The 1 st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7 9 November 2007

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 USING COMPANY FINANCIAL INDICATOR TO DEVELOP PREDICTION MODEL FOR BANKING BANKRUPTCY IN WEST JAVA (SURVEY IN BANKING SECTOR IN WEST JAVA)

ELIZABETH T. MANURUNG ELVY MARIA SYLVIA FETTRY Universitas Katolik Parahyangan

Abstract The purpose of this study is to develop model applicable for predicting banking bankruptcy in West Java. The model is developed based on banking financial indicator (Bank Indonesia, 1999). The data are collected with survey method and analyzed with three steps: First, calculate 931 financial ratio from the financial statement of (general) banking in West Java. Second, make the classification between healthy bank and unhealthy bank. Finally, make the model in order to predict banking bankruptcy and do model validation. The result of this study is the development of two models applicable for predicting banking bankruptcy based on discriminant analysis and logistic regression. Both models are significant with alpha 1%, 5%, and 10%. Logistic regression model is more accurate than discriminant analysis model. Although the accuracy of the prediction model is verified, the bank predicted to go bankrupt may still exist in the reality. This happens for instance because of the lapping practices by the bank. Accordingly, the bankruptcy act is difficult to be imposed to the bank. Keywords : financial indicator, prediction model, banking bankruptcy

PENDAHULUAN Akuntansi didefinisikan sebagai proses pengidentifikasian, pengukuran, dan pengkomunikasian informasi ekonomi untuk memungkinkan pembuat pertimbangan dalam pengambilan keputusan para pemakai (Kieso et al., 2001: 2). Informasi

Bridging the Gap between Theory, Research, and Practice

1

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 keuangan yang disediakan kepada pemakai laporan keuangan bersifat multiguna. Beragamnya pemakai laporan keuangan, yang masing-masing memiliki kepentingan yang berbeda satu sama lain, membutuhkan informasi yang berlainan (different information for different purposes). Oleh karena itu, laporan keuangan hendaknya disusun dengan baik sekaligus informatif sehingga dapat digunakan untuk pengambilan keputusan yang tepat (Statement of Financial Accounting Concept No. 5). Laporan keuangan yang disusun oleh suatu perusahaan pada suatu periode tertentu, pada umumnya terdiri dari (Kieso et al., 2001): (a) Neraca yang menggambarkan posisi keuangan perusahaan; (b) Laporan laba rugi yang menggambarkan kinerja yang dicapai perusahaan pada suatu periode tertentu; (c) Laporan arus kas yang menggambarkan aliran kas masuk dan kas keluar; dan (d) Catatan atas laporan keuangan yang menggambarkan semua informasi yang belum tercantum dalam neraca, laporan laba rugi serta laporan arus kas. Kondisi perekonomian Indonesia pada pertengahan tahun 1997 mengalami penurunan yang drastis dengan menurunnya pertumbuhan ekonomi sebesar -3,82% (Biro Pusat Statistik – Statistik Ekonomi Keuangan, 1997 – 1998). Penurunan ini disebabkan antara lain oleh meningkatnya kurs dollar Amerika terhadap rupiah Indonesia. Krisis ini telah menurunkan daya beli rupiah karena terjadi inflasi yang demikian tinggi dalam perekonomian. Dampak krisis moneter tersebut terhadap dunia usaha, ditunjukkan oleh melemahnya kondisi usaha baik di sektor dagang, manufaktur maupun sektor jasa. Kinerja keuangan perusahaan pada umumnya menurun selama periode krisis moneter tersebut. Kinerja suatu perusahaan dapat dilihat melalui laporan keuangan yang disusun setiap periode oleh perusahaan. Pada sektor perbankan, menurunnya kinerja keuangan perusahaan disebabkan oleh beberapa faktor. Di antaranya adalah: banyaknya kredit macet karena para debitur tidak mampu mencicil pinjaman serta bunganya, berkurangnya likuiditas bank, bunga simpanan yang sangat tinggi, dana yang dapat disalurkan menjadi kredit relatif sedikit, biaya bank yang besar yang tidak diikuti oleh pendapatan bank yang cukup memadai. Hal ini terlihat dari adanya pengumuman pemerintah mengenai 62 buah bank yang dianggap bermasalah (Bank Indonesia, 1998). Pada gilirannya, banyak bank yang ditutup/dilikuidasi pada periode tersebut.


2

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Salah satu alat yang dapat digunakan untuk mengukur kondisi keuangan bank adalah indikator keuangan perbankan. Indikator ini terdiri dari 19 rasio keuangan bank (BI, 1999). Hasil perhitungan indikator keuangan tersebut dapat mengarahkan pemakai laporan keuangan untuk menilai kondisi bank tersebut sehat atau tidak, atau apakah bank tersebut cenderung tetap beroperasi atau cenderung akan dilikuidasi. Indikator keuangan dapat digunakan untuk memprediksi kinerja perusahaan di masa yang akan datang (Kieso et al., 2001: 4-5). Penelitian ini ditujukan untuk membentuk suatu model matematis, berdasarkan indikator keuangan perbankan. Model yang dibentuk diharapkan dapat digunakan untuk memprediksi kecenderungan pailit atau tidak pailit suatu bank tertentu. Di Jawa Barat terdapat 219 bank umum (Statistik Ekonomi Keuangan Daerah, 2003: 4-5) merupakan populasi yang diteliti. Model prediksi yang dibentuk berdasarkan indikator keuangan perbankan tersebut dianalisis menggunakan alat statistik yaitu analisis diskriminan dan regresi logistik. Model yang dihasilkan akan diuji kekuatan validasinya terhadap data bank yang lain sesuai dengan kenyataan yang sebenarnya. Hasil penelitian berupa model prediksi, dapat digunakan oleh para pemakai laporan keuangan untuk menilai kinerja bank tertentu apakah bank tersebut cenderung pailit atau tidak. Pemakai laporan keuangan dapat menggunakan model yang dihasilkan untuk pengambilan keputusan ekonomi, misalnya menarik simpanan atau melakukan pinjaman kepada bank tertentu. Bagi pihak-pihak lain yang terkait, dapat menggunakan hasil penelitian ini baik sebagai masukan dalam proses belajar mengajar,

untuk

pengembangan

penelitian

lebih

lanjut,

maupun

untuk

pengembangan ilmu akuntansi pada umumnya.

