MODEL KEBIJAKAN PERATURAN BANK INDONESIA TENTANG TINGKAT KESEHATAN BANK DALAM …sipeg.unj.ac.id/repository/upload/buku/MODEL_KEBIJAKAN... · 2019. 12. 18. · MODEL KEBIJAKAN PERATURAN

MODEL KEBIJAKAN PERATURAN BANK INDONESIA

TENTANG TINGKAT KESEHATAN BANK DALAM RANGKA

MENDUKUNG PENGEMBANGAN USAHA SKALA KECIL

DAN MENENGAH

Oleh

Agung Dharmawan Buchdadi, MM, Ph.D

Dr. Suherman, M.Si

Ir. Indra Astrayuda, MA, Ph.D

UNIVERSITAS NEGERI JAKARTA

OKTOBER 2013

i

KATA PENGANTAR

Segala puji dan syukur kehadirat Tuhan yang maha Esa atas rahmat

dan hidayahNYA, kami dapat menyelesaikan karya ilmiah ini. Karya

ilmiah ini disusun berkaitan dengan model kebijakan peraturan Bank

Indonesia tentang tingkat kesehatan Bank dalam rangka mendukung

pengembangan usaha kecil dan menengah. Terima kasih sebesar

besarnya juga kami haturkan keseluruh pihak yang membantu dalam

penyusunan karya ilmiah ini.

Segala upaya dan usaha telah kami curahkan demi kesempurnaan

dalam penyusunan karya ilmiah ini. Namun, kami menyadari bahwa

masih terdapat kekurangan disana-sini dalam penyusunan karya

ilmiah ini. Oleh karena itu, kami memohon maaf sebesar besarnya atas

kesalahan itu dan membuka kritik dan saran demi penyempurnaan

karya ini dimasa depan.

Akhirnya, besar harapan kami semoga karya ilmiah ini bermanfaat

bagi seluruh bangsa Indonesia dan terutama bagi pembaca buku

ilmiah ini

Jakarta, Oktober 2013

Tim Penyusun

ii

RINGKASAN

Karya ilmiah ini bertujuan untuk mengetahui bagaimana variabel

indikator kesehatan BPR yang telah ditetapkan BI mempengaruhi

kinerja dan efektifitas bank tersebut dan untuk mengetahui apakah

terdapat konsistensi pengaruh variabel tersebut pada BPR menurut

kategori besarnya aset BPR. Data diperoleh dari Bank Indonesia.

Variabel dependen nya adalah performance (ROA dan NIM),

efficiency (NPL). Sedangkan variabel independennya ialah CAR,

NPL, BOPO, LDR, dan Size.

Teknik analisis yang digunakan dalam penelitian ini adalah regresi

data panel. Hasil penelitian ini yaitu karakteristik BPR yang

digunakan dalam penelitian ini ditemukan berpengaruh signifikan

dalam berbagai ukuran kinerja BPR di Indonesia selama tahun

pengamatan yang melewati masa krisis ekonomi dan paska krisis

ekonomi. Koefisien determinasi yang ditemukan cukup kuat, sehingga

diharapkan dapat bermanfaat untuk bahan evaluasi Bank Indonesia

dalam menentukan kebijakan tingkat kesehatan BPR. Terdapat

perbedaan pengaruh baik positif maupun negatif untuk setiap kapital

aset yang berbeda. Setiap variabel dapat berpengaruh positif untuk

kapital aset yang kecil namun dapat berpengaruh negatif untuk kapital

aset yang besar, begitupula sebaliknya atau bisa pula konsisten untuk

setiap kapital aset yang berbeda.

.

iii

DAFTAR ISI

DAFTAR ISI .......................................................................................................... iii

BAB 1 PENDAHULUAN ...................................................................................... 1

A. Latar Belakang Penelitian ........................................................................ 1

B. Perumusan Masalah .................................................................................. 3

BAB 2 LANDASAN TEORI .................................................................................. 5

A. Kinerja Perbankan .................................................................................... 5

B. Telaah Penelitian-penelitian Terdahulu .................................................... 7

C. Peta Jalan Penelitian ............................................................................... 10

BAB 3 TUJUAN DAN MANFAAT PENELITIAN ............................................ 11

A. Tujuan Penelitian .................................................................................... 11

B. Manfaat Penelitian .................................................................................. 11

BAB 4 METODE PENELITIAN ......................................................................... 12

A. Desain Penelitian .................................................................................... 12

B. Definisi dan Pengukuran Variabel ......................................................... 12

Variabel Performance ................................................................................... 12

Variabel Efficiency ........................................................................................ 12

Variabel Size ................................................................................................. 13

Variabel Permodalan ..................................................................................... 13

Variabel Rentabilitas ..................................................................................... 13

Variabel Likuiditas ........................................................................................ 13

C. Populasi dan Sampel .............................................................................. 14

D. Jenis dan Sumber Data ........................................................................... 14

E. Metode Analisis Data ............................................................................. 14

F. TAHAP TAHAP DAN DIAGRAM ALIR PENELITIAN ........................ 15

DIAGRAM ALIR PENELITIAN ................................................................. 16

Langkah Pelaksanaan Penelitian Tahun 1 ..................................................... 17

Uji Multikolinearitas ..................................................................................... 20

Uji Heteroskedastisitas .................................................................................. 23

Uji Autokorelasi ............................................................................................ 24

Hasil Uji Regresi ........................................................................................... 26

Pembahasan ................................................................................................... 28

iv

B. Saran ............................................................................................................. 33

DAFTAR PUSTAKA ........................................................................................... 35

LAMPIRAN .......................................................................................................... 37

v

DAFTAR GAMBAR

Gambar 4.1 Diagram Alir Penelitian ....................................................................16

Gambar 4.2 Bagan Alir Penelitian.........................................................................17

vi

DAFTAR TABEL

Tabel 1.1 Aspek Pengawasan Kesehatan BPR Oleh Bank Indonesia...............3

Tabel 2.1 Peta Jalan Penelitian..............................................................................10

Tabel 4.1 Tahap dan Keluaran Penelitian............................................................15

Tabel 5.1 Statistik Deskriptif Data Penelitian.......................................................18

Tabel 5.2 Uji Multikolinearitas Kapital Aset Dibawah 5M................................21

Tabel 5.3 Uji Multikolinearitas Kapital Aset Diantara 5-10M..........................21

Tabel 5.4 Uji Multikolinearitas Kapital Aset Diatas 10M..................................22

Tabel 5.5 Uji Heteroskedastisitas Kapital Aset Dibawah 5M...........................23

Tabel 5.6 Uji Heteroskedastisitas Kapital Aset Diantara 5-10M......................23

Tabel 5.7 Uji Heteroskedastisitas Kapital Aset Diatas 10M..............................23

Tabel 5.8 Uji Autokorelasi Kapital Aset Dibawah 5M.......................................24

Tabel 5.9 Uji Autokorelasi Kapital Aset Diantara 5-10M.................................24

Tabel 5.10 Uji Autokorelasi Kapital Aset Diatas 10M.......................................24

Tabel 5.11 Uji Model Panel Kapital Aset Dibawah 5M......................................25

Tabel 5.12 Uji Model Panel Kapital Aset Diantara 5-10M...............................25

Tabel 5.13 Uji Model Panel Kapital Aset Diatas 10M.......................................26

Tabel 5.14 Uji Regresi Kapital Aset Dibawah 5M..............................................26

Tabel 5.15 Uji Regresi Kapital Aset Diantara 5-10M........................................26

Tabel 5.16 Uji Regresi Kapital Aset Diatas 10M................................................27

1

BAB 1 PENDAHULUAN

A. Latar Belakang Penelitian

Kondisi Ekonomi Indonesia yang mengalami krisis pada tahun 1998

membuat industri perbankan melakukan pembenahan. Kemudian tercatat pula

krisis keuang global di tahun 2008. Penelitian ini akan melakukan penelitian

kinerja dan efisiensi perbankan setelah krisis 1998 sampai 2008 dan kinerja

perbankan pasca krisis 2008. Diharapkan gambaran kondisi perbankan

Indonesia akan diperoleh melalui penelitian ini.

Gambaran mengenai kondisi perbankan Indonesia menunjukkan bahwa

restrukturisasi di sektor perbankan merupakan hal yang sangat mendesak dan

harus secepatnya dilaksanakan dalam rangka pemulihan ekonomi nasional.

Restrukturisasi perbankan ini bertujuan untuk menjamin kegiatan operasional

perbankan yang sehat dan tersedianya fasilitas jasa perbankan yang merupakan

hal yang sangat penting sebagai wadah untuk memobilisasi dana; menciptakan

infrastruktur hukum dan standar pengawasan perbankan; menciptakan dan

mempertahankan sistem perbankan yang sehat; dan untuk menyelesaikan

masalah bank yang lemah dan insolven serta mengembalikan kepercayaan

masyarakat terhadap sistem perbankan (Gunawan, Jasmina & Rizali, 1998).

Diketahui kapabilitas perbankan masih lemah. Evaluasi terhadap

kemampuan operasional perbankan Indonesia menunjukkan adanya kesenjangan

yang cukup mengkhawatirkan pada beberapa bidang, khususnya bidang risk

management, corporate governance, dan core banking skills. Penelitian lebih

mendalam menunjukkan bahwa bank-bank besar mempunyai kemampuan

operasional yang lebih baik. Namun, secara umum, kemampuan operasional BI

masih di bawah international best practices. Hal ini tercermin, antara lain, pada

pemberian kredit sebelum krisis yang pada umumnya kurang mengindahkan

aspek prudential, sehingga timbul berbagai masalah yang bermuara pada

meningkatnya NPL. Hal ini juga telah kami temukan dalam penelitian Arafat dkk

2

(2013) dan Buchdadi dkk (2012) dimana variable NPL berpengaruh signifikan

terhadap kinerja bank bank yang terdaftar dalam bursa efek Indonesia.

Selain itu profitabilitas dan efisiensi operasional bank tidak sustainable.

Dilihat dari profitabilitasnya, perbankan Indonesia telah menunjukkan kinerja yang

baik. Secara industri, ROA (return on asset) perbankan Indonesia mencapai 2,4%

(per September 2003). Namun demikian, profitabilitas dan efisiensi operasional

yang dicapai perbankan pada umumnya kurang sustainable, lantaran beberapa

factor, antara lain struktur aset perbankan yang lemah, di mana margin lebih

banyak diperoleh dari lebarnya suku bunga pinjaman. Margin ini diperkirakan tidak

dapat berkelanjutan apabila suku bunga terus menurun. Saat ini, non interest

income merupakan faktor utama yang menunjang kinerja perbankan Indonesia.

Namun demikian, hanya 30 bank yang pendapatannya berasal dari fee based

income. Sedangkan, sisanya berasal dari aktivitas trading yang berfluktuasi.

Pengembalian penyisihan penghapusan aktiva produktif (PPAP) cukup signifikan

dalam menopang ROA perbankan Indonesia. Tanpa komponen pendapatan ini, ROA

perbankan Indonesia akan lebih rendah daripada yang dilaporkan. Pengembalian

PPAP ini terutama berasal dari restrukturisasi kredit dan penjualan NPL yang

tampaknya tidak akan sustainable. Biaya operasional perbankan Indonesia

cenderung lebih tinggi dibandingkan dengan negara lain. Hal ini disebabkan

faktor geografis yang luas dan rendahnya rasio asset per customer.

Hal penting yang akan digali dalam penelitian ini adalah kebutuhan

pendanaan di masyarakat seiring tumbuhnya perekonomian bangsa terutama di

sektor UMKM yang sangat ditopang oleh peran Bank Perkreditan Rakyat (BPR).

Bank seperti ini lazimnya bank umum, namun memiliki kekhususan yakni

melayani keperluan masyarakat di wilayah pedesaan dan usaha mikro kecil

(UMK) dalam bentuk simpanan (tabungan dan deposito) dan kredit. BPR tidak

dapat menerbitkan cek dan bilyet giro seperti bank umum. Wilayah operasional

BPR pun terbatas hanya dalam lingkup satu propinsi. Oleh karena itu kajian

dalam penelitian ini akan mendukung program pengembangan UMKM dengan

melihat performa BPR menjalan fungsi intermediasi keuangan.

