BAB IV HASIL DAN PEMBAHASAN
A. Analisis Statistik Deskriptif
Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, kurtosis dan skewness (kemencengan distribusi). Hasil analisis statistik deskriptif dalam penelitian ini dapat dilihat sesuai masingmasing variabel sebagai berikut:
TABEL 4.1 HASIL ANALISIS STATISTIK DESKRIPTIF Descriptive Statistics N
Minimum
Maximum
Mean
Std. Deviation
CAR
80
9.41
45.75
16.7506
5.00836
NPL
80
.21
8.82
1.9659
1.43328
BOPO
80
59.93
173.80
81.8263
14.38333
LDR
80
40.22
113.30
78.3293
13.33252
Valid N (listwise)
80
Sumber: Diolah Oleh Peneliti
Tabel 4.1 menunjukkan bahwa jumlah perusahaan perbankan yang memberikan laporan keuangan secara lengkap selama 4 (empat) tahun berturutturut dari tahun 2010-2013 sebanyak 20 perusahaan sehingga jumlah sampel adalah (20 perusahaan x 4 tahun) = 80 sampel.
61
62
1. Capital Adequacy Ratio (CAR)
Rasio Capital Adequacy Ratio (CAR) tertinggi (maximum) adalah 45.75% yaitu PT. Bank QNB Kesawan Tbk. Pada tahun 2011. Sedangkan rasio Capital Adequacy Ratio (CAR) terendah (minimum) adalah 9.41% yaitu pada PT. Bank Mutiara Tbk. Pada tahun 2011. Rata-rata (mean) dari rasio Capital Adequacy Ratio (CAR)
adalah 16.75% dengan standar
deviasi (penyimpangan baku) sebesar 5.01%. Dengan melihat besarnya nilai standar deviasi yang lebih kecil dari rata-ratanya maka data yang digunakan dalam variabel Capital Adequacy Ratio (CAR) mempunyai sebaran yang kecil, sehingga dapat disimpulkan bahwa data yang bagus.
2. Non Performing Loan (NPL)
Rasio Non Performing Loan (NPL) tertinggi (maximum) adalah 8.82% yaitu PT. Bank Rakyat Indonesia Agroniaga Tbk. Pada tahun 2010. Sedangkan rasio Non Performing Loan (NPL) terendah (minimum) adalah 0.21% yaitu pada PT. Bank Bumi Arta Tbk. Pada tahun 2013. Rata-rata (mean) dari rasio Non Performing Loan (NPL) adalah 1.97% dengan standar deviasi (penyimpangan baku) sebesar 1.43%. Dengan melihat besarnya nilai standar deviasi yang lebih kecil dari rata-ratanya maka data yang digunakan dalam variabel Non Performing Loan (NPL) mempunyai sebaran yang kecil, sehingga dapat disimpulkan bahwa data yang bagus.
63
3. Biaya Operasional terhadap Pendapatan Operasional (BOPO)
Rasio Biaya Operasional terhadap Pendapatan Operasional (BOPO) tertinggi (maximum) adalah 173.80% yaitu PT. Bank Mutiara Tbk. Pada tahun 2013. Sedangkan rasio Biaya Operasional terhadap Pendapatan Operasional (BOPO) terendah (minimum) adalah 59.93% yaitu pada PT. Bank Rakyat Indonesia Tbk. Pada tahun 2012. Rata-rata (mean) dari rasio Biaya Operasional terhadap Pendapatan Operasional (BOPO)
adalah 81.83% dengan standar deviasi (penyimpangan baku)
sebesar 14.38%. Dengan melihat besarnya nilai standar deviasi yang lebih kecil dari rata-ratanya maka data yang digunakan dalam variabel Biaya Operasional terhadap Pendapatan Operasional (BOPO) mempunyai sebaran yang kecil, sehingga dapat disimpulkan bahwa data yang bagus.
