Analisis Kemampuan Cadangan Umum Aset Produktif Dalam Memprediksi Bank Failure Di Indonesia (Studi Empiris Perbankan Periode 2004-2011)
Kriteria Pengambilan Sampel Lampiran 1/9
No Nama Bank
Kriteria Memenuhi Kondisi
Penjelasan
1 2 F NF Tidak
F/NF
A. BANK PERSERO
1. PT. Bank Mandiri - - - - √ Tidak mengalami kerugian.
2. PT. Bank Negara Indonesia - - - √ -
3. PT. Bank Rakyat Indonesia - - - √ -
4. PT. Bank Tabungan Negara - √ √ - -
5. PT. Bank Ekspor Indonesia √ - √ - -
B. BUSN DEVISA
6. PT. Bank Antar Daerah - √ √ - -
7. PT. Bank Arta Graha - √ √ - -
8. PT. Bank Arta Graha Internasional - √ √ - -
9. PT. Bank Arta Niaga - - - √ -
10. PT. Bank Buana - - - - √ Tidak mengalami kerugian berturut turut
11. PT. Bank Internasional Indonesia - - - - √ Tidak mengalami kerugian berturut turut
12. PT. Bank of India - - - √ -
13. PT. Bank Central Asia - - - - √ Tidak mengalami kerugian
14. PT. Bank CIC Internasional - - - - √ Tidak mengalami kerugian
15. PT. Bank BRI Agroniaga - √ √ - -
16. PT. Bank Bukopin - - - - √ Tidak mengalami kerugian
17. PT. Bank Bumi Artha - - - √ -
18. PT. Bank Bumi Putera Indonesia - - - Tidak mengalami kerugian berturut turut
19. PT. Bank Capital Indonesia - - - - √ Tidak mengalami kerugian berturut turut
(2)
24. PT. Bank Ekonomi Rahardja - - - √ -
25. PT. Bank Ganesha - √ √ - -
26. PT. Bank Hagakita - - - - √ Tidak mengalami kerugian berturut turut
27. PT. Bank HAGA - - - √ -
28. PT. Bank Hana - - - √ -
29. PT. Bank Halim Indonesia - - - - √ Tidak mengalami kerugian berturut turut
30. PT. Bank Himpunan Saudara - √ √ - -
31. PT. Bank ICB Bumiputera - - - √ - Tidak mengalami kerugian berturut turut
32. PT. Bank Index Selindo - - - - √ Tidak mengalami kerugian berturut turut
33. PT. Lippo Bank - √ √ - -
34. PT. Bank Mayapada - - - √ -
35. PT. Bank Mega - - - √ -
36. PT. Bank Mestika Dharma - - - √ -
37. PT. Bank Metro Ekspress - - - - √ Tidak mengalami kerugian berturut turut
38. PT. Bank Mutiara - √ √ - -
39. PT. Bank Muamalat Indonesia - - - - √ Tidak mengalami kerugian berturut turut
40. PT. Bank Niaga - - - - √ Tidak mengalami kerugian berturut turut
41. PT. Bank Nusantara Parahyangan - - - √ -
42. PT. Bank OCBC NISP - - - √ -
43. PT. Bank PAN Indonesia - - - √ -
44. PT. Bank Permata - √ √ - -
45. PT. Bank Pikko - - - - √ Laporan keuangan tidak tersedia
46. PT. Bank QNB Kesawan - √ √ - -
47. PT. Bank SBI Indonesia - - - √ -
48. PT. Bank Sinar Mas - - - √ -
49. PT. Bank Swadesi - - - - √ Tidak mengalami kerugian berturut turut
50. PT. Bank Syariah Mega - - - - √ Tidak mengalami kerugian berturut turut
(3)
C. BUSN NON DEVISA
54. PT. Bank Andara - √ √ - -
55. PT. Bank Anglomas - - - - √ Tidak mengalami kerugian berturut turut
56. PT. Bank Artos - - √ - -
57. PT. Bank Asiatic √ - √ - -
58. PT. Bank Barclays - - - - √ Tidak tersedia laporan keuangan setahun
sebelumnya
59. PT. Bank Bintang Manunggal - - - - √ Tidak tersedia laporan keuangan setahun
sebelumnya
60. PT. Bank Bisnis Indonesia - - - - √ Tidak mengalami kerugian berturut turut
61. PT. BNP Paribas - √ √ - -
62. PT. BTPN - - - - √ Tidak mengalami kerugian berturut turut
63. PT. Bank Capital Indonesia - - - - √ Tidak mengalami kerugian berturut turut
64. PT. Bank Centratama Nasional - - - √ -
65. PT. Bank DANPAC - - - - √ Tidak mengalami kerugian berturut turut
66. PT. Bank DBS - √ √ - -
67. PT. Bank Dinar - - - - √ Tidak mengalami kerugian berturut turut
68. PT. Bank Dippo International - - - - √ Tidak mengalami kerugian berturut turut 69. PT. Bank Eksekutif International - - - - √ Tidak mengalami kerugian berturut turut
70. PT. FAMA International Bank - - - √ -
71. PT. Bank Global International - - - - √ Tidak mengalami kerugian berturut turut 72. PT. Bank Harda International - - - - √ Tidak mengalami kerugian berturut turut 73. PT. Bank Harmoni International - - - - √ Tidak mengalami kerugian berturut turut
74. PT. Bank INA Perdana - - - √ -
75. PT. Bank Index Selindo - - - - √ Tidak mengalami kerugian berturut turut
76. PT. Bank Indomonex - - - - √ Tidak mengalami kerugian berturut turut
77. PT. Bank Jasa Arta - - - - √ Tidak mengalami kerugian berturut turut
78. PT. Bank Jasa Jakarta - - - - √ Tidak mengalami kerugian berturut turut
(4)
81. PT. Bank Maspion - - - √ -
82. PT. Bank Mayora - - - - √ Tidak tersedia laporan keuangan setahun
sebelumnya
83. PT. Bank Mitraniaga - √ √ - -
84. PT. Bank Multiarta - √ √ - -
85. PT. Bank Nobu - √ √ - -
86. PT. Bank Panin Syariah - - - - √ Tidak mengalami kerugian berturut turut
87. PT. Bank Persyarikatan Indonesia - - - - √ Tidak mengalami kerugian berturut turut
88. PT. Bank Prima Master - - - - √ Tidak mengalami kerugian berturut turut
89. PT. Bank Pundi - √ √ - -
90. PT. Bank Purba Danarta - - - - √ Tidak mengalami kerugian berturut turut
91. PT.Bank Royal Indonesia - - - √ -
92. PT.Bank Sahabat Sampoerna - - - √ -
93. PT. Bank Sinar Harapan Bali - - - - √ Tidak mengalami kerugian berturut turut
94. PT. Bank Syariah BRI - - - - √ Tidak mengalami kerugian berturut turut
95. PT. Bank Syariah Bukopin - - - - √ Tidak mengalami kerugian berturut turut
96. PT. Bank Victoria - - - - √ Tidak mengalami kerugian berturut turut
97. PT. Bank Yudha Bakti - √ √ - -
98. PT. Bank Tugu
D. Bank Campuran
99. PT. Bank Agris - √ √ - -
100. PT. Bank ANZ - - - - √ Tidak mengalami kerugian berturut turut
101. PT. Bank BNP Paribas - - - - √ Tidak mengalami kerugian berturut turut
102. PT. Bank Capital Indonesia - - - - √ Tidak mengalami kerugian berturut turut
103. PT. Bank China Trust - - - √ -
104. PT. Bank Commonwealth - - - - √ Tidak mengalami kerugian berturut turut
105. PT. Bank DBS Indonesia - - - - √ Tidak mengalami kerugian berturut turut
(5)
Keterangan : *Kriteria 1 = Ditutup secara legal oleh pihak yang berwenang
Kriteria 2 = Mengalami kerugian secara berturut turut selama 3 tahun
108. PT. Maybank - √ √ - -
109. PT. Mizuho Bank - - - - √ Tidak tersedia data setahun sebelumnya
110. PT. Bank Multicor - - - √ -
111. PT. Bank OCBC - - - - √ Tidak mengalami kerugian berturut turut
112. PT. Bank Pacific - - - - √ Tidak mengalami kerugian berturut turut
113. PT. Rabobank Duta - √ √ - -
114. PT. Rabobank International - - - - √ Tidak mengalami kerugian berturut turut
115. PT. Bank Resona Perdania - - - √ -
116. PT. Bank SUMITOMO - - - - √ Tidak mengalami kerugian berturut turut
117. PT. Bank UFJ √ - √ - -
118. PT. Bank UOB - - - - √ Tidak mengalami kerugian berturut turut
119. PT. Woori Bank - - - √ -
E. Bank Asing
120. American Ekspress Bank - √ √ - - Tidak tersedianya laporan keuangan yang
dibutuhkan
(6)
Daftar Sampel yang Menjadi Objek Penelitian Lampiran 2/9 Kondisi Bank
Failure (F) Non Failure (NF)
No Nama Bank Total Aset No Nama Bank Total Aset
A. Bank Persero
1. PT. Bank Tabungan Negara 26.805.829 1. PT. Bank Rakyat Indonesia 94.709.726
2. PT. Bank Ekspor Indonesia 11.191.257 2. PT. Bank Negara Indonesia 200.390.507
B. BUSN DEVISA
3. PT. Bank Antar Daerah 632.935 3. PT. Bank BTPN 4.483.323
4. PT. Bank Arta Graha Internasional 454.559 5. PT. Bank Ekonomi Rahardja 8.246.634
5. PT. BRI Agroniaga 2.551.446 6. PT. Bank HAGA 2.948.485
6. PT. Bank Century 13.796.376 7. PT. Bank OCBC 28.969.069
7. PT. Bank Dagang Bali 2.085.000 8. PT. Bank Mestika Dharma 2.373.156
8. PT. Bank Ganesha 802.112 9. PT. Bank Woori 1.773.316
9. PT. Bank Himpunan Saudara 413.476 10. PT. Bank Resona Perdania 3.319.911
10. PT. Bank Lippo 26.466.353 11.. PT. Bank Bukopin 17.557.864
11. PT. Bank Mutiara 9.122.740 12. PT. Bank Mega 13.859.900
12. PT. Bank Permata 28.868.580 13. PT. PAN Indonesia 18.873.993
13. PT. QNB Kesawan 1.247.916 14. PT. Bank Bumi Artha 1.325.314
14. PT. Bank Windu Kentjana 251.925 15. PT. Bank SBI Indonesia 308.257
(7)
16. PT. BNP Paribas 593.165 17. PT. Bank Kesejahteraan Ekonomi 379.641
17. PT. Bank INA Perdana 139.827 18. PT. Bank ARTOS 166.774
18. PT. Bank Mitra Niaga 215.766 19. PT. Bank FAMA International 216.063
19. PT. NOBU 30.038 20. PT. Royal Bank 64.102
20. PT. Bank Pundi 1.493.537 21. PT. Bank Yudha Bakti 1.325.303
21. PT. Bank Asiatic 1.853.257 22. PT. Bank Maspion 1.731.799
D. Bank Campuran
22. PT. Bank Agris 1.058.573 23. China Trust 2.463.629
23. PT. Bank UFJ 2.687.909 24. PT. Woori Bank 2.553.507
24. PT. Rabobank Duta 2.948.485 25. PT. Resona Perdania 3.319.911
(8)
Nilai Variabel Bebas dan Variabel Indikator yang Digunakan pada Penelitian Lampiran 3/9 Bank dengan Kondisi Failure
NO NAMA BANK STATUS CUAP TOTAL MODAL MODAL INTI PPAP TOTAL ASET TOTAL
KREDIT
CADANGAN
LAINNYA ROA
1 BBA 1 1 0,032890 0,016445 0,016453 0,346236 0,235799 0,021261 0,008000
2 BBAD 1 1 0,067044 0,042546 0,007329 0,632935 0,350196 0,021273 0,040200
