BAB III METODE PENELITIAN 3.1 Ruang Lingkup...
Transcript of BAB III METODE PENELITIAN 3.1 Ruang Lingkup...
59
BAB III
METODE PENELITIAN
3.1 Ruang Lingkup Penelitian
Penelitian ini menggunakan data sekunder berupa laporan keuangan
perasuransian syariah agregat yang diperoleh dari Otoritas Jasa Keuangan dan
laporan keuangan perusahaan perasuransian syariah terkait. Adapun penelitian ini
menggunakan data dengan skala bulanan dari periode Januari 2015 sampai dengan
Desember 2018.
Pengambilan sampel dalam penelitian ini menggunakan teknik sampling jenuh,
yaitu teknik penentuan sampel di mana keseluruhan anggota populasi digunakan
sebagai sampel (Sugiyono, 2001). Sampling jenuh atau sensus acap kali dilakukan
apabila jumlah populasinya tergolong kecil, yaitu tidak lebih dari 30 orang. Populasi
sekaligus sampel dari penelitian ini adalah perusahaan perasuransian syariah hasil
spin-off yang melakukan proses pemisahannya dalam kurun waktu 2016 hingga 2018.
Perusahaan-perusahaan tersebut adalah PT Asuransi Askrida Syariah, PT Asuransi
Jiwa Syariah Bumiputera dan PT Reasuransi Syariah Indonesia. Pengolahan data
dalam penelitian ini menggunakan program Microsoft Excel 2010 dan Eviews 9.
3.2 Metodologi Penelitian
Analisis yang digunakan dalam penelitian ini adalah analisis panel data multiple
regression atau regresi data panel, digunakan untuk mengetahui adanya hubungan
60
antara beberapa variabel independen dengan satu variabel dependen. Data panel atau
pooled data adalah perpaduan dari data runtut waktu atau time series dan silang
tempat atau cross section. Metode ini digunakan pada penelitian Al Arif (2015), Al
Arif dan Dewanti (2017), Nur Latifah dan Mardian (2016), serta digunakan juga oleh
Mehari dan Aemiro (2013).
Menurut Kuncoro (2011), beberapa kelebihan yang dapat diperoleh dengan
menggunakan estimasi data panel adalah seperti jumlah observasi yang lebih besar
dan mendapat variasi antar unit yang berbeda menurut ruang dan variasi menurut
waktu. Widarjono (2007) menerangkan bahwa pengunaan estimasi data panel
memberikan kelebihan bagi penelitian yaitu dari sisi jumlah pengamatan yang tinggi
sehingga meningkatkan derajat kebebasan atau degree of freedom dan penggabungan
data cross section dan time series dapat mengatasi masalah yang terjadi saat terdapat
masalah penghilangan variabel.
Nachrowi & Usman (2006) menjelaskan model persamaan ekonometrika dari
regresi data panel adalah sebagai berikut:
Yit = α + β1X1it + β2X2it + … + βnXnit + eit
Keterangan:
Yit = variabel dependen
Xit = variabel independen
i = entitas ke-i
t = periode ke-t
61
Persamaan tersebut adalah model regresi linear berganda dari variabel independen
yang lebih dari satu dan satu variabel dependen. Model regresi linear berganda
memiliki tujuan untuk memperkirakan parameter dari model regresi yaitu nilai
konstanta (α) dan koefisien regresi (β). Konstanta secara umum disebut dengan
intersep dan koefisien regresi disebut slope. Seperti regresi linear berganda, regresi
data panel digunakan untuk memprediksi nilai intersep dan slope. Penggunaan data
panel dalam model regresi akan menghasilkan intersep dan slope yang berbeda pada
setiap entitas dan setiap periode waktu.
