehingga FDR berpengaruh
positif terhadap ROA. Hal ini sejalan dengan penelitian yang dilakukan oleh
(Yusuf, 2017), (Riyadi & Yulianto, 2014), (Almunawwaroh & Maliana,
2018) yang memperoleh hasil bahwa FDR berpengaruh positif signifikan
terhadap ROA. Namun penelitian tersebut kontradiktif dengan penelitian
yang dilakukan oleh (Wibisono & Wahyuni, 2017) yang memperoleh hasil
bahwa FDR berpengaruh negatif signifikan terhadap ROA.
Non Performing Financing (NPF) mencerminkan risiko kredit,
semakin rendah NPF maka bank tersebut akan semakin mengalami
keuntungan, sehingga kinerja bank semakin baik, dan sebaliknya jika
tingkat NPF tinggi, maka bank tersebut akan mengalami kerugian yang
diakibatkan tingkat pengembalian kredit macet (Ariyani, 2010). Oleh karena
itu bank harus menanggung kerugian dalam kegiatan operasionalnya
sehingga berpengaruh terhadap penurunan laba (ROA). Berdasarkan pada
29
penelitian yang dilakukan oleh (Almunawwaroh & Maliana, 2018) dan
(Rahmat, Arfan, & Musnadi, 2014) NPF berpengaruh negatif terhadap
Kinerja Keuangan (ROA). Namun hasil penelitian dari (Yusuf, 2017)
menyatakan bahwa Non Performing Financing berpengaruh positif terhadap
ROA.
Keefektifan dari dewan komisaris dapat dipengaruhi oleh beberapa
faktor seperti frekuensi meeting dewan komisaris dan perilaku-perilaku dari
anggota dewan komisaris di sekitar pelaksanaan meeting. Rapat dewan
komisaris merupakan suatu kegiatan yang dilakukan oleh anggota dewan
komisaris dalam hal pengambilan keputusan untuk membuat kebijakan
perusahaan. Rapat yang diselenggarakan oleh dewan komisaris dilakukan
untuk mengawasi kebijakan-kebijakan yang telah diambil oleh dewan
direksi dan implementasinya. Selain itu rapat dewan komisaris juga
berfungsi sebagai fasilitas komunikasi dan koordinasi antar anggota dewan
komisaris dalam melaksanakan tugasnya sebagai pengawas manajemen,
semakin banyak jumlah rapat dewan komisaris, diharapkan pengawasan
terhadap dewan direksi semakin baik dan semakin membantu dewan direksi
mengambil keputusan tepat. Sehingga diharapkan rapat dapat meningkatkan
kinerja perusahaan seperti halnya penelitian yang dilakukan oleh (Putri &
Muid, 2017) yang menyatakan bahwa frekuensi rapat dewan komisaris
berpengaruh positif dan signifikan terhadap kinerja keuangan
(profitabilitas), namun hasil tersebut kontradiktif dengan penelitian yang
dilakukan oleh (Widyatama & Wibowo, 2015) yang menyatakan bahwa
30
frekuensi rapat dewan komisaris memiliki pengaruh negatif terhadap kinerja
perusahaan (profitabilitas).
Komite Audit memiliki tugas terpisah dalam membantu Dewan
Komisaris untuk memenuhi tanggung jawabnya dalam memberikan
pengawasan secara menyeluruh. Karena tugas Komite Audit adalah
membantu dewan komisaris dalam melakukan pengawasan maka dengan
semakin banyaknya anggota dewan komite audit, pengawasan yang
dilakukan semakin baik dan diharapkan dapat memperkecil upaya
manajemen untuk memanipulasi masalah data-data yang berkaitan dengan
keuangan dan prosedur akuntansi, sehingga kinerja keuangan perusahaan
pun akan semakin meningkat. Hasil penelitian yang dilakukan oleh
(Sarafina & Saifi, 2017) dan (Mulyadi, 2017) mendukung hal tersebut yang
mengatakan bahwa ukuran komite audit mempunyai pengaruh positif dan
signifikan terhadap kinerja keuangan perusahaan. Namun dari hasil
penelitian yang dilakukan oleh (Islami, 2018) komite audit berpengaruh
negatif terhadap ROA.
Earning yang diproksikan oleh Net Operating Margin (NOM)
merupakan rasio yang mengukur kemampuan aktiva produktif untuk
menghasilkan pendapatan bersih. Menurut teori yang ada semakin besar
NOM maka semakin besar pula pendapatan operasional suatu bank atas
asset yang dikelola oleh bank, sehingga kondisi bank yang bermasalah
semakin kecil. Berdasarkan penelitian yang dilakukan oleh (Yusuf, 2017)
dan (Wibisono & Wahyuni, 2017) yang memperoleh hasil bahwa Net
31
Operating Margin berpengaruh positif terhadap kinerja keuangan (ROA).
Namun hasil dari penelitian yang dilakukan oleh (Rahmat, Arfan, &
Musnadi, 2014) NOM berpengaruh negatif signifikan terhadap
profitabilitas (ROA).
Capital Adequacy Ratio (CAR) merupakan risiko kecukupan modal,
yang berarti jumlah modal sendiri yang diperlukan untuk menutup risiko
kerugian yang timbul dari penanaman aktiva-aktiva yang mengandung
risiko serta membiayai seluruh benda tetap dan inventaris bank. Semakin
besar CAR maka keuntungan bank juga semakin besar. Dengan kata lain,
semakin kecil risiko suatu bank maka semakin besar keuntungan yang
diperoleh bank (Kuncoro, 2002). Dengan meningkatnya laba, kinerja bank
menjadi meningkat. Oleh karena itu dapat disimpulkan bahwa semakin
besar CAR maka ROA juga akan semakin besar sehingga kinerja keuangan
semakin meningkat. Berdasarkan penelitian yang dilakukan oleh (Yusuf,
2017) yang memperoleh hasil bahwa CAR berpengaruh Positif Terhadap
kinerja keuangan. Namun dari hasil penelitian yang dilakukan oleh
(Almunawwaroh & Maliana, 2018) CAR berpengaruh negatif terhadap
ROA.
Mengingat pentingnya penilaian tingkat kesehatan perbankan guna
menentukan kebijakan-kebijakan untuk menjaga kelangsungan operasional
dan efisiensi keuangan perbankan syariah dalam menghadapi persaingan
sesama jenis usaha, Dalam hal ini penulis mencoba melihat lebih mendalam
tentang pengaruh Tingkat kesehatan bank menggunakan metode RGEC
32
terhadap kinerja keuangan perbankan syariah khususnya di ASEAN pada
periode 2015-2019, dengan mengambil dua negara yang memimpin
pembentukan ASEAN Banking Integration Framework (ABIF), yaitu
Indonesia dan Malaysia. Dalam perkembangannya, bank syariah di
Malaysia mempunyai perkembangan yang lebih cepat dibandingkan dengan
perkembangan bank syariah di Indonesia. Hal ini dapat dilihat dari market
share perbankan syariah dari kedua negara tersebut:
Tabel 1.2
Market Share Perbankan Syariah
Tahun Market Share
Indonesia Malaysia
2015 4,83% 23,00%
2016 5,33% 23,80%
2017 5,78% 25,00%
2018 5,96% 31,00%
2019 6,18% 37,00%
Sumber:OJK dan BNM
Meskipun sebagai negara dengan populasi Muslim terbesar di dunia, dan
memiliki potensi besar untuk menjadi pusat pengembangan industri
keuangan syariah khususnya perbankan namun realitanya Indonesia masih
tertinggal dalam hal market share apabila dibandingkan dengan Malaysia.
Berdasarkan uraian di atas, maka penulis tertarik untuk melakukan
penelitian kinerja keuangan pada perbankan syariah yang ada di Indonesia
dan Malaysia dengan mengambil judul “Analisis Pengaruh Tingkat
Kesehatan Bank Menggunakan Metode RGEC (Risk Profile, Good
33
Corporate Governance, Earning, Capital) Terhadap Kinerja Keuangan
Perbankan Syariah Di Indonesia dan Malaysia Periode 2015-2019.”
B. Rumusan Masalah
Hal yang akan diteliti dalam penelitian ini adalah pengaruh tingkat
kesehatan bank menggunakan metode RGEC terhadap kinerja keuangan
perbankan syariah di Indonesia dengan Malaysia. Rumusan masalah dalam
penelitian ini berdasarkan latar belakang masalah di atas adalah sebagai
berikut:
1. Bagaimanakah pengaruh FDR terhadap kinerja keuangan perbankan
syariah di Indonesia dan Malaysia?
2. Bagaimanakah pengaruh NPF terhadap kinerja keuangan perbankan
syariah di Indonesia dan Malaysia?
3. Bagaimanakah pengaruh Frekuensi Rapat Dewan Komisaris terhadap
kinerja keuangan perbankan syariah di Indonesia dan Malaysia?
4. Bagaimanakah pengaruh Komite Audit terhadap kinerja keuangan
perbankan syariah di Indonesia dan Malaysia?
5. Bagaimanakah pengaruh NOM terhadap kinerja keuangan perbankan
syariah di Indonesia dan Malaysia?
6. Bagaimanakah pengaruh CAR terhadap kinerja keuangan perbankan
syariah di Indonesia dan Malaysia?
34
C. Tujuan Penelitian
Berdasarkan latar belakang dan permasalahan yang dirumuskan di
atas, maka penulis mempunyai tujuan yang ingin dicapai yaitu:
1. Mengetahui pengaruh FDR terhadap kinerja keuangan perbankan
syariah di Indonesia dan Malaysia.
2. Mengetahui pengaruh NPF terhadap kinerja keuangan perbankan
syariah di Indonesia dan Malaysia.
3. Mengetahui pengaruh Frekuensi Rapat Dewan Komisaris terhadap
kinerja keuangan perbankan syariah di Indonesia dan Malaysia.
4. Mengetahui pengaruh Komite Audit terhadap kinerja keuangan
perbankan syariah di Indonesia dan Malaysia.
5. Mengetahui pengaruh NOM terhadap kinerja keuangan perbankan
syariah di Indonesia dan Malaysia.
6. Mengetahui pengaruh CAR terhadap kinerja keuangan perbankan
syariah di Indonesia dan Malaysia.
D. Kegunaan Penelitian
Penelitian ini diharapkan dapat memberi manfaat kepada pihak-
pihak yang berkepentingan sebagai berikut:
1. Bagi Pihak Bank
a. Hasil penelitian ini dapat menjadi salah satu gambaran bagi bank
dalam menilai kinerja keuangan bank.
b. Hasil penelitian ini juga berguna untuk manajemen bank dalam
meningkatkan performa kinerja keuangan.
35
c. Hasil penelitian ini dapat digunakan untuk melihat kesiapan bank
dalam menghadapi persaingan secara global.
2. Bagi Akademisi
Hasil penelitian ini dapat digunakan sebagai referensi bagi
akademisi yang akan melakukan penelitian selanjutnya dan sebagai
penambah informasi
3. Bagi Penulis
Penelitian ini dapat digunakan untuk menambah wawasan di
bidang perbankan tentang pengaruh tingkat kesehatan bank
menggunakan metode RGEC terhadap kinerja keuangan. Penelitian ini
juga digunakan untuk menambah motivasi penulis dalam memperdalam
ilmu pengetahuan.
4. Bagi pembaca
Menambah pengetahuan dan informasi tentang pengaruh tingkat
kesehatan bank menggunakan metode RGEC terhadap kinerja
keuangan.
E. Sistematika Penulisan
Kejelasan dan ketetapan arah pembahasan penelitian ini penulis
menyusun sistematika penulisan sebagai berikut:
BAB I : PENDAHULUAN
Menguraikan latar belakang masalah, rumusan masalah, tujuan
masalah, kegunaan penelitian dan sistematika penulisan.
36
BAB II : KAJIAN PUSTAKA
Menguraikan tentang telaah pustaka yang berisi ringkasan
penelitian terdahulu, kerangka teori yang berkaitan dengan
topik penelitian untuk menghasilkan hipotesis yang akan diuji.
BAB III : METODE PENELITIAN
Bab ini berisi jenis penelitian, lokasi dan waktu penelitian,
populasi dan sampel, teknik pengumpulan data, skala
pengukuran, definisi konsep dan operasional, instrumen
penelitian, uji instrumen penelitian, dan alat analisis yang
digunakan.
BAB IV : ANALISIS PENELITIAN
Bab ini menguraikan tentang deskripsi objek penelitian dan
analisis data atau hasil penelitian.
BAB V : PENUTUP
Mencakup uraian yang berisi kesimpulan yang diperoleh dari
hasil penelitian, keterbatasan penelitian, implikasi penelitian,
serta saran-saran.
37
BAB II
KAJIAN PUSTAKA
A. Telaah Pustaka
Penelitian ini dilakukan mengacu pada penelitian terdahulu dengan
pokok permasalahan yang hampir sama. Penelitian terdahulu juga
bermanfaat untuk membangun kerangka teoritis yang mendasari kerangka
penelitian ini. Berdasarkan penelitian terdahulu, penulis dapat menarik
research gap sebagai berikut:
Tabel 2.1
Research Gap Penelitian
Isu: Pengaruh Non Performing Financing (NPF) terhadap kinerja
keuangan (Profitabilitas)
No. Nama Peneliti Hasil Penelitian
1. M. Yusuf Wibisono dan
Salamah Wahyuni (2017)
NPF tidak berpengaruh terhadap ROA
2. Afria B. Rachmat dan
Euis Komariah (2017)
NPF berpengaruh negatif dan
signifikan terhadap ROA
3. Agus Murdiyanto (2018) NPF berpengaruh negatif tidak
signifikan terhadap ROA
4. Muhammad Yusuf
(2017)
NPF berpengaruh positif terhadap
ROA
5. Rima Cahya Suwarno
dan Ahmad Mifdlol
Muthohar (2018)
NPF berpengaruh positif tidak
signifikan terhadap ROA
Isu: Pengaruh Financing to Deposit Ratio (FDR) terhadap kinerja
keuangan (profitabilitas)
1. Misbahul Munir (2018) FDR tidak berpengaruh terhadap
ROA
38
2. Muhammad Yusuf
(2017)
FDR berpengaruh positif dan
signifikan terhadap ROA
3. Nur Setiani, Edward, dan
Aziz Fathoni (2018)
FDR berpengaruh positif tidak
signifikan terhadap ROA
4. M. Yusuf Wibisono dan
Salamah Wahyuni (2017)
FDR berpengaruh negatif terhadap
ROA.
5. Nunung, Suprihatmi, dan
Edi Wibowo (2018)
FDR berpengaruh negatif dan tidak
signifikan terhadap ROA
Isu : Pengaruh Frekuensi Rapat Dewan Komisaris terhadap kinerja
keuangan (profitabilitas)
1. Rowina Kartika Purtri
dan Dul Muid (2017)
Frekuensi Rapat Dewan komisaris
berpengaruh positif signifikan
terhadap ROA
2. Benedictus D. W. Dan
Agustinus S. A. (2015)
Frekuensi Rapat Dewan komisaris
berpengaruh negatif signifikan
terhadap ROA
3. Nurhidayah Al-Amin dan
Samsul Rosyadi (2018)
Frekuensi Rapat Dewan Komisaris
berpengaruh positif tidak signifikan
terhadap kinerja keuangan (ROA)
4. Nungky Wanodyatama
Islami (2018)
Frekuensi Rapat Dewan Komisaris
berpengaruh positif signifikan
terhadap ROA
5. F. N. Zahra, Dudi
Pratomo, dan Vaya J.
Dillak (2016)
Frekuensi Rapat Dewan Komisaris
tidak berpengaruh signifikan terhadap
profitabilitas
Isu : Pengaruh Komite Audit terhadap kinerja keuangan (profitabilitas)
1. Luh Putu Ari Anjani dan
I Putu Yadnya (2017)
Komite audit berpengaruh positif
signifikan terhadap ROA.
2. Helfina Rimardhani,
Rustam Hidayat, dan
Komite Audit tidak berpengaruh
signifikan terhadap ROA
39
Dwiatmo (2016)
3. Imam Mas’ud dan Sherly
Heriyanto (2016)
Komite Audit berpengaruh negatif
tidak signifikan terhadap ROA
4. Nungky Wanodyatama
Islami (2018)
Komite audit berpengaruh negatif
signifikan terhadap ROA
5. Jielend Ariandhini
(2019)
Komite audit berpengaruh negatif
terhadap ROA.
Isu: Pengaruh Net Operating Margin (NOM) terhadap kinerja keuangan
(profitabilitas)
1. Erna Sudarmawanti dan
Joko Pramono (2017)
NOM tidak berpengaruh signifikan
terhadap ROA
2. Giofani N. Widyawati
dan M. Djazari (2017)
NOM berpengaruh positif tidak
signifikan terhadap ROA
3. Wildan F. Pinasti dan
RR. Indah M. (2018)
NOM berpengaruh positif signifikan
terhadap ROA
4. Silfani Permata dan A.
Mulyi Haryanto (2017)
NOM berpengaruh negatif tidak
signifikan terhadap ROA
5. Rahmat, M. Arfan dan
Said Musnadi (2014)
NOM berpengaruh negatif signifikan
terhadap ROA
Isu: Pengaruh CAR terhadap kinerja keuangan (profitabilitas)
1. Indriani Harlim dan
Denny Iskandar (2015)
CAR berpengaruh positif tidak
signifikan terhadap ROA
2. Muhammad Yusuf
(2017)
CAR berpengaruh positif signifikan
terhadap ROA
3. Medina Almunawwaroh
dan Rina Marlina (2018)
CAR berpengaruh negatif terhadap
ROA
4. Aditya S. Nanda dan
Andi F. Hasan (2019)
CAR tidak berpengaruh signifikan
terhadap ROA
5. Fretty Welta dan
Lemiyana (2017)
CAR berpengaruh negatif tidak
signifikan terhadap ROA
40
B. Kerangka Teori
1. Grand Theory
Signalling theory (teori sinyal) dicetuskan pertama kali oleh
Spance (1973) dalam penelitiannya yang berjudul Job Market
Signalling. Teori ini melibatkan dua pihak, yakni pihak dalam seperti
manajemen yang berperan sebagai pihak yang memberikan sinyal dan
pihak luar seperti investor yang berperan sebagai pihak yang
menerima sinyal tersebut. Spance mengatakan bahwa dengan
memberikan suatu isyarat atau sinyal, pihak manajemen berusaha
memberikan informasi yang relevan yang dapat dimanfaatkan oleh
pihak investor. Kemudian, pihak investor akan menyesuaikan
keputusannya sesuai dengan pemahamannya terhadap sinyal tersebut.
Teori ini dikembangkan kembali Ross (1977), memaparkan
bahwa pihak eksekutif perusahaan yang memiliki informasi lebih baik
mengenai perusahaannya akan terdorong untuk menyampaikan
informasi tersebut kepada investor. Informasi tersebut biasanya dalam
bentuk laporan keuangan tahunan yang berisi mengenai informasi
keadaan perusahaan, catatan masa lalu maupun keadaan perusahaan,
dan juga dapat mencerminkan kinerja suatu perusahaan.
Teori sinyal lebih menekankan pada pentingnya informasi
yang dikeluarkan oleh perusahaan terhadap keputusan investasi pihak
di luar perusahaan. Pada saat manajemen mempublikasikan laporan
keuangan, berarti manajemen sudah memberikan sinyal kepada pasar,
41
dalam hal ini adalah investor. Apabila investor sudah menerima
informasi tersebut, mereka akan terlebih dahulu melakukan
interpretasi dan analisis pada informasi yang didapatkan nya sehingga
informasi yang diberikan dapat dikatakan sebagai good news atau bad
news. Jika investor menerjemahkan sinyal tersebut sebagai suatu
good news, maka akan berdampak positif yaitu meningkatkan harga
saham perusahaan. Tetapi sebaliknya, jika investor menerjemahkan
sinyal tersebut sebagai bad news, maka akan berdampak negatif yaitu
mengakibatkan penurunan harga saham (Wandita, 2017).
Dalam sektor perbankan syariah pun, laporan keuangan turut
memegang peranan penting dalam hal menyampaikan informasi
mengenai keadaan perbankan tersebut. Salah satu caranya adalah
dengan melakukan penilaian terhadap kinerja keuangan perbankan
yang dianggap penting bagi kehidupan perekonomian secara
keseluruhan (Yuksel & Dincer, 2015). Terlebih lagi, pertumbuhan dan
stabilitas keuangan suatu negara juga bergantung pada tingkat
kesehatan dari sektor perbankan, maka penilaian tersebut perlu
dilakukan (Ravinder & Prasad, 2012). Oleh karena adanya penjelasan
yang terdapat dalam Signalling Theory yang menyatakan bahwa
adanya keterkaitan antara informasi keuangan dan keputusan investor
serta stakeholder lainnya saat menempatkan investasi nya, maka teori
ini dianggap mendukung penelitian yang dilakukan.
42
2. Bank Syariah
Bank Islam atau di Indonesia disebut bank syariah merupakan
lembaga keuangan yang berfungsi memperlancar mekanisme ekonomi
di sektor riil melalui aktivitas kegiatan usaha (investasi, jual beli, atau
lainnya) berdasarkan prinsip syariah yaitu aturan perjanjian
berdasarkan hukum Islam antara bank dan pihak lain untuk
penyimpanan dana dan atau pembiayaan kegiatan usaha atau kegiatan
lainnya yang dinyatakan sesuai dengan nilai-nilai Syariah yang
bersifat makro dan mikro (Ascarya, 2008).
Selain itu Bank syariah juga dapat diartikan sebagai bank yang
beroperasi dengan tidak mengandalkan pada bunga (Muhammad,
2005). Menurut UU No. 10 Tahun 1998 tentang perubahan UU No. 7
tahun 1992 tentang Perbankan, Bank Syariah adalah Bank Umum
yang melaksanakan kegiatan usaha berdasarkan prinsip syariah yang
dalam kegiatannya memberikan jasa dalam lalu lintas pembayaran.
3. Metode (pendekatan) RGEC
Penilaian tingkat kesehatan bank dengan menggunakan
pendekatan berdasarkan risiko merupakan penilaian yang
komprehensif dan terstruktur terhadap hasil integrasi profil risiko dan
kinerja yang meliputi tata kelola yang baik, rentabilitas, dan
permodalan (POJK Nomor 8/POJK.3/2014). Menurut (Rahmaniah &
Wibowo, 2015), Risk Based Bank Rating merupakan metode penilaian
kesehatan bank dengan menggunakan pendekatan risiko. Penilaian
43
tingkat kesehatan bank ini juga dikenal dengan metode RGEC.
Cakupan penilaian yang digunakan dalam metode ini adalah penilaian
terhadap faktor-faktor Risk Profile (Profil Risiko), GCG (Good
Corporate Governance), Earnings (Rentabilitas), Dan Capital
(Permodalan). Pedoman dalam mengukur indikator RGEC oleh Bank
Indonesia diatur selengkapnya dalam peraturan Bank Indonesia
No.13/1/PBI/2011, tentang penilaian kesehatan Bank Umum (Permata
Yessi & Rahayu, 2015).
a. Penilaian Faktor Profil Risiko (Risk Profile)
Penilaian faktor Profil Risiko merupakan penilaian terhadap Risiko
Inheren dan kualitas penerapan Manajemen Risiko dalam aktivitas
operasional bank. Risiko yang wajib dinilai atas 10 jenis risiko
yaitu Risiko Kredit, Risiko Pasar, Risiko Likuiditas, Risiko
Operasional, Risiko Hukum, Risiko Stratejik, Risiko Kepatuhan,
Risiko Reputasi, Risiko Imbal Hasil, Dan Risiko Investasi (SEOJK
Nomor 10/SEOJK.03/2014).
1) Risiko Kredit
Risiko kredit adalah risiko akibat kegagalan nasabah atau
pihak lain dalam memenuhi kewajiban kepada bank sesuai
dengan perjanjian yang disepakati.
2) Risiko pasar
Risiko pasar adalah risiko pada posisi neraca dan rekening
administratif akibat perubahan harga pasar, antara lain risiko
44
berupa perubahan nilai dari aset yang dapat diperdagangkan
atau disewakan.
3) Risiko Likuiditas
Risiko likuiditas adalah risiko akibat ketidakmampuan bank
untuk memenuhi kewajiban yang jatuh tempo dari sumber
pendanaan arus kas dan/ atau aset likuid berkualitas tingi yang
dapat diagunkan, tanpa mengganggu aktivitas dan kondisi
keuangan Bank.
4) Risiko Operasional
Risiko Operasional adalah risiko kerugian yang diakibatkan
oleh proses internal yang kurang memadai, kegagalan proses
internal, kesalahan manusia, kegagalan sistem, dan/atau
adanya kejadian eksternal yang mempengaruhi operasional
bank.
5) Risiko Hukum
Risiko Hukum adalah risiko yang timbul akibat tuntutan
hukum dan/atau kelemahan aspek yuridis.
6) Risiko Stratejik
Risiko Stratejik adalah risiko akibat ketidaktepatan dalam
pengambilan dan/atau pelaksanaan suatu keputusan stratejik
serta kegagalan dalam mengantisipasi perubahan lingkungan
bisnis.
45
7) Risiko Kepatuhan
Risiko Kepatuhan adalah risiko akibat bank tidak mematuhi
dan/atau tidak melaksanakan peraturan perundang-undangan
dan ketentuan yang berlaku, serta prinsip syariah.
8) Risiko Reputasi
Risiko Reputasi adalah risiko akibat menurunnya tingkat
kepercayaan stakeholder yang bersumber dari persepsi negatif
terhadap bank.
9) Risiko Imbal Hasil
Risiko Imbal Hasil adalah risiko akibat perubahan tingkat
imbal hasil yang dibayarkan bank kepada nasabah, karena
terjadi perubahan tingkat imbal hasil yang diterima bank dari
penyaluran dana, yang dapat mempengaruhi perilaku nasabah
dana pihak ketiga bank.
