Pengaruh Faktor Makroekonomi dan Faktor Spesifik Bank Terhadap Perubahan Non-Performing Loan di Indonesia Periode

Pengaruh Faktor Makroekonomi dan Faktor Spesifik Bank Terhadap Perubahan Non-Performing Loan di Indonesia Periode 2003 – 2011

Endriyanto Mega Cita Hantara, Liyu Adhi Kasari Sulung

Departemen Manajemen, Fakultas Ekonomi, Universitas Indonesia, Depok, 16424, Indonesia Departemen Manajemen, Fakultas Ekonomi, Universitas Indonesia, Depok, 16424, Indonesia

E-mail: [email protected] [email protected]

Abstrak

Penelitian ini meneliti pengaruh faktor makroekonomi; yaitu perubahan GDP, perubahan real lending rate (BI rate), dan perubahan sovereign debt to GDP; dan pengaruh faktor spesifik bank, yaitu bad management, skimping, diversification opportunity, too big to fail, bad management II, procyclical credit policy, tight control terhadap perubahan NPL di Indonesia. Observasi dilakukan terhadap 105 bank umum yang diakui oleh BI di Indonesia selama kurun waktu 2003-2011 secara kuartal. Data yang digunakan merupakan data panel yang bersumber dari Datastream, Eikon, dan laporan keuangan perusahaan. Dengan menggunakan model estimasi First Difference Generalized Method of Moment (GMM), didapatkan hasil bahwa perubahan GDP, perubahan sovereign debt to GDP, skimping, diversification opportunity, bad management II, dan tight control (untuk ownership concentration lebih dari 25% hingga 50%) secara signifikan berpengaruh negatif terhadap perubahan NPL. Di sisi lain perubahan real lending rate (BI rate), too big to fail, dan tight control (untuk ownership concentration lebih dari 10% hingga 25% dan lebih dari 50%) secara signifikan berpengaruh positif terhadap perubahan NPL. Sedangkan bad management dan procyclical credit policy tidak secara signifikan berpengaruh terhadap perubahan NPL. Kata kunci: Non-performing loan, sistem perbankan Indonesia, faktor makroekonomi, faktor spesifik bank, dynamic panel data

Pengaruh faktor makroekonomi dan..., Endriyanto Mega Cita Hantara, FE UI, 2014

Abstract

This research examines the effect of macroeconomic factors, such as GDP growth, real lending rate (BI rate) growth, and change in sovereign debt to GDP; and the effect of bank-specific factors, such as bad management, skimping, diversification opportunity, too big to fail, bad management II, procyclical credit policy, tight control to the change of NPL in Indonesia. Observation is done to 105 bank in Indonesia within period of 2003-2011. By using panel data of macroeconomic and bank-specific factors from Datastream, Eikon, and financial report. By using First Difference Generalized Method of Moment (GMM) estimation model, research finds that GDP growth, change in sovereign debt to GDP, skimping, diversification, bad management II, dan tight control (for ownership concentration more than 25% until 50%) has negative effect on the change in NPL. In other side, real lending rate (BI rate) growth, too big to fail, and tight control (for ownership concentration more than 10% until 25% and more than 50%) has positive effect on the change in NPL. It also discovers that bad management and procyclical credit policy has no effect on the change in NPL. Keyword: Non-performing loan, Indonesia Banking System, Macroeconomic factor, bank specific factor, dynamic panel data

1. Latar Belakang Indonesia, sebagai negara dengan bank sebagai basis financial intermediary, memiliki peran yang sangat penting dan sentral bagi perekonomian Indonesia. Sesuai dengan UU No. 10 Tahun 1998, bank adalah 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. Fungsi bank menurut UU tersebut meliputi tiga kegiatan, yaitu menghimpun dana, menyalurkan dana, dan memberikan jasa bank lainnya. Sebagian besar bank di Indonesia masih mengandalkan kredit sebagai pemasukan utama dalam membiayai operasionalnya. Namun tidak semua kredit yang digelontorkan tersebut bebas dari risiko. Sebagian dari mereka memiliki risiko yang cukup besar dan dapat mengancam kesehatan bank. Oleh karena itu, kualitas pengelolaan kredit haruslah sangat


diperhatikan. Karena jika terjadi banyak kredit bermasalah maka akan merugikan bank itu sendiri. Sejak adanya Paket 27 Oktober 1988 (Pakto 1988), pertumbuhan bank-bank umum di Indonesia semakin pesat. Bank umum adalah bank yang melaksanakan kegiatan usaha secara konvensional atau berdasarkan prinsip syariah yang dalam kegiatannya memberikan jasa dalam lalu lintas pembayaran (UU No. 10 Tahun 1998). Hingga Desember 2011, ada 120 bank umum yang terdaftar di Bank Indonesia yang terdiri dari 109 Bank Umum Konvensional dan 11 Bank Umum Syariah. Bank Umum Syariah memang memiliki pertumbuhan yang cukup pesat, namun jumlah masih kalah jauh dengan jumlah bank umum konvensional yang ada. Oleh karena itu dalam hal ini, dipilih bank umum konvensional sebagai objek penelitian Masih diandalkannya kredit sebagai sumber pendapatan utama serta keharusan bank dalam memikul sendiri tanggung jawab akan risiko yang mungkin terjadi membuat Bank Umum Konvensional lebih rentan terkena kredit bemasalah. Tingkat terjadinya kredit bermasalah biasanya dicerminkan dengan rasio non-performing loan (NPL) yang terjadi pada bank tersebut. Semakin rendah rasio NPL maka akan semakin rendah tingkat kredit bermasalah yang terjadi yang berarti semakin baik kondisi dari bank tersebut. Non-performing loan merupakan salah satu indikator dalam menilai kinerja fungsi bank, dimana fungsi bank adalah sebagai lembaga intermediary. Tingginya tingkat NPL menunjukkan kesehatan bank yang rendah karena banyak sekali terjadi kredit bermasalah di dalam kegiatan bank tersebut. Periode diambil cukup panjang yaitu mulai tahun 2003 hingga 2011 secara kuartal. Karena keterbatasan data saat penelitian dimulai sehingga penelitian menggunakan data hingga 2011 kuartal 4. Periode yang cukup panjang tersebut diambil karena dalam periode tersebut telah mengcover berbagai kejadian makroekonomi sehingga dapat secara utuh menggambarkan pengaruh faktor makroekonomi. Periode dipilih secara kuartal, karena pada masa 3 bulanan ini pergerakan terlihat lebih jelas perubahan fluktuasi perekonomian di Indonesia. Pada tahun 2003 - 2011 tren NPL menurun. Namun, ini bukan berarti NPL di Indonesia tanpa masalah. Pada tahun 2006, 2008, dan 2010 NPL perbankan di Indonesia mengalami kenaikan yang cukup tajam. Hal ini cukup mengkhawatirkan mengingat kurang stabilnya kondisi NPL di Indonesia.


