FD Makro 7

PROSIDING SEMINAR NASIONAL EKONOMI DAN BISNIS 1
Fakultas Ekonomi dan Bisnis

Universitas Muhammadiyah Surabaya
ANALISIS RASIO KEUANGAN DAN NON KEUANGAN UNTUK

MEMPREDIKSI FINANCIAL DISTRESS
Inesya Epriliana1, Suwandi2
1,2)
Universitas Muhammadiyah Gresik
ABSTRACT
This study aims to analyze the effect of financial and non-financial ratios to predict
financial distress. The financial ratios used in this study include CAMEL: Capital Adequacy Ratio
(CAR), Non-Performing Loan (NPL), Net Interest Margin (NIM), Return On Assets (ROA),
Operating Costs and Operating Income (BOPO) and Loan To Deposit Ratio (LDR). While non-
financial used in this study include the exchange rate and inflation. Financial distress as the
dependent variable can be measured using the Modified Altman Z-Score formula. The population
used in this study are conventional banking companies listed on the Indonesia Stock Exchange
(IDX) for the 2017-2020 period with 152 data. Determination of the sample is done by using
purposive sampling technique. The data analysis technique used is multiple linear regression
analysis. The results showed that the Capital Adequacy Ratio (CAR), Operating Costs and
Operating Income (BOPO) and Loan To Deposit Ratio (LDR) had a significant effect on financial
distress. Meanwhile, Non-Performing Loans (NPL), Net Interest Margin (NIM), Return On Assets
(ROA), exchange rates and inflation have no effect on financial distress.
Keyword : CAMEL; Financial Distress; Inflation; Exchange Rate
ABSTRAK
Penelitian ini bertujuan untuk menganalisis pengaruh rasio keuangan dan non keuangan
untuk memprediksi financial distress. Rasio keuangan yang digunakan dalam penelitian ini meliputi
CAMEL:Capital Adequacy Ratio (CAR), Non Perfoming Loan (NPL), Net Interest Margin (NIM),
Return On Assets (ROA), Biaya Operasional Dan Pendapatan Operasional (BOPO) dan Loan To
Deposit Ratio (LDR). Sedangkan non keuangan yang digunakan dalam penelitian ini meliputi kurs
dan inflasi. Financial distress sebagai variabel dependen yang dapat diukur menggunakan rumus
Altman Z-Score Modifikasi. Populasi yang digunakan dalam penelitian ini adalah perusahaan
perbankan konvensional yang terdaftar di Bursa Efek Indonesia (BEI) periode 2017-2020 sebanyak
152 data. Penentuan sampel dilakukan dengan menggunakan teknik purposive sampling. Teknik
analisis data yang digunakan yakni analisis regresi linier berganda. Hasil penelitian menunjukkan
bahwa Capital Adequacy Ratio (CAR), Biaya Operasional Dan Pendapatan Operasional (BOPO) dan
Loan To Deposit Ratio (LDR) berpengaruh signifikan terhadap financial distress. Sedangkan Non
Perfoming Loan (NPL), Net Interest Margin (NIM), Return On Assets (ROA), kurs dan inflasi tidak
berpengaruh terhadap financial distres.
Kata Kunci : CAMEL; Financial Distress; Inflasi; Kurs

Korespodensi : inesyaliana08@gmail.com, suwandi@umg.ac.id
500
PENDAHULUAN
Financial distress adalah kondisi suatu perusahaan dimana mengalami penurunan kinerja yang
terus-menerus yang akibatnya menghadapi kesulitan keuangan untuk memenuhi kewajiban kepada
kreditur karena perusahaan mengalami kekurangan dan ketidakcukupan dana dimana total kewajiban
lebih besar daripada total aset serta tidak dapat mencapai tujuan ekonomi perusahaan yaitu profit,
sehingga perusahaan tersebut dapat dikatakan sedang mengalami kebangkrutan (Kholidah et al.,
2016).
Salah satu bagian penting dalam melaksanakan tanda peringatan dini atau Eearly Warning
System (EWS) yaitu dengan mengantisipasi terjadinya financial distress. Karena dengan melakukan
peringatan tersebut, semua pihak di dalam perusahaan akan mengambil tindakan lebih cepat, yang
akan dapat memperbaiki situasi keuangan perusahaan sebelum mengalami kebangkrutan. Tanda
peringatan dini atau Eearly Warning System (EWS) dilakukan dengan cara menganalisis tingkat
kinerja bank yang diukur dengan menggunakan laporan keuangan. Yang kemudian laporan keuangan
tersebut dapat menghitung beberapa rasio keuangan sehingga dapat dijadikan sebagai dasar untuk
menilai tingkat kondisi keuangan, sehingga perusahaan dapatmengambil tindakan untuk melindungi
aset dan mendukung pengambilan keputusan yang tepat dalam menghadapi risiko (Shidiq &
Wibowo, 2017).
Seperti halnya fenomena yang terjadi pada tiga dekade terakhir, Indonesia mengalami krisis
keuangan yakni krisis keuangan Asia Timur pada 1997/1998 yang dipicu oleh spekulan mata uang
baht Thailand. Kedua, krisis keuangan global pada 2008 yang dipicu runtuhnya pasar properti di
Amerika Serikat (AS). Ketiga, krisis ekonomi tahun 2013 yang disebabkan oleh taper tantrum,
yaitu kebijakan moneter yang diumumkan Amerika Serikat (AS) sebelum implementasi kebijakan
tersebut berdampak langsung pada nilai tukar negara berkembang. Penurunan kondisi sektor
perbankan akibat fenomena tersebut berdampak pada penurunan growth GDP sebesar 13% dan
inflasi hingga 77% pada tahun 1998. Selain itu juga pada banyaknya dana investasi asing yang
ditarik kembali ke negaranya sehingga net FDI indonesia bernilai negatif pada 1998-2001 dan
peningkatan tingkat pengangguran secara drastis pada tahun 1997-1999 (Shidiq & Wibowo, 2017).
Ketiga periode krisis ini memiliki kesamaan yaitu disebabkan oleh kondisi ekonomi suatu
negara, dan situasi pada tahun 2020 disebabkan oleh pandemi Covid-19 yang disebabkan oleh
krisis kesehatan dan kemudian berdampak pada perekonomian. Pelemahan ekonomi kali ini bahkan
memberikan dampak secara sosial mengingat dalam 4 bulan sejak pandemi Covid-19 di Indonesia
yang mengakibatkan perekonomian Indonesia merosot hingga 5% atau akan mendekati pelemahan.
Dampak krisis keuangan mengakibatkan semakin sulit untuk memperoleh pembiayaan dan
terhambatnya penyelesaian transaksi. Hingga saat ini, perbankan masih menjadi tumpuan aktivitas
ekonomi masyarakat terutama sebagai sumber pembiayaan dan penyimpanan dana (Hanoatubun,
2020).
Munculnya berbagai model prediksi kebangkrutan menjadi antisipasi dan dapat digunakan
sebagai sistem peringatan dini terhadap financial distress, model tersebut sebagai cara untuk
mengidentifikasi perusahaan sebelum terjadi keadaan krisis atau kebangkrutan. Analisis rasio
keuangan sebagai alat untuk memprediksi kebangkrutan perusahaan menjadi topik menarik setelah
Altman tahun 1968 menentukan suatu formula untuk mendeteksi kebangkrutan suatau perusahaan
dengan istilah Altman Z-Score. Z-Score merupakan hasil skor yang ditentukan dari perhitungan
dengan rasio keuangan yang kemudian menunjukkan tingkat kemungkinan bank mengalami
kebangkrutan (Kurniasih et al., 2020).
501
METODE PENELITIAN
Populasi dan Sampel
Populasi yang digunakan dalam penelitian ini adalah perusahaan sektor perbankan
konvensional yang terdaftar di Bursa Efek Indonesia. Metode penentuan sampel pada penelitian ini
menggunakan purposive sampling yang memiliki kriteria-kriteria sebagai berikut:
1. Perusahaan tersebut yang bergerak dibidang perbankan konvensional yang terdaftar di Bursa
Efek Indonesia pada tahun 2017-2020.
2. Perusahaan yang menyajikan laporan keuangannya dalam bentuk rupiah.
3. Perusahaan yang menyajikan laporan keuangan tahunan yang lengkap dan diaudit selama
tahun 2017-2020.
Jenis dan Sumber Data

