(perbandingan antara model diskriminan dan model logit)digilib.unila.ac.id/21994/19/skripsi tanpa...
Post on 15-Oct-2019
22 Views
Preview:
TRANSCRIPT
ANALISIS RASIO KEUANGAN DALAM MEMBENTUK MODEL
PREDIKSI FINANCIAL DISTRESS PADA PERUSAHAAN YANG
TERDAFTAR DI BEI TAHUN 2010-2014
(Perbandingan antara Model Diskriminan dan Model Logit)
(Skripsi)
Oleh
EVI KRISMAYANTI
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2016
ABSTRACT
FINANCIAL RATIOS ANALYSIS TO FORM FINANCIAL DISTRESS
PREDICTION MODELS IN COMPANIES LISTED IN INDONESIAN
STOCK EXCHANGE YEAR 2010-2014
(Comparison between Discriminant Model and Logit Model)
By
EVI KRISMAYANTI
Rupiah exchange rate weakened on the foreign currency exchange rate causes a
lot of companies in Indonesia should experiencing financial distress and even
bankruptcy. This research examines financial ratios to create a discriminant model
and logit model that capable to predict financial distress and then compare the
level of accuracy of the models. This research uses non-financial companies that
listed on the BEI in 2010-2014 as research object and using purposive sampling
technique, researcher get a result 35 non-distress company and 49 distress
company as the sample. The data that researcher get process with multivariate
discriminant analysis and logistic regression analysis. Based on the result of
analysis, discriminant model that create consist 8 financial ratios, they are pre-tax
profit/total asset, book value per share, dividend per share, retained earnings/total
asset, equity/total asset, equity/total liabilities, debt ratio, and receivables
turnover. The logit model that create consist 3 financial ratio, they are pre-tax
profit/total asset, profit after tax/working capital, and sales/working capital. This
research also discover that logit model have accuracy level that higher than logit
model and pre-tax profit/ total asset ratio is ratio that give most significant
influence in predict financial distress according to that two models.
Keywords: financial ratio, financial distress, financial distress prediction
models, discriminant model, logit model
ABSTRAK
ANALISIS RASIO KEUANGAN DALAM MEMBENTUK MODEL
PREDIKSI FINANCIAL DISTRESS PADA PERUSAHAAN YANG
TERDAFTAR DI BEI TAHUN 2010-2014
(Perbandingan antara Model Diskriminan dan Model Logit)
Oleh
EVI KRISMAYANTI
Melemahnya nilai tukar rupiah terhadap nilai mata uang asing menyebabkan
banyak perusahaan di Indonesia harus mengalami kesulitan keuangan dan bahkan
kebangkrutan. Penelitian ini bertujuan menganalisis rasio keuangan untuk
membentuk model diskriminan dan model logit yang mampu memprediksi
financial distress dan kemudian membandingkan tingkat akurasi kedua model
tersebut. Penelitian ini menggunakan perusahaan non-keuangan yang terdaftar di
BEI tahun 2010-2014 sebagai objek penelitian dan dengan teknik purposive
sampling, peneliti memperoleh 35 perusahaan non-distress dan 49 perusahaan
distress sebagai sampel. Data yang diperoleh kemudian diolah dengan analisis
diskriminan multivariat dan analisis regresi logistik. Berdasarkan hasil analisis
yang dilakukan, model diskriminan yang terbentuk terdiri dari 8 rasio keuangan,
yaitu pre-tax profit/total asset, book value per share, dividend per share, retained
earnings/total asset, equity/total asset, equity/total liabilities, debt ratio dan
receivables turnover. Ada pun model logit yang terbentuk terdiri dari 3 rasio
keuangan, yaitu pre-tax profit/total asset, profit after tax/working capital dan
sales/working capital. Penelitian ini juga menemukan bahwa model logit memiliki
tingkat akurasi yang lebih tinggi dibandingkan dengan model logit dan rasio pre-
tax profit/total asset merupakan rasio yang paling berpengaruh signifikan dalam
memprediksi financial distress menurut kedua model tersebut.
Kata kunci: rasio keuangan, financial distress, model prediksi financial
distress, model diskriminan, model logit.
ANALISIS RASIO KEUANGAN DALAM MEMBENTUK MODEL PREDIKSI
FINANCIAL DISTRESS PADA PERUSAHAAN YANG TERDAFTAR DI BEI
TAHUN 2010-2014
(Perbandingan antara Model Diskriminan dan Model Logit)
Oleh
Evi Krismayanti
Skripsi
Sebagai salah satu syarat untuk mencapai gelar
SARJANA EKONOMI
Pada
Jurusan Akuntansi
Fakultas Ekonomi dan Bisnis Universitas Lampung
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS LAMPUNG
BANDARLAMPUNG
2016
RIWAYAT HIDUP
Penulis lahir di Natar pada 22 Februari 1994 sebagai putri ketiga dari empat
bersaudara. Penulis menyelesaikan pendidikan dasar di SDN 6 Merak Batin dan
lulus tahun 2006. Selanjutnya penulis menyelesaikan pendidikan menengah
pertama di SMPN 1 Natar pada tahun 2009, kemudian penulis melanjutkan
pendidikan tingkat atas di SMAN 9 Bandar Lampung hingga lulus pada tahun
2012.
