FINANCIAL DISTRESS SEBAGAI INTERVENING HUBUNGAN RGEC …

FINANCIAL DISTRESS SEBAGAI INTERVENING HUBUNGAN

RGEC DAN EPS TERHADAP PERUBAHAN HARGA SAHAM

BANK UMUM DI INDONESIA

TESIS

Disusun oleh :

NOVITA MARDIANI

NIM : 201810280211024

DIREKTORAT PROGRAM PASCASARJANA

UNIVERSITAS MUHAMMADIYAH MALANG

Agustus 2020




TESIS

Untuk Memenuhi Sebagian Persyaratan

Memperoleh Derajat Gelar S-2

Program Studi Magister Manajemen

Disusun oleh :

NOVITA MARDIANI

NIM : 201810280211024

DIREKTORAT PROGRAM PASCASARJANA

UNIVERSITAS MUHAMMADIYAH MALANG

Agustus 2020

T E S I S

NOVITA MARDIANI

201810280211024

Telah dipertahankan di depan Dewan Penguji pada hari/tanggal, Rabu/ 19 Agustus 2020

dan dinyatakan memenuhi syarat sebagai kelengkapan memperoleh gelar Magister di Program Pascasarjana

Universitas Muhammadiyah Malang

SUSUNAN DEWAN PENGUJI

Ketua : Prof. Dr. Bambang Widagdo

Sekretaris : Dr. Mohammad Jihadi

Penguji I : Dr. Ahmad Juanda

Penguji II : Dr. Mursidi

i

KATA PENGANTAR

Assalamu’alaikum wr.wb

Bismillahirrohmanirrohim

Puji syukur penulis panjatkan kepada Allah SWT karena atas segala nikmat

dan karunia-Nya tesis ini dapat diselesaikan dengan baik sesuai dengan waktunya

dengan judul “Financial Distress sebagai Intervening Hubungan RGEC dan EPS

terhadap Perubahan Harga Saham Bank Umum di Indonesia”. Tesis ini ditulis dalam

rangka memenuhi syarat untuk mencapai gelar Magister Manajemen pada Program

Pascasarjana Universitas Muhammadiyah Malang.

Penulis menyampaikan terima kasih karena telah diberikan dukungan dan

motivasi selama penyelesaian tesis ini baik berupa pengajaran, bimbingan dan arahan

dari beberapa pihak:

1. Dr. Eko Handayanto, M.M. selaku Ketua Program Studi Magister Manajemen

Universitas Muhammadiyah Malang.

2. Prof. Dr. Bambang Widagdo dan Dr. Mohammad Jihadi, M.M. selaku dosen

pembimbing yang telah meluangkan waktu, tenaga dan dukungan motivasi untuk

menyelesaikan tesis ini.

3. Bapak dan Ibu dosen Jurusan Pasca Manajemen yang telah memberikan

pengetahuan selama kuliah di Universitas Muhammadiyah Malang.

4. Bapak Langgeng Mardianto dan Ibu Muslimah selaku orang tua penulis yang

selalu mendidik dan mendukung penuh segala kegiatan maupun pendidikan

penulis serta doa yang tiada hentinya.

5. Aris Prasyetyo selaku pasangan hidup penulis yang selalu memotivasi serta

mendampingi penulis dan memberikan dukungan penuh dalam menyelesaikan

pendidikan ini.

6. Putri Setia Mardiani dan Saseh Hasmala Mardiani, kedua adik tercinta yang juga

turut membantu dan memberikan semangat dalam menyelesaikan tesis ini.

7. Rekan-rekan Magister Manajemen B 2020 yang sudah bersama dari awal hingga

lulus, semoga silaturrahmi selalu terjaga.

8. Pihak-pihak lain yang belum dapat penulis sebutkan satu persatu.

ii

Penulis mohon maaf jika selama penulisan tesis ini terdapat kekurangan karena

kesempurnaan hanya milik Allah SWT. Penulis juga berharap semoga tesis ini dapat

bermanfaat bagi pihak-pihak yang membutuhkan referensi. Adapun kritik dan saran

yang sifatnya membangun akan penulis terima dengan hati yang lapang.

Wassalamu’alaikum wr.wb

Malang, 24 Oktober 2020

Penyusun,

Novita Mardiani

iii




Novita Mardiani

[email protected] Bambang Widagdo (NIDN : 0020055901)

[email protected] Mohammad Jihadi (NIDN : 0719106501)

[email protected]

Program Studi Magister Manajemen Universitas Muhammadiyah Malang

ABSTRAK

Penelitian ini bertujuan untuk menguji dan menganalisis pengaruh RGEC dan

EPS terhadap harga saham dengan financial distress sebagai variabel intervening. Jenis

penelitian ini adalah eksplanatif dengan pendekatan deskriptif kuantitatif. Data yang

digunakan diperoleh dari laporan keuangan tahunan (annual report) Bank Umum di

Indonesia periode 2012 – 2018 dengan sampel berjumlah 23 perbankan. Data yang

diperoleh selanjutnya dianalisis menggunakan SEM (Structural Equation Model)

dengan Program AMOS 21. Hasil penelitian menunjukkan bahwa RGEC, EPS, dan

financial distress berpengaruh terhadap harga saham. Uji mediasi diperoleh hasil

bahwa financial distress tidak dapat memediasi pengaruh RGEC dan EPS terhadap

harga saham.

Kata kunci : Financial Distress, Earning Per Share, RGEC, Harga Saham

iv

FINANCIAL DISTRESS AS INTERVENING

RGEC AND EPS TO CHANGES IN SHARE PRICES

COMMERCIAL BANKS IN INDONESIA

Novita Mardiani

[email protected] Bambang Widagdo (NIDN : 0020055901)

[email protected] Mohammad Jihadi (NIDN : 0719106501)

[email protected]

Magister of Management

University of Muhammadiyah Malang

ABSTRACT

This study aims to examine and analyze the effect of RGEC and EPS on stock prices

with financial distress as an intervening variable. This type of research is explanative

with a quantitative descriptive approach. The data used were obtained from annual

reports of commercial banks in Indonesia for the period 2012 - 2018 with a sample of

23 banks. The data obtained were then analyzed using SEM (Structural Equation

Model) with the AMOS 21 Program. The results showed that RGEC, EPS, and financial

distress affected stock prices. Mediation test shows that financial distress cannot

mediate the effect of RGEC and EPS on stock prices.

Keywords : Financial Distress, Earning Per Share, RGEC, Stock Prices

v

DAFTAR ISI

KATA PENGANTAR ................................................................................................... i

ABSTRAK ................................................................................................................... iii ABSTRACT ................................................................................................................... iv

DAFTAR ISI ................................................................................................................. v DAFTAR TABEL ....................................................................................................... vii DAFTAR GAMBAR ................................................................................................. viii

A. PENDAHULUAN .................................................................................................... 1 1. Latar Belakang ............................................................................................ 1

2. Rumusan Masalah ....................................................................................... 3 3. Batasan Penelitian ....................................................................................... 4

4. Tujuan Penelitian ........................................................................................ 4 5. Manfaat Penelitian ...................................................................................... 5

B. TINJAUAN PUSTAKA ........................................................................................... 5 1. Penelitian Terdahulu ................................................................................... 5

2. Tinjauan Teori ............................................................................................. 6 3. Kerangka Konseptual .................................................................................. 9

4. Pengembangan Hipotesis ............................................................................ 9 C. METODOLOGI PENELITIAN ............................................................................. 12

1. Jenis Penelitian .......................................................................................... 12

2. Populasi dan Sampel ................................................................................. 12 3. Data dan Sumber Data .............................................................................. 13

4. Teknik Pengumpulan Data ........................................................................ 13 5. Definisi Operasional Variabel ................................................................... 14

3) Metode Analisis Data ................................................................................ 18 D. HASIL DAN PEMBAHASAN .............................................................................. 22

1. Gambaran Umum Penelitian ..................................................................... 22 2. Analisis Statistik Deskriptif ...................................................................... 22

3. Uji Asumsi SEM ....................................................................................... 24 4. Analisis Data ............................................................................................. 26

vi

5. Pembahasan ............................................................................................... 32

E. KESIMPULAN DAN SARAN .............................................................................. 35 1. Kesimpulan ............................................................................................... 35

2. Saran .......................................................................................................... 36 DAFTAR PUSTAKA ................................................................................................. 38

vii

DAFTAR TABEL

Tabel 2.1 Penelitian Terdahulu ................................................................................ 7

Tabel 3.2 Kriteria Penilaian Altman Z-Score ························································· 17

Tabel 3.2 Goodness of Fit Index Table ·································································· 23

Tabel 4.1 Uji Deskriptif ·································································· 24

Tabel 4.2 Hasil Uji Normalitas ·························································· 26

Tabel 4.3 Hasil Uji Univariate Outliers ································································· 27

Tabel 4.4 Uji CFA variabel RGEC ······················································ 28

Tabel 4.5 Evaluasi Paramater Estimasi ················································· 29

Tabel 4.6 Hasil Goodness of Fit ············································································· 30

Tabel 4.7 Hasil Uji Hipotesis Pengaruh Tidak Langsung ···························· 31

viii

DAFTAR GAMBAR

Gambar 2.1 Kerangka Konseptual ......................................................................... 10

Gambar 4.1 Hasil Estimasi Analisis Jalur .............................................................. 28

1

A. PENDAHULUAN

1. Latar Belakang

Kenaikan biaya hidup dan adanya kebutuhan tidak terduga dimasa

mendatang membuat masyarakat semakin tertarik untuk berinvestasi karena

masyarakat mengharapkan keuntungan dari investasi tersebut. Jangka waktu

investasi terdiri dari investasi jangka pendek dan investasi jangka panjang.

Beragam jenis investasipun dipromosikan oleh berbagai pihak demi menarik

minat masyarakat, salah satunya bank yang menawarkan beberapa produk,

seperti: simpanan berjangka (deposito), reksadana, logam mulia, saham.

Saham merupakan salah satu investasi yang digemari oleh para investor

saat ini. International Finance Corporation (IFC) mengestimasikan minat

investor terhadap saham dan obligasi telah mencapai US$21 triliun pada tahun

2019 sebagai dampak dari investasi pasar global. Setiap lembar saham memiliki

harga saham sebagai proksi dari kepercayaan para investor, jika harga saham

suatu perusahaan tinggi, maka kepercayaan masyarakat terhadap perusahaan

tersebut juga tinggi. Harga saham merupakan salah satu gambaran nilai

perusahaan di pasar modal karena harga saham yang tinggi menunjukkan nilai

perusahaan yang tinggi (Rusli & Dasar, 2014)

Menurut Irama (2018), prestasi perusahaan ditunjukkan oleh harga

saham yang bergerak searah dengan kinerja perusahaan tersebut. Para investor

akan melihat dan menganalisis kinerja perusahaan terlebih dahulu sebelum

melakukan pembelian saham untuk meminimalisir adanya kerugian investasi

(Parenrengi & Permata, 2018). Pergerakan harga saham dipengaruhi oleh

kondisi perusahaan, jika perusahaan mendekati kebangkrutan, maka harga

saham akan menurun (Roykhan, 2012). Financial distress adalah kondisi

penurunan keuangan yang menjadi tanda awal sebelum perusahaan mengalami

kebangkrutan (Qoriah & Nurdin, 2019).

Yustika (2015) menjelaskan bahwa financial distress merupakan

kondisi suatu perusahaan yang mengalami kesulitan keuangan dan tidak dapat

memenuhi kewajiban jangka pendek. Hal tersebut didukung oleh hasil

2

penelitian Nicholas Apergis (2011) yang membuktikan bahwa perusahaan

dengan kondisi Financial Distress memiliki harga saham lebih rendah

dibandingkan dengan perusahaan yang tidak mengalami Financial Distress.

Para investor dan pihak - pihak terkait dapat mengalami kerugian karena

perusahaan tidak mampu menjaga stabilitas keuangan.

Fenomena krisis moneter yang terjadi pada tahun 1997 membuat

banyak bank dilikuidasi di Indonesia, padahal Bank sebagai agent of trust

menjalankan kegiatan operasionalnya berdasarkan jumlah dana yang dihimpun

dari masyarakat memiliki peranan penting sebagai lembaga intermediasi

(Sofiasani & Gautama, 2016). Semakin besar kepercayaan masyarakat terhadap

bank, maka semakin besar pula dana yang disimpan ke bank tersebut. Bank

dituntut agar lebih berhati-hati dalam menjalankan kegiatan operasionalnya

demi menjaga stabilitas keuangan suatu negara (Pradana & Sanjaya, 2017).

Peraturan Bank Indonesia diharapkan mampu menjaga ketahanan

perbankan dalam menghadapi tantangan pertumbuhan ekonomi secara global,

nilai tukar rupiah, inflasi, suku bunga dan lainnya. Peraturan tersebut juga

menyempurnakan penilaian kesehatan bank yang sebelumnya terdiri dari

CAMELS (Capital, Asset Quality, Management, Earnings, Liquidity, Sensitivity

to Market Risk) menjadi pendekatan berbasis risiko, yaitu Risk-based Bank

Rating dengan faktor penilaian: Risk Profile, Good Corporate Governance,

Earning, Capital yang selanjutnya disebut dengan RGEC.

Putu Wira Hendrayana (2015) melakukan penelitian tentang pengaruh

komponen RGEC pada perubahan harga saham dan menemukan hasil bahwa

RGEC yang terdiri dari Risk Profile, GCG, CAR, serta ROA dapat digunakan

sebagai proksi dari penilaian kesehatan bank yang dapat mempengaruhi

perubahan harga saham. Indiani and Dewi (2016) melakukan penelitian

terhadap perubahan harga saham yang disebabkan oleh tingkat kesehatan bank

atau biasa disebut RGEC dan hasilnya terdapat pengaruh antara RGEC terhadap

harga saham. Hasil penelitian Medyawicesar (2018) memiliki hasil yang

3

berbeda karena hanya NPL dan ROA yang berpengaruh terhadap harga saham,

sedangkan GCG, NIM, LDR, CAR tidak berpengaruh.

Kinerja perusahaan juga dapat dicerminkan melalui besaran keuntungan

yang diperoleh investor, salah satunya adalah Earning Per Share (EPS). EPS

merupakan alokasi keuntungan setiap lembar saham biasa yang digunakan

untuk mengukur kemampuan perusahaan dalam menghasilkan laba karena

semakin tinggi EPS, maka harga saham perusahaan juga meningkat (Khairani,

2016). Hasil penelitian Santosa (2017) serta Cahyani and Diantini (2016) juga

menunjukkan bahwa EPS memiliki pengaruh yang signifikan terhadap harga

saham, sedangkan Khairani (2016) memiliki hasil yang berbeda karena EPS

tidak berpengaruh terhadap harga saham.

Penelitian – penelitian di atas memiliki hasil yang tidak konsisten dan

dilakukan di beberapa negara maju, padahal Indonesia termasuk negara yang

sedang berkembang. Penulis juga belum menemukan penelitian terkait

pengaruh RGEC dan EPS terhadap harga saham dengan financial distress

sebagai variabel intervening, sehingga penulis tertarik untuk melakukan

penelitian terbaru dengan pengembangan variabel penelitian dengan judul

“Financial Distress sebagai Intervening Hubungan RGEC dan EPS terhadap

Perubahan Harga Saham Bank Umum di Indonesia”.