10) Risiko Investasi
Risiko Investasi adalah risiko akibat bank ikut menanggung
kerugian usaha nasabah yang dibiayai dalam pembiayaan
berbasis bagi hasil baik yang menggunakan metode net
revenue sharing maupun yang menggunakan metode profit
and loss sharing.
46
b. Good Corporate Governance
1) Pengertian Good Corporate Governance
Good Corporate Governance adalah konsep untuk
peningkatan kinerja perusahaan melalui supervise atau
monitoring kinerja manajemen dan menjamin akuntabilitas
manajemen terhadap stakeholder dengan didasarkan pada
kerangka peraturan (Mandasari, 2015). Sedangkan menurut
World Bank, Good Corporate Governance merupakan
kumpulan hukum, peraturan, dan kaidah-kaidah yang wajib
dipenuhi yang dapat mendorong kinerja sumber-sumber
perusahaan bekerja secara efisien, menghasilkan nilai ekonomi
jangka panjang yang berkesinambungan, bagi para pemegang
saham maupun masyarakat sekitar secara keseluruhan
(Muhammad, 2013)
2) Manfaat dan Tujuan GCG
Menurut Forum Corporate in Indonesia (FCGI) ada
beberapa manfaat yang dapat kita ambil dari penerapan Good
Corporate Governance yang baik, antara lain:
a) Meningkatkan kinerja perusahaan melalui terciptanya
proses pengambilan keputusan yang lebih baik,
meningkatkan efisiensi operasional perusahaan serta lebih
meningkatkan pelayanan kepada stakeholder.
47
b) Mempermudah diperolehnya dana pembiayaan yang lebih
murah sehingga dapat lebih meningkatkan corporate
value.
c) Mengembalikan kepercayaan investor untuk menanamkan
modalnya di Indonesia.
d) Pemegang saham akan merasa puas dengan kinerja
perusahaan karena sekaligus akan meningkatkan
shareholders value dan dividen.
Menurut Komite Nasional Kebijakan Governance
(KNKG), Good Corporate Governance mempunyai 6 tujuan
utama, yaitu:
a) Mendorong tercapainya kesinambungan perusahaan
melalui pengelolaan yang berdasarkan pada asas
transparansi, akuntabilitas, responsibilitas serta kewajaran
dan kesetaraan.
b) Mendorong pemberdayaan fungsi dan kemandirian
masing-masing organ perusahaan yaitu dewan komisaris,
direksi dan rapat umu pemegang saham (RUPS).
c) Mendorong pemegang saham, anggota dewan komisaris,
dan anggota direksi agar dapat membuat keputusan dan
menjalankan tindakannya dilandasi oleh nilai moral yang
tinggi dan kepatuhan terhadap peraturan perundang-
undangan.
48
d) Mendorong timbulnya kesadaran dan tanggung jawab
sosial perusahaan terhadap masyarakat dan kelestarian
lingkungan terutama di sekitar perusahaan.
e) Mengoptimalkan nilai perusahaan bagi pemegang saham
dengan memperhatikan pemangku kepentingan lainnya.
f) Meningkatkan daya saing perusahaan secara nasional
maupun internasional sehingga meningkatkan kepercayaan
pasar yang dapat mendorong arus investasi dan
pertumbuhan ekonomi nasional dan berkesinambungan.
3) Prinsip Good Corporate Governance
Penilaian faktor Good Corporate Governance bagi
bank umum syariah merupakan penilaian terhadap kualitas
manajemen bank atas pelaksanaan 5 prinsip Good Corporate
Governance yaitu (SEBI Nomor 12/13/DPbS Tahun 2010):
a) Transparansi
Keterbukaan dalam mengemukakan informasi yang
material dan relevan serta keterbukaan dalam proses
pengambilan keputusan.
b) Akuntabilitas
Kejelasan fungsi dan pelaksanaan pertanggungjawaban
organ bank sehingga pengolahannya berjalan secara
efektif.
49
c) Pertanggungjawaban
Kesesuaian pengelolaan bank dengan peraturan
perundang-undangan yang berlaku dan prinsip-prinsip
pengelolaan bank yang sehat.
d) Profesional
Memiliki kompetensi, maupun bertindak objektif, dan
bebas dari pengaruh atau tekanan dari pihak mana pun
(independen) serta memiliki komitmen yang tinggi untuk
mengembangkan bank syariah.
e) Kewajaran
Keadilan dan kesetaraan dalam memenuhi hak-hak
stakeholders berdasarkan perjanjian dan peraturan
perundang-undangan yang berlaku.
Prinsip-prinsip tersebut pada dasarnya memiliki tujuan
untuk memberikan kemajuan terhadap kinerja suatu
perusahaan, salah satunya adalah profitabilitas perusahaan.
untuk memastikan penerapan prinsip-prinsip tersebut, bank
harus melakukan penilaian sendiri (self assessment) atas
komponen-komponen yang menjadi faktor penilaian
pelaksanaan GCG. Berdasarkan Sura Edaran Bank Indonesia
Nomor 9/12/DNDP tanggal 30 Mei 2007 tentang pelaksanaan
Good Corporate Governance bagi Bank Umum, ada 11 faktor
penilaian pelaksanaan GCG yaitu:
50
a) Pelaksanaan tugas dan tanggung jawab Dewan Komisaris
b) Pelaksanaan tugas dan tanggung jawab direksi
c) Kelengkapan dan pelaksanaan tugas komite
d) Penanganan benturan kepentingan
e) Penerapan fungsi kepatuhan
f) Penerapan fungsi audit intern
g) Penerapan fungsi audit ekstern
h) Penerapan manajemen risiko termasuk sistem
pengendalian intern
i) Penyediaan dana kepada pihak terkait (related party) dan
penyediaan dana besar (large exposures)
j) Transparansi kondisi keuangan dan non keuangan bank,
laporan pelaksanaan GCG dan pelaporan internal
k) Rencana strategis bank
Sesuai dengan Surat Edaran Bank Indonesia tersebut,
penilaian sendiri (self-assessment) atas sebelas faktor tersebut
dilakukan dengan menggunakan Kertas Kerja Penilaian Sendiri
(self-assessment) Pelaksanaan GCG yang telah disiapkan
sesuai dengan ketentuan Bank Indonesia. Dalam melakukan
self-assessment, bank terlebih dahulu harus memahami tujuan
penilaian pelaksanaan GCG yang mencakup 3 (tiga) aspek
governance, serta kriteria/indikator pada setiap faktor
51
penilaian. Adapun ketiga aspek governance tersebut antara
lain:
a) Governance structure, bertujuan untuk menilai kecukupan
struktur dan infrastruktur tata kelola bank agar proses
pelaksanaan prinsip GCG menghasilkan outcome yang
sesuai dengan harapan stakeholder bank.
b) Governance process, bertujuan untuk menilai efektifitas
proses pelaksanaan prinsip GCG yang didukung oleh
kecukupan struktur dan infrastruktur tata kelola bank
sehingga menghasilkan outcome yang sesuai dengan
harapan stakeholder bank.
c) Governance outcome, bertujuan untuk menilai kualitas
outcome yang memenuhi harapan stakeholders bank yang
merupakan hasil proses pelaksanaan prinsip GCG yang
didukung oleh kecukupan struktur dan infrastruktur tata
kelola bank.
c. Earnings
Earnings atau rentabilitas adalah kemampuan perusahaan
untuk memperoleh hasil bersih (laba) dengan modal yang
digunakannya. Penilaian faktor rentabilitas bertujuan untuk
mengetahui kemampuan perusahaan dalam menghasilkan laba.
Faktor rentabilitas ini meliputi evaluasi terhadap kinerja
rentabilitas, sumber-sumber rentabilitas, kesinambungan
52
rentabilitas, dan manajemen rentabilitas. Tujuan penilaian
rentabilitas adalah untuk mengevaluasi kemampuan rentabilitas
bank untuk mendukung kegiatan operasional dan permodalan
bank (Wahasusmiah & Watie, 2018). Penilaian dilakukan dengan
mempertimbangkan tingkat trend, struktur, stabilitas rentabilitas
bank, dan perbandingan kinerja bank dengan kinerja peer group,
baik melalui analisis aspek kuantitatif maupun kualitatif (SE BI
No. 13/24/DNDP tanggal 25 Oktober 2011).
Penilaian terhadap faktor rentabilitas meliputi penilaian
terhadap komponen-komponen: (Kasmir, 2007).
1) Pencapaian return on assets (ROA), Return On Equity
(ROE), net operating margin (NIM), dan tingkat efisiensi
bank.
2) Perkembangan laba operasional, diversifikasi pendapatan,
penerapan prinsip akuntansi dalam pengakuan pendapatan
dan biaya, dan prospek laba operasional.
d. Capital
Modal bank adalah dana yang diinvestasikan oleh pemilik
dalam rangka pendirian badan usaha yang dimaksudkan untuk
membiayai kegiatan usaha bank di samping untuk memenuhi
regulasi yang ditetapkan oleh otoritas moneter (Taswan, 2010).
Permodalan (capital) merupakan salah satu faktor yang penting
bagi bank dalam mengembangkan usahanya dan menampung risiko
53
kerugian. Tingkat kecukupan modal sangat tergantung dari
portofolio asetnya. Kecukupan modal merupakan faktor penting
bagi bank untuk menata eksposur risiko saat ini dan di masa yang
akan datang (Dewi, 2018).
Penilaian faktor permodalan dilakukan dengan
menggunakan parameter/indikator kuantitatif maupun kualitatif.
Parameter/ indikator dalam menilai permodalan meliputi (SEBI No.
13/24/DNDP):
a. Kecukupan modal bank, minimal mencakup:
1) Tingkat, trend, dan komposisi modal bank
2) Rasio KPMM dengan memperhitungkan risiko kredit, risiko
pasar, dan risiko operasional
3) Kecukupan modal bank dikaitkan dengan profil risiko
b. Pengelolaan permodalan bank, meliputi manajemen
permodalan dan kemampuan akses permodalan
Penilaian atas faktor permodalan meliputi evaluasi terhadap
kecukupan permodalan dan kecukupan pengelolaan permodalan.
Dalam melakukan perhitungan permodalan, bank wajib mengacu
pada ketentuan Bank Indonesia yang mengatur mengenai
Kewajiban Penyediaan Modal Minimum bagi bank umum. Selain
itu, dalam melakukan penilaian kecukupan modal, bank juga harus
mengaitkan kecukupan modal dengan profil risiko bank. Semakin
54
tinggi risiko bank, semakin besar modal yang harus disediakan
untuk mengantisipasi risiko tersebut.
Bank wajib menyediakan modal minimum sesuai profil
risiko, baik secara individual maupun secara konsolidasi.
Penyediaan modal minimum ditetapkan paling rendah sebagai
berikut:
1) 8% dari ATMR, untuk Bank dengan profil risiko peringkat 1
2) 9% ≤ 10% dari ATMR, untuk Bank dengan profil risiko
peringkat 2
3) 10% ≤ 11% dari ATMR, untuk Bank dengan profil risiko
peringkat 3
4) 11% ≥ 14% dari ATMR, untuk Bank dengan profil risiko
peringkat 4 atau peringkat 5
C. Kerangka Penelitian
Bank sebagai lembaga yang menghimpun dana dari masyarakat
dan menyalurkannya kembali kepada masyarakat dalam rangka
meningkatkan taraf hidup orang banyak perlu dinilai tingkat kesehatannya.
Penilaian pengaruh tingkat kesehatan bank menggunakan metode RGEC
terhadap kinerja keuangan perbankan syariah, rasio yang digunakan dalam
penelitian ini yaitu FDR dan NPF sebagai proksi dari Risk profile,
Frekuensi Rapat Dewan Komisaris dan Komite Audit sebagai proksi dari
GCG, NOM sebagai proksi dari Earnings, dan CAR sebagai proksi dari
55
Capital. Berdasarkan uraian tersebut dapat disusun kerangka pemikiran
sebagai berikut:
H1a
H2a
H3a
H4a
H5a
H6a
H1b
H2b
H3b
H4b
H5b
H6b
NPF (x1a)
ROA
(Ya)
FDR (x2a)
Rapat Dewan
Komisaris (x3a)
Komite Audit
(x4a)
NOM (x5a)
CAR (x6a)
NPF (x1b)
ROA
(Yb)
FDR (x2b)
Rapat Dewan
Komisaris (x3b)
Komite Audit
(x4b)
NOM (x5b)
CAR (x6b)
Gambar 2.1
Kerangka Penelitian Kinerja Keuangan Perbankan Syariah Indonesia
Gambar 2.2
Kerangka Penelitian Kinerja Keuangan Pebankan Syariah Malaysia
56
D. Hipotesis
Hipotesis merupakan jawaban sementara terhadap rumusan
masalah dalam penelitian, dimana rumusan masalah penelitian telah
dinyatakan dalam bentuk kalimat pertanyaan. Sedangkan menurut
(Sugiyono, 2016) hipotesis dapat dikatakan sebagai jawaban teoritis
terhadap rumusan masalah penelitian, belum jawaban yang empirik.
1. Pengaruh Risk Profile terhadap kinerja keuangan
Bank Indonesia mendefinisikan risiko sebagai potensi
terjadinya suatu peristiwa (events) yang dapat menimbulkan kerugian
(loss). Hal ini berarti pula bahwa risiko selalu melekat pada setiap
aktivitas usaha bank dan risiko akan dapat menjadi berbahaya apabila
tidak dimengerti, tidak terukur dan tidak dikelola atau dikendalikan.
Faktor profil risiko yang diukur dalam penelitian ini menggunakan 2
indikator, yaitu risiko kredit dengan menggunakan rasio Non
Performing Financing (NPF) dan risiko likuiditas dengan
menggunakan rasio Financing to Deposit Ratio (FDR).
Non Performing Financing mencerminkan risiko kredit,
semakin rendah NPF maka bank tersebut akan semakin mengalami
keuntungan, sehingga kinerja bank semakin baik, dan sebaliknya jika
tingkat NPF tinggi, maka bank tersebut akan mengalami kerugian
yang diakibatkan tingkat pengembalian kredit macet (Ariyani, 2010).
Oleh karena itu bank harus menanggung kerugian dalam kegiatan
operasionalnya sehingga berpengaruh terhadap penurunan laba
57
(ROA). Berdasarkan pada hasil penelitian yang dilakukan oleh
(Almunawwaroh & Maliana, 2018), (Rahmat, Arfan, & Musnadi,
2014), (Wibisono & Wahyuni, 2017), dan (Riyadi & Yulianto, 2014)
NPF berpengaruh negatif terhadap Kinerja Keuangan (ROA).
Berdasarkan uraian di atas maka dapat dirumuskan hipotesis sebagai
berikut:
H1a : Non Performing Financing (NPF) berpengaruh negatif
signifikan terhadap kinerja keuangan (ROA) perbankan
syariah di Indonesia
H1b : Non Performing Financing (NPF) berpengaruh negatif
signifikan terhadap kinerja keuangan (ROA) perbankan
syariah di Malaysia
Financing to Deposit Ratio (FDR) adalah rasio likuiditas yang
menggambarkan suatu bank mampu menyediakan dana yang akan
ditarik oleh deposan dengan mengandalkan kredit/pembiayaan sebagai
sumber likuiditas nya. Semakin rendah FDR menujukkan bahwa suatu
bank kurang mampu menjaga tingkat likuiditas nya yang dilihat dari
kurangnya efektivitas dalam menyalurkan kredit/pembiayaan (Yusuf,
2017) Sebaliknya semakin tinggi FDR dalam batas tertentu, maka
semakin meningkat pula laba (ROA) suatu bank dengan asumsi pihak
bank menyalurkan dananya untuk pembiayaan yang efektif. Dengan
penyaluran dana pihak ketiga yang besar maka pendapatan bank akan
semakin meningkat, sehingga FDR berpengaruh positif terhadap
58
ROA. Hal ini sejalan dengan penelitian yang dilakukan oleh (Yusuf,
2017), (Riyadi & Yulianto, 2014), (Almunawwaroh & Maliana, 2018)
yang memperoleh hasil bahwa FDR berpengaruh positif signifikan
terhadap ROA. Berdasarkan hal tersebut maka dapat dirumuskan
hipotesis sebagai berikut:
H2a : FDR berpengaruh positif dan signifikan terhadap kinerja
keuangan (ROA) Perbankan syariah di Indonesia
H2b : FDR berpengaruh positif dan signifikan terhadap kinerja
keuangan (ROA) Perbankan syariah di Malaysia
2. Pengaruh Good Corporate Governance terhadap kinerja keuangan
(ROA)
Good Corporate Governance menurut world bank, merupakan
kumpulan hukum, peraturan, dan kaidah-kaidah yang wajib dipenuhi
yang dapat mendorong kinerja sumber-sumber perusahaan bekerja
secara efisien, menghasilkan nilai ekonomi jangka panjang yang
berkesinambungan, bagi para pemegang saham maupun masyarakat
sekitar secara keseluruhan (Muhammad, 2013). Penilaian Good
Corporate Governance adalah penilaian terhadap kualitas manajemen
bank atas pelaksanaan prinsip-prinsip GCG. Perusahaan perlu untuk
memiliki tanggung jawab yang besar dalam menjaga stabilitas sistem
perbankan nya sehingga dapat memperoleh predikat penerapan GCG.
Dalam penelitian ini GCG diproyeksikan oleh Frekuensi Rapat Dewan
Komisaris Dan Ukuran Komite Audit.
59
Menurut Undang-Undang Perseroan Terbatas Nomor 40 Tahun
2007 Pasal 108 menjelaskan bahwa dewan komisaris bertugas
mengawasi kebijakan direksi dalam menjalankan perusahaannya serta
memberi nasihat kepada direksi. Dalam rangka menjalankan tugasnya,
dewan komisaris mengadakan rapat-rapat rutin untuk mengevaluasi
kebijakan-kebijakan yang diambil oleh dewan direksi .
Rapat dewan komisaris berfungsi sebagai fasilitas komunikasi
dan koordinasi antar anggota dewan komisaris dalam melaksanakan
tugasnya sebagai pengawas manajemen. Semakin banyak jumlah rapat
dewan komisaris, diharapkan pengawasan terhadap dewan direksi
semakin baik dan semakin membantu dewan direksi mengambil
keputusan tepat. Sehingga diharapkan rapat dewan komisaris dapat
meningkatkan kinerja perusahaan.
Menurut sebuah penelitian yang dilakukan oleh (Putri &
Muid, 2017) menunjukkan bahwa frekuensi rapat dewan komisaris
mempunyai pengaruh positif dan signifikan terhadap kinerja keuangan
perusahaan. Berdasarkan uraian di atas maka dapat dirumuskan
hipotesis sebagai berikut:
H3a : Frekuensi Rapat Dewan Komisaris Berpengaruh positif
signifikan terhadap kinerja keuangan (ROA) Perbankan
syariah di Indonesia
60
H3b : Frekuensi Rapat Dewan Komisaris Berpengaruh Positif
signifikan terhadap kinerja keuangan (ROA) Perbankan
syariah di Malaysia
Komite audit memiliki tugas terpisah dalam membantu
Dewan Komisaris untuk memenuhi tanggung jawabnya dalam
memberikan pengawasan secara menyeluruh. Karena tugas Komite
Audit adalah membantu dewan komisaris maka dengan semakin
banyaknya anggota dewan komite audit, pengawasan yang dilakukan
semakin baik dan diharapkan dapat memperkecil upaya manajemen
untuk memanipulasi masalah data-data yang berkaitan dengan
keuangan dan prosedur akuntansi, sehingga kinerja keuangan
perusahaan pun akan semakin meningkat. Hasil penelitian yang
dilakukan oleh (Anjani & Yadnya, 2017), (Sarafina & Saifi, 2017),
dan (Mulyadi, 2017) mendukung hal tersebut yang mengatakan bahwa
ukuran komite audit mempunyai pengaruh positif dan signifikan
terhadap kinerja keuangan perusahaan. Berdasarkan uraian di atas
maka dapat dirumuskan hipotesis sebagai berikut:
H4a : Komite Audit Berpengaruh positif signifikan terhadap
kinerja keuangan (ROA) Perbankan syariah di Indonesia
H4b : Komite Audit Berpengaruh Positif signifikan terhadap
kinerja keuangan (ROA) Perbankan syariah di Malaysia
61
3. Pengaruh Earnings terhadap kinerja keuangan
Earning adalah seluruh pendapatan yang diperoleh atas
berbagai faktor produksi, misalnya gaji, keuntungan, bunga dan
sebagainya (Ismayana & Winarno, 2003). Earning yang diproksikan
oleh Net Operating Margin (NOM) merupakan rasio yang mengukur
kemampuan aktiva produktif untuk menghasilkan pendapatan bersih.
Rasio ini menunjukkan kemampuan bank dalam menghasilkan
pendapatan dari (margin, bagi hasil) dengan melihat kinerja bank
dalam menyalurkan pembiayaan/ kredit (Yusuf, 2017). Semakin besar
NOM yang diperoleh bank, maka pendapatan bank meningkat
sehingga ROA akan ikut meningkat. Menurut teori yang ada semakin
besar NOM maka semakin besar pula pendapatan operasional suatu
bank atas asset yang dikelola oleh bank, sehingga kondisi bank yang
bermasalah semakin kecil. Berdasarkan penelitian yang dilakukan
oleh (Yusuf, 2017), dan (Wibisono & Wahyuni, 2017) yang
memperoleh hasil bahwa Net Operating Margin berpengaruh positif
terhadap kinerja keuangan (ROA). Berdasarkan uraian di atas maka
dapat dirumuskan hipotesis sebagai berikut:
H5a : Net Operating Margin berpengaruh positif signifikan
terhadap kinerja keuangan (ROA) perbankan syariah di
Indonesia
62
H5b : Net Operating Margin berpengaruh positif signifikan
terhadap kinerja keuangan (ROA) perbankan syariah di
Malaysia
4. Pengaruh Capital terhadap kinerja keuangan
Capital adalah uang atau harta benda (barang, pabrik, kantor
dan sebagainya) yang dipakai untuk menjalankan suatu usaha untuk
mencari keuntungan, menambah kekayaan dan lain-lain (Ismayana &
Winarno, 2003). Rasio yang dapat digunakan untuk mengukur Capital
adalah CAR. Capital Adequacy Ratio (CAR) merupakan risiko
kecukupan modal, yang berarti jumlah modal sendiri yang diperlukan
untuk menutup risiko kerugian yang timbul dari penanaman aktiva-
aktiva yang mengandung risiko serta membiayai seluruh benda tetap
dan inventaris bank. Menurut (Rivai, 2007), CAR sebagai salah satu
indikator kemampuan bank dalam menutup penurunan aktiva sebagai
akibat kerugian yang diderita bank. Besar kecilnya CAR ditentukan
oleh kemampuan bank dalam menghasilkan keuntungan serta
komposisi bank dalam mengalokasikan keuntungan dana sesuai
dengan tingkat risikonya. Semakin besar CAR maka keuntungan bank
juga semakin besar. Dengan kata lain, semakin kecil risiko suatu bank
maka semakin besar keuntungan yang diperoleh bank (Kuncoro,
2002). Dengan meningkatnya laba, kinerja bank menjadi meningkat.
Oleh karena itu dapat disimpulkan bahwa semakin besar CAR maka
ROA juga akan semakin besar sehingga kinerja keuangan semakin
63
meningkat. Berdasarkan penelitian yang dilakukan oleh (Yusuf, 2017)
dan (Rahmat, Arfan, & Musnadi, 2014) yang memperoleh hasil bahwa
CAR berpengaruh Positif Terhadap kinerja keuangan. Berdasarkan
uraian di atas dapat dirumuskan hipotesis sebagai berikut:
H6a : Capital Adequacy Ratio Berpengaruh positif signifikan
terhadap kinerja keuangan (ROA) perbankan syariah di
Indonesia
H6b : Capital Adequacy Ratio Berpengaruh positif signifikan
terhadap kinerja keuangan (ROA) perbankan syariah di
Malaysia
64
BAB III
METODOLOGI PENELITIAN
A. Jenis Penelitian
Jenis penelitian ini adalah penelitian kuantitatif yaitu penelitian
dengan menggunakan angka-angka sebagai observasi atau pengukuran.
Penelitian ini bertujuan mengumpulkan, mengolah, menguji, dan
menganalisis suatu data berupa angka-angka (Widoyoko, 2012). Penelitian
ini menggunakan data sekunder, yaitu data yang diperoleh berdasarkan
informasi yang telah disusun dan dipublikasikan oleh instansi tertentu.
Data-data yang digunakan dalam penelitian ini adalah data panel yang
merupakan gabungan antara data cross section dan data time series.
Variabel kinerja keuangan sebagai data cross sectionnya sedangkan NPF,
FDR, Frekuensi Rapat Dewan Komisaris, Komite Audit, NOM, dan CAR
sebagai data time seriesnya. Penelitian ini dimaksudkan untuk mengetahui
Pengaruh Tingkat Kesehatan Bank Menggunakan Metode Risk Profile,
Good Corporate Governance, Earnings, and Capital (RGEC) Terhadap
Kinerja Keuangan Perbankan Syariah di Indonesia dengan Malaysia
Periode 2015-2019.
B. Lokasi dan Waktu Penelitian
Penelitian ini akan dilakukan pada Bank Umum Syariah yang ada
di Indonesia dan Bank syariah yang ada di Malaysia yang memenuhi
kriteria untuk penelitian ini. Data yang digunakan adalah data dari annual
report atau laporan keuangan tahunan yang telah dipublikasikan di website
65
resmi bank syariah tersebut. Adapun waktu yang digunakan oleh penulis
dalam melakukan penelitian yaitu dimulai pada pertengahan bulan Juni
2020.
