ANALISIS PENGARUH RASIO KEUANGAN TERHADAP PROBABILITAS KEBANGKRUTAN SEKTOR PERBANKAN PADA KELOMPOK LQ 45 DI BEI SEKARGITA AGUS

ANALISIS PENGARUH RASIO KEUANGAN TERHADAP PROBABILITAS KEBANGKRUTAN SEKTOR PERBANKAN PADA KELOMPOK LQ 45 DI BEI

SEKARGITA AGUS

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2013

PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa disertas berjudul Analisis Pengaruh Rasio Keuangan Terhadap Probabilitas Kebangkrutan Sektor Perbankan Pada Kelompok LQ 45 Di BEI adalah benar karya saya denganarahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Juli 2013 Sekargita Agus NIM H251110261

RINGKASAN SEKARGITA AGUS. Analisis Pengaruh Rasio Keuangan Terhadap Probabilitas Kebangkrutan Sektor Perbankan Pada Kelompok LQ 45 Di BEI. Dibimbing oleh ABDUL KOHAR IRWANTO dan TB. NUR AHMAD MAULANA. Bank merupakan suatu badan usaha yang bertindak sebagai lembaga perantara keuangan yaitu menempatkan dana yang dipercayakan masyarakat kepadanya, untuk disalurkan kembali dalam bentuk pinjaman kepada masyarakat dan dunia usaha pada umumnya dalam bentuk kredit. Melalui perbankan dana yang beredar dapat dioptimalkan untuk menunjang investasi yang pada akhirnya mendorong pertumbuhan ekonomi, peningkatan taraf hidup masyarakat dan pemerataan pembangunan.Oleh karena itu, kegiatan operasional perbankan harus diawasi dengan baik oleh para stakeholder. Tujuan dari penelitian ini adalah menganalisa probabilitas kebangkrutan dari sektor perbankan dan menganalisa hubungan antara informasi akuntansi berupa rasio keuangan (APB, BOPO, ROA, ROE, LDR, NPL, ATTM, CAR, dan NIM) terhadap probabilitas kebangkrutan dengan menggunakan KMV Merton. Obyek penelitian adalah bank yang konsisten masuk dalam LQ 45 periode 2009-2012 dan mengeluarkan obligasi. Data yang dipergunakan untuk penelitian ini merupakan data sekunder berupa data penel. Data panel (pooled data) merupakan gabungan data runtun waktu (time series) selama periode empat tahun yaitu 2009-2012 dengan data silang (cross section) dari empat perbankanpada kelompok LQ 45 di Bursa Efek Indonesia.Teknik analisis yang digunakan untuk menganalisa estimasi probabilitaskebangkrutan (PD) yaitu Model KMV Merton sedangkan untuk menganalisa pengaruh rasio keuangan terhadap PD digunakan analisis regresi berganda data panel. Pengolahan data pada penelitian ini menggunakan beberapa paket program statistik seperti Microsoft Exel 2010 dan Eviews 6.0. Dari hasil analisis probabilitas kegagalan bank model KMV merton memberikan indikasi bahwa PT Bank Rakyat Indonesia Tbk, PT Bank Mandiri Tbk, dan PT Danamon Indonesia Tbk mempunyai tingkat kegagalan bank yang rendah dengan peringkat tertinggi yaitu AAA, sehingga Bank-Bank tersebut layak untuk dijadikan tempat berinvestasi. Sedangkan , PT Bank Pembangunan Daerah Jawa Barat dan Banten Tbk (BJBR) mempunyai rangking B pada akhir periodenya, pada ranking ini menunjukan bahwa obligor rentan terhadap gagal bayar, namun tetap memiliki kemampuan untuk memenuhi kewajibannya. Sehingga BJBR tetap merupakan wadah investasi yang baik, namun para investor harus lebih berhati-hati kepada keadaan-keadaan yang mungkin merugikan obligor. Analisis regresi terhadap rasio keuangan mampu menjelaskan 88,44 persen dalam model persamaan PD. Berdasarkan analisis regresi yang dilakukan variabel-variabel independent dalam regresi yang memiliki pengaruh yang signifikan terhadap variabel dependen pada Bank yang terdaftar dalam LQ-45 adalah Biaya Operasional terhadap Pendapatan Operasional (BOPO) memiliki pengaruh yang positif terhadap PD dan Aset Tetap Terhadap Modal (ATTM) memiliki pengaruh negatif terhadap PD. Kata kunci:Eviews 6, model KMV Merton, probabilitas kebangkrutan, rasio keuangan, regresi berganda data panel..

SUMMARY SEKARGITA AGUS. Financial Ratios affect to Default Probability Analysis of The Banking Sectoring LQ 45 Group at BEI. Supervised by ABDULKOHAR IRWANTO and TB. NUR AHMAD MAULANA. Bank is an entity that acts as a financial intermediary that puts the public funds entrusted to him, to be distributed back to the community in the form of loans and the business world at large in the form of credit. Outstanding funds through banks can be optimized to support the investment, which in turn encourages economic growth, improving standards of living and equitable development. Therefore, the banking operations should be monitored closely by the stakeholders. The purpose of this study was to analyze the probability of bankruptcy of the banking sector and analyze the relationship between accounting information in the form of financial ratios (APB, ROA, ROA, ROE, LDR, NPL, ATTM, CAR, and NIM) to the probability of bankruptcy by using KMV Merton. The Object of study is consistent in bank LQ 45 period 2009-2012 and bond issue. The data used for this study is a secondary data penel. Panel data (pooled data) is a combination of time series data over a period of four years, from 2009 to 2012 with the data cross of the four Indonesian Bank. The analytical techniques used in the estimation of Merton KMV model the probability of default probability(PD) and multiple regression analysis of panel data in analyzing the impact of financial ratios to PD. Processing the data in this study will use several statistical program packages such as Microsoft Exel 2010 and Eviews 6.0. The research result showed that the probability of bank failure Merton KMV models give an indication of the low level of bank failures with the highest rating of AAA, so PT Bank Rakyat Indonesia Tbk, PT Bank Mandiri Tbk, and PT Danamon Indonesia Tbk, worth be a place to invest. Meanwhile, PT Bank Pembangunan DaerahJawa Baratdand Banten Tbk (BJBR) has ranked B at the end of the period, in this ranking indicates that the obligor vulnerable to default, but still have the ability to meet its obligations. So BJBR remains a good to be a place for investment, but investors should be cautious to circumstances that may harm the obligor. The regression analysis,of financial ratios can be explained 88.44 per cent in the PD equation model. Based on regression analysis performed independent variables in a regression that has a significant effect on the dependent variable is ROA has a positive influence on PD in a bank listed in LQ 45 and ATTM has a negative effect on PD in a bank listed in LQ 45. Keywords:Eviews 6,default probability, KMV Merton Model, the bank’s financial ratio.

© Hak Cipta Milik IPB, Tahun 2013 Hak Cipta Dilindungi Undang-Undang Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis ini dalam bentuk apa pun tanpa izin IPB

ANALISIS PENGARUH RASIO KEUANGAN TERHADAP PROBABILITAS KEBANGKRUTAN SEKTOR PERBANKAN PADA KELOMPOK LQ 45 DI BEI

SEKARGITA AGUS

Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Ilmu Manajemen

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2013

Penguji Luar Komisi pada Ujian Tesis : Prof. Dr. Ir. Wilson H. Limbong, MS.

Judul Tesis : Analisis Pengaruh Rasio Keuangan Terhadap Probabilitas Kebangkrutan Sektor Perbankan Pada Kelompok LQ 45 Di BEI. Nama : Sekargita Agus NIM : H251110261

Disetujui oleh Komisi Pembimbing

Dr Ir Abdul Kohar Irwanto, MSc Ketua

Ir Tb. Nur Ahmad Maulana, MBA, MSc. PhD Anggota

Diketahui oleh

Ketua Program Studi Ilmu Manajemen

Dekan Sekolah Pascasarjana

Dr Ir Abdul Kohar Irwanto, MSc

Dr Ir Dahrul Syah, MScAgr

Tanggal Ujian: 8 Juli 2013

Tanggal Lulus:

PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2012 ini ialah probabilitas kebangkrutan, dengan judul Analisis Pengaruh Rasio Keuangan Terhadap Probabilitas Kebangkrutan Sektor Perbankan Pada Kelompok LQ 45 Di Bursa Efek Indonesia. Penyusunan tesis ini merupakan salah satu syarat dalam menyelesaikan pendidikan di Program Ilmu Manajemen Sekolah Pascasarjana IPB. Ucapan terimakasih penulis sampaikan kepada sejumlah pihak yang telah berkontribusi secara langsung maupun tidak langsung dalam penyelesaian tugas akhir ini. Semoga Allah SWT membalas semua kebaikan pihak-pihak yang senantiasa membimbing, membantu dan mendoakan penulis dalam menyelesaikan penelitian dan penyusunan tesis ini. Amin. Perkenankanlah penulis untuk mengucapkan terima kasih kepada Bapak Dr Ir Abdul Kohar Irwanto MSc dan Bapak Ir. Tb. Nur Ahmad Maulana MBA MSc PhD selaku komisi pembimbing atas arahan, bimbingan, dan bantuan yang telah diberikan selama penyusunan tesis ini. Penulis juga mengucapkan terima kasih kepada ProfDr IrW. H Limbong MSselaku dosen penguji yang telah memberikan masukan bagi perbaikan tesis ini. Ungkapan terima kasih juga disampaikan kepada Ir Agus D Gozali MSc selaku ayah, Nia S Gozali selaku ibu, Kang Gumilang A Gozali STP, Teh Siti Nurjanah SPT, AdindaGina Citra Dewi SPT, dan Ghazi Abbad Gozaliserta seluruh keluarga, terimakasih banyak atas semua kasih sayang dan support baik moril maupun materiil yang telah diberikan, serta atas segala doa dan kasih sayangnya. Ucapan terima kasih juga penulis sampaikan kepada seluruh staf pengajar dan karyawan departemen Illmu Manajemen yang telah membantu penulis selama menempuh pendidikan di Sekolah Pascasarjana serta sahabat-sahabatku : Iswi, Azwar, Hageem, Tina, Weni (yang telah banyak membantu dan merelakan waktunya untuk berdiskusi bersama dalam menyelesaikan tesis ini), Mbak dewi, Mbak Happy, Mbak Utami, Teh Vonny, Teh Kori, Mbak Irma, Putri, Pak Amir, Pak Deden, Bu Murni, Bu Meiske, Mas Heru, Beni, Bang Alfian, Atul,Pak Arfan, Pak Paisal, Pak Gagan (Teman-teman angkatan 5 dan 5,5). Terimakasih atas kebaikan dan kebersamaannya selama kuliah di Ilmu Manajemen Sekolah Pascasarjana IPB. Semoga karya ilmiah ini bermanfaat. Bogor, Juli 2013

Sekargita Agus

DAFTAR ISI DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

1 PENDAHULUAN Latar Belakang Perumusan Masalah Manfaat Penelitian Ruang Lingkup Penelitian

1 1 3 5 6

2 TINJAUAN PUSTAKA Bank Risiko Risiko Kredit Kebangkrutan KMV Merton Model Peringkat Obligasi Analisis Rasio Keuangan Penelitian Terdahulu

6 6 7 8 9 10 12 12 14

3 METODE Kerangka Pemikiran Lokasi dan Waktu Penelitian Jenis dan Sumber Data Sampel Metode Pengolahan dan Analisis Data

15 15 17 17 18 18

4 HASIL DAN PEMBAHASAN Analisis Statistik Deskriptif Estimasi Probabilitas Default Hubungan Rasio Keuangan Terhadap Probabilitas Kebangkrutan Implikasi Manajerial

29 29 31 33 42

SIMPULAN DAN SARAN Kesimpulan Saran

43 43 44

DAFTAR PUSTAKA

44

RIWAYAT HIDUP

67

DAFTAR TABEL 1. Tingkat obligasi berdasarkan rentang tingkat kebangkrutan suatu perusahaan oleh moody dan standard and poor 2. Sampel penelitian 3. Statistik deskriptif dalam penelitian rasio keuangan bank 2009-2012 4. Nilai pasar perusahaan 5. Estimasi kemungkinan kebangkrutan dan perankingan 6. Hasil uji Chow 7. Hasil uji Hausmann 8. Ringkasan uji kriteria statistik Fixed effect dan Random Effect 9. Hasil uji heteroskedastisitas 10. Hasil uji multikolinearitas 11. Ringkasan uji signifikansi Model Probability of default. 12. Hasil analisis regresi 13. Analisis hubungan variabel rasio keuangan dalam menjelaskan probabilitas default. 14. Rata-rata ROA pertahun perbankan

13 30 30 33 34 35 35 35 36 36 36 37 39 40

DAFTAR GAMBAR 1. Kinerja bank umum 2. Rata-rata NPL sektor perbankan pada LQ 45 3. Historis jumlah bank umumdi Indonesia 4. Hubungan kebangkrutan terhadap risiko kredit 5. Ilustrasi model KMV Merton 6. Kerangka pemikiran penelitian 7. Alur pikir penelitian 8. Pengujian pemilihan model pada pengolahan data panel 9. Daerah uji Durbin Watson 10. Grafik pertumbuhan nilai aset bank 11. Grafik pemodelan KMV Merton 12. Kinerja BJBR 13. Komposisi penyaluran kredit BJBR

1 4 5 10 11 16 18 22 29 33 40 41 42

DAFTAR LAMPIRAN 1. Daftar istilah 2. Ringkasan penelitian terdahulu 3. Ringkasan penelitian terdahulu untuk penentuan hipotesis 4. Alur pikir penelitian 5. Perkembangan rasio keuangan perbankan 6. Data hasil KMV Merton 7. PD dan perankingan 8. Grafik pemodelan KMV Merton 9. Hasil regresi 10. Komposisi penyaluran kredit perbankan

47 49 51 52 53 56 60 62 64 65

1 PENDAHULUAN Latar Belakang Bank merupakan suatu badan usaha yang bertindak sebagai lembaga perantara keuangan yaitu menempatkan dana yang dipercayakan masyarakat kepadanya, untuk disalurkan kembali dalam bentuk pinjaman kepada masyarakat dan dunia usaha pada umumnya (Siamat 2005) dalam bentuk kredit. Melalui perbankan dana yang beredar dapat dioptimalkan untuk menunjang investasi yang pada akhirnya mendorong pertumbuhan ekonomi, peningkatan taraf hidup masyarakat dan pemerataan pembangunan. Menurut laporan pertanggungjawaban gubernur Bank Indonesia (2012), pemberian kredit perbankan untuk tujuan produktif dalam meningkatkan pertumbuhan perekonomian di Indonesia adalah sebesar 70,5 persen pada tahun 2012. Keterkaitan yang erat antara pertumbuhan perekonomian terhadap stabilitas perbankan, akan berdampak pada kesejahteraan masyarakat, memberikan konsekuensi bagi pemerintah untuk menjadi lembaga pengawas dan pelindung pada kegiatan perbankan. Salah satu peran pemerintah adalah turut membingkai kegiatan operasional perbankan dengan menetapkan berbagai kebijakan regulasi. Kebijakan regulasi ini berfungsi sebagai pelindung perbankan dalam menghadapi risiko yang dihadapi. Kesuksesan kebijakan regulasi ini dapat dilihat dari rasio rata–rata kecukupan modal (CAR) dimana adanya peningkatan modal dan aktiva tertimbang menurut risiko (ATMR) setiap tahunnya. Hal ini menandakan kinerja bank umum di Indonesia meningkat. Perkembangan ini dapat dilihat pada Gambar 1. ATMR dan Modal

CAR(%)

3000000

17,6

2500000

17,4

2000000

17,2

1500000

17

1000000

16,8

500000

16,6

ATMR MODAL CAR

0

16,4 2008

2009

2010

2011

2012

Gambar 1. Kinerja bank umum(Bank Indonesia2008-2012) Namun demikian, perbankan tetap mempunyai kemungkinan untuk bankrut. Dampak yang ditimbulkan dari kebangkrutan ini sangat luas bagi pihak-pihak yang berkepentingan terutama terhadap pihak-pihak yang menyimpan dananya atau menginvestasikan modalnya di bank, dan bahkan berdampak ikutan terhadap kegagalan bank lain dan pada gilirannya menyebabkan ketidakstabilan dalam ekonomi makro yang memerlukan biaya yang tinggi untuk perbaikannya. Inilah risiko yang berpengaruh terhadap kepentingan masyarakat dan perekonomian secara

2 menyeluruh. Oleh karenanya stabilitas sistem keuangan pada industri perbankan perlu dijaga dan diantisipasi dengan hati-hati. Menurut Undang-undang Republik Indonesia Nomor 37 tahun 2004 tentang Kepailitan dan Penundaan Kewajiban Pembayaran Utang bahwa kebangkrutan merupakan suatu keadaan dimana perusahaan debitur yang mempunyai satu atau lebih kreditur dan tidak dapat membayar sedikitnya satu utang yang telah jatuh tempo dan tidak dapat ditagih, dinyatakan pailit dengan putusan pengadilan yang berwenang, baik atas permohonan sendiri, maupun atas permintaan seorang atau lebih krediturnya. Menurut Konstituanto (2012) penyebab kebangkrutan dapat terjadi karena faktor eksternal dan faktor internal. Faktor eksternal disebabkan oleh kondisi ekonomi yang tidak menguntungkan. Faktor internal pada kebangkrutan sektor usaha terdiri dari faktor keuangan dan faktor non keuangan yang berasal dari dalam perusahaan itu sendiri. Faktor keuangan meliputi hutang yang terlalu banyak dan modal yang tidak memadai, hal ini karena sebagian besar dari total aset bank merupakan obligasi dan penempatan dana lainnya dari pihak ketiga (kewajiban jangka pendek) yang keduanya merupakan kewajiban yang harus segera dibayar oleh bank. Aset obligasi ini didistribusikan kepada debitur berupa kredit jangka panjang sedangkan dana yang ada umumnya digunakan untuk pendanaan jangka pendek. Adapun faktor non keuangan yang berpengaruh adalah faktor-faktor kualitas manajemen. Pihak-pihak yang berkepentingan perlu melakukan langkah-langkah kebijakan pengelolaan keuangan untuk menghindari kemungkinan kebangkrutan tersebut. Salah satu kebijakan antisipasi yang dilakukan adalah melalui peringatan dini Early Warning Systems (EWS). Bagi manajemen perbankan EWS akan memprediksi kemungkinan kebangkrutan yang nantinya diharapkan pihak manajemen dapat menentukan strategi yang diambil. Menurut Fachrudin (2008) terdapat tiga strategi alternatif yang dapat dilakukan perusahaan yang diprediksi akan mengalami kebangkrutan, yaitu memberhentikan usaha (likuidasi), meneruskan operasi dengan harapan dapat meraih kemampuan membayar, atau melakukan penggabungan usaha/merger. Selain pada pihak manajemen, EWS pun dimanfaatkan oleh para investor saham atau obligasi, EWS berguna dalam memutuskan tindakan untuk membeli atau menjual saham atau obligasi dengan melihat adanya kemungkinan bangkrut atau tidaknya perusahaan, sehingga kemungkinan kebangkrutan perusahaan dapat diantisipasi seawal mungkin. Investor memutuskan berinvestasi umumnya dengan melihat return perusahaan, namun sesungguhnya return tersebut mempunyai hubungan yang erat dengan risiko yang memungkinkan mengurangi tingkat return yang didapatkan. Hal ini sesuai dengan jargon “High Risk High Return”, yang berarti untuk mendapatkan keuntungan yang tinggi maka seorang investor harus menanggung risiko yang tinggi pula. Untuk itu, faktor risiko harus diperhatikan dalam menentukan keputusan berinvestasi. Untuk Pihak pemerintah EWS ini dapat digunakan untuk mengawasi jalannya usaha perusahaan, khususnya pada sektor-sektor yang berpengaruh erat dengan pertumbuhan perekonomian seperti perbankan yang berada di bawah pengawasan pemerintah. Pemerintah diharapkan sedini mungkin mengantisipasi kemungkinan kebangkrutan usaha tersebut melalui EWS guna melindungi tenaga kerja, sektor usaha dan masyarakat.

