Prosiding Seminar Nasional Manajemen Teknologi XV Program Studi MMT-ITS, Surabaya 4 Pebruari 2012

Prosiding Seminar Nasional Manajemen Teknologi XV Program Studi MMT-ITS, Surabaya 4 Pebruari 2012

PEMANFAATAN REGRESI LOGISTIK UNTUK MEMBANGUN EARLY WARNING SYSTEM TINGKAT KESEHATAN DAN EFISIENSI BANK; STUDI KASUS PT.BANK CIMB NIAGA, Tbk AREA JAWA TIMUR DAN INDONESIA TIMUR Made D.Firmanta, Nur Iriawan Program Studi Magister Manajemen Teknologi Bidang Keahlian Manajemen Teknologi Informasi Institut Teknologi Sepuluh Nopember Surabaya email : [email protected] ABSTRAK Dengan semakin meningkatnya kompleksitas usaha dan profil risiko, bank perlu mengidentifikasi permasalahan yang mungkin timbul dari operasional bank. Hasil akhir penilaian kondisi bank dapat digunakan sebagai salah satu sarana dalam menetapkan strategi usaha di waktu yang akan datang. PT. Bank CIMB Niaga,Tbk sebagai salah satu institusi keuangan berupaya mengembangkan strategi untuk menjaga kestabilan moneter yang disebabkan atas kebijakannya terhadap simpanan masyarakat serta lalu lintas pembayaran. Perkembangan industri perbankan, terutama produk dan jasa yang semakin kompleks dan beragam dapat meningkatkan eksposur risiko dan profil risiko bank. Selain itu penilaian secara internasional diarahkan pada pendekatan pengawasan berdasarkan risiko yang selanjutnya akan mempengaruhi penilaian tingkat kesehatan bank. Dalam tesis ini digunakan model analisis regresi logistik untuk menilai tingkat kesehatan dan efisiensi bank, khususnya kantor cabang PT. Bank CIMB Niaga, Tbk area Jawa Timur dan Indonesia Timur. Analisis regresi logistik ini menggunakan delapan peubah independen yang diperoleh dari laporan keuangan bulanan tahun 2010. Kemudian dengan menggunakan metode Principal Component Analysis dan dilanjutkan dengan metode maximum likelihood dihasilkan koefisien regresi logistik berdasarkan data data peubah independen laporan keuangan. Hasil akhir yang didapatkan adalah peringkat tingkat kesehatan dan efisiensi bank. Kata kunci : Profil risiko, Kestabilan moneter, Tingkat kesehatan bank.

PENDAHULUAN Sesuai dengan Undang-Undang Nomor 10 Tahun 1998 tentang perbankan, bank wajib memelihara kesehatannya. Kesehatan bank yang merupakan cerminan kondisi dan kinerja bank merupakan sarana bagi otoritas pengawas dalam menetapkan strategi dan fokus pengawasan terhadap bank. Selain itu, kesehatan bank juga menjadi kepentingan semua pihak terkait, baik pemilik, pengelola yang dalam hal ini manajemen, dan masyarakat pengguna jasa bank. Dalam upaya memelihara ketahanan sistem perbankan yang sehat, maka penyusunan rencana bisnis bank perlu dilakukan secara matang dan realistis dengan tetap memperhatikan prinsip kehati-hatian dan penerapan manajemen risiko. Sejalan dengan penerapan pengawasan berdasarkan risiko maka pengawasan tidak cukup dilakukan hanya untuk bank secara individual tetapi juga harus dilakukan terhadap bank secara konsolidasi termasuk dalam penilaian tingkat kesehatan dan efisiensi bank. Diperlukan juga suatu upaya untuk meminimalkan resiko yang akan terjadi dengan menggunakan suatu peringatan dini terhadap tingkat kesehatan dan efisiensi bank yang ISBN : 978-602-97491-4-4 C-7-1


