Analisis Kinerja Industri Bank Umum Indonesia Pada Era Digital Banking 4.0 (Pendekatan Model Panzar- Rosse)

ANALISIS KINERJA INDUSTRI BANK UMUM INDONESIA PADA ERA DIGITAL BANKING 4.0 (PENDEKATAN MODEL PANZAR- ROSSE)

TESIS

Oleh RAHMAD KHADAFI 187018014/IE

PROGRAM PASCASARJANA UNIVERSITAS SUMATERA UTARA MEDAN 2020

UNIVERSITAS SUMATERA UTARA

ANALISIS KINERJA INDUSTRI BANK UMUM INDONESIA PADA ERA DIGITAL BANKING 4.0 (PENDEKATAN MODEL PANZAR- ROSSE)

TESIS

Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Magister Sains dalam Program Studi Magister Ilmu Ekonomi pada Fakultas Ekonomi dan Bisnis Univesitas Sumatera Utara

Oleh

RAHMAD KHADAFI 187018014/MIE

PROGRAM STUDI MAGISTER ILMU EKONOMI FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS SUMATERA UTARA MEDAN 2020

UNIVERSITAS SUMATERA UTARA

Tanggal Lulus : 7 September 2020

Telah diuji pada

Tanggal : 7 September 2020 ______

PANITIA PENGUJI TESIS

Ketua : Dr. Dede Ruslan, SE, M.Si

Anggota : 1. Irsyad, SE, M.Soc.SC, PhD

2. Prof. Dr. HB Tarmizi, SU

3. Dr. Rujiman, MA

4. Dr. Ahmad Albar Tanjung, M.Si

UNIVERSITAS SUMATERA UTARA

LEMBAR PERNYATAAN ORISINALITAS

Yang bertanda tangan di bawah ini, saya:

Nama : Rahmad Khadafi

Tempat & tanggal lahir : Medan, 12 Februari 1986

Alamat Tempat Tinggal : Komp. Tasbi 2 Blok IV No. 45, Medan

Alamat email : [email protected]

HP : 081263628012

Judul Tesis : Analisis Kinerja Industri Bank Umum Indonesia Pada Era Digital Banking 4.0 (Pendekatan Model Panzar- Rosse)

Dengan ini saya menyatakan bahwa Tesis ini adalah benar-benar hasil karya saya sendiri, bukan jiplakan karya orang lain dengan cara yang tidak sesuai dengan tata etika ilmiah yang berlaku dalam masyarakat akademik atau yang disebut plagiarisme.

Apabila di kemudian hari ternyata Tesis saya tidak sesuai dengan pernyataan ini, maka saya bersedia menanggung akibat dan sanksi yang diberikan kepada saya.

Demikian pernyataan ini dibuat dengan sebenarnya.

Medan, 7 September 2020

Yang Menyatakan

(Rahmad Khadafi)

UNIVERSITAS SUMATERA UTARA

DAFTAR RIWAYAT HIDUP

Nama : Rahmad Khadafi

Tempat/Tanggal Lahir : Medan, 12 Februari 1986

Jenis Kelamin : Pria

Agama : Islam

Orang Tua

Ayah : H.Anwar Sani, BA.

Ibu : Hj. Juslina

Status Pernikahan : Nikah

Istri : Fatma Zuleira Sinaga, SE.

Anak I : Muhammad Ryuga Al Rafa

Anak II : Ibrahim Akihiko Al Rafa

Pekerjaan : Pegawai BUMN

Alamat : Komplek Tasbi 2 Blok IV no. 45 Kel. Asam

Kumbang Kec. Medan Selayang Kodya Medan

Pendidikan :

- SD Al-Ulum Medan, Tamat Tahun 1998

- SMP Negeri 3 Medan, Tamat Tahun 2001

- SMA Negeri 1 Medan, Tamat Tahun 2004

- S1 Ekonomi Pembangunan Universitas Sumatera Utara, Tamat Tahun

2008

UNIVERSITAS SUMATERA UTARA

ABSTRAK

Kemajuan teknologi yang terjadi dalam industri perbankan mendisrupsi segala industri, termasuk pada industri perbankan. Hal ini membawa Bank Umum di Indonesia menuju Era Digital 4.0, sehingga menimbulkan pergeseran perilaku masyarakat dalam bertransaksi dan memunculkan banyaknya lembaga keuangan digital. Perubahan tersebut dikhawatirkan akan berdampak pada kinerja Bank Umum di Indonesia dan merubah tingkat persaingan antara lembaga Bank Umum pada Era Digital Banking 4.0. Penelitian ini bertujuan untuk menganalisis kinerja industri Bank Umum Indonesia pada Era Digital Banking 4.0. Pendekatan yang digunakan untuk mengukur tingkat pengaruh variabel independen terhadap kinerja dan tingkat persaingan bank umum dalam penelitian ini adalah pendekatan non struktural Panzar-Rosse dengan menggunakan data sekunder dari bank umum di Indonesia pada periode Januari 2013 – Maret 2020. Objek penelitian ini adalah seluruh bank umum konvensional. Estimasi persamaan menggunakan Return on Asset (ROA) sebagai variabel dependen untuk kinerja Bank Umum, dan variabel LDR, Volume Transaksi E-Money, Jumlah mesin EDC, Jumlah Kantor Cabang, Jumlah mesin ATM, BOPO serta NIM sebagai variabel independen. Hasil penelitian menunjukkan bahwa kinerja industri Bank Umum Indonesia pada Era Digital Banking 4.0 diukur oleh ROA secara signifikan dipengaruhi oleh Jumlah mesin EDC; Jumlah Kantor Cabang; Jumlah mesin ATM; BOPO dan NIM. Namum LDR dan Volume Transaksi E-Money tidak berpengaruh signifikan terhadap ROA. Selanjutnya berdasarkan model Panzar-Rosse dengan menggunakan H-statistik menunjukan bahwa persaingan yang terjadi pada Bank Umum di Indonesia pada Era Digital Banking 4.0 termasuk dalam struktur pasar Monopolistik.

Kata kunci : Bank Umum Indonesia, Era Digital Banking 4.0, Kinerja Bank, Struktur Pasar, Panzar-Rosse Model.

UNIVERSITAS SUMATERA UTARA

KATA PENGANTAR

Penulis mengucapkan Alhamdulillah, segala puji hanya milik Allah subhanahu wa ta’ala atas limpahan rahmat-Nya penulis dapat menyelesaikan penyusunan tesis ini. Dan shalawat serta salam semoga selalu dilimpahkan kepada

Rasulullah shalallahu’alaihi wa sallam, keluarga beliau, sahabat serta orang-orang yang mengikuti beliau hingga hari akhir.

Dalam penulisan tesis ini penulis banyak mendapatkan bantuan serta dorongan dari pihak lain, baik secara moril maupun materil. Dalam kesempatan ini dengan segala kerendahan hati, penulis mengucapkan terima kasih yang tulus kepada:

1. Bapak Prof. Dr Runtung Sitepu, SH, M.Hum selaku Rektor Universitas

Sumatera Utara.

2. Bapak Prof. Dr. Ramli, SE, MS selaku Dekan Fakultas Ekonomi dan Bisnis

Universitas Sumatera Utara.

3. Bapak Irsyad, SE, M.Soc.Sc, PhD selaku Ketua Program Studi Magister Ilmu

Ekonomi Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara dan

selaku Anggota Komisi Pembimbing yang telah membimbing dan

mengarahkan penulis dalam menyelesaikan penulisan tesis ini.

4. Bapak Dr. Dede Ruslan, M.Si selaku Ketua Komisi Pembimbing yang telah

membimbing dan mengarahkan penulis dalam menyelesaikan penulisan tesis

ini.

5. Bapak Prof. Dr. HB Tarmizi, SU selaku Komisi Pembanding atas saran dan

kritik yang telah diberikan.

iii

UNIVERSITAS SUMATERA UTARA

6. Bapak Dr. Rujiman, MA selaku Komisi Pembanding atas saran dan kritik

yang telah diberikan.

7. Bapak Dr. Ahmad Albar Tanjung, M.Si selaku Komisi Pembanding atas

saran dan kritik yang telah diberikan.

8. Kedua orang tua saya yaitu Ayahanda Alm. Anwar Sani dan Ibunda Juslina,

yang telah mendidik, mengasihi, memotivasi dan membimbing serta

mendukung penulis didalam doanya sehingga dapat menyelesaikan tesis ini.

9. Istri saya Fatma Zuleira Sinaga dan anak-anak saya yaitu Muhammad Ryuga

Al Rafa dan Ibrahim Akihiko Al Rafa yang telah mendukung dan member

semangat sehingga menjadi motivasi saya dalam menyelesaikan tesis ini.

10. Bapak/Ibu Seluruh staf pengajar dan karyawan Magister Ilmu Ekonomi

Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara yang telah

membantu penulis hingga tesis ini dapat selesai.

11. Teman-teman Magister Ilmu Ekonomi yang juga telah membantu dan

mendukung penulis dalam menyelesaikan tesis ini khusus nya angkatan 2018.

Penulis menyadari bahwa Tesis ini masih banyak memiliki kekurangan dan jauh dari kesempurnaan. Namun harapan penulis semoga Tesis ini bermanfaat kepada seluruh pembaca. Semoga kiranya Tuhan Yang Maha Esa memberkati kita semua, Amin.

Medan, 7 September 2020 Penulis,

Rahmad Khadafi

UNIVERSITAS SUMATERA UTARA

DAFTAR ISI

Halaman ABSTRAK ...... i ABSTRACT ...... ii KATA PENGANTAR ...... iii DAFTAR ISI ...... v DAFTAR TABEL ...... viii DAFTAR GAMBAR ...... ix DAFTAR LAMPIRAN ...... x

BAB I. PENDAHULUAN ...... 1 1.1. Latar Belakang ...... 1 1.2. Perumusan masalah ...... 16 1.3. Tujuan Penelitian ...... 16 1.4. Manfaat Penelitian ...... 17 BAB II. TINJAUAN PUSTAKA ...... 18 2.1. Bank ...... 18 2.2. Kantor Bank ...... 21 2.3. Digital Banking 4.0 ...... 23 2.4. Alat Pembayaran dengan Menggunakan Kartu (APMK) ...... 28 2.5. Infrastruktur Alat Pembayaran dengan Menggunakan Kartu ..... 31 2.6. Uang Elektronik (e-money) ...... 34 2.7. Kinerja Perbankan ...... 34 2.7.1. Rentabilitas ...... 35 2.7.1.1. Rasio Profitabilitas ...... 35 2.7.2. Likuiditas ...... 36 2.7.3. Rasio Biaya Operasional ...... 36 2.8. Paradigma Structure – Conduct – Performance (SCP) ...... 38 2.8.1. Pendekatan Struktural ...... 39 2.8.2. Pendekatan Non-Struktural ...... 40 2.8.3. Pendekatan Panzar-Rosse ...... 42 2.9. Pasar Persaingan ...... 44 2.9.1. Pasar Persaingan Sempurna ...... 45

UNIVERSITAS SUMATERA UTARA

2.9.2. Pasar Monopoli ...... 46 2.9.3. Pasar Monopolistik ...... 46 2.9.4. Pasar Oligopoli ...... 47 2.10. Penelitian Terdahulu ...... 49 2.11. Kerangka Pemikiran ...... 54 2.12. Hipotesis Penelitian ...... 56 BAB III. METODE PENELITIAN ...... 57 3.1. Ruang Lingkup Penelitian ...... 57 3.2. Jenis dan Sumber Data ...... 57 3.3. Model Analisis ...... 57 3.4. Defenisi Operasional Variabel ...... 58 3.5. Metode Analisa Data ...... 59 3.6. Uji Penyimpangan Asumsi Klasik ...... 60 3.6.1. Uji Normalitas ...... 60 3.6.2. Uji Multikolinieritas ...... 60 3.6.3. Uji Heterokendastisitas ...... 61 3.6.4. Uji Autokolerasi ...... 62 3.7. Uji Kesesuaian Hipotesis ...... 62 3.7.1. Uji F (Simultan) ...... 63 3.7.2. Analisis Koefisien Determinasi ...... 63 3.7.3. Uji t-test ...... 64 BAB IV. HASIL DAN PEMBAHASAN ...... 65 4.1. Gambaran Umum Objek Penelitian ...... 65 4.2. Deskripsi Variabel Penelitian...... 66 4.2.1. Rasio Return on Asset (ROA) di Indonesia ...... 67 4.2.2. Loan Deposit Rasio (LDR) di Indonesia ...... 68 4.2.3. Volume Transaksi E-Money di Indonesia ...... 70 4.2.4. Jumlah Mesin Electronic Data Capture (EDC) ...... 72 4.2.5. Jumlah Kantor Cabang Bank Umum di Indonesia ...... 74 4.2.6. Jumlah Mesin ATM di Indonesia ...... 76 4.2.7. Rasio BOPO Bank Umum Indonesia ...... 78 4.2.8. Rasio NIM Bank Umum Indonesia ...... 79 4.3. Pengujian Asumsi Klasik ...... 81 4.3.1. Uji Normalitas ...... 81

UNIVERSITAS SUMATERA UTARA

4.3.2. Uji Multikolinieritas ...... 82 4.3.3. Uji Heterokendastisitas ...... 83 4.3.4. Uji Autokolerasi ...... 84 4.4. Regresi Linier Berganda ...... 85 4.5. Uji Hipotesis ...... 88 4.5.1. Uji F (Simultan) ...... 88 4.5.2. Koefisien Determinasi (R-Squared) ...... 88 4.5.3. Uji t-statistik ...... 89 4.6. Uji H-Statistik ...... 91 4.7. Pembahasan Hasil ...... 93 4.7.1. Pengaruh LDR terhadap ROA ...... 93 4.7.2. Pengaruh Volume Transaksi E-Money terhadap ROA .... 94 4.7.3. Pengaruh Jumlah Mesin EDC terhadap ROA ...... 95 4.7.4. Pengaruh Jumlah Kantor Cabang terhadap ROA ...... 96 4.7.5. Pengaruh Jumlah Mesin ATM terhadap ROA ...... 97 4.7.6. Pengaruh BOPO terhadap ROA ...... 98 4.7.7. Pengaruh NIM terhadap ROA ...... 98 4.7.8. Sturktur Pasar Bank Umum yang terbentuk pada Era Digital Banking 4.0 ...... 99 BAB V. KESIMPULAN DAN SARAN ...... 103 5.1. Kesimpulan ...... 103 5.2. Saran ...... 104 DAFTAR PUSTAKA ...... 106

vii

UNIVERSITAS SUMATERA UTARA

DAFTAR TABEL Nomor Judul Halaman 1.1. Data Indikator Kesehatan Bank Umum Indonesia ...... 5 2.1. Interpretasi H-Statistik...... 44 2.2. Penelitan Terdahulu ...... 49 4.1. Jumlah Bank Umum Konvensional ...... 65 4.2. Return On Asset (ROA) Bank Umum Indonesia ...... 67 4.3. Loan to Deposit Rasio (LDR) Bank Umum Indonesia ...... 69 4.4. Volume Transaksi E-Money...... 71 4.5. Jumlah Mesin EDC Bank Umum Indonesia ...... 73 4.6. Jumlah Kantor Cabang Bank Umum Indonesia ...... 75 4.7. Jumlah Mesin ATM Bank Umum Indonesia...... 77 4.8. BOPO Bank Umum Indonesia ...... 79 4.9. NIM Bank Umum Indonesia ...... 80 4.10. Matriks Kolerasi Regresi Model ...... 83 4.11. Hasil Uji Heterokedastisitas ...... 83 4.12. Hasil Uji Autokolerasi ...... 84 4.13. Hasil Regresi Linier Berganda ...... 85 4.14. Hasil H-Statistik ...... 92

viii

UNIVERSITAS SUMATERA UTARA

DAFTAR GAMBAR

Nomor Judul Halaman 1.1. Perkembangan ROA Bank Umum Indonesia ...... 3 1.2. Perkembangan Jumlah Kantor Cabang Bank Umum Indonesia ...... 7 1.3. Perkembangan Transaksi AMPK ...... 10 1.4. Pertumbuhan Uang Elektronik di Indonesia...... 12 2.1. Skema Paradigma S-C-P ...... 41 2.2. Kerangka Penelitian...... 55 4.1. Hasil Uji Normalitas Regresi Model ...... 82

UNIVERSITAS SUMATERA UTARA

DAFTAR LAMPIRAN

Nomor Judul Halaman 1. Data Penelitian...... 111 2. Model Regresi Linier dengan pendekatan Panzar-Rosse ...... 113 3. Uji Normalitas ...... 114 4. Uji Heterokedastisitas (Uji Harvey) ...... 114

5. Uji Autokolerasi ...... 115

UNIVERSITAS SUMATERA UTARA

BAB I

PENDAHULUAN

1.1. Latar Belakang

Sebagai Agent of Development, industri perbankan memberikan kontribusi yang sangat berpengaruh pada kegiatan perekonomian masyarakat khususnya di sektor riil dan moneter. Keberhasilan industri perbankan sangat berpengaruh terhadap pertumbuhan ekonomi suatu Negara. Sesuai dengan Undang-undang No.

10 Tahun 1998 yang menyatakan bahwa tujuan perbankan Indonesia yakni menunjang pelaksanaan pembangunan nasional sehingga mampu mendorong pembangunan ekonomi nasional yang berkesinambungan.

Teknologi pada saat ini berkembang sangat pesat, membawa dunia memasuki Era Digital. Era Digital merupakan istilah yang digunakan dalam kemunculan teknologi komputerisasi yang berbasis jaringan internet. Pada Era

Digital masyarakat diberikan kemudahan dapat terhubung satu sama lain secara real time tanpa ada batasan ruang dan waktu. Era Digital menghantarkan masyarakat menuju revolusi industri 4.0.

Dunia Industri selalu mengalami perubahan dan perkembangan secara masiv yang dikenal dengan Revolusi Industri, demi menambah efiseinsi dan efektifitas produksi. Revolusi Industri 1.0 pertama kali mucul pada abad ke-18 yaitu di tahun 1750 – 1850 ditandai dengan adanya penemuan mesin uap. Mesin uap digunakan untuk menggantikan tenaga manusia dan hewan pada industri agar menciptakan efisiensi pada proses produksi. Revolusi Industri 2.0 pada abad ke 20 atau pada tahun 1850 – 1940. Industri 2.0 muncul ditandai dengan adanya penemuan listrik, instalasi pipa gas, air dan alat komunikasi. Pada Industri 2.0

UNIVERSITAS SUMATERA UTARA

produksi masal dilakukan dengan pembagian kerja sesuai spesifikasinya. Revolusi

Industri 3.0 dikenal dengan revolusi teknologi dimana mucul penemuan baru seperti telepon genggam, komputerisasi, dan mesin kontrol (robot). Revolusi 3.0 dimulai dengan perkembangan dunia teknologi pada awal tahun 1970 dengan melibatkan elektronik dan teknologi informasi untuk otomasi produksi (Tanjung

& Ruslan, 2019).

Revolusi Industri 4.0 pertama kali diperkenalkan pada tahun 2012 oleh

Working Group on Industry 4.0 pada saat melakukan pemaparan kepada pemerintah federal Jerman. Revolusi Industri 4.0 dikenal dengan era “internet of things (IoT)” . Industri 4.0 muncul karena adanya teknologi yang terkoneksi secara data virtual antara manusia, mesin, dan sumber daya alam dengan sistem yang berkesinambungan.

Menurut Suharman et al. (2018) sistem industry 4.0 erat kaitannya dengan penerapan dan pemanfaatan jaringan internet (Internet of Things), Smart

Manufacturing, Cloud Computing, Artificial Intellegence (AI), sistem robotika dan otomasi proses produksi, optimasi OEM, bioteknologi, serta Virtual Branding dalam dunia industri. Dalam rangka menyesuaikan diri terhadap kemajuan di era

Industry 4.0, perlu ditekankan pada semua bidang industri pentingnya penguasaan teknologi dan kemampuan manajemen terkait hal-hal diatas.

Revolusi Industri 4.0 sangat berdampak pada sektor perbankan Indonesia.

Hal ini dikarenakan perbankan merupakan salah satu sektor industri yang sangat sensitif pada setiap perubahan yang terjadi pada segala aspek baik dari internal maupun eksternal. Dampak yang terjadi dapat dinilai pada hasil kinerja industri perbankan yang telah dicapai.

UNIVERSITAS SUMATERA UTARA

Return On Aset 20,00 Awal Revolusi Setelah Revolusi 15,00 11,09 Industri 4.0 Industri 4.0 berjalan

10,00 5,15 2,10 5,00 1,37 3,16 3,11 3,02 3,08 3,02 2,85 2,29 2,32 2,31 2,23 2,47 2,45 2,43 2,55 2,51 2,47 - 2012 2012 2013 2013 2014 2014 2015 2015 2016 2016 2017 2017 2018 2018 2019 2019 -5,00 S1 S2 S1 S2 S1 S2 S1 S2 S1 S2 S1 S2 S1 S2 S1 S2 -1,41 -1,97 -5,59 -0,61 -0,82 -1,62 -1,42 -3,01 -3,58 -1,19 -10,00

-15,00

-20,00 -19,62 -25,00

ROA Growth ROA

Gambar 1.1: Perkembangan ROA Bank Umum Indonesia Sumber : Statistik Perbankan Indonesia (OJK), data diolah

Menurut Manurung & Fitrawaty (2016), Profit yang dihasilkan oleh industri perbankan merupakan salah satu indikator yang digunakan untuk menentukan kinerja bank. Gambaran perkembangan kinerja Bank Umum di

Indonesia dapat dilihat pada tingkat profitabilitas yang diproyeksikan melalui

ROA (Return on Aset). Pada fase awal revolusi Industri 4.0 terjadi penurunan nilai

ROA. Penurunan tersebut dapat dinilai semester pertama tahun 2012 ROA berada di nilai 3,16. Kemudian adanya trend penurunan pada semester-semester berikutnya dan penurunan signifikan terjadi pada semester awal tahun 2015 yakni mencapai posisi 2,29 atau sebesar 19.62% dari semester sebelumnya.

UNIVERSITAS SUMATERA UTARA

Setelah adanya tindakan adaptif baik dari pemerintah maupun para management perbankan, pada semester kedua 2015 nilai ROA terkoreksi menjadi

2,32 dan memperlihatkan adanya trend perbaikan yang signifikan pada semester awal 2017 di nilai 2,47 atau tumbuh 11% dari semester sebelumnya. Terjadinya perubahan kinerja perbankan Indonesia diatas tak lepas dari pengaruh faktor eksternal pada luar negeri dan internal dalam negeri yang merupakan bagian dari proses revolusi industri 4.0 yang terjadi secara global.

Menurut Nadhira, (2019) Secara garis besar ada empat efek faktor eksternal luar negeri yang dapat mempengaruhi industri khususnya kinerja perbankan Indonesia. Faktor pertama adalah munculnya globaliasasi pada organisasi bisnis yang memperluas pengaruh opersional pada skala internasional didukung oleh kemajuan dalam transportasi dan telekomunikasi. Faktor kedua yaitu adanya perbedaan kemajuan dan perkembangan teknologi antar Negara dalam proses produksi yang mengutamakan perluasan kesempatan dalam memperoleh informasi tanpa batas secara real time. Faktor ketiga, kompetisi internasional yang muncul akibat perusahaan tiap-tiap Negara berlomba-lomba untuk memenuhi kebutuhan pasar Internasional dengan memproses produksi yang efisien dan cepat. Faktor yang keempat, munculnya automatisasi mesin dan robot yang dibekali kecerdasan buatan (Artificial Intelligence) sehingga hal ini merupakan tantangan bagi Sumber Daya Manusia (Human Capital) untuk meningkatkan skill dan potensi agar dapat memiliki daya saing yang tinggi.

UNIVERSITAS SUMATERA UTARA

Selain faktor dari luar negeri, faktor dalam negeri yang juga berpengaruh besar terhadap kinerja perbankan. Faktor-faktor dalam negeri tersebut dapat berasal dari kebijakan pemerintah maupun strategi perbankan. Faktor-faktor dalam negeri dapat dilihat dari hasil beberapa indikator perbankan yang terjadi di

Indonesia.

Tabel 1.1: Data Indikator Kesehatan Bank Umum Indonesia Tahun ROA NPL NIM CAR 2013 3.08 1.70 4.89 18.13 2014 2.85 2.16 4.23 19.57 2015 2.32 2.49 5.39 21.39

2016 2.23 2.93 5.63 22.93 2017 2.45 2.59 5.32 23.18

2018 2.55 2.37 5.14 22.97 Sumber: Statistik Perbankan Indonesia (OJK) data diolah

Menurut data tersebut ada beberapa faktor dalam negeri yang menjadi penyebab rasio profitabilitas (ROA) Bank Umum Indonesia sulit mengalami pertumbuhan. Faktor yang pertama yaitu masih adanya potensi penurunan kualitas kredit yang diproyeksikan melalui kenaikan nilai NPL (Non Perfoming Loan).

Sebagai lembaga intermediasi keuangan, pinjaman merupakan salah satu faktor input produksi penting pada industri perbankan. Kualitas kredit yang disalurkan sangat berpengaruh terhadap kinerja khususnya bagi pendapatan perbankan.

Kenaikan NPL ini dikarenakan ekonomi domestik yang mengalami kelesuan belum pulih secara merata. Rasio NPL terus mengalami trend peningkatan dilihat dari tahun 2013 sampai tahun 2016 NPL menjadi 2.93%. Pada tahun 2018 NPL sedikit memulih yakni turun menjadi 2.37%.

UNIVERSITAS SUMATERA UTARA

Faktor kedua adalah terjadinya trend penurunan suku bunga perbankan.

Suku bunga perbankan turun diakibatkan adanya regulasi moneter Bank Indonesia untuk mengendalikan inflasi, sehingga mengakibatkan margin bunga bank menipis. Hal ini dapat dilihat dari trend penurunan NIM (Net Interest Margin), yang pada tahun 2013 nilai NIM sejumlah 4.89% menjadi turun di tahun 2014 menjadi 4.23%. Pada tahun-tahun berikutnya terjadi kenaikan nilai NIM yaitu tahun 2018 NIM menjadi 5.14%.

Faktor ketiga adalah penambahan beban regulasi oleh Bank Indonesia,

(2013) melalui revisi Peraturan Bank Indonesia Nomor 15/12/PBI/2013 tentang

Kewajiban Penyediaan Modal Minimum Bank Umum, yang diterapkan pada 1

Januari 2014. Revisi aturan tersebut bertujuan untuk penambahan cadangan modal perbankan yang di proyeksikan melalui data CAR (Capital on Aset Rasio) agar memitigasi resiko dari pasar keuangan global, yang bisa saja menurunkan kesehatan bank. Pada tahun 2013 jumlah CAR Bank Umum Indonesia pada posisi

18.13% dan terus meningkat sampai tahun 2018 menjadi 22.97%.

Penyebab lainnya profitabilitas Bank Umum di Indonesia terus menurun, adalah persaingan pada industri perbankan yang semakin ketat, ditambah masuknya perusahaan nonbank ke dalam sektor jasa keuangan seperti industri

Financial Technology (Fintech). Hal tersebut dapat merubah nilai konsentrasi pasar sehingga dapat merubah struktur pasar industri perbankan. Penurunan ROA pada awal revolusi Industri 4.0 tersebut diharapkan hanya sebagai turbulensi sementara untuk fase penyesuaian atas munculnya Digital Banking 4.0 untuk menumbuhkan kembali kinerja perbankan.

UNIVERSITAS SUMATERA UTARA

Digital Banking 4.0 membawa perubahan secara massif pada wajah perbankan Indonesia, seperti hal yang pernah diungkapkan oleh Bill Gates (1997)

“ We need banking but we don’t need banks anymore”. Pernyataan tersebut menjelaskan bahwa nasabah memerlukan transaksi perbankan namun tidak ingin terikat pada waktu dan tempat. Hal ini merupakan kode keras untuk pihak perbankan khususnya di Indonesia untuk merampingkan outlet kantor cabang dan lebih berinovasi dalam transaksi online. Munculnya Digital Banking 4.0 menyebabkan peran outlet kantor cabang bank menjadi berkurang, hal tersebut dapat diperhatikan pada gambar 1.2.

Jumlah Kantor Cabang Bank Umum 33.500

33.000 32.953 32.500 32.739 32.720 32.000 32.285

31.500 31.847 31.618 31.000 31.127 30.500

30.000 Des 2013 Des 2014 Des 2015 Des 2016 Des 2017 Des 2018 Des 2019

Gambar 1.2: Perkembangan Jumlah Kantor Cabang Bank Umum Indonesia Sumber: Statistik Perbankan Indonesia (OJK), data diolah

Berdasarkan data OJK pada 2013 Bank Umum memiliki 31,847 kantor cabang. Terjadi trend kenaikan sampai tahun 2015 kantor cabang tetap mengalami pertumbuhan sehingga menjadi 32,963 kantor cabang. Pada tahun 2016 mulai adanya trend penurunan yang terjadi sampai pada Desember 2019, jumlah kantor cabang yang tersisa adalah 31.127 cabang atau berkurang 720 kantor yaitu jika dibandingkan dengan Desember 2013.

