Uji Normalitas Data Uji Multikoleniaritas Uji Heterokedastisitas Uji Autolorelasi Uji Signifikansi Simultan Uji-F Uji Signifikansi Parsial Uji-t Uji Normalitas Data

88 Lampiran 4 Pengujian Asumsi Klasik

1. Uji Normalitas Data

One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 51 Normal Parameters a Mean .0000000 Std. Deviation .37238571 Most Extreme Differences Absolute .109 Positive .109 Negative -.086 Kolmogorov-Smirnov Z .779 Asymp. Sig. 2-tailed .578 a. Test distribution is Normal. Universitas Sumatera Utara 89 Universitas Sumatera Utara 90

2. Uji Multikoleniaritas

Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 Constant 2.076 .075 27.666 .000 NPL 4.957 .727 .717 6.817 .000 .975 1.026 ROA .041 .047 .093 .878 .384 .960 1.042 LDR 2.649E-5 .000 .006 .056 .956 .973 1.028 LIQUIDITYRISK -.062 .072 -.091 -.870 .389 .985 1.015 a. Dependent Variable: ZSCORE Universitas Sumatera Utara 91

3. Uji Heterokedastisitas

4. Uji Autolorelasi

Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .710 a .504 .461 .38824 2.218 a. Predictors: Constant, LIQUIDITYRISK, ROA, NPL, LDR b. Dependent Variable: ZSCORE Universitas Sumatera Utara 92 Lampiran 5 Pengujian Hipotesis

1. Uji Signifikansi Simultan Uji-F

ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 7.036 4 1.759 11.670 .000 a Residual 6.934 46 .151 Total 13.970 50 a. Predictors: Constant, LIQUIDITYRISK, ROA, NPL, LDR b. Dependent Variable: ZSCORE

2. Uji Signifikansi Parsial Uji-t

Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 2.076 .075 27.666 .000 NPL 4.957 .727 .717 6.817 .000 ROA .041 .047 .093 .878 .384 LDR 2.649E-5 .000 .006 .056 .956 LIQUIDITYRISK -.062 .072 -.091 -.870 .389 a. Dependent Variable: ZSCORE