Jenis data yang digunakan penelitian ini adalah data dokumenter yakni laporan keuangan,
sumber data penelitian yaitu data sekunder yang diperoleh dengan melakukan pencatatan terhadap
laporan keuangan bank yang dijadikan sampel penelitian berupa rasio keuangan dalam laporan
keuangan masing-masing perusahaan perbankan yang tercatat di Bursa Efek Indonesia pada tahun
2017-2020 yang dapat diakses dari www.idx.co.id maupun situs resmi masing-masing perusahaan.
Sedangkan rasio non keuangan yang tercatat di Badan Pusat Statistik www.bps.go.id.
HASIL PENELITIAN
Statistik Deskriptif
Analisis statistik deskriptif adalah metode yang digunakan untuk mendeskripsikan sebagai
informasi terkait penjelasan umum hasil pengamatan dan deskripsi variabel penelitian untuk
mengetahui frekuensi absolut yang menunjukkan nilai minimal, maksimal, rata-rata (mean) dan
standar deviasi dari setiap variabel penelitian. Hasil dari analisis data yang telah dilakukan untuk
masing-masing variabel penelitian, dapat dilihat pada tabel 2 dibawah ini :
Tabel 2. Statistik Deskriptif

N Minimum Maximum Mean Std. Deviation
ZSCORE 89 ,10 2,20 1,2371 ,47419
CAR 89 ,13 ,33 ,2104 ,04525
NPL 89 ,00 ,05 ,0178 ,01352
NIM 89 ,02 ,11 ,0662 ,02135
ROA 89 -,01 ,03 ,0104 ,00877
BOPO 89 ,48 1,23 ,7829 ,15044
LDR 89 ,60 1,11 ,8561 ,10942
KURS 89 13548,00 14481,00 13996,9551 348,00483
INFLASI 89 1,68 3,61 2,8556 ,68015
Valid N (listwise) 89
Sumber : Hasil Output SPSS, 2021
Berdasarkan pada hasil yang telah didapat dari hasil SPSS setelah dilakukan outlier yang ditunjukkan
pada tabel 2 diatas, sampel penelitian yang sebelumnya 152 data menjadi 89 data. Maka dapat
disimpulkan bahwa :
a. Variabel dengan total 89 perusahaan yang telah diamati, variabel ZSCORE yakni Financial
Distress memiliki nilai rata-rata 1,2371 dengan nilai standar deviasi yang diperoleh 0,47419.
502
Nilai minimum dari variabel ZSCORE yakni 0,10 dengan nilai maksimum yakni 2,20.
b. Nilai rata-rata Capital Aduquecy Ratio 0,2104 dengan nilai standar deviasi yang diperoleh
0,04525. Nilai minimum dari variabel CAR yakni 0,13 dengan nilai maksimum yakni 0,33.
c. Nilai rata-rata Non Performing Loan 0,0178 dengan nilai standar deviasi yang diperoleh
0,01352. Nilai minimum dari variabel NPL yakni 0,00 dengan nilai maksimum yakni 0,05.
d. Nilai rata-rata Net Interest Margin 0,0662 dengan nilai standar deviasi yang diperoleh 0,02135.
Nilai minimum dari variabel NIM yakni 0,02 dengan nilai maksimum yakni 0,11.
e. Nilai rata-rata Return On Assets 0,0104 dengan nilai standar deviasi yang diperoleh 0,00877.
Nilai minimum dari variabel ROA yakni -0,01 dengan nilai maksimum yakni 0,03.
f. Nilai rata-rata Rasio Biaya Operasional terhadap Pendapatan Operasional 0,7829 dengan nilai
standar deviasi yang diperoleh 0,15044. Nilai minimum dari variabel BOPO yakni 0,48 dengan
nilai maksimum yakni 1,23.
g. Nilai rata-rata Loan To Deposit Ratio 0,8561 dengan nilai standar deviasi yang diperoleh
0,10942. Nilai minimum dari variabel LDR yakni 0,60 dengan nilai maksimum yakni 1,11.
h. Nilai rata-rata KURS 13996,9551 dengan nilai standar deviasi yang diperoleh 348,00483 Nilai
minimum dari variabel KURS yakni 13548,00 dengan nilai maksimum yakni 14481,00.
i. Nilai rata-rata INFLASI yakni memiliki nilai rata-rata 2,8556 dengan nilai standar deviasi yang
diperoleh 0,68015 Nilai minimum dari variabel INFLASI yakni 1,68 dengan nilai maksimum
yakni 3,61.
Uji Asumsi Klasik

Sebelum melakukan uji regresi, data terlebih dahulu harus melalui pengujian asumsi klasik
untuk menguji kualitas data penelitian yang telah diperoleh. Uji asumsi klasik yang digunakan dalam
penelitian ini meliputi uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan uji
autokorelasi.
Uji Normalitas
Pengujian normalitas data yang dilakukan dalam penelitian ini dengan menggunakan uji one
sample Kolmogorov-Smirnov. Uji ini bertujuan untuk mengetahui apakah data yang digunakan
memiliki distribusi yang normal atau tidak. Hasil dari uji normalitas menggunakan one sample
Kolmogorov-Smirnov disajikan pada tabel berikut:
Tabel 3. One-Sample Kolmogorov-Smirnov Test

N Unstandardized
Residual
Normal Parametersa,b 89
Mean ,0000000
Most Extreme Differences Std. Deviation ,26073251
Absolute ,065
Positive ,065
Negative -,048
Test Statistic ,065
Asymp. Sig. (2-tailed) ,200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lillie Significance Correction.
d. This is a lower bound of the true significance.
503
Berdasarkan tabel 3 hasil uji normalitas menggunakan one sample KolmogorovSmirnov

menunjukkan kolmogorov-smirnov Z atau Test Statistic sebesar 0,065 dengan signifikansi sebesar
0,200. Hal ini menunjukkan bahwa nilai signifikansi lebih besar dari 0,05 (0,200 > 0,05). Sehingga
dapat dikatakan bahwa data berdistribusi normal dan telah memenuhi asumsi normalitas.
Uji normalitas data dapat juga dilihat dengan menggunakan grafik Normal Probability Plot.
Grafik Normal Probability Plot digunakan sebagai suatu pertimbangan tambahan untuk melihat
normalitas data dalam model regresi. Hasil dari uji normalitas data menggunakan grafik Normal
Probability Plot disajikan pada gambar berikut:
Normal P-P Plot of Regression Standardized Residual
Gambar 2. Hasil Uji Normalitas
Pada grafik Normal P-Plot dapat disimpulkan bahwa bahwa titik-titik data (plot) memiliki
arah yang berbanding lurus dengan arah garis diagonal. Hal ini menunjukkan bahwa data residual
dari penelitian ini dapat dikatakan berdistribusi normal dan dianggap sudah memenuhi asumsi
normalitas.
Uji Multikolinieritas
Uji multikolinieritas digunakan untuk menguji apakah dalam model regresi ditemukan
adanya korelasi yang tinggi atau sempurna diantara variabel bebas dan variabel terikat. Untuk
menilai ada tidaknya multikolinieritas dapat dilihat dari nilai tolerance dan Varisnce Inflation
Fakctor (VIF). Nilai umum yang digunakan untuk menilai ada tidaknya multikolinieritas adalah
nilai tolerance 0,10 dan nilai VIF 10. Jika nilai tolerance >0,10 atau VIF< 10 menunjukan model
regresi tidak mengalami multikolinieritas. Berikut hasil uji multikolinieritas yang disjaikan pada
6able di bawah:
Coefficientsa
Collinearity Statistics
Model Tolerance VIF
1. (Constant)
CAR ,890 1,124
NPL ,562 1,781
NIM ,548 1,826
ROA ,385 2,597
BOPO ,421 2,375
LDR ,830 1,204
504
KURS ,859 1,164

