Sistem peringatan dini sangat diperlukan mengingat kompleksnya jejaring sistem perbankan, adanya potensi domino effect yang muncul apabila terdapat satu atau lebih bank dalam sistem tersebut mengalami kegagalan operasi serta munculnya biaya yang sangat besar akibat adanya kebangkrutan suatu bank. Otoritas moneter sendiri sebenarnya telah memiliki sistem penilaian kesehatan perbankan Indonesia yaitu dengan menggunakan CAMEL rating system yang mampu dijadikan sebagai sistem peringatan dini. Akan tetapi, Bank Indonesia tidak mampu untuk mengungkapkan semua secara detail kepada masyarakat luas mengenai kondisi kesehatan (skor CAMEL rating system) yang dicapai perbankan secara individual karena terbentur oleh pasal kerahasiaan bank yang diatur undang-undang perbankan. Disamping itu, pertimbangan Bank Indonesia untuk tidak mempublikasikan skor CAMEL rating system tersebut antara lain adalah karena di Indonesia belum terdapat program asuransi deposito yang efektif dan menghindari kepanikan nasabah apabila mengetahui bank tempat dia menabung memiliki skor kesehatan yang rendah.
Lebih jauh, CAMEL rating sistem ini terbukti hanya bisa dilakukan oleh Bank Indonesia sebagai otoritas moneter sedangkan masyarakat di luar Bank Indonesia tidak mampu untuk melakukan penilaian ini karena elemen-elemen dalam CAMEL rating system tersebut kebanyakan tidak bisa dilacak dalam laporan keuangan yang dipublikasikan oleh perbankan kepada publik, sehingga apabila masyarakat ingin melakukan penilaian terhadap tingkat kesehatan rasio-rasio CAMEL tersebut harus diproksikan terlebih dahulu (Machfoedz dan Payamta, 1999; Machfoedz, 1994; Surifah, 1999; Zainuddin, 1998; Abraham, 2000). Dengan kata lain, dapat disimpulkan bahwa laporan keuangan perbankan yang diterbitkan untuk publik tidak menyediakan informasi yang cukup untuk mengetahui kesehatan perbankan apabila menggunakan sistem seperti yang dilakukan oleh Bank Indonesia. Oleh karena itu, untuk kepentingan bank sendiri dalam melihat kondisi kesehatannya, para investor perbankan maupun kreditur, nasabah (depositors) dan seluruh pihak yang berkepentingan dengan perbankan Indonesia, perlu dikembangkan suatu model yeng lebih sederhana dibandingkan CAMEL rating system sebagai model peringatan dini dimana elemen-elemennya mampu digali dari laporan keuangan yang diterbitkan bagi publik dan memiliki kekuatan prediksi yang baik, sehingga para stakeholder ini tidak hanya tergantung saja kepada metode ad hoc yang disebut information signalling terhadap even dan rumor mengenai:
- Bank kekurangan kas dalam memenuhi kewajibannya melakukan kegiatan intermediasi yaitu ketika bank ditemukan pada kegiatan penarikan dana oleh nasabah (depositors) maupun permintaan kredit.
- Bank menetapkan suku bunga deposito/tabungan yang sangat tinggi diatas suku bunga pasar deposito atau menetapkan suku bunga kredit terlalu rendah jauh di bawah suku bunga pasar kredit.
- Terjadi aksi reorganisasi.
- Citra yang buruk dalam pelayanan nasabah.
Kondisi industri perbankan yang telah dijelaskan di atas dapat membahayakan stabilitas industri perbankan dan perekonomian nasional di masa depan akibat kurangnya informasi dan perlindungan yang tak pasti terhadap para nasabah perbankan. Oleh karena itu, penelitian ini bertujuan untuk menyajikan model prediksi kondisi kesehatan perbankan Indonesia dengan mengunakan data-data akuntansi yang tersaji dalam laporan keuangan (Neraca, laporan laba-rugi dan laporan komitmen dan kontinjensi) yang diterbitkan untuk publik sehingga semua orang bisa menggunakan model ini. Di samping itu, penelitian ini juga mengevaluasi faktor-faktor dominan apakah yang mempengaruhi kesehatan perbankan dan menyebabkan bank menjadi insolvent, sehingga, penelitian ini diharapkan dapat membantu Badan Pengawasan Perbankan Nasional serta seluruh stakeholder perbankan nasional dengan menyediakan alat baru yang membantu mereka dalam mengembangkan sistem peringatan dini untuk memprediksi potensi masalah dalam sistem perbankan Indonesia.
