PREDIKSI FINANCIAL DISTRESS

PADA BANK BCA SYARIAH PERIODE 2023-

2024 MENGGUNAKAN METODE ARIMA BOX-
JENKINS
SKRIPSI

Diajukan sebagai Salah Satu Syarat

untuk Memperoleh Gelar Sarjana Ekonomi (S.E.)
pada Jurusan Perbankan Syariah
Fakultas Ekonomi Dan Bisnis Islam
Universitas Islam Negeri
Sultan Maulana Hasanuddin Banten

NUR SITI MAIDAH

NIM : 191420056

FAKULTAS EKONOMI DAN BISNIS ISLAM

UNIVERSITAS ISLAM NEGERI
SULTAN MAULANA HASANUDDIN BANTEN
TAHUN 2023 M / 1444 H
 PERNYATAAN KEASLIAN SKRIPSI
Dengan ini saya menyatakan bahwa skripsi yang saya tulis sebagai

salah satu syarat untuk memperoleh Gelar Sarjana Ekonomi dan diajukan pada

Jurusan Perbankan Syariah Fakultas Ekonomi dan Bisnis Islam, Universitas Islam

Negeri Sultan Maulana Hasanuddin Banten. Ini sepenuhnya asli merupakan hasil

karya tulis ilmiah saya pribadi.

Adapun tulisan maupun pendapat orang lain yang terdapat dalam

skripsi ini telah saya sebutkan kutipannya secara jelas dan sesuai dengan etika

keilmuan yang berlaku di bidang penulisan karya ilmiah.

Apabila dikemudian hari terbukti bahwa sebagian atau seluruh skripsi

ini merupakan hasil plagiarisme atau mencontek karya tulis orang lain, saya

bersedia untuk menerima sanksi berupa pencabutan gelar kesarjanaan yang saya

terima atau sanksi akademik lain sesuai dengan peraturan berlaku.

Serang, 12 Mei 2023

Nur Siti Maidah

NIM. 191420056

i
 ABSTRAK
Nur Siti Maidah, NIM : 191420056, Judul Skripsi : Prediksi Financial Distress
Pada Bank BCA Syariah Periode 2023-2024 Menggunakan Metode ARIMA
Box-Jenkins.
Financial Distress merupakan suatu kondisi penurunan keuangan yang
tejadi pada suatu lembaga sebelum terjadinya kebangkrutan ataupun likuidasi.
Terdapat beberapa faktor yang mempengaruhi terjadinya financial distress seperti
rasio permodalan (CAR), rasio likuiditas (Current Ratio) dan rasio leverage
(DAR). Rumusan masalah pada penelitian ini yaitu : Bagaimana prediksi dan hasil
prediksi financial distress pada Bank BCA Syariah dilihat dari Capital Adequacy
Ratio (CAR), Current Ratio dan Debt to Asset Ratio (DAR). Tujuan penelitian ini
yaitu : Untuk menganalisa dan mengetahui hasil prediksi financial distress pada
Bank BCA Syariah dilihat dari Capital Adequacy Ratio (CAR), Current Ratio dan
Debt to Asset Ratio (DAR).
Penelitian ini berjenis kuantitatif dengan metode ARIMA Box-Jenkins.
Dan data yang digunakan pada penelitian ini yaitu data sekunder yang didapat dari
laporan keuangan Bank BCA Syariah yang dipublikasikan di website.
Hasil penelitian ini pada rasio CAR model ARIMA (2:1:2) nilai
signifikansi sebesar 0.0001. Jika dilihat dari nilai signifikansinya sebesar
0.0001<0.05 sehingga dapat dikatakan terdapat koefisien yang signifikan didalam
model CAR dengan nilai AIC sebesar 6.302265 dan nilai SIC 6.480019. Dengan
demikian hasil prediksi pada Triwulan I tahun 2023 sebesar 38%, Triwulan II
sebesar 37.03%, Triwulan III sebesar 38.3% dan Triwulan IV sebesar 37.35%.
Sedangkan pada Triwulan I Tahun 2024 sebesar 38.61%, Triwulan II sebesar
37.67%, Triwulan III sebesar 38.93% dan Triwulan IV sebesar 38.01%. Hasil dari
Current Ratio model ARIMA (2:1:1) nilai signifikansi sebesar 0.0000<0.05
sehingga dapat dikatakan terdapat koefisien yang signifikan didalam model
Current Ratio dengan nilai AIC sebesar 2.777548 dan nilai SIC sebesar 2.953941.
Dengan demikian hasil prediksi pada Triwulan I tahun 2023 sebesar 1.24%,
Triwulan II sebesar 1.10%, Triwulan III sebesar 1.01% dan Triwulan IV sebesar
0.91%. Sedangkan pada Triwulan I Tahun 2024 sebesar 0.79%, Triwulan II
sebesar 0.68%, Triwulan III sebesar 0.57% dan Triwulan IV sebesar 0.47%. Dan
hasil dari rasio DAR model ARIMA (1:1:1) nilai signifikansi sebesar 0.0000<0.05
sehingga dapat dikatakan terdapat koefisien yang signifikan didalam model Debt
to Asset Ratio (DAR) dengan nilai AIC sebesar 5.217833 dan nilai SIC sebesar
5.395587. Dengan demikian hasil prediksi pada Triwulan I tahun 2023 sebesar
75.96%, Triwulan II sebesar 76.24%, Triwulan III sebesar 75.48% dan Triwulan
IV sebesar 75.68%. Sedangkan pada Triwulan I Tahun 2024 sebesar 75.00%,
Triwulan II sebesar 75.14%, Triwulan III sebesar 74.52% dan Triwulan IV
sebesar 74.60%.
Kata Kunci : Financial Distress, CAR, Current Ratio, DAR

ii
 FAKULTAS EKONOMI DAN BISNIS ISLAM
UNIVERSITAS ISLAM NEGERI (UIN)
SULTAN MAULANA HASANUDDIN BANTEN

Nomor : Nota Dinas Kepada Yth.

Lampiran : 1 (Satu) Eksemplar Dekan Fakultas Ekonomi
Hal : Usulan Munaqasyah dan Bisnis Isam
a.n Nur Siti Maidah UIN SMH Banten
NIM. 191420056 Di -
Serang

Assalamu’alaikum Wr. Wb
Dipermaklumkan dengan hormat bahwa setelah membaca dan
mengadakan perbaikan seperlunya, maka kami berpendapat bahwa Skripsi
Saudari Nur Siti Maidah, NIM. 191420056 dengan judul Skripsi “Prediksi
Financial Distress Pada Bank BCA Syariah Periode 2023-2024 Menggunakan
Metode ARIMA Box-Jenkins”, diajukan sebagai salah satu syarat untuk
melengkapi Ujian Munaqasyah pada Jurusan Perbankan Syariah Fakultas
Ekonomi dan Bisnis Islam UIN Sultan Maulana Hasanuddin Banten. Maka kami
ajukan Skripsi ini dengan harapan dapat segera dimunaqasyahkan.
Demikian, atas perhatian Ibu, kami ucapkan terimakasih.
Wassalamu’alaikum Wr. Wb.

Serang, 12 Mei 2023

Pembimbing I Pembimbing II

Dr. Hj. Nihayatul Masykuroh, M.Si. Fitri Raya, M.Ek.

NIP. 196402121991032003 NIP. 198808102019032010

PERSETUJUAN

iii
 PREDIKSI FINANCIAL DISTRESS PADA BANK BCA SYARIAH
PERIODE 2023-2024 MENGGUNAKAN METODE ARIMA BOX-
JENKINS.

Oleh :

Nur Siti Maidah

NIM: 191420056

Menyetujui,
Pembimbing I Pembimbing II

Dr. Hj. Nihayatul Masykuroh, M.Si. Fitri Raya, M.Ek.

NIP. 196402121991032003 NIP. 198808102019032010

Mengetahui,

Dekan Fakultas Ketua Jurusan

Ekonomi dan Bisnis Islam Perbankan Syariah

Dr. Hj. Nihayatul Masykuroh, M.Si. Henny Saraswati, M.M.

NIP. 196402121991032003 NIP. 198511172019032013

PENGESAHAN

iv
Skripsi a.n. Nur Siti Maidah NIM : 191420056 yang berjudul: “Prediksi
Financial Distress Pada Bank BCA Syariah Periode 2023-2024 Menggunakan
Metode ARIMA Box-Jenkins”, telah diujikan dalam sidang Munaqasyah
Universitas Islam Negeri Sultan Maulana Hasanuddin Banten pada tanggal
Juma’t, 16 Juni 2023, skripsi ini telah diterima sebagai salah satu syarat untuk
memperoleh Gelar Sarjana Program Strata Satu (S1) pada Fakultas Ekonomi dan
Bisnis Islam Jurusan Perbankan Syariah Universitas Islam Negeri Sultan Maulana
Hasanuddin Banten.

Sidang Munaqasyah
Ketua Merangkap Anggota Sekretaris Merangkap Anggota

Dr. Budi Sudrajat, M.A. Nurmaita Hamsyiah, M.Si.

NIP. 197403072002121004 NIDN. 2005057904
Anggota-Anggota,
Penguji I, Penguji II,

Hendrieta Ferieka, S.E., M.Si. Mochamad Indrajit Roy, S.P., M.M.

NIP. 198306112006042001 NIP. 198011292015031001
Pembimbing I, Pembimbing II,

Dr. Hj. Nihayatul Masykuroh, M.Si. Fitri Raya, M.Ek.

NIP. 196402121991032003 NIP. 198808102019032010

PERSEMBAHAN

v
 Penulis mempersembahkan skripsi ini untuk kedua orang tua tercinta. Teruntuk

Ibunda Julaelah dan Ayahanda Samsuni tersayang yang telah menjadi sosok orang

tua yang selalu ada untukku dengan kasih sayangnya yang begitu tulus, doamu

yang selalu menyertaiku dan pengorbananmu yang tidak bisa dibandingkan

dengan apapun. Untuk Adekku tersayang Muhamad Masja yang selalu

mendukung kakaknya untuk mewujudkan impian keluarga. Serta keluargaku

tercinta yang selalu memotivasi dan memberikan dukungan dalam hal apapun.

Terimakasih atas segala doa dan kasih sayangmu serta pengorbanan yang telah

kau berikan untukku demi mewujudkan impianku untuk menjadi sarjana dan

menjadi panutan untuk sodara-sodaraku. Karya kecilku ini ku persembahkan

sebagai bukti pengorbanan kalian untuk melihatku menjadi seorang sarjana.

Hanya dengan doa yang selalu aku panjatkan, semoga ibunda, ayahanda, adikku,

dan keluarga selalu dalam lindungan-Nya dan bahagia menyertaimu.

MOTTO

vi
    
Sesungguhnya sesudah kesulitan itu ada kemudahan.

RIWAYAT HIDUP

vii
 Penulis bernama Nur Siti Maidah, lahir di Serang, 21 Juli 2000 anak

pertama dari dua bersaudara, dari orang tua bernama, Ayahanda Samsuni dan

Ibunda Julaelah dan mempunyai seorang adik bernama Muhamad Masja.

Pendidikan yang telah ditempuh SD Negeri Parigi tahun 2006, SMP

Islam El-Mizan tahun 2012, Pesantren Modern Kulliyyatul Al-Nasyiin Al-

Islamiyyah (KULNI) 2015 luluh tahun 2018 mengabdi di Pesantren selama 1

tahun. Kemudian melanjutkan studi S1 di UIN Sultan Maulana Hasanuddin

Banten Fakultas Ekonomi dan Bisnis Islam tahun 2019.

Selama menjadi mahasiswa di UIN Sultan Maulana Hasanuddin

Banten, penulis mengikuti organisasi eksternal kampus yaitu Pergerakan

Mahasiswa Islam Indonesia (PMII), sebagai anggotan dan pengurus sebagai

sekretaris biro minat dan bakat tahun 2020. Penulis juga menjadi santri di Pondok

Pesantren As-Salafiyyah Al Mustajib Madarijul Ulum.

KATA PENGANTAR

viii
Assalamu’alaikum Wr. Wb.

Segala puji dan syukur kehadirat Allah SWT, atas karunia nikmat dan

rahmat bagi umat-Nya. Shalawat serta salam tetap tercurahkan kepada baginda

alam yakni Nabi Muhammad SAW, yang merupakan suri tauladan bagi umat

islam hingga akhir zaman.

Alhamdulillah penulis ucapkan dengan segala kemudahan yang

diberikan oleh Allah SWT dan dengan usaha yang telah dilakukan penulis

sehingga dapat menyelesaikan skripsi ini dengan judul “Prediksi Financial

Distress Pada Bank BCA Syariah Periode 2023-2024 Menggunakan Metode

ARIMA Box-Jenkins” Tanpa pertolongan-Nya penulis tidak akan sanggup untuk

menyelesaikan skripsi ini dengan baik.

Tidak lupa pula, penulis ucapkan banyak terima kasih kepada berbagai

pihak yang telah berperan dalam penyusunan skripsi ini. Dengan tulus penulis

mengucapkan terima kasih terkhusus kepada :

1. Bapak Prof. Dr. H. Wawan Wahyudin, M.Pd, Rektor Universitas Islam

Negeri Sultan Maulana Hasanuddin Banten yang telah memberikan

kesempatan kepada penulis untuk dapat studi dan menjadi mahasiswi di

Universitas Islam Negeri Sultan Maulana Hasanuddin Banten, semoga bapak

selalu dalam lindungan Allah SWT dan membalas kebaikan bapak.

2. Ibu Dr. Hj. Nihayatul Masykuroh, M.Si. Dekan Fakultas Ekonomi dan Bisnis

Islam Universitas Islam Negeri Sultan Maulana Hasanuddin Banten dan

selaku Pembimbing I yang telah memotivasi dalam studi dan penyelesaian

ix
 skripsi penulis, semoga Ibu selalu dalam lindungan Allah SWT dan

membalas kebaikan Ibu.

3. Ibu Henny Saraswati, M.M. selaku ketua Jurusan Perbankan Syariah

Universitas Islam Negeri Sultan Maulana Hasanuddin Banten yang telah

menjadi mendidik, membimbing dan memberikan motivasi kepada penulis,

semoga Ibu selalu dalam lindungan Allah SWT dan membalas kebaikan Ibu.

4. Ibu Fitri Raya, M.Ek. selaku pembimbing II dan Bapak Muhammad Fadli

Azim, M.Si. yang telah memberikan bimibingan, arahan dan saran-saran

dalam penyusunan skripsi penulis.

5. Ibu Hendrieta Ferieka, S.E., M.Si. selaku penguji I dan Bapak Mochamad

Indrajit Roy, S.P., M.M. selaku penguji II yang telah menjadi penguji yang

baik dengan member arahan, petunjuk dan saran dalam penyelesaian skripsi

ini.

6. Bapak/Ibu seluruh Dosen, staf dan pegawai Fakultas Ekonomi dan Bisnis

Islam, yang telah membantu baik secara langsung maupun tidak langsung

dalam proses penulisan skripsi ini.

7. Orang tersayang Yupi Hastito yang selalu menemasi perjalananku, bestiku

Nur terkhusus “BAD Student”, teteh-tetehku, teh Amel, teh Anis, teh Riska,

teh Mega dan teh Nina serta kamar 4 (Rezka, Irma, Aal, Ulan, Aan, Sopi,

Evi) yang selalu mendoakan, membantu, mendorong dan memberikan

semangat dalam penyusunan skripsi.

8. Guru-guruku yang selalu mendoakan dan mendorong penulis sampai bisa

menyelesaikan studi.

x
9. Teman-teman seperjuangan prodi Perbankan Syariah terkhusus kelas B

angkatan 2019, teman-teman KUKERTA 164, teman-teman dan adik-adik

Pesantren Modern KULNI Cikande, Pondok Pesantren Al Mustajib Madarijul

Ulum Cipocok Jaya, serta seluruh pihak yang tidak dapat disebutkan satu

persatunya yang telah memberikan pengarahan, motivasi dan dukungan

dalam penyusunan skripsi ini.

Terimakasih atas segala kebaikan dan keikhlasan doa yang diberikan

untuk penulis. Penulis berdoa semoga Allah SWT membalas semua itu dengan

kebaikan yang setimpal dan menjadikan amal baik. Dengan penuh kesadaran diri

dan kerendahan hati penulis menyadari masih banyak kekurangan dalam

penulisan skripsi dan penulis masih dalam tahap belajar. Maka dari itu penulis

mohon maaf atas segala kekurangan, sehingga penulis membutuhkan kritik dan

saran yang membangun. Semoga skripsi ini dapat bermanfaat bagi penulis

khususnya dan bagi pembaca umumnya.

Serang, 12 Mei 2023

Penulis,

Nur Siti Maidah

NIM. 191420056

DAFTAR ISI

xi
PERNYATAAN KEASLIAN SKRIPSI...................................................................i
ABSTRAK...............................................................................................................ii
NOTA DINAS.......................................................................................................iii
PERSETUJUAN.....................................................................................................iv
PENGESAHAN.......................................................................................................v
PERSEMBAHAN...................................................................................................vi
MOTTO.................................................................................................................vii
RIWAYAT HIDUP..............................................................................................viii
KATA PENGANTAR............................................................................................ix
DAFTAR ISI..........................................................................................................xii
DAFTAR TABEL.................................................................................................xiv
DAFTAR GAMBAR.............................................................................................xv
BAB I PENDAHULUAN........................................................................................1
A. Latar Belakang Masalah................................................................................1
B. Identifikasi Masalah......................................................................................8
C. Batasan Masalah...........................................................................................9
D. Rumusan Masalah.......................................................................................10
E. Tujuan Penelitian........................................................................................10
F. Manfaat Penelitian......................................................................................11
G. Sistematika Pembahasan.............................................................................12
BAB II LANDASAN TEORI................................................................................13
A. Bank Syariah...............................................................................................13
1. Pengertian Bank Syariah.........................................................................13
2. Prinsip Operasional Bank Syariah...........................................................15
B. Financial Distress........................................................................................21
1. Pengertian Financial Distress..................................................................21
2. Macam-macam Kategori Financial Distress..........................................23
3. Faktor-Faktor Financial Distress.............................................................24
4. Indikator Untuk Mengukur Financial Distress.......................................26
C. Prediksi........................................................................................................29
1. Pengertian Prediksi..................................................................................29

xii
 2. Jenis-jenis Prediksi (Peramalan).............................................................32
3. Tujuan Prediksi........................................................................................33
4. Manfaat Prediksi......................................................................................34
5. Jenis-Jenis Metode Prediksi....................................................................34
6. ARIMA Box-Jenkins...............................................................................37
D. Penelitian Terdahulu Yang Relevan...........................................................41
E. Kerangka Pemikiran....................................................................................43
F. Hipotesis Penelitian.....................................................................................45
BAB III METODOLOGI PENELITIAN..............................................................47
A. Tempat dan Waktu Penelitian.....................................................................47
B. Jenis Penelitian dan Sumber Data...............................................................47
C. Populasi dan Sampel...................................................................................48
D. Teknik Analisis Data...................................................................................49
E. Teknik Pengumpulan Data..........................................................................48
BAB IV HASIL DAN PEMBAHASAN...............................................................52
A. Gambaran Umum Bank BCA Syariah........................................................52
B. Deskriptif Data............................................................................................54
C. Hasil Penelitian...........................................................................................56
D. Pembahasan Hasil Penelitian......................................................................91
BAB V KESIMPULAN DAN SARAN.................................................................96
A. Kesimpulan.................................................................................................96
B. Saran............................................................................................................98
DAFTAR PUSTAKA..........................................................................................100
LAMPIRAN.........................................................................................................105

xiii
 DAFTAR TABEL

Tabel 1.1 Predikat Kesehatan Bank Menurut Rasio CAR 27

Tabel 1.2 Skala Predikat dan rasio Current Ratio 28
Tabel 1.3 Skala Predikat dan Rasio DAR 28
Tabel 1.4 Plot Sampel ACF/PACF dari Model ARMA 40
Tabel 2.1 Data Triwulan CAR, Current Ratio dan DAR 54
Tabel 2.2 Uji Stasioner CAR pada Tingkat Level 57
Tabel 2.3 Uji Stasioner CAR differencing Tingkat Pertama 59
Tabel 2.4 Estimasi Parameter Model dari CAR 62
Tabel 2.5 Hasil Prediksi CAR 67
Tabel 3.1 Uji Stasioner Current Ratio pada Tingkat Level 69
Tabel 3.2 Uji Stasioner Current Ratio differencing Tingkat Pertama 71
Tabel 3.3 Estimasi Parameter Model dari Current Ratio 73
Tabel 3.4 Hasil Prediksi Current Ratio 78
Tabel 4.1 Uji Stasioner DAR pada Tingkat Level 80
Tabel 4.2 Uji Stasioner DAR differencing Tingkat Pertama 82
Tabel 4.3 Estimasi Parameter Model dari DAR 85
Tabel 4.4 Hasil Prediksi Current Ratio 90

xiv
 DAFTAR GAMBAR

Gambar 1.1 Perkembangan Indikator untuk Mengukur Financial Distress 6

Gambar 2.1 Kerangka Pemikiran 44
Gambar 3.1 Plot Data CAR 56
Gambar 3.2 Plot Uji Stasioner CAR Tingkat Level 57
Gambar 3.3 Plot Data d(CAR) 58
Gambar 3.4 Plot ACF dan PACF d(CAR) 61
Gambar 3.5 Plot ACF/PACF dan Uji Q-Ljung-Box 64
Gambar 3.6 Hasil Estimasi Peramalan Data CAR 66
Gambar 3.7 Hasil Prediksi CAR 67
Gambar 4.1 Plot Data Current Ratio 68
Gambar 4.2 Plot Uji Stasioner Current Ratio Tingkat Level 69
Gambar 4.3 Plot Data d(CR) 70
Gambar 4.4 Plot ACF dan PACF d(CR) 72
Gambar 4.5 Plot ACF/PACF dan Uji Q-Ljung-Box 76
Gambar 4.6 Hasil Estimasi Peramalan Data Current Ratio 77
Gambar 4.7 Hasil Prediksi Current Ratio 78
Gambar 5.1 Plot Data DAR 79
Gambar 5.2 Plot Uji Stasioner DAR Tingkat Level 80
Gambar 5.3 Plot Data d(DAR) 81
Gambar 5.4 Plot ACF dan PACF d(DAR) 84
Gambar 5.5 Plot ACF/PACF dan Uji Q-Ljung-Box 87
Gambar 5.6 Hasil Estimasi Peramalan Data DAR 89
Gambar 5.7 Hasil Prediksi DAR 90

xv
 BAB I
PENDAHULUAN

A. Latar Belakang Masalah

Pada tahun 1998 Indonesia mengalami krisis ekonomi yang

berpengaruh pada kestabilan sektor perekonomian dan juga perbankan di

Indonesia. Karena sektor perekonomian mendapatkan dana yang diperoleh

dari perbankan. perbankan merupakan faktor utama dalam penyimpanan dan

penyaluran dana bagi perekonomian. Perbankan sebagai lembaga

intermediasi yang berkaitan langsung dengan perkembangan sektor riil dan

juga dengan peredaran uang di masyarakat. Sehingga perbankan masih

menjadi tumpuan aktivitas ekonomi masyarakat terutama sebagai sumber

penyimpanan dan penyaluran dana yang dipercaya oleh masyarakat.1

Undang-Undang Republik Indonesia Nomor 7 Tahun 1992 tentang

perbankan disahkan pada tanggal 25 Maret 1992 dan diundangkan di Jakarta

melalui Lembaran Negara RI Nomor 31 Tahun 1992. Sebagai akibat yang

sangat cepat dalam bisnis perbankan nasional, terutama pada tahun1997 dan

1998 (antara lain terjadinya krisis moneter), serta buruknya kinerja dunia

perbankan nasional (khususnya berkaitan dengan tingkat kesehatan bank),

pemerintah memandang perlu untuk melakukan perubahan-perubahan

terhadap undang-undang perbankan yang ada. Kemudian pada tanggal 17

Oktober 1998 lembaga menyetujui rancangan undang-undang perbankan

1
Imaduddin Shidiq dan Buddi Wibowo, ”Prediksi Financial Distress Bank Umum Di
Indonesia: Analisis Diskriminan Dan Regresi Logistik”, Jurnal Bisnis dan Manajemen, Vol. 7,
No. 1, April 2017, h. 28.

