Analisis Kinerja Keuangan dalam Memprediksi Kondisi Financial … · 2019. 7. 31. · Krisis...
Transcript of Analisis Kinerja Keuangan dalam Memprediksi Kondisi Financial … · 2019. 7. 31. · Krisis...
Universitas Sumatera Utara
Repositori Institusi USU http://repositori.usu.ac.id
Departemen Manajemen Skripsi Sarjana
2018
Analisis Kinerja Keuangan dalam
Memprediksi Kondisi Financial Distress
pada Perbankan yang terdaftar di Bursa
Efek Indonesia
Simbolon, Jaya Soogoron
Universitas Sumatera Utara
http://repositori.usu.ac.id/handle/123456789/6949
Downloaded from Repositori Institusi USU, Univsersitas Sumatera Utara
SKRIPSI
ANALISIS KINERJA KEUANGAN DALAM MEMPREDIKSI KONDISI FINANCIAL DISTRESS PADA PERBANKAN YANG TERDAFTAR
DI BURSA EFEK INDONESI
OLEH
JAYA SOOGORON SIMBOLON 150521071
PROGRAM STUDI STRATA-1 MANAJEMEN EKSTENSI DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS SUMATERA UTARA
MEDAN 2018
UNIVERSITAS SUMATERA UTARA
UNIVERSITAS SUMATERA UTARA
UNIVERSITAS SUMATERA UTARA
ABSTRAK
ANALISIS KINERJA KEUANGAN DALAM MEMPREDIKSI KONDISI FINANCIAL DISTRESS PADA PERBANKAN YANG TERDAFTAR
DI BURSA EFEK INDONESIA (BEI)
Penelitian ini bertujuan untuk mengetahui dan menganalisis pengaruh kinerja keuangan berupa rasio perbankan CAR, NPL, NIM, ROA, BOPO dan LDR terhadap kondisi financial distress pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia. Sampel yang digunakan penelitian ini adalah 28 (dua puluh delapan) perusahaan perbankan yang terdaftar di Bursa Efek Indonesia. Metode analisis data yang digunakan adalah metode statistik deskriptif dan metode regresi linier berganda data panel. Hasil penelitian ini menunjukkan bahwa secara serempak, Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin (NIM), Return On Asset (ROA), Biaya Operasional terhadapan Pendapatan Operasional (BOPO), Loan to Deposite Ratio (LDR) secara serempak berpengaruh signifikan terhadap variabel dependen, yaitu prediksi Financial Distress, sedangkan secara parsial Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Return On Asset (ROA), Loan to Deposite Ratio (LDR) berpengaruh negatif dan tidak signifikan terhadap prediksi Financial Distress pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia, sedangakan Net Interest Margin (NIM)) berpengaruh positif dan signifikan terhadap prediksi Financial Distress pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia dan Biaya Operasional terhadap Pendapatan Operasional (BOPO) berpengaruh negatif dan signifikan terhadap prediksi Financial Distress pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
Kata Kunci: Rasio CAR, NPL, NIM, ROA, BOPO, LDR, Financial Distress.
UNIVERSITAS SUMATERA UTARA
ABSTRACT
ANALYSIS OF FINANCIAL PERFORMANCE IN PREDICTING FINANCIAL DISTRESS CONDITIONS IN BANKING LISTED
IN INDONESIA STOCK EXCHANGE
This study aims to determine and analyze the influence of financial performance in the form of banking ratios CAR, NPL, NIM, ROA, BOPO and LDR to financial distress in banking companies listed on the Indonesia Stock Exchange. The sample used in this research is 28 (twenty eight) banking companies listed on Indonesia Stock Exchange. Data analysis method used is descriptive statistic method and multiple linear regression method of panel data. The results of this study indicate that simultaneously, Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin (NIM), Return On Assets (ROA), Operational Cost of Operating Income (BOPO), Loan to Deposite Ratio LDR) simultaneously have a significant effect on dependent variable, that is Financial Distress prediction, whereas partially Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Return On Assets (ROA), Loan to Deposite Ratio (LDR) significant to the prediction of Financial Distress on banking companies listed on the Indonesia Stock Exchange, while Net Interest Margin (NIM) has a positive and significant impact on the prediction of Financial Distress in banking companies listed on the Indonesia Stock Exchange and Operating Cost to Operating Income (BOPO) negative and significant to the prediction of Financial Distress on banking companies listed on the Stock Exchange Indonesia.
Keywords: Ratio CAR, NPL, NIM, ROA, BOPO, LDR,Financial Distress.
UNIVERSITAS SUMATERA UTARA
KATA PENGANTAR
Segala puji syukur peneliti panjatkan kehadirat Tuhan Yang Maha Esa atas
segala rahmat dan karunia-Nya peneliti masih diberikan kesehatan sehingga dapat
menyelesaikan skripsi yang berjudul “Analisis Kinerja Keuangan Dalam
Memprediksi Kondisi Financial Distress pada Perbankan yang terdaftar di
Bursa Efek Indonesia”. Tujuan penulisan skripsi ini adalah salah satu syarat
untuk memperoleh gelar Sarjana Ekonomi di Fakultas Ekonomi dan Bisnis
Universitas Sumatera Utara. Peneliti menyadari bahwa skripsi ini masih jauh dari
sempurna, karena itu peneliti masih mengharapkan kritik dan saran dari semua
pihak, agar skripsi ini dapat lebih baik lagi. Dengan segala kerendahan hati,
peneliti berharap skripsi ini dapat bermanfaat bagi berbagai pihak.
Pada kesempatan ini, peneliti mengucapkan terima kasih yang sebesar-
besarnya buat orang tua tercinta bapak H. Simbolon dan ibu M. Br Situmeang
yang telah membesarkan, mendidik dan memberikan dukungan, dan doa yang tak
henti-hentinya kepada peneliti. Selama proses penyusunan skripsi ini peneliti
menyadari banyak mendapat bantuan dan bimbingan dari berbagai pihak. Untuk
itu peneliti mengucapkan terima kasih sebesar-besarnya kepada:
1. Bapak Prof. Dr. Ramli, SE, MS, selaku Dekan Fakultas Ekonomi dan Bisnis
Universitas Sumatera Utara.
2. Bapak Dr. Amlys Syahputra Silalahi, SE, M.Si dan Bapak Doli Muhammad
Ja’far Dalimunthe, SE, M.Si, selaku Ketua dan Sekretaris Program Studi
Manajemen Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara.
3. Ibu Dr. Isfenti Sadalia, SE, M.Si, selaku Dosen Pembimbing yang telah
UNIVERSITAS SUMATERA UTARA
membantu dan memberikan bimbingan, dukungan, arahan kepada peneliti
dalam penyelesaian skripsi ini.
4. Bapak Dr. Amlys Syahputra Silalahi, M.Si, selaku Dosen Penguji I yang telah
memberikan arahan dan masukan dalam menyelesaikan skripsi ini.
5. Ibu Dra. Nisrul Irawati, MBA, selaku Dosen Penguji II yang memberikan
waktu, arahan dan masukan dalam penyelesaian skripsi ini.
6. Untuk seluruh Dosen dan Pegawai Fakultas Ekonomi dan Bisnis Universitas
Sumatera Utara untuk setiap jasa-jasanya selama perkuliahan.
7. Terimakasih kepada sahabat peneliti (CASARMI) terima kasih atas doa,
semangat, dan dukungan yang diberikan kepada peneliti.
8. Terimakasih kepada rekan-rekan khususnya bagi Manajemen Ekstensi 2015
grup B dan Konsentrasi Manajemen Keuangan yang telah memberikan
semangat kepada peneliti.
Medan, Mei 2018 Peneliti,
Jaya Soogoron Simbolon NIM: 150521071
UNIVERSITAS SUMATERA UTARA
DAFTAR ISI
Halaman
ABSTRAK .............................................................................................. i ABSTRACK ........................................................................................... ii KATA PENGANTAR ............................................................................ iii DAFTAR ISI ........................................................................................... v DAFTAR GAMBAR .............................................................................. vii DAFTAR TABEL .................................................................................. viii DAFTAR LAMPIRAN .......................................................................... ix
BAB 1 PENDAHULUAN .................................................................. 1 1.1 Latar Belakang ................................................................ 1 1.2 Perumusan Masalah ........................................................ 12 1.3 Tujuan Penelitian ............................................................ 13 1.4 Manfaat Penelitian .......................................................... 13
BAB II TINJAUAN PUSTAKA ........................................................ 15 2.1 Bank ................................................................................ 15 2.2 Kinerja Keuangan ........................................................... 17 2.3 Rasio Keuangan .............................................................. 18
2.3.1 CAR ..................................................................... 18 2.3.2 NPL ..................................................................... 19 2.3.3 NIM ..................................................................... 20 2.3.4 ROA .................................................................... 21 2.3.5 BOPO .................................................................. 22 2.3.6 LDR ..................................................................... 23
2.4 Financial Distress ........................................................... 24 2.5 Prediksi Financial Distress ............................................. 26 2.6 Rasio Keuangan Model Altman ...................................... 26 2.7 Penelitian Terdahulu ....................................................... 27 2.8 Kerangka Konseptual ...................................................... 29 2.9 Hipotesis Penelitian ......................................................... 30
BAB III METODE PENELITIAN ..................................................... 31 3.1 Jenis Penelitian ................................................................ 31 3.2 Tempat dan Waktu Penelitian ......................................... 31 3.3 Batasan Operasional Variabel ......................................... 31 3.4 Definisi Operasional dan Pengukuran Variabel .............. 32
3.4.1 Variabel Dependen .............................................. 32 3.4.2 Variabel Independen ........................................... 33
3.5 Populasi dan Sampel Penelitian ...................................... 36 3.6 Jenis dan Sumber Data .................................................... 37 3.7 Metode Pengumpulan Data ............................................. 37 3.8 Teknik Analisis Data ....................................................... 38
3.8.1 Analisis Statistik Deskriptif ................................ 38 3.8.2 Pemilihan Model Data Panel ............................... 38
UNIVERSITAS SUMATERA UTARA
3.8.3 Analisis Regresi Linier Berganda ....................... 40 3.9 Uji Asumsi Klasik ........................................................... 40 3.10 Uji Hipotesis.................................................................... 44
3.10.1 Pengujian Secara Simultan (Uji-F) ..................... 44 3.10.2 Pengujian Secara Parsial (Uji-t) .......................... 45 3.10.3 Koefisien Determinasi (R2
BAB IV HASIL PENELITIAN DAN PEMBAHASAN .................... 47
) ................................. 45
4.1 Gambaran Umum Perusahaan ......................................... 47 4.2 Analisis Deskriptif .......................................................... 48 4.3 Pemilihan Estimasi .......................................................... 53 4.4 Hasil Uji Asumsi Klasik ................................................. 57 4.5 Pengujian Hipotesis ......................................................... 61 4.6 Pembahasan Hasil Penelitian .......................................... 65
4.6.1 Pengaruh CAR terhadap Financial Distress ....... 65 4.6.2 Pengaruh NPL terhadap Financial Distress ........ 66 4.6.3 Pengaruh NIM terhadap Financial Distress ........ 67 4.6.4 Pengaruh ROA terhadap Financial Distress ....... 67 4.6.5 Pengaruh BOPO terhadap Financial Distress ..... 68 4.6.6 Pengaruh LDR terhadap Financial Distress ....... 69
BAB V KESIMPULAN DAN SARAN .............................................. 70 5.1 Kesimpulan ..................................................................... 70 5.2 Saran ................................................................................ 70
DAFTAR PUSTAKA ............................................................................. 72
LAMPIRAN ............................................................................................. 74
UNIVERSITAS SUMATERA UTARA
DAFTAR GAMBAR
No Gambar Judul Halaman
2.1 Kerangka Konseptual ................................................................... 30 4.1 Hasil Uji Normalitas Uji Jarque Bera .......................................... 58
UNIVERSITAS SUMATERA UTARA
DAFTAR TABEL
No Tabel Judul Halaman
1.1 Perkembangan CAR, NPL, NIM, ROA, BOPO, LDR di BEI ...... 9 2.1 Kriteria Penilaian CAR ................................................................. 19 2.2 Kriteria Penilain NPL .................................................................... 20 2.3 Kriteria Penilaian NIM .................................................................. 21 2.4 Kriteria Penilaian ROA ................................................................. 22 2.5 Kriteria Penilaian BOPO ............................................................... 23 2.6 Kriteria Penilaian LDR .................................................................. 24 2.7 Ringkasan Penelitian Terdahulu .................................................... 27 3.1 Kriteria Pemilihan Sampel ............................................................ 36 3.2 Daftar Sampel Perusahaan Perbankan ........................................... 37 3.3 Kriteria Uji Durbin Watson .......................................................... 43 4.1 Gambaran Umum Perusahaan Perbankan ..................................... 47 4.2 Hasil Analisis Deskriptif ............................................................... 48 4.3 Prediksi Kondisi Financial Distress ............................................. 49 4.4 Pengujian Pooled Least Square ..................................................... 53 4.5 Pengujian Fixed Efect Model ........................................................ 54 4.6 Pengujian Random Efect Model .................................................... 55 4.7 Hasil Uji Chow .............................................................................. 56 4.8 Hasil Uji Hausman ........................................................................ 57 4.9 Hasil Uji Multikolinieritas ............................................................ 59 4.10 Hasil Uji Heteroskedastisitas ........................................................ 60 4.11 Hasil Uji Autokorelasi ................................................................... 61 4.12 Hasil Uji secara Serempak (Uji-F) ................................................ 62 4.13 Hasil Uji secara Parsial (Uji-t) ...................................................... 63
UNIVERSITAS SUMATERA UTARA
DAFTAR LAMPIRAN
No. Lampiran Judul Halaman
1. Daftar Nama Perusahaan Berdasarkan Kriteria Sampel ............... 74 2. Data Financial Distress, CAR, NPL, NIM, ROA, BOPO, LDR .. 75 3. Data Prediksi Altman Z-Score pada perbankan ............................ 78 4. Hasil Statistik Deskriptif ............................................................... 81 5. Hasil Uji Fixed Efect Model (FEM) ............................................. 82 6. Hasil Uji Jarque Bera Test ............................................................ 83 7. Hasil Uji Multikolinieritas ............................................................ 84 8. Hasil Uji Heteroskedastisitas ........................................................ 85 9. Hasil Uji Autokorelasi ................................................................... 86
UNIVERSITAS SUMATERA UTARA
BAB I
PENDAHULUAN
1.1 Latar Belakang
Krisis keuangan yang terjadi di Amerika pada tahun 2008 dan di Eropa
pada tahun 2010 tidak hanya berdampak bagi Amerika dan Eropa sendiri, namun
juga berdampak terhadap perekonomian global, dimana beberapa negara juga
mengalami gejolak perekonomian sebagai dampak dari krisis tersebut, dan
dampaknya masih terasa sampai saat ini. Perekomian global masih mengalami
pelemahan dan proses pemulihan ekonomi yang terjadi di beberapa kawasan
masih rentan dan tidak merata. Terutama negara-negara yang sedang berkembang,
dan Indonesia sebagai salah satu negara yang sedang berkembang tidak luput dari
dampak yang ditimbulkan krisis tersebut.
Analisis kesulitan keuangan merupakan salah satu prediksi yang sangat
penting dalam menentukan sehat tidaknya keuangan di suatu lembaga keuangan.
Perbankan di Indonesia mempunyai peranan yang sangat penting, salah satunya
menjaga kestabilan moneter yang disebabkan atas kebijakannya terhadap
simpanan masyarakat serta sebagai lalu lintas pembayaran. Bank sendiri
merupakan suatu badan usaha yang tujuannya menghasilkan keuntungan atau laba
dan untuk memaksimalkan labanya, sering kali perusahaan termasuk perbankan
melakukan segala cara bahkan yang merugikan stakeholders. Kebijakan ini erat
kaitannya dengan mampu atau tidaknya lembaga keuangan (perbankan) mengatur
keuangan dan pertumbuhan perusahaan. Seiring dengan krisis multi dimensi yang
melanda Indonesia, banyak masalah dan penderitaan yang dialami bangsa ini.
UNIVERSITAS SUMATERA UTARA
Salah satunya adalah dalam aspek ekonomi, yakni terpuruknya kegiatan ekonomi
karena semakin banyak perusahaan yang bangkrut, perbankan yang dilikuidasi
dan meningkatnya jumlah tenaga kerja yang menganggur.
Kemajuan suatu negara berkaitan erat dengan sistem perekonomian negara
tersebut. Baik buruknya perekonomian suatu negara akan berdampak pada
kemajuan serta kesejahteraan masyarakat yang ada di dalamnya. Tidak jarang,
buruknya kondisi perekonomian menyebabkan sejumlah perusahaan mengalami
kebangkrutan yang biasanya diawali dengan adanya kondisi financial distress.
Kondisi financial distress yakni suatu kondisi keuangan perusahaan yang berada
keadaan yang tidak sehat atau krisis (Afriyeni, 2012). Zaki et al. (2011)
menyebutkan financial distress sebagai suatu massa ketika peminjam dalam hal
ini individu maupun institusi tidak mampu menepati kewajiban pembayaran
kepada kreditur. Financial distress yakni proses bertahap dan kumulatif, yang
dikembangkan dari keadaan sehat (Zhuang dan Chen, 2014). Ketika perusahaan
mengalami kondisi financial distress, perusahaan akan memaksimalkan nilai
perusahaan untuk mengurangi risiko yang dihadapi perusahaan dan mulai
melakukan manajemen risiko untuk menghindari biaya yang mungkin
ditimbulkan dari financial distress (Akhigbe et al., 2014).
Kasus krisis keuangan atau financial distress sesungguhnya telah terjadi
berulang kali di berbagai belahan dunia, termasuk Indonesia. Kondisi financial
distress telah tercermin sejak pertengahan tahun 2013 ketika bank sentral Amerika
Serikat mengumumkan rencana penghentian kebijakan stimulus moneter yang
mengakibatkan sejumlah negara terutama negara berkembang mengalami tekanan
UNIVERSITAS SUMATERA UTARA
cukup kuat dikarenakan nilai tukar mata uang bergerak fluktuatif dengan
kecenderungan melemah. Pada tahun 2015, Indonesia kembali dihadapkan dengan
persoalan melemahnya nilai tukar rupiah hingga mencapai angka 14.728 per
dollar AS pada tanggal 29 September 2015 (website resmi Bank Indonesia) dan
kenaikan suku bunga acuan (The Fed). Angka tersebut merupakan level terlemah
rupiah sejak awal tahun 2015 dan hal tersebut menimbulkan kekhawatiran
tersendiri bagi sebagian besar masyarakat akan kembalinya masa krisis seperti
tahun 1998 dan tahun 2008. Isu mengenai kenaikan suku bunga acuan atau The
Fed di tahun 2015 memberikan dampak terhadap perekonomian Indonesia.
Kenaikan suku bunga acuan tidak hanya berpengaruh terhadap kondisi perusahaan
tetapi juga berdampak terhadap kondisi industri perbankan di Indonesia. Krisis
kecil pada perekonomian global telah mengguncang industri perbankan hingga
menimbulkan kerugian besar.
Bank adalah media penting untuk menstabilkan urutan finansial dan
mempromosikan pembangunan industri (Jia-Liu, 2014). Bank memiliki peranan
yang utama dalam penyaluran dana untuk tujuan produktif karena hal tersebut
memberikan kontribusi yang mendasar untuk pembangunan ekonomi (Stefancic et
al., 2011). Bank di sejumlah negara, seperti Singapura, telah kehilangan modal
akibat perlambatan ekonomi China. Bukan saja Singapura, tetapi hampir semua
bank di dunia saat ini sedang bermasalah. Perlambatan ekonomi menyebabkan
bisnis bank merosot, meningkatnya kredit macet serta turunnya tingkat penyaluran
kredit sehingga dampaknya ke profit, bahkan ada yang sampai rugi. Berdasarkan berita
yang termuat dalam Liputan6.com (tertanggal 21 Februari 2016) bahwa lembaga
UNIVERSITAS SUMATERA UTARA
perbankan terpaksa mengambil langkah pemutusan hubungan kerja (PHK) para
karyawannya sebagai dampak dari krisis kecil pada perekonomian global yang telah
mengguncang bisnis perbankan hingga memicu kerugian besar. Kondisi tersebut juga
terjadi di beberapa negara seperti Amerika Serikat (AS) dan Eropa.