3 Salah satu model yang digunakan dalam menilai suatu risiko kebangkrutan adalah model struktural. Model struktural ini dikenal dengan contingent claim Approach (CCA) yang dipelopori oleh Black-Scholes (1973) dan Merton (1974) yang sekarang ini dikenal dengan Model Merton. Kemudian model ini dikembangkan oleh perusahaan KMV, yaitu perusahaan software dan konsultan di Amerika. Selanjutnya metode ini dikenal sebagai Metode KMV Merton. Metode KMV Merton ini mempunyai keunggulan yaitu dapat memprediksi kegagalan dalam bentuk persentase, metode ini pun dinilai lebih objektif karena menggunakan faktor kuantitatif berupa rasio keuangan (Rudiyanto 2012). Selain itu penelitian yang dilakukan Hadad, dkk (2004) tentang risiko kredit perusahaan publik di Indonesia dengan menggunakan pendekatan Model KMV Merton, menunjukkan hasil bahwa model Merton dapat digunakan dengan cukup baik sebagai sinyal awal risiko kredit dan potensi permasalahan kredit yang dihadapi perusahaan publik di Indonesia. Kinerja keuangan perusahaan dapat dinilai melalui rasio keuangan perusahaan. Dari rasio keuangan pihak-pihak yang berkepentingan dapat mengetahui apakah bank tersebut telah mencapai tingkat efisiensi yang baik dalam hal telah memanfaatkan, mengelola dan mencapai kinerja dengan menggunakan secara optimal dana-dana yang ada. Sehingga dengan melihat hubungan rasio keuangan dengan kemungkinan kebangkrutan, pihak yang berkepentingan dapat memutuskan langkah apa yang harus diambil dalam melihat kecendrungan kebangkrutan. Rasio keuangan yang sering dipakai untuk menentukan kinerja keuangan perbankan adalah Rasio Aktiva Produktif Bermasalah (APB), Rasio Biaya Operasional terhadap Pendapatan Operasional (BOPO), Rasio Non Performing Loan (NPL), Rasio Return On Asset (ROA), Rasio Return On Equity (ROE), Rasio Loan To Deposit ((LDR), Rasio Aktiva Tetap Terhadap Modal (ATTM), Rasio Capital Adequancy (CAR), dan Rasio Net Interest Margin (NIM). Walaupun penelitian kebangkrutan perusahaan telah banyak dilakukan, tampaknya penelitian lanjutan masih diperlukan sejalan dengan perkembangan perusahaan yang begitu cepat dan perubahan faktor eksternal. Atas dasar kejadiankejadian tersebut dirasa perlu dilakukan penelitian mengenai faktor-faktor yang mempengaruhi peluang terjadinya kebangkrutan bank di Indonesia. Hasil penelitian diharapkan dapat memberikan peringatan dini bagi para pihak pemangku kepentingan. Perumusan Masalah Para investor pada umumnya tertarik mengadakan transaksi pada perusahaan LQ 45 yaitu 45 perusahaan yang sahamnya paling likuid dan memiliki nilai kapitalisasi yang besar dan ditinjau setiap enam bulan sekali. Perbankan merupakan salah satu sektor di LQ 45 yang diminati oleh para investor karena regulasi pemerintah mengharuskan perusahaan-perusahaan perbankan menerapkan prinsip transparansi dan menjaga kinerja keuangan dengan baik. Sektor perbankan pada LQ 45 memiliki rata-rata kinerja yang meningkat setiap tahunnya. Hal ini dapat dilihat dari penurunan rata-rata nilai NPL yang ditampilkan pada Gambar 2. Selain itu Manurung (2007) berpendapat bahwa Indeks LQ 45 telah menggambarkan pasar saham secara keseluruhan, sehingga merupakan sampel yang baik untuk melakukan EWS.

4 1,2 1

NPL (%)

0,8 0,6 0,4 0,2 0 Q1

Q2

Q3

2009

Q4

Q1

Q2

Q3

2010

Q4

Q1

Q2

Q3

2011

Q4

Q1

Q2

Q3

Q4

2012

Gambar 2. Rata-rata NPL sektor perbankan pada LQ 45(data perbankan diolah) Dilain pihak data historis di Amerika Serikat (AS) pada tahun 2008 menunjukan bahwa perusahaan-perusahaan besar lebih rentan terhadap kebangkrutan dari pada perusahaan-perusahaan kecil dan menengah. Terutama yang disebabkan oleh faktor eksternal (Bank Indonesia 2009). Pada tahun 2008 perusahaanperusahaan besar di Amerika Serikat yang mengalami guncangan bahkan bangkrut diantaranya Lehman Brothers yang merupakan bank investasi besar di AS bangkrut pada september 2008, Perusahaan Bear Stears, salah satu dari lima bank investasi besar di AS mengalami kesulitan keuangan namun dapat diselamatkan dengan cara diakuisisi oleh JP Morgan Chase, Perusahaan American Internasional Group (AIG) yang merupakan perusahaan asuransi terbesar di AS juga mengalami kesulitan keuangan, dan Perusahaan Fannie Mae dan Freddie Mac diselamatkan dengan pemberian billout oleh pemerintah AS (Bank Indonesia 2009) sedangkan perbankan dan perusahaan perkreditan kecil dan menengah tetap bertahan. Perbankan di Indonesia pun tak luput dari kesulitan keuangan bahkan kebangkrutan hal ini dapat dilihat dari historis penurunan jumlah bank di Indonesia pada tahun 1997 dan 2008. Krisis ekonomi pada tahun 1997 mengakibatkan peningkatan kebangkrutan bank sebanyak 106 bank. Sehingga jumlah bank yang ada di Indonesia dari 240 bank menjadi 134 bank saja. Dan kejadian ini mengakibatkan pemerintah harus mengeluarkan dana sebesar Rp 655 triliun untuk program pemulihan perbankan di Indonesia (Bank Indonesia 2010). Begitu pula pada tahun 2008 telah terjadi penurunan jumlah perbankan sebesar enam persen yaitu sebanyak tujuh bank umum. Hal ini terjadi karena adanya krisis ekonomi sebagai dampak kepanikan di pasar keuangan pasca jatuhnya Lehman Brothers. Pada Oktober 2008, ada tiga bank besar BUMN yakni PT Bank Mandiri Tbk, Bank BNI Tbk, dan PT Bank Rakyat Indonesia Tbk meminta bantuan likuiditas dari pemerintah yaitu masing masing Rp 5 triliun (Bank Indonesia 2010). Penurunan jumlah perbankan dari tahun 2004 sampai dengan tahun 2012 dapat dilihat pada Gambar 3.

5

Jumlah Bank Umum Unit 140 130

134

131

130

131 124

120

121

122

110 2004 2005 2006

120 120

2007

2008

2009

2010

2011

2012

Gambar 3: Historis jumlah bank umum di Indonesia (Bank Indonesia2004-2012) Kebangkrutan suatu bank akan mengakibatkan pengeluaran biaya perbaikan yang tinggi, baik biaya langsung yang berupa fee pengacara, fee akuntan, fee pengadilan, waktu manajemen, tenaga professional lain untuk merestrukturisasi keuangannya yang kemudian dilaporkan kepada kreditur. bunga yang dibayar perusahaan untuk pinjaman selanjutnya dan beban administratif, serta biaya tidak langsung, seperti kehilangan kepercayaan konsumen, kehilangan pelanggan, kehilangan mitra kerja biasanya jauh lebih mahal. Kebijakan para regulator dan para manajer perbankan sering kali berupaya menurunkan bahkan meniadakan biaya kebangkrutan. Salah satu alat yang digunakan oleh lembaga pengawas federal di Amerika Serikat untuk mengatasi kebangkrutan adalah dengan Early Warning Systems (EWS). Dalam EWS ini para regulator dan para manajer berusaha untuk memprediksi masalah-masalah potensial dari kegiatan perbankan dengan melihat pengaruh faktor-faktor keuangan terhadap probabilitaas kebangkrutan. Berdasarkan permasalahan seperti yang dirumuskan pada latar belakang dan penjabaran tersebut, maka masalah penelitian dapat dirumuskan sebagai berikut : 1. Bagaimana probabilitas kebangkrutan pada sektor perbankan di LQ 45? 2. Bagaimana hubungan antara informasi akuntansi berupa rasio keuangan terhadap probabilitas kebangkrutan dengan menggunakan KMV Merton? 3. Apa yang harus dilakukan oleh pihak-pihak yang terkait dalam melihat kondisi kemungkinan kebangkrutan ini? Manfaat Penelitian Penelitian ini diharapkan akan dapat bermanfaat bagi pihak-pihak yang berkepentingan sehubungan dengan pengetahuan model kesulitan keuangan dan prediksi kebangkrutan. Pihak-pihak serta manfaatnya masing-masing dapat diuraikan sebagai berikut: a. Investor Model prediksi keuangan dapat menjadi peringatan awal adanya kesulitan keuangan, dibandingkan dengan hanya melihat terhadap perkembangan harga surat berharga yang berlaku. Model prediksi ini dapat membantu investor dalam mengambil sikap terhadap surat-surat berharga yang dikeluarkan oleh suatu perusahaan, sehingga mereka dapat memperhitungkan kemungkinan suatu

6 perusahaan mengalami kesulitan keuangan atau bahkan kegagalan dalam membayar bunga dan hutang pokoknya. b. Manajemen Kebangkrutan akan menyebabkan perusahaan harus mengeluarkan biaya yang cukup besar. Baik itu biaya untuk akuntan dan pengacara, ataupun biaya dalam rangka pengembalian stabilitas perekonomian suatu negara. Untuk menghindari biaya yang cukup besar tersebut maka indikatot kesulitan keuangan yang bisa menyebabkan kebangkrutan ini dapat di pakai untuk menjadi EWS bagi manajemen bank dalam mengevaluasi kinerja perbankan untuk menghindari kemungkinan terjadinya kebangkrutan. c. Pemerintah Sebagaimana telah dijabarkan, bahwa kebangkrutan bank berpotensi menyebabkan kerugian yang sangat luas karena adanya efek menghambat pertumbuhan perekonomian yang akan berdampak pada masyarakat banyak. Dalam hai ini, pemerintah mempunyai kewajiban untuk melindungi tenaga kerja, industri dan masyarakat. Begitu pula dapat mengetahui kondisi perbankan di Indonesia dan dapat melakukan tindakan yang tepat bagi bank-bank yang diangkap bermasalah. Hasil penelitian yang akan menemukan model kesulitan keuangan dan petunjuk kebangkrutan ini dapat membantu pemerintah dalam mengeluarkan peraturan untuk melindungi masyarakat dari kerugian dan kemungkinan mengganggu stabilitas ekonomi suatu negara. Ruang Lingkup Penelitian Penelitian ini dibatasi pada empat bank yang konsisten berada dalam LQ 45 selama periode 2009-2012 dan mengeluarkan obligasi, yang selanjutnya akan menentukan kemungkinan kebangkrutan bank-bank tersebut dengan menggunakan KMV Merton. Lalu akan dilihat pengaruh rasio keuangan terhadap kemungkinan kebangkrutan, sehingga akan terlihat apa saja yang mampu menentukan kemungkinan kebangkrutan pada bank yang terdaftar pada LQ 45. Dengan asumsi bahwa semua parameter yang signifikan untuk kesehatan suatu bank dapat dianalisa melalui data dari Bursa Efek Indonesia (BEI).

2 TINJAUAN PUSTAKA Bank Bank adalah suatu lembaga keuangan yang berfungsi sebagai perantara keuangan dari dua pihak, yakni pihak yang kelebihan dana dan pihak yang kekurangan dana. Karena demikian eratnya kaitan antara bank dan uang, maka bank disebut juga sebagai suatu lembaga yang berniaga uang. Menurut Siamat (2005) Bank menerima simpanan uang dari masyarakat dalam bentuk giro, deposito, dan tabungan. Kemudian uang tersebut dikembalikan lagi kepada masyarakat dalam bentuk kredit. Pengertian bank menurut undang – undang No. 7 Tahun 1992 tentang Perbankan sebagaimana telah diubah dengan Undang – Undang No.10 Tahun 1998, Kasmir (2008) “Bank adalah badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan, dan menyalurkannya kepada masyarakat dalam bentuk

7 kredit dan atau bentuk – bentuk lainnya, dalam rangka meningkatkan taraf hidup masyarakat banyak” Dari pengertian tersebut dapat di jelaskan bahwa jasa perbankan pada umumnya terbagi atas dua fungsi yaitu sebagai (i). penyedia mekanisme dan alat pembayaran yang efesien bagi nasabah, dan (ii) penerima tabungan dari nasabah dan meminjamkannya kepada pihak yang membutuhkan dana. Fungsi pertama merupakan peran penting dari bank dalam kehidupan ekonomi, dalam hal ini, bank menyediakan uang tunai, jasa tabungan, dan kartu kredit yang selanjutnya digunakan masyarakat untuk alat tukar perdagangan. Tanpa adanya penyediaan alat pembayaran yang efesien, maka barang hanya dapat diperdagangkan dengan cara barter yang memakan waktu. Peran ke duamenempatkan bank sebagai pendorong pembangunan dengan peningkatan arus dana untuk investasi dan pemanfaatan yang lebih produktif. Bila kedua peran ini berjalan dengan baik, ekonomi suatu negara akan meningkat. Menurut Kasmir (2008) Bank dapat dibedakan menjadi dua, yaitu: 1. Bank umum, yaitu bank yang melaksanakan kegiatan usaha secara konvensional dan atau berdasarkan prinsip sayriah yang dalam kegiatannya memberikan jasa dalam lalu lintas pembayaran. 2. Bank perkreditan Rakyat, bank yang melaksanakan usaha secara konvensional atau berdasarkan prinsip syariah yang dalam kegiatannya tidak memberikan jasa dalam lalu lintas pembayaran. Risiko Pengertian Risiko Menurut Siahaan (2009) Risiko dapat didefenisikan sebagai ketidakpastian akan terjadinya kerugian yang dapat menimbulkan beban ekonomi bagi masyarakat. Dimana tingkat ketidakpastiannya terukur secara kuantitatif dengan mengolah informasi (Djohanputro2008). Dan kejadian yang dapat menimbulkan dampak yang berlawanan dengan tujuan (Idroes 2008). Kountur (2008) mengemukakan tiga unsur penting dari sesuatu yang dianggap sebagai risiko yaitu: a) Merupakan kejadian b) Kejadian tersebut masih merupakan kemungkinan, jadi bisa terjadi dan bisa saja tidak terjadi. c) Jika sampai terjadi, akan menimbulkan kerugian. Jenis Risiko Kountur juga menjelaskan pembagian risiko dilihat dari beberapa sudut pandang , diantaranya: a. Risiko dari sudut pandang penyebab terjadinya risiko: i. Risiko keuangan yang disebabkan oleh faktor-faktor keuangan seperti harga, tingkat bunga dan mata uang asing. ii. Risiko operasional yang disebabkan oleh faktor non keuangan seperti manusia, teknologi dan alam. b. Risiko dari sudut pandang akibat yang ditimbulkan: i. Risiko murni adalah suatu kejadian berakibat hanya merugikan saja dan tidak memungkinkan adanya keuntungan. Misalnya risiko kebakaran.

8 ii.

Risiko spekulatif adalah risiko yang tidak saja memungkinkan terjadinya kerugian tetapi juga memungkinkan terjadinya keuntungan. c. Risiko dari sudut pandang aktivitas yang dapat menimbulkan risiko, banyaknya risiko dari sudut pandang ini sebanyak jumlah aktivitas yang ada. Misalnya, risiko dari aktivitas pemberian kredit oleh bank disebit risiko kredit. d. Risiko dari sudut pandang kejadian. Banyak risiko ini pun sebanyak jumlah kejadian yang ada. Misalnya risiko kebakaran adalah risiko akibat kejadian kebakaran. Pengelompokan risiko berdasarkan sudut pandang dinilai lebih baik dibandingkan dengan pengelompokan sudut pandang yang lainnya, hal ini disebabkan risiko lebih dapat dikelola dengan baik karena dengan menyatakan risiko berdasarkan kejadian kita baru dapat mengetahui caracara apa yang dapat dilakukan untuk mengelola risiko tersebut. Di lain pihak, Ali (2006) mengklasifikasikan risiko menjadi tiga yaitu a. Risiko Pasar adalah risiko kerugian pada posisi portfolio trading on and off balance sheet (neraca dan rekening administratif). Kerugian muncul sebagai akibat terjadinya perubahan pasar asset dan liabilitas bank tersebut. Sedangkan perubahan harga tersebut merupakan akibat terdapatnya perubahan faktor pasar yaitu tingkat suku bunga bank, nilai tukar mata uang, harga saham dan sekuritas serta harga komoditas. b. Risiko Kredit adalah risiko dari kemungkinan terjadinya kerugian bank akibat dari tidak dilunasinya kembali kredit yang diberikan bank kepada kreditur maupun counterparty lainnya. c. Risiko Operasional adalah risiko terjadinya kerugian bagi bank yang diakibatkan oleh ketidakcukupan atau kegagalan proses didalam manajemen bank, sumberdaya manusia dan sistem. Risiko Kredit Risiko kredit adalah risiko kerugian karena debitur tidak melunasi kembali pokok pinjaman (plus bunga) sesuai kesepakatan yang telah dibuat. Menurut Ali (2006) Risiko kredit adalah risiko kerugian yang mungkin diderita perusahaan, terkait dengan kemungkinan bahwa pada saat jatuh tempo, counterparty-nya gagal memenuhi kewajiban-kewajibannya. Pemodelan risiko kredit Pemodelan risiko kredit membantu untuk memperkirakan berapa banyak kredit yang beresiko untuk default atau berapa banyak perubahan dalam faktor risiko kredit. Hal ini memungkinkan manajer untuk mengetahui secara lebih efektif nilai risiko kredit yang mereka hadapi dan juga membantu perusahaan untuk menghitung berapa modal yang mereka butuhkan untuk disisishkan dalam rangka melindungi perusahaan terhadap risiko tersebut. Ada dua pendekatan utama memodelkan risiko kredit, yaitu a. Model Struktural (Structural Model) dan Model Tereduksi (Reduced Form Model). Model Struktural yaituperusahaan diasumsikan bangkrut ketika nilai aset perusahaan berada di bawah batas kritis tertentu pada saat jatuh tempo. Sehingga kebangkrutan dapat diprediksikan dengan memperhatikan pergerakan nilai aset perusahaan. Menurut Maruddani (2011) model Struktural diasumsikan pembuat model mempunyai himpunan informasi yang sama dengan manajer

9 perusahaan, yaitu informasi mengenai aset dan liabilitas. Konsep Model Struktural diawali adanya seminar paper Black and Scholes pada tahun 1973 mengenai pemodelan Opsi (Black & Scholes 1973) yang dikembangkan oleh Merton pada tahun 1974 yang membuat model risiko kebangkrutan suatu perusahaan dengan menggunakan modifikasi Black-Scholes Models (Merton 1974). Sehingga structural model juga lebih dikenal dengan metode BlackScholes-Merton Models (BSM) yang selanjutnya disebut dengan Model Merton. b. Reduced Form Models tidak mencoba untuk menjelaskan peristiwa default. Sebaliknya, mereka berkonsentrasi langsung pada probabilitas default. Peristiwa standar diasumsikan terjadi tiba-tiba karena satu atau lebih peristiwa yang terjadi dari nilai aset peminjam. Pada model ini hubungan antara kebangkrutan perusahaan dengan nilai aset tidak dimodelkan secara eksplisit. Peristiwa kebangkrutan dapat diduga dengan memperhatikan perubahan rating perusahaan. Sehingga proses kebangkruta dimodelkan sebagai Stopped Poisson Process atau Stopped Cox Process dengan intensitashazard rate(ht).Model Tereduksi (Reduced Form Model) diasumsikan pembuat model mempunyai informasi yang sama dengan pasar (market). Sehingga informasi dari perusahaan tidak lengkap, dan waktu kebangkrutan adalah inaccessible default time(Maruddani2011). Kebangkrutan Di Indonesia kebangkrutan diatur dalam UU. No.37 tahun 2004, disebutkan bahwa debitur yang mempunyai dua atau lebih kreditur dan tidak dapat membayar sedikitnya satu utang yang telah jatuh waktu dan tidak dapat ditagih, dinyatakan pailit dengan putusan pengadilan yang berwenang, baik atas permohonan sendiri, maupun atas permintaan seorang atau lebih krediturnya. Permohonan ini dapat juga diajukan oleh kejaksaan untuk kepentingan umum. Kebangkrutan perusahaan, kesulitan keuangan perusahaan, ambang batas kriteria kesehatan perusahaan yang tidak dipenuhi, penurunan kinerja keuangan perusahaan dan kelemahan kontrak kredit merupakan bagian dari risiko kredit. Sehingga pengukuran risiko kredit dapat digunakan untuk menganalisa kemungkinan kebangkrutan. Hubungan Kebangkrutan perusahaan terhadap risiko kredit dapat dilihat pada Gambar4.

