jurkubank.wordpress.com TINGKAT EFISIENSI BPRS DI ... · Jurnal Keuangan dan Perbankan, Vol.18,...

| 307 |

Jurnal Keuangan dan Perbankan, Vol.18, No.2 Mei 2014, hlm. 307–328Terakreditasi SK. No. 040/P/2014http://jurkubank.wordpress.com

Korespondensi Penulis:

Syafaat Muhari: Telp./Fax. +62 21 747 115 37

E-mail: [email protected]

TINGKAT EFISIENSI BPRS DI INDONESIA:PERBANDINGAN METODE SFA DENGAN DEA

DAN HUBUNGANNYA DENGAN CAMEL

Syafaat MuhariMuhamad Nadratuzzaman Hosen

Fakultas Syariah dan Hukum UIN Syarif Hidayatullah JakartaJl. Ir.H.Juanda No.95 Ciputat-Tangerang Selatan, 15412, Indonesia.

Abstract

The magnitude of the potential banking market-micro made many banks and other financial institutions makeprofits in the segment of small and micro finance as a market for rural banks (BPR), especially Islamic ruralbanks (BPRS). Thus, the BPRS efficiency was required to survive amid the competitions. This study usedparametric stochastic frontier approach (SFA) and the method of data envelopment analysis (DEA) to analyzethe level of efficiency of BPRS operation during the period of 2nd Quarter June 2011–1st Quarter March2013. The level of Bank efficiency could be integrated with the performance of banks which was adopted fromCentral Bank (BI) criterias, namely CAMEL (Capital, Asset Quality, Management, Earnings and liquidity).Based on the Spearman correlation, the results of this study indicated that the level of efficiency of BPRS usingthe SFA method had no real relationship with CAMEL, while the level of efficiency of BPRS using the DEAmethod had a real and weak relationship with CAMEL. Another result in this study showed that the level ofefficiency using SFA method was statistically higher than the level of efficiency using DEA method.

Key words: CAMEL, Data Envelopment Analysis, efficiency, stochastic frontire approach

Bank Perkreditan Rakyat (BPR) merupakan bagiandari sistem perbankan yang mempunyai andil yangcukup besar bagi perekonomian. Sejalan denganpesatnya perkembangan BPR, Bank PembiayaanRakyat Syariah (BPRS) yang merupakan BPR yangberoperasi berdasarkan prinsip syariah juga menun-jukkan indikasi yang menggembirakan, ditunjuk-kan dari perkembangannya baik dari penyaluranpembiayaan, sumber dana, dan asetnya (Tabel 1).

Keberadaan BPRS juga memiliki tujuankhusus, yaitu menyediakan jasa dan produk per-bankan bagi masyarakat golongan ekonomi lemahdan usaha kecil dan mikro (UKM) baik di perkota-an maupun di pedesaan. Secara umum BPRS me-miliki tujuan dan karakteristik yang relatif samadengan lembaga keuangan mikro (LKM) lainnya.LKM memiliki dua tujuan utama yang harus dicapaisekaligus, yaitu komersial dan pengembangan

Jurnal Keuangan dan Perbankan | PERBANKANVol. 18, No.2, Mei 2014: 307–328

| 308 |

masyarakat. Komersial artinya LKM dalam menja-lankan usahanya harus memperoleh keuntunganagar aktivitasnya dapat terjaga (sustainable) dan ke-mampuan melayani nasabah semakin meningkat(outreach). Hal tersebut erat kaitannya dengantujuan kedua yaitu pengembangan masyarakat.Masyarakat yang menjadi target LKM adalah yangkurang atau tidak terlayani oleh perbankan ko-mersial. Untuk itu LKM memiliki misi untuk menu-runkan tingkat kemiskinan, memberdayakanwanita dan kelompok masyarakat yang terping-girkan, menciptakan lapangan pekerjaan, sertamengembangkan usaha nasabahnya yaitu UKM(Buchori, 2003).

Potensi pasar UKM yang bisa digarap olehbank cukup besar, lantaran masih banyak pelakuusaha mikro yang belum tersentuh. Berdasarkandata Bank Indonesia (BI) per April 2013, penya-luran kredit usaha mikro, kecil, dan menengah(UMKM) mencapai Rp 569,89 triliun. Jumlah initumbuh 15,89% dari periode yang sama tahun sebe-lumnya, yang sebesar Rp 491,71 triliun. Adapunjumlah rekening kredit UMKM hingga triwulan I2013 tercatat sebanyak 9,2 juta nasabah. Penyaluranterbesar dilakukan untuk sektor perdagangan,yaitu sebesar Rp 280 triliun atau 49,14% dari totalUMKM. Potensi pembiayaan UMKM yang besarini belum mampu digarap secara maksimal olehBPRS. BPRS baru mampu menggarap pembiayaansebesar Rp 3,75 triliun pada triwulan I 2013, masihsangat kecil dibandingkan dengan kredit UMKMyang diberikan pada periode yang sama yakni

sebesar Rp 569,89 triliun atau hanya sekitar 0,66%nya saja.

Agar dapat bersaing dalam industri perban-kan khususnya pada pasar UMKM, BPRS dituntutuntuk beroperasi seefisien dan seefektif mungkin.BPRS tidak hanya bersaing dengan sesama LKMsaja, akan tetapi juga harus bersaing dengan bank-bank umum yang mulai mengincar pasar UMKMyang selama ini menjadi target pasar BPRS. Selainitu, BPRS mendapat pesaing baru sejak disahkan-nya UU Koperasi yang memperkenankan koperasiuntuk menerbitkan Surat Modal Koperasi (SMK)yang membuat persaingan di ranah mikro semakinketat (Infobank, 2012).

Persaingan di ranah mikro akan semakin ketatmengingat pada tahun 2013 BI akan mengeluar-kan aturan tentang peningkatan akses layanan pem-berian kredit atau pembiayaan UMKM oleh bankumum sebesar 20% dari portofolio bank. DirekturHumas BI, Difi A. Johansyah menyatakan bahwakompetisi untuk menyalurkan kredit ke UMKMakan meningkat dengan keluarnya aturan ini(www.mediaindonesia.com, 2012). Untuk itu di-perlukan suatu BPRS yang sehat, kuat, dan ter-percaya dimana BPRS perlu meningkatkan kinerjaperusahaannya agar dapat bersaing di segmentasipasarnya.

Efisiensi dalam dunia perbankan adalah salahsatu parameter kinerja yang cukup populer. Halitu banyak digunakan karena merupakan jawabanatas kesulitan-kesulitan dalam menghitung ukuran-ukuran kinerja perbankan. Rasio biaya operasional

Tabel 1. Perkembangan BPRS di Indonesia (dalam Miliar Rupiah)

Sumber: Statistik Perbankan Indonesia (2013)

Keterangan Des 2008 Des 2009 Des 2010 Des 2011 Des 2012 Jun 2013 Penyaluran Dana 1,591 1,995 2,586 3,328 4,459 4,924 Sumber Dana 849 1,843 2,196 2,879 3,898 4,295 Aset 1,693 2,126 2,739 3,520 4,699 5,170 Pembiayaan 1,257 1,587 2,060 2,676 3,554 4,160 Jumlah BPRS (Unit) 131 139 150 155 158 159 Jumlah Kantor (Unit) 202 223 286 364 401 397

Tingkat Efisiensi BPRS di Indonesia: Perbandingan Metode SFA dengan DEA dan Hubungannya dengan CAMELSyafaat Muhari & Muhamad Nadratuzzaman Hosen

| 309 |

terhadap pendapatan operasional selama ini seringdijadikan acuan untuk mengukur efisiensi. Rasioini memiliki keunggulan karena mudah dalam per-hitungannya. Namun rasio biaya operasional jugamemiliki kelemahan dalam mengukur efisiensi, di-antaranya adalah sulit untuk menyamaratakan apa-kah suatu rasio baik atau buruk dan sulit untukmenyatakan apakah perusahaan tersebut kuat ataulemah dan tidak memperhitungkan biaya modal(Endri & Wakil, 2008). Selain itu rasio capital, asset,management, earning, dan liquidity (CAMEL) jugatidak terlalu memperhatikan faktor efisiensi, meng-ingat bobot dari faktor efisiensi dalam rasioCAMEL yang ditetapkan oleh BI berada padakisaran 10%-15%.

Untuk mengatasi kekurangan yang ada padaanalisis rasio dalam mengukur kinerja perusahaan,maka pendekatan frontier dikembangkan untukmenganalisis efisiensi perusahaan. Berger &Humphrey (1997) membagi pengukuran efisiensimenjadi dua pendekatan, yaitu pendekatan nonparametrik dan parametrik. Hal yang termasukdalam pendekatan non parametrik adalah data en-velopment analysis (DEA) dan free disposable hull(FDH), sedangkan yang termasuk dalam pende-katan parametrik adalah stochastic frontier approach(SFA) dan distribution free approach (DFA). Semen-tara berdasarkan konsepnya efisiensi dapat dibagimenjadi tiga, yaitu cost efficiency, profit efficiency,dan alternative profit efficiency (Berger & Mester,1997). Mengingat tingginya persaingan di ranahmikro, maka BPRS harus mencapai tingkat profityang maksimal namun tetap harus mementingkanuntuk meminimalisasi biaya karena persaingankembali pada tingkat harga. Jika BPRS menambahprofit dengan cara meningkatkan margin, makaBPRS kurang dapat bersaing dengan LKM lain danbank umum yang tidak mengambil keuntungandengan cara menaikkan margin atau tingkat bagihasil yang tentunya akan lebih diminati nasabah.

Kemampuan menghasilkan output yang mak-simal dengan input yang ada, merupakan ukuran

kinerja yang diharapkan. Pada saat pengukuranefisiensi dilakukan, bank dihadapkan pada kondisibagaimana mendapatkan tingkat output yang op-timal dengan tingkat input yang ada, atau menda-patkan tingkat input yang minimum dengan ting-kat output tertentu. Dengan diidentifikasikannyaalokasi input dan output, dapat dianalisa lebih jauhuntuk melihat penyebab ketidakefisiensian (Hadadet al., 2003).

