STIAMISTIAMI

Majalah Ilmiah BijakMajalah Ilmiah Bijak

Penelitian ini dilakukan untuk mengetahui risiko perbankan dengan Altman Z Score pada bank-bank konvensional yang terdaftar di Bursa Efek Indonesia. Data yang digunakan pada penelitian ini merupakan data sekunder yang diperoleh dari laporan keuangan tahunan bank-bank konvensional selama periode 2003‑2016 yang termuat dalam situs resmi Bursa Efek Indonesia. Fokus penelitian pada topik risiko perbankan berdasarkan Altman Z Score. Dapat disimpulkan bahwa bank-bank konvensional yang terdaftar di Bursa Efek Indonesia secara umum berada dalam kategori bangkrut. Namun, penelitian Ganesha dkk (2012) menunjukkan model nilai Z pada tahun 2003‑2006 tidak dapat menunjukkan tingkat keakuratan yang cukup baik bila diukur per tahun. Penelitian Irwansyah (2017) menunjukkan pada periode 2013‑2016 hanya satu bank, yaitu Bank Jtrust Indonesia Tbk (kode bank BCIC), masuk dalam kategori sehat. Selain itu, Bank Mandiri (Persero) Tbk (kode bank BMRI) mulai meningkat dari prediksi kategori bangkrut ke prediksi kategori grey area.

Penelitian ini menyimpulkan bahwa bank-bank konvensional yang terdaftar di Bursa Efek Indonesia secara umum berada dalam kategori bangkrut berdasarkan Altman Z Score.Hanya satu bank mengindikasikan kesehatan di periode 2013‑2016, sementara sebagian besar tetap berada dalam area risiko tinggi.Metode kuantitatif dianggap paling tepat untuk mengukur risiko perbankan menggunakan Altman Z Score.

Penelitian berikutnya sebaiknya mengeksplorasi apakah penggunaan model Altman Z Score dapat diadaptasi dengan memasukkan variabel makroekonomi tambahan seperti tingkat suku bunga dan inflasi guna meningkatkan akurasi prediksi kebangkrutan bank di Indonesia. Selanjutnya, penelitian dapat memfokuskan pada perbandingan performa Altman Z Score antara bank konvensional dan bank digital di pasar publik, menilai apakah perbedaan struktur pendapatan memengaruhi sensitivitas skor tersebut. Terakhir, penelitian lanjutan bisa menjajaki integrasi model Altman Z Score dengan metode machine learning, seperti random forest atau neural network, untuk mengidentifikasi pola tidak linear dalam data keuangan bank yang mungkin tersembunyi di dalam model regresi tradisional.

Read online
File size223.82 KB
Pages10
DMCAReport

Related /

ads-block-test