Skripsi

ANALISIS KINERJA KEUANGAN
PADA LEMBAGA PERBANKAN YANG TERDAFTAR

DI BURSA EFEK INDONESIA PERIODE 2005-2009
Oleh :
MARIA NATALIA TRISNADI

NIM : 0715251031
PROGRAM EKSTENSI
FAKULTAS EKONOMI
UNIVERSITAS UDAYANA
DENPASAR
2010
ANALISIS KINERJA KEUANGAN
PADA LEMBAGA PERBANKAN YANG TERDAFTAR
DI BURSA EFEK INDONESIA PERIODE 2005-2009
Oleh :
MARIA NATALIA TRISNADI

NIM : 0715251031
Skripsi ini ditulis untuk memenuhi sebagian persyaratan

Memperoleh gelar Sarjana Ekonomi pada
Program Ekstensi Fakultas Ekonomi
Universitas Udayana
Denpasar
2010
i
Skripsi ini telah diuji oleh tim penguji dan disetujui oleh Pembimbing, serta
diuji pada tanggal : 1 Juli 2010
Tim Penguji: Tanda Tangan
1. Ketua : Dra. Ni Ketut Purnawati, MS. ……………..
2. Sekretaris : Dra. I Gusti Agung Ketut Sri Ardani, MM. ……………..
3. Anggota : Drs. Ida Bagus Darsana, MSi. ……………..
Mengetahui,
Ketua Jurusan Manajemen Pembimbing
(Prof. Dr. Made Wardana, SE., MP.) (Dra. Ni Ketut Purnawati, MS.)
NIP. 19550801 198103 1031 NIP. 19611105 198601 2001
ii
KATA PENGANTAR
Puji syukur penulis panjatkan ke hadapan Tuhan Yang Maha Esa, karena
berkat rahmat-Nya, penulis dapat menyelesaikan skripsi yang berjudul “Analisis
Kinerja Keuangan pada Lembaga Perbankan yang Terdaftar di Bursa Efek
Indonesia Periode 2005-2009”.
Penulisan skripsi ini tidak lepas dari hambatan dan rintangan, tetapi berkat
bantuan dan bimbingan dari berbagai pihak, kesulitan itu dapat teratasi. Untuk itu
dalam kesempatan ini, penulis menyampaikan terima kasih kepada:
1. Bapak Prof. Dr. I Wayan Ramantha, SE., MM., Ak., CPA., selaku Dekan
Fakultas Ekonomi Universitas Udayana.
2. Bapak Dr. I Nyoman Mahaendra Yasa, SE., MSi., selaku Pembantu
Dekan I Fakultas Ekonomi Universitas Udayana.
3. Bapak Prof. Dr. Made Wardana, SE., MP. dan Bapak Drs. Komang
Ardana, MM., selaku Ketua dan Sekretaris Jurusan Manajemen Fakultas
Ekonomi Universitas Udayana.
4. Bapak Drs. Ketut Mustanda, MM., selaku Ketua Program Ekstensi
Fakultas Ekonomi Universitas Udayana.
5. Ibu Dra. I Gusti Agung Ketut Sri Ardani, MM., selaku Pembimbing
Akademik yang telah membimbing penulis dari awal perkuliahan sampai
saat ini.
iii
6. Ibu Dra. Ni Ketut Purnawati, MS., selaku Dosen Pembimbing yang telah
meluangkan waktunya untuk memberikan bimbingan dan saran yang
berguna dalam penulisan skripsi ini.
7. Keluarga tercinta yang selalu memberikan dukungan dan memotivasi
penulis.
8. Teman-teman jurusan manajemen keuangan program ekstensi angkatan
2007, terutama Ayu Putri, Stevi, Icha, Meita, Bobby, Geby, Satria, dan
Yudi yang telah menjadi teman seperjuangan.
9. Semua pihak yang tidak dapat disebutkan satu per satu yang telah
membantu penyusunan laporan ini.
Penulis menyadari sepenuhnya, bahwa penulisan skripsi ini masih banyak
terdapat kesalahan dan kekurangan yang disebabkan karena keterbatasan
kemampuan serta pengalaman penulis. Akhir kata, semoga skripsi ini dapat
bermanfaat bagi semua pihak yang berkepentingan.
Denpasar, Juni 2010
Penulis
iv
Judul : Analisis Kinerja Keuangan pada Lembaga Perbankan yang
Terdaftar di Bursa Efek Indonesia Periode 2005-2009
Nama : Maria Natalia Trisnadi
NIM : 0715251031
ABSTRAK
Industri perbankan merupakan salah satu industri yang memegang peranan

penting dalam perekonomian suatu negara. Lembaga perbankan di Indonesia
berperan sebagai penunjang pelaksanaan pembangunan nasional dalam rangka
meningkatkan pemerataan, pertumbuhan ekonomi dan stabilitas nasional. Krisis
moneter tahun 1997 telah menyebabkan terlikuidasinya 67 lembaga perbankan
yang berdampak pada runtuhnya kepercayaan masyarakat terhadap industri
perbankan serta biaya pemulihan kondisi perbankan nasional yang tidak sedikit
jumlahnya. Suatu lembaga perbankan dapat mengalami kebangkrutan ketika
lembaga perbankan tersebut memiliki kinerja yang buruk sehingga Bank Sentral
akan mengambil kebijakan untuk melikuidasi lembaga perbankan tersebut.
Kinerja keuangan lembaga perbankan dapat ditinjau dari tingkat kesehatan serta
prediksi kebangkrutannya.
Penelitian ini bertujuan untuk menganalisis kinerja keuangan pada lembaga
perbankan yang terdaftar di Bursa Efek Indonesia periode 2005-2009 berdasarkan
tingkat kesehatan dan prediksi kebangkrutannya. Analisis kinerja keuangan
tersebut dilakukan dengan menggunakan Model CAMEL sebagai model untuk
mengukur tingkat kesehatan lembaga perbankan, serta Model Internal Growth
Rate (IGR), Model Altman’s Z-Score, Model Springate, Model Fulmer, dan
Model Grover untuk memprediksi apakah suatu lembaga perbankan berpotensi
mengalami kebangkrutan atau tidak.
Berdasarkan hasil analisis diketahui bahwa secara umum tingkat kesehatan
19 lembaga perbankan yang menjadi sampel penelitian apabila menggunakan
Model CAMEL cukup baik atau berkategori “sehat”. Bila dilihat dari prediksi
kebangkrutan, ketiga model menghasilkan kesimpulan yang sama, yaitu seluruh
lembaga perbankan yang diteliti tidak berpotensi mengalami kebangkrutan. Model
yang menghasilkan kesimpulan berbeda adalah Model Altman’s Z-Score, dimana
kesimpulan yang diperoleh adalah seluruh lembaga perbankan yang diteliti
berpotensi mengalami kebangkrutan.
v
DAFTAR ISI
Halaman
JUDUL........................................................................................................ i
HALAMAN PENGESAHAN.................................................................... ii
KATA PENGANTAR................................................................................ iii
ABSTRAK.................................................................................................. iv
DAFTAR ISI............................................................................................... vi
DAFTAR TABEL...................................................................................... viii
DAFTAR LAMPIRAN.............................................................................. x
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah.................................................. 1
1.2 Tujuan dan Kegunaan Penelitian..................................... 8
1.2.1 Tujuan Penelitian....................................................
8
1.2.2 Kegunaan Penelitian............................................... 9
1.3 Sistematika Penulisan...................................................... 9
BAB II KAJIAN PUSTAKA

2.1 Landasan Teori................................................................ 11
2.1.1 Pengertian Bank...................................................... 11
2.1.2 Fungsi dan Kegiatan Bank...................................... 12
2.1.3 Jenis Bank............................................................... 14
2.1.4 Penilaian Kinerja Bank........................................... 19
2.1.5 Model CAMEL....................................................... 21
2.1.6 Pengertian Kebangkrutan........................................ 32
2.1.7 Model Prediksi Kebangkrutan................................. 35
2.2 Pembahasan Hasil Penelitian Sebelumnya...................... 48
BAB III METODE PENELITIAN

3.1 Lokasi dan Obyek Penelitian........................................... 52
3.2 Identifikasi Variabel........................................................ 52
3.3 Definisi Operasional Variabel......................................... 54
3.4 Jenis dan Sumber Data..................................................... 60
3.5 Metode Penentuan Sampel.............................................. 61
3.6 Metode Pengumpulan Data.............................................. 63
3.7 Teknik Analisis Data....................................................... 63
BAB IV PEMBAHASAN HASIL PENELITIAN

4.1 Gambaran Umum Bursa Efek Indonesia......................... 69
4.1.1 Sejarah Bursa Efek Indonesia................................. 69
4.1.2 Lembaga Perbankan yang Menjadi Sampel
Penelitian................................................................. 71
4.2 Pembahasan Hasil Penelitian…………………………… 73
vi
4.2.1 Analisis Tingkat Kesehatan Lembaga Perbankan
dengan Model CAMEL………………………….. 73
4.2.2 Analisis Prediksi Kebangkrutan pada Lembaga
Perbankan………………………………………… 85
BAB V SIMPULAN DAN SARAN

5.1 Simpulan.......................................................................... 101
5.2 Saran................................................................................ 102
DAFTAR RUJUKAN
LAMPIRAN
vii
DAFTAR TABEL
No. Tabel Halaman
2.1 Kriteria Kesehatan Lembaga Perbankan…………………....... 32

2.2 Kriteria Kebangkrutan Model Altman’s Z-Score…………….. 41
3.1 Daftar Lembaga Perbankan yang Menjadi Sampel Penelitian.. 62
3.2 Kriteria Kesehatan Lembaga Perbankan …………….............. 64
3.3 Kriteria Kebangkrutan dengan Model Internal Growth Rate… 65
3.4 Kriteria Kebangkrutan Model Altman’s Z-Score……………... 65
3.5 Kriteria Kebangkrutan Model Springate……………………… 66
3.6 Kriteria Kebangkrutan Model Fulmer………………………… 67
3.7 Kriteria Kebangkrutan Model Grover………………………… 67
4.1 Lembaga Perbankan yang Menjadi Sampel Penelitian……….. 72
4.2 Perhitungan Capital Adequacy Ratio (CAR) Lembaga
Perbankan yang Terdaftar di Bursa Efek Indonesia Periode
2005-2009…………………………………………………….. 74
4.3 Perhitungan Return on Risked Asset (RORA) Lembaga
2005-2009…………………………………………………….. 76
4.4 Perhitungan Net Profit Margin (NPM) Lembaga Perbankan
yang Terdaftar di Bursa Efek Indonesia Periode 2005-2009.... 78
4.5 Perhitungan Return on Asset (ROA) Lembaga Perbankan
yang Terdaftar di Bursa Efek Indonesia Periode 2005-2009.... 80
4.6 Perhitungan Perbandingan Biaya Operasional terhadap
Pendapatan Operasional (BOPO) Lembaga Perbankan yang
Terdaftar di Bursa Efek Indonesia Periode 2005-2009............. 82
4.7 Perhitungan Loan to Deposit Ratio (LDR) Lembaga
2005-2009…………………………………………………….. 84
4.8 Perhitungan Model Internal Growth Rate (IGR) Lembaga
2005-2009……………………………………………………. 86
4.9 Perbandingan antara Model Internal Growth Rate (IGR)
dengan Kebijakan Bank Indonesia…………………………… 87
4.10 Perhitungan Model Altman’s Z-Score Lembaga Perbankan
viii
yang Terdaftar di Bursa Efek Indonesia Periode 2005-2009… 89
4.11 Perbandingan antara Model Altman’s Z-Score dengan
Kebijakan Bank Indonesia…………………………………… 90
4.12 Perhitungan Model Springate Lembaga Perbankan yang
Terdaftar di Bursa Efek Indonesia Periode 2005-2009………. 92
4.13 Perbandingan antara Model Springate dengan Kebijakan
Bank Indonesia……………………………………………….. 93
4.14 Perhitungan Model Fulmer Lembaga Perbankan yang
4.15 Perbandingan antara Model Fulmer dengan Kebijakan Bank
Indonesia……………………………………………………… 96
4.16 Perhitungan Model Grover Lembaga Perbankan yang
4.17 Perbandingan antara Model Grover dengan Kebijakan Bank
Indonesia……………………………………………………… 99
ix
DAFTAR LAMPIRAN
No. Lampiran Halaman
1 Capital Adequacy Ratio (CAR) Lembaga Perbankan yang