INFLASI ,792 1,263
a. Dependent Variable: ZSCORE
Berdasarkan tabel 4 di atas dapat diketahui bahwa nilai tolerance dari masing-masing
variabel independen lebih dari besar 0,10 dan nilai VIF dari masing-masing variabel independen
kurang dari hasil ini menunjukkan bahwa model regresi tidak terjadi multikolinearitas antar
variabel independen.
Uji Heteroskedastisitas
Uji heteroskedastisitas berfungsi untuk menguji apakah varian variabel terjadi ketidaksamaan
pada model regresi. Uji heteroskedastisitas pada penelitian kali ini dilakukan dengan melihat pada
pola gambar ScatterPlot. Apabila scatterplot membentuk pola tertentu, maka menunjukkan ada
masalah Heteroskedastisitas pada model regresi yang dibentuk. Sedangkan jika scatterplot tidak
terdapat pola yang jelas, penyebaran titik-titik data diatas dan dibawah atau disekitar angka 0 pada
sumbu Y maka hal ini menunjukkan tidak terjadi masalah Heteroskedastisitas pada model regresi
yang dibentuk. Hasil uji Heteroskedastisitas menggunakan scatterplot adalah sebagai berikut:
Gambar 3. Hasil Uji Heteroskedastisitas
Berdasarkan gambar 3 diatas, dapat disimpulkan bahwa hasil uji heteroskedastisitas melalui
pola gambar grafik scatterplot terlihat bahwa titik-titik menunjukkan pola data tersebar secara acak
diatas dan dibawah angka 0 pada sumbu Y dan tidak membentuk pola tertentu. Hal tersebut
membuktikan bahwa model regresi yang digunakan dalam penelitian ini dapat dikatakan terbebas
dari heteroskedastisitas.
Uji Auokorelasi
Uji autokorelasi pada intinya bertujuan untuk menguji apakah dalam satu model regresi linier
ada korelasi kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 (sebelumnya).
Model regresi dikatakan layak uji jika terbebas dari autokorelasi. Pengujian terkait ada atau tidaknya
autokorelasi pada penelitian kali ini digunakan dengan pengujian Durbin-Watson (DW). Hasil terkait
uji autokorelasi dapat dilihat pada tabel dibawah ini:
Tabel 5. Hasil Uji Autokorelasi

Model Summaryb
505
Model R Adjusted R Std. Error of the

R Square Durbin-
Square Estimates Watson
a
1 ,835 ,698 ,667 ,27346 2,223
a. Predictors: (Constant), INFLASI, NIM, CAR, KURS, LDR, NPL, BOPO, ROA
b. Dependent Variable: ZSCORE
Berdasarkan tabel 5 di atas, dapat diketahui bahwa nilai dari DW sebesar 2,223. Penentuan ada atau
tidaknya autokorelasi adalah dengan membandingkan nilai hitung DW dengan nilai tabel DW. Nilai
DW tabel dapat diperoleh dengan mencari terlebih dahulu jumlah variabel independen (k) dan jumlah
sampel (N) dengan signifikansi 5%. Jumlah sampel ditemukan 89 (N) dengan 8 (k) variabel
independen. Maka hasil dU (batas atas) adalah 1,8547 dan dL (batas bawah) sebesar 1,4654.
Kemudian untuk 4-dU adalah 2,1453 dan 4-dL adalah 2,5346. Berdasarkan hasil yang di atas maka
diperoleh kriteria tanpa keputusan dengan persamaan 4-dU (2,1453) < d (2,223) < 4-dL (2,5346).
Sehingga hasil tersebut tanpa keputusan terkait ada atau tidaknya autokorelasi dalam penelitian kali
ini.
Uji Regresi Linier Sederhana