2. Rumusan Masalah

Berdasarkan latar belakang di atas, maka diperoleh rumusan masalah sebagai

berikut:

a. Apakah RGEC berpengaruh terhadap Financial Distress?

b. Apakah EPS berpengaruh terhadap Financial Distress?

c. Apakah Financial Distress berpengaruh terhadap harga saham?

d. Apakah RGEC berpengaruh terhadap harga saham?

e. Apakah EPS berpengaruh terhadap harga saham?

f. Apakah RGEC berpengaruh terhadap harga saham dengan Financial

Distress sebagai variabel intervening?

4

g. Apakah EPS berpengaruh terhadap harga saham dengan Financial Distress

sebagai variabel intervening?

3. Batasan Penelitian

Penelitian ini difokuskan pada variabel RGEC, EPS, financial distress dan

harga saham karena keterbatasan penyajian data dan waktu yang dibutuhkan

peneliti. Harga saham dilihat dari harga harga rata-rata tahunan bank, EPS akhir

tahun bank selama periode penelitian, variabel RGEC menggunakan indikator:

Risk Profile dengan proksi Non Performing Loan (NPL) dan Loan to Deposit

Ratio (LDR),Good Corporate Governance (GCG), Earnings dengan proksi

Return on Asset (ROA) dan Net Interest Margin (NIM),Capital diproksikan

dengan Capital Adequacy Ratio (CAR). Financial Distress diukur

menggunakan model Altman Z-Score. Data yang dianalisis berupa laporan

keuangan tahunan bank umum konvensional yang termasuk ke dalam kategori

Bank Umum Kategori Usaha 1,2,3 periode 2012 hingga 2018 yang

dipublikasikan pada Bursa Efek Indonesia.

4. Tujuan Penelitian

a. Untuk menganalisis dan menjelaskan pengaruh RGEC terhadap Financial

Distress.

b. Untuk menganalisis dan menjelaskan pengaruh EPS terhadap Financial

Distress.

c. Untuk menganalisis dan menjelaskan pengaruh Financial Distress

terhadap harga saham.

d. Untuk menganalisis dan menjelaskan pengaruh RGEC terhadap harga

saham.

e. Untuk menganalisis dan menjelaskan pengaruh RGEC terhadap harga

saham.

f. Untuk menganalisis dan menjelaskan pengaruh RGEC terhadap harga

saham dengan Financial Distress sebagai variabel intervening.

g. Untuk menganalisis dan menjelaskan pengaruh EPS terhadap harga saham

dengan Financial Distress sebagai variabel intervening.

5

5. Manfaat Penelitian

Penelitian ini memiliki manfaat bagi beberapa pihak, yaitu:

a. Investor dan calon investor agar dapat menganalisis fluktuasi harga saham

berdasarkan RGEC, EPS dan Financial Distress sebelum memutuskan

perusahaan mana yang akan diberi investasi untuk mengestimasikan risiko

dan return yang akan diperoleh serta memantau bagaimana perkembangan

investasi mereka berdasarkan harga saham perusahaan dan faktor – faktor

yang dapat dianalisis dalam melakukan investasi saham tersebut, yaitu

RGEC, EPS dan Financial Distress.

b. Perusahaan dapat menjaga kesehatan usaha dan meningkatkan harga

saham, serta menjaga kesehatan keuangan agar dapat memberikan return

yang diharapkan para investor.

c. Pemerintah mampu menjaga kepercayaan masyarakat terhadap lembaga

keuangan di Indonesia dengan memantau kegiatan perbankan, serta

menyesuaikan kebijakan – kebijakan untuk menjaga stabilitas

perekonomian di Indonesia.

B. TINJAUAN PUSTAKA

1. Penelitian Terdahulu

Beberapa penelitian telah dilakukan oleh para peneliti lainnya untuk

menguji dan menjelaskan pengaruh antara RGEC, EPS dan Financial Distress

terhadap harga saham, sehingga penulis menggunakan hasil dari penelitian–

penelitian tersebut sebagai acuan serta dukungan teori dalam melakukan

penelitian selanjutnya. Penelitian terdahulu tersebut dapat dilihat pada Tabel 1:

Tabel 1.Penelitian Terdahulu

No. Hubungan Antar Variabel Penelitian Pendukung 1. Pengaruh RGEC terhadap

Financial Distress -Konsep penelitian Sadida (2018)

Laksito (2010) Yulianto and Sulistyowati (2012) Indiani and Dewi (2016) Andari and Wiksuana (2017) Sadida (2018) Qoriah and Nurdin (2019)

2. Pengaruh EPS terhadap Financial Distress

Vinh (2015) Santosa (2017)

6

-Konsep penelitianChen (2008)

Yu He and McIver (2018)

3. Pengaruh Financial Distress terhadap Harga Saham -Konsep penelitian Nicholas Apergis (2011)

Roykhan (2012) Andriawan and Salean (2016) Irama (2018)

4. Pengaruh RGEC terhadap Harga Saham -Konsep penelitian Putu Wira Hendrayana (2015)

Nurjanti Takarini (2013) Indiani and Dewi (2016) Medyawicesar (2018)

5. Pengaruh EPS terhadap Harga Saham -Konsep penelitian Dina and Suaryana (2013)

Endraswati and Novianti (2015) Cahyani and Diantini (2016)

Sumber: Dikutip dari beberapa jurnal (2019)

2. Tinjauan Teori

a. Harga Saham

Saham merupakan surat berharga yang berfungsi sebagai bukti

kepemilikan suatu perusahaan dan dapat diperjualbelikan di pasar modal

(Andriawan & Salean, 2016), sedangkan Tri Ayu Marcelina (2014)

mendefinisikan saham sebagai surat berharga suatu perusahaan yang dapat

diperdagangkan dan pemilik saham mempunyai peranan serta kepentingan

terhadap perusahaan yang menerbitkan saham tersebut.

Kekayaan perusahaan dapat dicerminkan melalui nilai sahamnya

(Nurjanti Takarini, 2013). Harga saham adalah harga yang terjadi saat

saham diperjualbelikan di pasar saham (Oktaryani, 2017). Tri Ayu

Marcelina (2014) menjelaskan bahwa harga saham terdiri dari:harga

terendah, harga tertinggi, harga rata-rata dan harga penutupan. Pada

penelitian ini, harga saham yang digunakan adalah harga saham rata-rata

tahunan periode 2012-2018.

b. Financial Distress

Menurut Sofiasani and Gautama (2016),financial distress terjadi

ketika perusahaan mengalami kondisi keuangan yang tidak sehat.

7

Financial Distress juga diartikan sebagai suatu kondisi yang dimulai ketika

perusahaan tidak dapat memenuhi kewajibannya atau ditunjukkan dengan

ketidakmampuan perusahaan memenuhi kewajibannya selama beberapa

tahun untuk menjalani atau melanjutkan bisnisnya (Parenrengi & Permata,

2018).

Perusahaan yang berada dalam krisis atau kondisi tidak sehat dapat

dikategorikan sebagai Financial Distress dan biasanya terjadi sebelum

perusahaan bangkrut (Rahmaniah & Wibowo, 2015). Jika kondisi tersebut

tidak segera diatasi, maka perusahaan berpotensi mengalami kebangkrutan

atau likuidasi. Penelitian ini menggunakan metode Altman Z-Score

modifikasi untuk memprediksi kesulitan keuangan perusahaan (Andari &

Wiksuana, 2017).

c. RGEC

Bank memiliki jalur pembiayaan dan penyimpanan dana demi

kesejahteraan kehidupan masyarakat sebagai fungsi dari lembaga

intermediasi (Prasanjaya & Ramantha, 2013), sehingga bank diharuskan

lebih kompetitif dalam menjalankan kegiatan usahanya dan mampu

menerapkan sistem penilaian tingkat kesehatan bank secara individual (BI,

2011). Peraturan Bank Indonesia Nomor 13 Tahun 2011 juga menjelaskan

bahwa tingkat kesehatan bank merupakan hasil dari penilaian kondisi

terhadap risiko dan kinerja bank melalui peringkat komposit, yaitu

peringkat akhir hasil penilaian tingkat kesehatan bank.

Kesehatan bank memiliki peran penting dan tidak dapat lepas dari

fungsi bank untuk memajukan dan mengembangkan perekonomian

Indonesia, serta menjaga kepercayaan masyarakat (Fitrawati, 2016).

Noviantari (2017) juga menjelaskan bahwa penilaian tingkat kesehatan

bank dapat digunakan untuk mengembalikan kepercayaan masyarakat,

mengukur kredibilitas dan menetapkan strategi yang baik dalam rangka

menjalankan kebijakan API.

8

Sesuai Peraturan Bank Indonesia Nomor: 13/1/PBI/2011 pasal 6,

tingkat kesehatan bank dapat dinilai dengan pendekatan risiko yang disebut

Risk-Based Bank Rating (RBBR) atau lebih dikenal dengan Metode RGEC

menggantikan Metode CAMELS (Capital, Assets Quality, Management,

Earning, Liquidity and Sensitivity) sebelumnya, yang terdiri dari (Prianti,

2018):

1) Profil Risiko (Risk Profile) merupakan suatu penilaian terhadap risiko

inheren serta kualitas penerapan manajemen risiko kegiatan

operasional bank yang terdiri dari 8 risiko, yaitu: risiko kredit, risiko

pasar, risiko likuiditas, risiko operasional, risiko hukum, risiko

stratejik, risiko kepatuhan, risiko reputasi. Risk Profile diproksikan

oleh Non Performing Loan (NPL)yang mampu menggambarkan

kemampuan bank dalam menjaga kredit yang disalurkan hingga lunas

dan Loan to Deposit Ratio (LDR)yang menggambarkan kemampuan

perusahaan untuk memenuhi kewajibannya menggunakan dana pihak

ketiga.

2) Good Corporate Governance (GCG): penilaian manajemen bank

dalam menjalankan prinsip-prinsip GCG menggunakan nilai komposit

self assessment sesuai kriteria Bank Indonesia.

3) Rentabilitas (Earnings) memiliki hubungan dengan penilaian kinerja,

sumber dan Sustainability Earnings. Kemampuan bank dalam

menghasilkan laba dalam penelitian ini diproksikan oleh Return on

Asset (ROA) dan Net Interest Margin (NIM).

4) Modal (Capital) merupakan kecukupan modal dan pengelolaan

permodalan bank yang diproksikan dengan Capital Adequacy Ratio

(CAR).

d. Earnings Per Share (EPS)

EPS merupakan hasil dari laba bersih setelah pajak dibagi dengan

jumlah saham yang beredar. EPS mampu mencerminkan besaran laba yang

dapat meningkatkan kepercayaan pemegang saham terhadap perusahaan

9

(Pratama & Erawati, 2014). Menurut Rosyidi (2020), EPS merupakan

indikator laba bersih yang dapat dibagikan kepada pemegang saham,

semakin tinggi nilai EPS maka semakin besar pula minat investor dalam

membeli saham perusahaan.

3. Kerangka Konseptual

Gambar 2.1 Kerangka Konseptual

Sumber : Hasil Pengembangan Penelitian

4. Pengembangan Hipotesis

a. Pengaruh RGEC terhadap Financial Distress

Bank yang berada dalam kondisi sehat secara keuangan maupun secara

manajemen akan mampu mengelola kegiatan usaha pelayanan dengan baik

dalam mencapai tujuan perusahaan. RGEC terdiri dari Risk Profile

diproksikan oleh NPL dan LDR, Good Corporate Governance, Earnings

diproksikan oleh ROA dan NIM sedangkan Capital diproksikan oleh CAR

dapat digunakan untuk menganalisis kondisi Financial Distress sesuai

dengan hasil penelitian Yulianto and Sulistyowati (2012), Mandasari

(2015) dan Fitrawati (2016).

10

Semakin sehat kondisi suatu bank, kemungkinan bank mengalami

kondisi Financial Distress juga semakin kecil (Rahmaniah & Wibowo,

2015). Hal tersebut membuktikan bahwa RGEC sebagai alat untuk

mengukur tingkat kesehatan bank dapat digunakan dalam memprediksi

kondisi Financial Distress sesuai dengan hasil penelitian Andari and

Wiksuana (2017) maupun Haq and Harto (2019) menunjukkan bahwa

LDR, ROA, NIM dan CAR berpengaruh secara negatif, sedangkan NPL

berpengaruh positif terhadap Financial Distress. Sadida (2018) juga

membuktikan bahwa RGEC dapat menjelaskan kondisi Financial Distress

sebesar 81,3%.

H1: RGEC berpengaruh negatif terhadap Financial Distress.

b. Pengaruh EPS terhadap Financial Distress

EPS merupakan bagian dari laba perusahaan, sehingga laba

perusahaan yang tinggi membuat nilai EPS juga semakin tinggi. Nilai EPS

yang tinggi membuat perusahaan semakin terhindar dari kondisi Financial

Distress. Hal tersebut didukung oleh hasil penelitian Santosa (2017)yang

membuktikan bahwa EPS memiliki pengaruh negatif yang signifikan

terhadap kondisi Financial Distress perusahaan.

H2: EPS berpengaruh negatif terhadap Financial Distress.

c. Pengaruh Financial Distress terhadap Harga Saham

Kondisi kesulitan keuangan memiliki dampak yang negatif

terhadap berbagai pihak, baik internal maupun eksternal, sehingga

perusahaan harus memperhatikan kondisinya agar terhindar dari

kemungkinan terjadinya kebangkrutan yang dapat mempengaruhi harga

saham (Parenrengi & Permata, 2018). Hasil penelitian Purwanda and

Yuniarti (2014) juga menunjukkan bahwa prediksi kebangkrutan

berpengaruh terhadap harga saham sebesar 53% di perusahaan sektor

pertambangan.

H3: Kondisi Financial Distress berpengaruh negatif terhadap harga

saham.

11

d. Pengaruh RGEC terhadap Harga Saham

Indiani and Dewi (2016) melakukan penelitian terkait pengaruh

tingkat kesehatan bank dengan beberapa variabel terhadap harga saham

perbankan dan hasilnya menunjukkan bahwa RGEC berpengaruh terhadap

harga saham. Hal tersebut juga didukung oleh hasil penelitian Putu Wira

Hendrayana (2015) bahwa RGEC dengan beberapa indikator dalam

penilaian tingkat kesehatan bank mampu mempengaruhi perubahan harga

saham perbankan yang go public.

H4: RGEC berpengaruh positif terhadap harga saham.

e. Pengaruh EPS terhadap Harga Saham

Nilai EPS yang sesuai dengan harapan dapat membuat para investor

tertarik untuk menanamkan modalnya di perusahaan tersebut karena

perusahaan dianggap prospektus oleh investor, sehingga harga saham

perusahaan juga meningkat sesuai banyaknya permintaan pasar (Khairani,

2016). Hasil penelitian Pratama and Erawati (2014) juga membuktikan

bahwa semakin tinggi nilai EPS, maka pemegang saham juga semakin

tertarik untuk membeli saham dan harga saham perusahaanjuga semakin

meningkat.

H5: EPS berpengaruh positif terhadap harga saham.

f. Pengaruh RGEC terhadap harga saham dengan Financial Distress

sebagai variabel intervening.