TINJAUAN PUSTAKA Pengertian Bank Menurut Undang-Undang No. 10 Tahun 1998 Tentang Perbankan, pengertian perbankan adalah segala sesuatu yang menyangkut tentang bank, mencakup kelembagaan, kegiatan usaha, serta cara dan proses dalam melaksanakan kegiatan usahanya. Sedangkan bank didefinisikan sebagai badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkannya kepada


3

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 masyarakat dalam bentuk kredit dan/atau bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak. Adapun jenis bank berdasarkan Undang-Undang No. 10 Tahun 1998 Tentang Perbankan meliputi bank umum dan bank perkreditan rakyat. Berdasarkan pembayaran bunga atau hasil usaha, jenis bank meliputi bank konvensional dan bank berdasarkan prinsip syariah. Berdasarkan kepemilikannya, jenis bank meliputi: bank milik negara (BUMN), bank milik pemerintah daerah (BUMD), bank milik swasta nasional, bank swasta campuran, dan bank milik asing. Sedangkan berdasarkan penekanan kegiatannya, jenis bank meliputi: bank retail, bank korporasi, bank komersial, bank pedesaan, bank pembangunan, dan bank kegiatan lainnya. Produk bank dibagi menjadi 3 bagian (Dendawijaya, 2003: 27-31) yaitu: a. Produk bank pada sisi pasiva, meliputi: giro, tabungan, deposito. b. Produk bank pada sisi aktiva, meliputi: kredit modal kerja, kredit investasi, kredit off-shore, kredit on-shore, kredit cash collateral, kredit profesi, kredit konsumsi, kredit sindikasi, dan kredit-kredit program. c. Jasa perbankan, meliputi berbagai macam jasa lainnya yang mencakup jasa perbankan dalam negeri dan jasa perbankan luar negeri.

Indikator Keuangan Perbankan Bank Indonesia (1999) menetapkan 19 buah rasio keuangan bank sebagai indikator keuangan sebuah bank. Rasio-rasio tersebut adalah sebagai berikut: 1. Owners’ equity / total assets 2. (Owners’ equity – fixed assets) / (loan or credit + marketable securities) 3. Owners’ equity / total deposit 4. Owners’ equity / (total assets – cash – marketable securities) 5. Owners’ equity / (loan or credit + marketable securities) 6. Loan / total assets 7. (Cash + bank + marketable securities) / total assets 8. Productive assets / total assets 9. (Cash + bank + marketable securities + placement) / total assets 10. Operating expense / operating income 11. Net income / operating income


4

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 12. Net income / total assets 13. Operating income / total assets 14. Earnings before tax / total assets 15. Interest income / total assets 16. Cash / total deposit 17. Cash / savings 18. (Cash + bank + marketable securities) / savings 19. Loan / total deposit

Konsep Model Model adalah suatu gambaran yang memadai dari suatu sistem nyata ke dalam bentuk yang sederhana (Murthy et al., 1990). Representasi tersebut dapat berupa skala, gambar, verbal, skematik, dan simbolik. Sedangkan formulasi model adalah merumuskan masalah ke dalam bentuk matematis yang dapat mewakili sistem nyata dan menghubungkan variabel-variabel yang telah ada diidentifikasikan dalam model konseptual dengan bahasa simbolik (Simatupang, 1994). Hasil akhir pemodelan harus dapat merepresentasikan secara kuantitatif dan/atau kualitatif suatu gambaran proses dari pengaruh faktor-faktor signifikan yang membentuk model, sehingga dapat menjawab masalah yang diidentifikasikan sebelumnya, bukan dari besar dan rumitnya model. Karakteristik model yang baik (Sekaran, 1992) adalah dapat digunakan untuk menjelaskan fenomena dan untuk memprediksi masa yang akan datang, yakni memiliki: (1) Tingkat generalisasi yang tinggi yaitu makin tinggi derajat generalisasi suatu model, semakin baik karena dapat digunakan untuk menyusun kebijakan yang semakin tepat dan meramalkan masa yang akan datang lebih baik; (2) Mekanisme transparansi, yaitu suatu model dikatakan baik jika suatu model menunjukkan dapat digunakan untuk memecahkan masalah, dan dapat diterangkan kembali; (3) Potensi untuk dikembangkan yaitu suatu model yang berhasil biasanya mampu membangkitkan minat atau perhatian peneliti lain untuk meneliti lebih lanjut, serta membuka kemungkinan pengembangannya menjadi model yang lebih kompleks yang berdaya guna untuk menjawab sistem nyata; dan (4) Peka terhadap perubahan


5

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 asumsi yang menggambarkan proses pemodelan yang tidak pernah berakhir atau selesai, selalu memberi celah untuk membangkitkan asumsi.