NPL sering dikaitkan dengan terjadinya krisis finansial dan kegagalan bank (Berger & DeYoung, 1997). Saat krisis finansial di tahun 1997 – 1998, tingkat NPL perbankan Indonesia melampaui 50%. Krisis finansial yang menimpa seluruh dunia di tahun 2008 berawal dari kredit macet di Amerika Serikat yang disebabkan pesatnya perkembangan kredit perumahan sub-prime. Hal ini juga bisa terjadi di Indonesia bila kualitas kredit tidak dijaga dengan baik.

2. Tinjauan Teoritis 2.1 Faktor Makroekonomi Beberapa makalah dalam literatur perbankan menguji hubungan antara lingkungan ekonomi makro dan kualitas kredit. Dalam baris penelitian ini, telah dihipotesiskan bahwa fase ekspansi ekonomi mempunyai NPL relatif rendah, baik sebagai konsumen dan perusahaan menghadapi aliran yang cukup pendapatan untuk melunasi hutang mereka. Seriring dengan berlanjutnya periode booming, kredit yang diberikan kepada debitur berkualitas rendah dan kemudian, ketika resesi terjadi, NPL meningkat. Memang, Carey (1998) berpendapat bahwa '' keadaan ekonomi adalah faktor sistematis yang paling penting yang mempengaruhi diversifikasi tingkat kerugian portofolio utang '' (Carey, 1998). Studi empiris lainnya juga cenderung untuk mengkonfirmasi hubungan tersebut antara fase dari siklus dan kegagalan kredit. Quagliarello (2007) menemukan bahwa siklus bisnis mempengaruhi NPL untuk panel besar bank Italia selama periode 1985-2002. Selain itu, Cifter et al. (2009) memberikan bukti empiris untuk dampak tertinggal dari produksi industri pada jumlah NPL dalam sistem keuangan Turki selama periode 2001-2007. Salas dan Saurina (2002) memperkirakan efek kontemporer signifikan negatif pertumbuhan GDP pada NPL dan menyimpulkan transmisi cepat perkembangan ekonomi makro dengan kemampuan pelaku ekonomi untuk melayani pinjaman mereka (lihat lebih lanjut Bangia et al, 2002;. Carey, 2002). Para penentu makroekonomi utama NPL dapat dipilih dari literatur teoritis model konsumsi siklus hidup. Lawrence (1995) meneliti model tersebut dan memperkenalkan secara eksplisit kemungkinan gagal. Model ini menyiratkan bahwa peminjam dengan pendapatan rendah memiliki tingkat lebih tinggi untuk default karena adanya peningkatan risiko menghadapi pengangguran dan tidak mampu menyelesaikan kewajibannya. Selain itu, dalam kesetimbangan, bank membebankan suku bunga yang lebih tinggi kepada klien berisiko. Rinaldi dan Sanchis-Arellano (2006) memperluas model Lawrence dengan mengasumsikan


bahwa agen meminjam untuk berinvestasi dalam aset riil atau keuangan. Mereka berpendapat bahwa probabilitas default tergantung pada pendapatan saat ini dan tingkat pengangguran, yang terkait dengan ketidakpastian mengenai pendapatan masa depan dan suku bunga pinjaman. Berdasarkan literatur tersebut, penulis menggunakan pertumbuhan GDP dan suku bunga kredit sebagai penentu makroekonomi utama NPL dan memperkirakan model dasar menggunakan set variabel sebagai regressors. Dalam Bagian 2.2 dan 2.3, penulis melakukan tinjauan literatur untuk memilih variabel penjelas NPL tambahan ', yang mungkin memiliki efek pada NPL. 2.2 Sovereign Debt to GDP Keterkaitan antara krisis utang (sovereign debt) dan krisis perbankan telah diakui setelah krisis keuangan dan peristiwa utang baru-baru ini. Reinhart dan Rogoff (2010) memberikan bukti empiris bahwa krisis perbankan yang paling sering mendahului atau bertepatan dengan krisis utang. Meskipun demikian, mereka juga mencatat bahwa sebuah rantai sebab-akibat dari krisis utang krisis perbankan tidak dapat diberhentikan dengan mudah (Reinhart dan Rogoff, 2010 p. 26). Dua saluran transmisi krisis utang untuk sistem perbankan telah diidentifikasi. Pertama, penurunan keuangan publik menempatkan plafon (ceiling) pada evaluasi kredibilitas pasar bagi bank nasional dan akibatnya bank menjadi kesulitan likuiditas (Reinhart dan Rogoff, 2010). Dalam konteks ini, bank harus memotong pinjaman dan dengan demikian debitur tidak dapat membayar hutang mereka. Selain itu, kenaikan utang pemerintah dapat menyebabkan kebijakan fiskal, terutama memotong pengeluaran sosial dan komponen upah konsumsi pemerintah (Perotti, 1996). Hal ini dapat membuat sejumlah pinjaman yang tidak bisa dilayani, sebagai pendapatan rumah tangga, akan mengalami guncangan negatif, sedangkan efek orde kedua dalam kredit korporasi dapat terjadi karena penurunan permintaan. H1: Perubahan sovereign debt to GDP berpengaruh positif terhadap perubahan Non Performing Loan 2.3 Faktor Spesifik Bank Faktor dari NPL tidak harus secara eksklusigf berkutat pada variabel makroekonomi. Fitur khusus dari sektor bank dan pilihan kebijakan tiap bank, terutama yang berhubungan dengan usahanya untuk memperbaiki efisiensi dan manajemen risiko, diharapkan untuk mempengaruhi perubahan NPL, oleh karena itu penulis menguji hubungan antara factors spesifik bank terhadap perubahan NPL.


