Net Interest Margin NIM Non Performing Loan NPL

2.1.4.5 Biaya Operasional terhadap Pendapatan Operasional BOPO

Rasio biaya operasional atau rasio BOPO digunakan untuk mengukur tingkat efisiensi dan kemampuan bank dalam melakukan kegiatan operasinya. Bank yang bertugas mengumpulkan dana masyarakat dan menyalurkan dan tersebut kembali ke masyarakat menjadikan beban bunga dan hasil bunga sebagai porsi terbesar bank dalam menghasilkan laba Rivai et al, 2013 : 482. Ketetapan Bank Indonesia menyatakan bahwa rasio BOPO suatu bank dikatakan sangat sehat apabila rasio tersebut lebih rendah dari 93,25, dikatakan sehat apabila rasio BOPO adalah antara 93,25 sampai dengan 94,72, dikatakan cukup sehat apabila rasio BOPO adalah antara 94,72 sampai dengan 95,92, dan dikatakan tidak sehat apabila rasio BOPO adalah di atas 95,92.

2.1.4.6 Net Interest Margin NIM

Rasio ini digunakan untuk mengukur kemampuan manajemen bank dalam mengelola aktiva produktif sehingga bisa menghasilkan pendapatan bunga bersih Rivai et al, 2013: 721. Rasio NIM merupakan ukuran untuk membedakan antara bunga pendapatan yang diperoleh dan jumlah bank yang diberikan kepada pihak penerima pinjaman atau kredit. Rasio ini berlaku pada bank yang menjalankan kegiatan operasionalnya berdasarkan prinsip konvensional, sebab bank konvensional mendapatkan laba melalui bunga atas aktiva-aktiva kredit yang disalurkan bank yang bersangkutan kepada masyarakat dalam bentuk kredit.

2.1.4.7 Non Performing Loan NPL

Rasio ini menunjukkan kemampuan manajemen bank dalam mengelola kredit bermasalah yang diberikan oleh bank. Kredit dalam hal ini adalah kredit Universitas Sumatera Utara yang diberikan kepada pihak ketiga tidak termasuk kredit kepada bank lain. Kredit bermasalah adalah kredit dengan kualitas kurang lancar, diragukan dan macet Almilia dan Herdiningtyas, 2005: 13. Bank Indonesia menetapkan bahwa rasio NPL suatu bank dikatakan sehat apabila rasio tersebut tidak lebih dari 5. Semakin tinggi rasio NPL yang dimiliki suatu bank maka semakin rendah tingkat likuiditas bank terhadap dana pihak ketiga. Hal ini dikarenakan sebagian besar dana yang disalurkan bank merupakan dana yang berhasil dihimpun dari pihak ketiga.

