33

BAB III

METODE PENELITIAN

A. Lokasi Penelitian

Penelitian yang dilakukan adalah di Indonesia dengan obyek Bank

Umum Syariah. mengenai faktor yang mempengaruhi penyaluran pembiayaan

pada Bank Umum Syariah (BUS) tahun 2011-2015. Lokasi pengambilan data

melalui media yaitu Statistik Perbankan Syariah di website: www.ojk.go.id.

B. Jenis Penelitian

Penelitian ini merupakan studi pustaka yaitu metode pengumpulan data

dengan mencari informasi melalui buku, jurnal, dan laporan keuangan. Studi

pustaka pada penelitian ini yaitu laporan keuangan Bank Umum Syariah yang

telah dipublikasikan tahun 2011-2015.

C. Populasi dan Sampel

Populasi dan sampel yang digunakan dalam penelitian adalah jumlah

keseluruhan bank umum syariah yaitu sebanyak 12 bank.

Tabel 3.1 daftar nama bank umum syariah.

No bank umum syariah

1 PT. Bank Muamalat Indonesia 7 PT. Bank Mega Syariah

2 PT. Bank Victoria Syariah 8 PT. Bank Panin Syariah

3 PT. Bank BRISyariah 9 PT. Bank Syariah Bukopin

4 PT. Bank Jabar Banten Syariah 10 PT. BCA Syariah

5 PT. Bank BNI Syariah 11 PT. Maybank Syariah Indonesia

6 PT. Bank Syariah Mandiri 12 PT. Bank Tabungan Pensiun

Nasional Syariah

Sumber : Otoritas Jasa Keuangan (OJK)

34

D. Definisi Operasional dan Pengukuran Variabel

1. Variabel Dependent

Variabel dependent pada penelitian ini adalah pembiayaan yang

diberikan oleh Bank Umum Syariah tahun 2011-2015. ini merupakan

variabel terikat atau variabel Dependent. Variabel Y tersebut untuk mengukur

besarnya penyaluran pembiayaan pada Bank Umum Syariah tahun 2011-

2015, ukuran penelitian yang digunakan dalam bentuk persen (%).

2. Variabel Independent

a. Capital Adequacy Ratio (X1)

Capital Adequacy Ratio merupakan variabel Independent. CAR

adalah rasio permodalan yang digunakan untuk mengukur kemampuan

bank dalam menyediakan dana untuk keperluan pengembangan usaha

serta menampung kemungkinan risiko kerugian yang diakibatkan dalam

operasional bank, semakin besar rasio tersebut maka semakin baik posisi

modal. Ukuran penelitian yang digunakan dalam bentuk persen (%).

Modal Bank

CAR = X 100%

Total Aktiva Tertimbang

Menurut Risiko

b. Non Performing Financing (X2)

Non Performing Financing adalah kredit bermasalah yang terdiri

dari kredit yang berklasifikasi kurang lancar, diragukan, dan macet. Selain

itu, untuk mengukur tingkat permasalahan pembiayaan bank syariah.

Semakin tinggi rasio ini maka bank tersebut semakin tidak sehat. Ukuran

penelitian yang digunakan dalam bentuk persen (%).

35

Pembiayaan Bermasalah

NPF = X 100%

Total Pembiayaan

c. Return On Asset (X3)

Return On Asset merupakan rasio yang menunjukkan hasil (return)

atas jumlah aktiva yang digunakan dalam perusahaan. Hasil pengembalian

investasi menunjukkan produktivitas dari seluruh dana perusahaan, baik

modal pinjaman maupun modal sendiri. Semakin rendah rasio ini, maka

semakin kurang baik, demikian sebaliknya. Artinya rasio ini digunakan

untuk mengukur efektifitas dari keseluruhan operasi bank. Ukuran

penelitian yang digunakan dalam bentuk persen (%).

Laba sebelum pajak,

ROA =

Rata-rata total aset

E. Jenis dan Sumber Data

1. Jenis Data

Data yang digunakan dalam penelitian ini adalah data sekunder

yaitu data penelitian yang diperoleh melalui media perantara atau secara

tidak langsung, yang berupa buku, jurnal, dan data laporan keuangan,

Penelitian ini menggunakan data time series, yaitu data runtun waktu yang

merupakan data laporan keuangan bank. Mulai dari bulan Januari 2011

sampai desember 2015.

2. Sumber Data

Dalam penelitian ini diperoleh data dari yang telah dipublikasikan

oleh Otoritas Jasa Keuangan (OJK) yaitu dengan situs web:www.ojk.go.id.