Model Prediksi Prediksi atau peramalan diperlukan karena adanya kebutuhan informasi tentang kondisi di masa yang akan datang, sehubungan dengan adanya kesenjangan waktu (time lag) antara masa sekarang dengan masa depan (Godfrey et al., 2000: 137). Adanya masa tenggang (lead time) merupakan kendala utama bagi perencanaan dan prediksi untuk pengambilan keputusan yang efektif dan efisien. Fenomena yang terjadi adalah pertanyaan atas validitas dan keakuratan prediksi yang ditentukan serta keampuhan prediksi tersebut terhadap manfaat bagi pengambilan keputusan. Peramalan atau prediksi yang dibuat sangat bergantung dari keragaman situasi prediksi, yaitu waktu peramalan, faktor penentu hasil sebenarnya, tipe pola data dan aspek lainnya (Simatupang, 1994). Sebelum model yang telah dikembangkan diaplikasikan, terlebih dahulu dilakukan pengujian untuk melihat kemampuan model dalam memecahkan masalah. Verifikasi dilakukan untuk menghindarkan terjadinya kesalahan logis yang mungkin timbul. Verifikasi yang dilakukan pada tahap ini merupakan verifikasi teoritik, yang memeriksa kesesuaian model dengan prinsip-prinsip yang berlaku. Setelah model diverifikasi, dilanjutkan dengan analisis model untuk memperoleh solusi yang menggunakan prosedur analitik dan numerik (komputasi). Prosedur analitik menggunakan metode deduksi dan induksi matematis untuk mendapatkan pemecahan numerik. Metode numerik menggunakan teknik-teknik untuk melakukan formulasi ulang masalah matematis ke dalam operasi perhitungan biasa, agar memudahkan analisis. Selanjutnya, validitas model diuji dengan membandingkan perilaku model dengan perilaku sistem. Uji validitas memerlukan standar yang sedemikian rupa sehingga tidak terlalu sulit dan juga tidak terlalu mudah. Ini semua diperlukan agar mendapatkan model yang memadai.

Prediksi Kepailitan Penelitian mengenai kepailitan yang telah dilakukan sebelumnya, sebagian besar menggunakan fenomena ekonomi atas kepailitan secara hukum (legal


6

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 bankruptcy) sebagai variabel dependen (Beaver, 1966, 1968; Altman, 1968; Ohlson, 1980). Kepailitan secara hukum tersebut tidak terjadi secara tiba-tiba, tetapi dimulai dari kesulitan keuangan terlebih dahulu sebagai pertanda akan terjadinya suatu kegagalan perusahaan. Kesulitan keuangan (financial distress) yang cukup mengganggu kegiatan operasional perusahaan merupakan suatu kondisi yang harus segera diwaspadai dan diantisipasi. Kesulitan ketidakmampuan

keuangan perusahaan

didefinisikan

(Ross

untuk

memenuhi

et

al.:

1993)

sebagai

kewajiban-kewajibannya

(insolvency). Ketidakmampuan tersebut dapat ditunjukkan dengan 2 metode, yaitu stock based insolvency dan flow based insolvency. Stock based insolvency adalah kondisi yang menunjukkan keadaan ekuitas negatif pada neraca perusahaan (negative networth). Flow based insolvency ditunjukkan oleh kondisi arus kas operasional (operational cash flow) yang tidak dapat memenuhi kewajiban-kewajiban lancar perusahaan. Apabila suatu perusahaan dihadapkan pada kondisi ketidakmampuan membayar hutang maka dapat dikategorikan sebagai perusahaan yang mengalami kesulitan keuangan (financial distress) mungkin mengarah pada kegagalan operasi perusahaan atau kepailitan. Pendekatan penelitian kepailitan perusahaan (Godfrey et al., 2000: 16, 284) terdiri dari 2 pendekatan yaitu: 1. Pendekatan empiris. Pendekatan empiris yang banyak dikembangkan saat ini telah menunjukan hasil pemodelan yang cukup memuaskan. Sekalipun demikian, model-model tersebut dirasakan kurang didukung oleh teori yang cukup lengkap. Biasanya, model yang dibentuk dari pendekatan empiris dari rasio keuangan perusahaan, terlebih dahulu diawali dengan suatu pemisahan kelompok perusahaan yang pailit dan non pailit secara legal. Selanjutnya rasio-rasio tersebut diolah dengan menggunakan metode induksi menggunakan alat statistik atau kecerdasan buatan. 2. Pendekatan teoritis. Model yang dibentuk dengan pendekatan teoritis diturunkan dengan metode deduksi. Penurunan model ini dimulai dengan meneliti kondisi normatif suatu perusahaan yang pailit. Dalam tahap selanjutnya, dibuat suatu model matematis yang menjadi variabel prediktor kepailitan suatu perusahaan.


7

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Penelitian Terdahulu Penelitian terdahulu yang menjadi dasar penelitian ini adalah sebagai berikut: 1. Goodhard dan Schoemaker (1993) melakukan survei pada tahun 1970 – 1992 terhadap 104 bank yang mengalami kegagalan usaha di 24 negara. Hasil penelitan