RGEC dapat digunakan sebagai prediktor kondisi Financial Distress

perbankan sebesar 81,3% (Sadida, 2018). Kondisi Financial Distress juga

dapat mempengaruhi harga saham. Perusahaan yang memiliki indikator

Financial Distress rendah, harga saham perusahaan juga rendah. Ketika

indikator Financial Distress meningkat, maka harga saham perusahaan

juga meningkat sesuai dengan hasil penelitian Nicholas Apergis (2011).

H6: RGEC berpengaruh terhadap harga saham dengan Financial Distress


12

g. Pengaruh EPS terhadap harga saham dengan Financial Distress


Penelitian Santosa (2017) membuktikan bahwa EPS berpengaruh

negatif terhadap harga saham. Jika nilai EPS tinggi, maka kemungkinan

perusahaan mengalami kesulitan keuangan semakin kecil. Hal tersebut

akan berdampak pada peningkatan harga saham karena kondisi Financial

Distress mempengaruhi harga saham(Parenrengi & Permata, 2018).

Financial Distress memiliki hubungan yang negatif terhadap harga saham

karena perusahaan dengan kondisi Financial Distress memiliki harga

saham yang cenderung menurun (Purwanda & Yuniarti, 2014).

H7: EPS berpengaruh terhadap harga saham dengan Financial Distress


C. METODOLOGI PENELITIAN

1. Jenis Penelitian

Jenis penelitian ini merupakan penelitian eksplanatif yang

bertujuan untuk menjelaskan hubungan antar variabel, baik hubungan

sebab akibat, korelasi maupun kontribusi antar variabel (Yanuardi,

2014).Penelitian ini menggunakan pendekatan deskriptif kuantitatif karena

penelitian ini bertujuan untuk mendeskripsikan atau menjelaskan data

kuantitatif dari laporan keuangan bank(Rahmah Febrina, 2016).

2. Populasi dan Sampel

a. Populasi

Menurut Andriawan and Salean (2016) , populasi terdiri dari beberapa

objek dengan kesamaan tertentu. Populasi dalam penelitian ini adalah

seluruh Bank Umum yang terdaftar di Bursa Efek Indonesia pada

tahun 2012 – 2018 yaitu sebanyak 81 bank.

b. Sampel

Sampel merupakan bagian dari populasi dengan karakteristik tertentu

yang dianggap mampu mewakili seluruh populasi dan sampel dipilih

berdasarkan kecocokan karakteristik yang dibutuhkan dalam

13

penelitian (Andriawan & Salean, 2016). Teknik pengambilan sampel

menggunakan purposive sampling yaitu pemilihan sampel

berdasarkan karakteristik tertentu. Beberapa kriteria sampel yang

dibutuhkan dalam penelitian ini adalah:

1) Bank yang terdaftar di Bursa Efek Indonesia.

2) Bank yang termasuk dalam kategori Bank Umum Kegiatan Usaha

(BUKU) tahun 2012-2018 :

a) BUKU 1 (modal inti <Rp1 T)

b) BUKU 2 (modal inti Rp 1 T – Rp 5 T)

c) BUKU 3(modal inti Rp 5 T - Rp 30 T).

3) Ketersediaan laporan keuangan dengan komponen variabel yang

dibutuhkan dalam penelitian selama periode 2012-2018.

4) Bank yang masih beroperasi hingga akhir tahun 2018.

3. Data dan Sumber Data

a. Data

Penelitian ini menggunakan jenis data kuantitatif, yaitu data yang

dinotasikan dengan angka (Rusli & Dasar, 2014). Data kuantitatif

berbentuk angka dalam laporan keuangan tahunan (annual report)

Bank Umum di Indonesia periode 2012 – 2018 yang mencakup

kebutuhan peneliti.

b. Sumber Data

Penelitian ini menggunakan data sekunder yang diperoleh dari website

resmi Bursa Efek Indonesia (BEI), yaitu www.idx.co.id dan sumber

data lainnya yang mendukung penelitian ini. Pengumpulan seluruh

data penelitian dilakukan dengan menggunakan time series tahunan

selama tahun 2012 hingga 2018.

4. Teknik Pengumpulan Data

Teknik pengumpulan data yang digunakan dalam penelitian ini

adalah dokumentasi, yaitu annual report tahunan dan dipublikasikan oleh

Bank Umum di Indonesia tahun 2012 – 2018. Penelitian ini juga

http://www.idx.co.id/

14

menggunakan beberapa artikel ilmiah, jurnal, serta penelitian terdahulu

untuk mendapatkan data-data lain yang dibutuhkan oleh peneliti.

5. Definisi Operasional Variabel

Penelitian ini terdiri dari variabel dependen (endogen) dan variabel

independen (eksogen). Definisi operasional variabel – variabel di atas

dapat dilihat pada penjelasan di bawah ini:

a. Variabel Endogen

1) Harga Saham

Harga saham merupakan hasil antara harga penawaran dan

permintaan di pasar modal (Pryanka J.V Polii, 2014). Harga

saham yang digunakan dalam penelitian ini adalah harga saham

rata-rata tahunan periode 2012– 2018 dengan satuan mata uang

rupiah.

2) Financial Distress

Financial distress merupakan suatu kondisi keuangan perusahaan

yang tidak sehat dan biasanya terjadi sebelum adanya

kebangkrutan bank (Rahmaniah & Wibowo, 2015). Menurut

Gebreslassie (2015), financial distress diukur menggunakan

Altman Z-Score modification karena metode ini merupakan

formula multivariat dalam mengukur kesehatan keuangan suatu

perusahaan. Formula yang digunakan adalah sebagai berikut:

Z = 6,56 X1 + 3,26 X2 + 6,72 X3 + 1,05 X4

(Gebreslassie, 2015)

Keterangan:

X1 = Modal Kerja terhadap Total Aset

X2 = Laba Ditahan terhadap Total Aset

X3 = Laba Sebelum Bunga dan Pajak terhadap Total Aset

X4 = Nilai Buku Ekuitas terhadap Total Kewajiban

Z = nilai Z-Score

15

a) Modal kerja terhadap total aset (Working Capital to Total

Assets) adalah rasio yang umumnya digunakan untuk

mengukur likuiditas suatu perusahaan. Jika perusahaan dalam

kondisi kesulitan keuangan, modal kerja akan menurun lebih

cepat dibandingkan dengan total aset dan membuat rasio ini

menurun (Nariman, 2016). Rumusnya adalah: 𝑀𝑜𝑑𝑎𝑙 𝐾𝑒𝑟𝑗𝑎

𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡x 100%

(Nariman, 2016)

b) Laba ditahan terhadap total aset (Retained Earning to Total

Asset) : rasio yang digunakan untuk mengukur akumulasi laba

bank selama menjalankan kegiatan operasionalnya (Nariman,

2016). Jika perusahaan mengalami kerugian, maka rasio ini

menunjukkan angka yang negatif. Formulanya adalah: 𝐿𝑎𝑏𝑎 𝐷𝑖𝑡𝑎ℎ𝑎𝑛

𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡x 100%

(Nariman, 2016)

c) Laba sebelum bunga dan pajak terhadap total aset (Earnings

Before Interest and Taxes to Total Asset) merupakan rasio

pengukuran kemampuan perusahaan untuk memperoleh laba

berdasarkan aktiva yang digunakan dengan rumus sebagai

berikut: 𝐿𝑎𝑏𝑎 𝑆𝑒𝑏𝑒𝑙𝑢𝑚 𝐵𝑢𝑛𝑔𝑎 𝑑𝑎𝑛 𝑃𝑎𝑗𝑎𝑘

𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡x 100% (Nariman, 2016)

d) Nilai buku ekuitas terhadap total kewajiban (Market Value of

Equity to Book Value of Total Ratio). Rasio ini digunakan

untuk mengetahui adanya penurunan nilai buku aktiva sebelum

nilai buku hutang menjadi lebih besar (Nariman, 2016).

Rumusnya adalah: 𝑁𝑖𝑙𝑎𝑖 𝑃𝑎𝑠𝑎𝑟 𝐸𝑘𝑢𝑖𝑡𝑎𝑠

𝑇𝑜𝑡𝑎𝑙 𝐻𝑢𝑡𝑎𝑛𝑔x 100% (Nariman, 2016)

16

Hasil dari nilai Altman Z-Score selanjutnya dikategorikan

sesuai Tabel 3.2 di bawah ini:

Tabel 3.2 Kriteria Penilaian Altman Z-Score

Nilai Z-Score Keterangan Score Z>1,1 Bank tidak mengalami kesulitan

keuangan 0

Z < 1,1 Bank sedang mengalami kesulitan keuangan

1

Sumber : Tri Ayu Marcelina (2014), (Sadida, 2018)

b. Variabel Eksogen

Variabel eksogen pada penelitian ini adalah RGEC dan EPS

sebagai berikut:

1) RGEC yang terdiri dari:

a) Risk Profile

Risk Profile dapat diukur oleh Non Performing Loan

(NPL) dan Loan to Deposit Ratio (LDR).

1. Non Performing Loan (NPL) adalah rasio yang

digunakan untuk mengetahui jumlah kredit bermasalah

dibandingkan dengan jumlah kredit yang disalurkan oleh

bank (Warsa & Mustanda, 2016). Rumus untuk

menghitung NPL adalah :

NPL = 𝑇𝑜𝑡𝑎𝑙 𝑘𝑟𝑒𝑑𝑖𝑡 𝑏𝑒𝑟𝑚𝑎𝑠𝑎𝑙𝑎ℎ

𝑇𝑜𝑡𝑎𝑙 𝑘𝑟𝑒𝑑𝑖𝑡 𝑦𝑔 𝑑𝑖𝑠𝑎𝑙𝑢𝑟𝑘𝑎𝑛 X 100%

(Wismaryanto, 2013)

2. Loan to Deposit Ratio (LDR) adalah rasio perbandingan

antara jumlah kredit yang disalurkan dengan jumlah dana

pihak ketiga (Luh Eprima Dewi, 2015). Formula yang

digunakan untuk menghitung LDR adalah:

LDR = 𝑇𝑜𝑡𝑎𝑙 𝑘𝑟𝑒𝑑𝑖𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑠𝑎𝑙𝑢𝑟𝑘𝑎𝑛

𝐷𝑎𝑛𝑎 𝑃𝑖ℎ𝑎𝑘 𝐾𝑒𝑡𝑖𝑔𝑎 (𝐷𝑃𝐾)X 100%

(Wismaryanto, 2013)

b) Good Corporate Governance (GCG) merupakan tata

kelola perusahaan yang baik. Menurut Indiani and Dewi

17

(2016), kepatuhan bank terhadap pelaksanaan GCG dapat

meningkatkan kepercayaan investor karena bank dapat

mengelola dana yang mereka investasikan. Penelitian ini

menggunakan nilai komposit yang sesuai dengan self-

assessment bank dalam pelaksanaan GCG (Iskandar &

Laila, 2016). Nilai komposit diklasifikasikan menjadi 5

peringkat sebagai berikut:

1. Peringkat 1: manajemen bank telah menerapkan GCG

dengan “Sangat Baik”.


dengan “Baik”.


dengan “Cukup Baik”.


dengan “Kurang Baik”.


dengan “Tidak Baik”.

c) Earnings

Penelitian ini menggunakan Return on Asset (ROA) dan Net

Interest Margin (NIM) sebagai proksi dari earnings.

1. Return on Asset (ROA) adalah rasio untuk mengukur

kemampuan bank untuk mendapatkan laba secara

keseluruhan (Noviantari, 2017). Prianti (2018)

menjelaskan bahwa ROA yang tinggi dapat menutupi

masalah likuiditas bank. ROA dinyatakan dalam bentuk

prosentase (%) dengan rumus :

𝑅𝑂𝐴 =𝐿𝑎𝑏𝑎 𝑠𝑒𝑏𝑒𝑙𝑢𝑚 𝑝𝑎𝑗𝑎𝑘

𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑡𝑜𝑡𝑎𝑙 𝑎𝑠𝑒𝑡 X 100 %

(Farida Shinta Dewi, 2016)

2. Net Interest Margin (NIM) adalah rasio yang

mencerminkan kemampuan perusahaan dalam

18

menghasilkan bunga berdasarkan aktiva produktif yang

dimiliki (Indiani & Dewi, 2016). Rumus untuk

menghitung NIM adalah:

NIM = 𝑃𝑒𝑛𝑑𝑎𝑝𝑎𝑡𝑎𝑛 𝑏𝑢𝑛𝑔𝑎 𝑏𝑒𝑟𝑠𝑖ℎ

𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑎𝑘𝑡𝑖𝑣𝑎 𝑝𝑟𝑜𝑑𝑢𝑘𝑡𝑖𝑓 X 100%

(Wismaryanto, 2013)

d) Capital

Capital diproksikan oleh Capital Adequacy Ratio (CAR),

yaitu rasio kecukupan modal yang dapat menampung risiko

kerugian bank (Wismaryanto, 2013). CAR memiliki formula

di bawah ini:

CAR = 𝑀𝑜𝑑𝑎𝑙

𝐴𝑇𝑀𝑅 X 100%

(Wismaryanto, 2013)

2) EPS

Earning Per Share (EPS) adalah perbandingan laba bersih

setelah pajak dengan jumlah saham yang beredar dan

dinyatakan dalam rupiah (Rp).

𝐸𝑃𝑆 = 𝐸𝑎𝑟𝑛𝑖𝑛𝑔 𝐴𝑓𝑡𝑒𝑟 𝑇𝑎𝑥 (𝐸𝐴𝑇)

𝑗𝑢𝑚𝑙𝑎ℎ 𝑠𝑎ℎ𝑎𝑚 𝑦𝑎𝑛𝑔 𝑏𝑒𝑟𝑑𝑎𝑟

(Brigham & Houston, 2009)

3) Metode Analisis Data

Penelitian ini merupakan analisis kuantitatif dengan menggunakan

Structural Equation Modelling (SEM) untuk menjawab hipotesis di atas

menggunakan program Analysis of Moment Structural atau yang biasa

disebut dengan AMOS 21. SEM merupakan gabungan antara analisis faktor

dan analisis regresi dengan tujuan menguji hubungan variabel – variabel

sebuah model (Ginting, 2009).

a. Uji Asumsi SEM

1) Ukuran Sampel

Jumlah sampel penelitian ini menggunakan Maximum

Likelihood (ML) dengan jumlah sampel antara 100 hingga 200

19

atau dengan mengalikan jumlah parameter sebanyak 5 hingga 10

kali (Ferdinand, 2002).

2) Uji Normalitas

Uji normalitas harus dilakukan untuk mengetahui apakah

penyebaran data telah terdistribusi secara normal atau tidak. Uji

normalitas terdiri dari univariate (data tunggal) dan multivariate

(seluruh data) yang diukur dengan nilai Critical Ratio (C.R.)+2,58

pada tingkat signifikansi sebesar 5% (Paramita, 2014). Data

dinyatakan berdistribusi normal jika Nilai C.R. Skewnes atau

Kurtosis berada di antara nilai -2,58 hingga 2,58.

3) Uji Outliers

Hair (2006) menjelaskan bahwa outlier merupakan

observasi data dengan karakteristik unik yang sangat berbeda dari

observasi lain dan menimbulkan nilai ekstrim pada variabel

tunggal maupun kombinasi. Nilai outliers dapat dilihat melalui

dua analisis, yaitu univariate outliers dan multivariate outliers.

Outliers data yang terdeteksi melalui univariate maupun

multivariate harus dikeluarkan dari analisis penelitian.

