Analisis Kinerja Keuangan dalam Memprediksi Kondisi Financial … · 2019. 7. 31. · Krisis keuangan yang terjadi di Amerika pada tahun 2008 dan di Eropa pada tahun 2010 tidakhanya

Universitas Sumatera Utara

Repositori Institusi USU http://repositori.usu.ac.id

Departemen Manajemen Skripsi Sarjana

2018

Analisis Kinerja Keuangan dalam

Memprediksi Kondisi Financial Distress

pada Perbankan yang terdaftar di Bursa

Efek Indonesia

Simbolon, Jaya Soogoron

Universitas Sumatera Utara

http://repositori.usu.ac.id/handle/123456789/6949

Downloaded from Repositori Institusi USU, Univsersitas Sumatera Utara

SKRIPSI

ANALISIS KINERJA KEUANGAN DALAM MEMPREDIKSI KONDISI FINANCIAL DISTRESS PADA PERBANKAN YANG TERDAFTAR

DI BURSA EFEK INDONESI

OLEH

JAYA SOOGORON SIMBOLON 150521071

PROGRAM STUDI STRATA-1 MANAJEMEN EKSTENSI DEPARTEMEN MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS SUMATERA UTARA

MEDAN 2018

UNIVERSITAS SUMATERA UTARA



ABSTRAK

ANALISIS KINERJA KEUANGAN DALAM MEMPREDIKSI KONDISI FINANCIAL DISTRESS PADA PERBANKAN YANG TERDAFTAR

DI BURSA EFEK INDONESIA (BEI)

Penelitian ini bertujuan untuk mengetahui dan menganalisis pengaruh kinerja keuangan berupa rasio perbankan CAR, NPL, NIM, ROA, BOPO dan LDR terhadap kondisi financial distress pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia. Sampel yang digunakan penelitian ini adalah 28 (dua puluh delapan) perusahaan perbankan yang terdaftar di Bursa Efek Indonesia. Metode analisis data yang digunakan adalah metode statistik deskriptif dan metode regresi linier berganda data panel. Hasil penelitian ini menunjukkan bahwa secara serempak, Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin (NIM), Return On Asset (ROA), Biaya Operasional terhadapan Pendapatan Operasional (BOPO), Loan to Deposite Ratio (LDR) secara serempak berpengaruh signifikan terhadap variabel dependen, yaitu prediksi Financial Distress, sedangkan secara parsial Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Return On Asset (ROA), Loan to Deposite Ratio (LDR) berpengaruh negatif dan tidak signifikan terhadap prediksi Financial Distress pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia, sedangakan Net Interest Margin (NIM)) berpengaruh positif dan signifikan terhadap prediksi Financial Distress pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia dan Biaya Operasional terhadap Pendapatan Operasional (BOPO) berpengaruh negatif dan signifikan terhadap prediksi Financial Distress pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.

Kata Kunci: Rasio CAR, NPL, NIM, ROA, BOPO, LDR, Financial Distress.


ABSTRACT

ANALYSIS OF FINANCIAL PERFORMANCE IN PREDICTING FINANCIAL DISTRESS CONDITIONS IN BANKING LISTED

IN INDONESIA STOCK EXCHANGE

This study aims to determine and analyze the influence of financial performance in the form of banking ratios CAR, NPL, NIM, ROA, BOPO and LDR to financial distress in banking companies listed on the Indonesia Stock Exchange. The sample used in this research is 28 (twenty eight) banking companies listed on Indonesia Stock Exchange. Data analysis method used is descriptive statistic method and multiple linear regression method of panel data. The results of this study indicate that simultaneously, Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin (NIM), Return On Assets (ROA), Operational Cost of Operating Income (BOPO), Loan to Deposite Ratio LDR) simultaneously have a significant effect on dependent variable, that is Financial Distress prediction, whereas partially Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Return On Assets (ROA), Loan to Deposite Ratio (LDR) significant to the prediction of Financial Distress on banking companies listed on the Indonesia Stock Exchange, while Net Interest Margin (NIM) has a positive and significant impact on the prediction of Financial Distress in banking companies listed on the Indonesia Stock Exchange and Operating Cost to Operating Income (BOPO) negative and significant to the prediction of Financial Distress on banking companies listed on the Stock Exchange Indonesia.

Keywords: Ratio CAR, NPL, NIM, ROA, BOPO, LDR,Financial Distress.


KATA PENGANTAR

Segala puji syukur peneliti panjatkan kehadirat Tuhan Yang Maha Esa atas

segala rahmat dan karunia-Nya peneliti masih diberikan kesehatan sehingga dapat

menyelesaikan skripsi yang berjudul “Analisis Kinerja Keuangan Dalam

Memprediksi Kondisi Financial Distress pada Perbankan yang terdaftar di

Bursa Efek Indonesia”. Tujuan penulisan skripsi ini adalah salah satu syarat

untuk memperoleh gelar Sarjana Ekonomi di Fakultas Ekonomi dan Bisnis

Universitas Sumatera Utara. Peneliti menyadari bahwa skripsi ini masih jauh dari

sempurna, karena itu peneliti masih mengharapkan kritik dan saran dari semua

pihak, agar skripsi ini dapat lebih baik lagi. Dengan segala kerendahan hati,

peneliti berharap skripsi ini dapat bermanfaat bagi berbagai pihak.

Pada kesempatan ini, peneliti mengucapkan terima kasih yang sebesar-

besarnya buat orang tua tercinta bapak H. Simbolon dan ibu M. Br Situmeang

yang telah membesarkan, mendidik dan memberikan dukungan, dan doa yang tak

henti-hentinya kepada peneliti. Selama proses penyusunan skripsi ini peneliti

menyadari banyak mendapat bantuan dan bimbingan dari berbagai pihak. Untuk

itu peneliti mengucapkan terima kasih sebesar-besarnya kepada:

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

Universitas Sumatera Utara.

2. Bapak Dr. Amlys Syahputra Silalahi, SE, M.Si dan Bapak Doli Muhammad

Ja’far Dalimunthe, SE, M.Si, selaku Ketua dan Sekretaris Program Studi

Manajemen Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara.

3. Ibu Dr. Isfenti Sadalia, SE, M.Si, selaku Dosen Pembimbing yang telah


membantu dan memberikan bimbingan, dukungan, arahan kepada peneliti

dalam penyelesaian skripsi ini.

4. Bapak Dr. Amlys Syahputra Silalahi, M.Si, selaku Dosen Penguji I yang telah

memberikan arahan dan masukan dalam menyelesaikan skripsi ini.

5. Ibu Dra. Nisrul Irawati, MBA, selaku Dosen Penguji II yang memberikan

waktu, arahan dan masukan dalam penyelesaian skripsi ini.

6. Untuk seluruh Dosen dan Pegawai Fakultas Ekonomi dan Bisnis Universitas

Sumatera Utara untuk setiap jasa-jasanya selama perkuliahan.

7. Terimakasih kepada sahabat peneliti (CASARMI) terima kasih atas doa,

semangat, dan dukungan yang diberikan kepada peneliti.

8. Terimakasih kepada rekan-rekan khususnya bagi Manajemen Ekstensi 2015

grup B dan Konsentrasi Manajemen Keuangan yang telah memberikan

semangat kepada peneliti.

Medan, Mei 2018 Peneliti,

Jaya Soogoron Simbolon NIM: 150521071


DAFTAR ISI

Halaman

ABSTRAK .............................................................................................. i ABSTRACK ........................................................................................... ii KATA PENGANTAR ............................................................................ iii DAFTAR ISI ........................................................................................... v DAFTAR GAMBAR .............................................................................. vii DAFTAR TABEL .................................................................................. viii DAFTAR LAMPIRAN .......................................................................... ix

BAB 1 PENDAHULUAN .................................................................. 1 1.1 Latar Belakang ................................................................ 1 1.2 Perumusan Masalah ........................................................ 12 1.3 Tujuan Penelitian ............................................................ 13 1.4 Manfaat Penelitian .......................................................... 13

BAB II TINJAUAN PUSTAKA ........................................................ 15 2.1 Bank ................................................................................ 15 2.2 Kinerja Keuangan ........................................................... 17 2.3 Rasio Keuangan .............................................................. 18

2.3.1 CAR ..................................................................... 18 2.3.2 NPL ..................................................................... 19 2.3.3 NIM ..................................................................... 20 2.3.4 ROA .................................................................... 21 2.3.5 BOPO .................................................................. 22 2.3.6 LDR ..................................................................... 23

2.4 Financial Distress ........................................................... 24 2.5 Prediksi Financial Distress ............................................. 26 2.6 Rasio Keuangan Model Altman ...................................... 26 2.7 Penelitian Terdahulu ....................................................... 27 2.8 Kerangka Konseptual ...................................................... 29 2.9 Hipotesis Penelitian ......................................................... 30

BAB III METODE PENELITIAN ..................................................... 31 3.1 Jenis Penelitian ................................................................ 31 3.2 Tempat dan Waktu Penelitian ......................................... 31 3.3 Batasan Operasional Variabel ......................................... 31 3.4 Definisi Operasional dan Pengukuran Variabel .............. 32

3.4.1 Variabel Dependen .............................................. 32 3.4.2 Variabel Independen ........................................... 33

3.5 Populasi dan Sampel Penelitian ...................................... 36 3.6 Jenis dan Sumber Data .................................................... 37 3.7 Metode Pengumpulan Data ............................................. 37 3.8 Teknik Analisis Data ....................................................... 38

3.8.1 Analisis Statistik Deskriptif ................................ 38 3.8.2 Pemilihan Model Data Panel ............................... 38


3.8.3 Analisis Regresi Linier Berganda ....................... 40 3.9 Uji Asumsi Klasik ........................................................... 40 3.10 Uji Hipotesis.................................................................... 44

3.10.1 Pengujian Secara Simultan (Uji-F) ..................... 44 3.10.2 Pengujian Secara Parsial (Uji-t) .......................... 45 3.10.3 Koefisien Determinasi (R2

BAB IV HASIL PENELITIAN DAN PEMBAHASAN .................... 47

) ................................. 45

4.1 Gambaran Umum Perusahaan ......................................... 47 4.2 Analisis Deskriptif .......................................................... 48 4.3 Pemilihan Estimasi .......................................................... 53 4.4 Hasil Uji Asumsi Klasik ................................................. 57 4.5 Pengujian Hipotesis ......................................................... 61 4.6 Pembahasan Hasil Penelitian .......................................... 65

4.6.1 Pengaruh CAR terhadap Financial Distress ....... 65 4.6.2 Pengaruh NPL terhadap Financial Distress ........ 66 4.6.3 Pengaruh NIM terhadap Financial Distress ........ 67 4.6.4 Pengaruh ROA terhadap Financial Distress ....... 67 4.6.5 Pengaruh BOPO terhadap Financial Distress ..... 68 4.6.6 Pengaruh LDR terhadap Financial Distress ....... 69

BAB V KESIMPULAN DAN SARAN .............................................. 70 5.1 Kesimpulan ..................................................................... 70 5.2 Saran ................................................................................ 70

DAFTAR PUSTAKA ............................................................................. 72

LAMPIRAN ............................................................................................. 74


DAFTAR GAMBAR

No Gambar Judul Halaman

2.1 Kerangka Konseptual ................................................................... 30 4.1 Hasil Uji Normalitas Uji Jarque Bera .......................................... 58


DAFTAR TABEL

No Tabel Judul Halaman

1.1 Perkembangan CAR, NPL, NIM, ROA, BOPO, LDR di BEI ...... 9 2.1 Kriteria Penilaian CAR ................................................................. 19 2.2 Kriteria Penilain NPL .................................................................... 20 2.3 Kriteria Penilaian NIM .................................................................. 21 2.4 Kriteria Penilaian ROA ................................................................. 22 2.5 Kriteria Penilaian BOPO ............................................................... 23 2.6 Kriteria Penilaian LDR .................................................................. 24 2.7 Ringkasan Penelitian Terdahulu .................................................... 27 3.1 Kriteria Pemilihan Sampel ............................................................ 36 3.2 Daftar Sampel Perusahaan Perbankan ........................................... 37 3.3 Kriteria Uji Durbin Watson .......................................................... 43 4.1 Gambaran Umum Perusahaan Perbankan ..................................... 47 4.2 Hasil Analisis Deskriptif ............................................................... 48 4.3 Prediksi Kondisi Financial Distress ............................................. 49 4.4 Pengujian Pooled Least Square ..................................................... 53 4.5 Pengujian Fixed Efect Model ........................................................ 54 4.6 Pengujian Random Efect Model .................................................... 55 4.7 Hasil Uji Chow .............................................................................. 56 4.8 Hasil Uji Hausman ........................................................................ 57 4.9 Hasil Uji Multikolinieritas ............................................................ 59 4.10 Hasil Uji Heteroskedastisitas ........................................................ 60 4.11 Hasil Uji Autokorelasi ................................................................... 61 4.12 Hasil Uji secara Serempak (Uji-F) ................................................ 62 4.13 Hasil Uji secara Parsial (Uji-t) ...................................................... 63


DAFTAR LAMPIRAN

No. Lampiran Judul Halaman

1. Daftar Nama Perusahaan Berdasarkan Kriteria Sampel ............... 74 2. Data Financial Distress, CAR, NPL, NIM, ROA, BOPO, LDR .. 75 3. Data Prediksi Altman Z-Score pada perbankan ............................ 78 4. Hasil Statistik Deskriptif ............................................................... 81 5. Hasil Uji Fixed Efect Model (FEM) ............................................. 82 6. Hasil Uji Jarque Bera Test ............................................................ 83 7. Hasil Uji Multikolinieritas ............................................................ 84 8. Hasil Uji Heteroskedastisitas ........................................................ 85 9. Hasil Uji Autokorelasi ................................................................... 86


BAB I

PENDAHULUAN

1.1 Latar Belakang

Krisis keuangan yang terjadi di Amerika pada tahun 2008 dan di Eropa

pada tahun 2010 tidak hanya berdampak bagi Amerika dan Eropa sendiri, namun

juga berdampak terhadap perekonomian global, dimana beberapa negara juga

mengalami gejolak perekonomian sebagai dampak dari krisis tersebut, dan

dampaknya masih terasa sampai saat ini. Perekomian global masih mengalami

pelemahan dan proses pemulihan ekonomi yang terjadi di beberapa kawasan

masih rentan dan tidak merata. Terutama negara-negara yang sedang berkembang,

dan Indonesia sebagai salah satu negara yang sedang berkembang tidak luput dari

dampak yang ditimbulkan krisis tersebut.

Analisis kesulitan keuangan merupakan salah satu prediksi yang sangat

penting dalam menentukan sehat tidaknya keuangan di suatu lembaga keuangan.

Perbankan di Indonesia mempunyai peranan yang sangat penting, salah satunya

menjaga kestabilan moneter yang disebabkan atas kebijakannya terhadap

simpanan masyarakat serta sebagai lalu lintas pembayaran. Bank sendiri

merupakan suatu badan usaha yang tujuannya menghasilkan keuntungan atau laba

dan untuk memaksimalkan labanya, sering kali perusahaan termasuk perbankan

melakukan segala cara bahkan yang merugikan stakeholders. Kebijakan ini erat

kaitannya dengan mampu atau tidaknya lembaga keuangan (perbankan) mengatur

keuangan dan pertumbuhan perusahaan. Seiring dengan krisis multi dimensi yang

melanda Indonesia, banyak masalah dan penderitaan yang dialami bangsa ini.


Salah satunya adalah dalam aspek ekonomi, yakni terpuruknya kegiatan ekonomi

karena semakin banyak perusahaan yang bangkrut, perbankan yang dilikuidasi

dan meningkatnya jumlah tenaga kerja yang menganggur.

Kemajuan suatu negara berkaitan erat dengan sistem perekonomian negara

tersebut. Baik buruknya perekonomian suatu negara akan berdampak pada

kemajuan serta kesejahteraan masyarakat yang ada di dalamnya. Tidak jarang,

buruknya kondisi perekonomian menyebabkan sejumlah perusahaan mengalami

kebangkrutan yang biasanya diawali dengan adanya kondisi financial distress.

Kondisi financial distress yakni suatu kondisi keuangan perusahaan yang berada

keadaan yang tidak sehat atau krisis (Afriyeni, 2012). Zaki et al. (2011)

menyebutkan financial distress sebagai suatu massa ketika peminjam dalam hal

ini individu maupun institusi tidak mampu menepati kewajiban pembayaran

kepada kreditur. Financial distress yakni proses bertahap dan kumulatif, yang

dikembangkan dari keadaan sehat (Zhuang dan Chen, 2014). Ketika perusahaan

mengalami kondisi financial distress, perusahaan akan memaksimalkan nilai

perusahaan untuk mengurangi risiko yang dihadapi perusahaan dan mulai

melakukan manajemen risiko untuk menghindari biaya yang mungkin

ditimbulkan dari financial distress (Akhigbe et al., 2014).

Kasus krisis keuangan atau financial distress sesungguhnya telah terjadi

berulang kali di berbagai belahan dunia, termasuk Indonesia. Kondisi financial

distress telah tercermin sejak pertengahan tahun 2013 ketika bank sentral Amerika

Serikat mengumumkan rencana penghentian kebijakan stimulus moneter yang

mengakibatkan sejumlah negara terutama negara berkembang mengalami tekanan


cukup kuat dikarenakan nilai tukar mata uang bergerak fluktuatif dengan

kecenderungan melemah. Pada tahun 2015, Indonesia kembali dihadapkan dengan

persoalan melemahnya nilai tukar rupiah hingga mencapai angka 14.728 per

dollar AS pada tanggal 29 September 2015 (website resmi Bank Indonesia) dan

kenaikan suku bunga acuan (The Fed). Angka tersebut merupakan level terlemah

rupiah sejak awal tahun 2015 dan hal tersebut menimbulkan kekhawatiran

tersendiri bagi sebagian besar masyarakat akan kembalinya masa krisis seperti

tahun 1998 dan tahun 2008. Isu mengenai kenaikan suku bunga acuan atau The

Fed di tahun 2015 memberikan dampak terhadap perekonomian Indonesia.

Kenaikan suku bunga acuan tidak hanya berpengaruh terhadap kondisi perusahaan

tetapi juga berdampak terhadap kondisi industri perbankan di Indonesia. Krisis

kecil pada perekonomian global telah mengguncang industri perbankan hingga

menimbulkan kerugian besar.

Bank adalah media penting untuk menstabilkan urutan finansial dan

mempromosikan pembangunan industri (Jia-Liu, 2014). Bank memiliki peranan

yang utama dalam penyaluran dana untuk tujuan produktif karena hal tersebut

memberikan kontribusi yang mendasar untuk pembangunan ekonomi (Stefancic et

al., 2011). Bank di sejumlah negara, seperti Singapura, telah kehilangan modal

akibat perlambatan ekonomi China. Bukan saja Singapura, tetapi hampir semua

bank di dunia saat ini sedang bermasalah. Perlambatan ekonomi menyebabkan

bisnis bank merosot, meningkatnya kredit macet serta turunnya tingkat penyaluran

kredit sehingga dampaknya ke profit, bahkan ada yang sampai rugi. Berdasarkan berita

yang termuat dalam Liputan6.com (tertanggal 21 Februari 2016) bahwa lembaga


perbankan terpaksa mengambil langkah pemutusan hubungan kerja (PHK) para

karyawannya sebagai dampak dari krisis kecil pada perekonomian global yang telah

mengguncang bisnis perbankan hingga memicu kerugian besar. Kondisi tersebut juga

terjadi di beberapa negara seperti Amerika Serikat (AS) dan Eropa.