10

Kebangkrutan Perusahaan Kesulitan Keuangan Perusahaan Ambang Batas Kriteria Kesehatan tidak dipenuhi

Gagal Bayar

Potensi Gagal Bayar Penurunan Peringkat Nasabah

Risiko Kredit

Penurunan Kinerja Perusahaan Pelanggaran Kontrak Kelemahan kontrak kredit

Potensi Pelanggaran Kontrak

Gambar 4. Hubungan kebangkrutan terhadap risiko kredit(Djohanputro 2006) KMV Merton Model KMV Merton Model merupakan salah satu pendekatan untuk memprediksi gagal bayar yang disebabkan oleh kebangkrutan perusahaan atau counterparty-nya dengan model struktural (Crouhy and Galay 2000). KMV Merton Model merupakan pengembangan dari CCA (Contingen Claim Approach)yang merupakan pendekatan yang dipelopori oleh Black-Scholes (1973) dan Merton (1974) yang sekarang ini dikenal dengan model Merton.Model KMV-Merton dikembangkan oleh perusahaan KMV di akhir tahun 1980. Model ini berhasil dipasarkan oleh KMV sampai KMV diakuisisi oleh Moodys pada bulan April 2002. Analisis KMV Merton didasarkan pada tiga prinsip sederhana: a) Nilai arus kewajiban berasal dari aset, dimana pinjaman adalah instrumen utang satunya, dan satu-satunya sumber lain pembiayaan adalah ekuitas. b) Kewajiban memiliki prioritas yang berbeda (dengan demikian memiliki risiko yang berbeda yang berhubungan dengan senioritas mereka), dan c) Ada unsur acak untuk nilai aset dalam perkembangannya dari waktu ke waktu atau aset mengikuti unsur stokastik. Utang adalah senior claim pada nilai aset dan ekuitas memiliki klaim junior atau sisa pada nilai aset. Utang berisiko karena nilai aset mungkin tidak cukup untuk memenuhi pembayaran utang yang dijanjikan. Nilai utang berisiko memiliki dua komponen yaitu the default-free value dari utang (nilai pembayaran yang dijanjikan) dan kerugian yang diperkirakan terkait dengan standar saat aktiva tersebut cukup untuk memenuhi pembayaran yang dijanjikan pada utang. Nilai dari klaim junior (ekuitas dalam kasus perusahaan) berasal dari nilai sisa setelah pembayaran utang yang dijanjikan telah dibuat. Secara umum, Model KMV Merton dapat diilustrasikan dengan Gambar 5seperti berikut ini.

11

Gambar 5. Keterangan:

Ilustrasi model KMV Merton

Vo = Nilai Pasar Awal Perusahaan E(V) = Ekspektasi pertumbuhan Aset Perusahaan DPT = Default Point Term yaitu titik standart poin kemungkinan kebangkrutan DD = Distance to Defoult. jarak antara nilai aset yang diharapkan di tahun T, E (VT), dan titik standar(DPT) Gambar tersebut menunjukan bahwa pada kondisi awal perusahaan memiliki nilai pasar yaitu V0 (pada waktu (t)=0), dimana pada kondisi awal tidak terjadi default karena Vo lebih besar dari default point. Namun seiring dengan kondisi usaha serta tekanan yang dialami perusahaan, maka nilai aktiva dan hutang perusahaan akan berubah. Jika nilai aktiva memiliki komponen acak (misalnya, perubahan harga, guncangan dan faktor lain yang mempengaruhi nilai aset), maka terjadinyavolatilitas aktiva yang lebih tinggi berarti ada kemungkinan besar bahwa aktiva akan jatuh di bawah tingkat yang diperlukan untuk memenuhi pembayaran utang senior atas suatu periode.Default point tidak akan berubah, namun perubahan nilai aset menunjukan tekanan yang dialami oleh perusahaan.Kombinasi perubahan inilah yang digambarkan oleh model sebagai memungkinkan kejadian default. Model ini berdasarkan metodelogi yang bebas dari arbitrase harga, dimana harga opsi dibangun berdasarkan aturan perseroan terbatas, dimana adanya kemungkinan perusahaan untuk default dan mempunyai kewajiban dalam aset terhadap pemegang utang dan pemegang saham sesuai dengan aturan prioritas klaimnya. Dengan demikian kewajiban perusahaan dipandang sebagai klaim kontingensi yang dikeluarkan terhadap aset perusahaan. Dalam model ini, tingkat kerugian ditentukan dan tergantung pada nilai aset perusahaan, volatilitas, dan default free interest rate untuk waktu jatuh tempo utang. Berdasarkan analisis empiris event of defaults, KMV menemukan bahwa default point lebih banyak terjadi pada saat nilai aset sama dengan jumlah utang jangka pendek dan 50% utang jangka panjang.

12 Keuntungan dari Model KMV dari model – model lainnya adalah model ini dapat diterapkan untuk setiap perusahaan publik, Model ini didasarkan pada data pasar (yang sangat responsif terhadap perubahan kondisi keuangan perusahaan), bukan data akuntansi, memiliki landasan teori yang jelas yaitu teori opsi, dan akurat dalam memprediksi kebangkrutan. Namun ada beberapa kelemahan dari model ini yaitu tidak membedakan antara utang jangka panjang berdasarkan agunan, senioritas, perjanjian, atau konvertibilitas. Peringkat Obligasi Peringkat obligasi merupakan opini dari lembaga pemeringkat serta sumber informasi bagi para investor atas risiko obligasi yang diperdagangkan. Peringkat obligasi menggambarkan kemampuan perusahaan untuk melunasi obligasi yang diterbitkan. Sehingga para investor dapat menetapkan strategi dalampembelian suatu obligasi. Peringkat obligasi menggambarkan tingkat obligasi berdasarkan rentangan kemungkinan kebangkrutan. Tabel 1 merupakan tabel tingkat obligasi berdasarkan rentang tingkat kebangkrutan suatu perusahaan oleh moody’s. Analisis Rasio Keuangan Analisis rasio keuangan merupakan metode perhitungan dan interpretasi rasio keuangan yang menunjukan kinerja dan status suatu perusahaan untuk mengukur kelemahan atau kekuatan suatu perusahaan dibidang keuangan, yang menyatakan hubungan matematis antara dua kuantitas. Analisis Rasio keuanga banyak digunakan baik oleh investor sebagai acuan berinvestasi maupun oleh pihak manajemen sebagai alat pengukur kinerja manajerial (Prihadi 2010). Rasio keuangan terdiri dari beberapa kategori dasar yaitu: 1. Rasio likuiditas. Analisis likuiditas adalah kemampuan perusahaan dalam melunasi hutang jangka pendek. 2. Rasio Aktivitas. Rasio Aktivitas mengukur kemampuan perusahaan mendayagunakan aset. 3. Rasio Solvabilitas. Rasio Solvabilitas merupakan kemampuan perusahaan memenuhi kewajiban jangka panjang. 4. Rasio Profitabilitas. Rasio Profitabilitas adalah kemampuan menghasilkan laba. Rasio profitabilitas menjadi tolok ukur keberhasilan manajemen dalam menjalankan usaha yang dipercayakan kepadanya.

13 Tabel 1. Rating

Tingkat obligasi berdasarkan rentang tingkat kebangkrutan suatu perusahaan oleh moody dan standard and poor. PD

Definisi

AAA

0,02

Efek utang yang peringkatnya paling tinggi dan beresiko paling rendah serta dinilai dapat memenuhi kewajiban jangka panjangnya sesuai dengan perjanjian dimana di tingkat kegagalan bank yang rendah. Penerbitnya stabil dan dapat diandalkan.

AA

0,04

Perbedaan obligasi pada rangking AA dengan rangking tertinggi hanya berbeda sedikit. Kapasitas obligor untuk memenuhi komitmen keuangan pada kewajiban sangat kuat.

A

0,1

Ranking oblligasi A agak rentan terhadap efek merugikan dari perubahan situasi dan kondisi ekonomi dibandingkan. Namun, kapasitas obligor untuk memenuhi komitmen keuangan pada kewajiban masih kuat.

BBB

0,19

Kualitas menengah, jangka pendek memadai, tetapi kurang dapat diandalkan untuk jangka panjang.

BB

0,72

Kewajiban rangking BB ada unsur spekulatif, dengan tingkat keamanan yang moderat selama tidak terjadi ketidakpastian yang besar yang berlangsung terus-menerus atau exponsure bisnis merugikan, keuangan, atau kondisi ekonomi yang dapat menyebabkan menurunnya kapasitas kemampuan obligor untuk memenuhi komitmen keuangan pada kewajiban.

B

2,02

Sebuah Kewajiban rangking B lebih rentan terhadap gagal bayar bila dibandingkan kewajiban rangking BB tetapi obligor pada rangking ini memiliki kapasitas untuk memenuhi komitmen keuangan pada kewajiban. Kondisi bisnis yang merugikan, keuangan, atau ekonomi kemungkinan akan merusak kemampuan obligor atau kesediaan untuk memenuhi komitmen keuangan pada kewajiban.

CCC

12

Sebuah Kewajiban rated CCC mempunyai kualitas rendah, rentan terhadap gagal dalam pembayarandan tergantung pada bisnis yang menguntungkan, keuangan, dan kondisi ekonomi bagi obligor untuk memenuhi komitmen keuangan pada kewajiban. Dalam hal mempertahankan bisnis, keuangan, dan kondisi ekonomi, obligor yang tidak mungkin memiliki kemampuan untuk memenuhi komitmen keuangan terhadap kewajiban.

CC

15

Kewajiban dinilai CC saat ini sangat rentan terhadap gagal bayar. Kualitas spekulasi tinggi, acapkali gagal.

C

15,5

Rating C dapat digunakan untuk menutupi situasi di mana partisi bangkrut telah diajukan atau tindakan serupa telah diambil, tetapi pembayaran atas kewajiban ini tetap berlangsung.

D

20

Rating D, tidak seperti rating lainnya, rating D adalah tingkat yang tidak prospektif, pada rating ini perusahaan tidak mampu membayar bunga.

(Jurion 2003)

14 Penelitian Terdahulu Penelitian mengenai pengukuran kemungkinan kebangkrutan telah banyak dilakukan. Ringkasan Penelitian terddahulu ini dapat dilihat pada Lampiran 2. Pengukuran risiko kegagalan tersebut dimulai oleh Beaver (1966) dengan menggunakan Univariate model yang menggunakan rasio keuangan. Selanjutnya, Altman (1968) menggunakan model diskriminan untuk mengklasifikasikan perusaaan yang gagal atau mampu membayar hutang dikenal dengan Altman’s ZScore Model. Merton (1974) memperkenalkan model kegagalan tersebut dengan adanya modifikasi Black-Scholes Model mengenai harga opsi. Merton menyatakan bahwa kegagalan perusahan dapat diestimasi dengan menggunakan indikator total asset, ekuitas dan hutang perusahaan. Hutang yang semakin besar dan kekurangan asset tidak mampu membayar hutang tersebut mengakibatkan perusahaan gagal melakukan pembayaran hutang tersebut. Model Merton ini dimodifikasi oleh KMV sehingga mode kegagalan perusahaan tersebut dikenal dengan KMV Model. Model tersebut didasarkan pada modifikasi framework Black-Scholes-Merton bahwa kondisi default dianggap dapat terjadi setiap saat dan tidak perlu pada saat kewajiban jatuh tempo. Model KMV Merton ini menghitung Expected Default Frequency (EDF) yaitu probabilitas kegagalan selama tahun-tahun mendatang atau tahun untuk perusahaan yang sahamnya diperdagangkan. Hadad, dkk (2004) melakukan penelitian tentang risiko kredit perusahaan di industri pertanian publik di Indonesia dengan menggunakan pendekatan Model KMV Merton. Hasil analisis penelitian ini menunjukkan bahwa model KMV Merton dapat digunakan dengan cukup baik sebagai sinyal awal risiko kredit dan potensi permasalahan kredit yang dihadapi perusahaan publik di Indonesia. Pada penelitian Benos dan Papanastasopoulos (2005) selain arus kas bebas perusahaan variabel kinerja fundamental yang mempengaruhi risiko kredit adalah: return on asset (ROA), ukuran asset, dan rasio hutang. ROA dan ukuran asset mempunyai pengaruh negatif terhadap risiko kredit sedangkan rasio hutang mempunyai pengaruh positif terhadap risiko kredit. Fernander (2005) melakukan penelitian tentang model risiko kredit untuk perusahaan tertutup di Pertugis menggunakan model logit dan probit. Variabel independen rasio keuangan yang berpengaruh signifikan terhadap risiko kredit adalah current ratio, liquidity/assets, debt service ratio, interest cost/sales, dan productivity ratio. Manurung (2007) melakukan penelitian terhadap perusahaan yang terdaftar di LQ 45 yang dianggap telah menggambarkan perkembangan pasar saham secara keseluruhan. Dengan hasil perbankan mempunyai probabilitas default lebih tinggi dibandingkan perusahaan di industri lain.Poernamawati (2009) dengan judul Pengaruh Risiko Kredit Terhadap Kinerja Keuangan Bank-Bank Persero Yang Terdaftar Di Bursa Efek Indonesia, Risiko kredit dilakukan menggunakan nilai NPL sedangkan variabel independennya memakai kinerja keuangan sesuai dengan CAMEL. Hasil yang diperoleh adalah terdapat hubungan kuat yang negatif antara NPL terhadap proksi CAMEL. Pratiwi (2010) dengan judul tesis Analisis Rasio Keuangan dalam Menentukan financial distress pada bank yang terdaftar dalam bursa efek Indonesia, hasilnya adalah Rasio-rasio keuangan dapat digunakan dalam memprediksikan financial distress suatu bank, Variabel yang dominan menentukan financial distress

15 adalah Loan to Deposit Ratio (LDR), Biaya Operasional terhadap pendapatan (BOPO), Nett Interest Margin (NIM), dan Pemenuhan penyisihan Penghapusan Aktiva produktif (PPPAP). Di dalam Konstituanto (2012) dengan judul disertasiProbabilitas Kegagalan Bank dari Aspek Manajemen dan Keuangan terhadap perbankan periode 2006-2010, memberikan petunjuk tentang cara menganalisis kemungkinan kegagalan bank yang terdaftar di Bursa Efek Indonesia menggunakan model Merton dan menganalisis hubungan kemungkinan kegagalan dengan kinerja keuangan, serta aspek manajemen menghasilkan.Analisis risiko gagal bayar dengan menggunakan model black-scholes menunjukan bahwa bank-bank berskala besar memiliki dana pihak ketiga dan hutang jangka panjang cukup besar sehingga mempunyai default probability yang relatif tinggidan dilihat dari volatilitas aset yang tinggi. Informasi akuntansi berupa rasio keuangan bank mempunyai pengaruh signifikan terhadap terjadinya gagal bayar (PD) bayar model Merton terutama pada rasio risiko aktivitas bank (variabel APB), rasio solvabilitas bank (CAR, ATTM), Likuiditas (LDR) dan rasio efisiensi bank (BOPO). Begitu pula kualitas manajemen yang di proxy ROIC (Return Of Invested Capital) signifikan mempengaruhi PD. Variabel tertinggi adalah variabel BOPO dan ROIC. Ringkasan penelitian terdahulu berkaitan dengan variabel yang diteliti dapat dilihat pada pada Lampiran 3.

3 METODE Kerangka Pemikiran Sektor perbankan yang tercatat di LQ 45 adalah suatu sektor yang yang tergolong baik dalam pertumbuhan kinerjanya, dimana dalam indeks LQ 45 yang menjadi indikator saham yang paling likuid dan memiliki nilai kapitalisasi yang besar, sehingga sering dijadikan acuan dalam berinvestasi. Untuk menghindari kerugian para stakeholder harus menganalisis laporan keuangan bank. Seluruh bank yang ada di Indonesia harus menyampaikan laporan keuangannya secara periodik kepada Bank Indonesia (BI). Laporan keuangan ini digunakan untuk mengukur tingkat kesehatan bank dan sebagai acuan penentuan kebijakan yang akan diterapkan. Laporan keuangan yang akan digunakan dalam penelitian ini adalah laporan laba rugi, arus kas, dan Neraca keuangan perbankan. Laporan keuangan ini digunakan untuk mendapatkan peringatan dini risiko kebangkrutan pada perbankan dengan model KMV Merton. Setelah itu akan dianalisis faktor-faktor apa saja yang mempengaruhi kebangkrutan suatu perbankan dengan memasukan variabel rasio keuangan yang terdiri dari APB, BOPO, NPL, ROA, ROE, LDR, ATTM, dan CAR. Analisis pengaruh ini dilakukann menggunakan analisis regresi linier berganda data panel . Sehingga pada akhirnya akan diketahui kebijakan apa yang dapat diambil oleh pihak stake holder yaitu, manajemen perusahaan, investor maupun pemerintah. Kerangka pemikiran konseptual akan dilihat pada Gambar 6.

16

Sektor Perbankan LQ 45

Investor

Laporan Keuangan Arus Kas

Lap. Laba Rugi

1. Metode KMV Merton Kemungkinan Kebangkrutan

Neraca

2. Rasio Keuangan : a. Rasio APB b. Rasio BOPO c. Rasio NPL d. Rasio ROA

Bangkrut

Tidak Bangkrut

e. Rasio ROE f. Rasio LDR g. Rasio ATTM h. Rasio CAR i. Rasio NIM

3. Regresi Linier Berganda Rekomendasi Kebijakan Manajemen

Keterangan:         

Rasio Aktiva Produktif Bermasalah (APB) Rasio Biaya Operasional terhadap Pendapatan Operasional (BOPO) Rasio Non Performing Loan (NPL) Rasio Return On Assets (ROA) Rasio Return On Equity (ROE) Rasio Loan to Deposit (LDR) Rasio Aktiva tetap terhadap Modal (ATTM) Rasio Capital Adequancy (CAR) Rasio Net Interest Margin (NIM)

Gambar 6. Kerangka pemikiranpenelitian

17

Alur pemikiran dari penulisan tesis ini seperti dilihat pada Lampiran 4. Dapat dilihat penelitian dilatarbelakangi permasalahan yang ada, yaitu sistem penerapan perubahan yang menganggu stabilitas keuangan perbankan dapat berakibat langsung pada perbankan nasional dan berdampak langsung kepada pertumbuhan perekonomian di sebuah negara, kegagalan sebuah bank secara realistis harus dijadikan suatu risiko yang terukur dan rasional, Kurangnya penelitian risiko kredit dengan metode KMV merton, Melihat hubungan kemungkinan bangkrut dengan rasio keuangan. Faktor yang berpengaruh dan dapat dikendalikan yaitu kinerja perusahaan, sedangkan faktor yang berpengaruh tetapi tidak bisa dikendalikan yaitu krisis ekonomi dan inflasi. Penelitian ini menggunakan KMV merton untukmengestimasi kemungkinan kebangkrutan yang mungkin terjadi pada perbankan, lalu mengetahui faktor-faktor apa yang mempengaruhi kemungkinan kebangkrutan untuk perbankan di Indonesia yang terdaftar pada LQ 45 dengan menggunakan regresi linier berganda data panel. Dengan faktor independen yang akan dilihat adalah rasio keuangan . Yang membedakan penelitian ini dengan penelitian terdahulu yaitu penggunaan sampel. Sampel yang digunakan pada penelitian ini adalah sektor perbankan yang terdaftar pada LQ 45. Pengukuran pun hanya didasarkan pada nilai obligasi yang dikeluarkan. Pemilihan sampel dititik beratkan pada bank-bank yang mempunyai tingkat perdagangan saham yang tinggi. Dalam penelitian ini penulis menggunakan data-data laporan keuangan bank-bank yang terdaftar di LQ 45 dari tahun 2009-2012. Kesamaan penelitian ini dengan yang dilakukan oleh peneliti sebelumnya adalah menggunakan variabel independen rasio keuangan. Hasil dari penelitian ini diharapkan berguna bagi berbagai pihak yang berkepentingan. Seperti bagi Manager dalam rangka pembentukan kebijakan perbankan, bagi investor sebagai analisis kompherensif keputusan investasi dan pemerintah dalam menjaga stabilitas perekonomian suatu negara. Lokasi dan Waktu Penelitian Lokasi Penelitian dipilih dengan sengaja sesuai tujuan penelitian. Penelitian ini dilakukan pada perusahaan sektor perbankan yang kontinu masuk ke dalam LQ 45 selamaempat tahun terakhir yaitu 2009-2012 dan mengeluarkan obligasi. Periode ini dipilih karena merupakan periode terbaru untuk memprediksi pengambilan keputusan oleh investor secara cepat dan tepat. Penelitian ini dilakukan pada bulan februari 2013 sampai Mei 2013. Berdasarkan data yang dikumpulkan, perbankan yang lolos kriteria sebanyak empatbank, yaitu : 1) PT Bank Rakyat Indonesia Tbk 2) PT Bank Mandiri Tbk 3) PT Bank Danamon Tbk 4) PT Bank Jawa Barat dan Banten Tbk Jenis dan Sumber Data Data yang dipergunakan untuk penelitian ini merupakan data sekunder berupa data penel. Data panel (pooled data) merupakan gabungan data runtun waktu (time series) selama periode empat tahun yaitu 2009-2012 dengan data silang (cross