4. Loan to Deposit Ratio (LDR)
Rasio Loan to Deposit Ratio (LDR) tertinggi (maximum) adalah 113.30% yaitu PT. Bank QNB Kesawan Tbk. Pada tahun 2013. Sedangkan rasio Loan to Deposit Ratio (LDR) terendah (minimum) adalah 40.22% yaitu pada PT. Bank Victoria Internasional Tbk. Pada tahun 2010. Ratarata (mean) dari rasio Loan to Deposit Ratio (LDR)
adalah 78.33%
dengan standar deviasi (penyimpangan baku) sebesar 13.33%. Dengan melihat besarnya nilai standar deviasi yang lebih kecil dari rata-ratanya maka data yang digunakan dalam variabel Loan to Deposit Ratio (LDR)
64
mempunyai sebaran yang kecil, sehingga dapat disimpulkan bahwa data yang bagus.
B. Uji Asumsi dan Kualitas Instrument Penelitian 1. Uji asumsi klasik a. Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi normal. Seperti diketahui bahwa uji t dan F mengasumsikan bahwa nilai residual mengikuti distribusi normal. Kalau asumsi ini dilanggar maka uji statistik menjadi tidak valid untuk jumlah sample kecil. Data yang tidak terdistribusi secara normal dapat ditransformasikan agar menjadi normal.
i)
Analisis grafik
Salah satu cara termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati normal. Namun demikian hanya dengan melihat histogram hal ini dapat menyesatkan khususnya untuk jumlah sampel yang kecil. Metode yang lebih handal adalah dengan melihat normal probability plot yang membandingkan distribusi kumulatif dari distribusi
65
normal. Distribusi normal akan membentuk satu garis lurus
diagonal
dan
ploting
data
residual
akan
dibandingkan dengan garis diagonal. Jika distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonal. Pengujian normalitas menggunakan analisis grafik dapat dilihat dibawah ini. GAMBAR 4.1 GRAFIK HISTOGRAM
Sumber: Diolah Oleh Peneliti
66
GAMBAR 4.2 GRAFIK NORMAL
Sumber: Diolah Oleh Peneliti
Berdasarkan
gambar
4.1
disimpulkan
bahwa
residual
terdistribusi secara normal dan berbentuk simetris tidak menceng ke kanan dan ke kiri. Pada gambar 4.2 grafik normal probability plots titik-titik menyebar berhimpit disekitar diagonal dan hal ini menunjukkan bahwa residual terdistribusi secara normal.
ii)
Analisis statistik
Uji normalitas dengan grafik dapat menyesatkan kalau tidak hati-hati secara visual kelihatannya normal, padahal secara statistik bisa sebaliknya. Oleh sebab itu dianjurkan disamping uji grafik dilengkapi dengan uji
67
statistik. Uji statistik dapat digunakan untuk menguji normalitas residual adalah uji statistik non-parametik Kolomogorov-Smirnov
(K-S).
Uji
K-S
dilakukan
dengan membuat hipotesis:
H0 : Data residual berdistribusi normal HA : Data residual tidak berdistribusi normal
TABEL 4.2 HASIL UJI KOLMOGOROV-SEMIRNOV One-Sample Kolmogorov-Smirnov Test SQRTRES_1 N Normal Parameters
31 a,b
Most Extreme Differences
Mean Std. Deviation
4.3036 2.92114
Absolute
.178
Positive
.178
Negative
-.102
Kolmogorov-Smirnov Z
.988
Asymp. Sig. (2-tailed)
.283
a. Test distribution is Normal. b. Calculated from data.
Sumber: Diolah Oleh Peneliti
Dari table 4.2 menujukkan bahwa terdistribusi secara normal karena nilai signifikansinya diatas 0.05 yaitu sebesar 0.283. jadi secara keseluruhan dapat disimpulkan bahwa model regresi yang memenuhi syarat uji asumsi klasik.
68
b. Uji multikolonieritas
Uji multikolonieritas bertujuan untuk menguji apakah model regresi ditemukan adanya kolerasi antara variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi kolerasi diantara variabel independen. Jika variabel independen saling berkolerasi, maka
variabel-variabel
ini
tidak
ortogonal.