2.2 Penelitian Terdahulu

Berikut ini adalah beberapa penelitian-penelitian terdahulu yang berkaitan dengan penelitian yang akan dilakukan oleh Peneliti dan merupakan acuan atau pembanding dengan penelitian yang akan dilakukan : 1. Luciana Spica Almilia dan Winny Herdiningtyas 2005 melakukan penelitian dengan judul “Analisis Rasio CAMEL terhadap Prediksi Kondisi Bermasalah pada Lembaga Perbankan Perioda 2000-2002”. Variabel yang digunakan dalam penelitian ini adalah rasio Capital Adequacy Ratio CAR, Aktiva Produktif Bermasalah APB, Non Performing Loan NPL, Penyisihan Penghapusan Aktiva Produktif terhadap Aktiva Produktif PPAPAP, Return on Asset ROA, Net Interest Margin NIM, dan Biaya Operasional terhadap Pendapatan Operasional BOPO. Hasil dari penelitian ini menunjukkan bahwa rasio-rasio yang dijadikan variabel bebas tersebut memiliki perbedaan antara bank yang sedang bermasalah dengan bank tidak sedang berada pada kondisi Universitas Sumatera Utara bermasalah. Penelitian tersebut juga menunjukkan bahwa hanya rasio CAR dan BOPO yang berpengaruh positif signifikan terhadap kondisi bermasalah bank. 2. Rizky Ludy 2011 dalam penelitiannya yang berjudul “Analisis Pengaruh Rasio CAMEL terhadap Kondisi Bermasalah pada Sektor Perbankan di Indonesia” menggunakan rasio CAR, NPL, ROA, BOPO dan LDR sebagai variabel independen. Hasil penelitian ini menunjukkan bahwa rasio CAR berpengaruh negatif signifikan terhadap prediksi kondisi bermasalah, rasio NPL berpengaruh positif tetapi tidak signifikan terhadap prediksi kondisi bermasalah, ROA berpengaruh negatif signifikan terhadap prediksi kondisi bermasalah, rasio BOPO berpengaruh positif tetapi tidak signifikan terhadap prediksi kondisi bermasalah, dan rasio LDR berpengaruh positif tetapi tidak signifikan terhadap prediksi kondisi bermasalah. 3. Latifa Martharini 2012 dalam penelitiannya yang berjudul “Analisi Pengaruh Rasio CAMEL dan Size terhadap Prediksi Kondisi Bermasalah pada Perbankan” menggunakan rasio CAR, NPL, NIM, ROA, BOPO, LDR dan Size sebagai variabel independen. Hasil penelitian tersebut adalah rasio CAR, NIM, dan LDR berpengaruh negatif tidak signifikan terhadap prediksi kondisi bermasalah. Rasio NPL, BOPO dan Size berpengaruh positif signifikan terhadap prediksi kondisi bermasalah dan rasio ROA berpengaruh negatif signifikan terhadap prediksi kondisi bermasalah. 4. Eka Adhi Prasetyo 2011 melakukan penelitian dengan judul “Faktor-Faktor yang Mempengaruhi Kondisi Financial Distress Perusahaan Perbankan yang Listing di BEI Tahun 2006-2008” dengan menggunakan rasio keuangan CAR, Universitas Sumatera Utara Pemenuhan PPAP, NPL, BOPO, NIM, ROA, ROE, dan LDR sebagai variabel independen. Hasil penelitian terseut menunjukkan bahwa rasio CAR, NPL, dan BOPO berpengaruh positif dan signifikan terhadap prediksi kondisi bermasalah. Rasio Pemenuhan PPAP dan ROE berpengaruh negatif tetapi tidak signifikan terhadap prediksi kondisi bermasalah. Rasio NIM dan LDR berpengaruh negatif dan signifikan terhadap prediksi kondisi bermasalah. Rasio ROA berpengaruh positif tetapi tidak signifikan terhadap prediksi kondisi bermasalah. 5. FX Sugiyanto, Prasetiono dan Teddy Hariyanto 2002 dalam penelitian yang berjudul “Manfaat Indikator-Indikator Keuangan dalam Pembentukan Model Prediksi Kondisi Kesehatan Perbankan” menggunakan rasio keuangan yang meliputi kekuatan modal, kualitas aset, efesiensi manajemen, profitabilitas dan likuiditas. Hasil penelitian ini menunjukkan bahwa rasio-rasio kualitas aset, manajemen, earning power, dan likuiditas mampu menunjukkan pengaruh rasio keuangan terhadap kebangkrutan suatu bank. 6. Januarti 2002 dalam penelitian yang berjudul “Variabel Proksi CAMEL dan Karakteristik Bank Lainnya untuk Memprediksi Kebangkrutan Bank di Indonesia” menggunakan Equity, Loanta, NIM, ROA, Uncollected, Core, Insider, Overhead, Logsize, Holding dan Go-Public sebagai variabel independen. Hasil penelitian menunjukkan bahwa rasio yang menjadi variabel independen memiliki perbedanaan antara bank bangkrut dengan bank yang tidak bangkrut. Loanta, ROA dan Insider adalah variabel yang sangat kuat dalam menjelaskan kebangkrutan. Universitas Sumatera Utara 7. Emmy Sulistyowati 2002 dalam penelitian yang berjudul “Model Prediksi Kebangkrutan Bank dengan Menggunakan Rasio Keuangan CAMEL dan Size” menggunakan rasio keuangan CAR, ETA, RORA, ALR, NPM, ROA, BOPO, ROE, PBTA, CML, LDR, EATAR sebagai variabel independen. Hasil penelitian menunjukkan bahwa rasio-rasio yang menjadi variabel bebas tersebut memiliki perbedaan secara signifikan pada taraf 5. Penelitian dilakukan dengan menggunakan rasio-rasio keuangan 2 tahun sebelum bank mengalami kebangkrutan. 8. Christiana Kurniasari 2013 dalam penelitian yang berjudul “Analisis Pengaruh Rasio CAMEL dalam Memprediksi Financial Distress Perbankan Indonesia” menggunakan rasio keuangan CAR, NPL,ROA, ROE, LDR dan BOPO sebagai variabel independen. Hasil penelitian menunjukkan bahwa rasio CAR, NPL, ROA dan ROE tidak berpengaruh secara signifikan probabilitas financial distress. Sedangkan rasio LDR dan BOPO adalah rasio yang menunjukkan pengaruh yang positif dan signifikan terhadap probabilitas financial distress. 9. Penni Mulyaningrum 2008 melakukan penelitian dengan judul “Pengaruh Rasio Keuangan terhadap Kebangkrutan Bank di Indonesia” dengan menggunakan rasio keuangan CAR, LDR, NPL, BOPO, ROA, ROE dan NIM sebagai variabel independen. Hasil penelitian ini menunjukkan bahwa variabel LDR memiliki pengaruh signifikan terhadap profitabilitas kebangkrutan bank di Indonesia pada taraf 5 namun tidak mempunyai tanda yang sama dengan yang diprediksikan. Sedangkan rasio CAR, NPL, BOPO, ROE dan NIM Universitas Sumatera Utara mempunyai tanda yang sama sesuai yang diprediksikan namun tidak signifikan. Rasio ROA tidak signifikan dan mempunyai tanda yang berbeda dengan yang diprediksikan. 10. Reny Sri Harjanti 2009 melakukan penelitian dengan judul “Analisis Pengaruh Rasio Keuangan terhadap Prediksi Kebangkrutan Bank” dengan menggunakan rasio keuangan CAR, NPL, ROA, ROE, NIM, BOPO, dan LDR sebagai variabel independen. Hasil penelitian tersebut menunjukkan bahwa rasio CAR dan LDR berpengaruh negatif dan tidak signifikan dalam memprediksi kebangkrutan. Rasio ROE memiliki pengaruh negatif tetapi signifikan dalam memprediksi kebangkrutan. Rasio NPL, NIM dan BOPO memiliki pengaruh positif tetapi tidak signifikan dalam memprediksi kebangkrutan. Sedangkan rasio ROA adalah rasio yang memiliki pengaruh positif dan signifikan dalam memprediksi kebangkrutan bank.

