Analisis Pengaruh Rasio Camel Dan Total Aset Terhadap Prediksi Kondisi Bermasalah Pada Lembaga Perbankan Yang Terdaftar Di Bursa Efek Indonesia Periode 2009 – 2013

(1)

SKRIPSI

ANALISIS PENGARUH RASIO CAMEL DAN TOTAL ASET TERHADAP PREDIKSI KONDISI BERMASALAH PADA LEMBAGA PERBANKAN

YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE 2009 – 2013

OLEH

Putri Nursani K.Lubis 120522115

PROGRAM STUDI AKUNTANSI DEPARTEMEN AKUNTANSI FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS SUMATERA UTARA

MEDAN 2015

(2)

PERNYATAAN

Saya yang bertanda tangan di bawah ini menyatakan dengan sesungguhnya bahwa skripsi saya yang berjudul “Analisis Pengaruh Rasio CAMEL dan Total Aset Terhadap Prediksi Kondisi Bermasalah Pada Lembaga Perbankan Yang Terdaftar Di Bursa Efek Indonesia Periode 2009 – 2013” adalah benar hasil karya tulis saya sendiri yang disusun sebagai tugas akademik guna menyelesaikan beban akademik pada Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara.

Bagian atau data tertentu yang saya peroleh dari perusahaan atau lembaga, dan/atau saya kutip dari hasil karya orang lain telah mendapat ijin, dan/atau dituliskan sumbernya secara jelas sesuai dengan norma, kaidah dan etika penulisan ilmiah.

Apabila kemudian hari ditemukan adanya kecurangan dan plagiat dalam skripsi ini, saya bersedia menerima sanksi sesuai dengan peraturan yang berlaku.

Medan, 2015 Yang membuat pernyataan,

NIM. 120522115 Putri Nursani K.Lubis

(3)

ABSTRAK

ANALISIS PENGARUH RASIO CAMEL DAN TOTAL ASET TERHADAP PREDIKSI KONDISI BERMASALAH PADA LEMBAGA PERBANKAN

YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE 2009 – 2013

Penelitian ini bertujuan untuk menganalisis pengaruh rasio CAMEL dan Total Aset terhadap prediksi kondisi bermasalah pada bank dengan menggunakan

Capital Adecuacy Rasio (CAR), Net Interest Margin (NIM), Non Performing Loan (NPL), Return On Asset (ROA), Beban Operasional terhadap Pendapatan Operasional (BOPO), Loan to Deposite Ratio (LDR) dan Total Aset (TA) secara parsial maupun simultan terhadap kondisi bermasalah pada lembaga perbankan yang terdaftar di Bursa Efek Indonesia tahun 2009 – 2013.

Jenis penelitian ini adalah penelitian kuantitatif dan jenis data yang digunakan adalah data sekunder yang didapat oleh peneliti secara tidak langsung dari objek penelitian. Metode pengumpulan data yang digunakan adalah studi dokumentasi. Populasi dalam penelitian ini adalah 39 bank umum, setelah lulus purposive sampling ada 30 sampel bank. Variabel dependen yang digunakan adalah kondisi bermasalah, sedangkan variabel independen yang digunakan adalah CAR, NIM, NPL, ROA, BOPO dan TA. Analisis yang digunakan untuk menguji hipotesis penelitian adalah dengan mengunakan regresi logistik.

Hasil penelitian menunjukkan bahwa secara parsial CAR, dan Total Aset tidak memiliki pengaruh yang signifikan terhadap prediksi kondisi bermasalah pada bank, sedangkan NPL, NIM, ROA, dan BOPO berpengaruh signifikan terhadap prediksi kondisi bermasalah pada bank. Pengujian secara simultan menunjukkan bahwa seluruh variabel independen berpengaruh signifikan terhadap prediksi kondisi bermasalah pada bank.

Kata Kunci: Rasio CAMEL, Total Aset, Prediksi Kondisi Bermasalah pada Bank, Regresi Logistik

(4)

iii

ABSTRACT

ANALYSIS OF THE INFLUENCE OF CAMEL RATIO AND TOTAL ASSETS OF PROBLEMATIC CONDITIONS IN THE BANKING INSTITUTIONS LISTED

ON INDONESIA STOCK EXCHANGE IN 2009 – 2013

This study aims to analyze the influence of CAMEL rasio and Total Assets of the bank’s prediction problematic conditions using of financial ratios such as Capital Adecuacy Rasio (CAR), Net Interest Margin (NIM), Non Performing Loan (NPL), Return On Asset (ROA), Operating Expense to Operating Income

(BOPO), Loan to Deposite Ratio (LDR) dan Total Assets (TA) either partially or simultaneously to the problematic conditions in the banking institutions listed on the Indonesia Stock Exchange in 2009-2013.

The research is a quantitative research and the type of data used are secondary data obtained by researchers indirectly from the object of research. Data collection method used is the study documentation. The population in this study were 39 commercial banks, after graduating purposive sampling there are 30 sample banks. The dependent variable used is problematicconditions, while the independent variable used is the CAR, NIM, NPL, ROA, BOPO, LDR and TA. The analysis used to test the research hypothesis is by using logistic regression..

The results showed that partially CAR and Total Assets does not have a significant effect on the prediction of problematic condition on the bank. Simultaneous testing showed that all independent variables significantly influences predictions on the bank.

Keywords: CAMEL Ratio, Total Assets, Prediction Conditions Trobled Bank, Logistic Regression

(5)

KATA PENGANTAR

Puji syukur penulis ucapkan ke hadirat Tuhan Yang Maha Esa karena atas berkat dan karunia-Nya lah penulis berhasil menyelesaikan skripsi dengan judul “Analisis Pengaruh Rasio CAMEL dan Total Aset Terhadap Prediksi Kondisi Bermasalah Pada Lembaga Perbankan Yang Terdaftar Di Bursa Efek Indonesia Periode 2009 – 2013”. Adapun tujuan dari penulisan skripsi ini adalah memenuhi salah satu syarat untuk memperoleh gelar sarjana pada Fakultas Ekonomi dan Bisnis Departemen Akuntansi Universitas Sumatera Utara.

Penulisan skripsi ini tidak akan terwujud tanpa adanya dukungan berupa pengarahan, bimbingan, bantuan, doa, dan kerja sama semua pihak yang telah turut membantu dalam proses penyelesaian skripsi. Oleh karena itu, pada kesempatan ini penulis menyampaikan terimakasih kepada semua pihak yang telah memberikan bantuan dan bimbingan, yaitu kepada:

1. Bapak Prof. Dr. Azhar Maksum, M.Ec.Ac., Ak., CA selaku Dekan Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara.

2. Bapak Dr. Syafruddin Ginting Sugihen, MAFIS., Ak., CPA selaku Ketua Departemen Akuntansi dan Bapak Drs. Hotmal Jafar, M.M., Ak. selaku Sekretaris Departemen Akuntansi Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara.

3. Bapak Drs. Firman Syarif, M.Si., Ak. selaku Ketua Program Studi S1 Akuntansi dan Ibu Dra. Mutia Ismail, M.M., Ak. selaku sekretaris Program Studi S1 Akuntansi Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara.

4. Bapak Drs. Chairul Nazwar, M.Si., Ak. selaku dosen pembimbing yang telah banyak meluangkan waktu dalam memberikan petunjuk, pengarahan, dan bimbingan dari awal hingga selesainya skripsi ini.

5. Bapak Drs. Firman Syarif, M.Si., Ak. selaku dosen penguji dan Ibu Dra. Nurzaimah, M.M., Ak. selaku dosen pembanding yang telah membantu dan memberikan saran-saran serta perhatian sehingga penulis dapat menyelesaikan skripsi ini.

(6)

v 6. Kedua Orang Tua Penulis, Ayahanda Ir. H. Syawal Tula K. Lubis dan

Ibunda Hj. Derlina Lubis, kakak saya Rahma Dhani K.Lubis, Adik Abdurrahman. K. Lubis, Abdurrahim K.Lubis yang telah memberikan kasih sayang, didikan, perhatian, doa, serta dukungan moril dan materil kepada penulis.

7. Sahabat-sahabat tersayang, Dewi, Ica, Sari, Aisyah, Syifa Aprilla, Yuni Rahayu, dan Rindang yang telah memberikan bantuan, dukungan dan semangat dalam penyelesaian skripsi ini.

Penulis menyadari bahwa skripsi ini jauh dari kesempurnaan yang disebabkan keterbatasan penulis dalam pengetahuan. Oleh karena itu, penulis mengharapkan saran yang membangun sehingga skripsi ini dapat dijadikan acuan dalam penulisan karya-karya ilmiah selanjutnya. Akhir kata, penulis berharap semoga skripsi ini bermanfaat bagi para pembaca.

Medan, 2015 Penulis

NIM. 120522115 Putri Nursani K.Lubis

(7)

DAFTAR ISI

Halaman

PERNYATAAN ... i

ABSTRAK ... ii

ABSTRACT ... iii

KATA PENGANTAR ... iv

DAFTAR ISI ... vi

DAFTAR TABEL ... ix

DAFTAR GAMBAR ... x

DAFTAR LAMPIRAN ... xi

BAB I PENDAHULUAN 1.1 Latar Belakang ...1

1.2 Perumusan Masalah ...10

1.3 Tujuan Penelitian ...10

1.4 Manfaat Penelitian ...10

BAB II TINJAUAN PUSTAKA 2.1 Kondisi Bermasalah atau Financial Distress dan Kebangkrutan... 12

2.1.1 Kondisi Bermasalah atau Financial Distress...12

2.1.2 Kebangkrutan ...14

2.2 Tingkat Kesehatan Bank ...16

2.3 Rasio-rasio CAMEL...18

2.3.1 Capital Adequacy Ratio (CAR)... 20

2.3.2 Non Performing Loan (NPL)...22

2.3.3 Net Interest Margin (NIM)...23

2.3.4 Return On Asset (ROA)...24

2.3.5 Beban Operasional Pendapatan Operasional (BOPO)… 25 2.3.6 Loan to Deposite Ratio ( LDR )... 26

2.3.7 Total Aset..………...27

2.4 Penelitian Terdahulu...28

2.5 Kerangka Konseptual... 32

2.6 Hipotesis Penelitian ...34

2.6.1 Pengaruh CAR terhadap prediksi kondisi bermasalah pada lembaga perbankan………...34

2.6.2 Pengaruh NPL terhadap prediksi kondisi bermasalah pada lembaga perbankan………...35

2.6.3 Pengaruh NIM terhadap prediksi kondisi bermasalah pada lembaga perbankan………...35

2.6.4 Pengaruh ROA terhadap prediksi kondisi bermasalah pada lembaga perbankan………...36

(8)

vii 2.6.5 Pengaruh BOPO terhadap prediksi kondisi bermasalah

pada lembaga perbankan………...36

2.6.6 Pengaruh LDR terhadap prediksi kondisi bermasalah pada lembaga perbankan………...37

2.6.7 Pengaruh Total Aset terhadap prediksi kondisi bermasalah pada lembaga perbankan………...37

BAB III METODE PENELITIAN 3.1 Desain Penelitian ...39

3.2 Tempat dan Waktu Penelitian...39

3.2.1 Tempat Penelitian...39

3.2.2 Waktu Penelitian...39

3.3 Jenis dan Sumber Data ...40

3.4 Populasi dan Sampel ...40

3.4.1 Populasi...41

3.4.2 Sampel... 41

3.5 Metode Pengumpulan Data ... 44

3.6 Defenisi Operasional Variabel dan Pengukuran Variabel... 44

3.6.1 Variabel Dependen... 44

3.6.2 Variabel Independen... 45

3.7 Teknis Analisis Data... 50

3.7.1 Statidtik Deskriptif... 50

3.7.2 Analisis Regresi Logistik... 50

3.8 Uji Hipotesis Penelitian... 53

BAB IV HASIL DAN PEMBAHASAN 4.1 Gambaran Umum………... 54

4.2 Hasil Penelitian………...55

4.2.1 Statistik Deskriptif……… 56

4.2.2 Hasil Pengujian Hipotesis Penelitian……….58

4.2.2.1 Menilai Keseluruhan Model (Overall Model Fit). 58 4.2.2.2 Hasil Uji Kelayakan Model Regesi (Hosmer and Lemeshow Goodness Of Fit Test)………. 59

4.2.2.3 Hasil Uji Koefisien Determinasi (Nagelkerke R Square ……… ..60

4.2.2.4 Hasil Matriks Klasifikasi……… ..61

4.2.3 Hasil Pengujian Data……… 62

4.2.3.1 Hasil Uji Multikolonieritas...62

4.2.4 Hasil Uji Hipotesis……… ...63

4.2.4.1 Hasil Likelihood Ratio Test (Uji Simultan) ...63

4.2.4.2 Hasil Uji Regresi Logistik………. 64

4.3 Pembahasan Hasil Uji Hipotesis……… 65

4.3.1 Pengaruh CAR terhadap prediksi kondisi bermasalah…..65 4.3.2 Pengaruh NPL terhadap prediksi kondisi bermasalah…. 66 4.3.3 Pengaruh NIM terhadap prediksi kondisi bermasalah…. 66 4.3.4 Pengaruh ROA terhadap prediksi kondisi bermasalah….67