C. Populasi dan Sampel
1. Populasi
Menurut (Sugiyono, 2009) populasi adalah wilayah generalisasi
yang terdiri atas objek/subjek yang mempunyai kualitas dan karakteristik
tertentu yang diterapkan oleh peneliti untuk mempelajari dan kemudian
ditarik kesimpulannya. Pada penelitian ini yang menjadi populasi adalah
seluruh bank syariah yang terdaftar di bank sentral negara Indonesia dan
Malaysia pada periode 2015-2019. Berdasarkan data dari Bank Indonesia
(www.ojk.go.id) ada 14 bank syariah yang ada di Indonesia, yaitu:
1) PT Bank Aceh Syariah
2) PT Bank Jabar dan Banten
3) PT Bank Panin Dubai Syariah
4) PT Bank Syariah BNI
5) PT Bank Syariah BRI
6) PT Bank Syariah Bukopin
7) PT Bank Syariah Mandiri
8) PT Bank Syariah Mega Indonesia
9) PT Bank Syariah Muamalat Indonesia
10) PT Bank Victoria Syariah
11) PT BCA Syariah
66
12) PT BPD Nusa Tenggara Barat Syariah
13) PT BTPN Syariah
14) PT Maybank Indonesia Syariah
Sedangkan berdasarkan data dari Bank Negara Malaysia
(www.bnm.gov.my) terdapat 16 bank syariah, yaitu:
1) Affin Islamic Bank Berhad
2) Al Rajhi Banking & Investment Corporation (Malaysia) Berhad
3) Alliance Islamic Bank Berhad
4) Am Islamic Bank Berhad
5) Bank Islamic Malaysia Berhad
6) Bank Muamalat Malaysia Berhad
7) CIMB Islamic Bank Berhad
8) Hong Leong Islamic Bank Berhad
9) HSBC Amanah Malaysia Berhad
10) Kuwait Finance House (Malaysia) Berhad
11) Malaysia Building Society Berhad
12) Maybank Islamic Berhad
13) OCBC Al- Amin Bank Berhad
14) Public Islamic Bank Berhad
15) RHB Islamic Bank Berhad
16) Standard Chartered Saadiq Berhad
67
2. Sampel
Sampel adalah sebagian anggota populasi yang diambil dengan
menggunakan teknik tertentu yang disebut dengan teknik sampling
(Usman, 2009). Sampel yang digunakan dalam penelitian ini diambil
menggunakan teknik purposive sampling. Teknik purposive sampling
yaitu teknik sampling yang digunakan oleh peneliti jika peneliti
mempunyai pertimbangan-pertimbangan tertentu dalam mengambil
sampelnya (Arikunto, 2010). Penentuan sampel dari populasi didasarkan
pada beberapa kriteria atau pertimbangan-pertimbangan, sebagai berikut:
a. Bank syariah yang beroperasi di negara Indonesia dan Malaysia dan
terdaftar di OJK dan BNM .
b. Bank syariah yang diteliti hanya bank umum syariah yang berdasar
kepemilikannya dimiliki oleh pihak lokal bukan kepemilikan asing.
c. Perbankan syariah yang menerbitkan laporan keuangan tahunan pada
periode 2015-2019 secara konsisten dan telah dipublikasikan.
d. Bank syariah memiliki data-data yang dibutuhkan untuk penelitian
selama periode 2015-2019.
Tabel 3.1
Kriteria Pemilihan Sampel Penelitian
No Kriteria Sampel Indonesia Malaysia
1. Bank syariah yang beroperasi dan
terdaftar di OJK dan BNM 14 16
2. Bank syariah yang kepemilikannya
dimiliki oleh pihak lokal 13 11
3. Bank syariah yang menerbitkan laporan
keuangan tahunan periode 2015-2019 11 10
4. Bank syariah yang memiliki data yang
dibutuhkan untuk penelitian 10 10
68
Jumlah sampel yang memenuhi kriteria dalam penelitian ini adalah
10 bank syariah yang di Indonesia dan Malaysia. Bank-bank syariah yang
menjadi sampel dalam penelitian ini ditunjukkan pada tabel berikut:
Tabel 3.2
Daftar Bank Syariah yang Menjadi Sampel Penelitian
No Indonesia Malaysia
1. Bank Aceh Syariah Affin Islamic Bank Berhad
2. Bank BCA Syariah Alliance Islamic Bank Berhad
3. Bank BNI Syariah Am Islamic Bank Berhad
4. Bank BTPN Syariah Bank Islam Malaysia Berhad
5. Bank Jabar & Banten Syariah CIMB Islamic Bank Berhad
6. Bank Mega Syariah Hong Leong Islamic Bank Berhad
7. Bank Muamalat Indonesia Malaysia Building Society Berhad
8. Bank Panin Dubai Syariah Maybank Islamic Berhad
9. Bank Rakyat Indonesia Syariah Public Islamic Bank Berhad
10. Bank Syariah Mandiri RHB Islamic Bank Berhad
D. Teknik Pengumpulan Data
Teknik yang digunakan dalam penelitian ini adalah pengumpulan
data melalui observasi tidak langsung, yaitu dengan cara mengumpulkan
dokumen-dokumen laporan keuangan tahunan perbankan syariah yang ada
di Indonesia dan Malaysia tahun 2015-2019. Data yang digunakan dalam
penelitian ini adalah data sekunder. Data sekunder merupakan data yang
telah dikumpulkan oleh pihak lain bukan oleh periset sendiri untuk tujuan
yang lain (Istijanto, 2009). Dalam penelitian ini data-data diperoleh dari
web resmi bank yang ada di Indonesia dan Malaysia. Data yang diambil
berupa laporan keuangan tahunan atau annual report sesuai dengan tahun
69
yang sudah ditentukan. Dari annual report tersebut kemudian diolah untuk
membuktikan hipotesis yang ada. Selain itu sumber data lain diperoleh
dengan membaca dan mempelajari serta menganalisis literature yang
bersumber dari buku, jurnal, laporan penelitian, artikel dan perangkat lain
yang berkaitan dengan permasalahan yang diteliti. Hal ini dilakukan untuk
membantu penulis dalam memecahkan masalah yang diteliti dan hasilnya
akan dijadikan sebagai bahan perbandingan.
E. Definisi Konsep dan Operasional
Dalam sebuah penelitian dibutuhkan variabel yang menjadi topik
dari penelitian. Variabel penelitian adalah suatu konstruksi, atribut atau
sifat atau nilai seseorang, objek maupun kegiatan yang memiliki variasi
tertentu yang ditetapkan peneliti untuk kemudian dipelajari serta dicari
informasinya dan ditarik kesimpulannya (Sugiyono, 2013). Adapun
definisi operasional variabel yang digunakan dalam penelitian ini ialah:
Tabel 3.3
Definisi Konsep dan Variabel
Variabel Definisi Skala Pengukuran
Kinerja
keuangan (Y)
Kinerja keuangan merupakan
suatu usaha formal yang
dilaksanakan perusahaan untuk
mengevaluasi efisiensi dan
efektivitas dari aktivitas
perusahaan yang telah
dilaksanakan pada periode
waktu tertentu (Hanafi & Halim,
2007).
Rasio
(Dendawijaya, 2009)
Net
Performing
Financing
(NPF)
(X1)
NPF merupakan rasio yang
dipergunakan untuk mengukur
kemampuan bank dalam meng-
cover risiko kegagalan
pengembalian kredit oleh
debitur (Kusumaningtyas &
Suhartutik, 2013).
Rasio
(Kusumaningtyas & Suhartutik,
2013)
70
Financing
to Deposit
Ratio
(FDR)
(X2)
FDR merupakan seberapa
jauh kemampuan bank dalam
membayar kembali penarikan
dana yang dilakukan deposan
dengan mengendalikan kredit
yang diberikan sebagai
sumber likuiditas nya
(Dendawijaya, 2009).
Rasio
(Dendawijaya, 2009)
Frekuensi
Rapat
Dewan
Komisaris
(X3)
Frekuensi Rapat dewan
komisaris merupakan
intensitas dewan komisaris
dalam melakukan rapat untuk
mengevaluasi dan membahas
perencanaan perusahaan ke
depan berdasarkan informasi
laporan perusahaan
(Rachmanda & Fuad, 2014)
Rasio
(Putri & Muid, 2017)
Komite
Audit
(X4)
Komite audit adalah komite
yang dibentuk oleh dan
bertanggungjawab kepada
dewan komisaris dalam
membantu melaksanakan
tugas dan fungsi dewan
komisaris (POJK Nomor
55/POJK.4/2015, 2015).
Rasio
(Heriyanto & Mas'ud, 2016)
Net
Operating
Margin
(NOM)
(X5)
NOM merupakan rasio yang
menunjukkan kemampuan
bank dalam menghasilkan
pendapatan dari (margin,
bagi hasil) dengan melihat
kinerja bank dalam
menyalurkan pembiayaan/
kredit (Yusuf, 2017).
Rasio
(Yusuf, 2017)
Capital
Adequacy
Ratio (CAR)
(X6)
CAR merupakan rasio yang
digunakan untuk mengukur
kemampuan permodalan
bank dalam menutup
kerugian selama kegiatan
operasional dilakukan yang
meliputi kredit, penyertaan,
surat berharga, dan tagihan
dari bank lain, dimana dalam
pendanaannya berasal dari
modal bank itu sendiri
ataupun memperoleh dana
dari sumber yang ada di luar
bank (Wibowo, 2015).
Rasio
(Dendawijaya, 2009)
71
F. Teknik Analisis
Teknik analisis data adalah cara pengolahan data yang terkumpul
untuk kemudian dapat memberikan interpretasi hasil pengolahan data yang
digunakan untuk menjawab permasalahan yang telah dirumuskan.
Menyadari arti pentingnya kesehatan suatu bank bagi pembentukan
kepercayaan dalam dunia perbankan serta untuk melaksanakan prinsip
kehati-hatian dalam dunia perbankan, maka Bank Indonesia menerapkan
aturan tentang kesehatan bank. Diharapkan bank dalam kondisi sehat
semua, sehingga tidak akan merugikan masyarakat yang berhubungan
dengan perbankan. Penelitian ini menggunakan analisis deskriptif
kuantitatif dan analisis regresi untuk mengukur pengaruh tingkat kesehatan
bank dengan metode Risk Profile, Good Corporate Governance, Earnings,
and Capital (RGEC) terhadap kinerja keuangan perbankan syariah di
Indonesia dan di Malaysia. Tingkat kesehatan bank berpengaruh terhadap
kinerja keuangan suatu perusahaan, kinerja yang baik mencerminkan
bahwa perusahaan atau bank tersebut dalam kondisi baik sehingga dapat
memberikan tingkat kepercayaan masyarakat untuk menyimpan dana
ataupun melakukan transaksi lainnya. Penelitian ini menggunakan analisis
regresi yang diolah menggunakan data panel. Data panel dapat di
definisikan sebagai gabungan antara data cross section dengan data time
series. Model regresi data panel dalam penelitian ini adalah:
Y = α + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + e
72
Keterangan:
Y = Profitabilitas (ROA)
α = Konstanta
X1 = Net Performing Financing (NPF)
X2 = Financing to Deposit Ratio (FDR)
X3 = Frekuensi Rapat Dewan Komisaris
X4 = Komite Audit
X5 = Net Operating Margin (NOM)
X6 = Capital Adequacy Ratio (CAR)
e = Error
1. Uji Stasioneritas
Uji yang digunakan dalam penelitian ini adalah uji Levin, Lin &
Chu. Sebuah data dikatakan stasioner jika memenuhi asumsi bahwa
rata-rata variannya konstan sepanjang waktu serta kovarian antar dua
data runtut waktu tergantung pada kelambanan antara dua periode
tersebut. Pengambilan keputusan pada uji stasioner adalah jika nilai
probabilitas lebih kecil dari 0.05 maka data tersebut bersifat stasioner
(Winarno, 2015).
2. Penentuan Model Estimasi
Dalam metode estimasi model regresi dengan menggunakan
data panel dapat dilakukan melalui tiga pendekatan, antara lain
(Rosadi, 2011):
73
a. Common Effect
Estimasi Common Effect (koefisien tetap antar waktu dan
waktu individu) merupakan teknik yang paling sederhana untuk
mengatasi data panel. Hal ini karena hanya dengan mengkombinasi
data time series dan cross section tanpa melihat perbedaan antara
waktu dan individu, sehingga dapat menggunakan metode OLS
dalam mengatasi data panel.
Dalam pendekatan estimasi ini, tidak diperhatikan dimensi
individu maupun waktu. Di asumsikan bahwa perilaku antar
perusahaan sama dalam berbagai kurun waktu. Dengan
mengombinasikan data time series dan data cross section tanpa
melihat perbedaan antara waktu dan individu., maka model
persamaan regresi nya adalah:
Yit = Xitβit + eit
Dimana:
Yit : observasi dari unit ke-i dan diamati pada periode waktu
ke-t ( yakni variabel dependen yang merupakan suatu data
panel)
Xit : variabel independen dari unit ke-i dan diamati pada
periode waktu ke-t di sini di asumsikan Xit memuat
variabel konstanta
74
eit : komponen error yang di asumsikan memiliki harga mean
0 dan variansi homogen dalam waktu serta independen
dengan Xit.
b. Fixed Effect
Teknik model Fixed Effect adalah teknik mengestimasikan
data panel dengan menggunakan variabel dummy untuk
menangkap adanya intercept. Intercept antar perusahaan,
perbedaan intercept bisa terjadi karena perbedaan budaya kerja,
manajerial, dan insentif. Di samping itu, model ini juga
mengasumsikan bahwa koefisien regresi tetap antara perusahaan
dan waktu.
Pendekatan dengan variabel dummy ini dikenal dengan
sebutan least square dummy variabel (LSDV). Persamaan model
regresi Fixed Effect dapat ditulis sebagai berikut:
Yit = Xitβ + Ci + .... + εit
Dimana:
Xit : variabel independen dari unit ke-i dan diamati pada
periode waktu ke-t di sini di asumsikan Xit memuat
variabel konstanta
Ci : variabel dummy
c. Random Effect
Model ini mengestimasi data panel dimana variabel
gangguan mungkin saling berhubungan antar waktu dan antar
75
individu. Pada model Random Effect perbedaan intercept
diakomodasikan oleh error term masing-masing perusahaan.
Keuntungan menggunakan model Random Effect yakni
menghilangkan heteroskedastisitas. Model ini juga disebut dengan
teknik Generalized Least Square (GLS). Sebagai estimatornya,
berikut bentuk persamaannya adalah:
Yit = Xitβ + Vit
Dimana:
Vit : Ci + Di + εit
Ci : di asumsikan bersifat independent and identically
distributed (iid) normal dengan mean 0 dan variansi Ϭ2
c
(komponen cross section)
Di : di asumsikan bersifat iid normal dengan mean 0 dan
variansi Ϭ2
d (komponen time series error).
εit : di asumsikan bersifat iid dengan mean 0 dan variansi Ϭ2
e
3. Tahapan Analisis Data
Dari ketiga model yang telah di estimasi akan dipilih model
mana yang paling tepat atau sesuai dengan tujuan penelitian. Ada tiga
uji yang dapat dijadikan alat dalam memilih model regresi data panel
berdasarkan karakteristik data yang dimiliki yaitu:
a. F Test (Chow Test)
Uji chow digunakan untuk memilih antara metode Common
76
Effect dan metode Fixed Effect, dengan ketentuan pengambilan
keputusan sebagai berikut:
H0 : Metode common effect
H1 : Metode fixed effect
Jika nilai p-value cross section Chi Square < α = 5% atau
nilai probability (p-value) F test < α = 5% maka H0 ditolak atau
dapat dikatakan bahwa metode yang digunakan adalah metode
fixed effect. Jika nilai p-value cross section Chi Square ≥ α = 5%,
atau nilai probability (p-value) F test ≥ α = 5% maka H0 diterima,
atau dapat dikatakan bahwa metode yang digunakan adalah metode
common effect.
b. Hausman Test
Uji Hausman digunakan untuk menentukan apakah metode
Random Effect atau metode Fixed Effect yang sesuai, dengan
ketentuan pengambilan keputusan sebagai berikut:
H0 : Metode random effect
H1 : Metode fixed effect
Jika nilai p-value cross section random < α =5% maka H0
ditolak atau metode yang digunakan adalah metode fixed effect.
Sebaliknya, jika nilai p-value cross section random ≥ α = 5% maka
H0 diterima atau metode yang digunakan adalah metode random
effect.
77
c. Langrangge Multiplier (LM) Test
Uji LM digunakan untuk memilih model random effect atau
common effect. Uji biasa dinamakan uji signifikansi random effect
yang dikembangkan oleh Bruesch –Pagan ini di dasarkan pada
nilai residual dari metode common effect. Dengan hipotesis sebagai
berikut:
H0 : Metode common effect
H1 : Metode random effect
Jika nilai p-value cross section Chi Square < α = 5%, atau
nilai probability (P-value)F test < α = 5%, maka H0 ditolak atau
dapat dikatakan bahwa metode yang digunakan adalah metode
random effect. Jika nilai p-value cross section Chi Square ≥ α
=5%, atau nilai probability (p-value) F test ≥ α = 5% maka H0
diterima, atau dapat dikatakan bahwa metode yang digunakan
adalah metode common effect.
4. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas ini bertujuan untuk menguji apakah nilai
residual yang telah di standarisasi pada model regresi normal atau
tidak (Suliyanto, 2011). Uji normalitas residual metode Ordinary
Least Square secara formal dapat dideteksi dari metode yang
dikembangkan oleh Jarque-Bera (JB). Jarque Berra (JB) adalah uji
statistik untuk mengetahui apakah data terdistribusi normal. Uji ini
78
mengukur perbedaan swekness dan kurtosis data dan dibandingkan
dengan apabila datanya bersifat normal, dengan kriteria sebagai
berikut:
1) Jika nilai J-B tidak signifikan (< 2) maka data terdistribusi
normal.
2) Jika probabilitas > 5% (bila menggunakan tingkat
signifikansi tersebut) maka data terdistribusi normal
(hipotesis nol nya adalah data terdistribusi normal).
b. Uji Multikolinieritas
Uji ini bertujuan untuk mengetahui apakah dalam regresi ini
ditemukan adanya korelasi antar variabel independen. Jika terjadi
korelasi maka dinamakan terdapat problem multikolinieritas. Uji
multikolinieritas dilakukan dengan melihat nilai Tolerance dan
Variance Inflation Factor (VIF). Jika VIF tidak lebih dari 10, maka
model dinyatakan tidak terdapat gejala multikolinear. Langkah-
langkah pengujian multikolinieritas sebagai berikut:
Bila VIF < 10 (model tidak terdapat multikolinieritas)
Bila VIF > 10 (terdapat multikolinieritas)
Sedangkan menurut Rosadi (2011) cara untuk mengetahui
multikolinieritas dalam suatu model, salah satunya adalah dengan
melihat koefisien korelasi hasil output komputer. Jika terdapat
koefisien korelasi yang lebih besar dari 0.9 maka terdapat gejala
multikolinieritas. Untuk mengatasi masalah multikolinieritas, satu
79
variabel independen yang memiliki korelasi dengan variabel
independen lain harus dihapus. Dalam hal metode GLS , model ini
sudah diantisipasi dari multikolinieritas
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah
dalam model regresi terjadi ketidaksamaan variance dari residual
satu pengamatan ke pengamatan lain. Jika variance dari residual
satu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas.
Model regresi yang baik adalah yang homoskedastisitas atau tidak
terjadi heteroskedastisitas. Kebanyakan data cross section
mengandung situasi heteroskedastisitas karena data ini
menghimpun data yang mewakili berbagai ukuran (kecil, sedang,
dan besar).
Cara untuk mengetahui ada atau tidaknya gejala
heteroskedastisitas pada penelitian ini dengan melakukan pengujian
dengan uji glejser. Jika signifikansi dari nilai probabilitas < 5%
maka model tersebut mengandung heteroskedastisitas, dan apabila
signifikansi dari nilai probabilitas > 5% maka model tersebut tidak
mengandung heteroskedastisitas.
d. Uji Autokorelasi
Uji autokorelasi bertujuan untuk menguji apakah dalam
suatu model regresi linier ada korelasi antara kesalahan
80
pengganggu pada periode t-1 (sebelumnya). Jika terjadi korelasi
maka dinamakan ada problem autokorelasi. Uji autokorelasi dapat
dilihat dari nilai Durbin Watson. Apabila nilai Durbin Watson
berada pada daerah Du sampai 4-Du dapat disimpulkan bahwa
model regresi tidak mengandung autokorelasi (Winarno, 2015).
5. Uji Signifikansi
a. Uji Signifikansi Parameter Individual (Uji Statistik T)
Pengujian hipotesis yang dilakukan secara parsial bertujuan
untuk mengetahui pengaruh dan signifikansi dari masing-masing
variabel independen terhadap variabel dependen. Pengujian parsial
koefisien regresi secara parsial menggunakan uji-t pada tingkat
keyakinan 95% dan tingkat kesalahan dalam analisis (α) 5%
dengan ketentuan degree of freedom (df) = n-k, dimana n adalah
besarnya sampel, k adalah jumlah variabel. Dasar pengembalian
keputusan adalah:
Jika t-hitung < t-tabel : H0 diterima dan H1 ditolak
Jika t-hitung > t-tabel : H0 ditolak dan H1 diterima
b. Uji Signifikansi Simultan (Uji Statistik F)
Pengujian ini untuk mengetahui apakah variabel independen
yaitu FDR, NPF, NOM, CAR, FRDK, dan KA secara simultan
berpengaruh signifikan terhadap variabel dependen. Pengujian ini
dilakukan dengan uji F pada tingkat keyakinan 95% dan tingkat
kesalahan (α) 5% dengan degree of freedom (df1) = k-1, degree of
81
freedom (df2) = n-k. Dasar pengambilan keputusannya adalah
sebagai berikut:
Jika f-hitung < F-tabel : H0 diterima dan H1 ditolak
Jika f-hitung > F-tabel : H0 ditolak dan H1 diterima
c. Uji Koefisien Determinasi (R2)
Koefisien determinasi R2 pada intinya mengukur seberapa
jauh kemampuan model dalam menerangkan variasi variabel
independen. Nilai koefisien determinasi diantara 0 dan 1 (0 < R2 <
1), nilai R2 yang kecil berarti kemampuan variabel-variabel
independen dalam menjelaskan variasi variabel independen
memberikan hampir semua informasi yang dibutuhkan untuk
memprediksi variasi model dependen.
G. Alat Analisis
Alat analisis yang digunakan untuk mengolah hasil penelitian ini
adalah Regresi Linier Berganda menggunakan sistem aplikasi EVIEWS.
EVIEWS adalah program komputer yang digunakan untuk mengolah data
statistik dan data ekonometrika. Aplikasi tersebut dapat digunakan untuk
menyelesaikan masalah-masalah yang berbentuk data panel. Data panel
merupakan data yang bersifat time series dan cross section, sehingga
terdiri atas beberapa objek dan meliputi beberapa periode. Analisis ini
digunakan untuk mengetahui bagaimana pengaruh tingkat kesehatan bank
dengan menggunakan metode RGEC terhadap kinerja keuangan
perbankan syariah di Indonesia dan perbankan syariah di Malaysia.
82
BAB IV
ANALISIS DATA
A. Deskripsi Objek Penelitian
Objek dalam penelitian ini adalah laporan keuangan yang terdapat
di dalam annual report (laporan tahunan) pada bank syariah yang ada di
ASEAN yang diwakili oleh 2 negara, yaitu Indonesia dan Malaysia
sebagai pemrakarsa pembentukan ASEAN Banking Integration Framework
(ABIF). Periode pengamatan dalam penelitian ini adalah selama lima
tahun yaitu periode 2015-2019. Data laporan tahunan diperoleh dari
masing-masing bank yang menjadi sampel, yaitu perbankan syariah yang
ada di negara Indonesia dan Malaysia. Gambaran tentang bank tersebut
dapat dijelaskan sebagai berikut:
1. Perbankan Indonesia
Perkembangan bank syariah di Indonesia tidak bisa lepas dari
sejarah terbentuknya Islamic Development bank (IDB) yang didirikan oleh
Organisasi Konferensi Islam (OKI) pada tahun 1975 yang memberikan
perkembangan berkaitan dengan perbankan dan keuangan Islam. IDB juga
membantu dalam mendirikan bank-bank Islam di berbagai negara serta
membangun institusi untuk penelitian, penulisan dan pelatihan di bidang
perbankan dan keuangan (Ghozali, Azmi, & Nugroho, 2019).
Bank syariah di Indonesia sebenarnya telah mendapatkan dasar
legitimasi yang kuat dengan ketentuan deregulasi sektor perbankan
83
padatahun 1983. Hal ini karena sejak saat itu diberikan keleluasaan
penentuan tingkat suku bunga hingga nol persen (peniadaan bunga
sekaligus). Akan tetapi kesempatan ini belum bisa dimanfaatkan karena
tidak diperkenankan untuk membuka lembaga baru. Kondisi ini
berlangsung hingga pemerintah mengeluarkan Paket Kebijakan Oktober
(Pakto) 1988 yang memperkenankan berdirinya bank-bank baru (Umam,
2013).
Selanjutnya posisi perbankan syariah semakin kokoh setelah
disahkan UU Perbankan Nomor 7 Tahun 1992, dimana bank diberikan
kebebasan untuk menentukan jenis imbalan yang akan diambil dari
nasabahnya, baik bunga ataupun keuntungan bagi hasil. Dengan terbitnya
peraturan tersebut tentang bank bagi hasil yang secara tegas memberikan
batasan bahwa bank bagi hasil tidak boleh melakukan kegiatan usaha yang
tidak berdasarkan prinsip bagi hasil (bunga), sebaliknya bank yang
kegiatan usahanya tidak berdasarkan prinsip bagi hasil tidak
diperkenankan melakukan kegiatan usaha berdasarkan prinsip bagi hasil,
maka jalan perkembangan perbankan syariah semakin luas. Dengan
demikian kegiatan operasional perbankan di Indonesia didasarkan pada
dua sistem yaitu: sistem bunga dan sistem syariah, sedangkan bank umum
konvensional dapat menganut dual banking system (Ghozali, Azmi, &
Nugroho, 2019).
