BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

A. Analisis Statistik Deskriptif

Analisis statistik deskriptif berisikan penjelasan tentang gambaran data secara

deskriptif. Dalam teknik analisis statistik deskriptif data dapat disajikan dalam

bentuk tabel, grafik, persentase, diagram, frekuensi, perhitungan, mean,

median dan modus.1 Nilai-nilai tersebut digunakan sebagai petunjuk umum

yang berkaitan dengan variabel yang diteliti, sehingga dapat membuktikan

karakteristik data yang ada dengan menjelaskan besar nilai tersebut. Dalam

penelitian ini ada data yang ingin diketahui hasil penelitiannya yaitu Non

Performing Financing (NPF) dan Total Produk Pembiayaan. Adapun hasil

deskriptif disajikan untuk memberikan gambaran mengenai nilai rata-rata serta

standar deviasi dari variabel penelitian dengan pengolahan data menggunakan

eviews 9 dalam tabel IV.1 dibawah ini:

1
Sambas Ali Muhidin dan Maman Abdurrahman, (Analisis Korelasi, Regresi dan Jalur
dalam Penelitian (Dilengkapi dengan Aplikasi Program SPSS), (Bandung : CV. Pustaka
Setia), hal. 53.
 Tabel IV.1
Deskriptif Variabel Penelitian 2016-2019

Y X1NPF
Mean 213.5049 8.741063
Median 195.0405 8.309500
Maximum 320.1930 12.15200
Minimum 151.7520 6.798000
Std. dev. 53.59368 1.398621
Skewness 0.777904 0.909295
Kurtosis 2.185486 3.094616

Jarque-bera 6.167940 6.632442

Probability 0.045777 0.036290

Sum 10248.24 419.5710

Sum Sq. dev. 134997.3 91.93863

Observation 48 48
data diolah peneliti menggunakan Software Eviews 9

Berdasarkan hasil statistik deskriptif pada tabel di atas, dapat dilihat

gambaran masing-masing variabel X dan Y sebagai berikut:

a. Non Performing Financing (NPF)

Hasil uji statistik deskriptif tabel IV.1 menunjukan N ataupun

jumlah data pada setiap variabel berjumlah 48. Nilai Non Performing

Financing (NPF) pada Bank Umum Syariah di Indonesia periode tahun

2016-2019 memiliki nilai minimum 6.798000, nilai maximum sebesar

12.15200 serta nilai Mean dan Standard Deviation untuk Non Performing

Financing (NPF) adalah 8.741063 dan 1.398621, artinya nilai mean NPF

lebih besar daripada nilai standar deviasi, sehingga penyimpangan data

rendah maka penyebaran nilai yang terjadi merata2. Hal ini menandakan

2
Lathifah Mufti Ngawa, “Mekanisme CORPORATE GOVERNANCE Kinerja Keuangan
pada Perusahaan Manufaktur Sektor Industri Barang dan Konsumsi yang Terdaftar di Bursa
Efek Indonesia Tahun 2014-2016”, Skripsi, Program Studi Manajemen, Fakultas Ekonomi
dan Bisnis, Universitas Muhamadiyah Surakarta, 2018, hal. 36.

53
 bahwa Bank Umum Syariah di Indonesia mempunyai kemampuan

pengelolaan pembiayaan yang baik, sehingga jumlah pembiayaan

bermasalah relatif kecil.3

b. Total Produk Pembiayaan

Hasil pengujian pada statistik deskriptif tabel 4.1 mengindikasikan

bahwa Total Produk Pembiayaan pada Bank Umum Syariah di Indonesia

periode tahun 2016-2019 menghasilkan nilai minimum 151.7520, jumlah

nilai maximum sebesar 320.1930 serta nilai mean dan Standard Deviation

untuk total produk pembiayaan yang terdapat pada Bank Umum Syariah

berjumlah 213.5049 dan 53.59368, hal ini menunjukan nilai mean Total

Produk Pembiayaan yang terdapat pada Bank Umum Syariah di Indonesia

pada tahun 2016-2019 lebih besar daripada nilai standar deviasi, sehingga

penyimpangan data yang terjadi rendah maka penyebaran nilainya merata.