Menurut Hadad et al. (2003) terdapat tigapendekatan yang digunakan dalam mendefinisikanhubungan input dan output dalam tingkah lakuinstitusi finansial pada metode parametrik maupunnonparametrik, yaitu: (1) pendekatan produksi,yang melihat institusi finansial sebagai produserdari akun deposit dan kredit pinjaman, mendefi-nisikan output sebagai jumlah dari akun-akun ter-sebut atau dari transaksi terkait. Input dalam kasusini dihitung sebagai jumlah dari tenaga kerja,pengeluaran modal pada aset-aset tetap, dan ma-terial lainnya; (2) pendekatan intermediasi, me-mandang sebuah institusi finansial sebagai inter-mediator. Merubah dan mentransfer aset-asetfinansial dari unit-unit surplus menjadi unit-unitdefisit. Dalam hal ini input-input institusional se-perti biaya tenaga kerja, modal, dan pembayaranbunga pada deposit, dengan output yang diukurdalam bentuk kredit pinjaman dan investasifinansial; dan (3) pendekatan aset yang melihatfungsi primer sebuah institusi finansial sebagai pen-cipta kredit pinjaman. Pendekatan aset yang mem-visualisasikan fungsi primer sebuah institusifinansial sebagai pencipta kredit pinjaman, dekatsekali dengan pendekatan intermediasi, dimanaoutput benar-benar didefinisikan dalam bentukaset-aset.

Pendekatan yang berbeda dikemukakan olehJemric & Vujcic (2002) yang menyatakan bahwaada dua pendekatan yang dapat digunakan dalammenentukan input dan output bank untuk meng-ukur efisiensi, yaitu pendekatan intermediasi danpendekatan operasional. Pendekatan intermediasi


| 310 |

lebih pada segi mekanisme bank sebagai entitasyang menggunakan tenaga kerja dan modal untukmentransformasikan tabungan ke dalam pinjamandan surat-surat berharga. Sedangkan pendekatanoperasional lebih menekankan pada perspektifbiaya atau pendapatan.

Penelitian tentang perbandingan SFA danDEA telah banyak dilakukan, diantaranya yangdilakukan oleh Delis et al. (2009) yang menelitibank-bank di Yunani pada periode 1993-2005dengan menggunakan metode DEA dan SFA. Hasilpenelitian ini menunjukkan tingkat efisiensi DEAdan SFA sebesar 63,9% dan 80,5% dengan standardeviasi masing masing sebesar 25,4 dan 5,6%.Bauer et al. (1998) meneliti tingkat efisiensi 683bank di Amerika Serikat pada tahun 1977-1988 de-ngan membandingkan model frontier seperti DEA,SFA, TFA (thick frontier approach), dan DFA. Hasilpenelitian ini menunjukkan bahwa rata-rata ting-kat efisiensi selama 12 tahun dengan mengguna-kan metode DEA sebesar 21%, SFA 87,9%, TFA80,08%, dan DFA sebesar 85,5%. Dalam penelitianini menunjukkan bahwa tingkat efisiensi SFA danDEA memiliki korelasi yang lemah (14%). Hasilyang sama juga didapatkan oleh Fiorentino et al.(2006) dengan tingkat korelasi lemah (18,8%) yangmeneliti 34.192 bank di Jerman pada tahun 1993-2004 dengan membandingkan tingkat efisiensi SFAdan DEA. Tingkat efisiensi SFA dan DEA masing-masing sebesar 82,8% dan 13%.

Namun hasil yang berbeda ditunjukkan olehpenelitian Andries & Cocris (2010) pada bank-bankdi Rumania, Ceko, dan Hungaria pada tahun 2000–2006 yang menyatakan bahwa terdapat hubunganyang cukup kuat antara SFA dengan DEA (Kendalltest 34,5% dan Spearman test 47,2%) pada efisiensiteknik dan efisiensi biaya (Kendall test 33,9% danSpearman test 50,9%). Hasil yang lebih kuat ditun-jukkan oleh Bolli & Thi (2012) yang meneliti 796LKM di 88 negara di 6 wilayah 2005-2009 yangmenunjukkan bahwa SFA dan DEA mempunyaikorelasi yang sangat kuat (91%) dengan masing-masing nilai efisiensi sebesar 33% dan 15%.

Korelasi yang cukup kuat antara DEA danSFA juga ditunjukkan oleh Paramita (2008) dengantingkat korelasi sebesar 32,82%. Penelitian inimengukur tingkat efisiensi 1.701 BPR di Indonesiapada tahun 2007 dengan efisiensi SFA dan DEAmasing-masing sebesar 81,2% dan 8,9% denganstandar deviasi masing-masing sebesar 11% dan6,7%.

Sementara itu, penelitian antara hubungantingkat efisiensi dengan CAMEL diantaranyadilakukan oleh Kusumawardani (2008) pada BPRSdi Jawa Timur tahun 2005. Hasil penelitian ini me-nunjukkan bahwa komponen capital, earning, danliquidity tidak memiliki hubungan yang nyata de-ngan analisis DEA. Sementara Paramita (2008) yangmelakukan penelitian pada 1.701 BPRS di Indo-nesia, hasil penelitiannya menunjukkan bahwa efi-siensi dengan metode SFA dan DEA mempunyaihubungan yang lemah dan positif terhadapCAMEL. Hosen & Muhari (2013) meneliti tingkatefisiensi 73 BPRS di Indonesia kuartal II 2011 –kuartal I 2013 dengan menggunakan DEA. Hasildari penelitian ini menunjukkan bahwa tingkat efi-siensi BPRS mempunyai hubungan positif yangnyata tetapi lemah terhadap CAMEL.

Firdaus & Hosen (2013) meneliti 10 BankUmum Syariah (BUS) di Indonesia kuartal II 2010–IV 2012 dengan two-stage DEA. Hasil penelitian inimenunjukkan bahwa terdapat perbedaan yangnyata antara analisis DEA dengan CAMEL. Hasilyang sama dengan menggunakan metode SFA jugaditemukan oleh Hosen & Muhari (2013) yang me-neliti tingkat efisiensi 59 BPRS di Indonesia kuartalII 2011–IV 2012, dimana terdapat perbedaan yangnyata antara tingkat efisiensi dengan mengguna-kan metode SFA dengan CAMEL.

Dengan melihat latar belakang, maka tujuanpenelitian adalah: (1) menganalisis tingkat efisiensibiaya BPRS di Indonesia periode Juni 2011-Maret2013 berdasarkan pendekatan parametrik SFA danpendekatan nonparametrik DEA; (2) menganalisiskomponen apa yang mempengaruhi efisiensi biayapada BPRS di Indonesia dengan menggunakan


| 311 |

SFA dan DEA; dan (3) menganalisis hubungantingkat efisiensi biaya BPRS dengan tingkat kese-hatan BPRS yang tercermin dari CAMEL.

METODE

Pada penelitian ini populasi yang dijadikanobjek penelitian adalah seluruh BPRS yang tercatatselama periode Juni 2011–Maret 2013 denganjumlah 159 BPRS. Data yang digunakan merupakanlaporan keuangan kuartalan (3 bulanan). Teknikpengambilan sampel dalam penelitian ini dilakukansecara purposive sampling dengan kriteria BPRS yanglaporan keuangan kuartalan tersedia secaralengkap selama 8 kuartal dari kuartal II–Juni 2011sampai dengan kuartal I-Maret 2013. Kriteria yangdigunakan adalah dimana selama periode pene-litian, BPRS tersebut secara periodik mengeluarkanlaporan keuangan selama 8 kuartal dari kuartal II–Juni 2011 sampai dengan kuartal I-Maret 2013 danmemiliki kelengkapan data selama periode peng-amatan. Pemilihan sampel berdasarkan pada ke-lengkapan data yang dimiliki BPRS, terutama infor-masi mengenai total biaya, biaya tenaga kerja,biaya dana, total pembiayaan, penempatan padabank lain, non performing loan (NPL), modal, aset,beban bagi hasil, penyusutan, pendapatan bagihasil, dan pendapatan lain-lain.

Data yang digunakan dalam penelitian iniadalah data sekunder berupa laporan keuanganBPRS dari kuartal II–Juni 2011 sampai dengankuartal I–Maret 2013 yang diperoleh melalui websiteBI. Berdasarkan kriteria tersebut maka yang di-jadikan sampel dalam penelitian ini sebanyak 73BPRS. Pada penelitian ini, analisis SFA terdiri atasvariabel input (price of fund dan price of labour), output(pembiayaan dan penempatan pada bank lain), danenvironmental factors (equity over total assets dan NPL)dalam mempengaruhi total biaya yang dikeluarkanoleh BPRS. Hubungan input, output, environmentalfactors, dan total biaya akan menentukan nilaiefisiensi biaya perbankan, berdasarkan pendekatanyang telah digunakan oleh Nuryantono et al.(2012).

Kemudian penentuan komponen input danoutput pada analisis DEA menggunakan pendekat-an operasional yang lebih menekankan pada pers-pektif biaya dan manajemen pendapatan. Variabeldalam penelitian ini terdiri atas variabel input (be-ban tenaga kerja, beban bagi hasil, beban lain-lain,penyusutan, dan amortisasi) dan output (penda-patan bagi hasil dan pendapatan lain-lain), berda-sarkan pendekatan yang telah digunakan olehdigunakan oleh Jemric & Vujcic (2002).

Metode parametrik sudah sangat dikenal da-lam mengukur efisiensi sektor perbankan. Denganmengacu pada beberapa penelitian sebelumnya,penelitian ini akan menggunakan menggunakanmetode parametrik. Metode parametrik yangdigunakan adalah SFA. Untuk menyederhanakanpengukuran efisiensi, inefisiensi, dan random termsuC dan �C , diasumsikan dipisahkan dari cost func-tion dan persamaan fungsi efisiensi biayaditransformasi dalam bentuk natural logs dapatditulis sebagai berikut (Berger & Mester, 1997):ln C= f(w,y,z,v) + ln uC + ln �C . .........................(1)Keterangan:f = notasi dari beberapa fungsiln uC + ln �C = gabungan error term dan efisiensi Xln uC = random error termln �C = efisiensi X

Secara matematis, efisiensi biaya BPRS dalampenelitian ini akan menggunakan rumus yang telahdikembangkan oleh Berger & Mester:

Efisiensi biaya berada pada range antara 0sampai dengan 1. Dengan angka 1 (100%), makabank tersebut paling efisien.

Model regresi linear berganda dapat disebutbaik jika model tersebut memenuhi asumsi nor-malitas data dan terbebas dari asumsi klasik yaitumultikolinearitas, heteroskedastisitas, dan auto-

................................. (2)


| 312 |

korelasi (Sujianto, 2009). Uji normalitas dalampenelitian ini menentukan apakah data yang adadalam model regresi baik variabel terikat maupunbebas terdistribusi secara normal atau tidak. Modelregresi akan baik jika data regresi yang ada nor-mal atau mendekati normal (Rahmawati & Hosen,2012). Uji Kolmogorov-Smirnov digunakan untukmenguji apakah sampel-sampel berasal daripopulasi-populasi yang terdistribusi secara normal(Sujianto, 2009). Selain uji normalitas, akan dila-kukan uji multikolinearitas, heteroskedastisitas,dan autokorelasi. Dengan ketiga asumsi tersebutkita telah mengetahui bahwa pemerkira koefisienregresi yang diperoleh merupakan pemerkiralinear terbaik tak bias (best linear unbiased estimator),dengan asumsi kenormalan, pemerkira tersebutmengikuti distribusi normal (Supranto, 2004).