2.3 Kerangka Konseptual

Berdasarkan konsep-konsep dasar teori yang telah dijelaskan di atas, maka rasio-rasio keuangan yang akan digunakan sebagai variabel independen untuk mengetahui rasio mana yang berpengaruh dalam prediksi financial distress dalam penelitian ini adalah rasio keuangan CAR, ROA, ROE, LDR, BOPO, NIM dan NPL. Rasio-rasio tersebut dapat dijelaskan sebagai berikut : 1. Pengaruh Rasio CAR dalam Memprediksi Financial Distress Capital Adequacy Ratio CAR adalah rasio yang menunjukkan kemampuan bank dalam menyediakan permodalan untuk keperluan pengembangan usaha dan menampung resiko kerugian dana yang ditimbulkan karena adanya Universitas Sumatera Utara kegagalan dalam kegiatan operasional bank. Semakin tinggi rasio CAR yang dimilki oleh suatu bank maka semakin rendah kemungkinan bank tersbut berada dalam kondisi bermasalah. Penelitian terdahulu yang dilakukan oleh Eka Adhi Prasetyo 2011: 114 menunjukkan bahwa rasio CAR memiliki pengaruh positif dan signifikan dalam memprediksi kondisi bermasalah bank. Luciana Spica Almilia dan Winny Herdiningtyas 2005: 24 juga melakukan penelitian yang sama dan juga menyatakan bahwa rasio CAR memiliki pengaruh positif dan signifikan dalam memprediksi kondisi bermasalah pada bank. 2. Pengaruh Rasio ROA dalam Memprediksi Financial Distress Rasio Return on Asset ROA adalah rasio yang menunjukkan kemampuan bank dalam menghasilkan laba dari total aktiva produktif dalam jangka waktu satu tahun. Semakin tinggi rasio ROA yang dimiliki suatu bank menunjukkan semakin tinggi kemampuan bank dalam menghasilkan laba dari total aktiva produktif dan semakin rendah kemungkinan bank berada dalam keadaan bermasalah. Dalam penelitian yang dilakukan oleh Reny Sri Harjanti 2009: 23, rasio ROA adalah rasio keuangan yang memiliki pengaruh positif dan signifikan dalam memprediksi kebangkrutan. FX Sugiyanto, Prasetiono dan Teddy Hariyanto 2002: 19 juga melakukan penelitian yang sama dan menyatakan bahwa rasio keuangan yang mewakili earning power memberikan pengaruh terhadap kebangkrutan suatu bank. Universitas Sumatera Utara 3. Pengaruh Rasio ROE dalam Memprediksi Financial Distress Rasio Return on Equity ROE adalah rasio yang mewakili kemampuan bank dalam menghasilkan laba bersih. Semakin tinggi tingkat rasio ROE yang dimiliki suatu bank semakin baik produktivitas modal bank dalam menghasilkan laba. Rasio ROE merupakan indikator penting yang menjadi dasar pertimbangan bagi para investor untuk melihat kemampuan bank dalam menghasil laba bersih. Eka Adhi Prasetyo 2011: 121 melakukan penelitian untuk melihat rasio keuangan yang berpengaruh terhadap prediksi kondisi bermasalah bank dan menemukan bahwa rasio ROE berpengaruh negatif tetapi tidak signifikan dalam memprediksi kondisi bermasalah. Christiana Kurniasari 2013: 66 dalam penelitian yang sama juga menemukan bahwa rasio ROE memiliki pengaruh yang tidak signifikan dalam memprediksi kondisi bermasalah bank. 4. Pengaruh Rasio LDR dalam Memprediksi Financial Distress Loan to Deposit Ratio LDR adalah rasio yang mewakili total kredit yang disalurkan oleh suatu bank dari total dana yang berhasil dihimpun oleh bank. Bank Indonesia menetapkan bahwa suatu bank masuk dalam kategori bank sehat apabila bank tersebut memiliki rasio LDR kurang dari 110. Hal ini dikarenakan semakin tinggi rasio LDR yang dimiliki suatu bank maka semakin rendah tingkat likuidasi bank tersebut. Dengan demikian semakin tinggi rasio LDR semakin besar kemungkinan bank berada dalam kondisi bermasalah. Latifa Martharini 2012: 72 melakukan penelitian untuk mengetahui rasio keuangan yang memiliki pengaruh terhadap prediksi kondisi bermasalah dan Universitas Sumatera Utara menemukan bahwa rasio LDR berpengaruh negatif tetapi tidak signifikan dalam memprediksi kondisi bermasalah. Penelitian yang sama dilakukan oleh Reny Sri Harjanti 2009: 23 dan juga menemukan hasil bahwa rasio LDR memiliki pengaruh negatif tetapi tidak signifikan dalam memprediksi kondisi bermasalah. 5. Pengaruh Rasio BOPO dalam Memprediksi Financial Distress Rasio Biaya Operasional terhadap Pendapatan Operasional BOPO adalah rasio yang mewakili efisiensi dan kemampuan bank dalam melakukan kegiatan operasionalnya. Semakin rendah rasio BOPO yang dimiliki oleh suatu bank menunjukkan tingkat efisiensi dan kinerja manajemen yang semakin baik dalam melakukan kegiatan operasionalnya. Luciana Spica Almilia dan Winny Herdiningtyas 2005: 24 melakukan penelitian untuk melihat rasio keuangan yang mempengaruhi prediksi kondisi bermasalah pada bank dan menemukan hasil bahwa rasio BOPO berpengaruh positif dan signifikan dalam memprediksi kondisi bermasalah pada bank. Penelitian yang sama dilakukan kembali oleh Christiana Kurniasari 2013: 67 dan juga menyatakan bahwa rasio BOPO memiliki pengaruh positif dan signifikan dalam memprediksi kondisi bermasalah. 6. Pengaruh Rasio NIM dalam Mempediksi Financial Distress Rasio Net Interest Margin NIM adalah rasio yang menunjukkan kemampuan bank dalam menghasilkan laba bunga bersih. Bank yang menjalankan kegiatan operasionalnya berdasarkan prinsip konvensional Universitas Sumatera Utara mendapatkan laba malalui bunga dari aktiva produktif. Semakin tinggi rasio NIM yang dimiliki suatu bank menunjukkan bahwa bank tersebut memiliki tingkat aktiva produktif yang baik. Eka Adhi Prasetyo 2011: 119 melakukan penelitian untuk mengetahui rasio keuangan yang memiliki pengaruh terhadap prediksi kondisi bermasalah dan menemukan bahwa rasio NIM memiliki pengaruh negatif tetapi tidak signifikan dalam memprediksi kondisi bermasalah pada bank. Penelitian yang sama juga dilakukan oleh Latifa Martharini 2012: 70 dan juga menemukan bahwa rasio NIM memiliki pengaruh negatif tetapi tidak signifikan dalam memprediksi kondisi bermasalah. 7. Pengaruh Rasio NPL dalam Memprediksi Financial Distress Rasio Non Performing Loan NPL menunjukkan jumlah kredit bermasalah dari total kredit yang dihasilkan oleh disalurkan bank. Kredit dalam hal ini adalah kredit yang disalurkan bank kepada pihak ketiga dan tidak termasuk kredit bank terhadap bank lain. Semakin tinggi rasio NPL yang dimiliki suatu bank semakin besar kemungkinan bank berada dalam kondisi bermasalah karena tingginya resiko kerugian yang akan ditanggung oleh bank akibat kredit macet. Rizky Ludy 2011: 68 melakukan penelitian untuk melihat rasio keuangan yang memiliki pengaruh dalam meprediksi kondisi bermasalah pada bank dan menemukan bahwa rasio NPL memiliki pengaruh yang positif tetapi tidak signifikan dalam memprediksi kondisi bermasalah pada bank. Begitu juga dengan penelitian yang dilakukan oleh Reni Sri Harjanti 2009: 23 yang juga menemukan bahwa rasio NPL memiliki pengaruh yang positif tetapi tidak signifikan dalam memprediksi kondisi bermasalah. Universitas Sumatera Utara Berdasarkan latar belakang masalah, tinjauan teoritis dan tinjauan penelitian terdahulu maka peneliti membuat kerangka pemikiran sebagai berikut : + + - - + - + Sumber: Berbagai jurnal yang diolah Gambar 2.1 Kerangka Pemikiran

