Bengkulu komposit. Nilai
komposit pada angka 1.58 berada pada
kategori “sehat”, sesuai dengan
standar Bank
Indonesia. Peringkat “sehat” untuk
kesehatan Bank Bengkulu pada tahun
2011 tersebut
sudah disetujui oleh Bank Indonesia
perwakilan Bengkulu.
Penelitian serupa pernah dilakukan oleh Hening Asih Widyaningrum 2012 Analisis Tingkat Kesehatan Bank Dengan Menggunakan Metode Risk-
Based Bank Rating RBBR Studi pada Bank yang Terdaftar di Bursa Efek Indonesia dalam IHSG Sub Sektor Perbankan Tahun 2012. Hasil penelitian yang
diperoleh dari Return On Asset menunjukkan masih terdapat bank yang tidak sehat dengan nilai Return On Asset di bawah 1,25. Penilaian Net Interest
Margin menunjukkan keseluruhan bank yang menjadi sampel penelitian dapat digolongkan ke dalam bank sehat. Penilaian terhadap faktor capital dengan rasio
Capital Adequacy Ratio menunjukkan hasil yang positif pada setiap bank, secara keseluruhan setiap bank memiliki nilai Capital Adequacy Ratio di atas 10
sehingga masuk ke dalam bank sehat.
2.3. Kerangka Konseptual
Berdasarkan uraian kerangka konseptual di atas maka dirumuskan kerangka komseptual mengenai Analisis Tingkat Kesehatan Bank Dengan
Menggunakan Metode Risk-Based Bank Ratting RBBR, seperti terlihat pada gambar berikut:
Gambar 2.1. Kerangka Konseptual
Tingkat Kesehatan Bank Metode Risk-Based Bank
Ratting RBBR
31
BAB III METODE PENELITIAN
3.1. Jenis Penelitian
Berdasarkan hipotesis yang telah diajukan, maka dalam penelitian kali ini yang dijadikan objek penelitian adalah risiko keuangan bank yang berasal dari
laporan keuangan Bank Umum yang digunakan adalah prediksi satu tahun, dua tahun, dan tiga tahun sebelum bank bermasalah.
Risiko keuangan yang digunakan untuk pembuatan model adalah rasio keuangan yang diperoleh dari laporan keuangan periode 2011, 2012 dan 2013.
Sedangkan laporan keuangan periode 2014 merupakan periode yang akan diprediksi oleh model yang terbentuk. Jadi, model yang terbentuk tahun 2012,
2013, dan 2014 digunakan untuk memprediksi bank bermasalah berturut-turut untuk tiga, dua dan satu tahun mendatang sebelum bank bermasalah. Berdasarkan
model tersebut diharapkan dapat menghasilkan nilai yang dapat memprediksi usaha perbankan di masa mendatang. Selain itu, model yang terbentuk diharapkan
mempunyai akurasi model tepat untuk diterapkan di Indonesia sebagai salah satu alat antisipasi dini early warning tools. Dalam mengolah data laporan keuangan
Bank Umum ini.
3.2. Populasi dan Sampel
Sesuai dengan objek penelitian, maka populasi dalam penelitian ini adalah laporan keuangan Bank Umum per 31 Desember yang dikelompokkan
berdasarkan kategori pada dependent variable. Laporan keuangan yang digunakan yaitu Bank Rakyat Indonesia, Tbk, Bank Mandiri, Bank Negara Indonesia, Bank
Tabungan Negara periode 2008, 2009, dan 2010. Sedangkan periode 2011 sebagai penentu jumlah populasi dan tahun prediksi yang akan digunakan dalam
penelitian kali ini. Jumlah populasi yang digunakan dalam penelitian ini adalah jumlah Bank
Umum pada tahun 2011 sebanyak 120 bank, tapi penulis hanya akan menggunakan jumlah bank tahun sebanyak 105 bank, dikarenakan laporang
keuangan yang terpublikasi pada website Bank Indonesia dari tahun 2008 – 2011 adalah sebanyak 105 bank. Penarikan sampel yang digunakan adalah dengan
sensus yang berarti jumlah populasi tersebut semuanya digunakan sebagai sampel. Alasan penggunaan sampel ini karena untuk membentuk model diskriminan yang
ideal menyatakan bahwa untuk setiap variabel independen sebaiknya ada 5 – 20 sampel Santoso, 2010. Berarti semakin banyak sampel yang digunakan
diharapkan dapat membentuk model diskriminan yang lebih baik.
3.3. Jenis Data