18 section) dari empat perusahaan. Data sekunder diperoleh dari instansi atau lembaga yang berkaitan, dan telah dipublikasikan seperti melalui internet. Data diperoleh dari berbagai sumber seperti laporan keuangan kuartal perusahaan selama empat tahun, harga saham perbankan selama empat tahun dan data obligasi perusahaan. Data laporan keuangan ini diunduh dari webside Bank Indonesia (BI) serta webside tiap bank yang dijadikan sampel, sedangkan data harga saham diunduh pada website dunia investasi.Data obligasi dilihat pada web Indonesia Bond Pricing Agency (IBPA). Selain itu, untuk menunjang kesempurnaan hasil penelitian,dilakukan pula studi pustaka yang bersumber dari studi literatur, berita dari surat kabar, dan laporan penelitian seperti jurnal ilmiah, disertasi, dan thesis. Metode ini digunakan sebagai pedoman dalam menjelaskan teori-teori serta menganalisis data yang berkaitan dengan pembahasan dalam penelitian ini. Sampel Penelitian ini menggunakan teknik pengambilan sampel secara judgement sampling sesuai dengan tujuan penelitian, yaitu pada lokasi penelitian sebanyak empat perbankan dan data keuangan yang diambil secara triwulan selama empat tahun yaitu 2009-2012. Dengan kriteria sampel tersebut maka sampel yang diambil berjumlah 64 sampel. Metode Pengolahan dan Analisis Data Pengolahan data pada penelitian ini dilakukan denganmenggunakan beberapa paket program statistik seperti Microsoft Exel 2010 dan Eviews 6.0. Kegiatan pengolahan data menggunakan Microsoft Exel 2010 meliputi pembuatan tabel dan grafik pada analisis deskriptif serta estimasi probability of default. Program Eviews 6.0 digunakan dalam mengolah data panel untuk penentuan model regresi linier berganda. Analisis Deskriptif Metode analisis deskriptif merupakan analisis sederhana yang bertujuan mendeskripsikan, mempermudah dan memperjelas penafsiran data dengan cara menyajikan data dalam tabel, grafik, ukuran pemusatan data, dan penyebaran data. Analisis deskriptif menggambarkan deskripsi probabilitas default perusahaan dan kinerja keuangan per kuartal selama periode 2009-2012. Analisis Kemungkinan Kegagalan. Analisis Kemungkinan kegagalan perbankan diukur menggunakan model KMV Merton. KMV Merton yang bertujuan untuk mengestimasi besarnya kemungkinan suatu perusahaan mengalami gagal bayar pada saat kewajiban jatuh tempo atau untuk mengestimasi seberapa jauh jarak antara nilai asset perusahaan dengan titik gagal bayar. Penelitian ini menggunakan prosedur yang dipakai oleh KMV Merton yaitu: a) Mengestimasi nilai aktiva dan volatilitasnya dengan nilai pasar aktiva, volatilitas ekuitas dan nilai buku utang. Dengan rumus :

19 ∑

̅

∑ √ ̅

Nilai Pasar Ekuitas, dengan rumus:

dimana: (

) √

(

) √

√

b) Menghitung distance to defaultnilai aktiva dan volatilitas aktiva yang telah diestimasi pada langkah pertama tersebut. Dengan rumus: ( ) √ c) Menghitung probability of default dengan rumus: .......................................................................................(5) d) Namun pada analisis nilai ini diperlukan pengujian Distribusi Log Normal Return aset, dengan plot. Untuk memenuhi asumsi bahwa data harus bersifat stokastik dan gerak brown. e) Perangkingan berdasarkan PD menggunakan Moody cumulative Default Rates. Analisis Regresi Data Panel Data panel merupakan gabungan antara data runtun waktu (time series) dengan data silang (cross section). Jika data silang memiliki jumlah observasi runtun waktu yang sama maka disebut balanced panel, sebaliknya jika tiap data silang tidak memiliki jumlah observasi runtun waktu yang sama maka disebut unbalanced panel. Data runtun waktu biasanya meliputi satu objek dengan beberapa periode, sedangkan

20 data silang terdiri dari banyak objek. Menurut Suliyanto (2011) penggunaan data panel memberikan banyak keuntungan yaitu: a. Panel data memiliki tingkat heterogenitas yang lebih tinggi, karena melibatkan beberapa individu dalam beberapa waktu. Dengan data panel kita dapat mengestimasi karakteristik untuk setiap individu berdasarkan heterogenitasnya. b. Panel data Karena menggabungkan data silang dengan data runtun waktu maka panel data mampu memberikan data yang lebih informatif, bervariasi serta memiliki tingkat kolinearitas yang rendah. c. Panel data cocok untuk pengamatan dengan perubahan dinamis, karena merupakan data cross section yang berulang-ulang. d. Panel data dapat mendeteksi dan mengukur pengaruh yang tidak dapat diobservasi dengan data runtun waktu murni atau data silang murni. e. Panel data mampu mempelajari model perilakuyang lebih kompleks. Dengan membuat ketersediaan data dalam jumlah unit individu yang lebih banyak maka data panel bisa meminimalkan bias yang terjadi jika kita mengagregatkan individu kedalam agregat yang besar. Analisis model data panel ada beberapa pendekatan yaitu: 1. Pendekatan kuadrat terkecil (common effect). Pendekatan kuadrat terkecil merupakan pendekatan yang paling sederhana yaitu dengan menggabungkan seluruh data runtun waktu dengan data silang, lalu diolah dengan cara OLS (Ordinary Least Square). Model ini mengasumsikan bahwa intersep dan slop dari setiap variabel sama untuk setiap objek. Model common efek dapat diformulasikan sebagai berikut (Winarno2007): Dimana: Y it = variabel dependen di waktu ke t untuk unit cross section ke i α = intersep βj = Parameter untuk variabel ke-j = variabel bebas j di waktu tuntuk unit cross section i = Komponen eror di waktu t untuk unit cross section i 2. Pendekatan efek tetap (fixed effect) Kelemahan dari model kuadrat kecil adalah ketidak sesuaian model dengan keadaan yang sebenarnya, karena keadaan setiap objek saling berbeda bahkan satu objek pada satu waktu akan sangat berbeda dengan kondisi objek tersebut pada waktu yang lain. Oleh karena itu diperlukan suatu model yang dapat menunjukan perbedaan konstan antar objek meskipun dengan koefisien regresor yang sama. Model ini disebut fixed effect. Fixed model menggunakan variabel semu untuk membedakan satu objek dengan objek lainnya. Persamaan model ini adalah sebagai berikut (Winarno2007): ∑ Dimana: Y it = α = βj =

variabel dependen di waktu ke t untuk unit cross section ke i intersep Parameter untuk variabel ke-j

21 = = =

variabel bebas j di waktu t untuk unit cross section i Komponen eror di waktu t untuk unit cross section i Variabel Dummy

3.

Pendekatan efek acak (random effect) Penggunaan variabel dummy akan mengurangi derajat bebas (deegree of freedom) yang pada akhirnya akan mengurangi efisiensi dari parameter yang diestimasi. Model efek acak mengatasi hal tersebut. Model efek acak mengasumsikan bahwa setiap individu memiliki perbedaan intersep yang merupakan variabel random. Model efek random dapat dituliskan sebagai berikut (Winarno, 2007):

Dimana: = = =

Merupakan komponen cross sectionerror Merupakan komponen time serieserror Merupakan komponen cross section dan time series error Metode memilih model FIXED EFFECTS 2.HAUSMAN TEST

1.CHOW TEST

RANDOM EFFECTS 3.LM TEST COMMON EFFECTS

Gambar 8. Pengujian pemilihan model pada pengolahan data panel Sesuai dengan Gambar 8 bahwa keputusan untuk memilih jenis model yang digunakan dalam analisis panel didasarkan pada tiga uji yaitu uji chow test, untuk menguji pemilihan model common effects atau model fixed effect, uji hausman test, untuk menguji pemilihan model fixed effect atau model random effect dan LM test untuk menguji pemilihan model common effect atau random effects. 1. Chow test Hipotesis: H0 = Model common effect H1 = Model fixed effect Statistik Uji:

Dimana: RRSS = URSS = N = T = K =

Restricted Residual Sum Square Unrestricted Residual Sum Square Jumlah data cross section Jumlah Data time series Jumlah variabel Penjelas

22 Keputusan:Tolak H0 jika F hitung > F tabel ; atau jika nilai probability < α. Kesimpulan: Bila H0 ditolak maka Model fixed effect lebih baik dari pada Model common effect. 2. Hausmann Test Hipotesis: H0 = Model Random effect H1 = Model fixed effect Keputusan:Tolak H0 jika X2 Observasi > X2 tabel ; atau jika nilai probability < α. Kesimpulan: Bila H0 ditolak maka Model fixed effect lebih baik dari pada Model Random effect. 3. LM Test Hipotesis: H0 = Model common effect H1 = Model random effect Keputusan:Tolak H0 jika X2 Observasi > X2 tabel ; atau jika nilai probability < α. Kesimpulan: Bila H0 ditolak maka Random fixed effect lebih baik dari pada Model common effect. Pengujian Parameter Model Pengujian parameter model bertujuan untuk mengetahui kelayakan model dan apakah koefisien yang diestimasi telah sesuai dengan teori atau hipotesis. Pengujian menggunakan koefisien determinasi(R2), uji koefisien regresi parsial (uji t) dan uji koefisien secara menyeluruh (F-test/ uji F). a.

Uji Parsial

Analisis statistik secara parsial digunakan untuk melihat signifikansi dan masing-masing variabel independen secara individual dalam menjelaskan variabel dependen pada model dengan menggunakan uji t. Hipotesis: H0 = β=0 H1 = β≠0 Keputusan:Tolak H0 jika thitung>t tabel ; atau jika nilai probability < α (α< 0,05). Kesimpulan: Bila H0 ditolak maka variabel bebas tersebut berpengaruh secara signifikan terhadap variabel terkaitnya. b.

Uji Persamaan regresi secara keseluruhan (Uji F). Uji F digunakan untuk melakukan uji koefisien (slope) regresi secara menyeluruh/bersamaan. Hipotesis: H0 = H1 =

β1=β2=.... = 0 β1 ≠ β2 ≠ .... ≠ 0

23 Keputusan:Tolak H0 jika F observasi>F tabel ; atau jika nilai p-value(F statistik)< α (α< 0,05). Kesimpulan: Bila H0 ditolak maka minimal ada satu variabel independen yang berpengaruh nyata terhadap variabel dependen. c.

Pengujian R2

Nilai R2 mencerminkan seberapa besar variasi dari variabel dependen (Y) yang dapat diterangkan oleh variabel (X) atau seberapa besar keragaman variabel dependen yang mampu dijelaskan oleh model. Nilai R2 berkisar antara 0-1 persen, jika nilainya mendekati 1 maka semakin baik. Adapun perhitungan nilai R2 adalah sebagai berikut:

Dimana:

d.

TTS= Total Sum of Squares ESS = Error Sum of Squares RSS = Regression Sum of Squares

Adjusted R2 (atau R2)

Masalah yang terjadi jika melakukan pengujian R2 adalah jika variabel bebasnya ditambah maka nilai R2 akan bertambah besar. Pengujian R2 secara objektif melihat pengaruh penambahan variabel bebas, apakah variabel tersebut mampu memperkuat variansi penjelasan variabel terikat. Adapun perhitungan nilai Adjusted R adalah sebagai berikut: Dimana:

N = Banyaknya Observasi K= banyaknya variabel bebas

Model Penelitian Pengolahan dan analisis data menggunakan analisis regresi berganda yang berkaitan dengan permodelan pengaruh peubah-peubah bebas X terhadap peubah tak bebas Y melalui persamaan matematis tertentu. Secara fungsional hubungan risiko kredit dengan masing-masing variabel independen dapat dituliskan sebagai berikut: Risiko Kredit= ƒ(kinerja fundamental, Manajemen).............................................(13) A. Variabel Penelitian: Variabel bebas yang digunakan dalam penelitian ini adalah rasio keuangan bank masing-masing dalam persen (%): a) Rasio Aktiva Produktif Bermasalah (APB) Rasio ini untuk menunjukkan kemampuan manajemen bank dalam mengelola aktiva produktif bermasalah terhadap total aktiva produktif. Semakin tinggi rasio ini maka semakin buruk kualitas aktiva produktif maka kemungkinan suatu bank dalam kondisi bermasalah semakin besar. Aktiva produktif bermasalah adalah aktiva produtif dengan kualitas kurang lancar, diragukan dan macet. Rasio ini dapat dirumuskan sebagi berikut:

24 b) Rasio Biaya Operasional terhadap Pendapatan Operasional (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 efisien biaya operasional yang dikeluarkan bank yang bersangkutan sehingga kemungkinan suatu bank dalam kondisi bermasalah semakin kecil. Biaya operasional dihitung berdasarkan penjumlahan dari total beban bunga dan total beban operasionallainnya. Pendapatan operasional adalah penjumlahan dari total pendapatan bunga dan total pendapatan operasional lainnya. Rasio ini dirumuskan sebagai berikut:

c) Rasio non Performing Loan (NPL) Rasio ini menunjukan bahwa kemampuan manajemen bank dalam mengelola kredit bermasalah yang diberikan oleh bank. Sehingga semakin tinggi rasio ini maka akan semakin semakin buruk kualitas kredit bank yang menyebabkan jumlah kredit bermasalah semakin besar maka kemungkinan suatu bank dalam kondisi bermasalah semakin besar. Kredit dalam hal ini adalah kredit yang diberikan kepada pihak ketiga tidak termasuk kredit kepada bank lain. Kredit bermasalah adalah kredit dengan kualitas kurang lancar, diragukan dan macet. Rasio ini dapat dirumuskan sebagai berikut:

d) Rasio Return On Assets (ROA) Rasio ini digunakan untuk mengukur kemampuan manajemen bank dalam memperoleh keuntungan (laba sebelum pajak) yang dihasilkan dari rata-rata total aset bank yang bersangkutan. Semakin besar ROA, semakin besar pula tingkat keuntungan yang dicapai bank sehingga kemungkinan suatu bank dalam kondisi bermasalah semakin kecil. Laba sebelum pajak adalah laba bersih dari kegiatan operasional sebelum pajak. Sedangkan rata-rata total asset adalah rata-rata volume usaha atau aktiva. Rasio ini dirumuskan sebagai berikut:

e) Rasio Return On Equity (ROE) Rasio ini digunakan untuk mengukur kinerja manajemen bank dalam mengelolah modal yang tersedia untuk menghasilkan laba setelah pajak. Semakin besar ROE, semakin besar pula tingkat keuntungan yang dicapai bank sehingga kemungkinan suatu bank dalam kondisi bermasalah semakin kecil. Laba setelah pajak adalah laba bersih dari kegiatan operasional setelah dikurangi pajak sedangkan rata-rata total ekuitas adalah rata-rata modal inti yang dimiliki bank, perhitungan modal inti dilakukan berdasarkan ketentuan kewajiban modal minimum yang berlaku. Rasio ini dirumuskan sebagi berikut:

25 f) Rasio Loan to Deposit (LDR) Rasio ini digunakan untuk menilai likuiditas suatu bank yang dengan cara membagi jumlah kredit yang diberikan oleh bank terhadap dana pihak ketiga. Semakin tinggi rasio ini, semakin rendahnya kemampuan likuiditas bank yang bersangkutan sehingga kemungkinan suatu bank dalam kondisi bermasalah akan semakin besar. Kredit yang diberikan tidak termasuk kredit kepada bank lain sedangkan untuk dana pihak ketiga adalah giro, tabungan, simpanan berjangka, sertifikat deposito. Rasio ini dapat dirumuskan sebagi berikut:

g) Rasio Aktiva tetap terhadap Modal (ATTM) Rasio ini mengukur kemampuan manajemen bank dalam menentukan besarnya aktiva tetap dan inventaris yang dimiliki bank yang bersangkutan terhadap modal. Semakin tinggi rasio ini artinya modal yang dimiliki bank kurang mencukupi dalam menunjang aktiva tetap dan inventaris sehingga kemungkinan suatu bank dalam kondisi bermasalah akan semakin besar. Rasio ini dapat dirumuskan sebagai berikut :

h) Rasio Capital Adequancy (CAR) CAR adalah rasio yang memperlihatkan seberapa besar jumlah seluruh aktiva bank yang mengandung resiko (kredit, penyertaan, surat berharga, tagihan pada bank lain) ikut dibiayai dari modal sendiri disamping memperoleh danadana dari sumber-sumber diluar bank. Rasio ini dapat dirumuskan sebagai berikut :

i) Net Interest Margin (NIM) Net Interest Margin (NIM) adalah ukuran perbedaan antara pendapatan bunga yang dihasilkan oleh bank atau lembaga keuangan lain dan nilai bunga yang dibayarkan kepada pemberi pinjaman mereka, relatif terhadap jumlah aset mereka. NIM dapat dihitung menggunakan rumus:

Variabel dependen (variabel terikat) yang digunakan pada penelitian ini adalah Probabilitas kebangkrutan Bank (PD) Model regresi berganda ini ditunjukan oleh persamaan berikut ini: Keterangan: Y = Probabilitas Default (%)

26

Bersamaan dengan itu model regresi juga harus memenuhi asumsinya yaitu residual menyebar mengukuti sebaran normal, residual memiliki ragam homogen atau tidak terdapat masalah heteroskendastisitas, dan tidak adanya korelasi yang tinggi antar peubah bebas. Karena itu dilakukan uji asumsi klasik yang meliputi: 1) Uji normalitas dengan jarque-bera. Uji normalitas dilakukan untuk menguji apakah nilai residual yang telah terstandarisasi pada model regresi terdistribusi normal atau tidak. Nilai residual tersebut dikatakan berdistribusi normal jika nilai residual terstandarisasi tersebut mengikuti nilai rata-ratanya. Penyebab utama tidak terpenuhinya uji asumsi klasik normalitas ini adalah karena terdapat nilai ekstrem yang disebabkan oleh kesalahan pengambilan data, kesalahan dalam input data, atau karena karakteristik data tersebut sangat jauh dari rata-rata.Uji jarque-bera merupakan uji normalitas dengan berdasarkan pada koefisien keruncingan (kurtosis) dan koefisien kemiringan (skewness). Untuk menghitung nilai statistik Jarque-Bera digunakan rumus (Winarno, 2007): [

]

Keterangan : JB = Statistik Jarque-Bera S = Koefisien Skewness K = Koefisien Kurtosis Hipotesis: H0 = Ada Masalah Normalitas H1 = Tidak ada masalah normalitas Keputusan: Tolak Ho jika nilai Jarque-bera ≤ χ2 tabel. Kesimpulan : Bila H0 ditolak maka cukup bukti untuk mengatakan data berdistribusi normal atau tidak ada masalah normalitas. Menurut Suliyanto (2011) untuk mengatasi adanya pelanggaran asumsi normalitas ini maka peneliti disarankan untuk menambah jumlah data, melakukan transformasi data menjadi log atau LN atau bentuk lain, menghilangkan data yang dianggap sebagai penyebab data tidak normal, atau dibiarkan saja namun menggunakan alat analisis lain. 2) uji multikolinearitas. Uji multikolinearitas bertujuan untuk menguji apakah dalam uji regresi yang terbentuk terdapat korelasi yang tinggi atau sempurna

27 di antara variabel bebas atau tidak. Menurut Suliyanto (2011) sebab timbulnya gejala multikolinearitas adalah (1) Kebanyakan variabel ekonomi berubah sepanjang waktu. Besaran-besaran ekonomi dipengaruhi oleh faktor yang sama sehingga jika satu faktor mempengaruhi variabel dependen maka seluruh variabel cendrung berubah satu arah. (2) Adanya penggunaaan nilai lag (Lagged value) dari variabel-variabel bebas tertentu dalam model regresi. (3) Metode pengumpulan data yang dipakai salah. (4) Adanya kendala dalam model atau populasi yang menjadi sampel, (5) Adanya kesalahan spesifikasi model karena variabel penjelas yang tidak perlu dimasukan atau variabel penjelas yang seharusnya dimasukan malah dikeluarkan. (6) Model yang berlebihan dikarenakan jumlah variabel penjelas yang digunakan melebihi data observasi. Uji multikolinearitas dilakukan dengan melihat correlation matrix dari masing-masing variabel bebas terhadap variabel terikat. Model regresi tidak mengalami gejala multikolinearitas apabila nilai nya kurang dari 0,8 (Winarno 2007). Menurut Winarno (2007) alternatif dalam menghadapi masalah multikolinearitas adalah (1) Tambahkan datanya bila memungkinkan, karena masalah multikolinear biasanya muncul karena jumlah observasinya sedikit, (2) Hilangkan salah satu variabel independennya, terutama yang memiliki hubungan yang kuat dengan variabel lain, (3) Transformasikan salah satu (atau beberapa) variabel, termasuk misalnya dengan melakukan diferensi. Dan (4) Biarkan saja model kita mengandung multikolinieritas, karena estimatornya masih dapat bersifat BLUE. 3) Uji autokorelasi. Uji autokorelasi dilakukan untuk melihat adanya korelasi antar anggota serangkaian data observasi yang diuraikan menurut waktu (time series) maupun ruang(cross section). Uji autokorelasi yang digunakan adalah uji Durbin Watson. Dimana uji ini melihat apakah antar residual terdapat korelasi yang tinggi dengan melihat data residual acak atau tidak ( Winarno 2007 ). Uji autokorelasi menggunakan rumus (Winarno 2007): ∑ ∑ Keterangan: DW = Nilai Durbin-Watson Test e = Nilai residual e t-1 = Nilai residual satu periode sebelumnya Hipotesis: H0 = Ada Masalah Autokorelasi H1 = Tidak ada masalah autokorelasi Keputusan: Tolak Ho jika dU
28

Gambar 9. Daerah Uji Durbin Watson (Winarno 2007) Kesimpulan : Bila H0 ditolak maka cukup bukti untuk mengatakan tidak ada masalah autokorelasi. 4.) Uji heteroskedastisitas, merupakan uji yang dilakukan untuk melihat varian variabel pada model regresi ada yang tidak sama (konstan) atau tidak. Masalah Heterokedastisitas dapat diatasi secara otomatis dengan menggunakan metode Cross-section weighting yang tersedia pada opsi saat akan mengestimasi model regresi data panel (Winarno 2007). B.

