LAMPIRAN
1. Uji Akar Unit Risiko Kredit Bank Mandiri (Level) Null Hypothesis: RK has a unit root
Exogenous: Constant
Lag Length: 8 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -4.753452 0.0008 Test critical values: 1% level -3.699871
5% level -2.976263
10% level -2.627420
*MacKinnon (1996) one-sided p-values.
2.Uji Akar Unit Risiko Kredit Bank mandiri (first Difference) Null Hypothesis: D(RK,2) has a unit root
Exogenous: Constant
Lag Length: 2 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -11.16003 0.0000 Test critical values: 1% level -3.661661
5% level -2.960411
10% level -2.619160
*MacKinnon (1996) one-sided p-values.
3.Uji Akar Unit Risiko Likuiditas Bank Mandiri (Level) Null Hypothesis: RL has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.592352 0.4758 Test critical values: 1% level -3.632900
5% level -2.948404
10% level -2.612874
4. Uji Akar Risiko Likuiditas Bank mandiri (First Difference) Null Hypothesis: D(RL,2) has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -10.64769 0.0000 Test critical values: 1% level -3.646342
5% level -2.954021
10% level -2.615817
*MacKinnon (1996) one-sided p-values.
5. Uji Akar Risiko Kredit Bank BRI (Level) Null Hypothesis: RK has a unit root
Exogenous: Constant
Lag Length: 9 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic 1.503773 0.9988 Test critical values: 1% level -3.711457
5% level -2.981038
10% level -2.629906
*MacKinnon (1996) one-sided p-values.
6. Uji Akar Unit Risiko Kredit Bank BRI (First Difference) Null Hypothesis: D(RK,2) has a unit root
Exogenous: Constant
Lag Length: 8 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -3.823409 0.0080 Test critical values: 1% level -3.724070
5% level -2.986225
10% level -2.632604
7.Uji Akar Unit Risiko Likuiditas Bank BRI (Level) Null Hypothesis: RL has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.391688 0.1513 Test critical values: 1% level -3.632900
5% level -2.948404
10% level -2.612874
*MacKinnon (1996) one-sided p-values.
8. Uji Akar Risiko Likuiditas Bank BRI (First Difference) Null Hypothesis: D(RL,2) has a unit root
Exogenous: Constant
Lag Length: 3 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -6.028396 0.0000 Test critical values: 1% level -3.670170
5% level -2.963972
10% level -2.621007
*MacKinnon (1996) one-sided p-values.
9. Uji Akar Unit Risiko Kredit Bank BNI (Level) Null Hypothesis: RK has a unit root
Exogenous: Constant
Lag Length: 4 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.061466 0.0402 Test critical values: 1% level -3.661661
5% level -2.960411
10% level -2.619160
10. Uji Akar Unit Risiko Kredit Bank BNI (First Difference) Null Hypothesis: D(RK,2) has a unit root
Exogenous: Constant
Lag Length: 2 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -9.301522 0.0000 Test critical values: 1% level -3.661661
5% level -2.960411
10% level -2.619160
*MacKinnon (1996) one-sided p-values.
11. Uji Akar Unit Risiko Likuiditas Bank BNI (Level)
Null Hypothesis: RL has a unit root Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -5.644969 0.0000 Test critical values: 1% level -3.632900
5% level -2.948404
10% level -2.612874
*MacKinnon (1996) one-sided p-values.
12. Uji Akar Unit Risiko Likuiditas Bank BNI (First Difference) Null Hypothesis: D(RL,2) has a unit root
Exogenous: Constant
Lag Length: 2 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -7.225695 0.0000 Test critical values: 1% level -3.661661
5% level -2.960411
10% level -2.619160
13 Uji Akar Unit Risiko Kredit Bank BTN (Level)
Null Hypothesis: RK has a unit root Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -3.039108 0.0410 Test critical values: 1% level -3.632900
5% level -2.948404
10% level -2.612874
*MacKinnon (1996) one-sided p-values.
14. Uji Akar Unit Risiko Likuiditas Bank BTN (level)
Null Hypothesis: RL has a unit root Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.460868 0.1334 Test critical values: 1% level -3.632900
5% level -2.948404
10% level -2.612874
*MacKinnon (1996) one-sided p-values.
15. Uji Akar Unit Risiko Likuiditas Bank BTN (First Difference) Null Hypothesis: D(RL) has a unit root
Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=9)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -7.082805 0.0000 Test critical values: 1% level -3.646342
5% level -2.954021
10% level -2.615817
16.Lag lengthBank Mandiri VAR Lag Order Selection Criteria Endogenous variables: RK RL Exogenous variables: C Date: 09/24/14 Time: 21:42
* indicates lag order selected by the criterion 17. Lag lengthBank BRI
18. Lag lengthBank BNI
VAR Lag Order Selection Criteria Endogenous variables: RK RL Exogenous variables: C Date: 09/24/14 Time: 21:46
* indicates lag order selected by the criterion 19. Lag length BTN
VAR Lag Order Selection Criteria Endogenous variables: RK RL Exogenous variables: C Date: 09/24/14 Time: 21:47 * indicates lag order selected by the criterion
20. Uji Kointegrasi Bank Mandiri Date: 09/24/14 Time: 22:31
Series: RK RL
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.323120 16.26098 15.49471 0.0383 At most 1 0.084241 2.992077 3.841466 0.0837
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
21. Uji Kointegrasi Bank BRI Date: 09/24/14 Time: 22:35
Sample (adjusted): 2002Q3 2010Q4 Included observations: 34 after adjustments Trend assumption: Linear deterministic trend Series: RK RL
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.424236 19.99234 15.49471 0.0098 At most 1 0.035314 1.222372 3.841466 0.2689 Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
22. Uji Kointegrasi Bank BNI Date: 09/24/14 Time: 22:36
Sample (adjusted): 2002Q3 2010Q4 Included observations: 34 after adjustments Trend assumption: Linear deterministic trend Series: RK RL
Lags interval (in first differences): 1 to 1
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.358765 27.27155 15.49471 0.0006 At most 1 * 0.300749 12.16333 3.841466 0.0005
Trace test indicates 2 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
23. Uji Kointegrasi Bank BTN Date: 09/24/14 Time: 22:37
Sample (adjusted): 2002Q3 2010Q4 Included observations: 34 after adjustments Trend assumption: Linear deterministic trend Series: RK RL
Lags interval (in first differences): 1 to 1
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None 0.157374 9.823941 15.49471 0.2945 At most 1 * 0.111044 4.002050 3.841466 0.0454 Trace test indicates no cointegration at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values
24. Uji VAR BTN
(0.68043) (0.12616) Mean dependent 0.128632 -0.039336 S.D. dependent 0.167927 0.036626
Determinant resid covariance (dof adj.) 1.52E-05 Determinant resid covariance 1.27E-05
Log likelihood 97.97763
Akaike information criterion -5.255864
Schwarz criterion -4.989233
25. Uji VECM Bank Mandiri Date: 09/23/14 Time: 20:38
Sample (adjusted): 2002Q4 2010Q4 Included observations: 33 after adjustments Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
RK(-1) 1.000000
RL(-1) 0.517951 (0.60505) [ 0.85604]
C -0.184535
Error Correction: D(RK) D(RL) CointEq1 -0.709172 0.004153
D(RK(-1)) 0.287933 0.005846 (0.13793) (0.06581) [ 2.08759] [ 0.08883]
D(RK(-2)) -0.018401 -0.012641 (0.13568) (0.06473) Mean dependent -0.012204 -0.002623 S.D. dependent 0.104751 0.034185
Determinant resid covariance (dof adj.) 8.24E-06 Determinant resid covariance 5.52E-06
Log likelihood 106.1293
Akaike information criterion -5.583595
Schwarz criterion -4.948713
Cointegrating Eq: CointEq1
Error Correction: D(RK) D(RL) CointEq1 -0.661380 -0.171328
Determinant resid covariance (dof adj.) 1.66E-05 Determinant resid covariance 1.11E-05
Log likelihood 94.60654
Akaike information criterion -4.885245
Schwarz criterion -4.250363
27. Uji VECM Bank BNI Vector Error Correction Estimates Date: 09/23/14 Time: 22:00 Sample (adjusted): 2002Q4 2010Q4 Included observations: 33 after adjustments Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
RK(-1) 1.000000
RL(-1) 0.810488 (1.37503) [ 0.58943]
C -0.426462
Error Correction: D(RK) D(RL)
CointEq1 -0.879864 -0.022689 (0.26178) (0.08463) [-3.36106] [-0.26810]
D(RK(-1)) 0.094057 0.006725 (0.21707) (0.07017) [ 0.43331] [ 0.09583]
C 0.006280 0.004115 Log likelihood -0.146334 37.11933 Akaike AIC 0.372505 -1.886020 Schwarz SC 0.644597 -1.613928 Mean dependent 0.014665 -0.000483 S.D. dependent 0.334627 0.103342 Determinant resid covariance (dof adj.) 0.000514 Determinant resid covariance 0.000344
Log likelihood 37.91671
Akaike information criterion -1.449498
Schwarz criterion -0.814616
28. Granger Causality Bank Mandiri Pairwise Granger causality Tests
Date: 09/23/14 Time: 10:42 Sample: 2002Q1 2010Q4 Lags: 1
Null Hypothesis: Obs F-Statistic Probability
RL does not Granger Cause RK 35 1.37572 0.24949 RK does not Granger Cause RL 0.01510 0.90297
BRI
29.Granger Causality Bank BRI Pairwise Granger Causality Tests Date: 09/23/14 Time: 10:50 Sample: 2002Q1 2010Q4 Lags: 1
Null Hypothesis: Obs F-Statistic Probability
30.Granger Causality Bank BNI Pairwise Granger Causality Tests Date: 09/23/14 Time: 11:11 Sample: 2002Q1 2010Q4 Lags: 1
Null Hypothesis: Obs F-Statistic Probability RL does not Granger Cause RK 35 0.35743 0.55414 RK does not Granger Cause RL 0.08458 0.77306
31. Granger Causality Bank BTN Pairwise Granger Causality Tests Date: 09/23/14 Time: 11:07 Sample: 2002Q1 2010Q4 Lags: 1
Daftar Pustaka
Ali, H. Masyhud, 2004. Asset Liabity Management; Menyiasati Risiko Pasar dan
Risiko Operasional dalam Perbankan. Jakarta: PT Elex Media
Komputindo.