Ketika ekonomi bermasalah, bank-bank yang menyalurkan kredit pun ikut

bermasalah. Kondisi kredit yang bermasalah meningkatkan pada terjadinya kasus

financial distress di sejumlah lembaga perbankan. Fenomena terjadinya krisis

keuangan tersebut menyebabkan berbagai pihak terutama perbankan perlu

melakukan antisipasi terhadap risiko kemungkinan timbulnya kasus financial

distress. Salah satu cara untuk mengatasi kekhawatiran akan timbulnya financial

distress yakni pihak perbankan perlu menilai kesehatan perbankan tersebut. Perlu

adanya suatu sistem yang dapat digunakan dalam menilai kondisi perbankan

tersebut apakah dalam kondisi yang baik atau tidak, sehingga pihak manajemen

perbankan dapat menyiapkan langkah yang tepat dalam mengatasi masalah yang

timbul nantinya.

Munculnya berbagai model prediksi kebangkrutan merupakan antisipasi

dan sistem peringatan dini terhadap financial distress karena model tersebut dapat

digunakan sebagai sarana untuk mengidentifikasikan bahkan memperbaiki kondisi

sebelum sampai pada kondisi krisis atau kebangkrutan. Hal lain yang mendorong

perlunya peringatan dini adalah munculnya problematika keungan yang

mengancam operasional perusahaan. Faktor modal dan risiko keuangan ditengarai

mempunyai peran penting dalam menjelaskan fenomena kepailitan atau tekanan

keuangan perusahaan tersebut. Dengan terdeteksinya lebih awal kondisi


perusahaan, sangat memungkinkan bagi perusahaan, investor dan para kreditur

(lembaga keuangan) serta pemerintah melakukan langkah-langkah antisipatif

untuk mencegah agar krisis keuangan segera tertangani.

Kondisi financial distress perusahaan merupakan suatu konsep luas yang

terdiri dari beberapa situasi di mana suatu perusahaan menghadapai masalah

kesulitan keuangan. Istilah umum menggambarkan situasi tersebut adalah

kegagalan, ketidakmampuan melunasi hutang, kinerja keuangan yang negatif, dan

masalah likuiditas. Model sistem peringatan untuk mengantisipasi financial

distress perlu dikembangkan sebagai sarana untuk mengindentifikasi bahkan

sebelum sampai pada kondisi krisis (Almilia, 2003:2).

Analisis kinerja keuangan untuk memprediksi kebangkrutan perusahaan

menjadi topik menarik setelah Altman tahun 1968 menemukan suatu formula

untuk mendeteksi kebangkrutan perusahaan dengan istilah yang sangat dikenal

yaitu Z-score Altman. Z-score merupakan skor yang ditentukan dari hitungan

standar dikalikan rasio-rasio keuangan yang akan menunjukkan tingkat

kemungkinan kebangkrutan perusahaan.

Sedangkan dalam penelitian ini, peneliti juga menggunakan rasio kinerja

keuangan yang merupakan rasio perbankan yaitu Capital Adequacy Ratio (CAR),

Non Performing Loan (NPL), Net Interest Margin (NIM), Return On Asset

(ROA), Biaya Operasional terhadap Pendapatan Operasional (BOPO), Loan to

Deposite Ratio (LDR) untuk mengukur tingkat kesehatan suatu perbankan dalam

memprediksi kondisi Financial Distress. Dimana rasio Capital Adequacy Ratio

(CAR) merupakan salah satu indikator kesehatan permodalan bank. Penilaian


permodalan merupakan penilaian terhadap kecukupan modal bank untuk

mengcover eksposur risiko saat ini dan mengantisipasi eksposur risiko dimasa

mendatang. CAR adalah rasio kinerja bank untuk mengukur kecukupan modal

yang dimiliki bank dalam menunjang aktiva yang mengandung atau menghasilkan

risiko, misalnya kredit yang diberikan. CAR memperlihatkan seberapa besar

jumlah seluruh aktiva bank yang mengandung resiko. Perhitungan CAR

diperoleh dari perbandingan modal sendiri dengan aktiva tertimbang menurut

risiko (ATMR) yang dihitung bank bersangkutan. Semakin besar persentase CAR

suatu bank menunjukkan semakin besar daya tahan suatu bank dalam menghadapi

penyusutan nilai harta bank yang timbul karena adanya harta yang bermasalah.

Berdasarkan ketentuan Bank Indonesia, bank yang dinyatakan termasuk sebagai bank

sehat harus memiliki CAR paling sedikit sebesar 8%. Pada penelitian sebelumnya

Almilia dan Herdiningtyas (2005) yang menyatakan bahwa CAR berpengaruh negatif

signifikan terhadap prediksi kondisi bermasalah pada sektor perbankan.

Indikator lain yang digunakan adalah salah satu rasio dalam mengukur

risiko usaha yaitu Non Performing Loan (NPL). Risiko usaha sering disebut

dengan kualitas aktiva produktif. Menurut Riyadi (2006), risiko kredit yaitu risiko

yang timbul apabila peminjam tidak dapat mengembalikan dana yang dipinjam

dan bunga yang harus dibayarnya. Kualitas kredit ditentukan oleh

kolektibilitasnya, yaitu lancar tidaknya pembayaran bunga dan pokok pinjaman

serta kemampuan debitur yang ditinjau dari keadaan usahanya. Besarnya NPL

yang diperbolehkan oleh bank Indonesia saat ini adalah maksimal 5%. Apabila

nilai NPL melebihi 5% maka perusahaan dinyatakan dalam kondisi bermasalah.


Menurut Kuncoro dan Suhardjono (2001), kredit bermasalah akan menyebabkan

menurunnya pendapatan bank, yang selanjutnya memungkinkan terjadinya penurunan

laba. Almilia dan Herdiningtyas (2005) menyatakan bahwa semakin buruk kualitas

kredit bank yang menyebabkan jumlah kredit bermasalah semakin besar maka

kemungkinan suatu bank dalam kondisi bermasalah semakin besar.

Indikator lain yang digunakan adalah Net Interest Margin (NIM) yaitu

untuk mengukur kemampuan earning asset/aktiva produktif atas hasil

pendapatannya (net interest income/NII) (Sawir dalam Suharman, 2007). Earning

asset terdiri dari surat-surat berharga, surat-surat berjangka, pinjaman, penyertaan

dan aktiva valuta asing. NIM merupakan perbandingan antara pendapatan bunga

bersih terhadap rata-rata aktiva produktif. Pendapatan bunga bersih diperoleh dari

pendapatan bunga dikurangi beban bunga. Aktiva produktif yang diperhitungkan

adalah aktiva produktif yang menghasilkan bunga (interest bearing assets)

(Prasnanugraha, 2007). Berdasarkan ketentuan Bank Indonesia, bank yang

dinyatakan termasuk sebagai bank yang sehat harus memiliki NIM paling sedikit

sebesar 1,5%. Almilia dan Hardiningtyas (2005) mengatakan bahwa semakin

besar rasio ini maka meningkatnya pendapatan bunga atas aktiva produktif yang

dikelola bank sehingga kemungkinan suatu bank dalam kondisi bermasalah

semakin kecil. Pada penelitian Januarti (2002) menyatakan NIM berpengaruh

signifikan terhadap kondisi bermasalah.

Rasio Return On Assets (ROA) yaitu Rasio ini merupakan salah satu dari

rasio yang digunakan untuk menilai aspek earning. Rasio ini digunakan untuk

mengukur kemampuan manajemen bank dalam memperoleh keuntungan (laba


sebelum pajak) yang dihasilkan dari rata-rata total aset bank yang bersangkutan

(Almilia dan Herdiningtyas, 2005). Bank dikatakan sehat jika rasio laba terhadap

volume usaha mencapai sekurang-kurangnya 1,2%. (Kuncoro dan Suhardjono,

2002). Riyadi dalam Mulyaningrum (2008) menyatakan semakin besar ROA,

semakin besar pula tingkat keuntungan yang dicapai bank sehingga kemungkinan

suatu bank dalam kondisi bermasalah semakin kecil.

Indikator lain yang digunakan adalah rasio Biaya Operasional terhadap

Pendapatan Operasional (BOPO) yaitu rasio yang sering disebut rasio efisiensi ini

digunakan untuk mengukur kemampuan manajemen bank dalam mengendalikan

biaya operasional terhadap pendapatan operasional (Almilia dan Herdiningtyas,

2005). Rasio BOPO yang ditolerir oleh Bank Indonesia adalah 96%, dan lebih

dari 96% dianggap bank tidak sehat dan tidak efisien dalam menjalankan

operasionalnya. Menurut Berger, et al (Kuncoro dan Suhardjono, 2002), bank

yang dalam kegiatan usahanya tidak efisien akan mengakibatkan ketidakmampuan

bersaing dalam mengerahkan dana masyarakat maupun dalam menyalurkan dana

tersebut kepada masyarakat yang membutuhkan sebagai modal usaha. Dengan

adanya efisiensi pada lembaga perbankan terutama efisiensi biaya maka akan

diperoleh tingkat keuntungan optimal, penambahan jumlah dana yang disalurkan,

biaya lebih kompetitif, peningkatan pelayanan kepada nasabah, keamanan dan

kesehatan perbankan yang meningkat. Riyadi dalam Mulyaningrum (2008)

menyatakan bahwa semakin rendah rasio BOPO berarti semakin baik kinerja

manajemen bank tersebut, karena lebih efisien dalam menggunakan sumber daya

yang ada di perusahaan.


Loan to Deposit Ratio (LDR) merupakan Salah satu rasio keuangan

untuk mengukur likuiditas. Rasio ini digunakan untuk menilai likuiditas suatu

bank yang dengan cara membagi jumlah kredit yang diberikan oleh bank

terhadap dana pihak ketiga. Kredit yang diberikan tidak termasuk kredit

kepada bank lain sedangkan untuk dana pihak ketiga adalah giro, tabungan,

simpanan berjangka, sertifikat ditentukan oleh Bank Indonesia besar LDR

maksimal adalah 100%, dan lebih dari 100% dianggap bank tidak sehat.

Santoso (1996) mengatakan bahwa semakin tinggi rasio LDR maka semakin

tinggi probabilitas dari sebuah bank mengalami kebangkrutan.

Berikut ini adalah perkembangan rasio Capital Adequacy Ratio (CAR),

Non Performing Loan (NPL), Net Interest Margin (NIM), Return On Asset

(ROA), Biaya Operasional terhadap Pendapatan Operasional (BOPO), Loan to

Deposite Ratio (LDR) pada perbankan yang terdaftar di Bursa Efek Indonesia.

Tabel 1.1 Perkembangan CAR, NPL, NIM, ROA, BOPO dan LDR pada Perbankan

yang terdaftar di Bursa Efek Indonesia

BANK TAHUN CAR (%) NPL (%) NIM (%) ROA (%) BOPO (%) LDR (%)

INPC

2014 0.1595 0.0192 0.0475 0.0079 0.9162 0.8762

2015 0.1520 0.0233 0.0456 0.0033 0.9666 0.8075

2016 0.1992 0.0277 0.0465 0.0035 0.9617 0.8639

MCOR

2014 0.2515 0.0271 0.0376 0.0079 0.9319 0.8403

2015 0.2150 0.0198 0.0444 0.0103 0.9070 0.8682

2016 0.2104 0.0303 0.0448 0.0069 0.9347 0.8643

SDRA

2014 0.2171 0.0251 0.0189 0.0281 0.5604 1.0120

2015 0.1882 0.0198 0.0474 0.0194 0.7989 0.9722

2016 0.1720 0.0153 0.0474 0.0193 0.7925 1.1045

Sumber: www.idx (Data Diolah)

Berdasarkan data pada Tabel 1.1 dapat dilihat rasio Capital Adequacy


http://www.idx/�

Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin (NIM), Return

On Asset (ROA), Biaya Operasional terhadap Pendapatan Operasional (BOPO),

Loan to Deposite Ratio (LDR) pada perbankan yang terdaftar di Bursa Efek

Indonesia dengan kode emiten INPC yaitu Bank Artha Graha International Tbk,

MCOR yaitu China Construction Bank Indonesia Tbk, dan SDRA yaitu Bank

Woori Saudara Tbk. Dapat dilihat pada perbankan dengan kode emiten INPC

pada tahun 2014-2015 CAR mengalami penurunan sebesar 0.0075 atau 0.75%

dan pada tahun 2015-2016 mengalami peningkatan sebesar 0.0472 atau 4,72%.

Sedangkan untuk NPL yang dimiliki perbankan INPC pada tahun 2014-2015

mengalami peningkatan sebesar 0.0041 atau 0.41% dan pada tahun 2015-2016

mengalami peningkatan kembali sebesar 0.0044 atau 0.44%. Sedangkan untuk

NIM pada tahun 2014-2015 mengalami penurunan sebesar 0.0019 atau 0.19% dan

pada tahun 2015-2016 mengalami peningkatan sebesar 0.0009 atau 0.09%.

Sedangkan ROA pada tahun 2014-2015 mengalami penurunan sebesar 0.0046

atau 0.46% dan pada tahun 2015-2016 mengalami peningkatan sebesar 0. 0002

atau 0.02%. Sedangkan BOPO pada tahun 2014-2015 mengalami peningkatan

sebesar 0.0504 atau 5.04% dan pada tahun 2015-2016 mengalami penurunan

sebesar 0.0049.Sedangkan untuk LDR pada tahun 2014-2015 mengalami

penurunan sebesar 0.0687 atau 6.87% dan pada tahun 2015-2016 mengalami

peningkatan sebesar 0.0564 atau 5.64%.

Pada perbankan MCOR pada tahun 2014-2015 CAR mengalami

penurunan sebesar 0.0365 atau 3,65% dan pada tahun 2015-2016 mengalami

penurunan lagi sebesar 0.0046 atau 0.46%. Sedangkan untuk NPL yang dimiliki


perbankan MCOR pada tahun 2014-2015 mengalami penurunan sebesar 0.0073

atau 0.73% dan pada tahun 2015-2016 mengalami peningkatan sebesar 0.0105

atau 1.05%. Sedangkan NIM pada tahun 2014-2015 mengalami peningkatan

sebesar 0.0068 atau 0.68% dan pada tahun 2015-2016 mengalami peningkatan

lagi sebesar 0.0004 atau 0.04%. Sedangkan ROA pada tahun 2014-2015

mengalami peningkatan sebesar 0.0024 atau 0.24% dan pada tahun 2015-2016

mengalami penurunan sebesar 0.0034 atau 0.34%. Sedangkan BOPO pada tahun

2014-2015 mengalami penurunan sebesar 0.0249 atau 2.49% dan pada tahun

2015-2016 mengalami peningkatan sebesar 0.0277 atau 2.77%. Sedangkan untuk

LDR pada tahun 2014-2015 mengalami peningkatan sebesar 0.0279 atau 2.79%

dan pada tahun 2015-2016 mengalami penurunan sebesar 0.0039 atau 0.39%.

Pada perbankan SDRA pada tahun 2014-2015 CAR mengalami penurunan

sebesar 0.0289 atau 2.89% dan pada tahun 2015-2016 mengalami penurunan lagi

sebesar 0.0162 atau 1.62%. Sedangkan untuk NPL yang dimiliki perbankan

SDRA pada tahun 2014-2015 mengalami penurunan sebesar 0.0053 atau 0.53%

dan pada tahun 2015-2016 mengalami penurunan kembali sebesar 0.0045 atau

0.45%. Sedangkan NIM pada tahun 2014-2015 mengalami peningkatan sebesar

0.0285 atau 2.85% dan pada tahun 2015-2016 tidak mengalami peningkatan

maupun penurunan. Sedangkan ROA pada tahun 2014-2015 mengalami

penurunan sebesar 0.0087 atau 0.87% dan pada tahun 2015-2016 mengalami

penurunan kembali sebesar 0.0001 atau 0.01%. Sedangkan BOPO pada tahun

2014-2015 mengalami peningkatan sebesar 0.2385 atau 23.85% dan pada tahun

2015-2016 mengalami penurunan sebesar 0.0064 atau 0.64%. Sedangkan untuk


LDR pada tahun 2014-2015 mengalami penurunan sebesar 0.0398 atau 3.98%

dan pada tahun 2015-2016 mengalami peningkatan sebesar 0.1323 atau 13.23%.

Berdasarkan data pada Tabel 1.1 dapat dilihat bahwa perbankan yang

terdaftar di Bursa Efek Indonesia memiliki kinerja keuangan yang berupa Capital

Adequacy Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin (NIM),

Return On Asset (ROA), Biaya Operasional terhadap Pendapatan Operasional

(BOPO), Loan to Deposite Ratio (LDR) yang tidak stabil dibeberapa perbankan

bahkan cenderung mengalami penurunan yang berkelanjutan. Kondisi keuangan ini

tentu merupakan cerminan untuk mengetahui kelancaran keuangan perusahaan.

Berdasarkan pemaparan tersebut, penulis ingin mengetahui bagaimana peran

rasio keuangan perbankan dalam memprediksi kondisi bermasalah pada lembaga

perbankan periode Januari 2014–Desember 2016. Penelitian ini terfokus untuk

memprediksi kondisi bermasalah pada lembaga perbankan, sehingga penulis tertarik

untuk melakukan penelitian yang berjudul “Analisis Kinerja Keuangan Dalam

Memprediksi Kondisi Financial Distress Pada Perbankan Yang Terdaftar Di

Bursa Efek Indonesia (BEI).”

1.2 Perumusan Masalah

Berdasarkan latar belakang masalah, maka perumusan masalah dalam

penelitian ini adalah:

1. Apakah CAR berpengaruh terhadap Financial Distress di BEI?

2. Apakah NPL berpengaruh terhadap Financial Distress di BEI?

3. Apakah NIM berpengaruh terhadap Financial Distress di BEI?

4. Apakah ROA berpengaruh terhadap Financial Distress di BEI?


5. Apakah BOPO berpengaruh terhadap Financial Distress di BEI?

6. Apakah LDR berpengaruh terhadap Financial Distress di BEI?

1.3 Tujuan Penelitian

Sehubungan dengan perumusan masalah tersebut, penelitian ini

bertujuan untuk:

1. Mengetahui dan menganalisi pengaruh CAR terhadap Financial Distress

pada perbankan yang terdaftar di BEI.

2. Mengetahui dan menganalisi pengaruh NPL terhadap Financial Distress pada

perbankan yang terdaftar di BEI.

3. Mengetahui dan menganalisi pengaruh NIM terhadap Financial Distress pada


4. Mengetahui dan menganalisi pengaruh ROA terhadap Financial Distress


5. Mengetahui dan menganalisi pengaruh BOPO terhadap Financial Distress


6. Mengetahui dan menganalisi pengaruh LDR terhadap Financial Distress pada


1.4 Manfaat Penelitian

Adapun manfaat dari penelitian ini adalah sebagai berikut:

1. Bagi Peneliti

Untuk mengetahui secara jelas mengenai hal-hal apa saja yang mempengaruhi

kondisi bermasalah bank dan dapat membandingkan antara teori-teori yang


diperoleh pada waktu perkuliahan dengan praktek langsung dalam perusahaan.