Ketika ekonomi bermasalah, bank-bank yang menyalurkan kredit pun ikut
bermasalah. Kondisi kredit yang bermasalah meningkatkan pada terjadinya kasus
financial distress di sejumlah lembaga perbankan. Fenomena terjadinya krisis
keuangan tersebut menyebabkan berbagai pihak terutama perbankan perlu
melakukan antisipasi terhadap risiko kemungkinan timbulnya kasus financial
distress. Salah satu cara untuk mengatasi kekhawatiran akan timbulnya financial
distress yakni pihak perbankan perlu menilai kesehatan perbankan tersebut. Perlu
adanya suatu sistem yang dapat digunakan dalam menilai kondisi perbankan
tersebut apakah dalam kondisi yang baik atau tidak, sehingga pihak manajemen
perbankan dapat menyiapkan langkah yang tepat dalam mengatasi masalah yang
timbul nantinya.
Munculnya berbagai model prediksi kebangkrutan merupakan antisipasi
dan sistem peringatan dini terhadap financial distress karena model tersebut dapat
digunakan sebagai sarana untuk mengidentifikasikan bahkan memperbaiki kondisi
sebelum sampai pada kondisi krisis atau kebangkrutan. Hal lain yang mendorong
perlunya peringatan dini adalah munculnya problematika keungan yang
mengancam operasional perusahaan. Faktor modal dan risiko keuangan ditengarai
mempunyai peran penting dalam menjelaskan fenomena kepailitan atau tekanan
keuangan perusahaan tersebut. Dengan terdeteksinya lebih awal kondisi
UNIVERSITAS SUMATERA UTARA
perusahaan, sangat memungkinkan bagi perusahaan, investor dan para kreditur
(lembaga keuangan) serta pemerintah melakukan langkah-langkah antisipatif
untuk mencegah agar krisis keuangan segera tertangani.
Kondisi financial distress perusahaan merupakan suatu konsep luas yang
terdiri dari beberapa situasi di mana suatu perusahaan menghadapai masalah
kesulitan keuangan. Istilah umum menggambarkan situasi tersebut adalah
kegagalan, ketidakmampuan melunasi hutang, kinerja keuangan yang negatif, dan
masalah likuiditas. Model sistem peringatan untuk mengantisipasi financial
distress perlu dikembangkan sebagai sarana untuk mengindentifikasi bahkan
sebelum sampai pada kondisi krisis (Almilia, 2003:2).
Analisis kinerja keuangan untuk memprediksi kebangkrutan perusahaan
menjadi topik menarik setelah Altman tahun 1968 menemukan suatu formula
untuk mendeteksi kebangkrutan perusahaan dengan istilah yang sangat dikenal
yaitu Z-score Altman. Z-score merupakan skor yang ditentukan dari hitungan
standar dikalikan rasio-rasio keuangan yang akan menunjukkan tingkat
kemungkinan kebangkrutan perusahaan.
Sedangkan dalam penelitian ini, peneliti juga menggunakan rasio kinerja
keuangan yang merupakan rasio perbankan yaitu Capital Adequacy Ratio (CAR),
Non Performing Loan (NPL), Net Interest Margin (NIM), Return On Asset
(ROA), Biaya Operasional terhadap Pendapatan Operasional (BOPO), Loan to
Deposite Ratio (LDR) untuk mengukur tingkat kesehatan suatu perbankan dalam
memprediksi kondisi Financial Distress. Dimana rasio Capital Adequacy Ratio
(CAR) merupakan salah satu indikator kesehatan permodalan bank. Penilaian
UNIVERSITAS SUMATERA UTARA
permodalan merupakan penilaian terhadap kecukupan modal bank untuk
mengcover eksposur risiko saat ini dan mengantisipasi eksposur risiko dimasa
mendatang. CAR adalah rasio kinerja bank untuk mengukur kecukupan modal
yang dimiliki bank dalam menunjang aktiva yang mengandung atau menghasilkan
risiko, misalnya kredit yang diberikan. CAR memperlihatkan seberapa besar
jumlah seluruh aktiva bank yang mengandung resiko. Perhitungan CAR
diperoleh dari perbandingan modal sendiri dengan aktiva tertimbang menurut
risiko (ATMR) yang dihitung bank bersangkutan. Semakin besar persentase CAR
suatu bank menunjukkan semakin besar daya tahan suatu bank dalam menghadapi
penyusutan nilai harta bank yang timbul karena adanya harta yang bermasalah.
Berdasarkan ketentuan Bank Indonesia, bank yang dinyatakan termasuk sebagai bank
sehat harus memiliki CAR paling sedikit sebesar 8%. Pada penelitian sebelumnya
Almilia dan Herdiningtyas (2005) yang menyatakan bahwa CAR berpengaruh negatif
signifikan terhadap prediksi kondisi bermasalah pada sektor perbankan.
Indikator lain yang digunakan adalah salah satu rasio dalam mengukur
risiko usaha yaitu Non Performing Loan (NPL). Risiko usaha sering disebut
dengan kualitas aktiva produktif. Menurut Riyadi (2006), risiko kredit yaitu risiko
yang timbul apabila peminjam tidak dapat mengembalikan dana yang dipinjam
dan bunga yang harus dibayarnya. Kualitas kredit ditentukan oleh
kolektibilitasnya, yaitu lancar tidaknya pembayaran bunga dan pokok pinjaman
serta kemampuan debitur yang ditinjau dari keadaan usahanya. Besarnya NPL
yang diperbolehkan oleh bank Indonesia saat ini adalah maksimal 5%. Apabila
nilai NPL melebihi 5% maka perusahaan dinyatakan dalam kondisi bermasalah.
UNIVERSITAS SUMATERA UTARA
Menurut Kuncoro dan Suhardjono (2001), kredit bermasalah akan menyebabkan
menurunnya pendapatan bank, yang selanjutnya memungkinkan terjadinya penurunan
laba. Almilia dan Herdiningtyas (2005) menyatakan bahwa semakin buruk kualitas
kredit bank yang menyebabkan jumlah kredit bermasalah semakin besar maka
kemungkinan suatu bank dalam kondisi bermasalah semakin besar.
Indikator lain yang digunakan adalah Net Interest Margin (NIM) yaitu
untuk mengukur kemampuan earning asset/aktiva produktif atas hasil
pendapatannya (net interest income/NII) (Sawir dalam Suharman, 2007). Earning
asset terdiri dari surat-surat berharga, surat-surat berjangka, pinjaman, penyertaan
dan aktiva valuta asing. NIM merupakan perbandingan antara pendapatan bunga
bersih terhadap rata-rata aktiva produktif. Pendapatan bunga bersih diperoleh dari
pendapatan bunga dikurangi beban bunga. Aktiva produktif yang diperhitungkan
adalah aktiva produktif yang menghasilkan bunga (interest bearing assets)
(Prasnanugraha, 2007). Berdasarkan ketentuan Bank Indonesia, bank yang
dinyatakan termasuk sebagai bank yang sehat harus memiliki NIM paling sedikit
sebesar 1,5%. Almilia dan Hardiningtyas (2005) mengatakan bahwa semakin
besar rasio ini maka meningkatnya pendapatan bunga atas aktiva produktif yang
dikelola bank sehingga kemungkinan suatu bank dalam kondisi bermasalah
semakin kecil. Pada penelitian Januarti (2002) menyatakan NIM berpengaruh
signifikan terhadap kondisi bermasalah.
Rasio Return On Assets (ROA) yaitu Rasio ini merupakan salah satu dari
rasio yang digunakan untuk menilai aspek earning. Rasio ini digunakan untuk
mengukur kemampuan manajemen bank dalam memperoleh keuntungan (laba
UNIVERSITAS SUMATERA UTARA
sebelum pajak) yang dihasilkan dari rata-rata total aset bank yang bersangkutan
(Almilia dan Herdiningtyas, 2005). Bank dikatakan sehat jika rasio laba terhadap
volume usaha mencapai sekurang-kurangnya 1,2%. (Kuncoro dan Suhardjono,
2002). Riyadi dalam Mulyaningrum (2008) menyatakan semakin besar ROA,
semakin besar pula tingkat keuntungan yang dicapai bank sehingga kemungkinan
suatu bank dalam kondisi bermasalah semakin kecil.
Indikator lain yang digunakan adalah rasio Biaya Operasional terhadap
Pendapatan Operasional (BOPO) yaitu rasio yang sering disebut rasio efisiensi ini
digunakan untuk mengukur kemampuan manajemen bank dalam mengendalikan
biaya operasional terhadap pendapatan operasional (Almilia dan Herdiningtyas,
2005). Rasio BOPO yang ditolerir oleh Bank Indonesia adalah 96%, dan lebih
dari 96% dianggap bank tidak sehat dan tidak efisien dalam menjalankan
operasionalnya. Menurut Berger, et al (Kuncoro dan Suhardjono, 2002), bank
yang dalam kegiatan usahanya tidak efisien akan mengakibatkan ketidakmampuan
bersaing dalam mengerahkan dana masyarakat maupun dalam menyalurkan dana
tersebut kepada masyarakat yang membutuhkan sebagai modal usaha. Dengan
adanya efisiensi pada lembaga perbankan terutama efisiensi biaya maka akan
diperoleh tingkat keuntungan optimal, penambahan jumlah dana yang disalurkan,
biaya lebih kompetitif, peningkatan pelayanan kepada nasabah, keamanan dan
kesehatan perbankan yang meningkat. Riyadi dalam Mulyaningrum (2008)
menyatakan bahwa semakin rendah rasio BOPO berarti semakin baik kinerja
manajemen bank tersebut, karena lebih efisien dalam menggunakan sumber daya
yang ada di perusahaan.
UNIVERSITAS SUMATERA UTARA
Loan to Deposit Ratio (LDR) merupakan Salah satu rasio keuangan
untuk mengukur likuiditas. Rasio ini digunakan untuk menilai likuiditas suatu
bank yang dengan cara membagi jumlah kredit yang diberikan oleh bank
terhadap dana pihak ketiga. Kredit yang diberikan tidak termasuk kredit
kepada bank lain sedangkan untuk dana pihak ketiga adalah giro, tabungan,
simpanan berjangka, sertifikat ditentukan oleh Bank Indonesia besar LDR
maksimal adalah 100%, dan lebih dari 100% dianggap bank tidak sehat.
Santoso (1996) mengatakan bahwa semakin tinggi rasio LDR maka semakin
tinggi probabilitas dari sebuah bank mengalami kebangkrutan.
Berikut ini adalah perkembangan rasio Capital Adequacy Ratio (CAR),
Non Performing Loan (NPL), Net Interest Margin (NIM), Return On Asset
(ROA), Biaya Operasional terhadap Pendapatan Operasional (BOPO), Loan to
Deposite Ratio (LDR) pada perbankan yang terdaftar di Bursa Efek Indonesia.
Tabel 1.1 Perkembangan CAR, NPL, NIM, ROA, BOPO dan LDR pada Perbankan
yang terdaftar di Bursa Efek Indonesia
BANK TAHUN CAR (%) NPL (%) NIM (%) ROA (%) BOPO (%) LDR (%)
INPC
2014 0.1595 0.0192 0.0475 0.0079 0.9162 0.8762
2015 0.1520 0.0233 0.0456 0.0033 0.9666 0.8075
2016 0.1992 0.0277 0.0465 0.0035 0.9617 0.8639
MCOR
2014 0.2515 0.0271 0.0376 0.0079 0.9319 0.8403
2015 0.2150 0.0198 0.0444 0.0103 0.9070 0.8682
2016 0.2104 0.0303 0.0448 0.0069 0.9347 0.8643
SDRA
2014 0.2171 0.0251 0.0189 0.0281 0.5604 1.0120
2015 0.1882 0.0198 0.0474 0.0194 0.7989 0.9722
2016 0.1720 0.0153 0.0474 0.0193 0.7925 1.1045
Sumber: www.idx (Data Diolah)
Berdasarkan data pada Tabel 1.1 dapat dilihat rasio Capital Adequacy
UNIVERSITAS SUMATERA UTARA
Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin (NIM), Return
On Asset (ROA), Biaya Operasional terhadap Pendapatan Operasional (BOPO),
Loan to Deposite Ratio (LDR) pada perbankan yang terdaftar di Bursa Efek
Indonesia dengan kode emiten INPC yaitu Bank Artha Graha International Tbk,
MCOR yaitu China Construction Bank Indonesia Tbk, dan SDRA yaitu Bank
Woori Saudara Tbk. Dapat dilihat pada perbankan dengan kode emiten INPC
pada tahun 2014-2015 CAR mengalami penurunan sebesar 0.0075 atau 0.75%
dan pada tahun 2015-2016 mengalami peningkatan sebesar 0.0472 atau 4,72%.
Sedangkan untuk NPL yang dimiliki perbankan INPC pada tahun 2014-2015
mengalami peningkatan sebesar 0.0041 atau 0.41% dan pada tahun 2015-2016
mengalami peningkatan kembali sebesar 0.0044 atau 0.44%. Sedangkan untuk
NIM pada tahun 2014-2015 mengalami penurunan sebesar 0.0019 atau 0.19% dan
pada tahun 2015-2016 mengalami peningkatan sebesar 0.0009 atau 0.09%.
Sedangkan ROA pada tahun 2014-2015 mengalami penurunan sebesar 0.0046
atau 0.46% dan pada tahun 2015-2016 mengalami peningkatan sebesar 0. 0002
atau 0.02%. Sedangkan BOPO pada tahun 2014-2015 mengalami peningkatan
sebesar 0.0504 atau 5.04% dan pada tahun 2015-2016 mengalami penurunan
sebesar 0.0049.Sedangkan untuk LDR pada tahun 2014-2015 mengalami
penurunan sebesar 0.0687 atau 6.87% dan pada tahun 2015-2016 mengalami
peningkatan sebesar 0.0564 atau 5.64%.
Pada perbankan MCOR pada tahun 2014-2015 CAR mengalami
penurunan sebesar 0.0365 atau 3,65% dan pada tahun 2015-2016 mengalami
penurunan lagi sebesar 0.0046 atau 0.46%. Sedangkan untuk NPL yang dimiliki
UNIVERSITAS SUMATERA UTARA
perbankan MCOR pada tahun 2014-2015 mengalami penurunan sebesar 0.0073
atau 0.73% dan pada tahun 2015-2016 mengalami peningkatan sebesar 0.0105
atau 1.05%. Sedangkan NIM pada tahun 2014-2015 mengalami peningkatan
sebesar 0.0068 atau 0.68% dan pada tahun 2015-2016 mengalami peningkatan
lagi sebesar 0.0004 atau 0.04%. Sedangkan ROA pada tahun 2014-2015
mengalami peningkatan sebesar 0.0024 atau 0.24% dan pada tahun 2015-2016
mengalami penurunan sebesar 0.0034 atau 0.34%. Sedangkan BOPO pada tahun
2014-2015 mengalami penurunan sebesar 0.0249 atau 2.49% dan pada tahun
2015-2016 mengalami peningkatan sebesar 0.0277 atau 2.77%. Sedangkan untuk
LDR pada tahun 2014-2015 mengalami peningkatan sebesar 0.0279 atau 2.79%
dan pada tahun 2015-2016 mengalami penurunan sebesar 0.0039 atau 0.39%.
Pada perbankan SDRA pada tahun 2014-2015 CAR mengalami penurunan
sebesar 0.0289 atau 2.89% dan pada tahun 2015-2016 mengalami penurunan lagi
sebesar 0.0162 atau 1.62%. Sedangkan untuk NPL yang dimiliki perbankan
SDRA pada tahun 2014-2015 mengalami penurunan sebesar 0.0053 atau 0.53%
dan pada tahun 2015-2016 mengalami penurunan kembali sebesar 0.0045 atau
0.45%. Sedangkan NIM pada tahun 2014-2015 mengalami peningkatan sebesar
0.0285 atau 2.85% dan pada tahun 2015-2016 tidak mengalami peningkatan
maupun penurunan. Sedangkan ROA pada tahun 2014-2015 mengalami
penurunan sebesar 0.0087 atau 0.87% dan pada tahun 2015-2016 mengalami
penurunan kembali sebesar 0.0001 atau 0.01%. Sedangkan BOPO pada tahun
2014-2015 mengalami peningkatan sebesar 0.2385 atau 23.85% dan pada tahun
2015-2016 mengalami penurunan sebesar 0.0064 atau 0.64%. Sedangkan untuk
UNIVERSITAS SUMATERA UTARA
LDR pada tahun 2014-2015 mengalami penurunan sebesar 0.0398 atau 3.98%
dan pada tahun 2015-2016 mengalami peningkatan sebesar 0.1323 atau 13.23%.
Berdasarkan data pada Tabel 1.1 dapat dilihat bahwa perbankan yang
terdaftar di Bursa Efek Indonesia memiliki kinerja keuangan yang berupa Capital
Adequacy Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin (NIM),
Return On Asset (ROA), Biaya Operasional terhadap Pendapatan Operasional
(BOPO), Loan to Deposite Ratio (LDR) yang tidak stabil dibeberapa perbankan
bahkan cenderung mengalami penurunan yang berkelanjutan. Kondisi keuangan ini
tentu merupakan cerminan untuk mengetahui kelancaran keuangan perusahaan.
Berdasarkan pemaparan tersebut, penulis ingin mengetahui bagaimana peran
rasio keuangan perbankan dalam memprediksi kondisi bermasalah pada lembaga
perbankan periode Januari 2014–Desember 2016. Penelitian ini terfokus untuk
memprediksi kondisi bermasalah pada lembaga perbankan, sehingga penulis tertarik
untuk melakukan penelitian yang berjudul “Analisis Kinerja Keuangan Dalam
Memprediksi Kondisi Financial Distress Pada Perbankan Yang Terdaftar Di
Bursa Efek Indonesia (BEI).”
1.2 Perumusan Masalah
Berdasarkan latar belakang masalah, maka perumusan masalah dalam
penelitian ini adalah:
1. Apakah CAR berpengaruh terhadap Financial Distress di BEI?
2. Apakah NPL berpengaruh terhadap Financial Distress di BEI?
3. Apakah NIM berpengaruh terhadap Financial Distress di BEI?
4. Apakah ROA berpengaruh terhadap Financial Distress di BEI?
UNIVERSITAS SUMATERA UTARA
5. Apakah BOPO berpengaruh terhadap Financial Distress di BEI?
6. Apakah LDR berpengaruh terhadap Financial Distress di BEI?
1.3 Tujuan Penelitian
Sehubungan dengan perumusan masalah tersebut, penelitian ini
bertujuan untuk:
1. Mengetahui dan menganalisi pengaruh CAR terhadap Financial Distress
pada perbankan yang terdaftar di BEI.
2. Mengetahui dan menganalisi pengaruh NPL terhadap Financial Distress pada
perbankan yang terdaftar di BEI.
3. Mengetahui dan menganalisi pengaruh NIM terhadap Financial Distress pada
perbankan yang terdaftar di BEI.
4. Mengetahui dan menganalisi pengaruh ROA terhadap Financial Distress
pada perbankan yang terdaftar di BEI.
5. Mengetahui dan menganalisi pengaruh BOPO terhadap Financial Distress
pada perbankan yang terdaftar di BEI.
6. Mengetahui dan menganalisi pengaruh LDR terhadap Financial Distress pada
perbankan yang terdaftar di BEI.
1.4 Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah sebagai berikut:
1. Bagi Peneliti
Untuk mengetahui secara jelas mengenai hal-hal apa saja yang mempengaruhi
kondisi bermasalah bank dan dapat membandingkan antara teori-teori yang
UNIVERSITAS SUMATERA UTARA
diperoleh pada waktu perkuliahan dengan praktek langsung dalam perusahaan.
2. Bagi Dunia Ilmu Pengetahuan
Penelitian ini diharapkan dapat memberikan sumbangan pikiran sebagai bahan
pertimbangan bagi pihak lain yang membutuhkan informasi terutama yang
berkaitan dengan kondisi bermasalah pada bank
4. Bagi Investor
Penelitian ini dapat menjadi salah satu bahan pertimbangan investor dalam
memilih bank untuk diberikan dana investasi, dengan melihat aspek-aspek yang
dapat menunjukkan apakah bank memiliki kemungkinan mengalami financial
distress, sehingga investor terhindar untuk memilih bank yang memiliki
kemungkinan mengalami financial distress.
4. Bagi Perbankan
Untuk memberikan sumbangan pikiran berupa bahasan dan saran-saran dari
penulis kepada bank-bank mengenai prediksi kondisi bermasalah pada bank.
5. Bagi Nasabah
Penelitian ini dapat menjadi salah satu bahan pertimbangan dalam memilih bank
sebagai tempat penyimpanan uang. Nasabah dapat terhindar dari pemilihan bank
yang memiliki kemungkinan mengalami financial distress.