Struktur pengawasan terhadap bank-bank di Indonesia dilakukan
oleh Bank Indonesia (BI) yang merupakan bank sentral di Indonesia.
84
Dalam kapasitasnya sebagai bank sentral, BI mempunyai satu tujuan
tunggal, yaitu mencapai dan memelihara kestabilan nilai rupiah yang
tercermin pada perkembangan laju inflasi. Kestabilan nilai rupiah ini
mengandung dua aspek, yaitu kestabilan nilai mata uang terhadap barang
dan jasa, serta kestabilan terhadap mata uang negara lain yang tercermin
pada perkembangan nilai tukar rupiah terhadap mata uang negara lain
(www.bi.go.id).
2. Perbankan Malaysia
Bank Negara Malaysia (Bank Sentral Malaysia), adalah badan
hukum yang mulai beroperasi pada tanggal 26 Januari 1959. Bank Negara
Malaysia diatur oleh Bank Sentral Malaysia Act 2009. Peran Bank Negara
Malaysia untuk mempromosikan stabilitas moneter dan keuangan. Ini
ditujukan untuk memberikan lingkungan yang kondusif bagi pertumbuhan
berkelanjutan ekonomi Malaysia. Kebijakan moneter Bank Negara
Malaysia adalah untuk menjaga stabilitas harga, namun tetap mendukung
pertumbuhan ekonomi. Bank Negara Malaysia juga bertanggungjawab
untuk stabilitas sistem keuangan (www.bnm.gov.my).
Era perbankan syariah di Malaysia bisa ditelusuri kembali ke tahun
1963 yang mana pada saat itu pemerintah membentuk lembaga Tabungan
Haji. Lembaga ini dibentuk untuk menjadi sarana investasi tabungan
masyarakat Malaysia dengan instrument bebas bunga terkhusus untuk
mereka yang ingin menunaikan ibadah haji. Lalu selanjutnya dikenal
konsep perbankan Islam di Malaysia pada awal tahun 80-an dengan tujuan
85
yang mulia yaitu untuk membantu umat Islam dengan memberikan sistem
yang lebih baik dibandingkan Tabungan Haji (Sjahdeini, 2014).
Selanjutnya Bank Negara Malaysia (BNM) memperkenalkan suatu
bentuk skema “Skema Perbankan tanpa Bunga” (Interest Free Banking
Scheme). Dalam kebijakan yang sering disebut sebagai “Islamic Window”
yang mana berdampak pada diizinkannya bank komersial, bank dagang
maupun perusahaan keuangan untuk menawarkan produk dan layanan
perbankan syariah. Hal ini sangat sukses karena lebih banyak masyarakat
muslim maupun non-muslim yang berpartisipasi dalam perbankan syariah.
Yang selanjutnya menghilangkan persepsi bahwa perbankan Islam hanya
untuk masyarakat beragama Islam. Diantara bank komersial menerapkan
Islamic Window adalah HSBC Bank Malaysia Berhad, OCBC Bank
Malaysia Berhad, dan Standard Chartered Bank Malaysia Berhad
(Ghozali, Azmi, & Nugroho, 2019).
B. Analisis Data
1. Statistik Deskriptif Variabel
Statistik deskriptif digunakan untuk menggambarkan suatu data
secara statistik. Statistik deskriptif dalam penelitian ini merujuk pada nilai
rata-rata (mean), simpanan baku (standar deviation), nilai minimum, dan
nilai maksimum dari seluruh variabel dalam penelitian ini yaitu kinerja
keuangan (Y), Net Performing Financing (X1), Financing to Deposit Ratio
(X2), Frekuensi Rapat Dewan Komisaris (X3), Komite Audit (X4), Net
86
Operating Margin (X5), dan Capital Adequacy Ratio (X6) selama periode
penelitian 2015-2019 sebagaimana ditunjukkan pada tabel dibawah ini.
a. Analisis Deskriptif Perbankan Syariah Indonesia
Tabel 4.1
Descriptive Statistic
Mean Maximum Minimum Std. Dev.
ROA
NPF
FDR
FRDK
KA
NOM
CAR
Observations
0.011770
0.022264
0.863338
6.860000
0.817168
0.034574
0.207376
50
0.136000
0.049700
1.047500
10.00000
1.000000
0.128700
0.446000
50
-0.107700
0.000200
0.684000
5.000000
0.555500
-0.115700
0.115100
50
0.038917
0.014670
0.088829
1.293784
0.096183
0.042115
0.076366
50
Sumber: Output EVIEWS11.0, data sekunder diolah 2020
Berdasarkan hasil perhitungan dari tabel 4.1 di atas dapat diketahui
bahwa jumlah data pada setiap variabel yaitu 50 buah yang berasal dari
sampel Bank Syariah Indonesia yaitu Bank Syariah Mandiri, BRI Syariah,
Bank Muamalat Indonesia, BNI Syariah, BCA Syariah, Bank Panin Dubai
Syariah, Bank BTPN Syariah, Bank Jabar dan Banten Syariah, Bank Aceh
Syariah, dan Bank Mega Syariah mulai tahun 2015 sampai dengan 2019.
Masing-masing variabel akan dijabarkan sesuai dengan data pada tabel 4.1
sebagai berikut:
Pada variabel kinerja keuangan yang diukur dengan Return On
Assets (ROA) nilai minimum terdapat pada Bank Panin Dubai Syariah
pada tahun 2017 yaitu sebesar -0,107700 atau dalam persentase berarti -
10,77%. Sedangkan untuk nilai maksimumnya terdapat pada Bank Aceh
Syariah pada tahun 2015 yaitu sebesar 0,136000 atau dalam persentase
87
berarti 13.60% dan untuk nilai rata-rata (mean) yaitu sebesar 0,011770
atau dalam persentase berarti 1.17% hal ini menunjukkan bahwa
perbankan syariah Indonesia yang dijadikan sampel pada penelitian ini
dalam keadaan cukup sehat sesuai dengan Surat Edaran Bank Indonesia
No.13/24/DNDP/2011. Nilai standar deviasi sebesar 0,038917 dan mean
sebesar 0,011770 artinya data bervariasi karena nilai standar deviasi lebih
besar daripada mean.
Variabel Net Performing Financing nilai minimum terdapat pada
BTPN Syariah tahun 2018 dengan nilai sebesar 0,000200 atau dalam
persentase berarti 0,02%, sedangkan untuk nilai maksimum terdapat pada
Bank Rakyat Indonesia Syariah tahun 2018 dengan nilai sebesar 0,0497
atau dalam persentase berarti 4,97% dan untuk nilai rata-rata (mean) yaitu
sebesar 0,022264 atau dalam persentase berarti 2,22% hal ini
menunjukkan bahwa perbankan syariah Indonesia yang dijadikan sampel
pada penelitian ini dalam keadaan sehat sesuai dengan Surat Edaran Bank
Indonesia No.13/24/DNDP/2011. Nilai standar deviasi sebesar 0,014670
dan mean sebesar 0,022264 artinya data kurang bervariasi karena nilai
standar deviasi lebih kecil daripada mean.
Variabel Financing to Deposit Ratio nilai minimum terdapat pada
Bank Aceh Syariah tahun 2019 dengan nilai sebesar 0,684000 atau dalam
persentase berarti 68,40%, sedangkan untuk nilai maksimum terdapat juga
pada Bank Jabar dan Banten Syariah tahun 2015 dengan nilai sebesar
1,047500 atau dalam persentase berarti 104,75%, dan untuk nilai rata-rata
88
(mean) yaitu sebesar 0,863338 atau dalam persentase berarti 86,33% hal
ini menunjukkan bahwa perbankan syariah Indonesia yang dijadikan
sampel pada penelitian ini dalam keadaan cukup sehat sesuai dengan
Surat Edaran Bank Indonesia No.13/24/DNDP/2011. Nilai standar deviasi
sebesar 0.088829 dan mean sebesar 0.863338 artinya data kurang
bervariasi karena nilai standar deviasi lebih kecil daripada mean.
Variabel Rapat Dewan Komisaris nilai minimum terdapat pada BRI
Syariah 2017, BMI 2017, BNI Syariah 2015, BCA Syariah 2016, BJBS
2015 dengan nilai sebesar 5, sedangkan untuk nilai maksimum terdapat
pada Bank Syariah Mandiri tahun 2019 dengan nilai 10, dan untuk nilai
rata-rata (mean) yaitu sebesar 6.86 hal ini menunjukkan bahwa perbankan
syariah Indonesia yang dijadikan sampel pada penelitian ini sudah
memenuhi Peraturan Otoritas Jasa Keuangan No.57/POJK.04/2017 yang
menyatakan bahwa Dewan Komisaris wajib mengadakan rapat paling
sedikit 1 (satu) kali dalam 3 (tiga) bulan. Nilai standar deviasi sebesar
1.293784 dan mean sebesar 6.86 artinya data kurang bervariasi karena
nilai standar deviasi lebih kecil daripada mean.
Variabel Komite Audit nilai minimum terdapat pada BNI Syariah
pada tahun 2019 dengan nilai sebesar 0,555500 atau dalam persentase
berarti 55,55% sedangkan untuk nilai maksimum terdapat pada BTPN
Syariah 2015 dengan nilai 1.000000 atau dalam persentase berarti
100.00%, dan untuk nilai rata-rata (mean) yaitu sebesar 0.817168 atau
dalam persentase berarti 81.71% hal ini menunjukkan bahwa perbankan
89
syariah Indonesia yang dijadikan sampel pada penelitian ini sudah
memenuhi Peraturan Otoritas Jasa Keuangan No.55/POJK.04/2015 yang
menyatakan bahwa anggota Komite Audit wajib menghadiri rapat paling
sedikit 75% dari jumlah keseluruhan rapat yang telah dilaksanakan. Nilai
standar deviasi sebesar 0.099183 dan mean sebesar 0,817168 artinya data
kurang bervariasi karena nilai standar deviasi lebih kecil daripada mean.
Variabel Net Operating Margin nilai minimum terdapat pada Bank
Panin Dubai Syariah tahun 2017 dengan nilai sebesar -0,115700 atau
dalam persentase berarti -1,15%, sedangkan untuk nilai maksimum
terdapat pada BTPN Syariah tahun 2019 dengan nilai sebesar 0,0128700
atau dalam persentase berarti 12.87%, dan untuk nilai rata-rata (mean)
yaitu sebesar 0,034574 atau dalam persentase berarti 3.45% hal ini
menunjukkan bahwa perbankan syariah Indonesia yang dijadikan sampel
pada penelitian ini dalam keadaan sehat sesuai dengan Surat Edaran Bank
Indonesia No.13/24/DNDP/2011. Nilai standar deviasi sebesar 0.042115
dan mean sebesar 0.34574 artinya data bervariasi karena nilai standar
deviasi lebih besar daripada mean.
Variabel Capital Adequacy Ratio nilai minimum terdapat pada
Bank Syariah Bukopin tahun 2016 dengan nilai sebesar 0.115100 atau
dalam persentase berarti 11.51%, sedangkan untuk nilai maksimum
terdapat pada BTPN Syariah tahun 2019 dengan nilai sebesar 0,446000
atau dalam persentase berarti 44.60%, dan untuk nilai rata-rata (mean)
yaitu sebesar 0.207376 atau dalam persentase berarti 20.73% hal ini
90
menunjukkan bahwa perbankan syariah Indonesia yang dijadikan sampel
pada penelitian ini dalam keadaan sangat sehat sesuai dengan Surat
Edaran Bank Indonesia No.13/24/DNDP/2011. Nilai standar deviasi
sebesar 0.076366 dan mean sebesar 0.207376 artinya data kurang
bervariasi karena nilai standar deviasi lebih kecil daripada mean.
b. Analisis Deskriptif Perbankan Syariah Malaysia
Tabel 4.2
Descriptive Statistic
Mean Maximum Minimum Std. Dev.
ROA
NPF
FDR
FRDK
KA
NOM
CAR
Observations
0.011940
0.011956
0.870040
9.420000
0.874370
0.021788
0.179980
50
0.029300
0.019400
0.984700
12.00000
1.000000
0.043600
0.233000
50
0.005500
0.006200
0.777100
7.000000
0.750000
0.014000
0.138500
50
0.005654
0.003770
0.050370
1.213697
0.058319
0.006870
0.019032
50
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan hasil perhitungan dari tabel 4.2 di atas dapat diketahui
bahwa jumlah data pada setiap variabel yaitu 50 buah yang berasal dari
sampel Bank Syariah Malaysia yaitu Bank Islam Malaysia Berhad, My
Bank Islamic Berhad, Hong Leong Islamic Bank Berhad, RHB Islamic
Bank Berhad, Public Bank Islamic Bank Berhad, CIMB Islamic Bank
Berhad, Affin Islamic Bank Berhad, Malaysia Building Society Berhad,
Alliance Islamic Bank Berhad, dan Am Islamic Bank Berhad mulai tahun
2015 sampai dengan 2019. Masing-masing variabel akan dijabarkan sesuai
dengan data pada tabel 4.2 sebagai berikut:
91
Pada variabel kinerja keuangan yang diukur dengan Return On
Assets (ROA) nilai minimum terdapat pada Affin Islamic Bank Berhad
pada tahun 2015 yaitu sebesar 0,005500 atau dalam persentase berarti
0,55%. Sedangkan untuk nilai maksimumnya terdapat pada CIMB Islamic
Bank Berhad pada tahun 2019 yaitu sebesar 0,029300 atau dalam
persentase berarti 2,93% dan untuk nilai rata-rata (mean) yaitu sebesar
0,011940 atau dalam persentase berarti 1,19% hal ini menunjukkan bahwa
perbankan syariah Malaysia yang dijadikan sampel pada penelitian ini
dalam keadaan cukup sehat sesuai dengan Surat Edaran Bank Indonesia
No.13/24/DNDP/2011. Nilai standar deviasi sebesar 0,005654 dan mean
sebesar 0,011940 artinya data kurang bervariasi karena nilai standar
deviasi lebih kecil daripada mean.
Variabel Net Performing Financing nilai minimum terdapat pada
CIMB Islamic Bank Berhad tahun 2016 dengan nilai sebesar 0,006200
atau dalam persentase berarti 0,62%, sedangkan untuk nilai maksimum
terdapat pada Am Islamic Bank Berhad tahun 2016 dengan nilai sebesar
0,019400 atau dalam persentase berarti 1,94% dan untuk nilai rata-rata
(mean) yaitu sebesar 0,011956 atau dalam persentase berarti 1,19% hal ini
menunjukkan bahwa perbankan syariah Malaysia yang dijadikan sampel
pada penelitian ini dalam keadaan sangat sehat sesuai dengan Surat
Edaran Bank Indonesia No.13/24/DNDP/2011. Nilai standar deviasi
sebesar 0,003770 dan mean sebesar 0,011956 artinya data kurang
bervariasi karena nilai standar deviasi lebih kecil daripada mean.
92
Variabel Financing to Deposit Ratio nilai minimum terdapat pada
Bank Islam Malaysia Berhad tahun 2017 dengan nilai sebesar 0,77710
atau dalam persentase berarti 77,71%, sedangkan untuk nilai maksimum
terdapat juga pada Affin Islamic Bank Berhad tahun 2017 dengan nilai
sebesar 0,984700 atau dalam persentase berarti 98,47%, dan untuk nilai
rata-rata (mean) yaitu sebesar 0,870040 atau dalam persentase berarti
87,00% hal ini menunjukkan bahwa perbankan syariah Malaysia yang
dijadikan sampel pada penelitian ini dalam keadaan cukup sehat sesuai
dengan Surat Edaran Bank Indonesia No.13/24/DNDP/2011. Nilai standar
deviasi sebesar 0,050370 dan mean sebesar 0,870040 artinya data kurang
bervariasi karena nilai standar deviasi lebih kecil daripada mean.
Variabel Rapat Dewan Komisaris nilai minimum terdapat pada
Hong Leong Islamic Bank Berhad dan Public Bank Islamic Bank Berhad
tahun 2015 dengan nilai sebesar 7, sedangkan untuk nilai maksimum
terdapat pada RHB Islamic Bank Berhad tahun 2015 dan CIMB Islamic
Bank Berhad pada tahun 2018 dengan nilai 12, dan untuk nilai rata-rata
(mean) yaitu sebesar 9.420000 hal ini menunjukkan bahwa perbankan
syariah Malaysia yang dijadikan sampel pada penelitian ini sudah
memenuhi Peraturan Otoritas Jasa Keuangan No.57/POJK.04/2017 yang
menyatakan bahwa Dewan Komisaris wajib mengadakan rapat paling
sedikit 1 (satu) kali dalam 3 (tiga) bulan. Nilai standar deviasi sebesar
1.213697 dan mean sebesar 9.42 artinya data kurang bervariasi karena
nilai standar deviasi lebih kecil daripada mean.
93
Variabel Komite Audit nilai minimum terdapat pada My Bank
Islamic Berhad pada tahun 2016 dengan nilai sebesar 0,75000 atau dalam
persentase berarti 75,00% sedangkan untuk nilai maksimum terdapat pada
Affin Islamic bank Berhad tahun 2016 dan 2018, Malaysia Building
Society Berhad tahun 2019 dengan nilai 1,0000 atau dalam persentase
berarti 100%, dan untuk nilai rata-rata (mean) yaitu sebesar 0,874370 atau
dalam persentase berarti 87.43% hal ini menunjukkan bahwa perbankan
syariah Malaysia yang dijadikan sampel pada penelitian ini sudah
memenuhi Peraturan Otoritas Jasa Keuangan No.55/POJK.04/2015 yang
menyatakan bahwa anggota Komite Audit wajib menghadiri rapat paling
sedikit 75% dari jumlah keseluruhan rapat yang telah dilaksanakan. Nilai
standar deviasi sebesar 0,058319 dan mean sebesar 0,874370 artinya data
kurang bervariasi karena nilai standar deviasi lebih kecil daripada mean.
Variabel Net Operating Margin nilai minimum terdapat pada RHB
Islamic Bank Berhad tahun 2016 & 2017 dengan nilai sebesar 0,014000
atau dalam persentase berarti 1,40%, sedangkan untuk nilai maksimum
terdapat pada CIMB Islamic Bank Berhad 2019 dengan nilai sebesar
0,043600 atau dalam persentase berarti 4,36%, dan untuk nilai rata-rata
(mean) yaitu sebesar 0,021788 atau dalam persentase berarti 2,17% hal ini
menunjukkan bahwa perbankan syariah Malaysia yang dijadikan sampel
pada penelitian ini dalam keadaan sehat sesuai dengan Surat Edaran Bank
Indonesia No.13/24/DNDP/2011. Nilai standar deviasi sebesar 0,006870
94
dan mean sebesar 0,021788 artinya data kurang bervariasi karena nilai
standar deviasi lebih kecil daripada mean.
Variabel Capital Adequacy Ratio nilai minimum terdapat pada
Hong Leong Islamic Bank Berhad tahun 2016 dengan nilai sebesar
0,138500 atau dalam persentase berarti 13,85%, sedangkan untuk nilai
maksimum terdapat pada CIMB Islamic Bank Berhad tahun 2017 dengan
nilai sebesar 0,233000 atau dalam persentase berarti 23,30%, dan untuk
nilai rata-rata (mean) yaitu sebesar 0,179980 atau dalam persentase berarti
17,99% hal ini menunjukkan bahwa perbankan syariah Malaysia yang
dijadikan sampel pada penelitian ini dalam keadaan sangat sehat sesuai
dengan Surat Edaran Bank Indonesia No.13/24/DNDP/2011. Nilai standar
deviasi sebesar 0,0219032 dan mean sebesar 0,179980 artinya data kurang
bervariasi karena nilai standar deviasi lebih kecil daripada mean.
2. Uji Stasioneritas
Uji Stasioneritas digunakan untuk menguji data Time Series dan
Cross Section agar data yang digunakan bersifat flat, tidak mengandung
komponen trend, dengan keragaman konstan dan tidak terjadi fluktuasi
periodik (Winarno, 2015). Uji stasioner yang digunakan yaitu Unit Root
dengan menggunakan uji Levin, Lin and Chu (LLC). Berdasarkan dari data
laporan keuangan masing-masing Bank Syariah Indonesia dengan Bank
Syariah Malaysia periode 2015-2019, dengan pengujian pada tingkat level.
Berikut adalah hasil dari uji
95
Tabel 4.3
Uji Stasioneritas Perbankan Syariah Indonesia dan Malaysia
No. Variabel Prob*(Indonesia) Prob*(Malaysia) Keterangan
1. ROA 0.0000 0.0000 Data Stasioner
2. NPF 0.0000 0.0000 Data Stasioner
3. FDR 0.0001 0.0000 Data Stasioner
4. FRDK 0.0000 0.0000 Data Stasioner
5. KA 0.0000 0.0000 Data Stasioner
6. NOM 0.0000 0.0000 Data Stasioner
7. CAR 0.0000 0.0090 Data Stasioner
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Hasil output yang dihasilkan terlihat bahwa nilai prob < 0.05 maka
semua variabel menunjukkan data yang stasioner. Artinya dari semua data
hasil uji tiap variabel tersebut layak dilakukan pengujian selanjutnya.
3. Pemilihan Model Regresi Data Panel
Regresi data panel dapat dilakukan dengan tiga model yaitu
common effect, fixed effect, dan random effect. Masing-masing model
memiliki kelebihan dan kekurangannya masing-masing. Pemilihan model
tergantung pada asumsi yang dipakai peneliti dalam hal ini peneliti
menggunakan signifikansi 5% dan pemenuhan syarat-syarat pengolahan
data statistik yang benar sehingga dapat dipertanggungjawabkan secara
statistik. Oleh karena itu langkah pertama yang harus dilakukan adalah
memilih model dari ketiga model yang tersedia. Berikut adalah hasil
regresi dari masing-masing model:
a. Uji Regresi Fixed Affect
Uji fixed effect mengasumsikan bahwa data gabungan yang ada
memiliki konstanta dan koefisien yang tetap besarnya untuk berbagai
96
periode waktu (Winarno, 2015). Berikut adalah hasil dari uji regresi fixed
effect:
Tabel 4.4
Model Fixed Effect Perbankan Syariah Indonesia
Variable Coefficient Std. Error t-Statistic Prob.
C 0.000493 0.044909 0.010988 0.9913
NPF -0.679363 0.253507 -2.679859 0.0113
FDR -0.021705 0.043482 -0.499172 0.6209
FRDK 0.001633 0.002240 0.729105 0.4709
KA -0.013870 0.028890 -0.480102 0.6342
NOM 0.617748 0.114163 5.411105 0.0000
CAR 0.115321 0.052439 2.199121 0.0348
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan hasil tabel 4.4 bentuk regresi fixed effect sebagai
berikut:
ROA = 0.000493 – 0.679363NPF – 0.021705FDR + 0.001633FRDK –
0.013870KA + 0.6717748NOM + 0.115321CAR setelah diketahui
persamaan regresi nya, langkah selanjutnya adalah melakukan uji chow
dengan likelihood ratio untuk mengetahui apakah regresi ini cocok
digunakan pada penelitian ini atau tidak. Berikut adalah hasil dari uji
chow:
97
Tabel 4.5
Uji Chow Perbankan Syariah Indonesia
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 4.787963 (9,34) 0.0004
Cross-section Chi-square 40.931733 9 0.0000
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan hasil tabel 4.5 nilai cross-section F sebesar 4.787963
dengan probability 0.0004 < 0.05 sehingga dapat disimpulkan model yang
tepat yaitu fixed effect.
b. Uji Regresi Dengan Random Effect
Uji random menggunakan residual yang diduga memiliki hubungan
antar waktu dan objek (Winarno, 2015). Berikut adalah hasil dari uji
regresi random effect:
Tabel 4.6
Random Effect Model Perbankan Syariah Indonesia
Variable Coefficient Std. Error t-Statistic Prob.
C -0.002253 0.043232 -0.052113 0.9587
NPF -0.739459 0.234194 -3.157463 0.0029
FDR -0.015552 0.039256 -0.396177 0.6939
FRDK 0.001337 0.002168 0.616503 0.5408
KA -0.012780 0.027359 -0.467117 0.6428
NOM 0.598694 0.097822 6.120214 0.0000
CAR 0.118088 0.048496 2.435000 0.0191
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
98
Berdasarkan hasil tabel 4.6 bentuk regresi random effect sebagai
berikut:
ROA = -0.002253 – 0.739459NPF – 0.015552FDR + 0.001337FRDK –
0.012780KA + 0.6598694NOM + 0.118088CAR setelah diketahui
persamaan regresi nya, selanjutnya dilakukan uji Hausman untuk
mengetahui apakah uji regresi ini cocok digunakan pada penelitian ini atau
tidak. Berikut adalah hasil dari regresi uji Hausman:
Tabel 4.7
Uji Hausman Perbankan Syariah Indonesia
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 0.747018 6 0.9934
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan hasil tabel 4.7 nilai cross-section random sebesar
0.747018 dengan probability 0.9934 > 0.05, sehingga model yang tepat
yaitu random effect. Karena dari hasil uji regresi kedua model di atas tidak
diperoleh hasil yang sama maka perlu dilakukannya uji regresi Langrange
Multiplier.
c. Model Common Effect
Uji common effect mengasumsikan bahwa data gabungan yang ada
menunjukkan kondisi yang sesungguhnya dan hasil analisis regresi
dianggap berlaku pada semua objek pada semua waktu (Winarno, 2015).