3

Bersumber dari website Bank Indonesia (BI), per Oktober 2011 terdapat

1837 BPR Kriteria tingkat kesehatan bank berdasarkan studi oleh Direktorat

Kredit, BPR, dan UMKM selama 5 tahun (per Desember 2011) dapat ditemukan

dalam dokumen model bisnis BPR yang dapat diunduh dari website BI. Kriteria

tersebut disajikan dalam table berikut:

Tabel 1.1 Aspek Pengawasan Kesehatan BPR oleh BI

Aspek Indikator Nilai

Permodalan CAR >8%

Kualitas Aktiva Produktif NPL <5%

Rentabilitas ROA >1,3%

BOPO <93,5%

Liquiditas Cash Ratio >4%

LDR 80% - 95%

Sumber: Dokumen Model Bisnis BPR, www.bi.go.id

Berdasarkan uraian di atas, penelitian ini akan memberikan masukan dari

akademisi mengenai kebijakan tingkat kesehatan bank khususnya BPR yang

telah ditetapkan oleh BI. Dengan demikian inovasi dan penerapan yang akan

dihasilkan dalam penelitian ini diantara lain:

1. Evaluasi atas nilai atas indicator yang telah ditetapkan mengenai tingkat

kesehatan BPR sesuai dengan tingkat kinerja dan efektifitas BPR.

2. Langkah awal melakukan kajian lebih mendalam terhadap aspek lain yang

juga dinilai kurang diaplikasikan di Indonesia yaitu penerapan Good

Corporate Governance dan Manajemen Risiko, yang direncanakan

dilakukan di tahun ke 2, dimana akan dipilih sejumlah BPR yang berkinerja

baik sebagai responden.

B. Perumusan Masalah

Berdasarkan uraian latar belakang diatas, penulis merumuskan

permasalahan penelitian adalah:

1. Bagaimana variabel indikator kesehatan BPR yang telah ditetapkan BI

mempengaruhi kinerja dan efektifitas bank tersebut. Sehingga akan

http://www.bi.go.id/

4

dievaluasi kesesuaian indikator –indikator tersebut dimana semakin ”Sehat”

sebuah BPR semakin BPR tersebut berkinerja baik dan efektif.

2. Apakah terdapat konsistensi pengaruh variabel tersebut pada BPR menurut

kategori besarnya aset BPR.

5

BAB 2 LANDASAN TEORI

A. Kinerja Perbankan

Kinerja dapat diartikan sebagai ukuran tingkat keberhasilan manajemen

dalam mengelola sumber daya perusahaan, baik sumber daya financial maupun

non financial. Kinerja juga menyangkut aspek akuntabilitas publik, transparansi

alokasi dan pemanfaatan sumber daya, serta tata kelola perusahaan yang baik.

Mardiasmo (2004) mengungkapkan tujuan dari pengukuran kinerja

perusahaan adalah untuk:

1. mengkomunikasikan strategi secara lebih baik (top-down dan bottom-up)

2. mengukur kinerja financial dan non financial secara berimbang, sehingga

dapat ditelusuri perkembangan pencapaian strategi yang telah ditetapkan.

3. mengakomodasi pemahaman kepentingan manajer tingkat menengah dan

bawah, serta memotivati untuk mencapai tujuan bersama (goal-

congruance).

4. sebagai alat untuk mencapai kepuasan berdasarkan pendekatan individual

dan kemampuan kolektif yang rasional.

Cuervo dan Villalonga (2000) mengatakan bahwa yang dimaksud dengan

kinerja perusahaan adalah efisiensi keuangan dan operasi suatu perusahaan.

Definisi ini kemudian dikembangkan secara lebih operasional oleh Makhija

(2003) yang menggunakan variabel kinerja yang terdiri dari: 1)ukuran perusahaan,

2)variasi profitabilitas, 3)leverage, 4)pangsa pasar, 5)efisiensi manajerial, dan

6)kepemilikan saham oleh manajemen, masyarakat, dan pemerintah.

Rasio-rasio keuangan yang termasuk dalam CAMEL dapat digunakan

sebagai alat ukur kinerja perbankan. Rasio-rasio tersebut menggambarkan suatu

hubungan atau perbandingan antara suatu jumlah tertentu dengan jumlah yang

lain. Dengan analisis rasio dapat diperoleh gambaran baik buruknya kinerja atau

posisi keuangan suatu bank.

CAMEL adalah aspek yang paling banyak berpengaruh terhadap kondisi

keuangan bank yang mempengaruhi pula tingkat kesehatan bank. CAMEL

6

merupakan tolok yang menjadi obyek pemeriksaan bank yang dilakukan oleh

pengawas bank. CAMEL terdiri atas lima kriteria yaitu modal, aktiva,

manajemen, pendapatan dan liquiditas (kamus Perbankan, 1999).

Berikut ini rasio-rasio yang terdapat pada CAMEL yang akan digunakan

dalam penelitian ini sesuai dengan indikator tingkat kesehatan BPR:

a. CAR (Capital Adequancy Ratio) CAR adalah rasio yang memperlihatkan

seberapa besar jumlah seluruh aktiva bank yang menganduug resiko

(kredit, penyertaan, surat berharga, tagihan pada bank lain) ikut dibiayai dari

modal sendiri disamping memperoleh dana-dana dari sumber-sumber diluar

bank. Rasio ini dapat dirumuskan sebagai berikut:

CAR. = Modal Bank x 100%

Total ATMR

b. NPL (Non Performing Loan). Rasio ini menunjukan bahwa

kemampuan manajemen bank dalam mengelola kredit bermasalah yang

diberikan oleh bank. Sehingga semakin tinggi rasio ini maka akan semakin

semakin buruk kualitas kredit bank yang menyebabkan jumlah kredit

bermasalah semakin besar maka kemungkinan suatu bank dalam kondisi

bermasalah semakin besar. 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. Rasio ini dapat dirumuskan sebagai berikut:

NPL = Kredit bermasalah x 100%

Total kredit

c. ROA (Return on Assets). Rasio ini digunakan untuk mengukur kemampuan

manajemen bank dalam memperoleh keuntungan yang dihasilkan dari rata-

rata total aset bank yang bersangkutan. Semakin besar ROA, semakin

besar pula tingkat keuntungan yang dicapai bank sehingga

kemungkinan suatu bank dalam kondisi bermasalah semakin kecil. Rasio ini

dirumuskan sebagai berikut:

ROA = Laba setelah pajak x 100%

Total asset

7

d. NIM (Net Interest Margin). Rasio ini digunakan untuk mengukur

kemampuan manajemen bank dalam mengelola aktiva produktifnya

untuk menghasilkan pendapatan bunga bersih. Pendapatan bunga bersih

diperoleh dari pendapatan bunga dikurangi beban bunga. Rasio ini

dirumuskan sebagai berikut :

NIM = Pendapatan Bunga bersih x 100%

Aktiva produktif

e. BOPO (Rasio Biaya Operasional terhadap Pendapatan Operasional).

Rasio yang sering disebut rasio efisiensi ini digunakan untuk mengukur

kemampuan manajemen bank dalam mengendalikan biaya operasional

terhadap pendapatan operasional. Semakin kecil rasio ini berarti

semakin efisien biaya operasional yang dikeluarkan bank yang

bersangkutan. Rasio ini dirumuskan sebagai berikut:

BOPO = Biaya Operasional x 100%

Pendapatan Operasional

f. LDR (Loan to Deposit Ratio). Rasio ini digunakan untuk menilai

likuiditas suatu bank yang dengan cara membagi jumlah kredit yang

diberikan oleh bank terhadap dana pihak ketiga. Semakin tinggi rasio

ini, semakin rendahnya kemampuan likuiditas bank yang bersangkutan

sehingga kemungkinan suatu bank dalam kondisi bermasalah akan

semakin besar. Rasio ini dapat dirumuskan sebagai berikut :

LDR = Total kredit x 100%

Total dana pihak ketiga

B. Telaah Penelitian-penelitian Terdahulu

Havrylchyk (2005) meneliti hubungan konsolidasi dan efisiensi perbankan

di Polandia. Ia menfokuskan pada pengaruh kepemilikan asing terhadap efisiensi.

Regresi yang digunakan adalah Tobit Regression. Periode penelitian adalah tahun

1997 sampai 2001. Efisiensi diukur dengan cost efficiency, allocative efficiency

dan technical efficiency. Hasil penelitiannya mengungkapkan bahwa foreign

ownership berpengaruh terhadap efisiensi. Selanjutnya ditemukan bahwa foreign

8

banks lebih efisien dibandingkan dengan domestic banks dengan tingkat

perbandingan sebesar 73.23% dan 52.92%. Ini artinya bahwa foreign banks

mampu memberdayakan superior technology dan expertise mereka walaupun

foreign banks tidak mengetahui pasar lokal. Diantara foreign banks, ternyata

foreign banks asal Belanda menempati ranking pertama dalam hal efisiensi

disusul oleh foreign banks asal Jerman, Prancis dan Amerika Serikat. Hasilnya

lainnya adalah kepemilikan pemerintah terhadap banks menunjukkan lebih efisien

dibandingkan dengan domestic private banks.

Okazaki dan Sawada (2006) mengungkapkan hubungan konsolidasi

perbankan dan kinerja. Sampel penelitian mereka adalah perusahaan yang

mengalami konsolidasi mulai Januari 1927 sampai Desember 1932 di Jepang.

Jumlah consolidation samples adalah 164. Kinerja diukur dengan 1)perbedaan

deposit growth rate dari tahun t-1 sampai t+2 atau t+3, dan 2)perbedaan return on

total assets (ROA) dari tahun t-1 sampai t+2 atau t+3. Variabel-variabel bebas

yang dimasukkan dalam model penelitian mereka adalah bank yang dimerger atau

tidak (variabel dummy), size, perubahan jumlah cabang bank (changes in branch),

dan bank yang berpusat di urban area atau tidak (variabel dummy). Hasil regresi

menunjukkan bahwa konsolidasi berpengaruh positif signifikan terhadap deposit

growth, tetapi berpengaruh negatif signifikan terhadap perubahan ROA. Size,

changes in branch dan variabel dummy urban berpengaruh positif signifikan

terhadap ROA pada hampir semua panel regresi. Lebih jauh, size dan changes in

branch berpengaruh positif signifikan terhadap deposit growth. Tetapi, variabel

dummy urban tidak pengaruh signifikan terhadap deposit growth dimana

koefisiennya bertanda negatif.

Laeven (2006) meriset pengaruh kompetisi, diversifikasi dan kepemilikan

terhadap kinerja perbankan di sejumlah negara di Asia ; Hong Kong (China),

Indonesia, Korea Selatan, Malaysia, Pilipina, Singapura dan Thailand. Tujuan

utama riset tersebut adalah untuk mengetahui perkembangan kinerja dan stabilitas

bank sejak krisis keuangan Asia tahun 1997-98. Statistik deskriptik menunjukkan

bahwa foreign onwership di Indonesia mengalami kenaikan sejak tahun 1996

sampai tahun 2004, mulai dari 5,23% sampai dengan 27,43%. Kepemilikan asing

9

tertinggi terlihat di Hong Kong dimana pada tahun 2004 sebesar 55,60%. Kinerja

bank diukur dengan operating income to total assets, dan activity-adjusted

operating income to total assets. Variabel penjelas yang digunakan adalah income

diversity, size (total assets), total operating income, market share deposits,

deposits to liabilities, equity to assets, growth in operating income, private

domestic ownership, dan foreign ownership. Laeven mengatakan bahwa

umumnya proses konsolidasi perbankan yang masih berjalan dan kenaikan

kepemilikan asing pada bank telah meningkatkan kinerja dan stabilitas bank.

Lebih jauh, Laeven mengungkapkan bahwa foreign banks mempunyai kinerja

yang lebih baik dibandingkan dengan domestic banks. Ia juga menemukan bahwa

beberapa sistem perbankan – khususnya di Indonesia – sangat tidak kompetitif

dan kompetisi tersebut umumnya masih berada pada level yang lebih rendah

dibandingkan sebelum krisis keuangan tahun 1997-98. Masuknya bank-bank

asing mungkin merupakan salah satu cara untuk mendorong bank-bank lokal

untuk lebih kompetitif.

