Jurnal Manajemen Bisnis dan Keuangan e-ISSN: 2716-3695 p-ISSN: 2775-1465 Vol. 6, No. 2, Oktober 2025, Hal. 56-70 DOI: https://doi.org/10.51805/jmbk.v6i2.349 Pemeringkatan Kinerja Keuangan Perbankan di Indonesia Menggunakan Metode TOPSIS Berbasis Entropi Riski Dwiyanto1 (riskidwiyanto05@gmail.com)* Rosyeni Rasyid2 (rosyenirasyid@gmail.com) 1,2Universitas Negeri Padang, Kota Padang, Sumatera Barat, Indonesia 25171 *Penulis Korespondensi Artikel Masuk: 1 Juni 2025 Artikel Diterima: 2 Oktober 2025 Abstract Accurate and objective assessment of banking financial performance is crucial in promoting transparency and accountability within the financial sector. Traditionally, bank performance evaluations have focused on conventional financial indicators that do not fully capture actual cash dynamics. This study aims to rank the financial performance of Indonesian banks based on cash flow ratios using the entropy-based TOPSIS method. Eight cash flow ratios covering liquidity, operational efficiency, financial structure, and profitability aspects are employed as the evaluation criteria. The entropy method is applied to determine the objective weights of each criterion based on data variability, while TOPSIS is used to rank the banks according to their relative closeness to the ideal solution. The findings reveal that the ratio weights vary from year to year, reflecting the dynamic nature of financial information across periods. These changes significantly affect bank rankings, indicating that cash performance tends to fluctuate. The results confirm that the entropy-based TOPSIS method is effective in providing an objective and adaptive ranking system that reflects actual financial conditions. Honesty and the protection of consumer rights contribute to long-term relationships between businesses and customers. This research also aims to explore the application of Islamic business ethics in marketing, focusing on halal products, fair pricing, and ethical promotion. Using a qualitative literature review approach, the study analyzes how integrating Sharia principles into marketing practices can enhance market relevance, build consumer trust, and foster sustainable business growth in a diverse global context. The findings offer strategic insights for marketers seeking to engage ethically and effectively with predominantly Muslim markets. Keywords: financial performance; cash flow; TOPSIS; entropy JEL Classification: C44; C65; G21; M41 Abstrak Penilaian kinerja keuangan perbankan yang akurat dan objektif menjadi penting dalam mendorong transparansi dan akuntabilitas sektor keuangan. Selama ini, evaluasi kinerja bank cenderung fokus pada indikator keuangan tradisional yang belum sepenuhnya mencerminkan dinamika kas aktual. Β© 2025. This work is licensed under a CC BY 4.0 license 56 Dwiyanto & Rasyid Penelitian ini bertujuan untuk memeringkatkan kinerja keuangan perbankan di Indonesia berdasarkan rasio arus kas dengan menggunakan metode TOPSIS berbasis entropi. Delapan rasio arus kas yang mencakup aspek likuiditas, operasional, struktur keuangan, dan profitabilitas digunakan sebagai dasar penilaian. Metode entropi digunakan untuk menentukan bobot objektif dari setiap kriteria berdasarkan variasi data, sedangkan TOPSIS digunakan untuk menentukan peringkat bank berdasarkan kedekatan relatif terhadap solusi ideal. Hasil penelitian menunjukkan bahwa bobot rasio berubah setiap tahun, mencerminkan dinamika informasi antar periode. Perubahan bobot ini memengaruhi peringkat bank secara signifikan, menandakan bahwa kinerja kas bersifat fluktuatif. Temuan ini membuktikan bahwa metode TOPSIS berbasis entropi efektif dalam memberikan pemeringkatan yang objektif dan adaptif terhadap kondisi keuangan aktual.kejujuran dan perlindungan hak-hak konsumen, yang berkontribusi pada hubungan jangka panjang antara bisnis dan pelanggan. Penelitian ini bertujuan untuk mengeksplorasi penerapan etika bisnis Islam dalam pemasaran, dengan fokus pada produk halal, harga yang adil, dan promosi etis. Dengan menggunakan pendekatan tinjauan literatur kualitatif, studi ini menganalisis bagaimana integrasi prinsip-prinsip