UNIVERSITAS SUMATERA UTARA
BAB II
TINJAUAN PUSTAKA
2.1 Bank
Menurut Undang-Undang No. 10 tahun 1998 tentang perbankan, “Bank
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.”
Ikatan Akuntan Indonesia dalam Standar Akuntansi Keuangan No. 31 (2007)
menyatakan bahwa : Bank adalah badan usaha yang menghimpun dana dari
masyarakat dalam bentuk kredit dan atau bentuk lainnya dalam rangka
meningkatkan taraf hidup rakyat banyak. Berdasarkan beberapa uraian dari
definisi bank dapat diambil kesimpulan bahwa bank adalah suatu badan hukum
yang kegiatannya menghimpun dana masyarakat dan menyalurkannya kepada
masyarakat yang membutuhkan dana.
Menurut Budisantoso dan Nuritomo (2014 : 9) fungsi utama bank adalah
menghimpun dana dari masyarakat dan menyalurkannya kembali kepada
masyarakat untuk berbagai tujuan atau sebagai financial intermediary. Secara
spesifik bank dapat berfungsi sebagai :
1. Agent of trust
Dasar utama kegiatan perbankan adalah kepercayaan. Masyarakat akan mau
menitipkan dananya di bank karena adanya kepercayaan. Pihak bank juga akan
menyalurkan dananya kepada debitur karena adanya unsur kepercayaan.
2. Agent of development
UNIVERSITAS SUMATERA UTARA
Kegiatan bank yang berupa menghimpun dan menyalurkan dana memungkinkan
masyarakat melakukan kegiatan investasi, kegiatan distribusi, serta kegiatan
konsumsi barang dan jasa. Kelancaran kegiatan investasi-distribusi-konsumsi
adalah kegiatan pembangunan perekonomian suatu masyarakat.
3. Agent of services
Bank memberikan penawaran jasa perbankan lain, seperti jasa pengiriman uang,
penitipan barang berharga, pemberian jaminan bank dan penyelesaian tagihan.
Menurut Budisantoso dan Nuritomo (2014 : 11-12) peran bank adalah
sebagai berikut :
1. Pengalihan aset (asset transmutation)
Bank akan memberikan pinjaman kepada pihak yang membutuhkan dana
dalam jangka waktu tertentu yang telah disepakati. Sumber dana pinjaman
tersebut diperoleh dari pemilik dana yaitu unit surplus yang jangka waktunya
dapat diatur sesuai dengan pemilik dana. Dalam hal ini bank telah berperan
sebagai pengalih aset yang likuid dari unit surplus (lenders) kepada unit
defisit (borrowers).
2. Transaksi (Transaction)
Bank memberikan berbagai kemudahan kepada pelaku ekonomi untuk
melakukan transaksi barang dan jasa dengan mengeluarkan produk-produk
yang dapat memudahkan kegiatan transaksi diantaranya giro, deposito, saham
dan sebagainya.
3. Likuiditas (Liquidity)
Unit surplus dapat menempatkan dana yang dimilikinya dalam bentuk
UNIVERSITAS SUMATERA UTARA
produk-produk berupa giro, tabungan, deposito dan sebagainya. Untuk
kepentingan likuiditas para pemilik dana dapat menempatkan dananya sesuai
dengan kebutuhan dan kepentingannya karena produk-produk tersebut
mempunyai tingkat likuiditas yang berbeda-beda.
4. Efisiensi (Efficiency)
Adanya informasi yang tidak simetris antara peminjam dan investor
menimbulkan masalah insentif, sehingga menimbulkan ketidakefisienan dan
menambah biaya. Dengan adanya bank sebagai broker maka masalah tersebut
dapat teratasi.
2.2 Kinerja Keuangan
Kinerja keuangan adalah suatu analisis yang digunakan untuk melihat
sejauh mana suatu mana perusahaan telah melaksanakan aturan-aturan pelaksanaan
keuangan secara baik dan benar (Fahmi, 2011). Kinerja keuangan suatu perusahaan
dapat diukur menggunakan rasio-rasio keuangan yang terdapat pada laporan
keuangan perusahaan. Rasio keuangan merupakan kegiatan membandingkan angka-
angka yang ada dalam laporan keuangan dengan cara membagi satu angka dengan
angka lainnya. Hasil dari rasio keuangan inilah yang digunakan untuk menilai
kinerja manajemen dalam suatu periode apakah mencapai target seperti yang telah
ditetapkan atau tidak. Selain itu juga untuk menilai kemampuan manajemen dalam
memberdayakan sumber daya perusahaan secara efektif dan efisien. Dari kinerja
yang dihasilkan ini juga dapat dijadikan sebagai evaluasi hal-hal apa saja yang perlu
dilakukan ke depan agar kinerja manajemen dapat ditingkatkan dan dipertahankan
sesuai dengan target perusahaan (Kasmir, 2010).
UNIVERSITAS SUMATERA UTARA
2.3 Rasio Keuangan
Menurut Usman (2003), analisis kinerja keuangan adalah suatu kegiatan
yang dilakukan untuk memperoleh gambaran perkembangan finansial dan posisi
finansial perusahaan. Analisis kinerja keuangan biasanya didasarkan pada laporan
keuangan terbitan perusahaan dan informasi ekonomi lainnya tentang perusahaan
dan industrinya yang bersumber pada laporan tahunan. Menurut Winarto (2006),
financial distress atau kondisi bermasalah dapat diperkirakan dengan melihat hasil
perhitungan rasio-rasio keuangan dari laporan kinerja keuangan. Analisis rasio
keuangan berguna sebagai analisis intern bagi manajemen perusahaan untuk
mengetahui hasil finansial yang telah dicapai guna perencanaan yang akan datang
dan juga untuk analisis intern bagi kreditor dan investor untuk menentukan
kebijakan pemberian kredit dan penanaman modal suatu perusahaan.
Analisis rasio keuangan menunjukkan hubungan di antara pos-pos yang
terpilih dari data laporan keuangan. Rasio memperlihatkan hubungan matematis di
antara satu kuantitas dengan kuantitas lainnya. Hubungan ini dinyatakan dalam
presentase, tingkat, maupun proporsi tunggal (Gamayuni, 2006). Rasio-rasio
keuangan memberikan indikasi tentang kekuatan keuangan dari suatu perusahaan
(Winarto, 2006). Penelitian ini menggunakan rasio keuangan yang diproksikan
dalam CAMEL, yang terdiri dari:
2.3.1 Capital Adequacy Ratio (CAR)
CAR adalah rasio yang memperlihatkan seberapa jauh seluruh aktiva bank
yang mengandung resiko (kredit, penyertaan, surat berharga, tagihan pada bank
lain) ikut dibiayai dari dana modal sendiri bank di samping memperoleh dana dari
UNIVERSITAS SUMATERA UTARA
sumber-sumber di luar bank, seperti dana masyarakat, pinjaman (utang), dan lain-
lain. CAR merupakan indikator terhadap kemampuan bank untuk menutupi
penurunan aktivanya sebagai akibat dari kerugian-kerugian bank yang disebabkan
oleh aktiva yang berisiko (Dendawijaya, 2009). Dengan penetapan CAR pada
tingkat tertentu dimaksudkan agar bank memiliki kemampuan modal yang cukup
untuk meredam kemungkinan timbulnya resiko sebagai akibat berkembang atau
meningkatnya ekspansi aset terutama aktiva yang dikategorikan dapat
memberikan hasil dan sekaligus mengandung resiko (Werdaningtyas, 2002).
Rasio ini dapat dirumuskan sebagai berikut:
CAR =Modal
Aktiva tertimbang menurut risiko× 100%
Kriteria penilaian tingkat kesehatan rasio CAR (Capital Adequacy Ratio)
dapat dilihat pada tabel dibawah ini.
Tabel. 2.1 Kriteria Penilaian CAR
Rasio Predikat
CAR ≥ 12% Sangat Sehat
9% ≤ CAR ≤ 12% Sehat
8% ≤ CAR ≤ 9% Cukup Sehat
6% ≤ CAR ≤ 8% Kurang Sehat
CAR ≤ 6% Tidak Sehat
Sumber : Bank Indonesia
Berdasarkan tabel di atas, dapat dilihat bahwa bank dapat dikatakan sehat
apabila memiliki nilai CAR minimal 8%, sedangkan untuk bank yang dikatakan
tidak sehat apabila CAR bank tersebut kurang dari 8%.
UNIVERSITAS SUMATERA UTARA
2.3.2 Non Performing Loan (NPL)
Rasio ini menunjukkan bahwa kemampuan manajemen bank dalam
mengelola kredit bermasalah yang diberikan oleh bank. Kredit dalam hal ini
adalah kredit yang diberikan kepada pihak ketiga tidak termasuk kredit kepada
bank lain. Kredit bermasalah adalah kredit dengan kualitas kurang lancar,
diragukan dan macet (Almilia dan Herdiningtyas, 2005). Semakin tinggi NPL,
maka akan semakin buruk kualitas kredit bank. Hal tersebut menyebabkan jumlah
kredit bermasalah bank semakin meningkat sehingga kemungkinan bank
mengalami financial distress semakin besar.
Rasio ini dirumuskan sebagai berikut:
NPL =Kredit Bermasalah
Total Kredit× 100%
Kriteria penilaian tingkat kesehatan rasio NPL (Non Performing Loan)
dapat dilihat pada tabel dibawah ini.
Tabel. 2.2 Kriteria Penilaian NPL
Rasio Predikat
NPL ≤ 2% Sangat Sehat
2% ≤ NPL ≤ 3% Sehat
3% ≤ NPL ≤ 6% Cukup Sehat
6% ≤ NPL ≤ 9% Kurang Sehat
NPL ≥ 9% Tidak Sehat
Sumber : Bank Indonesia
Berdasarkan tabel di atas, dapat diketahui bahwa suatu bank dikatakan sehat
apabila memiliki nilai NPL sebesar kurang dari 6% dan apabila NPL bank memiliki
NPL melebihi 6% maka bank tersebut dikategorikan sebagai bank tidak sehat.
UNIVERSITAS SUMATERA UTARA
2.3.3 Net Interest Margin (NIM)
NIM merupakan rasio yang digunakan untuk mengukur kemampuan
manajemn perusahaan untuk mengelola aktiva produktifnya untuk menghasilkan
pendapatan bunga bersih. Perhitungan NIM diperoleh dari perbandingan
pendapatan bunga bersih dengan aktiva produktif. Pendapatan bunga bersih
diperoleh dari pendapatan bunga dikurangi beban bunga dan pendapatan bunga
bersih disetahunkan. Aktiva produktif yang diperhitungkan adalah aktiva
produktif yang menghasilkan bunga.
Rasio ini dirumuskan sebagai berikut:
NIM =Pendapatan Bunga Bersih
Aktiva Produktif× 100%
Kriteria penilaian tingkat kesehatan rasio NIM (Net Interest Margin) dapat
dilihat pada tabel dibawah ini.
Tabel. 2.3 Kriteria Penilaian NIM
Rasio Predikat
NIM ≥ 2% Sangat Sehat
2% ≤ NIM ≤ 1,2% Sehat
1,2% ≤ NIM ≤ 1,0% Cukup Sehat
1,0% ≤ NIM ≤ 0,75% Kurang Sehat
NIM ≤ 0,75% Tidak Sehat
Sumber : Bank Indonesia
2.3.4 Return on Assets (ROA)
Rasio ini digunakan untuk mengukur kemampuan manjemen bank dalam
memperoleh keuntungan (laba) secara keseluruhan. Semakin besar ROA suatu
bank, semakin besar pula tingkat keuntungan yang dicapai bank tersebut dan
semakin baik pula posisi bank tersebut dari segi penggunaan aset. Dengan
UNIVERSITAS SUMATERA UTARA
demikian semakin tinggi aset bank dialokasikan pada pinjaman dan semakin
rendah rasio permodalan, maka kemungkinan bank untuk gagal akan semakin
meningkat. Sedangkan semakin tinggi ROA maka kemungkinan bank akan gagal
akan semakin kecil (Haryati, 2001).
Rasio ini dirumuskan sebagai berikut:
ROA =Laba sebelum pajak
Rata − rata total aset× 100%
Kriteria penilaian tingkat kesehatan rasio ROA (Return on Assets) dapat
dilihat pada tabel dibawah ini.
Tabel. 2.4 Kriteria Penilaian ROA
Rasio Predikat
ROA ≥ 1,5% Sangat Sehat
1,25% ≤ ROA ≤ 1,5% Sehat
0,5% ≤ ROA ≤ 1,25% Cukup Sehat
0% ≤ ROA ≤ 0,5% Kurang Sehat
ROA ≤ 0% Tidak Sehat
Sumber : Bank Indonesia
Tabel di atas menunjukkan bahwa bank dikatakan sehat apabila ROA
lebih dari 0,5%. Sebaliknya, apabila maksimal 0,5%, maka bank tersebut
dinyatakan tidak sehat.
2.3.5 Biaya Operasional terhadap Pendapatan Operasional (BOPO)
Rasio biaya operasional digunakan untuk mengukur tingkat efisiensi dan
kemampuan bank dalam melakukan kegiatan operasinya. Mengingat kegiatan
utama bank pada prinsipnya adalah bertindak sebagai perantara, yaitu
menghimpun dan menyalurkan dana (misalnya dana masyarakat), maka biaya dan
pendapatan operasional bank didominasi oleh biaya bunga dan hasil bunga
UNIVERSITAS SUMATERA UTARA
(Dendawijaya, 2009). Menurut Siamat (1993), tingkat BOPO yang menurun
menunjukkan semakin tingi efisiensi operasional yang dicapai bank. Hal ini
berarti semakin efisien aktiva bank dalam menghasilkan keuntungan.
Rumus BOPO adalah:
BOPO =Biaya operasional
Pendapatan operasional× 100%
Kriteria penilaian tingkat kesehatan rasio BOPO (biaya operasional
terhadap pendapatan operasional) dapat dilihat pada tabel dibawah ini.
Tabel. 2.5 Kriteria Penilaian BOPO
Rasio Predikat
BOPO ≤ 94% Sangat Sehat
94% ≤ BOPO ≤ 95% Sehat
95% ≤ BOPO ≤ 96% Cukup Sehat
96% ≤ BOPO ≤ 97% Kurang Sehat
BOPO ≥ 97% Tidak Sehat
Sumber : Bank Indonesia
Berdasarkan tabel di atas, jika BOPO kurang dari 95%, maka bank
dikatakan sebagai bank sehat. Sedangkan apabila BOPO lebih dari 95%, bank
tersebut dinyatakan sebagai bank tidak sehat.
2.3.6 Loan to Deposit Ratio (LDR)
LDR adalah rasio antara seluruh jumlah kredit yang diberikan bank
dengan dana yang diterima oleh bank. Loan to deposit ratio menyatakan seberapa
jauh kemampuan bank dalam membayar kembali penarikan dana yang dilakukan
deposan dengan mengandalkan kredit yang diberikan sebagai sumber
likuiditasnya. Dengan kata lain, seberapa jauh pemberian kredit kepada nasabah
kredit dapat mengimbangi kewajiban bank untuk segera memenuhi permintaan
UNIVERSITAS SUMATERA UTARA
deposan yang ingin menarik kembali uangnya yang telah digunakan oleh bank
untuk memberikan kredit. Semakin tinggi rasio tersebut memberikan indikasi
semakin rendahnya kemampuan likuiditas bank yang bersangkutan. Hal ini
disebabkan karena jumlah dana yang diperlukan untuk membiayai kredit menjadi
semakin besar (Dendawijaya, 2009).
LDR dapat dirumuskan sebagai berikut:
LDR =Kredit
Dana pihak ketiga× 100%
Kriteria penilaian tingkat kesehatan rasio ROA (Return on Assets) dapat
dilihat pada tabel dibawah ini.
Tabel. 2.6 Kriteria Penilaian LDR
Rasio Predikat
LDR ≤ 75% Sangat Sehat
75% ≤ LDR ≤ 85% Sehat
85% ≤ LDR ≤ 100% Cukup Sehat
100% ≤ LDR ≤ 120% Kurang Sehat
LDR ≥ 120% Tidak Sehat
Sumber : Bank Indonesia
Tabel 2.6 memperlihatkan bahwa bank dianggap sehat apabila LDR nya
kurang dari 85%. Apabila melebihi 85%, maka bank tersebut termasuk bank
tidak sehat.
2.4 Financial Distress
Financial distress adalah tahap kondisi keuangan yang terjadi sebelum
kebangkrutan ataupun likuidasi (Luciana, 2006:1). Menurut Endri (2009:37)
mengumpamakan kondisi financial distress sebagai suatu kondisi dari perusahaan
yang mengalami laba bersih (net profit) negatif selama beberapa tahun.
UNIVERSITAS SUMATERA UTARA
Sementara itu, penelitian yang dilakukan oleh Luciana (2006) mendefinisikan
kondisi financial distress sebagai suatu kondisi dimana perusahaan mengalami
delisted akibat laba bersih dan nilai buku ekuitas negatif berturut-turut serta
perusahaan tersebut telah di merger.
Sementara penelitian Endri (2009:37), mengkategorikan kondisi financial distress
berdasarkan kriteria debt default, yaitu terjadinya kegagalan membayar utang atau
terdapat indikasi kegagalan membayar utang (debt default) dengan melakukan
negosiasi ulang dengan kreditur atau institusi keuangan lainnya, dimana informasi
mengenai debt default dan indikasi debt default diambil dari informasi Wall Street
Journal Index (WSJI).
Menurut Ross dan Westerfield (2007) dalam Andree Boy (2008:30)
mendefinisikan bahwa
financial distress is a situation where a firm’s operating cash flow are not sufficient to satisfy current obligation (such a trade credit or interest expenses) and the firm is forced to take corrective action. Financial distress may lead a firm to default on a contract, and it may involve financial restructuring between a firm, its creditors and its equity investors. Usually the firm is forced to take actions that it would not have taken if it had sufficient cash flow.
Kondisi financial distress adalah suatu situasi dimana cash flow operasi
perusahaan tidak mampu menutupi atau mencukupi kewajiban perusahaan saat
ini, seperti Letter of Credit (L/C) atau biaya bunga, sehingga perusahaan dipaksa
untuk melakukan suatu tindakan korektif. Financial Distress dapat membawa
suatu perusahaan mengalami default pada kontraknya, yang akhirnya harus
dilakukan restrukturiasi financial pada perusahaan, kreditur-kreditur dan investor-
investor modal (equity investors) perusahaan tersebut.
UNIVERSITAS SUMATERA UTARA
Jika suatu perusahaan mengalami masalah dalam likuiditas maka sangat
memungkinkan perusahaan tersebut mulai memasuki masalah kesulitan keuangan
(financial distress) dan jika kondisi kesulitan tersebut tidak cepat diatasi maka ini
bisa berakibat kebangkrutan usaha (Bankruptcy). Untuk menghindari
kebangkrutan ini dibutuhkan berbagai kebijakan, strategi dan bantuan, baik
bantuan dari pihak internal maupun eksternal. Contohnya Bantuan Likuiditas
Bank Indonesia (BLBI) yang diberikan kepada beberapa bisnis yang dianggap
layak (feasible) untuk menerimanya. Walaupun beberapa bentuk BLBI dianggap
memiliki sisi permasalahannya seperti kasus pemberian BLBI kepada Bank
Century (Fahmi, 2013:157).
Financial distress merupakan suatu situasi dimana aliran kas operasi
sebuah perusahaan tidak cukup memuaskan kewajiban-kewajiban yang sekarang
(seperti perdagangan kredit atau pengeluaran bunga) dan perusahaan dipaksa
untuk melakukan tindakan korektif (Sjahrial, 2007:453).
2.5 Prediksi Financial Distress
Prediksi kesulitan keuangan maupun kebangkrutan dalam penelitian ini
dilakukan dengan menggunakan analisis multivariate, yaitu penggunaan dua variabel
atau lebih secara bersama-sama ke dalam suatu persamaan. Dalam hal ini, peneliti
menggunakan variabel yang dipakai oleh Altman (1968) yang dianggap paling
mampu dalam memprediksi kebangkrutan.