Adelia, Herlina. 2014. "Analisis Kausalitas Antara FDI dan Pertumbuhan Ekonomi di ASEAN" Skripsi USU.
http://repository.usu.ac.id. (22 September 2014)
Greuning, Henni van, 2009. Analyzing Banking Risk; Analisis Risiko Perbankan ,Edisi Ketiga. Jakarta: Karya salemba Empat.
Idroes, F.N. 2008. Manajemen Risiko Perbankan; Pemahaman Pendepatan 3 Pilar Kesepakatan Basel II Terkait Aplikasi Regulasi dan Pelaksanaannya di Indonesia. Jakarta: PT. RajaGrafindo Persada.
Imbierowicz , Björn dan Christian Rauch, 2013. “The Relationship Between Liquidity Risk and Credit Risk in Banks”, International Journal, Volume 1.
Juandi, Bambang, 2012. Ekonometrika deret Waktu; Teori dan Aplikasi. Bogor: Penerbit IPB Press.
Kasiadi, 2010. Manajemen Risiko. Semarang: Ghalia Indonesia.
Kasmir, 2001. Bank dan lembaga Keuangan Lainnya; Edisi Keenam. Jakarta:PT Raja Grafindo Persada.
Pellizon, Loriana dan Marti Subrahmanyam, 2012. “Sovereign Credit Risk, Liquidity, and ECB Intervention”, International Journal, Volume 1.
Pratomo, Wahyu Ario dan Paidi Hidayat. 2010.Pedoman Praktis Penggunaan Eviewsdalam Ekonometrika. Medan. USU Press.
Rivai, Veithzal,dkk. 2007. Bank and Financial Institution Management; Conventional and Sharia System. Jakarta: PT. RajaGrafindo Persada. Rosadi, Dedi. 2010. Analisis Ekonometrika & Runtun Waktu Terapan dengan R.
Sinungan, Muchdarsyah. 1992. Manajemen Dana Bank, Edisi Kedua. Jakarta: Bumi Aksara.
Wiley, John. 2010. Misconceptions of Risk. Jakarta: A John Wiley and Sons, Ltd., Publication.
Website:
- Kamus Bisnis dan Keuangan (http://www.instovedia.com - Bank Indonesia
)
- Otoritas Jasa Keuanga
- Bank Mandiri
- Bank BNI
- Bank BTN
BAB III METODOLOGI PENELITIAN
Metode penelitian merupakan cara utama yang digunakan peneliti untuk
mencapai tujuan dan menentukan jawaban atas masalah yang diajukan (Nasir,
1988:51).
3.1 Jenis Penelitian
Jenis penelitianyang dilakukan adalah penelitian kuantitatif.Menurut Punch
(1988:4), penelitian kuantitatif merupakan penelitian empiris dimana data dalam
bentuk angka atau sesuatu yang dapat dihitung. Penelitian kuantitatif
memperhatikan pada pengumpulan dan analisis data dalam bentuk numerik.
Penelitian ini ditujukan untuk menjelaskan hubungan sebab-akibat antar variabel
yang diteliti yaitu hubungan sebab-akibat (kausalitas) antara risiko kredit dan
risiko likuiditas pada bank BUMN periode 2002-2010 dengan jenis data triwulan
2002:Q1 sampai 2010:Q4.
3.2 Batasan Operasional
Penelitian yang akan dilakukan bertujuan untuk mengetahui hubungan
kausalitas antara risiko kredit dan risiko likuiditas pada bank BUMN Indonesia.
Dimana indikator risiko kredit adalah loan charge offst (kredit yang
dihapusbukukan pada periode tertentu),loan recoveriest (kredit yang diselamatkan
pada periode tertentu), dan loan loss allowancet-1(cadangan kerugian kredit pada
periode sebelumnya). Kemudian indikator-indikator yang digunakan dalam
mengukur variabel risiko likuiditas mencakup demand deposit (giro), cadangan
diperdagangkan), sertifikat deposito, unused loan commitments (fasilitas pinjaman
yang belum digunakan), cash (kas), trading assets ( reverse repo), fund purchased
(giro pada Bank Sentral), commercial paper (surat-surat berharga yang
diterbitkan), securities available for sale (surat-surat berharga yang tersedia untuk
dijual), net interbank lending position (simpanan bersih antarbank), net interbank
acceptance (akseptansi bersih antarbank), net derivative position (posisi derivatif
bersih), dan total assets (aset total).
3.3 Definisi Operasional
Dalam operasi penelitian terdapat variabel risiko kredit dan variabel risiko
likuiditas dimana kedua variabel tersebut memiliki indikator-indikator sebagai
dasar operasi penghitungan sebagai berikut :
1. Risiko kredit adalah sejumlah nilai/rasio dari hasil penghitungan dalam satuan
angka-angka.
2. Risiko likuiditas adalah sejumlah nilai/rasio dari hasil penghitungan dalam
satuan angka-angka.
3.4 Skala Pengukuran Variabel
Proses pengukuran variabel yang digunakan didalam penelitian dapat dilihat
dalam tabel sebagai berikut :
Tabel 3.1 Skala Pengukuran Variabel
Variabel Pengukuran Skala
Risiko Kredit
Risiko
Kredit Bermasalah – Kredityang Diselamatkan PPAP Kredit
[(Giro + Cadangan Kas + Surat Berharga yang
Rasio
Likuiditas Dimiliki dan Diperdagangkan + Sertifikat
Deposito+Pinjaman Komitmen yang Belum
Digunakan) – (Kas+ Reverse Repo+ Giro pada
BI+ Surat Berharga yang Diterbitkan+Surat
Berharga yang Tersedia untuk Dijual) ±
Penempatan Antar-bank ± Akseptasi Antar-bank ±
Posisi Derivatif] / Aset Total
Sumber: Data diolah
3.5 Jenis dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data sekunder dan
kuantitatif. Data sekunder adalah data yang diperoleh/dikumpulkan dan disatukan
oleh studi-studi sebelumnya atau yang diterbitkan oleh berbagai instansi lain.
Sedangkan data kuantitatif adalah data yang berbentuk angka yang dapat dihitung.
Penelitin dilakukan dengan jenis data runtut waktu per triwulan selama kurun
waktu 2002-2010 yang diperoleh dari berbagai sumber seperti Kantor Bank
Indonesia Sumut-Aceh, Situs website Bank Indonesia, situs website bank-bank
BUMN dan sumber referensi lainnya seperti buku, jurnal, dan situs website
lainnya yang berkaitan dengan penelitian ini. Data yang diperlukan dalam
penelitian ini adalah indikator risiko kredit dan risiko likuiditas pada sektor
3.6 Ruang Lingkup Penelitian
Ruang lingkup dalam penelitin ini adalah menganalisis kausalitas antara risiko
kredit dan risiko likuiditas pada bank BUMN selama kurun waktu 2002-2010.