Pengujian
multikolonieritas dapat dilihat pada tabel dibawah ini.
TABEL 4.3 COEFFICIENTS Coefficientsa Model
Unstandardized
Standardized
Coefficients
Coefficients
B (Constant)
1
Std. Error
18.376
31.013
CAR
2.941
.761
NPL
-6.829
BOPO LDR
t
Sig.
Beta
Collinearity Statistics
Tolerance
VIF
.593
.555
.353
3.866
.000
.941
1.063
2.707
-.235
-2.522
.014
.907
1.103
.750
.271
.258
2.768
.007
.900
1.111
-1.254
.282
-.401
-4.442
.000
.964
1.037
a. Dependent Variable: FD
Sumber: Diolah Oleh Peneliti
Dari tabel 4.3 menunjukkan bahwa hasil perhitungan nilai Tolerance menujukkan tidak ada variabel independen yang memiliki nilai Tolerance kurang dari 0.10 yang berarti tidak ada kolerasi antara variabel independen yang nilainya lebih dari 95%. Hasil perhitungan nilai Variance Inflation Factor (VIF) juga menunjukkan hal yang sama tidak ada satu variabel independen yang memiliki nilai VIF
69
lebih dari 10, untuk masing-masing variabel independen yaitu Capital Adequacy Ratio (CAR) sebesar 1.063, Non Performing Loan (NPL) sebesar 1.103, Biaya Operasional terhadap Pendapatan Operasional (BOPO) 1.111 dan Loan to Deposit Ratio (LDR) sebesar 1.037. Jadi dapat disimpulkan bahwa tidak ada multikolonieritas antara variabel independen dalam model regresi.
c. Uji autokolerasi
Uji autokolerasi bertujuan untuk menguji apakah dalam model regresi liner ada kolerasi antara kesalahan penggangu pada periode t dengan kesalahan penggangu pada periode t-1 (sebelumnya). Jika terjadi kolerasi,
maka dinamakan ada problem autokolerasi.
Autokolerasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Masalah ini timbul karena residual (kesalahan penggangu) tidak bebas dari satu observasi ke observasi lainnya. Pengujian autokolerasi dapat dilihat dibawah ini.
TABEL 4.4 MODEL SUMMARY Model Summaryb Model
1
R
.790
R Square
a
.625
Adjusted R
Std. Error of the
Square
Estimate .411
a. Predictors: (Constant), LDR, BOPO, NPL, CAR b. Dependent Variable: LNRES_3
Sumber: Diolah Oleh Peneliti
.57761
Durbin-Watson
1.962
70
Dari tabel 4.4 menunjukkan bahwa hasil perhitungan DurbinWatson adalah sebesar 1.962 hal ini menunjukkan bahwa nilai Durbin-Watson lebih besar dari batas atas (du) 1.743, maka dapat disimpulkan bahwa kita tidak bisa menolak H0 yang menyatakan bahwa tidak terdapat autokolerasi.
d. Uji heteroskedastisitas
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual satu pengamatan
ke
pengamatan
lain
tetap,
maka
disebut
homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas. dibahwa ini.
Pengujian
heteroskedastisitas
dapat
dilihat
71
GAMBAR 4.3 HASIL UJI HETEROSKEDASTISITAS
Sumber: Diolah Oleh Peneliti
Dari gambar 4.3 menunjukkan bahwa gambar Scatterplot menunjukkan bahwa titik-titik menyebar baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi, sehingga model regresi layak untuk dipakai memprediksi financial distress berdasarkan masukkan variabel independen yaitu Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Biaya Operasional terhadap Pendapatan Operasional (BOPO) dan Loan to Deposit Ratio (LDR).