2.6 Rasio Keuangan Model Altman (1968)
Penelitian ini menggunakan metode analisis multivariate dalam pengolahan
UNIVERSITAS SUMATERA UTARA
datanya. Sampel yang digunakan dalam penelitian ini mencakup 66 perusahaan yang
sehat dan tidak sehat dalam kurun waktu 1954 sampai 1964. Perusahaan-perusahaan
tersebut dibagi menjadi beberapa kelompok yang masing-masing terdiri dari 33
perusahaan. Salah satunya merupakan kelompok perusahaan yang telah dinyatakan
bangkrut oleh Chapter X of National Bankruptcy Act pada periode 1949 sampai
dengan 1965. Pengolahan data penelitian ini dilakukan dengan menggunakan
multivariate discriminant analysis (MDA). Dari penelitian ini didapat suatu
persamaan yang dapat digunakan untuk mengukur kemungkinan kegagalan suatu
perusahaan. Angka index ini dikenal dengan istilah Altman Z-Score, formulanya
dapat dituliskan sebagai berikut:
Z = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X4 + 0,999 X5
Dimana : 1. Z = Z-Score Index
2. X1
3. X
= Working Capital to Total Asset (WC/TA)
2
4. X
= Retained Earnings to Total Assets (RE/TA)
3
5. X
= Earnings Before Interest and Tax to Total Assets (EBIT/TA)
4
6. X
= Market Value of Equity to Book Value of Debt (MVE/BVD)
5
Altman membagi perusahaan berdasarkan nilai dari Z-Score masing-masing
perusahaan menjadi 3 kategori yakni :
= Sales to Total Assets (S/TA)
1. Jika Z > 2,67 maka perusahaan dikategorikan sebagai perusahaan yang
sehat dan memiliki kemungkinan bangkrut yang rendah.
2. Jika 1,81 > Z > 2,67 maka perusahaan memiliki kemungkinan bangkrut
yang cukup besar.
UNIVERSITAS SUMATERA UTARA
3. Jika Z < 1,81 maka dikategorikan sebagai perusahaan yang tidak sehat dan
mengalami masalah keuangan yang besar dan risiko bangkrut dari
perusahaan sangat besar.
2.7 Penelitian Terdahulu
Pada tabel 2.1 disajikan penelitian-penelitian sebelumnya yang membahas
tentang analisis kinerja keuangan dalam memprediksi financial distress pada
perbankan, sebagai berikut:
Tabel 2.7 Ringkasan Penelitian Terdahulu
No
Judul/Peneliti
Variabel
Teknik Analisis
Data
Hasil
1 Bank distress prediction: Empirical evidence from the Gulf Cooperation countries/ Maghyereha, et al.(2014)
variabel-variabel CAMEL, variabel-variabel Non-CAMEL, variabel-variabel macroeconomic, variabel-variabel market structure, variabel-variabel regulatory, dan variabel institutional development
Logistic Regression
Variabel-variabel CAMEL merupakan variabel yang signifikan untuk memprediksi financial distress. Sementara dari variabel-variabel non-CAMEL, variabel size, diversification dan market power merupakan variabel yang signifikan. Variabel-variabel macroeconomic merupakan variabel yang signifikan, kecuali variabel struktur kepemilikan. Dari variabel-variabel regulatory, ditemukan bahwa variabel power of the supervisor dan variabel restrictions on non-traditional banking activities merupakan variabel signifikan. Dan variabel institutional development merupakan variabel yang signifikan
2 Predicting distress in European banks/ Betz, et al. (2014)
27 variabel yang dikelompokkan ke dalam tiga indikator, yaitu bank-specific indicators, country-specific banking sector indicators dan country-specific macro-financial indicators.
Logistic Regression
Capital ratio, ratio of debt securities to liabilities, Real GDP dan international investment position to GDP berhubungan negatif probabilitas bank distress. ROA, loan loss provision, interest expense, short term borrowing, non-core liabilities, debt-to-equity ratio, total assets to GDP, house prices, government debt to GDP, dan private sector credit flow to GDP berhubungan positif probabilitas bank distress Sementara impaired assets,
UNIVERSITAS SUMATERA UTARA
Lanjutan Tabel. 2.7
No
Judul/Peneliti
Variabel Teknis
Analasis Data
Hasil
cost income ratio, ROE, deposits to funding ratio, share of trading income , share of mortgages among loans, ratio of loans-to-deposits, inflation, stock prices, dan long-term government bond yield tidak berpengaruh secara signifikan terhadap probabilitas bank distress.
3 Analisis Rasio Keuangan Terhadap Financial Distress Perusahaan Perbankan Studi Empiris di BEI/ Meilita Fitri Rahmania, dan Suwardi Bambang (2014)
VD: Financial Distress VI: CAR, NPL, NIM, ROA, ROE, BOPO, LDR
Regresi Logistik
Variabel CAR berpengaruh negatif terhadap Financial Distress perusahaan perbankan dan ditolak Variabel NPL berpengaruh positif terhadap Financial Distress perusahaan perbankan dan diterima Variabel NIM berpengaruh positif terhadap Financial Distress perusahaan perbankan dan ditolak Variabel ROE berpengaruh negatif terhadap Financial Distress perusahaan perbankan dan diterima Variabel BOPO berpengaruh positif terhadap Financial Distress perusahaan perbankan dan ditolak Variabel LDR berpengaruh positif terhadap Financial Distress perusahaan perbankan dan diterima
4 Analisis Pengaruh Rasio Likuiditas, Rasio Profitabilitas, Rasio Rentabilitas Ekonomi dan Rasio Leverage Terhadap Prediksi Financial Distress/Novita Rahmadani, Edy Sujana, dan Nyoman Ali Surya Darmawan (2014)
VD: Prediksi Financial Distress VI: Rasio Likuiditas, Rasio Profitabilitas Rasio Rentabilitas Ekonomi dan Rasio Leverage
Regresi Linear Berganda
Rasio Likuiditas berpengaruh kuat terhadap prediksi financial distress Rasio Profitabilitas berpengaruh kuat terhadap financial distress dan signifikan Rasio Rentabilitas Ekonomi mempunyai hubungan yang kuat dan berpengaruh terhadap prediksi financial distress Rasio Leverage berpengaruh terhadap prediksi financial distress
2.8 Kerangka Konseptual
Untuk dapat memahami secara jelas tentang alur dari penelitian ini,
diperlukan suatu kerangka konseptual. Kerangka konseptual merupakan model
UNIVERSITAS SUMATERA UTARA
konseptual tentang bagaimana teori berhubungan dengan beberapa faktor yang
telah diidentifikasi sebagai masalah yang penting. Berdasarkan uraian teoritis dan
tinjauan penelitian terdahulu, variabel independen penelitian ini adalah Kinerja
Keuangan yang merupakan Rasio Keuangan. Variabel dependen dalam penelitian
ini, yaitu Financial Distress.
Adapun Kinerja Keuangan yang digunakan dalam penelitian tersebut
adalah dengan menggunakan rasio keuangan pada perbankan sebagai variabel
independent yang terdiri dari Capital Adequacy Ratio (CAR), Non Performing
Loan (NPL), Net Interest Margin (NIM), Return On Asset (ROA), Biaya
Operasional terhadap Pendapatan Operasional (BOPO), Loan to Deposite Ratio
(LDR), sedangkan pada Financial Distress menggunakan metode Altman Z-
Score sebagai variabel dependent.
Bentuk kerangka konseptual dalam penelitian ini adalah sebagai berikut:
Gambar 2.1 Kerangka Konseptual
NPL
ROA
NIM
BOPO
Prediksi Financial Distress
CAR
LDR
UNIVERSITAS SUMATERA UTARA
2.9 Hipotesis
Berdasarkan latar belakang, uraian teoritis, dan penelitian terdahulu, maka
hipotesis penelitian adalah analisis kinerja keuangan yang merupakan rasio
keuangan perbankan yang terdiri Capital Adequacy Ratio (CAR), Non Performing Loan
(NPL), Net Interest Margin (NIM), Return On Asset (ROA), Biaya Operasional terhadap
Pendapatan Operasional (BOPO), Loan to Deposite Ratio (LDR), berpengaruh positif
dan signifikan dalam memprediksi kondisi financial distress pada perusahaan
perbankan yang terdaftar di Bursa Efek Indonesia.
UNIVERSITAS SUMATERA UTARA
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian ini adalah penelitian asosiatif, dimana penelitian yang
dilakukan bertujuan untuk memperhitungkan kinerja keuangan yang merupakan
rasio keuangan yang mempengaruhi kondisi kesulitan keuangan bank serta
melakukan prediksi kondisi kebangkrutan pada bank yang terdaftar di BEI dengan
menggunakan model Altman Z-Score dalam memprediksi financial distress.
3.2 Tempat dan Waktu Penelitian
1. Tempat Penelitian
Penelitian ini menggunakan data yang berasal dari website Bursa Efek Indonesia
(BEI) dengan situs www.idx.co.id, website Otoritas Jasa Keuangan (OJK)
dengan situs www.ojk.co.id dan Saham Ok dengan situs www.sahamok.co.id
serta website masing-masing bank tersebut melalui media internet.
2. Waktu Penelitian
Waktu penelitian dimulai dari bulan Juli 2017 sampai bulan September 2017.
3.3 Batasan Operasional Variabel
Variabel yang digunakan dalam penelitian ini adalah variabel terikat
(dependent variable), dan variabel bebas (independent variable). Variabel
terikatnya adalah Prediksi Financial Distress. Variabel bebasnya adalah Kinerja
Keuangan atau Rasio Keuangan yang terdiri dari 6 variabel yaitu Capital
Adequacy Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin
UNIVERSITAS SUMATERA UTARA
(NIM), Return On Asset (ROA), Biaya Operasional terhadap Pendapatan
Operasional (BOPO), Loan to Deposite Ratio (LDR).
Objek penelitian yang digunakan dalam penelitian ini, yaitu perusahaan
perbankan di Bursa Efek Indonesia. Data penelitian yang digunakan dalam
penelitian ini diperoleh dari laporan keuangan berupa laporan tahunan dalam
kurun waktu tiga tahun, yaitu dimulai dari tahun 2014 sampai dengan tahun 2016
yang dipublikasikan melalui website resmi Bursa Efek Indonesia dan situs resmi
masing-masing perusahaan yang bersangkutan.
3.4 Definisi Operasional dan Pengukuran Variabel
Definisi operasional merupakan penjelasan mengenai pengertian teoritis
dan pengukuran variabel sehingga dapat diamati dan diukur. Definisi operasional
dan pengukuran variabel pada penelitian ini adalah:
3.4.1 Variabel Dependen
Variabel dependen pada penelitian ini yaitu prediksi financial distress dengan
mengunakan Metode Altman Z-Score.
Dimana : X1
X
= Net Working Capital to Total Assets (WC/TA)
2
X
= Retained Earnings to Total Assets (RE/TA)
3
X
= Earnings Before Interest and Tax to Total Assets (EBIT/TA)
4
X
= Market Value of Equity to Book Value of Debt (MVE/BVD)
5 = Sales to Total Assets (S/TA)
Z = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X4 + 0,999 X5
UNIVERSITAS SUMATERA UTARA
3.4.2 Variabel Independen
Variabel independen yang digunakan dalam penelitian ini merupakan
laporan kinerja keuangan atau rasio keuangan yaitu:
1. Variabel Capital Adequacy Ratio (CAR)
Variabel ini merupakan rasio keuangan yang merupakan rasio untuk
mengukur kemampuan permodalan yang ada untuk menutup kemungkinan
kerugian di dalam kegiatan perkreditan dan perdagangan surat-surat berharga.
Sedangkan menurut Riyadi (2006), CAR yaitu rasio kewajiban pemenuhan
modal minimum yang harus dimiliki oleh Bank. Untuk saat ini minimal CAR
sebesar 8% dari Aktiva Tertimbang Menurut Risiko (ATMR), atau ditambah
dengan Risiko Pasar dan Risiko Operasional, ini tergantung pada kondisi
Bank yang bersangkutan.
2. Variabel Non Performing Loan (NPL)
NPL adalah rasio untuk mengukur kualitas kredit dengan menggunakan
perbandingan antara kredit bermasalah dengan total kredit (Ganiarto dan
Ibad, 2003). Besarnya NPL yang diperbolehkan oleh Bank Indonesia saat ini
adalah maksimal 5%.
3. Variabel Net Interest Margin (NIM)
NIM merupakan rasio yang digunakan untuk mengukur kemampuan
NPL =Kredit Bermasalah
Total Kredit× 100%
CAR =Modal
Aktiva tertimbang menurut risiko× 100%
UNIVERSITAS SUMATERA UTARA
manajemn perusahaan untuk mengelola aktiva produktifnya untuk
menghasilkan pendapatan bunga bersih Perhitungan NIM diperoleh dari
perbandingan pendapatan bunga bersih dengan aktiva produktif. Pendapatan
bunga bersih diperoleh dari pendapatan bunga dikurangi beban bunga dan
pendapatan bunga bersih disetahunkan. Aktiva produktif yang diperhitungkan
adalah aktiva produktif yang menghasilkan bunga.
4. Variabel Return On Asset (ROA)
Rasio ini digunakan untuk mengukur kemampuan manjemen bank dalam
memperoleh keuntungan (laba) secara keseluruhan. Semakin besar ROA suatu
bank, semakin besar pula tingkat keuntungan yang dicapai bank tersebut dan
semakin baik pula posisi bank tersebut dari segi penggunaan aset.
5. Variabel Biaya Operasional terhadap Pendapatan Operasional (BOPO)
BOPO merupakan rasio biaya operasional per pendapatan operasional, yang
menjadi proxy efisiensi operasional seperti yang biasa digunakan oleh Bank
Indonesia (Kesowo dalam Kuncoro dan Suhardjono, 2002).
6. Loan to Deposite Ratio (LDR).
LDR merupakan rasio untuk mengukur peranan dana dalam pinjaman keuangan.
BOPO =Biaya operasional
Pendapatan operasional× 100%
NIM =Pendapatan Bunga Bersih
Aktiva Produktif× 100%
ROA =Laba sebelum pajak
Rata − rata total aset× 100%
UNIVERSITAS SUMATERA UTARA
Sedangkan menurut Riyadi (2006) LDR adalah perbandingan antara total kredit
yang diberikan dengan total Dana Pihak Ketiga (DPK) yang dapat dihimpun oleh
Bank. LDR akan menunjukkan tingkat kemampuan Bank dalam menyalurkan
dana pihak ketiga yang dihimpun oleh Bank yang bersangkutan. Maksimal LDR
yang diperkenankan oleh Bank Indonesia adalah sebesar 110%.
Tabel 3.1
Operasional Variabel
Variabel Penelitian Variabel Indikator Skala
Ukur
Variabel Bebas
Capital Adequacy
Ratio
CAR =Modal
Aktiva tertimbang menurut risiko× 100%
Rasio
Non Performing
Loan
NPL =Kredit Bermasalah
Total Kredit× 100%
Rasio
Net Interest
Margin
NIM =Pendapatan Bunga Bersih
Aktiva Produktif× 100% Rasio
Return On
Asset
ROA =Laba sebelum pajak
Rata− rata total aset× 100% Rasio
Biaya
Operasional terhadap
Pendapatan Operasional
BOPO =Biaya operasional
Pendapatan operasional× 100% Rasio
Loan to
Deposite Ratio
LDR =Kredit
Dana pihak ketiga× 100% Rasio
Variabel Terikat
Financial Distress Z = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X4 + 0,999 X5 Rasio
LDR =Kredit
Dana pihak ketiga× 100%
UNIVERSITAS SUMATERA UTARA
3.5 Populasi dan Sampel Penelitian
Populasi adalah wilayah generalisasi yang terdiri atas: obyek/subyek yang
mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan kemudian ditarik kesimpulannya, sedangkan sampel adalah bagian dari
jumlah dan karakteristik yang dimiliki oleh populasi tersebut. (Sugiyono, 2010:115-116).
Populasi yang digunakan dalam penelitian ini adalah perusahaan Perbankan
Konvensional yang terdaftar di Bursa Efek Indonesia (BEI) periode 2014-2016 dan
penentuan sampel dalam penelitian ini menggunakan kriteria tertentu.
Kriteria pemilihan sampel adalah sebagai berikut:
1. Perusahaan tersebut adalah perusahaan yang bergerak dibidang perbankan
yang terdaftar di Bursa Efek Indonesia tahun 2014-2016.
2. Perusahaan-perusahaan tersebut memiliki laporan keuangan yang lengkap dan
diaudit selama tahun 2014-2016.
Tabel 3.1 Kriteria Pemilihan Sampel
Keterangan Jumlah Populasi Perusahaan Perbankan yang terdaftar di Bursa Efek Indonesia (BEI)
selama periode 20114– 2016 43
Perusahaan Perbankan yang tidak memenuhi kriteria 1 (0)
Perusahaan Perbankan yang tidak memenuhi kriteria 2 (15)
Jumlah sampel yang memenuhi kriteria 28
Sumber: www.idx.co.id
Tabel 3.2 Daftar Sampel Perusahaan Perbankan
No Emiten Kode Emiten
1 Bank Rakyat Indonesia Agroniaga, Tbk AGRO
2 Bank Artha Graha Internasional, Tbk INPC
3 Bank Bukopin, Tbk BBKP
UNIVERSITAS SUMATERA UTARA
Lanjutan Tabel 3.2 No Emiten Kode Emiten
4 Bank Bumi Arta BNBA
5 Bank Capital Indonesia BACA
6 Bank Central Asia, Tbk BBCA
7 Bank CIMB Niaga, Tbk BNGA
8 Bank Danamaon Indonesia, Tbk BDMN
9 Bank Himpunan Saudara 1906, Tbk SDRA
10 Bank MNC Internasional, Tbk BABP
11 Bank Internasional Indonesia, Tbk BNII
12 Bank QNB Indonesia, Tbk BKSW
13 Bank Mayapada Internasional, Tbk MAYA
14 Bank Mega, Tbk MEGA
15 Bank Mutiara, Tbk BCIC
16 Bank Negara Indonesia (Persero), Tbk BBNI
17 Bank Nusantara Parahyangan, Tbk BBNP
18 Bank OCBC NISP, Tbk NISP
19 Bank Pan Indonesia, Tbk PNBN
20 Bank Permata, Tbk BNLI
21 Bank Rakyat Indonesia (Persero), Tbk BBRI
22 Bank Tabungan Pensiunan Nasional, Tbk BTPN
23 Bank Victoria International, Tbk BVIC
24 Bank Windu Kentjanan International, Tbk MCOR
25 Bank of India Indonesia, Tbk BSWD
26 Bank Pundi Indonesia, Tbk BEKS
27 Bank Sinar Mas, Tbk BSIM
28 Bank Jabar Banten, Tbk BJBR
Sumber: www.idx.co.id, 2017 (data diolah)
3.6 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang
diperoleh dari laporan keuangan tahunan perbankan konvensional periode 2014-
2016 yang terdaftar di BEI melalui website www.idx.co.id, www.ojk.co.id dan
www.bi.co.id serta website masing-masing bank.
UNIVERSITAS SUMATERA UTARA
3.7 Metode Pengumpulan Data
Penelitian ini dilakukan melalui studi dokumentasi dengan
mengumpulkan data pendukung dari berbagai literatur, jurnal, dan buku-buku
referensi untuk memperoleh gambaran masalah yang diteliti serta
mengumpulkan data sekunder yang relevan dari laporan keuangan tahunan
yang dipublikasikan oleh Bursa Efek Indonesia.
3.8 Teknik Analisis Data
Teknik analisis data yang digunakan dalam penelitian ini adalah dengan
melakukan analisis kuantitatif yang dinyatakan dengan angka-angka yang dalam
perhitungannya menggunakan metode statistik yang dibantu dengan program
pengelolaan data statistik E-views. Teknik analisis data yang digunakan untuk
menganalisis data-data yang telah dikumpulkan dalam penelitian ini yaitu:
3.8.1 Analisis Statistik Deskriptif
Statistik deskriptif digunakan untuk memberikan gambaran dari data
yang terkumpul yang dikelola dan analisis untuk pengambilan kesimpulan
yang bersifat subjektif.
3.8.2 Pemilihan Model Data Panel
Terdapat beberapa pendekatan untuk mengestimasi parameter model
dengan data panel, yaitu:
1. Common Effect Model
Teknik ini mengasumsikan bahwa data gabungan yang ada, menunjukkan
kondisi yang sesungguhnya. Hasil analisis regresi dianggap berlaku pada semua
UNIVERSITAS SUMATERA UTARA
objek pada semua waktu. Kelemahan asumsi ini adalah ketidaksesuaian model
dengan keadaan yang sesungguhnya. Kondisi tiap objek saling berbeda, bahkan
satu objek pasa suatu waktu akan sangat berbeda dengan kondisi objek tersebut
pada waktu lain (Winarno, 2015: 9.14-9.15).