3. Koefisien Determinasi R

2 Model Summary b Model R R Square Adjusted R Square Std. Error of the Estimate 1 .710 a .504 .461 .38824 a. Predictors: Constant, LIQUIDITYRISK, ROA, NPL, LDR b. Dependent Variable: ZSCORE Universitas Sumatera Utara 81 DAFTAR PUSTAKA Achmad, Tarmizi Willyanto K. Kusumo. 2003. “Analisis Rasio-Rasio Keuangan sebagai Indikator dalam Memprediksi Potensi Kebangkrutan Perbankan di Indonesia”, Media Ekonomi dan Bisnis, Vol.XV, No.1, Juni, pp.54-75. Adi, Suyatmin Waskito dan Rahmawati, Aryani Intan Endah. 2015. “Analisis Rasio Keuangan Terhadap Kondisi Financial Distress Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia Tahun 2008-2013”, Jurnal Ekonomi dan Bisnis, ISSN: 2460-0784. Almilia, Luciana Spica dan Herdiningtyas, Winny, 2005. “Analisis Rasio CAMEL Terhadap Prediksi Kondisi Bermasalah Pada Lembaga Perbankan Periode 2000 – 2002”, Jurnal Akuntansi dan Keuangan, Volume 7, No. 2, Nopember 2005 ISSN 1411 – 0288. Aryati, Titik Shirin Balafif. 2007. “Analisis Faktor yang Mempengaruhi Tingkat Kesehatan Bank dengan Regresi Logit”. Journal The Winners, Vol. 8, No. 2, September 2007. Atmini, Sari dan Wuryana. 2005. “Manfaat Laba Dan Arus Kas Untuk Memprediksi Kondisi Financial Distress Pada Perusahaan Textile Mill Products Dan Appared And Other Textile Products Terdaftar Di Bursa Efek Jakarta. Simposium Nasional Akuntansi VIII, Solo, Hal. 460-474. Bestari, Adhistya Rizky dan Rohman, Abdul, 2013. “Analisis pengaruh Rasio Camel Terhadap Kondisi Bermasalah Bank Pada Sektor Perbankan Periode 2007-2011”, Diponegoro Journal Of Accounting Volume 2 Nomor, 3 Tahun, 2013, ISSN:337-3806, 2013, Hotchkiss, Edith S., et all, Bankcruptcy and The Resolution of Financial Distress . SSRN number 1086942, 2008. Dendawijaya, Lukman. 2005. Manajemen Perbankan, Edisi kedua. Jakarta: Ghalia Indonesia. _____ __. 2009. Manajemen Perbankan, Edisi kedua. Jakarta: Ghalia Indonesia. Erlina. 2008. Metodologi Penelitian Bisnis: Untuk Akuntansi dan Manajemen, Edisi Kedua. USU Press. Medan. Universitas Sumatera Utara 82 Fahmi, Irham, 2015. Manajemen Perbankan Konvensional Syariah. Jakarta: Mitra Wacana Media. Ghozali, Imam. 2005. Aplikasi Analisis Multivariate dengan Program SPSS, Edisi ketiga, Badan penerbit Universitas Diponegoro, Semarang. Harahap, Sofyan Syafri. 2010. Analisis Kritis laporan Keuangan, PT. Raja Grafindo Persada, Jakarta. Hilman, Iim. 2014. “The Bank Bankruptcy Prediction Models Based Of Financial Risk An Emperical Study of Indonesian Banking Crises”. International Journal of Economics and law , Vol. 4, Issue 2 June ISSN 2289-1552. Kasmir. 2007. Bank dan Lembaga Keuangan Lainnya, PT Raja Grafindo Persada, Edisi 7, Jakarta. ______. 2010. Pengantar Manajemen Keuangan, Kencana Prenada Media Group, Jakarta. ______. 2014. Dasar-dasar Perbankan, PT Raja Grafindo Persada, Edisi Revisi, Jakarta. ______. 2014. Manajemen Perbankan, PT Raja Grafindo Persada, Edisi Revisi, Jakarta. Khaliq, Ahmad, dkk.. 2014. “Identifying Financial Distress Firms: A Case Study of Makaysia’s Goverrnment Linked Companies GLC”, International Journal of Economics, Finance and Management , Vol.3 No.3, April 2014.ISSN: 2307-2466. Kodrat, David Sukardi dan Indonanjaya, Kurniawan. 2010. Manajemen Investasi: Pendekatan Teknikal dan Fundamental. Yogyakarata: Graha Ilmu. Lestari. 2009. “Analisis Tingkat Kesehatan Bank-Bank Pemerintah Dengan Pemerintah Dengan Menggunakan Metode Camels Dan analisis Diskriminan Periode 2006-2008”, Skripsi Akuntansi Fakultas Ekonomi dan Bisnis Universitas Gunadarma, Jakarta. Martharini, Latifa, 2012. “Analisis Pengaruh Rasio CAMEL dan TOTAL ASET Terhadap Prediksi Kondisi Bermasalah Pada Perbankan Studi Pada Bank Umum yang Terdaftar Dalam Direkrori Perbankan Tahun 2006-2010”. Skripsi Fakultas Ekonomika dan Bisnis Universitas Diponegoro, Semarang. Universitas Sumatera Utara 83 Mulyani, Sri. 2009. “Implementasi Manajemen Risiko Pembiayaan dalam Upaya Menjaga Likuiditas Bank Syariah Studi pada PT Bank Syariah Mandiri Cabang Malang”. Skripsi UIN Malang. Nugroho, Lukman Chakim. 2011. “Analisis Pengaruh CAR, NPL, NIM, BOPO Dan LDR terhadap Tingkat Profitabilitas Perbankan Studi Kasus pada Bank Umum Swasta Nasional Devisa di Indonesia yang Terdaftar di Bursa Efek Indonesia Periode 2007 – 2011”. Skripsi Fakultas Ekonomika dan Bisnis Universitas Diponegoro, Semarang. Nurazi, Ridwan. 2005. “An Indonesian Study of the Use of CAMELS Ratios as Predictors of Bank Failure”, Journal of Economic and Social Policy, Vol. 10, Iss. 1, 2005, Art. 6. Pandia, Frianto. 2012. Manajemen Dana dan Kesehatan Bank. Jakarta:PT rineka cipta. Peraturan Bank Indonesia No. 72PBI2005. Prasetyo. Eka Adhi. 2011. “Faktor-Faktor yang Mempengaruhi Kondisi Financial Distress Perusahaan Perbankan yang Listing di BEI tahun 2006-2008”. Skripsi Fakultas Ekonomi Universitas Diponegoro. Semarang. Priyatno, Duwi. 2013. Mandiri Belajar Analisis Data Dengan SPSS, Mediakom, Yogyakarta. Purwasih, Tetty. 2013. “Pengaruh Rasio Caamel dan Risiko Perbankan Terhadap Kondisi Financial Distress Perusahaan Perbankan”, Skripsi Yang Dipublikasi, Jurusan Akuntansi Universitas Pasundan. Bandung. Ramadhani, Ayu Suci, dan Lukviarman, Niki. 2009. “Perbandingan Analisis Prediksi Kebangkrutan Menggunakan Model Altman Pertama, Altman Revisi, Dan Altman Modifikasi Dengan Ukuran Dan Umur Perusahaan Sebagai Variabel Penjelas Studi Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia”, Jurnal Siasat Bisnis, Vol. 13 No. 1. Sarwono, Jonathan. 2012. Mengenal SPSS Statistics 20 Aplikasi Untuk Riset Eksperimental , Kompas Gramedia, Jakarta. Sedarmayanti dan Syafruddin Hidayat. 2011. Metodologi Penelitian. Mandar Maju. Bandung. Universitas Sumatera Utara 84 Situmorang, Syafrizal Helmi, dkk.. 2010. Analisis Data Untuk Riset Manajemen dan Bisnis . Medan: USU Press. Sugiyono, 2011. Statistika untuk Penelitian, ALFABETA, Bandung. ____ ___. 2011. Metode Penelitian Kuantitatif Kualitatif dan RD, ALFABETA, Bandung. Sujarweni, Wiratna. 2015. Metodologi Penelitian Bisnis dan Ekonomi. Pustaka Baru Press. Yogyakarta. Sumantri dan Jurnali, Teddy, 2010. “Manfaat Rasio Keuangan dalam Memprediksi Kepailitan Bank Nasional”, Jurnal Bisnis dan Akuntansi, Vol. 12, No.1, April 2010, hlm.39-52. Tunggal, Amin Widjaja. 2010. Pokok-pokok Analisis Laporan Keuangan, Harvarindo, Jakarta. www.idx.co.id www.sahamok.com Universitas Sumatera Utara 43