1
 2

yang baru menjadi Undang-Undang No. 10 Tahun 1998 tentang perubahan

Undang-Undang No. 7 Tahun 1992 tentang perbankan dan disahkan oleh

Presiden RI pada tanggal 10 November 1998.2

Bank merupakan lembaga keuangan yang mempunyai peranan

penting dalam bidang perekonomian. Bank digunakan oleh perusahaan,

badan-badan pemerintah dan swasta sebagai tempat untuk penyimpanan

dana. Selain itu, bank juga sebagai tempat penyimpanan dana untuk

pembiayaan dan berbagai jasa yang diberikan. Bank melayani kebutuhan

pembiayaan dan melancarkan mekanisme sistem pembayaran bagi semua

sektor perekonomian.3 Bank merupakan suatu badan usaha yang tugas

utamanya sebagai lembaga intermediasi (financial intermediaries), sebagai

perantara untuk menyalurkan dana dari pihak yang kelebihan dana (idle fund

surplus unit) kepada pihak yang kekurangan dana (deficit unit) atau

membutuhkan dana dengan waktu yang ditentukan sesuai dengan

kesepakatan.4

Peraturan mengenai bank syariah di Indonesia terdapat dalam UU

No. 21 Tahun 2008 tentang perbankan syariah. Bank syariah adalah bank

yang menjalankan kegiatan operasionalnya berdasarkan prinsip-prinsip

syariah.5 Perkembangan bank syariah di Indonesia begitu pesat sehingga

menjadi tolak ukur keberhasilan eksistensi ekonomi syariah. Bank Muamalat

2
Lukman Denda Wijaya, Manajemen Perbankan, (Bogor : Ghalia Indonesia, 2005), h.
1.

3
Lintang Kurniawati dan Nur Kholis, “Analisis Model Predeksi Financial Distress
Pada Perusahaan Perbankan Syariah Di Indonesia”, Syariah Paper Accounting FEB UMS, h. 145.
4
Lukman Denda Wijaya, Manajemen Perbankan, …, h. 14.
5
Andri Soemitra, Bank dan Lembaga Keuangan Syariah, Cet. Ke – 1, (Jakarta:
Prenadamedia Group, 2009), h. 61.
 3

Indonesia sebagai bank syariah pertama Indonesia yang menjadi pioneer

bagi bank syariah lainnya.6 Bank syariah terdiri atas 14 Bank Umum Syariah

(BUS) dan 20 Unit Usaha Syariah (UUS). Dari 14 bank umum syariah

tersebut salah satunya yaitu Bank BCA Syariah. Dimana Bank BCA Syariah

melaksanakan kegiatan operasionalnya berdasarkan prinsip-prinsip syariah

dengan ketentuan yang telah ditetapkan. Dengan begitu, BCA Syariah

menyatakan untuk menjadi pelopor sebagai industri perbankan syariah yang

unggul di bidang penghimpunan, pembiayaan bagi nasabah maupun dalam

bisnis.7

Lembaga yang sedang mengalami kesulitan keuangan dapat dinilai

dan dilihat dari laporan keuangan yang tercatat pada indeks-indeks tertentu.

Financial distress merupakan suatu kondisi penurunan keuangan yang tejadi

pada suatu lembaga sebelum terjadinya kebangkrutan ataupun likuidasi.

Kondisi penurunan keuangan dapat terjadi pada kesulitan likuidasi jangka

pendek yang sering dianggap sebagai kondisi dimana terjadi financial

distress ringan. Dengan begitu financial distress ada juga pada tingkat yang

lebih berat yang terjadi di suatu lembaga.

Perusahaan yang mengalami financial distress selalu terjadi

sebelum terjadinya kebangkrutan. Sehingga suatu lembaga atau perusahaan

dapat melakukan beberapa hal selama terjadinya financial distress yaitu

seperti melakukan perubahan yang signifikan dalam aset, laba yang

diperoleh baik laba bersih maupun laba per saham. Dengan begitu,
6
Nofinawati, “Perkembangan Perkembangan Syariah di Indonesia”, JURIS, Vol. 14,
No. 2, 2015, h. 67.
7
https://www.bcasyariah.co.id/ diakses pada tanggal 04 Desember 2022.
 4

perusahaan dapat melakukan hal tersebut demi menjaga perusahaan dalam

melakukan kegiatan operasionalnya agar tetap berjalan dan dapat

menstabilkan kondisi keuangannya kembali dengan normal. Pada dasarnya,

laporan keuangan suatu perusahaan menjadi acuan untuk meihat kondisi

keuangan dalam menilai kinerja suatu perusahaan baik bagi pihak internal

maupun eksternal pada kurun waktu tertentu. Analisa yang dapat dilakukan

terhadap laporan keuangan menggunakan rasio-rasio keuangan yang

menjadi tolak ukur kinerja keuangan suatu perusahaan termasuk untuk

mengukur kemungkinan terjadinya financial distress atau bahkan

kebangkrutan.8

Bank Indonesia telah mengeluarkan Surat Edaran No. 26/5/BPPP

tanggal 29 Mei 1993, berdasarkan ketentuan dalam Undang-Undang tetang

perbankan, yang mengatur tata cara penilaian tingkat kesehatan bank. Surat

edaran yang dibuat merupakan penyempurnaan ketentuan yang ditetapkan

Bank Indonesia dengan Surat Edaran No. 23/21/BPPP tanggal 28 Februari

1991.9 Bank syariah dapat melakukan penilaian kesehatannya berdasarkan

Peraturan Bank Indonesia (PBI) No. 9/1/PBI/2007 tentang sistem penilaian

tingkat kesehatan bank umum berdasarkan prinsip syariah yang berlaku

mulai 24 Januari 2007. Karena sistem perbankan yang sehat dinilai dari

kinerja keuangan bank yang baik. Kinerja keuangan bank yang sehat dapat

8
Jenny Pratiwi Assaji dan Zaky Machmuddah, “Rasio Keuangan Dan Prediksi
Financial Distress”, Jurnal Penelitian Ekonomi dan Bisnis, Vol. 2, No. 2, 2017, h. 59.
9
Lukman Denda Wijaya, Manajemen Perbankan, …, h. 141.
 5

menimbulkan kepercayaan masyarakat begitu pula sebaliknya, penurunan

kinerja keuangan bank dapat menurunkan kepercayaan masyarakat.10

Adapun penelitian terdahulu dari Heni Utari dan Mashitoh Akbar

dengan judul “Analisis Prediksi Financial Distress Model ZMIJEWSKI X-

Score Pada Perbankan Syariah di Indonesia Periode 2016-2018”. Variabel

yang digunakan pada penelitian ini yaitu variabel dependen : analisis

prediksi financial distress dan variabel independen : Return On Asset (ROA),

Leverage (Debt Ratio) dan Likuiditas (Current Ratio) dengan metode

ZMIJEWSKI X-Score. Objek penelitian dan metode yang digunakan pada

penelitian ini menjadi perbedaan dengan penelitian terdahulu. Penelitian ini

hanya terfokus untuk memprediksi Bank BCA Syariah dengan

menggunakan metode ARIMA Box-Jenkins. Prediksi ini dilakukan dengan

jangka waktu kurang lebih satu tahun dengan indikator yang digunakan pada

penelitian ini yaitu rasio permodalan, rasio leverage, dan rasio likuiditas.

Rasio yang digunakan pada penelitian terdahulu dan penelitian ini hanya

satu perbedaan yaitu pada rasio permodalan.

Menurut Deputi Gubernur Bank Indonesia menjelaskan bahwa

penerapan mengenai perkiraan produk dan jasa perbankan syariah. Bank

syariah dalam melakukan penilaian tingkat kesehatannya dapat memasukkan

risiko yang biasanya melekat pada aktivitas bank (inherent risk). Hal ini

merupakan bagian dari proses penilaian manajemen risiko. Bank syariah

wajib melakukan penilaian kesehatan bank secara triwulanan, dengan faktor-

10
Heni Utari dan Masithah Akbar, “Analisis Prediksi Financial Distress Model
ZMIJEWSKI X-Score Pada Perbankan Umum Syariah di Indonesia Periode 2016-2018.
 6

faktor yang meliputi seperti : permodalan (capital), kualitas aset (asset

quality), rentabilitas (earning), likuiditas (liquidity), sensitivitas teradap

risiko pasar (sensitivity to market risk), dan manajemen (management).11

Dengan begitu penelitian ini menggunakan beberapa indikator saja yaitu

pada rasio permodalan (capital), rasio likuiditas (liquidity) pada current

ratio dan rasio solvabilitas (leverage) pada debt to asset ratio (DAR) untuk

mengukur financial distress pada Bank BCA Syariah. Berikut dapat dilihat

grafik rasio permodalan, rasio likuiditas dan rasio solvabilitas Bank BCA

Syariah :

Gambar 1.1
Perkembangan Indikator untuk Mengukur Financial Distress

Grafik CAR, Current Ratio dan DAR

90
80
70
60 CAR
50 Current Ratio
DAR
40
30
20
10
0
2014 2015 2016 2017 2018 2019 2020 2021 2022

Berdasarkan gambar 1.1 dapat dikatakan bahwa Tahun 2018 rasio

CAR mengalami penurunan dan di Tahun 2020 mengalami kenaikan.

11
Kasmir, Dasar-Dasar Perbankan, (Jakarta : PT Raja Grafindo Persada, 2014), Edisi
Ke-14, h. 254 & 255.
 7

Sedangkan rasio DAR di Tahun 2019 itu mengalami kenaikan. Sehingga

dapat dikatakan bahwa rasio CAR dan DAR ini mengalami fluktuasi di

setiap periodenya. Pada rasio Current Ratio mengalami penurunan pada

tahun 2015-2022 sehingga bank tersebut dapat meningkatnya perubahan

laba yang disebabkan efisiensi biaya modal. Berdasarkan uraian diatas dapat

dikatakan bahwa rasio kecukupan modal dan rasio solvabilitas terjadinya

fluktuasi di setiap triwulanan. Sehingga perlu adanya tindakan strategi

perusahaan untuk bisa mencegah terjadinya kekurangan keuangan salah

satunya dengan melakukan prediksi pada perusahaan.

Melihat dari beberapa indikator yaitu Capital Adequacy Ratio

(CAR), Current Ratio, dan Debt to Asset Ratio (DAR) pada bank BCA

Syariah, maka penelitian ini berjudul ”Prediksi Financial Distress Pada

Bank BCA Syariah Periode 2023-2024 Menggunakan Metode ARIMA

Box-Jenkins” dengan indikator yang digunakan pada penelitian ini adalah

rasio kecukupan modal, rasio likuiditas dan rasio solvabilitas (leverage).

Data yang digunakan adalah data triwulan yang diambil dari data triwulan

pertama pada bulan maret tahun 2014 sampai dengan data triwulan keempat

tahun 2022.

Metode yang digunakan adalah metode prediksi dengan model

linier runtun waktu (time series) nonstasioner homogen dikenal sebagai

model ARIMA (Autoregresif Integreted Moving Average). ARIMA adalah

gabungan model AR dan MA melalui proses diferensi.12 Alasan

12
Sri Wisnu suseno, “Penerapan Metode Arima Box-Jenkins Untuk Peramalan Pasien
Rawat Jalan Di Rsud Kartini Kabupaten Jepara Berbantuan Eviews”, Skripsi, Prodi Matematika,
Universitas Negeri Semarang, h. 34.
 8

menggunakan metode ini karena data pada prediksi penelitian ini periode

jangka pendek. Sehingga model ARIMA sangat cocok untuk melakukan

prediksi secara bertahap untuk ketiga variabel pada penelitian ini. Data yang

digunakan dalam bentuk persen. Data tersebut dari nilai kecukupan modal

(CAR), rasio likuiditas (liquidity) pada current ratio dan rasio solvabilitas

(leverage) pada debt to asset ratio (DAR) yang dipublikasikan oleh Bank

BCA Syariah dalam Statistik Perbankan Syariah. Dari hasil prediksi diatas

dengan menggunakan metode ARIMA akan dihitung nilai prediksi Financial

Distress pada penelitian ini.

B. Identifikasi Masalah

Berdasarkan latar belakang diatas, maka dapat di identifikasikan

masalah pada penelitian ini yaitu melihat dari kecukupan modal, rasio

likuiditas dan rasio solvabilitas dalam memprediksi terjadinya financial

distress pada Bank BCA Syariah untuk satu tahun ke depan. Identifikasi

masalah yaitu sebagai berikut :

1. Financial distress merupakan situasi dimana perusahaan tidak mampu

memenuhi kewajiban-kewajiban debitur karena perusahaan mengalami

kekurangan atau ktidakcukupan dana.

2. Rasio keuangan menjadi tolak ukur untuk melihat baik atau tidak nya

suatu perusahaan, sehingga perusahaan perlu adanya tindakan strategi

perusahaan untuk bisa mencegah terjadinya kekurangan keuangan salah

satunya dengan melakukan prediksi pada perusahaan.

 9

3. Prediksi merupakan salah satu upaya mengantisipasi atau memperkirakan

apa yang akan terjadi di masa depan dengan menggunakan berbagai data

yang bersangkutan dari masa lampau.

4. Seberapa besar aset perusahaan yang dibiayai oleh hutang atau seberapa

besar hutang perusahaan berpengaruh terhadap pengelolaan aset.

5. Memprediksi financial distress Bank BCA Syariah dengan indikator-

indikator tersebut selama satu tahun ke depannya.

C. Batasan Masalah

Dalam penelitian ini, penulis memfokuskan dan membatasi

penelitian yang akan dilakukan :

1. Penelitian ini hanya menggunakan beberapa variabel saja yang akan diuji

oleh peneliti untuk mendapatkan hasil yang terbaik dari variabel tersebut

menggunakan data time series dari tahun 2014-2022.

2. Periode pada penelitian ini cukup pendek yaitu kurang lebih satu tahun

yaitu periode 2023-2024.

3. Indikator yang akan digunakan untuk mengukur financial distress yaitu

rasio Capital Adequacy Ratio (CAR), Current Ratio dan Debt to Asset

Ratio (DAR).

4. Metode prediksi dengan model ARIMA-Box Jenkins yang akan

digunakan pada penelitian ini dalam memprediksi financial distress pada

Bank BCA Syariah.

 10

D. Rumusan Masalah

Berdasarkan latar belakang, identifikasi dan batasan masalah diatas,

maka dapat dirumuskan permasalahan sebagai berikut :

1. Bagaimana prediksi financial distress pada Bank BCA Syariah dilihat

dari Capital Adequacy Ratio (CAR), Current Ratio dan Debt to Asset

Ratio (DAR) dengan Metode ARIMA Box-Jenkins?

2. Bagaimana hasil prediksi financial distress pada Bank BCA Syariah

dilihat dari Capital Adequacy Ratio (CAR), Current Ratio dan Debt to

Asset Ratio (DAR) dengan Metode ARIMA Box-Jenkins?

E. Tujuan Penelitian

Berdasarkan rumusan masalah diatas, maka tujuan penelitian ini

sebagai berikut :

1. Untuk menganalisa prediksi financial distress pada Bank BCA Syariah

dilihat dari Capital Adequacy Ratio (CAR), Current Ratio dan Debt to

Asset Ratio (DAR) dengan Metode ARIMA Box-Jenkins.

2. Untuk menganalisa hasil prediksi financial distress pada Bank BCA

Syariah dilihat dari Capital Adequacy Ratio (CAR), Current Ratio dan

Debt to Asset Ratio (DAR) dengan Metode ARIMA Box-Jenkins.

F. Manfaat Penelitian

1. Bagi Praktisi
 11

Manfaat penelitian ini bagi praktisi adalah untuk menjadi

referensi dan acuan dalam mengetahui penyebab terjadinya financial

distress. Sehingga dapat diketahui langkah-langkah apa saja yang harus

dilakukan sebagai seorang praktisi dalam mencegah terjadinya financial

distress dimasa mendatang dan untuk meningkatkan tingkat kesehatan

pada bank BCA syariah.

2. Bagi Akademisi

Manfaat penelitian ini bagi akademisi adalah sebagai media

referensi bagi peneliti selanjutnya dan sebagai kontribusi dalam

memberikan ilmu pada bidang keuangan khususnya bidang perbankan

syariah.

3. Bagi Umum

Manfaat penelitian ini bagi umum adalah sebagai media untuk

mengetahui bank syariah yang tidak mengalami financial distress dan

untuk lebih kompeten dalam memilih bank syariah yang sehat.

4. Bagi Peneliti

Manfaat penelitian ini bagi peneliti adalah memperoleh ilmu

pengetahuan baru untuk dapat mengetahui mengenai bank syariah yang

tidak mengalami financial distress dan menjadikan pengalaman bagi

peneliti untuk memprediksi bank syariah yang baik.

G. Sistematika Pembahasan
 12

Adapun sistematika penulisan pada penelitian ini adalah sebagai

berikut :

Bab ke- Satu, Pendahuluan yang menggambarkan tentang : Latar

Belakang, Identifikasi Masalah, Rumusan Masalah, Pembatasan Masalah,

Tujuan Penelitian, Manfaat Penelitian, dan Sistematika Pembahasan.

Bab ke- Dua, Kajian Pustaka menjelaskan tentang teori-teori yang

akan dibahas sesuai dengan penelitian dan menjadi landasan pendukung

pada penelitian berupa penelitian terdahulu, kerangka pemikiran dan

hipotesis yang digunakan.

Bab ke- Tiga, Metodologi Penelitian yang menguraikan tetang

data-data yang diteliti dan metode yang digunakan dalam penelitian serta

sumber data yang digunakan pada penelitian.

Bab ke- Empat, Deskripsi Data dan Pembahasan menjelaskan

tentang hasil dan pembahasan yang dihasilkan dari analisis data dan

pengujian hipotesis yang dilakukan.

Bab ke- Lima, Kesimpulan dan Saran yang menguraikan tentang

kesimpulan yang diambil dari hasil penelitian dan saran-saran untuk

penelitian yang telah diteliti oleh peneliti.

 BAB II
LANDASAN TEORI

A. Bank Syariah

1. Pengertian Bank Syariah

Lembaga keuangan (Financial Institution) adalah suatu badan

usaha yang modal utamanya berbentuk aset keuangan maupun tagihan-

tagihan yang berupa pinjaman, saham, dan obligasi. Hal ini dapat

dibandingkan dengan aktiva riil dalam suatu perusahaan seperti bangunan,

perlengkapan dan bahan baku lainnya.13 Menurut Undang-Undang Nomor

10 Tahun 1998 tentang perbankan, dimana bank merupakan lembaga atau

suatu badan usaha yang kegiatannya menghimpun dana dari pihak yang

kelebihan dana dalam bentuk simpanan dan menyalurkannya kepada

masyarakat yang membutuhkan dana dalam bentuk kredit atau bentuk-

bentuk lainnya.14

Perbankan syariah merupakan suatu badan usaha yang mengenai

tentang bank syariah dan unit usaha syariah, serta mencakup kelembagaan

atau kegiatan usaha, dengan proses memberikan produk dan jasa dalam

kegiatan usahanya. Bank syariah menjadi lembaga intermediasi antara

pihak investor atau pihak yang ingin menginvestasikan dananya di bank

13
Afiqah Dahniaty, “Lembaga Keuangan Syariah Non Bank Pegadaian Syariah dan
Lembaga Keuangan MIkro syariah”, Skripsi, Prodi Perbankan Syariah, Institut Agama Islam
Negeri (IAIN) Bengkulu, 2021, h. 11.
14
Hery, Bank dan Lembaga Kuangan Lainnya, (Jakarta : PT. Grasindo, 2019), h. 10.

13
 14

kemudian bank syariah sebagai penyalur dananya kepada pihak lain yang

membutuhkan dana.15

Berdasarkan definisi bank yaitu lembaga yang menjadi

penghimpun dana dari masyarakat dalam bentuk simpanan dan dapat

menyalurkannya kepada masyarakat dalam bentuk pembiayaan. Sesuai

dengan Undang-Undang No. 21 Tahun 2008 tentang Perbankan Syariah.