Widarjono (2007) menyebutkan bahwa untuk mengestimasikan parameter model
dengan data panel terdapat tiga model yang dapat digunakan, yaitu:
1. Model Common Effect
Model Common Effect atau Pooled Least Square (PLS) adalah teknik yang paling
sederhana yang digunakan untuk mengestimasi parameter model data panel jika
dibandingkan dengan dua model lain. Model Common Effect mengombinasikan data
cross section dan time series atas satu kesatuan dengan tidak melihat perbedaan
waktu dan entitas (perusahaan atau individu). Model Common Effect menyampingkan
adanya perbedaan dimensi entitas dan waktu, yang berarti perilaku data setiap entitas
diasumsikan tidak berbeda dalam berbagai kurun waktu.
Pengunaan data panel tentunya akan membuat suatu penelitian memiliki lebih
banyak jumlah observasi jika dibandingkan dengan data cross section saja atau time
series saja. Akibatnya, ketika data digabungkan menjadi pooled data, maka hasil
regresinya akan lebih baik dibanding dengan regresi yang hanya menggunakan cross
62
section saja atau time series saja (Nachrowi & Usman, 2006). Meski begitu, karena
datanya telah tergabung, perbedaan antar individu maupun antar waktu tidak lagi
terlihat perbedaannya.
2. Model Fixed Effect
Pendekatan model Fixed Effect (Efek Tetap) atau yang sering disebut dengan
Least Squares Dummy Variable (LSDV) memiliki asumsi intersep dari setiap entitas
tidak sama, namun berbeda dengan slope antar entitas yang diasumsikan sama atau
tetap. Variabel dummy digunakan dalam model Fixed Effect untuk mengetahui
perbedaan intersep antar entitas.
Menurut Nachrowi & Usman (2006), secara matematis model Fixed Effect dapat
dinyatakan sebagai berikut:
Yit = α + βXit + γ2W2i + γ3W3i + … + γNWNi + δ2Zi2 + δ3Zi3 + … + δiZiT + εit
Keterangan:
Yit : variabel dependen individu ke-I dan waktu ke-t
Xit : variabel inpenden individu ke-I dan waktu ke-t
Wit dan Zit variabel dummy yang didefinisikan sebagai berikut:
Wit = 1; untuk individu i; i = 1, 2, … N
= 0; lainnya
Zit = 1; untuk periode i; i = 1, 2, … T
= 0; lainnya
Dari model matematis di atas, terlihat bahwa model Fixed Effect merupakan sama
dengan regresi yang menggunakan variabel dummy sebagai variabel independen,
63
sehingga dapat diestimasi dengan OLS atau Ordinary Least Square (Nachrowi &
Usman, 2006).
3. Model Random Effect
Model Random Effect atau Generalized Least Square (GLS) memiliki asumsi
bahwa tiap-tiap entitas memiliki perbedaan intersep, di mana intersep tersebut
merupakan variabel random. Random Effect memiliki keunggulan jika entitas yang
dipilih sebagai sampel ditentukan secara acak dan merupakan wakil dari suatu
populasi. Random Effect juga memperhitungkan terdapat kemungkinan bahwa eror
berkorelasi sepanjang cross section dan time series.
Dalam model Random Effect, perbedaan karakteristik individu dan waktu
diakomodasikan pada error dari model. Persamaan model Random Effect menurut
Nachrowi & Usman (2006) dapat diformulasikan sebagai berikut:
Yit = α + βXit + εit ; εit = ui + vt + wit
Keterangan:
ui : bagian eror cross section
vt : bagian eror time series
wit : bagian eror gabungan
Berdasarkan persamaan tersebut, diketahui Random Effect menganggap efek rata-
rata dari data cross section dan time series direpresentasikan dalam intersep
(Nachrowi & Usman, 2006). Sedangkan deviasi efek secara random untuk data time
series direpresentasikan dalam vt dan deviasi untuk cross section dinyatakan dalam ui.
64
3.3 Metode Pengujian
Untuk memilih model yang akan digunakan dalam estimasi data panel, terdapat
tiga uji yang dapat digunakan, yaitu Uji Chow, Uji Hausman dan Uji Lagrange
Multiplier (LM). Setelah ditentukan model yang tepat untuk estimasi data panel,
diperlukan pengujian asumsi klasik seperti Uji Normalitas, Uji Heteroskedastisitas
dan Uji Multikolinearitas, untuk memastikan data, variabel, dan model yang
digunakan dapat diestimasi sesuai dengan peruntukannya. Kemudian dilakukan
pengujian hipotesis seperti Uji F dan Uji t, serta Koefisien Determinasi untuk
menjawab rumusan masalah yang telah diajukan.