3.7 Metode dan Teknik Pengumpulan Data
Metode yang digunakan dalam penyusunan skripsi ini adalah penelitian
kepustakaan (library research), yakni dengan menggunakan bahan-bahan
kepustakaan berupa buku, jurnal yang berkaitan dengan judul penelitian ini.
Teknik pengumpulan data yang dipergunakan adalah melakukan pencatatan
langsung berupa data runtun waktu (time series) untuk setiap objek penelitian
(Bank Mandiri, Bank BRI, Bank BNI, dan Bank BTN) diamati pada banyak
periode yang diindikasikan dengan penggunaan data time series dari tahun
2002-2010.
3.8Pengolahan Data
Dalam melakukan pengolahan data, digunakan bantuan perangkat lunak
pengolah data statistik yaitu Eviews 5.0. Sebagai penunjang juga digunakan
perangkat lunak aplikasi Micrsoft Excel 2007 dalam mengolah data mentah dan
mengkonversinya ke dalam bentuk yang lebih representatif untuk digunakan pada
perangkat lunak utama di atas.
3.9Metode Analisis Data
Metode analisis yang digunakan dalam studi ini adalah Granger Causality
Test untuk melihat hubungan timbal balik (kausalitas) antara risiko kredit dan
risiko likuiditas. Di samping untuk melihat hubungan timbal balik, penelitian ini
Tujuannya adalah untuk melihat hubungan stasionaritas risiko kredit dan risiko
likuiditas pada bank BUMN dalam keseimbangan jangka panjang. Apabila semua
variabel tidak mengandung akar unit pada derajat level, maka digunakan model
VAR biasa, tetapi apabila variabel mengandung akar unit, maka variabel tersebut
harus dideferensiasi dan dilakukan uji kointegrasi. Jika variabel tidak
mengandung akar unit pada derajat level dan terjadi kointegrasi, maka model yang
digunakan adalah Vector Error Correction Model (VECM). Apabila variabel
dalam keadaan tidak mengandung akar unit dan tidak berkointegrasi satu sama
lain, maka model yang digunakan adalah Vector Auto Regression (VAR) bentuk
diferensiasi.
Gambar 3.1
Tahapan Pembentukan Model VAR
Dalam kaitannya dengan metode tersebut, maka pengujian terhadap perilaku
data runtut waktu (time series) dan integrasinya dapat dipandang sebagai uji
Stasioner dan Terkointegrasi Tidak Stasioner
Stasioner Diferensiasi Data VAR Bentuk Level
VAR Bentuk Diferensiasi Terjadi Kointegrasi
VECM Uji Stasioneritas Data
prasyarat bagi digunakannya metode tersebut, maka terlebih dahulu dilakukan
langkah-langkah sebagai berikut:
3.9.1Uji Akar Unit (Unit Root Test)
Uji akar unit dari Dickey Fuller maupun Phillips-Perron adalah untuk
melihat stasionaritas data time series yang diolah dengan program pengolah data
Eviews 5.0. Adapun formula Augmanted Dickey Fuller (ADF) dapat dinyatakan
sebagai berikut:
DY
t= α
0+ γY
t-1+
∑��=1�iDY
t-1 + 1ℇ
t ………..(1)Uji dilakukan dengan hipotesis null γ = 0 untuk ADF. Stasioner tidaknya
data didasarkan pada nilai statistik ADF yang diperoleh dari nilai t-hitung koefisien γ dengan nilai krisis statistik dari Mackinnon maka data itu dikatakan
stasioner dan jika sebaliknya maka data itu tidak stasioner.
3.9.2Uji Kointegrasi (Cointegration Test)
Uji kointegrasi bertujuan untuk mengetahui hubungan keseimbangan jangka
panjang antara risiko kredit dan risiko likuiditas dengan menggunakan Johansen
Test. Untuk menentukan jumlah dari arah kointegrasi tersebut, maka Johansen
meyarankan untuk melakukan dua uji statistik. Uji statistik pertama adalah uji
trace (Trace test, λtrace), yaitu menguji hipotesis nol (null hypothesis) yang
mensyratkan bahwa jumlah dari arah kointegrasi adalah kurang dari atau sama
dengan p dan uji ini dapat dilakukan sebagai berikut:
Dimana λ adalah nilai eigenvectors terkecil (p-r). Null hypothesis yang disepakati
adalah jumlah dari arah kointegrasi sama dengan banyaknya r. Dengan kata lain,
jumlah vektor kointegrasi lebih kecil atau sama dengan (≤) r.
Untuk uji statistik yang kedua adalah uji maksimum eigenvalue (λ) yang
dilakukan dengan formula sebagai berikut:
λ
max (r, r+1) = -T in (1-λr+1) ……….(3)Uji ini berdasarkan pada uji null hypothesis bahwa terdapat r dari vektor
kointegrasi yang berlawanan (r+1) dengan vektor kointegrasi. Untuk melihat
hubungan kointegrasi tersebut, maka dapat dilihat dari besarnya nilai Trace
statistik dan Max-Eigen statistik dibandingkan dengan nilai critical value pada
tingkat kepercayaan 5%. Jika nilai Trace statistic lebih besar dari nilai critical
value pada tingkat kepercayaan 5%, maka terdapat hubungan kointegrasi antara
kedua variable. (Hidayat,2007).
3.9.3Uji Granger Causality
Dalam penelitian ini, pengujian dilakukan untuk melihat hubungan
kausalitas antara risiko kredit dan risiko likuiditas sehingga dapat diketahui
vaiabel tersebut secara statistik saling mempengaruhi (hubungan dua arah),
memiliki hubungan searah atau sama sekali tidak ada hubungan (tidak saling
mempengaruhi). Berikut adalah model metode Granger Causality Test.
RKt = ∑��=1� iRLt-1 + ∑��=1�RjRKt-j
RLt = ∑��=1� iRL
+ μ1t ………(4)
t-1 + ∑��=1�RjRKt-j
Keterangan:
RK= risiko kredit
RL =risiko likuiditas
μ 1t,μ 2t= error terms yang diasumsikan tidak mengandung korelasi serial dan m=n=r=s.
Berdasarkan hasil regresi dari kedua bentuk model regresi linear di atas
akan menghasilkan empat kemungkinan mengenai nilai koefisien-koefisien
regresi dari persamaan-persamaan sebagai berikut:
(1). Jika ∑��=1� ji ≠ 0 dan + ∑��=1� j = 0, maka terdapat kausalitas satu arah
dari RK ke RL.
(2). Jika ∑��=1� ji = 0 dan + ∑��=1� j ≠ 0, maka terdapat kausalitas satu arah
RL ke RK.
(3). Jika ∑��=1� ji = 0 dan +∑��=1� j = 0, maka RK dan RL tidak saling
berhubungan.
(4). Jika ∑��=1� ji ≠ 0 dan + ∑��=1� j ≠ 0, maka terdapat kausalitas dua arah
BAB IV
HASIL DAN PEMBAHASAN
4.1 Perkembangan Risiko Kredit dan Likuiditas Bank-bank BUMN
Berdasarkan hasil penghitungan melalui indikator-indikator risiko kredit
yang sudah dilakukan, hampir tidak ditemukan terjadinya potensi risiko kredit
pada bank-bank BUMN sepanjang tahun 2002 hingga 2010. Hal ini dibuktikan
dengan tidak adanya nilai rasio dari hasil penghitungan lebih besar dari 1 (risk
value >1). Potensi terjadinya risiko kredit hanya terjadi pada Bank BNI kuartal ke
empat tahun 2003 yang memiliki nilai rasio 1.299751 (risk value>1). Berdasarkan
tabel 4.3, 4.4, 4.5, dan 4.6, nilai risiko kredit bank-bank BUMN sepanjang tahun
2002 hingga 2010 selalu lebih kecil dari 1 (risk value< 1) namun mengalami
fluktuasi nilai dari tahun ke tahun. Hal ini mengindikasikan bahwa sepanjang
periode penelitian tahun 2002 sampai 2010, bank-bank BUMN hampir tidak
mengalami risiko kredit perbankan. Akan tetapi, dalam rentang waktu yang sama
bank-bank BUMN kecuali Bank BTN secara umum justru mengalami potensi
akan terjadinya risiko likuiditas (bank run) dari tahun 2002 hingga 2010. Hal ini
dapat diketahui dari hasil penghitungan melalui indikator risiko likuiditas selalu
lebih besar dari 0 (risk value> 0). Namun walaupun demikian, potensi tidak
terjadinya risiko likuiditas masih terjadi pada Bank Mandiri di kuartal ketiga dan
keempat tahun 2010, Bank BRI di kuartal keempat tahun 2010, Bank BNI kuartal
kesatu tahun 2007 dan hanya Bank BTN yang secara umum tidak mengalami
potensi risiko likuiditas sepanjang periode penelitian. Hal ini dapat dilihat pada
2002 sampai dengan kuartal pertama tahun 2004. Semakin besar nilai rasio yang
diperoleh, maka semakin besar pula akan terjadinya potensi risiko likuiditas.
