Professional Documents
Culture Documents
2
) menjadi
observasi yang spesifik (Caudill et al., 1995).
Wang (2002) mengkombinasikan sifat dari model tradisional dan model yang
dikembangkan di atas dan memperbolehkan
it
dan
2
diteliti dengan observasi yang
spesifik. Untuk menentukan biaya total pada bank ke-x pada tahun t ditunjukkan
dengan TC
it
, kemudian Y
it
dan P
it
adalah vektor dari output dan harga (price) dari
input masing-masing. Model heteroscedastic stochastic frontier untuk fungsi biaya
dapat ditunjukkan di bawah ini :
= (
.
) +
~ (0,
2
).
=
0
+
2
= exp(
0
+Z
it
).
(3.1)
Dimana,
=error yang memiliki distribusi normal yang dengan observasi spesifik mean (
)
dan varians (
2
) dari pre-truncated distribution.
Lebih dari itu heteroscedastic stochastic frontier model juga mengasumsikan
dan
2
adalah fungsi dari beberapa determinan (Z
it
). Lai dan Huang (2010)
mengilustrasikan model yang dibuat oleh Wang (2002) merupakan spesifikasi terbaik
diantara delapan model stochastic frontier.
Berdasarkan pendekatan intermediasi, penulis menetapkan output sebanyak empat
buah dan input sebanyak dua buah. Variabel output meliputi Total Loans (TL), Other
Earning Assets (OEA), Total Deposits (TD), dan Liquid Assets (LA). Keempat output
variabel ini diadopsi dari penelitian sebelumnya yaitu Sun dan Chang (2010) dan
Bonin et al. (2005). Hal yang patut diperhatikan adalah bahwa kualitas dari pinjaman
(non performing loans) mendapatkan perhatian khusus dalam studi yang telah
dilakukan. Oleh sebab itu, cadangan piutang tak tertagih (loan loss provision)
dikurangi dari total pinjaman untuk memastikan output ini memerlukan kualitas yang
sebanding.
Sedangkan untuk variabel input, peneliti menggunakan variabel price of
capital dan price of funds (Sun dan Chang, 2009). Price of funds dihitung dengan
menggunakan rasio dari beban bunga (interest expense) dengan total deposits. Price
of capital dihitung dengan menggunakan rasio dari non-interest expense dengan total
fixed assets. Biaya total (Total Cost) dari setiap sampel bank terdiri dari interest
expense dan non-interest expense.
Penelitian ini mengestimasi efisiensi biaya dengan cara menspesifikasi secara
umum menggunakan bentuk fungsi translog untuk fungsi biaya. Mengingat bahwa
biaya total (Total Cost) dan Price of Capital diskalakan dengan Price of Funds untuk
memastikan linear homogeneity pada variabel input dari fungsi biaya. Dengan kata
lain pengskalaan ini menunjukkan bahwa penjumlahan koefisien untuk Price of
Capital dan Price of Funds adalah sama dengan satu kesatuan.
Tabel 3.1.
Input dan Ouput Variabel
NO. INPUT VARIABLE OUTPUT VARIABLE
1. Price of Capital Total Loans
2. Price of Funds Total Other Earning Assets
3. Total Deposits
4. Liquid Assets
Variabel input dan ouput yang digunakan dalam penelitian ini adalah variabel-
variabel yang digunakan untuk melihat observasi spesifik mean (
) dan varians (
2
)
dari pre-truncated distribution yang mempengaruhi pengukuran tingkat efisiensi,
diantaranya:
Tabel 3.2.