UNIVERSITAS SUMATERA UTARA

Fenomena yang terjadi atas penurunan Jumlah Kantor Cabang tidak sejalan dengan Teori lokasi yang dikemukakan oleh Pastor dalam (Suryani, 2017) yang menyatakan bahwa penjualan meningkat jika banyak cabang pada lokasi yang baik dan dapat menarik nasabah. Teori tersebut sejalan dengan penelitian yang dilakukan Diba, (2017) yang menunjukan bahwa jumlah cabang berpengaruh positif dan secara statistik signifikan terhadap ROA. Demkian juga dengan penelitian yang dilakukan Ihsan, (2019) menunjukan jumlah jaringan kantor bank memiliki pengaruh signifikan terhadap pertumbuhan aset, karena dengan semakin luasnya jaringan kantor bank akan meningkatkan penghimpunan dana yang berasal dari masyarakat dan bank dapat menggunakannya untuk peningkatan aset bank.

Penurunan Jumlah Kantor Cabang merupakan salah satu strategi perbankan yang diambil untuk memperbaiki kinerja perbankan dalam melakukan efisiensi. Hal ini sesuai dengan penelitian Hijrianto, (2016) yang menunjukan bahwa jumlah outlet kantor cabang berpengaruh negatif signifikan terhadap ROA.

Sejalan dengan penelitian Prasetyo dan Sunaryo, (2015) menunjukan bahwa penambahan jumlah cabang berpengaruh negatif dan tidak signifikan terhadap kinerja industri perbankan.

Menurut Onay et al. dalam Margaretha, (2015) Pengenalan internet telah mengubah dimensi persaingan pada sektor perbankan, dimana adopsi internet telah menambahkan jalur distribusi baru dalam sektor perbankan yaitu online banking. Perubahan dimensi persaingan ini membawa turbulensi pada dunia perbankan, menuntut masing-masing bank untuk mampu memenuhi kebutuhan nasabah yang ingin pelayanan cepat, aman dan nyaman secara digital.

UNIVERSITAS SUMATERA UTARA

Teknologi perbankan harus dapat berinovasi terhadap produk keuangan dan teknologi informasi untuk mampu mengikuti perkembangan dan persaingan bisnis dengan memanfaatkan peluang dalam melayani nasabah melalui Digital

Banking 4.0. Sebagian besar lembaga perbankan berinvestasi di bidang Teknologi

Informasi untuk meningkatkan layanan keuangan pada jalur digital agar mengimbangi persaingan global (Kahveci & Wolfs, 2018).

Era Digital Banking 4.0 mengubah perilaku nasabah lebih menggunakan teknologi digital dalam bertransaksi dari pada melakukan transaksi di kantor outlet Bank. Atas pertimbangan kemudahan, kecepatan dan efisiensi waktu nasabah lebih memilih layanan Digital Banking 4.0. Pada layanan Digital Banking

4.0, masyarakat diberikan kemudahan memilih bertransaksi dengan menggunakan

Electronic Chanel (E-Chanel) diantaranya adalah APMK (Alat Pembayaran

Menggunakan Kartu), sms Banking, mobile Banking, internet Banking dan e-

Banking untuk memfasilitasi keperluan nasabah seperti transfer uang, pembayaran tagihan atau bahkan membuka rekening.

Dalam penggunakan Alat Pembayaran dengan Menggunakan Kartu

(AMPK), perbankan Indonesia telah mempersiapkan infrastuktur penunjang agar transaksi online dapat berjalan dengan baik diantaranya mesin ATM, mesin EDC dan toko (Merchant) yang bersedia menggunakan APMK. Penggunaan APMK di

Indonesia sangat berkembang pesat, hal ini ditandai dengan meningkatnya volume transaksi APMK di Indonesia yang tumbuh tiap tahunnya dari 2013 sampai 2019 sesuai data grafik Gambar 1.3 berikut.

UNIVERSITAS SUMATERA UTARA

Volume Transaksi APMK 8.000.000.000 7.376.174.610 6.801.746.321 7.000.000.000 6.020.604.217 6.000.000.000 5.501.564.749 4.855.713.473 5.000.000.000 4.332.016.225 4.000.000.000 3.700.248.384 3.000.000.000 2.000.000.000 1.000.000.000 - 2013 2014 2015 2016 2017 2018 2019

Gambar 1.3: Perkembangan Transaksi AMPK Sumber: Statistik Sistem Pembayaran (Bank Indonesia), data diolah

Pada tahun 2013 jumlah volume transaksi APMK adalah 3,700,248,384 transaksi. Jumlah volume transaksi APMK terus mengalami trend peningkatan yaitu sejak 2014 sampai 2017. Pertumbuhan signifikan terjadi pada tahun 2018 yakni volume transaksi APMK tumbuh menjadi 6,801,746,321 transaksi.

Pertumbuhan ini sejalan dengan regulasi Pemerintah atas semua Bank

Umum Indonesia yang dijelaskan Gubernur Bank Indonesia 2013-2018

Agus D.W. Martowardojo dalam Widiartanto, (2017) yakni Bank Indonesia (BI) resmi meluncurkan sistem National Payment Gateway atau Gerbang Pembayaran

Nasional (GPN) pada tanggal 4 Desember 2017, yang diatur melalui Peraturan

Bank Indonesia No. 19/8/PBI/2017. Sistem ini berguna untuk menyatukan berbagai sistem pembayaran milik berbagai bank yang berbeda. Sistem GPN hadir untuk menghilangkan fragmentasi dalam sistem pembayaran dan memberikan kenyamanan dan kemudahan kepada nasabah sehingga nasabah dapat menggunakan kartu debet atau kartu kredit secara lebih efektif dan efisien pada mesin EDC bank yang ikut dalam system GPN. Dengan adanya system GPN

UNIVERSITAS SUMATERA UTARA

maka kehadirannya dapat mensuport penggunaan APMK atas pembayaran non tunai.

Pada tahun 2019 volume transaksi APMK mengalami pertumbuhan walau hanya sebesar 8.45% yaitu menjadi 7,376,174,610 transaksi. Perlambatan laju pertumbuhan jumlah volume transaksi APMK adalah awal dari efek disrupsi yang terjadi atas penyesuaian perkembangan Digital Banking 4.0. Penyesuaian tersebut diharapkan dapat meningkatkan kinerja perbankan.

Dengan munculnya APMK menambah banyak jalur distribusi jasa perbankan kepada nasabah. Dengan memberikan banyak jalur distribusi yang efisien diharapkan memudahkan masyarakat mendapatkan layanan perbankan sehingga mendorong profitabilitas untuk kinerja perbankan. Sesuai pada penelitian Yulianto et al. (2016) Jumlah Mesin ATM berpengaruh positif signifikan terhadap kinerja. Namun pada penelitian Diba, (2017) menyatakan jumlah ATM dan status devisa berpengaruh positif namun tidak signifikan terhadap ROA.

Berkembangnya saluran Digital Banking 4.0 juga ikut memunculkan perusahaan startup yang bergerak di sektor keuangan digital (digital financial).

Salah satu produk digital financial tersebut adalah Uang Elektronik (E-money).

Dengan munculnya Uang Elektronik akan memungkinkan masyarakat untuk melakukan transaksi finansial cashless (Tazkiyyaturrohmah,2018).

UNIVERSITAS SUMATERA UTARA

Jumlah E-money

292.299.320

167.205.578

90.003.848 36.225.373 34.314.795 51.204.580 35.738.233

2013 2014 2015 2016 2017 2018 2019

Gambar 1.4: Pertumbuhan Uang Elektronik di Indonesia Sumber: Statistik Sistem Pembayaran (Bank Indonesia), data diolah

Perkembangan E-money di Indonesia sangat tumbuh dengan pesat. Hal ini dapat dilihat dari grafik Gambar 1.4 yang menggambarkan kenaikan jumlah E-

Money di Indonesia. Tahun 2013 jumlah Uang Elektronik di Indonesia sebanyak

36,225,373. Ada trend penurunan yang tidak terlalu signifikan sampai dengan tahun 2015 pada jumlah E-money 34,314,795. Hal demikian disebabkan 60% E- money hanya diterbitkan oleh perusahaan operator telekomunikasi yang tingkat pengguna E-money nya semakin menurun.

Pada tahun 2016 jumlah E-money mengalami perbaikan pertumbuhan yang cukup signifikan sebesar 49.22% dengan total jumlah 51,204,580. Trend kenaikan ini terjadi sampai tahun 2019 dengan jumlah E-money tumbuh 49.80% dibanding Desember 2018 dengan total 250,477,938.

Pemerintah melalui BUMN dan BUMD sangan berperan aktif dalam menggalakkan pemakaian E-money sebagai pembayaran terhadap perusahaan

Pemerintah, contohnya seperti pembayaran jalan tol, kereta api, LRT, MRT, dan

Transjakarta yang turut mendongkrak pertumbuhan E-money di Indonesia. Tak

UNIVERSITAS SUMATERA UTARA

lepas juga perusahaan start-up nonbank penyedia jasa E-money dan e-commerce yang semakin bertambah dan memberikan iklan dan promosi-promosi yang menarik atas transaksi pembayaran belanja yang dilakukan. Masyarakat juga banyak melakukan peralihan yakni dengan melakukan top-up E-money dengan menggunakan AMPK untuk dapat memudahkan bertransaksi pada pembayaran e- commerce.

Pertumbuhan E-money juga disebabkan adanya regulasi dari pemerintah sebagaimana Bank Indonesia telah mengeluarkan Peraturan Bank Indonesia,

20/6/PBI/2018 tanggal 03 Mei 2018, yang memberikan jaminan keamanan kepada masyarakat atas pemakai E-money sebagai pembayaran pada Digital Banking 4.0.

Dengan hal tersebut, preferensi masyarakat terhadap penggunaan E-money yang terus menguat dan tumbuh serta didukung integrasi E-money dalam ekosistem keuangan Digital Banking 4.0 yang semakin meluas.

Perkembangan Digital Banking 4.0 yang terjadi berpengaruh pada kinerja industri perbankan di Indonesia. Hal tersebut sesuai dengan penelitian yang dilakukan Margaretha, (2015) menunjukan bank yang mengadopsi internet banking berpengaruh positif signifikan terhadap ROA. Sementara Sudaryanti et al. (2018) menunjukkan penggunaan mobile banking berpengaruh negatif tidak signifikan terhadap ROA.

Menurut Suryani, (2017) studi yang dilakukan EFMAc dan McKinsey di

Eropa menunjukan bahwa telah terjadi pergeseran kebutuhan dari nasabah terkait dengan fungsi yang dilakukan oleh kantor cabang akibat tersedianya saluran untuk mengakses produk dan layanan perbankan melalui Digital Banking 4.0. Pada saat

UNIVERSITAS SUMATERA UTARA

ini perbankan banyak menerapkan strategi saluran ganda yang tidak hanya mengandalkan kantor cabang tetapi juga Digital Banking 4.0.

Digital Banking 4.0 merubah perilaku masyarakat dalam transaksi perbankan. Masyarakat saat ini lebih banyak melakukan transaksi perbankan secara online dari pada transaksi secara offline. Perilaku pasar adalah tingkah laku perusahaan dalam pasar. Perilaku ini dapat dilihat dari strategi harga dan strategi bersaing yang digunakan. Perubahan perilaku masyarakat tersebut juga berdampak pada perubahan perilaku perusahaan Bank Umum yang banyak melakukan strategi efisiensi dengan memangkas jumlah outlet kantor cabang dan lebih banyak berinovasi dalam bidang teknologi informasi dan inovasi produk

Digital Banking 4.0 untuk mempertahankan pertumbuhan kinerja menurut

(Yudaruddin, 2012).

Paradigma Structure – Conduct – Performance (SCP) dapat menggambarkan hasil kinerja Bank Umum pada Era Digital Banking 4.0 di

Indonesia yang dipengaruhi oleh perubahan perilaku Bank-Bank Umum tersebut.

Salah satu penyebab terjadinya perubahan dalam perilaku Bank Umum Indonesia adalah strategi efisiensi dan inovasi dalam teknologi informasi yang diambil pada

Era Digital Banking 4.0. Strategi efiensi dan inovasi tersebut merubah perkembangan faktor-faktor input dalam mencapai profitabilitas sebagai proksi dari kinerja perbankan Indonesia.

Dalam pendekatan struktural SCP terdapat hubungan saling keterkaitan antara ketiga variabel yang satu dan yang lainnya. Hubungan paling sederhana dari ketiga variabel tersebut adalah hubungan linier dimana struktur

UNIVERSITAS SUMATERA UTARA

mempengaruhi perilaku kemudian perilaku mempengaruhi kinerja (Tanjung &

Ruslan, 2019).

Dalam Pendekatan non-struktural yang diperkenalkan oleh Panzar dan

Rose (1987) menjelaskan hubungan antara perubahan harga faktor input dan pendapatan yang diperoleh oleh perusahaan. Dalam model Panzar-Rosse sangat relevan untuk menjelaskan keadaan yang terjadi pada industri perbankan. Dimana perubahan faktor-faktor input juga merupakan strategi yang diambil perusahaan untuk meningkatkan kineja (Yudaruddin, 2012).

Pendekatan Panzar-Rosse menggunakan beberapa variabel independen harga faktor input untuk mendapatkan nilai H-Statistik dalam menentukan pasar persaingan yang terbentuk pada suatu industri, sedangkan variabel independen lain yang digunakan dalam persamaan Panzar-Rosse adalah sebagai variabel kontrol. Fungsi logaritma yang digunakan pada persamaan Panzar-Rosse untuk menunjukan hasil dalam kondisi equilibrium (keseimbangan) jangka panjang, sehingga menghasilkan nilai koefisien pada variabel yang tidak terlalu besar.

Pendekatan Panzar-Rosse dapat digunakan untuk menjelaskan hubungan antara perubahan faktor-faktor input yang terjadi terhadap kinerja Bank Umum di

Indonesia. Perubahan faktor-faktor input pada Era Digital banking merupakan sebagai proksi perubahan perilaku nasabah dan Bank-Bank Umum dalam menghadapi perubahan tingkat kompetisi struktur pasar industri perbankan di

Indonesia. Perubahan tersebut dilakukan untuk mencapai kinerja terbaik pada Era

Digital Banking 4.0.

UNIVERSITAS SUMATERA UTARA

1.2. Perumusan Masalah

Berdasarkan latar belakang di atas, Fenomena perubahan kinerja Bank

Umum di Indonesia dipengaruhi perilaku Bank Umum dan masyarakat dalam Era

Digital Banking 4.0 dengan pendekatan non-struktural model Panzar-Rosse yang diajukan peneliti. Berdasarkan masalah tersebut maka dapat dimunculkan pertanyaan penelitian (research question) sebagai berikut :

a) Bagaimana pengaruh LDR, Volume transaksi Uang Elektronik (E-Money),

jumlah mesin EDC, jumlah outlet Kantor Cabang, jumlah mesin ATM,

BOPO dan NIM terhadap kinerja Bank Umum Indonesia yang diukur oleh

Return On Asset (ROA) pada Era Digital Banking 4.0 menurut pendekatan

model Panzar-Rosse.

b) Bagaimana struktur pasar industri Bank Umum di Indonesia pada Era

Digital Banking 4.0 dengan pendekatan model Panzar-Rosse.

1.3. Tujuan Penelitian

Dari perumusan masalah di atas, tujuan dari penelitian ini adalah sebagai berikut :

a) Untuk menganalisis pengaruh LDR, Volume transaksi Uang Elektronik

(E-Money), jumlah mesin EDC, jumlah outlet Kantor Cabang, jumlah

mesin ATM, BOPO, NIM terhadap kinerja Bank Umum Indonesia yang

diukur oleh Return On Asset (ROA) pada Era Digital Banking 4.0 dengan

pendekatan Panzar-Rosse.

b) Untuk mengetahui struktur pasar Industri Bank Umum di Indonesia pada

Era Digital Banking 4.0 dengan pendekatan Panzar-Rosse.

UNIVERSITAS SUMATERA UTARA

1.4. Manfaat Penelitian

1. Hasil penelitian ini diharapkan menjadi bahan pertimbangan untuk

Pemerintah sebagai regulator keuangan dan perindustrian dalam

mengambil keputusan untuk tetap menjaga stabilitas perekonomian

khususnya pada industri perbankan.

2. Penelitian ini diharapakan sebagai bahan pertimbangan bagi masyarakat

dan perusahaan perbankan di Indonesia dalam mengambil keputusan baik

strategi, investasi maupun transaksi dalam persaingan di industri

perbankan Era Digital Banking 4.0.

3. Penelitian ini diharapkan dapat bermanfaat bagi penulis sendiri, maupun

pemerhati moneter dan ekonomi industri lainnya terutama di dalam

pengembangan ilmu pengetahuan khususnya menganalisa variabel-

variabel yang mempengaruhi kinerja perbankan Indonesia pada Era Digital

Banking 4.0, serta juga berguna sebagai referensi bagi peneliti sejenis

lainnya.

UNIVERSITAS SUMATERA UTARA

BAB II

TINJAUAN TEORITIS

2.1. Bank

Bank berdasarkan UU Nomor 10 Tahun 1998 Pasal 1 ayat 2 adalah badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkannya kepada masyarakat dalam bentuk kredit dan atau bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak. Sedangkan perbankan adalah segala sesuatu yang menyangkut tentang bank, mencakup kelembagaan, kegiatan usaha, serta cara proses dalam melaksanakan kegiatan usahanya. Berikut beberapa defenisi bank berdasarkan beberapa literatur:

a. Menurut Prof. G.M. Verryn Stuart dalam Abdullah & Tantri (2014) bank

adalah suatu badan yang bertujuan untuk memuaskan kebutuhan kredit,

baik dengan alat-alat pembayarannya sendiri atau dengan uang yang

diperolehnya dari orang lain, mana pun dengan jalan memperedarkan alat-

alat penukar dan tempat uang giral.

b. Berdasarkan IAI (1994) dalam PSAK No. 31, bank adalah lembaga yang

berperan sebagai perantara keuangan (financial intermediary) antara pihak

yang memiliki dana dan pihak yang memerlukan dana, serta sebagai

lembaga yang berfungsi memperlancar lalu lintas pembayaran.

c. Dalam Purnamawati et al. (2014) menurut A. Abdurahman (2001) bank

adalah suatu jenis lembaga keuangan yang melaksanakan berbagai macam

jasa, seperti memberikan pinjaman, mengedarkan mata uang, pengawasan

terhadap mata uang, bertindak sebagai tempat penyimpanan benda-benda

UNIVERSITAS SUMATERA UTARA

berharga, membiayai usaha perusahaan-perusahaan dan lain-lain. Secara lebih spesifik bank dapat berfungsi sebagai :

1. Agent of trust

Dasar utama kegiatan perbankan adalah kepercayaan (trust), baik

dalam hal penghimpunan dana mau pun penyaluran dana. Masyarakat

percaya uangnya tidak akan disalahgunakan oleh bank, uangnya akan

dikelola dengan baik, bank tidak akan bangkrut, dan pada saat yang

telah dijanjikan simpanan tersebut dapat ditarik kembali dari bank.

2. Agent of development

Kegiatan perekonomian masyarakat di sektor moneter dan di sector rill

tidak dapat dipisahkan. Kegiatan bank berupa penghimpunan dan

penyaluran dana sangat diperlukan bagi lancarnya kegiatan

perekonomian di sector rill. Kelancaran kegiatan bank yang

memungkinkan masyarakat melakukan investasi-distribusi-konsumsi

ini tidak lain adalah kegiatan pembangunan perekonomian suatu

masyarakat.

3. Agent of services

Selain penyaluran dana, bank juga memberikan penawaran jasa

perbankan yang lain kepada masyarakat. Jasa yang ditawarkan bank ini

erat kaitannya dengan kegiatan perekonomian masyarakat secara

umum. Jasa ini antara lain dapat berupa jasa pengiriman uang,

penitipan barang berharga, pemberian jaminan bank, dan penyelesaian

tagihan.

UNIVERSITAS SUMATERA UTARA

Menurut Peraturan Bank Indonesia Nomor 11/15/PBI/2009, bank dapat digolongkan menurut kegiatan usahanya yaitu:

a. Bank Umum adalah bank yang melaksanakan kegiatan usaha secara

konvensional dan atau berdasarkan prinsip syariah, yang dalam

kegiatannya memberikan jasa dalam lalu-lintas pembayaran.

b. Bank Perkreditan Rakyat adalah bank yang melaksanakan kegiatan usaha

secara konvensional dan / atau berdasarkan prinsip syariah yang dalam

kegiatannya tidak memberikan jasa dalam lalu-lintas pembayaran.

Dalam Budisantoso & Nuritomo, (2014) Jenis bank menurut fungsinya antara lain:

a. Bank Sentral, yaitu bank yang merupakan badan hokum milik Negara

yang tugas pokoknya membantu pemerintah. Contohnya, Bank Indonesia,

Bank of China, Bank of England, dan The Reserve Bank of India.

b. Bank Umum, yaitu bank yang sumber utama dananya berasal dari

simpanan pihak ketiga serta pemberian kredit jangka pendek dalam

penyaluran dana. Contohnya, BNI, BRI, BTN, Bank Mandiri, Bank

Bukopin, BCA, Bank Danamon, dan Bank Permata

c. Bank Pembangunan, yaitu bank yang dalam pengumpulan dananya berasal

dari penerimaan simpanan deposito serta commercial papper. Contohnya,

Bank Jatim, Bank Jateng, Bank Jabar, Bank DKI, dan Bank Papua

d. Bank Desa, yaitu kantor bank di suatu desa yang tugas utamanya adalah

melaksanakan fungsi perkreditan dan penghimpunan dana dalam rangka

program pemerintah memajukan pembangunan desa.

UNIVERSITAS SUMATERA UTARA

e. BPR, yaitu kantor bank di kota kecamatan yang merupakan unsure

penghimpunan dana masyarakat ataupun menyalurkan dananya di sektor

pertanian dan pedesaan.

2.2. Kantor Bank

Kantor bank dapat dibedakan berdasarkan jenis tingkatannya yang ditentukan oleh fungsi tujuan pendirian kantor bank dan besar cakupan kegiatan layanan yang disediakan kepada nasabah. Semakin beragam layanan yang disediakan bank kepada nasabahnya semakin tinggi tingkatan kantor bank.

Jenis-jenis tingkatan kantor bank adalah sebagai berikut (Wahjono, 2010):

1. Kantor pusat, sebagai kantor induk dari bank, biasanya di dalamnya

terdapat kantor direksi bank, kantor koordinator, kantor-kantor cabang

bank, kantor administrasi pusat yang mengurusi ketenagakerjaan,

administrasi perkreditan, administrasi operasional bank, administrasi

logistik, dan administrasi umum bank. Umumnya kantor pusat bank

berada di ibukota negara, namun ada juga kantor pusat bank berada di kota

di mana bank itu didirikan.

2. Kantor wilayah, biasanya berdiri di ibukota provinsi. Tugas kantor

wilayah adalah untuk melakukan koordinasi dengan kantor-kantor cabang

yang berada dalam wilayah kantor binaannya.

3. Kantor cabang utama, biasanya di kota besar yang merupakan ibukota

karesidenan (pembantu gubernur). Di kota metropolitan seperti Jakarta dan

Surabaya terdapat beberapa cabang utama bank.

UNIVERSITAS SUMATERA UTARA

4. Kantor cabang, biasanya berada di pusat kota atau kabupaten. Kantor

cabang adalah kantor yang paling banyak melayani nasabah hampir

seluruh produk dan jasa yang ditawarkan bank.

5. Kantor cabang pembantu, biasanya terletak di pinggir-pinggir jalan raya

yang ramai yang memiliki nasabah banyak. Kantor cabang pembantu

berada dalam koordinasi kantor cabang.

6. Kantor kas, biasanya merupakan kantor bank yang melayani jasa

penerimaan dan pengambilan kas saja. Beberapa bank memiliki kas

keliling yang berupa sebuah mobil. Menurut Peraturan Bank Indonesia

Nomor 11/1/PBI/2009 terdapat Kegiatan Pelayanan Kas yang selanjutnya

disebut dengan KPK pada pelayan Kantor Kas. KPK adalah kegiatan kas

dalam rangka melayani pihak yang telah menjadi nasabah Bank, meliputi

antara lain:

a. Kas Keliling yaitu kegiatan pelayanan kas secara berpindah-pindah

dengan menggunakan alat transportasi atau pada lokasi tertentu secara

tidak permanen, antara lain kas mobil, kas terapung atau konter bank

non permanen;

b. Payment Point yaitu kegiatan dalam bentuk pelayanan pembayaran

atau penerimaan pembayaran melalui kerjasama antara Bank dengan

pihak lain pada suatu lokasi tertentu, seperti untuk pembayaran tagihan

telepon, tagihan listrik, gaji pegawai dan/atau penerimaan setoran dari

pihak ketiga;

UNIVERSITAS SUMATERA UTARA

c. Perangkat Perbankan Elektronis yang selanjutnya disebut dengan PPE

yaitu kegiatan pelayanan kas atau non kas yang dilakukan dengan

menggunakan sarana mesin elektronis yang berlokasi baik di dalam

maupun di luar kantor Bank, yang dapat melakukan pelayanan antara

lain penarikan atau penyetoran secara tunai, pembayaran melalui

pemindahbukuan, transfer antar bank dan/atau memperoleh informasi

mengenai saldo/mutasi rekening nasabah, baik menggunakan jaringan

dan/atau mesin milik Bank sendiri maupun melalui kerja sama Bank

dengan pihak lain, antara lain Anjungan Tunai Mandiri (ATM)

termasuk dalam hal ini adalah Automatic Deposit Machine (ADM),

dan Electronic Data Capture (EDC).

2.3. Digital Banking 4.0

Revolusi Industri 4.0 yang terjadi membawa perubahan dalam segala aspek termasuk pada gaya hidup masyarakat yang menginginkan pelayanan secara mobile. Atas perubahan perilaku tersebut, untuk memenuhi kebutuhan nasabah perbankan yang menginginkan berbagai kemudahan transaksi keuangan secara efisien, efektif, dimana saja dan paling penting lagi aman maka perbankan

Indonesia melakukan revolusi pada bidang pelayanan yakni memberikan layanan perbankan digital atau yang dikenal dengan Digital Banking 4.0. Layanan perbankan digital dapat diakses kapan saja dan di mana saja, serta meminimalkan interaksi secara langsung dengan pegawai Bank. Hal ini bertujuan juga untuk meningkatkan efisiensi kegiatan operasional dan mutu pelayanan Bank kepada nasabahnya (Ellyanawati, 2018).

UNIVERSITAS SUMATERA UTARA

Layanan Digital Banking 4.0 hadir dengan memanfaatkan teknologi digital berbasis internet melalui perangkat (device) dan aplikasi (software) sebagai delivery chanel yang dapat di akses dalam satu genggaman. Beberapa alasan yang mengubah prilaku nasabah melakukan transaksi melalui layanan Digital

Banking, antara lain (Marlina dan Humairah, 2018):

a. Hemat waktu dan tenaga

Nasabah dapat melakukan segala transaksi perbankan melalui layanan

Digital Banking dimana saja dan kapan saja. Segala infrastruktur layanan

Digital Banking telah dipersiapkan untuk memberikan efisiensi waktu dan

tenaga nasabah yang dapat dialokasikan untuk kegiatan produktif lainnya.

b. Transaksi mudah dan lebih menguntungkan

Dengan fitur-fitur layanan Digital Banking nasabah diberikan kemudahan

dan keuntungan dalam pembayaran transaksi jual beli online. Penjual dan

pembeli langsung mendapat informasi atas pembayaran yang dilakukan

untuk memberikan rasa kepercayaan atas jual beli yang dilakukan.

c. Aman dan ramah lingkungan

Layanan Digital Banking diawasi oleh pemerintah yang menunjuk Otoritas

Jasa Keuangan (OJK) sebagai badan yang mengawasi seluruh kegiatan

perbankan dan lembaga keuangan lainnya. Layanan Digital Banking

memberikan keamanan kepada tiap nasabah, dikarenakan seluruh data

layanan Digital Banking tersimpan dalam sever yang telah di lindungi

berbagai macam perangkat keamanan. Dengan demikian transaksi Digital

Banking lebih ramah lingkungan dikarenakan transaksi layanan Digital

Banking dilakukan dengan mengurangi penggunaan kertas (paperless).

UNIVERSITAS SUMATERA UTARA

Maka dengan melaksanakan paperless, nasabah turut juga melestarikan

kelangsungan dunia.

d. Simpel

Masing-masing bank yang telah melakukan Digital Banking bersaing

memberikan pelayanan terbaik nasabahnya. Salah satu strategi bank

adalah memberikan design sesimple dan semenarik mungkin sehingga

memudahkan nasabah dalam pemakaiannya tanpa perlu memiliki

pengetahuan khusus.