syariah dalam pemasaran dapat meningkatkan relevansi pasar, membangun kepercayaan konsumen, serta mendorong pertumbuhan bisnis yang berkelanjutan dalam konteks global yang beragam. Temuan penelitian ini memberikan wawasan strategis bagi pemasar yang ingin berinteraksi dengan pasar mayoritas Muslim secara etis dan efektif. Kata Kunci: kinerja keuangan; arus kas; TOPSIS; entropi Klasifikasi JEL: C44; C65; G21; M41 JMBK, Vol. 6, No. 2, Oktober 2025 57 Dwiyanto & Rasyid PENDAHULUAN Sektor perbankan memiliki peran penting dalam perekonomian sebagai perantara keuangan yang menyalurkan dana dari pihak yang kelebihan dana kepada pihak yang membutuhkan pembiayaan. Di Indonesia, sektor ini mengalami pertumbuhan yang cukup pesat, dengan total aset melampaui Rp8.000 triliun pada tahun 2022 menurut data OJK. Meski demikian, pertumbuhan ini juga menghadapi berbagai tantangan, seperti risiko terkait likuiditas, kualitas aset, serta tekanan untuk menerapkan praktik keuangan berkelanjutan yang semakin menjadi sorotan di tingkat global. Sejalan dengan meningkatnya kesadaran terhadap isu keberlanjutan, pendekatan environmental, social, and governance (ESG) menjadi kerangka penting dalam menilai kontribusi institusi keuangan terhadap pembangunan berkelanjutan. Katadata ESG Index hadir sebagai instrumen pemeringkatan ESG yang menilai 46 bank di Indonesia pada tahun 2024 berdasarkan laporan keberlanjutan mereka. Meskipun penting, indeks ini belum mengukur aspek fundamental terkait kinerja keuangan aktual, khususnya dari sisi arus kas, sehingga memunculkan kebutuhan akan model evaluasi yang mengintegrasikan aspek keberlanjutan dan keuangan secara objektif. JMBK, Vol. 6, No. 2, Oktober 2025 58 Dwiyanto & Rasyid Tabel 1. Peringkat Katadata ESG Index 2024 Sektor Perbankan Rank Perusahaan Skor KCSI 1 PT Bank Rakyat Indonesia (Persero) Tbk 73,79 2 PT Bank Central Asia Tbk 70,19 3 PT Bank Mandiri (Persero) Tbk 69,93 4 PT Bank Negara Indonesia (Persero) Tbk 68,45 5 PT Bank CIMB Niaga Tbk 64,79 6 PT Bank IBK Indonesia Tbk 63,51 7 PT Bank Artha Graha Internasional Tbk 58,56 8 PT Bank OCBC NISP Tbk 57,39 9 PT Bank Syariah Indonesia Tbk 55,30 10 PT Bank Pan Indonesia Tbk 54,77 11 PT Bank Ganesha Tbk 54,59 12 PT Bank BTPN Tbk 53,56 13 PT Bank Mega Tbk 52,89 14 PT Bank Pembangunan Daerah Jawa Barat dan Banten Tbk 52,71 15 PT Bank Victoria International Tbk 52,42 16 PT Bank Maybank Indonesia Tbk 51,44 17 PT Bank Danamon Indonesia Tbk 50,88 18 PT Bank Pembangunan Daerah Banten Tbk 50,87 19 PT Bank Pembangunan Daerah Jawa Timur Tbk 50,82 20 PT Bank Raya Indonesia Tbk 50,59 21 PT Bank Jago Tbk 50,36 22 PT Bank Sinarmas Tbk 49,26 23 PT Bank Oke Indonesia Tbk 48,20 24 PT Bank Permata Tbk 47,53 25 PT Bank Woori Saudara Indonesia 1906 Tbk 46,41 26 PT Bank Amar Indonesia Tbk 43,61 27 PT Bank Aladin Syariah Tbk 43,14 28 PT Bank BTPN Syariah Tbk 42,31 29 PT Bank Bumi Arta Tbk 41,54 30 PT Bank Tabungan Negara (Persero) TbK 40,95 31 PT Bank of India Indonesia Tbk 40,81 32 PT Bank Ina Perdana Tbk 40,63 33 PT Bank Multiarta Sentosa Tbk 39,94 34 PT Bank Nationalnobu Tbk 38,69 35 PT Bank Mestika Dharma Tbk 38,53 36 PT Bank Capital Indonesia Tbk 35,78 37 PT Bank Mayapada Internasional Tbk 35,61 38 PT Bank Panin Dubai Syariah Tbk 30,02 39 PT Allo Bank Indonesia Tbk 29,84 40 PT Bank Neo Commerce Tbk 29,67 41 PT Bank China Construction Bank Indonesia Tbk 28,51 42 PT Bank Maspion Indonesia Tbk 21,83 43 PT Bank QNB Indonesia Tbk 20,97 44 PT Krom Bank Indonesia Tbk 18,93 45 PT Bank KB Bukopin Tbk 17,69 46 PT Bank MNC Internasional Tbk 4,35 Catatan: data bersumber dari Summary Report Katadata ESG Index 2024. Tabal 1 di atas menunjukkan peringkat ESG Index yang didapatkan dari Katadata. data menunjukkan bahwa PT Bank Rakyat Indonesia (Persero) Tbk menempati peringkat tertinggi dengan skor KCSI sebesar 73,79, sementara PT Bank JMBK, Vol. 6, No. 2, Oktober 2025 59 Dwiyanto & Rasyid MNC Internasional Tbk menempati peringkat terendah dengan skor KCSI sebesar 4,35. Beberapa studi menunjukkan bahwa praktik keberlanjutan dapat berdampak positif terhadap reputasi dan efisiensi operasional bank (Yunizar & Arsyad, 2024). Namun, hubungan