BAB V - Model Prediksi Financial Distress Untuk Memprediksi Potensi Kebangkrutan Pada Industri Perbankan
BAB V
KESIMPULAN DAN SARAN
V.1. Kesimpulan
Berdasarkan hasil analisis data dan pembahasan yang telah diuraikan pada
bab IV, dapat ditarik kesimpulan penelitian sebagai berikut:
1.
Hipotesis penelitian yang menyatakan bahwa variabel SIZE, TLTA,
WCTA, CLCA, NITA, FUTL, INTWO, OENEG, dan CHIN pada model
Ohlson (Y-score) dapat digunakan sebagai prediktor kondisi financial
distress pada industri perbankan ditolak karena dari sembilan variabel
tersebut yaitu, hanya tiga variabel yang dapat digunakan sebagai prediktor
kondisi financial distress pada bank. SIZE dan TLTA merupakan prediktor
dalam model prediksi untuk tahun 2012 (dua tahun sebelum kondisi
financial distress), sedangkan SIZE dan WCTA merupakan prediktor
dalam model prediksi tahun 2013 (satu tahun sebelum kondisi financial
distress).
2.
Hipotesis penelitian yang menyatakan bahwa tingkat ketepatan prediksi
menggunakan model regresi logistik yang terbentuk lebih dari 80% untuk
model satu tahun dan dua tahun prediksi diterima karena dari hasil analisis
regresi logistik didapatkan hasil bahwa ketepatan model prediksi tahun
2012 (dua tahun sebelum kondisi financial distress) yaitu 88,9%.
Sedangkan tingkat ketepatan model prediksi tahun 2013 (satu tahun
sebelum kondisi financial distress) adalah 91,7%. Tingkat ketepatan kedua
model regresi logistik tersebut lebih besar dari 80%.
V-79
V-80
5.2 Saran
Berdasarkan kesimpulan diatas serta keterbatasan yang ada pada penelitian ini
maka berikut ini adalah saran-saran yang dapat penulis berikan:
1.
Bagi Perusahaan Perbankan
Hendaknya perusahaan perbankan fokus pada rasio yang peneliti gunakan
yaitu SIZE (ukuran perusahaan), TLTA (total liabilities to total asset), dan
WCTA (net working capital to total aset) karena dari hasil penelitian,
variabel tersebut memiliki pengaruh terhadap kondisi financial distress.
Penulis menyarankan agar pengelolaan aset bank dioptimalkan sehingga
perusahaan mampu mengatasi ketidakpastian kondisi makro ekonomi.
Selain itu dengan pengelolaan aset secara tepat, penulis berharap
manajemen perusahaan perbankan dapat menurunkan risiko akibat
ketidakmampuan pemenuhan hak-hak nasabah dan kreditur, maupun
mengefektifkan penggunaan modal kerja setelah hak-hak tersebut
dipenuhi.
2. Bagi Masyarakat pengguna Jasa Bank
Penulis berharap masyarakat dapat memanfaatkan hasil prediksi financial
distress yang penulis buat sebagai early warning system agar lebih bijak
dan waspada dalam menempatkan dananya. Meskipun pada kenyataannya,
masih banyak faktor-faktor lain yang dapat digunakan sebagai bahan
pertimbangan untuk menempatkan dana pada bank.
3. Bagi Investor
Penulis harapkan investor lebih banyak melakukan pertimbangan maupun
melakukan analisis potensi kebangkrutan sebelum mengambil keputusan
untuk melakukan investasi pada perusahaan perbankan.
4. Bagi Peneliti Selanjutnya
Penulis berharap, peneliti selanjutnya menggunakan lebih banyak variabelvariabel makro ekonomi, maupun rasio-rasio keuangan bank lainnya untuk
mendeteksi potensi kebangkrutan. Atau dengan mengurangi jangka waktu
penelitian menjadi prediksi 1 tahun sebelum kondisi financial distress dan
prediksi 6 bulan sebelum kondisi financial distress.
