analisis pengaruh rasio keuangan terhadap … · kebangkrutan sektor perbankan ... hubungan antara...
TRANSCRIPT
ANALISIS PENGARUH RASIO KEUANGAN TERHADAP
PROBABILITAS KEBANGKRUTAN SEKTOR PERBANKAN
PADA KELOMPOK LQ 45 DI BEI
SEKARGITA AGUS
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2013
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa disertas berjudul Analisis Pengaruh
Rasio Keuangan Terhadap Probabilitas Kebangkrutan Sektor Perbankan Pada
Kelompok LQ 45 Di BEI adalah benar karya saya denganarahan dari komisi
pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Juli 2013
Sekargita Agus
NIM H251110261
RINGKASAN
SEKARGITA AGUS. Analisis Pengaruh Rasio Keuangan Terhadap Probabilitas
Kebangkrutan Sektor Perbankan Pada Kelompok LQ 45 Di BEI. Dibimbing oleh
ABDUL KOHAR IRWANTO dan TB. NUR AHMAD MAULANA.
Bank merupakan suatu badan usaha yang bertindak sebagai lembaga
perantara keuangan yaitu menempatkan dana yang dipercayakan masyarakat
kepadanya, untuk disalurkan kembali dalam bentuk pinjaman kepada masyarakat
dan dunia usaha pada umumnya dalam bentuk kredit. Melalui perbankan dana
yang beredar dapat dioptimalkan untuk menunjang investasi yang pada akhirnya
mendorong pertumbuhan ekonomi, peningkatan taraf hidup masyarakat dan
pemerataan pembangunan.Oleh karena itu, kegiatan operasional perbankan harus
diawasi dengan baik oleh para stakeholder. Tujuan dari penelitian ini adalah
menganalisa probabilitas kebangkrutan dari sektor perbankan dan menganalisa
hubungan antara informasi akuntansi berupa rasio keuangan (APB, BOPO, ROA,
ROE, LDR, NPL, ATTM, CAR, dan NIM) terhadap probabilitas kebangkrutan
dengan menggunakan KMV Merton.
Obyek penelitian adalah bank yang konsisten masuk dalam LQ 45 periode
2009-2012 dan mengeluarkan obligasi. Data yang dipergunakan untuk penelitian
ini merupakan data sekunder berupa data penel. Data panel (pooled data)
merupakan gabungan data runtun waktu (time series) selama periode empat tahun
yaitu 2009-2012 dengan data silang (cross section) dari empat perbankanpada
kelompok LQ 45 di Bursa Efek Indonesia.Teknik analisis yang digunakan untuk
menganalisa estimasi probabilitaskebangkrutan (PD) yaitu Model KMV Merton
sedangkan untuk menganalisa pengaruh rasio keuangan terhadap PD digunakan
analisis regresi berganda data panel. Pengolahan data pada penelitian ini
menggunakan beberapa paket program statistik seperti Microsoft Exel 2010 dan
Eviews 6.0.
Dari hasil analisis probabilitas kegagalan bank model KMV merton
memberikan indikasi bahwa PT Bank Rakyat Indonesia Tbk, PT Bank Mandiri
Tbk, dan PT Danamon Indonesia Tbk mempunyai tingkat kegagalan bank yang
rendah dengan peringkat tertinggi yaitu AAA, sehingga Bank-Bank tersebut
layak untuk dijadikan tempat berinvestasi. Sedangkan , PT Bank Pembangunan
Daerah Jawa Barat dan Banten Tbk (BJBR) mempunyai rangking B pada akhir
periodenya, pada ranking ini menunjukan bahwa obligor rentan terhadap gagal
bayar, namun tetap memiliki kemampuan untuk memenuhi kewajibannya.
Sehingga BJBR tetap merupakan wadah investasi yang baik, namun para investor
harus lebih berhati-hati kepada keadaan-keadaan yang mungkin merugikan
obligor.
Analisis regresi terhadap rasio keuangan mampu menjelaskan 88,44 persen
dalam model persamaan PD. Berdasarkan analisis regresi yang dilakukan
variabel-variabel independent dalam regresi yang memiliki pengaruh yang
signifikan terhadap variabel dependen pada Bank yang terdaftar dalam LQ-45
adalah Biaya Operasional terhadap Pendapatan Operasional (BOPO) memiliki
pengaruh yang positif terhadap PD dan Aset Tetap Terhadap Modal (ATTM)
memiliki pengaruh negatif terhadap PD.
Kata kunci:Eviews 6, model KMV Merton, probabilitas kebangkrutan, rasio
keuangan, regresi berganda data panel..
SUMMARY
SEKARGITA AGUS. Financial Ratios affect to Default Probability Analysis of
The Banking Sectoring LQ 45 Group at BEI. Supervised by ABDULKOHAR
IRWANTO and TB. NUR AHMAD MAULANA.
Bank is an entity that acts as a financial intermediary that puts the public
funds entrusted to him, to be distributed back to the community in the form of
loans and the business world at large in the form of credit. Outstanding funds
through banks can be optimized to support the investment, which in turn
encourages economic growth, improving standards of living and equitable
development. Therefore, the banking operations should be monitored closely by
the stakeholders. The purpose of this study was to analyze the probability of
bankruptcy of the banking sector and analyze the relationship between accounting
information in the form of financial ratios (APB, ROA, ROA, ROE, LDR, NPL,
ATTM, CAR, and NIM) to the probability of bankruptcy by using KMV Merton.
The Object of study is consistent in bank LQ 45 period 2009-2012 and bond
issue. The data used for this study is a secondary data penel. Panel data (pooled
data) is a combination of time series data over a period of four years, from 2009 to
2012 with the data cross of the four Indonesian Bank. The analytical techniques
used in the estimation of Merton KMV model the probability of default
probability(PD) and multiple regression analysis of panel data in analyzing the
impact of financial ratios to PD. Processing the data in this study will use several
statistical program packages such as Microsoft Exel 2010 and Eviews 6.0.
The research result showed that the probability of bank failure Merton KMV
models give an indication of the low level of bank failures with the highest rating
of AAA, so PT Bank Rakyat Indonesia Tbk, PT Bank Mandiri Tbk, and PT
Danamon Indonesia Tbk, worth be a place to invest. Meanwhile, PT Bank
Pembangunan DaerahJawa Baratdand Banten Tbk (BJBR) has ranked B at the end
of the period, in this ranking indicates that the obligor vulnerable to default, but
still have the ability to meet its obligations. So BJBR remains a good to be a place
for investment, but investors should be cautious to circumstances that may harm
the obligor.
The regression analysis,of financial ratios can be explained 88.44 per cent in
the PD equation model. Based on regression analysis performed independent
variables in a regression that has a significant effect on the dependent variable is
ROA has a positive influence on PD in a bank listed in LQ 45 and ATTM has a
negative effect on PD in a bank listed in LQ 45.
Keywords:Eviews 6,default probability, KMV Merton Model, the bank’s financial
ratio.
© Hak Cipta Milik IPB, Tahun 2013
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan
atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan,
penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau
tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan
IPB
Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini
dalam bentuk apa pun tanpa izin IPB
Tesis
sebagai salah satu syarat untuk memperoleh gelar
Magister Sains
pada
Program Studi Ilmu Manajemen
ANALISIS PENGARUH RASIO KEUANGAN TERHADAP
PROBABILITAS KEBANGKRUTAN SEKTOR PERBANKAN
PADA KELOMPOK LQ 45 DI BEI
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2013
SEKARGITA AGUS
Penguji Luar Komisi pada Ujian Tesis : Prof. Dr. Ir. Wilson H. Limbong, MS.
Judul Tesis : Analisis Pengaruh Rasio Keuangan Terhadap Probabilitas
Kebangkrutan Sektor Perbankan Pada Kelompok LQ 45 Di BEI.
Nama : Sekargita Agus
NIM : H251110261
Disetujui oleh
Komisi Pembimbing
Dr Ir Abdul Kohar Irwanto, MSc
Ketua
Ir Tb. Nur Ahmad Maulana, MBA, MSc. PhD
Anggota
Diketahui oleh
Ketua Program Studi
Ilmu Manajemen
Dr Ir Abdul Kohar Irwanto, MSc
Dekan Sekolah Pascasarjana
Dr Ir Dahrul Syah, MScAgr
Tanggal Ujian: 8 Juli 2013
Tanggal Lulus:
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2012 ini ialah
probabilitas kebangkrutan, dengan judul Analisis Pengaruh Rasio Keuangan
Terhadap Probabilitas Kebangkrutan Sektor Perbankan Pada Kelompok LQ 45 Di
Bursa Efek Indonesia. Penyusunan tesis ini merupakan salah satu syarat dalam
menyelesaikan pendidikan di Program Ilmu Manajemen Sekolah Pascasarjana
IPB.
Ucapan terimakasih penulis sampaikan kepada sejumlah pihak yang telah
berkontribusi secara langsung maupun tidak langsung dalam penyelesaian tugas
akhir ini. Semoga Allah SWT membalas semua kebaikan pihak-pihak yang
senantiasa membimbing, membantu dan mendoakan penulis dalam menyelesaikan
penelitian dan penyusunan tesis ini. Amin.
Perkenankanlah penulis untuk mengucapkan terima kasih kepada Bapak Dr
Ir Abdul Kohar Irwanto MSc dan Bapak Ir. Tb. Nur Ahmad Maulana MBA MSc
PhD selaku komisi pembimbing atas arahan, bimbingan, dan bantuan yang telah
diberikan selama penyusunan tesis ini. Penulis juga mengucapkan terima kasih
kepada ProfDr IrW. H Limbong MSselaku dosen penguji yang telah memberikan
masukan bagi perbaikan tesis ini.
Ungkapan terima kasih juga disampaikan kepada Ir Agus D Gozali MSc
selaku ayah, Nia S Gozali selaku ibu, Kang Gumilang A Gozali STP, Teh Siti
Nurjanah SPT, AdindaGina Citra Dewi SPT, dan Ghazi Abbad Gozaliserta
seluruh keluarga, terimakasih banyak atas semua kasih sayang dan support baik
moril maupun materiil yang telah diberikan, serta atas segala doa dan kasih
sayangnya.
Ucapan terima kasih juga penulis sampaikan kepada seluruh staf pengajar
dan karyawan departemen Illmu Manajemen yang telah membantu penulis selama
menempuh pendidikan di Sekolah Pascasarjana serta sahabat-sahabatku : Iswi,
Azwar, Hageem, Tina, Weni (yang telah banyak membantu dan merelakan
waktunya untuk berdiskusi bersama dalam menyelesaikan tesis ini), Mbak dewi,
Mbak Happy, Mbak Utami, Teh Vonny, Teh Kori, Mbak Irma, Putri, Pak Amir,
Pak Deden, Bu Murni, Bu Meiske, Mas Heru, Beni, Bang Alfian, Atul,Pak Arfan,
Pak Paisal, Pak Gagan (Teman-teman angkatan 5 dan 5,5). Terimakasih atas
kebaikan dan kebersamaannya selama kuliah di Ilmu Manajemen Sekolah
Pascasarjana IPB.
Semoga karya ilmiah ini bermanfaat.
Bogor, Juli 2013
Sekargita Agus
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
1 PENDAHULUAN 1
Latar Belakang 1
Perumusan Masalah 3
Manfaat Penelitian 5
Ruang Lingkup Penelitian 6
2 TINJAUAN PUSTAKA 6
Bank 6
Risiko 7
Risiko Kredit 8
Kebangkrutan 9
KMV Merton Model 10
Peringkat Obligasi 12
Analisis Rasio Keuangan 12
Penelitian Terdahulu 14
3 METODE 15
Kerangka Pemikiran 15
Lokasi dan Waktu Penelitian 17
Jenis dan Sumber Data 17
Sampel 18
Metode Pengolahan dan Analisis Data 18
4 HASIL DAN PEMBAHASAN 29
Analisis Statistik Deskriptif 29
Estimasi Probabilitas Default 31
Hubungan Rasio Keuangan Terhadap Probabilitas Kebangkrutan 33
Implikasi Manajerial 42
SIMPULAN DAN SARAN 43
Kesimpulan 43
Saran 44
DAFTAR PUSTAKA 44
RIWAYAT HIDUP 67
DAFTAR TABEL
1. Tingkat obligasi berdasarkan rentang tingkat kebangkrutan
suatu perusahaan oleh moody dan standard and poor 13
2. Sampel penelitian 30
3. Statistik deskriptif dalam penelitian rasio keuangan bank 2009-2012 30
4. Nilai pasar perusahaan 33
5. Estimasi kemungkinan kebangkrutan dan perankingan 34
6. Hasil uji Chow 35
7. Hasil uji Hausmann 35
8. Ringkasan uji kriteria statistik Fixed effect dan Random Effect 35
9. Hasil uji heteroskedastisitas 36
10. Hasil uji multikolinearitas 36
11. Ringkasan uji signifikansi Model Probability of default. 36
12. Hasil analisis regresi 37
13. Analisis hubungan variabel rasio keuangan dalam menjelaskan
probabilitas default. 39
14. Rata-rata ROA pertahun perbankan 40
DAFTAR GAMBAR
1. Kinerja bank umum 1
2. Rata-rata NPL sektor perbankan pada LQ 45 4
3. Historis jumlah bank umumdi Indonesia 5
4. Hubungan kebangkrutan terhadap risiko kredit 10
5. Ilustrasi model KMV Merton 11
6. Kerangka pemikiran penelitian 16
7. Alur pikir penelitian 18
8. Pengujian pemilihan model pada pengolahan data panel 22
9. Daerah uji Durbin Watson 29
10. Grafik pertumbuhan nilai aset bank 33
11. Grafik pemodelan KMV Merton 40
12. Kinerja BJBR 41
13. Komposisi penyaluran kredit BJBR 42
DAFTAR LAMPIRAN
1. Daftar istilah 47
2. Ringkasan penelitian terdahulu 49
3. Ringkasan penelitian terdahulu untuk penentuan hipotesis 51
4. Alur pikir penelitian 52
5. Perkembangan rasio keuangan perbankan 53
6. Data hasil KMV Merton 56
7. PD dan perankingan 60
8. Grafik pemodelan KMV Merton 62
9. Hasil regresi 64
10. Komposisi penyaluran kredit perbankan 65
1 PENDAHULUAN
Latar Belakang
Bank merupakan suatu badan usaha yang bertindak sebagai lembaga
perantara keuangan yaitu menempatkan dana yang dipercayakan masyarakat
kepadanya, untuk disalurkan kembali dalam bentuk pinjaman kepada masyarakat dan
dunia usaha pada umumnya (Siamat 2005) dalam bentuk kredit. Melalui perbankan
dana yang beredar dapat dioptimalkan untuk menunjang investasi yang pada
akhirnya mendorong pertumbuhan ekonomi, peningkatan taraf hidup masyarakat dan
pemerataan pembangunan.
Menurut laporan pertanggungjawaban gubernur Bank Indonesia (2012),
pemberian kredit perbankan untuk tujuan produktif dalam meningkatkan
pertumbuhan perekonomian di Indonesia adalah sebesar 70,5 persen pada tahun 2012.
Keterkaitan yang erat antara pertumbuhan perekonomian terhadap stabilitas
perbankan, akan berdampak pada kesejahteraan masyarakat, memberikan
konsekuensi bagi pemerintah untuk menjadi lembaga pengawas dan pelindung pada
kegiatan perbankan. Salah satu peran pemerintah adalah turut membingkai kegiatan
operasional perbankan dengan menetapkan berbagai kebijakan regulasi. Kebijakan
regulasi ini berfungsi sebagai pelindung perbankan dalam menghadapi risiko yang
dihadapi. Kesuksesan kebijakan regulasi ini dapat dilihat dari rasio rata–rata
kecukupan modal (CAR) dimana adanya peningkatan modal dan aktiva tertimbang
menurut risiko (ATMR) setiap tahunnya. Hal ini menandakan kinerja bank umum di
Indonesia meningkat. Perkembangan ini dapat dilihat pada Gambar 1.
Gambar 1. Kinerja bank umum(Bank Indonesia2008-2012)
Namun demikian, perbankan tetap mempunyai kemungkinan untuk bankrut.
Dampak yang ditimbulkan dari kebangkrutan ini sangat luas bagi pihak-pihak yang
berkepentingan terutama terhadap pihak-pihak yang menyimpan dananya atau
menginvestasikan modalnya di bank, dan bahkan berdampak ikutan terhadap
kegagalan bank lain dan pada gilirannya menyebabkan ketidakstabilan dalam
ekonomi makro yang memerlukan biaya yang tinggi untuk perbaikannya. Inilah
risiko yang berpengaruh terhadap kepentingan masyarakat dan perekonomian secara
16,4
16,6
16,8
17
17,2
17,4
17,6
0
500000
1000000
1500000
2000000
2500000
3000000
2008 2009 2010 2011 2012
ATMR
MODAL
CAR
ATMR dan Modal CAR(%)
2
menyeluruh. Oleh karenanya stabilitas sistem keuangan pada industri perbankan
perlu dijaga dan diantisipasi dengan hati-hati.
Menurut Undang-undang Republik Indonesia Nomor 37 tahun 2004 tentang
Kepailitan dan Penundaan Kewajiban Pembayaran Utang bahwa kebangkrutan
merupakan suatu keadaan dimana perusahaan debitur yang mempunyai satu atau
lebih kreditur dan tidak dapat membayar sedikitnya satu utang yang telah jatuh
tempo dan tidak dapat ditagih, dinyatakan pailit dengan putusan pengadilan yang
berwenang, baik atas permohonan sendiri, maupun atas permintaan seorang atau
lebih krediturnya.
Menurut Konstituanto (2012) penyebab kebangkrutan dapat terjadi karena
faktor eksternal dan faktor internal. Faktor eksternal disebabkan oleh kondisi
ekonomi yang tidak menguntungkan. Faktor internal pada kebangkrutan sektor
usaha terdiri dari faktor keuangan dan faktor non keuangan yang berasal dari dalam
perusahaan itu sendiri. Faktor keuangan meliputi hutang yang terlalu banyak dan
modal yang tidak memadai, hal ini karena sebagian besar dari total aset bank
merupakan obligasi dan penempatan dana lainnya dari pihak ketiga (kewajiban
jangka pendek) yang keduanya merupakan kewajiban yang harus segera dibayar oleh
bank. Aset obligasi ini didistribusikan kepada debitur berupa kredit jangka panjang
sedangkan dana yang ada umumnya digunakan untuk pendanaan jangka pendek.
Adapun faktor non keuangan yang berpengaruh adalah faktor-faktor kualitas
manajemen.
Pihak-pihak yang berkepentingan perlu melakukan langkah-langkah
kebijakan pengelolaan keuangan untuk menghindari kemungkinan kebangkrutan
tersebut. Salah satu kebijakan antisipasi yang dilakukan adalah melalui peringatan
dini Early Warning Systems (EWS). Bagi manajemen perbankan EWS akan
memprediksi kemungkinan kebangkrutan yang nantinya diharapkan pihak
manajemen dapat menentukan strategi yang diambil. Menurut Fachrudin (2008)
terdapat tiga strategi alternatif yang dapat dilakukan perusahaan yang diprediksi akan
mengalami kebangkrutan, yaitu memberhentikan usaha (likuidasi), meneruskan
operasi dengan harapan dapat meraih kemampuan membayar, atau melakukan
penggabungan usaha/merger.
Selain pada pihak manajemen, EWS pun dimanfaatkan oleh para investor
saham atau obligasi, EWS berguna dalam memutuskan tindakan untuk membeli atau
menjual saham atau obligasi dengan melihat adanya kemungkinan bangkrut atau
tidaknya perusahaan, sehingga kemungkinan kebangkrutan perusahaan dapat
diantisipasi seawal mungkin. Investor memutuskan berinvestasi umumnya dengan
melihat return perusahaan, namun sesungguhnya return tersebut mempunyai
hubungan yang erat dengan risiko yang memungkinkan mengurangi tingkat return
yang didapatkan. Hal ini sesuai dengan jargon “High Risk High Return”, yang
berarti untuk mendapatkan keuntungan yang tinggi maka seorang investor harus
menanggung risiko yang tinggi pula. Untuk itu, faktor risiko harus diperhatikan
dalam menentukan keputusan berinvestasi.
Untuk Pihak pemerintah EWS ini dapat digunakan untuk mengawasi jalannya
usaha perusahaan, khususnya pada sektor-sektor yang berpengaruh erat dengan
pertumbuhan perekonomian seperti perbankan yang berada di bawah pengawasan
pemerintah. Pemerintah diharapkan sedini mungkin mengantisipasi kemungkinan
kebangkrutan usaha tersebut melalui EWS guna melindungi tenaga kerja, sektor
usaha dan masyarakat.
3
Salah satu model yang digunakan dalam menilai suatu risiko kebangkrutan
adalah model struktural. Model struktural ini dikenal dengan contingent claim
Approach (CCA) yang dipelopori oleh Black-Scholes (1973) dan Merton (1974)
yang sekarang ini dikenal dengan Model Merton. Kemudian model ini
dikembangkan oleh perusahaan KMV, yaitu perusahaan software dan konsultan di
Amerika. Selanjutnya metode ini dikenal sebagai Metode KMV Merton. Metode
KMV Merton ini mempunyai keunggulan yaitu dapat memprediksi kegagalan dalam
bentuk persentase, metode ini pun dinilai lebih objektif karena menggunakan faktor
kuantitatif berupa rasio keuangan (Rudiyanto 2012). Selain itu penelitian yang
dilakukan Hadad, dkk (2004) tentang risiko kredit perusahaan publik di Indonesia
dengan menggunakan pendekatan Model KMV Merton, menunjukkan hasil bahwa
model Merton dapat digunakan dengan cukup baik sebagai sinyal awal risiko kredit
dan potensi permasalahan kredit yang dihadapi perusahaan publik di Indonesia.