36

Otoritas Jasa Keuangan merupakan lembaga yang independen dan bebas

dari campur tangan pihak lain, yang mempunyai fungsi, tugas, dan

wewenang pengaturan, pengawasan, pemeriksaan dan penyidikan.

Dibentuk berdasarkan UU Nomor 21 Tahun 2011 yang berfungsi

menyelenggarakan sistem pengaturan dan pengawasan yang terintegrasi

terhadap keseluruhan kegiatan di dalam sektor jasa keuangan.

F. Teknik Pengumpulan Data

Teknik pengumpulan data yang digunakan adalah dengan cara

mengumpulkan,mencatat dan mengkaji data sekunder yang berupa laporan

keuangan Bank Umum Syariah (BUS) yang dipublikasikan dalam situs resmi.

Data diperoleh dari laporan keuangan bank yang bersangkutan pada tahun

2011-2015.

G. Teknik Analisis Data

Model analisis yang digunakan adalah Regresi Linier Berganda.

Menurut Satria (2009) regresi linier berganda merupakan bentuk kualitatif

pertama yang paling sering digunakan dalam analisis. Model ini dikatakan

berganda karena di dalam model regresi linier berganda variabel bebas

(explanatory) yang digunakan lebih dari satu variabel.

Metode estimasi yang digunakan adalah metode kuadrat terkecil biasa

(Ordinary Least Square). Metode kuadrat terkecil biasa adalah suatu metode

estimasi yang dilakukan dengan cara memperkecil kesalahan penaksiran

dengan cara menderivasi jumlah kuadrat kesalahan terhadap nilai penaksir

parameter hingga nol.

37

Penelitian menggunakan uji statistik dan uji ekonometrika untuk

menganalisis dan penguji data penelitian. Uji statistik yang digunakan adalah

pengujian hipotesis, antara lain uji “t”, uji “F”, dan Koefisien Determinasi

(R²). Sedangkan uji ekonometrika yang digunakan untuk menguji

penyimpangan asumsi klasik antara lain uji Normalitas, uji Heterokedastisitas,

uji Multikolinearitas dan uji Autokorelasi.

Faktor yang mempengaruhi penyaluran pembiayaan pada Bank Umum

Syariah dan Unit Usaha Syariah adalah Capital Adequacy Ratio (CAR), Non

Performing Financing (NPF), dan Return On Asset (ROA) yang dinyatakan

dalam fungsi: LogY= α + b1X1 + b2X2 + b3X3 + e

Keterangan :

LogY : Pembiayaan Yang Diberikan (%)

X1 : Capital Adequacy Ratio (%)

X2 : Non Performing Financing (%)

X3 : Return On Asset (%)

α : Konstanta

b1 : Koefisien regresi variabel capital adequacy ratio

b2 : Koefisien regresi variabel Non Performing Financing

b3 : Koefisien regresi variabel Return On Asset

e : Error

Ketepatan fungsi regresi dalam penafsiran nilai actual dapat diukur dengan :

1. Uji t

Menurut Sujarweni (2015:229) uji t menunjukkan seberapa jauh

pengaruh satu variabel independen atau variabel penjelas secara individual

38

(parsial) dalam menerangkan variabel dependen. Apabila nilai probabilitas

signifikannya lebih kecil dari 0, 05 (5%) maka suatu variabel independen

berpengaruh signifikan terhadap variabel dependen. Hipotesis diterima

jika taraf signifikan (a) < 0, 05 dan hipotesis ditolak jika taraf signifikan

(a) > 0, 05.

Kriteria :

a. Jika t hitung > t tabel maka Ho ditolak dan Ha diterima.

b. Jika t hitung < t tabel maka Ho di terima dan Ha ditolak.

Atau

a. Jika p < 0, 05, maka Ho ditolak dan Ha diterima.

b. Jika p > 0, 05, maka Ho diterima dan Ha ditolak.

2. Uji F

Menurut Sujarweni (2015:228) signifikansi model regresi secara simultan

diuji dengan melihat nilai signifikansi (sig) di mana jika nilai sig dibawah 0, 05

maka variabel independen berpengaruh terhadap variabel dependen. Uji F-statistik

digunakan untuk membuktikan ada pengaruh antara variabel independen terhadap

variabel dependen secara simultan (bersama-sama).

Kriteria :

a. Jika F hitung > F tabel, maka Ho ditolak dan Ha diterima.

b. Jika F hitung < F tabel, maka Ho diterima dan Ha ditolak.