Basu, Druck, Marston dan Susmel (2004) menjelaskan hubungan antara

konsolidasi dan kinerja perbankan di Argentina. Periode penelitian mulai

Desember 1995 sampai Desember 2000. Variabel dependen menggunakan empat

pengukuran yaitu ROE, Z-ROE (ROE adjusted for return variance), ROA, dan Z-

ROA (ROA adjusted for return variance). Variabel bebas nya adalah loan

portfolio diversification, non performing loan, leverage, merger (variabel

dummy), akuisisi (dummy), privatisasi (dummy), beberapa variabel makro seperti

country risk, GDP growth dan central bank reserves. Model regresi yang

digunakan adalah Generalized Least Square (GLS). Sampel akhir berjumlah 98

dengan jumlah observasi sebanyak 4742. Secara keseluruhan, hasil penelitian

mereka menunjukkan bahwa konsolidasi mempunyai pengaruh positif signifikan

terhadap kinerja. Keuntungan bank naik dengan adanya konsolidasi, dan

insolvency risk menurun. Hasil riset juga mengungkapkan bahwa merger dan

privatisasi berpengaruh bagus terhadap return bank. Namun, dampak akuisisi

pada return on equity adalah negatif. Risiko insolvency bank berkurang signifikan

dengan adanya merger dan privatisasi, tapi tidak dengan akuisisi bank.

10

C. Peta Jalan Penelitian

Peta jalan penelitian disajikan dalam bentuk tabel berikut yang

memberikan informasi mengenai penelitian dan kebijakan yang sudah ada,

penelitian yang telah dilakukan oleh peneliti, dan penelitian yang akan dilakukan.

Tabel 2.1. Peta Jalan Penelitian

Jenis Penelitian Uraian Keterangan

Penelitian Acuan

Basu, Druck, Marston dan

Susmel (2004)

hubungan antara konsolidasi dan kinerja

perbankan di Argentina.

Havrylchyk (2005) hubungan konsolidasi dan efisiensi

perbankan di Polandia

Okazaki dan Sawada (2006) hubungan konsolidasi perbankan dan

kinerja di Jepang

Laeven (2006)

pengaruh kompetisi, diversifikasi dan

kepemilikan terhadap kinerja perbankan

di sejumlah negara di Asia

Bank Indonesia (2011) Indikator Kesehatan BPR berdasarkan

penelitian 5 tahun terakhir.

Penelitian

Pendahuluan

Arafat, Buchdadi dan

Suherman (2013)

Hubungan Karakteristik Bank terhadap

kinerja Bank dan efektfitas Bank (bank

yang terdaftar di Bursa Efek Indonesia

2005-2007)

Buchdadi, dkk (2012)

Hubungan Karakteristik Bank terhadap

kinerja Bank dan efektfitas Bank (bank

yang terdaftar di Bursa Efek Indonesia

2002-2011)

Penelitian Tahun

1

Evaluasi Tingkat Kesehatan

BPR dari Aspek

Rentabilitas dan

Permodalan (Rasio

Keuangan)

Diharapkan menghasilkan: Model awal

tentang tingkat kesehatan BPR serta

publikasi ilmiah mengenai BPR

berdasarkan rasio keuangan.

Penelitian Tahun

2

Evaluasi Tingkat Kesehatan

BPR dari Aspek GCG dan

Manajemen Risiko

Diharapkan menghasilkan: Model

komprehensif tentang kesehatan BPR

konvensional dan Syariah

Sumber: Data Diolah

11

BAB 3 TUJUAN DAN MANFAAT PENELITIAN

A. Tujuan Penelitian

Sesuai dengan masalah penelitian maka tujuan penelitian ini adalah:

1. Untuk mengetahui bagaimana variabel indikator kesehatan BPR yang telah

ditetapkan BI mempengaruhi kinerja dan efektifitas bank tersebut.

2. Untuk mengetahui apakah terdapat konsistensi pengaruh variabel tersebut

pada BPR menurut kategori besarnya aset BPR.

B. Manfaat Penelitian

Penelitian diharapkan bermanfaat untuk:

1. Hasil penelitian ini sebagai salah satu pertimbangan bagi Bank Indonesia

untuk mengevaluasi kebijakan mengenai tingkat kesehatan BPR

2. Bagi BPR, Hasil penelitian ini menjadi benchmark atau pembanding

mengenai pengelolaan BPR yang dapat digunakan untuk mengembangkan

masing masing BPR dimasa mendatang.

3. Bagi investor dan pelaku bisnis, Hasil penelitian ini menjadi pertimbangan

dalam memilih BPR untuk menunjang bisnis yang akan dilakukan.

4. Hasil riset ini juga dapat memperkaya hasil penelitian-penelitian

terdahulu tentang konsolidasi perbankan yang pernah dilakukan didalam

maupun diluar negeri. Hasil penelitian ini dapat memberi konfirmasi,

dukungan, dan tanggapan terhadap hasil penelitian terdahulu.

12

BAB 4 METODE PENELITIAN

A. Desain Penelitian

Desain penelitian diawali dengan usaha membuat model kebijakan

kesehatan bank yang telah dikeluarkan oleh Bank Indonesia. Keluaran tahun

pertama yaitu model kebijakan kesehatan yang dapat menjunjang pertumbuhan

UMKM akan dihasilkan dan dipublikasikan. Namun demikian model ini harus

diklarifikasi dan konfirmasi dengan teknik wawancara mendalam sehingga model

kebijakan yang dihasilkan juga mempunyai aspek good governance dan

manajemen risiko. Penelitian ini juga merupakan penelitian dalam bidang

banking, yaitu mengenai hubungan karakteristik bank terhadap performa dan

efisiensi bank perkreditan rakyat.

B. Definisi dan Pengukuran Variabel

Penelitian ini akan menggunakan variabel dependen dan independen.

Variabel dependen nya adalah performance, efficiency,. Sedangkan variabel

independennya ialah CAR, NPL, BOPO, LDR, dan Size

Variabel Performance

Kinerja ialah ukuran tingkat keberhasilan manajemen dalam mengelola

sumber daya perusahaan, baik sumber daya financial maupun non financial. Pada

usulan penelitian ini, kami menggunakan pengukuran finansial untuk menilai

kinerja perusahaan, yaitu ROA (return on total assets), net interest income to

total assets.

Variabel Efficiency

Efisiensi adalah tingkat seberapa banyak pemanfaaatan total asset untuk

mencapai keuntungan. Di Indonesia variable NPL menjadi indikator tingkat

13

efisiensi bank sehubungan dengan peraturan BI yang mengharuskan NPL rendah.

Semakin rendah NPL maka semakin besar keuntungan bank.

Variabel Size

Size menggambarkan ukuran besar kecilnya perusahaan. Peneliti memakai

besarnya total assets yang dilogaritmakan untuk mengukur bank size.

Variabel Permodalan

Pada penelitian ini menggunakan CAR (Capital Adequancy Ratio. CAR

adalah rasio yang memperlihatkan seberapa besar jumlah seluruh aktiva bank

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

lain) ikut dibiayai dari modal sendiri disamping memperoleh dana-dana dari sumber-

sumber diluar bank.

Variabel Rentabilitas

Pada penelitian ini menggunakan BOPO (Rasio Biaya Operasional

terhadap Pendapatan Operasional). Rasio yang sering digunakan untuk

mengukur kemampuan manajemen bank dalam mengendalikan biaya

operasional terhadap pendapatan operasional. Semakin kecil rasio ini berarti

semakin efisien biaya operasional yang dikeluarkan bank yang bersangkutan.

Biaya operasional dihitung berdasarkan penjumlahan dari total beban bunga

dan total beban operasional lainnya. Pendapatan operasional adalah

penjumlahan dari total pendapatan bunga dan total pendapatan operasional

lainnya.

Variabel Likuiditas

Penelitian ini menggunakan LDR (Loan to Deposit Ratio). Rasio ini

digunakan untuk menilai likuiditas suatu bank yang dengan cara membagi

jumlah kredit yang diberikan oleh bank terhadap dana pihak ketiga. Semakin

tinggi rasio ini, semakin rendahnya kemampuan likuiditas bank yang

bersangkutan sehingga kemungkinan suatu bank dalam kondisi bermasalah akan

semakin besar. Kredit yang diberikan tidak termasuk kredit kepada bank lain

14

sedangkan untuk dana pihak ketiga adalah giro, tabungan, simpanan

berjangka, sertifikat deposito.

C. Populasi dan Sampel

Populasi penelitian ini adalah bank-bank perkreditan rakyat yang

beroperasi di lima provinsi di Jawa yaitu Banten, Jawa Barat, DKI Jakarta, Jawa

Tengah, DI Yogyakarta, dan Jawa Timur selama tahun 2009-2012. Pulau Jawa

dipilih mengingat sebagian besar kegiatan ekonomi Indonesia dilakukan di Jawa.

Sampel diambil berdasarkan purposive sampling yaitu BPR dijadikan sampel

penelitian jika laporan keuangannya ada dan lengkap diseluruh tahun pengamatan.

D. Jenis dan Sumber Data

Data penelitian diambil dari laporan keuangan yang didapatkan dari Bank

Indonesia. Data yang terkait dengan penelitian ini adalah data sekunder. Untuk

melengkapi data yang diperoleh dari Bank Indonesia, kami juga akan mengambil

data dari sumber-sumber lain seperti terbitan-terbitan International Monetary

Fund, website-website, koran, majalah, dan lainnya.

E. Metode Analisis Data

Untuk menjawab hipotesis penelitian, peneliti menggunakan regresi

berganda. Analisis regresi dilakukan untuk mengetahui hubungan antara variabel-

variabel bebas dan variabel tidak bebas.

Analisis Regresi Berganda (panel Data)

Untuk menguji pengaruh variabel-variabel bebas terhadap variabel tidak

bebas dibuat persamaan regresi berganda sebagai berikut :

Performance (ROA dan NIM) = β0 + β1Size + β2 CAR + β3NPL + β4 BOPO + β5LDR

+ε

Efficiency (NPL) = η0 + η1Size + η2 CAR + η3 BOPO + η4LDR +ε

15

F. TAHAP TAHAP DAN DIAGRAM ALIR PENELITIAN

Tabel 4.1. Tahap dan Keluaran Penelitian

Nama Kegiatan Penelitian

Fakultas

Penelitian Pemula

Lemlit UNJ

Penelitian Hibah Bersaing

Dikti

Penelitian Hibah Bersaing

Dikti

Tahap 2009 2012 Tahap 1 Tahap 2

Sumber

Pendanaan

PNBP Fakultas BLU - UNJ Dikti Dikti

Lokasi Penelitian Bursa Efek Jakarta

(data 2005 – 2008)

Bursa Efek Jakarta

(Data 2002 – 2011)

Bank Indonesia di seluruh Jawa BPR sehat dan kurang sehat

berdasarkan penelitian pertama

Hasil Penelitian Model Efisiensi dan

Kinerja Perbankan

Model Efisiensi dan

Kinerja Perbankan

Sebelum dan Paska

Krisis

Data empiris tingkat

kesehatan BPR di Jawa

Model efisiensi dan Kinerja

BPR

Data empiris dan Model

Aspek GCG dan

Manajemen Risiko BPR

Keluaran Jurnal Internasional,

J. Global Business

Advancement

(Under review)

Bahan Ajar

Kuliah

berdasarkan data

empiris

Makalah siap

publikasi

seminar

internasional

Rancangan rekomendasi

kebijakan BI tingkat

kesehatan BPR aspek

Rentabilitas dan Likuiditas

Bahan Ajar Kuliah

berdasarkan data empiris

Makalah siap publikasi

seminar internasional

Rancangan rekomendasi

kebijakan BI tingkat

kesehatan BPR konvensional

dan Syariah aspek GCG dan

Manajemen risiko

Bahan Ajar Kuliah

berdasarkan data empiris

Makalah siap publikasi

seminar internasional

16

DIAGRAM ALIR PENELITIAN

Model Kebijakan

Kesehatan BPR

(Tahun 1)

Jurnal Acuan

Basu, dkk (2004)

Havrylchyk (2005)

Okazaki, dkk (2006)

Laeven (2006)

Penelitian Pendahuluan

Yasser Arafat, dkk (2009)

Agung DB, dkk (2012)

Studi Pustaka

Dan Peraturan

Bank Indonesia

Tentang

Kesehatan BPR

Teknik Analisis

Performa dan

Efektivitas

Model Kebijakan

Kesehatan BPR

Plus Aspek GCG

Dan Aspek Risk

Management

(Tahun 2)

