PRADITAPRADITA

Review of Management, Accounting and Tourism StudiesReview of Management, Accounting and Tourism Studies

Penelitian ini bertujuan untuk menganalisis pengaruh Kecukupan Modal (Capital Adequacy Ratio/CAR), Net Working Capital (NWC), Biaya Pendanaan, dan Efisiensi Operasional (BOPO) terhadap Risiko Likuiditas pada perbankan yang terdaftar di Bursa Efek Indonesia (BEI) selama periode 2017–2022. Metode penelitian yang digunakan adalah analisis regresi linier berganda dengan menggunakan data sekunder yang diperoleh dari laporan keuangan tahunan bank. Hasil penelitian menunjukkan bahwa CAR dan NWC berpengaruh positif dan signifikan terhadap Risiko Likuiditas. Sebaliknya, Biaya Pendanaan dan BOPO tidak berpengaruh signifikan dan memiliki arah hubungan negatif terhadap Risiko Likuiditas. Secara simultan, keempat variabel independen terbukti memiliki pengaruh yang signifikan terhadap Risiko Likuiditas berdasarkan hasil uji F, dengan nilai F‑hitung sebesar 20.39882 yang lebih besar dari F‑tabel 2.40732288 dan tingkat signifikansi sebesar 0.0000. Temuan ini menunjukkan bahwa model regresi yang digunakan mampu menjelaskan variasi Risiko Likuiditas dalam konteks perbankan di Indonesia.

Kecukupan Modal (CAR) berpengaruh positif dan signifikan terhadap Risiko Likuiditas.Net Working Capital (NWC) juga berpengaruh positif dan signifikan, sementara Biaya Pendanaan dan Efisiensi Operasional (BOPO) berpengaruh negatif dan tidak signifikan.Disarankan memperluas periode pengamatan, menambahkan variabel eksternal seperti suku bunga, inflasi, dan kebijakan makroprudensial, serta menggunakan metode panel data atau pendekatan moderasi untuk analisis lebih komprehensif.

Penelitian selanjutnya dapat memperpanjang periode observasi menjadi lebih dari lima tahun untuk menangkap dinamika jangka panjang risiko likuiditas pada perbankan, dengan mempertimbangkan fluktuasi suku bunga, tingkat inflasi, dan kebijakan makroprudensial Bank Indonesia yang dapat memengaruhi likuiditas. Selain itu, peneliti dapat menambahkan variabel eksternal seperti Loan to Deposit Ratio (LDR), Non‑Performing Loan (NPL), dan ukuran bank guna memperoleh pemahaman yang lebih komprehensif tentang faktor‑faktor yang memengaruhi likuiditas. Metode analisis dapat ditingkatkan dengan menggunakan data panel yang mencakup bank‑bank domestik dan internasional, serta mengaplikasikan model moderasi untuk menguji interaksi antar variabel. Penelitian juga dapat mengeksplorasi perbedaan pengaruh faktor‑faktor internal antara bank konvensional dan syariah, sehingga hasilnya dapat memberikan insight kebijakan yang lebih spesifik. Terakhir, penggunaan teknik machine learning seperti random forest atau gradient boosting dapat membantu mengidentifikasi pola non‑linier yang tidak terdeteksi oleh regresi tradisional, memberikan prediksi risiko likuiditas yang lebih akurat.

Read online
File size257.38 KB
Pages10
DMCAReport

Related /

ads-block-test