2.4 Hipotesis

Hipotesis menyatakan jawaban sementara yang menjelaskan hubungan antara dua variabel atau lebih Sarwono, 2006: 36. Berdasarkan latar belakang masalah, tinjauan teoritis dan penelitian terdahulu maka hipotesis dalam penelitian ini adalah : H1 : Rasio CAR memiliki pengaruh positif terhadap prediksi financial distress bank H2 : Rasio ROA memiliki pengaruh positif terhadap prediksi financial distress bank CAR ROA LDR ROE Financial Distress BOPO NIM NPL Universitas Sumatera Utara H3 : Rasio ROE memiliki pengaruh negatif terhadap prediksi financial distress bank H4 : Rasio LDR memiliki pengaruh negatif terhadap prediksi financial distress bank H5 : Rasio BOPO memiliki pengaruh positif terhadap prediksi financial distress bank H6 : Rasio NIM memiliki pengaruh negatif terhadap prediksi financial distress bank H7 : Rasio NPL memiliki pengaruh positif terhadap prediksi financial distress bank Universitas Sumatera Utara

BAB III METODOLOGI PENELITIAN

3.1 Jenis Penelitian

Berdasarkan tujuan penelitian, maka penelitian ini merupakan sebuah penelitian eksploratif, yaitu penelitian yang digunakan untuk mencari jawaban mengenai pengaruh variabel-variabel terhadap terjadinya suatu kejadian tertentu Sarwono, 2006: 17.

3.2 Ruang Lingkup Penelitian

Ruang lingkup penelitian ini adalah menganalisis pengaruh rasio-rasio keuangan dalam memprediksi financial distress pada perbankan konvensional dimana rasio-rasio keuangan yang digunakan adalah Capital Adequacy Ratio CAR, Return on Asset ROA, Return on Equity ROE, Loan to Deposit Ratio LDR, Biaya Operasional terhadap Pendapatan Operasional BOPO, Net Interest Margin NIM dan Non Performing Loan NPL.

3.3 Batasan Operasional

Batasan operasional dalam penelitian ini adalah: 1. Bank yang diteliti adalah bank yang menggunakan prinsip konvensional dalam menjalankan kegiatan operasionalnya baik bank yang go public dan belum go public. 2. Rasio keuangan yang digunakan dalam penelitian ini adalah CAR, ROA, ROE, LDR, BOPO, NIM dan NPL. Universitas Sumatera Utara

3.4 Definisi Operasional

Berikut ini disajikan tabel yang dapat menjelaskan definisi operasional variabel dependen dan variabel independen yang digunakan dalam penelitian ini: Tabel 3.1 Definisi Operasional No. Variabel Definisi Skala Pengukuran 1 Financial Distress Menunjukkan kondisi bank yang sedang bermasalah dengan mengalami laba bersih negatif selama 2 tahun berturut-turut atau lebih atau tidak melakukan pembayaran dividen selama 2 tahun berturut-turut atau lebih Kategori 0 untuk bank tidak mengalami financial distress dan 1 untuk bank yang mengalami financial distress 2 Capital Adequacy Ratio CAR Menunjukkan jumlah aktiva yang dimiliki bank yang mengandung resiko Skala CAR = Modal Bank ATMM x 100 3 Return on Asset ROA Menunjukkan kemampuan bank dalam menghasilkan laba dari total aset yang dimiliki Skala ROA= Laba bersih Total Aktiva x 100 4 Return on Equity ROE Menunjukkan kemampuan bank dalam menghasilkan laba bersih dari aktiva-aktiva produktif Skala ROE = Laba Bersih Modal Sendiri x 100 5 Loan to Deposit LDR Menunjukkan total dana yang disalurkan bank kepada masyarakat dari seluruh total dana yang berhasil dihimpun Skala LDR= Total Loans Total Deposit +Equity x 100 Universitas Sumatera Utara 6 Biaya Operasional terhadap Pendapatan Operasional Menunjukkan kemampuan atau tingkat efisiensi manajemen bank dalam mengelola melakukan kegiatan operasional Skala BOPO = Biaya Operasional Pendapatan Operasional x 100 6 Net Interest Margin NIM Menunjukkan kemampuan bank dalam menghasilkan laba melalui bunga Skala NIM = Pendapatan Bunga Bersih Aktiva Produktif x 100 7 Non Performing Loan NPL Menunjukkan kemampuan bank dalam mengelola kredit bermasalah Skala NPL = Kredit Bermasalah Total Kredit x 100 Sumber : Berbagai Jurnal yang Diolah

3.5 Pengolahan Data

Data penelitian yang telah diperoleh akan diolah dengan software SPSS Statistical Package for Social Science versi 22, dimana SPSS adalah program yang digunakan untuk mengelola atau menguji statistik data.

3.6 Populasi dan Sampel

Populasi adalah total dari unit analisa yang ciri-cirinya akan dianalisis. Populasi penelitian ini adalah seluruh bank konvensional yang terdaftar di Direktori Bank Indonesia periode 2007-2012. Sedangkan sampel yang digunakan dalam penelitian ini diambil berdasarkan purposive sampling, yaitu pengambilan sampel dengan pertimbangan tertentu sehingga layak dijadikan sebagai sampel. Bank-bank yang dijadikan sampel adalah bank-bank yang memenuhi kriteria sebagai berikut : 1. Bank-bank konvensional yang terdaftar di direktori Bank Indonesia hingga tahun 2012. Universitas Sumatera Utara 2. Bank-bank konvensional yang mempublikasikan laporan keuangan tahunan annual report pada tahun 2007-2012. Bank-bank yang dijadikan sampel terbagi menjadi dua kategori yaitu: 1. Bank-bank konvensional yang sedang mengalami financial distress dengan kriteria sebagai berikut Alimilia dan Kristijadi, 2003: 9 : a. Mengalami laba bersih yang bernilai negatif selama 2 tahun berturut-turut atau lebih. b. Tidak melakukan pembayaran dividen tunai cash dividend selama 2 tahun berturut-turut atau lebih. 2. Bank-bank yang dijadikan pembanding adalah bank-bank umum konvensional yang tidak mengalami kerugian selama tahun penelitian dan melakukan pembayaran cash dividend secara rutin. Bank-bank konvensional yang dijadikan pembanding terhadap sampel bank yang mengalami financial distress dalam penelitian ini adalah bank-bank yang memiliki jumlah aset yang kurang lebih sama dengan bank yang mengalami financial distress.