1. Univariate Outliers

Nilai Z-Score dapat digunakan untuk menguji univariate

outliers dengan rentang nilai 3-4 (Hair, 2006). Z-Score

merupakan nilai yang telah distandarkan dengan mean (rata-

rata) nol dan standar deviasi 1, sehingga sebuah observasi

dikategorikan sebagai outliers jika memiliki nilai Z-Score >

3,0.

2. Multivariate Outliers

Nilai multivariate outliers dapat dievaluasi melalui output

AMOS mahalanobis distance menggunakan kriteria pada

tingkat p<0,001. Jarak diukur dengan X2 dan degree of

freedom (df) sebanyak jumlah 19 indikator dalam penelitian.

20

b. Uji Hipotesis dan Analisis Data

Menurut Ghozali (2014), permodelan maupun analisis

persamaan indikator terdiri dari beberapa tahapan, yaitu :

1. Pengembangan Model berdasarkan Teori

Pengembangan model SEM sebagai langkah awal

didasarkan atas hubungan kausalitas dimana kuatnya hubungan

tersebut terletak pada pembenaran (justifikasi) teoritis dalam

mendukung analisis penelitian. Hubungan antar variabel

penelitian adalah deduksi dari beberapa teori.

2. Pengembangan Diagram Jalur

Diagram jalur dilandasi oleh dua asumsi, yaitu teori

merupakan dasar dari seluruh hubungan kausalitas dan hubungan

kausalitas model penelitian yang diasumsikan linear. Diagram

jalur digunakan untuk menyusun hubungan kausalitas yang

ditunjukkan oleh garis satu anak panah, sedangkan garis dua anak

panah menunjukkan kovarian atau korelasi antar konstruk dalam

model penelitian.

a. Konstruk eksogen adalah seluruh variabel independen dengan

garis anak panah yang menghubungkan ke konstruk endogen.

b. Konstruk endogen adalah variabel dependen di dalam

persamaan yang terpisah.

3. Persamaan Struktural

Pengembangan model teoritis yang telah dituangkan ke

dalam diagram jalur dilanjutkan dengan menyusun measurement

model (model pengukuran) melalui konstruk laten endogen serta

eksogen dengan manifest atau variabel indikator, kemudian

menyusun persamaan indikator melalui hubungan antar konstruk

laten.

Variabel Endogen = Variabel Eksogen +Variabel Endogen + Error

1. Harga Saham = ᵞ3 RGEC + ᵞ4 EPS+ β1 Financial Distress + ζ2

21

2. Financial Distress= ᵞ1 * RGEC + ᵞ2 * EPS+ ζ1

4. Penilaian Kriteria Goodness of Fit (GoF)

Penilaian goodness of fit digunakan untuk mengukur

apakah input observasi telah sesuai dengan model yang diajukan

atau belum berdasarkan kriteria penilaian di bawah ini :

Tabel 3.2 Goodness of Fit Index Table

Goodness of Fit Indexs Cut Off Value Chi-Square (𝑋2) Significancy Probability CMIN / DF GFI RMSEA AGFI TLI CFI

Diharapkan lebih kecil > 0,05 < 2,00 ≥ 0,90 < 0,08 ≥ 0,90 ≥ 0,90 ≥ 0,90

Sumber : Ghozali (2014)

5. Interpretasi dan Modifikasi Model

Model yang baik memiliki standardized residual

variance yang kecil dan batas nilai yang diperkenankan adalah

2,58. Model yang telah diterima dapat dimodifikasi untuk

memperbaiki penjelasan secara teoritis atau goodness of fit

dengan beberapa pertimbangan karena model harus di cross

validated (estimasi data terpisah) sebelum model yang telah

dimodifikasi tersebut diterima. Model modifikasi dapat diukur

menggunakan modification indices yang nilainya > 3,84

(Ghozali, 2014).

6. Uji Hipotesis

a. Pengaruh Langsung

Pengujian pengaruh langsung antar variabel satu ke

variabel lain dengan kriteria nilai signifikansi α < 0,05

maka hipotesis tersebut diterima, begitu pula sebaliknya.

22

b. Pengaruh Tidak Langsung

Pengaruh variabel intervening diuji dengan prosedur yang

dikembangkan oleh Sobel (1982) atau yang lebih dikenal

dengan Uji Sobel dengan rumus sebagai beriku (Ghozali,

2011) :

𝑆𝑎𝑏 = √𝑏2𝑆𝑎2 + 𝑎2𝑆𝑏

2 + 𝑆𝑎2𝑆𝑏

2

Keterangan :

Sab : standar eror tidak langsung

a : koefisien korelasi X Z

b : koefisien korelasi Z Y

ab : hasil perkalian koefisien korelasi X Z

dengan koefisien korelasi Z Y

Sa : standar eror koefisien a

Sb : standar eror koefisien b

D. HASIL DAN PEMBAHASAN

1. Gambaran Umum Penelitian

Populasi dalam penelitian ini adalah seluruh Bank Umum yang terdaftar di

Bursa Efek Indonesia pada tahun 2012 – 2018 yang berjumlah 81 bank.

Berdasarkan keseluruhan populasi bank tersebut hanya 23 bank yang memenuhi

kriteria sampel penelitian. Hal ini dikarenakan bank dengan BUKU 1, 2, dan 3

sangatlah terbatas, sehingga hanya menyisakan 23 bank yang dapat dijadikan

sebagai sampel dengan periode laporan keuangan tahun 2012-2018.

2. Analisis Statistik Deskriptif

Analisis deskriptif pada penelitian ini dilakukan untuk menjelaskan variabel

penelitian dengan menyajikan ukuran numerik berupa nilai minimum, nilai

maksimum, mean, dan standar deviasi masing masing variabel. Hasil uji deskriptif

adalah berikut ini :

23

Tabel 4.1 Uji Deskriptif

Variabel Indikator N Min Max Mean Std. Deviasi Harga Saham 138 50 2622,5 774,98 591,02 Financial Distress

138 0 1 0,36 0,480

EPS 138 -74,75 281 68,12 72,42

RGEC NPL 138 0,03 6,71 2,55 1,63 NIM 138 0,93 7,96 4,66 1,48 CAR 138 9,33 30,90 18,23 4,66

Sumber : Hasil olah data SPSS 18

a. Harga Saham

Harga saham yang dicerminkan oleh harga saham penutupan tahunan (closing

price) memiliki nilai maksimum sebesar Rp 2.622,5 dan nilai minimum

sebesar Rp 50. Sampel data yang memiliki nilai maksimum adalah BTPN

tahun 2016 dan nilai minimum dimiliki BEKS tahun 2018. Menurut OJK,

batasan harga saham terendah untuk diperdagangkan di pasar reguler adalah

Rp 50 per lembar, artinya data pada sampel ini dikatakan memenuhi standar

industri harga saham.

b. Financial Distress

Penelitian ini menggunakan skala ordinal variabel financial distress dengan

memberikan nilai 0 untuk bank sehat dan nilai 1 untuk bank yang mengalami

kondisi financial distress, sehingga nilai minimim adalah 0 dan nilai

maksimum adalah 1. Variabel ini dianalisis menggunakan bantuan Excel untuk

mengetahui kondisi keuangan bank yang tidak sehat dan biasanya terjadi

sebelum adanya kebangkrutan bank. Dari hasil analisis yang telah dilakukan

terdapat 89 sampel dengan nilai 0 yang artinya sehat, dan 49 yang tidak sehat.

c. EPS

EPS dalam penelitian ini sebagai kemampuan per lembar saham dalam

menghasilkan laba. Nilai maksimum untuk variabel EPS adalah 281 yang

dimiliki oleh bank BDMN tahun 2016 dan nilai minimum sebesar -74,75

dimiliki oleh BKSW tahun 2015.

24

d. RGEC

Variabel RGEC dicerminkan oleh tiga indikator meliputi NPL, NIM,

dan CAR. Indikator NPL memiliki nilai maksimum sebesar 6,71 yang dimiliki

oleh BEKS tahun 2018 dengan nilai minimum 0,03 yang dimiliki oleh BCIC

tahun 2016. Menurut Peraturan Bank Indonesia Nomor 15/2/PBI/2013

menyatakan bahwa tingkat rasio NPL maksimum adalah 5%, artinya terdapat

sampel yang melebihi ketentuan tersebut sehingga potensi kredit bermasalah

cukup tinggi.

Indikator NIM memiliki nilai maksimum sebesar 7,96 yang dimiliki

oleh BJBR tahun 2013 dengan nilai minimum 0,93 yang dimiliki oleh BCIC

tahun 2015. Indikator CAR memiliki nilai maksimum sebesar 30,90 yang

dimiliki oleh BDMN tahun 2016 dengan nilai minimum 9,33 yang dimiliki

oleh BMAS tahun 2015.Peraturan Bank Indonesia Nomor 15/12/PBI/2013

menyatakan bahwa jumlah paling rendah modal minimum bank umum sebesar

9%-10% dari ATMR untuk bank profil risiko peringkat 2.

3. Uji Asumsi SEM

Pengujian dalam penelitian ini menggunakan Structural Equation Modeling

(SEM) dengan alat uji statistik parametrik Covariance Based SEM (AMOS).

Berikut adalah hasil pengujian data yang dilakukan.

1. Kecukupan Sampel

Jumlah perusahaan yang digunakan dalam penelitian ini yang dinilai

telah memenuhi kriteria sampel sejumlah 23 bank. Jumlah sampel minimal

yang disyaratkan untuk penelitian yang menggunakan SEM AMOS adalah

sebesar 100-200 sampel untuk metode Maximum Likelihood (ML) dengan

asumsi normalitas dipenuhi. Penelitian ini menggunakan data bank dari tahun

2012-2018 yang didapat sebanyak 161 data yang kemudian dilakukan outlier

dan menyisakan sebanyak 138 data, sehingga penelitian ini sudah memenuhi

jumlah minimum yang disyaratkan.

25

2. Uji Normalitas

Syarat berikutnya yaitu normalitas data. Nilai kritis untuk c.r dari skewness dan

kurtosis dibawah ± 2,58 (Bagozzi & Baumgartner, 1994).

Tabel 4. 2 Hasil Uji Normalitas

Variabel Min Max Skew C.R Kurtosis C.R

EPS -74,75 281 0,673 3,237 -0,260 -0,626 Financial Distress

0 1 0,585 2,814 -1,658 -3,991

NPL 0,03 6,71 0,360 1,735 -0,649 -1,562 NIM 0,93 7,96 -0,153 -0,737 -0,133 -0,320 CAR 9,33 30,90 0,499 2,402 -0,199 -0,478 Harga Saham

50 2622,50 0,930 4,477 0,149 0,359

Multivariate -1,194 -0,718 Sumber : Hasil olah data AMOS

Tabel 4.2 menunjukkan bahwa pengujian normalitas data pada penelitian ini

dinyatakan baik secara univariate maupun multivariate yang ditunjukkan nilai

c.r yang tidak lebih dari ± 2,58 sehingga data terdistribusi normal (Byrne,

2001).

3. Uji Outliers

Outliers dapat dievaluasi dengan menganalisis data terhadap univariate

outliers dan multivariate outliers (Kline, 2004).

a. Univariate Outliers

Uji outliers ini dilakukan per konstruk variabel dengan bantuan aplikasi

SPSS 18 dengan syarat data yang memiliki nilai z-score ≥ 3 dikategorikan

sebagai data outliers (Hair, 2006). Hasil pengujian univariate outliers

ditunjukkan pada tabel 4.3 berikut ini :

Tabel 4.3 Hasil Uji Univariate Outliers

N Minimum Maksimum

Zscore (EPS) 139 -1,97298 2,93964 Zscore (NPL) 139 -1,54093 2,54761 Zscore (NIM) 139 -2,52248 2,23609 Zscore (CAR) 139 -1,91092 2,71840 Zscore (FinancialDistress) 139 -0,74683 1,32936 Zscore (HargaSaham) 139 -1,22666 2,60284

26

Valid N (listwisse) 139 Sumber : Hasil olah data SPSS 18

Berdasarkan tabel 4.3 dapat disimpulkan bahwa tidak ada satupun nilai z-

score yang lebih besar dari 3 sehingga model penelitian dinyatakan tidak

terdapat univariate outliers.

b. Multivariate Outliers

Univariate outliers tidak menjamin data terbebas dari multivariate outliers.

Outliers ini dapat diuji menggunakan statistik mahalanobis distance yang

merupakan alat statistik untuk menguji jarak antara skor setiap observasi

dengan rata-rata sampel. Data Uji Multivariate Outliers pada penelitian ini

dapat dilihat pada lampiran 7. Hasil menunjukkan bahwa data sudah bebas

dari outliers karena memiliki nilai probabilitas >0,05. Menurut Byrne

(2001) p1 selalu diharapkan kecil sedangkan p2 diharapkan besar (>0,05)

karena p2 menunjukkan kemungkinan jarak terjauh suatu observasi dari

rata-rata sampel.

4. Analisis Data

Penelitian ini menggunakan analisis jalur atau path analysis dengan bantuan

program AMOS 21. Analisis ini digunakan karena pada model penelitian ini untuk

menguji hubungan antar variabel yang mana terdapat variabel intervening.

Gambar 4.1 Hasil Estimasi Analisis Jalur

27

a. Uji CFA (Confirmatory Factor Analysis)

Indikator yang mampu membentuk konstruk diukur dari besar kecilnya bobot

faktor koefisien, yang minimal harus mencapai >0.5 untuk dianggap layak

mencerminkan variabelnya (Hair, 1998).

Tabel 4.4 Uji CFA variabel RGEC

Tahap 1 Tahap 2 Keterangan

RGEC

NPL -0,57 -0,54 Layak NIM 0,69 0,63 Layak CAR 0,48 0,52 Layak LDR 0,15 - Dihapus GCG -0,21 - Dihapus ROA 0,72 - Dihapus

Sumber : Hasil olah data AMOS

Berdasarkan tabel 4.4 dapat diketahui bahwa dari 6 indikator RGEC ada

indikator yang dihapus karena setelah pengujian yang dilakukan hanya NPL,

NIM, dan CAR yang mencerminkan variabel RGEC. LDR dan GCG tidak

mampu memenuhi bobot faktor, sedangkan ROA memiliki bobot faktor yang

besar dan mampu berdiri sendiri, sehingga saat digabungkan dengan indikator

lain akan memperburuk hasil. Hal ini juga didukung oleh penelitian yang

dilakukan oleh Haryati and Kristijadi (2014).

Sumber : Hasil Output AMOS

28

b. Model Persamaan Struktural

Persamaan struktural merupakan persamaan yang dirumuskan untuk

menyatakan hubungan kausalitas antar berbagai konstruk.

