FAKTOR INTERNAL DAN EKSTERNAL YANG …repository.uinjkt.ac.id/dspace/bitstream/123456789/39579/1/NOER... · Data yang digunakan dalam penelitian ini adalah data tahunan laporan keuangan

FAKTOR INTERNAL DAN EKSTERNAL YANG

MEMPENGARUHI POTENSI KEBANGKRUTAN BANK UMUM

SYARIAH DI INDONESIA (METODE ALTMAN Z-SCORE

MODIFIKASI)

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Ekonomi (S.E)

Oleh:

Noer Syinta

NIM 1113046000026

PROGRAM STUDI EKONOMI SYARIAH

FAKULTAS EKONOMI DAN BISNIS

UIN SYARIF HIDAYATULLAH

JAKARTA

2018 M/1439 H

DAFTAR RIWAYAT HIDUP

A. IDENTITAS PRIBADI

Nama :Noer Syinta

Alamat :Jl. K.H.Aja RT 7 RW 7 No.33 Meruya Selatan,

Jakarta Barat

Telepon : 083807771424

Email : [email protected]

Tempat, Tanggal Lahir : Wonogiri, 3 Juni 1993

Agama : Islam

Kebangsaan : Indonesia

B. Latar Belakang Pendidikan Formal

2000 – 2005 : SDN Meruya Utara 01

2006 –2011 : Pondok Modern Darussalam GONTOR

C. Pengalaman Oganisasi

2012 – 2013 : Organisasi Pelajar Pondok Modern Darussalam Gontor

divisi kafetaria

2013 – sekarang : Anggota UKM Bahasa FLAT

2016 – 2017 : Bendahara Umum UKM Bhasa FLAT

ABSTRAK

Penelitian ini bertujuan untuk mengetahui pengaruh faktor-faktor internal dan

eksternal terhadap potensi kebangkrutan di Bank Umum Syariah. Data yang

digunakan dalam penelitian ini adalah data tahunan laporan keuangan Tujuh Bank

Umum Syariah di Indonesia periode 2011 s.d. 2015. Penelitian ini menggunakan

metode regresi panel data dengan menggunakan program Eviews. Variabel

dependen dalam penelitian ini adalah nila Altman Z-Score, sedangkan variabel

independen adalah faktor internal yang terdiri dari NPF (Non Performing

Finance), CAR (Capital Adequacy Ratio), dan FDR (Financing to Deposit Ratio)

serta faktor eksternal yang terdiri dari Inflasi dan BI rate. Penelitian ini

menggunakan analisis regresi panel data dengan pendekatan common effect.

Hasil penelitian ini menunjukan bahwa secara parsial variabel NPF

berpengaruh signifikan terhadap potensi kebangkrutan dengan nilai sig.

0.0002<0.005, CAR berpengaruh signifikan terhadap potensi kebangkrutan

dengan nilai sig.0.0061<0.005, FDR berpengaruh signifikan terhadap potensi

kebangkrutan dengan nilai sig. -0.0083<0.005, Inflasi tidak memiliki pengaruh

signifikan terhadap potensi kebangkrutan dengan nilai sig. 0.5374>0.05, dan BI

rate tidak memiliki pengaruh signifikan terhadap potensi kebangkrutan dengan

nilai sig. -0.1084>0.005.

Kata kunci : Altman Z-Score, NPF (Non Performing Finance), CAR

(Capital Adequacy Ratio), dan FDR (Financing to Deposit

Ratio), Inflasi, dan BI rate

Pembimbing : IR. Rr Tini Anggraeni, ST, M Si

Tahun Daftar Pustaka : 1968-2017

ABSTRACT

The study aims to analyze the influence of internal and external factors to

probability of bankruptcy in Sharia Bank. The data used in this research is annual

report of seven sharia bank in Indonesia period 2011 until 2015. The research

metodology used is panel data regression using computer program of Eviews 9.0.

Dependent variabel used is the score of Altman Z-Score. Independent

variabelused is NPF, CAR, and FDR wich classified for internal factor, while

Inflation and BI rate classified for external factor.

The result of this research indicated that Non Performing Financing (NPF)

significantly influence the positive direction to probability of bankrupcty with the

sig. 0.0002<0.005, Capital Adequacy Ratio (CAR) significantly influence the

positive direction to probability of bankrupcty with the sig. 0.0061<0.005, The

Financing to Depost Ratio (FDR) significantly influence the negative direction to

probability of bankrupcty with the sig. 0.0083<0.005, Inflation has no significant

effect with positif direction on probability of bankrupcty with the sig.

0.5374<0.005, and BI rate has no significant effect with negatif direction on

probability of bankrupcty with the sig. -0.1084<0.005

Keyword :Altman Z-Score, Non Performing Finance (NPF), Capital

Adequacy Ratio (CAR), and Financing to Deposit Ratio

(FDR), Inflation, and BI rate

Supervisor : IR. Rr Tini Anggraeni, ST, M Si

Periode of Reference : 1968-2017

i

KATA PENGANTAR

Alhamdulillah, Segala puji bagi Allah Subhanahu wa Ta’ala yang telah

melimpahkan segala nikmat dan hidayah-Nya kepada penulis, sehingga penulis

dapat menyelesaikan skripsi ini yang berjudul “FAKTOR INTERNAL DAN

EKSTERNAL YANG MEMPENGARUHI POTENSI KEBANGKRUTAN

BANK UMUM SYARIAH DI INDONESIA (METODE ALTMAN Z-SCORE

MODIFIKASI)” dengan baik. Shalawat serta salam penulis haturkan kepada Nabi

Muhammad Shalllallahu Alayhi wa Sallam yang telah membimbing umatnya dari

zaman jahiliyah ke zaman yang penuh dengan ilmu pengetahuan.

Skripsi ini disusun dalam rangka memenuhi syarat-syarat untuk memperoleh

gelar Sarjana Ekonomi di Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Selesainya skripsi ini tentu dengan dukungan, bimbinagan dan bantuan serta

semangat dan doa dari semua orang disekeliling penulis selama proses

penyelesaian skripsi ini. Oleh karenanya izinkanlah penulis menyampaikan terima

kasih kepada:

1. Bapak Dr. Asep Saepudin Jahar, MA., selaku Dekan Fakultas Syariah dan

Hukum UIN Syarif Hidayatullah Jakarta.

2. Bapak Dr. M. Arief Mufraini, LC., MA., selaku Dekan Fakultas Ekonomi dan

Bisnis UIN Syarif Hidayatullah Jakarta.

3. Bapak A.M Hasan Ali, MA., selaku Ketua Tim Task Force Passing Out

Muamalah (Ekonomi Islam) Fakultas Syariah dan Hukum UIN Syarif

Hidayatullah Jakarta.

4. Bapak Dr. Abdurrauf, LC., MA., selaku Sekretaris Program Studi Muamalat

Fakultas Syariah dan Hukum UIN Syarif Hidayatullah Jakarta.

5. Bapak Yoghi Citra Pratama, M.Si., selaku Ketua Program Studi Ekonomi

Syariah Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.

6. Ibu Ir. RR. Tini Anggraini, ST., M.Si., selaku Sekretaris Program Studi

Ekonomi Syariah Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah

Jakarta, serta selaku Dosen Pembimbing Skripsi yang telah memberikan

bimbingan, pengarahan, saran, dan ilmu kepada penulis serta bersedia

ii

meluangkan waktunya hingga penulisan skripsi ini dapat diselesaikan dengan

baik.

7. Bapak Dr. H. Zainul Arifin Yusuf, M. Pd, Selaku Dosen Pembimbing

Akademik.

8. Seluruh jajaran dosen Fakultas Syariah dan Hukum yang telah memberikan

ilmu yang sangat berguna dan berharga bagi penulis selama perkuliahan serta

jajaran karyawan dan staff UIN Syarif Hidayatullah Jakarta yang telah

melayani dan membantu penulis selama perkuliahan

9. Teristimewa, Kedua orang tuaku yaitu Bapak Ngadino dan Mama Winarsih

yang tiada hentinya menyebut namaku dalam setiap doa mereka, serta selalu

memberikan dukungan moril dan motivasi sehingga saya mampu

menyelesaikan skripsi ini dengan baik. Semoga penulis dapat

membahagiakan dan membuat bangga mereka selalu.

10. Ketiga Adik-adikku, Aisyah, Firman dan Fadil yang senantiasa mendukung

dan mengingatkan penulis untuk segera menyelesaikan studi. Khusunya

Aisyah yang selalu menjadi partner jalan, jajan, dan nonton dikala penulis

penat dalam mengerjakan skripsi.

11. Sahabat seperjuangan terbaikku “Genk Kece”; Almas panutanku, wanita

terkuat dan termandiri yang sering memberikan nasehat baik di setiap

masalah, Ikoh sahabat tersantai sepanjang masa yang selalu membawa

kebahagiaan setiap kali kita jumpa, Asri dan Keke sahabat paling rajin dan

teladan yang selalu mengingatkanku akan tugas-tugas kuliah meskipun tak

jarang membuatku gemas dengan cerita kisah kasih mereka yang unik, Nina

dan Nurul sosok ummi yang selalu mengajakku mendekatkan diri kepada-

Nya, bertukar fikiran bersama mereka selalu membuat hati tentram; Rahma,

Dara, dan Ana yang selalu membuat suasana ceria dengan tingkah mereka.

Semoga setelah kelulusan ini kita masih selalu bersahabat.

12. Rosalia yang selalu mengerti dan membantuku. Terimakasih selalu sabar

mendengarkan masalah-masalahku, memotivasi serta membantuku sejak

pembuatan laporan KKN, Laporan Pertanggung Jawaban FLAT, hingga

pembuatan tugas akhir kuliah ini.

iii

13. Sahabat tersayangku, TREIZE’13 yaitu Alif Waisal dan Sovi Hizmi partner

terbaikku selama kepengurusan, terimakasih sudah sabar menghadapi semua

sifat menyebalkanku, aku banyak belajar dari kalian; Rossa Junia Utami yang

selalu membukakan pintu kosannya untukku, Galenna Putri dan Nurlailie

Zhafirah yang setia mengajak dan menemaniku di perpustakaan, Rosalia,

Mulhimah Riyadhoh, Dede Rahma, Chandra Duriyatin, Deden Rojani, Taufik

Al-Hakim, Sang Fajar, Intan Qomariah, Syifa Inayah, Nisa Anugerah,

Shofwan Zuhdi, dan Arya Listyo kalian adalah tempat berkeluh kesah yang

paling nyaman. Serta Umu Latifah, Mulphiyanti, Kurnia Nihaya, Ahma

Wirogo, dan seluruh anak TREIZE yang tak dapat disebutkan, terimakasih

untuk selalu memotivasi dan menginspirasi.

14. Seluruh keluarga besar UKM Bahasa-FLAT, terimakasih atas segala

pembelajaran, kekeluargaan, dan hiburan yang telah diberikan selama ini.

15. Teman-teman Muamalat 2013, khususnya Muamalat Kelas A yang telah

memberikan bantuan, informasi, serta motivasi selama kuliah. Semoga kita

semua bisa menjadi orang-orang berguna di kemudian hari.

16. Teman-teman KKN JURASIK SATUA khususnya Fardhan, Mul, Oji, Tata,

Dewi, dan Lisda yang telah berjuang bersama dan saling memotivasi untuk

segera lulus. Meskipun pertemuan kita singkat, kenangan suka dan duka

bersama kalian tidak terlupakan.

Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan karena

keterbatasan pengetahuan maupun pengalaman yang dimiliki penulis. Oleh sebab

itu, penulis mengharapkan segala bentuk kritik dan saran yang membangun untuk

pencapaian yang lebih baik.

Jakarta, Januari 2018

Penulis

(Noer Syinta)

iv

DAFTAR ISI

KATA PENGANTAR ......................................................................................... i

DAFTAR ISI ..................................................................................................... iv

DAFTAR TABEL ............................................................................................. vi

DAFTAR GAMBAR ........................................................................................ vii

DAFTAR LAMPIRAN ................................................................................... viii

BAB I PENDAHULUAN .................................................................................. 1

A. Latar Belakang Masalah ............................................................................ 1

B. Pembatasan dan Perumusan Masalah ......................................................... 6

C. Tujuan dan Manfaat Penelitian .................................................................. 7

D. Sistematika Penulisan ................................................................................ 8

BAB II TINJAUAN PUSTAKA ...................................................................... 10

A. Landasan Teori ........................................................................................ 10

1. Pengertian dan Fungsi Bank Syariah .................................................... 10

2. Laporan Keuangan Perbankan Syariah ................................................. 11

3. Potensi Kebangkrutan .......................................................................... 14

4. Metode Altman Z-Score....................................................................... 16

5. Faktor Internal ..................................................................................... 20

6. Faktor Eksternal ................................................................................... 25

B. Keterkaitan Antar Variabel Dependen dengan Variabel Independen ........ 27

1. Hubungan NPF (Non Performing Finance) dengan Potensi

Kebangkrutan ............................................................................................. 27

2. Hubungan CAR (Capital Adequacy Ratio) dengan Potensi Kebangkrutan

................................................................................................................28

3. Hubungan FDR (Financing to Deposit Ratio) dengan Potensi

Kebangkrutan ............................................................................................. 29

4. Hubungan Inflasi dengan Potensi Kebangkrutan .................................. 30

5. Hubungan BI rate dengan Potensi Kebangkrutan ................................. 31

C. Review Studi Terdahulu ........................................................................... 32

D. Kerangka Pemikiran ................................................................................ 33

E. Hipotesis ................................................................................................. 39

BAB III METODOLOGI PENELITIAN ....................................................... 41

A. Ruang Lingkup Penelitian ....................................................................... 41

v

B. Metode Penentuan Sampel ...................................................................... 41

C. Metode Pengumpulan Data...................................................................... 42

D. Metode Analisis ...................................................................................... 43

1. Altman Z-Score ................................................................................... 43

2. Analisis Deskriptif ............................................................................... 44

3. Uji Asumsi Klasik................................................................................ 44

4. Analisis Data Panel .............................................................................. 48

5. Uji Statistik .......................................................................................... 51

E. Operasional Variabel ............................................................................... 53

BAB IV HASIL DAN PEMBAHASAN........................................................... 56

A. Penilaian Potensi Kebangkrutan Bank Umum Syariah ............................. 56

B. Analisis Deskriptif .................................................................................. 59

C. Analisis Uji Asumsi Klasik ..................................................................... 64

1. Uji normalitas ...................................................................................... 64

2. Uji Multikolinearitas ............................................................................ 65

3. Uji Heteroskidesitas ............................................................................. 66

4. Uji Autokorelasi .................................................................................. 67

D. Pemilihan Model Regresi Data Panel ....................................................... 67

E. Analisis dan Interpretasi Regresi Data Panel ............................................ 70

BAB V KESIMPULAN DAN SARAN ............................................................ 81

A. Kesimpulan ............................................................................................. 81

B. Saran ....................................................................................................... 82

DAFTAR PUSTAKA ....................................................................................... 84

LAMPIRAN ..................................................................................................... 88

vi

DAFTAR TABEL

Tabel 1. 1 Rasio NPF, CAR, dan FDR Bank Syariah serta Inflasi dan BI rate ...... 4

Tabel 2. 1 Kriteria Penilaian Model Altman Z-Score Original ............................ 18

Tabel 2. 2 Kriteria Penilaian Model Altman Z-Score Revisi ............................... 19

Tabel 2. 3 Kriteria Penilaian Model Altman Modifikasi ..................................... 20

Tabel 2. 4 Kriteria Rasio NPF ............................................................................ 21

Tabel 2. 5 Kriteria Rasio CAR ........................................................................... 22

Tabel 2. 6 Kriteria Rasio FDR ............................................................................ 24

Tabel 2. 7 Ringkasan Penelitian Terdahulu ....................................................... 33

Tabel 3. 1: Daftar Bank Sampel Penelitian ......................................................... 42

Tabel 3. 2: Kriteria Penilaian Altman Z-Score .................................................... 44

Tabel 3. 3: Operasional Variabel Penelitian ........................................................ 55

Tabel 4. 1: Hasil perhitungan Altman Z-Score ................................................... 57

Tabel 4. 2: Nilai NPF 6 Bank Umum Syariah tahun 2011-2015.......................... 59

Tabel 4. 3: Nilai CAR 6 Bank Umum Syariah tahun 2011-2015 ......................... 60

Tabel 4. 4: Nilai FDR 6 Bank Umum Syariah tahun 2011-2015 ......................... 61

Tabel 4. 5: Tingkat inflasi tahun 2011-2015 ....................................................... 62

Tabel 4. 6: Tingkat BI rate tahun 2011-2015 ...................................................... 63

Tabel 4. 7: Hasil Uji Multikolinearitas ............................................................... 66

Tabel 4. 8: Hasil Uji Heterokedastisitas.............................................................. 66

Tabel 4. 9: Hasil Uji Autokorelasi ...................................................................... 67

Tabel 4. 10: Regresi Data Panel Common Effect Model ..................................... 68

Tabel 4. 11: Regresi Data Panel Fixed Effect Model .......................................... 69

Tabel 4. 12: Hasil Uji Chow ............................................................................... 70

Tabel 4. 13: Hasil Uji Common Effect Model (CEM) .........................................71

Tabel 4. 14: Hasil Uji t ....................................................................................... 73

Tabel 4. 15: Hasil Uji F ...................................................................................... 79

Tabel 4. 16: Hasil Uji Koefisien Determinasi ..................................................... 80

vii

DAFTAR GAMBAR

Gambar 2. 1: Kerangka Penelitian ...................................................................... 38

Gambar 4. 1: Hasil Uji Normalitas ..................................................................... 65

viii

DAFTAR LAMPIRAN

Lampiran 1 : Daftar Bank Umum Syariah tahun 2015 ........................................ 88

Lampiran 2: Angka dalam variabel Z-Score BUS tahun 2011-2015.................... 89

Lampiran 3: Perhitungan Altman Z-Score .......................................................... 90

Lampiran 4: Data Variabel Penelitian.................................................................. 91

Lampiran 5: Uji Asumsi Klasik .......................................................................... 92

Lampiran 6: Estimasi Regresi Data Panel ........................................................... 94

1

BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Perbankan memiliki peran yang sangat penting dalam perekonomian

sebuah Negara. Hal ini dikarenakan bank memiliki fungsi yang sangat krusial

yaitu sebagai lembaga intermediasi seperti tempat penyimpana dan penyaluran

dana masyarakat. Menurut Kusdiana, kegagalan satu bank dapat menimbulkan

efek domino dalam industri lainnya. Risiko yang dihadapi amat besar apabila

proses intermediasi perbankan terhenti karena akan mengakibatkan macetnya

sistem pembayaran dan lumpuhnya kegiatan perekonomian secara

menyeluruh. Akibat kegagalan ini dapat berdampak negatif pada seluruh

sektor perekonomian (Kusdiana, 2014:85).

Indonesia pernah merasakan pengalaman pahit dilanda krisis

perbankan hebat pada tahun 1998. Krisis moneter yang terjadi pada tahun

1998 membuat beberapa Bank Konvensional mengalami kebangkrutan. Hal

itu terjadi karena nilai tukar rupiah terhadap dolar semakin menurun. Pada saat

itu juga masyarakat semakin banyak membeli dolar sehingga permintaan dolar

pun meningkat.

Selain itu, sistem perbankan yang tidak stabil yang mengarah

terjadinya krisis, memerlukan biaya penyelamatan yang sangat tinggi.

Perbankan di Indonesia mengalami masa-masa sulit dengan meningginya

angka kredit macet dan beberapa dari bank umum mengalami masalah

likuiditas dengan tidak dapat memenuhi kewajibannya, ditambah lagi kondisi

Indonesia yang tidak stabil sehingga menyebabkan rush money yang begitu

kuat (Khadapi, 2016:1).

Berbeda dengan Bank Umum Konvensional yang mengalami

instabilitas, Bank Syariah justru memperlihatkan kestabilannya yang

ditunjukkan dengan dikategorikannya Bank Muamalat Indonesia sebagai bank

sehat yang tidak berpotensi untuk kolaps atau bankrupt pada krisis 1997-1998

2

pada hasil pengumuman Badan Pengawas Perbankan Nasional (BPPN) 13

Maret 1999 (Fuad, 2014:4).

Bank Syariah tidak terlalu mengalami dampak negatif dari krisis

ekonomi pada saat itu. Hal itu disebabkan karena perbankan syariah tidak

beroperasi berdasarkan sistem bunga yang sering berfluktuasi. Meskipun

Perbankan syariah dapat mengatasi masalah keuangan yang terjadi pada saat

krisis tersebut, perbankan syariah tentu masih akan tetap menghadapi

masalah-masalah yang terjadi dalam kegiatan usahanya yang tidak menutup

kemungkinan resiko perbankan syariah dapat mengalami kebangkrutan di

masa mendatang. Oleh karena itu, untuk dapat mengatasi resiko-resiko yang

akan terjadi, Bank harus dapat mengukur potensi kebangkrutan pada bank itu

sendiri dan mengetahui faktor apa yang paling berpengaruh pada potensi

kebangrutan tersebut. Sehingga bank melakukan tidakan pencegahan.

Untuk mendeteksi potensi kebangkrutan perbankan syariah dapat

dilakukan dengan metode Multiple Discriminant Analize (MDA) Modifikasi.

Multiple Discriminant Analize (MDA) atau yang lebih dikenal dengan metode

Altman Z-Score modifikasi adalah suatu perangkat untuk mengukur apakah

suatu perusahaan sedang mengalami gejala financial distress yang mengarah

pada kebangkrutan atau tidak. Dalam model Altman original rasio keuangan

yang digunakan adalah networking capital to total asset, earning before

interest and tax to total asset, market value of equity to book value of debt,

dan sales to total asset.

Menurut penelitian sebelumnya (Hosen, dan Nada 2013:225), metode

MDA ternyata tidak applicable jika dilakukan pada perbankan, pernyataan ini

didukung dengan hasil penelitian-penelitian sebelumnya. Hal ini dikarenakan

karakteristik perbankan sebagai financial intermediatory jauh berbeda dengan

karakteristik perusahaan-perusahaan lainnya. Dengan adanya fungsi tersebut

memberikan implikasi bahwa bank memiliki current assets (aktiva lancar)

yang lebih kecil dibandingkan current liabilities (kewajiban lancar). Saat ini,

telah banyak peneliti-peneliti yang mengukur potensi kebangkrutan perbankan

3

dengan menggunakan model Altman Z-Score modifikasi, seperti Ibrah

Mustafa Kamal (2012), Cindy Aprylia (2016), dan Sharfina Kartika (2016).

Dalam model Altman Z-Score modifikasi, variabel market value of

equity to book value of debt diganti menjadi book value of equity to book value

of debt (total liability) serta terdapat satu variabel yang dihilangkan, yaitu

sales to total asset. Hasil dari penelitian tersebut menyatakan bahwa

perhitungan prediksi kebangkrutan bank menggunakan model altman Z-Score

modifikasi lebih akurat daripada perhitungan sebelumnya.

Banyak Penelitian-penelitian sebelumnya yang meneliti hanya sebatas

untuk mengetahui kondisi suatu bank, apakah bank tersebut masuk ke dalam

kategori yang potensi kebangkrutannya tinggi atau berada dalam posisi aman,

sehingga bank dapat mengambil langkah pencegahan dini. Akan tetapi, setelah

mengetahui tingkat potensi kebangkrutan pada perbankan syariah, hendaknya

Bank juga harus mengetahui faktor apa yang paling berpengaruh terhadap hal

tersebut agar dapat melakukan upaya pencegahan yang lebih konkrit. Faktor-

faktor penyebab potensi kebangkrutan sebuah perusahaan dapat terjadi baik

dari internal perusahaan maupun eksternal. Agar perusahaan dapat melakukan

pencegahan sebelum terjadinya kebangkrutan, perusahaan dalam hal ini Bank

Syariah harus mengetahui faktor apa yang berpengaruh pada potensi

terjadinya kebangkrutan. Oleh karena itu, akan dikumpulkan alternatif-

alternatif seberapa besar pengaruhnya pada masalah yang akan diteliti sesuai

dengan batasan kemampuan peneliti.