72
C. Pengujian Hipotesis
Untuk menguji hipotesis adanya pengaruh Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Biaya Operasional terhadap Pendapatan Operasional (BOPO), Loan to Deposit Ratio (LDR) terhadap financial distress akan digunakan analisis regresi logistik. Penggunaan analisis regresi logistik ini adalah karena variabel dependen adalah data yang berbentuk dummy, yaitu variabel kategori “1” untuk bank yang mengalami financial distress dan variabel kategori “0” untuk bank yang tidak mengalami financial distress.
1. Menilai model fit Langkah pertama adalah menilai Overall Fit model terhadap data. Beberapa tes statistik diberikan untuk menilai hal ini. Hipotesis untuk menilai model fit adalah:
H0
: model yang dihipotesakan fit dengan data
HA
: model yang dihipotesakan tidak fit dengan data
Dari hipotesis ini jelas bahwa kita tidak akan menolak hipotesa nol agar supaya model fit dengan data. Untuk menguji hipotesis tersebut perlu dilakukan analisis terhadap nilai -2LogL pada blok pertama (Block 0: Beginning Block) dan blok kedua (Block 1: Method = Enter) untuk mengetahui apakah model fit dengan data. Apabila terjadi penurunan maka dapat ditarik kesimpulan bahwa model tersebut menunjukkan regresi yang baik. Pengujian overall fit dapat dilihat pada tabel dibawah ini.
73
TABEL 4.5 -2LogL PADA BLOK PERTAMA (BLOCK 0 = BEGINNING BLOCK) Iteration Historya,b,c Iteration
Step 0
-2 Log
Coefficients
likelihood
Constant
1
96.038
.850
2
95.984
.907
3
95.984
.908
a. Constant is included in the model. b. Initial -2 Log Likelihood: 95.984 c. Estimation terminated at iteration number 3 because parameter estimates changed by less than .001.
Sumber: Diolah Oleh Peneliti
74
TABEL 4.6 -2LogL PADA BLOK KEDUA (BLOCK 1 : METHOD = ENTER)
Iteration Historya,b,c,d Iteration
-2 Log likelihood
Coefficients Constant
CAR
NPL
BOPO
LDR
1
73.629
6.432
-.124
.189
-.046
-.001
2
69.242
10.757
-.205
.255
-.078
-.005
3
68.440
13.843
-.239
.274
-.106
-.009
4
68.400
14.743
-.247
.279
-.114
-.010
5
68.400
14.797
-.247
.279
-.114
-.010
6
68.400
14.797
-.247
.279
-.114
-.010
1
73.646
6.342
-.124
.190
-.046
2
69.346
10.328
-.203
.260
-.079
3
68.610
13.043
-.236
.282
-.105
4
68.580
13.733
-.243
.286
-.112
5
68.580
13.765
-.243
.287
-.112
6
68.580
13.765
-.243
.287
-.112
1
75.125
6.512
-.135
-.042
2
70.937
10.520
-.220
-.071
3
70.255
13.113
-.254
-.096
4
70.231
13.713
-.261
-.102
5
70.231
13.736
-.261
-.102
6
70.231
13.736
-.261
-.102
Step 1
Step 2
Step 3
a. Method: Backward Stepwise (Conditional) b. Constant is included in the model. c. Initial -2 Log Likelihood: 95.984 d. Estimation terminated at iteration number 6 because parameter estimates changed by less than .001.
Sumber: Diolah Oleh Peneliti
75
Berdasarkan tabel 4.5 dan tabel 4.6 menunjukkan Nilai -2Log2 Block Number = 0 adalah sebesar 95.984. setelah dimasukkan ke empat variabel independen, maka nilai -2Log2 Block Number = 1 mengalami penurunan menjadi sebesar 70.231. Penurunan Likelihood (-2LL) ini menunjukkan model regresi yang lebih baik atau dengan kata lain model yang dihopotesiskan fit dengan data.
Uji kemaknaan koefisiensi regresi secara overall fit model dari empat variabel dapat dilakukan dengan menggunakan Omnibus Test of Model Coefficients, pengujian ini juga menggunakan Chi-Square. Pengujian Overall fit model dengan menggunakan Omnibus Test of Model dapat dilihat pada tabel dibawah ini. TABEL 4.7 OMNIBUS TEST OF MODEL COEFFICIENTS Omnibus Tests of Model Coefficients Chi-square
Step 1
Step 2
Step 3
a
Sig.