Data BPR

Berdasarkan Model

Tahun 1

Penggalian Data

Melalui wawancara

Mendalam terutama

Mengenai:

Aspek GCG

Aspek Risk Management

Gambar 4.1

17

Pembahasan dan pengambilan simpulan

Penyusunan Rekomendasi Kebijakan BI mengenai tingkat Kesehatan

BPR

Studi Pustaka dan Kebijakan Bank Indonesia mengenai Kesehatan BPR

Pengumpulan Data Keuangan BPR di seluruh Jawa

Uji Asumsi Klasik (Outlier, Normalitas, Heteroskedastis, Autokorelasi,

Multkolininearitas)

Analisis Regresi Panel

Langkah Pelaksanaan Penelitian Tahun 1

Gambar 4.2. Bagan Alir Penelitian

Studi Pustaka dan Kebijakan Bank Indonesia mengenai Kesehatan BPR

Pengumpulan Data Keuangan BPR di seluruh Jawa

Uji Asumsi Klasik

Analisis Regresi Panel

18

BAB 5 HASIL PENELITIAN DAN PEMBAHASAN

A. Statistik Deskriptif

Pada bagian ini akan dibahas deskripsi dari seluruh variabel yang

digunakan dalam penelitian ini. Seperti yang telah dikemukakan pada bagian

sebelumnya bahwa waktu pengamatan yang digunakan adalah mulai tahun 2009

sampai 2012. Jumlah bank yang digunakan dalam hal ini adalah 164 Bank

Perkreditan Rakyat mengingat ketersedian laporan keuangan sepanjang tahun

pengamatan. Dari 164 Bank Perkreditan Rakyat ini peneliti memisah berdasarkan

3 kapital aset yang berbeda, yaitu: 33 BPR dengan nilai kapital aset dibawah 5M,

31 BPR dengan nilai kapital aset diantara 5M dan 10M, dan 100 BPR dengan nilai

kapital aset diatas 10M.

Selanjutnya, varaiabel variabel yang digunakan diolah menggunakan

program SPSS. Hasil keluaran disajikan dalam tabel berikut:

Tabel 5.1 Statistik Deskriptif Data Penelitian

Sumber: data diolah

Variabel Net Interest Income to Total Asset (NIM), yang mengukur rasio

pendapatan bunga (yang merupakan sumber penghasilan utama bank sebagai

Statistics

NIM BOPO NPL CAR LDR SIZE ROA

N Valid 656 656 656 656 656 656 656

Missing 0 0 0 0 0 0 0 Mean 1.0754 16.3437 .0671 .3547 .8022 41830546.98 .0609 Median .2074 .8338 .0391 .2563 .8049 17855482.50 .0368 Std. Deviation 17.78825 205.75019 .09486 .38852 .29793 9.862E7 .25000 Minimum .00 .00 -.02 -.27 .05 814000 -.35 Maximum 434.71 3471.11 .91 6.12 7.30 2144032144 5.92

19

lembaga keuangan) dengan total aset, mean dari variabel NIM sebesar 1.0754

dengan standar deviasi 17.78 menunjukkan fluktuasi NIM yang tinggi, nilai

minimum 0 dan maksimum 434.71.

BOPO (Rasio Biaya Operasional terhadap Pendapatan Operasional).

Rasio yang sering disebut rasio efisiensi ini digunakan untuk mengukur

kemampuan manajemen bank dalam mengendalikan biaya operasional terhadap

pendapatan operasional. Mean dari variabel BOPO sebesar 16.3437 dengan

standar deviasi 205.75019 menunjukkan fluktuasi BOPO yang tinggi, nilai

minimum 0, dan maksimum 3471.11.

NPL (Non Performing Loan). Rasio ini menunjukan bahwa

kemampuan manajemen bank dalam mengelola kredit bermasalah yang diberikan

oleh bank. Mean dari variabel NPL sebesar 0.0671 dengan standar deviasi

0.09486, menunjukkan fluktuasi NPL yang tidak terlalu tinggi, nilai

minimum -0.02, dan maksimum 0.91.

CAR (Capital Adequancy Ratio). Rasio yang memperlihatkan seberapa

besar jumlah seluruh aktiva bank yang menganduug resiko (kredit, penyertaan,

surat berharga, tagihan pada bank lain) ikut dibiayai dari modal sendiri disamping

memperoleh dana-dana dari sumber-sumber diluar bank. Mean dari variabel CAR

sebesar 0.3547 dengan standar deviasi 0.38852, menunjukkan fluktuasi CAR

yang hampir stabil, nilai minimum -0.27, dan maksimum 6.12.

LDR (Loan to Deposit Ratio). Rasio ini digunakan untuk menilai

likuiditas suatu bank yang dengan cara membagi jumlah kredit yang diberikan

oleh bank terhadap dana pihak ketiga. Mean dari variabel LDR sebesar

20

0.8022 dengan standar deviasi 0.29793, menunjukkan fluktuasi LDR yang

rendah dengan nilai minimum 0.05, dan maksimum 7.30.

SIZE diukur dari nilai total aset pada Bank masing-masing. Apabila

membandingkan ukuran aset bank yang menjadi sampel dalam penelitian ini

terlihat perbedaan ukuran aset yang sangat dalam. Tercatat rata rata aset adalah

Rp. 41830546.98 dengan standar deviasi Rp. 98620000 dan nilai minimum Rp.

814000 dan nilai maksimum Rp. 2144032144

Return on Asset (ROA) yang mengukur rasio imbal hasil terhadap aset

bank. Rata-rata ROA sebesar 6% dengan standar deviasi 25% berarti fluktuasi

ROA cukup tinggi.

B. Uji Asumsi Klasik

Dengan asumsi bahwa setiap data akan berdistribusi normal bila

menggunakan observasi lebih besar dari 30, maka penelitian ini dapat

mengabaikan uji normalitas. Asumsi data berdistribusi normal karena jumlah data

yang lebih besar dari 30 (central limit theorem) dipakai yang sekaligus menjadi

keterbatasan dalam penelitian ini.

Uji Multikolinearitas

Uji Multikolinearitas dilakukan dengan menggunakan Pearson

Correlation Matrix. Variabel terindikasi multikolinearitas apabila korelasi lebih

besar dari 0,8 Hasil Uji Pearson Correlation Matrix dari masing-masing model

disajikan dalam table berikut:

21

Tabel 5.2 Hasil Uji Multikolinearitas Kapital Aset dibawah 5M

Model 1: ROA = β0 + β1BOPO + β2 CAR + β3LDR + β4 NPL + β5SIZE +ε

Variabel BOPO CAR LDR NPL SIZE

BOPO 1 -0.010277 -0.152831 0.223766 0.036258

CAR -0.010277 1 -0.426787 0.002799 -0.2601

LDR -0.152831 -0.426787 1 -0.148064 0.064162

NPL 0.223766 0.002799 -0.148064 1 -0.08146

SIZE 0.036258 -0.260104 0.064162 -0.081455 1

Model 2 : NIM = β0 + β1BOPO + β2 CAR + β3LDR + β4 NPL + β5SIZE +ε


BOPO 1 -0.0046 -0.140336 0.210819 0.039892

CAR -0.0046 1 -0.368434 -0.02267 -0.2472

LDR -0.14034 -0.36843 1 -0.17194 0.121121

NPL 0.210819 -0.02267 -0.171937 1 -0.08159

SIZE 0.039892 -0.2472 0.121121 -0.08159 1

Model 3 : NPL= η0 + η1Size + η2 CAR + η3 BOPO + η4LDR +ε

Variabel BOPO CAR LDR SIZE

BOPO 1 -0.00318 -0.15202 0.039033

CAR -0.00318 1 -0.38869 -0.22186

LDR -0.15202 -0.38869 1 0.098831

SIZE 0.039033 -0.22186 0.098831 1

Sumber: Data diolah

Tabel 5.3 Hasil Uji Multikolinearitas Kapital Aset diantara 5M-10M



BOPO 1 0.088551 0.09736 -0.05123 0.268003

CAR 0.088551 1 -0.30787 0.213181 -0.22684

LDR 0.09736 -0.30787 1 -0.09328 0.202437

NPL -0.05123 0.213181 -0.09328 1 -0.04272

SIZE 0.268003 -0.22684 0.202437 -0.04272 1



BOPO 1 0.07895 0.075352 -0.04975 0.277236

CAR 0.07895 1 -0.2617 0.195297 -0.23048

LDR 0.075352 -0.2617 1 -0.08741 0.176077

NPL -0.04975 0.195297 -0.08741 1 -0.03806

SIZE 0.277236 -0.23048 0.176077 -0.03806 1

22



BOPO 1 0.033626 0.116613 0.300686

CAR 0.033626 1 0.079616 -0.2396

LDR 0.116613 0.079616 1 0.07875

SIZE 0.350682 -0.15799 0.08717 0.130873

Sumber: Data diolah

Tabel 5.4 Hasil Uji Multikolinearitas Kapital Aset diatas 10M



BOPO 1 -0.39012 -0.00037 0.204794 0.009254

CAR -0.39012 1 -0.16577 -0.06526 -0.044472

LDR -0.00037 -0.16577 1 -0.03311 -0.017324

NPL 0.204794 -0.06526 -0.03311 1 -0.059326

SIZE 0.009254 -0.04447 -0.01732 -0.05933 1



BOPO 1 -0.26974 0.003834 0.164437 -0.0006

CAR -0.26974 1 0.462662 -0.06166 -0.09463

LDR 0.003834 0.462662 1 0.017066 -0.02841

NPL 0.164437 -0.06166 0.017066 1 -0.13185

SIZE -0.0006 -0.094634 -0.02841 -0.13185 1



BOPO 1 -0.29188 0.011411 0.014847

CAR -0.29188 1 0.472109 -0.044866

LDR 0.011411 0.472109 1 -0.02411

SIZE 0.014847 -0.044866 -0.02411 1

Sumber: Data diolah

Berdasarkan hasil pengujian multikolinearitas dapat disimpulkan bahwa

seluruh variabel dalam ketiga model dengan tiga kapital aset berbeda bebas

terhadap fenomena multikolinearitas.

23

Uji Heteroskedastisitas

Uji Heteroskedastisitas dilakukan dengan Uji Breusch-Pagan-Godfrey.

Apabila nilai probabilitas Obs*R-squared pada Model I lebih besar dari α=5%

maka model bebas dari fenomena heteroskedastisitas. Uji tersebut dilakukan

dengan menggunakan E-Views 7, dengan hasil uji masing-masing model sebagai

berikut.

Tabel 5.5 Hasil Uji Heteroskedastisitas Kapital Aset dibawah 5M

Tabel 5.6 Hasil Uji Heteroskedastisitas Kapital Aset diantara 5M-10M

Model Obs*R-squared Probability Kesimpulan

1 8.209812 0.1465 Heteroskedastis



Sumber: Data diolah

Tabel 5.7 Hasil Uji Heteroskedastisitas Kapital Aset diatas 10M


1 16.50528 0.0051

Heteroskedastis



Sumber: Data diolah





Sumber: Data diolah

24

Dari ketiga table diatas diketahui bahwa seluruh model yang dikembangkan

terindikasi mengalami fenomena heteroskedastis. Namun hal ini tidak jadi

masalah karena program eviews mampu mengatasi fenomena ini secara otomatis.

Uji Autokorelasi

Untuk mengidentifikasi adanya autokorelasi dapat dilakukan uji Breusch-

Godfrey untuk melihat ada tidaknya autokorelasi dengan menggunakan lag 2.

Apabila nilai probabilitas Obs*R-squared pada Model I lebih besar dari α=5%

maka model bebas dari fenomena autokorelasi. Hasil pengujian disajikan dalam

table berikut:

Tabel 5.8 Hasil Uji Autokorelasi kapital Aset Dibawah 5M


1 5.639232 0.0675 Bebas autokorelasi



Sumber: Data diolah

Tabel 5.9 Hasil Uji Autokorelasi kapital Aset antara 5-10M





Sumber: Data diolah

Tabel 5.10 Hasil Uji Autokorelasi kapital Aset diatas 10M





Sumber: Data diolah

25

C. Pembahasan dan Hasil Penelitian

Untuk mendapatkan model regresi yang terbaik terlebih dahulu

ditentukan jenis data panel apa yang paling baik untuk setiap model. Terdapat tiga

pilihan yaitu: Pooled Ordinary Least Square (POLS), Fixed Effect Model (FEM),

atau Random Effect Model (REM).