3 BBAGI 1 0 0,075330 0,074739 0,119009 0,454559 0,848273 0,000000 0,008500
4 BBAGR 1 0 0,210699 0,202754 0,094482 1,091768 0,809214 0,000000 -0,010000
5 BBAST 1 1 0,175744 0,159169 0,016585 1,722529 0,966766 0,000000 0,018000
6 BBC 1 1 1,998286 1,762888 0,060618 34,454813 18,680346 0,047200 0,006100
7 BBDB 1 0 0,121466 0,084620 0,017493 1,853257 0,348552 0,000000 0,020100
8 BBEI 1 0 4,111004 0,402564 0,165836 10,292037 6,387901 0,000000 0,016200
9 BBG 1 0 0,080653 0,070065 0,008028 0,802112 0,471024 0,004196 0,064500
10 BBHS 1 1 0,030508 0,026907 0,005795 0,410701 0,324675 0,000000 0,016200
11 BBIP 1 0 0,021246 0,019668 0,000942 0,139827 0,049609 0,000000 0,032400
12 BBLl 1 0 1,406220 0,703110 0,831338 26,466353 4,746032 0,597952 0,029200
13 BBMI 1 0 0,160823 0,159088 0,007816 0,342112 0,097930 0,000000 0,073800
14 BBMN 1 1 0,017945 0,016353 0,001867 0,215766 0,125261 0,000000 0,054700
15 BBMTR 1 0 0,613558 0,487932 0,321933 9,122740 2,281876 0,079241 0,030000
16 BBNN 1 0 0,011912 0,011773 0,000072 0,030038 0,005655 0,000000 0,013500
17 BBNPP 1 0 0,209608 0,145123 0,216535 0,593165 0,622321 0,058975 0,010600
18 BBP 1 0 1,338120 0,998683 0,741127 28,868580 9,607309 0,193918 0,010000
19 BBPUNDI 1 1 0,149724 0,149582 0,034341 1,493537 1,139628 0,002780 0,010000
20 BBQNB 1 1 0,094290 0,074387 0,012503 1,247916 0,502142 0,015477 0,030000
21 BBRIA 1 1 0,215522 0,156039 0,189243 1,337961 1,036715 0,049708 -0,010000
22 BBTN 1 0 0,799368 0,673337 0,559117 26,805829 11,160966 0,044029 0,073800
(9)
Bank dengan Kondisi Non Failure Lampiran 4/9 NO NAMA BANK STATUS CUAP TOTAL MODAL MODAL INTI PPAP TOTAL ASET TOTAL KREDIT CADANGAN
LAIN ROA
1 BBARTOS 0 1 0,025622 0,024469 0,001118 0,166774 0,107964 0,000000 0,027800
2 BBB 0 1 1,132358 0,801113 0,113298 17,557864 12,452611 0,000236 0,026000
3 BBBA 0 1 0,166863 0,163551 0,006315 1,325314 0,315402 0,000003 0,683900
4 BBICB 0 1 0,262992 0,236589 0,023592 3,254898 2,528880 0,000000 0,010000
5 BBD 0 0 13,857403 9,769437 1,404586 86,617017 43,852551 3,340714 0,013100
6 BBER 0 1 0,377697 0,339115 0,054835 8,246634 2,956011 0,000000 0,029900
7 BBFI 0 0 0,030081 0,027669 0,004402 0,216063 0,166561 0,000000 -0,014800
8 BBKE 0 1 0,081253 0,078761 0,009840 0,379641 0,311323 0,000000 0,019000
9 BBTPN 0 1 0,721577 0,690631 0,079444 4,483323 3,232817 0,000000 0,040000
10 BBMD 0 0 0,466528 0,441278 0,036875 2,373156 1,722384 0,000000 0,025200
11 BBMG 0 1 1,053807 0,869247 0,076810 13,859900 6,375241 0,000115 -0,078500
12 BBMLTCR 0 0 0,146210 0,288592 0,013135 0,665401 0,322410 0,000000 0,021000
13 BBMMLTI 0 1 0,023856 0,022066 0,002955 0,332917 0,332917 0,000000 0,015000
14 BBMSP 0 1 0,125762 0,116984 0,011346 1,731799 0,796840 0,000000 0,051800
15 BBNI 0 0 17,768619 12,788511 3,383830 182,007749 63,439833 3,762160 0,017900
16 BBPI 0 1 4,884825 2,758982 0,956452 18,873999 8,534010 2,019771 0,027500
17 BBR 0 0 0,018834 0,018693 0,000406 0,064102 0,002427 0,000000 0,023800
18 BBRI 0 1 9,645651 7,531596 2,130519 94,709726 47,523002 2,172821 0,009800
19 BBRP 0 1 0,690061 0,661795 0,225111 3,319911 2,475434 0,000000 0,075000
20 BBSUMI 0 1 1,567207 1,116299 0,534501 5,526064 3,077634 0,421250 0,020000
21 BBW 0 1 0,804177 0,531527 0,056311 1,773316 0,771216 0,261175 0,014000
22 BBYB 0 0 0,130491 0,096565 0,016679 1,325303 0,707963 0,024786 0,030000
(10)
ANALISIS DESKRIPTIF Lampiran 5/9 Bank yang Mengalami Kondisi Failure dan Non Failure
Statistics Cadangan Umum Aset
Produktif
Total Modal Modal Inti PPA Wajib Total Aset Total kredit Cadangan lainnya
Return on Asset
N Valid 23 23 23 23 23 23 23 23
Missing 0 0 0 0 0 0 0 0
Mean ,39 ,51075133 ,27327047 ,12885109 6,47724765 2,61169318 ,04939174 ,024622
Std. Error of Mean ,104 ,198263575 ,087602817 ,050689745 2,300992678 ,976812687 ,026547191 ,0048620
Median ,00 ,12146600 ,08462000 ,00802800 1,09176800 ,50214200 ,00278000 ,018000
Std. Deviation ,499 ,950838703 ,420128351 ,243099475 11,035173222 4,684629076 ,127315853 ,0233176
Skewness ,477 2,888 2,468 2,176 1,716 2,415 4,017 ,876
Std. Error of Skewness ,481 ,481 ,481 ,481 ,481 ,481 ,481 ,481
Kurtosis -1,951 9,308 6,710 3,761 1,433 5,856 17,249 ,262
Std. Error of Kurtosis ,935 ,935 ,935 ,935 ,935 ,935 ,935 ,935
Statistics Cadangan Umum Aset
Produktif
Total Modal Modal Inti PPA Wajib Total Aset Total kredit Cadangan lainnya
Return on Asset
N Valid 23 23 23 23 23 23 23 23
Missing 0 0 0 0 0 0 0 0
Mean ,70 2,32023266 1,68731054 ,39668839 19,68736183 8,91427852 ,52187091 ,050322
Std. Error of Mean ,098 1,001709187 ,719720478 ,175759687 9,079529597 3,639491626 ,235643470 ,0294273
Median 1,00 ,16686300 ,28859200 ,03687500 3,25489800 2,47543400 ,00000000 ,023800
Std. Deviation ,470 4,804028495 3,451658157 ,842913848 43,543894260 17,45438867
1
1,130106381 ,1411282
Skewness -,911 2,457 2,468 2,676 2,958 2,382 2,134 4,454
(11)
UJI NORMALITAS DATA Lampiran 6/9 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 46
Normal Parametersa,b Mean ,0000000
Std. Deviation ,42635190
Most Extreme Differences
Absolute ,171
Positive ,113
Negative -,171
Kolmogorov-Smirnov Z 1,161
Asymp. Sig. (2-tailed) ,135
a. Test distribution is Normal. b. Calculated from data.
(12)
Uji Beda Rata Rata Variabel yang Digunakan Lampiran 7/9 Independent Samples Test
Levene's Test for Equality of
Variances
t-test for Equality of Means
F Sig. T df Sig.
(2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference
Lower Upper Cadangan Umum Aset
Produktif
Equal variances assumed 1,411 ,241 2,128 44 ,039 ,304 ,143 ,016 ,593
Equal variances not assumed 2,128 43,848 ,039 ,304 ,143 ,016 ,593
Total Modal Equal variances assumed 11,903 ,001 1,836 44 ,073 1,863357739 1,015140119 -,182522741 3,909238219
Equal variances not assumed 1,836 23,727 ,079 1,863357739 1,015140119 -,233067161 3,959782639
Modal Inti Equal variances assumed 13,510 ,001 2,036 44 ,048 1,464673913 ,719507171 ,014602491 2,914745335
Equal variances not assumed 2,036 22,650 ,054 1,464673913 ,719507171 -,025015322 2,954363149
PPA Wajib Equal variances assumed 8,284 ,006 1,386 44 ,173 ,252743913 ,182360077 -,114778672 ,620266499
Equal variances not assumed 1,386 25,611 ,178 ,252743913 ,182360077 -,122379617 ,627867443
Total Aset Equal variances assumed 6,159 ,017 1,410 44 ,165 13,210114174 9,366558867 -5,666944852 32,087173199
Equal variances not assumed 1,410 24,814 ,171 13,210114174 9,366558867 -6,087998072 32,508226420
Total kredit Equal variances assumed 8,658 ,005 1,664 44 ,103 6,267437304 3,767353874 -1,325165535 13,860040144
Equal variances not assumed 1,664 25,130 ,109 6,267437304 3,767353874 -1,489539857 14,024414466
Cadangan lainnya Equal variances assumed 20,186 ,000 1,992 44 ,053 ,472479174 ,237134135 -,005433273 ,950391621
Equal variances not assumed 1,992 22,558 ,059 ,472479174 ,237134135 -,018602130 ,963560478
Return on Asset Equal variances assumed 2,356 ,132 ,862 44 ,394 ,0257000 ,0298262 -,0344108 ,0858108
(13)
Logistic Regression Lampiran 8/9
Case Processing Summary
Unweighted Casesa N Percent
Selected Cases
Included in Analysis 46 100,0
Missing Cases 0 ,0
Total 46 100,0
Unselected Cases 0 ,0
Total 46 100,0
a. If weight is in effect, see classification table for the total number of cases.
Iteration Historya,b,c
Iteration -2 Log
likelihood
Coefficients Constant
Step 0 1 63,770 ,000
a. Constant is included in the model. b. Initial -2 Log Likelihood: 63,770
c. Estimation terminated at iteration number 1 because parameter estimates changed by less than ,001.
Iteration Historya,b,c,d
Iteration -2 Log
likelihood
Coefficients
Constant X1 X2
Step 1
1 54,411 1,024 -1,402 -,180
2 53,990 1,157 -1,521 -,253
3 53,943 1,176 -1,523 -,287
4 53,941 1,180 -1,523 -,294
5 53,941 1,180 -1,523 -,294
a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 63,770
d. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
Model Summary Step -2 Log
likelihood
Cox & Snell R Square
Nagelkerke R Square
1 53,941a ,192 ,256
a. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
(14)
Lampiran 9/9 Contingency Table for Hosmer and Lemeshow Test
Status Kegagalan Bank = Tidak Gagal
Status Kegagalan Bank = Gagal
Total Observed Expected Observed Expected
Step 1
1 4 4,708 1 ,292 5
2 5 3,466 0 1,534 5
3 5 3,081 0 1,919 5
4 2 2,861 3 2,139 5
5 2 2,777 3 2,223 5
6 0 2,132 5 2,868 5
7 2 1,383 3 3,617 5
8 1 1,206 4 3,794 5
9 2 1,385 4 4,615 6
Variables in the Equation
B S.E. Wald df Sig. Exp (B)
95% C.I.for EXP(B) Lower Upper
Step 1a
X1 -1,423 ,679 4,386 1 ,036 ,241 ,064 ,913
X3 -,727 ,681 1,141 1 ,285 ,483 ,127 1,835
Constant 1,228 ,560 4,808 1 ,028 3,413
a. Variable(s) entered on step 1: X1, X3.