Step
27.584
4
.000
Block
27.584
4
.000
Model
27.584
4
.000
-.180
1
.671
Block
27.403
3
.000
Model
27.403
3
.000
Step
-1.651
1
.199
Block
25.753
2
.000
Model
25.753
2
.000
Step a
Df
a. A negative Chi-squares value indicates that the Chisquares value has decreased from the previous step.
Sumber: Diolah Oleh Peneliti
76
Berdasarkan tabel 4.7 menunjukkan hasil pengujian Omnibus Test diperoleh nilai Chi Square sebesar 25.753 dengan signifikansi yang lebih kecil dari 0.05 dapat disimpulkan bahwa secara bersama-sama kondisi bermasalah dapat diprediksi oleh variabel Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Biaya Operasional terhadap Pendapatan Operasional (BOPO) dan Loan to Deposit Ratio (LDR).
Untuk mengetahui besarnya variasi prediksi dari keempat variabel terhadap financial distress dapat dilihat dari nilai Cox & Snell R Square dan Nagelkerke R Square yang merupakan ukuran yang mencoba meniru ukuran R2 pada multiple regression yang didasarkan pada teknik estimasi LikeLihood dengan nilai maksimum kurang dari 1 (satu) sehingga sulit diinterpretasikan. Nagelkerke R Square merupakan modifikasi dari koefisien Cox & Snell Square untuk memastikan bahwa nilainya bervariasi dari 0 (nol) sampai 1 (satu). Nilai Cox & Snell Square dan Nagelkerke R Square dapat dilihat pada tabel dibawah ini.
TABEL 4.8 COX & SNELL SQUARE DAN NAGELKERKE R SQUARE Model Summary Step
-2 Log
Cox & Snell R
Nagelkerke R
likelihood
Square
Square
1
68.400a
.292
.417
2
a
.290
.415
a
.275
.394
3
68.580 70.231
a. Estimation terminated at iteration number 6 because parameter estimates changed by less than .001.
Sumber: Diolah Oleh Peneliti
77
Berdasarkan tabel 4.8 dapat diketahui bahwa nilai Cox & Snell R square adalah sebesar 0.275 dan Nagelkerke R Square sebesar 0.394. Berarti ukuran Cox & Snell R Square yang diperoleh bahwa 27.5% variasi financial distress dapat diprediksi menggunakan rasio Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Biaya Operasional terhadap Pendapatan Operasional (BOPO) dan Loan to Deposit Ratio (LDR).
Sedangkan menurut ukuran Nagelkereke R Square diperoleh 39.4% variasi financial distress dapat diprediksi menggunakan rasio Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Biaya Operasional terhadap Pendapatan Operasional (BOPO) dan Loan to Deposit Ratio (LDR). Hasil tersebut menunjukkan bahwa variabilitas variabel dependen dapat dijelaskan oleh variabilitas variabel independen sebesar 39.4% sedangkan sisanya 60.6% dijelaskan oleh variabel lain diluar model.
Pengujian adanya perbedaan antara prediksi dan observasi dilakukan dengan uji Hosmer and Lemeshow’s Goodness of Fit Test dengan pendekatan metode Chi-square. Jika nilai Hosmer and Lemeshow’s Goodness of Fit Test statistics sama dengan atau kurang dari 0.05, maka hipotesis nol ditolak yang berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga Goodness fit model tidak baik karena model tidak dapat memprediksi nilai observasinya.
78
Jika nilai Hosmer and Lemeshow’s Goodness of Fit Test lebih besar dari 0.05, maka hipotesis nol tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasinya.
TABEL 4.9 HOSMER AND LEMESHOW’S GOODNESS OF FIT TEST Hosmer and Lemeshow Test Step
Chi-square
df
Sig.