Tabel 4.5 Evaluasi Paramater Estimasi

Estimate SE CR P Keterangan Financial DistressEPS

-0,408 0,001 -2,319 0,020 Signifikan

Financial DistressRGEC

-0,286 0,042 -1,346 0,178 Tidak Signifikan

Harga SahamEPS 0,342 1,124 2,485 0,013 Signifikan Harga SahamFinancial Distress

-0,252 89,576 -3,450 *** Signifikan

Harga SahamRGEC

0,372 44,668 2,035 0,042 Signifikan

Sumber: Olah data AMOS

Model persamaan struktural yang terbentuk antar variabel berdasarkan

analisis jalur yang telah dilakukan adalah sebagai berikut :

1) Pengaruh EPS, RGEC dan Financial Distress terhadap Harga Saham

Persamaan yang terbentuk dari pengaruh antara EPS, RGEC dan financial

distress terhadap harga saham adalah sebagai berikut:

Harga Saham = 0,372RGEC + 0,342EPS– 0,252Financial Distress + ζ2

Berdasarkan persamaan tersebut dapat diketahui bahwa terdapat

pengaruh positif antara variabel EPS dan RGEC terhadap harga saham,

artinya semakin tinggi EPS dan RGEC maka akan semakin tinggi pula

harga saham. Hal yang berbeda dengan Financial Distress yang memiliki

pengaruh negatif terhadap harga saham, artinya jika financial distress

meningkat maka harga saham akan menurun. Apabila EPS meningkat 1

satuan maka harga saham akan meningkat sebesar 0,342 dan jika RGEC

yang meningkat 1 satuan maka harga saham akan meningkat sebesar

0,372. Untuk variabel financial distress meningkat 1 satuan maka harga

saham akan menurun sebesar 0,252.

29

2) Pengaruh RGEC dan EPS terhadap Financial Distress

Persamaan yang terbentuk dari pengaruh RGEC dan EPS terhadap

financial distress adalah sebagai berikut:

Financial Distress = -0,286RGEC– 0,408 EPS+ ζ1

Berdasarkan persamaan tersebut dapat diketahui bahwa terdapat

pengaruh negatif antara variabel RGEC dan EPS terhadap financial

distress, yang artinya semakin tinggi RGEC dan EPS maka financial

distress akan menurun. Apabila RGEC meningkat 1 satuan maka

financial distress akan menurun sebesar 0,286 dan jika EPS meningkat 1

satuan maka financial distress akan menurun sebesar 0,408.

c. Menilai Kriteria Goodness of Fit

Berdasarkan analisis menggunakan AMOS diperoleh hasil seperti pada tabel

4.6 berikut ini :

Tabel 4.6 Hasil Goodness of Fit

Sumber : Olah data AMOS

Berdasarkan tabel 4.6 dapat disimpulkan bahwa uji kesesuaian model diterima

dengan baik memenuhi kriteria Goodness of Fit.

Goodness of Fit Indexs Cut off Value Hasil Evaluasi

Chi-Square Diharapkan kecil Df = 6 nilai kritis = 12,5916

6,364 Good Fit

Significancy probability ≥ 0,05 0,384 Good Fit RMSEA ≤ 0,08 0,021 Good Fit GFI ≥ 0,90 0,985 Good Fit AGFI ≥ 0,90 0,948 Good Fit CMIN/DF ≤ 2,00 1,061 Good Fit TLI ≥ 0,90 0,997 Good Fit CFI ≥ 0,90 0,999 Good Fit

30

d. Uji Hipotesis

Pengambilan keputusan untuk pengujian hipotesis pada penelitian ini

menggunakan hasil analisis data dari pengaruh langsung antar variabel yang

dapat dilihat pada evaluasi parameter estimasi pada tabel 4.5.

H1 : RGEC berpengaruh negatif terhadap Financial Distress

Pengujian pengaruh langsung RGEC terhadap financial distress diperoleh hasil

tidak signifikan yang ditunjukkan dengan CR sebesar 1,346 yang tidak

memenuhi syarat yaitu > 2,00 dan nilai p sebesar 0,178 yang tidak memenuhi

syarat < 0,05. Dengan demikian dapat disimpulkan bahwa hipotesis 1 ditolak,

yaitu RGEC tidak berpengaruh terhadap financial distress.

H2 : EPS berpengaruh negatif terhadap Financial Distress

Pengujian pengaruh langsung EPS terhadap financial distress diperoleh hasil

signifikan yang ditunjukkan dengan CR sebesar 2,319 yang memenuhi syarat

yaitu > 2,00 dan nilai p sebesar 0,020 yang memenuhi syarat < 0,05. Nilai

estimate sebesar -0,408 yang artinya terdapat pengaruh negatif antara EPS dan

financial distress, semakin tinggi EPS maka financial distress akan menurun.

Dengan demikian dapat disimpulkan bahwa hipotesis 2 diterima, yaitu EPS

berpengaruh negatif terhadap financial distress.

H3 : Financial Distress berpengaruh negatif terhadap Harga Saham

Pengujian pengaruh langsung financial distress terhadap harga saham

diperoleh hasil signifikan yang ditunjukkan dengan CR sebesar 3,450 yang

memenuhi syarat yaitu > 2,00 dan nilai p sebesar 0,000 yang memenuhi syarat

< 0,05. Nilai estimate sebesar -0,252 yang artinya terdapat pengaruh negatif

antara financial distress dan harga saham, semakin rendah financial distress

maka harga saham akan meningkat Dengan demikian dapat disimpulkan

bahwa hipotesis 3 diterima, yaitu financial distress berpengaruh negatif

terhadap harga saham.

H4 : RGEC berpengaruh positif terhadap Harga Saham

Pengujian pengaruh langsung EPS terhadap financial distress diperoleh hasil


31


estimate sebesar 0,372 yang artinya terdapat pengaruh positif antara RGEC dan

harga saham, semakin tinggi RGEC maka harga saham akan tinggi juga.

Dengan demikian dapat disimpulkan bahwa hipotesis 4 diterima, yaitu RGEC

berpengaruh positif terhadap harga saham.

H5 : EPS berpengaruh terhadap Harga Saham

Pengujian pengaruh langsung EPS terhadap harga saham diperoleh hasil



estimate sebesar 0,342 yang artinya terdapat pengaruh positif antara EPS dan

harga saham, semakin tinggi EPS maka semakin tinggi harga sahamnya.

Dengan demikian dapat disimpulkan bahwa hipotesis 5 diterima, yaitu EPS

berpengaruh positif terhadap harga saham.

H6 : RGEC berpengaruh terhadap Harga Saham dengan Financial

Distress sebagai variabel intervening

Salah satu kelemahan AMOS apabila dibandingkan dengan program SEM

lainnya adalah tidak dapat diketahui signifikansi peranan tidak langsung

(indirect effect) sehingga pengujian pengaruh tidak langsung pada penelitian

ini menggunakan bantuan Uji Sobel. Berikut adalah hasil pengujiannya dapat

dilihat pada tabel 4.7 di bawah ini.

Tabel 4.7 Hasil Uji Hipotesis Pengaruh Tidak Langsung

Hipotesis Test statistic

Std.eror p-value Ket

RGEC→ Financial Distress→ Harga Saham

0,00281325 25,61873819 0,99775535 Tidak Signifikan

EPS→ Financial Distress→ Harga Saham

0,00281325 36,547008 0,99775535 Tidak Signifikan

Sumber : Data diolah, 2020

Berdasarkan tabel 4.7 yang menguji pengaruh tidak langsung antara RGEC

terhadap harga saham melalui financial distress diperoleh hasil bahwa

32

financial distress dinilai tidak memediasi hubungan antara RGEC terhadap

harga saham dalam pengembangan penelitian. Hal ini ditunjukkan oleh nilai p-

value sebesar 0,998>0,05 yang artinya tidak signifikan.

H7: EPS berpengaruh terhadap Harga Saham dengan Financial Distress

sebagai variabel intervening

Berdasarkan tabel 4.7 dapat diketahui bahwa nilai p-value dari pengaruh EPS

terhadap harga saham dengan financial distress sebagai variabel mediasi

menunjukkan angka 0,110>0,05 yang artinya tidak signifikan. Hal ini

menunjukkan bahwa variabel financial distress tidak dapat memediasi

hubungan antara EPS dan harga saham dalam pengembangan penelitian ini.

5. Pembahasan

Pembahasan dalam penelitian ini didasari oleh hasil pengujian hipotesis yang telah

dilakukan. Adapun pembahasan penelitian adalah sebagai berikut:

1. Pengaruh RGEC terhadap Financial Distress

Berdasarkan hasil uji hipotesis yang telah dilakukan terkait hubungan

RGEC dengan financial distress menunjukkan hasil tidak signifikan yang

artinya RGEC tidak berpengaruh terhadap financial distress. Hal ini selaras

dengan penelitian yang dilakukan oleh Sadida (2018) dan Andari and

Wiksuana (2017). Perbedaan hasil dikarenakan banyak indikator yang dapat

digunakan dalam mengukur RGEC pada perbankan, dalam penelitian ini hanya

menggunakan NPL, NIM, dan CAR.

Pada tingkat NPL, bank tidak hanya menyalurkan kredit kepada pihak

ketiga atau masyarakat, namun sebagian besar juga disalurkan pada bank lain

yang membutuhkan dana sehingga NPL yang tinggi tidak menyebabkan bank

mengalami financial distress. Penurunan nilai NIM lebih rendah dari nilai NIM

yang mengalami peningkatan sehingga probabilitas terjadinya financial

distress semakin rendah. Artinya pendapatan bunga atas pengelolaan aktiva

produktif semakin berkurang. CAR juga tidak mampu digunakan untuk

memprediksi kondisi financial distress disebabkan apabila perbankan

33

mengalami kerugian namun struktur modalnya tetap terjaga dengan baik maka

akan mempunyai nilai CAR yang tinggi meskipun sedang rugi.

2. Pengaruh EPS terhadap Financial Distress


EPS dengan financial distress menunjukkan bahwa terdapat pengaruh negatif

dan signifikan. Hasil tersebut diperkuat dengan penelitian terdahulu yang

dilakukan oleh Santosa (2017) dan Sagala (2015) yang menyatakan bahwa

tingkat EPS merupakan cerminan untuk melihat tingkat pertumbuhan

perusahaan secara keuangan.

Perbankan yang memiliki EPS negatif dalam beberapa periode artinya

prospek earning dan pertumbuhan perbankan tersebut tidak baik, sehingga

kurang menarik bagi para investor. Kondisi ini menjadikan perbankan akan

sulit mendapatkan dana dari pihak luar dikarenakan pendapatan yang negatif,

sehingga akan berdampak pada kemungkinan terjadinya kesulitan keuangan

(financial distress). Artinya terdapat hubungan terbalik antara EPS dan

financial distress, nilai EPS yang tinggi maka probabilitas kebangkrutan akan

mengecil, begitu pula sebaliknya.

3. Pengaruh Financial Distress terhadap Harga Saham


financial distress terhadap harga saham menunjukkan bahwa terdapat

pengaruh negatif dan signifikan. Hasil tersebut diperkuat dengan penelitian

terdahulu yang dilakukan oleh Parenrengi and Permata (2018), Purwanda and

Yuniarti (2014), serta Wawo and Nirwana (2020).

Kondisi keuangan perbankan sangat erat kaitannya dengan harga

saham. Perbankan yang mengalami financial distress atau masalah keuangan

maka harga saham akan cenderung mengalami penurunan. Hal ini dikarenakan

kondisi financial distress merupakan cerminan bahwa perusahaan berada

dalam kondisi yang tidak baik sehingga pasar merespon sebagai informasi

negatif yang harga saham menurun. Hal ini sejalan dengan teori signaling yang

34

menyatakan bahwa signal negatif akan mengakibatkan penurunan harga

saham.

4. Pengaruh RGEC terhadap Harga Saham


RGEC terhadap harga saham menunjukkan bahwa terdapat pengaruh positif

dan signifikan. Hasil tersebut diperkuat dengan penelitian terdahulu yang

dilakukan olehIndiani dan Dewi (2016), Hendrayana (2015), dan Febiola

(2019). RGEC sebagai gambaran tingkat kesehatan bank yang diproksikan

oleh 3 indikator yaitu NPL, NIM, dan CAR terbukti mampu mempengaruhi

harga saham.

Rasio NPL yang semakin tinggi menandakan bahwa resiko yang

ditanggug semakin tinggi, sehingga kepercayaan investor akan menurun

karena dianggap tidak mampu mengelola kegiatan operasionalnya dengan

baik. Hal ini akan berdampak pada penurunan harga saham (Kusumawati,

2013). NIM selalu berkaitan dengan pendapatan bunga bersih, apabila nilai

NIM yang tinggi akan mengakibatkan adanya peningkatan laba sehingga

berpengaruh terhadap kenaikan harga saham.

CAR yang semakin tinggi menandakan bahwa perusahaan mampu

menjamin pengembalian dana investor yang telah diinvestasikan sehingga

kepercayaan investor terhadap perusahaan menjadikan terjaganya harga

saham. Pada perbankan yang mana dananya diperoleh dari dana penyertaan

pihak ketiga atau investor maka penjaminan atas dana yang masuk menjadi

fokus utama para investor. RGEC secara keseluruhan akan mempengaruhi

harga saham karena berkaitan dengan kondisi kesehatan suatu bank dan

mampu atau tidaknya bank tersebut memenuhi kewajibannya dengan baik

sesuai peraturan perbankan yang berlaku.

5. Pengaruh EPS terhadap Harga Saham


EPS terhadap harga saham menunjukkan bahwa terdapat pengaruh positif dan

signifikan. Hasil tersebut diperkuat dengan penelitian terdahulu yang

35

dilakukan oleh Khairani (2016), Pratama and Erawati (2014) dan Sitorus

(2020). EPS adalah salah satu variabel yang berpengaruh terhadap harga

saham, karena dapat menjadi sinyal yang positif bagi para investor.

EPS yang semakin tinggi menunjukkan bahwa jumlah laba yang akan

dibagikan pada invetor akan semakin besar. Hal ini akan menjadi perhatian

investor untuk membeli saham tersebut, sehingga permintaan akan saham yang

bersangkutan akan semakin tinggi yang akan berdampak pada meningkatnya

harga saham.

6. Pengaruh RGEC terhadap Harga Saham dengan Financial Distress sebagai

variabel intervening

Berdasarkan pengujian mediasi yang telah dilakukan, hasil

menunjukkan bahwa variabel Financial Distress tidak dapat memediasi

pengaruh RGEC terhadap harga saham. Pengaruh RGEC secara langsung lebih

besar daripada pengaruh tidak langsung yang melalui financial distress,

sehingga dapat disimpulkan bahwa financial distress tidak dapat memediasi

pengaruh RGEC terhadap harga saham dalam pengembangan penelitian

terbaru ini.

7. Pengaruh EPS terhadap Harga Saham dengan Financial Distress sebagai

variabel intervening

Hasil penelitian menunjukkan bahwa variabel financial distress tidak

dapat memediasi hubungan antara EPS dan harga saham. Berdasarkan hasil

penelitian ini, EPS secara langsung berpengaruh terhadap harga saham.

Pengaruh secara langsung tersebut lebih besar daripada pengaruh tidak

langsung yang melalui financial distress, sehingga dapat disimpulkan bahwa

financial distress tidak dapat memediasi pengaruh EPS terhadap harga saham

dalam pengembangan penelitian terbaru ini.

E. KESIMPULAN DAN SARAN

1. Kesimpulan

Berdasarkan penelitian yang dilakukan maka dapat disimpulkan bahwa:

36

a. Tingkat kesehatan bank yang diukur oleh RGEC tidak berpengaruh

terhadap financial distress. Hal ini dikarenakan indikator yang digunakan

sebagai proksi RGEC tidak mampu mempengaruhi kondisi kesulitan

keuangan suatu perbankan.

b. Tingkat pertumbuhan yang diukur dengan EPS memiliki pengaruh

negatif terhadap financial distress. Nilai EPS yang tinggi maka

probabilitas kebangkrutan akan semakin mengecil.

c. Kondisi financial distress berpengaruh negatif terhadap harga saham.