2. Bagi Dunia Ilmu Pengetahuan

Penelitian ini diharapkan dapat memberikan sumbangan pikiran sebagai bahan

pertimbangan bagi pihak lain yang membutuhkan informasi terutama yang

berkaitan dengan kondisi bermasalah pada bank

4. Bagi Investor

Penelitian ini dapat menjadi salah satu bahan pertimbangan investor dalam

memilih bank untuk diberikan dana investasi, dengan melihat aspek-aspek yang

dapat menunjukkan apakah bank memiliki kemungkinan mengalami financial

distress, sehingga investor terhindar untuk memilih bank yang memiliki

kemungkinan mengalami financial distress.

4. Bagi Perbankan

Untuk memberikan sumbangan pikiran berupa bahasan dan saran-saran dari

penulis kepada bank-bank mengenai prediksi kondisi bermasalah pada bank.

5. Bagi Nasabah

Penelitian ini dapat menjadi salah satu bahan pertimbangan dalam memilih bank

sebagai tempat penyimpanan uang. Nasabah dapat terhindar dari pemilihan bank

yang memiliki kemungkinan mengalami financial distress.


BAB II

TINJAUAN PUSTAKA

2.1 Bank

Menurut Undang-Undang No. 10 tahun 1998 tentang perbankan, “Bank

adalah badan usaha yang menghimpun dana dari masyarakat dalam bentuk

simpanan dan menyalurkannya kepada masyarakat dalam bentuk kredit dan atau

bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak.”

Ikatan Akuntan Indonesia dalam Standar Akuntansi Keuangan No. 31 (2007)

menyatakan bahwa : Bank adalah badan usaha yang menghimpun dana dari

masyarakat dalam bentuk kredit dan atau bentuk lainnya dalam rangka

meningkatkan taraf hidup rakyat banyak. Berdasarkan beberapa uraian dari

definisi bank dapat diambil kesimpulan bahwa bank adalah suatu badan hukum

yang kegiatannya menghimpun dana masyarakat dan menyalurkannya kepada

masyarakat yang membutuhkan dana.

Menurut Budisantoso dan Nuritomo (2014 : 9) fungsi utama bank adalah

menghimpun dana dari masyarakat dan menyalurkannya kembali kepada

masyarakat untuk berbagai tujuan atau sebagai financial intermediary. Secara

spesifik bank dapat berfungsi sebagai :

1. Agent of trust

Dasar utama kegiatan perbankan adalah kepercayaan. Masyarakat akan mau

menitipkan dananya di bank karena adanya kepercayaan. Pihak bank juga akan

menyalurkan dananya kepada debitur karena adanya unsur kepercayaan.

2. Agent of development


Kegiatan bank yang berupa menghimpun dan menyalurkan dana memungkinkan

masyarakat melakukan kegiatan investasi, kegiatan distribusi, serta kegiatan

konsumsi barang dan jasa. Kelancaran kegiatan investasi-distribusi-konsumsi

adalah kegiatan pembangunan perekonomian suatu masyarakat.

3. Agent of services

Bank memberikan penawaran jasa perbankan lain, seperti jasa pengiriman uang,

penitipan barang berharga, pemberian jaminan bank dan penyelesaian tagihan.

Menurut Budisantoso dan Nuritomo (2014 : 11-12) peran bank adalah

sebagai berikut :

1. Pengalihan aset (asset transmutation)

Bank akan memberikan pinjaman kepada pihak yang membutuhkan dana

dalam jangka waktu tertentu yang telah disepakati. Sumber dana pinjaman

tersebut diperoleh dari pemilik dana yaitu unit surplus yang jangka waktunya

dapat diatur sesuai dengan pemilik dana. Dalam hal ini bank telah berperan

sebagai pengalih aset yang likuid dari unit surplus (lenders) kepada unit

defisit (borrowers).

2. Transaksi (Transaction)

Bank memberikan berbagai kemudahan kepada pelaku ekonomi untuk

melakukan transaksi barang dan jasa dengan mengeluarkan produk-produk

yang dapat memudahkan kegiatan transaksi diantaranya giro, deposito, saham

dan sebagainya.

3. Likuiditas (Liquidity)

Unit surplus dapat menempatkan dana yang dimilikinya dalam bentuk


produk-produk berupa giro, tabungan, deposito dan sebagainya. Untuk

kepentingan likuiditas para pemilik dana dapat menempatkan dananya sesuai

dengan kebutuhan dan kepentingannya karena produk-produk tersebut

mempunyai tingkat likuiditas yang berbeda-beda.

4. Efisiensi (Efficiency)

Adanya informasi yang tidak simetris antara peminjam dan investor

menimbulkan masalah insentif, sehingga menimbulkan ketidakefisienan dan

menambah biaya. Dengan adanya bank sebagai broker maka masalah tersebut

dapat teratasi.

2.2 Kinerja Keuangan

Kinerja keuangan adalah suatu analisis yang digunakan untuk melihat

sejauh mana suatu mana perusahaan telah melaksanakan aturan-aturan pelaksanaan

keuangan secara baik dan benar (Fahmi, 2011). Kinerja keuangan suatu perusahaan

dapat diukur menggunakan rasio-rasio keuangan yang terdapat pada laporan

keuangan perusahaan. Rasio keuangan merupakan kegiatan membandingkan angka-

angka yang ada dalam laporan keuangan dengan cara membagi satu angka dengan

angka lainnya. Hasil dari rasio keuangan inilah yang digunakan untuk menilai

kinerja manajemen dalam suatu periode apakah mencapai target seperti yang telah

ditetapkan atau tidak. Selain itu juga untuk menilai kemampuan manajemen dalam

memberdayakan sumber daya perusahaan secara efektif dan efisien. Dari kinerja

yang dihasilkan ini juga dapat dijadikan sebagai evaluasi hal-hal apa saja yang perlu

dilakukan ke depan agar kinerja manajemen dapat ditingkatkan dan dipertahankan

sesuai dengan target perusahaan (Kasmir, 2010).


2.3 Rasio Keuangan

Menurut Usman (2003), analisis kinerja keuangan adalah suatu kegiatan

yang dilakukan untuk memperoleh gambaran perkembangan finansial dan posisi

finansial perusahaan. Analisis kinerja keuangan biasanya didasarkan pada laporan

keuangan terbitan perusahaan dan informasi ekonomi lainnya tentang perusahaan

dan industrinya yang bersumber pada laporan tahunan. Menurut Winarto (2006),

financial distress atau kondisi bermasalah dapat diperkirakan dengan melihat hasil

perhitungan rasio-rasio keuangan dari laporan kinerja keuangan. Analisis rasio

keuangan berguna sebagai analisis intern bagi manajemen perusahaan untuk

mengetahui hasil finansial yang telah dicapai guna perencanaan yang akan datang

dan juga untuk analisis intern bagi kreditor dan investor untuk menentukan

kebijakan pemberian kredit dan penanaman modal suatu perusahaan.

Analisis rasio keuangan menunjukkan hubungan di antara pos-pos yang

terpilih dari data laporan keuangan. Rasio memperlihatkan hubungan matematis di

antara satu kuantitas dengan kuantitas lainnya. Hubungan ini dinyatakan dalam

presentase, tingkat, maupun proporsi tunggal (Gamayuni, 2006). Rasio-rasio

keuangan memberikan indikasi tentang kekuatan keuangan dari suatu perusahaan

(Winarto, 2006). Penelitian ini menggunakan rasio keuangan yang diproksikan

dalam CAMEL, yang terdiri dari:

2.3.1 Capital Adequacy Ratio (CAR)

CAR adalah rasio yang memperlihatkan seberapa jauh seluruh aktiva bank

yang mengandung resiko (kredit, penyertaan, surat berharga, tagihan pada bank

lain) ikut dibiayai dari dana modal sendiri bank di samping memperoleh dana dari


sumber-sumber di luar bank, seperti dana masyarakat, pinjaman (utang), dan lain-

lain. CAR merupakan indikator terhadap kemampuan bank untuk menutupi

penurunan aktivanya sebagai akibat dari kerugian-kerugian bank yang disebabkan

oleh aktiva yang berisiko (Dendawijaya, 2009). Dengan penetapan CAR pada

tingkat tertentu dimaksudkan agar bank memiliki kemampuan modal yang cukup

untuk meredam kemungkinan timbulnya resiko sebagai akibat berkembang atau

meningkatnya ekspansi aset terutama aktiva yang dikategorikan dapat

memberikan hasil dan sekaligus mengandung resiko (Werdaningtyas, 2002).

Rasio ini dapat dirumuskan sebagai berikut:

CAR =Modal

Aktiva tertimbang menurut risiko× 100%

Kriteria penilaian tingkat kesehatan rasio CAR (Capital Adequacy Ratio)

dapat dilihat pada tabel dibawah ini.

Tabel. 2.1 Kriteria Penilaian CAR

Rasio Predikat

CAR ≥ 12% Sangat Sehat

9% ≤ CAR ≤ 12% Sehat

8% ≤ CAR ≤ 9% Cukup Sehat

6% ≤ CAR ≤ 8% Kurang Sehat

CAR ≤ 6% Tidak Sehat

Sumber : Bank Indonesia

Berdasarkan tabel di atas, dapat dilihat bahwa bank dapat dikatakan sehat

apabila memiliki nilai CAR minimal 8%, sedangkan untuk bank yang dikatakan

tidak sehat apabila CAR bank tersebut kurang dari 8%.


2.3.2 Non Performing Loan (NPL)

Rasio ini menunjukkan bahwa kemampuan manajemen bank dalam

mengelola kredit bermasalah yang diberikan oleh bank. Kredit dalam hal ini

adalah kredit yang diberikan kepada pihak ketiga tidak termasuk kredit kepada

bank lain. Kredit bermasalah adalah kredit dengan kualitas kurang lancar,

diragukan dan macet (Almilia dan Herdiningtyas, 2005). Semakin tinggi NPL,

maka akan semakin buruk kualitas kredit bank. Hal tersebut menyebabkan jumlah

kredit bermasalah bank semakin meningkat sehingga kemungkinan bank

mengalami financial distress semakin besar.

Rasio ini dirumuskan sebagai berikut:

NPL =Kredit Bermasalah

Total Kredit× 100%

Kriteria penilaian tingkat kesehatan rasio NPL (Non Performing Loan)

dapat dilihat pada tabel dibawah ini.

Tabel. 2.2 Kriteria Penilaian NPL

Rasio Predikat

NPL ≤ 2% Sangat Sehat

2% ≤ NPL ≤ 3% Sehat

3% ≤ NPL ≤ 6% Cukup Sehat

6% ≤ NPL ≤ 9% Kurang Sehat

NPL ≥ 9% Tidak Sehat


Berdasarkan tabel di atas, dapat diketahui bahwa suatu bank dikatakan sehat

apabila memiliki nilai NPL sebesar kurang dari 6% dan apabila NPL bank memiliki

NPL melebihi 6% maka bank tersebut dikategorikan sebagai bank tidak sehat.


2.3.3 Net Interest Margin (NIM)

NIM merupakan rasio yang digunakan untuk mengukur kemampuan

manajemn perusahaan untuk mengelola aktiva produktifnya untuk menghasilkan

pendapatan bunga bersih. Perhitungan NIM diperoleh dari perbandingan

pendapatan bunga bersih dengan aktiva produktif. Pendapatan bunga bersih

diperoleh dari pendapatan bunga dikurangi beban bunga dan pendapatan bunga

bersih disetahunkan. Aktiva produktif yang diperhitungkan adalah aktiva

produktif yang menghasilkan bunga.


NIM =Pendapatan Bunga Bersih

Aktiva Produktif× 100%

Kriteria penilaian tingkat kesehatan rasio NIM (Net Interest Margin) dapat

dilihat pada tabel dibawah ini.

Tabel. 2.3 Kriteria Penilaian NIM

Rasio Predikat

NIM ≥ 2% Sangat Sehat

2% ≤ NIM ≤ 1,2% Sehat

1,2% ≤ NIM ≤ 1,0% Cukup Sehat

1,0% ≤ NIM ≤ 0,75% Kurang Sehat

NIM ≤ 0,75% Tidak Sehat


2.3.4 Return on Assets (ROA)

Rasio ini digunakan untuk mengukur kemampuan manjemen bank dalam

memperoleh keuntungan (laba) secara keseluruhan. Semakin besar ROA suatu

bank, semakin besar pula tingkat keuntungan yang dicapai bank tersebut dan

semakin baik pula posisi bank tersebut dari segi penggunaan aset. Dengan


demikian semakin tinggi aset bank dialokasikan pada pinjaman dan semakin

rendah rasio permodalan, maka kemungkinan bank untuk gagal akan semakin

meningkat. Sedangkan semakin tinggi ROA maka kemungkinan bank akan gagal

akan semakin kecil (Haryati, 2001).


ROA =Laba sebelum pajak

Rata − rata total aset× 100%

Kriteria penilaian tingkat kesehatan rasio ROA (Return on Assets) dapat


Tabel. 2.4 Kriteria Penilaian ROA

Rasio Predikat

ROA ≥ 1,5% Sangat Sehat

1,25% ≤ ROA ≤ 1,5% Sehat

0,5% ≤ ROA ≤ 1,25% Cukup Sehat

0% ≤ ROA ≤ 0,5% Kurang Sehat

ROA ≤ 0% Tidak Sehat


Tabel di atas menunjukkan bahwa bank dikatakan sehat apabila ROA

lebih dari 0,5%. Sebaliknya, apabila maksimal 0,5%, maka bank tersebut

dinyatakan tidak sehat.

2.3.5 Biaya Operasional terhadap Pendapatan Operasional (BOPO)

Rasio biaya operasional digunakan untuk mengukur tingkat efisiensi dan

kemampuan bank dalam melakukan kegiatan operasinya. Mengingat kegiatan

utama bank pada prinsipnya adalah bertindak sebagai perantara, yaitu

menghimpun dan menyalurkan dana (misalnya dana masyarakat), maka biaya dan

pendapatan operasional bank didominasi oleh biaya bunga dan hasil bunga


(Dendawijaya, 2009). Menurut Siamat (1993), tingkat BOPO yang menurun

menunjukkan semakin tingi efisiensi operasional yang dicapai bank. Hal ini

berarti semakin efisien aktiva bank dalam menghasilkan keuntungan.

Rumus BOPO adalah:

BOPO =Biaya operasional

Pendapatan operasional× 100%

Kriteria penilaian tingkat kesehatan rasio BOPO (biaya operasional

terhadap pendapatan operasional) dapat dilihat pada tabel dibawah ini.

Tabel. 2.5 Kriteria Penilaian BOPO

Rasio Predikat

BOPO ≤ 94% Sangat Sehat

94% ≤ BOPO ≤ 95% Sehat

95% ≤ BOPO ≤ 96% Cukup Sehat

96% ≤ BOPO ≤ 97% Kurang Sehat

BOPO ≥ 97% Tidak Sehat


Berdasarkan tabel di atas, jika BOPO kurang dari 95%, maka bank

dikatakan sebagai bank sehat. Sedangkan apabila BOPO lebih dari 95%, bank

tersebut dinyatakan sebagai bank tidak sehat.

2.3.6 Loan to Deposit Ratio (LDR)

LDR adalah rasio antara seluruh jumlah kredit yang diberikan bank

dengan dana yang diterima oleh bank. Loan to deposit ratio menyatakan seberapa

jauh kemampuan bank dalam membayar kembali penarikan dana yang dilakukan

deposan dengan mengandalkan kredit yang diberikan sebagai sumber

likuiditasnya. Dengan kata lain, seberapa jauh pemberian kredit kepada nasabah

kredit dapat mengimbangi kewajiban bank untuk segera memenuhi permintaan


deposan yang ingin menarik kembali uangnya yang telah digunakan oleh bank

untuk memberikan kredit. Semakin tinggi rasio tersebut memberikan indikasi

semakin rendahnya kemampuan likuiditas bank yang bersangkutan. Hal ini

disebabkan karena jumlah dana yang diperlukan untuk membiayai kredit menjadi

semakin besar (Dendawijaya, 2009).

LDR dapat dirumuskan sebagai berikut:

LDR =Kredit

Dana pihak ketiga× 100%

Kriteria penilaian tingkat kesehatan rasio ROA (Return on Assets) dapat


Tabel. 2.6 Kriteria Penilaian LDR

Rasio Predikat

LDR ≤ 75% Sangat Sehat

75% ≤ LDR ≤ 85% Sehat

85% ≤ LDR ≤ 100% Cukup Sehat

100% ≤ LDR ≤ 120% Kurang Sehat

LDR ≥ 120% Tidak Sehat


Tabel 2.6 memperlihatkan bahwa bank dianggap sehat apabila LDR nya

kurang dari 85%. Apabila melebihi 85%, maka bank tersebut termasuk bank

tidak sehat.

2.4 Financial Distress

Financial distress adalah tahap kondisi keuangan yang terjadi sebelum

kebangkrutan ataupun likuidasi (Luciana, 2006:1). Menurut Endri (2009:37)

mengumpamakan kondisi financial distress sebagai suatu kondisi dari perusahaan

yang mengalami laba bersih (net profit) negatif selama beberapa tahun.


Sementara itu, penelitian yang dilakukan oleh Luciana (2006) mendefinisikan

kondisi financial distress sebagai suatu kondisi dimana perusahaan mengalami

delisted akibat laba bersih dan nilai buku ekuitas negatif berturut-turut serta

perusahaan tersebut telah di merger.

Sementara penelitian Endri (2009:37), mengkategorikan kondisi financial distress

berdasarkan kriteria debt default, yaitu terjadinya kegagalan membayar utang atau

terdapat indikasi kegagalan membayar utang (debt default) dengan melakukan

negosiasi ulang dengan kreditur atau institusi keuangan lainnya, dimana informasi

mengenai debt default dan indikasi debt default diambil dari informasi Wall Street

Journal Index (WSJI).

Menurut Ross dan Westerfield (2007) dalam Andree Boy (2008:30)

mendefinisikan bahwa

financial distress is a situation where a firm’s operating cash flow are not sufficient to satisfy current obligation (such a trade credit or interest expenses) and the firm is forced to take corrective action. Financial distress may lead a firm to default on a contract, and it may involve financial restructuring between a firm, its creditors and its equity investors. Usually the firm is forced to take actions that it would not have taken if it had sufficient cash flow.

Kondisi financial distress adalah suatu situasi dimana cash flow operasi

perusahaan tidak mampu menutupi atau mencukupi kewajiban perusahaan saat

ini, seperti Letter of Credit (L/C) atau biaya bunga, sehingga perusahaan dipaksa

untuk melakukan suatu tindakan korektif. Financial Distress dapat membawa

suatu perusahaan mengalami default pada kontraknya, yang akhirnya harus

dilakukan restrukturiasi financial pada perusahaan, kreditur-kreditur dan investor-

investor modal (equity investors) perusahaan tersebut.


Jika suatu perusahaan mengalami masalah dalam likuiditas maka sangat

memungkinkan perusahaan tersebut mulai memasuki masalah kesulitan keuangan

(financial distress) dan jika kondisi kesulitan tersebut tidak cepat diatasi maka ini

bisa berakibat kebangkrutan usaha (Bankruptcy). Untuk menghindari

kebangkrutan ini dibutuhkan berbagai kebijakan, strategi dan bantuan, baik

bantuan dari pihak internal maupun eksternal. Contohnya Bantuan Likuiditas

Bank Indonesia (BLBI) yang diberikan kepada beberapa bisnis yang dianggap

layak (feasible) untuk menerimanya. Walaupun beberapa bentuk BLBI dianggap

memiliki sisi permasalahannya seperti kasus pemberian BLBI kepada Bank

Century (Fahmi, 2013:157).