Berikut adalah hasil dari regresi common effect:
99
Tabel 4.8
Common Effect Model Perbankan Syariah Indonesia
Variable Coefficient Std. Error t-Statistic Prob.
C -0.003488 0.042907 -0.081292 0.9356
NPF -0.962385 0.218221 -4.410149 0.0001
FDR -0.000186 0.032732 -0.005697 0.9955
FRDK -8.19E-05 0.002273 -0.036046 0.9714
KA -0.002268 0.028818 -0.078712 0.9376
NOM 0.576841 0.074224 7.771619 0.0000
CAR 0.093152 0.046383 2.008324 0.0509
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan hasil tabel 4.8 bentuk regresi common effect yaitu:
ROA = - 0.003488 – 0.962385NPF – 0.000186FDR – 08.19E-05FRDK –
0.002268KA + 0.576841NOM + 0.0973152CAR setelah diketahui
persamaan regresi nya, maka dilakukan uji Langrange Multiplier untuk
mengetahui apakah uji regresi ini cocok digunakan pada penelitian ini atau
tidak. Berikut adalah hasil dari uji Langrange Multiplier:
Tabel 4.9
Uji Langrange Multiplier Perbankan Syariah Indonesia
Test Hypothesis
Cross-section Time Both
Breusch-Pagan 17.02954 1.144852 18.17439
(0.0000) (0.2846) (0.0000)
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan data pada tabel 4.9 nilai Breusch-Pagan 0.0000 < 0.05
sehingga model yang tepat adalah Random effect. Untuk mengetahui dan
menguji hubungan antar variabel bebas (NPF, FDR, RDK, KA, NOM, dan
CAR) terhadap variabel terikat ROA. Penelitian ini (perbankan syariah
100
Indonesia) menggunakan regresi Random Effect Model. Begitupun untuk
perbankan syariah Malaysia juga menggunakan Random Effect Model
Berikut adalah hasil regresi nya:
d. Model Fixed Effect
Uji fixed effect mengasumsikan bahwa data gabungan yang ada
memiliki konstanta dan koefisien yang tetap besarnya untuk berbagai
periode waktu (Winarno, 2015). Berikut adalah hasil dari uji regresi fixed
effect:
Tabel 4.10
Fixed Effect Model Perbankan Syariah Malaysia
Variable Coefficient Std. Error t-Statistic Prob.
C -0.009909 0.006649 -1.490286 0.1454
NPF -0.230803 0.086454 -2.669674 0.0116
FDR -0.002173 0.006027 -0.360566 0.7207
FRDK 0.000229 0.000161 1.419713 0.1648
KA 0.010666 0.003112 3.427717 0.0016
NOM 0.725414 0.071743 10.11135 0.0000
CAR -0.004362 0.016655 -0.261908 0.7950
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan hasil pada tabel 4.10 bentuk regresi fixed effect
sebagai berikut:
ROA = -0.009909 – 0.230803NPF – 0.002173FDR + 0.000229FRDK –
0.010666KA + 0.725414NOM - 0.004362CAR setelah diketahui
persamaan regresi nya, langkah selanjutnya adalah melakukan uji chow
dengan likelihood ratio untuk mengetahui apakah regresi ini cocok
digunakan pada penelitian ini atau tidak. Berikut adalah hasil dari uji
chow:
101
Tabel 4.11
Uji Chow Perbankan Syariah Malaysia
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 19.208533 (9,34) 0.0000
Cross-section Chi-square 90.288145 9 0.0000
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan hasil pada tabel 4.11 nilai cross-section F sebesar
19.208533 dengan probability 0.0000 < 0.05 sehingga dapat disimpulkan
model yang tepat yaitu fixed effect.
e. Uji Regresi Dengan Random Effect
Uji random menggunakan residual yang diduga memiliki hubungan
antar waktu dan objek (Winarno, 2015). Berikut adalah hasil dari uji
regresi random effect:
Tabel 4.12
Random Effect Model Perbankan Syariah Malaysia
Variable Coefficient Std. Error t-Statistic Prob.
C -0.010108 0.005980 -1.690456 0.0982
NPF -0.247442 0.076201 -3.247206 0.0023
FDR -0.003288 0.005462 -0.602011 0.5503
FRDK 0.000254 0.000154 1.647689 0.1067
KA 0.011297 0.003017 3.744166 0.0005
NOM 0.690874 0.055197 12.51648 0.0000
CAR 0.003021 0.014455 0.209006 0.8354
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan hasil pada tabel 4.12 bentuk regresi random effect
sebagai berikut:
102
ROA = -0.010108 – 0.247442NPF – 0.003288FDR + 0.000254FRDK -
+0.011297KA + 0.690874NOM + 0.003021CAR setelah diketahui
persamaan regresi nya, selanjutnya dilakukan uji Hausman untuk
mengetahui apakah uji regresi ini cocok digunakan pada penelitian ini atau
tidak. Berikut adalah hasil dari regresi uji Hausman:
Tabel 4.13
Uji Hausman Perbankan Syariah Malaysia
Correlted Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 12.262231 6 0.0564
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan hasil pada tabel 4.13 nilai cross-section random
sebesar 12.262231 dengan probability 0.0564 < 0.05, sehingga model yang
tepat yaitu random effect. Karena dari hasil uji regresi kedua model di atas
tidak diperoleh hasil yang sama maka perlu dilakukannya uji regresi
Langrange Multiplier.
f. Model Common Effect
Uji common effect mengasumsikan bahwa data gabungan yang ada
menunjukkan kondisi yang sesungguhnya dan hasil analisis regresi
dianggap berlaku pada semua objek pada semua waktu (Winarno, 2015).
Berikut adalah hasil dari regresi common effect:
103
Tabel 4.14
Common Effect Model Perbankan Syariah Malaysia
Variable Coefficient Std. Error t-Statistic Prob.
C -0.006549 0.007765 -0.843488 0.4036
NPF -0.330394 0.096384 -3.427885 0.0014
FDR -0.012682 0.007324 -1.731594 0.0905
FRDK 0.000260 0.000299 0.870187 0.3890
KA 0.011108 0.005480 2.026788 0.0489
NOM 0.557268 0.057550 9.683228 0.0000
CAR 0.050958 0.019911 2.559258 0.0141
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan hasil tabel 4.14 bentuk regresi common effect yaitu:
ROA = - 0.0036549 – 0.330394NPF – 0.012682FDR + 0.000260FRDK +
0.011108KA + 0.557268NOM + 0.050958CAR setelah diketahui
persamaan regresi nya, maka dilakukan uji Langrange Multiplier untuk
mengetahui apakah uji regresi ini cocok digunakan pada penelitian ini atau
tidak. Berikut adalah hasil dari uji Langrange Multiplier:
Tabel 4.15
Uji Lagrange Multiplier Perbankan Syariah Malaysia
Test Hypothesis
Cross-section Time Both
Breusch-Pagan 40.60779 0.492284 41.10008
(0.0000) (0.4829) (0.0000)
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan data pada tabel 4.15 nilai Breusch-Pagan 0.0000 <
0.05 sehingga model yang tepat adalah Random effect. Model yang
digunakan dalam penelitian ini (perbankan syariah Malaysia) adalah
Random Effect Model.
104
4. Uji Asumsi Klasik
a. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui distribusi data dalam
variabel yang digunakan. Data yang baik dan layak digunakan dalam
penelitian adalah data yang memiliki distribusi normal. Untuk mengetahui
uji normalitas data maka perlu dilakukan pengujian Jarque Berra (JB),
jika nilai probabilitas Jarque Berra > 0.05 maka data tersebut berdistribusi
normal. Namun apabila nilai probabilitas Jarque Berra < 0.05 maka data
tersebut tidak berdistribusi dengan normal. Berikut adalah hasil dari uji
normalitas data dari masing-masing negara:
1) Uji Normalitas Perbankan Syariah Indonesia
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Gambar 4.1 Uji Normalitas
Berdasarkan hasil dari gambar 4.1 dapat diketahui bahwa
nilai probability Jarque Berra sebesar 0.379033 > 0.05 dengan
demikian dapat disimpulkan bahwa data berdistribusi dengan
normal.
0
1
2
3
4
5
6
7
-0.05 -0.04 -0.03 -0.02 -0.01 0.00 0.01 0.02 0.03
Series: Standardized Residuals
Sample 2015 2019
Observations 50
Mean -7.91e-18
Median -0.002787
Maximum 0.028750
Minimum -0.046528
Std. Dev. 0.018557
Skewness -0.372827
Kurtos is 2.387359
Jarque-Bera 1.940265
Probabi l i ty 0.379033
Series: Standardized Residuals
Sample 2015 2019
Observations 50
Mean -7.91e-18
Median -0.002787
Maximum 0.028750
Minimum -0.046528
Std. Dev. 0.018557
Skewness -0.372827
Kurtos is 2.387359
Jarque-Bera 1.940265
Probabi l i ty 0.379033
105
2) Uji Normalitas Perbankan Syariah Malaysia
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Gambar 4.2 Uji Normalitas
Berdasarkan hasil dari gambar 4.2 dapat diketahui bahwa
nilai probability Jarque Berra sebesar 0.267824 > 0.05 dengan
dengan demikian dapat disimpulkan bahwa data berdistribusi
dengan normal.
b. Uji Multikolinieritas
Uji multikolinieritas dilakukan untuk menguji apakah terdapat
hubungan antar variabel bebas. Untuk mendeteksi adanya hubungan antar
variabel dalam penelitian ini dengan melihat koefisien korelasi antar
masing-masing variabel. Jika terdapat koefisien korelasi yang lebih besar
dari 0.9 maka terdapat gejala multikolinieritas. Berikut adalah hasil dari
koefisien korelasi:
0
1
2
3
4
5
6
7
8
9
10
-0.002 0.000 0.002 0.004
Series: Standardized Residuals
Sample 2015 2019
Observations 50
Mean -2.10e-18
Median -0.000275
Maximum 0.004933
Minimum -0.003415
Std. Dev. 0.002248
Skewness 0.447444
Kurtos is 2.318895
Jarque-Bera 2.634853
Probabi l i ty 0.267824
Series: Standardized Residuals
Sample 2015 2019
Observations 50
Mean -2.10e-18
Median -0.000275
Maximum 0.004933
Minimum -0.003415
Std. Dev. 0.002248
Skewness 0.447444
Kurtos is 2.318895
Jarque-Bera 2.634853
Probabi l i ty 0.267824
106
1) Uji Multikolinieritas Perbankan Syariah Indonesia
Tabel 4.16
Hasil Uji Multikolinieritas
ROA NPF FDR FRDK KA NOM CAR
ROA 1.000000 -0.569817 0.104871 0.022045 0.184452 0.753972 0.583736
NPF -0.569817 1.000000 -0.091729 0.073706 -0.072033 -0.185577 -0.500300
FDR 0.104871 -0.091729 1.000000 -0.215781 0.010078 0.039611 0.255836
FRDK 0.022045 0.073706 -0.215781 1.000000 0.020799 0.140537 -0.198001
KA 0.184452 -0.072033 0.010078 0.020799 1.000000 0.245777 0.058750
NOM 0.753972 -0.185577 0.039611 0.140537 0.245777 1.000000 0.351403
CAR 0.583736 -0.500300 0.255836 -0.198001 0.058750 0.351403 1.000000
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan pengujian terhadap nilai koefisien korelasi
pada tabel 4.16 masing-masing variabel mempunyai nilai koefisien
< 0.9 maka dapat disimpulkan bahwa model tidak mengalami
masalah multikolinieritas.
2) Uji Multikolinieritas Perbankan Syariah Malaysia
Tabel 4.17
Hasil Uji Multikolinieritas
ROA NPF FDR FRDK KA NOM CAR
ROA 1.000000 -0.473031 -0.409554 0.153937 0.266012 0.878341 0.492202
NPF -0.473031 1.000000 0.364531 0.286415 -0.163583 -0.293803 -0.057099
FDR -0.409554 0.364531 1.000000 0.203155 -0.041929 -0.357104 0.110977
FRDK 0.153937 0.286415 0.203155 1.000000 0.023853 0.173898 0.371440
KA 0.266012 -0.163583 -0.041929 0.023853 1.000000 0.126206 0.139128
NOM 0.878341 -0.293803 -0.357104 0.173898 0.126206 1.000000 0.419336
CAR 0.492202 -0.057099 0.110977 0.371440 0.139128 0.419336 1.000000
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan pengujian terhadap nilai koefisien korelasi
pada tabel 4.17 masing-masing variabel mempunyai nilai koefisien
107
< 0.9 maka dapat disimpulkan bahwa model tidak mengalami
masalah multikolinieritas.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah
dalam model regresi terjadi ketidaksamaan variance dari residual
satu pengamatan ke pengamatan lain. Berikut adalah hasil dari uji
heteroskedastisitas:
1) Uji Heteroskedastisitas Perbankan Syariah Indonesia
Tabel 4.18
Hasil Uji Heteroskedastisitas
Dependent Variable: RESABS
Method: Panel EGLS (Cross-section random effects)
Date: 07/03/20 Time: 09:44
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C -0.001674 0.021574 -0.077607 0.9385
NPF 0.113761 0.113618 1.001259 0.3223
FDR 0.020050 0.018279 1.096906 0.2788
FRDK -1.75E-05 0.001121 -0.015626 0.9876
KA -0.010636 0.013890 -0.765710 0.4480
NOM 0.024611 0.042638 0.577211 0.5668
CAR 0.026439 0.023767 1.112408 0.2721
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan hasil pada tabel 4.18 nilai signifikansi masing-
masing variabel independen lebih besar dari 0.05 maka dapat
disimpulkan bahwa dalam model regresi ROA tidak terjadi
heteroskedastisitas.
108
2) Uji Heteroskedastisitas Perbankan Syariah Malaysia
Tabel 4.19
Hasil Uji Heteroskedastisitas
Dependent Variable: RESABS
Method: Panel EGLS (Cross-section random effects)
Date: 07/04/20 Time: 12:25
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C -0.005891 0.003677 -1.601888 0.1165
NPF 0.072739 0.047000 1.547638 0.1290
FDR 0.006346 0.003325 1.908440 0.0630
FRDK -0.004159 0.002205 -2.820448 0.0572
KA 0.003444 0.001788 1.926087 0.0607
NOM -0.071626 0.035726 -2.004892 0.0513
CAR 0.012803 0.008942 1.431899 0.1594
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan hasil pada tabel 4.19 nilai signifikansi masing-
masing variabel independen lebih besar dari 0.05 maka dapat
disimpulkan bahwa dalam model regresi ROA tidak terjadi
heteroskedastisitas.
d. Uji Autokolerasi
Autokorelasi adalah hubungan antara residual satu observasi
dengan residual observasi lainnya. Autokorelasi lebuh mudah timbul pada
data yang bersifat runtut waktu, karena berdasarkan sifatnya data masa
sekarang dipengaruhi oleh data pada masa-masa sebelumnya (Winarno,
2015). Untuk mengetahui ada atau tidaknya autokorelasi, penulis
109
menggunakan uji Durbin-Watson (DW test) dengan kriteria du < dw < 4 –
du. Berikut adalah hasil dari uji Durbin-watson:
1) Uji Autokorelasi Perbankan Syariah Indonesia
Tabel 4.20
Hasil Uji Durbin Watson
Root MSE 0.012561 R-squared 0.755116
Mean dependent var 0.003294 Adjusted R-squared 0.720946
S.D. dependent var 0.025640 S.E. of regression 0.013545
Sum squared resid 0.007889 F-statistic 22.09892
Durbin-Watson stat 1.929324 Prob(F-statistic) 0.000000
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Dari hasil uji pada tabel 4.20 dapat dilihat nilai dW
sebesar 1.929324 dengan nilai tabel tingkat signifikansi 0.05.
jumlah sampel 50 (n) dan jumlah variabel independen 6, sehingga
diperoleh nilai dL = 1.2906 dan nilai dU = 1.8220 dengan nilai 4-
du = 2.178 dan 4 – dL = 2.7094. Maka dapat disimpulkan data
dalam penelitian ini tidak terdapat gejala autokorelasi. Untuk lebih
jelasnya dapat dilihat pada gambar grafik berikut ini:
Gambar 4.3 Grafik Uji Autokorelasi
Dari gambar grafik 4.3 membuktikan bahwa dalam
penelitian ini tidak ada autokorelasi, dimana nilai dU < dW < 4 -
110
dU menandakan bahwa data terletak pada daerah yang tidak ada
autokorelasi.
2) Hasil Uji Autokorelasi Perbankan Syariah Malaysia
Tabel 4.21
Hasil Uji Durbin Watson
Root MSE 0.000989 R-squared 0.836064
Mean dependent var 0.003122 Adjusted R-squared 0.813189
S.D. dependent var 0.002468 S.E. of regression 0.001067
Sum squared resid 4.89E-05 F-statistic 36.54956
Durbin-Watson stat 1.904446 Prob(F-statistic) 0.000000
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Dari hasil uji pada tabel 4.21 dapat dilihat nilai dW sebesar
1.904446 dengan nilai tabel tingkat signifikansi 0.05. Jumlah
sampel 50 (n) dan jumlah variabel independen 6, sehingga
diperoleh nilai dL = 1.2906 dan nilai dU = 1.8220 dengan nilai 4-
du = 2.178 dan 4 – dL = 2.7094. Maka dapat disimpulkan data
dalam penelitian ini tidak terdapat gejala autokorelasi. Untuk lebih
jelasnya dapat dilihat pada gambar grafik berikut ini:
Gambar 4.4 Grafik Uji Autokorelasi
111
Dari gambar grafik 4.4 membuktikan bahwa dalam
penelitian ini tidak ada autokorelasi, dimana nilai dU < dW < 4 -
dU menandakan bahwa data terletak pada daerah yang tidak ada
autokorelasi.
5. Uji Statistik
a. Uji Signifikansi Parameter Individual (Uji t)
Uji signifikansi parameter individu (uji statistik t) berarti
melakukan pengujian koefisien regresi secara individual untuk mengetahui
signifikansi peran secara parsial antara variabel independen dalam
mempengaruhi variabel dependen dengan mengasumsikan bahwa variabel
independen lain dianggap konstan dengan menggunakan derajat
kepercayaan 5% (Ghozali I. , 2012). Apabila nilai probabilitas < 0.05
maka hasilnya signifikan yang berarti terdapat pengaruh dari variabel
independen secara individual terhadap variabel dependen. Berikut adalah
hasil dari uji hipotesis secara parsial masing-masing negara:
1) Uji t Perbankan Syariah Indonesia
Tabel 4.22
Uji t Perbankan Syariah Indonesia
Variable Coefficient Std. Error t-Statistic Prob.
C -0.002253 0.043232 -0.052113 0.9587
NPF -0.739459 0.234194 -3.157463 0.0029
FDR -0.015552 0.039256 -0.396177 0.6939
FRDK 0.001337 0.002168 0.616503 0.5408
KA -0.012780 0.027359 -0.467117 0.6428
NOM 0.598694 0.097822 6.120214 0.0000
CAR 0.118088 0.048496 2.435000 0.0191
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
112
Berikut adalah hasil dari penjelasan tabel 4.22:
a) Pengaruh NPF terhadap ROA
Pada koefisien alpha 5% variabel NPF menunjukkan nilai
Coefficient = -0.739459 dan prob. 0.00209 < 0.05 maka
artinya variabel NPF berpengaruh negatif dan signifikan
terhadap ROA.
b) Pengaruh FDR terhadap ROA
Pada koefisien alpha 5% variabel FDR menunjukkan nilai
Coefficient = -0.015552 dan prob. 0.6939 > 0.05 maka
artinya variabel FDR berpengaruh negatif dan tidak
signifikan terhadap ROA.
c) Pengaruh FRDK terhadap ROA
Pada koefisien alpha 5% variabel FRDK menunjukkan nilai
Coefficient = 0.001337 dan prob 0.65408 > 0.05 maka
artinya variabel RDK berpengaruh positif dan tidak
signifikan terhadap ROA.
d) Pengaruh KA terhadap ROA
Pada koefisien alpha 5% variabel KA menunjukkan nilai
Coefficient = -0.012780 dan prob. 0.6428 > 0.05 maka
artinya variabel KA berpengaruh negatif dan tidak
signifikan terhadap ROA.
113
e) Pengaruh NOM terhadap ROA
Pada koefisien alpha 5% variabel NOM menunjukkan nilai
Coefficient = 0.598694 dan prob. 0.0000 < 0.05 maka
artinya variabel NOM berpengaruh positif dan signifikan
terhadap ROA.
f) Pengaruh CAR terhadap ROA
Pada koefisien alpha 5% variabel CAR menunjukkan nilai
Coefficient = 0.118088 dan prob. 0.0191 < 0.05 maka
artinya variabel CAR berpengaruh positif dan signifikan
terhadap ROA.
2) Uji t Perbankan Syariah Malaysia
Tabel 4.23
Uji t Perbankan Syariah Malaysia
Variable Coefficient Std. Error t-Statistic Prob.
C -0.010108 0.005980 -1.690456 0.0982
NPF -0.247442 0.076201 -3.247206 0.0023
FDR -0.003288 0.005462 -0.602011 0.5503
FRDK 0.000254 0.000154 1.647689 0.1067
KA 0.011297 0.003017 3.744166 0.0005
NOM 0.690874 0.055197 12.51648 0.0000
CAR 0.003021 0.014455 0.209006 0.8354
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berikut adalah hasil dari penjelasan tabel 4.23:
a) Pengaruh NPF terhadap ROA
Pada koefisien alpha 5% variabel NPF menunjukkan nilai
Coefficient = -0.247442 dan prob. 0.0023 < 0.05 maka
114
artinya variabel NPF berpengaruh negatif dan signifikan
terhadap ROA.
b) Pengaruh FDR terhadap ROA
Pada koefisien alpha 5% variabel FDR menunjukkan nilai
Coefficient = -0.003288 dan prob. 0.5503 > 0.05 maka
artinya variabel FDR berpengaruh negatif dan tidak
signifikan terhadap ROA.
c) Pengaruh FRDK terhadap ROA
Pada koefisien alpha 5% variabel FRDK menunjukkan nilai
Coefficient = 0.000254 dan prob 0.1067 > 0.05 maka
artinya variabel FRDK berpengaruh positif dan tidak
signifikan terhadap ROA.
d) Pengaruh KA terhadap ROA
Pada koefisien alpha 5% variabel KA menunjukkan nilai
Coefficient 0.011297 dan prob. 0.0005 < 0.05 maka artinya
variabel KA berpengaruh positif dan signifikan terhadap
ROA.
e) Pengaruh NOM terhadap ROA
Pada koefisien alpha 5% variabel NOM menunjukkan nilai
Coefficient = 0.690874 dan prob. 0.0000 < 0.05 maka
artinya variabel NOM berpengaruh positif dan signifikan
terhadap ROA.
115
f) Pengaruh CAR terhadap ROA
Pada koefisien alpha 5% variabel CAR menunjukkan nilai
Coefficient 0.003021 dan prob. 0.8354 > 0.05 maka artinya
variabel CAR berpengaruh positif dan tidak signifikan
terhadap ROA.
b. Uji F (Simultan)
Uji F dilakukan untuk mengetahui pengaruh variabel
independen terhadap variabel dependen secara simultan. Apabila
nilai Prob(F-statistic) < 0.05 dapat disimpulkan bahwa variabel
independen secara simultan mempunyai pengaruh signifikan
terhadap variabel dependen nya. Jika nilai Prob(F-statistic) > 0.05
dapat disimpulkan bahwa variabel independen secara simultan
tidak mempunyai pengaruh signifikan terhadap variabel dependen.
Berikut adalah hasil dari uji F masing-masing negara:
1) Uji F Perbankan Syariah Indonesia
Tabel 4.24
Uji F Perbankan Syariah Indonesia
Root MSE 0.012561 R-squared 0.755116
Mean dependent var 0.003294 Adjusted R-squared 0.720946
S.D. dependent var 0.025640 S.E. of regression 0.013545
Sum squared resid 0.007889 F-statistic 22.09892
Durbin-Watson stat 1.929324 Prob(F-statistic) 0.000000
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan tabel 4.24 dapat diketahui bahwa hasil dari uji
F pada penelitian ini memiliki koefisien sebesar 22.09892 dengan
nilai Prob(F-statistic) 0.000000 < 0.05 hasil ini memiliki arti bahwa
116
variabel independen secara simultan mempunyai pengaruh secara
positif da signifikan terhadap ROA.
2) Uji F Perbankan Syariah Malaysia
Tabel 4.25
Uji F Perbankan Syariah Malaysia
Root MSE 0.000989 R-squared 0.836064
Mean dependent var 0.003122 Adjusted R-squared 0.813189
S.D. dependent var 0.002468 S.E. of regression 0.001067
Sum squared resid 4.89E-05 F-statistic 36.54956
Durbin-Watson stat 1.904446 Prob(F-statistic) 0.000000
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
Berdasarkan tabel 4.25 dapat diketahui bahwa hasil dari uji
F pada penelitian ini memiliki koefisien sebesar 36.54956 dengan
nilai Prob(F-statistic) 0.000000 < 0.05 hasil ini memiliki arti bahwa
variabel independen secara simultan mempunyai pengaruh secara
positif dan signifikan terhadap ROA.
c. Koefisien Determinasi (R2)
Koefisien determinasi mencerminkan seberapa jauh
kemampuan model dalam menerangkan variasi variabel dependen
nya. Jika nilai Adjusted R2 semakin mendekati satu maka model
yang digunakan dikatakan baik karena semakin tinggi variansi
variabel dependen yang dapat dijelaskan oleh variabel independen
nya. Berikut adalah hasil dari koefisien determinasi daring masing-
masing negara:
117
1) Perbankan Syariah Indonesia
Berdasarkan tabel 4.24 besar angka Adjusted R2 adalah
0.720946. Hal ini menunjukkan bahwa persentase pengaruh
variabel independen terhadap variabel dependen adalah sebesar
72.09% atau dapat diartikan bahwa variabel independen yang
digunakan dalam model mampu menjelaskan sebesar 72.09%
terhadap variabel dependen nya. Sisanya 27.91% lainnya
dipengaruhi faktor lain di luar model regresi tersebut.