Berdasarkan tabel 4.3, hanya Bank Mandiri, Bank BRI, dan Bank BTN yang
secara murni tidak mengalami risiko kredit (no loss). Namun, kesemua Bank
BUMN sepanjang periode 2002 hingga 2010 tiap tahunnya mengalami risiko
likuiditas (bank run). Nilai risiko kredit maupun likuiditas dari bank-bank BUMN
dan keterangannya secara lengkap dapat dilihat pada tabel berikut.
Tabel 4.1
Data Perkembangan Nilai Risiko Kredit dan Likuiditas Bank Mandiri Tahun 2002-2010
Observasi Bank Mandiri
Tahun Kuartal RK Ket RL Ket
2002
1 0.222665938 No loss 0.060355539 Bank run
2 0.247252658 No loss 0.051425779 Bank run
3 0.57953723 No loss 0.062731385 Bank run
4 0.479134184 No loss 0.067513112 Bank Run
2003
1 0.047698838 No loss 0.038113481 Bank run
2 0.054163888 No loss 0.05493299 Bank run
3 0.020519684 No loss 0.098465982 Bank run
4 0.126437844 No loss 0.06353754 Bank Run
2004
1 0.019673295 No loss 0.121965488 Bank run
2 0.02948888 No loss 0.126764642 Bank run
4 0.037007635 No loss 0.05562083 Bank Run
2005
1 0.060274201 No loss 0.063992405 Bank run
2 0.194199137 No loss 0.089933991 Bank run
3 0.20478687 No loss 0.086169924 Bank run
4 0.266274927 No loss 0.110127561 Bank Run
2006
1 0.144896914 No loss 0.08927367 Bank run
2 0.131736906 No loss 0.073185054 Bank run
3 0.209388631 No loss 0.093479828 Bank run
4 0.250020285 No loss 0.081322579 Bank Run
2007
1 0.088608204 No loss 0.106273142 Bank run
2 0.105902405 No loss 0.141344076 Bank run
3 0.108314485 No loss 0.117837574 Bank run
4 0.109141969 No loss 0.090851052 Bank Run
2008
1 0.004867388 No loss 0.085912856 Bank run
2 0.056122785 No loss 0.123360025 Bank run
3 0.149080727 No loss 0.081877409 Bank run
4 0.219934354 No loss 0.166896901 Bank Run
2009
1 0.098816456 No loss 0.165477199 Bank run
2 0.128022763 No loss 0.18417928 Bank run
3 0.133665569 No loss 0.162139871 Bank run
4 0.133161321 No loss 0.142006451 Bank Run
2010
2 0.071999892 No loss 0.048555094 Bank Run
Data Perkembangan Nilai Risiko Kredit dan Likuiditas Bank BRI Tahun 2002-2010
Observasi Bank BRI
2 0.344878 No loss 0.080925 Bank Run
Data Perkembangan Nilai Risiko Kredit dan Likuiditas Bank BNI Tahun 2002-2010
Observasi Bank BNI
4 0.555336 No loss 0.180439 Bank Run
Data Perkembangan Nilai Risiko Kredit dan Likuiditas Bank BTN Tahun 2002-2010
Observasi Bank BTN
3 0.030018 no loss -0.0335 No bank run
Untuk melihat apakah terdapat hubungan saling mempengaruhi (kausalitas)
dan hubungan keseimbangan jangka panjang antara risiko kredit dan risiko
likuiditas pada Bank BUMN, maka digunakan Granger Causality Test dan
Cointegration Test. Analisis kausalitas Granger bertujuan untuk melihat hubungan
timbal balik (kausalitas). Sedangkan tes kointegrasi bertujuan untuk melihat
hubungan kedua variabel dalam jangka panjang. Berdasarkan metode analisis
yang dipakai dalam penelitian, maka peneliti menggunakan program eviews 5.0
sebagai alat untuk mengolah data sesuai dengan tujuan peneliti. Sebelum
melakukan tes kausalitas Granger, maka terlebih dahulu dilakukan uji akar-akar
unit (unit root test) dan uji keseimbangan jangka panjang (cointegration test).
4.2.1 Uji Akar-akar Unit (Unit Root Test)
Data runtun waktu merupakan sekumpulan nilai suatu variabel yang diamati
pada waktu yang berbeda. Setiap data dikumpulkan secara berkala pada interval
waktu tertentu, misalnya harian, bulanan, kuartalan, tahunan, dan lainnya. Dalam
berbagai studi ekonometrika, data runtun waktu sangat banyak digunakan. Namun
permasalahan. Salah satunya adalah permasalahan stasioneritas. Sekumpulan data
dikatakan stasioner jika nilai rata-rata varian dari data runtun waktu tersebut tidak
mengalami perubahan secara sistematik sepanjang waktu, atau sebagian ahli
menyatakan rata-rata variansnya konstan (Hidayat, 2010).
Dalam hal ini yang digunakan untuk melihat stasioneritas data tersebut
adalah uji akar-akar unit dan derajat integrasi yang dikembangkan oleh David
Dickey dan Wayne Fuller dan dikenal dengan Augmented Dickey-Fuller (ADF)
Test. Uji akar-akar unit ini menggambarkan ADF statistik dengan variabel risiko
kredit (RK) dengan risiko likuiditas (RL) dalam kurun waktu kuartal I tahun 2002
sampai dengan kuartal IV tahun 2010 (Q1:2002-Q4:2010). Berikut ini adalah
hasil dari analisis variabel tersebut :
Tabel 4.5
Hasil Uji Akar Unit Risiko Kredit dan Risiko likuiditas Bank Mandiri
Bank Statistik Level First Difference Stasioner
Tabel 4.6
Hasil Uji Akar Unit Risiko Kredit dan Risiko likuiditas Bank BRI
Bank Statistik Level First Difference Stasioner
RK RL RK RL
Hasil Uji Akar Unit Risiko Kredit dan Risiko likuiditas Bank BNI
Bank Statistik Level First Difference Stasioner
RK RL RK RL
Hasil Uji Akar Unit Risiko Kredit dan Risiko likuiditas Bank BTN
Bank Statistik Level First Difference Stasioner
Hasil uji akar unit yang ditunjukkan oleh tabel di atas menunjukkan bahwa
dari keempat bank yang diteliti tidak stasioner pada derajat level, sehingga harus
dilakukan diferensiasi terhadap data variabel yang digunakan. Hasil uji akar unit
pada diferensi pertama dan kedua menunjukkan bahwa keempat bank tersebut
telah stasioner.
4.2.2 Penentuan Lag Length
Penentuan lag optimal perlu dilakukan agar model dapat mengestimasi
actual error secara tepat. Apabila lag yang digunakan terlalu sedikit, maka error
term tidak terestimasi dengan baik. Sebaliknya, apabila lag yang digunakan terlalu
banyak, maka dapat mengurangi kemampuan menolak h0
Penentuan lag optimal dilakukan dengan memilih jumlah terkecil dengan
memilih jumlah terkecil dari Akaike Information Criterion (AIC), Schwarz
Criterion (SC), dan Hannan-Quin Criterion (HQC). Panjang lag maksimum yang
dilakukan dalam penelitian ini adalah lag ke-5. Tabel 4.2 menunjukkan bahwa
Bank Mandiri, BRI, BNI, dan BTN mempunyai nilai AIC, SC, dan HQ terkecil
yang berada pada lag pertama, sehingga lag optimal untuk ketiga bank tersebut
berada pada lag pertama. Sedangkan nilai AIC, SC, dan HQ Bank BNI berada
pada lag 0, maka lag optimal untuk bank tersebut adalah lag 0.
karena penembahan
parameter yang terlalu banyak dapat mengurangi derajat bebas (degree of
freedom).
Tabel 4.9 Penentuan Lag Length
Bank Lag Kriteria
Mandiri
4.2.3 Uji Kointegrasi (Cointegration Test)
Uji kointegrasi bertujuan untuk mengetahui hubungan keseimbangan dalam
jangka panjang antara risiko kredit (RK) dan risiko likuiditas (RL). Uji ini dapat
dilakukan dengan menggunakan Johansen Test. Variabel yang saling
berkointegrasi menggambarkan keadaan yang seimbang dalam jangka panjang.
Berikut ini merupakan hasil uji kointegrasi antara kedua variabel tersebut.
