Model Persamaan Simultan antara Capital Requirements dan Prilaku Risiko pada Bank yang Terdaftar di BEI
LAMPIRAN 1
Data Hasil Olahan Populasi No. Kode
Bank
Nama Bank Kriteria
1
Kriteria 2
Sampel terpilih 1. AGRO Bank Rakyat Indonesia Agro Niaga Tbk ✓ ✓ ✓
2. AGRS Bank Agris Tbk x ✓ x
3. BABP Bank MNC Internasional Tbk ✓ ✓ ✓
4. BACA Bank Capital Indonesia Tbk ✓ ✓ ✓
5. BBCA Bank Central Asia Tbk ✓ ✓ ✓
6. BBHI Bank Harda Internasional Tbk x ✓ X
7. BBKP Bank Bukopin Tbk ✓ ✓ ✓
8. BBMD Bank Mestika Dharma Tbk x ✓ X
9. BBNI Bank Negara Indonesia (Persero) Tbk ✓ ✓ ✓
10. BBNP Bank Nusantara Parahyangan Tbk ✓ ✓ ✓
11. BBRI Bank Rakyat Indonesia (Persero) Tbk ✓ ✓ ✓ 12. BBTN Bank Tabungan Negara (Persero) Tbk ✓ ✓ ✓
13. BBYB Bank Yudha Bakti Tbk x ✓ X
14. BCIC Bank Mutiara Tbk ✓ ✓ ✓
15. BDMN Bank Danamon Indonesia Tbk ✓ ✓ ✓
(2)
17. BINA Bank Ina Perdana Tbk x ✓ X
18. BJBR Bank Jabar Banten Tbk x ✓ X
19. BJTM Bank Pembangunan Daerah Jawa Timur Tbk x ✓ X
20. BKSW Bank Kesawan Tbk ✓ ✓ ✓
21. BMAS Bank Maspion Indonesia Tbk x ✓ X
22. BMRI Bank Mandiri (Persero) Tbk ✓ ✓ ✓
23. BNBA Bank Bumi Arta Tbk ✓ ✓ ✓
24. BNGA Bank CIMB Niaga Tbk ✓ ✓ ✓
25. BNII Bank Internasional Indonesia Tbk ✓ ✓ ✓
26. BNLI Bank Permata Tbk ✓ ✓ ✓
27. BSIM Bank Sinar Mas Tbk x ✓ X
28. BSWD Bank Swadesi Tbk ✓ ✓ ✓
29. BTPN Bank Tabungan Pensiunan Nasional Tbk ✓ ✓ ✓ 30. BVIC Bank Victoria Internasional Tbk ✓ ✓ ✓
31. DNAR Bank Dinar Indonesia Tbk x ✓ X
32. INPC Bank Artha Graha Internasional Tbk ✓ ✓ ✓ 33. MAYA Bank Mayapada Internasional Tbk ✓ ✓ ✓ 34. MCOR Bank Windu Kentjana International Tbk ✓ ✓ ✓
35. MEGA Bank Mega Tbk ✓ ✓ ✓
36. NAGA Bank Mitraniaga Tbk x ✓ X
37. NISP Bank NISP OCBC Tbk ✓ ✓ ✓
(3)
39. PNBN Bank Pan Indonesia Tbk ✓ ✓ ✓ 40. PNBS Bank Pan Indonesia Syariah Tbk x ✓ X 41. SDRA Bank Woori Saudara Indonesia 1906 Tbk ✓ ✓ ✓
(4)
LAMPIRAN 2
Hasil Eviews Statistik Deskriptif
PR LLOSS RCWAS RCWA ROA RS SIZE
Mean 0.673903 0.003912 0.165218 0.161986 1.387073 0.659966 17.18703 Median 0.676002 -0.002944 0.153251 0.153251 1.725000 0.660800 16.98237 Maximum 1.164692 1.181419 0.503678 0.464897 5.150000 1.164692 20.56666 Minimum 0.326684 -0.052979 -0.222923 -0.222923 -52.09000 0.295938 14.12217 Std. Dev. 0.112118 0.088884 0.068095 0.060987 4.515951 0.127761 1.747816 Skewness 0.104116 12.88875 1.023086 0.507066 -9.460284 0.212538 0.105049 Kurtosis 4.353211 171.1243 14.55972 17.14818 110.0630 4.184997 1.841941 Jarque-Bera 14.21527 219387.7 1045.089 1525.763 89638.52 12.01889 10.50474 Probability 0.000819 0.000000 0.000000 0.000000 0.000000 0.002455 0.005235 Sum 122.6504 0.712026 30.06974 29.48142 252.4473 120.1138 3128.040 Sum Sq. Dev. 2.275246 1.429973 0.839291 0.673220 3691.281 2.954434 552.9296 Observations 182 182 182 182 182 182 182
(5)
LAMPIRAN 3
Hasil Eviews Uji Hausman Test
Dependent Variable: RCWA Method: Panel Least Squares Date: 02/08/16 Time: 20:25 Sample: 2008 2014
Periods included: 7
Cross-sections included: 26
Total panel (balanced) observations: 182
Variable Coefficient Std. Error t-Statistic Prob. C 0.218319 0.037609 5.805012 0.0000 ROA 0.005859 0.000785 7.468056 0.0000 SIZE -0.006955 0.002051 -3.390405 0.0009 RCWAS 0.333384 0.050936 6.545113 0.0000 RES -0.256339 0.049231 -5.206899 0.0000 R-squared 0.449302 Mean dependent var 0.161986 Adjusted R-squared 0.436857 S.D. dependent var 0.060987 S.E. of regression 0.045767 Akaike info criterion -3.303437 Sum squared resid 0.370741 Schwarz criterion -3.215415 Log likelihood 305.6128 Hannan-Quinn criter. -3.267754 F-statistic 36.10259 Durbin-Watson stat 2.219574 Prob(F-statistic) 0.000000
(6)
LAMPIRAN 4
Hasil Eviews Two Stage Least Square (2SLS) Capital Requirements
Dependent Variable: RCWA
Method: Panel Two-Stage Least Squares Date: 02/08/16 Time: 20:27
Sample: 2008 2014 Periods included: 7
Cross-sections included: 26
Total panel (balanced) observations: 182
Instrument specification: C ROA SIZE RCWAS LLOSS RS Constant added to instrument list
Variable Coefficient Std. Error t-Statistic Prob. C 0.258710 0.048004 5.389373 0.0000 ROA 0.005309 0.000898 5.914787 0.0000 SIZE -0.006492 0.002148 -3.021950 0.0029 RCWAS 0.314229 0.054392 5.777103 0.0000 PR -0.065924 0.045820 -1.438755 0.1520 R-squared 0.409662 Mean dependent var 0.161986 Adjusted R-squared 0.396321 S.D. dependent var 0.060987 S.E. of regression 0.047385 Sum squared resid 0.397428 F-statistic 26.19535 Durbin-Watson stat 2.195824 Prob(F-statistic) 0.000000 Second-Stage SSR 0.422881 Instrument rank 6
(7)
LAMPIRAN 5
Hasil Eviews Two Stage Least Square (2SLS) Perubahan Risiko
Dependent Variable: PR
Method: Panel Two-Stage Least Squares Date: 02/08/16 Time: 20:28
Sample: 2008 2014 Periods included: 7
Cross-sections included: 26
Total panel (balanced) observations: 182
Instrument specification: C ROA SIZE RCWAS LLOSS RS Constant added to instrument list
Variable Coefficient Std. Error t-Statistic Prob. C -0.199813 0.159834 -1.250132 0.2129 LLOSS 0.893337 0.159841 5.588907 0.0000 SIZE 0.013575 0.004976 2.728269 0.0070 RS 0.720011 0.071869 10.01839 0.0000 RCWA 0.998349 0.380400 2.624470 0.0094 R-squared 0.253517 Mean dependent var 0.673903 Adjusted R-squared 0.236648 S.D. dependent var 0.112118 S.E. of regression 0.097957 Sum squared resid 1.698432 F-statistic 71.91417 Durbin-Watson stat 1.844007 Prob(F-statistic) 0.000000 Second-Stage SSR 0.866701 Instrument rank 6
(8)
LAMPIRAN 6
Tabel Pengolahan Data Skripisi
Model Persamaan Simultan antara Capital Requirements dan Prilaku Risiko pada Bank yang Terdaftar di BEI
Periode 2008-2014
Kode
Bank Tahun RCWA SIZE PR LLOSS ROA RCWAS RS
AGRO 2008 0.135085 14.764242 0.767823 -0.017040 0.110000 0.172700 0.833209 AGRO 2009 0.196268 14.908003 0.633818 -0.014735 0.180000 0.135085 0.767823 AGRO 2010 0.144200 14.931993 0.631281 0.011491 0.670000 0.196268 0.633818 AGRO 2011 0.163923 15.062875 0.535268 0.004582 1.390000 0.144200 0.631281 AGRO 2012 0.148004 15.211790 0.592339 -0.009647 1.630000 0.163923 0.535268 AGRO 2013 0.215985 15.449460 0.761897 -0.005697 1.660000 0.148004 0.592339 AGRO 2014 0.190620 15.669492 0.741389 -0.006243 1.530000 0.215985 0.761897 BABP 2008 0.117759 15.654134 0.739510 -0.005082 0.090000 0.118619 0.736130 BABP 2009 0.111936 15.762235 0.723608 -0.008878 0.180000 0.117759 0.739510 BABP 2010 0.126334 15.974214 0.705257 -0.007737 0.510000 0.111936 0.723608 BABP 2011 0.104706 15.803361 0.713965 -0.018879 -1.640000 0.126334 0.705257 BABP 2012 0.112121 15.821548 0.730233 -0.004501 0.090000 0.104706 0.713965 BABP 2013 0.130850 15.915473 0.712887 -0.011814 -0.930000 0.112121 0.730233 BABP 2014 0.177864 16.059435 0.712856 0.004489 -0.820000 0.130850 0.712887 BACA 2008 0.256239 14.348354 0.442898 0.004412 0.992973 0.503678 0.295938 BACA 2009 0.446215 15.056543 0.326684 0.001032 1.420000 0.256239 0.442898 BACA 2010 0.292933 15.296980 0.432653 0.001608 0.740000 0.446215 0.326684 BACA 2011 0.215763 15.361996 0.595552 0.002356 0.840000 0.292933 0.432653 BACA 2012 0.179969 15.550025 0.612443 0.000069 1.104113 0.215763 0.595552 BACA 2013 0.201291 15.781122 0.593350 -0.001348 3.800000 0.179969 0.612443 BACA 2014 0.164348 16.040326 0.608909 -0.000079 3.900000 0.201291 0.593350 BBCA 2008 0.157821 19.319092 0.538653 -0.007143 3.430000 0.192235 0.443595 BBCA 2009 0.153263 19.458808 0.527553 -0.007941 3.500000 0.157821 0.538653 BBCA 2010 0.135000 19.597547 0.632976 0.001027 3.800000 0.153263 0.527553 BBCA 2011 0.127473 19.760691 0.718157 -0.001464 3.800000 0.135000 0.632976 BBCA 2012 0.142359 19.909067 0.696123 -0.001126 3.600000 0.127473 0.718157 BBCA 2013 0.156594 20.022700 0.723273 -0.004061 3.800000 0.142359 0.696123 BBCA 2014 0.168565 20.129826 0.728531 -0.004054 3.900000 0.156594 0.723273 BBKP 2008 0.103581 17.300837 0.556916 -0.002719 1.660000 0.128356 0.439182 BBKP 2009 0.143625 17.431102 0.442827 0.000072 1.460000 0.103581 0.556916 BBKP 2010 0.120581 17.676016 0.465985 -0.002889 1.620000 0.143625 0.442827
(9)