Layanan perbankan digital adalah layanan atau kegiatan perbankan dengan menggunakan sarana elektronik atau digital milik Bank, dan/atau melalui media digital milik calon nasabah dan/atau nasabah Bank, yang dilakukan secara mandiri. Hal ini memungkinkan calon nasabah dan/atau nasabah Bank untuk memperoleh informasi, melakukan komunikasi, registrasi, pembukaan rekening, transaksi perbankan, dan penutupan rekening, termasuk memperoleh informasi lain dan transaksi di luar produk perbankan, antara lain nasihat keuangan

(financial advisory), investasi, transaksi sistem perdagangan berbasis elektronik

(e-commerce), dan kebutuhan lainnya dari nasabah Bank (Otoritas Jasa Keuangan,

2016).

Menurut Peraturan Otoritas Jasa Keuangan nomor 12/POJK.03/2018

Tentang Penyelenggaraan Layanan Digital Banking oleh Bank Umum, pengertian

Layanan Perbankan Digital (Digital Banking) adalah layanan perbankan elektronik yang dikembangkan dengan mengoptimalkan pemanfaatan data nasabah dalam rangka melayani nasabah secara lebih cepat, mudah, dan sesuai

UNIVERSITAS SUMATERA UTARA

dengan kebutuhan (customer experience), serta dapat dilakukan secara mandiri sepenuhnya oleh nasabah, dengan memperhatikan aspek pengamanan.

Digital Banking memiliki cakupan yang begitu luas. Pemakai Digital

Banking dapat mengakses seluruh layanan perbankan melalui kumpul e-banking di satu tempat (digital branch) dan atau melalui satu jenis e-banking pada perangkat milik bank/nasabah (omni channel). E-Banking adalah layanan perbankan yang memungkinkan nasabah memperoleh informasi, berkomunikasi dan transaksi melalui media elektronik seperti ATM, phone banking, sms banking, electronic fund transfer, internet banking, dan mobile banking, secara multi- channel (Peraturan Bank Indonesia No. 9/15/PBI/2007).

Berikut beberapa layanan e-banking antara lain (Otoritas Jasa Keuangan,

2015):

1. Automated Teller Machine (ATM)

ATM atau yang lebih dikenal dengan nama Anjungan Tunai Mandiri

merupakan suatu terminal/mesin komputer yang terhubung dengan

jaringan komunikasi bank, yang memungkinkan nasabah melakukan

transaksi keuangan secara mandiri tanpa bantuan dari teller ataupun

petugas bank lainnya.

2. Electronic Data Capture (EDC)

EDC merupakan suatu perangkat/ terminal yang dapat digunakan untuk

bertransaksi menggunakan kartu debit/kredit/prabayar di merchant atau

toko. Terminal tersebut terhubung ke jaringan komputer bank. EDC terdiri

dari alat pembaca informasi pada pita magnetis kartu (card’s magnetic

stripe) atau chip, tombol menu dan angka untuk memasukkan jenis

UNIVERSITAS SUMATERA UTARA

transaksi, nilai transaksi, dan PIN, layar untuk melihat jenis dan nilai

transaksi, dan printer untuk mencetak bukti transaksi.

3. SMS (Short Massage System) Banking

SMS banking adalah layanan perbankan yang dapat diakses langsung

melalui telepon selular/handphone dengan menggunakan media SMS

(Short Message Service).

4. Internet Banking

Internet banking adalah layanan untuk melakukan transaksi perbankan

melalui jaringan internet. Merupakan kegiatan perbankan yang

memanfaatkan teknologi internet sebagai media untuk melakukan

transaksi dan mendapatkan informasi lainnya melalui website milik bank.

Kegiatan ini menggunakan jaringan internet sebagai perantara atau

penghubung antara nasabah dengan bank tanpa harus mendatangi kantor

bank. Nasabah dapat menggunakan perangkat komputer desktop, laptop,

tablet, atau smartphone yang terhubung ke jaringan internet sebagai

penghubung antara perangkat nasabah dengan sistem bank.

5. Phone Banking

Phone Banking adalah layanan untuk bertransaksi perbankan atau

mendapatkan informasi perbankan lewat telepon dengan menghubungi

nomor layanan pada bank. Layanan tersebut antara lain bertujuan

memberikan kemudahan kepada nasabah dalam melakukan berbagai

transaksi perbankan melalui telepon. Nasabah tidak perlu lagi datang ke

bank atau mesin ATM untuk melakukan berbagai transaksi tersebut.

Layanan phone banking ini merupakan salah satu dari perkembangan

UNIVERSITAS SUMATERA UTARA

teknologi call center. Pada umumnya layanan phone banking dapat

diakses selama 24 jam sehingga nasabah dapat menggunakannya dimana

saja dan kapan saja.

6. Mobile Banking

Mobile banking merupakan layanan yang memungkinkan nasabah bank

melakukan transaksi perbankan melalui ponsel atau smartphone. Layanan

mobile banking dapat digunakan dengan menggunakan menu yang sudah

tersedia pada SIM (Subscriber Identity Module) Card, USSD

(Unstructured Suplementary Service Data), atau melalui aplikasi yang

dapat diunduh dan diinstal oleh nasabah. Mobile banking menawarkan

kemudahan jika dibandingkan dengan SMS banking karena nasabah tidak

perlu mengingat format pesan SMS yang akan dikirimkan ke bank dan

juga nomor tujuan SMS banking.

2.4. Alat Pembayaran dengan Menggunakan Kartu (APMK)

Alat Pembayaran dengan Menggunakan Kartu, yang selanjutnya disebut

APMK menurut Peraturan Bank Indonesia Nomor 11/11/PBI/2009 yang di ubah melalui Peraturan Bank Indonesia Nomor 14/2/PBI/2012 adalah alat pembayaran yang berupa kartu kredit, kartu Automated Teller Machine (ATM) dan/atau kartu debet. APMK merupakan sarana layanan perbankan yang merupakan langkah awal dalam dunia Digital Banking. Perbankan Indonesia pertama kali memperkenalkan APMK pada tahun 1980an dengan kartu kredit dikeluarkan oleh

Bank Duta dan kartu ATM oleh Bank Niaga dan Hongkong Bank. Sejak saat itu penggunaan APMK terus mengalami perkembangan.

UNIVERSITAS SUMATERA UTARA

Berikut jenis-jenis APMK menurut Peraturan Bank Indonesia Nomor

14/2/PBI/2012 berdasarkan antara lain:

1. Kartu Kredit

Kartu Kredit adalah APMK yang dapat digunakan untuk melakukan

pembayaran atas kewajiban yang timbul dari suatu kegiatan ekonomi,

termasuk transaksi pembelanjaan dan/atau untuk melakukan penarikan

tunai, dimana kewajiban pembayaran pemegang kartu dipenuhi terlebih

dahulu oleh acquirer atau penerbit, dan pemegang kartu berkewajiban

untuk melakukan pembayaran pada waktu yang disepakati baik dengan

pelunasan secara sekaligus (charge card) ataupun dengan pembayaran

secara angsuran.

2. Kartu ATM

Kartu ATM adalah APMK yang dapat digunakan untuk melakukan

penarikan tunai dan/atau pemindahan dana dimana kewajiban pemegang

kartu dipenuhi seketika dengan mengurangi secara langsung simpanan

pemegang kartu pada Bank atau Lembaga Selain Bank yang berwenang

untuk menghimpun dana sesuai ketentuan perundang-undangan yang

berlaku.

3. Kartu Debet

Kartu Debet adalah APMK yang dapat digunakan untuk melakukan

pembayaran atas kewajiban yang timbul dari suatu kegiatan ekonomi,

termasuk transaksi pembelanjaan, dimana kewajiban pemegang kartu

dipenuhi seketika dengan mengurangi secara langsung simpanan

pemegang kartu pada Bank atau Lembaga Selain Bank yang berwenang

UNIVERSITAS SUMATERA UTARA

untuk menghimpun dana sesuai ketentuan perundang-undangan yang

berlaku.

Pada literatur lain APMK sering disebut juga dengan Kartu Plastik. Dalam

Purnamawati et al., (2014) menyatakan bahwa kartu plastik adalah instrumen pembayaran atau kartu yang diterbitkan oleh bank atau lembaga pembiayaan lain yang dapat digunakan untuk alat pembayaran atas transaksi barang atau jasa, dan dapat digunakan untuk penarikan uang. Sejalan dengan Budisantoso & Nuritomo,

(2014) kartu plastik merupakan alat berbentuk kartu yang diterbitkan oleh suatu lembaga keuangan dan dapat digunakan untuk berbagai macam transaksi keuangan.

Jenis-jenis kartu plastik berdasarkan fungsinya (Purnamawati et al, 2014) :

a. Kartu Kredit (Credit Card) yaitu kartu yang dapat digunakan sebagai alat

pembayaran transaksi jual beli barang dan jasa, kemudian pelunasan atas

penggunaanya dapat dilakukan sekaligus atau secara angsuran sejumlah

minimum tertentu.

b. Charge Card, yaitu kartu yang dapat digunakan sebagai alat pembayaran

suatu transaksi barang dan jasa, kemudian pemegang kartu diwajibkan

membayar kembali secara penuh seluruh tagihannya pada akhir bulan atau

bulan berikutnya dengan atau tanpa beban tambahan.

c. Kartu Debet (Debet Card), yaitu kartu yang dapat digunakan sebagai

perintah bayar atau pendebetan terhadap rekening pemegangnya.

d. Cash Card, yaitu kartu tunai, sering disebut juga kartu ATM yaitu kartu

yang dapat digunakan untuk penarikan tunai baik di counter-counter bank

maupun pada ATM (Authomatic Teller Machine).

UNIVERSITAS SUMATERA UTARA

e. Check Guarantee Card, yaitu kartu yang dapat digunakan sebagai jaminan

dalam penarikan cek oleh pemegang kartu tersebut.

2.5. Infrastruktur Alat Pembayaran dengan Menggunakan Kartu

Sesuai dengan tujuan Gerakan Nasional Non Tunai dicanangkan Bank

Indonesia 14 Agustus 2014 yaitu menumbuhkan kesadaran masyarakat untuk menggunakan alat transaksi non tunai dalam berbagai kegiatan ekonomi maka infrastruktur APMK sangat dibutuhkan. Pertumbuhan volume transaksi APMK juga didukung dengan peningkatan jumlah infrastruktur APMK setiap tahunnya seperti mesin ATM, mesin EDC (Electronic Data Capture) dan Merchant.

Berikut Infrastruktur APMK perbankan Indonesia menurut Otoritas Jasa

Keuangan, (2015)

1. ATM (Automatic Teller Machine)

ATM atau yang lebih dikenal dengan nama Anjungan Tunai Mandiri

merupakan suatu terminal/mesin komputer yang terhubung dengan

jaringan komunikasi bank, yang memungkinkan nasabah melakukan

transaksi keuangan secara mandiri tanpa bantuan dari teller ataupun

petugas bank lainnya.

2. EDC (Electronic Data Capture)

EDC merupakan suatu perangkat/terminal yang dapat digunakanuntuk

bertransaksi menggunakan kartu debit/kredit/prabayar di merchant atau

toko. Terminal tersebut terhubung ke jaringan komputer bank.

UNIVERSITAS SUMATERA UTARA

3. Merchant

penjual barang/jasa yang memiliki physical store maupun on-line store

yang bekerja sama dengan bank dalam penyediaan layanan penerimaan

pembayaran.

Perkembangan penggunaan APMK juga dikuti dengan perkembangan teknologi dan pengetahuan sehingga perbankan terus melakukan inovasi dalam memperbaiki infrastruktur APMK agar nasabah penggunaan APMK mendapatkan keamanan, kemudahan dan kenyamaanan dalam penggunaannya sesuai dengan kebutuhan nasabah. Beberapa contoh inovasi yang dilakukan pada infrastuktur

APMK yaitu:

1. Mesin ATM memiliki berbagai macam jenis sesuai dengan fungsi nya

(Bank Negara Indonesia) :

a. ATM Tunai, ATM untuk melakukan transaksi penarikan uang tunai,

transfer dan pembayaran tagihan.

b. ATM Non Tunai, ATM ini khusus digunakan untuk transaksi non

tunai seperti transfer uang, bayar tagihan, dan lain-lain.

c. ATM Setor Tunai (Cash Deposit Machine/CDM), ATM yang memiliki

fitur utama sebagai transaksi setoran uang tunai (mengisi saldo).

d. ATM Setor Tarik Tunai (Cash Recycle Machine/CRM), ATM yang

memiliki fungsi ATM Tarikan Tunai, ATM Non Tunai, dan ATM

Setoran Tunai.

e. ATM Drive Thru & ATM Ride Thru, ATM yang dapat digunakan

tanpa harus turun dari kendaraan (mobil / motor) yaitu ATM Drive

UNIVERSITAS SUMATERA UTARA

thru (untuk pengguna mobil) dan ATM Ride Thru (untuk pengguna

motor).

2. Mesin EDC saat ini juga turut mengalami perkembangan. Saat ini ada

beberapa jenis mesin EDC berdasarkan pada penggunaan jaringannya:

a. Fixed Line (Line Telepon). Yaitu harus menggunakan jaringan kabel

dari telepon, sehingga pemilik EDC musti membayar cost tambahan

untuk berlangganan.

b. GPRS Mobile. Mesin EDC bisa digunakan dimana saja sebab

pengoperasiannya menggunakan sinyal dari operator seperti pada

telepon selular. Ini merupakan mesin EDC yang paling banyak

digunakan karena sifatnya sangat praktis (portable).

c. GPRS Power. Tipe ini harus selalu terhubung dengan jaringan listrik,

biasanya digunakan ketika tidak adanya jaringan dari operator

telekomunikasi atau telepon.

Bank Indonesia selaku pengawas Sistem Pembayaran Nasional (SPN) mendukung perkembangan APMK di tanah air, memalui regulasi yang baik dengan menetapkan berbagai peraturan dan kebijakan untuk menjaga keamanan dalam penyelengaaraan APMK. Demi menjaga stabilitas dari sistem pembayaran nasional, peraturan dan kebijakan juga mengalami perubahan dan pembaharuan.

Salah satunya adalah Peraturan Bank Indonesia Nomor 11/11/PBI/2009 yang berubah menjadi Peraturan Bank Indonesia Nomor 14/2/PBI/2012, dimana dilakukan perubahan dan penambahan peraturan perihal batas umur pemegang kartu kredit, penerapan pin pada kartu kredit, hingga mekanisme penggunaan debt collector dalam penagihan kartu kredit.

UNIVERSITAS SUMATERA UTARA

2.6. Uang Elektronik (e-money)

Uang elektronik (e-money) merupakan inovasi pada Era Digital Banking

4.0. E-money hakikatnya adalah salah satu instrument pembayaran non tunai

(cashless money) atas transaksi digital yang dilakukan oleh nasabah yang dibayarkan kepada merchant yang telah melakukan kerjasama dengan penerbit

(issuer) e-money. E-money didefenisikan sebagai produk stored-value atau prepaid card dimana sejumlah nilai uang (monetary value) dapat diperoleh dengan menukarkan atau menyetorkan sejumlah uang tunai atau dengan pendebetan rekening pada bank yang dimiliki untuk kemudian menjadi nilai elektronik (electronic value) sesuai dengan saldo yang akan disimpan dalam suatu peralatan elektronis yang dimiliki oleh konsumen. Dengan peralatan tersebut, pemilik dapat melakukan transaksi pembayaran atau menerima pembayaran, dimana monetary value akan berkurang pada saat melakukan pembayaran atau bertambah jika menerima pembayaran atau dapat dilakukan pengisian kembali

(top-up) (Bank for International Settlements 1996; Tazkiyyaturrohmah 2018).

2.7. Kinerja Perbankan

Kinerja Perbankan merupakan aspek penting bagi keberlanjutan suatu operasional perbankan. Kinerja perbankan dapat mencerminkan prestasi perbankan dalam pada satu periode yang dapat memberikan ukuran tingkat kesehatan perbankan. Kinerja perbankan sangat dibutuhkan untuk mengevaluasi hasil pencapaian yang telah didapat. Fungsi mengukur kinerja bank adalah dapat mengetahui kekurangan dan kelebihan yang potensial pada bank tersebut. Selain itu kinerja perbankan dapat menjadi bahan pertimbangan untuk menentukan strategi yang akan diambil untuk mencapai target pada periode mendatang.

UNIVERSITAS SUMATERA UTARA

2.7.1 Rentabilitas

Rentabilitas (Earning) merupakan salah satu faktor yang digunakan dalam menilai kinerja dan tingkat kesehatan perbankan. Rentabilitas pada umumnya digunakan untuk mengukur tingkat efisiensi dan kemampuan perusahaan dalam memperoleh laba. Dalam aspek rentabilitas terdapat dua jenis rasio yang digunakan yaitu rasio profitabilias dan rasio biaya.

2.7.1.1. Rasio Profitabilitas

Rasio Profitabilitas merupakan rasio yang digunakan untuk mengukur tingkat kemampuan perusahaan dalam mencari laba untuk satu periode. Rasio ini juga memberikan ukuran efektivitas manajemen perusahaan, yang ditunjukan dari laba yang dihasilkan dari hasil penjualan atau dari pendapatan investasi (Kasmir,

2016).

Menurut Hijrianto (2016) rasio profitabilitas dapat digunakan juga dalam menganalisa strategi yang telah dijalankan apakah telah mencapai target laba yang sudah ditetapkan atau tidak. Rasio profitabilitas dapat digunakan sebagai bahan proyeksi oleh manajemen dalam menentukan strategi untuk pencapaian target pada periode yang akan datang.

Berikut indikator yang digunakan untuk menghitung tingkat rasio profitabilitas dalam industri perbankan (Irmayanto, 2009).

1. Return On Asset

Return On Asset (ROA) merupakan rasio keuangan yang menunjukan

imbal hasil atas penggunaan aktiva perusahaan. Semakin tinggi ROA,

maka semakin baik produktifitas bank (Kasmir, 2016).

ROA = (Laba sebelum pajak / Rata-rata Total Aset) x 100%

UNIVERSITAS SUMATERA UTARA

2. Return On Equity

Return On Equity (ROE) digunakan untuk mengukur kemampuan modal

sendiri dalam memperoleh keuntungan bersih bank. Semakin tinggi ROE,

semakin baik produktifitas modal sendiri dalam meraih laba.

ROE = (Laba Bersih / Modal Sendiri ) x 100%

3. Net Profit Margin

Net Profit Margin (NPM) merupakan rasio yang digunakan untuk

mengukur seberapa jauh kontribusi pendapatan operasional dalam

memperoleh laba perbankan.

NPM = (Laba Bersih / Pendapatan Operasional ) x 100%

4. Net Interest Margin

Net Interest Margin (NIM) merupakan rasio yang digunakan untuk

mengukur kemampuan manajemen bank dalam mengelola aktiva produktif

berupa penyaluran kredit untuk menghasilkan pendapatan bunga. Hal ini

mengingat pendapatan operasional bank sangat tergantung dari selisih

bunga (spread) dari kredit yang disalurkan (Syarif, 2006)

NIM = (Pendapatan Bunga Bersih / Aktiva Produktif) x 100%

2.7.2. Likuiditas

Likuiditas merupakan aspek yang sangat penting bagi keberlangsungan operasional bank. Likuiditas dibutuhkan untuk menghindari terjadinya risiko likuiditas pembayaran kewajiban pada suatu bank yang dapat berpengaruh negatif dan luas pada sistem kelolaan bank. Menurut (Manikam, 2013) Risiko likuiditas adalah kemungkinan risiko yang terjadi pada bank dalam memenuhi permintaan

UNIVERSITAS SUMATERA UTARA

kredit dan penarikan dana oleh pihak ketiga pada waktu yang bersamaan. Suatu bank dikatakan likuid jika bank itu mampu memenuhi kewajibannya dengan segera (Kasmir, 2003).

LDR = (Kredit / Total DPK ) x 100%

Menurut Irmayanto (2009) Likuiditas adalah kemampuan bank dalam memenuhi kewajiban jangka pendeknya atau kewajiban yang sudah jatuh tempo.

Rasio yang lazim digunakan untuk mengukur tingkat likuiditas suatu bank adalah

Loan to Deposit Ratio (LDR). LDR digunakan untuk mengukur kemampuan bank dalam membayar semua dana masyarakat (deposan) serta modal sendiri dengan mengandalkan kredit yang telah didistribusikan ke masyarakat. Semakin tinggi rasio LDR maka mengindikasikan semakin rendah tingkat likuiditas bank tersebut, dikarenakan terlalu besar dana simpanan yang dialokasikan menjadi pinjaman.

Pencapaian LDR diatur dalam Peraturan Bank Indonesia No.

17/11/PBI/2015 untuk menjaga likuiditas Bank. LDR yang dicapai harus sesuai dengan target LDR yang ditetapkan Bank Indonesia. Target LDR yaitu kisaran

LDR yang dibatasi oleh batas bawah dan batas atas yang telah ditetapkan. Batas bawah LDR target sebesar 78% dan batas atas LDR targer sebesar 92%.

2.7.3. Rasio Biaya Operasional

Biaya operasional bank merupakan seluruh beban biaya yang dikeluarkan bank secara langsung untuk menjalankan kegiatan operasionalnya. Umumnya biaya yang dikeluarkan bank untuk kegiatan operasionalnya antara lain beban bunga, beban penghapusan dan penyusutan aktiva produktif, beban kerugian

UNIVERSITAS SUMATERA UTARA

komitmen dan kontijensi, dan beban lain-lain yang berhubungan dengan kegiatan operasional bank. Biaya opersional ini ditujukan untuk memperoleh pendapatan operasional yang dilakukan selama satu periode.

Menurut Sarah, (2013) pendapatan operasional bank merupakan semua pendapatan yang dihasilkan langsung dari kegiatan operasional yang diterima oleh bank. Pendapatan operasional yang dihasilkan bank pada umumnya adalah berupa hasil bunga, pendapatan transaksi valuta asing, provisi, komisi dan pendapatan lainnya. Pendapatan operasional digunakan untuk membayar beberapa beban operasional, untuk modal dan meningkatkan kinerja bank.

Pada umumnya rasio Beban Opersional Pendapatan Operasional (BOPO) digunakan sebagai proksi dari efisiensi biaya operasional. Rasio BOPO merupakan rasio yang digunakan untuk mengukur kemampuan efisiensi bank dalam mengendalikan biaya operasional terhadap pendapatan operasional pada satu periode. Semakin kecil rasio BOPO berarti perusahaan semakin efisien dalam mengeluarkan biaya operasional dalam satu periode. Sebaliknya semakin besar

BOPO maka menunjukkan inefisiensi bank dalam menjalankan aktivitas usahanya

(Manikam, 2013).

BOPO = (Beban Operasional / Pendapatan Operasional ) x 100%

2.8. Paradigma Structure – Conduct – Performance (SCP)

Paradigma S-C-P dikemukakan oleh Marson (1939) dan dikembangkan oleh muridnya Bain melalui bukunya yang berjudul Industrial Organization pada tahun 1959. Bain meneliti apakah tingginya konsentrasi dalam pasar adalah merupakan kolusi dan praktek non-kompetisi diantara perusahaan-perusahaan yang besar. Perilaku kolusif akan cenderung menimbulkan penurunan tingkat

UNIVERSITAS SUMATERA UTARA

kompetisi dan peningkatan konsenterasi dalam suatu pasar industri yang bertujuan untuk memperoleh keuntungan yang maksimum (Pertiwi & Protomo, 2015).

Menurut Tanjung dan Ruslan (2019) Struktur adalah pola dimana elemen- elemen dalam industri saling berinteraksi. Perilaku dapat diartikan pola tata kelola yang dijalankan perusahaan atas penyesuaian untuk memenangkan persaingan pasar. Kinerja perusahaan adalah hasil akhir dari dampak atas perubahan perilaku perusahaan dalam persaingan pada struktur yang terjadi pada pasar industri.

Tingkat kinerja perusahaan biasanya identik dengan besarnya penguasaan pasar atau keuntungan suatu perusahaan dalam industri. Kinerja perusahaan merupakan kemampuan perusahaan atau produsen pada suatu industri untuk menciptakan tingkat keuntungan, efisiensi, pertumbuhan ekonomi, kemampuan dalam menciptakan peluang kerja. Terdapat dua pendekatan dalam paradigm SCP yaitu

Pendekatan Struktural dan Pendekatan Non Struktural.

2.8.1. Pendekatan Struktural

Pendekatan Struktural S-C-P mengemukakan bahwa perubahan perubahan tingkat kompetisi dan konsentrasi persaingan pada pasar industri dapat mempengaruhi karakteristik struktural pasar yang dapat berpengaruh langsung terhadap perilaku pasar. Perubahan struktur mempengarui perilaku perusahaan dalam menentukan keputusan strategi yaitu berupa aktivitas-aktivitas perusahaan baik melalui kolusi, merger, kebijakan harga, tujuan bisnis, promosi, difrensiasi produk dan pengembangan teknologi. Perubahan perilaku yang dijalankan perusahaan bertujuan untuk menguasai persaingan yang dapat diukur melalui peningkatan kinerja perusahaan. Perilaku pasar adalah pola tingkah laku

UNIVERSITAS SUMATERA UTARA

perusahaan atas tanggapan dan penyesuaian dalam pasar untuk memenangkan persaingan pasar (Usman, 2017).

Pada pendekatan struktural S-C-P terdapat adanya pola hubungan antara struktur pasar, kondisi perilaku perusahaan dan kinerja perusahaan. Hubungan variabel antar S-C-P menjelaskan bahwa struktur pasar dapat mempengaruhi perilaku perusahaan yang kemudian perilaku perusahaan dapat berpengaruh pada kinerja perusahaan. Terdapat kolerasi linear antara ketiga variabel dalam pendekatan S-C-P yang bersifat klausal.

2.8.2. Pendekatan Non-Struktural

Pendekatan non-struktural muncul sebagai respon atas ketidakpuasan terhadap pendekatan struktural dalam mengukur tingkat persaingan di suatu industri. Berbeda dengan pendekatan struktural yang menilai tingkat kompetisi berdasarkan tingkat konsentrasi dan kekuatan pasar, maka pendekatan non- struktural menilai tingkat kompetisi bukan dari struktur pasar tetapi pada struktur biaya perusahaan. Dengan demikian pendekatan non-struktural dapat digunakan sebagai alternatif untuk mengetahui tingkat persaingan suatu industri

(Yudaruddin, 2012).

Menurut Vesala (1995) Pada pendekatan non-struktural menjelaskan bahwa kinerjalah yang yang berpengaruh terhadap keputusan perusahaan untuk masuk ke pasar industri, sehingga berpengaruh juga pada struktur pasar industri.

Pendekatan non-struktural menganalisis tingkat kompetisi tidak melihat pada struktur pasar sebab untuk mengetahui pola kompetisi tidak hanya cukup dengan menggunakan informasi struktur pasar, namun membutuhkan informasi tambahan lain. Dalam pendekatan struktural S-C-P diasumsikan hubungan linier satu arah

UNIVERSITAS SUMATERA UTARA

antara struktur, perilaku dan kinerja, tetapi dalam pendekatan non-struktural, struktur pasar dan perilaku perusahaan bersifat endogen karena terdapat feedback dari perilaku terhadap struktur pasar.

Penentu Dasar Keadaan Pasar

Kondisi Permintaan: Kondisi Penawaran :

- Elastisitas Permintaan - Skala Ekonomi - Elastisitas Silang Permintaan - Vertikal Ekonomi - Elastisitas Harga - Teknologi - Substitusi - Bahan Baku - Tipe Barang - Perserikatan - Metode Pembayaran - Daya Tahan Produk - Lokasi

Struktur Pasar: - Jumlah Pembeli & Penjual - Diferensiasi Produk - Hambatan Masuk Kebijakan Pemerintah: - Struktur Biaya - Integrase Vertical - Kebijakan Antitrust - Konglomerasi - Regulasi - Pajak dan Subsidi - Regulasi Perdagangan - Kontrol Harga Perilaku: - Regulasi Upah - Perilaku Penentu Harga - Insentif Investasi - Strategi Produk - Insentif Pekerja - Riset dan Inovasi - Proteksi - Advertising - Kebijakan Makroekonomi

Kinerja:

- Profitabilitas - Efsiensi - Pertumbuhan Ekonomi - Full Employment - Ekuitas

Gambar 2.1 Skema Paradigma S-C-P Sumber : (Tanjung & Ruslan, 2019)

UNIVERSITAS SUMATERA UTARA

Menurut Philips (1976) dan Clarke (1985) dalam Tanjung & Ruslan

(2019), arah pengaruh pada pendekatan S-C-P tidak hanya satu arah dari struktur menuju perilaku dan berakhir pada kinerja. Namun S-C-P dapat dilakukan dua arah, yaitu kinerja ke perilaku; selanjutnya perilaku ke struktur; dan dari kinerja ke struktur. Sebagaimana ditunjukan garis panah bertitik pada gambar 2.1, variabel struktur, perilaku, dan kinerja dapat saling mempengaruhi satu sama lain.

2.8.3. Pendekatan Panzar-Rosse

Pendekatan Panzar-Rosse (1987) adalah salah satu pendekatan yang sering digunakan untuk mengukur tingkat persaingan dalam industri perbankan yang dikenal dengan H-Statistik. H-Statistik adalah jumlah dari elastisitas faktor harga input dari persamaan pendapatan pada sistem perbankan. Berikut beberapa kelebihan yang dimiliki pada model persamaan Panzar-Rosse (Shaffer, 2004):

1. Dapat dihitung dengan menggunakan persamaan sederhana (single

equation) yaitu menggunakan model regresi linier.