Tabel 4.10
Hasil Uji Kointegrasi Johansen Bank Mandiri Bank
None* 16,26098 15,49471
Ada pada rank 0
Tabel 4.10 menunjukkan hasil uji kointegrasi Bank mandiri memiliki nilai
trace statistic lebih besar dari nilai critical value pada rank 0 yaitu 16,26098 > 15,
494171, sehingga hubungan jangka panjang antara risiko kredit dan risiko
likuiditas pada Bank Mandiri hanya terjadi pada rank = 0 pada tingkat
kepercayaan 95%.
Tabel 4.11
Hasil Uji Kointegrasi Johansen Bank BRI Bank
None* 19,99234 15,49471
Ada pada rank 0
At most 1 1,222372 3,841466
Hal yang sama ditunjukkan juga pada uji kointegrasi pada Bank BRI pada
tabel 4.11 yang memiliki nilai trace statistic lebih besar dari nilai critical value
pada rank = 0 yaitu 19,99234>15,49471, sehingga hubungan jangka panjang
antara risiko kredit dan risiko likuiditas pada Bank BRI hanya terjadi pada rank =
0 pada tingkat kepercayaan 95%.
Tabel 4.12
Hasil Uji Kointegrasi Johansen Bank BNI Bank
None* 27,27155 15,49471
Ada
At most 1 12,16333 3,841466
Hasil uji kointegrasi pada Bank BNI menunjukkan bahwa terdapat
trace statistic lebih besar dari nilai criticl value pada rank 0 (27,27155 >15,49471)
maupun rank 1 (12,16333>3,841466) pada tingkat toleransi 5%.
Tabel 4.13
Hasil Uji Kointegrasi Johansen Bank BTN Bank
None* 9.823941 15,49471
Tidak Ada At most 1 4,002050 3,841466
Namun pada Bank BTN tidak terjadi hubungan jangka panjang antara risiko
kredit dan risiko likuiditas yang ditunjukkan oleh nilai criticalvalue yang lebih
besar dibandingkan nilai trace statistic pada rank = 0 maupun rank = 1.
Secara umum, melalui uji kointegrasi antara risiko kredit dan risiko
likuiditas menunjukkan adanya hubungan jangka panjang yang terjadi pada Bank
Mandiri, BRI, dan BNI.
4.2.4 Uji Granger Causality
Pengujian ini dilakukan untuk melihat arah hubungan variabel risiko kredit
dan risiko likuiditas pada keempat bank yang diteliti tersebut. Uji Granger
Causality digunakan untuk melihat secara statistik apakah terdapat hubungan
searah, timbal balik, ataupun tidak memiliki hubungan sama sekali antara kedua
variabel tersebut.
Kriteria penilaian yang digunakan yaitu dengan melihat hubungan antara
variabel risiko kredit (RK) dan risiko likuiditas (RL), dimana apabila nilai
H0
Tabel 4.14
ditolak sehingga terdapat hubungan antara variabel risiko kreditdan risiko
likuiditas.
Hasil Uji Kausalitas Granger Bank Mandiri
Null hypothesis Obs F-Statistic Probability Mandiri RL does not Granger Cause
Mandiri RK 35
1,37572 0,24949
Mandiri RK does not Granger Cause Mandiri RL
0.01510 0,90297
Sumber: Lampiran
Hasil uji kausalitas Granger Bank Mandiri pada tabel 4.13 di atas memiliki
nilai probabilitas dari risiko likuiditas terhadap risiko kredit menunjukkan angka sebesar 0,24949 dimana angka ini lebih besar dari α toeransi sebesar 10%
sehingga H0 diterima. Nilai probabilitas dari risiko kredit terhadap risiko
likuiditas menunjukkan angka sebesar 0,90297 dimana angka ini juga lebih besar dari α toleransi sebesar 10% sehingga H0 diterima. Dengan demikian, dapat
disimpulkan bahwa hubungan yang terdapat antara varibel risiko kredit dan risiko
likuiditas pada Bank Mandiri adalah tidak saling mempengaruhi satu sama lain.
Tabel 4.15
Hasil Uji Kausalitas Granger Bank BRI
Null hypothesis Obs F-Statistic Probability BRI RL does not Granger Cause BRI
RK 35
6,45482 0,01612
BRI RK does not Granger Cause BRI RL
2,74504 0,10733
Hasil uji kausalitas Granger risiko likuiditas terhadap risiko kredit pada
Bank BRI menunjukkan angka probabilitas sebesar 0,01612 dimana angka ini lebih kecil dari α toleransi 5% sehingga H0 ditolak. Nilai probabilitas dari risiko
kredit terhadap risiko likuiditas menunjukkan angka sebesar 0,10733 dimana angka ini lebih besar dari α toleransi sebesar 10% sehingga H0
Tabel 4.16
diterima. Dengan
demikian, dapat disimpulkan bahwa hubungan yang terdapat antara variabel risiko
kredit dan risiko likuiditas pada Bank BRI adalah satu arah dimana risiko kredit
yang mendorong risiko likuiditas.
Hasil Uji Kausalitas Granger Bank BNI
Null hypothesis Obs F-Statistic Probability
BNI RL does not Granger Cause BNI RK
35
0,35743 0,55414
BNI RK does not Granger Cause BNI RL 0,08458 0,77306 Sumber: Lampiran
Hasil uji kausalitas Granger risiko likuiditas terhadap risiko kredit pada
Bank BNI menunjukkan angka probabilitas sebesar 0,55414, sedangkan hubungan
risiko kredit terhadap risiko likuiditas menunjukkan angka probabilitas sebesar
0,77306. Kedua nilai probabilitas tersebut lebih besar dari α toleransi sebesar 10%
sehingga H0
Tabel 4.17
diterima. Dengan demikian dapat disimpulka bahwa risiko kredit dan
risiko likuiditas pada Bank BNI tidak mempengaruhi satu sama lain.
Hasil Uji Kausalitas Granger Bank BTN
Null hypothesis Obs F-Statistic Probability
BTN RL does not Granger Cause BTN RK
35 1,95276 0,17190
BTN RK does not Granger Cause BTN RL
0,01171 0,91450
Hasil uji kausalitas Granger risiko likuiditas terhadap risiko kredit pada
Bank BTN menunjukkan angka probabilitas sebesar 0,17190, sedangkan
hubungan risiko kredit terhadap risiko likuiditas menunjukkan angka probabilitas
sebesar 0,91450. Kedua nilai probabilitas tersebut lebih besar dari α toleransi
sebesar 10% sehingga H0
Hasil uji kausalitas Granger dari keempat Bank BUMN yang diteliti
melalui tabel dapat dilihat bahwa arah hubungan antara variabel risiko kredit dan
risiko likuiditas tidak menunjukkan adanya arah yang sama.Berdasarkan hasil uji
kausalitas Granger, secara umum menunjukkan bahwa dari keempat Bank BUMN
yang diteliti terdapat hubungan satu arah antara variabel risiko kredit dan risiko
likuiditas pada Bank BRI. Hasil penelitian ini sejalan dengan penelitian yang
dilakukan oleh Björn Imbierowiczi dan Christian Rauchii (2011) yang
menyatakan bahwa ada pengaruh signifikan antara risiko kredit dan risiko
likuiditas.
diterima. Dengan demikian dapat disimpulka bahwa
risiko kredit dan risiko likuiditas pada Bank BTN tidak mempengaruhi satu sama
lain.
4.2.5 Model Vector Auto Regression (VAR)
Hasil uji kointegrasi Johansen menunjukkan bahwa pada lag optimalnya
variabel risiko kredit dan risiko likuiditas pada Bank BTN tidak memiliki
hubungan jangka panjang, sehingga digunakan model VAR untuk mengestimasi
Tabel 4.18
Hasil Estimasi VAR Bank BTN RK RL
Berdasarkan hasil estimasi VAR, maka diperoleh persamaan sebagai berikut
RKBTN = 0,105664 + 0,504538RKt-1 + 0,950838RL
RL
t-1
BTN= -0,011965 – 0,03126RLt-1 + 0,696140RK
Hasil estimasi di atas menunjukkan bahwa dalam jangka pendek, variabel
risiko kredit pada lag pertama memiliki pengaruh positif terhadap risiko kredit
sebesar 0,504538 yang artinya adalah apabila risiko kredit pada lag pertama
mengalami peningkatan sebesar 1%, maka akan meningkatkan risiko kredit
0,504538. Sedangkan variabel risiko likuiditas memiliki pengaruh positif terhadap
risiko kredit pada lag pertama sebesar 0,950838.
t-1
Variabel risiko likuiditas pada lag pertama memiliki pengaruh negatif
terhadap risiko likuiditas sebesar 0,03126 yang artinya apabila terjadi
penambahan risiko likuiditas sebesar 1%, maka akan menurunkan risiko risiko
likuiditas sebesar 0,03126. Sedangkan variabel risiko kredit berpengaruh positif
risiko kredit sebesar 1%, maka akan meningkatkan risiko likuiditas sebesar
0,696140.