Bank Syariah merupakan lembaga yang menjalankan kegiatan usahanya

sesuai dengan prinsip syariah. Menurut jenisnya bank terdiri atas Bank

Umum Syariah dan Bank Pembiayaan Rakyat Syariah. 16 Berdasarkan

jenisnya, bank syariah terdiri atas tiga jenis yaitu sebagai berikut :17

a. Bank Umum Syariah (BUS) merupakan lembaga bank yang berbasis

syariah dengan berdiri sendiri sesuai akta pendiriannya tanpa campur

tangan bank konvensional dan bukan merupakan bagian dari bank

konvensional.

b. Unit Usaha Syariah (UUS) adalah lembaga yang menjalankan kegiatan

operasionalnya berdasarkan prinsip syariah namun berada pada

pengelolaan bank konvensional.

c. Bank Pembiayaan Rakyat Syariah (BPRS) merupakan lembaga bank

syariah yang tidak menyediakan layanan terkait pembayaran.

Didirikannya bank syariah bertujuan untuk mempromosikan

produk dan jasa berdasarkan prinsip Islam, syariah dan tradisinya ke

15
Ismail, Perbankan Syariah, (Jakarta : PT Fajar Interpratama Offset, 2011), h. 32.
16
Ikatan Bankir Indonesia, Mengelola Bank Syariah, (Jakarta : PT Gramedia Pustaka
Utama, 2014), Cet. Ke-1, h. 2.
17
Ismail, Perbankan Syariah, …, h. 33.
 15

dalam kegiatan muamalah dibidang keuangan dan perbankan serta bisnis

lain yang terkait. Prinsip utama bank syariah yaitu :18

a. Setiap bentuk transaksi dilarang adanya penambahan dana atau riba

b. Melakukan kegiatan usaha dengan mendapatkan keuntungan yang sah

berdasarkan saling ridho.

c. Memberikan tempat dalam pembayaran zakat.

2. Prinsip Operasional Bank Syariah

Lembaga keuangan syariah didirikan bertujuan untuk

mempromosikan dan mengembangkan penerapan prinsip-prinsip syariah

dalam transaksi keuangan dan perbankan serta bisnis yang lainnya. Prinsip

syariah merupakan prinsip berdasarkan hukum Islam yang telah di

tetapkan dalam Al-Qu’an dan Sunah untuk kegiatan perbankan dan

keuangan dengan berdasarkan fatwa yang dikeluarkan oleh lembaga yang

memiliki kewenangan dalam penetapan fatwa dibidang syariah dilandasi

oleh nilai-nilai keadilan, kemanfaatan, keseimbangan, dan keuniversalan

(rahmatan lil”alamin).19

Kegiatan dalam bidang keuangan dan perbankan berdasarkan

prinsip Islam yang pelaksanaannya sesuai dengan ajaran Al-Quran yaitu

sebagai berikut :

18
Zainul Arifin, Dasar-Dasar Manajemen Bank Syariah, (Tangerang : Azkia Publisher,
2009), Cet. Ke-7, h. 3.

19
Andri Soemitra, Bank dan Lembaga Keuangan Syariah, …, h. 35.
 16

a. Prinsip At-Ta’awun, merupakan tolong menolong dan saling bekerja

sama dalam melakukan kebaikan, sebagaimana dinyatakan dalam Al-

Quran dalam surat Al-Maidah ayat 2 yang berbunyi :20

       

.…   
“…Dan tolong menolonglah kamu dalam (mengerjakan) kebajikan
dan taqwa, dan jangan tolong menolong dalam berbuat dosa dan
pelanggaran…” (QS. Al-Maidah : 2)21

b. Prinsip Al- Ikhnaz, merupakan sifat untuk menghindari dari menahan

uang dengan tidak menggunakannya dalam transaksi sehingga dana

tersebut tidak bermanfaat bagi orang lain, sebagaimana dinyatakan

dalam surat An- Nisa ayat 29 yang berbunyi :22

    

     
.…     
“Hai orang-orang yang beriman, janganlah kamu saling memakan
harta sesamamu dengan jalan bathil, kecuali dengan jalan yang
perniagaan yang berlaku dengan suka sama suka diantara kamu…”23

Prinsip utama lembaga keuangan syariah dalam menjalankan

kegiatan operasionalnya yaitu terbebas dari Maysir, Gahrar, Haram, dan

Riba (MAGHRIB) yaitu diantaranya :24

20
Zainul Arifin, Dasar-Dasar Manajemen Bank Syariah, …, h. 15.
21
Yayasan Penyelenggara Penterjemah AL-qur’an Departemen Agama RI, Al-Quran
Digital dan Terjemahannya.
22
Zainul Arifin, Dasar-Dasar Manajemen Bank Syariah, …, h. 15.
23
Yayasan Penyelenggara Penterjemah AL-qur’an Departemen Agama RI, Al-Quran
Digital dan Terjemahannya.
24
Andri Soemitra, Bank dan Lembaga Keuangan Lainnya, …, h. 36.
 17

a. Maysir secara bahasa yang artinya judi, secara umum merupakan

mendapatkan keuntungan dengan cara mengundi nasib. Maysir

merupakan transaksi yang dilakukan dengan sesuatu yang tidak pasti

dan bersifat untung-untungan. Dalam ekonomi, pelarangan judi dapat

membuat investasi ke sektor produktif makin terdorong karena tidak

ada investasi yang digunakan ke sektor judi dan spekulatif.

b. Gharar secara bahasa yang berarti menipu, memperdaya,

ketidakjelasan. Gharar merupakan sesuatu yang dapat memperdayakan

manusia dalam bentuk harta, kemegahan, jabatan, syahwat (keinginan)

dan lain sebagainya. Gharar yang berarti menjalankan segala sesuatu

secara tidak baik dan dapat dikatakan tanpa pengetahuan didalamnya.

Sehingga melakukan transaksi tanpa mengetahui resiko apa yang akan

terjadi dan tidak tahu pasti apa akibatnya atau memasuki kancah risiko

tanpa memikirkan konsekuensinya. Gharar dapat terjadi pada transaksi

yang obeknya tidak jelas. Sehingga gharar dilarang dalam ekonomi

karena menghindari ketidakjelasan dalam berbisnis.

c. Haram secara bahasa yang berarti larangan. Larangan bisa terjadi

karena adanya pertimbangan atau tidak boleh dilakukan. Setiap orang

diharapkan untuk menghilangkan segala sesuatu yang dilarang dalam

kegiatan ekonominya, baik yang dilarang dari segi zat maupun tidak.

Menurut ajaran Islam, umat Islam hanya boleh memproduksi,

mengkonsumsi, dan mendistribusikan komoditas dan layanan legal,

terlepas dari bagaimana mendekati, menangani, atau

 18

memperlakukannya. Secara ekonomi, hanya praktik dan barang yang

mendukung hak asasi manusia yang akan digunakan dalam investasi

etis.

d. Riba adalah istilah bahasa yang menunjukkan pertumbuhan dan

ekspansi. Dalam transaksi perdagangan barang yang sebanding tetapi

tidak identik dalam hal kualitas, kuantitas, atau waktu penyerahan

(fadhl), atau dalam kegiatan pinjam meminjam yang melibatkan

nasabah, riba adalah penambahan pendapatan yang diperoleh secara

tidak sah (bathil). Karena berlalunya waktu (nasi'ah), penerima fasilitas

wajib mengembalikan jumlah yang melebihi pokok pinjaman. Secara

ekonomi, pelarangan riba memudahkan aliran investasi dan

mencegahnya terkendala suku bunga yang menghambat aliran modal ke

sektor produktif. Adapun macam-macam riba yaitu sebagai berikut :25

1) Riba Nasi’ah

Riba Nasi'ah adalah tambahan yang diambil karena

keterlambatan pembayaran utang untuk membayar pada tanggal

jatuh tempo yang baru, baik penambahan itu sebagai denda atas

keterlambatan pembayaran utang atau sebagai tambahan utang

baru.

2) Riba Fadhal

Riba fadhl adalah kelebihan yang diakibatkan oleh

penukaran barang yang sejenis dengan barang yang sama tetapi

25
Syamsul Efendi, “Riba dan Dampaknya dalam Masyarakat dan Ekonomi”, Vol. 2,
No. 18, 2019. h. 71.
 19

nilainya berbeda. Mengenai pembenaran yang diberikan oleh Imam

Muslim untuk mengharamkan riba fadhal yaitu :

‫ص لَّى اللَّهُ َعلَْي ِه َو َس لَّ َم‬ ِ ُ ‫ال رس‬

َ ‫ول اللَّه‬
ِ ِ َّ ‫عن عب ادةَ ب ِن‬
ُ َ َ َ‫الص امت قَ َال ق‬ ْ َ َُ ْ َ
‫الش عِ ِري َوالت َّْم ُر‬
َّ ِ‫الش عِريُ ب‬ َّ ‫ض ةُ بِالْ ِف‬
َّ ‫ض ِة َوالُْب ُّر بِ الُْبِّر َو‬ َّ ‫ب َوالْ ِف‬ َّ ِ‫الذ َهب ب‬
ِ ‫الذ َه‬
ُ
َّ

ٍ ٍ ِ‫ِ ِ مِب‬ ِ
‫ت‬ ْ ‫بِ الت َّْم ِر َوالْم ْل ُح بِ الْم ْل ِح مثْاًل ثْ ٍل َس َواءً بِ َس َواء يَ ًدا بِيَ د فَ ِإذَا‬
ْ ‫اخَتلَ َف‬
‫ف ِشْئتُ ْم ِإ َذا َكا َن يَ ًدا بِيَ ٍد‬
َ ‫اف فَبِيعُوا َكْي‬
ُ َ‫اَأْلصن‬
ْ ‫َهذه‬
ِِ

Artinya :“Emas dengan emas, perak dengan perak, gandum

dengan gandum, sya’ir dengan sya’ir, kurma dengan kurma,
garam dengan garam, semisal, setara, dan kontan. Apabila
jenisnya berbeda, juallah sesuka hatimu jika dilakukan dengan
kontan”. (HR. Muslim dari Ubadah bin Shamitra).

3) Riba Al-Yadh

Riba yadh adalah jual beli yang terjadi sebelum pembeli

menerima barang yang dipesannya dari penjual dan dilarang untuk
menjual kembali barang tersebut karena pembeli belum
mendapatkan barang tersebut dan masih terikat dengan akad jual
beli yang semula. Dengan kata lain, sebelum terjadi serah terima,
kedua pihak yang melakukan penukaran uang atau barang telah
meninggalkan lokasi aqad. Larangan riba yadh ditetapkan dalam
hadits.

‫ َوالتَ ْم ُر‬، ِ‫الشعِرْي‬ ِ ِ ِ ‫اَل َذهب بِال َذه‬

َ ِ‫الشعِْي ُر ب‬
َ ‫ َو‬، ِ‫ َوالُْب ُر بِالْرُب‬،‫ض ِة‬
َ ‫ضةُ بِالْف‬
َ ‫ َوالْف‬،‫ب‬ َ ُ َ
‫بِالتَ ْم ِر‬،

‫ت َه ِذ ِه‬ ٍ ٍ ِ‫ِ ِ مِب‬ ِ

ْ ‫ فَِإ َذا‬،‫ يَداً بِيَد‬،‫ َس َواءً بِ َس َواء‬،‫ مثْالً ثْ ٍل‬،‫َوالْم ْل ُح بِالْم ْل ِح‬
ْ ‫اخَتلَ َف‬
‫ ِإ َذا َكا َن يَداً بِيَ ٍد‬،‫ف ِشْئتُ ْم‬
َ ‫اف فَبِْيعُ ْوا َكْي‬
ُ َ‫اَألصن‬
ْ
 20

Artinya : “Emas dengan emas riba kecuali dengan dibayarkan

kontan, gandum dengan gandum riba kecuali dengan dibayarkan
kontan, kurma dengan kurma riba kecuali dengan dibayarkan
kontan, kismis dengan kismis riba kecuali dengan dibayarkan
kontan”. (HR. Al-Bukhori dari Umar bin Al-Khattab).

4) Riba Qardhi

Riba qardhi adalah ketika seseorang meminjamkan uang

kepada Anda dengan imbalan keuntungan atau tunjangan yang

kemudian harus Anda kembalikan kepada pemberi pinjaman.

Mengingat bahwa si peminjam telah menetapkan adanya tambahan

pinjaman yang diberikan, maka hadits di atas menegaskan bahwa si

peminjam tidak boleh memberikan hadiah kepada si pemberi

pinjaman dalam bentuk apapun.

5) Bathil secara harfiah berarti "kosong". Kegiatan ekonomi tidak

boleh dilakukan secara tidak jujur, antara lain dengan menurunkan

skala, menggabungkan komoditas baik dan rusak untuk

meningkatkan keuntungan, penimbunan barang, penipuan, atau

pemaksaan. Secara ekonomi, pembatasan batil ini akan semakin

mengurangi moral hazard di pasar yang memiliki sejarah banyak

keuntungan yang merugikan banyak pihak.26

B. Financial Distress

1. Pengertian Financial Distress

26
Andri Soemitra, Bank dan Lembaga Keuangan Lainnya, …, h. 36.
 21

Financial distress merupakan kesulitan keuangan mengacu pada

situasi keuangan perusahaan ketika tidak sehat atau dalam krisis. Biasanya,

krisis keuangan datang sebelum kebangkrutan. Korporasi yang gagal atau

tidak mampu memenuhi kewajiban debitur dikatakan pailit. Perusahaan

yang berjuang untuk mengumpulkan cukup uang untuk mendukung

kegiatan operasional mereka biasanya berjuang untuk menghasilkan

keuntungan. Pada dasarnya laba atau laba yang diperoleh perusahaan akan

menjadi tolak ukur pembiayaan dan tanggung jawab yang harus dipenuhi

oleh perusahaan.27

Financial distress, seperti yang didefinisikan oleh Ross,

Westerfield, dan Jaffe (1999), terjadi ketika arus kas operasi perusahaan

tidak mencukupi untuk menutupi kewajiban yang ada (seperti kredit

perdagangan atau beban bunga), memaksa perusahaan untuk mengambil

tindakan korektif. Gagal bayar kontrak dapat diakibatkan oleh masalah

keuangan, dan ini mungkin memerlukan restrukturisasi keuangan termasuk

perusahaan, krediturnya, dan investor ekuitasnya. Dalam kebanyakan

kasus, bisnis didorong untuk mengambil langkah-langkah yang seharusnya

tidak mereka lakukan..28

Financial distress seperti yang didefinisikan oleh Platt dan Platt,

2002 (dalam Piscestalia dan Priyadi 2019), adalah kondisi kekurangan

keuangan perusahaan yang terjadi sebelum perusahaan mengalami

27
Melan Rahmaniah dan Hendro Wibowo, “Analisis Potensi Terjadinya Financial
Distress Pada Bank Umum Syariah (BUS) di Indonesia”, Jurnal Ekonomi dan Perbankan Syariah,
Vol. 3, No. 1, April 2015, h. 6.
28
Rico Lesmana dan Rudy Surjanto, Financial Performance Analyzing Pedoman
Menilai Kinerja Keuangan Untuk Perusahaan Tbl., Yayasan, BUMN, BUMD, dan Organisasi
Lainnya, (Jakarta : PT Elex Media Komputindo, 2003), Cet. 1, h. 173.
 22

kebangkrutan atau likuidasi. Financial distress dapat diakibatkan oleh tiga

faktor, menurut Zulaikah dan Laila (2016): (1) kekurangan modal atau

dana, (2) bunga dan biaya pembayaran utang yang tinggi, dan (3)

mengalami kerugian.29 Financial distress, yaitu kesulitan industri

keuangan dan ketakutan akan kebangkrutan, perusahaan gagal

menjalankan operasinya untuk menghasilkan keuntungan.30

Kebangkrutan terjadi saat perusahaan mengalami financial

distress. Kebutuhan akan model kesulitan keuangan berasal dari fakta

bahwa hanya sedikit penelitian yang mencoba memprediksi kesulitan

keuangan perusahaan. Dengan memahami kondisi financial distress suatu

perusahaan sejak dini, diharapkan dapat diambil tindakan untuk

mengantisipasi kondisi yang mengarah pada prediksi kebangkrutan

perusahaan. Financial distress adalah istilah yang digunakan untuk

menggambarkan keadaan di mana suatu perusahaan berada ketika

mengalami masalah keuangan, yang menempatkannya pada posisi genting

karena kemungkinan kebangkrutan atau matinya operasinya. Ada banyak

cara untuk mengukur kesulitan keuangan, seperti yang dituliskan oleh

Kurniasari (2009), yaitu sebagai berikut :

a. Financial distress diindikasikan, menurut Lau (1987) dan Hill et al.

(1996), dengan pemutusan hubungan kerja atau penghentian

pembayaran dividen.

29
Riska Elia, “Analisis Prediksi Financial Distress dengan Model Springate,
ZMIJEWSKI, dan Grover”, Jurnal Ilmu dan Riset Akuntansi, Vol. 10, No. 3, Maret 2021, h. 4.
30
Ni Komang Yuliani, I Nyoman Anggaradana, “Pengaruh Net Profit Margin, Return
on Asset, Likuiditas Terhadap Financial Distress (Studi Kasus Pada Perusahaan Agriculture
Terdaftar di Bursa Efek Indonesia Periode 2017-2019)”, Vol. 6, No. 1, Juni 2021, h. 3.
 23

b. Menggunakan interest coverage ratio untuk mendefinisikan financial

distress, Asquith, Gertner, dan Scharftein (1994) mengukur financial

distress.

c. Financial distress didefinisikan oleh Hofer (1980) dan Whitaker (1999)

terjadi pada tahun ketika sebuah perusahaan memiliki laba operasi

bersih negatif.31

2. Macam-macam Kategori Financial Distress

Menurut Fahmi (2013 : 95) bahwa financial distress memiliki

empat macam keadaan yaitu diantaranya :32

a. Masalah keuangan Kategori A, yang sangat serius dan berbahaya.

Kategori ini memungkinkan korporasi untuk menginformasikan pihak

terkait, seperti pengadilan, bahwa ia bangkrut. dan mendelegasikan

pengelolaan masalah tertentu kepada orang lain di luar perusahaan.

b. Kategori B, yang menunjukkan kesulitan keuangan yang ekstrem dan

dianggap berisiko. Korporasi mulai menghentikan pekerjaan dan

mengizinkan pensiun dini untuk beberapa karyawannya yang dianggap

tidak dapat dipertahankan, yang merupakan salah satu efek yang paling

terlihat dalam posisi ini.

31
Chalendra Prasetya Agusti, “Analisis Faktor Yang Mempengaruhi Kemungkinan
Terjadinya Financial Distress”, Skripsi, Fakultas Ekonomi dan Bisnis, Universitas Diponegoro,
2013, h. 20 & 21.
32
Ade Rosiyana Putri, “Analisis Springate (S-Score) Sebagai Alat Untuk Memprediksi
Financial Distress PT. Smartfren Telecom, Tbk Periode Tahun 2016-2019” Jurnal Ilmiah
Mahasiswa Akuntansi, Vol. 1, No. 2, Juni 2021, h. 95.
 24

c. Kategori C, atau kesulitan keuangan sedang, dalam hal ini masih

dianggap bahwa perusahaan dapat diselamatkan dengan mengumpulkan

dana tambahan baik dari sumber internal maupun eksternal.

d. Kesulitan keuangan rendah, atau Kategori D. Kategori ini termasuk

bisnis yang dianggap hanya sesekali mengalami perubahan keuangan

yang disebabkan oleh berbagai keadaan internal dan eksternal, termasuk

konsepsi dan pelaksanaan keputusan yang tidak terlalu bijaksana.

3. Faktor-Faktor Financial Distress

Untuk menghindari kesulitan keuangan dan kemungkinan

kebangkrutan, perusahaan harus melakukan dengan baik dalam hal operasi

dan pengelolaan uangnya. Kegiatan tersebut juga harus dilaksanakan

dengan baik dan semaksimal mungkin. Menurut fiqh, kepailitan dikenal

dengan istilah iflas (pailit), yang mengacu pada putusan hakim yang

mencegah seseorang untuk bertindak secara hukum atas harta miliknya..33

Financial distress dapat terjadi dari akibat internal atau eksternal

pada perusahaan. Menurut Damodaran (2001), financial distress yang

diakibatkan faktor internal perusahaan. Faktor-faktor tersebut diantaranya :

a. Kesulitan Arus Kas

Terjadi ketika operasi perusahaan gagal menghasilkan cukup

dana untuk menutupi semua biaya yang terkait dengan menjalankan

bisnis. Kesalahan manajemen yang dilakukan saat mengendalikan arus

33
Eka Sri Wahyuni, “Faktor-Faktor Penyebab Financial Distress Diukur Menggunakan
Metode Artificial Neural Network Pada Perbankan Syariah di Indonesia”, Jurnal Akuntansi dan
Pajak, Vol. 23, No. 1, 2022, h. 2.
 25

kas perusahaan untuk membayar aktivitas yang memperburuk situasi

keuangan perusahaan juga berkontribusi terhadap masalah arus kas.

b. Besarnya Jumlah Hutang

Tanggung jawab masa depan untuk membayar hutang akan

dihasilkan dari kebijakan perusahaan mengambil hutang untuk

membayar biaya yang timbul sebagai akibat dari operasi. Ketika tagihan

jatuh tempo dan perusahaan tidak memiliki dana untuk membayarnya,

ada kemungkinan kreditur akan menyita aset perusahaan untuk

menutupi selisih pembayaran tagihan.

c. Kerugian dalam Kegiatan Operasional Perusahaan Selama

Beberapa Tahun

Karena kerugian operasi, korporasi memiliki arus kas negatif.

Hal ini dapat terjadi karena biaya operasional perusahaan lebih tinggi

dari pendapatannya.

