LIFESCIFILIFESCIFI

Arthatama: Journal of Business Management and AccountingArthatama: Journal of Business Management and Accounting

Penelitian ini bertujuan untuk mengkaji faktor‑faktor yang mempengaruhi kesehatan bank konvensional di Indonesia. Secara khusus, penelitian ini menguji secara parsial dan simultan pengaruh rasio kredit macet (NPL), rasio pinjaman terhadap simpanan (LDR), good corporate governance (GCG), rasio kecukupan modal (CAR), net interest margin (NIM), serta rasio biaya operasional terhadap pendapatan operasional (OEOI) terhadap kesehatan bank konvensional yang tercatat di Bursa Efek Indonesia. Data sekunder dari 20 bank konvensional yang terdaftar pada periode 2008‑2012 dikumpulkan dengan purposive sampling dan dianalisis menggunakan regresi logistik. Hasil menunjukkan bahwa variabel OEOI dan GCG berpengaruh signifikan negatif terhadap kesehatan bank, sedangkan NPL, LDR, NIM, dan CAR tidak berpengaruh signifikan. Daya prediksi model regresi logistik sebesar 50,1 %.

Analisis regresi logistik mengungkap bahwa rasio efisiensi (OEOI) dan tata kelola perusahaan yang baik (GCG) berpengaruh signifikan negatif terhadap kesehatan bank, sedangkan NIM, NPL, CAR, dan LDR tidak menunjukkan pengaruh signifikan.Penelitian ini memiliki keterbatasan karena data kesehatan bank mencerminkan kondisi tahun sebelumnya dan nilai R² yang rendah (0,501) menunjukkan adanya faktor lain yang belum diuji.Penelitian lanjutan disarankan menggunakan periode observasi 1–2 tahun serta menambahkan variabel seperti Interest Risk Ratio (IRR) untuk menjelaskan probabilitas kesehatan bank secara lebih komprehensif.

Penelitian selanjutnya dapat menyelidiki bagaimana perubahan kesehatan bank selama satu hingga dua tahun memengaruhi hubungan variabel‑variabel risiko, sehingga memberikan gambaran dinamika jangka menengah yang lebih akurat. Selain itu, studi baru dapat menambahkan Interest Risk Ratio (IRR) sebagai variabel tambahan untuk menguji pengaruh risiko bunga terhadap kesehatan bank, memperluas cakupan faktor yang belum terjangkau pada penelitian ini. Terakhir, penggunaan metode machine learning seperti random forest atau gradient boosting dapat dibandingkan dengan regresi logistik untuk meningkatkan daya prediksi model dan mengidentifikasi interaksi non‑linier antar variabel, sehingga menghasilkan model yang lebih robust dan aplikatif bagi regulator serta praktisi perbankan.

  1. #bank konvensional#bank konvensional
  2. #kesehatan bank#kesehatan bank
File size537.69 KB
Pages15
DMCAReportReport

ads-block-test