4.2.6 Vector Error Correction Model (VECM)
Uji stasioneritas data dalam bentuk diferensiasi pertama dan kedua
menunjukkan bahwa data variabel risiko kredit dan risiko likuiditas pada Bank
Mandiri, BRI, dan BNI. Uji kointegrasi pada ketiga bank tersebut juga
menunjukkan bahwa terdapat hubungan jangka panjang antara kedua variabel.
Dengan demikian, untuk mengestimasi variabel risiko kredit dan risiko likuiditas
yaitu dengan menggunakan Vector Error Correction Model (VECM).
1. Bank Mandiri
Tabel 4.19
Hasil estimasi VECM Bank Mandiri
[ 0.46614] [ 0.42391]
C -0.01072 -0.002694
(0.01356) (0.00647)
[-0.79030] [-0.41622]
Sumber: Lampiran
Hasil estimasi VECM variabel risiko kredit dan risiko likuiditas pada Bank
Mandiri pada tabel 4.17 di atas menghasilkan persamaan :
ΔRKt = -0,010720 – 0,709172et+ 0,287933 RKt-1– 0,018401 RKt-2
0,265159 RLt
+
-1+ 0,198830 RL
ΔRL
t-2
t= -0,02694 + 0,04153et + 0,005846 RKt-1– 0,012641 RKt-2
0,038554 RLt
–
-1+ 0,086269 RLt-2
Hasil estimasi risiko kredit Bank Mandiri menunjukkan bahwa semua
variabel dalam model memiliki pengaruh positif terhadap risiko likuiditas dan
risiko kredit, kecuali variabel risiko kredit pada lag kedua yang bernilai negatif.
Koefisiennya menunjukkan angka sebesar 0,287933; 0,018401; 0,265159; dan
0,198830 yang artinya setiap terjadi perubahan 1% terhadap keempat koefisien
tersebut akan meningkatkan dan atau mengurangi variabel risiko kredit sebesar
koefisiennya.
Hasil estimasi risiko likuiditas juga menunjukkan bahwa koefisien risiko
kredit pada lag pertama dan koefisien risiko likuiditas pada lag kedua dalam
model memiliki pengaruh positif terhadap variabel risiko likuiditas. Koefisien
berpengaruh negatif terhadap risiko likuiditas. Koefisiennya menunjukkan
0,005846; 0,012641; 0,038554; dan 0,086269 yang artinya setiap terjadi
perubahan 1% terhadap keempat variabel tersebut akan mengurangi dan atau
menambah variabel risiko likuiditas sebesar koefisiennya.
Persamaan hubungan jangka panjang variabel risiko kredit dan likuiditas pada
Bank Mandiri adalah :
RLt-1 = -0.184535 + 0.517951 RK
[0.85604]
t-1
Berdasarkan persamaan di atas, risiko kredit berpengaruh positif dalam
jangka panjang sebesar 0,51% setiap perubahan risiko kredit sebesar 1%.
Berdasarkan data statistik dapat dilihat bahwa pengaruh risiko kredit terhadap
risiko likuiditas dalam jangka panjang signifikan (0,856604 < 1,684) dalam
tingkat kepercayaan 95%. Penyesuaian dalam jangka pendek untuk mencapai
keseimbangan jangka panjang harus dilakukan dengan persamaan risiko kredit
sebesar -0.709172dan risiko likuiditas sebesar 0.004153 dari error term.
2. Bank BRI
Tabel 4.20
Hasil estimasi VECM Bank BRI
Var Lag Bank Mandiri
RK RL
E -0.66138 -0.171328
(0.18908) (0.06180)
[-3.49792] [-2.77217]
RK 1 0.258836 0.053021
(0.18809) (0.06148)
Hasil estimasi VECM variabel risiko kredit dan risiko likuiditas pada Bank
BRI pada tabel di atas menunjukkan persamaan :
ΔRKt = 0,007011 – 0,661380et + 0,258836 RKt-1 – 0,170338 RKt-2
Hasil estimasi dari persamaan risiko kredit pada Bank BRI menunjukkan
bahwa variabel risiko kredit pada lag pertama, dan semua variabel risiko likuiditas
baik lag pertama maupun kedua berpengaruh positif terhadap variabel risiko
kredit kecuali risiko kredit pada lag kedua berpengaruh negatif. Koefisiennya
menunjukkan angka sebesar 0,258836; 0,170338; 0,991059; dan 1,422531 yang
artinya setiap terjadi perubahan 1% terhadap keempat variabel tersebut akan
menambah dan atau mengurangi risiko kredit sebesar koefisiennya.
Hasil estimasi dari risiko likuiditas menunjukkan bahwa semua variabel
yang terkandung dalam model memiliki pengaruh positif signifikan terhadap
risiko likuiditas. Koefisiennya menunjukkan angka sebesar 0,053021; 0,090997;
0,221285; dan 0,020294 yang artinya setiap terjadi perubahan sebesar 1%
terhadap keempat variabel tersebut akan meningkatkan risiko likuiditas sebesar
koefisiennya. Persamaan hubungan jangka panjang variabel risiko kredit dan
likuiditas pada Bank BRI adalah :
RLt-1 = -0,601623 + 4,682601 RK
[3,92935]
t-1
Dalam jangka panjang, risiko kredit memiliki pengaruh positif yang
signifikan (3.92935> 1,684) dengan tingkat toleransi sebesar 5%. Hasil penelitian
ini sejalan dengan penelitian yang dilakukan oleh Björn Imbierowiczi dan
Christian Rauchii (2011) yang menyatakan bahwa ada pengaruh signifikan antara
risiko kredit dan risiko likuiditas. Peningkatan risiko kredit sebesar 1% dalam
jangka panjang akan meningkatkan risiko likuiditas pada Bank BRI sebesar 4,6%.
Koreksi kesalahan jangka pendek untuk persamaan risiko likuiditas sebesar
3. Bank BNI
Tabel 4.21
Hasil estimasi VECM Bank BNI
Var Lag Bank Mandiri
Catatan: Angka di tabel pertama adalah koefisien regresi
Angka di dalam kurung ( ) adalah standard error
Hasil estimasi VECM variabel risiko kredit dan risiko likuiditas pada Bank
BNI menunjukkan persamaan :
ΔRKt = 0,006280 – 0,879864et + 0,094057 RKt-1 – 0,056749 RKt-2
1,171014 RL
+
t-1 + 0,761346 RL
ΔRL
t-2
t = 0,004115 – 0,022689et + 0,006725 RKt-1 – 0,035066 RKt-2
0,714838 RL
–
t-1 – 0,395975RL
Hasil estimasi dari persamaan risiko likuiditas pada Bank BNI menunjukkan
bahwa risiko kredit pada lag pertama, risiko likuiditas pada lag pertama dan kedua
berpengaruh positif terhadap risiko kredit masing-masing sebesar 0,094057;
1,171014; dan 0,761346 yang artinya setiap perubahan 1% akan menambah risiko
kredit sebesar koefisiennya. Koefisien risiko kredit pada lag kedua sebesar
0,056749 berpengaruh negatif terhadap risiko kredit. Artinya, setiap perubahan
1% risiko kredit pada lag kedua akan mengurangi variabel risiko kredit sebesar
0,056749.
t-2
Pada persamaan variabel risiko likuiditas, semua variabel dalam model
kecuali koefisien risiko kredit pada lag pertama berpengaruh negatif terhadap
variabel risiko likuiditas dengan masing-masing koefisien sebesar 0,035066;
0,714838; dan 0,395975 yang artinya setiap perubahan sebesar 1% ketiga
koefisien tersebut akan mengurangi variabel risiko kredit sebesar koefisiennya.
Koefisien risiko kredit pada lag pertama sebesar 0,006725 berpengaruh positif
terhadap variabel risiko likuiditas yang artinya setiap perubahan 1% risiko kredit
Koefisien risiko likuiditas pada lag pertama memiliki pengaruh positif yang
signifikan terhadap risiko likuiditas (2,00979> 1,684) dengan pengaruh sebesar
0,006725 setiap perubahan 1%. Koefisien risiko kredit pada lag pertama memiliki
pengaruh positif yang tidak signifikan terhadap risiko kredit (0.43331< 1,684)
dengan koefisien sebesar 0,094057.
Persamaan kointegrasi antara risiko kredit dan risiko likuiditas pada Bank
BNI adalah :
RLt-1 = -0,426462 + 0,810488 RK
[0,58943]
t-1
Dalam jangka panjang risiko kredit memiliki pengaruh positif yang tidak
signifikan (0,58943< 1,684) terhadap risiko likuiditas sebesar 0,810488.