Variabel Determinan
No Variabel Determinan Proxy
1 Loan Loss Reserves Ratio Loan Loss Reserves
Gross Loans
2. Exchange Rate Volatility Annualized Standard
Deviation from daily
exchange rate return
3. Interest Volatility Monthly standard
deviation of the BI rate
4. Exchange Difference between
exchange rate of t and t-1
5. Interest Change Difference between the BI
rate of t and t-1
6. ROA Volatility 5-year standard deviation
of ROA
7. Return Volatility Annualized standard
deviation from the monthly
log return
8. ETA ratio Total Equity
Total Asset
Dimana :
1. Risiko kredit diukur dengan menggunakan rasio Loan Loss Reserves (LLR)
yaitu cadangan piutang tak tertagih dibagi dengan gross loans. Penggunaan
rasio ini bertujuan untuk mengukur kualitas output dan bagaimana manajer
menginvestasikan pada aset yang berisiko tinggi (Sun dan Chang, 2009).
2. Risiko operasional, terdapat tiga variabel untuk menghitung risiko
operasional yaitu, volatilitas ROA, volatilitas return saham, dan equity to
asset ratio. Volatilitas ROA adalah indikator volatilitas berbasis akuntansi
yang dihitung dengan me-log-kan standar deviasi dari ROA selama lima tahun
(ROA_V). Volatilitas return saham adalah indikator volatilitas berbasis pasar
yang dihitung dengan memasukkan standar deviasi secara annual dari log
return bulanan (Ret_V). Equity to Asset Ratio menghitung posisi modal suatu
bank sebagai fraksi terhadap total aset. Rasio ini bisa digunakan sebagai proxy
apakah manajer bank seorang risk-averse atau risk lovers (Sun dan Chang,
2009).
Sedangkan untuk risiko pasar, penelitian ini menggunakan standar deviasi dari
return nilai tukar harian rupiah terhadap Dollar US (Ex_V), standar deviasi dari suku
bunga (BI rate) bulanan (interest_V) dan perubahan nilai tukar rupiah terhadap Dollar
(Ex change) dan tingkat suku bunga yang mengikuti BI rate (Interest change) dari t-1
hingga t (Sun dan Chang, 2009).
4. Analisis dan Pembahasan Penelitian
Model 1 : - Credit Risk
Variabel Determinan Signifikansi Parameter Koefisien P-Value
Inefficiency Model (Effects on
it
)
Loan Loss Reserves Signifikan 1 -21,83949 0,001
ROA Signifikan 2 -15,01032 0
Variance Parameter (Effects on
2
it
)
Loan Loss Reserves Tidak Signifikan 1 -17,6326 0,17
ROA Signifikan 2 -44,4938 0,031
Sumber : Output Stata 12, Olahan Penulis
*Signifikan pada tingkat 5%
Hasil estimasi parameter untuk explanatory variabel adalah sebagai berikut :
Loan Loss Reserves
Estimasi nilai rata-rata teknikal efisiensi dari variabel Loan Loss Reserves
menunjukkan angka yang negatif dan signifikan, namun tidak dengan variansnya. Hal
ini dapat diartikan bahwa semakin tinggi rasio Loan Loss Reserves maka bank akan
memiliki tingkat efisiensi biaya yang lebih rendah. Dengan kata lain, Bank dengan
Loan Loss Reserves yang semakin tinggi sangat mungkin mengalami risiko non-
performing.
ROA
Estimasi nilai rata-rata teknikal inefisiensi ROA menunjukkan angka yang positif dan
signifikan, begitu pula dengan variansnya.
