ANALISA FAKTOR PENENTU EFISIENSI BIAYA BANK UMUM SYARIAH INDONESIA TAHUN 2014-2017 MENGGUNAKAN METODE PARAMETRIK SKRIPSI Diajukan kepada Fakultas Ekonomi dan Bisnis Untuk Memenuhi Persyaratan Memperoleh Gelar Sarjana Ekonomi (S.E.) Oleh: KENNARDI DEWANTO NIM: 1111046100151 PROGRAM STUDI PERBANKAN SYARIAH FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 1439H/2018M
126
Embed
ANALISA FAKTOR PENENTU EFISIENSI BIAYA MENGGUNAKAN …
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
ANALISA FAKTOR PENENTU EFISIENSI BIAYA
BANK UMUM SYARIAH INDONESIA TAHUN 2014-2017
MENGGUNAKAN METODE PARAMETRIK
SKRIPSI
Diajukan kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Persyaratan Memperoleh Gelar
Sarjana Ekonomi (S.E.)
Oleh:
KENNARDI DEWANTO
NIM: 1111046100151
PROGRAM STUDI PERBANKAN SYARIAH
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA
1439H/2018M
i
LEMBAR PERSETUJUAN DOSEN PEMBIMBING
ii
LEMBAR PENGESAHAN UJIAN SKRIPSI
iii
LEMBAR PERNYATAAN ORISINALITAS KARYA TULIS
iv
ABSTRAK
Kennardi Dewanto. NIM 1111046100151. Analisa Faktor Penentu
Efisiensi Biaya Bank Umum Syariah Indonesia Tahun 2014-2017
Menggunakan Metode Parametrik. Skripsi, Program Studi Perbankan
Syariah, Fakultas Ekonomi Dan Bisnis, Universitas Islam Negeri Syarif
Hidayatullah Jakarta, 1439H/2018M. x + 99 halaman 13 lampiran.
Tingkat persaingan industri perbankan sudah sangat tinggi, terlebih bagi
perbankan syariah. Berada di tengah dual banking system dan tantangan integrasi
keuangan ASEAN (ABIF) di depan, menuntut perbankan syariah memaksimalkan
kinerja biayanya agar profit yang diterima lebih optimal dan tingkat pricing
penyaluran dana dapat bersaing di tengah pasar yang rasional.
Penelitian ini bertujuan untuk mengukur tingkat efisiensi Bank Umum
Syariah Indonesia tahun 2014-2017 menggunakan fungsi biaya dengan metode
parametrik Stochastic Frontier Approach (SFA) serta menganalisa pengaruh dari
variabel komponen pembentuk (variabel input, output dan netput) tingkat efisiensi
Bank Umum Syariah Indonesia tahun 2014-2017 mnggunakan fungsi biaya tersebut
dengan metode parametrik regresi OLS. Sampel Bank Umum Syariah dalam
penelitian ini adalah Bank BCA Syariah dan Bank Victoria Syariah, sementara
variabel independen yang digunakan diantaranya beban tenaga kerja, beban bagi
hasil, total pembiayaan dan piutang yang disalurkan, aktiva produktif lainnya, non
performing financing dan ekuitas.
Hasil penelitian ini menunjukkan bahwa rata-rata sepanjang periode
penelitian (2014-2017) tingkat efisiensi biaya sampel, Bank BCA Syariah dan Bank
Victoria Syariah, masing-masing sebesar 66% dan 69%, dimana tingkat efisiensi
ini masuk dalam kategori kurang efisien. Kemudian faktor penentu dari variabel
komponen pembentuk fungsi biaya dengan metode regresi OLS di kedua bank
memiliki perbedaan. Bank BCA Syariah signifikan dipengaruhi oleh dua dari enam
variabel komponen pembentuk fungsi biaya, sementara Bank Victoria Syariah
signifikan dipengaruhi oleh 4 dari enam variabel komponen pembentuk fungsi
biaya. Kedua sampel sama-sama dipengaruhi oleh variabel biaya tenaga kerja dan
beban bagi hasil. Namun demikian, untuk Bank Victoria Syariah selain kedua
variabel harga input, beban tenaga kerja dan beban dana bagi hasil, juga dipengaruhi
oleh variabel total pembiayaan dan NPF.
Kata kunci: Efisiensi, Bank Umum Syariah, Fungsi Biaya, SFA, Regresi OLS
Pembimbing : Ir. M. Nadratuzzaman Hosen, MS, M.Ec, Ph.D
Daftar Pustaka : Tahun 2006 s.d. 2016
v
KATA PENGANTAR
Alhamdulillah, segala puji dan syukur penulis panjatkan ke hadirat Allah
SWT yang telah melimpahkan Rahmat, Nikmat dan Karunia serta kemudahan dan
petunjuk-Nya sehingga penulis dapat menyelesaikan skripsi ini. Tidak lupa
shalawat dan salam senantiasa selalu tercurah kepada Nabi Muhammad SAW.,
keluarga, sahabat, beserta pengikutnya di dalam keistiqomahan dalam kebaikan dan
ketakwaan hingga akhir jaman.
Terima kasih sebesar-besarnya kepada:
1. Dr. Asep Saepudin Jahar, MA. Selaku Dekan Fakultas Syariah dan Hukum UIN
Syarif Hidayatullah Jakarta.
2. A.M. Hasan Ali, MA. Selaku Ketua Program Studi Muamalat, dan Bapak Dr.
Abdurrauf, MA. Selaku Sekretaris Program Studi Muamalat.
3. Ir. M. Nadratuzzaman Hosen, Ph.D. Selaku Dosen Pembimbing penulis yang
telah menyediakan waktu untuk memberikan ilmu dan pengetahuan serta saran
sehingga penulis dapat menyelesaikan skripsi dengan baik, semoga Allah
senantiasa memberikan kesehatan dan rahmat-Nya, membalas kebaikan dan
atas jariyah ilmu yang telah Bapak berikan.
4. Pimpinan dan Staf Perpustakaan Utama dan Perpustakaan Fakultas Syariah dan
Hukum yang telah membantu menyediakan fasilitas sehingga penulis dapat
terbantu dalam menyelesaikan skripsi.
5. Kepada seluruh karyawan Fakultas Syariah dan Hukum dan Fakultas Ekonomi
dan Bisnis UIN Syarif Hidyatullah Jakarta yang telah membantu penulis
mengurus segala administrasi yang dibutuhkan.
6. Seluruh Staf Fakuktas Syariah dan Hukum (FSH) serta Fakultas Ekonomi dan
Bisnis (FEB) UIN Jakarta yang telah mau meluangkan waktu dalam segala
pengurusan berkas dan akademik.
7. Kedua orangtuaku tercinta, Ayahanda Ruswanto dan Ibunda Sri Ulifa P. yang
dengan ketulusan dan keikhlasannya senantiasa memberikan doa yang tak
pernah putus, kasih sayang yang tak tergantikan, serta bentuk dukungan-
dukungan lainnya baik secara moril maupun materil. Semoga Allah selalu
memberikan kesehatan, Rahmat serta Surga-Nya untuk kalian berdua.
8. Kakak kelas sekaligus mentor, Syafaat Muhari dan Ridha Danjanny yang telah
banyak memberikan saran, koreksi dan bantuan yang sangat berarti.
vi
9. Lingkaran tempat penulis berkembang, berorganisasi, tempat belajar dan
lingkungan yang menginspirasi penulisan skripsi ini. Lingkar Studi Ekonomi
Tabel 1. 3 Perbandingan Tingkat Pricing Penyaluran Dana ................................... 3
Tabel 2. 1 Perbedaan Bank Konvensional dan Bank Syariah ............................... 20
Tabel 2. 2 Akad-Akad Bank Syariah di Indonesia ................................................ 32 Tabel 2. 3 Produk Pendanaan ................................................................................ 33 Tabel 2. 4 Produk Pembiayaan.............................................................................. 34
Tabel 2. 5 Jasa Produk .......................................................................................... 35
Tabel 3. 1 Operasional Variabel Penelitian........................................................... 49
Tabel 4. 1 Nilai Efisiensi Sampel Fungsi Biaya Dengan Program Frontier 4.1 ... 70 Tabel 4. 2 Pengelompokkan Nilai Efisiensi .......................................................... 72 Tabel 4. 3 Nilai Inefficiency Sampel Fungsi Biaya .............................................. 73
Tabel 4. 4 Nilai D-W statistic Bank Victoria Syariah dan Bank BCA Syariah .... 81 Tabel 4. 5 Resume Kelayakan Estimasi Model Regresi OLS ............................... 85
Tabel 4. 6 Adj. R2 Bank Victoria Syariah dan Bank BCA Syariah....................... 88
Tabel 4. 7 Prob. F-Statistics Bank Victoria Syariah dan BCA Syariah ................ 89
Tabel 4. 8 Prob. t-Statistics Masing-masing Variabel Bank Victoria Syariah ...... 89 Tabel 4. 9 Prob. t-Statistics Masing-masing Variabel Bank BCA Syariah ........... 91 Tabel 4. 10 Resume Uji Statistik Model Estimasi Faktor Penentu Fungsi Biaya . 93
x
DAFTAR GAMBAR
Gambar 2. 1 Operasi Bank Syariah ....................................................................... 17 Gambar 2. 2 Mudharabah Dua Tingkat di Perbankan Syariah ............................. 18 Gambar 2. 3 Alur Operasi Bank Syariah .............................................................. 19
Gambar 2. 4 Perbedaan Operasi Bank Syariah dan Bank Konvensional .............. 21 Gambar 2. 5 Akad yang Digunakan Bank Syariah dalam Struktur Al-Bai’ ......... 23 Gambar 2. 6 Jenis Akad/Transaksi Bank Syariah ................................................. 25 Gambar 2. 7 Akad dan Produk Bank Syariah ....................................................... 26 Gambar 2. 8 Production Frontier Line .................................................................. 39
Gambar 3. 1 Statistik Durbin-Watson (d) ............................................................. 64
Gambar 4. 1 Statistik Deskriptif Variabel Bank Victoria Syariah ........................ 65 Gambar 4. 2 Statistik Deskriptif Variabel Bank BCA Syariah ............................. 67
Gambar 4. 3 Deskripsi Nilai Efisiensi .................................................................. 71 Gambar 4. 4 Deskripsi Nilai Inefficiency Sampel Fungsi Biaya .......................... 74 Gambar 4. 5 Estimasi Model Prediksi Fungsi Biaya Bank Victoria Syariah........ 75
Gambar 4. 6 Hasil Estimasi Model Fungsi Biaya Bank BCA Syariah ................. 77 Gambar 4. 7 Uji Normalitas JB p-Value Bank Victoria Syariah .......................... 79
Gambar 4. 8 Uji Normalitas JB p-Value Bank BCA Syariah ............................... 80 Gambar 4. 9 Uji Heteroskedastisitas White Bank Victoria Syariah ..................... 83 Gambar 4. 10 Uji Heteroskedastisitas White Bank BCA Syariah ........................ 83
Gambar 4. 11 Uji Multikolinieritas Dengan Nilai VIF Bank Victoria Syariah .... 84
Gambar 4. 12 Uji Multikolinieritas Dengan Nilai VIF Bank BCA Syariah ......... 85 Gambar 4. 13 Model Estimasi Victoria Syariah setelah Robust Standard Error .. 86 Gambar 4. 14 Model Estimasi BCA Syariah Setelah Robust Standard Error ...... 87
DAFTAR GRAFIK
Grafik 4. 1 Statistik Deskriptif Variabel Bank Victoria Syariah .......................... 68 Grafik 4. 2 Statistik Deskriptif Variabel Bank BCA Syariah ............................... 69
1
BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Dua dekade lebih industri perbankan syariah hadir di Indonesia
menunjukkan perkembangan yang positif. Hal ini dapat dilihat dari tingginya
pertumbuhan Aset, Pembiayaan yang Disalurkan (PYD), dan Dana Pihak Ketiga
(DPK) dari tahun ke tahun. Industri perbankan syariah bahkan pernah dijuluki
sebagai ‘the fastest growing industry’ dikarenakan industri ini mampu
menunjukkan akselerasi pertumbuhan yang tinggi dengan rata-rata sebesar 40,2%
pertahun pada tahun 2007-2011, sementara rata-rata pertumbuhan perbankan
nasional hanya sebesar 16,7% pertahun1.