(9)

viii

4.3.5 Pengaruh BOPO terhadap prediksi kondisi bermasalah....67

4.3.6 Pengaruh LDR terhadap prediksi kondisi bermasalah ...68

4.3.7 Pengaruh Size terhadap prediksi kondisi bermasalah …..68

4.3.8 Pengaruh ROA, NPL, NIM, ROA, BOPO,LDR, dan Size terhadap prediksi kondisi bermasalah………....69

BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan ...70

5.2 Keterbatasan ...71

5.3 Saran………. .71

DAFTAR PUSTAKA ...72

(10)

DAFTAR TABEL

No. Tabel Judul Halaman

2.1 Penilaian Tingkat Kesehatan CAR... 21

2.2 Penilaian Tingkat Kesehatan NP... 22

2.3 Penilaian Tingkat Kesehatan NIM... 23

2.4 Penilaian Tingkat Kesehatan ROA... 24

2.5 Penilaian Tingkat Kesehatan BOPO... 26

2.6 Penilaian Tingkat Kesehatan LDR... 27

2.7 Ringkasan Penelitian Terdahulu... 28

3.1 Waktu Penelitian... 40

3.2 Perusahaan yang Menjadi Sampel Penelitian... 42

3.3 Defenisi Operasional dan Pengukuran Variabel... 48

4.1 Proses seleksi sampel dengan kriteria……….. 54

4.2 Sampel Penelitian………. 55

4.3 Hasil Uji Statistik Deskriptif……… 56

4.4 Menilai Keseluruhan Model………... 58

4.5 Menguji Kelayakan Model Regresi………. 60

4.6 Uji Koefisien Determinasi (Nagelkerke R Square)…………. 60

4.7 Hasil Matriks Klasifikasi………. 61

4.8 Hasil Uji Multikolonieritas……….. 62

4.9 likelihood Ratio Test (uji simultan)………. 64

(11)

DAFTAR GAMBAR

No. Gambar Judul Halaman

(12)

DAFTAR LAMPIRAN

No. Lampiran Judul Halaman

1 Sampel Perusahaan………. 74

2 Nilai Variabel Terikat dan Variabel Bebas……… 75 3 Output Hasil Pengujian Data SPSS Regresi Logistik… 84

(13)

ABSTRAK

ANALISIS PENGARUH RASIO CAMEL DAN TOTAL ASET TERHADAP PREDIKSI KONDISI BERMASALAH PADA LEMBAGA PERBANKAN

YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE 2009 – 2013

Penelitian ini bertujuan untuk menganalisis pengaruh rasio CAMEL dan Total Aset terhadap prediksi kondisi bermasalah pada bank dengan menggunakan

Kata Kunci: Rasio CAMEL, Total Aset, Prediksi Kondisi Bermasalah pada Bank, Regresi Logistik

(14)

iii

ABSTRACT

ANALYSIS OF THE INFLUENCE OF CAMEL RATIO AND TOTAL ASSETS OF PROBLEMATIC CONDITIONS IN THE BANKING INSTITUTIONS LISTED

ON INDONESIA STOCK EXCHANGE IN 2009 – 2013

Keywords: CAMEL Ratio, Total Assets, Prediction Conditions Trobled Bank, Logistic Regression

(15)

BAB I PENDAHULUAN

1.1 Latar Belakang

Prediksi kondisi bermasalah pada lembaga perbankan memiliki arti penting dan berperanan strategis karena lembaga perbankan merupakan suatu lembaga keuangan yang cukup vital pengaruhnya terhadap perekonomian di Indonesia. Bisnis perbankan adalah bisnis yang memiliki resiko tinggi, disatu sisi menjanjikan keuntungan dan disisi lain beresiko tinggi karena aktivitasnya sebagian besar mengandalkan dana titipan masyarakat. Bank melancarkan sistem pembayaran bagi seluruh sektor perekonomaian. Kegagalan suatu bank khususnya yang bersifat sistemik akan mengakibatkan terjadinya krisis yang dapat mengganggu kegiatan suatu perekonomian. Kelangsungan bank sangat tergantung dari sumber dana masyarakat kepadanya, oleh karena itu bank perlu memperhatikan tingkat kesehatannya agar tidak merugikan pemilik dana sehingga pemilik dana merasa aman dan percaya untuk menanamkan investasi atau dananya di bank.

Krisis moneter yang menimpa Indonesia pertengahan tahun 1997 telah menghancurkan sendi-sendi ekonomi termasuk pada sektor perbankan. Krisis moneter yang berkelanjutan mengakibatkan terjadinya krisis kepercayaan, sehingga banyak bank membutuhkan bantuan likuiditas Bank Indonesia (BLBI). Perbankan menggunakan BLBI untuk mempertahankan dan meneruskan bisnisnya karena kredit macet. Dengan adanya gejolak keuangan global yang terjadi, penting bagi perusahaan perbankan, untuk mengidentifikasi apakah kondisi

(16)

2 perusahaan perbankan tersebut dalam keadaan baik atau tidak baik, karena ketika masalah terlambat teridentifikasi biaya yang dikeluarkan akan jauh lebih mahal sebagai usaha menyelesaikan kesulitan keuangan. (Poghosyan dan Cihak, 2009 melalui Martharini 2012). Selain kondisi ekonomi, tingginya kredit macet juga merupakan indikator bank dalam kondisi bermasalah karena menunjukkan risiko kredit yang dihadapi bank cukup tinggi, yang akan berpengaruh pada permodalan yang meningkatkan kemungkinan kerugian.

Melalui seminar restrukturisasi perbankan yang dilaksanakan di Jakarta tahun 1998 disimpulkan beberapa penyebab menurunnya kinerja bank, antara lain: (1) semakin meningkatnya kredit bermasalah perbankan; (2) dampak likuidasi bank-bank 1 November 1997 yang mengakibatkan turunnya kepercayaan masyarakat terhadap perbankan dan pemerintah, sehingga memicu penarikan dana secara besar-besaran; (3) semakin menurunnya permodalan bank-bank; (4) banyak bank-bank tidak mampu melunasi kewajibannya karena menurunnya nilai tukar rupiah; serta (5) manajemen tidak profesional (Almilia dan Herdiningtyas, 2005). Adanya krisis global yang terjadi beberapa waktu lalu, pemerintah dalam hal ini Bank Indonesia lebih ketat dalam mengawasi dan melakukan kebijakan dalam mengatas krisis terhadap bank karen dikhawatirkan dapat bedampak seperti yang terjadi pada krisi 1997/1998 dimana bank-bank banyak mengalami kebangkrutan dan akhirnya dilikuidasi (Surifah, 2002 melalui Martharini, 2012). Langkah strategis yang dapat dilakukan adalah dengan cara memperbaiki kinerja bank. Kinerja yang baik suatu bank diharapkan mampu meraih kembali kepercayaan masyarakat terhadap bank itu sendiri atau sistem perbankan secara keseluruhan.

(17)

3 Pada sisi lain kinerja bank dapat pula dijadikan sebagai tolok ukur kesehatan bank tersebut. Secara intuitif dapat dikatakan bahwa bank yang sehat akan mendapat dukungan dan kepercayaan dari masyarakat serta akan terhindar dari kondisi bermasalah. Salah satu pendekatan yang dapat digunakan untuk mengetahui kinerja bank adalah rasio keuangan Capital, Assets quality, Management, Earnings, Liquidity dan Sensitivity to Market Risk (CAMELS). Dalam prakteknya di Indonesia CAMELS digunakan sebagai indikator penilaian kesehatan bank umum sebagimana tertuang dalam Peraturan Bank Indonesia (PBI) No.6/10/PBI/2004 tanggal 12 April 2004 dan Surat Edaran No.6/23/DPNP tanggal 31 Mei 2004 tentang Sistem Penilaian Tingkat Kesehatan Bank Umum. Khusus untuk BPR, digunakan penilaian dengan menggunakan rasio keuangan

Capital, Assets quality, Management, Earnings dan Liquidity (CAMEL) sebagaimana ditetapkan dalam Surat Keputusan Direksi Bank Indonesia No. 30/12/KEP/DIR tanggal 30 April 1997 dan Surat Edaran No.30/3/UPPB tanggal 30 April 1997 tentang Tata Cara Penilaian Tingkat Kesehatan Bank Perkreditan Rakyat. Hasil pengukuran berdasarkan alat analisis CAMEL diterapkan untuk menentukan tingkat kesehatan bank yang dikategorikan dalam empat predikat yaitu: “Sehat”, “Cukup Sehat”, “Kurang Sehat” dan “Tidak Sehat” (Widiharto, 2008).

Hasil penilaian kinerja sebuah bank yang diukur dengan menggunakan alat analisis CAMEL dapat dimanfaatkan secara langsung baik oleh pemilik modal, pengelola ataupun masyarakat. Hasil penilaian tersebut dapat dijadikan sebagai bahan pertimbangan bagi pemilik modal dalam menanamkan modalnya dan dapat

(18)

4 dijadikan informasi penting bagi pengelola dalam menyusun langkah-langkah operasional pengembangan usahanya. Bagi masyarakat, informasi tentang kinerja bank dapat menjadi acuan dalam memilih perusahaan perbankan untuk memenuhi kebutuhan akan jasa keuangan. Tingkat kesehatan bank dapat dinilai menggunakan beberapa indikator. Salah satu indikator utama yang sering dijadikan dasar penilaian adalah laporan keuangan bank yang bersangkutan. Berdasarkan laporan keuangan dapat dihitung sejumlah rasio keuangan yang lazim dijadikan dasar penilaian tingkat kesehatan bank. Analisis rasio keuangan memungkinkan pihak manajemen untuk mengidentifikasikan perubahan-perubahan pokok pada trend jumlah, dan hubungan serta alasan perubahan tersebut. Hasil analisis laporan keuangan dapat membantu menginterpretasikan berbagai hubungan kunci serta kecenderungan yang dapat memberikan dasar pertimbangan mengenai potensi keberhasilan perusahaan di masa mendatang (Almilia dan Herdiningtyas, 2005). Informasi tentang posisi keuangan perusahaan, kinerja perusahaan, aliran kas perusahaan dan informasi lain yang berkaitan dengan laporan keuangan dapat diperoleh berdasarkan laporan keuangan perusahaan. Untuk memahami informasi tentang laporan keuangan, analisis laporan keuangan sangat dibutuhkan. Analisis laporan keuangan meliputi perhitungan dan interpretasi rasio keuangan. Analisis rasio keuangan dapat membantu para pelaku bisnis, pemerintah dan pemakai laporan keuangan lain dalam menilai kondisi keuangan suatu perusahaan tidak terkecuali perusahaan perbankan. Penilaian kinerja perusahaan perbankan umumnya menggunakan lima aspek penilaian yaitu Capital, Assets quality, Management, Earnings dan

(19)

Liquidity (CAMEL). Penelitian ini berusaha untuk mengungkap sebagian dari persoalan yang berkaitan dengan penilaian kinerja bank dilihat dari prediksi kondisi bermasalah bank dengan menganalisis secara empiris data tentang kinerja bank melalui rasio keuangannya. Dengan adanya penelitian mengenai prediksi bermasalah diharapkan mampu memberikan indikator prediksi yang menunjukkan bank ketika bermasalah dan menuju kebangkrutan sehingga dapat diambil kebijakan dan antisipasi sebelum bank dicabut ijinnya oleh Bank Indonesia.

Penelitian sebelumnya mengenai prediksi terjadinya kondisi bermasalah bank telah dilakukan oleh beberapa peneliti diantaranya Almilia dan Herdiningtyas (2005) dalam hasil penelitiannya bahwa CAR berpengaruh negatif signifikan terhadap prediksi kondisi bermasalah dimana CAR (Capital Adequacy Ratio) adalah rasio kinerja bank untuk mengukur kecukupan modal yang dimiliki bank untuk menunjang aktiva yang mengandung risiko, apabila CAR yang dimiliki semakin rendah berarti semakin kecil modal bank yang dimiliki untuk menanggung aktiva beresiko, sehingga semakin besar kemungkinan bank akan mengalami kondisi bermasalah karena modal yang dimiliki bank tidak cukup menanggung penurunan nilai aktiva beresiko, berbeda dalam penelitian Wicaksana (2011) yang menunjukkan bahwa CAR berpengaruh negatif tidak signifikan terhadap kondisi bermasalah, hal ini mengindikasikan bahwa jumlah permodalan yang lebih baik tidak menjamin bahwa suatu bank tidak akan mengalami kondisi bermasalah karena bank tidak cukup ekspansif didalam melakukan investasi pada aktiva yang beresiko dalam memperoleh pendapatan. Hal ini justru dapat mengakibatkan kemungkinan kondisi bermasalah yang di

(20)

6 alami suatu bank semakin besar, hasil penelitian Wicaksana (2011) sama dengan penelitian Martharini (2012) yaitu CAR berpengaruh negatif tidak signifikan.