3.3.1 Pemilihan Model Estimasi Data Panel
Uji pemilihan model estimasi data panel dilakukan untuk memilih model yang
terbaik di antara 3 model yang ada dalam estimasi data panel, yaitu Common Effect,
Fixed Effect dan Random Effect. Menurut Widarjono (2007) terdapat tiga uji yang
dapat dilakukan untuk memilih model estimasi yang tepat, yaitu Uji Chow, Uji
Hausman dan Uji Lagrange Multiplier (LM).
1.Uji Chow
Uji Chow dilakukan dengan tujuan membandingkan pilihan yang terbaik antara
model Fixed Effect dan model Common Effect. Hipotesis nul (H0) pada Uji Chow
ialah bahwa intersep yang ada sama, yang berati model yang lebih baik digunakan
adalah Common Effect, kemudian hipotesis alternatifnya (H1) adalah intersep berbeda
yang berarti model yang lebih baik digunakan adalah Fixed Effect.
65
Gambar 3.1 Uji Pemilihan Model Data Panel
Sumber: Regresi Data Panel (Hidayat, 2014)
Jika setelah dilakukan pengujian nilai F hitung lebih besar dari F kritis, artinya
hipotesis nul ditolak dan model yang akan digunakan untuk regresi data panel ialah
model Fixed Effect. Namun, apabila nilai F hitung setelah pengujian lebih kecil dari
F kritis, maka hipotesis nul diterima dan model Common Effect-lah yang akan
digunakan untuk regresi data panel.
2.Uji Hausman
Uji Hausman dilakukan untuk menentukan metode yang terbaik antara Random
Effect dan Fixed Effect. Hipotesis nul dalam Uji Hausman adalah model yang lebih
baik untuk digunakan ialah model Random Effect, dan hipotesis alternatifnya adalah
model yang lebih baik digunakan ialah model Fixed Effect.
Setelah dilakukan pengujian, jika nilai statistik Hausman lebih tinggi apabila
dibandingkan dengan nilai kritis Chi-Squares, ini menyatakan bahwa hipotesis nul
66
ditolak dan model Fixed Effect-lah yang akan digunakan untuk regresi data panel.
Jika setelah dilakukan pengujian nilai statistik Hausman lebih rendah jika
dibandingkan dengan nilai kritis Chi-Squares, hal ini berarti hipotesis nul diterima
dan model yang digunakan untuk regresi data panel ialah model Random Effect.
3.Uji Lagrange Multiplier
Uji Lagrange Multiplier (LM) dilakukan untuk mengetahui model yang terbaik
untuk digunakan antara model Random Effect dan Common Effect. Hipotesis nul
dalam uji ini adalah model yang lebih baik digunakan ialah Common Effect,
sedangkan hipotesis alternatifnya adalah model yang lebih baik untuk digunakan
ialah Random Effect.
Jika setelah dilakukan pengujian nilai LM hitung lebih besar apabila
dibandingkan dengan nilai kritis Chi-Squares, maka hipotesis nul ditolak dan berarti
model yang lebih baik digunakan untuk regresi data panel adalah model Random
Effect. Hal ini berlaku sebaliknya, jika setelah pengujian nilai LM hitung lebih kecil
dibandingkan dengan nilai kritis Chi-Squares, maka hipotesis nul diterima yang
artinya model Common Effect lebih baik untuk regresi data panel.