2. Melakukan estimasi dengan hanya memerlukan beberapa variabel

dependen saja.

3. Model Panzar-Rosse mampu melihat jenis dan struktur pasar dengan lebih

luas.

4. Menggunakan fungsi Logaritma dalam persamaan untuk menunjukan

elastsitas variabel pada kondisi equilibrium (keseimbangan) jangka

panjang.

UNIVERSITAS SUMATERA UTARA

Berikut model Panzar-Rosse:

loge(TRi,t) = β0 + β1 loge(W1,i,t) + β2 loge(W2,i,t) + β3 loge(W3,i,t)

Dimana:

TRi,t = Total penerimaan perusahaan i pada tahun t

W1,i,t = Nilai faktor input 1 yang dibayarkan perusahaan i pada tahun t

W2,i,t = Nilai faktor input 2 yang dibayarkan perusahaan i pada tahun t

W3,i,t = Nilai faktor input 3 yang dibayarkan perusahaan i pada tahun t

Dari persamaan Panzar-Rosse menjelaskan adanya hubungan antara perubahan harga input faktor dan pendapatan yang diperoleh pada kondisi keseimbangan (ekuilibrium) perusahaan bank. Jika nilai dari faktor input tidak dapat diamati secara langsung, maka dapat digantikan pendekatan nilai unit untuk nilai proksi yang berhubungan langsung dengan faktor input tersebut. Asumsi yang digunakan adalah bank beroperasi di ekuilibrium jangka panjang mereka dan bahwa kinerja bank-bank dipengaruhi oleh tindakan lain pelaku pasar

(Yudaruddin, 2012).

Model Panzar-Rosse menggunakan konsep H-Statistik untuk menunjukan indicator statistic yang dapat digunakan menentukan jenis struktur pasar suatu industri. H-Statistik berkisar mulai dari negatif sampai dengan nilai satuan.

Apabila H negatif maka struktur pasar adalah monopoli atau sempurna oligopoly.

Bila H=1 maka struktur pasar adalah persaingan sempurna. Struktur pasar dikatakan persaingan monpolistik maka nilai H berada diantara 0 sampai dengan 1

(Hondroyiannis, 1999).

UNIVERSITAS SUMATERA UTARA

Tabel 2.1 Interprestasi H-Statistik Equilibrium Test

H = 0 Equilibrium

H < 1 Disequilibrium

Competitive Condition

H < 0 Monopoly or Conjectural Short-run Olygopoly

H = 1 Perfect Competition

0 < H < 1 Monopolistic Competition

Sumber : Hondroyiannis

2.9. Pasar Persaingan

Menurut Mankiw (2007) Pasar adalah suatu kondisi konsumen (pembeli) dan produsen / pedagang (penjual) melakukan transaksi setelah kedua-duanya telah mengambil kesepakatan tentang harga atas sejumlah (kuantitas) barang dengan kuantitas tertentu yang mejadi objek transaksi. Dari transaksi atau pasar yang terjadi, pembeli dan penjual mendapatkan masing-masing manfaatnya.

Pembeli mendapatkan barang yang diinginkan sesuai dengan kebutuhannya dan penjual mendapatkan imbalan pendapatan. Dalam pasar persaingan terdapat beberapa bentuk pasar persaingan yang dapat ditinjau dari jumlah penjual dan pembeli, sifat barang dan jasa, tingkat kemudahan produsen baru untuk masuk ke dalam pasar, dan pengaruh produsen terhadap harga pasar.

UNIVERSITAS SUMATERA UTARA

Menurut Sukirno (2009) Dalam ekonomi mikro terdapat empat jenis pasar persaingan produsen yakni :

2.9.1. Pasar Persaingan Sempurna

Pasar persaingan sempurna pada umumnya adalah suatu pasar yang diidentifikasikan oleh tidak adanya persaingan yang bersifat pribadi diantara perusahaan-perusahaan individu yang ada didalamnya. Pasar persaingan sempurna merupakan struktur pasar yang paling ideal karena dianggap sebagai struktur pasar yang menjamin terwujudnya kegiatan efisiensi yang optimal dalam memproduksi barang atau jasa.

Berikut adalah ciri-ciri pasar persaingan sempurna:

 Jumlah penjual dan pembeli masing-masing banyak dan mereka

masing-masing bertindak sebagai penerima harga.

 Jenis barang yang diperjualbelikan bersifat homogen (sama).

 Tidak adanya entry barriers bagi penjual / produsen dan pembeli untuk

keluar masuk pada bidang usaha atau pasar barang yang bersangkutan.

 Setiap pembeli dan penjual memiliki pengetahuan yang sempurna

tentang keadaan pasar.

 Adanya mobilitas sumber daya yang ada secara sempurna, artinya

pembeli mudah untuk mendapatkan sumber daya produksi.

Dalam pasar persaingan sempurna terdapat banyak penjual dan pembeli yang menyebabkan setiap produsen dan konsumen memiliki informasi pasar yang sama-sama sempurna sehingga tidak dibutuhkan adanya promosi. Kebebasan keluar masuk dalam pasar persaingan sempurna sangat menguntungkan bagi

UNIVERSITAS SUMATERA UTARA

pihak produsen dikarenakan produsen memiliki kebebasan yang luas dalam mengalokasikan sumber-sumber ekonomi yang dimiliki (modal, teknologi, tenaga kerja dan sebagainya) untuk bersaing mendapatkan keuntungan.

2.9.2. Pasar Monopoli

Pengertian monopoli adalah suatu pasar di mana hanya ada satu penjual atau produsen penghasil barang atau jasa yang tidak mempunyai barang substitusi yang sangat dekat. Struktur pasar yang demikian ini menghasilkan harga dan produk yang absolute yang tidak dapat dipengaruhi.

Ciri-ciri pasar monopoli adalah:

 Hanya ada satu produsen atau penjual yang menguasai suatu barang

atau jasa tertentu.

 Barang/jasa yang dijual tidak ada subtitusi.

 Adanya entry barriers untuk memasuki Pasar atau bidang usaha

sehingga produsen / penjual baru tak dapat (sulit sekali) memasuki

pasar persaingan.

2.9.3. Pasar Monopolistik

Pasar persaingan monopolistik merupakan pasar persaingan yang relatif masih baru dibandingkan dengan model pasar persaingan sempurna atau monopoli. Pasar monopolistik adalah pasar persaingan dengan bentuk campuran dua jenis pasar yang ekstrem yaitu persaingan sempurna dengan persaingan monopoli. Pasar persaingan monopolistik dapat didefinisikan sebagai suatu pasar di mana terdapat beberapa produsen yang menghasilkan barang yang heterogen.

UNIVERSITAS SUMATERA UTARA

Pasar ini mirip dengan pasar monopoli dimana beberapa perusahaan besar saja yang memproduksi atau menjual barang-barang yang heterogen tersebut.

Selain itu adanya kebebasan bagi perusahaan untuk masuk-keluar pasar maka pasar monopolistik dapat juga dikatakan mirip dengan persaingan sempura.

Ciri-ciri pasar monopolistik, yaitu:

 Terdapat beberapa produsen / penjual yang masing menguasai

sebagian dari seluruh pangsa pasar.

 Menghasilkan barang yang sejenis, yang kurang lebih sama tetapi

didiferensiasikan dalam hal nama/merek/cap dagang/kualitas/bentuk

dan lain-lain, sehingga terlihat berbeda dari yang lain.

 Tidak adanya entry barriers bagi produsen-produsen baru untuk dapat

memasuki pasar persaingan, meskipun tidak selalu mudah.

 Dibutuhkan promosi untuk memperluas pasar.

2.9.4. Pasar Oligopoli

Pada pasar oligopoli terdapat beberapa perusahaan besar yang menguasai hampir sebagian besar pasar yakni antara 70% sampai 80% dari seluruh nilai penjualan. Beberapa perusahaan menghasilkan produk yang sangat mirip, tetapi ada pula perusahaan lain yang menghasilkan produk yang berbeda corak. Ada kalanya pasar oligopoli terdiri dari dua perusahaan saja, yang dinamakan duopoly.

Beberapa bentuk pasar oligopoli diantaranya yaitu jika dalam pasar hanya terdapat dua penjual disebut duopoly, jika produk yang dijual homogen disebut pure poligopoly, jika produk yang dijual adalah berbeda disebut differentiated oligopoly.

UNIVERSITAS SUMATERA UTARA

Ciri-ciri pasar oligopoli adalah:

 Produksi suatu barang atau jasa terkonsentrasi dan didominasi oleh “hanya

sedikit” perusahaan.

 Dibutuhkan teknologi modern pada Pasar oligopoli disebabkan proses

produksi yang dituntut untuk memproduksi secara besar-besaran.

 Tindakan seorang produsen dalam pasar dapat mempengaruhi produsen

lainnya.

 Kemungkinan produsen baru dapat masuk dalam pasar atau industri lebih

mudah dikarenakan tidak ada entry barriers yang dihadapi.

UNIVERSITAS SUMATERA UTARA

2.10. Penelitian Terdahulu

Berikut adalah hasil penelitian terdahulu yang merupakan referensi peneliti dimana masih terdapat inkonsistensi (research gap):

Tabel 2.2. Penelitian terdahulu Nama & Judul Metode Hasil Penelitian Tahun Penelitian Analisis

Hasil penelitian menunjukkan bahwa penambahan jumlah cabang berpengaruh negatif tidak signifikan terhadap ROA Pengaruh dan ROE. Dan jumlah pegawai Ekspansi berpengaruh positif tidak Jumlah Cabang signifikan terhadap ROA dan Hery dan Jumlah ROE. Sementara BOPO Prasetyo dan Pegawai berpengaruh negatif signifikan Sony Terhadap Path Analysis terhadap ROA dan ROE. LDR Sunaryo Kinerja Industri berpengaruh positif tidak (2015) Perbankan di signifikan terhadap ROA dan Indonesia negatif tidak signifikan terhadap (periode tahun ROE. NPL berpengaruh negatif 2011-2012) tidak siginifikan terhadap ROA dan ROE. NIM berpengaruh positif signifikan terhadap ROA dan negatif tidak signifikan terhadap ROE.

Hasil analisis penelitian ini menunjukkan bahwa NPL dan Pengaruh NPL LDR berpengaruh tidak dan LDR signifikan terhadap ROA serta Terhadap CAR berpengaruh positif Profitabilitas signifikan terhadap ROA. NPL Septiani dan Dengan CAR berpengaruh negatif signifikan Lestari Sebagai Path Analysis terhadap CAR dan LDR (2016) Variabel berpengaruh positif tidak Mediasi Pada signifikan terhadap CAR serta PT BPR CAR hanya memediasi PASARRAYA hubungan antara NPL terhadap KUTA ROA.

UNIVERSITAS SUMATERA UTARA

Perbandingan Kinerja Keuangan Sebelum dan Hasil dari penelitian data menunjukkan bahwa terdapat Sesudah Bank non- perbedaan kinerja keuangan Andini & Menerapkan parametrik pada kedua bank sebelum dan Nurdin, Uang Wilcoxon sesudah menerapkan uang (2019) Elektronik (E- Signed-Rank elektronik (e-money). Variabel Money) Test yang menunjukkan perbedaan Sebagai yaitu ROA dan BOPO. Financial Technology (Periode 2001- 2017) Analisis Hasil penelitian menunjukkan Pengaruh bahwa jumlah transaksi uang Penggunaan elektronik dan Gerbang Uang Pembayaran Nasional Elektronik Dan berpengaruh tidak signifikan Gerbang terhadap ROA dan ROE Susanti Regresi linier Pembayaran perbankan serta pendapatan (2019) sederhana Nasional untuk transaksi uang elektronik Terhadap sedangkan jumlah transaksi Pendapatan Gerbang Pembayaran Nasional Dan berpengaruh signifikan Profitabilitas terhadap pendapatan Perbankan Di perbankan. Indonesia

Pengaruh Jumlah Mesin hasil penelitian diketahui dan Volume bahwa terdapat pengaruh Transaksi positif dan signifikan antara jumlah Mesin yang dipasang Hadi & Mesin EDC Regresi linier dan volume transaksi mesin Nurjanah, Terhadap Fee berganda EDC dengan jumlah fee based (2017) Based Income Di Bank income yang diperoleh Bank Mandiri ( Mandiri Cabang Jakarta Plaza Persero ) Tbk Indonesia pada Tahun 2013- Cabang Jakarta 2015. Plaza Indonesia

UNIVERSITAS SUMATERA UTARA

Pengaruh Jumlah Kantor Regresi Bank (JKB) Hasil penelitian menunjukan Linear Ari Terhadap JKB berpengaruh negatif Berganda Hijrianto Profitabilitas signifikan terhadap ROA. (2016) Bank Syariah (OLS) (Periode 2008- 2015) Hasil penelitian ini menjelaskan bahwa ekspansi jaringan kantor berpengaruh positif dan Hubungan signifikan terhadap Ekspansi pertumbuhan aset. CAR Jaringan berpengaruh positif signifikan Kantor dan Regresi terhadap pertumbuhan laba. Dwi Kinerja Linear BOPO berpengaruh negatif Nur'aini Keuangan Berganda signifikan terhadap Ihsan (2019) Terhadap (OLS) pertumbuhan laba. ROA Pertumbuhan berpengaruh positif tidak Aset Bank signifikan terhadap Syariah pertumbuhan laba. NOM berpengaruh negatif tidak signifikan terhadap pertumbuhan laba.

Pengaruh Jumlah Hasil penelitian ini Automated menyatakan bahwa jumlah Teller Machine Regresi cabang berpengaruh positif dan Dela Farah (ATM) dan Linear secara statsitik signifikan Diba (2017) Jumlah Cabang Berganda terhadap ROA, sedangkan serta Status (OLS) jumlah ATM dan status devisa Devisa berpengaruh positif namun Terhadap tidak signifikan terhadap ROA. Profitabilitas

UNIVERSITAS SUMATERA UTARA

Analisis Pengaruh Jumlah ATM, Hasil penelitian menunjukkan Mikro dan Wahyu Dwi jumlah ATM, NII, NPL dan Retail Banking, Yulianto, ROA memiliki pengaruh Gaji Direksi, Wisnu Regresi terhadap RGEC pada tingkat dan NII Mawardi, Linear signifikansi kurang dari 5%, Terhadap dan HM Berganda dan perbankan mikro dan ritel, Tingkat Kholiq (OLS) pengarahan gaji, tidak Kesehatan Mahfud memiliki pengaruh terhadap Bank Dengan (2016) RGEC pada tingkat Metode RGEC signifikansi lebih dari 5%. Melalui Mediasi NPL dan ROA

Hasil penelitian ini membuktikan bahwa DPK dan NIMt_1 memiliki hubungan positif dan signifikan secara statistik terhadap LDR. CAR Analisis memiliki hubungan negatif dan Pengaruh CAR, Dana Pihak tidak signifikan terhadap LDR. Ketiga (DPK), CAR dan LDR memiliki Pardede dan NIM, dan LDR hubungan positif dan Pangestuti Terhadap Path Analysis signifikan terhadap ROA. DPK (2016) Profitabilitas memiliki hubungan positif dan Perbankan tidak signifikan terhadap ROA. dengan LDR NIMt_1 memiliki hubungan Sebagai Variabel negatif dan signifikan terhadap Intervening ROA. Kemudian, DPK dan NIMt_1 memiliki hubungan yang signifikan terhadap ROA yang dimediasi oleh LDR sebagai variabel intervening.

Analisis Struktur Kiki Pasar Perbankan Berdasarkan model Panzar- Hardiansyah Syariah di Model Rosse struktur Pasar perbankan Indonesia Siregar Dengan Panzar-Rosse syariah di Indonesia adalah (2019) Pendekatan monopolistik. Model Panzar- Rosse

UNIVERSITAS SUMATERA UTARA

Hasil penelitian menunjukan bahwa ROA bank yang mengadopsi internet banking lebih tinggi dan signifikan dibandingkan bank yang tidak mengadopsi. ROE bank yang Dampak mengadopsi internet banking Electronic lebih tinggi dan signifikan Farah Banking Regresi dibanding bank yang tidak Margaretha Terhadap Logistik mengadopsi. BOPO bank yang (2015) Kinerja mengadopsi jauh lebih kecil Perbankan dan signifikan dibandingkan Indonesia dengan bank yang tidak mengadopsi. ASET bank yang mengadopsi internet banking jauh lebih besar dan signifikan dibandingkan bank yang tidak mengadopsi.

Analisa Pengaruh Hasil penelitian menunjukkan Mobile Dedeh Sri penggunaan mobile banking Banking Sudaryanti, berpengaruh negatif tidak Terhadap Regresi Nana signifikan terhadap ROA. Kinerja Linear Sahroni, dan Ukuran bank (SIZE) Perusahaan Berganda Ane berpengaruh positif signifikan Sektor (OLS) Kurniawati, terhadap ROA. NPL Perbankan (2018) berpengaruh negatif siginifikan yang Tercatat terhadap ROA. di Bursa Efek Indonesia

Struktur Pasar Industri Hasil H-stat menunjukan Athoillah Perbankan Model bahwa industri perbankan (2010) Indonesia Panzar-Rosse indonesia masuk pada pasar Rosse Panzar persaingan monopolistik Test

UNIVERSITAS SUMATERA UTARA

2.11. Kerangka Pemikiran Penelitian ini mengembangkan pandangan dari teori Structure-Conduct-

Performance (S-C-P). Berdasarkan latar belakang di atas dapat digambarkan bahwa perubahan perilaku yang terjadi pada masyarakat khususnya nasabah atas penggunaan E-money sebagai faktor input teknologi Pasca Era Digital Banking

4.0 akan mempengaruhi kinerja profitabilitas perbankan yang diproyeksikan melalui ROA. ROA digunakan sebagai proksi dari ukuran kinerja dibandingkan

ROE (Return On Equity) dan NPM (Net Profit Margin) disebabkan ROA dapat mengukur efektifitas perusahaan didalam menghasilkan keuntungan dengan memanfaatkan aktiva yang dimilikinya. Semakin tinggi ROA, maka semakin baik produktifitas bank (Kasmir, 2016). Dalam penentuan tingkat kesehatan suatu bank,Bank Indonesia lebih mementingkan penilaian besarnya return on assets

(ROA) dan tidak memasukkan unsur return on equity (ROE).

Selain itu terjadi juga perubahan perilaku perbankan pada jumlah mesin

EDC, jumlah kantor cabang dan jumlah mesin ATM sebagai faktor input teknologi Pra Era Digital Banking 4.0. yang dapat juga mempengaruhi hasil kinerja profitabilitas bank. Penelitian ini juga menggunakan variabel faktor input utama perbankan sebagai lembaga perantara keuangan (intermediary financial) yakni rasio LDR yang merupakan proksi dari faktor input kredit yang disalurkan kepada masyarakat. Indikator perbankan lainnya juga digunakan dalam penelitian ini sebagai variabel kontrol proksi dari beberapa faktor yang terjadi dalam perkembangan perbankan Indonesia. Variabel kontrol yang dapat mempengaruhi kinerja perbankan yang antar lain; BOPO sebagai proksi dari biaya operasional dan NIM sebagai proksi dari bunga yang diberikan pada simpanan dan pinjaman.

UNIVERSITAS SUMATERA UTARA

Dengan pendekatan Non Struktural Panzar-Rosse penelitian ini dapat memberikan gambaran bagaimana pengaruh perubahan faktor-faktor input Bank

Umum di Indonesia yang terjadi pada Era Digital Banking 4.0 terhadap kinerja

Bank Umum tersebut. Pendekatan Panzar-Rosse pada penelitian ini menggunakan variabel LDR, Volume Transaksi E-Money dan Jumlah mesin EDC sebagai faktor input utama dalam menghasilkan nilai H-statistik. Ketiga variabel input utama tersebut sebagai proksi dari Modal, Funding dan Teknologi yang digunakan Bank dalam menjalankan fungsi bank sebagai intermediasi keuangan untuk dapat memberikan gambaran perubahan nilai kompetisi dalam struktur pasar industri perbankan yang terbentuk pada Era Digital Banking 4.0 melalui jumlah uji H- statistik.

Kredit yang disalurkan = LDR (W1)

Volume Transaksi Uang Elektronik = VTE (W2)

Jumlah Mesin EDC = EDC (W3)

Jumlah Kantor Cabang = JKC Kinerja = ROA (χ1) (ϒ)

Jumlah Mesin ATM = ATM (χ2 )

Biaya Operasional = BOPO

(χ3)

Bunga = NIM (χ4)

Gambar 2.2 Kerangka Pemikiran Penelitian

UNIVERSITAS SUMATERA UTARA

2.12. Hipotesis Penelitian

Berdasarkan perumusan masalah dan dari beberapa penelitian empiris yang dilakukan oleh peneliti-peneliti sebelumnya, dapat dikemukakan hipotesis sebagai berikut:

1. Berdasarkan pendekatan Panzar-Rosse terdapat pengaruh positif

siginifikan variabel LDR, Volume transaksi E-Money, Jumlah mesin EDC,

Jumlah Kantor Cabang, Jumlah mesin ATM, NIM dan terdapat pengaruh

negatif siginifikan variabel BOPO terhadap kinerja Bank Umum Indonesia

yang diukur oleh Return On Asset (ROA).

2. Berdasarkan pendekatan Panzar-Rosse dapat ditentukan bentuk struktur

pasar Industri Bank Umum Indonesia yang dapat ditentukan oleh koefisien

dari LDR sebagai proksi faktor input kredit, Volume transaksi E-Money

sebagai proksi faktor input simpanan pada teknologi pasca Digital

Banking 4.0 dan jumlah mesin EDC sebagai proksi faktor input simpanan

dan kredit pada teknologi pra Digital Banking 4.0.

UNIVERSITAS SUMATERA UTARA

BAB III

METODE PENELITIAN

3.1. Ruang Lingkup Penelitian

Ruang lingkup penelitian ini adalah bidang industri perbankan yang membahas pengaruh perilaku masyarakat dan perusahaan bank atas jumlah kantor cabang, jumlah mesin ATM, jumlah mesin EDC, BOPO, LDR dan NIM terhadap kinerja perbankan Indonesia pada Era Digital banking 4.0.

3.2. Jenis dan Sumber Data

Obyek penelitian ini dilakukan pada industri perbankan Indonesia.

Penelitian ini menggunakan data sekunder yang bersumber dari data Statistik

Perbankan Indonesia (SPI) pada Otoritas Jasa Keuangan (OJK) dan Statistik

Sistem Pembayaran (SPP) pada Bank Indonesia (BI) yang telah dipublikasikan.

Data yang dipakai dalam penelitian ini menggunakan data dalam bentuk runtun waktu (time series) bulanan dari Januari 2013 sampai dengan Maret 2020. Banyak data yang menjadi observasi ada 87 data yang diteliti.

3.3. Model Analisis

Model analisis yang digunakan pada penelitian ini adalah model Panzar-

Rosse untuk melihat pengaruh perilaku berdasarkan faktor-faktor input terhadap kinerja perbankan Indonesia pada Era Digital Banking 4.0. Dimana pada model

Panzar-Rosse menjelaskan bahwa total penerimaan perusahaan dipengaruhi oleh faktor-faktor input, yang dapat digantikan dengan nilai proksi yang berhubungan langsung dengan faktor input tersebut.

UNIVERSITAS SUMATERA UTARA

log(ROA t) = β0 + β1 log(LDR t) + β2 log(VTEt) + β3 log(EDCt) +

β4 log(JKCt) + β5 log(ATM t) + + β6 log(BOPO t) +

β7 log(NIM t) + ε

Dimana :

log(ROAt ) = Elastisitas pada Rasio Return on Asset (ROA) tahun t

log(LDRt) = Elastisitas pada Rasio Loan to Deposit (LDR) tahun t

log(VTEt) = Elastisitas pada Volume Transaksi E-Money tahun t

log(EDCt) = Elastisitas pada Jumlah Mesin EDC tahun t

log(JKCt) = Elastistas pada Jumlah Kantor Cabang tahun t

log(ATMt) = Elastisitas pada Jumlah Mesin ATM tahun t

log(BOPOt) = Elastisitas pada Rasio Beban Operasional (BOPO) tahun t

log(NIMt) = Elastisitas pada Rasio Net Interest Margin (NIM) tahun t

εt = Error Term

Panzar-Rosse menggunakan logaritma (log) pada model persamaan adalah untuk mengukur elastisitas Total Revenue (TR) terhadap variabel-variabel input, yaitu besaran perubahan dalam TR yang disebabkan oleh besarnya perubahan variable input. Selain itu log juga berfungsi sebagai penyesuai besaran nilai antar semua variabel.

3.4. Defenisi Operasional Variabel

Berikut Defenisi Operasional Variabel yang digunakan dalam penelitian:

1. ROA didefenisikan sebagai rasio antar Laba sebelum Pajak terhadap Rata-

Rata Total Aset yang dinyatakan dalam satuan persen.

2. LDR didefeniskan sebagai rasio antara Total Kredit yang disalurkan

terhadap Total Dana yang dihimpun yang dinyatakan dalam satuan persen.

UNIVERSITAS SUMATERA UTARA

3. Volume Transaksi E-money sebagai jumlah transaksi yang berhasil

terlaksana atas penggunaan E-money yang dinyatakan dalam satuan

transaksi.

4. Jumlah Mesin EDC didefenisikan sebagai jumlah mesin EDC aktif yang

terdapat pada tiap-tiap merchant untuk melayani transaksi pembayaran

digital yang dinyatakan dalam satuan unit.

5. Jumlah Kantor Cabang didefeniskan sebagai jumlah kantor yang

melakukan kegiatan operasional untuk memberikan layanan kepada

masyarakat yang dinyatakan dalam satuan unit

6. Jumlah Mesin ATM didefenisikan sebagai jumlah mesin ATM aktif

beroperasional melayani transaksi kepada masyarakat yang dinyatakan

dalam satuan unit.

7. BOPO didefenisikan sebagai rasio antara Biaya Operasional terhadap

Pendapatan Operasional yang dinyatakan dalam satuan persen.

8. NIM didefeniskan sebagai rasio Pendapatan Bunga Bersih terhadap Total

Aset Produktif yang dinyatakan dalam satuan persen.

3.5. Metode Analisa Data

Metode yang digunakan pada dalam penelitian ini adalah metode Ordinary

Least Square (OLS) pada analisis regresi linier berganda dengan menggunakan software Eviews versi 10. Metode ini digunakan pada model Panzar-Rosse untuk mengukur kestabilan dan perubahan struktur dalam jangka panjang antara variabel-variabel faktor input. Agar model regresi dapat digunakan untuk menguji, maka dilakukan serangkaian uji pada model yang akan digunakan.

UNIVERSITAS SUMATERA UTARA

3.6. Uji Penyimpangan Asumsi Klasik

Uji asumsi klasik merupakan prasyarat untuk menentukan ketepatan model pada analisis regresi linier sederhana. Sebelum melakukan pengujian hipotesis yang diajukan pada penelitian maka perlu dilakukan pengujian asumsi klasik pada model yang akan digunakan yang meliputi Uji Normalitas, Uji Multikolinieritas,

Uji Heteroskedastisitas dan Uji Autokorelasi.

3.6.1. Uji Normalitas

Uji normalitas bertujuan untuk menguji apakah sampel data pada variabel dependen atau variabel independen yang digunakan dalam model regresi memiliki distribusi normal atau tidak. Model regresi yang baik adalah model yang dimiliki distribusi normal atau mendekati normal. Uji normalitas data dilakukan dengan program Eviews.10 menggunakan perbandingan antara nilai Jarque-Bera (JB) dan nilai Chi Square tabel terhadap taraf nyata yang digunakan (α = 5%). Nilai Jarque-

Bera (JB) dan nilai Chi Square tabel dapat secara langsung menyimpulkan apakah data yang ada terdistribusi normal secara statistik atau tidak dapat melalui tingkat probabilitas. Pengambil kesimpulan melalui probabilitas sebagai berikut:

a. Jika probabilitas > 0,05 maka data berdistribusi normal.

b. Jika probabilitas < 0,05 maka data tidak berdistribusi normal.

3.6.2. Uji Multikolinieritas

Uji multikolinieritas digunakan untuk menguji apakah dalam model regresi ditemukan adanya hubungan sempurna atau korelasi antar variabel independen (Ghozali, 2013). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Jika variabel independen saling berkorelasi, maka variabel-variabel tersebut tidak ortogonal. Variabel ortogonal

UNIVERSITAS SUMATERA UTARA

adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Menurut Gujarati, (2003) Untuk mendeteksi ada tidaknya multikolinearitas di dalam regresi dapat menggunakan perbandingan matrik kolerasi pada nilai α = 10% dengan dilakukan sebagai berikut :

a. Jika nilai koefisien kolerasi > 0.90, maka data tersebut terjadi

multikolinearitas.

b. Jika nilai koefisien kolerasi < 0.90, maka data tersebut tidak terjadi

multikolinearitas.