Kinerja keuangan perusahaan dapat dinilai melalui rasio keuangan
perusahaan. Dari rasio keuangan pihak-pihak yang berkepentingan dapat
mengetahui apakah bank tersebut telah mencapai tingkat efisiensi yang baik dalam
hal telah memanfaatkan, mengelola dan mencapai kinerja dengan menggunakan
secara optimal dana-dana yang ada. Sehingga dengan melihat hubungan rasio
keuangan dengan kemungkinan kebangkrutan, pihak yang berkepentingan dapat
memutuskan langkah apa yang harus diambil dalam melihat kecendrungan
kebangkrutan. Rasio keuangan yang sering dipakai untuk menentukan kinerja
keuangan perbankan adalah Rasio Aktiva Produktif Bermasalah (APB), Rasio Biaya
Operasional terhadap Pendapatan Operasional (BOPO), Rasio Non Performing Loan
(NPL), Rasio Return On Asset (ROA), Rasio Return On Equity (ROE), Rasio Loan
To Deposit ((LDR), Rasio Aktiva Tetap Terhadap Modal (ATTM), Rasio Capital
Adequancy (CAR), dan Rasio Net Interest Margin (NIM).
Walaupun penelitian kebangkrutan perusahaan telah banyak dilakukan,
tampaknya penelitian lanjutan masih diperlukan sejalan dengan perkembangan
perusahaan yang begitu cepat dan perubahan faktor eksternal. Atas dasar kejadian-
kejadian tersebut dirasa perlu dilakukan penelitian mengenai faktor-faktor yang
mempengaruhi peluang terjadinya kebangkrutan bank di Indonesia. Hasil penelitian
diharapkan dapat memberikan peringatan dini bagi para pihak pemangku
kepentingan.
Perumusan Masalah
Para investor pada umumnya tertarik mengadakan transaksi pada perusahaan
LQ 45 yaitu 45 perusahaan yang sahamnya paling likuid dan memiliki nilai
kapitalisasi yang besar dan ditinjau setiap enam bulan sekali. Perbankan merupakan
salah satu sektor di LQ 45 yang diminati oleh para investor karena regulasi
pemerintah mengharuskan perusahaan-perusahaan perbankan menerapkan prinsip
transparansi dan menjaga kinerja keuangan dengan baik. Sektor perbankan pada LQ
45 memiliki rata-rata kinerja yang meningkat setiap tahunnya. Hal ini dapat dilihat
dari penurunan rata-rata nilai NPL yang ditampilkan pada Gambar 2. Selain itu
Manurung (2007) berpendapat bahwa Indeks LQ 45 telah menggambarkan pasar
saham secara keseluruhan, sehingga merupakan sampel yang baik untuk melakukan
EWS.
4
Gambar 2. Rata-rata NPL sektor perbankan pada LQ 45(data perbankan diolah)
Dilain pihak data historis di Amerika Serikat (AS) pada tahun 2008
menunjukan bahwa perusahaan-perusahaan besar lebih rentan terhadap kebangkrutan
dari pada perusahaan-perusahaan kecil dan menengah. Terutama yang disebabkan
oleh faktor eksternal (Bank Indonesia 2009). Pada tahun 2008 perusahaan-
perusahaan besar di Amerika Serikat yang mengalami guncangan bahkan bangkrut
diantaranya Lehman Brothers yang merupakan bank investasi besar di AS bangkrut
pada september 2008, Perusahaan Bear Stears, salah satu dari lima bank investasi
besar di AS mengalami kesulitan keuangan namun dapat diselamatkan dengan cara
diakuisisi oleh JP Morgan Chase, Perusahaan American Internasional Group (AIG)
yang merupakan perusahaan asuransi terbesar di AS juga mengalami kesulitan
keuangan, dan Perusahaan Fannie Mae dan Freddie Mac diselamatkan dengan
pemberian billout oleh pemerintah AS (Bank Indonesia 2009) sedangkan perbankan
dan perusahaan perkreditan kecil dan menengah tetap bertahan.
Perbankan di Indonesia pun tak luput dari kesulitan keuangan bahkan
kebangkrutan hal ini dapat dilihat dari historis penurunan jumlah bank di Indonesia
pada tahun 1997 dan 2008. Krisis ekonomi pada tahun 1997 mengakibatkan
peningkatan kebangkrutan bank sebanyak 106 bank. Sehingga jumlah bank yang ada
di Indonesia dari 240 bank menjadi 134 bank saja. Dan kejadian ini mengakibatkan
pemerintah harus mengeluarkan dana sebesar Rp 655 triliun untuk program
pemulihan perbankan di Indonesia (Bank Indonesia 2010). Begitu pula pada tahun
2008 telah terjadi penurunan jumlah perbankan sebesar enam persen yaitu sebanyak
tujuh bank umum. Hal ini terjadi karena adanya krisis ekonomi sebagai dampak
kepanikan di pasar keuangan pasca jatuhnya Lehman Brothers. Pada Oktober 2008,
ada tiga bank besar BUMN yakni PT Bank Mandiri Tbk, Bank BNI Tbk, dan PT
Bank Rakyat Indonesia Tbk meminta bantuan likuiditas dari pemerintah yaitu
masing masing Rp 5 triliun (Bank Indonesia 2010). Penurunan jumlah perbankan
dari tahun 2004 sampai dengan tahun 2012 dapat dilihat pada Gambar 3.
0
0,2
0,4
0,6
0,8
1
1,2
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
2009 2010 2011 2012
NP
L (%
)
5
Gambar 3: Historis jumlah bank umum di Indonesia (Bank Indonesia2004-2012)
Kebangkrutan suatu bank akan mengakibatkan pengeluaran biaya perbaikan
yang tinggi, baik biaya langsung yang berupa fee pengacara, fee akuntan, fee
pengadilan, waktu manajemen, tenaga professional lain untuk merestrukturisasi
keuangannya yang kemudian dilaporkan kepada kreditur. bunga yang dibayar
perusahaan untuk pinjaman selanjutnya dan beban administratif, serta biaya tidak
langsung, seperti kehilangan kepercayaan konsumen, kehilangan pelanggan,
kehilangan mitra kerja biasanya jauh lebih mahal. Kebijakan para regulator dan para
manajer perbankan sering kali berupaya menurunkan bahkan meniadakan biaya
kebangkrutan. Salah satu alat yang digunakan oleh lembaga pengawas federal di
Amerika Serikat untuk mengatasi kebangkrutan adalah dengan Early Warning
Systems (EWS). Dalam EWS ini para regulator dan para manajer berusaha untuk
memprediksi masalah-masalah potensial dari kegiatan perbankan dengan melihat
pengaruh faktor-faktor keuangan terhadap probabilitaas kebangkrutan.
Berdasarkan permasalahan seperti yang dirumuskan pada latar belakang dan
penjabaran tersebut, maka masalah penelitian dapat dirumuskan sebagai berikut :
1. Bagaimana probabilitas kebangkrutan pada sektor perbankan di LQ 45?
2. Bagaimana hubungan antara informasi akuntansi berupa rasio keuangan
terhadap probabilitas kebangkrutan dengan menggunakan KMV Merton?
3. Apa yang harus dilakukan oleh pihak-pihak yang terkait dalam melihat
kondisi kemungkinan kebangkrutan ini?
Manfaat Penelitian
Penelitian ini diharapkan akan dapat bermanfaat bagi pihak-pihak yang
berkepentingan sehubungan dengan pengetahuan model kesulitan keuangan dan
prediksi kebangkrutan. Pihak-pihak serta manfaatnya masing-masing dapat
diuraikan sebagai berikut:
a. Investor
Model prediksi keuangan dapat menjadi peringatan awal adanya kesulitan
keuangan, dibandingkan dengan hanya melihat terhadap perkembangan harga surat
berharga yang berlaku. Model prediksi ini dapat membantu investor dalam
mengambil sikap terhadap surat-surat berharga yang dikeluarkan oleh suatu
perusahaan, sehingga mereka dapat memperhitungkan kemungkinan suatu
110
120
130
140
2004 2005 2006 2007 2008 2009 2010 2011 2012
134 131 130 131
124 121 122
120 120
Jumlah Bank Umum Unit
6
perusahaan mengalami kesulitan keuangan atau bahkan kegagalan dalam membayar
bunga dan hutang pokoknya.
b. Manajemen
Kebangkrutan akan menyebabkan perusahaan harus mengeluarkan biaya yang
cukup besar. Baik itu biaya untuk akuntan dan pengacara, ataupun biaya dalam
rangka pengembalian stabilitas perekonomian suatu negara. Untuk menghindari
biaya yang cukup besar tersebut maka indikatot kesulitan keuangan yang bisa
menyebabkan kebangkrutan ini dapat di pakai untuk menjadi EWS bagi manajemen
bank dalam mengevaluasi kinerja perbankan untuk menghindari kemungkinan
terjadinya kebangkrutan.
c. Pemerintah
Sebagaimana telah dijabarkan, bahwa kebangkrutan bank berpotensi
menyebabkan kerugian yang sangat luas karena adanya efek menghambat
pertumbuhan perekonomian yang akan berdampak pada masyarakat banyak. Dalam
hai ini, pemerintah mempunyai kewajiban untuk melindungi tenaga kerja, industri
dan masyarakat. Begitu pula dapat mengetahui kondisi perbankan di Indonesia dan
dapat melakukan tindakan yang tepat bagi bank-bank yang diangkap bermasalah.
Hasil penelitian yang akan menemukan model kesulitan keuangan dan petunjuk
kebangkrutan ini dapat membantu pemerintah dalam mengeluarkan peraturan untuk
melindungi masyarakat dari kerugian dan kemungkinan mengganggu stabilitas
ekonomi suatu negara.
Ruang Lingkup Penelitian
Penelitian ini dibatasi pada empat bank yang konsisten berada dalam LQ 45
selama periode 2009-2012 dan mengeluarkan obligasi, yang selanjutnya akan
menentukan kemungkinan kebangkrutan bank-bank tersebut dengan menggunakan
KMV Merton. Lalu akan dilihat pengaruh rasio keuangan terhadap kemungkinan
kebangkrutan, sehingga akan terlihat apa saja yang mampu menentukan
kemungkinan kebangkrutan pada bank yang terdaftar pada LQ 45. Dengan asumsi
bahwa semua parameter yang signifikan untuk kesehatan suatu bank dapat dianalisa
melalui data dari Bursa Efek Indonesia (BEI).
2 TINJAUAN PUSTAKA
Bank
Bank adalah suatu lembaga keuangan yang berfungsi sebagai perantara
keuangan dari dua pihak, yakni pihak yang kelebihan dana dan pihak yang
kekurangan dana. Karena demikian eratnya kaitan antara bank dan uang, maka bank
disebut juga sebagai suatu lembaga yang berniaga uang. Menurut Siamat (2005)
Bank menerima simpanan uang dari masyarakat dalam bentuk giro, deposito, dan
tabungan. Kemudian uang tersebut dikembalikan lagi kepada masyarakat dalam
bentuk kredit.
Pengertian bank menurut undang – undang No. 7 Tahun 1992 tentang
Perbankan sebagaimana telah diubah dengan Undang – Undang No.10 Tahun 1998,
Kasmir (2008) “Bank adalah badan usaha yang menghimpun dana dari masyarakat
dalam bentuk simpanan, dan menyalurkannya kepada masyarakat dalam bentuk
7
kredit dan atau bentuk – bentuk lainnya, dalam rangka meningkatkan taraf hidup
masyarakat banyak”
Dari pengertian tersebut dapat di jelaskan bahwa jasa perbankan pada
umumnya terbagi atas dua fungsi yaitu sebagai (i). penyedia mekanisme dan alat
pembayaran yang efesien bagi nasabah, dan (ii) penerima tabungan dari nasabah dan
meminjamkannya kepada pihak yang membutuhkan dana. Fungsi pertama
merupakan peran penting dari bank dalam kehidupan ekonomi, dalam hal ini, bank
menyediakan uang tunai, jasa tabungan, dan kartu kredit yang selanjutnya digunakan
masyarakat untuk alat tukar perdagangan. Tanpa adanya penyediaan alat
pembayaran yang efesien, maka barang hanya dapat diperdagangkan dengan cara
barter yang memakan waktu. Peran ke duamenempatkan bank sebagai pendorong
pembangunan dengan peningkatan arus dana untuk investasi dan pemanfaatan yang
lebih produktif. Bila kedua peran ini berjalan dengan baik, ekonomi suatu negara
akan meningkat.
Menurut Kasmir (2008) Bank dapat dibedakan menjadi dua, yaitu:
1. Bank umum, yaitu bank yang melaksanakan kegiatan usaha secara konvensional
dan atau berdasarkan prinsip sayriah yang dalam kegiatannya memberikan jasa
dalam lalu lintas pembayaran.
2. Bank perkreditan Rakyat, bank yang melaksanakan usaha secara konvensional
atau berdasarkan prinsip syariah yang dalam kegiatannya tidak memberikan jasa
dalam lalu lintas pembayaran.
Risiko
Pengertian Risiko
Menurut Siahaan (2009) Risiko dapat didefenisikan sebagai ketidakpastian
akan terjadinya kerugian yang dapat menimbulkan beban ekonomi bagi masyarakat.
Dimana tingkat ketidakpastiannya terukur secara kuantitatif dengan mengolah
informasi (Djohanputro2008). Dan kejadian yang dapat menimbulkan dampak yang
berlawanan dengan tujuan (Idroes 2008).
Kountur (2008) mengemukakan tiga unsur penting dari sesuatu yang dianggap
sebagai risiko yaitu:
a) Merupakan kejadian
b) Kejadian tersebut masih merupakan kemungkinan, jadi bisa terjadi dan bisa
saja tidak terjadi.
c) Jika sampai terjadi, akan menimbulkan kerugian.
Jenis Risiko
Kountur juga menjelaskan pembagian risiko dilihat dari beberapa sudut
pandang , diantaranya:
a. Risiko dari sudut pandang penyebab terjadinya risiko:
i. Risiko keuangan yang disebabkan oleh faktor-faktor keuangan seperti
harga, tingkat bunga dan mata uang asing.
ii. Risiko operasional yang disebabkan oleh faktor non keuangan seperti
manusia, teknologi dan alam.
b. Risiko dari sudut pandang akibat yang ditimbulkan:
i. Risiko murni adalah suatu kejadian berakibat hanya merugikan saja dan
tidak memungkinkan adanya keuntungan. Misalnya risiko kebakaran.
8
ii. Risiko spekulatif adalah risiko yang tidak saja memungkinkan terjadinya
kerugian tetapi juga memungkinkan terjadinya keuntungan.
c. Risiko dari sudut pandang aktivitas yang dapat menimbulkan risiko,
banyaknya risiko dari sudut pandang ini sebanyak jumlah aktivitas yang ada.
Misalnya, risiko dari aktivitas pemberian kredit oleh bank disebit risiko kredit.
d. Risiko dari sudut pandang kejadian. Banyak risiko ini pun sebanyak jumlah
kejadian yang ada. Misalnya risiko kebakaran adalah risiko akibat kejadian
kebakaran. Pengelompokan risiko berdasarkan sudut pandang dinilai lebih
baik dibandingkan dengan pengelompokan sudut pandang yang lainnya, hal
ini disebabkan risiko lebih dapat dikelola dengan baik karena dengan
menyatakan risiko berdasarkan kejadian kita baru dapat mengetahui cara-
cara apa yang dapat dilakukan untuk mengelola risiko tersebut.
Di lain pihak, Ali (2006) mengklasifikasikan risiko menjadi tiga yaitu
a. Risiko Pasar adalah risiko kerugian pada posisi portfolio trading on and off
balance sheet (neraca dan rekening administratif). Kerugian muncul sebagai
akibat terjadinya perubahan pasar asset dan liabilitas bank tersebut.
Sedangkan perubahan harga tersebut merupakan akibat terdapatnya
perubahan faktor pasar yaitu tingkat suku bunga bank, nilai tukar mata uang,
harga saham dan sekuritas serta harga komoditas.
b. Risiko Kredit adalah risiko dari kemungkinan terjadinya kerugian bank akibat
dari tidak dilunasinya kembali kredit yang diberikan bank kepada kreditur
maupun counterparty lainnya.
c. Risiko Operasional adalah risiko terjadinya kerugian bagi bank yang
diakibatkan oleh ketidakcukupan atau kegagalan proses didalam manajemen
bank, sumberdaya manusia dan sistem.
Risiko Kredit
Risiko kredit adalah risiko kerugian karena debitur tidak melunasi kembali
pokok pinjaman (plus bunga) sesuai kesepakatan yang telah dibuat. Menurut Ali
(2006) Risiko kredit adalah risiko kerugian yang mungkin diderita perusahaan,
terkait dengan kemungkinan bahwa pada saat jatuh tempo, counterparty-nya gagal
memenuhi kewajiban-kewajibannya.
Pemodelan risiko kredit
Pemodelan risiko kredit membantu untuk memperkirakan berapa banyak
kredit yang beresiko untuk default atau berapa banyak perubahan dalam faktor risiko
kredit. Hal ini memungkinkan manajer untuk mengetahui secara lebih efektif nilai
risiko kredit yang mereka hadapi dan juga membantu perusahaan untuk menghitung
berapa modal yang mereka butuhkan untuk disisishkan dalam rangka melindungi
perusahaan terhadap risiko tersebut.
Ada dua pendekatan utama memodelkan risiko kredit, yaitu
a. Model Struktural (Structural Model) dan Model Tereduksi (Reduced Form
Model). Model Struktural yaituperusahaan diasumsikan bangkrut ketika nilai
aset perusahaan berada di bawah batas kritis tertentu pada saat jatuh tempo.
Sehingga kebangkrutan dapat diprediksikan dengan memperhatikan pergerakan
nilai aset perusahaan. Menurut Maruddani (2011) model Struktural diasumsikan
pembuat model mempunyai himpunan informasi yang sama dengan manajer
9
perusahaan, yaitu informasi mengenai aset dan liabilitas. Konsep Model
Struktural diawali adanya seminar paper Black and Scholes pada tahun 1973
mengenai pemodelan Opsi (Black & Scholes 1973) yang dikembangkan oleh
Merton pada tahun 1974 yang membuat model risiko kebangkrutan suatu
perusahaan dengan menggunakan modifikasi Black-Scholes Models (Merton
1974). Sehingga structural model juga lebih dikenal dengan metode Black-
Scholes-Merton Models (BSM) yang selanjutnya disebut dengan Model Merton.
b. Reduced Form Models tidak mencoba untuk menjelaskan peristiwa default.
Sebaliknya, mereka berkonsentrasi langsung pada probabilitas default. Peristiwa
standar diasumsikan terjadi tiba-tiba karena satu atau lebih peristiwa yang terjadi
dari nilai aset peminjam. Pada model ini hubungan antara kebangkrutan
perusahaan dengan nilai aset tidak dimodelkan secara eksplisit. Peristiwa
kebangkrutan dapat diduga dengan memperhatikan perubahan rating perusahaan.
Sehingga proses kebangkruta dimodelkan sebagai Stopped Poisson Process atau
Stopped Cox Process dengan intensitashazard rate(ht).Model Tereduksi (Reduced
Form Model) diasumsikan pembuat model mempunyai informasi yang sama dengan
pasar (market). Sehingga informasi dari perusahaan tidak lengkap, dan waktu
kebangkrutan adalah inaccessible default time(Maruddani2011).
Kebangkrutan
Di Indonesia kebangkrutan diatur dalam UU. No.37 tahun 2004, disebutkan
bahwa debitur yang mempunyai dua atau lebih kreditur dan tidak dapat membayar
sedikitnya satu utang yang telah jatuh waktu dan tidak dapat ditagih, dinyatakan
pailit dengan putusan pengadilan yang berwenang, baik atas permohonan sendiri,
maupun atas permintaan seorang atau lebih krediturnya. Permohonan ini dapat juga
diajukan oleh kejaksaan untuk kepentingan umum.
Kebangkrutan perusahaan, kesulitan keuangan perusahaan, ambang batas
kriteria kesehatan perusahaan yang tidak dipenuhi, penurunan kinerja keuangan
perusahaan dan kelemahan kontrak kredit merupakan bagian dari risiko kredit.
Sehingga pengukuran risiko kredit dapat digunakan untuk menganalisa kemungkinan
kebangkrutan. Hubungan Kebangkrutan perusahaan terhadap risiko kredit dapat
dilihat pada Gambar4.