BAB III METODE PENELITIAN

3.1. Jenis Penelitian

Jenis penelitian yang dilakukan adalah asosiatif. Menurut Sujarweni 2015:16, “penelitian asosiatif merupakan penelitian yang bertujuan untuk mengetahui hubungan antara dua variabel atau lebih”. Sedangkan dalam Sedarmayanti dan Syafrudin 2011:42 “penelitia asosiatif adalah penelitian yang bersifat menghubungkan dua variabel atau lebih dapat berupa hubungan sebab akibat, hubungan saling mempengaruhi, dan hubungan sejajar”.

3.2. Tempat dan Waktu Penelitian

Penelitian dilakukan di bursa Efek Indonesia BEI melalui media internet dengan menggunakan situs www.idx.co.id mulai dari bulan Januari 2016 sampai dengan Februari 2016.

3.3. Batasan Operasional Variabel

Batasan operasional dilakukan untuk menghindari kesimpangsiuran dalam membahas dan mengnalisis permasalahan dalam penelitian yang dilakukan peneliti. Adapun yang menjadi batasn operasional penelitian adalah: 1. Variabel dependen yang digunakan dalam penelitian ini adalah financial distress. 2. Variabel independen yang digunakan dalam penelitian ini adalah rasio CAMEL NPL, ROA dan LDR dan risiko perbankan liquidity risk. Universitas Sumatera Utara 44 3. Perusahaan yang diteliti adalah perusahaan perbankan di Bursa Efek Indonesia selama tahun 2010-2012.

3.4. Defenisi Operasional dan Skala Pengukuran Variabel

Tabel 3.1 Defenisi Operasional dan Skala Pengukuran Variabel No Variabel Konsep Indikator Skala ukuran 1. Rasio CAMEL X 1 , X 2 , X 3 NPL: perbandingan antara jumlah kredit yang diberikan dengan tingkat kolektibilitas dengan total kredit yang diberikan bank ROA: untuk mengukur kemampuan manajemen bank dalam memperoleh keuntungan laba sebelum pajak yang dihasilkan dari total asset bank yang bersangkutan LDR: untuk menilai likuiditas suatu bank yang dengan cara membagi jumlah kredit yang diberikan oleh bank terhadap dana pihak ketiga. NPL ROA LDR Rasio Universitas Sumatera Utara 45

3.5. Populasi dan Sampel Penelitian

Populasi adalah wilayah generalisasi yang terdiri atas objeksubyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut Sugiyono, 2011. Jumlah populasi dalam penelitian ini sebanyak 41 perusahaan dengan periode penelitian selama 3 tahun, Peneliti mengambil 17 perusahaan sebagai sampel dengan beberapa kriteria yang telah ditetapkan sehingga jumlah seluruh sampel adalah sebanyak 51. Teknik pengumpulan sampel yang digunakan dalam penelitian ini adalah purposive sampling, yaitu teknik penentuan sampel berdasarkan suatu ktiteria tertentu. Adapun yang menjadi kriteria perusahaan dalam penentuan sampel dalam penelitian ini adalah : 1. Perusahaan yang diteliti dalam penelitian ini adalah semua perusahaan perbankan yang telah terdaftar di Bursa Efek Indonesia listing selama tiga 2. Risiko Perbanka n X 4 Liquidity Risk Liquidity Risk = ×10 Rasio 3. Financial Distress Y Tingkat kesulitan keuangan perusahaan, diklasifikasika n menjadi kondisi financial distress ,kondis i rawan, dan sehat. Altman Z-Score: Z = 6,56X 1 + 3,26X 2 + 6,72X 3 + 1,05X 4 Z 2,6 : Kondisi sehat 1,1Z2,6 : Kondisi rawan Z 1,1 : Kondisi financial distress Rasio Universitas Sumatera Utara 46 tahun berturut-turut dengan pengamatan dari tahun 2010 sampai dengan tahun 2012. 2. Perusahaan Perbankan tersebut telah menerbitkan laporan keuangan tahunan financial statement yang telah di audit untuk periode pengamatan tahun 2010 sampai dengan tahun 2012. 3. Perusahaan yang dijadikan sampel penelitian, memiliki kelengkapan data yang menyangkut data yang akan diteliti oleh penulis, seperti memiliki data atau rasio Non Performing Loan, Return On Asset, Loan to Deposit Ratio. Berikut ini merupakan hasil pengolahan data jumlah perusahaan yang dapat dijadikan sebagai sampel berdasarkan kriteria yang telah ditetapkan sebelumnya. Tabel 3.2 Daftar Populasi dan Sampel NO KODE NAMA PERUSAHAAN KRITERIA KET 1 2 3 1 AGRO Bank Rakyat Indonesia Agro Niaga √ √ √ 1 2 AGRS Bank Agris √ x x ─ 3 BABP Bank MNC Internasional √ √ √ 2 4 BACA Bank Caital Indonesia √ √ √ 3 5 BBCA Bank Central Asia √ √ √ 4 6 BBHI Bank Harda Internasional √ x x ─ 7 BBKP Bank Bukopin √ √ √ 5 8 BBMD Bank Mestika Dharma √ x x ─ 9 BBNI Bank Negara Indonesia √ √ √ 6 10 BBNP Bank Nusantara Pharayangan √ √ x ─ 11 BBRI Bank Rakyat Indonesia √ √ √ 7 12 BBTN Bank Tabungan Negara √ x x ─ 13 BBYB Bank Yudha Bhakti √ x x ─ 14 BCIC Bank J Trust Indonesia √ √ √ 8 15 BDMN Bank Danamon Indonesia √ √ x ─ 16 BEKS Bank Pundi Indonesia √ √ √ 9 Universitas Sumatera Utara 47 17 BINA Bank Ina Perdana √ x x ─ 18 BJBR Bank Jabar Banten √ √ √ 10 19 BJTM Bank Pembangunan Daerah Jawa Timur √ x x ─ 20 BKSW Bank QNB Indonesia √ √ x ─ 21 BMAS Bank Maspion Indonesia √ x x ─ 22 BMRI Bank Mandiri √ √ x ─ 23 BNBA Bank Murti Arta √ √ x ─ 24 BNGA Bank CIMB Negara √ √ x ─ 25 BNII Bank Maybank Indonesia √ √ √ 11 26 BNLI Bank Permata √ x x ─ 27 BSIM Bank Sinar Mas √ √ √ 12 28 BSWD Bank Of India Indonesia √ √ √ 13 29 BTPN Bank Tabungan Pensiun Nasional √ √ x ─ 30 BVIC Bank Victoria Internasional √ √ √ 14 31 DNAR Bank Dinar Indonesia √ x x ─ 32 INPC Bank Arta Graha Internasional √ √ x ─ 33 MAYA Bank Mayapada Internasional √ √ √ 15 34 MCOR Bank Windu Kentjatana Internasional √ √ √ 16 35 MEGA Bank Mega √ √ √ 17 36 NAGA Bank Mitra Niaga √ x x ─ 37 NISP Bank NISP OCBC √ √ x ─ 38 NOBU Bank Nationalnobu √ x x ─ 39 PNBN Bank Pan Indonesia √ √ x ─ 40 PNBS Bank Pan Indonesia Syariah √ x x ─ 41 SDRA Bank Woori Saudara Indonesia √ √ x ─ Sumber: data olahan peneliti

