BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Data Penelitian ini bertujuan untuk melihat pengaruh pendapatan margin pembiayaan murabahah dan pendapatan bagi hasil pembiayaan mudharabah terhadap NPM (Net Profit Margin) pada PT Bank Muamalat Indonesia, Tbk. Objek yang diteliti adalah perusahaan perbankan pada PT Bank Muamalat Indonesia, Tbk. Adapun jumlah sampel penelitian ini adalah sebanyak 20 observasi dari laporan keuangan triwulan dari tahun 2007 sampai dengan tahun 2011. B. Uji Statistik Deskriptif Dalam analisis statistik obyek penelitian pada sub bab ini, peneliti akan menjabarkan hasil perhitungan nilai minimum, nilai maksimum, rata-rata dan standar deviasi. Statistik deskriptif didefinisikan sebagai proses pengumpulan dan peringkasan data, serta upaya untuk menggambarkan berbagai karakteristik yang penting pada data yang telah terorganisir tersebut. Dari pengujian statistik deskriptif diperoleh hasil sebagaimana disajikan pada tabel 4.1 sebagai berikut : 66
Tabel 4.1 Descriptive Statistics N Minimum Maximum Mean Std. Deviation Margin_Murabahah 20 122356.00 1078846.00 432315.6500 245087 Bagi_Hasil_Mudharabah 20 49539.00 413681.00 180293.6500 100718 NPM 20.156165.970951.42807370.264794930 Valid N (listwise) 20 ( Sumber : Data sekunder yang diolah sendiri dengan SPSS 17.0) Berdasarkan hasil perhitungan statistik deskriptif di atas, menunjukkan jumlah N adalah 20 dari PT Bank Muamalat Indonesia, Tbk yang disajikan sampel selama 5 tahun dan data yang diambil adalah laporan keuangan publikasi triwulan yang terdiri dari variabel Pendapatan Margin Pembiayaan Murabahah, Pendapatan Bagi Hasil Pembiayaan Mudharabah dan NPM (Net Profit Margin) diantaranya : 1. Margin Murabahah, nilai Minimum adalah Rp 122.356 dan nilai Maximum adalah Rp 1.078.846. (satuan yang dipakai dalam variabel-variabel ini adalah dalam jutaan rupiah). 2. Bagi Hasil Mudharabah, nilai Minimum adalah Rp 49.539 dan nilai Maximum adalah Rp 413.681. (satuan yang dipakai dalam variabel-variabel ini adalah dalam jutaan rupiah). 3. NPM (Net Profit Margin), nilai Minimum adalah 0,156165 dan nilai Maximum adalah 0,970951. 4. Margin Murabahah, nilai rata-rata (Mean) adalah Rp 432.315,65 (satuan yang dipakai dalam variabel-variabel ini adalah dalam jutaan rupiah). Dengan standar deviasi 245.087. 67
5. Bagi Hasil Mudharabah, nilai rata-rata (Mean) adalah Rp 180.293,65 (satuan yang dipakai dalam variabel-variabel ini adalah dalam jutaan rupiah). Dengan standar deviasi 100.718. 6. NPM (Net Profit Margin), nilai rata-rata (Mean) adalah 0,42807370. Dengan standar deviasi 0,264794930. C. Uji Asumsi Klasik 1. Uji Normalitas Data Uji normalitas dilakukan untuk menguji apakah dalam sebuah model regresi variabel bebas dan terikat atau keduanya mempunyai distribusi normal atau tidak. Model yang paling baik adalah distribusi data normal atau mendekati normal. Uji ini dilakukan melalui Kolmogorov Smirnov. Dasar dalam pengambilan keputusan adalah jika Asymp. Sig (2-tailed) > 0,05, maka model regresi berganda memenuhi asumsi normalitas dan sebaliknya. Tabel 4.2 One-Sample Kolmogorov-Smirnov Test Margin_Murabahah 68 Bagi_Hasil_ Mudharabah N 20 20 20 Normal Mean 432315.6500 180293.6500.42807370 Parameters a,,b Std. Deviation 245087 100718.264794930 Most Extreme Differences NPM Absolute.103.144.216 Positive.100.144.216 Negative -.103 -.097 -.152 Kolmogorov-Smirnov Z.461.644.968 Asymp. Sig. (2-tailed).984.802.306 a. Test distribution is Normal. b. Calculated from data.
