Skripsi
Oleh
Agnia Nurapifah
NIM 11170850000079
Skripsi
Diajukan kepada Fakultas Ekonomi dan Bisnis
Untuk Memenuhi Syarat-syarat untuk Meraih Gelar Sarjana
Ekonomi
Oleh
Agnia Nurapifah
NIM: 11170850000079
Di Bawah Bimbingan
Pembimbing I Pembimbing II
ii
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF
Hari ini, Kamis Tanggal 21 April 2021 telah dilakukan Ujian Komprehensif atas
mahasiswa:
iii
LEMBAR PENGESAHAN UJIAN SKRIPSI
Hari ini Kamis, 21 Oktober 2021 telah dilakukan Ujian Skripsi atas mahasiswa:
Nama : Agnia Nurapifah
NIM : 11170850000079
Jurusan : Perbankan Syariah
Judul Skripsi :ANALISIS KINERJA KEUANGAN PADA BANK
UMUM SYARIAH BUMN DI INDONESIA SEBELUM DAN SESUDAH
MERGER DENGAN METODE VECM (VECTOR ERROR CORRECTION
MODEL)
Setelah mencermati dan memperhatikan penampilan dan kemampuan yang
bersangkutan selama Ujian Skripsi, maka diputuskan bahwa mahasiswa tersebut di
atas dinyatakan LULUS dan skripsi ini diterima sebagai salah satu syarat untuk
memperoleh gelar Sarjana Ekonomi pada Fakultas Ekonomi dan Bisnis Universitas
Islam Negeri Syarif Hidayatullah Jakarta.
4. Ivalaili, M.I.E. ( )
NIP. 19880318 201801 2 001 Pembimbing II
iv
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH
NIM : 11170850000079
Agnia Nurapifah
NIM. 11170850000079
v
DAFTAR RIWAYAT HIDUP
(Curriculum Vitae)
Data Pribadi
Nama : Agnia Nurapifah
Tempat & Tanggal Lahir : Subang, 31 Oktober 1999
Jenis Kelamin : Perempuan
Agama : Islam
Alamat : Jl. Legoso Raya, Gg. Bungur No.16, Ciputat
Timur, Tangerang Selatan, Banten 15419
No. Telepon : 085780167967
E-mail : agnianrf526@gmail.com
Pendidikan Formal
2005-2011 : SDN Medal Taruna
2011-2014 : SMPN 1 Ciasem
2014-2017 : SMAN 1 Subang
2017-Sekarang : UIN Syarif Hidayatullah Jakarta – S1 Perbankan
Syariah
Pengalaman Organisasi
1. Dewan Eksekutif Mahasiswa Fakultas Ekonomi dan Bisnis (2018-2020)
2. Lingkar Studi Ekonomi Syariah UIN Syarif Hidayatullah Jakarta
(2020/2021)
Pengalaman Aktivitas
1. Anggota Acara 2th Youth Economic Summit (2017)
2. Anggota Kesekretariatan Acara Pengenalan Budaya Akademik Kampus
UIN Jakarta (2018)
3. Volunteer Social Trust Fund UIN Jakarta (2019)
4. Anggota Divisi Publikasi, Humas & Dokumentasi Acara WeShare (2019)
Achievement
1. Juara 3 National Essay Competition Zakat and Wakaf Goes to Campus
(2019)
2. Finalis Lomba Karya Tulis Ilmiah Temu Ilmiah Nasional (2020)
vi
ANALYSIS OF FINANCIAL PERFORMANCE AT STATE-OWNED SHARIA
BANKS IN INDONESIA BEFORE AND AFTER THE MERGER WITH THE
VECM (VECTOR ERROR CORRECTION MODEL) METHOD
Agnia Nurapifah
ABSTRACT
This study analyzes the financial performance of Islamic banking at 3 BUMN
Islamic Banks before and after the merger using the VECM (Vector Error
Correction Model) method. The sample in this study used the purposive sampling
technique. The sample for this research is 3 state-owned banks that have merged,
namely Bank Syariah Mandiri (BSM), BNI Syariah, and BRI Syariah with a period
of 4 years from 2017-2020. The data analysis method used is the VECM (Vector
Error Correction Model) method with views 9 analysis tool. There are 3 research
variables, namely profitability, solvency/leverage, and liquidity, with the following
indicators: profitability (ROA, NPM), Solvency (DER, DAR), and Liquidity (CR).
The results of this study indicate that there is a difference between the financial
performance of Islamic banking before and after the merger. In addition, there is a
mutually influencing relationship between variable indicators, which means that
each variable indicator can affect the ups and downs of Islamic banking's financial
performance after the merger.
Keywords: Merger, Financial Performance, Profitability, Solvability, Liquidity
vii
ANALISIS KINERJA KEUANGAN PADA BANK UMUM SYARIAH
BUMN DI INDONESIA SEBELUM DAN SESUDAH MERGER DENGAN
METODE VECM (VECTOR ERROR CORRECTION MODEL)
Agnia Nurapifah
ABSTRAK
viii
KATA PENGANTAR
Puji syukur kehadirat Allah SWT yang telah memberikan segala nikmat,
rahmat, dan hidayah-Nya, sehingga penulis dapat menyelesaikan penelitian ini
mengenai “Analisis Kinerja Keuangan Pada Bank Umum Syariah BUMN Di
Indonesia Sebelum Dan Sesudah Merger Dengan Metode VECM (Vector Error
Correction Model)” ini tepat pada waktunya.
Shalawat serta salam semoga senantiasa tercurahkan kepada Rasulullah
Muhammad SAW, keluarganya, para sahabatnya, serta para pengikutnya dan
mudah-mudahan kita termasuk didalamnya.
ix
7. Ibu Dr. Erika Amalia, SE., M.Si., selaku dosen pembimbing akademik yang
senantiasa membimbing penulis selama perkuliahan.
8. Teman-teman College Buddies yang telah memberikan dukungan semangat
dalam proses penyelesaian skripsi ini.
Terlepas dari semua itu penulis menyadari sepenuhnya bahwa masih ada
kekurangan baik dari segi susunan maupun tata bahasa dalam penelitian ini. Oleh
karena itu dengan tangan terbuka, penulis menerima saran dan kritik dari para
pembaca demi kesempurnaan makalah ini dimasa yang akan datang.
Agnia Nurapifah
x
DAFTAR ISI
BAB I ...................................................................................................................... 1
PENDAHULUAN .................................................................................................. 1
A. Latar Belakang..................................................................................1
D. Rumusan Masalah.............................................................................9
BAB II .................................................................................................................. 11
xi
METODE PENELITIAN ................................................................................... 51
BAB IV ................................................................................................................. 59
BAB V................................................................................................................... 97
A. Kesimpulan ..................................................................................... 97
B. Saran ............................................................................................... 98
xii
DAFTAR TABEL
xiii
xiv
DAFTAR GRAFIK
xv
BAB I
PENDAHULUAN
A. Latar Belakang
1
Grafik 1.1 Pertumbuhan Market Share Perbankan Syariah 2017-2020
2
pada DPK bank syariah, serta jumlah jaringan kantor yang masih sedikit.
Sedangkan, faktor eksternal yang mengakibatkan melambatnya pertumbuhan
bank syariah dikarenakan kondisi ekonomi dunia yang melambat termasuk
Indonesia dengan indikator lemahnya nilai tukar Rupiah terhadap US Dollar,
kemudian turunnya IHSG di pasar modal, dan juga daya beli masyarakat yang
menurun ( Syafrida I & Aminah I, 2015)
20,00%
15,00%
10,00%
5,00%
0,00%
Des 2016 Des 2017 Des 2018 Des 2019 Des 2020
Pertumbuhan Aset (yoy) 20,28% 18,97% 12,57% 9,93% 13,11%
Pertumbuhan PYD (yoy) 16,41% 15,27% 12,17% 10,89% 8,08%
Pertumbuhan DPK (yoy) 20,84% 19,89% 11,14% 11,93% 11,88%
3
Menurut istilah merger ialah kombinasi dari dua atau lebih perusahaan, di
mana perusahaan yang dihasilkan mempertahankan identitas satu perusahaan,
biasanya lebih masif (Gitman dan Zutter, 2015) atau kombinasi dua perusahaan
di mana hanya satu perusahaan yang bertahan sementara yang lain tidak lagi
beroperasi. (Gaughan, 2007). Konsolidasi berbeda dengan merger. Konsolidasi
adalah penggabungan dua atau lebih perusahaan menjadi satu perusahaan baru
(Gitman dan Zutter, 2015). Perbedaan antara konsolidasi dan merger terkait
dengan perusahaan itu sendiri. Dalam konsolidasi, jika terdapat dua atau lebih
perusahaan yang bergabung, maka akan terbentuk perusahaan baru. Di sisi lain,
penggabungan antara dua atau lebih perusahaan akan membuat hanya ada satu
perusahaan.
Menurut Smirnova (2015) dalam Atikah I, dkk. (2021) mengungkapkan
pemahaman yang lebih dalam mengenai latar belakang dilakukannya merger
ataupun akuisisi yaitu untuk mengenali kekuatan apa (ekonomi, keuangan,
teknologi, dll.) yang bisa mendorong perusahaan dan perusahaan lain menuju
terciptanya suatu kerjasama atau semacamnya. Sejalan dengan pernyataan
Smirnova, Natt dkk. (2007) dalam Kandil dan Chowdhury (2014) menyatakan
bahwa merger dan akuisisi penting bagi bank syariah untuk mempercepat
pertumbuhan kinerja bank dan dapat menguntungkan karena mampu
menciptakan skala atau cakupan ekonomi yang lebih baik sehingga perusahaan
dapat memiliki akses yang lebih baik ke pasar modal kemudian menurunkan
biaya modal sebagai keuntungan finansial. Mahmood et al. (2012) dalam Kandil
dan Chowdhury (2014) dalam penelitiannya tentang bank syariah di Pakistan
menunjukkan bukti yang signifikan bahwa tujuan utama sektor bisnis
perbankan syariah dalam merger dan akuisisi adalah untuk memperbesar
sinergi. Merger dan akuisisi kegiatan sektor perbankan syariah dianggap lebih
pada tingkat ekonomi makro dibandingkan dengan ekonomi mikro (Kandil &
Chowdhury, 2014).
Adanya aktivitas merger diharapkan dapat meningkatkan kinerja keuangan
perbankan syariah, serta menjadikan dapat menarik investor untuk
menanamkan sahamnya pada sektor perbankan syariah sehingga dapat
4
meningkatkan juga perekonomian Indonesia secara tidak langsung. Hal ini
sejalan dengan pernyataan Gupta (2015) dalam Atikah, dkk. (2021)
mengungkapkan dalam jurnalnya bahwa sektor perbankan memiliki peran
penting dalam pertumbuhan dan perkembangan ekonomi dari suatu negara
(Atikah I, dkk., 2021). Meskipun demikian, merger yang akan dilakukan oleh 3
BUS BUMN di Indonesia memiliki maksud dan tujuan yang baik, akan tetapi
hal ini menimbulkan pro dan kontra dalam prosesnya. Bagi beberapa pihak
merger bank syariah ini dinilai dapat memperkuat posisi bank syariah di industri
perbankan secara keseluruhan selain itu juga dapat memperluas pangsa pasar
perbankan syariah di Indonesia. Namun, untuk pihak yang menolak beralasan
bahwa merger ini dinilai hanya akan menggabungkan aset, tetapi tidak
meningkatkan nilai untuk industri perbankan syariah itu sendiri, sehingga lebih
baik bank syariah tetap bersaing dan mendorong pertumbuhan bank syariah di
Indonesia.
Terkait isu pro dan kontra yang tersebar di masyarakat selama pre dan pasca
merger dilakukan. Hal ini perlu diadakan pengkajian lebih lanjut dari sisi ilmiah
agar dapat dibuktikan dan menjadi referensi yang dapat
dipertanggungjawabkan. Sehingga dalam penelitian ini peneliti mempunyai
tujuan untuk mengkaji terkait perbedaan pada kinerja keuangan sebelum dan
sesudah merger perbankan syariah serta menganalisis hubungan yang terjadi
pada indikator variabel yang diteliti. Untuk mengukur indikator dalam
penelitian ini menggunakan Metode VECM (Vector Error Correction Model)
untuk meramalkan (Forecasting) kinerja keuangan 3 Bank Umum Syariah yaitu
Bank Mandiri Syariah, BRI Syariah, serta BNI Syariah. Selain itu penelitian ini
juga bertujuan untuk melihat ada atau tidaknya hubungan yang terjadi pada
rasio keuangan yang telah ditentukan dengan pendekatan time series approach.
Beberapa penelitian yang telah dilakukan terkait prediksi atau peramalan
menggunakan metode VECM yang telah ada sebelumnya yaitu penelitian yang
telah dilakukan seperti pada penelitian Setiawan I.(2019) mengenai model
VECM dalam mengakaji kontribusi perbankan syariah terhadap perekonomian
di Indonesia. Hasil penelitian menunjukan adanya hubungan sebab akibat dua
5
arah antara pembiayaan perbankan syariah dengan pertumbuhan ekonomi.
Perubahan volume pembiayaan di masa lalu mempunyai pengaruh terhadap
perubahan output riil dimasa sekarang, dan sebaliknya, perubahan output riil di
masa lalu juga mempunyai pengaruh terhadap perubahan volume pembiayaan
dimasa sekarang. Perubahan Sertifikat Wadiah Bank Indonesia (SWBI) masa
lalu akan mempengaruhi nilai pembiayaan sektor perbankan syariah dan tingkat
inflasi di masa sekarang. Dalam jangka panjang pertumbuhan pembiayaan
perbankan syariah dan bonus SWBI/SBI Syariah berpengaruh signifikan
terhadap pertumbuhan ekonomi. Kontribusi pembiayaan bank syariah dan
bonus SWBI/SBI Syariah terhadap pertumbuhan ekonomi masih sangat rendah
(Setiawan I., 2019).
Terkait Model VECM menurut A. Faturrahman & F. Rusdi (2019) dalam
penelitiannya menganalisis faktor-faktor yang mempengaruhi likuiditas Bank
Syariah Indonesia hasil penelitian menunjukan Return On Asset (ROA) dalam
jangka panjang memiliki pengaruh negatif dan signifikan terhadap FDR.
Sedangkan dalam jangka pendek, ROA memiliki pengaruh positif dan
signifikan terhadap FDR. Indikasi yang menyebabkan variabel ROA
berpengaruh negatif terhadap likuiditas bank syariah adalah adanya persaingan
yang ketat sehingga menimbulkan ketidakefisien manajemen yang
mengakibatkan pada profit atau kinerja keuangan turun dan munculnya
pembiayaan bermasalah maka akan mempengaruhi permodalan dan akan
menimbulkan masalah likuiditas sebab bank tak mampu memenuhi kewajiban
dalam jangka pendek (A. Faturrahman & F. Rusdi, 2019).
Pada penelitian lainnya dengan menggunakan indikator yang berbeda
terkait merger dikemukakan oleh Yusuf, M., & Ichsan, R. N.(2021) mengenai
merger yang dilakukan perbankan syariah di Indonesia menunjukkan bahwa
variabel NPF, FDR, BOPO, dan CAR secara simultan merupakan kinerja
keuangan Bank Umum Syariah di Indonesia periode 2011-2020. Secara
simultan variabel NPF, FDR, BOPO dan CAR berpengaruh signifikan terhadap
kinerja keuangan (ROA) bank umum syariah di Indonesia periode 2011-2020.