2. Fixed Effect Model
Model ini dapat menunjukkan perbedaan konstanta antarobjek, meskipun dengan
koefisien regresor yang sama. Efek tetap di sini maksudnya adalah bahwa satu
objek, memiliki konstanta yang tetap yang besarnya untuk berbagai periode
waktu dan juga koefisien regresinya (Winarno, 2015: 9.15).
3. Random Effect Model
Efek random digunakan untuk mengatasi kelemahan metode efek tetap yang menggunakan
variabel semu, sehingga model mengalami ketidakpastian (Winarno, 2015: 9.17).
Langkah-langkah pemilihan model data panel:
a. Estimasi dengan efek tetap (Fixed Effect)
b. Uji Chow (Common Effect atau Fixed Effect)
Dengan kriteria pengujian:
H0
H
= Common Effect
1
Tolak H
= Fixed Effect
0 jika p-value < nilai signifikansi (0,05), H1
c. Estimasi dengan efek random (Random Effect)
diterima.
d. Uji Hausman (Random Effect atau Fixed Effect)
Dengan kriteria pengujian:
H0 = Random Effect
UNIVERSITAS SUMATERA UTARA
H1
Tolak H
= Fixed Effect
0 jika p-value < nilai signifikansi (0,05), H1
3.8.3 Analisis Regresi Linier Berganda
diterima
Analisis regresi linier berganda digunakan untuk menganalisis kinerja
keuangan dalam memprediksi kondisi financial distress pada perbankan dengan
menggunakan metode linier berganda. Persamaan regresi yang digunakan, yaitu:
Y= β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6
Keterangan :
+ 𝛆𝛆
Y = Financial Distress β = Konstanta 0 β = Koefisien regresi CAR 1 β = Koefisien regresi NPL 2 β = Koefisien regresi NIM 3 β = Koefisien regresi ROA 4 β = Koefisien regresi BOPO 5 β = Koefisien regresi LDR 6 X = Capital Adequacy Ratio (CAR) 1 X = Non Performing Loan (NPL) 2 X = Net Interest Margin (NIM) 3 X = Return On Asset (ROA) 4 X = Biaya Operasional terhadap Pendapatan Operasional (BOPO) 5 X = Loan to Deposite Ratio (LDR) 6 ε = Standar eror
3.9 Uji Asumsi Klasik
Menurut Gujarati (2015), apabila hasil uji model data panel menunjukkan
hasil Fixed Effect Model (FEM) atau Random Effect Model (REM) maka uji asumsi
klasik tidak perlu dilakukan karena regresi liniernya berbasis General Least Squar
(GLS), namun sebaliknya apabila hasil uji model data panel menunjukkan hasil
Common Effect Model (CEM) maka uji asumsi klasik perlu dilakukan karena regresi
UNIVERSITAS SUMATERA UTARA
liniernya berbasis Ordinary Least Square (OLS).
Uji asumsi klasik merupakan persyaratan statistik yang harus dipenuhi pada
analisis regresi linear berganda yang berbasis ordinary least square (OLS). Uji
asumsi klasik terdiri dari uji normalitas, multikolinieritas, heteroskedastisitas, dan
autokorelasi. Analisis uji asumsi klasik dianalisis dengan menggunakan bantuan
program Eviews.
1. Uji Normalitas Residual
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel
pengganggu atau residu memiliki distribusi normal atau tidak. Untuk
mengetahui normal atau tidaknya faktor pengganggu dilakukan dengan J-B
test (jarque-bera test). Uji ini menggunakan hasil estimasi residual dan chi-
square probability distibution yaitu dengan membandingkan prob. JB-hitung
pada taraf alpha 5% (Gujarati, 2015) dengan kriteria berikut
a. Bila Prob.JB-hitung ≥ 0,05 maka hipotesis yang menyatakan bahwa
residual berdistribusi normal akan diterima.
b. Bila Prob.JB-hitung < 0,05 maka hipotesis yang menyatakan bahwa
residual berdistribusi normal akan di tolak.
2. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi
ditemukan adanya korelasi antar variabel bebas (independen). Untuk menguji
ada tidaknya multikolinieritas digunakan Pairwise Correlation Matrix dengan
pengolahan menggunakan Eviews. Keputusan adanya multikolinieritas
dengan melihat nilai R2 pada regresi kedua (r). Jika r > R2 maka ada gejala
UNIVERSITAS SUMATERA UTARA
multikolinieritas, sebaliknya jika nilai r < R2
3. Uji Autokorelasi
maka tidak terdapat gejala
multikolinieritas (Ghozali, 2013).
Autokorelasi dalam analisis regresi linier adalah gejala terjadinya korelasi di
antara variabel bebas. Gujarati (2015), mengatakan bahwa autokorelasi
disebabkan oleh data penelitian yang berurutan sepanjang waktu (time series)
saling mengganggu antara satu observasi ke observasi lainnya. Penelitian
yang menggunakan data cross section kemungkinan besar gejala autokorelasi
tidak terjadi (Ghozali, 2013). Untuk mendiagnosis adanya autokorelasi pada
penelitian ini dilakukan melalui pengujian terhadap nilai uji Durbin-Watson
(DW). Uji DW hanya digunakan untuk autokorelasi tingkat satu (first order
autocorrelation) dan mensyaratkan adanya intercept dalam model regresi dan
tidak ada variabel lagi di antara variabel bebas (Ghozali, 2013). Hipotesis
yang akan di uji adalah:
H0
H
: tidak ada autokorelasi (r = 0)
1
Kriteria penarikan kesimpulan uji autokorelasi dalam uji Durbin-Watson
dapat ditunjukkan dalam Tabel 3.3
: ada autokorelasi (r ≠ 0)
Tabel 3.3 Kriteria Uji Durbin Watson
Hipotesis Nol Keputusan Jika
Tidak ada autokrelasi positif Tolak 0<d<dl
Tidak ada autokorelasi positif No decision dl≤d≤du
Tidak ada korelasi negative Tolak 4-dl<d<4
Tidak ada korelasi negative No decision 4-du≤d≤4-dl
Tidak ada autokorelasi, positif atau negative Tidak ditolak Du<d<4-du
Sumber: Ghozali (2013)
UNIVERSITAS SUMATERA UTARA
4. Uji Heteroskedastisitas
Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi
ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang
lain. Jika variance dari residual satu ke pengamatan lain tetap, maka disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi
yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas
(Ghozali, 2013). Uji heteroskedastisitas dalam penelitian ini diuji
menggunakan uji white dengan kriteria jika diperoleh nilai Prob.Obs*R-
squared lebih besar dari 0,05 maka disimpulkan bahwa tidak terjadi gejala
heteroskedastisitas dalam model regresi, sebaliknya jika diperoleh nilai
Prob.Obs*R-squared lebih kecil dari 0,05 maka dapat disimpulkan bahwa
terjadi heteroskedastisitas dalam model regresi (Ghozali, 2013).
3.10 Pengujian Hipotesis
3.10.1 Pengujian secara Serempak (Uji F)
Pengujian ini dilakukan untuk menunjukkan apakah semua variabel
independen secara bersama-sama atau serempak mempunyai pengaruh yang
signifikan terhadap variabel dependen. Pengujian dilakukan dengan taraf
pengujian α=5% (0,05). Bentuk pengujiannya, yaitu:
1. Jika nilai signifikansi > 0,05, H0 diterima, artinya Capital Adequacy Ratio
(CAR), Non Performing Loan (NPL), Net Interest Margin (NIM), Return On
Asset (ROA), Biaya Operasional terhadap Pendapatan Operasional (BOPO),
Loan to Deposite Ratio (LDR) berpengaruh tidak signifikan secara
bersamaan terhadap Financial Distress Perbankan di Bursa Efek Indonesia.
UNIVERSITAS SUMATERA UTARA
2. Jika nilai signifikansi ≤ 0,05, maka H 1
3.10.2 Pengujian secara Parsial (Uji t)
diterima, artinya Capital Adequacy
Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin (NIM),
Return On Asset (ROA), Biaya Operasional terhadap Pendapatan Operasional
(BOPO), Loan to Deposite Ratio (LDR) berpengaruh signifikan secara
bersamaan terhadap Financial Distress Perbankan di Bursa Efek Indonesia.
Pengujian ini dilakukan untuk menunjukkan seberapa jauh pengaruh satu
variabel independen secara parsial mempunyai pengaruh yang signifikan terhadap
variabel dependen. Pengujian dilakukan dengan taraf pengujian α=5% (0,05).
Bentuk pengujiannya, yaitu:
1. Jika nilai signifikansi > 0,05 maka H0
2. Jika nilai signifikansi < 0,05 maka H
diterima, artinya Capital Adequacy
Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin (NIM),
Return On Asset (ROA), Biaya Operasional terhadap Pendapatan Operasional
(BOPO), Loan to Deposite Ratio (LDR) secara parsial berpengaruh tidak
signifikan terhadap Financial Distress Perbankan di Bursa Efek Indonesia.
1
3.10.3 Koefisien Determinasi (R
diterima, artinya Capital Adequacy
Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin (NIM),
Return On Asset (ROA), Biaya Operasional terhadap Pendapatan Operasional
(BOPO), Loan to Deposite Ratio (LDR) Secara parsial berpengaruh
signifikan terhadap Financial Distress Perbankan di Bursa Efek Indonesia.
2
Koefisien determinasi digunakan untuk menguji kualitas model. Nilai
)
UNIVERSITAS SUMATERA UTARA
koefisien determinansi mengukur seberapa jauh kemampuan model dalam
menerangkan variasi variabel terikat serta pengaruhnya secara general, dengan
range antara 0 sampai 1. Nilai R2
yang kecil berarti kemampuan variabel-variabel
bebas dalam menjelaskan variasi variabel terikat amat terbatas. Nilai yang
mendekati 1 berarti variabel-variabel bebas memeberikan hampir semua informasi
yang dibutuhkan untuk memprediksi variasi variabel terikat (Zaenuddin, 2015).
UNIVERSITAS SUMATERA UTARA
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Gambaran Umum Perusahaan Perbankan di Indonesia
Tabel 4.1 Gambaran Umum Perbankan di Indonesia
No Nama Perbankan Kode Bank Berdiri Pada Tanggal
1 Bank Rakyat Indonesia Agroniaga, Tbk AGRO 27 September 1989
2 Bank Artha Graha Internasional, Tbk INPC 12 Juli 2005
3 Bank Bukopin, Tbk BBKP 10 Juli 1970
4 Bank Bumi Arta BNBA 03 Maret 1967
5 Bank Capital Indonesia BACA 19 Oktober 2004
6 Bank Central Asia, Tbk BBCA 14 Maret 1957
7 Bank CIMB Niaga, Tbk BNGA 26 September 1955
8 Bank Danamaon Indonesia, Tbk BDMN Berdiri pada tahun 1956
9 Bank Himpunan Saudara 1906, Tbk SDRA Berdiri pada tahun 1995
10 Bank MNC Internasional, Tbk BABP 15 Oktober 2014
11 Bank Internasional Indonesia, Tbk BNII 15 Mei 1959
12 Bank QNB Indonesia, Tbk BKSW Berdiri sejak tahun 1913
13 Bank Mayapada Internasional, Tbk MAYA 07 September 1989
14 Bank Mega, Tbk MEGA Berdiri pada tahun 1992
15 Bank Mutiara, Tbk BCIC 30 Maret 1996
16 Bank Negara Indonesia (Persero), Tbk BBNI 05 Juli 1946
17 Bank Nusantara Parahyangan, Tbk BBNP 18 Januari 1972
18 Bank OCBC NISP, Tbk NISP 04 April 1941
19 Bank Pan Indonesia, Tbk PNBN 17 Agustus 1971
20 Bank Permata, Tbk BNLI Berdiri pada tahun 2002
21 Bank Rakyat Indonesia (Persero), Tbk BBRI 16 Desember 1895
22 Bank Tabungan Pensiunan Nasional, Tbk BTPN Berdiri pada tahun 1958
23 Bank Victoria International, Tbk BVIC 05 Oktober 1992
24 Bank Windu Kentjanan International, Tbk MCOR 08 Januari 2008
25 Bank of India Indonesia, Tbk BSWD 22 Juni 2007
26 Bank Pundi Indonesia, Tbk BEKS 23 Juni 1993
27 Bank Sinar Mas, Tbk BSIM Berdiri pada tahun 2006
28 Bank Jabar Banten, Tbk BJBR 08 April 1999
Sumber: www.idx.co.id
UNIVERSITAS SUMATERA UTARA
4.2 Analisis Statistik Deskriptif
Analisis deskriptif adalah suatu metode analisis dimana data-data
dikumpulkan, diklarifikasikan, dikelompokkan, dianalisis dan diinterprestasikan
secara objektif sehingga dapat memberikan gambaran mengenai objek yang
dibahas. Analisis deskriptif dalam penelitian ini mencakup penilaian kinerja
keuangan yang berupa rasio perbankan yaitu Capital Adequacy Ratio (CAR), Non
Performing Loan (NPL), Net Interest Margin (NIM), Return On Asset (ROA),
Biaya Operasional terhadapan Pendapatan Operasional (BOPO), Loan to Deposite
Ratio (LDR) dan prediksi kondisi financial distress. Untuk mengetahui gambaran
deskriptif meliputi nilai rata-rata (mean) standar deviasi, nilai minimum, serta nilai
maksimum data penelitian seperti disajikan pada tabel berikut ini:
Tabel 4.2 Hasil Analisis Deskriptif
Date: 01/30/18 Time: 03:25 Sample: 2014 2016
Z-Score CAR NPL NIM ROA BOPO LDR Mean 7.916429 0.181117 0.030883 0.051427 0.235381 0.920614 0.861332
Median 6.780000 0.173650 0.027000 0.047400 0.013300 0.878300 0.863650 Maximum 22.08000 0.345000 0.158200 0.120000 0.051500 2.352000 1.125400 Minimum 0.580000 0.080200 0.002500 0.002400 -11.15000 0.560400 0.553400 Std. Dev. 5.043249 0.041204 0.024378 0.022251 1.596274 0.260384 0.097763 Skewness 1.127690 0.837399 2.660238 0.751672 -6.302388 3.044485 -0.592798 Kurtosis 3.971257 5.035250 12.64758 4.108402 40.97233 15.25404 5.044299
Jarque-Bera 21.10528 24.31516 424.8417 12.21010 5602.723 655.3297 19.54679 Probability 0.000026 0.000005 0.000000 0.002232 0.000000 0.000000 0.000057
Sum 664.9800 15.21380 2.594200 4.319900 -19.77200 77.33160 72.35190 Sum Sq. Dev. 2111.052 0.140913 0.049325 0.041095 211.4916 5.627402 0.793276 Observations 84 84 84 84 84 84 84 Sumber: Lampiran 4
Dari Hasil Analisis Deskriptif dapat diprediksi kondisi Financial Distress
pada Tabel 4.3.
UNIVERSITAS SUMATERA UTARA
Tabel 4.3 Prediksi Kondisi Financial Distress
No Nama Perbankan Tahun Z-Score Kategori
Bank 1 Bank Rakyat Indonesia Agro Niaga Tbk 2014 6.78 Sehat
2015 8.61 Sehat
2016 8.91 Sehat
2 Bank Central Asia Tbk 2014 21.01 Sehat
2015 21.63 Sehat
2016 22.08 Sehat
3 Bank Bukopin Tbk 2014 5.85 Sehat
2015 6.95 Sehat
2016 7.12 Sehat
4 Bank Negara Indonesia (Persero)Tbk 2014 6.02 Sehat
2015 5.45 Sehat
2016 6.44 Sehat
5 Bank Nusantara Parahyangan Tbk 2014 7.24 Sehat
2015 5.68 Sehat
2016 7.74 Sehat
6 Bank Rakyat Indonesia (Persero)Tbk 2014 21.04 Sehat
2015 20.16 Sehat
2016 18.75 Sehat
7 Bank Danamon Indonesia Tbk 2014 10.06 Sehat
2015 9.83 Sehat
2016 12.2 Sehat
8 Bank Bumi Arta Tbk 2014 7.15 Sehat
2015 6.7 Sehat
2016 8.44 Sehat
9 Bank CIMB Niaga Tbk 2014 6.76 Sehat
2015 3.01 Sehat
2016 5.95 Sehat
10 Bank International Indonesia Tbk 2014 4.06 Sehat
2015 5.48 Sehat
2016 7.2 Sehat
11 Bank Tabungan Pensiunan Nasional Tbk 2014 18.19 Sehat
2015 15.71 Sehat
2016 14.7 Sehat
12 Bank Victoria Tbk 2014 3.94 Sehat
2015 3.17 Sehat
2016 3.23 Sehat
UNIVERSITAS SUMATERA UTARA
Lanjutan Tabel 4.3 No Nama Perbankan Tahun Z-Score
Kategori Bank
13 Bank Artha Graha International Tbk 2014 4.22 Sehat
2015 2.58 Grey Area
2016 2.62 Grey Area
14 Bank Mayapada Tbk 2014 8.85 Sehat
2015 9.38 Sehat
2016 9.93 Sehat
15 Bank Mega Tbk 2014 5.95 Sehat
2015 11.36 Sehat
2016 12.16 Sehat
16 Bank OCBC NISP Tbk 2014 11.7 Sehat
2015 11.16 Sehat
2016 11.63 Sehat
17 China Construction Bank Indonesia Tbk 2014 3.96 Sehat
2015 5.17 Sehat
2016 0.58 Bangkrut
18 Bank Capital Indonesia Tbk 2014 3.23 Sehat
2015 2.99 Sehat
2016 3.09 Sehat
19 Bank Woori Saudara Tbk 2014 2.86 Grey Area
2015 2.51 Grey Area
2016 2.74 Grey Area
20 Bank MNC Internasional Tbk 2014 6.78 Sehat
2015 6.52 Sehat
2016 5.44 Sehat
21 Bank J Trust Indonesia Tbk 2014 11.93 Sehat
2015 11.45 Sehat
2016 9.65 Sehat
22 Bank Banten Tbk 2014 1.26 Bangkrut
2015 4.17 Sehat
2016 6.21 Sehat
23 Bank Karja Pembangunan Daerah Djawa Barat Tbk 2014 10.71 Sehat
2015 11.22 Sehat
2016 8.27 Sehat
24 Bank QNB Indonesia Tbk 2014 1.42 Bangkrut
2015 1.54 Bangkrut
2016 7.77 Sehat
UNIVERSITAS SUMATERA UTARA
Lanjutan Tabel 4.3 No Nama Perbankan Tahun Z-Score
Kategori Bank
25 Panin Bank Tbk 2014 9.44 Sehat
2015 7.41 Sehat
2016 12.75 Sehat
26 Permata Bank Tbk 2014 5.84 Sehat
2015 1.04 Bangkrut
2016 3.71 Sehat
27 Bank Sinarmas Tbk 2014 5.65 Sehat
2015 4.79 Sehat
2016 8.93 Sehat
28 Bank of India Indonesia Tbk 2014 2.48 Grey Area
2015 6.05 Sehat
2016 10.64 Sehat
Sumber: Hasil Penelitian, 2018 (Data Diolah)
Tabel 4.2 memperlihatkan bahwa nilai rata-rata Z-score (Y) adalah 7.916.
Nilai terendah (minimum) Z-score (Y) adalah 0.580 yang dimiliki oleh
perusahaan perbankan China Construction Bank Indonesia Tbk (MCOR) pada
tahun 2016. Nilai tertinggi (maximum) Z-score (Y) adalah 22.080 yang dimiliki
oleh perusahaan BBCA pada tahun 2016, dengan standar deviasi 5.043.
Nilai rata-rata Capital Adequacy Ratio (CAR) adalah 0.181. Nilai
terendah (minimum) adalah 0.080 yang dimiliki oleh perusahaan perbankan Bank
Banten Tbk (BEKS) pada tahun 2015, dan nilai tertinggi (maximum) adalah
0.345 yang dimiliki oleh perusahaan perbankan Bank of India Indonesia Tbk
(BSWD) pada tahun 2016, dengan standar deviasi 0.041.
Nilai rata-rata Non Performing Loan (NPL), adalah 0.030. Nilai terendah
(minimum) adalah 0.002 yang dimiliki oleh perusahaan perbankan Bank Bumi
Arta Tbk (BNBA) pada tahun 2014, dan nilai tertinggi (maximum) adalah 0.158
yang dimiliki oleh perusahaan Perbankan Bank of India Indonesia Tbk (BSWD)
UNIVERSITAS SUMATERA UTARA
pada tahun 2016, dengan standar deviasi 0.024.