Mengenai penyebab eksternal financial distress yang

dikemukakan oleh Damodaran (2001), penyebab eksternal bagi

perusahaan lebih bersifat makro dan menjangkau spektrum yang lebih

luas. Peraturan pemerintah yang dapat menambah beban perusahaan

terhadap operasinya, seperti tarif pajak yang lebih tinggi, adalah contoh

variabel eksternal yang dapat mempengaruhi operasi perusahaan. Selain

itu, masih ada kebijakan menaikkan suku bunga pinjaman yang

menaikkan beban bunga perseroan..34

34
Chalendra Prasetya Agusti, “Analisis Faktor Yang Mempengaruhi Kemungkinan
Terjadinya Financial Distress”, Skripsi, Fakultas Ekonomi dan Bisnis, Universitas Diponegoro,
2013, h. 24 & 25.
 26

4. Indikator Untuk Mengukur Financial Distress

a. Capital Adequacy Ratio (CAR)

CAR adalah rasio yang menunjukkan seberapa besar semua

aset bank yang berisiko, termasuk pinjaman, investasi, surat berharga,

tagihan pada bank lain, dan utang, dibiayai dari cadangan modal bank

itu sendiri. Dengan kata lain, rasio kecukupan modal adalah rasio

kinerja bank yang digunakan untuk menentukan apakah bank

memiliki modal yang cukup untuk menutupi aset yang melibatkan

atau menimbulkan risiko, seperti pinjaman yang diberikan kepada

pelanggan.35

Penyediaan modal minimum bagi bank berdasarkan risiko aset,

yang secara garis besar didefinisikan mencakup baik aset yang

tercantum dalam neraca maupun aset administratif yang tercermin

dalam kewajiban yang masih bersifat kontinjensi dan/atau komitmen

yang dilakukan bank kepada pihak ketiga atau risiko pasar, adalah

dikenal dengan CAR, menurut Bank Indonesia (Nomor

9/13/PBI/2007).36

CAR adalah rasio permodalan yang menunjukkan kemampuan

bank untuk membiayai ekspansi perusahaan dan memperhitungkan

potensi risiko kerugian yang ditimbulkan oleh operasional bank.

Semakin baik situasi modal, semakin tinggi rasionya. Pasal 2 ayat 1

35
Lukman Dendawijaya, Manajemen Perbankan, (Jakarta : Ghalia Indonesia : 2009),
Edisi Ke-2, h. 121.
36
Wiwik Saidatur Rolianah, Nurul Istifadhoh, Hafidhotul Mufidah, Irdatul Wardah,
dkk, Monogrof Perbankan Syariah, (Gresik : Guepedia, 2021), h. 163.
 27

Peraturan Bank Indonesia nomor 10/15/PBI/2008 mengatur bahwa

bank wajib memiliki modal minimum sebesar 8% dari Aktiva

Tertimbang Menurut Risiko (ATMR). Ketentuan yang berlaku

mengenai Kewajiban Penyediaan Modal Minimum (KPMM) bagi

Bank Umum berdasarkan prinsip Syariah menjadi dasar perhitungan

ATMR. Rasio ditentukan untuk setiap posisi penilaian sekaligus

memperhitungkan tren KPMM.37 Rasio Kecukupan modal (CAR)

dapat dihitung dengan rumus sebagai berikut :

Total Modal
CAR= X 100 %
Aset Tertimbang Menurut Risiko( ATMR)

Skala predikat kesehatan bank, rasio CAR dan nilai kredit

untuk permodalan bank yaitu sebagai berikut :

Tabel 1.1

Predikat Kesehatan Bank Menurut Rasio CAR

No. Predikat Rasio CAR

1. Sangat Sehat >12%
2. Sehat 9% < 12%
3. Cukup Sehat 8% < 9%
4. Kurang Sehat 6% < 8%
5. Tidak Sehat <6%

b. Current Ratio

37
Medina Almunawaroh, Rina Marliana, “Pengaruh CAR, NPF, dan FDR Terhadap
Profitabilitas Bank Syariah Indonesia”, Jurnal Ekonomi dan Keuangan Syariah, Vol. 2, No. 1, Mei
2018, h. 7 & 8.
 28

Current ratio mengukur kemampuan perusahaan untuk

melunasi hutang saat jatuh tempo. Kemampuan korporasi untuk

memenuhi kewajiban jangka pendek meningkat seiring dengan

meningkatnya rasio lancar. Jumlah kewajiban lancar yang ditutupi

oleh aset lancar ditunjukkan oleh rasio lancar. Kemampuan bisnis

untuk membayar kewajiban jangka pendek meningkat dengan rasio

aktiva lancar.38 Current Ratio dapat dihitung dengan rumus :

Aktiva Lancar
Current Ratio= X 100
Utang Lancar

Skala predikat rasio current ratio yaitu sebagai berikut :

Tabel 1.2
Skala Predikat dan rasio Current Ratio
No. Predikat Rasio Current Ratio
1. Sehat 19%-0%
2. Cukup Sehat 24% - 19,1%
3. Kurang Sehat 49%% - 34,1%
4. Tidak Sehat 100% - 49%

c. Debt to Asset Ratio (DAR)

Debt to asset ratio (DAR) menghitung persentase aset yang

digunakan untuk menutupi total kewajiban. Rasio ini menampilkan

total utang yang dikeluarkan perusahaan untuk mendanai aset yang

digunakan dalam kegiatan operasionalnya. Semakin besar

ketergantungan perusahaan pada pihak ketiga dan semakin besar

38
Hantono, Konsep Analisa Laporan Keuangan dengan Pendekatan Rasio dan SPSS,
(Sleman : CV Budi Utama, 2018), Cet. Ke-1, h. 9&10.
 29

beban beban pinjaman yang harus ditanggung oleh perusahaan, maka

rasio utang terhadap aktiva akan semakin tinggi.39

Debt to Asset Ratio (DAR) dapat dihitung dengan rumus

sebagai berikut :

Total Hutang
DAR= X 100
Total Aset

Skala predikat dan rasio DAR yaitu sebagai berikut :

Tabel 1.3
Skala Predikat dan rasio DAR
No. Predikat Rasio DAR
1. Sehat 81% - 100%
2. Cukup Sehat 66% - 81%
3. Kurang Sehat 51% - 66%
4. Tidak Sehat 0% - 51%

C. Prediksi

1. Pengertian Prediksi

Menurut Kamus Besar Bahasa Indonesia (KBBI), prediksi yang

berarti ramalan, prakiraan. 40

Peramalan (forecasting) adalah upaya

mengantisipasi atau memperkirakan apa yang akan terjadi di masa depan

dengan menggunakan berbagai data yang bersangkutan dari masa lampau

(historis) dan pendekatan ilmiah. Prediksi dibuat untuk mempelajari apa

39
Herman Supardi, Suratno, dan Suyanto, “Pengaruh Current Ratio, Debt to Asset
Ratio, Total Asset Turnover, dan Inflasi Terhadap Return on Asset”, Jurnal Ilmiah Akuntansi
Fakultas Ekonomi, Vol. 2, No. 2, 2016, h. 19.

40
Kamus Besar Bahasa Indonesia (KBBI), https://kbbi.kemdikbud.go.id/entri/prediksi,
diakses pada tanggal 08 Maret 2023 pukul 06.56 WIB.
 30

yang memiliki kemungkinan tertinggi terjadi di masa depan. Metode untuk

membuat prediksi bisa bersifat kualitatif, menggunakan wawasan para

ahli, atau kuantitatif, menggunakan perhitungan matematis. Penggunaan

analisis deret waktu merupakan salah satu teknik kuantitatif.41

Kemampuan untuk meramalkan apa yang akan terjadi di masa

depan saat ini dikenal sebagai peramalan. Peramal harus mencari data dan

pengetahuan historis saat membuat prediksi. Informasi dan data masa lalu

adalah tindakan yang terjadi di masa lalu dalam berbagai keadaan pada

saat itu.42

Menurut (Manalu et al : 2017) kata prediksi bisa menimbulkan

beberapa persepsi. Dengan kata lain prediksi bisa disebut sebagai

(forecast) pada dasarnya merupakan dugaan atau prediksi mengenai

peristiwa di waktu yang akan mendatang. Berikut beberapa definisi

mengenai peramalan menurut para ahli :43

a. Prediksi (forecasting), menurut Heizier dan Render (2011), adalah seni

dan ilmu meramalkan kejadian di masa depan. Untuk meramalkan, data

historis harus diterapkan ke masa depan.

b. Menurut (Ishak: 2010), memprediksi melibatkan mempertimbangkan

kuantitas, seperti permintaan satu atau berbagai barang di masa

mendatang.
41
Anjar Wanto dan Agus Perdana windarto, “Analisis Prediksi Indeks Harga Konsumen
Berdasarkan Kelompok Kesehatan dengan Menggunakan Metode Backpropagation”, Jurnal dan
Penelitian Teknik Informatika, Vol. 2, No. 2, Oktober 2017, h. 39.
42
Kasmir dan Jaktar, Studi Kelayakan Bisnis, (Jakarta : Kencana Prenada Media Group,
2003), Cet. Ke-1, h. 61.
43
Fitriani Dwi Ramadhani dan Maulana Ardhiansyah, Sistem Prediksi Penjualan
dengan Metode Single Exponential Smoothing dan Trend Parabolik, (Tangerang : PT. Mediatama
Digital Cendekia, 2021), h. 5.
 31

c. Menurut (Nasution: 2003), peramalan melibatkan evaluasi kebutuhan

tertentu, seperti yang terkait dengan kuantitas (jumlah), kualitas

(kualitas), waktu, dan lokasi, yang diperlukan untuk memenuhi

permintaan barang atau jasa.

Dunn mendefinisikan peramalan kebijakan sebagai proses untuk

menciptakan informasi faktual tentang keadaan sosial masa depan

berdasarkan pengetahuan yang tersedia tentang isu-isu kebijakan.

Berdasarkan pengetahuan saat ini tentang masalah kebijakan, peramalan

adalah proses untuk menciptakan informasi faktual tentang kondisi

masyarakat di masa depan. Proyeksi, prediksi, dan prakiraan adalah tiga

jenis prakiraan utama..44

a. Ekstrapolasi kecenderungan masa lalu atau sekarang ke masa depan

merupakan proyeksi, yang merupakan ramalan. Proyeksi mengajukan

pertanyaan langsung berdasarkan pembenaran yang diambil dari teknik

spesifik dan contoh terkait.

b. Prediksi adalah prognosis yang didukung oleh hipotesis teoretis yang

pasti. Praduga ini dapat dinyatakan sebagai hukum teoretis (seperti

hukum penurunan nilai uang), proposisi teoretis (seperti klaim bahwa

kehancuran masyarakat sipil disebabkan oleh perbedaan antara harapan

dan kemampuan), atau analogi (seperti perbandingan antara perluasan

organisasi pemerintah dan perluasan organisme biologis).

44
Roni Habibi dan Alwan Suryansah, Aplikasi Prediksi Jumlah Kebutuhan Perusahaan,
(Bandung : Kreatif Industri Nusantara, 2020), Cet. Ke-1, h. 4 & 5.
 32

c. Hipotesis adalah prediksi berdasarkan penilaian ahli atau informasi

tentang keadaan masyarakat di masa depan.

2. Jenis-jenis Prediksi (Peramalan)

Ada berbagai cara peramalan dalam praktiknya untuk melakukan

peramalan. Diantara metode peramalan tersebut adalah sebagai berikut :

a. Jika Anda melihatnya dari sudut pandang desain:

1) Peramalan subyektif adalah proses membuat prediksi berdasarkan

perasaan individu yang membuatnya. Dalam hal ini, hasilnya

akan bergantung pada opini dan pengetahuan sebelumnya dari

individu yang membuat ramalan.

2) Peramalan objektif adalah membuat prediksi berdasarkan

informasi dan data yang telah tersedia, dilanjutkan dengan

analisis dengan menggunakan metodologi atau pendekatan

tertentu. Biasanya, data historis dari beberapa periode waktu

digunakan.

b. Dari prospektif prediksi:

 33

1) Peramalan kualitatif adalah proses membuat prediksi dengan

menggunakan data kualitatif, dan prediksi ini seringkali

didasarkan pada temuan investigasi.

2) Peramalan kuantitatif adalah proses pembuatan prediksi dengan

menggunakan data kuantitatif historis (disajikan sebagai angka).

c. Mengenai jangka waktu:

1) Peramalan untuk periode yang lebih pendek dari satu tahun

disebut peramalan jangka pendek.

2) Peramalan dalam jangka waktu satu sampai dengan tiga tahun

disebut peramalan jangka menengah.

3) Peramalan jangka panjang adalah proses pembuatan prediksi

dalam jangka waktu lebih dari tiga tahun.

3. Tujuan Prediksi

Prediksi bertujuan untuk mempelajari peristiwa masa depan apa

yang memiliki kemungkinan tertinggi untuk terjadi. Ada dua jenis metode

prediksi: kualitatif (penilaian ahli) dan kuantitatif (perhitungan sistematis).

Analisis deret waktu adalah salah satu metodologi prediksi kuantitatif.

Agar rekomendasi yang sepenuhnya akurat dapat diperoleh dan

dilaksanakan di masa depan, sangat penting untuk membuat proyeksi

kebijakan sebelum rekomendasi dikembangkan. Saat membuat peramalan,

penting untuk mempraktikkan peramalan kebijakan dalam kendali, yang

bekerja untuk mengembangkan dan menetapkan kebijakan sedemikian

 34

rupa sehingga dapat menawarkan alternatif terbaik di antara banyak

pilihan berorientasi masa depan..45

4. Manfaat Prediksi

Adapun manfaat dalam melakukan prediksi yaitu diantaranya :46

a. Mengetahui kondisi masa mendatang

b. Perencanaan produksi, pemasaran, keuangan dan lain-lain.

c. Keperluan investasi pada sebuah perusahaan.

5. Jenis-Jenis Metode Prediksi

Untuk melakukan prediksi (peramalan) diperlukan metode

tertentu dan metode mana yang digunakan tergantung dari data dan

informasi yang akan diramal serta tujuan ynag hendak dicapai. Dalam

praktiknya terdapat berbagai metode peramalan yaitu diantaranya :47

a. Deret waktu (Time Series)

Analisis time series merupakan hubungan antara variabel yang

dicari (independent) dengan variabel yang mempengaruhinya

(dependent), yang dikaitkan dengan waktu seperti mingguan, bulanan,

triwulan, caturwulan, semester, atau tahun. Dalam analisis data time

series yang menjadi variabel yang dicari adalah waktu. Metode

peramalan deret waktu diantaranya :

45
Roni Habibi dan Alwan Suryansah, Aplikasi Prediksi Jumlah Kebutuhan Perusahaan,
…, h. 5.
46
Ajis Trigunawan, Woro Isti Rahayu dan Roni Andarsyah, Regresi Linier Untuk
Prediksi Jumlah Penjualan Terhadap Jumalah Permintaan, (Bandung : Kreatif Industri Nusantara,
2020), Cet. Ke- 1, h. 25.
47
Kasmir dan Jaktar, Studi Kelayakan Bisnis, …, h. 63-65.
 35

1) Metode smoothing merupakan teknik peramalan jangka pendek

seperti perencanaan persediaan dan perencanaan keuangan. Durasi

data harus minimal dua tahun. Peramalan jangka panjang tidak

cocok untuk metodologi ini. Tujuan penggunaan strategi ini adalah

untuk mengurangi musiman dan ketidakberesan data historis lainnya.

metode ini dapat digunakan dengan melakukan rata-rata.

2) Metode Box-jenkins merupakan metode peramalan untuk deret

waktu jangka pendek. Metode ini membutuhkan setidaknya dua

tahun untuk mengumpulkan data yang dibutuhkan untuk

memprediksi. Kegunaan teknik ini untuk melakukan perencanaan

anggaran atau produksi.

3) Metode Proyeksi Tren dengan Regresi merupakan teknik yang

digunakan baik untuk jangka pendek maupun jangka panjang adalah

pendekatan proyeksi tren dengan regresi. Pendekatan ini merupakan

garis tren untuk persamaan dalam matematika. Semakin banyak data

yang digunakan untuk metode ini setidaknya dua tahun semakin

baik. Pendekatan ini biasanya diterapkan pada item baru atau

rencana ekspansi bisnis.

b. Sebab Akibat (Causal Methods)

Causal Methods yaitu metode yang digunakan untuk

peramalan dengan dasar hubungan antar variabel yang

mempengaruhinya untuk diperkirakan namun tidak dengan waktu.

Dalam praktiknya jenis metode peramalan ini diantaranya :

 36

1) Metode regresi dan korelasi jangka panjang dan pendek didasarkan

pada persamaan yang dievaluasi secara statistik yang menggunakan

metode kuadrat terkecil. Biasanya, teknik ini diterapkan pada

peramalan permintaan dan penjualan dengan statistik triwulanan

yang digunakan.

2) Teknik peramalan jangka panjang, model input-output biasanya

digunakan untuk menyusun pola ekonomi jangka panjang. Biasanya,

data yang digunakan mencakup lebih dari sepuluh tahun.

3) Prakiraan jangka panjang dan jangka pendek dibuat dengan

menggunakan model ekonometrik. Berdasarkan sistem pemasaran

regresi estimasi simultan, proyeksi ini dibuat. Biasanya, statistik

triwulanan digunakan.

6. Prediksi dalam Perspektif Islam

Prediksi yang diperbolehkan dalam Islam yaitu prediksi yang

bersifat ilmiah seperti dalam bidang ekonomi sebagaimana terdapat pada

Qur’an Surat Yusuf ayat 47-48 :

        

        
        
   
“Yusuf berkata: "Supaya kamu bertanam tujuh tahun (lamanya)
sebagaimana biasa; Maka apa yang kamu tuai hendaklah kamu biarkan
dibulirnya kecuali sedikit untuk kamu makan. kemudian sesudah itu akan
datang tujuh tahun yang Amat sulit, yang menghabiskan apa yang kamu
simpan untuk menghadapinya (tahun sulit), kecuali sedikit dari (bibit
gandum) yang kamu simpan. (Q.S. Yusuf : 47-48).
 37

Menurut tafsir Al-Qurthubi, ayat tersebut menjelaskan bahwa

Nabi Yusuf diperintahkan oleh Allah SWT untuk membuat perencanaan

ekonomi pertanian guna menghadapi 7 tahun masa sulit yakni musim

krisis pangan yang menyeluruh yaitu dengan menyimpan benihnya dan

ditanam dikemudian hari pada saat musim krisis pangan itu tiba.

Penyimpanan benih itu agar menjaga kebutuhan akan makanan pokok

yang dibutuhkan dikemudian hari.48

7. ARIMA Box-Jenkins

Prediksi model Autoregressive Integrated Moving Average

(ARIMA) sepenuhnya mengabaikan faktor independen. Untuk

menghasilkan prakiraan jangka pendek yang tepat. ARIMA menggunakan

nilai historis dan saat ini dari variabel dependen. Jika pengamatan deret

waktu (time series) secara statistik terkait satu sama lain (dependen).

Tujuan model ARIMA adalah untuk membangun hubungan statistik yang

kuat antara variabel yang diantisipasi dan nilai historisnya untuk

menggunakan model ini untuk peramalan ARIMA yang sesuai.49

Metode peramalan Box-Jenkins adalah teknik peramalan yang

umumnya efektif yang sering diterapkan pada data deret waktu.

Berdasarkan tren data sebelumnya, pendekatan ini dapat membuat

prakiraan yang akurat. Autoregressive Integrated Moving Average

(ARIMA), dikembangkan oleh G.E.P. Kotak dan G.M. Jenkins, adalah

48
Imam Qurtubi, Tafsir Al-Qurthubi 9, (Jakarta Selatan : Pustaka Azam, 2008), h. 460-
464.
49
Rivatul Ridho Elvierayani, “Peramalan Nilai Tukar (Kurs) Rupiah Terhadap Dolar
Tahun 2017 dengan Menggunakan Metode Arima Box-Jenkins”, Seminar Nasional Integrasi
Matematika dan Nilai Islami, Vol. 1, No. 1, Juli 2017, h. 254.
 38

kelas model linier yang dapat mendeskripsikan data deret waktu stasioner

dan nonstasioner.

Metodologi Box-Jenkins tidak mengandaikan jenis pola seri data

tertentu atau pola seri data historis tertentu saat membuat proyeksi.

Dengan kata lain, model ARIMA sangat baik dalam meramalkan data

deret waktu dengan pola yang ambigu. Definisi umum dari pendekatan

Box-Jenkins adalah serangkaian langkah yang dimaksudkan untuk

mengidentifikasi rangkaian (identifying), menemukan model yang tepat

(fitting), memeriksa (checking), dan menghasilkan ramalan (forecast).

Peramalan langsung akan dilakukan dengan menggunakan bentuk model

yang tepat..50

Sugiarto dan Harijono (2000) menyatakan bahwa model ARIMA

Box-Jenkins biasanya diekspresikan melalui notasi. Dalam hal ini, p

mewakili ordo dari fungsi Autoregressive (AR), d mewakili ordo dari

fungsi differencing, dan q mewakili ordo dari Moving Average (MA). 51

a. Model Autoregressive (AR)

Autoregressive adalah suatu bentuk regresi tetapi tidak

menghubungkan variabel tak bebas, melainkan menghubungkan nilai-

nilai sebelumnya pada time lag (selang waktu) yang bermacam-

macam. Lo (2003) menyatakan bahwa pada model Autoregressive, Χt

dipengaruhi oleh p amatan yang lalu dan dapat dituliskan sebagai :

50
Rasidin Karo-karo Sitepu dan Bonar M. Siaga, Aplikasi Model Ekonometrika
Estimasi, Simulasi dan Peramalan Menggunakan Program SAS@ 9.2, (Bogor : PT Penerbit IPB
Press, 2018), Cet. Ke-1, h. 345 & 346.
51
Rivatul Ridho Elvierayani, “Peramalan Nilai Tukar (Kurs) Rupiah Terhadap Dolar
Tahun 2017 dengan Menggunakan Metode Arima Box-Jenkins”, Seminar Nasional Integrasi
Matematika dan Nilai Islami, Vol. 1, No. 1, Juli 2017, h. 254.
 39

p
Xt =∑ ω tXt −i+ εt
i=1

b. Model Moving Average (MA)

Lo (2003) menyatakan bahwa salah satu model umum deret waktu

yang lain adalah model Moving Average ke-q atau MA (q), yang

didefinisikn sebagai :
p
Xt =εt−∑ θjεt− j
j=1

c. Model Autoregressive Moving Average (ARMA)

p p
Xt =∑ ω tXt −1−¿ ∑ θjεt− j+εt ¿
i=1 j=1

d. Model Autoregressive Integrated Moving Average (ARIMA)

Salah satu analisis data deret waktu adalah ARIMA. Metode deret

waktu ARIMA yang terkenal adalah Box-Jenkins. ARIMA memiliki

akurasi yang baik untuk peramalan jangka pendek dan akurasi yang

buruk untuk peramalan jangka panjang. Biasanya itu mendatar (datar

atau konstan) selama periode waktu yang cukup lama.