3.7 Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data yang telah dikumpulkan oleh lembaga pengumpul data dari sumber-sumber yang telah ada Hasan, 2004: 19. Data tersebut diperoleh dari Indonesia Capital Market Directory ICMD dan Direktori Bank Indonesia. Data tersebut berupa rasio-rasio keuangan yang tersaji dalam laporan tahunan bank-bank yang dijadikan sampel. Laporan tahunan tersebut merupakan lapotan tahunan yang dipublikasikan pada periode 2007-2012. Universitas Sumatera Utara

3.8 Metode Pengumpulan Data

Dalam mengumpulkan data-data yang diperlukan dalam penelitian ini, Peneliti menggunakan metode dalam pengumpulan data, yaitu metode dokumentasi. Metode dokumentasi adalah metode dasar dalam analisis. Dokumentasi yang dilakukan berupa pengumpulan laporan-laporan keuangan tahunan bank-bank umum yang telah dipublikasikan. Dalam hal ini metode dokumentasi digunakan untuk melihat rasio-rasio keuangan yang terkait dengan penelitian yaitu Capital Adequacy Ratio CAR, Return on Asset ROA, Return on Equity ROE, Loan to Deposit Ratio LDR, Biaya Operasional terhadap Pendapatan Operasional BOPO, Net Interest Margin NIM dan Non Performing Loan NPL.

3.9 Metode Analisis Data

Dalam menganalisis hasil penelitian ini, uji yang digunakan adalah uji regresi logistik. Penggunaan uji regresi logistik dilakukan karena variabel dependen yang digunakan berupa kategori variabel dummy dan variabelnya berupa metrik dan non-metrik. Uji regresi logistik adalah uji yang digunakan untuk melihat probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya Ghozali, 2007 : 209. Uji regresi logistik dalam penelitian ini dilakukan sebanyak 2 kali. Uji regresi logistik pertama dilakukan dengan menggunakan rasio keuangan 2 tahun sebelum bank mengalami financial distress dan uji regresi logistik yang kedua dilakukan dengan menggunakan rasio keuangan 1 tahun sebelum bank mengalami financial distress. Universitas Sumatera Utara Model persamaan regresi logistik menurut Ghozali 2007 : 211 dapat dinyatakan sebagai berikut : Ln[oddsS|X1,X2,Xk]=b0+b1CAR+b2ROA+b3ROE+b4LDR+b5BOPO+b6NIM +b7NPL +e Dimana : Odds S|X1, X2, Xk = p 1 −p p adalah probabilitas bank tidak sedang dalam keadaan bermasalah financial distress dengan variabel bebas CAR, ROA, ROE, LDR, BOPO, NIM dan NPL. Langkah-langkah analisis dalam regresi logit menurut Ghozali 2007 adalah sebagai berikut : 1. Menilai Model Fit Langkah pertama adalah menilai overall fit model terhadap data. Hipotesis untuk menilai model fit adalah : H0 : Model yang dihipotesiskan fit dengan data H1 : Model yang dihipotesiskan tidak fit dengan data Parameter yang digunakan adalah fungsi Likelihood L dari model dimana konstanta L ditransformasikan menjadi -2LogL terlebih dahulu untuk tujuan penilaian. Apabila terjadi penurunan nilai Likelihood pada awal block number = 0 dengan nilai -2LogL pada block number = 1 maka dapat ditarik kesimpulan model fit dengan data dan merupakan model regresi yang baik. 3. Cox dan Snell’s R Square dan Negelkerke’s Square Universitas Sumatera Utara Cox dan Snell’s R Square adalah ukuran yang mencoba meniru ukuran R 2 pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai maksimum kurang dari satu sehingga sulit diinterpretasikan. Nagelkerke’s R square merupakan modifikasi dari koefisien Cox dan Snell untuk memastikan bahwa nilainya bervariasi dari 0 nol sampai 1 satu. Hal ini dilakukan dengan cara membagi Cox dan Snell’s R² dengan nilai maksimumnya. Nilai Nagelkerke’s R² dapat diinterpretasikan seperti R² pada multiple regression. 4. Hosmer and Lemeshow’s Goodness of Fit Test Hosmer and Lemeshow’s Goodness of Fit Test digunakan untuk menguji hipotesis nol bahwa data empiris cocok atau sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit. Jika nilai Hosmer and Lemeshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05 maka hipotesis nol ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga Goodness Fit model tidak baik karena model tidak dapat memprediksi nilai observasinya. 5. Uji Wald Uji wald dilakukan untuk melihat pengaruh rasio-rasio keuangan terhadap prediksi financial distress secara parsial. Pengaruh tersebut dianggap signifikan terhadap prediksi financial distress apabila signifikasi lebih kecil atau sama dengan 5 0,05. 6. Estimasi Parameter dan Interpretasinya Universitas Sumatera Utara Estimasi maksimum likelihood parameter dari model dapat dihitung pada tampilan output variable in equation dengan formula hipotesis statistik sebagai berikut : H0 : r = 0 H1 : r ≠ 0 dengan kriteria : Jika Sig. α, maka H0 diterima dan H1 ditolak. Jika Sig. α, maka H0 ditolak dan H1 diterima Universitas Sumatera Utara