Analisis regresi pada dasarnya merupakan studi mengenai ketergantungan variabel terikat
dengan satu atau lebih variabel bebas dengan tujuan untuk memprediksi nilai rata-rata variabel terikat
berdasarkan nilai variabel yang diketahui. Hasil regresi linear berganda dapat dilihat pada tabel
dibawah ini:
Tabel 6. Hasil Analisis Regresi Linier Sederhana
Coefficientsa
Unstandardized Coefficients Standardized
Coefficients
Model B Std. Error Beta t Sig.
1 (Constants) ,811 1.379 ,588 ,558
CAR 2,922 ,683 ,279 4,279 ,000
NPL -2,920 2,877 -,083 -1,015 ,313
NIM ,916 1,845 ,041 ,496 ,621
ROA 7,702 5,354 ,143 1,439 ,154
BOPO -1,586 ,299 -,503 -5,312 ,000
LDR ,887 ,292 ,205 3,034 ,003
KURS 4,558E-6 ,000 ,003 ,050 ,960
INFLASI ,049 ,048 ,071 1,025 ,308
Berdasarkan dari tabel 6 diatas, di atas, maka persamaan regresi linier berganda disajikan sebagai
berikut:
ZSCORE = 0,811 + 2,922 CAR - 2,920 NPL + 0,916 NIM + 7,702 ROA - 1,586 BOPO + 0,887
LDR + 0,000004558 KURS + 0,049 INFLASI + ɛ
Hasil persamaan regresi linier berganda pada halaman sebelumnya dapat dijelaskan sebagai berikut:
a. Nilai konstanta sebesar 0,811 bermakna bahwa ketika semua variabel independen dalam
penelitian ini (CAR, NPL, NIM, ROA, BOPO, LDR, KURS dan INFLASI) diasumsikan sama
dengan 0, maka ZSCORE mengalami peningkatan sebesar 0,811.
506
b. Variabel independen yang pertama yaitu CAR, memperoleh nilai koefisien regresi sebesar
2,922. Nilai koefisien regresi tersebut bermakna ketika CAR mengalami kenaikan sebesar 1
satuan, maka akan meningkatkan nilai ZSCORE sebesar 2,922 dengan asumsi semua variabel
independen yang lain sama dengan nol.
c. Variabel independen yang pertama yaitu NPL, memperoleh nilai koefisien regresi sebesar -
2,920. Nilai koefisien regresi tersebut bermakna ketika NPL mengalami kenaikan sebesar 1
satuan, maka akan menurunkan nilai ZSCORE sebesar -2,920 dengan asumsi semua variabel
d. Variabel independen yang pertama yaitu NIM, memperoleh nilai koefisien regresi sebesar
0,916. Nilai koefisien regresi tersebut bermakna ketika NIM mengalami kenaikan sebesar 1
e. Variabel independen yang pertama yaitu ROA, memperoleh nilai koefisien regresi sebesar
7,702. Nilai koefisien regresi tersebut bermakna ketika ROA mengalami kenaikan sebesar 1
f. Variabel independen yang pertama yaitu BOPO, memperoleh nilai koefisien regresi sebesar -
1,586. Nilai koefisien regresi tersebut bermakna ketika BOPO mengalami kenaikan sebesar 1
satuan, maka akan menurunkan nilai ZSCORE sebesar -1,586 dengan asumsi semua variabel
g. Variabel independen yang pertama yaitu LDR, memperoleh nilai koefisien regresi sebesar 0,887
Nilai koefisien regresi tersebut bermakna ketika LDR mengalami kenaikan sebesar 1 satuan,
maka akan meningkatkan nilai ZSCORE sebesar 0,887 dengan asumsi semua variabel
h. Variabel independen yang pertama yaitu KURS, memperoleh nilai koefisien regresi sebesar
0,0000004558. Nilai koefisien regresi tersebut bermakna ketika CAR mengalami kenaikan
sebesar 1 satuan, maka akan meningkatkan nilai ZSCORE sebesar 0,0000004558 dengan asumsi
semua variabel independen yang lain sama dengan nol.
i. Variabel independen yang pertama yaitu INFLASI, memperoleh nilai koefisien regresi sebesar
0,049. Nilai koefisien regresi tersebut bermakna ketika CAR mengalami kenaikan sebesar 1
PENGUJIAN HIPOTESIS
Uji Statistik t
Uji signifikansi parsial (uji t) digunakan untuk mengetahui pengaruh variabel independen
secara parsial terhadap variabel dependen. Apabila nilai signifikansi < 0,05 berarti terdapat pengaruh
signifikan antara satu variabel independen terhadap variabel dependen atau sebaliknya. Jika nilai
thitung > ttabel pada α = 5%.
Tabel 7. Hasil Uji Parsial (Uji t)
Coefficientsa
Unstandardized Coefficients Standardized
Coefficients
Model B Std. Error Beta t Sig.
1 (Constants) ,811 1.379 ,588 ,558
CAR 2,922 ,683 ,279 4,279 ,000
NPL -2,920 2,877 -,083 -1,015 ,313
507
NIM ,916 1,845 ,041 ,496 ,621
ROA 7,702 5,354 ,143 1,439 ,154
BOPO -1,586 ,299 -,503 -5,312 ,000
LDR ,887 ,292 ,205 3,034 ,003
KURS 4,558E-6 ,000 ,003 ,050 ,960
INFLASI ,049 ,048 ,071 1,025 ,308
Berdasarkan tabel 7 dapat diketahui nilai thitung yang diperoleh dari setiap variabel. Untuk menentukan
kesimpulan dari hasil uji t, maka terlebih dahulu menentukan ttabel yang digunakan. Nilai ttabel diperoleh
dari N-K, dimana N merupakan jumlah sampel dan K merupakan jumlah variabel independen dan
variabel dependen. Sehingga df = N-K = 89 – 9 = 80, maka ttabel adalah sebesar 1,990 dengan
signifikansi 5%.
Uji Statistik F
Uji statistik simultan (uji F) digunakan untuk mengetahui apakah variabel dependen (Financial
Distress) secara bersama-sama atau simultan dipengaruhi oleh variabel independen (CAR, NPL, NIM,
ROA, BOPO, LDR, KURS dan INFLASI). Apabila nilai signifikansi < 0,05 yang berarti terdapat
pengaruh yang signifikan secara bersamaan dari variabel independen terhadap variabel dependen. Jika
Fhitung > Ftabel pada α = 5% yang berarti terdapat pengaruh yang signifikan secara bersamaan dari
variabel independen terhadap variabel dependen. Hasil uji signifikansi simultan (uji F) adalah sebagai
berikut :
Tabel 8. Hasil Uji Simultan (Uji F)
Model Summaryb
Model Sum of Squares df Mean Squares F Sig.
1 Regression 13,805 8 1,726 23,077 ,000b
Residual 5,982 80 ,075
Total 19,788 88
b. Predictors: (Constant), INFLASI, NIM, CAR, KURS, LDR, NPL, BOPO, ROA
Berdasarkan tabel 8 diatas, menunjukkan bahwa nilai Fhitung sama sebesar 23,077 dengan
signifikansi 0,000. Pengujian secara simultan dapat diperoleh dengan cara membandingkan nilai
Fhitung dengan Ftabel yang diperoleh dengan cara melihat pada tabel F yaitu melalui df 1 = K-1
dengan K merupakan jumlah variabel penelitian. Kemudian ditentukan dengan nilai df 2 dengan
rumus N-K, dengan N merupakan jumlah sampel penelitian. Berdasarkan hasil perhitungan, maka
diperoleh hasil df1 pada angka 8 (9-1) dan df2 pada angka 80 (89-9). Nilai Ftabel yang diperoleh
yaitu sebesar 2,06. Hasil tersebut menunjukkan bahwa secara simultan (bersama-sama) variabel
independen dalam penelitian ini yaitu CAR, NPL, NIM, ROA, BOPO, LDR, KURS dan INFLASI
berpengaruh signifikan terhadap financial distress dengan perolehan Fhitung > Ftabel yaitu senilai
23,077 > 2,06 serta tingkat signifikansi (Sig.) di bawah 0,05 yaitu senilai 0,000.
Analisis Koefisien Determinasi (Adjusted R Square)

Uji koefisien determinasi (R2) digunakan untuk mengukur seberapa jauh kemampuan model
dalam menerangkan hubungan variabel independen terhadap variabel dependen. Intensitas pengaruh
dapat dilihat dari nilai Adjusted R Square. Hasil uji koefisien determinasi dapat dilihat pada tabel
dibawah ini :
508
Tabel 9. Hasil Uji Koefisien Determinasi
Model Summaryb
Model R R Square Adjusted R Std. Error of the
Square Estimates
1 ,835a ,698 ,667 ,27346
a. Predictors: (Constant), INFLASI, NIM, CAR, KURS, LDR, NPL, BOPO, ROA
b. Dependent Variable: ZSCORE
Berdasarkan hasil penelitian pada tabel 9 menunjukkan bahwa nilai koefisien determinasi (Adjusted
R Square) sebesar 0,667 pada perusahaan bank konvensional yang terdaftar di BEI pada periode
2017-2020. Dapat diambil kesimpulan bahwa pengaruh variabel independen (CAR, NPL, NIM,
ROA, BOPO, LDR, KURS dan INFLASI) terhadap variabel dependen (financial distress) yang dapat
dijelaskan dari model persamaan ini adalah 66,7%. Sisanya 33,3% financial distress dipengaruhi oleh
variabel diluar penelitian ini.
HASIL PENELITIAN
Statistik Deskriptif
Analisis statistik deskriptif adalah metode yang digunakan untuk mendeskripsikan sebagai
informasi terkait penjelasan umum hasil pengamatan dan deskripsi variabel penelitian untuk
mengetahui frekuensi absolut yang menunjukkan nilai minimal, maksimal, rata-rata (mean) dan
standar deviasi dari setiap variabel penelitian. Hasil dari analisis data yang telah dilakukan untuk
masing-masing variabel penelitian, dapat dilihat pada tabel 2 dibawah ini :
Tabel 2. Statistik Deskriptif