Banyak faktor baik internal maupun eksternal yang dapat

mengakibatkan perbankan syariah mengalami kebangkrutan. Salah satu faktor

internalnya adalah pembiayaan bermasalah, Capital Adequacy Ratio (CAR),

dan Financing to Deposit Ratio (FDR). Pembiayaan bermasalah pada bank

syariah dapat dilihat dari rasio NPF (Non Performing Finance), semakin

tinggi nilai NPF maka menunjukkan buruknya pengendalian pembiayaan

bermasalah pada bank tersebut. Sebaliknya, nilai NPF yang rendah

menunjukkan kemampuan bank dalam mengatasi pembiayaan bermasalah

sehingga pendapatan bank dapat meningkat dan jauh dari kebangkrutan.

4

Capital Adequacy Ratio (CAR) merupakan rasio kinerja bank untuk mengukur

kecukupan modal yang dimiliki bank untuk menunjang aktiva yang

mengandung atau menghasilkan risiko, misalnya kredit yang diberikan. CAR

merupakan indikator terhadap kemampuan bank untuk menutupi penurunan

aktivanya sebagai akibat dari kerugian-kerugian bank yang disebabkan oleh

aktiva yang beresiko.

Selain faktor internal, terdapat pula faktor eksternal yang dapat

mempengaruhi potensi kebangkrutan Bank Umum Syariah, diantaranya adalah

inflasi dan BI rate. Suku bunga erat kaitannya dengan kreditor (bank) dan

debitor (peminjam). Pada prinsipnya suku bunga adalah harga atas

penggunaan uang atau sebagai sewa atas penggunaan uang dalam jangka

waktu tertentu, yang diumumkan dalam presentase. Meskipun sistem bank

syariah tidak berdasarkan suku bunga, akan tetapi bunga masih tetap dapat

mempengaruhi kinerja bank syariah. Pada umumnya, suku bunga akan

berpengaruh pada profitabilitas bank, disini penulis ingin mengetahui apakah

suku bunga juga berpengaruh pada potensi kebangkrutan bank syariah.

Berikut ini merupakan data rasio NPF, CAR, dan FDR secara umum

Bank Syariah serta tingkat BI rate dan Inflasi pada tahun 2011-2015:

Tabel 1. 1 Rasio NPF, CAR, dan FDR Bank Syariah, serta tingkat BI rate

dan Inflasi

Tahun NPF (%) CAR (%) FDR (%) Inflasi (%) BI rate(%)

2011 2,52 16,63 88,94 3,8 6,0

2012 2,22 14,13 100,00 4,3 5,8

2013 2,62 14,42 100,32 8,4 5,7

2014 4,95 15,74 86,66 8,4 7,8

2015 4,84 15,02 88,03 3,4 7,5

Sumber: Statistik Perbankan Syariah dan website BI

5

Beberapa tahun terakhir, statistika perbankan syariah menunjukkan

tingkat pembiayaan bermasalah pada bank syariah cenderung meningkat. Hal

tersebut terjadi seiring dengan meningkatnya nilai inflasi dan BI rate.

Dari tabel diatas, dapat kita lihat bahwa tingkat pembiayaan

bermasalah pada bank syariah cenderung meningkat. Terlihat NPF pada tahun

2014 mengalami kenaikan yang cukup drastis dari tahun sebelumnya yaitu

sebesar 4,95%, bahkan NPF beberapa Bank Syariah mencapai angka di atas

batas standar NPF yang baik untuk bank yaitu 5%. Beberapa bank syariah

tersebut di antaranya adalah Bank Victoria Syariah dengan NPF sebesar 7,1%

di tahun 2014 dan 9,8% di tahun 2015, serta Mybank Syariah dengan NPF

sebesar 6,4% di tahun 2015. Nilai NPF yang terlalu tinggi dapat berpengaruh

buruk terhadap profitabilitas suatu bank. Apabila rasio NPF semakin

meningkat tandanya Bank Syariah harus mulai berhati-hati, karena hal

tersebut dapat memperbesar potensi kebangkrutan. Peningkatan Nilai NPF di

atas beriringan dengan meningkat pula tingkat BI rate dan Inflasi. Tingkat

inflasi pada tahun 2013 mengalami peningkatan dua kali lipat dari tahun

sebelumnya. BI rate juga mengalami peningkatan pada tahun 2014 yaitu

sebesar 7,3%. Peningkatan tingkat BI rate dilakukan untuk mengimbangi

inflasi yang ketika itu juga meningkat.

Rasio FDR mengalami penurunan pada tahun 2014 dari tahun

sebelumnya, namun secara umum, nilainya masih berada di batas toleransi

FDR menurut Dendawijaya (2009) yaitu sekitar 85%-100%. Hal ini

menunjukkan bahwa Bank Syariah harus lebih memperhatikan manajemen

likuiditas mereka, karena FDR yang terlalu tinggi dapat beresiko pada potensi

kebangkrutan. Di sisi lain, rasio CAR Bank Umum Syariah masih dalam

kategori aman selama periode 2011-2015 karena nilainya berada di atas 5%.

Meskipun begitu, Bank Syariah perlu memperhatikan aktiva produktif karena

menurut penelitian Pratama (2016) mengatakan bahwa rasio CAR yang sangat

tinggi tidak selalu memberikan hasil yang baik bagi pengelolaan aktiva yang

beresiko yang akan berdampak pada tingkat kesehatan bank, hal ini

dikarenakan bank yang tidak mampu dalam mengelola aktiva yang beresiko

6

tersebut, atau dapat diindikasikan bank tersebut tidak cukup melakukan

perluasan dalam melakukan investasi pada aktiva yang beresiko dalam

memperoleh pendapatan bagi bank.

Dengan demikian, penelitian ini penting untuk dilakukan karena masih

terdapat perbedaan hasil penelitian dalam mengukur potensi kebangkrutan

menggunakan metode Altman Z-Score dan belum banyak peneliti yang

melakukan penelitian mengenai faktor internal dan eksternal apa yang

mempengaruhi potensi kebangkrutan perbankan syariah. Dalam penelitian ini

peneliti menggunakan variabel NPF (Non Ferforming Finance), CAR (Capital

Adequacy Ratio), dan FDR (Financial to Deposit Ratio) sebagai faktor

internal dan variabel Inflasi dan BI rate sebagai faktor eksternal.

Dari pemaparan permaslahan di atas, dan dengan beberapa variabel

tersebut maka penulis melakukan penelitian yang berjudul “FAKTOR

INTERNAL DAN EKSTERNAL YANG MEMPENGARUHI POTENSI

KEBANGKRUTAN PERBANKAN SYARIAH DI INDONESIA

(METODE ALTMAN Z-SCORE MODIFIKASI)”.

B. Pembatasan dan Perumusan Masalah

1. Pembatasan Masalah

Berdasarkan latar belakang di atas, masalah-masalah tersebut

cukup luas untuk dibahas dalam penelitian ini, maka penulis perlu untuk

membatasi permasalahan yang akan dibahas. Oleh karena itu, pembahasan

hanya akan dibatasi sebagai berikut:

a. Variabel independen yang digunakan adalah NPF (Non Ferforming

Finance), CAR (Capital Adequacy Ratio), dan FDR (Financial to

Deposit Ratio) sebagai faktor internal dan variabel Inflasi dan BI rate

sebagai faktor eksternal.

b. Variabel dependen adalah nilai Z-score dari hasil perhitungan

menggunakan metode Altman Z-score.

7

c. Objek penelitian yang digunakan adalah 6 Bank Umum Syariah di

Indonesia yaitu Bank BCA Syariah, BRI Syariah, BJB Syariah, Bank

Panin Syariah, Bank Victoria Syariah dan Maybank Syariah.

d. Data yang digunakan berdasarkan Laporan Keuangan Tahunan 6 Bank

Syariah mulai tahun 2011 hingga tahun 2015.

2. Perumusan Masalah

a. Bagaimana pengaruh variabel bebas faktor internal yaitu NPF,

CAR, dan FDR secara parsial terhadap potensi kebangkrutan Bank

Umum Syariah pada tahun 2011-2015?

b. Bagaimana pengaruh variabel bebas faktor eksternal yaitu Inflasi

dan BI rate secara parsial terhadap potensi kebangkrutan Bank


c. Bagaimana pengaruh NPF, CAR, FDR, Inflasi dan BI rate secara

simultan terhadap potensi kebangkrutan Bank Umum Syariah pada

tahun 2011-2015?

d. Variabel mana di antara NPF, CAR, FDR, Inflasi dan BI rate yang

paling dominan mempengaruhi potensi kebangkrutan Bank Umum

Syariah pada tahun 2011-2015?

C. Tujuan dan Manfaat Penelitian

1. Tujuan Penelitian

Berkaitan dengan rumusan masalah penelitian di atas, maka

penelitian ini bertujuan untuk:

a. Untuk menganalisis pengaruh variabel bebas faktor internal yaitu

NPF, CAR, dan FDR secara parsial terhadap potensi kebangkrutan

Bank Umum Syariah pada tahun 2011-2015?

b. Untuk menganalisis pengaruh variabel bebas faktor eksternal yaitu

Inflasi dan BI rate secara parsial terhadap potensi kebangkrutan Bank


8

c. Untuk menganalisis pengaruh NPF, CAR, FDR, Inflasi dan BI rate

secara simultan terhadap potensi kebangkrutan Bank Umum Syariah

pada tahun 2011-2015

d. Untuk Mengetahui variabel mana di antara NPF, CAR, FDR, Inflasi

dan BI rate yang paling dominan mempengaruhi potensi kebangkrutan

Bank Umum Syariah pada tahun 2011-2015?

2. Manfaat Penelitian

a. Bagi Akademisi

Penelitian ini diharapkan dapat menambah wawasan, ilmu

pengetahuan dan referensi bagi peneliti selanjutnya serta dapat

menerapkan teori yang telah diperoleh selama perkuliahan.

b. Bagi Instansi Terkait

Penelitian ini dapat memberikan informasi tentang potensi

kebangkrutan Bank Umum Syariah di Indonesia dan apakah NPF,

CAR, FDR, Inflasi, dan BI rate berpengaruh terhadap potensi

kebangkrutan Bank Umum Syariah serta dapat dijadikan bahan

rujukan bagi pemerintah dalam pengambilan keputusan terkait dengan

tindakan untuk mencegah terjadinya kebangkrutan pada bank syariah.

c. Bagi Bank Syariah

Penelitian ini diharapkan dapat memberikan gambaran kepada Bank

Syariah tentang kondisi perusahaannya pada saat ini dan mengetahui

faktor yang berpengaruh menyebabkan terjadinya potensi

kebangkrutan pada bank tersebut, sehingga bank dapat melakukan

upaya pencegahan terhadap potensi kebangkrutan.

D. Sistematika Penulisan

BAB I : PENDAHULUAN

Bab ini membahas latar belakang penelitian, rumusan

masalah, tujuan dan manfaat penelitian, dan sistematika

penulisan.

9

BAB II : TINJAUAN PUSTAKA

Bab ini berisi landasan teori dalam penelitian yang

didasarkan pada teori-teori yang relevan, lalu membahas

review studi terdahulu yang fokus penelitiannya mirip

dengan penelitian yang sedang dilakukan dan

menggambarkan kerangka pemikiran dalam penelitian.

BAB III : METODE PENELITIAN

Bab ini berisi penjelasan operasional variabel yang

digunakan dalam penelitian, sampel penelitian, jenis dan

sumber data, serta metode analisis data yang digunakan

dalam penelitian.

BAB IV : HASIL DAN PEMBAHASAN

Bab ini berisi informasi mengenai nilai Altman Z-score

untuk melihat potensi kebangkrutan pada seluruh Bank

Umum Syariah. Selain itu, pada bab ini juga dipaparkan

hasil analisis statistic berupa Uji Asumsi Ordinary Least

Square (OLS) dan Uji Statistik Regresi Data Panel serta

analisis deskriptif yang menunjukkan pengaruh

pembiayaan bermasalah, WCTA, BOPO, Inflasi dan BI

rate terhadap potensi kebangkrutan Bank Umum Syariah.

BAB V : KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan mengenai hasil penelitian dan

saran yang diberikan berkaitan dengan hasil peneitian bagi

pihak-pihak yang berkepentingan.

10

BAB II

TINJAUAN PUSTAKA

A. Landasan Teori

1. Pengertian dan Fungsi Bank Syariah

Menurut Undang-Undang RI No. 10 pasal 1 ayat 2 Tahun 1998 tanggal 10

November 1998 tentang Perbankan, yang dimaksud dengan bank adalah badan

uasaha yang menghimpun dana dari masyarakat dalam bentuk simpanan

menyalurkan kepada masyarakat dalam bentuk kredit dan atau bentuk-bentuk

lainnya dalam rangka taraf hidup rakyat banyak (Kasmir, 2015:13).

Pengertian Bank Syariah menurut Undang-Undang Nomor 21 tahun 2008

pasal 1 butir 7 Bank Syariah adalah bank yang menjalankan kegiatan usahanya

berdasarkan prinsip syariah. Perbankan syariah di Indonesia menurut

kelembagaannya dibagi menjadi 3 kelompok yaitu Bank Umum Syariah

(BUS), Unit Usaha Syariah (UUS) dan Bank Pembiayaan Rakyat Syariah

(BPRS).

Fungsi bank selama ini dikenal sebagai intermediary (penghubung) antara

pihak yang kelebihan dana dengan pihak yang membutuhkan dana. Selain

menjalankan fungsi jasa keuangan seperti yang disebutkan tersebut, maka

dalam bank syariah memiliki fungsi yang sedikit berbeda dengan bank

konvensional. Bank syariah bukan hanya berperan sebagai sebuah lembaga

usaha, tapi juga berperan sebagai lembaga sosial.

Menurut Sofyan Harahap (2004:5) fungsi bank syariah yaitu, manejer

investasi, investor, jasa keuangan, dan fungsi sosial

a. Manajer investasi

Bank Syariah bertindak sebagai manajer investasi dari pemilik

dana dimana dana yang dikumpuljan tersebut disalurkan pada

pembiayaan produktif, sehingga dana yang disalurkan tersebut

memperoleh keuntungan yang dapat dibagihasilkan antar pihak

Bank Syariah dengan pemilih dana.

11

b. Investor

Bank Syariah dapat menginvestasikan dana yang disimpan pada

bank tersebut (dana pemilik bank maupun dana rekening investasi)

dengan jenis pada pola investasi sesuai dengan syariah.

c. Jasa keuangan

Bank Syariah memberikan layanan kliring, transfer, inkaso,

pembayaran gaji, dan lain sebagainya, hanya saja yang sangat

diperhatikan adalah prinsip-prinsip syariah yang tidak boleh

dilaggar.

d. Fungsi sosial

Bank syariah memberikan pelayanan sosial melalui dana qordh

(pinjaman kebajikan) atau zakatb dan dana sumbangan sesuai

dengan prinsip-prinsip Islam.

2. Laporan Keuangan Perbankan Syariah

a. Pengertian Laporan Keuangan

Dalam pengertian yang sederhana, laporan keuangan adalah:

laporan yang menunjukkan kondisi keuangan perusahaan pada saat ini

atau dalam suatu periode tertentu. (Kasmir, 2008: 7). Dalam pernyataan

standar akuntansi (PSAK) No. 101 laporan keuangan yang lengkap

biasanya meliputi neraca, laporan laba rugi, laporan arus kas, laporan

perubahan ekuitas, laporan perubahan investasi terkait, laporan sumber

dan penggunaan dana zakat, infak, dan sedekah (ZIS), laporan sumber dan

pengguna dana qordhul hasan, dan catatan atas laporan keuangan.

Inti dari laporan keuangan adalah menggambarkan pos-pos keuangan

yang diperoleh dalam suatu periode. Perangkat laporan keuangan lengkap

yang harus diterbitkan oleh bank-bank Islam terdiri dari: (Arifin, 2006: 67)

1. Laporan Posisi Keuangan (Neraca)

2. Laporan laba-rugi

3. Laporan Arus Kas

4. Laporan Perubahan Modal Pemilik dan laporan laba ditahan

12

5. Laporan Perubahan Investasi Terbatas

6. Laporan sumber dan penggunaan dana zakat dan sumbangan

(apabila bank bertanggung jawab atas pengumpulan dan

pembagian zakat)

7. Laporan sumber dan penggunaan dana qard

8. Catatan-catatan laporan keuangan

9. Pernyataan, laporan dan data lain yang membantu dalam

menyediakan informasi yang diperlukan oleh para pemakai laporan

keuangan sebagaimana ditentukan dalam statement of objective.

Laporan keuangan yang diterbitkan oleh Bank haruslah dalam bentuk

laporan yang komparatif, yang paling tidak, mencangkup laporan

keuangan dari periode sebelumnya yang bisa dibandingkan, sehingga

memungkinkan para pemakai untuk membedakan antaraperubahan

sebenarnya di dalam posisi keuangan bank, hasil-hasil operasinya, cash-

flow-nya, sumber-sumber penggunaan dana zakat, dan lain sebagainya.

b. Tujuan Laporan Keuangan

Tujuan utama dari laporan keuangan adalah menyediakan

informasi menyangkut posisi keuangan, kinerja serta perubahan posisi

keuangan suatu entitas syariah yang bermanfaat bagi sejumlah besar

pemakai dalam pengambilan keputusan ekonomi. Di samping itu, tujuan

lainnya adalah: (KDPPLKS 2007: Paragraf 30)

1. Meningkatkan kepatuhan terhadap prinsip syariah dalam semua

transaksi dan kegiatan usaha;

2. Informasi kepatuhan entitas syariah terhadap prinsip syariah, serta

informasi aset kewajiban, pendapatan dan beban yang tidak sesuai

dengan prinsip syariah, bila ada, dan bagaimana perolehan dan

penggunaannya;

3. Informasi untuk membantu mengevaluasi pemenuhan tanggung jawab

entitras syariah terhadap amanah dalam mengamankan dana,

menginvestasikannya pada tingkat keuntungan yang layak; dan

13

4. Informasi mengenai tingkat keuntungan investasi yang diperoleh

penanam modal dan pemilik dana syirkah, termasuk pengelolaan dan

penyaluran zakat, infak, sedekah, dan wakaf.

c. Analisis Laporan Keuangan

Menurut Harahap (Harahap, 2006:190) analisis laporan keuangan

adalah menguraikan pos-pos laporan keuangan menjadi unit informasi

yang lebih kecil dan melihat hubungannya yang bersifat signifikan atau

yang mempunyai makna antara yang satu dengan yang lain, baik antara

data kuantitatif, maupun data non-kuantitatif dengan tujuan untuk

mengetahui kondisi keuangan lebih dalam yang sangat penting dalam

menghasilkan keputusan yang tepat.

Tujuan analisis laporan keuangan adalah untuk memberikan

informasi kepada para pemakai laporan keuangan dengan berbagai teknik

dan metode yang berguna untuk menilai kinerja, keputusan investasi dan

memprediksi keadaan perusahaan di masa yang akan datang (Harahap,

2006:195).

Hasil analisis laporan keuangan akan memberikan informasi tentang

kelemahan dan kekuatan yang dimiliki perusahaan. Dengan mengetahui

kelemahan ini, maka manajemen akan dapat memperbaiki atau menutupi

kelemahan tersebut.

Agar laporan keuangan menjadi lebih berarti, sehingga dapat

dipahami dan dimengerti oleh berbagai pihak, maka perlu dilakukan

analisis terhadap laporan. Dalam melakukan analisis laporan keuangan

perlu dilakukan secara cermat dengan menggunakan metode dan teknik

analisis yang tepat, sehingga hasil yang diharapkan benar-benar tepat pula.

Menurut Prastowo dalam Ihsan (2016:51) dalam praktiknya terdapat dua

macam metode analisis laporan keuangan yang biasa dipakai, yaitu:

Analisis vertikal (statis).

Analisis vertikal merupakan analisi yang dilakukan terhadap hanya

1 periode laporan keuangan saja. Analisis dilakukan antara pos-pos

14

yang ada, dalam satu periode. Informasi yang diperoleh hanya

untuk satu periode saja dan tidak diketahui perkembangan dari

periode ke periode tidak diketahui.

Analisis horizontal (dinamis).

Analisis horizontal merupakan analisis yang dilakukan dengan

membandingkan laporan keuangan untuk beberapa periode. Dari

hasil analisis ini akan terlihat perkembangan perusahaan dari

periode yang satu ke periode yang lain.

3. Potensi Kebangkrutan

Amilia dalam Radia Purbayati (2010), kebangkrutan adalah kegagalan

perusahaan untuk memenuhi kewajiban kepada debitur karena perusahaan

mengalami kekurangan dan ketidakcukupan dana untuk menjalankan

usahanya sehingga tujuan ekonomi yaitu profit tidak tercapai. Sedangkan

menurut Sentosa Sembiring, bangkrut mengacu pada “hukum kepailitan

Negara Anglo Saxon yang menyebutnya Bankruptcy yang berarti

ketidakmampuan membayar utang (Sembiring, 2006: 11).

Potensi kebangkrutan dapat pula dikatakan sebagai financial distress, yang

artinya adalah gejala awal atau kemungkinana akan terjadinya bangkrut, yaitu

kondisi dimana keuangan perusahaan mengalami kesulitan keuangan dalam

operasional ditandai dengan ketidakmampuan bank memenuhi kewajiban-

kewajiban yang jatuh tempo sehingga terancam mengalami kebangkrutan

(Aprylia, 2016:37).

Penyebab utama kebangkrutan dapat berasal dari faktor eksternal maupun

faktor internal. Secara garis besar penyebab kebangkrutan biasa dibagi

menjadi dua faktor, yaitu faktor internal perusahaan dan faktor eksternal, baik

yang bersifat khusus yang berkaitan langsung dengan perusahaan atau yang

bersifat umum.

Faktor internal adalah sebab-sebab yang timbul dari dalam perusahaan itu

sendiri, yang meliputi sebab financial dan non financial. (Munawir, 2002:

289).

15

a. Sebab yang meliputi bidang finansial, yaitu:

1. Utang yang terlalu besar, menimbulkan beban tetap yang berat bagi

perusahaan.

2. Adanya “current liabilities” yang lebih besar daripada “current

assets”.

3. Banyaknya piutang yang tidak tertagih.

4. Kesalah dalam kebijakan pemberian deviden.

5. Tidak cukupnya dana-dana penyusutan

b. Sebab yang meliputi bidang non finansial, yaitu:

1. Adanya kesalahan pada para pendiri perusahaan.

2. Kurang baiknya struktur organisasi perusahaan.

3. Kesalahan dalam memilih pimpinan perusahaan.

4. Adanya “managerial incompetency”.

Faktor eksternal adalah sebab-sebab yang timbul atau berasal dari luar

perusahaan dan yang berada di luar kekuasaan atau kontrol dari pemimpin

perusahaan atau badan usaha, contohnya:

a. Adanya persaingan yang hebat

b. Berkurangnya permintaan terhadap produk yang dihasilkan

c. Turunnya harga-harga lain sebagainya.

Dalam dunia perbankan, dapat terjadi banyak peristiwa yang berimbas

pada terjadinya kerugian bagi kegiatan operasional bank. Ditambah lagi

globalisasi dalam perekonomian saat ini menyebabkan risiko perbankan

menghadapi kemungkinan-kemungkinan terjadinya situasi yang memburuk

semakin besar.

Agar dapat mengendalikan risiko yang dapat mengakibatkan

kebangkrutan, maka kita harus mengenal risiko apa saja yang dapat

mengancam dunia perbankan. Berikut ini secara ringkas akan digambarkan

jenis-jenis utama yang dihadapi perbankan tersebut: (Masyhud Ali, 2006:19)

a. Risiko Pasar (Market Risk)

Market risk adalah risiko kerugian pada posisi portofolio trading pada on

dan off balance sheet. Kerugian itu muncul sebagai akibat dari terjadinya

16

perubahan harga pasar asset dan liabilities bank tersebut. perubahan harga

tersebut merupakan akibat terdapatnya perubahan faktor pasar seperti

tingkat suku bunga bank, nilai tukar mata uang, harga saham, dan sekuritas

serta harga komoditas.

b. Risiko Kredit (Credit Risk)

Risiko kredit adalah risoko dari kemungkinan terjadinya kerugian bank

sebagai akibat dari tidak dilunasinya kembali kredit yang diberikan bank

kepada debitur maupun counterparty lainnya.

c. Risiko Operasional (Operational Risk)

Operational risk adalah risiko terjadinya kerugian bagi bank yang

diakibatkan oleh ketidakcukupan atau kegagalan proses di dalam

manajemen bank, sumber daya manusia, dan sistem. Risiko kerugian itu

pula dapat terjadi sebagai akibat dari faktor-faktor di luar bank.