3.6.3. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi konstan atau tidaknya variance dari residual suatu pengamatan ke pengamatan yang lain. Jika varians dari suatu pengamatan ke pengamatan yang lain sama maka disebut homokedastisitas. Dan jika varians berbeda maka disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas (Ghozali, 2013).

Untuk melihat apakah dalam suatu model terdapat masalah heteroskendastisitas atau tidak, maka dapat dilakukan dengan Uji Harvey yang menggunakan fungsi LRESID2. Pada Uji Harvey dapat diambil kesimpulan melalui nilai probabilitas Chi-square dengan cara sebagai berikut:

a. Probabilitas Chi-Square < alpha (α = 0,05) maka data tidak lolos uji

heteroskedastisitas.

b. Probabilitas Chi-Square > alpha (α = 0,05) maka data lolos uji

heteroskedastisitas.

UNIVERSITAS SUMATERA UTARA

3.6.4. Uji Autokolerasi

Uji autokorelasi umumnya dilakukan pada data time series untuk mengetahui ada tidaknya korelasi antara residual pada periode tertentu (t) dengan residual pada periode sebelumnya (t-1). Jika terjadi kolerasi, maka dinamakan ada masalah autokolerasi. Model regresi yang baik adalah model yang tidak terdapat masalah autokolerasi.

Untuk mengetahui ada tidaknya masalah autokolerasi pada sebuah model maka pada Eviews.10 dapat dilakukan dengan menggunakan uji Lagrange

Multiplier Test (LM). Kesimpulan didapat pada LM-Test dengan melihat nilai probabilitas chi-squares pada syarat berikut:

a. Jika nilai probabilitas chi-squares < nilai alpha (α) = 0,05 %, maka dapat

dikatakan model terkena masalah autokorelasi.

b. jika nilai probabilitas chi-squares > nilai alpha (α) = 0,05 %, maka dapat

dikatakan model tidak terkena masalah autokorelasi.

3.7. Uji Kesesuaian Hipotesis

Uji Hipotesis dilakukan untuk memperoleh jawaban dari rumusan masalah dan hipotesis penelitian yang telah diungkapkan. Pengujian hipotesis dalam penelitian ini menggunakan pengujian hipotesis secara parsial (Uji t), pengujian secara simultan (Uji F) dan pengujian koefisien determinasi. Berikut penjelasan dari masing-masing pengujian:

UNIVERSITAS SUMATERA UTARA

3.7.1. Uji F (Simultan)

Uji F merupakan pengujian hubungan regresi yang bertujuan untuk mengetahui apakah seluruh variabel independen secara simultan atau bersama- sama mempunyai pengaruh yang signifikan terhadap variabel dependen. Uji hipotesis yang digunakan adalah dari perbandingan antara nilai F-hitung dengan nilai F-tabel (nilai kritis) sesuai dengan tingkat signifikansi yang digunakan (α =

0,05) dengan ketentuan sebagai berikut:

a. Jika F-hitung < F-tabel dan nilai Sig > 0.05 maka kesimpulannya H0

diterima dan H1 ditolak, yang berarti bahwa tidak ada pengaruh secara

simultan antara variabel-variabel independen terhadap variabel dependen.

b. jika F-hitung > F-tabel dan nilai Sig < 0.05 maka kesimpulannya H0

ditolak dan H1 diterima, yang berarti bahwa adanya pengaruh yang

signifikan dari variabel-variabel independen secara simultan terhadap

suatu variabel dependen.

3.7.2. Analisis Koefisien Determinasi

Koefisien determinasi (R2) pada dasarnya mengukur seberapa jauh kemampuan model dalam menerangkan variasi variabel dependen. Nilai koefisien determinasi adalah di antara 0 dan 1. Jika nilai R2 mendekati 1 berarti variabel- variabel independen memberikan hampir semua informasi yang diperlukan untuk memprediksikan fluktuasi variabel dependen. Nilai R2 yang kecil memperlihatkan kemampuan variabel-variabel independen sangat terbatas dalam memberikan informasi untuk memprediksi fluktuasi variabel dependen.

UNIVERSITAS SUMATERA UTARA

alam penggunaan koefisien determinasi (R2) memiliki suatu kelemahan, yaitu terdapatnya suatu bias terhadap jumlah variabel independen yang dimasukkan ke dalam model regresi. Nilai adjusted R2 dapat digunakan untuk menggantikan nilai R2 agar terhindar dari bias tersebut. Nilai adjusted R2 mampu naik atau turun apabila terjadi penambahan satu variabel independen (Ghozali,

2013).

3.7.3. Uji t-test

Uji t-test digunakan pada pengujian hipotesis untuk menunjukkan seberapa besar pengaruh tiap variabel-variabel independen secara parsial individu terhadap variabel dependen. Uji hipotesis yang digunakan adalah dari perbandingan antara nilai t-hitung dengan nilai t-tabel (nilai kritis) sesuai dengan tingkat signifikansi yang digunakan (α = 0,05) dengan ketentuan sebagai berikut:

a. Jika t-hitung < t-tabel dan nilai Sig > 0.05 maka kesimpulannya H0

diterima dan H1 ditolak, yang berarti bahwa variabel-variabel independen

tidak berpengaruh secara signifikan terhadap perubahan nilai variabel

dependen.

b. jika t-hitung > t-tabel dan nilai Sig < 0.05 maka kesimpulannya H0 ditolak

dan H1 diterima, yang berarti bahwa variabel-variabel independen secara

signifikan berpengaruh terhadap perubahan nilai variabel dependen.

UNIVERSITAS SUMATERA UTARA

BAB IV

HASIL DAN PEMBAHASAN

4.1. Gambaran Umum Objek Penelitian

Pada penelitian ini menggunakan Bank Umum konvensional di Indonesia sebagai objek penelitian. Rentang waktu penelitian menggunakan 87 waktu amatan secara bulanan (month to month) sejak Januari 2013 sampai dengan Maret

2020. Bank Umum konvesional di Indonesia terdiri beberapa jenis bank menurut kepemilikannya diantaranya yaitu Bank BUMN, Bank Umum Swasta Nasional

(BUSN) Devisa, Bank Umum Swasta Nasional (BUSN) Non Devisa, Bank

Pembangunan Daerah, Bank Campuran, dan Bank Asing.

Tabel 4.1. Jumlah Bank Umum Konvensional Indonesia Jenis Bank Umum Konvensional Berdasarkan Kepemilikan Tahun Total BUMN BUSN BUSN Non BPD Bank Bank Devisa Devisa Campuran Asing 2013 4 36 29 26 15 10 120 2014 4 38 29 26 12 10 119 2015 4 39 27 26 12 10 118 2016 4 42 21 27 12 10 116 2017 4 42 21 27 12 9 115 2018 4 42 21 27 12 9 115 2019 4 41 19 27 11 8 110 Sumber: Statistik Perbankan Indonesia (OJK) data diolah

Dari tabel diatas, jumlah perusahaan Bank Umum konvensional di

Indonesia mengalami penurunan dari tahun ke tahun. Sejak tahun 2013 sampai dengan tahun 2019 telah terjadi pengurangan perusahaan Bank Umum di

Indonesia sebanyak 10 perusahaan. Penurunan yang banyak terjadi pada Bank

Non Devisa yang turun sebesar 10 Perusahaan. Penurunan jumlah Bank Non

Devisa banyak dikarenakan peralihan Jenis Bank yakni menjadi Bank Devisa

UNIVERSITAS SUMATERA UTARA

maupun Bank Pembangunan Daerah. Penambahan Bank Pembangunan Daerah yang terjadi sebanyak 1 perusahaan merupakan peralihan Bank Pundi menjadi

Bank Banten yang terjadi pada tahun 2016.

Penutupan perusahaan juga terjadi pada Bank Swasta Asing sebanyak dua perusahaan. Kedua bank asing tersebut merupakan bank Asal Eropa yang cukup lama beroperasional di Indonesia. Bank Asing tersebut antara lain Royal Bank of

Scotlandia Cabang Indonesia yang merupakan Kantor Cabang Bank Asing

(KCBA) yang resmi ditutup tahun 2017. Selanjutnya Rabobank yang merupakan anak usaha dari Rabobank Group yang berbasis di Utrect, Belanda resmi menutup opersional perbankannya pada akhir April 2019.

Penurunan secara keseluruhan jumlah perusahaan Bank Umum mengakibatkan adanya penurunan jumlah kantor cabang atau outlet Bank Umum secara keseluruhan di Indonesia. Penurunan jumlah bank dapat menimbulkan perubahan tingkat konsentrasi kompetisi pada struktur pasar industri Bank Umum

Indonesia. Perubahan tingkat konsentrasi kompetisi dalam suatu pasar industri juga berdampak daya kinerja industri tersebut.

4.2. Deskripsi Variabel Penelitian

Bagian ini menguraikan perkembangan variabel-variabel yang mempengaruhi kinerja (ROA) Bank Umum di Indonesia pada Era Digital Banking

4.0 berdasarkan pendekatan Panzar-Rosse. Variabel yang dipakai dalam model penelitian yakni LDR yaitu Volume transaksi uang eletronik (E-Money), Jumlah mesin EDC, Jumlah kantor cabang, Jumlah mesin ATM, BOPO dan NIM.

UNIVERSITAS SUMATERA UTARA

4.2.1. Rasio Return On Aset (ROA) Bank Umum Indonesia

ROA adalah salah satu indikantor kinerja profitabilitas perusahaan bank yang menunjukan rasio seberapa besar keuntungan yang diperoleh dari seluruh aset yang dikelola oleh bank. ROA Bank Umum di Indonesia saat ini menunjukan kondisi yang fluktuatif karena sangat terpengaruh baik dari faktor eksternal maupun internal. Berikut perkembangan ROA Bank Umum di Indonesia.

Tabel 4.2. Return On Asset Ratio (ROA) Bank Umum Indonesia Periode Jan 2013 – Mar 2020 Periode Persentase Periode Persentase Periode Persentase Jan-13 3.16(%) Jun-15 2.29(%) Nov-17 2.48(%) Feb-13 2.92 Jul-15 2.27 Dec-17 2.45 Mar-13 3.03 Aug-15 2.30 Jan-18 2.50 Apr-13 2.96 Sep-15 2.31 Feb-18 2.36 May-13 2.99 Oct-15 2.30 Mar-18 2.55 Jun-13 3.02 Nov-15 2.33 Apr-18 2.40 Jul-13 3.00 Dec-15 2.32 May-18 2.38 Aug-13 3.03 Jan-16 2.51 Jun-18 2.43 Sep-13 3.06 Feb-16 2.29 Jul-18 2.46 Oct-13 3.09 Mar-16 2.44 Aug-18 2.47 Nov-13 3.09 Apr-16 2.38 Sep-18 2.50 Dec-13 3.08 May-16 2.34 Oct-18 2.52 Jan-14 2.90 Jun-16 2.31 Nov-18 2.52 Feb-14 2.79 Jul-16 2.35 Dec-18 2.55 Mar-14 3.01 Aug-16 2.36 Jan-19 2.59 Apr-14 2.93 Sep-16 2.38 Feb-19 2.45 May-14 2.98 Oct-16 2.41 Mar-19 2.60 Jun-14 3.02 Nov-16 2.37 Apr-19 2.42 Jul-14 2.91 Dec-16 2.23 May-19 2.41 Aug-14 2.90 Jan-17 2.46 Jun-19 2.51 Sep-14 2.91 Feb-17 2.35 Jul-19 2.50 Oct-14 2.89 Mar-17 2.50 Aug-19 2.49 Nov-14 2.87 Apr-17 2.48 Sep-19 2.48 Dec-14 2.85 May-17 2.46 Oct-19 2.48 Jan-15 2.82 Jun-17 2.47 Nov-19 2.47 Feb-15 2.51 Jul-17 2.49 Dec-19 2.47 Mar-15 2.69 Aug-17 2.47 Jan-20 2.70 Apr-15 2.53 Sep-17 2.47 Feb-20 2.49 May-15 2.45 Oct-17 2.49 Mar-20 2.57 Sumber: Statistik Perbankan Indonesia (OJK), data diolah

UNIVERSITAS SUMATERA UTARA

ROA Bank Umum Indonesia pada Januari 2013 berada pada 3.16%.

Sepanjang tahun 2013 dan 2014 ROA Bank Umum Indonesia disekitar rata-rata

2.97%. Pada Januari 2015 ROA sedikit menurun menjadi 2.82% dan terus mengalami trend penurunan sampai mencapai ROA paling rendah pada Desember

2016 sebesar 2.23%. Banyak hal yang dapat menyebabkan menurunnya tingkat

ROA Bank Umum Indonesia, salah satunya adalah kebijakan moneter Bank

Indonesia dalam nentukan suku bunga Acuan untuk menekan inflasi, sehingga mempengaruhi pendapatan bunga bank.

Pada Januari 2017 ROA Bank Umum Indonesia mengalami sedikit kenaikan menjadi 2.46%. Kenaikan ROA tersebut menjadi trend sampai Januari

2020 dengan mencapai ROA sebesar 2.70%. Hal ini adalah perbaikan atas koreksi kebijakan yang dilakukan dari Management perbankan maupun Pemerintah untuk menstimulasi industri perbankan dalam mencapai kinerja yang lebih baik.

4.2.2. Loan to Deposit Ratio (LDR) Bank Umum Indonesia

Pinjaman (Loan) dan Simpanan (Deposit) merupakan faktor input utama dalam menjalankan bisnis perbankan sebagai lembaga intermedasi keuangan

(financial intermediary). Loan to Deposit Ratio (LDR) adalah rasio perbandingan antara jumlah seluruh total kredit yang disalurkan terhadap jumlah seluruh Dana

Pihak Ketiga (DPK) yang dikumpulkan. Pada penelitian ini menggunakan LDR dari proksi Pinjaman (Loan) sebagai salah satu faktor input yang mempengaruhi pendapatan (ROA). Semakin tinggi nilai LDR akan memberikan informasikan bahwa fungsi bank sebagai lembaga intermediasi keuangan berjalan baik, namun dengan ketentuan tidak melewati target LDR yang ditetapkan yakni target bawah sebesar 78% dan targer atas 92% (Peraturan Bank Indonesia No. 17/11/2015).

UNIVERSITAS SUMATERA UTARA

Posisi LDR Bank Umum konvesional Indonesia mengalami perkembangan yang fluktuatif dengan trend meningkat. LDR pada tahun 2013 pada kondisi aman yakni di atas batas bawah target LDR masih rata rata berada pada posisi 87.18%. Pada tahun 2014 dan 2015 LDR sempat melewati sedikit target batas atas yaitu pada bulan Juli 2014 di posisi 92.19% dan Desember 2015 di posisi 92.11%. Pada tahun 2016 dan 2017 LDR masih pada posisi aman yakni sekitaran 90.43% tahun 2016 dan 89.17% tahun 2017.

Tabel 4.3. Loan to Deposit Ratio (LDR) Bank Umum Indonesia Periode Jan 2013 – Mar 2020 Periode Persentase Periode Persentase Periode Persentase Jan-13 83.47(%) Jun-15 88.46(%) Nov-17 88.97(%) Feb-13 84.35 Jul-15 88.50 Dec-17 90.04 Mar-13 84.93 Aug-15 88.81 Jan-18 89.10 Apr-13 85.17 Sep-15 88.54 Feb-18 89.21 May-13 85.84 Oct-15 89.74 Mar-18 90.19 Jun-13 86.80 Nov-15 90.47 Apr-18 90.43 Jul-13 88.68 Dec-15 92.11 May-18 91.99 Aug-13 88.88 Jan-16 90.95 Jun-18 92.76 Sep-13 88.91 Feb-16 89.50 Jul-18 93.11 Oct-13 89.47 Mar-16 89.60 Aug-18 93.79 Nov-13 89.97 Apr-16 89.52 Sep-18 94.09 Dec-13 89.70 May-16 90.32 Oct-18 93.71 Jan-14 90.47 Jun-16 91.19 Nov-18 93.19 Feb-14 90.47 Jul-16 90.18 Dec-18 94.78 Mar-14 91.17 Aug-16 90.04 Jan-19 93.97 Apr-14 90.79 Sep-16 91.71 Feb-19 94.12 May-14 90.30 Oct-16 90.77 Mar-19 94.00 Jun-14 90.25 Nov-16 90.70 Apr-19 94.25 Jul-14 92.19 Dec-16 90.70 May-19 96.19 Aug-14 90.63 Jan-17 89.59 Jun-19 94.98 Sep-14 88.93 Feb-17 89.12 Jul-19 94.48 Oct-14 88.45 Mar-17 89.12 Aug-19 94.66 Nov-14 88.65 Apr-17 89.50 Sep-19 94.34 Dec-14 89.42 May-17 88.57 Oct-19 93.96 Jan-15 88.48 Jun-17 89.31 Nov-19 93.50 Feb-15 88.26 Jul-17 89.20 Dec-19 94.43 Mar-15 87.58 Aug-17 89.17 Jan-20 93.36 Apr-15 87.94 Sep-17 88.74 Feb-20 92.50 May-15 88.72 Oct-17 88.68 Mar-20 92.55 Sumber: Statistik Perbankan Indonesia (OJK), data diolah

UNIVERSITAS SUMATERA UTARA

Pada Desember tahun 2018 terjadi lonjakan LDR yakni pada posisi

94.78%. Posisi LDR yang melewati batas atas target tersebut terus meningkat di tahun 2019 dengan berada di kisaran 94.41% dan yang paling tinggi terjadi pada bulan Mei 2019 di posisi 96.19%. Pada awal triwulan tahun 2020 LDR mengalami sedikit koreksi walaupun masih diatas batas atas target yakni rata-rata

92.80%.

Kenaikan LDR yang melewati batas atas target LDR terjadi akibat adanya ketidak-sebandingan pertumbuhan antara pinjaman dan simpanan. Pertumbuhan pinjaman yang tinggi menyebabkan nilai LDR menjadi meningkat. Pertumbuhan

Dana Pihak Ketiga (DPK) yang melambat juga mendorong kenaikan pada LDR.

Sebagai gambaran pada periode Agustus 2019, pertumbuhan kredit secara tahunan perbankan tumbuh sebesar 8,59 persen secara year on year (yoy) lebih rendah dibandingkan petumbuhan Juli 2019 sebesar 9,91 persen (yoy). Sementara DPK pada Agustus 2019 tumbuh 7,62 persen (yoy) atau melambat dibandingkan pertumbuhan pada Juli 2019 sebesar 8,01 persen (yoy).

4.2.3. Volume Transaksi Uang Elektronik (E-Money)

Penggunaan E-money pada tiap tahunnya semakin bertambah. Hal ini dapat dilihat dari jumlah volume transaksi E-money yang dilaporkan tiap bulannya oleh Bank Indonesia. Pada tahun 2013 volume transaksi E-money rata- rata mencapai 11,491,732 transaksi tiap bulannya. Tahun 2014 volume transaksi

E-money tumbuh 110% dibanding tahun sebelumnya.

UNIVERSITAS SUMATERA UTARA

Volume transaksi E-Money terus mengalami trend peningkatan dari tahun ke tahun menunjukan pertumbuhan yang signifikan dibanding tahun sebelumnya yakni tahun 2015 tumbuh 59%, tahun 2016 tumbuh 90%, tahun 2017 tumbuh

106% sampai tahun 2019 tumbuh 66% tumbuh. Pencapaian signifikan dengan volume transaksi tertinggi terjadi yaitu akhir tahun 2019 sebanyak 515,195,069 transaksi.

Tabel 4.4. Volume Transaksi E-MoneyPeriode Jan 2013 – Mar 2020 Periode Transaksi Periode Transaksi Periode Transaksi Jan-13 9,597,739 Jun-15 59,724,050 Nov-17 128,518,604 Feb-13 9,626,119 Jul-15 58,746,812 Dec-17 163,301,280 Mar-13 11,504,179 Aug-15 59,853,437 Jan-18 215,446,513 Apr-13 11,383,130 Sep-15 54,125,251 Feb-18 187,132,482 May-13 11,583,012 Oct-15 51,133,278 Mar-18 209,336,882 Jun-13 11,293,467 Nov-15 46,755,243 Apr-18 204,108,890 Jul-13 12,893,520 Dec-15 41,606,578 May-18 222,927,509 Aug-13 11,074,802 Jan-16 41,300,860 Jun-18 206,888,770 Sep-13 11,881,737 Feb-16 46,579,696 Jul-18 241,397,786 Oct-13 12,293,987 Mar-16 50,700,307 Aug-18 297,466,773 Nov-13 12,326,415 Apr-16 51,016,407 Sep-18 206,809,928 Dec-13 12,442,672 May-16 63,883,592 Oct-18 289,792,277 Jan-14 12,058,775 Jun-16 54,614,849 Nov-18 330,671,490 Feb-14 11,784,180 Jul-16 49,653,426 Dec-18 310,719,605 Mar-14 14,081,329 Aug-16 60,520,930 Jan-19 274,687,548 Apr-14 13,479,270 Sep-16 58,023,844 Feb-19 294,101,832 May-14 15,154,984 Oct-16 61,294,423 Mar-19 423,743,628 Jun-14 15,611,532 Nov-16 66,316,596 Apr-19 451,650,065 Jul-14 14,042,034 Dec-16 79,228,422 May-19 422,602,216 Aug-14 17,045,282 Jan-17 58,435,893 Jun-19 393,695,970 Sep-14 20,554,999 Feb-17 58,573,280 Jul-19 476,037,115 Oct-14 20,810,457 Mar-17 62,985,770 Aug-19 492,317,016 Nov-14 22,593,077 Apr-17 55,631,892 Sep-19 490,218,726 Dec-14 26,154,071 May-17 60,620,306 Oct-19 509,716,339 Jan-15 25,563,528 Jun-17 51,969,836 Nov-19 482,734,395 Feb-15 24,186,946 Jul-17 68,685,872 Dec-19 515,195,069 Mar-15 30,515,495 Aug-17 62,565,183 Jan-20 457,944,919 Apr-15 29,665,397 Sep-17 67,553,272 Feb-20 431,467,690 May-15 53,703,513 Oct-17 104,478,745 Mar-20 401,008,518

Sumber: Statistik Uang Elektronik (Bank Indonesia), data diolah

UNIVERSITAS SUMATERA UTARA

Saat ini E-Money semakin diminati oleh masyrakat terlebih kepada kalangan muda. Dengan alasan praktis membuat E-money semakin banyak digunakan dalam transaksi sehari-hari. Faktor utama yang membuat penggunaan

E-money merubah perilaku masyarakat dalam bertransaksi adalah perkembangan teknologi Digital dan kesadaran akan transaksi cashless. Adanya promo diskon dan cashback menstimulasi minat masyarakat untuk menggunakan E-Money.

4.2.4. Jumlah mesin Elecktronic Data Capture (EDC)

Mesin EDC adalah salah satu infrastruktur yang digunakan dalam transaksi APMK. Perkembangan mesin EDC di Indonesia cukup fluktuatif tumbuh dengan baik sampai tahun 2017. Pada akhir tahun 2013 jumlah mesin

EDC yang beroperasi adalah 655,938 unit. Pada Desember tahun 2014 terdapat

842,651 unit mesin EDC yang beroperasi. Jumlah mesin EDC masih tumbuh di

Desember 2015 yakni sebesar 19.29% atau 1,005,193 unit dibandingkan periode tahun sebelumnya. Tahun 2017 tumbuh 17.81% pada 1,237,309 unit mesin EDC.

Pertumbuhan jumlah mesin EDC tersebut disebabkan adanya dukungan pemerintah terhadap pembukaan dan pengembangan usaha UMKM (Usaha

Menengah Kecil Mikro). Dengan banyak UMKM yang ada maka Bank dapat menawarkan mesin EDC untuk memudahkan UMKM dalam transaksi pembayaran oleh pembeli. Disamping itu banyaknya masyarakat bertransaksi pada APMK menyebabkan pengadaan mesin EDC juga turut bertambah. Animo masyarakat tak lepas dari support Bank Indonesia dalam menggalakkan gerakan masyarakat non-tunai (cashless).

UNIVERSITAS SUMATERA UTARA

Tabel 4.5. Jumlah Mesin EDC Bank Umum Indonesia Periode Jan 2013 – Mar 2020 Periode Unit Periode Unit Periode Unit Jan-13 406,792 Jun-15 943,318 Nov-17 1,208,444 Feb-13 243,088 Jul-15 953,965 Dec-17 1,237,309 Mar-13 248,937 Aug-15 959,624 Jan-18 1,211,504 Apr-13 260,019 Sep-15 971,522 Feb-18 1,245,725 May-13 267,228 Oct-15 988,887 Mar-18 1,255,233 Jun-13 284,547 Nov-15 995,005 Apr-18 1,264,394 Jul-13 584,558 Dec-15 1,005,193 May-18 1,279,292 Aug-13 597,240 Jan-16 1,018,853 Jun-18 1,265,836 Sep-13 607,988 Feb-16 1,029,301 Jul-18 1,277,808 Oct-13 616,893 Mar-16 1,023,449 Aug-18 1,272,072 Nov-13 627,802 Apr-16 1,037,333 Sep-18 1,283,315 Dec-13 655,938 May-16 1,052,159 Oct-18 1,286,479 Jan-14 687,037 Jun-16 1,067,947 Nov-18 1,286,904 Feb-14 697,530 Jul-16 1,068,733 Dec-18 1,045,903 Mar-14 719,764 Aug-16 1,069,853 Jan-19 1,012,032 Apr-14 733,963 Sep-16 1,060,988 Feb-19 999,240 May-14 748,059 Oct-16 1,068,187 Mar-19 989,575 Jun-14 763,805 Nov-16 1,060,913 Apr-19 993,557 Jul-14 777,267 Dec-16 1,050,248 May-19 1,002,932 Aug-14 790,435 Jan-17 1,078,266 Jun-19 932,682 Sep-14 787,927 Feb-17 1,091,299 Jul-19 937,532 Oct-14 817,671 Mar-17 1,110,564 Aug-19 929,479 Nov-14 828,341 Apr-17 1,135,047 Sep-19 985,109 Dec-14 842,651 May-17 1,155,362 Oct-19 1,028,475 Jan-15 839,608 Jun-17 1,084,743 Nov-19 1,037,323 Feb-15 860,824 Jul-17 1,106,632 Dec-19 1,070,960 Mar-15 883,763 Aug-17 1,125,598 Jan-20 1,250,807 Apr-15 897,973 Sep-17 1,149,790 Feb-20 1,264,826 May-15 923,528 Oct-17 1,227,076 Mar-20 1,279,612

Sumber: Statistik Infrastruktur APMK (Bank Indonesia), data diolah

Pada Desember tahun 2018 jumlah mesin EDC menunjukan adanya penurunan sebesar 15.47% dari tahun sebelumnya yakni menjadi 1,045,903 unit.

Pada tahun 2019 tiap bulannya mesin EDC terus menurun sampai pada bulan

Agustus yakni menjadi 929,479 unit. Penurunan yang terjadi akibat adanya program GPN (Gerbang Pembayaran Nasional) oleh Bank Indonesia. Program

GPN menggabungkan semua infrastruktur APMK tiap-tiap bank menjadi satu

UNIVERSITAS SUMATERA UTARA

infrastruktur sebagai penghubung antar switching pada sistem pembayaran. Selain itu adanya gelombang disrupsi teknologi Era Digital Banking 4.0 terhadap penggunaan APMK. Pada Era Digital terjadi perubahan perilaku masyarakat yang lebih memilih E-money untuk bertransaksi daripada menggunakan APMK.

Posisi jumlah mesin EDC mulai tumbuh pada September 2019 dan sampai pada bulan Maret 2020 menjadi 1,279,612 unit. Pertumbuhan mesin EDC yang dimulai pada akhir tahun 2019 terjadi akibat adanya inovasi pada mesin EDC. Inovasi mesin EDC yakni ditambahnya fungsi mesin yang dapat melakukan top-up saldo

E-money dan juga dapat menerima pembayaran melalui E-money berbasis kartu.

4.2.5. Jumlah Kantor Cabang Bank Umum di Indonesia

Pertumbuhan jumlah kantor cabang Bank Umum di Indonesia mengalami cukup fluktuatif. Pada awal tahun 2013 kantor cabang Bank Umum mengalami penurunan jumlah yaitu bulan Februari 2013 menjadi 29,994 unit kantor. Namun kedepannya kantor cabang rata-rata tumbuh 60% tiap bulannya, sehingga pada akhir tahun 2013 kantor cabang Bank Umum berjumlah pada 31,847 unit. Tahun

2014 kantor cabang Bank Umum tetap mengalami kenaikan dengan rata-rata pertumbuhan sejumlah 23% sehingga akhir tahun 2014 berjumlah 32,739 unit.