3.6. Jenis Data

Jenis data yang digunakan adalah data sekunder yang meliputi laporan keuangan perusahaan periode 2010 sampai dengan 2012 yang diperoleh dari website www.idx.co.id dan buku-buku referensi. Universitas Sumatera Utara 48

3.7. Metode Pengumpulan Data

Metode pengumpulan data dalam penelitian ini dilakukan melalui metode dokumentasi. Data dikumpulkan dari berbagai sumber data yang relevan dengan penelitian, yaitu melalui buku, jurnal, skripsi, dan data-data internet.

3.8. Teknik Analisis Data

Teknik analisis data yang digunakan dalam penelitian ini adalah analisis deskriptif dan analisis statistik. Bila dilihat dari tinjauan penelitian ini yaitu ingin mengetahui pengaruh rasio CAMEL yang terdiri atas rasio net performing loan, rasio return on asset, rasio lon to deposit ratio dan risiko perbankan yaitu liquidity risk terhadap kondisi financial distress perusahaan perbankan yang terdaftar di Bursa Efek Indonesia tahun 2010 – 2012, maka metode analisis data yang digunakan dalam penelitian ini menggunakan tahap-tahap sebagai berikut:

3.8.1. Analisis Deskriptif

Analisis deskriptif merupakan metode yang digunakan untuk menganalisis dan mengolah data-data yang tersedia sehingga diperoleh gambaran yang jelas mengenai fakta-fakta dan hubungan antara fenomena yang diteliti.

3.8.2. Uji Asumsi Klasik

Asumsi klasik digunakan untuk mempelajari kekuatan antara variabel sehingga dari hubungan tersebut dapat ditaksir nilai variabel tidak bebas jika variabel bebasnya diketahui atau sebaliknya. Uji asumsi klasik ini meliputi : Universitas Sumatera Utara 49

3.8.2.1. Uji Normalitas

Uji normalitas data menjadi prasyarat pokok dalam analisis, digunakan untuk melihat tingkat normalitas data. Tingkat kenormalan data sangat penting karena dengan data yang berdistribusi normal, maka data tersebut dianggap dapat mewakili populasi. Pengujian dilakukan dengan uji Kolmogorov-Smirnov atau grafik P-P Plot. Kriteria ujinya adalah apabila nilai signifikansi residual Kolmogorov- Smirnov lebih besar dari 0,05Asymptotic Significance0,05, maka residual terdistribusi secara normal dan jika grafik P-P Plot menyebar mengikuti garis diagonal maka residual terdistribusi normal Priyatno, 2013:34-53.