2) Perbankan Syariah Malaysia
Berdasarkan tabel 4.25 besar angka Adjusted R2 adalah
0.813189 Hal ini menunjukkan bahwa persentase pengaruh variabel
independen terhadap variabel dependen adalah sebesar 81.31% atau
dapat diartikan bahwa variabel independen yang digunakan dalam
model mampu menjelaskan sebesar 81.31% terhadap variabel
dependen nya. Sisanya 18.69% lainnya dipengaruhi faktor lain di
luar model regresi tersebut.
6. Pembahasan hasil penelitian
Analisis regresi yang telah dilakukan bertujuan untuk mengetahui
hubungan yang dapat diukur dari NPF, FDR, FRDK, KA, NOM, dan CAR
terhadap ROA. Berikut ini merupakan tabel yang merangkum hubungan
yang terdapat pada variabel independen terhadap variabel dependen.
118
Tabel 4.26
Tabel Hubungan Variabel Independen Terhadap ROA
No Hipotesis Hasil Keterangan
Perbankan Syariah Indonesia
1. NPF berpengaruh negatif
dan signifikan terhadap
profitabilitas
NPF berpengaruh negatif
dan signifikan terhadap
profitabilitas
Diterima
2. FDR berpengaruh positif
dan signifikan terhadap
profitabilitas
FDR berpengaruh negatif
dan tidak signifikan
terhadap profitabilitas
Ditolak
3. FRDK berpengaruh
positif dan signifikan
terhadap profitabilitas
FRDK berpengaruh positif
dan tidak signifikan
terhadap profitabilitas
Ditolak
4. KA berpengaruh positif
dan signifikan terhadap
profitabilitas
KA berpengaruh negatif
dan tidak signifikan
terhadap profitabilitas
Ditolak
5. NOM berpengaruh
positif dan signifikan
terhadap profitabilitas
NOM berpengaruh positif
dan signifikan terhadap
profitabilitas
Diterima
6. CAR berpengaruh positif
dan signifikan terhadap
profitabilitas
CAR berpengaruh positif
dan signifikan terhadap
profitabilitas
Diterima
Perbankan Syariah Malaysia
1. NPF berpengaruh negatif
dan signifikan terhadap
profitabilitas
NPF berpengaruh negatif
dan signifikan terhadap
profitabilitas
Diterima
2. FDR berpengaruh positif
dan signifikan terhadap
profitabilitas
FDR berpengaruh negatif
dan tidak signifikan
terhadap profitabilitas
Ditolak
3. FRDK berpengaruh
positif dan signifikan
terhadap profitabilitas
FRDK berpengaruh positif
dan tidak signifikan
terhadap profitabilitas
Ditolak
4. KA berpengaruh positif
dan signifikan terhadap
profitabilitas
KA berpengaruh positif
dan signifikan terhadap
profitabilitas
Diterima
5. NOM berpengaruh
positif dan signifikan
terhadap profitabilitas
NOM berpengaruh positif
dan signifikan terhadap
profitabilitas
Diterima
6. CAR berpengaruh positif
dan signifikan terhadap
profitabilitas
CAR berpengaruh positif
dan tidak signifikan
terhadap profitabilitas
Ditolak
Sumber: Output EVIEWS 11.0, data sekunder diolah 2020
119
Berikut adalah penjelasan uji hipotesis dari masing-masing
variabel:
a. Uji Hipotesis Perbankan Syariah Indonesia
1) Pengaruh NPF terhadap ROA
Hasil uji menunjukkan pada koefisien alpha 5% variabel
NPF menunjukkan nilai Coefficient -0.739459 dan prob. 0.0029
< 0.05 maka artinya variabel NPF berpengaruh negatif dan
signifikan terhadap ROA. Dari hasil tersebut dapat diartikan
bahwa peningkatan dan penurunan jumlah NPF dapat
menunjukkan bahwa pembiayaan yang bermasalah yang terdiri
atas pembiayaan lancar, kurang lancar, diragukan dan macet
dapat mempengaruhi perolehan nilai ROA. Semakin besar nilai
NPF memperlihatkan semakin buruk kinerja bank syariah dan
semakin kecil nilai NPF maka semakin baik kinerja dari bank
syariah. Hasil penelitian ini didukung oleh penelitian yang
dilakukan oleh Rachmat & Komariah (2017) dan
Almunawwaroh & Maliana (2018).
2) Pengaruh FDR terhadap ROA
Hasil uji menunjukkan pada koefisien alpha 5% variabel
FDR menunjukkan nilai Coefficient -0.015552 dan prob. 0.6939
> 0.05 maka artinya variabel FDR berpengaruh negatif dan tidak
signifikan terhadap ROA. Dari hasil tersebut dapat diartikan
bahwa penyaluran kredit dalam jumlah besar berpotensi
120
meningkatkan jumlah kredit macet yang dapat berdampak pada
penurunan laba, di samping itu jika kredit dapat disalurkan secara
efektif akan mendatangkan laba bagi bank. FDR yang tinggi akan
menimbulkan dua dampak yaitu bila kredit disalurkan secara
efektif maka akan mendatangkan laba, sedangkan bila ekspansi
kredit kurang terkendali dean disalurkan secara kurang hati-hati
maka akan menimbulkan risiko yang lebih besar. Kondisi ini
menyebabkan pengaruh FDR tidak signifikan terhadap
profitabilitas. Hasil penelitian ini sejalan dengan penelitian yang
dilakukan oleh Pinasti & Mustikawati (2018) dan Nunung,
Suprihatmi, & Wibowo (2018).
3) Pengaruh FRDK terhadap ROA
Hasil uji menunjukkan Pada koefisien alpha 5% variabel
FRDK menunjukkan nilai Coefficient = 0.001337 dan prob
0.5408 > 0.05 maka artinya variabel FRDK berpengaruh positif
dan tidak signifikan terhadap ROA. Dari hasil tersebut dapat
dijelaskan bahwa frekuensi rapat yang dilakukan oleh dewan
komisaris selama satu tahun belum tentu membahas tentang
kinerja perusahaan sehingga agenda rapat yang dibahas kadang
tentang pengembalian modal atas investasi yang mereka
tanamkan terhadap perusahaan tersebut yang berakibat kinerja
dari dewan direksi kurang menjadi bahasan topik yang menarik di
dalam agenda rapat. Hal ini sejalan dengan penelitian yang
121
dilakukan oleh Al-Amin & Rosyadi (2018) dan Syafiqurrahman,
Andiarsyah, & Suciningsih (2014).
4) Pengaruh KA terhadap ROA
Hasil uji menunjukkan pada koefisien alpha 5% variabel
KA menunjukkan nilai Coefficient -0.010535 dan prob. 0.7081 >
0.05 maka artinya variabel KA berpengaruh negatif dan tidak
signifikan terhadap ROA. Dari hasil tersebut dapat dijelaskan
bahwa meskipun perusahaan menerapkan Good Corporate
Governance dengan baik (salah satunya adalah pelaksanaan rapat
komite audit), hal tersebut ternyata tidak dapat meningkatkan
profitabilitas, jika ukuran kehadiran anggota komite audit dalam
rapat komite audit itu buruk, hal tersebut tidak akan menurunkan
profitabilitas. Ukuran Komite Audit (KA) yang dihitung sebagai
rata-rata tingkat kehadiran anggota komite audit dalam rapat
(yang dinyatakan dalam persentase), ini hanya merupakan ukuran
kuantitas. Ini menyebabkan pengaruhnya tidak jelas terhadap
profitabilitas. Selayaknya, melibatkan pula kualitas rapat audit itu
sendiri. Walaupun tingkat kehadiran komite audit itu rendah atau
tinggi, namun penelitian ini tidak menggali kualitas rapat, padahal
kualitas rapat komite audit itu bisa menentukan apakah rapat itu
efektif terhadap upaya pengendalian agar ROA bisa sesuai dengan
harapan pemilik atau investor. Hal ini sejalan dengan penelitian
122
yang dilakukan oleh Heriyanto & Mas’ud (2016) dan Ariandhini
(2019).
5) Pengaruh NOM terhadap ROA
Hasil uji menunjukkan pada koefisien alpha 5% variabel
NOM menunjukkan nilai Coefficient 0.6598694 dan prob. 0.0000
< 0.05 maka artinya variabel NOM berpengaruh positif dan
signifikan terhadap ROA. Dari hasil tersebut dapat dijelaskan
bahwa peningkatan pendapatan bersih dari pinjaman dalam
bentuk bagi hasil sejalan dengan peningkatan laba sebelum pajak.
Menurut teori yang ada semakin besar NOM maka semakin besar
pula pendapatan operasional suatu bank atas asset yang dikelola
oleh bank, sehingga kondisi bank yang bermasalah semakin kecil.
Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh
Yusuf (2017) dan Wibisono & Wahyuni (2017).
6) Pengaruh CAR terhadap ROA
Hasil uji regresi linier berganda pada koefisien alpha 5%
variabel CAR menunjukkan nilai Coefficient = 0.118088 dan
prob. 0.0191 < 0.05 maka artinya variabel CAR berpengaruh
positif dan signifikan terhadap ROA. Hasil penelitian tersebut
dapat dijelaskan bahwa semakin besar CAR maka keuntungan
bank juga semakin besar. Dengan kata lain, semakin kecil risiko
suatu bank maka semakin besar keuntungan yang diperoleh bank
(Kuncoro, 2002). Dengan meningkatnya laba, kinerja bank
123
menjadi meningkat. Oleh karena itu dapat disimpulkan bahwa
semakin besar CAR maka ROA juga akan semakin besar
sehingga kinerja keuangan semakin meningkat. Hasil penelitian
ini sejalan dengan penelitian yang dilakukan oleh Yusuf (2017)
dan Rahmat, Arfan, & Musnadi (2014).
b. Uji Hipotesis Perbankan Syariah Malaysia
1) Pengaruh NPF terhadap ROA
Pada koefisien alpha 5% variabel NPF menunjukkan nilai
Coefficient -0.247442 dan prob. 0.0023 < 0.05 maka artinya
variabel NPF berpengaruh negatif dan signifikan terhadap ROA.
Dari hasil tersebut dapat diartikan bahwa peningkatan dan
penurunan jumlah NPF dapat menunjukkan bahwa pembiayaan
yang bermasalah yang terdiri atas pembiayaan lancar, kurang
lancar, diragukan dan macet dapat mempengaruhi perolehan nilai
ROA. Semakin besar nilai NPF memperlihatkan semakin buruk
kinerja bank syariah dan semakin kecil nilai NPF maka semakin
baik kinerja dari bank syariah. Hasil penelitian ini didukung oleh
penelitian yang dilakukan oleh Rachmat & Komariah (2017) dan
Almunawwaroh & Maliana (2018).
2) Pengaruh FDR terhadap ROA
Pada koefisien alpha 5% variabel FDR menunjukkan nilai
Coefficient -0.003288 dan prob. 0.5503 > 0.05 maka artinya
variabel FDR berpengaruh negatif dan tidak signifikan terhadap
124
ROA. Dari hasil tersebut dapat diartikan bahwa penyaluran kredit
dalam jumlah besar berpotensi meningkatkan jumlah kredit macet
yang dapat berdampak pada penurunan laba, di samping itu jika
kredit dapat disalurkan secara efektif akan mendatangkan laba
bagi bank. FDR yang tinggi akan menimbulkan dua dampak yaitu
bila kredit disalurkan secara efektif maka akan mendatangkan
laba, sedangkan bila ekspansi kredit kurang terkendali dean
disalurkan secara kurang hati-hati maka akan menimbulkan risiko
yang lebih besar. Kondisi ini menyebabkan pengaruh FDR tidak
signifikan terhadap profitabilitas. Hasil penelitian ini sejalan
dengan penelitian yang dilakukan oleh Pinasti & Mustikawati
(2018) dan Nunung, Suprihatmi, & Wibowo (2018).
3) Pengaruh FRDK terhadap ROA
Pada koefisien alpha 5% variabel FRDK menunjukkan nilai
Coefficient 0.000254 dan prob 0.1067 > 0.05 maka artinya
variabel RDK berpengaruh positif dan tidak signifikan terhadap
ROA. Dari hasil tersebut dapat dijelaskan bahwa frekuensi rapat
yang dilakukan oleh dewan komisaris selama satu tahun belum
tentu membahas tentang kinerja perusahaan sehingga agenda
rapat yang dibahas kadang tentang pengembalian modal atas
investasi yang mereka tanamkan terhadap perusahaan tersebut
yang berakibat kinerja dari dewan direksi kurang menjadi bahasan
topik yang menarik di dalam agenda rapat. Hal ini sejalan dengan
125
penelitian yang dilakukan oleh Al-Amin & Rosyadi (2018) dan
Syafiqurrahman, Andiarsyah, & Suciningsih (2014).
4) Pengaruh KA terhadap ROA
Pada koefisien alpha 5% variabel KA menunjukkan nilai
Coefficient 0.011297 dan prob. 0.0005 < 0.05 maka artinya
variabel KA berpengaruh positif dan signifikan terhadap ROA.
Dari hasil tersebut dapat dijelaskan bahwa semakin banyak
anggota komite audit yang hadir dalam rapat perusahaan
memberikan kenaikan terhadap profitabilitas perusahaan. Hal ini
dapat disebabkan karena dengan semakin banyaknya anggota
dewan komite audit yang hadir dalam rapat, pengawasan yang
dilakukan akan semakin baik dan diharapkan dapat memperkecil
upaya manajemen untuk memanipulasi masalah data-data yang
berkaitan dengan keuangan dan prosedur akuntansi, sehingga
kinerja keuangan perusahaan pun akan semakin meningkat. Hasil
penelitian ini sejalan dengan penelitian yang dilakukan oleh
(Anjani & Yadnya, 2017), (Sarafina & Saifi, 2017), dan
(Mulyadi, 2017).
5) Pengaruh NOM terhadap ROA
Pada koefisien alpha 5% variabel NOM menunjukkan nilai
Coefficient = 0.690874 dan prob. 0.0000 < 0.05 maka artinya
variabel NOM berpengaruh positif dan signifikan terhadap ROA.
Dari hasil tersebut dapat dijelaskan bahwa peningkatan
126
pendapatan bersih dari pinjaman dalam bentuk bagi hasil sejalan
dengan peningkatan laba sebelum pajak. Menurut teori yang ada
semakin besar NOM maka semakin besar pula pendapatan
operasional suatu bank atas asset yang dikelola oleh bank,
sehingga kondisi bank yang bermasalah semakin kecil. Hasil
penelitian ini sejalan dengan penelitian yang dilakukan oleh
Yusuf (2017) dan Wibisono & Wahyuni (2017).
6) Pengaruh CAR terhadap ROA
Hasil uji menunjukkan pada koefisien alpha 5% variabel CAR
menunjukkan nilai Coefficient 0.003021 dan prob. 0.8354 > 0.05
maka artinya variabel CAR berpengaruh positif dan tidak
signifikan terhadap ROA. Dari hasil tersebut dapat dijelaskan
CAR yang tidak signifikan terhadap ROA menujukkan walaupun
modal yang dimiliki bank tinggi, tetapi kepercayaan masyarakat
masih rendah, hal ini tidak akan berdampak pada profitabilitas
bank atau juga dikarenakan bank cenderung untuk
menginvestasikan dananya dengan hati-hati dan lebih
menekankan pada survival bank sehingga CAR tidak berpengaruh
banyak terhadap profitabilitas bank (Defri, 2012). Selain itu juga
dapat disebabkan karena bank tidak mampu untuk menutupi
penurunan aktivanya sebagai akibat dari kerugian-kerugian bank
yang disebabkan oleh aktiva berisiko (kredit, penyertaan, surat
berharga, tagihan pada bank lain) sehingga profitabilitas bank
127
yang didapatkan kecil. Hasil penelitian ini sejalan dengan
penelitian yang dilakukan Harlim & Iskandar (2015) dan Munir
(2018).
c. Perbedaan Hasil Pengujian Hipotesis
Dari hasil pengujian hipotesis antara pengaruh tingkat kesehatan
bank terhadap kinerja keuangan yang diproksikan dengan ROA antara
perbankan syariah di Indonesia dan Malaysia diperoleh hasil yang
tidak sama yaitu pengaruh CAR terhadap ROA dan pengaruh Komite
Audit terhadap ROA.
Untuk bank syariah Malaysia, Capital Adequacy Ratio (CAR)
tidak mempengaruhi besarnya ROA secara positif, hal tersebut
dikarenakan besarnya CAR yaitu cenderung mengalami penurunan,
jumlahnya pembiayaan bermasalah atau Non performing financing
(NPF) mengalami kenaikan yang mengakibatkan tingkat profitabilitas
semakin berkurang. Selanjutnya untuk bank syariah Indonesia,
besarnya tingkat CAR mempunyai pengaruh positif signifikan
terhadap ROA, hal tersebut dapat disebabkan karena pembiayaan
bermasalah mengalami penurunan yang mengakibatkan tingkat
profitabilitas semakin naik. Selain itu juga dapat disebabkan oleh
menurunnya ATMR dari tahun 2015-2019 ketika jumlah ATMR lebih
kecil daripada jumlah modal yang dimiliki oleh bank, maka dapat
menaikkan besarnya CAR dan hal tersebut juga akan berdampak
128
terhadap profitabilitas bank syariah Indonesia, yaitu profitabilitas bank
syariah menjadi semakin tinggi.
Rasio lain yang menunjukkan hasil yang berbeda adalah Komite
Audit. Untuk bank syariah Malaysia Komite Audit memberikan
pengaruh positif terhadap ROA hal ini dapat disebabkan karena
dengan semakin banyaknya anggota dewan komite audit yang hadir
dalam rapat, pengawasan yang dilakukan akan semakin baik dan
diharapkan dapat memperkecil upaya manajemen untuk memanipulasi
masalah data-data yang berkaitan dengan keuangan dan prosedur
akuntansi, sehingga kinerja keuangan perusahaan pun akan semakin
meningkat. Selanjutnya untuk perbankan syariah di Indonesia Komite
Audit tidak mempunyai pengaruh terhadap ROA, ukuran Komite
Audit (KA) yang dihitung sebagai rata-rata tingkat kehadiran anggota
komite audit dalam rapat (yang dinyatakan dalam persentase), ini
hanya merupakan ukuran kuantitas. Ini menyebabkan pengaruhnya
tidak jelas terhadap profitabilitas. Selayaknya, melibatkan pula
kualitas rapat audit itu sendiri. Walaupun tingkat kehadiran komite
audit itu rendah atau tinggi, namun penelitian ini tidak menggali
kualitas rapat, padahal kualitas rapat komite audit itu bisa menentukan
apakah rapat itu efektif terhadap upaya pengendalian agar ROA bisa
sesuai dengan harapan pemilik atau investor.
Berdasarkan dari pengujian hipotesis perbankan syariah di
Indonesia lebih baik apabila dibandingkan dengan perbankan syariah
129
di Malaysia dilihat dari segi Capital Adequacy Ratio(CAR), CAR
perbankan syariah di Indonesia berpengaruh positif signifikan
terhadap ROA hal ini menandakan bahwa dengan semakin baik rasio
CAR berarti meningkatkan profitabilitas perbankan syariah tersebut.
Berbeda dengan Indonesia Capital Adequacy Ratio perbankan syariah
di Malaysia menunjukkan hasil tidak signifikan pengaruhnya terhadap
ROA hal ini berati tinggi atau rendahnya rasio CAR tidak akan
memberi pengaruh apapun terhadap ROA.
130
BAB V
PENUTUP
A. Kesimpulan
Berdasarkan hasil penelitian data tentang pengaruh tingkat
kesehatan bank menggunakan metode RGEC terhadap kinerja keuangan
antara perbankan syariah Indonesia dan Malaysia periode 2015-2019 maka
dapat ditarik kesimpulan sebagai berikut:
1. Non Performing Financing (NPF) perbankan syariah Indonesia dan
Malaysia berpengaruh negatif dan signifikan terhadap kinerja
keuangan yang diukur dengan ROA. Artinya bahwa apabila nilai NPF
turun maka akan menaikan kinerja keuangan.
2. Financing to Deposit Ratio (FDR) perbankan syariah Indonesia dan
Malaysia berpengaruh negatif dan tidak signifikan terhadap kinerja
keuangan yang diukur dengan ROA. Artinya bahwa apabila nilai FDR
turun maka tidak akan berpengaruh terhadap kinerja keuangan.
3. Frekuensi Rapat Dewan Komisaris perbankan syariah Indonesia dan
Malaysia berpengaruh positif dan tidak signifikan terhadap kinerja
keuangan yang diukur dengan ROA. Artinya bahwa apabila frekuensi
rapat dewan komisaris naik maka tidak akan menaikan kinerja
keuangan.
4. Komite Audit perbankan syariah Indonesia berpengaruh negatif dan
tidak signifikan terhadap kinerja keuangan yang diukur dengan ROA.
Artinya bahwa apabila persentase jumlah kehadiran anggota komite
131
audit menurun maka tidak mempengaruhi kinerja keuangan. Berbeda
dengan perbankan syariah Indonesia, pada perbankan syariah
Malaysia Komite Audit berpengaruh positif dan signifikan terhadap
kinerja keuangan. Artinya bahwa apabila persentase jumlah kehadiran
anggota komite audit naik maka akan menaikkan kinerja keuangan.
5. Net Operating Margin (NOM) perbankan syariah Indonesia dan
Malaysia berpengaruh positif dan signifikan terhadap kinerja
keuangan yang diukur dengan ROA. Artinya bahwa apabila nilai
NOM naik maka akan menaikan kinerja keuangan.
6. Capital Adequacy Ratio (CAR) perbankan syariah Indonesia
berpengaruh positif dan signifikan terhadap kinerja keuangan yang
diukur dengan ROA. Artinya bahwa apabila nilai CAR naik maka
akan menaikan kinerja keuangan. Berbeda dengan perbankan syariah
Indonesia, perbankan syariah Malaysia nilai CAR berpengaruh positif
dan tidak signifikan terhadap ROA. Artinya bahwa apabila nilai CAR
naik maka tidak akan menaikkan atau mempengaruhi kinerja
keuangan.
7. Hasil pengujian statistik deskriptif menunjukkan nilai rata-rata (mean)
sebagian besar indikator kinerja keuangan perbankan syariah antara
Indonesia dengan Malaysia tidak terdapat perbedaan yang signifikan,
pada rasio ROA dan FDR masuk dalam kategori cukup sehat
berdasarkan Surat Edaran Bank Indonesia No.13/24/DNDP/2011
untuk rasio NOM masuk dalam sehat, dan untuk rasio CAR masuk
132
dalam kategori sangat sehat. Sedangkan untuk rasio RDK, KA, dan
NPF terdapat perbedaan signifikan, untuk rasio FRDK dan KA
perbankan syariah Malaysia lebih tinggi mean nya dibandingkan
Indonesia yaitu 9.42 dan 87.43% sedangkan Indonesia 6.86 dan
81.71% untuk rasio NPF perbankan syariah Indonesia masuk dalam
kategori sehat sedangkan perbankan syariah Malaysia masuk dalam
kategori sangat sehat.
B. Saran
Berdasarkan hasil analisis dan pembahasan serta kesimpulan pada
penelitian ini, saran yang dapat diberikan melalui hasil penelitian ini
adalah sebagai berikut:
1. Penelitian selanjutnya diharapkan dapat menggunakan lebih banyak
sampel bank umum syariah yang terdaftar di OJK maupun BNM serta
melakukan penelitian dengan kurun waktu yang lebih lama sehingga
diharapkan hasil yang diperoleh lebih signifikan.
2. Bagi peneliti selanjutnya dapat melakukan penelitian terkait dengan
penelitian ini, akan tetapi dapat lebih mengembangkan lagi seperti
menggunakan atau menambah proksi pengukuran yang lain, dan juga
dapat menambah variabel lain.
133
DAFTAR PUSTAKA
Almunawwaroh, M., & Maliana, R. (2018). Pengaruh CAR, NPF, dan FDR
Terhadap Profitabilitas Bank Syariah di Indonesia. Jurnal Ekonomi dan
Keuangan Syariah Vol. 2 No. 1, 1-18.
Anjani, L. P., & Yadnya, I. P. (2017). Pengaruj Good Corporate Governance
Terhadap Profitabilitas Pada Perusahaan Perbankan Yang Terdaftar Di
BEI. E-Journal Manajemen Unud, Vol. 6 No. 11.
Ariandhini, J. (2019). Pengaruh Corporate Governance Terhadap Profitabilitas
Bank Umum Syariah Indonesia Periode 2011-2016. FALAH Jurnal
Ekonomi Syariah Vol. 4 No. 1.
Arikunto, S. (2010). Manajemen Penelitian. Jakarta: Rineka Cipta.
Ariyani, D. (2010). Analisis Pengaruh CAR, FDR, BOPO, dan NPF Terhadap
Profitabilitas pada Bank Muamalat Indonesia Tbk. Jurnal Al-Iqtishad
Vol.11 No.1.
Ascarya. (2008). Akad dan Produk Bank Syariah. Jakarta: PT RajaGrafindo
Persada.
Defri. (2012). Pengaruh Cpital Adequacy Ratio, Likuiditas dan Efisiensi
Operasional Terhadap Profitabilitas Perusahaan Perbankan yang Terdaftar
di BEI. Jurnal Manajemen Vol. 1 No.1.
Dendawijaya, L. (2009). Manajemen Perbankan. Jakarta: Ghalia Indonesia.
Dewi, A. S., Sari, D., & Abaharis, H. (2018). Pengaruh Karakteristik Dewan
Komisaris Terhadap Kinerja Perusahaan Manufaktur di Bursa Efek
Indonesia. Jurnal Benefita Vol. 3 No. 3, 445-454.