Persaingan antar perusahaan menjadi semakin ketat. Persaingan yang

sangat ketat ini menuntut perusahaan untuk selalu memperkuat fundamental

manajemen sehingga akan mampu bersaing dengan perusahaan lain.

Ketidakmampuan mengantisipasi perkembangan global dengan memperkuat

fundamental manajemen akan mengakibatkan pengecilan dalam volume usaha

yang pada akhirnya mengakibatkan kebangkrutan.

Untuk mengatasi potensi kebangkrutan tersebut, diperlukan suatu early

warning system yang dapat memprediksi kondisi finansial suatu perusahaan,

sehingga perusahaan dapat melakukan pencegahan untuk menghindari

terjadinya kebangkrutan.

4. Metode Altman Z-Score

Model Altman merupakan salah satu metode dengan tingkat keakuratan

yang dapat dipercaya dalam memprediksi kebangkrutan. Model Altman Z-

score sebagai salah satu pengukuran kinerja kebangkrutan dan resiko obligasi

tidak stagnan atau tetap, melainkan berkembang dari waktu ke waktu, seiring

dari kondisi dan di mana metode tersebut diterapkan (Lukviarman, 2009:19).

17

Edward I. Altman, Ph. D. adalah seorang profesor dan ekonom keuangan

dari New York University’s Stern School of Business pada tahun 1968. Altman

(1968) mempelopori penggunaan Multivariate Discriminant Analysis (MDA)

dalam memprediksi coorporate failure. MDA mengkombinasikan informasi

yang diperoleh dari multivariate independent (seperti rasio-rasio) ke dalam

nilai tunggal (single score) yang digunakan mengklasifikasi suatu observasi ke

dalam mutually exclusive groups (Endri, :38)

a. Altman Z-score Original

Pada awal mula penyusunan model Z, Altman menguji 22 rasio keuangan

dari 33 perusahaan manufaktur yang bangkrut dan 33 perusahaan yang tidak

bangkrut pada tahun 1960 sampai 1965 dan pada akhirnya didapatkan lima

rasio keuangan yang dikombinasikan dan dinilai paling berpengaruh untuk

memprediksi potensi kebangkrutan perusahaan.

Dalam membangun modelnya, Altman menggunakan rasio-rasio keuangan

yang didasarkan pada popularitasnya dalam literatur dan relevansi terhadap

penelitian, rasio yang digunakan juga memiliki lima kriteria yaitu rasio yang

dapat mencerminkan likuiditas, profitabilitas, leverage, solvency, dan rasio

aktifitas. (Kosasih, 2010:54)

Hasil studi Altman ternyata mampu memperoleh tingkat ketepatan prediksi

sebesar 95% untuk data satu tahun sebelum kebangkrutan. Untuk data dua

tahun sebelum kebangkrutan 72% (Mila Fatmawati, :58). Formula MDA

pertama yang ditemukan oleh Altman ditulis sebagai berikut (Altman, 1968:

594)

Keterangan:

Z = Bakruptcy Index

X1 = Working Capital to Total Assets

X2 = Retained Earnings to Total Assets

X3 = Earning Before Interest to Total Assets

Z = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,06 X4 + 1,0 X5

18

X4 = Market Value of Equity to Book Value of Debt

X5 = Sales to Total Assets

Klasifikasi hasil dari perhitungan tersebut dimasukan ke dalam cut

off point yang ditentukan Altman, yaitu:

Tabel 2. 1Kriteria Penilaian Model Altman Z-Score Original

Jika Z < 1,8 maka termasuk “safe zone”

Jika nilai 1,8 < Z < 2,99 maka termasuk “grey zone”

Jika nilai Z > 2,99 maka termasuk “distress zone”

Sumber: (Altman, 1968:598)

b. Altman Z-score Revisi

Model yang dikembangkan oleh Altman ini mengalami suatu revisi. Revisi

yang dilakukan oleh Altman merupakan penyesuaian yang dilakukan agar

model prediksi kebangkrutan ini tidak hanya untuk perusahaan manufaktur

yang go publik melainkan juga dapat diaplikasikan untuk perusahaan-

perusahaan di sektor swasta. Altman mengubah pembilang Market Value of

Equity to Book Value of Total Debt pada X4 menjadi variabel book value of

equity to Book Value of Total Debt karena perusahaan privat tidak memiliki

harga pasar untuk ekuitasnya (Lukviarman, 2009:17).

Bentuk formula MDA atau Z-score hasil pengembangan Altman adalah

(Altman, 2000:20):

Keterangan:

Z = Bakruptcy Index




X4 = Book Value of Equity to Book Value of Total Debt

X5 = Sales to Total Assets

Z = 0,717X1 + 0,847X2 + 3,108X3 + 0,42 X4 + 0,988 X5

19

Klasifikasi perusahaan yang sehat dan bangkrut didasarkan pada nilai Z-

score model Altman (1983), yaitu:

Tabel 2. 2Kriteria Penilaian Model Altman Z-Score Revisi




Sumber: (E. Altman dkk, 2000)

c. Altman Modifikasi

Dasar pemikiran Altman menggunakan analisis diskriminan bermula dari

keterbatasan analisa rasio yaitu metodologinya yang pada dasarnya bersifat

menyimpang yang artinya rasio diuji secara terpisah, sehingga pengaruh

kombinasi dari beberapa rasio hanya didasarkan pada pertimbangan para

analisis keuangan. Oleh karena itu, untuk mengatasi kekurangan analisa rasio

maka perlu dikombinasikan berbagai rasio agar menjadi suatu model prediksi

yang berarti (Ramadhani dan Lukviarman, 2009:19).

Seiring dengan berjalannya waktu dan penyesuaian terhadap berbagai jenis

perusahaan, Altman kemudian merevisi modelnya supaya dapat diterapkan

pada semua perusahaan, seperti manufaktur, non manufaktur, dan perusahaan

penerbit obligasi di negara berkembang (emerging market). Dalam Z-score

modifikasi ini Altman mengeliminasi variabel X5 (sales to total asset) karena

rasio ini sangat bervariatif pada industri dengan ukuran aset yang berbeda-

beda (Ramadhani dan Lukviarman, 2009:20).

Berikut ini adalah model Altman Z-score (1995) modifikasi yang

merupakan gabungan dari empat rasio keuangan:

Di mana:

Z = Financial distress



Z = 6,56 X1 + 3,26 X2 + 6,73 X3 + 1,05 X4

20


X4 = Book Value of Equity to Book Value of Total Debt

Klasifikasi hasil dari perhitungan tersebut dimasukan ke dalam cut

off point yang ditentukan Altman, yaitu:

Tabel 2. 3Kriteria Penilaian Altman Z-Score Modifikasi





Dalam penelitiannya, Altman menerapkan bahwa ambang batas

perusahaan yang sehat adalah apabila nilai Z-Score berada di antara 2,99 dan

1,81, artinya jika Z-Score perusahaan berada di atas 2,99 maka perusahaan

dinyatakan sehat atau berada dalam kategori “safe zone”. Sebaliknya, jika Z-

Score perusahaan berada di bawah 1,81 maka perusahaan dapat dinyatakan

bahwa perusahaan berpotensi bangkrut. Perusahaan dalam hal ini tidak berada

dalam kategori bangkrut dan tidak pula berada dalam kategori sehat, keadaan

tengah-tengah ini disebut kategori abu-abu atau “grey zone”.

5. Faktor Internal

Telah dijelaskan sebelumnya bahwa potensi kebangkrutan sebuah bank

dapat disebabkan oleh berbagai faktor, baik dari faktor internal maupun faktor

eksternal. Untuk memprediksi faktor internal yang berpengaruh pada potensi

kebangkrutan sebuah bank dapat dilihat dari rasio keuangan pada laporan

keuangan bank yang bersangkutan.

Pada penelitian ini, rasio keuangan yang digunakan peneliti untuk melihat

faktor yang mempengaruhi potensi kebangkrutan bank adalah NPF (Non

Performing Finance), WCTA (Working Capital to Total Asset), dan BOPO

(Beban Operasional atas Pendapatan Operasional).

a. NPF (Non Performing Fnance)

21

NPF adalah rasio yang didapat dengan cara membandingkan

pembiayaan bermasalah dengan total pembiayaan yang disalurkan. Rasio

ini menunjukkan kemampuan manajemen bank dalam mengelola

pembiayaan bermasalah yang diberikan oleh bank. Semakin kecil nilai dari

rasio ini menunjukkan indikasi bank umum syariah akan mendapatka laba

yang tinggi, karena pembiayaan yang disalurkan tidak ada yang macet

(Kartika, 2016:43).

Rasio ini menunjukkan bahwa kemampuan manajemen bank dalam

mengelola kredit bermaslah yang diberikan oleh bank. Sehingga semakin

tinggi rasio ini maka akan semakin buruk kualitas kredit bank yang

menyebabkan jumlah kredit bermasalah semakin besar maka

memungkinkan suatu bank dalam kondisi bermasalah semakin besar

(Hariyani, 2010:52).

Selain itu, Ihsan mengungkapkan bahwa Non Performing Finance

(NPF) adalah alat ukur tingkat permasalahan pembiayaan yang dihadapi

oleh bank syariah. Adapun standar terbaik Non Performing Finance (NPF)

adalah kurang dari 5%. (Ihsan, 2013:96).

Rumus NPF adalah:

Berikut ini adalah kriteria penilaian peringkat NPF menurut Bank

Indonesia:

Tabel 2. 4 Kriteria Rasio NPF

Rasio Peringkat

NPF < 2% 1

2% ≤ NPF < 5% 2

5% ≤ NPF < 8% 3

8% ≤ NPF < 12% 4

≥ 12% 5

Sumber: Surat Edaran Bank Indonesia N0. 13/24/DPNP2011

NPF = Pembiayaan bermasalah x 100%

Total Pembiaayan

22

Berikut adalah beberapa pengertian kolektabilitas kredit menurut

ketentuan BI:

1. Kredit lancar (Kolekabilitas 1), yaitu kredit yang pembayaran

pokok pinjaman dan bunganya tepat waktu, perkembangan

rekening baik dan tidak ada tunggakan serta sesuai dengan

persyaratan kredit.

2. Kredit dalam perhatian khusus (Kolektabilitas 2), yaitu kredit yang

pengembalian pokok pinjaman dan pembayaran pokok bunganya

terdapat tunggakan telah mencapai 1 hari sampai 90 hari waktu

yang disepakati.

3. Kredit kurang lancar (Kolektabilitas 3), yaitu kredit yang



yang disepakati.

4. Kredit diragukan (Kolektabilitas 4), yaitu kredit yang



yang disepakati.

5. Kredit macet (Kolektabilitas 5), yaitu kredit yang pengembalian

pokok pinjaman dan pembayaran pokok bunganya terdapat

tunggakan telah melampaui 270 hari.

b. CAR (Capital Adequacy Ratio)

Modal merupakan aspek yang penting bagi suatu unit usaha

khususnya Bank Syariah. Karena suatu bank dapat menjalankan

operasionalnya dan dapat dipercaya oleh masyarakat, salah satunya

dipengaruhi oleh tingkat kecukupan modal bank yang dapat

menggambarkan kemampuan bank dalam melakukan seluruh kegiatan

operasionalnya. Dalam penelitian ini tingkat kecukupan modal diukur

dengan menggunakan CAR (Capital Adequacy Ratio)

23

CAR = Modal x 100%

ATMR

Capital Adequacy Ratio (CAR) merupakan rasio yang

memperlihatkan seberapa jauh aktiva bank yang mengandung risiko

(kredit, penyertaan surat berharga, tagihan pada bank lain) ikut dibiayai

dari dana modal sendiri bank disamping memperoleh dana-dana dari

sumber-sumber di luar bank, seperti dana masyarakat, pinjaman atau

utang, dan lain-lain. (Dendawijaya, 2003:122).

Menururt Kasmir nilai minimum Capital Adequacy Ratio (CAR)

yang harus dipenuhi oleh setiap bank, baik bank umum konvensional

maupun bank umum syariah harus 8%. (Kasmir, 2009:50). CAR

merupakan indikator terhadap kemampuan bank untuk menutupi

penurunan aktivanya sebagai akibat dari kerugian-kerugian bank yang

disebabkan oleh aktiva yang beresiko (Dendawijaya, 2009:121). Rasio ini

dapat dirumuskan sebagai berikut:

Skala predikat kesehatan bank, rasio CAR dan nilai kredit untuk

permodalan bank adalah sebagai berikut:

Tabel 2. 5 Kriteria Rasio CAR

No Predikat Rasio CAR Nilai Kredit

1 Sehat 8,00% - 9,99% 81 – 100

2 Cukup Sehat 7,90% - < 8,00% 66 - < 81

Setiap penurunan 0,1%

ditentukan dari pemenuhan

KPMM sebesar 7,9%

Nilai Kredit

dikurangi minimum

Sumber: (Harmono, 2014:116)

c. FDR (Financing to Deposit Ratio)

Loan to Deposit Ratio (LDR) merupakan perbandingan total kredit

yang diberikan dengan total Dana Pihak Ketiga yang dapat dihimpun oleh

bank. Dalam bank syariah, istilah LDR dikenal dengan Financing to

Deposit Ratio (FDR). Financing to Deposit Ratio (FDR) adalah rasio

24

antara jumlah kredit yang diberikan dengan dana yang diterima (Riyadi,

2006:165).

Rasio FDR digunakan untuk mengetahui kemampuan bank dalam

membayar kembali kewajiban kepada para nasabah yang telah

menanamkan dananya melalui pembiayaan yang telah diberikan kepada

para debitur.

Menurut Dendawijaya, Financing to Deposit Ratio (FDR)

merupakan rasio antara jumlah kredit yang diberikan bank dengan dana

yang diterima oleh bank. Rasio ini menunjukan salah satu penilaian

likuiditas bank. Dengan kata lain, seberapa jauh penyaluran pembiayaan

kepada nasabah dapat mengimbangi kewajiban bank syariah untuk segera

memenuhi permintaan deposan yang ingin menarik kembali uangnya yang

telah disalurkan oleh bank syariah (Dendawijaya, 2003:118).

Sementara itu, Kasmir mengartikan FDR sebagai rasio untuk

mengukur jumlah kredit yang diberikan dibandingkan dengan jumlah dana

masyarakat dan modal sendiri yang digunakan (Kasmir, 2004:319). Batas

maksimum FDR adaah 110%, berikut adalah rumus untuk menghitung

nilai FDR sebuah bank:

Skala predikat, rasio, dan nilai kredit FDR bank adalah sebagai

berikut:

Tabel 2. 6 Kriteria penilaian FDR

No Predikat Rasio Nilai Kredit

1 Sehat ≤ 94,75% 81-100

2 Cukup Sehat 94,76% - 98,5% 66-81

3 Kurang Sehat 98,51% - 102,25% 51-66

4 Tidak Sehat > 100% 0-<51

Sumber: (Harmono, 2014:122)

FDR = Jumlah kredit yang disalurkan x 100%

Total Dana Pihak Ketiga + Modal

25

6. Faktor Eksternal

a. Inflasi

Inflasi merupakan kecenderungan kenaikan tingkat harga secara terus

menerus dalam periode tertentu. Kenaikan harga dari satu dua barang saja

tidak bisa disebut inflasi. Kecuali bila kenaikan tersebut meluas dan

mengakibatkan sebagian besar dari harga barang-barang lain juga ikut naik

(Tinton, 2015: 4).

Ekonom Islam Taqiudin Ahmad ibn al-Maqrizi dalam menggolongkan

inflasi ke dalam dua bentuk, yaitu:

1. Natural Inflation

Inflasi jenis ini diakibatkan oleh sebab-sebab alamiah dimana orang

tidak mempunyai kendali atasnya, dan inflasi ini diakibatkan oleh turunnya

penawaran agregatif atau naiknya permintaan agregatif. Natural inflation

dapat dijelaskan sebagi berikut:

Gangguan terhadap jumlah barang dan jasa yang diproduksi

dalam suatu perekonomian. Misalnya jumlah barang dan

jasa turun tetapi jumlah uang beredar dan

kecepatanperedaran uang tetap, maka konsekuensinya harga

barang meningkat.

Naiknya daya beli masyarakat secara riil. Misalnya nilai

ekspor lebih besar daripada nilai impor, sehingga secara

netto terjadi impor uang yang mengakibatkan jumlah uang

beredar turun. Apabila kondisi ini berlaku sedangkan

kecepatan peredaran uang, jumlah uang ddan jumlah jasa

tetap maka harga akan meningkat.

2. Human Error Inflation

Human error inflation dikatakan sebagai inflasi yang diakibatkan

oleh kesalahan manusia itu sendiri. Penyebab human error inflation bisa

dikelompokan sebagai berikut:

Korupsi dan administrasi yang buruk

26

Pajak yang berlebihan

Pencetakan uang dengan maksud menarik keuntungan yang

berlebihan.

b. BI rate

Pengertian dasar tingkat suku bunga yaitu sebagai harga dari

penggunaan uang untuk jangka tertentu. Tingkat suku bunga Bank

Indonesia (BI rate) adalah suku bunga kebijakan yang mencerminkan sikap

atau stance kebijakan moneter yang ditetapkan oleh bank Indonesia dan

diumumkan kepada publik. BI rate merupakan indikasi suku bunga jangka

pendek yang diinginkan bank Indonesia dalam upaya mencapai target

inflasi (Bank Indonesia).

Menurut Pohan (2008) dalam Syahirul Alim (2014:209),

perkembangan tingkat bunga yang tidak wajar secara langsung dapat

mengganggu perkembangan perbankan. Suku bunga yang tinggi di satu sisi

akan meningkatkan hasrat masyarakat untuk menabung sehingga jumlah

dana perbankan akan meningkat. Namun di sisi lain suku bunga yang tinggi

akan meningkatkan biaya yang dikeluarkan oleh dunia usaha sehingga

mengakibatkan penurunan kegiatan produksi di dalam negeri. Menurunnya

produksi akan menurunkan kebutuhan dana dari sektor usaha dan berakibat

pada permintaan kredit bunga yang menurun. Hal ini akan menimbulkan

permaslahan kemana dana tersebut akan disalurkan.

BI rate atau suku bunga Bank Indonesia selanjutnya ditetapkan

sebagai patokan bagi suku bunga pinjaman maupun simpanan bagi bank

atau lembaga-lembaga keuangan lainnya. Meskipun bank syariah tidak

menerapkan sistem bunga, namun pada penerapannya bank syariah masih

menjadikan suku bunga sebagai pertimbangan dalam menentukan harga

pembiayaan. Hal ini dilakukan agar bank syariah tetap bisa bersaing dengan

bank konvensional.

Berdasarkan penjelasan di atas, maka dalam penelitian ini peneliti

menggunakan variabel tingkat suku bunga atau BI rate dan inflasi sebagai

faktor eksternal yang dapat mempengaruhi potensi kebangkrutan bank

27

syariah. Suku bunga dan inflasi tidak dapat dipisahkan. Tingkat inflasi dan

suku bunga berfluktuasi sepanjang waktu. Dalam jangka panjang suku

bunga dipengaruhi tingkat inflasi yang diperkirakan inflasi berdampak

meningkatnya suku bunga, apabila inflasi tinggi secara seharusnya suku

bunga juga meningkat, walaupun dalam praktiknya tidak selalu begitu,

sedangkan sebaliknya pendapatan atau daya beli investor menurun.

(Kasmir, 2010:57).

B. Keterkaitan Antar Variabel Dependen dengan Variabel Independen

1. Hubungan NPF (Non Performing Finance) dengan Potensi

Kebangkrutan

Di setiap sistem keuangan beberapa negara menggunakan rasio NPL atau

kredit bermasalah sebagai sebuah Financial Stress Index (FSI) Negara mereka.

metode penelitian yang dilakukan untuk mengukur stabilitas perbankan yang

banyak digunakan adalah dengan menggunakan variabel NPL, hal ini

dikarenakan variabel tersebut dianggap bisa mencerminkan akibat langsung

dari goncangan makroekonomi yang ada. Anggapan ini didasarkan pada acuan

IMF yang menjadikan NPL sebagai FSI. (Khadapi, 2016:47).

Menurut Adityanto kemampuan manajemen Bank dalam mengelola kredit

bermasalah dapat ditunjukkan oleh rasio NPL, dimana semakin tinggi rasio

NPL maka akan semakin buruk kualitas kredit bank yang menyebabkan

jumlah kredit bermasalah semakin besar sehingga dapat mengakibatkan

kebangkrutan. Bank Indonesia telah menetapkan ketentuan NPL sebesar 5%.

Apabila bank mampu menekan rasio NPL di bwah 5%, maka potensi

keuntungan yang diperoleh akan semakin besar. Lukman Dendawijaya

mengemukakan bahwa akibat dari timbulnya pembiayaan bermasalah dapat

berupa:

- Dengan adanya pembiayaan bermasalah bank akan kehilangan

kesempatan untuk memperoleh pendapatan dari pembiayaan yang

diberikannya, sehingga mengurangi perolehan laba dan pengaruh

buruk bagi profitabilitas atau rentabilitas bank.

28

- Return On Assets mengalami penurunan

Pendapatan bank yang berkurang secara terus menerus dapat memperbesar

potensi kebangkrutan. Almilia dan Herdiningtyas (2005) mengungkapkan

bahwa semakin buruk kualitas kredit bank yang menyebabkan jumlah kredit

bermasalah semakin besar maka kemungkinan suatu bank dalam kondisi

bermasalah semakin besar. Pada penelitian Rizki Ludy Wicaksana (2011)

menyatakan bahwa NPL berpengaruh positif signifikan. Selain itu, penelitian

Meilita Fitri (2014) juga menyatakan bahwa rasio NPL (istilah dalam bank

syariah adalah NPF) berpengaruh positif terhadap potensi kebangkrutan.

Penurunan pendapatan dapat menyebabkan penurunan profitabilitas sehingga

terjadi kemungkinan bank akan mengeluarkan biaya yang tinggi maka akan

terjadi NPL yang tinggi yang mengakibatkan terjadinya kebangkrutan. Dengan

demikian, dapat disimpulkan bahwa rasio NPF (Non Performing Finance)

memiliki keterkaitan dan ketergantungan dengan variabel potensi

kebangkrutan.

2. Hubungan CAR (Capital Adequacy Ratio) dengan Potensi

Kebangkrutan

CAR (Capital Adequacy Ratio) menyatakan seberapa kuat kecukupan

modal bank dalam menanggung aktiva tertimbang menurut risiko. Semakin

tinggi rasio tersebut memberikan indikasi semakin tingginya kekuatan bank

dalam menanggung aktiva yang beresiko. Hal ini disebabkan karena Capital

Adequacy Ratio adalah rasio kinerja bank untuk mengukur kecukupan modal

yang dimiliki bank untuk menjunjung aktiva yang mengandung atau

menghasilkan resiko, misalkan kredit yang diberikan (Dendawijaya,

2009:121).

Rasio CAR merupakan perbandingan antara jumlah modal dengan aktiva

tertimbang menurut resiko (ATMR). Pada saat ini, sesuai dengan ketentuan

yang berlaku, CAR suatu bank sekurang-kurangnya sebesar 8% (Rahmawati,

2015:246). Semakin tinggi rasio ini maka menunjukkan bahwa bank semakin

solvable. Solvabilitas bank yang tinggi dapat memperkecil resiko-resiko yang

29

dapat berdampak pada potensi kebangkrutan. Hal tersebut terjadi karena

kerugian-kerugian yang ditanggung bank dapat diserap dengan baik oleh

modal yang dimiliki bank tersebut.

Sesuai dengan penelitian sebelumnya, Khadapi (2017), menyatakan bahwa

CAR berpengaruh negatif dan signifikan terhadap kondisi financial distress

yang berarti semakin tinggi CAR maka semakin rendah potensi kebangkrutan.