Efisiensi low cost secara positif berhubungan dengan kenaikan NPL di masa depan. Hubungan yang diusulkan Berger dan DeYoung (1997) adalah bad management dengan kemampuan yang buruk di penilaian kredit, penilaian agunan, dan monitoring. Tentunya hal ini membuat peningkatan NPL di masa depan. H2: Bad management memiliki pengaruh positif terhadap perubahan Non Performing Loan Pada kegiatan operasional bank, dikemukakan adanya trade off antara penghematan (skimping) dan penggunaan sumber daya untuk penilaian kredit. Dengan kata lain, bank yang memberikan lebih sedikit upaya untuk penilaian kredit akan lebih efisien namun akan ada kenaikan NPL di masa depan. Menurut Berger dan DeYoung (1997), bank dengan beban operasional tinggi menandakan bank punya effort lebih dalam pengelolaan kredit, sehingga kualitas kredit (pemberian, pemantauan, dan kontrol) yang diberikan lebih baik, sehingga menyebabkan penurunan NPL di masa depan. H3: Skimping memiliki pengaruh negatif terhadap perubahan Non Performing Loan Salas dan Saurina (2002) menemukan hubungan negatif antara ukuran bank dengan perubahan NPL, hal ini dikarenakan bank dengan size yang lebih besar mempunyai kesempatan lebih untuk diversifikasi. Diversification opportunity dapat juga diproksikan oleh non-interest income atas dasar rasio ini merefleksikan ketergantungan bank terhadap tipe pendapatan lain selain loan making, sehingga sumber pendapatan terdiversfikasi H4: Diversification opportunity memiliki pengaruh negatif terhadap perubahan Non Performing Loan Moral hazard dari TBTF merepresentasikan saluran lain mengenai fitur spesifik bank dengan pergerakan NPL. Perhatian kebijakan adalah TBTF bisa mengarah pada pengambilan risiko yang berlebihan karena disiplin pasar tidak dibebankan pada kreditur yang berharap perlindungan pemerintah jika terjadi kegagalan (Stern dan Feldman, 2004). Konsekuensinya, bank besar mungkin meningkatkan leverage mereka terlalu besar dan memberikan pinjaman kepada lower quality borrower. H5: Too big to fail (TBTF) memiliki pengaruh positif terhadap perubahan Non Performing Loan


Hubungan antara performa di masa lalu dan masalah pinjaman ambigu pada arahnya. Performa yang lebih buruk bisa menjadi proksi untuk kuaalitas kemampuan yang lebih buruk dalam hubungannya dengan aktifitas meminjamkan. Hal ini mengindikasikan hubungan negatif antara pendapatan di masa lalu dengan masalah pinjaman, sehingga pada hipotesis bad management II, performa berhubungan secara negatif dengan peningkatan NPL di masa depan (Louzis et al., 2012). H6: Bad management II memiliki pengaruh negatif terhadap perubahan Non Performing Loan Arah sebaliknya dari efek ini juga bisa terjadi, seperti pada model Rajan (1994) yang bertujuan untuk menjelaskan korelasi antara perubahan kebijakan kredit yang tidak ditentukan semata – mata oleh maksimalisasi pendapatan, tetapi juga reputasi jangka pendek. Konsekuensinya, manajemen mungkin mencoba memanipulasi pendapatan dengan kebijakan kredit liberal, yang disebut “negative NPV extention credit”. Dengan sikap seperti ini, bank mungkin

mencoba

untuk

menyakinkan

pasar

dengan

profitabilitasnya

dengan

menggelembungkan pendapatannya dengan mengorbankan permasalahan pinjaman di masa depan. Bank mungkin juga menggunakan penghapus bukuan kerugian pinjaman (loan loss provision). Konsekuensinya, pendapatan di masa lalu mungkin secara positif berhubungan dengan pergerakan NPL di masa depan. (Louzis et. al.,2012). H7: Procyclical credit policy memiliki pengaruh positif terhadap perubahan Non Performing Loan Kajian dalam literatur empiris menguji pandangan ini kontras dengan kualitas kredit sebagai indikator risiko, namun belum menemukan hasil yang konklusif. Sebagai contoh, Iannotta et al. (2007) menemukan hubungan antara konsentrasi kepemilikan yang lebih tinggi dan kualitas kredit menggunakan sampel dari 181 bank besar selama periode 1999-2004, sehingga memberikan dukungan kepada pandangan dispersed ownership membuat performa perusahaan memburuk karena insentif pemegang saham untuk memonitor kinerja bank melemah (Berle dan Means, 1933). Di sisi lain, Laeven dan Levine (2009) menggunakan data 279 bank dan menemukan hubungan positif antara hak arus kas yang lebih besar dari pemilik besar dan pengambilan risiko. Selain itu, Shehzad et al. (2010) menyampaikan bukti empiris, dari kumpulan data yang terdiri dari 500 bank 2005-2007, kepemilikan yang ditunjukkan oleh tiga tingkat kepemilikan saham (10%, 20% dan 50%) memiliki dampak positif pada rasio NPL ketika tingkat kepemilikan konsentrasi berada pada tingkat 10%, tetapi dampak negatif


ketika tingkat tingkat konsentrasi kepemilikan berada pada tingkat 50%. Oleh karena itu mereka berpendapat bahwa sharing control dapat memiliki efek buruk pada kualitas kredit yang disalurkan sampai ke suatu level, tetapi dalam kasus pemilik dengan kontrol yang kuat, manajemen bank menjadi lebih efisien yang mengarah pada penurunan NPL. Azofra dan Santamaria (2011) menemukan bahwa konsentrasi kepemilikan pada level tinggi memberi benefit baik pada profitabilitas bank dan efisiensi. Terakhir, Louzis et al., (2012) berpendapat bahwa semakin tinggi konsentrasi kepemilikan cenderung untuk menyebabkan kehati – hatian melalui kontrol yang lebih ketat dari manajemen bank. Oleh karena itu konsentrasi kepemilikan berhubungan secara negatif dengan NPL. H8: Tight control memiliki pengaruh negatif terhadap perubahan Non Performing Loan

3. Metode Penelitian 3.1 Dynamic Panel Data Estimator Dalam penelitian ini, peneliti menerapkan first difference GMM estimator yang diperkenalkan oleh Arellano dan Bond (1991) untuk mempelajari pengaruh non-performing loan terhadap faktor makroekonomi dan faktor specifik bank. Hubungan dinamis antara variabel independen dan dependen dapat diestimasi dengan menggunakan metode Generalized Method of Moments (GMM). Metode estimasi dengan menggunakan metode GMM dapat mengatasi permasalahan estimasi yang tidak dapat diatasi oleh metode estimasi lain seperti pooled ordinary least square, fixed effect regression dan random effect regression. Alasan penggunaan dari metode estimasi ini adalah untuk mengatasi kemungkinan adanya endogenitas pada variabel penjelas, terkait dengan masalah simultaneity, reverse causality dan unobserved heterogeneity dari variabel penjelas terhadap variabel dependen. Pada first difference generalized method of moments (GMM), estimator dirancang untuk data panel dengan periode waktu yang pendek, menggunakan variabel terikat, variabel melibatkan time lagged, linier, tidak menghilangkan unobserved individual-specific effect, serta dapat diterapkan secara umum. Setelah melakukan estimasi, dilakukan pengujian model untuk menguji validitas dari model dengan menggunakan wald test untuk menguji goodness of fit dari model yang digunakan, Hansen/Sargan test untuk menguji apakah ada overidentifying restriction pada model dan terakhir melakukan AR(2) test untuk melihat apakah ada second order correlation pada model yang digunakan


Tabel 1. Definisi dan Ringkasan Arah Hipotesis Variabel FAKTOR

VARIABEL

ARAH HIPOTESIS

Definisi

TEORI PENDUKUNG

!!"#$! Perubahan Sovereign Debt to GDP

Perubahan Debt to GDP

Bad Management

+

+

Louzis et al. (2012), Reinhart dan Rogoff (2010), Perotti (1996)

Louzis et al. (2012), Berger dan DeYoung (1997) Louzis et al. (2012), Berger dan DeYoung (1997)

!""#$!" =

Inefficiency Skimping

!"#$%$&'( !"#$! !"#$!%& !"#! !"#$%$&'( !"#$!−1 − !"#$!%& !"#!−1 =

!"#$%&'() !"#$%&$!" !"#$%&'() !"#$%&!"