Langkah pertama yang dilakukan adalah uji Chow untuk mengetahui

jenis POLS atau bukan yang tepat untuk model tersebut. Model diasumsikan

fixed effect model lalu diamati redundant fixed effect likelyhood ratio model

tersebut. Apabila nilai probabilitas χ2 lebih kecil dari α=5% maka model yang

tepat adalah bukan POLS.

Selanjutnya, dilakukan uji Hausman dengan mengasumsi REM pada

model. Bila mendapatkan nilai probabilitas χ2 lebih kecil dari α=5% maka REM

yang paling tepat dimana H1 diterima. Sebaliknya χ2 lebih besar dari α=5% maka

model FEM yang dipakai. Hasil pengujian disajikan dalam table berikut:

Tabel 5.11 Hasil Uji Model Panel Kapital Aset dibawah 5M

Model Uji Hausman (probabilitas Chi-square) Kesimpulan

1 1 FEM

2 1 FEM

3 0 REM

Sumber: Data diolah

Tabel 5.12 Hasil Uji Model Panel Kapital Aset diantara 5-10M


1 0.1247 FEM

2 0.1456 FEM

3 0.8627 FEM

Sumber: Data diolah

26

Tabel 5.13 Hasil Uji Model Panel Kapital Aset diatas 10M


1 0.0288 REM

2 0 REM

3 0.176 FEM

Sumber: Data diolah

Hasil Uji Regresi

Hasil uji regresi untuk setiap model disajikan dalam tabel berikut:

Tabel 5.14 Hasil Uji Regresi Panel Kapital Aset dibawah 5M

Mode

l

1

(ROA)

t-

statistic

p-

value

2 (NIM) t-

statisti

c

p-

value

3(NPL) t-

statistic

p-

value

n 33 33 33

C 0.009712

0.488432

0.6265 0.194471

3.209491

0.0023 0.137493

3.684478

0.0003

BOP

O 1.74E-05 3.69101 0.000

4 1.54E-05 1.47875

3 0.145

5 5.01E-05 3.44876

9 0.000

8

CAR 0.007887

1.133541

0.2603 0.010274

0.936071

0.3537 -0.018 -1.63368 0.105

LDR 0.029827

1.417397

0.1602 0.03315

1.134814

0.2619 -0.05978 -1.78733

0.0764

NPL -0.08084 -3.00748

0.0035 -0.12308

-1.65788

0.1036

SIZE 5.76E-10

0.139796

0.8892 5.68E-09

0.451621

0.6535 8.79E-10

0.120059

0.9046

Adj.R2

0.492681

0.33813

0.10258

Sumber: Data diolah

27

Tabel 5.15 Hasil Uji Regresi Panel Kapital Aset diantara 5-10M

Mode

l

1

(ROA)

t-

statistic

p-

value

2 (NIM) t-

statisti

c

p-

value

3(NPL) t-

statistic

p-

value

n 31 31 31

C 0.044644

1.401626 0.165 0.192283

5.781214 0 0.021051

0.527511

0.5995

BOP

O -0.04802 -2.76185 0.007

2 -0.04432 -

2.56949 0.011

9 0.062847 2.82976

8 0.006

1

CAR 0.011046

0.998306

0.3213 -0.01992

-1.73383

0.0865

-0.028486 -1.44755

0.1522

LDR 0.006401

0.239386

0.8114 0.063631

2.311888

0.0231 0.032316

1.004545

0.3186

NPL -0.00402 -0.15578

0.8766 0.014158

0.519533

0.6047 -4.01E-09

SIZE 3.51E-09

1.185259

0.2396 3.41E-09

1.114336

0.2682 0.021051 -1.13756

0.2592

Adj.R2

0.412225

0.56068

3

0.44505

8

Sumber: Data diolah

Tabel 5.16 Hasil Uji Regresi Panel Kapital Aset diatas 10M

Mode

l

1

(ROA)

t-

statistic

p-

value

2

(NIM)

t-

statistic

p-

value

3(NPL) t-

statistic

p-

value

n 100 100 100

C 0.231046

0.488432

0.6265 0.00158

3.209491

0.0023

0.003143

0.210532

0.8334

BOP

O

-0.24273

8 3.69101 0.000

4 -0.00033 1.47875

3 0.145

5 0.04149

4 2.40532

9 0.016

8

CAR 0.016964

1.133541

0.2603

0.000156

0.936071

0.3537 -0.00627 -0.51012

0.6104

LDR 0.01014 1.41739 0.160 -0.00018 1.13481 0.261 0.00255 0.45810 0.647

28

1 7 2 4 9 3 5 2

NPL 0.017902 -3.00748

0.0035

0.001546 -1.65788

0.1036

0.167943

0.8668

SIZE -2.74E-11

0.139796

0.8892 -3.59252

0.451621

0.6535 2.34E-12

0.210532

0.8334

Adj.R2

0.771652

-0.00821

0.10258

Sumber: Data diolah

Pembahasan

Dari hasil penelitian diketahui karakteristik BPR yaitu BOPO secara

konsisten dan signifikan berpengaruh positif terhadap performa dan efisiensi

Bank pada kapital aset bank dibawah 5M, baik itu performa bank yang diukur

dengan ROA tetapi signifikan terhadap NIM. Namun untuk kapital aset diantara

5-10M dan diatas 10M maka BOPO hanya berpengaruh positif signifikan

terhadap efisiensi namun negatif signifikan terhadap performa bank. Dimana kita

ketahui semakin kecil rasio BOPO berarti semakin efisien biaya operasional

yang dikeluarkan bank yang bersangkutan. Penelitian ini mendukung Weill

(2003) dalam M. Y. Arafat et al (2013), bank yang efektif mengelola biaya

operasional mereka lebih cenderung memiliki banyak ruang untuk manuver

selama krisis kredit saat ini daripada bank yang tidak. Ini mungkin sangat

signifikan bagi bank yang berjuang untuk membangun kembali posisi modal

yang rusak akibat krisis . Dalam lingkungan ini , ada kontribusi penting ke baris

bawah.

Variabel CAR menunjukkan hasil tidak konsisten terhadap performa dan

efisiensi diamana CAR berpengaruh positif dan sifgnifikan terhadap performa

29

Bank, yang diukur dengan ROA dan NIM, namun negatif signifikan terhadap

efisiensi Bank untuk kapital aset dibawah 5M. Sedangkan untuk kapital aset

diantara 5-10M dan diatas 10M variabel CAR hanya berpengaruh positif

signifikan terhadap ROA, sedangkan NIM dan NPL negatif signifikan. Hasil

tersebut mendukung hasil penelitian Anggrainy (2010) dalam Latifah et al (2012),

yang menyatakan bahwa CAR berpengaruh positif terhadap ROA. Hasil

penelitian ini juga mendukung teori yang mengatakan semakin kecil risiko suatu

bank maka semakin besar keuntungan yang diperoleh bank (Kuncoro dan

Suharjono,Manajemen Perbankan,2002:112, dalm Latifah et al 2012).Hal tersebut

dikarenakan CAR yang terlalu besar juga perlu menjadi pertimbangan manajemen

bank karena hal tersebut mengindikasikan bahwa modal sendiri bank tidak

dioperasionalkan secara optimal sehingga beban bank meningkat dengan

menanggung biaya dana yang besar.

Variabel LDR juga menunjukkan hasil tidak konsisten terhadap performa

dan efisiensi dimana LDR berpengaruh positif signifikan terhadap performa Bank

namun negatif tidak signifikan terhadap efisiensi Bank untuk kapital aset dibawah

5M. Namun untuk kapital aset diantara 5-10M LDR konsisten berpengaruh positif

signifikan terhadap performa dan positif tidak signifikan terhadap efisiensi.

Sedangkan untuk kapital aset diatas 10M hanya berpengaruh positif signifikan

terhadap ROA dan NPL namun negatif signifikan terhadap NIM. Semakin tinggi

rasio ini, semakin rendahnya kemampuan likuiditas bank yang bersangkutan

sehingga kemungkinan suatu bank dalam kondisi bermasalah akan semakin

30

besar. Hasil penelitian ini mendukung penelitian Latifah et al(2012) dimana

LDR berpengaruh positif signifikan terhadap performa bank.

Variabel NPL memiliki pengaruh negatif signifikan terhadap performa

Bank untuk ROA namun negatif tidak signifikan untuk kapital aset dibawah 5M,

berpengaruh positif tidak signifikan terhadap ROA dan berpengaruh negatif

tidak signifikan terhadap NIM untuk kapital aset diantara 5-10M, sedangkan

untuk kapital aset diatas 10 M NPL konsisten berpengaruh positif signifikan

terhadap performa. Sehingga semakin tinggi rasio ini maka akan semakin semakin

buruk kualitas kredit bank yang menyebabkan jumlah kredit bermasalah semakin

besar maka kemungkinan suatu bank dalam kondisi bermasalah semakin besar.

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. Hasil penelitian ini sesuai dengan hasil

penelitian Basu, Druck, Marston dan Susmel (2004) menemukan hubungan yang

negatif signifikan pada variabel NPL pada bank di Argentina juga menunjukkan

hasil yang sama dengan penelitian Buchdadi A. D. et al (2012)

Variabel Size menunjukkan hasil konsisten terhadap performa dan efisiensi

Bank untuk kapital aset dibawah 5M berpengaruh positif signifikan terhadap

performa dan efisiensi, untuk kapital aset diantara 5-10M hanya berpengaruh

positif tidak signifikan terhadap performa namun negatif signifikan terhadap

efisiensi, sedangkan untuk kapital aset diatas 10M berpengaruh negatif tidak

signifikan terhadap performa namun tidak positif signifikan terhadap efisiensi.

Dengan demikian hasil penelitian ini sebagian mendukung penelitian Okazaki dan

31

Sawada (2006) dan penelitian Laeven (2006) menyimpulkan pengaruh positif

signifikan dari variabel SIZE.

Akhirnya, bila diamati nilai koefisien determinasi dari seluruh model yang

dikembangkan, terlihat model sangat kuat untuk menjelaskan kinerja dan efisiensi

perbankan. Model mampu menghasilkan nilai Adj R squared lebih dari 25%.

Sehingga penelitian ini sangat bermanfaat untuk digunakan sebagai model

pertimbangan bagi Bank Indonesia untuk mengevaluasi kebijakan mengenai

tingkat kesehatan BPR, bagi investor untuk memilih BPR yang sehat dan

diharapkan dapat mendukung penelitian terdahulu.

32

BAB 6 RENCANA PENELITIAN TAHUN KEDUA

Setelah menghasilkan model penelitian determinasi efektifitas dan efisiensi pada

Bank Perkreditan Rakyat pada tahun pertama penelitian (2013), diharapkan

selanjutnya pada tahun kedua (2014) model tersebut dapat dikembangkan berupa:

a) Menentukan model seberapa jauh tata kelola perusahaan telah dijalankan

oleh BPR

b) Menentukan model risk management yang dijalankan oleh BPR

c) Menghasilkan bahan buku ajar

33

BAB 7 KESIMPULAN DAN SARAN

A. Kesimpulan

Kesimpulan yang dapat diambil dalam penelitian ini adalah:

1. Karakteristik BPR yang digunakan dalam penelitian ini ditemukan

berpengaruh signifikan dalam berbagai ukuran kinerja BPR di Indonesia

selama tahun pengamatan yang melewati masa krisis ekonomi dan paska

krisis ekonomi. Koefisien determinasi yan ditemukan cukup kuat,

sehingga diharapkan dapat bermanfaat untuk bahan evaluasi Bank

Indonesia dalam menentukan kebijakan tingkat kesehatan BPR.

2. Terdapat perbedaan pengaruh baik positif maupun negatif untuk setiap

kapital aset yang berbeda. Setiap variabel dapat berpengaruh positif untuk

kapital aset yang kecil namun dapat berpengaruh negatif untuk kapital aset

yang besar, begitupula sebaliknya atau bisa pula konsisten untuk setiap

kapital aset yang berbeda.