Berbeda dengan penelitian Wicaksana (2011) yang menyatakan bahwa CAR

berpengaruh negatif dan tidak signifikan terhadap financial distress. Penelitian

Pratama (2015) menyatakan hal yang sebaliknya yaitu bahwa rasio CAR

berpengaruh positif dan signifikan terhadap financial distress. Dengan

demikian, dapat disimpulkan bahwa rasio CAR (Capital Adequacy Ratio)


kebangkrutan

3. Hubungan FDR (Financing to Deposit Ratio) dengan Potensi

Kebangkrutan

Menurut Dendawijaya, Financing to Deposit Ratio (FDR) merupakan

rasio antara jumlah kredit yang diberikan bank dengan dana yang diterima

oleh bank. Rasio ini menunjukan salah satu penilaian likuiditas bank. Dengan

kata lain, seberapa jauh penyaluran pembiayaan kepada nasabah dapat

mengimbangi kewajiban bank syariah untuk segera memenuhi permintaan

deposan yang ingin menarik kembali uangnya yang telah disalurkan oleh bank

syariah (Dendawijaya, 2003:118). Semakin tinggi rasio tersebut, memberikan

indikasi semakin rendahnya kemampuan likuiditas bank yang bersangkutan.

Hal ini disebabkan karena jumlah dana yang diperlukan untuk membiayai

kredit menjadi semakin besar (Dendawijaya, 2009:116)

Pernyataan tersebut sesuai dengan penelitian yang dilakukan oleh Chrisna,

Ismawati (2015) dan Khadapi (2017) yang menyatakan bahwa rasio FDR

berpengaruh positif dan signifikan terhadap potensi kebangkrutan bank.

Sedangkan penelitian yang dilakukan oleh Rahmania dan Hermanto (2014)

menyatakan hasil yang sebaliknya yaitu rasio FDR berpengaruh negatif dan

30

signifikan terhadap potensi kebangkrutan bank. Dengan demikian, dapat

disimpulkan bahwa variabel FDR memiliki keterkaitan dan ketergantungan

dengan variabel potensi kebangkrutan.

4. Hubungan Inflasi dengan Potensi Kebangkrutan

Inflasi merupakan kecenderungan kenaikan harga barang secara umum

dan terjadi terus-menerus dalam periode tertentu. Inflasi yang tinggi dapat

mengakibatkan menurunnya daya beli masyarakat.

Menurut Sukirno dalam Desi Marilin dan Rohmawati (2012) menyatakan,

sebagai lembaga intermediasi, bank sangat rentan terhadap risiko inflasi terkait

dengan mobilitas dananya. Apabila suatu negara mengalami inflasi yang tinggi

akan menyebabkan naiknya konsumsi, sehingga akan mempengaruhi pola

saving dan pembiayaan pada masyarakat. Perubahan tersebut akan berdampak

pada kegiatan operasional bank syariah, jumlah dana dari masyarakata yang

dihimpun akan semakin berkurang sehingga nantinya akan mempengaruhi

kinerja bank syariah dalam memperoleh pendapatan dan menghasilkan profit.

Inflasi yang terlalu tinggi dampak berdampak buruk pada bank syariah.

Menurunnya daya beli masyarakat dapat berpengaruh pula pada pemenuhan

kewajiban pembiayaan yang diajukan oleh nasabah. Hal tersebut dapat

menimbulkan pembiayaan macet dan meningkatkan rasio npf. Apabila npf

sebuah bank naik dan berlangsung dalam waktu yang lama maka terdapat

kemungkinan akan adanya potensi kebangkrutan pada bank tersebut.

Menurut penelitian Syahirul Alim (2014) Inflasi termasuk salah satu

indikator ekonomi makro yang berpengaruh terhadap kinerja keuangan

perusahaan. Kenaikan inflasi akan diikuti dengan kenaikan aset Dana Pihak

Ketiga (DPK) Bank Syariah, yang kemudian akan meningkatkan profitabilitas

Bank Syariah. Akan tetapi Sulistya Ningsih (2017) menyatakan bahwa inflasi

tidak berpengaruh signifikan terhadap financial distress baik Bank Syariah

maupun Bank Konvensional. Dengan demikian, dapat disimpulkan bahwa

31

variabel Inflasi memiliki keterkaitan dan ketergantungan dengan variabel

potensi kebangkrutan meskipun tidak secara langsung.

5. Hubungan BI rate dengan Potensi Kebangkrutan

BI rate merupakan suku bunga yang ditetapkan oleh Bank Indonesia

sebagai kebiajakan moneter. Salah satu tujuan dikeluarkan kebijakan ini

adalah untuk menjaga stabilitas harga. Dengan begitu, Bank Indonesia akan

menaikan BI rate apabila terjadi inflasi yang terlalu tinggi, sebaliknya Bank

Indonesia akan menurunkan BI rate apabila tingkat inflasi berada di bawah

sasaran yang telah ditetapkan.

BI rate atau suku bunga Bank Indonesia pada umumnya ditetapkan sebagai

bunga pinjaman maupun simpanan bagi bank atau lembaga-lembaga keuangan

lainnya. Jika BI rate naik maka bunga pinjaman maupun simpanan di bank

dan lembaga keuangan lainnya juga cenderung naik. Hal ini akan

mempengaruhi pola saving dan pembiayaan bank tersebut. karena dalam

prakteknya, sebagian besar bank menyesuaikan strategi pendaan mereka

melalui harapan-harapan siklus tingkat bunga untuk memperoleh keuntungan

yang lebih besar. (Arifin, 2006:122).

Menurut Pohan dalam Alim (2014) perkembangan tingkat suku bunga

yang tidak wajar secara langsung dapat mengganggu perkembangan

perbankan. Suku bunga yang tinggi di satu sisi akan meningkatkan hasrat

masyarakat untuk menabung sehingga jumlah dana perbankan akan

meningkat. Menurut Supriyanti (2009) Inflasi yang tinggi dapat

mengakibatkan naiknya BI rate sehingga mengakibatkan bank mengeluarkan

biaya operasional yang lebih besar. Biaya operasional yang lebih besar dari

pendapatan operasional dapat memperbesar potensi kebangkrutan pada bank.

Sedangkan menurut Nurul Sulistiyaningsih (2017) BI rate tidak

berpengaruh signifikan terhadap potensi kebangkrutan Bank Syariah. Hal ini

dikarenakan sistem operasional Bank Syariah tidak menggunakan sistem

bunga, namun sebagai lembaga keuangan perubahan suku bunga akan

berpengaruh pada resiko operasional Bank Syariah walaupun tidak secara

32

signifikan. Dengan demikian, dapat disimpulkan bahwa variabel BI rate


kebangkrutan meskipun tidak secara langsung.

C. Review Studi Terdahulu

Penilitian terdahulu akan dijelaskan secara ringkas karena penelitian ini

mengacu pada penelitian sebelumnya. Meskipun ruang lingkup penelitian hampir

sama, akan tetapi terdapat perbedaan di beberapa variabel, objek, dan periode

waktu sehingga dapat menjadi pembeda dan pelengkap dari penelitian

sebelumnya. Berikut adalah ringkasan dari penelitian yang sudah pernah

dilakukan:

Penelitian yang dilakukan oleh Sharfina Putri Kartika bertujuan untuk

menilai tingkat kesehatan Bank Umum Syariah dan juga memprediksi potensi

kebangkrutan dari Bank Umum Syariah itu sendiri. Metode yang digunakan

untuk menilai tingkat kesehatan bank adalah metode RGEC yang pengukurannya

diwakili oleh rasio NPF, LR, ROA, NCOM, dan CAR. Sedangkan untuk

mengukur potensi kebnagnkrutan bank Sharfina menggunakan metode Altman Z-

score yang pengukuruannya diwakili oleh working capital to total assets,

retained earning to total assets, earning before interest and tax to total assets,

dan book value of equity to toal value of equity.

Penelitian yang dilakukan Yayu Kusdiana bertujuan membandingkan

metode mana yang lebih baik digunakan untuk memprediksi kondisi financial

distress Bank Umum yang tercatat di Bursa Efek, antara metode RGEC dengan

metode Altman Z-score.

Jia Chian Wong dan Tze San Ong melakukan penelitian tentang pengaruh

rasio Altman Z-score terhadap financial distress perusahaan yang masuk daftar

bursa efek Malaysia. Variabel dependen adalah nilai Altman Z-score, sedangkan

variabel independen adalah rasio Altman itu sendiri, yaitu WCTA, RETA,

EBITTA, dan MVETL.

Penelitian yang dilakukan Meilita Fitri Rahmania dan Suwardi Bambang

Hermanto bertujuan untuk menguji pengaruh rasio keuangan NPL, NIM, LDR,

33

CAR, ROA, ROE, dan BOPO terhadap kondisi financial distress perusahaan

perbankan yang listed di BEI.

Tabel 2. 7 Ringkasan Penelitian Terdahulu

No.

Judul

Penelitian/Peneliti/

Tahun

Variabel dan Metode Peneltian

Hasil Penelitian

Persamaan Perbedaan

1. Potensi

Kebangkrutan Pada

Sektor Perbankan

Syariah Untuk

Menghadapi

Perubahan

Lingkungan Bisnis

(Dwi Nur’aini

Ihsan & Sharfina

Putri Kartika)

Jurnal Ekonomi

Vol. 4, Oktober

2015, Hal: 113-146

Menggunakan

Altman Z-score

modifikasi

sebagai

prediktor potensi

kebangkrutan

Bank Umum

Syariah di

Indonesia

1. Menggunakan

metode RGEC

untuk menganalisa

tingkat kesehatan

bank.

2. Periode sampel

penelitian seluruh

bank umum

syariah 2010-2014

Hasil penelitian

menunjukkan

tingkat kesehatan

bank umum

syariah

menggunakan

metode RGEC dan

Altman tidak

masuk ke dalam

kategori bangkrut.

2 Analisis Model

CAMEL dan

Altman Z-Score

Dalam

Memprediksi

Kebangkrutan Bank

Umum di Indonesia

(Studi pada Bank

Umum yang

Tercatat di Bursa

Efek Indonesia

Tahun 2007-2011)

(Yayu Kusdiana)

Jurnal Tepak

Manajemen Bisnis

Menggunakan

metode Altman

Z-score untuk

memprediksi

potensi

kebangkrutan di

BUS.

1. Objek

penelitian adalah

perusahaan yang

tercatat di Bursa

Efek Indonesia

tahun 2007-2011

2.Membandingkan

metode CAMEL

dengan metode

Altman Z-Score

dalam

memprediksi

financial distress

Metode Altman Z-

Score lebih baik

dalam

memprediksi

kebangkrutan

Bank Umum di

Indonesia

dibandingkan

dengan model

CAMEL.

34

Vol.VI, No.1,

Januari 2014

BUS.

3. A Revisited of

Altman Z-Score

Model For

Companies Listed

in Busra Malaysia

(Jia Chian Wong

dan Tze San Ong)

International

Journal of Business

Science (2014)

Variabel

dependen adalah

potensi

kebangkrutan

menggunakan

metode Altaman

Z-Score

1. Variabel

independen adalah

rasio WCTA,

RETTA,EBITTA,

dan MVETL

2. Objek

penelitian adalah

perusahaan yang

listed di PN 17

3. Metode

penelitian yang

digunakan adalah

regresi logistik

Hasil penelitian

menyatakan

bahwa dari semua

rasio keuangan

yang dijadikan

variabel

independen, rasio

yang paling

signifikan adalah

rasio Working

Capital to Total

Assets (WCTA)

4. Analisis Rasio

Keuangan

Terhadap Financial

Distress Perusahaan

Perbankan Studi

Empiris di BEI

2010-2012 (Meilita

Fitri Rahmania dan

Suwardi Bambang

Hermanto).

Jurnal Ilmu & Riset

Akuntansi Vol. 3

No. 11, 2014

Variabel

independen

NPF, CAR, dan

LDR

1. Objek dalam

penelitian ini

adalah perusahaan

perbankan yang

terdaftar pada

Bursa Efek

Indonesia (BEI)

pada tahun 2010-

2012.

2. Metode

penelitian yang

digunakan adalah

regresi logistik

Hasil penelitian ini

menunjukkan

bahwa variabel

NPL, NIM, ROE,

dan LDR

berpengaruh

signifikan

terhadap financial

distress

perusahaan

perbankan.

Sedangkan CAR,

ROA, dan BOPO

tidak berpengaruh

35

signifikan..

5. Pengukuran

Tingkat Kesehatan

dan Gejala

Financial Distress

Bank Umum

Syariah

(Muhammad

Nadratuzzaman

Hosen dan Shofaun

Nada)

Jurnal Ekonomia,

Volume 9, Nomor

2, 2013

Menggunakan

Altman Z-score

modifikasi

sebagai

prediktor potensi

kebangkrutan

Bank Umum

Syariah

1. Metode

penelitian adalah

deskriptif yang

digunakan untuk

menganalisa dan

membandingkan

tingkat kesehatan

bank antara

metode CAMELS

dengan metode

Altman.

2. Sampel yang

digunakan adalah

BUS yang telah

beroperasi

minimal lima

tahun pada saat

itu.

Hasil penelitian ini

menunjukkan

bahwa

berdasarkan

analisis dengan

CAMELS,

ditemukan bahwa

ketiga bank

syariah yang

diteliti tergolong

sehat, sedangkan

hasil hasil Altman

Z-score

menyatakan ketiga

bank tersebut

dalam kondisi

bangkrut.

6. Analisis Prediksi

Financial Distress

dengan

Menggunakan

Model Altman Z-

Score Modifikasi

1995

(Muhammad Iqbal

Dwi Nugroho &

Wisnu Mawardi)

Journal of

1. Menggunakan

Altman Z-Score

modifikasi untuk

memprediksi

potensi

kebangkrutan

2. Variabel y

adalah nilai

Altman Z-score

1. Variabel

dependen yang

digunakan adalah

rasio WCTA,

RETA, EBITTA

dan BVETL.

2. Objek

penelitian adalah

perusahaan

manufaktur go

public yang

Berdasarkan

modelAltman Z-

Score, terdapat 10

perusahaan yang

mengalami

distress, dan 78

perusahaan

lainnya masuk

dalam kategori

non distress.

Dalam penelitian

36

Management

(2012)

terdaftar di BEI

ini semua variabel

independen yaitu

WCTA, RETA,

EBITTA, dan

MVETL

berpengaruh

positif terhadap

financial distress.

7. Bank-Specific and

Macroeconomics

Determinants of

Profitability

Bangladesh’s

Commercial Banks

(Fadzlan Sufian dan

Fakarudin

Kamarudin)

The Bangladesh

Development

Studies, Vol. 35,

No.4, Desember

2010, hal. 1-28

1. Menggunakan

metode regresi

data panel

2.Inflasi sebagai

variabel

dependen faktor

eksternal

1. Objek

penelitian adalah

31 Bank Umum di

Bangladesh

2. Variabel Y

adalah

profitabilitas Bank

yang dinilai dari

ROA, ROE dan

NIM

Hasil penelitian

menyatakan

bahwa dari

keenam faktor

internal, variabel

yang berpengaruh

signifikan

terhadap

profitabilitas bank

adalah Earning

Over Total Assets

(ETA), Non

Interest Income

Over Total Assets

(NIITA), Non

Interest Expense

Over Total Assets

(NIETA), Total

Loan Over Totas

Assets

(LOANSTA).

Sedangkan ketiga

37

faktor eksternal

yaitu Gross

Domestic Product

(GDP), Inflasi dan

Global Financial

Crisisberpengaruh

signifikan.

D. Kerangka Pemikiran

Berdasarkan tinjauan literatur dan beberapa referensi dari penelitian

sebelumnya yang sudah dipaparkan, maka penulis mendapat sebuah kerangka

pemikiran sebagai pola dan tahapan dalam penelitian ni, untuk lebih jelasnya

dapat dilihat pada gambar keranga pemikiran yang akan ditampilkan pada

halaman selanjutnya.

38

Gambar 2. 1: Kerangka Penelitian

Laporan Keuangan Bank Umum Syariah

Nilai Z-score (Y)

Z = 6,56 X1 + 3,26 X2 + 6,73 X3 + 1,05 X4


X1 = WC/TA

X2 = RE/TA

X3 = EBI/TA

X4 = BVE/BVTD

Klasifikasi hasil dari perhitungan tersebut

dimasukan ke dalam cut

(X1) = NPF

(X2) = CAR

(X3) = FDR

(X4) = INFLASI

(X5) = BI RATE

Uji Asumsi Klasik:

- Normalitas

- Autokorelasi

- Multikolinearitas

- Heterokedastisitas

Uji Regresi Panel

Common Effect

Uji Hausman

Analisis dan Interpretasi Data

Uji t, Uji F, Uji Koefisien Determinasi (R2)

Kesimpulan dan Saran

Uji Chow

Fixed Effect Random Effect

39

E. Hipotesis

Berdasarkan kerangka teori dan keterkaitan antar variabel dependen

dengan variabel independen yang telah dipaparkan, maka peneliti melakukan

rumusan hipotesis sebagai berikut :

1. Variabel NPF (Non Performing Finance) (X1)

H01: Variabel NPF secara parsial tidak berpengaruh signifikan

terhadap potensi kebangkrutan bank umum syariah.

Ha1: Variabel NPF secara parsial berpengaruh signifikan terhadap

potensi kebangkrutan bank umum syariah.

2. Variabel CAR (Capital Adequacy Ratio) (X2)

H02: Variabel CAR secara parsial tidak berpengaruh signifikan


Ha2: Variabel CAR secara parsial berpengaruh signifikan terhadap


3. Variabel FDR (Financing to Deposit Ratio) (X3)

H03: Variabel FDR secara parsial tidak berpengaruh signifikan


Ha3: Variabel FDR secara parsial berpengaruh signifikan terhadap


4. Variabel Inflasi (X4)

H04: Variabel Inflasi secara parsial tidak berpengaruh signifikan


Ha4: Variabel Inflasi secara parsial berpengaruh signifikan


5. Variabel BI rate (X5)

H05: Variabel BI rate secara parsial tidak berpengaruh signifikan


Ha5: Variabel BI rate secara parsial berpengaruh signifikan

40


6. Pengaruh Simultan

H06: Variabel NPF, CAR, FDR, Inflasi dan BI rate secara simultan

tidak berpengaruh signifikan terhadap potensi kebangkrutan

bank umum syariah.

Ha6 : Variabel NPF, CAR, FDR, Inflasi dan BI rate secara simultan

berpengaruh signifikan terhadap potensi kebangkrutan bank

umum syariah.

41

BAB III

METODOLOGI PENELITIAN

A. Ruang Lingkup Penelitian

Penelitian ini menganalisa faktor internal dan eksternal terhadap potensi

kebangkrutan bank umum syariah yang dilihat dari nilai Z-Score setiap bank.

Terdapat 5 variabel yang digunakan untuk menganalisa faktor internal dan

eksternal penyebab potensi kebangkrutan bank syariah di mana faktor internal

terdiri dari: NPF (Non Performing Finance), CAR (Capital Adequacy Ratio), dan

FDR (Financing to Deposit Ratio) dan faktor eksternal terdiri dari: Inflasi dan BI

rate. Data yang digunakan dalam penelitian ini adalah data sekunder berupa data

laporan keuangan tahunan. Sumber data yang digunakan adalah laporan keuangan

Bank Umum Syariah di Indonesia periode 2011-2015.

B. Metode Penentuan Sampel

Langkah pertama dalam pengambilan sampel adalah menentukan populasi

penelitian. Populasi yang digunakan dalam penelitian ini adalah Bank Umum

Syariah di Indonesia periode 2011-2015. Pertimbangan kriteria tersebut

didasarkan pada kepentingan atau tujuan penelitian. Langkah selanjutnya adalah

menentukan sampel penelitian. Pemilihan sampel sebagai objek penelitian

menggunakan metode purposive sampling, yaitu pemilihan sampel berdasarkan

kriteria tertentu. Berikut adalah kriteria sampel yang digunakan penelitian:

1. Bank Umum Syariah di Indonesia yang tercatat di BI dan OJK tahun

2015

2. Bank Umum Syariah mempunyai kelengkapan data laporan keuangan

yang dibutuhkan dalam penelitian dan telah diaudit serta

dibublikasikan sejak tahun 2011-2015.

3. Bank Umum Syariah yang berdiri kurang dari 10 tahun sampai di

tahun 2015. Tujuan penelitian ini adalah meneliti Bank Umum Syariah

yang memiliki potensi kebangkrutan, oleh karena itu dipilih bank yang

42

berdiri kurang dari 10 tahun, karena bank yang telah berdiri lebih lama

dari itu dianggap sudah memiliki manajemen keuangan yang bagus

dan jauh dari potensi kebangkrutan dibuktikan dengan kemampuannya

bertahan selama lebih dari 10 tahun

4. BUS yang berdiri kurang dari 10 tahun pada tahun 2015 pernah

memiliki nilai Z-score yang masuk ke dalam kategori grey atau

distress zone antara periode 2011-2015 setidaknya satu kali.

Terdapat tujuh Bank Syariah yang baru berdiri kurang dari 10 tahun, bank

tersebut adalah BCA Syariah, Bank BRI Syariah, Bank BJB Syariah, Bank Panin

Syariah, Bank Victoria Syariah, Maybank Syariah, dan Bank Bukopin Syariah.

Akan tetapi nilai Z-score Bank Bukopin Syariah tidak pernah berada pada

kategori grey maupun safe zone selama periode 2011-2015. Sehingga,

berdasarkan kriteria di atas, dari 11 Bank Umum Syariah yang tercatat di BI pada

tahun 2015, hanya terdapat 6 bank yang memenuhi kriteria. Sedangkan lima bank

lainnya tidak masuk ke dalam kriteria di atas. Berikut adalah daftar nama Bank

Umum Syariah yang sesuai dengan kriteria penelitian:

Tabel 3. 1: Daftar Bank Sampel Penelitian

No Nama Bank Umum Syariah

1 Bank BCA Syariah

2 Bank BRI Syariah

3 Bank BJB Syariah

4 Bank Panin Syariah

5 Bank Victoria Syariah

6 Maybank Syariah

C. Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah

metode studi pustaka dan dokumentasi. Studi pustaka yang dilakukan penulis

adalah dengan membaca literatur seperti buku, penelitian terdahulu, jurnal, dan

artikel yang berkaitan dengan penelitian. Tujuan dari dilakukannya studi pustaka

43

adalah untuk memperkuat teori dan menjadi referensi penulis dalam melakukan

penelitian.

Metode dokumentasi adalah pengambilan data berupa data sekunder.

Metode ini dilakukan dengan cara mengambil data dari laporan keuangan bank

umum syariah yang di publikasikan di website masing-masing bank. Data lainnya

seperti inflasi dan tingkat suku bunga diakses melalui internet dengan memasuki

website dari BI (www.bi.go.id).

D. Metode Analisis

1. Altman Z-Score

Metode prediksi kebangkrutan pada mulanya dipelopori oleh Beaver

tahun 1966, kemudian Edward I. Altman tahun 1968 juga melakukan

penelitian tentang financial distress. Seiring dengan berjalannya waktu dan

penyesuaian terhadap jenis perusahaan, Altman kemudian merevisi

modelnya supaya dapat diterapkan pada semua perusahaan, seperti

manufaktur, non manufaktur, dan perusahaan penerbit obligasi di negara

berkembang (emerging market). Dalam model Z-Score ini Altman

mengeliminasi variabel X5 (sales to total asset) karena rasio ini sangat

bervariatif pada industri dengan ukuran aset yang berbeda-beda. (Ramadhan

dan Lukviarman 2009:33)

Dalam metode Altman Z-Score modifikasi ini hanya terdapat empat

rasio yang digunakan. Berikut ini adalah model Altman Z-Score (1995)

modifikasi yang merupakan gabungan dari empat rasio keuangan:




X3 = Earning Before Interest

X4 = Book Value of Equity to Total Liabilities (BVETL)

Z = 6,56 X1 + 3,26 X2 + 6,73 X3 + 1,05 X4

http://www.bi.go.id/

44

Tabel 3. 2: Kriteria Penilaian Altman Z-Score

Jika Z > 2,6 maka termasuk “safe zone”

Jika nilai 1,1 < Z < 2,6 maka termasuk “grey area”

Jika nilai Z < 1,1 maka termasuk “distress zone”


Menurut Nur Hasanah tingkat akurasi dari model Altman Z-Score

ini mencapai 90% dari kejadian yang sebenarnya, dari penelitian ini juga

dapat disimpulkan bahwa semakin dekat dengan saat terjadinya

kebangkrutan, maka semakin besar tingkat validitas hasil dari prediksi

yang dilakukan dengan model (Hasanah, 2010:20)

2. Analisis Deskriptif

Analisis deskriptif memberikan gambaran atau deskripsi suatu data

yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum,

minimum, sum, range, kurtois, dan skewnes (kemencengan distribrusi)

(Ghozali, 2013:19).