Dari hasil One-Sample Kolmogorov-Smirnov Test dapat bisa dilihat di tabel 4.2 Asymp. Sig. (2-tailed) bila nilai signifikan < 0,05 berarti distribusi tidak normal. Sebaliknya jika > 0,05 maka distribusi normal. Dari margin murabahah nilai K-S sebesar 0,461 dengan probabilitas signifikan sebesar 0,984 jauh diatas α = 0,05 hal ini berarti hipotesis nol diterima, berarti variabel margin murabahah terdistrubusi normal. Sedangkan bagi hasil mudharabah nilai K-S sebesar 0,644 dengan probabilitas signifikan sebesar 0,802 jauh diatas α = 0,05 hal ini berarti hipotesis nol diterima, berarti variabel bagi hasil mudharabah terdistrubusi normal. Begitu juga dengan NPM nilai K-S sebesar 0,968 dengan probabilitas signifikan sebesar 0,306 jauh diatas α = 0,05 hal ini berarti hipotesis nol diterima, berarti variabel NPM terdistrubusi normal. 2. Uji Multikolinearitas Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antar variabel bebas (independent). Untuk mendeteksi ada atau tidaknya multikolinearitas, dapat dilihat berdasarkan nilai tolerance dan Variance Inflation Factor (VIF). Jika Tolerance lebih dari 0,1 dan VIF < 10 maka tidak terjadi masalah multikolinearitas. 69
Tabel 4.3 Coefficients a Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF 1(Constant).891.080 11.083.000 Margin_Murabahah -0,000000488.000 -.452-3.048.007.793 1.261 Bagi_Hasil_Mudharabah -0,000001396.000 -.531-3.582.002.793 1.261 a. Dependent Variable: NPM ( Sumber : Data sekunder yang diolah sendiri dengan SPSS 17.0) Dari hasil perhitungan nilai tolerance menunjukkan tidak ada variabel independen yang memiliki nilai tolerance kurang dari 0,1 yaitu margin murabahah senilai 0,793 berarti 0.793 > 0,1 dan bagi hasil mudharabah senilai 0,793 berarti 0.793 > 0,1. Nilai VIF tidak lebih dari 10 yaitu margin murabahah senilai 1,261 berarti 1,261 < 10, bagi hasil mudharabah senilai 1,261 berarti 1,261 < 10. Jadi dapat dinyatakan bahwa tidak ada multikolinearitas antar variabel independen dalam model regresi. 3. Uji Autokorelasi Autokorelasi adalah hubungan (korelasi) yang terjadi antar variabel independen dari serangkaian pengamatan yang tersusun dalam rangkaian waktu atau data time series dan data yang tersusun dalam rangkaian ruang atau cross sectional. Metode ini yang paling sering digunakan untuk mendeteksi adanya autokorelasi dalam suatu model regresi adalah metode statistik Durbin Watson. Hasil analisis Durbin Watson (DW) dapat 70
digunakan untuk mengetahui ada tidaknya autokorelasi, ketentuan pengambilan keputusan. (Singgih, 2002:218) dapat dilakukan dengan cara melihat besaran DW sebagai berikut : Tabel 4.4 Pengambilan Keputusan Ada Tidaknya Autokorelasi Hipotesis Nol Keputusan Jika Tidak ada autokorelasi positif Tidak ada autokorelasi positif Tidak ada korelasi negatif Tidak ada korelasi negatif Tidak ada autokorelasi, positif atau negatif Tolak No Decision Tolak No Decision Tidak Ditolak 0 < d < dl dl d du 4 dl < d < 4 4 du d 4 dl du < d < 4 - du Tabel 4.5 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1.839 a.704.669.152293849 1.642 a. Predictors: (Constant), Bagi_Hasil_Mudharabah, Margin_Murabahah b. Dependent Variable: NPM (Sumber : Data sekunder yang diolah sendiri dengan SPSS 17.0) 71