Tabel 1. 1 Indikator Utama Kinerja Perbankan Syariah
Tahun Aset Growth PYD Growth DPK Growth
20082 49555 38199 36852
2009 66090 33% 46886 23% 52271 42%
2010 97519 48% 68181 45% 76036 45%
2011 145467 49% 102655 51% 115415 52%
2012 195018 34% 147505 44% 147512 28%
2013 242276 24% 184122 25% 183534 24%
20143 272343 12% 199330 8% 217858 19%
2015 296262 9% 212996 7% 231175 6%
2016 356504 20% 248007 16% 279335 21%
2017 424181 19% 285695 15% 334719 20%
Mean 214522 28% 153358 26% 167471 29% Sumber: Data sekunder yang diolah
Namun kini, tahun 2016-2017 industri perbankan syariah hanya dapat
tumbuh sebesar 19%. Hal ini tidak terlepas dari berbagai tantangan dihadapi
industri perbankan syariah. Berada dalam dual banking system mengharuskan
perbankan syariah tidak hanya bersaing sesama bank syariah namun juga dengan
bank konvensional. Salah satu aspek yang menjadi indikator tingkat persaingan
antar kedua industri ini adalah dari sisi efisiensi biaya.
1 Halim Alamsyah, Perkembangan dan Prospek Perbankan Syariah di Indonesia: Tantangan dalam
Menyongsong MEA 2015. (Ceramah Ilmiah Ikatan Ahli Ekonomi Islam (IAEI), Milad ke-8 IAEI, 13
April 2012). (t.tp.: t.p., 2012), h. 3. 2 Otoritas Jasa Keuangan, Statistik Perbankan Syariah 2014 (t.t.: t.p., t.th.), h. 6. 3 Otoritas Jasa Keuangan, Statistik Perbankan Syariah 2017 (t.t.: t.p., t.th.), h. 6, 9, 27, 33.
2
Tabel 1. 2 Rasio Biaya Operasional Terhadap Pendapatan Operasional
BOPO
BUS4 BUK5
2014 97% 76%
2015 97% 81%
2016 96% 82%
2017 95% 79%
Mean 96% 80%
Indikator kinerja efisiensi biaya umumnya dapat dilihat rasio Biaya
Operasional Terhadap Pendapatan Operasional (BOPO). Rasio BOPO perbankan
syariah, terutama Bank Umum Syariah yang menjadi fokus dalam penelitian ini,
lebih besar dari rasio BOPO Bank Konvensional dalam empat tahun terakhir (2014-
2017). Dimana rata-rata rasio BOPO Bank Umum Syariah dalam empat tahun
terakhir (2014-2017) adalah 96,28%6, sementara Bank Umum Konvensional
sebesar 80%7. Persaingan ini tidak terhenti di perbankan nasional. Tantangan lebih
akan dihadapi perbankan syariah pada saat pada saat implementasi ASEAN Banking
Integration Framework (ABIF) tingkat persaingan menjadi lebih ketat. Dimana
rata-rata BOPO perbankan ASEAN hanya berkisar antara 40-60%8. Nilai BOPO
Bank Umum Syariah yang mencapai 96.28% mengindikasikan bahwa sebanyak
96% lebih keuntungan yang didapatkan perbankan syariah tergerus untuk biaya
operasionalnya.
Menurut Mulyono (1995) dalam Edward dan Anwar (2015)9, bahwa ketika
berada dalam situasi dan kondisi yang memiliki persaingan yang sangat ketat, maka
diperlukan berbagai upaya dalam mengelola aktivitas perbankan yang dapat
menekan biaya seefisien mungkin agar dapat mengembangkan usaha, dan dapat
mencapai target yang diharapkan untuk dapat mempertahankan kelangsungan
usaha. Oleh karena itu perbaikan kinerja efisiensi biaya perlu ditingkatkan.
4 Ibid., h. 2. 5 Otoritas Jasa Keuangan, Statistik Perbankan Indonesia 2017 (t.t.: t.p., t.th.), h. 28, 85. 6 Data sekunder di olah dari Otoritas Jasa Keuangan, Statistik Perbankan Syariah 2017 (t.t.: t.p.,
t.th.), h. 2. 7 Data sekunder di olah dari Otoritas Jasa Keuangan, Statistik Perbankan Indonesia 2017 (t.t.: t.p.,
t.th.), h. 28, 85. 8 The Habibie Center, “Banking Integration in ASEAN:Banking Challenges and Issues”. ASEAN
Studies Program ASEAN BRIEFS. Vol. 2, Issue. 5, (Jul 2015), h. 4. 9 Edward dan Anwar, “Analisis Efisiensi Perbankan Syariah Di Indonesia Periode 2010-2013”.
Jurnal Dinamika Ekonomi dan Bisnis. Vol.12 No.1 (Maret, 2015), h.100.
3
Biaya menjadi fokus penelitian ini dikarenakan biaya yang ditanggung
perusahaan merupakan merupakan faktor utama yang menentukan keputusan-
keputusan mengenai harga dan jumlah produksi (output)10. Semakin besar biaya
operasional yang ditanggung perbankan syariah semakin tinggi tingkat lending
price (margin dan nisbah bagi hasil) perbankan syariah dan pembiayaan yang
disalurkan menjadi tidak maksimal. Dan hal ini sangat mempengaruhi fungsi
intermediasi penyaluran dana serta kinerja perbankan syariah pada akhirnya.
Konsekuensi jika bank syariah menambah laba dengan meningkatkan
margin pembiayaan (atau bagi hasil), bank syariah akan sulit bersaing dengan bank
konvensional dan lembaga pembiayaan lainnya yang tidak mengambil keuntungan
lebih tinggi dengan meningkatkan margin penyaluran dana nya (pembiayaan atau
tingkat bagi hasil) yang akan lebih diinginkan dan lebih diminati oleh masyarakat
atau nasabah (Hosen dan Muhari, 2013)11. Demikian pula dengan aktivitas jasa (fee
based income), dan penyaluran aktiva lainnya seperti surat berharga maupun
penempatan dana. Perbankan syariah di Indonesia masih kekurangan infrastruktur
penunjang, seperti instrumen keuangan berbasis syariah yang dapat
mengoptimumkan tingkat keuntungan bank syariah. Oleh karena itu jika dari sisi
output, return tidak dapat di optimalkan, paling tidak dari sisi biaya operasional
tidak banyak mengurangi tingkat return yang minim atau belum optimal tadi.
Tabel 1. 3 Perbandingan Tingkat Pricing Penyaluran Dana
Tahun Bank Syariah12 Bank Umum13
2014 14% 12.81%
2015 13.67% 12.48%
2016 12.88% 11.38%
2017 12.44% 10.71%
Mean 13% 11.85%
10 Gregory N. Mankiw, Principles of Economics, 3rd.ed. Penerjamah Criswan Sungkono. Pengantar
Ekonomi Mikro. Edisi 3. (Jakarta: Salemba Empat, 2006), h. 332. 11 M. Nadratuzzaman Hosen dan Syafaat Muhari, “Efficiency of the Sharia Rural Bank in Indonesia
Lead to Modified Camel”. International Journal of Academic Research in Economics and
Management Sciences. Vol. 2, No. 5, (September, 2013), h. 36. 12 Otoritas Jasa Keuangan, Statistik Perbankan Syariah 2017 (t.t.: t.p., t.th.), h.. 48. 13 Otoritas Jasa Keuangan, Statistik Perbankan Indonesia 2017 (t.t.: t.p., t.th.), h. 118.
4
Namun demikian untuk menilai kinerja efisiensi biaya, rasio BOPO
memiliki kelemahan, diantaranya sulit untuk menyamaratakan apakah suatu rasio
baik atau buruk, serta sulit untuk menyatakan apakah perusahaan tersebut kuat atau
lemah dan juga tidak memperhitungkan biaya modal14. Pengukuran efisiensi
dengan rasio keuangan atau rasio akuntansi pada umumnya tidak dapat mendeteksi
sumber-sumber inefficiency yang berasal dari faktor internal atau manajerial
maupun eksternal yang dapat mempengaruhi efisiensi15 (Sutawijaya dan Lestari,
2009)16. Berbeda dengan BOPO, pendekatan frontier lebih unggul dari standar
umum dari rasio keuangan standar di laporan keuangan, hal ini dikarenakan
pendekatan frontier menggunakan teknik pemrograman atau statistik yang dapat
menghilangkan pengaruh dari market prices dan faktor eksogen lainnya yang
mempengaruhi penilaian kinerja perusahaan. Oleh karena itu pendekatan ini
memberikan hasil estimasi yang lebih akurat berdasarkan kinerja perusahaan dan
manajemen yang ada (Bauer, dkk., 199817).18 Dengan diketahuinya sumber atau
penyebab inefficiency, dalam hal ini inefficiency biaya tersebut diharapkan kinerja
perbankan syariah dapat lebih ditingkatkan lagi.
Efisiensi adalah salah satu indikator (parameter) mendasar dalam suatu
entitas (bisnis). Kemampuan untuk menghasilkan output yang maksimum dengan
input yang ada adalah ukuran kinerja yang diharapkan. Pada saat pengukuran
efisiensi dilakukan.
14 Endri, “Analisis Kinerja Keuangan dengan Menggunakan Rasio-rasio Keuangan dan Economic
Value Added (Studi Kasus: PT. Bank Syariah Mandiri).” Jurnal Ekonomi. Vol. 13, No.1 (Mei 2008),
h. 160. 15 M. Nadratuzzaman Hosen dan Rafika Rahmawati, “Efficiency and Profitability on Indonesian
Serta Ilmu-Ilmu Sosial Lainnya (Jakarta: Kencana, 2008), h. 9. 24 Hendri Tanjung dan Abrista Devi, Metodologi Penelitian Ekonomi Islam (Jakarta: Gramata
Publishing, 2013), h. 76. 25 Ibid. 26 Ibid., h. 77.
12
5. Metode Pengumpulan Data
Pada penelitian kuantitatif dikenal beberapa metode pengumpulan
data27, yaitu (1) metode angket atau metode kuisioner, (2) metode wawancara,
(3) metode observasi, dan (4) metode dokumentasi. Teknik atau metode
pengumpulan data yang digunakan dalam penelitian ini adalah teknik
dokumentasi, yaitu teknik pengumpulan data dengan cara mempelajari,
mengklasifikasikan dan menggunakan datasekunder berupa catatan-catatan,
laporan - laporan khususnya laporan keuangan bank yang berhubungan dengan
penelitian. Setelah data terkumpul selanjutnya diperiksa dan ditabulasikan
sesuai dengan kebutuhan analisis, sehingga diperoleh analisis yang baik dan
dapat dipertanggungjawabkan.
6. Subjek Penelitian
Subjek penelitian adalah seluruh Bank Umum Syariah yang tercatat di
Statistik Perbankan Syariah per Januari tahun 2014 yang berjumlah 11 bank
7. Metode Analisis Data
Setelah mereviu penelitian sebelumnya, penelitian ini akan
menggunakan menggunakan metode parametrik SFA dan Regresi OLS.
Metode parametrik yang digunakan untuk mengukur tingkat efisiensi
biaya adalah SFA (stochastic frontier approach) mengadopsi permodelan
yang digunakan Hosen dan Muhari (2013)28.
Untuk menyederhanakan pengukuran efisiensi, inefisiensi dan random
terms uc dan ϵc diasumsikan dipisahkan dari cost function dan persamaan
fungsi efisiensi biaya ditransformasi dalam bentuk natural logs dapat ditulis
sebagai berikut29:
ln C = f(w,y,z,v) + ln uc + ln εc
27 M. Burhan Bungin, op. cit. h. 123. 28 M. Nadratuzzaman Hosen dan Syafaat Muhari, “Efficiency of the Sharia Rural Bank in Indonesia
Lead to Modified Camel”. International Journal of Academic Research in Economics and
Management Sciences. Vol. 2, No. 5, (September, 2013), h. 38. 29 Allen. N. Berger dan Loretta. J. Mester, “Inside the Black Box: What Explain Differences in the
Effficincies of Financial Institution?” Working Paper Series, The Wharton School, University of
Pennsylvania (Januari 1997), h. 4.
13
Dimana f merupakan notasi dari beberapa fungsi. Term, ln uc + ln εc adalah
gabungan error term dan efisiensi X, ln uC adalah random error term, ln εc.