Model ARIMA (p,d,q) sebagai berikut :

p p
Yt −Yt −d=Yo ∑ αi ( Yt−1−Yt−i−d ) +¿ ∑ ᵦiet−i +et ¿
i=1 i=1

Dalam prakteknya, seringkali ditemukan data ekonomi yang tidak

stasioner, sehingga diperlukan diferensiasi untuk menghasilkan data yang

stasioner. Pembedaan dilakukan dengan mengurangkan nilai satu periode

dari nilai periode sebelumnya. Secara umum, data dalam dunia bisnis
 40

menjadi stasioner setelah diferensiasi pertama. Jika data ditemukan tidak

stabil setelah partisi pertama, diperlukan partisi berikutnya. Data yang

digunakan sebagai input pada model ARIMA adalah data hasil

transformasi stasioner, bukan data mentah. Jika preprocessing data

dilakukan untuk mendapatkan data yang stasioner, dapat dilakukan dengan

menjalankan plot sampel ACF/PACF dengan ACF/PACF teoritis dengan

model ARMA. Berikut tabel plot sampel ACF/PACF dari model ARMA:52

Tabel 1.4 Plot Sampel ACF/PACF dari Model ARMA

Proses Sampel ACF Sampel PACF
White noise (random Tidak ada yang Tidak ada yang
error) melewati batas interval melewati batas interval
pada lag>0. pada lag>0.
AR(p) Meluruh menuju nol Diatas batas interval
secara eksponensial. maksimum sampai lag
ke p dan dibawah batas
pada lag > p.
MA(q) Diatas batas interval Meluruh menuju nol
maksimum sampai lag secara eksponensial.
ke q dan dibawah batas
pada lag >q.
ARMA(p,q) Meluruh menuju nol Meluruh menuju nol
secara eksponensial. secara eksponensial.

D. Penelitian Terdahulu Yang Relevan

52
Dedi Rosadi, Ekonometrika dan Analisis Runtun Waktu Terapan dengan Eviews,
(Yogyakarta : CV. Andi Offset, 2012), h. 142.
 41

Adapun penelitian terdahulu yang relevan berkaitan dengan

penelitian ini mengenai variabel yang diteliti sebagai bahan perbandingan

untuk peneliti dalam memprediksi financial distress yang terjadi pada bank

syariah. Berikut uraian mengenai penelitian terdahulu yaitu sebagai berikut :

Heni Utari dan Mashitoh Akbar dengan judul “Analisis Prediksi

Financial Distress Model ZMIJEWSKI X-Score Pada Perbankan Syariah di

Indonesia Periode 2016-2018”. Variabel yang digunakan pada penelitian ini

yaitu variabel dependen : analisis prediksi financial distress dan variabel

independen : Return On Asset (ROA), Leverage (Debt Ratio) dan Likuiditas

(Current Ratio) dengan metode ZMIJEWSKI X-Score. Hasil Penelitian ini

dengan model ZMIJEWSKI X-Score yang signifikan untuk memprediksi

financial distress pada Perbankan Syariah.53

Imaduddin Shidiq dan Buddi Wibowo dengan judul “Prediksi

Financial Distress Bank Umum di Indonesia : Analisis Diskriminan dan

Regresi Logistik”. Variabel pada penelitian ini yaitu variabel dependen :

prediksi financial distress dan variabel independen : CAR, NPA, ROA, LLP,

ROE, BOPO, NIM, IEL, NPL, AGDP, dan LDR dengan menggunakan dua

metode estimasi yaitu diskriminan dan panel logit. Hasil pada penelitian ini

yaitu untuk variabel CAR, NIM, IEL, dan AGDP indikator yang paling

mempengaruhi probability of distress. LLP, ROE, BOPO, dan LDR

53
Heni Utari dan Mashitoh Akbar, “Analisis Prediksi Financial Distress Model
ZMIJEWSKI X-Score Pada Perbankan Umum Syariah di Indonesia Periode 2016-2018”, Jurnal
Manajemen dan Akuntansi, Vol. 21 No. 2, Oktober 2020, h. 11-19.
 42

signifikan dengan hipotesis. Sedangkan indikator NPA dan ROA tidak

signifikan dengan hipotesis.54

Jenny Pratiwi Assaji dan Zaky Machmuddah dengan judul “Rasio

Keuangan dan Prediksi Financial Distress”. Variabel pada penelitian ini

yaitu variabel dependen : financial distress dan variabel independen : ROA,

ROE, NPM, PER, dan ATO menggunakan model regresi logistic. Hasil

penelitian ini adalah indikator ROA, ROE, dan PER berpengaruh signifikan

terhadap financial distress sedangkan indikator NPM dan ATO tidak

berpengaruh signifikan terhadap financial distress.55

Stevano Theodorus dan Luh Gede Sri Artini dengan judul “Studi

Financial Distress pada Perusahaan Perbankan di BEI”. Variabel yang

digunakan pada penelitian ini yaitu variabel dependen : financial distress dan

variabel independen : CAR, NPL, BOPO, ROA, dan LDR dengan

menggunalkan metode analisis regresi logistic. Hasil penelitian ini yaitu

indikator BOPO, dan ROA signifikan dalam memprediksi probabilitas

financial distress. BOPO bernilai positif dan ROA bernilai negatif. CAR,

NPL dan LDR tidak signifikan dalam memprediksi probabilitas financial

distress.56

Choirul Takdir Syahputra dengan judul “Peramalan Perkembangan

Rasio Likuiditas PT. Bank Syariah Mandiri dengan Menggunakan Metode

54
Imaduddin Shidiq dan Buddi Wibowo, “Prediksi Financial Distress Bank Umum di
Indonesia : Analisis Diskriminan dan Regresi Logistik”, Jurnal Bisnis dan Manajemen, Vol. 7,
No. 1, April 2017, h. 27-40.
55
Jenny Pratiwi Assaji dan Zaky Machmuddah, “Rasio Keuangan dan Prediksi
Financial Distress”, Jurnal Penelitian Ekonomi dan Bisnis, Vol. 2, No. 2, 2017, h. 58-67.
56
Stevano Theodorus dan Luh Gede Sri Artini, “Studi Financial Distress pada
Perusahaan Perbanan di BEI”, E-Jurnal Manajemen, Vol. 7, No. 5, 2018, h. 2710-2732.
 43

ARIMA Box-Jenkins” variabel pada penelitian ini yaitu : cash ratio, financing

to deposit ratio dan loan to asset ratio. Penelitian ini menggunakan metode

ARIMA Box-Jenkins signifikan dalam memprediksi financial distress dan

hasil dari penelitian ini dari beberapa indikator yang digunakan menunjukkan

bank dalam keadaan sehat.57

E. Kerangka Pemikiran

Kerangka pemikiran merupakan model konseptual yang

menghubungkan teori dengan variabel-variabel yang diteliti, guna sebagai

landasan untuk pemecahan masalah dalam penyusunan hipotesis, serta

menentukan cara dan kegiatan penelitian selanjutnya. 58 Penelitian ini

menganalisa prediksi financial distress pada bank BCA Syariah dengan

beberapa indikator yaitu Capital Adequacy Ratio (CAR), Current Ratio), dan

Debt to Asset Ratio (DAR) dengan metode ARIMA Box-Jenkins.

Metode ARIMA (Autoregressive Integrated Moving Average)

sebenarnya berusaha mencari pola data yang paling cocok dari sekumpulan

data, sehingga metode ARIMA membutuhkan semua data historis dan data

terkini untuk menghasilkan peramalan jangka pendek. Setelah menemukan

plot data yang sesuai, model kemudian diidentifikasi dengan melakukan uji

akar unit pada data yang tidak stasioner. Kemudian data diuji kembali dengan

data selisih agar data stasioner. Selanjutnya memperkirakan data statis dengan
57
Choirul Takdir Syahputra, “Peramalan Perkembangan Rasio Likuiditas PT. Bank
Syariah Mandiri dengan Menggunakan Metode ARIMA Box-Jenkins” Skripsi, Fakultas
Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember, 2016, h. 58-62.
58
Azharsyah Ibrahim, Metodologi Penelitian Ekonomi dan Bisnis Islam, (Aceh : Ar-
Raniry Press, 2021), h. 160.
 44

melihat residual diagnostik dan memeriksa data diagnostik untuk model

terbaik, langkah selanjutnya adalah membuat peramalan untuk periode waktu

yang ingin diramalkan. Berikut kerangka pemikiran berdasarkan uraian diatas

yaitu :

Gambar 2.1

Kerangka Pemikiran
Capital
Prediksi Financial Adequacy
Distress Pada Bank BCA Syariah

Ratio
(CAR)
Current Ratio
Identifikasi Debt to Asset Estimasi
Model Ratio Model
T
(DAR) Diagnostik
Prediksi id
Check
Financial a
Model
Distress kY
sesuai
pada Bank a dengan Data
BCA
Syariah
Keterangan :
Y1 : Capital Adequacy Ratio (CAR)
Y2 : Current Ratio
Y3 : Debt to Asset Ratio (DAR)

F. Hipotesis Penelitian

Hipotesis penelitian merupakan suatu pernyataan tentang

karakteristik populasi, yang merupakan jawaban sementara terhadap masalah

yang telah dirumuskan dalam suatu penelitian. Namun, kebenaran suatu

hipotesis masih harus diuji dengan menggunakan data empirik yang telah
 45

diperoleh dari sampel.59 Pengujian hipotesis ini diuji secara parsial dengan

masing-masing model ARIMA untuk mendapatkan model terbaik yang akan

digunakan.

1. H0 CAR : Terdapat koefisien tidak signifikan didalam model CAR yang

dicari atau di uji untuk mendapatkan model ARIMA yang terbaik untuk

CAR.

Ha CAR : Terdapat koefisien yang signifikan didalam model CAR yang

dicari atau di uji untuk mendapatkan model ARIMA yang terbaik untuk

CAR.

2. H0 Current Ratio : Terdapat koefisien tidak signifikan didalam model

Current Ratio yang dicari atau di uji untuk mendapatkan model ARIMA

yang terbaik untuk Current Ratio.

Ha Current Ratio : Terdapat koefisien yang signifikan didalam model

Current Ratio yang dicari atau di uji untuk mendapatkan model ARIMA

yang terbaik untuk Current Ratio.

3. H0 DAR : Terdapat koefisien tidak signifikan didalam model DAR yang

dicari atau di uji untuk mendapatkan model ARIMA yang terbaik untuk

DAR.

Ha DAR : Terdapat koefisien yang signifikan didalam model DAR yang

dicari atau di uji untuk mendapatkan model ARIMA yang terbaik untuk

DAR.

59
Djaali, Metodologi Penelitian Kuantitatif, (Jakarta Timur : PT. Bumi Aksara, 2020),
h. 15.
 BAB III
METODOLOGI PENELITIAN

A. Tempat dan Waktu Penelitian

1. Tempat Penelitian

Penelitian yang dilakukan pada penelitian ini menggunakan data

dari laporan keuangan triwulan Bank BCA Syariah tahun 2014-2022.

Objek pada penelitian ini adalah financial distress yang dapat diukur pada

indeks-indeks tertentu dari laporan keuangan yang telah dipublikasikan

melalui website resmi Bank BCA Syariah dan Otoritas Jasa Keuangan

(OJK).

2. Waktu Penelitian

Penelitian yang dilakukan yaitu pada bulan Januari 2023 sampai

dengan selesai. Prediksi yang akan dilakukan pada penelitian ini kurang

lebih satu tahun yaitu tahun 2023-2024.

B. Jenis Penelitian dan Sumber Data

Jenis penelitian yang digunakan pada penelitian ini yaitu bersifat

kuantitatif. Metode penelitian kuantitatif dapat diartikan sebagai metode yang

digunakan untuk meneliti pada pengumpulan data dan analisis data yang

bersifat statistik dengan menguji hipotesis yang telah ditetapkan.60 Metode

kuantitatif merupakan teknik kuantitatif yang mempermudah pihak-pihak

60
http://repo.iain-tulungagung.ac.id/6329/6/Bab%203.pdf# diakses pada tanggal 15
Januari 2023.

46
 47

pembuat keputusan di dalam melakukan analisis kejadian yang diamati guna

menemukan jawaban atas persoalan yang dibahas, membuat keputusan, dan

menemukan solusi dari persoalan-persoalan yang sedang dihadapi.61

C. Teknik Pengumpulan Data

Data adalah serangkaian informasi, bukti-bukti, atau keterangan-

keterangan atas suatu objek yang memiliki karakteristik tertentu. Teknik

pengumpulan data pada penelitian ini dengan menggunakan data sekunder

yang didapatkan dari data yang sudah ada sebelumnya. Teknik pengumpulan

data dari berbagai sumber terpercaya seperti studi pustaka, jurnal dan website

resmi yang menjadi pendukung pada penelitian ini. Data yang berkaitan

dalam penelitian ini dikumpulkan dengan cara di dokumentasikan. Dimana

data yang digunakan dalam penelitian ini diantaranya yaitu Capital Adequecy

Ratio (CAR), Current Ratio dan Debt to Asset Ratio (DAR) pada Bank BCA

Syariah. Adapun populasi dan sampel pada penelitian ini yaitu :

1. Populasi

Populasi merupakan keseluruhan objek yang diteliti atau ukuran

yang diperoleh dari seluruh objek yang terkait. 62 Menurut Margono (2017)

populasi adalah keseluruhan data yang menjadi pusat perhatian seorang

peneliti dalam ruang lingkup dan waktu yang telah ditentukan. Populasi

berkaitan dengan data-data, jika seorang manusia memberikan suatu data,

61
Muhammad Teguh, Metode Kuantitatif untuk Analisis Ekonomi dan Bisnis, (Jakarta:
PT Raja Grafindo Persada, 2014), Cet. Ke-1, h. 3.
62
Lind Douglas A, Marchal William G, Watchan Samuel A, Teknik-Teknik Statistika
dalam Bisnis dan Ekonomi, Cet. Ke-15 Buku 1, (Jakarta Selatan : Sa. 34.lemba Empat, 2014), h. 8.
 48

maka ukuran atau banyaknya populasi akan sama banyaknya. 63Populasi

yang digunakan pada penelitian ini adalah semua laporan keuangan Bank

BCA Syariah yang terdaftar di Otoritas Jasa Keuangan (OJK).

2. Sampel

Sampel merupakan porsi atau bagian dari populasi yang sejenis

untuk diteliti.64 Menurut Sugiyono (2018) sampel adalah bagian dari

jumlah dan karakteristik yang dimiliki oleh populasi tersebut, sampel yang

diambil dari populasi tersebut harus betul-betul representative atau

mewakili populasi yang diteliti.65 Sampel pada penelitian ini yaitu laporan

keuangan triwulanan Bank BCA Syariah tahun 2014-2022 yaitu pada rasio

Capital Adequacy Ratio (CAR), Current Ratio dan Debt to Asset Ratio

(DAR). Sehingga purposive sampling merupakan teknik yang dapat

digunakan untuk memilih subjek yang dianggap representatif terhadap

suatu populasi.

D. Teknik Analisis Data

Teknik analisis data pada penelitian ini yaitu peramalan dengan

metode ARIMA Box-Jenkis. ARIMA Box-Jenkins merupakan salah satu

metode dalam analisis deret waktu atau time series jangka pendek. Analisis

ini menggunakan software Eviews untuk memudahkan analisis data. Setelah

63
Arfatin Nurrahmah, dkk., Pengantar Statistika 1, (Bandung : CV. Media Sains
Indonesia, 2021), h. 34.
64
Lind Douglas A, Marchal William G, Watchan Samuel A, …, h. 286.
65
Arfatin Nurrahmah, dkk., Pengantar Statistika 1, …, h. 36.
 49

data terkumpul, maka tahap selanjutnya yaitu analisis data dengan beberapa

tahapan yaitu sebagai berikut :

1. Processing Plot Data

Langkah awal yaitu pemeriksaan pola data dan perlu adanya

ploting data untuk melihat trend dan pola data. Kemudian, dilakukan uji

stasioner data dengan menganalisis grafik Autocorrelation Function (ACF)

dan Partial Autocorrelation Function (PACF) dari data yang sudah

stasioner.

2. Identifikasi Model

Jika data sudah stasioner maka langkah selanjutnya yaitu

identifikasi model sementara. Akan tetapi, jika data belum stasioner maka

dilakukan uji difference untuk mendapatkan nilai (d) pada model. Model

sementara pada ARIMA yaitu (p,d,q) yang sesuai. Jika data stasioner tanpa

dilakukan difference maka nilai (d) adalah 0. Dan jika data stasioner

melalui difference ke-1 maka nilai d=1. Untuk menetapkan ordo p, q,

dilihat dari pengamatan pola Autocorrelation Function (ACF) dan Partial

Autocorrelation Function (PACF).

3. Estimasi Model

Langkah selanjutnya yaitu estimasi parameter. Estimasi parameter

dapat dilakukan dengan uji hipotesis untuk setiap parameter koefisien yang

dimiliki dari setiap model menggunakan metode Augmented Dickey Fuller

(ADF) untuk mendapatkan model ARIMA sementara signifikan atau tidak.

Model yang signifikan jika nilai signifikansinya kurang dari nilai (α) yaitu
 50

0,05. Dan bisa dilihat dari nilai Akaike Info Criterion (AIC) dan Schwarz

Criterion (SIC). Jika dilihat dari nilai AIC dan SIC yang lebih kecil bisa

dikatakan kualitas model yang lebih baik dan model itulah yang sebaiknya

kita pilih untuk melakukan peramalan.

4. Diagnostik Data

Diagnostik data merupakan tahapan untuk membuktikan model

yang terbaik dari semua kemungkinan model dengan melihat ukuran

standar ketepatan peramalan. Tahap diagnostik data dapat dilakukan

dengan cara uji white noise dan uji normalitas. Untuk melihat apakah

residual bersifat white noise dapat dilakukan dengan dua cara. Pertama,

dengan melihat apakah plot sampel ACF/PACF residual yang

terstandardisasi (residual dibagi estimasi standar deviasi residual) telah

memenuhi sifat-sifat white noise dengan mean 0 dan variansi 1.

5. Peramalan / Forcaseting

Langkah yang terakhir yaitu peramalan. Peramalan dilakukan jika

sudah mendapatkan model yang terbaik dari hasil estimasi model dan

diagnosa data, maka dapat menentukan kondisi di masa yang akan datang.
 BAB IV
HASIL DAN PEMBAHASAN

A. Gambaran Umum Bank BCA Syariah

PT Bank BCA Syariah merupakan hasil konversi dari akuisisi PT.

Bank Central Asia Tbk (BCA) di tahun 2009 terhadap PT Bank Umum

Internasional Bank (Bank UIB) berdasarkan Akta Akuisisi No. 72 tanggal 12

Juni 2009 yang dibuat di hadapan Notaris Dr. Irawan Soerodjo, S.H., M.Si.,

Notaris di Jakarta. Pada awalnya Bank UIB merupakan bank yang kegiatan

usahanya sebagai bank umum konvensional, kemudian mengubah kegiatan

usahanya menjadi bank yang menjalankan kegiatan usahanya berdasarkan

prinsip syariah. oleh karena itu, Bank UIB mengubah namanya menjadi BCA

Syariah dan menyesuaikan seluruh ketentuan dalam anggaran dasarnya

menjadi sesuai dengan bank yang menjalankan kegiatan usaha berdasarkan

prinsip syariah berdasarkan Akta Pernyataan Keputusan diluar Rapat

Perseroan Terbatas Bank UIB No. 49 tanggal 16 Desember 2009 yang dibuat

di hadapan Notaris Pudji Rezeki Irawati, S.H., Notaris di Jakarta, dan telah

mendapatkan persetujuan dari Menteri Hukum dan Hak Asasi Manusia

Republik Indonesia dalam Surat Keputusannya No. AHU-01929 AH.01.02

tanggal 14 Januari 2010 tentang Persetujuan Akta Perubahan Anggaran Dasar

Perseroan, dan telah diumumkan dalam Berita Negara Republik Indonesia

pada Tambahan Berita Negara Republik Indonesia Nomor 23 tanggal 20

Maret 2012.66

66
https://www.bcasyariah.co.id/sejarah diakses pada tanggal 10 April 2023.

51
 52

PT. Bank BCA Syariah berdiri dan mulai melaksanakan kegiatannya

berdasarkan Keputusan Gubernur BI No. 12/13/KEP.GBI/DpG/2010 pada

tanggal 2 Maret 2009. Kegiatan usaha yang dilakukan berdasarkan prinsip-

prinsip syariah setelah mendapatkan izin operasi syariah dari Bank Indonesia.

Kemudian Bank BCA Syariah ini resmi beroperasi sebagai Bank Syariah

pada tanggal 5 April 2010.

Bank BCA Syariah merupakan salah satu bank syariah yang menjadi

pelopor dalam industri perbankan syariah Indonesia sebagai bank yang

menyediakan berbagai jasa seperti penyelesaian pembayaran, penghimpunan

dana dan pembiayaan bagi nasabah yang membutuhkan dana baik itu bagi

nasabah bisnis ataupun perseorangan.67 Adapun visi dan misi Bank BCA

Syariah yaitu :68

1. Visi

“Menjadi Bank Syariah Andalan dan Pilihan Masyarakat”

2. Misi

a. Mengembangkan SDM dan infrastruktur yang handal sebagai

penyedia jasa keuangan syariah dalam rangka memahami kebutuhan

dan memberikan layanan yang lebih baik bagi nasabah.

b. Membangun institusi keuangan syariah yang unggul dibidang

penyelesaian pembayaran, penghimpunan dana dan pembiayaan bagi

nasabah bisnis dan perseorangan.

67
https://www.bcasyariah.co.id/informasi-umum diakses pada tanggal 10 April 2023.
68
https://www.bcasyariah.co.id/visi-dan-misi- diakses pada tanggal 10 April 2023.
 53

B. Deskriptif Data

Data diperoleh dari laporan keuangan triwulan Bank BCA Syariah

dari tahun 2014 sampai dengan tahun 2022. Data yang digunakan pada

penelitian ini yaitu rasio pemodalan (CAR), rasio likuiditas (current ratio)

dan rasio leverage (DAR). Jumlah sampel pada penelitian ini berjumlah 36,

yaitu data dari bulan Januari 2014 sampai dengan bulan Desember 2022.