B. Uji Asumsi Klasik

a. Uji Normalitas

Uji ini memiliki tujuan untuk menguji apakah dalam model regresi

variabel dependen, variabel independen ataupun keduanya memiliki

distribusi yang normal atau tidak normal. Model relaps yang layak adalah

penyebaran yang biasa atau yang mendekati tipikal.4Untuk mengetahui

model regresi variabel dependen, variabel independen ataupun keduanya

mempunyai distribusi yang normal atau tidak penelitian menggunakan

3
Sri Wahyuni, “Pengaruh CAR, NPF, FDR, dan BOPO Terhadap Profitabilitas Bank
Umum Syariah Periode 2011-2015”, … hal. 80.
4
A. Muri Yusuf, Metode Penelitian Kuantitatif, Kualitatif dan Penelitian Gabungan”, …
hal. 288.

54
regresi probability plot untuk mengetahui apakah variabel tersebut

memiliki distribusi yang normal atau tidak.

Uji normalitas dapat dilakukan dengan menggunakan Jarque Bera.

Pengambilan keputusannya digunakan pedoman jika nilai Sig. <0,05 maka

distribusi data tidak normal. Begitupun sebaliknya jika nilai Sig > 0,05

maka distribusi data berlangsung normal.5

Gambar IV.1
Uji Normalitas Data
10
Series: Standardized Residuals
Sample 2016 2019
8 Observations 48

Mean 4.53e-16
6 Median 0.050174
Maximum 2.307538
Minimum -1.730511
4 Std. Dev. 1.101296
Skewness 0.106284
Kurtosis 2.320623
2
Jarque-Bera 1.013477
Probability 0.602457
0
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 2.5
Sumber: Diolah Oleh Peneliti Melalui Software Eviews 9
Dari gambar 4.1 di atas dapat diketahui bahwa nilai normalitas

dapat dilihat pada Probability plot. Uji Jarque Bera adalah salah satu uji

normalitas jenis goodness of fit test yang mana mengukur apakah

skewness dan kurtosis sampel sesuai dengan distribusi nirmal. Bila

probabilitasnya lebih besar dari 5% atau 0,05 maka data berdistribusi

5
Nur Hakiki Siregar, “Pengaruh Saham Syariah, Sukuk dan Reksadana Syariah Terhadap
Pertumbuhan Ekonomi Nasional” Skripsi, Universitas Islam Negeri Sumatera Utara
Medan, 2018, hal. 66.

55
 normal. Jika data tersebut menyebar disekitar garis menandakan pola

distribusi normal, maka model regresi memenuhi asumsi normalitas.6

Data di atas menghasilkan nilai profitabilitas dengan signifikasi

sebesar 0,602457 atau lebih besar dari signifikasi 0,05. Berdasarkan hasil

tersebut dan sejalan dengan teori Jarque Bera dapat disimpulkan bahwa

model persamaan regresi tersebut memiliki residual data yang berdistribusi

normal.

b. Uji Autokorelasi

Uji Autokorelasi berfungsi untuk menguji apakah dalam model

regresi linear terdapat korelasi antara kesalahan pengganggu pada periode t

dengan periode t-1 (sebelumnya). Model regresi yang layak adalah model

regresi yang terbebas dari gejala autokrelasi. Untuk mengetahui

autokrelasi dalam penelitian ini menggunakan nilai Durbin Watson yang

akan digunakan untuk mengecek apakah terjadi autokorelasi yang terdapat

pada data yang akan diuji.

Untuk membedakan faktor-faktor yang membingungkan dalam satu

periode yang berkaitan dengan periode sebelumnya ataupun faktor-faktor

yang lainnya.7

Uji autokorelasi dilakukan untuk mengetahui apakah ada autokorelasi

antara kesalahan pada periode sebelumnya pada model regresi linear yang

digunakan. Pengujian dalam autokorelasi bisa ditelaah dengan mencoba

6
Albertus Karjono dan Wijaya, “Analisis Pengaruh ROE, DER, dan TATO terhadap
Harga Saham pada Perusahaan Manufaktur Sektor Industri Barang Konsumsi yang Terdaftar
Bursa Efek Indonesia Periode 2012-2015, jurnal ESENSI, vol. 20, No. 2, 2017, hal.20.
7
Azuar Juliandi, Mengolah Data Penelitian Bisnis dengan SPSS, (Medan:Lembaga
Penelitian

56
pengamatan terhadap pola alur (Lagrange Multiplier) LM Test yang

diperoleh melalui aplikasi eviews 9.