3.8.2.2. Uji Multikolinearitas

Uji multikolinearitas digunakan untuk melihat terjadinya hubungan linear yang sempurna atau mendekati sempurna antar variabel independen dalam model regresi Priyatno, 2013:56. Multikolinearitas akan terjadi jika korelasi antar variabel bebas menunjukan nilai yang sangat tinggi atau mendekati 1. Pengujian lain dapat dilakukan dengan menggunakan nilai Varian Inflation Factor VIF. Jika nilai VIF 5, maka terjadi multikolinearitas antar variabel bebas Sarwono, 2012:122. Universitas Sumatera Utara 50

3.8.2.3. Uji Autokorelasi

Uji Autokorelasi digunakan untuk melihat apakah terjadi hubungan antara variabel bebas dan variabel terikat suatu periode dengan periode sebelumnya. Uji ini dilakukan dengan menggunakan pengujian Durbin Waston. Terjadinya autokorelasi adalah jika 1DW 3 Sarwono, 2012:97.

3.8.2.4. Uji Heterokedastisitas

Heterokedastisitas digunakan untuk melihat keadaan di mana terjadi ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Model regresi yang baik adalah tidak terjadi masalah heterokedasitas Priyatno, 2013:62. Uji heterokedastisitas dilakukan dengan uji Glejser Testing yaitu dengan meregresikan variabel-variabel bebas terhadap nilai absolut residual residual adalah selisih antara nilai observasi dengan nilai prediksi, dan absolut adalah nilai mutlaknya. Jika nilai signifikansi antara variabel independen dengan residual lebih dari 0,05, maka tidak terjadi heterokedasitas Ghozali, 2005.

3.8.3. Analisis Regresi Berganda

Pada tahap ini dijelaskan hubungan antara variabel dependen dan independen dengan metode regresi berganda dengan rumus : Y = a + b 1 X 1 + b 2 X 2 + b 3 X 3 + b 4 X 4 + e Dimana : Universitas Sumatera Utara 51 Y = Financial Distress Z-Score a = konstanta X1 = NPL X2 = ROA X3 = LDR X4 = LIQUIDITY RISK b 1 = koefisien regresi variabel NPL b 2 = koefesien variabel ROA b 3 = koefesien variabel LDR b 4 = koefesien variabel LIQUIDITY RISK e = error

3.8.4. Pengujian Hipotesis

3.8.4.1. Uji Signifikansi Simultan Uji F

Pengujian ini dilakukan untuk mengetahui apakah semua variabel bebas berpengaruh secara simultan terhadap variabel terikat. Pada uji ini nilai F hitung akan dibandingkan dengan F tabel pada tingkat signifikan α = 5 Kriteria pengambilan keputusan : Ho diterima jika F hitung F tabel pada α = 5 Ha ditolak jika F hitung F tabel pada α = 5 Universitas Sumatera Utara 52

3.8.4.2. Uji Signifikansi Parsial Uji t

Pengujian ini bertujuan untuk menguji pengaruh variabel bebas terhadap variabel terikat secara parsial. Pada uji ini nilai t hitung akan dibandingkan dengan t tabel pada tingkat signifikan α = 5 Kriteria pengambilan keputusan: H diterima jika t hitung t tabel pada α = 5 H ditolak jika t hitung t tabel pada α = 5

3.8.4.3. Koefisien Determinasi R

2 Nilai Adjusted R Square menunjukkan proporsi variabel dependen yang dijelaskan oleh variabel independen. Semakin tinggi nilai Adjusted R Square maka akan semakin baik bagi model regresi variabel terikat juga semakin besar. Kelemahan mendasar dalam penggunaan koefisien determinasi adalah biasa terhadap jumlah variabel independen. Semakin banyak variabel independen ditambahkan ke dalam model maka R square akan meningkat walaupun variabel tersebut tidak berpengaruh secara signifikan ke dalam model. Oleh karena itu banyak peneliti yang menganjurkan untuk menggunakan nilai Adjusted R Square untuk mengevaluasi model Situmorang dkk, 2010:144. Universitas Sumatera Utara 53

BAB IV HASIL DAN PEMBAHASAN

4.1. Data Penelitian

Objek penelitian ini adalah perusahaan perbankan yang terdaftar di Bursa Efek Indonesia, dimana jumlah seluruh perusahaan perbankan tersebut adalah 41 perusahaan. Setelah data terkumpul, seluruh perusahaan yang termasuk dalam populasi diseleksi berdasarkan kriteria yang telah ditentukan. Dari penyeleksian tersebut diperoleh 17 perusahaan yang menjadi sampel atau 51 data observasi yang memenuhi kriteria. Berikut tabel data NPL, ROA, LDR, Liquidity Risk dan Financial Distress Z-Score untuk tahun 2010-2012.