-‐ !"#$% !"""#$!"

!"#$!" = Size

-‐

Non-‐interest income

-‐

105 !=1 !"#$% !""#$"!"

Louzis et al. (2012), Salas dan Saurina (2002), Hu et al. (2004), Rajan dan Dhal (2003)

Diversification

Too Big To Fail (TBTF)

Leverage ratio dan size

Bad Management II Return on equity Procyclical Credit Policy

+

!"# − !"#$%$&# !"#$%&!" !"#$% !"#$%&!" !"#$% !"#$"%"&"'(!" !"!" = !"#$% !""#$!" !""!" =

Louzis et al. (2012)

Leverage

Louzis et al. (2012), Stern dan Feldman (2004)

ratio

and

Size

! !!! !"#$!" ! !"!"!!

-‐

!"#!" =

+

!"#$%&!" !"#$% !"#$%&!"

=

Louzis et al. (2012) Louzis et al. (2012), Rajan (1994)

Variabel Dummy

D0: OC ≤ 10% Tight Control

Ownership concentration

-‐

D1: 10% < OC ≤ 25% D2: 25% < OC ≤ 50%

Louzis et al. (2012), Azofra dan Santamaria (2011)

D3 : OC > 50%

3.2 Model Model Penelitian ini adalah modifikasi penelitian yang mengacu pada penelitian yang dilakukan oleh Louzis et al. (2012). Dimana model yang digunakan adalah sebagai berikut. Variabel kontrol, real GDP growth rate dan perubahan real lending rate yang digunakan


mempunyai sifat strict exogeneity sehingga dibatasi menggunakan lag 1 dan lag 2 (Louzis et. al., 2012)(Abid et. al., 2014). Untuk variabel – variabel independen utama, peneliti menggunakan empat lag pada regresi untuk mengcapture dinamika dari explanatory variable selama setahun ke belakang, dengan kata lain menggunakan lag 1 hingga 4 (Data lag kuartal 1 sampai 4) (Louzis et al., 2012). Baseline Model !!"#!" = !"!"#!"!! +

! !!! !!" !!"#!!!

+

! !!! !!" !!"!!!!

+ !! + !!"

(1)

Pada persamaan (3.12) lagged depended variable ∆!"#!"!! konstruksinya berkorelasi dengan error term, !!" , membebankan bias di model persamaan. Meski demikian, !"#!"!! , yang diekspektasikan berkorelasi dengan ∆!"#!"!! dan tidak berkorelasi dengan dan tidak berkorelasi denga error term pada t 3 atau lebih, dapat digunakan sebagai instrumen dari persamaan di atas dengan catatan error term tidak serially correlated. Ini menandakan bahwa lag

dari

orde

ke

dua

atau

lebih

memenuhi

persyaratan

Model 1 (Untuk menguji perubahan sovereign debt to GDP): !

∆!"#!" = !∆!"#!"!! +

!

!!" ∆!"#!!! + !!!

!

!!" ∆!"!!!! + !!!

!! ∆!"#$!!! + !! + !!" !!!

(2) Model 2 (Untuk menguji bad management dan skimping): !

∆!"#!" = !∆!"#!"!! +

!

!!" ∆!"#!!! + !!!

!

!!" ∆!"!!!! + !!!

!!" !""#$!"!! + !! !!!

+ !!" (3) Model 3 (Untuk menguji diversification opportunity): !

∆!"#!" = !∆!"#!!!! +

!

!!" ∆!"#!!! + !!!

!!" ∆!"!!!! + !!" !"#$!" + !! + !!" !!!

(4)


Model 4 (Untuk menguji diversification opportunity): !

∆!"#!" = !∆!"#!"!! +

!

!!" ∆!"#!!! + !!!

!

!!" ∆!"!!!! + !!!

!!" !""!"!! + !! + !!" !!!

(5) Model 5 (Untuk menguji TBTF): !

∆!"#!" = !∆!"#!"!! +

!

!!" ∆!"#!!! + !!!

!

!!" ∆!"!!!! + !!" !"#$!" + !!!

!!" !"!"!! !!!

!

+

!!" !"#$!" ! !"!"!! + !! + !!" !!!

(6) Model 6 (Untuk menguji bad management II dan procyclical credit policy): !

!

∆!"#!" = !∆!"#!"!! +

!!" ∆!"#!!! + !!!

!

!!" ∆!"!!!! + !!!

!!" !"#!"!! + !! + !!" !!!

(7) Model 7 (Untuk menguji tight control): !

∆!"#!" = !∆!"#!"!! +

!

!!" ∆!"#!!! + !!!

!!" ∆!"!!!! + !!" !"#$!" + !! + !!" !!!

(8) Model 8 (Untuk menguji tight control): !

∆!"#!" = !∆!"#!"!! +

!

!!" ∆!"#!!! + !!!

!!" ∆!"!!!! + !!" !"#$!" + !! + !!" !!!

(9)


Model 9 (Untuk menguji tight control): !

!

∆!"#!" = !∆!"#!"!! +

!!" ∆!"#!!! + !!!

!!" ∆!"!!!! + !!" !"#$!" + !! + !!" !!!

(10) Tabel 2. Keterangan Model Variabel

Deskripsi

!!

Individual efek yang belum diobservasi Random error

εi,t

3.3 Estimasi Long Run Pada penelitian dengan metode GMM, perlu juga dihitung untuk koefisien long run. Hal ini dikarenakan koefisien long run mempunyai nilai yang lebih konsisten dan transparan. Hal ini dikarenakan koefisien long-run menjelaskan efek kumulatif dari variabel explanatory (Stuart dan Ord, 1998). Perhitungan koefisien long-run menurut Stuart dan Ord (1998), adalah sebagai berikut:

!

!"

!

! !!! !!!

=

(11)

(!!!)