Secara matematis, efisiensi biaya BPRS dalam penelitian ini akan
menggunakan rumus yang telah dikembangkan oleh Berger dan Mester:
Cost EFFnb = 𝑪𝒎𝒊𝒏
𝑪𝒏=
𝐞𝐱𝐩[𝒇 (𝒘𝒃,𝒚𝒃,𝒛𝒃,𝒗𝒃)]𝒙 + 𝐞𝐱𝐩(𝒍𝒏 𝑼𝒄 𝒎𝒊𝒏)]
𝐞𝐱𝐩[𝒇 (𝒘𝒃,𝒚𝒃,𝒛𝒃,𝒗𝒃)]𝒙 + 𝐞𝐱𝐩(𝒍𝒏 𝑼𝒄 𝒏)]=
𝑼𝒄 𝒎𝒊𝒏
𝑼𝒄 𝒏
Sementara untuk mengestimasi faktor penentu tingkat efisiensi
biaya menggunakan metode parametrik regresi linear berganda OLS.
Regresi adalah studi bagaimana satu variabel, yaitu variabel dependen
dipengaruhi oleh satu atau lebih dari variabel lain yaitu variabel independen,
dengan tujuan untuk mengestimasi dan/atau memprediksi nilai rata-rata
variabel dependen didasarkan pada nilai variabel independen yang
diketahui. Dengan demikian, tujuan utama regresi adalah untuk
memprediksi nilai variabel dependen berdasarkan satu atau lebih variabel
independen30.
Berbeda dengan alat analisis lainnya, regresi linear berganda
membutuhkan (uji) persyaratan tes atau pengujian yang sangat ketat.
Setelah persamaan regresi terbentuk harus atau perlu dilakukan beberapa
pengujian asumsi klasik, yakni diantaranya uji normalitas, uji autokorelasi,
uji heteroskedastisitas, dan uji multikolinearitas31. Model regresi linear
berganda dapat dikatakan baik jika model memenuhi asumsi normalitas data
(data terdistribusi normal), bebas dari asumsi multikolinearitas,
heteroskedastisitas dan autokorelasi (Sujianto, 2009:78)32.
30 Agus Widarjono, Analisis Multivariat Terapan Dengan Program SPSS, AMOS, dan SMARTPLS.
Ed.II (Yogyakarta: UPP STIM YKPN, 2015), h. 7. 31 Rafika Rahmawati dan M. Nadratuzzaman Hosen, “Efficiency of Fund Management of Sharia
Banking in Indonesia (Based on Parametric Approach)”. International Journal of Academic
Research in Economic and Management Sciences. Vol. 1, No. 2, (April, 2012), h. 148.
Rafika Rahmawati, “Strategi Peningkatan Efisiensi Biaya pada Bank Umum Syariah Berbasis
Stochastic Frontier Approach dan Data Envelopment Analysis”. Buletin Ekonomi Moneter dan
Perbankan. Vol. 17, No. 4, (April 2015), h.463.
Rafika Rahmawati, (Depok: t.p., 2015), op. cit., h. 292. 32 M. Nadratuzzaman Hosen dan Syafaat Muhari, “Efficiency of the Sharia Rural Bank in Indonesia
Lead to Modified Camel”. International Journal of Academic Research in Economics and
Management Sciences. Vol. 2, No. 5, (September, 2013), h. 38.
14
Dengan ketiga asumsi tersebut (multikolinearitas, heteroskedastisitas, dan
autokorelasi) dapat disimpulkan bahwa (we have learned that) koefisien
estimator regresi yang diperoleh adalah best linear unbiased estimators
(BLUE ), dengan asumsi normalitas, estimator mengikuti distribusi normal
(Supranto, 2004:10)33.
Adapun permodelan fungsi biaya dan variabel penelitian yang
digunakan dalam model prediksi regresi OLS adalah sebagai berikut
syariah pada instrumen bank sentral menyebabkan pengembangan pasar
keuangan syariah menjadi terkendala dan mekanisme self adjustment
menjadi kurang optimal72.
d. Size/Modal
Bank dengan ukuran (size) besar relatif memiliki keunggulan
daripada bank berukuran yang lebih kecil, hal ini dapat terlihat dari
jumlah modal yang lebih besar, jumlah tenaga kerja dan reputasi yang
lebih baik, dan kemampuan untuk menghasilkan pendapatan non-bunga
dari sumber lain seperti jasa investasi perbankan, jasa transfer uang,
maupun asuransi. Surifah (2011) mengungkapkan bahwa perusahaan
besar mempunyai sumber daya yang lebih baik, biaya transaksi yang
lebih rendah, dan lebih bisa bertahan dalam menghadapi persaingan dan
guncangan perekonomian.
70 Afifa Ferhi dan Ridha Chkoundali, “Comparing Effectiveness between Islamic and Conventional
Bank During the Current Crisis”. Intellectual Property Rights. Vol. 3, Issue, (2015), h. 3. 71 Halim Alamsyah, “Perkembangan dan Prospek Perbankan Syariah di Indonesia: Tantangan
dalam Menyongsong MEA 2015”. Ceramah Ilmiah Ikatan Ahli Ekonomi Islam (IAEI), Milad ke-8
IAEI, 13 April 2012. (tp.: t.p., 2012), h. 8. 72 Ibid., h. 8.
44
Sementara Ismail, Rahim & Majid (2010) menyebutkan semakin
besar ukuran bank maka bank tersebut memiliki lebih banyak modal
yang dapat digunakan untuk mengadopsi teknologi baru yang dapat
meningkatkan laba dan meminimalkan biaya73. Bank dengan kapasitas
usaha (size) yang lebih besar dan lebih profitable memiliki lebih banyak
modal yang dapat digunakan untuk mengadopsi (investasi) teknologi
baru yang dapat meningkatkan profit dan meminimalkan biaya
(manajemen)74.
Total aset (size) yang berkorelasi positif dengan efisiensi
menjelaskan kenapa regulator mendorong bank-bank untuk
berkonsolidasi (merger & akuisisi)75. Oleh karena itu, untuk
meningkatkan ekspansi bank syariah, pemerintah juga harus memiliki
kemauan dan komitmen serta keberanian untuk berkembang secara
anorganic dengan mengkonversi salah satu bank BUMN menjadi bank
syariah, terutama jika bank yang dikonversi memiliki jaringan yang
luas76.
Pemerintah perlu mengambil peran yang lebih besar, seperti
Malaysia, Iran dan Arab Saudi dimana peran pemerintah sangat
dominan (top down) dalam mengembangkan perbankan syariah. Selain
itu bisa juga dengan cara menenpatkan dana pemerintah maupun
perusahaan milik negara ke perbankan syariah, seperti yang dilakukan
Malaysia77.
73 Permana dan Adityawarman, “Analisa Faktor-faktor yang Mempengaruhi Tingkat Efisiensi
Perbankan Syariah Di Indonesia”. Diponogoro Journal of Accounting. Vol. 4, No. 3, (2015): 1-14,
h. 3. 74 Farhana Ismail, dkk, “Efficiency of Islamic and conventional banks in Malaysia”. Journal of
Financial Reporting and Accounting. Vol. 11 Issue. 1, (2013): 92-107, h. 103. 75 Mokhtar, dkk, op. cit., h. 25. 76 Ascarya, dkk, (2008), op. cit., h. 19. 77 Rahmawati, Rafika, “Strategi Peningkatan Efisiensi Biaya BUS berbasis Parametrik dan non-
Parametrik”. Kumpulan Hasil Riset Terbaik Forum Riset Ekonomi dan Keuangan Syariah III,
Depok, 28-29 April 2015 Universitas Indonesia. (Depok: t.p., 2015). h. 309.
45
Merger dapat meningkatkan efisiensi, dengan mentransfer SDM
yang unggul dan memiliki ketrampilan dalam manajerial antar
perusahaan yang berkonsolidasi (from the bidder to the target). Namun,
keadaan sebaliknya dapat terjadi, merger dapat menyebabkan
inefficiency. Misalnya ketika manajemen perusahaan dari yang akan me-
merger memasuki pasar atau produk yang benar-benar baru or when the
merger is motivated by empire building strategies pursued by relatively
inefficient managers78. Selain hubungan positif yang disebabkan oleh
aktivitas merger, juga terdapat pengaruh atau hubungan negatifnya.
Hubungan negatif antara bank size dan tingkat efisiensi adalah karena
perilaku dari bank-bank kecil yang menjadi lebih agresif secara
manajerial (managerially aggressive) dan cost efficient in order to
survive. (Darrat et al.,2002)79.
3. Hipotesis Penelitian
Dalam penelitian ini, pengukuran efisiensi biaya maupun estimasi
prediksi faktor penentu tingkat efisiensi biaya menggunakan permodelan
regresi fungsi biaya. Dimana variabel dependennya ialah total cost (TC),
sementara variabel independennya ialah variabel harga input, variabel
output dan variabel netput.
Variabel dependen atau variabel terikat merupakan variabel yang
dipengaruhi atau menjadi akibat, karena adanya variabel independen,
sedangkan variabel independen atau variabel bebas merupakan variabel
yang menjadi sebab timbulnya atau berubahnya variabel dependen (terikat)
sehingga variabel independen dapat dikatakan sebagai variabel yang
mempengaruhi. Hubungan interaksi antara variabel dependen dan variabel
independen ini akan menentukan tingkat efisiensi biaya Bank Umum
Syariah Indonesia.
78 M. Kabir Hassan. "Cost, Profit, and X-Efficiency of Islamic Banks in Pakistan, Iran dan Sudan,”
dalam Tariqullah Khan dan Dadang Muljawan, ed., Proceedings of the international conference on
Dari ketiga pendekatan – produksi, intermediasi dan aset dapat disimpulkan
pendekatan aset lebih maju dibandingkan kedua pendekatan lainnya, hal ini
dikarenakan pendekatan tersebut melihat bank tidak hanya mempunyai
fungsi intermediasi, namun juga memiliki beberapa fungsi lainnya90.
Dengan mempertimbangkan penjabaran kelebihan-kelebihan pendekatan
variabel aset diatas, maka penelitian ini akan menggunakan pendekatan ini.
2. Stochastic Frontier Approach (SFA)
Dengan mengacu pada beberapa penelitian sebelumnya, penelitian ini
akan menggunakan menggunakan metode parametrik. Metode parametrik
yang digunakan adalah SFA (stochastic frontier approach).
Untuk menyederhanakan pengukuran efisiensi, inefisiensi dan random
terms uc dan ϵc diasumsikan dipisahkan dari cost function dan persamaan
fungsi efisiensi biaya ditransformasi dalam bentuk natural logs dapat ditulis
sebagai berikut91:
ln C = f(w,y,z,v) + ln uc + ln εc
Dimana f merupakan notasi dari beberapa fungsi. Term, ln uc + ln εc adalah
gabungan error term dan efisiensi X, ln uc adalah random error term, ln εc.
Secara matematis, efisiensi biaya BPRS dalam penelitian ini akan
menggunakan rumus yang telah dikembangkan oleh Berger dan Mester:
Cost EFFnb = 𝑪𝒎𝒊𝒏
𝑪𝒏=
𝐞𝐱𝐩[𝒇 (𝒘𝒃,𝒚𝒃,𝒛𝒃,𝒗𝒃)]𝒙 + 𝐞𝐱𝐩(𝒍𝒏 𝑼𝒄 𝒎𝒊𝒏)]
𝐞𝐱𝐩[𝒇 (𝒘𝒃,𝒚𝒃,𝒛𝒃,𝒗𝒃)]𝒙 + 𝐞𝐱𝐩(𝒍𝒏 𝑼𝒄 𝒏)]=
𝑼𝒄 𝒎𝒊𝒏
𝑼𝒄 𝒏
Efisiensi biaya berada pada range antara 0 s.d. 1. Dengan angka 1
(100%) maka bank tersebut paling efisien. Dalam mengestimasi efisiensi
dengan menggunakan metode SFA digunakan variabel dependen dan
variabel independen.