Pada penelitian ini, peneliti akan menggambarkan atau

mendeskripsikan data dari masing-masing variabel yang sudah diolah,

sehingga dapat dilihat nilai terendah, nilai tertinggi, nilai rata-rata, dan

deviasi standar dari masing-masing variabel tersebut.

3. Uji Asumsi Klasik

Uji asumsi klasik sering disebut juga dengan analisis residual.

Disebut demikian karena penelitian menganai pelanggaran terhadap

asumsi klasik biasanya dilakukan dengan mengamati pola nilai residual.

Misalnya dilihat keacakan penyebarannya dan fluktuasinya (Gudono,

2012:147),

a. Uji Normalitas

Untuk mendapatkan model regresi yang baik dari sebuah data

maka data harus memiliki distribusi yang normal. Uji signifikansi antara

45

variabel Y (dependen) dengan variabel independen (X) akan menjadi

valid apabila data yang digunakan berdistribusi normal (Gondono:149)

Uji normalitas bertujuan menguji apakah dalam model regresi,

variabel pengganggu atau residual memiliki distribusi normal (Ghazali,

2009:154). Sementara itu menurut (Suliyanto, 2011:70) mengatakan

bahwa uji normalitas dimaksudkan untuk menguji apakah nilai residual

yang telah distandarisasi pada model regresi berdistribusi normal atau

tidak. Dalam melakukan uji nromalitas, terdapat beberapa metode yaitu

uji normalitas dengan analisis grafik, uji normalitas dengan metode

signifikansi Skewness dan Kurtois, uji normalitas dengan Jarque-Bera

(JB Test) dan uji normalitas dengan Kolmogorov-Smirnov. Dalam

penelitian, ini metode yang digunakan untuk uji normalitas adalah

metode signifikansi Skewness dan Kurtois.

Untuk mengetahui data berdistribusi normal atau tidak dengan

menggunakan Uji Jarque-Bera dapat dilakukan pengambilan keputusan

sebagai berikut:

H0 = data berdistribusi normal

Ha = data tidak berdistribusi normal

Jika probability JB lebih besar dari nilai signifikansi 0,05 ( Prob.

JB > 0.05) maka artinya data berdistribusi normal, sebaliknya jika

probability JB lebih lebih kecil dari 0.05 (Prob. JB < 0.05) maka dapat

disimpulkan data tidak berdistribusi normal.

b. Uji Multikolinearitas

Multikolinearitas merupakan peristiwa dimana terjadi linier yang

mendekat sempurna antar dua variable bebas. Uji multikolinearitas

bertujuan untuk menguji apakah model regresi yang terbentuk ada

korelasi yang tinggi atau sempurna di antara variable bebas atau tidak.

menguji apakah model regresi ditemukan adanya korelasi antar variabel

bebas (independen). Data multikolinearitas berhubungan dengan data

standard error yang akan terjadi, apabila uji data menunjukkan

46

multikolinearitas yang tinggi maka koefisien regresi X akan sulit

ditentukan dan mempunyai nilai standard yang tinggi, begitupun yang

terjadi sebaliknya.

Menurut Suliyanto, (Suliyanto, 2011:81) multikolinearitas

merupakan peristiwa dimana terjadi linier yang mendekat sempurna

antar dua variable bebas. Adanya multikolinieritas atau korelasi yang

tinggi antar variabel independen dapat dideteksi dengan beberapa cara,

salah satunya yaitu Tolerance dan Variance Inflation Factor (VIF).

Dalam penelitian ini menggunakan uji multikolinieritas metode

Tolerance dan Variance Inflation Factor (VIF) dimana nilai batas

korelasi antar variabel independen tidak lebih dari 0.90.

Untuk mengetahui data memiliki gejala multikolinearitas atau tidak

dengan menggunakan uji VIF dapat dilakukan pengambilan keputusan

sebagai berikut:

H0 = tidak ada multikolinearitas

Ha = ada multikolinearitas

Jika r < 0.9, maka tidak ada multikolinearitas

Jika r > 0.9 maka ada multikolinearitas

c. Uji Heteroskedastisitas

Heteroskedastisitas adalah keadaan di mana varians (dalam hal ini

varians residual) tidak stabil (konstan). Masalah ini umumnya ditemui

pada data cross section, karena melakukan pengamatan pada banyak

individu di wakru yang sama namun, data time series juga masih

memiliki kemungkinan terkena maslah ini.

Permasalahan heteroskedestisitas yang ada pada data akan

berdampak pada penilaian uji hipotesis yang tidak akurat, sehingga akan

mempengaruhi penarikan kesimpulan penelitian, hal ini dikarrenakan

varian koefisien regresi yang besar (Nachrowi dan Usman, 2016:112)

Menurut Suliyanto, (Suliyanto, 2011:81) Heteroskedastisitas

berarti ada varian variabel pada model regresi yang tidak sama

47

(konstan). Uji heteroskedastisitas bertujuan menguji apakah dalam

model regresi terjadi ketidaksamaan variance dari residual satu

pengamatan kepengamatan yang lain. Jika variance dari residual satu

pengamatan ke pengamatan lain tetap, maka disebut homoskedastisitas

dan jika berbeda disebut heteroskedastisitas.model regresi yang baik

adalah yang homoskedastisitas atau tidak terjadi heteroskedastisitas

(Ghozali, 2016:134)

Ada dua cara untuk mendeteksi ada tidaknya heteroskedastisitas

yaitu metode grafik dan metode statistik. Metode grafik rellatif lebih

mudah dilakukan namun memiliki kelemahan yang cukup signifikan

karena jumlah pengamatan mempengaruhi tampilannya. Semakin sedikit

jumlah pengamatan semakin sulit menginterprestasikan hasil grafik

plots. Sementara itu, metode statistic memiliki beberapa cara dalam

mendeteksi heteroskedastisitas diantaranya yaitu Glesjer, White,

Breusch-Pagan-Godfrey, Harvey, dan Park (Ghozali, 2009:139). Dalam

penelitian ini, cara yang digunakan dalam mendeteksi

heteroskedastisitas adalah metode statistik cara Uji White.

Untuk mengetahui data memiliki gejala heteroskedasitas atau tidak

dengan menggunakan Uji White dapat dilakukan pengambilan keputusan

sebagai berikut:

H0 = tidak ada heteroskedasitas

Ha = ada heteroskedasitas

Bila probabilitas Obs* > 0.0 maka signifikan, H0 diterima

Bila probabilitas Obs* < 0.0 maka signifikan, H0 ditolak

d. Uji autokorelasi

Autokorelasi adalah hubungan antara residual satu observasi

dengan residual observasi lainnya (Winarno, 2015:145). Uji autokorelasi

bertujuan untuk menguji apakah dalam sebuah model regresi linier ada

korelasi antara kesalahan pengganggu pada periode t dengan kesalahan

pada periode t-1 sebelumnya. Autokorelasi muncul karena observasi

48

yang berurutan sepanjang waktu satu sama lainnya. Masalah ini timbul

karena residual (kesalahan pengganggu) tidak bebas dari satu observasi

ke observasi lainnya. Hal ini sering ditemukan pada data rentet waktu

(time series) karena “gangguan” pada seorang individu kelompok

cenderung mempengaruhi “gangguan” pada individu kelompok yang

sama pada periode berikutnya. Pada data cross section (silang waktu),

masalah autokorelasi relatif jarang terjadi karena “gangguan” pada

observasi yang berbeda berasal dari individu kelompok yang berbeda.

Model regresi yang baik adalah regresi yang bebas dari autokorelasi.

(Ghazali, 2016:107)

Ada beberapa cara yang dapat digunakan untuk mendeteksi ada

atau tidaknya autokorelasi diantaranya yaitu metode Durbin-Watson

(DW test), metode Lagrange Multiplier (LM test), metode Breusch-

Godfrey (B-G test) dan metode Run Test. Dalam penelitian ini, penulis

menggunakan uji Lagrange Multiplier (LM test) untuk mendeteksi

autokorelasi.

4. Analisis Data Panel

Persamaan regresi ini bertujuan untuk memprediksi besarnya

keterikatan dengan menggunakan data variabel bebas yang sudah

diketahui besarnya. (Santoso, 2010:163) Variabel-variabel yang terdiri dari

variabel terikat (Y) dan variabel bebas (X). Variabel terikat terdiri dari

satu variabel, yaitu potensi kebangkrutan Bank Syariah yang diukur

dengan nilai Z-Score, dan variabel bebas yang terdiri dari NPF (Non

Performing Financing), WCTA (Working Capital to Total Assets), BOPO

(Biaya Operasional terhadap Pendapatan Operasional), Inflasi, dan BI rate.

Dari variabel-variabel tersebut akan diteliti suatu analisa apakah adanya

pengaruh variabel X terhadap variabel Y dalam analisis regresi panel data.

Y = α + ß1X1 + ß2X2 + + ß3X3 + ß4X4 + ß5X5

keterangan:

α : Konstanta

49

Y : Potensi Kebangkrutan (Nilai Z-Score)

ß1- ß5 : Koefisien Regresi

X1 : NPF (Non Performing Financing)

X2 : CAR (Capital Adequacy Ratio)

X3 : FDR (Financing to Deposit Ratio)

X4 : Inflasi

X5 : BI rate

a. Model Common Effect

Model pertama dalam model panel adalah common effect, analisis

model ini menganggap bahwa perilaku individu akan tetap sama dalam

kurun waktu penelitian. Singkatnya, model ini tidak memperhatikan

perilaku individu dan dimensi waktu, semua dianggap sama.

Model seperti ini diakatakan sebagai model paling sederhana,

dimana pendekatannya mengabaikan dimensi waktu dan ruang yang

dimiliki oleh data panel. Metode yang digunakan untuk mengestimasi

dengan pendekatan ini seperti metode regresi OLS (Ordinary Least

Square). sehingga sering disebut pooled OLS atau common OLS model.

Bila kita punya asumsi bahwa α dan ß akan sama (konstan) untuk setiap

data time series dan cross section, maka α dan ß dapat diestimasi dengan

model berikut: (Suliyanto, 2011:231)

Keterangan :

i : unit cross section

t : periode waktu

b. Model Fixed Effect

Model fix effect memiliki karakteristik khas yang membedakan

antara satu unit observasi dengan unit observasi lainnya yang dpat

diasumsikan tercermin pada perbedaan intercept-nya, sehingga peneliti

Yit= β0 + β1X1it + β2X2it + εit

50

hanya tingga menganalisis koefisien dan signifikansi variabel

independennya.

Pendekatan ini merupakan cara memasukkan “individualitas”

setiap perusahaan atau setiap unit cross-sectional adalah dengan

membuat intersep bervarisi untuk setiap perusahaan tetapi masih tetap

berasumsi bahwa koefisien slope konstan untuk setiap perusahaan.

Model regresinya sebagai berikut: (Suliyanto, 2011:234)

Keterangan :


t : periode waktu

c. Uji Chow

Uji chow adalah uji untuk memilih model terbaik antara model

common effect dan fixed effect. Penilaian uji chow dapat dilihat dari

besaran nilai probabilitas cross section F dan Chi Square. Hipotesis yang

digunakan dalam uji chow adalah sebagai berikut:

Ho : Model menggunakan pendeketan Common Effect

Ha : Model menggunakan pendekatan Fixed Effect Model

Jika nilai probabilitas F-statistik lebih kecil dari tingkat signifikasi

0.05 (5%), maka Ho ditolak. Begitu pula sebaliknya jika nilai

probabilitas F-statistik lebih besar dari tingkat signifikasi (5%), maka Ho

diterima.

d. Model Random Effect

Bila pada Model Efek Tetap, perbedaan antar-individu dan atau

waktu dicerminkan lewat intercept, maka pada Model Efek Random,

perbedaam tersebut diakomodasi lewat error. Teknik ini juga

memperhitungkan bahwa error mungkin berkorelasi sepanjang time

Yit = β0 + β1X1it + β2X2it + β3X3it + β4D1i + β5D2i +…..+ Ɛit

51

series dan cross section. Model persamaan regresinya sebagai berikut:

(Suliyanto, 2011:243)

Teknik ini juga memperhitungkan bahwa error mungkin

berkorelasi sepanjang time series dan cross section. Model persamaan

regresinya sebagai berikut: (Suliyanto, 2011:243)

Keterangan :


t : periode waktu

e. Uji Hausman

Uji hausman dilakukan apabila pada saat uji chow didapat fixed

effect sebagai model terbaik. Pengujian ini dilakukan untuk

mendapatkan model terbaik antara model fixed effect dengan model

random effect. Penilaian uji chow dapat dilihat dari besaran nilai

probabilitas cross section F dan Chi Square. Hipotesis yang digunakan

dalam uji chow adalah sebagai berikut:

Ho : Model menggunakan pendeketan Random Effect

Ha : Model menggunakan pendekatan Fixed Effect Model


0.05 (5%), maka Ho ditolak. Begitu pula sebaliknya jika nilai

probabilitas F-statistik lebih besar dari tingkat signifikasi (5%), maka Ho

diterima.

5. Uji Statistik

a. Uji t

Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh

satu variabel individu independen secara individu dalam menerangkan

variabel dependen (Ghazali, 2016:97). Dengan kata lain, uji t digunakan

Yit = α + α1DX1 it + α2DX2 it + α3DX3 it + α4DX4 it + α5DX5 it + ß1X1

it ß2X2 it + γ1 (X1) + γ2 (X2) + γ3 (X3) + γ4 (X4) + (X5)γ5 + µit

52

untuk menganalisa apakah terdapat hubungan antara variabel X dengan

variabel Y secara parsial (individual).

Uji t dalam penelitian ini menggunakan nilai statistic t (t hitung).

Apabila thitung > ttabel, maka H0 ditolak dan Ha diterima, yang berarti

variabel independen secara parsial mempunyai pengaruh yang signifikan

terhadap variabel dependen dengan menggunakan tingkat signifikan

sebesar 5%.

Selain itu, peneliti juga melakukan uji t dengan melihat nilai

probabilitas. Jika nilai probabilitas lebih kecil daripada 0.05 (untuk

tingkat signifikansi 5%), maka variabel independen secara parsial

berpengaruh terhadap variabel dependen. Sedangkan jika nilai

probabilitas lebih besar dari pada 0.05 maka variabel independen secara

parsial tidak berpengaruh terhadap variabel dependen. Hipotesis yang

digunakan adalah sebagai berikut:

H0 : ß = 0, Tidak terdapat pengaruh signifikan secara parsial antara

variabel independen terhadap variabel dependen.

Ha : ß ≠ 0, Terdapat pengaruh signifikan secara parsial antara

variabel independen terhadap variabel dependen.

Dasar pengambilan keputusan adalah :

Jika Probabilitas < 0.05 maka H0 ditolak

Jika Probabilitas > 0.05 maka H0 diterima

b. Uji F

Uji F digunakan untuk mengevaluasi pengaruh semua variabel

independen terhadap variabel dependen (Widarjono, 2010:22). Dalam

penelitian ini, peneliti menggunakan nilai F statistik (F hitung) untuk

mengetahui apakah secara simultan terdapat hubungan antara variabel

dependen dengan variabel independen. Apabila Fhitung > Ftabel, maka H0

ditolak dan Ha diterima yang berarti variabel independen secara simultan

mempunyai pengaruh yang signifikan terhadap variabel dependen

dengan munggunakan tingkat signifikansi sebesar 5%.

53

Selain itu, peneliti juga melakukan uji F dengan melihat besaran

nilai probabilitas. Jika nilai probabilitas lebih kecil daripada nilai

segifikasi (5%), dapat diartikan bahwa variabel independen secara

simultan mempengaruhi variabel dependen. Begitu pula sebaliknya,

apabila nilai probabilitas lebih besar dari pada nilai signifikasi (5%),

maka variabel independen secara simultan tidak berpengaruh terhadap

variabel dependen.

c. Koefisien Determinasi (Adjusted R2)

Di dalam bukunya, Ghozali menyatakan uji koefisien determinasi

bertujuan untuk melihat seberapa besar kemampuan variabel bebas

menjelaskan variabel terikat yang dilihat melalui adjusted R². Adjusted

R² ini digunakan karena variabel bebas dalam penelitian ini lebih dari

dua.Nilainya terletak antara 0 dan 1. Jika hasil yang diperoleh >0,5,

maka model yang digunakan dianggap cukup handal dalam membuat

estimasi. Semakin besar angka Adjusted R² maka semakin baik model

yangdigunakan untuk menjelaskan pengaruh variabel bebas terhadap

variabelterikatnya. Jika Adjusted R² semakin kecil berarti semakin lemah

model tersebut untuk menjelaskan variabilitas dari variabel terikatnya.

(Ghozali, 2009:177)

E. Operasional Variabel

Berdasarkan perumusahan masalah dalam penelitian, terdapat dua variabel

yaitu variabel dependen dan variabel independen. Variabel dependen dalam

penelitian ini adalah potensi kebangkrutan Bank Umum Syariah yang

diperoleh dari hasil perhitungan Altman Z-Score pada setiap BUS. Sedangkan

untuk variabel independen berjumlah lima variabel yang terdiri dari NPF (Non

Performing Finance), CAR (Capital Adequacy Ratio), FDR (Financing to

Deposit Ratio), Inflasi, dan BI rate. Berikut adalah rasio variabel yang

digunakan:

54

Tabel 3. 3: Operasional Variabel Penelitian

No Variabel Indikator Skala

Pengukuran Definisi

Operasional

1 Potensi

Kebangkrutan

Hasil

perhitungan

Altman Z-score

dari masing-

masing BUS.

Rasio Altman Z-score

Modifikasi merupakan

model prediksi

kebangkrutan yang dapat

digunakan untuk seluruh

jenis perusahaan

(Khairuna, 2017)

2 NPF (Non

Performing

Finance)

Pembiayaan

bermasalah

dibagi total

pembiayaan

Rasio Rasio untuk mengukur

tingkat pembiayaan

macet yang terdapat di

suatu bank yang

merupakan salah satu

indikator kunci menilai

kinerja keuangan bank.

(Setiadi, 2013:217)

3 CAR (Capital

Adequacy

Ratio)

Modal Bank

dibagi Aktiva

Tertimbang

Menurut Resiko

(ATMR)

Rasio CAR adalah rasio kinerja

bank untuk mengukur

kecukupan modal yang

dimiliki bank untuk

menunjang aktiva yang

mengandung resiko

(Dendawijaya, 2009).

4 FDR

(Financing to

Deposit Ratio)

Jumlah kredit

yang disalurkan

dibagi total dana

FDR adalah rasio yang

digunakan untuk

mengukur kemampuan

55

pihak ketiga

ditambah modal

bank dalam membayar

kembali penarikan dana

yang dilakukan deposan

dengan mengandalkan

kredit yang diberikan

sebagai sumber

likuiditasnya

(Dendawijaya, 2009)

5 Inflasi Tingkat

perubahan dari

tingkat harga

secara umum

Rasio Inflasi merupakan

kecenderungan kenaikan

tingkat harga secara terus

menerus dalam periode

tertentu. Kenaikan harga

dari satu dua barang saja

tidak bisa disebut inflasi.

Kecuali bila kenaikan

tersebut meluas dan

mengakibatkan sebagian

besar dari harga barang-

barang lain juga ikut naik

(Tinton, 2015: 4)

6 BI rate Prosentase BI rate adalah suku

bunga kebijakan yang

mencerminka sikap atau

stance kebijakan moneter

yang ditetapkan oleh

bank Indonesia dan

diumumkan kepada

publik (Bank Indonesia)

Sumber: Diolah dari berbagai referensi

56

BAB IV

HASIL DAN PEMBAHASAN

A. Penilaian Potensi Kebangkrutan Bank Umum Syariah

Keberadaan Perbankan Syariah di Indonesia saat ini semakin berkembang

dan diakui eksistensinya. Sebagai lembaga keuangan selayaknya Bank

Konvensional, Bank Syariah juga memiliki wewenang dalam melakukan banyak

aktivitas. Dalam menjalankan aktivitasnya, Bank Syariah tidak lepas dari risiko

yang dapat datang dari mana saja. Apabila risiko tersebut tidak terdeteksi dan

tidak dapat dikelola dengan baik oleh bank, maka dapat menyebakan kerugian

bagi bank. Risiko tersebut bisa berupa penurunan tingkat kesehatan bank hingga

munculnya potensi kebangkrutan.

Untuk mengatasi hal di atas, Bank Syariah perlu mendeteksi adanya

potensi kebangkrutan dan menganalisa faktor penyebab kebangkrutan tersebut

supaya dapat melakukan upaya tindakan pencegahan sehingga bank terhindar dari

kebangkrutan. Salah satu metode terkenal yang dapat digunakan untuk

memprediksi potensi kebangkrutan adalah model Altman Z-Score modifikasi,

yaitu suatu model analisis diskriminan alternatif yang dikembangkan oleh Altman.

Perhitungan nilai potensi kebangkrutan Altman Z-Score modifikasi membutuhkan

4 rasio keuangan yaitu rasio WCTA (Working Capital to Total Assets), RETA

(Retained Earning to Total Assets) EBITTA (Earning Before Interest to Total

Assets), dan BVETL (Book Value of Equity to Total Liabilities). Berikut adalah

hasil perhitungan potensi kebangkrutan Bank Syariah menggunakan model

Altman z-score:

57

Tabel 4. 1: Hasil perhitungan Altman Z-Score

Bank Tahun WCTA

(6,56)

RETA

(3,26)

EBITTA

(6,72)

BVETL

(1,05) Z-Score Ket.

BCAS

2011 2,3968 0,0181 0,0494 0,0466 2,5110 Grey

2012 2,2411 0,0170 0,0460 0,0264 2,3305 Grey

2013 2,6564 0,0203 0,0552 0,0709 2,8028 Safe

2014 3,1027 0,0141 0,0393 0,0652 3,2213 Safe

2015 2,9293 0,0122 0,0493 0,0808 3,0716 Safe

BRIS

2011 3,8998 0,0034 0,0100 0,0590 3,9722 Safe

2012 3,4942 0,0236 0,0658 0,0377 3,6212 Safe

2013 3,1455 0,0243 0,0710 0,0380 3,2788 Safe

2014 2,8216 0,0011 0,0051 0,0384 2,8545 Safe

2015 2,4758 0,0796 0,0047 0,0082 2,5683 Grey

BJBS

2011 4,4077 0,0210 0,0608 0,0268 4,5163 Safe

2012 3,7151 -0,0140 -0,0288 0,2588 3,9311 Safe

2013 3,5199 0,0197 0,0581 0,2375 3,8351 Safe

2014 4,3057 0,0122 0,0392 0,2842 4,6413 Safe

2015 5,8822 0,0164 0,0392 0,4735 2,2415 Grey

BPS

2011 2,9730 0,0296 0,0820 0,1569 2,1682 Grey

2012 1,9137 0,0565 0,1556 0,0424 2,5555 Grey

2013 2,4608 0,0172 0,0484 0,0292 1,2365 Distress

2014 1,0605 0,0373 0,1036 0,0351 0,8462 Distress

2015 0,6649 0,0687 0,0728 0,0398 2,2415 Grey

BVS

2011 6,3539 0,1044 0,2811 0,2006 6,9399 Safe

2012 6,1189 0,0353 0,0742 0,0883 6,3167 Safe

2013 3,5727 0,0100 0,0250 0,1296 3,7373 Safe

2014 2,4259 -0,0438 -0,1167 0,1346 -0,3659 Distress

2015 5,9092 0,0370 -0,1558 0,1563 5,9467 Safe

MBS

2011 3,5956 0,0775 0,2157 0,0198 3,9087 Safe

2012 4,4257 0,0638 0,1831 0,00007 4,6726 Safe

2013 4,6972 0,0586 0,1729 0,0128 4,9415 Safe

2014 4,1358 0,0745 0,2102 0,0100 4,4305 Safe

2015 5,0637 0,0354 -1,1436 1,0044 3,9600 Safe

Sumber: Data diolah

58

Dalam penjelasan sebelumnya telah dijelaskan bahwa di dalam

penelitiannya, Altman menerapkan ambang batas perusahaan yang sehat adalah

apabila nilai Z-Score berada di antara 1,1 dan 2,6. Artinya, jika Z-Score

perusahaan berada di atas 2,6 maka perusahaan dinyatakan sehat dan jika Z-Score

perusahaan berada di antara 1,1 dan 2,6 maka dapat dinyatakan bahwa perusahaan

berpotensi bangkrut. Sedangkan perusahaan dengan nilai Z-Score di bawah 1,1

dapat dikategorikan ke dalam perusahaan yang bangkrut

Dari tabel 4.1 di atas dapat dilihat bahwa terdapat tiga bank dengan

kategori distress, tujuh bank dengan kategori grey, dan sisanya 20 bank dalam

kategori safe. Artinya, dari 30 sampel bank yang digunakan dalam penelitian,

terdapat tiga bank yang berada dalam kategori distress atau berada dalam kategori

bangkrut, yaitu BPS (Bank Panin Syariah) pada tahun 2013 dan 2014, serta BVS

(Bank Victoria Syariah) pada tahun 2014. Tujuh bank lainnya berada dalam

kategori grey zone atau zona abu-abu, bank tersebut terdiri dari: BCA Syariah

tahun 2011 & 2013, BRI Syariah tahun 2015, BJBS tahun 2015, serta BPS pada

tahun 2011, 2012 dan 2015. Sedangkan sisanya, 20 Bank Syariah lainnya berada

dalam kategori aman atau safe zone.