Penelitian sebelumnya mengenai NPL (Non Performing Loan) terhadap kondisi bermasalah dilakukan oleh Martharini (2012) bahwa NPL berpengaruh positif signifikan terhadap prediksi kondisi bermasalah sama halnya dengan penelitian Wicaksana (2011) dimana Rasio NPL (Non Performing Loan) menggambarkan kemampuan bank dalam mengelola kreditnya. Rasio ini menunjukkan besarnya tingkat kredit macet yang dimiliki bank, sehingga menunjukkan kualitas aktiva produktif yang bermasalah. Rasio NPL menunjukkan tingginya angka kredit macet pada bank. Semakin besar NPL menunjukkan semakin tinggi resiko kredit yang harus dihadapi bank, sehingga semakin besar bank menghadapi kondisi bermasalah, berbeda dengan penelitian Almilia dan Herdiningtyas (2005) yang menunjukkan NPL berpengaruh positif tidak signifikan dan berbeda juga dengan penelitian Bestari (2013) bahwa NPL tidak berpengaruh secara signifikan terhadap kondisi bermasalah pada perbankan.

Penelitian mengenai NIM (Net Interest Margin) terhadap prediksi kondisi bermasalah dilakukan sebelumnya oleh Sumantri dan Jurnali (2010) bahwa NIM berpengaruh positif signifikan terhadap prediksi kondisi bermasalah sama halnya dengan Bestari (2013). Rasio NIM yang mengukur tingkat pendapatan bunga bersih yang diperoleh. Bank yang sebagian besar pendapatannya masih diperoleh dari bunga (interest based income) menunjukkan bahwa semakin tinggi rasio ini menunjukkan manajemen bank semakin baik karena mampu menghasilkan bunga yang tinggi dari aktiva produktifnya. Dengan manajemen yang baik akan

(21)

7 menghindarkan bank dari kondisi bermasalah berbeda dengan dengan penelitian yang dilakukan Almalia dan Herdiningtyas (2005) bahwa NIM berpengaruh negatif tidak signifikan.

Dalam penelitian Chrissa (2011) ROA (Return on Assets) berpengaruh negatif signifikan terhadap prediksi kondisi bermasalah pada bank, ROA menunjukkan kemampuan total aktiva produktif dalam menghasilkan laba. Dimana jika tingkat ROA yang tinggi menunjukkan bahwa laba bank tinggi dan kemungkinan bank mengalami kondisi bermasalah lebih rendah berbeda dengan penelitian yang dilakukan oleh Sumantri dan Jurnali (2010) bahwa ROA berpengaruh positif signifikan, namun dalam penelitian Mulyaningrum (2008) menemukan bahwa ROA berpengaruh negatif tidak signifikan sama dengan hasil penelitian Almalia dan Herdiningtyas (2005) bahwa ROA berpengaruh negatif tidak signifikan, sama dengan penelitian Wicaksana (2011).

Kemudian penelitian yang dilakukan oleh Wicaksana (2011) dimana dalam hasil penelitiannya menunjukkan bahwa LDR (Loan to Deposit Ratio)

berpengaruh negatif tidak signifikan terhadap prediksi kondisi bermasalah, Rasio LDR menunjukkan tingginya kredit yang disalurkan dari total dana pihak ketiga yang dihimpun. Semakin besar rasio ini menunjukkan semakin rendahnya tingkat likuiditas yang dimiliki bank sehingga dapat meningkatkan potensi terjadinya kondisi bermasalah, karena bank tidak memiliki cukup dana untuk memenuhi penarikan dana pihak ketiga sedangkan penelitian yang dilakukan oleh Sumantri dan Teddy (2010) bahwa LDR berpengaruh negatif signifikan terhadap kondisi bermasalah pada lembaga perbankan.

(22)

8 Penelitian oleh Almalia dan Herdiningtyas (2005) menunjukkan bahwa BOPO (Biaya Operasional terhadap Pendapatan Operasional) berpengaruh positif signifikan terhadap prediksi kondisi bermasalah, rasio yang sering disebut rasio efisiensi ini digunakan untuk mengukur kemampuan manajemen bank dalam mengendalikan biaya operasional terhadap pendapatan operasional. Semakin kecil rasio ini berarti semakin efisien biaya operasional yang dikeluarkan bank yang bersangkutan sehingga kemungkinan suatu bank dalam kondisi bermasalah semakin kecil.berbeda dengan penelitian Martharini (2012) berpengaruh positif tidak signifikan terhadap prediksi kondisi bermasalah pada perbankan berbeda juga dengan penelitian Sumantry dan Jurnali (2010) bahwa BOPO berpengaruh negatif tidak signifikan berbeda juga dengan Bestari (2013) menyebutkan BOPO tidak berpengaruh secara signifikan terhadap kondisi bermasalah pada perbankan.

Penelitian oleh Bestari (2013) dimana total aset berpengaruh secara signifikan terhadap prediksi kondisi bermasalah pada perbankan. Semakin besar bank akan semakin meningkatkan kepercayaan dikalangan investor maupun nasabah, dengan besarnya tingkat kepercayaan nasabah akan menghindarkan bank dari kondisi bermasalah, karena nasabah maupun investor akan memberikan kepercayaan dengan menanamkan investasi di bank tersebut sehingga peluang mengalami kondisi bermasalah semakin rendah dengan besarnya kepercayaan nasabah terhadap bank, berbeda dengan penelitian Martharini (2012) tentang total aset berpengaruh positif tidak signifikan Hal ini dapat terjadi karena pengukuran total aset menggunakan total aktiva dimana didalam total aktiva terdapat aktiva – aktiva beresiko, beberapa bank yang memiliki jumlah aktiva yang besar,

(23)

9 didalamnya juga mempunyai pinjaman dalam bentuk valas sehingga beban bunga bertambah besar saat rupiah melemah.

Dari latar belakang adanya perbedaan hasil – hasil penelitian yang telah dilakukan sebelumnya yang menimbulkan adanya research gap, sehingga peneliti tertarik untuk mereplikasi penelitian Martharini (2012) yang menggunakan rasio CAMEL yang diproksikan ke dalam rasio CAR, NPL, NIM, ROA, BOPO dan LDR, dan total aset sebagai variabel bebas dan prediksi kondisi bermasalah sebagai variabel terikat, dengan periode penelitian untuk tahun 2006-2010. Hasil penelitian Martharini (2012) menunjukkan CAR, NIM dan LDR berpengaruh negatif tidak signifikan , NPL berpengaruh positif signifikan, ROA berpengaruh negatif signifikan, dan BOPO dan total aset berpengaruh positif tidak signifikan.

Perbedaan penelitian ini dengan penelitian sebelumnya adalah :

1. Penelitian ini menggunakan tahun yang lebih up-date yaitu tahun 2009 – 2013, sedangkan penelitian sebelumnya pada tahun 2006-2010.

2. Pada penelitian ini menggunakan populasi dan sampel perusahaan perbankan yang sudah go-publik yang terdaftar di Bursa Efek Indonesia, sedangkan penelitian sebelumnya populasi dan sampelnya pada bank umum yang terdaftar dalam direktori perbankan.

Penelitian ini bertujuan untuk meneliti kembali pengaruh rasio CAMEL dan total aset terhadap prediksi kondisi bermasalah pada perbankan sehingga penelitian ini memberikan kontribusi untuk menguji apakah terjadi penguatan konsistensi terhadap teori maupun penelitian yang ada selama ini. Dari uraian yang diungkapkan di atas, maka penulis tertarik untuk melakukan penelitian

(24)

10 dengan judul: “Analisis Pengaruh Rasio CAMEL dan Total Aset Terhadap Prediksi Kondisi Bermasalah pada Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode Tahun 2009-2013.”

1.2 Perumusan Masalah

Berdasarkan latar belakang yang telah diuraikan sebelumnya, maka yang menjadi rumusan masalah dalam penelitin ini adalah :

“ Apakah rasio CAMEL (CAR, NPL, NIM, ROA, BOPO, LDR) dan total aset berpengaruh secara parsial dan simultan terhadap prediksi kondisi bermasalah pada lembaga perbankan yang terdaftar di Bursa Efek Indonesia periode tahun 2009 - 2013?”.

1.3 Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk “Menganalisis pengaruh rasio CAMEL (CAR NPL, NIM, ROA, BOPO, LDR) dan total aset secara parsial dan simultan terhadap prediksi kondisi bermasalah pada lembaga perbankan yang terdaftar di Bursa Efek Indonesia periode tahun 2009 - 2013”.

1.4 Manfaat Penelitian

Hasil penelitian diharapkan dapat memberikan manfaat : 1. Bagi Peneliti

Sebagai penambah pengetahuan dan wawasan tentang prediksi kondisi bermasalah pada lembaga perbankan, meningkatkan kemampuan, sumber referensi dan sarana informasi.

(25)

11 2. Bagi Akademisi

Sebagai bahan masukan untuk penelitian berikutnya yang ingin menjadikannya sebagai bahan pembanding, referensi, ataupun sumber kepustakaan.

3. Bagi Internal bank

Membantu mengevaluasi hasil operasi perbankan dalam menilai tingkat kinerja, sehingga dapat menjadi peringatan dini jika bank mengalami tanda-tanda kesulitan keuangan dan tanda-tanda kebangkrutan yang dapat segera diambil langkah perbaikan dan pencegahan.

4. Bagi Deposan, Investor, kreditor dan masyarakat luas

Dapat dijadikan sebagai acuan pelengkap dalam mengevaluasi bank-bank umum yang beroperasi guna melindungi kepentingannya.

(26)

BAB II

TINJAUAN PUSTAKA

2. 1 Kondisi Bermasalah atau Financial Distress dan Kebangkrutan 2.1.1 Kondisi Bermasalah atau Financial Distress

Almilia dan Kristijadi (2003) menyatakan bahwa perusahaan yang mengalami financial distress adalah perusahaan yang selama beberapa tahun mengalami laba bersih operasi (net operation income) negatif.

Menurut Almilia dan Kristijadi (2003) prediksi financial distress

perusahaan menjadi perhatian dari banyak pihak. Pihak-pihak yang menggunakan model tersebut meliputi:

a. Pemberi Pinjaman

Penelitian berkaitan dengan prediksi financial distress mempunyai relevansi terhadap institusi pemberi pinjaman, baik dalam memutuskan apakah akan memberikan suatu pinjaman dan menentukan kebijakan untuk mengawasi pinjaman yang telah diberikan.

b. Investor

Model prediksi financial distress dapat membantu investor ketika akan menilai kemungkinan masalah suatu perusahaan dalam melakukan pembayaran kembali pokok dan bunga.

c. Pembuat peraturan

Lembaga regulator mempunyai tanggung jawab mengawasi kesanggupan membayar hutang dan menstabilkan perusahaan individu, hal ini menyebabkan perlunya suatu model yang aplikatif untuk mengetahui

(27)

13 kesanggupan perusahaan membayar hutang dan menilai stabilitas perusahaan.

d. Pemerintah

Prediksi financial distress juga penting bagi pemerintah dalam anti trust regulation.

e. Auditor

Model prediksi financial distress dapat menjadi alat yang berguna bagi auditor dalam membuat penilaian going concern suatu perusahaan.

f. Manajemen.

Apabila perusahaan mengalami kebangkrutan maka perusahaan akan menanggung biaya langsung (fee akuntan dan pengacara) dan biaya tidak langsung kerugian penjualan atau kerugian paksaan akibat ketetapan pengadilan). Sehingga dengan adanya model prediksi financial distress

diharapkan perusahaan dapat menghindari kebangkrutan dan otomatis juga dapat menghindari biaya langsung dan tidak langsung dari kebangkrutan.

Menurut Platt dan Platt (2002) melalui Arini (2010) dalam Martharini (2012), financial distress adalah tahap penurunan kondisi keuangan yang dialami oleh suatu perusahaan, yang terjadi sebelum terjadinya kebangkrutan ataupun likuidasi. Platt dan Platt (2002) melalui Arini (2010) dalam Martharini (2012) menyatakan 3 kegunaan informasi jika suatu perusahaan mengalami financial distress adalah:

1. Dapat mempercepat tindakan manajemen untuk mencegah masalah sebelum terjadi kebangkrutan.

(28)

2. Pihak manajemen dapat mengambil tindakan merger atau takeover agar perusahaan lebih mampu untuk membayar hutang dan mengelola perusahaan dengan baik.