3.3.2 Uji Asumsi Klasik Estimasi Data Panel
Dalam Regresi data panel terdapat tiga alternatif model, yaitu Common Effect,
Fixed Effect dan Random Effect. Model Common Effect dan Fixed Effect dalam
teknik estimasinya menggunakan Ordinary Least Squared (OLS), sedangkan dalam
Random Effect digunakan Generalized Least Squares (GLS). Uji asumsi klasik yang
digunakan dalam regresi linear dengan pendekatan Ordinary Least Squared (OLS)
67
meliputi Uji Heteroskedastisitas, Normalitas, Linearitas, Multikolinieritas dan
Autokorelasi. Namun menurut Basuki (2015), tidak semua uji asumsi klasik yang ada
pada metode OLS dipakai dalam regresi data panel, hanya Uji Multikolinieritas dan
Uji Heteroskedastisitas saja yang diperlukan.
Wooldridge (2005) dalam Ariefianto (2012) mengatakan bahwa salah satu
kelebihan dari penggunaan data panel ialah bersifat robust atau kebal terhadap
beberapa tipe pelanggaran dalam asumsi Gauss Markov, yaitu heteroskedastisitas dan
normalitas. Namun, menurut Widarjono (2007) Uji Heteroskedastisitas perlu
dilakukan karena heteroskedastisitas biasanya terjadi pada data cross section, dan
penggunaan estimasi data panel lebih mendekati ke ciri data cross section
dibandingkan dengan time series. Uji Multikolinieritas perlu dilakukan pada saat
melakukan regresi yang menggunakan lebih dari satu variabel independen (Iqbal,
2015).
Dapat dikatakan Uji Linearitas hampir tidak dilakukan pada setiap model regresi
linier, hal ini dikarenakan telah diasumsikan bahwa model bersifat linear. Uji
Linearitas dilakukan hanya untuk mengetahui tingkat linieritas yang dimiliki.
Permasalahan autokorelasi hanya terjadi pada data time series. Pengujian autokorelasi
pada data yang tidak bersifat time series akan sia-sia semata atau tidaklah berarti
(Iqbal, 2015).
Berdasarkan pemaparan beberapa pendapat mengenai uji asumsi klasik estimasi
data panel, uji asumsi klasik yang dilakukan dalam penelitian ini adalah Uji
Normalitas, Heteroskedastisitas dan Multikolinearitas.
68
1. Uji Normalitas
Uji Normalitas merupakan pengujian terhadap kenormalan distribusi data. Jika
suatu residual model tidak terdistribusi normal, maka uji t kurang relevan digunakan
untuk menguji koefisien regresi. Uji Normalitas dapat dilakukan dengan beberapa
metode yaitu histogram residual, Kolmogrov Smirnov, Skewness Kurtosius dan
Jarque-Bera. Hipotesis Uji Normalitas dalam penelitian ini adalah:
H0: data berdistribusi normal
H1: data tidak berdistribusi normal
2. Uji Heteroskedastisitas
Uji Heteroskedastisitas dilakukan untuk mengetahui konstan atau tidaknya
residual dari suatu model yang telah terbentuk. Suatu model dapat dikatakan baik
apabila memiliki varians dari setiap gangguan atau residualnya konstan.
Heteroskedastisitas adalah keadaan di mana asumsi tersebut tidak tercapai, dengan
kata lain ekspektasi dari eror dan adalah varians dari eror yang berbeda tiap periode
waktu. Dampak dari keberadaan heteroskedastisitas ialah inefisiensi proses estimasi,
sementara hasil estimasinya tetap konsisten dan tidak bias. Selain itu
heteroskedastisitas akan menyebabkan hasil Uji-t dan Uji-F menjadi tidak berguna
(miss leanding). Hipotesis uji heteroskedastisitas dalam penelitian ini adalah:
H0: tidak terdapat heteroskedastisitas
H1: terdapat heteroskedastisitas
3. Uji Multikolinearitas
69
Menurut Chatterjee dan Price dalam Nachrowi & Usman (2006), adanya korelasi
antara variabel-variabel bebas menjadikan intepretasi tiap koefisien regresi mejadi
tidak lagi benar. Model regresi yang baik seharusnya tidak terjadi korelasi diantara
variabel independen. Meskipun begitu, bukan berarti korelasi yang terjadi antara