BBKP 2011 0.127061 17.861775 0.539519 -0.002979 1.870000 0.120581 0.465985 BBKP 2012 0.163394 18.000455 0.542256 -0.002366 1.830000 0.127061 0.539519 BBKP 2013 0.151244 18.056228 0.625832 0.001502 1.750000 0.163394 0.542256 BBKP 2014 0.142051 18.185607 0.614178 -0.002249 1.330000 0.151244 0.625832 BBNI 2008 0.135872 19.122496 0.642518 -0.021605 1.100000 0.157373 0.595985 BBNI 2009 0.137660 19.242647 0.616333 -0.017806 1.700000 0.135872 0.642518 BBNI 2010 0.186270 19.331277 0.637255 -0.014600 2.490000 0.137660 0.616333 BBNI 2011 0.176329 19.516149 0.619956 -0.008094 2.940000 0.186270 0.637255 BBNI 2012 0.166702 19.624564 0.705492 -0.013575 2.920000 0.176329 0.619956 BBNI 2013 0.150939 19.773043 0.746446 -0.007003 3.360000 0.166702 0.705492 BBNI 2014 0.162172 19.847574 0.745331 -0.008743 3.490000 0.150939 0.746446 BBNP 2008 0.141410 15.122441 0.683281 0.000481 1.170000 0.176160 0.478958 BBNP 2009 0.125633 15.175563 0.782527 0.001027 1.020000 0.141410 0.683281 BBNP 2010 0.129378 15.479864 0.782929 -0.002244 1.400000 0.125633 0.782527 BBNP 2011 0.134460 15.698427 0.727539 -0.001501 1.396059 0.129378 0.782929 BBNP 2012 0.121735 15.921132 0.721838 -0.003792 1.570000 0.134460 0.727539 BBNP 2013 0.157492 16.116668 0.719802 -0.004303 1.580000 0.121735 0.721838 BBNP 2014 0.166030 16.063521 0.762949 -0.001290 1.320000 0.157492 0.719802 BBRI 2008 0.131801 19.321155 0.591607 -0.011743 4.180000 0.166618 0.502527 BBRI 2009 0.131966 19.574245 0.546047 -0.017105 3.730000 0.131801 0.591607 BBRI 2010 0.137605 19.817632 0.570010 -0.019492 4.640000 0.131966 0.546047 BBRI 2011 0.149555 19.968029 0.595027 -0.012325 4.930000 0.137605 0.570010 BBRI 2012 0.169459 20.127856 0.590115 -0.004839 5.150000 0.149555 0.595027 BBRI 2013 0.169917 20.255153 0.652938 -0.006305 5.030000 0.169459 0.590115 BBRI 2014 0.183062 20.502563 0.583801 -0.007135 4.740000 0.169917 0.652938 BCIC 2008 -0.222923 15.535754 1.164692 1.181419 -52.090000 0.121981 0.458484 BCIC 2009 0.100221 15.834558 0.602066 -0.027447 3.840000 -0.222923 1.164692 BCIC 2010 0.111628 16.193564 0.573804 -0.027581 2.530000 0.100221 0.602066 BCIC 2011 0.094097 16.390197 0.738659 -0.022372 2.170000 0.111628 0.573804 BCIC 2012 0.100903 16.539440 0.685913 -0.000169 0.945414 0.094097 0.738659 BCIC 2013 0.140333 16.494893 0.683868 0.068445 -7.635626 0.100903 0.685913 BCIC 2014 0.136511 16.355696 0.609849 0.010921 -5.282549 0.140333 0.683868 BDMN 2008 0.133721 18.490844 0.661733 -0.017102 1.500000 0.192665 0.713801 BDMN 2009 0.175458 18.406561 0.644628 -0.029314 1.500000 0.133721 0.661733 BDMN 2010 0.160433 18.587944 0.820078 -0.018054 2.700000 0.175458 0.644628 BDMN 2011 0.175528 18.773393 0.887357 -0.015341 2.600000 0.160433 0.820078 BDMN 2012 0.189006 18.864028 0.837571 -0.016255 2.700000 0.175528 0.887357 BDMN 2013 0.178559 19.031735 0.842067 -0.018171 2.500000 0.189006 0.837571 BDMN 2014 0.178615 19.092137 0.849704 -0.020368 1.400000 0.178559 0.842067 BEKS 2008 0.093367 14.215739 0.789685 0.016744 -2.000000 0.119100 1.025250 BEKS 2009 0.080226 14.170086 0.757392 0.114404 -7.880000 0.093367 0.789685 BEKS 2010 0.394958 14.261236 0.484460 -0.052979 -12.900000 0.080226 0.757392 BEKS 2011 0.120164 15.606109 0.599737 0.004065 -4.570000 0.394958 0.484460 BEKS 2012 0.132737 15.854513 0.662020 -0.022467 0.980000 0.120164 0.599737 BEKS 2013 0.114279 16.013082 0.743281 -0.011234 1.230000 0.132737 0.662020 BEKS 2014 0.100514 16.017617 0.779829 -0.013597 -1.580000 0.114279 0.743281
(10)
BKSW 2008 0.104307 14.586691 0.649201 0.005684 0.230000 0.103612 0.644482 BKSW 2009 0.125595 14.668982 0.582845 0.003023 0.300000 0.104307 0.649201 BKSW 2010 0.107247 14.767136 0.610211 0.003391 0.170000 0.125595 0.582845 BKSW 2011 0.464897 15.094725 0.537754 -0.000300 0.460000 0.107247 0.610211 BKSW 2012 0.277597 15.351227 0.662671 0.000927 -0.810000 0.464897 0.537754 BKSW 2013 0.187312 16.217728 0.725031 0.000342 0.070000 0.277597 0.662671 BKSW 2014 0.150966 16.852338 0.700442 -0.000078 1.050000 0.187312 0.725031 BMRI 2008 0.156610 19.697268 0.484136 -0.008332 2.500000 0.207487 0.427208 BMRI 2009 0.154270 19.793425 0.500301 -0.002908 2.000000 0.156610 0.484136 BMRI 2010 0.133615 19.924257 0.593290 -0.006639 2.400000 0.154270 0.500301 BMRI 2011 0.151270 20.128862 0.638748 -0.005975 3.370000 0.133615 0.593290 BMRI 2012 0.154795 20.270109 0.629607 -0.005385 3.550000 0.151270 0.638748 BMRI 2013 0.149296 20.412792 0.670135 -0.006645 3.660000 0.154795 0.629607 BMRI 2014 0.166011 20.566658 0.602200 -0.006688 3.570000 0.149296 0.670135 BNGA 2008 0.155870 18.452156 0.770596 -0.011258 1.100000 0.170347 0.692650 BNGA 2009 0.134335 18.489313 0.808877 -0.015861 2.100000 0.155870 0.770596 BNGA 2010 0.132394 18.782910 0.812523 -0.008420 2.750000 0.134335 0.808877 BNGA 2011 0.130859 18.932313 0.896484 -0.005119 2.850000 0.132394 0.812523 BNGA 2012 0.150848 19.100806 0.784489 -0.005789 3.110000 0.130859 0.896484 BNGA 2013 0.153782 19.203972 0.798565 0.019950 2.750000 0.150848 0.784489 BNGA 2014 0.154104 19.267246 0.825547 -0.014866 1.526980 0.153782 0.798565 BNII 2008 0.194404 17.856017 0.643391 0.018946 1.110000 0.201949 0.556790 BNII 2009 0.147107 17.925823 0.628767 0.027577 -0.130000 0.194404 0.643391 BNII 2010 0.126493 18.134736 0.751365 0.016404 0.850000 0.147107 0.628767 BNII 2011 0.120251 18.368536 0.769944 0.012354 1.110000 0.126493 0.751365 BNII 2012 0.128824 18.567141 0.727881 0.010022 1.316497 0.120251 0.769944 BNII 2013 0.127638 18.761051 0.746440 0.005603 1.352004 0.128824 0.727881 BNII 2014 0.160065 18.780580 0.736028 0.012504 0.411440 0.127638 0.746440 BNLI 2008 0.107566 17.805596 0.744018 -0.006383 1.700000 0.132711 0.764197 BNLI 2009 0.121648 17.841040 0.790740 -0.008651 1.400000 0.107566 0.744018 BNLI 2010 0.141266 18.117051 0.772285 -0.005738 1.980000 0.121648 0.790740 BNLI 2011 0.149486 18.433834 0.753961 -0.003744 1.660000 0.141266 0.772285 BNLI 2012 0.167310 18.696786 0.761771 -0.003784 1.700000 0.149486 0.753961 BNLI 2013 0.145112 18.926497 0.768243 -0.003031 1.550000 0.167310 0.761771 BNLI 2014 0.137866 19.037756 0.776108 -0.006356 1.160000 0.145112 0.768243 BSWD 2008 0.332719 14.122172 0.620376 0.002180 2.530000 0.206610 0.513078 BSWD 2009 0.329034 14.245589 0.576916 0.001202 3.530000 0.332719 0.620376 BSWD 2010 0.268651 14.266797 0.726229 0.005496 2.930000 0.329034 0.576916 BSWD 2011 0.232054 14.548084 0.680795 -0.003718 3.660000 0.268651 0.726229 BSWD 2012 0.211005 14.747966 0.637372 0.003705 3.140000 0.232054 0.680795 BSWD 2013 0.152772 15.096815 0.748148 -0.001614 3.800000 0.211005 0.637372 BSWD 2014 0.144507 15.464012 0.685730 -0.001137 3.370000 0.152772 0.748148 BTPN 2008 0.236660 16.432721 0.435628 -0.003255 4.500000 0.239960 0.419330 BTPN 2009 0.185040 16.918852 0.456258 -0.001414 3.400000 0.236660 0.435628 BTPN 2010 0.234002 17.357124 0.481805 -0.010685 4.000000 0.185040 0.456258 BTPN 2011 0.204676 17.658208 0.524686 -0.009435 4.400000 0.234002 0.481805
(11)
BTPN 2012 0.214862 17.894574 0.541027 -0.007706 4.700000 0.204676 0.524686 BTPN 2013 0.230883 18.059207 0.557823 -0.008488 4.500000 0.214862 0.541027 BTPN 2014 0.233054 18.133195 0.623762 -0.009918 3.600000 0.230883 0.557823 BVIC 2008 0.227667 15.542751 0.448807 0.000119 0.880000 0.154323 0.595007 BVIC 2009 0.168645 15.811437 0.468928 -0.016214 1.100000 0.227667 0.448807 BVIC 2010 0.111859 16.148125 0.560411 -0.022415 1.710000 0.168645 0.468928 BVIC 2011 0.162138 16.283827 0.653994 0.007769 2.650000 0.111859 0.560411 BVIC 2012 0.179627 16.479458 0.628627 -0.000593 2.170000 0.162138 0.653994 BVIC 2013 0.179268 16.767977 0.632685 0.002931 1.970000 0.179627 0.628627 BVIC 2014 0.182526 16.877259 0.635116 -0.002093 0.800000 0.179268 0.632685 INPC 2008 0.150257 16.368500 0.729799 -0.000014 0.340000 0.123867 0.683077 INPC 2009 0.138688 16.551978 0.684063 0.002608 0.440000 0.150257 0.729799 INPC 2010 0.145220 16.652428 0.648648 0.001408 0.760000 0.138688 0.684063 INPC 2011 0.125509 16.769662 0.685902 0.005003 0.720000 0.145220 0.648648 INPC 2012 0.162985 16.838798 0.804522 0.005044 0.660000 0.125509 0.685902 INPC 2013 0.157550 16.868973 0.775426 0.002980 1.390000 0.162985 0.804522 INPC 2014 0.156871 16.970524 0.801778 0.002323 0.780000 0.157550 0.775426 MAYA 2008 0.236894 15.522564 0.813211 0.006390 1.270000 0.299529 0.810164 MAYA 2009 0.193654 15.847589 0.734181 -0.008639 0.900000 0.236894 0.813211 MAYA 2010 0.226144 16.128272 0.666267 -0.006627 1.220000 0.193654 0.734181 MAYA 2011 0.161397 16.376699 0.724454 -0.001848 2.070000 0.226144 0.666267 MAYA 2012 0.109294 16.658473 0.825105 -0.005027 2.410000 0.161397 0.724454 MAYA 2013 0.140690 16.994213 0.815998 -0.001711 2.530000 0.109294 0.825105 MAYA 2014 0.104361 17.403840 0.790822 -0.000041 1.980000 0.140690 0.815998 MCOR 2008 0.180192 14.554904 0.724518 0.006986 0.250000 0.306847 0.443725 MCOR 2009 0.168879 14.844728 0.629496 0.000000 1.000000 0.180192 0.724518 MCOR 