90 Ascarya, dkk, Comparing the Efficiency of Conventional and Islamic Banks in Indonesia using
Parametric and Non-parametric Approaches. Presented paper at University of Melbourne
International Symposium and Conference on Islmic Banking and Finance: Ethics and Financial
Practice in Global Perspective (t.t.: t.p., 2008), h. 4. 91 Allen. N. Berger dan Loretta. J. Mester, “Inside the Black Box: What Explain Differences in the
Effficincies of Financial Institution?” Working Paper Series, The Wharton School, University of
Pennsylvania, (Januari 1997), h. 4.
52
Variabel dependen atau variabel terikat merupakan variabel yang
dipengaruhi atau menjadi akibat, karena adanya variabel independen,
sedangkan variabel independen atau variabel bebas merupakan variabel
yang menjadi sebab timbulnya atau berubahnya variabel dependen (terikat)
sehingga variabel independen dapat dikatakan sebagai variabel yang
mempengaruhi.
Variabel dependen dalam penelitian ini adalah total biaya,
sedangkan variabel independen dalam penelitian ini adalah biaya adalah
natural logarithm biaya tenaga kerja dan natural logarithm biaya dana
(komponen input), natural logarithm pembiayaan dan natural logarithm
penempatan pada bank lain (komponen output), serta natural logarithm
rasio modal terhadap aset/EOTA dan natural logarithm nonperforming
financing/NPF (komponen environmental factors). Maka persamaan SFA
3. Analisis Regresi Dengan Metode Ordinary Least Square (OLS)
Regresi adalah studi bagaimana satu variabel, yaitu variabel
dependen dipengaruhi oleh satu atau lebih dari variabel lain yaitu variabel
independen, dengan tujuan untuk mengestimasi dan/atau memprediksi nilai
rata-rata variabel dependen didasarkan pada nilai variabel independen yang
diketahui. Dengan demikian, tujuan utama regresi adalah untuk
memprediksi nilai variabel dependen berdasarkan satu atau lebih variabel
independen92.
Berbeda dengan alat analisis lainnya, regresi linear berganda
membutuhkan (uji) persyaratan tes atau pengujian yang sangat ketat.
Setelah persamaan regresi terbentuk harus atau perlu dilakukan beberapa
pengujian asumsi klasik, yakni diantaranya uji normalitas, uji autokorelasi,
uji heteroskedastisitas, dan uji multikolinearitas93. Model regresi linear
berganda dapat dikatakan baik jika model memenuhi asumsi normalitas data
(data terdistribusi normal), bebas dari asumsi multikolinearitas,
heteroskedastisitas dan autokorelasi (Sujianto, 2009:78)94. Dengan ketiga
asumsi tersebut (multikolinearitas, heteroskedastisitas, dan autokorelasi)
dapat disimpulkan bahwa (we have learned that) koefisien estimator regresi
yang diperoleh adalah best linear unbiased estimators (BLUE ), dengan
asumsi normalitas, estimator mengikuti distribusi normal (Supranto,
2004:10)95.
92 Agus Widarjono, Analisis Multivariat Terapan Dengan Program SPSS, AMOS, dan SMARTPLS.
Ed.II (Yogyakarta: UPP STIM YKPN, 2015), h. 7. 93 Rafika Rahmawati dan M. Nadratuzzaman Hosen, “Efficiency of Fund Management of Sharia
Banking in Indonesia (Based on Parametric Approach)”. International Journal of Academic
Research in Economic and Management Sciences. Vol. 1, No. 2, (April, 2012), h. 148.
Rafika Rahmawati, “Strategi Peningkatan Efisiensi Biaya pada Bank Umum Syariah Berbasis
Stochastic Frontier Approach dan Data Envelopment Analysis”. Buletin Ekonomi Moneter dan
Perbankan. Vol. 17, No. 4, (April 2015), h.463.
Rafika Rahmawati, (Depok: t.p., 2015), op. cit., h. 292. 94 M. Nadratuzzaman Hosen dan Syafaat Muhari, “Efficiency of the Sharia Rural Bank in Indonesia
Lead to Modified Camel”. International Journal of Academic Research in Economics and
Untuk lebih rinci, asumsi-asumsi yang terdapat dalam metode Ordinary
Least Square (OLS) yang digunakan dalam regresi berganda adalah sebagai
berikut96:
1. Hubungan antara X (variabel independen) dan Y (variabel dependen)
adalah linier dalam parameter.
2. Nilai X nilainya tetap (non-stochastic) untuk observasi yang berulang-
ulang. Dalam kasus regresi berganda dimana ada dua atau lebih variabel
independen ditambah tidak ada hubungan linear antara variabel
independen yang ada atau tidak ada multikolinearitas.
3. Nilai harapan (expected value) atau rata-rata dari variabel gangguan ei
adalah nol.
E (ei | Xi) = 0
4. Varian dari variabel gangguan ei adalah sama (homokedastisitas).
Var (ei | Xi) = σ2
5. Tidak ada serial korelatsi antara variabel gangguan ei atau variabel
gangguan ei tidak saling berhubungan dengan variabel gangguan ej yang
lain.
Cov (ei ej | Xi Xj) = 0
6. Variabel gangguan ei berdistribusi normal.
ei ~ N (0,σ2)
Asumsi satu sampai dengan lima dikenal dengan model regresi linier
klasik (Classical Linear Regression Model). Jika asumsi 1-5 terpenuhi maka
metode kuadrat terkecil (OLS) akan menghasilkan kriteria sebagai
berikut97:
1. Estimator β1 adalah tidak bias (unbiased), yaitu nilai rata-rata atau nilai
harapan E (β1) sama dengan nilai β1 yang sebenarnya.
2. Estimator β1 adalah linier, yaitu linier terhadap variabel dependen Y.
96 Agus Widarjono, op. cit., h. 13. 97 Agus Widarjono, op. cit., h. 14.
55
3. Estimator β1 mempunyai varian yang minimum (best). Estimator tidak
bias dengan varian minimum disebut estimator yang efisien (efficient
estimator).
Dari ketiga sifat estimator OLS ini dikenal dengan istilah BLUE (Best
Linear Unbias Estimator). Jika asumsi 6 yaitu variabel gangguan ei
berdistribusi normal juga terpenuhi maka estimator OLS yaitu β0 dan β1
akan berdistribusi normal sebagai berikut98:
𝛽0 ~ N (𝛽0,∑𝑋𝑖
2
𝑛∑𝑋𝑖2 𝜎)
𝛽1 ~ N (𝛽1,𝜎2
∑𝑋𝑖2)
Estimator OLS yang berdistribsi normal merupakan aspek penting di dalam
statistika inferensi. Selain itu berdasarkan Central Limit Theorem (CLT),
jika asumsi 1-5 terpenuhi dan jika sampel cukup besar meskipun asumsi 6
tidak terpenuhi, maka estimator OLS, yaitu β0 dan β1 akan juga mendekati
(approximate) distribusi normal seperti kedua persamaan di atas.
4. Uji Asumsi Ordinary Least Square (OLS)
a. Uji Normalitas
Salah satu asumsi model regresi adalah residual mempunyai
distribusi normal. Konsekuensi jika model tidak mempunyai residual
yang bedistribusi normal yakni uji t untuk melihat signifikansi variabel
independen terhadap variabel dependen tidak dapat diaplikasikan99.
98 Agus Widarjono, op. cit., h. 14. 99 Agus Widarjono, op. cit., h. 89.
56
Menurut Rafika dan Hosen (2012)100, Hosen dan Muhari
(2013)101 serta Ghozali (2013) dalam Permana dan Adityawarman
(2015)102 tujuan uji normalitas adalah untuk mengevaluasi dan menilai
apakah dalam sebuah model regresi, baik residual variabel dependen
maupun residual variabel independen memiliki distribusi data yang
normal atau tidak.
Uji normalitas residual metode OLS secara formal dapat
dideteksi dari metode yang dikembangkan oleh Jarque-Bera (JB)103.
Metode JB ini didasarkan pada sampel besar yang diasumsikan bersifat
asymptotic. Uji statistik dari JB ini menggunakan perhitungan skewness
dan kurtosis. Adapun formula uji statistik JB adalah sebagai berikut104:
JB = n [𝑆2
6+
(𝐾−3)2
24]
Dimana S adalah koefisien skewness dan K adalah koefisien kurtosis.
Jika suatu variabel di distribusikan secara normal maka nilai
koefisien S = 0 dan K = 3. Oleh karena itu, jika residual terdistribusi
secara normal maka diharapkan nilai statistik JB akan sama dengan 0.
Nilai statistik JB ini didasarkan pada distribusi Chi-Square dengan
derajat kebebasan (df) = 2. H0 uji JB menyatakan bahwa residual
didistribusikan secara normal. Jika nilai statistik dari JB ini tidak
signifikan atau nilai probabilitas (p) dari statistik JB lebih besar dari
tingkat signifikansi yang ditentukan (α) maka gagal menolak
(menerima) H0 bahwa residual mempunyai distribusi normal karena
nilai statistik JB mendekati nol.
100 Rafika Rahmawati dan M. Nadratuzzaman Hosen (April, 2012), op. cit. h. 148. 101 M. Nadratuzzaman Hosen dan Syafaat Muhari, op. cit., h. 38. 102 Permana dan Adityawarman, “Analisa Faktor-faktor yang Mempengaruhi Tingkat Efisiensi
Perbankan Syariah Di Indonesia”. Diponogoro Journal of Accounting. Vol. 4, No. 3, (2015): 1-14,
h. 7. 103 Pembahasan lebih lanjut lihat C.M. Jarque and A.K. Bera. “A test for Normality of Observation
and Regression Residuals”. International Statistical Review. Vol. 55, (1987): 163-172. 104 Agus Widarjono, op. cit., h. 91.
57
Sebaliknya jika nilai probabilitas p dari statistik JB kecil atau signifikan
maka disimpulkan menolak hipotesis bahwa residual memiliki distribusi
normal karena nilai statistik JB tidak sama dengan nol105. Dari nilai
statistika JB dapat dilihat apakah residual didistribusikan secara normal
atau tidak dengan cara membandingkannya dengan nilai chi-square
kritis. Jika nilai statistika JB < Chi-Square kritis sehingga tidak
signifikan. Artinya menerima H0 sehingga dapat disimpulkan bahwa
distribusi residual model regresi memiliki distribusi normal, dan begitu
pula sebaliknya106.
b. Uji Multikolinearitas
Multikolinieritas (multicollinearity) merupakan hubungan
(kausal) linier antara (dua atau lebih) variabel independen di dalam
regresi berganda107 atau adanya kenyataan bahwa dua variabel penjelas
atau lebih bersama-sama dipengaruhi oleh variabel ketiga yang ada
diluar model108. Multikolinieritas akan menyebabkan estimator OLS
mempunyai varian dan standar error yang besar. Hal ini dapat
dibuktikan dengan menggunakan formula varian β1 dan β2 sebagai
berikut109:
Var (β1) = 𝜎2
∑𝑥1𝑡2 (1−𝑟12
2 )
Var (β2) = 𝜎2
∑𝑥2𝑡2 (1−𝑟12
2 )
Dimana 𝑟122 merupakan korelasi antara variabel independen X1 dan X2
dalam regresi berganda. Jika korelasi antara X1 dan X2 mendekati angka
1 maka varian β1 dan β2 terus akan menaik dan sebaliknya jika korelasi
mendekati angka 0 maka variannya semakin menurun.
105 Agus Widarjono, op. cit., h. 91. 106 Agus Widarjono, op. cit., h. 92. 107 Agus Widarjono, op. cit., h. 59. 108 Agus Widarjono, op. cit., h. 79. 109 Agus Widarjono, op. cit., h. 60.
58
Dengan demikian semakin tinggi korelasi antar variabel independen
maka semakin besar varian dan standar error yang didapatkan110.
Konsekuensi bila tetap menggunakan model menggunakan
metode OLS dengan adanya multikolinieritas dan tetap
mempertahankan asumsi yang lain yakni111:
Estimator masih bersifat BLUE namun estimator mempunyai varian
dan kovarian yang besar sehingga sulit mendapatkan estimasi yang
tepat.
Akibat konsekuensi nomor satu, interval estimasi akan cenderung
lebih lebar dan nilai hitung statistik uji t akan kecil sehingga
membuat variabel independen secara statistik tidak signifikan.
Meskipun secara individu variabel independen tidak signifikan
mempengaruhi variabel dependen melalui uji t, namun nilai
koefisien determinasi (R2) masih dapat relatif tinggi.