Dari table nilai Z-score di atas, kita dapat melihat bahwa ke enam sampel

Bank Syariah pada tahun 2011 sampai tahun 2015 pernah menduduki kategori

yang tidak aman, yaitu distress zone maupun grey zon, kecuali Maybank Syariah.

Hal itu menunjukkan bahwa Maybank Syariah memiliki kemampuan manajemen

resiko yang baik sehingga dapat terhindar dari keadaan financial distress.

Sebaliknya, nilai Z-score Bank Panin Syariah yang masuk dalam kategori aman

hanya terjadi pada tahun 2015. Pada tahun-tahun sebelumnya nilai Z-score BPS

selalu berada dalam kondisi distress dan grey area.

59

B. Analisis Deskriptif

1. NPF (Non Performing Finance)

Tabel 4. 2: Nilai NPF 6 Bank Umum Syariah tahun 2011-2015

Bank 2011 2012 2013 2014 2015

BCAS 0,0015 0,001 0,001 0,001 0,007

BRIS 0,028 0,030 0,041 0,046 0,049

BJBS 0,014 0,040 0,019 0,058 0,069

BPS 0,009 0,002 0,043 0,053 0,026

BSB 0,017 0,046 0,043 0,041 0,030

BVS 0,024 0,032 0,037 0,071 0,098

MBS 0,000 0,025 0,027 0,050 0,064

Sumber: Laporan Keuangan Bank Umum Syariah

Pembiayaan macet yang tinggi dapat menjadi indikator munculnya

potensi kebangkrutan pada bank tersebut. Hal itu disebabkan karena

berkurangnya pendapatan yang seharusnya sudah didapatkan oleh bank.

Tingkat pembiayaan macet suatu bank dapat dilihat dari rasio NPF (Non

Performing Finance). Adapun standar terbaik NPF adalah kurang dari 5%,

jadi apabila npf suatu bank lebih dari 5% hal itu menunjukkan buruknya

pengelolaan pembiayaan macet yang dapat menimbulkan kerugian bagi

bank.

Dari tabel 4.2 di atas dapat dilihat bahwa secara keseluruhan, sejak

tahun 2011 hingga tahun 2015 tingkat NPF cenderung meningkat. Pada

tahun 2011 ketujuh sampel Bank Syariah masih menunjukkan performa

yang baik dalam mengatasi pembiayaan bermasalah, hal ini dibuktikan

dengan nilai NPF setiap Bank yang berada di tingkat aman yaitu berada

jauh di bawah 5%. Pada tahun 2012 sampai tahun 2013 NPF setiap bank

masih berada di bawah standar 5% akan tetapi nilai tersebut tidak sebaik

nilai NPF di tahun 2011. Kemudian pada tahun 2014 tingkat pembiayaan

60

bermasalah Bank Syariah mulai menunjukkan kondisi yang

menghkawatirkan, hal ini dapat dilihat dari sebagian besar nilai NPF yang

mendekati batas 5% bahkan NPF beberapa Bank sudah berada di atas

batas standar. Nilai NPF pada tahun 2015 tidak jauh berbeda dari tahun

sebelumnya, bahkan pada tahun ini tedapat nilai NPF tertinggi yaitu

sebesar 9,8%.

Dari seluruh Bank Syariah yang dijadikan sampel, Bank BCA

syariah menunjukkan tingkat NPF yang relatif stabil, dan jauh dibawah

5%. Hal itu menunjukkan bahwa Bank BCA syariah dapat mengelola

pembiayaan macet dengan sangat baik. Sebaliknya, Bank Victoria Syariah

menunjukkan nilai NPF yang selalu meningkat dari tahun ke tahun dan

nilai tertinggi terdapat pada tahun 2015 yaitu sebesar 9,8%. Hal ini

menunjukkan bahwa pengelolaan pembiayaan macet pada Bank BVS

kurang baik, sehingga NPF di setiap tahunnya selalu meningkat.

2. CAR (Capital Adequacy Ratio)

Dari data laporan keuangan tahunan Bank Umum Syariah di

Indonesia tahun 2011-2015, maka diperoleh hasil rasio CAR adalah:

Tabel 4. 3: Nilai CAR 6 Bank Umum Syariah tahun 2011-2015

Bank 2011 2012 2013 2014 2015

BCAS 46,90 31,50 22,40 29,60 34,30

BRIS 14,74 11,91 14,49 12,89 13,94

BJBS 30,29 21,09 17,99 15,78 22,53

BPS 61,98 32,20 20,83 25,69 20,30

BVS 45,20 28,08 18,40 15,27 16,14

MBS 73,44 63,89 59,41 52,13 38,40


Dari tabel 4.3 di atas dapat dilihat bahwa pada periode penelitian

keseluruhan yaitu dari tahun 2011 sampai tahun 2015 tidak ada satupun

sampel penelitian Bnk Umum Syariah yang memiliki nilai CAR di bawah

8%. Nilai rasio CAR terendah terdapat pada BRI Syariah di tahun 2012

61

yaitu sebesar 11,91%. Sedangkan rasio CAR tertinggi terdapat pada

Maybank Syariah di tahun 2011 yaitu sebesar 73,44%.

Tabel di atas juga menunjukkan bahwa nilai CAR dari keenam

bank sampel cenderung semakin menurun dari tahun 2011 ke tahun 2015,

namun meskipun cenderung menurun, nilai CAR masih berada di batas

aman yaitu di atas 8%. Hal ini menunjukkan bahwa Bank Syariah

memiliki kecukupan modal yang sangat baik sehingga dapat memback up

aset perusahaan yang beresiko.

3. FDR (Financing to Deposit Ratio)

Dari data laporan keuangan tahunan Bank Umum Syariah di

Indonesia tahun 2011 sampai tahun 2015, maka diperoleh rasio FDR

sebagai berikut:

Tabel 4. 4: Nilai FDR 6 Bank Umum Syariah tahun 2011-2015

Bank

Tahun

2011 2012 2013 2014 2015

BCAS 78,80 79,91 83,48 93,61 91,41

BRIS 90,55 100,96 102,70 84,16 93,90

BJBS 79,61 87,99 97,40 104,75 93,69

BPS 162,97 123,88 90,40 92,89 96,43

BVS 46,08 46,08 84,65 92,12 96,43

MBS 83,80 88,90 93,40 157,80 110,50


Rasio FDR adalah rasio antara jumlah kredit yang diberikan bank

dengan dana yang diterima bank. Rasioa ini dapat digunakan untuk

mengukur tingkat manajemen likuiditas bank. Semakin jumlah

pembiayaan yang disalurkan oleh bank maka akan semakin rendah tingkat

likuiditas bank yang bersangkutan. Namun, di pihak lain, semakin besar

jumlah pembiayaan yang diberikan, diharapkan bank akan mendapatkan

return yang tinggi pula (Wangsawidjaja, 2012:117). Standar rasio FDR

yang masuk ke dalam kategori sehat adalah 100%, Apabila rasio FDR

62

lebih besar dari 100% maka bank tersebut masuk ke dalam kategori tidak

sehat.

Dari tabel di atas dapat dilihat bahwa rasio FDR BPS cenderung

menurun dari tahin 2011 ke tahun 2015. Hal itu dapat menunjukkan bahwa

pada periode tersebut jumlah pembiayaan BPS cenderung berkurang.

Sebaliknya, rasio FDR Bank Victoria Syariah cenderung meningkat dari

tahun 2011 ke tahun 2015. Peningkatan rasio tersebut masih dapat

dikategorikan dalam kondisi aman karena masih berada di bawah nilai

100%. Sedangkan selain kedua bank tersebut, secara keseluruhan tingkat

rasio FDR mereka cenderung berfluktuasi.

Dari keenam sampel Bank Syariah, terdapat empat bank yang

pernah mengalami rasio FDR di atas 100%, bank tersebut adalah BRIS

pada tahun 2012 dan 2013, BJBS pada tahun 2014, Maybank Syariah pada

tahun 2014 dan 2015, serta BPS pada tahun 2011 dan 2012. Rasio FDR

terendah terdapat pada BCA Syariah pada tahun 2011 yaitu sebesar

78,80%, sedangkan rasio FDR tertinggi terdapat pada My Bank Syariah

pada tahun 2014 yaitu sebesar 157,80%.

4. Inflasi

Dari Laporan Keuangan yang dikeluarkan oleh Bank Indonesia

diperoleh data tingkat inflasi dari tahun 2011 sampai tahun 2015 sebagai

berikut:

Tabel 4. 5: Tingkat inflasi tahun 2011-2015

Tahun Inflasi

2011 0,038

2012 0,043

2013 0,084

2014 0,084

2015 0,034

Sumber: website BI

Dari tabel 4.5 di atas dapat dilihat bahwa dari tahun 2011 sampai

tahun 2014 inflasi selalu selalu meningkat kemudian turun di tahun 2015.

Tingkat inflasi tertinggi berada di tahun 2013 dan 2014 yaitu sebesat

63

8,4%. Sedangkat inflasi terendah terdapat pada tahun 2015 dengan nilai

inflasi sebesar 3,4%. Hal ini menunjukan bahwa pada tahun 2015

pemerintah berhasil menurunkan jumlah uang beredar yang terlalu banyak

pada tahun sebelumnya dengan melakukan kebijakan moneter. Fenomena

ini dibuktikan dengan kenaikan yang terjadi pad BI rate di tahun 2014

yaitu sebesar 7,8%.

Nilai inflasi yang terlalu tinggi dapat berpengaruh terhadap pola

saving dan pembiayaan nasabah. Tingginya nilai inflasi cenderung

membuat nasabah enggan untuk menabung karena biaya untuk memenuhi

kebutuhan sehari-harinya bertambah. Selain itu, berkurangnya daya beli

masyarakat ketika inflasi juga dapat berpengaruh pada kemampuan

nasabah dalam memenuhi kewajiban atas pembiayaannya. Fenomena

tersebut sesuai dengan kenyataan bahwa ketika terjadi tingkat inflasi

tertinggi yaitu di tahun 2013 dan tahun 2014, statistika perbankan syariah

juga menunjukkan perubahan yang drastis pada nilai NPF Bank Syariah

dari tahun sebelumnya. Saat itu NPF naik drastis dari 2,22 (2012) menjadi

4,95% (2014).

5. BI rate

Menurut McConell Brue, yang dimaksud dengan suku bunga

adalah harga yang dibayarkan untuk penggunaan uang. Ini merupakan

harga yang harus peminjam bayar kepada pemberi pinjaman untuk

mentransfer daya beli di masa depan. (McConnell, 2008:259). Berikut

adalah data BI rate dalam bentuk desimal sejak tahun 2011 sampai tahun

2015:

Tabel 4. 6: Tingkat BI rate tahun 2011-2015

Tahun BI rate

2011 0,060

2012 0,058

2013 0,057

2014 0,078

2015 0,075

Sumber: website BI

64

Tabel di atas menunjukkan tingkat BI rate yang sedikit fluktuatif

yaitu terjadi perubahan dari tahun ke tahun namun perubahannya tidak besar.

Tingkat BI rate sempat turun dari tahun 2011 ke tahun 2012 kemudian turun

lagi 1% dari tahun 2012 (5,8%) ke tahun 2013 (5,7%), akan tetapi tingkat BI

rate naik pada tahun 2014. Tingkat BI rate tertinggi berada di tahun 2014

yaitu sebesar 0,078 atau 7,8%. Kemudian pada tahun 2015 BI rate kembali

turun meskipun penurunannya masih lebih besar daripada tingkat BI rate di

tahun 2013 (5,7%), yaitu sebesar 0,075 atau 7,5%.

BI rate adalah suku bunga yang ditetapkan oleh Bank Indonesia

sebagai salah satu instrumen kebijakan moneter. Ketika inflasi dinilai terlalu

tinggi maka Bank Indonesia akan menaikkan tingkat BI rate untuk

mengurangi peredaran uang di masyarakat sehingga inflasi dapat terkendali.

Fungsi BI rate ini sesuai dengan fenomena yang ada yaitu ketika inflasi tinggi

di tahun 2014, Bank Indonesia menaikkan tingkat BI rate juga di tahun

tersebut yaitu sebesar 7,8%.

C. Analisis Uji Asumsi Klasik

1. Uji normalitas

Uji Normalitas berfungsi untuk menguji apakah variabel dependen,

independen, atau keduanya berdistribusi normal atau tidak. Salah satu cara

untuk melihat normalitas residual adalah dengan menggunakan metode

Jarque-Bera (JB). Model regresi yang baik adalah data berdistribusi normal.

Dalam software Eviews, normalitas sebuah data dapat diketahui dengan

membandingkan nilai Jarque-Bera. Uji JB dapat dilihat didapat dari

histogram normality. (Ghozali,2013:165).

65

Gambar 4. 1: Hasil Uji Normalitas

0

1

2

3

4

5

6

7

8

9

-3.0 -2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0

Series: ResidualsSample 1 30Observations 30

Mean -7.25e-16Median 0.399321Maximum 1.587986Minimum -2.879050Std. Dev. 1.032202Skewness -0.735995Kurtosis 3.184092

Jarque-Bera 2.750807Probability 0.252738

Berdasarkan gambar 4.1 di atas, dapat dilihat nilai JB (JarqueBera)

sebesar 1.675951, dengan probabilitas sebesar 2,750807. Hal ini menunjukkan

bahwa nilai probabilitas lebih besar dari nilai signifikan 0,05 (0,252738>0.05),

oleh karena itu maka Ho diterima dan dapat disimpulkan bahwa dalam data

penelitian ini berdistribusi normal.

2. Uji Multikolinearitas

Uji multikolinearitas bertujuan untuk menguji apakah dalam regresi

ditemukan adanya korelasi yang tinggi atau sempurna antar variabel

independen (Ghozali,2013:79). Metode yang digunakan untuk uji

multikolinearitas dalam penelitian ini adalah metode perhitungan koefisien

korelasi, di mana jika hubungan antara variabel yang satu dengan yang lainnya

di bawah 0.90, maka antar variabel tersebut tidak terdapat gejala

multikolinearitas. Sebaliknya, jika koefisien korelasi yang dihasilkan di atas

0.90 maka dapat dikatakan terdapat gejala multikolinearitas. Berikut adalah

hasil uji multikolinearitas menggunakan Eviews 9.0:

66

Tabel 4. 7: Hasil Uji Multikolinearitas

NPF LN_CAR LN_FDR INFLASI BIRATE

NPF 1.000000 -0.421217 0.167676 0.023149 0.425511

CAR -0.421217 1.000000 0.043088 -0.238067 -0.347606

FDR 0.167676 0.043088 1.000000 0.155876 0.281883

INFLASI 0.023149 -0.238067 0.155876 1.000000 0.609881

BIRATE 0.425511 -0.347606 0.281883 0.609881 1.000000

NPF WCTA BOPO INFLASI BIRATE

Berdasarkan tabel di atas dapat dilihat bahwa nilai korelasi antar

variabel independen tidak ada yang berada di atas 0.90. Nilai korelasi variabel

independen tertinggi hanya mencapai 0.609881, yaitu antara inflasi dengan BI

rate. Karena semua nilai korelasi variabel independen lebih kecil dari 0.90,

maka Ho diterima, sehingga dapat dikatakan tidak terjadi gejala

multikolinearitas pada kelima variabel independen tersebut dan pengujian

dapat dilanjutkan ke tahap selanjutnya.

3. Uji Heteroskidesitas

Uji Heteroskedastisitas bertujuan untuk menguji apakah model

dalam model regresi terjadi variance dari residual satu pengamatan ke

pengamatan yang lain. Model regresi yang baik adalah homoskedastisitas atau

tidak terjadi heteroskedastisitas (Ghozali,2013:95). Untuk menguji

heteroskedastisitas dapat dilihat dari hasil uji white dengan menggunakan

aplikasi eviews 9.0. Apabila nilai probabilitas Chi-Square>0.05 maka H0

diterima. Berikut adalah hasil uji heterskedastisitas menggunakan metode uji

white:

Tabel 4. 8: Hasil Uji Heterokedastisitas

Heteroskedasticity Test: White F-statistic 0.736701 Prob. F(5,24) 0.6033

Obs*R-squared 3.991734 Prob. Chi-Square(5) 0.5506

Scaled explained SS 2.789861 Prob. Chi-Square(5) 0.7323

67

Berdasarkan uji heteroskedastisitas di atas dapat diketahui bahwa nilai

probability Chi-Square sebesar 0.5506>0.05, dengan hasil tersebut dapat

dinyatakan bahwa H0 diterima dan dapat disimpulkan bahwa tidak terdapat

gejala heteroskedastisitas pada model yang digunakan dalam penelitian ini.

4. Uji Autokorelasi

Uji atutokorelasi bertujuan menguji apakah dalam suatu model

regresi linear terdapat korelasi antar kesalahan pengganggu (residual) pada

periode t dengan kesalahan pada periode t-l (sebelumnya) (Ghozali,2013:137).

Uji autokorelasi dapat dilakukan melalui uji LM Test yang

kemudian hasilnya dapat dilihat dari nilai probabilitas Chi-Square. Jika

probabilitas Chi-Square lebih besar dari tingkat signifikansi 5% maka dapat

dikatakan tidak terdapat autokorelasi. Berikut adalah hasil uji autokorelasi

menggunakan EViews 9.0:

Tabel 4. 9: Hasil Uji Autokorelasi

Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.007177 Prob. F(2,22) 0.9929


Dari hasil uji autokorelasi di atas dapat diketahui nilai probabilitas

Chi-Square sebesar 0,9903. Hasil nilai probabilitas Chi-Square 0,9903>0.05

menandakan bahwa tidak terjadi gejala autokorelasi dalam model.

D. Pemilihan Model Regresi Data Panel

Dari analisa model panel data dikenal tiga macam pendekatan estimasi

yaitu pendekatan kuadrat terkecil atau Common Effect Model (CEM),

pendekatan efek tetap atau Fixed Effect Model (FEM) dan pendekatan efek

acak atau Random Effect Model (REM).

1. Common Effect Model (CEM)

Langkah pertama dilakukan pengolahan data menggunakan

pendekatan Common Effect Model (CEM) secara sederhana

68

menggabungkan (pooled) seluruh data times series dan cross section,

kemudian mengestimasikan model dengan menggunakan metode Ordinary

Least Square (OLS) sebagai salah satu syarat melakukan Uji-F Restricted.

Hasil pengolahan menggunakan program Eviews 9.0 didapatkan hasil

analisis data sebagai berikut:

Tabel 4. 10: Regresi Data Panel Common Effect Model

Dependent Variable: Y?

Method: Pooled Least Squares

Date: 03/11/18 Time: 22:55

Sample: 2011 2015

Included observations: 5

Cross-sections included: 6

Total pool (balanced) observations: 30 Variable Coefficient Std. Error t-Statistic Prob. C 12.91546 4.168813 3.098115 0.0049

NPF? 0.531467 0.122297 4.345723 0.0002

LN_CAR? 1.384367 0.460707 3.004873 0.0061

LN_FDR? -2.553206 0.887582 -2.876587 0.0083

INFLASI? 0.078018 0.124698 0.625658 0.5374

BIRATE? -0.615653 0.369177 -1.667635 0.1084 R-squared 0.555686 Mean dependent var 3.596769

Adjusted R-squared 0.463120 S.D. dependent var 1.548530

S.E. of regression 1.134640 Akaike info criterion 3.267364

Sum squared resid 30.89778 Schwarz criterion 3.547604

Log likelihood -43.01046 Hannan-Quinn criter. 3.357015

F-statistic 6.003169 Durbin-Watson stat 1.911919

Prob(F-statistic) 0.000974

2. Fixed Effect Model (FEM)

Langkah kedua dilakukan pengolahan data menggunakan

pendekatan Fixed Effect Model untuk membandingkan dengan metode

Common Effect Model. Berikut adalah hasil pengolahan data

menggunakan aplikasi Eviews 9.0:

69

Tabel 4. 11: Regresi Data Panel Fixed Effect Model



Date: 03/11/18 Time: 22:56

Sample: 2011 2015




NPF? 0.432156 0.181478 2.381315 0.0279

LN_CAR? 2.690547 0.943049 2.853029 0.0102

LN_FDR? -1.527087 1.093951 -1.395937 0.1788

INFLASI? 0.058040 0.129475 0.448276 0.6590

BIRATE? -0.281067 0.412013 -0.682180 0.5034

Fixed Effects (Cross)

_BCAS—C -0.324159

_BRIS—C 1.041429

_BJBS—C 1.051386

_BPS—C -1.108268

_BVS—C 0.616446

_MBS—C -1.276833 Effects Specification Cross-section fixed (dummy variables) R-squared 0.683126 Mean dependent var 3.596769







3. Uji Chow

Uji Chow berfungsi untuk memilih metode panel yang cocok

digunakan dalam model, apakah dengan metode Common Effect Model

atau dengan metode Fixed Effect Model. Di bawah ini adalah hasil uji

Chow menggunakan Eviews 9.0:

70

Tabel 4. 12: Hasil Uji Chow

Redundant Fixed Effects Tests

Pool: Untitled

Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 1.528280 (5,19) 0.2281

Cross-section Chi-square 10.140825 5 0.0713

Nilai yang harus diperhatikan pada uji chow adalah nilai probabilitas

dari F-Statistik. Hipotesis yang digunakan dalam uji chow adalah sebagai

berikut:

H0 : Common Effect Model (CEM)

Ha : Fixed Effect Model (FEM)


(5%), maka tolak H0, sebaliknya padabila nilai F-statistik lebih besar dari

0.05 maka H0 diterima. Nilai probabilitas F-statistik model pertama adalah

0,2281 yaitu lebih besar dari tingkat signifikansi (0.2281>0.05) dengan

demikian metode data panel yang tepat antara Common Effect Model

(CEM) dengan Fixed Effect Model (FEM) adalah Common Effect Model

(CEM). Hasil uji Chow menunjukan tingkat signifikansi pada 0.0713,

sehingga kesimpulan yang diambil adalah menerima H0 dan model yang

dipilih adalah Common Effect Model (CEM).

E. Analisis dan Interpretasi Regresi Data Panel

Hasil Uji Chow dan Uji Hausman menunjukkan bahwa di antara model

common effect, fixed effect, dan random effect, model terbaik yang dapat dipakai

dalam penelitian adalah common effect. Berikut adalah hasil olah data common

effect:

71

Tabel 4. 13: Hasil Uji Common Effect Model (CEM)



Date: 03/11/18 Time: 22:55

Sample: 2011 2015




NPF? 0.531467 0.122297 4.345723 0.0002

LN_CAR? 1.384367 0.460707 3.004873 0.0061

LN_FDR? -2.553206 0.887582 -2.876587 0.0083

INFLASI? 0.078018 0.124698 0.625658 0.5374








Berdasarkan tabel di atas, maka diperoleh model regresi antara variabel

dependen (potensi kebangkrutan) dan variabel independen (NPF, CAR, FDR,

Inflasi, dan BI rate) sebagai berikut:

Returnit= 12.91546 + 0.531467NPFit + 2.553206CAR_LNit –

0.1695884FDR_LNit + 0.025228INFLASIit – 2.079577BIRATEit

Dari hasil regresi pada tabel di atas akan dilakukan analisis persamaan

regresi panel, uji t, uji F, dan uji keofisien determinasi R2 untuk mendapat

penjelasan mengenai hasil penelitian.