2010 0.178420 15.286711 0.671209 0.006153 1.110000 0.168879 0.629496 MCOR 2011 0.122710 15.680024 0.722991 0.002381 0.960000 0.178420 0.671209 MCOR 2012 0.138625 15.686581 0.798691 0.004333 2.040000 0.122710 0.722991 MCOR 2013 0.146827 15.884550 0.831568 0.001022 1.740000 0.138625 0.798691 MCOR 2014 0.141489 16.094785 0.833532 -0.000362 0.790000 0.146827 0.831568 MEGA 2008 0.160948 17.366876 0.633629 -0.004609 1.980000 0.118411 0.566677 MEGA 2009 0.181286 17.496474 0.538945 -0.006420 1.770000 0.160948 0.633629 MEGA 2010 0.150339 17.758973 0.567885 -0.002826 2.450000 0.181286 0.538945 MEGA 2011 0.118592 17.941177 0.645143 -0.004789 2.290000 0.150339 0.567885 MEGA 2012 0.168306 17.993263 0.507174 -0.003187 2.740000 0.118592 0.645143 MEGA 2013 0.157444 18.012347 0.545010 -0.005168 1.140000 0.168306 0.507174 MEGA 2014 0.152256 18.014934 0.621920 -0.009999 1.160000 0.157444 0.545010 NISP 2008 0.173681 17.349076 0.727651 0.005297 1.510000 0.161489 0.770658 NISP 2009 0.183609 17.427849 0.652500 0.006397 1.910000 0.173681 0.727651 NISP 2010 0.166825 17.610434 0.754396 -0.004255 1.290000 0.183609 0.652500 NISP 2011 0.137486 17.907091 0.914938 -0.004077 1.910000 0.166825 0.754396 NISP 2012 0.164868 18.186751 0.756678 -0.003213 1.790000 0.137486 0.914938 NISP 2013 0.192828 18.395615 0.759141 -0.003048 1.810000 0.164868 0.756678 NISP 2014 0.187399 18.451435 0.794859 -0.002161 1.790000 0.192828 0.759141 PNBN 2008 0.203058 17.980499 0.659868 0.006967 1.750000 0.215845 0.692040
(12)
PNBN 2009 0.217930 18.170390 0.593590 0.012923 1.780000 0.203058 0.659868 PNBN 2010 0.166453 18.506816 0.597521 0.011162 1.760000 0.217930 0.593590 PNBN 2011 0.174503 18.641856 0.666419 0.007710 2.020000 0.166453 0.597521 PNBN 2012 0.146665 18.818064 0.718017 0.005657 1.960000 0.174503 0.666419 PNBN 2013 0.153239 18.915716 0.746080 0.003282 1.850000 0.146665 0.718017 PNBN 2014 0.173009 18.966381 0.827901 0.002542 1.790000 0.153239 0.746080 SDRA 2008 0.127487 14.497167 0.779958 -0.006564 3.000000 0.127738 1.054027 SDRA 2009 0.139625 14.692518 0.731663 -0.002661 2.410000 0.127487 0.779958 SDRA 2010 0.196924 14.992861 0.606510 -0.006969 2.780000 0.139625 0.731663 SDRA 2011 0.133775 15.441955 0.579171 0.000911 2.400000 0.196924 0.606510 SDRA 2012 0.146976 15.846459 0.591834 -0.005284 3.570000 0.133775 0.579171 SDRA 2013 0.130729 15.923399 0.630889 -0.005190 5.140000 0.146976 0.591834 SDRA 2014 0.217052 16.614788 0.699664 0.004218 2.810000 0.130729 0.630889
(13)
DAFTAR PUSTAKA
Calem, P.S., & Rob,R. 1996. The Impact Of Capital-Based Regulation on Bank Risk-Taking: A Dynamic Model.
Cecchetti, S. G., & Schoenholtz, K. L. 2006.Money, Banking, and Financial Markets. New York : McGraw-Hill.
Furlong, F. T., & Keeley, M. C. 1989. Capital Regulation and Bank Risk-Taking.Journal of Banking and Finance, 883-891.
Gujarati,d., & Porter,d.2008. Basic econometric. New York : McGraw-Hill
Hasan,I.M.2002.Pokok-Pokok Materi Metodologi Penelitian dan Aplikasinya. Jakarta : Ghalia Indonesia.
Horne,J.C., & Wachowicz,J.M.2008.Fudamental of Financial Management.England : Prentice Hall.
Infobanknews.(2015,september 23). Retrieved oktober 6, 2015,from
http://infobanknews.com:http://infobanknews.com/ulta-lps-kepercayaan-masyarakat-tak-boleh-goyah/
Jacques,K., & Nigro, P. 1997. Risk-Based Capital, Portofolio Risk, and Bank Capital : A simultaneous Equation Approach. Journal of Economics and Businees, 533-547.
Kim,D., & Santomero, A.M. 1988. Risk in Banking and Capital Regulation. Journal of finance, 43.
Koehn,M.,& Santomero,A.M.1980. Regulation of Bank Capital and Portofolio Risk.Journal of Finance, 1235-1244.
Latumaerissa,J.R.2011.Bank dan Lembaga Keuangan Lain.Jakarta: Salemba Empat.
Matejasak,M., & Teply, P. 2007. Regulation of Bank Capital and Behavior of Banks : Assessing the US and the EU-15 Region Banks in the 2000-2005 Period.IES,Charles University Prague.
(14)
Moussa,M.A.2015.The Relationship between Capital and Bank Risk: Evidence from Tunisia. International Journal of Economics and Finance, 223-232.
Rime,B.2001.Capital requirements and bank behaviour: emprical evidence for Switzerland.journal banking of finance, 789-805.
Rose,P.s.,& Hudgins, S. C. 2008. Bank Management and Financial Services. New York : Mc-Graw Hill.
Shrieves, R. E., & Dahl,D. (1992). The relationship between risk and capital commercial bank. Journal of Banking and Finance, 439-457.
Supranto,j.(2004).ekonometri.jakarta: Ghalia Indonesia.
Zahid, S. M., Anwar, M., Aqdas, I., & Goraya, M. U. (2015). Capital Adequency Behaviour: Emprical Evidence from Banking Sector of Pakistan.
(15)
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian
deskriptif dengan metode kuantitatif. Penelitian deskriptif (Hasan : hal 13)
merupakan penelitian yang mempelajari masalah-masalah dan
fenomena-fenomena dalam masyarakat (sosial). Sedangkan metode kuantitatif merupakan
metode yang berdasarkan kepada filsafat positivisme, yang ditujukan untuk
meneliti populasi atau sampel tertentu dengan tujuan untuk menguji hipotesis.
Proses Penelitian kuantitatif umumnya bersifat deduktif dimana untuk menjawab
rumusan masalah penelitian menggunakan konsep atau teori.
3.2 Batasan Operasional
Batasan operasional pada penelitian ini adalah :
1. Penelitian ini menggunakan dua variabel endogen yaitu Capital
Requiremets dan perubahan risiko.
2. Objek yang digunakan dalam penelitian ini terdiri dari dua puluh delapan
bank go public yang terdaftar di Bursa Efek Indonesia ( BEI)
3. Penelitian ini menggunakan data laporan keuangan tahunan yang
dipublikasikan oleh BEI dengan rentang waktu mulai dari tahun
(16)
3.3 Populasi dan Sampel Penelitian
Populasi merujuk pada keseluruhan objek atau subjek penelitian yang
memiliki karakteristik yang sama dapat berupa orang, benda ataupun variabel
yang terdapat didalammnya dan menjadi pusat perhatian seorang peneliti.
Populasi yang digunakan dalam penelitin ini adalah bank-bank yang terdaftar di
Bursa Efek Indonesia sebanyak 41 bank yang merupakan sektor perbankan go
public dengan periode 2008-2014.
Sampel merupakan bagian dari populasi yang dipilih berdasarkan
prosedur tertentu yang mana hasilnya mewakili secara keseluruhan dari populasi
yang diamati. Penelitian ini menggunakan teknik Non probability sampling
dalam menentukan sampelnya. Dengan metode ini sampel diambil dari populasi
berdasarkan kriteria khusus yang ditetapkan. Berdasarkan teknik purposive
sampling maka kriteria yang digunakan untuk pemilihan perusahaan adalah sebagai berikut :
1. Sektor perbankan yang go public secara konsisten di BEI periode
2008-2014.
2. Bank yang secara konsisten menerbitkan laporan keuangan tahunan
periode 2008-2014.
Berdasarkan kriteria yang telah ditetapkan, maka ditentukan sampel sebanyak 26
(17)
Tabel 3.1 daftar bank yang menjadi sampel
Sumber : Hasil olahan data lampiran 1
No. Kode Bank Nama Bank
1. AGRO Bank Rakyat Indonesia Agro Niaga Tbk
2. BABP Bank MNC Internasional Tbk
3. BACA Bank Capital Indonesia Tbk
4. BBCA Bank Central Asia Tbk
5. BBKP Bank Bukopin Tbk
6. BBNI Bank Negara Indonesia (Persero) Tbk
7. BBNP Bank Nusantara Parahyangan Tbk
8. BBRI Bank Rakyat Indonesia (Persero) Tbk
9. BCIC Bank Mutiara Tbk
10. BDMN Bank Danamon Indonesia Tbk
11. BEKS Bank Pundi Indonesia Tbk
12. BKSW Bank Kesawan Tbk
13. BMRI Bank Mandiri (Persero) Tbk
14. BNGA Bank CIMB Niaga Tbk
15. BNII Bank Internasional Indonesia Tbk
16. BNLI Bank Permata Tbk
17. BSWD Bank Swadesi Tbk
18. BTPN Bank Tabungan Pensiunan Nasional Tbk
19. BVIC Bank Victoria Internasional Tbk
20. INPC Bank Artha Graha Internasional Tbk
21. MAYA Bank Mayapada Internasional Tbk
22. MCOR Bank Windu Kentjana International Tbk
23. MEGA Bank Mega Tbk
24. NISP Bank NISP OCBC Tbk
25. PNBN Bank Pan Indonesia Tbk
(18)
3.4 Definisi operasional dan skala pengukuran variabel
Dalam penelitian digunakan model persamaan simultan. Dalam model
persamaan simultan penggunaan variabel dependen dan independen menjadi
kurang tepat digunakan. Hal ini dikarenakan persaman simultan mendeskripsikan
hubungan dua arah antara variabel dependen. Artinya sebuah variabel mempunyai
peran ganda dalam model persamaan. Dengan demikian dalam penelitian ini
definisi operasional dari variabel yang digunakan adalah :
1. Variabel endogen
Variabel endogen (endogenous variabel) adalah variabel yang nilainya
ditentukan didalam model, sebagai akibat adanya hubungan antar variabel.