10
Gambar 4. Hubungan kebangkrutan terhadap risiko kredit(Djohanputro 2006)
KMV Merton Model
KMV Merton Model merupakan salah satu pendekatan untuk memprediksi
gagal bayar yang disebabkan oleh kebangkrutan perusahaan atau counterparty-nya
dengan model struktural (Crouhy and Galay 2000). KMV Merton Model merupakan
pengembangan dari CCA (Contingen Claim Approach)yang merupakan pendekatan
yang dipelopori oleh Black-Scholes (1973) dan Merton (1974) yang sekarang ini
dikenal dengan model Merton.Model KMV-Merton dikembangkan oleh perusahaan
KMV di akhir tahun 1980. Model ini berhasil dipasarkan oleh KMV sampai KMV
diakuisisi oleh Moodys pada bulan April 2002. Analisis KMV Merton didasarkan
pada tiga prinsip sederhana:
a) Nilai arus kewajiban berasal dari aset, dimana pinjaman adalah instrumen
utang satunya, dan satu-satunya sumber lain pembiayaan adalah ekuitas.
b) Kewajiban memiliki prioritas yang berbeda (dengan demikian memiliki
risiko yang berbeda yang berhubungan dengan senioritas mereka), dan
c) Ada unsur acak untuk nilai aset dalam perkembangannya dari waktu ke
waktu atau aset mengikuti unsur stokastik. Utang adalah senior claim pada
nilai aset dan ekuitas memiliki klaim junior atau sisa pada nilai aset. Utang
berisiko karena nilai aset mungkin tidak cukup untuk memenuhi
pembayaran utang yang dijanjikan. Nilai utang berisiko memiliki dua
komponen yaitu the default-free value dari utang (nilai pembayaran yang
dijanjikan) dan kerugian yang diperkirakan terkait dengan standar saat
aktiva tersebut cukup untuk memenuhi pembayaran yang dijanjikan pada
utang. Nilai dari klaim junior (ekuitas dalam kasus perusahaan) berasal
dari nilai sisa setelah pembayaran utang yang dijanjikan telah dibuat.
Secara umum, Model KMV Merton dapat diilustrasikan dengan Gambar
5seperti berikut ini.
Kebangkrutan Perusahaan
Kesulitan Keuangan
Perusahaan
Ambang Batas Kriteria
Kesehatan tidak dipenuhi
Penurunan Kinerja
Perusahaan
Kelemahan kontrak kredit
Gagal Bayar
Potensi Gagal Bayar
Penurunan Peringkat
Nasabah
Pelanggaran Kontrak
Potensi Pelanggaran
Kontrak
Risiko
Kredit
11
Gambar 5. Ilustrasi model KMV Merton
Keterangan: Vo = Nilai Pasar Awal Perusahaan
E(V) = Ekspektasi pertumbuhan Aset Perusahaan
DPT = Default Point Term yaitu titik standart poin kemungkinan
kebangkrutan
DD = Distance to Defoult. jarak antara nilai aset yang diharapkan
di tahun T, E (VT), dan titik standar(DPT)
Gambar tersebut menunjukan bahwa pada kondisi awal perusahaan memiliki
nilai pasar yaitu V0 (pada waktu (t)=0), dimana pada kondisi awal tidak terjadi
default karena Vo lebih besar dari default point. Namun seiring dengan kondisi
usaha serta tekanan yang dialami perusahaan, maka nilai aktiva dan hutang
perusahaan akan berubah. Jika nilai aktiva memiliki komponen acak (misalnya,
perubahan harga, guncangan dan faktor lain yang mempengaruhi nilai aset), maka
terjadinyavolatilitas aktiva yang lebih tinggi berarti ada kemungkinan besar bahwa
aktiva akan jatuh di bawah tingkat yang diperlukan untuk memenuhi pembayaran
utang senior atas suatu periode.Default point tidak akan berubah, namun perubahan
nilai aset menunjukan tekanan yang dialami oleh perusahaan.Kombinasi perubahan
inilah yang digambarkan oleh model sebagai memungkinkan kejadian default.
Model ini berdasarkan metodelogi yang bebas dari arbitrase harga, dimana
harga opsi dibangun berdasarkan aturan perseroan terbatas, dimana adanya
kemungkinan perusahaan untuk default dan mempunyai kewajiban dalam aset
terhadap pemegang utang dan pemegang saham sesuai dengan aturan prioritas
klaimnya. Dengan demikian kewajiban perusahaan dipandang sebagai klaim
kontingensi yang dikeluarkan terhadap aset perusahaan. Dalam model ini, tingkat
kerugian ditentukan dan tergantung pada nilai aset perusahaan, volatilitas, dan
default free interest rate untuk waktu jatuh tempo utang. Berdasarkan analisis
empiris event of defaults, KMV menemukan bahwa default point lebih banyak terjadi
pada saat nilai aset sama dengan jumlah utang jangka pendek dan 50% utang jangka
panjang.
12
Keuntungan dari Model KMV dari model – model lainnya adalah model ini
dapat diterapkan untuk setiap perusahaan publik, Model ini didasarkan pada data
pasar (yang sangat responsif terhadap perubahan kondisi keuangan perusahaan),
bukan data akuntansi, memiliki landasan teori yang jelas yaitu teori opsi, dan akurat
dalam memprediksi kebangkrutan. Namun ada beberapa kelemahan dari model ini
yaitu tidak membedakan antara utang jangka panjang berdasarkan agunan, senioritas,
perjanjian, atau konvertibilitas.
Peringkat Obligasi
Peringkat obligasi merupakan opini dari lembaga pemeringkat serta sumber
informasi bagi para investor atas risiko obligasi yang diperdagangkan. Peringkat
obligasi menggambarkan kemampuan perusahaan untuk melunasi obligasi yang
diterbitkan. Sehingga para investor dapat menetapkan strategi dalampembelian suatu
obligasi. Peringkat obligasi menggambarkan tingkat obligasi berdasarkan rentangan
kemungkinan kebangkrutan. Tabel 1 merupakan tabel tingkat obligasi berdasarkan
rentang tingkat kebangkrutan suatu perusahaan oleh moody’s.
Analisis Rasio Keuangan
Analisis rasio keuangan merupakan metode perhitungan dan interpretasi rasio
keuangan yang menunjukan kinerja dan status suatu perusahaan untuk mengukur
kelemahan atau kekuatan suatu perusahaan dibidang keuangan, yang menyatakan
hubungan matematis antara dua kuantitas. Analisis Rasio keuanga banyak digunakan
baik oleh investor sebagai acuan berinvestasi maupun oleh pihak manajemen sebagai
alat pengukur kinerja manajerial (Prihadi 2010). Rasio keuangan terdiri dari
beberapa kategori dasar yaitu:
1. Rasio likuiditas. Analisis likuiditas adalah kemampuan perusahaan dalam
melunasi hutang jangka pendek.
2. Rasio Aktivitas. Rasio Aktivitas mengukur kemampuan perusahaan
mendayagunakan aset.
3. Rasio Solvabilitas. Rasio Solvabilitas merupakan kemampuan perusahaan
memenuhi kewajiban jangka panjang.
4. Rasio Profitabilitas. Rasio Profitabilitas adalah kemampuan menghasilkan
laba. Rasio profitabilitas menjadi tolok ukur keberhasilan manajemen
dalam menjalankan usaha yang dipercayakan kepadanya.
13
Tabel 1. Tingkat obligasi berdasarkan rentang tingkat kebangkrutan suatu
perusahaan oleh moody dan standard and poor.
Rating PD Definisi
AAA 0,02 Efek utang yang peringkatnya paling tinggi dan beresiko paling rendah serta
dinilai dapat memenuhi kewajiban jangka panjangnya sesuai dengan
perjanjian dimana di tingkat kegagalan bank yang rendah. Penerbitnya
stabil dan dapat diandalkan.
AA 0,04 Perbedaan obligasi pada rangking AA dengan rangking tertinggi hanya
berbeda sedikit. Kapasitas obligor untuk memenuhi komitmen keuangan
pada kewajiban sangat kuat.
A 0,1 Ranking oblligasi A agak rentan terhadap efek merugikan dari perubahan
situasi dan kondisi ekonomi dibandingkan. Namun, kapasitas obligor untuk
memenuhi komitmen keuangan pada kewajiban masih kuat.
BBB 0,19 Kualitas menengah, jangka pendek memadai, tetapi kurang dapat diandalkan
untuk jangka panjang.
BB 0,72 Kewajiban rangking BB ada unsur spekulatif, dengan tingkat keamanan yang
moderat selama tidak terjadi ketidakpastian yang besar yang berlangsung
terus-menerus atau exponsure bisnis merugikan, keuangan, atau kondisi
ekonomi yang dapat menyebabkan menurunnya kapasitas kemampuan
obligor untuk memenuhi komitmen keuangan pada kewajiban.
B 2,02 Sebuah Kewajiban rangking B lebih rentan terhadap gagal bayar bila
dibandingkan kewajiban rangking BB tetapi obligor pada rangking ini
memiliki kapasitas untuk memenuhi komitmen keuangan pada kewajiban.
Kondisi bisnis yang merugikan, keuangan, atau ekonomi kemungkinan akan
merusak kemampuan obligor atau kesediaan untuk memenuhi komitmen
keuangan pada kewajiban.
CCC 12 Sebuah Kewajiban rated CCC mempunyai kualitas rendah, rentan terhadap
gagal dalam pembayarandan tergantung pada bisnis yang menguntungkan,
keuangan, dan kondisi ekonomi bagi obligor untuk memenuhi komitmen
keuangan pada kewajiban. Dalam hal mempertahankan bisnis, keuangan, dan
kondisi ekonomi, obligor yang tidak mungkin memiliki kemampuan untuk
memenuhi komitmen keuangan terhadap kewajiban.
CC 15 Kewajiban dinilai CC saat ini sangat rentan terhadap gagal bayar. Kualitas
spekulasi tinggi, acapkali gagal.
C 15,5 Rating C dapat digunakan untuk menutupi situasi di mana partisi bangkrut
telah diajukan atau tindakan serupa telah diambil, tetapi pembayaran atas
kewajiban ini tetap berlangsung.
D 20 Rating D, tidak seperti rating lainnya, rating D adalah tingkat yang tidak
prospektif, pada rating ini perusahaan tidak mampu membayar bunga.
(Jurion 2003)
14
Penelitian Terdahulu
Penelitian mengenai pengukuran kemungkinan kebangkrutan telah banyak
dilakukan. Ringkasan Penelitian terddahulu ini dapat dilihat pada Lampiran 2.
Pengukuran risiko kegagalan tersebut dimulai oleh Beaver (1966) dengan
menggunakan Univariate model yang menggunakan rasio keuangan. Selanjutnya,
Altman (1968) menggunakan model diskriminan untuk mengklasifikasikan
perusaaan yang gagal atau mampu membayar hutang dikenal dengan Altman’s Z-
Score Model.
Merton (1974) memperkenalkan model kegagalan tersebut dengan adanya
modifikasi Black-Scholes Model mengenai harga opsi. Merton menyatakan bahwa
kegagalan perusahan dapat diestimasi dengan menggunakan indikator total asset,
ekuitas dan hutang perusahaan. Hutang yang semakin besar dan kekurangan asset
tidak mampu membayar hutang tersebut mengakibatkan perusahaan gagal
melakukan pembayaran hutang tersebut. Model Merton ini dimodifikasi oleh KMV
sehingga mode kegagalan perusahaan tersebut dikenal dengan KMV Model. Model
tersebut didasarkan pada modifikasi framework Black-Scholes-Merton bahwa
kondisi default dianggap dapat terjadi setiap saat dan tidak perlu pada saat kewajiban
jatuh tempo. Model KMV Merton ini menghitung Expected Default Frequency
(EDF) yaitu probabilitas kegagalan selama tahun-tahun mendatang atau tahun untuk
perusahaan yang sahamnya diperdagangkan.
Hadad, dkk (2004) melakukan penelitian tentang risiko kredit perusahaan di
industri pertanian publik di Indonesia dengan menggunakan pendekatan Model KMV
Merton. Hasil analisis penelitian ini menunjukkan bahwa model KMV Merton dapat
digunakan dengan cukup baik sebagai sinyal awal risiko kredit dan potensi
permasalahan kredit yang dihadapi perusahaan publik di Indonesia.
Pada penelitian Benos dan Papanastasopoulos (2005) selain arus kas bebas
perusahaan variabel kinerja fundamental yang mempengaruhi risiko kredit adalah:
return on asset (ROA), ukuran asset, dan rasio hutang. ROA dan ukuran asset
mempunyai pengaruh negatif terhadap risiko kredit sedangkan rasio hutang
mempunyai pengaruh positif terhadap risiko kredit. Fernander (2005) melakukan
penelitian tentang model risiko kredit untuk perusahaan tertutup di Pertugis
menggunakan model logit dan probit. Variabel independen rasio keuangan yang
berpengaruh signifikan terhadap risiko kredit adalah current ratio, liquidity/assets,
debt service ratio, interest cost/sales, dan productivity ratio.
Manurung (2007) melakukan penelitian terhadap perusahaan yang terdaftar di
LQ 45 yang dianggap telah menggambarkan perkembangan pasar saham secara
keseluruhan. Dengan hasil perbankan mempunyai probabilitas default lebih tinggi
dibandingkan perusahaan di industri lain.Poernamawati (2009) dengan judul
Pengaruh Risiko Kredit Terhadap Kinerja Keuangan Bank-Bank Persero Yang
Terdaftar Di Bursa Efek Indonesia, Risiko kredit dilakukan menggunakan nilai NPL
sedangkan variabel independennya memakai kinerja keuangan sesuai dengan
CAMEL. Hasil yang diperoleh adalah terdapat hubungan kuat yang negatif antara
NPL terhadap proksi CAMEL.
Pratiwi (2010) dengan judul tesis Analisis Rasio Keuangan dalam
Menentukan financial distress pada bank yang terdaftar dalam bursa efek Indonesia,
hasilnya adalah Rasio-rasio keuangan dapat digunakan dalam memprediksikan
financial distress suatu bank, Variabel yang dominan menentukan financial distress
15
adalah Loan to Deposit Ratio (LDR), Biaya Operasional terhadap pendapatan
(BOPO), Nett Interest Margin (NIM), dan Pemenuhan penyisihan Penghapusan
Aktiva produktif (PPPAP).
Di dalam Konstituanto (2012) dengan judul disertasiProbabilitas Kegagalan
Bank dari Aspek Manajemen dan Keuangan terhadap perbankan periode 2006-2010,
memberikan petunjuk tentang cara menganalisis kemungkinan kegagalan bank yang
terdaftar di Bursa Efek Indonesia menggunakan model Merton dan menganalisis
hubungan kemungkinan kegagalan dengan kinerja keuangan, serta aspek manajemen
menghasilkan.Analisis risiko gagal bayar dengan menggunakan model black-scholes
menunjukan bahwa bank-bank berskala besar memiliki dana pihak ketiga dan hutang
jangka panjang cukup besar sehingga mempunyai default probability yang relatif
tinggidan dilihat dari volatilitas aset yang tinggi. Informasi akuntansi berupa rasio
keuangan bank mempunyai pengaruh signifikan terhadap terjadinya gagal bayar (PD)
bayar model Merton terutama pada rasio risiko aktivitas bank (variabel APB), rasio
solvabilitas bank (CAR, ATTM), Likuiditas (LDR) dan rasio efisiensi bank (BOPO).
Begitu pula kualitas manajemen yang di proxy ROIC (Return Of Invested Capital)
signifikan mempengaruhi PD. Variabel tertinggi adalah variabel BOPO dan ROIC.
Ringkasan penelitian terdahulu berkaitan dengan variabel yang diteliti dapat dilihat
pada pada Lampiran 3.
3 METODE
Kerangka Pemikiran
Sektor perbankan yang tercatat di LQ 45 adalah suatu sektor yang yang tergolong
baik dalam pertumbuhan kinerjanya, dimana dalam indeks LQ 45 yang menjadi
indikator saham yang paling likuid dan memiliki nilai kapitalisasi yang besar, sehingga
sering dijadikan acuan dalam berinvestasi. Untuk menghindari kerugian para
stakeholder harus menganalisis laporan keuangan bank.
Seluruh bank yang ada di Indonesia harus menyampaikan laporan keuangannya
secara periodik kepada Bank Indonesia (BI). Laporan keuangan ini digunakan untuk
mengukur tingkat kesehatan bank dan sebagai acuan penentuan kebijakan yang akan
diterapkan. Laporan keuangan yang akan digunakan dalam penelitian ini adalah
laporan laba rugi, arus kas, dan Neraca keuangan perbankan.
Laporan keuangan ini digunakan untuk mendapatkan peringatan dini risiko
kebangkrutan pada perbankan dengan model KMV Merton. Setelah itu akan dianalisis
faktor-faktor apa saja yang mempengaruhi kebangkrutan suatu perbankan dengan
memasukan variabel rasio keuangan yang terdiri dari APB, BOPO, NPL, ROA, ROE,
LDR, ATTM, dan CAR. Analisis pengaruh ini dilakukann menggunakan analisis
regresi linier berganda data panel . Sehingga pada akhirnya akan diketahui kebijakan
apa yang dapat diambil oleh pihak stake holder yaitu, manajemen perusahaan, investor
maupun pemerintah. Kerangka pemikiran konseptual akan dilihat pada Gambar 6.
16
Keterangan: Rasio Aktiva Produktif Bermasalah (APB)
Rasio Biaya Operasional terhadap Pendapatan Operasional (BOPO)
Rasio Non Performing Loan (NPL)
Rasio Return On Assets (ROA)
Rasio Return On Equity (ROE)
Rasio Loan to Deposit (LDR)
Rasio Aktiva tetap terhadap Modal (ATTM)
Rasio Capital Adequancy (CAR)
Rasio Net Interest Margin (NIM)
Gambar 6. Kerangka pemikiranpenelitian
Sektor Perbankan LQ 45
Kemungkinan
Kebangkrutan
Bangkrut Tidak
Bangkrut
Laporan Keuangan
Investor
Rekomendasi Kebijakan Manajemen
1. Metode KMV
Merton
Lap. Laba Rugi Arus Kas Neraca
2. Rasio Keuangan :
b. Rasio BOPO
a. Rasio APB
c. Rasio NPL
d. Rasio ROA
e. Rasio ROE
f. Rasio LDR
g. Rasio ATTM
h. Rasio CAR
3. Regresi Linier Berganda
i. Rasio NIM
17
Alur pemikiran dari penulisan tesis ini seperti dilihat pada Lampiran 4. Dapat
dilihat penelitian dilatarbelakangi permasalahan yang ada, yaitu sistem penerapan
perubahan yang menganggu stabilitas keuangan perbankan dapat berakibat langsung
pada perbankan nasional dan berdampak langsung kepada pertumbuhan
perekonomian di sebuah negara, kegagalan sebuah bank secara realistis harus
dijadikan suatu risiko yang terukur dan rasional, Kurangnya penelitian risiko kredit
dengan metode KMV merton, Melihat hubungan kemungkinan bangkrut dengan
rasio keuangan. Faktor yang berpengaruh dan dapat dikendalikan yaitu kinerja
perusahaan, sedangkan faktor yang berpengaruh tetapi tidak bisa dikendalikan yaitu
krisis ekonomi dan inflasi.
Penelitian ini menggunakan KMV merton untukmengestimasi kemungkinan
kebangkrutan yang mungkin terjadi pada perbankan, lalu mengetahui faktor-faktor
apa yang mempengaruhi kemungkinan kebangkrutan untuk perbankan di Indonesia
yang terdaftar pada LQ 45 dengan menggunakan regresi linier berganda data panel.
Dengan faktor independen yang akan dilihat adalah rasio keuangan .
Yang membedakan penelitian ini dengan penelitian terdahulu yaitu
penggunaan sampel. Sampel yang digunakan pada penelitian ini adalah sektor
perbankan yang terdaftar pada LQ 45. Pengukuran pun hanya didasarkan pada nilai
obligasi yang dikeluarkan. Pemilihan sampel dititik beratkan pada bank-bank yang
mempunyai tingkat perdagangan saham yang tinggi. Dalam penelitian ini penulis
menggunakan data-data laporan keuangan bank-bank yang terdaftar di LQ 45 dari
tahun 2009-2012. Kesamaan penelitian ini dengan yang dilakukan oleh peneliti
sebelumnya adalah menggunakan variabel independen rasio keuangan.
Hasil dari penelitian ini diharapkan berguna bagi berbagai pihak yang
berkepentingan. Seperti bagi Manager dalam rangka pembentukan kebijakan
perbankan, bagi investor sebagai analisis kompherensif keputusan investasi dan
pemerintah dalam menjaga stabilitas perekonomian suatu negara.
Lokasi dan Waktu Penelitian
Lokasi Penelitian dipilih dengan sengaja sesuai tujuan penelitian. Penelitian
ini dilakukan pada perusahaan sektor perbankan yang kontinu masuk ke dalam LQ
45 selamaempat tahun terakhir yaitu 2009-2012 dan mengeluarkan obligasi. Periode
ini dipilih karena merupakan periode terbaru untuk memprediksi pengambilan
keputusan oleh investor secara cepat dan tepat. Penelitian ini dilakukan pada bulan
februari 2013 sampai Mei 2013.
Berdasarkan data yang dikumpulkan, perbankan yang lolos kriteria sebanyak
empatbank, yaitu :
1) PT Bank Rakyat Indonesia Tbk
2) PT Bank Mandiri Tbk
3) PT Bank Danamon Tbk
4) PT Bank Jawa Barat dan Banten Tbk
Jenis dan Sumber Data
Data yang dipergunakan untuk penelitian ini merupakan data sekunder berupa
data penel. Data panel (pooled data) merupakan gabungan data runtun waktu (time
series) selama periode empat tahun yaitu 2009-2012 dengan data silang (cross
18
section) dari empat perusahaan. Data sekunder diperoleh dari instansi atau lembaga
yang berkaitan, dan telah dipublikasikan seperti melalui internet. Data diperoleh dari
berbagai sumber seperti laporan keuangan kuartal perusahaan selama empat tahun,
harga saham perbankan selama empat tahun dan data obligasi perusahaan.