Penyesuaian kointegrasi tersebut untuk risiko likuiditas Bank BNI adalah sebesar
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil analisis dan pembahasan yang telah dilakukan, maka
dapat diambil kesimpulan sebagai berikut :
1. Hubungan jangka panjang antara variabel risiko kredit dan risiko likuiditas
pada Bank BUMN terjadi pada Bank Mandiri, Bank BRI, dan Bank BNI.
Sementara pada Bank BTN tidak terjadi hubungan jangka panjang antara kedua
variabel tersebut.
2. Hasil estimasi model VECM menunjukkan dalam jangka panjang risiko kredit
berpengaruh positif terhadap risiko kredit pada Bank Mandiri, Bank BRI, dan
Bank BNI.
3. Hubungan timbal balik (dua arah) antara risiko kredit dan risiko likuiditas tidak
terjadi pada semua bank yang diteliti. Dari keempat bank, hanya Bank BRI
yang mempunyai hubungan satu arah. Risiko kredit yang mempengaruhi risiko
likuiditas pada bank tersebut. Sementara pada Bank Mandiri, Bank BNI, dan
Bank BTN kedua variabel tidak saling berhubungan.
5.2 Saran
Berdasarkan hasil penelitian yang telah dilakukan untuk melihat hubungan
antara risiko kredit dan risiko likuiditas pada Bank BUMN, maka dapat diajukan
1. Hasil uji kausalitas Granger menunjukkan bahwa risiko kredit mendorong
terjadinya risiko likuiditas pada Bank BRI, sehingga bank ini harus menekan
potensi terjadinya risiko kredit untuk menghindari terjadinya potensi risiko
likuiditas pada bank tersebut. Caranya adalah dengan menyalurkan kredit lebih
berhati-hati dan selektif.
2. Risiko kredit dan risiko likuiditas tidak saling mempengaruhi pada Bank
Mandiri, bank BNI, dan Bank BTN, sehingga diperlukan penelitian lebih lanjut
untuk mencari faktor-faktor lain yang dapat berpengaruh secara langsung
BAB II
TINJAUAN PUSTAKA 2.1Pengertian Risiko
Kata ’risiko’ banyak dipergunakan dalam berbagai pengertian dan sudah
biasa dipakai dalam percakapan sehari-hari oleh kebanyakan orang. Memahami
konsep risiko secara luas, merupakan dasar yang esensial untuk memahami
konsep dan teknik manajemen risiko. Vaughan yang diterjemahkan oleh Herman
Darmawi (1997:18) mengemukakan bahwa risiko adalah suatu keadaan yang
menunjukkan dimana terdapat suatu keterbukaan terhadap kerugian atau suatu
kemungkinan kerugian. Jadi dapat disimpulkan bahwa risiko adalah sesuatu
yangmengandung kemungkinan terjadinya kerugian dan juga ketidakpastian.
2.2
Risiko PerbankanRisiko dan bank adalah dua hal yang tidak dapat dipisahkan satu sama lainnya.
Tanpa adanya keberanian untuk mengambil risiko maka tidak akan pernah ada
aktivitas perbankan yang menghasilkan nilai tambah, dalam artian bahwa bank
muncul karena adanya keberanian untuk mengambil risiko dan bahkan bank
mampu bertahan karena berani mengambil risiko. Namun, jika risiko tersebut
tidak dikelola dengan baik, bank dapat mengalami kegagalan yang pada akhirnya
mengalami kebangkrutan (Avartara, 2009). JP Morgan (dalam Avartara,
2009:134) menyatakan bahwa risiko khususnya di dalam konteks bisnis (bank dan
lembaga keuangan) tidaklah selalu mewakili sesuatu hal yang buruk.
Kenyataannya risiko bisa mengandung suatu peluang yang sangat besar bagi
mereka yang mampu mengelolanya dengan baik. Secara sederhana J.P Morgan
secara komprehensif risiko merupakan suatu peristiwa yang dapat memberikan
pengaruh negatif terhadap nilai suatu aset yang dapat diukur dengan probabilitas
tertentu dalam rentang waktu yang diketahui.
Bank sebagai institusi yang memiliki izin untuk melakukan banyak
aktivitas, memiliki peluang yang sangat luas dalam memperoleh pendapatan.
Dalam menjalankan aktivitas, untuk memperoleh pendapatan perbankan selalu
dihadapkan pada risiko. Pada dasarnya risiko selalu merekat pada seluruh
aktivitas bank. Risiko yang dikelola secara tepat dapat memberikan manfaat
kepada bank dalam menghasilkan laba yang atraktif. Agar manfaat tersebut dapat
terwujud, para pengambil keputusan harus mengerti tentang risiko dan
pengelolannya.
2.3 Keterbukaan Bank Terhadap Risiko
Bank harus menghadapi beragam risiko dalam program usahanya, seperti
digambarkan dalam Tabel 2.1. Secara umum, risiko perbankan terbagi dalam tiga
kategori yakni risiko keuangan, operasional, dan lingkungan. Risiko perbankan
tradisional, termasuk neraca, dan struktur laporan pendapatan, kredit, dan
solvabilitas dapat mengakibatkan kerugian bagi bank jika mereka tidak dikelola
dengan baik. Risiko kas, berdasarkan arbitrase keuangan, dapat menghasilkan
keuntungan jika pengelolaan sudah benar dan kerugian jika salah.
Kategori-kategori utama risiko kas adalah risiko likuiditas, risiko tingkat bunga, risiko mata
uang, dan risiko pasar. Risiko keuangan juga tunduk pada ketergantungan yang
dapat meningkatkan risiko bank keseluruhan secara signifikan. Misalnya, bank
mata uang, selain itu juga akan terkena tambahan likuiditas dan risiko suku bunga
bank.
Risiko operasional terkait dengan keseluruhan proses bisnis bank dan
dampak potensialnya sesuai dengan kebijakan dan prosedur bank, sistem internal
dan teknologi, keamanan informasi, tindakan terhadap salah urus dan penipuan,
dan kontinuitas usaha. Aspek lain dari risiko operasional mencakup perencanaan
strategis bank, tata kelola dan rstruktur organisasi, manajemen karier staf dan
sumber daya internal, serta pendekatan akuisisi pelanggan.
Risiko lingkungan terkait dengan lingkungan bisnis bank, termasuk faktor
ekonomi makro dan masalah kebijakan, faktor hukum dan regulasi, serta
infrastruktur sektor keuangan secara keseluruhan dan sistem pembayaran secara
yurudiksi tempatnya beroperasi. Risiko lingkungan mencakup semua jenis risiko
eksogen yang jika terwujud bisa membahayakan operasi sebuah bank atau
merusak kelangsungan bisnisnya.
Tabel 2.1
Ruang Lingkup/spektrum Risiko Perbankan
Risiko Keuangan Risiko Operasional Risiko Lingkungan
Struktur neraca Penipuan internal Risiko negara dan politik Struktur laporan
pendapatan
Penipuan eksternal Kebijakan ekonomi makro
Kecukupan modal Praktek dan keselamatan lingkungan kerja
Infrastruktur keuangan
Kredit Klien, produk, dan
layanan bisnis
Infrastruktur hukum
Pasar Gangguan bisnis dan kerusakan sistem teknologi
-
Tingkat suku bunga Manajemen eksekusi, pengantaran, dan proses
-
Mata uang -
Sumber: Analisis Risiko Perbankan, Edisi 3
2.4 Risiko Kredit
2.4.1 Pengertian Risiko Kredit
Menurut Latumaerissa (2011), risiko kredit (credit risk) adalah risiko yang
timbul karena debitur tidak dapat mengembalikan dana yang dipinjam dan bunga
yang harus dibayar kepada bank. Risiko ini harus diantispasi oleh bank melalui
suatu proses penilaian serta analisis kredit yang benar dan tepat yang disesuaikan
dengan prudential banking legal lending limit. Sedangkan menurut Juli Irmayanto
dkk, risiko kredit adalah risiko yang timbul akibat tidak terpenuhinya kewajiban
nasabah kredit untuk membayar angsuran pinjaman maupun bunga kredit. Dua
bentuk kerugin akibat kredit macet adalah hilangnya aset dan turunnya laba.Pada
awalnya, komposisi atau struktur sumber dana bank yang cenderung
menghasilkan biaya dana rata-rata yang tinggi akan cenderung pula mendorong
bank menetapkan suku bunga penempatan dana (portofolio kredit) dengan tingkat
yang tinggi untuk mempertahankan marjin.