Model 2 : - Market Risk
Variabel Determinan Signifikansi Parameter Koefisien P-Value
Inefficiency Model (Effects on
it
)
Interest Change Signifikan 1 14,22016 0
Ex Change Signifikan 2 6,338108 0008
Interest Volatility Signifikan 3 7,231303 0
Ex Volatility Signifikan 4 -828,0326 0
ROA
Tidak
Signifikan 5 -2,365554 0,669
Variance Parameter (Effects on
2
it
)
Interest Change Signifikan 1 30,37107 0
Ex Change Signifikan 2 4,719516 0
Interest Volatility
Tidak
Signifikan 3 12,26994 0,688
Ex Volatility
Tidak
Signifikan 4 -1854,759 0,441
ROA
Tidak
Signifikan 5 9,865947 0,556
Sumber : Output Stata 12, Olahan Penulis
*Signifikan pada Tingkat 5%
Hasil estimasi parameter untuk explanatory variable adalah sebagai berikut :
Interest Change
Estimasi nilai rata-rata teknikal inefisiensi Interest Change atau perubahan tingkat
bunga menunjukkan angka yang positif dan signifikan, namun tidak demikian dengan
variansnya yang tidak signifikan. Hal ini bisa diartikan sebagai perubahan yang
terjadi pada tingkat bunga pasar secara teknis mempengaruhi tingkat inefisiensi dari
suatu bank, perubahan bunga yang semakin tinggi dapat membuat tingkat inefisiensi
yang semakin tinggi pula.
Exchange
Estimasi nilai rata-rata teknikal inefisiensi Exchange atau perubahan nilai tukar
menunjukkan angka yang positif dan signifikan, namun tidak demikian dengan
variansnya yang tidak signifikan. Hal ini bisa diartikan sebagai perubahan yang
terjadi pada nilai tukar secara teknis mempengaruhi tingkat inefisiensi dari suatu
bank, perubahan nilai tukar yang semakin positif mengindikasikan nilai tukar mata
uang lokal terdevaluasi.
Interest Volatility
Estimasi nilai rata-rata teknikal Interest Volatility atau volatilitas dan pergerakan
tingkat bunga menunjukkan angka yang positif dan signifikan. Semakin tinggi
volatilitas tingkat bunga maka semakin inefisien bank tersebut.
Ex Volatility
Estimasi nilai rata-rata teknikal Exchange Volatility atau volatilitas dan pergerakan
nilai tukar Rupiah terhadap US Dollar menunjukkan angka yang negatif dan
signifikan. Hal ini mengindikasikan bahwa bank yang beroperasi pada suatu
lingkungan yang memiliki tingkat volatilitas nilai tukar yang tinggi akan beroperasi
dengan lebih efisien dibandingkan dengan bank yang beroperasi di pasar yang
volatilitas nilai tukarnya rendah.
ROA
Estimasi nilai parameter ROA menunjukkan angka yang negatif dan tidak
signifikan. Variabel ROA yang dijadikan sebagai indikator risiko pasar dapat
dikatakan tidak dapat menolak H0 yang berarti risiko pasar tidak mempengaruhi
tingkat efisiensi dari suatu bank. Rata-rata error dari variabel ROA tidak signifikan
mempengaruhi efisiensi pada suatu bank. Dengan kata lain variabel error yang
dijadikan indikator sebagai risiko pasar menunjukkan tidak signifikan.
Dari kelima variabel yang digunakan untuk melihat risiko pasar, dimana empat
diantaranya menunjukkan hasil yang signifikan maka dapat dikatakan risiko pasar
mempengaruhi tingkat inefisiensi dari suatu bank.
Model 3 : - Operational Risk
Variabel Determinan Signifikansi Parameter Koefisien P-Value
Inefficiency Model (Effects on
it
)
Return Volatility Signifikan 1 -27,166 0
ROA Volatility
Tidak
Signifikan 2 2,997283 0,187
ETA
Tidak
Signifikan 3 -7,45952 0,201
ROA Signifikan 4 -7,98495 0,011
Variance Parameter (Effects on
2
it
)
Return Volatility Signifikan 1 27,38118 0,008
ROA Volatility Signifikan 2 -16,6544 0
ETA
Tidak
Signifikan 3 -5,94768 0,4
ROA
Tidak
Signifikan 4 -41,1696 0,215
Sumber : Output Stata 12, Olahan Penulis
*Signifikan pada tingkat 5%
Hasil estimasi parameter untuk explanatory variable adalah sebagai berikut:
Return Volatility
Estimasi nilai rata-rata efisiensi teknikal dari variabel Return Volatility atau
pergerakan tingkat pengembalian saham menunjukkan angka yang negatif dan
signifikan mempengaruhi efek inefisiensi. Hal ini menandakan bahwa bank dengan
tingkat return volatility yang tinggi akan memiliki performa atau kinerja yang lebih
stabil dibanding bank lain.