ini tidak selalu konsisten dalam jangka pendek (Aboud & Diab, 2019) dan sering kali diukur dengan parameter yang bersifat subjektif (Xie et al., 2018). Oleh karena itu, laporan arus kas sebagai sumber data berbasis realisasi menjadi alternatif yang lebih objektif dalam menilai kesehatan keuangan bank. Penelitian oleh Prasetyo & Hakim (2022) menyatakan bahwa arus kas dapat memberikan deskripsi akurat tentang kapasitas likuiditas perusahaan dan mendukung pengambilan keputusan manajerial. Dalam rangka mengatasi keterbatasan evaluasi ESG yang bersifat deskriptif, penelitian ini menggunakan metode TOPSIS berbasis entropi untuk melakukan pemeringkatan kinerja keuangan berdasarkan delapan rasio arus kas yang mencerminkan aspek likuiditas, operasional, struktur keuangan, dan profitabilitas. Metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) dipilih karena mampu menyusun pemeringkatan berdasarkan kedekatan relatif dengan solusi ideal, sedangkan metode entropi digunakan untuk menentukan bobot kriteria secara objektif berdasarkan variasi data (Javid et al., 2023). Kombinasi metode TOPSIS dengan entropi dianggap lebih unggul dibandingkan pendekatan tradisional maupun TOPSIS tanpa entropi karena mampu mengatasi keterbatasan dalam penentuan bobot kriteria. Bobot yang pada umumnya ditentukan secara subjektif melalui pertimbangan pakar dapat menimbulkan bias, sedangkan entropi memungkinkan penentuan bobot secara objektif berdasarkan variasi data. Integrasi kedua metode ini menghasilkan evaluasi yang lebih konsisten, akurat, dan sesuai dengan karakteristik data keuangan, sehingga memberikan dasar pemeringkatan yang lebih dapat dipertanggungjawabkan secara ilmiah. Penelitian sebelumnya yang dilakukan oleh Supiyadi (2021) dan Karamoy (2024) menunjukkan bahwa metode TOPSIS mampu memberikan evaluasi yang lebih menyeluruh dibandingkan pendekatan konvensional. Namun, studi-studi tersebut belum memasukkan aspek entropi dalam penentuan bobot kriteria, yang berpotensi menimbulkan bias dalam hasil evaluasi. Hingga saat ini, masih terbatas penelitian yang menggabungkan metode entropi dalam sistem pemeringkatan berbasis arus kas, terutama yang dikaitkan dengan data ESG Index. Penelitian ini berfokus pada penggabungan rasio arus kas sebagai indikator kinerja keuangan riil dengan metode TOPSIS berbasis entropi, guna mengevaluasi dan memberi peringkat pada bank-bank yang tercantum dalam Katadata ESG Index 2024, menggunakan data keuangan periode 2021-2023. Penelitian ini bertujuan untuk menyusun peringkat kinerja keuangan bankbank di Indonesia secara objektif dengan memanfaatkan data rasio keuangan yang berbasis arus kas. Hasil akhir dari penelitian ini diharapkan mampu menghasilkan pemeringkatan yang lebih akurat dan mencerminkan kondisi nyata, sekaligus mendorong peningkatan transparansi dan akuntabilitas dalam pelaporan kinerja sektor perbankan di tingkat nasional. JMBK, Vol. 6, No. 2, Oktober 2025 60 Dwiyanto & Rasyid Dari penelitian terdahulu, terbentuk kerangka langkah kerja yang akan dilakukan dalam memeringkatkan perbankan berdasarkan analisis arus kas menggunakan metode TOPSIS berbasis entropi sebagai beriut: Gambar 1. Kerangka Kerja Gambar 1 di atas menggambarkan tahapan metodologis penelitian yang bertujuan untuk menilai kinerja keuangan perbankan berbasis arus kas menggunakan pendekatan TOPSIS Entropi. Tahap pertama adalah pengumpulan data, yaitu memperoleh laporan keuangan bank yang terdaftar pada Katadata ESG Index. Selanjutnya dilakukan analisis data dengan menghitung rasio arus kas sebagai dasar evaluasi kinerja. Tahap ketiga adalah penentuan bobot kriteria menggunakan metode Entropi, yang berfungsi untuk mengukur tingkat kepentingan relatif setiap rasio arus kas secara objektif berdasarkan variasi data. Setelah bobot kriteria diperoleh, dilakukan perankingan menggunakan metode TOPSIS untuk menentukan urutan kinerja bank berdasarkan kedekatannya terhadap solusi ideal positif dan negatif. Tahap terakhir adalah evaluasi hasil, yaitu membandingkan peringkat bank berdasarkan metode TOPSIS Entropi dengan peringkat yang tercantum pada Katadata ESG Index guna mengidentifikasi