N Minimum Maximum Mean Std. Deviation
ZSCORE 89 ,10 2,20 1,2371 ,47419
CAR 89 ,13 ,33 ,2104 ,04525
NPL 89 ,00 ,05 ,0178 ,01352
NIM 89 ,02 ,11 ,0662 ,02135
ROA 89 -,01 ,03 ,0104 ,00877
BOPO 89 ,48 1,23 ,7829 ,15044
LDR 89 ,60 1,11 ,8561 ,10942
KURS 89 13548,00 14481,00 13996,9551 348,00483
INFLASI 89 1,68 3,61 2,8556 ,68015
Valid N (listwise) 89
Berdasarkan pada hasil yang telah didapat dari hasil SPSS setelah dilakukan outlier yang ditunjukkan
pada tabel 2 diatas, sampel penelitian yang sebelumnya 152 data menjadi 89 data. Maka dapat
disimpulkan bahwa :
j. Variabel dengan total 89 perusahaan yang telah diamati, variabel ZSCORE yakni Financial
Distress memiliki nilai rata-rata 1,2371 dengan nilai standar deviasi yang diperoleh 0,47419.
Nilai minimum dari variabel ZSCORE yakni 0,10 dengan nilai maksimum yakni 2,20.
k. Nilai rata-rata Capital Aduquecy Ratio 0,2104 dengan nilai standar deviasi yang diperoleh
0,04525. Nilai minimum dari variabel CAR yakni 0,13 dengan nilai maksimum yakni 0,33.
l. Nilai rata-rata Non Performing Loan 0,0178 dengan nilai standar deviasi yang diperoleh
0,01352. Nilai minimum dari variabel NPL yakni 0,00 dengan nilai maksimum yakni 0,05.
m. Nilai rata-rata Net Interest Margin 0,0662 dengan nilai standar deviasi yang diperoleh 0,02135.
Nilai minimum dari variabel NIM yakni 0,02 dengan nilai maksimum yakni 0,11.
509
n. Nilai rata-rata Return On Assets 0,0104 dengan nilai standar deviasi yang diperoleh 0,00877.
Nilai minimum dari variabel ROA yakni -0,01 dengan nilai maksimum yakni 0,03.
o. Nilai rata-rata Rasio Biaya Operasional terhadap Pendapatan Operasional 0,7829 dengan nilai
standar deviasi yang diperoleh 0,15044. Nilai minimum dari variabel BOPO yakni 0,48 dengan
nilai maksimum yakni 1,23.
p. Nilai rata-rata Loan To Deposit Ratio 0,8561 dengan nilai standar deviasi yang diperoleh
0,10942. Nilai minimum dari variabel LDR yakni 0,60 dengan nilai maksimum yakni 1,11.
q. Nilai rata-rata KURS 13996,9551 dengan nilai standar deviasi yang diperoleh 348,00483 Nilai
minimum dari variabel KURS yakni 13548,00 dengan nilai maksimum yakni 14481,00.
r. Nilai rata-rata INFLASI yakni memiliki nilai rata-rata 2,8556 dengan nilai standar deviasi yang
diperoleh 0,68015 Nilai minimum dari variabel INFLASI yakni 1,68 dengan nilai maksimum
yakni 3,61.
Uji Asumsi Klasik

Sebelum melakukan uji regresi, data terlebih dahulu harus melalui pengujian asumsi klasik
untuk menguji kualitas data penelitian yang telah diperoleh. Uji asumsi klasik yang digunakan dalam
510
penelitian ini meliputi uji normalitas, uji multikolinieritas, uji heteroskedastisitas, dan uji
autokorelasi.
Uji Normalitas
Pengujian normalitas data yang dilakukan dalam penelitian ini dengan menggunakan uji one
sample Kolmogorov-Smirnov. Uji ini bertujuan untuk mengetahui apakah data yang digunakan
memiliki distribusi yang normal atau tidak. Hasil dari uji normalitas menggunakan one sample
Kolmogorov-Smirnov disajikan pada 5able berikut :
Tabel 3. One-Sample Kolmogorov-Smirnov Test

N Unstandardized
Residual
Normal Parametersa,b 89
Mean ,0000000
Most Extreme Differences Std. Deviation ,26073251
Absolute ,065
Positive ,065
Negative -,048
Test Statistic ,065
Asymp. Sig. (2-tailed) ,200c,d
e. Test distribution is Normal.
f. Calculated from data.
g. Lillie Significance Correction.
h. This is a lower bound of the true significance.
Berdasarkan tabel 3 hasil uji normalitas menggunakan one sample KolmogorovSmirnov

menunjukkan 5able5orov-smirnov Z atau Test Statistic sebesar 0,065 dengan signifikansi sebesar
0,200. Hal ini menunjukkan bahwa nilai signifikansi lebih besar dari 0,05 (0,200 > 0,05). Sehingga
dapat dikatakan bahwa data berdistribusi normal dan telah memenuhi asumsi normalitas.
Uji normalitas data dapat juga dilihat dengan menggunakan grafik Normal Probability Plot. Grafik
Normal Probability Plot digunakan sebagai suatu pertimbangan tambahan untuk melihat normalitas
data dalam model regresi. Hasil dari uji normalitas data menggunakan grafik Normal Probability
Plot disajikan pada gambar berikut:
Normal P-P Plot of Regression Standardized Residual
Gambar 2. Hasil Uji Normalitas

Pada grafik Normal P-Plot dapat disimpulkan bahwa bahwa titik-titik data (plot) memiliki arah yang
511
berbanding lurus dengan arah garis diagonal. Hal ini menunjukkan bahwa data residual dari
penelitian ini dapat dikatakan berdistribusi normal dan dianggap sudah memenuhi asumsi normalitas.
Uji Multikolinieritas
Uji multikolinieritas digunakan untuk menguji apakah dalam model regresi ditemukan adanya
korelasi yang tinggi atau sempurna diantara variabel bebas dan variabel terikat. Untuk menilai ada
tidaknya multikolinieritas dapat dilihat dari nilai tolerance dan Varisnce Inflation Fakctor (VIF).
Nilai umum yang digunakan untuk menilai ada tidaknya multikolinieritas adalah nilai tolerance 0,10
dan nilai VIF 10. Jika nilai tolerance >0,10 atau VIF< 10 menunjukan model regresi tidak mengalami
multikolinieritas. Berdasarkan tabel 4 di atas dapat diketahui bahwa nilai tolerance dari masing-
masing variabel independen lebih dari besar 0,10 dan nilai VIF dari masing-masing variabel
independen kurang dari hasil ini menunjukkan bahwa model regresi tidak terjadi multikolinearitas
antar variabelindependen.
Uji Heteroskedastisitas
Uji heteroskedastisitas berfungsi untuk menguji apakah varian variabel terjadi ketidaksamaan
pada model regresi. Uji heteroskedastisitas pada penelitian kali ini dilakukan dengan melihat pada
pola gambar ScatterPlot. Apabila scatterplot membentuk pola tertentu, maka menunjukkan ada
masalah Heteroskedastisitas pada model regresi yang dibentuk. Sedangkan jika scatterplot tidak
terdapat pola yang jelas, penyebaran titik-titik data diatas dan dibawah atau disekitar angka 0 pada
sumbu Y maka hal ini menunjukkan tidak terjadi masalah Heteroskedastisitas pada model regresi
yang dibentuk. Hasil uji Heteroskedastisitas menggunakan scatterplot adalah sebagai berikut:
PEMBAHASAN
Pengaruh Capital Adequacy Ratio (CAR) Terhadap Financial Distress

Berdasarkan hasil pengujian hipotesis yang dilakukan menunjukkan bahwa variabel
independen Capital Adequacy Ratio (CAR) berpengaruh terhadap variabel dependen financial
distress. Rasio CAR digunakan sebagai indikator kemampuan bank untuk menutupi penurunan
aktivanya akibat dari kerugian bank yang disebabkan oleh aktiva yang mengandung resiko yaitu
dari kredit yang diberikan. Jika bank yang memiliki Capital Adequacy Ratio (CAR) yang tinggi hal
itu akan menjadikan kondisi financial distress yang menurun artinya nilai Z-Score yang tinggi.
Menurut (Veithzal et al., 2013) apabila CAR yang dimiliki semakin rendah berarti semakin kecil
modal bank yang dimiliki untuk menanggung aktiva resiko, bank lebih cenderung mengalami
kesulitan karena bank tidak memiliki cukup modal untuk menanggung penurunan nilai aktiva
beresiko. Hal ini karena modal merupakan komponen penting dalam menutupi resiko kerugian
yang mungkin terjadi akibat investasi pada aktiva produktif yang mengandung risiko, serta tidak
dapat digunakan untuk investasi aktiva tetap dan pembiayaan investasi. Jika keadaan ini terus
terjadi, maka perusahaan akan mengalami defisit modal sehingga menyebabkan perusahaan
mengalami kondisi financial distress. Hasil penelitian ini sesuai dengan penelitian yang dilakukan
(Suhadi & Kusumaningtias, 2018); (Zahronyana & Mahardika, 2018) dan (Suot et al., 2020) yang
menyatakan bahwa Capital Adequacy Ratio (CAR) berpengaruh terhadap financial distress.
Pengaruh Non Performing Loan (NPL) Terhadap Financial Distress