Laporan keuangan yang dihasilkan oleh suatu bank diharapkan dapat memberikan informasi tentang kinerja keuangan dan dan pertanggungjawaban manajemen bank tersebut kepada pemegang saham pada periode tertentu. Meskipun produk akuntansi keuangan ini bukan dirancang untuk mengukur secara langsung nilai suatu perusahaan, tetapi informasi akuntansi dapat membantu pihak lain yang memerlukan estimasi nilai dari perusahaan tersebut (FASB, concept No.1, 1978).
Tehnik-tehnik yang digunakan untuk menganalisis laporan keuangan antara lain adalah analisis rasio-rasio keuangan. Dalam sektor perbankan, tehnik untuk menganalisis laporan keuangan sekaligus untuk menilai kesehatan bank, telah ditetapkan oleh Bank Indonesia dengan menggunakan tehnik CAMEL rating system. Meskipun demikian tehnik CAMEL Rating System yang diterapkan oleh Bank Indonesia memliki kelemahan yaitu banyak komponen dari sistem ini yang tidak bisa dicapai melalui sumber yang digunakan yaitu hanya laporan keuangan bank yang dipublikasikan kepada masyarakat saja. Oleh karena itu tidak semua orang mampu melakukan tehnik tersebut. berdasarkan kelemahan tersebut diperlukan pendekatan untuk memodifikasi komponen-komponen yang terdapat dalam CAMEL rating system tersebut, yaitu dengan tehnik mensubtitusi beberapa komponen dalam CAMEL dengan rasio-rasio keuangan bank yang dianggap mampu untuk menjelaskan mengenai kekuatan permodalan suatu bank, kualitas aset, manajemen, kemampuan dalam memperoleh laba, dan likuiditas suatu bank.
Tehnik tersebut merupakan pendekatan terbaik yang mungkin dilakukan untuk menggali informasi mengenai kinerja perbankan bila didasarkan hanya kepada laporan keuangan bank yang dipublikasikan kepada masyarakat dan dengan tehnik tersebut rasio-rasio keuangan dapat digunakan untuk memprediksi kejadian-kejadian yang akan datang dengan menghubungkan antara rasio-rasio keuangan dengan fenomena-fenomena ekonomi. Hubungan antara rasio-rasio keuangan dan fenomena-fenomena ekonomi tersebut dapat dinyatakan dalam bentuk model matematis yang merupakan tiruan sederhana dari mekanisme hubungan tersebut (Ihalauw, 1985).
Penelitian ini menggunakan data laporan keuangan yang dianalisis lebih lanjut melalui hubungan diantara rasio-rasio keuangan. Keterbatasan analisis rasio adalah sifatnya univariat (Altman, 1966, Ohlson, 1980 dan Avianti, 1999). Oleh karena itu, untuk mengatasi keterbatasan tersebut digunakan metode statistika multivariat.
Metode multivariat yang dapat digunakan dalam penelitian ini adalah analisis diskriminan linear. Model yang dihasilkan dengan menggunakan analisis diskriminan ini mampu menghasilkan suatu indeks yang memungkinkan klasifikasi suatu observasi kedalam satu dari beberapa pengelompokan apriori. Analisis diskriminan linear harus memenuhi dua asumsi yaitu sampel yang diambil dari populasi berdistribusi multivariat normal dan kovarians dari masing-masing populasi adalah sama (Dillon dan Goldstein, 1984). Tehnik yang dirancang untuk mengatasi masalah redundansi dalam penggunaan rasio keuangan sebagai variabel prediktor adalah penggunaan Stepwise Selection. Tujuan penggunaan Stepwise Selection adalah untuk mengeliminasi interkorelasi variabel prediktor tanpa menghilangkan kemampuan prediksi variabel tersebut.
Metode multivariat lainnya adalah regresi logistik. Model yang dibangun dari regresi logistik ini akan menghasilkan suatu nilai peluang bagi suatu obyek untuk diklasifikasikan ke dalam satu dari beberapa pengelompokan apriori.