Berdasarkan besarnya adjusted R2 adalah 0,979 yang berarti 97,9% kinerja
6
keuangan (ROA) bank umum syariah dipengaruhi oleh variabel bebas,
sedangkan 0,21% dipengaruhi oleh faktor lain di luar penelitian. CAR secara
parsial berpengaruh positif tidak signifikan terhadap kinerja keuangan (ROA)
bank umum syariah di Indonesia periode 2011-2020. Secara parsial, NPF
berpengaruh positif tidak signifikan terhadap kinerja keuangan (ROA) bank
umum syariah di Indonesia periode 2011-2020. Secara parsial BOPO
berpengaruh negatif signifikan terhadap kinerja keuangan (ROA) bank umum
syariah di Indonesia periode 2011-2020. Secara parsial, FDR berpengaruh
positif tidak signifikan terhadap kinerja keuangan (ROA) bank umum syariah
di Indonesia periode 2011-2020 (Yusuf, M., & Ichsan, R. N., 2021).
Selain itu, untuk mengukur kinerja keuangan menurut A. Rashid & N.
Naeem (2016) bahwa cara mengukur kinerja keuangan secara empiris
menggunakan rasio keuangan yaitu rasio profitabilitas (ROA, Profit Margin),
Rasio solvabilitas/leverage (DER, ICR) dan rasio likuiditas (Current Ratio &
Quick Ratio). Kinerja keuangan perbankan syariah pada penelitian ini
diproksikan diukur dengan menggunakan Profitability Ratio, Laverage Ratio
dan Liquidity Ratio. Untuk mengukur profitabilitas menurut Harmono (2011,
110) yaitu Net Profit Margin (NPM), Gross Profit Margin (GPM), Return On
Assets (ROA), Return On Equity (ROE). Untuk pengukuran profitabilitas pada
penelitian ini hanya menggunakan 2 valriabel saja yaitu Return On Assets
(ROA), Net Profit Margin (NPM). Sedangkan untuk solvabilitas dengan
melihat laverage ratio didiproksikan dengan Debt to Equity Ratio dan Debt to
Asset Ratio dan untuk mengukur likuiditas didiproksikan dengan Current Ratio.
Apabila ditinjau dari latar belakang diatas, meskipun secara umum
perbankan syariah di Indonesia terus mengalami pertumbuhan dan
perkembangan setiap tahunnya secara pangsa pasarnya, tetapi secara
pertumbuhan aset, PYD dan DPK mengalami penurunan selama 4 tahun
terakhir. Sehingga pemerintah mengambil tindakan merger sebagai solusi
mengenai permasalahan tersebut. Namun langkah tersebut masih menuai pro
dan kontra dimasyarakat. Mengenai isu pro dan kontra dilakukannya merger
ini perlu dibuktikan secara ilmiah terlebih pada kinerja keuangan perbankan
7
syariah yang dimerger. Dengan referensi indikator pengukuran kinerja
keuangan dari penelitian terdahulu hal ini nantinya dapat membuktikan sejauh
mana pengaruh merger pada kinerja keuangan pada ketiga bank syariah yang
dimerger tersebut. Selain itu dapat dilihat pula bagaimana prospek kedepannya
setelah dilakukannya merger dan dapat memberikan informasi perihal
hubungan antar indikator pengukuran kinerja keuangan bank syariah yang telah
dimerger. Oleh sebab itu penulis tertarik untuk melakukan penelitian yang
berjudul :
“Analisis Kinerja Keuangan Pada Bank Umum Syariah BUMN Di
Indonesia Sebelum Dan Sesudah Merger Dengan Metode VECM (Vector
Error Correction Model)”
B. Identifikasi Masalah
Terkait merger yang dilakukan oleh 3 Bank Umum Syariah BUMN pada
2020 membuat reaksi dibanyak pihak. Oleh sebab itu penelitian ini bertujuan
untuk menganalisis pengaruh dari rencana merger tersebut. Berdasarkan latar
belakang diatas perlu adanya identifikasi masalah terkait dengan penelitian ini,
permasalahan yang dapat diidentifikasi sebagai berikut :
1. Pertumbuhan Bank Umum Syariah di Indonesia yang mengalami
perlambatan selama 5 tahun terakhir.
2. Reaksi berbagai pihak mengenai rencana merger Bank Syariah BUMN
dalam hal ini masih terpecah menjadi dua golongan yaitu pro dan kontra.
3. Kinerja keuangan perbankan syariah sebelum merger ini masih cukup
tertinggal dibandingkan dengan Bank Konvensional dan di Indonesia pun
belum memiliki Bank Syariah besar seperti diluar negeri.
C. Batasan Masalah
8
Konvensional dan di Indonesia pun belum memiliki Bank Syariah besar seperti
diluar negeri. Kemudian, prospek kinerja keuangan setelah 3 bank syariah yaitu
Bank Syariah Mandiri, BRI Syariah,dan BNI Syariah di merger.
D. Rumusan Masalah
1. Tujuan Penelitian
Adapun tujuan penulisan proposal skripsi ini adalah untuk:
a. Untuk mengetahui tingkat Profitabilitas pada Bank Umum Syariah di
Indonesia sebelum dan sesudah dilakukan merger.
9
b. Untuk mengetahui tingkat Solvabilitas pada Bank Umum Syariah di
Indonesia sebelum dan sesudah dilakukan merger.
c. Untuk mengetahui tingkat Likuiditas pada Bank Umum Syariah di
Indonesia sebelum dan sesudah dilakukan merger.
d. Untuk mengetahui ada atau tidaknya pengaruh antar indikator variabel
sebelum dan sesudah merger terhadap kinerja keuangan pada Bank
Umum Syariah di Indonesia.
2. Manfaat Penelitian
a. Manfaat Teoritis
Dengan penelitian ini diharapkan dapat memberikan pemikiran
terkait mengenai pengaruh merger terhadap kinerja keuangan sebelum
dan sesudah dilakukan merger 3 Bank Umum Syariah BUMN
Indonesia yaitu PT. Bank Syariah Mandiri, PT. Bank BRI Syariah
Tbk., dan PT. Bank BNI Syariah.
b. Manfaat Praktis
Penelitian ini agar bisa digunakan sebagai bahan pertimbangan
bagi para praktisi perbankan syariah. Selain itu dapat menjadi acuan
bagi manajemen bank yang melakukan merger terkait bagaimana
pengelolaan operasional bank Syariah terkait kinerja keuangannya.
Sehingga tingkat keberhasilan merger menjadi optimal.
10
BAB II
TINJAUAN PUSTAKA
A. Landasan Teori
1. Merger
11
Menurut Brealey, Myers, & Marcus (2011), Merger merupakan
penggabungan badan usaha menjadi satu dengan cara mengambil alih atau
membeli semua assets dan liabilities perusahaan yang digabung. Dalam merger
perusahaan yang mengambil alih memiliki paling tidak 50 persen saham,
sedangkan perusahaan yang diambil alih berhenti beroperasi dan pemegang
sahamnya menerima sejumlah uang tunai atau saham di perusahaan yang baru.
a. Horizontal merger, yaitu merger yang terjadi ketika dua atau lebih
perusahaan yang bergerak di bidang industri yang sama bergabung.
Contohnya merger perusahaan produsen mesin. Bentuk merger ini
menyebabkan ekspansi operasi perusahaan dalam lini produk tertentu dan
pada waktu yang sama bisa mengeliminasi persaing.
b. Vertical merger, yaitu merger yang terjadi ketika suatu perusahaan
mengakuisisi perusahaan supplier atau customer-nya. Misalnya
perusahaan rokok mengakuisisi perusahaan perkebunan tembakau,
perusahaan garmen mengakuisisi perusahaan tekstil, dan sebagainya.
Manfaat ekonomi dari merger vertikal berasal dari kontrol perusahaan
yang meningkat terhadap bahan baku atau distribusi barang-barang akhir
perusahaan yang diakuisisi.
c. Congeneric merger, yaitu merger yang terjadi ketika perusahaan dalam
industri yang sama tetapi tidak dalam garis bisnis yang sama dengan
supplier atau customer-nya. Contohnya adalah merger dari produsen
peralatan mesin dengan produsen sistem konveyor industri. Manfaat dari
12
merger congeneric adalah kemampuan untuk menggunakan saluran
penjualan dan distribusi yang sama untuk menjangkau pelanggan dari
kedua bisnis.
d. Conglomerate merger, yaitu merger yang terjadi antara perusahaan yang
berada dalam bisnis yang tidak berhubungan (unrelated business).
Misalnya merger perusahaan yang menghasilkan food products dengan
perusahaan komputer. Manfaat utama merger ini adalah kemampuan
mengurangi resiko karena perusahaan yang bergabung memiliki pola
siklikal dan musiman penjualan dan pendapatan yang berbeda.
2. Kinerja Keuangan
1. Profitabilitas
13
juga memberikan gambaran tentang tingkat efektifitas manajemen dalam
melaksanakan kegiatan operasinya.
14
menghasilkan laba bersih pada tingkat penjualan sehingga perusahaan
cenderung dinilai tidak efisien. Rasio atau pedoman yang baik adalah > 5
%. Rumus untuk mencari Net Profit Margin adalah sebagai berikut:
2. Solvabilitas
Menurut Kasmir (2016:151) dalam bukunya berpendapat bahwa rasio
solvabilitas adalah rasio yang digunakan untuk mengukur sejauh mana utang
membiayai aktiva perusahaan. Artinya seberapa besar beban utang yang
ditanggung perusahaan dibandingkan dengan aktivanya. Arti secara luasnya
dapat dikatakan bahwa rasio solvabilitas berguna untuk mengukur kemampuan
perusahaan untuk membayar seluruh kewajibannya, baik jangka pendek
maupun jangka panjang apabila perusahaan dibubarkan (dlikuidasi). Dalam
penelitian ini, peneliti akan menggunakan Debt to equity ratio.
Menurut Kasmir (2016:157), bahwa: “Debt to equity ratio merupakan
rasio yang digunakan untuk menilai utang dengan ekuitas. Cara untuk mencari
rasio ini yaitu dengan cara membandingkan antara seluruh utang, termasuk
utang lancar dengan seluruh ekuitas. Rasio ini berguna untuk mengetahui
jumlah dana yang disediakan peminjam (kreditor) dengan pemilik perusahaan.
Dengan kata lain, rasio ini berfungsi untuk mengetahui setiap rupiiah modal
sendiri yang dijadikan untuk jaminan utang”. Adapun rumus untuk mencari
debt to equity ratio adalah sebagai berikut:
15
3. Likuiditas
Rasio likuiditas menurut Fred Weston dalam Kasmir (2016:110),
“merupakan rasio yang menggambarkan kemampuan perusahaan dalam
memenuhi kewajiban jangka pendek”. Fungsi lain dari rasio likuiditas
adalah untuk menunjukkan atau mengukur kemampuan perusahaan dalam
memenuhi kewajibannya yang jatuh tempo, baik kewajiban kepada pihak
luar perusahaan (likuiditas badan usaha) maupun di dalam perusahaan
(likuiditas perusahaan).
Secara umum tujuan utama rasio likuiditas seperti yang diungkapkan
oleh Kasmir (2016:133) adalah: “untuk menilai kemampuan perusahaan
dalam memenuhi kewajibannya”. Disamping itu, dari rasio likuiditas dapat
diketahui hal-hal lain yang lebih spesifik yang juga masih berkaitan dengan
kemampuan perusahaan dalam memenuhi kewajibannya. Semua ini
tergantung dari jenis rasio likuiditas yang digunakan. Dalam penelitian ini,
peneliti akan menggunakan rasio lancar (current ratio).
Menurut Kasmir (2016:134), rasio lancar yaitu: “rasio yang digunakan
untuk mengukur kemampuan perusahaan dalam membayar kewajiban
jangka pendek maupun utang yang segera jatuh tempo pada saat ditagih
secara keseluruhan”. Rumus untuk mencari rasio lancar atau current ratio
adalah sebagai berikut:
16
harus diperlakukan dengan cara yang sama agar variabel dependen dan
independen tidak ada lagi (Ekananda, 2014).
Selain itu menurut Gujarati (2011), Model VAR merupakan salah satu
model time series yang sering digunakan dalam penelitian terutama di
bidaang ekonometrika yang dapat dipakai untuk menjelaskan perubahan
suatu data.
17
variabel ekonomi maupun didalam pembentukan model ekonomi
yang berstruktur (Basuki & Prawoto, 2016).
𝛼 = konstanta
𝑦𝑡−1, 𝑦𝑡−2, …,𝑦𝑡−𝑝 = nilai masa lalu pada deret runtun waktu yang
bersangkutan
18
4. Uji Stasioneritas
Proses penggunaan model peramalan VAR diawali dengan uji
stasioneritas pada data yang akan dipelajari. Jika data yang diteliti stabil
pada level ini, model VAR yang digunakan adalah tipe model VAR biasa
(Unrestricted VAR). Namun jika data yang diteliti tidak stabil pada tingkat
level, maka akan dilakukan uji stabilitas melalui proses diferensiasi
data.Langkah selanjutnya menggunakan metode Johansson test untuk
melakukan uji kointegrasi. hubungan jangka panjang atau sebaliknya Hal
yang sama berlaku. Jika tidak ada hubungan kointegrasi, model VAR yang
dapat digunakan adalah VAR dengan data diferensial (VAR in difference).
Uji stasioneritas dilakukan dengan menggunakan unit root test, tujuannya
untuk mengetahui apakah data yang digunakan mengandung unit root,
begitu juga sebaliknya. Jika data yang digunakan mengandung unit root,
maka data yang digunakan disebut data non-stasioner, sebaliknya jika data
mendekati nilai rata-rata dan tidak terpengaruh oleh waktu maka disebut
data stasioner. Data stasioner merupakan salah satu asumsi yang harus
dipenuhi untuk melakukan pemodelan VAR. Ini membentuk dasar data
deret waktu. Uji stasioneritas yang sangat populer yang sering digunakan
adalah uji unit root. Bila akar unit terkandung dalam suatu variabel, maka
dapat dikatakan bahwa variabel tersebut tidak stasioner. Dalam uji akar unit,
terdapat variabel yang umum digunakan, yaitu uji Augmented Dickey Fuller
(ADF) (Ekananda, 2014).
Untuk melakukan Uji stasioneritas biasanya menggunakan analisis
grafis yaitu Autocorrelation Function (ACF) dan correlogram juga unit root
test (menggunakan uji formal). Jika pada tingkat level data yang diteliti
belum memperoleh grafik yang stasioner, maka dilakukan transformasi
sehingga data yang diteliti menjadi data yang bersifat stasioner, seperti pada
data yang telah dilakukan First Difference. (Ekananda, 2014)
Berdasarkan Gujarati (2003), data runtun waktu bisa dikatakan
stasioner apabila memenuhi :
a. Mean : E(Yt) = μ yaitu mean dari Y adalah konstan.
19
b. Variance : var(Yt) = E(𝑌𝑡 − 𝜇)2 = 𝜎2, varians dari Y adalah konstan.
uji Augmented Dickey Fuller (ADF) digunakan untuk meneliti unit root
test pada sebuah variabel. Adapun formulasi pada uji ADF adalah sebagai
berikut.
𝑦𝑡 = 𝑦𝑡−1 + s𝑡
Persamaan diatas menunjukkan bahwa s𝑡 ialah stochasticss error term
memiliki rata-rata sama dengan 0, varians (𝜎2) konstan, sehingga tidak
terdapat autokorelasi pada variabel. Jika koefisien 𝑦𝑡−1 sama dengan 1,
maka timbul masalah yang disebut dengan maslah unit root (unit roots
problems). Sehingga estimasi regresi dinyatakan sebagai berikut:
𝑦𝑡 = 𝜌𝑦𝑡−1 + s𝑡
∆𝑦𝑡 = (𝜌 − 1)𝑦𝑡−1 + s𝑡
∆𝑦𝑡 = 𝛿𝑦𝑡−1 + s𝑡
20
Dengan 𝛿 dan ∆ merupakan bentuk perbedaan (first difference), yang
mana ∆𝑦𝑡 = 𝑦𝑡 − 𝑦𝑡−1. Apabila 𝛿 = 0 maka 𝜌 = 1, sehingga 𝑦𝑡 memilki akar
unit atau tidak stasioner. Maka dibentuklah sistematika untuk uji hipotesis
agar mampu mengetahui ada atau tidaknya akar unit sebagai berikut.
