BAB III METODE PENELITIAN A. Lokasi Penelitianeprints.umm.ac.id/41167/4/BAB III.pdf · melalui...
Transcript of BAB III METODE PENELITIAN A. Lokasi Penelitianeprints.umm.ac.id/41167/4/BAB III.pdf · melalui...
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.