Financial distress merupakan suatu situasi dimana aliran kas operasi

sebuah perusahaan tidak cukup memuaskan kewajiban-kewajiban yang sekarang

(seperti perdagangan kredit atau pengeluaran bunga) dan perusahaan dipaksa

untuk melakukan tindakan korektif (Sjahrial, 2007:453).

2.5 Prediksi Financial Distress

Prediksi kesulitan keuangan maupun kebangkrutan dalam penelitian ini

dilakukan dengan menggunakan analisis multivariate, yaitu penggunaan dua variabel

atau lebih secara bersama-sama ke dalam suatu persamaan. Dalam hal ini, peneliti

menggunakan variabel yang dipakai oleh Altman (1968) yang dianggap paling

mampu dalam memprediksi kebangkrutan.

2.6 Rasio Keuangan Model Altman (1968)

Penelitian ini menggunakan metode analisis multivariate dalam pengolahan


datanya. Sampel yang digunakan dalam penelitian ini mencakup 66 perusahaan yang

sehat dan tidak sehat dalam kurun waktu 1954 sampai 1964. Perusahaan-perusahaan

tersebut dibagi menjadi beberapa kelompok yang masing-masing terdiri dari 33

perusahaan. Salah satunya merupakan kelompok perusahaan yang telah dinyatakan

bangkrut oleh Chapter X of National Bankruptcy Act pada periode 1949 sampai

dengan 1965. Pengolahan data penelitian ini dilakukan dengan menggunakan

multivariate discriminant analysis (MDA). Dari penelitian ini didapat suatu

persamaan yang dapat digunakan untuk mengukur kemungkinan kegagalan suatu

perusahaan. Angka index ini dikenal dengan istilah Altman Z-Score, formulanya

dapat dituliskan sebagai berikut:

Z = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X4 + 0,999 X5

Dimana : 1. Z = Z-Score Index

2. X1

3. X

= Working Capital to Total Asset (WC/TA)

2

4. X

= Retained Earnings to Total Assets (RE/TA)

3

5. X

= Earnings Before Interest and Tax to Total Assets (EBIT/TA)

4

6. X

= Market Value of Equity to Book Value of Debt (MVE/BVD)

5

Altman membagi perusahaan berdasarkan nilai dari Z-Score masing-masing

perusahaan menjadi 3 kategori yakni :

= Sales to Total Assets (S/TA)

1. Jika Z > 2,67 maka perusahaan dikategorikan sebagai perusahaan yang

sehat dan memiliki kemungkinan bangkrut yang rendah.

2. Jika 1,81 > Z > 2,67 maka perusahaan memiliki kemungkinan bangkrut

yang cukup besar.


3. Jika Z < 1,81 maka dikategorikan sebagai perusahaan yang tidak sehat dan

mengalami masalah keuangan yang besar dan risiko bangkrut dari

perusahaan sangat besar.

2.7 Penelitian Terdahulu

Pada tabel 2.1 disajikan penelitian-penelitian sebelumnya yang membahas

tentang analisis kinerja keuangan dalam memprediksi financial distress pada

perbankan, sebagai berikut:

Tabel 2.7 Ringkasan Penelitian Terdahulu

No

Judul/Peneliti

Variabel

Teknik Analisis

Data

Hasil

1 Bank distress prediction: Empirical evidence from the Gulf Cooperation countries/ Maghyereha, et al.(2014)

variabel-variabel CAMEL, variabel-variabel Non-CAMEL, variabel-variabel macroeconomic, variabel-variabel market structure, variabel-variabel regulatory, dan variabel institutional development

Logistic Regression

Variabel-variabel CAMEL merupakan variabel yang signifikan untuk memprediksi financial distress. Sementara dari variabel-variabel non-CAMEL, variabel size, diversification dan market power merupakan variabel yang signifikan. Variabel-variabel macroeconomic merupakan variabel yang signifikan, kecuali variabel struktur kepemilikan. Dari variabel-variabel regulatory, ditemukan bahwa variabel power of the supervisor dan variabel restrictions on non-traditional banking activities merupakan variabel signifikan. Dan variabel institutional development merupakan variabel yang signifikan

2 Predicting distress in European banks/ Betz, et al. (2014)

27 variabel yang dikelompokkan ke dalam tiga indikator, yaitu bank-specific indicators, country-specific banking sector indicators dan country-specific macro-financial indicators.

Logistic Regression

Capital ratio, ratio of debt securities to liabilities, Real GDP dan international investment position to GDP berhubungan negatif probabilitas bank distress. ROA, loan loss provision, interest expense, short term borrowing, non-core liabilities, debt-to-equity ratio, total assets to GDP, house prices, government debt to GDP, dan private sector credit flow to GDP berhubungan positif probabilitas bank distress Sementara impaired assets,


Lanjutan Tabel. 2.7

No

Judul/Peneliti

Variabel Teknis

Analasis Data

Hasil

cost income ratio, ROE, deposits to funding ratio, share of trading income , share of mortgages among loans, ratio of loans-to-deposits, inflation, stock prices, dan long-term government bond yield tidak berpengaruh secara signifikan terhadap probabilitas bank distress.

3 Analisis Rasio Keuangan Terhadap Financial Distress Perusahaan Perbankan Studi Empiris di BEI/ Meilita Fitri Rahmania, dan Suwardi Bambang (2014)

VD: Financial Distress VI: CAR, NPL, NIM, ROA, ROE, BOPO, LDR

Regresi Logistik

Variabel CAR berpengaruh negatif terhadap Financial Distress perusahaan perbankan dan ditolak Variabel NPL berpengaruh positif terhadap Financial Distress perusahaan perbankan dan diterima Variabel NIM berpengaruh positif terhadap Financial Distress perusahaan perbankan dan ditolak Variabel ROE berpengaruh negatif terhadap Financial Distress perusahaan perbankan dan diterima Variabel BOPO berpengaruh positif terhadap Financial Distress perusahaan perbankan dan ditolak Variabel LDR berpengaruh positif terhadap Financial Distress perusahaan perbankan dan diterima

4 Analisis Pengaruh Rasio Likuiditas, Rasio Profitabilitas, Rasio Rentabilitas Ekonomi dan Rasio Leverage Terhadap Prediksi Financial Distress/Novita Rahmadani, Edy Sujana, dan Nyoman Ali Surya Darmawan (2014)

VD: Prediksi Financial Distress VI: Rasio Likuiditas, Rasio Profitabilitas Rasio Rentabilitas Ekonomi dan Rasio Leverage

Regresi Linear Berganda

Rasio Likuiditas berpengaruh kuat terhadap prediksi financial distress Rasio Profitabilitas berpengaruh kuat terhadap financial distress dan signifikan Rasio Rentabilitas Ekonomi mempunyai hubungan yang kuat dan berpengaruh terhadap prediksi financial distress Rasio Leverage berpengaruh terhadap prediksi financial distress

2.8 Kerangka Konseptual

Untuk dapat memahami secara jelas tentang alur dari penelitian ini,

diperlukan suatu kerangka konseptual. Kerangka konseptual merupakan model


konseptual tentang bagaimana teori berhubungan dengan beberapa faktor yang

telah diidentifikasi sebagai masalah yang penting. Berdasarkan uraian teoritis dan

tinjauan penelitian terdahulu, variabel independen penelitian ini adalah Kinerja

Keuangan yang merupakan Rasio Keuangan. Variabel dependen dalam penelitian

ini, yaitu Financial Distress.

Adapun Kinerja Keuangan yang digunakan dalam penelitian tersebut

adalah dengan menggunakan rasio keuangan pada perbankan sebagai variabel

independent yang terdiri dari Capital Adequacy Ratio (CAR), Non Performing

Loan (NPL), Net Interest Margin (NIM), Return On Asset (ROA), Biaya

Operasional terhadap Pendapatan Operasional (BOPO), Loan to Deposite Ratio

(LDR), sedangkan pada Financial Distress menggunakan metode Altman Z-

Score sebagai variabel dependent.

Bentuk kerangka konseptual dalam penelitian ini adalah sebagai berikut:

Gambar 2.1 Kerangka Konseptual

NPL

ROA

NIM

BOPO

Prediksi Financial Distress

CAR

LDR


2.9 Hipotesis

Berdasarkan latar belakang, uraian teoritis, dan penelitian terdahulu, maka

hipotesis penelitian adalah analisis kinerja keuangan yang merupakan rasio

keuangan perbankan yang terdiri Capital Adequacy Ratio (CAR), Non Performing Loan

(NPL), Net Interest Margin (NIM), Return On Asset (ROA), Biaya Operasional terhadap

Pendapatan Operasional (BOPO), Loan to Deposite Ratio (LDR), berpengaruh positif

dan signifikan dalam memprediksi kondisi financial distress pada perusahaan

perbankan yang terdaftar di Bursa Efek Indonesia.


BAB III

METODE PENELITIAN

3.1 Jenis Penelitian

Jenis penelitian ini adalah penelitian asosiatif, dimana penelitian yang

dilakukan bertujuan untuk memperhitungkan kinerja keuangan yang merupakan

rasio keuangan yang mempengaruhi kondisi kesulitan keuangan bank serta

melakukan prediksi kondisi kebangkrutan pada bank yang terdaftar di BEI dengan

menggunakan model Altman Z-Score dalam memprediksi financial distress.

3.2 Tempat dan Waktu Penelitian

1. Tempat Penelitian

Penelitian ini menggunakan data yang berasal dari website Bursa Efek Indonesia

(BEI) dengan situs www.idx.co.id, website Otoritas Jasa Keuangan (OJK)

dengan situs www.ojk.co.id dan Saham Ok dengan situs www.sahamok.co.id

serta website masing-masing bank tersebut melalui media internet.

2. Waktu Penelitian

Waktu penelitian dimulai dari bulan Juli 2017 sampai bulan September 2017.

3.3 Batasan Operasional Variabel

Variabel yang digunakan dalam penelitian ini adalah variabel terikat

(dependent variable), dan variabel bebas (independent variable). Variabel

terikatnya adalah Prediksi Financial Distress. Variabel bebasnya adalah Kinerja

Keuangan atau Rasio Keuangan yang terdiri dari 6 variabel yaitu Capital

Adequacy Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin


http://www.idx.co.id/�

http://www.ojk.co.id/�

http://www.sahamok.co.id/�

(NIM), Return On Asset (ROA), Biaya Operasional terhadap Pendapatan

Operasional (BOPO), Loan to Deposite Ratio (LDR).

Objek penelitian yang digunakan dalam penelitian ini, yaitu perusahaan

perbankan di Bursa Efek Indonesia. Data penelitian yang digunakan dalam

penelitian ini diperoleh dari laporan keuangan berupa laporan tahunan dalam

kurun waktu tiga tahun, yaitu dimulai dari tahun 2014 sampai dengan tahun 2016

yang dipublikasikan melalui website resmi Bursa Efek Indonesia dan situs resmi

masing-masing perusahaan yang bersangkutan.

3.4 Definisi Operasional dan Pengukuran Variabel

Definisi operasional merupakan penjelasan mengenai pengertian teoritis

dan pengukuran variabel sehingga dapat diamati dan diukur. Definisi operasional

dan pengukuran variabel pada penelitian ini adalah:

3.4.1 Variabel Dependen

Variabel dependen pada penelitian ini yaitu prediksi financial distress dengan

mengunakan Metode Altman Z-Score.

Dimana : X1

X

= Net Working Capital to Total Assets (WC/TA)

2

X

= Retained Earnings to Total Assets (RE/TA)

3

X

= Earnings Before Interest and Tax to Total Assets (EBIT/TA)

4

X

= Market Value of Equity to Book Value of Debt (MVE/BVD)

5 = Sales to Total Assets (S/TA)

Z = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X4 + 0,999 X5


3.4.2 Variabel Independen

Variabel independen yang digunakan dalam penelitian ini merupakan

laporan kinerja keuangan atau rasio keuangan yaitu:

1. Variabel Capital Adequacy Ratio (CAR)

Variabel ini merupakan rasio keuangan yang merupakan rasio untuk

mengukur kemampuan permodalan yang ada untuk menutup kemungkinan

kerugian di dalam kegiatan perkreditan dan perdagangan surat-surat berharga.

Sedangkan menurut Riyadi (2006), CAR yaitu rasio kewajiban pemenuhan

modal minimum yang harus dimiliki oleh Bank. Untuk saat ini minimal CAR

sebesar 8% dari Aktiva Tertimbang Menurut Risiko (ATMR), atau ditambah

dengan Risiko Pasar dan Risiko Operasional, ini tergantung pada kondisi

Bank yang bersangkutan.

2. Variabel Non Performing Loan (NPL)

NPL adalah rasio untuk mengukur kualitas kredit dengan menggunakan

perbandingan antara kredit bermasalah dengan total kredit (Ganiarto dan

Ibad, 2003). Besarnya NPL yang diperbolehkan oleh Bank Indonesia saat ini

adalah maksimal 5%.

3. Variabel Net Interest Margin (NIM)

NIM merupakan rasio yang digunakan untuk mengukur kemampuan


Total Kredit× 100%

CAR =Modal



manajemn perusahaan untuk mengelola aktiva produktifnya untuk

menghasilkan pendapatan bunga bersih Perhitungan NIM diperoleh dari

perbandingan pendapatan bunga bersih dengan aktiva produktif. Pendapatan

bunga bersih diperoleh dari pendapatan bunga dikurangi beban bunga dan

pendapatan bunga bersih disetahunkan. Aktiva produktif yang diperhitungkan

adalah aktiva produktif yang menghasilkan bunga.

4. Variabel Return On Asset (ROA)

Rasio ini digunakan untuk mengukur kemampuan manjemen bank dalam

memperoleh keuntungan (laba) secara keseluruhan. Semakin besar ROA suatu

bank, semakin besar pula tingkat keuntungan yang dicapai bank tersebut dan

semakin baik pula posisi bank tersebut dari segi penggunaan aset.

5. Variabel Biaya Operasional terhadap Pendapatan Operasional (BOPO)

BOPO merupakan rasio biaya operasional per pendapatan operasional, yang

menjadi proxy efisiensi operasional seperti yang biasa digunakan oleh Bank

Indonesia (Kesowo dalam Kuncoro dan Suhardjono, 2002).

6. Loan to Deposite Ratio (LDR).

LDR merupakan rasio untuk mengukur peranan dana dalam pinjaman keuangan.


Pendapatan operasional× 100%


Aktiva Produktif× 100%


Rata − rata total aset× 100%


Sedangkan menurut Riyadi (2006) LDR adalah perbandingan antara total kredit

yang diberikan dengan total Dana Pihak Ketiga (DPK) yang dapat dihimpun oleh

Bank. LDR akan menunjukkan tingkat kemampuan Bank dalam menyalurkan

dana pihak ketiga yang dihimpun oleh Bank yang bersangkutan. Maksimal LDR

yang diperkenankan oleh Bank Indonesia adalah sebesar 110%.

Tabel 3.1

Operasional Variabel

Variabel Penelitian Variabel Indikator Skala

Ukur

Variabel Bebas

Capital Adequacy

Ratio

CAR =Modal


Rasio

Non Performing

Loan


Total Kredit× 100%

Rasio

Net Interest

Margin


Aktiva Produktif× 100% Rasio

Return On

Asset


Rata− rata total aset× 100% Rasio

Biaya

Operasional terhadap

Pendapatan Operasional


Pendapatan operasional× 100% Rasio

Loan to

Deposite Ratio

LDR =Kredit

Dana pihak ketiga× 100% Rasio

Variabel Terikat

Financial Distress Z = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X4 + 0,999 X5 Rasio

LDR =Kredit

Dana pihak ketiga× 100%


3.5 Populasi dan Sampel Penelitian

Populasi adalah wilayah generalisasi yang terdiri atas: obyek/subyek yang

mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk

dipelajari dan kemudian ditarik kesimpulannya, sedangkan sampel adalah bagian dari

jumlah dan karakteristik yang dimiliki oleh populasi tersebut. (Sugiyono, 2010:115-116).

Populasi yang digunakan dalam penelitian ini adalah perusahaan Perbankan

Konvensional yang terdaftar di Bursa Efek Indonesia (BEI) periode 2014-2016 dan

penentuan sampel dalam penelitian ini menggunakan kriteria tertentu.

Kriteria pemilihan sampel adalah sebagai berikut:

1. Perusahaan tersebut adalah perusahaan yang bergerak dibidang perbankan

yang terdaftar di Bursa Efek Indonesia tahun 2014-2016.

2. Perusahaan-perusahaan tersebut memiliki laporan keuangan yang lengkap dan

diaudit selama tahun 2014-2016.

Tabel 3.1 Kriteria Pemilihan Sampel

Keterangan Jumlah Populasi Perusahaan Perbankan yang terdaftar di Bursa Efek Indonesia (BEI)

selama periode 20114– 2016 43

Perusahaan Perbankan yang tidak memenuhi kriteria 1 (0)

Perusahaan Perbankan yang tidak memenuhi kriteria 2 (15)

Jumlah sampel yang memenuhi kriteria 28

Sumber: www.idx.co.id

Tabel 3.2 Daftar Sampel Perusahaan Perbankan

No Emiten Kode Emiten

1 Bank Rakyat Indonesia Agroniaga, Tbk AGRO

2 Bank Artha Graha Internasional, Tbk INPC

3 Bank Bukopin, Tbk BBKP


Lanjutan Tabel 3.2 No Emiten Kode Emiten

4 Bank Bumi Arta BNBA

5 Bank Capital Indonesia BACA

6 Bank Central Asia, Tbk BBCA

7 Bank CIMB Niaga, Tbk BNGA

8 Bank Danamaon Indonesia, Tbk BDMN

9 Bank Himpunan Saudara 1906, Tbk SDRA

10 Bank MNC Internasional, Tbk BABP

11 Bank Internasional Indonesia, Tbk BNII

12 Bank QNB Indonesia, Tbk BKSW

13 Bank Mayapada Internasional, Tbk MAYA

14 Bank Mega, Tbk MEGA

15 Bank Mutiara, Tbk BCIC

16 Bank Negara Indonesia (Persero), Tbk BBNI

17 Bank Nusantara Parahyangan, Tbk BBNP

18 Bank OCBC NISP, Tbk NISP

19 Bank Pan Indonesia, Tbk PNBN

20 Bank Permata, Tbk BNLI

21 Bank Rakyat Indonesia (Persero), Tbk BBRI

22 Bank Tabungan Pensiunan Nasional, Tbk BTPN

23 Bank Victoria International, Tbk BVIC

24 Bank Windu Kentjanan International, Tbk MCOR

25 Bank of India Indonesia, Tbk BSWD

26 Bank Pundi Indonesia, Tbk BEKS

27 Bank Sinar Mas, Tbk BSIM

28 Bank Jabar Banten, Tbk BJBR

Sumber: www.idx.co.id, 2017 (data diolah)

3.6 Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang

diperoleh dari laporan keuangan tahunan perbankan konvensional periode 2014-

2016 yang terdaftar di BEI melalui website www.idx.co.id, www.ojk.co.id dan

www.bi.co.id serta website masing-masing bank.




http://www.ojk.co.id/�

http://www.bi.co.id/�

3.7 Metode Pengumpulan Data

Penelitian ini dilakukan melalui studi dokumentasi dengan

mengumpulkan data pendukung dari berbagai literatur, jurnal, dan buku-buku

referensi untuk memperoleh gambaran masalah yang diteliti serta

mengumpulkan data sekunder yang relevan dari laporan keuangan tahunan

yang dipublikasikan oleh Bursa Efek Indonesia.