Nilai rata-rata Net Interest Margin (NIM), adalah 0.051. Nilai terendah
(minimum) adalah 0.0024 yang dimiliki oleh perusahaan perbankan Bank
Nusantara Parahyangan Tbk (BBNP) pada tahun 2015, dan nilai tertinggi
(maximum) adalah 0.120 yang dimiliki oleh Perbankan Bank Tabungan
Pensiunan Nasional Tbk (BTPN) pada tahun 2016, dengan standar deviasi 0.022.
Nilai Rata-rata Return On Asset (ROA) adalah -0.235. Dengan nilai
terendah (minimum) adalah -11.150 yang dimiliki oleh perusahaan perbankan
Bank of India Indonesia Tbk (BSWD) pada tahun 2016, dan nilai tertinggi
(maximum) adalah 0.051 yang dimiliki oleh perusahaan perbankan Bank Rakyat
Indonesia Tbk (BBRI) pada tahun 2016, dengan standar deviasi 1.596.
Nilai rata-rata Biaya Operasional terhadapan Pendapatan Operasional
(BOPO) adalah 0.920. Dengan nilai terendah (minimum) adalah 0.560 yang
dimiliki oleh perusahaan perbankan Bank Woori Saudara Tbk (SDRA) pada tahun
2014, dan nilai tertinggi (maximum) adalah 2.352 yang dimiliki oleh perusahaan
perbankan Bank of India Indonesia Tbk (BSWD) pada tahun 2016, dengan
standar deviasi 0.260.
Nilai Rata-rata Loan to Deposite Ratio (LDR) adalah 0.861. Dengan nilai
terendah (minimum) adalah 0.553 yang dimiliki oleh perusahaan perbankan Bank
Capital Indonesia Tbk (BACA) pada tahun 2016, dan nilai tertinggi (maximum)
1.125 adalah yang dimiliki oleh perusahaan perbankan Bank QNB Indonesia Tbk
(BKSW) pada tahun 2015, dengan standar deviasi 0.097.
UNIVERSITAS SUMATERA UTARA
4.3 Pemilihan Model Estimasi
1. Pendekatan Pooled Least Square (PLS)
Hasil estimasi data panel dengan menggunakan pendekatan Pooled Least
Square (PLS) adalah sebagai berikut:
Tabel 4.4 Pengujian Pooled Least Square
Dependent Variable: Z-Score Method: Panel Least Squares Date: 01/31/18 Time: 15:39 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84
Variable Coefficient Std. Error t-Statistic Prob. C -0.151282 0.516748 -0.292758 0.7705
CAR -0.529949 1.009063 -0.525189 0.6010 NPL -3.226785 2.519685 -1.280630 0.2042 NIM -2.976472 1.939615 -1.534568 0.1290 ROA -0.000795 0.040685 -0.019533 0.9845
BOPO 0.066014 0.333401 0.198003 0.8436 LDR 0.675566 0.396128 1.705423 0.0921
R-squared 0.092695 Mean dependent var 0.142857
Adjusted R-squared 0.021996 S.D. dependent var 0.352029 S.E. of regression 0.348136 Akaike info criterion 0.807206 Sum squared resid 9.332280 Schwarz criterion 1.009774 Log likelihood -26.90267 Hannan-Quinn criter. 0.888637 F-statistic 1.311120 Durbin-Watson stat 1.561937 Prob(F-statistic) 0.262368
Sumber: Hasil Penelitian, 2018 (Data Diolah)
2. Pendekatan Fixed Effect Model (FEM)
Hasil estimasi data panel dengan menggunakan pendekatan Fixed Effect
model (FEM) adalah sebagai berikut:
UNIVERSITAS SUMATERA UTARA
Tabel 4.5 Pengujian Fixed Effect Model (FEM)
Dependent Variable: Z-Score Method: Panel Least Squares Date: 01/31/18 Time: 12:38 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84
Variable Coefficient Std. Error t-Statistic Prob. C 0.874974 0.885435 0.988185 0.3278
CAR -0.692302 1.476026 -0.469031 0.6411 NPL -1.132360 2.882377 -0.392856 0.6961 NIM 8.026015 3.594852 2.232641 0.0301 ROA -0.093364 0.048152 -1.938935 0.0582
BOPO -0.982120 0.436809 -2.248396 0.0290 LDR -0.118813 0.844256 -0.140731 0.8886
Effects Specification Cross-section fixed (dummy variables) R-squared 0.685004 Mean dependent var 0.142857
Adjusted R-squared 0.477107 S.D. dependent var 0.352029 S.E. of regression 0.254557 Akaike info criterion 0.392144 Sum squared resid 3.239957 Schwarz criterion 1.376046 Log likelihood 17.52994 Hannan-Quinn criter. 0.787665 F-statistic 3.294916 Durbin-Watson stat 1.895954 Prob(F-statistic) 0.000072
Sumber: Lampiran 5
3. Pendekatan Random Effect Model (REM)
Hasil estimasi data panel dengan menggunakan pendekatan Random Effect
Model (REM) adalah sebagai berikut:
UNIVERSITAS SUMATERA UTARA
Tabel 4.6 Pengujian Random Effect Model (REM)
Dependent Variable: Z-Score Method: Panel EGLS (Cross-section random effects) Date: 01/31/18 Time: 12:38 Sample: 2014 2016 Periods included: 3
Cross-sections included: 28 Total panel (balanced) observations: 84 Swamy and Arora estimator of component variances
Variable Coefficient Std. Error t-Statistic Prob. C 0.103734 0.537037 0.193159 0.8473
CAR -0.809210 1.015436 -0.796908 0.4280 NPL -1.921073 2.296787 -0.836417 0.4055 NIM -1.092686 2.047961 -0.533548 0.5952 ROA -0.007501 0.036639 -0.204720 0.8383
BOPO -0.205830 0.324645 -0.634016 0.5279 LDR 0.567647 0.441455 1.285854 0.2023
Effects Specification S.D. Rho Cross-section random 0.199884 0.3814
Idiosyncratic random 0.254557 0.6186 Weighted Statistics R-squared 0.097161 Mean dependent var 0.084625
Adjusted R-squared 0.026809 S.D. dependent var 0.282810 S.E. of regression 0.278993 Sum squared resid 5.993449 F-statistic 1.381081 Durbin-Watson stat 2.007374 Prob(F-statistic) 0.232935
Unweighted Statistics R-squared 0.054324 Mean dependent var 0.142857
Sum squared resid 9.726952 Durbin-Watson stat 1.435793 Sumber: Hasil Penelitian, 2018 (Data Diolah)
Untuk memilih model yang paling tepat digunakan dalam mengelola data
panel, terdapat beberapa pengujian yang dapat dilakukan sebagai berikut:
1. Uji Chow (Chow test)
Uji Chow digunakan untuk memilih pendekatan/metode yang paling sesuai
antara pooled least square (PLS) dan Fixed Effect Model (FEM), dengan
kriteria pengujian:
UNIVERSITAS SUMATERA UTARA
H0
H
= Pooled Least Square (PLS)
1
Hasil uji Chow adalah sebagai berikut
= Fixed Effect Model (FEM)
Tabel 4.7 Hasil Uji Chow
Redundant Fixed Effects Tests Equation: EQFE Test cross-section fixed effects
Effects Test Statistic d.f. Prob. Cross-section F 3.482169 (27,50) 0.0001
Cross-section Chi-square 88.86521
1 27 0.0000 Sumber: Hasil Penelitian, 2018 (Data Diolah)
Hasil uji Chow pada Tabel 4.7 nilai Prob = 0.0000 untuk cross section chi-
Square yang berarti lebih kecil dari 0,05. Hal ini menunjukkan bahwa H0
ditolak dan H1
2. Uji Hausman
diterima, yang berarti metode yang digunakan adalah Fixed
Effect Model (FEM). Oleh karena itu dilakukan kembali pengujian Uji
Hausman untuk menentukan metode FEM atau REM yang akan digunakan
dalam regresi panel data.
Uji Hausman digunakan untuk menentukan metode FEM atau REM yang
akan digunakan dalam regresi panel data.
Dengan kriteria pengujian:
H0
H
= Random Effect Model
1
Hasil Uji Hausman adalah sebagai berikut:
= Fixed Effect Model
UNIVERSITAS SUMATERA UTARA
Tabel 4.8 Hasil Uji Hausman
Correlated Random Effects - Hausman Test Equation: EQFE Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob. Cross-section random 21.492711 6 0.0015 Sumber: Hasil Penelitian, 2018 (Data Diolah)
Hasil Uji Hausman pada Tabel 4.8 menjelaskan bahwa nilai Probabilitas =
0.0015, yang berarti lebih kecil dari 0.05. Hal ini menunjukkan bahwa H0
ditolak dan H1
4.4 Hasil Uji Asumsi Klasik
diterima, sehingga metode yang digunakan dalam penelitian
ini adalah model Fixed Effect Model (FEM), yang artinya model FEM lebih
baik dibanding model REM.
1. Uji Normalitas
Uji normalitas dalam asumsi klasik dilakukan untuk mengetahui apakah
dalam sebuah model regresi linier data terdistribusi normal atau tidak. Model
yang paling baik adalah data terdistribusi normal. Pengujian terhadap data
terdistribusi normal atau tidak ini menggunakan alat uji Jarque-Bera Test.
Untuk mengetahui apakah variabel Capital Adequacy Ratio (CAR), Non
Performing Loan (NPL), Net Interest Margin (NIM), Return On Asset
(ROA), Biaya Operasional terhadapan Pendapatan Operasional (BOPO),
Loan to Deposite Ratio (LDR) terhadap prediksi financial distress
terdistribusi normal atau tidak dengan uji J-B ditunjukkan pada Gambar 4.1.
UNIVERSITAS SUMATERA UTARA
Gambar 4.1 Hasil Uji Jarque-Bera Test
0
1
2
3
4
5
6
7
8
9
-2 -1 0 1 2 3
Series: Standardized ResidualsSample 2014 2016Observations 84
Mean -9.32e-17Median 0.011952Maximum 3.202647Minimum -2.635680Std. Dev. 1.232501Skewness 0.216233Kurtosis 3.062658
Jarque-Bera 0.668337Probability 0.715933
Sumber: Lampiran 6
Berdasarkan gambar 4.1 menunjukkan output dari uji normalitas yaitu
memiliki nilai J-B sebesar 0.668337 < 2 dan nilai Probability sebesar
0.715933 > 0.05 sehingga dapat disimpulkan bahwa data terdistribusi normal
dimana telah memenuhi persyaratan atau ketentuan normalitas data dan data
terdistribusi normal artinya asumsi klasik tentang kenormalan telah terpenuhi.
2. Uji Multikolinieritas
Uji multikolinieritas digunakan untuk mengetahui apakah dalam model
regresi linear ditemukan adanya korelasi yang tinggi antar variabel. Untuk
mengetahui ada tidaknya gejala multikolinieritas dapat dilihat dari nilai
koefisien korelasi yang di tunjukkan pada Tabel 4.9.
UNIVERSITAS SUMATERA UTARA
Tabel 4.9 Hasil Uji Multikolinieritas dengan Matriks Korelasi
CAR NPL NIM ROA BOPO LDR 1.000000 0.109802 0.140903 -0.245208 0.044757 -0.034818
0.109802 1.000000 -0.345098 -0.497291 0.761958 -0.112322 0.140903 -0.345098 1.000000 0.166035 -0.393159 0.135336 -0.245208 -0.497291 0.166035 1.000000 -0.759437 0.047697 0.044757 0.761958 -0.393159 -0.759437 1.000000 -0.104219 -0.034818 -0.112322 0.135336 0.047697 -0.104219 1.000000
Sumber: Lampiran 7
Dari hasil pengujian multikolinearitas pada Tabel 4.9 dapat disimpulkan
bahwa nilai koefisien korelasi parsial antar variabel independen < 0.85 yang
artinya pada model tidak mengandung unsur multikolinieritas atau data telah
memenuhi asumsi sehingga tidak terjadinya multikolinieritas.
3. Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi
yang terbentuk terjadi ketidaksamaan varian dari residual model regresi.
Pendeteksian heteroskedastisitas pada penelitian ini menggunakan hasil
pengujian probabilitas variabel yang ditunjukkan pada Tabel 4.10.
Tabel 4.10 Hasil Uji Heteroskedastisitas
Dependent Variable: RESABS Method: Panel Least Squares Date: 01/31/18 Time: 12:57 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84
Variable Coefficient Std. Error t-Statistic Prob. C 0.217735 0.230184 0.945917 0.3471
CAR -0.119857 0.449483 -0.266655 0.7904 NPL -1.749914 1.122384 -1.559105 0.1231 NIM -0.348887 0.863994 -0.403807 0.6875 ROA 0.033562 0.018123 1.851862 0.0679
BOPO 0.358640 0.148512 2.414887 0.0681 LDR -0.388692 0.176454 -2.202796 0.0706
UNIVERSITAS SUMATERA UTARA
R-squared 0.156507 Mean dependent var 0.111518 Adjusted R-squared 0.090781 .D. dependent var 0.162633 S.E. of regression 0.155076 kaike info criterion -0.810152 Sum squared resid 1.851732 chwarz criterion -0.607583 Log likelihood 41.02636 annan-Quinn criter. -0.728721 F-statistic 2.381185 urbin-Watson stat 1.246434 Prob(F-statistic) 0.036579
Sumber: Lampiran 8
Berdasarkan Tabel 4.10 memperlihatkan output dari uji heteroskedastisitas,
hasil pengujian menunjukkan probabilitas masing-masing variabel pada tabel
tersebut dapat dijelaskan sebagai berikut:
1. Probabilitas pada variabel CAR sebesar 0.7904 > α (0.05), maka data telah
memenuhi asumsi dan tidak ada masalah heteroskedastisitas.
2. Probabilitas pada variabel NPL sebesar 0.1231 > α (0.05), maka data telah
memenuhi asumsi dan tidak ada masalah heteroskedastisitas.
3. Probabilitas pada variabel NIM sebesar 0.6875 > α (0.05), maka data telah
memenuhi asumsi dan tidak ada masalah heteroskedastisitas.
4. Probabilitas pada variabel ROA sebesar 0.0679 > α (0.05), maka data telah
memenuhi asumsi dan tidak ada masalah heteroskedastisitas.
5. Probabilitas pada variabel BOPO sebesar 0.0681 > α (0.05), maka data telah
memenuhi asumsi dan tidak ada masalah heteroskedastisitas.
6. Probabilitas pada variabel LDR sebesar 0.0706 > α (0.05), maka data telah
memenuhi asumsi dan tidak ada masalah heteroskedastisitas.
4. Uji Autokorelasi
Asumsi mengenai independensi terhadap residual (non-autokorelasi) dapat
diuji dengan menggunakan uji Durbin-Watson (Ghozali, 2013:110). Nilai
statistik dari uji Durbin-Watson berkisar di antara -2 dan +2. Nilai statistik
UNIVERSITAS SUMATERA UTARA
dari uji Durbin-Watson yang lebih kecil dari -2 atau lebih besar dari +2
diindikasi terjadi autokorelasi. Hasil uji dapat dilihat pada Tabel 4.11.
Tabel 4.11 Hasil Uji Autokorelasi
Dependent Variable: Z-Score Method: Panel Least Squares Date: 01/31/18 Time: 12:38 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84
Cross-section fixed (dummy variables)
R-squared 0.685004 Mean dependent var 0.142857
Adjusted R-squared 0.477107 S.D. dependent var 0.352029 S.E. of regression 0.254557 Akaike info criterion 0.392144 Sum squared resid 3.239957 Schwarz criterion 1.376046 Log likelihood 17.52994 Hannan-Quinn criter. 0.787665 F-statistic 3.294916 Durbin-Watson stat 1.895954 Prob(F-statistic) 0.000072
Sumber: Lampiran 9
Berdasarkan Tabel 4.11 hasil dari uji autokorelasi menunjukkan bahwa nilai
Durbin-Watson sebesar 1.8959, hasil ini menunjukkan bahwa nilai Durbin-
Watson di antara -2 sampai +2, sehingga dapat disimpulkan data memenuhi
asumsi BLUE dan tidak terjadinya autokorelasi.
4.5 Pengujian Hipotesis
Uji hipotesis bertujuan untuk mengetahui pengaruh variabel bebas Capital
Adequacy Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin (NIM),
Return On Asset (ROA), Biaya Operasional terhadapan Pendapatan Operasional
(BOPO), Loan to Deposite Ratio (LDR) terhadap prediksi kondisi financial
distress. Hasil regresi yang akan digunakan pada penelitian ini adalah Fixed
Effect, karena telah memenuhi asumsi yang diperlukan.
UNIVERSITAS SUMATERA UTARA
1. Uji-F Secara Serempak
Uji F dimaksudkan untuk mendeteksi secara keseluruhan apakah variabel
independen berpengaruh terhadap variabel dependen. Pengujian ini dilakukan
dengan membandingkan nilai probabilitas F hitung dengan tingkat signifikansi
5% atau 0,05. Hasil pengujian secara serempak (Uji-F) dengan menggunakan
metode Fixed Effect Model (FEM) dapat dilihat pada Tabel 4.12 berikut:
Tabel 4.12 Hasil Uji Serempak (Uji-F)
Dependent Variable: Z-Score Method: Panel Least Squares Date: 01/31/18 Time: 12:38 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84
Cross-section fixed (dummy variables) R-squared 0.685004 Mean dependent var 0.142857
Adjusted R-squared 0.477107 S.D. dependent var 0.352029 S.E. of regression 0.254557 Akaike info criterion 0.392144 Sum squared resid 3.239957 Schwarz criterion 1.376046 Log likelihood 17.52994 Hannan-Quinn criter. 0.787665 F-statistic 3.294916 Durbin-Watson stat 1.895954 Prob(F-statistic) 0.000072
Sumber: Hasil Penelitian, 2018 (Data Diolah)
Pada Tabel 4.12 hasil Uji Serempak (Uji-F) terlihat bahwa nilai probabilitas F
hitung (F statistics) 0,000072 ternyata lebih kecil dari 0,05 maka H0 ditolak
dan H1 diterima, yang artinya secara keseluruhan variabel independen, yaitu
Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Net Interest
Margin (NIM), Return On Asset (ROA), Biaya Operasional terhadapan
Pendapatan Operasional (BOPO), Loan to Deposite Ratio (LDR) secara
bersama-sama memberikan pengaruh signifikan terhadap variabel dependen,
yaitu prediksi kondisi Financial Distress (Z-Score).
UNIVERSITAS SUMATERA UTARA
2. Uji-t (Uji Signifikan)
Uji ini digunakan untuk menentukan apakah variabel-variabel independen
dalam persamaan regresi secara individu signifikan dalam memprediksi nilai
variabel dependen. Pengujian ini dilakukan dengan membandingkan nilai
probabilitas t-hitung terhadap tingkat signifikansi α (5% atau 0,05), dengan kriteria
pengujian jika probabilitas t-hitung > α (0.05) maka pengaruh variabel independen
itu tidak signifikan, sehingga H0 diterima, yang artinya variabel independen tidak
mempengaruhi secara individual variabel dependennya, sebaliknya jika
probabilitas t-hitung < α (0,05) maka pengaruhnya signifikan, sehingga H1
Tabel 4.13
diterima, yang artinya variabel independen dapat mempengaruhi secara individual
variabel dependennya. Hasil pengujian secara parsial (Uji-t) dengan menggunakan
metode Fixed Effect Model dapat dilihat pada Tabel 4.13 berikut:
Hasil Uji Secara Parsial (Uji-t) Dependent Variable: Z-Score Method: Panel Least Squares Date: 01/31/18 Time: 12:38 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84
Variable Coefficient Std. Error t-Statistic Prob. C 0.874974 0.885435 0.988185 0.3278
CAR -0.692302 1.476026 -0.469031 0.6411 NPL -1.132360 2.882377 -0.392856 0.6961 NIM 8.026015 3.594852 2.232641 0.0301 ROA -0.093364 0.048152 -1.938935 0.0582
BOPO -0.982120 0.436809 -2.248396 0.0290 LDR -0.118813 0.844256 -0.140731 0.8886
Sumber: Hasil Penelitian, 2018 (Data Diolah)
Berdasarkan pada Tabel 4.13 hasil uji parsial (Uji-t) dengan metode Fixed
Effect Model diperoleh persamaan regresi sebagai berikut:
UNIVERSITAS SUMATERA UTARA
Y = 0.874 – 0.692(CAR) – 1.132(NPL) + 8.02(NIM) – 0.093(ROA) – 0.982(BOPO) – 0.118(LDR)
1. Nilai Konstanta (C) sebesar 0.874 hal ini menunjukkan bahwa jika variabel
independen Capital Adequacy Ratio (CAR), Non Performing Loan (NPL),
Net Interest Margin (NIM), Return On Asset (ROA), Biaya Operasional
terhadapan Pendapatan Operasional (BOPO), Loan to Deposite Ratio (LDR)
= 0 maka prediksi kondisi financial distress atau Z-Score sebesar 0.874.