4.1.1 Deskripsi Nilai Variabel NPL

NPL adalah perbandingan antara jumlah kredit yang diberikan dengan tingkat kolektibilitas dengan total kredit yang diberikan bank. Kredit bermasalah adalah kredit dengan kualitas kurang lancar, diragukan dan macet, Dendawijaya, 2005. Non Performing Loan NPL atau sering disebut juga kredit bermasalah merupakan variabel bebas kedua X 2 yang termasuk dalam rasio CAMEL yaitu asset, Rasio NPL dapat dihitung dengan cara sebagai berikut: NPL= Universitas Sumatera Utara 54 Tabel 4.1 Non Performing Loan Ratio Perusahaan Perbankan Periode 2010-2012 NO EMITEN NPL 2010 2011 2012 1 AGRO 0.089 0.035 0.037 2 BABP 0.043 0.062 0.058 3 BACA 0.01 0.008 0.021 4 BBCA 0.006 0.005 0.004 5 BBKP 0.032 0.029 0.027 6 BBNI 0.043 0.036 0.028 7 BBRI 0.029 0.023 0.018 8 BCIC 0.248 0.062 0.039 9 BEKS 0.509 0.091 0.1 10 BJBR 0.019 0.012 0.021 11 BNII 0.031 0.024 0.017 12 BSIM 0.013 0.009 0.032 13 BSWD 0.035 0.018 0.022 14 BVIC 0.05 0.024 0.023 15 MAYA 0.033 0.025 0.03 16 MCOR 0.021 0.029 0.11 17 MEGA 0.009 0.01 0.021 Tabel 4.1 menunjukkan tingkat rasio non performing loan yang dimiliki perusahaan perbankan selama periode 2010-2012. Dapat dilihat bahwa nilai rasio non performing loan terkecil selama tahun 2010 sampai 2012 adalah perusahaan BBCA dengan nilai 0.004, sedangkan nilai rasio non performing loan terbesar selama tahun 2010 sampai 2012 adalah perusahaan BEKS dengan niai 0.509. 4.1.2 Deskripsi Nilai Variabel ROA ROA Return On Assets digunakan untuk mengukur kemampuan manajemen bank dalam memperoleh keuntungan laba sebelum pajak Universitas Sumatera Utara 55 yang dihasilkan dari total asset bank yang bersangkutan. Semakin besar ROA, semakin besar pula tingkat keuntungan yang dicapai bank tersebut Dendawijaya, 2005. Return On Assets ROA merupakan variabel bebas ketiga X3 dari variabel CAMEL, besarnya nilai return on assets dapat dihitung dengan rumus berikut ini: Tabel 4.2 Return On Asset Ratio Perusahaan Perbankan Periode 2010-2012 NO EMITEN ROA 2010 2011 2012 1 AGRO 0.007 0.014 1.63 2 BABP 0.005 -0.016 0.09 3 BACA 0.008 0.008 1.32 4 BBCA 0.035 0.038 3.6 5 BBKP 0.017 0.018 1.83 6 BBNI 0.025 0.029 2.9 7 BBRI 0.046 0.049 5.15 8 BCIC 0.025 0.021 1.06 9 BEKS -0.129 -0.047 0.98 10 BJBR 0.031 0.026 2.46 11 BNII 0.011 0.011 1.62 12 BSIM 0.014 0.011 1.74 13 BSWD 0.029 0.053 2.53 14 BVIC 0.017 0.026 2.17 15 MAYA 0.012 0.021 2.41 16 MCOR 0.011 0.009 2.04 17 MEGA 0.024 0.023 2.74 Tabel 4.2 menunjukkan tingkat rasio return on asset yang dimiliki perusahaan jasa perbankan selama periode 2010-2012. Perusahaan yang Universitas Sumatera Utara 56 memiliki return on asset terkecil pada tahun 2010 sampai 2012 dimiliki oleh perusahaan BEKS dengan nilai -0.129. Sedangkan return on asset dengan nilai terbesar pada tahun 2010 sampai 2012 dimiliki oleh perusahaan MEGA sebesar 2.74.

4.1.3 Deskripsi Nilai Variabel LDR

Rasio ini digunakan untuk menilai likuiditas suatu bank dengan cara membagi jumlah kredit yang diberikan oleh bank terhadap dana pihak ketiga, LDR terebut menyatakan seberapa jauh kemampuan bank dalam membayar kredit yang diberikan sebagi sumber likuiditas, Dendawijaya, 2005. Loan to Deposite Ratio LDR merupakan variabel bebas yang keempat X4 dari variabel rasio CAMEL, adapun rumus untuk mencari LDR adalah sebagai berikut: Tabel 4.3 Loan to Deposit Ratio Perusahaan Perbankan Periode 2010-2012 NO EMITEN LDR 2010 2011 2012 1 AGRO 0.857 0.568 0.824 2 BABP 0.849 0.849 0.795 3 BACA 0.506 0.442 0.59 4 BBCA 0.552 0.617 0.686 5 BBKP 0.718 0.85 0.838 6 BBNI 0.702 0.704 0.775 7 BBRI 0.751 0.762 0.798 8 BCIC 0.708 0.839 0.828 9 BEKS 0.528 0.668 0.836 Universitas Sumatera Utara 57 10 BJBR 0.715 0.729 0.741 11 BNII 0.89 0.951 0.93 12 BSIM 0.736 0.695 0.808 13 BSWD 0.873 0.811 0.831 14 BVIC 0.402 0.636 0.676 15 MAYA 0.783 0.821 0.806 16 MCOR 0.812 0.793 0.802 17 MEGA 0.56 0.637 0.524 Tabel 4.3 menunjukkan tingkat rasio loan to deposit ratio yang dimiliki perusahaan perbankan selama periode 2010-2012. Perusahaan yang memiliki loan to deposit ratio terkecil pada tahun 2010 sampai 2012 dimiliki oleh perusahaan BVIC dengan nilai 0.402. Sedangkan loan to deposit ratio dengan nilai terbesar pada tahun 2010 sampai 2012 dimiliki oleh perusahaan BNII sebesar 0.951.