Pada tahun 2015 terjadi kenaikan pada jumlah kantor cabang masih terjadi sehingga mencapai 32,953 pada Desember 2015. Pertumbuhan jumlah kantor tersebut dikarenakan adanya peningkatan target pencapaian Bank Umum untuk mengkoreksi pertumbuhan Pinjaman dan DPK yang semakin menurun. Hal ini dapat dilihat dari pertumbuhan Pinjaman dari tahun 2012 tumbuh 23.08% menurun pada tahun 2013 menjadi 21.60% dan kembali turun tahun 2014 menjadi

11.58%. Pada posisi DPK juga terjadi hal yang sama yaitu tahun 2012 tumbuh

UNIVERSITAS SUMATERA UTARA

15.81% turun menjadi 13.60 % dan kembali turun tahun 2014 menjadi 12.29%.

Bank Umum sebagai lembaga intermediasi keuangan diharapkan dapat memberikan layanan untuk menjangkau masyarakat yang ada di daerah-daerah sehingga dapat mengumpulkan DPK dan menyalurkan Pinjaman dengan baik.

Tabel 4.6. Jumlah Kantor Cabang Bank Umum Konvensional Jan 2013 – Mar 2020 Periode Unit Periode Unit Periode Unit Jan-13 31,843 Jun-15 32,750 Nov-17 32,233 Feb-13 29,994 Jul-15 32,783 Dec-17 32,276 Mar-13 30,086 Aug-15 32,811 Jan-18 32,277 Apr-13 30,214 Sep-15 32,854 Feb-18 32,275 May-13 30,592 Oct-15 32,839 Mar-18 32,135 Jun-13 30,884 Nov-15 32,862 Apr-18 32,013 Jul-13 31,099 Dec-15 32,953 May-18 31,957 Aug-13 31,204 Jan-16 32,939 Jun-18 31,935 Sep-13 31,347 Feb-16 32,887 Jul-18 31,868 Oct-13 31,491 Mar-16 32,897 Aug-18 31,791 Nov-13 31,655 Apr-16 32,837 Sep-18 31,729 Dec-13 31,847 May-16 32,761 Oct-18 31,599 Jan-14 31,882 Jun-16 32,747 Nov-18 31,546 Feb-14 31,900 Jul-16 32,762 Dec-18 31,609 Mar-14 31,906 Aug-16 32,759 Jan-19 31,667 Apr-14 31,960 Sep-16 32,742 Feb-19 31,660 May-14 32,041 Oct-16 32,767 Mar-19 31,647 Jun-14 32,203 Nov-16 32,738 Apr-19 31,569 Jul-14 32,283 Dec-16 32,720 May-19 31,456 Aug-14 32,331 Jan-17 32,703 Jun-19 31,447 Sep-14 32,446 Feb-17 32,646 Jul-19 31,403 Oct-14 32,519 Mar-17 32,610 Aug-19 31,403 Nov-14 32,615 Apr-17 32,629 Sep-19 31,187 Dec-14 32,739 May-17 32,611 Oct-19 31,086 Jan-15 32,723 Jun-17 32,643 Nov-19 31,077 Feb-15 32,690 Jul-17 32,650 Dec-19 31,127 Mar-15 32,684 Aug-17 32,626 Jan-20 31,125 Apr-15 32,673 Sep-17 32,593 Feb-20 31,087 May-15 32,698 Oct-17 32,438 Mar-20 31,037

Sumber: Statistik Perbankan Indonesia (OJK), data diolah

UNIVERSITAS SUMATERA UTARA

Pada tahun 2016 Bank Umum mulai melakukan strategi efisiensi beban operasionalnya. Strategi yang dilakukan adalah dengan memotong jumlah kantor cabang yakni dapat dilihat pada Desember 2016 kantor cabang Bank Umum berkurang sehingga mencapai 32,720 unit. Penurunan jumlah kantor cabang ini berlanjut pada Desember 2019 dengan jumlah kantor cabang 31,127 unit sampai pada Maret 2020 dengan jumlah kantor cabang yang tersisa 31,037 unit

Strategi efisiensi yang dilakukan Bank Umum merupakan langkah untuk mengantisipasi terjadi gelombang disrupsi yang terjadi. Gelombang disrupsi ini merupakan fenomena keterlepasan (decoupling) terhadap transaksi pada kantor cabang atau outlet menjadi transaksi online yang dapat diakses melalui internet.

Transaksi online tersebut merupakan salah satu teknologi yang dihasilkan pada

Era Digital Banking 4.0.

4.2.6. Jumlah Mesin Anjungan Tunai Mandiri (ATM) di Indonesia

ATM merupakan salah layanan pengembangan electronic delivery channel perbankan pada revolusi industri 3.0 yang masih dipergunakan saat ini. Mesin

ATM pertama kali diperkenalkan di Indonesia oleh Bank kecil, yaitu Bank

Dagang Bali (BDB) kepada masyarakat Denpasar pada tahun 1984/1985.

Kemudian Bank Niaga memperkenalkan ATM ke pada nasabahnya secara nasional pada tahun 1986, dan diikuti oleh bank-Bank Umum lainnya.

Perkembangan jumlah Mesin ATM di Indonesia sangat terjadi fluktuatif.

Pada Januari 2013 jumlah mesin ATM sebanyak 62,890 unit dan terus bertambah sampai Desember 2013 mesin ATM berjumlah 75,877 unit. Pada akhir tahun

2014 mesin ATM tetap tumbuh mencapai 89,561 unit. Pertumbuhan mesin ATM terus terjadi tahun 2015 mencapai 97,845 unit pada akhir tahun 2015. Pada

UNIVERSITAS SUMATERA UTARA

Desember tahun 2016 mesin ATM mencapai 103,419 unit, walaupun sempat menurun menjadi 99,777 unit pada Juli 2016 namun dan pada Agustus 2016 naik kembali menjadi 100,088 unit.

Tabel 4.7. Jumlah Mesin ATM Periode Jan 2013 – Mar 2020 Periode Unit Periode Unit Periode Unit Jan-13 62,890 Jun-15 92,725 Nov-17 106,328 Feb-13 63,253 Jul-15 93,261 Dec-17 106,653 Mar-13 64,486 Aug-15 93,582 Jan-18 106,632 Apr-13 64,704 Sep-15 94,138 Feb-18 106,483 May-13 65,189 Oct-15 94,699 Mar-18 107,085 Jun-13 66,120 Nov-15 96,977 Apr-18 107,146 Jul-13 67,568 Dec-15 97,845 May-18 107,282 Aug-13 68,506 Jan-16 98,994 Jun-18 107,398 Sep-13 69,136 Feb-16 99,041 Jul-18 107,439 Oct-13 71,917 Mar-16 99,486 Aug-18 107,547 Nov-13 73,362 Apr-16 99,717 Sep-18 107,692 Dec-13 75,877 May-16 99,993 Oct-18 108,014 Jan-14 76,270 Jun-16 100,209 Nov-18 106,248 Feb-14 77,530 Jul-16 99,777 Dec-18 106,901 Mar-14 77,412 Aug-16 100,088 Jan-19 108,075 Apr-14 77,606 Sep-16 101,367 Feb-19 108,146 May-14 77,464 Oct-16 102,428 Mar-19 108,269 Jun-14 78,347 Nov-16 102,996 Apr-19 108,107 Jul-14 78,798 Dec-16 103,419 May-19 108,064 Aug-14 80,825 Jan-17 103,400 Jun-19 108,192 Sep-14 81,733 Feb-17 103,374 Jul-19 107,822 Oct-14 84,785 Mar-17 103,053 Aug-19 106,394 Nov-14 86,156 Apr-17 103,548 Sep-19 106,591 Dec-14 89,561 May-17 103,763 Oct-19 106,684 Jan-15 89,890 Jun-17 103,771 Nov-19 106,446 Feb-15 90,038 Jul-17 103,953 Dec-19 106,649 Mar-15 90,218 Aug-17 104,316 Jan-20 106,595 Apr-15 90,392 Sep-17 105,364 Feb-20 106,560 May-15 90,563 Oct-17 105,797 Mar-20 105,774

Sumber: Statistik Infrastruktur APMK (Bank Indonesia), data diolah

Pada Desember 2017 jumlah mesin ATM mencapai 106,653 unit atau tumbuh 3.12% dibanding periode tahun sebelumnya. Periode Desember 2018 jumlah mesin ATM sebanyak 106,901 unit atau terjadi sedikit perlambatan

UNIVERSITAS SUMATERA UTARA

pertumbuhan yakni hanya 0.23% dari periode tahun sebelumnya, walaupun tahun

2018 jumlah mesin ATM pernah mencapai 108,014 unit pada bulan Oktober

2018. Pada akhir tahun 2019 terjadi penurunan jumlah mesin ATM sebesar 0.24% dari Desember 2018 yakni menjadi 106,649 unit dan pada bulan Maret 2020 jumlah mesin ATM yang beroperasi menurun menjadi 106,560 unit.

Penyebab menurunnya pertumbuhan jumlah mesin ATM di Indonesia yaitu munculnya ekosistem keuangan digital. Ekosistem keuangan digital yang terjadi di Indonesia mengarahkan prilaku masyarakat untuk mengurangi transaksi tradisional dan lebih cenderung melakukan transaksi digital. Dengan banyaknya transaksi digital melalui mobile banking, internet banking, E-Money dan layanan digital banking lainnya maka fungsi uang cash menjadi berkurang, sehingga perbankan melakukan penurunan jumlah mesin ATM secara perlahan-lahan.

4.2.7. Ratio Beban Operasional Pendapatan Operasional (BOPO) Bank

Umum Indonesia

Rasio BOPO adalah salah satu indikator yang digunakan untuk menilai tingkat efisiensi suatu perusahaan. Semakin rendah tingkat BOPO Bank, maka semakin efisien Bank tersebut dalam mejalankan aktifitas pokoknya. Bank Umum

Indonesia mencapai tingkat BOPO paling rendah pada Oktober 2013 dengan persentase 73.74%.

BOPO pada Bank Umum Indonesia mengalami trend kenaikan dari

Januari 2013 sampai dengan Maret 2020. Desember 2013 BOPO mencapai

74.08%, Desember 2014 terus naik mencapai 76.29% sampai akhir tahun 2019

BOPO mencapai 79.39%. Kenaikan BOPO Bank Umum paling tinggi terjadi pada bulan Maret 2020 mencapai 88.84%. Trend peningkatan BOPO ini disebabkan

UNIVERSITAS SUMATERA UTARA

menurunnya kualitas kredit yang disalurkan yang tercermin dalam kenaikan nilai

NPL. Kenaikan NPL tersebut memperbesar nilai CKPN (Cadangan Kerugian

Penurunan Nilai) sehingga menambah biaya operasional.

Tabel 4.8. BOPO Bank Umum Indonesia Jan 2013 – Mar 2020 Periode Persentase Periode Persentase Periode Persentase Jan-13 79.63(%) Jun-15 81.40(%) Nov-17 78.37(%) Feb-13 77.38 Jul-15 81.39 Dec-17 78.64 Mar-13 75.11 Aug-15 81.46 Jan-18 81.80 Apr-13 75.02 Sep-15 81.82 Feb-18 81.09 May-13 74.54 Oct-15 81.11 Mar-18 78.76 Jun-13 74.66 Nov-15 81.62 Apr-18 79.59 Jul-13 74.14 Dec-15 81.49 May-18 79.43 Aug-13 74.06 Jan-16 84.86 Jun-18 79.46 Sep-13 74.35 Feb-16 84.22 Jul-18 79.05 Oct-13 73.74 Mar-16 82.96 Aug-18 79.26 Nov-13 74.95 Apr-16 82.30 Sep-18 79.13 Dec-13 74.08 May-16 82.36 Oct-18 78.71 Jan-14 82.93 Jun-16 82.23 Nov-18 78.03 Feb-14 79.48 Jul-16 81.37 Dec-18 77.86 Mar-14 77.34 Aug-16 81.31 Jan-19 87.79 Apr-14 77.19 Sep-16 81.02 Feb-19 85.33 May-14 76.20 Oct-16 81.26 Mar-19 82.92 Jun-14 75.45 Nov-16 80.64 Apr-19 83.48 Jul-14 76.54 Dec-16 82.22 May-19 81.51 Aug-14 76.37 Jan-17 83.94 Jun-19 80.24 Sep-14 76.14 Feb-17 81.69 Jul-19 81.08 Oct-14 76.14 Mar-17 80.15 Aug-19 80.60 Nov-14 76.16 Apr-17 79.81 Sep-19 80.50 Dec-14 76.29 May-17 79.70 Oct-19 80.65 Jan-15 82.15 Jun-17 79.00 Nov-19 79.67 Feb-15 81.59 Jul-17 78.85 Dec-19 79.39 Mar-15 79.49 Aug-17 78.90 Jan-20 83.49 Apr-15 79.94 Sep-17 78.71 Feb-20 83.62 May-15 80.42 Oct-17 78.39 Mar-20 88.84 Sumber: Statistik Perbankan Indonesia (OJK), data diolah

4.2.8. Ratio Net Interest Margin (NIM) Bank Umum Indonesia

Ratio NIM adalah salah satu indikator yang menunjukan kemampuan bank untuk menghasilkan pendapatan bunga melalui pengelolaan aktiva produktifnya.

Pertumbuhan NIM pada Bank Umum di Indonesia bergerak secara flukuatif. Pada

UNIVERSITAS SUMATERA UTARA

Desember 2013 nilai NIM berada pada 4.89%. NIM mengalami trend penurunan di sepanjang tahun 2014 sampai menyentuh 4.23% pada akhir tahunnya. Pada awal tahun 2015 NIM terkoreksi menjadi 4.24% dan terus mengalami pertumbuhan sampai Desember 2016 mencapai 5.63%. NIM sepanjang tahun

2017 tetap bertahan pada rata-rata 5.31%.

Tabel 4.9. NIM Bank Umum Indonesia Jan 2013 – Mar 2020 Periode Persentase Periode Persentase Periode Persentase Jan-13 5.53(%) Jun-15 (%) 5.32 Nov-17 5.31(%) Feb-13 5.34 Jul-15 5.32 Dec-17 5.32 Mar-13 5.41 Aug-15 5.32 Jan-18 5.19 Apr-13 5.42 Sep-15 5.32 Feb-18 5.00 May-13 5.41 Oct-15 5.34 Mar-18 5.07 Jun-13 5.43 Nov-15 5.35 Apr-18 5.07 Jul-13 5.46 Dec-15 5.39 May-18 5.09 Aug-13 5.46 Jan-16 5.63 Jun-18 5.11 Sep-13 5.48 Feb-16 5.47 Jul-18 5.12 Oct-13 5.50 Mar-16 5.55 Aug-18 5.14 Nov-13 4.88 Apr-16 5.56 Sep-18 5.14 Dec-13 4.89 May-16 5.60 Oct-18 5.13 Jan-14 4.17 Jun-16 5.59 Nov-18 5.12 Feb-14 4.18 Jul-16 5.59 Dec-18 5.14 Mar-14 4.28 Aug-16 5.59 Jan-19 4.92 Apr-14 4.26 Sep-16 5.65 Feb-19 4.81 May-14 4.22 Oct-16 5.65 Mar-19 4.86 Jun-14 4.22 Nov-16 5.62 Apr-19 4.87 Jul-14 4.20 Dec-16 5.63 May-19 4.90 Aug-14 4.21 Jan-17 5.39 Jun-19 4.90 Sep-14 4.21 Feb-17 5.28 Jul-19 4.90 Oct-14 4.24 Mar-17 5.38 Aug-19 4.90 Nov-14 4.24 Apr-17 5.35 Sep-19 4.90 Dec-14 4.23 May-17 5.36 Oct-19 4.90 Jan-15 4.24 Jun-17 5.35 Nov-19 4.89 Feb-15 4.06 Jul-17 5.35 Dec-19 4.91 Mar-15 5.30 Aug-17 5.35 Jan-20 4.96 Apr-15 5.30 Sep-17 5.33 Feb-20 4.81 May-15 5.33 Oct-17 5.32 Mar-20 4.31

Sumber: Statistik Perbankan Indonesia (OJK), data diolah

UNIVERSITAS SUMATERA UTARA

Tahun 2018 NIM kembali menunjukan adanya penurunan pada pertumbuhannya. Januari 2018 NIM turun menjadi 5.19% dan sampai Desember

2019 menjadi 4.91%. NIM pada awal tahun 2020 terus turun sampai Maret 2020 yang berada pada posisi 4.31%. Penurunan NIM ini disebabkan adanya kebijakan moneter Bank Indonesia untuk menurunkan suku bunga acuan sehingga menurunkan suku bunga simpanan dan pinjaman sehingga mengurangi pendapatan bunga Bank Umum.

4.3. Pengujian Asumsi Klasik

Sebelum dilakukan pengujian hipotesis terhadap model dalam penelitian ini, maka perlu dilakukan pengujian asumsi klasik meliputi:

4.3.1. Uji Normalitas

Model regresi yang baik adalah model yang memiliki distribusi data yang normal atau mendekati normal. Tujuan uji normalitas data ini adalah untuk mengetahui apakah terdapat populasi variabel pengganggu atau residual yang didistribusikan secara tidak normal dalam suatu model regresi.

Salah satu cara yang digunakan untuk menyimpulkan apakah model regresi penelitian lulus dari uji normalitas yaitu dengan membandingkan nilai

Jarque-Bera (JB) dan nilai Chi Square tabel terhadap taraf nyata (α = 5%) dari model tersebut. Hasil pengujian normalitas pada model penelitian ini melalui

Eviews.10 sebagai berikut :

UNIVERSITAS SUMATERA UTARA

9 Series: Residuals 8 Sample 2013M01 2020M03 7 Observations 87

6 Mean -3.07e-15 5 Median -0.001182 Maximum 0.106790 4 Minimum -0.073832 Std. Dev. 0.036011 3 Skewness 0.342354 2 Kurtosis 3.302482

1 Jarque-Bera 2.031159 0 Probability 0.362193 -0.075 -0.050 -0.025 0.000 0.025 0.050 0.075 0.100 Gambar 4.1 Hasil Uji Normalitas Regresi Model Sumber : Hasil Pengolahan menggunakan Eviews 10

Pada hasil gambar diatas menunjukan nilai Jarque-Bera (JB) sebesar

2.031159 dengan nilai Probability sebesar 0.362193. Pengambilan kesimpulan menyatakan bahwa nilai Probability lebih besar dari taraf nyata (α = 5%) atau

0.441245 > 0,05 maka data dari model penelitian ini terdistribusi dengan normal.

4.3.2. Uji Multikolinieritas

Uji Multikolinieritas bertujuan mengetahui apakah terdapat kolerasi sempurna antara variabel independen atau tidak di dalam model regresi penelitian.

Menurut Gujarati, (2003) dalam mendeteksi ada tidaknya multikolinearitas pada model regresi dapat menggunakan matrik kolerasi. Hasil matrik kolerasi menunjukan nilai koefisien kolerasi dengan nilai toleransi 10% pada model regresi penelitian ini melalui Eviews.10 sebagai berikut :

UNIVERSITAS SUMATERA UTARA

Tabel 4.10. Matriks Kolerasi Regresi Model LOG(LDR) LOG(VTE) LOG(EDC) LOG(JKC) LOG(ATM) LOG(BOPO) LOG(NIM)

LOG(LDR) 1 0.757726 0.604395 -0.09589 0.653469 0.374786 -0.21596

LOG(VUE) 0.757726 1 0.687202 -0.10899 0.863782 0.552249 0.088367

LOG(JEDC) 0.604395 0.687202 1 0.547183 0.904007 0.554737 0.028572

LOG(JKC) -0.09589 -0.10899 0.547183 1 0.362135 0.314069 0.104751

LOG(JATM) 0.653469 0.863782 0.904007 0.362135 1 0.658375 0.150851

LOG(BOPO) 0.374786 0.552249 0.554737 0.314069 0.658375 1 0.106605

LOG(NIM) -0.21596 0.088367 0.028572 0.104751 0.150851 0.106605 1

Sumber : Hasil Pengolahan menggunakan Eviews 10

Pada hasil matrik kolerasi diatas menunjukan nilai koefisien kolerasi

antara tiap-tia variabel independen lebih kecil dari 0.90. Maka dapat disimpulkan

bahwa data antara variabel penelitian tersebut tidak terjadi multikolinearitas.

4.3.3. Uji Heteroskedastisitas

Uji Harvey adalah salah satu test yang digunakan untuk menentukan

apakah terdapat gejala Heteroskedastisitas dalam suatu model regresi. Cara untuk

mengetahui gejela Heteroskedastisitas ialah dengan melakukan perbandingan

antara nilai Probabilitas Obs*R – Squared dari hasil uji Harvey dengan tingkat

signifikansi yang ditentukan (α = 5%).

Tabel 4.11. Hasil Uji Heteroskedastisitas

Heteroskedasticity Test: Harvey

F-statistic 1.677257 Prob. F(7,79) 0.1266

Obs*R-squared 11.25678 Prob. Chi-Square(7) 0.1278

Scaled explained SS 9.714196 Prob. Chi-Square(7) 0.2054

Sumber : Hasil Pengolahan menggunakan Eviews 10

UNIVERSITAS SUMATERA UTARA

Berdasarkan hasil Harvey Heteroskedastisitas pada tabel di atas, menunjukan nilai Probabilitas Obs*R - Squared > 0.05 yaitu sejumlah 0.2054.

Berdasarkan hal tersebut tidak terdapat gejala Heteroskedastisitas pada model penelitian ini.

4.3.4. Uji Autokolerasi

Pada penelitian ini menggunakan uji serial Correlation LM-Test untuk mengetahui apakah terdapat gejala Autokolerasi pada model. Hasil Correlation

LM-Test pada nilai Probabilitas Obs*R – Square nya akan dibandingkan dengan nilai tingkat siginifikansi (α = 5%). Bila nilai Probabilitas Obs*R – Squared lebih besar dari tingkat siginifikansi (α = 5%) maka dapat disimpulkan tidak terdapat gejala Autokolerasi pada model penelitian, demikian pula sebaliknya.

Tabel 4.12. Hasil Uji Autokolerasi

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.609639 Prob. F(1,78) 0.4373

Obs*R-squared 0.674709 Prob. Chi-Square(1) 0.4114

Sumber : Hasil Pengolahan menggunakan Eviews 10

Pada hasil tabel di atas, dapat diketahui bahwa nilai Probabilitas Obs*R –

Squared adalah sebesar 0.4114 > 0.05 atau lebih besar dibandingkan dengan nilai tingkat signifikasi (α = 5%). Dapat disimpulkan bahwa tidak terdapat gejala

Autokolerasi pada model penelitian ini.

UNIVERSITAS SUMATERA UTARA

4.4. Regresi Linier Berganda

Hasil uji asumsi klasik yang telah dilakukan menyatakan bahwa model regresi pada penelitian ini telah terbebas dari masalah asumsi klasik. Selanjutnya regresi linier berganda pada model penelitian dapat dilakukan untuk menjelaskan hubungan persamaan antara variabel-variabel independen terhadap variabel dependen dengan hasil pada tabel 4.12. sebagai berikut.

Tabel 4.13. Hasil Regresi Linier Berganda

Dependent Variable: LOG(ROA) Method: Least Squares Date: 07/13/20 Time: 13:44 Sample: 2013M01 2020M03 Included observations: 87

Variable Coefficient Std. Error t-Statistic Prob.

LOG(LDR) 0.055990 0.255274 0.219334 0.8270 LOG(VTE) -0.021096 0.014937 -1.412352 0.1618 LOG(EDC) 0.072752 0.034626 2.101068 0.0388 LOG(JKC) -1.639559 0.501259 -3.270880 0.0016 LOG(ATM) -0.325520 0.128432 -2.534575 0.0132 LOG(BOPO) -0.462601 0.145904 -3.170581 0.0022 LOG(NIM) -0.267846 0.050008 -5.356072 0.0000 C 23.27519 4.632707 5.024101 0.0000

R-squared 0.859468 Mean dependent var 0.948870 Adjusted R-squared 0.847016 S.D. dependent var 0.096060 S.E. of regression 0.037572 Akaike info criterion -3.637660 Sum squared resid 0.111522 Schwarz criterion -3.410910 Log likelihood 166.2382 Hannan-Quinn criter. -3.546355 F-statistic 69.02159 Durbin-Watson stat 1.732379 Prob(F-statistic) 0.000000

Sumber : Hasil Pengolahan menggunakan Eviews 10

UNIVERSITAS SUMATERA UTARA

Berdasarkan hasil output regresi linier dapat disusun model persamaan regresi linier berganda sebagai berikut:

log(ROA) = 23.27519 + 0.055990 log(LDR t) - 0.021096 log(VTE t)

+ 0.072752 log(EDC t) - 1.639559 log(JKC t)

- 0.325520 log(ATM t) - 0.462601 log(BOPO t)

- 0.267846 log(NIM t) + ε

Model persamaan yang dihasilkan dapat diinterprestasikan sebagai berikut:

a. Nilai Constanta pada model persamaan regresi sebesar 23.27519 yang

berarti bahwa jika semua variabel independen pada persamaan model

secara serentak konstan atau 0 (tidak mengalami kenaikan atau

penurunan), maka kinerja Bank Umum Indonesia yang diproksikan Return

On Asset (ROA) berada pada nilai 0.23%.

b. Loan Deposit Rasio (LDR) berpengaruh positif terhadap kinerja Bank

Umum Indonesia yang diproksikan Return On Asset (ROA) dengan

koefiseinnya sebesar 0.055990 yang berarti bahwa bila LDR naik 1%,

maka ROA Bank Umum Indonesia mengalami kenaikan sebesar 0.055990,

ceteris paribus.

c. Volume Transaksi E-Money berpengaruh negatif terhadap kinerja Bank

Umum Indonesia yang diproksikan Return On Asset (ROA) dengan

koefiseinnya sebesar -0.021096 yang berarti bahwa bila Volume Transaksi

E-Money naik 1%, maka ROA Bank Umum Indonesia mengalami

penurunan sebesar 0.021096, ceteris paribus.

UNIVERSITAS SUMATERA UTARA

d. Jumlah mesin EDC berpengaruh positif terhadap kinerja Bank Umum

Indonesia yang diproksikan Return On Asset (ROA) dengan koefiseinnya

sebesar 0.072752 yang berarti bahwa bila Jumlah mesin EDC naik 1%,

maka ROA Bank Umum Indonesia mengalami kenaikan sebesar 0.072752,

ceteris paribus. e. Jumlah Kantor Cabang berpengaruh negatif terhadap kinerja Bank Umum

Indonesia yang diproksikan Return On Asset (ROA) dengan koefiseinnya

sebesar -1.639559 yang berarti bahwa bila Jumlah Kantor Cabang naik

1%, maka ROA Bank Umum Indonesia mengalami penurunan sebesar

1.639559 ceteris paribus. f. Jumlah mesin ATM berpengaruh negatif terhadap kinerja Bank Umum

Indonesia yang diproksikan Return On Asset (ROA) dengan koefiseinnya

sebesar -0.325520 yang berarti bahwa bila Jumlah mesin ATM naik 1%,

maka ROA Bank Umum Indonesia mengalami penurunan sebesar

0.325520, ceteris paribus. g. Rasio Beban Operasional Pendapatan Operasional (BOPO) berpengaruh

negatif terhadap kinerja Bank Umum Indonesia yang diproksikan Return

On Asset (ROA) dengan koefiseinnya sebesar -0.462601 yang berarti

bahwa bila BOPO naik 1%, maka ROA Bank Umum Indonesia

mengalami penurunan sebesar 0.462601, ceteris paribus. h. Rasio Net Interest Margin (NIM) berpengaruh negatif terhadap kinerja

Bank Umum Indonesia yang diproksikan Return On Asset (ROA) dengan

koefiseinnya sebesar -0.267846 yang berarti bahwa bila NIM naik 1%,

UNIVERSITAS SUMATERA UTARA

maka ROA Bank Umum Indonesia mengalami penurunan sebesar

0.267846 ceteris paribus.

4.5. Uji Hipotesis

Model yang digunakan dalam penelitian, akan diuji beberapa test untuk mengambil kesimpulan apakah hasil kesimpulan dari model sesuai dengan hipotesis atau tidak. Berikut test yang dilakukan untuk menguji model terhadap tesis.

4.5.1. Uji F (Simultan)

Uji hipotesis ini dilakukan untuk mengetahui apakah variabel-variabel independen secara serentak berpengaruh terhadap variabel dependen atau tidak.

Pengujian F ini menggunakan perbandingan antara F-tabel (nilai kritis) dengan hasil F-hitung dan tingkat nilai signifikansi yang digunakan (α = 0,05). Nilai F- tabel yang diperoleh df1 = 7 dan df2 = 79 adalah 2,128

Berdasarkan hasil regresi pada tabel 4.13 maka diperoleh nilai F-statistik dari model regresi adalah 69,02159 lebih besar dibandingkan nilai F-tabel

(69,02159 > 2,128) dengan Prob F-statistic = 0,000000 lebih kecil dari tingkat α

(Prob F-statistic < 0.05). Kesimpulan H1 diterima, yang berarti bahwa adanya pengaruh yang signifikan dari variabel LDR, Volume Transaksi E-money, Jumlah

Mesin EDC, Jumlah Kantor Cabang, Jumlah Mesin ATM, BOPO dan NIM secara simultan terhadap variabel ROA dengan tingkat signifikansi 95 persen.