Data panel merupakan gabungan antara datacross-section dan data time series. Pada data panel,unit cross-section yang sama disurvei pada beberapaperiode waktu. Jadi data panel memiliki dimensiruang dan waktu. Gujarati (2004) dalam Setiawati& Setiawan (2013) menerangkan bahwa jikamasing-masing unit cross-section memiliki jumlahpengamatan time series yang sama, maka data paneltersebut dinamakan data panel seimbang (balancedpanel data), sebaliknya jika jumlah pengamatan timeseries berbeda pada masing-masing unit, makadisebut data panel tidak seimbang (unbalanced paneldata). Hsiao (2003) dalam Setiawati & Setiawan(2013) merumuskan model regresi panel secaraumum dapat dinyatakan dalam bentuk berikut:

.......(3)Keterangan:yit = unit cross section ke-i untuk periode waktu

ke-t = vektor konstantaX = vektor observasi pada variabel independen it = intersep objek ke-i wktu ke-tit = error regresi untuk grup ke-i, waktu ke-tit ~ IIDN (0, 2)

Setiawan & Dwi (2010) dalam Setiawati &Setiawan (2013) menerangkan bahwa common effectmodel (CEM) diasumsikan bahwa nilai intersep danslope masing-masing variabel adalah sama untuksemua unit cross section dan time series. Model pen-dekatan CEM yakni sebagai berikut:

........(4)

Gujarati (2005) dalam Setiawati & Setiawan(2013) menjelaskan bahwa pendekatan fixed effectmodel (FEM) diasumsikan bahwa nilai slope masing-masing variabel adalah tetap, namun nilai intersepberbeda-beda untuk setiap unit cross section dantetap untuk setiap unit time series. Model pendekat-an FEM yakni sebagai berikut:

.........(5)

Sementara random effect model (REM) menurutGujarati (2005) dalam Setiawati & Setiawan (2013)adalah pendekatan yang diasumsikan bahwa inter-sep αi= α0 + αi dengan mean α0 dan αi disebut se-bagai variabel laten merupakan error random de-ngan mean 0 dan varians . Model pendekatanREM adalah sebagai berikut:

............................................................. (6)

Hausman test digunakan untuk memilihmodel mana yang cocok digunakan untuk peneli-tian ini. Model estimasi dengan pendekatan CEMtidak ikut diujikan dalam penelitian ini karena esti-masi dengan pendekatan ini memiliki keterbatasandalam menjelaskan individualitas unit cross section.Pengujian ini didasarkan pada hipotesis sebagaiberikut:Ho= random effect model (REM)Ha= fixed effect model (FEM)

Dasar penolakan Ho adalah dengan pertim-bangan nilai statistik chi-square. Jika chi-square sta-


| 313 |

tistic > chi square table (p-value < α) maka Ho ditolak,maka model yang digunakan adalah FEM.

Analisis fungsi biaya dalam penelitian ini di-hitung dengan metode regresi berganda menggu-nakan jenis data panel. Analisis regresi dalam pene-litian ini digunakan untuk mengukur pengaruhvariabel bebas terhadap variabel terikat denganpersamaan regresi sebagai berikut:lntc= α + 1 lnpl + 2 lnpf + 3 lntf + 4 lnpob +

5 lneota + 6 lnnpf + lni + lni.. ............ (7)Keterangan:lntc = natural logarithm total biayalnpl = natural logarithm price of labour (beban

tenaga kerja/total aktiva)lnpf = natural logarithm price of fund (beban bagi

hasil/total simpanan)lntf = natural logarithm total pembiayaanlnpob = natural logarithm penempatan pada bank

lainlneota = natural logarithm EOTA (total modal/to-

tal aktiva)lnnpf = natural logarithm NPF (non performing fi-

nancing)lni = noiselni = inefisiensi

Pembuktian hipotesis dilakukan dengan ujikoefisien determinasi (R2), uji simultan (Uji F-sta-tistik), dan uji parsial (uji t-statistik). Kemudiankeputusan penggunaan model efek tetap ataupunacak ditentukan dengan menggunakan Hausmantest.

DEA merupakan teknik pemrograman linearuntuk mengukur bagaimana Unit Kegiatan Eko-nomi (UKE) beroperasi relatif terhadap bank-banklain dalam sampel. Teknik ini membuat sebuahgaris frontier yang ditetapkan oleh bank efisien dandibandingkan dengan bank yang inefisien untukmenghasilkan nilai efisiensi. Selanjutnya, skor efi-siensi bank berkisar antara angka 0 sampai dengan

1, dimana 1 merupakan nilai yang paling efisien.Dalam analisis DEA, bank yang paling efisien(dengan nilai efisiensi 1) tidak perlu menghasilkantingkat output maksimal dari input yang ada. Lebihlanjut, bank ini merupakan bank dengan tingkatoutput best practice dibandingkan dengan bank laindalam sampel (Yudistira, 2004).

Istilah DEA diperkenalkan oleh Charnes etal. (1978) berdasarkan penelitian dari Farrel (1957).Untuk n UKE-UKE dalam industri perbankan,semua sampel output dan input masing-masing di-lambangkan dengan m dan n. Tingkat efisiensimasing-masing bank dihitung sebagai berikut(Yudistira, 2004):

........... (8)

Dimana yis adalah jumlah output ke-i yangdihasilkan dari bank ke-s, xjs adalah jumlah dariinput ke-j yang dikeluarkan oleh bank ke-s, i ada-lah bobot output, dan íj adalah bobot input. Rasioefisiensi (es) kemudian dimaksimalkan untuk me-milih bobot optimal bergantung pada:

....... (9)

Dimana pertidaksamaan pertama memasti-kan rasio efisiensi menjadi paling sedikit 1 dan per-tidaksamaan kedua memastikan bahwa bobot efi-siensi adalah positif.

Berdasarkan Charnes et al. (1978), pemro-graman linear ini dapat ditransformasikan ke da-lam pemrograman linear biasa (Yudistira, 2004):

............................................ (10)

Dengan cara yang sama, pemrogramandapat dikonversi menjadi dua kendala:


| 314 |

Dimana s adalah seluruh nilai efisiensi tek-nik dari bank ke-s, dimana nilai 1 mengindikasikantitik frontier.

HASILPendekatan Parametrik Stochastic FrontierApproach (SFA)Analisis efisiensi stochastic frontier approach(SFA)

BPRS atau 26%. Adapun BPRS yang tidak efisiendengan nilai efisiensi dibawah 0,65 berjumlah 13BPRS atau 18%. Sedangkan BPRS yang memilikinilai efisiensi lebih dari 0,87 adalah sebanyak 17BPRS atau 23% yang menunjukkan bahwa BPRStersebut memiliki tingkat efisiensi biaya yang lebihbaik dibandingkan kelompok lainnya.

BPRS Al Wasyliyah (ID 53) memiliki nilai efi-siensi biaya tertinggi yaitu sebesar 0,9757 atau97,57%. Hal ini berarti bahwa BPRS Al Wasyliyahsangat efisien dalam menggunakan biaya. Nilai efi-siensi terendah pada BPRS Kota Juang (ID 73) de-ngan nilai efisiensi biaya sebesar 0,4998 atau49,98%. Hal ini menunjukkan bahwa BPRS ini tidakefisien dalam menggunakan biaya.

Model Prediksi Tingkat Efisiensi BankPembiayaan Rakyat Syariah (BPRS)

Dari uji Hausman diketahui bahwa p-valuesebesar 0,105576, karena p-value > α maka Ho di-terima yang berarti model yang digunakan adalahREM. Bentuk model prediksi tingkat efisiensi BPRSdi Indonesia dapat ditulis sebagai berikut:lntc= -2,911 + 0,737lnpl + 0,161lnpf + 0,849lntf +

0,164lnpob -0,103lneota + 0,024lnnpf

Dalam persamaan regresi tersebut, konstantalntc adalah sebesar -2,911. Hal ini berarti apabilavariabel input dan variabel output dianggap kons-tan, maka rata-rata BPRS di Indonesia akanmengeluarkan biaya minimum untuk tingkat out-put tertentu yaitu sebesar Rp 822,35 ribu dari totalaktiva (ex -2,911= 822,35).

Pada variabel lnpl, koefisien 0,737 menun-jukkan bahwa jika eksponen lnpf mengalami pe-ningkatan 1%, maka total cost rata-rata BPRS diIndonesia akan meningkat sebesar 0,737%. Padavariabel lnpf koefisien regresi 0,160 menunjukkanbahwa jika eksponen lnpf mengalami peningkatansebesar 1%, maka total cost rata-rata BPRS di Indo-nesia akan meningkat sebesar 0,160%.

................................. (11)

Diketahui bahwa rata-rata tingkat efisiensiBPRS di Indonesia periode kuartal II Juni 2011–kuartal I Maret 2013 yaitu sebesar 0,7728 atau se-besar 77,28%, yang artinya BPRS di Indonesia efi-sien menggunakan biayanya sebesar 77,28%, dansisanya sebesar 22,72% biaya yang terbuang(Berger & Mester, 1997). Berdasarkan Grafik 1,BPRS dengan tingkat efisiensi berdasarkan analisisefisiensi SFA terbanyak berada pada kisaran nilaiefisiensi dari 0,76–0,87 dengan presentase 33% atausebanyak 24 BPRS. Sedangkan BPRS yang memilikinilai efisiensi antara 0,65-0,76 adalah sebanyak 19

Grafik 1. Distribusi Nilai Efisiensi Bank PembiayaanRakyat Syariah (BPRS) Berdasarkan Analisis Efisiensi

Stochastic Frontier Approach (SFA)(Sumber: Laporan Keuangan Publikasi Bank 2013–Bank Indonesia)


| 315 |

Pada variabel lntf, koefisien regresi 0,849 me-nunjukkan bahwa jika eksponen total pembiayaanmengalami peningkatan sebesar 1%, maka total costrata-rata BPRS di Indonesia akan meningkat se-besar 0,849%. Pada variabel lnpob, 0,164 menun-jukkan bahwa jika eksponen total pembiayaanmengalami peningkatan sebesar 1%, maka total costrata-rata BPRS di Indonesia akan meningkatsebesar 0,164%.