Perbankan yang mengalami financial distress atau masalah keuangan

maka harga saham akan cenderung mengalami penurunan karena

dianggap sebagai sinyal negatif.

d. RGEC berpengaruh positif terhadap harga saham. Perbankan yang

memiliki tingkat kesehatan yang baik maka akan memiliki daya tarik bagi

investor sehingga harga sahamnya akan tinggi.

e. EPS berpengaruh positif terhadap harga saham. Besarnya jumlah laba

yang akan dibagikan pada invetor akan berdampak pada meningkatnya

harga saham.

f. Financial Distress tidak mampu memediasi pengaruh RGEC terhadap

harga saham. Pengaruh RGEC secara langsung lebih besar daripada

pengaruh tidak langsung yang melalui financial distress.

g. Financial Distress tidak mampu mengintervening pengaruh EPS terhadap

harga saham. Pengaruh EPS secara langsung tersebut lebih besar daripada

pengaruh tidak langsung yang melalui financial distress.

2. Saran

a. Bagi calon investor yang akan berinvestasi pada saham, sebelum

melakukan transaksi pembelian agar terlebih dahulu melakukan penilaian

terhadap kesehatan dan laba per lembar saham pada perbankan yang

bersangkutan agar risiko investasi dapat diminimalisir

b. Penelitian ini hanya terfokus pada perbankan buku 1, buku 2, buku 3 dan

menghasilkan sampel yang sedikit dalam proses generalisasi, sehingga

37

penelitian selanjutnya diharapkan dapat menggunakan ukuran sampel

yang lebih besar.

c. Indikator Good Corporate Governance (GCG) dengan nilai komposit

belum bisa mencerminkan variabel RGEC, sehingga penelitian

selanjutnya diharapkan menggunakan ukuran GCG yang lain, seperti:

ukuran dewan direksi, ukuran dewan komisaris.

d. Variabel yang dijadikan sebagai variabel intervening pada penelitian ini

masih belum mampu terbukti memediasi, sehingga dapat dilakukan

pengujian kembali ataupun menggati variabel intervening karena masih

banyak variabel yang dapat mempengaruhi harga saham, misalnya

struktur modal atau profitabilitas.

38

DAFTAR PUSTAKA

Andari, N. M. M., & Wiksuana, I. G. B. (2017). RGEC SEBAGAI DETERMINASI DALAM

MENANGGULANGI FINANCIAL DISTRESS PADA PERUSAHAAN PERBANKAN DI BURSA EFEK INDONESIA. E-Jurnal Manajemen Unud, 6 No. 1, 116-145.

Andriawan, N. F., & Salean, D. (2016). ANALISIS METODE ALTMAN Z-SCORE SEBAGAI ALAT PREDIKSI KEBANGKRUTAN DAN PENGARUHNYA TERHADAP HARGA SAHAM PADA PERUSAHAAN FARMASI YANG TERDAFTAR DI BURSA EFEK INDONESIA. JURNAL EKONOMI AKUNTANSI, 1 No. 1, 67-82.

BI. (2011). PERATURAN BANK INDONESIA NOMOR: 13/ 1 /PBI/2011 TENTANG PENILAIAN TINGKAT KESEHATAN BANK UMUM.

Brigham, & Houston. (2009). Dasar-dasar Manajemen Keuangan, Buku Satu,Edisi Kesepuluh. Jakarta: Salemba Empat.

Byrne, B. M. (2001). Structural Equation Modeling With AMOS, EQS, and LISREL: Comparative Approaches to Testing for the Factorial Validity of a Measuring Instrument. INTERNATIONAL JOURNAL OF TESTING, 1(1), 55–86.

Cahyani, D. M., & Diantini, N. N. A. (2016). PERANAN GOOD CORPORATE GOVERNANCE DALAM MEMPREDIKSI FINANCIAL DISTRESS. Jurnal Manajemen, Strategi Bisnis dan Kewirausahaan, Vol. 10, No. 2.

Chen, H.-H. (2008). The Timescale Effects of Corporate Governance Measure on Predicting Financial Distress. Review of Pacific Basin Financial Markets and Policies, Vol. 11, No. 1, 35-46.

Dina, P., & Suaryana, I. G. N. A. (2013). PENGARUH EPS, DER, DAN PBV TERHADAP HARGA SAHAM. E-Jurnal Akuntansi Universitas Udayana, 4.1.

Endraswati, H., & Novianti, A. (2015). Pengaruh Rasio Keuangan dan Harga Saham dengan EPS sebagai Variabel Moderasi pada Perusahaan Manufaktur yang Terdaftar di DES. Muqtasid, Volume 6, Nomor 1.

Farida Shinta Dewi, R. A., Rita Andini. (2016). ANALYSIS OF EFFECT OF CAR, ROA, LDR, COMPANY SIZE, NPL, AND GCG TO BANK PROFITABILITY (CASE STUDY ON BANKING COMPANIES LISTED IN BEI PERIOD 2010-2013). Journal Of Accounting, 2(2).

Febiola, d. (2019). Pengaruh Tingkat Kesehatan Perbankan terhadap Harga Saham Perusahaan Perbankan di BEI Tahun 2008-2017. Perspektif Akuntansi, 2 No. 3, 211-236. doi: https://doi.org/10.24246/persi.v1i2.p211-236http://ejournal.uksw.edu/persi

Ferdinand, A. (2002). Structural Equation Modeling dalam Penelitian Manajemen Aplikasi Model-Model Rumit dalam Penelitian untuk Tesis Magister & Disertasi Doktor. Semarang: Fakultas Ekonomi Undip.

Fitrawati. (2016). PENERAPAN PENDEKATAN RGEC (RISK PROFILE, GOOD CORPORATE GOVERNANCE, EARNING DAN CAPITAL) DALAM MENGANALISIS KINERJA BANK UNTUK MENGETAHUI TINGKAT KESEHATAN BANK (Studi kasus PT. Bank Tabungan Negara Persero) Tbk. Periode 2013-2015). Jurnal Administrasi Bisnis (JAB), 37 No. 1.

Gebreslassie, E. (2015). Determinants of Financial Distress Conditions of Commercial Banks in Ethiopia: A Case study of Selected Private Commercial Banks. Journal of Poverty, Investment and Development, 13.

http://ejournal.uksw.edu/persi

39

Ghozali, I. (2014). MODEL PERSAMAAN STRUKTURAL KONSEP DAN APLIKASI DENGAN PROGRAM AMOS 22.0. Semarang: Badan Penerbit Universitas Diponegoro.

Ginting, D. B. (2009). STRUCTURAL EQUATION MODEL (SEM). Media Informatika, 8(3).

Hair, J. F. (2006). Multivariate Data Analysis Edisi 5. Jakarta: Gramedia Pustaka Utama. Haq, H. I., & Harto, P. (2019). PENGARUH TINGKAT KESEHATAN BANK BERBASIS

RGEC TERHADAP FINANCIAL DISTRESS (Studi pada Perusahaan perbankan yang terdaftar di BEI tahun 2015-2017). DIPONEGORO JOURNAL OF ACCOUNTING, 8 (3).

Haryati, S., & Kristijadi, E. (2014). THE EFFECT OF GCG IMPLEMENTATION AND RISK PROFILE ON FINANCIAL PERFORMANCE AT GO-PUBLIC NATIONAL COMMERCIAL BANKS. Journal of Indonesian Economy and Business, 29 No. 3, 237-250.

Indiani, N. P. L., & Dewi, S. K. S. (2016). PENGARUH VARIABEL TINGKAT KESEHATAN BANK TERHADAP HARGA SAHAM PERBANKAN DI BURSA EFEK INDONESIA. E-Jurnal Manajemen Unud, 5 No. 5, 2756-2785.

Irama, O. N. (2018). PENGARUH POTENSI KEBANGKRUTAN TERHADAP HARGA SAHAM PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA. Jurnal Bisnis Net, 1 No. 1.

Iskandar, B. A., & Laila, N. (2016). PENGARUH KOMPONEN RISK-BASED BANK RATING TERHADAP PROFITABILITAS BANK UMUM SYARIAH DI INDONESIA (PERIODE 2011–2014). Jurnal Ekonomi Syariah Teori dan Terapan, 2 No. 3, 173-186.

Khairani, I. (2016). Pengaruh Earning Per Share (EPS) dan Deviden Per Share terhadap Harga Saham Perusahaan Pertambangan yang Terdaftar di Bursa Efek Indonesia (BEI) Tahun 2011-2013. JURNAL MANAJEMEN DAN KEUANGAN, VOL.5, NO.1.

Kline. (2004). Principles and Practice of Structural Equation Modeling, 2nd edition. New York: Guilford Press.

Laksito, H. (2010). MEMPREDIKSI KESEHATAN BANK DENGAN RASIO CAMELS PADA BANK PERKREDITAN RAKYAT. Jurnal Keuangan dan Perbankan, 14(1), 156 – 167.

Luh Eprima Dewi, N. T. H. S., M.Pd.,Ak. Luh Gede Erni Sulindawati. SE.,M.Pd.,Ak. (2015). ANALISIS PENGARUH NIM, BOPO, LDR, DAN NPL TERHADAP PROFITABILITAS (Studi Kasus Pada Bank Umum Swasta Nasional Yang Terdaftar Pada Bursa Efek Indonesia Periode 2009-2013 ). e-Journal S1 Ak. Universitas Pendidikan Ganesha, 3(1).

Mandasari, J. (2015). ANALISIS KINERJA KEUANGAN DENGAN PENDEKATAN METODE RGEC PADA BANK BUMN PERIODE 2012-2013. eJournal Ilmu Administrasi Bisnis, 3 No. 2 363-374.

Maulida, I. S. (2018). Analisis Rasio Keuangan Untuk Memprediksi Financial Distress Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia 2014-2016. Jurnal Ilmiah Administrasi Bisnis dan Inovasi, 2 No. 1.

Medyawicesar, H. (2018). ANALISIS KOMPONEN TINGKAT KESEHATAN BANK TERHADAP HARGA SAHAM BANK UMUM SWASTA NASIONAL DEVISA YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE 2012-2016. Journal of Business Management Education, 3(1), 21-31.

Nariman, A. (2016). ANALISIS PREDIKSI KEBANGKRUTAN DAN HARGA SAHAM PADA PERUSAHAAN PERTAMBANGAN BATU BARA. JRAK, 2 No. 2.

40

Nicholas Apergis, J. S., Panagiotis Artikis, Vasilios Zisis. (2011). Bankruptcy Probability and Stock Prices: The Effect of Altman Z-Score Information on Stock Prices Through Panel Data. Journal of Modern Accounting and Auditing, 7 No. 7, 689-696.

Noviantari, E. (2017). PENGARUH TINGKAT KESEHATAN BANK DENGAN METODE RGEC (RIKS PROFILE, GOOD CORPORATE GOVERNANCE, EARNING, CAPITAL) TERHADAP RETURN SAHAM (Study Kasus Pada Bank Umum Swasta Nasional Devisa Yang Terdaftar Di Bursa Efek Indonesia Periode 2013-2015). e-journal S1 Ak Universitas Pendidikan Ganesha, 8 No. 2.

Nurjanti Takarini, U. H. P. (2013). DAMPAK TINGKAT KESEHATAN BANK TERHADAP PERUBAHAN HARGA SAHAM PADA PERUSAHAAN PERBANKAN YANG GO PUBLIC DI BURSA EFEK INDONESIA (BEI). NeO-Bis, 7(2).

Oktaryani, S. (2017). PENGARUH GOOD CORPORATE GOVERNANCE TERHADAP NILAI PERUSAHAAN DENGAN PROFITABILITAS SEBAGAI VARIABEL INTERVENING (Studi Pada Perusahaan Perbankan Di Bursa Efek Indonesia). Jurnal Ilmu Manajemen dan Bisnis, Vol. 5, No. 2, 45-58.

Paramita, R. W. D. (2014). TIMELINESS SEBAGAI VARIABEL INTERVENING UNTUK. WIGA, Vol. 4 No. 1.

Parenrengi, D. S., & Permata, I. S. (2018). Analysis Of Distress Financial Condition Toward Stock Price Of Manufacture Company In The Period Of 2012 – 2016. The International Journal of Engineering and Science (IJES), 7(10 Ver.III), PP 64-69. doi: 10.9790/1813-0710036469

Pradana, S. W. L., & Sanjaya, I. P. S. (2017). DAMPAK PROFITABILITAS, ALIRAN KAS BEBAS, DAN KESEMPATAN INVESTASI TERHADAP PEMBAYARAN DIVIDEN PERUSAHAAN PERBANKAN. Jurnal Keuangan dan Perbankan, 21(1), 113–124.

Prasanjaya, Y., & Ramantha, I. W. (2013). ANALISIS PENGARUH RASIO CAR, BOPO, LDR DAN UKURAN PERUSAHAAN TERHADAP PROFITABILITAS BANK YANG TERDAFTAR DI BEI. E-Jurnal Akuntansi Universitas Udayana, 4 No. 1, 230-245.

Pratama, A., & Erawati, T. (2014). PENGARUH CURRENT RATIO, DEBT TO EQUITY RATIO, RETURN ON EQUITY, NET PROFIT MARGIN DAN EARNING PER SHARE TERHADAP HARGA SAHAM (Study Kasus Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia Periode 2008 2011). Jurnal Akuntansi, VOL.2 NO.1.

Prianti, F. (2018). PENGARUH RGEC DAN VARIABEL MAKROEKONOMI TERHADAP BANKING DISTRESS DENGAN MENGGUNAKAN CD INDEKS DI INDONESIA. Jurnal Ilmu Manajemen, Volume 6 Nomor 3.

Pryanka J.V Polii, I. S., Yunita Mandagie. (2014). RASIO KEUANGAN PENGARUHNYA TERHADAP HARGA SAHAM PADA BANK UMUM SWASTA NASIONAL DEVISA YANG GO PUBLIC DI BURSA EFEK INDONESIA. Jurnal EMBA, 2 No. 2, 993-1004.

Purwanda, E., & Yuniarti, K. (2014). Pengujian Dampak Rasio Altman, DER, Dan Tingkat Suku Bunga Terhadap Harga Saham Perusahaan Sektor Pertambangan Di Bursa Efek Indonesia. Study and Accounting Research, XI No. 2.

Putu Wira Hendrayana, G. W. Y. (2015). PENGARUH KOMPONEN RGEC PADA PERUBAHAN HARGA SAHAM PERUSAHAAN PERBANKAN DI BURSA EFEK INDONESIA. E-Jurnal Akuntansi Universitas Udayana, 11 No. 1, 74-89.

Qoriah, N., & Nurdin. (2019). Analisis Model Rgec (Risk Profile, Good Corporate Governance, Earnings, And Capital) dalam Mengetahui Potensi Financial Distress

41

pada Bank Umum Syariah Periode 2012-2017. Prosiding Manajemen, Volume 5, No. 1.

Rahmah Febrina, D., M G Wi Endang NP. (2016). ANALISIS TINGKAT KESEHATAN BANK UMUM BERDASARKAN RISK PROFILE, GOOD CORPORATE GOVERNANCE, EARNING, DAN CAPITAL (Studi pada Bank Umum yang Terdaftar di Bursa Efek Indonesia Periode 2013-2015). Jurnal Administrasi Bisnis (JAB), 37 No. 1.