disebut dengan early warning system. Sistem ini merupakan suatu mekanisme atau sistem deteksi atau pengenalan terhadap tanda-tanda atau gejala awal yang diperkirakan dapat mempengaruhi perkembangan atas kondisi maju mundurnya suatu perusahaan. Early warning system sangat diperlukan mengingat kompleksnya jejaring sistem perbankan, dan adanya potensi domino effect yang muncul apabila terdapat satu atau lebih bank dalam sistem tersebut mengalami kegagalan operasi serta munculnya biaya yang sangat besar akibat adanya kebangkrutan bank. Dari penelitian-penelitian terdahulu, diketahui bahwa early warning system banyak digunakan oleh sektor keuangan untuk mengetahui secara dini kondisi industri keuangan yang memiliki risiko membahayakan stabilitas perekonomian di masa depan. Dengan adanya early warning system, maka akan memberikan waktu tunggu untuk meningkatkan alokasi sumber penilai yang langka, memungkinkan tindakan pengawasan yang tepat waktu dan dapat mengurangi biaya kegagalan (cost of failure). Dari faktor-faktor tersebut, akan sangat berpengaruh terhadap penilaian tingkat kesehatan dan efisiensi suatu bank. Penilaian tingkat kesehatan bank dengan menggunakan pendekatan risiko (risk-based bank rating) dilakukan berdasarkan analisis yang komprehensif terhadap kinerja, profil risiko, permasalahan yang dihadapi, dan prospek perkembangan bank. Dalam penelitian ini digunakan analisis regresi logistik untuk menganalisis tingkat kesehatan bank. Regresi logistik merupakan bagian dari analisis regresi yang digunakan ketika variabel dependen (respon) merupakan variabel dikotomi. Variabel dikotomi biasanya hanya terdiri atas dua nilai, yang mewakili kemunculan atau tidak adanya suatu kejadian. Regresi logistik dapat digunakan untuk memprediksi sebuah variabel tak bebas berdasarkan variabel bebas yang ada dan dapat digunakan untuk menghitung persentase keragaman dalam variabel tak bebas yang dapat diterangkan oleh variabel bebas. Selain itu metode ini juga dapat digunakan untuk merangking variabel bebas yang paling penting yang dapat digunakan untuk memprediksi variabel tak bebas (Hosmer & Lemeshow, 1989). Penelitian ini bertujuan untuk memperoleh algoritma regresi logistik sehingga dapat digunakan untuk membangun early warning system, yang kemudian dapat digunakan sebagai tools pengambilan keputusan, selain itu juga sebagai standar decision support system di cabang Bank CIMB Niaga area Jawa Timur dan Indonesia Timur yang merupakan obyek penelitian. METODE Jenis penelitian yang dilakukan analisis adalah pengujian hipotesis, dengan melakukan pengujian terhadap semua variabel yang diteliti. Horizon waktu riset bersifat cross sectional sehingga model yang digunakan adalah dengan regresi logistik. Dengan regresi logistik ini dapat dilihat hubungan antara variabel tak bebas berupa variabel respon yang bersifat kualitatif dan variabel-variabel bebas berupa variabel kualitatif (nominal atau ordinal) maupun variabel kuantitatif (interval atau rasio). Untuk variabel bebas bertipe kualitatif digunakan dalam variabel dummy, sedangkan untuk variabel tak bebas dalam model regresi logistik berbentuk dikotomus (biner atau dua kategori) maupun polykotomus (banyak kategori). Sedangkan populasi dalam penelitian ini adalah semua cabang PT. Bank CIMB Niaga di area Jawa Timur dan Indonesia Timur pada tahun 2009 dan 2010. Besar populasi sejumlah 40 cabang bank di area Jawa Timur dan Indonesia Timur. Data yang digunakan merupakan data dari laporan keuangan bulanan dengan alasan ketersediaan data untuk variabel dependen. Dalam penelitian ini, variabel yang diteliti diklasifikasikan ke dalam variabel independen dan variabel dependen. Dimana variabel dependen yang digunakan adalah status ISBN : 978-602-97491-4-4 C-7-2