Data laporan keuangan ini diunduh dari webside Bank Indonesia (BI) serta
webside tiap bank yang dijadikan sampel, sedangkan data harga saham diunduh pada
website dunia investasi.Data obligasi dilihat pada web Indonesia Bond Pricing
Agency (IBPA). Selain itu, untuk menunjang kesempurnaan hasil
penelitian,dilakukan pula studi pustaka yang bersumber dari studi literatur, berita
dari surat kabar, dan laporan penelitian seperti jurnal ilmiah, disertasi, dan thesis.
Metode ini digunakan sebagai pedoman dalam menjelaskan teori-teori serta
menganalisis data yang berkaitan dengan pembahasan dalam penelitian ini.
Sampel
Penelitian ini menggunakan teknik pengambilan sampel secara judgement
sampling sesuai dengan tujuan penelitian, yaitu pada lokasi penelitian sebanyak
empat perbankan dan data keuangan yang diambil secara triwulan selama empat
tahun yaitu 2009-2012. Dengan kriteria sampel tersebut maka sampel yang diambil
berjumlah 64 sampel.
Metode Pengolahan dan Analisis Data
Pengolahan data pada penelitian ini dilakukan denganmenggunakan beberapa
paket program statistik seperti Microsoft Exel 2010 dan Eviews 6.0. Kegiatan
pengolahan data menggunakan Microsoft Exel 2010 meliputi pembuatan tabel dan
grafik pada analisis deskriptif serta estimasi probability of default. Program Eviews
6.0 digunakan dalam mengolah data panel untuk penentuan model regresi linier
berganda.
Analisis Deskriptif
Metode analisis deskriptif merupakan analisis sederhana yang bertujuan
mendeskripsikan, mempermudah dan memperjelas penafsiran data dengan cara
menyajikan data dalam tabel, grafik, ukuran pemusatan data, dan penyebaran data.
Analisis deskriptif menggambarkan deskripsi probabilitas default perusahaan dan
kinerja keuangan per kuartal selama periode 2009-2012.
Analisis Kemungkinan Kegagalan.
Analisis Kemungkinan kegagalan perbankan diukur menggunakan model KMV
Merton. KMV Merton yang bertujuan untuk mengestimasi besarnya kemungkinan
suatu perusahaan mengalami gagal bayar pada saat kewajiban jatuh tempo atau untuk
mengestimasi seberapa jauh jarak antara nilai asset perusahaan dengan titik gagal
bayar.
Penelitian ini menggunakan prosedur yang dipakai oleh KMV Merton yaitu:
a) Mengestimasi nilai aktiva dan volatilitasnya dengan nilai pasar aktiva,
volatilitas ekuitas dan nilai buku utang. Dengan rumus :
19
∑
√∑
Nilai Pasar Ekuitas, dengan rumus:
dimana:
(
)
√
(
)
√
√
b) Menghitung distance to defaultnilai aktiva dan volatilitas aktiva yang telah
diestimasi pada langkah pertama tersebut. Dengan rumus:
(
)
√
c) Menghitung probability of default dengan rumus:
.......................................................................................(5)
d) Namun pada analisis nilai ini diperlukan pengujian Distribusi Log Normal Return
aset, dengan plot. Untuk memenuhi asumsi bahwa data harus bersifat stokastik
dan gerak brown.
e) Perangkingan berdasarkan PD menggunakan Moody cumulative Default Rates.
Analisis Regresi Data Panel
Data panel merupakan gabungan antara data runtun waktu (time series)
dengan data silang (cross section). Jika data silang memiliki jumlah observasi runtun
waktu yang sama maka disebut balanced panel, sebaliknya jika tiap data silang tidak
memiliki jumlah observasi runtun waktu yang sama maka disebut unbalanced panel.
Data runtun waktu biasanya meliputi satu objek dengan beberapa periode, sedangkan
20
data silang terdiri dari banyak objek. Menurut Suliyanto (2011) penggunaan data
panel memberikan banyak keuntungan yaitu:
a. Panel data memiliki tingkat heterogenitas yang lebih tinggi, karena
melibatkan beberapa individu dalam beberapa waktu. Dengan data panel kita
dapat mengestimasi karakteristik untuk setiap individu berdasarkan
heterogenitasnya.
b. Panel data Karena menggabungkan data silang dengan data runtun waktu
maka panel data mampu memberikan data yang lebih informatif, bervariasi
serta memiliki tingkat kolinearitas yang rendah.
c. Panel data cocok untuk pengamatan dengan perubahan dinamis, karena
merupakan data cross section yang berulang-ulang.
d. Panel data dapat mendeteksi dan mengukur pengaruh yang tidak dapat
diobservasi dengan data runtun waktu murni atau data silang murni.
e. Panel data mampu mempelajari model perilakuyang lebih kompleks. Dengan
membuat ketersediaan data dalam jumlah unit individu yang lebih banyak
maka data panel bisa meminimalkan bias yang terjadi jika kita
mengagregatkan individu kedalam agregat yang besar.
Analisis model data panel ada beberapa pendekatan yaitu:
1. Pendekatan kuadrat terkecil (common effect).
Pendekatan kuadrat terkecil merupakan pendekatan yang paling sederhana
yaitu dengan menggabungkan seluruh data runtun waktu dengan data silang, lalu
diolah dengan cara OLS (Ordinary Least Square). Model ini mengasumsikan bahwa
intersep dan slop dari setiap variabel sama untuk setiap objek. Model common efek
dapat diformulasikan sebagai berikut (Winarno2007):
Dimana:
Y it = variabel dependen di waktu ke t untuk unit cross section ke i
α = intersep
β j = Parameter untuk variabel ke-j
= variabel bebas j di waktu tuntuk unit cross section i
= Komponen eror di waktu t untuk unit cross section i
2. Pendekatan efek tetap (fixed effect)
Kelemahan dari model kuadrat kecil adalah ketidak sesuaian model dengan
keadaan yang sebenarnya, karena keadaan setiap objek saling berbeda bahkan satu
objek pada satu waktu akan sangat berbeda dengan kondisi objek tersebut pada
waktu yang lain. Oleh karena itu diperlukan suatu model yang dapat menunjukan
perbedaan konstan antar objek meskipun dengan koefisien regresor yang sama.
Model ini disebut fixed effect. Fixed model menggunakan variabel semu untuk
membedakan satu objek dengan objek lainnya. Persamaan model ini adalah sebagai
berikut (Winarno2007):
∑
Dimana:
Y it = variabel dependen di waktu ke t untuk unit cross section ke i
α = intersep
β j = Parameter untuk variabel ke-j
21
= variabel bebas j di waktu t untuk unit cross section i
= Komponen eror di waktu t untuk unit cross section i
= Variabel Dummy
3. Pendekatan efek acak (random effect)
Penggunaan variabel dummy akan mengurangi derajat bebas (deegree of
freedom) yang pada akhirnya akan mengurangi efisiensi dari parameter yang
diestimasi. Model efek acak mengatasi hal tersebut. Model efek acak
mengasumsikan bahwa setiap individu memiliki perbedaan intersep yang merupakan
variabel random. Model efek random dapat dituliskan sebagai berikut (Winarno,
2007):
Dimana:
= Merupakan komponen cross sectionerror
= Merupakan komponen time serieserror
= Merupakan komponen cross section dan time series error
Metode memilih model
Gambar 8. Pengujian pemilihan model pada pengolahan data panel
Sesuai dengan Gambar 8 bahwa keputusan untuk memilih jenis model yang
digunakan dalam analisis panel didasarkan pada tiga uji yaitu uji chow test, untuk
menguji pemilihan model common effects atau model fixed effect, uji hausman test,
untuk menguji pemilihan model fixed effect atau model random effect dan LM test
untuk menguji pemilihan model common effect atau random effects.
1. Chow test
Hipotesis:
H0 = Model common effect
H1 = Model fixed effect
Statistik Uji:
Dimana:
RRSS = Restricted Residual Sum Square
URSS = Unrestricted Residual Sum Square
N = Jumlah data cross section
T = Jumlah Data time series
K = Jumlah variabel Penjelas
FIXED EFFECTS
RANDOM EFFECTS
COMMON EFFECTS
1.CHOW TEST
2.HAUSMAN TEST
3.LM TEST
22
Keputusan:Tolak H0 jika F hitung > F tabel ; atau jika nilai probability < α.
Kesimpulan: Bila H0 ditolak maka Model fixed effect lebih baik dari pada
Model common effect.
2. Hausmann Test
Hipotesis:
H0 = Model Random effect
H1 = Model fixed effect
Keputusan:Tolak H0 jika X2 Observasi > X
2 tabel ; atau jika nilai probability
< α.
Kesimpulan: Bila H0 ditolak maka Model fixed effect lebih baik dari pada
Model Random effect.
3. LM Test
Hipotesis:
H0 = Model common effect
H1 = Model random effect
Keputusan:Tolak H0 jika X2 Observasi > X
2 tabel ; atau jika nilai probability
< α.
Kesimpulan: Bila H0 ditolak maka Random fixed effect lebih baik dari pada
Model common effect.
Pengujian Parameter Model
Pengujian parameter model bertujuan untuk mengetahui kelayakan model dan
apakah koefisien yang diestimasi telah sesuai dengan teori atau hipotesis. Pengujian
menggunakan koefisien determinasi(R2), uji koefisien regresi parsial (uji t) dan uji
koefisien secara menyeluruh (F-test/ uji F).
a. Uji Parsial
Analisis statistik secara parsial digunakan untuk melihat signifikansi dan
masing-masing variabel independen secara individual dalam menjelaskan variabel
dependen pada model dengan menggunakan uji t.
Hipotesis:
H0 = β = 0
H1 = β ≠ 0
Keputusan:Tolak H0 jika thitung>t tabel ; atau jika nilai probability < α (α<
0,05).
Kesimpulan: Bila H0 ditolak maka variabel bebas tersebut berpengaruh secara
signifikan terhadap variabel terkaitnya.
b. Uji Persamaan regresi secara keseluruhan (Uji F).
Uji F digunakan untuk melakukan uji koefisien (slope) regresi secara
menyeluruh/bersamaan.
Hipotesis:
H0 = β1=β2=.... = 0
H1 = β1 ≠ β2 ≠ .... ≠ 0
23
Keputusan:Tolak H0 jika F observasi>F tabel ; atau jika nilai p-value(F
statistik)< α (α< 0,05).
Kesimpulan: Bila H0 ditolak maka minimal ada satu variabel independen
yang berpengaruh nyata terhadap variabel dependen.
c. Pengujian R2
Nilai R2 mencerminkan seberapa besar variasi dari variabel dependen (Y)
yang dapat diterangkan oleh variabel (X) atau seberapa besar keragaman variabel
dependen yang mampu dijelaskan oleh model. Nilai R2 berkisar antara 0-1 persen,
jika nilainya mendekati 1 maka semakin baik. Adapun perhitungan nilai R2 adalah
sebagai berikut:
Dimana: TTS= Total Sum of Squares
ESS = Error Sum of Squares
RSS = Regression Sum of Squares
d. Adjusted R2 (atau R
2)
Masalah yang terjadi jika melakukan pengujian R2 adalah jika variabel
bebasnya ditambah maka nilai R2 akan bertambah besar. Pengujian R
2 secara
objektif melihat pengaruh penambahan variabel bebas, apakah variabel tersebut
mampu memperkuat variansi penjelasan variabel terikat. Adapun perhitungan nilai
Adjusted R adalah sebagai berikut:
Dimana: N = Banyaknya Observasi
K= banyaknya variabel bebas
Model Penelitian
Pengolahan dan analisis data menggunakan analisis regresi berganda yang
berkaitan dengan permodelan pengaruh peubah-peubah bebas X terhadap peubah tak
bebas Y melalui persamaan matematis tertentu. Secara fungsional hubungan risiko
kredit dengan masing-masing variabel independen dapat dituliskan sebagai berikut:
Risiko Kredit= ƒ(kinerja fundamental, Manajemen).............................................(13)
A. Variabel Penelitian:
Variabel bebas yang digunakan dalam penelitian ini adalah rasio keuangan
bank masing-masing dalam persen (%):
a) Rasio Aktiva Produktif Bermasalah (APB)
Rasio ini untuk menunjukkan kemampuan manajemen bank dalam mengelola
aktiva produktif bermasalah terhadap total aktiva produktif. Semakin tinggi
rasio ini maka semakin buruk kualitas aktiva produktif maka kemungkinan
suatu bank dalam kondisi bermasalah semakin besar. Aktiva produktif
bermasalah adalah aktiva produtif dengan kualitas kurang lancar, diragukan
dan macet. Rasio ini dapat dirumuskan sebagi berikut:
24
b) Rasio Biaya Operasional terhadap Pendapatan Operasional (BOPO)
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 sehingga
kemungkinan suatu bank dalam kondisi bermasalah semakin kecil. Biaya
operasional dihitung berdasarkan penjumlahan dari total beban bunga dan
total beban operasionallainnya. Pendapatan operasional adalah penjumlahan
dari total pendapatan bunga dan total pendapatan operasional lainnya. Rasio
ini dirumuskan sebagai berikut:
c) Rasio non Performing Loan (NPL)
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:
d) Rasio Return On Assets (ROA)
Rasio ini digunakan untuk mengukur kemampuan manajemen bank dalam
memperoleh keuntungan (laba sebelum pajak) 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. Laba sebelum pajak adalah laba
bersih dari kegiatan operasional sebelum pajak. Sedangkan rata-rata total
asset adalah rata-rata volume usaha atau aktiva. Rasio ini dirumuskan sebagai
berikut:
e) Rasio Return On Equity (ROE)
Rasio ini digunakan untuk mengukur kinerja manajemen bank dalam
mengelolah modal yang tersedia untuk menghasilkan laba setelah pajak.
Semakin besar ROE, semakin besar pula tingkat keuntungan yang dicapai
bank sehingga kemungkinan suatu bank dalam kondisi bermasalah semakin
kecil. Laba setelah pajak adalah laba bersih dari kegiatan operasional setelah
dikurangi pajak sedangkan rata-rata total ekuitas adalah rata-rata modal inti
yang dimiliki bank, perhitungan modal inti dilakukan berdasarkan ketentuan
kewajiban modal minimum yang berlaku. Rasio ini dirumuskan sebagi
berikut:
25
f) Rasio Loan to Deposit (LDR)
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 sedangkan untuk dana pihak ketiga adalah giro, tabungan,
simpanan berjangka, sertifikat deposito. Rasio ini dapat dirumuskan sebagi
berikut:
g) Rasio Aktiva tetap terhadap Modal (ATTM)
Rasio ini mengukur kemampuan manajemen bank dalam menentukan
besarnya aktiva tetap dan inventaris yang dimiliki bank yang bersangkutan
terhadap modal. Semakin tinggi rasio ini artinya modal yang dimiliki bank
kurang mencukupi dalam menunjang aktiva tetap dan inventaris sehingga
kemungkinan suatu bank dalam kondisi bermasalah akan semakin besar.
Rasio ini dapat dirumuskan sebagai berikut :
h) Rasio Capital Adequancy (CAR)
CAR adalah rasio yang memperlihatkan seberapa besar jumlah seluruh aktiva
bank yang mengandung 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 :
i) Net Interest Margin (NIM)
Net Interest Margin (NIM) adalah ukuran perbedaan antara pendapatan bunga
yang dihasilkan oleh bank atau lembaga keuangan lain dan nilai bunga yang
dibayarkan kepada pemberi pinjaman mereka, relatif terhadap jumlah aset
mereka. NIM dapat dihitung menggunakan rumus:
Variabel dependen (variabel terikat) yang digunakan pada penelitian ini
adalah Probabilitas kebangkrutan Bank (PD)
Model regresi berganda ini ditunjukan oleh persamaan berikut ini:
Keterangan:
Y = Probabilitas Default (%)
26
Bersamaan dengan itu model regresi juga harus memenuhi asumsinya yaitu
residual menyebar mengukuti sebaran normal, residual memiliki ragam homogen
atau tidak terdapat masalah heteroskendastisitas, dan tidak adanya korelasi yang
tinggi antar peubah bebas. Karena itu dilakukan uji asumsi klasik yang meliputi:
1) Uji normalitas dengan jarque-bera. Uji normalitas dilakukan untuk menguji
apakah nilai residual yang telah terstandarisasi pada model regresi
terdistribusi normal atau tidak. Nilai residual tersebut dikatakan berdistribusi
normal jika nilai residual terstandarisasi tersebut mengikuti nilai rata-ratanya.
Penyebab utama tidak terpenuhinya uji asumsi klasik normalitas ini adalah
karena terdapat nilai ekstrem yang disebabkan oleh kesalahan pengambilan
data, kesalahan dalam input data, atau karena karakteristik data tersebut
sangat jauh dari rata-rata.Uji jarque-bera merupakan uji normalitas dengan
berdasarkan pada koefisien keruncingan (kurtosis) dan koefisien kemiringan
(skewness). Untuk menghitung nilai statistik Jarque-Bera digunakan rumus
(Winarno, 2007):
[
]
Keterangan :
JB = Statistik Jarque-Bera
S = Koefisien Skewness
K = Koefisien Kurtosis
Hipotesis:
H0 = Ada Masalah Normalitas
H1 = Tidak ada masalah normalitas
Keputusan: Tolak Ho jika nilai Jarque-bera ≤ χ2 tabel.
Kesimpulan : Bila H0 ditolak maka cukup bukti untuk mengatakan data
berdistribusi normal atau tidak ada masalah normalitas.
Menurut Suliyanto (2011) untuk mengatasi adanya pelanggaran asumsi
normalitas ini maka peneliti disarankan untuk menambah jumlah data,
melakukan transformasi data menjadi log atau LN atau bentuk lain,
menghilangkan data yang dianggap sebagai penyebab data tidak normal, atau
dibiarkan saja namun menggunakan alat analisis lain.
2) uji multikolinearitas. Uji multikolinearitas bertujuan untuk menguji apakah
dalam uji regresi yang terbentuk terdapat korelasi yang tinggi atau sempurna
27
di antara variabel bebas atau tidak. Menurut Suliyanto (2011) sebab
timbulnya gejala multikolinearitas adalah (1) Kebanyakan variabel ekonomi
berubah sepanjang waktu. Besaran-besaran ekonomi dipengaruhi oleh faktor
yang sama sehingga jika satu faktor mempengaruhi variabel dependen maka
seluruh variabel cendrung berubah satu arah. (2) Adanya penggunaaan nilai
lag (Lagged value) dari variabel-variabel bebas tertentu dalam model regresi.
(3) Metode pengumpulan data yang dipakai salah. (4) Adanya kendala dalam
model atau populasi yang menjadi sampel, (5) Adanya kesalahan spesifikasi
model karena variabel penjelas yang tidak perlu dimasukan atau variabel
penjelas yang seharusnya dimasukan malah dikeluarkan. (6) Model yang
berlebihan dikarenakan jumlah variabel penjelas yang digunakan melebihi
data observasi.
Uji multikolinearitas dilakukan dengan melihat correlation matrix dari
masing-masing variabel bebas terhadap variabel terikat. Model regresi tidak
mengalami gejala multikolinearitas apabila nilai nya kurang dari 0,8
(Winarno 2007).
Menurut Winarno (2007) alternatif dalam menghadapi masalah
multikolinearitas adalah (1) Tambahkan datanya bila memungkinkan, karena
masalah multikolinear biasanya muncul karena jumlah observasinya sedikit,
(2) Hilangkan salah satu variabel independennya, terutama yang memiliki
hubungan yang kuat dengan variabel lain, (3) Transformasikan salah satu
(atau beberapa) variabel, termasuk misalnya dengan melakukan diferensi.
Dan (4) Biarkan saja model kita mengandung multikolinieritas, karena
estimatornya masih dapat bersifat BLUE.
3) Uji autokorelasi. Uji autokorelasi dilakukan untuk melihat adanya korelasi
antar anggota serangkaian data observasi yang diuraikan menurut waktu (time
series) maupun ruang(cross section). Uji autokorelasi yang digunakan
adalah uji Durbin Watson. Dimana uji ini melihat apakah antar residual
terdapat korelasi yang tinggi dengan melihat data residual acak atau tidak
( Winarno 2007 ). Uji autokorelasi menggunakan rumus (Winarno 2007):
∑
∑
Keterangan:
DW = Nilai Durbin-Watson Test
e = Nilai residual
e t-1 = Nilai residual satu periode sebelumnya
Hipotesis:
H0 = Ada Masalah Autokorelasi
H1 = Tidak ada masalah autokorelasi
Keputusan: Tolak Ho jika dU<nilai Durbin watson<4-dU. Daerah keputusan
ini dapat dilihat pada Gambar 9.
28
Gambar 9. Daerah Uji Durbin Watson (Winarno 2007)
Kesimpulan : Bila H0 ditolak maka cukup bukti untuk mengatakan tidak ada
masalah autokorelasi.
4.) Uji heteroskedastisitas, merupakan uji yang dilakukan untuk melihat varian
variabel pada model regresi ada yang tidak sama (konstan) atau tidak.
Masalah Heterokedastisitas dapat diatasi secara otomatis dengan
menggunakan metode Cross-section weighting yang tersedia pada opsi saat
akan mengestimasi model regresi data panel (Winarno 2007).