Rahmaniah, M., & Wibowo, H. (2015). ANALISIS POTENSI TERJADINYA FINANCIAL DISTRESS PADA BANK UMUM SYARIAH (BUS) DI INDONESIA. Jurnal Ekonomi dan Perbankan Syariah, 3 No. 1, 1-20.

Rosyidi, A. H. (2020). BENARKAH FINANCIAL DISTRESS MEMODERASI PENGARUH DARI KINERJA KEUANGAN DAN RESIKO SISTEMATIK TERHADAP HARGA SAHAM PADA PERUSAHAAN BIDANG KONSTRUKSI YANG TERDAFTAR BURSA EFEK INDONESIA. Prosiding Seminar Nasional Pakar ke 3.

Rotinsulu, D. P. (2015). THE ANALYZE OF RISK-BASED BANK RATING METHOD ON BANK’S PROFITABILITY IN STATE-OWNED BANKS. Jurnal EMBA, 3(1), 95-106.

Roykhan, U. (2012). PREDIKSI KEBANGKRUTAN MENGGUNAKAN METODE Z-SCORE DAN PENGARUHNYA TERHADAP HARGA SAHAM PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA. Jurnal Akuntansi dan Ekonomi Bisnis, 1 No. 2.

Rusli, A., & Dasar, T. (2014). PENGARUH RASIO KEUANGAN TERHADAP HARGA SAHAM PADA PERUSAHAAN BUMN PERBANKAN YANG TERDAFTAR DI BURSA EFEK INDONESIA. Jurnal Akuntansi, 1 No. 2, 10-17.

Sadida, B. D. (2018). RISK PROFILE, GOOD CORPORATE GOVERNANCE, EARNINGS, AND CAPITAL (RGEC) SEBAGAI PREDIKTOR TERHADAP KONDISI FINANCIAL DISTRESS PADA PERUSAHAAN PERBANKAN. Jurnal Manajemen Bisnis Indonesia Edisi 4.

Sagala, L. (2015). Pengaruh Rasio Keuangan Dalam Memprediksi Potensi Kebangkrutan Pada Perusahaan Customer Goods Yang Terdaftar Di Bursa Efek Indonesia. Jurnal Manajemen dan Bisnis, 15 No. 1, 70-82.

Santosa, H. P. (2017). PENGARUH CORPORATE GOVERNANCE DAN RASIO KEUANGAN TERHADAP FINANCIAL DISTRESS PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA TAHUN 2010-2012. Majalah Ekonomi, XXII.

Sitorus, d. (2020). Pengaruh CR (Current Ratio), DER (Debt to Equity Ratio), EPS (Earning Per Share) dan Financial Distress (Altman Score) Terhadap Harga Saham Pada Perusahaan Sektor Industri Dasar dan Kimia Yang Terdaftar Di Bursa Efek Indonesia. Owner Riset&Jurnal Akuntansi, 4 No. 1, 1-15. doi: https://doi.org/10.33395/owner.v4i1.176

Sofiasani, G., & Gautama, B. P. (2016). Pengaruh CAMEL Terhadap Financial Distress Pada Sektor Perbankan Indonesia Periode 2009-2013. Journal of Business Management and Enterpreneurship Education, 1 No. 1 136-146.

Tri Ayu Marcelina, W. S. Y., SE., MM., Ak. (2014). PREDIKSI KEBANGKRUTAN MENGGUNAKAN METODE Z-SCORE DAN PENGARUHNYA TERHADAP HARGA SAHAM PADA PERUSAHAAN TRANSPORTASI YANG TERDAFTAR DI BURSA EFEK INDONESIA TAHUN 2008-2012. e-Proceeding of Management, 1 No. 3, 291-298.

42

Vinh, V. X. (2015). Using Accounting Ratios in Predicting Financial Distress: An Empirical Investigation in the Vietnam Stock Market. Journal of Economics and Development, 17 (1). doi: 10.33301/2015.17.01.03

Warsa, N. M. I. U. P., & Mustanda, I. K. (2016). PENGARUH CAR, LDR DAN NPL TERHADAP ROA PADA SEKTOR PERBANKAN DI BURSA EFEK INDONESIA. E-Jurnal Manajemen Unud, Vo. 5 No. 5, 2842 - 2870.

Wawo, A., & Nirwana. (2020). PENGARUH FINANCIAL DISTRESS TERHADAP HARGA SAHAM Jurnal Ilmiah Akuntansi Peradaban, Vi No. 1, 17-34.

Wismaryanto, S. D. (2013). PENGARUH NPL, LDR, ROA, ROE, NIM, BOPO, DAN CAR TERHADAP HARGA SAHAM PADA SUB SEKTOR PERBANKAN YANG TERDAFTAR DI BURSA EFEK INDONESIA TAHUN 2008-2012. Jurnal Manajemen, 3 No. 1.

Yanuardi, A. (2014). FAKTOR DETERMINAN ATAS PROFITABILITAS PERBANKAN YANG TERDAFTAR DI BURSA EFEK INDONESIA. Jurnal Akuntansi Multiparadigma, Volume 5 Nomor 2, Halaman 170-344.

Yu He, L. X., & McIver, R. P. (2018). How does political connection affect firm financial distress and resolution in China? APPLIED ECONOMICS. doi: https://doi.org/10.1080/00036846.2018.1558358

Yulianto, A., & Sulistyowati, W. A. (2012). ANALISIS CAMELS DALAM MEMPREDIKSI TINGKAT KESEHATAN BANK YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE TAHUN 2009 – 2011. Media Ekonomi & Teknologi Informasi, 19(1), 35-49.

Yustika, Y. (2015). PENGARUH LIKUIDITAS, LEVERAGE, PROFITABILITAS,OPERATING CAPACITY DAN BIAYA AGENSI MANAJERIAL TERHADAP FINANCIAL DISTRESS (Studi Empiris pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia Tahun 2011-2013). Jom FEKON, 2(2).

43

LAMPIRAN

Lampiran 1 Penelitian Terdahulu

No. Nama Peneliti

(Tahun)

Judul Penelitian Hasil Penelitian

1. Chen (2008) The Timescale Effects of

Corporate Governance

Measure on Predicting

Financial Distress

Perusahaan dengan kondisi

Financial Distressmemiliki

Perputaran Piutang, Margin Laba

Bersih, EPS, GCG rendah dan

Rasio Utang yang tinggi.

2. Laksito (2010) Memprediksi Kesehatan Bank

dengan Rasio CAMELS pada

Bank Perkreditan Rakyat

Hasil penelitian menunjukkan

bahwa Rasio CAMELS memiliki

pengaruh yang sigifikan terhadap

tingkat kesehatan bank.

3. Nicholas

Apergis (2011)

Bankruptcy Probability and

Stock Prices: The Effect of

Altman Z-Score Information on

Stock Prices Through Panel

Data

Prediksi kebangkrutan memiliki

pengaruh terhadap harga saham.

4. Roykhan

(2012)

Prediksi Kebangkrutan

Menggunakan Metode Z-Score

dan Pengaruhnya terhadap

Harga Saham Perusahaan

Manufaktur yang Terdaftar di

Bursa Efek Indonesia

Prediksi kebangkrutan

berpengaruh terhadap harga

saham.

5. Yulianto and

Sulistyowati

(2012)

Analisis CAMELS dalam

Memprediksi Tingkat

Kesehatan Bank yang

CAR dan NPL berpengaruh

terhadap tingkat kesehatan bank.

44

Terdaftar di Bursa Efek

Indonesia Periode Tahun 2009

– 2011

6. Dina and

Suaryana

(2013)

PengaruhEPS, DER, danPBV

Terhadap Harga Saham

EPS dan PBV memiliki pengaruh

yang positif dan signifikan

terhadap harga saham, sedangkan

DERberpengaruh negatif dan

signifikan terhadap harga saham.

7. Nurjanti

Takarini

(2013)

Dampak Tingkat Kesehatan

Bank terhadap Perubahan

Harga Saham pada Perusahaan

Perbankan yang Go Public di

Bursa Efek Indonesia (BEI)

Variabel CAR berdampak

terhadap perubahan harga saham.

8. Vinh (2015) Using Accounting Ratios in

PredictingFinancial Distress:

An Empirical Investigation

in the Vietnam Stock Market

WOCA, Profit, EPS, Leverage,

Cash Flow, Asset Turnover

berpengaruh terhadap prediksi

Financial Distress.

9. Putu Wira

Hendrayana

(2015)

Pengaruh Komponen RGEC

pada Perubahan Harga Saham

Perusahaan Perbankan di Bursa

Efek Indonesia


bahwa indikator-indikator RGEC

memiliki dampak terhadap

perubahan harga saham.

10. Endraswati

and Novianti

(2015)

Pengaruh Rasio Keuangan dan

Harga Sahamdengan EPS

sebagai Variabel Moderasi

padaPerusahaan Manufaktur

yang Terdaftar di DES


bahwa variabel PER, EPS dan

ukuran perusahaan berpengaruh

positif terhadap harga saham.

45

11. Yustika (2015) Pengaruh Likuiditas, Leverage,

Profitabilitas, Operating

Capacity dan Biaya Agensi

Manajerial terhadap Financial

Distress (Studi Empiris pada

Perusahaan Manufaktur yang

Terdaftar di Bursa Efek

Indonesia Tahun 2011-2013)

Profitabilitas, likuiditas dan

leverage berpengaruh dan

signifikan terhadap Financial

Distress.

12. Rotinsulu

(2015)

The Analyze of Risk-Based

Bank Rating Method on Bank’s

Profitability in State-Owned

Banks

Metode RBBR memiliki pengaruh

yang signifikan terhadap

profitabilitas bank.

13. Cahyani and

Diantini

(2016)

Peranan Good Corporate

Governance dalam

memprediksi Financial

Distress

Good Corporate Governance

berpengaruh negatif signifikan

terhadap financial distress,

likuiditas (CR) dan aktivitas (ITO)

berpengaruh negatif signifikan

terhadap financial distress,

leverage dan penilaian/pasar

(EPS) berpengaruh positif tidak

signifikan terhadap financial

distress, profitabilitas (ROA)

berpengaruh positif signifikan

terhadap financial distress.

14. Andriawan and

Salean (2016)

Analisis Metode Altman Z-

Score Sebagai Alat Prediksi

Kebangkrutan dan

Hasil analisis menunjukkan

bahwa terdapat hubungan yang

signifikan antara rasio keuangan

46

Pengaruhnya terhadap Harga

Saham pada Perusahaan

Farmasi yang Terdaftar di


dalam Metode Altman Z-Score

dengan Financial Distress.

15. Indiani and

Dewi (2016)

Pengaruh Variabel Tingkat

Kesehatan Bank terhadap

Harga Saham Perbankan di


Variabel tingkat kesehatan bank

yang diukur dengan variabel

profil risiko, GCG, ROA dan CAR

memiliki pengaruh yang

signifikan terhadap harga saham.

16. Santosa (2017)

Pengaruh Good Corporate

Governance dan Rasio

Keuangan terhadap Financial

Distress pada Perusahaan


Bursa Efek Indonesia Tahun

2010-2012

Debt Ratio, Current Ratio, Cash

Flow ratio, Return on Assets,

Operating Profit Margin, Gross

Profit Margin, Gross Profit

Growth, Long-Term Equity

Investment to Networth dan

Earnings per Share.

Sedangkancorporate governance

tidak berpengaruh terhadap

financial distress.

17. Andari and

Wiksuana

(2017)

RGEC Sebagai Determinasi

dalam Menanggulangi

Financial Distress pada

Perusahaan Perbankan di Bursa

Efek Indonesia

Hasil analisis menunjukkan

bahwa variabel ROA dapat

digunakan untuk memprediksi

kondisi Financial Distress

perbankan.

18. Irama (2018) Pengaruh Potensi

Kebangkrutan terhadap Harga

Saham pada Perusahaan

Potensi kebangkrutan memiliki

pengaruh terhadap harga saham

sebesar 13,5%, sehingga peneliti

lain dapat menggunakan variabel

47



di luar penelitian ini untuk

memprediksi perubahan harga

saham.

19. Sadida (2018) Risk Profile, Good Corporate

Governance, Earnings and

Capital (RGEC) Sebagai

Prediktor Terhadap Kondisi

Financial Distress pada

Perusahaan Perbankan

Variabel earnings dengan proksi

NIM dan capital dengan proksi

CAR berpengaruh secara

signifikan terhadap kondisi

Financial Distress.

20. Maulida

(2018)

Analisis Rasio Keuangan

Untuk Memprediksi Financial

Distress Pada Perusahaan

Manufaktur Yang Terdaftar Di

Bursa Efek Indonesia 2014-

2016

Rasio likuiditas, solvabilitas,

aktivitas, profitabilitas dan

pertumbuhan berpengaruh

terhadap Financial Distress

sebesar 48,9%.

22. (Qoriah and

Nurdin (2019))

Analisis Model RGEC (Risk

Profile, Good Corporate

Governance, Earnings, And

Capital) dalam Mengetahui

Potensi Financial Distress

pada Bank Umum Syariah

Periode 2012-2017

Hanya variabel CAR dalam RGEC

yang berpengaruh secara

signifikan terhadap potensi

Financial Distress.

48

Lampiran 2 Sampel Penelitian

Tabel 2 Sampel Penelitian

No. Nama Bank

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

12.

13.

14.

15.

16.

17.

18.

19.

PT. Bank MNC Internasional, Tbk (BABP)

PT. Bank QNB Indonesia (BKSW)

PT. Bank Victoria International, Tbk (BVIC)

PT. Bank JTrust Indonesia (BCIC)

PT. Bank Woori Saudara Indonesia 1906, Tbk (SDRA)

PT. Bank National NOBU (NOBU)

PT. CIMB Niaga (BNGA)

PT. Panin Indonesia Bank, Tbk (PNBN)

BPD Jawa Barat Dan Banten, Tbk (BJBR)

BPD Banten (BEKS)

PT. Bank Sinarmas (BSIM)

PT. Bank Tabungan Negara (Persero), Tbk (BBTN)

PT. Bank OCBC NISP, Tbk (NISP)

PT. Bank Bukopin, Tbk (BBKP)

PT. Bank Permata, Tbk (BNLI)

PT. Bank Mega, Tbk (MEGA)

PT. Bank Mayapada Internasional, Tbk (MAYA)

PT. Bank Maybank Indonesia, Tbk (BNII)

PT. Bank Capital Indonesia (BACA)

49

20.

21.

22.

23.