3. Memberi tanda peringatan dini/awal adanya kebangkrutan pada masa yang akan datang.

2.1.2 Kebangkrutan

Kebankrutan (Bankruptcy) biasanya diartikan sebagai kegagalan perusahaan dalam menjalankan operasi perusahaan untuk menghasilkan laba. Menurut Undang-Undang No. 14 tahun 1998 adalah dimana suatu institusi dinyatakan bankrut oleh keputusan pengadilan bila debitur memiliki dua atau lebih kreditur dan tidak membayar sedikitnya satu hutang yang telah jatuh tempo dan dapat ditagih. Kebangkrutan sering juga disebut likuidasi perusahaan atau penutupan perusahaan ataupun insolvibilitas. Kebangkrutan sebagai suatu kegagalan yang terjadi pada sebuah perusahaan didefinisikan dalam beberapa pengertian menurut Supardi (2003) melalui Asmoro (2007) dalam Bestari (2013), yaitu :

a. Kegagalan Ekonomi (Economic Distressed).

Kegagalan dalam ekonomi berarti bahwa perusahaan kehilangan uang atau pendapatan perusahaaan tidak mampu menutupi biayanya sendiri, ini berarti tingkat labanya lebih kecil dari biaya modal atau nilai sekarang dari arus kas perusahaan lebih kecil dri biaya modal atau nilai sekarang dari arus kas perusahaan lebih kecil dari kewajiban. Kegagalan terjadi bila arus kas sebenarnya dari perusahaan tersebut jauh dibawah arus kas yang diharapkan.

(29)

15 Bahkan kegagalan dapat juga berarti bahwa tingkat pendapatan atas biaya historis dari investasinya lebih kecil daripada biaya modal perusahaan yang dikeluarkan untuk sebuah investasi tersebut.

b. Kegagalan Keuangan

Disebut dengan insolvabilitas (insolvency) yang membedakan antara dasar arus kas dan dasar saham. Ada bentuk Insolvi :

1) Insolvi Teknis

Perusahaan dianggap gagal jika tidak mampu memenuhi kewajibannya saat jatuh tempo. Meskipun nilai pembukuan assetnya masih melebihi total hutang, artinya masih ada saldo modal bersih positif, perusahaan tidak lagi mempunyai likuiditas yang memadai untuk melunasi hutangnya, keadaan ini dapat bersifat sementara ataupun permanen.

2) Insolvi dalam pengertian kebangkrutan

Pasiva perusahaan sebenarnya lebih besar daripada assetnya, ini berarti juga saldo modal bersihnya perusahan itu negatif atau minus, tanpa memperdulikan likuiditas asset-asset, perusahaan jelas tidak mampu memenuhi kewajiban keuangannya yang telah jatuh tempo. Dalam keadaan seperti ini, likuidasi (pembubaran) perusahaan lebih baik dilakukan daripada reorganisasi.

Suatu bank dikatakan bermasalah jika bank yang bersangkutan mengalami kesulitan yang bisa membahayakan kelangsungan usahanya, kondisi usaha bank semakin menurun, yang ditandai dengan menurunnya permodalan, kualitas asset, likuiditas, serta pengelolaan bank yang tidak

(30)

16 didasarkan prinsip kehati-hatian dan asas perbankan yang sehat (Usman, 2001 dalam Martharini, 2012). Bank dalam keadaan bermasalah dapat digolongkan dalam dua kelompok :

1) Bank yang bermasalah struktural, yakni bank yang kondisinya sudah tergolong sangat parah (tidak sehat) dan setiap saat dapat terancam kelangsungan hidupnya.

2) Bank yang bermasalah non structural , rentabilitas semakin menurun akibat kualitas aktifa produktif yang semakin menurun , namun modal masih mencukupi ketentuan penyediaan modal minimum.

Bank bermasalah berdasarkan kamus Bank Indonesia adalah :

1) Bank yang mempunyai rasio atau nisbah kredit tak lancar yang tinggi apabila dibandingkan dengan modalnya.

2) Bank yang dari hasil pemeriksaan nilai CAMEL-nya berada pada posisi empat (kurang sehat) atau lima (tidak sehat) pada daftar urutan kondisi bank, penilaian tersebut tidak disebarluaskan ke masyarakat; bank bermasalah akan lebih sering diperiksa daripada bank yang berkondisi sehat.

2.2 Tingkat Kesehatan Bank

Sebagaimana layaknya manusia, di mana kesehatan merupakan hal yang paling penting dalam kehidupannya. Tubuh yang sehat akan meningkatkan kemampuan kerja dan kemampuan lainnya. Begitu pula dengan perbankan harus selalu dinilai kesehatannya agar tetap prima dalam melayani para nasabahnya.

(31)

17 Kesehatan bank dapat dilihat dari berbagai segi. Penilaian ini bertujuan untuk menentukan apakah bank tersebut dalam kondisi yang sehat, cukup sehat, kurang sehat dan tidak sehat. Sehingga Bank Indonesia sebagai pengawas dan pembina bank-bank dapat memberikan arahan atau petunjuk bagaimana bank tersebut harus dijalankan atau bahkan dihentikan kegiatan operasinya.

Ukuran untuk melakukan penilaian kesehatan bank telah ditentukan oleh Bank Indonesia. kepada bank-bank diharuskan membuat laporan baik yang bersifat rutin ataupun secara berkala mengenai seluruh aktivitasnya dalam suatu periode tertentu.

Penilaian kesehatan bank dilakukan setiap tahun, apakah ada peningkatan atau penurunan. Bagi bank yang kesehatannya terus meningkat tidak menjadi masalah, karena itulah yang diharapkan dan supaya dipertahankan terus kesehatannya. Akan tetapi bagi bank yang terus menerus tidak sehat, mungkin harus mendapat pengarahan atau sangsi dari Bank Indonesia sebagai pengawas dan pembina bank-bank.

Bank Indonesia dapat saja menyarankan untuk melakukan perubahan manajemen, merger, konsolidasi, akuisisi atau malah dilikuidir keberadaannya jika memang sudah parah kondisi bank tersebut.

Penilaian yang dilakukan oleh Bank Indonesia meliputi beberapa aspek seperti :

1. Aspek permodalan

Yang dinilai adalah permodalan yang ada didasarkan kepada kewajiban modal minimum bank. Penilaian tersebut didasarkan kepada CAR (Capital

(32)

Adequacy Ratio) yang telah ditetapkan BI. Perbandingan rasio tersebut adalah rasio modal terhadap Aktiva Tertimbang Menurut Risiko (ATMR) dan sesuai Peraturan Bank Indonesia Nomor: 10/ 15 /PBI/2008 Tentang Kewajiban Penyediaan Modal Minimum Bank Umum minimal harus 8 %. 2. Aspek Kualitas Aset

Dengan Memperbandingkan aktiva produktif diklasifikasikan dengan aktiva produktif.

3. Aspek Kualitas Manajemen

Kualitas Manajemen dapat dilihat dari kualitas manusia dalam manajemen permodalan, aktiva, manajemen umum, rentabilitas, dan manajemen kualitas.

4. Aspek Likuiditas

Suatu bank dapat dikatakan liquid apabila bank yang bersangkutan dapat membayar semua hutangnya terutama tabungan, giro, deposito pada saat ditagih dan dapat memenuhi permohonan kredit yang layak dibiayai

5. Aspek Rentabilitas

Merupakan kemampuan bank dalam meningkatkan labanya apakah setiap periode atau menukur tingkat efisiensi usaha dan profitabilitas yang dicapai bank bersangkutan.

2.3 Rasio – Rasio CAMEL

Dalam melakukan penilaian terhadap tingkat kesehatan bank, bank sentral biasanya menggunakan kriteria CAMEL yaitu : Capital adequacy, Asset quality, Manajemen, Earning, Liquidity.

(33)

a) Capital adequacy

Adalah kecukupan modal yang menunjukkan kemampuan bank dalam mempertahankan modal yang mencukupi dan kemampuan manajemen bank dalam mengidentifikasi, mengukur, mengawasi, dan mengontrol resiko – resiko yang timbul yang dapat berpengaruh terhadap besarnya modal bank.

b) Asset quality

Menunjukkan kualitas asset sehubungan dengan resiko kredit yang dihadapi bank akibat pemberian kredit dan investasi bank pada portofolio yang berbeda.

c) Manajemen quality

Menunjukkan kemampuan manajemen bank untuk mengidentifikasi, mengawasi dan mengontrol resiko yang timbul melalui kebijakan – kebijakan dan strategi bisnisnya untuk mencapai target.

d) Earning

Keberhasilan bank didasarkan pada penilaian kuantitatif terhadap rentabilitas bank yang diukur dengan dua rasio yang berbobot sama. Rasio tersebut terdiri dari :

• Rasio perbandingan laba dalam 12 tahun terakhir terhadap volume usaha

dalam periode yang sama ( Return on Asset atau ROA)

• Rasio biaya operasional terhadap biaya operasional.

e) Liqudity

Menunjukkan ketersediaan dana dan sumber dana bank pada saat ini dan masa yang akan datang. Pengaturan likuiditas bank dimaksudkan agar bank setiap saat dapat memenuhi kewajiban – kewajiban yang harus segera dibayar.

(34)

20 Metode atau cara penilaian tingkat kinerja Bank dapat menggunakan metode CAMEL. Rasio keuangan digunakan untuk menentukan faktor penting yang dapat menjelaskan perubahan kondisi internal bank.

Berikut ini Rasio – rasio yang dapat menjelaskan kinerja dan kondisi bank melaui CAMEL:

2.3.1 Capital Adequacy Ratio (CAR)

Kecukupan modal menunjukkan kemampuan bank dalam mempertahankan modal yang mencukupi dan kemampuan manajemen bank dalam mengidentifikasi, mengukur, mengawasi, dan mengontrol resiko – resiko yang timbul yang dapat berpengaruh terhadap besarnya modal bank. Rasio Kecukupan modal diproksikan pada Capital Adequacy Ratio (CAR). CAR adalah rasio kecukupan modal bank atau merupakan kemampuan bank dalam permodalan yang ada untuk menutup kemungkinan kerugian di dalam perkreditan atau didalam perdagangan surat berharga.

CAR menunjukan seberapa besar modal bank telah memadai untuk menunjang kebutuhannya dan sebagai dasar menilai prospek kelanjutan usaha bank yang bersangkutan. (Dendawijaya, 2005:122 dalam Bestari, 2013). Menurut Mulyaningrum (2008) dalam Bestari (2013), semakin besar rasio ini,semakin kecil probabilitas suatu bank mengalami kebangkrutan. Pendapat tersebut juga diperkuat dengan (Almilia dan Herdiningtyas, 2005) bahwa CAR berpengaruh negatif signifikan terhadap kondisi bermasalah perbankan.

(35)

21 CAR diukur dari rasio antara modal sendiri terhadap Aktiva Tertimbang Menurut Resiko (ATMR). ATMR adalah penjumlahan ATMR dari Aktiva Neraca dengan ATMR Aktiva administratif. ATMR aktiva neraca diperoleh dengan mengalikan nilai nominal aktiva dengan bobot resiko. ATMR aktiva administratif diperoleh dengan cara mengalikan nilai nominalnya dengan bobot resiko aktiva administratif. Besarnya nilai Capital Adequacy Ratio suatu bank dapat dihitung dengan rumus :

CAR = Modal Bank

Aktiva Tertimbang Menurut Resiko x 100%

Berdasarkan ketentuan Bank Indonesia, bank yang dinyatakan termasuk sebagai bank yang sehat harus memiliki CAR paling sedikit sebesar 8%. Kriteria penilaian tingkat kesehatan bank rasio modal terhadap aktiva tertimbang menurut resiko :

Tabel 2.1

Penilaian Tingkat Kesehatan CAR

Rasio Peringkat

CAR ≥ 12% Sangat sehat

9% ≤ CAR< 12% Sehat 8% ≤ CAR < 9% Cukup sehat 6% < CAR < 8% Kurang sehat

CAR ≤ 6% Tidak sehat

Sumber : Bank Indonesia

Manfaat mengetahui rasio CAR bagi masyarakat adalah CAR merupakan kemampuan bank dalam hal permodalan yang ada untuk menutup kemungkinan adanya kerugian dalam perkreditan dan perdagangan surat berharga. CAR juga menunjukan seberapa besar modal bank telah memadai untuk menunjang kebutuhan masyarakat dan sebagai dasar menilai prospek kelanjutan usaha bank yang bersangkutan.