Pada variabel lneota, koefisien regresi -0,103menunjukkan bahwa jika eksponen EOTA menga-lami peningkatan sebesar 1%, maka total cost rata-rata BPRS di Indonesia akan turun sebesar 0,103%.Pada variabel lnnpf, 0,024 menunjukkan bahwa jikaeksponen NPF mengalami peningkatan sebesar1%, maka total cost rata-rata BPRS di Indonesia akanmeningkat sebesar 0,024%.

Analisis RegresiUji asumsi klasikUji normalitas

Dari hasil uji normalitas Kolmogorov-Smirnov diketahui bahwa variabel total biaya, priceof labour, price of fund, penempatan pada bank lain,dan NPF terdistribusi secara normal karena asymp.sig. (2-tailed) > 0,05, sedangkan variabel pembiayaandan EOTA tidak terdistribusi secara normal karenaasymp. sig. (2-tailed) < 0,05.Uji multikolinearitas

Berdasarkan tes multikolinearitas, seluruhvariabel memiliki nilai tolerance lebih dari 0,1 dannilai VIF kurang dari 10. Maka dapat disimpulkanbahwa model regresi pada BPRS di Indonesiakuartal II Juni 2011–kuartal I Maret 2013 bebas darigejala multikolinearitas.Uji heteroskedastisitas

Titik-titik sebaran data dalam penelitian inimenyebar secar acak (random) dan tidak memben-tuk pola tertentu pada grafik scatterplot. Dengandemikian dapat dikatakan bahwa model regresipada BPRS di Indonesia kuartal II Juni 2011–kuartalI Maret 2013 bebas dari gejala heteroskedastisitas.

Uji autokorelasiDiketahui bahwa hasil uji Durbin-Watson

adalah 2,200. Dengan demikian dapat dikatakanbahwa model regresi pada BPRS di Indonesiakuartal II Juni 2011–kuartal I Maret 2013 tidak ter-dapat autokorelasi karena nilai Durbin-Watson ber-ada pada rentang nilai 1,65-2,35.

Uji Statistik

Uji koefisien determinasi (R2)

Secara statistik untuk mengetahui pengaruhvariabel-variabel bebas (variabel independen) se-cara serentak terhadap variabel tidak bebas (varia-bel dependen), dapat dilihat dari besarnya koe-fisien dari korelasi ganda atau R2. Diketahui bahwapada BPRS di Indonesia kuartal II Juni 2011–kuartalI Maret 2013, nilai koefisien determinasi dari modelregresinya adalah 0,9655 atau 96,55% yang menun-jukkan bahwa variabel bebas (price of labour, priceof fund, total pembiayaan, penempatan pada banklain, EOTA, dan NPF) secara bersama-sama mem-pengaruhi variabel terikat (total biaya) sebesar96,55% dan sisanya 3,45% dipengaruhi variabel lainyang tidak dimasukkan dalam penelitian.

Uji F

Untuk mengetahui signifikansi pengaruhsemua variabel independen secara simultan ter-hadap variabel dependen, digunakan uji F. Analisadari hasil uji F dimaksudkan untuk membuktikandari penelitian yang menyatakan bahwa variabelinput, output, dan environmental factors mempunyaipengaruh terhadap total biaya BPRS di Indonesiakuartal II Juni 2011–kuartal I Maret 2013, yaitu de-ngan membandingkan Fhitung yang dihasilkan olehregresi linear berganda dengan Ftabel pada tarafsignifikan sebesar 95% (α= 5%).

Uji Anova menghasilkan angka Fhitung sebesar181,71, sedangkan Ftabel 2,229. Karena Fhitung > Ftabel

maka Ho ditolak dan Ha diterima, sehingga dapatdiartikan bahwa secara simultan variabel input,


| 316 |

output, dan environmental factors (price of labour, priceof fund, total pembiayaan, penempatan pada banklain, EOTA, dan NPF) berpengaruh terhadap totalbiaya yang dikeluarkan oleh BPRS di Indonesiakuartal II Juni 2011–kuartal I Maret 2013.

Uji t

Uji t digunakan untuk menguji kuatnya hu-bungan masing-masing variabel independen ter-hadap variabel dependen secara individu. Denganmembandingkan antara nilai thitung dengan ttabel yangdidapat dari masing-masing variabel denganmenggunakan taraf signifikansi 95% (α= 5%).

Berdasarkan Tabel 2, berikut adalah uji se-cara individu terhadap variabel-variabel indepen-den pada BPRS di Indonesia periode kuartal II Juni2011–kuartal I Maret 2013:Konstanta

Dengan menggunakan uji dua arah maka α/2= 0,05/2= 0,025, dimana df= n – 2= 71, makadidapat ttabel sebesar 1,964. Karena thitung < ttabel (-16,36< 1,964) maka konstanta dalam model secarastatistik tidak signifikan terhadap total cost.Price of labour / Lnpl

Dengan menggunakan uji dua arah maka α/2= 0,05/2= 0,025, dimana df= n – 2= 71, makadidapat ttabel sebesar 1,964. Karena thitung > ttabel (44,49> 1,964) maka variabel price of labour secara statistiksignifikan terhadap total cost. Artinya price of labourberpengaruh secara nyata terhadap total cost padaBPRS di Indonesia kuartal II Juni 2011–kuartal IMaret 2013.Price of fund / Lnpf

Dengan menggunakan uji dua arah maka α/2= 0,05/2= 0,025, dimana df= n – 2= 71, maka

didapat ttabel sebesar 1,964. Karena thitung > ttabel (15,00> 1,964) maka variabel beban bagi hasil secarastatistik signifikan terhadap total cost. Artinya priceof fund berpengaruh secara nyata terhadap total costpada BPRS di Indonesia kuartal II Juni 2011–kuartalI Maret 2013.Total pembiayaan / Lntf

Dengan menggunakan uji dua arah maka α/2= 0,05/2= 0,025, dimana df= n – 2= 71, makadidapat ttabel sebesar 1,964. Karena thitung > ttabel (56,90> 1,964) maka variabel total pembiayaan secarastatistik signifikan terhadap total cost. Artinya to-tal pembiayaan berpengaruh secara nyata terhadaptotal cost pada BPRS di Indonesia kuartal II Juni2011–kuartal I Maret 2013.Penempatan pada bank lain / Lnpob

Dengan menggunakan uji dua arah maka α/2= 0,05/2= 0,025, dimana df= n – 2= 71, makadidapat ttabel sebesar 1,964. Karena thitung > ttabel (13,20> 1,964) maka variabel penempatan pada bank lainsecara statistik signifikan terhadap total cost.Artinya penempatan pada bank lain berpengaruhsecara nyata terhadap total cost pada BPRS di In-donesia kuartal II Juni 2011–kuartal I Maret 2013.Equity over total asset / Lneota

Dengan menggunakan uji dua arah maka α/2= 0,05/2= 0,025, dimana df= n – 2= 71, makadidapat ttabel sebesar 1,964. Karena thitung < ttabel (-6,674< 1,964) maka variabel EOTA secara statistik tidaksignifikan terhadap total cost. Artinya EOTA tidakberpengaruh secara nyata terhadap total cost padaBPRS di Indonesia kuartal II Juni 2011–kuartal IMaret 2013.Non performing financing /Lnnpf

Dengan menggunakan uji dua arah maka α/2= 0,05/2= 0,025, dimana df= n – 2= 71, maka

Tabel 2. Uji t

Model Constant Lnpl Lnpf Lntf Lnpob Lneota Lnnpf T -16,36 44,49 15,00 56,90 13,20 -6,67 2,70


| 317 |

didapat ttabel sebesar 1,964. Karena thitung > ttabel (2,708> 1,964) maka variabel NPF secara statistiksignifikan terhadap total cost . Artinya NPFberpengaruh secara nyata terhadap total cost padaBPRS di Indonesia kuartal II Juni 2011–kuartal IMaret 2013.

Pendekatan Non-Parametrik DataEnvelopment Analysis (DEA)

Tingkat efisiensi BPRS dengan menggunakanmetode DEA

jumlah output yang sama pada BPRS di Indonesiajika beroperasi secara efisien (Jemric & Vujcic,2002). Berdasarkan Grafik 2, BPRS efisiensi DEApada kisaran nilai efisiensi 0,76–0,87 sebesar 8%atau sebanyak 6 BPRS. Sedangkan BPRS yangmemiliki nilai efisiensi antara 0,65-0,76 adalahsebanyak 19 BPRS atau 26%. Adapun BPRS yangtidak efisien dengan nilai efisiensi dibawah 0,65berjumlah 39 BPRS atau 54%. Sedangkan BPRSyang memiliki nilai efisiensi lebih dari 0,87 adalahsebanyak 9 BPRS atau 12% yang menunjukkanbahwa BPRS tersebut memiliki tingkat efisiensibiaya yang lebih baik dibandingkan kelompoklainnya. BPRS Dinar Ashri (ID 43) memiliki nilaiefisiensi biaya tertinggi yaitu sebesar 0,9656 atau96,56%. Hal ini berarti bahwa BPRS Dinar Ashrisangat efisien dalam menggunakan biaya. Nilaiefisiensi terendah pada BPRS Unawi Barokah (ID42) dengan nilai efisiensi biaya sebesar 0,3746 atau37,46%. Hal ini menunjukkan bahwa BPRS ini tidakefisien dalam menggunakan biaya.

Pencapaian Efisiensi Masing-Masing VariabelDEA BPRS

Tingkat pencapaian efisiensi input dan out-put BPRS ditampilkan pada Grafik 3. Tingkat pen-capaian rata-rata input penyusutan mengalamifluktuasi selama periode penelitian dimana padakuartal 1 2012 dan kuartal 1 2013 masing-masinghanya mencapai 54% dan 52,7%. Sementarapendapatan bagi hasil yang merupakan salah satu

Grafik 2. Distribusi Nilai Efisiensi Bank PembiayaanRakyat Syariah (BPRS) Berdasarkan Analisis Efisiensi Data

Envelopment Analysis (DEA) (Sumber: Laporan KeuanganPublikasi Bank 2013–Bank Indonesia)

Grafik 3. Tingkat Pencapaian Efisiensi BPRS(Sumber: Laporan Keuangan Publikasi Bank 2013–Bank Indonesia)

Dari Grafik 2 diketahui bahwa rata-ratatingkat efisiensi BPRS di Indonesia periode kuartalII Juni 2011–kuartal I Maret 2013 yaitu sebesar0,6523 atau sebesar 65,23%, yang artinya hanyadibutuhkan 65,23% dari input untuk memproduksi


| 318 |

komponen input, merupakan variabel yang palingtinggi tingkat pencapaian rata-ratanya pada seluruhperiode penelitian dengan rata-rata tingkatpencapaian efisiensi sebesar 82,53%. Kemudianbeban bagi hasil, beban tenaga kerja, beban lain-lain, dan pendapatan lain tingkat pencapaianefisiensi rata-ratanya masing-masing sebesar74,53%, 74,11%, 76,35%, dan 72,92% pada periodepenelitian.