Variabel endogen serupa dengan variabel dependen dalam regresi tunggal. Pada
penelitian ini digunakan 2 variabel endogen yaitu sebagai berikut :
a. Capital Requirements
Modal adalah dana yang ditempatkan pihak pertama pada bank yang
berperan sebagai penyerap kerugian (risk loss). Menurut basel II modal terdiri dari
Tier 1 (modal inti) dan Tier 2 (modal pelengkap). Mereplikasi penelitian dari
Rime (2001) maka dalam penelitian ini untuk menghitung jumlah modal atau
capital requirements digunakan rasio modal terhadap aktiva tertimbang menurut
risiko (RCWA) sebagai definisi dari perubahan modal. Definisi ini dipilih karena
dapat menggambarkan bagaimana prilaku risiko bank dalam menghadapi capital
requirements. Berdasarkan definisi tersebut maka rumus dari modal bank adalah :
(19)
b. Perubahan Risiko
Definisi risiko bank (risk) cukup bermasalah dan literatur menunjukkan
sejumlah alternatif. Dalam penelitian ini definisi risiko yang dipilih adalah rasio
aset tertimbang menurut risiko terhadap total aset. Pemilihan definisi ini
berdasarkan penelitian dahulu Shrieves dan Dahl (1992), Jacques dan Nigro
(1997), dan Rime (2001) yang juga menggunakan definisi tersebut. Dasar
pemilihan definisi ini adalah asumsi bahwa portofolio risiko ditentukan oleh
alokasi aset di seluruh kategori risiko yang berbeda. Hal ini mencerminkan bahwa
keputusan dari bank dalam menentukan pengambilan risiko dengan ketepatan
waktu yang tepat (Rime, 2001).
2. Predetermined Variable
Predetermined Variable merupakan variabel yang nilainya ditentukan
diluar model. Dalam penelitian ini Predetermined Variable yang digunakan
adalah :
a. Size Bank
Bank size merupakan ukuran yang menentukan besar kecilnya aset yang dimiliki oleh bank. Size dapat mempengaruhi target risiko dan tingkat modal
karena hubungannya dengan diversifikasi risiko, peluang investasi dan akses ke
modal. Maka size dapat dihitung melalui rumus :
(20)
b. Return On Assets (ROA)
Profitabilitas merupakan kemampuan perusahaan menghasilkan laba dari
hasil penjulan total aktiva dan modal sendiri. Terciptanya kondisi profitablitas
yang baik merupakan faktor yang akan mendorong investor untuk berinvestasi
pada perusahaan. Pada umumnya rasio yang digunakan untuk mengukur
keuntungan yang diperoleh oleh manajemen bank adalah Return On Assets (ROA),
rumus dari ROA adalah sebagai berikut :
c. Modal tahun sebelumnya
Modal tahun yang lalu mempengaruhi perubahan modal bank. digunakan
untuk melihat bagaimana perubahan modal bank apakah mengalami kenaikan atau
penurunan.
d. Current loan losses
Current loan losses mempengaruhi rasio aset tertimbang menurut risiko (ATMR) untuk total aset karena dapat menyebabkan penurunan jumlah nominal
ATMR. Current loan losses diaproksimasi dengan ketentuan baru untuk rasio
total aset, karena itu Current loan losses termasuk dalam persamaan risiko dan Bank Size = ln (total aset bank)
(21)
diharapkan memberikan efek negatif pada risiko (Rime ; 2001). Rumus
perhitungan current loan loss adalah
e. Risiko tahun sebelumnya
Risiko tahun yang lalu mempengaruhi perubahan risiko. Risiko tahun yang
lalu digunakan untuk melihat perubahan target risiko yang dilakukan oleh bank.
3.5 Jenis dan sumber data
Penelitian ini menggunakan data sekunder dari laporan keuangan tahunan
bank yang dipublikasi di Bursa Efek Indonesia (www.idx.co.id). Periode data
menggunakan rentang waktu tahunan pada periode laporan keuangan 2008-2014.
Dalam penelitian ini jenis data yang diguankan adalah data panel (pooled data)
merupakan kombinasi dari data time series dan data cross setion. Data time series
merupakan data yang terkumpul dari waktu kewaktu, seperti data harian, data
mingguan, bulanan atau tahunan yang dapat memberikan gambaran
perkembangan suatu kegiatan atau keadaan. Sedangkan data cross section
merupakan data yang dikumpulkan pada waktu yang sama dari beberapa objek
yang disebut responden dan perusahaan. Regresi dengan data panel memiliki
keunggulan terutama karena bersifat robust terhadap beberapa tipe pelanggaran
asumsi Gauss Markov, yakni heterokendesitas dan normlitas. Disamping itu,
(22)
struktur data ini dapat diharapkan dapat memberikan informasi yang lebih banyak
(high informational content) dalam penelitian empiris.
3.6 Teknik analisis
Dalam pengelolaan data dan menguji hipotesisnya penelitian ini
menggunakan program E-views 7. Teknik analisis data yang digunakan adalah
sebagai berikut :
3.6.1 Input data
Dalam penelitian ini data yang digunakan meliputi variabel Capital
Requirements, perubahan risiko, ROA, current loan lose, size, modal tahun
sebelumnya, dan risiko tahn sebelumnya.
3.6.2 Analisis Deskriptif
Analisis deskriptif merupakan prosedur statistik untuk menguji
generalisasi penelitian yang memberikan gambaran atau deskripsi suatu data yang
dilihat dari nilai rata-rata (mean), median dan standar deviasi. Dalam penelitian
ini analisis deskriptif akan menggambarkan nilai rata-rata (mean), median dan
standar deviasi dari ROA, size, Current loan losses, modal tahun sebelumnya,
risiko tahun sebelumnya, perubahan modal dan perubahan risiko.
3.6.3 Metode analisis data
Dalam penelitian ini jenis data yang diguankan adalah data panel (pooled
(23)
series merupakan data yang terkumpul dari waktu kewaktu, seperti data harian, data mingguan, bulanan atau tahunan yang dapat memberikan gambaran
perkembangan suatu kegiatan atau keadaan. Sedangkan data cross section
merupakan data yang dikumpulkan pada waktu yang sama dari beberapa objek
yang disebut responden dan perusahaan.
Data yang telah diperoleh kemudian dianalisis dengan model persamaan
simultan (simultaneous equations models). Model persamaan simultan merupakan
model yang menunjukan hubungan dua arah antara varibel X dan Y. Model
persamaan simultan terjadi jika dalam sebuah persamaan Y ditentukan oleh X,
dan sebaliknya dalam persamaan lain X ditentukan oleh Y. Singkatnya, ada
hubungan dua arah atau simultan antara Y dan X, hal ini menyebabkan perbedaan
antara variabel dependen atau terikat dengan variabel independen atau bebas jadi
meragukan (Gujaratti dan Porter; 2008). Dengan demikian dalam model
persamaan simultan variabel disebut dengan variabel endogen dan predetermined
variable (variabel yang nilainya ditentukan langsung dalam sistem persamaan atau nonstokastik). Variabel endogen dalam penelitian ini adalah perubahan
modal dan perubahan risiko. Dalam penelitian ini juga menggunakan
predetermined variable yaitu Size, ROA, modal tahun yang lalu, current loan loss, dan risiko tahun yang lalu. Dengan demikian dalam penelitian ini dapat terbentuk
regresi model persamaan simultan sebagai berikut:
(24)
Pada persamaan diatas j dan t merupakan gambaran penggabungan data cross
section dan time series. Dimana dari persamaan diatas dapat dijelaskan :
a = Konstanta = Koefesien
= Capital Requirements = Perubahan risiko
ROA = Current Profit atau keuntungan saat ini
LLOSS = Current Loan Loss atau kerugian yang diderita oleh bank
SIZE = Size atau ukuran aset bank = Modal Tahun Lalu bank = Risiko Tahun Lalu bank
= Error Term
3.6.4 Penentuan Teknik Estimasi
Model persamaan simultan memiliki perbedaan dari model analisis satu
arah atau tunggal, sehingga diperlukan metode analisis khusus agar memperoleh
penaksir parameter yang bersifat tak bias dan konsisten. Dalam penyelesaian
model persamaan simultan dapat digunakan dua metode yang umum digunakan
yaitu pertama Inderct Least Square (ILS/ metode kuadrat terkecil tidak langsung).
Metode ini digunakan pada persamaan strukturan yang just identified. Yang kedua,
Two Stage Least Square (2SLS/ Metode kuadrat terkecil dua tahap). Metode ini digunakan pada persamaan struktural yang overindetified. Selain dua metode
(25)
tersebut ada metode lain yang bisa digunakan untuk penyelesaian model
persamaan simultan seperti metode sistem (System Methods) yang disebut metode
informasi penuh (Full Information Methods), yaitu metode kuadrat terkecil tiga
tahap (Three Stage Least Squares-3SLS) dan Full Information Maximum
Likelihood-FIML.
Tetapi sebelum menentukan metode apa yang akan digunakan dalam
mengestimasi parameter, maka perlu dilakukan proses identifikasi pada
masing-masing persamaan dalam model persamaan simultan. Dalam mengidentifikasi
model persamaan simultan diterapkan syarat peraturan yang dikenal dengan
Order Condition. (Gujarati dan Porter ; 2008)
Dalam model M persamaan simultan, agar suatu persamaan dapat
diidentifikasi, maka jumlah predetermined variables yang tidak termasuk
persamaan tersebut tidak boleh kurang dari jumlah variabel endogen dikurangi
satu dalam persamaan tersebut. Persyaratan ini dapat diformulasikan sebagai
berikut :
K-k ≥ m-1, dimana
M = jumlah variabel endogen dalam sistem persamaan simultan.
m = jumlah variabel endogen dalam suatu persamaan tertentu.
K = jumlah variabel eksogen dalam sistem persamaan simultan.
k = jumlah variabel eksogen dalam suatu persamaan tertentu.
Kriteria yang digunakan untuk menentukan persamaan simultan yaitu:
(26)
Persamaan just identified diselesaikan dengan Indirect Least Square (ILS).
2. Jika K-k > m-1, maka persamaan tersebut overidentified.
Persamaan overidentified diselesaikan dengan Two Stage Least Squares
(2SLS).
3. Jika K-k < m-1, maka persamaan tersebut unidentified atau tidak dapat
diidentifikasi.
3.6.4.1. Metode Two Stage Least Squares (2SLS)
Berdasarkan Order Condition atau persyaratan dari metode persamaan
simultan maka penelitian ini menggunakan metode 2SLS (Two Stage Least
Squares). Hal ini dikarenakan persamaan simultan dalam penelitian ini mengandung persamaan-persamaan yang overidentified. Tetapi persamaan 2SLS
juga dapat digunakan untuk menyelesaikan persamaan yang identified. Metode
2SLS (Two Stage Least Squares) dikembangkan oleh Henri Theil dan Robert
Basmann (Gujarati dan Porter ; 2008).
Dalam persamaan simultan metode 2SLS (Two Stage Least Squares)
umum digunakan. Karena metode 2SLS (Two Stage Least Squares) ini memiliki
tujuan untuk memurnikan (purifying) variabel endogen terhadap stochastiv
disturbance. Hal ini dilakukan dengan melakukan regresi persamaan reduced form yaitu regresi antara variabel endogen dengan seluruh predetermined variable agar
mendapatkan nilai variabel endogen fitted serta regresi persamaan struktural
dengan variabel endogen yang sudah diestimasi dari regresi variabel endogen
(27)
3.6.4.2.Uji Simultanitas (Hausman’s specification error test).
Untuk mendeteksi ada tidaknya masalah simultanitas, uji Hausman ini
didasarkan pada perbandingan nilai probability variabel dengan nilai signifikansi
α = 5%, dengan syarat-syarat sebagai berikut:
a. Jika nilai probability < 0,05 maka Ho ditolak, yang berarti ada masalah
simultanitas.
b. Jika nilai probability > 0,05 maka Ho diterima, yang berarti tidak ada
masalah simultanitas.