independen Non Performing Loan (NPL) tidak berpengaruh terhadap variabel dependen financial
distress. NPL adalah rasio yang menggunakan kredit bermasalah terhadap total kredit untuk
mengukur kualitas kredit. Kredit bermasalah adalah kredit dengan kualitas macet. Hal ini
menunjukkan bahwa perusahaan perbankan akan sebisa mungkin menutupi keadaan sebenarnya
yang berkaitan dengan kondisi keuangan, tujuan hal tersebut agar calon nasabah dan nasabah tidak
ragu dalam menanamkan dananya atau berinvestasi. Bank juga akan melakukan tindakan untuk
mengatasi apabila rasio keuangan terlalu rendah atau terlalu tinggi dengan tindakan sesuai SOP,
yakni pengawasan intensif yang diikuti dengan pengawasan khusus dan langkah-langkah yang telah
512
ditetapkan agar bank tidak mengalami financial distress sehingga kondisi tersebut jarang sekali
terjadi. Hasil penelitian ini sesuai dengan penelitian yang dilakukan (Aminah et al., 2019) yang
menyatakan Non Performing Loan (NPL) tidak berpengaruh terhadap financial distress.
Pengaruh Net Interest Margin (NIM) Terhadap Financial Distress

independen Net Interest Margin (NIM) tidak berpengaruh terhadap variabel dependen financial
distress. NIM merupakan pengukuran akan kemampuan manajemen perusahaan perbankan untuk
mengelola aset produktifnya dalam perputaran usaha perbankan untuk menghasilkan pendapatan
dari bunga. Ketika skala aset produktif yang dikelola oleh perusahaan perbankan semakin besar,
maka sumber perusahaan perbankan akan memiliki pendapatan yang cukup besar juga sehingga
perusahaan perbankan memiliki kemungkinan lebih besar untuk menghasilkan profit. Peningkatan
pedapatan bunga yang didapatkan dari pengelolaan aset produktif di bank membuat perusahaan
perbankan meningkatkan profitabilitas secara keseluruhan (Nurhasanah & Maryono, 2021). Dalam
penelitian ini menunjukkan pendapatan bunga yang didapatkan bank dari debitur semakin
meningkat, sehingga kemampuan rentabilitas bank dalam bentuk pendapatan bunga menjadi stabil
dan menjauhkan bank dari potensi terjadinya kondisi yang bermasalah. Hasil penelitian ini sesuai
dengan penelitian yang dilakukan (Zahronyana & Mahardika, 2018) dan (Habibie, 2019) yang
menyatakan Net Interest Margin (NIM) tidak berpengaruh terhadap financial distress.
Pengaruh Return On Asset (ROA) Terhadap Financial Distress

independen Return On Asset (ROA) tidak berpengaruh terhadap variabel dependen financial
distress. ROA memberikan gambaran mengenai sejauh mana bank memiliki kemampuan untuk
menghasilkan keuntungan dari total aktiva yang dimiliki. Tinggi rendahnya pendapatan suatu
perbankan dapat dilihat dari rasio ROA perbankan tersebut. Apabila perolehan laba mengalami
peningkatan, maka hal tersebut menunjukkan semakin baiknya operasional dari suatu perbankan
khususnya dalam menjalankan usahanya sehingga profitabilitas perbankan tersebut juga akan
meningkat dan semakin baiknya posisi bank atas pengunaan aset, maka bank memiliki probabilitas
terjadinya financial distress akan semakin kecil. Hal ini dikarenakan ROA adalah sebuah kekuatan
bank dalam menghasilkan laba dengan aset yang ada. Dapat dikatakan wajar apabila rasio ROA
tinggi dengan diikuti menurunnya financial distress. Dengan syarat bank tersebut masih memiliki
kecukupan modal untuk menanggung risiko dan memiliki likuiditas yang cukup dan diikuti
efisiensi pengelolaan beban yang bagus, maka rasio ROA tidak akan terlalu berdampak kepada
financial distress. Hasil penelitian ini sesuai dengan penelitian yang dilakukan (Priyatnasari &
Hartono, 2019) dan (Sriyanto & Agustina, 2020) yang menyatakan bahwa Return On Assets (ROA)
tidak berpengaruh terhadap financial distress.
Pengaruh Rasio Biaya Operasional terhadap Pendapatan Operasional (BOPO) Terhadap Financial Distress
independen Biaya Operasional Pendapatan Operasional (BOPO) berpengaruh terhadap variabel
dependen financial distress. BOPO merupakan rasio yang digunakan sebagai pengukur kemampuan
suatu bank dalam mengendalikan biaya operasional terhadap pendapatan operasional. Jika nilai
BOPO semakin tinggi maka menunjukkan bahwa biaya operasional yang dikeluarkan suatu bank
semakin tidak efisien artinya semakin buruk kinerja manajemen karena bank tidak dapat
menggunakan sumber daya secara lebih efektif sehingga kemungkinan bank dalam kondisi
financial distress semakin besar. Hal ini dikarenakan beberapa perusahaan perbankan memiliki
biaya operasional yang tinggi dan juga memiliki pendapatan yang tinggi dalam menjalankan
kegiatan usaha utamanya, seperti biaya bunga, biaya pemasaran, biaya tenaga kerja dan biaya
operasional lainnya. Semakin tingginya BOPO maka akan menghasilkan laba yang buruk dan
berdampak negatif terhadap financial distress. Karena tingkat efisiensi pada bank dalam
operasional belum tepat. Hal ini mengindikasikan bahwa efisiensi bank dalam melakukan
kegiatannya dan kemampuan bank dalam pengembalian dana pihak ketiga dapat dilakukan guna
513
mencegah kondisi bermasalah bank tersebut (Almilia & Herdinigtyas, 2005). Hasil penelitian ini
sesuai dengan penelitian yang dilakukan (Theodorus & Artini, 2018) dan (Sriyanto & Agustina,
2020) yang menyatakan bahwa Biaya Operasional terhadap Pendapatan Operasional (BOPO)
berpengaruh terhadap financial distress.
Pengaruh Loan To Deposit Ratio (LDR) Terhadap Financial Distress

independen Loan To Deposit Ratio (LDR) berpengaruh terhadap variabel dependen financial
distress. Rasio LDR akan mempengaruhi tingkat profitabilitas bank dalam kesempatan
mendapatkan bunga dari kredit yang diberikan, oleh karena itu semakin besar nilai LDR ini maka
probabilitas terjadinya financial distress akan semakin besar dikarenakan bank akan mengendalikan
jumlah kredit yang lebih besar juga untuk membayar kembali penarikan yang dilakukan oleh
nasabah karena hal tersebut akan meningkatkan pendapatan bank. Hal ini dapat menyebabkan nilai
LDR yang terlalu tinggi akan mengganggu likuiditas bank (Zahronyana & Mahardika, 2018).
Semua dana yang dipinjamkan kepada masyarakat (loan) secara ideal dikategorikan dalam
kolektibilitas 1 (lancar), namun kemampuan kondisi masyarakat dalam mengembalikan dana
pinjaman dari bank sesuai dengan perjanjian tidak selalu sama. Komplikasi kemampuan
masyarakat tersebut yang menyebabkan bank terbuka terhadap risiko kredit tidak lancar (Theodorus
& Artini, 2018). Hasil penelitian ini sesuai dengan penelitian yang dilakukan (Ismawati & Istria,
2015) dan (Sriyanto & Agustina, 2020) yang menyatakan bahwa Loan To Deposit Ratio (LDR)
Pengaruh Kurs Terhadap Financial Distress