usaha bank, yang dalam hal ini tingkat kesehatan yang memiliki hubungan fungsional dengan rasio keuangan. Suatu bank diukur tingkat kesehatannya dari kemampuan bank untuk mempertahankan kelangsungan operasional yang tercermin dalam data atau informasi keuangan. Formulasi yang digunakan adalah dengan menggunakan peringkat komposit yang telah ditetapkan oleh Bank Indonesia, dimana angka 1 mencerminkan kondisi bank yang secara umum sangat sehat, angka 2 mencerminkan kondisi bank secara umum sehat, angka 3 mencerminkan kondisi bank yang secara umum cukup sehat, angka 4 mencerminkan kondisi bank yang secara umum kurang sehat, dan angka 5 mencerminkan kondisi bank yang secara umum tidak sehat. Dengan variabel independen yang digunakan dalam penelitian ini adalah sebagai berikut : a. Capital Adequancy Ratio (CAR) b. Loan To Deposit Ratio (LDR) c. Non Performing Loan (NPL) d. Beban Operasional dengan Pendapatan Operasional (BOPO) e. Giro Wajib Minimum (GWM) f. Net Interest Margin (NIM) Setelah diketahui variabel-variabel independen dalam tingkat kesehatan dan efisiensi bank, selanjutnya dilakukan pengujian korelasi untuk mengukur tingkat keeratan hubungan linear antara 2 variabel. Nilai korelasi berkisar antara 1 sampai |-1|. Nilai korelasi negatif berarti hubungan antara 2 variabel adalah negatif (apabila salah satu variabel menurun, maka variabel lainnya akan meningkat). Sebaliknya, nilai korelasi positif berarti hubungan antara kedua variabel adalah positif (apabila salah satu variabel meningkat, maka variabel lainnya meningkat pula. Suatu hubungan antara 2 variabel dikatakan berkorelasi kuat apabila makin mendekati 1 atau |-1|. Sebaliknya, suatu hubungan antara 2 variabel dikatakan lemah apabila semakin mendekati 0 (nol). Hipotesis untuk uji korelasi adalah : H0 :ρ=0 H1 :ρ≠0 dengan ρ adalah korelasi antara 2 variabel. Daerah penolakan p-value < α , dimana nilai α yang digunakan adalah 5% . Selanjutnya dilakukan analisa komponen pokok (principal component analysis) untuk melakukan reduksi variabel yang saling berkorelasi sehingga masing-masing menjadi variabel independen. Selain itu, problem dalam principal component analysis adalah menemukan eigen value dan eigen vector. HASIL DAN PEMBAHASAN Hasil dari pemodelan regresi logistik trimester I sampai dengan IV tahun 2009 dan 2010 menghasilkan koefisien yang tidak signifikan, dimana p-value lebih besar dari nilai α = 5%. Dari pemodelan regresi logistik diatas, dapat digunakan untuk menghasilkan persamaan regresi logistik dalam bentuk logit P(X) sebagai berikut. Persamaan untuk trimester I tahun 2009 adalah : Logit P(X) = α + 0,246616 PC1 + 0,261013 PC2 + 0,351463 PC3 (1) dengan α1 = - 2,03048 dan α2 = - 0,872890 Persamaan untuk trimester II tahun 2009 adalah : Logit P(X) = α - 0,114058 PC1 - 0,126039 PC2 (2) dengan α1 = - 1,55276 dan α2 = - 0,724418 Persamaan untuk trimester III tahun 2009 adalah : ISBN : 978-602-97491-4-4 C-7-3


Logit P(X) = α - 0,219481 PC1 - 0,211000 PC2 - 1,17046 PC3 dengan α1 = - 5,45127 dan α2 = - 1,05039 Persamaan untuk trimester IV tahun 2009 adalah : Logit P(X) = α - 0,116010 PC1 - 0,107203 PC2 dengan α1 = - 1,24705 dan α2 = - 0,516183 Persamaan untuk trimester I tahun 2010 adalah : Logit P(X) = α - 0,156329 PC1 - 0,111271 PC2 dengan α1 = - 1,26313 dan α2 = - 0,524505 Persamaan untuk trimester II tahun 2010 adalah : Logit P(X) = α + 0,0265292 PC1 - 0,341755 PC2 dengan α1 = - 1,43556 dan α2 = - 0,879889 Persamaan untuk trimester III tahun 2010 adalah : Logit P(X) = α - 0,247611 PC1 - 0,517593 PC2 dengan α1 = - 0,677961 dan α2 = - 0,0130741 Persamaan untuk trimester IV tahun 2010 adalah : Logit P(X) = α - 0,168363 PC1 - 0,174719 PC2 dengan α1 = - 1,11667 dan α2 = - 0,199118

(3)

(4)

(5)

(6)

(7)

(8)

Dari uji validitas didapatkan, model Model yang dihasilkan oleh persamaan regresi logistik tidak dapat secara langsung digunakan untuk memprediksi kondisi kesehatan dan efisiensi cabang Bank CIMB Niaga pada periode waktu yang berbeda. Dengan pengujian validitas dapat dibuktikan bahwa model regresi logistik yang terbentuk dapat digunakan untuk periode waktu yang berbeda. Pengujian validitas dilakukan dengan membandingkan apakah terjadi perbedaan pada jumlah variabel yang dihasilkan pada model regresi logistik yang terbentuk pada tahun yang berbeda. Dari pemodelan data rasio keuangan tersebut, variabelvariabel komponen pokok yang dihasilkan sebagai prediktor terhadap tingkat kesehatan dan efisiensi menunjukkan hasil yang tidak signifikan. Sehingga hal ini menunjukkan bahwa model data rasio keuangan tahun 2009 tidak dapat digunakan untuk tahun 2010, akan tetapi diperlukan pengujian kembali untuk tahun-tahun berikutnya. Pengujian validitas model merupakan bentuk ilustrasi dari pengujian validitas yang dilakukan secara berkelanjutan untuk mengetahui apakah diperlukan suatu perubahan terhadap model yang sudah ada. Dari hasil pengujian menunjukkan bahwa model tahun 2009 tidak valid untuk digunakan sebagai alat prediksi dengan data tahun 2010. Sehingga dengan menggunakan data rasio keuangan cabang-cabang CIMB Niaga area Jawa Timur dan Indonesia Timur ini, pemodelan regresi logistik tidak dianjurkan untuk melakukan prediksi. KESIMPULAN DAN SARAN 1. Pemodelan regresi logistik memerlukan perubahan maupun reduksi variabel rasio keuangan yang saling berkorelasi (interdependensi), menjadi variabel komponen pokok yang independen dengan menggunakan metode principal component analysis (PCA). Model persamaan regresi logistik dengan variabel komponen pokok yang terbentuk akan dikonversi menjadi variabel rasio keuangan. Koefisien variabel rasio keuangan dalam persamaan regresi logistik menunjukkan tingkat pengaruh suatu variabel rasio keuangan terhadap tingkat kesehatan dan efisiensi Bank CIMB Niaga dalam suatu periode waktu. 2. Pengujian validitas model regresi logistik dilakukan dengan membandingkan model persamaan yang terbentuk pada trimester I sampai dengan IV tahun 2009 dan 2010. Hasil pengujian validitas model regresi logistik menunjukkan bahwa model yang dihasilkan pada periode tahun 2009 dapat digunakan untuk periode waktu 2010, akan tetapi penggunaan model regresi logistik ini memerlukan evaluasi yang berkelanjutan. ISBN : 978-602-97491-4-4 C-7-4


