PEMODELAN TINGKAT KESEHATAN BANK BERDASARKAN PENDEKATAN REGRESI LOGISTIK ORDINAL PADA DATA PANEL DENGAN EFEK ACAK

• Main Author: HIZRIAN NAUFAL, 081411831038
• Format: Theses and Dissertations NonPeerReviewed
• Language: Indonesian; Indonesian
• Published: 2018
• Subjects: QA276-280 Mathematical Analysis
• Online Access: http://repository.unair.ac.id/78004/1/Abstrak%20ST.S.%2046%2018%20Nau%20p.pdf; http://repository.unair.ac.id/78004/2/Fulltext%20ST.S.%2046%2018%20Nau%20p.pdf; http://repository.unair.ac.id/78004/; http://lib.unair.ac.id

Bank berfungsi sebagai perantara keuangan (financial intermediary) antara pihak-pihak yang surplus dengan pihak yang membutuhkan dana atau defisit. Dalam menjalankan fungsinya tersebut Bank akan selalu menghadapi risiko kredit macet. Tingkat terjadinya risiko kredit atau kredit bermasalah biasanya dicerminkan dengan rasio Non Performing Loan (NPL) yang terjadi pada bank tersebut. Semakin besar rasio NPL maka tingkat kesehatan suatu bank akan semakin buruk. Hal sebaliknya pun terjadi jika semakin rendah rasio NPL maka tingkat kesehatan suatu bank akan semakin baik. Hubungan antara tingkat kesehatan bank dan faktor-faktor yang mempengaruhinya akan diteliti sehingga diperoleh model matematisnya. Bentuk matematis ini akan menunjukkan faktor-faktor yang berpengaruh secara signifikan. Variabel prediktor yang diduga memperngaruhi tingkat kesehatan bank adalah Capital Adequacy Ratio (CAR), Ukuran Bank (SIZE), Biaya Operasional/Pendapatan Operasional (BOPO), dan Net Interest Margin (NIM). Dalam melakukan penelitian mengenai tingkat kesehatan bank, data yang digunakan merupakan data panel yakni gabungan antara data cross section dan time series, karena perlu dilakukan observasi perilaku unit penelitian pada berbagai periode waktu. Data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh dari Laporan Keuangan Tahunan (Annual Report) tahun 2009 – 2017 mengenai data keuangan Bank umum konvensional yang diunduh dari situs resmi 30 Bank terkait. Salah satu analisis statistik yang digunakan untuk menggambarkan permasalahan tingkat kesehatan bank dengan observasi perilaku unit penelitian pada berbagai periode waktu adalah analisis regresi logistik ordinal pada data panel. Pada regresi logistik adalah asumsi kenormalan dan homoskedastisitas tidak diberlakukan seperti regresi linier. Estimasi parameter model logistik ordinal pada data panel dengan efek acak menggunakan metode maksimum likelihood estimation (MLE) dengan iterasi Gauss-Hermitte Quadrature. Berdasarkan model terbaik yang diperoleh dari software STATA, faktor-faktor yang mempengaruhi tingkat kesehatan bank di Indonesia adalah ukuran Bank (SIZE) dan Biaya Operasional/Pendapatan Operasional (BOPO). Hasil uji Likelihood Ratio Test menyatakan bahwa model regresi logistik ordinal pada data panel dengan efek acak lebih baik dibanding model regresi logistik ordinal standar dengan ketepatan klasifikasi kedua model masing-masing sebesar 60,37 dan 59,26.