Kebijakan yang menyebabkan terbentuknya biaya dana yang tinggi itu
sendiri dapat berakar dari berbagai sebab. Hal ini dapat menyebabkan masyarakat
bank tersebut. Menghadapi hal itu, bank bereaksi dengan menaikkan tingkat suku
bunga pendanaannya, memberikan berbagai bentuk hadiahpada produk
pendanaanya yang menyebabkan secara keseluruhan biaya pendanaanya menjadi
tinggi. Biaya pendanaan yang tinggi ini telah menjadi penghalang bagi bank
menawarkan tingkat suku bunga yang sepadan dengan tingkat suku bunga yang
sepadan yang mampu dipikul oleh kapasitas pendapatan (earning) unit kegiatan
usaha yang normal yang dapat dihasilkan oleh bisnis yang normal pula.
Sebaliknya, demi mempertahankan marjin untuk membiayai overhead cost-nya,
bank terpaksa menawarkan tingkat suku bunga yang mampu dipikul oleh jenis
kegiatan usaha dan debitur yang cenderung bersikap spekulatif. Apabila hal itu
terjadi, maka struktur portofolio kredit bank akan cenderung terdiri dari
debitur-debitur yang umumnya lebih bersikap spekulatif tersebut. Jenis portofolio kredit
yang demikian memiliki risiko kredit yang tinggi. Risiko kemacetan kredit itulah
yang dapat menimpa sisi aktiva bank.
Demikian pula dari sisi pasiva bank terselip pula risiko jika terdapat
kecenderungan yang kuat bahwa bank telah menetapkan tingkat suku bunga
pendanaan relatif lebih tinggi dibandingkan dengan bank-bank lain. Pemberian
tingkat suku bunga pendanaan yang tinggi memberikan sinyal bagi nasabah bank
bahwa bank sedang memerlukan likuiditas yang banyak.
2.4.2 PenilaianRisiko Kredit
Profil risiko kredit bank ditentukan dengan menetapkan asset dan komitmen
berbagai bobot risiko di luar neraca. Basel I Accord memperkenalkan sebuah
kerugian bagi kelas asset yang berbeda pada neraca sebuah bank. Bobot risiko
aset dan posisi di luar neraca memberikan langkah besar terhadap peningkatan
objektivitas dalam menilai risiko kredit. Kesederhanaan metodologi ini juga
memungkinkan untuk diperkenalkan dalam sistem perbankan yang masih dalam
tahap awal perbankan.
Namun, pengukuran sederhana aset seperti ini hanya bisa dilakukan
terhadap tindakan sederhana dari risiko ekonomi, terutama karena metodologinya
tidak secara efektif diperhitungkan untuk menghitung risiko kegagalan yang
berbeda. Akibatnya, Basel II Accordmembuat penilaian yang lebih luas dan lebih
lebih baik untuk penilaian risiko kredit untuk memungkinkan bank dan pengawas
memilih pendekatan yang paling tepat untuk struktur keuangan perbankan.
Kerangka yang telah direvisi meliputi versi yang lebih kompleks dari pendekatan
terstandarisasi dan versi peringkat internal berbasis model.
2.4.3 Pengelolaan Risiko Kredit (Credit Risk Management)
Untuk menghindari terjadinya risiko kredit, bank harus efektif dalam
mengelola kredit yang akan disalurkan. Sebuah kebijakan kredit harus berisi garis
besar dari ruang lingkupdan alokasi platform kredit bank serta bagaimana
portofolio kredit dikelola. Ada beberapa unsur yang membentuk kebijakan kredit
yang sehat, antara lain:
1.Otoritas pemberi pinjaman
Kewenangan pemberian pinjaman sering kali ditentukan oleh ukuran dari
bank yang bersangkutan. Bank yang lebih kecil biasanya lebih tersentralisasi.
melakukan kebijakan desentralisasi menurut wilayah geografis, produk pinjaman,
dan jenis nasabah. Sebuah kebijakan pemberian pinjaman harus menetapkan
batasan bagi semua fasilitas kredit.
2. Jenis kredit dan distribusi berdasarkan kategori
Sebuah kebijakan kredit harus menentukan jenis pinjaman dan instrumen
kredit yang hendak ditawarkan bank kepada nasabah dan harus menyediakan
pedoman untuk pinjaman tertentu. Keputusan tentang jenis instrumen kredit harus
didasarkan pada keahlian manajemen yang membidangi kredit, struktur deposito
bank, dan permintaan kredit yang diharapkan. Jenis kredit yang mengakibatkan
kerugian secara tidak normal harus dikontrol dan dihindari sepenuhnya.
3. Proses penilaian
Sebuah kebijakan kredit harus menguraikan tanggung jawab atas penilaian
dan harus mendefinisikan prosedur penaksiran standar yang formal, termasuk
referensi untuk penilaian kembali terhadap proses perpanjangan kredit. Jenis dan
batasan yang diterima mengenai jumlah penilaian harus diuraikan untuk setiap
jenis fasilitas kredit. Keadaan yang membutuhkan penilaian oleh penilai
independen yang berkualifikasi juga harus dijelaskan. Rasio jumlah pinjaman
terhadap nilai taksiran untuk proyek dan jaminan serta metode penilaian dan
perbedaan antara berbagai jenis instrumen pinjaman juga harus dirinci.
4. Harga kredit
Tingkat bunga pada berbagai jenis pinjaman harus cukup untuk menutupi
biaya dana, pengawasan kredit, administrasi termasuk biaya lain-lain dan
harus memberikan marjin keuntungan yang wajar. Secara berkala juga harus
ditinjau dan disesuaikan untuk mencerminkan perubahan dalam biaya atau faktor
kompetitif.
5. Maturitas/jatuh tempo
Sebuah kebijakan kredit harus menetapkan jangka waktu maksimum untuk
setiap jenis kredit, dan kredit harus diberikan dengan jadwal pembayaran yang
realistis. Penjadwalan jatuh tempo harus ditentukan dalam kaitannya dengan
antispasi sumber pembayaran, tujuan pinjaman, dan umur manfaan jaminan
kredit.
6. Ketersediaan informasi keuangan yang mutakhir
Sebuah kebijakan kredit harus mendefinisikan persyaratan laporan keuangan
untuk bisnis dan individu pada berbagai tingkat pinjaman dan harus mencakup
pedoman yang tepat untuk diaudit. Jika jatuh tempo pinjaman lebih dari satu
tahun, maka kebijakan tersebut hendaknya mengharuskan manajemen bank
menyiapkan proyeksi keuangan yang setara dengan jangka waktu kredit untuk
memastikan bahwa pinjaman tersebut dapat dibayar dari arus kas.
7. Pengawasan pengumpulan data
Sebuah kebijakan kredit harus mendefinisikan kewajiban semua jenis
tunggakan dan menentukan laporan yang tepat untuk disampaikan kepada
manajemen bank. Laporan ini harus mencakup detail yang cukup untuk
memungkinkan penentuan faktor risiko, potensi kerugian, dan alternatif tindakan
yang bias diambil. Kebijakan pemberian kredit harus disertai prosedur
8. Identifikasi penurunan
Bank harus memiliki kebijakan untuk mengidentifikasi dan mengenali
penurunan nilai pinjaman secara sistematis atau menilai kelompok pinjaman
secara kolektif. Hal ini harus dilakukan setiap kali banktidak mampu
mengumpulkan jumlah kredit karena sesuai dengan pinjaman kredit. Penurunan
dapat dikenali dengan mengurangi nilai pinjaman yang tercatat hingga ke estimasi
nilaiyang dapat direalisasikan melalui penyisihan yang sudah ada atau dengan
dibebankan pada laporan laba rugi selama periode terjadinya penurunan.
9. Penjadwalan ulang utang
Pengadaan ulang utang yang mengacu pada pinjaman telah disusun ulang
untuk memberikan pengurangan baik terhadap bunga atau cicilan pokok karena
memburuknnya keuangan debitur. Suatu pinjaman yang diperpanjang atau
diperbarui dengan ketentuan yang sama tidak harus dianggap sebagai renegoisasi
utang. Sebuah bank harus melakukan penyusunan ulang pinjaman dengan
mengurangi investasi yang dicatat sebagai biaya dalam laporan laba rugi untuk
periode saat pinjaman disusun ulang.
10.Pedoman internal tertulis
Kebijakan pemberian pinjaman harus dilengkapi dengan pedoman tertulis
lainnya. Kebijakan dan prosedur tertulis yang disetujui dan diperlakukan di
berbagai manajemen/divisi bank harus dirujuk dalam kebijakan kredit umum
sebuah bank. Tidak adanya kebijakan, pedoman, dan prosedur tertulis merupakan