B. Perumusan dan pengujian hipotesis
Hipotesis merupakanjawaban sementara terhadap masalah yang masih
bersifat praduga karena masih harus dibuktikan kebenarannya.Perumusan hipotesis
pada uji regresi yang akan dilakukan berdasarkan penelitian terdahulu. Ringkasan
perumusan penelitian terdahulu dapat dilihat pada Lampiran 1. Perumusan hipotesis
yang diharapkan adalah sebagai berikut:
Ha1 : Rasio APB berpengaruh positif terhadap probabilitas default
Ha2 : Rasio BOPO berpengaruh positif terhadap probabilitas default
Ha3 : Rasio NPL berpengaruh positif terhadap probabilitas default
Ha4 : Rasio ROA berpengaruh negatif terhadap probabilitas default
Ha5 : Rasio ROE berpengaruh negatif terhadap probabilitas default
Ha6 : Rasio LDR berpengaruh positif terhadap probabilitas default
Ha7 : Rasio ATTM berpengaruh negatif terhadap probabilitas default
Ha8 : Rasio CAR berpengaruh negatif terhadap probabilitas default
Ha9 : Rasio NIM berpengaruh negatif terhadap probabilitas default
29
4 HASIL DAN PEMBAHASAN
Seperti yang telah dijelaskan sebelumnya bahwa pada penelitian ini
mengestimasi kemungkinan kebangkrutan bank dengan menggunakan model KMV
Merton dan melihat variabel yang mempengaruhi kemungkinan kebangkrutan
terhadap bank yang konsisten masuk kedalam LQ 45 periode 2009-2012. Penelitian
ini menggunakan data panel seimbang yaitu gabungan antara data time series kuartal
selama 4 tahun yaitu periode 2009-2012 dan data cross section yaitu sebanyak 4
perusahaan. Proses pengolahan data dilakukan dengan program exel dan program
EViews 6. Perusahaan yang termasuk dalam penelitian ini dapat dilihat pada Tabel 2.
Tabel 2. Sampel penelitian No Nama Perusahaan Kode
1 PT Bank Rakyat Indonesia Tbk BBRI
2 PT Bank Mandiri Tbk BMRI
3 PT Danamon Indonesia Tbk BDNM
4 PT BPD Jawa Barat dan Banten Tbk BJBR
Analisis Statistik Deskriptif
Berdasarkan hasil analisis statistik deskriptif terhadap variabel dependen
probabilitas of default (PD) maupun independen rasio keuangan secara keseluruhan
menunjukan terdistribusi secara normal, kecuali variabel probabilitas of default (PD),
NPL, dan ATTM. Hal tersebut dapat dilihat pada hasil uji jarque-bera yang lebih
kecil dari pada nilai χ2 tabel (5,991). Hasil lengkap statistik deskriptif rasio
keuangan yang digunakan pada penelitian ini dapat dilihat pada Tabel3.
Tabel 3. Statistik deskriptif dalam penelitian rasio keuangan bank 2009-2012 PD APB BOPO NPL ROA ROE LDR ATTM CAR NIM
Mean 0.123 2.030 72.968 0.541 3.364 26.972 79.502 26.679 16.476 7.525
Median 0.001 1.870 73.925 0.4850 3.320 26.530 79.010 15.262 16.040 7.685
Maximum 1.492 3.840 86.650 1.920 5.150 43.830 103.710 90.047 23.690 10.770
Minimum 1.80E-06 0.520 58.310 0.000 1.490 8.780 56.300 7.722 12.100 5.080
Std. Dev. 0.333 0.832 6.612 0.3945 0.844 8.654 12.536 24.819 2.517 1.602
Skewness 3.014 0.229 -0.136 1.048 -0.018 -0.248 0.153 1.519 0.637 -0.119
Kurtosis 11.049 2.248 2.514 4.263 3.119 2.243 2.089 3.915 3.138 1.861
Jarque-Bera 269.647 2.071 0.827 15.972 0.0413 2.183 2.462 26.835 4.377 3.610
Probability 0.000 0.355 0.661 0.0003 0.979 0.336 0.292 0.000001 0.112 0.164
Sum 7.865 129.930 4669.940 34.64 215.310 1726.200 5088.140 1707.513 1054.470 481.620
Sum Sq. Dev. 6.988 43.612 2754.199 9.824 44.898 4718.485 9899.976 38809.02 398.985 161.614
Observations 64 64 64 64 64 64 64 64 64 64
Sumber: Data keuangan Bank Diolah
Variabel bebas probability of default (PD) rata-rata sebesar 0,12% untuk
seluruh sampel dengan median probabilitas default sebesar 0,0005% dan nilai
maksimum adalah 1,49% serta nilai minimumnya 0,000002%. Persentase PD
30
(Probabilitas Kegagalan) yang kecil ini menandakan bahwa sudah baiknya
pengawasan pemerintah terhadap berjalannya operasi perbankan. Grafik
pertumbuhan rasio keuangan perbankan dapat dilihat pada Lampiran 5. Adapun
variabel-variabel rasio keuangan yang terkait dapat dikemukakansebagai berikut:
a) Aset Produktif Bermasalah (APB), rata-rata sebesar 2,03% dan median
sebesar1,87% untuk seluruh sampel, rasio ini menunjukan kemampuan
manajemen bank dalam mengelola aktiva produktif bermasalah (aktiva
produktif dengan kualitas kurang lancar, diragukan dan macet) terhadap total
aktiva produktif. Semakin tinggi rasio ini maka semakin buruk kualitas aktiva
produktif maka kemungkinan suatu bank dalam kondisi bermasalah semakin
besar. Bank dengan nilai APB tertinggi adalah BDNM sebesar 3,84% pada
tahun 2010 kuartal 1. Sedangkan nilai APB terendah adalah BJBR sebesar
0,52% pada tahun 2009 kuartal 1.
b) Biaya Operasi Terhadap Pendapatan (BOPO) untuk seluruh sampel
menunjukan rata-rata sebesar 72,97% dan median sebesar 73,93%. Rasio ini
menunjukan kemampuan manajemen perusahaan dalam melakukan efisiensi,
semakin kecil nilai dari rasio ini maka akan semakin efisien.Nilai tertinggi
adalah BOPO pada BDNM tahun 2009 kuartal 1 yaitu sebesar 86,65%,
sedangkan BOPO terendah ada pada BMRI pada tahun 2011 kuartal 1 yaitu
sebesar 58,31%. Sedangkan standar Bank Indonesia (BI) untuk rasio BOPO
adalah sebesar 92%, sehingga dapat disimpulkan keempat perbankan
memiliki kinerja efisiensi sesuai standar BI.
c) Non Performing Loan (NPL) merupakan rasio yang 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. Dari Tabel 1 dapat dilihat bahwa nilai rata-rata
keseluruhan NPL adalah sebesar 0,54%dengan median sebesar 0,49%. Hal
ini menunjukan bahwa nilai NPL pada tahun tersebut masih dalam batas
maksimum NPL yang disyaratkan oleh Bank Indonesia yaitu sebesar 5%.
d) Nilai rata-rata ROA (Return on Assets) secara keseluruhan adalah sebesar
3,36% dengan median sebesar 3,32%. Rasio ini digunakan untuk mengukur
kemampuan manajemen bank dalam memperoleh keuntungan (laba sebelum
pajak) 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. Standar ROA perbankan adalah 1,5% dengan demikian bank-bank
yang menjadi sampel secara keseluruhan telah memenuhi standar.
e) ROE (Return on Equity). Rasio ini digunakan untuk mengukur kinerja
manajemen bank dalam mengelolah modal yang tersedia untuk menghasilkan
laba setelah pajak. Semakin besar ROE, semakin besar pula tingkat
keuntungan yang dicapai bank sehingga kemungkinan suatu bank dalam
kondisi bermasalah semakin kecil. Nilai rata-rata ROE adalah sebesar
26,92% dengan median sebesar 26,53%. Standar untuk ROE perbankan
adalah sebesar 13%, maka keseluruhan bank yang menjadi sampel telah
memenuhi standar tersebut.
31
f) LDR (Loan to Deposit Ratio) mempunyai rata-rata sebesar 79,50% dan
median sebesar 79,01%. 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.
g) Rasio Aktiva Tetap terhadap Modal (ATTM). Rasio ini mengukur
kemampuan manajemen bank dalam menentukan besarnya aktiva tetap dan
inventaris yang dimiliki bank yang bersangkutan terhadap modal. Semakin
tinggi rasio ini artinya modal yang dimiliki bank kurang mencukupi dalam
menunjang aktiva tetap dan inventaris sehingga kemungkinan suatu bank
dalam kondisi bermasalah akan semakin besar. Nilai ATTM rata-rata
perbankan adalah sebesar 26,68% dengan median 15,26%.
h) CAR (Capital Adequancy Ratio). CAR adalah rasio yang memperlihatkan
seberapa besar jumlah seluruh aktiva bank yang mengandung resiko (kredit,
penyertaan, surat berharga, tagihan pada bank lain) ikut dibiayai dari modal
sendiri disamping memperoleh dana-dana dari sumber-sumber diluar bank.
Nilai CAR rata-rata adalah sebesar 16,75% dengan median 16,04%.
Perusahaan yang mempunyai nilai rata-rata CAR terendah yaitu BBRI
dengan nilai 15,02% dan yang tertinggi adalah BJBR dengan nilai 19,09%.
Rata-rata nilai CAR bank secara umum lebih besar dibandingkan dengan nilai
CAR yang di syaratkan oleh Bank Indonesia yaitu 8%.
i) NIM (Net Interest Margin) rata-rata keseluruhan adalah sebesar 7,53%
dengan median sebesar 7,69%. 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. Semakin besar rasio ini maka
meningkatnya pendapatan bunga atas aktiva produktif yang dikelola bank
sehingga kemungkinan suatu bank dalam kondisi bermasalah semakin
kecil.Menurut aturan Bank Indonesia, nilai NIM yang baik adalah lebih besar
dari 5%. Maka, berdasarkan analisis data keempat perbankan memiliki nilai
NIM yang baik dan memenuhi standar, karena nilai NIM keempat bank
selama empat tahun berada diatas 5%.
Estimasi Probabilitas Default
Pada Tabel 4 dapat dilihat nilai pasar aktiva, nilai pasar ekuitas, dan nilai
buku hutang dari perbankan yang menjadi sampel pada penelitian ini. Nilai rata-rata
pasar aktiva tertinggi selama 4 tahun dimiliki oleh Bank Rakyat Indonesia yaitu
sebesar Rp 256 triliun. Disusul oleh bank danamon indonesia sebesar Rp 203 triliun,
dan bank mandiri sebesar Rp 193 triliun. Nilai rata-rata pasar aktiva terkecil adalah
BPD Jawa Barat dan Banten yaitu sebesar Rp 25 triliun. Nilai buku hutang tertinggi
sebesar Rp 3,5 triliun yaitu yang dimiliki oleh Bank Mandiri. Berdasarkan
perbandingan besarnya nilai pasar aset dan nilai pasar ekuitas terhadap nilai buku
hutang tersebut, dapat disimpulkan semua perbankan dinilai memiliki modal dan
kekayaan yang cukup untuk memenuhi face value kepada investor pada saat jatuh
tempo. Data hasil pengolahan KMV Merton secara lengkap dapat dilihat pada
Lampiran 6.
32
Tabel 4. Nilai pasar perusahaan
*dalam jutaan rupiah BBRI BMRI BDNM BJBR
Nilai Pasar Aset 256.781.250 193.076.000 203.432.990 25.613.963
Nilai Pasar Ekuitas 255.235.684 190.691.427 201.115.617 24.177.487
Nilai buku Hutang 2.000.000 3.500.000 2.800.000 2.400.000
Nilai Liabilitas 1.545.565 2.384.572 2.317.372 1.436.476
(data keuangan bank diolah)
Berdasarkan Gambar 10 terlihat bahwa BRI menunjukan pertumbuhan aset
yang cukup signifikan yaitu rata-rata sebesar 16,44% dibandingkan pertumbuhan
aset tiga bank besar yang lainnya. Pada kuartal 1 tahun 2011 BRI berhasil
melampaui nilai aset pasar Bank Mandiri dan Bank Danamon Indonesia.
Pertumbuhan nilai pasar aset yang cukup besar pada bank BRI ini mengindikasikan
tingkat kepercayaan investor dan nasabah kepada BRI meningkat. Peningkatan
kepercayaan ini menggambarkan pula peningkatan jumlah nasabah yang secara
langsung mempengaruhi jumlah asetnya. Menurut Astuti (2012) BRI pada mulanya
sangat dikenal luas karena coverangenya yang memang terluas dan fokus bisnisnya
untuk melayani pasar pedesaan dan kota-kota kecil khususnya untuk usaha mikro,
kecil dan menengah (UMKM), dan semenjak tahun 2007 BRI telah memperluas
pasar dengan mengembangkan jaringan di perkotaan. Pada tahun 2011 perusahaan
BRI menambah jumlah saham yang beredar dari 30.000.000.000 saham menjadi
60.000.000.000 saham. Sehingga nilai aset pasar nya meningkat pesat.
Gambar 10. Grafik pertumbuhan nilai aset bank.
Berdasarkan hasil perhitungan secara keseluruhan perusahaaan memiliki
Rangking obligasi AAA yaitu rangking tertinggi, kecuali BJBR. Dan dapat
mempertahankan rating tersebut selama 4 tahun. Hal ini menandakan bahwa
perusahaan BBRI, BMRI, dan BDNMtepat untuk dijadikan tempat berinvestasi
karena dinilai sebagai Efek utang yang peringkatnya paling tinggi dan beresiko
paling rendah serta dinilai dapat memenuhi kewajiban jangka panjangnya sesuai
dengan perjanjian.Sedangkan pada BJBR mendapat rangking B pada akhir periode,
hal ini menandakan BJBR rentan terhadap kemungkinan gagal bayar, namun pada
rangking ini perbankan yang mempunyai kinerja keuangan yang baik tetap
mempunyai kemampuan memenuhi kewajiban jangka panjangnya, sehingga pada
0
100.000.000
200.000.000
300.000.000
400.000.000
500.000.000
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
2009 2010 2011 2012
Pertumbuhan Nilai Aset Pasar
BRI BMRI BDNM BJBR
dalam Juataan Rp
33
rangking ini, obligor tetap dinilai sebagai tempat berinvestasi yang baik. Perubahan
nilai probability of default (PD) dan rangking dapat dilihat pada Tabel 5. Sedangkan
untuk pemplotan nilai probabilitas kebangkrutan terhadap rangking dapat dilihat
pada Lampiran 7.
Tabel 5. Estimasi kemungkinan kebangkrutan dan perankingan
Periode BBRI BMRI BDNM BJBR
PD Rangking PD Rangking PD Rangking PD Rangking
2009 Q1 0,005599% AAA 0,01535% AAA 0,00522% AAA 0,050% A
Q2 0,007319% AAA 0,00501% AAA 0,00030% AAA 0,139% BBB
Q3 0,000875% AAA 0,00123% AAA 0,00032% AAA 0,067% A
Q4 0,000614% AAA 0,00135% AAA 0,00052% AAA 0,069% A
2010 Q1 0,000494% AAA 0,00081% AAA 0,00030% AAA 0,054% A
Q2 0,000334% AAA 0,00052% AAA 0,00027% AAA 0,021% A
Q3 0,000231% AAA 0,00024% AAA 0,00021% AAA 0,037% A
Q4 0,000192% AAA 0,00042% AAA 0,00025% AAA 0,212% BB
2011 Q1 0,003346% AAA 0,00032% AAA 0,00013% AAA 0,270% BB
Q2 0,000002% AAA 0,00026% AAA 0,00022% AAA 0,413% BB
Q3 0,000004% AAA 0,00053% AAA 0,00071% AAA 0,528% BB
Q4 0,000002% AAA 0,00041% AAA 0,00128% AAA 1,187% B
2012 Q1 0,000002% AAA 0,00051% AAA 0,00089% AAA 1,407% B
Q2 0,000004% AAA 0,00044% AAA 0,00028% AAA 0,888% B
Q3 0,000002% AAA 0,00025% AAA 0,00025% AAA 1,492% B
Q4 0,000003% AAA 0,00029% AAA 0,00042% AAA 0,973% B
(data keuangan bank diolah)
Hubungan Rasio Keuangan Terhadap Probabilitas Kebangkrutan
Pemilihan Model dalam Uji Regresi Berganda Data Panel
Penelitian dilakukan pada periode 2009-2012 (4 tahun) perkuartal, analisis
dilakukan terhadap 4 perbankan yang terdaftar di BEI. Dengan demikian terdapat 64
data pengamatan karena data yang digunakan merupakan balanced panel. Hal
pertama yang harus lakukan dalam regresi data panel adalah menguji metode apa
yang akan digunakan. Sesuai dengan penjabaran pada Bab 3, Pengolahan data
menggunakan regresi data panel dengan tiga alternatif metode yaitu metode kuadran
terkecil (common effect), metode efek tetap (fixed effect) dan metode efek acak
(random effect). Berdasarkan pengujian yangdilakukan, hasil estimasi model yang
melihat pengaruh rasio keuangan terhadapPD (Probabilitas Kebangkrutan) diperoleh
dengan menggunakan metode fixed effect.
Pengujian dilakukan dua kali yaitu pertama uji Chow.Uji Chow digunakan
untuk memilih antara metode kuadran terkecil atau metode efek tetap. Hasil dari
perhitungan ditampilkan pada Tabel 6. Dari Tabel 6dapat dilihat bahwa Chow
Statistics (6,06) hasil uji lebih besar dari F tabel (2,790) maka hipotesis nol ditolak.
Sehingga metode yang lebih tepat digunakan untuk melihat pengaruh rasio keuangan
terhadap PD adalah metode efek tetap.
34
Tabel 6. Hasil uji Chow
Statistic d.f Prob
Cross-section F 6,06 (3,51) 0,0013
Cross-section Chi-square 19,51 3 0,0002
(data keuangan bank diolah)
Uji yang kedua adalah uji Hausmann, uji ini untuk memilih metode efek tetap
atau metode efek acak. Dari Tabel7 dapat dilihat bahwa hipotesis nol ditolak karena
nilai hausmann statistics (225,93) lebih besar dari Chi square tabel (7,815) sehingga
cukup bukti untuk menolak hipotesis nol. Sehingga model akhir yang digunakan
dalam penelitian ini adalah model effek tetap.
Tabel 7. Hasil uji Hausmann
Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 225,93 3 0,0000
(data keuangan diolah)
Pembuktian Hasil uji Chow dan uji Hausman
Pada Tabel 8. Dapat dilihat bahwa berdasarkan kriteria statistik, pendekatan
fixed effect lebih baik daripada pendekatan random effect. Pada dasarnya, kedua
pendekatan tidak memiliki masalah dari sisi kriteria statistik. Namun nilai R-Square
dari fixed effect lebih tinggi dibandingkan nilai R-Square pada random effect. Begitu
pula dengan nilai adjusted R-square. Sehingga terbukti bahwa pendekatan model
fixed effect lebih cocok di gunakan pada studi ini dibandingkan model random effect.
Sedangkan uji LM tidak perlu di lakukan karena dari uji Hausman dan uji Chow
sudah mengkonfirmasi model pengujian regresi yang sama.
Tabel 8. Ringkasan uji kriteria statistik Fixed effect dan Random effect.
Kriteria Statistik Fixed Effect Random Effect
R-Square 0,8834 0,7882
Adjusted R-Square 0,8588 0,7617
Uji Asumsi Klasik
a. Heteroskedastisitas
Heteroskedastisitas dilakukan dengan membandingkan Sum Square
Residualpada weighted statistics dengan sum squared residual pada unweighted
statistics. Jika sum square residual pada weighted statistics lebih kecil
dibandingkan dengan sum square residual unweighted statistics maka dapat
disimpulkan terjadi heteroskedastisitas. Dari Tabel 9 dapat disimpulkan bahwa
terjadi masalah heteroskedastisitas. Maka dengan Eviews 6 masalah
heteroskedastisitas tersebut dapat diatasi dengan metode white Heteroskedasticity
yang tersedia pada opsisaat akan mengekstimasi model regresi data panel.
35
Tabel 9. Hasil uji heteroskedastisitas.
Weighted Statistic Unweughted Statistic
Sum Square Residual 87,83 Sum Square Residual 98,62
b. Multikolinearitas
Pelanggaran asumsi kedua adalah multikolineritas. Multikolineritas terjadi
apabila adanya hubungan antar beberapa atau semua variabel bebas dalam metode
penelitian yang digunakan. Hasil dari uji multikolineritas dapat dilihat pada Tabel 10.
Variabel bebas ROE diindikasi mempunyai hubungan korelasi terhadap ROA.
Dengan nilai korelasi lebih besar dari 0,8. Untuk mengatasi masalah
multikolinearitas ini maka variabel ROE akan dihilangkan dari persamaan(Winarno,
2007).
Tabel 10. Hasil uji multikolinearitas PD APB BOPO NPL ROA ROE LDR ATTM CAR NIM
PD 1.000 -0.470 0.249 -0.160 -0.255 -0.115 -0.364 -0.225 0.341 -0.159
APB -0.470 1.000 0.274 0.430 -0.206 -0.237 0.571 0.242 -0.375 0.468
BOPO 0.249 0.274 1.000 -0.0002 -0.752 -0.629 0.209 -0.388 0.222 0.218
NPL -0.160 0.430 -0.0002 1.000 0.073 0.284 -0.035 0.391 -0.232 0.243
ROA -0.255 -0.206 -0.752 0.073 1.000 0.824 -0.066 0.687 -0.161 0.295
ROE -0.115 -0.237 -0.629 0.284 0.824 1.000 -0.408 0.724 -0.259 0.129
LDR -0.364 0.571 0.209 -0.035 -0.066 -0.408 1.000 0.056 -0.1556 0.597
ATTM -0.225 0.242 -0.388 0.391 0.687 0.724 0.056 1.000 -0.325 0.524
CAR 0.341 -0.375 0.222 -0.232 -0.161 -0.259 -0.156 -0.325 1.000 -0.082
NIM -0.159 0.468 0.218 0.243 0.295 0.129 0.597 0.524 -0.082 1.000
(data keuangan diolah)
c. Autokorelasi
Autokorelasi adalah pelanggaran asumsi dimana terdapat korelasi serial antar
error. Dari hasil Durbin Watson Statistik yang dapat dilihat pada Lampiran 8 bahwa
tidak ada autokorelasi. Karena nilai DW Stat adalah sebesar 1,62.Dimana nilai
tersebut berada diantara 1,54 dan 2,46 maka cukup bukti untuk menerima H0, tidak
ada autokorelasi.