Menurut Ghozali uji autokorelasi bertujuan untuk menguji apakah

dalam model regresi liner ada korelasi antara kesalahan pengganggu pada

periode t dengan kesalahan pengganggu pada periode t-1 (sebelumnya).

Jika nilai Prob. Chi-Square (Obs* R-Squared) > 0,05 maka tidak terjadi

masalah autokorelasi.

Hasil dari uji autokorelasi dengan menggunakan nilai Durbin

Watson dapat dilihat melalui tabel berikut :

Tabel IV.2
Hasil Uji Autokorelasi
Breusch-Godfrey Serial Correlation LM Test:

F-statistic 1.371893 Prob. F(2,43) 0.2645

Obs*R-squared 2.819137 Prob. Chi-Square(2) 0.2442

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 02/15/22 Time: 12:32
Sample: 2016M02 2019M12
Included observations: 47
Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.

C -0.067649 2.557533 -0.026451 0.9790

D(X1NPF) 0.247926 3.238141 0.076564 0.9393
RESID(-1) -0.241323 0.152065 -1.586980 0.1198
RESID(-2) -0.122151 0.151890 -0.804209 0.4257

R-squared 0.059982 Mean dependent var -6.43E-16

Adjusted R-squared -0.005601 S.D. dependent var 17.47513
S.E. of regression 17.52400 Akaike info criterion 8.646285
Sum squared resid 13204.89 Schwarz criterion 8.803744
Log likelihood -199.1877 Hannan-Quinn criter. 8.705538
F-statistic 0.914596 Durbin-Watson stat 1.952471
Prob(F-statistic) 0.441883

Sumber : Diolah Oleh Peneliti Melalui Eviews 9

57
 Berdasarkan tabel IV.2 pengolahan data menggunakan Software

Eviews 9 dengan uji autokorelasi pada tabel di atas, maka dihasilkan

nilai Prob. Chi-Square(2) yaitu 0.2442> 0,05. Menurut Ghozali, jika

nilai Prob. Chi Square (Obs* R-Squared) > 0,05 maka tidak terjadi

masalah autokorelasi. Maka dapat disimpulkan bahwa data tersebut

tidak terdapat autokorelasi.

Tabel IV.3
Hasil Durbin Watson

Autokorelasi Ragu- Tidak Ada Ragu- Autokorelasi

Positif ragu Autokorelasi ragu Negatif
(dL) (4-dL)
(dU) (4-dU)
1.4928 1.5776 1.952471 2.4424 2.5072

Sumber diolah oleh peneliti

Jika melihat tabel IV.3 hasil uji autokorelasi dapat diketahui nilai

Durbin Watson (d) adalah 1.952471. Tahap selanjutnya nilai ini akan

dibandingkan dengan tabel Durbin Watson yang memiliki sampel

sebanyak (n=48) dengan jumlah variabel independen sebanyak (k=1),

maka diperoleh nilai dL sebesar 1.4928 dan nilai dU sebesar 1.5776,

sehingga nilai 4-dU diperoleh dengan 4 - 1.5776 = 2.4424 dan nilai 4 dL

diperoleh dengan 4 – 1.4928 = 2.5072 Berdasarkan perhitungan nilai

Durbin Watson pada penelitian ini tidak terjadi autokorelasi.

c. Uji Heteroskedastisitas

Uji heteroskedastisitas adalah uji suatu keadaan dimana varian dan

kesalahan pengganggu besifat tidak konstan terhadap seluruh variabel X.

58
Model yang baik digunakan adalah model yang tidak terjadi

heteroskedastisitas, jika tidak ada pola yang jelas (bergelombang, melebar,

dan menyempit), seperti pola pada gambar scatterplots, serta titik-titik

yang menyebar diatas dan dibawah angka 0 pada sumbu Y.