2 Perhitungan Return on Risked Asset (RORA) Lembaga
2005-2009…………………………………………………….. 2
3 Perhitungan Net Profit Margin (NPM) Lembaga Perbankan
yang Terdaftar di Bursa Efek Indonesia Periode 2005-2009…. 3
4 Perhitungan Return on Asset (ROA) Lembaga Perbankan yang
Terdaftar di Bursa Efek Indonesia Periode 2005-2009……….. 4
5 Perhitungan Perbandingan Biaya Operasional terhadap
Pendapatan Operasional (BOPO) Lembaga Perbankan yang
6 Perhitungan Loan to Deposit Ratio (LDR) Lembaga
2005-2009…………………………………………………….. 6
7 Perhitungan Model Internal Growth Rate (IGR) Lembaga
2005-2009…………………………………………………….. 7
8 Perbandingan antara Model Internal Growth Rate (IGR)
dengan Kebijakan Bank Indonesia……………………………. 20
9 Perhitungan Model Altman’s Z-Score Lembaga Perbankan
yang Terdaftar di Bursa Efek Indonesia Periode 2005-2009…. 9
10 Perbandingan antara Model Altman’s Z-Score dengan
Kebijakan Bank Indonesia…………………………………….21
11 Perhitungan Model Springate Lembaga Perbankan yang
12 Perbandingan antara Model Springate dengan Kebijakan Bank
Indonesia……………………………………………………… 22
13 Perhitungan Model Fulmer Lembaga Perbankan yang
14 Perbandingan antara Model Fulmer dengan Kebijakan Bank
Indonesia………………………………………………………. 23
15 Perhitungan Model Grover Lembaga Perbankan yang
x
16 Perbandingan antara Model Grover dengan Kebijakan Bank
Indonesia………………………………………………………. 24
xi
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Lembaga perbankan merupakan salah satu badan usaha lembaga keuangan
yang bertujuan memberikan kredit, baik dengan alat pembayaran sendiri, dengan
uang yang diperolehnya dari orang lain, dengan jalan mengedarkan alat-alat
pembayaran berupa uang giral (Martono, 2002:8). Menurut Undang-Undang
Perbankan No. 10 Tahun 1998, perbankan adalah segala sesuatu yang
menyangkut tentang bank, mencakup kelembagaan, kegiatan usaha serta cara dan
proses dalam melaksanakan kegiatan usahanya.
Industri perbankan memegang peranan yang penting dalam perekonomian
negara Indonesia. Dalam Undang-Undang Perbankan No. 10 Tahun 1998 Pasal 4,
perbankan Indonesia bertujuan untuk menunjang pelaksanaan pembangunan
nasional dalam rangka meningkatkan pemerataan, pertumbuhan ekonomi dan
stabilitas nasional.
Dewasa ini, perkembangan industri perbankan masih dibayangi oleh krisis
perbankan yang terjadi tahun 1997. Krisis perbankan tersebut masih menyisakan
trauma bagi para pelaku ekonomi. Seiring dengan perkembangan industri
perbankan saat ini, informasi mengenai kinerja keuangan lembaga perbankan
semakin dibutuhkan.
Kinerja merupakan salah satu faktor penting yang menunjukkan efektivitas
dan efisiensi suatu organisasi dalam rangka mencapai tujuannya. Kinerja
keuangan lembaga perbankan penting untuk dianalisis karena dapat dijadikan
1
sebagai bahan pertimbangan dalam pengambilan kebijakan manajemen di segala
aspek. Apabila sebuah lembaga perbankan memiliki kinerja yang buruk, maka hal
tersebut harus segera diatasi untuk menghindarkan lembaga perbankan dari
kebangkrutan.
Krisis moneter tahun 1997 merupakan salah satu bukti bahwa kinerja yang
buruk dari lembaga perbankan yang tidak terdeteksi dapat mengakibatkan
collapse-nya lembaga perbankan. Selama periode 1997–2000, pemerintah telah
menutup atau melikuidasi 67 lembaga perbankan yang didasarkan pada Surat
Keputusan Direksi Bank Indonesia No. 30/11/KEP/DIR tanggal 30 April 1997.
Krisis perbankan yang terjadi pada tahun 1997 memberikan pelajaran
berharga bahwa berbagai permasalahan di sektor perbankan yang tidak terdeteksi
sejak dini akan mengakibatkan runtuhnya kepercayaan masyarakat terhadap
industri perbankan. Selain itu, upaya pemulihan kondisi perbankan nasional dan
peningkatan kembali kepercayaan masyarakat terhadap industri perbankan,
memerlukan biaya yang tidak sedikit. Tercatat lebih dari Rp 500 triliun biaya
yang harus dikeluarkan pemerintah untuk menyelamatkan dan merehabilitasi
sektor perbankan, termasuk di dalamnya Bantuan Likuiditas Bank Indonesia dan
Rekapitalisasi Perbankan.
Salah satu upaya yang dapat membantu para pelaku bisnis dalam menilai
kinerja keuangan suatu lembaga perbankan adalah dengan melakukan analisis
laporan keuangan, yang meliputi perhitungan dan interpretasi rasio-rasio
keuangan. Penelitian yang pernah dilakukan dengan menggunakan rasio keuangan
salah satunya dilakukan oleh Altman (1968), Springate (1978), dan Fulmer
2
(1984). Suatu laporan keuangan dapat dijadikan sebagai dasar untuk mengukur
tingkat kesehatan yang mencerminkan kemampuan bank dalam menjalankan
usahanya, keefektivan penggunaan aktivanya, hasil usaha yang telah dicapai,
beban tetap yang harus dibayar, serta potensi kebangkrutan yang mungkin akan
dialami (Murtanto, 2002:38).
Kinerja keuangan lembaga perbankan merupakan gambaran kondisi
keuangan bank pada suatu periode tertentu, baik menyangkut aspek
penghimpunan dana maupun penyaluran dana yang biasanya diukur dengan
indikator kecukupan modal, likuiditas, dan profitabilitas bank. Kinerja keuangan
lembaga perbankan dapat dikaitkan dengan tingkat kesehatan lembaga perbankan
itu sendiri (Aryani Merkuswati, 2007:100). Tingkat kesehatan bank diukur
berdasarkan Model CAMEL yang dilakukan oleh Bank Indonesia sebagai
pengawas pada lembaga perbankan di Indonesia sesuai dengan Undang-Undang
RI No. 7 Tahun 1992 tentang perbankan (Aryati, 2000:52). Peraturan terbaru
mengenai tingkat kesehatan lembaga perbankan adalah Peraturan Bank Indonesia
No. 6/10/PBI/2004 tanggal 12 April 2004 tentang sistem penilaian kesehatan bank
umum yang terdiri dari 6 aspek yang dikenal dengan istilah CAMELS.
Berdasarkan Surat Edaran Bank Indonesia No. 6/23/DPNP tanggal 31 Mei
2004 penilaian kesehatan bank diukur melalui aspek-aspek permodalan (capital),
kualitas aktiva (asset quality), manajemen (management), rentabilitas (earnings),
likuiditas (liquidity), dan sensitivitas terhadap risiko pasar (sensitivity to market
risk), dimana penilaian tersebut dilakukan dengan mengkuantifikasi komponen
dari masing-masing aspek, dan diberi bobot sesuai dengan besarnya pengaruh
3
masing-masing aspek terhadap kesehatan bank. Penilaian tersebut akan
dinyatakan dalam nilai kredit yang besarnya antara 0 sampai dengan 100.
Sementara itu, atas dasar nilai kredit dari aspek-aspek yang dinilai, maka dapat
diperoleh hasil penelitian tingkat kesehatan bank dengan menetapkan empat
golongan predikat tingkat kesehatan bank, mulai dari predikat sehat, cukup sehat,
kurang sehat, dan tidak sehat (Wilopo, 2001:188).
Penilaian kesehatan bank dengan Model CAMEL atau CAMELS juga dapat
dilakukan berdasarkan masing-masing aspek, dimana setiap rasio dari masing-
masing aspek yang telah ditentukan dalam Surat Edaran Bank Indonesia No.
6/23/DPNP tanggal 31 Mei 2004 akan digolongkan ke dalam empat kategori,
yaitu sehat, cukup sehat, kurang sehat, dan tidak sehat berdasarkan nilai dari
masing-masing rasio (Haryati, 2001:338).
Berdasarkan Surat Edaran Bank Indonesia No. 6/23/DPNP tanggal 31 Mei
2004, ada sekitar 39 faktor yang dinilai dalam rangka menentukan tingkat
kesehatan suatu lembaga perbankan. Beberapa faktor yang dinilai, seperti pada
aspek manajemen, hanya dapat dilakukan oleh Bank Indonesia sebagai pelaksana
dan lembaga perbankan yang bersangkutan. Dalam penelitian ini, analisis tingkat
kesehatan lembaga perbankan dengan Model CAMEL dilakukan dengan
menggunakan 6 rasio keuangan. Untuk aspek permodalan (capital), rasio yang
digunakan adalah Capital Adequacy Ratio (CAR) sesuai dengan Surat Edaran
Bank Indonesia No. 6/23/DPNP tanggal 31 Mei 2004. Aspek kualitas aktiva
(asset quality) dalam penelitian ini diproksikan dengan Return on Risked Asset
(RORA). Return on Risked Asset (RORA) dianggap dapat mewakili aspek
4
kualitas aktiva karena dinilai mampu mengukur kemampuan bank dalam berusaha
mengoptimalkan aktiva yang dimiliki untuk memperoleh laba (Rusbiantoro,
1995:16) Sama seperti aspek kualitas aktiva, penilaian aspek manajemen juga
tidak dapat mengikuti pola yang ditetapkan oleh Bank Indonesia. Dalam
penelitian ini, aspek manajemen diproksikan dengan Net Profit Margin (NPM).
Menurut Riyadi (2003:186), Net Profit Margin (NPM) dapat digunakan untuk
menilai aspek manajemen karena seluruh kegiatan manajemen suatu lembaga
perbankan pada akhirnya akan mempengaruhi perolehan laba. Aspek rentabilitas
dalam penelitian ini diproksikan dengan Return on Asset (ROA) dan
Perbandingan Biaya Operasional terhadap Pendapatan Operasional (BOPO) atau
Operating Income, sedangkan aspek likuiditas diproksikan dengan Loan to
Deposit Ratio (LDR) sesuai dengan Surat Edaran Bank Indonesia No. 6/23/DPNP
tanggal 31 Mei 2004.
Selain tingkat kesehatan, kinerja lembaga perbankan dapat dikaitkan dengan
potensi lembaga perbankan tersebut untuk mengalami kebangkrutan. Dalam
memprediksi kebangkrutan pada lembaga perbankan, dapat digunakan model-
model prediksi yang telah dikembangkan oleh para ahli, seperti Model Internal
Growth Rate, Model Altman’s Z-Score, Model Springate, Model Fulmer, dan
Model Grover. Model-model ini akan digunakan untuk mengukur rasio-rasio
berdasarkan laporan keuangan lembaga perbankan yang bersangkutan, sehingga
menghasilkan kesimpulan mengenai kondisi yang sedang dihadapi lembaga
perbankan tersebut, termasuk kebangkrutan.
5
Model Internal Growth Rate (IGR) merupakan model untuk memprediksi
kebangkrutan pada perusahaan yang dikemukakan oleh Ross (1998). Model ini
menggunakan analisis diskriminan dengan dua variabel yaitu Return on Asset
(ROA) dan Retention Ratio (b), yang akan menghasilkan nilai Z untuk kemudian
diklasifikasikan menjadi dua kategori yaitu “bangkrut” dan “tidak bangkrut”.
Model Altman’s Z-Score merupakan suatu penilaian yang digunakan untuk
memprediksi kebangkrutan perusahaan dengan menggabungkan beberapa rasio
keuangan menjadi suatu model peramalan yang berarti. Model ini menggunakan 5
variabel (X1-X5) yang akan menghasilkan Z-Score untuk kemudian
diklasifikasikan menjadi 3 kategori, yaitu “bangkrut”, “grey area”, dan “tidak
bangkrut”.
Model Springate, Model Fulmer dan Model Grover juga merupakan model
yang berdasarkan analisis diskriminan untuk menggolongkan apakah suatu
perusahaan berpotensi mengalami kebangkrutan atau tidak. Model Springate akan
menganalisis kinerja perusahaan berdasarkan 4 variabel, sehingga menghasilkan
nilai Z. Model Fulmer menganalisis kinerja perusahaan berdasarkan 8 variabel
dalam rangka menghitung nilai H yang kemudian akan dibandingkan dengan
angka kritis. Model Grover menggunakan 3 variabel untuk menghitung “score”
yang dimiliki suatu perusahaan untuk kemudian dibandingkan dengan angka
kritis.
Model CAMEL dan model prediksi kebangkrutan yang ada memiliki
variabel yang berbeda dan mengukur hal yang berbeda pula. Model CAMEL
digunakan oleh Bank Indonesia untuk mengukur tingkat kesehatan lembaga
6
perbankan. Berbeda dengan Model CAMEL, model prediksi kebangkrutan yang
ada digunakan untuk menentukan apakah suatu lembaga perbankan berpotensi
mengalami kebangkrutan atau tidak. Dari penelitian-penelitian sebelumnya,
Model CAMEL dan model prediksi kebangkrutan yang ada memberikan hasil
yang kontradiksi. Penelitian Hendrawan (2008) menghasilkan kesimpulan bahwa
prediksi kebangkrutan dengan Model Altman’s Z-Score memberikan hasil yang
bertolak belakang bila dibandingkan dengan penilaian tingkat kesehatan apabila
menggunakan Model CAMEL. Dari 26 lembaga perbankan yang diteliti oleh
Hendrawan (2008), seluruhnya berpotensi mengalami kebangkrutan. Kenyataan
yang diperoleh adalah semua sampel yang digunakan (kecuali Bank Century)
masih beroperasi sampai sekarang. Hasil yang berbeda diperoleh dari penelitian
Santoso (2006), dimana kesimpulan yang diperoleh adalah tingkat kesesuaian
yang cukup tinggi antara Model Altman’s Z-Score dan Model CAMEL dalam
memprediksi kebangkrutan suatu lembaga perbankan. Model CAMEL sebagai
metode yang digunakan oleh Bank Indonesia untuk menilai tingkat kesehatan
lembaga perbankan akan mempengaruhi kebijakan Bank Indonesia di dalam
melikuidasi lembaga perbankan. Lembaga perbankan yang berpotensi mengalami
kebangkrutan berdasarkan analisis dengan model prediksi kebangkrutan, tidak
selalu sesuai dengan kebijakan Bank Indonesia, dimana Bank Indonesia
menganggap bahwa lembaga perbankan tersebut masih memiliki kesehatan yang
cukup baik sehingga tidak dilikuidasi. Perbedaan penilaian tesebut dapat
disebabkan karena Bank Indonesia di dalam mengambil kebijakan juga
mempertimbangkan aspek-aspek kualitatif. Di sisi lain model prediksi
7
kebangkrutan hanya menganalisis aspek-aspek kuantitatif yang diproksikan
dengan rasio-rasio keuangan, sehingga menyebabkan ketidaksesuaian antara
model CAMEL sebagai metode analisis tingkat kesehatan bank dengan model
prediksi kebangkrutan yang ada.
Berdasarkan latar belakang di atas, maka yang menjadi pokok permasalahan
dalam penelitian ini adalah sebagai berikut:
1) Bagaimana tingkat kesehatan lembaga perbankan yang terdaftar di Bursa
Efek Indonesia periode 2005-2009 apabila menggunakan Model CAMEL?
2) Bagaimana prediksi kebangkrutan pada lembaga perbankan yang terdaftar di
Bursa Efek Indonesia periode 2005-2009 apabila menggunakan Model
Internal Growth Rate, Model Altman’s Z-Score, Model Springate, Model
Fulmer, dan Model Grover?
1.2 Tujuan dan Kegunaan Penelitian
1.2.1 Tujuan Penelitian
Tujuan dari penelitian ini adalah sebagai berikut:
1) Untuk mengetahui bagaimana tingkat kesehatan lembaga perbankan
yang terdaftar di Bursa Efek Indonesia periode 2005-2009 apabila
menggunakan Model CAMEL.
2) Untuk mengetahui bagaimana prediksi kebangkrutan pada lembaga
perbankan yang terdaftar di Bursa Efek Indonesia periode 2005-2009
apabila menggunakan Model Internal Growth Rate, Model Altman’s
Z-Score, Model Springate, Model Fulmer, dan Model Grover.
8
1.2.2 Kegunaan Penelitian
Hasil dari penelitian ini diharapkan dapat memberikan kegunaan sebagai
berikut:
1) Kegunaan Teoritis
Penelitian ini diharapkan dapat memberikan sumbangan pemikiran
mengenai model-model yang dapat digunakan untuk menganalisis
kinerja keuangan pada perusahaan, termasuk lembaga perbankan.
Bagi penelitian selanjutnya, penelitian ini dapat dijadikan referensi
dan bahan pemikiran untuk menindaklanjuti penelitian ini.
2) Kegunaan Praktis
Penelitian ini diharapkan dapat memberikan masukan dan sebagai
bahan pertimbangan bagi manajemen perusahaan, terutama lembaga
perbankan di dalam menganalisis kinerja keuangan melalui tingkat
kesehatan dan prediksi kebangkrutan.
1.3 Sistematika Penulisan
Skripsi ini terdiri dari lima bab, dimana sistematika penulisannya adalah
sebagai berikut:
BAB I Pendahuluan
Bab ini menguraikan tentang latar belakang dari masalah yang
akan diteliti, tujuan dari penelitian, kegunaan penelitian, serta
sistematika penulisan.
9
BAB II Kajian Pustaka
Bab ini menguraikan tentang teori-teori yang berkaitan dengan
penelitian ini, mulai dari pengertian bank sampai model-model
prediksi kebangkrutan pada lembaga perbankan, serta
pembahasan dari hasil penelitian-penelitian sebelumnya.
BAB III Metode Penelitian
Bab ini menguraikan tentang metode penelitian yang meliputi
lokasi dan obyek penelitian, identifikasi variabel, definisi
operasional variabel, jenis dan sumber data, metode penentuan
sampel, metode pengumpulan data, serta teknik analisis data.
BAB IV Pembahasan Hasil Penelitian
Bab ini menguraikan tentang gambaran umum Bursa Efek
Indonesia dan lembaga perbankan yang menjadi sampel
penelitian, serta pembahasan tentang tingkat kesehatan dan
prediksi kebangkrutan lembaga perbankan tersebut.
BAB V Simpulan dan Saran
Bab ini menguraikan tentang simpulan dari hasil analisis pada bab
sebelumnya serta saran-saran yang dapat digunakan oleh pihak-
pihak yang berkepentingan.
10
BAB II
KAJIAN PUSTAKA
1.4 Landasan Teori
2.1.1 Pengertian Lembaga Perbankan
Pengertian lembaga perbankan (bank) menurut UU No. 7 Tahun 1992
tentang perbankan sebagaimana telah diubah dengan UU No. 10 Tahun 1998,
adalah sebagai berikut:
a. Bank adalah badan usaha yang menghimpun dana dari masyarakat
dalam bentuk simpanan, dan menyalurkannya kepada masyarakat
dalam bentuk kredit dan atau bentuk-bentuk lainnya dalam rangka
meningkatkan taraf hidup masyarakat banyak.
b. Bank Umum adalah bank yang melaksanakan kegiatan usaha secara
konvensional dan atau berdasarkan prinsip syariah yang dalam
kegiatannya memberikan jasa dalam lalu lintas pembayaran.
c. Bank Perkreditan Rakyat adalah bank yang melaksanakan kegiatan
usaha secara konvensional atau berdasarkan prinisp syariah yang
dalam kegiatannya tidak memberikan jasa dalam lalu lintas
pembayaran.
Menurut Martono (2002:8), lembaga perbankan merupakan salah satu badan
usaha lembaga keuangan yang bertujuan memberikan kredit, baik dengan alat
pembayaran sendiri, dengan uang yang diperolehnya dari orang lain, dengan jalan
mengedarkan alat-alat pembayaran berupa uang giral. Menurut Indriyo (2002:4),
11
lembaga perbankan merupakan lembaga yang dapat dipergunakan sebagai tempat
sumber dana dan penyimpanan dana, dan mitra bagi perusahaan yang go public.
Bank juga dikenal sebagai tempat untuk meminjam uang (kredit) bagi
masyarakat yang membutuhkannya. Di samping itu bank juga dikenal sebagai
tempat untuk menukar uang, memindahkan uang atau penerima segala macam
bentuk pembayaran dan setoran seperti pembayaran listrik, telepon, air, pajak,
uang kuliah dan pembayaran lainnya (Kasmir, 2007:23). Dari beberapa definisi
tentang bank tersebut, maka dapat disimpulkan bahwa bank adalah badan usaha
yang menghimpun dana dari masyarakat dalam bentuk simpanan atau dalam
bentuk lainnya, dan disalurkan kembali kepada masyarakat dalam rangka
meningkatkan taraf hidup rakyat banyak dengan tujuan memberikan pelayanan
yang memuaskan kepada masyarakat. Dalam hal ini bank akan menghimpun dana
dari masyarakat yang mempunyai kelebihan dana dalam bentuk tabungan,
deposito dan giro, kemudian menyalurkan kembali kepada masyarakat yang
memerlukan dana dalam bentuk kredit atau pinjaman.
2.1.2 Fungsi dan Kegiatan Bank
Menurut Susilo (2000:6) secara umum fungsi utama bank adalah
menghimpun dana dari masyarakat dan menyalurkan kembali kepada masyarakat
untuk berbagai tujuan atau sebagai financial intermediary. Secara lebih spesifik
fungsi bank dapat sebagai:
12
a. Agent of Trust, yaitu dasar utama kegiatan perbankan adalah
trust atau kepercayaan, baik dalam hal penghimpunan dana maupun
penyaluran dana.
b. Agent of Development, yaitu tugas bank sebagai penghimpun
dan penyalur dana sangat diperlukan untuk kelancaran kegiatan
perekonomian di sektor riil berupa investasi, distribusi dan konsumsi
dimana kegiatan tersebut selalu berkaitan dengan penggunaan uang.
c. Agent of Service, disamping melakukan kegiatan
penghimpunan dana, bank juga memberikan penawaran jasa-jasa
perbankan yang lain kepada masyarakat. Jasa yang ditawarkan bank
ini erat kaitannya dengan kegiatan perekonomian masyarakat secara
umum, antara lain yaitu jasa pengiriman uang, jasa penitipan barang
berharga, jasa pemberian jaminan bank, dan penyelesaian tagihan.
Menurut Martono (2002:24) kegiatan bank secara umum adalah sebagai
berikut:
a. Menghimpun dana dari masyarakat (funding)
Pengertian dari menghmpun dana berarti mengumpulkan dan mencari
dana dengan cara membeli dari masyarakat luas dalam bentuk
simpanan giro, tabungan dan deposito. Pembelian dana dari
masyarakat ini dilaksanakan oleh bank melalui berbagai strategi agar
masyarakat tertarik dan mau mengivestasikan dananya melalui
lembaga keuangan bank, strategi tersebut dapat berupa pemberian
13
bunga, hadiah yang menarik dan memberikan pelayanan yang terbaik
untuk masyarakat.
b. Menyalurkan dana ke masyarakat (lending)
Menyalurkan dana berarti memberikan kembali dana yang telah
dihimpun kepada masyarakat dalam bentuk pinjaman bagi bank
konvensional atau pembiayaan bagi bank syariah. Tinggi rendahnya
suku bunga pinjaman tergantung oleh tinggi rendahnya tingkat bunga
simpanan. Semakin tinggi tingkat suku bunga simpanan maka tingkat
suku bunga kredit akan semakin tinggi, selain hal itu juga dipengaruhi
oleh biaya operasi yang dikeluarkan, cadangan risiko kredit macet,
pajak serta pengaruh lainnya.
c. Memberikan jasa-jasa bank lainnya (service)
Jasa-jasa bank lainnya merupakan jasa pendukung kegiatan bank. Jasa
ini diberikan oleh terutama untuk mendukung kelancaran kegiatan
perbankan.
2.1.3 Jenis Bank
Menurut Kasmir (2007:32-38) lembaga perbankan dapat dibedakan menjadi
beberapa jenis sebagai berikut:
a. Dilihat dari bidang usahanya
1) Bank Umum
Dalam pasal 1 angka 3 Undang-Undang Nomor 10 Tahun 1998
tentang Perbankan mengemukakan bahwa bank umum adalah
14
bank yang melaksanakan kegiatan usaha secara konvensional
dan atau berdasarkan prinsip syariah yang dalam kegiatannya
memberikan jasa dalam lalu lintas pembayaran. Jasa yang
diberikan bersifat umum dalam arti dapat memberikan seluruh
jasa perbankan yang ada. Begitu pula wilayah operasinya dapat
dilakukan di seluruh wilayah Indonesia, bahkan sampai ke luar
negeri (cabang).
Usaha perbankan secara konvensional merupakan usaha
perbankan dalam memberikan kredit kepada nasabah baik
perorangan maupun perusahaan. Makna usaha perbankan
berdasarkan prinsip syariah adalah aturan perjanjian
berdasarkan Hukum Islam antara bank dengan pihak lain untuk
penyimpanan dana dan atau pembiayaan kegiatan usaha atau
kegiatan lainnya dengan syariah, antara lain pembiayaan
berdasarkan prinsip bagi hasil, pembayaran berdasarkan prinsip
penyertaan modal, prinsip jual beli barang dengan memperoleh
keuntungan, atau pembiayaan barang modal berdasarkan prinsip
sewa murni tanpa pilihan, atau dengan adanya pilihan
pemindahan kepemilikan atas barang yang disewa dari pihak
bank oleh pihak lain.
2) Bank Perkreditan (BPR)
Dalam pasal 1 angka 4 Undang-Undang Nomor 10 Tahun 1998
mengemukakan bahwa Bank Perkreditan Rakyat adalah bank
15
yang melaksanakan kegiatan usaha secara konvensional atau
berdasarkan prinsip syariah yang dalam kegiatannya tidak
memberikan jasa dalam lalu lintas pembayaran, artinya jasa-jasa
perbankan yang ditawarkan BPR jauh lebih sedikit jika
dibandingkan dengan kegiatan atau jasa Bank Umum.
b. Dilihat dari kepemilikannya
1) Bank Pemerintah
Bank yang akta pendirian maupun modalnya dimiliki oleh
pemerintah, sehingga keuntungan bank ini dimiliki oleh
pemerintah pula, misalnya Bank Negara Indonesia (BNI 46),
Bank Rakyat Indonesia (BRI), Bank Tabungan Negara (BTN)
dan Bank Milik Pemerintah Daerah yaitu Bank Pembangunan
Daerah.
2) Bank Milik Swasta nasional
Bank jenis ini seluruh atau sebagian besarnya dimiliki oleh
swasta nasional, misalnya Bank Central Asia (BCA).
3) Bank Milik Koperasi
Kepemilikan saham-saham bank ini dimiliki oleh perusahaan
yang berbadan hukum koperasi, misalnya Bank Umum Koperasi
Indonesia.
16
4) Bank Milik Asing
Bank jenis ini merupakan cabang dari bank yang ada di luar
negeri, bank milik swasta asing atau pemerintah asing, misalnya
American Expres Bank (AMEX).
5) Bank Milik Campuran
Kepemilikan saham bank campuran dimiliki oleh pihak asing
dan pihak swasta nasional. Kepemilikan sahamnya secara
mayoritas dipegang oleh warga Indonesia, misalnya Simitomo
Niaga Bank.
c. Dilihat dari segi status
1) Bank Devisa, yaitu bank yang memperoleh surat penjualan dari
Bank Indonesia untuk melakukan usaha perbankan dalam Valuta
Asing.
2) Bank Non Devisa, yaitu bank yang belum mempunyai izin
untuk melaksanakan transaksi sebagai bank devisa, sehingga
tidak dapat melakukan usaha di bidang transaksi valuta asing.
d. Dilihat dari segi cara menentukan harga
1) Bank yang berdasarkan prinsip konvesional, bank ini
menetapkan bunga sebagai harga, baik simpanan maupun
pinjamannya, dan untuk jasa-jasa bank lainnya pihak perbankan
barat menggunakan atau menerapkan berbagai biaya-biaya
dalam nominal atau persentase tertentu. Sistem pengenaan biaya
ini dikenal istilah fee based.
17
2) Bank yang berdasarkan prinsip syariah, bank ini dalam penetuan
harga produknya sangat berbeda dengan bank berdasarkan
prinsip konvesional. Prinsip syariah adalah aturan perjanjian
berdasarkan Hukum Islam antara bank dengan pihak lain untuk
menyimpan dana atau pembiayaan usaha atau kegiatan
perbankan lainnya. Dalam menentukan harga atau mencari
keuntungan dengan berdasarkan pada pembiaayaan berdasarkan
prinsip bagi hasil, penyertaan modal, prinsip jual beli barang
dengan memperoleh keuntungan, pembiayaan barang modal
berdasarkan sewa murni tanpa pilihan, atau dengan adanya
pilihan pemindahan kepemilikan atas barang yang disewa dari
pihak bank oleh pihak lain.
e. Menurut ketentuan Undang-Undang Tahun 1967 membedakan
jenis bank berdasarkan pada fungsinya, yaitu :
1) Bank Sentral, yaitu Bank Indonesia yang bertugas membimbing
pelaksanaan kebijaksanaan keuangan dan mengkoordinir serta
mengatasi seluruh perbankan di Indonesia.
2) Bank Umum, yaitu bank yang dalam pengumpulan dananya
terutama menerima simpanan dalam bentuk giro dan deposito
dan dalam usahanya terutama memberikan kredit jangka
panjang.
3) Bank Tabungan, yaitu bank yang dalam pengumpulan dananya
terutama menerima simpanan dalam bentuk tabungan dan dalam
18
usahanya terutama membungakan dananya dalam surat
berharga.
4) Bank Pembangunan, yaitu bank yang dalam pengumpulan
dananya terutama menerima simpanan dalam bentuk deposito
dan atau mengeluarkan kertas berharga jangka menengah dan
jangka panjang di bidang pembangunan.
5) Bank Desa, yaitu bank yang menerima simpanan dalam bentuk
uang dan natural (seperti padi, jagung dan sebagainya yang
sejenis dengan itu).
f. Bank dilihat dari segi penciptaan giral terdiri dari:
1) Bank Primer, yaitu bank yang dapat menciptakan uang melalui
simpanan masyarakat yang ada padanya yaitu simpanan liquid
dalam bentuk giro. Yang dapat bertindak sebagai Bank Primer
adalah Bank Sirkulasi / Bank Sentral yang dapat menciptakan
kredit dalam bentuk kertas dan uang giral dan Bank Umum yang
dapat menciptakan uang giral.
2) Bank Sekunder, yaitu bank yang dapat menciptakan uang
melalui simpanan masyarakat yang ada padanya. Bank ini hanya
bertugas sebagai perantara dalam penyaluran kredit, yang
tergolong ke dalam Bank Sekunder ini adalah Bank Tabungan
dan Bank Pembangunan.
19
2.1.4 Penilaian Kinerja Bank
Kinerja (performance) bank secara keseluruhan merupakan gambaran
prestasi yang dicapai bank dalam operasionalnya, baik menyangkut aspek
keuangan, pemasaran, penghimpunan dan penyaluran dana, teknologi maupun
sumber daya manusia (Abdullah, 2004:58).
Berdasarkan penjelasan di atas, kinerja keuangan bank merupakan
gambaran kondisi keuangan bank pada suatu periode tertentu, baik menyangkut
aspek penghimpunan dana maupun penyaluran dana yang biasanya diukur dengan
indikator kecukupan modal, likuiditas, dan profitabilitas bank.
Penilaian aspek penghimpunan dana dan penyaluran dana merupakan
kinerja keuangan yang berkaitan dengan peran bank sebagai lembaga
intermediasi. Adapun penilaian kondisi likuiditas bank berguna untuk mengetahui
seberapa besar kemampuan bank dalam memenuhi kewajibannya kepada para
deposan. Penilaian aspek profitabilitas berguna untuk mengetahui kemampuan
menciptakan profit, yang tentu saja merupakan hak yang penting bagi pemilik
atau pemegang saham.
Analisis penilaian kinerja keuangan bank memiliki beberapa tujuan, dua di
antaranya adalah:
a. Untuk mengetahui keberhasilan pengelolaan keuangan bank terutama
kondisi likuiditas, kecukupan modal, dan profitabilitas yang dicapai
dalam tahun berjalan maupun tahun sebelumnya.
b. Untuk mengetahui kemampuan bank dalam mendayagunakan semua
asset yang dimiliki dalam menghasilkan profit secara efisien.
20
Kinerja keuangan lembaga perbankan dapat dikaitkan dengan tingkat
kesehatan lembaga perbankan itu sendiri. Tingkat kesehatan bank diukur
berdasarkan Model CAMEL yang dilakukan oleh Bank Indonesia sebagai
pengawas pada lembaga perbankan di Indonesia sesuai dengan Undang-Undang
RI No. 7 Tahun 1992 tentang perbankan (Aryati, 2000:52). Selain tingkat
kesehatan, kinerja lembaga perbankan juga dapat dikaitkan dengan seberapa besar
potensi lembaga perbankan tersebut untuk mengalami kebangkrutan (Aryani
Merkuswati, 2007:100). Dalam memprediksi kebangkrutan pada lembaga
perbankan, dapat digunakan model-model prediksi yang telah dikembangkan oleh
para ahli, seperti Model Internal Growth Rate, Model Altman’s Z-Score, Model
Springate, Model Fulmer, dan Model Grover. Model-model ini akan digunakan
untuk mengukur rasio-rasio keuangan lembaga perbankan yang bersangkutan,
sehingga dapat menghasilkan keputusan apakah lembaga perbankan tersebut
berpotensi mengalami kebangkrutan atau tidak.
2.1.5 Model CAMEL
Untuk melakukan penelitian tentang kesehatan bank, sebuah bank dapat
dilihat dari berbagai aspek (Martono, 2002:85). Penilaian ini bertujuan untuk
menentukan apakah bank tersebut dalam kondisi yang sehat, cukup sehat, kurang
sehat, dan tidak sehat, sehingga Bank Indonesia sebagai pengawas dan pembina
lembaga perbankan di Indonesia dapat memberikan arahan bagaimana bank
tersebut harus dijalankan dengan baik atau bahkan menghentikan operasinya.
21
Ukuran untuk menilai kesehatan bank di Indonesia telah ditentukan oleh
Bank Indonesia. Berdasarkan Undang-Undang RI No. 7 Tahun 1992 tentang
perbankan, pada pasal 29 disebutkan beberapa ketentuan sebagai berikut
(Martono, 2003:87):
a. Pembinaan dan pengawasan bank dilakukan oleh Bank Indonesia.
b. Bank Indonesia menetapkan ketentuan tentang kesehatan bank dengan
memperhatikan aspek permodalan, kualitas asset, kualitas manajemen,
rentabilitas, likuiditas, solvabilitas, dan aspek lainnya yang
berhubungan dengan usaha bank.
c. Bank wajib memelihara kesehatan bank sesuai dengan ketentuan
sebagaimana dimaksud dalam ayat (2) dan wajib melakukan usaha
sesuai dengan prinsip kehati-hatian.
Berkaitan dengan undang-undang tentang perbankan tersebut, Bank
Indonesia telah mengeluarkan beberapa surat edaran seperti Surat Edaran No.
23/21/BPPP tanggal 28 Februari 1991, Surat Edaran No. 26/5/BPPP tanggal 29
Mei 1993, Surat Keputusan Direksi Bank Indonesia No. 30/11/KEP/DIR tanggal
30 April 1997, dan yang terbaru adalah Surat Edaran Bank Indonesia No.
6/23/DPNP tanggal 31 Mei 2004 yang mengacu pada Peraturan Bank Indonesia
No. 6/10/PBI/2004 tanggal 12 April 2004 tentang sistem penilaian kesehatan bank
umum yang terdiri dari 6 faktor yang dikenal dengan istilah CAMELS. Keenam
faktor tersebut antara lain:
22
a. Capital (Permodalan)
Menurut Martono (2002:88) pada aspek permodalan ini yang dinilai
adalah permodalan yang didasarkan pada kewajiban penyediaaan
modal minimum bank. Penilaian pendekatan kuantitatif dan kualitatif
faktor permodalan antara lain dilakukan melalui penilaian terhadap
komponen-komponen sebagai berikut:
1) Capital Adequacy Ratio (CAR)
2) Kecukupan pemenuhan Kewajiban Penyediaan Modal Minimum
(KPMM) terhadap ketentuan yang berlaku
3) Komposisi permodalan
4) Tren ke depan atau proyeksi dari Kewajiban Penyediaan Modal
Minimum (KPMM)
5) Aktiva produktif yang diklasifikasikan dibandingkan dengan
modal bank
6) Kemampuan bank memelihara kebutuhan penambahan modal
yang berasal dari laba ditahan
7) Rencana permodalan bank untuk mendukung pertumbuhan
usaha
8) Akses kepada sumber permodalan
9) Kinerja keuangan pemegang saham untuk meningkatkan
permodalan bank
23
b. Asset Quality (Kualitas Aktiva)
Pada aspek kualitas aktiva ini, penilaian akan dilakukan pada aktiva
produktif yang dimiliki bank. Penilaian pendekatan kuantitatif dan
kualitatif faktor kualitas aktiva antara lain dilakukan melalui penilaian
terhadap komponen-komponen sebagai berikut:
1) Aktiva produktif yang diklasifikasikan dibandingkan dengan
total aktiva produktif (APYD)
2) Debitur inti kredit di luar pihak terkait dibandingkan dengan
total kredit
3) Perkembangan aktiva produktif bermasalah atau non-
performing asset dibandingkan dengan aktiva produktif
4) Tingkat kecukupan pembentukan penyisihan penghapusan
aktiva produktif (PPAP)
5) Kecukupan kebijakan dan prosedur aktiva produktif (KAP)
6) Sistem kaji ulang (review) internal terhadap aktiva produktif
7) Dokumentasi aktiva produktif
8) Kinerja penanganan aktiva produktif bermasalah (APB)
c. Management (Manajemen)
Kualitas manajemen dapat dilihat dari kualitas manusianya dalam
bekerja. Kualitas manajemen juga dapat dilihat dari pendidikan serta
pengalaman karyawannya dalam menangani permasalahan yang ada.
Unsur-unsur penilaian dalam kualitas manajemen adalah manajemen
permodalan, manajemen aktiva, manajemen umum, manajemen
24
rentabilitas, dan manajemen likuiditas yang didasarkan atas jawaban
dari 250 pertanyaan yang diajukan (Martono, 2002:30).
Untuk menilai kesehatan bank dalam aspek manajemen ini, biasanya
dilakukan dengan media kuisioner, yang ditujukan bagi pihak
manajemen bank. Penilaian terhadap faktor manajemen antara lain
dilakukan melalui penilaian terhadap komponen-komponen sebagai
berikut:
1) Manajemen umum
2) Penerapan sistem manajemen risiko
3) Kepatuhan bank terhadap ketentuan yang berlaku serta
komitmen kepada Bank Indonesia dan atau pihak lainnya
d. Earnings (Rentabilitas)
Menurut Martono (2002:90) pada aspek rentabilitas ini dapat dilihat
kemampuan bank dalam meningkatkan laba dan efisiensi usaha yang
dicapai. Bank yang sehat adalah bank yang ukuran rentabilitasnya
terus meningkat. Penilaian pendekatan kuantitatif dan kualitatif faktor
rentabilitas antara lain dilakukan melalui penilaian terhadap
1) Return on Assets (ROA)
2) Return on Equity (ROE)
3) Net Interest Margin (NIM)
4) Biaya Operasional terhadap Pendapatan Operasional (BOPO)
5) Perkembangan laba operasional
25
6) Komposisi portofolio aktiva produktif dan diverifikasi
pendapatan
7) Penerapan prinsip akuntansi dalam pengakuan pendapatan dan
biaya
8) Prospek laba operasional
e. Liquidity (Likuiditas)
Menurut Martono (2002:92) pada aspek likuiditas ini, penilaian yang
dilakukan berdasarkan atas kemampuan bank dalam membayar semua
hutang-hutangnya pada saat jatuh tempo dan dapat memenuhi semua
permohonan kredit yang layak disetujui.
Menurut Hasibuan (2005:58) sebuah bank dikatakan likuid jika bank
tersebut memiliki:
1) Cash asset sebesar kebutuhan yang akan digunakan untuk
memenuhi likuiditasnya.
2) Cash asset lebih kecil dari butir (a) di atas, tetapi bank juga
mempunyai asset lainnya (khususnya surat-surat berharga) yang
dapat dicairkan sewaktu-waktu tanpa mengalami penurunan
nilai pasarnya.
3) Kemampuan untuk menciptakan cash asset baru melalui
berbagai bentuk uang.
Penilaian pendekatan kuantitatif dan kualitatif faktor likuiditas
antara lain dilakukan melalui penilaian terhadap komponen-komponen
sebagai berikut:
26
1) Loan to Deposit Ratio (LDR)
2) Aktiva likuid kurang dari satu bulan dibandingkan dengan
pasiva likuid kurang dari satu bulan
3) 1-month maturity mismatch ratio
4) Proyeksi cash-flow tiga bulan mendatang
5) Ketergantungan pada dana antar bank dan deposan inti
6) Kebijakan dan pengolahan likuiditas
7) Kemampuan bank memperoleh akses pada pasar uang, pasar
modal, atau sumber pendanaan lainnya
8) Stabilitas dana pihak ketiga (DPK)
f. Sensitivity to Market Risk (Sensitivitas terhadap Risiko Pasar)
Penilaian pendekatan kuantitatif dan kualitatif faktor sensitivitas
terhadap risiko pasar antara lain dilakukan melalui penilaian terhadap
1) Ekses modal dibandingkan dengan potential loss suku bunga
2) Ekses modal dibandingkan dengan potential loss nilai tukar
3) Kecukupan penerapan sistem Manajemen Risiko Pasar (Market
Risk)
Berdasarkan penjelasan tersebut, Bank Indonesia di dalam menganalisis
tingkat kesehatan suatu lembaga perbankan menggunakan penilaian pendekatan
kuantitatif dan kualitatif untuk masing-masing faktor. Hal tersebut sangat sulit
untuk dilakukan karena terdapat data yang tidak dipublikasikan dan merupakan
wewenang Bank Indonesia seutuhnya sebagai pembina dan pengawas lembaga
27
perbankan. Seringkali dalam penelitian-penelitian sebelumnya hanya digunakan
beberapa rasio, seperti penelitian yang dilakukan oleh Aryani Merkusiwati (2007).
Dalam penelitian ini, tingkat kesehatan lembaga perbankan akan dianalisis
berdasarkan lima faktor dari Model CAMELS dan menggunakan enam rasio,
yaitu:
a. Capital (Permodalan)
Salah satu rasio yang dapat digunakan untuk mengukur kemampuan
permodalan suatu lembaga perbankan berdasarkan Surat Edaran Bank
Indonesia No. 6/23/DPNP tanggal 31 Mei 2004 adalah Capital
Adequacy Ratio (CAR). Perhitungan CAR sesuai dengan standar Bank
Indonesia adalah sebagai berikut:
Modal( Inti+ Pelengkap)