4.5.2. Koefisien Determinasi (R-Squared)

Koefisien Determinasi yang digunakan dalam penelitian ini adalah nilai

Adjusted R-Squared. Nilai Adjusted R-Squared yang diperoleh dari hasil regresi pada tabel 4.13 adalah sebesar 0,847016 yang berarti bahwa variasi variabel LDR,

UNIVERSITAS SUMATERA UTARA

Volume Transaksi E-money, Jumlah Mesin EDC, Jumlah Kantor Cabang, Jumlah

Mesin ATM, BOPO dan NIM mampu menjelaskan prediksi fluktuasi variabel

ROA yaitu sebesar 84,70 persen. Nilai Adjusted R-Squared yang diperoleh sudah cukup mampu memberikan informasi untuk memprediksi fluktuasi ROA pada model penelitian. Sisanya sebesar 16,29 persen dijelaskan oleh variabel lain diluar model.

4.5.3. Uji t-Statistik

Uji t-statistik merupakan pengujian untuk mengetahui apakah ada tidaknya pengaruh variabel independen secara parsial terhadap variabel dependen. Adapun hipotesis dalam uji ini menggunakan perbandingan nilai t-statistik terhadap nilai t-tabel (1.664) dan nilai probabilitas terhadap tingkat signifkansi (α = 5%).

a. Uji Variabel LDR terhadap ROA

Berdasarkan hasil regresi pada tabel 4.13 diperoleh nilai t-statistik LDR sebesar 0.219334 lebih kecil dari t-tabel (0.219334 < 1.664). Kesimpulan H0 diterima yang berarti variabel LDR secara individu tidak berpengaruh signifikan terhadap variabel ROA pada tingkat kepercayaan 95%.

b. Uji Variabel Volume Transaksi E-money terhadap ROA

Berdasarkan hasil regresi pada tabel 4.13 diperoleh nilai t-statistik Volume

Transaksi E-money sebesar 1.412352 lebih kecil dari t-tabel (1.412352 < 1.664).

Kesimpulan H0 diterima yang berarti variabel Volume Transaksi E-money secara individu tidak berpengaruh signifikan terhadap variabel ROA pada tingkat kepercayaan 95%.

UNIVERSITAS SUMATERA UTARA

c. Uji Variabel Jumlah Mesin EDC terhadap ROA

Berdasarkan hasil regresi pada tabel 4.13 diperoleh nilai t-statistik Jumlah

Mesin EDC sebesar 2.101068 lebih besar dari t-tabel (2.101068 > 1.664).

Kesimpulan H1 diterima yang berarti variabel Jumlah Mesin EDC secara individu berpengaruh signifikan terhadap variabel ROA pada tingkat kepercayaan 95%.

d. Uji Variabel Jumlah Kantor Cabang terhadap ROA

Berdasarkan hasil regresi pada tabel 4.13 diperoleh nilai t-statistik Jumlah

Kantor Cabang sebesar 3.270880 lebih besar dari t-tabel (3.270880 > 1.664).

Kesimpulan H1 diterima yang berarti variabel Jumlah Kantor Cabang secara individu berpengaruh signifikan terhadap variabel ROA pada tingkat kepercayaan

95%.

e. Uji Variabel Jumlah Mesin ATM terhadap ROA

Berdasarkan hasil regresi pada tabel 4.13 diperoleh nilai t-statistik Jumlah

Mesin ATM sebesar 2.534575 lebih besar dari t-tabel (2.534575 > 1.664).

Kesimpulan H1 diterima yang berarti variabel Jumlah Mesin ATM secara individu berpengaruh signifikan terhadap variabel ROA pada tingkat kepercayaan

95%.

f. Uji Variabel BOPO terhadap ROA

Berdasarkan hasil regresi pada tabel 4.13 diperoleh nilai t-statistik BOPO sebesar 3.170581 lebih besar dari t-tabel (3.170581 > 1.664). Kesimpulan H1 diterima yang berarti variabel BOPO secara individu berpengaruh signifikan terhadap variabel ROA pada tingkat kepercayaan 95%.

UNIVERSITAS SUMATERA UTARA

g. Uji Variabel NIM terhadap ROA

Berdasarkan hasil regresi pada tabel 4.13 diperoleh nilai t-statistik NIM sebesar 5.356072 lebih besar dari t-tabel (5.356072 > 1.664). Kesimpulan H1 diterima yang berarti variabel NIM secara individu berpengaruh signifikan terhadap variabel ROA pada tingkat kepercayaan 95%.

4.6. Uji H-Statistik

Untuk menentukan struktur pasar yang terbentuk berdasarkan pendekatan

Model persamaan Panzar-Rosse. Pada model pendekatan Panzar-Rosse tiga variabel utama yang digunakan dalam penelitian ini yaitu Loan Deposit Ratio

(LDR) sebagai variabel proksi faktor input Kredit, Volume transaksi E-Money sebagai variabel proksi faktor input teknologi pasca Digital Banking 4.0 dan

Jumlah mesin EDC sebagai proksi faktor input teknologi pra Digital Banking 4.0.

Ketiga varibel utama tersebut digunakan untuk menghasilkan pendapatan pada

Era Digital Banking 4.0. Empat varibel lainnya digunakan sebagai varibel kontrol bank dalam penelitian. Ketiga variabel tersebut sejalan dengan pendekatan Bank sebagai lembaga intermediasi, dimana bank berfungsi sebagai penyalur kredit yang diproksikan LDR dan penghimpun simpanan dengan menggunakan teknologi yang diproksikan E-money dan EDC.

UNIVERSITAS SUMATERA UTARA

Tabel 4.14. Output Uji H-Statistik

Dependent Variable: LOG(ROA) Method: Least Squares Date: 07/13/20 Time: 13:44 Sample: 2013M01 2020M03 Included observations: 87

Variable Coefficient Std. Error t-Statistic Prob.

Sumber : Hasil Pengolahan menggunakan Eviews 10

Dari hasil output H-Statistik diperoleh untuk nilai koefisien LDR sebesar

0.055990; Volume transaksi E-Money sebesar -0.021096; Jumlah mesin EDC sebesar 0.072752 dengan demikian total penjumlahan dari ketiga koefisien faktor input tersebut adalah 0.107646. Hipotesis yang diterima adalah 0 < H < 1 dimana

H-Statistik sebesar 0.107646 memberikan informasi bahwa tingkat kompetisi industri Bank Umum Indonesia pada Era Digital Banking 4.0 berada pada kondisi struktur pasar persaingan monopolistik.

UNIVERSITAS SUMATERA UTARA

4.7. Pembahasan Hasil Penelitian

4.7.1. Pengaruh Loan Deposit Ratio (LDR) terhadap Return on Asset

(ROA)

Hasil pengujian secara parsial menunjukan bahwa varibel LDR berpengaruh positif dan tidak signifikan terhadap ROA dengan besar koefisien

0.055990. LDR yang berpengaruh positif terhadap ROA mengindikasikan bahwa semakin banyak jumlah kredit yang disalurkan kepada masyarakat, maka dapat menambah pendapatan bunga yang semakin besar. Pendapatan bunga yang semakin besar akan meningkatkan laba atau profitabilitas Bank (Ferdian, 2015).

Pengaruh LDR yang tidak signifikan terhadap ROA menunjukan bahwa hasil penelitian tidak sejalan dengan hipotesis dan penelitian yang dikemukan oleh

Ferdian (2015) yang menyatakan bahwa LDR berpengaruh positif signifikan terhadap ROA. LDR yang berpengaruh positif dan tidak signifikan terhadap ROA menjelaskan bahwa peningkatan nilai LDR tidak memberikan dampak yang begitu nyata terhadap ROA. Hal ini dapat terjadi dikarenakan jumlah penyaluran kredit yang tidak barengi oleh kualitas kredit yang baik. Kualitas kredit dapat dilihat dari rasio NPL Bank Umum Indonesia yang terus mengalami trend peningkatan dilihat dari tahun 2013 sampai tahun 2016 yakni dari 1.70% menjadi

2.93% dan pada tahun 2018 NPL menjadi 2.37%. Kualitas kredit baik sangat berpengaruh pada profitabilitas yang diperoleh. Hasil penelitian ini mendukung hasil penelitian terdahulu dari Prasetyo & Sunaryo (2015) dan Septiani & Lestari

(2016) yang menyatakan bahwa LDR berpengaruh positif dan tidak signifikan terhadap ROA.

UNIVERSITAS SUMATERA UTARA

4.7.2. Pengaruh Volume Transaksi E-Money terhadap Return on Asset

(ROA)

Berdasarkan pengujian secara parsial Volume Transaksi E-Money berpengaruh negatif dan tidak signifikan terhadap ROA dengan besar koefisien

-0.021096. Pengaruh Volume Transaksi E-Money yang negatif dan tidak signifikan terhadap ROA menjelaskan bahwa semakin banyak Volume Transaksi

E-Money yang terjadi atas perilaku masyarakat dapat mengurangi profitabilitas

Bank, namun hal tersebut tidak terlalu berdampak nyata. Pengaruh Volume

Transaksi E-Money pada hasil penelitian tidak sejalan dengan hipotesis dan penelitian dilakukan oleh Andini & Nurdin (2019) yang menyatakan E-Money berpengaruh posistif dan signifikan terhadap ROA dan Susanti (2019) yang menyatakan Jumlah Transaksi E-Money berpengaruh positif dan tidak signifikan terhadap ROA.

Tabel 4.15. Peringkat Penguasa Pasar E-Money di Indonesia Tahun 2019 1. OVO 37% 6. BRI 5% 2. GoPay 17% 7. BCA 5% 3. Bank Mandiri 13% 8. LinkAja 3% 4. DANA 10% 9. iSaku 2% 5. Shoope Pay 6% 10. Lainnya 1% Sumber: Data Uang Elektronik, Bank Indonesia (BI)

Pengaruh Volume Transaksi E-Money yang negatif dan tidak berdampak signifikan dikarenakan pasar E-Money di Indonesia yang dikuasai oleh lembaga non Bank Fintech. Pada tahun 2019 Fintech menguasai 99.8% pasar E-Money berbasis Server, Sedangkan sisanya dikuasai oleh Bank hanya sebesar 0.2%.

UNIVERSITAS SUMATERA UTARA

Pada tabel di atas peroleh informasi bahwa peringkat pasar E-Money posisi pertama diraih oleh lembaga Fintech OVO sebesar 37%. Dari 10 peringkat teratas diketahui bahwa hanya 3 Bank yang masuk kedalam jajaran tersebut diantaranya Bank Mandiri sebesar 13%, BRI sebesar 5% dan BCA sebesar 5%.

Dengan demikian pengaruh Volume Transaksi E-Money belum berdampak nyata dan negatif terhadap profitabilitas Bank Umum Indonesia.

4.7.3. Pengaruh Jumlah Mesin EDC terhadap Return on Asset (ROA)

Pada hasil pengujian parsial penelitian menunjukan Jumlah Mesin EDC berpengaruh positif dan signifikan terhadap ROA dengan besar koefisien

0.072752. Hasil tersebut menjelaskan bahwa semakin banyak jumlah mesin EDC

Bank Umum maka profitabilitas pada Bank Umum di Indonesia juga semakin tumbuh secara siginifikan. Pengaruh Jumlah Mesin EDC tersebut didasarkan oleh banyaknya mesin EDC Bank Umum yang beroperasional pada tiap-tiap merchant telah melakukan inovasi sehingga tidak hanya sebagai Alat Pembayaran dengan

Menggunakan Kartu (APMK) tetapi juga dapat bertransaksi dengan menggunakan

E-Money. Dengan inovasi mesin EDC Bank Umum maka dapat meningkatkan pendapatan dalam bentuk Fee Base Income, menyalurkan kredit konsumtif dan menghimpun jumlah simpanan sehingga dapat memberikan dampak nyata terhadap profitabilitas Bank. Hal tersebut sesuai dengan hipotesis dan penelitian oleh Hadi & Nurjanah (2017) yang mengemukakan bahwa jumlah mesin EDC berpengaruh signifikan dan positif terhadap pendapatann Fee Base Income Bank.

UNIVERSITAS SUMATERA UTARA

4.7.4. Pengaruh Jumlah Kantor Cabang terhadap Return on Asset (ROA)

Hasil pengujian secara parsial menunjukan bahwa variabel Jumlah Kantor

Cabang Bank Umum berpengaruh negatif dan signifikan terhadap profitabilitas

(ROA) dengan koefisien yang paling besar pada model sejumlah -1.639559. Hasil tersebut menjelaskan bahwa dengan mengingkatnya Jumlah Kantor Cabang Bank

Umum maka dapat memberikan dampak nyata terhadap penurunan ROA. Hasil penelitian ini tidak sejalan dengan hipotesis dan Teori lokasi yang dikemukakan oleh Pastor dalam (Suryani, 2017) yang menyatakan bahwa banyaknya cabang pada lokasi yang baik dapat menarik nasabah sehingga dapat meningkatkan penjualan dan profitabilitas. Hipotesis dan Teori tersebut sejalan dengan penelitian yang dilakukan Diba, (2017) yang menunjukan bahwa jumlah cabang berpengaruh positif dan secara statistik signifikan terhadap ROA.

Jumlah Kantor Cabang berpengaruh negatif dan signifikan terhadap ROA didasarkan pada kemajuan teknologi Era Digital Banking 4.0 yang berbasis internet of things (IoT) dimana telah menambahkan jalur distribusi baru dalam sektor perbankan yaitu online banking perbankan yang membawa kearah keuangan digital (digital financial). Pergeseran teknologi online banking tersebut mendisrupsi fungsi Kantor Cabang Bank yang bersifat tradisional sehingga menyebabkan Bank Umum mengambil kebijakan efisiensi dengan memangkas jumlah Kantor Cabang untuk memperbaiki profitabilitas perbankan.

Pemangkasan jumlah Kantor Cabang yang dilakukan Bank Umum dapat dilihat dari data Bank Indonesia yang menunjukan terjadi penurunan jumlah Kantor

Cabang sejak tahun 2015 sampai menyisakan Kantor Cabang hanya sejumlah

31,037 unit saja pada Maret 2020. Hasil penelitian ini sesuai dengan penelitian

UNIVERSITAS SUMATERA UTARA

Hijrianto (2016) yang menunjukan bahwa jumlah outlet kantor cabang berpengaruh negatif dan signifikan terhadap ROA.

4.7.5. Pengaruh Jumlah Mesin ATM terhadap Return on Asset (ROA)

Berdasarkan pengujian secara parsial variabel Jumlah Mesin ATM berpengaruh negatif dan signifikan terhadap ROA dengan besar koefisien

-0.325520. Jumlah Mesin ATM yang berpengaruh negatif dan signifikan mengindikasikan bahwa semakin banyak penambahan Jumlah Mesin ATM, maka secara signifikan akan dapat mengurangi tingkat profitabilitas Bank. Hasil tersebut tidak sejalan pada hipotesis dan penelitian yang dilakukan oleh Diba

(2018) yang mengemukakan bahwa Mesin ATM berpengaruh positif terhadap profitabilitas Bank.

Pengaruh negatif Jumlah Mesin ATM terhadap ROA dikarenakan adanya pergeseran perilaku nasabah yang lebih banyak menggunakan Mobile Banking atau SMS Banking dalam bertransaksi. Pergeseran ini merupakan efek disrupsi dari kemajuan teknologi yang lebih mengedepankan transaksi berbasis digital yang dapat dilakukan dalam satu genggaman. Pergeseran tersebut dapat dilihat secara data sebagai contoh PT Bank Negara Indonesia Tbk (BNI) yang membukukan per semester I 2019 transaksi m-banking meningkat sebanyak

154,9% dibandingkan periode tahun sebelumnya atau meningkat menjadi 90 juta transaksi. Dengan demikian Jumlah Mesin ATM pada Era Digital Banking 4.0 menjadi teknologi yang kurang efisien untuk meraih pendapatan. Terlebih Mesin

ATM juga memiliki beban biaya operasional yang cukup dapat berpengaruh terhadap keuntungan Bank.

UNIVERSITAS SUMATERA UTARA

4.7.6. Pengaruh Beban Operasional Pendapatan Operasional (BOPO)

terhadap Return on Asset (ROA)

Pada hasil pengujian parsial penelitian menunjukan BOPO berpengaruh negatif dan signifikan terhadap ROA dengan besar koefisien -0.462601. Hasil ini menjelaskan bahwa semakin tinggi nilai BOPO maka akan berdampak nyata terhadap penurunan nilai profitabilitas Bank (ROA). BOPO merupakan proksi dari beban biaya operasional. BOPO adalah salah satu rasio kesehatan Bank yang digunakan untuk menilai kemampuan efisiensi bank dalam mengendalikan biaya operasional terhadap pendapatan operasional pada satu periode. Hasil penelitian ini sejalan dengan hipotesis yang dikemukakan. Selain itu hasil penelitian ini menguatkan peneltian terdahulu yang dilakukan Prasetyo dan Sunaryo (2015) yang menyatakan bahwa nilai BOPO yang semakin besar menunjukkan inefisiensi bank dalam menjalankan aktivitas usahanya yang berdampak nyata menggerus nilai profitabiltas Bank.

4.7.7. Pengaruh Net Interest Margin (NIM) terhadap Return on Asset

(ROA)

Hasil pengujian secara parsial menunjukan bahwa variabel NIM berpengaruh negatif dan signifikan terhadap profitabilitas (ROA) dengan koefisien -0.267846. Hasil tersebut menjelaskan bahwa dengan mengingkatnya

NIM Bank Umum maka dapat memberikan dampak nyata terhadap penurunan

ROA. Hasil penelitian ini tidak sejalan dengan hipotesis dan penelitian yang dikemukakan oleh Prasetyo dan Sunaryo (2015) yang menyatakan bahwa NIM berpengaruh positif dan signifikan terhadap ROA.

UNIVERSITAS SUMATERA UTARA

Pengaruh negatif dan signifikan NIM terhadap ROA dikarenakan terjadinya tren penurunan suku bunga perbankan. Suku bunga perbankan yang turun mengakibatkan margin bunga bank menipis. Penurunan suku bunga disebabkan adanya regulasi moneter Bank Indonesia untuk mengendalikan inflasi yang diharapkan dapat memperbaiki kelesuan yang dialami perekonomian domestik. Penurunan bunga acuan Bank Indonesia dapat dilihat pada tren yang terjadi, yaitu pada Januari 2014 BI rate sebesar 7.50% kemudian turun pada Maret

2016 menjadi 6.75%. Penurunan BI rate terus terjadi pada tahun 2016 sampai menyentuh angka 5.00% pada September 2016. Oktober 2016 BI rate berubah nama menjadi Bi 7-Day (Reverse) Repo Rate dengan nilai 4.75% dan terus mengalami fluktuasi sampai pada level 4.50% pada Maret 2020.

Penurunan NIM yang terjadi disebabkan suku bunga BI yang menurun mengakibatkan pendapatan non bunga menjadi lebih tinggi dibandingkan dengan pendapatan bunga, sehingga dapat menggurangi nilai profitabilitas. Hasil

Pengaruh NIM terhadap ROA tersebut sejalan dengan peneltian yang dilakukan oleh Pardede & Pangestuti (2016) dan Zulfikar (2014) yang menyatakan bahwa

NIM memiliki pengaruh negatif dan berdampak nyata terhadap ROA.

4.7.8. Struktur Pasar Bank Umum yang terbentuk pada Era Digital

Banking 4.0

Pada Tabel 4.14. telah didapatkan hasil untuk nilai koefisien pada variabel

LDR sebagai proksi faktor input Pinjaman sebesar 0.05, Volume transaksi E-

Money sebagai proksi faktor input teknologi pasca Digital Banking 4.0 untuk simpanan sebesar -0.02 dan Jumlah mesin EDC sebagai proksi faktor input teknologi pra Digital Banking 4.0 untuk simpanan dan pinjaman sebesar 0.07

UNIVERSITAS SUMATERA UTARA

sehingga total penjumlahan dari ketiga koefisien tersebut adalah 0.11. Dengan demikian nilai H-stat sebesar 0.11 memberikan hasil bahwa struktur pasar Bank

Umum di Indonesia yang terbentuk pada era Digital Banking 4.0 adalah pasar monopolistik.

Hasil Model Panzar-Rosse pada penelitian ini menunjukan variabel

Jumlah Mesin EDC memiliki koefisien yang terbesar dalam menentukan tingkat persaingan yaitu sebesar 0.07. Jumlah Mesin EDC berkontribusi paling tinggi pada model Panzar-Rosse yang digunakan terhadap pendapatan di era Digital

Banking 4.0 dikarenakan teknologi Mesin EDC yang terus berkembang. Inovasi teknologi yang terjadi pada Mesin EDC pada era Digital Banking 4.0 menambahkan fitur yang ada sehingga Mesin EDC tidak hanya diperuntukan untuk transaksi APMK saja tetapi juga dapat digunakan pada transaksi dengan menggunakan E-Money berbasis Chip mau pun Server. Fungsi yang lengkap pada

Mesin EDC dapat menambah pendapatan transaksi (fee base income) dari segala jenis transaksi yang terjadi baik APMK maupun E-money (Hadi & Nurjanah,

2017). Dengan demikian Mesin EDC dapat menjadi salah satu faktor input utama

Bank Umum di era Digital Banking 4.0 sebagai fungsi lembaga perantara keuangan (intermediary financial), dimana Mesin EDC dapat menghimpun dana masyarakat dari hasil transaksi pembayaran yang terjadi masuk ke dalam simpanan berupa tabungan atau giro dan menyalurkan pinjaman konsumtif melalui pembayaran dengan menggunakan fasilitas kartu kredit.

Variabel LDR memberikan nilai koefisein tertinggi kedua pada model

Panzar Rosse penelitian ini sebesar 0.05, Dimana variabel ini merupakan proksi dari seluruh pinjaman (kredit) yang telah disalurkan Bank sebagai lembaga

100

UNIVERSITAS SUMATERA UTARA

perantara keuangan. Kredit merupakan salah satu faktor input utama sebagai asset produktif dalam menghasilkan pendapatan bunga. Pendapatan bunga yang diperoleh Bank berasal dari spread antara bunga pinjaman yang didapat atas penyaluran kredit (lending), terhadap bunga simpanan yang dibayarkan atas pengumpulan dana (funding). Semakin besar jumlah kredit yang disalurkan maka jumlah dana yang menganggur berkurang dan penghasilan bunga yang diperoleh

Bank akan bertambah sehingga dapat meningkatkan profitabilitas bank

(Agustiningrum, 2013).

Variabel Jumlah Transaksi E-Money pada model Panzar Rosse dalam penelitian ini menjadi variabel yang berpengaruh negatif terhadap pendapatan.

Besar koefisien negatif yang diberikan variabel ini terhadap pendapatan adalah sebanyak -0.02. E-money merupakan produk keuangan digital (digital financial) pada era Digital Banking 4.0. Transaksi E-money yang terjadi akan terkumpul ke dalam rekening simpanan Bank sehingga dapat meningkatkan faktor input pada sisi funding Bank. Dengan adanya Peraturan Bank Indonesia, 20/6/PBI/2018 tanggal 03 Mei 2018 mewajibkan perusahaan Non-Bank / fintech yang memberikan layanan E-money untuk bekerjasama dengan Bank Umum sebagai

Bank Partner. Dengan demikian diharapkan funding pada Bank dapat meningkat.

Namun pada hasil penelitian ini E-money menjadi faktor input yang memberikan pengaruh negatif terhadap pendapatan. Hal tersebut terjadi karena banyaknya jumlah funding maka memberikan peningkatan terhadap beban bunga simpanan.

Hal lain juga disebabkan belum banyaknya bank umum yang dapat merebut pasar

E-money di masyarakat. Menurut data Bank Indonesia tahun 2019 Pasar E-money sebagian besar dikuasai oleh perusahaan Non Bank / perusahaan fintech. Pada

101

UNIVERSITAS SUMATERA UTARA

pasar E-Money posisi pertama diraih oleh lembaga Fintech OVO sebesar 37%.

Sementara itu hanya 3 Bank yang baru dapat merebut sebagian pasar E-money, diantaranya Bank Mandiri sebesar 13%, BRI sebesar 5% dan BCA sebesar 5%.

Dengan belum banyaknya Bank yang memberikan layanan E-money dan merebut pasar E-money di masyarakat, maka E-money menjadi faktor input yang berpengaruh negatif terhadap ROA.

Hasil yang struktur pasar yang diperoleh sangat sesuai kondisi pasar dengan ciri-ciri pasar monopolistik, dimana banyak terdapat perusahaan Bank dalam pasar Perbankan Umum di Indonesia. Dengan banyaknya Bank Umum yang beroperasi pada satu pasar yang sama, maka perlu dilakukan promosi dan difrensiasi produk oleh perusahaan untuk menguasai pasar. Bank yang melakukan promosi dan difrensiasi produk akan menghasilkan produk yang memiliki ciri atau kelebihan yang khusus dibandingkan dengan produk sejenis yang dihasilkan perusahaan pesaing lainnya, sehingga sulit ditiru dan lebih dapat me-monopoli pasar yang tersedia. Dengan demikian pasar monopolistik dapat mengkombinasikan kelemahan dan kelebihan yang pada pasar monopoli dan pasar persaingan sempurna (Athoillah, 2010).

Hasil penelitian ini sejalan dengan penelitian terdahulu yang dilakukan oleh (Athoillah, 2010) dan Siregar (2019) yang menyimpulkan juga bahwa pasar industri perbankan di Indonesia masuk pada pasar persaingan monopolistik. Pada akhirnya penelitian ini juga menguatkan penelitian terdahulu yang dilakukan

Hondroyiannis (1999) dan Shaffer (2004) yang menyatakan bahwa perbankan akan mampu memperoleh pendapatan jika sistem pasar yang terjadi dalam bentuk monopolistik.

102

UNIVERSITAS SUMATERA UTARA

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Pada pembahasan dan analisis yang telah diajukan pada bab sebelumnya, maka dapat disimpulkan sebagai berikut:

a. Loan to Depost Ratio (LDR) berpengaruh positif dan tidak signifikan

terhadap Return on Assets (ROA), Volume Transaksi E-Money

berpengaruh negatif dan tidak signifikan terhadap Return on Assets

(ROA), Jumlah mesin EDC berpengaruh positif dan signifikan terhadap

Return on Assets (ROA), Jumlah Kantor Cabang Bank berpengaruh

negatif dan signifikan terhadap Return on Assets (ROA), Jumlah mesin

ATM berpengaruh negatif dan signifikan terhadap Return on Assets

(ROA), Beban Operasional Pendapatan Operasional (BOPO) berpengaruh

negatif dan signifikan terhadap Return on Assets (ROA), Net Interest

Margin (NIM) berpengaruh negatif dan signifikan terhadap Return on

Assets (ROA) pada industri Bank Umum di Indonesia pada Era Digital

4.0.

b. Pada model Panzar-Rosse yang digunakan dalam model penelitian ini

menunjukan bahwa industri Bank Umum di Indonesia pada Era Digital

Banking 4.0 masuk pada tingkat struktur pasar persaingan monopolistik.

103

UNIVERSITAS SUMATERA UTARA

5.2. Saran

Berdasarkan pada kesimpulan yang telah disampaikan, maka dapat disarankan beberapa hal sebagai berikut:

a. Hasil penelitian menegaskan bahwa variabel yang paling berpengaruh

signifikan terhadap kinerja (ROA) adalah Jumlah Kantor Cabang yang

bersifat negatif. Variabel lain seperti BOPO, NIM, Jumlah Mesin ATM

dan Jumlah Mesin EDC juga memiliki pengaruh yang siginifikan terhadap

ROA pada Era Digital Banking 4.0. Berdasarkan hasil analisis tersebut

diharapkan manajemen Bank Umum Indonesia dapat mengambil

kebijakan efisiensi dalam menghadapi persaingan pada Era Digital

Banking 4.0 yang mengarah kepada ekosistem keuangan digital (digital

financial). Kebijakan efisiensi yang dapat dilakukan adalah mengurangi

faktor input yang masih bersifat on the spot yakni mengurangi Jumlah

Kantor Cabang dan Jumlah Mesin ATM yang tidak lagi berpotensi

menghasilkan pendapatan secara maksimal. Kemudian meningkatkan

Jumlah Mesin EDC yang merupakan faktor input yang terus mengalami

inovasi sebagai fasilitas pembayaran pada Era Digital Banking 4.0.

Manajemen Bank Umum Indonesia perlu juga menjaga Rasio BOPO dan

NIM yang merupakan variabel berpengaruh terhadap ROA. Rasio BOPO

dan NIM dijaga agar tetap dalam target kondisi yang aman dalam

mencapai kinerja yang baik sesuai dengan peraturan Bank Indonesia dan

Otoritas Jasa Keuangan (OJK) sebagai regulator perbankan di Indonesia.