Classification Tablea
Observed Predicted
Status Kegagalan Bank Percentage Correct Tidak Gagal Gagal Step 1
Status Kegagalan Bank
Tidak Gagal
18 5 78,3
Gagal 9 14 60,9
Overall Percentage 69,6
a. The cut value is ,500
Variables not in the Equation
Score df Sig.
Step 0 Variables
X1 4,293 1 ,038
X3 3,959 1 ,047
(15)
DAFTAR PUSTAKA
Ahmed, A.S., Takeda, C., and Thomas, S. (1999). “Bank Loan Loss Provisions: A Reexamination of Capital Management, Earning Management and Signalling Effects”, Journal of Accounting and Economics
Ali, Masyhud (2004). Asset Liability Management: Menyiasati Risiko Pasar dan
Risiko Operasional dalam Perbankan. Jakarta: Elex Media Komputindo.
, Volume 28 hal 1-25.
Altman, Edward I. (1968). “Financial Ratios, Discriminant Analysis and The Prediction of Corporate Bankruptcy”, Journal of Banking and Finance,
Arena, M. (2008).“Bank Failures and Bank Fundamentals: A Comparative Analysis of Latin America and East Asia during The Nineties Using Bank Level Data”,
Volume 19 hal 393-430.
Journal of Banking and Finance
Berger, Allen. N, Richard J. Herring, and Giorgio P. Szeg (1995). “The Role of Capital in Financial Institutions”,
, Volume 32 hal 299-310.
Journal of Banking & Finance
Cole, R. A., and White, L. J. (2012).“De Javu all Over Again: The Causes of US Commercial Bank Failures this time around”,
, Volume 19 hal 393-430
Journal of Financial Service Research
Demirgui-Kunt, Asli and Ross Levina. (1996). “Stock Markets, Corporate Finance, and Economic Growth: An Overview”,
, Volume 42 hal 5-29.
The World Bank
(16)
Elliot. A. John. (1991). “The Evaluation by the Financial Markets of Changes in Bank Loan Loss Reserve Levels”, The Accounting Review
Fahmi, Irfan (2014). Pengantar Perbankan Teori dan Aplikasi. Bandung: Alfabeta , Volume 66, Nomor 4 hal 847-861.
Hatfield, Gay and Carol Lancaster (2000). “The Signalling Effects of Bank Loan-Loss Reserve Additions”, Journal of Financial and Strategic Decisions
Hendro, Tri dan Conny Tjandra Rahardja (2014).Bank dan Institusi Non Bank di
Indonesia. Yogyakarta: UPP STIM YKPN.
, Volume 13 Nomor 1 hal 57-73.
Jin, J. Y., Kangaretnam, K., and Lobo, G. J, 2011, “Ability of Accounting and Audit Quality Variables to Predict Bank Failure During the Financial Crisis”, Journal of Banking and Finance
Kristanti, Farida Titik, 2014, “Prediksi Kebangkrutan Bank-Bank yang Terdaftar di Bursa Efek Indonesia”,
, Volume 35 hal 2811-2819.
Jurnal Keuangan dan Perbankan
MacDonald, S Scott (2006).Management of Banking. United States of America: Thomson Learning Academic Resource Center.
, Volume 18, Nomor 1 hal 130-138.
Martin, Daniel (1977). “Early Warning of Bank Failure : A Logit Regression Approach”, Journal of Banking and Finance
Meyer, A. Paul and Howard W. Pifer. “Prediction of Bank Failures”, , Volume 1 hal 249-276.
Journal of Finance
Mishkin, Frederic S (2008). The Economics of Money, Banking, and Financial
Markets. Jakarta: Salemba Empat
(17)
Muljono, Teguh Pudjo (1996). Bank Budgetting Profit Planning and Control. Yogyakarta: BPFE
Rose, Peter S dan Sylvia C Hudgins (2005).Bank Management and Financial
Services. United States: Mc Graw Hill International.
Sastradipoera, Komaruddin (2004). Strategi Manajemen Bisnis Perbankan. Bandung: Kappa Sigma.
Senbett, Lemma W and Tracy Yue Wang. (2012). “Corporate Financial Distress and Bankruptcy: A Survey”, Journal of Banking and Finance
Siamat, Dahlan. 2005. Manajemen Lembaga Keuangan Kebijakan Moneter dan
Perbankan. Edisi V. Jakarta: Fakultas Ekonomi Universitas Indonesia
, hal 1-78.
Sinkey, Joseph F (2005). Commercial Bank Financial Management.University of Georgia
Sugiyanto, FX, Prasetiono dan Teddy Hariyanto, 2002,”Manfaat Indikator Indikator Keuangan Dalam Pembentukan Model Prediksi Kondisi Kesehatan Perbankan”, Jurnal Bisnis Strategi
Sukarno, Hari, 2005,”Informasi Akuntansi Keuangan dan Kegagalan Bank Umum di Indonesia”,
, Volume 10, Nomor 7, hal 11-26.
Simposium Nasional Akuntansi VIII
Sumantri dan Teddy Jurnali, 2010, “Manfaat Rasio Keuangan dalam Memprediksi Kepailitan Bank Nasional”,
, September, IAI, hal. 27-44.
Jurnal Bisnis dan Akuntansi, Volume 12,
(18)
Thomson, James B. (1980). “Predicting bank failures in the 1980s”,Federal Reserve Bank of Cleveland Economic Review
Undang-Undang No. 15/ 12/ PBI Tahun 2013 tentang Kewajiban Penyediaan Modal Minimum, Bank Indonesia, Jakarta.
, Volume 27 hal 9–20.
Undang-Undang No 14/ 15/ PBI/ 2012 tentang Penilaian Kualitas Aset Bank Umum, Bank Indonesia, Jakarta.
Wall, D. L., and Koch, T. W. (2000). “Bank Loan-Loss Accounting: A Review of Theoritical and Empirical Evidence”, Economic Review
Whitaker, Richard B. (1999). “The Early Stages of Financial Distress”,
, Q2(2000), 1-20. Journal of Economics and Finance
Wruck, Karen Hopper. (1990). “Financial distress, Reorganization, and Organizational Efficiency”,
, Volume 23 Nomor 2 hal 123-I33.
Journal of Financial Economics,Volume 27
(19)
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian yang digunakan dalam penelitian ini merupakan penelitian deskriptif yang bersifat kuantitatif, dimana variabel yang digunakan bersifat angka yang dianalisis melalui analisis statistik. Penelitian deskriptif kuantitatif merupakan jenis penelitian yang memiliki kejelasan unsur baik tujuan, pendekatan, subjek dan sumber data (Suharsimi Arikunto, 2006:11). Metode penelitian deskriptif kuantitatif bersifat positivistik yang memanfaatkan teori dan fenomena yang ada.
3.2 Batasan Operasional
Batasan operasional pada penelitian ini adalah :
1. Penelitian ini menggunakan satuvariabel bebas, yaitu cadangan umum aset produktif(X1) dan enam variabel kontrol, yaitu total modal(X2),
modal inti(X3), penyisihan penghapusan aktiva produktif yang wajib
dibentuk(X4), cadangan lainnya(X5), total aset(X6), total kredit yang
disalurkan(X7) dan return on asset(X8).
2. Objek pada penelitian terdiri dari 121 bank di Indonesia yang terdaftar pada Direktori Perbankan Indonesia pada tahun 2004-2011.
3. Penelitian menggunakan data laporan keuangan bank secara tahunan yang dipublikasikan oleh Bank Indonesia mulai tahun 2004-2011.
(20)
3.3 Populasi dan Sampel Penelitian
Populasi merupakan obyek/subyek pada wilayah umum penelitian yang termasuk dalam kriteria dan kualitas tertentu yang telah ditetapkan oleh peneliti. Adapun kriteria yang ditetapkan dalam menentukan populasi pada penelitian ini yakni, sektor perbankan yang menerbitkan laporan keuangannya pada periode 2004-2011 pada direktori perbankan Indonesia. Populasi yang digunakan pada penelitian sebanyak 121 bank selama tahun 2004 sampai 2014.
Sampel merupakan bagian dari populasi yang memiliki jumlah dan karakteristik yang dibutuhkan oleh peneliti. Teknik penentuan sampel pada penelitian ini yakni melalui metode purposive sampling.Pemilihan sampel dalam memprediksi kondisi kegagalan bank pada penelitian ini dibagi menjadi dua kategori, yakni a) bank bermasalah, yaitu : i) bank yang mengalami kerugian minimal 3 tahun berturut turut, ii) bank yang dinyatakan bangkrut atau dicabut izin usahanya oleh Bank Indonesia pada tahun penelitian, b) bank tidak bermasalah, yaitu : i) bank yang tidak mengalami kerugian, ii) merupakan jenis bank yang sama dengan bank bermasalah, iii) total aktiva mendekati total aktiva yang dimiliki oleh bank bermasalah, iv) tidak mengalami masalah baik kondisi merger maupun akuisisi pada tahun penelitian. Jumlah sampel akhir yang terpilih sesuai dengan kriteria yang dibentuk adalah sebanyak 46 bank yang terdaftar pada Direktori Perbankan Indonesia selama tahun 2004-2011 yang terdiri dari 23 bank dengan kondisi failure dan 23 bank dengan kondisi non failure.