3.6.5 Pengujian Hipotesis
3.6.5.1Uji F-statistic
Uji F dilakukan dengan tujuan mengetahui koefisien (slope) regresi secara
bersamaan. Uji F bertujuan untuk meyakinkan bahwa model yang dipilih layak
atau tidak untuk menginterpretasikan pengaruh variabel bebas terhadap variabel
terikat. Uji statistik F dapat didasarkan pada dua perbandingan, yaitu
perbandingan antara nilai F hitung dengan F tabel dan perbandingan antara nilai
F-statistic dengan taraf signifikansi 5%. Pengujian yang didasarkan pada
perbandingan antara nilai F hitung dan F tabel adalah sebagai berikut:
a. Jika F hitung < F tabel maka Ho diterima, yang berarti variable
independen secara bersama-sama tidak berpengaruh terhadap variable
dependen.
b. Jika F hitung > F tabel maka Ho ditolak, yang berarti variabel independen
(28)
Sedangkan pengujian yang didasarkan pada perbandingan nilai F-statistic dengan
taraf signifikansi 5% adalah sebagai berikut:
a. Jika nilai statistik F < 0,05 maka Ho ditolak, yang berarti variabel-variabel
independen secara bersama-sama (simultan) berpengaruh terhadap
variable dependen.
b. Jika nilai statistik F > 0,05 maka Ho diterima, yang berarti
variabelvariabel independen secara bersama-sama (simultan) tidak
berpengaruh terhadap variabel dependen.
3.6.5.2Uji t-statistic
Uji statistik t ini dilakukan dengan membandingkan t hitung dengan t tabel
atau dengan melihat kolom probability pada masing-masing t-statistic. Uji t
digunakan untuk menguji bagaimana pengaruh masing-masing variabel
independen secara sendiri-sendiri terhadap variabel dependen. Pengujian yang
didasarkan pada perbandingan antara nilai t hitung dengan t tabel adalah sebagai
berikut:
a. Jika t hitung < t tabel maka Ho diterima, yang berarti variabel independen
secara individual tidak berpengaruh terhadap variabel dependen.
b. Jika t hitung > t tabel maka Ho ditolak, yang berarti variabel independen
secara individual berpengaruh terhadap variabel dependen.
Sedangkan pengujian yang didasarkan pada perbandingan nilai probability dengan
(29)
a. Jika nilai probability < 0,05 maka Ho ditolak, yang berarti variable
independen secara individual berpengaruh terhadap variabel dependen.
b. Jika nilai probability > 0,05 maka Ho diterima, yang berarti variable
independen secara individual tidak berpengaruh terhadap variable
dependen.
3.6.5.3 Analisis koefisien determinasi (R square)
Analisis determinasi (R square) digunakan untuk mengukur seberapa besar
pengaruh variabel bebas terhadap variabel terikat. Koefisien determinasi pada
dasarnya adalah untuk mengukur kebenaran model regresi. Apabila nilai R square
semakin mendekati satu maka semakin baik model regresi, artinya model regresi
(30)
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil Statistik Deskriptif
Analisis deskriptif dalam sebuah penelitian berfungsi untuk memberikan
gambaran data penelitian. Dalam penelitian ini digunakan data dari 26 Bank yang
termasuk dalam sampel penelitian dengan periode 2008-2014. Tabel 4.1 dibawah
ini menampilkan hasil statistik deskriptif yaitu nilai rata-rata (mean), nilai tengah
(median), dan simpangan baku (standart deviation) dari masing-masing variabel penelitian.
Tabel 4.1 Hasil Perhitungan Statistik Deskriptif
Variabel Endogen Mean Median Std. Dev
Capital Requirements Perubahan Risiko 0.161986 0.673903 0.153251 0.676002 0.060987 0.112118 Predetermined Variable
Return On Asset Size
Current Loan Loss
Modal Tahun Sebelumnya Risiko Tahun Sebelumnya
1.387073 17.18703 0.003912 0.165218 0.659966 1.725000 16.98237 -0.002944 0.153251 0.660800 4.515951 1.747816 0.088884 0.068095 0.127761 Sumber : Hasil Olahan Data Eviews, Lampiran 2
Berdasarkan tabel diatas, dapat dilihat bahwa nilai rata-rata dari Capital
Requirements adalah 0.161986 dengan standar deviasi sebesar 0.060987. Hal ini
menggambarkan bahwa bank yang berada di Indonesia yang termasuk dalam
sampel selama periode 2008-2014 memiliki rasio kecukupan modal yang cukup
(31)
dilihat dari nilai rata-rata perubahan risiko terdapat angka sebesar 0.673903
dengan standar deviasi sebesar 0.112118 yang menunjukkan bahwa 67,4399%
dari total aset yang dimiliki oleh bank merupakan aset berisiko.
Return on asset merupakan rasio pengembalian dari asset yang dimiliki oleh bank. Pada tabel 4.1 diatas terlihat nilai rata-rata dari return on asset adalah
sebesar 1.387073 dengan standar deviasi 0.022258. Angka ini menunjukan bahwa
rata-rata bank di indonesia memiliki pengembalian dari asset sebesar 1,387073%.
Bank size atau ukuran bank merupakan hasil logaritma natural dari total aset atau kekayaan dari sebuah lembaga perbankan. Dari tabel diatas diketahui
rata-rata dari ukuran bank yang termasuk dalam sampel penelitian adalah
17.18703 dengan standar deviasi 1.747816. Sedangkan total kekayaan terbesar
dimiliki oleh Bank Mandiri (Persero) Tbk, dengan nilai bank size sebesar
20.56666 pada tahun 2014.
Current loan losses mempunyai nilai rata-rata -0.001920 dengan standar deviasi 0.015164. Current loan losses merupakan rasio dari loan provision loss to
total assets yang menggambarkan cadangan kerugian penurunan nilai yang dimiliki oleh bank. Current loan losses memberikan pengaruh pada aset berisko
yang dimiliki oleh bank. Dari data diatas diperoleh rata-rata kerugian yang
dialami oleh bank adalah 0,1920%.
Untuk modal tahun sebelumnya memiliki nilai rata-rata sebesar 0.165218
dengan standar deviasi 0.068095. Sedangkan untuk Risiko tahun sebelumnya
memiliki nilai rata-rata 0.659966 dengan stadar deviasi 0.127761. Modal dan
(32)
kenaikan dan penurunan modal dan risiko yang dilakukan oleh bank dalam
menghadapi minimum cadangan modal yang lebih identik dengan risiko. Dari
gambaran tabel diatas secara rata-rata tidak tampak perubahan yang signifiakn
dalam perubahan modal dan risiko.
4.2 Hasil Uji Spesifikasi Hausman (Hausman’s specification error test)
Uji simultanitas (Simultaneity) berfungsi untuk melihat hubungan simultan
antara variabel endogen serta untuk menguji apakah variabel dependen (endogen)
regressor berkorelasi dengan error atau disturbance. Uji simultanitas dapat
dilakukan dengan Uji Spesifikasi Hausman (Hausman’s specification error test). Tabel 4.2 berikut menunjukan hasil uji simultanitas (Hausman Test) antara
variabel perubahan modal dengan perubahan risiko.
Tabel 4.2 Hasil Uji Spesifikasi Hausman (Hausman’s specification error test) antara Variabel Capital Requirements dan Perubahan Risiko
Variabel Koefisien t-statistic Prob.
Unstandardized Residual -0.256339 -5.206899 0.0000 Sumber : Hasil Olahan Data Eviews, Lampiran 3
Hasil dari tabel 4.2 diatas tampak nilai probabilitas dari Unstandardized
Residual adalah 0.0000. Nilai ini lebih kecil dibandingkan dengan nilai
signifikansi alfa 5% (α = 0,05). Hal ini menunjukkan bahwa Ho ditolak, dengan
demikian dapat disimpulkan bahwa antara variabel perubahan modal dan dan
(33)
4.3 Hasil Estimasi Capital Requirements
Berdasarkan uji Spesifikasi Hausman (Hausman’s specification error test) diatas, Maka dapat disimpulkan bahwa variabel Capital Requirements dan
variabel perubahan risiko memiliki hubungan simultan maka estimasi yang
dilakukan menggunakan metode Two-stage Least Squares (2SLS). Tabel 4.3
dibawah ini menggambarkan hasil dari estimasi persamaan berikut:
Tabel 4.3 Hasil Two-stage Least Squares (2SLS) untuk Variabel Capital Requirements
Variabel Coefficient Std. Error t-statistic Prob.
Konstanta 0.258710 0.048004 5.389373 0.0000
Return On Assets 0.005309 0.000898 5.914787 0.0000
Bank Size -0.006492 0.002148 -3.021950 0.0029
Modal Tahun Sebelumnya 0.314229 0.054392 5.777103 0.0000 Perubahan Risiko -0.065924 0.045820 -1.438755 0.1520 Sumber : Hasil Olahan Data Eviews, Lampiran 4
Tabel 4.3 merupakan hasil estimasi dari variabel capital requirements
dengan predetermind variabel. Interpretasi hasil estimasi adalah sebagai berikut :
a. Return On Asset
Variabel return on asset (ROA) memiliki pengaruh positif terhadap
variabel Capital Requirements. Hal ini dibuktikan dengan nilai koefisien
dari return on assets sebesar 0.005309. Angka koefisien ini
menggambarkan bahwa jika terjadi kenaikan 1 satuan pada return on asset
maka akan mempengaruhi kenaikan capital requirements sebesar
(34)
b. Bank Size
Dari hasil estimasi nilai koefisien dari bank size adalah -0.006492. Hal ini
menunjukan bahwa bank size memiliki efek yang negatif terhadap Capital
requirements atau perubahan modal. Dengan kata lain jika terjadi kenaikan 1 satuan pada bank size akan mengurangi perubahan modal sebesar
0,006492 satuan. Efek negatif ini terjadi karena apabila regulator
menaikan persyaratan kecukupan modal maka hal ini akan mengurangi
ukuran atau kekayaan suatu perusahaan perbankan karena bank akan
menambah cadangan kecukupan modal dan mengurangi total aset mereka.
c. Modal Tahun Sebelumnya
Modal tahun sebelumnya mempunyai koefisien 0.314229 hal ini
menunjukkan bahwa modal tahun sebelumnya memiliki efek positif pada
Capital requirements. Dengan kata lain jika modal tahun sebelumnya meningkat 1 satuan maka akan menambah perubahan modal sebesar
0.314229 satuan.
d. Perubahan risiko
Dari tabel 4.3 diatas tampak koefesian dari perubahan risiko adalah
-0.065924. Hal ini menunjukkan bahwa perubahan risiko memiliki efek
yang negatif terhadap capital requirements. Dengan asumsi jika terjadi
kenaikan 1 satuan pada perubahan risiko maka akan mengurangi 0.065924
perubahan modal atau capital requirements. Dengan kata lain jika bank
menaikan risiko mereka maka akan mengurangi jumlah cadangan modal
(35)
4.3.1 Uji Signifikansi
4.3.1.1.Uji Parsial (Uji Statistik t)
Berdasarkan hasil estimasi pada tabel 4.3 dapat dilihat hasil Uji parsial dari
masing masing variabel eksogen terhadap variabel endogen yaitu perubahan
modal. Uji parsial ini berfungsi untuk menganalisis hubungan antara
masing-masing variabel independen terhadap variabel dependen. Dari tabel 4.3 maka
dapat disimpulkan bahwa variabel return on assets, modal tahun sebelumnya dan
variabel bank size memiliki nilai probabilitas dibawah 0,01 (α = 1%) hal ini
membuktikan bahwa variabel return on assets, variabel bank size dan variabel modal tahun sebelumnya memiliki hubungan yang signifikan terhadap variabel perubahan modal atau capital requirements dengan tingkat kepercayaan 99,9%. Sedangkan untuk variabel berubahan risiko tidak memiliki hubungan yang signifikan terhadap variabel capital requirements hal ini ditunjukkan dengan nilai probabilitas dari variabel perubahan modal berada diatas nilai signifikansi alfa baik 1%, 5% atau 10%.
