Analisis Tingkat Kesehatan Bank dengan Menggunakan Metode RGEC pada Bank Umum yang Terdaftar di BEI Periode 2019-2023

Juniati, Ainun (2024) Analisis Tingkat Kesehatan Bank dengan Menggunakan Metode RGEC pada Bank Umum yang Terdaftar di BEI Periode 2019-2023. Sarjana (S1) thesis, Universitas Islam 45 Bekasi.

	Text PENDAHULUAN.pdf Download (2MB)
	Text BAB I.pdf Download (225kB)
	Text BAB II.pdf Restricted to Repository staff only Download (273kB) | Request a copy
	Text BAB III.pdf Restricted to Repository staff only Download (172kB) | Request a copy
	Text BAB IV.pdf Restricted to Repository staff only Download (627kB) | Request a copy
	Text BAB V.pdf Download (132kB)
	Text DAFTAR PUSTAKA.pdf Download (167kB)

Abstract

Tujuan penelitian ini adalah untuk mengetahui Analisis Tingkat Kesehatan Bank dengan Menggunakan Metode RGEC pada Bank Umum yang Terdaftar Di BEI Periode 2019-2023 dalam mengelompokkan kategori tingkat kesehatan bank sangat sehat, sehat, cukup sehat, kurang sehat, dan tidak sehat. Metode yang digunakan pada penelitian ini adalah metode kuantitatif yang diolah menggunakan program Statistic Product and Service Solution (SPSS). Teknik pengumpulan data dilakukan dengan studi kepustakaan seperti buku, dokumen, jurnal, dan laporan hasil penelitian terdahulu. Sampel yang digunakan sebanyak 120 data. Metode analisis data dilakukan dengan menggunakan analisis diskriminan, yaitu teknik multivariat untuk memisahkan objek baru kedalam kelompok-kelompok tersebut. Analisis diskriminan bertujuan untuk mengenali variabel-variabel yang dapat membedakan dua kelompok atau lebih. Dari hasil penelitian terbukti bahwa model fungsi diskriminan yang terbentuk berdasarkan hasil pengolahan data pada wilks’lambda yang diterima adalah fungsi diskriminan 4 yaitu: Tingkat Kesehatan4 = -2,676 + 0,135 NPL + 0,116 LDR - 1,151 GCG + 0,064 ROA + 0,302 NIM + 3,775 CAR, sehingga model ini dapat digunakan untuk mengklasifikasikan tingkat kesehatan pada bank umum dalam kategori sangat sehat, sehat, cukup sehat, kurang sehat dan tidak sehat. Dari hasil penelitian terbukti bahwa seluruh variabel yaitu NPL, LDR, GCG, ROA, NIM, dan CAR merupakan variabel pembeda dalam membedakan status tingkat kesehatan bank. Sedangkan untuk variabel yang paling terbukti dominan adalah variabel GCG dan CAR yang memiliki koefisien terbesar pada masing-masing fungsi diskriminan. Fungsi diskriminan juga mampu mengelompokkan kasus dengan benar sebesar 86,7%.

Actions (login required)

View Item