Uji multikolinearitas bertujuan untuk mengevaluasi dan
menilai apakah terdapat korelasi antara variabel independen dalam
model regresi112. Model regresi yang baik seharusnya tidak terjadi
multikolinearitas diantara variabel independennya113.
Salah satu metode untuk mengevaluasi dan menilai ada
tidaknya masalah multikolinieritas dalam suatu model regresi adalah
nilai Variance Inflation Factor (VIF).
Jika suatu model regresi terdapat sejumlah k variabel
independen (tidak termasuk konstanta) di dalam sebuah model,
maka varian dari koefisien regresi parsial dapat ditulis sebagai
berikut114:
Var (β1) = (𝜎2
∑𝑥𝑗2) (
1
1−𝑅𝑗2)
)
110 Agus Widarjono, op. cit., h. 60. 111 Agus Widarjono, op. cit., h. 60. 112 Rafika Rahmawati dan M. Nadratuzzaman Hosen (April, 2012), op. cit., h. 149.
Permana dan Adityawarman, op. cit., h. 8. 113 Rafika Rahmawati dan M. Nadratuzzaman Hosen (April, 2012), op. cit., h. 149. 114 Agus Widarjono, op. cit., h. 64.
59
atau dapat ditulis menjadi
Var (β1) = (𝜎2
∑𝑥𝑗2) VIFj
Dimana 𝑅𝑗2 merupakan koefisien determinasi R2 yang diperoleh dari
regresi auxilary antara variabel independen di dalam model. VIF
merupakan variance inflation factor. Ketika 𝑅𝑗2 mendekati angka 1
atau dengan kata lain ada kolinieritas antarvariabel independen
maka VIF akan naik dan jika 𝑅𝑗2 = 1, maka nilainya tidak terhingga.
Jika nilai VIF semakin membesar maka diduga ada multikolinieritas
antarvariabel independen115. Sebagai aturan main (rule of thumb)
jika nilai VIF melebihi angka 10 (>10), maka dapat disimpulkan ada
multikolinieritas karena nilai 𝑅𝑗2 melebihi dari 0.90116.
Menurut Rahmawati dan Hosen (2012)117, Rahmawati
(2015)118, Permana dan Adityawarman (2015)119, untuk mendeteksi
apakah terdapat multikolinearitas dalam sebuah model regresi,
dilihat dari korelasi antara variabel independen yang ditunjukkan
oleh besarnya nilai tolerance dan variance inflation factor (VIP).
Jika nilai tolerance >0.10 dan VIP <10 maka tidak terdapat (terbebas
dari) multikolinearitas dalam model regresi. Dan jika nilai VIF
diatas 0,90 maka terdapat korelasi yang tinggi antar variabel
independen120.
115 Agus Widarjono, op. cit., h. 64. 116 Agus Widarjono, op. cit., h. 65.
Pembahasan lebih lanjut dapat di lihat di Keinbaum, David G, Lawrence L. Kupper, Azhar Nizam,
and Keith E. Muller (2008). Applied Regression Analysis and Other Multivariate Methods.
Californie: Thomson. 117 Rafika Rahmawati dan M. Nadratuzzaman Hosen (April, 2012), op. cit., h. 149. 118 Rafika Rahmawati. (Depok: t.p., 2015), op. cit., h. 293. 119 Permana dan Adityawarman, op. cit., h. 8. 120 Permana dan Adityawarman, op. cit., h. 8.
60
c. Uji Heteroskedastisitas
Heteroskedastisitas berarti varian variabel gangguan (error
atau residual) yang tidak konsisten. Masalah heteroskedastisitas
biasanya sering muncul pada data cross section daripada data time
series. Salah satu asumsi metode OLS adalah bahwa varian variabel
gangguan sama atau homokedastisitas121. Jika varians dari residual
satu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas dan jika berbeda atau berubah-ubah disebut
heteroskedastisitas122.
Apabila model mengandung heteroskedastisitas maka
estimator masih tidak bias (unbiased) dan linear, namun variannya
sebagai berikut123:
Var (β1) = (∑𝑥𝑖
2 𝜎𝑖2
(∑𝑥𝑖2)2)
Sementara itu varian OLS tanpa heteroskedastisitas adalah sebagai
berikut:
Var (β1) = (𝜎2
∑𝑥𝑗2)
Adanya heteroskedastisitas menyebabkan estimator β1
metode OLS tidak lagi mempunyai atau menghasilkan estimator
dengan varian yang minimum atau dengan kata lain tidak lagi
BLUE. Bila model tetap digunakan jika varian tidak minimum
menyebabkan perhitungan standar error metode OLS tidak lagi
dapat dipercaya kebenarannya, dan akibatnya interval estimasi
maupun uji hipotesis yang didasarkan pada distribusi t maupun F
tidak lagi dapat dipercaya untuk evaluasi hasil regresi124.
121 Agus Widarjono, op. cit., h. 67. 122 Rafika Rahmawati dan M. Nadratuzzaman Hosen (April, 2012), op. cit., h. 149. 123 Agus Widarjono, op. cit., h. 67. 124 Agus Widarjono, op. cit., h. 67.
61
Menurut Ghozali (2013), dalam Rahmawati dan Hosen
(2012)125 dan Permana dan Adityawarman (2015)126, uji
heteroskedastisitas digunakan untuk mengevaluasi atau menilai
apakah dalam suatu model regresi terjadi ketidaksamaan varians dari
residual pada satu pengamatan ke pengamatan lain atau tidak. Salah
satu metode yang populer digunakan untuk uji heteroskedastisitas
adalah uji White127.
Prosedur uji heteroskedastisitas dari White sebagai berikut128:
1) Estimasi persamaan regresi Yi = β0 + β1 X1i + β2 X2i + ei (1) dan
dapatkan residualnya (ei).
2) Lakukan regresi pada persamaan berikut yang disebut regresi
ausxiliary:
a) Regresi auxiliary tanpa perkalian antarvariabel independen
(no cross terms).
𝑒𝑖2 = α0 + α1 X1i + α2 X2i + α3 𝑋1𝑖
2 + α4 𝑋2𝑖2 + vi (2)
b) Regresi auxiliary dengan perkalian antarvariabel independen
(cross terms) sebagai berikut:
𝑒𝑖2 = α0 + α1 X1i + α2 X2i + α3 𝑋1𝑖
2 + α4 𝑋2𝑖2 + α4 X1i X2i + vi (3)
Dimana 𝑒𝑖2 merupakan residual kuadrat yang diperoleh dari
persamaan (1) di atas. Dari persamaan (2) dan (3) di atas
dapatkan nilai koefisien determinasi (R2).
3) H0 dalam uji ini adalah tidak ada heteroskedastisitas. Uji White
didasarkan pada jumlah sampel (n) dikalikan dengan R2 yang
akan mengikuti distribusi chi-square dengan degree of freedom
sebanyak variabel independen tidak termasuk konstanta dalam
regresi auxiliary. Nilai hitung statistik chi-squares dapat dicari
dengan formula sebagai berikut:
125 Rafika Rahmawati dan M. Nadratuzzaman Hosen (April, 2012), op. cit., h. 149. 126 Permana dan Adityawarman, op. cit., h. 8. 127 Pembahasan lebih lanjut dapat di lihat di H. White, “Heteroscedasticity Consistent Covariance
Matrix Estimator and a Direct Test of Heteroscedasticity”. Econometrica. Vol. 48, (1980): 817-8. 128 Agus Widarjono, op. cit., h. 72.
62
nR2 ~ 𝑋𝑑𝑓2
4) Jika nilai chi-square hitung lebih besar dari nilai chi-square
kritis dengan derajat kepercayaan tertentu (α) signifikan
sehingga terdapat masalah heteroskedastisitas dan sebaliknya
jika chi-square hitung lebih kecil dari nilai chi-square kritis
maka tidak signifikan yang menunjukkan tidak adanya
heteroskedastisitas. Nilai chi-square hitung ini diperoleh dari
mengalikan jumlah observasi dengan nilai koefisien
determinasi. Nilai chi-square hitung sudah dilaporkan Eviews
dalam obs*R-squared129.
Cara kedua selain membandingkan nilai chi-square kritis
dan nilai chi-square hitung untuk mengetahui ada tidaknya
masalah heteroskedastisitas melalui uji White adalah dengan
melihat nilai probabilitasnya (probabilitas chi-square hitung).
Jika probabilitas chi-square hitung < dari tingkat signifikansi (α)
yang ditetapkan sehingga signifikan, maka artinya menolak H0
atau menerima Ha. Jika menolak H0 tidak ada
heteroskedastisitas, berarti model mengandung masalah
heteroskedastisitas130 dan sebaliknya.
d. Uji Autokorelasi
Autokorelasi merupakan korelasi antara anggota seri
observasi yang disusun menurut urutan waktu atau urutan tempat,
atau korelasi yang timbul pada dirinya (variabel itu) sendiri131 pada
pengamatan yang berbeda waktu atau individu132. Dengan kata lain
autokorelasi merupakan korelasi antara variabel gangguan satu
observasi dengan variabel gangguan observasi lain133.
129 Agus Widarjono, op. cit., h. 73. 130 Agus Widarjono, op. cit., h. 73. 131 Rafika Rahmawati dan M. Nadratuzzaman Hosen (April, 2012), op. cit., h. 149. 132 Agus Eko Sujianto, op. cit. h. 80. 133 Agus Widarjono, op. cit., h. 78.
63
Autokorelasi ini seringkali muncul pada data time series134.
Salah satu asumsi metode OLS adalah tidak adanya korelasi
antara variabel gangguan135. Adanya autokorelasi menyebabkan
estimator OLS tidak menghasilkan estimator yang mempunyai
varian yang minimum atau dengan kata lain tidak lagi BLUE.
Konsekuensi jika estimator tidak mempunyai varian yang minimum
akan menyebabkan perhitungan standard error metode OLS tidak
lagi dapat dipercaya kebenarannya. Selanjutnya interval estimasi
maupun uji hipotesis yang didasarkan pada distribusi t maupun F
tidak lagi dapat dipercaya untuk evaluasi hasil regresi136.
Menurut Ghozali, 2013 dalam Permana dan
Adityawarman137, uji autokorelasi bertujuan untuk menguji apakah
dalam suatu model regresi linier terdapat korelasi antar kesalahan
pengganggu (residual) pada periode t dengan kesalahan pada
periode t-1 (sebelumnya) atau tidak138.
Salah satu cara yang populer digunakan untuk mendeteksi
adanya autokorelasi dalam regresi linier berganda adalah dengan uji
Durbin Watson139 (DW)140. Metode DW merupakan metode yang
banyak digunakan untuk mendeteksi masalah autokorelasi. Metode
DW dikembangkan dengan mengasumsikan bahwa variabel
gangguan hanya berhubungan dengan variabel gangguan periode
sebelumnya (lag pertama), dikenal dengan model Autoregresif
tingkat pertama (AR1) dan variabel independen tidak mengandung
variabel independen yang merupakan kelambanan (lag) dari variabel
dependen. Adapun formula uji DW adalah sebagai berikut141:
134 Agus Widarjono, op. cit., h. 78. 135 Agus Widarjono, op. cit., h. 78. 136 Agus Widarjono, op. cit., h. 79. 137 Permana dan Adityawarman, op. cit., h. 7. 138 Rafika Rahmawati dan M. Nadratuzzaman Hosen (April, 2012), op. cit., h. 149. 139 Pembahasan lebih lanjut dapat dilihat di J. Durbin and G.S. Watson. “Testing for Serial
Correlation in Least Squares Regression”. Biometrika. Vol. 38, (1951): 159-171. 140 Permana dan Adityawarman, op. cit., h. 7. 141 Agus Widarjono, op. cit., h. 79.
64
d = ∑𝑡=2
𝑡=𝑛 (𝑒𝑡− 𝑒𝑡−1 )2
∑𝑡=1𝑡=𝑛 𝑒𝑡
2
Berdasarkan persamaan tersebut di atas, DW telah berhasil
mengembangkan distribusi statistik DW. DW berhasil menurunkan
nilai kritis batas bawah (dL) dan batas atas (dU) sehingga jika nilai d
hitung dari persamaan tersebut di atas terletak di luar nilai kritis ini
maka ada tidaknya autokorelasi baik positif atau negatif dapat
diketahui.
