4.

HASIL DAN PEMBAHASAN

4.1 Analisis Statistik Deskriptif

Analisis deskriptif digunakan untuk menggambarkan serta
mendiskripsikan suatu data dari sampel yang sudah dipilih. Dalam penelitian
ini, analisis perhitungan dilakukan dengan menggunakan Microsoft Excel dan
program IBM SPSS Statistics. Sampel yang dipilih yaitu data pembiayaan
pembiayaan musyarakah dan pembiayaan murabahah bank BCA Syariah Tahun
2017-2022.

Tabel 4.1
Uji Analisis Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

Pembiayaan Murabahah (X1) 6 225577470900 565841712375 406226716857.00 143119687021.399

Pembiayaan Musyarakah (X2) 6 1834415384926 5297352005949 3313342541912.67 1221461218397.660

ROA (Y) 6 .006913 .009279 .00819410 .000765018

Valid N (listwise) 6

Sumber : Data diolah

Berdasarkan pada tabel hasil uji statistic deskriptif diatas diketahui bahwa nilai
minimum pembiayaan murabahah sebesar 225.577.470.900, nilai maksimum
sebesar 565.841.712.375 dan mean sebesar 406.226.716.857,00 dengan standar
deviasi sebesar 143.119.687.021,399. Pembiayaan musyarakah diketahui bahwa
nilai minimum pembiayaan musyarakah sebesar, 1.834.415.384.926 nilai
maksimum sebesar 5.297.352.005.949 dan mean sebesar 3.313.342.541.912,67
dengan standar deviasi sebesar 1.221.461.218.397,660. Sedangkan untuk ROA
diketahui bahwa nilai minimum sebesar 0,006913 nilai maksimum sebesar
0,009279 dan mean sebesar 0,00819410 dengan standar deviasi sebesar
0,000765018.

4.2 Uji Asumsi Klasik

Untuk mengetahui kelayakan penerapan model regresi pada penelitian ini
maka dilakukan pengujian atas beberapa uji asumsi klasik yang akan
mendasari model regresi. Uji asumsi klasik ini terdiri dari uji normalitas, uji
multikolinearitas dan uji heteroskedastisitas untuk menguji keabsahan data.
a.Uji Normalitas
Uji normalitas data dilakukan dengan menggunakan One Sample
Kormogorov-Smirnov Test. Setelah dilakukan uji normalitas dihasilkan nilai
Asymp.Sig. (2-tailed) sebesar 0.086 yang berarti lebih besar daripada alpha
(α) yaitu sebesar 0.05, maka dapat disimpulkan bahwa data tersebut
berdistribusi normal.
Tabel 4.2
Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual
N 6
Normal Parameters a,b
Mean .0000000
Std. Deviation .00065610
Most Extreme Differences Absolute .305
Positive .209
Negative -.305
Test Statistic .305
Asymp. Sig. (2-tailed) .086c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.

Sumber : Data diolah

b. Uji Multikoleniaritas
Uji ini merupakan bentuk pengujian asumsi dalam analisis regresi
berganda. Asumsi multikolinearitas menyatakan bahwa variabel
independen harus terbebas dari gejala multikolinearitas. Menurut Imam
Ghazali (2011:1007-108) tidak terjadi gejala multikoleaniaritas, jika
Tolerance > 0,100 dan nilai VIF < 10,00.
Tabel 4.3
Uji Multikoleniaritas
 Sumber : Data diolah

Berdasarkan perhitungan diatas didapatkan tolerance X2 sebesesar 0,453

dan X1 sebesar 0,760 sedangkan nilai VIF untuk X1 dan X2 berturut-turut
sebesar 2,747 dan 2,747 yang berarti dapat dikatakan tidak terdapat
multikoleniaritas yang signifikan diantara du variabel bebas tersebut.

c. Uji Heterokedastisidas
Uji asumsi ini adalah asumsi dalam regresi dimana varian dari residual
tidak sama untuk satu pengamatan yang lain. Gejala varian residual yang
sama dari satu pengamatan yang lain disebut dengan homokedastisitas. Uji
heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan varians dan residual satu pengamatan ke
pengamatan yang lain. Model regresi dikatakan terjadi heteroskedastisitas
jika data berpencar di sekitar angka nol (0 pada sumbu Y) dan tidak
membentuk suatu pola atau trend tertentu.
Pengujian heteroskedastisitas dilakukan dengan membuat Scatterplot (alur
sebaran) antara residual dan nilai prediksi dari variabel terikat yang telah
distandarisasi. Hasil uji heteroskedastisitas dapat dilihat pada gambar
scatterplot, seperti pada gambar di bawah ini:
Gambar 4.1
Grafik Uji Heterokedastisitas
 Gambar di atas menunjukkan sebaran titik tidak membentuk suatu
pola/alur tertentu, sehingga dapat disimpulkan tidak terjadi
heteroskedastisitas atau dengan kata lain terjadi homoskedastisitas.

4.3 Pengujian Hipotesis

a. Uji T
Pengujian ini bertujuan untuk mengetahui pengaruh masing-masing
atau pengaruh secara parsial variabel independen terhadap variabel
dependen. Berdasarkan perbandingan, apabila nilai sig < 0,05 maka
variabel independen secara parsial berpengaruh signifikan terhadap
variabel dependen, serta apabila nilai sig > 0,05 maka variabel
independen secara parsial tidak berpengaruh signifikan terhadap
variabel dependen.
Tabel 4.4
Uji T

Sumber : Data diolah

Berdasarkan tabel uji parsial diatas, dapat diketahui bahwa nilai sig
untuk pegaruh X1 terhadap Y adalah sebesar 0,760 lebih besar > dari
0,05 maka diperoleh hasil variabel independent X1 secara parsial tidak
berpengaruh terhadap variabel Y. sedangkan untuk pengaruh X2
terhadap Y dapat diketahui nilai sig sebesar 0,453 lebih besar < dari
0,05 maka diperoleh hasil variabel independent X1 secara parsial tidak
berpengaruh terhadap variabel Y.
b. Uji F
Pengujian ini bertujuan untuk mengetahui pengaruh variabel
independen terhadap variabel dependen secara bersama-sama atau
secara simultan. Apabila nilai sig < 0,05 maka variabel independen
secara simultan berpengaruh signifikan terhadap variabel dependen,
serta apabila nilai sig > 0,05 maka variabel independen secara simultan
tidak berpengaruh signifikan terhadap variabel dependen.
Tabel 4.5
Uji F

Sumber : Data diolah

Berdasarkan tabel Anova diatas, dapat diketahui bahwa nilai sig untuk
pengaruh X1 dan X2 terhadap Y sebesar 0,631 lebih besar < dari 0,05
maka maka dapat diperoleh hasil bahwa variabel independen X1 dan
X2 secara simultan tidak berpengaruh terhadap Y.