kesesuaian dan validitas pendekatan yang digunakan. METODE PENELITIAN Jenis Penelitian Penelitian ini merupakan penelitian kuantitatif deskriptif yang bertujuan untuk mengevaluasi kinerja keuangan bank-bank dalam Katadata ESG Index 2024 berdasarkan rasio arus kas. Pemeringkatan dilakukan menggunakan pendekatan JMBK, Vol. 6, No. 2, Oktober 2025 61 Dwiyanto & Rasyid Multi-Criteria Decision Making (MCDM) dengan metode TOPSIS berbasis entropi yang digunakan untuk menentukan bobot objektif setiap kriteria. Penelitian ini menyajikan analisis sistematis dan objektif tanpa menguji hipotesis, serta bertujuan memberikan gambaran dan rekomendasi terhadap kondisi keuangan sektor perbankan. Objek Penelitian Objek penelitian ini adalah bank-bank yang terdaftar pada Katadata ESG Index 2024, yang akan dievaluasi kinerja keuangannya berdasarkan rasio arus kas menggunakan berbagai rasio keuangan, yaitu rasio likuiditas, operasional, struktur keuangan, dan profitabilitas. Penelitian ini menggunakan data sekunder dari laporan tahunan dan laporan keuangan perbankan yang terdaftar pada Otoritas Jasa Keuangan (OJK). Definisi Operasional Kinerja keuangan mencerminkan kesehatan dan efisiensi operasional suatu bank. Dalam penelitian ini, kinerja diukur menggunakan rasio arus kas karena arus kas dianggap krusial dalam menilai likuiditas, solvabilitas, serta kemampuan bank memenuhi kewajiban finansial. Rasio-rasio tersebut memberikan gambaran nyata mengenai kemampuan bank menghasilkan kas dari aktivitas operasional. Rasio yang digunakan dalam menilai kinerja keuangan berdasarkan arus kas dijabarkan sebagai berikut: Tabel 2. Rasio Arus Kas yang Digunakan Rasio Rasio Likuiditas Rasio Operasional Rasio Struktur Keuangan Rasio Profitabilitas Kode Rasio yang Digunakan RAK1 Cash to Short-Term Liabilities Ratio RAK2 Loan to Deposit Ratio RAK3 Cash Flow to Total Assets Ratio RAK4 Cash Flow-Fixed Asset Ratio RAK5 Debt to Equity Ratio RAK6 Interbank Ratio RAK7 Cash Flow to Operating Income Ratio RAK8 Cash Flow to Equity Ratio Rumus Jenis Kriteria Kas/Kewajiban Jangka Pendek Benefit Total Kredit/Total Dana Pihak Ketiga Benefit Arus Kas dari Operasi/Total Aset Benefit Arus Kas dari Operasi/Aset Tetap Benefit Total Liabilitas/Total Ekuitas Cost Penempatan pada Bank Lain/Total Aset Arus Kas dari Operasi/Pendapatan (Bunga) Arus Kas dari Operasi/Total Ekuitas Benefit Benefit Benefit Tabel 2 di atas berisi definisi operasional setiap variabel dan parameter beserta bagaimana cara mendapatkannya. Metode Entropi Dalam metode pembobotan, entropi dapat diaplikasikan untuk pembobotan atribut-atribut, sebagaimana dilakukan oleh Rupang & Kusnadi (2018). Berikut tahapan perhitungan yang digunakan: JMBK, Vol. 6, No. 2, Oktober 2025 62 Dwiyanto & Rasyid Tahap pertama yang dilakukan adalah membentuk matriks keputusan 𝑋, yang memuat nilai kinerja dari setiap alternatif terhadap masing-masing kriteria. Tahap kedua adalah menormalisasi matriks keputusan. Karena setiap kriteria dapat memiliki skala yang berbeda, maka data perlu dinormalisasi terlebih dahulu dengan menggunakan rumus: π‘₯𝑖𝑗 π‘Ÿπ‘–π‘— = max⁑(π‘₯ ) .............................................................................................................. (1) 𝑖𝑗 π‘Ÿπ‘–π‘— = min⁑(π‘₯𝑖𝑗 ) π‘₯𝑖𝑗 .............................................................................................................. (2) Persamaan (1) adalah kriteria benefit dan persamaan (2) adalah kriteria cost, di mana: π‘Ÿπ‘–π‘— adalah nilai normalisasi dari elemen π‘₯𝑖𝑗 pada alternatif i dan kriteria j; π‘₯𝑖𝑗 adalah penilaian alternatif 𝐴𝑖 pada kriteria 𝐢𝑗 ; max⁑(π‘₯𝑖𝑗 ) adalah nilai maksimum dari kriteria j di semua alternatif; dan min⁑(π‘₯𝑖𝑗 ) adalah nilai minimum dari kriteria j di semua alternatif. Tahap ketiga adalah menghitung nilai proporsi. Dalam konteks entropi, nilai normalisasi π‘Ÿπ‘–π‘— sudah merepresentasikan proporsi: π‘Ÿπ‘–π‘— 𝑝𝑖𝑗 = βˆ‘π‘š 𝑖=1 π‘Ÿπ‘–π‘— ................................................................................................................ (3) Di mana 𝑝𝑖𝑗 adalah proporsi elemen π‘Ÿπ‘–π‘— ; π‘Ÿπ‘–π‘— adalah nilai elemen pada matriks keputusan