1. Persamaan Linear Berganda

Dari persamaan di atas dapat dijelaskan bahwa:

a. Konstanta sebesar 12.91546 menunjukkan bahwa jika seluruh variabel

independen (NPF, CAR, FDR, Inflasi, dan BI rate) berada pada posisi

konstan atau bernilai 0, maka potensi kebangkrutan memiliki nilai sebesar

12.91546.

72

b. Koefisien regresi NPF memiliki nilai sebesar 0.53146, yang artinya

apabila terjadi kenaikan nilai pada variabel NPF sebesar 1%, maka akan

menaikan tingkat potensi kebangkrutan sebesar 0.53146.

c. Koefisien regresi CAR memiliki nilai sebesar 2.553206, yang artinya

apabila terjadi kenaikan pada nilai variabel CAR sebesar 1%, maka akan


d. Koefisien regresi FDR memiliki nilai sebesar -0.1695884, yang artinya

apabila terjadi kenaikan pada nilai variabel FDR sebesar 1%, maka akan

menurunkan tingkat potensi kebangkrutan sebesar 0.1695884.

e. Koefisien regresi Inflasi memiliki nilai sebesar 0.025228, yang artinya

apabila terjadi kenaikan pada nilai variabel inflasi sebesar 1%, maka akan


f. Koefisien regresi BI rate memiliki nilai sebesar -2.079577, yang artinya

apabila terjadi kenaikan pada nilai variabel BI rate sebesar 1%, maka akan

menurunkan tingkat potensi kebangkrutan sebesar 2.079577.

2. Uji t

Uji-t bertujuan untuk mengetahui pengaruh secara parsial variabel-variabel

independen yaitu NPF (Non Performing Finance), CAR (Capital Adequacy

Ratio), FDR (Financing to Deposit Ratio), Inflasi, dan BI rate terhadap

variabel dependen yaitu potensi kebangkrutan. Salah satu cara untuk

melakukan uji-t adalah dengan melihat nilai probabilitasnya. Apabila nilai

prob. < tingkat signifikan 0.05, maka dapat disimpulkan bahwa variabel

independen secara parsial mempengaruhi variabel dependen. Selain dengan

penilaian dari probabilitasnya, uji t juga bisa dilihat dari nilai t statistik dan t

tabelnya, apabila t statistik > t tabel maka terdapat pengaruh antara variabel

dependen terhadap variabel independen. Nilai t tabel dalam penelitian ini

dengan nilai signifikansi 0.05 (5%) dan df= (n-k), df= 25 adalah sebesar

2.059539. Berikut ini merupakan hasil output uji t:

73

Tabel 4. 14: Hasil Uji t

Dependent Variable: Y? Method: Pooled Least Squares Date: 03/11/18 Time: 22:55 Sample: 2011 2015 Included observations: 5 Cross-sections included: 6 Total pool (balanced) observations: 30

Variable Coefficient Std. Error t-Statistic Prob. C 12.91546 4.168813 3.098115 0.0049

NPF? 0.531467 0.122297 4.345723 0.0002

LN_CAR? 1.384367 0.460707 3.004873 0.0061

LN_FDR? -2.553206 0.887582 -2.876587 0.0083

INFLASI? 0.078018 0.124698 0.625658 0.5374








a. Analisis Pengaruh NPF (Non Performing Finance) terhadap Potensi

Kebangkrutan

Nilai koefisien NPF sebesar 0.531467 menunjukkan hubungan

positif terhadap potensi kebangkrutan. Hasil nilai t hitung yang lebih besar

dari t tabel (4.345723 > 2.059539) dengan nilai probabilitas NPF sebesar

0.0002<0.05 maka Ho ditolak dan Ha diterima sehingga dapat disimpulkan

bahwa secara parsial, NPF memiliki pengaruh signifikan terhadap potensi

kebangkrutan BUS.

Kesimpulan ini sejalan dengan hasil penelitian yang dilakukan oleh

Risky Ludi Wicaksana (2011) yang menyatakan bahwa secara parsial

variabel NPL berpengaruh positif signifikan terhadap kondisi bermasalah

sektor perbankan. Meilita Fitri Rahmania (2014) juga mengungkapkan

bahwa NPL (dalam bank syariah NPF) berpengaruh positif terhadap

potensi kebangkrutan perusahaan perbankan dengan nilai signifikansi

sebesar 0,011 yang lebih kecil dari nilai signifikansi 0,05. Akan tetapi

74

hasil penelitian ini bertolak belakang dengan penelitian yang dilakukan

oleh Christiana Kurniasari (2013) yang mengungkapkan bahwa NPL tidak

berpengaruh secara signifikan terhadap probabilitas potensi kebangkrutan

perbankan Indonesia.

Jadi, hasil analisis di atas menunjukkan bahwa variabel NPF (Non

Performing Finance) berpengaruh positif signifikan terhadap potensi

kebankrutan bank syariah. Hal ini disebabkan karena bank harus

mengeluarkan biaya yang tinggi untuk cadangan apabila terjadi penuruan

pendapatan akibat besarnya tingkat NPF. NPF (Non Performing Finance)

adalah rasio untuk menilai pembiayaan bermasalah dalam Bank Syariah,

rasio NPF yang tinggi menunjukkan bahwa jumlah pembiayaan

bermasalah pada bank tersebut semakin besar. Tingkat pembiayaan

bermasalah yang tinggi akan menurunkan pendapatan bank yang mana

dapat menurunkan profitabilitas, sehingga kemungkinan akan potensi

terjadinya kebangkrutan semakin besar pula.

b. Analisis Pengaruh CAR (Capital Adequacy Ratio) terhadap Potensi

Kebangkrutan

Nilai koefisien CAR 1.384367 menunjukkan hubungan positif

terhadap potensi kebangkrutan. Hasil nilai t hitung (3.004873 > 2.059539)

dengan nilai probabilitas CAR sebesar 0.0061<0.05 maka Ho ditolak dan

Ha diterima sehingga dapat disimpulkan bahwa secara parsial, CAR

memiliki pengaruh signifikan terhadap potensi kebangkrutan BUS.

Hasil penelitian ini sesuai dengan hipotesis sebelumnya pada Bab

III akan tetapi tidak sesuai dengan teori yang menjelaskan mengenai

hubungan antara CAR dengan financial distress, karena hasil penelitian

menunjukkan hasil yang positif, sedangkan berdasarkan teori adalah

negatif. Dari hasil penelitian ini dapat disimpulkan bahwa semakin kecil

nilai CAR tidak berarti memungkinkan terjadinya potensi kebangkrutan,

begitupula sebaliknya semakin tinggi nilai CAR tidak berarti

memungkinkan dapat menurunkan potensi kebangkrutan bank. Hasil ini

75

sesuai dengan penelitian yang dilakukan oleh Rendra Pratama (2016).

Pratama mengatakan bahwa rasio CAR yang sangat tinggi tidak selalu

memberikan hasil yang baik bagi pengelolaan aktiva yang beresiko yang

akan berdampak pada tingkat kesehatan bank, hal ini dikarenakan bank

yang tidak mampu dalam mengelola aktiva yang beresiko tersebut, atau

dapat diindikasikan bank tersebut tidak cukup melakukan perluasan dalam

melakukan investasi pada aktiva yang beresiko dalam memperoleh

pendapatan bagi bank. Hasil ini juga sejalan dengan penelitian yang

dilakukan Kurniasari (2013) akan tetapi berbeda dengan penelitian

Rahmania (2014) yang menyatakan bahwa CAR memiliki hubungan

postitif namun tidak signifikan terhadap financial distress.

Kesimpulan dari hasil uji di atas adalah secara parsial, terdapat

pengaruh yang signifikan dengan arah positif antara variabel CAR

(Capital Adequacy Ratio) terhadap potensi kebangkrutan Bank Syariah.

Rasio CAR yang semakin tinggi tidak berarti dapat menurunkan potensi

kebangkrutan Bank Syariah sebagaimana telah dijelaskan di atas.

c. Analisis Pengaruh FDR (Financing to Deposit Ratio) terhadap Potensi

Kebangkrutan

Nilai koefisien FDR -2.553206 menunjukkan hubungan negatif

terhadap potensi kebangkrutan. Hasil nilai t hitung<dari t tabel (-2.876587

< 2.059539) dengan nilai probabilitas FDR sebesar 0.0083<0.05 maka Ho

ditolak dan Ha diterima sehingga dapat disimpulkan bahwa secara parsial,

FDR memiliki pengaruh signifikan terhadap potensi kebangkrutan BUS.

Hasil penelitian ini sesuai dengan hipotesis sebelumnya pada Bab

III akan tetapi tidak sesuai dengan teori yang menjelaskan mengenai

hubungan antara FDR dengan financial distress, karena hasil penelitian

menunjukkan hasil yang negatif, sedangkan berdasarkan teori adalah

positif. Hal ini menunjukkan bahwa semakin tinggi nilai FDR memiliki

kemungkinan untuk dapat menurunkan potensi kebangkrutan, karena rasio

LDR menunjukkan jumlah pembiayaan yang tinggi sehingga diharapkan

76

dapat mempengaruhi pendapatan suatu bank dalam mendapatkan

keuntungan dari pembiayaan yang disalurkan tersebut.

Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh

Kurniasari (2013), Istria Sari (2014) dan Rahmania (2014) yang

menyatakan bahwa rasio FDR berpengaruh positif signifikan terhadap

probabilitas kebangkrutan bank. Penelitian yang dilakukan oleh Andari

dan Wiksuana (2017) juga memiliki hasil yang negatif antara FDR dengan

financial distress namun tidak signifikan. Penelitian tersebut mengatakan

bahwa LDR atau FDR dalam Bank Syariah dapat dijadikan sebagai tolak

ukur kinerja suatu perbankan yang berfungsi sebagai lembaga

intermediasi. Besarnya LDR yang disalurkan mengindikasikan bahwa

manajemen bank memiliki kemampuan yang baik dalam hal memasarkan

dana yang semakin baik, walaupun belum maksimal, sehingga hal tersebut

mencerminkan semakin rendahnya kemungkinan terjadinya potensi

kebangkrutan.

d. Analisis Pengaruh Inflasi terhadap Potensi Kebangkrutan

Nilai koefisien Inflasi 0.078018 menunjukkan hubungan positif

terhadap potensi kebangkrutan. Hasil nilai t hitung yang lebih kecil dari t

tabel (0.625658 < 2.059539) dengan nilai probabilitas Inflasi sebesar

0.5374>0.05 maka Ho diterima dan Ha ditolak sehingga dapat disimpulkan

bahwa secara parsial, Inflasi tidak berpengaruh signifikan terhadap potensi

kebangkrutan BUS.

Hasil penelitian ini sejalan dengan penelitian Nurul

Sulistiyaningsih (2017) yang menyatakan bahwa inflasi tidak berpengaruh

signifikan terhadap financial distress Bank Syariah maupun Bank

Konvensional. Hasil ini juga didukung oleh Rosanna (2007) yang

mengatakan bahwa pada saat inflasi tinggi maka masyarakat lebih percaya

terhadap perbankan syariah dibandingkan dengan perbankan kinvensional.

Kepercayaan masyarakat tersebut juga dimungkinkan karena adanya

pengalaman historis pada saat terjadi krisis ekonomi tahun 1997, di mana

77

pada masa tersebut tingkat inflasi di Indonesia sangat tinggi dan akahirnya

mengakibatkan banyak Bank Konvensional yang mengalami kebangkrutan

akibat menerapkan tingkat bunga yang terlalu tinggi untuk mengimbangi

laju inflasi serta untuk menarik nasabah agar tetap menempatkan dananya

sehingga mengakibatkan terjadinya negative spread dan pada akhirnya

bank tersebut tidak dapat mengembalikan dana masyarakat yang telah

disimpan beserta bunganya.

Hasil penelitian ini juga didukung Anas Tinton (2015) yang

menyatakan bahwa Inflasi tidak berpengaruh signifikan terhadap

profitabilitas bank. Hasil penelitian tersebut dapat dijadikan variabel

perantara yang artinya profitabilitas bank yang baik menandakan bank

jauh dari potensi kebangkrutan. Oleh karena itu Inflasi yang tidak

berpengaruh signifikan terhadap profitabilitas bank, secara tidak langsung

ia juga tidak berpengaruh terhadap potensi kebangkrutan.

Dari penelitian di atas, dapat ditarik kesimpulan bahwa variabel

inflasi tidak berpengaruh langsung terhadap potensi kebangkrutan Bank

Syariah, Inflasi yang tinggi belum tentu memperbesar potensi

kebangkrutan Bank Syariah. Hal ini menunjukkan bahwa operasional

Bank Syariah tidak bergantung kepada bunga sehingga ketika terjadi

inflasi, uang yang dikelola Bank Syariah tidak akan terlalu bergejolak.

e. Analisis Pengaruh BI rate terhadap Potensi Kebangkrutan

Nilai koefisien BI rate -0.615653 menunjukkan hubungan negatif

terhadap potensi kebangkrutan. Hasil nilai t statistik yang lebih kecil dari t

tabel (-1.667635 < 2.059539) dengan nilai probabilitas BI rate sebesar

0.1084>0.05 maka Ho diterima dan Ha ditolak sehingga dapat disimpulkan

bahwa secara parsial, BI rate tidak berpengaruh signifikan terhadap

potensi kebangkrutan BUS.

Hasil penelitian ini sejalan dengan penelitian Nurul

Sulistiyaningsih (2017) yang menyatakan bahwa BI rate tidak

berpengaruh signifikan terhadap financial distress Bank Syariah. Hasil

78

penelitian ini juga didukung penelitian yang dilakukan oleh Hidayati

(2014 yang menyatakan bahwa BI rate tidak berpengaruh signifikan

terhadap profitabilitas bank. Hasil penelitian tersebut dapat dijadikan

variabel perantara yang artinya apabila profitabilitas bank baik,

menandakan bank jauh dari potensi kebangkrutan. Oleh karena itu BI rate

yang tidak berpengaruh signifikan terhadap profitabilitas bank, secara

tidak langsung ia juga tidak berpengaruh terhadap potensi kebangkrutan.

Hasil uji t di atas menunjukkan BI rate tidak mempunyai pengaruh

signifikan terhadap potensi kebangkrutan bank syariah. Dapat ditarik

kesimpulan bahwa kenaikan BI rate tidak mempengaruhi bank syariah

secara langsung. Hal tersebut dikarenakan dalam pelaksanaan usahanya

bank syariah tidak mengacu pada tingkat suku bunga. Selain itu, bank

syariah juga telah melakukan beberapa kebijakan internal, di antaranya

dengan menaikkan nisbah bagi hasil yang ditawarkan untuk

mengantisipasi kenaikan BI rate (Hidayati, 2014:94).

3. Uji F

Pengujian secara simultan atau uji F digunakan untuk menguji

pengaruh variabel independen secara bersama-sama terhadap variabel

dependen. Apabila probabilitas < 0.05 maka H0 ditolak dan Ha diterima,

sehingga dapat disimpulkan bahwa variabel independen berpengaruh

secara simultan terhadap variabel dependen. Sebaliknya, apabila nilai

probabilitas>0.05 maka H0 diterima dan Ha ditolak dan dapat disimpulkan

bahwa variabel independen secara simultan tidak berpengaruh terhadap

variabel dependen. Berikut ini adalah hasil dari uji hipotesis secara

simultan:

79

Tabel 4. 15: Hasil Uji F

R-squared 0.555686 Mean dependent var 3.596769







Berikut ini merupakan hipotesis pengujian Uji F:

H0 =Tidak terdapat pengaruh signifikan antara NPF (Non Performing

Finance), CAR (Capital Adequacy Ratio), FDR (Financing to

Deposit Ratio), Inflasi, dan BI rate terhadap potensi kebangkrutan

secara simultan.

Ha =Terdapat pengaruh signifikan antara NPF (Non Performing

Finance), CAR (Capital Adequacy Ratio), FDR (Financing to

Deposit Ratio), Inflasi, dan BI rate terhadap potensi kebangkrutan

secara simultan.

Berdasarkan hasil output uji F pada tabel 4.19 menunjukkan bahwa

nilai F hitung sebesar 6.003169 sedangkan nilai F tabel dengan nilai

signifikansi 0.05 (5%) dan df1 (k-1) = 4 dan df2 (n-k) = 25 diperoleh nilai

F tabel sebesar 2.75871 . sehingga dapat dikatakan bahwa F hitung > F

tabel (6.003169>2.75871). Selain itu, terlihat dalam nilai probabilitas F-

statistik sebesar 0.000000 yang lebih kecil dari nilai signifikansi 0,05 (5%)

(0.000974<0.005) maka keputusan yang diambil adalah menolak H0.

Dengan demikian, dapat disimpulkan bahwa NPF (Non Performing

Finance), CAR (Capital Adequacy Ratio), FDR (Financing to Deposit

Ratio), Inflasi, dan BI rate secara simultan mempunyai pengaruh yang

signifikan terhadap potensi kebangkrutan.

80

4. Uji Koefisien Determinasi (R2)

Koefisien determinasi digunakan untuk mengetahui seberapa besar

kemampuan model dalam penelitian menerangkan variabel dependen.

Koefisien determinasi dapat dilihat pada tabel berikut:

Tabel 4. 16: Hasil Uji Koefisien Determinasi

R-squared 0.555686 Mean dependent var 3.596769







Berdasarkan tabel 4.20 dapat diketahui nilai Adjusted R-squared

adalah sebesar 0,463120. Hal ini menunjukkan bahwa variabel potensi

kebangkrutan dapat dijelaskan oleh variabel independen yaitu NPF (Non


Deposit Ratio), Inflasi, dan BI rate sebesar 46%, sedangkan sisanya 54%

dijelaskan oleh faktor lain. Variabel independen yang berpengaruh

terhadap financial distress diantaranya adalah NPF, CAR, dan FDR.

Ketiga variabel tersebut adalah faktor internal, sedangkan faktor eksternal

dalam penelitian ini (Inflasi dan BI rate) tidak berpengaruh signifikan

terhadap potensi kebangkrutan.

81

BAB V

KESIMPULAN DAN SARAN

A. Kesimpulan

Penelitian ini dilakukan terhadap 30 bank umum syariah di

Indonesia selama periode tahun 2011-2015. Penelitian ini menganalisis

pengaruh faktor internal dan faktor eksternal yang terdiri dari NPF (Non


Deposit Ratio), Inflasi, dan BI rate terhadap potensi kebangkrutan Bank

Syariah yang dinilai dari hasil Altman Z-Score modifikasi. Berdasarkan

analisa dan pembahasan pengujian hipotesis dengan menggunakan regresi

panel, didapat kesimpulan sebagai berikut:

1. Secara parsial, ketiga variabel bebas faktor internal yang terdiri dari

NPF, CAR, dan FDR berpengaruh signifikan signifikan terhadap

potensi kebangkrutan Bank Syariah. Berdasarkan hasil uji t maka dapat

diketahui bahwa:

a. Variabel NPF berpengaruh signifikan dan positif terhadap

potensi kebangkrutan dengan nilai signifikansi 0.0002 dan

nilai koefisien 0.531467.

b. Variabel CAR berpengaruh signifikan dan positif terhadap


nilai koefisien 1.384367

c. Variabel FDR berpengaruh signifikan dan negatif terhadap


nilai koefisien -0.615653.

2. Kedua variabel bebas faktor eksternal yang terdiri dari Inflasi dan BI

rate tidak memiliki pengaruh signifikan terhadap potensi kebangkrutan

Bank Syariah. Berdasarkan hasil uji t maka dapat diketahui bahwa:

a. Variabel Inflasi tidak memiliki pengaruh signifikan dengan

nilai positif dengan nilai signifikansi 0.5374 dan nilai koefisien

0.078018.

82

b. Variabel BI rate tidak memiliki pengaruh signifikan dengan

nilai positif dengan nilai signifikansi 0.1084 dan nilai koefisien

-0.615653

3. Secara simultan, seluruh variabel bebas yaitu NPF, CAR, FDR, Inflasi,

dan BI rate berpengaruh terhadap potensi kebangkrutan bank syariah.

Hal ini ditunjukan dari nilai F hitung > F tabel (6.003169>2.75871)

dan dengan nilai prob. Sebesar 0.000974 yang lebih kecil dari nilai

signifikansi 0.05 (5%).

4. Variabel CAR merupakan variabel independen yang paling dominan

mempengaruhi potensi kebangkrutan Bank Syariah sengan nilai

koefisien sebesar 1.384367.

B. Saran

Peneliti menyadari bahwa penelitian ini masih jauh dari

kesempurnaan. Untuk itu berdasarkan hasil penelitian, maka penulis

memberikan saran sebagai berikut:

1. Bagi Bank

a. Nilai NPF pada keenam Bank Umum Syariah yang cenderung

mengalami kenaikan pada tahun 2014 dan tahun 2015, bahkan

beberapa bank seperti BPS dan BVS memiliki nilai NPF di atas

5%. Sesuai hasil penelitian, NPF yang tinggi dapat berpengaruh

positif signifikan terhadap potensi kebangkrutan bank. Oleh karena

itu Bank Syariah perlu meningkatkan kinerja yang berkaitan

dengan pembiayaan untuk meminimalisir risiko yang

mengakibatkan nilai NPF tinggi, seperti dengan selalu melakukan

analisis kredit menggunakan penilaian 6C (character, capital,

capacity, conditions of economy, collateral, dan constraints)

terhadap nasabah yang mengajukan pembiayaan.

b. Nilai CAR pada keenam BUS berada jauh di atas rata-rata 8% yang

telah ditetapkan oleh Bank Indonesia, yang berarti bahwa bank

memiliki cadangan permodalan yang cukup. Namun, sesuai hasil

83

penelitian yang menyatakan bahwa CAR berpengaruh positif

signifikan terhadap potensi kebangkrutan, Bank Syariah harus lebih

memperhatikan apakah pengelolaan aktiva produktif yang beresiko

sudah maksimal atau belum.

c. Nilai FDR keenam BUS secara umum rata-rata sekitar 80-90%.

Meskipun nilai FDR hampir mencapai batas yang ditentukan yaitu

100%, namun tidak berarti bank berada dalam keadaan tidak sehat

atau bangkrut. Dengan nilai FDR yang tinggi diharapkan

pendapatan bank dapat meningkat melalui pembayaran pembiayaan

oleh para deposan. Bank Syariah perlu memaksimalkan kinerja

dalam pengawasan terhadap pembiayaan yang telah diberikan

supaya lancar, dan mempertahankan nilai FDR agar tidak

terlampau tinggi, sehingga bank jauh dari potensi kebangkrutan.

2. Bagi Akademisi

Sebagai tambahan referensi untuk peneliti selanjutnya yang

meneliti tentang potensi kebangkrutan Bank Syariah disarankan untuk

menggunakan metode lain yang lebih cocok dan terbaru selain metode

Altman Z-score, sehingga hasilnya dapat lebih maksimal. Selain itu,

peneliti selanjutnya disarankan untuk menggunakan variabel eksternal

lain yang memiliki kemungkinan berpengaruh terhadap potensi

kebangkrutan Bank Syariah.

84

DAFTAR PUSTAKA

Adityantoro, Y. Widi Kurnia, “Faktor-Faktor yang Mempengaruhi

Profitabilitas Perbankan di Indonesia”. Diponegoro Jurnal of

Accounting, Tahun 2013, ISSN: 2337-3806

Alim, Syahirul. “Analisis Pengaruh Inflasi dan BI rate Terhadap Return On

Assets (ROA) Bank Syariah di Indonesia”. Jurnal Modernisasi, Vol. 10,

No. 3, Oktober 2014.

Altman, Edward. I, “Financial Ratios, Discriminant Analysis and the

Prediction of Coorporate Bankrupcty”. Journal of Finance, September

1968.