menyimpulkan

bahwa

kegagalan

usaha

bank-bank

tersebut

dikelompokkan dalam 4 kategori, yaitu: (1) Bank yang pernah mendapat bantuan dari Bank Sentral atau rekapitalisasi oleh para pemegang saham; (2) Bank yang diambil alih oleh bank lain; (3) Bank yang merupakan hasil pengaturan pemerintah atau lembaga asuransi; dan (4) Likuidasi dari lembaga keuangan. 2. Shanholtzer (1989) membahas penggunaan elemen laporan keuangan dan rasio keuangan historis untuk memprediksi arus kas di masa yang akan datang. Dengan menggunakan data tahun 1984 serta pendekatan lintas sektoral diprediksi arus kas tahun 1985. Sampel yang digunakan adalah 25 buah perusahaan. Hasil pengujian menggambarkan baik akuntansi biaya historis maupun akuntansi biaya muktahir keduanya dapat memprediksi arus kas tahun 1985 dengan baik, dan prediksi menggunakan elemen laporan keuangan, yaitu pendapatan yang dianggap lebih baik dibandingkan menggunakan rasio keuangan. 3. Beaver (1966) menggunakan 14 rasio keuangan untuk meramalkan kepailitan suatu perusahaan dengan metode univariat. Sampel yang diteliti terdiri dari 79 perusahaan yang pailit dan 79 perusahaan non pailit yang mewakili 38 industri yang berbeda di Amerika Serikat dalam kurun waktu 1954 – 1964. Temuan utamanya adalah bahwa data akuntansi yang berupa rasio-rasio keuangan memiliki kemampuan untuk memprediksi kegagalan setidak-tidaknya 5 tahun sebelum kegagalan tejadi. 4. Altman (1968) menggunakan analisis diskriminan linier untuk meramalkan kepailitan suatu perusahaan. Sampel yang digunakan adalah 33 perusahaan manufaktur yang sejenis yang pailit antara tahun 1946 sampai dengan 1965. Variabel-variabel yang akhirnya masuk ke dalam model Altman ini adalah: (a) rasio modal kerja terhadap total aset X1; (b) rasio laba ditahan terhadap total aset X2; (c) rasio laba sebelum bunga dan pajak terhadap total aset X3; (d) rasio harga pasar ekuitas terhadap nilai buku total kewajiban X4; dan (e) rasio penjualan terhadap total aset X5. Modelnya Z = 1,2X1 + 1,4X2 + 3,3 X3 + 0,6X4 + 1,0X5


8

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 dengan ketentuan jika nilai Z lebih kecil dari 1,8 maka perusahaan tersebut dikategorikan pailit, sebaliknya jika nilai Z lebih besar dari 1,8 maka perusahaan tersebut dikategorikan tidak pailit. 5. Ohlson (1980) menggunakan regresi logistik untuk membentuk model peramalan kepailitan. Hasilnya adalah terbentuknya tiga model yaitu: model satu tahun, dua tahun, dan model tiga tahun sebelum pailit. Ketiga model tersebut mempunyai kemampuan meramalkan dengan ketepatan di atas 90 persen.

HIPOTESIS Berdasarkan penelitian-penelitian tersebut maka hipotesis yang diajukan dalam penelitian ini adalah sebagai berikut: H1 : Dapat disusun model matematis untuk memprediksi kepailitan perbankan berdasarkan rasio keuangan perusahaan, baik berdasarkan analisis diskriminan maupun berdasarkan regresi logistik. H2 : Terdapat

perbedaan

keakuratan

model

prediksi

kepailitan

perbankan

berdasarkan analisis diskriminan dibandingkan berdasarkan regresi logistik.

OPERASIONALISASI VARIABEL Operasionalisasi variabel yang diteliti adalah sebagai berikut: Tabel 1 Operasionalisasi Variabel Variabel 1

Dimensi Laporan keuangan bank

Indikator Neraca, laporan laba rugi, laporan arus kas,

Skala Rasio

penjelasan atas laporan keuangan 2

Indikator keuangan bank

1.

Owners’ equity / total assets,

2.

(Owners’ equity – fixed assets) / (loan or credit +

Rasio

marketable securities), 3.

Owners’ equity / total deposit,

4.

Owners’ equity / (total assets – cash – marketable securities),

5.

Owners’ equity / (loan or credit + marketable securities),

6.

Loan / total assets,

7.

(Cash + bank + marketable securities) / total assets,

8.

Productive assets / total assets,

9.

(Cash + bank + marketable securities +


9

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Variabel

Dimensi

Indikator

Skala

placement) / total assets, 10. Operating expense / operating income, 11. Net income / operating income, 12. Net income / total assets, 13. Operating income / total assets, 14. Earnings before tax / total assets, 15. Interest income / total assets, 16. Cash / total deposit, 17. Cash / savings, 18. (Cash + bank + marketable securities) / savings, 19. Loan / total deposit. 3

Keputusan suatu bank

Dinyatakan oleh skor berdasarkan perhitungan model

dikategorikan sehat atau pailit

matematis yang dibentuk dari rasio kredibilitas

Rasio

perusahaan Keterangan : Variabel 1 merupakan variabel independen dalam model Variabel 2 merupakan variabel independen Variabel 3 merupakan variabel dependen karena tergantung dari variabel 1 dan 2

Laporan keuangan dari 49 bank yang menggambarkan posisi dan kinerja perusahaan biasanya terdiri dari: neraca, laporan laba rugi, laporan arus kas, dan catatan atas laporan keuangan pada suatu periode tertentu. Hal ini menggambarkan seluruh operasi yang dilaksanakan perusahaan pada periode tersebut dapat dilihat melalui laporan keuangan yang dihasilkan tersebut, sehingga naik atau turunnya kinerja perusahaan dapat pula ditunjukkan pula oleh informasi yang terdapat dalam laporan keuangan. Salah satu indikator untuk mengukur apakah kondisi keuangan perusahaan baik atau tidak, dapat digunakan rasio keuangan perusahaan. Rasio-rasio yang digunakan dalam penelitian ini adalah 19 rasio perbankan yang ditetapkan Bank Indonesia (1999). 931 rasio keuangan perbankan yang diperoleh dari 49 laporan keuangan bank, digunakan membentuk model statistik untuk memprediksi sehat tidaknya sebuah bank. Model yang dihasilkan digunakan untuk memprediksi bank lain yang tidak termasuk dalam data pembentuk model, sehingga dapat disimpulkan bank lain tersebut apakah cenderung bangkrut atau tidak, serta dapat disimpulkan pula berapa persen validitas atas model yang dihasilkan tersebut dibandingkan dengan kenyataan yang sebenarnya.


