METODE PENELITIAN
41
42
Tabel 3.2
Sampel Penelitian
No Nama perusahaan Kode perusahaan
1 PT. Bank Muamalat Indonesia BMU
2 PT. Bank Victoria Syariah BVIC
3 PT. Bank BRI Syariah BBRI
4 PT. Bank Jabar Banten Syariah BJBR
5 PT. Bank BNI Syariah BBNI
6 PT. Bank Syariah Mandiri BSM
7 PT. Bank Mega Syariah MEGA
8 PT. Bank Panin Dubai Syariah PNBS
9 PT. Bank Syariah Bukopin BBKP
10 PT. BCA Syariah BBCA
11 PT. Maybank Syariah BNII
Tabel 3.3
Operasionalisasi Variabel
Variabel konsep Indikator Skala
pengukura
n
Pembiayaan (Pembiayaan) Rasio
(NPF) (X1) adalah penyediaan
uang atau tagihan
yag dipersamakan
dengan itu,
bedasarkan
persetujuan atau
kesepakatan antara
bank dengan pihak
lainnya.
Efisiensi (Efisiensi) Rasio
(BOPO) adalah ukuran
(X2) tingkat
penggunaan
sumber daya
dalam suatu
proses. Semakin
hemat/sedikit
penggunaan
sumber daya,
maka prosesnya
dikatakan
semakin efisien.
Profitabilitas (Profitabilitas) Rasio
(ROA) (Y) adalah rasio atau
perbandingan
untuk mengetahui
kemampuan
perusahaan untuk
mendapatkan laba
(profit) dari
pendapatan
(earning) terkait
penjualan, aset,
dan ekuitas
berdasarkan dasar
pengukuran
tertentu.
47
probabilitasnya lebih besar 0,05 maka dapat dikatakan data terbebas dari
autokorelasi.
3.7.2.4 Uji Heteroskedastisitas
Menurut Ghazali (2013) uji heteroskedastisitas bertujuan untuk
menguji apakah model regresi terjadi ketidaksamaan variane dari residual
satu pengamatan yang lain. Model regresi yang baik adalah jika variance dari
satu pengamatan ke pengamatan yang lain tetap atau disebut juga
homoskedastisitas. Untuk mendeteksi adanya heteroskedastis adalah dengan
meregresi model dengan log residu kuadrat sebagai variabel terikat.
Ho = homoskedastis
Ha = heteroskedastis
Apabila probabilitas dari masing-masing variabel bebas lebih dari 0,05
maka terjadi penerimaan terhadap Ho. Sehingga tidak terjadi heteroskdastis
pada model tersebut atau hasilnya data dalam kondisi homoskedastis.
3.7.3 Uji Data Panel
Analisis dalam penelitian ini menggunakan regresi data panel yang
merupakan gabungan antara data deret waktu (time series) dan data deret
lintang (cross-section). Terdapat dua macam panel data yaitu, data panel
balance dan data panel unbalance. Data panel balance adalah keadaan dimana
unit cross-sectional memiliki jumlah observasi time series yang sama.
Sedangkan data panel unbalance adalah keadaan dimana unit cross-sectional
memiliki jumlah observasi time series yang tidak sama.Untuk mengestimasi
parameter model dengan regresi data panel, terdapat tiga model pendekatan
yang terdiri dari Common Effect, pendekatan efek tetap (fixed effect) dan
pendekatan efek acak (random effect). Ketiga model pendekatan dalam
analisis data panel tersebut dapat dijelaskan sebagai berikut:
3.7.3.1 Common Effect Model (CEM)
Model common effect merupakan model yang paling sederhana
dimana pendekatannya mengabaikan dimensi waktu dan ruang yang dimiliki
oleh data panel Ghozali (2013). Lebih lanjut Ghozali mengatakan, metode
50
model random effect juga dapat diterapkan pada periode waktu (Period
Random Effect Model), atau diterapkan pada subjek cross-section sekaligus
periode waktu (Two-Way Random Effect Model).
Untuk menentukan jenis data panel terdapat beberapa tahapan yang
dapat dilakukan yaiu sebagai berikut:
1. Uji Lagrange Multiplier (LM)
Uji lagrange multiplier ini dilakukan untuk mengestimasi antara
Common Effect Model dengan Random Effect Model, model mana yang lebih
cocok untuk penelitian menggunakan regresi data panel.
H0 → Model Common Effect lebih cocok digunakan untuk regresi data panel
H1 → Model Random Effect lebih cocok digunakan untuk regresi data panel; α = 5%
Criteria uji:
3. Uji Hausman
Uji hausman dilakukan untuk membandingkan atau memilih model
mana yang terbaik antara fixed effect model dengan random effect model yang
akan digunakan untuk melakukan regresi data panel.
Hipotesis uji:
H0 → Model Random Effect lebih cocok digunakan untuk regresi data panel
H1 → Model Fixed Effect lebih cocok digunakan untuk regresi data panel; α = 5%
Criteria uji:
Tolak H0 dan terima H1 jika p ≤ α atau
Terima H0 dan tolak H1 jika p > α
Artinya apabila nilai Chi-Square cross-section random memiliki nilai
probabilitas (p) < 0,05 maka Fixed Effect Model lebih cocok untuk regresi
data panel, begitu juga sebaliknya.
3.7.4 Analisis Koefisien Determinasi
Koefisien determinasi (Adjusted R2 atau R2) digunakan untuk
mengukur seberapa besar variabel bebas dapat menjelaskan variabel terikat.
Koefisien ini menunjukan seberapa besar variasi total pada variabel terikat
yang dapat dijelaskan oleh variabel bebasnya dalam model regresi tersebut.
Nilai dari koefisien determinasi ialah antara 0 hingga 1. Nilai Adjusted R2
atau R2 yang mendekati 1 menunjukan bahwa variabel dalam model tersebut
dapat mewakili permasalahan yang diteliti, karena dapat menjelaskan variasi
yang terjadi pada variabel dependennya. Nilai Adjusted R2 atau R2 sama
dengan atau mendekati 0 (nol) menunjukan variabel dalam model yang
dibentuk tidak dapat menjelaskan variasi dalam variabel terikat. Nilai
koefisien determinasi akan cenderung semakin besar bila jumlah variabel
bebas dan jumlah data yang diobservasi semakin banyak. Oleh karena itu,
maka digunakan ukuran adjusted R2 untuk menghilangkan bias akibat adanya
penambahan jumlah variabel bebas dan jumlah data yang diobservasi.
53
( )
( )
Dimana:
R : Koefisien Determinasi
K : Jumlah Variabel Independen
n : Jumlah Sampel
4. Pengambilan Keputusan
1. Membandingkan Fhitung dengan Ftabel:
a. Jika Fhitung > Ftabel maka H0 ditolak
b. Jika Fhitung < Ftabel maka H0 diterima
2. Membandingkan Sig. dengan α:
55
√
Dimana:
thitung : Harga yang dihitung dan menunjukkan nilai standar deviasi dari
distribusi t (Tabel t).
̅ : rata-rata nilai yang diperoleh dari hasil pengumpulan data
: Nilai yang dihipotesiskan
s : standar deviasi sampel yang dihitung
n : jumlah sampel penelitian
4. Pengambilan Keputusan
1. Membandingkan thitung dengan ttabel
a. Jika thitung > ttabel atau –thitung < -ttabel, maka H0 ditolak
b. Jika thitung < ttabel atau –thitung > -ttabel, maka H0 diterima
2. Membandingkan sig. dengan α
a. Jika sig < α, maka ditolak (signifikan)
b. Jika sig > α, maka diterima (tidak signifikan)