CAR = × 100%...............(2.1)
Aktiva Tertimbang Menurut Risiko
Rumus tersebut digunakan untuk mengukur kemampuan permodalan
yang ada untuk menutup kemungkinan kerugian di dalam kegiatan
perkreditan dan perdagangan surat-surat berharga. Agar perbankan
Indonesia dapat berkembang secara sehat dan mampu bersaing dengan
perbankan internasional, maka Bank Indonesia mengeluarkan Surat
Edaran Bank Indonesia No. 26/1/BPPP tanggal 26 Mei 1993
mengenai kewajiban penyediaan modal minimum bank, yang
ketentuannya didasarkan pada standar yang ditetapkan Bank for
International Settlement (BIS) yaitu sebesar 8 persen (Hasibuan,
2005:100).
28
b. Asset Quality (Kualitas Aktiva)
Salah satu rasio yang dapat digunakan untuk menilai kualitas aktiva
suatu lembaga perbankan adalah dengan menggunakan rasio Return
on Risked Asset (RORA). Adapun model penilaiannya dapat
dilakukan dengan cara (Abdullah, 2004:120):
Laba ( Rugi ) Sebelum Pajak

RORA = × 100%.....................(2.2)
Aktiva Tertimbang Menurut Risiko
Batasan maksimum RORA yang telah ditentukan oleh Bank Indonesia
berdasarkan SK DIR BI No. 30/11/KEP/DIR tanggal 30 April 1997
adalah 15,5 persen.
c. Management (Manajemen)
Dalam penelitian ini, faktor manajemen diproksikan dengan rasio Net
Profit Margin (NPM), dengan pertimbangan bahwa rasio ini
menunjukkan bagaimana manajemen mengelola sumber dana dan
mengalokasikan dana secara efisien (Kostiyah, 2007:11). Berikut
adalah rumus untuk menghitung Net Profit Margin (NPM):
Laba Bersih
Net Profit Margin = × 100%.............(2.3)
Pendapatan Operasional
Apabila nilai Net Profit Margin (NPM) atau dalam istilah manajemen
keuangan adalah Excess Income Ratio, lebih besar sama dengan dari 1
persen maka suatu lembaga perbankan berkategori “sehat” bila dilihat
dari aspek manajemennya dan apabila lebih kecil dari 1 persen maka
suatu lembaga perbankan berkategori “tidak sehat” (Machfoedz,
1999:41).
29
d. Earnings (Rentabilitas)
Faktor rentabilitas dapat dianalisis dengan menghitung perbandingan
laba terhadap total asset yang lebih dikenal dengan Return on Asset
(ROA) dan perbandingan antara biaya operasional dengan pendapatan
operasional (BOPO).
1) Return on Asset (ROA)
Rasio ini digunakan untuk mengukur kemampuan manajemen
bank dalam memperoleh keuntungan (laba sebelum pajak) yang
dihasilkan dari total asset yang dimiliki bank bersangkutan.
Rasio ini dirumuskan sebagai berikut (Surat Edaran Bank
Indonesia No. 6/23/DPNP tanggal 31 Mei 2004):
Laba ( Rugi ) Sebelum Pajak