Hipotesis
𝐻0: 𝛿 = 0 (tidak stasioner karena mengandung akar unit)
𝐻1: 𝛿 < 0 (stasioner karena tidak mengandung akar unit)
Pengujian tersebut dilakukan dengan cara membandingkan nilai
absolut statistik ADF dengan nilai kritis MacKinnon. Dengan kriteria
pengujian sebagai berikut:
𝐻0 diterima jika nilai absolut statistik ADF < nilai kritis MacKinnon
Nilai probabilitas > 0,05
𝐻1 diterima jika nilai absolut statistik ADF > nilai kritis MacKinnon
Nilai probabilitas < 0,05
(Akbar, Rusgiono, & Tarno, 2016).
21
6. Uji Kointegrasi
22
c. Meskipun demikian, kemungkinan adanya suatu campuran dari
golongan series yang berbeda jika ada tiga atau lebih series yang
diperhatikan.
d. Jika 𝑥1 mempunyai suatu komponen n, maka kemungkinan terdapat
sebanyak n-1 vektor kointegrasi yang independen linier.
𝐻𝑎 = terdapat kointegrasi.
𝐻0 ditolak dan hipotis 𝐻𝑎 diterima jika nilai trace statistic> nilai kritis
trace 5%
𝐻0 diterima dan hipotis 𝐻𝑎 ditolak jika nilai trace statistic< nilai kritis
trace 5% (Basuki & Prawoto, 2016).
23
waktu telah terkointegrasi, memiliki hubungan jangka panjang yang stabil,
jika ada dua deret tidak stabil yang meliputi X𝑡 dan terkointegrasi, maka ada
representasi khusus sebagai berikut:
𝑌𝑡 = 𝛽0 + 𝛽1X𝑡 + s𝑡
s𝑡 = 𝑌𝑡 − 𝛽0 − 𝛽1X𝑡
Dalam hal ini s𝑡 (error term) itu stasioner. Kointegrasi dibagi menjadi
2 jenis yaitu kointegrasi bivariat dan multivariat. Kointegrasi yang
pengujiannya dilakukan pada dua variabel saja disebut bivariat, sedangkan
kointegrasi yang pengujiannya dilakukan pada dua variabel atau lebih
disebut dengan multivariat. Metode yang bisa digunakan untuk
menganalisis apakah data periode waktu yang digunakan terkointegrasi
dapat mengguakan uji kointegrasi Johansen. Menurut Johansen uji
kointegrasi pada umumnya hanya digunakan untuk variabel yang
terintegrasi pada orde nol dan orde satu yakni I (0) dan I (1). Uji kointegrasi
Johansen dapat ditunjukkan untuk suatu model VAR (𝑝). Secara umum
dapat dilihat sebagaimana berikut:
Untuk bisa mengetahui jumlah vektor yang terkointegrasi, ada tiap hal
yang harus diperhatikan, antar lain:
24
a. Jika rank pada matrik 𝑀 = 0, maka untuk informasi jangka panjang
tidak didapatkan dan VAR stasioner pada orde nol cocok untuk
direpresentasikan.
b. Jika rank pada matrik 𝑀 = 𝑛, maka 𝑀 ialah matriks full rank, maka 𝑥𝑡
stasioner dalam tingkat level dan VAR pada first difference cocok
untuk direpresentasikan.
c. Jika rank pada matrik 𝑀 ialah 0 < 𝑟 < 𝑛, maka 𝛽′𝑥𝑡 telah stasioner
meskipun 𝑥𝑡 tidak stasioner dan bentuk error correction cukup untuk
direpresentasikan.
𝜆𝑡𝑟𝑎𝑐𝑒(𝑟) = −𝑇 ∑𝑛
i=𝑟+1
ln(1 − 𝜆̂i)
Uji hipotesis:
25
Jika nilai trace statistic lebih besar dibandingkan dengan nilai kritis
pada tingkat kepercayaan 𝛼 (5%) atau jika nilai probabilitasnya lebih kecil
dibandingkan 𝛼 (5%) maka hipotesis nol ditolak sehingga terjadi
kointegrasi.
26
Persamaan diatas diatur kembali menjadi sebuah model VECM yaitu:
27
𝛽35𝑥𝑡−2 + 𝛽36𝑧𝑡−2 + s3𝑡
(Ekananda, 2016).
28
untuk data deret waktu(time series) yang tidak stasioner yang memiliki
hubungan kointegrasi.
(Ekananda, 2018).
29
Tabel 2.1 Kriteria Nilai Pada MAPE
30
atau tidak sensitif. Jika mendapatkan reaksi positif saat berada di atas garis
horizon dan searah, dan bila mendapatkan reaksi negatif saat berada di
bawah garis horizon dan berlawanan arah, sedangkan dapat dikatakan tidak
ada reaksi yang ditampilkan pada grafik di mana responnya lebih horizontal
dan lebih dekat ke garis horizon. Impulse Respons Function diperoleh dari
proses duplikasi konstruksi model VAR, yang sesuai dengan proses
stabilitas, yang memungkinkan penentuan respon yang terjadi pada y dan z
ketika perubahan terjad pada variabel dalam model VAR. Oleh karena itu,
sesuai dengan konstruksi VAR, IRF dapat dimodifikasi sebagai VAR
standar atau VAR sebagai persamaan simultan dinamis tereduksi
(Ekananda, 2014).
11. Variance Decomposition
B. Penelitian Terdahulu
No Judul Paper Penulis Kesimpulan dan Persamaan Perbedaan
Pembahasan
1. The Impact of Yusuf Ali Penelitian ini Persamaan Sampel yang
Horizontal Al-Hroot menunjukkan penelitian Yusuf diambil pada
31
Mergers on , Laith bahwa pada Ali, dkk. dengan penelitian
the Akram Al- beberapa rasio bank penelitian ini Yusuf Ali,
Performance Qudah2 AHLI tidak adalah terletak dkk. dengan
of the & Faris signifikan pada pada penilaian penelitian ini
Jordanian Irsheid periode setelah kinerja adalah
Banking Alkharabsha merger, kecuali keuangan perbankan di
Sector (2020) hasil yang lebih sebelum dan Jordania
unggul pada sesudah merger sedangkan
penelitian ini pada
menunjukkan penelitian ini
bahwa rasio adalah sampel
leverage meningkat diambil dari
secara signifikan. BUS (Bank
Penyebab dari Umum
peningkatan rasio Syariah) di
keuangan yang Indonesia
tidak signifikan
mungkin karena
periode pasca-
merger sesuai
dengan periode
krisis keuangan
global yang dimulai
pada tahun 2007.
2. Does positive Hassan Hasil penelitian Persamaan Perbedaan
relationship Yusuf & menunjukkan penelitian penelitian
exist between Lukman bahwa tidak ada Hassan Yusuf & Hassan Yusuf
bank mergers Raimi hubungan positif Lukman Raimi & Lukman
and asset (2019) antara M&A dan dengan Raimi dengan
turnover? Perputaran Aset penelitian ini penelitian ini
bank karena rasio adalah terletak adalah
32
Empirical Perputaran Aset pada penilaian Penelitian
evidence from bank-bank tersebut kinerja Hassan dan
Nigeria memburuk, tidak keuangan Lukman
meningkat secara sebelum dan hanya
signifikan. Lebih sesudah merger berfokus pada
lanjut, bukti penilaian
menunjukkan hubungan
bahwa bank yang merger
berdiri sendiri dengan asset
mengungguli bank turnover
hasil merger setelah bank.
M&A di Nigeria Sedangkan
pada
penelitian ini
menilai
kinerja
keuangan dari
3 sisi yaitu
profitability
ratio,
Solvability/L
everage ratio,
dan Liquidity
ratio.
3. Business Khulifa Berdasarkan kajian Membahas Terdapat
Valuation of Ahdizia,Dia terdapat sinergi mengenai perbedaan
Islamic Banks n Masyita ketika ketiga bank Merger yang dalam
in the Merger Dan Sutisna melakukan merger. terjadi pada penggunaan
Plan to (2018) Bank Umum methode
Become Berdasarkan hasil Syariah BUMN penelitiannya
Indonesia’s penelitian dan di Indonesia. yaitu jika
33
State-Owned pembahasan dapat pada
Bank disimpulkan bahwa penelitian
oleh DCF-FCFE Khulifa, dkk.,
metode, ini
menghasilkan nilai menggunakan
BSM sebesar Rp DCF-
8,99 triliun, nilai FCFE,dan
BRIS sebesar proyeksi
Rp3,23 triliun, peramalan
dan nilai BNIS dari tahun
sebesar Rp 3,08 2017-2021
triliun. Nilai PBV sedangkan
BSM, BRIS, dan pada
BNIS di penelitian ini
skenario sedang menggunaka
adalah 1,408; metode
1,290; dan 1,238. VECM untuk
Hasil nilai di menentukan
bawah rata-rata nilai kinerja
PBV keuangan
industri perbankan dimasa
yang tercatat di depannya
Bursa Efek 2021-2026.
Indonesia pada
tahun 2016 namun
masih lebih tinggi
dibandingkan
dengan PBV
terendah diantara
industri perbankan
di Bursa Efek
34
Indonesia.
Penilaian
merger bank
dengan metode
DCF-FCFE sebesar
Rp23,49 triliun dan
nilai gabungannya
sekitar
Rp15,31 triliun.
Sehingga nilai
sinerginya
mencapai Rp 5,89
triliun.
4. Pre & Post- Ritesh Patel Penelitian ini Persamaan Perbedaannya
Merger (2017) menemukan penelitian Ritel terletak pada
Financial dampak negatif Patel dengan metode
Performance: merger terhadap penelitian ini penelitian
An Indian return on equity, adalah terletak dimana pada
Perspective. return on asset, pada penilaian penelitian
rasio laba bersih, kinerja Ritel
yield on advance keuangan dilakukan
dan yield on sebelum dan dengan
investment. sesudah merger. menggunakan
Namun, variabel desain
Earnings per Share, penelitian
Profit per employee deskriptif.
dan Business per Penelitian
employee dilakukan
menunjukkan tren dengan
positif dan tumbuh menggunakan
setelah merger. pendekatan
35
penelitian
Dasar.
Sedangkan,
pada
penelitian ini
menggunakan
metode
VECM untuk
menentukan
nilai kinerja
keuangan
dimasa
depannya.
5. Merger And Kindy Hasil penelitian Persamaan Terdapat
Industrial Miftah & menunjukkan antara penelitian perbedaan
Acceleration: Hendro alternatif merger Kindy Miftah & metode
Study At Wibowo antar bank syariah Hendro Wibowo analisis antara
Indonesian (2017) hanya terdapat 5 dengan penelitian
Islamic alternatif yang penelitian ini Kindy Miftah
Banking feasibel adalah sama- & Hendro
Industry mempertimbangkan sama membahas Wibowo yang
aspek internal mengenai menggunakan
berupa tendensi merger yang metode DCF
pemegang saham dilakukan pada (Discounted
dan bank syariah Cash Flow)
kondisi bank dengan
syariah yang akan penelitian ini
dimerger terkait yang
kepentingan menggunakan
internalnya, serta metode
VECM.
36
aspek eksternal
yaitu
besaran aset dari
bank hasil merger
dan probabilitas
sukses dari proses
merger.
6. The Devina Ivo Hasil pengujian Persamaan Perbedaan
Determinant Mahendra hipotesis dengan antara penelitian antara
of the dan Nadia menggunakan Devina Ivo penelitian
Possibility of Asandimitra analisis regresi Mahendra Devina Ivo
Merger in Haryono logistik biner hanya dan Nadia Mahendra
Indonesia (2017) membuktikan Asandimitra dan Nadia
bahwa profitabilitas Haryono dengan Asandimitra
yang diproksikan penelitian ini Haryono
dengan return on adalah sama- dengan
equity dan leverage sama membahas penelitian ini
yang diproksikan mengenai adalah subjek
dengan debt to merger. penelitian
equity ratio Devina Ivo
berpengaruh Mahendra
terhadap dan Nadia
kemungkinan Asandimitra
merger perusahaan. Haryono
yaitu pada
perusahaan
secara umum
dan pada
penelitian ini
subjek
penelitiannya
37
yaitu BUS di
Indonesia.
7. Spin-off and M. Nur Hasil penelitian Pembahasan Pembahasan
market share Rianto Al menunjukkan penelitian pada
in the Arif (2017) bahwa : pertama, mengenai penelitian Al-
Indonesian terdapat perbedaan perbankan Arif (2017)
Islamic pangsa pasar bank syariah di mengenai
banking syariah antara Indonesia selain spin-off
industry: a sebelum dan itu persamaan sedangkan
difference in sesudah spin-off. penggunaan pada
difference Kedua, ada metode penelitian ini
analysis perbedaan dalam penelitian yaitu adalah
pangsa pasar bank Difference-in- merger.
spin-off antara Difference
sebelum dan (DiD)
sesudah spin-off.
Ketiga, terdapat
faktor eksternal
yang dapat
mempengaruhi
pangsa pasar bank
syariah, yaitu
tingkat inflasi,
tingkat suku bunga,
dan tingkat
pertumbuhan
ekonomi.
8. Effects of Abdul Hasil regresi OLS Pada penelitian Terdapat
mergers on Rashid & menunjukkan Abdul Rashid perbedaan
corporate Nazia bahwa kesepakatan ini memiliki dalam
38
performance: Naeem merger tidak persamaan penggunaan
An empirical (2016) memiliki pengaruh dengan methode
evaluation yang signifikan penelitian ini penelitiannya
using terhadap yaitu dalam yaitu jika
OLS and the profitabilitas, menilai kinerja pada
empirical likuiditas, dan keuangan penelitian
Bayesian posisi leverage perusahaannya Abdul Rashid
methods perusahaan. menggunakan : ini
Namun, perkiraan Profitability menggunakan
menunjukkan ratio, OLS dan
bahwa kesepakatan Solvability/Leve Empirical
merger memiliki rage Ratio dan Bayesian,
dampak negatif dan Liquidity Ratio sedangkan
signifikan secara pada
statistik terhadap penelitian ini
rasio cepat (Quick menggunaka
Ratio) perusahaan metode
merger / VECM untuk
pengakuisisi. menentukan
nilai kinerja
keuangan
dimasa
depannya.
9. Islamic Tarek Temuan penelitian Persamaan Perbedaan
Banks’ Kandil & menemukan bahwa antara penelitian penelitian
Mergers And Dababrata terdapat perbedaan Kandil & Kandil &
Acquisitions- Chowdhury yang signifikan Chowdhury Chowdhury
Impacts On (2014) dalam merger dan dengan dengan
Performance akuisisi syariah penelitian ini penelitian ini
And Financial pasca kinerja adalah sama- adalah sampel
jangka panjang sama membahas dan populasi
39
Crisis In The bank syariah di merger pada yang
United Inggris untuk bank syariah diambilnya
Kingdom mengendalikan dimana pada
krisis yang penelitian
dihadapi Inggris Kandil &
dari tahun 2007 Chowdhury
hingga 2010. sampel
Namun, bank diambil dari
syariah yang bank syariah
mengakuisisi di yang ada di
tinggi- industri Inggris
teknologi memiliki sedangkan
efek negatif pada pada
kinerja jangka penelitian ini
panjang mereka. pada BUS di
Indonesia.