(21)
Tabel 3.1
Daftar Bank dengan Kondisi Failureyang Menjadi Sampel
No. Nama bank bermasalah No Nama bank bermasalah
1. PT. Bank Tabungan Negara 15. PT. Windu Kentjana
2. PT. Bank Ekspor Indonesia 16. PT. Bank Asiatic
3. PT. Bank Antar Daerah 17. PT. Bank Andara
4. PT. Maybank Indocorp 18. PT. BNP Paribas
5. PT. Bank Arta Graha Internasional 19. PT. INA Perdana
6. PT. Bank BRI Agroniaga 20. PT. Bank Mitraniaga
7. PT. Bank Century 21. PT. NOBU Bank
8. PT. Bank Dagang Bali 22. PT. Bank Pundi
9. PT. Bank Ganesha 23. PT. Bank Agris
10. PT. Bank Himpunan Saudara
11. PT. Bank Lippo
12. PT. Bank Mutiara
13. PT. Bank Permata
14. PT. Bank QNB Kesawan
Sumber : Hasil Olahan Data, Lampiran 1
Dalam menentukan probabilitas kegagalan bank, maka bank dengan kondisi
failure harus dihadapkan dengan probabilitas bank dengan kondisi non
failureguna mengetahui sejauh apa kemungkinan sebuah bank mengalami
kegagalan. Model regresi Logistik yang digunakan dalam penelitian menetapkan bahwa variabel dependen harus bersifat dikotomik, yaitu dalam penelitian ini bank dengan kondisi failure dan bank dengan kondisi non failure. Maka, sesuai dengan kriteria jenis dan jumlah aset yang mendekati, adapun daftar bank tidak bermasalah yang menjadi sampel dalam penelitian adalah :
(22)
Tabel 3.2
Daftar Bank dengan Kondisi Non Failureyang Menjadi Sampel
No. Nama bank tidak bermasalah No Nama bank tidak bermasalah
1. PT. Bank Negara Indonesia 15. PT. Bank Royal Indonesia
2. PT. Bank Rakyat Indonesia 16. PT. Bank Artos
3. PT. Bank Dagang Bali 17. PT. Fama International
4. PT. Bank Bumi Artha 18. PT. Kesejahteraan Ekonomi
5. PT. Bank Woori Indonesia 19. PT. Bank Maspion
6. PT. Bank BTPN 20. PT. Multiarta
7. PT. Bank Ekonomi Rahardja 21. PT. Bank China Trust Indonesia
8. PT. Bank Maspion 22. PT. Bank Multicor Indonesia
9. PT. Bank ICBC Indonesia 23. PT. Bank Resona Perdania
10. PT. Bank Mega
11. PT. Bank Mestika Dharma
12. PT. Bank OCBC NISP
13. PT. PAN Indonesia
14. PT. Yudha Bakti
Sumber : Hasil Olahan Data, Lampiran 1 dan 2
3.4 Definisi Operasional dan Skala Pengukuran
Definisi operasional variabel pada penelitian ini adalah :
1. Variabel independen
a. Cadangan umum aset produktif
Cadangan umum aset produktif merupakan penyisihan kerugian atas penyaluran aktiva produktif yang dibentuk guna menutupi kerugian yang mungkin terjadi sebagai salah satu risiko dari kegiatan operasional yang dilakukan sektor perbankan. Cadangan umum aset produktif yang dibentuk oleh sektor perbankan dibentuk sebagai salah satu komponen modal pelengkap dalam bank. Pembentukan cadangan umum aset produktif tersebut dibentuk dengan membebani laba
(23)
ataupun rugi tahun berjalan yang dihasilkan oleh sektor perbankan. Pembentukan cadangan umum aset produktif sesuai dengan peraturan yang ditetapkan Bank Indonesia adalah senilai maksimal 1,25% dari aktiva tertimbang menurut risiko (ATMR).
2. Variabel Kontrol
Variabel kontrol merupakan variabel yang digunakan dengan tujuan meningkatkan hasil penelitian agar lebih baik sehingga hasil penelitian tidak dipengaruhi oleh variabel lain yang tidak diikutsertakan pada model penelitian.
3. Variabel Dependen a. Bank Failure
Bank Failure merupakan salah satu kondisi kegagalan perbankan, dimana indikator dalam melihat kondisi tersebut yakni, bank yang telah dicabut izin usahanya secara sah dan mengalami kerugian minimal selama tiga tahun berturut turut. Skala pengukuran variabel ini ialah melalui skala nominal, dimana kode “1” untuk bank yang mengalami masalah kebangkrutan dan kode “0” untuk bank yang tidak bermasalah.
3.5 Jenis dan Sumber Data
a. Jenis Data
Data yang digunakan dalam penelitian ini merupakan data sekunder yang tersedia pada laporan keuangan bank pada komponen neraca dan laporan kewajiban penyediaan modal minimum bank (KPMM).
(24)
b. Sumber Data
Data yang digunakan diperoleh melalui laporan publikasi keuangan yang diterbitkan oleh bank Indonesia melalui website bank Indonesia secara tahunan pada periode 2004-2011.
3.6 Teknik dan Metode Analisis
Penelitian menggunakan SPSS 20 guna menganalisis data dalam pengujian hipotesis dan pengolahan data. Teknik analisis data pada penelitian ini adalah :
3.6.1 Perumusan Model
Variabel dependen pada penelitian ini merupakan probabilitas terjadinya kondisi bank failure. Kondisi bank failure yang dialami oleh sektor perbankan dibandingkan dengan probabilitas bank yang tidak mengalami kondisi failure. Model yang dibentuk melalui hubungan variabel independen dan variabel dependen pada penelitian ini adalah sebagai berikut :
Odds (Failure) = f(X1,X2,X3...Xi)
Persamaan yang digunakan melalui analisis regresi logistik pada penelitian ini adalah :
Logit(p) = ln� �
1−��= �+�1�1+∑ �������������������+� Atau
�1− ��� =��+�1�1+∑ ������������ ������� +� Dimana :
(25)
�1− ��� = Probabilitas Bank Failure
A = Konstanta
b1, bi = Koefisien masing-masing variabel
X1 = Cadangan Umum Aset Produktif
(“0” jika mencapai 1,25% ATMR ; “1” Jika < 1,25% ATMR) X5 = Variabel kontrol
Adapun tahap dalam proses penelitian dan pengolahan data adalah : a. Input data
Data yang digunakan dalam penelitian ini meliputi variabel cadangan umum aset produktif, variabel kontrol, kondisi bank dengan nilai cadangan umum aset produktif yang dibentuk dan kondisi bank yang menjadi sampel penelitian.
b. Analisis Statistik Deskriptif
Analisis statistik deskriptif merupakan teknik analisis data yang mendeskripsikan dan menggambarkan situasi objek penelitian. Analisis deskriptif terdiri dari mean, median, dan standar deviasi yang akan dianalisis dan direpresentasikan dalam hasil penelitian.
3.6.2 Uji Normalitas
a. Uji Kolmogorov Smirnov
Analisis normalitas data dilakukan sebelum melakukan uji hipotesis. Guna melakukan analisis normalitas data, maka digunakan uji One
Kolmogorov Smirnov dengan tingkat signifikansi α = 0.05. Jika
(26)
Hipotesis dalam uji One Kolmogorov-Smirnov adalah: Hipotesis Nol (H0) : Data terdistribusi dengan normal.
Hipotesis Alternatif (Ha) : Data tidak terdistribusi dengan normal.
Adapun tujuan digunakannya uji Kolmogorov Smirnov ialah guna mengetahui alat analisis yang paling tepat digunakan dalam melakukan uji beda, dalam statistik parametrik/nonparametrik. Mann
Whitney U-Test digunakan dalam menguji data yang terdistribusi
dengan tidak normal, sedangkan independen t-test digunakan dalam menguji data yang terdistribusi dengan normal.
3.6.3 Pengujian Hipotesis
a. Uji Beda Mann Whitney U-Test
Mann Whitney U-Test digunakan apabila data yang tersedia pada
penelitian tidak terdistribusi secara normal. Nilai Z pada uji
Mann-Whitney dapat dicari dengan rumus :
Z = ��±0,5−�(�+1)/2 ���(�+1)/12
Dimana : WX= Wilcoxon
m = Kelompok perusahaan yang mengalami kebangkrutan n = Kelompok perusahaan yang tidak mengalami kebangkrutan N = Jumlah populasi kedua perusahaan
(27)
H0 = Tidak terdapat perbedaan yang signifikan antara pembentukan
cadangan umum aset produktif sebagai komponen modal terhadap bank yang mengalami kebangkrutan dengan bank yang tidak mengalami kebangkrutan
H1= Terdapat perbedaan yang signifikan antara pembentukan
cadangan umum aset produktif sebagai komponen modal terhadap bank yang mengalami kebangkrutan dengan bank yang tidak mengalami kebangkrutan.
Adapun dasar pengambilan keputusan pada Mann Whiney U-Test adalah :
H0diterima Asymp. Sig (2-Tailed)>0,05
H1diterima Asymp. Sig (2-Tailed)<0,05
b. Uji Beda T-Test
Uji beda Independent sample T-Test digunakan untuk menentukan apakah dua sampel yang tidak berhubungan memiliki nilai rata-rata yang berbeda dengan asumsi data berdistribusi normal pada statistik parametrik. Uji ini digunakan dengan membandingkan nilai dari standard error dari perbedaan rata rata dua sampel :
t = �1−�2 �� Dimana :
µ1 : Rata-rata sampel pertama µ2 : Rata-rata sampel kedua
(28)
Tahapan dalam melakukan uji T-Test adalah melalui Levene Test yang menunjukkan apakah varian kedua populasi sampel sama atau berbeda. Jika hasil levene test menunjukkan bahwa varian kedua populasi sama maka analisis harus menggunakan asumsi equal
variancedengan membandingkan t-hitung dan t-tabel, dimana :
H0diterima Asymp Sign.2tailed>0,05, maka Ho diterima
H1diterima Asymp Sign.2tailed<0,05, maka H1 diterima
Adapun hipotesis pada uji Independent Sampel T-Test adalah :
H0= Tidak terdapat perbedaan yang signifikan antara pembentukan
cadangan umum aset produktif pada komponen modal pada bank yang mengalami kebangkrutan dengan bank yang tidak mengalami kebangkrutan.
H1= Terdapat perbedaan yang signifikan antara pembentukan
cadangan umum aset produktif pada komponen modal pada bank yang mengalami kebangkrutan dengan bank yang tidak mengalami kebangkrutan.
c. Likelihood L
Adapun tujuan dari menilai model fit yakni guna mengetahui bagaimana probabilitas model yang dihipotesakan menggambarkan data input. Hipotesa untuk menilai model fit adalah :
Ho : Model yang dihipotesakan fit dengan data
(29)
Fungsi likelihood merupakan statistik yang digunakan guna menguji hipotesa nol dan alternatif, dimana L ditransformasikan menjadi -2LogL. Cox dan Snell ’s R Square merupakan ukuran yang meniru ukuran R2 pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari 1 (satu) sehingga sulit diinterpretasikan.
d. Nagelkerke R Square
Nagelkerke’s R square merupakan modifikasi dari koefisien Cox
dan Snell’s R2 dengan nilai maksimumnya. Nilai nagelkerke’s R2
dapat diinterpretasikan seperti R2 pada multiple regression. Nilai R
Square dari Nagelkerke menunjukkan variasi variabel terikat yang
dijelaskan oleh prediktor dalam model regresi.
e. Hosmer and Lemeshow’s Goodness of Fit Test
Hosmer dan Lemeshow’s Goodness of Fit Test bertujuan
menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model . Hipotesis nol dapat diterima dan membuktikan bahwa model mampu memprediksi nilai observasinya, apabila nilai Statistik Hosmer
and Lemeshow’s Goodness of Fit Test lebih dari 0,05.
f. Ketepatan Prediksi
Ketepatan prediksi yang digunakan bertujuan menganalisis kemampuan model regresi logistik dalam memprediksi bank yang mengalami kondisi bank failuredan yang tidak mengalami kondisi
(30)
Persentase ketepatan prediksi dapat dihitung melalui rumus :
% ����������������� = ∑ ����������+ ∑ ����������� ∑(�+��)
Model yang sempurna akan menghasilkan ketepatan peramalan dengan nilai 100%. Kesalahan dapat terjadi pada kondisi yang diprediksi antara bank dengan kondisi bermasalah dan bank dengan kondisi tidak bermasalah.
(31)
BAB IV
HASIL DAN PEMBAHASAN
4.1 Deskripsi Objek Penelitian
Analisis dan pengolahan data pada penelitian ini menggunakan sampel perusahaan perbankan dengan dua kondisi yang berbeda, yaitu bank dengan kondisi failure dan yang tidak mengalami failure. Kedua kondisi tersebut dibutuhkan pada penelitian guna menentukan peluang kegagalan bank yang menjadi tujuan utama penelitian. Beberapa indikator yang digunakan dalam menentukan kondisi bank yang mengalami failure adalah, bank yang mengalami kerugian selama tiga tahun berturut turut dan dicabut izin usahanya secara sah oleh bank Indonesia. Indikator yang digunakan dalam menentukan bank dengan kondisi nonfailure adalah, bank yang tidak mengalami kerugian dan tidak mengalami merger atau akuisisi selama masa penelitian. Indikator yang digunakan menghasilkan 46 perusahaaan perbankan yang terdiri dari 23 perusahaan yang mengalami kondisi failure dan 23 perusahaan yang tidak mengalami failure.
