BAB II LANDASAN TEORI
K. Penelitian Sebelumnya
Argo Asmoro (2010) meneliti mengenai judul Analisis pengaruh rasio keuangan terhadap prediksi kondisi bermasalah pada Bank Persero dan Bank Umum Swasta Nasional periode 2004-2007. Penelitian ini dilakukan untuk
44 menguji pengukuran rasio-rasio keuangan CAR (Capital Adequacy Ratio), NPL
(Non Performing Loan), ROA (Return on Assets), BOPO (Biaya
Operasional/Pendapatan Operasional), dan LDR (Loan to Deposit Ratio) terhadap prediksi kondisi bermasalah pada bank persero dan bank umum swasta nasional periode tahun 2004 hingga 2007. Permasalahan dari penelitian ini adalah karena adanya kontradiksi (researh gap) dari penelitian sebelumnya. Dari hasil analisis menunjukkan hasil secara parsial bahwa variabel CAR dan ROA berpengaruh negatif dan signifikan terhadap kondisi bermasalah. Sedangkan variabel NPL, BOPO, dan LDR berpengaruh positif tetapi tidak signifikan terhadap kondisi bermasalah pada sektor perbankan. Kemudian hasil estimasi regresi logistik menunjukkan kemampuan prediksi dari 5 variabel bebas tersebut terhadap kondisi bermasalah sektor perbankan sebesar 49,1% sedangkan sisanya, yaitu sebesar 50,9% dijelaskan oleh variabel lain di luar model.
Penni Mulyaningrum (2008) menganalisis rasio keuangan bank untuk memprediksi kebangkrutan bank di Indonesia. Variabel yang digunakan sejumlah tujuh rasio keuangan bank yakni CAR, LDR, NPL, BOPO, ROA, ROE dan NIM. Data penelitian diperoleh secara sensus yang berarti keseluruhan populasi digunakan dalam penelitian yang sejumlah 130 bank pada tahun 2006. Alat analisis yang digunakan adalah regresi logit. Hasil uji multivariate memperlihatkan bahwa variabel LDR signifikan berpengaruh terhadap profitabilitas kebangkrutan bank di Indonesia pada α = 5% namun tidak mempunyai tanda yang sama dengan yang diprediksikan. Variabel CAR, NPL, BOPO, ROE, dan NIM mempunyai tanda yang sama dengan yang diprediksikan namun tidak signifikan. Variabel ROA tidak signifikan dan
45 mempunyai tanda yang berbeda dengan yang diprediksikan. Secara umum, hasilnya tidak menerima keseluruhan Ha. Ketepatan prediksi kebangkrutan
bank tahun 2006 sebesar 94.6%. Tingkat kesalahan yang dilakukan dalam memprediksi kebangkrutan adalah tipe II yaitu bank yang diprediksi bangkrut ternyata tidak bangkrut.
Luciana Spica Almilia dan Winny Herdiningtyas (2005) melakukan penelitian yang berjudul “Analisis Rasio Camel Terhadap Prediksi Kondisi Bermasalah Pada Lembaga Perbankan Perioda 2000-2002” dengan sampel penelitian yang terdiri dari 16 bank sehat, 2 bank yang mengalami kebangkrutan, dan 6 bank yang mengalami kondisi kesulitan keuangan. Dalam penelitian ini digunakan kondisi bermasalah suatu bank sebagai variabel dependen sedangkan variabel independennya menggunakan rasio keuangan CAMEL (CAR, ATTM, APB, NPL, PPAPAP, PPAP, ROA, ROE, NIM, BOPO, dan LDR). Penelitian ini menggunakan model analisis regresi logistik dan penentuan sampel digunakan metode purposive sampling. Hasil yang diperoleh dari penelitian ini adalah rasio CAR, APB, NPL, PPAPAP, ROA, NIM, dan BOPO secara statistik berbeda untuk kondisi bank bangkrut dan mengalami kesulitan keuangan dengan bank yang tidak bangkrut dan tidak mengalami kondisi kesulitan keuangan. Penelitian ini juga memberikan bukti bahwa hanya rasio keuangan CAR dan BOPO yang secara statistik signifikan untuk memprediksi kondisi kebangkrutan dan kesulitan keuangan pada sektor perbankan.
46 Liza Angelina (2003) meneliti tentang Perbandingan Early Warning System (EWS) untuk memprediksi kebangkrutan Bank Umum di Indonesia periode 1994/1995 - 1999/2000 yaitu sebanyak 88 bank yang gagal dan 81 bank yang tidak gagal. Dari jumlah responden tersebut ternyata tidak semuanya dapat dijadikan responden dalam penelitian ini, karena data yang tersedia tidak lengkap atau bahkan karena tidak tersedianya data. Akhirnya responden yang dapat digunakan dalam penelitian ini adalah sebanyak 74 bank yang gagal dan 81 bank yang tidak gagal. Penelitian ini menggunakan metode analisis Trait Recognition (TR), Logit, Multiple Discriminant Analysis (MDA).