10

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 METODE PENELITIAN Penelitian ini adalah penelitian deskriptif dengan menggunakan metode penelitian deskriptif analistis dengan tujuan untuk menguji hubungan variabel dari hipotesis yang diajukan dengan data empiris. Populasi yang diteliti adalah bank umum yang terdapat di Jawa Barat tidak termasuk bank syariah dan BPR sebanyak kurang lebih 219 buah bank (Statistik Keuangan Daerah, 2003: 4-5). Dari populasi tersebut, diambil 49 sampel berdasarkan perhitungan yang sesuai dengan tujuan menguji hipotesis atas kebermaknaan R2 dalam analisis regresi (Hair et all, 1995) dengan rumus :

⎛ L ⎞ n = ⎜⎜ 2 ⎟⎟ + (k + 1) ⎝f ⎠ Dimana : f2=

R2 (1 − R 2 )

Keterangan : L = diperoleh dari tabel dengan α dan β yang ditentukan K = banyaknya variabel bebas R2 = koefisien determinasi terkecil yang besarnya didasarkan pada hasil perhitungan pra survei N = jumlah sampel yang diperoleh Validasi model dilakukan dengan menggunakan data lainnya yaitu data yang tidak digunakan sebagai data pembentuk model data berupa data yang diambil dari 10 laporan keuangan bank lain, sehingga sampel yang digunakan dalam penelitian ini seluruhnya menjadi 59 bank. Analisis yang dilakukan adalah sebagai berikut: (1) Hasil perhitungan rasiorasio kondisi keuangan perusahan yang diteliti digunakan untuk data pembentuk model, (2) Model prediksi yang dibentuk menggunakan alat statistik analisis diskriminan serta regresi logistik, (3) Bila model prediksi yang dihasilkan berbeda maka diuji apakah perbedaaan masing-masing model menggambarkan kondisi keuangan perusahaan secara signifikan berdasarkan statistik sehingga akan terlihat model mana yang lebih akurat antara model prediksi berdasarkan analisis diskriminan dan regresi logistik.


11

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Model penelitian yang digunakan dalam penelitian ini adalah sebagai berikut: Gambar 1 Model Penelitian Fenomena Ekonomi Laporan Keuangan 49 Perusahaan

931 Rasio Keuangan Model Prediksi Analisis Diskriminan

Stepwise Method

Uji Klasifikasi

Validasi Model

Model Prediksi Regresi Logistik Hipotesis 1 : Dapat disusun model matematis untuk memprediksi kepailitan perbankan berdasarkan rasio keuangan perusahaan, baik berdasarkan analisis diskriminan maupun berdasarkan regresi logistik.

Hipotesis 2 : Terdapat perbedaan keakuratan model prediksi kepailitan perbankan berdasarkan analisis diskriminan dibandingkan berdasarkan regresi logistik.

Stepwise Method

Uji Klasifikasi

Validasi Model

Langkah pertama dilakukan dengan menentukan jumlah perusahaan yang diteliti berdasarkan perhitungan statistik yaitu sebanyak 59 perusahaan. Kemudian dilanjutkan dengan meminta data kepada perusahaan berupa laporan keuangan perusahaan yang terdiri atas neraca tahun 1999, laporan laba rugi tahun 1999, dan catatan atas laporan keuangan tahun 1999. Selanjutnya dihitung rasio keuangan perusahaan yang diteliti. Langkah berikutnya adalah membuat penggolongan perusahaan apakah sebagai anggota perusahaan sehat ataukah perusahaan pailit. Penggolongan ini didasarkan pernyataan pemerintah mengenai bank yang dikategorikan tidak sehat atau dilikuidasi (telah ditentukan). Perusahaan yang dikelompokkan sebagai bank yang tidak sehat/likuidasi sebanyak 23 bank (46,9%) dari seluruh bank yang diteliti yang digunakan sebagai data pembentukan model. Bank yang dilikuidasi ini dikelompokkan sebagai kelompok 1 sedangkan bank yang sehat dikelompokkan sebagai kelompok 0. Selanjutnya dengan menggunakan analisis diskriminan (Morisson, 1990: 275280) dan regresi logistik (Kleinbaum, 1994: 4-8) dicari model dari 19 variabel yang digunakan dalam penelitian ini untuk dapat memprediksi apakah suatu bank


12

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 digolongkan sebagai perusahaan sehat atau tidak sehat. Mungkin model yang diperoleh bukan model yang terbaik secara umum namun hanya merupakan model terbaik dari 19 variabel yang diteliti saja dimana variabel-variabel tersebut dapat mengindikasikan kondisi keuangan bank pada suatu periode tertentu.

ANALISIS DATA Model Prediksi Berdasarkan Analisis Diskriminan Berdasarkan hasil pengolahan data menggunakan alat statistik analisis diskriminan, diperoleh model prediksi sebagai berikut: Y = 0,897X1 + 0,91X2 + 0,174X3 + 0,808X4 – 0,062X6 – 0,026X7 + 0,172X8 + 0,28X9 – 0,787X10 + 0,54X11 + X12 – 0,208X13 + 0,992X14 – 0,288X15 + 0,148X16 + 0,056X17 + 0,239X18 + 0,065X19 Rasio-rasio keuangan yang digunakan dalam peneltian ini dapat berkorelasi satu dengan yang lain, sehingga koefisien determinasi dapat menjadi bias dan kontribusi variabel independen sulit diidentifikasi. Namun karena variabel yang digunakan merupakan variabel komponen utama (principal component) maka korelasi antar variabel diharapkan dapat direduksi. Hal ini terbukti dengan hasil angka canonical correlation sebesar 0,385. Angka Wink’s Lambda sebesar 0,852 dan sig. F = 0,006 menyiratkan bahwa rata-rata populasi untuk kelompok 0 yaitu perusahaan sehat dan untuk kelompok 1 yaitu perusahaan tidak sehat berbeda secara signifikan Persamaan di atas menunjukkan pula bahwa variabel yang dominan adalah X12 (rasio laba bersih terhadap total aset). Rasio laba bersih terhadap total aset sebagai variabel yang dominan menunjukkan tingkat kemampuan setiap aset yang dimiliki oleh perusahaan akan mampu menghasilkan berapa rupiah laba bersih, sehingga makin besar angka rasio tersebut menunjukkan bank makin sehat. Kekuatan prediksi model yang dihasilkan atas data yang membentuknya adalah sebesar 81,63% dengan p-value sebesar 0,006. Artinya kekuatan model prediksi atas data yang membentuknya sebesar 81,63%. Model tersebut signifikan baik pada α = 1%, α = 5%, maupun α = 10%. Observasi nomor 7, 12, 17, 18, 27, 28, 30, 32, 38, dan 44 terjadi kesalahan pengelompokan, yang seharusnya dikelompokkan ke dalam kelompok 1 telah