4.3.1.2.Uji Simultan (Uji Statistik F)
Tabel 4.4 Estimasi Model (Uji F)
F-statistic 26.19535
Prob (F-statistic) 0.000000 Sumber : Hasil Olahan Data Eviews, Lampiran 4
(36)
Dari hasil estimasi persamaan satu dengan metode two stage least squares
maka diperoleh nilai F-statistic 26.19535 dengan probabilitas 0.000000 sesuai
dengan tabel 4.5 diatas. Nilai probabilitas F-statistik 0.000000 lebih kecil
dibandingkan dengan alpha 0,01 (α=1%), dengan demikian maka dapat
disimpulkan bahwa Ho ditolak. Dan hal ini membuktikan bahwa variabel
independen secara bersama-sama atau simultan signifikan mempengaruhi variabel
dependen atau variabel capital requirements dengan tingkat kepercayaan
signifikansi 99,9%.
4.3.1.3.Koefisien Determinasi (R2)
Dari hasil estimasi yang dilakukan dengan menggunakan E-views,7 maka
diperoleh nilai koefesien Derteminasi (R2) sebesar 0.409662. Dalam hal ini
berarti secara keseluruahan variabel independen hanya mampu menjelaskan
pengaruhnya terhadap variabel dependent yaitu perubahan modal atau capital
requirements sebesar 40,9662% dan sisanya 59,0338% dijelaskan oleh variabel lain yang tidak dimasukkan dalam model persamaan.
4.4 Hasil Estimasi Perubahan Risiko
Berdasarkan uji Spesifikasi Hausman (Hausman’s specification error test) diatas, Maka dapat disimpulkan bahwa variabel perubahan modal dan variabel
perubahan risiko memiliki hubungan simultan maka estimasi yang dilakukan
menggunakan metode Two-stage Least Squares (2SLS). Tabel 4.5 dibawah ini
(37)
Tabel 4.5 Hasil Two-stage Least Squares (2SLS) untuk Variabel Perubahan Risiko
Variabel Coefficient Std. Error t-statistic Prob.
Konstanta -0.199813 0.159834 -1.250132 0.2129
Current Loan Losses 0.893337 0.159841 5.588907 0.0000
Bank Size 0.013575 0.004976 2.728269 0.0070
Risiko Tahun Sebelumnya 0.720011 0.071869 10.01839 0.0000 Capital Requirements 0.998349 0.380400 2.624470 0.0094 Sumber : Hasil Olahan Data Eviews, Lampiran 5
Tabel 4.5 merupakan hasil estimasi dari variabel perubahan modal dengan
predetermind variable (variabel eksogen). Interpretasi hasil estimasi adalah
sebagai berikut :
a. Current loan losses
Berdasarkan hasil estiamasi pada tabel 4.5 dapat dilihat koefesien dari
variabel current loan losses sebesar 0.893337, maka dengan demikian
current loan losses memberikan pengaruh positif terhadap perubahan risiko. Dengan kata lain apabila terjadi penambahan 1 satuan pada current
loan losses maka akan mendorong pertambahan jumlah risiko sebesar 0,89337 satuan.
b. Bank size
Bank size memiliki pengaruh positif terhadap variabel perubahan risiko. Hal ini ditunjukkan dengan nilai koefesian dari bank size 0.013575. Maka
(38)
variabel bank size maka akan mendorong kenaikan sebesar 0,013757
satuan pada variabel perubahan risiko.
c. Risiko Tahun Sebelumnya
Koefesian dari risiko tahun sebelumnya adalah 0.720011, maka hal ini
membuktikan bahwa variabel risiko tahun sebelumnya memiliki pengaruh
positif terhadap perubahan modal. Dengan kata lain apabila terjadi
kenaikan 1 satuan pada risiko tahun sebelumnya akan mendorong
pertambahan sebesar 0,72 satuan variabel perubahan risiko.
d. Capital Requirements
Pada tabel 4.5 dapat dilihat bahwa koefisien dari variabel capital
requirements adalah 0.998349. Dengan demikian maka variabel capital
requirements memberikan pengaruh positif pada variabel perubahan risiko. Dengan kata lain apabila terjadi kenaikan 1 satuan pada variabel capital
requirements maka dapat mendorong penambahan sebesar 0,998349 satuan pada variabel perubahan risiko.
4.4.1 Uji Signifikansi
4.4.1.1.Uji Parsial (t-statistic)
Tabel 4.5 menunjukkan hasil estimasi dari persamaan dua dengan
menggunakan metode 2SLS. Dari hasil tabel tersebut dapat memberi gambaran
hubungan antara masing-masing variabel bebas terhadap variabel terikat. Uji
parsial ini berfungsi untuk menganalisis hubungan antara masing-masing variabel
(39)
bahwa seluruh variabel bebas yang terdapat dalam model (current loan loss, size,
risiko tahun sebelumnya, dan capital requirements) memiliki nilai probabilitas
dibawah alfa signifikansi 0,01(α=1%). Hal ini membuktikan bahwa variabel current loan losses, size, risiko tahun sebelumnya serta capital requirements
memiliki hubungan yang signifikan terhadap variabel dependen yaitu perubahan
risiko dengan tingkat kepercayaan signifikansi 99,9%.
4.4.1.2.Uji Simultan Signifikansi
Tabel 4.6 Estimasi Model (Uji F)
F-statistic 71.91417
Prob (F-statistic) 0.000000 Sumber : Hasil Olahan Data Eviews, Lampiran 5
Tabel 4.6 menunjukkan hasil estimasi dari persamaan dua dengan metode
two stage least square (2SLS) maka diperoleh nilai F-statistic 71.91417 dengan
probability 0.000000. Nilai probabilitas F-statistik 0.000000 lebih kecil
dibandingkan dengan alpha 0,01 (α=1%), dengan demikian maka dapat
disimpulkan bahwa Ho ditolak. Dan hal ini membuktikan bahwa variabel
independen secara bersama-sama atau simultan signifikan mempengaruhi variabel
dependen atau variabel perubahan risiko dengan tingkat kepercayaan signifikansi
99,9%.
4.4.1.3.Koefesien Determinasi (R2)
Dari hasil estimasi yang dilakukan dengan menggunakan E-views,7 maka
(40)
berarti secara keseluruahan variabel independen hanya mampu menjelaskan
pengaruhnya terhadap variabel dependent yaitu perubahan risiko sebesar 25,3517%
dan sisanya 74,6483% dijelaskan oleh variabel lain yang tidak dimasukkan dalam
model persamaan.
4.5 Pembahasan
4.5.1 Hubungan antara Capital Requirements dan Perubahan Risiko
Dari hasil estimasi ditemukan bahwa capital requirements memiliki
pengaruh positif signifikan terhadap perubahan risiko. Dengan kata lain jika
terjadi kenaikan pada capital requirements maka akan mendorong kenaikan pada
perubahan risiko. Penjelasan dari hal ini adalah dimana apabila regulator
menaikan capital requirements atau rasio kecukupan modal dari perbankan maka
dapat mendorong penambahan asset berisiko bank. Hasil ini konsisten dengan
penelitian Shrieves dan Dahl (1992), Kim dan Santomero (1988), dan Rochet,JC
(1992) yang mengungkapkan bahwa capital requirements merupakan cara yang
kurang efektif dalam mengontrol probalitas kebangkrutan bank karena risiko dan
modal memiliki pengaruh yang positif.
Penjelasan yang mungkin diungkapkan dari hasil ini adalah dalam
memenuhi peraturan regulator yang mewajibkan setiap bank memiliki rasio
cadangan kecukupan modal diatas 8% menyebabkan bank menaikan aset berisiko
mereka. Hal ini terjadi karena para pemegang saham bank harus menambah
penanaman modal mereka pada bank untuk memenuhi peraturan regulator. Secara
(41)
yang lebih besar juga dari saham mereka. Dalam memenuhi hal ini bank secara
tidak langsung memiliki tanggung jawab yang lebih besar pada pemegan saham.
Dalam memenuhi kewajiban tersebut bank tentu harus menghasilkan laba yang
lebih besar agar dapat memenuhi pembagian deviden terhadap pemegang saham.
Memikul beban ini bank mengambil jalan menaikan aset berisiko mereka karena
mengingat fungsi dan peran bank yang menghimpun dan menyalurkan dana maka
sumber laba utama dari bank adalah melalui perdagangan aset berisiko. Hal inilah
yang menjadi alasan mengapa terjadi kenaikan pada aset berisiko bank, karena
bank harus menghasilkan laba yang lebih tinggi dalam memenuhi pengembalian
ekuitas pada pemegang saham.
Sedangkan dari hasil estimasi yang dilakukan menggunakan metode 2SLS
diperoleh hasil bahwa perubahan risiko memiliki pengaruh negatif tetapi tidak
signifikan terhadap capital requirements. Dengan kata lain apabila terjadi
kenaikan pada perubahan risiko maka akan mengurangi capital requirements.
artinya semakin tinggi risiko yang diambil oleh bank maka semakin kecil
cadangan modal yang dimiliki oleh bank. Dari hal ini dapat digambarkan bahwa
bank di indonesia ketika menaikkan risiko mereka tidak diiringi dengan
peningkatan pada modal mereka. Artinya bank tidak akan menaikkan modal
mereka apabila capital requirements dari perbankan masih diatas batas minimum
yang ditetapkan oleh regulator.
4.5.2 Pengaruh Predetermined Variable terhadap Capital Requirements dan
(42)
Pada penelitian ini digunakan lima variabel eksogen yaitu ROA, modal
tahun sebelumnya, current loan loss, risiko tahun sebelumnya, dan size. Variabel
ROA yang merupakan return on assets memberikan pengaruh positif yang
signifikan terhadap variabel capital requirements. Hasil ini kosisten dengan
penelitin Rime (2001). Penjelasan dari hal ini adalah bahwa bank dalam
memenuhi syarat minimum penyediaan modal cenderung menggunakan laba dari
aset bank atau return on assets dalam menambah kecukupan modal bank. Hal ini
dibuktikan dengan koefisien positif pada return on assets (ROA) yang
menunjukan adanya penambahan pada kecukupan modal jika terjadi penambahan
pada ROA.
Variabel eksogen selanjutnya adalah modal tahun sebelumnya. Hasil
penelitian mengungkapkan bahwa modal tahun sebelumnya memiliki efek positif
signifikan terhadap capital requirements. Hal ini terjadi karena apabila kecukupan
modal bank pada tahun sebelumnya tinggi maka kecukupan bank pada tahun
berikutnya juga besar.
Current loan loss memiliki efek positif yang signifikan terhadap perubahan risiko. Hasil ini konsisten dengan penelitian Teply (2007) tetapi tidak
konsisten dengan penelitian Rime (2001) yang menemukan hubungan negatif
antara current loan loss dengan tingkat risiko. Current loan loss merupakan
kerugian dari kredit yang diberikan oleh bank. Current loan loss akan mengurangi
ekuitas yang dimiliki oleh bank. Hubungan positif yang ditemukan dalam
penelitian ini menggambarkan apabila terjadi kenaikan pada current loan loss
(43)
semakin tinggi current loan loss maka semakin tinggi aset berisiko yang dimiliki
oleh bank. Penjelasan dari hal ini adalah bank yang memiliki kualitas aset yang
rendah akan memiliki loan loss provision yang tinggi dan tentu akan memiliki
risiko yang tinggi juga. Hal ini terjadi karena loan loss provision akan mengurangi
ekuitas pemilik saham, dengan demikian pemilik saham diharapkan menambah
modal yang ditanamkan dalam lembaga perbankan. Tetapi apabila bank tidak
menambah modal mereka maka maka akan menyebabkan tingginya risiko yang
akan dihadapi oleh bank. Hal inilah yang menyebabkan hubungan positif antara
current loan loss dengan tingkat risiko.