ROA = × 100%......................(2.4)
Rata−Rata Total Asset
Berdasarkan SK DIR BI No. 30/11/KEP/DIR tanggal 30 April
1997, apabila suatu bank memiliki nilai ROA lebih besar dari
1,215 persen, maka bank tersebut dapat dikatakan produktif
dalam mengelola aktiva sehingga menghasilkan laba.
2) Perbandingan Biaya Operasional terhadap Pendapatan
Operasional (BOPO)
Rasio ini sering juga disebut rasio efisiensi atau operating
income dan dapat digunakan untuk mengukur kemampuan
manajemen bank dalam mengendalikan biaya operasional
terhadap pendapatan operasional. Besarnya nilai BOPO dapat
30
dihitung dengan rumus sebagai berikut (Surat Edaran Bank
Indonesia No. 6/23/DPNP tanggal 31 Mei 2004):
BebanOperasional
BOPO = × 100%......................(2.5)
Berdasarkan SK DIR BI No. 30/11/KEP/DIR tanggal 30 April
1997, apabila suatu bank memiliki nilai BOPO sebesar 93,5
persen atau lebih rendah, maka bank tersebut dapat
dikategorikan sehat.
e. Liquidity (Likuiditas)
Untuk menilai likuiditas suatu bank dapat digunakan Loan to Deposit
Ratio (LDR) yang besarnya dapat dihitung sebagai berikut (Surat
Edaran Bank Indonesia No. 6/23/DPNP tanggal 31 Mei 2004):
Total Kredit
LDR = × 100%..........................(2.6)
Total Dana Pihak Ketiga
Batas kewajaran nilai LDR adalah di bawah 110 persen, yang
mengindikasikan bahwa jumlah kredit yang disalurkan sama atau
lebih besar dari jumlah dana masyarakat yang berhasil dihimpun bank.
Bila nilai LDR lebih besar dari 110 persen, maka bank tersebut
mengobral kredit sehingga sebagaian dananya didapat dari pinjaman
bank dan pihak lain (Dendawijaya, 2000:147). Batas nilai LDR
sebesar 110 persen tersebut dianjurkan pemerintah terkait fungsi bank
sebagai lembaga yang menjalankan fungsi intermediasi. Lembaga
perbankan yang memiliki nilai LDR di bawah 110 persen tidak
selamanya berkategori sehat, karena batas bawah nilai LDR yang
31
dianjurkan Bank Indonesia adalah 70 persen. Nilai LDR yang terlalu
rendah menandakan sedikitnya penyaluran kredit yang dilakukan
lembaga perbankan kepada masyarakat. Bank Indonesia saat ini
sedang menyelesaikan tahap akhir penetapan batas bawah dari nilai
LDR yang wajib dipenuhi lembaga perbankan. Suatu lembaga
perbankan yang memiliki nilai LDR di bawah tingkat yang
disyaratkan, maka bank tersebut harus memiliki tingkat Giro Wajib
Minimum (GWM) yang lebih tinggi dibandingkan dengan lembaga
perbankan yang memiliki nilai LDR yang tinggi.
Secara keseluruhan kriteria kesehatan lembaga perbankan adalah sebagai
berikut:
Tabel 2.1 Kriteria Kesehatan Lembaga Perbankan
Kategori
Faktor Rasio Tidak
Sehat Cukup Sehat Kurang Sehat
Sehat
Capital CAR > 8,1% 6,6% - < 8,1% 5,1% - < 6,6% < 5,1%
Asset
RORA ≤ 15,5% - - > 15,5%
Quality
Managemen
NPM ≥ 1% - - < 1%
t
ROA ≥ 1,215% 0,99% - < 1,215% 0,765% - < 0,99% < 0,765%
Earnings
BOPO ≤ 93,5% 94,7%% - < 93,5% 95,92% - < 94,7% > 95,92%
Liquidity LDR < 110% - - ≥ 110%
Sumber: Bank Indonesia dalam Haryati (2001:338)
2.1.6 Pengertian Kebangkrutan
Kebangkrutan menurut Altman (1973) adalah perusahaan yang secara
hukum bangkrut. Sedangkan kebangkrutan menurut UU No. 4 Tahun 1998 adalah
32
dimana suatu institusi dinyatakan oleh keputusan pengadilan ketika debitur
memiliki dua atau lebih kreditur dan tidak membayar sedikitnya satu hutang yang
telah jatuh tempo dan dapat ditagih. Undang-undang ini juga menyatakan bahwa
apabila debitur tersebut adalah lembaga perbankan, maka permohonan pernyataan
bangkrut hanya dapat diajukan oleh Bank Indonesia.
Perusahaan debitur dinyatakan bangkrut ketika perusahaan tersebut tidak
mampu membayar hutangnya ketika jatuh tempo atau total hutangnya melebihi
nilai wajar dari asset-nya. Menurut Santoso (2004:6-7), kebangkrutan ada dua
jenis, yaitu:
a. Equity Insolvency yang berarti ketidakmampuan untuk membayar
ketika jatuh tempo.
b. Bankruptcy Insolvency yang berarti memiliki total utang yang
melebihi nilai wajar asset-nya.
Perusahaan debitur yang mengalami equity insolvency memiliki kemungkinan
untuk menghindari kebangkrutan dengan menegosiasikan perjanjian secara
langsung dengan krediturnya. Sedangkan perusahaan yang mengalami bankruptcy
insolvency akan dilikuidasi di bawah pengawasan pengadilan.
Kebangkrutan juga dapat didefinisikan sebagai suatu kegagalan yang terjadi
dalam perusahaan dan kegagalan tersebut dapat dibedakan menjadi (Adnan,
2000:187):
a. Kegagalan Ekonomi (Economic Distressed)
Kegagalan dalam arti ekonomi diartikan sebagai perusahaan
kehilangan uang atau pendapatan perusahaan tidak mampu menutupi
33
biayanya sendiri, atau dengan kata lain tingkat labanya lebih kecil dari
kewajibannya.
b. Kegagalan Keuangan (Financial Distressed)
Kegagalan keuangan juga dapat diartikan sebagai insolvensi arus kas,
yang terdiri dari 2 bentuk, yaitu insolvensi teknis dan insolvensi dalam
pengertian kebangkrutan. Insolvensi teknis terjadi apabila perusahaan
tidak mampu memenuhi kewajiban pada saat jatuh tempo walaupun
total aktivanya sudah melebihi total hutang. Insolvensi dalam
pengertian kebangkrutan didefinisikan sebagai kekayaan bersih neraca
konvensional atau nilai sekarang dari arus kas yang diharapkan lebih
kecil dari kewajiban.
Menurut Hadad, dkk. (2004:10), bank berstatus bangkrut atau pailit adalah
bank yang berada pada situasi legal bankruptcy, dimana bank dinyatakan pailit
secara sah berdasarkan undang-undang kepailitan. Adapun bank pailit adalah bank
yang berstatus sebagai berikut:
a. Bank Likuidasi (BDL)
Bank Likuidasi (BDL) adalah bank yang izin operasionalnya dicabut
oleh pemerintah sehingga tidak dapat melakukan kegiatan operasional
perbankan lagi.
b. Bank Stop Operasi (BSO)
Bank Stop Operasi (BSO) atau Bank Beku Operasi (BBO) adalah
bank yang dilikuidasi oleh pemerintah karena kinerjanya semakin
34
memburuk setelah menggunakan Bantuan Likuiditas Bank Indonesia
(BLBI).
c. Bank Take Over (BTO)
Bank Take Over (BTO) adalah bank yang diambil alih
kepemilikannya oleh pemerintah dari pemilik semula dan bank
tersebut masih tetap beroperasi.
d. Bank Beku Kegiatan Usaha (BBKU)
Bank Beku Kegiatan Usaha (BBKU) adalah bank yang dilikuidasi
oleh pemerintah karena tidak dapat memenuhi kewajiban jangka
panjangnya, tidak memiliki prospek yang baik, dan tidak dapat
mengikuti program rekapitalisasi.
e. Bank Rekap
Bank Rekap adalah bank yang mengikuti program rekapitalisasi,
dimana pemerintah melakukan penyertaan modal pada bank yang
bersangkutan melalui penerbitan obligasi sehingga kepemilikan
mayoritas bank-bank yang direkap berada di tangan pemerintah dan
bersifat sementara.
2.1.7 Model Prediksi Kebangkrutan
a. Model Internal Growth Rate
Internal Growth Rate didefinisikan oleh Ross (1998:97) sebagai
maximum growth rate a firm can achieve without external financing
35
of any kind. Internal Growth Rate dapat dinyatakan dalam model
matematis sebagai berikut:
ROA ×b
IGR = …………………………………………..…….
1−ROA × b
(2.7)
ROA (Return on Asset) menurut Ross (1998) adalah suatu ukuran
keuntungan untuk setiap satuan mata uang dari aktiva, yang
dirumuskan sebagai berikut:
Net Income
ROA = ……………………………………………...(2.8)
Total Asset
Dalam rumus Internal Growth Rate, b adalah Retention Ratio, yang
merupakan tambahan laba ditahan dibagi dengan laba bersih dan dapat
juga disebut Plowback Ratio (Ross, 1998). Retention Ratio dapat juga
diartikan sebagai laba atau income yang masuk kembali ke dalam laba
ditahan atau sebagai Income Reinvestment Rate. Rumus Retention
Ratio adalah:
¿
b = Addition ¿ Retained Earning Net Income ……………………..
……..(2.9)
atau
Net Income−Dividend
b= …………………………………...(2.10)
Net Income
Dari hasil perhitungan dengan menggunakan rumus di atas, jika suatu
perusahaan memiliki nilai IGR di atas angka kritis (-0,239), maka
perusahaan tersebut diklasifikasikan ke dalam kriteria “tidak
36
bangkrut”. Jika nilai IGR berada di bawah angka kritis (-0,239), maka
perusahaan tersebut diklasifikasikan ke dalam kriteria “bangkrut”.
Tingkat ketepatan prediksi dari model ini diperkirakan sebesar 60,5
persen.
b. Model Altman’s Z-Score
Multiple Discriminant Analysis Altman atau yang biasa disebut
Altman’s Z-Score adalah suatu penilaian yang digunakan untuk
memprediksi kebangkrutan perusahaan dengan menggabungkan
beberapa rasio keuangan menjadi suatu model peramalan yang berarti.
Analisis Altman’s Z-Score menggunakan rasio keuangan yang
mencakup rasio likuiditas perusahaan, sepertir rasio lancar, rasio
leverage perusahaan seperti rasio hutang terhadap modalnya, rasio
profitabilitas seperti rasio laba bersih terhadap modal atau akumulasi
laba ditahan. Berdasarkan rasio keuangan tersebut, Model Altman’s Z-
Score berhasil digunakan untuk mengklasifikasikan perusahaan ke
dalam kelompok yang mempunyai kemungkinan yang tinggi untuk
bangkrut atau kelompok perusahaan yang memiliki kemungkinan
rendah untuk bangkrut. Altman’s Z-Score memungkinkan perusahaan
untuk memprediksi kebangkrutan sampai dua tahun sebelum tiba
saatnya.
Pada tahun 1968, Altman menggunakan analisis diskriminan dengan
menyusun suatu model untuk memprediksi kebangkrutan perusahaan.
Altman mengambil sampel yang terdiri dari 66 perusahaan
37
manufaktur, dan setengah di antaranya mengalami kebangkrutan. Dari
laporan keuangan satu periode sebelum perusahaan bangkrut, Altman
memperoleh 22 rasio keuangan, dimana 5 di antaranya ditemukan
paling berkontribusi pada model prediksi. Fungsi diskriminan yang
ditemukan Altman adalah sebagai berikut (Altman, 1982):
Z = 0,012 X1 + 0,014 X2 + 0,033 X3 + 0,006 X4 + 0,999 X5……(2.11)
Dimana:
X1 = Working Capital / Total Asset (%)
X2 = Retained Earnings / Total Asset (%)
X3 = Earnings Before Interest and Taxes / Total Asset (%)
X4 = Market Value of Equity / Book Value of Total Debt (%)
X5 = Sales / Total Asset (kali)
Dalam menganalisis, yang perlu diperhatikan adalah bentuk penulisan
hasil, karena pada variabel X1 hingga X4 dalam bentuk persentase
(%). Untuk menyamakan dengan bentuk X5, maka bobot variabel X1
hingga X4 harus diganti.
Perubahan satuan pengukuran di atas akan mengakibatkan fungsi
diskriminan Z yang ditemukan Altman menjadi:
Z = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X4 + 1,0 X5…………………(2.12)
Berdasarkan penelitian lebih lanjut, diketahui bahwa persamaaan
Altman’s Z-Score tahun 1968 hanya memiliki tingkat keakuratan
sebesar 30 persen. Untuk itu pada tahun 1983, model ini direvisi
menjadi persamaan yang baru yang dikenal sebagai Revised Altman’s
38
Z-Score, dimana fungsi diskriminannya adalah sebagai berikut
(Altman, 2000):
Z = 0,717 X1 + 0,847 X2 + 3,107 X3 + 0,420 X4 + 0,998 X5…….(2.13)
Dimana:
X1 = Working Capital / Total Asset
X2 = Retained Earnings / Total Asset
X3 = Earning Before Interest and Tax / Total Asset
X4 = Book Value of Equity / Book Value of Total Debt
X5 = Sales / Total Asset
Untuk menerapkan analisis ini pada lembaga perbankan, maka
digunakan model Z-Score (2.14) dengan penyesuaian sebagai berikut:
1) X1 = (Current Asset – Current Liabilities) / Total Asset
2) X3 = Earning Before Tax / Total Asset
Dimana masing-masing variabel dapat dijabarkan sebagai berikut:
1) X1 (Working Capital / Total Asset)
Rasio ini berfungsi untuk mengukur likuiditas lembaga
perbankan dalam memenuhi kewajiban jangka pendeknya dari
total aktiva dan posisi modal kerja. Working Capital dalam
lembaga perbankan dapat dihitung dengan mencari selisih antara
Current Asset dengan Current Liability. Current Asset dalam
lembaga perbankan terdiri dari Cash on Hand and Banks,
Placement in Other Banks, Notes and Securities, Loans, dan
Investment (Santoso, 2006:25). Current Liability disini terdiri
39
dari Demand Deposit, Time Deposit, dan Saving Deposit. Total
Asset sendiri akan mencakup seluruh asset yang ada di dalam
lembaga perbankan tersebut.
2) X2 (Retained Earning / Total Asset)
Rasio ini merupakan rasio profitabilitas yang mengukur
kemampuan lembaga perbankan dalam menghasilkan laba
dalam periode tertentu. Retained Earning adalah jumlah laba
ditahan dan Total Asset adalah semua asset yang ada di dalam
lembaga perbankan tersebut.
3) X3 (Earning Before Tax / Total Asset)
Rasio ini mengukur kemampuan lembaga perbankan untuk
memperoleh laba dari aktiva yang digunakan atau untuk
mengukur kemampuan dari modal yang diinvestasikan dalam
keseluruhan aktiva untuk memperoleh keuntungan bagi semua
investor termasuk pemegang saham dan obligasi. Dalam
lembaga perbankan, rasio ini diukur dengan menggunakan
Earning Before Tax (EBT) yang diperoleh dan dibandingkan
dengan semua asset yang dimiliki lembaga perbankan tersebut.
4) X4 (Book Value of Equity / Book Value of Debt)
Rasio ini mengukur kemampuan lembaga perbankan dalam
memberikan jaminan kepada setiap hutang melalui modal
sendiri yang dimiliki. Book Value of Equity adalah nilai buku
40
dari ekuitas dan Book Value of Total Debt adalah keseluruhan
hutang, baik hutang lancar maupun hutang jangka panjang.
5) X5 (Sales / Total Asset)
Rasio ini mengukur aktivitas lembaga perbankan, dimana Sales
yang dipakai adalah Revenue (pendapatan) dan Total Asset yang
merupakan keseluruhan asset yang dimiliki oleh lembaga
perbankan tersebut.
Dengan menggunakan rumus di atas, maka dapat ditentukan lembaga
perbankan mana yang berpotensi mengalami kebangkrutan dan mana
yang tidak. Hal ini dirumuskan pada tabel di bawah ini:
Tabel 2.2 Kriteria Kebangkrutan Model Altman’s Z-Score
Skor Kebangkrutan
< 1,23 1,23 – 2,90 > 2,90
Bangkrut Grey Area Tidak Bangkrut
Perusahaan Potensi perusahaan Perusahaan
berpotensi tinggi untuk mengalami berpotensi rendah
untuk mengalami kebangkrutan sulit untuk mengalami
kebangkrutan ditentukan kebangkrutan
Sumber: Santoso (2006:16)
c. Model Springate
Model Springate merupakan model prediksi kebangkrutan yang
didasarkan pada penelitian G. I. V. Springate (1078), yang kemudian
dikenal sebagai Model Springate atau Canadian Model. Penelitian
Springate (1978) dibuat dengan mengikuti prosedur yang dimodelkan
oleh Altman, yaitu menggunakan Stepwise Multiple Discriminant
Analysis untuk memilih empat dari sembilan rasio keuangan yang
41
popular untuk membedakan dengan baik antara perusahaan yang sehat
dan perusahaan yang bangkrut (gagal). Model ini mencapai tingkat
keakuratan 92,5 persen, dimana Springate melakukan penelitian
dengan menggunakan 40 perusahaan.
Brotheras (1979) menguji Model Springate ini pada 50 perusahaan
dengan rata-rata asset sebesar 2,5 juta dollar dan menemukan tingkat
keakuratan sebesar 88 persen. Sands (1980) juga menguji Model
Springate ini pada 24 perusahaan dengan rata-rata asset sebesar $
63,400,000 dan menemukan tingkat keakuratan sebesar 83 persen.
Model Springate sendiri dapat dinyatakan dalam rumus sebagai
berikut:
Z = 1,03 A + 3,07 B + 0,66 C + 0,4 D…………………………...(2.14)
Dimana:
A = Working Capital / Total Asset
B = Net Profit Before Tax / Total Asset
C = Net Profit Before Tax / Current Liability
D = Sales / Total Asset
Keempat variabel tersebut dapat dihitung sebagai berikut:
1) A (Working Capital / Total Asset)
Nilai A dapat dihitung dengan membandingkan antara Working
Capital dengan Total Asset. Working Capital atau modal kerja
diperoleh dari selisih antara Current Asset dengan Current
Liabilities. Current Asset merupakan aktiva lancar yang dimiliki
42
lembaga perbankan atau dapat diperoleh dari selisih antara total
aktiva dengan aktiva tetap dan aktiva lainnya. Current Liability
dapat diperoleh dari jumlah simpanan dan kewajiban segera.
2) B (Net Profit Before Tax / Total Asset)
Nilai B dapat dihitung dengan membandingkan antara Net Profit
Before Tax dengan Total Asset. Net Profit Before Tax atau
Earning Before Tax merupakan laba sebelum pajak penghasilan
yang diperoleh lembaga perbankan.
3) C (Net Profit Before Tax / Current Liability)
Nilai C dapat dihitung dengan membandingkan antara Net Profit
Before Tax dengan Current Liability. Net Profit Before Tax atau
Earning Before Tax merupakan laba sebelum pajak penghasilan
yang diperoleh lembaga perbankan. Current Liability dapat
diperoleh dari jumlah simpanan dan kewajiban segera.
4) D (Sales / Total Asset)
Nilai D dapat dihitung dengan membandingkan antara Sales
dengan Total Asset. Sales dalam lembaga perbankan dapat
diperoleh dari pendapatan operasional yang dapat dilihat pada
laporan laba-rugi lembaga perbankan.
Jika nilai Z yang diperoleh lebih kecil dari 0,862 maka perusahaan
diklasifikasikan menjadi perusahaan yang bangkrut (gagal).
d. Model Fulmer
43
Fulmer (1984) menggunakan step-wise multiple discriminate analysis
untuk mengevaluasi 40 rasio keuangann. Penelitian Fulmer dilakukan
pada 60 perusahaan, yang terdiri dari 30 perusahaan gagal dan 30
perusahaan sukses dengan rata-rata nilai asset sebesar $ 455,000.
Model yang berhasil dikembangkan adalah sebagai berikut:
H = 5,528 V1 + 0,212 V2 + 0,073 V3 + 1,270 V4 – 0,120 V5 + 2,335 V6
+ 0,575 V7 + 1,083 V8 - 6,075………………….…......................(2.15)
Dimana:
V1 = Retained Earning / Total Asset
V2 = Sales / Total Asset
V3 = Earning Before Tax / Equity
V4 = Cash Flow / Total Debt
V5 = Debt / Total Asset
V6 = Current Liability / Total Asset
V7 = Log Tangible Total Asset
V8 = Working Capital / Total Debt
Kesembilan variabel tersebut dapat dijelaskan sebagai berikut:
1) V1 (Retained Earning / Total Asset)
Nilai V1 dapat dihitung dengan membandingkan antara Retained
Earning dengan Total Asset. Retained Earning atau laba ditahan
dapat diperoleh dari selisih antara Earning After Tax dengan
Dividend.
2) V2 (Sales / Total Asset)
44
Nilai V2 dapat dihitung dengan membandingkan antara Sales
dengan Total Asset yang dimiliki oleh lembaga perbankan.
3) V3 (Earning Before Tax / Equity)
Nilai V3 dapat dihitung dengan membandingkan antara Earning
Before Tax dengan Equity. Equity dapat diperoleh dari selisih
antara total pasiva dengan total kewajiban lembaga perbankan.
4) V4 (Cash Flow / Total Debt)
Nilai V4 dapat dihitung dengan membandingkan antara Cash
Flow dengan Total Debt. Cash Flow dapat diperoleh dari
penjumlahan antara Earning After Tax (EAT) dengan depresiasi.
5) V5 (Total Debt / Total Asset)
Nilai V5 dapat dihitung dengan membandingkan antara Total
Debt dengan Total Asset. Total Debt merupakan total kewajiban
dari lembaga perbankan.
6) V6 (Current Liability / Total Asset)
Nilai V6 dapat dihitung dengan membandingkan antara Current
Liability dengan Total Asset. Current Liability dapat diperoleh
dari jumlah simpanan dan kewajiban segera, sedangkan Total
Asset merupakan total aktiva lembaga perbankan.
7) V7 (Log Tangible Total Asset)
Nilai V7 merupakan nilai log dari Tangible Total Asset.
Tangible Total Asset merupakan total aktiva berwujud.
8) V8 (Working Capital / Total Debt)
45
Nilai V8 dapat dihitung dengan membandingkan antara Working
Capital dengan Total Debt. Working Capital atau modal kerja
Liability. Total Debt merupakan total kewajiban dari lembaga
perbankan.
Jika nilai H yang diperoleh lebih kecil dari 0, maka perusahaan
diklasifikasikan menjadi perusahaan yang bangkrut (gagal).
e. Model Grover
Dalam penelitiannya, Jeffrey S. Grover melakukan penilaian dan
pendesainan ulang terhadap Model Altman’s Z-Score (1968). Pada
penelitiannya, Grover memakai sampel dan model sesuai dengan
Altman’s Z-Score dan menambahkan 13 rasio keuangan baru. Sampel
yang digunakan sebanyak 70 perusahaan dengan 35 perusahaan yang
bangkrut dan 35 perusahaan yang tidak bangkrut pada tahun 1982
sampai 1996 dengan rata-rata asset sebesar $ 8,98 juta.
Rasio baru yang ditambahkan dalam model ini antara lain Current
Ratio, Total Asset Turnover, Inventory Turnover, Return on Asset
(ROA), Return on Equity (ROE), Financial Leverage Index, Fixed
Asset Turnover, Fixed Asset / Total Equity, Gross Profit Margin, Net
Profit Margin, dan Working Capital Turnover. Dari rasio-rasio
tersebut, kemudian dilakukan Stepwise Analysis dan dihasilkan 3
variabel yang berpengaruh. Dengan menggunakan Canonical
46
Discriminate Function Coefficients, Grover (2001) menghasilkan
model sebagai berikut:
Score = 1,650 X1 + 3,404 X3 – 0,016 ROA + 0,057…………….(2.16)
Dimana:
X3 = Earning Before Tax / Total Asset
ROA = Net Income / Total Asset
Ketiga variabel tersebut adalah sebagai berikut:
Nilai X1 dapat dihitung dengan membandingkan antara Working
Capital dengan Total Asset. Working Capital atau modal kerja
Liability.
Nilai X3 dapat dihitung dengan membandingkan antara laba
sebelum pajak atau Earning Before Tax (EBT) dengan Total
Asset.
3) ROA (Return on Asset)
Rasio ini digunakan untuk mengukur kemampuan perusahaan di
dalam memperoleh laba dengan total aktiva yang dimiliki. Rasio
ini dapat dihitung dengan membandingkan antara laba bersih
atau Earning After Tax (EAT) dengan Total Asset yang dimiliki
oleh lembaga perbankan.
47
Score untuk perusahaan yang bangkrut adalah kurang atau sama
dengan 0,01 dan untuk perusahaan yang tidak bangkrut (sehat) adalah
lebih besar dari 0,01. Dengan menggunakan model ini, didapatkan
tingkat keakuratan sebesar 78,6 persen.
1.5 Pembahasan Hasil Penelitian Sebelumnya
1) Sefriana (2007), dengan judul “Analisis Tingkat Kesehatan Bank
dengan Pendekatan CAMEL dan Prediksi Potensi Kebangkrutan
dengan Pendekatan Altman’s Z-Score pada PD Bank Perkreditan
Rakyat Lumbung Kredit Pedesaan (PD BPR LKP) Ampenan Utara
Mataram”. Tujuan dari penelitian ini adalah untuk mengetahui tingkat
kesehatan PD BPR LKP Ampenan Utara Mataram periode 2001
sampai 2005, jika dianalisis dengan pendekatan CAMEL dan
Altman’s Z-Score. Penelitian ini mengambil objek berupa laporan
keuangan PD BPR LKP Ampenan Utara Mataram periode 2001
sampai 2005. Hasil penelitian terhadap tingkat kesehatan PD BPR
LKP Ampenan Utara Mataram memberikan hasil bahwa PD BPR
LKP Ampenan Utara Mataram memiliki tingkat kesehatan yang baik
dan berdasarkan pendekatan Altman’s Z-Score, berada pada “grey
area” yang dapat mengarah pada kebangkrutan jika PD BPR LKP
Ampenan Utara Mataram tidak meningkatkan kinerja manajemennya
dan memperbaiki kondisi keuangannya.
48
2) Diah Yulianti (2007), dengan judul “Analisis Prediksi Kebangkrutan
pada Sektor Perbankan yang Terdaftar di Bursa Efek Jakarta”. Tujuan
dari penelitian ini adalah untuk mengetahui prediksi terhadap kondisi
keuangan perusahaan sektor perbankan yang terdaftar di Bursa Efek
Jakarta periode 2003 sampai 2005, apakah sehat atau berpotensi
mengalami kebangkrutan jika dianalisis dengan menggunakan model
Altman’s Z-Score. Hasil dari penelitian ini adalah semua sampel yang
digunakan dalam periode pengamatan berpotensi mengalami
kebangkrutan.
3) Hendrawan (2008), dengan judul “Analisis Prediksi Kebangkrutan
pada Sektor Perbankan yang Terdaftar di Bursa Efek Indonesia
Periode 2003-2006”. Tujuan dari penelitian ini adalah untuk
mengetahui potensi kebangkrutan perusahaan sektor perbankan yang
terdaftar di BEI periode 2003 sampai 2006, jika dianalisis dengan
menggunakan Model Altman’s Z-Score dan mengetahui tingkat
kesehatan perusahaan sektor perbankan dengan menggunakan Model
CAMELS. Hasil dari penelitian ini adalah semua sampel yang
digunakan dalam periode pengamatan berpotensi mengalami
kebangkrutan bila dianalisis dengan Model Altman’s Z-Score, namun
kenyataan yang diperoleh adalah semua sampel yang digunakan masih
beroperasi. Hasil analisis dengan menggunakan Model CAMELS
cenderung berfluktuasi setiap tahunnya dalam memprediksi tingkat
kesehatan bank. Misalnya untuk tahun 2004, terdapat 1 bank dalam
49
kondisi tidak sehat, 7 bank dalam kondisi kurang sehat, dan 12 bank
dalam kondisi cukup sehat.
4) Anghelescu, dalam jurnalnya yang berjudul “Bankruptcy Prediction in
The High-Tech Industry”. Penelitian ini bertujuan untuk menguji
keakuratan rasio keuangan dalam memprediksi kebangkrutan industri
berteknologi tinggi periode 2000-2002. Penelitian ini menggunakan
120 perusahaan berteknologi tinggi sebagai sampel. Penelitian ini
memberikan kesimpulan bahwa kebangkrutan pada perusahaan
berteknologi tinggi merupakan hal yang sangat berbeda bila
dibandingkan dengan industri lainnya. Penelitian ini menggunakan 6
rasio keuangan dan menunjukkan tingkat ketepatan sebesar 85 persen.
5) Almilia, dalam jurnalnya yang berjudul “Analisis Rasio CAMEL
Terhadap Prediksi Kondisi Bermasalah pada Lembaga Perbankan
Periode 2000-2002”. Tujuan dari penelitian ini adalah untuk
mengetahui faktor-faktor yang berpengaruh terhadap kondisi
kebangkrutan dan kesulitan keuangan pada lembaga perbankan.
Model yang digunakan dalam penelitian ini adalah analisis rasio
CAMEL dan menggunakan sampel sebanyak 24 bank. Hasil
penelitian ini menunjukkan bahwa rasio keuangan CAMEL memiliki
daya klasifikasi atau daya prediksi untuk kondisi bank yang
mengalami kesulitan keuangan dan bank yang mengalami kerugian,
dimana rasio tersebut secara statistik berbeda. Penelitian ini juga
memberikan bukti empiris bahwa hanya rasio keuangan CAR dan
50
BOPO yang secara statistik signifikan untuk memprediksi kondisi
kebangkrutan dan kesulitan keuangan pada lembaga perbankan.
6) Aryani Merkusiwati, dalam jurnalnya yang berjudul “Evaluasi
Pengaruh CAMEL Terhadap Kinerja Perusahaan”. Penelitian ini
menggunakan sampel sebanyak 17 bank dan menggunakan tahun
dasar 1997-2001. Kesimpulan yang diperoleh dari penelitian ini
adalah rasio CAMEL berpengaruh secara signifikan terhadap ROA
perusahaan, walaupun hal teresebut tidak terjadi pada tahun 1997.
7) Lifschutz, dalam jurnalnya yang berjudul “Prediciting Bankruptcy:
Evidence from Israel”. Penelitian ini bertujuan untuk membandingkan
dua model (1968 & 1983) dari Altman’s Z-Score pada perusahaan
dagang yang go-public. Kesimpulan yang diperoleh adalah bahwa
Model Altman’s Z-Score dapat digunakan untuk memprediksi
kebangkrutan suatu perusahaan dengan tingkat ketepatan sebesar 95
persen untuk 1 tahun sebelum kebangkrutan dan sebesar 85 persen
untuk 2 tahun sebelum kebangkrutan.
Adapun persamaan antara penelitian-penelitian sebelumnya dengan
penelitian ini adalah penggunaan model yang sama yaitu Model CAMEL
dan Model Altman’s Z-Score untuk memprediksi kebangkrutan pada
lembaga perbankan.
Adapun perbedaan antara penelitian-penelitian sebelumnya dengan
penelitian ini adalah penggunaan beberapa model prediksi, yaitu Model
51
Internal Growth Rate, Model Altman’s Z-Score, Model Springate, Model
Fulmer, dan Model Grover.
BAB III
METODE PENELITIAN
1.6 Lokasi dan Obyek Penelitian
Penelitian tentang kinerja keuangan lembaga perbankan, berupa tingkat
kesehatan dan prediksi kebangkrutan ini dilakukan pada lembaga-lembaga
perbankan yang terdaftar di Bursa Efek Indonesia periode 2005-2009.
1.7 Identifikasi Variabel
Dalam penelitian ini, variabel-variabel yang digunakan adalah sebagai
berikut:
a. Model CAMEL
1) Capital Adequacy Ratio (CAR)
2) Return on Risked Asset (RORA)
3) Net Profit Margin (NPM)
4) Return on Asset (ROA)
5) Perbandingan Biaya Operasional terhadap Pendapatan
Operasional (BOPO)
6) Loan to Deposit Ratio (LDR)
b. Model Internal Growth Rate
52
2) b (Retention Ratio)
c. Model Altman’s Z-Score
d. Model Springate
e. Model Fulmer
f. Model Grover
53
1.8 Definisi Operasional Variabel
a. Model CAMEL
Penilaian tingkat kesehatan bank menurut standar Bank
Indonesia terdiri dari 5 aspek, yaitu Capital, Asset Quality,
Management, Earnings, dan Liquidity, yang lebih dikenal dengan
istilah CAMEL
1) Capital (Permodalan)
Dalam penelitian ini, aspek capital diproksikan dengan Capital
Adequacy Ratio (CAR). Perhitungan CAR sesuai dengan standar
Bank Indonesia diperoleh dengan membandingkan antara selisih
antara Equty Capital dan Fixed Asset dengan Total Loans dan
Securities selama periode 2005-2009.
2) Asset Quality (Kualitas Aktiva)
Dalam penelitian ini, kualitas aktiva diproksikan dengan rasio
Return on Risked Asset (RORA) yang diperoleh dengan
membandingkan antara Earning Before Tax dengan Total Loans
dan Securities selama periode 2005-2009.
3) Management (Manajemen)
Dalam penelitian ini, aspek manajemen diproksikan dengan
rasio Net Profit Margin yang diperoleh dengan membandingkan
54
antara Earning After Tax dengan Net Operational Income
selama periode 2005-2009.
4) Earnings (Rentabilitas)
Dalam penelitian ini, aspek rentabilitas dapat diproksikan
dengan dua rasio, yaitu Return on Asset (ROA) dan rasio
Perbandingan Biaya Operasional terhadap Pendapatan
Operasional (BOPO). ROA dapat diperoleh dengan
membandingkan antara Earning Before Tax dengan Total Asset.
Nilai BOPO dapat diperoleh dengan membandingkan antara
Beban Operasional dengan Pendapatan Operaisonal selama
periode 2005-2009.
5) Liquidity (Likuiditas)
Dalam penelitian ini, aspek likuiditas diproksikan dengan rasio
Loan to Deposit Ratio (LDR) yang dapat diperoleh dengan
membandingkan antara Total Kredit dengan Total Dana Pihak
Ketiga selama periode 2005-2009.
b. Model Internal Growth Rate
Model Internal Growth Rate secara umum menghitung tingkat
pertumbuhan yang dapat dicapai perusahaan tanpa pendanaan dari luar
perusahaan. Nilai IGR sendiri didapat setelah menghitung nilai ROA
dan Retention Ratio (b) selama periode 2005-2009. Nilai IGR
kemudian akan dimasukkan ke dalam fungsi diskriminan, sehingga
55
menghasilkan nilai Z yang akan mengklasifikasikan perusahaan ke
dalam kriteria “bangkrut” atau “tidak bangkrut”.
c. Model Altman’s Z-Score
Dalam Model Altman’s Z-Score ini, ada 5 variabel yang akan
digunakan dalam penelitian, yaitu:
Rasio ini dapat dihitung dengan membagi Working Capital atau
modal inti dan pelengkap lembaga perbankan yang bersangkutan
dengan Total Asset-nya selama periode 2005-2009.
Rasio ini dapat dihitung dengan membagi Retained Earning atau
laba ditahan lembaga perbankan yang bersangkutan dengan
Total Asset-nya selama periode 2005-2009.
Rasio ini dapat dihitung dengan membagi Earning Before Tax
atau laba sebelum pajak lembaga perbankan yang bersangkutan
dengan Total Asset-nya selama periode 2005-2009.
Rasio ini dapat dihitung dengan membagi Book Value of Equity
lembaga perbankan yang bersangkutan dengan Book Value of
Debt -nya selama periode 2005-2009.
56
Rasio ini dapat dihitung dengan membagi Sales yang berupa
pendapatan bunga dan pendapatan operasional lainnya lembaga
perbankan yang bersangkutan dengan Total Asset-nya selama
periode 2005-2009.
d. Model Springate
Model Springate ini memiliki model yang sama dengan Model
Altman’s Z-Score. Dalam model ini, terdapat 4 variabel, yaitu:
Nilai A dapat dihitung dengan membandingkan antara Working
Capital dengan Total Asset lembaga perbankan yang
bersangkutan selama periode 2005-2009.
Nilai B dapat dihitung dengan membandingkan antara Net Profit
Before Tax dengan Total Asset yang dimiliki lembaga perbankan
Nilai C dapat dihitung dengan membandingkan antara Net Profit
Before Tax atau laba sebelum pajak dengan Current Liability
Nilai D dapat dihitung dengan membandingkan antara Sales
dengan Total Asset lembaga perbankan selama periode 2005-
2009.
57
e. Model Fulmer
Model Fulmer dapat mengklasifikasikan sebuah lembaga
perbankan ke dalam golongan “bangkrut” atau tidak dengan model
matematis yang berdasarkan pada 8 variabel yang berpengaruh, yaitu:
Nilai V1 dapat dihitung dengan membandingkan antara Retained
Earning dengan Total Asset selama periode 2005-2009.
Retained Earning atau laba ditahan dapat diperoleh dari selisih
antara Earning After Tax dengan Dividend.
Nilai V2 dapat dihitung dengan membandingkan antara Sales
dengan Total Asset yang dimiliki oleh lembaga perbankan
Nilai V3 dapat dihitung dengan membandingkan antara Earning
Before Tax dengan Equity selama periode 2005-2009. Equity
dapat diperoleh dari selisih antara total pasiva dengan total
kewajiban lembaga perbankan.
Nilai V4 dapat dihitung dengan membandingkan antara Cash
Flow dengan Total Debt selama periode 2005-2009.
58
Nilai V5 dapat dihitung dengan membandingkan antara Total
Debt dengan Total Asset selama periode 2005-2009.
Nilai V6 dapat dihitung dengan membandingkan antara Current
Liability dengan Total Asset lembaga perbankan selama periode
2005-2009.
Nilai V7 merupakan nilai log dari Tangible Total Asset lembaga
perbankan selama periode 2005-2009. Tangible Total Asset
merupakan total aktiva berwujud.
Nilai V8 dapat dihitung dengan membandingkan antara Working
Capital dengan Total Debt lembaga perbankan selama periode
2005-2009.
f. Model Grover
Model Grover dapat mengklasifikasikan sebuah lembaga
perbankan ke dalam golongan “bangkrut” atau “tidak bangkrut”
berdasarkan tiga sub variabel yang berpengaruh, yaitu:
59
Nilai X1 dapat dihitung dengan membandingkan antara Working
Capital dengan Total Asset lembaga perbankan selama periode
2005-2009. Working Capital atau modal kerja diperoleh dari
selisih antara Current Asset dengan Current Liability.
Nilai X3 dapat dihitung dengan membandingkan antara laba
sebelum pajak atau Earning Before Tax (EBT) dengan Total
Asset lembaga perbankan selama periode 2005-2009.
Rasio ini digunakan untuk mengukur kemampuan perusahaan di
dalam memperoleh laba dengan total aktiva yang dimiliki
lembaga perbankan selama periode 2005-2009.
1.9 Jenis dan Sumber Data
1) Jenis Data
Ditinjau dari sifatnya, data yang digunakan dalam penelitian ini
adalah:
(1) Data kuantitatif, yaitu data yang berbentuk angka-angka yang
dapat dihitung dengan satuan hitung (Sugiyono, 2006:167).
Dalam penelitian ini, data yang digunakan adalah laporan
keuangan lembaga perbankan, seperti laporan laba rugi dan
neraca dari lembaga perbankan yang terdaftar di Bursa Efek
Indonesia periode 2005-2009.
60
(2) Data kualitatif, yaitu data yang tidak berbentuk angka melainkan
dalam bentuk kata, kalimat, dan gambar (Sugiyono, 2006:167).
Dalam penelitian ini, data yang digunakan adalah sejarah Bursa
Efek Indonesia dan undang-undang lembaga perbankan
Indonesia.
2) Sumber Data
Ditinjau dari sumbernya, data yang digunakan dalam penelitian ini
adalah data sekunder. Data sekunder diperoleh dari hasil pengumpulan
dan pengolahan pihak lain. Data tersebut antara lain laporan keuangan
lembaga perbankan, seperti laporan laba rugi dan neraca, yang dibuat
dan diterbitkan oleh lembaga perbankan yang bersangkutan.
1.10 Metode Penentuan Sampel
Populasi adalah suatu wilayah generalisasi yang terdiri dari objek atau
subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh
peneliti untuk dipelajari dan kemudian ditarik kesimpulan (Sugiyono, 2006:72).
Adapun dalam penelitian ini akan menggunakan populasi berupa lembaga
perbankan yang terdaftar di Bursa Efek Indonesia (go public) yang berjumlah 19
lembaga perbankan.
Dalam penelitian ini, yang menjadi kriteria dalam populasi adalah sebagai
berikut:
1) Lembaga perbankan yang terdaftar di Bursa Efek Indonesia (go
public) dan terdaftar di Direktori Bank Indonesia periode 2005-2009.
61
2) Lembaga perbankan yang menerbitkan laporan keuangan (annual
report) selama periode 2005-2009.
3) Lembaga perbankan yang tidak melakukan merger selama periode
2005-2009.
Dari kriteria di atas, jumlah lembaga perbankan yang memenuhi kriteria
terdiri dari 19 bank (lihat Tabel 3.1), yang seluruhnya akan dijadikan sampel
dalam penelitian ini. Karena menggunakan keseluruhan populasi sebagai sampel,
maka penelitian ini menggunakan metode sensus atau sampling jenuh. Sampling
jenuh adalah teknik penentuan sampel bila semua anggota populasi digunakan
sebagai sampel (Sugiyono, 2006:61).
Tabel 3.1 Daftar Lembaga Perbankan yang Menjadi Sampel Penelitian
No Kode Nama Bank