Berikut tabel data laporan keuangan Bank BCA Syariah :

Tabel 2.1
Data Laporan Keuangan Triwulan Bank BCA Syariah
CURRENT
NO TRIWULAN TAHUN CAR DAR
RATIO

1 I 21.68 5.23 84.3

2 II 21.83 4.38 85
2014
3 III 35.17 4.86 75.4

4 IV 29.57 6.93 79

5 I 25.53 6.46 79.2

6 II 23.55 1.38 81.2

2015
7 III 38.73 1.57 71.7

8 IV 36.17 1.48 75.8

9 I 39.16 1.49 75.9

10 II 37.93 1.51 75.3

2016
11 III 37.11 1.49 76.7

12 IV 36.78 1.43 77.9

 54

13 I 35.26 1.41 79.3

14 II 30.98 1.42 79.3

2017
15 III 31.98 1.4 79.9

16 IV 29.38 1.39 80.9

17 I 27.72 1.39 81.2

18 II 24.99 1.38 81.9

2018
19 III 24.79 1.37 82.3

20 IV 24.26 1.34 82.1

21 I 25.67 1.34 81.7

22 II 25.67 1.35 81.7

2019
23 III 43.78 1.53 71.6

24 IV 38.27 1.46 73

25 I 38.36 1.5 71.9

26 II 38.44 1.48 72.1

2020
27 III 39.56 1.4 72

28 IV 45.25 1.21 71.6

29 I 44.95 1.33 69.9

30 II 43.75 1.44 71.4

2021
31 III 43.84 1.43 71.2

32 IV 41.43 1.4 73.3

33 I 39.55 1.69 73.5

34 II 2022 38.97 1.43 73.9

35 III 36.65 1.43 74.7

 55

36 IV 36.72 1.4 76.8

Sumber : Laporan Triwulan Bank BCA Syariah

C. Hasil Penelitian

1. Capital Adequacy Ratio (CAR)

a. Plot Data dan Uji Stasioner Data CAR

Gambar 3.1 Plot Data CAR

Sumber : data diolah menggunakan aplikasi E-Views 10

Untuk melihat perkiraan bentuk model yang sesuai dengan

data maka dapat dilakukan plot data dalam urutan waktu. Berdasarkan

plot data diatas maka dari bentuk model yang dihasilkan data memiliki

bentuk trend sehingga non-stasioner dalam mean. Terlihat data

mengandung trend linear, maka perlu dilakukan uji akar unit untuk

mengetahui sampai berapa kali differensiasi harus dilakukan supaya

data time series menjadi stasioner dengan uji Augmented Dickey-

 56

Fuller. Pengujian akar-akar unit untuk variabel yang digunakan untuk

memenuhi keabsahan analisis ARIMA. Untuk mengetahui apakah ada

unit root pada variabel data yang digunakan, maka nilai Augmented

Dicky-Fuller (ADF) t-Statistic harus lebih kecil dibandingkan dengan

test critical values atau nilai kritis.69

Gambar 3.2 Plot Uji Stasioner CAR Tingkat Level

Sumber : data diolah menggunakan aplikasi E-Views 10

Tabel 2.2 Uji Stasioner CAR pada Tingkat Level

Null Hypothesis: CAR has a unit root
Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -2.760578  0.2205

Test critical values: 1% level -4.243644
5% level -3.544284
10% level -3.204699

*MacKinnon (1996) one-sided p-values.

Sumber : data diolah menggunakan aplikasi E-Views 10

69
Nuralifah, Skripsi Analisis Prediksi Perkembangan Bank Syariah di Indonesia
Periode 2017-2020, (Banten : 2021), h. 72.
 57

Berdasarkan hasil dari uji ADF diatas menunjukkan bahwa

besaran nilai kritis pada α sebesar 1% adalah -4.243644, α sebesar 5%

adalah -3.544284, dan α sebesar 10% adalah -3.204699dengan nilai

ADF lebih kecil dari nilai α tersebut yaitu sebesar -2.760578 sehingga

data tersebut tidak stasioner serta nilai probabilitas ADF adalah

sebesar 0.2205. nilai probabilitas ADF lebih besar dibandingkan

dengan nilai α 5%. Hal ini dapat dikatakan bahwa rasio Capital

Adequacy Ratio tidak stasioner.

Jika data tidak stasioner maka dapat dilakukan langkah-

langkah uji kestasioneran data, maka data dapat distasionerkan dengan

melakukan differencing pada data. Differencing merupakan

memperhitungkan dari segala perubahan yang terjadi atau selisih nilai

dari data observasi yang digunakan. Berikut hasil pengujian

kestasioneran data pada differencing tingkat pertama.

Gambar 3.3 Plot Data d(CAR)

Sumber : data diolah menggunakan aplikasi E-Views 10

 58

Berdasarkan data yang sudah di differencing tingkat pertama

terlihat bahwa variansi data bergerak lebih stabil dan konstan dan

bergerak pada mean atau nilai tengah. Sehingga data tersebut bisa

dikatakan sudah stasioner, setelah dilakukan uji ACF/PACF kemudian

langkah selanjutnya melihat kestasioneran data dengan melakukan uji

unit root pada uji ADF. Berikut hasil dari uji ADF yang telah

dilakukan :

Tabel 2.3 Uji Stasioner CAR pada Differencing Tingkat Pertama

Null Hypothesis: D(CAR) has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -7.106631  0.0000

Test critical values: 1% level -4.252879
5% level -3.548490
10% level -3.207094

*MacKinnon (1996) one-sided p-values.

Sumber : data diolah menggunakan aplikasi E-Views 10

Berdasarkan hasil output E-Views pada differencing tingkat

pertama menunjukkan bahwa hasil nilai critis pada α sebesar 1% yaitu

-4.252879, α sebesar 5% yaitu -3.548490 dan α sebesar 10 % yaitu

-3.207094 lebih besar dibandingkan dengan nilai uji ADF yaitu

sebesar -7.106631 dengan melihat data probabilitas ADF 0.0000 lebih

kecil dari nilai α 5% sehingga dapat dikatakan bahwa data sudah

stasioner. Maka data Capital Adequacy Ratio sudah stasioner pada

 59

tingkat differencing pertama dengan melihat hasil dari uji ADF yang

dilakukan.

b. Identifikasi Model Data CAR

Langkah berikutnya adalah melakukan identifikasi model

ARIMA dengan menggunakan metode Box-Jenkins. Untuk

identifikasi model yang digunakan untuk memilih model ARIMA

Box-Jenkins melalui correlogram, yaitu Autocorelation Function

(ACF) dan Partial Autocorrelation (PACF). Dalam menentukan ordo

maksimal AR (p) dan MA (q) dapat dilihat dari banyaknya koefisien

autokorelasi yang berbeda dari nol. Differensi yang kita lakukan disini

hanya dalam orde 1, namun dengann menggunakan ACF ataupun

PACF dari data atau telah dilakukan uji unit root ADF.

Mendeteksi data yang bersifat stasioner adalah tahapan

identifikasi pada model Box-Jenkins. Jika terdapat data yang belum

stasioner maka data tersebut harus melakukan tahap differencing data

untuk mendapatkan hasil yang stasioner. Penentuan plot berdasarkan

hasil output korelogram dan uji stasioneritas yang menyatakan terjadi

pelanggaran pada lag gambar berikut :

 60

Gambar 3.4 Plot ACF dan PACF d(CAR)

Sumber : data diolah menggunakan aplikasi E-Views 10

c. Estimasi Parameter Model ARIMA

Langkah selanjutnya yaitu estimasi model agar mendapatkan

model yang tepat, dibutuhkan estimasi untuk menentukan model

ARIMA. Berdasarkan plot Autocorrelation Function (ACF) yang

bersifat luruh menuju nol dan Partial Autocorrelation (PACF) yang

signifikan (keluar dari batas interval) dapat diamati bahwa model yang

relatif baik untuk memodelkan data dan juga dapat dilihat dari nilai

Akaike Info Criterion (AIC) dan Schwarz Criterion (SIC). Jika dilihat

dari nilai AIC dan SIC yang lebih kecil bisa dikatakan kualitas model

yang lebih baik dan model itulah yang sebaiknya kita pilih untuk

melakukan peramalan.
 61

Dari hasil estimasi berbagai model yang dilakukan untuk

mendapatkan model ARIMA yang terbaik agar mendapatkan model

peramalan yang tepat untuk variabel CAR. Dapat dilihat pada tabel

berikut :

Tabel 2.4 Estimasi Parameter Model dari CAR

Std.
P,d,q t-Statistis Coefficient Prob. AIC SIC
Error
Model
1 -0.641898 0.341250 -0.219048 0.5255 6.228598 6.361913
1:1:0
Model
2 -0.820850 0.314692 -0.258315 0.4178 6.220843 6.354158
0:1:1
Model
0.146731 1.379808 0.202460 0.8843
3 6.274842 6.452596
-0.359167 1.251142 -0.449369 0.7219
1:1:1
Model
-0.652970 0.387185 -0.252796 0.5186
4 6.277238 6.454992
-0.333056 0.266888 -0.088889 0.7413
1:1:2
Model
-0.155558 0.304086 -0.047303 0.8774
5 6.276030 6.453784
-0.619518 0.406548 -0.251864 0.5401
2:1:1
Model
4.432552 0.223145 0.989101 0.0001
6 6.302265 6.480019
-1.788370 0.532760 -0.952711 0.0835
2:1:2

Berdasarkan tabel diatas dapat menentukan lanjut atau

tidaknya 6 model ARIMA ke tahap selanjutnya. Dari hasil analisis

identifikasi diperoleh 3 model terbaik ordo ARIMA yang telah

 62

memenuhi kriteria, yaitu ARIMA (1:1:0), ARIMA (0:1:1), dan ARIMA

(2:1:2). Akan tetapi, kita lihat dari nilai probabilitas dan AIC serta SIC

dari masing-masing model yang koefisien signifikan didalam model

CAR. Berikut dari 3 model terbaik yaitu :

1) ARIMA (1:1:0)

Besar nilai yang terdapat pada probabilitas yaitu sebesar 0.5255

lebih besar dari α 5% dan nilai AIC yang diperoleh yaitu sebesar

6.228598 serta nilai SIC yang diperoleh yaitu sebesar 6.361913.

2) ARIMA (0:1:1)

Besar nilai yang terdapat pada probabilitas yaitu sebesar 0.4178

lebih besar dari α 5% dan nilai AIC yang diperoleh yaitu sebesar

6.220843 serta nilai SIC yang diperoleh yaitu sebesar 6.354158.

3) ARIMA (2:1:2)

Besar nilai yang terdapat pada probabilitas yaitu sebesar 0.0001

lebih kecil dari α 5% dan nilai AIC yang diperoleh yaitu sebesar

6.302265 serta nilai SIC yang diperoleh yaitu sebesar 6.480019.

Dari beberapa model diatas dapat kita simpulkan bahwa model

terbaik untuk tahap selanjutnya yaitu model ARIMA (2:1:2). Karena

telah memenuhi kriteria baik dari nilai probabilitas yang telah

signifikan lebih kecil dari α 5% maka tidak perlu ada perbandingan

untuk ketiga model diatas, maka model yang dipilih untuk tahap

selanjutnya yaitu uji diagnosis adalah model ARIMA (2:1:2).

 63

d. Diagnostik Data

Setelah melakukan estimasi parameter model, langkah

selanjutnya yaitu uji diagnosis/diagnostik data pada model ARIMA

yang terpilih. Untuk melakukan diagnostik data, selain menggunakan

kriteria uji t untuk parameter/koefisien hasil estimasi, maka langkah

selanjutanya yaitu dengan melakukan uji Q-Ljung-Box dan plot

ACF/PACF untuk melihat apakah terdapat korelasi serial dalam

residual dari hasil estimasi dengan model yang diamati. Berikut hasil

korelogram residual hasil estimasi yaitu

Gambar 3.5 Plot ACF/PACF dan Uji Q-Ljung-Box

Sumber : data diolah menggunakan aplikasi E-Views 10.

Berdasarkan plot ACF dan PACF yang tidak signifikan, yang

ditandai dengan nilai probabilitas dari statistic Q-Ljung-Box yang lebih

besar dari nilai α 5%. Dapat disimpulkan residual dari model bersifat

white noise dan tidak terdapat korelasi serial dalam model tersebut.
 64

Dengan begitu dapat disimpulkan data dari Capital Adequacy Ratio

(CAR) PT. Bank BCA Syariah dengan model ARIMA (2:1:2) telah

sesuai untuk ke tahap peramalan.

e. Peramalan (Forecasting)

Setelah model terbaik diperooleh dari langkah-langkah

pemodelan diatas, model tersebut dapat digunakan untuk meramalkan

sifat-sifat data di masa yang akan datang. Dalam analisis runtun waktu,

seringkali data dibagi menjadi dua bagian yang disebut data in-sample,

yakni data yang digunakan untuk memilih model terbaik dengan

langkah-langkah pemodelan diatas, dan data out-sample, yakni bagian

data yang digunakan untuk memvalidasi keakuratan peramalan dari

model terbaik yang diperoleh berdasarkan data in-sample. Model yang

baik tentunya diharapkan merupakan model terbaik fitting (pencocokan)

data in-sample dan sekaligus merupakan model yang baik untuk

peramalan dalam data out-sample yang ditandai dengan ukuran

kebaikan fitting yang minimal. Bebrapa ukuran fitting atau peramalan

dapat dikenalkan, seperti ukuran Mean Absolute Error (MAE), Root of

MSE (RMSE), Median atau Mean Absolut Precent Error (MAPE) dan

lain-lain.70 Maka langkah selanjutnya yaitu peramalan/forecasting

dengan model ARIMA yang terpilih yaitu model ARIMA (2:1:2).

70
Dedi Rosadi, Ekonometrika & Analisi Runtun Waktu Terapan dengan E-Views,… h.
144.
 65

Berikut hasil output estimasi peramalan data Capital Adequacy Ratio

(CAR) PT. Bank BCA Syariah :

Gambar 3.6 Hasil Estimasi Peramalan Data Capital Adequacy Ratio

(CAR)

Sumber : data diolah menggunakan E-Views 10.

Berdasarkan hasil gambar estimasi peramalan data CAR diatas,

dapat digunakan untuk memvalidasi keakuratan peramalan model terbaik

yang diperoleh berdasarkan data in-sample. Dilihat dari ukuran Root

Mean Squared Error (RMSE) memiliki nilai sebesar 19.05926, Mean

Absolute Error (MAE) memiliki nilai sebesar 17.03214, dan Mean

Absolute Percent Error (MAPE) sebesar 52.23455.

Dalam penelitian ini akan dilakukan prediksi untuk periode

triwulan I tahun 2023 sampai dengan triwulan IV tahun 2024. Langkah

selanjutnya menentukan hasil prediksi Capital Adequacy Ratio (CAR)

pada PT. Bank BCA Syariah untuk 8 bulan kedepan, dapat dilihat pada

gambar berikut :
 66

Gambar 3.7 Hasil Prediksi Capital Adequacy Ratio (CAR)

Sumber : data diolah menggunakan E-Views 10

Adapun hasil prediksi Capital Adequacy Ratio (CAR) pada PT.

Bank BCA Syariah untuk 8 triwulan kedepan dari triwulan I 2023 sampai

dengan triwulan IV 2014 yaitu dilihat dari tabel berikut :

Tabel 2.5
Hasil Prediksi Capital Adequacy Ratio (CAR) PT. Bank BCA Syariah
dengan Model ARIMA (2:1:2)
NO TRIWULAN TAHUN CAR
1 I 38
2 II 37.03
2023
3 III 38.3
4 IV 37.35
5 I 38.61
6 II 37.67
2024
7 III 38.93
8 IV 38.01
 67

2. Current Ratio

a. Plot Data dan Uji Stasioner Data Current Ratio

Gambar 4.1 Plot Data Current Ratio

Sumber : data diolah menggunakan aplikasi E-Views 10

Untuk melihat perkiraan bentuk model yang sesuai dengan

data maka dapat dilakukan plot data dalam urutan waktu. Berdasarkan

plot data diatas maka dari bentuk model yang dihasilkan data

memiliki bentuk trend sehingga non-stasioner dalam mean. Terlihat

data mengandung trend linear, maka perlu dilakukan uji akar unit

untuk mengetahui sampai berapa kali differensiasi harus dilakukan

supaya data time series menjadi stasioner dengan uji Augmented

Dickey-Fuller. Pengujian akar-akar unit untuk variabel yang

digunakan untuk memenuhi keabsahan analisis ARIMA. Untuk

mengetahui apakah ada unit root pada variabel data yang digunakan,
 68

maka nilai Augmented Dicky-Fuller (ADF) t-Statistic harus lebih kecil

dibandingkan dengan test critical values atau nilai kritis.

Gambar 4.2 Plot Uji Stasioner CR Tingkat Level

Sumber : data diolah menggunakan aplikasi E-Views 10

Tabel 3.1 Uji Stasioner CR Pada Tingkat Level

Null Hypothesis: CR has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -2.608279  0.2792

Test critical values: 1% level -4.243644
5% level -3.544284
10% level -3.204699

*MacKinnon (1996) one-sided p-values.

Sumber : data diolah menggunakan aplikasi E-Views 10
Berdasarkan hasi dari uji ADF diatas menunjukkan bahwa

besaran nilai kritis pada α sebesar 1% adalah -4.243644, α sebesar 5%

adalah -3.544284, dan α sebesar 10% adalah -3.204699 dengan nilai

ADF lebih kecil dari nilai α tersebut yaitu sebesar -2.608279 sehingga
 69

data tersebut tidak stasioner serta nilai probabilitas ADF adalah

sebesar 0.2792. nilai probabilitas ADF lebih besar dibandingkan

dengan nilai α 5%. Hal ini dapat dikatakan bahwa rasio Current Ratio

tidak stasioner.

Jika data tidak stasioner maka dapat dilakukan langkah-

langkah uji kestasioneran data, maka data dapat distasionerkan dengan

melakukan differencing pada data. Differencing merupakan

memperhitungkan dari segala perubahan yang terjadi atau selisih nilai

dari data observasi yang digunakan. Berikut hasil pengujian

kestasioneran data pada differencing tingkat pertama.

Gambar 4.3 Plot Data d(CR)

Sumber : data diolah menggunakan aplikasi E-Views 10

Berdasarkan data yang sudah di differencing tingkat pertama

terlihat bahwa variansi data bergerak lebih stabil dan konstan dan

bergerak pada mean atau nilai tengah. Sehingga data tersebut bisa

dikatakan sudah stasioner, setelah dilakukan uji ACF/PACF kemudian

langkah selanjutnya melihat kestasioneran data dengan melakukan uji

 70

unit root pada uji ADF. Berikut hasil dari uji ADF yang telah

dilakukan :

Tabel 3.2 Uji Stasioner CR Differencing Tingkat Pertama

Null Hypothesis: D(CR) has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 5 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -5.699127  0.0004

Test critical values: 1% level -4.309824
5% level -3.574244
10% level -3.221728

*MacKinnon (1996) one-sided p-values.

Sumber : data diolah menggunakan aplikasi E-Views 10

Berdasarkan hasil output E-Views pada differencing tingkat

pertama menunjukkan bahwa hasil nilai critis pada α sebesar 1% yaitu

-4.309824, α sebesar 5% yaitu -3.574244 dan α sebesar 10 % yaitu

-3.221728 lebih besar dibandingkan dengan nilai uji ADF yaitu

sebesar -5.699127 dengan melihat data probabilitas ADF 0.0004 lebih

kecil dari nilai α 5% sehingga dapat dikatakan bahwa data sudah

stasioner. Maka data Current Ratio sudah stasioner pada tingkat

differencing pertama dengan melihat hasil dari uji ADF yang

dilakukan.

b. Identifikasi Model Data Current Ratio

Langkah berikutnya adalah melakukan identifikasi model

ARIMA dengan menggunakan metode Box-Jenkins. Untuk

 71

identifikasi model yang digunakan untuk memilih model ARIMA

Box-Jenkins melalui correlogram, yaitu Autocorelation Function

(ACF) dan Partial Autocorrelation (PACF). Dalam menentukan ordo

maksimal AR (p) dan MA (q) dapat dilihat dari banyaknya koefisien

autokorelasi yang berbeda dari nol. Differensi yang kita lakukan disini

hanya dalam orde 1, namun dengann menggunakan ACF ataupun

PACF dari data atau telah dilakukan uji unit root ADF.

Mendeteksi data yang bersifat stasioner adalah tahapan

identifikasi pada model Box-Jenkins. Jika terdapat data yang belum

stasioner maka data tersebut harus melakukan tahap differencing data

untuk mendapatkan hasil yang stasioner. Penentuan plot berdasarkan

hasil output korelogram dan uji stasioneritas yang menyatakan terjadi

pelanggaran pada lag gambar berikut :

Gambar 4.4 Plot ACF dan PACF d(CR)

Sumber : data diolah menggunakan aplikasi E-Views 10

 72

Berdasarkan gambar diatas jumlah dengan spesifikasi model

ARIMA (p,d,q) lag yang tepat dalam proses identifikasi model adalah

ordo differencing 1 (d=1), ordo AR 2 (p=2), dan ordo MA 2 (q=2).

c. Estimasi Parameter Model ARIMA

Langkah selanjutnya yaitu estimasi model agar mendapatkan

model yang tepat, dibutuhkan estimasi untuk menentukan model

ARIMA. Berdasarkan plot Autocorrelation Function (ACF) yang

bersifat luruh menuju nol dan Partial Autocorrelation (PACF) yang

signifikan (keluar dari batas interval) dapat diamati bahwa model yang

relatif baik untuk memodelkan data dan juga dapat dilihat dari nilai

Akaike Info Criterion (AIC) dan Schwarz Criterion (SIC). Jika dilihat

dari nilai AIC dan SIC yang lebih kecil bisa dikatakan kualitas model

yang lebih baik dan model itulah yang sebaiknya kita pilih untuk

melakukan peramalan.