Beberapa variabel yang digunakan pada penelitian adalah cadangan umum aset produktif(X1) sebagai variabel bebas, total modal(X2), modal inti(X3), dan
modal cadangan lainnya(X4) sebagai variabel kontrol. Keempat variabel tersebut
tersedia pada laporan kewajiban penyediaan modal minimum pada bank. Guna menghasilkan penelitian yang lebih baik, digunakan beberapa variabel kontrol lainnya seperti total aset(X5) dan total kredit(X6) yang disalurkan yang terdapat
(32)
dibentuk(X7) tersedia pada laporan kualitas aktiva produktif dan return on
asset(X8) pada laporan rasio keuangan bank. Variabel tersebut dipilih dalam
penelitian berdasarkan penelitian yang terdahulu dan juga adanya keterkaitan yang erat antar variabel.
4.2 Analisis Deskriptif
Metode ini bertujuan mendeskripsikan gambaran dari hasil estimasi data statistik yang diolah menggunakan SPSS 20. Gambaran deskriptif disajikan dengan menampilkan nilai mean, median, Skewness, dan Kuortosisdari masing-masing variabel. Hasil estimasi yang diperoleh hanya bertujuan menjelaskan kondisi variabel yang digunakan tanpa harus terlibat dalam pengambilan keputusan pada penelitian.
Tabel 4.1
Rata-Rata Variabel Bebas dan Variabel Kontrol Sektor Perbankan
No. Variabel Bebas 1 Tahun sebelumnya
F NF
1 Cadangan Umum Aset Produktif (X1) 0,39 0,70
2 Total Modal (X2) 0,51075133 2,32023266
3 Modal Inti (X3) 0,27327047 1,68731054
4 PPA Wajib yang Dibentuk (X4) 0,12885109 0,39668839
5 Total Aset (X5) 6,47724765 19,68736183
6 Total Kredit yang Disalurkan (X6) 2,61169318 8,91427852 7 Modal Pelengkap Lainnya (X7) 0,04939174 0,52187091
8 Return on Asset (X8) 0,024622 0,050322
(Sumber: Hasil Olahan SPSS 20, lampiran 5)
Tabel 4.1 menggambarkan perbedaan rata rata variabel bebas dan variabel kontrol pada perusahaan perbankan dengan kondisi failure dan perusahaan perbankan dengan kondisi nonfailure yang digunakan dalam penelitian.
(33)
Berdasarkan tabel dapat dilihat bahwa komponen modal seperti cadangan umum aset produktif(X1), total modal(X2), modal inti(X3), dan modal pelengkap
lainnya(X7) memiliki angka yang lebih tinggi pada bank yang mengalami kondisi
nonfailure dibandingkan dengan yang mengalami failure. Hal ini membuktikan
bahwa bank dengan kondisi failure cenderung memiliki total modal yang lebih rendah dibandingkan bank yang mengalami kondisi non failure.
Variabel lain seperti penyisihan penghapusan aktiva produktif yang wajib dibentuk(X4), total aset(X5), total kredit yang disalurkan (X6) dan return on
asset(X8) sebagai variabel kontrol pada bank dengan kondisi non failure bernilai
lebih tinggi dibandingkan dengan bank yang mengalami failure.
Tabel 4.2
Median Variabel Bebas dan Variabel Kontrol Sektor Perbankan
No. Variabel Bebas 1 Tahun sebelumnya
F NF
1 Cadangan Umum Aset Produktif (X1) 0,00 1,00
2 Total Modal (X2) 0,12146600 0,16686300
3 Modal Inti (X3) 0,08462000 0,28859200
4 PPA Wajib yang Dibentuk (X4) 0,00802800 0,03687500
5 Total Aset (X5) 1,09176800 3,25489800
6 Total Kredit yang Disalurkan (X6) 0,50214200 2,47543400 7 Modal Pelengkap Lainnya (X7) 0,00278000 0,00000000
8 Return on Asset (X8) 0,018000 0,023800
(Sumber: Hasil Olahan SPSS 20, lampiran 5)
Gambaran nilai median pada tabel di atas menunjukkan bahwa median sektor perbankan yang mengalami failure tidak lebih baik dibandingkan yang tidak mengalami failure. Hal ini berkaitan dan sesuai dengan rata – rata variabel yang digunakan pada tabel 4.1
(34)
Selanjutnya pada tabel Skewness dan Kuortosis akan menggambarkan kondisi distribusi variabel bebas dan variabel kontrol yang digunakan pada penelitian. Analisis ini digunakan untuk menentukan pengujian hipotesis selanjutnya.
Tabel 4.3
Skewness Variabel Bebas dan Variabel Kontrol Sektor Perbankan
No. Variabel Bebas 1 Tahun sebelumnya
F NF
1 Cadangan Umum Aset Produktif (X1) 0,477 -0,911
2 Total Modal (X2) 2,888 2,457
3 Modal Inti (X3) 2,468 2,468
4 PPA Wajib yang Dibentuk (X4) 2,176 2,676
5 Total Aset (X5) 1,716 2,958
6 Total Kredit yang Disalurkan (X6) 2,415 2,382
7 Modal Pelengkap Lainnya (X7) 4,017 2,134
8 Return on Asset (X8) 0,876 4,454
(Sumber: Hasil Olahan SPSS 20, lampiran 5)
Pada tabel 4.3 menggambarkan distribusi data yang digunakan pada penelitian. Angka skewness yang mendekati 0 menunjukkan data pada penelitian terdistribusi secara normal, sedangkan yang menjauhi nol menunjukkan bahwa angka tidak terdistribusi secara normal. Pada variabel cadangan umum aset produktif(X1) angka skewness mendekati nol, baik pada bank dengan kondisi
failure maupun non failure. Sedangkan pada variabel lainnya seperti total
modal(X2), modal inti(X3), penyisihan penghapusan aktiva produktif wajib yang
dibentuk(X4), total aset(X5), total kredit yang disalurkan(X6) dan modal pelengkap
lainnya(X7) menunjukkan angka skewness yang menjauhi nol dan membuktikan
(35)
Distribusi data pada variabel return on asset (X8) pada bank yang mengalami
kondisi failureterdistribusi secara normal dibandingkan sektor perbankan yang mengalami kondisi nonfailure.
Tabel 4.4
Kuortosis Variabel Bebas dan Variabel Kontrol yang Digunakan
No. Variabel Bebas 1 Tahun sebelumnya
F NF
1 Cadangan Umum Aset Produktif (X1) -1,951 -1,291
2 Total Modal (X2) 9,308 5,285
3 Modal Inti (X3) 6,710 5,261
4 PPA Wajib yang Dibentuk (X4) 3,761 7,207
5 Total Aset (X5) 1,433 8,967
6 Total Kredit yang Disalurkan (X6) 5,856 4,663
7 Modal Pelengkap Lainnya (X7) 17,249 3,395
8 Return on Asset (X8) 0,262 20,856
(Sumber: Hasil Olahan SPSS 20, lampiran 5)
Tabel 4.4 menggambarkan angka kuortosis variabel bebas yang digunakan. Angka kuortosis pada variabel cadangan umum aset produktif(X1) mendekati
angka nol, sedangkan pada variabel total modal(X2), modal inti(X3), penyisihan
penghapusan aktiva produktif yang wajib yang dibentuk(X4), total aset(X5), total
kredit yang disalurkan(X6) dan modal pelengkap lainnya(X7) angka kuortosis
menjauhi nol. Variabel return on asset(X8) pada bank yang mengalami failure
memiliki angka kuortosis yang mendekati nol menunjukkan distribusi data yang digunakan pada variabel tersebut adalah normal.
Angka skewness dan kuortosis yang dominan menjauhi nol menggambarkan bahwa terdapat distribusi data yang tidak normal pada variabel yang digunakan
(36)
dalam penelitian. Maka, guna menguji normalitas dan membuktikan penyebaran distribusi data dilanjutkan dengan uji normalitas pada bagian selanjutnya.
4.3 Pengujian Hipotesis
4.3.1 Pengujian Hipotesis 1
Pengujian hipotesis 1 dilakukan guna mengetahui perbedaan signifikan antara rata rata variabel bebas dan variabel kontrol yang digunakan pada bank yang mengalami failure dan yang tidak mengalami failure. Sebelum dilakukan uji beda, maka dilakukan uji normalitas untuk membuktikan distribusi data. Hal ini bertujuan guna mengetahui alat yang digunakan dalam melakukan uji beda. Data yang terdistribusi secara normal akan diuji dengan menggunakan independent t-test dan sebaliknya data yang tidak terdistribusi secara normal diuji dengan mann
whitney u-test. Uji Kolmogorov Smirnov dilakukan pada tingkat kesalahan 5 %.
Adapun dasar pengambilan keputusan pada uji normalitas adalah :
a. Asymp. Sign 2tailed> 0,05 Ho diterima, data terdistribusi secara normal
b. Asymp. Sign 2tailed< 0,05 H1 diterima, data terdistribusi secara tidak normal
Pengujian normalitas menunjukkan hasil sebagai berikut :
Tabel 4.5
Hasil Uji Kolmogorov Smirnov Kolmogorov
Smirnov
Asymp Sign.
2tailed Keputusan
1,161 0,135 Ho diterima artinya, data
terdistribusi secara normal (Sumber: Hasil Olahan SPSS 20, lampiran 6)
(37)
Berdasarkan hasil uji kolmogorov smirnov pada tabel 4.5 ,menggambarkan bahwa data yang digunakan pada penelitian terdistribusi secara normal. Maka, uji beda yang digunakan untuk melanjutkan penelitian adalah independent t-test. a. Uji Independent t-test
Uji independent t-test bertujuan menggambarkan perbedaan nilai rata rata
variabel bebas dan variabel kontrol yang digunakan pada penelitian. Rata rata variabel yang memiliki perbedaan signifikan pada kondisi failure dan nonfailure adalah variabel yang dapat digunakan sebagai prediktor kegagalan bank. Sebaliknya, variabel yang tidak memiliki perbedaan signifikan, tidak dapat digunakan sebagai prediktor. Apabila pada penelitian tidak terdapat variabel yang memiliki perbedaan, maka penelitian tidak dapat dilanjutkan.
Adapun dasar pengambilan keputusan pada uji independent t-test adalah :
a. Asymp Sign 2tailed> 0,05 maka Ho diterima, artinya tidak terdapat
perbedaan yang signifikan variabel bebas dan variabel kontrol yang digunakan.
b. Asymp Sign 2tailed< 0,05 maka Ho ditolak, artinya terdapat perbedaan
yang signifikan pada variabel bebas dan variabel kontrol yang digunakan.
(38)
Adapun hasil uji beda pada penelitian ini adalah :
Tabel 4.6 Hasil Uji Beda
(Sumber: Hasil Olahan SPSS 20, lampiran 7)
Analisis dari hasil penelitian yang digambarkan tabel 4.6, terdapat beberapa variabel yang dapat dan tidak dapat dijadikan sebagai prediktor dalam memprediksi kegagalan bank. Variabel yang dapat dijadikan prediktor adalah cadangan umum aset produktif(X1) dan modal inti(X3). Sedangkan sisanya
seperti, total modal(X2), penyisihan penghapusan aktiva produktif yang wajib
dibentuk(X4), total aset(X5), total kredit(X6) , cadangan lainnya(X7) dan return on
asset(X8) tidak dapat dijadikan sebagai prediktor dalam memprediksi potensi
kegagalan bank.