KESIMPULAN DAN SARAN
V.1. Kesimpulan
Berdasarkan hasil analisis data dan pembahasan yang telah diuraikan pada
bab IV, dapat ditarik kesimpulan penelitian sebagai berikut:
1.
Hipotesis penelitian yang menyatakan bahwa variabel SIZE, TLTA,
WCTA, CLCA, NITA, FUTL, INTWO, OENEG, dan CHIN pada model
Ohlson (Y-score) dapat digunakan sebagai prediktor kondisi financial
distress pada industri perbankan ditolak karena dari sembilan variabel
tersebut yaitu, hanya tiga variabel yang dapat digunakan sebagai prediktor
kondisi financial distress pada bank. SIZE dan TLTA merupakan prediktor
dalam model prediksi untuk tahun 2012 (dua tahun sebelum kondisi
financial distress), sedangkan SIZE dan WCTA merupakan prediktor
dalam model prediksi tahun 2013 (satu tahun sebelum kondisi financial
distress).
2.
Hipotesis penelitian yang menyatakan bahwa tingkat ketepatan prediksi
menggunakan model regresi logistik yang terbentuk lebih dari 80% untuk
model satu tahun dan dua tahun prediksi diterima karena dari hasil analisis
regresi logistik didapatkan hasil bahwa ketepatan model prediksi tahun
2012 (dua tahun sebelum kondisi financial distress) yaitu 88,9%.
Sedangkan tingkat ketepatan model prediksi tahun 2013 (satu tahun
sebelum kondisi financial distress) adalah 91,7%. Tingkat ketepatan kedua
model regresi logistik tersebut lebih besar dari 80%.
V-79
V-80
5.2 Saran
Berdasarkan kesimpulan diatas serta keterbatasan yang ada pada penelitian ini
maka berikut ini adalah saran-saran yang dapat penulis berikan:
1.
Bagi Perusahaan Perbankan
Hendaknya perusahaan perbankan fokus pada rasio yang peneliti gunakan
yaitu SIZE (ukuran perusahaan), TLTA (total liabilities to total asset), dan
WCTA (net working capital to total aset) karena dari hasil penelitian,
variabel tersebut memiliki pengaruh terhadap kondisi financial distress.
Penulis menyarankan agar pengelolaan aset bank dioptimalkan sehingga
perusahaan mampu mengatasi ketidakpastian kondisi makro ekonomi.
Selain itu dengan pengelolaan aset secara tepat, penulis berharap
manajemen perusahaan perbankan dapat menurunkan risiko akibat
ketidakmampuan pemenuhan hak-hak nasabah dan kreditur, maupun
mengefektifkan penggunaan modal kerja setelah hak-hak tersebut
dipenuhi.
2. Bagi Masyarakat pengguna Jasa Bank
Penulis berharap masyarakat dapat memanfaatkan hasil prediksi financial
distress yang penulis buat sebagai early warning system agar lebih bijak
dan waspada dalam menempatkan dananya. Meskipun pada kenyataannya,
masih banyak faktor-faktor lain yang dapat digunakan sebagai bahan
pertimbangan untuk menempatkan dana pada bank.
3. Bagi Investor
Penulis harapkan investor lebih banyak melakukan pertimbangan maupun
melakukan analisis potensi kebangkrutan sebelum mengambil keputusan
untuk melakukan investasi pada perusahaan perbankan.
4. Bagi Peneliti Selanjutnya
Penulis berharap, peneliti selanjutnya menggunakan lebih banyak variabelvariabel makro ekonomi, maupun rasio-rasio keuangan bank lainnya untuk
mendeteksi potensi kebangkrutan. Atau dengan mengurangi jangka waktu
penelitian menjadi prediksi 1 tahun sebelum kondisi financial distress dan
prediksi 6 bulan sebelum kondisi financial distress.