Perumusan dan pengujian hipotesis

Hipotesis merupakanjawaban sementara terhadap masalah yang masih bersifat praduga karena masih harus dibuktikan kebenarannya.Perumusan hipotesis pada uji regresi yang akan dilakukan berdasarkan penelitian terdahulu. Ringkasan perumusan penelitian terdahulu dapat dilihat pada Lampiran 1. Perumusan hipotesis yang diharapkan adalah sebagai berikut: Ha1 : Rasio APB berpengaruh positif terhadap probabilitas default Ha2 : Rasio BOPO berpengaruh positif terhadap probabilitas default Ha3 : Rasio NPL berpengaruh positif terhadap probabilitas default Ha4 : Rasio ROA berpengaruh negatif terhadap probabilitas default Ha5 : Rasio ROE berpengaruh negatif terhadap probabilitas default Ha6 : Rasio LDR berpengaruh positif terhadap probabilitas default Ha7 : Rasio ATTM berpengaruh negatif terhadap probabilitas default Ha8 : Rasio CAR berpengaruh negatif terhadap probabilitas default Ha9 : Rasio NIM berpengaruh negatif terhadap probabilitas default

29

4 HASIL DAN PEMBAHASAN Seperti yang telah dijelaskan sebelumnya bahwa pada penelitian ini mengestimasi kemungkinan kebangkrutan bank dengan menggunakan model KMV Merton dan melihat variabel yang mempengaruhi kemungkinan kebangkrutan terhadap bank yang konsisten masuk kedalam LQ 45 periode 2009-2012. Penelitian ini menggunakan data panel seimbang yaitu gabungan antara data time series kuartal selama 4 tahun yaitu periode 2009-2012 dan data cross section yaitu sebanyak 4 perusahaan. Proses pengolahan data dilakukan dengan program exel dan program EViews 6. Perusahaan yang termasuk dalam penelitian ini dapat dilihat pada Tabel 2. Tabel 2. Sampel penelitian No 1 2 3 4

Nama Perusahaan PT Bank Rakyat Indonesia Tbk PT Bank Mandiri Tbk PT Danamon Indonesia Tbk PT BPD Jawa Barat dan Banten Tbk

Kode BBRI BMRI BDNM BJBR

Analisis Statistik Deskriptif Berdasarkan hasil analisis statistik deskriptif terhadap variabel dependen probabilitas of default (PD) maupun independen rasio keuangan secara keseluruhan menunjukan terdistribusi secara normal, kecuali variabel probabilitas of default (PD), NPL, dan ATTM. Hal tersebut dapat dilihat pada hasil uji jarque-bera yang lebih kecil dari pada nilai χ2 tabel (5,991). Hasil lengkap statistik deskriptif rasio keuangan yang digunakan pada penelitian ini dapat dilihat pada Tabel3. Tabel 3.

Statistik deskriptif dalam penelitian rasio keuangan bank 2009-2012

Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis

PD 0.123 0.001 1.492 1.80E-06 0.333 3.014 11.049

APB 2.030 1.870 3.840 0.520 0.832 0.229 2.248

BOPO 72.968 73.925 86.650 58.310 6.612 -0.136 2.514

NPL 0.541 0.4850 1.920 0.000 0.3945 1.048 4.263

ROA 3.364 3.320 5.150 1.490 0.844 -0.018 3.119

ROE 26.972 26.530 43.830 8.780 8.654 -0.248 2.243

LDR 79.502 79.010 103.710 56.300 12.536 0.153 2.089

ATTM 26.679 15.262 90.047 7.722 24.819 1.519 3.915

CAR 16.476 16.040 23.690 12.100 2.517 0.637 3.138

NIM 7.525 7.685 10.770 5.080 1.602 -0.119 1.861

Jarque-Bera Probability

269.647 0.000

2.071 0.355

0.827 0.661

15.972 0.0003

0.0413 0.979

2.183 0.336

2.462 0.292

26.835 0.000001

4.377 0.112

3.610 0.164

34.64 9.824

215.310 1726.200 5088.140 1707.513 1054.470 481.620 44.898 4718.485 9899.976 38809.02 398.985 161.614

Sum Sum Sq. Dev.

7.865 6.988

Observations

64

129.930 4669.940 43.612 2754.199 64

64

64

64

64

64

64

64

64

Sumber: Data keuangan Bank Diolah Variabel bebas probability of default (PD) rata-rata sebesar 0,12% untuk seluruh sampel dengan median probabilitas default sebesar 0,0005% dan nilai maksimum adalah 1,49% serta nilai minimumnya 0,000002%. Persentase PD

30 (Probabilitas Kegagalan) yang kecil ini menandakan bahwa sudah baiknya pengawasan pemerintah terhadap berjalannya operasi perbankan. Grafik pertumbuhan rasio keuangan perbankan dapat dilihat pada Lampiran 5. Adapun variabel-variabel rasio keuangan yang terkait dapat dikemukakansebagai berikut: a) Aset Produktif Bermasalah (APB), rata-rata sebesar 2,03% dan median sebesar1,87% untuk seluruh sampel, rasio ini menunjukan kemampuan manajemen bank dalam mengelola aktiva produktif bermasalah (aktiva produktif dengan kualitas kurang lancar, diragukan dan macet) terhadap total aktiva produktif. Semakin tinggi rasio ini maka semakin buruk kualitas aktiva produktif maka kemungkinan suatu bank dalam kondisi bermasalah semakin besar. Bank dengan nilai APB tertinggi adalah BDNM sebesar 3,84% pada tahun 2010 kuartal 1. Sedangkan nilai APB terendah adalah BJBR sebesar 0,52% pada tahun 2009 kuartal 1. b) Biaya Operasi Terhadap Pendapatan (BOPO) untuk seluruh sampel menunjukan rata-rata sebesar 72,97% dan median sebesar 73,93%. Rasio ini menunjukan kemampuan manajemen perusahaan dalam melakukan efisiensi, semakin kecil nilai dari rasio ini maka akan semakin efisien.Nilai tertinggi adalah BOPO pada BDNM tahun 2009 kuartal 1 yaitu sebesar 86,65%, sedangkan BOPO terendah ada pada BMRI pada tahun 2011 kuartal 1 yaitu sebesar 58,31%. Sedangkan standar Bank Indonesia (BI) untuk rasio BOPO adalah sebesar 92%, sehingga dapat disimpulkan keempat perbankan memiliki kinerja efisiensi sesuai standar BI. c) Non Performing Loan (NPL) merupakan rasio yang menunjukan bahwa kemampuan manajemen bank dalam mengelola kredit bermasalah yang diberikan oleh bank. Sehingga semakin tinggi rasio ini maka akan semakin semakin buruk kualitas kredit bank yang menyebabkan jumlah kredit bermasalah semakin besar maka kemungkinan suatu bank dalam kondisi bermasalah semakin besar. Dari Tabel 1 dapat dilihat bahwa nilai rata-rata keseluruhan NPL adalah sebesar 0,54%dengan median sebesar 0,49%. Hal ini menunjukan bahwa nilai NPL pada tahun tersebut masih dalam batas maksimum NPL yang disyaratkan oleh Bank Indonesia yaitu sebesar 5%. d) Nilai rata-rata ROA (Return on Assets) secara keseluruhan adalah sebesar 3,36% dengan median sebesar 3,32%. Rasio ini digunakan untuk mengukur kemampuan manajemen bank dalam memperoleh keuntungan (laba sebelum pajak) yang dihasilkan dari rata-rata total aset bank yang bersangkutan. Semakin besar ROA, semakin besar pula tingkat keuntungan yang dicapai bank sehingga kemungkinan suatu bank dalam kondisi bermasalah semakin kecil. Standar ROA perbankan adalah 1,5% dengan demikian bank-bank yang menjadi sampel secara keseluruhan telah memenuhi standar. e) ROE (Return on Equity). Rasio ini digunakan untuk mengukur kinerja manajemen bank dalam mengelolah modal yang tersedia untuk menghasilkan laba setelah pajak. Semakin besar ROE, semakin besar pula tingkat keuntungan yang dicapai bank sehingga kemungkinan suatu bank dalam kondisi bermasalah semakin kecil. Nilai rata-rata ROE adalah sebesar 26,92% dengan median sebesar 26,53%. Standar untuk ROE perbankan adalah sebesar 13%, maka keseluruhan bank yang menjadi sampel telah memenuhi standar tersebut.

31 f) LDR (Loan to Deposit Ratio) mempunyai rata-rata sebesar 79,50% dan median sebesar 79,01%. Rasio ini digunakan untuk menilai likuiditas suatu bank yang dengan cara membagi jumlah kredit yang diberikan oleh bank terhadap dana pihak ketiga. Semakin tinggi rasio ini, semakin rendahnya kemampuan likuiditas bank yang bersangkutan sehingga kemungkinan suatu bank dalam kondisi bermasalah akan semakin besar. g) Rasio Aktiva Tetap terhadap Modal (ATTM). Rasio ini mengukur kemampuan manajemen bank dalam menentukan besarnya aktiva tetap dan inventaris yang dimiliki bank yang bersangkutan terhadap modal. Semakin tinggi rasio ini artinya modal yang dimiliki bank kurang mencukupi dalam menunjang aktiva tetap dan inventaris sehingga kemungkinan suatu bank dalam kondisi bermasalah akan semakin besar. Nilai ATTM rata-rata perbankan adalah sebesar 26,68% dengan median 15,26%. h) CAR (Capital Adequancy Ratio). CAR adalah rasio yang memperlihatkan seberapa besar jumlah seluruh aktiva bank yang mengandung resiko (kredit, penyertaan, surat berharga, tagihan pada bank lain) ikut dibiayai dari modal sendiri disamping memperoleh dana-dana dari sumber-sumber diluar bank. Nilai CAR rata-rata adalah sebesar 16,75% dengan median 16,04%. Perusahaan yang mempunyai nilai rata-rata CAR terendah yaitu BBRI dengan nilai 15,02% dan yang tertinggi adalah BJBR dengan nilai 19,09%. Rata-rata nilai CAR bank secara umum lebih besar dibandingkan dengan nilai CAR yang di syaratkan oleh Bank Indonesia yaitu 8%. i) NIM (Net Interest Margin) rata-rata keseluruhan adalah sebesar 7,53% dengan median sebesar 7,69%. Rasio ini digunakan untuk mengukur kemampuan manajemen bank dalam mengelola aktiva produktifnya untuk menghasilkan pendapatan bunga bersih. Pendapatan bunga bersih diperoleh dari pendapatan bunga dikurangi beban bunga. Semakin besar rasio ini maka meningkatnya pendapatan bunga atas aktiva produktif yang dikelola bank sehingga kemungkinan suatu bank dalam kondisi bermasalah semakin kecil.Menurut aturan Bank Indonesia, nilai NIM yang baik adalah lebih besar dari 5%. Maka, berdasarkan analisis data keempat perbankan memiliki nilai NIM yang baik dan memenuhi standar, karena nilai NIM keempat bank selama empat tahun berada diatas 5%. Estimasi Probabilitas Default Pada Tabel 4 dapat dilihat nilai pasar aktiva, nilai pasar ekuitas, dan nilai buku hutang dari perbankan yang menjadi sampel pada penelitian ini. Nilai rata-rata pasar aktiva tertinggi selama 4 tahun dimiliki oleh Bank Rakyat Indonesia yaitu sebesar Rp 256 triliun. Disusul oleh bank danamon indonesia sebesar Rp 203 triliun, dan bank mandiri sebesar Rp 193 triliun. Nilai rata-rata pasar aktiva terkecil adalah BPD Jawa Barat dan Banten yaitu sebesar Rp 25 triliun. Nilai buku hutang tertinggi sebesar Rp 3,5 triliun yaitu yang dimiliki oleh Bank Mandiri. Berdasarkan perbandingan besarnya nilai pasar aset dan nilai pasar ekuitas terhadap nilai buku hutang tersebut, dapat disimpulkan semua perbankan dinilai memiliki modal dan kekayaan yang cukup untuk memenuhi face value kepada investor pada saat jatuh tempo. Data hasil pengolahan KMV Merton secara lengkap dapat dilihat pada Lampiran 6.

32 Tabel 4. Nilai pasar perusahaan *dalam jutaan rupiah Nilai Pasar Aset Nilai Pasar Ekuitas Nilai buku Hutang Nilai Liabilitas

BBRI 256.781.250 255.235.684 2.000.000 1.545.565

BMRI 193.076.000 190.691.427 3.500.000 2.384.572

BDNM 203.432.990 201.115.617 2.800.000 2.317.372

BJBR 25.613.963 24.177.487 2.400.000 1.436.476

(data keuangan bank diolah) Berdasarkan Gambar 10 terlihat bahwa BRI menunjukan pertumbuhan aset yang cukup signifikan yaitu rata-rata sebesar 16,44% dibandingkan pertumbuhan aset tiga bank besar yang lainnya. Pada kuartal 1 tahun 2011 BRI berhasil melampaui nilai aset pasar Bank Mandiri dan Bank Danamon Indonesia. Pertumbuhan nilai pasar aset yang cukup besar pada bank BRI ini mengindikasikan tingkat kepercayaan investor dan nasabah kepada BRI meningkat. Peningkatan kepercayaan ini menggambarkan pula peningkatan jumlah nasabah yang secara langsung mempengaruhi jumlah asetnya. Menurut Astuti (2012) BRI pada mulanya sangat dikenal luas karena coverangenya yang memang terluas dan fokus bisnisnya untuk melayani pasar pedesaan dan kota-kota kecil khususnya untuk usaha mikro, kecil dan menengah (UMKM), dan semenjak tahun 2007 BRI telah memperluas pasar dengan mengembangkan jaringan di perkotaan. Pada tahun 2011 perusahaan BRI menambah jumlah saham yang beredar dari 30.000.000.000 saham menjadi 60.000.000.000 saham. Sehingga nilai aset pasar nya meningkat pesat.

dalam Juataan Rp

Pertumbuhan Nilai Aset Pasar

500.000.000 400.000.000 300.000.000 200.000.000 100.000.000 0 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 2009 BRI

2010 BMRI

2011 BDNM

2012 BJBR

Gambar 10. Grafik pertumbuhan nilai aset bank. Berdasarkan hasil perhitungan secara keseluruhan perusahaaan memiliki Rangking obligasi AAA yaitu rangking tertinggi, kecuali BJBR. Dan dapat mempertahankan rating tersebut selama 4 tahun. Hal ini menandakan bahwa perusahaan BBRI, BMRI, dan BDNMtepat untuk dijadikan tempat berinvestasi karena dinilai sebagai Efek utang yang peringkatnya paling tinggi dan beresiko paling rendah serta dinilai dapat memenuhi kewajiban jangka panjangnya sesuai dengan perjanjian.Sedangkan pada BJBR mendapat rangking B pada akhir periode, hal ini menandakan BJBR rentan terhadap kemungkinan gagal bayar, namun pada rangking ini perbankan yang mempunyai kinerja keuangan yang baik tetap mempunyai kemampuan memenuhi kewajiban jangka panjangnya, sehingga pada

33 rangking ini, obligor tetap dinilai sebagai tempat berinvestasi yang baik. Perubahan nilai probability of default (PD) dan rangking dapat dilihat pada Tabel 5. Sedangkan untuk pemplotan nilai probabilitas kebangkrutan terhadap rangking dapat dilihat pada Lampiran 7. Tabel 5. Estimasi kemungkinan kebangkrutan dan perankingan BBRI

Periode PD 2009

2010

2011

2012

Rangking

BMRI PD

Rangking

BDNM PD

Rangking

BJBR PD

Rangking

Q1

0,005599%

AAA

0,01535%

AAA

0,00522%

AAA

0,050%

A

Q2

0,007319%

AAA

0,00501%

AAA

0,00030%

AAA

0,139%

BBB

Q3

0,000875%

AAA

0,00123%

AAA

0,00032%

AAA

0,067%

A

Q4

0,000614%

AAA

0,00135%

AAA

0,00052%

AAA

0,069%

A

Q1

0,000494%

AAA

0,00081%

AAA

0,00030%

AAA

0,054%

A

Q2

0,000334%

AAA

0,00052%

AAA

0,00027%

AAA

0,021%

A

Q3

0,000231%

AAA

0,00024%

AAA

0,00021%

AAA

0,037%

A

Q4

0,000192%

AAA

0,00042%

AAA

0,00025%

AAA

0,212%

BB

Q1

0,003346%

AAA

0,00032%

AAA

0,00013%

AAA

0,270%

BB

Q2

0,000002%

AAA

0,00026%

AAA

0,00022%

AAA

0,413%

BB

Q3

0,000004%

AAA

0,00053%

AAA

0,00071%

AAA

0,528%

BB

Q4

0,000002%

AAA

0,00041%

AAA

0,00128%

AAA

1,187%

B

Q1

0,000002%

AAA

0,00051%

AAA

0,00089%

AAA

1,407%

B

Q2

0,000004%

AAA

0,00044%

AAA

0,00028%

AAA

0,888%

B

Q3

0,000002%

AAA

0,00025%

AAA

0,00025%

AAA

1,492%

B

Q4

0,000003%

AAA

0,00029%

AAA

0,00042%

AAA

0,973%

B

(data keuangan bank diolah) Hubungan Rasio Keuangan Terhadap Probabilitas Kebangkrutan Pemilihan Model dalam Uji Regresi Berganda Data Panel Penelitian dilakukan pada periode 2009-2012 (4 tahun) perkuartal, analisis dilakukan terhadap 4 perbankan yang terdaftar di BEI. Dengan demikian terdapat 64 data pengamatan karena data yang digunakan merupakan balanced panel. Hal pertama yang harus lakukan dalam regresi data panel adalah menguji metode apa yang akan digunakan. Sesuai dengan penjabaran pada Bab 3, Pengolahan data menggunakan regresi data panel dengan tiga alternatif metode yaitu metode kuadran terkecil (common effect), metode efek tetap (fixed effect) dan metode efek acak (random effect). Berdasarkan pengujian yangdilakukan, hasil estimasi model yang melihat pengaruh rasio keuangan terhadapPD (Probabilitas Kebangkrutan) diperoleh dengan menggunakan metode fixed effect. Pengujian dilakukan dua kali yaitu pertama uji Chow.Uji Chow digunakan untuk memilih antara metode kuadran terkecil atau metode efek tetap. Hasil dari perhitungan ditampilkan pada Tabel 6. Dari Tabel 6dapat dilihat bahwa Chow Statistics (6,06) hasil uji lebih besar dari F tabel (2,790) maka hipotesis nol ditolak. Sehingga metode yang lebih tepat digunakan untuk melihat pengaruh rasio keuangan terhadap PD adalah metode efek tetap.