variabel-variabel bebas tidak diperbolehkan, hanya kolinieritas yang sempurna atau
perfect collinierity saja yang tidak diperbolehkan, yaitu terjadinya korelasi linier
antara sesama variabel bebasnya. Sedangkan untuk sifat kolinier yang hampir
sempurna (hubungannya tidak bersifat linier atau korelasi mendekati nol) masih
diperbolehkan atau tidak termasuk dalam pelanggaran asumsi. Hipotesis Uji
Multikolinearitas dalam penelitian ini adalah:
H0: tidak terdapat multkolinearitas
H1: terdapat multikolinearitas
3.3.3 Uji Kelayakan Model Estimasi Data Panel
1. Uji F
Uji F atau uji simultan digunakan untuk menguji apakah variabel bebas
(independent variable) secara bersama-sama berpengaruh terhadap variabel terikat
(dependent variable). Uji F diperuntukkan guna melakukan uji hipotesis koefisien
(slope) secara bersamaan, dengan demikian hipotesisnya adalah sebagai berikut
(Nachrowi & Usman, 2006):
H0 : 𝛽1 = 𝛽2 = 𝛽3=…= 𝛽n = 0
H1 : Paling tidak terdapat satu slope yang ≠ 0
70
2. Uji t
Uji t atau uji parsial digunakan untuk mendeteksi seberapa baik variabel bebas
(independent variable) dapat menjelaskan variabel terikat (dependent variable) secara
individu. Uji t memiliki hipotesis sebagai berikut (Nachrowi & Usman, 2006):
H0 : 𝛽n = 0
H1 : 𝛽n ≠ 0
Dari hipotesis tersebut dapat terlihat arti dari pengujian yang dilakukan, yaitu
berdasarkan data yang tersedia, akan dilakukan pengujian terhadap 𝛽n (koefisien
regresi populasi), apakah sama dengan 0 yang berarti variabel bebas tidak
mempunyai pengaruh signifikan terhadap variabel terikat. Atau sebaliknya, tidak
sama dengan 0 yang berati mempunyai pengaruh (Nachrowi & Usman, 2006).
3. Uji Koefisien Determinasi
Koefisen Determinasi atau Goodness of Fit yang dinotasikan dengan R2
adalah
suatu ukuran yang menggambarkan baik atau tidaknya model regresi yang terestimasi
(Nachrowi & Usman, 2006). Nilai Koefisien Determinasi menunjukkan besarnya
variasi dari variabel dependen dapat dijelaskan oleh variabel independen, semakin
besar nilai yang muncul semakin baik. Apabila nilai Koefisien Determinasi sama
dengan 0, itu berarti variasi dari variabel dependen tidak dapat diterangkan variabel
independen sama sekali.
71
3.4 Pengembangan Model Ekonometrika Penelitian
Persamaan ekonometrika dengan metode regresi data panel yang digunakan
dalam penelitian ini disusun untuk menjawab semua rumusan masalah yang telah
diajukan. Adapun rumusan masalah yang pertama adalah bagaimana pengaruh spin-
off terhadap industri asuransi syariah di Indonesia dan rumusan masalah yang kedua
adalah pengaruh kinerja keuangan setiap perusahaan perasuransian syariah hasil spin-
off terhadap aset industri asuransi syariah di Indonesia pada Januari 2015 hingga
November 2018. Penggunaan variabel dalam penelitian ini berdasarkan penelitian Al-
Arif (2015), Mehari & Aemiro (2013), Malik (2011) serta Nurlatifah & Mardian
(2016). Berikut adalah model ekonometrikanya:
ASETit = α + β1SPINit + β2UWSPit + β3SIZEit + β4ROAit +β5LVRGit + β6VOCit + eit
Variabel dummy spin-off (SPIN) digunakan sebagai variabel yang menandakan
waktu ketika perusahaan perasuransian syariah belum dan telah melakukan proses
pemisahann unit syariahnya, variabel ini digunakan berdasarkan penelitian Al-Arif
(2015) mengenai spin-off bank syariah. Dan variabel-variabel yang menggambarkan
kinerja perusahaan asuransi syariah seperti underwriting surplus (UWSP) digunakan
dalam penelitian Nurlatifah & Mardian (2016), ukuran/aset perusahaan (SIZE), return
on asset (ROA), leverage (LVRG) dan modal/volume of capital (VOC) digunakan
dalam penelitian Mehari & Aemiro (2013), Malik (2011) serta Nurlatifah & Mardian
(2016).