Uji Signifikansi Model Probabilitas Kebangkrutan
Dari analisis uji signifikasi baik uji t, uji statistik F, uji koefisien determinasi
dan pengujian Adjusted R menunjukkanbahwa model probability of default ini layak.
Berikut hasil dari masing-masing uji.
Tabel 11. Ringkasan uji signifikansi model probability of default.
Kriteria Statistik Nilai
Probability 0,0000
F Observasi 35,82130
R-Square 0,883417
Adjusted R-Square 0,858755
(data keuangan bank diolah)
36
1. Uji Signifikasi t
Pada Tabel 11 dapat dilihat bahwa nilai probability (0,000)< α (α< 0,05)
sehingga keputusannya cukup bukti untuk tolak H0, yang berarti variabel
bebas tersebut berpengaruh secara signifikan terhadap variabel terkaitnya.
2. Uji Statistik F
Pada Tabel 11 dapat disimpulkan H0 ditolak maka minimal ada satu variabel
independen yang berpengaruh nyata terhadap variabel dependen.
3. Uji Koefisien Determinasi atau ukuran goodness of fit
Berdasarkan Tabel 11 dapat dilihat bahwa variabel-variabel bebas pada
model ini dapat menjelaskan perubahan investasi secara baik yakni sebesar
88,34%.
4. Pengujian Adjusted R
pengaruh penambahan variabel bebas tetap mampu memperkuat variansi
penjelasan variabel terikat sebesar 85,88%.
Pengujian Hipotesis dan Perumusan Persamaan Regresi
Pengujian hipotesis akan dilakukan dua tahap yaitu uji signifikansi yang
kemudian dilanjutkan dengan uji arah. Pada uji signifikansi, tingkat kepercayaan
yang digunakan adalah sebesar 95%. Berdasarkan output hasil regresi berganda data
panel dengan metode fixed effectpada Tabel12 terlihat nilai koefisien determinasi
sebesar 0,8844 dimana angka ini menjelaskan bahwa variasi semua variabel bebas
(APB, BOPO, NPL, ROA, ROE, LDR, ATTM, CAR dan NIM) secara bersama-
sama dapat menjelaskan variasi probabilitas default sebesar 88,44 persen dan
variabel lain menjelaskan sebesar 11,56%.Variabel yang signifikan berpengaruh
pada PD adalah
a. Variabel BOPO , variabel BOPO dinyatakan berpengaruh terhadap PD
(Probabilitas Kebangkrutan)dengannilai probabilitas (0,0001) lebih kecil dari
α yaitu 0,05. BOPO mempunyai pengaruh positif terhadap PD dengan nilai β
sebesar 20,209. Hal ini berarti apabila proporsi (%) BOPO suatu bank
meningkat 1%maka tingkat PD akan meningkat sebesar 20,209%.
b. Variabel ATTM berpengaruh negatif terhadap PD dengan nilai β sebesar
2,627. Penolakan H0 ini dilakukan karena nilai probabilitasnya lebih kecil
dari α yaitu 0,05. Hal ini berarti apabila ATTM naik sebanyak 1%, maka
tingkat PD akan turun sebanyak 2,627%.
Dari hasil analisisdengan program Eviews tersebut, maka diketahui
persamaan regresi yang dibentuk. Adapun persamaan regresi linier yang terbentuk
adalah :
a. Persamaan untuk BBRI
PD = -66,601 – 0,987 APB + 20,209 BOPO + 0,196 NPL - 0.395 ROA –3,207 LDR
- 2,627 ATTM - 1,026 CAR - 0,219 NIM
b. Persamaan untuk BMRI
PD = - 67,971– 0,987 APB + 20,209 BOPO + 0,196 NPL - 0.395 ROA –3,207 LDR
- 2,627 ATTM - 1,026 CAR - 0,219 NIM
c. Persamaan untuk BDNM
PD = - 71,289– 0,987 APB + 20,209 BOPO + 0,196 NPL - 0.395 ROA –3,207 LDR
- 2,627 ATTM - 1,026 CAR - 0,219 NIM
37
d. Persamaan untuk BJBR
PD = - 65,388– 0,987 APB + 20,209 BOPO + 0,196 NPL - 0.395 ROA –3,207 LDR
- 2,627 ATTM - 1,026 CAR - 0,219 NIM
Tabel 12. Hasil analisis regresi
Variabel Coefficient Prob Prob (F-Statistic) R-Square
C -67.81224 0.0050 0.000000 0.883417
APB -0.986774 0.2775
BOPO 20.20892 0.0001
NPL 0.195681 0.5270
ROA 0.394706 0.7580
LDR -3.206962 0.1584
ATTM -2.627339 0.0022
CAR -1.026148 0.4319
NIM -0.219733 0.9392
Koefisien Variabel Dummy
BBRI 1.211484
BMRI -0.158600
BDNM -3.477491
BJBR 2.424607
(data keuangan bank diolah)
Analisa Hasil dan Interpretasi Analisis Regresi Data Panel
Kegiatan operasional perbankan sangat rentan terhadap risiko. Hal ini
disebabkan adanya permasalahan yang timbul dalam aktivitasnya bank menghimpun
dana dari masyarakat dalam bentuk tabungan, deposito, giro yang umumnya
berjangka waktu pendek (kurang dari setahun) disisi lain dana tersebut dimanfaatkan
bank untuk membiayai kredit korporasi atau penempatan pada instrumen-instrumen
investasi lain yang umumnya berjangka panjang (waktu lebih dari setahun).
Permasalahan ini disebut maturity gappada struktur keuangannya. Maturity gap
yang dimaksud adalah adanya perbedaan jatuh tempo antara kewajiban membayar
dana nasabah dan hasil penempatan. Sekali bank gagal memenuhi kewajiban kepada
deposan, reputasi bank itu sedang dipertaruhkan dan bukan tidak mungkin akan
mengalami rush oleh nasabah. Kalau ini terjadi bank sebesar apapun akan kolaps.
Untuk itu selalu perlu melihat tingkat kesehatan bank. Tingkat kesehatan
bank dapat dilihat dari beberapa indikator. Salah satu indikator utama yang dijadikan
dasar kesehatan bank adalah rasio keuangan yang dilihat dari laporan keuangan
perbankan. Dengan rasio keuangan kita dapat melihat alasan perubahan kesehatan
perbankan serta melihat kecendrungan yang dapat memberikan dasar pertimbangan
mengenai potensi keberhasilan perbankan dimasa yang akan datang.
Dari uji KMV Merton PT Bank BPD Jawa Barat dan Banten Tbk (BJBR)
mengalami penurunan dalam rangking obligasi setiap tahunnya. Pada tahun 2012
rangking BJBR adalah B. Rangking B merupakan rangking yang sangat rentan
terhadap risiko kesulitan keuangan. Perubahan kondisi internal dan eksternal dapat
mengganggu stabilitas operasional BJBR.
Grafik Model KMV Merton BJBR pada Gambar 11 memperlihatkan bahwa
ada penurunan nilai aset BJBR hingga akhir periode. Penurunan nilai pasar aset
BJBR mengakibatkan semakin kecilnya nilai distance to distress(DD), sehingga PD
(Probabilitas Kebangkrutan) BJBR pun semakin tinggi. Penurunan ini disebabkan
38
oleh adanya penurunan nilai saham BJBR. Namun pada kuartal 4 ada kecendrungan
peningkatan nilai pasar aset BJBR walaupun terlihat sangat kecil. Apabila BJBR
dapat melihat EWS ini sebagai suatu peringatan dalam hal kecendrungan
kebangkrutan dan berusaha untuk meningkatkan kinerja pada periode berikutnya
dalam hal peningkatan nilai pasar aset yang tergambarkan melalui harga saham,
maka nilai PD perusahaan diharapkan akan menurun. Grafik Model KMV Merton
untuk BBRI, BMRI, dan BDNM dapat dilihat pada Lampiran 9.
(dalam triliun)
Gambar 11. Model KMV Merton BJBR (data keuangan bank diolah)
Sesuai dengan hasil penelitian bahwa variabel yang signifikan berpengaruh
terhadap kebangkrutan adalah variabel BOPO dan ATTM. Dari Gambar 12 terlihat
bahwa BOPO BJBR berada diatas rata-rata BOPO keempat perbankan, hal ini berarti
kurang efisiennya BJBR dalam kegiatan operasional. Sehingga untuk menurunkan
nilai PD, pihak manajemen perlu meningkatkan efisiensi kegiatan operasional
perbankan. Peningkatan efisiensi bank dapat dilakukan dengan menurunkan biaya
operasional maupun meningkatkan pendapatan operasional dari perbankan.
Sebaliknya pada rasio ATTM sudah memenuhi kriteria karena berada dibawah rata-
rata ATTM perusahaan. Hal ini berarti modal yang dimiliki perusahaan cukup untuk
menunjang pengadaan aset BJBR.
39
Gambar 12. Kinerja BJBR (data keuangan bank diolah)
Tingkat efisiensi perbankan dapat dilihat dari pemanfaatan dan pengelolaan
optimal dana-dana yang ada. Dari Gambar 13 dapat dilihat komposisi penyaluran
kredit BJBR. Kredit terbesar yang diberikan oleh BJBR adalah kredit konsumsi
dengan rata-rata 72,84% pertahun. Kredit konsumsi terdiri dari kredit pemilikan
rumah, kredit kendaraan bermotor, dan kredit perorangan lainnya. Kredit konsumsi
diberikan kepada para Pegawai Negeri Sipil (PNS) yang pembayarannya dilakukan
dengan pemotongan gaji setiap bulannya. Hal ini sangat berbeda dengan komposisi
kredit yang disalurkan oleh tiga bank lain yaitu BBRI, BDNM, dan BMRI. Pada
ketiga bank yang memiliki ranking tertinggi ini, komposisi penyaluran berbentuk
kredit yang tertinggi adalah kredit modal kerja. Komposisi penyaluran kredit dengan
persentase kredit modal kerja yang tinggi cenderung memberikan pendapatan yang
besar bagi perbankan dibandingkan kredit konsumsi, karena kredit modal kerja
cenderung memiliki jumlah kredit yang besarserta bunga kredit yang lebih tinggi
dibandingan kredit konsumsi, sehingga pendapatan perbankan cenderung lebih tinggi.
Namun demikian kredit konsumsi yang dilakukan oleh BJBR cenderung memiliki
risiko gagal bayar yang kecil dibandingkan kredit modal kerja,karena di salurkan
kepada PNS yang mempunyai pendapatan yang tetap. Grafik komposisi kredit secara
lengkap dapat dilihat pada Lampiran 10.
0,00
0,20
0,40
0,60
0,80
1,00
1,20
1,40
1,60
0
10
20
30
40
50
60
70
80
90
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
2009 2010 2011 2012
BJBR BOPO
BJBR ATTM
rata-rata BOPO
rata-rata ATTM
BJBR PD
BOPO dan ATTM (%) PD (%)
40
Gambar 13. Komposisi kredit yang diberikan oleh BJBR (data keuangan bank
diolah)
Dalam penelitian ini rasio keuangan digunakan dalam menentukan variabel
yang sangat rentan dan sangat perlu diperhatikan oleh berbankan, sehingga pihak
manajemen dapat lebih berhati-hati dalam pengambilan keputusan.
Penjabarananalisis hubungan variabel rasio keuangan dalam menjelaskan
probabilitas default bank secara keseluruhan selama periode 2009-2012 dapat dilihat
pada Tabel 13.
a. Hubungan positif antara BOPO terhadap PD
Salah satu variabel yang signifikan dalam persamaan regresi berganda adalah
BOPO. Hasil dari regresi berganda memperlihatkan bahwa rasio BOPO berpengaruh
positif terhadap terjadinya PD (Probabilitas Kebangkrutan). Dengan kata lain
semakin tinggi nilai BOPO akan semakin tinggi kemungkinan PDnya.
Rasio BOPO merupakan nilai yang menggambarkan seberapa efisien bank
menggunakan sumber daya yang dimiliki untuk menghasilkan pendapatan. Agar
suatu bank dapat memiliki rasio BOPO yang kecil maka bank harus meningkatkan
pendapatan operasinya atau dengan menekan biaya operasional yang di keluarkannya.
Nilai BOPO tentu saja mempengaruhi kondisi kesulitan keuangan dalam suatu bank.
Karena apabila rasio BOPO lebih dari 100 persen maka bank harus menggunakan
dana diluar pendapatan operasional yang diperoleh.Sebaliknya apabila nilai BOPO
rendah, yang menandakan tingginya pendapatan perusahaan sehingga kemampuan
perusahaan untuk membayar deviden akan meningkat,maka kemungkinan nilai
saham dari bank yang bersangkutan di pasar sekunder dan jumlah dana dari pihak
ketiga yang berhasil dikumpulkan akan naik.Hasil ini konsisten dengan penelitian
yang dilakukan oleh Konstantituanto (2012) dan Coyne et al (2008) bahwa ada
hubungan positif yang signifikan antara BOPO terhadap PD.
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
70,00%
80,00%
KreditModal Kerja
pinjamansindikasi
KreditInvestasi
pijamankaryawan
Kreditkonsumsi
Kreditprogram
pemerintah
Komposisi Kredit yang Diberikan oleh BJBR
2009
2010
2011
2012
41
Tabel 13. Analisis Hubungan variabel rasio keuangan dalam menjelaskan
probabilitas default.
Variabel Result P-Value
APB 0 0.2775
BOPO + 0.0001
NPL 0 0.5270
ROA 0 0.7580
LDR 0 0.1584
ATTM - 0.0022
CAR 0 0.4319
NIM 0 0.9392
Note 0 =tidak mempengaruhi PD
+ =Berpengaruh positif terhadap PD
- =Berpengaruh negatif terhadap PD
Sumber:Data keuangan Diolah.
b. Hubungan negatif antara ATTM terhadap PD
Analisis Regresi berganda pada penelitian ini menunjukan adanya pengaruh
signifikan negatif ATTM terhadap terjadinya PD pada bank yang terdaftar di LQ 45.
Dengan demikian apabila nilai ATTM suatu bank semakin besar maka semakin kecil
kemungkinan bank tersebut PD.
ATTM merupakanRasio yang mengukur kemampuan perbankan dalam
berinvestasi dan menentukan besarnya aktiva tetap yang dimiliki. Semakin tinggi
rasio ini artinya modal yang dimiliki bank kurang mencukupi dalam menunjang
aktiva tetap dan inventaris sehingga kemungkinan suatu bank dalam kondisi
bermasalah akan semakin besar. Namun pada uji ini didapatkan bahwa ATTM
berhubungan negatif terhadap PD. Pengaruh ATTM bisa saja bernilai negatif
terhadap PD pada keadaan nilai ROA perusahaan baik yaitu diatas 1,5%. Rata-rata
ROA keempat bank dapat dilihat pada Tabel 14. Nilai ROA menandakan adanya
return dalam peningkatan nilai aset perusahaan. Maka penambahan aset perusahaan
berpotensi tidak menyebabkan permasalahan keuangan pada perusahaan.
Kemungkinan pengaruh ATTM yang negatif ini dinyatakan pula oleh hasil penelitian
yang dilakukan oleh Hui et al (2007) danSumantri dan Teddy Jurnali (2010) bahwa
ada hubungan negatif yang signifikan antara ATTM terhadap PD.
Tabel 14. Rata-rata ROA pertahun bank.
Bank Rata –Rata Nilai ROA (%)
BBRI 4,27
BMRI 3,46
BDNM 2,62
BJBR 3,21
(data keuangan bank diolah)
42
Implikasi Manajerial
Implikasi Bagi Manajemen Perusahaan
Pihak manajemen mengharapkan perusahaan yang dipimpinnya mengalami
pertumbuhan seperti yang mereka inginkan dalam kegiatan usahanya. Pertumbuhan
yang dinginkan terutama pertumbuhan pendapatan operasional yang sesuai atau
melebihi target yang ditetapkan. Dampak dari pertumbuhan ini berakibat pula
terhadap pertumbuhan aktiva atau harta perusahaan. Begitu pula sebaliknya dengan
adanya aktiva lancar dan aktiva tetap yang memadai maka menimbulkan pendapatan
operasionalnya yang meningkat. Pertumbuhan ini terlihat pada rasio keuangan
BOPO dan ATTM yang pada penelitian ini mempunyai pengaruh yang signifikan
terhadap probabilitas Kebangkrutan.
Pihak manajemen perusahaan harus dapat mengelola perusahaan untuk
mencegah adanya kemungkinan kebangkrutan, caranya adalah dengan menekan
biaya operasional dalam rangka peningkatan efisiensi perusahaan serta menjaga dan
meningkatkan kualitas aset ptoduktif dengan menggunakan prinsip kehati-hatian.
Implikasi Bagi Investor di Pasar Modal
Investor pada umumnya selalu berusaha untuk meminimalisasikan berbagai
risiko yang bersifat jangka panjang maupun risiko yang bersifat jangka pendek.
Berbagai perubahan kondisi mengharuskan seorang investor memutuskan apa yang
harus dilakukan dan strategi apa yang diterapkan agar ia tetap memperoleh return
yang diharapkan. Untuk itu diperlukan pengelolaan risiko, salah satu caranya adalah
dengan pengontrolan risiko. Keputusan pengontrolan risiko dilakukan dengan cara
mengantisipasi terhadap timbulnya risiko sebelum risiko itu terjadi yaitu dengan
Early Warning System(EWS).
Dari hasil penelitian EWS dengan menghitung probabilitas kegagalan bank
menggunakan model KMV merton ini memberikan indikasi baik PT Bank Rakyat
Indonesia Tbk, PT Bank Mandiri Tbk, dan PT Bank Danamon Tbk memiliki tingkat
rating tertinggi yaitu AAA. Rating ini menandakan bahwa perusahaan BBRI, BMRI,
dan BDNMtepat untuk dijadikan tempat berinvestasi karena dinilai sebagai efek
utang yang peringkatnya paling tinggi dan beresiko paling rendah serta dinilai dapat
memenuhi kewajiban jangka panjangnya sesuai dengan perjanjiandimana di tingkat
kegagalan bank yang rendah. Dilain pihak PT BPD Jawa Barat dan Banten Tbk
memiliki rating obligasi B pada akhir periodenya, hal ini berarti BJBR rentan dengan
kemungkinan kebangkrutan, namun tetap memiliki kapasitas kemampuan bayar
terhadap kewajiban hutang jangka panjangnya, selama tidak ada perubahan
perekonomian, perubahan bisnis yang signifikan dan terus menerus kearah kerugian
perbankan. Sehingga BJBR tetap menjadi wadah investasi yang layak, namun
invertor perlu memperhatikan perubahan lingkungan.
Investasi pada sektor perbankan di BEI merupakan pilihan yang menarik
karena memberikan keuntungan yang relatif besar. Hal ini terlihat dari nilai ROE,
dan CAR yang meningkat tiap tahunnya, sementara tingkat bunga pinjaman yang
berlaku di pasar rata-rata 10%. Investor dapat mempertimbangkan melakukan
investasi pada bank-bank yang memiliki BOPO yang rendah maupun ATTM yang
tinggi. Sesuai hasil dan pembahasan di atas, seorang manajer investasi harus mampu
melihat kecendrungan pergerakan rasio bank. Rasio bank yang perlu dilihat dengan
cermat adalah rasio keuangan BOPO dan ATTM. BOPO merupakan indikator
43
efisiensi suatu bank. Semakin efisien suatu bank maka akan mampu menghasilkan
nilai BOPO yang semakin kecil. Bagi manajer investasi sangatlah penting untuk
memilih tempat berinvestasi yang memiliki efisiensi yang tinggi karena akan mampu
menghasilkan return yang tinggi bagi perusahaan dalam bentuk bunga, sehingga
kemungkinan kebangkrutan akan semakin kecil. Hal ini pun terlihat dari koefisien
regresi yang berpengaruh secara signifikan terhadap PD (Probabilitas Kebangkrutan).
Implikasi Bagi Pemerintah
Berdasarkan hasil analisis tingkat PD yang rendah menandakan sudah
baiknya pengawasan pemerintah terhadap kegiatan operasional perbankan di
Indonesia. Namun masih ada perbankan yang memiliki ranking B, sehingga
pemerintah perlu menjaga kestabilan ekonomi makro seiring dengan perbaikan
kinerja perbankan yang dilakukan oleh manajemen perbankan. Kondisi ekonomi
yang stabil merupakan suatu persyaratan yang penting bagi terwujudnya kegiatan
perbankan yang sustainable. Dengan laju inflasi yang rendah diiringi dengan nilai
tukar yang stabil dan suku bunga yang normal, mengakibatkan perbankan
mendapatkan keuntungan untuk memperoleh kekuatan modalnya karena tidak
menanggung beban negative spread. Sehingga pada akhirnya dapat memberikan
kestabilan dan kepastian dalam usaha perbankan.