PT. BPD Jawa Timur (BJTM)

PT. Bank Danamon Indonesia (BDMN)

PT. Bank Tabungan Pensiunan Nasional (BTPN)

PT. Bank Maspion Indonesia, Tbk (BMAS)

Sumber : www.idx.co.id

http://www.idx.co.id/

Lampiran 3

Data Sampel

Tahun Kode EPS NPL NIM CAR FinancialDistress

HargaSaham

2018

BABP 2,64 5,72 4,1 16,27 1 51,24 BKSW 0,72 2,49 1,73 26,5 1 200,84 BVIC 9,2 3,48 1,82 16,73 1 195,61 BCIC -40,52 4,26 2,28 14,03 1 487,5 NOBU 10,17 0,97 4,62 23,26 0 951,25

BNGA 119,5

9 3,11 5,12 19,66 0 1046,67

PNBN 130,7

8 3,04 4,84 23,22 0 1046,67

BJBR 159,6

1 1,65 6,37 18,63 0 2059,17 BEKS -1,2 5,9 1,96 10,04 1 50 BSIM 3,32 4,74 7,61 17,6 0 629,58

BBTN 167,4

2 2,82 4,32 18,21 0 1906,67

NISP 116,2

1 1,73 4,15 17,63 0 894,46 BBKP -16,49 3,67 2,83 13,41 1 423,33 MEGA

231,79 1,6 5,19 22,79 0 2180,33

MAYA 69,43 5,54 4,09 15,82 0 655,89 BNLI 32,42 4,4 4,1 19,4 0 551,42 BNII 29,11 2,95 5,24 19,04 1 234,33 BACA 15,21 2,95 4,2 18,66 1 278,33 BMAS 16,14 3,75 4,75 21,28 1 351,67 BJTM 85,16 0,75 6,37 24,21 0 685

2017

BABP -33,59 5,23 3,04 12,58 1 58,33 BKSW -47,01 5,85 1,12 20,27 1 265,15 BVIC 15,82 3,05 2,13 18,17 1 200,58 BCIC 4,33 2,94 2,41 14,15 0 500 NOBU 7,95 0,05 4,22 16,83 0 897,92 BNGA 83,6 3,75 5,6 18,6 0 1209,17

PNBN 101,3

6 0,84 4,68 21,99 0 1025

BJBR 126,2

5 1,51 6,76 18,77 0 2313,33 BEKS -8,86 5,37 3,07 10,22 1 51,67 BSIM 20,98 3,79 6,46 18,31 0 862,08 SDRA 67,5 1,53 4,86 24,86 0 950,92

BBTN 188,3

3 2,66 4,76 18,87 0 1667,08

NISP 190,8

6 1,79 4,47 17,51 0 927,92 MEGA

188,41 2,01 5,8 24,11 0 1902,5

MAYA

125,07 5,65 4,26 24,11 0 1719,99

BNLI 26,92 4,6 4 18,1 0 670,67 BNII 26,89 2,81 5,17 17,53 1 314,13 BACA 12,31 2,77 4,21 12,56 1 204,42 BMAS 15,79 1,52 4,95 21,59 1 400,67 BJTM 78,34 4,59 6,68 24,65 0 673,75

2016

BABP -0,46 5,77 3,28 9,54 1 70,42 BKSW -74,75 4,86 2,25 16,46 1 271,41 BVIC 12,87 3,89 1,53 24,58 1 102,92 BCIC 6,89 0,03 4,31 16,06 1 514,58 NOBU 17,18 3,89 5,64 17,96 0 708,25

PNBN 101,0

6 2,81 5,03 20,49 0 750,42

BJBR 120,2

5 1,69 7,4 28,43 0 1411,67 BEKS -31,24 6,71 1,93 13,22 1 84,25 BSIM 24,55 1,1 6,44 16,7 0 648,5

BTPN 202,0

9 0,8 6 25 0 2622,5 SDRA 61,96 1,53 4,74 17,2 0 1073,08

BBTN 249,4

2 0,84 4,98 20,34 0 1763,67

NISP 157,0

1 1,88 4,62 18,28 0 756,87 BDMN 281 3,1 7,9 30,9 0 1703,75 BBKP 19,16 1,8 3,93 11,62 0 615,42 MEGA

167,83 0,44 7,01 26,21 0 1993,33

MAYA

190,74 0,11 5,16 13,34 0 1779,12

BNII 28,83 3,42 4,61 16,77 1 277,5 BACA 13,35 3,17 4,37 10,64 1 193,75 BMAS 17,94 0,91 5,28 24,32 1 387,75 BJTM 69,47 0,77 6,94 23,88 0 509,42

2015

BABP 0,43 2,97 3,32 17,83 1 78,25 BKSW 17,94 1,59 3,08 16,18 0 324,17 BVIC 13,25 4,48 2,08 19,3 1 112,42 BCIC -24,06 2,71 0,93 15,49 0 500 NOBU 4,23 0,35 3,89 17,48 0 714,33 BNGA 94,07 3,74 5,21 16,28 0 666,83 PNBN 59,11 2,44 4,61 20,13 0 1072,92

BJBR 143,4

5 2,91 6,32 16,21 0 810,42 BSIM 13,23 3,95 5,77 14,37 0 405,28 SDRA 53,05 1,98 4,74 18,82 0 1108,34

BBTN 176,2

8 3,42 4,87 26,97 0 1150,83

NISP 131,6

5 1,3 4,07 17,32 0 651,25 BDMN

151,93 0,3 7,4 29,7 0 1869,17

BBKP 106,7

1 2,83 3,58 13,56 0 697,08 MEGA

152,58 2,81 6,04 22,85 0 1673,33

MAYA 151,7 2,52 4,78 12,97 0 1253,33 BNLI 20,94 2,7 4 15 0 1223,16 BNII 16,98 3,67 4,45 15,17 1 182,1 BACA 14,42 0,79 4,73 17,7 1 170,74 BMAS 10,58 0,51 4,42 9,33 1 355,83 BJTM 59,76 4,29 6,41 21,22 0 465,33

2014

BABP -3,66 5,88 3,43 17,79 1 108,25 BKSW 13,89 0,31 2,8 15,1 1 288,15 BVIC 14,89 3,52 1,88 18,35 1 123,5 NOBU 3,62 0,35 3,74 28,38 0 751,25

BNGA 171,9

8 3,9 5,36 15,58 0 960,42

PNBN 98,98 2,01 3,83 17,3 0 915

BJBR 116,2

6 4,15 6,79 16,08 0 867,5 BEKS 11,15 3 5,87 18,38 1 274,65 SDRA 27,61 2,51 1,89 21,71 0 1042,62

BBTN 106,2

5 4,01 4,47 24,64 0 1114,17

NISP 116,8

6 1,34 4,15 18,74 0 670,83 BDMN

274,11 2,3 7,2 27,8 0 2134,58

BBKP 80,49 2,78 3,7 14,2 0 683,75 MEGA 86,85 2,09 5,27 15,23 0 2017,08 MAYA

128,11 1,46 4,52 10,25 0 1283,87

BNLI 134,4

9 1,7 3,63 13,58 0 1220,24 BNII 10,41 2,23 4,4 15,76 1 283,26 BACA 11,83 4,34 3,96 16,43 1 89,88 BMAS 6,52 2,71 4,93 19,45 1 320,42 BJTM 63,45 3,31 6,9 12,17 0 440,75

2013

BKSW -14,9 5,88 4,84 13,09 1 125,58 BVIC 0,63 4,23 2,82 18,73 1 358,26 NOBU 39,7 2,92 3,5 18,45 1 128,58 BNGA 4,27 1,35 4,89 18,13 0 563,33 PNBN 170,4 0,23 5,34 15,36 0 1155 BJBR 93,82 0,07 4,09 16,74 0 720,83

BEKS 141,5

9 0,83 7,96 26,51 0 1059,17 BSIM 17,87 2,5 5,23 12,82 1 240,43 SDRA 53,4 0,64 7,19 13,07 0 743,94 BBTN 149 0,45 5,44 25,62 0 1228,33

NISP 128,8

9 0,73 4,11 19,28 0 672,68

BBKP 116,5

5 1,25 3,82 15,1 0 710 MEGA 75 0,27 5,38 25,74 0 2048,7 MAYA

110,79 1,04 5,75 14,07 0 1372,1

BNLI 162 1,02 4,22 14,28 0 1310,9 BNII 26 2,11 4,47 12,74 1 349,28 BACA 14,28 4,37 4,67 20,13 1 106,95 BMAS 9 0,61 5,07 21 1 312,5 BJTM 55,26 3,44 7,14 23,72 1 397,5

2012

BABP 0,19 5,78 5,44 11,21 1 128,9 BVIC 1,29 2,3 3,12 18,53 1 126,33 BCIC -21,88 3,9 3,13 14,09 0 500

BNGA 168,4

4 0,29 5,87 15,16 0 1173,33 PNBN 87,49 1,64 4,19 16,31 0 765 BJBR 123 0,07 6,44 18,11 0 1030 BSIM 23,57 3,18 5,72 18,09 1 249,4 BBTN 148 0,49 5,83 27,69 0 1306,83

NISP 116,3

7 0,91 4,17 16,49 0 606,11 BBKP 104,3 2,66 4,56 16,34 0 640,83 MEGA 198 0,29 6,45 26,83 0 1759,38 MAYA 85,16 0,32 6 20,93 0 1747,32 BNLI 150 0,37 5,03 15,86 0 1218,04 BNII 21 1,7 5 12,83 0 420,89 BACA 10,5 2,11 4,66 18 1 114,91 BMAS 20 3,17 5,24 13,46 1 329,58 BJTM 56,01 2,95 6,48 16,56 1 390

Lampiran 4

Deskriptif Statistik

Lampiran 5

Hasil Olah Data AMOS

Lampiran 6

Hasil Uji Normalitas

Assessment of normality (Group number 1) Variable min max skew c.r. kurtosis c.r.

EPS -74,750 281,000 ,673 3,237 -,260 -,626

FinancialDistress ,000 1,000 ,585 2,814 -1,658 -3,991

NPL ,030 6,710 ,360 1,735 -,649 -1,562

NIM ,930 7,960 -,153 -,737 -,133 -,320

CAR 9,330 30,900 ,499 2,402 -,199 -,478

HargaSaham 50,000 2622,500 ,930 4,477 ,149 ,359

Multivariate -1,194 -,718

Lampiran 7

Hasil Uji Outlier

Observations farthest from the centroid (Mahalanobis distance) (Group number 1) Observation number Mahalanobis d-squared p1 p2

55 18,299 ,006 ,537

28 14,776 ,022 ,814

51 14,446 ,025 ,679

87 14,378 ,026 ,480

10 14,368 ,026 ,290

116 13,880 ,031 ,263

36 13,009 ,043 ,388

97 12,976 ,043 ,258

95 12,599 ,050 ,258

2 12,589 ,050 ,160

66 11,709 ,069 ,360

22 11,176 ,083 ,489

44 11,140 ,084 ,388

82 10,251 ,114 ,733

58 9,506 ,147 ,928

92 9,367 ,154 ,922

41 9,330 ,156 ,889

14 9,204 ,162 ,881

112 9,185 ,163 ,833

53 9,156 ,165 ,781

122 9,032 ,172 ,773

103 8,981 ,175 ,728

Observation number Mahalanobis d-squared p1 p2

75 8,863 ,181 ,720

62 8,723 ,190 ,728

123 8,533 ,202 ,769

73 8,222 ,222 ,866

49 8,099 ,231 ,871

85 7,881 ,247 ,913

45 7,861 ,248 ,883

110 7,852 ,249 ,843

83 7,679 ,263 ,877

8 7,620 ,267 ,861

9 7,554 ,273 ,848

33 7,394 ,286 ,881

61 7,325 ,292 ,872

11 7,292 ,295 ,845

134 7,218 ,301 ,839

25 7,217 ,301 ,790

34 7,156 ,307 ,775

43 7,148 ,307 ,720

5 6,966 ,324 ,794

30 6,949 ,326 ,750

48 6,869 ,333 ,751

57 6,754 ,344 ,780

88 6,746 ,345 ,729

98 6,626 ,357 ,765


71 6,569 ,363 ,752

42 6,537 ,366 ,721

67 6,518 ,368 ,675

125 6,476 ,372 ,649

4 6,459 ,374 ,598

104 6,457 ,374 ,530

121 6,434 ,376 ,484

79 6,320 ,388 ,530

15 6,304 ,390 ,477

50 6,292 ,391 ,421

90 6,169 ,405 ,479

139 5,975 ,426 ,614

20 5,888 ,436 ,638

64 5,742 ,453 ,719

24 5,734 ,454 ,667

114 5,643 ,464 ,697

133 5,552 ,475 ,726

81 5,440 ,489 ,774

65 5,420 ,491 ,739

108 5,368 ,497 ,732

126 5,274 ,509 ,766

74 5,256 ,511 ,729

29 5,230 ,515 ,697

54 5,229 ,515 ,636


86 5,217 ,516 ,585

118 5,166 ,523 ,579

136 5,144 ,525 ,537

46 5,130 ,527 ,486

131 5,078 ,534 ,481

130 5,001 ,544 ,506

35 4,982 ,546 ,461

32 4,955 ,550 ,427

93 4,918 ,554 ,404

107 4,908 ,556 ,351

84 4,853 ,563 ,350

70 4,841 ,564 ,302

56 4,840 ,564 ,245

109 4,759 ,575 ,272

3 4,692 ,584 ,284

16 4,618 ,594 ,305

99 4,610 ,595 ,255

37 4,591 ,597 ,219

111 4,565 ,601 ,193

78 4,563 ,601 ,150

1 4,510 ,608 ,149

40 4,496 ,610 ,121

23 4,489 ,611 ,092

115 4,462 ,614 ,078


60 4,422 ,620 ,071

91 4,179 ,652 ,197

76 4,153 ,656 ,171

119 4,132 ,659 ,144

117 4,090 ,665 ,135

13 4,049 ,670 ,125

Lampiran 8

Hasil Analisis Regresi

Regression Weights: (Group number 1 - Default model) Estimate S.E. C.R. P Label

FinancialDistress <--- EPS -,408 ,001 -2,319 ,020 par_1

FinancialDistress <--- RGEC -,286 ,042 -1,346 ,178 par_6

HargaSaham <--- EPS ,342 1,124 2,485 ,013 par_2

HargaSaham <--- FinancialDistress -,252 89,576 -3,450 *** par_3

NIM <--- RGEC ,629 ,079 4,895 *** par_4

HargaSaham <--- RGEC ,372 44,668 2,035 ,042 par_7

NPL <--- RGEC -,540 ,083 -4,400 *** par_8

CAR <--- RGEC ,518

Lampiran 9

Hasil Goodness of fit

Notes for Model (Default model) Computation of degrees of freedom (Default model)

Number of distinct sample moments: 21 Number of distinct parameters to be estimated: 15

Degrees of freedom (21 - 15): 6 Result (Default model) Minimum was achieved Chi-square = 6,364 Degrees of freedom = 6 Probability level = ,384 Model Fit Summary CMIN

Model NPAR CMIN DF P CMIN/DF

Default model 15 6,364 6 ,384 1,061

Saturated model 21 ,000 0

Independence model 6 353,763 15 ,000 23,584

RMR, GFI Model RMR GFI AGFI PGFI

Default model 11,366 ,985 ,948 ,281

Saturated model ,000 1,000

Independence model 7400,264 ,468 ,256 ,335

Baseline Comparisons

Model NFI Delta1

RFI rho1

IFI Delta2

TLI rho2 CFI

Default model ,982 ,955 ,999 ,997 ,999

Saturated model 1,000 1,000 1,000

Independence model ,000 ,000 ,000 ,000 ,000

RMSEA Model RMSEA LO 90 HI 90 PCLOSE

Default model ,021 ,000 ,114 ,588

Independence model ,405 ,369 ,442 ,000

FINANCIAL DISTRESS SEBAGAI INTERVENING HUBUNGAN RGEC …

Documents

Transcript of FINANCIAL DISTRESS SEBAGAI INTERVENING HUBUNGAN RGEC …