72
Tabel 3.1 Operasional Variabel Penelitian
Variabel Data Sumber Satuan
ASET Aset Agregat Industri
Asuransi Syariah Indonesia
Statistik Bulanan IKNB
Syariah, Otoritas Jasa
Keuangan
Milyar
Rupiah
SPIN Spin-Off Perusahaan
Perasuransian Syariah hasil
spin-off di Indonesia
Publikasi Direktorat IKNB
Syariah, Otoritas Jasa
Keuangan dan situs resmi
perusahaan terkait
Skala
nominal
UWSP Underwriting Surplus
Perusahaan Perasuransian
Syariah hasil spin-off di
Indonesia
Direktorat IKNB Syariah,
Otoritas Jasa Keuangan dan
situs resmi perusahaan
terkait
Milyar
Rupiah
SIZE Aset Perusahaan
Perasuransian Syariah hasil
spin-off di Indonesia
Direktorat IKNB Syariah,
Otoritas Jasa Keuangan dan
situs resmi perusahaan
terkait
Milyar
Rupiah
ROA Return on Asset Perusahaan
Perasuransian Syariah hasil
spin-off di Indonesia
Olahan data Direktorat
IKNB Syariah, Otoritas Jasa
Keuangan dan situs resmi
perusahaan terkait
%
73
Variabel Data Sumber Satuan
LVRG Leverage atau Debt to
Equity Ratio Perusahaan
Perasuransian Syariah hasil
spin-off di Indonesia
Olahan data Direktorat
IKNB Syariah, Otoritas Jasa
Keuangan dan situs resmi
perusahaan terkait
%
VOC Volume of Capital atau
total modal Perusahaan
Perasuransian Syariah hasil
spin-off di Indonesia
Direktorat IKNB Syariah,
Otoritas Jasa Keuangan dan
situs resmi perusahaan
terkait
Milyar
Rupiah
3.5 Deskripsi dan Perkembangan Data Variabel yang Diteliti
a. Aset Industri Asuransi Syariah di Indonesia
Dalam variabel ini terhimpun keseluruhan total aset industri asuransi syariah di
Indonesia, baik perusahaan asuransi jiwa, umum maupun reasuransi, serta yang
berbentuk unit usaha (UUS) atau perusahaan.
Sepanjang tahun 2015 tidak terdapat peningkatan berarti, namun dimulai pada
tahun 2016 hingga 2017 menunjukkan tren peningkatan meskipun pada akhirnya di
tahun 2018 mengalami stagnansi seperti pada tahun 2015.
74
Grafik 3.1 - Aset Agregat Industri Asuransi Syariah di Indonesia
Sumber: Otoritas Jasa Keuangan
b. Spin-Off
Variabel spin-off dalam penelitian ini adalah variabel dummy. Variabel dummy
spin-off menggunakan skala nominal 0 dan 1, di mana 0 menunjukkan waktu ketika
perusahaan perasuransian syariah belum melakukan spin-off atau masih berbentuk
unit syariah (UUS) dan 1 menunjukkan waktu ketika sudah melakukan spin-off atau
telah menjadi perusahaan perasuransian syariah full fledged. Waktu setiap perusahaan
perasuransian syariah hasil spin-off yang dijadikan sampel dalam penelitian ini adalah
sebagai berikut:
0
5,000
10,000
15,000
20,000
25,000
30,000
35,000
40,000
45,000
Jan
-15
Ap
r-1
5
Jul-
15
Oct
-15
Jan
-16
Ap
r-1
6
Jul-
16
Oct
-16
Jan
-17
Ap
r-1
7
Jul-
17
Oct
-17
Jan
-18
Ap
r-1
8
Jul-
18
Oct
-18
Aset Agregat Asuransi Syariah
75
Tabel 3.2 - Waktu Pelaksanaan Spin-Off Perusahaan Perasuransian Syariah