13

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 dimasukkan ke dalam kelompok 0 atau seharusnya dikelompokkan 0 tapi dikelompokkan oleh model ke dalam kelompok 1 terjadi karena terdapat selisih yang lebih kecil antara squared distance dengan nilai probability yaitu sebesar -2,0 < 0,488 (contoh untuk observasi nomor 7). Jarak rata-rata mean2 antara kelompok 0 dan 1 adalah sebesar 2,47459, sedangkan antara 1 dan 0 juga sebesar 2,47459. Validasi atas model ini dilakukan dengan pengujian melalui indikator keuangan dari 10 perusahaan lain yang diprediksi. Indikator keuangan tersebut dimasukkan ke dalam persamaan analisis diskriminan yang telah terbentuk. Kemudian dari print out probabilitas (casewise) berdasarkan data model dicari observasi yang menghasilkan ρ = 0,5, ternyata untuk observasi nomor 20. Nilai masing-masing indikator keuangan untuk observasi nomor 20 kemudian dimasukkan ke dalam persamaan model diskriminan yang dihasilkan sehingga diperoleh nilai Y = -0,164. Kesimpulan proses validasi ini, apakah perusahaan dikelompokkan sebagai perusahaan sehat atau perusahaan tidak sehat dilakukan dengan cara membandingkan hasil pada bank lain yang bukan pembentuk model dengan nilai Y di atas. Bila nilai Y lebih besar dibandingkan -0,164 disimpulkan perusahaan masuk ke dalam kelompok tidak sehat, sedangkan bila sebaliknya perusahaan dikelompokkan sebagai perusahaan sehat (Hair et al., 1995).

Model Prediksi Berdasarkan Regresi Logistik Berdasarkan hasil pengolahan data menggunakan alat statistik regresi logistik, diperoleh model prediksi sebagai berikut: Y = – 5,13 – 22,3X1 + 8,59X2 – 0,35X3 +5,13X4 – 1,47X6 – 7,01X7 – 0,03X8 + 0,82X9 – 44,6X10 + 12X11 + 4,9X12 + 7,9X13 + 5,75X14 – 0,64X15 + 0,17X16 – 1,02 X19 Model di atas menunjukkan bahwa variabel rasio laba bersih terhadap laba operasi sebagai variabel dominan (X11). Korelasi kanonikal yang dihasilkan sebesar 0,385 menyiratkan adanya korelasi antar variabel independen. Rasio keuangan yang digunakan dalam pembentukan model matematis ini merupakan komponen utama (principal component), maka multikolinearitas yang terjadi diharapkan dapat direduksi. Angka Wink’s Lambda sebesar 0,852 (kurang dari 1) dan sig. F = 0,006


14

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 menyiratkan bahwa rata-rata populasi untuk kelompok 0 yaitu perusahaan sehat dan untuk kelompok 1 yaitu perusahaan tidak sehat berbeda secara signifikan. Kekuatan prediksi model yang dihasilkan atas data yang membentuknya adalah sebesar 81,6% dengan p-value sebesar 0,006. Artinya kekuatan model prediksi atas data yang membentuknya sebesar 81,6%. Model tersebut signifikan baik pada α = 1%, α = 5%, maupun α = 10%. Observasi nomor 7, 12, 17, 18, 27, 28, 30, 32, 38, dan 44 telah salah dikelompokkan oleh model, yang seharusnya dikelompokkan ke dalam kelompok 1 telah dimasukkan ke dalam kelompok 0 atau seharusnya dikelompokkan 0 tapi dikelompokkan oleh model ke dalam kelompok 1. Hal ini terjadi karena terdapat selisih yang lebih kecil antara squared distance dengan nilai probability yaitu sebesar -0,268 < 1,102 (contoh untuk observasi nomor 12). Jarak rata-rata mean2 antara kelompok 0 dan 1 adalah sebesar 2,47459, sedangkan antara 1 dan 0 sebesar 2,47459 pula. Validasi terhadap model ini dilakukan dengan cara memasukkan indikator 10 bank lain ke dalam persamaan regresi logistik yang dihasilkan. Untuk menentukan perusahaan mana saja yang diprediksi sehat dan perusahaan mana yang tidak sehat, nilai Y yang dihasilkan berdasarkan perhitungan di atas akan dimasukkan lagi ke dalam rumus untuk menentukan probabilitas kecenderungan apakah perusahaan dikelompokkan sebagai kelompok sehat atau tidak sehat. Adapun rumus probabilitas tersebut adalah sebagai berikut:

ρi =

1 1 + e − (Y )

Kesimpulan untuk setiap perusahaan yang diprediksi apakah dikelompokkan sebagai sehat atau tidak sehat di dasarkan pada hasil ρi dari perhitungan di atas dengan kriteria (Hair et al., 1995) sebagai berikut: Tabel 2 Kriteria Keputusan Model Regresi Logistik ρi