3.8 Teknik Analisis Data

Teknik analisis data yang digunakan dalam penelitian ini adalah dengan

melakukan analisis kuantitatif yang dinyatakan dengan angka-angka yang dalam

perhitungannya menggunakan metode statistik yang dibantu dengan program

pengelolaan data statistik E-views. Teknik analisis data yang digunakan untuk

menganalisis data-data yang telah dikumpulkan dalam penelitian ini yaitu:

3.8.1 Analisis Statistik Deskriptif

Statistik deskriptif digunakan untuk memberikan gambaran dari data

yang terkumpul yang dikelola dan analisis untuk pengambilan kesimpulan

yang bersifat subjektif.

3.8.2 Pemilihan Model Data Panel

Terdapat beberapa pendekatan untuk mengestimasi parameter model

dengan data panel, yaitu:

1. Common Effect Model

Teknik ini mengasumsikan bahwa data gabungan yang ada, menunjukkan

kondisi yang sesungguhnya. Hasil analisis regresi dianggap berlaku pada semua


objek pada semua waktu. Kelemahan asumsi ini adalah ketidaksesuaian model

dengan keadaan yang sesungguhnya. Kondisi tiap objek saling berbeda, bahkan

satu objek pasa suatu waktu akan sangat berbeda dengan kondisi objek tersebut

pada waktu lain (Winarno, 2015: 9.14-9.15).

2. Fixed Effect Model

Model ini dapat menunjukkan perbedaan konstanta antarobjek, meskipun dengan

koefisien regresor yang sama. Efek tetap di sini maksudnya adalah bahwa satu

objek, memiliki konstanta yang tetap yang besarnya untuk berbagai periode

waktu dan juga koefisien regresinya (Winarno, 2015: 9.15).

3. Random Effect Model

Efek random digunakan untuk mengatasi kelemahan metode efek tetap yang menggunakan

variabel semu, sehingga model mengalami ketidakpastian (Winarno, 2015: 9.17).

Langkah-langkah pemilihan model data panel:

a. Estimasi dengan efek tetap (Fixed Effect)

b. Uji Chow (Common Effect atau Fixed Effect)

Dengan kriteria pengujian:

H0

H

= Common Effect

1

Tolak H

= Fixed Effect

0 jika p-value < nilai signifikansi (0,05), H1

c. Estimasi dengan efek random (Random Effect)

diterima.

d. Uji Hausman (Random Effect atau Fixed Effect)


H0 = Random Effect


H1

Tolak H

= Fixed Effect

0 jika p-value < nilai signifikansi (0,05), H1

3.8.3 Analisis Regresi Linier Berganda

diterima

Analisis regresi linier berganda digunakan untuk menganalisis kinerja

keuangan dalam memprediksi kondisi financial distress pada perbankan dengan

menggunakan metode linier berganda. Persamaan regresi yang digunakan, yaitu:

Y= β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6

Keterangan :

+ 𝛆𝛆

Y = Financial Distress β = Konstanta 0 β = Koefisien regresi CAR 1 β = Koefisien regresi NPL 2 β = Koefisien regresi NIM 3 β = Koefisien regresi ROA 4 β = Koefisien regresi BOPO 5 β = Koefisien regresi LDR 6 X = Capital Adequacy Ratio (CAR) 1 X = Non Performing Loan (NPL) 2 X = Net Interest Margin (NIM) 3 X = Return On Asset (ROA) 4 X = Biaya Operasional terhadap Pendapatan Operasional (BOPO) 5 X = Loan to Deposite Ratio (LDR) 6 ε = Standar eror

3.9 Uji Asumsi Klasik

Menurut Gujarati (2015), apabila hasil uji model data panel menunjukkan

hasil Fixed Effect Model (FEM) atau Random Effect Model (REM) maka uji asumsi

klasik tidak perlu dilakukan karena regresi liniernya berbasis General Least Squar

(GLS), namun sebaliknya apabila hasil uji model data panel menunjukkan hasil

Common Effect Model (CEM) maka uji asumsi klasik perlu dilakukan karena regresi


liniernya berbasis Ordinary Least Square (OLS).

Uji asumsi klasik merupakan persyaratan statistik yang harus dipenuhi pada

analisis regresi linear berganda yang berbasis ordinary least square (OLS). Uji

asumsi klasik terdiri dari uji normalitas, multikolinieritas, heteroskedastisitas, dan

autokorelasi. Analisis uji asumsi klasik dianalisis dengan menggunakan bantuan

program Eviews.

1. Uji Normalitas Residual

Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel

pengganggu atau residu memiliki distribusi normal atau tidak. Untuk

mengetahui normal atau tidaknya faktor pengganggu dilakukan dengan J-B

test (jarque-bera test). Uji ini menggunakan hasil estimasi residual dan chi-

square probability distibution yaitu dengan membandingkan prob. JB-hitung

pada taraf alpha 5% (Gujarati, 2015) dengan kriteria berikut

a. Bila Prob.JB-hitung ≥ 0,05 maka hipotesis yang menyatakan bahwa

residual berdistribusi normal akan diterima.

b. Bila Prob.JB-hitung < 0,05 maka hipotesis yang menyatakan bahwa

residual berdistribusi normal akan di tolak.

2. Uji Multikolinieritas

Uji multikolinieritas bertujuan untuk menguji apakah model regresi

ditemukan adanya korelasi antar variabel bebas (independen). Untuk menguji

ada tidaknya multikolinieritas digunakan Pairwise Correlation Matrix dengan

pengolahan menggunakan Eviews. Keputusan adanya multikolinieritas

dengan melihat nilai R2 pada regresi kedua (r). Jika r > R2 maka ada gejala


multikolinieritas, sebaliknya jika nilai r < R2

3. Uji Autokorelasi

maka tidak terdapat gejala

multikolinieritas (Ghozali, 2013).

Autokorelasi dalam analisis regresi linier adalah gejala terjadinya korelasi di

antara variabel bebas. Gujarati (2015), mengatakan bahwa autokorelasi

disebabkan oleh data penelitian yang berurutan sepanjang waktu (time series)

saling mengganggu antara satu observasi ke observasi lainnya. Penelitian

yang menggunakan data cross section kemungkinan besar gejala autokorelasi

tidak terjadi (Ghozali, 2013). Untuk mendiagnosis adanya autokorelasi pada

penelitian ini dilakukan melalui pengujian terhadap nilai uji Durbin-Watson

(DW). Uji DW hanya digunakan untuk autokorelasi tingkat satu (first order

autocorrelation) dan mensyaratkan adanya intercept dalam model regresi dan

tidak ada variabel lagi di antara variabel bebas (Ghozali, 2013). Hipotesis

yang akan di uji adalah:

H0

H

: tidak ada autokorelasi (r = 0)

1

Kriteria penarikan kesimpulan uji autokorelasi dalam uji Durbin-Watson

dapat ditunjukkan dalam Tabel 3.3

: ada autokorelasi (r ≠ 0)

Tabel 3.3 Kriteria Uji Durbin Watson

Hipotesis Nol Keputusan Jika

Tidak ada autokrelasi positif Tolak 0<d<dl

Tidak ada autokorelasi positif No decision dl≤d≤du

Tidak ada korelasi negative Tolak 4-dl<d<4

Tidak ada korelasi negative No decision 4-du≤d≤4-dl

Tidak ada autokorelasi, positif atau negative Tidak ditolak Du<d<4-du

Sumber: Ghozali (2013)


4. Uji Heteroskedastisitas

Uji Heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi

ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang

lain. Jika variance dari residual satu ke pengamatan lain tetap, maka disebut

homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi

yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas

(Ghozali, 2013). Uji heteroskedastisitas dalam penelitian ini diuji

menggunakan uji white dengan kriteria jika diperoleh nilai Prob.Obs*R-

squared lebih besar dari 0,05 maka disimpulkan bahwa tidak terjadi gejala

heteroskedastisitas dalam model regresi, sebaliknya jika diperoleh nilai

Prob.Obs*R-squared lebih kecil dari 0,05 maka dapat disimpulkan bahwa

terjadi heteroskedastisitas dalam model regresi (Ghozali, 2013).

3.10 Pengujian Hipotesis

3.10.1 Pengujian secara Serempak (Uji F)

Pengujian ini dilakukan untuk menunjukkan apakah semua variabel

independen secara bersama-sama atau serempak mempunyai pengaruh yang

signifikan terhadap variabel dependen. Pengujian dilakukan dengan taraf

pengujian α=5% (0,05). Bentuk pengujiannya, yaitu:

1. Jika nilai signifikansi > 0,05, H0 diterima, artinya Capital Adequacy Ratio

(CAR), Non Performing Loan (NPL), Net Interest Margin (NIM), Return On

Asset (ROA), Biaya Operasional terhadap Pendapatan Operasional (BOPO),

Loan to Deposite Ratio (LDR) berpengaruh tidak signifikan secara

bersamaan terhadap Financial Distress Perbankan di Bursa Efek Indonesia.


2. Jika nilai signifikansi ≤ 0,05, maka H 1

3.10.2 Pengujian secara Parsial (Uji t)

diterima, artinya Capital Adequacy

Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin (NIM),


(BOPO), Loan to Deposite Ratio (LDR) berpengaruh signifikan secara

bersamaan terhadap Financial Distress Perbankan di Bursa Efek Indonesia.

Pengujian ini dilakukan untuk menunjukkan seberapa jauh pengaruh satu

variabel independen secara parsial mempunyai pengaruh yang signifikan terhadap

variabel dependen. Pengujian dilakukan dengan taraf pengujian α=5% (0,05).

Bentuk pengujiannya, yaitu:

1. Jika nilai signifikansi > 0,05 maka H0

2. Jika nilai signifikansi < 0,05 maka H




(BOPO), Loan to Deposite Ratio (LDR) secara parsial berpengaruh tidak

signifikan terhadap Financial Distress Perbankan di Bursa Efek Indonesia.

1

3.10.3 Koefisien Determinasi (R




(BOPO), Loan to Deposite Ratio (LDR) Secara parsial berpengaruh

signifikan terhadap Financial Distress Perbankan di Bursa Efek Indonesia.

2

Koefisien determinasi digunakan untuk menguji kualitas model. Nilai

)


koefisien determinansi mengukur seberapa jauh kemampuan model dalam

menerangkan variasi variabel terikat serta pengaruhnya secara general, dengan

range antara 0 sampai 1. Nilai R2

yang kecil berarti kemampuan variabel-variabel

bebas dalam menjelaskan variasi variabel terikat amat terbatas. Nilai yang

mendekati 1 berarti variabel-variabel bebas memeberikan hampir semua informasi

yang dibutuhkan untuk memprediksi variasi variabel terikat (Zaenuddin, 2015).


BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum Perusahaan Perbankan di Indonesia

Tabel 4.1 Gambaran Umum Perbankan di Indonesia

No Nama Perbankan Kode Bank Berdiri Pada Tanggal

1 Bank Rakyat Indonesia Agroniaga, Tbk AGRO 27 September 1989

2 Bank Artha Graha Internasional, Tbk INPC 12 Juli 2005

3 Bank Bukopin, Tbk BBKP 10 Juli 1970

4 Bank Bumi Arta BNBA 03 Maret 1967

5 Bank Capital Indonesia BACA 19 Oktober 2004

6 Bank Central Asia, Tbk BBCA 14 Maret 1957

7 Bank CIMB Niaga, Tbk BNGA 26 September 1955

8 Bank Danamaon Indonesia, Tbk BDMN Berdiri pada tahun 1956

9 Bank Himpunan Saudara 1906, Tbk SDRA Berdiri pada tahun 1995

10 Bank MNC Internasional, Tbk BABP 15 Oktober 2014

11 Bank Internasional Indonesia, Tbk BNII 15 Mei 1959

12 Bank QNB Indonesia, Tbk BKSW Berdiri sejak tahun 1913

13 Bank Mayapada Internasional, Tbk MAYA 07 September 1989

14 Bank Mega, Tbk MEGA Berdiri pada tahun 1992

15 Bank Mutiara, Tbk BCIC 30 Maret 1996

16 Bank Negara Indonesia (Persero), Tbk BBNI 05 Juli 1946

17 Bank Nusantara Parahyangan, Tbk BBNP 18 Januari 1972

18 Bank OCBC NISP, Tbk NISP 04 April 1941

19 Bank Pan Indonesia, Tbk PNBN 17 Agustus 1971

20 Bank Permata, Tbk BNLI Berdiri pada tahun 2002

21 Bank Rakyat Indonesia (Persero), Tbk BBRI 16 Desember 1895

22 Bank Tabungan Pensiunan Nasional, Tbk BTPN Berdiri pada tahun 1958

23 Bank Victoria International, Tbk BVIC 05 Oktober 1992

24 Bank Windu Kentjanan International, Tbk MCOR 08 Januari 2008

25 Bank of India Indonesia, Tbk BSWD 22 Juni 2007

26 Bank Pundi Indonesia, Tbk BEKS 23 Juni 1993

27 Bank Sinar Mas, Tbk BSIM Berdiri pada tahun 2006

28 Bank Jabar Banten, Tbk BJBR 08 April 1999

Sumber: www.idx.co.id



4.2 Analisis Statistik Deskriptif

Analisis deskriptif adalah suatu metode analisis dimana data-data

dikumpulkan, diklarifikasikan, dikelompokkan, dianalisis dan diinterprestasikan

secara objektif sehingga dapat memberikan gambaran mengenai objek yang

dibahas. Analisis deskriptif dalam penelitian ini mencakup penilaian kinerja

keuangan yang berupa rasio perbankan yaitu Capital Adequacy Ratio (CAR), Non

Performing Loan (NPL), Net Interest Margin (NIM), Return On Asset (ROA),

Biaya Operasional terhadapan Pendapatan Operasional (BOPO), Loan to Deposite

Ratio (LDR) dan prediksi kondisi financial distress. Untuk mengetahui gambaran

deskriptif meliputi nilai rata-rata (mean) standar deviasi, nilai minimum, serta nilai

maksimum data penelitian seperti disajikan pada tabel berikut ini:

Tabel 4.2 Hasil Analisis Deskriptif

Date: 01/30/18 Time: 03:25 Sample: 2014 2016

Z-Score CAR NPL NIM ROA BOPO LDR Mean 7.916429 0.181117 0.030883 0.051427 0.235381 0.920614 0.861332

Median 6.780000 0.173650 0.027000 0.047400 0.013300 0.878300 0.863650 Maximum 22.08000 0.345000 0.158200 0.120000 0.051500 2.352000 1.125400 Minimum 0.580000 0.080200 0.002500 0.002400 -11.15000 0.560400 0.553400 Std. Dev. 5.043249 0.041204 0.024378 0.022251 1.596274 0.260384 0.097763 Skewness 1.127690 0.837399 2.660238 0.751672 -6.302388 3.044485 -0.592798 Kurtosis 3.971257 5.035250 12.64758 4.108402 40.97233 15.25404 5.044299

Jarque-Bera 21.10528 24.31516 424.8417 12.21010 5602.723 655.3297 19.54679 Probability 0.000026 0.000005 0.000000 0.002232 0.000000 0.000000 0.000057

Sum 664.9800 15.21380 2.594200 4.319900 -19.77200 77.33160 72.35190 Sum Sq. Dev. 2111.052 0.140913 0.049325 0.041095 211.4916 5.627402 0.793276 Observations 84 84 84 84 84 84 84 Sumber: Lampiran 4

Dari Hasil Analisis Deskriptif dapat diprediksi kondisi Financial Distress

pada Tabel 4.3.


Tabel 4.3 Prediksi Kondisi Financial Distress

No Nama Perbankan Tahun Z-Score Kategori

Bank 1 Bank Rakyat Indonesia Agro Niaga Tbk 2014 6.78 Sehat

2015 8.61 Sehat

2016 8.91 Sehat

2 Bank Central Asia Tbk 2014 21.01 Sehat

2015 21.63 Sehat

2016 22.08 Sehat

3 Bank Bukopin Tbk 2014 5.85 Sehat

2015 6.95 Sehat

2016 7.12 Sehat

4 Bank Negara Indonesia (Persero)Tbk 2014 6.02 Sehat

2015 5.45 Sehat

2016 6.44 Sehat

5 Bank Nusantara Parahyangan Tbk 2014 7.24 Sehat

2015 5.68 Sehat

2016 7.74 Sehat

6 Bank Rakyat Indonesia (Persero)Tbk 2014 21.04 Sehat

2015 20.16 Sehat

2016 18.75 Sehat

7 Bank Danamon Indonesia Tbk 2014 10.06 Sehat

2015 9.83 Sehat

2016 12.2 Sehat

8 Bank Bumi Arta Tbk 2014 7.15 Sehat

2015 6.7 Sehat

2016 8.44 Sehat

9 Bank CIMB Niaga Tbk 2014 6.76 Sehat

2015 3.01 Sehat

2016 5.95 Sehat

10 Bank International Indonesia Tbk 2014 4.06 Sehat

2015 5.48 Sehat

2016 7.2 Sehat

11 Bank Tabungan Pensiunan Nasional Tbk 2014 18.19 Sehat

2015 15.71 Sehat

2016 14.7 Sehat

12 Bank Victoria Tbk 2014 3.94 Sehat

2015 3.17 Sehat

2016 3.23 Sehat


Lanjutan Tabel 4.3 No Nama Perbankan Tahun Z-Score

Kategori Bank

13 Bank Artha Graha International Tbk 2014 4.22 Sehat

2015 2.58 Grey Area

2016 2.62 Grey Area

14 Bank Mayapada Tbk 2014 8.85 Sehat

2015 9.38 Sehat

2016 9.93 Sehat

15 Bank Mega Tbk 2014 5.95 Sehat

2015 11.36 Sehat

2016 12.16 Sehat

16 Bank OCBC NISP Tbk 2014 11.7 Sehat

2015 11.16 Sehat

2016 11.63 Sehat

17 China Construction Bank Indonesia Tbk 2014 3.96 Sehat

2015 5.17 Sehat

2016 0.58 Bangkrut

18 Bank Capital Indonesia Tbk 2014 3.23 Sehat

2015 2.99 Sehat

2016 3.09 Sehat

19 Bank Woori Saudara Tbk 2014 2.86 Grey Area

2015 2.51 Grey Area

2016 2.74 Grey Area

20 Bank MNC Internasional Tbk 2014 6.78 Sehat

2015 6.52 Sehat

2016 5.44 Sehat

21 Bank J Trust Indonesia Tbk 2014 11.93 Sehat

2015 11.45 Sehat

2016 9.65 Sehat

22 Bank Banten Tbk 2014 1.26 Bangkrut

2015 4.17 Sehat

2016 6.21 Sehat

23 Bank Karja Pembangunan Daerah Djawa Barat Tbk 2014 10.71 Sehat

2015 11.22 Sehat

2016 8.27 Sehat

24 Bank QNB Indonesia Tbk 2014 1.42 Bangkrut

2015 1.54 Bangkrut

2016 7.77 Sehat


Lanjutan Tabel 4.3 No Nama Perbankan Tahun Z-Score

Kategori Bank

25 Panin Bank Tbk 2014 9.44 Sehat

2015 7.41 Sehat

2016 12.75 Sehat

26 Permata Bank Tbk 2014 5.84 Sehat

2015 1.04 Bangkrut

2016 3.71 Sehat

27 Bank Sinarmas Tbk 2014 5.65 Sehat

2015 4.79 Sehat

2016 8.93 Sehat

28 Bank of India Indonesia Tbk 2014 2.48 Grey Area

2015 6.05 Sehat

2016 10.64 Sehat

Sumber: Hasil Penelitian, 2018 (Data Diolah)

Tabel 4.2 memperlihatkan bahwa nilai rata-rata Z-score (Y) adalah 7.916.