B. Saran

Saran yang dapat diambil dalam penelitian ini adalah:

1. Bagi pihak perbankan, untuk dapat meningkatkan profitabilitas bank,

disarankan kepada manajemen bank untuk mengambil kebijakan yang

tepat sesuai dengan kondisi yang terjadi seperti kebijakan penyaluran

kredit dan pendanaan, karena kebijakan tersebut berpengaruh terhadap

34

profitabilitas. Menjaga agar tetap rendah biaya operasional Bank juga

sangat penting dilakukan oleh manajemen, semakin rendah biaya

operasional maka semakin efisien bank tersebut.

2. Bagi peneliti selanjutnya, penelitian ini diharapakan dapat menjadi acuan

untuk mendukung penelitian selanjutnya. Karena hasil yang cukup kuat

dari setiap variabelnya untuk mengukur tingkat performa dan efisiensi

BPR.

35

DAFTAR PUSTAKA

Arafat, M. Y, Ari Warokka, Agung D. Buchdadi, Suherman, 2013,

“Banking Efficiency and Performance: A Test of Banking

Characteristics in an Emerging Market”, Journal of Global Business

Advancement, vol.6, no.1, pp.13-23

Buchdadi, Agung D; Tri Hesti U., Umi Mardiyati, Asti Nur Afala Sahir,

2012, “Faktor-Faktor Yang Mempengaruhi Kinerja Perbankan

Indonesia Sebelum dan Sesudah Krisis Tahun 2008”, Laporan

Penelitian, Universitas Negeri Jakarta

Basu, R., Druck, P., Marston, D., dan Susmel, R., 2004, “Bank

Consolidation and Performance: The Argentine Experience,”

Working Paper, International Monetary Fund.

Cuervo, A., dan Villalonga, B., 2000, “Expalining the Variance in the

Performance Effect of Privatization,” Academy of Management

Review, July, 25, 3, p.881

Gunawan, Anton H., Thia Jasmina, dan Siswa Rizali. 1998. "Rehabilitasi

dan Restrukturisasi Perbankan Dalarn Rangka Pemulihan Ekonomi

Indonesia". working paper , UI.

Havrylchyk, Olena. 2005, “Banking Efficiency, Consolidation and Foreign

Ownership: Evidence from the Polish Banking Market,” A thesis for

the degree of Ph.D., European University of Viadrina, German.

Institut Perbankan Indonesia, 1999, Kamus Perbankan.

Laeven, Luc, 2006, ”Banking Sector in East Asian Countries: the Effect of

Competition, Diversification and Ownership,” working paper, the

World Bank and CEPR.

Latifah, Nurul Mauldya, Rhodiyah dan Saryadi, 2012, “Pengaruh CAR,

NPL dan LDR terhadap ROA” Jurnal Ilmu

AdministrasiBisnis.Undip.

Mardiasmo , 2004, Akuntansi Sektor Publik, penerbit ANDI, Yogyakarta.

36

Okazaki, T., dan Sawada, M., 2006, ”Effects of a Bank Consolidation

Promotion Policy : Evaluating Bank Law in 1927 Japan,” working

paper, Faculty of Economics, The University of Tokyo.

Sekaran, Uma, 2002, Research Methods for Business, John Wiley and

Sons Inc., New York, 4th edition

www.bi.go.id

http://www.bi.go.id/

37

LAMPIRAN

Kapital aset dibawah 5M

Model 1

Setelah transformasi

uji Multikolinearitas pearson correlation matrix

BOPO CAR LDR NPL SIZE

0

4

8

12

16

20

-0.10 -0.05 0.00 0.05 0.10

Series: ResidualsSample 1 120Observations 120

Mean -6.56e-18Median 0.000138Maximum 0.098356Minimum -0.130448Std. Dev. 0.042713Skewness -0.668399Kurtosis 3.887421

Jarque-Bera 12.87273Probability 0.001602

0

4

8

12

16

20

-5 -4 -3 -2 -1 0 1


Mean 1.06e-15Median 0.218874Maximum 1.302102Minimum -5.512143Std. Dev. 1.068042Skewness -2.292488Kurtosis 10.20277


38

BOPO 1 -0.010277 -0.152831 0.223766 0.03625

8

CAR

-0.01027

7 1 -0.426787 0.002799 -0.2601

LDR

-0.15283

1 -0.426787 1 -0.148064 0.06416

2

NPL 0.22376

6 0.002799 -0.148064 1 -0.08146

SIZE 0.03625

8 -0.260104 0.064162 -0.081455 1

Uji Heteroskedastisitas terkena heteroskedastisitas

Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 6.04143

4 Prob. F(5,114)

0.0001

Obs*R-squared 25.1364

8 Prob. Chi-Square(5) 0.0001 Scaled explained

SS 32.7515

4 Prob. Chi-Square(5) 0

Uji Autokorelasi maka model bebas dari fenomena autokorelasi

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 2.76141 Prob. F(2,112) 0.0675

Obs*R-squared 5.639232 Prob. Chi-Square(2) 0.0596

UJI PANEL (FEM)

Correlated Random Effects - Hausman Test Equation: Untitled

Test cross-section random effects

39

Test Summary

Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 0 5 1

* Cross-section test variance is invalid. Hausman statistic set to zero. ** WARNING: robust standard errors may not be consistent with assumptions of Hausman test variance calculation.

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob.

BOPO 0.000017 -0.000007 0 NA

CAR 0.007887 0.010712 -0.000027 NA

LDR 0.029827 0.016881 -0.000081 NA

NPL -0.080839 -0.116331 -0.001869 NA

SIZE 0 0 0 NA

Cross-section random effects test equation: Dependent Variable: ROA

Method: Panel Least Squares Date: 10/07/13 Time: 13:36 Sample: 2009 2012

Periods included: 4 Cross-sections included: 33

Total panel (unbalanced) observations: 120 White cross-section standard errors & covariance (d.f. corrected)

WARNING: estimated coefficient covariance matrix is of reduced rank

Variable Coefficient Std. Error t-Statistic Prob.

C 0.009712 0.019883 0.488432 0.6265

BOPO 1.74E-05 4.72E-06 3.69101 0.0004

CAR 0.007887 0.006958 1.133541 0.2603

LDR 0.029827 0.021044 1.417397 0.1602

NPL -0.080839 0.026879 -3.007479 0.0035

SIZE 5.76E-10 4.12E-09 0.139796 0.8892

Effects Specification

40

Cross-section fixed (dummy variables)

R-squared 0.650419 Mean dependent var

0.032497

Adjusted R-squared 0.492681 S.D. dependent var

0.049145

S.E. of regression 0.035004 Akaike info criterion

-3.61414

Sum squared resid 0.100474 Schwarz criterion

-2.73144

Log likelihood 254.8485 Hannan-Quinn criter.

-3.25567

F-statistic 4.123417 Durbin-Watson stat

2.886257

Prob(F-statistic) 0

HASIL MODEL 1

Dependent Variable: ROA Method: Panel Least Squares Date: 10/07/13 Time: 13:46 Sample: 2009 2012 Periods included: 4 Cross-sections included: 33 Total panel (unbalanced) observations: 120

White cross-section standard errors & covariance (d.f. corrected) WARNING: estimated coefficient covariance matrix is of reduced rank


C 0.009712 0.019883 0.488432 0.6265 BOPO 1.74E-05 4.72E-06 3.69101 0.0004 CAR 0.007887 0.006958 1.133541 0.2603 LDR 0.029827 0.021044 1.417397 0.1602 NPL -0.080839 0.026879 -3.00748 0.0035 SIZE 5.76E-10 4.12E-09 0.139796 0.8892



R-squared 0.650419 Mean dependent var 0.032497

Adjusted R-squared 0.492681 S.D. dependent var 0.049145

S.E. of regression 0.035004 Akaike info criterion -3.614141

41

Sum squared resid 0.100474 Schwarz criterion -2.731435

Log likelihood 254.8485 Hannan-Quinn criter. -3.25567

F-statistic 4.123417 Durbin-Watson stat 2.886257 Prob(F-statistic) 0

Model 2


BOPO CAR LDR NPL

BOPO 1 0.092309876 0.055766335 0.463304

0

4

8

12

16

20

-0.06 -0.04 -0.02 0.00 0.02




0

1

2

3

4

5

-0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3


Mean 1.76e-15Median -0.024537Maximum 0.255180Minimum -0.362509Std. Dev. 0.182723Skewness -0.455965Kurtosis 2.441159


42

CAR 0.092309876 1 0.648877081 0.275168

LDR 0.055766335 0.648877081 1 0.456188

NPL 0.463304055 0.275167511 0.456187996 1

SIZE 0.113088246 0.71453518 0.866517796 0.41626

Uji Heteroskedastisitas




Scaled explained SS 31.22387 Prob. Chi-Square(5) 0

Test Equation: Dependent Variable: RESID^2

Method: Least Squares Date: 10/21/13 Time: 23:37

Sample: 1 66 Included observations: 66


C 0.000213 5.72E-05 3.724245 0.0004

BOPO -8.15E-07 6.98E-07 -1.166798 0.2479

CAR 0.000141 0.000896 0.15786 0.8751

LDR 0.002317 0.001648 1.405704 0.165

NPL 0.009887 0.003776 2.618305 0.0112

SIZE -5.09E-10 4.18E-10 -1.217985 0.228




Sum squared resid 1.04E-05 Schwarz criterion -12.4447


F-statistic 2.735571 Durbin-Watson stat 2.077091

43

Prob(F-statistic) 0.027198

Uji Autokorelasi


F-statistic 1.100532 Prob. F(2,57)

0.3397


Test Equation: Dependent Variable: RESID


Sample: 1 65 Included observations: 65 Presample missing value lagged residuals set to zero.


C 0.00033 0.001998 0.165287 0.8693

BOPO 5.36E-07 2.39E-05 0.022443 0.9822

CAR 0.00055 0.030944 0.017777 0.9859

LDR 0.010738 0.056832 0.188948 0.8508

NPL 0.015393 0.129526 0.118841 0.9058

SIZE -6.10E-10 1.41E-08 -0.04317 0.9657

RESID(-1) -0.178667 0.136924 -1.30486 0.1972

RESID(-2) -0.125175 0.141051 -0.88745 0.3786

R-squared 0.037179 Mean dependent var 2.30E-18

Adjusted R-squared -0.081062 S.D. dependent var 0.01349






UJI PANEL (FEM)

44



Test Summary Chi-Sq. Statistic

Chi-Sq. d.f. Prob.

Cross-section random 0 5 1

* Cross-section test variance is invalid. Hausman statistic set to zero.

** WARNING: robust standard errors may not be consistent with

assumptions of Hausman test variance calculation.



BOPO 0.000015 0.000005 0 0.2026 CAR 0.010274 0.00371 0.000087 0.4804 LDR 0.03315 0.058129 -0.00013 NA NPL -0.12308 -0.096876 -0.00489 NA SIZE 0 0 0 0.8078

Cross-section random effects test equation: Dependent Variable: NIM



Total panel (unbalanced) observations: 88 White cross-section standard errors & covariance (d.f. corrected)



C 0.194471 0.060592 3.209491 0.0023 BOPO 1.54E-05 1.04E-05 1.478753 0.1455

45

CAR 0.010274 0.010976 0.936071 0.3537 LDR 0.03315 0.029212 1.134814 0.2619 NPL -0.12308 0.074239 -1.65788 0.1036 SIZE 5.68E-09 1.26E-08 0.451621 0.6535



R-squared 0.619615 Mean dependent var 0.224078 Adjusted R-

squared 0.33813 S.D. dependent var 0.066402 S.E. of regression 0.054021 Akaike info criterion -2.70055 Sum squared

resid 0.145916 Schwarz criterion -1.63079 Log likelihood 156.8241 Hannan-Quinn criter. -2.26957 F-statistic 2.201237 Durbin-Watson stat 5.995733 Prob(F-statistic) 0.004788

HASIL MODEL 2

Dependent Variable: NIM Method: Panel Least Squares Date: 10/07/13 Time: 14:16 Sample: 2009 2012 Periods included: 4 Cross-sections included: 33 Total panel (unbalanced) observations: 88

White cross-section standard errors & covariance (d.f. corrected)


Variable Coefficient Std. Error

t-Statistic Prob.