Bobot Masing-Masing Variabel terhadap DEABPRS

Dengan tingginya imbal hasil ini, maka pen-dapatan bagi hasil yang juga merupakan komponendari output meyumbangkan bobot yang besar ter-hadap efisiensi DEA BPRS. Sementara komponenoutput lainnya, pendapatan lain-lain menyum-bangkan output terkecil yakni sebesar 5%, hal inimencerminkan bahwa BPRS belum maksimal dalammeningkatkan fee based incomenya.

Pada komponen input, beban lain-lain yangterdiri atas beban administrasi dan umum, penyi-sihan penghapusan aktiva, titipan wadiah, dan lain-nya menyumbangkan porsi terbesar dalam bobotnilai efisiensi sebesar 26%. Sementara beban tenagakerja menyumbangkan bobot efisiensi kedua ter-besar dalam komponen input yakni sebesar 21%.Besarnya porsi kedua variabel ini dalam komponeninput mengharuskan BPRS untuk meningkatkankualitas SDM dan membenahi manajemen ope-rasional agar beroperasi lebih efektif. Kemudian,dua variabel lain dalam komponen input, yaknibeban bagi hasil dan penyusutan menyumbangkanbobot efisiensi masing-masing sebesar 8% dan 6%.

Pemetaan Tingkat Efisiensi BPRS denganMenggunakan Metode Parametrik SFA danNon-Parametrik DEA

Grafik 4. Bobot Masing-Masing Variabel terhadap DEA BPRS(Sumber: Laporan Keuangan Publikasi Bank 2013–Bank Indonesia)

Bobot masing-masing variabel terhadapDEA BPRS ditampilkan pada Grafik 4. Pada Grafik4 diketahui bahwa pendapatan bagi hasilmerupakan variabel yang paling banyakmemberikan bobot terhadap tingkat efisiensi BPRSdengan presentase sebesar 34%. Besarnya bobotefisiensi ini mengingat BPRS mematok tingkat imbalhasil yang lebih tinggi bagi nasabah yangmengajukan pembiayaan dibandingkan denganBUS dan Unit Usaha Syariah (UUS).

Pembiayaan Pembiayaan Jenis Margin (%) Jenis Margin (%)

Mudharabah 14,93 Mudharabah 17,34 Musyarakah 12,32 Musyarakah 21,81 Murabahah 13,56 Murabahah 18,89 Istishna 14 Istishna 7,51 Ijarah 0,41 Ijarah 13,22

Tabel 3. Perbandingan Margin Pembiayaan BUS dan BPRSPer Juni 2013

Sumber: Statistik Perbankan Syariah Indonesia, Bank Indonesia

Grafik 5. Mapping Tingkat Efisiensi BPRS BerdasarkanKategori dengan Menggunakan Metode SFA dan DEA


| 319 |

Keterangan*: Komp. Kat. Besaran Komp. Kat. Besaran Komp. Kat. Besaran Aset 1

2 3

< 10.000.000 10.000.000–50.000.000

> 50.000.000

POF 1 2 3

> 7% 3%-7%

< 3%

EOTA 1 2 3

> 30% 20%-30%

< 20% NPF

1 2 3

> 7% 3%-7%

< 3%

PBY 1 2 3

< 10.000.000 10.000.000–50.000.000

> 50.000.000

BGHSL 1 2 3

< 500.000 500.000–2.500.000

> 2.500.000 TC

1 2 3

< 1.000.000 1.000.000–5.000.000

> 5.000.000

PBL 1 2 3

< 1.000.000 1.000.000–5.000.000

> 5.000.000

POL 1 2 3

> 6% 3%-6%

< 3% *Dalam Ribuan Rupiah *Sumber Data: Bank Indonesia

Berdasarkan Grafik 5, tingkat efisiensi BPRSmenggunakan SFA dan DEA berdasarkan kelom-pok aset, pembiayaan, dan penempatan pada banklain (PBL) berbanding lurus dengan nilai efisiensiBPRS, artinya semakin besar nilai ketiga variabelini maka semakin efisien pula BPRS tersebut. Halini mengindikasikan bahwa sebagian besar BPRSbelum mencapai economies of scale. Sama halnyaseperti total aset, besaran dana bagi hasil dan to-tal biaya/total cost (TC) juga menunjukkan penga-ruh yang berbanding lurus terhadap nilai efisiensi.

Perbandingan Tingkat EfisiensiMenggunakan Metode Parametrik SFA danNon Parametrik DEAUji kolmogorov-smirnov SFA dan DEA

Jika asymp. sig. (2-tailed) > (dalam penelitianini sebesar 0,05) maka HO diterima yang berartidata dalam populasi tersebut normal. Uji normali-tas Kolmogorov-Smirnov menyatakan bahwa nilaiasymp. sig. (2-tailed) SFA sebesar 0,682, DEA sebesar0,920 yang berarti asymp. sig. (2-tailed) > 0,05sehingga HO diterima. Secara statistik data DEAdan SFA dalam penelitian ini terdistribusi secaranormal. Jika data terdistribusi secara normal, makauji beda yang digunakan adalah independent samplet-test.

Independent sample t-test

Rata-rata tingkat efisiensi BPRS di Indone-sia berdasarkan metode parametrik SFA dan nonparametrik DEA masing-masing sebesar 77,27%dan 65,23%. Standar Deviasi SFA dan DEA masing-masing sebesar 13,06 dan 14,7 yang artinya jarakrata-rata setiap unit data DEA terhadap rata-ratahitung tingkat efisiensinya lebih besar daripadajarak rata-rata setiap unit data SFA.

Nilai Efisiensi Equal

Variances Assumed

Equal Variances Not Assumed

F 0,546 Sig. 0,461 T 5,233 5,233 Df 144 142,043 Sig. (2-tailed) 0,000 0,000 Mean Difference 12,04630 12,04630 Std. Error Difference 2,30203 2,30202 Lower 7,49619 7,49566 Upper 16,59642 16,59695

Tabel 4. Hasil Uji Independent Sample t-test SFA dan DEA

Uji-t independen menyajikan dua buah ujistatistik. Pertama adalah uji Levene’s untuk melihatapakah ada perbedaan varians antara keduakelompok atau tidak. Kedua adalah uji-t untukmelihat apakah ada perbedaan rata-rata keduakelompok atau tidak


| 320 |

Jika p-value (sig.) dari uji Levene’s > (0,05),hal ini berarti varians kedua kelompok adalahsama, maka signifikansi uji-t yang dibaca adalahpada baris pertama (equal variances assumed). Tetapijika p-value uji Levene’s <= (0,05), hal ini berartibahwa varians kedua kelompok adalah tidak sama,maka signifikansi uji-t yang dibaca adalah padabaris kedua (equal variance not assumed).

Perbandingan Tingkat Efisiensi Metode SFAdengan DEA dan Hubungannya denganAnalisis Rasio CAMEL

Penilaian CAMEL dalam penelitian ini mi-nus penilaian manajemen karena memang tidakmampu untuk melihatnya dari luar. Maka yangdigunakan dalam penelitian ini adalah analisiskesehatan bank dari sisi rasio keuangannya yangmeliputi komponen capital, assets, earning, dan li-quidity (CAEL). Perhitungan CAEL terhadap 73BPRS dalam penelitian ini berdasarkan perhitung-an yang disusun Bank Indonesia sesuai PBI No.9/17/PBI/2007 tentang sistem penilaian tingkatkesehatan BPRS. Dalam uji kolinearitas SFA danDEA terhadap CAEL akan digunakan korelasiSpearman karena data CAEL yang digunakanmerupakan data ordinal yang merupakan hasilkuantifikasi data kualitatif seperti nilai 1 untukBPRS yang berkategori sangat baik, 2 untuk ber-kategori baik, dan seterusnya.

Nilai SFA memiliki hubungan yang negatifyang sangat lemah dengan analisis kesehatan bankCAEL yakni sebesar -0,034. Pada tingkatsignifikansi 0,05, hubungan nilai efisiensi SFAterhadap CAEL tidak nyata karena sig. > (0,777> 0,05). Sementara hubungan nilai efisiensi DEAterhadap analisis kesehatan bank CAEL adalahnyata karena sig. < (0,002 < 0,01). Nilai DEAdengan CAEL mempunyai hubungan yang negatifdan lemah yakni sebesar -0,353. Korelasi antaraDEA dengan CAEL dapat diartikan bahwa makinbesar nilai efisiensi DEA suatu BPRS maka hal iniakan diikuti oleh makin sehatnya BPRS yangditunjukkan oleh turunnya angka CAEL (angka 1adalah angka terkecil yang berkategori sangatbaik).

Berbeda dengan SFA yang tidak mempunyaikorelasi yang nyata dengan CAEL, metode DEAmempunyai korelasi yang nyata dan linear denganCAEL. Mengingat tingkat pengukuran kesehatanbank CAEL mengukur dari sisi rasio keuangannyayang meliputi komponen capital, assets, earning, danliquidity yang seluruhnya merupakan komponendari internal bank bersangkutan. Sama halnya de-ngan DEA yang merupakan salah satu pemrogram-an linear yang digunakan untuk mengestimasi in-put dan output bank dimana input dan output-nyaberhubungan dengan kondisi internal bank.

Hal ini jelas berbeda dengan metode SFAdimana pada metode ini, selain memasukkan in-

SFA DEA CAEL SFA Pearson Correlatian 1 0,052 -

Sig. (2-tailed) 0,661 N 73 73 -

DEA Pearson Correlatian 0,052 1 - Sig. (2-tailed) 0,661 N 73 73 -

CAEL Spearman Correlatian -0,034 -0,353** 1 Sig. (2-tailed) 0,777 0,002 N 73 73 73

Tabel 5. Korelasi Pearson SFA dengan DEA dan Korelasi Spearman SFA dan DEA terhadap CAEL

**Correlation is significant at the 0,01 level (2-tailed)


| 321 |

put dan output, juga dimungkinkan untuk mema-sukkan faktor lain seperti enviromental factors danfixed netput. Selain itu pada metode SFA juga di-pertimbangkan noise pada model efisiensi bank.Mengingat adanya faktor-faktor tersebut tidak ter-dapat dalam analisis CAEL, maka SFA tidak me-miliki hubungan yang signifikan dengan CAELBPRS.