(36)

2.3.2 Non Performing Loan (NPL)

Menunjukan kulaitas aset sehubungan dengan resiko kredit yang dihadapi bank akibat pemberian kredit dan investasi bank pada portofolio yang berbeda. Penilaian kinerja keuangan perbankan dari aspek kualitas aktiva produktif diproksikan dengan Non Performing Loan (NPL). NPL merupakan rasio yang menunjukan kemampuan manajemen bank dalam mengelola kredit bermasalah yang diberikan oleh bank (SE Bank Indonesia No.3/30/DPNP). NPL dihitung berdasarkan perbandingan antara jumlah kredit yang bermasalah dibandingkan dengan total kredit.

NPL = Kredit Bermasalah

Total Kredit x 100%

Besar NPL yang diperbolehkan oleh bank Indonesia saat ini adalah maksimal 5%. Semakin besar tingkat NPL menunjukan bahwa bank tidak profesional dalam mengelola kreditnya dan resiko bank cukup tinggi searah dengan rasio NPL (Riyadi, 2006 dalam Bestari 2013)). Kriteria penilaian tingkat kesehatan rasio NPL :

Tabel 2.2

Penilaian Tingkat Kesehatan NPL

NPL Peringkat

NPL > 5 % Tidak sehat

NPL ≤ 5% Sehat

Sumber : Bank Indonesia

Manfaat mengetahui rasio NPL bagi masyarakat adalah masyarakat dapat menilai bank tersebut dalam hal kredit yang bermasalah pada bank. Semakin besar rasio ini berarti kredit macet semakin tinggi, sehingga bank bisa dikatakan bermasalah. Masyarakat tidak perlu untuk memilih bank tersebut supaya tidak terjadi kerugian nantinya.

(37)

2.3.3 Net Interest Margin (NIM)

Kualitas manajemen menunjukan kemampuan bank untuk

mengidentifikasi, mengawasi, dan mengontrol resiko yang timbul melalui kebijakan-kebijakan dan strategi bisnisnya untuk mencapai target. NIM merupakan rasio keuangan yang mengukur kemampuan manajemen bank dalam menghasilkan net interest income atas pengelolaan besar aktiva produktif. NIM merupakan perbandingan antara pendapatan bunga bersih terhadap rata-rata aktiva produktif. Pendapatan bunga bersih diperoleh dari pendapatan bunga dikurangi beban bunga. Rasio NIM dapat dihitung dengan menggunakan rumus sebagai berikut :

NIM = Pendapatan Bunga Bersih

Aktiva Produktif x 100%

Berdasarkan ketentuan Bank Indonesia, bank yang dinyatakan termasuk sebagai bank yang sehat harus memiliki NIM paling sedikit sebesar 1,5%. Kriteria penilian tingkat kesehatan rasio NIM :

Tabel 2.3

Penilaian Tingkat Kesehatan NIM Rasio Peringkat

NIM > 3% Sangat sehat

2% < NIM ≤ 3% Sehat 1,5% < NIM ≤ 2% Cukup sehat 1% < NIM ≤ 1,5% Kurang Sehat

NIM ≤ 1% Tidak sehat

Sumber : Bank Indonesia

Manfaat masyarakat mengetahui rasio NIM adalah bahwa rasio NIM adalah kemampuan bank dalam mendapatkan pendapatan bunga bersih dari pengelolaan aktiva produktif bank. Apabila masyarakat mengetahui rasio ini

(38)

24 masyarakat akan mendepositokan uangnya supaya mendapatkan pendapatan bunga semakin meningkat.

2.3.4 Return On Asset (ROA)

Keberhasilan bank didasarkan pada penilaian kuantitatif terhadap rentabilitas bank. Rasio ini merupakan salah satu dari rasio yang digunakan untuk menilai aspek earning. Rasio ini digunakan untuk mengukur kemampuan manajemen bank dalam memperoleh keuntungan (laba sebelum pajak) yang dihasilkan dari rata-rata total aset bank yang bersangkutan. Mulyaningrum (2008) melalui Bestari (2013) menyatakan semakin besar ROA, semakin besar pula tingkat keuntungan yang dicapai bank sehingga kemungkinan suatu bank dalam kondisi keuangan bermasalah semakin kecil. ROA dpat dihitung dengan :

ROA = Laba Sebelum Pajak

Total Aktiva x 100 %

Bank dikatakan sehat jika rasio laba terhadap volume usaha mencapai sekurang-kurangnya 1,2%. Berikut ini menunjukan kriteria penilaian tingkat kesehatan Bank berdasarkan ROA :

Tabel 2.4

Penilaian Tingkat Kesehatan ROA

Rasio Peringkat

ROA > 1,5% Sangat sehat

1,25% < ROA ≤ 1,5% Sehat 0,5% ≤ ROA ≤ 1,25% Cukup sehat 0 < ROA ≤ 0,5% Kurang Sehat

ROA ≤ 0% Tidak sehat

(39)

25 Manfaat mengetahui rasio ROA bagi masyarakat adalah untuk mengetahui kemampuan bank dalam memperoleh keuntungan atau laba. Suatu bank dengan ROA yang semakin meningkat menunjukan bank tersebut semakin bonafit sehingga akan lebih dipercaya oleh nasabahnya dan masyarakat.

2.3.5 Beban Operasional Pendapatan Operasi (BOPO)

Rasio yang sering disebut rasio efisiensi ini digunakan untuk mengukur kemampuan manajemen bank dalam mengendalikan biaya operasional terhadap pendapatan operasional. Semakin kecil rasio ini berarti semakin efisiensi biaya operasionalnya. Semakin kecil rasio ini semakin efisiensi biaya operasional yang dikeluarkan bank yang bersangkutan sehingga kemungkinan suatu bank dalam kondisi bermasalah semakin kecil dan profitabilitas meningkat (Dendawijaya, 2005:121 dalam Bestari, 2013). Biaya operasi merupakan biaya yang dikeluarkan oleh bank dalam rangka menjalankan aktivitas usaha utamanya seperti biaya bunga, biaya pemasaran, biaya tenaga kerja dan biaya operasi lainnya. Sedangkan pendapatan operasi merupakan pendapatan utama bank yaitu pendapatan yang diperoleh dari penempatan dana dalam bentuk kredit dan pendapatan operasi lainnya. BOPO dapat dihitung dengan rumus :

BOPO = Beban Operasional

(40)

26 Rasio BOPO menurut Bank Indonesia adalah 96%, dan lebih dari 96% dianggap bank tidak sehat dan tidak efisien dalam menjalankan operasionalnya. Kriteria penilaian tingat kesehatan rasio BOPO :

Tabel 2.5

Penilaian Tingkat Kesehatan BOPO Rasio Peringkat

BOPO ≤ 94% Sangat sehat

94% < BOPO ≤ 95% Sehat 95% < BOPO ≤ 96% Cukup sehat 96% < BOPO ≤ 97% Kurang Sehat

BOPO > 97% Tidak sehat

Sumber : Bank Indonesia

Manfaat masyarakat mengetahui rasio BOPO adalah masyarakat akan tahu seberapa efisien bank tersebut dalam mengendalikan biaya operasionalnya. Semakin efisien bank, maka bank tersebut bisa dikatan sehat dan masyarakat akan lebih percaya dengan bank tersebut.

2.3.6 Loan to Deposite Ratio ( LDR )

Likuiditas menunjukan adanya ketersediaan dana dan sumber dana bank pada saat ini dan masa yang akan datang. Pengaturan likuiditas bank dimaksudkan agar bank setiap saat dapat memenuhi kewajiban – kewajiiban yang harus segera dibayar. Rasio ini digunakan untuk menilai likuiditas suatu bank yang dengan cara membagi jumlah kredit yang diberikan oleh bank terhadap dana pihak ketiga (Almilia dan Herdiningtyas, 2005). Semakin tinggi rasio LDR maka semakin tinggi probabilitas dari sebuah bank mengalami kebangkrutan. Hal ini memberikan Rasio indikasi semakin rendahnya kemampuan likuiditas bank yang bersangkutan. Hal ini disebabkan karena jumlah dana yang diperlukan untuk membiayai kredit

(41)

27 menjadi semakin besar. Loan to Depocite Ratio ( LDR ) dapat dihitung dengan rumus :

LDR = Jumlah kredit yang Diberikan

Dana Pihak Ketiga +KLBI +Modal Inti x 100% Rasio LDR yang ditentukan oleh Bank Indonesia minimal 75% yang bisa dikatakan bahwa bank tersebut tidak dalam kondisi bermasalah. Kriteria penilaian Rasio LDR :

Tabel 2.6

Penilaian Tingkat Kesehatan LDR Rasio Peringkat

LDR ≤ 75% Sangat sehat

75% < LDR ≤ 85% Sehat 85% < LDR ≤ 100% Cukup sehat 100% < LDR ≤ 120% Kurang Sehat

LDR > 120% Tidak sehat

Sumber : Bank Indonesia

Manfaat masyarakat mengetahui rasio LDR adalah masyarakat akan mengetahui jumlah kredit yang diberikan kepada masyarakat. Apabila rasio LDR ini tinggi maka prediksi kondisi bermasalah pada bank akan besar karena kemungkinan terjadi kredit macet dan merugikan bank maupun masyarakat.

2.3.7 Total Aset

Menentukan besar kecil suatu perusahaan dapat dilihat dari beberapa factor salah satunya dengan melihat total aktiva. Total aset yaitu aktiva lancar dan aktiva tetap. Menurut Widjaja (2009) melalui Bestari (2013) total asset menggambarkan kemampuan dalam mendanai investasi yang menguntungkan dan kemampuan yang memperluas pasar seta memiliki

(42)

28 prospek kedepan yang baik. Bank yang sehat diinterpretasikan dengan kualitas aset yang baik. Bank dengan kualitas aset yang baik lazimnya pendapatannya juga baik, akan tetapi besar aset yang dimiliki oleh bank tidak berarti jika seluruhnya merupakan aset beresiko (Jumono, 2012 dalam Bestari 2013). Bank yang memiliki jumlah aset yang besar didalamnya juga mempunyai pinjaman dalam bentuk valas sehingga berubah besar saat rupiah melemah (Sulistyowati, 2002 dalam Bestari, 2013). Total aset dalam penelitian ini adalah dengan menghitung dari seluruh total aset dengan menggunakan ukuran Log Natural. Rumus total aset dapat dinyatakan sebagai berikut:

Total aset = Ln (Total Aset)

2.4 Penelitian Terdahulu

Penelitian ini mendapat ide dan pengetahuan dari penelitian terdahulu yang beragam. Penelitian terdahulu dapat dilihat pada tabel 2.7.

Tabel 2.7

Ringkasan Penelitian Terdahulu

No. Nama Peneliti (Tahun)

Judul Penelitian

variabel Hasil

Penelitian 1. Luciana Spica

Almilia dan Winny Herdiningtyas (2005) Analisis Rasio CAMEL terhadap Prediksi Kondisi Bermasalah pada Lembaga Perbankan Periode 2000-2002 Variabel dependen: kondisi bermasalah Variabel Independen:CAR, ATTM, APB, NPL, PPAPAP, PPAP, ROA,ROE, NIM, BOPO dan LDR

NPL, CAR, APB, PPAPAP, NIM, BOPO signifikan berbeda antara bank bermasalah dan tidak bermasalah, PPAP, ROE, ATTM, LDR tidak memiliki perbedaan signifikan

antara bank bermasalah dan tidak

bermasalah. Pengaruhnya

(43)

29 terhadap kondisi bermasalah bank bahwa CAR berpengaruh negatif signifikan, BOPO positif signifikan, APB negatif tidak signifikan, NPL positif tidak signifikan, PPAPAP

berpengaruh positif tidak signifikan, ROA berpengaruh negatif tidak signifikan, NIM berpengaruh negatif tidak signifikan terhadap kondisi bermasalah bank

2. Sri Isworo Ediningsih (2010) Rasio CAMEL untuk Memprediksi Kondisi Bermasalah pada Perusahaan Perbankan di Bursa Efek Indonesia Variabel dependen: Kondisi bermasalah Variabel Independe: CAR, ATTM, APB, NPL, PPAP, P3APAP, ROA, ROE, NIM, BOPO dan LDR

variabel LDR, ROA, ATTM yang bisa membedakan antara bank bermasalah dan tidak bermasalah, sedangakan variabel lain (CAR, ATTM, PPPAP) tidak signifikan untuk membedakan bank bermasalah dan tidak bermasalah. LDR negatif signifikan, ROA negatif signifikan, ATTM positif signifikan.

3. Sumantri dan Teddy Jurnali ( 2010) Manfaat Rasio Keuangan dalam Memprediksi Kepailitan Bank Nasional Variabel dependen: kepailitan bank Variabel Independe: CAR, ATTM, APB, NPL, PPAPAP, PPAP, ROA,

ATTM, APB, NPL, PPAP, ROE, ROA, dan BOPO tidak memiliki perbedaan signifikan antara bank pailit dan tidak pailit, sedangkan rasio keuangan CAR,

(44)

30 ROE, NIM,

BOPO dan LDR

memilki perbedaan signifikan antara bank pailit dan tidak pailit, Kemudian pengaruhnya

terhadap kepalitan bank bahwa CAR berpengaruh positif tidak signifikan, ATTM negatif signifikan, NPL negatif tidak signifikan, PPAPAP positif signifikan, ROA positif signifikan, ROE positif tidak signifikan, NIM positif signifikan, BOPO negatif tidak signifikan, LDR negatif signifikan, APB negatif signifikan, PPAP negatif tidak signifikan.