34

Tabel 6. Hasil uji Chow Cross-section F Cross-section Chi-square

Statistic 6,06 19,51

d.f (3,51) 3

Prob 0,0013 0,0002

(data keuangan bank diolah) Uji yang kedua adalah uji Hausmann, uji ini untuk memilih metode efek tetap atau metode efek acak. Dari Tabel7 dapat dilihat bahwa hipotesis nol ditolak karena nilai hausmann statistics (225,93) lebih besar dari Chi square tabel (7,815) sehingga cukup bukti untuk menolak hipotesis nol. Sehingga model akhir yang digunakan dalam penelitian ini adalah model effek tetap. Tabel 7. Hasil uji Hausmann Chi-Sq. Statistic 225,93

Cross-section random

Chi-Sq. d.f. 3

Prob. 0,0000

(data keuangan diolah) Pembuktian Hasil uji Chow dan uji Hausman Pada Tabel 8. Dapat dilihat bahwa berdasarkan kriteria statistik, pendekatan fixed effect lebih baik daripada pendekatan random effect. Pada dasarnya, kedua pendekatan tidak memiliki masalah dari sisi kriteria statistik. Namun nilai R-Square dari fixed effect lebih tinggi dibandingkan nilai R-Square pada random effect. Begitu pula dengan nilai adjusted R-square. Sehingga terbukti bahwa pendekatan model fixed effect lebih cocok di gunakan pada studi ini dibandingkan model random effect. Sedangkan uji LM tidak perlu di lakukan karena dari uji Hausman dan uji Chow sudah mengkonfirmasi model pengujian regresi yang sama. Tabel 8. Ringkasan uji kriteria statistik Fixed effect dan Random effect. Kriteria Statistik

Fixed Effect

Random Effect

R-Square

0,8834

0,7882

Adjusted R-Square

0,8588

0,7617

Uji Asumsi Klasik a.

Heteroskedastisitas Heteroskedastisitas dilakukan dengan membandingkan Sum Square Residualpada weighted statistics dengan sum squared residual pada unweighted statistics. Jika sum square residual pada weighted statistics lebih kecil dibandingkan dengan sum square residual unweighted statistics maka dapat disimpulkan terjadi heteroskedastisitas. Dari Tabel 9 dapat disimpulkan bahwa terjadi masalah heteroskedastisitas. Maka dengan Eviews 6 masalah heteroskedastisitas tersebut dapat diatasi dengan metode white Heteroskedasticity yang tersedia pada opsisaat akan mengekstimasi model regresi data panel.

35 Tabel 9. Hasil uji heteroskedastisitas. Weighted Statistic Sum Square Residual 87,83

Unweughted Statistic Sum Square Residual 98,62

b. Multikolinearitas Pelanggaran asumsi kedua adalah multikolineritas. Multikolineritas terjadi apabila adanya hubungan antar beberapa atau semua variabel bebas dalam metode penelitian yang digunakan. Hasil dari uji multikolineritas dapat dilihat pada Tabel 10. Variabel bebas ROE diindikasi mempunyai hubungan korelasi terhadap ROA. Dengan nilai korelasi lebih besar dari 0,8. Untuk mengatasi masalah multikolinearitas ini maka variabel ROE akan dihilangkan dari persamaan(Winarno, 2007). Tabel 10. Hasil uji multikolinearitas PD APB BOPO NPL ROA ROE LDR ATTM CAR NIM

PD 1.000 -0.470 0.249 -0.160 -0.255 -0.115 -0.364 -0.225 0.341 -0.159

APB -0.470 1.000 0.274 0.430 -0.206 -0.237 0.571 0.242 -0.375 0.468

BOPO 0.249 0.274 1.000 -0.0002 -0.752 -0.629 0.209 -0.388 0.222 0.218

NPL -0.160 0.430 -0.0002 1.000 0.073 0.284 -0.035 0.391 -0.232 0.243

ROA -0.255 -0.206 -0.752 0.073 1.000 0.824 -0.066 0.687 -0.161 0.295

ROE -0.115 -0.237 -0.629 0.284 0.824 1.000 -0.408 0.724 -0.259 0.129

LDR -0.364 0.571 0.209 -0.035 -0.066 -0.408 1.000 0.056 -0.156 0.597

ATTM CAR NIM -0.225 0.341 -0.159 0.242 -0.375 0.468 -0.388 0.222 0.218 0.391 -0.232 0.243 0.687 -0.161 0.295 0.724 -0.259 0.129 0.056 -0.1556 0.597 1.000 -0.325 0.524 -0.325 1.000 -0.082 0.524 -0.082 1.000

(data keuangan diolah) c.

Autokorelasi Autokorelasi adalah pelanggaran asumsi dimana terdapat korelasi serial antar error. Dari hasil Durbin Watson Statistik yang dapat dilihat pada Lampiran 8 bahwa tidak ada autokorelasi. Karena nilai DW Stat adalah sebesar 1,62.Dimana nilai tersebut berada diantara 1,54 dan 2,46 maka cukup bukti untuk menerima H0, tidak ada autokorelasi. Uji Signifikansi Model Probabilitas Kebangkrutan Dari analisis uji signifikasi baik uji t, uji statistik F, uji koefisien determinasi dan pengujian Adjusted R menunjukkanbahwa model probability of default ini layak. Berikut hasil dari masing-masing uji. Tabel 11. Ringkasan uji signifikansi model probability of default. Kriteria Statistik

Nilai

Probability

0,0000

F Observasi

35,82130

R-Square

0,883417

Adjusted R-Square

0,858755

(data keuangan bank diolah)

36 1. Uji Signifikasi t Pada Tabel 11 dapat dilihat bahwa nilai probability (0,000)< α (α< 0,05) sehingga keputusannya cukup bukti untuk tolak H0, yang berarti variabel bebas tersebut berpengaruh secara signifikan terhadap variabel terkaitnya. 2. Uji Statistik F Pada Tabel 11 dapat disimpulkan H0 ditolak maka minimal ada satu variabel independen yang berpengaruh nyata terhadap variabel dependen. 3. Uji Koefisien Determinasi atau ukuran goodness of fit Berdasarkan Tabel 11 dapat dilihat bahwa variabel-variabel bebas pada model ini dapat menjelaskan perubahan investasi secara baik yakni sebesar 88,34%. 4. Pengujian Adjusted R pengaruh penambahan variabel bebas tetap mampu memperkuat variansi penjelasan variabel terikat sebesar 85,88%. Pengujian Hipotesis dan Perumusan Persamaan Regresi Pengujian hipotesis akan dilakukan dua tahap yaitu uji signifikansi yang kemudian dilanjutkan dengan uji arah. Pada uji signifikansi, tingkat kepercayaan yang digunakan adalah sebesar 95%. Berdasarkan output hasil regresi berganda data panel dengan metode fixed effectpada Tabel12 terlihat nilai koefisien determinasi sebesar 0,8844 dimana angka ini menjelaskan bahwa variasi semua variabel bebas (APB, BOPO, NPL, ROA, ROE, LDR, ATTM, CAR dan NIM) secara bersamasama dapat menjelaskan variasi probabilitas default sebesar 88,44 persen dan variabel lain menjelaskan sebesar 11,56%.Variabel yang signifikan berpengaruh pada PD adalah a. Variabel BOPO , variabel BOPO dinyatakan berpengaruh terhadap PD (Probabilitas Kebangkrutan)dengannilai probabilitas (0,0001) lebih kecil dari α yaitu 0,05. BOPO mempunyai pengaruh positif terhadap PD dengan nilai β sebesar 20,209. Hal ini berarti apabila proporsi (%) BOPO suatu bank meningkat 1%maka tingkat PD akan meningkat sebesar 20,209%. b. Variabel ATTM berpengaruh negatif terhadap PD dengan nilai β sebesar 2,627. Penolakan H0 ini dilakukan karena nilai probabilitasnya lebih kecil dari α yaitu 0,05. Hal ini berarti apabila ATTM naik sebanyak 1%, maka tingkat PD akan turun sebanyak 2,627%. Dari hasil analisisdengan program Eviews tersebut, maka diketahui persamaan regresi yang dibentuk. Adapun persamaan regresi linier yang terbentuk adalah : a. Persamaan untuk BBRI PD = -66,601 – 0,987 APB + 20,209 BOPO + 0,196 NPL - 0.395 ROA –3,207 LDR - 2,627 ATTM - 1,026 CAR - 0,219 NIM b. Persamaan untuk BMRI PD = - 67,971– 0,987 APB + 20,209 BOPO + 0,196 NPL - 0.395 ROA –3,207 LDR - 2,627 ATTM - 1,026 CAR - 0,219 NIM c. Persamaan untuk BDNM PD = - 71,289– 0,987 APB + 20,209 BOPO + 0,196 NPL - 0.395 ROA –3,207 LDR - 2,627 ATTM - 1,026 CAR - 0,219 NIM

37 d. Persamaan untuk BJBR PD = - 65,388– 0,987 APB + 20,209 BOPO + 0,196 NPL - 0.395 ROA –3,207 LDR - 2,627 ATTM - 1,026 CAR - 0,219 NIM Tabel 12. Hasil analisis regresi Variabel Coefficient C -67.81224 APB -0.986774 BOPO 20.20892 NPL 0.195681 ROA 0.394706 LDR -3.206962 ATTM -2.627339 CAR -1.026148 NIM -0.219733 Koefisien Variabel Dummy BBRI 1.211484 BMRI -0.158600 BDNM -3.477491 BJBR 2.424607

Prob 0.0050 0.2775 0.0001 0.5270 0.7580 0.1584 0.0022 0.4319 0.9392

Prob (F-Statistic) 0.000000

R-Square 0.883417

(data keuangan bank diolah) Analisa Hasil dan Interpretasi Analisis Regresi Data Panel Kegiatan operasional perbankan sangat rentan terhadap risiko. Hal ini disebabkan adanya permasalahan yang timbul dalam aktivitasnya bank menghimpun dana dari masyarakat dalam bentuk tabungan, deposito, giro yang umumnya berjangka waktu pendek (kurang dari setahun) disisi lain dana tersebut dimanfaatkan bank untuk membiayai kredit korporasi atau penempatan pada instrumen-instrumen investasi lain yang umumnya berjangka panjang (waktu lebih dari setahun). Permasalahan ini disebut maturity gappada struktur keuangannya. Maturity gap yang dimaksud adalah adanya perbedaan jatuh tempo antara kewajiban membayar dana nasabah dan hasil penempatan. Sekali bank gagal memenuhi kewajiban kepada deposan, reputasi bank itu sedang dipertaruhkan dan bukan tidak mungkin akan mengalami rush oleh nasabah. Kalau ini terjadi bank sebesar apapun akan kolaps. Untuk itu selalu perlu melihat tingkat kesehatan bank. Tingkat kesehatan bank dapat dilihat dari beberapa indikator. Salah satu indikator utama yang dijadikan dasar kesehatan bank adalah rasio keuangan yang dilihat dari laporan keuangan perbankan. Dengan rasio keuangan kita dapat melihat alasan perubahan kesehatan perbankan serta melihat kecendrungan yang dapat memberikan dasar pertimbangan mengenai potensi keberhasilan perbankan dimasa yang akan datang. Dari uji KMV Merton PT Bank BPD Jawa Barat dan Banten Tbk (BJBR) mengalami penurunan dalam rangking obligasi setiap tahunnya. Pada tahun 2012 rangking BJBR adalah B. Rangking B merupakan rangking yang sangat rentan terhadap risiko kesulitan keuangan. Perubahan kondisi internal dan eksternal dapat mengganggu stabilitas operasional BJBR. Grafik Model KMV Merton BJBR pada Gambar 11 memperlihatkan bahwa ada penurunan nilai aset BJBR hingga akhir periode. Penurunan nilai pasar aset BJBR mengakibatkan semakin kecilnya nilai distance to distress(DD), sehingga PD (Probabilitas Kebangkrutan) BJBR pun semakin tinggi. Penurunan ini disebabkan

38 oleh adanya penurunan nilai saham BJBR. Namun pada kuartal 4 ada kecendrungan peningkatan nilai pasar aset BJBR walaupun terlihat sangat kecil. Apabila BJBR dapat melihat EWS ini sebagai suatu peringatan dalam hal kecendrungan kebangkrutan dan berusaha untuk meningkatkan kinerja pada periode berikutnya dalam hal peningkatan nilai pasar aset yang tergambarkan melalui harga saham, maka nilai PD perusahaan diharapkan akan menurun. Grafik Model KMV Merton untuk BBRI, BMRI, dan BDNM dapat dilihat pada Lampiran 9. (dalam triliun)

Gambar 11. Model KMV Merton BJBR (data keuangan bank diolah) Sesuai dengan hasil penelitian bahwa variabel yang signifikan berpengaruh terhadap kebangkrutan adalah variabel BOPO dan ATTM. Dari Gambar 12 terlihat bahwa BOPO BJBR berada diatas rata-rata BOPO keempat perbankan, hal ini berarti kurang efisiennya BJBR dalam kegiatan operasional. Sehingga untuk menurunkan nilai PD, pihak manajemen perlu meningkatkan efisiensi kegiatan operasional perbankan. Peningkatan efisiensi bank dapat dilakukan dengan menurunkan biaya operasional maupun meningkatkan pendapatan operasional dari perbankan. Sebaliknya pada rasio ATTM sudah memenuhi kriteria karena berada dibawah ratarata ATTM perusahaan. Hal ini berarti modal yang dimiliki perusahaan cukup untuk menunjang pengadaan aset BJBR.

39 PD (%)

BOPO dan ATTM (%) 90

1,60

80

1,40

70

1,20

60

1,00

50

0,80

40

0,60

30 20

0,40

10

0,20

0

0,00

BJBR BOPO BJBR ATTM rata-rata BOPO rata-rata ATTM BJBR PD

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 2009

2010

2011

2012

Gambar 12. Kinerja BJBR (data keuangan bank diolah) Tingkat efisiensi perbankan dapat dilihat dari pemanfaatan dan pengelolaan optimal dana-dana yang ada. Dari Gambar 13 dapat dilihat komposisi penyaluran kredit BJBR. Kredit terbesar yang diberikan oleh BJBR adalah kredit konsumsi dengan rata-rata 72,84% pertahun. Kredit konsumsi terdiri dari kredit pemilikan rumah, kredit kendaraan bermotor, dan kredit perorangan lainnya. Kredit konsumsi diberikan kepada para Pegawai Negeri Sipil (PNS) yang pembayarannya dilakukan dengan pemotongan gaji setiap bulannya. Hal ini sangat berbeda dengan komposisi kredit yang disalurkan oleh tiga bank lain yaitu BBRI, BDNM, dan BMRI. Pada ketiga bank yang memiliki ranking tertinggi ini, komposisi penyaluran berbentuk kredit yang tertinggi adalah kredit modal kerja. Komposisi penyaluran kredit dengan persentase kredit modal kerja yang tinggi cenderung memberikan pendapatan yang besar bagi perbankan dibandingkan kredit konsumsi, karena kredit modal kerja cenderung memiliki jumlah kredit yang besarserta bunga kredit yang lebih tinggi dibandingan kredit konsumsi, sehingga pendapatan perbankan cenderung lebih tinggi. Namun demikian kredit konsumsi yang dilakukan oleh BJBR cenderung memiliki risiko gagal bayar yang kecil dibandingkan kredit modal kerja,karena di salurkan kepada PNS yang mempunyai pendapatan yang tetap. Grafik komposisi kredit secara lengkap dapat dilihat pada Lampiran 10.

40

Komposisi Kredit yang Diberikan oleh BJBR 80,00% 70,00% 60,00% 50,00%

2009

40,00%

2010

30,00% 20,00%

2011

10,00%

2012

0,00% Kredit pinjaman Modal Kerja sindikasi

Kredit Investasi

pijaman karyawan

Kredit konsumsi

Kredit program pemerintah

Gambar 13. Komposisi kredit yang diberikan oleh BJBR (data keuangan bank diolah) Dalam penelitian ini rasio keuangan digunakan dalam menentukan variabel yang sangat rentan dan sangat perlu diperhatikan oleh berbankan, sehingga pihak manajemen dapat lebih berhati-hati dalam pengambilan keputusan. Penjabarananalisis hubungan variabel rasio keuangan dalam menjelaskan probabilitas default bank secara keseluruhan selama periode 2009-2012 dapat dilihat pada Tabel 13. a. Hubungan positif antara BOPO terhadap PD Salah satu variabel yang signifikan dalam persamaan regresi berganda adalah BOPO. Hasil dari regresi berganda memperlihatkan bahwa rasio BOPO berpengaruh positif terhadap terjadinya PD (Probabilitas Kebangkrutan). Dengan kata lain semakin tinggi nilai BOPO akan semakin tinggi kemungkinan PDnya. Rasio BOPO merupakan nilai yang menggambarkan seberapa efisien bank menggunakan sumber daya yang dimiliki untuk menghasilkan pendapatan. Agar suatu bank dapat memiliki rasio BOPO yang kecil maka bank harus meningkatkan pendapatan operasinya atau dengan menekan biaya operasional yang di keluarkannya. Nilai BOPO tentu saja mempengaruhi kondisi kesulitan keuangan dalam suatu bank. Karena apabila rasio BOPO lebih dari 100 persen maka bank harus menggunakan dana diluar pendapatan operasional yang diperoleh.Sebaliknya apabila nilai BOPO rendah, yang menandakan tingginya pendapatan perusahaan sehingga kemampuan perusahaan untuk membayar deviden akan meningkat,maka kemungkinan nilai saham dari bank yang bersangkutan di pasar sekunder dan jumlah dana dari pihak ketiga yang berhasil dikumpulkan akan naik.Hasil ini konsisten dengan penelitian yang dilakukan oleh Konstantituanto (2012) dan Coyne et al (2008) bahwa ada hubungan positif yang signifikan antara BOPO terhadap PD.

41 Tabel 13. Analisis Hubungan variabel rasio keuangan dalam menjelaskan probabilitas default. Variabel

Result

P-Value

APB BOPO NPL ROA LDR ATTM CAR NIM

0 + 0 0 0 0 0

0.2775 0.0001 0.5270 0.7580 0.1584 0.0022 0.4319 0.9392

Note

0

=tidak mempengaruhi PD

+

=Berpengaruh positif terhadap PD

-

=Berpengaruh negatif terhadap PD

Sumber:Data keuangan Diolah. b.

Hubungan negatif antara ATTM terhadap PD Analisis Regresi berganda pada penelitian ini menunjukan adanya pengaruh signifikan negatif ATTM terhadap terjadinya PD pada bank yang terdaftar di LQ 45. Dengan demikian apabila nilai ATTM suatu bank semakin besar maka semakin kecil kemungkinan bank tersebut PD. ATTM merupakanRasio yang mengukur kemampuan perbankan dalam berinvestasi dan menentukan besarnya aktiva tetap yang dimiliki. Semakin tinggi rasio ini artinya modal yang dimiliki bank kurang mencukupi dalam menunjang aktiva tetap dan inventaris sehingga kemungkinan suatu bank dalam kondisi bermasalah akan semakin besar. Namun pada uji ini didapatkan bahwa ATTM berhubungan negatif terhadap PD. Pengaruh ATTM bisa saja bernilai negatif terhadap PD pada keadaan nilai ROA perusahaan baik yaitu diatas 1,5%. Rata-rata ROA keempat bank dapat dilihat pada Tabel 14. Nilai ROA menandakan adanya return dalam peningkatan nilai aset perusahaan. Maka penambahan aset perusahaan berpotensi tidak menyebabkan permasalahan keuangan pada perusahaan. Kemungkinan pengaruh ATTM yang negatif ini dinyatakan pula oleh hasil penelitian yang dilakukan oleh Hui et al (2007) danSumantri dan Teddy Jurnali (2010) bahwa ada hubungan negatif yang signifikan antara ATTM terhadap PD. Tabel 14. Rata-rata ROA pertahun bank. Bank BBRI BMRI BDNM BJBR

(data keuangan bank diolah)