Penentuan ada tidaknya autokorelasi dapat dilihat dengan
jelas dengan melihat gambar di bawah ini. dari gambar tersebut
secara cepat dapat diketahui jika nilai d mendekati 2 maka tidak ada
autokorelasi. Sebaliknya jika nilai d mendekati 0 atau mendekati 4
maka dapat diduga terdapat autokorelasi positif atau autokorelasi
negatif142.
Gambar 3. 1 Statistik Durbin-Watson (d)143
Dari gambar di atas penentuan ada tidaknya autokorelasi
juga dapat diketahui bila suatu model regresi dinyatakan tidak
terdapat permasalahan atau bebas dari gangguan autokorelasi
apabila du < d < 4 -du ,dimana d adalah nilai Durbin Watson hitung
dan du adalah nilai batas atas (upper) Durbin Watson tabel144.
142 Agus Widarjono, op. cit., h. 80. 143 Sumber gambar: http://rendhart.blogspot.com/2015/09/uji-autokorelasi.html, diakses 21/07/2018 144 Permana dan Adityawarman, op. cit., h. 7.
Dalam persamaan regresi di atas, konstanta TC adalah sebesar
0,011368. Hal ini berarti apabila variabel input dan variabel output
dianggap konstan, maka Bank BCA Syariah akan mengeluarkan biaya
minimum untuk tingkat output tertentu yaitu sebesar 0.14% sumber daya
dari total aktiva yang dimiliki.
Pada variabel beban tenaga kerja (P1) koefisien regresi 1,703725
menunjukan bahwa jika eksponen beban tenaga kerja (P1) mengalami
peningkatan sebesar 1%, maka Bank BCA Syariah akan mengalami
peningkatan biaya sebesar 170%.
78
Pada variabel beban bagi hasil (P2) koefisien regresi 1,306684
menunjukan bahwa jika eksponen beban bagi hasil mengalami peningkatan
sebesar 1%, maka Bank BCA Syariah akan mengalami peningkatan biaya
sebesar 131%.
Pada variabel total aktiva produktif lainnya (Q1) koefisien regresi –
0,048698 menunjukan bahwa jika eksponen total aktiva produktif lainnya
(Q1) mengalami peningkatan sebesar 1%, maka Bank BCA Syariah akan
mengalami peningkatan biaya sebesar 4,9%.
Pada variabel total pembiayaan (Q2) koefisien regresi –0,015880
menunjukan bahwa jika eksponen total pembiayaan mengalami
peningkatan sebesar 1%, maka Bank BCA Syariah akan mengalami
peningkatan biaya sebesar 1,6%.
Pada variabel NPF (Z1) koefisien regresi –0,003163 menunjukan
bahwa jika eksponen NPF (Z1) mengalami peningkatan sebesar 1%, maka
Bank BCA Syariah akan mengalami peningkatan biaya sebesar 0,3%.
Pada variabel EOTA (Z2) koefisien regresi 0,023316 menunjukan
bahwa jika eksponen NPF (Z2) mengalami peningkatan sebesar 1%, maka
Bank BCA Syariah akan mengalami peningkatan biaya sebesar 2,3%.
Setelah mendapatkan hasil regresi, langkah selanjutnya adalah melakukan
evaluasi hasil regresi untuk mengetahui seberapa baik hasil regresi kita. Evaluasi
hasil regresi meliputi151:
1) Uji asumsi-asmsi OLS.
2) Penilaian seberapa baik (goodness of fit) model regresi menjelaskan variasi
variabel dependen melalui koefisien determinasi.
3) Uji kelayakan model dengan uji signifikansi pengaruh semua variabel
independen secara serentak terhadap variabel dependen melalui uji F.
4) Uji signifikansi pengaruh variabel independen terhadap variabel dependen
secara individu (significance test) melalui uji t.
151 Agus Widarjono, Analisis Multivariat Terapan Dengan Program SPSS, AMOS, dan SMARTPLS.
Ed.II (Yogyakarta: UPP STIM YKPN, 2015), h. 17.
79
2. Uji Asumsi Ordinary Least Square (OLS)
a. Uji Normalitas
Uji normalitas dalam penelitian ini menggunakan uji Jarque Bera (JB).
H0 uji JB menyatakan bahwa residual didistribusikan secara normal. Jika
nilai probabilitas (p) dari statistik JB lebih besar dari tingkat signifikansi
yang ditentukan (α) maka gagal menolak (menerima) H0 bahwa residual
mempunyai distribusi normal. Sebaliknya jika nilai probabilitas p dari
statistik JB kecil atau signifikan maka disimpulkan menolak hipotesis
bahwa residual memiliki distribusi normal152.
1) Bank Victoria Syariah
Gambar 4. 7 Uji Normalitas JB p-Value Bank Victoria Syariah
Sumber: Data sekunder yang diolah
Gambar 4.7 di atas adalah uji normalitas Jarque-Bera (JB)
dengan software EViews 9. Pada Gambar terlihat dua informasi
penting berkaitan dengan uji JB. Pertama, di sebelah kiri terlihat
histogram residual dari model regresi fungsi biaya Bank Victoria
Syariah. Dari histogram residual ini dapat dilihat apakah residual
didistribusikan secara normal atau tidak terlihat dari bentuk
histogramnya yang berbentuk lonceng yang simetris (bell shaped)
sehingga dapat disimpulkan bahwa model memiliki distribusi
residual yang berdistribusi normal153. Kedua, disebelah kanan
menyediakan informasi statistika JB dan probabilitasnya.
152 Agus Widarjono, op. cit., h. 91. 153 Ibid.
80
Untuk menentukan signifikan tidaknya dalam uji JB dalam
penelitian ini dapat dilihat dari nilai probabilitasnya (p) yang
nilainya sebesar 0.268735. Nilai p tersebut lebih besar dari tingkat
signifikansi α = 5% (0.05), sehingga menerima H0 bahwa residual
dari model regresi fungsi biaya Bank Victoria Syariah memiliki
distribusi normal.
2) Bank BCA Syariah
Gambar 4. 8 Uji Normalitas JB p-Value Bank BCA Syariah
Sumber: Data sekunder yang diolah
Gambar 4.8 di atas adalah uji normalitas Jarque-Bera (JB)
dengan software EViews 9. Pada Gambar terlihat dua informasi
penting berkaitan dengan uji JB. Pertama, di sebelah kiri terlihat
histogram residual dari model regresi fungsi biaya Bank BCA
Syariah. Dari histogram residual ini dapat dilihat apakah residual
didistribusikan secara normal atau tidak terlihat dari bentuk
histogramnya yang berbentuk lonceng yang simetris (bell shaped)
sehingga dapat disimpulkan bahwa model memiliki distribusi
residual yang berdistribusi normal154. Kedua, disebelah kanan
menyediakan informasi statistika JB dan probabilitasnya.
154 Ibid.
81
Untuk menentukan signifikan tidaknya dalam uji JB dalam
penelitian ini dapat dilihat dari nilai probabilitasnya (p) yang
nilainya sebesar 0.104530. Nilai p tersebut lebih besar dari tingkat
signifikansi α = 5% (0.05), sehingga menerima H0 bahwa residual
dari model regresi fungsi biaya Bank BCA Syariah memiliki
distribusi normal.
b. Uji Autokorelasi
Dari hasil olah data dengan EViews didapat nilai d hitung atau
Durbin-Watson statistic Bank Victoria Syariah dan Bank BCA Syariah.
Resume nilai DW statistik kedua bank dapat dilihat pada tabel berikut:
Tabel 4. 4 Nilai D-W statistic Bank Victoria Syariah dan Bank BCA Syariah
Sampel D-W Stat
Bank Victoria Syariah 1,061518
Bank BCA Syariah 0,544012
Sumber: Data sekunder yang diolah
Penentuan ada tidaknya autokorelasi dapat diketahui jika nilai d mendekati
2 maka tidak ada autokorelasi. Sebaliknya jika nilai d mendekati 0 atau
mendekati 4 maka dapat diduga terdapat autokorelasi positif atau
autokorelasi negatif155. Penentuan ada tidaknya autokorelasi juga dapat
diketahui bila suatu model regresi dinyatakan tidak terdapat permasalahan
atau bebas dari gangguan autokorelasi apabila du < d < 4 -du, dimana d
adalah nilai Durbin Watson hitung (statistik) dan du adalah nilai batas atas
(upper) Durbin Watson tabel (Permana dan Adityawarman, 2015156;
Widarjono, 2015157).
155 Ibid., h. 80. 156 Permana dan Adityawarman, “Analisa Faktor-faktor yang Mempengaruhi Tingkat Efisiensi
Perbankan Syariah Di Indonesia”. Diponogoro Journal of Accounting. Vol. 4, No. 3, (2015): 1-14,
h. 7. 157 Agus Widarjono, op. cit., h. 80.
82
Berdasarkan kriteria tersebut, maka diketahui nilai kritis (tabel)
durbin watson batas bawah (dL) dan batas atas (dU) dengan probabilitas (α)
5% pada n = 48 dan k atau banyaknya variabel = 7 masing-masing sebesar
1,27087 dan 1,82645. Kemudian dari tabel di atas terlihat bahwa nilai uji
Durbin-Watson statistics Bank Victoria Syariah dan Bank BCA Syariah
masing-masing sebesar 1.061518 dan 0.544012. Dengan demikian dapat
disimpulkan nilai model regresi fungsi biaya kedua bank, baik Bank
Victoria Syariah maupun Bank BCA Syariah Indonesia tahun 2014-2017
terdapat permasalahan autokorelasi karena nilai d < dL.
c. Uji Heteroskedastisitas
Uji heteroskedastisitas dalam penelitian ini menggunakan uji White
menggunakan software EViews. Pengambilan kesimpulan ada tidaknya
masalah heteroskedastisitas melalui uji White adalah dengan melihat nilai
probabilitasnya (probabilitas chi-square hitung). Jika probabilitas chi-
square hitung < dari tingkat signifikansi (α) yang ditetapkan sehingga
signifikan, maka artinya menolak H0 atau menerima Ha. Jika menolak H0
tidak ada heteroskedastisitas, berarti model mengandung masalah
heteroskedastisitas158 dan sebaliknya. Untuk nilai chi-square hitung sudah
dilaporkan Eviews dalam obs*R-squared159.
Hasil olahan data atau operasi uji White dengan program Eviews
menampilkan dua output yang dilaporkan. Bagian atas melaporkan nilai chi-
square hitung dan Fhitung beserta tingkat probabilitasnya atau tingkat
signifikansinya. Sedangkan bagian bawah melaporkan persamaan uji
White160.
158 Agus Widarjono, op. cit., h. 73. 159 Agus Widarjono, op. cit., h. 73. 160 Agus Widarjono, op. cit. h. 73.
83
Berikut penilaian masalah heteroskedastisitas pada kedua sampel.
Gambar 4. 9 Uji Heteroskedastisitas White Bank Victoria Syariah
Sumber: Data sekunder yang diolah
Probabilitasnya chi-square kritis atau obs*R-squared fungsi biaya
Bank Victoria Syariah pada gambar di atas sebesar 0.0521, lebih besar dari
tingkat signifikansi 0.05 (α = 5%) sehingga signifikan. Oleh karena itu
artinya menerima H0 atau menolak Ha. Jika menerima H0 tidak ada
heteroskedastisitas, berarti model tidak terdapat masalah
heteroskedastisitas.
Gambar 4. 10 Uji Heteroskedastisitas White Bank BCA Syariah
Sumber: Data sekunder yang diolah
Probabilitasnya chi-square kritis atau obs*R-squared fungsi biaya
Bank BCA Syariah pada gambar di atas sebesar 0.0154, lebih kecil dari
tingkat signifikansi 0.05 (α = 5%) sehingga signifikan. Oleh karena itu
artinya menolak H0 atau menerima Ha. Jika menolak H0 tidak ada
heteroskedastisitas, berarti model terdapat masalah heteroskedastisitas.
84
d. Uji Multikolinearitas
Uji multikolinieritas dalam penelitian ini adalah dengan melihat
nilai Variance Inflation Factor. Sebagai aturan main (rule of thumb)
menurut Rahmawati dan Hosen (2012)161, Rahmawati (2015)162, Permana
dan Adityawarman (2015)163, untuk mendeteksi apakah terdapat
multikolinearitas dalam sebuah model regresi, dilihat dari korelasi antara
variabel independen yang ditunjukkan oleh besarnya nilai tolerance dan
variance inflation factor (VIP). Jika nilai tolerance >0.10 dan VIP <10 maka
model tidak terdapat (terbebas dari) multikolinearitas dalam model regresi.