Menurut Ghozali menyatakan bahwa uji heteroskedastisitas bertujuan

menguji apakah dalam model regresi terjadi ketidaksamaan varians dan

residual satu pengamatan yang lain. Jika varians dari residual satu

pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas dan

jika berbeda disebut heteroskedasititas.8 Uji yang dapat dilakukan dengan

metode grafik, yaitu uji glejser.

Menurut Imam Ghozali, Uji Glejser yaitu uji hipotesis untuk

mengetahui apakah sebuah model regresi memiliki indikasi

heterokedastisitas dengan cara meregres absolud residual. Jika

signifikansi dari nilai probabilitas lebih kecil dari 0,05 maka model

tersebut mengandung heteroskedastisitas, dan apabila signifikansi dari

nilai probabilitas lebih besar dari 0,05 maka model tersebut tidak

mengandung heteroskedastisitas.9

Berikut ini merupakan hasil dari uji heteroskedastisitas :

8
Yudistira, Dori Sandra, and Febsri Susanti. "Pengaruh Motivasi Kerja Dan
Budaya Kerja Terhadap Kinerja Karyawan Dinas Pemberdayaan Masyarakat Dan Desa,
Pengendalian Penduduk Dan Keluarga Berencana Kabupaten Pesisir Selatan." (2019).
9
Khariss Dinna Kartika, Pengaruh Saham Syariah…, hlm.56

59
 Tabel IV.4
Uji Heteroskedastisitas

Heteroskedasticity Test: Glejser

F-statistic 0.025778 Prob. F(1,46) 0.8731
Obs*R-squared 0.026883 Prob. Chi-Square(1) 0.8698
Scaled explained SS 0.015013 Prob. Chi-Square(1) 0.9025

Test Equation:
Dependent Variable: ARESID
Method: Least Squares
Date: 02/15/22 Time: 12:33
Sample: 2016M01 2019M12
Included observations: 48
Variable Coefficient Std. Error t-Statistic Prob.
C 39.94694 18.11203 2.205547 0.0325
X1NPF -0.328585 2.046570 -0.160554 0.8731
R-squared 0.000560 Mean dependent var 37.07475
Adjusted R-squared -0.021167 S.D. dependent var 19.41901
S.E. of regression 19.62346 Akaike info criterion 8.832102
Sum squared resid 17713.68 Schwarz criterion 8.910069
Log likelihood -209.9705 Hannan-Quinn criter. 8.861566
F-statistic 0.025778 Durbin-Watson stat 0.815913
Prob(F-statistic) 0.873148
Sumber: Diolah Oleh Peneliti Melalui Eviews 9

Berdasarkan pengolahan data pada tabel IV.4 dengan uji

heteroskedastisitas menggunakan Software Eviews 9 dapat dilihat

pada bagian Prob. Chi Square (1) (Obs *R-Squared) yaitu sebesar

0.8698 > 0,05. Sesuai dengan teori Imam Ghozali mengenai uji

Glejser bahwa apabila signifikansi dari nilai probabilitas lebih

besar dari 0,05 maka model tersebut tidak mengandung

heteroskedastisitas. Hal ini membuktikan bahwa data tersebut tidak

ada masalah heteroskedastisitas.

60
C. Uji Hipotesis

1. Uji Parsial (Uji-T)

Uji parsial (T) dalam analisis regresi sederhana bertujuan untuk

mengetahui apakah ada pengaruh masing-masing variabel independen (X)

terhadap variabel dependen (Y) jika dalam penelitian adalah pengaruh

NPF terhadap total produk pembiayaan. Jika nilai NPF lebih kecil dari

0,05 (5%) maka suatu variabel independen berpengaruh terhadap variabel

dependen.

Uji parsial dibutuhkan untuk mengetahui signifikan peran secra

parsial antara variabel independen terhadap variabel dependen dengan

mengansumsikan bahwa variabel independen dianggap konstan. Uji ini

juga dilakukan untuk mengetahui signifikan berpengaruh atau tidaknya

variabel bebas (Non Performing Financing) secara parsial terhadap

variabel; terikat (Total Produk Pembiayaan). Uji T digunakan untuk

mengetahui atau tidaknya hubungan atau pengaruh signifikan antara

variabel independen secara parsial terhadap variabel dependen.