Setelah itu kita perlu menghitung varians dari long-run (Stuart dan Ord, 1998)

!"#$

!"

!

=

! ! !!! !! ) (! − !)!

(

!"#( (

! !!! !! ) ! ! !!! !! )

!"#(( !!!! !!! , (! − !)) !"#(!) −2 + (! − !)! ( !!!! !! ) ! − ! (12)

Dimana !"#( 4!=1 !3 ) =

4 !=1 !"#(!3 )

+2

!≠1 !"#(!3! , !3! )

(13)

Dari perhitungan varians ini kita mendapatkan prob(t-tes) untuk menentukan signifikansi variabel


4. Hasil Penelitian Tabel 3 Statitika Deskriptif

Variabel

Observasi

Mean

Minimum

Maximum

Std. Dev

DNPL

3675

-0,0011

-0,3516

0,323

0,0236

DGDP

36

0,0398

-0,0278

0,0996

0,0304

DRLR

36

-0,0015

-0,0187

0,0275

0,0084

DDEBT

36

-0,0178

-0,1252

0,1398

0,0476

INNEF

3675

0,8009

0,17

12,263

0,3278

LEVERAGE

3675

0,8622

0,145

1,2749

0,0943

NII

3675

0,1285

0,001

0,9976

0,1384

ROE

3675

0,1609

-9,8163

4,0286

0,3178

SIZE

3675

0,0048

0,00000683

0,2715

0,0178

OCD1

215

0,0585

1

0

0,2347

OCD2

968

0,2634

1

0

0,4405

OCD3

2492

0,6781

1

0

-0,7624



-‐0,0755 [0,000]*** 0,0189 [0,000]*** -‐0,0200 [0,000]*** -‐0,0016 [0,3792] 0,1222 [0,000]***

Baseline Model

[0,412079] [0,6054]

Hansen/Sargan

AR2

*signifikan pada l evel 10% **signifikan pada l evel 5% ***signifikan pada l evel 1%

[0,000]***

F

Long Run Coefficient Estimation DGDP -‐0,0012 [0,000]*** DRLR 0,1218 [0,000]***

DRLR(-‐2)

DRLR(-‐1)

DGDP(-‐2)

DGDP(-‐1)

Individual Lag DNPL(-‐1)

DDEBT

[0,563119]

-‐0,0106 [0,000]*** 0,1537 [0,000]*** 0,116 INNEF [0,000]*** [0,000]***

INNEF(-‐4)

INNEF(-‐3)

INNEF(-‐2)

INNEF(-‐1)

[0,366254]

-‐0,0090 [0,000]*** 0,0836 [0,000]*** -‐0,0056 SIZE [0,000]*** [0,000]***

-‐0,0774 [0,000]*** 0,0081 [0,000]*** -‐0,0170 [0,000]*** 0,0206 [0,000]*** 0,0621 [0,000]*** 0,0014 SIZE [0,000]*** 0,0041 [0,000]*** -‐0,0032 [0,000]*** -‐0,0078 [0,000]***

MODEL 2

[0,1394] [0,9998] Sumber: Hasil olahan Eviews 8.0 oleh penulis

DDEBT(-‐4)

DDEBT(-‐3)

DDEBT(-‐2)

DDEBT(-‐1)

-‐0,0731 [0,000]*** -‐0,0002 [0,000]*** -‐0,0103 [0,001]*** 0,0261 [0,000]*** 0,1261 [0,000]*** 0,0201 [0,000]*** 0,0419 [0,000]*** 0,0464 [0,000]*** 0,0069 [0,000]***

MODEL 1

[0.5851]

[0.431485]

-‐0,0466 [0,000]*** 0,1007 [0,000]*** -‐0,2563 NII [0,000]*** [0,000]***

NII(-‐4)

NII(-‐3)

-‐0,0743 [0,000]*** -‐0,0283 [0,000]*** -‐0,0178 [0,000]*** -‐0,0377 [0,000]*** 0,1374 [0,000]*** -‐0,2537 NII(-‐1) [0,000]*** NII(-‐2)

MODEL 3

Tabel 4. Hasil Estimasi Koefisien dan Pengujian Model

[0,8175]

[0,432599]

-‐0,0286 [0,000]*** 0,1825 [0,000]*** -‐0,0621 [0,000]*** [0,000]***

-‐0,0687 [0,000]*** 0,0052 [0,000]*** -‐0,0335 [0,000]*** 0,0897 [0,000]*** 0,0910 [0,000]*** 0,0069 [0,000]*** 0,0034 [0,003]*** -‐0,1076 [0,000]*** 0,0358 [0,000]***

MODEL 4


-‐0,0530 [0,000]*** 0,1465 [0.000]*** 0,0102 [0,0136]** -‐0,0358 [0,000]***

ROE

DRLR

DGDP

ROE(-‐4)

ROE(-‐3)

ROE(-‐2)

ROE(-‐1)

DRLR(-‐2)

DRLR(-‐1)

DGDP(-‐2)

DGDP(-‐1)

DNPL(-‐1)

[0,7605]

[0,448604]

[0,000]***

-‐0,0225 [0,000]*** 0,1097 [0,000]*** 0,0054 [0,000]***

-‐0,1001 [0,000]*** 0,0074 [0,000]*** -‐0,0297 [0,000]*** 0,0420 [0,000]*** 0,0666 [0,000]*** -‐0,0065 [0,000]*** -‐0,0024 [0,000]*** 0,0066 [0,000]*** 0,0076 [0,000]***

MODEL 6

OCD1

OCD1

OCD2

DRLR(-‐2)

DRLR(-‐1)

DGDP(-‐2)

DGDP(-‐1)

DNPL(-‐1)

[0,6050]

[0,398314]

[0,000]***

-‐0,0004 [0,000]*** 0,1216 [0,000]*** 0,0007 OCD2 [0,000]***

-‐0,0754 [0,000]*** 0,0192 [0,000]*** -‐0,0196 [0,000]*** -‐0,0022 [0,2308] 0,1226 [0,000]*** 0,0007 [0,0044]***

MODEL 7

Sumber: Hasil Pengolahan Data Eviews 8.0 oleh Penulis

[0,9998]

AR2

*signifikan pada l evel 10% **signifikan pada l evel 5% ***signifikan pada l evel 1%

[0,585268]

0,0686 [0,000]***

SIZE

SIZE

SIZE

SIZE

-‐0,0234 [0,000]*** 0,0992 [0,000]*** 3,2606 [0,0028]*** -‐3,8615 SIZE [0,4742] [0,000]***

-‐0,0791 [0,000]*** 0,0003 [0,9576] -‐0,0235 [0,000]*** 0,0568 [0,000]*** 0,0414 [0,000]*** 3,2280 [0,0028]*** -‐1,3977 [0,1275] -‐1,1829 [0,3036] -‐0,4701 [0,8267] -‐0,7722 [0,6388]