BAB IV HASIL DAN PEMBAHASAN

4.1 Deskriptif Data Penelitian

Penelitian ini menggunakan sampel sebanyak 22 bank konvensional yang terdiri dari bank yang mengalami financial distress dan 11 bank pembanding yang tidak mengalami financial distress. Bank-bank tersebut terdiri dari bank swasta nasional devisa, bank swasta nasional non-devisa, bank pembangunan daerah, dan bank campuran. Penetapan sampel tersebut dilakukan dengan cara menetapkan kriteri-kriteria tertentu, yaitu: 1. Bank Financial Distress Kriteria untuk bank yang mengalami financial distress adalah: a. Mengalami kerugian minimal selama 2 tahun berturut-turut atau lebih selama periode penelitian 2007-2012. b. Tidak melakukan pembayaran cash dividen minimal selama 2 tahun berturut-turut atau lebih selama periode penelitian 2007-2012. 2. Bank Pembanding Kriteria untuk bank yang dijadikan sebagai bank pembanding adalah: a. Tidak mengalami kerugian dan melakukan pembayaran cash dividen selama periode penelitian tahun 2007-2012. b. Memiliki jumlah aset yang kurang lebih sama dengan bank yang mengalami financial distress. Berdasarkan kriteria-kriteria tersebut, maka diperoleh sampel penelitian berikut ini: Universitas Sumatera Utara Tabel 4.1 Sampel Penelitian No. Bank Financial Distress No. Bank Tidak Financial Distress 1 Bank Century 1 Bank Bumi Putera 2 Bank Andara 2 Bank Sahabat Sampoerna 3 Bank Nusantara Parahyangan 3 Bank Ganesha 4 Bank Swadesi 4 Bank Himpunan Saudara 1906 5 Bank Agroniaga 5 Bank QNB Kesawan 6 Bank Pundi 6 Bank Harda Internasional 7 Bank Bumi Arta 7 Bank Windu Kentjana 8 Bank UoB Buana 8 Bank OCBC NISP 9 Bank BII 9 Bank Permata 10 Bank Mayapada 10 Bank Sumut 11 Bank Mega 11 Bank Bukopin 12 Bank Anglomas 12 Bank Sahabat Purba Danarta Sumber: Data yang diolah Bank Andara, Pundi dan Anglomas adalah bank non-devisa, maka bank yang dijadikan sebagai sampel pembanding ketiga bank tersebut juga merupakan bank non-devisa. Berikut ini disajikan tabel deskripsi penelitian rasio keuangan 2 tahun sebelum financial distress bank yang dijadikan sampel: Tabel 4.2 Deskripsi Penelitian 2 Tahun Sebelum Financial Distress No. Variabel Bebas Bank Financial Distress Bank Non Financial Distress Nilai Minimum Nilai Maksimum Mean Nilai Minimum Nilai Maksimum Mean 1 CAR 8,02 163,31 35,2 94,3 50,37 20,06 2 ROA -15,82 3,4 -1,01 0,09 3,31 1,61 3 ROE -167,51 27,2 -8,24 0,37 30,68 10,43 4 LDR 49,39 95,2 71,84 50,43 94,69 78,7 5 BOPO 67,06 290,7 110,19 74,98 98,84 86,66 6 NIM 3,41 10,7 6 2,38 9,84 5,35 7 NPL 0,001 18,39 4,13 6,2 2,61 Sumber: Data yang diolah Universitas Sumatera Utara Berikut ini disajikan tabel deskripsi penelitian rasio keuangan 1 tahun sebelum financial distress: Tabel 4.3 Deskripsi Penelitian 1 Tahun Sebelum Financial Distress No. Variabel Bebas Bank Financial Distress Bank Non Financial Distress Nilai Minimum Nilai Maksimum Mean Nilai Minimum Nilai Maksimum Mean 1 CAR 8,02 163,31 39,49 10,36 36,45 19,02 2 ROA -15,82 3,31 -1,51 0,09 4,55 1,65 3 ROE -167,51 27,2 -8,51 0,37 39,03 11,01 4 LDR 49,39 99,5 70,03 40,22 94,69 78,23 5 BOPO 70,85 290,7 112,48 68,65 98,84 86,07 6 NIM 3,51 8,57 5,58 1,77 12,37 5,5 7 NPL 18,39 2,95 6,81 2,52 Sumber: Data yang diolah Berdasarkan tabel 4.2 dan 4.3 dapat dilihat bahwa nilai minimum rasio CAR bank yang mengalami financial distress 2 tahun dan 1 tahun sebelum financial adalah 8,02. Sedangkan nilai minimum untuk bank yang tidak mengalami financial distress 2 tahun dan 1 tahun sebelum financial distress adalah 9,43 dan 10,36. Nilai rata-rata rasio CAR untuk 2 tahun dan 1 tahun sebelum financial distress bank yang mengalami financial distress adalah 35,20 dan 34,49, dan untuk bank yang tidak mengalami financial distress adalah 20,06 dan 19,02. Hal ini menunjukkan bahwa bank yang mengalami financial distress memiliki tingkat aktiva yang mengandung resiko yang lebih tinggi jika dibandingkan dengan bank yang tidak mengalami financial distress. Nilai minimum rasio ROA 2 tahun dan 1 tahun sebelum financial distress untuk bank yang mengalami financial distress adalah -15,82. Sedangkan bank yang tidak mengalami financial distress memiliki nilai minimum rasio ROA 2 tahun dan 1 tahun sebelum financial distress adalah 0,09. Nilai maksimum rasio Universitas Sumatera Utara ROA 2 tahun dan 1 tahun sebelum financial distress untuk bank yang mengalami financial distress adalah 3,4 dan 3,31. Bank yang tidak mengalami financial distress memiliki nilai maksimum ROA 2 tahun dan 1 tahun sebelum financial distress sebesar 3,31 dan 4,55. Rata- rata rasio ROA bank yang mengalami financial distress 2 tahun dan 1 tahun sebelum financial distress adalah -1,01 dan -1,51 dan untuk yang tidak mengalami financial distress adalah 1,61 dan 1,65. Hal ini menunjukkan bahwa bank yang mengalami financial distress mengalami penurunan kemampuan dalam menghasilkan laba dari total aset yang dimiliki. Nilai minimum rasio ROE 2 tahun dan 1 tahun sebelum financial distress untuk bank yang mengalami financial distress adalah -167,51. Sedangkan bank yang tidak mengalami financial distress memiliki nilai minimum rasio ROE 2 tahun dan 1 tahun sebelum financial distress adalah 0,37. Nilai maksimum rasio ROE 2 tahun dan 1 tahun sebelum financial distress untuk bank yang mengalami financial distress adalah 27,2. Bank yang tidak mengalami financial distress memiliki nilai maksimum ROE 2 tahun dan 1 tahun sebelum financial distress sebesar 30,68 dan 39,03. Rata- rata rasio ROE bank yang mengalami financial distress 2 tahun dan 1 tahun sebelum financial distress adalah -8,24 dan -8,51 dan untuk yang tidak mengalami financial distress adalah 10,43 dan 11,01. Hal ini menunjukkan bahwa kemampuan bank yang mengalami financial distress dalam menghasilkan laba bersih dengan modal sendiri lebih rendah dari bank yang tidak mengalami financial distress. Nilai minimum rasio LDR 2 tahun dan 1 tahun sebelum financial distress untuk bank yang mengalami financial distress adalah 49,39. Sedangkan bank Universitas