Hal tersebut dapat dilakukan dengan membandingkan nilai t hitung

dibandingkan dengan nilai ttabel (df=n-k-1) cara mengambil keputusan uji t

yakni membandingkan hasil thitung dengan ttabel. Jika thitung> ttabel maka Ho

ditolak dan H1 diterima, sebaliknya jika thitung< ttabel maka H0diterima dan

H1 ditolak.

Hipotesis diterima jika taraf signifkan < 0,05 dan hipotesis ditolak

jika taraf signifkan >0,05. Adapun rumusan hipotesa dalam penelitian ini

61
sebagai berikut : Jika sig <0,05, maka H0 ditolak dan H1 diterima Jika sig

>0,05, maka H0 diterima dan H1 ditolak.

Tabel IV.5
Hasil Uji Parsial (T)
Dependent Variable: Y
S
uMethod: Least Squares
Date: 02/15/22 Time: 12:29
m
Sample (adjusted): 2016M01 2019M12
b
Included observations: 48 after adjustments
e
r
Variable Coefficient Std. Error t-Statistic Prob.
:
C 7.035192 39.37124 0.178689 0.8590
D X1NPF 23.62067 4.448754 5.309501 0.0000
i
oR-squared 0.379977 Mean dependent var 213.5049
lAdjusted R-squared 0.366498 S.D. dependent var 53.59368
aS.E. of regression 42.65672 Akaike info criterion 10.38502
hSum squared resid 83701.39 Schwarz criterion 10.46299
Log likelihood -247.2405 Hannan-Quinn criter. 10.41448
OF-statistic 28.19081 Durbin-Watson stat 0.182931
lProb(F-statistic) 0.000003
e
h
Peneliti Melalui Eviews 9.

Berdasarkan hasil tabel IV.5 uji parsial (T) pada variabel

independen dan variabel dependen adalah sebagai berikut :

a. Berdasarkan hasil uji parsial (T) diperoleh hasil dari penelitian bahwa

hasil perhitungan variabel bebas X (Non Performing Financing)

mempunyai koefisien 23.62067, menunjukan nilai signifikan Non

Performing Financing (NPF) yang diperoleh adalah 0.000 < 0,05,

maka dapat disimpulkan secara parsial Non Performing Financing

(NPF) berpengaruh signifikan terhadap total produk pembiayaan, hal

ini disebabkan nilai signifkan variabel NPF memiliki nilai yang lebih

kecil dari nilai 0,05, maka H1 diterima dan H0 ditolak. Namun terdapat

pengaruh positif antara NPF terhadap total produk pembiayaan.

62
D. Analisis Regresi Linear Sederhana

Analisis regresi linier sederhana yaitu digunakan untuk mengukur

besarnya pengaruh satu variabel bebas atau variabel independen atau

variabel X terhadap variabel dependen terikat atau Y. Analisis Regresi

Sederhana adalah sebuah metode pendekatan untuk pemodelan hubungan

antara satu variabel dependen dan satu variabel independen.

Dalam model regresi, variabel independen menerangkan variabel

dependennya. Dalam analisis regresi sederhana, hubungan antara variabel

bersifat linier, dimana perubahan pada variabel X akan diikuti oleh

perubahan pada variabel Y secara tetap. Sementara pada hubungan non

linier, perubahaan variabel X tidak diikuti dengan perubahaan variabel Y

secara proporsional. seperti pada model kuadratik, perubahan X diikuti

oleh kuadrat dari variabel X. Hubungan demikian tidak bersifat linier.

Hasil analisis linier sederhana dapat dilihat sebagai berikut:

Tabel IV.6
Hasil Analisis Regresi Sederhana
Dependent Variable: Y
Method: Least Squares
Date: 02/15/22 Time: 12:29
Sample (adjusted): 2016M01 2019M12
Included
d observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 7.035192 39.37124 0.178689 0.8590

X1NPF 23.62067 4.448754 5.309501 0.0000

R-squared 0.379977 Mean dependent var 213.5049

Adjusted R-squared 0.366498 S.D. dependent var 53.59368
S.E. of regression 42.65672 Akaike info criterion 10.38502
Sum squared resid 83701.39 Schwarz criterion 10.46299
Log likelihood -247.2405 Hannan-Quinn criter. 10.41448
F-statistic 28.19081 Durbin-Watson stat 0.182931
Prob(F-statistic) 0.000003