2. CAR (Capital Adequacy Ratio) memiliki nilai koefisien yang bernilai -0.692
dengan nilai t-hitung sebesar 0.469 > -ttabel
3. NPL (Non Performing Loan) memiliki nilai koefisien yang bernilai -1.132
dengan nilai t-hitung sebesar -0.392 < -t
(-1.997) dan tingkat signifikan
sebesar 0.6411 > 0.05. Ini berarti menunjukkan bahwa Capital Adequacy Ratio
(CAR) berpengaruh negatif dan tidak signifikan dalam memprediksi financial
distress pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
tabel
4. NIM (Net Interest Margin) memiliki nilai koefisien yang bernilai 8.026
dengan nilai t-hitung sebesar 2.232 > t
(-1.997) dan tingkat signifikan
sebesar 0.6961 > 0.05. Ini berarti menunjukkan bahwa Non Performing Loan
(NPL) berpengaruh negatif dan tidak signifikan dalam memprediksi financial
distress pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
tabel
5. ROA (Return On Asset) memiliki nilai koefisien yang bernilai -0.093 dengan
nilai t-hitung sebesar -1.938 > - t
(1.997) dan tingkat signifikan
sebesar 0.0301< 0.05. Ini berarti menunjukkan bahwa Net Interest Margin
(NIM) berpengaruh positif dan signifikan dalam memprediksi financial
distress pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
tabel (-1.997) dan tingkat signifikan sebesar
UNIVERSITAS SUMATERA UTARA
0.0582 > 0.05. Ini berarti menunjukkan bahwa Return On Asset (ROA)
berpengaruh negatif dan tidak signifikan dalam memprediksi financial
distress pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
6. BOPO (Biaya Operasional terhadap Pendapatan Operasional) memiliki nilai
koefisien yang bernilai -0.982 dengan nilai t-hitung sebesar -2.248 < -ttabel
7. LDR (Loan to Deposite Ratio) memiliki nilai koefisien yang bernilai -0.118
dengan nilai t-hitung sebesar -0.140 > - t
(-
1.997) dan tingkat signifikan sebesar 0.0290 < 0.05. Ini berarti menunjukkan
bahwa Biaya Operasional terhadap Pendapatan Operasional (BOPO)
berpengaruh negatif dan signifikan dalam memprediksi financial distress
pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
tabel
4.6 Pembahasan Hasil Penelitian
(-1.997) dan tingkat signifikan
sebesar 0.8886 > 0.05. Ini berarti menunjukkan bahwa Loan to Deposite Ratio
(LDR) berpengaruh negatif dan tidak signifikan dalam memprediksi financial
distress pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
4.6.1 Pengaruh Capital Adequacy Ratio (CAR) terhadap Financial Distress
Variable Coefficient Std. Error t-Statistic Prob. CAR -0.692302 1.476026 -0.469031 0.6411
Sumber: Hasil Penelitian, 2018 (Data Diolah)
Hasil pengujian secara parsial (Uji-t) menunjukkan bahwa CAR
berpengaruh negatif dan tidak signifikan terhadap prediksi kondisi financial
distress atau Z”-score. Hal ini menunjukkan bahwa peningkatan atau penurunan
CAR selama periode penelitian tidak mempengaruhi kondisi financial distress
secara signifikan. Hal ini berarti bahwa perusahaan perbankan sebagian besar
UNIVERSITAS SUMATERA UTARA
mampu mengatur modalnya sehingga bank tidak sampai mengalami penyusutan
harta yang timbul karena harta bermasalah. Hasil penelitian ini sejalan dengan
penelitian sebelumnya yang dilakukan (Rahmania, 2014) yang meneliti tentang
variabel CAR dalam pengaruhnya terhadap financial distress dengan hasil yang
tidak signifikan.
4.6.2 Pengaruh Non Performing Loan (NPL) terhadap Financial Distress
Variable Coefficient Std. Error t-Statistic Prob. NPL -1.132360 2.882377 -0.392856 0.6961
Sumber: Hasil Penelitian, 2018 (Data Diolah)
Hasil pengujian secara parsial Uji-t menunjukkan bahwa NPL berpengaruh
negatif dan tidak signifikan terhadap prediksi kondisi financial distress. Hal ini menunjukkan
bahwa peningkatan atau penurunan NPL selama periode penelitian tidak mempengaruhi
kondisi financial distress secara signifikan. Hal ini berarti bahwa perusahaan perbankan
sebagian besar mampu mengatur pendapatan sehingga tidak terjadi penurunan
atau peningkatan profitabilitas dan bank tidak akan mengeluarkan biaya yang
tinggi untuk cadangan bank. Jika biaya yang dikeluarkan bank tidak cukup tinggi
maka tidak akan terjadi NPL yang tinggi yang dapat mengakibatkan terjadinya
financial distress. Hal ini sejalan dengan penelitian (Ludy, 2011) yang meneliti
tentang NPL dalam pengaruhnya terhadap financial distress dengan hasil tidak
signifikan, sedangkan penelitian ini tidak sejalan dengan penelitian dari (Meilita
Fitri Rahmania, 2014) yang menyatakan bahwa NPL berpengaruh positif
signifikan.
UNIVERSITAS SUMATERA UTARA
4.6.3 Pengaruh Net Interest Margin (NIM)
Variable Coefficient Std. Error t-Statistic Prob. NIM 8.026015 3.594852 2.232641 0.0301
Sumber: Hasil Penelitian, 2018 (Data Diolah)
Hasil pengujian secara parsial (Uji-t) menunjukkan bahwa NIM berpengaruh
positif dan signifikan terhadap financial distress. Hal ini menunjukkan bahwa
peningkatan NIM akan diikuti dengan peningkatan Z-Score atau financial distress,
sebaliknya jika NIM mengalami penurunan maka Z-Score atau financial distress pada
perbankan akan mengalami penurunan yang dapat menyebabkan kebangkrutan atau grey
area selama periode penelitian. Hal ini menunjukkan bahwa masih ada perusahaan
perbankan yang belum mampu mengelola pendapatan bunga atas aktiva produktif,
dimana batas maksimal yang ditentukan BI sebesar 1,5% yang menyebabkan
perusahaan perbankan mengalami financial distress. Hasil penelitian ini sejalan
dengan penelitian (Meilita Fitri Rahmania, 2014) yang meneliti tentang pengaruh analisis
variabel NIM terhadap financial distress dengan hasil yang positif dan signifikan.
4.6.4 Pengaruh Return On Asset (ROA) terhadap Financial Distress
Variable Coefficient Std. Error t-Statistic Prob. ROA -0.093364 0.048152 -1.938935 0.0582
Sumber: Hasil Penelitian, 2018 (Data Diolah)
Hasil pengujian secara parsial (Uji-t) menunjukkan bahwa ROA
berpengaruh negatif dan tidak signifikan terhadap financial distress. Hal ini
menunjukkan bahwa peningkatan atau penurunan ROA selama periode penelitian
tidak mempengaruhi kondisi financial distress secara signifikan. Hal ini berarti
ROA yang semakin tinggi belum dapat digunakan untuk memprediksi financial
distress karena untuk mempertahankan tingkat kesehatan tertentu atau untuk
UNIVERSITAS SUMATERA UTARA
menutupi fakta bahwa terjadi penurunan tingkat kesehatan, maka manajer bank
dapat menggunakan kebijakan menaikan laba. Hasil penelitian ini sejalan dengan
penelitian sebelumnya yang dilakukan (Meilita Fitri Rahmania, 2014) yang meneliti
tentang variabel ROA dalam pengaruhnya terhadap financial distress dengan hasil
yang negatif dan tidak signifikan.
4.6.5 Pengaruh Biaya Operasional terhadap Pendapatan Operasional (BOPO) terhadap Financial Distres
Variable Coefficient Std. Error t-Statistic Prob. BOPO -0.982120 0.436809 -2.248396 0.0290
Sumber: Hasil Penelitian, 2018 (Data Diolah)
Hasil pengujian secara parsial (Uji-t) menunjukkan bahwa BOPO
berpengaruh negatif dan signifikan terhadap financial distress. Hal ini menunjukkan
bahwa peningkatan BOPO akan diikuti dengan peningkatan Z-Score atau financial
distress, sebaliknya jika BOPO mengalami penurunan maka Z-Score atau financial
distress pada perbankan akan mengalami penurunan yang dapat menyebabkan
kebangkrutan atau grey area selama periode penelitian. BOPO menjadi negatif
karena sebagian bank tidak bisa mengatur keseimbangan antara biaya operasional
yang dikeluarkan untuk menghasilkan pendapatan. Hal ini dikarenakan terdapat
perusahaan perbankan yang mengeluarkan biaya untuk operasional yang tinggi
namun mempunyai pendapatan yang kurang untuk menjalankan biaya aktifitas usaha
utamanya seperti biaya bunga, biaya pemasaran, biaya tenaga kerja dan biaya
operasional lainnya. Hasil penelitian ini sejalan dengan penelitian (Riyadi, 2008)
yang meneliti tentang variabel BOPO terhadap financial distress dengan hasil yang
negatif dan signifikan
UNIVERSITAS SUMATERA UTARA
4.6.6 Pengaruh Loan to Deposite Ratio (LDR) terhadap Financial Distress
Variable Coefficient Std. Error t-Statistic Prob. LDR -0.118813 0.844256 -0.140731 0.8886
Sumber: Hasil Penelitian, 2018 (Data Diolah)
Hasil pengujian secara parsial (Uji-t) menunjukkan bahwa LDR berpengaruh
negatif dan tidak signifikan. Hal ini menunjukkan bahwa peningkatan atau penurunan
LDR selama periode penelitian tidak mempengaruhi kondisi financial distress secara
signifikan. LDR yang negatif menunjukkan bahwa kemampuan memasarkan dana
belum maksimal sehingga bank menginvestasikan dana yang dihimpun dalam bentuk
aktiva produktif lain yang tidak beresiko. Hasil Penelitian ini sejalan dengan
penelitian (Meilita Fitri Rahmania, 2014) yang meneliti tentang variabel LDR
terhadap financial distress dengan hasil negatif dan tidak signifikan.
UNIVERSITAS SUMATERA UTARA
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil penelitian dan pembahasan, maka disimpulkan:
1. Secara serempak (Uji F) menunjukkan bahwa Capital Adequacy Ratio
(CAR), Non Performing Loan (NPL), Net Interest Margin (NIM), Return On
Asset (ROA), Biaya Operasional terhadap Pendapatan Operasional (BOPO),
Loan to Deposite Ratio (LDR) secara serempak berpengaruh signifikan
terhadap Financial Distress periode Tahun 2014-2016.
2. Secara parsial (Uji t) dapat dinyatakan bahwa:
a. Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Return On
Asset (ROA), Loan to Deposite Ratio (LDR) berpengaruh negatif dan
tidak signifikan terhadap Financial Distress pada perusahaan perbankan
yang terdaftar di Bursa Efek Indonesia.
b. Net Interest Margin (NIM)) berpengaruh positif dan signifikan terhadap
Financial Distress pada perusahaan perbankan yang terdaftar di Bursa
Efek Indonesia.
c. Biaya Operasional terhadap Pendapatan Operasional (BOPO)
berpengaruh negatif dan signifikan terhadap Financial Distress pada
perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.
5.2 Saran
Berdasarkan kesimpulan yang telah dikemukakan, maka saran yang dapat
UNIVERSITAS SUMATERA UTARA
diajukan adalah sebagai berikut:
1. Bagi Peneliti Sejenis
Bagi peneliti sejenis sebaiknya memperluas penelitian dengan melakukan
penelitian tidak hanya terbatas pada perusahaan perbankan saja, tetapi juga
perusahaan-perusahaan lainnya, misalnya saja pada perusahaan manufaktur
yang terdaftar pada Bursa Efek Indonesia. Diharapkan pada peneliti
selanjutnya untuk meneliti variabel-variabel lain yang mempengaruhi
financial distress atau dengan menggunakan rasio keuangan lainnya.
2. Bagi Perusahaan Perbankan
Bagi manajemen perusahaan perbankan, sebaiknya dapat meningkatkan rasio
CAR, NPL, ROA, dan BOPO agar dapat mengurangi financial distress serta
memperhatikan kemampuan manajemen dalam mengelola kesehatan bank.
3. Bagi Investor
Mengetahui seberapa terlindungnya suatu perusahaan terhadap risiko yang
akan dihadapi perusahaan adalah informasi penting dan baik bagi investor.
Penulis menyarankan bagi para investor untuk lebih memperhatikan rasio
NIM dan LDR sebelum mengambil keputusan dalam berinvestasi.
UNIVERSITAS SUMATERA UTARA
DAFTAR PUSTAKA
Afriyeni, E. (2012). Model Prediksi Financial Distress Perusahaan Polibisnis . Journal Nasional , 1-10.
Akhigbe, A., Martin, D., & Mauer, L. J. (2014). Influence of Financial Distress on Foreign Exchange Exposure. American Journal of Business , 223-236.
Almilia, L., & Herdiningtyas, W. (2005). Analisis Rasio CAMEL terhadap prediksi kondisi bermasalah pada Lembaga Perbankan periode 2000-2002 . Jurnal Akuntansi dan Keuangan , 2-7.
Altman, E. (1968). Financial Ratio Discriminant Analysis, and The Prediction of Corporat Bankruptcy. The Journal Of Finance , 25.
Budisantoso, T., & Nuritomo. (2014). Bank dan Lembaga Keuangan Lain. Jakarta: Salemba Empat.
Darmawi, H. (2006). Pasar Financial dan Lembaga-Lembaga Financial. Bandung : Bumi Aksara .
Fahmi, I. (2013). Analisis Laporan Keuangan . Bandung : Alfabeta .
Ghozali, I. (2013). Aplikasi Analisis Multivariate dengan Program IBM SPSS 21. Semarang: Universitas Dipenogoro.
Januarti, I. (2002). Variabel Proksi CAMEL dan Karakteristik Bank Lainnya untuk Memprediksi Kebangkrutan Bank di Indonesia . Jurnal Bisnis Strategi , 1-10.
Jia Liu, Z. (2014). Cross Country Study On The Determinants Of Bank Financial Distress. ISSN 0034-7590 , 593-603.
Kasmir. (2010). Analisis Laporan Keuangan . Jakarta : PT Rajawali.
Kuncoro, & Suhardjono. (2002). Manajemen Perbankan (Teori dan Aplikasi). Yogyakarta : BPFE.
Kurniasari, C. (2013). Analisis Pengaruh Rasio Camel Dalam Memprediksi Financial Distress Perbankan Indonesia . Semarang: Fakultas Ekonomika Dan Bisnis Universitas Dipenogoro .
Ludy, R. W. (2011). Kekuatan Rasio Keuangan dalam Memprediksi Kondisi Financial Distress Perusahaan Manufaktur di BEI. Fakultas Ekonomi Universitas Negeri Semarang , 3.(2). 101-109.
Mulyaningrum, P. (2008). Analisis Rasio Keuangan Sebagai Indikator Prediksi Kebangkrutan Bank Indonesia . Semarang : Universitas Diponegoro.
Prasnanugraha, P. (2007). Analisis Pengaruh Rasio-Rasio Keuangan Terhadap Kinerja Bank Umum di Indonesia. Semarang : Universitas Diponegoro.
Prihadi, T. (2009). Investasi Laporan Keuangan & Analisis Rasio Keuangan . Jakarta : PPM.
UNIVERSITAS SUMATERA UTARA
Rahmania, M. F. (2014). Analisis Rasio Keuangan dalam Memprediksi Kondisi Financial Distress Perusahaan Sekto Perdagangan. Jurnal Ilmu Manajemen , 22.(4). 1655-1665.
Riyadi, S. (2006). Banking Assets and Liability Management . Jakarta : PT Raja Grafindo Persada.
Sjahrial, M., & Dermawan. (2012). Pengantar Manajemen Keuangan . Jakarta : Mitra Wacana Media .
Stefancic, M., & Kathitziostis, N. (2011). An Evalution of Italian Bank In The Period Of Financial Distress . The International Business & Economic Research Journal , 103-113.
Sugiyono. (2010). Metode Penelitian Bisnis (Pendekatan Kuantitatif, Kualitatif dan R&D). Bandung : Alfabeta .
Suliyanto. (2011). Ekonometrika Terapan: Teori & Aplikasi dengan SPSS . Yogyakarta : Andi Offset.
Widarjono, A. (2013). Ekonometrika: Pengantar dan Aplikasinya Disertai Panduan Eviews. Yogyakarta : UPP STIM YKPN.
Winarno, W. W. (2015). Analisis Ekonometrika dan Statistik dengan Eviews . Yogyakarta : UPP STIM YKPN.
Yayanti, V., & Yanti. (2015). Analisis Pengaruh Likuiditas Efisiensi Operasi dan Corporate Governance Terhadap Financial Distress Pada Perusahaan Manufaktur Yang Terdaftar di Bursa Efek Indonesia Pada Periode 2012-2014. Jurnal Ekonomi , 154-173.
Zaenuddin, M. (2015). Isu, Problematika, dan Dinamika Perekonomian, dan Kebijakan Publik . Yogyakarta : Deepublish.
Zaki, E., Bah, R., & Rao, A. (2011). Assesing Probabilities of Financial Distress of Bank in UAE. International Journal of Managerial Finance , 304-320.
Zhuang, Q., & Lianghua, C. (2014). Dynamic Prediction of Financial Distress Based on Kalman Filterin . Corporation Discrete Dynamics in Nature and Society , 1-10.