10. The M. Nur Hasil Persamaan Yang
Alternative Rianto Al ARIMA antara penelitian membedakan
Strategies for Arif, Aini menunjukkan Al-Arif,dkk. penelitian Al-
Accelerating Masruroh, bahwa tidak ada dengan Arif, dkk.
Islamic Dwi Nuraini satupun unit usaha penelitian ini dengan
Banking Ihsan, Yuke syariah yang adalah sama- penelitian ini
Growth: Rahmawati mampu mencapai sama membahas adalah pada
Mergers, (2020) 50% share aset dari merger pada penelitian Al-
Spin-Offs, bank induknya. Hal bank syariah Arif, dkk.
Acquisitions ini menunjukkan Merupakan
and strategi spin-off studi
Conversions. sebagaimana komparatif
yang diamanatkan antara cara
oleh undang- mana yang
undang perlu lebih baik
40
dievaluasi. dalam
Alternatif strategi meningkatkan
yang dapat perbankan
dilakukan ialah syariah yaitu
konversi, dimana Merger atau
sudah terdapat dua Spin-Off atau
bank yang Akuisisi atau
melakukan strategi Konversi.
ini. Sedangkan
Selain itu, alternatif pada
strategi lain yang penelitian ini
dapat ditempuh hanya
ialah merger antar berfokus pada
unit usaha penelitian
syariah. Alternatif mengenai
strategi lainnya merger yang
ialah akuisisi unit terjadi pada
usaha syariah oleh Bank Umum
bank umum syariah Syariah.
yang sudah berdiri.
11. Analisis Zola Dalam penelitian Persamaan Perbedaan
Pengaruh Armando & ini, ditemukan penelitiannya penelitiannya
Merger Dan Kurniawan bahwa yaitu sama-sama yaitu terletak
Akuisisi (2019) merger dan akuisisi mengukur pada
Terhadap tidak mendorong kinerja pemilihan
Perusahaan profitabilitas dari keuangan sampelnya
Perbankan perusahaan sebelum dan dimana pada
Yang Terbuka perbankan terbuka sesudah merger. penelitian
Di Indonesia sedangkan Zola
likuiditas dari Armando &
perusahaan Kurniawan
41
meningkat menggunakan
walaupun tidak sampel
signifikan dan perbankan
solvabilitas dari secara umum
perusahaan sedangkan
meningkat secara penelitian ini
signifikan setelah sampel yang
adanya merger dan digunakan
akuisisi. Meskipun adalah dari
begitu, hasil dari Bank umum
merger syariah.
dan akuisisi dapat
berubah dan
bertambah dalam
seiring berjalannya
waktu.
12. Merger Indriatmini Merger pada bank Persamaan Pada
Merupakan Noegroho nasional bisa penelitiannya penelitian
Tantangan (2017) berjalan dengan yaitu sama-sama Indriatmini
Atau Peluang sukses dilihat dari membahas Noegroho
Bagi bagaimana bank- mengenai berupa
Perekonomian bank yang merger merger penelitian
Indonesia tersebut deskriptif
menjalankan dimana hanya
dengan proses berupa teori-
yang baik dan teori
memanfaatkan sedangkan
keunggulan dan pada
menutupi penelitian ini
kekurangan lebih pada
penelitian
42
yang dimiliki oleh statistik
bank peserta yang deskriptif.
biasanya
menyebabkan
kegagalan proses
merger dan
akuisisi.
13. Penguatan Muhammad Studi ini Persamaan Terletak pada
Perbankan Afdi Nizar menunjukkan hasil penelitiannya metode
Syari’ah & bahwa : (i) yaitu sama-sama analisis
Melalui Mohamad penggabungan membahas datanya.
Merger Atau Nasir merupakan salah mengenai
Konsolidasi (2016) satu merger
cara untuk
mewujudkan
terbentuknya bank
syariah besar,
dengan catatan
terdapat pemegang
saham pengendali
yang independen;
(ii) pola merger
atau
konsolidasi
memiliki efek yang
tidak signifikan
berbeda terhadap
sisi ekonomi,
strategi, keuangan,
risiko dan lainnya.
Efek yang cukup
43
signifikan atas
pilihan
skema merger atau
konsolidasi
diperkirakan pada
sisi legalitas dan
benturan
kepentingan antar
sumber daya
manusia (SDM)
yang berasal dari
atau berlatar
belakang berbeda;
dan (iii)
penggabungan
bank-bank syari’ah
membutuhkan
dana besar dan
mengandung risiko
yang tinggi
14. Analisis Herwin Hasil penelitian Persamaan Perbedaan
Return On Kurniawan menunjukan bahwa penelitiannya penelitiannya
Asset (ROA) (2015) belum semua bank yaitu sama-sama yaitu terletak
Beberapa yang melakukan membahas pada
Bank Pasca kegiatan Merger & mengenai pemilihan
Merger Di Akuisisi merger sampelnya
Indonesia memperlihatkan dimana pada
kinerja yang baik. penelitian
Kegagalan dalam Herwin
mempertahankan Kurniawan
atau meningkatkan menggunakan
44
kinerja Bank sampel
dipengaruhi oleh perbankan
buruknya secara umum
kualitas asset sedangkan
produktif, tidak penelitian ini
efisien dalam sampel yang
mengelola bisnis, digunakan
dan menurunnya adalah dari
CAR bank. Bank umum
syariah.
15. Kinerja Sylviana Analisis yang Membahas Terletak pada
Keuangan May digunakan untuk mengenai metode
Sebelum Dan Restika mengetahui Merger analisisnya
Sesudah (2013) perbedaan kinerja dimana pada
Merger: keuangan sebelum penelitian
Bukti Empiris dan sesudah Restika
Dari Industri merger adalah penilaian
Perbankan dengan untuk
Indonesia menggunakan uji t membuktikan
sampel keberhasilan
berpasangan. merger
Diketahui dari hasil menggunakan
analisis uji t Rasio
sampel CAMELS,
berpasangan dari sedangkan
delapan rasio pada
CAMELS yang penelitian ini
diteliti terdapat menggunakan
lima rasio yang metode
mengalami VECM untuk
menentukan
45
penurunan, nilai kinerja
sedangkan tiga keuangan
rasio lainnya dimasa
mengalami depannya..
peningkatan kinerja
yaitu rasio Return
on Risked
Assets, Loan to
Deposit Ratio, dan
Interest Rate Risk,
sehingga dapat
disimpulkan secara
umum kinerja
keuangan PT Bank
CIMB Niaga Tbk,
PT Bank Artha
Graha Internasional
Tbk, dan PT Bank
Windu
Kentjana
Internasional Tbk
mengalami
penurunan setelah
dilakukan merger.
Hal ini berarti tidak
mendukung teori
yang menyatakan
bahwa merger
dapat
meningkatkan
46
kinerja keuangan.
Tidak
adanya perbedaan
yang signifikan dan
adanya penurunan
secara umum
kinerja keuangan
ketiga
bank karena bank
yang merger
memerlukan waktu
dan proses untuk
melakukan
konsolidasi secara
menyeluruh
terhadap
operasionalnya,
sehingga dampak
merger belum dapat
dilihat secara nyata
dalam jangka
pendek.
47
C. Kerangka Pemikiran
48
D. Keterkaitan antar Variabel dan Hipotesis
1. Keterkaitan Variabel
a. Pengaruh Merger Terhadap Kinerja Keuangan
Salah satu cara dalam mengukur tingkat keberhasilan merger
suatu perusahaan atau industri adalah dengan mengukur kinerja
keuangan perusahaan tersebut sebelum dan sesudah dilakukannya
merger (Gozali & Panggabean, 2019).
Dalam penelitian Putri Novilza dan Atik Djajanti (2013)
“Analisis Pengaruh Merger dan Akuisisi Terhadap Kinerja
Perusahaan Publik di Indonesia (Periode 2004 – 2011)”
mendapatkan hasil bahwa tidak ada pengaruh yang signifikan pada
kinerja perusahaan kecuali pada ROAdari 1 tahun sebelum dan 4
sesudah merger dan akuisisi.
Sedangkan pada penelitian yang dilakukan Gozali &
Panggabean (2019) menunjukan bahwa adanya pengaruh secara
signifikan pada kinerja keuangan yaitu pada sisi profitability ratio
antara sebelum dan sesudah merger dan akuisisi.
49
d. Pengaruh Merger terhadap likuditas
Pada penelitian yang dilakukan Gozali & Panggabean (2019)
menunjukan bahwa tidak ada perbedaa signifikan pada kinerja
Liquidity Ratio antara 1 tahun sebelum dan 4 tahun sesudah merger
dan akuisisi.
2. Hipotesis :
a. Ho1 : Diduga Merger tidak berpengaruh terhadap tingkat profitabilitas
Bank Umum Syariah di Indonesia
b. Ha1 : Diduga Merger berpengaruh terhadap tingkat profitabilitas Bank
Umum Syariah di Indonesia
c. Ho2 : Diduga Merger berpengaruh terhadap tingkat solvabilitas Bank
Umum Syariah di Indonesia
d. Ha2: Diduga Merger berpengaruh terhadap tingkat solvabilitas Bank
Umum Syariah di Indonesia
e. Ho3 : Diduga Merger tidak berpengaruh terhadap tingkat likuiditas
Bank Umum Syariah di Indonesia
f. Ha3 : Diduga Merger berpengaruh terhadap tingkat likuiditas Bank
Umum Syariah di Indonesia
50
BAB III
METODE PENELITIAN
51
C. Data dan Sumber Data
Penelitian ini menggunakan pendekatan kuantitatif, dengan pengumpulan
data yang berasal dari data sekunder. Data sekunder merupakan data yang tidak
diperoleh secara langsung. Sumber data yang digunakan pada penelitian ini
berupa data dokumenter seperti laporan tahunan, jurnal penelitian, buku dan
data olahan yang diperoleh melalui website resmi.
D. Instrumen Penelitian
Instrumen penelitian merupakan suatu alat yang digunakan untuk
mengukur suatu fenomena alam atau sosial yang diamati (Sugiyono, 2018).
Intrumen penelitian digunakan untuk memperoleh data yang diinginkan untuk
menjawab permasalahan penelitian.
Jenis instrumen pada penelitian ini adalah dokumentasi berupa data-data
dari website atau situs resmi masing-masing Bank Umum Syariah di Indonesia
berupa laporan keuangan tahunan dari 2017-2020. Data yang diambil dan
digunakan sebagai indikator pengukuran dan perhitungan dimasing-masing
BUS adalah Return On Asset (ROA) dan Net Profit Margin (NPM), Debt to
Equity Ratio (DER) dan Current Ratio(CR).
52
G. Tahapan Penelitian
Setelah data dari laporan keuangan 3 bank Syariah yang dimerger
didapatkan maka akan dilakukan beberapa tahapan-tahapan untuk
menyelesaikan permasalahan dalam penelitian dengan menggunakan VAR.
Tahapan-tahapan penelitian tersebut antara lain yatu:
a) Input Data
Data yang diinputkan dalam penelitian ini yaitu data Return On Asset
(ROA) dan Net Profit Margin (NPM), Debt to Equity Ratio (DER), Debt to
Asset Ratio (DAR) dan Current Ratio bulanan dari 3 Bank Umum Syariah di
Indonesia yang di merger yaitu PT. Bank Syariah Mandiri, PT. Bank. BRI
Syariah Tbk., dan PT. Bank BNI Syariah dari tahun 2017-2020
b) Deskriptif Data
Pada langkah ini yang dilakukan adalah menganalisis data yang digunakan
yaitu data Return On Asset (ROA) dan Net Profit Margin (NPM), Debt to
Equity Ratio (DER), Debt to Asset Ratio (DAR) dan Current Ratio bulanan dari
3 Bank Umum Syariah di Indonesia yang di merger yaitu PT. Bank Syariah
Mandiri, PT. Bank. BRI Syariah Tbk., dan PT. Bank BNI Syariah dari tahun
2017-2020.
c) Uji Stasioneritas
Uji stasioneritas dilakukan dengan menggunakan uji Augmented Dickey
Fuller (ADF). Saat menguji data dengan Augmented Dickey Fuller (ADF) pada
tingkat transien, perlu dilakukan pembedaan data terlebih dahulu (first
difference). Jika setelah mendiferensiasikan data pertama (first difference)
masih belum mendapatkah hasil data yang stasioner, maka harus melanjutkan
dengan diferensiasi kedua (second difference). Dengan kriteria tes sebagai
berikut:
𝐻0 diterima jika nilai absolut statistik ADF < nilai kritis MacKinnon Nilai
probabilitas > 0,05
53
𝐻1 diterima jika nilai absolut statistik ADF > nilai kritis MacKinnon Nilai
probabilitas < 0,05
d) Penentuan Panjang Lag
Penentuan panjang lag yang optimal dapat dilakukan dengan
menggunakan beberapa kriteria informasi yaitu panjang lag terpendek menurut
LR (Likehood Ratio), AIC (Akaike Information Critrion), FPE (Final
Prediction Error), HQ (Hannan-Quin Criterion) dan SC (Schwarz Information
Criterion).
e) Uji dan Analisis Kausalitas Granger
Uji analisis kausalitas granger dapat dilakukan dengan menggunakan
metode Granger Kausality. Metode ini digunakan untuk mengetahui hubungan
kausalitas diantara 2 variabel atau indikator variabel.
f) Uji Kointegrasi
Pada uji kointegrasi dilakukan dapat menggunakan metode Johansen’s
Cointegration Test. Untuk uji kointegrasi menggunakan hipotesis sebagai
berikut:
𝐻0 = tidak terdapat kointegrasi
𝐻𝑎 = terdapat kointegrasi
54
dengan grafik dimana responnya cenderung mendatar dan dekat pada garis
horizon.
55
terjadi ketika
perusahaan
dalam industri
yang sama tetapi
tidak dalam garis
bisnis yang sama
4) Conglomerate
merger, yaitu
merger yang
terjadi antara
perusahaan yang
berada dalam
bisnis yang tidak
berhubungan
(unrelated
business).
2. Kinerja 1. Profitability Untuk pengukuran 1. ROA
Keuangan Ratio Profitability ratio
Kinerja Rasio pada penelitian ini
keuangan adalah Profitabilitas berupa :
2. NPM
kemampuan adalah rasio 1) Return On Asset
perusahaan yang adalah rasio
dalam digunakan perbandingan
mengelola dan untuk antara laba bersih
mengendalikan mengukur setelah pajak
sumber daya kemampuan dengan total
yang perusahaan aktiva.
dimilikinya. dalam 2) Net Profit
(IAI, 2007) mencari Margin
keuntungan Adalah rasio
perbandingan
56
(Kasmir, antara laba bersih
2016). setelah pajak
dengan penjualan
bersih.
2. Solvability/ Untuk pengukuran
Leverage Solvability/Leverag Debt to Equity Ratio =
Ratio e ratio pada 𝐓𝐨𝐭𝐚𝐥 𝐔𝐭𝐚𝐧𝐠 (𝑫𝒆𝒃𝒕)
𝐄𝐤𝐮𝐢𝐭𝐚𝐬 (𝑬𝒒𝒖𝒊𝒕𝒚)
Rasio penelitian ini berupa
Leverage :
merupakan 1) Debt to Equity
rasio yang Ratio
digunakan Adalah rasio yang
untuk digunakan untuk
mengukur menilai utang
sejauh mana dengan ekuitas
perusahaan
aktiva
perusahaan
dibiayai oleh
utang
(Kasmir,
2016).
3. Liquidity Untuk pengukuran
Ratio Liquidity ratio pada Current Ratio =
Rasio Likuiditas penelitian ini berupa
Aktiva Lancar (𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐴𝑠𝑠𝑒𝑡𝑠)
merupakan rasio : Utang Lancar (𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠)
57
dalam kemampuan
memenuhi perusahaan dalam
kewajiban membayar
jangka kewajiban jangka
pendeknya pendek maupun
(Kasmir, 2016) utang yang segera
jatuh tempo pada
saat ditagih secara
keseluruhan
58
BAB IV
59
Informasi Pemegang Saham
60
Deposito Faedah. Produk pembiyaaannya yaitu Gadai Faedah, Ritel Faedah,
Mitra Faedah, Purna Faedah, Griya Faedah, Oto Faedah, Multi Faedah, dan
Kur iB.