4. Maulina Ruth dan Riadi Armas (2011) Analisis Rasio CAMEL terhadap Tingkat Kesehatan bank -bank umum swasta nasional periode 2005-2009 Variabel dependen: tingkat kesehatan Bank Variabel Independen: CAR, RORA, ROA,dan LDR

Variabel CAR, ROA, dan LDR memiliki perbedaan yang signifikan antara bank bermasalah dan

bank tidak bermasalah dan RORA tidak memiiki perbedaan yang signifikan antara bank bermasalah dan tidak bermasalah. 5. Rizky Rudy

Wicaksana (2011) Analisis Pengaruh Rasio CAMEL Terhadap Kondisi Bermasalah pada Sektor Variabel dependen: kondisi bermasalah Variabel Independen:CAR,

NPL dan BOPO berpengaruh positif signifikan kemudian CAR, ROA, NIM, LDR berpengaruh negatif tidak signifikan terhadap

(45)

31 Perbankan di

Indonesia

NIM, NPL, ROA, BOPO, LDR

kondisi bermasalah bank.

6. Latifa Martharini (2012) Analisis Pengaruh Rasio Camel Dan Total aset Terhadap Prediksi Kondisi Bermasalah Pada Perbankan (Studi Pada Bank Umum Yang Terdaftar Dalam Direktori Perbankan Tahun 2006-2010) Variabel dependen: kondisi bermasalah Variabel Independen:CAR, NIM, NPL, ROA, BOPO, LDR dan Total aset Hasil penelitian menunjukkan bahwa NPL berpengaruh positif signifikan terhadap prediksi kondisi bermasalah pada perbankan, ROA berpengaruh negatif signifikan terhadap prediksi kondisi bermasalah pada perbankan. Variabel CAR, NIM, LDR berpengaruh negatif tidak signifikan terhadap prediksi kondisi bermasalah perbankan. Variabel BOPO dan Total aset berpengaruh positif tidak signifikan terhadap prediksi kondisi bermasalah pada perbankan. Variabel mampu menjelaskan 82,9% dan sisanya 17,1%% dapat dijelaskan variabel yang lain.

7. Adhisty Rizky Bestari (2013)

Pengaruh Rasio Camel dan Ukuran Bank Terhadap

Prediksi Kondisi Bermasalah

Pada Sektor Perbankan

(Studi Pada Perusahaan Perbankan yang Terdaftar Di Variabel dependen: kondisi bermasalah Variabel Independen:CAR, NIM, NPL, ROA, BOPO, LDR dan Ukuran Bank

Hasil penelitian ini menunjukan bahwa NIM berpengaruh signifikan

terhadap prediksi kondisi bermasalah pada perbankan dan Ukuran Bank

berpengaruh

signifikan terhadap prediksi kondisi bermasalah pada

(46)

32 Bursa Efek

Indonesia Tahun 2007 – 2011 )

perbankan.

Variabel – variabel lain seperti CAR, NPL, ROA, BOPO, dan LDR tidak

berpengaruh secara signifikn terhadap prediksi kondisi bermasalah pada

perbankan. 8. Paula Chrisna

Istria Sari (2013) Analisis Pengaruh Rasio Camel dalam Mendeteksi Financial Distress pada Perusahaan Perbankan yang terdaftar di Bursa Efek Indonesia

Hasil penelitian ini menghasilkan bahwa ROA, NPL dan LDR mempengaruhi

financial distress perbankan di Indonesia, sedangkan

CAR, ROE, BOPO tidak mempengaruhi financial distress.

Sumber : Hasil pengolahan peneliti,Review dari beberapa artikel/jurnal

Penelitian ini menggunakan beberapa acuan jurnal, yang salah satunya adalah penelitian Martharini (2012) yang sama-sama menggunakan variabel CAR, NPL, NIM, ROA, BOPO, LDR dan Total aset dan alat analisis regresi logistik . Perbedaan penelitian Martharini dengan penelitian ini adalah dilihat dari periode tahun penelitian, penelitian Martharini meneliti dari periode tahun 2006 – 2010, sedangkan penelitian ini meneliti dari tahun 2009 – 2013.

2.5 Kerangka Konseptual

Kerangka konseptual menjelaskan bagaimana hubungan teori dengan faktor faktor penting yang telah diketahui dalam masalah tersebut. Kerangka konseptual penelitian ini dapat dilihat sebagai berikut ini:

(47)

CAMEL

Sumber : Peneliti, 2014

Gambar 2.1 Kerangka Konseptual

Sesuai dengan gambar kerangka konseptual (Gambar 2.1), dapat dijelaskan bahwa rasio CAMEL yang diproksikan ke variabel CAR (X1), NPL (X2), NIM (X3), ROA (X4), BOPO (X5), LDR (X6), dan variabel Total aset (X7)berpengaruh secara parsial dan simultan terhadap prediksi kondisi bermasalah pada lembaga perbankan yang terdaftar di Bursa Efek Indonesia periode tahun 2009 – 2013.

Prediksi Kondisi Bermasalah pada Lembaga Perbankan

(Y) Capital Adequacy Ratio

(CAR) (X1)

Non Performing Loan (NPL) (X2)

Net Interest Margin (NIM) (X3)

Return On Asset (ROA) (X4)

Biaya Operasi Dibanding Dengan Pendapatan Operasi

(BOPO) (X5)

Loanto Deposite Ratio ( LDR) (X6)

Total aset (X7)

(48)

2.6 Hipotesis Penelitian

Hipotesis menurut Erlina (2007 : 41) menyatakan “hubungan yang diduga secara logis antara dua variabel atau lebih dalam rumusan preposisi yang dapat diuji secara empiris”. Hipotesis adalah dugaan atau jawaban sementara terhadap masalah yang akan diuji kebenarannya, melalui analisis data yang relevan dan kebenaranya akan diketahui setelah dilakukan penelitian.

2.6.1 Pengaruh CAR terhadap prediksi kondisi bermasalah pada lembaga perbankan

Capital Adequay Ratio (CAR) digunakan untuk mengukur kemampuan permodalan yang ada untuk menutup kemungkinan kerugian di dalam perkreditan dan perdagangan surat berharga. Apabila CAR yang dimiliki semakin rendah berarti semakin kecil modal bank yang dimiliki untuk menanggung aktiva beresiko, sehingga semakin besar kemungkinan bank akan mengalami kondisi bermasalah karena modal yang dimiliki bank tidak cukup mnanggung penurunan nilai aktiva beresiko. Menurut Mulyaningrum (2008) semakin besar rasio ini, semakin kecil probabilitas suatu bank mengalami kebangkrutan. Pendapat tersebut juga diperkuat dengan Almalia dan Herdiningtyas (2005) bahwa CAR berpengaruh negatif signifikan terhadap kondisi bermasalah perbankan. Maka dapat diajukan hipotesis :

H1: CAR berpengaruh negatif signifikan terhadap prediksi kondisi

(49)

2.6.2 Pengaruh NPL terhadap prediksi kondisi bermasalah pada lembaga perbankan

NPL (Non Performing Loan) merupakan kemampuan manajemen bank dalam mengelola kredit bermasalah yang diberikan oleh bank. Rasio NPL menunjukan tingginya angka kredit macet pada bank, semakin besar NPL menunjukan semakin tinggi resiko kredit yang harus dihadapi bank, sehingga semakin besar bank menghadap kondisi bermasalah. NPL berpengaruh positif, karena apabila kondisi NPL suatu bank tinggi maka akan memperbesar biaya pencadangan aktiva produktif maupun biaya lainnya sehingga berpotensi terhadap kerugian bank. Menurut penilitian Aryati dan Balafif (2007) melalui Bestari (2013) sini menunjukan bahwa rasio NPL mempunyai pengaruh positif dan signifikan terhadap prediksi tingkat kesehatan bank. Maka dapat diajukan hipotesis

H2: NPL berpengaruh positif signifikan terhadap prediksi kondisi

bermasalah pada lembaga perbankan.

2.6.3 Pengaruh NIM terhadap prediksi kondisi bermasalah pada lembaga perbankan

Net Interest Margin (NIM) digunakan untuk mengukur kemampuan manajemen bank dalam mengelola aktiva produktifnya untuk menghasilkan pendapatan bunga bersih. Semakin besar rasio ini maka meningkatnya pendapatan bunga atas aktiva produktif yang dikelola bank sehingga kemungkinan suatu bank dalam kondisi bermasalah semakin kecil (Almilia dan Herdiningtyas, 2005).

(50)

36 Menurut Januarti (2002) NIM berpengaruh negatif signifikan terhadap kebangkrutan bank. Atas dasar hal tersebut aka dapat diajukan hipotesis :

H3: NIM berpengaruh negatif signifikan terhadap prediksi kondisi

bermasalah pada lembaga perbankan.

2.6.4 Pengaruh ROA terhadap prediksi kondisi bermasalah pada lembaga perbankan

ROA digunakan untuk mengukur kemampuan manajemen bank dalam memperoleh keuntungan (laba sebelum pajak) yang dihasilkan dari rata-rata total aset bank yang bersangkutan. Semakin tinggi nilai ROA, semakin efektif pula pengelolaan asset perusahaan, sehingga kemungkinan bank akan gagal akan semakin kecil. Di dalam penelitian Martharini (2012) dan diperkuat dengan penelitian Nugroho (2011) menyatakan bahwa ROA berpengaruh negatif dan signifikan terhadap prediksi bermasalah pada bank. Atas dasar hal tersebut maka dapat diajukan hipotesis sebagai berikut :

H4: ROA berpengaruh negatif signifikan terhadap prediksi kondisi

bermasalah pada lembaga perbankan.

2.6.5 Pengaruh BOPO Terhadap prediksi kondisi bermasalah pada lembaga perbankan

Rasio BOPO digunakan untuk mengukur tingkat efisiensi dan kemampuan bank dalam melakukan kegiatan opersionalnya. Semakin besar rasio ini berarti semakin tidak efisien biaya operasional yang dikeluarkan oleh bank dan bank dalam kondisi bermasalah semakin besar. Dalam Penelitian Almiia dan

(51)

37 Herdiningtyas (2005) menunjukan bahwa BOPO berpengaruh positif terhadap prediksi kondisi bermasalah pada bank. Maka dapat diajukan Hipotesis :

H5: BOPO berpengaruh positif terhadap prediksi kondisi bermasalah pada

lembaga perbankan.

2.6.6 Pengaruh LDR terhadap prediksi kondisi bermasalah pada lembaga perbankan

LDR menunjukan seberapa jauh kemampuan bank dalam membayar kembali penarikan dana yang dilakukan deposan dengan mengandalkan kredit yang diberikan sebagai sumber likuiditas. Semakin besar rasio LDR maka probabilitas bank mengalami kondisi bermasalah akan semakin besar pula karena bank tidak mampu mengendalikan kredit yang diberikan. Maka dapat diajukan hipotesis:

H6: LDR berpengaruh positif terhadap prediksi kondisi bermasalah pada

lembaga perbankan

2.6.7 Pengaruh Total aset terhadap prediksi kondisi bermasalah pada lembaga perbankan

Suatu bank yang menunjukan besar atau kecilnya suatu perusahaan dapat dilihat dari total asetnya. Bank dengan kualitas aset yang baik dapat dikatakan bahwa bank dapat terhindar dari prediksi kondisi bermasalah. Semakin besar bank maka akan semakin meningkatkan kepercayaan dikalangan investor maupun nasabah. Besarnya tingkat kepercayaan nasabah akan menghindarkan bank dari kondisi bermasalah, karena nasabah maupun investor akan memberikan

(52)

38 kepercayaan dengan menanamkan investasi di bank tersebut sehingga peluang mengalami kondisi bermasalah semakin rendah dengan besarnya kepercayaan naabah terhadap bank. Aset bank yang semakin besar akan berpengaruh negatif terhadap kondisi bermasalah pada bank, sehingga dapat diajukan hipotesis sebagai berikut :

H7: Total aset berpengaruh negatif terhadap prediksi kondisi bermasalah

pada lembaga perbankan.