1 AGRO PT. Bank Agroniaga, Tbk.
2 BABP PT. Bank Bumiputera Indonesia, Tbk.
3 BBCA PT. Bank Central Asia, Tbk.
4 BBNI PT. Bank Negara Indonesia (Persero), Tbk.
5 BBNP PT. Bank Nusantara Parahyangan, Tbk.
6 BBRI PT. Bank Rakyat Indonesia (Persero), Tbk.
7 BDMN PT. Bank Danamon Indonesia, Tbk.
8 BEKS PT. Bank Eksekutif Internasional, Tbk.
9 BKSW PT. Bank Kesawan, Tbk.
10 BMRI PT. Bank Mandiri (Persero), Tbk.
11 BNII PT. Bank Internasional Indonesia, Tbk.
12 BNLI PT. Bank Permata, Tbk.
13 BSWD PT. Bank Swadesi, Tbk.
14 BVIC PT. Bank Victoria Internasional, Tbk.
15 INPC PT. Bank Artha Graha Internasional, Tbk.
16 MAYA PT. Bank Mayapada Internasional, Tbk.
17 MEGA PT. Bank Mega, Tbk.
18 NISP PT. Bank NISP, Tbk.
19 PNBN PT. Pan Indonesia Bank, Tbk.
Sumber : Direktori Bank Indonesia – Telah Diolah
62
1.11 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah
metode observasi non-perilaku. Metode observasi non-perilaku ini dilakukan
dengan melakukan pengamatan terhadap dokumen-dokumen, seperti laporan
keuangan berupa neraca dan laporan laba-rugi dari lembaga perbankan di
Indonesia yang diteliti.
1.12 Teknik Analisis Data
Untuk mengukur tingkat kesehatan lembaga perbankan, teknik analisis
yang digunakan adalah Model CAMEL Model CAMEL yang terdiri dari 5 aspek
akan diproksikan dengan berbagai rasio keuangan sebagai berikut:
a. Capital
Equity Capital−¿ Asset

CAR = × 100%.............................(3.1)
Total Loans+ Securities
b. Asset Quality
Earning Before Tax

RORA = × 100%..................................(3.2)
Total Loans+ Securities
c. Management
Laba Bersih
NPM = × 100%.....................(3.3)
Pendapatan Operasional Bersih
d. Earnings
Earnings Before Tax

ROA = × 100%..........................................(3.4)
Total Asset
BebanOperasional
BOPO = × 100% ..............................(3.5)
63
e. Liquidity
Total Kredit
LDR = × 100%....................................(3.6)
Total Dana Pihak Ketiga
Berikut adalah kriteria tingkat kesehatan lembaga perbankan:
Tabel 3.2 Kriteria Kesehatan Lembaga Perbankan
Kategori
Faktor Rasio Tidak
Sehat Cukup Sehat Kurang Sehat
Sehat
Capital CAR > 8,1% 6,6% - < 8,1% 5,1% - < 6,6% < 5,1%
Asset
RORA ≤ 15,5% - - > 15,5%
Quality
Managemen
NPM ≥ 1% - - < 1%
t
ROA ≥ 1,215% 0,99% - < 1,215% 0,765% - < 0,99% < 0,765%
Earnings
BOPO ≤ 93,5% 94,7%% - < 93,5% 95,92% - < 94,7% > 95,92%
Liquidity LDR < 110% - - ≥ 110%
Sumber: Bank Indonesia dalam Haryati (2001:338)
Langkah-langkah yang dilakukan dalam Model CAMEL adalah sebagai
berikut:
a. Mengolah data yang diperoleh dari laporan keuangan lembaga
perbankan yang dijadikan sampel (19 lembaga perbankan).
b. Menghitung nilai dari masing-masing rasio keuangan dalam Model
CAMEL sesuai dengan rumus matematis yang telas dijelaskan.
c. Menentukan predikat tingkat kesehatan bank sesuai dengan
kriterianya.
Untuk memprediksi kebangkrutan pada lembaga perbankan, maka teknik
analisis yang digunakan adalah sebagai berikut:
64
a. Model Internal Growth Rate
Model matematis yang digunakan dalam Model Internal Growth Rate
ROA ×b
IGR = ……………………………………………..…
1−ROA × b
(3.7)
Kriteria yang akan digunakan adalah sebagai berikut:
Tabel 3.3 Kriteria Kebangkrutan dengan Model Internal Growth

Rate
Nilai IGR Predikat

> -0,239 Tidak Bangkrut
< -0,239 Bangkrut
b. Model Altman’s Z-Score
Model matematis yang digunakan dalam model Altman’s Z-Score
Z = 0,717 X1 + 0,847 X2 + 3,107 X3 + 0,420 X4 + 0,998 X5……..(3.8)
Dimana:
X1 = (Current Asset – Current Liabilities) / Total Asset
X2 = Retained Earnings / Total Asset
X3 = Earning Before Tax / Total Asset
X4 = Book Value of Equity / Book Value of Total Debt
X5 = Sales / Total Asset
65
Tabel 3.4 Kriteria Kebangkrutan Model Altman’s Z-Score
Skor Kebangkrutan
< 1,23 1,23 – 2,90 > 2,90
Perusahaan
Grey Area Perusahaan Sehat
Bangkrut
Perusahaan Potensi perusahaan Perusahaan
berpotensi tinggi untuk mengalami berpotensi rendah
untuk mengalami kebangkrutan sulit untuk mengalami
kebangkrutan ditentukan kebangkrutan
c. Model Springate
Model matematis yang digunakan dalam Model Springate adalah
sebagai berikut:
Z = 1,03 A + 3,07 B + 0,66 C + 0,4 D………………………..…...(3.9)
Dimana:
A = Working Capital / Total Asset
B = Net Profit Before Interest and Tax / Total Asset
C = Net Profit Before Tax / Current Liability
D = Sales / Total Asset
Tabel 3.5 Kriteria Kebangkrutan dengan Model Springate
Nilai Z Predikat
> 0,862 Bangkrut
< 0,862 Tidak Bangkrut
d. Model Fulmer
66
Model matematis yang digunakan dalam Model Fulmer adalah
sebagai berikut:
H = 5,528 V1 + 0,212 V2 + 0,073 V3 + 1,270 V4 – 0,120 V5 + 2,335 V6
+ 0,575 V7 + 1,083 V8 - 6,075…………………….......................(3.10)
Dimana:
V1 = Retained Earning / Total Asset
V2 = Sales / Total Asset
V3 = Earning Before Tax / Equity
V4 = Cash Flow / Total Debt
V5 = Debt / Total Asset
V6 = Current Liability / Total Asset
V7 = Log Tangible Total Asset
V8 = Working Capital / Total Debt
Tabel 3.6 Kriteria Kebangkrutan dengan Model Fulmer
Nilai H Predikat
>0 Tidak Bangkrut
<0 Bangkrut
e. Model Grover
Model matematis yang digunakan dalam Model Grover adalah sebagai
berikut:
Score = 1,650 X1 + 3,404 X3 – 0,016 ROA + 0,057…………….(3.11)
Dimana:
67
X3 = Earning Before Interest and Tax/ Total Asset
ROA = Net Income / Total Asset
Tabel 3.7 Kriteria Kebangkrutan dengan Model Grover
Score Predikat
≤ 0,01 Bangkrut
> 0,01 Tidak Bangkrut
Langkah-langkah yang dilakukan dalam model prediksi kebangkrutan
a. Mengolah data yang diperoleh dari laporan keuangan lembaga perbankan
yang dijadikan sampel (19 bank).
b. Menghitung nilai dari variabel dari masing-masing model prediksi.
c. Menghitung score kebangkrutan berdasarkan model matematis untuk
masing-masing model prediksi.
d. Menentukan predikat kebangkrutan lembaga perbankan berdasarkan kriteria
dari masing-masing model prediksi.
68
BAB IV
PEMBAHASAN HASIL PENELITIAN
1.13 Gambaran Umum Bursa Efek Indonesia
4.2.1 Sejarah Bursa Efek Indonesia
Pasar modal secara umum dapat diartikan sebagai pasar yang
memperjualbelikan produk berupa dana yang bersifat abstrak (Tandelilin,
2010:25). Pada 13 Juli 1992, Bursa Efek Indonesia yang saat itu masih bernama
Bursa Efek Jakarta (BEJ) diswastakan dan mulai beroperasi sebagai pasar saham
di Indonesia yang merupakan sebuah awal pertumbuhan baru setelah terhenti
sejak didirikan pada awal abad ke-19. Pada tahun 1912, dengan bantuan
pemerintah kolonial Belanda, bursa efek pertama Indonesia didirikan di Batavia,
pusat pemerintahan kolonial Belanda yang dikenal dengan nama Jakarta saat ini.
Bursa Batavia sempat ditutup selama Perang Dunia I berlangsung dan
kemudian dibuka lagi pada tahun 1925. Selain bursa Batavia, pemerintah kolonial
juga mengoperasikan bursa paralel di Surabaya dan Semarang. Kegiatan bursa
saham ini kembali dihentikan ketika terjadi pendudukan Batavia oleh tentara
Jepang. Pada 1952, tujuh tahun setelah Indonesia memproklamirkan
kemerdekaannya, bursa saham kembali dibuka di Jakarta dengan
memperdagangkan saham dan obligasi yang diterbitkan oleh perusahaan-
perusahaan Belanda sebelum Perang Dunia, dan terhenti lagi ketika pemerintah
meluncurkan program nasionalisasi pada tahun 1956.
69
Pada tahun 1977, bursa saham kembali dibuka dan ditangani oleh Badan
Pelaksana Pasar Modal (BAPEPAM) institusi baru di bawah Departemen
Keuangan. Kegiatan perdagangan dan kapitalisasi pasar saham pun mulai
meningkat seiring dengan perkembangan pasar finansial dan sektor swasta,
dimana puncak perkemabangannya adalah pada tahun 1990. Pada tahun 1991,
bursa saham diswastanisasi menjadi PT. Bursa Efek Jakarta dan menjadi salah
satu bursa efek yang dinamis di Asia. Swastanisasi bursa efek menjadi PT. BEJ
ini mengakibatkan beralihnya fungsi BAPEPAM menjadi Badan Pengawas Pasar
Modal.
Tahun 1995 adalah tahun dimana BEJ memasuki fase baru. Pada tanggal 22
Mei 1995, BEJ meluncurkan Jakarta Automated Trading System (JATS), sebuah
sistem perdagangan otomasi yang menggantikan sistem perdagangan manual.
Sistem baru ini dapat memfasilitasi perdagangan saham dengan frekuensi yang
lebih besar dan lebih menjamin kegiatan pasar yang fair dan transparan
dibandingkan dengan sistem perdagangan manual.
Pada bulan Juli 2000, BEJ menerapkan perdagangan tanpa warkat (scripless
trading), dengan tujuan untuk meningkatkan likuiditas pasar dan menghindari
peristiwa saham hilang dan pemalsuan saham, dan juga untuk mempercepat
proses penyelesaian transaksi. Pada tahun 2002, BEJ juga mulai menerapkan
perdagangan jarak jauh (remote trading), sebagai upaya untuk meningkatkan
akses pasar, efisiensi pasar, kecepatan, serta frekuensi perdagangan. Sejak tanggal
1 Desember 2007, terjadi penggabungan antara Bursa Efek Jakarta (BEJ) dan
70
Bursa Efek Surabaya (BES), yang kemudian dikenal sebagai Bursa Efek
Indonesia (BEI) atau Indonesia Stock Exchange (IDX).
4.2.2 Lembaga Perbankan yang Menjadi Sampel Penelitian
Dalam penelitian ini, lembaga perbankan yang menjadi sampel penelitian
adalah sebanyak 19 lembaga perbankan. Berikut adalah lembaga perbankan yang
menjadi sampel penelitian:
71
Tabel 4.1 Lembaga Perbankan yang Menjadi Sampel Penelitian
No Lembaga Perbankan Kode Saham Tanggal Berdiri Tanggal Listing Status

1 PT. Bank Agroniaga, Tbk. AGRO 27 September 1989 8 Agustus 2003 BUSN Devisa
2 PT. Bank Bumiputera Indonesia, Tbk. BABP 31 Juli 1989 15 Juli 2002 BUSN Devisa
3 PT. Bank Central Asia, Tbk. BBCA 10 Oktober 1955 31 Mei 2000 BUSN Devisa
4 PT. Bank Negara Indonesia (Persero), Tbk. BBNI 11 Januari 1901 25 November 1996 BUSN Devisa
5 PT. Bank Nusantara Parahyangan, Tbk. BBNP 18 Januari 1792 10 Januari 2001 BUSN Devisa
6 PT. Bank Rakyat Indonesia (Persero), Tbk. BBRI 16 Desembar 1895 10 Oktober 2003 BUSN Devisa
7 PT. Bank Danamon Indonesia, Tbk. BDMN 11 Januari 1901 6 Desember 1989 BUSN Devisa
8 PT. Bank Eksekutif Internasional, Tbk. BEKS 11 September 1992 13 Juli 2001 BUSN Non-Devisa
9 PT. Bank Kesawan, Tbk. BKSW 28 April 1913 21 November 2002 BUSN Devisa
10 PT. Bank Mandiri (Persero), Tbk. BMRI 2 Oktober 1998 14 Juli 2003 BUSN Devisa
11 PT. Bank Internasional Indonesia, Tbk. BNII 15 Mei 1959 21 November 1989 BUSN Devisa
12 PT. Bank Permata, Tbk. BNLI 17 Desember 1954 15 Januari 1990 BUSN Devisa
13 PT. Bank Swadesi, Tbk. MEGA 28 September 1968 1 Mei 2002 BUSN Devisa
14 PT. Bank Victoria Internasional, Tbk. BVIC 28 Oktober 1992 30 Juni 1999 BUSN Non-Devisa
15 PT. Bank Artha Graha Internasional, Tbk. INPC 7 September 1973 23 Agustus 1990 BUSN Devisa
16 PT. Bank Mayapada Internasional, Tbk. MAYA 10 Januari 1990 29 Agustus 1997 BUSN Devisa
17 PT. Bank Mega, Tbk. BNLI 15 April 1965 4 Juli 2000 BUSN Devisa
18 PT. Bank NISP, Tbk. NISP 11 Januari 1901 20 Oktober 1994 BUSN Devisa
19 PT. Pan Indonesia Bank, Tbk. PNBN 17 Agustus 1971 29 Desember 1982 BUSN Devisa
Sumber: Bursa Efek Indonesia (hhtp://www.idx.co.id)