Fasa, M. I. (2013). Tantangan dan Strategi Perkembangan Perbankan Syariah di
Indonesia. Jurnal Ekonomi Islam Vol.2 No. 1, 19-40.
Ferdyant, F., ZR, R. A., & Takidah, E. (2014). Pengaruh Kualitas Penerapan
Good Corporate Governance dan Risiko Pembiyaan terhadap Profitabilitas
Perbankan Syariah. Jurnal Dinamika Akuntansi dan Bisnis Vol. 1 No.2,
134-149.
134
Ghozali, M., Azmi, U. M., & Nugroho, W. (2019). Perkembangan Bank Syariah
di Asia Tenggara: Sebuah Kajian Historis. FALAH Jurnal Ekonomi
Syariah Vol. 4 No. 1 Februari.
Hanafi, M., & Halim, A. (2007). Analisis Laporan Keuangan. Edisi Ketiga.
Cetakan Pertama. Yogyakarta: UPP Sekolah Tinggi Ilmu Manajemen
YKPN.
Heriyanto, S., & Mas'ud, I. (2016). Pengaruh Good Corporate Governance
Terhadap Profitabilitas Perusahaan (Studi pada Perusahaan Manufaktur
yang Terdaftar di Bursa Efek Indonesia Tahun 2012-2014). Artikel Ilmiah
Mahasiswa.
Islami, N. W. (2018). Pengaruh Corporate Governance Terhadap Profitabilitas
Perusahaan. Jurnal JIBEKA Vol. 2 No. 1, 54-56.
Ismayana, S., & Winarno, S. (2003). Kamus Besar Ekonomi. Bandung: Pustaka
Grafika.
Kasmir. (2009). Bank dan Lembaga Keuangan. Jakarta: Raja Grafindo Persada.
Kuncoro, M. S. (2002). Manajemen Perbankan Teori dan Aplikasi Edisi Pertama.
Yogyakarta: BPFE Yogyakarta.
Kusumaningtyas, R., & Suhartutik, N. (2013). Determinan Financing to Deposit
Ratio (FDR) Perbankan Syariah di Indonesia (2008-2012). Jurnal Ilmu
Manajemen 1 (4).
Mandasari, J. (2015). Analisis Kinerja Keuangan Dengan Pendekatan Metode
RGEC Pada Bnak BUMN Periode 2012-2013. Jurnal Administrasi Bisnis
Vol. 3 No.2, 3, 364.
Muhammad. (2005). Manajemen Pembiayaan Bank Syariah. Yogyakarta: Unit
Penerbit dan Percetakan Akademi Manajemen Perusahaan YKPN.
. (2005). Pengantar Akuntansi Syariah, Edisi 2. Jakarta: Salemba.
. (2013). Manajemen Keuangan Syariah. Yogyakarta.
. (2014). Manajemen Dana Bank Syariah . Jakarta: Rajawali Perss.
Mulyadi, R. (2017). Pengaruh Karakteristik Komite Audit dan Kualitas Audit
Terhadap Profitabilitas Perusahaan. Jurnal Akuntansi Vol. 4 No. 2.
135
Mustofa, M. I., & Haryanto, A. M. (2014). Analisis Prngaruh Risiko, Tingkat
Efisiensi, dn Good Corporate Governance Terhadap Kinerja Keuangan
Perbankan (Pendekatan Beberapa Komponen Metode Risk Based Rating
SEBI 13/24/DNDP/2011). Jurnal Studi Manajemen & Organisasi 11 ,
126-142.
Nadratuzzaman, M. (2013). Produk Keuangan Islam Di Indonesia dan Malaysia.
Jakarta: Gramedia.
Permana, B. A. (2012). Analisis Tingkat Kesehatan Bank Berdasarkan Metode
CAMELS dan Metode RGEC . Jurnal Universitas Negeri Surabaya Vol. 1
No.1, 1-21.
Permata Yessi, N. N., & Rahayu, S. M. (2015). Analisis Tingkat Kesehatan Bank
Menggunakan Pendekatan RGEC (Risk profile, Good Corporate
Governance, Earnings, Capital) Studi Pada PT Bank Sinar Harapan Bali
Periode 2010-2012. Jurnal Administrasi Bisnis (JAB) Vol.1 No.1.
Pinasti, W. F., & Mustikawati, R. I. (2018). Pengaruh CAR, BOPO, NPL, NIM,
dan LDR Terhadap Profitabilitas Bank Umum Periode 2011-2015. Jurnal
Nominal Vol.7 No. 1.
POJK Nomor 8/POJK.3/2014. (2014). Penilaian Tingkat Kesehatan Bank Umum
Syariah dan Unit Usaha Syariah. No. 8/POJK. 03/2014.
POJK Nomor 55/POJK.4/2015. (2015). Pembentukan dan Pedoman Pelaksanaan
Kerja Komite Audit. No. 55/POJK. 04/2015.
Puspita, A. R., & Saryadi. (2018). Uji Beda Tingkat Kesehatan Bank Antara
Perbankan Syariah Indonesia dengan Malaysia. Diponegoro e-Journal Of
Social and Political, 1-8.
Putri, R. K., & Muid, D. (2017). Pengaruh Good Corporate Governance Terhadap
Kinerja Perusahaan. Diponegoro Journal Of Accounting, 1-9.
Rachmanda, A., & Fuad. (2014). Analisis Pengaruh Mekanisme Corporate
Governance Terhadap Kebijakan Pengungkapan Informasi Sosial dan
lingkungan (Studi Empiris Perusahaan Perbankan yang Terdaftar di Bursa
Efek Indonesia Tahun 2008-2012). Diponegoro Journal Of Accounting
Vol. 6 No. 3, 1-12.
Rahmaniah, M., & Wibowo, H. (2015). Analisis Potensi Terjadinya Financial
Distress Pada Bank Umum Syariah (BUS) di Indonesia. Jurnal Ekonomi
dan Perbankan Syariah Vol. 3 No. 1.
136
Rahmat, Arfan, M., & Musnadi, S. (2014). Pengaruh Cpital Adequacy Ratio,
Biaya operasional pendapatan operasional, Non Performing Loan, Net
Interest Margin, dan Loan to Deposit Ratio Terhadap Profitabilitas Bank
(Studi Pada Bank Persero di Indonesia Periode 2002-2013). Jurnal
Akuntansi Pascasarjana Universitas Syiah Kuala.
Rama, A. (2015). Analisis Deskriptif Perkembangan Perbankan Syariah Di Asia
Tenggara. The Journal of Tauhidinomics Vol.1 No.2, 105-123.
Republika.co.id. (2018, Juni Sunday). https://m.republika.co.id/amp/page93383.
Diambil kembali dari Malaysia Teratas di Industri Syariah, Indonesia
Keenam.
Republika.co.id. (2018, Desember Monday). Industri Halal dan Syariah Malaysia
Unggul, Apa Faktornya? Dipetik Desember 2019, dari
https://www.google.com/amp/s/m.republika.co.id/amp/pjib28320.
Rimardhani, H., Hidayat, R. R., & Dwiatmanto. (2016). Pengaruh Mekanisme
Good Corporate Governance Terhadap Profitabilitas Perusahaan (Studi
pada Perusahaan BUMN yang Terdaftar di BEI Tahun 2012-2014). Jurnal
Administrasi Bisnis Vol. 31 No. 1 Februari.
Rivai. (2007). Bank and Financial Institution Management: Conventional and
Sharia System. Jakarta: PT RajaGrafindo Persada.
Rivai, V., & Arifin, A. (2010). Islamic Banking Sebuah Teori, Konsep, dan
Aplikasi. Jakarta: PT Bumi Aksara.
Riyadi, S., & Yulianto, A. (2014). Pengaruh Pembiayaan Bagi Hasil, Pembiayaan
Jual Beli, FDR, dan NPF Terhadap Profitabilitas Bank Umum Syariah di
Indonesia. Accounting Analysis Journal Vol. 3 No. 4, 466-474.
Rosadi, D. (2011). Ekonometrika & Analisis Runtun Waktu Terapan Dengan R.
Yogyakarta: Andi Publisher.
Sarafina, S., & Saifi, M. (2017). Pengaruh Good Corporate Governance Terhadap
Kinerja Keuangan Dan Nilai Perusahaan (Studi Kasus BUMN yang
Terdaftar di BEI Periode 2012-205). Jurnal Administrasi Bisnis
Universitas Brawijaya.
SEBI Nomor 12/13/DPbS Tahun 2010. (2010). Tentang Pelaksanaan Good
Corporate Governance bagi Bank Umum Syariah dan Unit Usaha
Syariah.
137
SEOJK Nomor 10/SEOJK.03/2014. (2014). Penilaian Tingkat Kesehatan Bank
Umum Syariah dan Unit Usaha Syariah.
Sjahdeini, S. R. (2014). Perbankan Syariah Produk- Produk dan Aspek-Aspek
Hukumnya. Jakarta: Prenadamedia Group.
Sugiyono. (2009). Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung:
Alvabeta.
. (2013). Metode Penelitian Bisnis. Bandung: Alfabeta.
. (2016). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung:
Alfabeta.
Suliyanto. (2011). Ekonometrika Terapan: Teori dan Aplikasi dengan SPSS.
Yogyakarta: Penerbit Andi.
Supardi. (2005). Metodologi Penelitian Ekonomi & Bisnis. Yogyakarta: UII Press.
Surat Edaran Bank Indonesia Nomor 15/15/DPNP/29 April 2013. (2013, 29
April).
https://www.bi.go.id/id/peraturan/perbankan/pages/SE_15_15DPNP.aspx.
Retrieved from www.bi.go.id.
Umam, K. (2013). Manajemen Perbankan Syariah . Bandung: Pustaka Setia.
Usman, H. (2009). Pengantar Statistika. Jakarta: Bumi Aksara.
Wandita, K. (2017). Analisis Pengaruh Rasio Profitabilitas, Debt to Equity Ratio
(DER) dan Price to Book Value (PBV) Terhadap Saham Perusahaan
Pertambangan di Indonesia . Jurnal Akuntansi dan Keuangan Vol. 8 No. 1.
ariyani, M. Y., & Wahyuni, S. (2017). Pengaruh CAR, NPF, BOPO, FDR
terhadap ROA yang dimediasi oleh NOM. Jurnal Bisnis & Manajemen
Vol. 17 No. 1, 41-62.
Wibowo, S. (2015). Analisis Perbandingan Kinerja Keuangan Perbankan Syariah
dengan Metode CAMEL di ASEAN (Studi Komparatif: Indonesia,
Malaysia, Thailand). Jurnal Riset Ekonomi dan Manajemen No.15 Vol 1,
136-153.
Widoyoko, E. P. (2012). Teknik Penyusunan Instrument Penelitian. Yogyakarta:
Pustaka Belajar.
138
Widyatama, B. D., & Wibowo, A. S. (2015). Pengaruh Mekanisme Corporate
Governance Terhadap Kinerja Keuangan. Diponegoro Journal Of
Accounting Vol. 4 No. 2, 1-11.
Winarno, W. W. (2015). Analisis Ekonometrika dan Statistika dengan Eviews.
Yogyakarta: UPP STIM YKPN.
Yusuf, M. (2017). Dampak Indikator Rasio Keuangan Terhadap Profitabilitas
Bank Umum Syariah di Indonesia. Jurnal Keuangan dan Perbankan Vol.
13 No. 2, 141-151.
www.bankaceh.co.id
www.affinislamic.com.my
www.allianceislamicbank.com.my
www.amislamic.com.my
www.bankislam.com.my
www.bankmuamalat.co.id
www.bcasyariah.co.id
www.bi.go.id
www.bjbsyariah.co.id
www.bnisyariah.co.id
www.bnm.gov.my
www.brisyariah.co.id
www.btpnsyariah.com
www.cimbislamic.com.
www.hlib.com.my
www.mandirisyariah.co.id
www.maybankislamic.com.my
www.mbsbbank.com.
www.megasyariah.co.id
139
www.ojk.go.id
www.paninsyariah.co.id
www.publicislamicbank.com.my
www.rhbislamicbank.com.my
140
LAMPIRAN
141
LAMPIRAN 1 : Data Mentah
BANK TAHUN ROA NPF FDR FRDK KA NOM CAR
Bank
Syariah
Mandiri
2015 0.0056 0.0405 0.8199 9.0000 0.9141 0.0654 0.1285
2016 0.0059 0.0313 0.7919 8.0000 0.9100 0.0675 0.1401
2017 0.0059 0.0271 0.7766 8.0000 0.7592 0.0735 0.1589
2018 0.0088 0.0156 0.7725 9.0000 0.7341 0.0656 0.1626
2019 0.0169 0.0100 0.7554 10.0000 0.6578 0.0636 0.1615
BRI Syariah
2015 0.0077 0.0389 0.8416 9.0000 0.8000 0.0666 0.1394
2016 0.0095 0.0319 0.8142 6.0000 0.8160 0.0637 0.2063
2017 0.0051 0.0475 0.7187 5.0000 0.6060 0.0584 0.2029
2018 0.0043 0.0497 0.7549 8.0000 0.8630 0.0536 0.2973
2019 0.0031 0.0338 0.8012 7.0000 0.8500 0.0572 0.2526
Bank
Muamalat
Indonesia
2015 0.0020 0.0420 0.9070 6.0000 0.7750 0.0409 0.1200
2016 0.0022 0.0140 0.9513 7.0000 0.8850 0.0321 0.1274
2017 0.0011 0.0275 0.8441 5.0000 0.8200 0.0248 0.1363
2018 0.0008 0.0258 0.7318 7.0000 0.8750 0.0222 0.1234
2019 0.0012 0.0464 0.7117 8.0000 0.8500 0.0231 0.1242
BNI Syariah
2015 0.0143 0.0146 0.9194 5.0000 0.8182 0.0067 0.1626
2016 0.0144 0.0164 0.8457 6.0000 0.6300 0.0101 0.1492
2017 0.0131 0.0150 0.8021 7.0000 0.8700 0.0071 0.2014
2018 0.0142 0.0152 0.7962 6.0000 0.9300 0.0081 0.1931
2019 0.0182 0.0144 0.7431 6.0000 0.5555 0.0100 0.1888
BCA
Syariah
2015 0.0100 0.0050 0.9140 6.0000 0.7000 0.0100 0.3430
2016 0.0113 0.0021 0.9012 5.0000 0.7970 0.0115 0.3678
2017 0.0117 0.0004 0.8849 8.0000 0.7300 0.0124 0.2939
2018 0.0117 0.0028 0.8899 6.0000 0.8900 0.0124 0.2427
2019 0.0115 0.0026 0.9098 6.0000 0.7500 0.0124 0.3828
Bank Panin
Dubai
Syariah
2015 0.0112 0.0194 0.9643 8.0000 0.8000 0.0086 0.2030
2016 0.0037 0.0186 0.9199 9.0000 0.7000 0.0050 0.1817
2017 -0.1077 0.0483 0.8695 6.0000 0.7500 -0.1157 0.1151
142
2018 0.0026 0.0384 0.8882 8.0000 0.7500 0.0050 0.2315
2019 0.0025 0.0280 0.9572 9.0000 0.7000 0.0022 0.1446
BTPN
Syariah
2015 0.0079 0.0274 0.9056 7.0000 1.0000 0.0027 0.1631
2016 0.0900 0.0020 0.9270 7.0000 0.8700 0.1020 0.2380
2017 0.1120 0.0005 0.9250 6.0000 0.9000 0.1269 0.2890
2018 0.1240 0.0002 0.9560 6.0000 0.8900 0.1190 0.4090
2019 0.1360 0.0026 0.9539 7.0000 0.8500 0.1287 0.4460
Bank Jabar
dan Banten
Syariah
2015 0.0025 0.0445 1.0475 5.0000 0.7500 0.0025 0.2253
2016 -0.0809 0.0494 0.9873 6.0000 0.8000 0.0007 0.1825
2017 -0.0569 0.0255 0.9202 6.0000 0.7800 0.0010 0.1625
2018 0.0054 0.0196 0.8985 5.0000 0.7500 0.0006 0.1643
2019 0.0060 0.0150 0.9353 7.0000 0.7000 0.0022 0.1495
Bank Aceh
syariah
2015 0.0283 0.0189 0.8405 6.0000 0.8525 0.0727 0.1944
2016 0.0052 0.0139 0.8459 9.0000 0.9500 0.0050 0.2074
2017 0.0251 0.0138 0.6944 7.0000 0.9000 0.0156 0.2150
2018 0.0004 0.0104 0.7198 6.0000 0.8700 0.0091 0.1967
2019 0.0004 0.0129 0.6840 7.0000 0.9800 0.0190 0.1890
Bank Mega
syariah
2015 0.0030 0.0316 0.9849 6.0000 0.8500 0.0934 0.1874
2016 0.0263 0.0330 0.9524 8.0000 0.8500 0.0756 0.2353
2017 0.0156 0.0295 0.9105 6.0000 0.9000 0.0603 0.2219
2018 0.0093 0.0215 0.9088 7.0000 0.9800 0.0552 0.2054
2019 0.0061 0.0178 0.9712 6.0000 0.9500 0.0525 0.2045
Mybank
Islamic
Berhad
2015 0.0097 0.0137 0.8680 11.0000 0.8500 0.0190 0.1796
2016 0.0092 0.0151 0.9050 10.0000 0.7500 0.0180 0.1943
2017 0.0098 0.0158 0.9020 11.0000 0.8570 0.0190 0.1931
2018 0.0100 0.0173 0.8580 9.0000 0.8800 0.0200 0.1826
2019 0.0098 0.0163 0.8770 10.0000 0.8660 0.0190 0.1938
Bank
Islamic
Malaysia
2015 0.0143 0.0109 0.7864 9.0000 0.8430 0.0260 0.1528
2016 0.0144 0.0098 0.8523 9.0000 0.8800 0.0274 0.1552
2017 0.0147 0.0093 0.7771 8.0000 0.9375 0.0277 0.1644
143
Berhad 2018 0.0130 0.0092 0.8141 9.0000 0.8330 0.0260 0.1777
2019 0.0125 0.0086 0.7961 8.0000 0.8000 0.0255 0.1830
Hong Leong
Islamic
Bank
Berhad
2015 0.0089 0.0070 0.8023 7.0000 0.8800 0.0174 0.1517
2016 0.0080 0.0087 0.8434 8.0000 0.8200 0.0168 0.1385
2017 0.0082 0.0087 0.8450 9.0000 0.8750 0.0171 0.1395
2018 0.0094 0.0090 0.8650 8.0000 0.8900 0.0180 0.1548
2019 0.0100 0.0095 0.8750 8.0000 0.9420 0.0196 0.1515
RHB
Islamic
Bank
Berhad
2015 0.0064 0.0117 0.8960 12.0000 0.8000 0.0146 0.1661
2016 0.0070 0.0120 0.8640 8.0000 0.8820 0.0140 0.1650
2017 0.0071 0.0090 0.8620 9.0000 0.8920 0.0140 0.1645
2018 0.0072 0.0110 0.8587 8.0000 0.9270 0.0160 0.1848
2019 0.0068 0.0120 0.8600 8.0000 0.8500 0.0157 0.1785
Public
Islamic
Bank
Berhad
2015 0.0180 0.0070 0.8680 7.0000 0.9000 0.0220 0.2040
2016 0.0180 0.0068 0.9080 10.0000 0.8900 0.0220 0.1750
2017 0.0180 0.0068 0.9000 9.0000 0.8720 0.0230 0.2060
2018 0.0170 0.0065 0.8840 8.0000 0.8500 0.0220 0.1930
2019 0.0170 0.0067 0.8890 10.0000 0.8500 0.0220 0.1860
CIMB
Islamic
Bank
Berhad
2015 0.0129 0.0150 0.8200 10.0000 0.8700 0.0278 0.2083
2016 0.0249 0.0062 0.8150 9.0000 0.9000 0.0380 0.2093
2017 0.0270 0.0074 0.8550 11.0000 0.9000 0.0408 0.2330
2018 0.0290 0.0095 0.8080 12.0000 0.9330 0.0434 0.2020
2019 0.0293 0.0094 0.8100 10.0000 0.9550 0.0436 0.1950
Affin
Islamic
Bank
Berhad
2015 0.0055 0.0190 0.9809 10.0000 0.7800 0.0192 0.1850
2016 0.0083 0.0167 0.9434 11.0000 1.0000 0.0198 0.1720
2017 0.0060 0.0125 0.9847 9.0000 0.8770 0.0184 0.1723
2018 0.0069 0.0145 0.9708 10.0000 1.0000 0.0183 0.1900
2019 0.0068 0.0100 0.9688 10.0000 0.9050 0.0172 0.2076
Malaysia
Building
Society
2015 0.0114 0.0090 0.8450 11.0000 0.9200 0.0167 0.1880
2016 0.0103 0.0130 0.8290 10.0000 0.8700 0.0160 0.1920
2017 0.0111 0.0150 0.8240 9.0000 0.9000 0.0165 0.1945
144
Berhad 2018 0.0117 0.0149 0.8640 10.0000 0.9570 0.0170 0.1840
2019 0.0126 0.0145 0.8650 11.0000 1.0000 0.0177 0.1890
Alliance
Islamic
Bank
Berhad
2015 0.0100 0.0100 0.8280 9.0000 0.8700 0.0220 0.1797
2016 0.0100 0.0130 0.8420 10.0000 0.8550 0.0210 0.1736
2017 0.0090 0.0145 0.8700 11.0000 0.7700 0.0220 0.1718
2018 0.0090 0.0140 0.9430 9.0000 0.8330 0.0240 0.1834
2019 0.0100 0.0125 0.9440 9.0000 0.8500 0.0250 0.1851
Am Islamic
Bank
Berhad
2015 0.0090 0.0179 0.8380 9.0000 0.7700 0.0243 0.1640
2016 0.0110 0.0194 0.9200 8.0000 0.8900 0.0202 0.1610
2017 0.0110 0.0186 0.8760 9.0000 0.8950 0.0198 0.1630
2018 0.0091 0.0170 0.9120 10.0000 0.7520 0.0200 0.1760
2019 0.0108 0.0159 0.8890 11.0000 0.8500 0.0189 0.1840
LAMPIRAN 2: Hasil Uji Statistik Perbankan Syariah Indonesia
1. UJI STASIONER
ROA Null Hypothesis: Unit root (common unit root process)
Series: ROA
Date: 07/03/20 Time: 08:53
Sample: 2015 2019
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 40
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -10.1515 0.0000
** Probabilities are computed assuming asympotic normalit
145
NPF
Null Hypothesis: Unit root (common unit root process)
Series: NPF
Date: 07/03/20 Time: 08:54
Sample: 2015 2019
Exogenous variables: Individual effects
Automatic selection of maximum
lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 40
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -16.5372 0.0000
** Probabilities are computed assuming asympotic normality
FDR
Null Hypothesis: Unit root (common unit root process)
Series: FDR
Date: 07/03/20 Time: 08:55
Sample: 2015 2019
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 40
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -3.81309 0.0001
** Probabilities are computed assuming asympotic normality
FRDK
Null Hypothesis: Unit root (common unit root process)
Series: FRDK
Date: 07/03/20 Time: 08:56
Sample: 2015 2019
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 40
146
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -6.72777 0.0000
** Probabilities are computed assuming asympotic normality
KA
Null Hypothesis: Unit root (common unit root process)
Series: KA
Date: 07/03/20 Time: 08:57
Sample: 2015 2019
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 40
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -11.8649 0.0000
** Probabilities are computed assuming asympotic normality
NOM
Null Hypothesis: Unit root (common unit root process)
Series: NOM
Date: 07/03/20 Time: 08:57
Sample: 2015 2019
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 40
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -14.7592 0.0000
** Probabilities are computed assuming asympotic normality
147
CAR
Null Hypothesis: Unit root (common unit root process)
Series: CAR
Date: 07/03/20 Time: 08:58
Sample: 2015 2019
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 40
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -5.18940 0.0000
** Probabilities are computed assuming asympotic normality
2. UJI STATISTIK DESKRIPTIF
Date: 07/03/20
Time: 09:23
Sample: 2015 2019
ROA NPF FDR FRDK KA NOM CAR
Mean 0.011770 0.022264 0.863338 6.860000 0.817168 0.034574 0.207376
Median 0.006900 0.019150 0.889050 7.000000 0.835000 0.020600 0.193750
Maximum 0.136000 0.049700 1.047500 10.00000 1.000000 0.128700 0.446000
Minimum -0.107700 0.000200 0.684000 5.000000 0.555500 -0.115700 0.115100
Std. Dev. 0.038917 0.014670 0.088829 1.293784 0.099183 0.042115 0.076366
Skewness 0.694970 0.284768 -0.331365 0.491059 -0.446727 -0.210485 1.388250
Kurtosis 7.582396 2.096866 2.186847 2.365170 2.854013 5.124354 4.568185
Jarque-Bera 47.77144 2.375043 2.292560 2.849096 1.707442 9.771031 21.18365
Probability 0.000000 0.304976 0.317817 0.240617 0.425828 0.007555 0.000025
Sum 0.588500 1.113200 43.16690 343.0000 40.85840 1.728700 10.36880
Sum Sq. Dev. 0.074213 0.010545 0.386635 82.02000 0.482023 0.086909 0.285754
Observations 50 50 50 50 50 50 50
148
3. UJI FIXED EFFECT MODEL
Dependent Variable: ROA
Method: Panel Least Squares
Date: 07/03/20 Time: 09:25
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Variable Coefficient Std. Error t-Statistic Prob.