Temuan lain dalam penelitian ini adalahbahwa baik SFA maupun DEA memiliki korelasiyang lemah terhadap CAEL. Lemahnya hubunganantara SFA dan DEA terhadap CAEL ini terjadikarena pengukuran tingkat kesehatan bankdengan analisis rasio CAEL tidak mempertim-bangkan efisiensi sebagai faktor yang utama(hanya 10% dari keseluruhan rasio), sehingga da-pat dilihat bahwa banyak BPRS yang ternyatakurang efisien memiliki skor CAEL yang lebihtinggi dibandingkan BPRS yang lebih efisien.

Distribusi Tingkat Efisiensi SFA dan DEAterhadap Kriteria CAEL

kurang efisien dan 17 BPRS tidak efisien. Semen-tara berdasarkan perhitungan DEA, 19 BPRStergolong kurang efisien dan 39 BPRS tidak efisien.Hal ini menimbulkan pertanyaan, apakah analisisrasio CAEL sudah mencerminkankan tingkat efi-siensi yang sesungguhnya.

Grafik 6. Distribusi SFA terhadap CAEL

822

3

6

0

116

2

0

0

1 4 1

0

0

4 4 1 0

0Sangat Baik Baik Cukup Baik Lemah Sangat Lemah

Tidak Efisien Kurang Efisien Cukup Efisien Efisien

1 63

0 0

10 60

10

814 2

2

0

312 2

3

0Sangat Baik Baik Cukup Baik Lemah Sangat

Lemah

Tidak Efisien Kurang Efisien Cukup Efisien Efisien

Grafik 7. Distribusi DEA terhadap CAEL

Perhitungan CAEL terhadap 73 BPRS berda-sarkan PBI No. 9/17/PBI/2007 (CAEL Model 1–lihat Tabel 5) menunjukkan bahwa sebanyak 22BPRS tergolong kedalam kategori sangat baik, 38BPRS dalam kategori baik, 7 cukup baik, dan 6BPRS lemah. Padahal pada saat yang samaberdasarkan perhitungan SFA, 24 BPRS tergolong

Berdasarkan Grafik 6 terdapat 10 BPRS yangtidak efisien berdasarkan penghitungan SFA dan3 diantaranya dikategorikan cukup baik menurutanalisis CAEL, 6 baik dengan tingkat efisiensi yangsama, dan 1 BPRS sangat baik. Untuk BPRS yangkurang efisien berdasarkan penghitungan SFA, 1BPRS dikategorikan lemah, 6 BPRS cukup baik, dan10 BPRS dikategorikan sangat baik. BPRS yangcukup efisien berdasarkan penghitungan SFA ber-jumlah 20 BPRS dengan 2 BPRS dikategorikanlemah, 2 BPRS cukup baik, 14 BPRS berkategoribaik, dan sisanya 8 BPRS berkategori sangat baik.Kemudian terdapat 20 BPRS yang efisien berdasar-kan penghitungan SFA dan 3 diantaranya berka-tegori lemah, 2 BPRS cukup baik, 12 BPRS berka-tegori baik, dan sisanya 3 berkategori sangat baik.

Berdasarkan Grafik 7, terdapat 39 BPRS yangtidak efisien berdasarkan penghitungan DEA dan6 diantaranya dikategorikan lemah menurutanalisis CAEL, 3 cukup baik dengan tingkat efisiensiyang sama, 22 BPRS berkategori baik, dan sisanya8 BPRS sangat baik. Untuk BPRS yang kurangefisien berdasarkan penghitungan DEA, 2 BPRSdikategorikan cukup baik, 6 BPRS baik, dan 11BPRS dikategorikan sangat baik. BPRS yang cukup


| 322 |

perlu ditinjau kembali, terutama pada penentuanbobot komponennya. Dalam penentuan bobotCAEL pada BPRS menurut PBI No. 9/17/PBI/2007tentang sistem penilaian tingkat kesehatan bankperkreditan rakyat berdasarkan prinsip syariahkomponen efisiensi yang dicerminkan oleh BOPOhanya mendapat porsi yang kecil yakni pada kisar-an 10%-15%. Untuk itu pembobotan dalam CAELperlu ditinjau kembali agar mempertimbangkantingkat efisiensi.

Untuk memaksimalkan penghitungan ting-kat efisiensi pada analisis CAEL, komponen BOPOyang mencerminkan faktor efisiensi akan digan-tikan dengan pendekatan frontier pada pembobotanCAEL yang baru. Digantikannya BOPO denganpendekatan frontier ini dilakukan mengingatketerbatasan yang dimiliki oleh rasio BOPO.Dalam penelitian ini pendekatan frontier yang akandigunakan adalah metode SFA dan DEA. Untukitu peneliti mencoba untuk membuat 5 modelCAEL tambahan dengan desripsi sebagai berikut:

efisien berdasarkan penghitungan DEA berjumlah6 BPRS dengan 1 BPRS dikategorikan cukup baik,4 BPRS baik, dan sisanya 1 BPRS berkategori sangatbaik. Kemudian terdapat 9 BPRS yang efisienberdasarkan penghitungan DEA dan 1 diantaranyaberkategori cukup baik, 4 BPRS berkategori baik,dan sisanya 4 berkategori sangat baik.

Hasil perbandingan tersebut cukup menarikmengingat pada tingkat efisiensi BPRS yang efisienberdasarkan pendekatan SFA, terdapat 3 BPRSyang berkategori lemah berdasarkan analisisCAEL. Kemudian pada tingkat efisiensi BPRS yangtidak efisien berdasarkan pendekatan SFA, terda-pat 1 BPRS yang berkategori sangat baik dan 6berkategori baik berdasarkan analisis CAEL.Sementara pada tingkat efisiensi BPRS yang tidakefisien berdasarkan pendekatan DEA, terdapat 8BPRS yang berkategori sangat baik dan 22 ber-kategori baik berdasarkan analisis CAEL. Perhi-tungan sehat atau tidak sehatnya BPRS oleh BIhanya didasarkan pada perhitungan CAEL se-hingga kriteria tersebut masih dirasa kurang relev-an untuk kasus BPRS di Indonesia yang notabeneadalah bank kecil.

Alternatif Analisis CAEL Sebagai SolusiPengukuran Tingkat Kesehatan Bank

Analisis CAEL yang selama ini menjadipatokan untuk mengukur tingkat kesehatan bank

Faktor Komponen Model 1* Model 2** Model 3 & 5*** Model 4 & 6**** Capital CAR 25% 20% 25% 20%

Assets KAP 35% 30% 35% 30% NPF 10% 5% 10% 5%

Earning Efisiensi 10% 25% 10% 25% ROA 2,5% 2,5% 2.5% 2,5% ROE 2,5% 2,5% 2.5% 2,5%

Liquidity CR 15% 15% 15% 15%

Tabel 4. Perbedaan Bobot Beberapa Model CAEL

* Berdasarkan PBI No. 9/17/PBI/2007** Merubah bobot*** Mengganti BOPO dengan perhitungan frontier (Model 3 untuk SFA dan Model 5 untuk DEA)**** Mengganti BOPO dengan perhitungan frontier dan merubah bobot (Model 4 untuk SFA dan Model 6 untuk DEA)

020406080

Model 2 Model 3 Model 4 Model 5 Model 6

Turun

Tetap

Naik

Grafik 8. Hasil Perbandingan Nilai CAEL


| 323 |

bunga, mempekerjakan karyawan, menggunakanteknologi dan lain-lain.

Berdasarkan Grafik 2, 73 BPRS di Indonesiaberdasarkan analisis efisiensi data envelopmentanalysis (DEA) mempunyai nilai efisiensi biaya ber-variasi mulai 0,3746 sampai dengan 0,9656.Keadaan seperti ini cukup memberi bukti bahwasetiap BPRS mempunyai strategi manajemen yangcukup berbeda antara satu BPRS dengan BPRSlainnya dalam segi menekan biaya bunga, mem-pekerjakan karyawan, menggunakan teknologidan lain-lain.

Berdasarkan Grafik 5, tingkat efisiensi BPRSmenggunakan SFA dan DEA berdasarkan kelom-pok aset, pembiayaan, dan penempatan pada banklain (PBL) berbanding lurus dengan nilai efisiensiBPRS, artinya semakin besar nilai ketiga variabelini maka semakin efisien pula BPRS tersebut. Halini mengindikasikan bahwa sebagian besar BPRSbelum mencapai economies of scale. Sama halnyaseperti total aset, besaran dana bagi hasil dan to-tal biaya/total cost (TC) juga menunjukkanpengaruh yang berbanding lurus terhadap nilaiefisiensi.

Belum tercapainya economies of scale BPRSdapat disebabkan antara lain oleh teknologi yangkurang memadai, manajemen yang kurang efektif,dan SDM yang kurang kompeten (Rahardja &Manurung, 2006). Agar BPRS dapat mengeksploi-tasi skala ekonomisnya, maka dibutuhkan kondisipermodalan yang cukup. Modal selain dapatdigunakan untuk berinvestasi pada peningkatansumber daya manusia (SDM) dan teknologi infor-masi (TI), juga dapat digunakan BPRS sebagaiacuan untuk memperbesar batas maksimal pem-berian kredit (BMPK) sehingga mampu melayaninasabah lebih luas.

Berdasarkan Grafik 5 dapat dilihat bahwaBPRS berdasarkan tingkat nilai tenaga kerja/priceof labour (POL) baik dari kategori satu, dua, dantiga, tak ada satu pun kelompok BPRS yang tingkat

Grafik 8 merupakan perbandingan terhadapperubahan nilai CAEL model 1 dengan CAELmodel 2, 3, 4, 5, dan 6. Pada model 2 (denganmengubah bobot nilai masing-masing komponen)menunjukkan perubahan dengan 5 BPRS yangkriteria CAELnya naik, 66 BPRS yang kriteriaCAELnya tetap, dan 2 BPRS yang kriteria CAELnyaturun. Nilai CAEL pada model 3 (mengganti rasioBOPO dengan SFA tanpa mengubah bobot nilaimasing-masing komponen) tidak menunjukkanperubahan yang besar dibanding model 1 dengan2 BPRS naik kriterianya, 61 BPRS tetap, dan 10BPRS kriteria CAELnya turun. Sementara CAELmodel 4 (dengan mengganti nilai SFA dan meng-ubah bobot nilai masing-masing komponen) me-nunjukkan tidak ada satupun BPRS yang kriteriaCAELnya naik, sebanyak 57 kriteria BPRS padamodel CAEL ini kriterianya tetap dibandingkandengan model 1 dan sisanya 16 BPRS nilaiCAELnya turun.