Keterangan:”BUSN” = Bank Umum Swasta Negara
72
1.14 Pembahasan Hasil Penelitian
4.2.1 Analisis Tingkat Kesehatan Lembaga Perbankan dengan Model
CAMEL
Tingkat kesehatan lembaga perbankan di Indonesia dapat dianalisis dengan
menggunakan Model CAMEL (Surat Edaran Bank Indonesia No. 6/23/DPNP
tanggal 31 Mei 2004). Penelitian ini menggunakan tujuh rasio keuangan yang
secara representatif mewakili kelima aspek Model CAMEL.
Aspek pertama dari Model CAMEL adalah aspek capital (permodalan).
Dalam penelitian ini, aspek permodalan diproksikan dengan Capital Adequacy
Ratio (CAR). Nilai CAR dapat dihitung dengan membandingkan antara Modal
(Inti + Pelengkap) yang dimiliki lembaga perbankan dengan Aktiva Tertimbang
Menurut Risikonya. Pada Tabel 4.2 dapat dilihat bahwa seluruh lembaga
perbankan yang diteliti memiliki nilai CAR di atas nilai CAR yang disyaratkan (8
persen). Nilai CAR yang lebih besar dari 8 persen menandakan bahwa seluruh
lembaga perbankan yang diteliti berkategori “sehat” bila dilihat dari aspek
permodalannya.
73
Tabel 4.2 Perhitungan Capital Adequacy Ratio (CAR) Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia
Periode 2005-2009
CAR
2005 2006 2007 2008
Modal ATMR CAR Modal ATMR CAR Modal ATMR CAR Modal ATMR
(dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah)
AGRO 283,771 1,728,374 16.418 275,306 1,800,154 15.293 271,685 1,584,471 17.147 268,170 1,982,648
INPC 825,939 7,392,050 11.173 803,348 7,038,854 11.413 955,334 7,719,375 12.376 1,412,024 9,390,036
BBCA 14,193,094 65,521,481 21.662 16,259,108 73,185,427 22.216 18,656,785 100,361,978 18.589 20,358,176 134,184,801
BNII 5,043,272 22,489,737 22.425 5,529,976 22,962,386 24.083 6,200,744 29,369,395 21.113 7,167,177 36,165,756
BBNI 13,887,892 85,572,572 16.229 13,732,026 84,482,042 16.254 17,195,929 97,435,826 17.648 17,304,380 120,300,627
BBRI 12,762,451 78,527,600 16.252 14,914,930 74,690,731 19.969 17,058,707 102,382,429 16.662 19,187,674 140,316,552
BBIA 2,374,314 11,823,796 20.081 3,476,992 11,261,932 30.874 3,756,985 13,455,887 27.921 4,095,498 16,115,269
BABP 364,347 3,049,241 11.949 529,538 4,083,035 12.969 551,604 4,539,210 12.152 558,597 4,475,388
BDMN 10,765,291 45,851,893 23.478 11,908,828 49,064,058 24.272 12,226,119 59,780,157 20.452 9,494,651 67,853,672
BEKS 136,814 1,343,149 10.186 109,411 1,161,733 9.418 128,308 1,085,142 11.824 115,773 1,179,781
BKSW 130,600 914,726 14.277 137,188 1,465,974 9.358 140,779 1,391,818 10.115 145,886 1,448,572
BMRI 27,413,947 115,908,987 23.651 28,365,877 112,138,825 25.295 28,283,838 133,960,413 21.114 27,176,934 172,833,315
MAYA 389,850 2,727,648 14.293 423,254 3,051,535 13.870 1,094,824 3,636,694 30.105 1,061,629 4,485,569
MEGA 1,378,003 12,353,392 11.155 2,019,078 12,640,698 15.973 2,347,277 16,486,313 14.238 3,566,570 22,991,161
NISP 2,691,090 13,487,521 19.952 2,926,689 17,054,113 17.161 3,605,272 21,875,000 16.481 4,237,964 24,538,097
BBNP 169,265 1,578,342 10.724 286,341 1,711,526 16.730 318,551 1,817,108 17.531 355,679 2,533,976
PNBN 5,489,255 17,889,628 30.684 7,488,055 23,621,293 31.700 8,033,587 34,280,854 23.435 8,673,885 41,930,120
BNLI 2,388,324 24,029,314 9.939 3,642,129 25,269,810 14.413 3,986,221 28,681,311 13.898 4,326,456 39,134,618
BSWD 106,396 440,836 24.135 113,216 426,435 26.549 124,080 602,918 20.580 280,842 848,697
BVIC 190,612 886,037 21.513 296,096 1,078,837 27.446 480,037 2,491,732 19.265 578,942 2,484,808
Sumber: Lampiran 1
74
Aspek kedua dari Model CAMEL adalah aspek asset quality (kualitas
aktiva). Dalam penelitian ini, aspek kualitas aktiva diproksikan dengan Return on
Risked Asset (RORA). Nilai RORA dapat dihitung dengan membandingkan antara
Earning Before Tax dengan Aktiva Tertimbang Menurut Risikonya. Menurut
ketentuan Bank Indonesia, suatu lembaga perbankan harus memiliki nilai RORA
sama dengan atau lebih kecil dari 15,5 persen agar dapat berkategori sehat bila
dilihat dari aspek kualitas aktivanya. Pada Tabel 4.3 dapat dilihat bahwa seluruh
lembaga perbankan yang diteliti memiliki nilai RORA di bawah 15,5 persen
sehingga seluruhnya dinyatakan “sehat” bila dilihat dari aspek kualitas aktivanya.
75
Tabel 4.3 Perhitungan Return on Risked Asset (RORA) Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia
Periode 2005-2009
76
CAR
2005 2006 2007 2008
AGRO 283,771 1,728,374 16.418 275,306 1,800,154 15.293 271,685 1,584,471 17.147 268,170 1,982,648
INPC 825,939 7,392,050 11.173 803,348 7,038,854 11.413 955,334 7,719,375 12.376 1,412,024 9,390,036
BBCA 14,193,094 65,521,481 21.662 16,259,108 73,185,427 22.216 18,656,785 100,361,978 18.589 20,358,176 134,184,801
BNII 5,043,272 22,489,737 22.425 5,529,976 22,962,386 24.083 6,200,744 29,369,395 21.113 7,167,177 36,165,756
BBNI 13,887,892 85,572,572 16.229 13,732,026 84,482,042 16.254 17,195,929 97,435,826 17.648 17,304,380 120,300,627
BBRI 12,762,451 78,527,600 16.252 14,914,930 74,690,731 19.969 17,058,707 102,382,429 16.662 19,187,674 140,316,552
BBIA 2,374,314 11,823,796 20.081 3,476,992 11,261,932 30.874 3,756,985 13,455,887 27.921 4,095,498 16,115,269
BABP 364,347 3,049,241 11.949 529,538 4,083,035 12.969 551,604 4,539,210 12.152 558,597 4,475,388
BDMN 10,765,291 45,851,893 23.478 11,908,828 49,064,058 24.272 12,226,119 59,780,157 20.452 9,494,651 67,853,672
BEKS 136,814 1,343,149 10.186 109,411 1,161,733 9.418 128,308 1,085,142 11.824 115,773 1,179,781
BKSW 130,600 914,726 14.277 137,188 1,465,974 9.358 140,779 1,391,818 10.115 145,886 1,448,572
BMRI 27,413,947 115,908,987 23.651 28,365,877 112,138,825 25.295 28,283,838 133,960,413 21.114 27,176,934 172,833,315
MAYA 389,850 2,727,648 14.293 423,254 3,051,535 13.870 1,094,824 3,636,694 30.105 1,061,629 4,485,569
MEGA 1,378,003 12,353,392 11.155 2,019,078 12,640,698 15.973 2,347,277 16,486,313 14.238 3,566,570 22,991,161
NISP 2,691,090 13,487,521 19.952 2,926,689 17,054,113 17.161 3,605,272 21,875,000 16.481 4,237,964 24,538,097
BBNP 169,265 1,578,342 10.724 286,341 1,711,526 16.730 318,551 1,817,108 17.531 355,679 2,533,976
Sumber: Lampiran 2
77
Aspek ketiga dari analisis tingkat kesehatan bank dengan Model CAMEL
adalah aspek management (manajemen). Pada penelitian ini aspek manajemen
diproksikan dengan Net Profit Margin (NPM). Nilai NPM dapat dihitung dengan
membandingkan antara Earning After Tax (EAT) dengan Pendapatan
Operasional. Nilai NPM yang telah dihitung kemudian akan dibandingkan.
Apabila nilai NPM tersebut lebih rendah dari 1.00 persen, maka lembaga
perbankan tersebut berkategori “tidak sehat” dan sebaliknya.
Pada Tabel 4.4 dapat dilihat bahwa selama periode penelitian, terdapat 4
lembaga perbankan yang berkategori “tidak sehat” bila dilihat dari aspek
manajemennya. Keempat lembaga perbankan tersebut adalah PT. Bank
Agroniaga, Tbk. (2005), PT. Bank Bumiputera Indonesia, Tbk. (2009), PT. Bank
Eksekutif Internasional, Tbk. (2005-2009), dan PT. Bank Internasional Indonesia,
Tbk. (2009). Secara keseluruhan, hanya PT. Bank Eksekutif Internasional, Tbk.
yang berkategori “tidak sehat” bila dilihat dari aspek manajemennya karena rata-
rata NPM yang lebih kecil dari 1 persen.
77
Tabel 4.4 Perhitungan Net Profit Margin (NPM) Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode
2005-2009
CAR
2005 2006 2007 2008
AGRO 283,771 1,728,374 16.418 275,306 1,800,154 15.293 271,685 1,584,471 17.147 268,170 1,982,648
INPC 825,939 7,392,050 11.173 803,348 7,038,854 11.413 955,334 7,719,375 12.376 1,412,024 9,390,036
BBCA 14,193,094 65,521,481 21.662 16,259,108 73,185,427 22.216 18,656,785 100,361,978 18.589 20,358,176 134,184,801
BNII 5,043,272 22,489,737 22.425 5,529,976 22,962,386 24.083 6,200,744 29,369,395 21.113 7,167,177 36,165,756
BBNI 13,887,892 85,572,572 16.229 13,732,026 84,482,042 16.254 17,195,929 97,435,826 17.648 17,304,380 120,300,627
BBRI 12,762,451 78,527,600 16.252 14,914,930 74,690,731 19.969 17,058,707 102,382,429 16.662 19,187,674 140,316,552
BBIA 2,374,314 11,823,796 20.081 3,476,992 11,261,932 30.874 3,756,985 13,455,887 27.921 4,095,498 16,115,269
BABP 364,347 3,049,241 11.949 529,538 4,083,035 12.969 551,604 4,539,210 12.152 558,597 4,475,388
BDMN 10,765,291 45,851,893 23.478 11,908,828 49,064,058 24.272 12,226,119 59,780,157 20.452 9,494,651 67,853,672
BEKS 136,814 1,343,149 10.186 109,411 1,161,733 9.418 128,308 1,085,142 11.824 115,773 1,179,781
BKSW 130,600 914,726 14.277 137,188 1,465,974 9.358 140,779 1,391,818 10.115 145,886 1,448,572
BMRI 27,413,947 115,908,987 23.651 28,365,877 112,138,825 25.295 28,283,838 133,960,413 21.114 27,176,934 172,833,315
MAYA 389,850 2,727,648 14.293 423,254 3,051,535 13.870 1,094,824 3,636,694 30.105 1,061,629 4,485,569
MEGA 1,378,003 12,353,392 11.155 2,019,078 12,640,698 15.973 2,347,277 16,486,313 14.238 3,566,570 22,991,161
NISP 2,691,090 13,487,521 19.952 2,926,689 17,054,113 17.161 3,605,272 21,875,000 16.481 4,237,964 24,538,097
BBNP 169,265 1,578,342 10.724 286,341 1,711,526 16.730 318,551 1,817,108 17.531 355,679 2,533,976
Sumber: Lampiran 3
78
Aspek keempat yang harus dianalisis dalam Model CAMEL adalah aspek
earnings (rentabilitas). Pada penelitian ini, aspek rentabilitas diproksikan dengan
dua rasio keuangan yaitu Return on Asset (ROA) dan Perbandingan Biaya
Operasional terhadap Pendapatan Operasional (BOPO). Nilai ROA dapat dihitung
dengan membandingkan antara Earning Before Tax (EBT) dengan Rata-Rata
Total Aktiva. Agar suatu lembaga perbankan dapat berkategori “sehat” maka nilai
ROA yang dimiliki harus lebih besar dari 1,215 persen.
Pada Tabel 4.5 dapat dilihat bahwa tingkat kesehatan lembaga perbankan
yang diteliti pada periode penelitian cukup bervariasi. Secara rata-rata, terdapat 11
lembaga perbankan yang berkategori “sehat”, 3 lembaga perbankan yang
berkategori “cukup sehat”, dan 5 lembaga perbankan yang berkategori “tidak
sehat” bila dilihat dari aspek rentabilitasnya.
79
Tabel 4.5 Perhitungan Return on Asset (ROA) Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode
2005-2009
CAR
2005 2006 2007 2008
AGRO 283,771 1,728,374 16.418 275,306 1,800,154 15.293 271,685 1,584,471 17.147 268,170 1,982,648
INPC 825,939 7,392,050 11.173 803,348 7,038,854 11.413 955,334 7,719,375 12.376 1,412,024 9,390,036
BBCA 14,193,094 65,521,481 21.662 16,259,108 73,185,427 22.216 18,656,785 100,361,978 18.589 20,358,176 134,184,801
BNII 5,043,272 22,489,737 22.425 5,529,976 22,962,386 24.083 6,200,744 29,369,395 21.113 7,167,177 36,165,756
BBNI 13,887,892 85,572,572 16.229 13,732,026 84,482,042 16.254 17,195,929 97,435,826 17.648 17,304,380 120,300,627
BBRI 12,762,451 78,527,600 16.252 14,914,930 74,690,731 19.969 17,058,707 102,382,429 16.662 19,187,674 140,316,552
BBIA 2,374,314 11,823,796 20.081 3,476,992 11,261,932 30.874 3,756,985 13,455,887 27.921 4,095,498 16,115,269
BABP 364,347 3,049,241 11.949 529,538 4,083,035 12.969 551,604 4,539,210 12.152 558,597 4,475,388
BDMN 10,765,291 45,851,893 23.478 11,908,828 49,064,058 24.272 12,226,119 59,780,157 20.452 9,494,651 67,853,672
BEKS 136,814 1,343,149 10.186 109,411 1,161,733 9.418 128,308 1,085,142 11.824 115,773 1,179,781
BKSW 130,600 914,726 14.277 137,188 1,465,974 9.358 140,779 1,391,818 10.115 145,886 1,448,572
BMRI 27,413,947 115,908,987 23.651 28,365,877 112,138,825 25.295 28,283,838 133,960,413 21.114 27,176,934 172,833,315
MAYA 389,850 2,727,648 14.293 423,254 3,051,535 13.870 1,094,824 3,636,694 30.105 1,061,629 4,485,569
MEGA 1,378,003 12,353,392 11.155 2,019,078 12,640,698 15.973 2,347,277 16,486,313 14.238 3,566,570 22,991,161
NISP 2,691,090 13,487,521 19.952 2,926,689 17,054,113 17.161 3,605,272 21,875,000 16.481 4,237,964 24,538,097
BBNP 169,265 1,578,342 10.724 286,341 1,711,526 16.730 318,551 1,817,108 17.531 355,679 2,533,976
Sumber: Lampiran 4
80
Rasio kedua yang harus dihitung pada aspek rentabilitas adalah
Perbandingan Biaya Operasional terhadap Pendapatan Operasional (BOPO). Nilai
BOPO dapat dihitung dengan membandingkan antara Beban Operasional dengan
Pendapatan Operasional. Berdasarkan SK DIR BI No. 30/11/KEP/DIR tanggal 30
April 1997, apabila suatu bank memiliki nilai BOPO sebesar 93,5 persen atau
lebih rendah, maka bank tersebut dapat dikategorikan “sehat”.
Pada Tabel 4.6 dapat dilihat bahwa lembaga perbankan yang diteliti
memiliki tingkat kesehatan yang mayoritas berkategori “sehat” apabila ditinjau
dari aspek rentabilitas dengan proksi rasio BOPO. Secara rata-rata, terdapat 16
lembaga perbankan yang berkategori “sehat” dan masing-masing 1 lembaga
perbankan yang berkategori “cukup sehat”, “kurang sehat”, dan “tidak sehat”
apabila dilihat dari aspek rentabilitasnya.
81
Tabel 4.6 Perhitungan Perbandingan Biaya Operasional terhadap Pendapatan Operasional (BOPO) Lembaga
Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2005-2009
CAR
2005 2006 2007 2008
AGRO 283,771 1,728,374 16.418 275,306 1,800,154 15.293 271,685 1,584,471 17.147 268,170 1,982,648
INPC 825,939 7,392,050 11.173 803,348 7,038,854 11.413 955,334 7,719,375 12.376 1,412,024 9,390,036
BBCA 14,193,094 65,521,481 21.662 16,259,108 73,185,427 22.216 18,656,785 100,361,978 18.589 20,358,176 134,184,801
BNII 5,043,272 22,489,737 22.425 5,529,976 22,962,386 24.083 6,200,744 29,369,395 21.113 7,167,177 36,165,756
BBNI 13,887,892 85,572,572 16.229 13,732,026 84,482,042 16.254 17,195,929 97,435,826 17.648 17,304,380 120,300,627
BBRI 12,762,451 78,527,600 16.252 14,914,930 74,690,731 19.969 17,058,707 102,382,429 16.662 19,187,674 140,316,552
BBIA 2,374,314 11,823,796 20.081 3,476,992 11,261,932 30.874 3,756,985 13,455,887 27.921 4,095,498 16,115,269
BABP 364,347 3,049,241 11.949 529,538 4,083,035 12.969 551,604 4,539,210 12.152 558,597 4,475,388
BDMN 10,765,291 45,851,893 23.478 11,908,828 49,064,058 24.272 12,226,119 59,780,157 20.452 9,494,651 67,853,672
BEKS 136,814 1,343,149 10.186 109,411 1,161,733 9.418 128,308 1,085,142 11.824 115,773 1,179,781
BKSW 130,600 914,726 14.277 137,188 1,465,974 9.358 140,779 1,391,818 10.115 145,886 1,448,572
BMRI 27,413,947 115,908,987 23.651 28,365,877 112,138,825 25.295 28,283,838 133,960,413 21.114 27,176,934 172,833,315
MAYA 389,850 2,727,648 14.293 423,254 3,051,535 13.870 1,094,824 3,636,694 30.105 1,061,629 4,485,569
MEGA 1,378,003 12,353,392 11.155 2,019,078 12,640,698 15.973 2,347,277 16,486,313 14.238 3,566,570 22,991,161
NISP 2,691,090 13,487,521 19.952 2,926,689 17,054,113 17.161 3,605,272 21,875,000 16.481 4,237,964 24,538,097
BBNP 169,265 1,578,342 10.724 286,341 1,711,526 16.730 318,551 1,817,108 17.531 355,679 2,533,976S
umber: Lampiran 5
82
Aspek kelima dari Model CAMEL yang harus dianalisis adalah aspek
liquidity (likuiditas). Dalam penelitian ini, aspek likuiditas diproksikan dengan
Loan to Deposit Ratio (LDR). Nilai LDR dapat dihitung dengan membandingkan
antara Total Kredit dengan Total Dana Pihak Ketiga, dengan batas kewajaran
adalah 110 persen.
Pada Tabel 4.7 dapat dilihat bahwa semua lembaga perbankan yang diteliti
berkategori “sehat” apabila dilihat dari aspek likuiditasnya baik secara
keseluruhan maupun per tahunnya.
83
Tabel 4.7 Perhitungan Loan to Deposit Ratio (LDR) Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia
Periode 2005-2009
CAR
2005 2006 2007 2008
AGRO 283,771 1,728,374 16.418 275,306 1,800,154 15.293 271,685 1,584,471 17.147 268,170 1,982,648
INPC 825,939 7,392,050 11.173 803,348 7,038,854 11.413 955,334 7,719,375 12.376 1,412,024 9,390,036
BBCA 14,193,094 65,521,481 21.662 16,259,108 73,185,427 22.216 18,656,785 100,361,978 18.589 20,358,176 134,184,801
BNII 5,043,272 22,489,737 22.425 5,529,976 22,962,386 24.083 6,200,744 29,369,395 21.113 7,167,177 36,165,756
BBNI 13,887,892 85,572,572 16.229 13,732,026 84,482,042 16.254 17,195,929 97,435,826 17.648 17,304,380 120,300,627
BBRI 12,762,451 78,527,600 16.252 14,914,930 74,690,731 19.969 17,058,707 102,382,429 16.662 19,187,674 140,316,552
BBIA 2,374,314 11,823,796 20.081 3,476,992 11,261,932 30.874 3,756,985 13,455,887 27.921 4,095,498 16,115,269
BABP 364,347 3,049,241 11.949 529,538 4,083,035 12.969 551,604 4,539,210 12.152 558,597 4,475,388
BDMN 10,765,291 45,851,893 23.478 11,908,828 49,064,058 24.272 12,226,119 59,780,157 20.452 9,494,651 67,853,672
BEKS 136,814 1,343,149 10.186 109,411 1,161,733 9.418 128,308 1,085,142 11.824 115,773 1,179,781
BKSW 130,600 914,726 14.277 137,188 1,465,974 9.358 140,779 1,391,818 10.115 145,886 1,448,572
BMRI 27,413,947 115,908,987 23.651 28,365,877 112,138,825 25.295 28,283,838 133,960,413 21.114 27,176,934 172,833,315
MAYA 389,850 2,727,648 14.293 423,254 3,051,535 13.870 1,094,824 3,636,694 30.105 1,061,629 4,485,569
MEGA 1,378,003 12,353,392 11.155 2,019,078 12,640,698 15.973 2,347,277 16,486,313 14.238 3,566,570 22,991,161
NISP 2,691,090 13,487,521 19.952 2,926,689 17,054,113 17.161 3,605,272 21,875,000 16.481 4,237,964 24,538,097
BBNP 169,265 1,578,342 10.724 286,341 1,711,526 16.730 318,551 1,817,108 17.531 355,679 2,533,976
Sumber: Lampiran 6
84
4.2.2 Analisis Prediksi Kebangkrutan pada Lembaga Perbankan
1) Model Internal Growth Rate (IGR)
Untuk dapat mengklasifikasikan suatu lembaga perbankan berpotensi
untuk “bangkrut” atau “tidak bangkrut” berdasarkan Model Internal
Growth Rate (IGR), dapat dilihat dari nilai Z. Nilai Z tersebut akan
diperoleh setelah menghitung nilai IGR. Nilai IGR dapat diperoleh
setelah terlebih dahulu menghitung nilai Return on Asset (ROA) dan
Retention Ratio (b). Setelah mendapatkan nilai IGR, maka nilai IGR
tersebut akan dibandingkan dengan angka kritis, dimana ketentuannya
adalah apabila lembaga perbankan memiliki nilai IGR di atas angka
kritis (-0,239), maka lembaga perbankan tersebut diklasifikasikan ke
dalam kriteria “tidak bangkrut”. Sebaliknya, jika nilai IGR di bawah
angka kritis (-0,239), maka lembaga perbankan tersebut
diklasifikasikan ke dalam kriteria “bangkrut”.
Pada Tabel 4.8 dapat dilihat bahwa seluruh lembaga perbankan yang
diteliti tidak berpotensi mengalami kebangkrutan karena nilai IGR
yang lebih besar dari -0,239.
85
Tabel 4.8 Perhitungan Model Internal Growth Rate (IGR) Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia
Periode 2005-2009
ROA
2005 2006 2007 2008
Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 ###
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 ###
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 ###
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 ###
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 ###
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 ###
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 ###
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 ###
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) ###
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 ###
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 ###
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 ###
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 ###
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 ###
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 ###
Sumber: Lampiran 7
Keterangan: “TB” = Tidak Bangkrut
86
Berdasarkan analisis dengan Model Internal Growth Rate (IGR),
seluruh lembaga perbankan yang diteliti tidak berpotensi mengalami
kebangkrutan karena nilai IGR yang lebih besar dari -0,239. Hal
tersebut sesuai dengan kebijakan Bank Indonesia, dimana sampai saat
ini lembaga perbankan tersebut masih beroperasi dan tidak dilikuidasi
oleh Bank Indonesia. Berikut adalah perbandingan antara hasil yang
diperoleh dari analisis menggunakan Model Internal Growth Rate
(IGR) dengan kebijakan Bank Indonesia:
Tabel 4.9 Perbandingan antara Model Internal Growth Rate (IGR)

dengan Kebijakan Bank Indonesia
Kebijakan
Hasil dari Model Prediksi Kebangkrutan Bank
Bank Indonesia
Rata-
2005 2006 2007 2008 2009
Rata
AGRO TB TB TB TB TB TB TB
BABP TB TB TB TB TB TB TB
BBCA TB TB TB TB TB TB TB
BBNI TB TB TB TB TB TB TB
BBNP TB TB TB TB TB TB TB
BBRI TB TB TB TB TB TB TB
BDMN TB TB TB TB TB TB TB
BEKS TB TB TB TB TB TB TB
BKSW TB TB TB TB TB TB TB
BMRI TB TB TB TB TB TB TB
BNII TB TB TB TB TB TB TB
BNLI TB TB TB TB TB TB TB
BSWD TB TB TB TB TB TB TB
BVIC TB TB TB TB TB TB TB
INPC TB TB TB TB TB TB TB
MAYA TB TB TB TB TB TB TB
MEGA TB TB TB TB TB TB TB
NISP TB TB TB TB TB TB TB
PNBN TB TB TB TB TB TB TB
Sumber: Lampiran 8
87
Keterangan: “TB” = “Tidak Bangkrut”
Berdasarkan Tabel 4.9 maka dapat disimpulkan bahwa tingkat
kesesuaian antara Model Internal Growth Rate (IGR) terhadap
kebijakan Bank Indonesia adalah 100 persen. Tingkat kesesuaian
tersebut cenderung lebih besar bila dibandingkan dengan penelitian
Santoso (2006), dimana tingkat kesesuaian antara Model Internal
Growth Rate (IGR) terhadap kebijakan Bank Indonesia adalah sebesar
61 persen.
2) Model Altman’s Z-Score
Pada Model Altman’s Z-Score terdapat lima variabel (X1-X5) yang
keseluruhannya akan menentukan Z-Score yang akan
mengklasifikasikan perusahaan ke dalam tiga kategori, yaitu
“bangkrut”, “grey area” dan “tidak bangkrut”. Apabila suatu lembaga
perbankan memiliki Z-Score lebih kecil dari 1,23 maka lembaga
perbankan tersebut berkategori “bangkrut”. Apabila suatu lembaga
perbankan memiliki Z-Score di antara 1,23 sampai 2,90 maka lembaga
perbankan tersebut berada dalam kategori “grey area” dan suatu
lembaga perbankan apabila memiliki Z-Score di atas 2,90 maka
lembaga perbankan tersebut berkategori “tidak bangkrut”
diteliti untuk periode 2005-2009 berpotensi mengalami kebangkrutan
karena Z-Score yang diperoleh lebih kecil dari 1,23.
88
Tabel 4.10 Perhitungan Model Altman’s Z-Score Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode
2005-2009
ROA
2005 2006 2007 2008
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 12,862,346
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 244,712,927
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 53,893,523
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 200,390,507
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 246,026,225
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 21,204,929
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 6,284,759
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 104,842,261
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) 1,498,179
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 2,164,593
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 338,404,265
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 5,510,274
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 34,873,650
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 34,245,838
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 3,683,690
Sumber: Lampiran 8
Keterangan: “B” = Bangkrut
89
Berdasarkan analisis yang telah dilakukan dengan Model Altman’s Z-
Score, seluruh lembaga perbankan yang diteliti berpotensi mengalami
kebangkrutan. Hal ini sangat kontradiktif mengingat seluruh lembaga
perbankan tersebut masih beroperasi sampai sekarang. Berikut adalah
perbandingan antara hasil yang diperoleh dari analisis menggunakan
Model Altman’s Z-Score dengan kebijakan Bank Indonesia:
Tabel 4.11 Perbandingan antara Model Altman’s Z-Score dengan

Kebijakan Bank Indonesia
Kebijakan
Bank Indonesia
Rata-
2005 2006 2007 2008 2009
Rata
AGRO B B B B B B TB
BABP B B B B B B TB
BBCA B B B B B B TB
BBNI B B B B B B TB
BBNP B B B B B B TB
BBRI B B B B B B TB
BDMN B B B B B B TB
BEKS B B B B B B TB
BKSW B B B B B B TB
BMRI B B B B B B TB
BNII B B B B B B TB
BNLI B B B B B B TB
BSWD B B B B B B TB
BVIC B B B B B B TB
INPC B B B B B B TB
MAYA B B B B B B TB
MEGA B B B B B B TB
NISP B B B B B B TB
PNBN B B B B B B TB
Sumber: Lampiran 10
Keterangan: “B” = Bangkrut dan “TB” = Tidak Bangkrut”
90
Berdasarkan Tabel 4.11 dapat dilihat bahwa hasil dari analisis dengan
menggunakan Model Altman’s Z-Score memberikan hasil yang
bertolak belakang bila dibandingkan dengan kebijakan Bank
Indonesia. Untuk itu, tingkat kesesuaian antara Model Altman’s Z-
Score terhadap kebijakan Bank Indonesia adalah 0 persen.
Kesimpulan tersebut sesuai dengan penelitian Hendrawan (2008),
dimana penelitian tersebut menghasilkan kesimpulan bahwa prediksi
kebangkrutan dengan Model Altman’s Z-Score memberikan hasil yang
bertolak belakang bila dibandingkan dengan kebijakan Bank
Indonesia. Berbeda dengan penelitian Hendrawan (2008), hasil dari
penelitian ini bertolak belakang dengan penelitian Santoso (2006),
dimana kesimpulan yang diperoleh adalah tingkat kesesuaian yang
cukup tinggi antara Model Altman’s Z-Score terhadap kebijakan Bank
Indonesia.
3) Model Springate
Pada Model Springate, nilai Z ditentukan dari empat variabel. Nilai Z
yang diperoleh kemudian akan dibandingkan dengan nilai kritis,
dengan ketentuan jika nilai Z yang diperoleh lebih kecil dari 0,862
maka lembaga perbankan diklasifikasikan menjadi perusahaan yang
bangkrut (gagal).
Pada Tabel 4.12 dapat dilihat bahwa dari 19 lembaga perbankan yang
diteliti, hanya 1 lembaga perbankan yang berpotensi mengalami
kebangkrutan, yaitu PT. Bank Eksekutif Indonesia (BEKS).
91
Tabel 4.12 Perhitungan Model Springate Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2005-2009
ROA
2005 2006 2007 2008
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 12,862,346
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 244,712,927
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 53,893,523
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 200,390,507
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 246,026,225
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 21,204,929
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 6,284,759
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 104,842,261
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) 1,498,179
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 2,164,593
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 338,404,265
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 5,510,274
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 34,873,650
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 34,245,838
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 3,683,690
S
umber: Lampiran 9
92
Berdasarkan analisis yang telah dilakukan dengan Model Springate,
seluruh lembaga perbankan yang diteliti tidak berpotensi mengalami
kebangkrutan, kecuali PT. Bank Eksekutif Indonesia (BEKS) karena
nilai Z yang diperoleh lebih kecil dari 0,862. Berikut adalah
perbandingan antara hasil yang diperoleh dari analisis menggunakan
Model Springate dengan kebijakan Bank Indonesia:
Tabel 4.13 Perbandingan antara Model Springate dengan Kebijakan

Bank Indonesia
Kebijakan
Bank Indonesia
Rata-
2005 2006 2007 2008 2009
Rata
BBNI TB TB B TB TB TB TB
BEKS B B TB B B B B
BNLI TB TB TB TB B TB TB
Sumber: Lampiran 12
93
Berdasarkan Tabel 4.13 dapat dilihat bahwa hasil yang diperoleh dari
analisis dengan menggunakan Model Springate secra mayoritas sudah
sesuai dengan kebijakan Bank Indonesia. Satu-satunya
ketidaksesuaian yang ada adalah pada PT. Bank Eksekutif Indonesia
(BEKS). Tingkat kesesuaian antara Model Springate terhadap
kebijakan Bank Indonesia adalah 94,737 persen. Hal tersebut sesuai
dengan penelitian Santoso (2006), dimana hasil dari penelitian
tersebut adalah tingkat kesesuaian sebesar 98,667 persen antara Model
Springate dengan kebijakan Bank Indonesia.
4) Model Fulmer
Model Fulmer meggunakan 8 variabel berupa rasio keuangan yang
kemudian akan menghasilkan nilai H. Nilai H tersebut kemudian akan
dijadikan angka kritis untuk mengkategorikan suatu lembaga
perbankan apakah berpotensi bangkrut atau tidak. Jika nilai H yang
diperoleh lebih kecil dari 0, maka perusahaan diklasifikasikan menjadi
perusahaan yang bangkrut (gagal).
diteliti untuk periode 2005-2009 tidak berpotensi mengalami
kebangkrutan. Seluruh lembaga perbankan tidak berpotensi
mengalami kebangkrutan karena nilai H yang diperoleh lebih besar
dari 0.
94
Tabel 4.14 Perhitungan Model Fulmer Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2005-2009
ROA
2005 2006 2007
Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA
(dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%)
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009
Sumber: Lampiran 10
95
Berdasarkan analisis dengan menggunakan Model Fulmer, dari 19
lembaga perbankan yang diteliti seluruhnya tidak berpotensi
mengalami kebangkrutan. Hal ini sangat sesuai dengan kebijakan
Bank Indonesia, karena seluruh lembaga perbankan tersebut masih
beroperasi sampai sekarang. Berikut adalah perbandingan antara hasil
yang diperoleh dari analisis menggunakan Model Fulmer dengan
kebijakan Bank Indonesia:
Tabel 4.15 Perbandingan antara Model Fulmer dengan Kebijakan