Kesimpulan

0 – 0,5

Bank Sehat

0,5 - 1

Bank Tidak Sehat


15

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Implementasi Model Terhadap Data Lain

Pengaplikasian model baik berdasarkan analisis diskriminan maupun regresi logistik terhadap data lain menunjukkan hasil sebagai berikut: Tabel 3 Hasil Implementasi Model Analisis Diskriminan Terhadap Data Lain Data Lain (10 Bank) Hasil Sehat

Ya

0

0%

Tidak 5

0%

Total Tidak Sehat

Kesesuaian Dengan Kenyataan

5 Ya

3

60%

Tidak 2

40%

Total

5

Tabel 4 Hasil Implementasi Model Regresi Logistik Terhadap Data Lain Data Lain (10 Bank) Hasil Sehat

Ya

4

80%

Tidak 1

20%

Total Tidak Sehat

Kesesuaian Dengan Kenyataan

5 Ya

5

Tidak 0 Total

100% 0%

5

Tabel 3 dan 4 menunjukkan bahwa berdasarkan model analisis diskriminan, bank yang tidak sehat dapat diprediksi lebih baik (60%) dibandingkan dengan bank yang sehat. Sedangkan prediksi yang dihasilkan validasi model regresi logistik menghasilkan kesesuaian dengan kenyataan yang sebenarnya sebesar 80%. Hal ini berarti bahwa model yang dibentuk berdasarkan regresi logistik lebih akurat dibandingkan model diskriminan.


16

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Kaitan Antara Kemampuan Sehat Atau Tidaknya Bank Dengan Keputusan Likuidasi Oleh Pemerintah

Sebagai bahan perbandingan, analisis dilanjutkan dengan melihat apakah terdapat kaitan antara sehat tidaknya sebuah bank dengan keputusan pemerintah dikuidasi atau tidak. Alat analisis yang digunakan adalah perhitungan statistik Chi square. Hasil pengolahan statistik adalah sebagai berikut: Tabel 5 Test Statistik Chi square

Var 00001

Chi square Df Asymp. Sig

Var 00002

Var 00001

Var 00002

Kemampuan Sehat

Keputusan Likuidasi

Atau Tidaknya Bank

Oleh Pemerintah

0,000

0,000

0,000

0,000

1

1

1

1

1,000

1,000

1,000

1,000

Tabel 5 di atas menunjukkan bahwa angka Asymp. Sig. sebesar 1,000 baik untuk kedua data, hal ini dapat diartikan bahwa pada taraf nyata α = 1%, α = 5%, maupun α = 10% tidak terdapat kaitan antara sehat atau tidaknya sebuah bank dengan keputusan dilikuidasi atau tidaknya oleh pemerintah. Artinya keputusan pemerintah melikuidasi suatu bank tidak hanya didasarkan pada indikator keuangan saja, tetapi juga mempertimbangkan faktor-faktor lain misalnya politik, sosial, ekonomi dan faktor lainnya.

HASIL UJI HIPOTESIS PENELITIAN Hipotesis 1 :

Dapat disusun model matematis untuk memprediksi kepailitan perbankan berdasarkan rasio keuangan perusahaan, baik berdasarkan analisis diskriminan maupun berdasarkan regresi logistik. Model yang dihasilkan menggunakan analisis diskriminan dan regresi logistik menghasilkan p-value sebesar 0,006 dengan canonical correlation sebesar 0,385 dan angka Wilk’s Lambda sebesar 0,852 serta kekuatan model atas data yang membentuknya sebesar 81,6%. Hal ini menunjukkan bahwa model yang dihasilkan


17

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007

baik berdasarkan analisis diskriminan dan regresi logistik signifikan baik pada tingkat 1%, 5%, maupun 10%. Hipotesis 2 :

Terdapat perbedaan keakuratan model prediksi kepailitan perbankan berdasarkan analisis diskriminan dibandingkan berdasarkan regresi logistik. Berdasarkan hasil pengolahan statistik menunjukkan bahwa kekuatan model prediksi terhadap data yang membentuknya yang dihasilkan oleh regresi logistik hampir sama besar dibandingkan model prediksi yang dihasilkan oleh analisis diskriminan yaitu sebesar 81,6%. Berdasarkan hasil implementasi model terhadap data lain yang ditujukan untuk mengukur kesesuaian model dengan kenyataan yang sebenarnya, diperoleh hasil yang ditunjukkan oleh Tabel 3 dan 4 yang berarti model yang dihasilkan regresi logistik lebih akurat dibandingkan model berdasarkan analisis diskriminan dengan kesesuaian pada kenyataan yang sebenarnya sebesar 80% dibandingkan analisis diskriminan sebesar 60%. Model prediksi kepailitan perbankan yang terbentuk telah terbukti akurat. Tetapi pada kenyataannya, bank yang diprediksi bangkrut dapat masih tetap berdiri karena sulitnya penerapan Undang-Undang Nomor 4 Tahun 1998 Tentang Kepailitan (Pasal 1) yang menyatakan bahwa debitur yang mempunyai dua atau lebih kreditur dan tidak mampu membayar sedikitnya satu utang yang telah jatuh waktu dan dapat ditagih, dinyatakan pailit dengan keputusan pengadilan yang berwenang atas permohonan yang diajukan oleh Bank Indonesia. Syarat yuridis agar suatu bank dinyatakan pailit dapat menjadi sulit untuk terpenuhi. Contohnya, praktek lapping yang dilakukan oleh bank akan menghambat hakim dalam memberi keputusan pernyataan pailit atas bank tersebut.