Rasio-rasio yang digunakan sebagai proxy dalam penyusunan model early warning system antar alain adalah
- a. Rasio-rasio yang berhubungan dengan resiko permodalan
1. Primary Ratio (Capital to Aset Ratio atau CtAR) yaitu Equity Capital dibagi Total assets (X1)
2. Debt to Equity Ratio (DtER) atau rasio modal dibanding kewajiban (X2)
3. Secondary Ratio yaitu Rasio antara Equity Capital yang dikurangi dengan Fixed Asset dibagi Total Loans ditambah Securities (X3)
- b. Rasio rasio-rasio keuangan yang berhubungan dengan Kualitas Aset
1. Rasio Pendapatan bunga dalam penyelesaian dibagi hasil bunga (PBdP/HB) (X4)
2. Rasio akumulasi cadangan penghapusan aset dibagi total aset (ACPA/TA) (X5)
3. Return on Risked Asset yaitu Laba sebelum pajak dibagi Risked Asset (X6)
- Rasio-rasio yang berhubungan dengan Efisiensi (Manajemen)
1. Asset Utilization (AU) Ratio yaitu rasio antara penjumlahan Pendapatan operasi dengan Pendapatan Non operasi yang hasilnya dibagi dengan Total Assets (X7)
2. Cost of Fund (CoF) adalah Interest Expense dibagi Total Fund (dana diluar modal) (X8)
3. Cost of Money (CoM) adalah rasio penjumlahan antara Interest Expense ditambah Overhead expense dibagi Total Fund (dana diluar modal) (X9)
4. Rasio Biaya Operasional dibagi Pendapatan Operasional (BO/PO) (X10)
d. Rasio-rasio yang berhubungan dengan kemampuan dalam memperoleh laba
1. Net Profit Margin (NPM) adalah Rasio antara Net Income dibagi Operating Income (X11)
2. Return on Equity Capital (ROE) adalah Rasio antara Net Income dibagi dengan penjumlahan antara Modal Inti dengan Modal Pelengkap) (X12)
3. Return on Total Assets (ROA) adalah Net Income dibagi Total Assets (X13)
4. Net Interest Margin (NIM) adalah Pendapatan bunga bersih dibagi aktiva produktif rata-rata (X14)
5. Fee Based Income Ratio (FBIR) adalah pendapatan non bunga dibagi seluruh pendapatan bank (X15)
- e. Rasio-rasio yang berhubungan dengan resiko Likuiditas
1. Quick Ratio (QR) adalah Likuid Assets dibagi Total Deposit (X16)
2. Loan to Deposit Ratio (LDR) yaitu kredit yang diberikan dibagi (Dana pihak III ditambah Modal Sendiri) (X17)
3. Rasio Interbank dibagi Aktiva Produktif (I/AP) (X18)
Model prediksi yang dihasilkan dari penggunaan data sekunder bank-bank umum nasional di Indonesia menghasilkan 4 buah model prediksi kondisi kesehatan bank. Ringkasan mengenai indikator-indikator keuangan yang terpilih dan dianggap signifikan secara statistik dalam membentuk model prediksi adalah disajikan dalam tabel-tabel berikut:
- Model Diskriminan Linear
Pengelompokan suatu bank ditetapkan berdasarkan nilai klasifikasi. Jika nilai klasifikasi lebih kecil dari 0 (nol ) maka bank tersebut diprediksikan ke dalam klasifikasi gagal. Sebaliknya jika lebih besar daripada 0 (nol) diprediksikan ke dalam klasifikasi sehat. Kinerja model yang terbentuk tersebut diukur dengan ketepatan hasil klasifikasi.
Model prediksi kesehatan bank untuk 1 tahun sebelum gagal disajikan berikut ini:
Z = -0.363 X4 – 0.819 X8 + 0.509 X10 + 0.672 X12 + 0.590 X14 – 0.447X1 Dimana:
Z = Nilai klasifikasi
X4 = Return On Equity Ratio
X8 = Cost of Fund
X10 = Net Interest Margin
X12 = Loan to Deposit Ratio
X14 = Rasio pendapatan bunga dalam penyelesaian terhadap hasil bunga
X17 = Rasio biaya operasional terhadap pendapatan operasional.