Dari hasil estimasi berbagai model yang dilakukan untuk

mendapatkan model ARIMA yang terbaik agar mendapatkan model

peramalan yang tepat untuk variabel Current Ratio. Dapat dilihat pada

tabel berikut :

Tabel 3.3 Estimasi Parameter Model dari Current Ratio

Std.
P,d,q t-Statistis Coefficient Prob. AIC SIC
Error
Model 0.047121 0.399481 0.018824 0.9627 2.892696 3.026011
1
 73

1:1:0
Model
2 0.366261 0.232969 0.085328 0.7166 2.891376 3.024692
0:1:1
Model
1.220698 0.617609 0.753914 0.2314
3 2.868605 3.046359
-0.000111 9025.755 -1.000000 0.9999
1:1:1
Model
-0.013784 0.742897 -0.010240 0.9891
4 2.792128 2.969882
-2.830824 0.130166 -0.368476 0.0081
1:1:2
Model
-5.406633 0.072501 -0.391988 0.0000
5 2.777548 2.955302
0.003535 0.785805 0.002778 0.9972
2:1:1
Model
-0.054036 5.813209 -0.314121 0.9573
6 2.776187 2.953941
-0.013197 6.990080 -0.092249 0.9896
2:1:2

Berdasarkan tabel diatas dapat menentukan lanjut atau

tidaknya 6 model ARIMA ke tahap selanjutnya. Dari hasil analisis

identifikasi diperoleh 2 model terbaik ordo ARIMA yang telah

memenuhi kriteria, yaitu ARIMA (1:1:2) dan ARIMA (2:1:1). Akan

tetapi, kita lihat dari nilai probabilitas dan AIC serta SIC dari masing-

masing model yang koefisien signifikan didalam model Current Ratio.

Berikut dari 2 model terbaik yaitu :

 74

1) ARIMA (1:1:2)

Besar nilai yang terdapat pada probabilitas yaitu sebesar 0.0081

lebih kecil dari α 5% dan nilai AIC yang diperoleh yaitu sebesar

2.7921128 serta nilai SIC yang diperoleh yaitu sebesar 2.969882.

2) ARIMA (2:1:1)

Besar nilai yang terdapat pada probabilitas yaitu sebesar 0.0000

lebih kecil dari α 5% dan nilai AIC yang diperoleh yaitu sebesar

2.777548 serta nilai SIC yang diperoleh yaitu sebesar 2.953941.

Dari kedua model diatas dapat kita simpulkan bahwa model

terbaik untuk tahap selanjutnya yaitu model ARIMA (2:1:1). Karena

telah memenuhi kriteria baik dari nilai probabilitas yang telah

signifikan lebih kecil dari α 5% serta nilai AIC dan SIC yang lebih kecil

dari model ARIMA (1:1:2), maka model yang dipilih untuk tahap

selanjutnya yaitu uji diagnosis adalah model ARIMA (2:1:1).

d. Diagnostik Data

Setelah melakukan estimasi parameter model, langkah

selanjutnya yaitu uji diagnosis/diagnostik data pada model ARIMA

yang terpilih. Untuk bermelakukan diagnostik data, selain

menggunakan kriteria uji t untuk parameter/koefisien hasil estimasi,

maka langkah selanjutanya yaitu dengan melakukan uji Q-Ljung-Box

dan plot ACF/PACF untuk melihat apakah terdapat korelasi serial

 75

dalam residual dari hasil estimasi dengan model yang diamati. Berikut

hasil korelogram residual hasil estimasi yaitu :

Gambar 4.5 Plot ACF/PACF dan Uji Q-Ljung-Box

Sumber : data diolah menggunakan aplikasi E-Views 10

Berdasarkan plot ACF dan PACF yang tidak signifikan, yang

ditandai dengan nilai probabilitas dari statistic Q-Ljung-Box yang lebih

besar dari nilai α 5%. Dapat disimpulkan residual dari model bersifat

white noise dan tidak terdapat korelasi serial dalam model tersebut.

Dengan begitu dapat disimpulkan data dari Current Ratio PT. Bank

BCA Syariah dengan model ARIMA (2:1:1) telah sesuai untuk ke tahap

peramalan.

e. Peramalan (Forecasting)

Setelah model terbaik diperooleh dari langkah-langkah

pemodelan diatas, model tersebut dapat digunakan untuk meramalkan

 76

sifat-sifat data di masa yang akan datang. Model yang baik tentunya

diharapkan merupakan model terbaik fitting (pencocokan) data in-

sample dan sekaligus merupakan model yang baik untuk peramalan

dalam data out-sample yang ditandai dengan ukuran kebaikan fitting

yang minimal. Beberapa ukuran fitting atau peramalan dapat

dikenalkan, seperti ukuran Mean Absolute Error (MAE), Root of MSE

(RMSE), Median atau Mean Absolut Precent Error (MAPE) dan lain-

lain. Maka langkah selanjutnya yaitu peramalan/forecasting dengan

model ARIMA yang terpilih yaitu model ARIMA (2:1:1). Berikut hasil

output estimasi peramalan data Current Ratio PT. Bank BCA Syariah :

Gambar 4.6 Hasil Estimasi Peramalan Data Current Ratio

Sumber : data diolah menggunakan E-Views 10.

Berdasarkan hasil gambar estimasi peramalan data Current

Ratio diatas, dapat digunakan untuk memvalidasi keakuratan peramalan

model terbaik yang diperoleh berdasarkan data in-sample. Dilihat dari

ukuran Root Mean Squared Error (RMSE) memiliki nilai sebesar

 77

1.788217, Mean Absolute Error (MAE) memiliki nilai sebesar 1.531668,

dan Mean Absolute Percent Error (MAPE) sebesar 101.3170.

Dalam penelitian ini akan dilakukan prediksi untuk periode

triwulan I tahun 2023 sampai dengan triwulan IV tahun 2024. Langkah

selanjutnya menentukan hasil prediksi Current Ratio pada PT. Bank BCA

Syariah untuk 8 bulan kedepan, dapat dilihat pada gambar berikut :

Gambar 4.7 Hasil Prediksi Current Ratio

Sumber : data diolah menggunakan aplikasi E-Views 10

Adapun hasil prediksi Current Ratio pada PT. Bank BCA

Syariah untuk 8 triwulan kedepan dari triwulan I 2023 sampai dengan

triwulan IV 2014 yaitu dilihat dari tabel berikut :

 78

Tabel 3.4
Hasil Prediksi Current Ratio PT. Bank BCA Syariah dengan Model
ARIMA (2:1:1)
Current
NO TRIWULAN TAHUN
Ratio
1 I 1.24
2 II 1.10
2023
3 III 1.01
4 IV 0.91
5 I 0.79
6 II 0.68
2024
7 III 0.57
8 IV 0.47

3. Debt to Asset Ratio (DAR)

a. Plot Data dan Uji Stasioner Data Debt to Asset Ratio (DAR)

Gambar 5.1 Plot Data Debt to Asset Ratio (DAR)

Sumber : data diolah menggunakan aplikasi E-Views 10

 79

Untuk melihat perkiraan bentuk model yang sesuai dengan

data maka dapat dilakukan plot data dalam urutan waktu. Berdasarkan

plot data diatas maka dari bentuk model yang dihasilkan data

memiliki bentuk trend sehingga non-stasioner dalam mean. Terlihat

data mengandung trend linear, maka perlu dilakukan uji akar unit

untuk mengetahui sampai berapa kali differensiasi harus dilakukan

supaya data time series menjadi stasioner dengan uji Augmented

Dickey-Fuller. Pengujian akar-akar unit untuk variabel yang

digunakan untuk memenuhi keabsahan analisis ARIMA. Untuk

mengetahui apakah ada unit root pada variabel data yang digunakan,

maka nilai Augmented Dicky-Fuller (ADF) t-Statistic harus lebih kecil

dibandingkan dengan test critical values atau nilai kritis.

Gambar 5.2 Plot Uji Stasioner DAR Tingkat Level

Sumber : data diolah menggunakan aplikasi E-Views 10

 80

Tabel 4.1 Uji Stasioner DAR Pada Tingkat Level

Null Hypothesis: DAR has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -2.710599  0.2387

Test critical values: 1% level -4.243644
5% level -3.544284
10% level -3.204699

*MacKinnon (1996) one-sided p-values.

Sumber : data diolah menggunakan aplikasi E-Views 10

Berdasarkan hasi dari uji ADF diatas menunjukkan bahwa

besaran nilai kritis pada α sebesar 1% adalah -4.243644, α sebesar 5%

adalah -3.544284, dan α sebesar 10% adalah -3.204699 dengan nilai

ADF lebih kecil dari nilai α tersebut yaitu sebesar -2.710599 sehingga

data tersebut tidak stasioner serta nilai probabilitas ADF adalah

sebesar 0.2387. nilai probabilitas ADF lebih besar dibandingkan

dengan nilai α 5%. Hal ini dapat dikatakan bahwa rasio Debt to Asset

Ratio (DAR) tidak stasioner.

Jika data tidak stasioner maka dapat dilakukan langkah-

langkah uji kestasioneran data, maka data dapat distasionerkan dengan

melakukan differencing pada data. Differencing merupakan

memperhitungkan dari segala perubahan yang terjadi atau selisih nilai

dari data observasi yang digunakan. Berikut hasil pengujian

kestasioneran data pada differencing tingkat pertama.

 81

Gambar 5.3 Plot Data d(CR)

Sumber : data diolah menggunakan aplikasi E-Views 10

Berdasarkan data yang sudah di differencing tingkat pertama

terlihat bahwa variansi data bergerak lebih stabil dan konstan dan

bergerak pada mean atau nilai tengah. Sehingga data tersebut bisa

dikatakan sudah stasioner, setelah dilakukan uji ACF/PACF kemudian

langkah selanjutnya melihat kestasioneran data dengan melakukan uji

unit root pada uji ADF. Berikut hasil dari uji ADF yang telah

dilakukan :

Tabel 4.2 Uji Stasioner DAR Differencing Tingkat Pertama

Null Hypothesis: D(DAR) has a unit root

Exogenous: Constant, Linear Trend
Lag Length: 0 (Automatic - based on SIC, maxlag=9)

t-Statistic   Prob.*

Augmented Dickey-Fuller test statistic -7.997308  0.0000

Test critical values: 1% level -4.252879
5% level -3.548490
10% level -3.207094

*MacKinnon (1996) one-sided p-values.

Sumber : data diolah menggunakan aplikasi E-Views 10

 82

Berdasarkan hasil output E-Views pada differencing tingkat

pertama menunjukkan bahwa hasil nilai critis pada α sebesar 1% yaitu

-4.252879, α sebesar 5% yaitu -3.548490 dan α sebesar 10 % yaitu

-3.207094 lebih besar dibandingkan dengan nilai uji ADF yaitu

sebesar -7.997308 dengan melihat data probabilitas ADF 0.0000 lebih

kecil dari nilai α 5% sehingga dapat dikatakan bahwa data sudah

stasioner. Maka data Capital Adequacy Ratio sudah stasioner pada

tingkat differencing pertama dengan melihat hasil dari uji ADF yang

dilakukan.

b. Identifikasi Model Data Current Ratio

Langkah berikutnya adalah melakukan identifikasi model

ARIMA dengan menggunakan metode Box-Jenkins. Untuk

identifikasi model yang digunakan untuk memilih model ARIMA

Box-Jenkins melalui correlogram, yaitu Autocorelation Function

(ACF) dan Partial Autocorrelation (PACF). Dalam menentukan ordo

maksimal AR (p) dan MA (q) dapat dilihat dari banyaknya koefisien

autokorelasi yang berbeda dari nol. Differensi yang kita lakukan disini

hanya dalam orde 1, namun dengann menggunakan ACF ataupun

PACF dari data atau telah dilakukan uji unit root ADF.

Mendeteksi data yang bersifat stasioner adalah tahapan

identifikasi pada model Box-Jenkins. Jika terdapat data yang belum

stasioner maka data tersebut harus melakukan tahap differencing data

 83

untuk mendapatkan hasil yang stasioner. Penentuan plot berdasarkan

hasil output korelogram dan uji stasioneritas yang menyatakan terjadi

pelanggaran pada lag gambar berikut :

Gambar 5.4 Plot ACF dan PACF d(DAR)

Sumber : data diolah menggunakan aplikasi E-Views 10

Berdasarkan gambar diatas jumlah dengan spesifikasi model

ARIMA (p,d,q) lag yang tepat atau mendekati garis batas interval

dalam proses identifikasi model adalah ordo differencing 1 (d=1),

ordo AR 1 (p=1), dan ordo MA 1 (q=1).

c. Estimasi Parameter Model ARIMA

Langkah selanjutnya yaitu estimasi model agar mendapatkan

model yang tepat, dibutuhkan estimasi untuk menentukan model

ARIMA. Berdasarkan plot Autocorrelation Function (ACF) yang

bersifat luruh menuju nol dan Partial Autocorrelation (PACF) yang

signifikan (keluar dari batas interval) dapat diamati bahwa model yang
 84

relatif baik untuk memodelkan data dan juga dapat dilihat dari nilai

Akaike Info Criterion (AIC) dan Schwarz Criterion (SIC). Jika dilihat

dari nilai AIC dan SIC yang lebih kecil bisa dikatakan kualitas model

yang lebih baik dan model itulah yang sebaiknya kita pilih untuk

melakukan peramalan.

Dari hasil estimasi berbagai model yang dilakukan untuk

mendapatkan model ARIMA yang terbaik agar mendapatkan model

peramalan yang tepat untuk variabel Debt to Asset Ratio (DAR). Dapat

dilihat pada tabel berikut :

Tabel 4.3 Estimasi Parameter Model dari Debt to Asset Ratio

(DAR)
Std.
P,d,q t-Statistis Coefficient Prob. AIC SIC
Error
Model
1 -1.033603 0.312807 -0.323318 0.3091 5.181046 5.314362
1:1:0
Model
2 -1.017407 0.305895 -0.311219 0.3166 5.186906 5.320222
0:1:1
Model
-5.600572 0.165317 -0.925868 0.0000
3 5.217833 5.395587
2.127619 0.354119 0.753431 0.0414
1:1:1
Model -1.088698 0.309375 -0.336816 0.2847 5.236815 5.414569
4 -0.088654 0.392461 -0.034793 0.9299
 85

1:1:2
Model
0.219213 0.408746 0.089602 0.8279
5 5.237954 5.415708
-1.015808 0.322849 -0.327953 0.3176
2:1:1
Model
4855.616 0.000206 1.000000 0.0000
6 5.278452 5.456180
-15974.10 6.26E-05 -0.999992 0.0000
2:1:2

Berdasarkan tabel diatas dapat menentukan lanjut atau

tidaknya 6 model ARIMA ke tahap selanjutnya. Dari hasil analisis

identifikasi diperoleh 2 model terbaik ordo ARIMA yang telah

memenuhi kriteria, yaitu ARIMA (1:1:1) dan ARIMA (2:1:1). Akan

tetapi, kita lihat dari nilai probabilitas dan AIC serta SIC dari masing-

masing model yang koefisien signifikan didalam model DAR. Berikut

dari 2 model terbaik yaitu :

1) ARIMA (1:1:1)

Besar nilai yang terdapat pada probabilitas yaitu sebesar 0.0000 dan

0.0414 lebih kecil dari α 5% dan nilai AIC yang diperoleh yaitu

sebesar 5.217833 serta nilai SIC yang diperoleh yaitu sebesar

5.395587.

2) ARIMA (2:1:2)

Besar nilai yang terdapat pada probabilitas yaitu sebesar 0.0000

lebih kecil dari α 5% dan nilai AIC yang diperoleh yaitu sebesar

5.278452 serta nilai SIC yang diperoleh yaitu sebesar 5.456180.

 86

Dari kedua model diatas dapat kita simpulkan bahwa model

terbaik untuk tahap selanjutnya yaitu model ARIMA (1:1:1). Karena

telah memenuhi kriteria baik dari nilai probabilitas yang telah

signifikan lebih kecil dari α 5% serta nilai AIC dan SIC yang lebih kecil

dari model ARIMA (2:1:2), maka model yang dipilih untuk tahap

selanjutnya yaitu uji diagnosis adalah model ARIMA (1:1:1).

d. Diagnostik Data

Setelah melakukan estimasi parameter model, langkah

selanjutnya yaitu uji diagnosis/diagnostik data pada model ARIMA

yang terpilih. Untuk bermelakukan diagnostik data, selain

menggunakan kriteria uji t untuk parameter/koefisien hasil estimasi,

maka langkah selanjutanya yaitu dengan melakukan uji Q-Ljung-Box

dan plot ACF/PACF untuk melihat apakah terdapat korelasi serial

dalam residual dari hasil estimasi dengan model yang diamati. Berikut

hasil korelogram residual hasil estimasi yaitu :

Gambar 5.5 Plot ACF/PACF dan Uji Q-Ljung-Box

Sumber : data diolah menggunakan aplikasi E-Views 10

 87

Berdasarkan plot ACF dan PACF yang tidak signifikan, yang

ditandai dengan nilai probabilitas dari statistic Q-Ljung-Box yang lebih

besar dari nilai α 5%. Dapat disimpulkan residual dari model bersifat

white noise dan tidak terdapat korelasi serial dalam model tersebut.

Dengan begitu dapat disimpulkan data dari Debt to Asset Ratio (DAR)

PT. Bank BCA Syariah dengan model ARIMA (1:1:1) telah sesuai

untuk ke tahap peramalan.

e. Peramalan (Forecasting)

Setelah model terbaik diperooleh dari langkah-langkah

pemodelan diatas, model tersebut dapat digunakan untuk meramalkan

sifat-sifat data di masa yang akan datang. Model yang baik tentunya

diharapkan merupakan model terbaik fitting (pencocokan) data in-

sample dan sekaligus merupakan model yang baik untuk peramalan

dalam data out-sample yang ditandai dengan ukuran kebaikan fitting

yang minimal. Beberapa ukuran fitting atau peramalan dapat

dikenalkan, seperti ukuran Mean Absolute Error (MAE), Root of MSE

(RMSE), Median atau Mean Absolut Precent Error (MAPE) dan lain-

lain. Maka langkah selanjutnya yaitu peramalan/forecasting dengan

model ARIMA yang terpilih yaitu model ARIMA (1:1:1). Berikut hasil

output estimasi peramalan data Debt to Asset Ratio (DAR) PT. Bank

BCA Syariah :
 88

Gambar 5.6 Hasil Estimasi Peramalan Data Debt to Asset Ratio

(DAR)

Sumber : data diolah menggunakan E-Views 10.

Berdasarkan hasil gambar estimasi peramalan data Debt to Asset

Ratio (DAR) diatas, dapat digunakan untuk memvalidasi keakuratan

peramalan model terbaik yang diperoleh berdasarkan data in-sample.

Dilihat dari ukuran Root Mean Squared Error (RMSE) memiliki nilai

sebesar 5.374473, Mean Absolute Error (MAE) memiliki nilai sebesar

4.568929, dan Mean Absolute Percent Error (MAPE) sebesar 6.139585.

Dalam penelitian ini akan dilakukan prediksi untuk periode

triwulan I tahun 2023 sampai dengan triwulan IV tahun 2024. Langkah

selanjutnya menentukan hasil prediksi Debt to Asset Ratio (DAR) pada

PT. Bank BCA Syariah untuk 8 bulan kedepan, dapat dilihat pada gambar

berikut :
 89

Gambar 5.7 Hasil Prediksi Debt to Asset Ratio (DAR)

Sumber : data diolah menggunakan aplikasi E-Views 10

Adapun hasil prediksi Debt to Asset Ratio (DAR) pada PT. Bank

BCA Syariah untuk 8 triwulan kedepan dari triwulan I 2023 sampai

dengan triwulan IV 2014 yaitu dilihat dari tabel berikut :

Tabel 4.4
Hasil Prediksi Debt to Asset Ratio (DAR) PT. Bank BCA Syariah
dengan Model ARIMA (1:1:1)

NO TRIWULAN TAHUN DAR

1 I 75.96
2 II 76.24
2023
3 III 75.48
4 IV 75.68
5 I 75.00
6 II 75.14
2024
7 III 74.52
8 IV 74.60
 90

D. Pembahasan Hasil Penelitian

Lembaga yang beroperasi pada bidang keuangan sering sekali terjadi

kenaikan dan penurunan di suatu laporan keuangannya. Akan tetapi, tidak

satupun orang dapat memastikan apa yang akan terjadi pada suatu perusahaan

di masa mendatang terutama pada dunia perbankan syariah di Indonesia.

Ketidakpastian kondisi kesehatan pada perbankan syariah di masa mendatang

menyangkut minat masyarakat dalam memilih suatu bank syariah khususnya

pada Bank BCA Syariah. Laporan keuangan menjadi tolak ukur yang

berfungsi sebagai penilaian kinerja keuangan dalam berbagai aspek baik

internal maupun eksternal. Dengan begitu, suatu perusahaan mengetahui

kekuatan dan kelemahan yang dimiliki oleh perusahaannya. Suatu perusahaan

pasti telah mengatur strategi untuk melakukan kegiatan operasional nya

dengan baik untuk masa yang akan datang. Oleh karena itu, perusahaan harus

bisa meminimalkan risiko dari ketidakpastian kondisi keuangan dengan

melakukan prediksi.

Penelitian ini melakukan prediksi rasio keuangan untuk mengukur

financial distress Bank BCA Syariah dengan beberapa indikator yaitu pada

Capital Adequacy Ratio (CAR), Current Ratio, dan Debt to Asset Ratio

(DAR) menggunakan data runtun waktu (time series). Data time series

merupakan data yang telah dikumpulkan pada setiap periode waktu tertentu,

seperti data harian, mingguan, bulanan, kuartalan, semesteran maupun

tahunan. Jenis penelitian ini bersifat kuantitatif dengan menggunakan data

kuantitatif masa lalu untuk melakukan prediksi di masa mendatang.

 91

Berdasarkan data yang telah dikumpulkan kemudian dilakukan perhitungan

empiris untuk mendapatkan hasil analisis data yang dapat dipergunakan

sebagai dasar prediksi.