SIMPULAN DAN SARAN
Kesimpulan
Dari hasil penelitian probabilitas kegagalan bank model KMV merton ini
memberikan indikasi tingkat kegagalan bank yang rendah dengan peringkat tertinggi
yaitu AAA, sehingga PT Bank Rakyat Indonesia Tbk, PT Bank Mandiri Tbk, dan PT
Danamon Indonesia Tbk layak untuk dijadikan tempat berinvestasi. SedangkanPT
BPD Jawa Barat dan Banten Tbk mempunyai rangking B pada akhir periode, namun
tetap menjadi tempat berinvestasi yang layak, dan investor perlu hati-hati dalam
penanaman modal, terhadap perubahan ekonomi yang mengarak kepada kondisi
yang menurunkan tingkat kemampuan bayar obligator terhadap hutang jangka
panjangnya.
Pada penelitian ini rasio keuangan telah memiliki kemampuan untuk
menentukan suatu bank apakah akan mengalami probabilitas kebangkrutan atau
tidakatau tidak. Berdasarkan analisis regresi, rasio keuangan mampu menjelaskan
88,4359% dalam model persamaan PD (Probabilitas Kebangkrutan).
Berdasarkan analisis regresi yang dilakukan variabel-variabel independent
dalam regresi yang memiliki pengaruh yang signifikan terhadap variabel dependen
adalah variabel BOPO memiliki pengaruh yang positif terhadap PD dalam bank yang
terdaftar dalam LQ 45 dan variabelATTMmemiliki pengaruh negatif terhadap PD
dalam bank yang terdaftar dalam LQ 45.
Dengan melakukan analisis regresi berganda terlihat bahwa variabel yang
dominan berpengaruh terhadap PD dalam suatu perusahaan adalah rasioBOPO.
Setiap nasabah,manajer investasi, maupun pemerintah harus selalu melihat
perkembangan rasio-rasio keuangan yang dimiliki oleh perbankan. Hali ini
dilakukan agar mengetahui kecendrungan apakah bank tersebut memiliki
kemungkinan kebangkrutan atau tidak.
44
Saran
Bagi peneliti berikutnya disarankan agar melakukan analisis fore casting dalam
meramalkan kemungkinan kebangkrutan dimasa yang akan datang. Untuk melihat
keakuratan model regresi perlu pula dilakukan perbandingan apakah ada perbedaan
pengaruh rasio keuangan terhadap model kebangkrutan yang berbeda. Selain itu
perlu melihat hubungan siklus bisnis maupun makroekonomi dengan probabilitas
kebangkrutan agar dapat melihat sistem pengawasan pemerintah.
DAFTAR PUSTAKA
Altman EI. 1968. Financial Ratios, Discriminant Analysis and the Prediction of
Corporate Bankruptcy. The Journal of Financial, Vol. 23, No. 4, PP. 589-
609.
Ali M. 2006. Manajemen Risiko: Strategi Perbankan dan Dunia Usaha Menghadapi
Tantangan Globalisasi Bisnis. Jakarta (ID) : PT RajaGrafindo Persada.
Astuti MW. Analisis Struktur Modal Terhadap Kinerja Keuangan Perusahaan
[Tesis]. Bogor (ID): Sekolah Pascasarjana Manajemen Bisnis Institut
Pertanian Bogor.
[BI] Bank Indonesia. 2009. Outlook Ekonomi Indonesia 2009-2014 dalam BAB
Krisis Ekonomi Global dan Dampaknya terhadap Perekonomian
IndonesiaEdisi Januari 2009. Jakarta (ID): Bank Indonesia.
____________. 2012. Laporan Pertanggungjawaban Kepada DPR [internet].
[diunduh 2013 feb 20]. Tersedia Pada :
http://www.bi.go.id/web/id/Publikasi/Laporan+kepada+DPR/lap_dpr_
tw412.pdf.
____________. 2010. Publikasi Bank Indonesia [internet]. [diunduh 2013 feb 20].
Tersedia Pada : http://www.bi.go.id/web/id/Publikasi.pdf.
____________. 2012. Laporan Statistik Perbankan [Internet]. [diunduh 2013 feb
20]. Tersedia Pada :
http://www.bi.go.id/web/id/Statistik/Statistik+Perbankan/Statistik+Perbanka
n+ Indonesia.pdf.
Benos A, Papanastasopoulos . 2005. Extending the Merton Model: A
HybridApproach to Assessing Credit Quality. Working Paper: University
of Piraeus.
Beaver WH. 1966. Financial Ratios As Predictors of Failure. Journal of
Accounting Research, Vol. 4, pp. 71-111. Black F, Sholes M. 1973. The Pricing Of Options And Corporate Liabilities.
Journal of Political Economy, 81 (3), 637-654.
Coyne JS, SinghSG, Smith GJ. 2008. The Early Indicators of Financial Failure: A
Study of Bankrupt and Solvent Health Systems. Coyne, Joseph S. Singh,
Sher G. Smith, Gary J, Journal of Healthcare Management; Hlm. 333.
Crouhy M, Galai RM. Risk Management.I. New York (US) : McGraw-Hill.
Djohanputro, B. 2008. Manajemen Risiko Korporat. Jakarta (ID) : Penerbit PPM.
Estrella A, Park S, Peristiani S. 2000. Capital ratios as predictors of bank failure.
Jurnal.Economic Policy Review - Federal Reserve Bank of New York 6.2
45
FachrudinKA. 2008. Kesulitan Keuangan Perusahaan dan Personal. Medan (ID):
USU Press.
Fernander J. 2005. Corporate Credit Risk Modeling: Quantitative Rating System
and Probability of Default Estimation. SSRN New York: JEL Clasification,
C13, C14, G21, G28.
Hadad MD, Wimboh S; Dwityapoetra SB, Ita R. (2004). Probabilitas Kegagalan
Korporasi Dengan Menggunakan Model Merton. Reseach Paper: Bank
Indonesia.
Hui CH, et al. 2007. Predictions of Default Probabilities by Models with Dynamic
Leverage Ratios. SSRNNew York (US): JEL Clasification, G21, G28, G13.
Idroes FN. 2008. Manajemen Risiko Perbankan : Pemahaman 3 Pilar Kesepakatan
Basel II Terkait Aplikasi Regulasi Dan Pelaksanaannya Di Indonesia,
Jakarta (ID) : Rajawali Pers.
Jurion P. 2003. Financial Risk Manajer Handbook Second Edition. America (US):
John Wiley & Sons, Inc.
Kasmir. 2008. Manajeman Perbankan. Jakarta (ID) : PT Raja Grafindo Persada.
______. 2011. Analisis Laporan Keuangan. Jakarta (ID): Rajawali Pers.
Konstituanto A. 2012. Probabilitas Kegagalan Bank dari Aspek Manajemen dan
Keuangan [disertasi]. Bogor (ID): Sekolah Pascasarjana Manajemen Bisnis
Institut Pertanian Bogor.
Kountur R. 2008. Mudah Memahami Manajemen Risiko Perusahaan. Jakarta (US):
Penerbit PPM.
ManurungAH. 2007. Probabilitas Default Perusahaan [Internet]. [diunduh 2013 feb
20]. Tersedia Pada :
http://www.finansialbisnis.com/Data2/Riset/Probabilitas20Default%20Perus
ahaan_AHM_020608.pdf
Maruddani DAI. 2011. Credit Spreads Pada Reduced-Form Model. Jurnal Media
Statistika Volume 4.
Merton R. 1974.On the Pricing of Corporate Debt: The Risk Structure of Interest
Rates.The Journal of Finance, Vol. 29 issue 2, 449-470
MulyaningrumP. 2008. Pengaruh rasio keuangan terhadap kebangkrutan bank di
Indonesia [tesis]. Semarang (ID): Universitas Dipenegoro.
Poernamawati F. 2009. Pengaruh Risiko Kredit Terhadap Risiko Keuangan Bank-
bank Persero yang Terdaftar di Bursa Efek Indonesia. JurnalManajemen
Gajayana.
Pratiwi NS. 2010. Analisis Rasio Keuangan dalam Menentukan Financial Distress
pada Bank yang terdaftar dalam Bursa Efek Indonesia [tesis]. Bogor (ID):
Sekolah Pascasarjana Manajemen Bisnis Institut Pertanian Bogor.
Prihadi T. 2010. Analisis Laporan Keuangan. Jakarta (ID): Penerbit PPM.
Siamat D. 2005. Manajemen Lembaga Keuangan, edisi kelima.Jakarta (ID) :
Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia.
Siahaan H. 2009. Manajemen Risiko pada Perusahaan dan Birokrasi. Jakarta (ID) :
PT Elexmedia Kompotindo.
Suliyanto. 2011. Ekonometrika Terapan-Teori dan Aplikasi dengan SPSS.
Yogyakarta (ID) : Penerbit ANDI.
SumantriTJ. 2010. Manfaat Rasio Keuangan dalam Memprediksi Kepailitan Bank
Nasional. Jurnal Bisnis dan Akuntansi. Vol 12 No.1, Hlm. 39-52.
46
Republik Indonesia. 1998. Undang-Undang Republik Indonesia Nomor 10 Tahun
1998 Tentang Perbankan. Lembaran Negara RI Tahun 1998. No. 3790.
Jakarta (ID): Sekretariat Negara.
Republik Indonesia. 2004. Undang-Undang Republik Indonesia Nomor 37 Tahun
2004 Tentang Kepailitan Dan Penundaan Kewajiban Pembayaran Utang.
Lembaran Negara RI Tahun 1998. No. 4443. Jakarta (ID): Sekretariat
Negara.
Rudiyanto. 2012. Mengenal Cara Kerja Obligasi 2 Analisa Risiko Obligasi
[Internet]. Diunduh 2013 feb 20. Tersedia pada :
http://rudiyanto.blog.kontan.co.id/2012/03/11/mengenal-carra-kerja-
obligasi-2-analisa-risiko-obligasi/
Winarno WW. 2007. Analisis Ekonometrika dan Statistika dengan Eviews.
Yogyakarta (ID): YKPN.
47
Lampiran 1.Daftar istilah
1. Arbitrase harga : praktik untuk memperoleh keuntungan dari perbedaan
harga yang terjadi di antara duapasar keuangan; Arbitrase merupakan
suatu kombinasi penyesuaian transaksi atas dua pasar keuangandi
manakeuntungan yang diperoleh adalah berasal dari selisih antara harga
pasar yang satu dengan yang lainnya.
2. Bank : 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.
3. Bunga : imbalan yang dibayarkan oleh peminjam atas dana yang
diterima; bunga dinyatakan dalam persen (interest).
4. Capital Adequency Ratio (CAR) : Rasio kecukupan modal bank yang
diukur berdasarkan perbandingan antara jumlah modal dengan aktiva
tertimbang menurut risiko (ATMR).
5. Investor : Orang perorangan atau lembaga baik domestik atau non
domestik yang melakukan suatu investasi (bentuk penanaman modal
sesuai dengan jenis investasi yang dipilihnya) baik dalam jangka
pendek atau jangka panjang.
6. KMV (Kealhofer, McQuown, Vasicek Development) : Perusahaan
software komputer yang mengembangkan perhitungan probabilitas
kebangkrutan perusahaan.
7. Maturuty : Waktu jatuh tempo dari kredit.
8. Non Performing Loan (NPL) : Konsumendengan status menunggak
atau kredit macet.
9. Probability of Default (PD) : Peluang kegagalan membayar kewajiban.
10. Profitabilitas : Ukuran mengenai kemampuan perusahaan dalam
menghasilkan keuntungan selama periode tertentu.
11. Rasio : perbandingan antara dua hal yang saling berhubungan, biasanya
dalam bentuk angka; rasio, umumnya, digunakan untuk mengukur
peringkat atau posisi keuangan suatu perusahaan dan analisis untuk
pemberian kredit; sin. Nisbah.
12. Risiko Kredit : risiko yang timbul dalam hal debitur gagal memenuhi
kewajiban untuk membayar angsuran pokok ataupun bunga
sebagaimana telah disepakati dalam perjanjian kredit; disamping risiko
suku bunga, risiko kredit merupakan salah satu risiko utama dalam
pelaksanaan pemberian kredit bank.
13. Standard & poor : merupakan sebuah lembaga rating kredit yang dapat
diakses untuk umum terhadap suatu kredit dari seorang nasabah
sehubungan dengan surat hutang tertentu atau kewajiban keuangan
lainnya.Selama bertahun-tahun peringkat kredit telah mencapai
penerimaan luas investor sebagai alat yang mudah digunakan untuk
membedakan kualitas kredit.
14. Solvabilitas : Kemampuan perusahaan untuk memenuhi semua
kewajibannya. Solvabilitas menunjukan kemampuan perusahaan untuk
melunasi seluruh utang yang ada dengan menggunakan seluruh aset
yang dimilikinya.
48
Lanjutan Lampiran 1.
15. Subrime Mortage : Surat utang kepemilikan rumah atau KPR kepada
masyarakat yang memiliki kualitas kredit yang rendah tetapi
memberikan imbal hasil tinggi.
16. SUN : Surat berharga berupa surat pengakuan utang dalam mata uang
rupiah maupun valuta asing yang diterbitkan oleh Negara Republik
Indonesia.
17. Volatilitas : Standar deviasi dari perubahan nilai suatu instrumen
keuangan dengan jangka waktu spesifik; digunakan untuk mengukur
risiko dari instrumen keuangan pada suatu periode waktu tertentu.
49
Lampiran 2. Ringkasan penelitian terdahulu
Nama Peneliti Judul Penelitian Keterangan
Abdussalam
Konstituanto
(2012)
Probabilitas
Kegagalan Bank
dari Aspek
Manajemen dan
Keuangan
SAMPEL: Perusahaan Publik Sektor Perbankan di Indonesia. ANALISIS DATA:
Variabel dependen yaitu Probabilitas default
diestimasi menggunakan Merton Model.
Analisis Pengaruh menggunakan Regresi
berganda. Dengan variabel independen Rasio
solvabilitas, Rasio Aktivitas, Rasio
Profitabilitas, Rasio Efisiensi bank, Rasio
Likuiditas bank, dan variabel kualitas
manajemen.
HASIL
Analisis risiko gagal bayar dengan
menggunakan model black-scholes menunjukan
bahwa bank-bank berskala besar memiliki dana
pihak ketiga dan hutang jangka panjang cukup
besar sehingga mempunyai default probability
yang relatif tinggi. Dan dilihat dari volatilitas
aset yang tinggi.
Informasi akuntansi berupa rasio keuangan bank
mempunyai pengaruh signifikan terhadap
terjadinya gagal (PD) bayar model merton
terutama pada rasio risiko aktivitas bank
(variabel APB), rasio solvabilitas bank (CAR,
ATTM), Likuiditas (LDR) dan rasio efisiensi
bank (BOPO). Begitu pula kualitas manajemen
yang di proxy ROIC signifikan mempengaruhi
PD
Variabel tertinggi adalah variabel BOPO dan
ROIC.
Novi Sulistiyani
Pratiwi (2010)
Analisis Rasio
Keuangan dalam
Menentukan
financial distress
pada bank yang
terdaftar dalam
bursa efek
indonesia.
Analisis menggunakan rasio keuangan dan regresi
logistik.
HASIL
Rasio-rasio keuangan dapat digunakan dalam
memprediksikan financial distress suatu bank.
Variabel yang dominan menentukan financial
distress adalah Loan to Deposit Ratio (LDR),
Biaya Operasional terhadap pendapatan (BOPO),
Nett Interest Margin (NIM), dan Pemenuhan
penyisihan Penghapusan Aktiva produktif
(PPPAP).
50
Lanjutan Lampiran 2.
Nama Peneliti
(tahun)
Judul Keterangan
Purnamawati
(2009)
Pengaruh Resiko Kredit
Terhadap Kinerja
Keuangan Bank-Bank
Persero yang Terdaftar di
Bursa Efek Indonesia
SAMPEL:
Perusahaan Terbuka Sektor Perbankan di
Indonesia
METODE ANALISIS:
Menggunakan Regresi Linear Berganda,
dengan variabel dependen NPL dan
variabel independen CAMEL.
HASIL:
Hubungan kuat yang negatif antara NPL
terhadap CAMEL.
Manurung (2007) Probabilitas Default
Perusahaan SAMPEL: PerusahaanTerbuka pada LQ 45
METODE ANALISIS:
model Merton
HASIL:
Perbankan mempunyai risiko
kebangkrutan yang lebih tinggi
dibandingkan sektor yang lain.
Fernander (2005) Corporate Credit Risk
Modeling: Quantitative
Rating System and
Probability of Default
Estimation.
SAMPEL: Perusahaan tertutup di Portugis.
METODE ANALISIS Model Logit dan Model Probit.
HASIL:Variabel yang signifikan
berpengaruh terhadap risiko kredit adalah
Current Ratio, Liquidity/Asset, Debt
Service Ratio. Interest Cost/Sales, dan
Productivity Ratio.
Benos dan
Papanastasopoulo
s (2005)
Extending the Merton
Model : A Hybrid
Approach to Assessing
Credit Quality.
SAMPEL:Perusahaan Terbuka
METODE ANALISIS:
Menggunakan Perkembangan Model
Merton
HASIL: Variabel yang signifikan adalah
ROA, ukuran Aset, dan rasio hutang.
Hadad, dkk
(2004)
Probabilitas Kegagalan
Korporasi Dengan
Menggunakan Model
Merton.
SAMPEL:
Perusahaan Publik Sektor Pertanian di
Indonesia
METODE ANALISIS:
Model Merton
HASIL: Merton dapat digunakan cukup
baik sebagai sinyal awal risiko kredit.
51
Lampiran 3.Ringkasan penelitian terdahulu untuk penentuan hipotesis
No Nama Penulis Judul Variabel Koefisien
1 Konstituanto
(2012)
Probabilitas Kegagalan
Bank dari Aspek
Manajemen Keuangan
Terhadap Perbankan
Periode 2006-2010
APB +
CAR -
LDR -
BOPO +
2 Pratiwi (2010) Analisis Rasio Keuangan
dalam Menentukan
Financial Distress pada
Bank yang Terdaftar
dalam Bursa efek
Indonesia
LDR -
BOPO -
NIM -
PPPAP -
3 Sumantri dan
Teddy Jurnali
(2010)
Manfaat Rasio Keuangan
Dalam Memprediksi
Kepailitan Bank Nasional
ATTM -
PPAPAP +
ROA +
NIM +
LDR -
3 Coyne et al (2008) The early indicators of
Financial Failure: a study
of bankrupt and solvent
health system
BOPO +
4 Mulyaningrum
(2008)
Pengaruh rasio keuangan
dengan kebangkrutan
bank
ROE -
CAR -
LDR +
NPL +
BOPO +
ROA -
NIM -
5 Benos dan
Papanastasopoulos
(2005)
Extending the Merton
Model: A Hybrid
Approach to Assessing
Credit Quality
ROA -
Rasio Hutang +
6 Blocwitz (2000) Benchmarking Deutsche
Bundesbank’s Default
Risk Model, The KMV
Private Firm Model and
Common Financial Ratio
for German Corporations.
CAR -
ROE -
7 Estrela, et al
(2000)
Capital ratios as
predictors of bank failure
CAR -
52
Lam
pir
an 4
. A
lur
pik
ir p
enel
itia
n
53
Lampiran 5. Perkembangan rasio keuanganperbankan
Grafik perkembangan BOPO
Grafik perkembangan NPL
Grafik perkembangan ROA
0
20
40
60
80
100
Q1Q2Q3Q4Q1Q2Q3Q4Q1Q2Q3Q4Q1Q2Q3Q4
2009 2010 2011 2012
BO
PO
(%)
BOPO
BOPO Bank BRI
BOPO BMRI
BOPO BDNM
BOPO BJBR
Standart BI
0
1
2
3
4
5
6
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
2009 2010 2011 2012
NP
L (%
)
NPL
BBRI
BMRI
BDNM
BJBR
Standart BI
0
1
2
3
4
5
6
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
2009 2010 2011 2012
RO
A(%
)
ROA
BBRI
BMRI
BDNM
BJBR
Standart BI
54
Lanjutan Lampiran 5.
Grafik perkembangan NPL
Grafik perkembangan CAR
Grafik perkembangan APB
0
20
40
60
80
100
120
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
2009 2010 2011 2012
NP
L (%
)
NPL
BBRI
BMRI
BDNM
BJBR
batas atas
batas bawah
0
5
10
15
20
25
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
2009 2010 2011 2012
CA
R(%
)
CAR
BBRI
BMRI
BDNM
BJBR
batas bawah
0
1
2
3
4
5
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
2009 2010 2011 2012
AP
B(%
)
APB
BBRI
BMRI
BDNM
BJBR
batas bawah
55
Lanjutan Lampiran 5.
Grafik perkembangan ATTM
Grafik perkembangan NIM
0
5
10
15
20
25
30
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
2009 2010 2011 2012
ATT
M(%
)
ATTM
BBRI
BMRI
BDNM
BJBR
batas bawah
0
2
4
6
8
10
12
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
2009 2010 2011 2012
NIM
(%)
NIM
BBRI
BMRI
BDNM
BJBR
batas bawah
56
ASE
T PA
SAR
EKU
ITAS
PAS
ARDP
TDD
%PD
bpRA
NKI
NG
OBL
IGAS
I
2009
Q1
63.0
00.0
00.0
00.0
00Rp
61.7
55.4
52.2
87.7
75Rp
1.24
4.54
7.71
2.22
5Rp
3,86
3048
0,00
5599
%0,
5599
05AA
A
Q2
94.5
00.0
00.0
00.0
00Rp
93.1
57.6
45.0
54.1
30Rp
1.34
2.35
4.94
5.87
0Rp
3,79
7127
0,00
7319
%0,
7319
13AA
A
Q3
112.