Risiko tahun sebelumnya memberikan efek positif signifikan terhadap
perubahan risiko. Hal ini menunjukan jika terjadi kenaikan pada risiko tahun
sebelumnya mendorong peningkatan pada perubahan risiko. Hal ini terjadi karena
bank pada tahun sebelumnya menggunakan tingkat risiko yang lebih besar maka
akan tetap konsisten menggunakan aset berisiko yang tinggi juga pada tahun
berikutnya.
Bank Size merupakan variabel eksogen yang pengaruhi kedua variabel endogen yaitu Capital requirements dan perubahan risiko. Pada persamaan capital
requirements ukuran bank (bank size) memberikan efek negatif signifikan. Hasil
ini konsisten dengan penelitian Rime (2001), dan Teply (2007). Sedangkan untuk
persamaan perubahan risiko bank size memiliki hubungan positif signifikan. Bank
Size menunjukan kekayaan atau ukuran suatu perusahaan perbankan. Penjelasan
yang mungkin dari hal ini adalah bank-bank besar memiliki jumlah modal yang
(44)
capital requirements bank yang memiliki ukuran yang besar lebih cenderung
memilih meningkatkan rasio modal mereka ke aset tertimbang menurut risiko
dibandingkan dengan bank yang memiliki ukuran skala kecil. Hal ini terjadi
karena bank yang memiliki Size yang besar membutuhkan biaya yang lebih besar
dibandingkan dengan bank yang memiliki kekayaan yang lebih kecil. Untuk itu
bank yang memiliki ukuran yang besar lebih meningkatkan aset berisiko mereka
agar memperoleh laba yang lebih besar. Selain itu bank-bank dengan size yang
besar memiliki persaingan yang lebih ketat dibandingkan dengan bank yang
memiliki size yang kecil. Karena bank yang memiliki ukuran yang besar tidak
hanya bersaing dalam skala nasional tapi juga internasional. Hal inilah yang
menjadi alasan mengapa size memiliki hubungan yang negatif dengan perubahan
modal. Sedangkan untuk perubahan risiko bank size memiliki hubungan positif
signifikan. Sesuai dengan penjelasan diatas bahwa bank yang memiliki size yang
besar meningkatkan modal mereka ke aset tertimbang menurut risiko. Karena hal
ini tentu risiko yang harus dihadapi oleh bank meningkat karena bank lebih
banyak memiliki aset berisiko. Hasil ini juga kosisten dengan penelitian Rime
(2001) yang mengunngkapkan bahwa bank yang memiliki size yang besar lebih
memilih risiko yang berat karena bank lebih meningkatkan fokus mereka pada
(45)
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Capital requirements memiliki pengaruh positif siginifikan terhadap
perubahan risiko. Hasil ini konsisten dengan Kim dan Santomero (1988), Shrieves
dan Dahl (1992) dan Rime (2001) yang mengungkapkan adanya pengaruh positif
antara modal dan risiko perbankan. Hal Ini berarti menunjukan bahwa bank yang
ada di indonesia dalam memenuhi capital requirements juga melakukan
peningkatan pada aset berisiko mereka. Sedangkan untuk Perubahan risiko
memiliki pengaruh negatif tidak signifikan terhadap capital requirements. Hal ini
menunjukkan bahwa bank ketika menambah risiko tidak diiringi dengan
pertamabahan pada modal mereka.
5.2 Saran
Dari hasil dan pembahasan penelitian ini dapat dihasilkan beberapa saran
untuk regulator, manajemen perbankan dan peneliti.
1. Bagi investor, hasil penelitian ini diharapkan menjadi bahan pertimbangan
dalam menentukan efesiensi penanaman modal. Investor diharapkan lebih
(46)
menanggung risiko bisnis yang lebih besar. Serta investor diharapkan tidak
hanya melihat sistem permodalan pada sisi minimum persyaratan modal
yang ditetapkan oleh regulator saja, tetapi investor seharusnya menjaga
cadangan modal sesuai dengan kondisi perbankan itu sendiri.
2. Bagi manajemen bank, hasil penelitian ini diharapkan dapat menjadi bahan
pertimbangan dalam menetukan manajemen permodalan dan risiko
perbankan. Bank diharapkan lebih efesien dalam mengelolah kualitas aset
yang dimiliki agar bank memiliki kualitas aset yang bagus sehingga dapat
mengurangi tingkat risiko yang akan dihadapi oleh bank. Dengan hal ini
mungkin para investor akan menambah jumlah saham mereka.
3. Bagi peneliti yang ingin mengembangkan penelitian ini mungkin dapat
memilih objek penelitian dengan wilayah yang berbeda seperti sektor
perbankan pada negara lain. Serta dapat memberikan perbandingan
bagaimana kondisi permodalan dan risiko antara negara indonesia dan
(47)
BAB II
TINJAUAN PUSTAKA
2.1 Landasan Teori
2.1.1 Teori Struktur Modal
Neraca perusahan (balance sheet) terdiri dari dua sisi yaitu sisi aktiva yang
menggambarkan struktur kekayaan sebuah perusahaan dan sisi pasiva sebagai
cerminan struktur keuangan. Sedangkan struktur modal merupakan bagian dari
struktur keuangan yang mencerminkan jumlah perbandingan antara hutang
dengan modal sendiri. Sebuah perusahaan harus menentukan tentang berapa
banyak jumlah utang sebuah perusahaan dalam strukturnya modal. Penentuan
tentang struktur modal ( capital structure ) berhubungan dengan keputusan
pembelanjaan ( financial decision ) yang akan dilakukan oleh perusahaan. (James
C. Van Horne dan John M. Wachowicz; 2008) Struktur modal merupakan
Campuran atau proporsi pembiayaan tetap suatu perusahaan dalam jangka
panjang yang diwakili oleh utang, saham preferen, dan ekuitas saham biasa.
Dalam pemenuhan pembiayaan perusahaan membutuhkan dana yang
diperoleh melalui internal perusahaan maupun secara eksternal. Bentuk pendanaan
secara internal (internal financing) adalah laba ditahan dan depresiasi. Pemenuhan
yang dilakukan secara eksternal dapat dibedakan menjadi pembiayaan hutang
(48)
dapat dipenuhi melalui pinjaman, sedangkan modal sendiri melalui penerbitan
saham baru.
Banyak teori yang membahas bagaimana struktur modal sebuah
perusahaan, dalam mentukan struktur modal dapat dilakukan dengan beberapa
teori pendekatan. Berikut uraian beberapa teori dari struktur modal :
1. Teori Pendekatan Tradisional (Traditional Approach)
(James C. Van Horne dan John M. Wachowicz; 2008) Pendekatan
tradisional untuk struktur modal merupakan Sebuah teori struktur modal yang
mengansumsikan struktur modal yang optimal (optimal capital structure) dimana
teori ini memungkinkan pihak manajemen untuk meningkatkan nilai total
perusahaan melalui penggunaan leverage keuangan yang bijaksana. Yang
dimaksud dengan struktur modal yang optimal (Optimal Capital Structure) adalah
struktur modal yang memaksimalkan nilai perusahaan dengan meminimalkan
biaya modal perusahaan.
Pendekatan ini beranggapan bahwa perusahaan pada awalnya dapat
menurunkan jumlah biaya modal dan meningkatkan nilai total perusahaan melalui
peningkatan leverage keuangan. Meskipun investor menaikkan tingkat
pengembalian ekuitas, namun peningkatan pengembalian ekuitas tidak
sepenuhnya menetralkan manfaat menggunakan modal utang yang lebih murah.
Karena semakin tinggi leverage keuangan yang muncul, akan menyebabkan para
investor semakin meningkatkan pengembalian yang diharapkan dari ekuitas.
Hingga akhirnya pengaruh ini akan memberikan efek lebih dari sekedar
(49)
Dalam salah satu variasi dari pendekatan tradisional, diasumsikan
pengembalian yang diminta atas ekuitas meningkat seiring dengan peningkatan
leverage keuangan. Sedangkan biaya modal yang berasal dari utang diasumsikan
meningkat setelah terjadinya peningkatan yang signifikan dalam leverage
keuangan. Pada awalnya, biaya rata-rata tertimbang modal akan menurun sejalan
dengan leverage karena kenaikan pengembalian yang diminta atas ekuitas tidak
sepenuhnya menetralkan penggunaan modal utang yang lebih murah. Akibatnya,
biaya rata-rata tertimbang modal akan menurun sejalan dengan penggunaan
leverage keuangan yang moderat.
Akan tetapi setelah titik tertentu, kenaikan pengembalian yang diminta atas
ekuitas lebih dari sekedar mengompesasikan penggunaan modal utang yang lebih
murah dalam struktur modal dan kapitalisasi keseluruhan mulai naik. Dengan
demikian pendekatan tradisional untuk struktur modal mengandung makna antara
lain bahwa :
1) biaya modal tergantung pada struktur modal perusahaan
2) terdapatnya struktur modal yang optimal.
2. Teori Prinsip Nilai Total (The Total-Value Principle)
Teori Prinsip Nilai Total (The Total-Value Principle) dikemukan oleh
Franco Modigliani dan Merton Miller (M&M). Teori ini muncul pada tahun 1958
melalui publikasi artikel yang ditulis oleh Franco Modigliani dan Merton Miller
(M&M) dengan judul “The Cost of capital, Corporation Finance, and TheTheory of Invesment”. Modigliani dan Miller (M&M) berasumsi bahwa hubungan antara
(50)
leverage keuangan dan biaya modal dijelaskan melalui pendekatan laba bersih operasional (Net Operating Income). Teori M&M ini menyangkal teori struktur
modal tradisional, dengan memberikan justifikasi perilaku untuk membentuk
tingkat kapitalisasi keseluruhan perusahaan tetap konstan di seluruh rentang
kemungkinan leverage keuangan.
M&M berpendapat bahwa total risiko untuk semua pemegang sekuritas
dari suatu perusahaan tidak akan berubah dengan adanya perubahan struktur
modal perusahaan. Oleh karena itu nilai total perusahaan harus sama, terlepas dari
pencampuran pendanaan perusahaan. Sederhananya, asumsi M&M didasarkan
pada gagasan bahwa bagaimanapun cara Anda membagi struktur modal dari suatu
perusahaan antara utang, ekuitas, dan klaim lain, selalu ada konservasi atas nilai
investasi. Artinya, karena nilai total investasi perusahaan tergantung pada
profitabilitas dan risiko yang mendasarinya, nilai perusahaan tidak akan berubah
seiring dengan perubahan struktur modal perusahaan. Jadi, dalam keadaan tidak
adanya pajak dan faktor-faktor ketidaksempurnaan pasar lainnya, nilai total
perusaahan tidak berubah ketika dibagi menjadi utang, ekuitas, dan surat berharga
lainnya.