Analisa data penelitian ini menggunakan software E-Views 10

dengan metode ARIMA model Box-Jenkins. Hasil dari metode ini pada rasio

CAR berhasil bersifat stasioner setelah melakukan differencing tingkat

pertama dan didapatkan model ARIMA (2:1:2). Residual pada model

ARIMA (2:1:2) bersifat random atau white noise. Hal ini dapat dilihat dari

gambar 3.5 bahwa batang-batang grafik tidak melewati garis barlett pada

grafik autokorelasi maupun autokorelasi parsial. Selain itu, dilihat dari nilai

probabilitasnya yang memiliki nilai lebih dari 0,05. Oleh karena itu, model

ARIMA (2:1:2) cocok digunakan untuk melakukan prediksi dan merupakan

model terbaik karena nilai AIC yang diperoleh yaitu sebesar 6.302265 dan

nilai SIC yang diperoleh yaitu sebesar 6.480019. Pada rasio Current Ratio

berhasil bersifat stasioner setelah melakukan differencing tingkat pertama dan

didapatkan model ARIMA (2:1:1). Residual pada model ARIMA (2:1:1)

bersifat random atau white noise. Hal ini dapat dilihat dari gambar 4.5 bahwa

batang-batang grafik tidak melewati garis barlett pada grafik autokorelasi

maupun autokorelasi parsial. Selain itu, dilihat dari nilai probabilitasnya yang

memiliki nilai lebih dari 0,05. Oleh karena itu, model ARIMA (2:1:1) cocok

digunakan untuk melakukan prediksi dan merupakan model terbaik karena

nilai AIC yang diperoleh yaitu sebesar 2.777548 dan nilai SIC yang diperoleh

yaitu sebesar 2.953941. Sedangkan pada rasio DAR berhasil bersifat stasioner
 92

setelah melakukan differencing tingkat pertama juga dan didapatkan model

ARIMA (1:1:1). Residual pada model ARIMA (1:1:1) bersifat random atau

white noise. Hal ini dapat dilihat dari gambar 5.5 bahwa batang-batang grafik

tidak melewati garis barlett pada grafik autokorelasi maupun autokorelasi

parsial. Selain itu, dilihat dari nilai probabilitasnya yang memiliki nilai lebih

dari 0,05. Oleh karena itu, model ARIMA (1:1:1) cocok digunakan untuk

melakukan prediksi dan merupakan model terbaik karena nilai AIC yang

diperoleh yaitu sebesar 5.217833 dan nilai SIC yang diperoleh yaitu sebesar

5.395587.

Dari hasil prediksi financial distress pada Bank BCA Syariah yang

diukur dengan rasio CAR, Current Ratio dan DAR dapat disimpulkan bahwa

nilai dari masing-masing rasio tersebut selama 8 triwulan ke depan cenderung

mengalami penurunan dari periode ke periode. Besar kecilnya nilai prediksi

ini dipengaruhi oleh kualitas dari masa lalu yang cenderung menurun pula.

Akan tetapi, kita dapat mengukur hasil dari prediksi setiap rasio tersebut

dengan skala predikat dari masing-masing rasio.

Hasil prediksi financial distress Bank BCA Syariah dilihat dari

Capital Adequacy Ratio (CAR) selama 8 triwulan ke depan mengalami

fluktuasi yang sedikit dari periode ke periode dengan hasil prediksi yang

>12% sehingga rasio CAR ini dikatakan sangat sehat karena semakin besar

CAR maka semakin baik pula tingkat kesehatan suatu bank. Begitu pula

dengan Current Ratio yang mengalami penurunan selama 8 triwulan ke depan

dengan hasil prediksi diperoleh pada tingkat 1% - 0% sehingga dapat

 93

dikatakan sehat dilihat dari skala predikat Current Ratio. Sedangkan pada

Debt to Asset Ratio (DAR) mengalami penurunan pula untuk 8 triwulan ke

depan dengan hasil prediksi pada tingkat 75% - 74% sehingga dapat

dikatakan cukup sehat diukur dengan melihat skala predikat pada DAR. Besar

dan kecilnya nilai prediksi dapat dipengaruhi dari kualitas data masa lalu

yang cenderung menurun. Nilai terendah pada Capital Adequacy Ratio

(CAR) sebesar 37.03% pada triwulan II tahun 2023. Kemudian nilai terendah

pada Current Ratio sebesar 0.47% pada triwulan IV tahun 2024. Sedangkan

nilai terendah pada Debt to Asset Ratio (DAR) sebesar 74.52% pada triwulan

III tahun 2024.

Dari hasil ketiga indikator tersebut dalam mengukur prediksi

financial distress pada Bank BCA Syariah diukur juga dengan melihat skala

dari CAR, Current Ratio dan DAR yang masing-masing memiliki kriteria

penilaian guna melihat sehat atau tidaknya suatu perusahaan yang mengalami

penurunan. Sehingga dapat dikatakan kondisi keuangan Bank BCA Syariah

itu berada pada posisi sehat. Namun, apabila ada selisih hasil dari prediksi

financial distress yang terjadi dilihat dari Capital Adequacy Ratio (CAR),

Current Ratio dan Debt to Asset Ratio (DAR) di Bank BCA Syariah biasanya

terjadi karena tidak stabilnya nilai suatu produk bank syariah. Hal ini selaras

dengan penelitian yang dilakukan oleh Heni Utari dan Mashitah Akbar

dengan indikator yang digunakan yaitu ROA, Debt Ratio dan Current Ratio

dengan metode ZMIJEWSKI X-Score mengungkapkan bahwa berada pada

posisi sehat dengan indikator tersebut. Dan penelitian yang dilakukan oleh
 94

Choirul Takdir Syaputra dengan indikator yang digunakan yaitu rasio

likuiditas pada cash ratio, financing to deposit ratio dan loan to asset ratio

dengan metode ARIMA Box-Jenkins menunjukkan bahwa Bank Syariah

Mandiri berada posisi sangat sehat sehingga dapat dikatakan metode yang

digunakan sangat akurat untuk prediksi.

Dalam perspektif Islam sudah dijelaskan bahwa memprediksi

diperbolehkan dalam bidang ekonomi guna mencegah terjadinya hal-hal yang

tidak diinginkan. Kinerja seseorang memiliki tolak ukur pada dua hal yaitu

integritas dan kompetensi. Integritas adalah kepercayaan, menjadi debitur

yang baik, menyelesaikan transaksi yang saling ridha, larangan menipu, dan

larangan memakan harta orang lain dengan cara yang bathil. Kompetensi

merupakan hal yang berkaitan erat dengan pemberlakuan kerapian manajerial

yang bisa menyebabkan pembagian dividen tinggi kepada para shohibul

maal. Dalam Al-Qur’an disebutkan kewajiban untuk menggunakan laporan

akuntansi dalam sebuah bisnis dengan menerapkan prinsip-prinsip syariat

islam seperti : prinsip pertanggung jawaban, prinsip keadilan dan prinsip

kebenaran.
 BAB V
KESIMPULAN DAN SARAN

A. Kesimpulan

Penelitian ini bertujuan untuk mendapatkan bukti empiris mengenai

prediksi financial distress pada Bank BCA Syariah yang dilihat dari beberapa

indikator yaitu Capital Adequacy Ratio (CAR), Current Ratio dan Debt to

Asset Ratio (DAR) dengan menggunakan data triwulan I tahun 2014 sampai

dengan triwulan IV tahun 2022 sehingga didapatkan dari ketiga indikator

tersebut sampel sebanyak 108 sampel. Objek penelitian terdiri dari 108

sampel dengan prediksi yang dilakukan yaitu jangka pendek selama 8

triwulan ke depan dari tahun 2023-2024. Berdasarkan hasil penelitian yang

telah dilakukan untuk mengukur financial distress menggunakan metode

ARIMA Box-Jenkins dengan beberapa indikator dapat disimpulkan bahwa :

1. Hasil dari analisis data Capital Adequacy Ratio (CAR) pada PT. Bank

BCA Syariah dengan model terbaik yang diperoleh adalah ARIMA

(2:1:2) nilai signifikansi sebesar 0.0001. Jika dilihat dari nilai

signifikansinya sebesar 0.0001 menunjukkan bahwa nilai tersebut lebih

kecil dari 0.05 (0.0001<0.05) sehingga dapat dikatakan terdapat koefisien

yang signifikan didalam model CAR dengan nilai AIC sebesar 6.302265

dan nilai SIC 6.480019. Dengan demikian hasil prediksi pada Triwulan I

tahun 2023 sebesar 38%, Triwulan II sebesar 37.03%, Triwulan III

sebesar 38.3% dan Triwulan IV sebesar 37.35%. Sedangkan pada

95
 96

Triwulan I Tahun 2024 sebesar 38.61%, Triwulan II sebesar 37.67%,

Triwulan III sebesar 38.93% dan Triwulan IV sebesar 38.01%.

2. Hasil dari analisis data Current Ratio pada PT. Bank BCA Syariah

dengan model terbaik yang diperoleh adalah ARIMA (2:1:1) nilai

signifikansi sebesar 0.0000. Jika dilihat dari nilai signifikansinya sebesar

0.0000 menunjukkan bahwa nilai tersebut lebih kecil dari 0.05

(0.0000<0.05) sehingga dapat dikatakan terdapat koefisien yang

signifikan didalam model Current Ratio dengan nilai AIC sebesar

2.777548 dan nilai SIC sebesar 2.953941. Dengan demikian hasil prediksi

pada Triwulan I tahun 2023 sebesar 1.24%, Triwulan II sebesar 1.10%,

Triwulan III sebesar 1.01% dan Triwulan IV sebesar 0.91%. Sedangkan

pada Triwulan I Tahun 2024 sebesar 0.79%, Triwulan II sebesar 0.68%,

Triwulan III sebesar 0.57% dan Triwulan IV sebesar 0.47%.

3. Hasil dari analisis data Debt to Asset Ratio (DAR) pada PT. Bank BCA

Syariah dengan model terbaik yang diperoleh adalah ARIMA (1:1:1)

nilai signifikansi sebesar 0.0000. Jika dilihat dari nilai signifikansinya

sebesar 0.0000 menunjukkan bahwa nilai tersebut lebih kecil dari 0.05

(0.0000<0.05) sehingga dapat dikatakan terdapat koefisien yang

signifikan didalam model Debt to Asset Ratio (DAR) dengan nilai AIC

sebesar 5.217833 dan nilai SIC sebesar 5.395587. Dengan demikian hasil

prediksi pada Triwulan I tahun 2023 sebesar 75.96%, Triwulan II sebesar

76.24%, Triwulan III sebesar 75.48% dan Triwulan IV sebesar 75.68%.

Sedangkan pada Triwulan I Tahun 2024 sebesar 75.00%, Triwulan II

 97

sebesar 75.14%, Triwulan III sebesar 74.52% dan Triwulan IV sebesar

74.60%.

Berdasarkan hasil yang diperoleh dapat kita simpulkan dengan

melihat skala dari masing-masing indikator. Indikator Capital Adequacy

Ratio (CAR) dikatakan sangat sehat karena >12%, indikator Current Ratio

dikatakan sehat karena berada pada posisi 19% - 0% dan indikator Debt to

Asset Ratio dikatakan cukup sehat karena berada pada posisi 66% - 81%.

B. Saran

Berdasarkan kesimpulan diatas maka saran pada penelitian ini

dapat dikemukakan sebagai berikut :

1. Bagi Bank Syariah

Indikator CAR, Current Ratio dan DAR telah mendapatkan model terbaik

untuk forecasting dan koefisien signifikan untuk memprediksi financial

distress bank syariah di Indonesia. Sehingga dapat menjadi bahan acuan

dan evaluasi bagi bank syariah untuk menjaga kondisi kesehatan bank

agar tetap stabil dan kinerja bank yang baik. Dengan begitu, bank syariah

dapat mengatur strategi yang baik untuk mengatasi financial distress yang

akan terjadi di masa mendatang dan mengikuti peraturan yang telah

ditetapkan oleh Bank Indonesia dan Otoritas Jasa Keuangan.

2. Bagi Nasabah

Bagi nasabah harus dapat mengetahui bank syariah yang baik dalam

melakukan kegiatan operasinalnya yang dilihat dari kondisi kesehatan

 98

bank dan juga kinerja yang dilakukan agar terhindar dari bank yang

sedang mengalami kondisi kekurangan keuangan ( financial distress).

3. Bagi Peneliti Selanjutnya

Untuk peneliti selanjutnya diharapkan dapat lebih mengembangkan

peramalan/prediksi yang akan dilakukan dengan menambah indikator

untuk mengukur financial distress suatu bank syariah serta sampel yang

digunakan guna penelitian ini dapat dibandingkan dengan akurat.

 DAFTAR PUSTAKA

Qur’an

Yayasan Penyelenggara Penterjemah AL-qur’an Departemen Agama RI, Al-

Quran Digital dan Terjemahannya.

Buku

Ibrahim, Azharsyah, Metodologi Penelitian Ekonomi dan Bisnis Islam, Aceh : Ar-
Raniry Press, 2021.

Djaali, Metodologi Penelitian Kuantitatif, Jakarta Timur : PT. Bumi Aksara,

2020.

Soemitra, Andri, Bank dan Lembaga Keuangan Syariah, Jakarta : Prenadamedia

Group, 2009, Cetakan Pertama.

A, Lind Dougls, dkk, Teknik-Teknik Statistika dalam Bisnis dan Ekonomi, Jakarta
Selatan : Salemba Empat, 2014, Cetakan Ke Lima Belas.

Wijaya, Lukman Denda, Manajemen Perbankan, Bogor : Ghalia Indonesia, 2005.

Hery, Bank dan Lembaga Kuangan Lainnya, Jakarta : PT. Grasindo, 2019.

Ismail, Perbankan Syariah, Jakarta : PT Fajar Interpratama Offset, 2011.

Indonesia, Ikatan Bankir, Mengelola Bank Syariah, Jakarta : PT Gramedia

Pustaka Utama, 2014, Cetakan Pertama.

Arifin, Zainul, Dasar-Dasar Manajemen Bank Syariah, Tangerang : Azkia

Publisher, 2009, Cetakan Ketujuh.

Lesmana, Rico dan Surjanto, Rudy, Financial Performance Analyzing Pedoman

Menilai Kinerja Keuangan Untuk Perusahaan Tbl., Yayasan, BUMN,
BUMD, dan Organisasi Lainnya, Jakarta : PT Elex Media Komputindo,
2003, Cetakan Pertama.

Rolianah, Wiwik Saidatur, dkk, Monogrof Perbankan Syariah, Gresik : Guepedia,

2021.

Hantono, Konsep Analisa Laporan Keuangan dengan Pendekatan Rasio dan

SPSS, Sleman : CV Budi Utama, 2018, Cetakan Pertama.

99
 100

Kasmir dan Jaktar, Studi Kelayakan Bisnis, Jakarta : Kencana Prenada Media
Group, 2003, Cetakan Pertama.

Ramadhani, Fitriani Dwi dan Ardhiansyah, Maulana, Sistem Prediksi Penjualan

dengan Metode Single Exponential Smoothing dan Trend Parabolik,
Tangerang : PT. Mediatama Digital Cendekia, 2021.

Habibi, Roni dan Suryansah, Alwan, Aplikasi Prediksi Jumlah Kebutuhan

Perusahaan, Bandung : Kreatif Industri Nusantara, 2020, Cetakan
Pertama.

Trigunawan, Ajis, dkk, Regresi Linier Untuk Prediksi Jumlah Penjualan

Terhadap Jumalah Permintaan, Bandung : Kreatif Industri Nusantara,
2020, Cetakan Pertama.

Sitepu, Rasidin Karo-karo dan Siaga, Bonar M, Aplikasi Model Ekonometrika

Estimasi, Simulasi dan Peramalan Menggunakan Program SAS@ 9.2,
Bogor : PT Penerbit IPB Press, 2018, Cetakan Pertama.

Rosadi, Dedi, Ekonometrika dan Analisis Runtun Waktu Terapan dengan Eviews,
Yogyakarta : CV. Andi Offset, 2012.

Nurrahmah, Arfatin, dkk., Pengantar Statistika 1, Bandung : CV. Media Sains

Indonesia, 2021.

Teguh, Muhammad, Metode Kuantitatif untuk Analisis Ekonomi dan Bisnis,

Jakarta: PT Raja Grafindo Persada, 2014, Cetakan Pertama.

Kasmir, Dasar-Dasar Perbankan, Jakarta : PT Raja Grafindo Persada, 2014,

Cetakan Ke Empat Belas.

Imam Qurtubi, Tafsir Al-Qurthubi 9, Jakarta Selatan : Pustaka Azam, 2008

Jurnal/Skripsi

Suseno, Sri Wisnu, Penerapan Metode Arima Box-Jenkins Untuk Peramalan

Pasien Rawat Jalan Di Rsud Kartini Kabupaten Jepara Berbantuan
Eviews, Skripsi Prodi Matematika, Universitas Negeri Semarang.

Nuralifah, Analisis Prediksi Perkembangan Bank Syariah di Indonesia Periode

2017-2020, Skripsi Fakultas Ekonomi dan Bisnis Islam, Universitas
Islam Negeri Sultan Maulana Hasanuddin Banten.
 101

Agusti, Chalendra Prasetya, Analisis Faktor Yang Mempengaruhi Kemungkinan

Terjadinya Financial Distress, Skripsi Fakultas Ekonomi dan Bisnis,
Universitas Diponegoro.

Dahniaty, Afiqah, Lembaga Keuangan Syariah Non Bank Pegadaian Syariah dan
Lembaga Keuangan MIkro syariah, Skripsi, Prodi Perbankan Syariah,
Institut Agama Islam Negeri (IAIN) Bengkulu, 2021.

Choirul Takdir Syahputra, “Peramalan Perkembangan Rasio Likuiditas PT. Bank

Syariah Mandiri dengan Menggunakan Metode ARIMA Box-Jenkins”
Skripsi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Teknologi Sepuluh Nopember, 2016.

Shidiq, Imaduddin dan Wibowo, Buddi, Prediksi Financial Distress Bank Umum
Di Indonesia: Analisis Diskriminan Dan Regresi Logistik, Jurnal Bisnis
dan Manajemen, Vol. 7, No. 1, April 2017.

Kurniawati, Lintang dan Kholis, Nur, Analisis Model Predeksi Financial Distress
Pada Perusahaan Perbankan Syariah Di Indonesia, Syariah Paper
Accounting FEB UMS.

Assaji, Jenny Pratiwi dan Machmuddah, Zaky, Rasio Keuangan Dan Prediksi
Financial Distress, Jurnal Penelitian Ekonomi dan Bisnis, Vol. 2, No. 2,
2017.

Utari, Heni dan Akbar, Mashitoh, Analisis Prediksi Financial Distress Model
ZMIJEWSKI X-Score Pada Perbankan Umum Syariah di Indonesia
Periode 2016-2018, Jurnal Manajemen dan Akuntansi, Vol. 21, No. 2,
Oktober 2020.

Theodorus, Stevano dan Artini, Luh Gede Sri, Studi Financial Distress pada
Perusahaan Perbanan di BEI, E-Jurnal Manajemen, Vol. 7 No. 5, 2018.

Widuri, Trisnia, Analisa Komparatif Prediksi Financial Distress dengan Metode

Altman Z-Score dan Grover O-Score pada PT. Bank Panin Syariah,
Jurnal Manajemen dan Kewirausahaan, Vol. 3, No. 3, 2018.

Aksan, Ilham dan Nurfadilah, Khalilah, Aplikasi Metode Arima Box-Jenkins

Untuk Meramalkan Penggunaan Harian Data Sekunder, Journal of
Mathematics : Theory and Applications, Vol. 2, No. 1, 2020.

Nofinawati, Perkembangan Perkembangan Syariah di Indonesia, JURIS, Vol. 14,

No. 2, 2015.

Elvierayani, Rivatul Ridho, Peramalan Nilai Tukar (Kurs) Rupiah Terhadap

Dolar Tahun 2017 dengan Menggunakan Metode Arima Box-Jenkins,
 102

Seminar Nasional Integrasi Matematika dan Nilai Islami, Vol. 1, No. 1,

Juli 2017.

Wanto, Anjar dan Windarto, Agus Perdana, Analisis Prediksi Indeks Harga
Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan
Metode Backpropagation, Jurnal dan Penelitian Teknik Informatika,
Vol. 2, No. 2, Oktober 2017.

Supardi, Herman, dkk, Pengaruh Current Ratio, Debt to Asset Ratio, Total Asset
Turnover, dan Inflasi Terhadap Return on Asset, Jurnal Ilmiah Akuntansi
Fakultas Ekonomi, Vol. 2, No. 2, 2016.

Almunawaroh, Medina dan Marliana, Rina, Pengaruh CAR, NPF, dan FDR
Terhadap Profitabilitas Bank Syariah Indonesia, Jurnal Ekonomi dan
Keuangan Syariah, Vol. 2, No. 1, Mei 2018.

Wahyuni, Eka Sri, Faktor-Faktor Penyebab Financial Distress Diukur

Menggunakan Metode Artificial Neural Network Pada Perbankan
Syariah di Indonesia, Jurnal Akuntansi dan Pajak, Vol. 23, No. 1, 2022.

Putri, Ade Rosiyana, Analisis Springate (S-Score) Sebagai Alat Untuk

Memprediksi Financial Distress PT. Smartfren Telecom, Tbk Periode
Tahun 2016-2019, Jurnal Ilmiah Mahasiswa Akuntansi, Vol. 1, No. 2,
Juni 2021.

Rahmaniah, Melan dan Wibowo, Hendro, Analisis Potensi Terjadinya Financial

Distress Pada Bank Umum Syariah (BUS) di Indonesia, Jurnal Ekonomi
dan Perbankan Syariah, Vol. 3, No. 1, April 2015.

Elia, Riska, Analisis Prediksi Financial Distress dengan Model Springate,

ZMIJEWSKI, dan Grover, Jurnal Ilmu dan Riset Akuntansi, Vol. 10, No.
3, Maret 2021.

Yuliani, Ni Komang, dan Anggaradana, I Nyoman, Pengaruh Net Profit Margin,

Return on Asset, Likuiditas Terhadap Financial Distress (Studi Kasus
Pada Perusahaan Agriculture Terdaftar di Bursa Efek Indonesia Periode
2017-2019), Vol. 6, No. 1, Juni 2021.

Efendi, Syamsul, Riba dan Dampaknya dalam Masyarakat dan Ekonomi, Vol. 2,
No. 18, 2019.

Peraturan Perundang-Undangan

Undang-Undang Republik Indonesia Nomor 7 Tahun 1992 tentang perbankan dan

Undang-Undang No. 10 Tahun 1998 tentang perbankan.
 103

Undang-Undang No. 21 Tahun 2008 tentang perbankan syariah.

Sumber Elektronik

Laporan Triwulan Bank BCA Syariah 2022

http://repo.iain-tulungagung.ac.id/6329/6/Bab%203.pdf#.

https://www.bcasyariah.co.id/

https://kbbi.kemdikbud.go.id/entri/prediksi

https://www.bcasyariah.co.id/sejarah.

https://www.bcasyariah.co.id/informasi-umum

https://www.bcasyariah.co.id/visi-dan-misi-
LAMPIRAN

104
105