1
11.450
8
.177
2
7.604
8
.473
3
10.493
8
.232
Sumber: Diolah Olah Peneliti
Berdasarkan tabel 4.9 menunjukan hasil pengujian model prediksi dengan observasi diperoleh nilai Chi-square sebesar 10.493 dengan signifikansi sebesar 0.232 dengan nilai signifikansi yang lebih besar dari 0.05 maka berarti tidak diperoleh adanya perbedaan antara data estimasi model regresi logistik dengan data observasinya, berarti model tersebut sudah tepat dengan data, maka tidak perlu adanya modifikasi model .
Tabulasi silang sebagai konfirmasi tidak adanya perbedaan yang signifikan antara data hasil observasi dengan data prediksi dapat dilihat pada tabel dibawah ini.
79
TABEL 4.10 CLASSIFICATION TABLE Classification Tablea Observed
Predicted FD .00
Percentage Correct
1.00
.00
11
12
47.8
1.00
3
54
94.7
FD Step 1
Overall Percentage
Step 2
FD
81.3
.00
11
12
47.8
1.00
3
54
94.7
Overall Percentage
81.3
.00
10
13
43.5
1.00
3
54
94.7
FD Step 3
Overall Percentage
80.0
a. The cut value is .500
Sumber: Diolah Oleh Peneliti
Berdasarkan tabel 4.10 tersebut diketahui observasi jumlah bank yang mengalami financial distress ada 57 bank. Hasil prediksi memperlihatkan 54 yang mengalami kondisi bermasalah dan 3 yang sehat. Dengan demikian ketepatan model dalam prediksi bank yang mengalami financial ditress mencapai tingkat akurasi 3/54 atau 94.7%. Hasil observasi bank sehat menunjukkan 23 bank. Hasil prediksi memperlihatkan 13 bank yang mengalami financial distress dan 10 bank yang sehat. Ketepatan model dalam memprediksi bank yang sehat mencapai tingkat akurasi 10/13 atau 43.5%. sedangkan tingkat akurasi secara keseluruhan sebesar 80.0%
80
Pengujian predictor secara parsial dilakukan dengan menggunakan uji Wald, hasil uji Wald dapat dilihat pada tabel dibahwa ini.
TABEL 4.11 VARIABLES IN THE EQUATION Variables in the Equation B
S.E.
Wald
df
Sig.
Exp(B)
95% C.I.for EXP(B) Lower
Step 1
a
CAR
-.247
.089
7.774
1
.005
.781
.656
.929
NPL
.279
.240
1.352
1
.245
1.322
.826
2.115
BOPO
-.114
.047
6.037
1
.014
.892
.814
.977
LDR
-.010
.024
.178
1
.673
.990
.945
1.037
14.797
5.074
8.505
1
.004
2668436.146
CAR
-.243
.088
7.601
1
.006
.784
.659
.932
NPL
.287
.241
1.420
1
.233
1.332
.831
2.134
-.112
.045
6.180
1
.013
.894
.818
.976
13.765
4.276
10.362
1
.001
950554.008
CAR
-.261
.088
8.830
1
.003
.770
.649
.915
BOPO
-.102
.042
5.730
1
.017
.903
.831
.982
13.736
4.106
11.189
1
.001
923504.405
Constant
Step 2
a
BOPO Constant
Step 3
a
Constant
a. Variable(s) entered on step 1: CAR, NPL, BOPO, LDR.