MODEL 5

Hansen/Sargan

F

LEVERAGE

SIZE

DRLR

Long Run Coefficient Estimation DGDP

LEVERAGE(-‐4)

LEVERAGE(-‐3)

LEVERAGE(-‐2)

LEVERAGE(-‐1)

SIZE

DRLR(-‐2)

DRLR(-‐1)

DGDP(-‐2)

DGDP(-‐1)

Individual Lag DNPL(-‐1)

Tabel 4. Hasil Estimasi Koefisien dan Pengujian Model (lanjutan)

[0,6014]

[0,389977]

[0,000]***

-‐0,0010 [0,000]*** 0,1247 [0,000]*** -‐0,0043 [0,000]***

-‐0,0752 [0,000]*** 0,0191 [0,000]*** -‐0,0201 [0,000]*** -‐0,0004 [0,8471] 0,1239 [0,000]*** -‐0,0043 [0,000]***

MODEL 8

OCD3

OCD3

[0,6067]

[0,390341]

[0,000]***

-‐0,0006 [0,000]*** 0,1220 [0,000]*** 0,0026 [0,000]***

-‐0,0757 [0,000]*** 0,0191 [0,000]*** -‐0,0197 [0,000]*** -‐0,0001 [0,9615] 0,1209 [0,000]*** 0,0026 [0,000]***

MODEL 9

Tabel 4 menunjukkan estimasi koefisien individual lag GMM dan estimasi long run. Untuk setiap model, juga ada pengujian Uji Wald (F tes), Hansen/sargan, dan AR (2). Goodness of fit menggunakan uji Wald menunjukkan model penelitian dari baseline model hingga model 9 yang diestimasi dengan first difference generalized method of moments ini sudah bersifat signifikan. Kondisi ini terlihat dari nilai probabilita F-statististik sebesar 0,000 dan nilai F-statistik untuk baseline model hingga model 9 dapat dilihat pada tabel 4. Maka secara keseluruhan atau secara bersama – sama, variabel independen berpengaruh signifikan terhadap variabel dependen. Uji Hansen Sargan yang dilakukan pada model penelitian yang diestimasi dengan first difference Generalized Method of Moments ini menunjukkan bahwa tidak adanya overidentifying restrictions, atau bisa dikatakan instrumen variabel yang digunakan dalam model penelitian 1 sudah tidak berkorelasi dengan residual. Dari 10 model yang digunakan, kesebelasnya mempunyai probabilita chi-square lebih besar dari tingkat signifikansi α sebesar 10%, sehingga hipotesis nol yaitu no overidentifying restriction gagal ditolak. Uji Arellano-Bond yang dilakukan pada model penelitian yang diestimasi dengan first difference Generalized Method of Moments menghasilkan kesimpulan bahwa tidak terdapat second-order autocorrelation pada model penelitian. Hal ini dibuktikan dengan nilai probabilita z-statistik 10 model tersebut mempunyai nilai yang lebih tinggi dari tingkat signifikansi α sebesar 10%, maka hipotetsis nol, yaitu no second-order autocorrelation gagal ditolak. Koefisien dari lag variabel dependen secara signifikan berpengaruh negatif terhadap perubahan NPL. Implikasinya adalah NPL cenderung turun jika terjadi kenaikan NPL pada kuartal sebelumnya. Hal ini dikarenakan adanya wite-off (penghapus bukuan) (Sorge dan Virolainen, 2006). Implikasinya adalah NPL cenderung turun jika terjadi kenaikan NPL pada kuartal sebelumnya. Untuk analisis selanjutnya akan lebih difokuskan pada koefisien long-run untuk mendapat hasil yang lebih transparan dan konsisten. Pada baseline model didapatkan hasil bahwa perubahan GDP secara signifikan berdampak negatif terhadap perubahan NPL. Hal ini dikarenakan pada saat kondisi ekonomi membaik, yang ditunjukkan oleh kenaikan tingkat pertumbuhan GDP, tingkat NPL akan turun karena adanya perbaikan kemampuan debitur untuk membayar kewajibannya. Louzis et al.


(2012), Salas dan Saurina (2002), Das dan Ghosh (2007), dan Saurina dan Jimenez (2006) menunjukkan kesimpulan yang sejalan dengan intuisi tersebut. Pada baseline model didapatkan hasil bahwa perubahan Real lending Rate (BI Rate) secara signifikan berpengaruh positif terhadap perubahan NPL. Hal ini dikarenakan kenaikan suku bunga riil menyebabkan peningkatan cost of fund dan memicu pengambilan keputusankeputusan yang berisiko tinggi. Cost of fund yang tinggi membuat debitur kesulitan untuk membayar kewajiban kredit kepada bank. (Fofack, 2005; Das & Ghosh, 2007). Pada model 1 didapatkan hasil bahwa perubahan sovereign debt to GDP secara signifikan berdampak positif terhadap perubahan NPL. Hasil ini sejalan dengan penelitian Louzis et al. (2012), Perotti (1996), dan Reinhart dan Rogoff (2010). Kenaikan sovereign debt to nominal GDP menyebabkan pemotongan pengeluaran sosial dan komponen upah konsumsi pemerintah sehingga kesejahteraan masyarakat akan menurun, dampaknya adalah terjadi peningkatan NPL di masa depan. Pada model 2 didapatkan hasil bahwa INNEF secara signifikan berpengaruh negatif pada perubahan NPL. Implikasinya jika beban operasional terhadap pendapatan operasional tinggi maka akan terjadi penurunan terhadap NPL. Hal ini disebabkan semakin besar INNEF (BOPO) menandakan bank punya effort lebih dalam pengelolaan kredit, sehingga dapat menyebabkan penurunan NPL di masa depan.(Berger dan DeYoung, 1997). Hasil ini memberi penolakan terhadap hipotesis “bad management” dan secara otomatis memberi dukungan pada hipotesis “skimping”. Pada model 3 didapatkan hasil bahwa diversification opportunity, yang diproksikan oleh ukuran bank (size) secara signifikan berdampak negatif terhadap perubahan NPL. Hal ini sejalan dengan penelitian, Salas dan Saurina (2002), Rajan dan Dhal (2003), dan Hu et al. (2004). Menurut penelitian Salas dan Saurina (2002) ukuran (size) bank berkorelasi secara negatif dikarenakan bank dengan ukuran (size) lebih besar memberikan kesempatan diversifikasi lebih, dan dengan demikian dapat mengurangi risiko yang diterima oleh bank. Pada model 4 didapatkan hasil bahwa diversification opportunity yang diproksikan oleh NII secara signifikan berpengaruh negatif terhadap perubahan NPL. Hal ini mebuktikan dengan diversification opportunity yang besar maka risiko dapat diturunkan sehingga berdampak pada penurunan NPL.