Asumsi ini didukung dengan gagasan bahwa investor dapat mengganti
leverage keuangan pribadi dengan leverage keuangan perusahaan. Dengan
demikian investor memiliki kemampuan melalui pinjaman pribadi, untuk
mereplikasi struktur modal perusahaan dengan struktur modal yang mungkin
diterapkan dalam perusahaan. Karena perusahaan tidak dapat melakukan sesuatu
(51)
dapat lakukan sendiri pemegang saham maka menurut asumsi M&M perubahan
struktur modal dalam pasar modal yang sempurna tidak memiliki nilai. Oleh
karena itu dua perusahaan sama dalam segala hal kecuali untuk struktur modal
harus memiliki nilai total yang sama. Jika tidak, maka dapat dilakukan arbitrase
yang akan menyebabkan kedua perusahaan untuk menjual saham di pasar dengan
nilai total yang sama. Dengan kata lain, arbitrase menghalangi subtitusi yang
sempurna terhadap penjualan saham dengan tingakat harga yang beragam dipasar
yang sama.
2.1.2 Teori Risiko
Dalam sebuah investasi hal yang menjadi perhatian adalah pengembalian
dari investasi (return) dan risiko (risk). Dalam teori investasi dikemukakan sebuah
asumsi “high risk high return, low risk low return”. Artinya dalam sebuah investasi yang memiliki risiko yang tinggi akan memberikan pengembalian yang
tinggi juga dan sebaliknya investasi yang memiliki risiko yang rendah akan
memberikan pengembalian yang rendah juga. Risiko memang identik dengan
investasi, risiko dalam keuangan dapat dibedakan menjadi dua tipe yaitu risiko
sistematis (systematic Risk)dan risiko tidak sistematis (Unsystematic Risk).
Risiko sistematis (Systematic Risk) adalah (James C. Van Horne dan John
M. Wachowicz; 2008) risiko yang terjadi karena faktor-faktor yang
mempengaruhi pasar secara keseluruhan, seperti adanya perubahan dalam
(52)
keuangan global. Risiko ini tak dapat dihindari oleh investor walaupun sudah
memegang portofolio yang terdiversifikasi.
Komponen risiko kedua adalah risiko tidak sistematis (Unsystematic Risk)
adalah risiko yang hanya dialami oleh beberapa perusahaan tertentu, maksudnya
antara perusahaan yang satu dan perusahaan yang lainny memiliki risiko ayang
berbeda. Namun, dengan diversifikasi jenis risiko ini dapat dikurangi dan bahkan
dihilangkan jika diversifikasi efisien.
2.1.3 Capital Requirements
Permodalan bagi bank berfungsi sebagai penyangga terhadap
kemungkinan terjadinya kerugian. Selain itu modal juga berfungsi untuk menjaga
kepercayaan terhadap aktivitas perbankan dalam menjalankan fungsinya sebagai
lembaga intermediasi atas dana yang diterima dari nasabah. Untuk melihat
bagaimana modal melindungi sebuah lembaga keuangan dari risiko kebangkrutan,
maka definisi dari modal haruslah tepat. Ada banyak definisi modal yang berbeda
dimana definisi modal dari seorang ekonom mungkin berbeda dari definisi
seorang akuntan. Secara khusus, definisi modal untuk bankir memiliki arti khusus,
dimana modal merupakan saham yang dimiliki oleh pemilik lembaga keuangan
atau investor, yang dimaksud saham disini adalah uang atau sebagian dari
kekayaan investor yang ditempatkan di perusahaan keuangan dengan harapan
mendapatkan tingkat pengembalian yang kompetitif dari kontribusi dana.
Modal merupakan cushion yang dimiliki oleh bank dalam menghadapi
(53)
kewajiban. Modal dimaksudkan sebagai asuransi terhadap kebangkrutan bank
yaitu kondisi dimana kewajiban suatu perusahaan melebihi asetnya. (Stephen G.
Cecchetti: hal 295)
Modal memiliki 3 fungsi utama (Dahlan, siamat : 1993 hal 99) yaitu
fungsi operational, fungsi perlindungan, fungsi pengamanan dan pengaturan.
Penggunaan modal bank dimaksudkan untuk memenuhi segala kebutuhan
perbankan guna menunjang kegiatan operasi bank. Jumlah modal bank dianggap
tidak mencukupi apabila tidak memenuhi maksud-maksud tersebut. Namun dalam
prakteknya menetapkan berapa besarnya jumlah wajar kebutuhan modal suatu
bank adalah tugas yang cukup kompleks. Penetapan jumlah modal suatu bank
Merupakan tugas pengawas bank.
Menurut peraturan BIS lembaga perbanka harus memenuhi persyaratan
permodalan yang sesuai dengan aturan basle. Persyaratan modal ini dinamakan
dengan Capital requirements, yang mana minimum Capital Requirements yang
ditetapkan oleh BIS adalah 8 %. Capital Requirements dibuat pada tahun 1988
dalam Basel Accord dan hingga saat ini definisi dari Capital Requirements tetap
sama dan diterapkan dalam Basel II. Minimum Capital Requirements merupakan
pilar yang pertama dari Basel II. Dibawah Basel I dan Basel II, definisi dari
Minimum capital Requirements terdiri dari 3 level (atau tier) modal. Tier tersebut adalah:
a) Modal Tier 1 (modal Inti). Tier ini terdiri dari elemen yang memiliki
kapasitas terbesar untuk menyerap kerugian yang terjadi setiap saat.
(54)
nonkumulatif ditambah cadangan-cadangan dikurangi goodwill. Hal
ini mencakup saham pemilik bank, keuntungan tak terbagi (laba
ditahan), dan aset tak berwujud.
b) Modal Tier 2 (modal pelengkap). Tier ini dibentuk dari campuran
komponen ekuitas secara umum (a broad mix of near equity
components) dan modal hybrid/instrumen hutang. Tier 2 meliputi penyisihan (cadangan) untuk kerugian pinjaman dan sewa, saham
preferen atau instrumen utang yang bersifat subordinasi, tidak
memiliki jangka waktu, pembayaran dividen atau imbal hasil bersifat
non kumulatif, dan tidak memiliki fitur step up.
c) Modal Tier 3 (atau modal pelengkap tambahan) ditambahkan pada
tahun 1995 dan hanya digunakan untuk memenuhi persyaratan modal
pada risiko pasar.
Dalam pilar capital requirements perhitungan jumlah modal dihitung
berdasarkan risiko. Untuk mengukur jumlah risiko menurut Bank Indonesia dapat
digunakan 2 alternatif pendekatan yaitu pendekatan standar berlaku untuk seluruh
bank (standardised model) dan model yang dikembangkan secara internal sesuai
dengan karakteristik kegiatan usaha dan profil risiko individual bank (internal
model) sehingga lebih sophisticated. Komparasi di antara 2 pendekatan ini, diharapkan dapat menghasilkan perhitungan kebutuhan modal yang lebih tepat
sesuai dengan risiko yang dihadapi oleh bank dan memberikan insentif bagi bank
untuk memaksimalkan portofolio dari asset mereka. Rumus berikut merupakan
(1)
vi Penulis menyadari bahwa skripsi ini masih jauh dari sempurna yang disebabkan oleh keterbatasan dari penulis. Oleh karena itu, penulis mengharapkan kritik dan saran yang dapat menyempurnakan skripsi ini. Skripsi ini diharapkan dapat bermanfaat bagi semua pihak dan penelitian selanjutnya.
Medan, Februari 2016
(2)
vii DAFTAR ISI
DAFTAR ISI Halaman
HALAMAN JUDUL ... i
ABSTRAK ... ii
ABSTRACT ... iii
KATA PENGANTAR ... iv
DAFTAR ISI ... vii
DAFTAR TABEL ... ix
DAFTAR GAMBAR ... x
DAFTAR LAMPIRAN ... xi
BAB I PENGDAHULUAN ... 1
1.1 Latar Belakang ... 2
1.2 Rumusan Masalah ... 11
1.3 Tujuan dan Manfaat Penelitian ... 11
1.3.1 Tujuan Penelitian ... 11
1.3.2 Manfaat Penelitian ... 12
BAB II TINJAUAN PUSTAKA ... 13
2.1 Landasan Teori ... 13
2.1.1 Teori Struktur Modal ... 13
2.1.2 Teori Risiko ... 17
2.1.3 Capital Requirements ... 18
2.1.4 Risiko Perbankan ... 21
2.1.5 Faktor-faktor yang mempengaruhi perubahan modal dan risiko .. 25
2.2 Tinjauan Penelitian Terdahulu ... 29
2.3 Kerangka Konseptual ... 29
2.4 Hipotesis Konseptual ... 33
BAB III METODE PENELITIAN ... 34
3.1 Jenis Penelitian ... 34
3.2 Batasan Operasional ... 34
3.3 Populasi dan Sampel ... 35
(3)
viii
3.5 Jenis dan Sumber Data ... 40
3.6 Teknik Analisis ... 41
3.6.1 Input Data ... 41
3.6.2 Analisis Deskriptif ... 41
3.6.3 Metode Analisis Data ... 41
3.6.4 Penentuan Teknik Estimasi ... 43
3.6.1.1.Metode Two Stage Least Square (2SLS) ... 45
3.6.1.2.Uji Simultanitas (Hausman’s specification error test) ... 46
3.6.5 Pengujian Hipotesis ... 46
3.6.5.1 Uji F-statistic ... 46
3.6.5.2 Uji t-statistic ... 47
3.6.5.3 Analisis koefisien determinasi (R2) ... 48
BAB IV HASIL DAN PEMBAHASAN ... 49
4.1 Hasil Statistik Deskriptif ... 49
4.2 Hasil Uji Spesifikasi Hausman (Hausman’s specification error test) ... 51
4.3 Hasil Estimasi Capital Requirements ... 52
4.3.1 Uji Signifikansi ... 54
4.3.1.1 Uji parsial (Uji statistik t) ... 54
4.3.1.2 Uji Simultan (Uji statistik F) ... 54
4.3.1.3 Koefisien Determinasi (R2) ... 55
4.4 Hasil Estimasi Perubahan Risiko ... 55
4.4.1 Uji Signifikansi ... 57
4.4.1.1 Uji Parsial (Uji statistik t) ... 57
4.4.1.2 Uji Simultan (Uji statitik F) ... 58
4.4.1.3 Koefisien Determinasi (R2) ... 58
4.5 Pembahasan ... 59
4.5.1 Hubungan antara Capital Requirements dan Perubahan Risiko . 59 4.5.2 Pengaruh Predetermined Variable terhadap Capital Requirements dan Perubahan risiko ... 60
BAB V KESIMPULAN DAN SARAN ... 61
5.1 Kesimpulan ... 61
5.2 Saran ... 61
DAFTAR PUSTAKA ... 62
(4)
ix DAFTAR TABEL
Tabel 2.1. Penelitian Terdahulu ... 28 Tabel 3.1. Daftar Bank yang Menjadi Sampel ... 36 Tabel 4.1. Hasil Perhitungan Statistik Deskriptif ... 49 Tabel 4.2. Hasil Uji Spesifikasi Hausman (Hausman’s specification error
test) antara Variabel Capital Requirements dan Perubahan
Risiko ... 51 Tabel 4.3. Hasil Two-stage Least Squares (2SLS) untuk Variabel Capital
Requirements ... 52 Tabel 4.4 Estimasi Model (Uji F) ... 54
Tabel 4.5 Hasil Two-stage Least Squares (2SLS) untuk
Variabel Perubahan Risiko ... 56 Tabel 4.6 Estimasi Model (Uji F) ... 58
(5)
x DAFTAR GAMBAR
(6)
xi DAFTAR LAMPIRAN
Lampiran 1 Data Hasil Olahan Populasi ... 68 Lampiran 2 Hasil Eviews Statistik Deskriptif ... 71 Lampiran 3 Hasil Eviews Uji Hausman Test ... 72 Lampiran 4 Hasil Eviews Two Stage Least Square (2SLS) Capital
Requirements ... 73 Lampiran 5 Hasil Eviews Two Stage Least Square (2SLS) Perubahan
Risiko ... 74 Lampiran 6 Tabel Pengolahan Data Skripsi ... 75