Analisis Metode Risk Based Rating Dalam Memprediksi Financial Distress Pada Perusahaan Perbankan Di Indonesia

Kemalaputri, Refala (2022) Analisis Metode Risk Based Rating Dalam Memprediksi Financial Distress Pada Perusahaan Perbankan Di Indonesia. S1 thesis, STIE Indonesia Banking School.

[img]
Preview
Text (Abstrak)
Abstrak-20171112056.pdf

Download (708kB) | Preview
[img]
Preview
Text (BAB I)
BAB I-20171112056.pdf

Download (864kB) | Preview
[img]
Preview
Text (Daftar Pustaka)
Dapus-20171112056.pdf

Download (781kB) | Preview
[img]
Preview
Text (Halaman Judul)
Halaman Judul-20171112056.pdf

Download (723kB) | Preview
Official URL: http://lib.ibs.ac.id/index.php?p=show_detail&id=10...

Abstract

Penelitian ini bertujuan untuk mengetahui dan menganalisis metode Risk Based Bank Rating dalam memprediksi Financial Distress di perusahaan perbankan yang ada di Indonesia pada periode 2016-2020. Pemilihan sampel menggunakan metode purposive sampling dan sampel penelitian ini sebanyak 27 bank kategori BUKU 3. Data diperoleh dari data sekunder laporan tahunan perusahaan perbankan yang terdaftar di Bursa Efek Indonesia tahun 2016-2020. Teknik analisis yang digunakan dalam penelitian ini adalah analisis regresi berganda. Hipotesis dalam penelitian ini didasarkan pada penelitian terhdahulu dan berbagai teori pendukung lainnya. Hasil dari penelitian ini menunjukan bahwa Non Performing Loan (NPL) tidak memiliki pengaruh terhadap financial distress, Loan to Deposit Ratio (LDR) memiliki pengaruh positif terhadap financial distress, Ukuran Dewan Direksi memiliki pengaruh positif terhadap financial distress, Return On Assets (ROA) memiliki pengaruh positif terhadap financial distress, Net Interest Margin (NIM) memiliki pengaruh negatif terhadap financial distress, dan Capital Adequacy Ratio (CAR) memiliki pengaruh negatif terhadap financial distress. Kata Kunci: RBBR, NPL, LDR, Ukuran Dewan Direksi, ROA, NIM, CAR, Financial Distress, Perbankan Indonesia

Item Type: Thesis (S1)
Subjects: H Social Sciences > HF Commerce > HF5601 Accounting
Divisions: Prodi S1 Akuntansi
Depositing User: Ms Dyta Medina
Date Deposited: 13 Oct 2022 08:44
Last Modified: 13 Oct 2022 08:44
URI: http://repository.ibs.ac.id/id/eprint/5368

Actions (login required)

View Item View Item