63
 Dari tabel IV.6 di atas dapat dirumuskan suatu persamaan regresi

untuk mengetahui pengaruh Non Performing Financing (NPF) terhadap

total produk pembiayaan sebagai berikut:

Y = 7.035192 + 23.62067 X

Keterangan:

Y = Total Produk Pembiayaan

a = Konstanta

X= Non Performing Financing (NPF)

Berdasarkan regresi linier sederhana diuraikan sebagai berikut:

Nilai konstanta pada persamaan regresi menunjukkan bahwa variabel

NPF bernilai 0, maka variabel total produk pembiayaan nilainya positif

7.035192

a. Nilai konstanta pada persamaan regresi menunjukkan bahwa jika

variabel Non Performing Financing (NPF) bernilai 0, maka variabel

total produk pembiayaan nilainya positif 7.035192.

b. Jika variabel Non Performing Financing (NPF) X mengalami

peningkatan sebesar satuan, maka variabel total produk pembiayaan

pada Bank Umum Syariah di Indonesia akan naik sebesar 23.62067.

E. Pembahasan

Dalam penelitian yang dilakukan, Non Performing Financing (NPF)

adalah salah satu alat untuk mengukur yang pas dalam tingkat efektifitas pada

sebuah bank dengan menggunakan aktiva yang dimiliki oleh Bank Umum

Syariah di Indonesia untuk menghasilkan keuntungannya. Penelitian jumlah

64
signifikan Non Perfroming Financing yakni 0,000 < 0,05 yang artinya terdapat

pengaruh positif dan signifikan terhadap total produk pembiayaan pada Bank

Umum Syariah di Indonesia tahun 2016-2019.

Penelitian ini dilaksanakan dengan tujuan untuk mengetahui apakah

variabel independen Non Performing Financing (NPF) memiliki pengaruh

terhadap variabel dependen Total Produk Pembiayaan, serta untuk mengetahui

apa saja yang menjadi faktor-faktor yang mempengaruhi Non Performing

Financing (NPF).

Dalam penelitian ini banyak sampel yang diambil yaitu data rasio Non

Performing Financing dan Total Produk Pembiayaan pada Bank Umum

Syariah dari tahun 2016-2019. Data diambil perbulan tiap tahunnya dari

Januari 2016 sampai Desember 2019. Kemudian dari data-data tersebut

dikelompokkan dan diuji dengan aplikasi pengolah data yaitu Software Eviews

9. Berdasarkan penyajian data dan pengolahan data, hasilnya menunjukkan

bahwa data berdistribusi normal dan homogen.

Berdasarkan hasil pengujian secara parsial (individual) dapat diketahui

dari tabel coefficients variabel NPF (X) berpengaruh positif dan signifikan

terhadap total produk pembiayaan (Y). Dengan nilai coefficients 28,19081 dan

Sig. 0.000003 < 0,05. Hasil penelitian ini menunjukkan bahwa NPF

berpengaruh secara simultan dan signifkan terhadap total produk pembiayaan.

Hasil penelitian ini menunjukkan bahwa NPF berpengaruh simultan dan

signifikan terhadap total produk pembiayaan.

65
 Non Performing Financing (NPF) merupakan rasio perbandingan antara

jumlah pembiayaan yang diberikan dengan kriteria kurang lancar, diragukan,

dan macet terhadap total pembiayaan yang diberikan oleh bank. Menurut

Dendawijaya memaparkan salah satu pengaruh dari kehadiran Non

Performing Financing (NPF) yang tidak biasa atau terlampau tinggi adalah

hilangnya peluang untuk mendapatkan income (pendapatan) dari pembiayaan

yang telah diberikan,10 sehingga berpengaruh terhadap laba yang diperoleh

dan memiliki pengaruh terhadap tingkat bagi hasil yang diberikan kepada

nasbah. Sebaliknya, ketika Non Performing Financing (NPF) suatu bank

berada pada posisi yang tidak sesuai atau rendah, maka keuntungan yang

diperoleh oleh bank dari pembiayaan yang disalurkan akan semakin besar dan

akan mengalami peningkatan terhadap porsi bagi hasil yang diberikan kepada

nasabah.11

Pada hasil penelitian ini dapat dilihat bahwa hasilnya menunjukkan

semakin tinggi jumlah pembiayaan maka semakin tinggi rasio NPF tersebut.