Penulis terdaftar sebagai mahasiswi S1 Akuntansi Fakultas Ekonomi dan Bisnis
Universitas Lampung pada tahun 2012 melalui jalur SNMPTN Undangan (Seleksi
Nasional Masuk Perguruan Tinggi Negeri). Selama menjadi mahasiswi, penulis
terdaftar menjadi pengurus HIMAKTA (Himpunan Mahasiswa Akuntansi)
periode 2014/2015 sebagai kepala bidang.
PERSEMBAHAN
Kupersembahkan skripsi ini kepada:
Orang tuaku tercinta, Bapak dan Mamak, atas segala kasih sayang, doa,
dukungan, pengorbanan, dan segala sesuatunya yang telah diberikan.
Nenek, kakak-kakakku, adikku dan keponakanku tersayang, untuk
semangat, doa, bantuan, keceriaan dan dukungan yang selalu diberikan.
Seluruh keluarga besarku dan saudara-saudaraku, atas segala dukungan,
doa, nasihat, dan motivasi yang selalu diberikan.
Sahabat dan teman-temanku, untuk keceriaan, nasihat, dan dukungan yang
selalu diberikan.
Almamaterku tercinta, Universitas Lampung.
MOTO
Don’t worry about being better than others, focus on being better than yourself. –
Anonim
Remain yourself that it’s okay not to be perfect. –Anonim
Life is full of ups and downs. The trick is to enjoy the ups and have courage
during the downs. –Anonim
SANWACANA
Puji syukur penulis panjatkan kepada Allah SWT atas berkat dan rahmatNya
kepada penulis sehingga skripsi dengan judul “Analisis Rasio Keuangan dalam
Membentuk Model Prediksi Financial Distress pada Perusahaan yang Terdaftar di BEI
Tahun 2010-2014 (Perbandingan antara Model Diskriminan dan Model Logit)” sebagai
salah satu syarat untuk memperoleh gelar Sarjana Ekonomi di Universitas
Lampung dapat terselesaikan.
Dalam kesempatan ini penulis mengucapkan terima kasih kepada:
1. Bapak Prof. Dr. H. Satria Bangsawan, S.E., M.Si., selaku Dekan Fakultas
Ekonomi dan Bisnis Universitas Lampung.
2. Ibu Dr. Fajar Gustiawaty Dewi, S.E., M.Si., Akt., selaku Ketua Jurusan
Akuntansi.
3. Ibu Yuztitya Asmaranti, S.E., M.Si., selaku sekretaris Jurusan Akuntansi.
4. Ibu Dr. Lindrianasari, S.E., M.Si., Akt., selaku Pembimbing Utama atas
kesediaannya untuk memberikan waktu, bimbingan, nasihat, dan dukungan
selama proses penyelesaian skripsi ini.
5. Ibu Retno Yuni Nur Susilowati, S.E., M.Sc., Akt., selaku Pembimbing
Pendamping atas kesediannya dalam memberikan waktu, bimbingan,
pengetahuan, nasihat, pengalaman serta pembelajaran diri selama proses
penyelesaian skripsi ini.
6. Bapak Dr. Einde Evana, S.E., M.Si., Akt., selaku Penguji Utama atas saran
dan kritik, serta nasihat yang membangun baik bagi penyelesaian skripsi
maupun bagi diri penulis.
7. Bapak Agus Zahron Idris, S.E., Akt., selaku Pembimbing Akademik atas
segala saran dan nasihat yang diberikan selama masa perkuliahan.
8. Bapak dan Ibu Dosen serta staf di Jurusan Akuntansi dan Fakultas Ekonomi
Universitas Lampung, atas ilmu, dukungan dan pembelajaran yang telah
diberikan.
9. Kedua orang tuaku, Bapak tercinta Mukhori dan Mamak tersayang Maryanah.
Terima kasih atas limpahan kasih sayang, dukungan, perlindungan, nasihat,
semangat, dan ajaran hidup yang dengan setia akan selalu membimbing setiap
langkah penulis untuk mewujudkan mimpi dan cita penulis. Tiada kata yang
dapat menggambarkan rasa syukur dan rasa terima kasih penulis atas segala
hal yang telah diberikan.