yang dinormalisasi; dan π‘š adalah jumlah alternatif. Tahap keempat adalah menghitung nilai entropi. Entropi mengukur ketidakpastian atau keacakan informasi dalam data kriteria. Rumus yang digunakan: βˆ’1 𝐸𝑗 = [π‘™π‘›β‘π‘š]β‘βˆ‘π‘›π‘–β‘=⁑1[𝑝𝑖𝑗⁑ βˆ— ⁑𝑙𝑛(𝑝𝑖𝑗⁑ )] .............................................................................. (4) Di mana: 𝐸𝑗 adalah nilai entropi untuk kriteria j; π‘š adalah jumlah alternatif; 𝑛 adalah jumlah kriteria; 𝑝𝑖𝑗 adalah nilai dari alternatif i pada kriteria j; dan ln adalah fungsi logaritma natural. Tahap kelima adalah menghitung nilai dispersi. Nilai dispersi digunakan untuk mengevaluasi sejauh mana suatu kriteria berperan dalam proses pengambilan keputusan, dengan mengacu pada nilai entropi yang telah dihitung sebelumnya. 𝑑𝑗 = ⁑1⁑ βˆ’ ⁑ 𝐸𝑗 .............................................................................................................. (5) Di mana: 𝑑𝑗 adalah adalah nilai dispersi untuk kriteria j dan 𝐸𝑗 adalah adalah nilai entropi untuk kriteria j. Tahap terakhir, yaitu tahap keenam, menghitung bobor kriteria. Bobot kriteria ini diperoleh dengan melakukan normalisasi terhadap nilai dispersi yang telah dihitung sebelumnya. Rumus yang digunakan: JMBK, Vol. 6, No. 2, Oktober 2025 63 Dwiyanto & Rasyid 𝑑𝑗 𝑀𝑗 = βˆ‘π‘› 𝑗=1 𝑑𝑗 ................................................................................................................. (6) Di mana: 𝑀𝑗 adalah bobot untuk kriteria j; 𝑑𝑗 adalah nilai dispersi untuk kriteria j; dan 𝑛 adalah jumlah kriteria. Metode TOPSIS TOPSIS merupakan metode pengambilan keputusan multikriteria yang menentukan alternatif terbaik dengan mengukur kedekatan suatu alternatif terhadap solusi ideal positif dan jaraknya dari solusi ideal negatif, dengan menggunakan jarak Euclidean. Metode ini mengombinasikan kedua jarak tersebut untuk menghitung nilai kedekatan relatif, yang kemudian dijadikan dasar dalam menyusun peringkat alternatif. Hasil akhir dari metode TOPSIS memberikan panduan bagi pengambil keputusan dalam memilih opsi yang paling optimal. Pertama, membuat matriks keputusan yang ternormalisasi, yang bertujuan untuk menyamakan skala nilai sehingga seluruh kriteria memiliki satuan yang konsisten. Rumus yang digunakan: π‘Ÿπ‘–π‘— = π‘₯𝑖𝑗 2 βˆšβˆ‘π‘š 𝑖⁑=⁑1 ⁑⁑π‘₯𝑖𝑗 ............................................................................................................ (7) Di mana: π‘₯𝑖𝑗 adalah nilai alternatif ke-i pada kriteria ke-j; π‘Ÿπ‘–π‘— adalah nilai normalisasi; dan π‘š adalah jumlah alternatif. Kedua, membuat matriks keputusan ternormalisasi terbobot, yang bertujuan untuk mengintegrasikan nilai hasil normalisasi dengan bobot masing-masing kriteria. Menggunakan rumus: 𝑦𝑖𝑗 = ⁑ 𝑀𝑖 ⁑. π‘Ÿπ‘–π‘— .............................................................................................................. (8) Di mana: 𝑀𝑖 adalah bobot dari kriteria ke-j dan 𝑦𝑖𝑗 adalah matriks normalisasi terbobot. Ketiga, menentukan matriks solusi ideal positif dan matriks solusi ideal negatif, yang bertujuan untuk menentukan titik referensi terbaik dan terburuk sebagai acuan perbandingan. Rumus yang digunakan: 𝐴+ = (𝑦1+, 𝑦2+, … . , 𝑦𝑛+) ............................................................................................... (9) π΄βˆ’ = (𝑦1βˆ’, 𝑦2βˆ’, … . , π‘¦π‘›βˆ’) ............................................................................................. (10) Dengan ketentuan: π‘šπ‘Žπ‘₯𝑖 ⁑𝑦𝑖𝑗 ⁑; ⁑⁑jika⁑𝑗⁑adalah⁑atribut⁑𝑏𝑒𝑛𝑒𝑓𝑖𝑑 𝑦𝑗+ = { ................................................... (11) π‘šπ‘–π‘›π‘– ⁑𝑦𝑖𝑗 ⁑⁑; ⁑⁑⁑⁑⁑⁑⁑⁑jika⁑𝑗⁑adalah⁑atributβ‘π‘π‘œπ‘ π‘‘ JMBK, Vol. 6, No. 2, Oktober 2025 64 Dwiyanto & Rasyid π‘šπ‘–π‘›π‘– ⁑𝑦𝑖𝑗 ⁑; ⁑⁑⁑jika⁑𝑗⁑adalah⁑atribut⁑𝑏𝑒𝑛𝑒𝑓𝑖𝑑 π‘¦π‘—βˆ’ = { ................................................... (12) π‘šπ‘Žπ‘₯𝑖 ⁑𝑦𝑖𝑗 ⁑; ⁑⁑⁑⁑⁑⁑⁑⁑jika⁑𝑗⁑adalah⁑atributβ‘π‘π‘œπ‘ π‘‘ Keempat, menentukan jarak antara nilai setiap alternatif dengan matriks solusi ideal positif dan matriks solusi ideal negatif, yang bertujuan untuk mengukur seberapa jauh setiap alternatif dari kondisi ideal. Berikut adalah rumus jarak antara alternatif dengan solusi ideal positif: 2 𝐷𝑖+ = βˆšβˆ‘π‘›π‘—=1(𝑦𝑖+ βˆ’ 𝑦𝑖𝑗 ) ⁑⁑ ....................................................................................... (13) Sedangkan, rumus jarak antara alternatif dengan solusi ideal negatif: 2 π·π‘–βˆ’ = βˆšβˆ‘π‘›π‘—=1(𝑦𝑖𝑗 βˆ’ π‘¦π‘–βˆ’) ⁑⁑ ....................................................................................... (14) Kelima, menentukan nilai preferensi untuk setiap alternatif, yang bertujuan untuk mengukur kedekatan relatif terhadap solusi ideal. Menggunakan rumus: π·βˆ’ 𝑖 𝑉𝑖 = ⁑ π·βˆ’ +𝐷 + .............................................................................................................. (15) ⁑ 𝑖 𝑖 Nilai 𝑉𝑖 yang terbesar menunjukkan bahwa alternatif Ai terpilih. JMBK, Vol. 6, No. 2, Oktober 2025 65 Dwiyanto & Rasyid HASIL DAN PEMBAHASAN Normalisasi Matriks Keputusan Tabel 3. Normalisasi Matriks Keputusan Rasio Arus Kas 2023 Kode Bank RAK1 RAK2 RAK3 RAK4 RAK5 RAK6 RAK7 BBRI 0,0662 0,1656 0,4741 0,8231 0,0266 0,1343 0,5456 BBCA 0,1892 0,1350 0,5965 0,8335 0,0290 0,0149 0,6363 BMRI 0,0685 0,1615 0,3917 0,8179 0,0240 0,1375 0,4804 BBNI 0,0802 0,1601 0,5079 0,8252 0,0230 0,1631 0,5714 BNGA 0,0510 0,1642 0,4661 0,8222 0,0240 0,0550 0,5316 AGRS 0,0046 0,1871 0,1866 0,7443 0,0531 0,2334 0,0000 INPC 0,3939 0,1097 0,4257 0,8223 0,0264 0,1102 0,4801 NISP 0,0471 0,1599 0,4900 0,8244 0,0244 0,0266 0,5555 BRIS 0,2858 0,0943 0,4973 0,8252 0,0616 0,0004 0,5612 PNBN 0,0812 0,1787 0,5299 0,8252 0,0467 0,1101 0,5840 BGTG 1,0000 0,1370 0,1572 0,7412 0,0730 0,4671 0,3083 BTPN 0,0123 0,2307 0,4479 0,8180 0,0381 0,1800 0,5325 MEGA 0,0603 0,1346 0,2624 0,8157 0,0273 0,1028 0,4167 BJBR 0,0425 0,1582 0,4902 0,8240 0,0131 0,0835 0,5549 BVIC 0,1302 0,1499 0,6018 0,8375 0,0206 0,1252 0,6405 BNII 0,0340 0,1702 0,5667 0,8298 0,0303 0,0588 0,6072 BDMN 0,0305 0,1924 0,4006 0,8097 0,0404 0,1651 0,5079 BEKS 0,0967 0,1561 0,3085 0,0000 0,0451 0,2677 0,4277 BJTM 0,2509 0,1284 0,2202 0,7882 0,0189 0,2040 0,3766 AGRO 0,0671 0,1512 0,2824 0,8128 0,0526 0,1447 0,4191 ARTO 0,0044 0,1977 0,7764 0,9112 0,0908 0,2724 0,7064 BSIM 0,1542 0,0752 0,7269 0,8368 0,0287 0,4815 0,7217 DNAR 0,0077 0,2371 0,6148 0,8423 0,0663 0,2009 0,6186 BNLI 0,1987 0,1403 0,1391 0,7815 0,0255 0,3953 0,2918 SDRA 0,0114 0,2633 0,4671 0,8198 0,0320 0,1016 0,5395 AMAR 0,0148 0,5448 0,2942 0,5306 0,4215 0,8924 0,5103 BANK 0,0039 0,0474 0,6555 0,8669 0,5689 1,0000 0,7226 BTPS 0,3931 0,2207 0,7131 0,8454 0,4446 0,0449 0,5898 BNBA 0,1358 0,1580 0,3980 0,8220 0,0889 0,3367 0,4907 BBTN 0,0153 0,1607 0,5234 0,8258 0,0111 0,2819 0,5800 BSWD 0,1476 0,2606 0,0003 0,7848 0,1703 0,1516 0,1601 BINA 0,0749 0,1184 0,4895 0,8262 0,0237 0,5266 0,5548 MASB 0,1440 0,0793 1,0000 1,0000 0,0215 0,4209 1,0000 NOBU 0,1842 0,1564 0,6243 0,8325 0,0199 0,3186 0,6684 BBMD 0,1822 0,1638 0,4135 0,8202 0,0610 0,2016 0,5079 BACA 0,0667 0,0994 0,2568 0,8125 0,0296 0,0004 0,3078 MAYA 0,0546 0,1632 0,4201 0,8187 0,0175 0,2268 0,5030 PNBS 0,0912 0,1605 0,6337 0,8449 0,0965 0,0004 0,6599 BBHI 0,0052 0,2830 0,9958 0,8773 0,1628 0,4443 0,7807 BBYB 0,0134 0,1470 0,1468 0,7833 0,0310 0,2216 0,4752 MCOR 0,1850 0,1806 0,7810 0,8408 0,0426 0,0065 0,7809 BMAS 0,1005 0,1974 0,0277 0,7886 0,0720 0,0823 0,2018 BKSW 0,0248 0,1779 0,6209 0,8363 0,0921 0,3759 0,6307 BBSI 0,0230 1,0000 0,3862 0,8199 1,0000 0,0004 0,5122 BBKP 0,0065 0,1777 0,1442 0,8088 0,0279 0,1024 0,2753 BABP 0,0855 0,1391 0,5710 0,8261 0,0342 0,6012 0,6075 JMBK, Vol. 6, No. 2, Oktober 2025 RAK8 0,3591 0,4762 0,2551 0,3971 0,3496 0,1916 0,3093 0,3760 0,3905 0,3996 0,2121 0,3396 0,1482 0,3845 0,5198 0,4447 0,3077 0,2507 0,0000 0,2475 0,4898 0,6377 0,4341 0,0046 0,3539 0,3255 0,4321 0,4593 0,3313 0,4662 0,2230 0,3757 1,0000 0,5540 0,3299 0,1570 0,2769 0,5221 0,5228 0,0660 0,5760 0,1484 0,4238 0,3485 0,0356 0,4409 66 Dwiyanto & Rasyid Tabel 3 di atas menunjukkan normalisasi matriks. Hasil dari matriks keputusan diperoleh dari rasio setiap kriteria yang telah ditentukan. Pada rasio yang digunakan terdapat nilai negatif, untuk menghindari hasil yang tidak valid pada penggunaan rumus logaritma natural (ln), kolom pada rasio arus kas yang terdapat nilai negatif diubah menjadi nilai positif dengan