Bank Indonesia
Kebijakan
Bank Indonesia
Rata-
2005 2006 2007 2008 2009
Rata
Sumber: Lampiran 14
96
Berdasarkan Tabel 4.15 tersebut, dapat dilihat bahwa terdapat
kesesuaian yang sangat tinggi antara Model Fulmer dengan kebijakan
Bank Indonesia, yaitu dengan tingkat kesesuaian sebesar 100 persen.
5) Model Grover
Model Grover dapat digunakan untuk memprediksi kebangkrutan
pada suatu perusahaan dengan menggunakan tiga variabel, yaitu X1
(Working Capital / Total Asset), X3 (Earning Before Tax / Total
Asset), dan Return on Asset (ROA). Berdasarkan tiga variabel
tersebut, dapat ditentukan score yang akan mengkategorikan sebuah
perusahaan, dalam hal ini lembaga perbankan, apakah berpotensi
bangkrut atau tidak. Score untuk perusahaan yang bangkrut adalah
kurang atau sama dengan 0,01 dan untuk perusahaan yang tidak
bangkrut (sehat) adalah lebih besar dari 0,01.
diteliti tidak berpotensi mengalami kebangkrutan. Berdasarkan
perhitungan yang dilakukan, seluruh lembaga perbankan memiliki
score lebih besar dari 0,01.
97
Tabel 4.16 Perhitungan Model Grover Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2005-2009
ROA
2005 2006 2007
Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA
(dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%)
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009
Sumber: Lampiran 11
98
Hasil yang diperoleh dari analisis dengan menggunakan Model Grover
adalah bahwa semua lembaga perbankan yang diteliti tidak berpotensi
mengalami kebangkrutan. Berikut adalah perbandingan antara hasil
yang diperoleh dari analisis menggunakan Model Grover dengan
kebijakan Bank Indonesia:
Tabel 4.17 Perbandingan antara Model Grover dengan Kebijakan
Bank Indonesia
Kebijakan
Bank Indonesia
Rata-
2005 2006 2007 2008 2009
Rata
Sumber: Lampiran 16
Berdasarkan Tabel 4.17 dapat dilihat bahwa hasil dari analisis dengan
menggunakan Model Grover bila dibandingkan dengan kebijakan
99
Bank Indonesia, memiliki tingkat kesesuaian yang sangat tinggi, yaitu
sebesar 100 persen. Hal ini sangat bertolak belakang bila
dibandingkan dengan penelitian Santoso (2006), dimana tingkat
kesesuaian yang diperoleh hanya sebesar 4.348 persen.
100
BAB V
SIMPULAN DAN SARAN
1.15 Simpulan
Berdasarkan analisis pada bab-bab sebelumnya, maka simpulan yang
diperoleh adalah sebagai berikut:
1) Secara umum tingkat kesehatan lembaga perbankan yang terdaftar di
Bursa Efek Indonesia periode 2005-2009 apabila menggunakan Model
CAMEL cukup baik atau berkategori “sehat”. Bila dilihat dari aspek
permodalan (capital), seluruh lembaga perbankan yang diteliti
berkategori “sehat”. Hal serupa juga terjadi bila dilihat dari aspek
kualitas asset (asset quality) dan aspek likuiditas (liquidity), dimana
seluruh lembaga perbankan yang diteliti berkategori “sehat”. Untuk
aspek manajemen, dari 19 lembaga perbankan yang diteliti, hanya 1
yang berkategori “tidak sehat”, yaitu PT. Bank Eksekutif
Internasional, Tbk., sedangkan sisanya berkategori “sehat”. Untuk
aspek rentabilitas, 19 lembaga perbankan memiliki tingkat kesehatan
yang bervariasi, mulai dari “sehat”, “cukup sehat”, “kurang sehat”,
dan “tidak sehat”.
2) Setelah dilakukan analisis dengan menggunakan Model Internal
Growth Rate, Model Altman’s Z-Score, Model Springate, Model
Fulmer, dan Model Grover untuk memprediksi kebangkrutan pada
lembaga perbankan yang terdaftar di Bursa Efek Indonesia periode
101
2005-2009, didapat hasil predeksi yang berbeda-beda. Berdasarkan
Model Internal Growth Rate, seluruh lembaga perbankan yang diteliti
tidak berpotensi mengalami kebangkrutan. Hasil yang bertolak
belakang diperoleh dari Model Altman’s Z-Score, dimana model ini
memprediksi akan terjadi kebangkrutan pada seluruh lembaga
perbankan yang diteliti. Berdasarkan Model Springate, hanya satu
lembaga perbankan yang berpotensi mengalami kebangkrutan (PT.
Bank Eksekutif Internasional, Tbk.), dan sisanya tidak berpotensi
mengalami kebangkrutan. Kedua model lainnya, Model Grover dan
Fulmer menghasilkan prediksi yang sama, dimana seluruh lembaga
perbankan yang diteliti tidak berpotensi mengalami kebangkrutan.
Berdasarkan analisis yang telah dilakukan, terdapat tingkat kesesuaian
yang cukup tinggi antara model prediksi kebangkrutan yang ada
terhadap kebijakan Bank Indonesia, kecuali untuk Model Altman’s Z-
Score, dimana tingkat kesesuaiannya adalah 0 persen. Tingkat
kesesuaian antara Model Springate terhadap kebijakan Bank Indonesia
adalah sebesar 98.667 persen, dan untuk Model Internal Growth Rate
(IGR), Model Fulmer, dan Model Grover adalah sebesar 100 persen.
1.16 Saran
Berdasarkan hasil analisis dan simpulan, beberapa saran yang dapat
diberikan adalah sebagai berikut:
102
1) Dengan adanya kesimpulan bahwa terdapat tingkat kesesuaian yang
cukup tinggi antara model prediksi kebangkrutan yang ada dengan
kebijakan Bank Indonesia, maka untuk ke depannya, model prediksi
kebangkrutan ini dapat digunakan oleh manajemen perbankan sebagai
alat analisis untuk menilai kinerja keuangan lembaga perbankan yang
dikelolanya. Model prediksi kebangkrutan ini juga hendaknya
dijadikan sebagai early warnings sehingga dapat menghindarkan suatu
lembaga perbankan dari kebangkrutan.
2) Para investor yang ingin berinvestasi dalam industri perbankan dapat
menganalisis tingkat kesehatan dan prediksi kebangkrutan lembaga
perbankan terkait sebelum melakukan penanaman modal. Hal ini akan
berkaitan dengan kinerja perusahaan yang berpengaruh terhadap
return dan risiko bagi investor.
3) Dengan adanya kesenjangan antara hasil penelitian ini dengan
penelitian-penelitian sebelumnya, diharapkan akan ada penelitian-
penelitian selanjutnya yang dapat mengatasi permasalahan ini.
Penelitian selanjutnya juga dapat melengkapi keterbatasan dalam
penelitian ini, salah satunya adalah penggunaan analisis Model
CAMELS dengan memasukkan aspek sensitivity to market risk
(sensitivitas terhadap risiko pasar).
103
DAFTAR RUJUKAN
Abdullah, Faisal M. 2004. Dasar-Dasar Manajemen Keuangan. Cetakan 4.

Malang.
Adnan, Muhammad Akhyar. 2000. Analisis Tingkat Kesehatan Perusahaan untuk

Memprediksi Potensi Kebangkrutan dengan Pendekatan Altman. Dalam
JAAI, 4(2): h:24-41.
Almilia, Luciana Spica dan Winny Herdiningtyas. 2005. Analisis Rasio CAMEL
Terhadap Prediksi Kondisi Bermasalah pada Lembaga Perbankan Periode
2000-2002. Dalam Jurnal Akuntansi dan Keuangan, 7(2): h:1-27.
Altman, Edward I. 1968. Financial Ratios, Discriminant Analysis and The

Prediction of Corporate Bankruptcy. Journal of Finance, 23(4): h:589-609.
Altman, Edward I. 1982. Corporate Financial Distress: A Complete Guide To

Predicting, Avoiding, and Dealing with Bankruptcy. New York: JohnWitey
& Sons.
Altman, Edward I. 2000. Predicting Financial Distress of Companies: Revisiting

The Z-Score and Zeta.
Anghelescu, Andrada. 2005. Bankruptcy in The High-Tech Industry. Available

online at http://papers.ssrn.com/sol3/papers.cfm?abstract_id=649501.
Arikunto, Suharsimi. 2002. Prosedur Penelitian. Jakarta: Rineka Cipta.
104
Aryani Merkuswati, Ni Ketut Lely. 2007. Evaluasi Pengaruh Camel Terhadap
Kinerja Perusahaan. Dalam Buletin Studi Ekonomi, 12(1): h:100-108.
Aryati, Titik dan Etty M. Nasser. 2000. Model Analisis CAMEL untuk
Memprediksi Financial Distress pada Sektor Perbankan yang Go Public.
Dalam Jurnal Auditing dan Akuntansi Indonesia, 4(2): h:111-131.
Cheeneebash, J & dkk. 2009. Predicting Bankruptcy Using Tabu Search in The
Mauritian Context. Dalam Journal World Academy of Science, Engineering
& Technology, 58: h:866-875.
Dendawijaya, Lukman. 2005. Manajemen Perbankan. Edisi 2. Jakarta: Ghalia

Indonesia.
Diah Yulianti, Ni Kadek. 2007. Analisis Prediksi Kebangkrutan pada Sektor

Perbankan yang Terdaftar di Bursa Efek Indonesia. Skripsi Fakultas
Ekonomi Universitas Udayana, Denpasar.
Fulmer, J. G. 1984. A Bankruptcy Classification Model for Small Firms. Dalam

Journal of Commercial Bank Lending, h:25-37.
Ghozali, Imam. 2002. Statistik Non Parametrik. Semarang: Badan Penerbit

Universitas Diponegoro.
Grover, Jeffrey S. 2001. Re-assesing and Redefining Edward I. Altman 1968 Z-

Score Model of Bankruptcy Prediction. Disampaikan pada 50th Anniversary
Meeting of The Midwest Finance Association, Ohio.
Hadah, Muliaman D. & dkk. 2004. Model Prediksi Kepailitan Bank Umum di
Indonesia. Dalam Paper Direktorat Penelitian dan Pengaturan Perbankan.
Biro Stabilitas Sistem Keuangan, Bank Indonesia.
Haryati, Sri. 2001. Analisis Kebangkrutan Bank. Dalam Bunga Rampai Kajian
Teori Keuangan In Memorian Prof. Dr. Bambang Riyanto pada Faultas
Ekonomi Universitas Gajah Mada, Yogyakarta.
Hasibuan, Malayu S. P. 2005. Dasar-Dasar Perbankan. Cetakan 5. Jakarta.
Hendrawan, I Nyoman. 2008. Analisis Prediksi Kebangkrutan pada Sektor

Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2003-2006.
Skripsi Fakultas Ekonomi Universitas Udayana, Denpasar.
http://www.bankruptcyaction.com
http://www.bi.go.id
105
Indriyo, Gitosudarmo. 2002. Manajemen Keuangan. Edisi 4 Cetakan 1.
Yogyakarta.
Kasmir. 2007. Manajemen Perbankan. Jakarta: PT. Raja Grafindo Persada.
Kostiyah. 2007. Analisa Kinerja Perbankan dengan Menggunakan Metode Z-

Score Altman pada Bank Go Public di Bursa Efek Jakarta. Skripsi
Universitas Kristen Petra, Surabaya.
Lifschutz, Shiloi. 2010. Predicting Bankruptcy: Evidence from Israel. Dalam

International Journal of Business and Management, 5(4): h:133-141.
Machfoedz, Mas’ud. 1999. Pengaruh Krisis Moneter pada Efisiensi Perusahaan

Publik di Bursa Efek Jakarta. Dalam Jurnal Ekonomi dan Bisnis Indonesia,
14(1): h:37-49.
Martono. 2002. Bank dan Lembaga Keuangan Lainnya. Yogyakarta: Bagian

Penerbitan Fakultas Ekonomi UII.
Murtanto. 2002. Analisis Laporan Keuangan dengan Menggunakan Rasio

CAMEL dan Metode Altman Sebagai Alat untuk Memprediksi Tingkat
Kegagalan Usaha Bank. Dalam Media Riset Akuntansi, Auditing, dan
Informasi, 2(2).
Peraturan Bank Indonesia No. 6/10/PBI/2004 tanggal 12 April 2004
Prayogo, Fonny. 2003. Analisis Perhitungan Internal Growth Rate dan Sustainable
Growth Rate Dalam Menentukan Kebangkrutan Perusahaan. Skripsi
Universitas Kristen Petra, Surabaya.
Riyadi, Slamet. 2003. Banking Assets and Liability Management.
Ross, Stephen A, etc. 1998. Fundamentals of Corporate Finance. Singapore:

Irwin McGraw-Hill.
Santoso, Robert C. 2006. Analisa Perbandingan Metode Memprediksi

Kebangkrutan Dalam Lembaga Perbankan (Kasus Likuidasi Perbankan di
Indonesia tahun 1999). Skripsi Universitas Kristen Petra, Surabaya.
Santoso, Ruddy Tri. 1997. Prinsip Dasar Akuntansi Perbankan. Yogyakarta:

Andi.
Sefriana, G. L. 2007. Analisis Tingkat Kesehatan Bank dengan Pendekatan

CAMEL dan Prediksi Potensi Kebangkrutan dengan Pendekatan Altman’s
Z-Score pada PD Bank Perkreditan Rakyat Lumbung Kredit Pedesaan (PD
106
BPR LKP) Ampenan Utara Mataram Periode 2001-2005. Skripsi Fakultas
Ekonomi Universitas Udayana, Denpasar.
Springate, G. I. V. 1978. Predicting The Possibility of Failure in a Canadian Firm.

M.B.A Research Project Simon Fraser University, Canada.
Sudarmanto, Gunawan. R. 2005. Analisis Regresi Linier Ganda dengan SPSS.

Yogyakarta: Graha Ilmu.
Sudjana. 1996. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2002. Metode Penelitian Bisnis. Jakarta: CV. Alvabeta.
Surat Edaran Bank Indonesia No. 6/23/DPNP tanggal 31 Mei 2004
Surat Keputusan Direksi Bank Indonesia No. 30/11/KEP/DIR tanggal 30 April

1997
Undang-Undang Perbankan No. 7 Tahun 1992
Undang-Undang Perbankan No. 10 Tahun 1998.
Wilopo. 2001. Prediksi Kebangkrutan Bank. Dalam Jurnal Riset Akuntansi