Dan jika nilai VIF diatas 0,90 maka terdapat korelasi yang tinggi antar
variabel independen164.
Nilai Variance Inflation Factor (VIF) variabel-variabel Bank
Victoria Syariah dan Bank BCA Syariah dapat dilihat pada gambar dibawah
ini:
Gambar 4. 11 Uji Multikolinieritas Dengan Nilai VIF Bank Victoria Syariah
Sumber: Data sekunder yang diolah
161 Rafika Rahmawati dan M. Nadratuzzaman Hosen (April, 2012), op. cit., h. 149. 162 Rafika Rahmawati. (Depok: t.p., 2015), op. cit., h. 293. 163 Permana dan Adityawarman, op. cit., h. 8. 164 Permana dan Adityawarman, op. cit., h. 8.
85
Gambar 4. 12 Uji Multikolinieritas Dengan Nilai VIF Bank BCA Syariah
Sumber: Data sekunder yang diolah
Berdasarkan kritria tersebut di atas dan berdasarkan nilai
Variance Inflation Factor (VIF) variabel-variabel Bank Victoria
Syariah maupun Bank BCA Syariah pada gambar 4.11 dan gambar
4.12 di atas, seluruh variabel memiliki nilai VIF < 10. Maka dapat
disimpulkan bahwa baik model regresi pada Bank Victoria Syariah
maupun Bank BCA Syariah tahun 2014-2017 terbebas dari gejala
multikolinearitas.
3. Penyembuhan Asumsi Klasik OLS
Setelah dilakukan beberapa uji asumsi klasik dan ternyata masih
ditemukan pelanggaran asumsi klasik OLS yakni autokorelasi dan
heteroskedastisitas, maka penyembuhan pelanggaran asumsi perlu dilakukan.
Tabel 4. 5 Resume Kelayakan Estimasi Model Regresi OLS
JB Nilai VIF>10 White DW Stat Adj. R2 F-Stat
BVS 0.268735 0 0.0521 1.061518 0.988865 0.000000
BCAS 0.104530 0 0.0154 0.544012 0.945200 0.000000
Sumber: Data sekunder yang diolah
Catatan: untuk nilai JB, White dan F-Stat disajikan dalam satuan p-Value (probabilitas)
86
Para ahli ekonometrika juga telah mencoba mengembangkan metode
OLS yang menghasilkan standard error yang konsisten bila terjadi masalah
heteroskedastisitas maupun autokorelasi. White telah mengembangkan metode
standard error yang konsisten konsisten bila terdapat masalah
heteroskedastisitas yang dikenal dengan Hetersocedasticity-Consistent
Covariance Matrix Estimator (HCCME). Namun, HCCME didasarkan pada
asumsi bahwa variabel gangguan et tidak saling berhubungan atau tidak ada
serial korelasinya. Metode selanjutnya yang dikembangkan oleh Newey,
Whitney, dan Kenneth165 memasukkan kedua unsur baik masalah
heteroskedastisitas maupun masalah autokorelasi. Robust standard error yang
konsisten bila ada kedua unsur tersebut dikenal dengan Heteroscedasticity and
Autocorrelation Consistent Covariance Matrix (HAC). Seperti HCCME,
metode HAC dapat digunakan untuk uji statistika signifikansi maupun interval
estimasi166.
Gambar 4. 13 Model Estimasi Victoria Syariah setelah Robust Standard Error
Sumber: Data sekunder yang diolah
165 Pembahasan lebih lanjut dapat dilihat di Newey, Whitney, and Kenneth West. “A simple Positive
Semi-Definite, Heteroscedasticity and Autocorrelation Consistent Covariance Matrix”.
Econometrica. Vol. 55, (1987): 703-708. 166 Agus Widarjono, op. cit., h. 88.
87
Gambar 4. 14 Model Estimasi BCA Syariah Setelah Robust Standard Error
Sumber: Data sekunder yang diolah
Kedua gambar diatas merupakan model regresi OLS masing-
masing sampel setelah menggunakan metode robust standard error.
Seperti diketahui sebelumnya model regresi fungsi biaya Bank BCA
Syariah dan Bank Victoria Syariah sebelumnya mengalami masalah
autokorelasi dan heteroskedastisitas sehingga memerlukan
penyembuhan. Salah satu cara untuk menyembuhkan kedua masalah
asumsi tersebut adalah dengan mencari standard error yang konsisten
bila terjadi autokorelasi maupun heteroskedastisitas dengan metode
Heteroscedasticity and Autocorrelation Consistent Covariance Matrix
(HAC) menggunakan software EViews167.
Hasil estimasi pada gambar 4.13 dan gambar 4.14 di atas
menyajikan standard error yang konsisten dari Newey, Whitney dan
Kenneth bagi kedua model regresi Bank BCA Syariah dan Bank
Victoria Syariah. Dengan menggunakan metode HAC, standard error
sudah konsisten sehingga dapat dilakukan evaluasi uji t maupun F
meskipun ada masalah autokorelasi dan heteroskedastisitas168.
167 Agus Widarjono, op. cit., h. 89. 168 Agus Widarjono, op. cit., h. 89.
88
4. Uji Statistik
a. Uji Koefisien Determinasi (R2)
Berikut koefisien determinasi dari masing-masing sampel
penelitian:
Tabel 4. 6 Adj. R2 Bank Victoria Syariah dan Bank BCA Syariah
Victoria Syariah BCA Syariah
Adj. R2 0.988865 0.945200
Sumber: Data sekunder yang diolah
Berdasarkan tabel 4.6 diketahui bahwa pada fungsi biaya Bank
Victoria Syariah selama periode penelitian (2014-2017) nilai koefisien
determinasi dari model regresinya adalah sebesar 0.988965 atau 99%.
Hal ini menunjukan variabel bebas (beban tenaga kerja, beban bagi
hasil, total pembiayaan dan piutang yang disalurkan, aktiva produktif
lainnya, NPF dan EOTA) secara bersama-sama (simultan) dapat
mempengaruhi atau menerangkan variabel terikat (total biaya) sebesar
99% dan sisanya 1% dipengaruhi variabel lain yang tidak dimasukan
dalam model penelitian.
Berdasarkan tabel 4.6 juga diketahui bahwa pada fungsi biaya
Bank BCA Syariah selama periode penelitian (2014-2017) nilai
koefisien determinasi dari model regresinya adalah sebesar 0.9452 atau
95%. Hal ini menunjukan variabel bebas (beban tenaga kerja, beban
bagi hasil, total pembiayaan dan piutang yang disalurkan, aktiva
produktif lainnya, NPF dan EOTA) secara bersama-sama (simultan)
dapat mempengaruhi atau menerangkan variabel terikat (total biaya)
sebesar 95% dan sisanya 5% dipengaruhi variabel lain yang tidak
dimasukan dalam model penelitian.
89
b. Uji F
Berikut nilai Prob. F-Statistics dari masing-masing sampel.
Tabel 4. 7 Prob. F-Statistics Bank Victoria Syariah dan BCA Syariah
Prob. F-Statistics
Victoria Syariah 0.000000
BCA Syariah 0.000000
Sumber: Data sekunder yang diolah
Hasil uji F dapat dilihat pada tabel di atas. Nilai prob. F-statistic
sebesar 0,000000, lebih kecil dari tingkat signifikansi 0,05 (α = 5%)
sehingga dapat disimpulkan bahwa model regresi yang diestimasi layak
digunakan untuk menjelaskan pengaruh variabel independen terhadap
variabel dependen.
c. Uji t
Berikut nilai prob. t-statistics variabel dari masing-masing sampel
1) Bank Victoria Syariah
Tabel 4. 8 Prob. t-Statistics Masing-masing Variabel Bank Victoria Syariah
Coefficient Prob. t-Statistics
C -0.012371 0.1245
P1 2.923102 0.0000
P2 0.993703 0.0000
Q1 0.010018 0.4018
Q2 -0.015808 0.0107
Z1 0.408231 0.0000
Z2 0.097469 0.0469
Sumber: Data sekunder yang diolah
Berdasarkan nilai thitung dan p-value dari masing-masing variabel
Bank Victoria Syariah periode 2014-2017 dari tabel diatas, maka
dapat interpretasikan:
90
a) Konstanta
Nilai prob. t hitung dari kostanta (C) sebesar 0.1245, lebih
besar dari 0,05 (α) sehingga kostanta (C) tidak berpengaruh
signifikan terhadap variabel terikat (dependen) TC pada α 5%
atau dengan kata lain, kostanta (C) tidak berpengaruh signifikan
terhadap TC pada taraf keyakinan 95%.
b) P1 (Beban Tenaga Kerja)
Nilai prob. t hitung dari variabel bebas P1 sebesar 0.0000,
lebih kecil dari 0,05 (α) sehingga variabel bebas (independen)
P1 berpengaruh signifikan terhadap variabel terikat (dependen)
TC pada α 5% atau dengan kata lain, P1 berpengaruh signifikan
terhadap TC pada taraf keyakinan 95%.
c) P2 (Beban Dana Bagi Hasil)
Nilai prob. t hitung dari variabel bebas P2 sebesar 0.0000,
lebih kecil dari 0,05 (α) sehingga variabel bebas (independen)
P2 berpengaruh signifikan terhadap variabel terikat (dependen)
TC pada α 5% atau dengan kata lain, P2 berpengaruh signifikan
terhadap TC pada taraf keyakinan 95%.
d) Q1 (Aktiva Produktif Lainnya)
Nilai prob. t hitung dari variabel bebas Q1 sebesar 0.4018,
lebih besar dari 0,05 (α) sehingga variabel bebas (independen)
Q1 tidak berpengaruh signifikan terhadap variabel terikat
(dependen) TC pada α 5% atau dengan kata lain, Q1 tidak
berpengaruh signifikan terhadap TC pada taraf keyakinan 95%.
e) Q2 (Total Pembiayaan)
Nilai prob. t hitung dari variabel bebas Q2 sebesar 0.0107,
lebih kecil dari 0,05 (α) sehingga variabel bebas (independen)
Q2 berpengaruh signifikan terhadap variabel terikat (dependen)
TC pada α 5% atau dengan kata lain, Q2 berpengaruh signifikan
terhadap TC pada taraf keyakinan 95%.
91
f) Z1 (Rasio Total PPAP/Total Aset)
Nilai prob. t hitung dari variabel bebas Z1 sebesar 0.0000,
lebih kecil dari 0,05 (α) sehingga variabel bebas (independen)
Z1 berpengaruh signifikan terhadap variabel terikat (dependen)
TC pada α 5% atau dengan kata lain, Z1 berpengaruh signifikan
terhadap TC pada taraf keyakinan 95%.
g) Z2 (EOTA)
Nilai prob. t hitung dari variabel bebas Z2 sebesar 0.0469,
bila dibulatkan (0.05) sama dengan 0,05 (α) sehingga variabel
bebas (independen) Z2 dapat dikatakan berpengaruh signifikan
terhadap variabel terikat (dependen) TC pada α 5% atau dengan
kata lain, Z2 berpengaruh signifikan terhadap TC pada taraf
keyakinan 95%.