melakukan translasi data, yaitu dengan menjumlahkan nilai negatif dengan nilai absolut bilangan tersebut dan kemudian menambahkannya dengan nilai terkecil menggunakan nilai 0,0001. Menghitung Nilai Entropi Hasil dari matriks tersebut kemudian dihitung menggunakan tahapan perhitungan entropi, sehingga menghasilkan nilai entropi (Ej), nilai dispersi (dj), dan bobot kriteria (wj) sebagai berikut: 2021 2022 2023 Tabel 4. Bobot Kriteria yang Dihitung dengan Metode Entropi Struktur Likuiditas Operasional Profitabilitas Keuangan RAK1 RAK2 RAK3 RAK4 RAK5 RAK6 RAK7 RAK8 -1/(ln)m -0,2612 Ej 0,9192 0,9647 0,9858 0,9765 0,6705 0,9100 0,9776 0,9563 dj 0,0808 0,0353 0,0142 0,0235 0,3295 0,0900 0,0224 0,0437 wj 0,1263 0,0552 0,0223 0,0368 0,5154 0,1407 0,0350 0,0683 Rank 3 5 8 6 1 2 7 4 -1/(ln)m -0,2612 Ej 0,9059 0,9242 0,9898 0,9941 0,7117 0,8981 0,9924 0,9828 dj 0,0941 0,0758 0,0102 0,0059 0,2883 0,1019 0,0076 0,0172 wj 0,1566 0,1261 0,0170 0,0098 0,4797 0,1695 0,0126 0,0287 Rank 3 4 6 8 1 2 7 5 -1/(ln)m -0,2612 Ej 0,8402 0,9554 0,9653 0,9936 0,7779 0,8934 0,9826 0,9629 dj 0,1598 0,0446 0,0347 0,0064 0,2221 0,1066 0,0174 0,0371 wj 0,2542 0,0709 0,0552 0,0102 0,3532 0,1695 0,0277 0,0590 Rank 2 4 6 8 1 3 7 5 Hasil perhitungan pada tabel 4 di atas menunjukkan bahwa terdapat perbedaan bobot (wj) antar tahun untuk masing-masing rasio. Hal ini mencerminkan bahwa distribusi informasi dan keragaman data tiap rasio berubah setiap tahunnya, sehingga bobot yang diberikan kepada tiap kriteria bersifat dinamis dan adaptif terhadap kondisi data aktual Peringkat TOPSIS Bobot kriteria yang telah diperoleh dari perhitungan entropi digunakan untuk menghitung peringkat perbankan berdasarkan analisis arus kas dengan metode TOPSIS. JMBK, Vol. 6, No. 2, Oktober 2025 67 Dwiyanto & Rasyid Tabel 5. Peringkat berdasarkan metode TOPSIS 2021 2022 2023 Bank Ci* Rank Ci* Rank Ci* Rank BBRI 0,5716 29 0,4386 34 0,2884 36 BBCA 0,5903 26 0,4678 29 0,3337 25 BMRI 0,5200 36 0,4049 37 0,2710 39 BBNI 0,5034 37 0,3947 40 0,2695 40 BNGA 0,5269 35 0,4171 36 0,2641 42 AGRS 0,6403 15 0,5290 14 0,3483 23 INPC 0,5505 31 0,4495 32 0,4164 7 NISP 0,5293 34 0,4001 39 0,2652 41 BRIS 0,6688 10 0,5449 12 0,4299 5 PNBN 0,6339 18 0,5211 18 0,3525 22 BGTG 0,6886 7 0,5834 5 0,7761 1 BTPN 0,6127 22 0,4980 23 0,3237 27 MEGA 0,5325 33 0,4179 35 0,2870 37 BJBR 0,2902 45 0,3650 42 0,1040 45 BVIC 0,4882 38 0,4037 38 0,2614 43 BNII 0,5737 28 0,4549 31 0,2972 32 BDMN 0,6299 19 0,5078 20 0,3310 26 BEKS 0,6636 12 0,5138 19 0,3609 19 BJTM 0,4461 41 0,3497 43 0,2937 34 AGRO 0,5375 32 0,5233 17 0,3567 20 ARTO 0,7040 5 0,5587 10 0,3783 15 BSIM 0,6139 21 0,4962 24 0,3549 21 DNAR 0,6946 6 0,5501 11 0,3626 18 BNLI 0,5905 25 0,4728 25 0,3412 24 SDRA 0,6096 23 0,4718 26 0,3019 30 AMAR 0,6760 9 0,6661 1 0,4462 3 BANK 0,8191 1 0,6642 2 0,4460 4 BTPS 0,7187 3 0,6097 4 0,5163 2 BNBA 0,6836 8 0,5646 7 0,4128 8 BBTN 0,0742 46 0,0531 46 0,1016 46 BSWD 0,7680 2 0,5594 9 0,4209 6 BINA 0,6093 24 0,4693 28 0,3057 29 MASB 0,4673 39 0,4705 27 0,3096 28 NOBU 0,2969 44 0,2127 45 0,2910 35 BBMD 0,6546 13 0,5259 16 0,4036 11 BACA 0,3715 42 0,4455 33 0,2952 33 MAYA 0,4603 40 0,2858 44 0,2065 44 PNBS 0,6291 20 0,5630 8 0,3856 13 BBHI 0,6399 16 0,5730 6 0,4043 10 BBYB 0,6649 11 0,5018 22 0,3008 31 MCOR 0,6525 14 0,5313 13 0,3737 16 BMAS 0,3594 43 0,5030 21 0,3787 14 BKSW 0,6355 17 0,5262 15 0,3881 12 BBSI 0,7085 4 0,6307 3 0,4112 9 BBKP 0,5522 30 0,3847 41 0,2791 38 BABP 0,5871 27 0,4615 30 0,3628 17 Peringkat menggunakan metode TOPSIS pada tabel 5 di atas menunjukkan bahwa terjadinya perubahan peringkat setiap tahun untuk setiap alternatif. Perubahan peringkat tersebut mengindikasikan bahwa kinerja arus kas bank cenderung berfluktuasi dari tahun ke tahun. Hal ini dapat dipengaruhi oleh JMBK, Vol. 6, No. 2, Oktober 2025 68 Dwiyanto & Rasyid dinamika aktivitas operasional, kebijakan pendanaan, serta pengelolaan kewajiban jangka pendek dan aset jangka panjang. Temuan ini menekankan pentingnya melakukan evaluasi kinerja keuangan secara periodik dengan pendekatan berbasis arus kas dan pembobotan yang objektif, agar hasil pemeringkatan mencerminkan kondisi keuangan yang