Sistem deteksi dini Early Warning System/ EWS pada bank syariah sangat diperlukan. Dengan adanya EWS, bank syariah dapat lebih berhati-hati dalam menentukan kebijakan-kebijakan yang tepat guna mengantisipasi terjadinya kesulitan keuangan atau bahkan kebangkrutan. Penelitian ini bertujuan untuk menganalisis rasio keuangan dan kondisi makroekonomi dalam memprediksi potensi kebangkrutan bank syariah di Indonesia. Teknik analisis yang digunakan adalah model regresi logistik logit dengan variabel dependen berupa kategorik bangkrut dan tidak bangkrut. Model prediksi menemukan bahwa Capital Adequacy Ratio CAR dan pertumbuhan jumlah uang beredar secara statistik signifikan dalam memprediksi potensi kebangkrutan bank syariah di Indonesia, sedangkan rasio keuangan dan indikator makroekonomi lainnya dalam penelitian ini menunjukkan tidak signifikan. Ketepatan prediksi model sebesar 33.33 untuk kategori bangkrut dan 95.83 untuk kategori tidak bangkrut. Secara keseluruhan, ketepatan prediksi model dalam penelitian ini sebesar 80.21, artinya dari 96 data terdapat 77 data dimana hasil prediksinya sesuai cut off yang ditentukan.

---

Early detection system Early Warning System EWS in Islamic banks are indispensable. With the existence of EWS, Islamic banks must be more cautious in determining appropriate policies in order to anticipate financial distress or even bankruptcy. This study aimed to analyze the financial ratios and macroeconomic conditions in predicting the bankruptcy potential of Islamic banks in Indonesia. The analysis technique used is the logistic regression model logit with dependent variable in the form of categorical bankrupt and not bankrupt. The prediction model found that the Capital Adequacy Ratio CAR and money supply growth are statistically significant in predicting the potential bankruptcy of Islamic banks in Indonesia, while the financial ratios and other macroeconomic indicators in this study showed no significant. The accuracy of prediction by the model is 33.33 for the category of bankrupt and 95.83 for the non bankrupt category. Overall, accuracy of the model prediction in this study is 80.21, that means there are 77 of 96 data where the prediction results in accordance with the cut off which is determined.