independen Kurs tidak berpengaruh terhadap variabel dependen financial distress. Tidak adanya
pengaruh kurs terhadap financial distress. kemungkinan besar dikarenakan perusahaan dalam
penelitian ini melakukan hedging (suatu tindakan yang dapat digunakan perusahaan untuk
meminimalisir risiko bisnis namun tetap dapat memperoleh laba dalam suatu transaksi bisnis)
sehingga menyebabkan keadaan keuangan perusahaan tidak terpengaruh dengan fluktuasi nilai
tukar Penyebab lain tidak adanya pengaruh kurs terhadap financial distress adalah tidak terlalu
tingginya fluktuasi nilai tukar dolar terhadap rupiah, sehingga variabel makro ekonomi nilai tukar
tidak berpengaruh terhadap financial distress (Setiyawan & Musdholifah, 2020). Hasil penelitian ini
sesuai dengan penelitian yang dilakukan (Darmawan, 2017) yang menyatakan bahwa Kurs tidak
Pengaruh Inflasi Terhadap Financial Distress

independen Inflasi tidak berpengaruh terhadap variabel dependen financial distress. Artinya setiap
penurunan atau kenaikan inflasi pada suatu negara tidak akan berdampak terhadap probabilitas
perusahaan mengalami financial distress. Hal ini dapat disebabkan karena inflasi yang terjadi
selama periode penelitian tidak begitu tinggi atau cendereung stabil sehingga perusahaan masih
dapat mengontrol dan mengantisipasi kondisi tersebut. Hal tersebut disebabkan karena tingkat
inflasi yang terjadi selama tahun penelitian cenderung stabil dengan demikian perusahaan masih
dapat melakukan kontrol dan antisipasi terhadap kesehatan keuangan perusahaan (Kurniasanti &
Musdholifah, 2018). Hasil penelitian ini sesuai dengan penelitian yang dilakukan (Hartianah &
Sulasmiyati, 2017) dan (Darmawan, 2017) yang menyatakan bahwa Inflasi tidak berpengaruh
terhadap financial distress.
KESIMPULAN & SARAN
Kesimpulan
Berdasarkan hasil analisis data yang telah dilakukan pada perusahaan perbankan konvensional yang
terdaftar di BEI tahun 2017-2020 dalam pembahasan sebelumnya, maka dapat disimpulkan bahwa :
1. Pada uji t secara parsial variabel Capital Adequacy Ratio (CAR), Biaya Operasional terhadap
514
Pendapatan Operasional (BOPO) dan Loan To Deposit Ratio (LDR) berpengaruh signifikan
terhadap financial distress. Sedangkan variabel Non Performing Loan (NPL), Net Interest
Margin Ratio (NIM), Return On Assets (ROA), Kurs dan Inflasi tidak berpengaruh signifikan
terhadap financial distress.
2. Pada dari uji F secara simultan menunjukkan bahwa semua variabel independen dalam
penelitian ini Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Net Interest Margin
(NIM), Return On Assets (ROA), Biaya Operasional terhadap Pendapatan Operasional (BOPO),
Loan To Deposit Ratio (LDR), Kurs dan Inflasi berpengaruh signifikan terhadap financial
distress.
Saran
Berdasarkan keterbatasan pada penelitian ini, terdapat beberapa keterbaruan yang dapat digunakan
sebagai arahan untuk penelitian selanjutnya yaitu:
1. Bagi pihak perusahaan dengan adanya penlitian ini diharapkan dapat mengantisipasi adanya
kondisi kebangkrutan secara dini yang dapat saja dialami oleh suatu perusahaan sehingga
nantinya perusahaan dapat mengambil tindakan untuk melindungi aset dan mendukung
pengambilan keputusan yang tepat dalam menghadapi risiko.
2. Penggunaan model untuk mendeteksi financial distress dalam penelitian ini mungkin belum
sepenuhnya mampu mendeteksi financial distress dengan baik. Untuk itu, peneliti yang akan
datang dapat menggunakan model lain yang lebih akurat (seperti; Model Sprigate, Model
Zmijewski dan Grover).
3. Bagi peneliti sejenis sebaiknya memperluas penelitian dengan melakukan penelitian tidak hanya
terbatas pada perusahaan perbankan konvensional saja, tetapi juga perusahaan-perusahaan
lainnya, misalnya saja pada perusahaan perusahaan manufaktur yang terdaftar pada Bursa Efek
Indonesia
DAFTAR PUSTAKA
Almilia, L. S., & Herdinigtyas, W. (2005). Analisis Rasio Camel Terhadap Prediksi Kondisi
Bermasalah Pada Lembaga Perbankan Perioda 2000-2002. Jurnal Akuntansi Dan Keuangan,
7(2), 131-147–147.
Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate
Bankruptcy. The Journal of Finance, 23(4), 21.
Aluy, C. A., Tulung, J. E., & Tasik, H. H. (2017). Pengaruh Keberadaan Wanita dalam Manajemen
Puncak dan Kepemilikan Manajerial Terhadap Kinerja Keuangan Perbankan (Studi Pada
Bank BUMN dan Bank Swasta Nasional Devisa di Indonesia). Jurnal EMBA: Jurnal Riset
Ekonomi, Manajemen, Bisnis Dan Akuntansi, 5(2), 821–828.
Amalia, N. I., & Mardani, R. M. (2016). Analisis Rasio Keuangan Terhadap Financial Distress (Pada
Perusahaan Perbankan Yang Listing Di BEI Periode Tahun 2014- 2016). Jurnal Riset
Manajemen, 186–199.
Aminah, S., Noviansyah, R., & Muhammad, T. (2019). Pengaruh Rasio Camel Terhadap Financial
Distress pada Sektor Perbankan. Counting : Journal of Accountng, 2(1), 86–94.
Darmawan, S. (2017). Analisis Pengaruh Corporate Governance, Variabel Ekonomi Makro Terhadap
Financial Distress Dengan Variabel Kontrol Ukuran Perusahaan Dan Jenis Kepemilikan.
Efektif Jurnal Ekonomi Dan Bisnis, 7(1), 100–122.
Hartianah, D., & Sulasmiyati, S. (2017). Pengaruh Aspek Operasional, Corporate Governance, Dan
Makroekonomi Terhadap Financial Distress (Studi pada Perusahaan Agrikultur yang
Terdaftar di Bursa Efek Indonesia tahun 2011-2015). Jurnal Administrasi Bisnis (JAB),
47(2), 65–73.
Ismawati, K., & Istria, P. C. (2015). Detektor Financial Distress Perusahaan Perbankan Indonesia.
515
Ekonomi Bisnis & Kewirausahaan, IV(1), 6–29.
Jensen, M. C., & Meckling, W. H. (1976). Theory Of The Firm: Managerial Behavior, Agency Costs
And Ownership Structure. Journal of Financial Economics, 72(10), 305–360.
Kholidah, A. N., Gumanti, T. A., & Mufidah, A. (2016). Analisis Rasio Keuangan Dalam
Memprediksi Financial Distress Pada Perusahaan Sektor Industri Dasar Dan Kimia Yang
Terdafatar Di Bei Tahun 2011-2015. Jurnal Bisnis Dan Manajemen, 10(3), 279–291.
Kurniasanti, A., & Musdholifah. (2018). Pengaruh Corporate Governance, Rasio Keuangan, Ukuran
Perusahaan dan Makroekonomi terhadap Financial Distress. Jurnal Ilmu Manajemen, 6(3),
197–212.
Kurniasari, C. (2013). Analisis Pengaruh Rasio Camel Dalam Memprediksi Financial Distress
Perbankan Indonesia. Diponegoro Journal of Accounting, 2(4), 1–10.
Kurniasih, N., Mai, M. U., & Masli, L. (2020). Prediksi Kebangkrutan pada Bank BUMN dengan
Menggunakan Metode Altman Z-Score Modifikasi Periode 2019. Indonesian Journal of
Economics and Management, 1(1), 83–95.
Nisa, A. A., Utami, E. S., & Mufidah, A. (2020). Analisis Kondisi Financial Distress Pada
Perusahaan Perbankan di Bursa Efek Indonesia. Bulletin of Management and Business
(BMB), 1(2), 1–10.
Nugroho, L., & Bararah, H. N. (2018). Pengaruh Good Corporate Governance Dan Biaya
Operasional Dan Pendapatan Operasional (Bopo) Terhadap Stabilitas Keuangan Bank
Umum Syariah Di Indonesia Tahun 2012-2017. Inovbiz: Jurnal Inovasi Bisnis, 6(2), 160.
Nurhasanah, D., & Maryono, M. (2021). Analisa Pengaruh Rasio Keuangan Terhadap Profitabilitas
Pada Perusahaan Perbankan Periode 2016 – 2018. JURNAL KEUNIS (Keuangan Dan
Bisnis), 9(1), 85.
Prasidha, D. K. (2020). Dampak Nilai Tukar Dan Risk-Based Bank Rating Terhadap Prediksi
Kondisi Perbankan Indonesia. Quantitative Economics Journal, 4(3), 122–142.
Priyatnasari, S., & Hartono, U. (2019). Rasio Keuangan, Makroekonomi Dan Financial Distress:
Studi Pada Perusahaan Perdagangan, Jasa Dan Investasi di Indonesia. Jurnal Ilmu
Manajemen, 7(4), 1–12.
Rohiman, S. F., & Damayanti, C. R. (2019). Pengaruh Inflasi, Nilai Tukar Dan Suku Bunga Terhadap
Financial Distress. Jurnal Administrasi Bisnis, 72(2), 186–195.
Sagho, M., & Merkusiwati, N. (2015). Penggunaan Metode Altman Z-Score Modifikasi Untuk
Memprediksi Kebangkrutan Bank Yang Terdaftar Di Bursa Efek Indonesia. E-Jurnal
Akuntansi, 11(3), 730–742.
Sedani, K. Y. (2017). Pengaruh rasio non perfoming loan (npl), kepemilikan manajerial, kepemilikan
institusional dan ukuran perusahaan terhadap terjadinya kondisi financial distress pada
perusahaan perbankan yang terdaftar di bei. Jurnal Akuntansi Profesi, 4(1), 1–12.
Setiyawan, E., & Musdholifah. (2020). Pengaruh Struktur Kepemilikan, Profitabilitas, Likuiditas,
Leverage Dan Nilai Tukar Terhadap Financial Distress Pada Perusahaan Yang Terdaftar Di
Idx Tahun 2016-2017. Jurnal Ilmu Manajemen (JIM), 8(1), 51–66.
Shidiq, I., & Wibowo, B. (2017). Prediksi Financial Distress Bank Umum di Indonesia: Analisis
Diskriminan dan Regresi Logistik. Esensi: Jurnal Bisnis Dan Manajemen, 7(1), 27–40.
Simatupang, E. M. (2020). Penerapan Altman Z-Score Dalam Memprediksi Kebangkrutan Pada PT
Bank Mandiri (Persero) Tbk. Jurnal Akuntansi Barelang, 4(2), 40.
Siregar, R. I., & Fauzie, S. (2015). Analisis Manfaat Rasio Keuangan Dalam Memprediksi Financial
Distress Pada Perbankan (2007-2012). Jurnal Ekonomi Dan Keuangan, 2(12), 1–3.
516
Sofiasani, G., & Gautama, B. P. (2016). Pengaruh CAMEL Terhadap Financial Distress Pada Sektor
Perbankan Indonesia Periode 2009-2013. Journal of Business Management Education
(JBME), 1(1), 138–148.
Sriyanto, & Agustina, Y. (2020). Pengaruh ROA, BOPO, NPL dan LDR Terhadap Financial Distress
Pada Sektor Perbankan. Indonesian Journal of Economics Application, 2(2), 76–85.
Suhadi, A., & Kusumaningtias, R. (2018). Pengaruh Rasio Keuangan Terhadap Kondisi Financial
Distress Bank Umum Syariah di Indonesia. Jurnal Akuntansi AKUNESA, 6(3), 1–25.
Suot, L. Y., Koleangan, R. A. M., Palandeng, I. D., & Koleangan, R. A. M. (2020). Analisis Rasio
Keuangan Dalam Memprediksi Kondisi Financial Distress Pada Industri Perbankan Yang
Terdaftar Di Bursa Efek Indonesia. Jurnal EMBA: Jurnal Riset Ekonomi, Manajemen, Bisnis
Dan Akuntansi, 8(1), 501–510.
Theodorus, S., & Artini, L. G. S. (2018). Studi Financial Distress Pada Perusahaan Perbankan Di
Bei. E-Jurnal Manajemen Universitas Udayana, 7(5), 2710.
Veithzal, A. P., Sudarto, S., Basir, S., & Rivai, V. (2013). Commercial Bank Management
(Manajemen Perbankan Dari Teori Ke Praktik). Jakarta: PT. Raja Grafindo Persada.
Yulianto, A. (2011). Analisis CAMELS dalam Memprediksi Tingkat Kesehatan Bank yang Terdaftar
di Bursa Efek IndonesiaPeriode Tahun 2009 – 2011. Mesia Ekonomi & Teknologi Informasi,
19(1), 35–49.
Zahronyana, B. D., & Mahardika, D. P. . (2018). Capital Adequacy Ratio, Non Performing Loan, Net
Interest Margin, Biaya Operasional Pendapatan Operasional Dan Loan To Deposit RatioTerhadap
Financial Distress. Jurnal Riset Akuntansi Kontemporer, 10(2), 90–98
517