Nama Perusahaan Jenis Perusahaan
Waktu Pelaksanaan
Spin-off
PT Reasuransi Syariah
Indonesia
Reasuransi Juni 2016
PT Asuransi Jiwa Syariah
Bumiputera
Asuransi Jiwa September 2016
PT Asuransi Askrida
Syariah
Asuransi Umum September 2017
Sumber: Otoritas Jasa Keuangan
Dari fakta di atas dapat diketahui bahwa dalam kurun waktu 1 tahun setelah
diwajibkannya spin-off melalui UU No. 40 tahun 2014 tentang Perasuransian, tidak
terdapat unit syariah yang melakukan spin-off. Proses spin-off mulai dilakukan pada
2016 hingga 2017, dan dalam tahun 2018 tidak terdapat perusahaan perasuransian
yang melakukan proses spin-off unit syariahnya. Apabila diperhatikan, terdapat
hubungan antara waktu proses pemisahan (spin-off) dengan peningkatan aset asuransi
syariah secara agregat yang ditunjukkan dalam Grafik 3.1 di atas. Dan ketika tidak
terdapat UUS yang melakukan pemisahan di tahun 2018, dalam grafik tersebut tidak
menunjukkan adanya peningkatan yang berati di tahun 2018.
c. Underwriting Surplus
76
Variabel ini mencerminkan keberhasilan perusahaan perasuransian dalam proses
manajemen risikonya, karena underwriting surplus merupakan keuntungan yang
didapat atas hasil pengelolaan perusahaan perasuransian dalam mempertimbangkan
dan menentukan apakah peserta akan menerima partisipasi ganti rugi dengan syarat-
syarat yang telah ditentukan sebelumnya (Sula, 2004).
Grafik 3.2 - Underwriting Surplus Perusahaan Perasuransian Syariah Hasil
Spin-Off di Indonesia
Sumber: Otoritas Jasa Keuangan
Dari grafik diatas terlihat bahwa pada awalnya perusahaan asuransi jiwa, umum
dan reasuransi syariah memiliki jumlah underwriting surplus yang cenderung sama
dan pergerakannya stagnan. Namun, pada Juli 2017 terdapat peningkatan yang
signifikan pada jumlah underwiriting surplus asuransi jiwa (Bumiputera). Meski
sesudahnya berfluktuasi, jumlah underwiriting surplus milik asuransi jiwa
(1,000)
-
1,000
2,000
3,000
4,000
5,000
6,000
7,000
8,000
9,000
10,000
Jan
-15
Ap
r-1
5
Jul-
15
Oct
-15
Jan
-16
Ap
r-1
6
Jul-
16
Oct
-16
Jan
-17
Ap
r-1
7
Jul-
17
Oct
-17
Jan
-18
Ap
r-1
8
Jul-
18
Oct
-18
Jiwa
Umum
Reas
77
(Bumiputera) masih lebih tinggi dibandingkan dengan perusahaan asuransi umum
(Askrida) dan reasuransi (ReIndo).
d. Size (Total Aset)
Grafik 3.3 – Aset Perusahaan Perasuransian Syariah Hasil Spin-Off di Indonesia
Sumber: Otoritas Jasa Keuangan
Variabel ini menunjukkan ukuran suatu perusahaan perasuransian yang
dinyatakan dengan kepemilikan total jumlah aset yang dimiliki tiap perusahaan.
Terlihat dari grafik bahwa size perusahaan asuransi jiwa (Bumiputera) jauh
melampaui perusahaan asuransi umum (Askrida) dan reasuransi (ReIndo). Pergerakan
jumlah aset perusahaan asuransi jiwa (Bumiputera) hampir sama jika dibandingkan
dengan aset agregat asuransi syariah pada Grafik 3.1.