Sumatera Utara yang tidak mengalami financial distress memiliki nilai minimum rasio LDR 2 tahun dan 1 tahun sebelum financial distress sebesar 50,43 dan 40,22. Nilai maksimum rasio LDR 2 tahun dan 1 tahun sebelum financial distress untuk bank yang mengalami financial distress adalah 95,2 dan 99,5. Bank yang tidak mengalami financial distress memiliki nilai maksimum LDR 2 tahun dan 1 tahun sebelum financial distress sebesar 94,69. Rata- rata rasio LDR bank yang mengalami financial distress 2 tahun dan 1 tahun sebelum financial distress adalah 71,84 dan 70,03 dan untuk yang tidak mengalami financial distress adalah 78,70 dan 78,23. Hal ini menunjukkan bahwa bank yang tidak mengalami financial distress memiliki tingkat likuidasi yang lebih baik dari bank yang mengalami financial distress. Bank yang mengalami financial distress memiliki nilai minimum rasio BOPO 2 tahun dan 1 tahun sebelum financial distress sebesar 67,06 dan 70,85. Sedangkan bank yang tidak mengalami financial distress memiliki nilai minimum sebesar 74,98 dan 68,65. Nilai maksimum rasio BOPO 2 tahun dan 1 tahun sebelum financial distress untuk bank yang mengalami fianncial distress adalah 290,7 sedangkan bank yang tidak mengalami financial distress memiliki nilai maksimum 98,84. Rata-rata rasio BOPO bank yang mengalami financial distress 2 tahun dan 1 tahun sebelum financial distress adalah 110,19 dan 112,48 sedangkan bank yang tidak mengalami financial distress memiliki rata-rata 86,66 dan 86,07. Hal ini menunjukkan bahwa tingkat efisiensi bank yang mengalami fianncial distress dalam melakukan kegiatan operasionalnya jauh lebih rendah dari bank yang tidak mengalami financial distress. Universitas Sumatera Utara Nilai minimum rasio NIM 2 tahun dan 1 tahun sebelum financial distress untuk bank yang mengalami financial distress adalah 3,41 dan 3,51 sedangkan nilai minimum rasio NIM untuk bank yang tidak mengalami financial distress adalah 2,38 dan 1,77. Nilai maksimum rasio NIM 2 tahun dan 1 tahun sebelum financial distress untuk bank yang mengalami financial distress adalah 10,7 dan 8,57 sedangkan untuk bank yang tidak mengalami financial distress adalah sebesar 9,84 dan 12,37. Rata-rata rasio NIM 2 tahun dan 1 tahun sebelum financial distress untuk bank yang mengalami financial distress adalah 6,00 dan 5,58 sedangkan untuk bank yang tidak mengalami financial distress adalah 5,35 dan 5,50. Hal ini menunjukkan kemampuan bank yang mengalami financial distress dalam menghasilkan pendapatan bunga bersih lebih tinggi dari bank yang tidak mengalami financial distress. Nilai minimum rasio NPL 2 tahun dan 1 tahun sebelum financial distress yang dimiliki bank yang mengalami financial distress adalah 0,001 dan 0 sedangkan bank yang tidak mengalami financial distress memiliki nilai minimum sebesar 0. Nilai maksimum NPL 2 tahun dan 1 tahun sebelum financial distress yang dimiliki bank yang mengalami financial distress adalah sebesar 18,39 sedangkan bank yang tidak mengalami financial distress adalah sebesar 6,2 dan 6,81. Rata-rata rasio NPL 2 tahun dan 1 tahun sebelum financial distress yang dimiliki bank yang mengalami financia distress adalah sebesar 4,13 dan 2,95 sedangkan bank yang tidak mengalami financial distress memiliki rata-rata NPL sebesar 2,61 dan 2,52. Hal ini menunjukkan bahwa bank yang mengalami Universitas Sumatera Utara financial distress memiliki tingkat kemampuan yang lebih rendah dalam mengelola kredit bermasalah dari bank yang tidak mengalami financial distress. 4.2 Hasil Penelitian 4.2.1 Pengujian Hipotesis Dari sampel yang berjumlah 24 yang terdiri dari 11 bank financial distress dan 11 bank pembanding diperoleh total data analisis sebanyak 48 selama periode penelitian. Data yang diperoleh akan dianalisis dengan menggunakan uji regresi logistik dan dalam uji tersebut akan digunakan metode Enter. Berikut ini disajikan tabel hasil uji regresi logistik untuk menilai overall fit model terhadap data: Tabel 4.4 Hasil Uji Regresi Logistik Parameter 2 Tahun Sebelum Financial Distress 1 Tahun Sebelum Financial Distress -2 Likelihood Block Number 0 66,542 66,542 -2 Likelihood Block Number 1 50,627 54,02 Cox Snell R Square 0,282 0,230 Nagelkerke R Square 0,376 0,306 Hosmer and Lemeshow Test Chi Square 3,229 5,909 df 8 8 Hosmer and Lemeshow Test Signifikansi 0,919 0,657 Sumber: Data yang telah diolah dengan SPSS Tabel di atas dapat dijelaskan sebagai berikut : 1. Fungsi Likelihood Tabel 4.4 menunjukkan bahwa nilai chi square pada Likelihood Block Number 0 rasio keuangan 2 tahun sebelum financial distress adalah sebesar 66,542 dan nilai chi square Likelihood Block Number 1 sebesar 50,627. Penurunan nilai chi square yang terjadi adalah sebesar 15,915. Penurunan nilai chi square tersebut akan dibandingkan dengan nilai chi square tabel dengan df 7 selisih Universitas Sumatera Utara jumlah variabel yang digunakan pada kedua block yaitu sebesar 14,067 pada signifikansi 5. Penurunan nilai chi square yang lebih besar dari nilai chi square tabel yaitu 15,91514,067 menunjukkan bahwa H0 diterima yang artinya model fit dengan data. Nilai chi square rasio keuangan 1 tahun sebelum financial distress pada Likelihood Block Number 0 adalah sebesar 66,542 dan nilai chi square pada Likelihood Block Number 1 adalah sebesar 54,020. Penurunan nilai chi square yang terjadi adalah sebesar 12,522. Jika dibandingkan dengan nilai chi square tabel dengan df 7, maka penurunan nilai chi square tersebut lebih kecil dari nilai chi square tabel yaitu 12,52214,067. Dengan demikian H0 ditolak bahwa model belum fit dengan data. Maka model dengan menggunakan rasio keuangan 1 tahun sebelum financial distress tidak dapat digunakan. 