Hasil ini sejalan dengan teori yang menyatakan bahwa semakin tinggi jumlah

pembiayaan maka rasio NPF akan semakin tinggi, jika jumlah pembiayaan

rendah maka jumlah rasio NPF stabil . Hasil penelitian ini sejalan dengan teori

pertama menurut Rivai dan Arifin semakin tinggi suatu pembiayaan maka

10
Lukman Dendawijaya, “Manajemen Perbankan“,(Jakarta: Gahlia Indonesia,
2009), hal.82.
11
Taswan, “Manajemen Perbankan : Konsep Teknik dan Aplikasi Banking Risk
Assements”, (Yogyakarta: UPP STIM YPKN, 2010), hal. 67.

66
akan semakin tinggi resiko pembiayaan bermasalah yang dihadapi oleh Bank

Syariah.12

Teori Kedua menurut Ali, pembiayaan yang disalurkan oleh bank

syariah sangat mungkin mengandung resiko di dalamnya, salah satunya

pembiayaan bermasalah yang memiliki resiko tinggi jika uang yang

dipinjam tidak kembali .Risiko pembiayaan dapat dilihat dari tingkat Non

Performing Financing (NPF) yang terdiri dari pembiayaan kurang lancar,

diragukan, dan macet dengan total pembiayaan yang disalurkan secara

keseluruhan. Besar kecilnya pembiayaan bermasalah (Non Performing

Finance) ini menunjukan kinerja suatu bank dalam pengelolaan dana

yang disalurkan. Apabila porsi pembiayaan bermasalah membesar, maka

hal tersebut pada akhirnya menurunkan besaran pendapatan yang diperoleh

bank.13

Teori Ketiga berdasarkan Peraturan Bank Indonesia Nomor

6/10/PBI/2004 tanggal 12 April 2004 tentang Sistem Penilaian Tingkat

Kesehatan Bank Umum, semakin tinggi nilai NPF (diatas 5%) maka bank

tersebut tidak sehat. Jadi apabila nilai NPF masih berada di bawah 5%, maka

bank masih dianggap sehat.14 Teori keempat menurut Gup dan Kolari dan

12
Alissanda, Dandy Gustian. "Pengaruh CAR, BOPO Dan FDR Terhadap Non
Performing Finance (NPF) pada Bank Umum Syariah Tahun 2011-2013." (2015).
13
Ana Masitoh, “Pengaruh Pembiayaan Mudharabah, Murabahah dan Non
Performing Financing (NPF) terhadap Profitabilitas Bank Umum Syariah Terdaftar di
Bank Indonesia tahun 2014-2017”, Jurnal Widya Ganeswara, vol. 28, 2019, hal. 2.
14
Pratin and Akhyar Adnan, “Analisis Hubungan Simpanan, Modal Sendiri,
NPL, Prosentase Bagi Hasil Dan Markup Keuntungan Terhadap Pembiayaan Pada
Perbankan Syariah Studi Kasus Pada Bank Muamalat Indonesia (BMI),” SINERGI, 2005,
hal.35-52

67
Prasetyo, kualitas pinjaman juga dapat dilihat dari besarnya penghapus bukuan

dan Non Performing Loan.15 Teori kelima menurut Ascarya dan Yumanita

NPF merupakan salah satu indikator kestabilan perbankan. Kegagalan

perbankan terlihat dari bank-bank yang mengalami kerugian yang besar akibat

memburuknya tingkat NPF.16

Berdasarkan hasil penelitian secara signifikan yang memiliki pengaruh

positif dan simultan hasil ini sejalan dengan penelitian terdahulu diantaranya:

Pertama, hasil penelitian Siti Aulia Dewi Septiani, yang menyatakan bahwa

nilai signifikan Non Performing Financing 0,01< 0,05 maka Non Performing

Financing berpengaruh signifikan terhadap pembiayaan mudharabah. Hal ini

sejalan dengan teori milik dendawijaya yang memaparkan bahwa jika rasio

NPF berada dibawah 5% maka keuntungan yang diperoleh oleh bank akan

lebih besar.