Indonesia, 4(2): h:185-189.
107
108
Lampiran 1
Tabel 1 Perhitungan Capital Adequacy Ratio (CAR) Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2005-
2009
CAR
2005 2006 2007 2008
AGRO 283,771 1,728,374 16.418 275,306 1,800,154 15.293 271,685 1,584,471 17.147 268,170 1,982,648
INPC 825,939 7,392,050 11.173 803,348 7,038,854 11.413 955,334 7,719,375 12.376 1,412,024 9,390,036
BBCA 14,193,094 65,521,481 21.662 16,259,108 73,185,427 22.216 18,656,785 100,361,978 18.589 20,358,176 134,184,801
BNII 5,043,272 22,489,737 22.425 5,529,976 22,962,386 24.083 6,200,744 29,369,395 21.113 7,167,177 36,165,756
BBNI 13,887,892 85,572,572 16.229 13,732,026 84,482,042 16.254 17,195,929 97,435,826 17.648 17,304,380 120,300,627
BBRI 12,762,451 78,527,600 16.252 14,914,930 74,690,731 19.969 17,058,707 102,382,429 16.662 19,187,674 140,316,552
BBIA 2,374,314 11,823,796 20.081 3,476,992 11,261,932 30.874 3,756,985 13,455,887 27.921 4,095,498 16,115,269
BABP 364,347 3,049,241 11.949 529,538 4,083,035 12.969 551,604 4,539,210 12.152 558,597 4,475,388
BDMN 10,765,291 45,851,893 23.478 11,908,828 49,064,058 24.272 12,226,119 59,780,157 20.452 9,494,651 67,853,672
BEKS 136,814 1,343,149 10.186 109,411 1,161,733 9.418 128,308 1,085,142 11.824 115,773 1,179,781
BKSW 130,600 914,726 14.277 137,188 1,465,974 9.358 140,779 1,391,818 10.115 145,886 1,448,572
BMRI 27,413,947 115,908,987 23.651 28,365,877 112,138,825 25.295 28,283,838 133,960,413 21.114 27,176,934 172,833,315
MAYA 389,850 2,727,648 14.293 423,254 3,051,535 13.870 1,094,824 3,636,694 30.105 1,061,629 4,485,569
MEGA 1,378,003 12,353,392 11.155 2,019,078 12,640,698 15.973 2,347,277 16,486,313 14.238 3,566,570 22,991,161
NISP 2,691,090 13,487,521 19.952 2,926,689 17,054,113 17.161 3,605,272 21,875,000 16.481 4,237,964 24,538,097
BBNP 169,265 1,578,342 10.724 286,341 1,711,526 16.730 318,551 1,817,108 17.531 355,679 2,533,976
PNBN 5,489,255 17,889,628 30.684 7,488,055 23,621,293 31.700 8,033,587 34,280,854 23.435 8,673,885 41,930,120
BNLI 2,388,324 24,029,314 9.939 3,642,129 25,269,810 14.413 3,986,221 28,681,311 13.898 4,326,456 39,134,618
BSWD 106,396 440,836 24.135 113,216 426,435 26.549 124,080 602,918 20.580 280,842 848,697
BVIC 190,612 886,037 21.513 296,096 1,078,837 27.446 480,037 2,491,732 19.265 578,942 2,484,808
Sumber: Telah Diolah
Lampiran 2
Tabel 1 Perhitungan Return on Risked Asset (RORA) Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2005-
2009
CAR
2005 2006 2007 2008
AGRO 283,771 1,728,374 16.418 275,306 1,800,154 15.293 271,685 1,584,471 17.147 268,170 1,982,648
INPC 825,939 7,392,050 11.173 803,348 7,038,854 11.413 955,334 7,719,375 12.376 1,412,024 9,390,036
BBCA 14,193,094 65,521,481 21.662 16,259,108 73,185,427 22.216 18,656,785 100,361,978 18.589 20,358,176 134,184,801
BNII 5,043,272 22,489,737 22.425 5,529,976 22,962,386 24.083 6,200,744 29,369,395 21.113 7,167,177 36,165,756
BBNI 13,887,892 85,572,572 16.229 13,732,026 84,482,042 16.254 17,195,929 97,435,826 17.648 17,304,380 120,300,627
BBRI 12,762,451 78,527,600 16.252 14,914,930 74,690,731 19.969 17,058,707 102,382,429 16.662 19,187,674 140,316,552
BBIA 2,374,314 11,823,796 20.081 3,476,992 11,261,932 30.874 3,756,985 13,455,887 27.921 4,095,498 16,115,269
BABP 364,347 3,049,241 11.949 529,538 4,083,035 12.969 551,604 4,539,210 12.152 558,597 4,475,388
BDMN 10,765,291 45,851,893 23.478 11,908,828 49,064,058 24.272 12,226,119 59,780,157 20.452 9,494,651 67,853,672
BEKS 136,814 1,343,149 10.186 109,411 1,161,733 9.418 128,308 1,085,142 11.824 115,773 1,179,781
BKSW 130,600 914,726 14.277 137,188 1,465,974 9.358 140,779 1,391,818 10.115 145,886 1,448,572
BMRI 27,413,947 115,908,987 23.651 28,365,877 112,138,825 25.295 28,283,838 133,960,413 21.114 27,176,934 172,833,315
MAYA 389,850 2,727,648 14.293 423,254 3,051,535 13.870 1,094,824 3,636,694 30.105 1,061,629 4,485,569
MEGA 1,378,003 12,353,392 11.155 2,019,078 12,640,698 15.973 2,347,277 16,486,313 14.238 3,566,570 22,991,161
NISP 2,691,090 13,487,521 19.952 2,926,689 17,054,113 17.161 3,605,272 21,875,000 16.481 4,237,964 24,538,097
BBNP 169,265 1,578,342 10.724 286,341 1,711,526 16.730 318,551 1,817,108 17.531 355,679 2,533,976
Lampiran 3
Tabel 1 Perhitungan Net Profit Margin (NPM) Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2005-2009
CAR
2005 2006 2007 2008
AGRO 283,771 1,728,374 16.418 275,306 1,800,154 15.293 271,685 1,584,471 17.147 268,170 1,982,648
INPC 825,939 7,392,050 11.173 803,348 7,038,854 11.413 955,334 7,719,375 12.376 1,412,024 9,390,036
BBCA 14,193,094 65,521,481 21.662 16,259,108 73,185,427 22.216 18,656,785 100,361,978 18.589 20,358,176 134,184,801
BNII 5,043,272 22,489,737 22.425 5,529,976 22,962,386 24.083 6,200,744 29,369,395 21.113 7,167,177 36,165,756
BBNI 13,887,892 85,572,572 16.229 13,732,026 84,482,042 16.254 17,195,929 97,435,826 17.648 17,304,380 120,300,627
BBRI 12,762,451 78,527,600 16.252 14,914,930 74,690,731 19.969 17,058,707 102,382,429 16.662 19,187,674 140,316,552
BBIA 2,374,314 11,823,796 20.081 3,476,992 11,261,932 30.874 3,756,985 13,455,887 27.921 4,095,498 16,115,269
BABP 364,347 3,049,241 11.949 529,538 4,083,035 12.969 551,604 4,539,210 12.152 558,597 4,475,388
BDMN 10,765,291 45,851,893 23.478 11,908,828 49,064,058 24.272 12,226,119 59,780,157 20.452 9,494,651 67,853,672
BEKS 136,814 1,343,149 10.186 109,411 1,161,733 9.418 128,308 1,085,142 11.824 115,773 1,179,781
BKSW 130,600 914,726 14.277 137,188 1,465,974 9.358 140,779 1,391,818 10.115 145,886 1,448,572
BMRI 27,413,947 115,908,987 23.651 28,365,877 112,138,825 25.295 28,283,838 133,960,413 21.114 27,176,934 172,833,315
MAYA 389,850 2,727,648 14.293 423,254 3,051,535 13.870 1,094,824 3,636,694 30.105 1,061,629 4,485,569
MEGA 1,378,003 12,353,392 11.155 2,019,078 12,640,698 15.973 2,347,277 16,486,313 14.238 3,566,570 22,991,161
NISP 2,691,090 13,487,521 19.952 2,926,689 17,054,113 17.161 3,605,272 21,875,000 16.481 4,237,964 24,538,097
BBNP 169,265 1,578,342 10.724 286,341 1,711,526 16.730 318,551 1,817,108 17.531 355,679 2,533,976
Lampiran 4
Tabel 1 Perhitungan Return on Asset (ROA) Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2005-2009
CAR
2005 2006 2007 2008
AGRO 283,771 1,728,374 16.418 275,306 1,800,154 15.293 271,685 1,584,471 17.147 268,170 1,982,648
INPC 825,939 7,392,050 11.173 803,348 7,038,854 11.413 955,334 7,719,375 12.376 1,412,024 9,390,036
BBCA 14,193,094 65,521,481 21.662 16,259,108 73,185,427 22.216 18,656,785 100,361,978 18.589 20,358,176 134,184,801
BNII 5,043,272 22,489,737 22.425 5,529,976 22,962,386 24.083 6,200,744 29,369,395 21.113 7,167,177 36,165,756
BBNI 13,887,892 85,572,572 16.229 13,732,026 84,482,042 16.254 17,195,929 97,435,826 17.648 17,304,380 120,300,627
BBRI 12,762,451 78,527,600 16.252 14,914,930 74,690,731 19.969 17,058,707 102,382,429 16.662 19,187,674 140,316,552
BBIA 2,374,314 11,823,796 20.081 3,476,992 11,261,932 30.874 3,756,985 13,455,887 27.921 4,095,498 16,115,269
BABP 364,347 3,049,241 11.949 529,538 4,083,035 12.969 551,604 4,539,210 12.152 558,597 4,475,388
BDMN 10,765,291 45,851,893 23.478 11,908,828 49,064,058 24.272 12,226,119 59,780,157 20.452 9,494,651 67,853,672
BEKS 136,814 1,343,149 10.186 109,411 1,161,733 9.418 128,308 1,085,142 11.824 115,773 1,179,781
BKSW 130,600 914,726 14.277 137,188 1,465,974 9.358 140,779 1,391,818 10.115 145,886 1,448,572
BMRI 27,413,947 115,908,987 23.651 28,365,877 112,138,825 25.295 28,283,838 133,960,413 21.114 27,176,934 172,833,315
MAYA 389,850 2,727,648 14.293 423,254 3,051,535 13.870 1,094,824 3,636,694 30.105 1,061,629 4,485,569
MEGA 1,378,003 12,353,392 11.155 2,019,078 12,640,698 15.973 2,347,277 16,486,313 14.238 3,566,570 22,991,161
NISP 2,691,090 13,487,521 19.952 2,926,689 17,054,113 17.161 3,605,272 21,875,000 16.481 4,237,964 24,538,097
BBNP 169,265 1,578,342 10.724 286,341 1,711,526 16.730 318,551 1,817,108 17.531 355,679 2,533,976
Lampiran 5
Tabel 1 Perhitungan Perbandingan Biaya Operasional terhadap Pendapatan Operasional (BOPO) Lembaga Perbankan yang
Terdaftar di Bursa Efek Indonesia Periode 2005-2009
CAR
2005 2006 2007 2008
AGRO 283,771 1,728,374 16.418 275,306 1,800,154 15.293 271,685 1,584,471 17.147 268,170 1,982,648
INPC 825,939 7,392,050 11.173 803,348 7,038,854 11.413 955,334 7,719,375 12.376 1,412,024 9,390,036
BBCA 14,193,094 65,521,481 21.662 16,259,108 73,185,427 22.216 18,656,785 100,361,978 18.589 20,358,176 134,184,801
BNII 5,043,272 22,489,737 22.425 5,529,976 22,962,386 24.083 6,200,744 29,369,395 21.113 7,167,177 36,165,756
BBNI 13,887,892 85,572,572 16.229 13,732,026 84,482,042 16.254 17,195,929 97,435,826 17.648 17,304,380 120,300,627
BBRI 12,762,451 78,527,600 16.252 14,914,930 74,690,731 19.969 17,058,707 102,382,429 16.662 19,187,674 140,316,552
BBIA 2,374,314 11,823,796 20.081 3,476,992 11,261,932 30.874 3,756,985 13,455,887 27.921 4,095,498 16,115,269
BABP 364,347 3,049,241 11.949 529,538 4,083,035 12.969 551,604 4,539,210 12.152 558,597 4,475,388
BDMN 10,765,291 45,851,893 23.478 11,908,828 49,064,058 24.272 12,226,119 59,780,157 20.452 9,494,651 67,853,672
BEKS 136,814 1,343,149 10.186 109,411 1,161,733 9.418 128,308 1,085,142 11.824 115,773 1,179,781
BKSW 130,600 914,726 14.277 137,188 1,465,974 9.358 140,779 1,391,818 10.115 145,886 1,448,572
BMRI 27,413,947 115,908,987 23.651 28,365,877 112,138,825 25.295 28,283,838 133,960,413 21.114 27,176,934 172,833,315
MAYA 389,850 2,727,648 14.293 423,254 3,051,535 13.870 1,094,824 3,636,694 30.105 1,061,629 4,485,569
MEGA 1,378,003 12,353,392 11.155 2,019,078 12,640,698 15.973 2,347,277 16,486,313 14.238 3,566,570 22,991,161
NISP 2,691,090 13,487,521 19.952 2,926,689 17,054,113 17.161 3,605,272 21,875,000 16.481 4,237,964 24,538,097
BBNP 169,265 1,578,342 10.724 286,341 1,711,526 16.730 318,551 1,817,108 17.531 355,679 2,533,976
Lampiran 6
Tabel 1 Perhitungan Loan to Deposit Ratio (LDR) Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2005-2009
CAR
2005 2006 2007 2008
AGRO 283,771 1,728,374 16.418 275,306 1,800,154 15.293 271,685 1,584,471 17.147 268,170 1,982,648
INPC 825,939 7,392,050 11.173 803,348 7,038,854 11.413 955,334 7,719,375 12.376 1,412,024 9,390,036
BBCA 14,193,094 65,521,481 21.662 16,259,108 73,185,427 22.216 18,656,785 100,361,978 18.589 20,358,176 134,184,801
BNII 5,043,272 22,489,737 22.425 5,529,976 22,962,386 24.083 6,200,744 29,369,395 21.113 7,167,177 36,165,756
BBNI 13,887,892 85,572,572 16.229 13,732,026 84,482,042 16.254 17,195,929 97,435,826 17.648 17,304,380 120,300,627
BBRI 12,762,451 78,527,600 16.252 14,914,930 74,690,731 19.969 17,058,707 102,382,429 16.662 19,187,674 140,316,552
BBIA 2,374,314 11,823,796 20.081 3,476,992 11,261,932 30.874 3,756,985 13,455,887 27.921 4,095,498 16,115,269
BABP 364,347 3,049,241 11.949 529,538 4,083,035 12.969 551,604 4,539,210 12.152 558,597 4,475,388
BDMN 10,765,291 45,851,893 23.478 11,908,828 49,064,058 24.272 12,226,119 59,780,157 20.452 9,494,651 67,853,672
BEKS 136,814 1,343,149 10.186 109,411 1,161,733 9.418 128,308 1,085,142 11.824 115,773 1,179,781
BKSW 130,600 914,726 14.277 137,188 1,465,974 9.358 140,779 1,391,818 10.115 145,886 1,448,572
BMRI 27,413,947 115,908,987 23.651 28,365,877 112,138,825 25.295 28,283,838 133,960,413 21.114 27,176,934 172,833,315
MAYA 389,850 2,727,648 14.293 423,254 3,051,535 13.870 1,094,824 3,636,694 30.105 1,061,629 4,485,569
MEGA 1,378,003 12,353,392 11.155 2,019,078 12,640,698 15.973 2,347,277 16,486,313 14.238 3,566,570 22,991,161
NISP 2,691,090 13,487,521 19.952 2,926,689 17,054,113 17.161 3,605,272 21,875,000 16.481 4,237,964 24,538,097
BBNP 169,265 1,578,342 10.724 286,341 1,711,526 16.730 318,551 1,817,108 17.531 355,679 2,533,976
Lampiran 7
Tabel 1 Perhitungan Model Internal Growth Rate (IGR) Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode
2005-2007
ROA
2005 2006 2007 2008 2009
Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset
(dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah)
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486 0.001 8,933 2,984,656
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 ### 0.002 47,531 15,485,191
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 ### 0.021 6,073,197 276,514,461
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 ### 0.009 -40,969 58,701,483
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 ### 0.006 1,957,135 212,982,703
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 ### 0.024 5,301,520 274,392,664
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 ### 0.014 448,778 21,950,464
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 ### 0.000 6,908 6,454,643
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 ### 0.019 1,630,075 97,661,119
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) ### (0.017) (75,447) 1,494,483
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 ### 0.002 6,593 2,349,654
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 ### 0.016 6,724,401 373,508,708
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 ### 0.008 41,019 7,189,086
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 ### 0.015 548,476 39,663,012
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 ### 0.009 435,865 37,052,596
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 ### 0.007 32,170 3,893,499
Keterangan: “B” = Bangkrut dan “TB” = Tidak Bangkrut
Lampiran 7 (Lanjutan)
Tabel 2 Perhitungan Model Internal Growth Rate (IGR) Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode
2008, 2009, dan Rata-Rata
ROA
2005 2006 2007 2008 2009
Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset
(dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah)
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486 0.001 8,933 2,984,656
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 ### 0.002 47,531 15,485,191
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 ### 0.021 6,073,197 276,514,461
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 ### 0.009 -40,969 58,701,483
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 ### 0.006 1,957,135 212,982,703
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 ### 0.024 5,301,520 274,392,664
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 ### 0.014 448,778 21,950,464
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 ### 0.000 6,908 6,454,643
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 ### 0.019 1,630,075 97,661,119
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) ### (0.017) (75,447) 1,494,483
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 ### 0.002 6,593 2,349,654
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 ### 0.016 6,724,401 373,508,708
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 ### 0.008 41,019 7,189,086
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 ### 0.015 548,476 39,663,012
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 ### 0.009 435,865 37,052,596
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 ### 0.007 32,170 3,893,499
Lampiran 8
Tabel 1 Perhitungan Model Altman’s Z-Score Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2005 dan 2006
ROA
2005 2006 2007 2008 2009
Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA Net Income
(dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah)
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486 0.001 8,933
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 12,862,346 0.002 47,531
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 244,712,927 0.021 6,073,197
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 53,893,523 0.009 -40,969
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 200,390,507 0.006 1,957,135
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 246,026,225 0.024 5,301,520
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 21,204,929 0.014 448,778
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 6,284,759 0.000 6,908
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 104,842,261 0.019 1,630,075
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) 1,498,179 (0.017) (75,447)
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 2,164,593 0.002 6,593
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 338,404,265 0.016 6,724,401
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 5,510,274 0.008 41,019
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 34,873,650 0.015 548,476
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 34,245,838 0.009 435,865
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 3,683,690 0.007 32,170
Tabel 2 Perhitungan Model Altman’s Z-Score Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2007 dan 2008
ROA
2005 2006 2007 2008 2009
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486 0.001 8,933
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 12,862,346 0.002 47,531
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 244,712,927 0.021 6,073,197
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 53,893,523 0.009 -40,969
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 200,390,507 0.006 1,957,135
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 246,026,225 0.024 5,301,520
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 21,204,929 0.014 448,778
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 6,284,759 0.000 6,908
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 104,842,261 0.019 1,630,075
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) 1,498,179 (0.017) (75,447)
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 2,164,593 0.002 6,593
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 338,404,265 0.016 6,724,401
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 5,510,274 0.008 41,019
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 34,873,650 0.015 548,476
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 34,245,838 0.009 435,865
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 3,683,690 0.007 32,170

Tabel 3 Perhitungan Model Altman’s Z-Score Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2009 dan
Rata-Rata
ROA
2005 2006 2007 2008 2009
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486 0.001 8,933
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 12,862,346 0.002 47,531
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 244,712,927 0.021 6,073,197
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 53,893,523 0.009 -40,969
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 200,390,507 0.006 1,957,135
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 246,026,225 0.024 5,301,520
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 21,204,929 0.014 448,778
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 6,284,759 0.000 6,908
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 104,842,261 0.019 1,630,075
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) 1,498,179 (0.017) (75,447)
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 2,164,593 0.002 6,593
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 338,404,265 0.016 6,724,401
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 5,510,274 0.008 41,019
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 34,873,650 0.015 548,476
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 34,245,838 0.009 435,865
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 3,683,690 0.007 32,170

Lampiran 9
Tabel 1 Perhitungan Model Springate Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2005 dan 2006
ROA
2005 2006 2007 2008
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 12,862,346
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 244,712,927
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 53,893,523
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 200,390,507
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 246,026,225
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 21,204,929
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 6,284,759
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 104,842,261
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) 1,498,179
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 2,164,593
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 338,404,265
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 5,510,274
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 34,873,650
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 34,245,838
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 3,683,690 Sumber
: Telah Diolah
Tabel 2 Perhitungan Model Springate Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2007 dan 2008
ROA
2005 2006 2007 2008
(dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah)
(dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah)
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 12,862,346
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 244,712,927
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 53,893,523
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 200,390,507
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 246,026,225
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 21,204,929
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 6,284,759
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 104,842,261
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) 1,498,179
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 2,164,593
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 338,404,265
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 5,510,274
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 34,873,650
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 34,245,838
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 3,683,690

Tabel 3 Perhitungan Model Springate Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2009 dan Rata-Rata
ROA
2005 2006 2007 2008
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 12,862,346
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 244,712,927
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 53,893,523
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 200,390,507
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 246,026,225
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 21,204,929
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 6,284,759
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 104,842,261
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) 1,498,179
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 2,164,593
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 338,404,265
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 5,510,274
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 34,873,650
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 34,245,838
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 3,683,690

Lampiran 10
Tabel 1 Perhitungan Model Fulmer Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2005 dan 2006
ROA
2005 2006 2007 2008 2009
Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA
(dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%)
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486 0.001 8,933 2,984,656 0.003
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 12,862,346 0.002 47,531 15,485,191 0.003
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 244,712,927 0.021 6,073,197 276,514,461 0.022
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 53,893,523 0.009 -40,969 58,701,483 (0.001)
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 200,390,507 0.006 1,957,135 212,982,703 0.009
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 246,026,225 0.024 5,301,520 274,392,664 0.019
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 21,204,929 0.014 448,778 21,950,464 0.020
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 6,284,759 0.000 6,908 6,454,643 0.001
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 104,842,261 0.019 1,630,075 97,661,119 0.017
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) 1,498,179 (0.017) (75,447) 1,494,483 (0.050)
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 2,164,593 0.002 6,593 2,349,654 0.003
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 338,404,265 0.016 6,724,401 373,508,708 0.018
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 5,510,274 0.008 41,019 7,189,086 0.006
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 34,873,650 0.015 548,476 39,663,012 0.014
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 34,245,838 0.009 435,865 37,052,596 0.012
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 3,683,690 0.007 32,170 3,893,499 0.008

Tabel 2 Perhitungan Model Fulmer Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2007 dan 2008
ROA
2005 2006 2007 2008 2009
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486 0.001 8,933 2,984,656 0.003
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 12,862,346 0.002 47,531 15,485,191 0.003
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 244,712,927 0.021 6,073,197 276,514,461 0.022
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 53,893,523 0.009 -40,969 58,701,483 (0.001)
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 200,390,507 0.006 1,957,135 212,982,703 0.009
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 246,026,225 0.024 5,301,520 274,392,664 0.019
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 21,204,929 0.014 448,778 21,950,464 0.020
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 6,284,759 0.000 6,908 6,454,643 0.001
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 104,842,261 0.019 1,630,075 97,661,119 0.017
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) 1,498,179 (0.017) (75,447) 1,494,483 (0.050)
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 2,164,593 0.002 6,593 2,349,654 0.003
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 338,404,265 0.016 6,724,401 373,508,708 0.018
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 5,510,274 0.008 41,019 7,189,086 0.006
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 34,873,650 0.015 548,476 39,663,012 0.014
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 34,245,838 0.009 435,865 37,052,596 0.012
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 3,683,690 0.007 32,170 3,893,499 0.008

Tabel 3 Perhitungan Model Fulmer Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2009 dan Rata-Rata
ROA
2005 2006 2007 2008 2009
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486 0.001 8,933 2,984,656 0.003
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 12,862,346 0.002 47,531 15,485,191 0.003
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 244,712,927 0.021 6,073,197 276,514,461 0.022
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 53,893,523 0.009 -40,969 58,701,483 (0.001)
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 200,390,507 0.006 1,957,135 212,982,703 0.009
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 246,026,225 0.024 5,301,520 274,392,664 0.019
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 21,204,929 0.014 448,778 21,950,464 0.020
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 6,284,759 0.000 6,908 6,454,643 0.001
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 104,842,261 0.019 1,630,075 97,661,119 0.017
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) 1,498,179 (0.017) (75,447) 1,494,483 (0.050)
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 2,164,593 0.002 6,593 2,349,654 0.003
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 338,404,265 0.016 6,724,401 373,508,708 0.018
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 5,510,274 0.008 41,019 7,189,086 0.006
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 34,873,650 0.015 548,476 39,663,012 0.014
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 34,245,838 0.009 435,865 37,052,596 0.012
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 3,683,690 0.007 32,170 3,893,499 0.008

Lampiran 11
Tabel 1 Perhitungan Model Grover Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2005-2007
ROA
2005 2006 2007 2008
Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA
(dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%)
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486 0.001
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 12,862,346 0.002
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 244,712,927 0.021
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 53,893,523 0.009
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 200,390,507 0.006
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 246,026,225 0.024
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 21,204,929 0.014
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 6,284,759 0.000
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 104,842,261 0.019
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) 1,498,179 (0.017)
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 2,164,593 0.002
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 338,404,265 0.016
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 5,510,274 0.008
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 34,873,650 0.015
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 34,245,838 0.009
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 3,683,690 0.007

Tabel 2 Perhitungan Model Grover Lembaga Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2008, 2009, dan Rata-
Rata
ROA
2005 2006 2007 2008
Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA Net Income T. Asset ROA
(dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%) (dalam jutaan rupiah) (dalam jutaan rupiah) (%)
AGRO 24,923 2,560,556 0.010 (13,672) 3,009,022 (0.005) 11,139 2,993,077 0.004 3,033 2,585,486 0.001
INPC 32,127 10,860,226 0.003 34,783 11,055,702 0.003 27,336 11,299,033 0.002 28,003 12,862,346 0.002
BBCA 3,591,397 149,425,131 0.024 4,244,422 175,984,227 0.024 ### 216,920,175 0.021 5,246,976 244,712,927 0.021
BNII 730,081 47,310,924 0.015 663,650 48,313,060 0.014 403,059 50,820,954 0.008 495,255 53,893,523 0.009
BBNI 2,129,538 150,402,743 0.014 1,982,674 166,703,122 0.012 897,928 182,007,749 0.005 1,222,485 200,390,507 0.006
BBRI 3,808,587 122,775,579 0.031 4,257,572 154,725,486 0.028 ### 203,603,934 0.021 5,958,368 246,026,225 0.024
BBIA 310,726 15,970,631 0.019 407,522 16,834,719 0.024 424,669 18,270,425 0.023 302,181 21,204,929 0.014
BABP 7,144 4,368,057 0.002 8,800 5,402,558 0.002 23,277 6,355,694 0.004 2,587 6,284,759 0.000
BDMN 2,003,138 66,815,931 0.030 1,325,332 79,702,749 0.017 ### 86,684,183 0.025 1,951,352 104,842,261 0.019
BEKS -59,133 1,479,247 (0.040) -18,472 1,334,042 (0.014) 692 1,349,310 0.001 (25,154) 1,498,179 (0.017)
BKSW 3,282 1,536,509 0.002 8,309 2,053,830 0.004 7,098 2,181,333 0.003 5,059 2,164,593 0.002
BMRI 603,369 254,289,279 0.002 2,421,405 256,211,217 0.009 ### 303,435,870 0.014 5,312,821 338,404,265 0.016
MAYA 24,763 3,156,620 0.008 50,637 3,678,095 0.014 48,714 4,473,186 0.011 45,706 5,510,274 0.008
MEGA 184,155 25,109,845 0.007 163,670 30,980,586 0.005 528,039 34,899,431 0.015 528,509 34,873,650 0.015
NISP 201,495 19,998,905 0.010 235,818 24,208,314 0.010 250,084 28,969,069 0.009 316,922 34,245,838 0.009
BBNP 28,402 2,842,869 0.010 30,512 3,342,032 0.009 32,048 3,757,686 0.009 27,295 3,683,690 0.007

Lampiran 12
Tabel 1 Perbandingan antara Model Internal Growth Rate (IGR) dengan Kebijakan Bank Indonesia
IGR
Hasil dari Model Prediksi Kebangkrutan Kebijakan Bank
Bank
2005 2006 2007 2008 2009 Rata-Rata Indonesia
AGRO B B B B B B TB
BABP B B B B B B TB
BBNI B B B B B B TB
BBNP B B B B B B TB
BDMN TB TB TB B B TB TB
BEKS B B B B B B TB
BKSW B B B B B B TB
BMRI B B B B TB B TB
BNII TB B B B B B TB
BNLI B B B B B B TB
BSWD B B B B TB B TB
BVIC B B B B B B TB
INPC B B B B B B TB
MAYA B B B B B B TB
MEGA B B B B B B TB
Lampiran 13
Tabel 1 Perbandingan antara Model Altman’s Z-Score dengan Kebijakan Bank Indonesia
IGR
Bank
Lampiran 14
Tabel 1 Perbandingan antara Model Springate dengan Kebijakan Bank Indonesia
IGR
Bank
Lampiran 15
Tabel 1 Perbandingan antara Model Fulmer dengan Kebijakan Bank Indonesia
IGR
Bank
Lampiran 16
Tabel 1 Perbandingan antara Model Grover dengan Kebijakan Bank Indonesia
IGR
Bank

Skripsi

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Skripsi

Uploaded by

Copyright:

Available Formats

ANALISIS KINERJA KEUANGAN

PADA LEMBAGA PERBANKAN YANG TERDAFTAR

MARIA NATALIA TRISNADI

MARIA NATALIA TRISNADI

Skripsi ini ditulis untuk memenuhi sebagian persyaratan

diuji pada tanggal : 1 Juli 2010

Tim Penguji: Tanda Tangan

1. Ketua : Dra. Ni Ketut Purnawati, MS. ……………..

2. Sekretaris : Dra. I Gusti Agung Ketut Sri Ardani, MM. ……………..

3. Anggota : Drs. Ida Bagus Darsana, MSi. ……………..

Ketua Jurusan Manajemen Pembimbing

NIP. 19550801 198103 1031 NIP. 19611105 198601 2001

berkat rahmat-Nya, penulis dapat menyelesaikan skripsi yang berjudul “Analisis

Kinerja Keuangan pada Lembaga Perbankan yang Terdaftar di Bursa Efek

Indonesia Periode 2005-2009”.

dalam kesempatan ini, penulis menyampaikan terima kasih kepada:

Fakultas Ekonomi Universitas Udayana.

2. Bapak Dr. I Nyoman Mahaendra Yasa, SE., MSi., selaku Pembantu

Dekan I Fakultas Ekonomi Universitas Udayana.

Ardana, MM., selaku Ketua dan Sekretaris Jurusan Manajemen Fakultas

Ekonomi Universitas Udayana.

4. Bapak Drs. Ketut Mustanda, MM., selaku Ketua Program Ekstensi

Fakultas Ekonomi Universitas Udayana.

Akademik yang telah membimbing penulis dari awal perkuliahan sampai

meluangkan waktunya untuk memberikan bimbingan dan saran yang

berguna dalam penulisan skripsi ini.

7. Keluarga tercinta yang selalu memberikan dukungan dan memotivasi

8. Teman-teman jurusan manajemen keuangan program ekstensi angkatan

Yudi yang telah menjadi teman seperjuangan.

membantu penyusunan laporan ini.

Penulis menyadari sepenuhnya, bahwa penulisan skripsi ini masih banyak

terdapat kesalahan dan kekurangan yang disebabkan karena keterbatasan

bermanfaat bagi semua pihak yang berkepentingan.

Denpasar, Juni 2010

Industri perbankan merupakan salah satu industri yang memegang peranan

BAB II KAJIAN PUSTAKA

BAB III METODE PENELITIAN

BAB IV PEMBAHASAN HASIL PENELITIAN

BAB V SIMPULAN DAN SARAN

No. Tabel Halaman

2.1 Kriteria Kesehatan Lembaga Perbankan…………………....... 32

No. Lampiran Halaman

1 Capital Adequacy Ratio (CAR) Lembaga Perbankan yang

1.1 Latar Belakang Masalah

Lembaga perbankan merupakan salah satu badan usaha lembaga keuangan

pembayaran berupa uang giral (Martono, 2002:8). Menurut Undang-Undang

Perbankan No. 10 Tahun 1998, perbankan adalah segala sesuatu yang

proses dalam melaksanakan kegiatan usahanya.

Industri perbankan memegang peranan yang penting dalam perekonomian

negara Indonesia. Dalam Undang-Undang Perbankan No. 10 Tahun 1998 Pasal 4,

perbankan Indonesia bertujuan untuk menunjang pelaksanaan pembangunan

nasional dalam rangka meningkatkan pemerataan, pertumbuhan ekonomi dan

Dewasa ini, perkembangan industri perbankan masih dibayangi oleh krisis

trauma bagi para pelaku ekonomi. Seiring dengan perkembangan industri

perbankan saat ini, informasi mengenai kinerja keuangan lembaga perbankan

Kinerja merupakan salah satu faktor penting yang menunjukkan efektivitas

dan efisiensi suatu organisasi dalam rangka mencapai tujuannya. Kinerja

keuangan lembaga perbankan penting untuk dianalisis karena dapat dijadikan

tersebut harus segera diatasi untuk menghindarkan lembaga perbankan dari

buruk dari lembaga perbankan yang tidak terdeteksi dapat mengakibatkan

collapse-nya lembaga perbankan. Selama periode 1997–2000, pemerintah telah

menutup atau melikuidasi 67 lembaga perbankan yang didasarkan pada Surat

Keputusan Direksi Bank Indonesia No. 30/11/KEP/DIR tanggal 30 April 1997.

Krisis perbankan yang terjadi pada tahun 1997 memberikan pelajaran