Atau

a. Jika p < 0, 05, maka Ho ditolak dan Ha diterima.

b. Jika p > 0, 05, maka Ho diterima dan Ha ditolak.

39

3. Uji Koefisien Determinasi (R²)

Menurut Sujarweni (2015:228) koefisien determinasi (Goodness of

fit), yang dinotasikan dengan R² merupakan suatu ukuran yang penting

dalam regresi. Determinasi (R²) mencerminkan kemampuan variabel

dependen. Tujuan analisis ini adalah untuk menghitung besarnya pengaruh

variabel independen terhadap variabel dependen. Nilai R² menunjukkan

seberapa besar proporsi dari total variasi variabel tidak bebas yang dapat

dijelaskan oleh variabel penjelasnya. Semakin tinggi nilai R² maka

semakin besar proporsi dari total variasi variabel dependen yang dapat

dijelaskan oleh variabel independen.

4. Uji Asumsi Klasik

a. Uji Normalitas

Menurut Sujarweni (2015:225) uji normalitas bertujuan untuk

menguji apakah dalam model regresi, variabel terikat dan variabel

bebas keduanya mempunyai distribusi normal ataukah tidak. Uji

normalitas data dapat dilakukan dengan menggunakan uji Kolmogorov

Smirnov satu arah. Pengambilan kesimpulan untuk menentukan apakah

suatu data mengikuti distribusi normal atau tidak adalah dengan

menilai nilai signifikannya. Jika signifikan > 0, 05 maka variabel

berdistribusi normal dan sebaliknya jika signifikan < 0, 05 maka

variabel tidak berdistribusi normal.

Menurut Suliyanto (2011:31) uji normalitas adalah untuk

menguji apakah nilai residual yang telah distandarisasi pada model

40

regresi berdistribusi normal atau tidak. Nilai residual dikatakan

berdistribusi normal jika nilai residual terstandarisasi tersebut sebagian

besar mendekati nilai rata-ratanya. Nilai residual terstandarisasi yang

berdistribusi normal jika digambarkan dalam bentuk kurva akan

membentuk gambar lonceng (bell-shaped curve) yang kedua sisinya

melebar sampai tidak terhingga.

Tidak terpenuhinya normalitas pada umumnya disebabkan

karena distribusi data yang dianalisis tidak normal, karena terdapat

nilai ekstrem pada data yang di ambil. Nilai ekstrem ini dapat terjadi

karena adanya kesalahan dalam pengambilan sampel, bahkan karena

kesalahan dalam input data atau memang karena karakteristik data

tersebut sangat jauh dari rata-rata. Dengan kata lain, data tersebut

memang benar-benar berbeda dengan yang lain. Untuk mendeteksi

apakah nilai residual terstandarisasi berdistribusi normal atau tidak,

maka dapat digunakan metode analisis grafik dan metode statistik.

b. Uji Heteroskedastisitas

Menurut Sujarweni (2015:226) uji heterokedastisitas adalah suatu

keadaan di mana varians dan kesalahan pengganggu tidak konstan untuk

semua variabel bebas. Model regresi yang baik adalah tidak terjadi

heterokedastisitas. Uji heterokedastisitas dapat dilakukan dengan

menggunakan uji Glejser yaitu dengan menguji dengan tingkat

signifikannya. Pengujian ini dilakukan untuk merespon variabel x sebagai

variabel independen dengan nilai absolut unstandardized residual regresi

41

sebagai variabel dependen. Apabila hasil uji diatas level signifikan ( r > 0,

05) berarti tidak terjadi heretokedastisitas dan sebaliknya apabila level di

bawah signifikan ( r < 0, 05) berarti terjadi heterokedastisitas.

Menurut Suliyanto (2011:32) uji heteroskedastisitas ialah ada

varian variabel pada model regresi yang tidak sama (konstan).

Sebaliknya, jika varian variabel pada model regresi memiliki nilai

yang sama (konstan) maka disebut dengan homoskedastisitas. Yang

diharapkan pada model regresi adalah yang homoskedastisitas.

Masalah heteroskedastisitas sering terjadi pada penelitian yang

menggunakan data cross-section.

c. Uji Multikolinearitas

Menurut Sujarweni (2015:226) uji multikolinearitas berarti ada

hubungan linier yang sempurna atau pasti diantara beberapa atau

semua variabel yang indepeden dari model yang ada. Akibat adanya

multikolinearitas ini koefisien regresi tidak tertentu dan kesalahan

standarnya tidak terhingga. Hal ini menimbulkan bias dalam

spesifikasi. Uji multikolinearitas bertujuan untuk menguji apakah pada

model regresi ditemukan korelasi antar variabel bebas.