Nilai terendah (minimum) Z-score (Y) adalah 0.580 yang dimiliki oleh

perusahaan perbankan China Construction Bank Indonesia Tbk (MCOR) pada

tahun 2016. Nilai tertinggi (maximum) Z-score (Y) adalah 22.080 yang dimiliki

oleh perusahaan BBCA pada tahun 2016, dengan standar deviasi 5.043.

Nilai rata-rata Capital Adequacy Ratio (CAR) adalah 0.181. Nilai

terendah (minimum) adalah 0.080 yang dimiliki oleh perusahaan perbankan Bank

Banten Tbk (BEKS) pada tahun 2015, dan nilai tertinggi (maximum) adalah

0.345 yang dimiliki oleh perusahaan perbankan Bank of India Indonesia Tbk

(BSWD) pada tahun 2016, dengan standar deviasi 0.041.

Nilai rata-rata Non Performing Loan (NPL), adalah 0.030. Nilai terendah

(minimum) adalah 0.002 yang dimiliki oleh perusahaan perbankan Bank Bumi

Arta Tbk (BNBA) pada tahun 2014, dan nilai tertinggi (maximum) adalah 0.158

yang dimiliki oleh perusahaan Perbankan Bank of India Indonesia Tbk (BSWD)


pada tahun 2016, dengan standar deviasi 0.024.

Nilai rata-rata Net Interest Margin (NIM), adalah 0.051. Nilai terendah

(minimum) adalah 0.0024 yang dimiliki oleh perusahaan perbankan Bank

Nusantara Parahyangan Tbk (BBNP) pada tahun 2015, dan nilai tertinggi

(maximum) adalah 0.120 yang dimiliki oleh Perbankan Bank Tabungan

Pensiunan Nasional Tbk (BTPN) pada tahun 2016, dengan standar deviasi 0.022.

Nilai Rata-rata Return On Asset (ROA) adalah -0.235. Dengan nilai

terendah (minimum) adalah -11.150 yang dimiliki oleh perusahaan perbankan

Bank of India Indonesia Tbk (BSWD) pada tahun 2016, dan nilai tertinggi

(maximum) adalah 0.051 yang dimiliki oleh perusahaan perbankan Bank Rakyat

Indonesia Tbk (BBRI) pada tahun 2016, dengan standar deviasi 1.596.

Nilai rata-rata Biaya Operasional terhadapan Pendapatan Operasional

(BOPO) adalah 0.920. Dengan nilai terendah (minimum) adalah 0.560 yang

dimiliki oleh perusahaan perbankan Bank Woori Saudara Tbk (SDRA) pada tahun

2014, dan nilai tertinggi (maximum) adalah 2.352 yang dimiliki oleh perusahaan

perbankan Bank of India Indonesia Tbk (BSWD) pada tahun 2016, dengan

standar deviasi 0.260.

Nilai Rata-rata Loan to Deposite Ratio (LDR) adalah 0.861. Dengan nilai

terendah (minimum) adalah 0.553 yang dimiliki oleh perusahaan perbankan Bank

Capital Indonesia Tbk (BACA) pada tahun 2016, dan nilai tertinggi (maximum)

1.125 adalah yang dimiliki oleh perusahaan perbankan Bank QNB Indonesia Tbk

(BKSW) pada tahun 2015, dengan standar deviasi 0.097.


4.3 Pemilihan Model Estimasi

1. Pendekatan Pooled Least Square (PLS)

Hasil estimasi data panel dengan menggunakan pendekatan Pooled Least

Square (PLS) adalah sebagai berikut:

Tabel 4.4 Pengujian Pooled Least Square

Dependent Variable: Z-Score Method: Panel Least Squares Date: 01/31/18 Time: 15:39 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84

Variable Coefficient Std. Error t-Statistic Prob. C -0.151282 0.516748 -0.292758 0.7705

CAR -0.529949 1.009063 -0.525189 0.6010 NPL -3.226785 2.519685 -1.280630 0.2042 NIM -2.976472 1.939615 -1.534568 0.1290 ROA -0.000795 0.040685 -0.019533 0.9845

BOPO 0.066014 0.333401 0.198003 0.8436 LDR 0.675566 0.396128 1.705423 0.0921

R-squared 0.092695 Mean dependent var 0.142857

Adjusted R-squared 0.021996 S.D. dependent var 0.352029 S.E. of regression 0.348136 Akaike info criterion 0.807206 Sum squared resid 9.332280 Schwarz criterion 1.009774 Log likelihood -26.90267 Hannan-Quinn criter. 0.888637 F-statistic 1.311120 Durbin-Watson stat 1.561937 Prob(F-statistic) 0.262368


2. Pendekatan Fixed Effect Model (FEM)

Hasil estimasi data panel dengan menggunakan pendekatan Fixed Effect

model (FEM) adalah sebagai berikut:


Tabel 4.5 Pengujian Fixed Effect Model (FEM)


Variable Coefficient Std. Error t-Statistic Prob. C 0.874974 0.885435 0.988185 0.3278

CAR -0.692302 1.476026 -0.469031 0.6411 NPL -1.132360 2.882377 -0.392856 0.6961 NIM 8.026015 3.594852 2.232641 0.0301 ROA -0.093364 0.048152 -1.938935 0.0582

BOPO -0.982120 0.436809 -2.248396 0.0290 LDR -0.118813 0.844256 -0.140731 0.8886

Effects Specification Cross-section fixed (dummy variables) R-squared 0.685004 Mean dependent var 0.142857

Adjusted R-squared 0.477107 S.D. dependent var 0.352029 S.E. of regression 0.254557 Akaike info criterion 0.392144 Sum squared resid 3.239957 Schwarz criterion 1.376046 Log likelihood 17.52994 Hannan-Quinn criter. 0.787665 F-statistic 3.294916 Durbin-Watson stat 1.895954 Prob(F-statistic) 0.000072

Sumber: Lampiran 5

3. Pendekatan Random Effect Model (REM)

Hasil estimasi data panel dengan menggunakan pendekatan Random Effect

Model (REM) adalah sebagai berikut:


Tabel 4.6 Pengujian Random Effect Model (REM)

Dependent Variable: Z-Score Method: Panel EGLS (Cross-section random effects) Date: 01/31/18 Time: 12:38 Sample: 2014 2016 Periods included: 3

Cross-sections included: 28 Total panel (balanced) observations: 84 Swamy and Arora estimator of component variances


CAR -0.809210 1.015436 -0.796908 0.4280 NPL -1.921073 2.296787 -0.836417 0.4055 NIM -1.092686 2.047961 -0.533548 0.5952 ROA -0.007501 0.036639 -0.204720 0.8383

BOPO -0.205830 0.324645 -0.634016 0.5279 LDR 0.567647 0.441455 1.285854 0.2023

Effects Specification S.D. Rho Cross-section random 0.199884 0.3814

Idiosyncratic random 0.254557 0.6186 Weighted Statistics R-squared 0.097161 Mean dependent var 0.084625

Adjusted R-squared 0.026809 S.D. dependent var 0.282810 S.E. of regression 0.278993 Sum squared resid 5.993449 F-statistic 1.381081 Durbin-Watson stat 2.007374 Prob(F-statistic) 0.232935

Unweighted Statistics R-squared 0.054324 Mean dependent var 0.142857

Sum squared resid 9.726952 Durbin-Watson stat 1.435793 Sumber: Hasil Penelitian, 2018 (Data Diolah)

Untuk memilih model yang paling tepat digunakan dalam mengelola data

panel, terdapat beberapa pengujian yang dapat dilakukan sebagai berikut:

1. Uji Chow (Chow test)

Uji Chow digunakan untuk memilih pendekatan/metode yang paling sesuai

antara pooled least square (PLS) dan Fixed Effect Model (FEM), dengan

kriteria pengujian:


H0

H

= Pooled Least Square (PLS)

1

Hasil uji Chow adalah sebagai berikut

= Fixed Effect Model (FEM)

Tabel 4.7 Hasil Uji Chow

Redundant Fixed Effects Tests Equation: EQFE Test cross-section fixed effects

Effects Test Statistic d.f. Prob. Cross-section F 3.482169 (27,50) 0.0001

Cross-section Chi-square 88.86521

1 27 0.0000 Sumber: Hasil Penelitian, 2018 (Data Diolah)

Hasil uji Chow pada Tabel 4.7 nilai Prob = 0.0000 untuk cross section chi-

Square yang berarti lebih kecil dari 0,05. Hal ini menunjukkan bahwa H0

ditolak dan H1

2. Uji Hausman

diterima, yang berarti metode yang digunakan adalah Fixed

Effect Model (FEM). Oleh karena itu dilakukan kembali pengujian Uji

Hausman untuk menentukan metode FEM atau REM yang akan digunakan

dalam regresi panel data.

Uji Hausman digunakan untuk menentukan metode FEM atau REM yang

akan digunakan dalam regresi panel data.


H0

H

= Random Effect Model

1

Hasil Uji Hausman adalah sebagai berikut:

= Fixed Effect Model


Tabel 4.8 Hasil Uji Hausman

Correlated Random Effects - Hausman Test Equation: EQFE Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob. Cross-section random 21.492711 6 0.0015 Sumber: Hasil Penelitian, 2018 (Data Diolah)

Hasil Uji Hausman pada Tabel 4.8 menjelaskan bahwa nilai Probabilitas =

0.0015, yang berarti lebih kecil dari 0.05. Hal ini menunjukkan bahwa H0

ditolak dan H1

4.4 Hasil Uji Asumsi Klasik

diterima, sehingga metode yang digunakan dalam penelitian

ini adalah model Fixed Effect Model (FEM), yang artinya model FEM lebih

baik dibanding model REM.

1. Uji Normalitas

Uji normalitas dalam asumsi klasik dilakukan untuk mengetahui apakah

dalam sebuah model regresi linier data terdistribusi normal atau tidak. Model

yang paling baik adalah data terdistribusi normal. Pengujian terhadap data

terdistribusi normal atau tidak ini menggunakan alat uji Jarque-Bera Test.

Untuk mengetahui apakah variabel Capital Adequacy Ratio (CAR), Non

Performing Loan (NPL), Net Interest Margin (NIM), Return On Asset

(ROA), Biaya Operasional terhadapan Pendapatan Operasional (BOPO),

Loan to Deposite Ratio (LDR) terhadap prediksi financial distress

terdistribusi normal atau tidak dengan uji J-B ditunjukkan pada Gambar 4.1.


Gambar 4.1 Hasil Uji Jarque-Bera Test

0

1

2

3

4

5

6

7

8

9

-2 -1 0 1 2 3

Series: Standardized ResidualsSample 2014 2016Observations 84

Mean -9.32e-17Median 0.011952Maximum 3.202647Minimum -2.635680Std. Dev. 1.232501Skewness 0.216233Kurtosis 3.062658

Jarque-Bera 0.668337Probability 0.715933

Sumber: Lampiran 6

Berdasarkan gambar 4.1 menunjukkan output dari uji normalitas yaitu

memiliki nilai J-B sebesar 0.668337 < 2 dan nilai Probability sebesar

0.715933 > 0.05 sehingga dapat disimpulkan bahwa data terdistribusi normal

dimana telah memenuhi persyaratan atau ketentuan normalitas data dan data

terdistribusi normal artinya asumsi klasik tentang kenormalan telah terpenuhi.

2. Uji Multikolinieritas

Uji multikolinieritas digunakan untuk mengetahui apakah dalam model

regresi linear ditemukan adanya korelasi yang tinggi antar variabel. Untuk

mengetahui ada tidaknya gejala multikolinieritas dapat dilihat dari nilai

koefisien korelasi yang di tunjukkan pada Tabel 4.9.


Tabel 4.9 Hasil Uji Multikolinieritas dengan Matriks Korelasi

CAR NPL NIM ROA BOPO LDR 1.000000 0.109802 0.140903 -0.245208 0.044757 -0.034818

0.109802 1.000000 -0.345098 -0.497291 0.761958 -0.112322 0.140903 -0.345098 1.000000 0.166035 -0.393159 0.135336 -0.245208 -0.497291 0.166035 1.000000 -0.759437 0.047697 0.044757 0.761958 -0.393159 -0.759437 1.000000 -0.104219 -0.034818 -0.112322 0.135336 0.047697 -0.104219 1.000000

Sumber: Lampiran 7

Dari hasil pengujian multikolinearitas pada Tabel 4.9 dapat disimpulkan

bahwa nilai koefisien korelasi parsial antar variabel independen < 0.85 yang

artinya pada model tidak mengandung unsur multikolinieritas atau data telah

memenuhi asumsi sehingga tidak terjadinya multikolinieritas.

3. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi

yang terbentuk terjadi ketidaksamaan varian dari residual model regresi.

Pendeteksian heteroskedastisitas pada penelitian ini menggunakan hasil

pengujian probabilitas variabel yang ditunjukkan pada Tabel 4.10.

Tabel 4.10 Hasil Uji Heteroskedastisitas

Dependent Variable: RESABS Method: Panel Least Squares Date: 01/31/18 Time: 12:57 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84


CAR -0.119857 0.449483 -0.266655 0.7904 NPL -1.749914 1.122384 -1.559105 0.1231 NIM -0.348887 0.863994 -0.403807 0.6875 ROA 0.033562 0.018123 1.851862 0.0679

BOPO 0.358640 0.148512 2.414887 0.0681 LDR -0.388692 0.176454 -2.202796 0.0706


R-squared 0.156507 Mean dependent var 0.111518 Adjusted R-squared 0.090781 .D. dependent var 0.162633 S.E. of regression 0.155076 kaike info criterion -0.810152 Sum squared resid 1.851732 chwarz criterion -0.607583 Log likelihood 41.02636 annan-Quinn criter. -0.728721 F-statistic 2.381185 urbin-Watson stat 1.246434 Prob(F-statistic) 0.036579

Sumber: Lampiran 8

Berdasarkan Tabel 4.10 memperlihatkan output dari uji heteroskedastisitas,

hasil pengujian menunjukkan probabilitas masing-masing variabel pada tabel

tersebut dapat dijelaskan sebagai berikut:

1. Probabilitas pada variabel CAR sebesar 0.7904 > α (0.05), maka data telah

memenuhi asumsi dan tidak ada masalah heteroskedastisitas.

2. Probabilitas pada variabel NPL sebesar 0.1231 > α (0.05), maka data telah


3. Probabilitas pada variabel NIM sebesar 0.6875 > α (0.05), maka data telah


4. Probabilitas pada variabel ROA sebesar 0.0679 > α (0.05), maka data telah


5. Probabilitas pada variabel BOPO sebesar 0.0681 > α (0.05), maka data telah


6. Probabilitas pada variabel LDR sebesar 0.0706 > α (0.05), maka data telah


4. Uji Autokorelasi

Asumsi mengenai independensi terhadap residual (non-autokorelasi) dapat

diuji dengan menggunakan uji Durbin-Watson (Ghozali, 2013:110). Nilai

statistik dari uji Durbin-Watson berkisar di antara -2 dan +2. Nilai statistik


dari uji Durbin-Watson yang lebih kecil dari -2 atau lebih besar dari +2

diindikasi terjadi autokorelasi. Hasil uji dapat dilihat pada Tabel 4.11.

Tabel 4.11 Hasil Uji Autokorelasi


Cross-section fixed (dummy variables)



Sumber: Lampiran 9

Berdasarkan Tabel 4.11 hasil dari uji autokorelasi menunjukkan bahwa nilai

Durbin-Watson sebesar 1.8959, hasil ini menunjukkan bahwa nilai Durbin-

Watson di antara -2 sampai +2, sehingga dapat disimpulkan data memenuhi

asumsi BLUE dan tidak terjadinya autokorelasi.

4.5 Pengujian Hipotesis

Uji hipotesis bertujuan untuk mengetahui pengaruh variabel bebas Capital

Adequacy Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin (NIM),

Return On Asset (ROA), Biaya Operasional terhadapan Pendapatan Operasional

(BOPO), Loan to Deposite Ratio (LDR) terhadap prediksi kondisi financial

distress. Hasil regresi yang akan digunakan pada penelitian ini adalah Fixed

Effect, karena telah memenuhi asumsi yang diperlukan.


1. Uji-F Secara Serempak

Uji F dimaksudkan untuk mendeteksi secara keseluruhan apakah variabel

independen berpengaruh terhadap variabel dependen. Pengujian ini dilakukan

dengan membandingkan nilai probabilitas F hitung dengan tingkat signifikansi

5% atau 0,05. Hasil pengujian secara serempak (Uji-F) dengan menggunakan

metode Fixed Effect Model (FEM) dapat dilihat pada Tabel 4.12 berikut:

Tabel 4.12 Hasil Uji Serempak (Uji-F)


Cross-section fixed (dummy variables) R-squared 0.685004 Mean dependent var 0.142857



Pada Tabel 4.12 hasil Uji Serempak (Uji-F) terlihat bahwa nilai probabilitas F

hitung (F statistics) 0,000072 ternyata lebih kecil dari 0,05 maka H0 ditolak

dan H1 diterima, yang artinya secara keseluruhan variabel independen, yaitu

Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Net Interest

Margin (NIM), Return On Asset (ROA), Biaya Operasional terhadapan

Pendapatan Operasional (BOPO), Loan to Deposite Ratio (LDR) secara

bersama-sama memberikan pengaruh signifikan terhadap variabel dependen,

yaitu prediksi kondisi Financial Distress (Z-Score).


2. Uji-t (Uji Signifikan)

Uji ini digunakan untuk menentukan apakah variabel-variabel independen

dalam persamaan regresi secara individu signifikan dalam memprediksi nilai

variabel dependen. Pengujian ini dilakukan dengan membandingkan nilai

probabilitas t-hitung terhadap tingkat signifikansi α (5% atau 0,05), dengan kriteria

pengujian jika probabilitas t-hitung > α (0.05) maka pengaruh variabel independen

itu tidak signifikan, sehingga H0 diterima, yang artinya variabel independen tidak

mempengaruhi secara individual variabel dependennya, sebaliknya jika

probabilitas t-hitung < α (0,05) maka pengaruhnya signifikan, sehingga H1

Tabel 4.13

diterima, yang artinya variabel independen dapat mempengaruhi secara individual

variabel dependennya. Hasil pengujian secara parsial (Uji-t) dengan menggunakan

metode Fixed Effect Model dapat dilihat pada Tabel 4.13 berikut:

Hasil Uji Secara Parsial (Uji-t) Dependent Variable: Z-Score Method: Panel Least Squares Date: 01/31/18 Time: 12:38 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84


CAR -0.692302 1.476026 -0.469031 0.6411 NPL -1.132360 2.882377 -0.392856 0.6961 NIM 8.026015 3.594852 2.232641 0.0301 ROA -0.093364 0.048152 -1.938935 0.0582

BOPO -0.982120 0.436809 -2.248396 0.0290 LDR -0.118813 0.844256 -0.140731 0.8886


Berdasarkan pada Tabel 4.13 hasil uji parsial (Uji-t) dengan metode Fixed

Effect Model diperoleh persamaan regresi sebagai berikut:


Y = 0.874 – 0.692(CAR) – 1.132(NPL) + 8.02(NIM) – 0.093(ROA) – 0.982(BOPO) – 0.118(LDR)

1. Nilai Konstanta (C) sebesar 0.874 hal ini menunjukkan bahwa jika variabel

independen Capital Adequacy Ratio (CAR), Non Performing Loan (NPL),

Net Interest Margin (NIM), Return On Asset (ROA), Biaya Operasional

terhadapan Pendapatan Operasional (BOPO), Loan to Deposite Ratio (LDR)

= 0 maka prediksi kondisi financial distress atau Z-Score sebesar 0.874.