2) Bank BCA Syariah
Tabel 4. 9 Prob. t-Statistics Masing-masing Variabel Bank BCA Syariah
Coefficient Prob. t-Statistics
C 0.011368 0.6005
P1 1.703725 0.0040
P2 1.306684 0.0000
Q1 -0.048698 0.3638
Q2 -0.015880 0.4841
Z1 -0.003163 0.9961
Z2 0.023316 0.5958
Sumber: Data sekunder yang diolah
Berdasarkan nilai thitung dan p-value dari masing-masing variabel
Bank BCA Syariah periode 2014-2017 dari tabel diatas, maka dapat
interpretasikan:
92
a) Konstanta
Nilai prob. t hitung dari kostanta (C) sebesar 0.6005, lebih
besar dari 0,05 (α) sehingga kostanta (C) tidak berpengaruh
signifikan terhadap variabel terikat (dependen) TC pada α 5%
atau dengan kata lain, kostanta (C) tidak berpengaruh signifikan
terhadap TC pada taraf keyakinan 95%.
b) P1 (Beban Tenaga Kerja)
Nilai prob. t hitung dari variabel bebas P1 sebesar 0.0040,
lebih kecil dari 0,05 (α) sehingga variabel bebas (independen)
P1 berpengaruh signifikan terhadap variabel terikat (dependen)
TC pada α 5% atau dengan kata lain, P1 berpengaruh signifikan
terhadap TC pada taraf keyakinan 95%.
c) P2 (Beban Dana Bagi Hasil)
Nilai prob. t hitung dari variabel bebas P2 sebesar 0.0000,
lebih kecil dari 0,05 (α) sehingga variabel bebas (independen)
P2 berpengaruh signifikan terhadap variabel terikat (dependen)
TC pada α 5% atau dengan kata lain, P2 berpengaruh signifikan
terhadap TC pada taraf keyakinan 95%.
d) Q1 (Aktiva Produktif Lainnya)
Nilai prob. t hitung dari variabel bebas Q1 sebesar 0.3638,
lebih besar dari 0,05 (α) sehingga variabel bebas (independen)
Q1 tidak berpengaruh signifikan terhadap variabel terikat
(dependen) TC pada α 5% atau dengan kata lain, Q1 tidak
berpengaruh signifikan terhadap TC pada taraf keyakinan 95%.
e) Q2 (Total Pembiayaan)
Nilai prob. t hitung dari variabel bebas Q2 sebesar 0.4841,
lebih besar dari 0,05 (α) sehingga variabel bebas (independen)
Q2 tidak berpengaruh signifikan terhadap variabel terikat
(dependen) TC pada α 5% atau dengan kata lain, Q2 tidak
berpengaruh signifikan terhadap TC pada taraf keyakinan 95%.
93
f) Z1 (Rasio Total PPAP/Total Aset)
Nilai prob. t hitung dari variabel bebas Z1 sebesar 0.9961,
lebih besar dari 0,05 (α) sehingga variabel bebas (independen)
Z1 tidak berpengaruh signifikan terhadap variabel terikat
(dependen) TC pada α 5% atau dengan kata lain, Z1 tidak
berpengaruh signifikan terhadap TC pada taraf keyakinan 95%.
g) Z2 (EOTA)
Nilai prob. t hitung dari variabel bebas Z2 sebesar 0.5958,
lebih besar dari 0,05 (α) sehingga variabel bebas (independen)
Z2 tidak berpengaruh signifikan terhadap variabel terikat
(dependen) TC pada α 5% atau dengan kata lain, Z2 tidak
berpengaruh signifikan terhadap TC pada taraf keyakinan 95%.
5. Kesimpulan Hipotesis Penelitian
Tabel 4. 10 Resume Uji Statistik Model Estimasi Faktor Penentu Fungsi Biaya
Coefficient Prob. t-Statistics Prob. F-Statistics
BVS BCA BVS BCA BVS BCA
C -0.01237 0.01137 0.1245 0.6005 0.000000 0.000000
P1 2.923 1.704 0.0000 0.0040
P2 0.994 1.307 0.0000 0.0000
Q1 0.010 -0.049 0.4018 0.3638
Q2 -0.016 -0.016 0.0107 0.4841
Z1 0.408 -0.003 0.0000 0.9961
Z2 0.098 0.023 0.0469 0.5958 Sumber: Data sekunder yang diolah
Berikut di atas merupakan resume dari hasil uji statistik variabel-
variabel. Berdasarkan hasil tersebut dapat disimpulkan bahwa kedua
sampel, kompak sama-sama menolak H03 (hipotesis nol) atau tidak
signifikan pada variabel Q1, yakni aktiva produktif. Hal ini dapat
disimpulkan bahwa pengelolaan aktiva produktif lainnya, selain
pembiayaan belum optimal, dan atau dapat juga disebabkan oleh
pengelolaan yang buruk. Sebagai output, Q1 tidak meminimalisir total biaya
yang ditanggung perusahaan. Sementara untuk hasil uji hipotesis variabel
lainnya sebagai berikut:
94
a. Hipotesis H0 yang diterima di kedua sampel diantaranya:
H01: Terdapat pengaruh signifikan antara beban tenaga kerja dan total biaya
H02: Terdapat pengaruh signifikan antara beban bagi hasil dan total biaya
b. Hipotesis H0 yang diterima hanya pada 1 sampel (BVS) diantaranya:
H05: Terdapat pengaruh signifikan antara NPF dan total biaya
H06: Terdapat pengaruh signifikan antara ekuitas dan total biaya
95
BAB V
PENUTUP
A. Kesimpulan
Berdasarkan hasil analisis dan pembahasan yang telah diuraikan mengenai
tingkat efisiensi biaya pada Bank Umum Syariah (Bank Victoria Syariah dan Bank
BCA Syariah) pada tahun 2014-2017 berdasarkan metode parametrik SFA dan
multiple regression OLS, maka dapat ditarik kesimpulan sebagai berikut:
Hasil penelitian ini menunjukkan bahwa rata-rata sepanjang periode
penelitian (2014-2017) tingkat efisiensi biaya kedua sampel, Bank BCA Syariah
dan Bank Victoria Syariah masing-masing sebesar 66% dan 69%, dimana tingkat
efisiensi ini masuk dalam kategori kurang efisien. Kemudian faktor penentu dari
variabel komponen pembentuk fungsi biaya dengan metode regresi OLS di kedua
bank memiliki perbedaan. Bank BCA Syariah signifikan dipengaruhi oleh dua dari
enam variabel komponen pembentuk fungsi biaya, sementara Bank Victoria
Syariah signifikan dipengaruhi oleh 4 dari enam variabel komponen pembentuk
fungsi biaya. Kedua sampel sama-sama dipengaruhi oleh variabel biaya tenaga
kerja dan beban bagi hasil. Namun demikian, untuk Bank Victoria Syariah selain
kedua variabel harga input, beban tenaga kerja dan beban dana bagi hasil, juga
dipengaruhi oleh variabel total pembiayaan dan NPF.
96
B. Rekomendasi
Setelah didapat hasil dari penelitian ini dan berdasarkan kesimpulan-
kesimpulan yang telah disebutkan di atas, saran-saran yang dapat peneliti
sampaikan yaitu:
a. Dalam penelitian ini sample data, baik subjek penelitian (bank) maupun
jumlah rentang waktu pengamatan data terlalu ketat dengan banyaknya
kriteria sehingga alhasil sampel data menjadi sedikit. Diharapkan para
peneliti atau akademisi yang akan meneliti hal serupa dengan penelitian ini
dapat memperbanyak sampel data, baik objek maupun rentang waktu
pengamatan sehingga penarikan kesimpulan parameter menjadi lebih
akurat.
b. Selain sampel data, variabel-variabel yang digunakan tidak banyak sehingga
untuk ukuran penelitian determinan aspek-aspek diluar variabel tidak dapat
di ukur. Diharapkan kedepanya para peneliti atau akademisi yang akan
meneliti hal serupa dengan penelitian ini dapat memperbanyak jumlah data,
tidak hanya aspek internal atau bank spesific juga dapat melihat aspek
eksternal, variabel makro ekonomi, terutama mengenai masalah bad luck
hypothesis.
c. Demikian pula dengan metode pengukuran. Untuk mendapatkan
kesimpulan yang lebih komprehensif dapat dilakukan pembandingan
dengan metode analisis data yang lain sebagai pembanding, seperti metode
frontier non-parametrik DEA, dan/atau analisa time series.
97
DAFTAR PUSTAKA
Alamsyah, Halim. Perkembangan dan Prospek Perbankan Syariah di Indonesia:
Tantangan dalam Menyongsong MEA 2015. Ceramah Ilmiah Ikatan Ahli
Ekonomi Islam (IAEI), Milad ke-8 IAEI, 13 April 2012. T.tp.: t.p., 2012.
Ascarya, dkk. “Positioning Analysis of Islamic Bank Vis-A-Vis Conventional Bank
in Indonesia Using Parametric SFA and DFA Methods”. Islamic Finance &
Business Review. Vol. 4, No. 2, (Aug-Dec, 2009).
Ascarya, dkk. Comparing the Efficiency of Conventional and Islamic Banks in
Indonesia using Parametric and Non-parametric Approaches. Presented
paper at University of Melbourne International Symposium and Conference
on Islmic Banking and Finance: Ethics and Financial Practice in Global
Perspective. t.t.: t.p., 2008.
Ascarya. Akad dan Produk Bank Syariah: Konsep dan Praktek di Beberapa
Negara. t.t.: t.p., t.th..
Bungin, Burhan. Metodologi Penelitian Kuantitatif, Komunikasi, Ekonomi, dan
Kebijakan Publik Serta Ilmu-Ilmu Sosial Lainnya. Jakarta: Kencana, 2008.
Edward dan Anwar. “Analisis Efisiensi Perbankan Syariah Di Indonesia Periode
2010-2013”. Jurnal Dinamika Ekonomi dan Bisnis. Vol.12 No.1 (Maret,
2015).
Endri. “Analisis Kinerja Keuangan dengan Menggunakan Rasio-rasio Keuangan
dan Economic Value Added (Studi Kasus: PT. Bank Syariah Mandiri).”
Jurnal Ekonomi. Vol. 13, No.1 (Mei 2008).
Ferhi, Afifa dan Ridha Chkoundali. “Comparing Effectiveness between Islamic and
Conventional Bank During the Current Crisis”. Intellectual Property Rights.
Vol. 3, Issue, (2015).
Hassan, M. Kabir. “The X Efficiency in Islamic Banks”. Islamic Economic Studies.
Vol. 13, No. 2, (Febuari 2006).
Hassan, M. Kabir. The X Efficiency in Islamic Banks. 12th ERF Conference Paper.
(t.t.: t.p., Jan 2005).
Hosen, M. Nadratuzzaman dan Rafika Rahmawati. “Efficiency and Profitability on
Indonesian Islamic Banking Industry”. Al-Iqtishad. Vol. 8 (1), (Januari 2016).
98
Hosen, M. Nadratuzzaman dan Syafaat Muhari. “Efficiency of the Sharia Rural
Bank in Indonesia Lead to Modified Camel”. International Journal of
Academic Research in Economics and Management Sciences. Vol. 2, No. 5,
(September, 2013).
Ismail, Farhana, dkk. “Efficiency of Islamic and conventional banks in Malaysia”.
Journal of Financial Reporting and Accounting. Vol. 11 Issue. 1, (2013): 92-
107.
M. Kabir Hassan. "Cost, Profit, and X-Efficiency of Islamic Banks in Pakistan, Iran
dan Sudan,” dalam Tariqullah Khan dan Dadang Muljawan, ed., Proceedings
of the international conference on islamic banking: risk management,
regulation and supervision. Islamic financial architecture: Risk Management
and Financial Stability. Sept 30th-Oct.2nd, 2003. Jeddah: IDB, IRTI, 2006.
Mankiw, Gregory N. Principles of Economics, 3rd.ed. Penerjamah Criswan
Sungkono. Pengantar Ekonomi Mikro. Edisi 3. Jakarta: Salemba Empat,
2006.
Mghaieth, Asma dan Imen Khancel, “The Determinant of Cost-Profit Efficiency of
Islamic Banks Before, During and After the Subprime Crisis using SFA
Approach”. International Journal of Accounting and Financial Reporting.
Vol. 5, No. 2, (2015).
Mokhtar, dkk. “Technical and Cost Efficiency of Islamic Banking in Malaysia”.
Review of Islamic Economics. Vol. 11, No. 1, (2007): pp. 5-40.
Otoritas Jasa Keuangan. Statistik Perbankan Syariah 2014. t.t.: t.p., t.th..
Otoritas Jasa Keuangan. Statistik Perbankan Syariah 2017. t.t.: t.p., t.th..
Otoritas Jasa Keuangan. Statistik Perbankan Syariah 2017. t.t.: t.p., t.th..
Permana dan Adityawarman. “Analisa Faktor-faktor yang Mempengaruhi Tingkat
Efisiensi Perbankan Syariah Di Indonesia”. Diponogoro Journal of
Accounting. Vol. 4, No. 3, (2015): 1-14.
Rahmawati, Rafika dan M. Nadratuzzaman Hosen. “Efficiency of Fund
Management of Sharia Banking in Indonesia (Based on Parametric
Approach)”. International Journal of Academic Research in Economic and