Pada model regresi yang baik seharusnya tidak terjadi korelasi

diantara variabel bebas. Metode untuk menguji adanya

multikolinearitas ini dapat dilihat dari tolerance value atau variance

inflation factor (VIF). Batas dari tolerance value > 0,1 atau nilai VIF

lebih kecil dari 10 maka tidak terjadi multikolinearitas.

42

Menurut Suliyono (2011:32) uji multikolinearitas ialah terjadi

korelasi linear yang mendekati sempurna antar lebih dari dua variabel

bebas. Uji multikolinearitas bertujuan untuk menguji apakah dalam model

regresi yang berbentuk ada korelasi yang tinggi atau sempurna di antara

variabel bebas atau tidak. Jika dalam model regresi yang terbentuk terdapat

korelasi yang tinggi atau sempurna di antara variabel bebas maka model

regresi tersebut dinyatakan mengandung gejala multikolinier.

d. Uji Autokorelasi

Menurut Sujarweni (2015:225) uji autokorelasi dalam suatu

model bertujuan untuk mengetahui ada tidaknya korelasi antara

variabel pengganggu pada periode tertentu dengan variabel

sebelumnya. Untuk data time series autokorelasi resing terjadi. Tapi

untuk data yang sampelnya crossection jarang terjadi karena variabel

pengganggu satu berbeda dengan yang lain. Mendeteksi autokorelasi

dengan menggunakan nilai Durbin Watson dengan kriteria jika :

1. Angka D-W di bawah -2 berarti ada autokorelasi positif.

2. Angka D-W di antara -2 dan +2 berarti tidak ada autkorelasi.

3. Angka D-W di atas +2 berarti ada autokorelasi negatif.

Menurut Suliyanto (2011:33) uji autokorelasi yaitu bertujuan

untuk mengetahui apakah ada korelasi antara anggota serangkaian data

observasi yang diuraikan menurut waktu (time series) atau ruang

(cross section). Beberapa penyebab munculnya masalah autokorelasi

dalam analisis regresi adalah :

43

1. Adanya kelembaman (inertia)

Salah satu ciri yang menonjol dari sebagian data runtun waktu

(time series) dalam fenomena ekonomi adalah kelembaman, seperti

data pendapatan nasional, indeks harga konsumen, data produksi, data

kesempatan kerja, data pengangguran yang menunjukkan adanya pola

konjungtur. Dalam situasi seperti ini, data observasi pada periode

sebelumnya dan periode sekarang, kemungkinan besar akan

mengandung saling ketergantungan (interdependence).

2. Bias spesifikasi model kasus variabel yang tidak dimasukkan.

Hal ini disebabkan oleh tidak dimasukkannya variabel yang

menurut teori ekonomi sangat penting perannya dalam

menjelaskan variabel tak bebas. Bila hal ini terjadi, unsur

pengganggu (error term) ui, akan merefleksikan suatu pola yang

sistematis di antara sesame unsur pengganggu sehingga terjadi

situasi autokorelasi di antara unsur pengganggu.

3. Adanya fenomena laba-laba (cobweb phenomenon)

Munculnya fenomena sarang laba-laba terutama terjadi

pada penawaran komoditi sektor pertanian. Di sektor pertanian,

reaksi penawaran terhadap perubahan harga terjadi setelah melalui

tenggang waktu (getation periode).

4. Manipulasi data (manipulation of data)

Dalam analisis empiris, terutama pada data time series,

seringkali terjadi manipulasi data. Hal ini terjadi karena ada yang

44

diinginkan tidak tersedia. Contohnya adalah data GNP, data GNP

biasanya tersedia dalam bentuk tahunan, sehingga seorang peneliti

ingin mendapatkan data GNP kuartalan, peneliti tersebut harus

melakukan interpolasi data. Adanya interplasi atau manipulasi data ini

jelas akan menimbulkan suatu pola fluktuasi yang tersembunyi yang

mengakibatkan munculnya pola sistematis dalam unsur pengganggu

dan akhirnya akan menimbulkan masalah autokorelasi.

5. Adanya kelambanan waktu (time longs)

Dalam regresi menggunakan data time series, pengeluaran

konsumsi atas tingkat pendapatan merupakan hal yang lazim untuk

mendapatkan bahwa pola pengeluaran konsumsi untuk periode

sekarang antara lain ditentukan oleh pengeluaran konsumsi pada

periode sebelumnya, dimana model seperti ini dalam ekonometrika

dikenal dengan istilah regresi model otoregresif.