2. CAR (Capital Adequacy Ratio) memiliki nilai koefisien yang bernilai -0.692

dengan nilai t-hitung sebesar 0.469 > -ttabel

3. NPL (Non Performing Loan) memiliki nilai koefisien yang bernilai -1.132

dengan nilai t-hitung sebesar -0.392 < -t

(-1.997) dan tingkat signifikan

sebesar 0.6411 > 0.05. Ini berarti menunjukkan bahwa Capital Adequacy Ratio

(CAR) berpengaruh negatif dan tidak signifikan dalam memprediksi financial

distress pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.

tabel

4. NIM (Net Interest Margin) memiliki nilai koefisien yang bernilai 8.026

dengan nilai t-hitung sebesar 2.232 > t


sebesar 0.6961 > 0.05. Ini berarti menunjukkan bahwa Non Performing Loan

(NPL) berpengaruh negatif dan tidak signifikan dalam memprediksi financial


tabel

5. ROA (Return On Asset) memiliki nilai koefisien yang bernilai -0.093 dengan

nilai t-hitung sebesar -1.938 > - t

(1.997) dan tingkat signifikan

sebesar 0.0301< 0.05. Ini berarti menunjukkan bahwa Net Interest Margin

(NIM) berpengaruh positif dan signifikan dalam memprediksi financial


tabel (-1.997) dan tingkat signifikan sebesar


0.0582 > 0.05. Ini berarti menunjukkan bahwa Return On Asset (ROA)

berpengaruh negatif dan tidak signifikan dalam memprediksi financial


6. BOPO (Biaya Operasional terhadap Pendapatan Operasional) memiliki nilai

koefisien yang bernilai -0.982 dengan nilai t-hitung sebesar -2.248 < -ttabel

7. LDR (Loan to Deposite Ratio) memiliki nilai koefisien yang bernilai -0.118

dengan nilai t-hitung sebesar -0.140 > - t

(-

1.997) dan tingkat signifikan sebesar 0.0290 < 0.05. Ini berarti menunjukkan

bahwa Biaya Operasional terhadap Pendapatan Operasional (BOPO)

berpengaruh negatif dan signifikan dalam memprediksi financial distress

pada perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.

tabel

4.6 Pembahasan Hasil Penelitian


sebesar 0.8886 > 0.05. Ini berarti menunjukkan bahwa Loan to Deposite Ratio

(LDR) berpengaruh negatif dan tidak signifikan dalam memprediksi financial


4.6.1 Pengaruh Capital Adequacy Ratio (CAR) terhadap Financial Distress

Variable Coefficient Std. Error t-Statistic Prob. CAR -0.692302 1.476026 -0.469031 0.6411


Hasil pengujian secara parsial (Uji-t) menunjukkan bahwa CAR

berpengaruh negatif dan tidak signifikan terhadap prediksi kondisi financial

distress atau Z”-score. Hal ini menunjukkan bahwa peningkatan atau penurunan

CAR selama periode penelitian tidak mempengaruhi kondisi financial distress

secara signifikan. Hal ini berarti bahwa perusahaan perbankan sebagian besar


mampu mengatur modalnya sehingga bank tidak sampai mengalami penyusutan

harta yang timbul karena harta bermasalah. Hasil penelitian ini sejalan dengan

penelitian sebelumnya yang dilakukan (Rahmania, 2014) yang meneliti tentang

variabel CAR dalam pengaruhnya terhadap financial distress dengan hasil yang

tidak signifikan.

4.6.2 Pengaruh Non Performing Loan (NPL) terhadap Financial Distress

Variable Coefficient Std. Error t-Statistic Prob. NPL -1.132360 2.882377 -0.392856 0.6961


Hasil pengujian secara parsial Uji-t menunjukkan bahwa NPL berpengaruh

negatif dan tidak signifikan terhadap prediksi kondisi financial distress. Hal ini menunjukkan

bahwa peningkatan atau penurunan NPL selama periode penelitian tidak mempengaruhi

kondisi financial distress secara signifikan. Hal ini berarti bahwa perusahaan perbankan

sebagian besar mampu mengatur pendapatan sehingga tidak terjadi penurunan

atau peningkatan profitabilitas dan bank tidak akan mengeluarkan biaya yang

tinggi untuk cadangan bank. Jika biaya yang dikeluarkan bank tidak cukup tinggi

maka tidak akan terjadi NPL yang tinggi yang dapat mengakibatkan terjadinya

financial distress. Hal ini sejalan dengan penelitian (Ludy, 2011) yang meneliti

tentang NPL dalam pengaruhnya terhadap financial distress dengan hasil tidak

signifikan, sedangkan penelitian ini tidak sejalan dengan penelitian dari (Meilita

Fitri Rahmania, 2014) yang menyatakan bahwa NPL berpengaruh positif

signifikan.


4.6.3 Pengaruh Net Interest Margin (NIM)

Variable Coefficient Std. Error t-Statistic Prob. NIM 8.026015 3.594852 2.232641 0.0301


Hasil pengujian secara parsial (Uji-t) menunjukkan bahwa NIM berpengaruh

positif dan signifikan terhadap financial distress. Hal ini menunjukkan bahwa

peningkatan NIM akan diikuti dengan peningkatan Z-Score atau financial distress,

sebaliknya jika NIM mengalami penurunan maka Z-Score atau financial distress pada

perbankan akan mengalami penurunan yang dapat menyebabkan kebangkrutan atau grey

area selama periode penelitian. Hal ini menunjukkan bahwa masih ada perusahaan

perbankan yang belum mampu mengelola pendapatan bunga atas aktiva produktif,

dimana batas maksimal yang ditentukan BI sebesar 1,5% yang menyebabkan

perusahaan perbankan mengalami financial distress. Hasil penelitian ini sejalan

dengan penelitian (Meilita Fitri Rahmania, 2014) yang meneliti tentang pengaruh analisis

variabel NIM terhadap financial distress dengan hasil yang positif dan signifikan.

4.6.4 Pengaruh Return On Asset (ROA) terhadap Financial Distress

Variable Coefficient Std. Error t-Statistic Prob. ROA -0.093364 0.048152 -1.938935 0.0582


Hasil pengujian secara parsial (Uji-t) menunjukkan bahwa ROA

berpengaruh negatif dan tidak signifikan terhadap financial distress. Hal ini

menunjukkan bahwa peningkatan atau penurunan ROA selama periode penelitian

tidak mempengaruhi kondisi financial distress secara signifikan. Hal ini berarti

ROA yang semakin tinggi belum dapat digunakan untuk memprediksi financial

distress karena untuk mempertahankan tingkat kesehatan tertentu atau untuk


menutupi fakta bahwa terjadi penurunan tingkat kesehatan, maka manajer bank

dapat menggunakan kebijakan menaikan laba. Hasil penelitian ini sejalan dengan

penelitian sebelumnya yang dilakukan (Meilita Fitri Rahmania, 2014) yang meneliti

tentang variabel ROA dalam pengaruhnya terhadap financial distress dengan hasil

yang negatif dan tidak signifikan.

4.6.5 Pengaruh Biaya Operasional terhadap Pendapatan Operasional (BOPO) terhadap Financial Distres

Variable Coefficient Std. Error t-Statistic Prob. BOPO -0.982120 0.436809 -2.248396 0.0290


Hasil pengujian secara parsial (Uji-t) menunjukkan bahwa BOPO

berpengaruh negatif dan signifikan terhadap financial distress. Hal ini menunjukkan

bahwa peningkatan BOPO akan diikuti dengan peningkatan Z-Score atau financial

distress, sebaliknya jika BOPO mengalami penurunan maka Z-Score atau financial

distress pada perbankan akan mengalami penurunan yang dapat menyebabkan

kebangkrutan atau grey area selama periode penelitian. BOPO menjadi negatif

karena sebagian bank tidak bisa mengatur keseimbangan antara biaya operasional

yang dikeluarkan untuk menghasilkan pendapatan. Hal ini dikarenakan terdapat

perusahaan perbankan yang mengeluarkan biaya untuk operasional yang tinggi

namun mempunyai pendapatan yang kurang untuk menjalankan biaya aktifitas usaha

utamanya seperti biaya bunga, biaya pemasaran, biaya tenaga kerja dan biaya

operasional lainnya. Hasil penelitian ini sejalan dengan penelitian (Riyadi, 2008)

yang meneliti tentang variabel BOPO terhadap financial distress dengan hasil yang

negatif dan signifikan


4.6.6 Pengaruh Loan to Deposite Ratio (LDR) terhadap Financial Distress

Variable Coefficient Std. Error t-Statistic Prob. LDR -0.118813 0.844256 -0.140731 0.8886


Hasil pengujian secara parsial (Uji-t) menunjukkan bahwa LDR berpengaruh

negatif dan tidak signifikan. Hal ini menunjukkan bahwa peningkatan atau penurunan

LDR selama periode penelitian tidak mempengaruhi kondisi financial distress secara

signifikan. LDR yang negatif menunjukkan bahwa kemampuan memasarkan dana

belum maksimal sehingga bank menginvestasikan dana yang dihimpun dalam bentuk

aktiva produktif lain yang tidak beresiko. Hasil Penelitian ini sejalan dengan

penelitian (Meilita Fitri Rahmania, 2014) yang meneliti tentang variabel LDR

terhadap financial distress dengan hasil negatif dan tidak signifikan.


BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil penelitian dan pembahasan, maka disimpulkan:

1. Secara serempak (Uji F) menunjukkan bahwa Capital Adequacy Ratio

(CAR), Non Performing Loan (NPL), Net Interest Margin (NIM), Return On

Asset (ROA), Biaya Operasional terhadap Pendapatan Operasional (BOPO),

Loan to Deposite Ratio (LDR) secara serempak berpengaruh signifikan

terhadap Financial Distress periode Tahun 2014-2016.

2. Secara parsial (Uji t) dapat dinyatakan bahwa:

a. Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Return On

Asset (ROA), Loan to Deposite Ratio (LDR) berpengaruh negatif dan

tidak signifikan terhadap Financial Distress pada perusahaan perbankan

yang terdaftar di Bursa Efek Indonesia.

b. Net Interest Margin (NIM)) berpengaruh positif dan signifikan terhadap

Financial Distress pada perusahaan perbankan yang terdaftar di Bursa

Efek Indonesia.

c. Biaya Operasional terhadap Pendapatan Operasional (BOPO)

berpengaruh negatif dan signifikan terhadap Financial Distress pada

perusahaan perbankan yang terdaftar di Bursa Efek Indonesia.

5.2 Saran

Berdasarkan kesimpulan yang telah dikemukakan, maka saran yang dapat


diajukan adalah sebagai berikut:

1. Bagi Peneliti Sejenis

Bagi peneliti sejenis sebaiknya memperluas penelitian dengan melakukan

penelitian tidak hanya terbatas pada perusahaan perbankan saja, tetapi juga

perusahaan-perusahaan lainnya, misalnya saja pada perusahaan manufaktur

yang terdaftar pada Bursa Efek Indonesia. Diharapkan pada peneliti

selanjutnya untuk meneliti variabel-variabel lain yang mempengaruhi

financial distress atau dengan menggunakan rasio keuangan lainnya.

2. Bagi Perusahaan Perbankan

Bagi manajemen perusahaan perbankan, sebaiknya dapat meningkatkan rasio

CAR, NPL, ROA, dan BOPO agar dapat mengurangi financial distress serta

memperhatikan kemampuan manajemen dalam mengelola kesehatan bank.

3. Bagi Investor

Mengetahui seberapa terlindungnya suatu perusahaan terhadap risiko yang

akan dihadapi perusahaan adalah informasi penting dan baik bagi investor.

Penulis menyarankan bagi para investor untuk lebih memperhatikan rasio

NIM dan LDR sebelum mengambil keputusan dalam berinvestasi.


DAFTAR PUSTAKA

Afriyeni, E. (2012). Model Prediksi Financial Distress Perusahaan Polibisnis . Journal Nasional , 1-10.

Akhigbe, A., Martin, D., & Mauer, L. J. (2014). Influence of Financial Distress on Foreign Exchange Exposure. American Journal of Business , 223-236.

Almilia, L., & Herdiningtyas, W. (2005). Analisis Rasio CAMEL terhadap prediksi kondisi bermasalah pada Lembaga Perbankan periode 2000-2002 . Jurnal Akuntansi dan Keuangan , 2-7.

Altman, E. (1968). Financial Ratio Discriminant Analysis, and The Prediction of Corporat Bankruptcy. The Journal Of Finance , 25.

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

Darmawi, H. (2006). Pasar Financial dan Lembaga-Lembaga Financial. Bandung : Bumi Aksara .

Fahmi, I. (2013). Analisis Laporan Keuangan . Bandung : Alfabeta .

Ghozali, I. (2013). Aplikasi Analisis Multivariate dengan Program IBM SPSS 21. Semarang: Universitas Dipenogoro.

Januarti, I. (2002). Variabel Proksi CAMEL dan Karakteristik Bank Lainnya untuk Memprediksi Kebangkrutan Bank di Indonesia . Jurnal Bisnis Strategi , 1-10.

Jia Liu, Z. (2014). Cross Country Study On The Determinants Of Bank Financial Distress. ISSN 0034-7590 , 593-603.

Kasmir. (2010). Analisis Laporan Keuangan . Jakarta : PT Rajawali.

Kuncoro, & Suhardjono. (2002). Manajemen Perbankan (Teori dan Aplikasi). Yogyakarta : BPFE.

Kurniasari, C. (2013). Analisis Pengaruh Rasio Camel Dalam Memprediksi Financial Distress Perbankan Indonesia . Semarang: Fakultas Ekonomika Dan Bisnis Universitas Dipenogoro .

Ludy, R. W. (2011). Kekuatan Rasio Keuangan dalam Memprediksi Kondisi Financial Distress Perusahaan Manufaktur di BEI. Fakultas Ekonomi Universitas Negeri Semarang , 3.(2). 101-109.

Mulyaningrum, P. (2008). Analisis Rasio Keuangan Sebagai Indikator Prediksi Kebangkrutan Bank Indonesia . Semarang : Universitas Diponegoro.

Prasnanugraha, P. (2007). Analisis Pengaruh Rasio-Rasio Keuangan Terhadap Kinerja Bank Umum di Indonesia. Semarang : Universitas Diponegoro.

Prihadi, T. (2009). Investasi Laporan Keuangan & Analisis Rasio Keuangan . Jakarta : PPM.


Rahmania, M. F. (2014). Analisis Rasio Keuangan dalam Memprediksi Kondisi Financial Distress Perusahaan Sekto Perdagangan. Jurnal Ilmu Manajemen , 22.(4). 1655-1665.

Riyadi, S. (2006). Banking Assets and Liability Management . Jakarta : PT Raja Grafindo Persada.

Sjahrial, M., & Dermawan. (2012). Pengantar Manajemen Keuangan . Jakarta : Mitra Wacana Media .

Stefancic, M., & Kathitziostis, N. (2011). An Evalution of Italian Bank In The Period Of Financial Distress . The International Business & Economic Research Journal , 103-113.

Sugiyono. (2010). Metode Penelitian Bisnis (Pendekatan Kuantitatif, Kualitatif dan R&D). Bandung : Alfabeta .

Suliyanto. (2011). Ekonometrika Terapan: Teori & Aplikasi dengan SPSS . Yogyakarta : Andi Offset.

Widarjono, A. (2013). Ekonometrika: Pengantar dan Aplikasinya Disertai Panduan Eviews. Yogyakarta : UPP STIM YKPN.

Winarno, W. W. (2015). Analisis Ekonometrika dan Statistik dengan Eviews . Yogyakarta : UPP STIM YKPN.

Yayanti, V., & Yanti. (2015). Analisis Pengaruh Likuiditas Efisiensi Operasi dan Corporate Governance Terhadap Financial Distress Pada Perusahaan Manufaktur Yang Terdaftar di Bursa Efek Indonesia Pada Periode 2012-2014. Jurnal Ekonomi , 154-173.

Zaenuddin, M. (2015). Isu, Problematika, dan Dinamika Perekonomian, dan Kebijakan Publik . Yogyakarta : Deepublish.

Zaki, E., Bah, R., & Rao, A. (2011). Assesing Probabilities of Financial Distress of Bank in UAE. International Journal of Managerial Finance , 304-320.

Zhuang, Q., & Lianghua, C. (2014). Dynamic Prediction of Financial Distress Based on Kalman Filterin . Corporation Discrete Dynamics in Nature and Society , 1-10.