0
5,000
10,000
15,000
20,000
25,000
30,000
35,000
40,000
Jan
-15
Ap
r-1
5
Jul-
15
Oct
-15
Jan
-16
Ap
r-1
6
Jul-
16
Oct
-16
Jan
-17
Ap
r-1
7
Jul-
17
Oct
-17
Jan
-18
Ap
r-1
8
Jul-
18
Oct
-18
Jiwa
Umum
Reas
78
e. Return on Asset
Variabel Return on Asset (ROA) merupakan rasio profitabilitas yang digunakan
untuk menilai persentase laba yang didapat oleh suatu perusahaan terkait dengan total
aset. Rumus ROA adalah laba bersih dibagi dengan total aset yang dimiliki.
Grafik 3.4 - Return on Asset Perusahaan Perasuransian Syariah Hasil Spin-Off
di Indonesia
Sumber: Otoritas Jasa Keuangan, diolah
Terlihat dari grafik di atas pada 2015 dan 2016 dari ketiga jenis perusahaan baik
asuransi jiwa, umum dan reasuransi terdapat sebuah pola, yaitu peningkatan jumlah
ROA di sepanjang tahun dan menurun di awal tahun selanjutnya. Namun pola ini
tidak berlaku di tahun 2017 dan 2018, di mana di tahun 2017 terdapat lonjakan tajam
terhadap jumlah ROA khususnya reasuransi (ReIndo) dan terdapat fluktuasi pada
tahun 2018.
-10%
-5%
0%
5%
10%
15%
20%
25%
30%
35%
Jan
-15
Ap
r-1
5
Jul-
15
Oct
-15
Jan
-16
Ap
r-1
6
Jul-
16
Oct
-16
Jan
-17
Ap
r-1
7
Jul-
17
Oct
-17
Jan
-18
Ap
r-1
8
Jul-
18
Oct
-18
Jiwa
Umum
Reas
79
f. Leverage (Debt to Equity Ratio)
Leverage merupakan penggunaan aktiva atau dana yang kemudian akibat dari
menggunaan dana tersebut perusahaan harus mengeluarkan biaya tetap atau
membayar beban tetap. Dalam penelitian ini leverage diukur dengan rasio total utang
terhadap ekuitas (debt/equity ratio).
Grafik 3.5 - Leverage Perusahaan Perasuransian Syariah Hasil Spin-Off di
Indonesia
Sumber: Otoritas Jasa Keuangan, diolah
Terlihat dari grafik di atas tidak seperti variabel sebelum-sebelumnya, asuransi
umum (Askrida) mengungguli asuransi jiwa (Bumiputera). Meski pada sepanjang
tahun 2016 terlihat terdapat kenaikan yang signifikan pada asuransi jiwa
(Bumiputera), namun untuk tahun 2017 hingga 2018 kembali menurun bahkan lebih
rendah dari reasuransi (ReIndo).
0%
10%
20%
30%
40%
50%
60%
70%
80%
Jan
-15
Ap
r-1
5
Jul-
15
Oct
-15
Jan
-16
Ap
r-1
6
Jul-
16
Oct
-16
Jan
-17
Ap
r-1
7
Jul-
17
Oct
-17
Jan
-18
Ap
r-1
8
Jul-
18
Oct
-18
Jiwa
Umum
Reas
80
g. Volume of Capital
Variabel ini menunjukkan jumlah keseluruhan modal yang dimiliki oleh
perusahaan peransuransian syariah baik jiwa, umum atau pun reasuransi. Terlihat
bahwa dari segi modal tidak terdapat peningkatan yang berarti dalam ketiga
perusahaan tersebut, namun dalam asuransi jiwa (Bumiputera) terjadi kenaikan modal
yang signifikan pada awal tahun 2018.
Grafik 3.6 - Volume of Capital Perusahaan Perasuransian Syariah Hasil Spin-Off
di Indonesia
Sumber: Otoritas Jasa Keuangan
-
500
1,000
1,500
2,000
2,500
3,000
3,500
Jan
-15
Ap
r-1
5
Jul-
15
Oct
-15
Jan
-16
Ap
r-1
6
Jul-
16
Oct
-16
Jan
-17
Ap
r-1
7
Jul-
17
Oct
-17
Jan
-18
Ap
r-1
8
Jul-
18
Oct
-18
Jiwa
Umum
Reas