18

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 SIMPULAN, IMPLIKASI, DAN LIMITASI PENELITIAN Simpulan

Simpulan yang ditarik dalam penelitian ini adalah sebagai berikut: 1. Terdapat dua model prediksi kepailitan perbankan yang dihasilkan dari rasio keuangan perusahaan, yaitu model prediksi berdasarkan analisis diskriminan seperti model Altman (1968) dan model prediksi berdasarkan regresi logistik seperti model yang dihasilkan penelitian Ohlson (1980) yang dibentuk dari rasio keuangan perusahaan yang digunakan untuk memprediksi kepailitan. 2. Model berdasarkan regresi logistik lebih akurat dibandingkan dengan model yang dihasilkan oleh analisis diskriminan, karena kesesuaian model dengan kenyataan yang sebenarnya sebesar 80% untuk regresi logistik dan 60% untuk analisis diskriminan. Hasil prediksi model atas perhitungan probabilitas kondisional bank yang sehat dan bank yang tidak sehat menunjukkan hasil yang tidak terlalu bias. Variabel dominan atas kedua model yang dihasilkan berbeda, berdasarkan regresi logistik adalah rasio net income terhadap operating expense (X11) sedangkan untuk analisis diskriminan adalah rasio net income terhadap total assets (X12). 3. Meskipun

model

prediksi

kepailitan

perbankan

terbukti

akurat,

pada

kenyataannya bank yang diprediksi bangkrut ternyata dapat masih tetap berdiri, karena sulitnya syarat yuridis yang perlu dipenuhi agar pengadilan dapat menyatakan pailit suatu bank misalnya akibat dari praktek lapping yang dilakukan oleh bank tersebut. Implikasi

Implikasi penelitian ini adalah sebagai berikut: 1. Berdasarkan hasil penelitian, terdapat dua model yang signifikan yang dapat digunakan untuk memprediksi kepailitan perbankan, pemakai laporan keuangan disarankan menggunakan model regresi logistik untuk membuat prediksi suatu bank tertentu, karena model regresi logistik lebih akurat dibandingkan analisis diskriminan. 2. Bagi pihak-pihak yang tetap berminat, penelitian ini dapat menjadi acuan dan dapat dikembangkan untuk penelitian lanjutan, misalnya memprediksi 219 bank umum yang ada di Jawa Barat, meneliti bank lain yang belum termasuk dalam penelitian ini seperti BPR dan bank syariah.


19

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 Limitasi

Keterbatasan dalam penelitian ini adalah sebagai berikut: 1. Hasil penelitian ini menunjukkan keputusan pailit pemerintah untuk melikuidasi bank ternyata tidak saja ditentukan oleh indikator keuangan perusahaan tetapi juga faktor-faktor lain yang tidak diamati Dengan demikian peneliti selanjutnya diharapkan menambahkan atau menggunakan variable-variabel lain yang diduga dapat memberikan model prediksi kepailitan perbankan yang lebih baik. 2. Periode

penelitian

yang

hanya

menggunakan

satu

tahun

pengamatan

memungkinkan indikator keuangan perusahaan kurang menggambarkan kondisi yang sebenarnya. Peneliti selanjutnya diharapkan dapat memperpanjang periode penelitian sehingga keterbatasan dari penelitian ini dapat diperbaiki.


20

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007 DAFTAR PUSTAKA

Altman E.I, 1968, Financial Ratios, Discriminant Analysis and The Prediction of Corporate Bankrupcy, Journal of Finance, September 1968. Beaver W. H., 1966, Alternative Accounting Measures as Predictors of Failure, The Accounting Review, Januari 1968. Biro Pusat Statistik, 1998, Statistik Ekonomi Keuangan Indonesia 1998, Bank Indonesia. Dendawijaya Lukman, 2003, Manajemen Perbankan, PT Gramedia Indonesia, Jakarta. Financial Accounting Standard Board, 1985, Statement of Financial Accounting Concept No. 5 Recognition and Measurement in Financial Statement of Business Enterprises, United States. Godfrey J., A. Hodgson, dan S. Holmes, 2000, Accounting Theory, 4th edition, Prentice Hall, New York. Hair Jr. J.F., R.E. Anderson, R.L. Tatliam, dan W.C. Black, 1995, Multivariate Data Analysis with Readings, 4th edition, Prentice Hall, New York. Kieso D.E. dan J.J. Weygandt, 2001, Intermediate Accounting, 9th edition, John Wiley and Sons, New York. Kleinbaum D.G., 1994, Logistic Regrresion, 1st edition, Springer Verlag Inc, New York. Morisson D.P., 1990, Multivariate Statistical Methods, Mc Graw Hill Kogakusha Ltd., Tokyo.


21

The 1st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7‐9 November 2007

Ohlson J.A., 1980, Financial Ratio and the Probabilistic Prediction of Bankruptcy, Journal of Accounting Research, Spring 1980. Ross, S.A., Westerfield R., Jaffe J.F., 1993, Corporate Finance, 3rd edition, Richard D. Irwin, Chicago. Sekaran, Uma, 1992, Research Method for Business, A Skill Building Approach, 2nd edition, John Wiley and Sons, Singapore. Simatupang, T.M., 1994, Pemodelan Sistem, Nindita, Klaten. Undang-Undang No 4 Tahun 1998 Tentang Kepailitan (Penetapan Peraturan Pemerintah Pengganti Undang-Undang Nomor 1 Tahun 1998 Tentang Perubahan Atas Undang-Undang Tentang Kepailitan Menjadi UndangUndang). Undang-Undang No. 10 Tahun 1998 Tentang Perbankan. (Perubahan Atas UndangUndang Nomor 7 Tahun 1992 tentang Perbankan).


22

The 1 st Accounting Conference Faculty of Economics Universitas Indonesia Depok, 7 9 November 2007

Recommend Documents