4.1.4 Deskripsi Nilai Variabel Liquidity Risk

Risiko perbankan ini merupakan risiko yang timbul akibat kurang tersedianya alat-alat likuid bank sehingga tidak mampu memenuhi kewajiban-kewajibannya baik untuk memenuhi penarikan titipan oleh para penyimpan maupun memberikan pinjaman kepada para calon debitur Pandia, 2012:204. Tabel 4.4 Liquidity Risk Ratio Perusahaan Perbankan Periode 2010-2012 NO EMITEN Liquidity Risk 2010 2011 2012 Liquidity Risk = × 100 Universitas Sumatera Utara 58 1 AGRO -0.183 -0.235 -0.077 2 BABP 0.3 0.008 -0.015 3 BACA 0.407 0.294 -0.001 4 BBCA -1.121 -0.967 -1.271 5 BBKP -1.332 -0.767 -0.609 6 BBNI -1.435 -1.673 -1.441 7 BBRI -1.403 -0.72 -0.418 8 BCIC -0.421 -0.343 0.025 9 BEKS 0.153 -0.008 0.048 10 BJBR -0.104 -0.145 -0.164 11 BNII -0.076 -0.046 -0.039 12 BSIM -0.045 -0.04 -0.076 13 BSWD -0.267 0.661 0.354 14 BVIC 0.592 0.421 1.284 15 MAYA 0.243 0.336 0.265 16 MCOR -1.607 1.49 1.439 17 MEGA 0.97 1.032 1.233 Tabel 4.4 menunjukkan tingkat rasio liquidity risk yang dimiliki perusahaan perbankan selama periode 2010-2012. Perusahaan yang memiliki liquidity risk terkecil pada tahun 2010 sampai 2012 dimiliki oleh perusahaan MCOR dengan nilai -1.607. Sedangkan liquidity risk dengan nilai terbesar pada tahun 2010 sampai 2012 dimiliki oleh perusahaan MCOR sebesar 1.49.

4.1.5 Deskripsi Nilai Variabel Financial Distress

Dengan kondisi rasio-rasio keuangan yang dimiliki setiap perusahaan, tidak semua rasio yang bernilai negatif menyebabkan perusahaan diprediksi berpotensi mengalami financial distress begitu juga perusahaan yang memiliki rasio keuangan bernilai positif belum tentu diprediksi sehat karena prediksi berpotensi financial distress, rawan dan Universitas Sumatera Utara 59 sehat ditentukan oleh jumlah hasil perkalian rasio keuangan dengan nilai regresi tiap variabel. Besarnya nilai Z-Score dipengaruhi oleh besar kecilnya nilai rasio keuangan yang diperoleh. Tabel 4.5 Nilai Financial Distress Perusahaan Perbankan Periode 2010-2012 NO EMITEN 2010 2011 2012 FD KONDISI FD KONDISI FD KONDISI 1 AGRO 2.552 Rawan 2.187 Rawan 2.361 Rawan 2 BABP 2.203 Rawan 2.124 Rawan 2.123 Rawan 3 BACA 2.752 Sehat 2.15 Rawan 2.183 Rawan 4 BBCA 1.842 Rawan 1.88 Rawan 2.041 Rawan 5 BBKP 2.002 Rawan 2.126 Rawan 2.345 Rawan 6 BBNI 2.487 Rawan 2.414 Rawan 2.397 Rawan 7 BBRI 2.506 Rawan 2.5 Rawan 2.574 Rawan 8 BCIC 2.354 Rawan 1.811 Rawan 1.869 Rawan 9 BEKS 5.169 Sehat 2.338 Rawan 3.192 Sehat 10 BJBR 2.803 Sehat 2.473 Rawan 2.488 Rawan 11 BNII 2.25 Rawan 2.195 Rawan 2.258 Rawan 12 BSIM 2.155 Rawan 2.055 Rawan 2.523 Rawan 13 BSWD 3.189 Sehat 2.861 Sehat 2.671 Sehat 14 BVIC 1.414 Rawan 1.845 Rawan 2.172 Rawan 15 MAYA 2.688 Sehat 2.299 Rawan 2.065 Rawan 16 MCOR 2.354 Rawan 1.98 Rawan 2.164 Rawan 17 MEGA 1.931 Rawan 1.842 Rawan 2.156 Rawan Tabel 4.5 menunjukkan nilai financial distress yang dimiliki perusahaan perbankan selama periode 2010-2012. Dari hasil perhitungan Z-Score, pada tahun 2010 terdapat 12 perusahaan diprediksi berpotensi dalam kondisi rawan grey area dan 5 perusahaan yang diprediksi dalam keadaan sehat. Perusahaan dengan Z-Score paling rendah dimiliki perusahaan BVIC dengan nilai Z-Score 1.414, sedangkan perusahaan dengan Z-Score paling tinggi dimiliki perusahaan BEKS dengan nilai Z- Score 5.169. Universitas Sumatera Utara 60 Pada tahun 2011 terdapat 16 perusahaan diprediksi berpotensi dalam kondisi rawan, dan 1 perusahaan yang diprediksi dalam keadaan sehat. Perusahaan dengan Z-Score paling rendah dimiliki perusahaan BCIC dengan nilai Z-Score 1.811, sedangkan perusahaan dengan Z-Score paling tinggi dimiliki perusahaan BSWD dengan nilai Z-Score 2.861. Pada tahun 2012 terdapat 15 perusahaan diprediksi berpotensi dalam kondisi rawan, dan 2 perusahaan yang diprediksi dalam keadaan sehat. Perusahaan dengan Z-Score paling rendah dimiliki perusahaan BCIC dengan nilai Z-Score 1.869, sedangkan perusahaan dengan Z-Score paling tinggi dimiliki perusahaan BEKS dengan nilai Z-Score 3.192. Perusahaan dengan nilai Z-Score paling rendah yang diprediksi berpotensi financial distress kecenderungan memiliki beberapa rasio keuangan negatif dengan nilai cukup tinggi yang berarti adanya ketidaksesuaian perbandingan masing-masing rasio tersebut diantaranya rendahnya nilai likuiditas, profitabilitas dan rentabilitas ekonomi dan leverage . Secara keseluruhan semakin besar nilai rasio keuangan yang dihasilkan, maka semakin sehat perusahaan.