CAEL model 5 (mengganti rasio BOPO de-ngan DEA tanpa mengubah bobot nilai masing-masing komponen) menunjukkan perubahan yanglebih besar dibanding model 3 yang menggunakanSFA dimana tidak ada BPRS yang kriterianya naik,57 BPRS kriterianya tetap, dan 16 BPRS kriteriaCAELnya turun. CAEL model 6 (dengan meng-ganti nilai BOPO dan mengubah bobot nilaimasing-masing komponen) menunjukkan bahwatidak ada BPRS yang kriteria CAELnya naik dan29 BPRS kriteria CAELnya tetap. Sementarasisanya sebanyak 44 BPRS kriteria CAELnya turun.

PEMBAHASAN

Berdasarkan Grafik 1, 73 BPRS di Indonesiaberdasarkan analisis efisiensi SFA mempunyai nilaiefisiensi biaya bervariasi mulai 0,4998 sampaidengan 0,9757. Keadaan seperti ini cukup memberibukti bahwa setiap BPRS mempunyai strategimanajemen yang cukup berbeda antara satu BPRSdengan BPRS lainnya dalam segi menekan biaya


| 324 |

efisiensinya diatas 85% untuk metode SFA dan 75%untuk metode DEA. Hal ini membuktikan bahwaSDM BPRS di Indonesia belum maksimal dan tek-nologi yang digunakan oleh BPRS masih konven-sional. Untuk itu BPRS dapat memaksimalkantingkat efisiensinya jika SDM dan peningkatanteknologi di BPRS dapat ditingkatkan.

Untuk itu BI dan Otoritas Jasa Keuangan(OJK) harus mampu membina dan mengawasiBPRS agar dapat meningkatkan kualitas dan inte-gritas pengurus BPRS, termasuk mendorong BPRSuntuk menerapkan good corporate governance (GCG)di BPRS bersangkutan. Selain itu, revitalisasi tek-nologi juga sangat dibutuhkan agar BPRS dapatberoperasi lebih efisien sehingga mampu menekanbiaya operasional serta dapat memberikan pela-yanan yang kompetitif kepada nasabah.

Jika dibandingkan dengan lima bank umumsyariah (dalam penelitian ini diambil 5 banksyariah terbesar Bank Syariah Mandiri, BankMuamalat, BRI Syariah, BNI Syariah, dan BankMega Syariah), rata-rata nilai efisiensi BPRSberdasarkan perhitungan SFA dan DEA jauh lebihrendah yaitu masing-masing sebesar 78,33% dan69,43%, sedangkan untuk bank umum syariahmasing-masing mencapai 94,61% dan 71,64%.Dengan tingkat efisiensi yang cukup jauh ini, BPRSbisa kalah bersaing dengan bank umum syariahyang turun di pasar mikro perbankan.

BI dan OJK harus dapat menjamin bahwapersaingan di pasar mikro perbankan berjalan tetapadil. Secara umum, bank-bank umum lebih ungguldari BPRS baik dari sisi permodalan, teknologi,maupun SDM. BI dan OJK perlu untuk lebih men-dorong agar bank umum untuk menyalurkan pem-biayaannya dengan mediasi BPRS. Mediasi inidapat dilakukan dengan program linkage baik me-lalui executing (BPRS mendapatkan dana dari bankumum untuk kemudian di salurkan pada nasabah),channeling (BPRS bertindak sebagai agen bankumum), dan joint financing antara BPRS denganbank umum. Menjadikan bank umum sebagai mitra

BPRS merupakan salah satu solusi agar BPRS dapatbertahan di pasar mikro perbankan.

Namun program linkage antara bank umumdengan BPRS akan sulit untuk berjalan karenamasih tingginya risiko yang dimiliki BPRS. Hal initercermin dari rasio non performing financing (NPF)rata-rata BPRS yang cukup tinggi pada periode2007-2012 yaitu sekitar 7,56% yang mengindi-kasikan bahwa aktiva yang kurang produktifmasih cukup tinggi. Dengan demikian BI dan OJKharus dapat membina dan mengawasi BPRS untukmenerapkan prinsip kehati-hatian (prudential bank-ing) dalam hal BPRS menjalankan fungsinya sebagailembaga intermediasi keuangan.

Perbandingan tingkat efisiensi BPRS berda-sarkan SFA dan DEA pada Tabel 4, signifikansi ujiLevene’s adalah 0,461 yang berarti varians keduakelompok adalah sama, maka hasil uji-t pada kolompertama memperlihatkan p-value (sig.) adalah 0,000untuk uji 2-sisi. Maka dapat disimpulkan bahwasecara statistik rata-rata tingkat efisiensi BPRS ber-dasarkan pendekatan parametrik SFA lebih tinggidari tingkat efisiensi berdasarkan pendekatan non-parametrik DEA. Hasil dari penelitian ini sejalandengan Bauer et al. (1998), Fiorentino et al. (2006),Paramita (2008), Delis et al. (2009), dan Bolli & Vo(2012).

Bogetoft & Otto (2011) menyatakan bahwadalam pendekatan parametrik, ada tiga prosesutama yang dianjurkan. Pertama adalah mem-pertimbangkan beberapa deviasi sebagai peng-ganggu (noise) dalam model regresi. Kemudian,mempertimbangkan beberapa deviasi yang meru-pakan gambaran dari inefisiensi, pada pendekatanDEA disebut sebagai deterministic frontier. Terakhir,kita bisa mengasumsikan bahwa deviasi-deviasimerupakan hasil-hasil dari adanya noise daninefisiensi.

Dapat disimpulkan bahwa pendekatan sto-chastic pada metode SFA telah mengestimasi noiseyang ada pada model sebagaimana model regresiselain mengestimasi inefisiensi. Sedangkan pada


| 325 |

pendekatan deterministic pada metode DEA noiseyang ada pada model regresi diganti dengan esti-masi inefisiensi. Maka perbedaan hasil SFA danDEA ini disebabkan oleh perbedaan metode dalammengestimasi tingkat efisiensi BPRS, yakni metodeSFA yang berdasarkan pendekatan stochastic danDEA yang deterministic.

Kemudian pada Tabel 5 menunjukkan kore-lasi antara SFA dengan DEA yang tidak signifikankarena sig. > (0,661 > 0,05). Hubungan SFA danDEA adalah positif dan sangat lemah, hal ini sejalandengan penelitian Bauer et al. (1998) dan Fiorentinoet al. (2006), namun berbeda dengan Paramita(2008), Andries & Cocris (2010), serta Bolli & Vo(2012).

Konsep tingkat kesehatan bank CAEL meru-pakan alat analisis yang diciptakan berdasarkanrisk focus dan menjangkau kondisi yang akandatang (forward looking) (Bank Indonesia, 2004).Maka dari itu bank dituntut harus meminimalisirrisiko yang ada untuk menghindari kerugian danmenjamin adanya sustainibility. Dengan demikian,sebagian besar rasionya sangat mempertimbang-kan kualitas aktiva (45% dari bobot keseluruhan)dan kecukupan modal (25% dari bobot keselu-ruhan) yang kedua komponen ini digunakan untukmengantisipasi risiko yang akan muncul.

Komponen efisiensi yang juga masuk dalamperhitungan CAEL hanya mendapat bobot yangsedikit di kisaran 10%-15%. Komponen kecukupanmodal dan kualitas aset memang penting untukmenjaga kualitas pembiayaan dan menjaga agarbank tetap sehat, namun komponen efisiensi yangkurang diperhitungkan dalam CAEL dapat meng-ganggu kesehatan bank. Dalam perhitungan CAELBPRS pada periode Maret 2013, BPRS yang memi-liki tingkat efisiensi rendah berdasarkan perhi-tungan SFA dan DEA tergolong ke dalam bankyang sehat dalam perhitungan CAEL.

Tingkat efisiensi suatu bank yang rendahakan mengganggu profitabilitas yang nantinyaakan mengganggu kesehatan bank bersangkutan.

Jika bank terus mengalami inefisiensi maka labayang diperoleh akan turun. Jika profit yang diper-oleh menurun sementara bank harus menanggungdana syirkah temporer dari nasabah, maka ke-untungan yang diperoleh bank akan semakin sempitdan lama-kelamaan bisa mengalami kerugian.Kerugian nantinya akan ditutupi oleh modal.Berkurangnya jumlah modal ini nantinya akanberpengaruh terhadap CAR sehingga menghambatperkembangan BPRS.

Pengaruh efisiensi terhadap kesehatan mem-punyai hubungan yang erat meskipun tak langsung.Untuk itu komponen efisiensi perlu dipertim-bangkan dalam analisis CAEL. Pertimbanganefisiensi dalam analisis CAEL dapat dilakukan de-ngan merubah BOPO yang ada, mengganti perhi-tungan rasio BOPO dengan perhitungan frontieratau dengan melakukan kombinasi antar ke-duanya.

Dengan demikian, BPRS dapat beroperasilebih efisien, lebih mengedepankan prinsip kehati-hatian (prudential banking), serta menjaga penguatanpermodalan secara berkesinambungan. Keberpi-hakan pemerintah terhadap BPRS sangat dibutuh-kan agar persaingan di pasar mikro perbankan ber-jalan seimbang.

KESIMPULAN DAN SARANKesimpulan

Penelitian ini bertujuan untuk menganalisistingkat efisiensi biaya BPRS di Indonesia ber-dasarkan pendekatan parametrik SFA danpendekatan nonparametrik DEA. Berdasarkanhasil analisis dan pembahasan yang telah diuraikanmengenai tingkat efisiensi BPRS di Indonesia padakuartal II Juni 2011–kuartal I Maret 2013,berdasarkan metode SFA dan DEA yang kemudiandihubungkan dengan analisis tingkat kesehatanbank CAEL, maka dapat ditarik kesimpulan bahwasecara statistik rata-rata tingkat efisiensi BPRSberdasarkan pendekatan parametrik SFA lebih


| 326 |

tinggi dari tingkat efisiensi berdasarkan pende-katan non-parametrik DEA. Hal ini disebabkankarena pendekatan stochastic pada metode SFAtelah mengestimasi noise yang ada pada model seba-gaimana model regresi selain mengestimasi ine-fisiensi. Sedangkan pada pendekatan deterministicpada metode DEA noise yang ada pada modelregresi diganti dengan estimasi inefisiensi. Makaperbedaan hasil SFA dan DEA ini disebabkan olehperbedaan metode dalam mengestimasi tingkatefisiensi BPRS, yakni metode SFA yang berda-sarkan pendekatan stochastic dan DEA yang deter-ministic.