H8: CAR, NPL, NIM, ROA, BOPO, LDR, dan Total aset berpengaruh

secara simultan terhadap prediksi kondisi bermasalah pada lembaga perbankan

(53)

BAB III

METODE PENELITIAN

3.1 Desain Penelitian

Menurut Erlina (2007:62) “Desain penelitian merupakan suatu rancangan dan struktur penelitian yang dibuat sedemikian rupa agar memperoleh jawaban atas pertanyaan penelitian”. Penelitian ini bertujuan untuk menguji pengaruh Rasio CAMEL dan Total aset terhadap prediksi kondisi bermasalah pada lembaga perbankan yang terdaftar di BEI dengan rancangan desain penelitian berikut : a. Penelitian ini merupakan penelitian kuantitatif dengan data berbentuk rasio

yang menghasilkan data riil berupa angka dan dapat diukur dengan pasti.

b. Penelitian ini merupakan penelitian asosiatif dengan hubungan kausal, yaitu penelitian yang bertujuan menganalisis hubungan sebab akibat antara variabel independen dengan variabel dependen

c. Metode pengumpulan data berupa studi pengamatan

3.2 Tempat dan Waktu penelitian 3.2.1 Tempat Penelitian

Penelitian ini dilakukan di Bursa Efek Indonesia melalui media

internet dengan situs

3.2.2 Waktu Penelitian

(54)

Tabel 3.1 Waktu Penelitian

No Tahapan Penelitian

Nov Des Jan Feb Mar

2014 2014 2015 2015 2015 1 Pengajuan Judul

2 Proses Bimbingan Proposal Skripsi

3 Pengumpulan Data

4 Rencana Seminar Proposal Skripsi

5 Penyusunan Skripsi & Bimbingan Skripsi

6 Rencana Sidang Meja Hijau

3.3 Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini merupakan data kuantitatif yaitu data yang diukur dalam suatu skala secara numerik. Data yang digunakan merupakan data sekunder, yaitu data primer yang telah diolah lebih lanjut, misalnya dalam bentuk tabel, grafik, diagram, gambar, dan sebagainya sehingga lebih informatif jika digunakan oleh pihak lain Umar (2008 : 60). Data sekunder dalam penelitian ini diperoleh dari website Bursa Efek Indonesia berupa laporan keuangan tahunan perusahaan perbankan yang terdaftar di BEI selama tahun 2009 sampai tahun 2013.

Menurut waktu pengumpulannya, data yang digunakan dalam penelitian ini adalah pooling data. Menurut Jogiyanto (2004:54) “Panel data atau pooling data adalah gabungan dari data yang melibatkan satu waktu tertentu (cross sectional) dan data yang melibatkan urutan waktu (time series)”.

(55)

3.4 Populasi dan Sampel

3.4.1 Populasi

Populasi dari penelitian ini adalah Perusahaan Perbankan Umum yang terdaftar atau listing di BEI selama periode 2009-2013. Memilih perusahaan perbankan umum di Indonesia karena perbankanlah yang sebenarnya menjaga perekonomian suatu negara dan sebagai tulang punggung perekonomian negara, untuk itu perlu senantiasa untuk dianalisis (Qurriyani, 2011 melalui Bestari, 2013).

3.4.2 Sampel

Dalam penelitian ini menggunakan purposive sampling, karena informasi yang dibutuhkan dapat diperoleh dari satu kelompok tertentu yang mampu memberikan informasi dan memenuhi kriteria penelitian. Kriteria pemilihan sampel yang akan diteliti sebagai berikut :

1. Perusahaan perbankan umum yang terdaftar atau listing di Bursa Efek Indonesia selama periode 2009 – 2013.

2. Perusahan perbankan umum yang memiliki laporan keuangan lengkap sudah di audit dan tersedianya rasio-rasio keuangan yang mendukung penelitian.

3. Bank yang dijadikan sampel terbagi menjadi dua kategori yaitu: a) Bank tidak bermasalah, yaitu:

(56)

42 - Bank-bank tersebut tidak mengalami kerugian dan tidak masuk

dalam program penyehatan bank seta tidak dalam pengawasan khusus pada tahun 2009 – 2013.

- Bank-bank yang beroperasi sampai tanggal 31 Desember 2013 b) Bank bermasalah, yaitu:

- Bank-bank yang menderita kerugian minimal dua tahun berturut-turut pada tahun 2009 – 2013.

- Bank-bank yang dinyatakan bangkrut atau telah ditutup oleh Bank Indonesia pada tahun 2013.

- Bank-bank yang mengalami kerugian lebih dari 75% modal disetor (KUHD pasal 47 ayat 2).

Dari kriteria tersebut, maka sampel dalam penelitian ini 19 data perusahaan perbankan dengan total sampel penelitian berjumlah 150 (30x5). Bank yang mengalami kondisi bermasalah yaitu sebanyak 3 bank sedangkan kriteria bank yang tidak mengalami kondisi bermasalah sebanyak 27 bank yang terdapat dalam tabel 3.2 sebagai berikut:

Tabel 3.2

Perusahaan yang Menjadi Sampel Penelitian

No. Nama Bank Kode

Kriteria Penentuan

Sampel Sampel 1 2 3

1 Bank Rakyat Indonesia Agro Niaga AGRO √ √ √ 1

2 Bank ICB Bumi Putra BABP √ √ √ 2

3 Bank Capital Indonesia BACA √ √ √ 3

4 Bank Ekonomi Raharja BAEK √ √ √ 4

5 Bank Central Asia BBCA √ √ √ 5

6 Bank Bukopin BBKP √ √ √ 6

(57)

43 (sambungan)

No. Nama Bank Kode

Kriteria Penentuan

Sampel Sampel 1 2 3

8 Bank Negara Indonesia (Persero) Tbk BBNI √ √ √ 8

9 Bank Nusantara Parahyangan Tbk BBNP √ √ √ 9

10 Bank Rakyat Indonesia (Persero) Tbk BBRI √ √ √ 10

11 Bank Tabungan Negara (Persero) Tbk BBTN √ √ √ 11

12 Bank Mutiara Tbk BCIC √ √ √ 12

13 Bank Danamon Indonesia Tbk BDMN √ √ √ 13

14 Bank Pundi Indonesia Tbk BEKS √ √ √ 14

15 Bank Ina Perdana Tbk BINA √ √ √ 15

16 Bank Jabar Banten Tbk BJBR - √ √

17 Bank Pembangunan Daerah Jatim Tbk BJTM - - √

18 Bank Kesawan Tbk BKSW √ √ √ 16

19 Bank Maspion Indonesia Tbk BMAS √ - √

20 Bank Mandiri (Persero) Tbk BMRI √ √ √ 17

21 Bank Bumi Arta Tbk BNBA √ √ √ 18

22 Bank CIMB Niaga Tbk BNGA √ √ √ 19

23 Bank Internasional Indonesia Tbk BNII √ √ √ 20

24 Bank Permata Tbk BNLI √ √ √ 21

25 Bank Sinar Mas Tbk BSIM √ - √

26 Bank Swadesi /Bank Of India Indonesia Tbk

BSWD

√ √ √ 22

27 Bank Tabungan Pensiunan Tbk BTPN √ √ √ 23

28 Bank Victoria Tbk BVIC √ √ √ 24

29 Bank Dinar Indonesia Tbk DNAR - - √

30 Bank Artha Graha International Tbk INPC √ √ √ 25

31 Bank Mayapada International Tbk MAYA √ √ √ 26

32 Bank Windu Tbk MCOR √ √ √ 27

33 Bank Mega Tbk MEGA √ √ √ 28

34 Bank Mitraniaga Tbk NAGA - √ √

35 Bank NISP OCBC Tbk NISP √ √ √ 29

36 Bank Nationalnobu Tbk NOBU √ √ √ 30

37 Bank Pan Indonesia Tbk BNPN - √ √

38 Bank Pan Indonesia Syariah Tbk PNBS - - √

39 Bank Himpunan Saudara Tbk SDRA - - √

(58)

3.5 Metode Pengumpulan Data

Untuk mendapatkan data sekunder, teknik yang digunakan peneliti adalah studi dokumentasi, yaitu dengan mengumpulkan data sekunder berupa catatan-catatan, laporan keuangan, buku, jurnal maupun informasi lainnya yang berkaitan dengan penelitian ini. Data penelitian ini diperoleh melalui pustaka dan media internet dengan cara mendownload laporan keuangan setiap perusahaan sampel setiap periode penelitian (2009, 2010, 2011, 2012 dan 2013) melalui website

Bursa Efek Indonesia

3. 6 Defenisi Operasional Variabel dan Pengukuran Variabel

Menurut Jogiyanto (2004:62), “Definisi operasional menjelaskan karakteristik dari objek ke dalam elemen-elemen yang dapat diobservasi yang menyebabkan konsep dapat diukur dan dioperasionalisasikan dalam riset.” Variabel bebas (independent variable) adalah variabel yang mempengaruhi variabel lainnya. Variabel terikat (dependent variable) adalah variabel yang dipengaruhi oleh variabel lainnya

3.6.1 Variabel Dependen

Variabel dependen yang digunakan dalam penelitian ini adalah prediksi kondisi bermasalah pada lembaga perbankan. Suatu bank dikatakan mengalami kondisi bermasalah yaitu apabila laba bersih bank (net income)

negatif selama minimal 2 tahun berturut-turut atau mengalami kebangkrutan (Almalia dan Kristijadi, 2003). Variabel dependen yang digunakan merupakan variabel kategori (dikotomi variabel), 0 untuk perusahaan

(59)

45 perbankan yang tidak mengalami kondisi bermasalah dan 1 untuk perusahaan yang mengalami kondisi bermasalah.

3.6.2 Variabel Independen

Variabel independen atau variabel bebas dalam penelitian ini meliputi CAR (Capital Adequacy Ratio), NPL (Non Performing Loan), NIM (Net Interest Margin), ROA (Return On Asset), BOPO (Beban Opersional Terhadap Pendapatan Operasional), LDR (Loan to Deposite Ratio), dan

Total aset atau Ukuran bank. Untuk masing-masing variabel independen pengukuran yang digunakan adalah:

1. CAR (Capital Adequacy Ratio)

CAR adalah rasio kewajiban kecukupan modal yang harus dimiliki bank (Riyadi 2006). Merupakan indikator terhadap kemampuan bank untuk menutupi penurunan aktiva sebagai akibat kerugian bank yang disebabkan aktiva beresiko (Dendawijaya, 2003). Besarnya nilai CAR (Capital Adequacy Ratio) suatu bank dapat dihitung dengan rumus (SE BI Nomor7/10/DPNP tanggal 31 Maret 2005) :

CAR = ��

�� x 100% 2. NPL (Non Performing Loan)

NPL adalah rasio yang menggambarkan kemampuan manajemen bank dalam mengelola kredit bermasalah yang telah disalurkan oleh bank. Menurut Mulyaningrum (2008) penilaian kualitas asset merupakan penilaian terhadap kondisi aset Bank dan kecukupan manajemen risiko

(1)

81 BOPO (Beban Operasioanal Pendapatan Operasional) Tahun 2009 – 2013

BOPO

NO KODE 2009 2010 2011 2012 2013

1 AGRO 97.98 95.97 91.65 86.54 85.88

2 BABP 98.84 94.6 114.63 99.68 107.77

3 BACA 86.03 91.75 92.82 86.85 86.38

4 BAEK 77.79 76.32 81.00 90.02 94.13

5 BBCA 43.59 47.12 45.37 46.56 43.38

6 BBKP 86.93 84.98 82.05 81.42 82.73

7 BBMD 61.76 66.66 62.62 54.62 54.13

8 BBNI 84.9 76 72.6 71 67.1

9 BBNP 89.5 85.17 85.77 85.18 86.25

10 BBRI 77.66 70.86 66.69 59.93 60.58

11 BBTN 88.29 82.39 81.75 80.74 82.19

12 BCIC 92.66 81.75 87.22 92.96 173.8

13 BDMN 85.8 81.1 79.3 75 82.9

14 BEKS 150.9 157.5 118.69 97.77 99.65

15 BINA 82.54 93.88 99.22 91.43 95

16 BKSW 96.46 95.57 95.26 111.53 100.82

17 BMRI 70.72 66.43 67.22 63.93 62.41

18 BNBA 81.92 85.15 86.68 78.75 82.33

19 BNGA 82.98 76.8 76.1 71.7 73.79

20 BNII 100.77 92.26 92.75 87.65 84.69

21 BNLI 89.2 84.8 85.42 83.13 84.99

22 BSWD 74.57 73.35 67.51 72.31 69.09

23 BTPN 84.06 88.21 62.8 60.85 61.36

24 BVIC 92.05 88.21 78.33 78.82 81.55

25 INPC 96.24 91.75 92.43 93.03 85.27

26 MAYA 93.82 90.17 83.38 80.19 78.58

27 MCOR 91.81 91.21 92.97 81.74 84.89

28 MEGA 85.91 77.79 81.84 76.73 89.76

(2)