Pada model 5 didapatkan hasil bahwa leverage secara signifikan berpengaruh positif dengan perubahan NPL. Hasil berbeda didapat dari kondisional size terhadap leverage. Dari regresi yang dilakukan didapat bahwa kondisional size terhadap leverage tidak signifikan terhadap perubahan NPL. Dengan demikian dapat diambil kesimpulan bahwa dengan tingkat signifikansi 1%, TBTF secara signifikan berpengaruh positif terhadap perubahan NPL berapapun size yang dimiliki bank tersebut. Bank mengambil risiko dengan meningkatkan leverage dengan anggapan TBTF dan oleh karena itu meningkatkan NPL (Louzis et al., 2012). Hal ini logis karena sistem perbankan Indonesia mempunyai LPS (Lembaga Penjamin Simpanan) yang bertanggung jawab atas simpanan nasabah, sehingga bank berani untuk memperbesar porsi leverage walaupun akan berdampak pada meningkatnya NPL. Pada model 6 didapatkan hasil bahwa ROE, dengan secara signifikan berdampak negatif terhadap perubahan NPL. Seiring dengan penelitian Louzis et al. (2012), hasil ini memberikan dukungan pada hipotesis bad management II. Hal ini dikarenakan performa berhubungan negatif dengan peningkatan NPL di masa depan. Performa yang buruk mungkin diakibatkan oleh rendahnya kualitas kemampuan pada aktivitas peminjaman (lending activities). Hal ini mengimplikasikan hubungan negatif antara pendapatan di masa lalu dengan masalah pinjaman (Louzis et al., 2012). Pada model 7, 8, dan 9 didapatkan hasil bahwa konsentrasi kepemilikan lebih dari 10% hingga 25% dan lebih dari 50% secara signifikan berdampak positif terhadap perubahan NPL. Hal ini kontras dengan perkiraan awal, dimana tingginya level konsentrasi kepemilikan akan menyebabkan kenaikan NPL. Hal ini dikarenakan pada kedua level tersebut ada bank dengan dengan ownership consentration yang tinggi yang mempunyai pergerakan kinerja NPL yang buruk. Sedangkan pada konsentrasi kepemilikan lebih dari 25% hingga 50% secara signifikan berdampak negatif terhadap perubahan NPL. Hal ini sesuai dengan perkiraan awal bahwa tingginya level konsentrasi kepemilikan akan menguntungkan baik profitabilitas bank dan efisiensi (Azofra dan Santamaria, 2011).


5. Kesimpulan dan Saran Terdapat beberapa kesimpulan yang dapat ditarik berdasarkan analisis dan pembahasan penelitian pada bab sebelumnya. Sesuai perkiraan awal dan penelitan sebelumnya perubahan GDP secara signifikan berdampak negatif terhadap perubahan NPL, dan perubahan Real Lending Rate secara signifikan berdampak positif terhadap perubahaan NPL. Perubahan sovereign debt to GDP secara signifikan berpengaruh negatif terhadap perubahan NPL. INNEF secara signifikan berpengaruh negatif terhadap perubahan NPL, sehingga memberikan bukti empiris untuk mendukung hipotesis “skimping”, dan secara otomatis tidak mendukung hipotesis “bad management”. Diversification opportunity baik diproksikan oleh SIZE maupun NII secara signifikan berpengaruh negatif terhadap perubahan NPL. Too Big to fail secara signifikan berpengaruh positif atas perubahan NPL berapapun size bank. ROE secara signifikan berdamak negatif terhadap perubahan NPL, sehingga memberikan bukti empiris untuk mendukung hipotesis “bad management II”, dan secara otomatis tidak mendukung hipotesis “procyclical credit policy”. Tight control secara signifikan berpengaruh terhadap perubahan NPL. Dimana konsentrasi kepemilikan lebih dari 10% hingga 25% berpengaruh negatif, konsentrasi kepemilikan lebih dari 25% hingga 50% berpengaruh positif, dan konsentrasi kepemilikan lebih dari 50% berdampak positif terhadap perubahan NPL. Berdasarkan analisis yang telah dilakukan maka dapat ditarik beberapa saran terkait perubahan NPL untuk pihak – pihak terkait, antara lain: 1. Manajemen Perlunya memperhatikan faktor – faktor yang mempengaruhi perubahan NPL agar dapat membuat perencanaan yang dapat meminimalisasi peningkatan NPL. Manajemen perlu memberikan usaha lebih untuk mastikan kualitas kredit. Manajemen perlu meningkatkan sumber pendapatan lain selain kredit agar sumber pendapatan lebih terdiversifikasi. 2. Akademisi Penelitian ini dapat dilanjutkan dengan membuat penelitian menjadi lebih rinci, yaitu membagi NPL menjadi beberapa sektor yang lebih spesifik seperti NPL KPR, NPL Kredit Bisnis, dan NPL kredit konsumsi.


6. Daftar Referensi Ahmed, Syeda Zabeen. (2006). An Investigation af The Relationship between NonPerforming Loans, Macroeconomic Factors, and Financial Factors in Context of Private Commercial Bank in Bangladesh. Independent University, Bangladesh. Arellano, M., Bond, S. (1991). Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations. Review of Economic Studies 58, 277–297. Bank Indonesia (1998). Perbankan. Undang – Undang No. 10 tahun 1998. Bank Indonesia. (2005). Penetapan status dan tindak lanjut pengawasan bank. Peraturan Bank Indonesia No. 13/3/PBI/2005 Bank Indonesia. (2005). Penilaian kualitas aktiva bank umum. Peraturan Bank Indonesia No. 7/2/PBI/2005 Bank Indonesia. (2005). Penilaian kualitas aktiva bank umum. Surat Edaran Bank Indonesia No. 7/2/PBI/2005 Bank Indonesia. (2009). Perubahan atas peraturan Bank Indonesia Nomorr 5/8/PBI/2003 tentang penerapan manajemen risiko bagi bank umum. Peraturan Bank Indonesia No.11/25/PBI/2009 Bank Indonesia. (2010). Giro wajib minimum bank umum pada Bank Indonesia dalam Rupiah dan Valuta Asing. Peraturan Bank Indonesia No. 12/19/PBI/2010. Basel Committee for Banking Supervision. (2000). Principles for Management of Credit Risk. Berge, T.O., Boye, K.G. (2007). An analysis of bank’s problem loans. Norges Bank Economic Bulletin 78, 65–76. Berger, A., DeYoung, R. (1997). Problem loans and cost efficiency in commercial banks. Journal of Banking and Finance 21, 849–870. Blundell, R., Bond, S. (1998). Initial Condition and Moment Condition in Dynamic Panel Data Models. Journal of Econometrics 87, 115 - 144.