Kedua, hasil penelitian Agung Mulya Prasetyo, yang menyatakan bahwa

nilai signifikan Non Performing Financing 0,000 < 0,05 maka Non Performing

Financing berpengaruh signifikan terhadap Retrurn On Asset (ROA). Hasil

dari penelitian ini sejalan dengan teori yang dikemukakan oleh Peraturan Bank

Indonesia Nomor 6/10/PBI/2004 yang menyatakan bahwa kualitas Bank

Syariah yang sehat ditandai dengan rasio NPF berada tidak lebih dari 5%.

15
Haqiqi Rafsanjani, “Faktor-Faktor yang Mempengaruhi Non Performing
Financing- Studi Kasus Pada Bank dan BPR Syariah di Indonesia”, Jurnal Ekonomi dan
Perbankan Syariah, vol. 4, no. 1, 2019, hal. 45.
16
Ascara dan Diana Yumanita, “Gambaran Umum Bank Syariah”, (Jakarta :Pusat
Pendidikan dan Studi Kebanksentralan Indonesia), 2009, hal. 45.

68
 Ketiga, hasil penelitian Rani Fiawati, yang menyatakan bahwa nilai

signifikan Probabilitas Non Performing Financing 0,0000< 0,05 maka Non

Performing Financing berpengaruh signifikan terhadap Net Operating Margin

(NOM). Penelitian ini sejalan dengan teori yang dipaparkan oleh Gup, Kolai

dan Prasetyo yang menjelaskan bahwa kualitas pinjaman dapat dilihat dari

besarnya penghapusan Non Performing Loan.

Hasil penelitian ini menyatakan bahwa Non Performing Financing (NPF)

berpengaruh positif dan signifikan terhadap total produk pembiayaan. Non

Performing Financing dapat dibuktikan berpengaruh terhadap tingkat total

produk pembiayaan. Hasil tersebut menjelaskan bahwa rasio NPF yang tinggi

akan memperlihatkan efek buruk bagi kesehatan bank yang secara langsung

akan berdampak buruk juga untuk tingkat bagi hasil yang diterima oleh

nasabah. Peningkatan nilai NPF dapat disebabkan oleh beberapa faktor,

yaitu:17Ada beberapa faktor yang dapat mempengaruhi Non Performing

Financing (NPF) Pertama, yaitu skala industri dari bank syariah itu sendiri.

Misalnya, bank yang berdiri dan berkembang lebih dulu akan mampu

melakukan efisiensi lebih baik dibanding bank yang masuk belakangan.

Kedua, cost structure atau struktur biaya. Tinggi rendahnya struktur

biayaakan mempengaruhi penekanan terhadap NPF dan mempengaruh juga

terhadap bagi hasil. Cost structure akan mengacu pada beberapa jenis biaya

yang sudah dikeluarkan oleh suatu perusahaan, yang mana umumnya

17
Supeno, Wangsit. "Analisis efisiensi BOPO terhadap laba bersih pada
BPR." Jurnal Kajian Ilmiah 19.2 (2019), hal.182-194.

69
mencakup biaya tetap dan juga biaya variabel.18 Sederhananya, biaya variabel

adalah biaya yang mengalami perubahan seiring dengan tingkat perubahan

produksi. Apabila struktur biaya baik, maka tingkat NPF akan menurun dan

bagi hasil akan meningkat.

Ketiga, Gross Domestic Product. Gross Domestic Product adalah barabg

dan jasa yang dhasilkan oleh suatu negara dalam kurun wajtu

tertentu.Komponen yang terdapat dalam GDP adalah pendapatan, pengeluaran

ataupun investasi, pengeluaran pemerintah dan selisih ekspor impor.19Jika

Gross Domestic Product semakin rendah maka nilai NPF juga akan semakin

rendah dan tingkat bagi hasil akan meningkat.

18
Russell, Daniel M., et al. "The cost structure of sensemaking." Proceedings of
the INTERACT'93 and CHI'93 conference on Human factors in computing systems. 1993.
19
Arnott, Robert D., and Peter L. Bernstein. "What risk premium is
“normal”?." Financial Analysts Journal 58.2 (2002), hal.64-85.

70