500.
000.
000.
000
Rp
111.
084.
444.
291.
915
Rp
1.41
5.55
5.70
8.08
5Rp
4,29
4586
0,00
0875
%0,
0875
1AA
A
Q4
114.
750.
000.
000.
000
Rp
113.
304.
945.
292.
716
Rp
1.44
5.05
4.70
7.28
4Rp
4,37
247
0,00
0614
%0,
0614
24AA
A
2010
Q1
123.
750.
000.
000.
000
Rp
122.
281.
271.
323.
672
Rp
1.46
8.72
8.67
6.32
8Rp
4,41
9647
0,00
0494
%0,
0494
31AA
A
Q2
139.
500.
000.
000.
000
Rp
138.
007.
209.
509.
928
Rp
1.49
2.79
0.49
0.07
2Rp
4,50
359
0,00
0334
%0,
0334
08AA
A
Q3
150.
000.
000.
000.
000
Rp
148.
482.
753.
497.
521
Rp
1.51
7.24
6.50
2.47
9Rp
4,58
1601
0,00
0231
%0,
0230
72AA
A
Q4
157.
500.
000.
000.
000
Rp
155.
957.
896.
828.
393
Rp
1.54
2.10
3.17
1.60
7Rp
4,62
0368
0,00
0192
%0,
0191
53AA
A
2011
Q1
345.
000.
000.
000.
000
Rp
343.
533.
719.
556.
265
Rp
1.46
6.28
0.44
3.73
5Rp
3,98
6971
0,00
3346
%0,
3346
11AA
A
Q2
390.
000.
000.
000.
000
Rp
388.
420.
833.
493.
114
Rp
1.57
9.16
6.50
6.88
6Rp
5,48
2298
0,00
0002
%0,
0002
1AA
A
Q3
351.
000.
000.
000.
000
Rp
349.
393.
958.
942.
028
Rp
1.60
6.04
1.05
7.97
2Rp
5,36
7248
0,00
0004
%0,
0004
AAA
Q4
405.
000.
000.
000.
000
Rp
403.
366.
627.
034.
804
Rp
1.63
3.37
2.96
5.19
6Rp
5,48
1492
0,00
0002
%0,
0002
11AA
A
2012
Q1
417.
000.
000.
000.
000
Rp
415.
296.
422.
393.
971
Rp
1.70
3.57
7.60
6.02
9Rp
5,49
8806
0,00
0002
%0,
0001
91AA
A
Q2
381.
000.
000.
000.
000
Rp
379.
267.
791.
505.
885
Rp
1.73
2.20
8.49
4.11
5Rp
5,38
258
0,00
0004
%0,
0003
67AA
A
Q3
447.
000.
000.
000.
000
Rp
445.
242.
711.
175.
793
Rp
1.75
7.28
8.82
4.20
7Rp
5,50
9807
0,00
0002
%0,
0001
8AA
A
Q4
417.
000.
000.
000.
000
Rp
415.
217.
267.
712.
186
Rp
1.78
2.73
2.28
7.81
4Rp
5,44
9928
0,00
0003
%0,
0002
52AA
A
Rp2.
000.
000.
000.
000
2009
2014
PT B
ank
Raky
at In
done
sia
Tbk
Perio
de Face
valu
e of
the
bond
List
ing
date
mat
urity
dat
e
Lam
pir
an 6
. D
ata
Has
il K
MV
Mer
ton
Rin
gkas
an h
asil
KM
V M
erto
n P
T B
ank R
akyat
In
dones
ia T
bk
57
ASET
PAS
AREK
UITA
S PAS
ARDP
TDD
%PD
bpRA
NKIN
G OB
LIGAS
I
2009
Q1Rp
68.4
48.0
00.0
00.0
00Rp
66.6
01.3
22.7
03.1
43Rp
1.84
6.67
7.29
6.85
73,
6093
50,
0153
%1,
5348
24AA
A
Q2Rp
99.9
04.0
00.0
00.0
00Rp
97.8
72.0
15.3
64.3
43Rp
2.03
1.98
4.63
5.65
73,
8898
680,
0050
%0,
5014
93AA
A
Q3Rp
147.
904.
000.
000.
000
Rp14
5.73
2.38
4.62
7.66
8Rp
2.17
1.61
5.37
2.33
24,
2187
760,
0012
%0,
1228
16AA
A
Q4Rp
147.
904.
000.
000.
000
Rp14
5.68
3.43
2.11
2.18
1Rp
2.22
0.56
7.88
7.81
94,
1975
830,
0013
%0,
1348
9AA
A
2010
Q1Rp
168.
352.
000.
000.
000
Rp16
6.09
5.05
3.10
5.09
6Rp
2.25
6.94
6.89
4.90
44,
3108
550,
0008
%0,
0813
12AA
A
Q2Rp
188.
800.
000.
000.
000
Rp18
6.50
6.07
8.10
9.85
6Rp
2.29
3.92
1.89
0.14
44,
4077
360,
0005
%0,
0522
28AA
A
Q3Rp
226.
560.
000.
000.
000
Rp22
4.22
8.49
7.36
2.53
8Rp
2.33
1.50
2.63
7.46
24,
5748
850,
0002
%0,
0238
24AA
A
Q4Rp
204.
544.
000.
000.
000
Rp20
2.17
4.30
0.93
9.25
6Rp
2.36
9.69
9.06
0.74
44,
4567
670,
0004
%0,
0416
02AA
A
2011
Q1Rp
217.
600.
000.
000.
000
Rp21
5.21
4.45
0.16
8.32
2Rp
2.38
5.54
9.83
1.67
84,
5114
320,
0003
%0,
0321
96AA
A
Q2Rp
230.
400.
000.
000.
000
Rp22
7.98
5.44
9.91
7.52
6Rp
2.41
4.55
0.08
2.47
44,
5575
880,
0003
%0,
0258
72AA
A
Q3Rp
201.
600.
000.
000.
000
Rp19
9.14
4.35
8.65
2.44
5Rp
2.45
5.64
1.34
7.55
54,
4048
520,
0005
%0,
0529
28AA
A
Q4Rp
216.
000.
000.
000.
000
Rp21
3.50
2.56
8.08
8.52
7Rp
2.49
7.43
1.91
1.47
34,
4579
170,
0004
%0,
0413
8AA
A
2012
Q1Rp
219.
200.
000.
000.
000
Rp21
6.54
7.03
0.35
0.12
9Rp
2.65
2.96
9.64
9.87
14,
4137
240,
0005
%0,
0508
04AA
A
Q2Rp
230.
400.
000.
000.
000
Rp22
7.69
7.94
3.98
9.77
7Rp
2.70
2.05
6.01
0.22
34,
4450
970,
0004
%0,
0439
26AA
A
Q3Rp
262.
400.
000.
000.
000
Rp25
9.65
8.82
1.41
4.81
3Rp
2.74
1.17
8.58
5.18
74,
5607
120,
0003
%0,
0254
9AA
A
Q4Rp
259.
200.
000.
000.
000
Rp25
6.41
9.13
2.39
1.23
8Rp
2.78
0.86
7.60
8.76
24,
5343
470,
0003
%0,
0288
91AA
A
Rp3.
500.
000.
000.
000
2009
2016
PT B
ank M
andi
ri Tb
kPe
riode Fa
ceva
lue
of th
e bo
nd
Listin
g dat
e
mat
urity
dat
e
Lan
juta
n L
ampir
an 6
.
Rin
gkas
an h
asil
KM
V M
erto
n P
T B
ank M
andir
i T
bk
58
ASET
PAS
AREK
UIT
AS P
ASAR
DPT
DD%
PDbp
RAN
KIN
G
2009
Q1
Rp92
.086
.880
.000
.000
90.1
94.6
71.9
69.6
89Rp
1.89
2.20
8.03
0.31
1Rp
3,88
0251
0,00
522%
0,52
1744
AAA
Q2
Rp18
8.14
9.60
0.00
0.00
018
6.12
9.05
0.67
5.67
0Rp
2.
020.
549.
324.
330
Rp
4,
5292
810,
0003
0%0,
0295
92AA
A
Q3
Rp19
3.04
9.12
0.00
0.00
019
0.93
2.48
4.60
4.14
7Rp
2.
116.
635.
395.
853
Rp
4,
5117
170,
0003
2%0,
0321
52AA
A
Q4
Rp17
7.42
6.88
0.00
0.00
017
5.26
7.93
5.55
9.75
0Rp
2.
158.
944.
440.
250
Rp
4,
4083
590,
0005
2%0,
0520
78AA
A
2010
Q1
Rp20
2.76
7.84
0.00
0.00
020
0.57
3.52
6.11
4.15
9Rp
2.
194.
313.
885.
841
Rp
4,
5248
450,
0003
0%0,
0302
2AA
A
Q2
Rp21
0.59
9.04
0.00
0.00
020
8.36
8.77
7.21
9.80
7Rp
2.
230.
262.
780.
193
Rp
4,
5463
30,
0002
7%0,
0272
95AA
A
Q3
Rp22
6.18
1.12
0.00
0.00
022
3.91
4.31
9.38
3.73
0Rp
2.
266.
800.
616.
270
Rp
4,
6023
390,
0002
1%0,
0208
89AA
A
Q4
Rp22
2.28
5.60
0.00
0.00
021
9.98
1.66
2.95
7.44
3Rp
2.
303.
937.
042.
557
Rp
4,
5683
310,
0002
5%0,
0245
81AA
A
2011
Q1
Rp25
5.41
7.60
0.00
0.00
025
3.08
6.62
6.28
4.68
7Rp
2.
330.
973.
715.
313
Rp
4,
6956
30,
0001
3%0,
0132
89AA
A
Q2
Rp23
3.97
2.16
0.00
0.00
023
1.60
6.94
3.84
0.38
6Rp
2.
365.
216.
159.
614
Rp
4,
5932
620,
0002
2%0,
0218
19AA
A
Q3
Rp18
4.73
6.00
0.00
0.00
018
2.33
0.53
2.14
9.23
5Rp
2.
405.
467.
850.
765
Rp
4,
3403
30,
0007
1%0,
0711
34AA
A
Q4
Rp16
4.65
6.00
0.00
0.00
016
2.20
9.59
5.44
7.27
3Rp
2.
446.
404.
552.
727
Rp
4,
2086
560,
0012
8%0,
1284
47AA
A
2012
Q1
Rp18
4.73
6.00
0.00
0.00
018
2.20
7.72
7.95
3.44
3Rp
2.
528.
272.
046.
557
Rp
4,
2909
690,
0008
9%0,
0889
48AA
A
Q2
Rp24
0.96
0.00
0.00
0.00
023
8.39
1.37
8.38
8.26
3Rp
2.
568.
621.
611.
737
Rp
4,
5393
260,
0002
8%0,
0282
17AA
A
Q3
Rp25
1.00
0.00
0.00
0.00
024
8.39
4.18
7.78
5.55
9Rp
2.
605.
812.
214.
441
Rp
4,
5676
020,
0002
5%0,
0246
67AA
A
Q4
Rp22
6.90
4.00
0.00
0.00
022
4.26
0.45
8.70
6.91
8Rp
2.
643.
541.
293.
082
Rp
4,
4522
390,
0004
2%0,
0424
9AA
A
2.80
0.00
0.00
0.00
0Rp
2009
2013
mat
urity
dat
e
PT B
ank
Dana
mon
Indo
nesi
a Tb
kPe
riode Fa
ceva
lue
of th
e bo
nd
List
ing
date
Lan
juta
n L
ampir
an 6
.
Rin
gkas
an h
asil
KM
V M
erto
n P
T B
ank D
anam
on I
ndones
ia T
bk
59
ASET
PAS
AREK
UITA
S PAS
ARDP
TDD
%PD
bpRa
nkin
g
2009
Q129
.020
.102
.000
.000
Rp
27
.946
.420
.134
.752
Rp
1.
073.
681.
865.
248
Rp
3,
2932
060,
0000
0%4,
9525
93A
Q224
.074
.867
.000
.000
Rp
22
.869
.578
.765
.187
Rp
1.
205.
288.
234.
813
Rp
2,
9912
010,
0000
0%13
,894
11BB
B
Q332
.364
.703
.000
.000
Rp
31
.059
.301
.829
.315
Rp
1.
305.
401.
170.
685
Rp
3,
2078
610,
0000
0%6,
6863
14A
Q432
.749
.332
.000
.000
Rp
31
.412
.277
.931
.651
Rp
1.
337.
054.
068.
349
Rp
3,
1971
790,
0000
0%6,
9389
33A
2010
Q135
.824
.272
.000
.000
Rp
34
.465
.313
.310
.003
Rp
1.
358.
958.
689.
997
Rp
3,
2699
90,
0000
0%5,
3775
7A
Q247
.841
.780
.000
.000
Rp
46
.460
.557
.830
.429
Rp
1.
381.
222.
169.
571
Rp
3,
5214
820,
0000
0%2,
1457
07A
Q341
.388
.361
.000
.000
Rp
39
.984
.510
.613
.850
Rp
1.
403.
850.
386.
150
Rp
3,
3772
320,
0000
0%3,
6609
6A
Q424
.960
.000
.000
.000
Rp
23
.533
.150
.684
.872
Rp
1.
426.
849.
315.
128
Rp
2,
8600
470,
0000
0%21
,178
88BB
2011
Q123
.200
.000
.000
.000
Rp
21
.768
.386
.584
.732
Rp
1.
431.
613.
415.
268
Rp
2,
7825
660,
0000
0%26
,965
48BB
Q220
.320
.000
.000
.000
Rp
18
.873
.396
.004
.600
Rp
1.
446.
603.
995.
400
Rp
2,
6413
080,
0000
0%41
,293
35BB
Q319
.040
.000
.000
.000
Rp
17
.568
.777
.427
.138
Rp
1.
471.
222.
572.
862
Rp
2,
5570
730,
0000
0%52
,778
58BB
Q414
.400
.000
.000
.000
Rp
12
.903
.739
.886
.118
Rp
1.
496.
260.
113.
882
Rp
2,
2612
40,
0000
0%11
8,72
2B
2012
Q114
.560
.000
.000
.000
Rp
12
.941
.145
.602
.008
Rp
1.
618.
854.
397.
992
Rp
2,
1952
810,
0000
0%14
0,71
71B
Q217
.760
.000
.000
.000
Rp
16
.108
.442
.573
.861
Rp
1.
651.
557.
426.
139
Rp
2,
3707
170,
0000
0%88
,768
09B
Q314
.720
.000
.000
.000
Rp
13
.044
.529
.975
.837
Rp
1.
675.
470.
024.
164
Rp
2,
1721
520,
0000
0%14
9,22
08B
Q417
.600
.000
.000
.000
Rp
15
.900
.271
.151
.677
Rp
1.
699.
728.
848.
323
Rp
2,
3364
980,
0000
0%97
,326
51B
2.40
0.00
0.00
0.00
0Rp
2009
2018
Face
valu
e of
the
bond
Listin
g dat
e
mat
urity
dat
e
PT B
PD Ja
wa B
arat
dan
Ban
ten
Tbk
Perio
de
Lan
juta
n L
ampir
an 6
.
Rin
gkas
an h
asil
KM
V M
erto
n P
T B
PT
Jaw
a B
arat
dan
Ban
ten T
bk
60
Lampiran 7. PD dan perankingan
Perkembangan probabilitas default (PD) dan ranking BBRI
Perkembangan probabilitas default (PD) dan ranking BMRI
0,000
0,005
0,010
0,015
0,020
0,025
0,030
0,035
0,040
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
2009 2010 2011 2012
BBRI
AAA
AA
0
0,005
0,01
0,015
0,02
0,025
0,03
0,035
0,04
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
2009 2010 2011 2012
BMRI
AAA
AA
61
Lanjutan Lampiran 7.
Perkembangan probabilitas default (PD) dan ranking BDNM
Perkembangan probabilitas default (PD) dan ranking BJBR
0
0,005
0,01
0,015
0,02
0,025
0,03
0,035
0,04
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
2009 2010 2011 2012
BDNM
AAA
AA
00,10,20,30,40,50,60,70,80,9
11,11,21,31,41,51,61,71,81,9
2
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
2009 2010 2011 2012
BJBR
AAA
A
BBB
BB
B
62
Lampiran 8. Grafik pemodelan KMV Merton
PT. Bank Rakyat Indonesia, Tbk
(dalam triliun)
PT. Bank Mandiri, Tbk
(dalam triliun)
63
Lanjutan Lampiran 8.
PT. Bank Danamon Indonesia
(dalam triliun)
PT. BPD Jawa Barat Dan Banten
(dalam triliun)
64
Lampiran 9. Hasil regresi
Dependent Variable: PD?
Method: Pooled Least Squares
Date: 05/17/13 Time: 11:33
Sample: 2009Q1 2012Q4
Included observations: 16
Cross-sections included: 4
Total pool (balanced) observations: 64 Cross-section weights (PCSE) standard errors & covariance (d.f.
corrected) Variable Coefficient Std. Error t-Statistic Prob. C -67.81224 23.15548 -2.928561 0.0050
APB? -0.986774 0.899221 -1.097365 0.2775 BOPO? 20.20892 4.625202 4.369305 0.0001 NPL? 0.195681 0.307227 0.636928 0.5270 ROA? 0.394706 1.274494 0.309696 0.7580 LDR? -3.206962 2.240760 -1.431194 0.1584
ATTM? -2.627339 0.817008 -3.215808 0.0022 CAR? -1.026148 1.295423 -0.792133 0.4319 NIM? -0.219733 2.865297 -0.076688 0.9392
Fixed Effects (Cross)
_BBRI—C 1.211484
_BMRI—C -0.158600
_BDNM –C -3.477491
_BJBR—C 2.424607
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.883417 Mean dependent var -6.543379
Adjusted R-squared 0.858755 S.D. dependent var 3.574194 S.E. of regression 1.343273 Akaike info criterion 3.595456 Sum squared resid 93.82790 Schwarz criterion 4.000247 Log likelihood -103.0546 Hannan-Quinn criter. 3.754924 F-statistic 35.82130 Durbin-Watson stat 1.623668
Prob(F-statistic) 0.000000
65
Lampiran 10. Komposisi penyaluran kredit perbankan
Penyaluran kredit BBRI
Penyaluran kredit BMRI
0,00%10,00%20,00%30,00%40,00%50,00%60,00%70,00%80,00%90,00%
100,00%
Komposisi Kredit yang Diberikan BBRI
2009
2010
2011
2012
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
Komposisi Kredit yang diberikan oleh BMRI
2009
2010
2011
2012
66
Lanjutan Lampiran 10.
Penyaliran kredit BDNM
Penyaluran kredit BJBR
0,00%
5,00%
10,00%
15,00%
20,00%
25,00%
30,00%
35,00%
40,00%
45,00%
50,00%
KreditModal Kerja
pinjamansindikasi
KreditInvestasi
pijamankepadapersonil
manajemenkunci
Kreditkonsumsi
ekspor
Komposisi Kredit yang Diberikan BDNM
2009
2010
2011
2012
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
60,00%
70,00%
80,00%
KreditModal Kerja
pinjamansindikasi
KreditInvestasi
pijamankaryawan
Kreditkonsumsi
Kreditprogram
pemerintah
Komposisi Kredit yang Diberikan oleh BJBR
2009
2010
2011
2012
67
RIWAYAT HIDUP
Penulis dilahirkan di Bogor, Jawa Barat pada tanggal 9 April 1988. Penulis
adalah anak kedua dari tiga bersaudara pasangan Ir. Agus Dwitiyandi Gozali, MS.c
dan Nia Selvinia Gozali. Penulis bertempat tinggal di Jalan Pemda Raya Komplek
PGRI No 14 Kedung Halang, Bogor Utara, Bogor. Pendidikan dasar diselesaikan
pada tahun 1999 Di SD Negeri No 107429 Pondok Kotangan, Medan, Sumatera
Utara. Pendidikan lanjutan menengah pertama diselesaikan pada tahun 2002 di
SLTP Negeri 2 Lubukpakam, Medan, Sumatera Utara. Pada tahun 2005 penulis
lulus dari SMU Negeri 1 Lubukpakam, Medan, Sumatera Utara dan melanjutkan
pendidikan pada Program Diploma III Supervisor Jaminan Mutu Pangan. Pada tahun
2008 penulis melanjutkan pendidikannya pada Program Studi Sarjana Manajemen
Penyelenggaraan Khusus, Departemen Manajemen, Fakultas Ekonomi dan
Manajemen. Dan diselesaikan pada tahun 2010. Dan melanjutkan program
Masternya di Sekolah Pascasarjana, Institut Pertanian Bogor, Mayor Ilmu
Manajemen pada tahun 2011.
Penulis aktif dalam organisasi selama menuntut ilmu di IPB, yaitu sebagai
Staf Departemen Operasi dan Kewirausahaan Extension Of Management (EXOM)
club periode 2008-2009 serta sebagai Bendahara Eksekutif Of Management (EXOM)
club periode 2009-2010. Untuk memperoleh gelar Sarjana Ekonomi dari IPB,
penulis menulis skripsi dengan judul Analisis Keputusan Investasi Perbaikan Mesin
pada Pabrik Teh Hitam di Pusat Penelitian Teh dan Kina, Gambung, Bandung, Jawa
Barat. Selanjutnya, Dalam memperoleh gelas Master of Science dari IPB, penulis
menulis Tesis dengan judul Analisis Pengaruh Rasio Keuangan Terhadap
Probabilitas Kebangkrutan dari Sektor Perbankan pada Kelompok LQ 45 di BEI.
Serta menyelesaikannya pada tahun 2013.