61
kebanggaan untuk berkarya dan berprestasi bagi pegawai sebagai
perwujudan ibadah, dan menjadi acuan tata kelola perusahaan yang amanah.
BNI Syariah memiliki produk-produk diantaranya yang pertama
pendanaan yaitu BNI Tabungan iB Hasanah, yang kedua BNI Deposito iB
Hasanah, yang terakhir BNI Giro iB Hasanah. Lalu BNI Syariah pun
memiliki beberapa produk pembiayaan yaitu yang pertama pembiayaan
konsumer, fasilitas pembiayaan konsumer meliputi :BNI Griya iB Hasanah,
BNI Multiguna iB Hasanah, BNI Oto iB Hasanah, BNI Emas iB Hasanah,
BNI CCF iB Hasanah, BNI Fleksi Umroh iB Hasanah. Yang kedua
pembiayaan mikro, meliputi: Mikro 2 iB Hasanah dan Mikro 3 iB Hasanah.
Ketiga pembiayaan korporasi, meliputi : BNI Syariah Multifinance, BNI
Syariah Linkage Program, BNI Syariah Kopkar/Kopeg, BNI Syariah Usaha
Besar, BNI Syariah Valas, BNI Syariah Ekspor, BNI Syariah Onshore, BNI
Syariah Sindikasi. Yang keempat pembiayaan Usaha Kecil dan Menengah
(UKM), meliputi : BNI Syariah Wirausaha, BNI Syariah Valas, BNI
Syariah Kopkar/Kopeg, BNI Syariah Dealer iB Hasanah, BNI Syariah
Usaha Kecil, BNI Syariah Linkage. Selain produk berupa pendanaan dan
pembiayaan, BNI Syariah juga memiliki produk berupa kartu iB
Hasanah/iB Hasanah Card, E-banking, ATM, layanan SMS Banking,
Internet Banking, Mobile Banking, Tapcash iB Hasanah, dan Layanan
Gerak.
62
menawarkan kebaikan untuk seluruh alam (Rahmatan Lil `Aalamin). 1
Februari 2021 yang bertepatan dengan 19 Jumadil Akhir 1442 H, menandai
sejarah penggabungan Bank Syariah Mandiri, BNI Syariah dan BRI Syariah
menjadi satu kesatuan, Bank Syariah Indonesia (BSI). Penggabungan ini
akan menyatukan keunggulan ketiga bank syariah untuk memberikan
layanan, ruang lingkup, dan kapasitas permodalan yang lebih komprehensif.
Didukung sinergi dengan induk perusahaan (Mandiri, BNI, BRI) dan
komitmen pemerintah melalui Kementerian BUMN, Bank Syariah
Indonesia didorong untuk berdaya saing global.Bank Syariah Indonesia
memiliki visi untuk menjadi top 10 global islamic bank. Bank Syariah
Indonesia pun berkomitmen untuk memberikan akses solusi keuangan
syariah di Indonesia, menjadi bank besar yang memberikan nilai terbaik
bagi para pemegang saham, dan menjadi perusahaan pilihan dan
kebanggaan para talenta terbaik Indonesia.
63
1. Rasio Profitabilitas :
a. Net Profit Margin (NPM)
Tabel 4.1 Presentase Rata- Rata Nilai NPM
Periode NPM (%)
2017-2020 BSM BRIS BNIS
Rata-Rata 72% 71% 74%
Dari data diatas dapat dilihat bahwa terjadi perbedaan tingkat nilai
ROA yang dihasilkan selama 4 tahun terakhir dari 2017-2020 sebelum
merger. Nilai ROA rata-rata bulanan yang tertinggi dihasilkan oleh BNI
Syariah dengan nilai 0,58%. Hal ini berarti bahwa Bank BNI Syariah
64
dalam pengelolaan asetnya cenderung lebih efektif dan lebih produktif
dalam menghasilkan jumlah laba bersih yang lebih besar dibandingkan
dengan Bank Syariah Mandiri dan BRI Syariah. Selain itu nilai ROA
pun bisa digunakan sebagai indikator keberhasilan manajemen
perusahaan dalam pemanfaatan aset untuk meraih laba yang maksimal.
Dilain sisi, pada sudut pandang investor nilai ROA bisa digunakan
sebagai bahan pertimbangan apakah perusahaan memiliki prospek
bisnis yang baik di masa depan atau tidak.
2. Rasio rentabilitas(leverage) :
a. Debt to Equity Ratio (DER)
Tabel 4.3 Presentase Rata-Rata Nilai DER
Periode DER (%)
2017-2020 BSM BRIS BNIS
Rata-Rata 1097% 815% 915%
Sumber: Data laporan keuangan BUS yang diolah
65
b. Debt to Asset Ratio (DAR)
Tabel 4.4 Presentase Rata-Rata Nilai DAR
Periode DAR(%)
2017-2020 BSM BRIS BNIS
Rata-Rata 91,64% 88,64% 90,47%
Sumber: Data laporan keuangan BUS yang diolah
3. Rasio Likuiditas :
a. Current Ratio (CR)
Tabel 4.5 Presentase Rata-Rata Nilai CR
Periode CR(%)
2017-2020 BSM BRIS BNIS
Rata-Rata 81,17% 83,70% 89,27%
Sumber: Data laporan keuangan BUS yang diolah
66
dana perusahaan belum digunakan secara efektif untuk investasi.
Ukuran standar dari rasio lancar adalah 200% atau dua kali umumnya
digunakan. Ukuran standar tersebut dianggap bahwa perusahaan sudah
berada dititik aman secara jangka pendek. Jika dilihat dari tabel rata-
rata nilai rasio lancar (Current ratio) dari data diatas dapat disimpulkan
bahwa dari ketiga bank belum ada yang memenuhi minimum standar
rasio lancar. Artinya kemampuan ketiga bank tersebut dalam melunasi
utang masih dipertanyakan. Hal ini bisa terjadi sebab ketiga bank
tersebut belum mengalokasikan aset/aktiva lancarnya secara optimal
atau belum mengelola modal dengan baik.
67
Sum Sq. Dev. 0.000224 0.067137 37.76014 0.005858 0.036010
Observations 48 48 48 48 48
Sumber : Hasil pengolahan data sekunder Eviews 9, 2021
68
D. Hasil Uji Statistik Data
1) Uji Normalitas
Tabel 4.7 Hasil Uji Normalitas
Interpretasi data hasil uji normalitas dari tabel diatas dapat dilihat
semua data terdistribusi dengan normal atau tidak dengan cara melihat
nilai dari probabilitas JB (Jarque-Bera) dengan nilai alpha 5% (0,05). Jika
nilai probabilitas JB (Jarque-Bera) lebih besar dari 5% (0,05) maka data
dapat dikatakan telah terdistribusi normal dan sebaliknya jika nilai
probabilitas JB (Jarque-Bera) lebih kecil dari 5% (0,05) maka data
tersebut tidak terdistribusi normal. Jika dilihat dari hasil uji normalitas
semua indikator variabel (ROA,NPM, DER,DAR, CR) data diatas
menunjukan bahwa nilai probabilitas JB > 0,05. Maka dapat disimpulkan
bahwa semua data terdistribusi normal.
2) Uji Stasioneritas
Stasioner dalam suatu variabel menjadi sangat penting karena
mempengaruhi hasil estimasi regresi. Regresi antar variabel yang tidak
stasioner mengarah pada fenomena regresi palsu dimana nilai koefisien
yang dihasilkan dari estimasi tidak lagi valid dan sulit digunakan sebagai
pedoman. Dalam penelitian ini digunakan uji Augmented Dickey Fuller
(ADF) untuk menguji stasioneritas data variabel yang diteliti. Pengujian
ini dilakukan untuk memperoleh data yang memiliki mean, varians, dan
kovarians yang konstan sepanjang waktu. Jika hasil uji stasioneritas
masing-masing variabel dengan menggunakan uji augmented Dickey
Fuller menunjukkan bahwa data untuk semua variabel tidak stasioner pada
tingkat bidang, maka data stasioner dapat diperoleh dengan cara
membedakan data tersebut. Langkah-langkah tersebut dilakukan sampai
69
semua variabel berada pada tingkat stabilitas yang sama. Apabila data
telah stasioner pada tingkat level maka dilanjutkan dengan persamaan
VAR biasa, namun apabila data tidak stasioner pada level, dapat
menggunakan model VECM.
a. Variabel Profitabilitas (ROA)
Pada tahap ini, variabel profitabilitas (ROA) terlebih dahulu diuji
stasioneritas datanya dengan menggunakan uji Augmented Dickey
Fuller pada tingkat level dengan hasil sebagai berikut:
t-Statistic Prob.*
70
dengan kata lain bahwa data yang digunakan sudah tepat untuk
mengestimasi model penelitian yang digunakan.
t-Statistic Prob.*
71
c. Variabel Solvabilitas / Leverage (DER)
Pada tahap ini, variabel profitabilitas (DER) terlebih dahulu diuji
stasioneritas datanya dengan menggunakan uji Augmented Dickey
Fuller pada tingkat level dengan hasil sebagai berikut:
Tabel 4.10 Hasil Uji Stasioneritas Variabel Rentabilitas /
leverage (DER) Tingkat Level
t-Statistic Prob.*
72
d. Variabel Solvabilitas / Leverage (DAR)
Pada tahap ini, variabel solvabilitas / leverage (DAR) terlebih
dahulu diuji stasioneritas datanya dengan menggunakan uji
Augmented Dickey Fuller pada tingkat level dengan hasil sebagai
berikut:
Tabel 4.11 Hasil Uji Stasioneritas Solvabilitas / Leverage
(DAR) Tingkat Level
t-Statistic Prob.*
73
e. Variabel Likuiditas Current Ratio (CR)
Pada tahap ini, variabel likuiditas Current Ratio (CR) terlebih
dahulu diuji stasioneritas datanya dengan menggunakan uji
Augmented Dickey Fuller pada tingkat level dengan hasil sebagai
berikut:
t-Statistic Prob.*
74
Karena pada variabel solvabilitas / leverage Debt to Equity Ratio
(DER) dan likuiditas Current Ratio (CR) tidak stasioner pada tingkat
level atau pada pengujian tingkat dasar maka pada pengujian
stasioneritas ini perlu dilakukan pengujian pada first difference
(differensiasi Pertama) untuk semua variabel. Sebab, ketika ada salah
satu variabel yang tidak stasioner/ signifikan maka langkah yang harus
diambil adalah dengan melakukan differensiasi agar dapat
melanjutkan pengujian tahap selanjutnya dan dapat mengestimasi
model dengan tepat. Selanjutnya hasil pengujian pada variabel-
variabel yang menggunakan uji Augmented Dickey Fuller dengan first
difference (differensiasi pertama) dapat dilihat pada tabel berikut:
t-Statistic Prob.*
75
10%|−2.601424| dan nilai probabilitas yang didapatkan lebih kecil
dari 0,05 (0,0000 < 0,05), maka dapat disimpulkan bahwa variabel
Profitabilitas (ROA) sudah stasioner/signifikan artinya pada
pengujian tingkat first difference ini data yang digunakan dapat
dilanjutkan dengan pengujian selanjutnya dan dapat mengestimasi
model pada penelitian ini.
b. First difference Variabel Profitabilitas (NPM)
Tabel 4.14 Hasil Uji Stasioneritas First difference Variabel
Profitabilitas (NPM)
t-Statistic Prob.*
76
c. First difference Variabel Solvabilitas / Leverage (DER)
Tabel 4.15 Hasil Uji Stasioneritas First difference Variabel
Solvabilitas (DER)
t-Statistic Prob.*
77
d. First difference Variabel Solvabilitas / Leverage (DAR)
Tabel 4.16 Hasil Uji Stasioneritas First difference Variabel
Solvabilitas (DAR)
t-Statistic Prob.*
t-Statistic Prob.*
78
Augmented Dickey-Fuller test statistic -8.870779 0.0000
Test critical values: 1% level -3.581152
5% level -2.926622
10% level -2.601424
79
kebebasan yang terbatas, terutama untuk model dengan sampel kecil.
Oleh karena itu, sangat penting untuk mengetahui lag optimal sebelum
melakukan estimasi VAR.
Pendekatan VAR amat berpengaruh terhadap panjang lag data
yang dipakai, sebab penentuan panjang lag digunakan untuk
menganalisa durasi periode pengaruh suatu variabel terhadap variabel
periode sebelumnya ataupun terhadap variabel dependen lainnya.
Pada penelitian ini menentukan panjang lag (p) model menggunakan
AIC (Akaike Information Critrion), FPE (Final Prediction Error), HQ
(Hannan-Quin Criterion) dan SC (Schwarz Information Criterion)
dengan nilai p didapatkan melalui pemilihan p yang minimum.
80
ketika nilai-nilai kriteria di atas memiliki nilai absolut terkecil. Dari
hasil tabel di atas, panjang lag optimal dapat ditentukan dengan nilai
absolut terkecil, yang ditandai dengan jumlah bintang pada periode
tersebut. Dengan lag 1 jumlah bintang hanya 1 dan dengan lag 0 ada
4 bintang. Dari sini dapat disimpulkan bahwa panjang delay yang
optimal adalah 0.
4) Uji Kointegrasi
Setelah menentukan durasi lag optimal, selanjutnya adalah uji
kointegrasi. Kointegrasi adalah hubungan jangka panjang antar variabel
yang tidak stasioner. Dengan kata lain, meskipun variabel-variabel ini
tidak stasioner secara individual atau masing-masing pada tiap
variabelnya, kombinasi antara variabel-variabel ini dapat menjadi
stasioner atau valid apabila digunakan untuk mengestimasi suatu model
penelitian. Uji kointegrasi ini menggunakan metode uji kointegrasi
Johansen dengan data stasioner pada tingkat first difference karena pada
pengujian stasioneritas terdapat data dari dua variabel yaitu variabel
rentabilitas / leverage (DAR) dan variabel likuiditas (CR) dimana pada
tingkat level atau tingkat dasar tidak stasioner. Hasil uji kointegrasi untuk
masing-masing hubungan pada tabel terlampir 4.18.
Berdasarkan hasil uji kointegrasi didapatkan nilai Trace Statistic
pada kelima barisnya lebih besar dibandingkan nilai kritis, pada baris
pertama nilai trace statistic sebesar 106,7453 lebih besar dari nilai kritis
60,06141, pada baris kedua nilai trace statistic sebesar 65,61697 lebih
besar dari nilai kritis 40,17493 , pada baris ketiga nilai trace statistic
sebesar 41,04809 lebih besar dari nilai kritis 24,27596, pada baris
keempat nilai trace statistic sebesar 17,80374 lebih besar dari nilai kritis
12,32090, pada baris kelima nilai trace statistic sebesar 4,632532 lebih
besar dari nilai kritis 4,129906 yang menunjukkan bahwa pada masing-
masing data nilai time series terdapat 5 indikasi kointegrasi pada taraf
kepercayaan 95% atau taraf signifikansi 0.05 yang artinya H0 ditolak
81
yang menyatakan tidak ada kointegrasi dan H1 diterima yang menyatakan
adanya kointegrasi.
82
hubungan jangka panjang antara stabilitas/ekuilibrium dan kesamaan
pergerakan. Dalam jangka pendek, semua variabel saling
menyesuaikan untuk mencapai keseimbangan jangka panjang. Seperti
yang telah ditetapkan pada subbagian sebelumnya bahwa semua data
dari perbedaan tingkat pertama adalah stasioner dan semua data juga
terkointegrasi, analisis lebih lanjut dapat dilakukan dengan model
VECM.