Berdasarkan analisis pembentukan model prediksi Model DL 1 dihasilkan 6 rasio keuangan dimana keenam rasio tersebut termasuk kedalam kelompok Kualitas Aset (X4), Manajemen (X8, dan X10), Earning Power (X12 dan X14) dan Likuiditas (X17). Dalam model prediksi MDL-1 yang telah terbentuk ini menunjukkan bahwa prediksi kebangkrutan suatu bank dipengaruhi oleh Kualitas Aset, Manajemen, Earning Power dan Likuiditas
Sementara untuk model 2 tahun sebelum gagal, indikator-indikator yang membentuk model disajikan berikut ini:
Z = -0.971X5 + 0.641X7+ 0.381X17
Dimana :
Z = Nilai klasifikasi
X5 = Rasio Akumulasi Cadangan Penghapusan Aset/Total Aset
X7 = Rasio Aset Utilization
X17 = Loan to Deposit Ratio
Berdasarkan analisis pembentukan model prediksi Model DL 2 dihasilkan 3 rasio keuangan dimana ketiga rasio tersebut termasuk kedalam kelompok Kualitas Aset (X5), Manajemen (X7) dan Likuiditas (X17). Dalam model prediksi Model DL 2 yang telah terbentuk ini menunjukkan bahwa prediksi kebangkrutan suatu bank dipengaruhi oleh Kualitas Aset, kualitas Manajemen dan Likuiditas bank tersebut.
2. Model Regresi Logistik
Persamaan model yang dihasilkan dari analisis regresi logistik Model RL 1 adalah sebagai berikut :
Prob (Y=0) = 1/1+e^(-23.47-5.74X4-18.99X8+30.59X10+362.11X13-3.91X17)
dimana :
P = Probabilitas terjadinya kebangkrutan suatu bank
X4 = Rasio pendapatan bunga dalam penyelesaian/hasil bunga
X8 = Cost of fund ratio
X10 = Rasio biaya operasional/pendapatan operasional
X13 = Return on asset ratio
X17 = Loan to deposit ratio
Berdasarkan analisis pembentukan model prediksi Model RL 1 dihasilkan 5 rasio keuangan dimana kelima rasio tersebut termasuk kedalam kelompok Kualitas Aset (X4), Manajemen (X8, dan X10), Earning Power (X13) dan Likuiditas (X17). Dalam model prediksi Model RL1 yang telah terbentuk ini menunjukkan bahwa prediksi kebangkrutan suatu bank dipengaruhi oleh Kualitas Aset, Manajemen, Earning Power dan Likuiditas bank tersebut.
Sementara itu, persamaan model yang dihasilkan dari analisis regresi logistik Model RL 2 adalah sebagai berikut :
Prob (Y=0) = 1/1+e^(16.1460+146.7062X5-28.3010X8-11.9086X10-12.0047X15-3.9189X17)
dimana :
P = Probabilitas terjadinya kebangkrutan suatu bank
X5 = Rasio akumulasi cadangan penghapusan aset/ total aset
X8 = Cost of fund ratio
X10 = Biaya Operasional terhadap Pendapatan Operasional
X15 = Fee Based Income Ratio
X17 = Loan to deposit ratio
Berdasarkan analisis Model RL 2 dihasilkan 5 rasio keuangan dimana kelima rasio tersebut termasuk kedalam kelompok Kualitas Aset (X5), Manajemen (X8 dan X10), Kemampuan Mencetak Laba (X15) dan Likuiditas (X17). Dalam model prediksi Model RL2 yang telah terbentuk ini menunjukkan bahwa prediksi kebangkrutan suatu bank dipengaruhi oleh Kualitas Aset, Manajemen, Kemampuan mencetak laba dan Likuiditas bank tersebut.
Tabel 3.
Perbandingan Kekuatan Klasifikasi Masing-masing Model
Periode Model
|
Kekuatan Klasifikasi (%)
| ||
MDL
|
MRL
| ||
Data Asli
|
Validasi Silang
| ||
1 Tahun
|
81.8 %
|
76.4 %
|
84.55 %
|
2 Tahun
|
71.8 %
|
68.2 %
|
79.09 %
|
Sumber : Data diolah
Berdasarkan tabel 3 diatas mengenai perbandingan kekuatan klasifikasi dari masing-masing model, dapat dilihat bahwa ketepatan prediksi model prediksi kepailitan suatu bank baik untuk prediksi 1 tahun maupun 2 tahun dengan menggunakan analisis regresi logistik lebih baik dibandingkan dengan menggunakan analisa diskriminan linear. Disamping itu, persentase tingkat keberhasilan ini semakin meningkat jika tahun peramalan semakin dekat dengan saat kegagalannya. Sementara persentase error akan semakin menurun jika tahun peramalan semakin dekat dengan tahun kegagalannya. Hasil penelitian ini konsisten dengan penelitian sebelumnya tentang prediksi kebangkrutan suatu perusahaan (Altman 1968, Ohlson, 1980, Avianti 1998)
Komentar
Posting Komentar