DAFTAR LAMPIRAN

LAMPIRAN 1

Daftar Nama Perusahaan Berdasarkan Kriteria Sampel

No Nama Perbankan Kriteria Memenuhi Kriteria 1 2 1. Bank Rakyat Indonesia Agroniaga, Tbk √ √ Sampel (S1) 2. Bank Artha Graha Internasional, Tbk √ √ Sampel (S2) 3. Bank Bukopin, Tbk √ √ Sampel (S3) 4. Bank Bumi Arta √ √ Sampel (S4) 5. Bank Capital Indonesia √ √ Sampel (S5) 6. Bank Central Asia, Tbk √ √ Sampel (S6) 7. Bank CIMB Niaga, Tbk √ √ Sampel (S7) 8. Bank Danamaon Indonesia, Tbk √ X Tidak 9 Bank Himpunan Saudara 1906, Tbk √ √ Sampel (S8)

10. Bank MNC Internasional, Tbk √ √ Sampel (S9) 11. Bank Dinar Indonesia, Tbk √ X Tidak 12. Bank Internasional Indonesia, Tbk √ √ Sampel (S10) 13. Bank QNB Indonesia, Tbk √ √ Sampel (S11) 14. Bank Mandiri (Persero), Tbk √ X Tidak 15. Bank Mayapada Internasional, Tbk √ √ Sampel (S12) 16. Bank Mega, Tbk √ √ Sampel (S13) 17. Bank Mutiara, Tbk √ √ Sampel (S14) 18. Bank Negara Indonesia (Persero), Tbk √ √ Sampel (S15) 19. Bank Nusantara Parahyangan, Tbk √ √ Sampel (S16) 20. Bank OCBC NISP, Tbk √ √ Sampel (S17) 21. Bank Pan Indonesia, Tbk √ √ Sampel (S18) 22. Bank Permata, Tbk √ √ Sampel (S19) 23. Bank Rakyat Indonesia (Persero), Tbk √ √ Sampel (S20) 24. Bank Tabungan Negara (Persero), Tbk √ X Tidak 25. Bank Tabungan Pensiunan Nasional, Tbk √ √ Sampel (S21) 26. Bank Victoria International, Tbk √ √ Sampel (S22) 27. Bank Windu Kentjanan International, Tbk √ √ Sampel (S23) 28. Bank of India Indonesia, Tbk √ √ Sampel (S24) 29. Bank Pundi Indonesia, Tbk √ X Tidak 30. Bank Agris, Tbk √ X Tidak 31. Bank Ekonomi Raharja, Tbk √ X Tidak 32. Bank Ina Perdana, Tbk √ X Tidak 33. Bank Maspion Indonesia, Tbk √ X Tidak 34. Bank Mestika Dharma, Tbk √ X Tidak 35. Bank Mitraniaga, Tbk √ X Tidak 36. Bank Nationalnobu, Tbk √ X Tidak 37. Bank Panin syariah, Tbk √ √ Sampel (S25) 38. Bank Sinarmas, Tbk √ √ Sampel (S26) 39. Bank Yudha Bhakti, Tbk √ X Tidak 40. Bank Jawa Barat dan Banten, Tbk √ √ Sampel (S27) 41. Bank BPD Jawa Timur, Tbk √ √ Sampel (S28) 42. Bank Ganesha, Tbk √ X Tidak 43. Bank Artos Indonesia, Tbk √ X Tidak


LAMPIRAN 2

Data Financial Distress, CAR, NPL, NIM, ROA, BOPO, LDR pada Perbankan Tahun 2014-2016

BANK TAHUN Z-Score (Y) CAR NPL NIM ROA BOPO LDR AGRO 2014 6.78 0.1906 0.0202 0.0462 0.0147 0.8785 0.8849

2015 8.61 0.2212 0.0190 0.0477 0.0155 0.8863 0.8715

2016 8.91 0.2368 0.0288 0.0435 0.0149 0.8759 0.8825

BBCA 2014 21.01 0.1690 0.0060 0.0650 0.0390 0.6240 0.7680

2015 21.63 0.1870 0.0070 0.0670 0.0380 0.6320 0.8110

2016 22.08 0.2190 0.0130 0.0680 0.0400 0.6040 0.7710

BBKP 2014 5.85 0.1598 0.0278 0.0370 0.0123 0.8921 0.8389

2015 6.95 0.1500 0.0283 0.0358 0.0139 0.8756 0.8634

2016 7.12 0.1672 0.0377 0.0388 0.0138 0.8697 0.8604

BBNI 2014 6.02 0.1620 0.0200 0.0620 0.0350 0.6980 0.8570

2015 5.45 0.1950 0.0270 0.0640 0.0260 0.7550 0.8470

2016 6.44 0.1940 0.0300 0.0620 0.0270 0.7360 0.8520

BBNP 2014 7.24 0.1660 0.0141 0.0469 0.0132 0.8837 0.8915

2015 5.68 0.1807 0.0398 0.0518 0.0099 0.9191 0.9017

2016 7.74 0.2057 0.0407 0.0613 0.0015 0.9852 0.8418

BBRI 2014 21.04 0.1831 0.0169 0.0851 0.0473 0.6542 0.8168

2015 20.16 0.1699 0.0155 0.0813 0.0503 0.6058 0.8854

2016 18.75 0.1695 0.0178 0.0827 0.0515 0.5993 0.7985

BDMN 2014 10.06 0.1790 0.0230 0.0840 0.0190 0.7640 0.9260

2015 9.83 0.1970 0.0300 0.0820 0.0170 0.8337 0.8750

2016 12.2 0.2090 0.0310 0.0890 0.0250 0.7730 0.9100

BNBA 2014 7.15 0.1507 0.0025 0.0580 0.0152 0.8741 0.7945

2015 6.7 0.2557 0.0078 0.0549 0.0133 0.8891 0.8278

2016 8.44 0.2515 0.0182 0.0474 0.0152 0.8580 0.7903

BNGA 2014 6.76 0.1558 0.0390 0.0536 0.0133 0.8786 0.9946

2015 3.01 0.1628 0.0374 0.0521 0.0047 0.9738 0.9798

2016 5.95 0.1796 0.0389 0.0564 0.0109 0.9007 0.9838

BNII 2014 4.06 0.1353 0.0223 0.0440 0.0069 0.9213 0.9267

2015 5.48 0.1457 0.0367 0.0445 0.0108 0.8918 0.8614

2016 7.2 0.1793 0.0342 0.0461 0.0160 0.8436 0.8892

BTPN 2014 18.19 0.2320 0.0070 0.1140 0.0360 0.8000 0.9700

2015 15.71 0.2380 0.0070 0.1130 0.0310 0.8200 0.9700

2016 14.7 0.2500 0.0079 0.1200 0.0310 0.8200 0.9500

BVIC 2014 3.94 0.1835 0.0352 0.0188 0.0080 0.9325 0.7025

2015 3.17 0.2038 0.0448 0.0208 0.0065 0.9389 0.7017

2016 3.23 0.2618 0.0389 0.0153 0.0052 0.9430 0.6838


INPC 2014 4.22 0.1595 0.0192 0.0475 0.0079 0.9162 0.8762

2015 2.58 0.1520 0.0233 0.0456 0.0033 0.9666 0.8075

2016 2.62 0.1992 0.0277 0.0465 0.0035 0.9617 0.8639

MAYA 2014 8.85 0.1044 0.0146 0.0452 0.0198 0.8427 0.8125

2015 9.38 0.1297 0.0252 0.0478 0.0210 0.8265 0.8299

2016 9.93 0.1334 0.0211 0.0516 0.0203 0.8308 0.9140

MEGA 2014 5.95 0.1523 0.0209 0.0527 0.0116 0.9125 0.8953

2015 11.36 0.2285 0.0281 0.0604 0.0197 0.8572 0.8312

2016 12.16 0.2621 0.0344 0.0701 0.0236 0.8181 0.8261

NISP 2014 11.7 0.1874 0.0134 0.0415 0.0179 0.7946 0.9359

2015 11.16 0.1732 0.0130 0.0407 0.0168 0.8014 0.9805

2016 11.63 0.1828 0.0188 0.0462 0.0185 0.7984 0.8986

MCOR 2014 3.96 0.2515 0.0271 0.0376 0.0079 0.9319 0.8403

2015 5.17 0.2150 0.0198 0.0444 0.0103 0.9070 0.8682

2016 0.58 0.2104 0.0303 0.0448 0.0069 0.9347 0.8643

BACA 2014 3.23 0.1643 0.0034 0.0396 0.0133 0.8781 0.5813

2015 2.99 0.1770 0.0079 0.0473 0.0110 0.9027 0.5578

2016 3.09 0.2064 0.0317 0.0437 0.0100 0.8911 0.5534

SDRA 2014 2.86 0.2171 0.0251 0.0189 0.0281 0.5604 1.0120

2015 2.51 0.1882 0.0198 0.0474 0.0194 0.7989 0.9722

2016 2.74 0.1720 0.0153 0.0474 0.0193 0.7925 1.1045

BABP 2014 6.78 0.1412 0.0625 0.0260 -0.0164 0.9863 0.8493

2015 6.52 0.1521 0.0578 0.0840 0.0009 0.8768 0.7948

2016 5.44 0.1609 0.0488 0.0390 0.0093 0.8977 0.8014

BCIC 2014 11.93 0.1348 0.1224 0.0024 -0.0497 1.3639 0.7114

2015 11.45 0.1549 0.0371 0.0093 -0.0537 1.4368 0.8500

2016 9.65 0.1528 0.0698 0.0226 -0.0502 1.2826 0.9633

BEKS 2014 1.26 0.1005 0.0485 0.0965 -0.0159 1.0830 0.8611

2015 4.17 0.0802 0.0491 0.0611 -0.0529 1.3415 0.8077

2016 6.21 0.1322 0.0476 0.0193 -9.5800 1.9570 0.8385

BJBR 2014 10.71 0.1608 0.0415 0.0679 0.0192 0.8560 0.9318

2015 11.22 0.1621 0.0291 0.0632 0.0204 0.8331 0.8813

2016 8.27 0.1843 0.0169 0.0740 0.0222 0.8670 0.8670

BKSW 2014 1.42 0.1510 0.0031 0.0280 0.0105 0.8890 0.9347

2015 1.54 0.1618 0.0259 0.0308 0.0087 0.9095 1.1254

2016 7.77 0.1646 0.0686 0.0225 -0.0334 1.3794 0.9454

PNBN 2014 9.44 0.1741 0.0201 0.0306 0.0223 0.7981 0.9547

2015 7.41 0.2023 0.0244 0.0461 0.0131 0.8666 0.9883

2016 12.75 0.2059 0.0281 0.0503 0.0169 0.8302 0.9437

BNLI 2014 5.84 0.1360 0.0170 0.0360 0.0120 0.8980 0.8910

2015 1.04 0.1500 0.0270 0.0400 0.0020 0.9890 0.8780


2016 3.71 0.1560 0.0880 0.0390 -0.0490 1.5080 0.8050

BSIM 2014 5.65 0.1838 0.0300 0.0587 0.0102 0.9454 0.8388

2015 4.79 0.1437 0.0395 0.0577 0.0095 0.9167 0.7804

2016 8.93 0.1670 0.0210 0.0644 0.0172 0.8623 0.7747

BSWD 2014 2.48 0.1539 0.0117 0.0497 0.0336 0.7492 0.8806

2015 6.05 0.2385 0.0890 0.0370 -0.0077 1.1020 0.8206

2016 10.64 0.3450 0.1582 0.0369 -11.1500 2.3520 0.8270


LAMPIRAN 3

Data Prediksi Altman Z-Score pada Perbankan Tahun 2014-2016

Kode Tahun

Rasio

X1 X2 X3 X4 X5 Y

AGRO 2014 0.121 0.009 0.013 10.809 0.094 6.78

2015 0.087 0.010 0.013 13.916 0.094 8.61

2016 0.091 0.009 0.012 14.430 0.085 8.91

BBCA 2014 0.065 0.003 0.037 34.548 0.075 21.01

2015 0.090 0.003 0.004 35.707 0.081 21.63

2016 0.109 0.003 0.004 36.544 0.008 22.08

BBKP 2014 0.113 0.0001 0.011 9.307 0.090 5.85

2015 0.129 0.010 0.012 11.093 0.088 6.95

2016 0.125 0.010 0.013 11.374 0.089 7.12

BBNI 2014 0.033 0.025 0.032 9.603 0.081 6.02

2015 0.070 0.017 0.023 8.651 0.073 5.45

2016 0.042 0.018 0.024 10.348 0.073 6.44

BBNP 2014 0.078 0.010 0.014 11.618 0.114 7.24

2015 0.080 0.008 0.010 9.033 0.117 5.68

2016 0.104 0.001 0.002 12.479 0.117 7.74

BBRI 2014 0.132 0.029 0.038 34.362 0.094 21.04

2015 0.129 0.028 0.037 32.919 0.097 20.16

2016 0.149 0.025 0.034 30.558 0.094 18.75

BDMN 2014 0.259 0.012 0.018 15.925 0.117 10.06

2015 0.273 0.012 0.017 15.513 0.119 9.83

2016 0.303 0.014 0.025 19.349 0.119 12.20

BNBA 2014 0.184 0.010 0.014 11.271 0.103 7.15

2015 0.173 0.009 0.012 10.570 0.101 6.70

2016 0.197 0.011 0.015 13.389 0.101 8.44

BNGA 2014 0.413 0.009 0.013 10.280 0.046 6.76

2015 0.414 0.004 0.005 4.074 0.048 3.01

2016 0.360 0.008 0.011 9.041 0.050 5.95

BNII 2014 0.118 0.005 0.007 6.419 0.038 4.06

2015 0.106 0.008 0.010 8.781 0.038 5.48

2016 0.110 0.012 0.016 11.604 0.040 7.20

BTPN 2014 0.099 0.025 0.034 29.603 0.164 18.19

2015 0.190 0.022 0.030 25.322 0.160 15.71

2016 0.198 0.021 0.029 23.654 0.150 14.70

BVIC 2014 0.179 0.045 0.006 5.910 0.095 3.94

2015 0.155 0.044 0.004 4.697 0.087 3.17

2016 0.151 0.043 0.004 4.825 0.083 3.23


INPC 2014 0.106 0.035 0.008 6.532 0.096 4.22

2015 0.091 0.036 0.003 3.851 0.096 2.58

2016 0.075 0.036 0.004 3.964 0.087 2.62

MAYA 2014 0.084 0.012 0.016 14.309 0.098 8.85

2015 0.081 0.014 0.019 15.155 0.106 9.38

2016 0.125 0.013 0.018 16.011 0.099 9.93

MEGA 2014 0.097 0.007 0.010 9.579 0.041 5.95

2015 0.091 0.013 0.018 18.543 0.048 11.36

2016 0.098 0.014 0.022 19.840 0.049 12.16

NISP 2014 0.210 0.013 0.017 18.887 0.036 11.70

2015 0.194 0.012 0.017 18.027 0.037 11.16

2016 0.173 0.013 0.017 18.850 0.039 11.63

MCOR 2014 0.102 0.005 0.007 6.190 0.092 3.96

2015 0.107 0.007 0.010 8.176 0.099 5.17

2016 0.198 0.002 0.006 0.378 0.087 0.58

BACA 2014 0.779 0.008 0.011 3.711 0.023 3.23

2015 0.757 0.007 0.010 3.353 0.024 2.99

2016 0.921 0.007 0.009 3.204 0.025 3.09

SDRA 2014 0.170 0.008 0.012 4.314 0.015 2.86

2015 0.163 0.013 0.018 3.601 0.077 2.51

2016 0.230 0.014 0.018 3.850 0.078 2.74

BABP 2014 0.114 0.022 0.007 10.838 0.081 6.78

2015 0.121 0.017 0.001 10.456 0.078 6.52

2016 0.125 0.015 0.001 8.639 0.081 5.44

BCIC 2014 0.033 0.052 0.053 19.401 0.005 11.93

2015 0.030 0.051 0.049 18.613 0.011 11.45

2016 0.139 0.045 0.044 15.416 0.024 9.65

BEKS 2014 0.117 0.013 0.017 1.434 0.186 1.26

2015 0.165 0.055 0.064 5.854 0.169 4.17

2016 0.120 0.077 0.097 9.236 0.091 6.21

BJBR 2014 0.136 0.001 0.019 17.273 0.116 10.71

2015 0.152 0.0005 0.020 18.103 0.114 11.22

2016 0.131 0.0004 0.014 13.266 0.104 8.27

BKSW 2014 0.109 0.006 0.008 1.993 0.059 1.42

2015 0.257 0.011 0.008 1.851 0.079 1.54

2016 0.105 0.016 0.036 12.361 0.084 7.77

PNBN 2014 0.142 0.014 0.021 15.146 0.090 9.44

2015 0.142 0.008 0.013 11.814 0.092 7.41

2016 0.144 0.012 0.017 20.702 0.088 12.75

BNLI 2014 0.069 0.009 0.011 9.464 0.029 5.84

2015 0.067 0.001 0.002 1.523 0.034 1.04


2016 0.065 0.039 0.052 5.622 0.036 3.71

BSIM 2014 0.088 0.041 0.009 9.013 0.047 5.65

2015 0.081 0.037 0.009 7.612 0.048 4.79

2016 0.084 0.045 0.016 14.422 0.056 8.93

BSWD 2014 0.520 0.020 0.027 2.759 0.085 2.48

2015 0.430 0.007 0.008 9.007 0.091 6.05

2016 0.388 0.117 0.134 15.797 0.095 10.64


LAMPIRAN 4

Hasil Statistik Deskriptif Date: 01/30/:25

Sample: 2014 2016 Z-Score CAR NPL NIM ROA BOPO LDR Mean 7.916429 0.181117 0.030883 0.051427 -0.235381 0.920614 0.861332

Median 6.780000 0.173650 0.027000 0.047400 0.013300 0.878300 0.863650 Maximum 22.08000 0.345000 0.158200 0.120000 0.051500 2.352000 1.125400 Minimum 0.580000 0.080200 0.002500 0.002400 -11.15000 0.560400 0.553400 Std. Dev. 5.043249 0.041204 0.024378 0.022251 1.596274 0.260384 0.097763 Skewness 1.127690 0.837399 2.660238 0.751672 -6.302388 3.044485 -0.592798 Kurtosis 3.971257 5.035250 12.64758 4.108402 40.97233 15.25404 5.044299

Jarque-Bera 21.10528 24.31516 424.8417 12.21010 5602.723 655.3297 19.54679 Probability 0.000026 0.000005 0.000000 0.002232 0.000000 0.000000 0.000057

Sum 664.9800 15.21380 2.594200 4.319900 -19.77200 77.33160 72.35190 Sum Sq. Dev. 2111.052 0.140913 0.049325 0.041095 211.4916 5.627402 0.793276

Observations 84 84 84 84 84 84 84


LAMPIRAN 5

Hasil Pengujian Fixed Efect Model (FEM) Dependent Variable: Z-Score Method: Panel Least Squares Date: 01/31/18 Time: 12:38 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84


CAR -0.692302 1.476026 -0.469031 0.6411 NPL -1.132360 2.882377 -0.392856 0.6961 NIM 8.026015 3.594852 2.232641 0.0301 ROA -0.093364 0.048152 -1.938935 0.0582

BOPO -0.982120 0.436809 -2.248396 0.0290 LDR -0.118813 0.844256 -0.140731 0.8886

Effects Specification Cross-section fixed (dummy variables) R-squared 0.685004 Mean dependent var 0.142857



LAMPIRAN 6

Hasil Uji Jarque-Bera Test

0

1

2

3

4

5

6

7

8

9

-2 -1 0 1 2 3

Series: Standardized ResidualsSample 2014 2016Observations 84

Mean -9.32e-17Median 0.011952Maximum 3.202647Minimum -2.635680Std. Dev. 1.232501Skewness 0.216233Kurtosis 3.062658

Jarque-Bera 0.668337Probability 0.715933


LAMPIRAN 7

Hasil Uji Multikolinieritas CAR NPL NIM ROA BOPO LDR

1.000000 0.109802 0.140903 -0.245208 0.044757 -0.034818

0.109802 1.000000 -0.345098 -0.497291 0.761958 -0.112322 0.140903 -0.345098 1.000000 0.166035 -0.393159 0.135336 -0.245208 -0.497291 0.166035 1.000000 -0.759437 0.047697 0.044757 0.761958 -0.393159 -0.759437 1.000000 -0.104219 -0.034818 -0.112322 0.135336 0.047697 -0.104219 1.000000


LAMPIRAN 8

Hasil Uji Heteroskedastisitas Dependent Variable: RESABS Method: Panel Least Squares Date: 01/31/18 Time: 12:57 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84


CAR -0.119857 0.449483 -0.266655 0.7904 NPL -1.749914 1.122384 -1.559105 0.1231 NIM -0.348887 0.863994 -0.403807 0.6875 ROA 0.033562 0.018123 1.851862 0.0679

BOPO 0.358640 0.148512 2.414887 0.0681 LDR -0.388692 0.176454 -2.202796 0.0706


Adjusted R-squared 0.090781 S.D. dependent var 0.162633 S.E. of regression 0.155076 Akaike info criterion -0.810152 Sum squared resid 1.851732 Schwarz criterion -0.607583 Log likelihood 41.02636 Hannan-Quinn criter. -0.728721 F-statistic 2.381185 Durbin-Watson stat 1.246434 Prob(F-statistic) 0.036579


LAMPIRAN 9

Hasil Uji Autokorelasi Dependent Variable: Z-Score Method: Panel Least Squares Date: 01/31/18 Time: 12:38 Sample: 2014 2016 Periods included: 3 Cross-sections included: 28 Total panel (balanced) observations: 84

Cross-section fixed (dummy variables) R-squared 0.685004 Mean dependent var 0.142857



Documents

Analisis Kinerja Keuangan dalam Memprediksi Kondisi Financial … · 2019. 7. 31. · Krisis keuangan yang terjadi di Amerika pada tahun 2008 dan di Eropa pada tahun 2010 tidakhanya