Sumber: Diolah Oleh Peneliti
Berdasarkan tabel 4.11 menunjukkan hasil persamaan logistic regression dapat dinyatakan sebagai berikut:
Ln
Upper
P
= 13.736 – 0.261 CAR – 0.102 BOPO + e
1–P Atau P 1–P
= e (13.736 – 0.261 – 0.102) = e 13.736 x e -0.261 CAR x e -0.102 BOPO
81
Pengujian hipotesis untuk mengetahui pengaruh rasio Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Biaya Operasional terhadap Pendapatan Operasional (BOPO) dan Loan to Deposit Ratio (LDR) terhadap financial distress perbankan Indonesia yang terdaftar di Bursa Efek Indonesia dapat dijelaskan sebagai berikut:
a. Berdasarkan tabel diatas dapat diketahui bahwa Capital Adequacy Ratio (CAR) memiliki koefisien bertanda negatif dengan nilai -0.261 dan memiliki pengaruh signifikan terhadap financial distress pada perbankan Indonesia yang terdaftar di Bursa Efek Indonesia. Hal ini ditunjukan dengan signifikansi 0.003 yang lebih kecil dari 0.05. Maka dapat disimpulkan Hipotesis 1 diterima. b. Berdasarkan tabel diatas dapat diketahui bahwa rasio Non Performing Loan (NPL) memiliki koefisien bertanda positif dengan nilai 0.287 dan tidak memiliki pengaruh yang signifikan terhadap financial distress perbankan yang terdaftar di Bursa Efek Indonesia. Hal ini ditunjukkan dengan signifikansi 0.233 yang lebih besar dari 0.05. Maka dapat disimpulkan Hipotesis 2 ditolak. c. Berdasarkan tabel diatas dapat diketahui bahwa rasio Biaya Operasional terhadap Pendapatan Operasional (BOPO) memiliki koefisien bertanda negatif dengan nilai -0.102 dan memiliki pengaruh signifikan terhadap financial distress pada perbankan Indonesia yang terdaftar di Bursa Efek Indonesia. Hal ini ditunjukkan dengan signifikansi 0.017 yang lebih kecil dari 0.05. Maka dapat disimpulkan Hipotesis 3 diterima.
82
d. Berdasarkan tabel diatas dapat diketahui bahawa Loan to Deposit Ratio (LDR) tidak memiliki koefisien bertanda negatif dengan nilai -0.010 dan tidak memiliki pengaruh yang signifikan terhadap financial distress perbankan Indonesia yang terdaftar di Bursa Efek Indonesia. Hal ini ditunjukkan dengan signifikansi 0.673 yang lebih besar dari 0.05. Maka dapat disimpulkan Hipotesis 4 ditolak.
D. Pembahasan
Berdasarkan hasil penelitian yang dilakukan dapat diketahui bahwa secara statistik Capital Adequacy Ratio (CAR) dan Biaya Operasional terhadap Pendapatan Operasional (BOPO) berpengaruh signifikan terhadap financial distress pada perbankan yang terdaftar di Bursa Efek Indonesia periode 2010-2013. Sedangkan Non Performing Loan (NPL) dan Loan to Deposit Ratio (LDR) tidak berpengaruh signifikan terhadap financial distress perbankan Indonesia yang terdaftar di Bursa Efek Indonesia periode 20102013. Hasil yang diperoleh berdasarkan pengujian yang telah dilakukan adalah:
1. Pengaruh Capital Adequacy Ratio (CAR) terhadap financial distress
Hasil pengujian regresi logistik diperoleh bahwa Capital Adequacy Ratio (CAR) memiliki pengaruh yang negatif signifikan terhadap financial distress, hal ini menunjukkan bahwa kenaikan pada faktor permodalan dapat meredam kemungkinan timbulnya resiko yang dapat mengakibatkan
83
financial
distress.
Dan
dengan
tanda
koefisien
regresi
negatif
menunjukkan bahwa kenaikan modal perbankan atau semakin besar Capital Adequacy Ratio (CAR) maka semakin rendah tingkat prediksi financial distress yang dialami oleh bank tersebut.
Penelitian ini konsisten sama seperti penelitian yang dilakukan Almilia dan Winny Herdinigtyas (2005) diketahui bahwa rasio Capital Adequacy Ratio (CAR) mempunyai pengaruh negatif signifikan karena tingkat signifikansinya lebih kecil 0.05 yang artinya semakin rendah rasio ini akan semakin besar kemungkinan suatu bank dalam kondisi bermasalah.