Rata –Rata Nilai ROA (%) 4,27 3,46 2,62 3,21

42 Implikasi Manajerial Implikasi Bagi Manajemen Perusahaan Pihak manajemen mengharapkan perusahaan yang dipimpinnya mengalami pertumbuhan seperti yang mereka inginkan dalam kegiatan usahanya. Pertumbuhan yang dinginkan terutama pertumbuhan pendapatan operasional yang sesuai atau melebihi target yang ditetapkan. Dampak dari pertumbuhan ini berakibat pula terhadap pertumbuhan aktiva atau harta perusahaan. Begitu pula sebaliknya dengan adanya aktiva lancar dan aktiva tetap yang memadai maka menimbulkan pendapatan operasionalnya yang meningkat. Pertumbuhan ini terlihat pada rasio keuangan BOPO dan ATTM yang pada penelitian ini mempunyai pengaruh yang signifikan terhadap probabilitas Kebangkrutan. Pihak manajemen perusahaan harus dapat mengelola perusahaan untuk mencegah adanya kemungkinan kebangkrutan, caranya adalah dengan menekan biaya operasional dalam rangka peningkatan efisiensi perusahaan serta menjaga dan meningkatkan kualitas aset ptoduktif dengan menggunakan prinsip kehati-hatian. Implikasi Bagi Investor di Pasar Modal Investor pada umumnya selalu berusaha untuk meminimalisasikan berbagai risiko yang bersifat jangka panjang maupun risiko yang bersifat jangka pendek. Berbagai perubahan kondisi mengharuskan seorang investor memutuskan apa yang harus dilakukan dan strategi apa yang diterapkan agar ia tetap memperoleh return yang diharapkan. Untuk itu diperlukan pengelolaan risiko, salah satu caranya adalah dengan pengontrolan risiko. Keputusan pengontrolan risiko dilakukan dengan cara mengantisipasi terhadap timbulnya risiko sebelum risiko itu terjadi yaitu dengan Early Warning System(EWS). Dari hasil penelitian EWS dengan menghitung probabilitas kegagalan bank menggunakan model KMV merton ini memberikan indikasi baik PT Bank Rakyat Indonesia Tbk, PT Bank Mandiri Tbk, dan PT Bank Danamon Tbk memiliki tingkat rating tertinggi yaitu AAA. Rating ini menandakan bahwa perusahaan BBRI, BMRI, dan BDNMtepat untuk dijadikan tempat berinvestasi karena dinilai sebagai efek utang yang peringkatnya paling tinggi dan beresiko paling rendah serta dinilai dapat memenuhi kewajiban jangka panjangnya sesuai dengan perjanjiandimana di tingkat kegagalan bank yang rendah. Dilain pihak PT BPD Jawa Barat dan Banten Tbk memiliki rating obligasi B pada akhir periodenya, hal ini berarti BJBR rentan dengan kemungkinan kebangkrutan, namun tetap memiliki kapasitas kemampuan bayar terhadap kewajiban hutang jangka panjangnya, selama tidak ada perubahan perekonomian, perubahan bisnis yang signifikan dan terus menerus kearah kerugian perbankan. Sehingga BJBR tetap menjadi wadah investasi yang layak, namun invertor perlu memperhatikan perubahan lingkungan. Investasi pada sektor perbankan di BEI merupakan pilihan yang menarik karena memberikan keuntungan yang relatif besar. Hal ini terlihat dari nilai ROE, dan CAR yang meningkat tiap tahunnya, sementara tingkat bunga pinjaman yang berlaku di pasar rata-rata 10%. Investor dapat mempertimbangkan melakukan investasi pada bank-bank yang memiliki BOPO yang rendah maupun ATTM yang tinggi. Sesuai hasil dan pembahasan di atas, seorang manajer investasi harus mampu melihat kecendrungan pergerakan rasio bank. Rasio bank yang perlu dilihat dengan cermat adalah rasio keuangan BOPO dan ATTM. BOPO merupakan indikator

43 efisiensi suatu bank. Semakin efisien suatu bank maka akan mampu menghasilkan nilai BOPO yang semakin kecil. Bagi manajer investasi sangatlah penting untuk memilih tempat berinvestasi yang memiliki efisiensi yang tinggi karena akan mampu menghasilkan return yang tinggi bagi perusahaan dalam bentuk bunga, sehingga kemungkinan kebangkrutan akan semakin kecil. Hal ini pun terlihat dari koefisien regresi yang berpengaruh secara signifikan terhadap PD (Probabilitas Kebangkrutan). Implikasi Bagi Pemerintah Berdasarkan hasil analisis tingkat PD yang rendah menandakan sudah baiknya pengawasan pemerintah terhadap kegiatan operasional perbankan di Indonesia. Namun masih ada perbankan yang memiliki ranking B, sehingga pemerintah perlu menjaga kestabilan ekonomi makro seiring dengan perbaikan kinerja perbankan yang dilakukan oleh manajemen perbankan. Kondisi ekonomi yang stabil merupakan suatu persyaratan yang penting bagi terwujudnya kegiatan perbankan yang sustainable. Dengan laju inflasi yang rendah diiringi dengan nilai tukar yang stabil dan suku bunga yang normal, mengakibatkan perbankan mendapatkan keuntungan untuk memperoleh kekuatan modalnya karena tidak menanggung beban negative spread. Sehingga pada akhirnya dapat memberikan kestabilan dan kepastian dalam usaha perbankan.

SIMPULAN DAN SARAN Kesimpulan Dari hasil penelitian probabilitas kegagalan bank model KMV merton ini memberikan indikasi tingkat kegagalan bank yang rendah dengan peringkat tertinggi yaitu AAA, sehingga PT Bank Rakyat Indonesia Tbk, PT Bank Mandiri Tbk, dan PT Danamon Indonesia Tbk layak untuk dijadikan tempat berinvestasi. SedangkanPT BPD Jawa Barat dan Banten Tbk mempunyai rangking B pada akhir periode, namun tetap menjadi tempat berinvestasi yang layak, dan investor perlu hati-hati dalam penanaman modal, terhadap perubahan ekonomi yang mengarak kepada kondisi yang menurunkan tingkat kemampuan bayar obligator terhadap hutang jangka panjangnya. Pada penelitian ini rasio keuangan telah memiliki kemampuan untuk menentukan suatu bank apakah akan mengalami probabilitas kebangkrutan atau tidakatau tidak. Berdasarkan analisis regresi, rasio keuangan mampu menjelaskan 88,4359% dalam model persamaan PD (Probabilitas Kebangkrutan). Berdasarkan analisis regresi yang dilakukan variabel-variabel independent dalam regresi yang memiliki pengaruh yang signifikan terhadap variabel dependen adalah variabel BOPO memiliki pengaruh yang positif terhadap PD dalam bank yang terdaftar dalam LQ 45 dan variabelATTMmemiliki pengaruh negatif terhadap PD dalam bank yang terdaftar dalam LQ 45. Dengan melakukan analisis regresi berganda terlihat bahwa variabel yang dominan berpengaruh terhadap PD dalam suatu perusahaan adalah rasioBOPO. Setiap nasabah,manajer investasi, maupun pemerintah harus selalu melihat perkembangan rasio-rasio keuangan yang dimiliki oleh perbankan. Hali ini dilakukan agar mengetahui kecendrungan apakah bank tersebut memiliki kemungkinan kebangkrutan atau tidak.

44 Saran Bagi peneliti berikutnya disarankan agar melakukan analisis fore casting dalam meramalkan kemungkinan kebangkrutan dimasa yang akan datang. Untuk melihat keakuratan model regresi perlu pula dilakukan perbandingan apakah ada perbedaan pengaruh rasio keuangan terhadap model kebangkrutan yang berbeda. Selain itu perlu melihat hubungan siklus bisnis maupun makroekonomi dengan probabilitas kebangkrutan agar dapat melihat sistem pengawasan pemerintah.

DAFTAR PUSTAKA Altman EI. 1968. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Financial, Vol. 23, No. 4, PP. 589609. Ali M. 2006. Manajemen Risiko: Strategi Perbankan dan Dunia Usaha Menghadapi Tantangan Globalisasi Bisnis. Jakarta (ID) : PT RajaGrafindo Persada. Astuti MW. Analisis Struktur Modal Terhadap Kinerja Keuangan Perusahaan [Tesis]. Bogor (ID): Sekolah Pascasarjana Manajemen Bisnis Institut Pertanian Bogor. [BI] Bank Indonesia. 2009. Outlook Ekonomi Indonesia 2009-2014 dalam BAB Krisis Ekonomi Global dan Dampaknya terhadap Perekonomian IndonesiaEdisi Januari 2009. Jakarta (ID): Bank Indonesia. ____________. 2012. Laporan Pertanggungjawaban Kepada DPR [internet]. [diunduh 2013 feb 20]. Tersedia Pada : http://www.bi.go.id/web/id/Publikasi/Laporan+kepada+DPR/lap_dpr_ tw412.pdf. ____________. 2010. Publikasi Bank Indonesia [internet]. [diunduh 2013 feb 20]. Tersedia Pada : http://www.bi.go.id/web/id/Publikasi.pdf. ____________. 2012. Laporan Statistik Perbankan [Internet]. [diunduh 2013 feb 20]. Tersedia Pada : http://www.bi.go.id/web/id/Statistik/Statistik+Perbankan/Statistik+Perbanka n+ Indonesia.pdf. Benos A, Papanastasopoulos . 2005. Extending the Merton Model: A HybridApproach to Assessing Credit Quality. Working Paper: University of Piraeus. Beaver WH. 1966. Financial Ratios As Predictors of Failure. Journal of Accounting Research, Vol. 4, pp. 71-111. Black F, Sholes M. 1973. The Pricing Of Options And Corporate Liabilities. Journal of Political Economy, 81 (3), 637-654. Coyne JS, SinghSG, Smith GJ. 2008. The Early Indicators of Financial Failure: A Study of Bankrupt and Solvent Health Systems. Coyne, Joseph S. Singh, Sher G. Smith, Gary J, Journal of Healthcare Management; Hlm. 333. Crouhy M, Galai RM. Risk Management.I. New York (US) : McGraw-Hill. Djohanputro, B. 2008. Manajemen Risiko Korporat. Jakarta (ID) : Penerbit PPM. Estrella A, Park S, Peristiani S. 2000. Capital ratios as predictors of bank failure. Jurnal.Economic Policy Review - Federal Reserve Bank of New York 6.2

45 FachrudinKA. 2008. Kesulitan Keuangan Perusahaan dan Personal. Medan (ID): USU Press. Fernander J. 2005. Corporate Credit Risk Modeling: Quantitative Rating System and Probability of Default Estimation. SSRN New York: JEL Clasification, C13, C14, G21, G28. Hadad MD, Wimboh S; Dwityapoetra SB, Ita R. (2004). Probabilitas Kegagalan Korporasi Dengan Menggunakan Model Merton. Reseach Paper: Bank Indonesia. Hui CH, et al. 2007. Predictions of Default Probabilities by Models with Dynamic Leverage Ratios. SSRNNew York (US): JEL Clasification, G21, G28, G13. Idroes FN. 2008. Manajemen Risiko Perbankan : Pemahaman 3 Pilar Kesepakatan Basel II Terkait Aplikasi Regulasi Dan Pelaksanaannya Di Indonesia, Jakarta (ID) : Rajawali Pers. Jurion P. 2003. Financial Risk Manajer Handbook Second Edition. America (US): John Wiley & Sons, Inc. Kasmir. 2008. Manajeman Perbankan. Jakarta (ID) : PT Raja Grafindo Persada. ______. 2011. Analisis Laporan Keuangan. Jakarta (ID): Rajawali Pers. Konstituanto A. 2012. Probabilitas Kegagalan Bank dari Aspek Manajemen dan Keuangan [disertasi]. Bogor (ID): Sekolah Pascasarjana Manajemen Bisnis Institut Pertanian Bogor. Kountur R. 2008. Mudah Memahami Manajemen Risiko Perusahaan. Jakarta (US): Penerbit PPM. ManurungAH. 2007. Probabilitas Default Perusahaan [Internet]. [diunduh 2013 feb 20]. Tersedia Pada : http://www.finansialbisnis.com/Data2/Riset/Probabilitas20Default%20Perus ahaan_AHM_020608.pdf Maruddani DAI. 2011. Credit Spreads Pada Reduced-Form Model. Jurnal Media Statistika Volume 4. Merton R. 1974.On the Pricing of Corporate Debt: The Risk Structure of Interest Rates.The Journal of Finance, Vol. 29 issue 2, 449-470 MulyaningrumP. 2008. Pengaruh rasio keuangan terhadap kebangkrutan bank di Indonesia [tesis]. Semarang (ID): Universitas Dipenegoro. Poernamawati F. 2009. Pengaruh Risiko Kredit Terhadap Risiko Keuangan Bankbank Persero yang Terdaftar di Bursa Efek Indonesia. JurnalManajemen Gajayana. Pratiwi NS. 2010. Analisis Rasio Keuangan dalam Menentukan Financial Distress pada Bank yang terdaftar dalam Bursa Efek Indonesia [tesis]. Bogor (ID): Sekolah Pascasarjana Manajemen Bisnis Institut Pertanian Bogor. Prihadi T. 2010. Analisis Laporan Keuangan. Jakarta (ID): Penerbit PPM. Siamat D. 2005. Manajemen Lembaga Keuangan, edisi kelima.Jakarta (ID) : Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. Siahaan H. 2009. Manajemen Risiko pada Perusahaan dan Birokrasi. Jakarta (ID) : PT Elexmedia Kompotindo. Suliyanto. 2011. Ekonometrika Terapan-Teori dan Aplikasi dengan SPSS. Yogyakarta (ID) : Penerbit ANDI. SumantriTJ. 2010. Manfaat Rasio Keuangan dalam Memprediksi Kepailitan Bank Nasional. Jurnal Bisnis dan Akuntansi. Vol 12 No.1, Hlm. 39-52.

46 Republik Indonesia. 1998. Undang-Undang Republik Indonesia Nomor 10 Tahun 1998 Tentang Perbankan. Lembaran Negara RI Tahun 1998. No. 3790. Jakarta (ID): Sekretariat Negara. Republik Indonesia. 2004. Undang-Undang Republik Indonesia Nomor 37 Tahun 2004 Tentang Kepailitan Dan Penundaan Kewajiban Pembayaran Utang. Lembaran Negara RI Tahun 1998. No. 4443. Jakarta (ID): Sekretariat Negara. Rudiyanto. 2012. Mengenal Cara Kerja Obligasi 2 Analisa Risiko Obligasi [Internet]. Diunduh 2013 feb 20. Tersedia pada : http://rudiyanto.blog.kontan.co.id/2012/03/11/mengenal-carra-kerjaobligasi-2-analisa-risiko-obligasi/ Winarno WW. 2007. Analisis Ekonometrika dan Statistika dengan Eviews. Yogyakarta (ID): YKPN.

47 Lampiran 1.Daftar istilah 1. Arbitrase harga : praktik untuk memperoleh keuntungan dari perbedaan harga yang terjadi di antara duapasar keuangan; Arbitrase merupakan suatu kombinasi penyesuaian transaksi atas dua pasar keuangandi manakeuntungan yang diperoleh adalah berasal dari selisih antara harga pasar yang satu dengan yang lainnya. 2. Bank : badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkannya kepada masyarakat dalam bentuk kredit dan/atau bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak. 3. Bunga : imbalan yang dibayarkan oleh peminjam atas dana yang diterima; bunga dinyatakan dalam persen (interest). 4. Capital Adequency Ratio (CAR) : Rasio kecukupan modal bank yang diukur berdasarkan perbandingan antara jumlah modal dengan aktiva tertimbang menurut risiko (ATMR). 5. Investor : Orang perorangan atau lembaga baik domestik atau non domestik yang melakukan suatu investasi (bentuk penanaman modal sesuai dengan jenis investasi yang dipilihnya) baik dalam jangka pendek atau jangka panjang. 6. KMV (Kealhofer, McQuown, Vasicek Development) : Perusahaan software komputer yang mengembangkan perhitungan probabilitas kebangkrutan perusahaan. 7. Maturuty : Waktu jatuh tempo dari kredit. 8. Non Performing Loan (NPL) : Konsumendengan status menunggak atau kredit macet. 9. Probability of Default (PD) : Peluang kegagalan membayar kewajiban. 10. Profitabilitas : Ukuran mengenai kemampuan perusahaan dalam menghasilkan keuntungan selama periode tertentu. 11. Rasio : perbandingan antara dua hal yang saling berhubungan, biasanya dalam bentuk angka; rasio, umumnya, digunakan untuk mengukur peringkat atau posisi keuangan suatu perusahaan dan analisis untuk pemberian kredit; sin. Nisbah. 12. Risiko Kredit : risiko yang timbul dalam hal debitur gagal memenuhi kewajiban untuk membayar angsuran pokok ataupun bunga sebagaimana telah disepakati dalam perjanjian kredit; disamping risiko suku bunga, risiko kredit merupakan salah satu risiko utama dalam pelaksanaan pemberian kredit bank. 13. Standard & poor : merupakan sebuah lembaga rating kredit yang dapat diakses untuk umum terhadap suatu kredit dari seorang nasabah sehubungan dengan surat hutang tertentu atau kewajiban keuangan lainnya.Selama bertahun-tahun peringkat kredit telah mencapai penerimaan luas investor sebagai alat yang mudah digunakan untuk membedakan kualitas kredit. 14. Solvabilitas : Kemampuan perusahaan untuk memenuhi semua kewajibannya. Solvabilitas menunjukan kemampuan perusahaan untuk melunasi seluruh utang yang ada dengan menggunakan seluruh aset yang dimilikinya.

48 Lanjutan Lampiran 1. 15. Subrime Mortage : Surat utang kepemilikan rumah atau KPR kepada masyarakat yang memiliki kualitas kredit yang rendah tetapi memberikan imbal hasil tinggi. 16. SUN : Surat berharga berupa surat pengakuan utang dalam mata uang rupiah maupun valuta asing yang diterbitkan oleh Negara Republik Indonesia. 17. Volatilitas : Standar deviasi dari perubahan nilai suatu instrumen keuangan dengan jangka waktu spesifik; digunakan untuk mengukur risiko dari instrumen keuangan pada suatu periode waktu tertentu.

49 Lampiran 2.

Ringkasan penelitian terdahulu

Nama Peneliti Abdussalam Konstituanto (2012)

Judul Penelitian Probabilitas Kegagalan Bank dari Aspek Manajemen dan Keuangan

Novi Sulistiyani Analisis Rasio Pratiwi (2010) Keuangan dalam Menentukan financial distress pada bank yang terdaftar dalam bursa efek indonesia.

Keterangan SAMPEL: Perusahaan Publik Sektor Perbankan di Indonesia. ANALISIS DATA:  Variabel dependen yaitu Probabilitas default diestimasi menggunakan Merton Model.  Analisis Pengaruh menggunakan Regresi berganda. Dengan variabel independen Rasio solvabilitas, Rasio Aktivitas, Rasio Profitabilitas, Rasio Efisiensi bank, Rasio Likuiditas bank, dan variabel kualitas manajemen. HASIL  Analisis risiko gagal bayar dengan menggunakan model black-scholes menunjukan bahwa bank-bank berskala besar memiliki dana pihak ketiga dan hutang jangka panjang cukup besar sehingga mempunyai default probability yang relatif tinggi. Dan dilihat dari volatilitas aset yang tinggi.  Informasi akuntansi berupa rasio keuangan bank mempunyai pengaruh signifikan terhadap terjadinya gagal (PD) bayar model merton terutama pada rasio risiko aktivitas bank (variabel APB), rasio solvabilitas bank (CAR, ATTM), Likuiditas (LDR) dan rasio efisiensi bank (BOPO). Begitu pula kualitas manajemen yang di proxy ROIC signifikan mempengaruhi PD  Variabel tertinggi adalah variabel BOPO dan ROIC. Analisis menggunakan rasio keuangan dan regresi logistik. HASIL  Rasio-rasio keuangan dapat digunakan dalam memprediksikan financial distress suatu bank.  Variabel yang dominan menentukan financial distress adalah Loan to Deposit Ratio (LDR), Biaya Operasional terhadap pendapatan (BOPO), Nett Interest Margin (NIM), dan Pemenuhan penyisihan Penghapusan Aktiva produktif (PPPAP).

50 Lanjutan Lampiran 2. Nama Peneliti (tahun) Purnamawati (2009)

Judul

Keterangan

Pengaruh Resiko Kredit Terhadap Kinerja Keuangan Bank-Bank Persero yang Terdaftar di Bursa Efek Indonesia

SAMPEL: Perusahaan Terbuka Sektor Perbankan di Indonesia METODE ANALISIS: Menggunakan Regresi Linear Berganda, dengan variabel dependen NPL dan variabel independen CAMEL. HASIL: Hubungan kuat yang negatif antara NPL terhadap CAMEL. SAMPEL: PerusahaanTerbuka pada LQ 45 METODE ANALISIS: model Merton HASIL: Perbankan mempunyai risiko kebangkrutan yang lebih tinggi dibandingkan sektor yang lain. SAMPEL: Perusahaan tertutup di Portugis. METODE ANALISIS Model Logit dan Model Probit. HASIL:Variabel yang signifikan berpengaruh terhadap risiko kredit adalah Current Ratio, Liquidity/Asset, Debt Service Ratio. Interest Cost/Sales, dan Productivity Ratio. SAMPEL:Perusahaan Terbuka METODE ANALISIS: Menggunakan Perkembangan Model Merton HASIL: Variabel yang signifikan adalah ROA, ukuran Aset, dan rasio hutang. SAMPEL: Perusahaan Publik Sektor Pertanian di Indonesia METODE ANALISIS: Model Merton HASIL: Merton dapat digunakan cukup baik sebagai sinyal awal risiko kredit.

Manurung (2007)

Probabilitas Perusahaan

Default

Fernander (2005)

Corporate Credit Risk Modeling: Quantitative Rating System and Probability of Default Estimation.

Benos dan Extending the Merton Papanastasopoulo Model : A Hybrid s (2005) Approach to Assessing Credit Quality.

Hadad, (2004)

dkk Probabilitas Kegagalan Korporasi Dengan Menggunakan Model Merton.