83
penelitian. Pada titik ini kita akan membahas hubungan antara akar
karakteristik dan vektor karakteristik dalam kasus VECM yang
diturunkan dari 3 variabel dan 5 Indikator variabel yaitu variabel
profitabilitas (ROA & NPM), Solvebilitas / Leverage (DER & DAR)
dan Likuiditas (CR). Dari hasil uji stasioneritas dan uji kointegrasi data,
peramalan model dilakukan dengan menggunakan Restricted Vector
Autoregression Model (Restricted VAR) atau Vector Error Correction
Model (VECM). Pada tahap ini, hasil estimasi model VECM antar
variabel penelitian dapat dilihat pada tabel berikut:
T hitung =2,06390
Vector Error Correction Estimates
Date: 07/31/21 Time: 22:26
Sample (adjusted): 7 48
Included observations: 42 after adjustments
Standard errors in ( ) & t-statistics in [ ]
84
Berdasarkan data Tabel diatas dapat dijelaskan bahwa dalam jangka
panjang pada semua indikator variabel T Statistik > T tabel yang berarti
signifikan, jika dilihat pada hasil diatas untuk variabel profitabilitas yaitu
ROA T Statistik 2.45593 > 2,06390 T tabel, untuk NPM T Statistik
2.11150 > 2,06390 T tabel, untuk variabel solvabilitas yaitu DER T
Statistik 2.44534 > 2,06390 T tabel, Untuk DAR T Statistik 2.07272 >
2,06390 T tabel, dan terakhir untuk variabel likuiditas yaitu CR T
Statistik 2.33416 > 2,06390 T tabel, jadi nilai dari masing-masing
variabel yaitu profitabilitas (ROA, NPM), Solvabilitas (DER, DAR) dan
Likuiditas (CR) satu periode sebelumnya signifikan mempengaruhi nilai
dari variabel profitabilitas (ROA, NPM), Solvabilitas (DER, DAR) dan
Likuiditas (CR) dimasa mendatang.
85
saling mempengaruhi yang dapat dibuktikan dari nilai probabilitas
masing-masing lebih besar dari 0,05 yaitu 0.0804 dan 0.1722. Sehingga
hipotesis H0 diterima. Sehingga, dapat disimpulkan bahwa tidak ada
hubungan kausalitas antara ROA dan NPM. Kemudian untuk Variabel
profitabilitas (ROA) secara statistik tidak signifikan mempengaruhi
variabel Solvabilitas (DER) dan begitu pula sebaliknya yang dibuktikan
dengan hasil nilai probabilitas dari masing-masing lebih besar dari 0,05
yaitu 0.7109 dan 0.0803. Sehingga hipotesis H0 diterima. Dengan
demikian, dapat disimpulkan bahwa tidak terjadi hubungan kausalitas
antara variabel profitabilitas (ROA) dan solvabilitas (DER).
86
berakibat pada kemampuan bank dalam memenuhi kewajiban jangka
pendeknya.
87
variabel Solvabilitas/Leverage (DAR) yang dibuktikan dengan hasil nilai
probabilitas lebih besar dari 0,05 yaitu 0,5159. Sehingga hipotesis H0
diterima. Dengan demikian, dapat disimpulkan bahwa tidak terjadi
hubungan kausalitas antara variabel profitabitas (NPM) dan
Solvabilitas/Leverage (DAR) artinya Rasio solvabilitas/ leverage (DAR)
memiliki hubungan sebab akibat dengan rasio profitabilitas (NPM)
dibandingkan sebaliknya. Ketika nilai DAR semakin besar, maka
komposisi utang dalam aset semakin besar juga dan hal itu dapat menjadi
salah satu faktor yang menyebabkan terjadinya penurunan tingkat
profitabilitas. Sebab nantinya bank akan lebih fokus untuk melunasi
utangnya terlebih dahulu sehingga laba yang dibagikan pun lebih rendah.
Indikator Variabel Profitabilitas yaitu CR & NPM secara statistik tidak
saling mempengaruhi yang dibuktikan dengan hasil nilai probabilitas
masing-masing lebih besar dari 0,05 yaitu 0,4756 dan 0,2884. Sehingga
hipotesis H0 diterima. Dengan demikian, dapat disimpulkan bahwa tidak
terjadi hubungan kausalitas antara CR dan NPM.
88
Oleh karenanya, dapat disimpulkan bahwa terjadi hubungan kausalitas
antara variabel Solvabilitas/Leverage (DER) terhadap variabel likuiditas
(CR). Namun tidak dengan sebaliknya dimana variabel likuiditas (CR)
secara statistik tidak signifikan mempengaruhi variabel
Solvabilitas/Leverage (DER) yang dibuktikan dengan hasil nilai
probabilitas lebih besar dari 0,05 yaitu 0,1942. Sehingga hipotesis H0
diterima. Dengan demikian, dapat disimpulkan bahwa tidak terjadi
hubungan kausalitas antara variabel variabel likuiditas (CR) dengan
Solvabilitas/Leverage (DER). Dalam hal ini berarti ketika porsi utang
dalam aset membesar dapat berpengaruh dalam likuiditas bank. Karena
semakin tinggi utang semakin besar risiko yang dihadapi bank dalam
memenuhi kewajibannya pula.
89
8) Hasil Impuls Response Function (IRF)
9) Variance Decomposition
Uji yang dilakukan pada tahap ini adalah uji Variance Decomposition.
Tujuan dilakukannya uji ini ialah untuk mendapatkan informasi mengenai
seberapa kuat komposisi dari peranan variabel tertentu terhadap variabel
lainnya. Adapun hasil Analisis VDC (Variance Decomposition) yang
disajikan pada tabel terlampir dari beberapa indikator variabel yang telah
dianalisis menunjukkan bahwa antar variabel maupun indikator variabel
satu dengan lainnya disetiap periodenya terdapat perbedaan dan nilai yang
dihasilkannya pun sangat fluktuatif atau bergerak naik dan turun. Artinya
pada indikator variabel yang diteliti seperti ROA, NPM, DAR, DER, dan
CR dapat meningkat pada tiap periodenya atau mengalami penurunan pada
periode tertentu. Hal ini bisa menjadi gambaran untuk perbankan syariah
yang dimerger ini bahwa harus memperhatikan faktor-faktor yang
mempengaruhi naik dan turunnya indikator variabel kinerja keuangan
tersebut. Dimana hal ini sudah dideskripsikan pada pengujian sebelumnya
yaitu uji kausalitas granger.
90
10) Forecasting
91
Tabel 4.23 Peringkat Nilai Pada MAPE
92
yang telah diperoleh termasuk dalam kategori baik karena hasil yang
didapat berada dikisaran 9-20%. Setelah melakukan estimasi
permodelan, berikut ini adalah hasil peramalan (forecasting) untuk
semua indikator variabel yaitu ROA, NPM, DER, DAR dan CR untuk
periode 4 tahun kedepan yaitu 2021-2024 dengan metode forecasting
model VECM dan menggunakan software eviews 9.0.
Grafik 4.2 Hasil Forecasting
93
Sumber : Hasil pengolahan data sekunder Eviews 9, 2021
Berdasarkan grafik diatas dapat dilihat bahwa untuk hasil untuk setiap
peningkatan (trend naik). Hal ini bisa menjadi indikasi positif dari merger
ketiga bank sebelumnya yaitu Bank Syariah Mandiri, BRI Syariah dan BNI
Syariah yang saat ini sudah resmi menjadi satu nama yaitu Bank Syariah
seperti data hasil ataupun tidak. Sebab, pada kenyataanya banyak faktor-
E. Interpretasi Hasil
Analisa model VECM yang dilakukan pada penelitian ini untuk mengetahui
perbedaan kinerja keuangan 3 Bank Syariah BUMN yaitu Bank Syariah
Mandiri, BRI Syariah dan BNI Syariah sebelum dan sesudah merger. Denga
94
menggunakan historical data dari tahun 2017-2020 sebagai patokan awal
untuk mengetahui kinerja keuangan sesudah merger dengan metode
forecasting data. Terdapat beberapa hasil, sebagai berikut :
95
mempengaruhi antar indikator variabel ini menjadi catatan untuk pihak
bank dalam realisasinya dikemudian hari. Karena hasil peramalan ini
hanya menggambarkan prospek pada periode tertentu kedepan akan
seperti apa, untuk merealisasikannya pada periode aslinya tetap harus
mempertimbangkan hasil ini agar merger yang dilakukan menghasilkan
hasil yang baik dan bisa dikatakan berhasil.
peningkatan (trend naik). Hal ini bisa menjadi indikasi positif dari merger
ketiga bank sebelumnya yaitu Bank Syariah Mandiri, BRI Syariah dan
BNI Syariah yang saat ini sudah resmi menjadi satu nama yaitu Bank
baik dari segi internal maupun eksternal yang berpengaruh pada kinerja
bank harus terkendali atau dapat diantisipasi secara dini risiko-risiko yang
ada tersebut.
96
BAB V
PENUTUP
A. Kesimpulan
Berdasarkan hasil penelitian dan pembahasan yang telah diuraikan pada
bab sebelumnya mengenai adakah perbedaan pada kinerja keuangan pada 3
bank umum Syariah sebelum dan sesudah merger, maka ditarik kesimpulan Isi
penelitian adalah sebagai berikut:
Berdasarkan hasil perhitungan rata-rata nilai ROA bulanan sebelum
merger selama 4 periode (2017-2020) didapat 0,45% Bank Syariah Mandiri
(BSM), 0,23% BRI Syariah (BRIS) dan BNI Syariah (BNIS) 0,58%. Jika
dilihat rata-rata pertahunnya untuk BSM sekitar 1,8%, untuk BRIS sekitar
0,92% dan untuk BNIS adalah 2,32%. Bila dilihat dalam peraturan PBI no.
6/9/PBI/2004 standar terbaik ROA adalah 1,5%. Jadi dapat disimpulkan bahwa
2 dari 3 bank yang melakukan merger ini sudah memiliki nilai ROA/
profitabilitas yang baik. Jadi penggabungan ketiga bank ini memiliki potensi
meningkatnya profitabilitas jika dilihat dari indikator variabel ROA.
Berdasarkan data pada tabel estimasi model VECM didapat bahwa dalam
jangka panjang pada semua indikator signifikan, jadi nilai dari masing-masing
variabel yaitu profitabilitas (ROA, NPM), Solvabilitas (DER, DAR) dan
Likuiditas (CR) satu periode sebelumnya signifikan mempengaruhi nilai dari
variabel profitabilitas (ROA, NPM), Solvabilitas (DER, DAR) dan Likuiditas
(CR) dimasa mendatang. Dapat disimpulkan bahwa dengan hasil ini, terdapat
perbedaan antara periode sebelumnya dengan periode selanjutnya.
Dari 5 indikator variabel terdapat 6 dari 10 hubungan antar variabel yang
memiliki hubungan timbal balik atau hubungan saling mempengaruhi yaitu
Variabel Likuiditas (CR) secara statistik signifikan mempengaruhi variabel
profitabilitas (ROA), Variabel solvabilitas (DER) secara statistik signifikan
mempengaruhi variabel profitabilitas (NPM), Variabel solvabilitas (DAR)
secara statistik signifikan mempengaruhi variabel profitabilitas (NPM),
97
Variabel solvabilitas (DER) secara statistik signifikan mempengaruhi Variabel
solvabilitas (DAR), Variabel solvabilitas (DER) secara statistik signifikan
mempengaruhi Variabel likuiditas (CR), dan Variabel solvabilitas (DAR)
secara statistik signifikan mempengaruhi Variabel likuiditas (CR). Dengan
adanya hubungan saling mempengaruhi antar indikator variabel ini menjadi
catatan untuk pihak bank dalam realisasinya dikemudian hari.
Berdasarkan hasil forecaseting dapat dilihat bahwa untuk hasil untuk
setiap indikator variabel untuk kinerja keuangan yaitu Profitabilitas (ROA,
NPM), Solvabilitas (DER, DAR), dan Likuiditas (CR) mengalami peningkatan
(trend naik). Hal ini bisa menjadi indikasi positif dari merger ketiga bank
sebelumnya yaitu Bank Syariah Mandiri, BRI Syariah dan BNI Syariah yang
saat ini sudah resmi menjadi satu nama yaitu Bank Syariah Indonesia. Berarti
perbedaan antara kinerja keuangan pada bank syariah yang dimerger terlihat
jelas perbedaannya dan cenderung akan mengalami peningkatan kedepannya.
B. Saran
Berdasarkan hasil penelitian yang telah dilakukan dengan beberapa
keterbatasannya dapat disampaikan beberapa saran yang bisa menjadimasukan
bagi beberapa pihak, antara lain:
1) Bagi Manajemen Bank
Berdasarkan hasil peramalan ini hanya menggambarkan prospek pada
periode tertentu kedepan akan seperti apa, untuk merealisasikannya pada
periode aslinya tetap harus mempertimbangkan hasil ini agar merger yang
dilakukan menghasilkan hasil yang baik dan bisa dikatakan berhasil. Dengan
adanya hubungan saling mempengaruhi antar indikator variabel ini menjadi
catatan untuk pihak bank dalam realisasinya dikemudian hari.
Selain itu, berdasarkan hasil penelitian ini diharapkan manajemen
perbankan dapat memperhatikan faktor atau aspek kestabilan nilai dari masing-
masing variabel yaitu profitabilitas (ROA, NPM), Solvabilitas (DER, DAR)
dan Likuiditas (CR) satu periode sebelumnya signifikan mempengaruhi nilai
dari variabel profitabilitas (ROA, NPM), Solvabilitas (DER, DAR) dan
Likuiditas (CR) pada periode selanjutnya setalh merger dalam operasionalnya.
98
2) Bagi Peneliti Berikutnya
Pada penelitian berikutnya dapat melanjutkan penelitian eksperimental ini
dimana peneliti selanjutnya dapat meneliti hasil peramalan ini dengan kondisi
sebenarnya terlebih pada saat krisis yang terjadi karena pandemic covid-19.
Selain itu dapat menambah atau mengganti beberapa variabel yang
memungkinkan lebih berpengaruh terhadap kinerja perbankan Syariah pasca
merger.
99
DAFTAR PUSTAKA
Jurnal
Al Arif, M. N. R., Masruroh, A., Ihsan, D. N., & Rahmawati, Y. (2020). The
Alternative Strategies for Accelerating Islamic Banking Growth: Mergers,
Spin-Offs, Acquisitions and Conversions. Al-Ulum, 20(1), 24-37.
Armando, Z., & Kurniawan, K. (2019). Analisis Pengaruh Merger dan Akuisisi
Terhadap Perusahaan Perbankan yang Terbuka di Indonesia. In Seminar
dan Lokakarya Kualitatif Indonesia 2019 (pp. 179-186).
Cartwright, S., & Schoenberg, R. (2006). Thirty years of mergers and acquisitions
research: Recent advances and future opportunities. British Journal of
Management, Vol. 17, S1–S5.
Fajrin, P. H., & Laily, N. (2016). Analisis Profitabilitas Dan Likuiditas Terhadap
Kinerja Keuangan Pt. Indofood Sukses Makmur, Tbk. Jurnal Ilmu dan Riset
Manajemen (JIRM), 5(6).
100
Ferrer, R. C. (2012). An empirical investigation of the effects of merger and
acquisition on firms’ profitability. Academy of Accounting and Financial
Studies Journal, Vol. 16(3), 31–56.
Gozali, R., & Panggabean, R. R. (2019). Merger Dan Akuisisi, Dampaknya Pada
Likuiditas, Profitabilitas, Aktivitas, Dan Solvabilitas: Bukti Dari Bursa Efek
Indonesia. Inovasi, Vol. 6(1), 13.