Blundell, R., Bond, S., Windmeijer, F. (2000). Estimation in dynamic panel data models: improving on the performance of the standard GMM estimator. In: Nonstationary Panels, Panel Cointegration and Dynamic Panels. In: Baltagi, B. (Ed.). Advances in Econometrics, vol. 15. JAI Press, Elsevier Science, Amsterdam. Boss, M., Fenz, G., Pann, J., Puhr, C., Schneider, M., Ubl, E. (2009). Modeling credit risk through the Austrian business cycle: an update of the OeNB Model. OeNB Financial Stability Report 17, 85–101. Breuer, J.B. (2006). Problem bank loans, conflicts of interest, and institutions. Journal of Financial Stability 2, 266–285. Brooks,Chris.(2008).Introductory Econometrics for Finance 2nd Edition. Cambridge University Press. Chang, Yonbee Tina. (2006). Role of Non-Performing Loans (NPLs) and Capital Adequacy in Banking Structure and Competition. University of Bath School of Management Working Paper Series. Cifter, A., Yilmazer, S., Cifter, E. (2009). Analysis of sectoral credit default cycle dependency with wavelet networks: evidence from Turkey. Economic Modelling 26, 1382–1388 Das, A., & Ghosh, S. (2007). Determinants of Credit Risk in Indian State-owned Banks: An Empirical Investigation. Economic Issues Vol.12 Issue 2, 27- 46. Fofack, H. (2005). Non-Performing Loans in Sub-Saharan Africa: Causal Analysis and Macroeconomic Implications. World Bank Policy Research Working Paper No. 3769. Greenidge, K. and Grosvenor, T. (2010). Forecasting non-performing loans in Barbados. Journal of Business, Finance and Economics in Emerging Economies, 5, 80-107 Gujarati, D.N., dan Porter, D.C. (2009). Basic Econometrics 5th Edition. New York: McGraw Hill. Hasibuan, Malayu S.P. (2005). Manajemen Sumber Daya Manusia, Edisi Revisi. Jakarta : Bumi Aksara.


Hu, J., Yang, Li., Yung-Ho, C. (2004). Ownership and non-performing loans: evidence from Taiwan’s banks. Developing Economies 42, 405–420. Jimenez, G., Saurina, J. (2006). Credit Cycles, Credit Risk and Prudential Regulation. International Journal of Central Banking, 65-98. Li, H., Rozelle, S., Zhou, L., 2007. Incentive contracts and bank performance. Economics of Transition 15, 109–124. Louzis, Dimitros P., Vouldis, Angelos T., dan Metaxas, Vasilios L. (2012). Macroeconomic and bank-specific determinants of non-performing loans in Greece: A comparative study of mortgage, business and consumer loan portfolios. Journal of Banking and Finance,36,1012-1027. Mileva, E. (2007). Using Arellano – Bond Dynamic Panel GMM Estimators in Stata. Economics Department Fordham University. Misra, B. M, dan Dahl, Sarat. (2010). Pro-cyclical Management of Banks’ Non-Performing Loans by the Indian Public Sector Banks. UK ARP Research. McEachern, William A. (2000). Ekonomi Makro, Jakarta: Salemba Empat. Nkusu, M. (2011). Nonperforming Loans and Macrofinancial Vulnerabilities in Advanced Economies. IMF Working Paper No 11/161. Oldfield, G., Santomero,A. (1997). The Place of Risk Management in Financial Institutions. Sloan Management Review. Pangabean, Ruth. (2012). Analisis pengaruh faktor internal bank terhadap nonperformingloan (NPL) perbankan Indonesia: studi empiris periode 2004-2008. Perotti, R. (1996). Fiscal consolidation in Europe: composition matters. American Economic Review 86, 105–110. Podpiera, J., Weill, L. (2008). Bad luck or bad management? Emerging banking market experience. Journal of Financial Stability 4, 135–148. Rajan, R., Dhal, S. (2003). Non-performing loans and terms of credit of public sector banks in India: an empirical assessment. Reserve Bank of India Occasional Paper 24, 81–121.


Reinhart, C., Rogoff, K. (2009). This Time is Different. Princeton University Press, Princeton. Reinhart, C., Rogoff, K. (2010). From Financial Crash to Debt Crisis. NBER Working Paper 15795. Rinaldi, L., Sanchis-Arellano, A. (2006). Household Debt Sustainability: What Explains Household Non-performing Loans? An Empirical Analysis. ECB Working Paper. Rivai, Veithzal. (2006). Manajemen Sumber Daya Manusia untuk Perusahaan: dari Teori Ke Praktik, Edisi Pertama, Jakarta: PT. Raja Grafindo Persada. Rosmilia, Rita (2009). Tesis: Pelaksanaan Penyelesaian Kredit Bermasalah (Studi di Bank Rakyat Indonesia Persero Cabang Semarang Pattimura). Universitas Diponegoro. Salas, V., Saurina, J. (2002). Credit risk in two institutional regimes: Spanish commercial and savings banks. Journal of Financial Services Research 22, 203–224. Segoviano, M., Goodhart, C., Hofmann, B. (2006). Default, Credit Growth, and Asset Prices. IMF Working Paper 223. Shehzad, C., de Haan, J., Scholtens, B. (2010). The impact of bank ownership concentration on impaired loans and capital adequacy. Journal of Banking and Finance 34, 399–408. Siamat, Dahlan. (2005). Manajemen Lembaga Keuangan:Kebijakan Moneter dan Perbankan Edisi Kelima. Lembaga Penerbit FEUI. Soebagio, Hermawan. (2005). Tesis: Analisis Faktor – Faktor yang Mempengaruhi Terjadinya Non-Performing Loan (NPL) pada Bank Umum Konvensional. Universitas Diponegoro. Sorge, M., Virolainen, K. (2006). A comparative analysis of macro stress-testing methodologies with application to Finland. Journal of Financial Stability 2, 113–151. Stern, G., Feldman, R. (2004). Too Big to Fail: The Hazards of Bank Bailouts. The Brookings Institution, Washington, DC. Stiroh, K. (2004a). Diversification in banking: is noninterest income the answer? Journal of Money, Credit and Banking 36, 853–882.


Stiroh, K. (2004b). Do community banks benefit from diversification? Journal of Financial Services Research 25, 135–160.


Pengaruh Faktor Makroekonomi dan Faktor Spesifik Bank Terhadap Perubahan Non-Performing Loan di Indonesia Periode

Recommend Documents