C 0.194471 0.060592 3.209491 0.0023

BOPO 1.54E-05 1.04E-05 1.478753 0.1455

CAR 0.010274 0.010976 0.936071 0.3537

LDR 0.03315 0.029212 1.134814 0.2619

NPL -0.12308 0.074239 -1.65788 0.1036

SIZE 5.68E-09 1.26E-08 0.451621 0.6535

Effects

46

Specification



Adjusted R-squared 0.33813

S.D. dependent var 0.066402






Model 3

0

4

8

12

16

20

-0.15 -0.10 -0.05 0.00 0.05 0.10 0.15 0.20


Mean 6.77e-18Median -0.021154Maximum 0.210675Minimum -0.170424Std. Dev. 0.072570Skewness 1.117054Kurtosis 3.850628


0

4

8

12

16

20

-3 -2 -1 0 1 2




47


BOPO CAR LDR SIZE

BOPO 1 -0.00318 -0.15202 0.039033

CAR -0.00318 1 -0.38869 -0.22186

LDR -0.15202 -0.38869 1 0.098831

SIZE 0.039033 -0.22186 0.098831 1

Uji Heteroskedastisitas bebas hetero




Scaled explained SS 5.531484

Prob. Chi-Square(4) 0.237


Method: Least Squares Date: 10/04/13 Time: 11:30 Sample: 1 124

Included observations: 124


t-Statistic Prob.

C 0.00619 0.00437 1.416602 0.1592

BOPO 2.40E-06 1.73E-06 1.38717 0.168

CAR -0.00053 0.001397 -0.38173 0.7033

LDR -0.00363 0.004101 -0.88463 0.3781

SIZE 7.39E-10 8.10E-10 0.912271 0.3635

48









Uji Autokorelasi






Included observations: 124 Presample missing value lagged residuals set to zero.


C 0.011061 0.036753 0.300951 0.764

BOPO -4.72E-06 1.45E-05 -0.324442 0.7462

CAR -0.0012 0.011604 -0.102983 0.9182

LDR -0.01088 0.034812 -0.312542 0.7552

SIZE -5.69E-10 6.74E-09 -0.084428 0.9329

RESID(-1) 0.113479 0.094195 1.204727 0.2307

RESID(-2) 0.124759 0.093646 1.332241 0.1854


49







UJI PANEL (REM)



Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 4943.374 5 0



BOPO 0 0 0 0

CAR 0 0 0 0

LDR 0 0 0 0

NPL 1 1 0 0

SIZE 0 0 0 0.2544

Cross-section random effects test equation: Dependent Variable: NPL



Total panel (unbalanced) observations: 124


50

C 1.99E-17 2.53E-17 0.786708 0.4336

BOPO -2.25E-20 9.10E-21 -2.478924 0.0151

CAR -5.02E-18 6.43E-18 -0.780498 0.4372

LDR -6.97E-17 2.05E-17 -3.394562 0.001

NPL 1 5.55E-17 1.80E+16 0

SIZE 0 5.03E-24 0 1



R-squared 1 Mean dependent var 0.085933

Adjusted R-squared 1 S.D. dependent var 0.080032

S.E. of regression 3.19E-17 Akaike info criterion -72.88428

Sum squared resid 8.74E-32 Schwarz criterion -72.02


F-statistic 2.10E+31 Durbin-Watson stat 2.505551

Prob(F-statistic) 0

HASIL MODEL 3

Dependent Variable: NPL Method: Panel EGLS (Cross-section random effects)

Date: 10/07/13 Time: 14:39 Sample: 2009 2012



Swamy and Arora estimator of component variances


C 0.137493 0.037317 3.684478 0.0003

BOPO 5.01E-05 1.45E-05 3.448769 0.0008

CAR -0.018 0.01102 -1.63368 0.105

LDR -0.05978 0.033445 -1.78733 0.0764

SIZE 8.79E-10 7.32E-09 0.120059 0.9046

51


S.D. Rho

Cross-section random 0.040726 0.3043

Idiosyncratic random 0.061581 0.6957

Weighted Statistics



S.E. of regression 0.062074 Sum squared resid 0.458533



Unweighted Statistics


Sum squared resid 0.656128 Durbin-Watson stat 1.588634

Kapital aset 5-10M

Model 1



BOPO 1 0.088551 0.09736 -0.05123 0.268003

CAR 0.088551 1 -0.30787 0.213181 -0.22684

0

2

4

6

8

10

12

-0.06 -0.04 -0.02 0.00 0.02 0.04 0.06 0.08


Mean -1.07e-17Median -0.002132Maximum 0.080154Minimum -0.074025Std. Dev. 0.032385Skewness -0.033924Kurtosis 2.821196


52

LDR 0.09736 -0.30787 1 -0.09328 0.202437

NPL -0.05123 0.213181 -0.09328 1 -0.04272

SIZE 0.268003 -0.22684 0.202437 -0.04272 1

Uji Heteroskedastisitas Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 1.676588 Prob. F(5,107) 0.1465 Obs*R-squared 8.209812 Prob. Chi-Square(5) 0.145 Scaled explained

SS 6.703022 Prob. Chi-Square(5) 0.2437





C 2.73E-05 0.001068 0.025538 0.9797 BOPO -0.0009 0.000454 -1.98783 0.0494 CAR 8.63E-05 0.000353 0.244513 0.8073 LDR 0.001999 0.000988 2.02406 0.0455 NPL 0.000838 0.001077 0.778066 0.4382 SIZE 5.11E-12 1.03E-10 0.049472 0.9606



resid 0.000206 Schwarz criterion -10.1251 Log likelihood 586.2484 Hannan-Quinn criter. -10.2111 F-statistic 1.676588 Durbin-Watson stat 1.809942

53


Uji Autokorelasi Breusch-Godfrey Serial Correlation LM Test:

F-statistic 0.745419 Prob. F(2,105) 0.477 Obs*R-squared 1.581964 Prob. Chi-Square(2) 0.4534





C 0.000517 0.025818 0.02002 0.9841 BOPO 0.002047 0.011004 0.186042 0.8528 CAR 0.000472 0.00851 0.055412 0.9559 LDR -0.00428 0.02398 -0.17835 0.8588 NPL -0.00016 0.026083 -0.00623 0.995 SIZE 1.41E-10 2.49E-09 0.056932 0.9547 RESID(-1) 0.0952 0.100236 0.949757 0.3444 RESID(-2) 0.067449 0.101687 0.663294 0.5086

R-squared 0.014 Mean dependent var -1.07E-

17 Adjusted R-

squared -0.05173 S.D. dependent var 0.032385 S.E. of regression 0.033212 Akaike info criterion -3.90364 Sum squared

resid 0.11582 Schwarz criterion -3.71055 Log likelihood 228.5556 Hannan-Quinn criter. -3.82529 F-statistic 0.212977 Durbin-Watson stat 1.980258

54


uji data panel (fem) Correlated Random Effects - Hausman Test

Equation: Untitled Test cross-section random effects


Chi-Sq. d.f. Prob.

Cross-section random 8.632128 5 0.1247



BOPO -0.04802 -0.06478 0.000166 0.1928 CAR 0.011046 0.0109 0.000048 0.9832 LDR 0.006401 0.03621 0.000187 0.0293 NPL -0.00402 -0.02067 0.000085 0.0706 SIZE 0 0 0 0.8028






C 0.044644 0.031852 1.401626 0.165 BOPO -0.04802 0.017387 -2.76185 0.0072

55

CAR 0.011046 0.011064 0.998306 0.3213 LDR 0.006401 0.02674 0.239386 0.8114 NPL -0.00402 0.02578 -0.15578 0.8766 SIZE 3.51E-09 2.96E-09 1.185259 0.2396






hasil model 1 Dependent Variable: ROA





t-Statistic Prob.

C 0.044644 0.031852 1.401626 0.165

BOPO -0.04802 0.017387 -2.76185 0.0072

CAR 0.011046 0.011064 0.998306 0.3213

LDR 0.006401 0.02674 0.239386 0.8114

NPL -0.00402 0.02578 -0.15578 0.8766

SIZE 3.51E-09 2.96E-09 1.185259 0.2396



56









Model 2

0

4

8

12

16

20

-0.05 0.00 0.05 0.10




57




BOPO 1 0.07895 0.075352 -0.04975 0.277236

CAR 0.07895 1 -0.2617 0.195297 -0.23048

LDR 0.075352 -0.2617 1 -0.08741 0.176077

NPL -0.04975 0.195297 -0.08741 1 -0.03806

SIZE 0.277236 -0.23048 0.176077 -0.03806 1


F-statistic 0.756546 Prob. F(5,117) 0.5829 Obs*R-squared 3.852171 Prob. Chi-Square(5) 0.5709 Scaled explained

SS 3.92574 Prob. Chi-Square(5) 0.5602




0

4

8

12

16

20

24

-0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4


Mean 4.38e-17Median -0.006480Maximum 0.441151Minimum -0.875033Std. Dev. 0.190198Skewness -0.444598Kurtosis 5.623292


58


C -0.001 0.001982 -0.50181 0.6167 BOPO 0.000993 0.000853 1.164928 0.2464 CAR 0.000304 0.000649 0.469035 0.6399 LDR 0.002372 0.001795 1.321652 0.1889 NPL -0.00046 0.002033 -0.22658 0.8211 SIZE 1.70E-12 1.92E-10 0.008877 0.9929









Presample missing value lagged residuals set to zero.


C 0.000258 0.032155 0.00803 0.9936

59

BOPO -0.00365 0.014133 -0.25824 0.7967 CAR -0.00053 0.010598 -0.04982 0.9604 LDR 0.002079 0.029189 0.071212 0.9434 NPL 0.001386 0.033372 0.041531 0.9669 SIZE 1.41E-10 3.15E-09 0.044829 0.9643 RESID(-1) -0.09483 0.095315 -0.99488 0.3219 RESID(-2) 0.074423 0.097256 0.765221 0.4457

R-squared 0.015142 Mean dependent var 5.75E-17 Adjusted R-



uji data panel (fem) Correlated Random Effects - Hausman Test



Chi-Sq. d.f. Prob.




BOPO -0.04432 -0.02888 0.00009 0.1038 CAR -0.01992 -0.01947 0.000029 0.9323 LDR 0.063631 0.081554 0.000102 0.0763 NPL 0.014158 0.006172 0.000044 0.2298 SIZE 0 0 0 0.4179

60






C 0.192283 0.03326 5.781214 0 BOPO -0.04432 0.017247 -2.56949 0.0119 CAR -0.01992 0.01149 -1.73383 0.0865 LDR 0.063631 0.027524 2.311888 0.0231 NPL 0.014158 0.027252 0.519533 0.6047 SIZE 3.41E-09 3.06E-09 1.114336 0.2682





resid 0.086075 Schwarz criterion -3.0184 Log likelihood 272.2511 Hannan-Quinn criter. -3.50715 F-statistic 5.448689 Durbin-Watson stat 2.973638 Prob(F-statistic) 0

hasil model 2 Dependent Variable: NIM




61


t-Statistic Prob.

C 0.192283 0.03326 5.781214 0

BOPO -0.04432 0.017247 -2.56949 0.0119

CAR -0.01992 0.01149 -1.73383 0.0865

LDR 0.063631 0.027524 2.311888 0.0231

NPL 0.014158 0.027252 0.519533 0.6047

SIZE 3.41E-09 3.06E-09 1.114336 0.2682










Prob(F-statistic) 0

Model 3

62




BOPO 1 0.033626 0.116613 0.35068

2 0.30068

6

CAR 0.033626 1 0.079616 -0.15799 -0.2396

LDR 0.116613 0.079616 1 0.08717 0.07875

NPL 0.350682 -0.15799 0.08717 1 0.13087

3

SIZE 0.300686 -0.2396 0.07875 0.13087

3 1


0

2

4

6

8

10

12

14

16

-0.050 -0.025 0.000 0.025 0.050 0.075 0.100




0

4

8

12

16

20

-3.0 -2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5




63

F-statistic 2.366819 Prob. F(4,100) 0.0578 Obs*R-squared 9.080923 Prob. Chi-Square(4) 0.0591 Scaled explained SS 7.650271 Prob. Chi-Square(4) 0.1053


Method: Least Squares

Date: 10/05/13 Time: 09:28 Sample: 1 105



C -0.00018 0.001578 -0.113591 0.9098 BOPO 0.001489 0.000672 2.215882 0.029 CAR -0.00114 0.00066 -1.7326 0.0862 LDR 0.000874 0.001455 0.600696 0.5494 SIZE 2.52E-11 1.52E-10 0.165078 0.8692



1 S.E. of regression 0.001882 Akaike info criterion -9.66626 Sum squared resid 0.000354 Schwarz criterion -9.53988 Log likelihood 512.4784 Hannan-Quinn criter. -9.61504


9 Prob(F-statistic) 0.057815



64



Date: 10/05/13 Time: 09:28 Sample: 1 105



C 0.001007 0.032336 0.031154 0.9752 BOPO -0.00137 0.013714 -0.099985 0.9206 CAR -0.00058 0.013464 -0.043018 0.9658 LDR 0.002667 0.029671 0.089899 0.9286 SIZE -2.38E-10 3.15E-09 -0.075604 0.9399 RESID(-1) 0.171613 0.101535 1.690185 0.0942 RESID(-2) -0.03947 0.102419 -0.385388 0.7008






Uji Data Panel (fem) Correlated Random Effects - Hausman Test


Test Summary

Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section

1.291957 4 0.8627

65

random



BOPO 0.062847 0.055221 0.000257 0.6345 CAR -0.02849 -0.02578 0.00021 0.8522 LDR 0.032316 0.026954 0.000222 0.7189 SIZE 0 0 0 0.4822

Cross-section random effects test equation: Dependent Variable: NPL





C 0.021051 0.039906 0.527511 0.5995 BOPO 0.062847 0.022209 2.829768 0.0061 CAR -0.02849 0.019679 -1.447554 0.1522 LDR 0.032316 0.032169 1.004545 0.3186 SIZE -4.01E-09 3.53E-09 -1.137556 0.2592




4



66



Hasil Model 3 Dependent Variable: NPL





t-Statistic Prob.