C 0.000493 0.044909 0.010988 0.9913
NPF -0.679363 0.253507 -2.679859 0.0113
FDR -0.021705 0.043482 -0.499172 0.6209
FRDK 0.001633 0.002240 0.729105 0.4709
KA -0.013870 0.028890 -0.480102 0.6342
NOM 0.617748 0.114163 5.411105 0.0000
CAR 0.115321 0.052439 2.199121 0.0348
Effects Specification
Cross-section fixed (dummy variables)
Root MSE 0.011921 R-squared 0.904253
Mean dependent var 0.011770 Adjusted R-squared 0.862012
S.D. dependent var 0.038917 S.E. of regression 0.014456
Akaike info criterion -5.381013 Sum squared resid 0.007106
Schwarz criterion -4.769165 Log likelihood 150.5253
Hannan-Quinn criter. -5.148018 F-statistic 21.40692
Durbin-Watson stat 2.137512 Prob(F-statistic) 0.000000
4. UJI CHOW
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 4.787963 (9,34) 0.0004
Cross-section Chi-square 40.931733 9 0.0000
Cross-section fixed effects test equation:
Dependent Variable: ROA
Method: Panel Least Squares
Date: 07/03/20 Time: 09:28
Sample: 2015 2019
149
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Variable Coefficient Std. Error t-Statistic Prob.
C -0.003488 0.042907 -0.081292 0.9356
NPF -0.962385 0.218221 -4.410149 0.0001
FDR -0.000186 0.032732 -0.005697 0.9955
FRDK -8.19E-05 0.002273 -0.036046 0.9714
KA -0.002268 0.028818 -0.078712 0.9376
NOM 0.576841 0.074224 7.771619 0.0000
CAR 0.093152 0.046383 2.008324 0.0509
Root MSE 0.017951 R-squared 0.782904
Mean dependent var 0.011770 Adjusted R-squared 0.752611
S.D. dependent var 0.038917 S.E. of regression 0.019357
Akaike info criterion -4.922378 Sum squared resid 0.016111
Schwarz criterion -4.654695 Log likelihood 130.0595
Hannan-Quinn criter. -4.820443 F-statistic 25.84482
Durbin-Watson stat 1.000564 Prob(F-statistic) 0.000000
5. UJI RANDOM EFFECT MODEL
Dependent Variable: ROA
Method: Panel EGLS (Cross-section random effects)
Date: 07/03/20 Time: 09:30
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C -0.002253 0.043232 -0.052113 0.9587
NPF -0.739459 0.234194 -3.157463 0.0029
FDR -0.015552 0.039256 -0.396177 0.6939
FRDK 0.001337 0.002168 0.616503 0.5408
KA -0.012780 0.027359 -0.467117 0.6428
NOM 0.598694 0.097822 6.120214 0.0000
CAR 0.118088 0.048496 2.435000 0.0191
Effects Specification
S.D. Rho
Cross-section random 0.022179 0.7018
Idiosyncratic random 0.014456 0.2982
150
Weighted Statistics
Root MSE 0.012561 R-squared 0.755116
Mean dependent var 0.003294 Adjusted R-squared 0.720946
S.D. dependent var 0.025640 S.E. of regression 0.013545
Sum squared resid 0.007889 F-statistic 22.09892
Durbin-Watson stat 1.929324 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.772636 Mean dependent var 0.011770
Sum squared resid 0.016873 Durbin-Watson stat 0.902010
6. UJI HAUSMAN
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
Cross-section random 0.747018 6 0.9934
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob.
NPF -0.679363 -0.739459 0.009419 0.5358
FDR -0.021705 -0.015552 0.000350 0.7421
FRDK 0.001633 0.001337 0.000000 0.5982
KA -0.013870 -0.012780 0.000086 0.9065
NOM 0.617748 0.598694 0.003464 0.7461
CAR 0.115321 0.118088 0.000398 0.8897
Cross-section random effects test equation:
Dependent Variable: ROA
Method: Panel Least Squares
Date: 07/03/20 Time: 09:31
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Variable Coefficient Std. Error t-Statistic Prob.
C 0.000493 0.044909 0.010988 0.9913
NPF -0.679363 0.253507 -2.679859 0.0113
151
FDR -0.021705 0.043482 -0.499172 0.6209
FRDK 0.001633 0.002240 0.729105 0.4709
KA -0.013870 0.028890 -0.480102 0.6342
NOM 0.617748 0.114163 5.411105 0.0000
CAR 0.115321 0.052439 2.199121 0.0348
Effects Specification
Cross-section fixed (dummy variables)
Root MSE 0.011921 R-squared 0.904253
Mean dependent var 0.011770 Adjusted R-squared 0.862012
S.D. dependent var 0.038917 S.E. of regression 0.014456
Akaike info criterion -5.381013 Sum squared resid 0.007106
Schwarz criterion -4.769165 Log likelihood 150.5253
Hannan-Quinn criter. -5.148018 F-statistic 21.40692
Durbin-Watson stat 2.137512 Prob(F-statistic) 0.000000
7. UJI COMMON EFFECT MODEL
Dependent Variable: ROA
Method: Panel Least Squares
Date: 07/03/20 Time: 09:32
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Variable Coefficient Std. Error t-Statistic Prob.
C -0.003488 0.042907 -0.081292 0.9356
NPF -0.962385 0.218221 -4.410149 0.0001
FDR -0.000186 0.032732 -0.005697 0.9955
FRDK -8.19E-05 0.002273 -0.036046 0.9714
KA -0.002268 0.028818 -0.078712 0.9376
NOM 0.576841 0.074224 7.771619 0.0000
CAR 0.093152 0.046383 2.008324 0.0509
Root MSE 0.017951 R-squared 0.782904
Mean dependent var 0.011770 Adjusted R-squared 0.752611
S.D. dependent var 0.038917 S.E. of regression 0.019357
Akaike info criterion -4.922378 Sum squared resid 0.016111
Schwarz criterion -4.654695 Log likelihood 130.0595
Hannan-Quinn criter. -4.820443 F-statistic 25.84482
Durbin-Watson stat 1.000564 Prob(F-statistic) 0.000000
152
8. UJI LANGRANGE MULTIPLIER
Lagrange Multiplier Tests for Random Effects
Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided
(all others) alternatives
Test Hypothesis
Cross-section Time Both
Breusch-Pagan 17.02954 1.144852 18.17439
(0.0000) (0.2846) (0.0000)
Honda 4.126686 -1.069977 2.161419
(0.0000) (0.8577) (0.0153)
King-Wu 4.126686 -1.069977 1.398798
(0.0000) (0.8577) (0.0809)
Standardized Honda 6.211047 -0.863452 -0.029608
(0.0000) (0.8061) (0.5118)
Standardized King-Wu 6.211047 -0.863452 -0.823749
(0.0000) (0.8061) (0.7950)
Gourieroux, et al.* -- -- 17.02954
(0.0001)
9. UJI NOMALITAS
0
1
2
3
4
5
6
7
-0.05 -0.04 -0.03 -0.02 -0.01 0.00 0.01 0.02 0.03
Series: Standardized Residuals
Sample 2015 2019
Observations 50
Mean -7.91e-18
Median -0.002787
Maximum 0.028750
Minimum -0.046528
Std. Dev. 0.018557
Skewness -0.372827
Kurtos is 2.387359
Jarque-Bera 1.940265
Probabi l i ty 0.379033
Series: Standardized Residuals
Sample 2015 2019
Observations 50
Mean -7.91e-18
Median -0.002787
Maximum 0.028750
Minimum -0.046528
Std. Dev. 0.018557
Skewness -0.372827
Kurtos is 2.387359
Jarque-Bera 1.940265
Probabi l i ty 0.379033
153
10. UJI MULTIKOLINIERITAS
ROA NPF FDR FRDK KA NOM CAR
ROA 1.000000 -0.569817 0.104871 0.022045 0.184452 0.753972 0.583736
NPF -0.569817 1.000000 -0.091729 0.073706 -0.072033 -0.185577 -0.500300
FDR 0.104871 -0.091729 1.000000 -0.215781 0.010078 0.039611 0.255836
FRDK 0.022045 0.073706 -0.215781 1.000000 0.020799 0.140537 -0.198001
KA 0.184452 -0.072033 0.010078 0.020799 1.000000 0.245777 0.058750
NOM 0.753972 -0.185577 0.039611 0.140537 0.245777 1.000000 0.351403
CAR 0.583736 -0.500300 0.255836 -0.198001 0.058750 0.351403 1.000000
11. UJI HETEROKEDASTISITAS
Dependent Variable: RESABS
Method: Panel EGLS (Cross-section random effects)
Date: 07/03/20 Time: 09:44
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C -0.001674 0.021574 -0.077607 0.9385
NPF 0.113761 0.113618 1.001259 0.3223
FDR 0.020050 0.018279 1.096906 0.2788
FRDK -1.75E-05 0.001121 -0.015626 0.9876
KA -0.010636 0.013890 -0.765710 0.4480
NOM 0.024611 0.042638 0.577211 0.5668
CAR 0.026439 0.023767 1.112408 0.2721
Effects Specification
S.D. Rho
Cross-section random 0.005459 0.3138
Idiosyncratic random 0.008073 0.6862
Weighted Statistics
Root MSE 0.007447 R-squared 0.103314
Mean dependent var 0.008655 Adjusted R-squared -0.021805
S.D. dependent var 0.007944 S.E. of regression 0.008030
Sum squared resid 0.002773 F-statistic 0.825728
Durbin-Watson stat 1.439526 Prob(F-statistic) 0.556439
Unweighted Statistics
154
R-squared 0.143098 Mean dependent var 0.015691
Sum squared resid 0.003910 Durbin-Watson stat 1.020812
12. UJI t DAN UJI F
Dependent Variable: ROA
Method: Panel EGLS (Cross-section random effects)
Date: 07/03/20 Time: 09:30
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C -0.002253 0.043232 -0.052113 0.9587
NPF -0.739459 0.234194 -3.157463 0.0029
FDR -0.015552 0.039256 -0.396177 0.6939
FRDK 0.001337 0.002168 0.616503 0.5408
KA -0.012780 0.027359 -0.467117 0.6428
NOM 0.598694 0.097822 6.120214 0.0000
CAR 0.118088 0.048496 2.435000 0.0191
Effects Specification
S.D. Rho
Cross-section random 0.022179 0.7018
Idiosyncratic random 0.014456 0.2982
Weighted Statistics
Root MSE 0.012561 R-squared 0.755116
Mean dependent var 0.003294 Adjusted R-squared 0.720946
S.D. dependent var 0.025640 S.E. of regression 0.013545
Sum squared resid 0.007889 F-statistic 22.09892
Durbin-Watson stat 1.929324 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.772636 Mean dependent var 0.011770
Sum squared resid 0.016873 Durbin-Watson stat 0.902010
155
LAMPIRAN 3: Hasil Uji Statistik Perbankan Syariah Malaysia
1. UJI STASIONER
ROA
Null Hypothesis: Unit root (common unit root process)
Series: ROA
Date: 07/04/20 Time: 10:30
Sample: 2015 2019
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 40
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -13.8882 0.0000
** Probabilities are computed assuming asympotic normality
NPF
Null Hypothesis: Unit root (cmmon unit root process)
Series: NPF
Date: 07/04/20 Time: 10:31
Sample: 2015 2019
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 40
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -10.2956 0.0000
** Probabilities are computed assuming asympotic normality
156
FDR
Null Hypothesis: Unit root (common unit root process)
Series: FDR
Date: 07/04/20 Time: 10:32
Sample: 2015 2019
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 40
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -18.6947 0.0000
** Probabilities are computed assuming asympotic normality
FRDK
Null Hypothesis: Unit root (common unit root process)
Series: FRDK
Date: 07/04/20 Time: 10:32
Sample: 2015 2019
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 40
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -10.0857 0.0000
** Probabilities are computed assuming asympotic normality
KA
Null Hypothesis: Unit root (common unit root process)
Series: KA
Date: 07/04/20 Time: 10:33
Sample: 2015 2019
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 40
Cross-sections included: 10
157
Method Statistic Prob.**
Levin, Lin & Chu t* -5.41321 0.0000
** Probabilities are computed assuming asympotic normality
NOM
Null Hypothesis: Unit root (common unit root process)
Series: NOM
Date: 07/04/20 Time: 10:34
Sample: 2015 2019
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 36
Cross-sections included: 9 (1 dropped)
Method Statistic Prob.**
Levin, Lin & Chu t* -13.0083 0.0000
** Probabilities are computed assuming asympotic normality
CAR Null Hypothesis: Unit root (common unit root process)
Series: CAR
Date: 07/04/20 Time: 10:35
Sample: 2015 2019
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic lag length selection based on SIC: 0
Newey-West automatic bandwidth selection and Bartlett kernel
Total (balanced) observations: 40
Cross-sections included: 10
Method Statistic Prob.**
Levin, Lin & Chu t* -2.36660 0.0090
** Probabilities are computed assuming asympotic normality
158
2. ANALISIS DESKRIPTIF
Date: 07/04/20
Time: 11:37
Sample: 2015 2019
ROA NPF FDR FRDK KA NOM CAR
Mean 0.011940 0.011956 0.870040 9.420000 0.874370 0.021788 0.179980
Median 0.010000 0.011850 0.864500 9.000000 0.876000 0.019800 0.182800
Maximum 0.029300 0.019400 0.984700 12.00000 1.000000 0.043600 0.233000
Minimum 0.005500 0.006200 0.777100 7.000000 0.750000 0.014000 0.138500
Std. Dev. 0.005654 0.003770 0.050370 1.213697 0.058319 0.006870 0.019032
Skewness 1.708644 0.240031 0.491683 0.119330 0.003778 1.864793 0.046311
Kurtosis 5.492271 1.923633 2.801600 2.396019 3.166846 6.240467 3.164078
Jarque-Bera 37.26933 2.893802 2.096606 0.878650 0.058114 50.85509 0.073959
Probability 0.000000 0.235298 0.350532 0.644471 0.971361 0.000000 0.963696
Sum 0.597000 0.597800 43.50200 471.0000 43.71850 1.089400 8.999000
Sum Sq. Dev. 0.001566 0.000697 0.124319 72.18000 0.166654 0.002313 0.017749
Observations 50 50 50 50 50 50 50
3. UJI FIXED EFFECT MODEL
Dependent Variable: ROA
Method: Panel Least Squares
Date: 07/04/20 Time: 11:50
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Variable Coefficient Std. Error t-Statistic Prob.
C -0.009909 0.006649 -1.490286 0.1454
NPF -0.230803 0.086454 -2.669674 0.0116
FDR -0.002173 0.006027 -0.360566 0.7207
RDK 0.000229 0.000161 1.419713 0.1648
KA 0.010666 0.003112 3.427717 0.0016
NOM 0.725414 0.071743 10.11135 0.0000
CAR -0.004362 0.016655 -0.261908 0.7950
Effects Specification
Cross-section fixed (dummy variables)
Root MSE 0.000822 R-squared 0.978434
Mean dependent var 0.011940 Adjusted R-squared 0.968919
S.D. dependent var 0.005654 S.E. of regression 0.000997
Akaike info criterion -10.72978 Sum squared resid 3.38E-05
159
Schwarz criterion -10.11793 Log likelihood 284.2445
Hannan-Quinn criter. -10.49679 F-statistic 102.8354
Durbin-Watson stat 1.865901 Prob(F-statistic) 0.000000
4. UJI CHOW
Redundant Fixed Effects Tests
Equation: Untitled
Test cross-section fixed effects
Effects Test Statistic d.f. Prob.
Cross-section F 19.208533 (9,34) 0.0000
Cross-section Chi-square 90.288145 9 0.0000
Cross-section fixed effects test equation:
Dependent Variable: ROA
Method: Panel Least Squares
Date: 07/04/20 Time: 11:52
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Variable Coefficient Std. Error t-Statistic Prob.
C -0.006549 0.007765 -0.843488 0.4036
NPF -0.330394 0.096384 -3.427885 0.0014
FDR -0.012682 0.007324 -1.731594 0.0905
RDK 0.000260 0.000299 0.870187 0.3890
KA 0.011108 0.005480 2.026788 0.0489
NOM 0.557268 0.057550 9.683228 0.0000
CAR 0.050958 0.019911 2.559258 0.0141
Root MSE 0.002028 R-squared 0.868777
Mean dependent var 0.011940 Adjusted R-squared 0.850467
S.D. dependent var 0.005654 S.E. of regression 0.002186
Akaike info criterion -9.284018 Sum squared resid 0.000206
Schwarz criterion -9.016335 Log likelihood 239.1005
Hannan-Quinn criter. -9.182083 F-statistic 47.44782
Durbin-Watson stat 0.440451 Prob(F-statistic) 0.000000
160
5. UJI RANDOM EFFECT MODEL
Dependent Variable: ROA
Method: Panel EGLS (Cross-section random effects)
Date: 07/04/20 Time: 11:53
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C -0.010108 0.005980 -1.690456 0.0982
NPF -0.247442 0.076201 -3.247206 0.0023
FDR -0.003288 0.005462 -0.602011 0.5503
RDK 0.000254 0.000154 1.647689 0.1067
KA 0.011297 0.003017 3.744166 0.0005
NOM 0.690874 0.055197 12.51648 0.0000
CAR 0.003021 0.014455 0.209006 0.8354
Effects Specification
S.D. Rho
Cross-section random 0.001645 0.7316
Idiosyncratic random 0.000997 0.2684
Weighted Statistics
Root MSE 0.000989 R-squared 0.836064
Mean dependent var 0.003122 Adjusted R-squared 0.813189
S.D. dependent var 0.002468 S.E. of regression 0.001067
Sum squared resid 4.89E-05 F-statistic 36.54956
Durbin-Watson stat 1.904446 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.841926 Mean dependent var 0.011940
Sum squared resid 0.000248 Durbin-Watson stat 0.257856
6. UJI HAUSMAN
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects
Test Summary
Chi-Sq.
Statistic Chi-Sq. d.f. Prob.
161
Cross-section random 12.262231 6 0.0564
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob.
NPF -0.230803 -0.247442 0.001668 0.6837
FDR -0.002173 -0.003288 0.000006 0.6617
RDK 0.000229 0.000254 0.000000 0.5843
KA 0.010666 0.011297 0.000001 0.4060
NOM 0.725414 0.690874 0.002100 0.4510
CAR -0.004362 0.003021 0.000068 0.3721
Cross-section random effects test equation:
Dependent Variable: ROA
Method: Panel Least Squares
Date: 07/04/20 Time: 11:53
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Variable Coefficient Std. Error t-Statistic Prob.
C -0.009909 0.006649 -1.490286 0.1454
NPF -0.230803 0.086454 -2.669674 0.0116
FDR -0.002173 0.006027 -0.360566 0.7207
RDK 0.000229 0.000161 1.419713 0.1648
KA 0.010666 0.003112 3.427717 0.0016
NOM 0.725414 0.071743 10.11135 0.0000
CAR -0.004362 0.016655 -0.261908 0.7950
Effects Specification
Cross-section fixed (dummy variables)
Root MSE 0.000822 R-squared 0.978434
Mean dependent var 0.011940 Adjusted R-squared 0.968919
S.D. dependent var 0.005654 S.E. of regression 0.000997
Akaike info criterion -10.72978 Sum squared resid 3.38E-05
Schwarz criterion -10.11793 Log likelihood 284.2445
Hannan-Quinn criter. -10.49679 F-statistic 102.8354
Durbin-Watson stat 1.865901 Prob(F-statistic) 0.000000
162
7. UJI COMMON EFFECT MODEL
Dependent Variable: ROA
Method: Panel Least Squares
Date: 07/04/20 Time: 11:54
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Variable Coefficient Std. Error t-Statistic Prob.
C -0.006549 0.007765 -0.843488 0.4036
NPF -0.330394 0.096384 -3.427885 0.0014
FDR -0.012682 0.007324 -1.731594 0.0905
RDK 0.000260 0.000299 0.870187 0.3890
KA 0.011108 0.005480 2.026788 0.0489
NOM 0.557268 0.057550 9.683228 0.0000
CAR 0.050958 0.019911 2.559258 0.0141
Root MSE 0.002028 R-squared 0.868777
Mean dependent var 0.011940 Adjusted R-squared 0.850467
S.D. dependent var 0.005654 S.E. of regression 0.002186
Akaike info criterion -9.284018 Sum squared resid 0.000206
Schwarz criterion -9.016335 Log likelihood 239.1005
Hannan-Quinn criter. -9.182083 F-statistic 47.44782
Durbin-Watson stat 0.440451 Prob(F-statistic) 0.000000
8. UJI LAGRANGE MULTIPLIER
Lagrange Multiplier Tests for Random Effects
Null hypotheses: No effects
Alternative hypotheses: Two-sided (Breusch-Pagan) and one-sided
(all others) alternatives
Test Hypothesis
Cross-section Time Both
Breusch-Pagan 40.60779 0.492284 41.10008
(0.0000) (0.4829) (0.0000)
Honda 6.372424 -0.701630 4.009858
(0.0000) (0.7585) (0.0000)
King-Wu 6.372424 -0.701630 2.950994
(0.0000) (0.7585) (0.0016)
163
Standardized Honda 8.891521 -0.529149 2.119903
(0.0000) (0.7016) (0.0170)
Standardized King-Wu 8.891521 -0.529149 0.907956
(0.0000) (0.7016) (0.1820)
Gourieroux, et al.* -- -- 40.60779
(0.0000)
9. UJI NORMALITAS
9. UJI MULTIKOLINIERITAS
ROA NPF FDR FRDK KA NOM CAR
ROA 1.000000 -0.473031 -0.409554 0.153937 0.266012 0.878341 0.492202
NPF -0.473031 1.000000 0.364531 0.286415 -0.163583 -0.293803 -0.057099
FDR -0.409554 0.364531 1.000000 0.203155 -0.041929 -0.357104 0.110977
FRDK 0.153937 0.286415 0.203155 1.000000 0.023853 0.173898 0.371440
KA 0.266012 -0.163583 -0.041929 0.023853 1.000000 0.126206 0.139128
NOM 0.878341 -0.293803 -0.357104 0.173898 0.126206 1.000000 0.419336
CAR 0.492202 -0.057099 0.110977 0.371440 0.139128 0.419336 1.000000
0
1
2
3
4
5
6
7
8
9
10
-0.002 0.000 0.002 0.004
Series: Standardized Residuals
Sample 2015 2019
Observations 50
Mean -2.10e-18
Median -0.000275
Maximum 0.004933
Minimum -0.003415
Std. Dev. 0.002248
Skewness 0.447444
Kurtos is 2.318895
Jarque-Bera 2.634853
Probabi l i ty 0.267824
Series: Standardized Residuals
Sample 2015 2019
Observations 50
Mean -2.10e-18
Median -0.000275
Maximum 0.004933
Minimum -0.003415
Std. Dev. 0.002248
Skewness 0.447444
Kurtos is 2.318895
Jarque-Bera 2.634853
Probabi l i ty 0.267824
164
10. UJI HETEROKEDASTISITAS
Dependent Variable: RESABS
Method: Panel EGLS (Cross-section random effects)
Date: 07/04/20 Time: 12:25
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C -0.005891 0.003677 -1.601888 0.1165
NPF 0.072739 0.047000 1.547638 0.1290
FDR 0.006346 0.003325 1.908440 0.0630
FRDK -0.004159 0.002205 -2.820448 0.0572
KA 0.003444 0.001788 1.926087 0.0607
NOM -0.071626 0.035726 -2.004892 0.0513
CAR 0.012803 0.008942 1.431899 0.1594
Effects Specification
S.D. Rho
Cross-section random 0.001357 0.8443
Idiosyncratic random 0.000583 0.1557
Weighted Statistics
Root MSE 0.000530 R-squared 0.387570
Mean dependent var 0.000343 Adjusted R-squared 0.302115
S.D. dependent var 0.000684 S.E. of regression 0.000571
Sum squared resid 1.40E-05 F-statistic 4.535356
Durbin-Watson stat 1.941910 Prob(F-statistic) 0.001206
Unweighted Statistics
R-squared 0.073057 Mean dependent var 0.001819
Sum squared resid 7.62E-05 Durbin-Watson stat 0.357903
165
11. UJI t DAN F
Dependent Variable: ROA
Method: Panel EGLS (Cross-section random effects)
Date: 07/04/20 Time: 12:26
Sample: 2015 2019
Periods included: 5
Cross-sections included: 10
Total panel (balanced) observations: 50
Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob.
C -0.010108 0.005980 -1.690456 0.0982
NPF -0.247442 0.076201 -3.247206 0.0023
FDR -0.003288 0.005462 -0.602011 0.5503
FRDK 0.000254 0.000154 1.647689 0.1067
KA 0.011297 0.003017 3.744166 0.0005
NOM 0.690874 0.055197 12.51648 0.0000
CAR 0.003021 0.014455 0.209006 0.8354
Effects Specification
S.D. Rho
Cross-section random 0.001645 0.7316
Idiosyncratic random 0.000997 0.2684
Weighted Statistics
Root MSE 0.000989 R-squared 0.836064
Mean dependent var 0.003122 Adjusted R-squared 0.813189
S.D. dependent var 0.002468 S.E. of regression 0.001067
Sum squared resid 4.89E-05 F-statistic 36.54956
Durbin-Watson stat 1.904446 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.841926 Mean dependent var 0.011940
Sum squared resid 0.000248 Durbin-Watson stat 0.257856
166
167
168
DAFTAR RIWAYAT HIDUP
Nama : Dita Amalia Reformasi
Tempat, Tanggal Lahir : Ngawi, 24 September 1998
Agama : Islam
Alamat : Tanon RT 01 RW 08 Kel. Sidolaju, Kec. Widodaren,
Kab. Ngawi, Jawa Tmur
Alamat Email : [email protected]
Riwayat Pendidikan : 1. SDN Gembol 1 Ngawi
2. SMPN 4 Karanganyar
3. SMAN 1 Kedunggalar Ngawi
Salatiga,04 September 2020
Penulis,
Dita Amalia Reformasi
NIM. 63010160431