FD Makro 7

Uploaded by

Copyright:

Available Formats

FD Makro 7

Uploaded by

Document Information

Original Title

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

FD Makro 7

Uploaded by

Copyright:

Available Formats

PROSIDING SEMINAR NASIONAL EKONOMI DAN BISNIS 1

Fakultas Ekonomi dan Bisnis

ANALISIS RASIO KEUANGAN DAN NON KEUANGAN UNTUK

Kata Kunci : CAMEL; Financial Distress; Inflasi; Kurs

Jenis dan Sumber Data

Tabel 2. Statistik Deskriptif

Uji Asumsi Klasik

Tabel 3. One-Sample Kolmogorov-Smirnov Test

Berdasarkan tabel 3 hasil uji normalitas menggunakan one sample KolmogorovSmirnov

Gambar 2. Hasil Uji Normalitas

KURS ,859 1,164

Gambar 3. Hasil Uji Heteroskedastisitas

Tabel 5. Hasil Uji Autokorelasi

Model R Adjusted R Std. Error of the

Uji Regresi Linier Sederhana

Analisis Koefisien Determinasi (Adjusted R Square)

Tabel 2. Statistik Deskriptif

Uji Asumsi Klasik

Tabel 3. One-Sample Kolmogorov-Smirnov Test

Berdasarkan tabel 3 hasil uji normalitas menggunakan one sample KolmogorovSmirnov

Normal P-P Plot of Regression Standardized Residual

Gambar 2. Hasil Uji Normalitas

Pengaruh Capital Adequacy Ratio (CAR) Terhadap Financial Distress

Pengaruh Non Performing Loan (NPL) Terhadap Financial Distress

Pengaruh Net Interest Margin (NIM) Terhadap Financial Distress

Pengaruh Return On Asset (ROA) Terhadap Financial Distress

Pengaruh Loan To Deposit Ratio (LDR) Terhadap Financial Distress

Pengaruh Kurs Terhadap Financial Distress

Pengaruh Inflasi Terhadap Financial Distress

You might also like