C 0.021051 0.039906 0.527511 0.5995

BOPO 0.062847 0.022209 2.829768 0.0061

CAR -0.028486 0.019679 -1.44755 0.1522

LDR 0.032316 0.032169 1.004545 0.3186

SIZE -4.01E-09 3.53E-09 -1.13756 0.2592










Kapital aset diatas 10M

Model 1

67



pearson correlation matrix


BOPO 1 -0.39012 -0.00037 0.20479

4 0.009254

CAR -0.39012 1 -0.16577 -0.06526 -0.044472

LDR -0.00037 -0.16577 1 -0.03311 -0.017324

NPL 0.204794 -0.06526 -0.03311 1 -0.059326

SIZE 0.009254 -0.04447 -0.01732 -0.05933 1

uji heterosketadisitas

0

10

20

30

40

50

60

70

-0.04 -0.02 0.00 0.02 0.04


Mean -7.10e-17Median -0.001484Maximum 0.053855Minimum -0.053316Std. Dev. 0.018012Skewness 0.432407Kurtosis 4.079712


0

20

40

60

80

100

120

-3.0 -2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0




68




Scaled explained SS 24.59594 Prob. Chi-Square(5) 0.0002



Date: 10/04/13 Time: 11:17 Sample: 1 369


Variable Coefficient

Std. Error

t-Statistic Prob.

C 0.000114 0.00031

8 0.35849

2 0.7202

BOPO -0.00021 0.00024

3 -0.84734 0.3974

CAR 0.000649 0.00021

3 3.05209

7 0.0024

LDR 0.000227 0.00025

3 0.89881

2 0.3693

NPL 0.000289 0.00047

3 0.61060

5 0.5418

SIZE 4.31E-13 2.35E-13 1.83293

1 0.0676


0.000324


0.000569





1.700241

69


autokorelasi Breusch-Godfrey Serial Correlation LM Test:







t-Statistic Prob.

C -0.00011 0.010255 -0.0102 0.9919

BOPO -0.00028 0.007857 -0.03528 0.9719

CAR -0.0008 0.006879 -0.11648 0.9073

LDR 0.000719 0.008172 0.087985 0.9299

NPL -0.00114 0.015272 -0.0747 0.9405

SIZE -8.36E-14 7.61E-12 -0.01099 0.9912

RESID(-1) 0.056568 0.052753 1.072312 0.2843

RESID(-2) -0.10118 0.052645 -1.92196 0.0554


-7.10E-17

Adjusted R-squared -0.00642







70

uji regresi



Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.




BOPO -0.21758 -0.238132 0.000073 0.0161

CAR 0.027385 0.020183 0.00002 0.1049

LDR 0.012152 0.011481 0.000056 0.9284

NPL 0.011035 0.01573 0.000098 0.6361

SIZE 0 0 0 0.0153






C 0.20543 0.013657 15.04204 0

BOPO -0.21758 0.011893 -18.2946 0

CAR 0.027385 0.008178 3.348521 0.0009

LDR 0.012152 0.011314 1.074086 0.2838

NPL 0.011035 0.018191 0.606598 0.5446

SIZE -9.74E-12 9.26E-12 -1.05147 0.294

71




0.042644


0.037951

S.E. of regression 0.016448 Akaike info criterion

-5.143

Sum squared resid 0.07142 Schwarz criterion

-4.03017



3.551692

Prob(F-statistic) 0

Redundant Fixed Effects Tests Equation: Untitled

Test cross-section fixed effects

Effects Test Statistic d.f. Prob.

Cross-section F 1.790968 -99,264 0.0001

Cross-section Chi-square 189.5882 99 0

Cross-section fixed effects test equation: Dependent Variable: ROA





C 0.231046 0.010292 22.44923 0

BOPO -0.242738 0.007884 -30.788 0

CAR 0.016964 0.00689 2.462167 0.0143

72

LDR 0.010141 0.008191 1.23805 0.2165

NPL 0.017902 0.015318 1.168672 0.2433

SIZE -2.74E-11 7.62E-12 -3.59252 0.0004







Prob(F-statistic) 0

Model 2

73

autokorelasi Breusch-Godfrey Serial Correlation LM Test:






0

10

20

30

40

50

60

-0.15 -0.10 -0.05 0.00 0.05 0.10


Mean -6.43e-17Median -0.004955Maximum 0.125937Minimum -0.179894Std. Dev. 0.038778Skewness 0.164685Kurtosis 4.177796


0

4

8

12

16

20

24

-1.2 -1.0 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4




74

Presample missing value lagged residuals set to zero.


t-Statistic Prob.

C -0.00079 0.00977 -0.08092 0.9356

BOPO 0.000334 0.014451 0.023139 0.9816

CAR -0.00031 0.010169 -0.03005 0.9761

LDR 2.44E-04 0.009386 0.025951 0.9793

NPL 0.000309 0.028725 0.010771 0.9914

SIZE 1.14E-11 3.58E-11 0.319865 0.7493

RESID(-1) 0.11001 0.060207 1.827197 0.0687

RESID(-2) 0.050018 0.061092 0.818728 0.4136

R-squared 1.53E-02 Mean dependent var

-9.50E-17








uji multi


BOPO 1 -0.21293 0.059154 0.060162 -0.02334

CAR -0.21293 1 0.033954 -0.13688 -0.0813

LDR 0.059154 0.033954 1 0.036905 0.043069

NPL 0.060162 -0.13688 0.036905 1 -0.10329

SIZE -0.02334 -0.0813 0.043069 -0.10329 1

uji hetero


75



Scaled explained SS 6.212146

Prob. Chi-Square(5) 0.2861





t-Statistic Prob.

C 0.001473 0.000697 2.113245 0.0354 BOPO -0.00089 0.001031 -0.86455 0.388 CAR -0.00079 0.000721 -1.09991 0.2723 LDR 0.000101 0.000672 0.150792 0.8802 NPL -0.00159 0.002027 -0.78213 0.4348 SIZE 1.33E-12 2.52E-12 0.529088 0.5972









uji regresi berganda



76

Effects Test Statistic d.f. Prob.

Cross-section F 3.169072 -98,189 0


Cross-section fixed effects test equation:

Dependent Variable: NIM Method: Panel Least Squares Date: 10/09/13 Time: 08:24 Sample: 2010 2012




t-Statistic Prob.

C 0.183227 0.010408 17.60482 0

BOPO -0.06822 0.015386 -4.43366 0

CAR -0.00041 0.010766 -0.03839 0.9694

LDR -0.00042 0.010036 -0.04192 0.9666

NPL 0.021615 0.030262 0.714265 0.4756

SIZE -2.98E-10 3.76E-11 -7.92956 0








Prob(F-statistic) 0



77


Chi-Sq. d.f. Prob.

Cross-section random 33.658369 5 0



BOPO -0.02398 -0.045774 0.000037 0.0004

CAR -0.0098 -0.004405 0.000008 0.051

LDR -0.03442 -0.014873 0.000021 0

NPL 0.022107 0.024606 0.000055 0.7366

SIZE 0 0 0 0.3153






C 0.183009 0.010504 17.42245 0

BOPO -0.02398 0.014558 -

1.647354 0.1011

CAR -0.0098 0.009143 -

1.071347 0.2854

LDR -0.03442 0.009738 -

3.534035 0.0005

NPL 0.022107 0.025498 0.867006 0.387

SIZE -3.95E-10 9.18E-11 -

4.295335 0


78








Prob(F-statistic) 0

Model 3

0

5

10

15

20

25

30

35

-0.06 -0.04 -0.02 0.00 0.02 0.04 0.06 0.08




0

10

20

30

40

50

-4 -3 -2 -1 0 1 2




79

uji multikolinearitas

BOPO CAR LDR SIZE

BOPO 1 -0.29188 0.011411 0.014847

CAR -0.29188 1 0.472109 -0.044866

LDR 0.011411 0.472109 1 -0.02411

SIZE 0.014847 -0.044866 -0.02411 1

uji heterosketadisitas




Scaled explained SS 25.58251 Prob. Chi-Square(4) 0





C -0.000657 0.000486 -1.350733 0.1776

BOPO 0.002141 0.000547 3.916569 0.0001

CAR -0.000586 0.000444 -1.318964 0.188

LDR -1.10E-05 0.000222 -0.049439 0.9606

SIZE -4.91E-13 5.60E-13 -0.875964 0.3816





80











t-Statistic Prob.

C 0.00019 0.011145 0.017027 0.9864

BOPO -0.00017 0.01256 -0.01374 0.989

CAR -0.00018 0.01013 -0.01739 0.9861

LDR 1.01E-05 0.005041 0.002012 0.9984

SIZE -2.05E-13 1.28E-11 -0.01601 0.9872

RESID(-1) -0.00169 0.053067 -0.0319 0.9746

RESID(-2) -0.01327 0.052411 -0.2531 0.8003









81

uji regresi



Effects Test

Statistic d.f. Prob.

Cross-section F

2.288146 -99,272 0


Cross-section fixed effects test equation: Dependent Variable: NPL

Method: Panel Least Squares Date: 10/07/13 Time: 10:19 Sample: 2009 2012 Periods included: 4 Cross-sections included: 100 Total panel (unbalanced) observations: 376


C -0.019556 0.011015 -1.7755 0.0766

BOPO 0.069578 0.012388 5.616687 0

CAR -0.013133 0.010062 -1.30518 0.1926

LDR 0.005527 0.005026 1.099693 0.2722

SIZE -1.37E-11 1.27E-11 -1.078735 0.2814







Prob(F-statistic) 0

Correlated Random Effects - Hausman Test


82


Chi-Sq. d.f. Prob.




BOPO 0.041494 0.059915 0.000124 0.0979

CAR -0.00627 -0.01047 0.000049 0.5501

LDR 0.002553 0.004208 0.000007 0.5407

SIZE 0 0 0 0.1967

Cross-section random effects test equation:

Dependent Variable: NPL Method: Panel Least Squares Date: 10/07/13 Time: 10:20 Sample: 2009 2012




t-Statistic Prob.

C 0.003143 0.01493 0.210532 0.8334

BOPO 0.041494 0.017251 2.405329 0.0168

CAR -0.00627 0.012284 -0.51012 0.6104

LDR 0.002553 0.005574 0.458105 0.6472

SIZE 2.34E-12 1.39E-11 0.167943 0.8668






S.E. of regression 0.02625

Akaike info criterion -4.21286


Log likelihood 896.018

Hannan-Quinn criter. -3.7814


Documents

MODEL KEBIJAKAN PERATURAN BANK INDONESIA TENTANG TINGKAT KESEHATAN BANK DALAM …sipeg.unj.ac.id/repository/upload/buku/MODEL_KEBIJAKAN... · 2019. 12. 18. · MODEL KEBIJAKAN PERATURAN