51 Lampiran 3.Ringkasan penelitian terdahulu untuk penentuan hipotesis No 1

2

3

3

4

5

6

7

Nama Penulis Konstituanto (2012)

Judul Probabilitas Kegagalan Bank dari Aspek Manajemen Keuangan Terhadap Perbankan Periode 2006-2010 Pratiwi (2010) Analisis Rasio Keuangan dalam Menentukan Financial Distress pada Bank yang Terdaftar dalam Bursa efek Indonesia Sumantri dan Manfaat Rasio Keuangan Teddy Jurnali Dalam Memprediksi (2010) Kepailitan Bank Nasional

Variabel APB CAR LDR BOPO

Koefisien + +

LDR BOPO NIM PPPAP

-

ATTM PPAPAP ROA NIM LDR Coyne et al (2008) The early indicators of BOPO Financial Failure: a study of bankrupt and solvent health system Mulyaningrum Pengaruh rasio keuangan ROE (2008) dengan kebangkrutan CAR bank LDR NPL BOPO ROA NIM ROA Benos dan Extending the Merton Rasio Hutang Papanastasopoulos Model: A Hybrid (2005) Approach to Assessing Credit Quality Blocwitz (2000) Benchmarking Deutsche CAR Bundesbank’s Default ROE Risk Model, The KMV Private Firm Model and Common Financial Ratio for German Corporations. Estrela, et al Capital ratios as CAR (2000) predictors of bank failure

+ + + +

+ + + +

-

-

Lampiran 4. Alur pikir penelitian

52

53 Lampiran 5. Perkembangan rasio keuanganperbankan Grafik perkembangan BOPO

BOPO(%)

BOPO 100 80 60 40 20 0

BOPO Bank BRI BOPO BMRI BOPO BDNM BOPO BJBR Q1Q2Q3Q4Q1Q2Q3Q4Q1Q2Q3Q4Q1Q2Q3Q4 2009

2010

2011

Standart BI

2012

Grafik perkembangan NPL

NPL (%)

NPL 6 5 4 3 2 1 0

BBRI BMRI BDNM BJBR Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 2009

2010

2011

Standart BI

2012

Grafik perkembangan ROA

ROA 6

ROA(%)

5 4

BBRI

3

BMRI

2

BDNM

1

BJBR

0

Standart BI Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 2009

2010

2011

2012

54 Lanjutan Lampiran 5. Grafik perkembangan NPL

NPL (%)

NPL 120 100 80 60 40 20 0

BBRI BMRI BDNM BJBR batas atas Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 2009

2010

2011

batas bawah

2012

Grafik perkembangan CAR

CAR 25

CAR(%)

20

BBRI

15

BMRI

10

BDNM

5

BJBR

0 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 2009

2010

2011

batas bawah

2012

Grafik perkembangan APB

APB 5 APB(%)

4

BBRI

3

BMRI

2

BDNM

1

BJBR

0 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 2009

2010

2011

2012

batas bawah

55 Lanjutan Lampiran 5. Grafik perkembangan ATTM

ATTM 30

ATTM(%)

25 20

BBRI

15

BMRI

10

BDNM

5

BJBR

0

batas bawah Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 2009

2010

2011

2012

Grafik perkembangan NIM

NIM 12

NIM(%)

10 8

BBRI

6

BMRI

4

BDNM

2

BJBR

0

batas bawah Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 2009

2010

2011

2012

2012

2011

2010

2009

ASET PASAR Q1 Rp 63.000.000.000.000 Q2 Rp 94.500.000.000.000 Q3 Rp 112.500.000.000.000 Q4 Rp 114.750.000.000.000 Q1 Rp 123.750.000.000.000 Q2 Rp 139.500.000.000.000 Q3 Rp 150.000.000.000.000 Q4 Rp 157.500.000.000.000 Q1 Rp 345.000.000.000.000 Q2 Rp 390.000.000.000.000 Q3 Rp 351.000.000.000.000 Q4 Rp 405.000.000.000.000 Q1 Rp 417.000.000.000.000 Q2 Rp 381.000.000.000.000 Q3 Rp 447.000.000.000.000 Q4 Rp 417.000.000.000.000 Facevalue of the bond Listing date maturity date

Periode

EKUITAS PASAR Rp 61.755.452.287.775 Rp 93.157.645.054.130 Rp 111.084.444.291.915 Rp 113.304.945.292.716 Rp 122.281.271.323.672 Rp 138.007.209.509.928 Rp 148.482.753.497.521 Rp 155.957.896.828.393 Rp 343.533.719.556.265 Rp 388.420.833.493.114 Rp 349.393.958.942.028 Rp 403.366.627.034.804 Rp 415.296.422.393.971 Rp 379.267.791.505.885 Rp 445.242.711.175.793 Rp 415.217.267.712.186 Rp2.000.000.000.000 2009 2014

PT Bank Rakyat Indonesia Tbk DPT DD Rp 1.244.547.712.225 3,863048 Rp 1.342.354.945.870 3,797127 Rp 1.415.555.708.085 4,294586 Rp 1.445.054.707.284 4,37247 Rp 1.468.728.676.328 4,419647 Rp 1.492.790.490.072 4,50359 Rp 1.517.246.502.479 4,581601 Rp 1.542.103.171.607 4,620368 Rp 1.466.280.443.735 3,986971 Rp 1.579.166.506.886 5,482298 Rp 1.606.041.057.972 5,367248 Rp 1.633.372.965.196 5,481492 Rp 1.703.577.606.029 5,498806 Rp 1.732.208.494.115 5,38258 Rp 1.757.288.824.207 5,509807 Rp 1.782.732.287.814 5,449928

Ringkasan hasil KMV Merton PT Bank Rakyat Indonesia Tbk

Lampiran 6. Data Hasil KMV Merton

%PD 0,005599% 0,007319% 0,000875% 0,000614% 0,000494% 0,000334% 0,000231% 0,000192% 0,003346% 0,000002% 0,000004% 0,000002% 0,000002% 0,000004% 0,000002% 0,000003%

bp RANKING OBLIGASI 0,559905 AAA 0,731913 AAA 0,08751 AAA 0,061424 AAA 0,049431 AAA 0,033408 AAA 0,023072 AAA 0,019153 AAA 0,334611 AAA 0,00021 AAA 0,0004 AAA 0,000211 AAA 0,000191 AAA 0,000367 AAA 0,00018 AAA 0,000252 AAA

56

ASET PASAR 2009 Q1 Rp68.448.000.000.000 Q2 Rp99.904.000.000.000 Q3 Rp147.904.000.000.000 Q4 Rp147.904.000.000.000 2010 Q1 Rp168.352.000.000.000 Q2 Rp188.800.000.000.000 Q3 Rp226.560.000.000.000 Q4 Rp204.544.000.000.000 2011 Q1 Rp217.600.000.000.000 Q2 Rp230.400.000.000.000 Q3 Rp201.600.000.000.000 Q4 Rp216.000.000.000.000 2012 Q1 Rp219.200.000.000.000 Q2 Rp230.400.000.000.000 Q3 Rp262.400.000.000.000 Q4 Rp259.200.000.000.000 Facevalue of the bond Listing date maturity date

Periode

PT Bank Mandiri Tbk

EKUITAS PASAR DPT Rp66.601.322.703.143 Rp1.846.677.296.857 Rp97.872.015.364.343 Rp2.031.984.635.657 Rp145.732.384.627.668 Rp2.171.615.372.332 Rp145.683.432.112.181 Rp2.220.567.887.819 Rp166.095.053.105.096 Rp2.256.946.894.904 Rp186.506.078.109.856 Rp2.293.921.890.144 Rp224.228.497.362.538 Rp2.331.502.637.462 Rp202.174.300.939.256 Rp2.369.699.060.744 Rp215.214.450.168.322 Rp2.385.549.831.678 Rp227.985.449.917.526 Rp2.414.550.082.474 Rp199.144.358.652.445 Rp2.455.641.347.555 Rp213.502.568.088.527 Rp2.497.431.911.473 Rp216.547.030.350.129 Rp2.652.969.649.871 Rp227.697.943.989.777 Rp2.702.056.010.223 Rp259.658.821.414.813 Rp2.741.178.585.187 Rp256.419.132.391.238 Rp2.780.867.608.762 Rp3.500.000.000.000 2009 2016

Ringkasan hasil KMV Merton PT Bank Mandiri Tbk

Lanjutan Lampiran 6.

DD %PD bp RANKING OBLIGASI 3,60935 0,0153% 1,534824 AAA 3,889868 0,0050% 0,501493 AAA 4,218776 0,0012% 0,122816 AAA 4,197583 0,0013% 0,13489 AAA 4,310855 0,0008% 0,081312 AAA 4,407736 0,0005% 0,052228 AAA 4,574885 0,0002% 0,023824 AAA 4,456767 0,0004% 0,041602 AAA 4,511432 0,0003% 0,032196 AAA 4,557588 0,0003% 0,025872 AAA 4,404852 0,0005% 0,052928 AAA 4,457917 0,0004% 0,04138 AAA 4,413724 0,0005% 0,050804 AAA 4,445097 0,0004% 0,043926 AAA 4,560712 0,0003% 0,02549 AAA 4,534347 0,0003% 0,028891 AAA 57

2012

2011

2010

2009

Periode

PT Bank Danamon Indonesia Tbk ASET PASAR EKUITAS PASAR DPT DD %PD bp RANKING Q1 Rp92.086.880.000.000 Rp 90.194.671.969.689 Rp 1.892.208.030.311 3,880251 0,00522% 0,521744 AAA Q2 Rp188.149.600.000.000 Rp 186.129.050.675.670 Rp 2.020.549.324.330 4,529281 0,00030% 0,029592 AAA Q3 Rp193.049.120.000.000 Rp 190.932.484.604.147 Rp 2.116.635.395.853 4,511717 0,00032% 0,032152 AAA Q4 Rp177.426.880.000.000 Rp 175.267.935.559.750 Rp 2.158.944.440.250 4,408359 0,00052% 0,052078 AAA Q1 Rp202.767.840.000.000 Rp 200.573.526.114.159 Rp 2.194.313.885.841 4,524845 0,00030% 0,03022 AAA Q2 Rp210.599.040.000.000 Rp 208.368.777.219.807 Rp 2.230.262.780.193 4,54633 0,00027% 0,027295 AAA Q3 Rp226.181.120.000.000 Rp 223.914.319.383.730 Rp 2.266.800.616.270 4,602339 0,00021% 0,020889 AAA Q4 Rp222.285.600.000.000 Rp 219.981.662.957.443 Rp 2.303.937.042.557 4,568331 0,00025% 0,024581 AAA Q1 Rp255.417.600.000.000 Rp 253.086.626.284.687 Rp 2.330.973.715.313 4,69563 0,00013% 0,013289 AAA Q2 Rp233.972.160.000.000 Rp 231.606.943.840.386 Rp 2.365.216.159.614 4,593262 0,00022% 0,021819 AAA Q3 Rp184.736.000.000.000 Rp 182.330.532.149.235 Rp 2.405.467.850.765 4,34033 0,00071% 0,071134 AAA Q4 Rp164.656.000.000.000 Rp 162.209.595.447.273 Rp 2.446.404.552.727 4,208656 0,00128% 0,128447 AAA Q1 Rp184.736.000.000.000 Rp 182.207.727.953.443 Rp 2.528.272.046.557 4,290969 0,00089% 0,088948 AAA Q2 Rp240.960.000.000.000 Rp 238.391.378.388.263 Rp 2.568.621.611.737 4,539326 0,00028% 0,028217 AAA Q3 Rp251.000.000.000.000 Rp 248.394.187.785.559 Rp 2.605.812.214.441 4,567602 0,00025% 0,024667 AAA Q4 Rp226.904.000.000.000 Rp 224.260.458.706.918 Rp 2.643.541.293.082 4,452239 0,00042% 0,04249 AAA Facevalue of the bond Rp 2.800.000.000.000 Listing date 2009 maturity date 2013

Ringkasan hasil KMV Merton PT Bank Danamon Indonesia Tbk

Lanjutan Lampiran 6. 58

2012

2011

2010

2009

ASET PASAR Q1 Rp 29.020.102.000.000 Q2 Rp 24.074.867.000.000 Q3 Rp 32.364.703.000.000 Q4 Rp 32.749.332.000.000 Q1 Rp 35.824.272.000.000 Q2 Rp 47.841.780.000.000 Q3 Rp 41.388.361.000.000 Q4 Rp 24.960.000.000.000 Q1 Rp 23.200.000.000.000 Q2 Rp 20.320.000.000.000 Q3 Rp 19.040.000.000.000 Q4 Rp 14.400.000.000.000 Q1 Rp 14.560.000.000.000 Q2 Rp 17.760.000.000.000 Q3 Rp 14.720.000.000.000 Q4 Rp 17.600.000.000.000 Facevalue of the bond Listing date maturity date

Periode

PT BPD Jawa Barat dan Banten Tbk EKUITAS PASAR DPT DD %PD bp Ranking Rp 27.946.420.134.752 Rp 1.073.681.865.248 3,293206 0,00000% 4,952593 A Rp 22.869.578.765.187 Rp 1.205.288.234.813 2,991201 0,00000% 13,89411 BBB Rp 31.059.301.829.315 Rp 1.305.401.170.685 3,207861 0,00000% 6,686314 A Rp 31.412.277.931.651 Rp 1.337.054.068.349 3,197179 0,00000% 6,938933 A Rp 34.465.313.310.003 Rp 1.358.958.689.997 3,26999 0,00000% 5,37757 A Rp 46.460.557.830.429 Rp 1.381.222.169.571 3,521482 0,00000% 2,145707 A Rp 39.984.510.613.850 Rp 1.403.850.386.150 3,377232 0,00000% 3,66096 A Rp 23.533.150.684.872 Rp 1.426.849.315.128 2,860047 0,00000% 21,17888 BB Rp 21.768.386.584.732 Rp 1.431.613.415.268 2,782566 0,00000% 26,96548 BB Rp 18.873.396.004.600 Rp 1.446.603.995.400 2,641308 0,00000% 41,29335 BB Rp 17.568.777.427.138 Rp 1.471.222.572.862 2,557073 0,00000% 52,77858 BB Rp 12.903.739.886.118 Rp 1.496.260.113.882 2,26124 0,00000% 118,722 B Rp 12.941.145.602.008 Rp 1.618.854.397.992 2,195281 0,00000% 140,7171 B Rp 16.108.442.573.861 Rp 1.651.557.426.139 2,370717 0,00000% 88,76809 B Rp 13.044.529.975.837 Rp 1.675.470.024.164 2,172152 0,00000% 149,2208 B Rp 15.900.271.151.677 Rp 1.699.728.848.323 2,336498 0,00000% 97,32651 B Rp 2.400.000.000.000 2009 2018

Ringkasan hasil KMV Merton PT BPT Jawa Barat dan Banten Tbk

Lanjutan Lampiran 6.

59

60 Lampiran 7. PD dan perankingan Perkembangan probabilitas default (PD) dan ranking BBRI

BBRI AA

0,040 0,035 0,030 0,025

AAA

0,020 0,015 0,010 0,005 0,000 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 2009

2010

2011

2012

Perkembangan probabilitas default (PD) dan ranking BMRI

BMRI AA

0,04 0,035 0,03 0,025

AAA

0,02 0,015 0,01 0,005 0 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 2009

2010

2011

2012

61 Lanjutan Lampiran 7. Perkembangan probabilitas default (PD) dan ranking BDNM

BDNM AA

0,04 0,035 0,03 0,025 0,02

AAA

0,015 0,01 0,005 0 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 2009

2010

2011

2012

Perkembangan probabilitas default (PD) dan ranking BJBR

BJBR B

BB

BBB A AAA

2 1,9 1,8 1,7 1,6 1,5 1,4 1,3 1,2 1,1 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 2009

2010

2011

2012

62 Lampiran 8. Grafik pemodelan KMV Merton PT. Bank Rakyat Indonesia, Tbk (dalam triliun)

PT. Bank Mandiri, Tbk (dalam triliun)

63 Lanjutan Lampiran 8. PT. Bank Danamon Indonesia (dalam triliun)

PT. BPD Jawa Barat Dan Banten (dalam triliun)

64 Lampiran 9. Hasil regresi Dependent Variable: PD? Method: Pooled Least Squares Date: 05/17/13 Time: 11:33 Sample: 2009Q1 2012Q4 Included observations: 16 Cross-sections included: 4 Total pool (balanced) observations: 64 Cross-section weights (PCSE) standard errors & covariance (d.f. corrected) Variable

Coefficient

Std. Error

t-Statistic

Prob.

C APB? BOPO? NPL? ROA? LDR? ATTM? CAR? NIM? Fixed Effects (Cross) _BBRI—C _BMRI—C _BDNM –C _BJBR—C

-67.81224 -0.986774 20.20892 0.195681 0.394706 -3.206962 -2.627339 -1.026148 -0.219733

23.15548 0.899221 4.625202 0.307227 1.274494 2.240760 0.817008 1.295423 2.865297

-2.928561 -1.097365 4.369305 0.636928 0.309696 -1.431194 -3.215808 -0.792133 -0.076688

0.0050 0.2775 0.0001 0.5270 0.7580 0.1584 0.0022 0.4319 0.9392

1.211484 -0.158600 -3.477491 2.424607 Effects Specification

Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.883417 0.858755 1.343273 93.82790 -103.0546 35.82130 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

-6.543379 3.574194 3.595456 4.000247 3.754924 1.623668

65 Lampiran 10. Komposisi penyaluran kredit perbankan Penyaluran kredit BBRI

Komposisi Kredit yang Diberikan BBRI 100,00% 90,00% 80,00% 70,00% 60,00% 50,00% 40,00% 30,00% 20,00% 10,00% 0,00%

2009 2010 2011 2012

Penyaluran kredit BMRI

Komposisi Kredit yang diberikan oleh BMRI 60,00% 50,00% 40,00% 30,00%

2009

20,00%

2010

10,00%

2011

0,00%

2012

66 Lanjutan Lampiran 10. Penyaliran kredit BDNM

Komposisi Kredit yang Diberikan BDNM 50,00% 45,00% 40,00% 35,00% 30,00% 25,00% 20,00% 15,00% 10,00% 5,00% 0,00%

2009 2010 2011 2012 Kredit pinjaman Modal Kerja sindikasi

Kredit Investasi

pijaman Kredit kepada konsumsi personil manajemen kunci

ekspor

Penyaluran kredit BJBR

Komposisi Kredit yang Diberikan oleh BJBR 80,00% 70,00% 60,00% 50,00% 2009

40,00%

2010

30,00%

2011

20,00%

2012

10,00% 0,00% Kredit pinjaman Modal Kerja sindikasi

Kredit Investasi

pijaman karyawan

Kredit konsumsi

Kredit program pemerintah

67 RIWAYAT HIDUP Penulis dilahirkan di Bogor, Jawa Barat pada tanggal 9 April 1988. Penulis adalah anak kedua dari tiga bersaudara pasangan Ir. Agus Dwitiyandi Gozali, MS.c dan Nia Selvinia Gozali. Penulis bertempat tinggal di Jalan Pemda Raya Komplek PGRI No 14 Kedung Halang, Bogor Utara, Bogor. Pendidikan dasar diselesaikan pada tahun 1999 Di SD Negeri No 107429 Pondok Kotangan, Medan, Sumatera Utara. Pendidikan lanjutan menengah pertama diselesaikan pada tahun 2002 di SLTP Negeri 2 Lubukpakam, Medan, Sumatera Utara. Pada tahun 2005 penulis lulus dari SMU Negeri 1 Lubukpakam, Medan, Sumatera Utara dan melanjutkan pendidikan pada Program Diploma III Supervisor Jaminan Mutu Pangan. Pada tahun 2008 penulis melanjutkan pendidikannya pada Program Studi Sarjana Manajemen Penyelenggaraan Khusus, Departemen Manajemen, Fakultas Ekonomi dan Manajemen. Dan diselesaikan pada tahun 2010. Dan melanjutkan program Masternya di Sekolah Pascasarjana, Institut Pertanian Bogor, Mayor Ilmu Manajemen pada tahun 2011. Penulis aktif dalam organisasi selama menuntut ilmu di IPB, yaitu sebagai Staf Departemen Operasi dan Kewirausahaan Extension Of Management (EXOM) club periode 2008-2009 serta sebagai Bendahara Eksekutif Of Management (EXOM) club periode 2009-2010. Untuk memperoleh gelar Sarjana Ekonomi dari IPB, penulis menulis skripsi dengan judul Analisis Keputusan Investasi Perbaikan Mesin pada Pabrik Teh Hitam di Pusat Penelitian Teh dan Kina, Gambung, Bandung, Jawa Barat. Selanjutnya, Dalam memperoleh gelas Master of Science dari IPB, penulis menulis Tesis dengan judul Analisis Pengaruh Rasio Keuangan Terhadap Probabilitas Kebangkrutan dari Sektor Perbankan pada Kelompok LQ 45 di BEI. Serta menyelesaikannya pada tahun 2013.