Kandil, T., & Chowdhury, D. (2014). Islamic banks’ mergers and acquisitions -
Impacts on performance and financial crisis in the United Kingdom. In
Contemporary Studies in Economic and Financial Analysis Emerald Group
Publishing Limited (Vol. 95).
Miftah, K., & Wibowo, H. (2017). Merger and industrial acceleration: Study at
Indonesian Islamic banking industry. Signifikan: Jurnal Ilmu Ekonomi,
6(1), 29-48.
101
Novaliza, P., & Djajanti, A. (2013). Analisis pengaruh merger dan akuisisi terhadap
kinerja perusahaan publik di Indonesia (periode 2004-2011).
Pongoh, Marsel. 2013. Analisis laporan keuangan dalam menilai kinerja keuangan
pada PT. Bumi Resources Tbk. Universitas Sam Ratulangi Manado. Jurnal
EMBA Vol. 1 No.3 September 2013, Hal. 669-679 ISSN 2303-1174
Syafrida, I., & Aminah, I. (2015). Faktor Perlambatan Pertumbuhan Bank Syariah
Di Indonesia Dan Upaya Penanganannya. Ekonomi & Bisnis, 14(1).
Yusuf, H., & Raimi, L. (2019). Does positive relationship exist between bank
mergers and asset turnover?. International Journal of Ethics and Systems.
Buku
Agus, Sartono. (2011). Manajemen Keuangan Teori dan Aplikasi. Yogyakarta:
BPFE.
Basuki, A. T., & Prawoto, N. (2016). Analisis Regresi dalam Penelitian Ekonomi
dan Bisnis. Jakarta: Raja Grafindo Persada.
Brealey, Richard A, Stewart C. Myers, dan Alan J. Marcus. (2011). Dasar-dasar
Manajemen Keuangan Perusahaan. Jilid 1. Edisi Kelima. Jakarta:
Erlangga.
Ekananda, M. (2014). Analisis Data Time Series "Untuk Penelitian Ekonomi,
Manajemen, dan Akuntansi". Jakarta: Mitra Wacana Media.
102
Ekananda, M. (2016). Analisis Ekonometrika Time Series. Jakarta: Mitra Wacana
Media.
Ekananda, M. (2018). Analisis Ekonometrika Data Panel: Bagi Penelitian
Ekonomi, Manajemen, Dan Akuntansi. Jakarta: Mitra Wacana Media.
Gaughan, P. A. (2007). Mergers, acquisitions, and corporate restructurings. John
Wiley & Sons, Inc. New Jersey.
Gitman, Lawrence J, and Zutter, Chad J.(2012). Principles Of Managerial Finance.
13th Edition. Edinburgh : Pearson.
Gitman, Lawrence J dan Chad J. Zutter. (2015). Principles of Managerial
Finance.14th Edition. Global Edition. Pearson Education Limited
Gujarati, D. N. (2011). Econometrics by example (Vol. 1). New York: Palgrave
Macmillan.
Harmono. (2011). Manajemen Keuangan Berbasis Balanced Scorecard
Pendekatan Teori, Kasus, dan Riset Bisnis. Edisi kesatu. Jakarta: Bumi
Aksara.
Hanke, J. E. & Wicher, D. W. (2005). Business Forcasting Eight Edition. New
Jersey : Pearson Prentice hall.
Kasmir. (2016). Pengantar Manajemen Keuangan. Edisi Kedua. Jakarta: Kencana
Prenada Media Group
Ross et al. (2008). Modern Financial Management (8th ed). United State of
America: McGrawHill.
103
Lampiran
1. Rasio Profitabilitas
Nama Periode Laba Pendapatan Total Asset NPM ROA
Bank Bersih operasional
bersih
BSM 2017 Jan 29.102 38.955 79.276.577 0,7471 0,0004
104
2019 Jan 65.534 98.419 97.356.018 0,6659 0,0007
105
Jun 70.657 99.918 29.900.404 0,7071 0,0024
106
Nov 27.730 49.719 38.052.266 0,5577 0,0007
107
Apr 132.738 180.136 39.198.816 0,7369 0,0034
108
Sep 387.018 530.832 52.391.698 0,7291 0,0074
109
Jul 91.218.815 8.626.047 99.844.862 10,575 0,914
Agu 91.722.742 8.733.530 100.456.272 10,502 0,913
Sep 93.933.197 8.849.736 102.782.933 10,614 0,914
Okt 95.633.446 8.949.209 104.582.655 10,686 0,914
Nov 96.633.093 9.061.336 105.694.429 10,664 0,914
Des 103.054.025 9.243.455 112.297.480 11,149 0,918
2020 Jan 102.131.792 9.372.562 111.504.354 10,897 0,916
Feb 105.411.868 9.514.353 114.926.221 11,079 0,917
Mar 105.133.825 9.613.160 114.746.985 10,936 0,916
Apr 103.436.995 9.703.569 113.140.564 10,660 0,914
Mei 102.962.285 9.825.593 112.787.878 10,479 0,913
Jun 104.374.657 9.965.989 114.340.646 10,473 0,913
Jul 103.427.663 10.073.347 113.501.010 10,267 0,911
Agu 101.910.865 10.210.459 112.121.324 9,981 0,909
Sep 109.104.107 10.323.248 119.427.355 10,569 0,914
Okt 108.292.970 10.577.990 118.870.960 10,238 0,911
Nov 107.630.633 10.657.064 118.287.697 10,099 0,910
Des 116.068.381 10.839.559 126.907.940 10,708 0,915
BRIS 2017 Jan 25.053.192 2.523.835 27.577.027 9,927 0,908
Feb 25.217.551 2.539.296 27.756.847 9,931 0,909
Mar 25.964.543 2.542.313 28.506.856 10,213 0,911
Apr 26.087.040 2.554.294 28.641.334 10,213 0,911
Mei 26.854.702 2.564.923 29.419.625 10,470 0,913
Jun 27.322.904 2.577.500 29.900.404 10,601 0,914
Jul 26.927.754 2.602.805 29.530.559 10,346 0,912
Agu 27.524.398 2.618.345 30.142.743 10,512 0,913
Sep 27.789.123 2.632.908 30.422.031 10,555 0,913
Okt 27.805.065 2.652.964 30.458.029 10,481 0,913
Nov 28.011.023 2.677.689 30.688.712 10,461 0,913
Des 28.940.544 2.602.841 31.543.385 11,119 0,917
2018 Jan 30.344.855 2.613.173 32.958.028 11,612 0,921
Feb 31.422.182 3.625.175 35.047.357 8,668 0,897
Mar 31.074.222 3.659.729 34.733.951 8,491 0,895
Apr 31.927.088 3.680.357 35.607.445 8,675 0,897
Mei 30.701.434 5.016.960 35.718.394 6,120 0,860
Jun 31.100.358 5.040.210 36.140.568 6,170 0,861
Jul 30.276.866 5.053.504 35.330.370 5,991 0,857
Agu 30.783.040 5.064.687 35.847.727 6,078 0,859
Sep 31.107.281 5.069.741 36.177.022 6,136 0,860
Okt 30.952.200 5.009.108 35.961.308 6,179 0,861
Nov 31.200.855 5.041.851 36.242.706 6,188 0,861
110
Des 32.888.443 5.026.641 37.915.084 6,543 0,867
2019 Jan 32.335.731 5.107.438 37.443.169 6,331 0,864
Feb 32.243.799 5.113.738 37.357.537 6,305 0,863
Mar 33.503.699 5.057.142 38.560.841 6,625 0,869
Apr 31.385.230 5.062.242 36.447.472 6,200 0,861
Mei 30.674.325 5.067.320 35.741.645 6,053 0,858
Jun 31.739.909 5.069.219 36.809.128 6,261 0,862
Jul 31.345.588 5.072.873 36.418.461 6,179 0,861
Agu 31.590.220 5.100.726 36.690.946 6,193 0,861
Sep 31.979.535 5.073.313 37.052.848 6,303 0,863
Okt 32.548.735 5.043.637 37.592.372 6,453 0,866
Nov 33.007.680 5.044.586 38.052.266 6,543 0,867
Des 38.035.452 5.088.036 43.123.488 7,475 0,882
2020 Jan 38.976.618 5.114.364 44.090.982 7,621 0,884
Feb 38.309.223 5.131.168 43.440.391 7,466 0,882
Mar 37.063.071 5.166.325 42.229.396 7,174 0,878
Apr 38.610.221 5.182.962 43.793.183 7,449 0,882
Mei 40.249.929 5.197.409 45.447.338 7,744 0,886
Jun 44.368.332 5.211.746 49.580.078 8,513 0,895
Jul 45.153.605 5.233.240 50.386.845 8,628 0,896
Agu 46.541.918 5.261.569 51.803.487 8,846 0,898
Sep 50.801.495 5.295.274 56.096.769 9,594 0,906
Okt 53.536.511 5.312.534 58.849.045 10,077 0,910
Nov 53.356.570 5.440.565 58.797.135 9,807 0,907
Des 52.271.298 5.444.288 57.715.586 9,601 0,906
BNIS 2017 Jan 26.235.934 2.515.348 28.751.282 10,430 0,913
Feb 26.709.397 2.543.293 29.252.690 10,502 0,913
Mar 27.284.538 2.576.968 29.861.506 10,588 0,914
Apr 27.300.532 2.609.504 29.910.036 10,462 0,913
Mei 27.544.384 2.627.818 30.172.202 10,482 0,913
Jun 28.078.231 2.667.837 30.746.068 10,525 0,913
Jul 29.460.321 2.692.050 32.152.371 10,943 0,916
Agu 28.694.591 2.725.977 31.420.568 10,526 0,913
Sep 29.286.936 2.755.869 32.042.805 10,627 0,914
Okt 29.548.795 2.772.415 32.321.210 10,658 0,914
Nov 30.387.605 2.789.229 33.176.834 10,895 0,916
Des 31.015.400 3.812.927 34.828.327 8,134 0,891
2018 Jan 31.983.243 3.946.256 35.929.499 8,105 0,890
Feb 33.221.125 3.870.911 37.092.036 8,582 0,896
Mar 34.642.037 3.901.128 38.543.165 8,880 0,899
Apr 35.263.123 3.935.693 39.198.816 8,960 0,900
111
Mei 35.706.723 3.964.417 39.671.140 9,007 0,900
Jun 33.775.739 3.997.599 37.773.338 8,449 0,894
Jul 34.400.248 4.029.042 38.429.290 8,538 0,895
Agu 34.618.121 4.067.600 38.685.721 8,511 0,895
Sep 34.848.908 4.097.072 38.945.980 8,506 0,895
Okt 35.498.780 4.134.652 39.633.432 8,586 0,896
Nov 35.741.757 4.175.006 39.916.763 8,561 0,895
Des 36.822.397 4.230.770 41.053.167 8,703 0,897
2019 Jan 41.852.244 4.409.617 41.852.244 9,491 1,000
Feb 38.923.413 4.321.004 43.244.417 9,008 0,900
Mar 39.625.017 4.377.284 44.002.301 9,052 0,901
Apr 37.192.540 4.437.637 41.630.177 8,381 0,893
Mei 37.817.624 4.498.691 42.316.315 8,406 0,894
Jun 37.934.529 4.559.081 42.493.610 8,321 0,893
Jul 38.962.159 4.620.843 43.583.002 8,432 0,894
Agu 38.527.055 4.678.229 43.205.284 8,235 0,892
Sep 39.207.503 4.708.095 43.915.598 8,328 0,893
Okt 39.119.774 4.758.249 43.878.023 8,221 0,892
Nov 41.209.988 4.821.026 46.031.014 8,548 0,895
Des 45.245.159 4.735.076 49.980.235 9,555 0,905
2020 Jan 45.236.613 4.794.935 50.031.548 9,434 0,904
Feb 46.554.411 4.862.443 51.416.854 9,574 0,905
Mar 51.128.001 5.185.194 51.128.001 9,860 1,000
Apr 45.024.796 5.200.832 50.225.628 8,657 0,896
Mei 44.375.969 5.217.088 49.593.057 8,506 0,895
Jun 45.389.734 5.399.585 50.789.319 8,406 0,894
Jul 44.271.658 5.270.730 49.542.388 8,400 0,894
Agu 44.635.813 5.338.420 49.974.233 8,361 0,893
Sep 47.013.168 5.378.530 52.391.698 8,741 0,897
Okt 50.010.897 5.437.275 55.448.172 9,198 0,902
Nov 48.615.751 5.419.797 54.035.548 8,970 0,900
Des 49.550.043 5.459.299 55.009.342 9,076 0,901
3. Rasio Likuiditas
Nama Periode Aset Utang Current
Bank Lancar Lancar Ratio
BSM 2017 Jan 61.072.252 72.350.295 0,8441
Feb 62.457.448 72.767.674 0,8583
Mar 61.946.426 73.088.208 0,8476
Apr 64.979.548 76.151.608 0,8533
112
May 60.732.889 72.695.439 0,8354
Jun 60.488.746 74.677.606 0,8100
Jul 59.856.187 75.735.981 0,7903
Aug 58.921.119 74.693.096 0,7888
Sep 62.201.211 76.983.518 0,8080
Oct 62.527.388 76.200.480 0,8206
Nov 63.105.253 76.802.567 0,8217
Dec 65.130.041 80.131.563 0,8128
2018 Jan 66.569.196 80.523.751 0,8267
Feb 68.232.710 82.428.174 0,8278
Mar 70.180.658 84.987.675 0,8258
Apr 69.138.516 84.540.139 0,8178
May 68.926.190 83.888.402 0,8216
Jun 68.951.655 84.705.821 0,8140
Jul 66.256.164 83.647.955 0,7921
Aug 65.993.019 84.461.614 0,7813
Sep 65.269.886 84.921.366 0,7686
Oct 65.542.874 85.233.948 0,7690
Nov 65.026.001 84.545.335 0,7691
Dec 70.969.940 88.676.360 0,8003
2019 Jan 71.891.209 87.456.029 0,8220
Feb 72.374.020 89.144.273 0,8119
Mar 75.816.977 89.568.791 0,8465
Apr 70.954.553 89.171.877 0,7957
May 63.259.202 88.202.421 0,7172
Jun 73.080.209 89.864.466 0,8132
Jul 72.361.041 89.164.221 0,8115
Aug 72.963.845 90.238.140 0,8086
Sep 74.180.843 93.215.781 0,7958
Oct 76.274.079 95.018.997 0,8027
Nov 77.227.956 95.991.525 0,8045
Dec 82.407.868 102.419.819 0,8046
2020 Jan 82.479.243 101.478.918 0,8128
Feb 86.127.963 104.760.083 0,8221
Mar 84.647.314 104.497.702 0,8100
Apr 83.406.285 102.839.504 0,8110
May 82.761.790 102.444.175 0,8079
Jun 84.248.332 103.844.075 0,8113
Jul 83.442.589 102.898.514 0,8109
Aug 82.683.393 101.385.090 0,8155
Sep 89.981.636 108.572.971 0,8288
113
Oct 89.379.478 107.787.795 0,8292
Nov 88.532.892 107.086.818 0,8267
Dec 96.646.752 115.499.796 0,8368
BRIS 2017 Jan 20.424.756 23.202.342 0,8803