4.2. Analisis Statistik Deskriptif

Statistik deskriptif memberikan penjelasan mengenai nilai minimum, nilai maksimum, nilai rata-rata mean, dan nilai standar deviasi dari variabel-variabel independen dan variabel dependen. Universitas Sumatera Utara 61 Tabel 4.6 Statistik Deskriptif Descriptive Statistics N Minimum Maximum Mean Std. Deviation NPL 51 .00 .51 .0457 .07649 ROA 51 -.13 5.15 .7206 1.19647 LDR 51 .40 838.00 17.1483 117.24114 LIQUIDITYRISK 51 -1.67 1.49 -.1077 .77243 ZSCORE 51 1.41 5.17 2.3395 .52858 Valid N listwise 51 Dari tabel 4.6 dapat dijelaskan beberapa hal seperti yang dijelaskan di bawah ini: a. Variabel rasio NPL memiliki nilai minimum 0,00 dan nilai maksimum 0,51 dengan rata-rata sebesar 0,0457 dan standar deviasi ,07649 dengan jumlah observasi sebanyak 51. b. Variabel rasio ROA memiliki nilai minimum -,13 dan nilai maksimum 5,15 dengan rata-rata sebesar 0,7206 dan standar deviasi 1,19647 dengan jumlah observasi sebanyak 51. c. Variabel rasio LDR memiliki nilai minimum 0,40 dan nilai maksimum 838,00 dengan rata-rata sebesar 17,1483 dan standar deviasi 117,24114 dengan jumlah observasi sebanyak 51. d. Variabel rasio Liquidity Risk memiliki nilai minimum -1,67 dan nilai maksimum 1,49 dengan rata-rata sebesar -0,1077 dan standar deviasi 0,77243 dengan jumlah observasi sebanyak 51. Universitas Sumatera Utara 62 e. Variabel z-score memiliki nilai minimum 1,41 dan nilai maksimum 5,17 dengan rata-rata sebesar 2,3395 dan standar deviasi 0,52858 dengan jumlah observasi sebanyak 51.

4.3. Pengujian Asumsi Klasik

Untuk menghasilkan suatu model regresi yang baik, analisis regresi memerlukan pengujian asumsi klasik sebelum melakukan pengujian hipotesis, maka dalam penelitian ini perlu dilakukan uji asumsi klasik terlebih dahulu yang meliputi: uji normalitas data, uji multikolinearitas, uji heteroskedastisitas dan uji autokorelasi yang dilakukan sebagai berikut:

1. Uji Normalitas Data

Uji normalitas bertujuan menguji apakah variabel residual berdistribusi normal atau tidak. Uji statistik yang dapat digunakan untuk menguji apakah residual berdistribusi normal adalah uji statistik non parametric Kolmogorov-smirnov K-S dengan membuat hipotesis: H : data residual berdistribusi normal H a : data residual tidak berdistribusi normal Apabila nilai signifikasi lebih besar dari 0,05 maka H diterima dan sebaliknya jika nilai signifikasi lebih kecil dari 0,05 maka H ditolak atau H a diterima. Universitas Sumatera Utara 63 Tabel 4.7 Hasil Uji Normalitas One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N 51 Normal Parameters a Mean .0000000 Std. Deviation .37238571 Most Extreme Differences Absolute .109 Positive .109 Negative -.086 Kolmogorov-Smirnov Z .779 Asymp. Sig. 2-tailed .578 a. Test distribution is Normal. Dari hasil pengolahan data pada tabel 4.7 diperoleh besarnya nilai Kolmogorov-Smirnov adalah 0.472 dan signifikan pada 0,979. Nilai signifikasi lebih besar dari 0,05 maka H diterima yang berarti data residual berdistribusi normal. Data yang berdistribusi normal tersebut juga dapat dilihat melalui grafik histogram dan grafik normal plot data. Universitas Sumatera Utara 64 Gambar 4.1 Histogram Grafik histogram pada Gambar 4.1 menunjukkan pola distribusi normal karena grafik tidak menceng kiri maupun menceng kanan. Dengan demikian dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas. Demikian pula hasil uji normalitas dengan menggunakan grafik normal p-plot. Universitas Sumatera Utara 65 Gambar 4.2 Grafik Normal P-Plot Pada Gambar 4.2 grafik normal p-plot terlihat bahwa data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal, maka dapat disimpulkan bahwa model regresi telah memenuhi asumsi normalitas.

2. Uji Multikolinearitas