2. Pengaruh Non Performing Loan (NPL) terhadap financial distress
Hasil pengujian regresi logistik diperoleh bahwa Non Performing Loan (NPL) tidak memiliki pengaruh yang positif signifikan terhadap financial distress, Hal ini sesuai dengan dengan ketentuan Bank Indonesia (BI) yang mengumumkan bahwa bank wajib memenuhi rasio Non Performing Loan (NPL) maksimum sebesar 5%, apabila bank melebihi batas yang telah ditetapkan maka bank tersebut akan dikenakan tindakan sesuai dengan Standar Operasi dan Prosedur (SOP), yaitu pengawasan intensif yang diikuti dengan pengawasan khusus dan langkah-langkah lain yang telah dirumuskan. Dan dengan tanda koefisien regresi positif menunjukkan bahwa semakin besar Non Performing Loan (NPL) maka
84
semakin besar pula tingkat prediksi financial distress yang dialami oleh bank tersebut.
Penelitian ini konsisten sama seperti penelitian yang dilakukan oleh Reny Sri Harjanty (2011) diketahui bahwa rasio Non Performing Loan (NPL) mempunyai pengaruh positif tidak signifikan terhadap financial distress karena tingkat signifikansinya sebesar lebih besar dari 0.05 yang menunjukkan bahwa semakin tinggi rasio Non Performing Loan (NPL) maka semakin tinggi juga kemungkinan bank akan mengalami financial distress.
3. Biaya Operasional terhadap Pendapatan Operasional (BOPO)
Hasil
pengujian
regresi
logistik
diperoleh
bahwa
Biaya
Operasional terhadap Pendapatan Operasional (BOPO) memiliki pengaruh yang negatif signifikan terhadap financial distress dan dengan tanda koefisien regresi yang negatif menunjukkan bahwa semakin tinggi rasio Biaya Operasional terhadap Pendapatan Operasional (BOPO) maka bank semakin tidak efisien dalam mengendalikan biaya operasional terhadap pendapatan operasionalnya sehingga semakin besar juga kemungkinan bank tersebut mengalami financial distress.
Penelitian ini konsisten sama seperti penelitian yang dilakukan oleh Christiana Kurniasari (2013) diketahui bahwa rasio Biaya Operasional Terhadap Pendapatan Operasional (BOPO) berpengaruh
85
secara positif signifikan terhadap financial distress dengan tingkat signifikansinya yang lebih kecil dari 0.05 yang menunjukkan bahwa semakin tinggi rasio Biaya Operasional terhadap Pendapatan Operasional (BOPO) bank semakin tidak efisien dalam mengendalikan biaya operasionalnya maka semakin besar juga bank dalam mengalami financial distress.
4. Loan to Deposit Ratio (LDR)
Hasil pengujian regresi logistik diperoleh bahwa Loan to Deposit Ratio (LDR) tidak memiliki pengaruh yang signifikan terhadap financial distress, hal ini sesuai dengan ketentuan Bank Indonesia (BI) bahwa tingkat likuiditas bank dianggap sehat apabila Loan to Deposit Ratio (LDR) antara 80%-110%. Hal ini menunjukkan bahwa semakin besar Loan to Deposit Ratio (LDR) maka semakin besar juga tingkat prediksi financial distress yang dialami oleh bank tersebut.
Penelitian ini konsisten sama seperti penelitian yang dilakukan oleh Aji Nugroho (2011) diketahui bahwa rasio Loan to Deposit Ratio (LDR) tidak berpengaruh signifikan dengan tingkat signifkansi lebih besar dari 0.05 yang menunjukkan bahwa rasio Loan to Deposit Ratio (LDR) akan mempengaruhi tingkat profitabilitas bank dalam kesempatan mendapatkan bunga dari kredit yang diberikan sehingga kredit yang disalurkan akan meningkatkan pendapatan bank, namun hubungannya
86
tidak signifikan karena nilai Loan to Deposit Ratio (LDR) yang terlalu tinggi akan mempengaruhi likuiditas bank tersebut.