Hasil penelitian ini menunjukkan model TR memiliki akurasi prediksi yang paling tinggi. Selain itu, model TR tidak hanya dapat digunakan untuk memprediksi tingkat kegagalan bank, tapi juga dapat mengetahui dengan tepat bank-bank mana saja yang akan mengalami kegagalan. Hal ini tidak bisa dilakukan dengan model logit maupun MDA. Ini membuktikan bahwa hipotesis dalam penelitian ini, yang berbunyi EWS dengan model TR memiliki ketepatan peramalan yang lebih baik dari model MDA dan model logit, benar- benar terbukti yang artinya, penelitian ini konsisten dengan penelitian yang dilakukan oleh peneliti terdahulu.
FX Sugiyanto, Prasetiono, dan Teddy Hariyanto (2002) melakukan penelitain yang berjudul “Manfaat Indikator-Indikator Keuangan dalam Pembentukan Model Prediksi Kondisi Kesehatan Perbankan”. Variabel independen yang digunakan berupa rasio keuangan yang meliputi kekuatan
47 modal, kualitas aset, efisiensi manajemen, profitabilitas, likuiditas. Metode/alat analisis yang digunakan adalah analisis diskriminan dan regresi logistik. Hasil yang diperoleh dari penelitian ini adalah indikator-indikator yang berupa rasio-rasio keuangan signifikan pada taraf 5% untuk prediksi 1 tahun sebelum bangkrut dan signifikan pada taraf 10% untuk prediksi 2 tahun sebelum bangkrut. Dalam penelitian ini juga dijelaskan bahwa komponen kualitas aset, manajemen, earning power, dan likuiditas mampu menunjukkan pengaruh rasio keuangan terhadap kebangkrutan suatu bank.
Penelitian yang dilakukan oleh Kolari dkk (2000) mengaplikasikan EWS untuk bank komersil. Pada penelitiannya sampel yang diambil adalah sebanyak 145 bank komersil yang diasuransikan di Amerika Serikat pada tahun 1986, yang merupakan kegagalan terkini dengan data yang tersedia bagi penelitian ini. Data finansial untuk bank-bank yang gagal ini dikumpulkan baik satu tahun maupun dua tahun sebelum kegagalan dari catatan komputer Call Report akhir
Santoso (1996) melakukan penelitian empiris mengenai faktor-faktor yang mempengaruhi bank bermasalah di Indonesia dengan mengunakan logit model. Data panel kuartalan dari 231 bank sejak Maret 1989 sampai dengan September 1995 digunakan Santoso untuk mengindikasikan resiko perbankan. Kesimpulan dari penelitian ini bahwa model 2 menghasilkan koefisien estimasi yang lebih bagus dibandingkan model 1. Pada model 2, koefisien parameter yang mewakili resiko kredit (AQ) untuk semua kelompok signifikan pada a=5%. CAR signifikan pada a=5% hanya pada kelompok tiga.
48 IRR signifikan pada a=10% pada kelompok lima, dan LDR signifikan pada a=6% pada kelompok satu dan tiga, signifikan pada a=8% pada kelompok lima.
Karya awal Beaver (1966) dan Altman (1968) menunjukkan bagaimana model berbasis komputer yang bergantung pada informasi akuntansi dapat memprediksikan kegagalan perusahaan. Model berbasis komputer dapat digunakan sebagai sistem peringatan dini (EWS) guna membantu mencegah beberapa kegagalan bank atau mengurangi biaya kegagalan tersebut.
Dari penelitian-penelitian sebelumnya dapat dilihat bahwa kebanyakan penelitian menggunakan model CAMEL. Tetapi sampai saat ini menurut Liza Angelina (2003) di Indonesia belum ada penelitian yang menggunakan ESW sebagai prediktor kebangkrutan bank. Untuk lebih jelas mengenai penelitian- penelitian sebelumnya dapat dilihat pada tabel sebagai berikut:
49
Tabel 2.2
Daftar Penelitian Sebelumnya Untuk Masalah Kebangkrutan Bank Tahun
Penelitian
Nama Peneliti Masalah yang Diteliti
1966 Beaver Prediksi kebangkrutan dengan menggunakan enam kelompok rasio keuangan yang dianalisis dengan menggunakan metode univariat
1968 Altman Prediksi kebangkrutan dengan menggunakan metode MDA (Z score)
1996 Santoso Penelitian empiris mengenai faktor-faktor yang mempengaruhi bank bermasalah dengan logit model.
2000 Kolari, Caputo dan Wagner
Perbaikan terhadap aplikasi EWS pada bank komersiil dengan menggunakan model TR dan model gabungan TR/MDA vs MDA dan Logit untuk mengidentifikasi bank-bank yang gagal 2003 Liza Angelina Perbandingan EWS untuk memprediksi
kabangkrutan bank umum dengan menggunakan model TR, logit, MDA 2005 Luciana Spica
Almilia dan Winny Herdiningtyas
Prediksi kondisi bermasalah dengan rasio CAMEL menggunakan metode regresi logistic 2008 Penny
Mulyaningrum
Prediksi kebangkrutan dengan menggunakan model analisa logit.
2010 Argo Asmoro Pengaruh rasio keuangan terhadap prediksi kondisi bermasalah dengan menggunakan metode regresi logistik
2010 Sumantri dan Teddy Jurnali
Manfaat rasio keuangan dalam memprediksi kepailitan Bank Nasional
Sumber : diolah dari berbagai jurnal dan penelitian