ROA Volatility
Estimasi nilai rata-rata teknikal inefisiensi dari variabel ROA volatility atau volatilitas
dan pergerakan Return on Asset menunjukkan angka yang positif namun tidak
signifikan.
ETA (Equity to Total Asset Ratio)
Estimasi nilai rata-rata teknikal inefisiensi dari variabel Equity to Total Asset Ratio
atau volatilitas dan pergerakan ETA menunjukkan angka yang positif namun tidak
signifikan
ROA
Estimasi nilai rata-rata efisiensi teknikal dari variabel ROA menunjukkan angka yang
negatif dan signifikan.
Dalam model ini, dua variabel menunjukkan hasil yang signifikan
mempengaruhi inefisiensi dari suatu bank dan dua variabel lainnya menunjukkan
hasil yang tidak signifikan. Oleh karena itu, peneliti menyimpulkan bahwa risiko
operasional juga memiliki pengaruh terhadap tingkat inefisiensi dari kinerja suatu
bank.
5. Kesimpulan
Kegiatan Bank sangat erat kaitannya dengan performa atau kinerja. Bank yang
satu dengan yang lain saling berusaha untuk selalu lebih baik dari yang lain. Namun,
kinerja bank tidak bisa dilepaskan dengan faktor risiko yang terdapat dalam semua
jenis usaha. Risiko yang cukup jelas terkait diantaranya, risiko kredit, risiko pasar,
dan risiko operasional. Oleh karena itu, industri perbankan yang terkenal dengan
tingkat persaingan yang sangat kompetitif mau tidak mau diperhadapkan antara
efisiensi dengan faktor-faktor risiko yang telah disebutkan di atas. Banyak faktor-
faktor yang mempengaruhi efisiensi kinerja dari sebuah bank baik dari internal bank
itu sendiri ataupun dari eksternal bank. Pada dasarnya faktor internal akan lebih
mudah untuk dibenahi. Namun, tidak demikian halnya dengan faktor-faktor eksternal,
seperti tingkat suku bunga, perubahan nilai tukar, risiko gagal bayar, dan lainnya. Hal
inilah yang menjadi perhatian bagi pihak manajemen bank supaya dapat
meminimalisir faktor-faktor eksternal tersebut.
Hasil penelitian ini menunjukkan bahwa risiko kredit memiliki hubungan
yang signifikan terhadap tingkat efisiensi dari perbankan. Begitu juga dengan risiko
pasar yang memiliki hubungan yang signifikan terhadap tingkat efisiensi dari
perbankan. Risiko operasional yang menjadi indikator risiko terakhir dalam penelitian
ini menunjukkan bahwa risiko operasional memiliki hubungan yang signifikan
terhadap tingkat efisiensi dari perbankan. Namun, hasil yang diperoleh dengan
mengolah seluruh explanatory variable menunjukkan hasil yang anomali dimana
mayoritas variabel tersebut menjadi tidak signifikan apabila diolah secara bersamaan.
Penelitian ini dapat dilanjutkan dengan menggunakan variabel input dan
output yang berbeda dari penelitian sehingga dapat lebih menunjukkan variabel yang
mempengaruhi efisiensi. Selain itu explanatory variabel yang mewakili risiko kredit,
risiko pasar, dan risiko data menggunakan variabel lain yang dapat lebih
menggambarkan faktor-faktor risiko untuk melihat teknikal inefisiensi dari
perbankan. Selain itu untuk metode penelitian selanjutnya dapat menggunakan
pendekatan produksi (production approach) ataupun pendekatan aset (asset
approach).