UNIVERSITAS SUMATERA UTARA
DAFTAR LAMPIRAN
LAMPIRAN 1
Daftar Nama Perusahaan Berdasarkan Kriteria Sampel
No Nama Perbankan Kriteria Memenuhi Kriteria 1 2 1. Bank Rakyat Indonesia Agroniaga, Tbk √ √ Sampel (S1) 2. Bank Artha Graha Internasional, Tbk √ √ Sampel (S2) 3. Bank Bukopin, Tbk √ √ Sampel (S3) 4. Bank Bumi Arta √ √ Sampel (S4) 5. Bank Capital Indonesia √ √ Sampel (S5) 6. Bank Central Asia, Tbk √ √ Sampel (S6) 7. Bank CIMB Niaga, Tbk √ √ Sampel (S7) 8. Bank Danamaon Indonesia, Tbk √ X Tidak 9 Bank Himpunan Saudara 1906, Tbk √ √ Sampel (S8)
10. Bank MNC Internasional, Tbk √ √ Sampel (S9) 11. Bank Dinar Indonesia, Tbk √ X Tidak 12. Bank Internasional Indonesia, Tbk √ √ Sampel (S10) 13. Bank QNB Indonesia, Tbk √ √ Sampel (S11) 14. Bank Mandiri (Persero), Tbk √ X Tidak 15. Bank Mayapada Internasional, Tbk √ √ Sampel (S12) 16. Bank Mega, Tbk √ √ Sampel (S13) 17. Bank Mutiara, Tbk √ √ Sampel (S14) 18. Bank Negara Indonesia (Persero), Tbk √ √ Sampel (S15) 19. Bank Nusantara Parahyangan, Tbk √ √ Sampel (S16) 20. Bank OCBC NISP, Tbk √ √ Sampel (S17) 21. Bank Pan Indonesia, Tbk √ √ Sampel (S18) 22. Bank Permata, Tbk √ √ Sampel (S19) 23. Bank Rakyat Indonesia (Persero), Tbk √ √ Sampel (S20) 24. Bank Tabungan Negara (Persero), Tbk √ X Tidak 25. Bank Tabungan Pensiunan Nasional, Tbk √ √ Sampel (S21) 26. Bank Victoria International, Tbk √ √ Sampel (S22) 27. Bank Windu Kentjanan International, Tbk √ √ Sampel (S23) 28. Bank of India Indonesia, Tbk √ √ Sampel (S24) 29. Bank Pundi Indonesia, Tbk √ X Tidak 30. Bank Agris, Tbk √ X Tidak 31. Bank Ekonomi Raharja, Tbk √ X Tidak 32. Bank Ina Perdana, Tbk √ X Tidak 33. Bank Maspion Indonesia, Tbk √ X Tidak 34. Bank Mestika Dharma, Tbk √ X Tidak 35. Bank Mitraniaga, Tbk √ X Tidak 36. Bank Nationalnobu, Tbk √ X Tidak 37. Bank Panin syariah, Tbk √ √ Sampel (S25) 38. Bank Sinarmas, Tbk √ √ Sampel (S26) 39. Bank Yudha Bhakti, Tbk √ X Tidak 40. Bank Jawa Barat dan Banten, Tbk √ √ Sampel (S27) 41. Bank BPD Jawa Timur, Tbk √ √ Sampel (S28) 42. Bank Ganesha, Tbk √ X Tidak 43. Bank Artos Indonesia, Tbk √ X Tidak
UNIVERSITAS SUMATERA UTARA
LAMPIRAN 2
Data Financial Distress, CAR, NPL, NIM, ROA, BOPO, LDR pada Perbankan Tahun 2014-2016
BANK TAHUN Z-Score (Y) CAR NPL NIM ROA BOPO LDR AGRO 2014 6.78 0.1906 0.0202 0.0462 0.0147 0.8785 0.8849
2015 8.61 0.2212 0.0190 0.0477 0.0155 0.8863 0.8715
2016 8.91 0.2368 0.0288 0.0435 0.0149 0.8759 0.8825
BBCA 2014 21.01 0.1690 0.0060 0.0650 0.0390 0.6240 0.7680
2015 21.63 0.1870 0.0070 0.0670 0.0380 0.6320 0.8110
2016 22.08 0.2190 0.0130 0.0680 0.0400 0.6040 0.7710
BBKP 2014 5.85 0.1598 0.0278 0.0370 0.0123 0.8921 0.8389
2015 6.95 0.1500 0.0283 0.0358 0.0139 0.8756 0.8634
2016 7.12 0.1672 0.0377 0.0388 0.0138 0.8697 0.8604
BBNI 2014 6.02 0.1620 0.0200 0.0620 0.0350 0.6980 0.8570
2015 5.45 0.1950 0.0270 0.0640 0.0260 0.7550 0.8470
2016 6.44 0.1940 0.0300 0.0620 0.0270 0.7360 0.8520
BBNP 2014 7.24 0.1660 0.0141 0.0469 0.0132 0.8837 0.8915
2015 5.68 0.1807 0.0398 0.0518 0.0099 0.9191 0.9017
2016 7.74 0.2057 0.0407 0.0613 0.0015 0.9852 0.8418
BBRI 2014 21.04 0.1831 0.0169 0.0851 0.0473 0.6542 0.8168
2015 20.16 0.1699 0.0155 0.0813 0.0503 0.6058 0.8854
2016 18.75 0.1695 0.0178 0.0827 0.0515 0.5993 0.7985
BDMN 2014 10.06 0.1790 0.0230 0.0840 0.0190 0.7640 0.9260
2015 9.83 0.1970 0.0300 0.0820 0.0170 0.8337 0.8750
2016 12.2 0.2090 0.0310 0.0890 0.0250 0.7730 0.9100
BNBA 2014 7.15 0.1507 0.0025 0.0580 0.0152 0.8741 0.7945
2015 6.7 0.2557 0.0078 0.0549 0.0133 0.8891 0.8278
2016 8.44 0.2515 0.0182 0.0474 0.0152 0.8580 0.7903
BNGA 2014 6.76 0.1558 0.0390 0.0536 0.0133 0.8786 0.9946
2015 3.01 0.1628 0.0374 0.0521 0.0047 0.9738 0.9798
2016 5.95 0.1796 0.0389 0.0564 0.0109 0.9007 0.9838
BNII 2014 4.06 0.1353 0.0223 0.0440 0.0069 0.9213 0.9267
2015 5.48 0.1457 0.0367 0.0445 0.0108 0.8918 0.8614
2016 7.2 0.1793 0.0342 0.0461 0.0160 0.8436 0.8892
BTPN 2014 18.19 0.2320 0.0070 0.1140 0.0360 0.8000 0.9700
2015 15.71 0.2380 0.0070 0.1130 0.0310 0.8200 0.9700
2016 14.7 0.2500 0.0079 0.1200 0.0310 0.8200 0.9500
BVIC 2014 3.94 0.1835 0.0352 0.0188 0.0080 0.9325 0.7025
2015 3.17 0.2038 0.0448 0.0208 0.0065 0.9389 0.7017
2016 3.23 0.2618 0.0389 0.0153 0.0052 0.9430 0.6838
UNIVERSITAS SUMATERA UTARA
INPC 2014 4.22 0.1595 0.0192 0.0475 0.0079 0.9162 0.8762
2015 2.58 0.1520 0.0233 0.0456 0.0033 0.9666 0.8075
2016 2.62 0.1992 0.0277 0.0465 0.0035 0.9617 0.8639
MAYA 2014 8.85 0.1044 0.0146 0.0452 0.0198 0.8427 0.8125
2015 9.38 0.1297 0.0252 0.0478 0.0210 0.8265 0.8299
2016 9.93 0.1334 0.0211 0.0516 0.0203 0.8308 0.9140
MEGA 2014 5.95 0.1523 0.0209 0.0527 0.0116 0.9125 0.8953
2015 11.36 0.2285 0.0281 0.0604 0.0197 0.8572 0.8312
2016 12.16 0.2621 0.0344 0.0701 0.0236 0.8181 0.8261
NISP 2014 11.7 0.1874 0.0134 0.0415 0.0179 0.7946 0.9359
2015 11.16 0.1732 0.0130 0.0407 0.0168 0.8014 0.9805
2016 11.63 0.1828 0.0188 0.0462 0.0185 0.7984 0.8986
MCOR 2014 3.96 0.2515 0.0271 0.0376 0.0079 0.9319 0.8403
2015 5.17 0.2150 0.0198 0.0444 0.0103 0.9070 0.8682
2016 0.58 0.2104 0.0303 0.0448 0.0069 0.9347 0.8643
BACA 2014 3.23 0.1643 0.0034 0.0396 0.0133 0.8781 0.5813
2015 2.99 0.1770 0.0079 0.0473 0.0110 0.9027 0.5578
2016 3.09 0.2064 0.0317 0.0437 0.0100 0.8911 0.5534
SDRA 2014 2.86 0.2171 0.0251 0.0189 0.0281 0.5604 1.0120
2015 2.51 0.1882 0.0198 0.0474 0.0194 0.7989 0.9722
2016 2.74 0.1720 0.0153 0.0474 0.0193 0.7925 1.1045
BABP 2014 6.78 0.1412 0.0625 0.0260 -0.0164 0.9863 0.8493
2015 6.52 0.1521 0.0578 0.0840 0.0009 0.8768 0.7948
2016 5.44 0.1609 0.0488 0.0390 0.0093 0.8977 0.8014
BCIC 2014 11.93 0.1348 0.1224 0.0024 -0.0497 1.3639 0.7114
2015 11.45 0.1549 0.0371 0.0093 -0.0537 1.4368 0.8500
2016 9.65 0.1528 0.0698 0.0226 -0.0502 1.2826 0.9633
BEKS 2014 1.26 0.1005 0.0485 0.0965 -0.0159 1.0830 0.8611
2015 4.17 0.0802 0.0491 0.0611 -0.0529 1.3415 0.8077
2016 6.21 0.1322 0.0476 0.0193 -9.5800 1.9570 0.8385
BJBR 2014 10.71 0.1608 0.0415 0.0679 0.0192 0.8560 0.9318
2015 11.22 0.1621 0.0291 0.0632 0.0204 0.8331 0.8813
2016 8.27 0.1843 0.0169 0.0740 0.0222 0.8670 0.8670
BKSW 2014 1.42 0.1510 0.0031 0.0280 0.0105 0.8890 0.9347
2015 1.54 0.1618 0.0259 0.0308 0.0087 0.9095 1.1254
2016 7.77 0.1646 0.0686 0.0225 -0.0334 1.3794 0.9454
PNBN 2014 9.44 0.1741 0.0201 0.0306 0.0223 0.7981 0.9547
2015 7.41 0.2023 0.0244 0.0461 0.0131 0.8666 0.9883
2016 12.75 0.2059 0.0281 0.0503 0.0169 0.8302 0.9437
BNLI 2014 5.84 0.1360 0.0170 0.0360 0.0120 0.8980 0.8910
2015 1.04 0.1500 0.0270 0.0400 0.0020 0.9890 0.8780
UNIVERSITAS SUMATERA UTARA
2016 3.71 0.1560 0.0880 0.0390 -0.0490 1.5080 0.8050
BSIM 2014 5.65 0.1838 0.0300 0.0587 0.0102 0.9454 0.8388
2015 4.79 0.1437 0.0395 0.0577 0.0095 0.9167 0.7804
2016 8.93 0.1670 0.0210 0.0644 0.0172 0.8623 0.7747
BSWD 2014 2.48 0.1539 0.0117 0.0497 0.0336 0.7492 0.8806
2015 6.05 0.2385 0.0890 0.0370 -0.0077 1.1020 0.8206
2016 10.64 0.3450 0.1582 0.0369 -11.1500 2.3520 0.8270
UNIVERSITAS SUMATERA UTARA
LAMPIRAN 3
Data Prediksi Altman Z-Score pada Perbankan Tahun 2014-2016
Kode Tahun
Rasio
X1 X2 X3 X4 X5 Y
AGRO 2014 0.121 0.009 0.013 10.809 0.094 6.78
2015 0.087 0.010 0.013 13.916 0.094 8.61
2016 0.091 0.009 0.012 14.430 0.085 8.91
BBCA 2014 0.065 0.003 0.037 34.548 0.075 21.01
2015 0.090 0.003 0.004 35.707 0.081 21.63
2016 0.109 0.003 0.004 36.544 0.008 22.08
BBKP 2014 0.113 0.0001 0.011 9.307 0.090 5.85
2015 0.129 0.010 0.012 11.093 0.088 6.95
2016 0.125 0.010 0.013 11.374 0.089 7.12
BBNI 2014 0.033 0.025 0.032 9.603 0.081 6.02
2015 0.070 0.017 0.023 8.651 0.073 5.45
2016 0.042 0.018 0.024 10.348 0.073 6.44
BBNP 2014 0.078 0.010 0.014 11.618 0.114 7.24
2015 0.080 0.008 0.010 9.033 0.117 5.68
2016 0.104 0.001 0.002 12.479 0.117 7.74
BBRI 2014 0.132 0.029 0.038 34.362 0.094 21.04
2015 0.129 0.028 0.037 32.919 0.097 20.16
2016 0.149 0.025 0.034 30.558 0.094 18.75
BDMN 2014 0.259 0.012 0.018 15.925 0.117 10.06
2015 0.273 0.012 0.017 15.513 0.119 9.83
2016 0.303 0.014 0.025 19.349 0.119 12.20
BNBA 2014 0.184 0.010 0.014 11.271 0.103 7.15
2015 0.173 0.009 0.012 10.570 0.101 6.70
2016 0.197 0.011 0.015 13.389 0.101 8.44
BNGA 2014 0.413 0.009 0.013 10.280 0.046 6.76
2015 0.414 0.004 0.005 4.074 0.048 3.01
2016 0.360 0.008 0.011 9.041 0.050 5.95
BNII 2014 0.118 0.005 0.007 6.419 0.038 4.06
2015 0.106 0.008 0.010 8.781 0.038 5.48
2016 0.110 0.012 0.016 11.604 0.040 7.20
BTPN 2014 0.099 0.025 0.034 29.603 0.164 18.19
2015 0.190 0.022 0.030 25.322 0.160 15.71
2016 0.198 0.021 0.029 23.654 0.150 14.70
BVIC 2014 0.179 0.045 0.006 5.910 0.095 3.94
2015 0.155 0.044 0.004 4.697 0.087 3.17
2016 0.151 0.043 0.004 4.825 0.083 3.23
UNIVERSITAS SUMATERA UTARA
INPC 2014 0.106 0.035 0.008 6.532 0.096 4.22
2015 0.091 0.036 0.003 3.851 0.096 2.58
2016 0.075 0.036 0.004 3.964 0.087 2.62
MAYA 2014 0.084 0.012 0.016 14.309 0.098 8.85
2015 0.081 0.014 0.019 15.155 0.106 9.38
2016 0.125 0.013 0.018 16.011 0.099 9.93
MEGA 2014 0.097 0.007 0.010 9.579 0.041 5.95
2015 0.091 0.013 0.018 18.543 0.048 11.36
2016 0.098 0.014 0.022 19.840 0.049 12.16
NISP 2014 0.210 0.013 0.017 18.887 0.036 11.70
2015 0.194 0.012 0.017 18.027 0.037 11.16
2016 0.173 0.013 0.017 18.850 0.039 11.63
MCOR 2014 0.102 0.005 0.007 6.190 0.092 3.96
2015 0.107 0.007 0.010 8.176 0.099 5.17
2016 0.198 0.002 0.006 0.378 0.087 0.58
BACA 2014 0.779 0.008 0.011 3.711 0.023 3.23
2015 0.757 0.007 0.010 3.353 0.024 2.99
2016 0.921 0.007 0.009 3.204 0.025 3.09
SDRA 2014 0.170 0.008 0.012 4.314 0.015 2.86
2015 0.163 0.013 0.018 3.601 0.077 2.51
2016 0.230 0.014 0.018 3.850 0.078 2.74
BABP 2014 0.114 0.022 0.007 10.838 0.081 6.78
2015 0.121 0.017 0.001 10.456 0.078 6.52
2016 0.125 0.015 0.001 8.639 0.081 5.44
BCIC 2014 0.033 0.052 0.053 19.401 0.005 11.93
2015 0.030 0.051 0.049 18.613 0.011 11.45
2016 0.139 0.045 0.044 15.416 0.024 9.65
BEKS 2014 0.117 0.013 0.017 1.434 0.186 1.26
2015 0.165 0.055 0.064 5.854 0.169 4.17
2016 0.120 0.077 0.097 9.236 0.091 6.21
BJBR 2014 0.136 0.001 0.019 17.273 0.116 10.71
2015 0.152 0.0005 0.020 18.103 0.114 11.22
2016 0.131 0.0004 0.014 13.266 0.104 8.27
BKSW 2014 0.109 0.006 0.008 1.993 0.059 1.42
2015 0.257 0.011 0.008 1.851 0.079 1.54
2016 0.105 0.016 0.036 12.361 0.084 7.77
PNBN 2014 0.142 0.014 0.021 15.146 0.090 9.44
2015 0.142 0.008 0.013 11.814 0.092 7.41
2016 0.144 0.012 0.017 20.702 0.088 12.75
BNLI 2014 0.069 0.009 0.011 9.464 0.029 5.84
2015 0.067 0.001 0.002 1.523 0.034 1.04
UNIVERSITAS SUMATERA UTARA
2016 0.065 0.039 0.052 5.622 0.036 3.71
BSIM 2014 0.088 0.041 0.009 9.013 0.047 5.65
2015 0.081 0.037 0.009 7.612 0.048 4.79
2016 0.084 0.045 0.016 14.422 0.056 8.93
BSWD 2014 0.520 0.020 0.027 2.759 0.085 2.48
2015 0.430 0.007 0.008 9.007 0.091 6.05
2016 0.388 0.117 0.134 15.797 0.095 10.64
UNIVERSITAS SUMATERA UTARA
LAMPIRAN 4
Hasil Statistik Deskriptif Date: 01/30/:25
Sample: 2014 2016 Z-Score CAR NPL NIM ROA BOPO LDR Mean 7.916429 0.181117 0.030883 0.051427 -0.235381 0.920614 0.861332
Median 6.780000 0.173650 0.027000 0.047400 0.013300 0.878300 0.863650 Maximum 22.08000 0.345000 0.158200 0.120000 0.051500 2.352000 1.125400 Minimum 0.580000 0.080200 0.002500 0.002400 -11.15000 0.560400 0.553400 Std. Dev. 5.043249 0.041204 0.024378 0.022251 1.596274 0.260384 0.097763 Skewness 1.127690 0.837399 2.660238 0.751672 -6.302388 3.044485 -0.592798 Kurtosis 3.971257 5.035250 12.64758 4.108402 40.97233 15.25404 5.044299
Jarque-Bera 21.10528 24.31516 424.8417 12.21010 5602.723 655.3297 19.54679 Probability 0.000026 0.000005 0.000000 0.002232 0.000000 0.000000 0.000057
Sum 664.9800 15.21380 2.594200 4.319900 -19.77200 77.33160 72.35190 Sum Sq. Dev. 2111.052 0.140913 0.049325 0.041095 211.4916 5.627402 0.793276
Observations 84 84 84 84 84 84 84
UNIVERSITAS SUMATERA UTARA
LAMPIRAN 5
Hasil Pengujian Fixed Efect Model (FEM) Dependent Variable: Z-Score Method: Panel Least Squares Date: 01/31/18 Time: 12:38 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84
Variable Coefficient Std. Error t-Statistic Prob. C 0.874974 0.885435 0.988185 0.3278
CAR -0.692302 1.476026 -0.469031 0.6411 NPL -1.132360 2.882377 -0.392856 0.6961 NIM 8.026015 3.594852 2.232641 0.0301 ROA -0.093364 0.048152 -1.938935 0.0582
BOPO -0.982120 0.436809 -2.248396 0.0290 LDR -0.118813 0.844256 -0.140731 0.8886
Effects Specification Cross-section fixed (dummy variables) R-squared 0.685004 Mean dependent var 0.142857
Adjusted R-squared 0.477107 S.D. dependent var 0.352029 S.E. of regression 0.254557 Akaike info criterion 0.392144 Sum squared resid 3.239957 Schwarz criterion 1.376046 Log likelihood 17.52994 Hannan-Quinn criter. 0.787665 F-statistic 3.294916 Durbin-Watson stat 1.895954 Prob(F-statistic) 0.000072
UNIVERSITAS SUMATERA UTARA
LAMPIRAN 6
Hasil Uji Jarque-Bera Test
0
1
2
3
4
5
6
7
8
9
-2 -1 0 1 2 3
Series: Standardized ResidualsSample 2014 2016Observations 84
Mean -9.32e-17Median 0.011952Maximum 3.202647Minimum -2.635680Std. Dev. 1.232501Skewness 0.216233Kurtosis 3.062658
Jarque-Bera 0.668337Probability 0.715933
UNIVERSITAS SUMATERA UTARA
LAMPIRAN 7
Hasil Uji Multikolinieritas CAR NPL NIM ROA BOPO LDR
1.000000 0.109802 0.140903 -0.245208 0.044757 -0.034818
0.109802 1.000000 -0.345098 -0.497291 0.761958 -0.112322 0.140903 -0.345098 1.000000 0.166035 -0.393159 0.135336 -0.245208 -0.497291 0.166035 1.000000 -0.759437 0.047697 0.044757 0.761958 -0.393159 -0.759437 1.000000 -0.104219 -0.034818 -0.112322 0.135336 0.047697 -0.104219 1.000000
UNIVERSITAS SUMATERA UTARA
LAMPIRAN 8
Hasil Uji Heteroskedastisitas Dependent Variable: RESABS Method: Panel Least Squares Date: 01/31/18 Time: 12:57 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84
Variable Coefficient Std. Error t-Statistic Prob. C 0.217735 0.230184 0.945917 0.3471
CAR -0.119857 0.449483 -0.266655 0.7904 NPL -1.749914 1.122384 -1.559105 0.1231 NIM -0.348887 0.863994 -0.403807 0.6875 ROA 0.033562 0.018123 1.851862 0.0679
BOPO 0.358640 0.148512 2.414887 0.0681 LDR -0.388692 0.176454 -2.202796 0.0706
R-squared 0.156507 Mean dependent var 0.111518
Adjusted R-squared 0.090781 S.D. dependent var 0.162633 S.E. of regression 0.155076 Akaike info criterion -0.810152 Sum squared resid 1.851732 Schwarz criterion -0.607583 Log likelihood 41.02636 Hannan-Quinn criter. -0.728721 F-statistic 2.381185 Durbin-Watson stat 1.246434 Prob(F-statistic) 0.036579
UNIVERSITAS SUMATERA UTARA
LAMPIRAN 9
Hasil Uji Autokorelasi Dependent Variable: Z-Score Method: Panel Least Squares Date: 01/31/18 Time: 12:38 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84
Cross-section fixed (dummy variables) R-squared 0.685004 Mean dependent var 0.142857
Adjusted R-squared 0.477107 S.D. dependent var 0.352029 S.E. of regression 0.254557 Akaike info criterion 0.392144 Sum squared resid 3.239957 Schwarz criterion 1.376046 Log likelihood 17.52994 Hannan-Quinn criter. 0.787665 F-statistic 3.294916 Durbin-Watson stat 1.895954 Prob(F-statistic) 0.000072
UNIVERSITAS SUMATERA UTARA