Pada metode SFA, komponen biaya tenagakerja, biaya dana, total pembiayaan, penempatanpada bank lain, dan NPF berpengaruh secara nyataterhadap efisiensi biaya BPRS di Indonesia,sedangkan EOTA tidak berpengaruh secara nyata.Total simpanan dan biaya tenaga kerja merupakankomponen yang memberikan andil besar dalamefisiensi biaya BPRS berdasarkan metode SFA.Sedangkan pada metode DEA, pendapatan bagihasil yang merupakan salah satu komponen out-put memberikan bobot terbesar pada efisiensiBPRS. Variabel lain yang memberikan bobot yangcukup besar terhadap tingkat efisiensi BPRS denganmenggunakan metode DEA adalah beban lain-lain(di luar bagi hasil dan tenaga kerja) dan bebantenaga kerja pada komponen input.

Berdasarkan korelasi Spearman, tingkatefisiensi BPRS dengan menggunakan metode SFAtidak mempunyai hubungan yang nyata dengananalisis kesehatan bank CAMEL. Sedangkan ting-kat efisiensi BPRS dengan menggunakan metodeDEA mempunyai keterkaitan yang lemah dannyata dengan analisis kesehatan bank CAMEL.Adanya perbedaan ini disebabkan karena analisisCAMEL diestimasi berdasarkan kondisi internalyang menggambarkan kesehatan bank bersang-kutan. Sama halnya dengan DEA dimana kom-ponen input dan output berhubungan dengan kon-disi internal bank. Hal ini berbeda dengan SFA

yang memungkinkan untuk memasukkan kom-ponen selain input dan output, serta adanya faktornoise dalam mengestimasi efisiensi.

Saran

Bagi pihak manajemen BPRS, diharapkanuntuk terus meningkatkan efisiensi biaya, karenadari biaya yang dikeluarkan masih ada dana yangtidak digunakan secara efisien. Mengingat besar-nya biaya tenaga kerja, pihak manajemen BPRSharus meningkatkan teknologinya untuk menekanbiaya yang dikeluarkan agar lebih efisien danmembenahi manajemen operasional agar ber-operasi lebih efektif.

Selain itu, BPRS diharapkan untuk terusmeningkatkan pembiayaannya serta meningkat-kan kualitasnya dengan menurunkan NPF agardapat beroperasi lebih efisien. Hal ini karena kom-ponen pembiayaan merupakan penyumbang efi-siensi yang cukup besar. Kemudian BPRS juga diha-rapkan untuk meningkatkan pendapatan fee basedincome karena masih kecilnya peranannya di BPRS.

BI dan OJK perlu untuk lebih mendorongbank-bank umum agar menyalurkan pembiayaan-nya melalui mediasi BPRS dengan program linkagedaripada harus menyalurkannya sendiri kenasabah. Selain itu, mengingat persaingan yangmakin ketat pada perbankan mikro, sebaiknya di-atur kebijakan mengenai pembatasan wilayah ope-rasi agar satu BPRS tidak saling bersaing denganBPRS lainnya. Selama ini PBI No. 11/23/PBI/2009memang membatasi wilayah operasi BPRS hanyadalam satu provinsi namun tidak mengatur menge-nai pembatasan jumlah BPRS dalam satu wilayah.Pembatasan harus dilakukan dengan mewajibkansatu kabupaten/kota hanya memiliki satu BPRSsaja, jika dalam satu kabupaten/kota telah terdapatbeberapa BPRS sebaiknya BPRS tersebut merger.Implikasi lainnya, BPRS akan memiliki modal yanglebih kuat sehingga dapat melakukan ekspansiusaha.


| 327 |

Dengan kondisi BPRS yang masih dis-econo-mies of scale, maka merger antar BPRS yang berde-katan akan menjadi solusi untuk memperkuat per-modalan sehingga BPRS mencapai taraf economiesof scale. Merger ini juga dapat mencegah agar tidakterjadi persaingan yang tidak sehat antar sesamaBPRS yang masih dalam satu wilayah.

Analisis rasio CAEL sebagai alat untukmengukur kesehatan bank perlu ditinjau ulangterutama pada bobot penentuan komponen.Pertimbangan efisiensi dalam analisis CAEL dapatdilakukan dengan merubah BOPO yang ada,mengganti perhitungan rasio BOPO denganperhitungan frontier (SFA atau DEA), atau denganmelakukan kombinasi antar keduanya. Bagipenelitian selanjutnya, tingkat efisiensi BPRS agardibandingkan dengan tingkat efisiensi bankumum untuk mengukur seberapa jauh persaingandi segmen mikro dengan bank yang lebih besar.

DAFTAR PUSTAKAAndries, A.M. & Cocris, V. 2010. A Comparative Analy-

sis of the Efficiency Romanian Banks. RomanianJournal of Economic Forecasting, 4: 54-75.

Bank Indonesia. BI Wajibkan Bank Umum Salurkan KreditUMKM 20 Persen. http://www.mediaindonesia.com/read/2012/11/26/365603/20/2/BI-Wajibkan Bank-Umum-Salurkan-Kredit-UMKM-20-Persen. DiaksesTanggal 25 Desember 2012.

Bauer, P.W., Berger, A.N., Ferrier, G.D., & Humphrey, D.B.1998. Consistency Conditions for RegulatoryAnalysis of Financial Institutions: A Comparisonof Frontier Efficiency Methods. Working Paper Se-ries of Federal Reserve Cleveland, 97(2): 1-43.

Berger, A.N. & Humphrey, D.B. 1997. Efficiency of Finan-cial Institutions: International Survey andDirections for Future Research. Working Paper Se-ries the Wharton School University of Pennsylvania,97(5): 1-51.

Berger, A.N. & Mester, L.J. 1997. Inside the Black Box:What Explain Differences in the Efficiencies of Fi-

nancial Institution? Working Paper Series theWharton School University of Pennsylvania, 97(4): 4-43.

Bogetoft, P. & Otto, L. 2011. Benchmarking with DEA, SFA,and R. Denmark: Springer Science & BusinessMedia.

Bolli, T. & Thi, A.V. 2012. On the Estimation of Efficiencyand Economies of Scale in MicrofinanceIntitutions. KOF Working Papers Swiss Federal Insti-tute of Technology Zurich, 12(296): 2-11.

Buchori, A. 2003. Kajian Kinerja Industri BPRS di Indo-nesia. Buletin Ekonomi Moneter dan Perbankan, 5(4):64-123.

Charnes, A., Cooper, W.W. and Rhodes, E. 1978. Measur-ing the Efficiency of Decision Making Units. Euro-pean Journal of Operational Research, 2: 429–44.

Delis, M.D., Koutsomanoli, F.A., Staikouras, C., &Gerogiannaki, K. 2009. Evaluating Cost andProfit Efficiency: A Comparison of Parametric andNon-Parametric Methodologies. Applied FinancialEconomics, 19(9): 191-202.

Endri & Wakil, A. 2008. Analisis Kinerja Keuangandengan Menggunakan Rasio-Rasio Keuangandan Economic Value Added (Studi Kasus: PT.Bank Syariah Mandiri). Jurnal Ekonomi, 1(13): 123-140.

Fiorentino, E., Karmann, A., & Koetter, M. 2006. The CostEfficiency of German Banks: A Comparison of SFAdan DEA. Discussion Paper Series 2: Banking andFinancial Studies Deutche Bundesbank, 6(10): 1-18.

Firdaus, M.F. & Hosen, M.N. 2013. Efisiensi Bank UmumSyariah Menggunakan Pendekatan Two-StageData Envelopment Analysis. Buletin EkonomiMoneter dan Perbankan (BEMP), 16(2): 168-186.

Hadad, M.D., Santoso, W., Mardanugraha, E., & Ilyas, D.2003. Pendekatan Parametrik untuk EfisiensiPerbankan Indonesia. http://www.bi.go.id. DiaksesTanggal 3 April 2013.

Hadad, M.D., Santoso, W., Mardanugraha, E., & Ilyas, D.2003. Analisis Efisiensi Industri Perbankan Indonesia:Penggunaan Metode Nonparametrik Data EnvelopmentAnalysis (DEA). http://www.bi.go.id. DiaksesTanggal 30 Agustus 2013.


| 328 |

Hosen, M.N. & Muhari, S. 2013. Efficiency of the ShariaRural Bank in Indonesia Lead to ModifiedCAMEL. International Journal of Academic Researchin Economics and Management Sciences, 2(5): 34-53.

Infobank. Duh, Ribuan Pesaing Dihadapi BPR. http://www.infobanknews.com. Diakses Tanggal 18Desember 2012.

Jemric, I. & Vujcic, B. 2002. Efficiency of Banks in Croatia:A DEA Approach. Working Paper Series CroatianNational Bank, 44(10): 169-193.

Direktorat Perbankan Syariah Bank Indonesia. 2004.Kajian tentang Tingkat Kesehatan bagi Bank Syariah.

Kusumawardani, D. 2008. Tingkat Kesehatan danEfisiensi Bank Perkreditan Rakyat Jawa Timur.Majalah Ekonomi Universitas Airlangga, 18(2): 114–132.

Nuryantono, N., Anggraenie, T., & Firdaus, R.S. 2012.Efficiency Level of BPR: Study of Stochastic Fron-tier Analysis with an Approach of Time VaryingDecay. International Research Journal of Finance andEconomics, 4(85): 6-13.

Paramita, D.P.R. 2008. Efisiensi Bank Perkreditan Rakyat(BPR) di Indonesia: Pendekatan Stochastic Fron-

tier Analysis (SFA) dan Data Envelopment Analy-sis (DEA). Skripsi. Departemen Ilmu EkonomiFakultas Ekonomi dan Manajemen InstitutPertanian Bogor.

Rahardja, P. & Manurung, M. 2006. Teori Ekonomi Makro:Suatu Pengantar. Jakarta: LPFE UI.

Rahmawati, R. & Hosen, M.N. 2012. Efficiency of FundManagement of Sharia Banking in Indonesia(Based on Parametric Approach). International Jour-nal of Academic Research in Economics and Manage-ment Sciencies, 1(2): 144–157.

Setiawati, A.K. & Setiawan. 2013. Permodelan PersentasePenduduk Miskin di Jawa Timur dengan Pende-katan Ekonometrika Panel Spasial. Jurnal Sains danSeni ITS, 1(1): 25-33.

Sujianto, A.E. 2009. Aplikasi Statistik dengan SPSS 16.0.Jakarta: Prestasi Pustaka Publisher.

Supranto, J. 2004. Ekonometri Buku Kedua. Bogor: GhaliaIndonesia.

Yudistira, D. 2004. Efficiency in Islamic Banking: AnEmpirical Analysis of Eighteen Banks. Islamic Eco-nomic Studies, 12(1): 1-19.

jurkubank.wordpress.com TINGKAT EFISIENSI BPRS DI ... · Jurnal Keuangan dan Perbankan, Vol.18,...

Documents

Transcript of jurkubank.wordpress.com TINGKAT EFISIENSI BPRS DI ... · Jurnal Keuangan dan Perbankan, Vol.18,...