Berdasarkan tabel 4.5 diatas, dapat disimpulkan bahwa model regresi linear berganda terbebas dari gejala autokorelasi, karena angka yang dihasilkan dalam kolom Durbin-Watson menunjukkan angka 1,642. Nilai ini akan peneliti bandingkan dengan nilai tabel dengan menggunakan signifikansi 5% jumlah pengamatan (n) sebanyak 20, dan jumlah variabel independen 2 (k = 2). Maka berdasarkan tabel Durbin-Watson didapat nilai batas atas (du) sebesar 1,537. Oleh karena nilai Durbin- Watson lebih besar dari batas atas (du) 1,537 dan kurang dari 4-1,537 (4-du), sehingga 1,537 < 1,642 < 2,463. Maka dapat disimpulkan bahwa tidak ada autokorelasi positif atau negatif. 4. Uji Heteroskedasitas Untuk mendeteksi ada tidaknya heteroskedasitas dengan melihat pola titik-titik pada scatterplot regresi. Jika titik menyebar dengan pola yang tidak jelas diatas dan dibawah angka 0 pada sumbu Y maka tidak terjadi masalah heteroskedasitas. Scatterplot dapat dilihat pada output regresi dan disajikan sebagai berikut : Tabel 4.6 72
Dari data scatterplot diatas dapat diketahui bahwa titik-titik menyebar di atas dan di bawah angka 0 pada sumbu Y maka pada model regresi tidak terjadi masalah heteroskedasitas. Sehingga model regresi tersebut layak dipakai untuk memprediksi NPM (Net Profit Margin) berdasarkan masukan variabel independen pendapatan margin pembiayaan murabahah dan pendapatan bagi hasil pembiayaan mudharabah. 5. Uji Koefisien Determinasi (R 2 ) Koefisien determinasi bertujuan untuk mengetahui seberapa besar kemampuan variabel independen menjelaskan variabel dependen. Nilai R Square dikatakan baik apabila mendekati 1 (satu) karena nilai R Square berkisar 0 sampai 1. Tabel 4.7 Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1.839 a.704.669.152293849 a. Predictors: (Constant), Bagi_Hasil_Mudharabah, Margin_Murabahah Dari tampilan output SPSS model summary diatas besarnya Adjusted R Square 0,704, hal ini berarti 70,4% variasi NPM dapat dijelaskan oleh variasi dari dua variabel independen margin murabahah dan bagi hasil mudharabah. Sedangkan 73
sisanya (100% - 70,4% = 29,6%) dijelaskan oleh sebab-sebab lain di luar atau tidak dimasukkan dalam model. Standar Error of Estimate (SEE) sebesar 0,152293849. Makin kecil nilai SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen. D. Pengujian Hipotesis 1. Uji Simultan (F-test) Uji F pada dasarnya mennjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Pada dasarnya nilai F diturunkan dari tabel ANOVA (Analysis Of Variance). Dari hasil pengujian dengan nilai F diperoleh sebagai berikut : Tabel 4.8 ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression.938 2.469 20.220.000 a Residual.394 17.023 Total 1.332 19 a. Predictors: (Constant), Bagi_Hasil_Mudharabah, Margin_Murabahah b. Dependent Variable: NPM (Sumber data sekunder yang diolah dengan SPSS 17.0) Dari hasil uji ANOVA atau F test, menghasilkan nilai F hitung sebesar 20,220 dengan tingkat probabilitas (signifikansi) sebesar 0,000. Jika tingkat signifikansi lebih kecil dari 0,05, maka semua variabel independen mempengaruhi variabel dependen. Begitu juga sebaliknya karena probabilitas lebih besar dari 0,05 maka semua variabel 74