Pembentukan model regresi logistik dan evaluasi model tersebut harus dilakukan setiap periode waktu untuk mendapatkan model regresi logistik yang lebih baik dan sesuai dengan kondisi pada periode waktu tertentu. 3. Analisis dan interpretasi terhadap model yang dihasilkan terkait dengan bagaimana model early warning system dapat dimanfaatkan oleh CIMB Niaga area Jawa Timur dan Indonesia Timur adalah sebagai berikut : a. Model regresi logistik menghasilkan urutan peringkat cabang-cabang CIMB Niaga area Jawa Timur dan Indonesia Timur dengan indeks nilai linear, yaitu jumlah dari perkalian antara koefisien dan masing-masing variabel rasio keuangan cabang-cabang CIMB Niaga area Jawa Timur dan Indonesia Timur. Masing-masing rasio keuangan menunjukkan pengaruh dari komponen rasio keuangan terhadap tingkat kesehatan dan efisiensi cabang-cabang di area yang sama. Variabel yang dihasilkan memiliki pengaruh terhadap tingkat kesehatan sebesar nilai variabel dikalikan dengan koefisien variabel tersebut untuk cabang-cabang CIMB Niaga area Jawa Timur dan Indonesia Timur. DAFTAR PUSTAKA Bank Indonesia (2011), Penilaian Tingkat Kesehatan Bank Umum, Bank Indonesia, Jakarta. Dolores M. Etter dan David C. Kuncicky, Introduction to MATLAB 7, with Holly Moore, Pearson/Prentice Hall, Upper Saddle River, NJ. Fractal (2003), Comparative Analysis of Classification Techniques, A Fractal White Paper. Gibson, C.H. (2000), Financial Reporting & Analysis: Using Financial Accounting Information, 8th Edition, South Western, Boston. Hair, J.F, Black, W.C., Babin, B.J., Anderson, R.E., dan Tatham, R.L (2006) : Multivariate Data Analyst , 6th Edition, Person Education, New Jersey, US. Hosmer, D.W., dan Lemeshow, S. (2000), Applied Logistic Regression, 2nd Edition, John Wiley and Sons, Inc., New York. Iriawan, N. (2005a), Laporan Hasil Pembentukan Early Warning System (EWS) Obligasi Korporasi, ITS, Surabaya. Jolliffe, I.T. (2002), Principal Component Analysis, 2nd Edition, Springerverlag, Inc., New York. Kleinbaum, D.G., dan Klein, M. (2002), Logistic Regression A Self-Learning Text, 2nd Edition, Springerverlag, Inc., New York. Kim, T.Y., Kyong, J.O., Insuk ,S.,dan Hwang, C. (2004), Usefulness of Artificial Neural Network For Early Warning System of Economic Crisis, Elsevier. Muljono, T.P.(1988), Aplikasi Akuntansi Manajemen dalam Praktek Perbankan, Edisi Pertama, Cetakan Pertama, BPFE, Yogyakarta.

ISBN : 978-602-97491-4-4 C-7-5


Oliver G. Wood, dan Robert J.Porlier (1975), Analyis of Bank Financial Statement, Van Nostrand Reinhould Co, New York. Vercellis, C. (2009), Business Intelligence : Data Mining and Optimization For Decision Making, Chichester : John Wiley & Sons.

ISBN : 978-602-97491-4-4 C-7-6

Prosiding Seminar Nasional Manajemen Teknologi XV Program Studi MMT-ITS, Surabaya 4 Pebruari 2012

Recommend Documents