2. Cox dan Snell’s R Square dan Negelkerke’s Square Nilai Cox dan Snell’s R Square rasio keuangan dan Negelkerke’s Square 2 tahun sebelum financial distress adalah sebesar 0,282 dan 0,376. Hal ini menunjukkan bahwa variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 37,6. Rasio keuangan 1 tahun sebelum financial distress memiliki nilai Cox dan Snell’s R Square dan Negelkerke’s Square sebesar 0,230 dan 0,306. Hal ini menunjukkan bahwa variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen adalah sebesar 30,6. Universitas Sumatera Utara 3. Hosmer and Lemeshow’s Goodness of Fit Rasio keuangan 2 tahun sebelum financial distress memiliki nilai chi square Hosmer and Lemeshow’s Goodness of Fit sebesar 3,229 dengan df=7 dan signifikansi 0,919. Nilai chi square tersebut lebih rendah dari nilai chi square tabel yaitu 14,067 dan siginfikansi lebih besar dari 0,05. Dengan demikian H0 diterima yang artinya model dapat diterima. Rasio keuangan 1 tahun sebelum financial distress memiliki nilai chi square Hosmer Lemeshow’s Goodnest of Fit sebesar 5,909 dengan df=7 dan signifikansi 0,657. Nilai chi square tersebut lebih rendah nilai chi square tabel yaitu 14,067 dan signifikansi lebih besar dari 0,05. Dengan demikian H0 diterima yang artinya model dapat diterima. Dari ketiga parameter di atas dapat dilihat bahwa model regresi logistik dengan menggunakan rasio keuangan 2 tahun sebelum financial distress dapat digunakan dalam uji regresi logistik. Namun model regresi logistik dengan menggunakan rasio keuangan 1 tahun sebelum financial distress tidak dapat digunakan karena pada fungsi Likelihood, model belum fit dengan data. 4. Uji Wald Uji Wald digunakan untuk melihat apakah variabel independen berupa rasio- rasio keuangan memiliki pengaruh terhadap terjadinya financial distress. Metode yang digunakan dalam uji regresi logistik tersebut adalah metode Enter yang artinya Peneliti tidak hanya melihat variabel yang signifikan saja melainkan menggunakan seluruh variabel seperti model. Berikut ini disajikan tabel koefisien dan tingkat signifikansi dari regresi logistik untuk periode 2 tahun sebelum financial distress: Universitas Sumatera Utara Tabel 4.5 Koefisien dan Siginifikansi Hasil Uji Regresi Logistik untuk Periode 2 Tahun Sebelum Financial Distress Variabel Koefisien Signifikansi Penarikan Hipotesis CAR 0,02 0,463 H1 Diterima ROA -0,620 0,656 H2 Ditolak ROE -0,068 0,415 H3 Diterima LDR -0,070 0,57 H4 Diterima BOPO -0,063 0,615 H5 Ditolak NIM 0,385 0,203 H6 Ditolak NPL 0,31 0,851 H7 Diterima Konstanta 9,522 - - Sumber: Data yang telah diolah dengan SPSS Tabel di atas menunjukkan bahwa rasio CAR memiliki koefisien 0,02 yang artinya rasio tersebut memiliki koefisien yang bernilai positif namun memiliki signifikansi yang lebih besar dari 0,05 yaitu 0,463. Maka dapat disimpulkan bahwa H1 diterima yaitu rasio CAR memiliki pengaruh positif dalam memprediksi financial distress namun tidak signifikan. Rasio ROA memiliki koefisien yang bernilai negatif yaitu -0,620 dan memiliki signifikansi yang lebih besar dari 0,05 yaitu 0,656. Maka dapat disimpulkan bahwa rasio ROA H2 ditolak yang artinya rasio ROA memiliki tidak memiliki pengaruh positif dalam memprediksi financial distress namun tidak signifikan. Rasio ROE memiliki koefisien negatif yaitu -0,068 dan signifikansi yang lebih besar dari 0,05 yaitu 0,415. Maka dapat disimpulkan bahwa H3 diterima yang artinya rasio ROE memiliki pengaruh negatif dalam memprediksi financial distress namun tidak signifikan. Rasio LDR memiliki nilai koefisien yang bernilai negatif yaitu -0,070 dengan signifikansi yang lebih besar dari 0,05 yaitu 0,057. Maka dapat disimpulkan bahwa H4 diterima yang artinya rasio LDR memiliki Universitas Sumatera Utara pengaruh negatif dalam memprediksi financial distress dan tidak signifikan. Rasio BOPO memiliki nilai koefisien yang bernilai negati yaitu -0,063 dengan signifikansi yang lebih besar dari 0,05 yaitu 0,615. Maka dapat disimpulkan bahwa H5 ditolak yang artinya rasio BOPO tidak memiliki pengaruh positif dalam memprediksi financial distress namun tidak signifikan. Rasio NIM memiliki koefisien yang benilai positif yaitu 0,385 dengan signifikansi yang lebih besar dari 0,05 yaitu 0,203. Maka dapat disimpulkan bahwa H6 ditolak yang artinya rasio NIM memiliki pengaruh yang positif dalam memprediksi financial distress tetapi tidak signifikan. Rasio NPL memiliki nilai koefisien yang bernilai positif yaitu 0,031 dengan signifikansi yang lebih besar dari 0,05 yaitu 0,851. Maka dapat disimpulkan bahwa H7 diterima yang artinya rasio NPL memiliki pengaruh positif dalam memprediksi financial distress tetapi tidak signifikan. 5. Ketepatan prediksi model Berikut ini akan disajikan tabel yang menunjukkam ketepatan prediksi model yang digunakan untuk menganalisis kemampuan regresi logistik dalam memprediksi bank yang mengalami financial distress dengan bank pembanding yang tidak mengalami financial distress: Universitas Sumatera Utara Tabel 4.6 Kemampuan Regresi Logistik dalam Memprediksi Bank Financial Distress Untuk Periode 2 Tahun Sebelum Financial Distress Bank Prediksi Kondisi Bank Tingkat Akurasi NFD FD NFD 19 5 79,2 FD 9 15 62,5 Tingkat Akurasi Keseluruhan 70,8 Sumber: Data yang telah diolah dengan SPSS Tabel diatas menunjukkan bahwa dari 24 bank yang tidak mengalami financial distress NFD, terdapat 19 bank yang tidak sedang mengalami financial distress. Dengan demikian dapat dilihat bahwa ketepatan model dalam memprediksi bank yang tidak mengalami financial distress adalah sebesar 79,2 yaitu diperoleh dari 19 dibagi 24 dan dikalikan dengan 100. Selanjutnya dapat dilihat bahwa dari total 24 bank yang mengalami financial distress, terdapat 15 bank yang mengalami financial distress. Dengan demikian dapat dilihat bahwa ketepatan model dalam memprediksi bank yang mengalami financial distress adalah sebesar 62,5 yang diperoleh dari 15 dibagi 24 dan dikalikan 100.

4.2.2 Interpretasi Model

Berdasarkan tabel 4.4 maka diperoleh persamaan regresi logistik untuk rasio keuangan 2 tahun sebelum financial distress sebagai berikut: Ln=9,522+0,020CAR-0,620ROA-0,068ROE-0,070LDR-0,063BOPO+0,385NIM +0,031NPL Persamaan regresi logistik di atas dapat dijelaskan sebagai berikut : Universitas Sumatera Utara