Variabel yang Digunakan
Rata rata Sign.
(2tailed)
Kesimpula n
F NF
Cadangan Umum Aset Produktif (X1)
0,39 0,70 0,039 Ho ditolak Total Modal (X2) 0,51075 2,32023 0,073 Ho diterima
Modal Inti (X3) 0,27327 1,68731
0,048
Ho ditolak PPA Wajib yang
Dibentuk (X4)
0,12885 0,39668 0,173 Ho diterima Total Aset (X5) 6,47724 19,68736
0,165
Ho diterima Total Kredit yang
Disalurkan (X6)
2,61169 8,91427 0,103 Ho diterima Modal Pelengkap
Lainnya (X7) 0,04939 0,52187 0,053 Ho diterima
Return on Asset (X8) 0,024 0,050
0,394
(39)
4.3.2 Pengujian Hipotesis 2
Analisis pada pengujian hipotesis dua dilakukan guna mengetahui kemampuan variabel yang dapat dijadikan prediktor dalam memprediksi kegagalan bank setahun sebelumnya. Adapun model regresi logistik yang digunakan pada penelitian adalah :
Ln (p/1 – p)= Y = b0 + ∑i bi Variabel Controli + e
Hasil analisis regresi logistik yang diperoleh adalah sebagai berikut :
Tabel 4.7
Hasil Analisis Regresi Logistik
Parameter Satu Tahun Sebelum Failure
-2 LogLikelihood *Block Number 0 *Block Number 1 Variabel bebas yang ditambahkan ke dalam model
63,770 53,941
1. Cadangan Umum Aset Produktif (X1)
2. Modal Inti (X3)
Cox & Snell R Square Nagelkerke R Square
0,192 0,256 Hosmer and Lemeshow Test
*Chi-Square *Signifikansi
12,740 0,79 (Sumber: Hasil Olahan SPSS 20, lampiran 7)
Dalam menganalisis hasil penelitian pada regresi logistik, terdapat beberapa tahap yang dilakukan guna pengambilan keputusan pada hasil penelitian, yaitu :
(40)
a. Likelihood L
Pada block number 0 yang menggambarkan kondisi sebelum terjadinya
failure, nilai chi square yang dihasilkan adalah sebesar 63,770. Nilai ini hanya
menyertakan konstanta tanpa mengikutsertakan variabel bebas yang dijadikan sebagai prediktor. Pada block number 1, yaitu pada kondisi terjadinya failure, angka chi square yang dihasilkan adalah sebesar 53,941, dengan menyertakan dua variabel bebas. Bila kedua angka chi square tersebut dibandingkan, maka terdapat selisih angka sebesar 9,429. Selisih angka tersebut harus dibandingkan dengan nilai X2 tabel dengan tingkat signifikansi 5% dan derajat kebebasan/degree of
freedom sebesar 2. Maka X2 hitung yang diperoleh sebesar 5,9915. Angka
tersebut masih lebih kecil dibandingkan dengan penurunan nilai chi square yang dihasilkan. Hal ini membuktikan bahwa penambahan dua variabel bebas yang dibentuk dapat memperbaiki model fitpada penelitian. Kesimpulan yang dapat diambil adalah model yang dibentuk merupakan model regresi yang baik.
b. Nagelkerke R Square
Nilai koefisienNagelkerke R Square menggambarkan kemampuan variabel bebas dalam model guna menginterpretasikan kondisi bank yang mengalami
failure. Nilai R Square yang dihasilkan pada pengolahan data adalah sebesar
25,6%. Hal ini menunjukkan bahwa variabel bebas dan variabel kontrol yang terdapat pada model hanya mampu menjelaskan kondisi kegagalan bank sebesar 25,6%. Sedangkan sisanya sebesar 74,4% dijelaskan oleh variabel lain di luar model.
(41)
c. Hosmer and Lemeshow’s Goodness of fit test.
Analisis ini bertujuan guna membuktikan kecocokan antara data empiris dengan model yang dibentuk pada penelitian. Kecocokan model membuktikan bahwa data empiris dan model yang dibentuk merupakan kombinasi yang fit. Pada periode satu tahun sebelumnya, nilai chi square yang dihasilkan pada penelitian adalah sebesar 12,740. Angka ini dibandingkan dengan X2 tabel pada tingkat signifikansi 5% dengan derajat kebebasan sebesar 7. Maka X2 tabel yang diperoleh sebesar 14,0671. Hal ini membuktikan bahwa nilai chi square pada
hosmer test masih lebih kecil dibandingkan X2 tabel. Maka, kesimpulan yang
diperoleh adalah model regresi logistik untuk periode satu tahun sebelum terjadinya kondisi failure pada perbankan terbukti fit dengan data empiris yang digunakan.
d. Uji Wald
Uji wald pada penelitian bertujuan guna menganalisis pengaruh variabel
variabel yang digunakan secara parsial dan hubungannya terhadap terjadinya kondisi failure pada sektor perbankan. Dasar pengambilan keputusan pada uji ini adalah :
a. Sign. > 0,05, Ho diterima, artinya tidak ada pengaruh yang signifikan antara variabel yang digunakan terhadap kondisi bank yang mengalami failure. b. Sign. < 0,05, H1 diterima, artinya terdapat pengaruh yang signifikan antara
(42)
Hasil uji yang diperoleh adalah :
Tabel 4.8 Hasil Uji Wald
Variabel β(Koefisien) Sign. Keputusan
1. Cadangan Umum Aset Produktif (X1)
2. Modal Inti (X2)
4,386
0,141
0,036
0,285
H0 ditolak
H1 diterima
(Sumber: Hasil Olahan SPSS 20, lampiran 9)
Berdasarkan hasil uji wald yang dilakukan, maka variabel yang secara parsial berpengaruh signifikan terhadap kondisi failure yang dialami sektor perbankan adalah cadangan umum aset produktif (X1), sedangkan variabel
prediktor modal inti(X2) tidak memiliki pengaruh yang signifikan terhadap
kondisi failure yang dialami sektor perbankan. e. Ketepatan Prediksi Model
Ketepatan prediksi model menggambarkan kemampuan model regresi logistik yang dibentuk dalam memprediksi sektor perbankan yang mengalami
failure dibandingkan dengan kondisi yang sesungguhnya. Hal ini juga
dibandingkan dengan kondisi perbankan yang tidak mengalami failure dibandingkan dengan kondisi yang sesungguhnya.
(43)
Uji ketepatan prediksi diringkas pada tabel berikut :
Tabel 4.9
Hasil Prediksi Ketepatan Model
Uraian
Prediksi
Kondisi Perusahaan
Tingkat Akurasi
(%)
NF F
Periode Satu Tahun Sebelumnya
Perusahaan NF Perusahaan F
18 9
5 14
78,3 60,9
Tingkat Akurasi Keseluruhan 69,6
(Sumber: Hasil Olahan SPSS 20, lampiran 9)
Berdasarkan tabel 4.6, dari 23 sampel perbankan yang dianggap mengalami kondisi non failure, ternyata terdapat 18 sektor perbankan yang mengalami kondisi non failure dan 5 sektor perbankan yang ternyata mengalami failure. Dari jumlah yang dihasilkan tersebut maka tingkat ketepatan model prediksi untuk sektor perbankan yang mengalami kondisi non failure adalah sebesar 78,3%, dimana, jumlah sektor perbankan dengan kondisi failure yang dijadikan sampel adalah sebanyak 23 bank. Dari 23 perusahaan perbankan yang dijadikan sampel terbukti sebanyak 14 perusahaan yang benar benar mengalami kondisi failure dan 9 perusahaan yang ternyata tidak mengalami failure. Dari perbandingan angka tersebut maka tingkat ketepatan model prediksi untuk sektor perbankan yang mengalami kondisi failure adalah sebesar 60,9%.
(44)
Dengan hasil yang diperoleh membuktikan bahwa model yang dibentuk berdasarkan variabel bebas dan variabel kontrol yang dijadikan prediktor kondisi bank failure satu tahun sebelum terjadi kondisi failure, menghasilkan tingkat ketepatan prediksi sebesar 69,6%.
4.4 Perumusan Model dan Interpretasi Hasil
Dalam membentuk perumusan model baru yang merupakan hasil penelitian, maka digunakan nilai koefisien β yang akan membantu dalam membentuk model persamaan regresi logistik sebagai hasil penelitian.
Tabel 4.10
Nilai Koefisien Model Regresi Logistik
Variabel β (Koefisien)
1.Konstanta
2. Cadangan Umum Aset Produktif (X1)
3. Modal Inti (X2)
1,228 -1,423 -0,727 (Sumber: Hasil Olahan SPSS 20, lampiran 9)
Adapun model prediksi yang dihasilkan pada periode satu tahun sebelum terjadinya kondisi failure adalah :
Ln (p/1 – p)= 1,228 – 1,423LLR -0,727Modal Inti + e
Persamaan yang dihasilkan mampu menjelaskan pengaruh variabel yang digunakan terhadap peluang terjadinya kondisi failure pada sektor perbankan. Adapun pengaruh yang dihasilkan adalah :
(45)
a. Konstanta bernilai positif sebesar 1,228 membuktikan bahwa tanpa variabel bebas dan variabel kontrol yang digunakan, maka peluang terjadinya
kondisi failure pada sektor perbankan akan semakin meningkat.
b. Koefisien bernilai negatif pada variabel cadangan umum aset produktif sebesar -1,423 membuktikan bahwa pembentukan cadangan umum aset produktif yang semakin mendekati 1,25%, akan menurunkan peluang terjadinya kondisi failure pada sektor perbankan.
c. Koefisien bernilai negatif sebesar -0,727 pada variabel modal inti membuktikan bahwa setiap kenaikan modal inti pada bank akan meningkatkan risiko terjadinya kondisi failure pada sektor perbankan.
4.5 Pembahasan
Berdasarkan hasil pengujian dan pengolahan data yang telah dilakukan, maka dapat dianalisis bahwa :
Analisis deskriptif yang digambarkan pada tabel 4.1 menggambarkan bahwa nilai rata rata yang dihasilkan oleh variabel cadangan umum aset produktif pada sektor perbankanyang mengalami kondisi non failure lebih tinggi dibandingkan dengan sektor perbankanyang mengalami kondisi failure, yaitu 0,70 dibandingkan dengan 0,39. Nilai rata – rata yang lebih tinggi pada sektor perbankan yang mengalami kondisi non failure pada sampel yang digunakan menggambarkan bahwa bank – bank tersebut pada umumnya membentuk cadangan umum aset produktif yang tidak mencapai 1,25% dari aktiva tertimbang menurut risiko, digambarkan melalui penggunaan variabel dummy dengan kode “1” dan “0”. Hal ini juga dapat dilihat pada lampiran satu, dimana terdapat sembilan bank dengan kondisi
(46)
failureyang membentuk cadangan umum aset produktif yang tidak mencapai 1,25% dan pada lampiran dua terdapat 16 bank dengan kondisi non failure yang membentuk cadangan umum aset produktif yang tidak mencapai 1,25% dari aktiva tertimbang menurut risiko. Sejalan dengan hasil analisis bahwa bank dengan kondisi non failure secara dominan membentuk cadangan umum aset produktif yang tidak mencapai 1,25% dari aktiva tertimbang menurut risiko dibandingkan dengan sektor perbankan yang mengalami failure.