aktual dan relevan. SIMPULAN Penelitian ini mengevaluasi kinerja keuangan bank di Indonesia berdasarkan rasio arus kas menggunakan metode TOPSIS berbasis entropi. Hasil analisis menunjukkan bahwa bobot kriteria yang dihitung melalui metode entropi bervariasi setiap tahun, mencerminkan dinamika data dan perubahan kinerja masing-masing bank. Pemeringkatan yang dihasilkan melalui TOPSIS juga menunjukkan perubahan posisi antar bank dari tahun ke tahun, yang menandakan bahwa kinerja arus kas tidak bersifat tetap dan sangat dipengaruhi oleh kondisi operasional dan strategi keuangan. Metode TOPSIS berbasis entropi terbukti efektif memberikan pemeringkatan yang objektif dan relevan karena mampu memadukan pembobotan data secara kuantitatif dengan penilaian multikriteria. Pendekatan ini memberikan alternatif evaluasi kinerja keuangan yang lebih akurat dibanding pendekatan konvensional. Hasil penelitian ini memberikan rekomendasi praktis bagi Otoritas Jasa Keuangan (OJK) untuk mempertimbangkan indikator arus kas sebagai pelengkap dalam evaluasi kinerja bank, karena mampu mencerminkan kondisi likuiditas dan profitabilitas secara riil. Penerapan pembobotan dinamis berbasis entropi juga dapat membantu OJK menyesuaikan penilaian secara adaptif terhadap perubahan kondisi ekonomi dan kinerja bank yang terus berkembang. Sejalan dengan itu, kerangka pengawasan dapat menjadi lebih objektif, responsif, dan sesuai dengan dinamika sektor perbankan, serta mendukung terciptanya stabilitas dan keberlanjutan sistem keuangan nasional. Untuk penelitian selanjutnya, metode ini dapat dikembangkan lebih lanjut dengan memperluas indikator atau membandingkannya dengan pendekatan lain dalam evaluasi sektor keuangan. Hasil pemeringkatan dapat dibandingkan dengan pendekatan lain, seperti Analytic Hierarchy Process (AHP) atau Data Envelopment Analysis (DEA), untuk menguji konsistensi dan keandalan hasil evaluasi. Cakupan objek penelitian juga dapat diperbesar, baik dari sisi jumlah bank maupun rentang periode waktu, sehingga dapat memberikan gambaran kinerja keuangan yang lebih komprehensif dalam konteks evaluasi sektor perbankan. DAFTAR PUSTAKA Aboud, A., & Diab, A. (2019). The Financial and Market Consequences of Environmental, Social and Governance Ratings. Sustainability Accounting Management and Policy Journal, 10(3), 498–520. https://doi.org/10.1108/sampj06-2018-0167 Javid, M., Chandia, K. E., & Malik, Q. U. Z. (2023). Nexus of Liquidity Creation, JMBK, Vol. 6, No. 2, Oktober 2025 69 Dwiyanto & Rasyid Profitability and Bank Stability With the Moderating Role of Corruption: An Empirical Analysis. Journal of Financial Crime, 31(6), 1332–1361. https://doi.org/10.1108/jfc-08-2023-0198 Lalonsang, J. T. A., & Karamoy, H. (2024). Analisis kinerja keuangan perusahaan perbankan yang terdaftar di Bursa Efek Indonesia dengan menggunakan Metode Multi Attribute Decision Making (MADM). Manajemen Bisnis Dan Keuangan Korporat, 2(2), 190–203. https://doi.org/10.58784/mbkk.168 Prasetyo, F. K., & Hakim, L. (2022). Analisis Laporan Arus Kas Dalam Menilai Kinerja Pada PT Sariguna Primatirta Tbk (Cleo). Jurnal Pendidikan Akuntansi (JPAK), 10(2), 152–161. https://doi.org/10.26740/jpak.v10n2.p152-161 Rupang, M. A., & Kusnadi, A. (2018). Implementasi Metode Entropy dan Topsis Dalam Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik. Ultima Computing: Jurnal Sistem Komputer, 10(1), 13–18. Supiyadi, D. (2021). The Determinant of Islamic Bank Profitability and Stability in Indonesia Periods 2010-2017. Proceedings of the 5th Global Conference on Business, Management and Entrepreneurship (GCBME 2020). https://doi.org/10.2991/aebmr.k.210831.004 Xie, J., Nozawa, W., Yagi, M., Fujii, H., & Managi, S. (2018). Do Environmental, Social, and Governance Activities Improve Corporate Financial Performance? Business Strategy and the Environment, 28(2), 286–300. https://doi.org/10.1002/bse.2224 Yunizar, R., & Arsyad, A. F. (2024). Peran Strategi Keberlanjutan dalam Meningkatkan Nilai Perusahaan: Studi Laporan Tahunan Bank Central Asia. RANI: Jurnal Riset Akuntansi Dan Manajemen Bisnis, 1(1), 13–21. JMBK, Vol. 6, No. 2, Oktober 2025 70