82 LDR (Loan to Deposite Rasio) Tahun 2009 – 2013

LDR

NO KODE 2009 2010 2011 2012 2013

1 AGRO 80.99 85.68 65.79 82.48 87.11

2 BABP 89.64 84.96 84.93 79.48 80.14

3 BACA 49.65 50.6 44.24 59.06 63.35

4 BAEK 45.54 62.51 70.06 81.82 83.07

5 BBCA 50.3 55.2 61.7 68.6 75.4

6 BBKP 75.99 71.85 85.01 83.81 85.8

7 BBMD 92.26 84.75 82.87 95.7 102.35

8 BBNI 64.1 70.2 70.4 77.5 85.3

9 BBNP 73.64 80.41 85.02 84.94 84.44

10 BBRI 80.88 75.17 76.2 79.85 88.54

11 BBTN 101.29 108.42 102.56 100.9 104.42

12 BCIC 81.66 70.86 83.9 82.81 96.31

13 BDMN 88.8 93.8 98.3 100.7 95.1

14 BEKS 79.21 52.83 66.78 83.68 88.46

15 BINA 81.33 73.74 87.92 81.6 87.17

16 BKSW 66.97 71.65 75.48 87.37 113.3

17 BMRI 59.15 65.44 71.65 77.66 82.97

18 BNBA 50.53 54.18 67.53 77.95 85.96

19 BNGA 95.11 88.04 94.41 95.04 94.49

20 BNII 82.93 89.03 95.07 92.97 93.24

21 BNLI 90.6 87.5 83.06 89.52 89.26

22 BSWD 8.11 87.36 85.71 93.21 93.76

23 BTPN 84.92 91 85 86 88

24 BVIC 50.43 40.22 63.62 67.59 74.73

25 INPC 84.04 76.13 82.21 87.42 88.87

26 MAYA 83.77 78.38 82.1 80.58 85.61

27 MCOR 84.89 81.29 79.30 80.22 82.73

28 MEGA 56.82 56.03 63.75 52.39 56.82

29 NISP 73.26 80 87.04 86.79 92.49

(3)

83 Total Aset = LN (Total Aset) Tahun 2009 – 2013

TOTAL ASET

NO KODE 2009 2010 2011 2012 2013

1 AGRO 28.72351 28.747504 28.87839 29.0273 29.26497 2 BABP 29.57804 29.790652 29.61636 29.63706 29.73098 3 BACA 28.87205 29.11249 29.17751 29.36554 29.59663 4 BAEK 30.70334 30.697817 30.81319 30.86439 30.98966 5 BBCA 33.27432 33.088131 33.5762 33.72458 33.83821 6 BBKP 31.2466 31.491519 31.67728 31.81597 31.87174 7 BBMD 29.31528 29.421055 29.53732 29.62828 29.69934 8 BBNI 33.05816 33.14679 33.33166 33.44008 33.58855 9 BBNP 28.99106 29.295116 29.513 29.73664 29.93218 10 BBRI 33.38976 33.633144 33.78354 33.94337 34.07066 11 BBTN 31.69916 31.856189 32.12102 32.34728 32.50752 12 BCIC 29.65007 30.009074 30.20571 30.35495 30.3104 13 BDMN 32.22207 32.405022 32.5889 32.67954 32.84724 14 BEKS 27.9856 28.076746 29.42162 29.67002 29.82859 15 BINA 27.46421 27.57845 27.99895 28.04459 27.96904 16 BKSW 28.48449 28.582646 28.91024 29.16674 30.03324 17 BMRI 33.60859 33.739768 33.94437 34.08562 34.2283 18 BNBA 29.02867 28.879064 28.71727 28.6063 28.50817 19 BNGA 32.30482 32.598421 32.74782 32.91632 33.01948 20 BNII 31.74133 31.950247 32.18405 32.38265 32.57656 21 BNLI 31.65655 31.932562 32.24934 32.5123 32.74201 22 BSWD 28.0611 28.082308 28.36359 28.56348 28.91233 23 BTPN 30.73436 31.172635 31.47372 31.71009 31.87472 24 BVIC 29.62695 29.963636 30.09934 30.29497 30.58444 25 INPC 30.36749 30.467939 30.58517 30.65431 30.68448 26 MAYA 29.6631 29.943783 30.19221 30.47398 30.80972 27 MCOR 28.66024 29.102222 29.49553 29.50209 29.70006 28 MEGA 31.31199 31.574485 31.75669 31.80877 31.82786 29 NISP 31.35485 31.545871 31.7226 32.00226 32.21113 30 NOBU 25.22976 26.533904 26.5339 27.82784 28.98615

(4)

84 Lampiran 3

OUPUT HASIL PENGUJIAN DATA SPSS REGRESI LOGISTIK

1. Uji Statistik Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

CAR 150 3,29 2529,42 38,0975 208,64991

NPL 150 ,00 18,39 2,0789 2,28992

NIM 150 ,76 16,64 5,8277 2,49963

ROA 150 -12,90 5,42 1,7786 2,16910

BOPO 150 43,38 173,80 83,6285 17,31321

LDR 150 8,11 113,30 78,6176 15,96038

TOTAL ASET 150 25,23 34,23 30,6878 1,87781

KONDISI 150 ,00 1,00 ,1067 ,30972

Valid N (listwise) 150

2. Analisis Regresi Logistik

2.1 Menilai Keseluruhan Model (Overall Model Fit) Block 0: Beginning Block

. Iteration Historya,b,c

Iteration -2 Log likelihood Coefficients Constant

Step 0 1 106,876 -1,573

2 101,977 -2,031

3 101,847 -2,122

4 101,847 -2,125

5 101,847 -2,125

a. Constant is included in the model. b. Initial -2 Log Likelihood: 101,847

c. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.

(5)

85 Block 1: Method = Enter

Iteration Historya,b,c,d

Iteration -2 Log

likelihood

Coefficients

Constant CAR NPL NIM ROA BOPO LDR TOTAL

ASET

Step 1 1 80,706 -5,048 ,000 ,184 -,119 ,160 ,036 ,007 -,002

2 58,094 -9,314 ,001 ,274 -,252 ,443 ,091 ,019 -,068

3 46,482 -17,217 ,002 ,338 -,414 ,937 ,192 ,035 -,156

4 41,855 -26,543 ,003 ,402 -,583 1,445 ,298 ,044 -,200

5 40,764 -33,383 ,003 ,425 -,705 1,800 ,375 ,046 -,214

6 40,613 -35,939 ,001 ,424 -,749 1,952 ,408 ,045 -,230

7 40,483 -34,143 -,013 ,396 -,736 1,954 ,412 ,044 -,289

8 40,477 -34,019 -,016 ,394 -,736 1,951 ,412 ,044 -,292

9 40,477 -34,009 -,016 ,394 -,736 1,950 ,412 ,044 -,292

10 40,477 -34,009 -,016 ,394 -,736 1,950 ,412 ,044 -,292

a. Method: Enter

b. Constant is included in the model. c. Initial -2 Log Likelihood: 101,847

d. Estimation terminated at iteration number 10 because parameter estimates changed by less than ,001.

2.2 Koefisien Determinasi

Model Summary

Step -2 Log likelihood Cox & Snell R

Square Nagelkerke R Square

1 40,477a ,336 ,681

a. Estimation terminated at iteration number 10 because parameter estimates changed by less than ,001.

2.3 Menguji Kelayakan Model Regresi

Omnibus Tests of Model Coefficients

Chi-square df Sig.

Step 1 Step 61,370 7 ,000

Block 61,370 7 ,000

(6)

86 2.4 Uji Multikolinieritas

Coefficientsa

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

Collinearity Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) -,762 ,571 -1,334 ,184

CAR ,000 ,000 ,071 ,933 ,352 ,805 1,242

NPL ,046 ,010 ,340 4,476 ,000 ,807 1,239

NIM -,030 ,009 -,241 -3,200 ,002 ,820 1,219

ROA ,040 ,024 ,280 1,649 ,101 ,161 6,216

BOPO ,009 ,003 ,500 2,784 ,006 ,144 6,942

LDR ,002 ,001 ,092 1,230 ,221 ,831 1,203

TOTAL

ASET -,001 ,014 -,003 -,041 ,968 ,672 1,488

a. Dependent Variable: KONDISI

2.5 Matriks Klasifikasi

Classification Tablea

Observed

Predicted

KONDISI Percentage

Correct

,00 1,00

Step 1 KONDISI ,00 131 3 97,8

1,00 6 10 62,5

Overall Percentage 94,0

a. The cut value is ,500

Analisis Pengaruh Rasio Camel Dan Total Aset Terhadap Prediksi Kondisi Bermasalah Pada Lembaga Perbankan Yang Terdaftar Di Bursa Efek Indonesia Periode 2009 – 2013

Parts

Dokumen yang terkait

Analisis Rasio Camel Terhadap Kinerja Perusahaan Perbankan Yang Terdaftar di Bursa Efek Indonesia (BEI) Periode 2008- 2011

Analisis Pengaruh Rasio Camel Terhadap Harga Saham Pada Perusahaan Perbankan Yang Terdaftar Di Bursa Efek Indonesia

Pengaruh Rasio Camel Terhadap Kinerja Keuangan Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2008 – 2010

Pengaruh Rasio Camel Terhadap Kinerja Keuangan Perbankan Yang Terdaftar Di Bursa Efek Indonesia (BEI) Periode 2008 -2010

ANALISIS PENGARUH RASIO CAMEL TERHADAP KINERJA KEUANGAN PERUSAHAAN PERBANKAN YANG TERDAFTAR DI BURSA EFEK INDONESIA.

Analisis Rasio Camel Terhadap Prediksi Kondisi Bermasalah Pada Lembaga Perbankan Perioda 2000 – 2002

BAB II TINJAUAN PUSTAKA 2. 1 Kondisi Bermasalah atau Financial Distress dan Kebangkrutan 2.1.1 Kondisi Bermasalah atau Financial Distress - Analisis Pengaruh Rasio Camel Dan Total Aset Terhadap Prediksi Kondisi Bermasalah Pada Lembaga Perbankan Yang Terda

BAB I PENDAHULUAN 1.1 Latar Belakang - Analisis Pengaruh Rasio Camel Dan Total Aset Terhadap Prediksi Kondisi Bermasalah Pada Lembaga Perbankan Yang Terdaftar Di Bursa Efek Indonesia Periode 2009 – 2013

SKRIPSI ANALISIS PENGARUH RASIO CAMEL DAN TOTAL ASET TERHADAP PREDIKSI KONDISI BERMASALAH PADA LEMBAGA PERBANKAN YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE 2009 – 2013

Pengaruh Rasio Camel Terhadap Kinerja Keuangan Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2008 – 2010

Dukungan

Links

Analisis Pengaruh Rasio Camel Dan Total Aset Terhadap Prediksi Kondisi Bermasalah Pada Lembaga Perbankan Yang Terdaftar Di Bursa Efek Indonesia Periode 2009 – 2013

Parts

Dokumen yang terkait

Analisis Rasio Camel Terhadap Kinerja Perusahaan Perbankan Yang Terdaftar di Bursa Efek Indonesia (BEI) Periode 2008- 2011

Analisis Pengaruh Rasio Camel Terhadap Harga Saham Pada Perusahaan Perbankan Yang Terdaftar Di Bursa Efek Indonesia

Pengaruh Rasio Camel Terhadap Kinerja Keuangan Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2008 – 2010

Pengaruh Rasio Camel Terhadap Kinerja Keuangan Perbankan Yang Terdaftar Di Bursa Efek Indonesia (BEI) Periode 2008 -2010

ANALISIS PENGARUH RASIO CAMEL TERHADAP KINERJA KEUANGAN PERUSAHAAN PERBANKAN YANG TERDAFTAR DI BURSA EFEK INDONESIA.

Analisis Rasio Camel Terhadap Prediksi Kondisi Bermasalah Pada Lembaga Perbankan Perioda 2000 – 2002

BAB II TINJAUAN PUSTAKA 2. 1 Kondisi Bermasalah atau Financial Distress dan Kebangkrutan 2.1.1 Kondisi Bermasalah atau Financial Distress - Analisis Pengaruh Rasio Camel Dan Total Aset Terhadap Prediksi Kondisi Bermasalah Pada Lembaga Perbankan Yang Terda

BAB I PENDAHULUAN 1.1 Latar Belakang - Analisis Pengaruh Rasio Camel Dan Total Aset Terhadap Prediksi Kondisi Bermasalah Pada Lembaga Perbankan Yang Terdaftar Di Bursa Efek Indonesia Periode 2009 – 2013

SKRIPSI ANALISIS PENGARUH RASIO CAMEL DAN TOTAL ASET TERHADAP PREDIKSI KONDISI BERMASALAH PADA LEMBAGA PERBANKAN YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE 2009 – 2013

Pengaruh Rasio Camel Terhadap Kinerja Keuangan Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2008 – 2010

Dokumen yang Anda mencari sudah siap untuk unduhkan