Kondisi failure yang dialami oleh sektor perbankan dapat diprediksi melalui variabel cadangan umum aset produktif(X1).Kemampuan cadangan umum aset
produktif sebagai prediktor dalam memprediksi kegagalan bank juga dapat diketahui dari adanya perbedaan yang signifikan antara variabel cadangan umum aset produktif(X1) pada bank yang mengalami kondisi failuredengan bank yang
mengalami kondisi non failure. Hal ini dibuktikan melalui nilai koefisien uji beda
independent t-test, yaitu sebesar 0,039 yang lebih kecil dibandingkan derajat
signifikansi sebesar 0,05 (tabel 4.5). Selain cadangan umum aset produktif, variabel modal inti yang digunakan sebagai variabel kontrol juga merupakan variabel yang mampu memprediksi bank dengan kondisi failure dengan nilai uji beda sebesar 0,048. Nilai koefisien uji beda yang lebih kecil pada modal inti sebagai variabel kontrol dapat membantu pembentukan model regresi logistik yang dihasilkan sehingga memberikan hasil penelitian yang lebih baik.
Variabel cadangan umum aset produktif bersama dengan modal inti sebagai variabel kontrol yang memiliki perbedaan signifikan dibentuk menjadi model
(47)
regresi logistik dihasilkan melalui uji Wald, dengan melihat nilai koefisien β yang dihasilkan. Nilai koefisien β menggambarkan kemampuan cadangan umum aset produktif dalam memprediksi kondisi failure yang dialami sektor perbankan. Model regresi logistik yang dihasilkan dibentuk dengan model persamaan sebagai berikut ;
Ln (p/1 – p)= 1,228 – 1,423LLR -0,727Modal Inti + e...(1)
Model prediksi yang dibentuk pada persamaan satu di atas merupakan model regresi biner yang baik dan layak digunakan dalam memprediksi potensi bank failure yang dialami sektor perbankan. Kemampuan model regresi logistik sebagai model prediksi yang baik dibuktikan melalui hasil uji goodness of fit, dimana angka Chi Square Hosmer senilai 12,740menunjukkannilai yang lebih kecil dibandingkan dengan Chi Square tabel dengan nilai 14,0671.
Model prediksi yang digambarkan melalui persamaan satu memiliki nilai koefisien yang menunjukkan bahwa cadangan umum aset produktif(X1)senilai
1,423 lebih besar dibandingkan dengan koefisien variabel modal inti(X3) dengan
nilai 0,727. Angka yang lebih tinggi membuktikan bahwa pada persamaan yang dihasilkan, cadangan umum aset produktif(X1) merupakan variabel yang dominan
dalam menentukan potensi failure yang dialami sektorperbankan dibandingkan dengan variabelyang ada dalam model termasuk variabel kontrol yang dibentuk guna membantu penelitian. Model prediksi yang digambarkan melalui persamaan tersebut juga menjelaskan mengenai hubungan antara variabel cadangan umum aset produktif(X1) dengan kondisi failure yang dialami oleh
(48)
cadangan umum aset produktif memiliki hubungan yang negatif terhadap kondisi bank yang mengalami failure. Hubungan negatif tersebut menggambarkan bahwa semakin tinggi cadangan umum aset produktif maka semakin menurunkan probabilitas kegagalan yang dialami oleh sektor perbankan. Hal ini disebabkan oleh semakin tinggi cadangan yang dibentuk sebagai komponen modal, maka akan semakin tinggi pula kemampuan modal dalam menanggulangi risiko kerugian yang akan dialami oleh sektor perbankan. Hal ini berbeda dengan penelitian yang dihasilkan oleh Jin et al(2011), Jeffrey et al(2014) dan Marco Arena(2008). Perbedaan hasil penelitian tersebut diakibatkan oleh kondisi penelitian. Pada penelitian Jin et al(2011), Jeffrey et al(2014) dan Marco Arena(2008) kondisi yang terjadi adalah, penyaluran kredit yang dibentuk oleh bank tidak mengalami diversifikasi, namun penyaluran kredit mendominasi pada sektor real estate. Hasil penelitian sejalan dengan yang dilakukan oleh Cole et al(2012) dimana pada saat itu kondisi penyaluran kredit sudah mengalami diversifikasi, dan kondisi perekonomian berada pada asumsi yang normal. Sehingga peningkatan cadangan umum aset produktif dapat menjaga ekuitas sektor perbankan dam memiliki kemampuan yang lebih tinggi dalam menanggulangi risiko akibat penyaluran aktiva produktif.
Kemampuan cadangan umum aset produktif dalam memprediksi kondisi kegagalan bank juga menggambarkan kemampuannya dalam menjaga ekuitas sektor perbankan. Sebagai prediktor yang memiliki kemampuan dalam memprediksi kondisi bank failure, maka kemampuan cadangan umum aset produktif dalam memprediksi kondisi failure dapat dilihat melalui tingkat
(49)
ketepatan prediksi yang dihasilkan melalui uji regresi logistik. Pada tabel 4.9 ketepatan prediksi yang dihasilkan pada sektor perbankan yang mengalami kondisi failure adalah sebesar 60,9 persen dimana dari 23 sampel bank yang mengalami kondisi failure terdapat 14 bank yang benar – benar mengalami kondisi failure dan 9 bank yang sebenarnya tidak mengalami kondisi failure.
Sedangkan untuk tingkat akurasi yang dihasilkan model untuk bank yang mengalami kondisi non failure adalah sebesar 78,3 persen, dimana dari 23 bank yang dijadikan sampel pada penelitian, terdapat 18 bank yang benar – benar mengalami kondisi non failure dan 5 bank yang ternyata mengalami kondisi
failure. Kedua tingkat akurasi pada kondisi yang berbeda ini, menghasilkan
tingkat ketepatan prediksi sebesar 60,9 persen.
Pengelompokkan kegagalan suatu bank dinilai berdasarkan nilai probabilitas kegagalannya. Dengan nilai cut off sebesar 0,5, maka jika suatu bank memiliki nilai probabilitas gagal yang lebih besar daripada nilai 0,5 , maka bank tersebut termasuk dalam kategori dengan kondisi failure dan sebaliknya jika lebih kecil dibandingkan 0,5, maka bank termasuk dalam kategori non failure.
Kemampuan cadangan umum aset produktif yang dibentuk sudah memiliki kemampuan yang baik dalam memprediksi kondisi kegagalan bank karena berada pada kekuatan prediksi di atas 50%, namun tetap berada pada kondisi kurang sempurna karena masih berada di bawah 90%. Kemampuan yang kurang sempurna tersebut dapat saja disebabkan karena: 1)adanya sektor perbankan yang tidak dijadikan sampel sebagai akibat tidak tersedianya laporan keuangan bank, 2) variabel yang digunakan bukan merupakan variabel hasil kinerja bank, namun
(50)
merupakan variabel yang akan mempengaruhi kondisi sektor perbankan terutama dalam pengalokasian dan pemanfaatan modal perbankan, 3) adanya perbedaan faktor – faktor yang menjadi pertimbangan bagi manajemen bank dalam menentukan nilai cadangan umum aset produktif. Hal ini terlihat pada lampiran satu dan dua, dimana baik pada kondisi failure dan non failure, masih terdapat sektor perbankan yang menetapkan cadangan umum aset produktif yang tidak mencapai 1,25% maupun sektor perbankan yang menetapkan cadangan umum aset produktif yang mencapai 1,25% dari aktiva tertimbang menurut risiko. Hal tersebut dipengaruhi juga oleh kemampuan manajemen bank dalam melaksanakan prinsip kehati – hatian guna kelangsungan hidup sektor perbankan, 4) dalam pengambilan sampel tidak melibatkan kondisi aspek pelanggaran, penipuan dan kecurangan dalam manajemen sektor perbankan.
Dalam penilaian kualitas aktiva produktif dan penyaluran kredit yang dilakukan, maka manajemen pada sektor perbankan memiliki hak dalam menentukan pembentukan cadangan umum aset produktif. Fakta tersebut dapat dilihat pada beberapa kondisi sampel yang digunakan. Kondisi sampel membuktikan bahwa tidak ada prinsip dan ketentuan yang menghalangi manajemen bank dalam membentuk cadangan umum aset produktif selain daripada angka maksimal yang ditetapkan, yaitu 1,25% dari ATMR. Penetapan tersebut tidak bergantung pada prinsip ekonomi maupun akuntansi, namun tergantung kepada kebijakan manajeman sektor perbankan dalam menerapkan kualitas aktiva produktif, kondisi modal yang tersedia dan kondisi ekonomi secara nasional.
(51)
Sehubungan dengan kondisi yang dilakukan pada saat penelitian dimana kondisi ekonomi berada pada kondisi yang baik, maka prediksi ini dapat digunakan dengan asumsi kondisi perekonomian adalah baik.
(52)
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Tahapanpenelitian, pengolahan dan analisis data menghasilkan kesimpulan sebagai berikut :
1. Cadangan umum aset produktif(X1) mampu memprediksi kondisi failure
yang dialami sektor perbankan pada periode setahun sebelumnya, dengan tingkat ketepatan prediksi secara keseluruhan sebesar 69,6%, dimana tingkat ketepatan prediksi model pada sektor perbankan yang mengalami kondisifailure adalah sebesar 60,9% dan sebesar 78,3%, pada bank yang mengalami kondisi non failure.
2. Cadangan umum aset produktif(X1) mampu memprediksi kondisi bank
failuresecara dominan dibandingkan variabel lain pada penelitian. Hal
digambarkan melalui model regresi logistik yang dihasilkan, dimana nilai koefisien cadangan umum aset produktif lebih tinggi dibandingkan koefisien variabel modal inti(X3).
Ln (p/1 – p)= 1,228 – 1,423LLR–0,727Modal Inti + e
3. Kemampuan cadangan umum aset produktif dalam memprediksi kondisi
failure pada sektor perbankan dapat digunakan sebagai model prediksi
dengan asumsi kondisi perekonomian berada dalam kondisi yang baik.
5.2 Saran
Berdasarkan kesimpulan yang dihasilkan, ada beberapa saran yang dapat dijadikan acuan pada penelitian berikutnya. Beberapa saran tersebut yaitu:
(53)
1. Pihak perbankan
Pihak perbankan dapat menggunakan model prediksi yang melibatkan cadangan umum aset produktif sebagai peringatan dini guna mendeteksi potensi kegagalan yang dimiliki oleh sektor perbankan pada periode setahun mendatang.
2. Bagi investor, kreditor dan deposan dapat menggunakan model prediksi kemampuan cadangan umum aset produktif dalam mengevaluasi kinerja sektor perbankan dalam mengoperasikan kegiatan perbankan yang dilakukan, sehingga dapat mengetahui probabilitas kegagalan sektor perbankan setahun mendatang.
3. Bagi pihak regulator seperti otoritas jasa keuangan dapat memanfaatkan kemampuan prediksi melalui cadangan umum aset produktif guna mengetahui kondisi perbankan sehingga dapat meningkatkan fungsi pengawasan bank karena dapat meramalkan potensi kegagalan bank lebih cepat setahun mendatang.
Bagi peneliti selanjutnya dapat meningkatkan hasil penelitian dengan melibatkan kondisi merger dan akuisisi pada pengambilan sampel sehingga hasil penelitian menjadi lebih baik, dan mengadakan penelitian dengan asumsi kondisi ekonomi yang berada pada kondisi krisis, sehingga dapat menetapkan perbedaan kemampuan cadangan umum aset produktif dalam memprediksi kondisi kegagalan bank pada kondisi berbeda di Indonesia.