\
6. Referensi
Aigner, Dennis, C., Lovell, K., & Schmidt, P. (1977). Formulation and Estimation of
Stochastic Frontier Production Function Models. Journal of Econometrics,
21-37.
Battese, George.E., & Coelli, T. J . (1995). A Model for Technical Inefficiency Effects
in a Stohasti Frontier Production Function for Panel Data. Empirical
Economics, 325-332.
Berger, A., & Humphrey, D. (1997). Efficiency of financial institutions: international
survey and directions for future research. European Journal of Operational
Research, 175-212.
Berger, Allen N. & Mester, Loretta J ., (1997). Inside the black box: What explains
differences in the efficiencies of financial institutions? Journal of Banking &
Finance.
Bonin, J ., Hasan, I., & Watchel, P. (2005). Bank performance, efficiency, and
ownership in a transition countries. Journal of Banking and Finance, 31-53.
Caudill, S., Ford, J ., & Gropper, D. (1995). Frontier estimation and firm specific
inefficiency meaures in the presence of heteroscedasticity. Journal of Business
and Eonomic Statistic, 105-111.
Coelli, T. (2007). A Computer Program for Stochastic Frontier Production and Cost
Function Estimation. New South Wales, New South Wales, Autralia:
University of New England.
Crouchy, M., Galai, D., & Mark, R. (1998). Risk Management : Comprehensive
Chapter on Market, Credit, and Operational Risk. New York : McGraw-Hill.
Damodaran, Ashwarth. (2002). Estimating Risk Parameters. New York : Stern
School of Business.
Goddard, J ., Molyneux, P., & Wilson, J . (2001). European Banking : Efficiency,
Technology, and Growth. New York: Wiley.
Gujarati, & Damodaran. (2003). Basic Econometrics. New York: Mc-Graw Hill.
Hadad, M. D., Santoso, W., Hall, M. J ., Simper, R., & Karligash. (2010, J uly 18).
Banking efficiency and stock market performance: an analysis of listed
Indonesian banks.
Hsiao, H., Cianci, A., & Huang, L. (2010). First fiancial restructuring and
operatingefficiency: evidence from Taiwanese commercial banks. Journal of
Banking and Finance, 1461-1471.
Kumar, S., & Gulati, R. (2010). Measuring efficiency, effectiveness, and performace
of Indian public sector Banks. International Journal of Productivity and
Performance Management, 51-74.
Kumbhakar, Ghosh, S., & McGuckin. (1991). A generalized production frontier
approach for estimating determinants of inefficiensy in US diary farms.
Journal of Business and Economic Statistic, 279-286.
Laycock, M. (1998). Analysis of Mishanding Losses and Processing Errors,
Operational Risk and Financial Institutions. London: Risk Publications in
Association with Arthur Andersen, 1988,PP.131-145
Mankiw, Gregory. (2008). Principles of Microeconomics. Cengage South-Western
Megginson, W. (1997). Corporate Finance Theory. London : Addison Wesley.
Mishkin, F. S. (n.d.). The Economics of Money Banking and Financial Market.
Boston: Pearson Education.
Pasiouras, F. (2008). Estimating the technical and scale efficiency of Greek
commercial banks. Research in International Business and Finance, 301-318.
Perbankan, D. P. (2011). STATISTIK PERBANKAN INDONESIA. J akarta: Bank
Indonesia.
Rochet, J .C, Freixas, X. (2008). Microeconomics of Banking. London : The MIT
PRESS Cambridge, Massachusetts.
Saunders dan Cornett. (2008). Financial Markets and Institution. New York :
McGraw-Hill
Sun, L., & Chang, T.-P. (2010). A comprehensive analysis of the effects of risk
measures on bank efficiency : Evidence from emerging Asian countries.
Journal of Banking & Finance.
Wang, H.-J . (2002). Heteroscedasticity and non-monotonic efficiency effects of a
stochastic frontier model. Journal of Productivity Analysis, 241-253