Feb 20.630.414 23.816.701 0,8662
Mar 21.397.073 24.863.693 0,8606
Apr 21.479.701 24.786.111 0,8666
May 22.005.837 25.747.927 0,8547
Jun 22.215.175 25.416.129 0,8741
Jul 21.719.007 25.720.934 0,8444
Aug 22.283.037 26.417.269 0,8435
Sep 22.495.744 26.681.994 0,8431
Oct 22.707.831 26.698.013 0,8505
Nov 22.699.726 26.906.804 0,8436
Dec 23.450.141 27.936.141 0,8394
2018 Jan 24.974.355 29.340.452 0,8512
Feb 26.609.698 30.417.779 0,8748
Mar 25.649.337 30.070.163 0,8530
Apr 26.372.773 30.922.006 0,8529
May 26.323.698 29.697.861 0,8864
Jun 26.160.204 28.741.788 0,9102
Jul 25.389.508 29.274.610 0,8673
Aug 25.803.414 29.780.335 0,8665
Sep 26.212.813 29.904.576 0,8765
Oct 26.090.422 29.849.910 0,8741
Nov 26.069.652 30.198.636 0,8633
Dec 27.311.245 29.340.452 0,9308
2019 Jan 27.312.292 30.633.460 0,8916
Feb 26.755.372 31.241.183 0,8564
Mar 27.494.532 30.970.987 0,8878
Apr 25.590.689 30.382.109 0,8423
May 24.857.812 29.670.772 0,8378
Jun 25.045.945 30.738.480 0,8148
Jul 24.381.984 30.342.969 0,8035
Aug 24.563.116 30.387.546 0,8083
Sep 24.521.696 30.976.400 0,7916
Oct 24.872.784 31.539.335 0,7886
Nov 24.912.572 31.704.232 0,7858
Dec 29.423.057 37.031.701 0,7945
2020 Jan 30.202.941 37.973.010 0,7954
Feb 29.377.063 37.306.954 0,7874
114
Mar 27.350.420 36.052.364 0,7586
Apr 28.405.458 36.343.093 0,7816
May 29.260.767 37.480.989 0,7807
Jun 33.420.812 41.733.364 0,8008
Jul 33.896.258 42.207.358 0,8031
Aug 35.123.439 45.473.010 0,7724
Sep 39.420.944 49.718.879 0,7929
Oct 41.898.834 52.456.680 0,7987
Nov 42.206.205 52.289.328 0,8072
Dec 41.565.539 50.571.581 0,8219
BNIS 2017 Jan 24.212.646 25.700.761 0,9421
Feb 24.920.392 26.174.245 0,9521
Mar 25.292.662 26.743.312 0,9458
Apr 25.549.638 26.658.011 0,9584
Mei 25.305.201 26.808.940 0,9439
Jun 25.661.804 27.524.026 0,9323
Jul 26.103.112 28.519.442 0,9153
Agust 26.258.441 28.091.775 0,9347
Sep 26.793.553 28.658.802 0,9349
Okt 26.874.715 28.932.254 0,9289
Nov 27.614.845 29.723.745 0,9290
Des 29.021.096 30.445.538 0,9532
2018 Jan 30.228.180 31.405.464 0,9625
Feb 31.663.910 32.643.307 0,9700
Mar 32.890.750 34.071.699 0,9653
Apr 32.568.652 34.690.550 0,9388
May 32.740.183 35.631.190 0,9189
Jun 30.585.357 33.700.922 0,9076
Jul 30.748.248 34.219.444 0,8986
Aug 30.756.355 34.467.836 0,8923
Sep 31.092.821 34.686.091 0,8964
Oct 30.930.025 35.368.524 0,8745
Nov 30.999.752 35.632.942 0,8700
Dec 32.250.781 36.715.848 0,8784
2019 Jan 32.981.998 37.339.339 0,8833
Feb 33.661.108 38.437.771 0,8757
Mar 34.088.231 39.530.818 0,8623
Apr 31.235.703 36.963.539 0,8450
May 31.504.962 37.099.848 0,8492
Jun 33.833.871 37.406.034 0,9045
Jul 32.205.731 38.892.870 0,8281
115
Aug 32.639.032 38.467.405 0,8485
Sep 32.645.529 38.815.648 0,8410
Oct 30.289.152 39.081.839 0,7750
Nov 34.342.720 41.040.340 0,8368
Dec 38.092.688 45.202.922 0,8427
2020 Jan 38.506.580 45.202.686 0,8519
Feb 40.211.075 46.330.601 0,8679
Mar 39.531.396 45.895.296 0,8613
Apr 38.796.664 45.003.629 0,8621
May 38.348.077 44.355.415 0,8646
Jun 39.643.784 44.899.255 0,8829
Jul 38.413.522 43.665.444 0,8797
Aug 38.845.597 44.614.491 0,8707
Sep 40.623.265 46.990.051 0,8645
Oct 42.335.322 48.592.505 0,8712
Nov 43.151.776 49.987.668 0,8632
Dec 43.180.634 49.447.376 0,8733
116
Oktober 69% 71% 74%
November 72% 70% 73%
Desember 74% 68% 77%
2019 Januari 67% 59% 73%
Februari 71% 74% 74%
Maret 72% 74% 73%
April 72% 65% 73%
Mei 72% 68% 73%
Juni 71% 68% 73%
Juli 71% 65% 73%
Agustus 72% 69% 73%
September 72% 65% 73%
Oktober 72% 55% 73%
November 73% 56% 71%
Desember 72% 63% 76%
2020 Januari 68% 80% 71%
Februari 74% 76% 73%
Maret 78% 74% 76%
April 77% 75% 78%
Mei 77% 79% 78%
Juni 77% 57% 78%
Juli 74% 60% 72%
Agustus 75% 58% 72%
September 75% 59% 73%
Oktober 75% 60% 73%
November 75% 58% 73%
Desember 74% 57% 71%
RATA-RATA 72% 71% 74%
Sumber: Data laporan keuangan BUS yang diolah
117
November 0,38% 0,56% 0,84%
Desember 0,42% 0,32% 0,88%
2018 Januari 0,04% 0,02% 0,08%
Februari 0,08% 0,06% 0,17%
Maret 0,13% 0,16% 0,25%
April 0,18% 0,21% 0,34%
Mei 0,23% 0,27% 0,42%
Juni 0,28% 0,33% 0,54%
Juli 0,34% 0,38% 0,62%
Agustus 0,39% 0,40% 0,71%
September 0,47% 0,42% 0,79%
Oktober 0,53% 0,25% 0,87%
November 0,59% 0,34% 0,95%
Desember 0,61% 0,28% 1,01%
2019 Januari 0,07% 0,01% 0,10%
Februari 0,14% 0,02% 0,19%
Maret 0,25% 0,08% 0,31%
April 0,35% 0,10% 0,47%
Mei 0,45% 0,14% 0,61%
Juni 0,55% 0,15% 0,74%
Juli 0,65% 0,16% 0,86%
Agustus 0,75% 0,22% 1,00%
September 0,85% 0,15% 1,05%
Oktober 0,94% 0,07% 1,15%
November 1,04% 0,07% 1,24%
Desember 1,14% 0,17% 0,43%
2020 Januari 0,11% 0,06% 0,10%
Februari 0,23% 0,09% 0,23%
Maret 0,32% 0,18% 0,42%
April 0,41% 0,21% 0,45%
Mei 0,51% 0,23% 0,49%
Juni 0,63% 0,24% 0,53%
Juli 0,72% 0,28% 0,60%
Agustus 0,85% 0,33% 0,69%
September 0,90% 0,34% 0,74%
Oktober 0,99% 0,37% 0,80%
November 1,06% 0,41% 0,78%
Desember 1,13% 0,43% 0,92%
RATA-RATA 0,45% 0,23% 0,58%
Sumber: Data laporan keuangan BUS yang diolah
118
Tabel 4.3 Presentase Nilai DER
Periode DER (%)
Tahun Bulan BSM BRIS BNIS
2017 Januari 1134% 993% 1043%
Februari 1136% 993% 1050%
Maret 1134% 1021% 1059%
April 1177% 1021% 1046%
Mei 1124% 1047% 1048%
Juni 1147% 1060% 1052%
Juli 1159% 1035% 1094%
Agustus 1136% 1051% 1053%
September 1165% 1055% 1063%
Oktober 1148% 1048% 1066%
November 1152% 1046% 1089%
Desember 1102% 1112% 813%
2018 Januari 1103% 1161% 810%
Februari 1123% 867% 858%
Maret 1151% 849% 888%
April 1137% 867% 896%
Mei 1122% 612% 901%
Juni 1125% 617% 845%
Juli 1106% 599% 854%
Agustus 1108% 608% 851%
September 1086% 614% 851%
Oktober 1085% 618% 859%
November 1068% 619% 856%
Desember 1127% 654% 870%
2019 Januari 1110% 633% 949%
Februari 1108% 631% 901%
Maret 1099% 663% 905%
April 1081% 620% 838%
Mei 1072% 605% 841%
Juni 1084% 626% 832%
Juli 1057% 618% 843%
Agustus 1050% 619% 824%
September 1061% 630% 833%
Oktober 1069% 645% 822%
November 1066% 654% 855%
Desember 1115% 748% 956%
2020 Januari 1090% 762% 943%
Februari 1108% 747% 957%
Maret 1094% 717% 986%
April 1066% 745% 866%
Mei 1048% 774% 851%
119
Juni 1047% 851% 841%
Juli 1027% 863% 840%
Agustus 998% 885% 836%
September 1057% 959% 874%
Oktober 1024% 1008% 920%
November 1010% 981% 897%
Desember 1071% 960% 908%
RATA-RATA 1097% 815% 915%
Sumber: Data laporan keuangan BUS yang diolah
120
Agustus 91,31% 86,10% 89,17%
September 91,39% 86,31% 89,28%
Oktober 91,44% 86,58% 89,16%
November 91,43% 86,74% 89,53%
Desember 91,77% 88,20% 90,53%
2020 Januari 91,59% 88,40% 90,42%
Februari 91,72% 88,19% 90,54%
Maret 91,62% 87,77% 100,00%
April 91,42% 88,16% 89,65%
Mei 91,29% 88,56% 89,48%
Juni 91,28% 89,49% 89,37%
Juli 91,12% 89,61% 89,36%
Agustus 90,89% 89,84% 89,32%
September 91,36% 90,56% 89,73%
Oktober 91,10% 90,97% 90,19%
November 90,99% 90,75% 89,97%
Desember 91,46% 90,57% 90,08%
RATA-RATA 91,64% 88,64% 90,47%
Sumber: Data laporan keuangan BUS yang diolah
121
September 76,86% 87,65% 89,64%
Oktober 76,90% 87,41% 87,45%
November 76,91% 86,33% 87,00%
Desember 80,03% 93,08% 87,84%
2019 Januari 82,20% 89,16% 88,33%
Februari 81,19% 85,64% 87,57%
Maret 84,65% 88,78% 86,23%
April 79,57% 84,23% 84,50%
Mei 71,72% 83,78% 84,92%
Juni 81,32% 81,48% 90,45%
Juli 81,15% 80,35% 82,81%
Agustus 80,86% 80,83% 84,85%
September 79,58% 79,16% 84,10%
Oktober 80,27% 78,86% 77,50%
November 80,45% 78,58% 83,68%
Desember 80,46% 79,45% 84,27%
2020 Januari 81,28% 79,54% 85,19%
Februari 82,21% 78,74% 86,79%
Maret 81,00% 75,86% 86,13%
April 81,10% 78,16% 86,21%
Mei 80,79% 78,07% 86,46%
Juni 81,13% 80,08% 88,29%
Juli 81,09% 80,31% 87,97%
Agustus 81,55% 77,24% 87,07%
September 82,88% 79,29% 86,45%
Oktober 82,92% 79,87% 87,12%
November 82,67% 80,72% 86,32%
Desember 83,68% 82,19% 87,33%
RATA-RATA 81,17% 83,70% 89,27%
Sumber: Data laporan keuangan BUS yang diolah
122
Tabel 4.19 Hasil Uji Kointegrasi
Information Criteria by Rank and Model
123
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Root Modulus
124
Tabel 4.21 Hasil Estimasi Model VECM
T hitung =2,06390
Vector Error Correction Estimates
Date: 07/31/21 Time: 22:26
Sample (adjusted): 7 48
Included observations: 42 after adjustments
Standard errors in ( ) & t-statistics in [ ]
125
D(NPM(-1),2) -0.004409 0.998316 7.754463 -0.106390 -0.229303
(0.04124) (0.47280) (8.51063) (0.19826) (0.35957)
[-0.10691] [ 2.11150] [ 0.91115] [-0.53663] [-0.63772]
126
D(CR(-3),2) 0.039954 1.395276 9.022599 -0.007120 -0.191048
(0.04592) (0.52647) (9.47670) (0.22076) (0.40038)
[ 0.87000] [ 2.65026] [ 0.95208] [-0.03225] [-2.47716]
127
CR does not Granger Cause NPM 46 0.75679 0.4756
NPM does not Granger Cause CR 1.28197 0.2884
128
Grafik 4.1 Impulse Respons Function
Response to Cholesky One S.D. Innovations
Response of D(RO A) to D(RO A) Response of D(RO A) to D(NPM) Response of D(RO A) to D(DER) Response of D(RO A) to D(DAR) Response of D(RO A) to D(CR)
.00 2 .00 2 .00 2 .00 2 .00 2
Response of D(NPM) to D(RO A) Response of D(NPM) to D(NPM) Response of D(NPM) to D(DER) Response of D(NPM) to D(DAR) Response of D(NPM) to D(CR)
.03 .03 .03 .03 .03
Response of D(DER) to D(RO A) Response of D(DER) to D(NPM) Response of D(DER) to D(DER) Response of D(DER) to D(DAR) Response of D(DER) to D(CR)
.4 .4 .4 .4 .4
.3 .3 .3 .3 .3
.2 .2 .2 .2 .2
.1 .1 .1 .1 .1
.0 .0 .0 .0 .0
- .1 - .1 - .1 - .1 - .1
- .2 - .2 - .2 - .2 - .2
2 4 6 8 10 2 4 6 8 10 2 4 6 8 10 2 4 6 8 10 2 4 6 8 10
Response of D(DAR) to D(RO A) Response of D(DAR) to D(NPM) Response of D(DAR) to D(DER) Response of D(DAR) to D(DAR) Response of D(DAR) to D(CR)
.00 8 .00 8 .00 8 .00 8 .00 8
Response of D(CR) to D(RO A) Response of D(CR) to D(NPM) Response of D(CR) to D(DER) Response of D(CR) to D(DAR) Response of D(CR) to D(CR)
.01 6 .01 6 .01 6 .01 6 .01 6
129
Tabel 4.23 Hasil Analisis VDC (Variance Decomposition)
130
Tabel 4.26 Hasil Forecasting
131
2023M07 0,00901 0,7935 20,6778 1,0163 0,9512
2023M08 0,00908 0,7939 20,8108 1,0176 0,9523
2023M09 0,00915 0,7943 20,9437 1,0189 0,9535
2023M10 0,00922 0,7947 21,0767 1,0203 0,9546
2023M11 0,00929 0,7951 21,2097 1,0216 0,9558
2023M12 0,00935 0,7955 21,3426 1,0230 0,9570
2024M01 0,00942 0,7959 21,4756 1,0243 0,9581
2024M02 0,00949 0,7963 21,6086 1,0257 0,9593
2024M03 0,00956 0,7967 21,7415 1,0270 0,9605
2024M04 0,00963 0,7971 21,8745 1,0283 0,9616
2024M05 0,00970 0,7975 22,0075 1,0297 0,9628
2024M06 0,00977 0,7979 22,1404 1,0310 0,9640
2024M07 0,00984 0,7983 22,2734 1,0324 0,9651
2024M08 0,00991 0,7987 22,4063 1,0337 0,9663
2024M09 0,00998 0,7991 22,5393 1,0350 0,9675
2024M10 0,01005 0,7995 22,6723 1,0364 0,9686
2024M11 0,01011 0,7999 22,8052 1,0377 0,9698
2024M12 0,01018 0,8003 22,9382 1,0391 0,9710
Sumber: Data hasil olahan
132