104

UNIVERSITAS SUMATERA UTARA

b. Dibutuhkan peran Bank Indonesia dan Otoritas Jasa Keuangan (OJK)

sebagai lembaga pemerintah dalam menjaga dan melindungi industri

perbankan di Indonesia khususnya pada tingkat persaingan di lembaga

keuangan Bank dan Non Bank. Bank Indonesia dan OJK diharapkan dapat

mencegah terjadi pelanggaran persaingan lembaga keuangan Bank dan

Non bank untuk menjaga kestabilan sektor keuangan dan moneter dengan

mengeluarkan peraturan-peraturan sebagai regulator lembaga keuangan. c. Hasil kemampuan prediksi sebesar 84,70% atas pengaruh model penelitian

maka menyisakan 15.30% untuk memungkinkan penelitian terbaru

menambahkan variabel rasio keuangan lainnya dalam mempengaruhi

ROA sebagai kinerja Bank Umum Indonesia pada Era Digital Banking

4.0. Penelitian terbaru juga diharapkan dapat menggunakan data Panel

pada model Panzar-Rosse berdasarkan jenis bank antara lain Bank

Syariah, BPR, Bank Daerah atau lain sebagainya sehingga dapat

menganalisis lebih detail atas perilaku yang terjadi terhadap persaingan

berdasarkan jenis bank yang lebih spesifik. Penelitan dengan data-data

yang terbaru dan sampel yang jauh lebih besar diharapkan juga dapat

menghasilkan peneltian yang berkesinambungan untuk pengayaan

intelektual khususnya terhadap indutri perbankan di Indonesia.

105

UNIVERSITAS SUMATERA UTARA

DAFTAR PUSTAKA

Abdullah, T., & Tantri, F. (2014). Bank dan Lembaga Keuangan (1st ed.). Jakarta: PT Raja Graffindo Persada.

Agustiningrum, R. (2013). Analisis Pengaruh Car, Npl, Dan Ldr Terhadap Profitabilitas Pada Perusahaan Perbankan. E-Jurnal Manajemen Universitas Udayana, 2(8), 255030.

Andini, R., & Nurdin. (2019). Perbandingan Kinerja Keuangan Sebelum dan Sesudah Bank Menerapkan Uang Elektronik (E-Money) sebagai Financial Technology ( Periode 2001-2017 ). Prosiding Manajemen, 5(1), 154–160.

Athoillah, M. (2010). Struktur Pasar Industri Perbankan Indonesia: Rosse-Panzar Test. Journal of Indonesian Applied Economics, 4(1), 1–10.

Bank for International Settlements. (1996). Implications for central banks of the development of electronic money. Bis, (October), 16.

Bank Indonesia. Peraturan Bank Indonesia Nomor: 9/15/PBI/2007 Tentang Penerapan Manajemen Resiko Dalam Penggunaan Teknologi Informasi Oleh Bank Umum. , (2007).

Bank Indonesia. Peraturan Bank Indonesia Nomor: 11/1/PBI/2009 Tentang Bank Umum. , (2009).

Bank Indonesia. Peraturan Bank Indonesia Nomor: 11/11/PBI/2009 Tentang Penyelenggaraan Kegiatan Alat Pembayaran Dengan Menggunakan Kartu. , (2009).

Bank Indonesia. Peraturan Bank Indonesia Nomor: 11/15/PBI/2009 tentang Perubahan Kegiatan Usaha Bank Konvensional Menjadi Bank Syariah. , (2009).

Bank Indonesia. Peraturan Bank Indonesia Nomor: 14/2/PBI/2012 Tentang perubahan Atas Peraturan Bank Indonesia Nomor 11/11/PBI/2009 Tentang Penyelenggaraan Kegiatan Alat Pembayaran Dengan Mengunakan Kartu. , (2012).

Bank Indonesia. Peraturan Bank Indonesia Nomor: 15/12/PBI/2013 tentang kewajiban Penyediaan Modal Minimum Bank Umum. , (2013).

Bank Indonesia. Peraturan Bank Indonesia Nomor: 17/11/PBI/2015 tentang Perubahan Atas Peraturan Bank Indonesia. , (2015).

Bank Indonesia. Peraturan Bank Indonesia Nomor 17/11/PBI/2015 tentang Perubahan atas Peraturan Bank Indonesia Nomor 15/15/PBI/2013 tentang Giro Wajib Minimum Bank Umum dalam Rupiah dan Valuta Asing Bagi Bank Umum Konvensional. , Bank Indonesia § (2015).

106

UNIVERSITAS SUMATERA UTARA

Bank Indonesia. Peraturan Bank Indonesia Nomor: 19/8/PBI/2017 Gerbang Pembayaran Nasional. , (2017).

Bank Indonesia. Peraturan Bank Indonesia Nomor: 20/6/2018 PBI tentang Uang Elektronik. , (2018).

Bank Negara Indonesia. (n.d.). BNI ATM. Retrieved from https://www.bni.co.id/id-id/ebanking/bniatm

Budisantoso, T., & Nuritomo. (2014). Bank dan Lembaga Keuangan Lain (3rd ed.). Jakarta: Salemba Empat.

Diba, D. F. (2018). Pengaruh Jumlah Automated Teller Machine (ATM) dan Jumlah Cabang serta Status Devisa Terhadap Profitabilitas. Jurnal Ilmu Manajemen Mulawarman, 3(4).

Ellyanawati, N. E. (2018). Analisa Perkembangan Jumlah Outlet Kantor Cabang dan Kebutuhan Frontliners di Era Digital Banking (Studi kasus di Bank Syariah Anak Perusahaan dan UUS Bank BUMN di Yogyakarta). IQTISAD, 5(2), 1. https://doi.org/10.31942/iq.v5i2.2547

Ferdian, M. (2015). Pengaruh BOPO, LDR, NPM, Dank Ukuran Perusahaan Terhadap Profitabilitas (Studi Empiris pada Perusahaan Perbankan yang Listed di Bursa Efek Indonesia (BEI) Tahun 2009-2013). Jurnal Ilmiah Mahasiswa S1 Akuntasi Univeristas Pandanaran, 1(1), 1–23.

Gates, B. (1997). We need banking but we don’t need banks anymore.

Ghozali, I. (2013). Aplikasi Analisis Multivariate Dengan Program SPSS. Semarang: Universitas Diponegoro.

Gujarati, D. (2003). Ekonometri Dasar (S. Zain, Ed.). Jakarta: Erlangga.

Hadi, S., & Nurjanah, S. (2017). Pengaruh Jumlah Mesin dan Volume Transaksi Mesin EDC Terhadap Fee Based Income Di Bank Mandiri ( Persero ) Tbk Cabang Jakarta Plaza Indonesia. Jurnnal Akuntansi Dan Manajemen, 13(01), 186–202. Retrieved from https://ejournal.stei.ac.id/index.php/JAM/article/view/191

Hijrianto, A. (2016). Pengaruh Jumlah Kantor Bank (JKB) Terhadap Profitabilitas Bank Syariah (Periode 2008-015). Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Hondroyiannis, G. (1999). Assessing Competitive Conditions in The Greek Banking System. Journal of International Financial Markets, Institutions and Money, 9(4), 377–391.

IAI. (1994). Pernyataan Standar Akuntansi Keuangan ( PSAK ) No . 31 Akuntansi Perbankan. (PSAK) No. 31, pp. 4–7.

107

UNIVERSITAS SUMATERA UTARA

Ihsan, D. N. (2019). Hubungan Ekspansi Jaringan Kantor dan Kinerja Keuangan Terhadap Pertumbuhan Aset Bank Syariah. Akuntabilitas, 12(1), 119–128. https://doi.org/10.15408/akt.v12i1.12599

Irmayanto, J. (2009). Bank & Lembaga Keuangan (7th ed.). Jakarta: Penerbit Universitas Trisakti.

Kahveci, E., & Wolfs, B. (2018). Digital banking impact on Turkish deposit banks performance. Banks and Bank Systems, 13(3), 48–57. https://doi.org/10.21511/bbs.13(3).2018.05

Kasmir. (2003). Manajemen Perbankan. Jakarta: Raja Graffindo Persada.

Kasmir. (2016). Analisis Laporan Keuangan (9th ed.). Jakarta: PT Raja Graffindo Persada.

Manikam, J. (2013). Analisis Pengaruh Capital Adequacy Ratio (Car), Net Interest Margin (Nim), Loan To Deposit Ratio (Ldr), Non Performing Loan (Npl) Dan Bopo Terhadap Profitabilitas Bank Persero Di Indonesia Periode 2005-2012. Universitas Diponegoro.

Mankiw, N. G. (2007). Principles of Microeconomics (Fourth Edition).

Manurung, R., & Fitrawaty. (2016). Analisis Tingkat Persaingan Industri Perbankan Di Indonesia. QE Journal, 05(03), 149–163. Retrieved from https://qe-journal.github.io/publications/QEJ-Vol-05-No-03-Article-03- Romauli-Manurung-&-Fitrawaty.pdf

Margaretha, F. (2015). Dampak Electronic Banking. Jurnal Keuangan Dan Perbankan, 19(3), 514–524.

Marlina, A., & Humairah, F. (2018). Peran Digital Banking Dalam Meningkatkan Kepuasan Nasabah Kredit (Studi Kasus Pt.Bank Tabungan Negara Syariah). Moneter: Jurnal Keuangan Dan Perbankan, 6(2), 37. https://doi.org/10.32832/moneter.v6i2.2409

Nadhira, A. (2019). Revolusi Industri 4.0 : Sejarah, Efek, Dampak, dan Cara Menyikapinya. Retrieved March 14, 2020, from Kompasiana website: https://www.kompasiana.com/aghnianadhira8008/5cd7b24c750657454b511b 8a/revolusi-industri-4-0-sejarah-efek-dampak-dan-cara-menyikapinya

Otoritas Jasa Keuangan. (2015). Bijak Ber-eBanking.

Otoritas Jasa Keuangan. (2016). Panduan Penyelenggaraan Digital Branch.

Otoritas Jasa Keuangan. POJK Nomor 12/POJK.03/2018 Tentang Penyelenggaraan Layanan Perbankan Digital Oleh Bank Umum. , (2018).

Pardede, D. N., & Pangestuti, I. R. D. (2016). ANALISIS PENGARUH CAR, DANA PIHAK KETIGA (DPK), NIM, dan LDR TERHADAP

108

UNIVERSITAS SUMATERA UTARA

PROFITABILITAS PERBANKAN DENGAN LDR SEBAGAI VARIABEL INTERVENING. Journal of Management, 5(3), 1–13. https://doi.org/2337- 3792

Pertiwi, R. A. D. A. P., & Protomo, G. (2015). Analisis Struktur, Perilaku Dan Kinerja Perbankan Indonesia Tahun 2004-2012. Equilibrium, 13(April), 47– 61.

Prasetyo, H., & Sunaryo, S. (2015). Pengaruh ekspansi jumlah cabang dan jumlah pegawai terhadap kinerja industri perbankan di indonesia. Prosiding Seminar Nasional Manajemen Teknologi XXII, (16), 1–11.

Purnamawati, I. G. A., Yuniarta, G. A., & Sulindawati, N. L. G. E. (2014). Akuntansi Perbankan; Teori dan Soal Latihan (1st ed.). Singaraja: Graha Ilmu.

Sarah, H. (2013). Dampak Branchless Banking Terhadap Kinerja Keuangan PT Bank Muamalat Indonesia Tbk. Jurnal Al-Muzara’Ah, http://jurnal.ipb.ac.id/index.php/jalmuzaraah/arti.

Septiani, R., & Lestari, P. V. (2016). Pengaruh NPL dan LDR Terhadap Profitabilitas dengan CAR Sebagai Variabel Mediasi pada PT BPR PASARRAYA KUTA. E-Jurnal Manajemen Unud, 5(1), 293–324.

Shaffer, S. (2004). Comment on “What Drives Bank Competition? Some International Evidence” by Stijn Claessens and Luc Laeven. Journal of Money, Credit and Banking, 36(3), 585–592.

Siregar, K. H. (2019). Analisis Struktur Pasar Perbankan Syariah di Indonesia dengan Pendekatan Model Panzar-Rosse. Universitas Islam Negeri Sumatera Utara.

Sudaryanti, D. S., Sahroni, N., & Kurniawati, A. (2018). Analisa Pengaruh Mobile Banking Terhadap Kinerja Perusahaan Sektor Perbankan Yang Tercatat Di Bursa Efek. Jurnal Ekonomi Manajemen, 4(November), 96–107.

Suharman, Nugroho, M., Muq’Asfa, M. W., & Murti, H. W. (2018). Inovasi, Teknologi dan Peningkatan Daya Saing Industri. Prosiding Seminar Nasional I Hasil Litbangyasa Industri, 137–148.

Sukirno, S. (2009). Mikroekonomi Teori Pengantar (3rd ed.). Jakarta: Rajawali Pers.

Suryani, T. (2017). Manajemen Pemasaran Strategik di Era Global Menciptakan Nilai Unggul untuk Kepuasan Nasabah (1st ed.; E. Wahyudin, Ed.). Jakarta: PRENADAMEDIA GROUP.

Susanti, E. (2019). Analisis Pengaruh Penggunaan Uang Elektronik Dan Gerbang Pembayaran Nasional Terhadap Pendapatan Dan Profitabilitas Perbankan Di Indonesia (No. 023152114). Jakarta.

109

UNIVERSITAS SUMATERA UTARA

Syarif, S. (2006). Analisis Pengaruh Rasio-Rasio Camels Terhadap Net Interest Margin. Universitas Diponogero.

Tanjung, A. A., & Ruslan, D. (2019). Ekonomi Industri: Teori dan Kebijakan (1st ed.). Medan: PRENADAMEDIA GROUP.

Tazkiyyaturrohmah, R. (2018). Eksistensi Uang Elektronik Sebagai Alat Transaksi Keuangan Modern. Muslim Heritage, 3(1), 23. https://doi.org/10.21154/muslimheritage.v3i1.1240

Usman, B. (2017). Penetrasi Bank Asing dan Pengaruhnya Terhadap Kompetisi Perbankan yang Diukur dengan Pendekatan Conjectural Variation di Indonesia. Media Ekonomi, 21(1), 1. https://doi.org/10.25105/me.v21i1.790

Vesala, J. (1995). Testing for competition in banking: Behavioral evidence from Finland. Bank of Finland Studies E:1, pp. 1–202.

Wahjono, S. I. (2010). Manajemen Pemasaran Bank. Yogyakarta: Graha Ilmu.

Widiartanto, Y. H. (2017). BI Resmikan Gerbang Pembayaran Nasional. Retrieved from kompas.com website: https://ekonomi.kompas.com/read/2017/12/04/110704126/bi-resmikan- gerbang-pembayaran-nasional

Yudaruddin, R. (2012). Persaingan Industri Perbankan; Suatu Kajian Literatur. Forum Ekonomi, XV(2), 47–54.

Yulianto, W. D., Mawardi, W., & Mahfud, H. K. (2016). ANALISIS PENGARUH JUMLAH ATM, MIKRO DAN RETAIL BANKING, GAJI DIREKSI, DAN NII TERHADAP TINGKAT KESEHATAN BANK DENGAN METODE RGEC MELALUI MEDIASI NPL DAN ROA (Studi pada Perbankan di Indonesia Periode Tahun 2011-2014).

Zulfikar, T. (2014). Pengaruh CAR, LDR, NPL, BOPO dan NIM Terhadap Kinerja Profitabilitas (ROA) Bank Perkreditan Rakyat Di Indonesia. E- Journal Graduate Unpar, 1(2), 131–140. Retrieved from http://journal.unpar.ac.id/index.php/unpargraduate/article/view/850

110

UNIVERSITAS SUMATERA UTARA

DAFTAR LAMPIRAN

Lampiran 1. Data Penelitian

Jumlah Jumlah Volume Trx Jumlah ROA LDR Kantor Mesin BOPO NIM Bulan E-Money EDC (%) (%) Cabang ATM (%) (%) (transaksi) (unit) (unit) (unit) Jan-13 3.16 83.47 9,597,739 406,792 31,843 62,890 79.63 5.53 Feb-13 2.92 84.35 9,626,119 243,088 29,994 63,253 77.38 5.34 Mar-13 3.03 84.93 11,504,179 248,937 30,086 64,486 75.11 5.41 Apr-13 2.96 85.17 11,383,130 260,019 30,214 64,704 75.02 5.42 May-13 2.99 85.84 11,583,012 267,228 30,592 65,189 74.54 5.41 Jun-13 3.02 86.80 11,293,467 284,547 30,884 66,120 74.66 5.43 Jul-13 3.00 88.68 12,893,520 584,558 31,099 67,568 74.14 5.46 Aug-13 3.03 88.88 11,074,802 597,240 31,204 68,506 74.06 5.46 Sep-13 3.06 88.91 11,881,737 607,988 31,347 69,136 74.35 5.48 Oct-13 3.09 89.47 12,293,987 616,893 31,491 71,917 73.74 5.50 Nov-13 3.09 89.97 12,326,415 627,802 31,655 73,362 74.95 4.88 Dec-13 3.08 89.70 12,442,672 655,938 31,847 75,877 74.08 4.89 Jan-14 2.90 90.47 12,058,775 687,037 31,882 76,270 82.93 4.17 Feb-14 2.79 90.47 11,784,180 697,530 31,900 77,530 79.48 4.18 Mar-14 3.01 91.17 14,081,329 719,764 31,906 77,412 77.34 4.28 Apr-14 2.93 90.79 13,479,270 733,963 31,960 77,606 77.19 4.26 May-14 2.98 90.30 15,154,984 748,059 32,041 77,464 76.20 4.22 Jun-14 3.02 90.25 15,611,532 763,805 32,203 78,347 75.45 4.22 Jul-14 2.91 92.19 14,042,034 777,267 32,283 78,798 76.54 4.20 Aug-14 2.90 90.63 17,045,282 790,435 32,331 80,825 76.37 4.21 Sep-14 2.91 88.93 20,554,999 787,927 32,446 81,733 76.14 4.21 Oct-14 2.89 88.45 20,810,457 817,671 32,519 84,785 76.14 4.24 Nov-14 2.87 88.65 22,593,077 828,341 32,615 86,156 76.16 4.24 Dec-14 2.85 89.42 26,154,071 842,651 32,739 89,561 76.29 4.23 Jan-15 2.82 88.48 25,563,528 839,608 32,723 89,890 82.15 4.24 Feb-15 2.51 88.26 24,186,946 860,824 32,690 90,038 81.59 4.06 Mar-15 2.69 87.58 30,515,495 883,763 32,684 90,218 79.49 5.30 Apr-15 2.53 87.94 29,665,397 897,973 32,673 90,392 79.94 5.30 May-15 2.45 88.72 53,703,513 923,528 32,698 90,563 80.42 5.33 Jun-15 2.29 88.46 59,724,050 943,318 32,750 92,725 81.40 5.32 Jul-15 2.27 88.50 58,746,812 953,965 32,783 93,261 81.39 5.32 Aug-15 2.30 88.81 59,853,437 959,624 32,811 93,582 81.46 5.32 Sep-15 2.31 88.54 54,125,251 971,522 32,854 94,138 81.82 5.32 Oct-15 2.30 89.74 51,133,278 988,887 32,839 94,699 81.11 5.34

111

UNIVERSITAS SUMATERA UTARA

Jumlah Jumlah Volume Trx Jumlah ROA LDR Kantor Mesin BOPO NIM Bulan E-Money EDC (%) (%) Cabang ATM (%) (%) (transaksi) (unit) (unit) (unit) Nov-15 2.33 90.47 46,755,243 995,005 32,862 96,977 81.62 5.35 Dec-15 2.32 92.11 41,606,578 1,005,193 32,953 97,845 81.49 5.39 Jan-16 2.51 90.95 41,300,860 1,018,853 32,939 98,994 84.86 5.63 Feb-16 2.29 89.50 46,579,696 1,029,301 32,887 99,041 84.22 5.47 Mar-16 2.44 89.60 50,700,307 1,023,449 32,897 99,486 82.96 5.55 Apr-16 2.38 89.52 51,016,407 1,037,333 32,837 99,717 82.30 5.56 May-16 2.34 90.32 63,883,592 1,052,159 32,761 99,993 82.36 5.60 Jun-16 2.31 91.19 54,614,849 1,067,947 32,747 100,209 82.23 5.59 Jul-16 2.35 90.18 49,653,426 1,068,733 32,762 99,777 81.37 5.59 Aug-16 2.36 90.04 60,520,930 1,069,853 32,759 100,088 81.31 5.59 Sep-16 2.38 91.71 58,023,844 1,060,988 32,742 101,367 81.02 5.65 Oct-16 2.41 90.77 61,294,423 1,068,187 32,767 102,428 81.26 5.65 Nov-16 2.37 90.70 66,316,596 1,060,913 32,738 102,996 80.64 5.62 Dec-16 2.23 90.70 79,228,422 1,050,248 32,720 103,419 82.22 5.63 Jan-17 2.46 89.59 58,435,893 1,078,266 32,703 103,400 83.94 5.39 Feb-17 2.35 89.12 58,573,280 1,091,299 32,646 103,374 81.69 5.28 Mar-17 2.50 89.12 62,985,770 1,110,564 32,610 103,053 80.15 5.38 Apr-17 2.48 89.50 55,631,892 1,135,047 32,629 103,548 79.81 5.35 May-17 2.46 88.57 60,620,306 1,155,362 32,611 103,763 79.70 5.36 Jun-17 2.47 89.31 51,969,836 1,084,743 32,643 103,771 79.00 5.35 Jul-17 2.49 89.20 68,685,872 1,106,632 32,650 103,953 78.85 5.35 Aug-17 2.47 89.17 62,565,183 1,125,598 32,626 104,316 78.90 5.35 Sep-17 2.47 88.74 67,553,272 1,149,790 32,593 105,364 78.71 5.33 Oct-17 2.49 88.68 104,478,745 1,227,076 32,438 105,797 78.39 5.32 Nov-17 2.48 88.97 128,518,604 1,208,444 32,233 106,328 78.37 5.31 Dec-17 2.45 90.04 163,301,280 1,237,309 32,276 106,653 78.64 5.32 Jan-18 2.50 89.10 215,446,513 1,211,504 32,277 106,632 81.80 5.19 Feb-18 2.36 89.21 187,132,482 1,245,725 32,275 106,483 81.09 5.00 Mar-18 2.55 90.19 209,336,882 1,255,233 32,135 107,085 78.76 5.07 Apr-18 2.40 90.43 204,108,890 1,264,394 32,013 107,146 79.59 5.07 May-18 2.38 91.99 222,927,509 1,279,292 31,957 107,282 79.43 5.09 Jun-18 2.43 92.76 206,888,770 1,265,836 31,935 107,398 79.46 5.11 Jul-18 2.46 93.11 241,397,786 1,277,808 31,868 107,439 79.05 5.12 Aug-18 2.47 93.79 297,466,773 1,272,072 31,791 107,547 79.26 5.14 Sep-18 2.50 94.09 206,809,928 1,283,315 31,729 107,692 79.13 5.14 Oct-18 2.52 93.71 289,792,277 1,286,479 31,599 108,014 78.71 5.13 Nov-18 2.52 93.19 330,671,490 1,286,904 31,546 106,248 78.03 5.12 Dec-18 2.55 94.78 310,719,605 1,045,903 31,609 106,901 77.86 5.14 Jan-19 2.59 93.97 274,687,548 1,012,032 31,667 108,075 87.79 4.92

112

UNIVERSITAS SUMATERA UTARA

Jumlah Jumlah Volume Trx Jumlah ROA LDR Kantor Mesin BOPO NIM Bulan E-Money EDC (%) (%) Cabang ATM (%) (%) (transaksi) (unit) (unit) (unit) Feb-19 2.45 94.12 294,101,832 999,240 31,660 108,146 85.33 4.81 Mar-19 2.60 94.00 423,743,628 989,575 31,647 108,269 82.92 4.86 Apr-19 2.42 94.25 451,650,065 993,557 31,569 108,107 83.48 4.87 May-19 2.41 96.19 422,602,216 1,002,932 31,456 108,064 81.51 4.90 Jun-19 2.51 94.98 393,695,970 932,682 31,447 108,192 80.24 4.90 Jul-19 2.50 94.48 476,037,115 937,532 31,403 107,822 81.08 4.90 Aug-19 2.49 94.66 492,317,016 929,479 31,403 106,394 80.60 4.90 Sep-19 2.48 94.34 490,218,726 985,109 31,187 106,591 80.50 4.90 Oct-19 2.48 93.96 509,716,339 1,028,475 31,086 106,684 80.65 4.90 Nov-19 2.47 93.50 482,734,395 1,037,323 31,077 106,446 79.67 4.89 Dec-19 2.47 94.43 515,195,069 1,070,960 31,127 106,649 79.39 4.91 Jan-20 2.70 93.36 457,944,919 1,250,807 31,125 106,595 83.49 4.96 Feb-20 2.49 92.50 431,467,690 1,264,826 31,087 106,560 83.62 4.81 Mar-20 2.57 92.55 401,008,518 1,279,612 31,037 105,774 88.84 4.31

Lampiran 2. Model Regresi Linier dengan pendekatan Panzar-Rosse Dependent Variable: LOG(ROA) Method: Least Squares Date: 07/25/20 Time: 17:44 Sample: 2013M01 2020M03 Included observations: 87

Variable Coefficient Std. Error t-Statistic Prob.

LOG(LDR) 0.055990 0.255274 0.219334 0.8270 LOG(VTE) -0.021096 0.014937 -1.412352 0.1618 LOG(JEDC) 0.072752 0.034626 2.101068 0.0388 LOG(JKC) -1.639559 0.501259 -3.270880 0.0016 LOG(JATM) -0.325520 0.128432 -2.534575 0.0132 LOG(BOPO) -0.462601 0.145904 -3.170581 0.0022 LOG(NIM) -0.267846 0.050008 -5.356072 0.0000 C 23.27519 4.632707 5.024101 0.0000

113

UNIVERSITAS SUMATERA UTARA

Lampriran 3. Uji Normalitas 9 Series: Residuals 8 Sample 2013M01 2020M03 7 Observations 87

6 Mean -1.59e-15 5 Median -0.001182 Maximum 0.106790 4 Minimum -0.073832 Std. Dev. 0.036011 3 Skewness 0.342354 2 Kurtosis 3.302482

1 Jarque-Bera 2.031159 0 Probability 0.362193 -0.075 -0.050 -0.025 0.000 0.025 0.050 0.075 0.100

Lampriran 4. Uji Heterokedastisitas (Uji Harvey)

Heteroskedasticity Test: Harvey

F-statistic 1.677257 Prob. F(7,79) 0.1266 Obs*R-squared 11.25678 Prob. Chi-Square(7) 0.1278 Scaled explained SS 9.714196 Prob. Chi-Square(7) 0.2054

Test Equation: Dependent Variable: LRESID2 Method: Least Squares Date: 07/25/20 Time: 16:16 Sample: 2013M01 2020M03 Included observations: 87

Variable Coefficient Std. Error t-Statistic Prob.

C -301.5728 249.1486 -1.210414 0.2297 LOG(LDR) -21.40030 13.72871 -1.558799 0.1230 LOG(VTE) 1.356796 0.803300 1.689029 0.0952 LOG(JEDC) -0.939942 1.862221 -0.504743 0.6151 LOG(JKC) 42.07575 26.95789 1.560795 0.1226 LOG(JATM) -9.659470 6.907109 -1.398482 0.1659 LOG(BOPO) 12.49910 7.846772 1.592898 0.1152 LOG(NIM) -1.388222 2.689440 -0.516175 0.6072

R-squared 0.129388 Mean dependent var -7.988468 Adjusted R-squared 0.052245 S.D. dependent var 2.075590 S.E. of regression 2.020643 Akaike info criterion 4.332156 Sum squared resid 322.5567 Schwarz criterion 4.558906 Log likelihood -180.4488 Hannan-Quinn criter. 4.423461 F-statistic 1.677257 Durbin-Watson stat 1.833200 Prob(F-statistic) 0.126646

114

UNIVERSITAS SUMATERA UTARA

Lampriran 5. Uji Autokolerasi Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.609639 Prob. F(1,78) 0.4373 Obs*R-squared 0.674709 Prob. Chi-Square(1) 0.4114

Test Equation: Dependent Variable: RESID Method: Least Squares Date: 07/25/20 Time: 18:08 Sample: 2013M01 2020M03 Included observations: 87 Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.

LOG(LDR) 0.026860 0.258209 0.104024 0.9174 LOG(VTE) 0.002495 0.015311 0.162931 0.8710 LOG(JEDC) 0.000120 0.034713 0.003456 0.9973 LOG(JKC) 0.097156 0.517679 0.187676 0.8516 LOG(JATM) -0.023824 0.132316 -0.180052 0.8576 LOG(BOPO) -0.011594 0.147018 -0.078859 0.9373 LOG(NIM) 0.009144 0.051482 0.177624 0.8595 C -0.866895 4.775066 -0.181546 0.8564 RESID(-1) 0.093828 0.120170 0.780794 0.4373

R-squared 0.007755 Mean dependent var -1.59E -15 Adjusted R-squared -0.094013 S.D. dependent var 0.036011 S.E. of regression 0.037665 Akaike info criterion -3.622457 Sum squared resid 0.110657 Schwarz criterion -3.367363 Log likelihood 166.5769 Hannan-Quinn criter. -3.519739 F-statistic 0.076205 Durbin-Watson stat 1.938650 Prob(F-statistic) 0.999680

115

UNIVERSITAS SUMATERA UTARA