(54)
BAB II
TINJAUAN PUSTAKA
2.1 Financial Distress
Financial distress atau kesulitan keuangan merupakan kondisi
ketidakmampuan perusahaan dalam memenuhi kewajibannya yang menyebabkan perusahaan mengalami insolvency (Ross et al, 1996).Karen Hopper Wruck (1990)menyatakan bahwa ketidakmampuan tersebut disebabkan oleh kurangnya arus kas dalam memenuhi kewajiban perusahaan. Kondisi kesulitan keuangan pada perusahaan merupakan gambaran awal terjadinya kondisi kebangkrutan pada perusahaan. Kondisi kesulitan keuangan pada perusahaan menyebabkan perusahaan mengeluarkan dana yang cukup besar guna menghindari terjadinya kebangkrutan. Jika sebuah perusahaan mengalami kondisi kesulitan keuangan, maka perusahaan tersebut akan membutuhkan sejumlah dana yang cukup besar guna menanggulangi kesulitan keuangan yang akan menyebabkan perusahaan mengalami kebangkrutan. Lemma W. Senbet and Tracy Yue Wang (2012)di sisi lain menyatakan bahwa perusahaan dapat mengalami financial distressdisebabkan terjadinya kesulitan ekonomi maupun kesulitan keuangan. Kesulitan ekonomi merupakan gambaran kesulitan secara makro ekonomi dan kesulitan keuangan merupakan gambaran kesulitan yang disebabkan faktor internal yang berasal dari perusahaan tersebut.
Menurut Altman (1968), kondisi kesulitan keuangan pada perusahaan dapat digolongkan ke dalam empat istilah umum, yakni:
(55)
a. Economic Failure
Economic failure merupakan sebuah kondisi dimana perusahaan kesulitan
menutupi biaya yang ditanggung oleh perusahaan termasuk biaya modal. Dalam kondisi tersebut, perusahaan dapat meneruskan kegiatan operasional perusahaan apabila kreditur bersedia menyediakan tambahan modal sehingga return yang diterima oleh perusahaan berada dibawah tingkat bunga pasar.
b. Business failure
Business failure merupakan sebuah kondisi dimana perusahaan tidak
mampu lagi beroperasi sehingga tidak menghasilkan pendapatan bagi perusahaan yang disebabkan oleh kurangnya arus kas guna mneutupi pengeluaran perusahaan.
c. Insolvency
Insolvency merupakan sebuah kondisi dimana perusahaan mengalami
kekurangan pada arus kas sehingga perusahaan tersebut tidak mampu memenuhi kewajibannya.
d. Legal Bankruptcy
Legal bankruptcy merupakan sebuah kondisi dimana perusahaan tersebut
tidak dapat melaksanakan kegiatan opersionalnya secara hukum oleh pihak yang bersangkutan.
Dalam mengamati dan mengetahui kondisi perusahaan yang mengalami
(56)
perusahaan yang mengalami financial distress. Adapun beberapa indikator tersebut adalah :
1. Whitaker (1999) mendefinisikan financial distressterjadi pada sebuah perusahaan, apabila perusahaan tersebut mengalami laba operasional negatif secara berturut turut.
2. Altman (1968) mendefinisikan financial distress dengan memanfaatkan angka-angka di dalam laporan keuangan dan merepresentasikannya dalam suatu angka, yaitu Z-Score yang dapat menjadi acuan untuk menentukan apakah suatu perusahaan berpotensi untuk bangkrut atau tidak.
3. Ross et al (1996) mendefinisikan kondisi financial distress terjadi apabila perusahaan tersebut mengalami insolvency.
Kondisi Financial Distress pada sektor perbankan dapat disebabkan opleh beberapa faktor. Adapun faktor faktor yang menyebabkan krisis keuangan pada perusahaan adalah kenaikan suku bunga, peningkatan ketidakpastian, dampak pasar aset terhadap neraca, permasalahan sektor perbankan, ketidakseimbangan fiskal pemerintah (Frederic S Mishkin, 2008: 274) ;
1. Kenaikan Suku bunga
Fluktuasi suku bunga masih menjadi salah satu ancaman utama bagi kinerja perbankan. Peningkatan suku bunga pasar dapat diakibatkan oleh peningkatan kredit dan penurunan jumlah uang beredar. Suku bunga yang tinggi juga dapat menyebabkan kenaikan pada risiko investasi dan proyek yang dilaksanakan oleh perusahaan.
(57)
2. Peningkatan ketidakpastian
Kondisi ketidakpastian selalu terjadi dalam kinerja lembaga keuangan salah satunya bank. Kondisi ketidakpastian tersebut dapat berupa kegagalan lembaga keuangan secara internal, resesi, dan jatuhnya pasar saham. Kondisi ini membuat sektor perbankan lebih selektif dalam menyalurkan kredit terhadap masyarakat. Kredit dengan potensi pengembalian yang lebih baik tentu akan dipilih dibandingkan dengan potensi pengembalian yang buruk. Namun di sisi lain metode yang lebih selektif dapat menyebabkan penurunan pinjaman, investasi, dan kegiatan ekonomi agregat.
3. Dampak pasar aset terhadap neraca
Kondisi neraca perusahaan memperlihatkan bagaimana kondisi keuangan sektor perbankan. Salah satu penyebab terpuruknya neraca perusahaan adalah penurunan dalam pasar saham. Penurunan pada pasar saham menggambarkan menurunnya kekayaan bersih perusahaan. Penurunan ini menyebabkan perbankan enggan menyalurkan kredit karena kemungkinan kerugian atas pinjaman dapat meningkat. Pemberi pinjaman pun akan menurunkan jumlah kredit yang disalurkan sehingga investasi dan output agregat akan mengalami penurunan.
4. Permasalahan dalam sektor perbankan
Peranan bank dalam pasar keuangan masih memegang peranan penting sebagai fasilitator investasi produktif dalam perekonomian. Jika neraca dan kualitas modal mengalami penurunan maka bank mempunyai sumber yang lebih sedikit untuk dipinjamkan. Kondisi buruk ini akan menyebar dari satu
(58)
bank ke bank yang lain sehingga dapat terjadi kegagalan bank berganda yang disebut dengan istilah bank panic.
5. Ketidakseimbangan fiskal pemerintah
Salah satu kondisi ketidakseimbangan fiskal pemerintah yang terjadi adalah gagal bayar utang oleh pemerintah yang menyebabkan penurunan nilai mata uang domestik yang disebabkan oleh investor yang menarik uangnya keluar dari suatu negara. Hal ini akan mempengaruhi kinerja keuangan perbankan baik secara langsung maupun tidak langsung.
2.2 Bank Failure
Istilah bank gagal dalam pasal 1 angka 7 UU LPS adalah bank yang mengalami kesulitan keuangan dan membahayakan kelangsungan usahanya serta dinyatakan tidak dapat disehatkan oleh Lembaga Pengawasan Perbankan sesuai dengan kewenangan yang dimilikinya. Selain itu istilah bank gagal dalam penelitian Ng and Roychowdurry (2014) dapat terjadi karena sektor perbankan mengalami kualitas modal yang kurang baik sehingga tidak dapat memenuhi kewajibannya. Menurut Federal Deposit Insurance Corporation (FDIC) bank gagal adalah sebuah kondisi dimana sektor perbankan ditutup oleh badan pengawas perbankan karena bank tersebut tidak dapat memenuhi kewajibannya terhadap deposan. Hari Sukarno (2005) menyebutkan bahwa kondisi bank gagal adalah jika bank tersebut tidak memenuhi kriteria bank sehat dari Bank Indonesia, seperti business failure, peringkat CAMEL yang merosot, terjadinya legal
(1)
ABSTRACT
This study aims to determine the ability of the loan loss reserve in predicting bank failure in Indonesia in the year-earlier period.
The data used are secondary data obtained through Indonesian Banking Directory, that is Capital Adequacy Report, Balance Sheet and Financial Ratios Bank. Data processing method used is Logistic Regression Model.
The results of this study shows that the loan loss reserve is able to predict the condition of bank failure prediction accuracy of 69.6 percent, with 70.3 percent of the bank with the condition nonfailure and 60.9 percent at the bank with a failure condition.
As a predictor able to predict failure conditions in the banking sector, the model established by the loan loss reserve can be used with the assumption that the economic is in good condition.
(2)
v DAFTAR ISI
KATA PENGANTAR ... ii
ABSTRAK ... iv
ABSTRACT ... v
DAFTAR ISI ... vi
DAFTAR TABEL ... viii
DAFTAR GAMBAR ... ix
DAFTAR LAMPIRAN ... x
BAB I PENDAHULUAN 1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 9
1.3 Tujuan Penelitian ... 9
1.4 Manfaat Penelitian ... 9
BAB II TINJAUAN PUSTAKA 2.1 Financial Distress ... 11
2.2 Bank Failure ... 15
2.3 Modal Bank ... 17
2.4 Cadangan Umum Aset Produktif ... 20
2.5 Penggunaan Dana Menurut Sifat Aktiva ... 22
2.6 Kualitas Aktiva Produktif ... 23
2.7 Kebijakan Asset Liability Management ... 24
2.8 Tinjauan Penelitian Terdahulu ... 27
2.9 Kerangka Konseptual ... 29
2.10 Hipotesis Konseptual ... 32
BAB III METODE PENELITIAN 3.1 Jenis Penelitian ... 33
3.2 Batasan Operasional ... 33
3.3 Populasi dan Sampel ... 34
3.4 Definisi Operasional dan Skala ... 36
3.5 Jenis dan Sumber Data ... 37
3.6 Teknik dan Metode Analisis ... 38
3.6.1 Perumusan Model ... 38
3.6.2 Uji Normalitas ... 39
3.6.3 Pengujian Hipotesis ... 40
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Deskripsi Objek Penelitian ... 44
4.2 Analisis Deskriptif ... 45
4.3 Pengujian Hipotesis ... 49
4.3.1 Pengujian Hipotesis 1 ... 49
(3)
4.3.2 Pengujian Hipotesis 2 ... 52
4.4 Perumusan Model dan Interpretasi ... 56
4.5 Pembahasan ... 57
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan ... 64
5.2 Saran ... 64
DAFTAR PUSTAKA ... 66
(4)
vii DAFTAR TABEL
No. Tabel Judul Halaman
2.1 Rangkuman Penelitian Terdahulu ... 27
3.1 Daftar Bank Yang Telah Menjadi Sampel ... 34
3.2 Daftar Bank Yang Telah Menjadi Sampel ... 35
4.1 Rata – Rata Varaiabel Bebas dan Variabel Kontrol ... 45
4.2 Median Variabel Bebas dan Variabel Kontrol ... 46
4.3 Angka Skewness Variabel Bebas dan Variabel Kontrol ... 47
4.4 Angka Kuortosis Variabel Bebas dan Variabel Kontrol ... 48
4.5 Hasil Uji Kolmogorov Smirnov ... 49
4.6 Hasil Uji Beda ... 51
4.7 Hasil Analisis Regresi Logistik ... 52
4.9 Hasil Analisis Prediksi Ketepatan Model ... 55
(5)
DAFTAR GAMBAR
No. Gambar Judul Halaman 2.1 Kerangka Konseptual 1... 29 2.2 Kerangka Konseptual 2... 30
(6)
ix DAFTAR LAMPIRAN
No. Lampiran Judul Halaman
1 Data Hasil Olahan Populasi ... 69
2 Daftar Sampel yang Menjadi Objek Penelitian ... 74
3 Nilai Variabel Bebas dan Variabel Kontrol Bank Failure .... 76
4 Nilai Variabel Bebas dan Variabel Kontrol Bank Non Failure 77 5 Hasil Uji Analisis Deskriptif ... 78
6 Hasil Uji Normalitas Data ... 79
7 Hasil Uji Beda ... 80
8 Hasil Uji Regresi Logistik ... 81