independen tidak mempengaruhi variabel dependen. Dari hasil tampilan Output SPSS diatas, tingkat signifikansinya sebesar 0,000 jauh lebih kecil dari 0,05 maka model regresi dapat digunakan untuk memprediksi pengungkapan NPM atau dapat dikatakan bahwa Pendapatan Margin Pembiayaan Murabahah dan Pendapatan Bagi Hasil Pembiayaan Mudharabah secara simultan berpengaruh terhadap NPM. 2. Uji Parsial (T-test) Pengujian ini dilakukan untuk menentukan pengaruh masing-masing variabel. Pendapatan Margin Pembiayaan Murabahah dan Pendapatan Bagi Hasil Pembiayaan Mudharabah secara individual terhadap variabel NPM (Net Profit Margin). Tabel 4.9 Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1 (Constant).891.080 11.083.000 Margin_Murabahah -0,000000488.000 -.452-3.048.007 Bagi_Hasil_Mudharabah -0,000001396.000 -.531-3.582.002 a. Dependent Variable: NPM ( Sumber : Data sekunder yang diolah sendiri dengan SPSS 17.0) 75
Hasil pengujian statistik t pada tabel 4.9 dapat dijelaskan sebagai berikut : 1. Pengaruh pendapatan margin pembiayaan murabahah terhadap NPM. Nilai t- hitung untuk variabel margin murabahah adalah sebesar -3,048 dan nilai signifikan sebesar 0,007 (0,007 < 0,05) artinya Ho ditolak dan Ha diterima, bahwa pendapatan margin pembiayaan murabahah secara parsial berpengaruh secara signifikan terhadap NPM. 2. Pengaruh pendapatan bagi hasil pembiayaan mudharabah terhadap NPM. Nilai t- hitung untuk variabel bagi hasil mudharabah adalah sebesar -3,582 dan nilai signifikansi sebesar 0,002 (0,002 < 0,05) artinya Ho ditolak dan Ha diterima, bahwa pendapatan bagi hasil pembiayaan mudharabah secara parsial berpengaruh secara signifikan terhadap NPM. 3. Analisis Regresi Linear Berganda Tabel 4.10 Hasil Perhitungan Regresi linear Berganda Coefficients a Unstandardized Coefficients Standardized Coefficients Model B Std. Error Beta t Sig. 1 (Constant).891.080 11.083.000 Margin_Murabahah -0,000000488.000 -.452-3.048.007 Bagi_Hasil_Mudharabah -0,000001396.000 -.531-3.582.002 a. Dependent Variable: NPM ( Sumber : Data sekunder yang diolah sendiri dengan SPSS 17.0) 76
Analisis regresi linear berganda digunakan untuk menganalisa pengaruh variabelvariabel bebas terhadap variabel tidak bebas. Dari hasil analisa regresi linear yang dilakukan maka dapat diperoleh persamaan sebagai berikut : Y = a + b 1 X 1 + b 2 X 2 + е Y = 0,891 0,000000488margin murabahah 0,000001396 bagi hasil mudharabah Keterangan : Y = NPM a = Konstanta b = Koefisien regresi masing-masing variabel X 1 = Pendapatan margin pembiayaan murabahah X 2 = Pendapatan bagi hasil pembiayaan mudharabah Persamaan regresi tersebut dapat dijelaskan sebagai berikut : a. Konstanta sebesar 0,891 menunjukkan bahwa apabila variabel independen bernilai 0 maka nilai NPM adalah sebesar 0,891. b. b 1 sebesar 0,000000488 menunjukkan bahwa setiap penurunan pendapatan margin pembiayaan murabahah sebesar 1% maka akan diikuti oleh penurunan NPM sebesar 0,000000488 dengan asumsi variabel lain tetap. c. b 2 sebesar 0,000001396 menunjukkan bahwa setiap penurunan pendapatan bagi hasil pembiayaan mudharabah sebesar 1% maka akan diikuti oleh penurunan NPM sebesar 0,000001396 dengan asumsi variabel lain tetap. 77