Altman, E. “Coorporate Financial Distress”. New York: John Wiley & Sons,

1983.

Altman, E., Haertzell, J. dan Peck, M.. “Emerging Markets Coorporate

Bonds: A Scoring System”. New York: Wiley and Sons. 1995

Andari, Ni Made Meliani dan I Gusti Bagus Wicaksuana. “ RGEC Seabagai

Determinasi Dalam Menanggulangi Financial Distress Pada Perusahaan

Perbankan di Bursa Efek Indonesia”. E-Jurnal Manajemen Uund, Vol. 6,

No. 1, 2017: 116-145

Aprylia, Cindy. “Analisis Potensi Financial Distress Dengan Metode Altman

Z-Score pada Bank Umum Syariah di Indonesia Periode Tahun 2010-

2014”. Skripsi S1 Fakultas Ekonomi dan Bisnis Universitas Islam

Negeri Syarif Hidayatullah Jakarta. 2016

Arifin, Zainul. Dasar-Dasar Manajemen Bank Syariah. Edisi Revisi. Jakarta:

Pustaka Alvabet. 2006

Boediono dan Wayan Koster. Teori dan Aplikasi Statistika dan Probabilitas,

Cet. Ketiga. Bandung: PT Remaja Rosdakarya, 2004.

Brigham, Eugene F. dan Joel F. Housten. DasarDasar Manajemen Keuangan.

Jakrta: Salemba Empat. 2006

Dendawijaya, Lukman. Manajemen Perbankan. Jakarta: Ghalia Indonesia.

2009

85

Ghazali, Imam. 2005. Aplikasi Analisis Multivariate dengan Program SPSS.

Badan Penerbit Universitas Diponegoro.

Ghazali, Imam. Analisis Multivariat dan Ekonometrika. Semarang: UNDIP.

2016

Harahap, Sofyan S. Analisis Kritis Atas Laporan Keuangan. Jakarta: PT. Raja

Grafindo Persada, 2009.

Harahap, Sofyan S, dkk. Akuntansi Perbankan Syariah: Edisi Revisi. Jakarta:

Lembaga Penerbit Fakultas Ekonomi Universitas Trisakti (LPFE-

USAKTI) 2014.

Harmono, Manajemen Keuangan Berbasis Balanced Scorecard. Jakarta: PT.

Bumi Aksara, 2014.

Hasanah, Nur. “Analisis Rasioa Keuangan Model Altman dan Model

Springate sebagai Early Warning System Terhadap Prediksi Kondisi

Bermasalah pada Bank Go Public”. Skripsi S1 Fakultas Ekonomi dan

Ilmu Sosial Universitas Islam Negeri Syarih Hidayatullah Jakarta. 2010.

Hidayati, Amalia Nurul. “Pengaruh Inflasi, BI rate dan Kurs Terhadap

Profitabilitas Bank Syariah di Indonesia”. Jurnal An-Nisbah, Vol. 01,

Oktober 2014.

Ihsan, D. N. Analisis Laporan Keuangan Perbankan Syariah. Ciputat: UIN

Jakarta Press. 2013.

Kamarudin, Fakarudin dan Fadzlan Sufian. “Bank-Specific and

Macroeconomics Determinants of Profitability Bangladesh’s

Commercial Banks. The Bangladesh Development Studies, Vol. 35,

No.4, Desember 2010, hal. 1-28

Kartika, Sharfina Putri & Dwi Nuraini Ihsan. “Potensi Kebangkrutan Pada

Sektor Perbankan Syariah Untuk Menghadapi Perubahan Lingkungan

Bisnis”. Jurnal Ekonomi Vol. 4, Oktober 2015, hal: 113-146

Kasmir. Bank dan Lembaga Keuangan Lainnya. Edisi Revisi. Jakarta: PT.

Raja Grafindo Persada. 2008

Khadapi, Muamar. “Pengaruh CAR, ROA, BOPO, dan FDR Terhadap

Financial Distress Bank Umum Syariah di Indonesia Periode 2014-

86

2016”. Skripsi S1 Fakultas Ekonomi dan Bisnis Universitas Islam

Negeri Syarif Hidayatullah Jakarta. 2017

Kodifikasi Peraturan Bank Indonesia Kelembagaan Penilaian Tingkat

Kesehatan Bank.

Kurniasari, Christiana. “Analisis Pengaruh Rasio CAMEL dalam

Memprediksi Financial Distress Perbankan Indonesia”. Skripsi S1

Fakultas Ekonomika dan Bisnis Universitas Diponegoro. 2013.

Lukviarman, Niki dan Ayu Suci Ramdhani. “Perbandingan Analisis Prediksi

Kebangkrutan Menggunakan Model Altman Pertama, Altman Revisi,

dan Altman Modifikasi Dengan Ukuran dan Umur Perusahaan Sebagai

Variabel Penjelas”. Jurnal Siasat Bisnis Vol. 13 No. 1, April 2009: 15-28

Masyhud, Ali. Manajemen Resiko: Strategi Perbankan dan Dunia Usaha

Menghadapi Tantangan Globalisasi Bisnis. Jakarta: PT. Raja Grafindo

Persada. 2006

Muhammad Iqbal Dwi Nugroho “Analisis Prediksi Financial Distress Dengan

Menggunakan Model Altman Z-score Modifikasi 1995 (Studi kasus

pada perusahaan manufaktur yang go publik di Indonesia tahun 2008

sampai dengan tahun 2010)”. Skripsi S1 Fakultas Ekonomika dan Bisnis

Universitas Diponegoro Semarang. 2012.

Nada, Shofaun & Muhammad Nadratuzzaman Hosen. “Pengukuran Tingkat

Kesehatan dan Gejala Financial Distress Bank Umum Syariah” Jurnal

Ekonomia, Volume 9, Nomor 2, 2013.

Purbayati, Radia. “Analisis Prediksi Faktor Penyebab Probabilitas

Kebangkrutan Bank”. Jurnal Ekonomi, Keuangan, Perbankan, Dan

Akuntansi Vol. 2, No. 2, November 2010. Hal. 229-243.

Rahmania, Meilita Fitri dan Suwardi Bambang Hermanto. “Analisis Rasio

Keuangan Terhadap Financial Distress Perusahaan Perbankan Studi

Empiris di BEI 2010-2012”. Jurnal Ilmu & Riset Akuntansi Vol. 3, No.

11. 2014.

87

Rosanna, Dahlia Rizky. “Pengaruh Inflasi, Nilai Tukar dan Suku Bunga SBI

Terhadap Profitabilitas Perbankan Syariah di Indonesia Tahun 2002-

2006”. Jurnal bisnis dan Manajemen 2 (3). 2007

ST. Ibrah Mustafa Kamal “Analisis Prediksi Kebangkrutan Pada Perusahaan

Go Public di Bursa Efek Indonesia (dengan menggunakan model Altman

Z-score)”. Skripsi S1 Fakultas Ekonomi dan Bisnis Universitas

Hasanuddin Makasar. 2012.

Sarwono, Jonathan. Prosedur-Prosedur Aplikasi Riset Skripsi Dan Tesis

dengan Eviews. Yogyakarta: Penerbit Gava Media. 2016

Sulistiyaningsih, Nurul. “Analisis Pengaruh Variabel Makro dan Rasio

Keuangan Untuk Memprediksi Kondisi Financial Distress Bank Umum

Syariah dan Bank Konvensional dengan Model Logistic Regression di

Indonesia. Skripsi S1 Fakultas Ekonomi dan Bisnis Islam Universitas

Islam Negeri Sunan Kalijaga. 2017

Suliyanto. Ekonometrika Terapan - Teori dan Aplikasi dengan SPSS.

Yogyakarta: ANDI. 2011

Tinton, Anas. “Pengaruh Variabel Makroekonomi Terhadap Profitabilitas

Perbankan Syariah di Indonesia Periode 2010-2013”. Skripsi S1 Fakultas

Ekonomi dan Bisnis Universitas Muhammadiyah Surakarta. 2015

Wicaksana, Rizki Ludy. “Analisis Pengaruh Rasio CAMEL Terhadap Kondisi

Bermasalah pada Sektor Perbankan di Indonesia”. Skripsi S1 Fakultas

Ekonomi Universitas Diponegoro. 2011

Widarjono, Agus. Analisis Statistika Multivariat Terapan. Yogyakarta: Unit

Penerbit dan Percetakan STIM YKPN. 2010

Wong, Jia Chian dan Tze San Ong. “A Revisited of Altman Z-Score Model For

Companies Listed in Busra Malaysia”. Malaysia: International Journal

of Business and Social Science, Vol. 5 No. 12. 2014

88

LAMPIRAN

Lampiran 1 : Daftar Bank Umum Syariah tahun 2015

No Bank Umum

Syariah

Kode Spin-Off

Bank Umum Syariah Nasional (BUSN) Devisa

1 Bank Muamalat

Syariah

BMS November

1991

2 Bank Syariah

Mandiri

BSM November

1999

3 Bank Negara

Indonesia Syariah

BNIS April 2000

4 Bank Mega Syariah BMS Juli 2004

Bank Umum Syariah Nasional (BUSN) Non Devisa

5 Bank Rakyat

Indonesia Syariah

BRIS Desember

2008

6 Bank Syariah

Bukopin

BSB Oktober

2008

7 Bank Panin Syariah BPS Oktober

2009

8 Bank Jabar Banten

Syariah

BJBS Januari

2010

9 Bank Centra Asia

Syariah

BCAS April 2010

10 Bank Victoria

Syariah

BVS Aril 2010

Bank Umum Syariah (BUS) CampuranMei 2014

11 Maybank Syariah MBS Oktober

2010

89

Lampiran 2: Angka dalam variabel Z-Score BUS tahun 2011-2015

No Bank Tahun TA RE EBIT BE TL

1 BCAS 2.011 1.217.097 6.773 8.950 8.439 190.216

2

2.012 1.602.181 8.360 10.961 6.767 268.793

3

2.013 2.041.419 12.701 16.761 18.569 275.000

4

2.014 2.994.449 12.950 17.498 20.311 326.917

5

2.015 4.349.600 16.230 31.900 25.376 329.616

6 BRIS 2.011 11.200.823 11.654 16.701 125.327 2.230.290

7

2.012 14.088.914 101.888 138.052 123.065 3.431.739

8

2.013 17.400.914 129.568 183.942 163.163 4.504.515

9

2.014 20.343.249 6.577 10.378 151.925 5.610.590

10

2.015 24.230.247 591.958 16.907 170.843 21.907.000

11 BJBS 2.011 2.849.451 18.395 25.769 8.927 350.268

12

2.012 4.239.449 (18.180) (18.180) 141.149 572.584

13

2.013 4.695.088 28.316 40.571 160.886 711.187

14

2.014 6.090.945 22.744 34.313 160.785 594.012

15

2.015 6.439.996 32.312 15.949 236.764 525.022

16 BPS 2.011 1.016.878 9.233 12.410 24.446 163.564

17

2.012 2.140.482 37.099 49.572 24.761 612.730

18

2.013 4.052.701 21.332 29.162 28.527 1.026.305

19

2.014 6.207.679 70.939 95.732 29.861 892.549

20

2.015 7.135.417 150.456 77.305 31.901 841.347

21 BVS 2.011 642.026 20.559 26.852 12.317 64.479

22

2.012 939.472 10.164 10.374 13.568 161.411

23

2.013 1.323.398 4.075 4.928 14.171 114.822

24

2.014 58.393 (785) (25.049) 15.629 121.900

25

2.015 1.379.265 15.659 (31.985) 16.556 111.207

26 MBS 2.011 1.692.959 40.269 54.350 11.300 598.773

27

2.012 2.062.552 40.353 56.187 8.545 522.991

28

2.013 2.299.971 41.367 59.188 6.138 505.245

29

2.014 2.449.723 55.953 76.637 4.743 497.768

30

2.015 2.299.643 24.994 (391.351) 2.162 512.714

31 BSB 2.011 2.730.027 12.209 15.023 57.646 2.474.252

32

2.012 3.616.108 17.298 24.354 24.761 3.343.035

33

2.013 4.343.069 19.548 27.245 28.257 4.047.138

34

2.014 5.161.300 8.662 12.552 29.861 4.656.884

35

2.015 5.827.154 14.849 40.666 15.301 5.194.071

90

Lampiran 3: Perhitungan Altman Z-Score

Bank Tahun WCTA

(6,65)

RETA

(3,26)

EBITTA

(6,72)

BVETL

(1,05) Z-Score

BCAS 2011 2,3968 0,0181 0,0494 0,0466 2,5110

2012 2,2411 0,0170 0,0460 0,0264 2,3305

2013 2,6564 0,0203 0,0552 0,0709 2,8028

2014 3,1027 0,0141 0,0393 0,0652 3,2213

2015 2,9293 0,0122 0,0493 0,0808 3,0716

BRIS 2011 3,8998 0,0034 0,0100 0,0590 3,9722

2012 3,4942 0,0236 0,0658 0,0377 3,6212

2013 3,1455 0,0243 0,0710 0,0380 3,2788

2014 2,8216 0,0011 0,0051 0,0384 2,8545

2015 2,4758 0,0796 0,0047 0,0082 2,5683

BJBS 2011 4,4077 0,0210 0,0608 0,0268 4,5163

2012 3,7151 -0,0140 -0,0288 0,2588 3,9311

2013 3,5199 0,0197 0,0581 0,2375 3,8351

2014 4,3057 0,0122 0,0392 0,2842 4,6413

2015 5,8822 0,0164 0,0392 0,4735 2,2415

BPS 2011 2,9730 0,0296 0,0820 0,1569 2,1682

2012 1,9137 0,0565 0,1556 0,0424 2,5555

2013 2,4608 0,0172 0,0484 0,0292 1,2365

2014 1,0605 0,0373 0,1036 0,0351 0,8462

2015 0,6649 0,0687 0,0728 0,0398 2,2415

BVS 2011 6,3539 0,1044 0,2811 0,2006 6,9399

2012 6,1189 0,0353 0,0742 0,0883 6,3167

2013 3,5727 0,0100 0,0250 0,1296 3,7373

2014 2,4259 -0,0438 -0,1167 0,1346 -0,3659

2015 5,9092 0,0370 -0,1558 0,1563 5,9467

MBS 2011 3,5956 0,0775 0,2157 0,0198 3,9087

2012 4,4257 0,0638 0,1831 0,00007 4,6726

2013 4,6972 0,0586 0,1729 0,0128 4,9415

2014 4,1358 0,0745 0,2102 0,0100 4,4305

2015 5,0637 0,0354 -1,1436 1,0044 3,9600

BSB 2011 6,5155 0,0146 0,0370 0,0245 6,5916

2012 6,2822 0,0156 0,0453 0,0078 6,3508

2013 5,9488 0,0147 0,0422 0,0074 6,0131

2014 5,7215 0,0055 0,0166 0,0067 5,7501

2015 5,8121 0,0083 0,0469 0,0031 5,8703

91

Lampiran 4 : Data Variabel Penelitian

Bank Tahun Y NPF LN_CAR LN_FDR INFLASI BIRATE

BCAS 2011 2,5110 0,15 3,85 4,37 3,75 6,00

2012 2,3305 0,10 3,45 4,38 4,30 5,75

2013 2,8028 0,10 3,11 4,42 8,34 7,50

2014 3,2213 0,10 3,39 4,54 8,36 7,75

2015 3,0716 0,70 3,54 4,52 3,35 7,50

BRIS 2011 3,9722 2,77 2,69 4,51 3,75 6,00

2012 3,6212 3,00 2,48 4,61 4,30 5,75

2013 3,2788 4,06 2,67 4,63 8,34 7,50

2014 2,8545 4,60 2,56 4,43 8,36 7,75

2015 2,5683 4,90 2,63 4,54 3,35 7,50

BJBS 2011 4,5163 1,36 3,41 4,38 3,75 6,00

2012 3,9311 3,97 3,05 4,48 4,30 5,75

2013 3,8351 1,86 2,89 4,58 8,34 7,50

2014 4,3880 5,84 2,76 4,65 8,36 7,75

2015 5,9839 6,90 3,11 4,54 3,35 7,50

BPS 2011 3,2415 0,88 4,13 5,09 3,75 6,00

2012 2,1682 0,20 3,47 4,82 4,30 5,75

2013 2,5555 4,27 3,04 4,50 8,34 7,50

2014 1,2365 0,53 3,25 4,53 8,36 7,75

2015 0,8462 2,63 3,01 4,57 3,35 7,50

BVS 2011 6,9399 2,26 3,81 3,83 3,75 6,00

2012 6,3167 2,43 3,34 3,83 4,30 5,75

2013 3,7373 3,19 2,91 4,44 8,34 7,50

2014 0,1143 3,71 2,73 4,52 8,36 7,75

2015 5,9467 7,10 2,78 4,57 3,35 7,50

MBS 2011 3,9087 0,00 4,30 4,42 3,75 6,00

2012 4,6726 2,49 4,16 4,49 4,30 5,75

2013 4,9415 2,69 4,08 4,54 8,34 7,50

2014 4,4305 5,04 3,95 5,06 8,36 7,75

2015 3,9600 6,40 3,65 4,71 3,35 7,50

92

Lampiran 5: Uji Asumsi Klasik

1. Uji Normalitas

0

1

2

3

4

5

6

7

8

9

-3.0 -2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0

Series: ResidualsSample 1 30Observations 30

Mean -7.25e-16Median 0.399321Maximum 1.587986Minimum -2.879050Std. Dev. 1.032202Skewness -0.735995Kurtosis 3.184092

Jarque-Bera 2.750807Probability 0.252738

2. Uji Multikolinearitas

NPF LN_CAR LN_FDR INFLASI BIRATE

NPF 1.000000 -0.421217 0.167676 0.023149 0.425511

CAR_LN -0.421217 1.000000 0.043088 -0.238067 -0.347606

FDR_LN 0.167676 0.043088 1.000000 0.155876 0.281883

INFLASI 0.023149 -0.238067 0.155876 1.000000 0.609881

BIRATE 0.425511 -0.347606 0.281883 0.609881 1.000000

3. Uji Heterokedastisitas

Heteroskedasticity Test: White F-statistic 0.736701 Prob. F(5,24) 0.6033


Scaled explained SS 2.789861 Prob. Chi-Square(5) 0.7323

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 03/15/18 Time: 15:07

Sample: 1 30

93

Included observations: 30 Variable Coefficient Std. Error t-Statistic Prob. C 0.761281 3.029456 0.251293 0.8037

NPF^2 -0.015024 0.026490 -0.567141 0.5759

LN_CAR^2 -0.088065 0.093108 -0.945843 0.3537

LN_FDR^2 -0.034639 0.140690 -0.246210 0.8076

INFLASI^2 -0.005381 0.016053 -0.335194 0.7404

BIRATE^2 0.048189 0.042562 1.132209 0.2687 R-squared 0.133058 Mean dependent var 1.029926

Adjusted R-squared -0.047555 S.D. dependent var 1.548115






4. Uji Autokorelasi

Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.007177 Prob. F(2,22) 0.9929


Test Equation:

Dependent Variable: RESID

Method: Least Squares

Date: 03/15/18 Time: 15:05

Sample: 1 30


Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-Statistic Prob. C 0.060859 4.523776 0.013453 0.9894

NPF -0.002509 0.130329 -0.019249 0.9848

LN_CAR 0.016746 0.504989 0.033161 0.9738

LN_FDR -0.030409 1.055338 -0.028814 0.9773

INFLASI 0.001388 0.131949 0.010517 0.9917

BIRATE 0.002989 0.402255 0.007430 0.9941

RESID(-1) -0.008355 0.233682 -0.035752 0.9718

RESID(-2) 0.028100 0.255889 0.109814 0.9136 R-squared 0.000652 Mean dependent var -7.25E-16

Adjusted R-squared -0.317322 S.D. dependent var 1.032202






94

Lampiran 6: Estimasi Regresi Data Panel

1. Common Effect Model (CEM)



Date: 03/15/18 Time: 13:57

Sample: 2011 2015




NPF? 0.531467 0.122297 4.345723 0.0002

LN_CAR? 1.384367 0.460707 3.004873 0.0061

LN_FDR? -2.553206 0.887582 -2.876587 0.0083

INFLASI? 0.078018 0.124698 0.625658 0.5374








2. Fixed Effect Model (FEM)



Date: 03/15/18 Time: 13:58

Sample: 2011 2015




NPF? 0.432156 0.181478 2.381315 0.0279

LN_CAR? 2.690547 0.943049 2.853029 0.0102

LN_FDR? -1.527087 1.093951 -1.395937 0.1788

INFLASI? 0.058040 0.129475 0.448276 0.6590

BIRATE? -0.281067 0.412013 -0.682180 0.5034

Fixed Effects (Cross)

_BCAS--C -0.324159

_BRIS--C 1.041429

_BJBS--C 1.051386

_BPS--C -1.108268

_BVS--C 0.616446

_MBS--C -1.276833

95

Effects Specification Cross-section fixed (dummy variables) R-squared 0.683126 Mean dependent var 3.596769







3. Uji Chow

Redundant Fixed Effects Tests

Pool: Untitled

Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 1.528280 (5,19) 0.2281

Cross-section Chi-square 10.140825 5 0.0713

Cross-section fixed effects test equation:


Method: Panel Least Squares

Date: 03/15/18 Time: 13:59

Sample: 2011 2015




NPF? 0.531467 0.122297 4.345723 0.0002

LN_CAR? 1.384367 0.460707 3.004873 0.0061

LN_FDR? -2.553206 0.887582 -2.876587 0.0083

INFLASI? 0.078018 0.124698 0.625658 0.5374








96

4. Random Effect Model (REM)


Method: Pooled EGLS (Cross-section random effects)

Date: 03/15/18 Time: 13:58

Sample: 2011 2015



Total pool (balanced) observations: 30

Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C 12.05412 4.206614 2.865515 0.0085

NPF? 0.518399 0.125485 4.131162 0.0004

LN_CAR? 1.449365 0.485607 2.984644 0.0064

LN_FDR? -2.433703 0.885576 -2.748157 0.0112

INFLASI? 0.074316 0.119667 0.621023 0.5404

BIRATE? -0.591542 0.357849 -1.653052 0.1113

Random Effects (Cross)

_BCAS--C 0.018080

_BRIS--C 0.036819

_BJBS--C 0.166207

_BPS--C -0.175686

_BVS--C 0.021114

_MBS--C -0.066534 Effects Specification

S.D. Rho Cross-section random 0.275523 0.0614

Idiosyncratic random 1.076924 0.9386 Weighted Statistics R-squared 0.524328 Mean dependent var 3.121992


S.E. of regression 1.111922 Sum squared resid 29.67291


Prob(F-statistic) 0.002047 Unweighted Statistics R-squared 0.554333 Mean dependent var 3.596769

Sum squared resid 30.99187 Durbin-Watson stat 1.862569

5. Uji Hausman

Correlated Random Effects - Hausman Test

Pool: Untitled

Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

97

Cross-section random 0.000000 5 1.0000 * Cross-section test variance is invalid. Hausman statistic set to zero.

Cross-section random effects test comparisons:

Variable Fixed Random Var(Diff.) Prob. NPF? 0.432156 0.518399 0.017188 0.5107

LN_CAR? 2.690547 1.449365 0.653527 0.1247

LN_FDR? -1.527087 -2.433703 0.412483 0.1581

INFLASI? 0.058040 0.074316 0.002444 0.7420

BIRATE? -0.281067 -0.591542 0.041699 0.1284

Cross-section random effects test equation:


Method: Panel Least Squares

Date: 03/15/18 Time: 13:59

Sample: 2011 2015




NPF? 0.432156 0.181478 2.381315 0.0279

LN_CAR? 2.690547 0.943049 2.853029 0.0102

LN_FDR? -1.527087 1.093951 -1.395937 0.1788

INFLASI? 0.058040 0.129475 0.448276 0.6590

BIRATE? -0.281067 0.412013 -0.682180 0.5034 Effects Specification Cross-section fixed (dummy variables) R-squared 0.683126 Mean dependent var 3.596769







Documents

FAKTOR INTERNAL DAN EKSTERNAL YANG …repository.uinjkt.ac.id/dspace/bitstream/123456789/39579/1/NOER... · Data yang digunakan dalam penelitian ini adalah data tahunan laporan keuangan