10. Terimakasih untuk nenek atas setiap doanya hingga penulis dapat
menyelesaikan skripsi ini. Kakak-kakakku, Leni Widayanti dan Wahyu Dian
Saputra, Kak Bidin serta adikku Sheila Deviyanti. Terima kasih untuk setiap
dukungan semangat dan kesabaran yang diberikan kepadaku selama ini. Juga
kedua keponakan tersayang Satria Rizky Pratama dan Adhyastha Al-Azzam.
11. Keluarga besar dari kedua belah pihak orangtuaku. Kiranya penyelesaian
skripsi ini dapat menjadi kebanggaan untuk Ndek Yah, Ndek Sur, Ndek Her,
Ndek Tik, Teh Imah, Mbak Mus, Kak Sisu, Bule Puji, Pak Ndon, Pak Sun,
Bule Sisri. Terima kasih untuk setiap kasih sayang, nasihat, dan dukungan
semangat yang diberikan kepada penulis. Semoga Allah memberikan
kesehatan dan panjang umur untuk kalian semua.
12. Sepupu panutanku Lisna Sari terimakasih untuk semuanya dan semoga kita
bisa sukses dan membanggakan kedua orang tua. Terimakasih juga untuk
kakak dan adik sepupu Mba Maya, A’Budi, Kak Nizar, Kak Ilham, Kak
Andi, Mba Ratih, Abang Victor, Vicky, Ana, Ardi, Vicri, Bayu. Now we’re
all grown up (or grown old?), sis & bro. Thank you for growing up with me.
13. Kelima sahabat tersayang Sausan Salwa Karimah, Muhaqiqin, Ulfa Ramania
dan Aditya Dewangga. Penulis sangat bersyukur dan berterimakasih atas
kesediaannya menemani, menyemangati, menghibur, dan membantu proses
penyelesaian skripsi ini. Terima kasih untuk setiap tawa, canda, bahagia, air
mata, dan haru. Terima kasih telah menjadi pendengar yang baik, dan
pemberi solusi untuk setiap masalah yang penulis hadapi. Thank you for every
time we spend together. Semoga persahabatan kita berlanjut hingga maut
menjelang.
14. Terimakasih teruntuk Yuninda Devi Arintika yang sudah jadi teman, ibu,
kakak, adik, dan nenek sekaligus. Terimakasih untuk Rahmah Khairina,
Chyntia Dwi S. dan Dila Oktariana yang sudah bersabar dan mendukung
penulis. Juga terimakasih para chabai matang, Atul, Sanis, Muis, Riki, Deska,
Cikit, Mama, Yuns, Dila, Anita, Indah, Khai yang sudah menjadi peramai
handphone dan penghibur. Walaupun kita jauh still keep in touch please!
15. Konyas: Puji Kurnia P, Elia Rahma P, Dian Kusuma D, Elvi Riali, Rossinda
Budianti, Susi Baggus Z, Mutiara Marganita, Melfriani Amelia S dan
Rahmah Khairina terimakasih untuk semua semangat dan dukungan kalian.
Love you girls.
16. Untuk wanita-wanita luar biasa para Gelinaks: Sri Wahyuni, Mia Meisiska,
Muthia Prima N, Elia Rahma P, dan Puji Kurnia P, terimakasih atas semua
bantuan, semangat, kesabaran, nasihat, candaan dan semuanya. I’m still
counting on you, guys..
17. Teman-teman sejawat Akuntansi 2012. Terutama untuk Ferly, Dwi, Ani,
Puspita, Fatkur, Esa, Siti, girlband’s member (Kiky, Priska, Shaumi, Trida),
swinger (Anggie, Adel, Clau, Nadia, Sindi, Opi), Citra, Fatur, Mafia, Widya,
atas semua bantuan dan dukungan kepada penulis. Terima kasih untuk sudah
bersama-sama berjuang di bangku perkuliahan. Segala jerih payah kita akan
terbayar di masa mendatang, “karena hasil tidak pernah mengkhianati
proses”.
18. Kakak-kakak sejak KKN Kelumbayan Kak Tia dan Kak Iga terimakasih
untuk semuanya, still keep in touch yes!
Akhir kata, penulis menyadari bahwa skripsi ini masih jauh dari sempurna, untuk
itu mohon maaf atas segala kekurangannya. Semoga skripsi ini bermanfaat
dikemudian hari.
Bandar Lampung, April 2016
Penulis
Evi Krismayanti
DAFTAR ISI
Halaman
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR LAMPIRAN
I. PENDAHULUAN
1.1 Latar Belakang ................................................................................... 1
1.2 Rumusan Masalah .............................................................................. 5
1.3 Batasan Masalah................................................................................. 5
1.4 Tujuan Penelitian ............................................................................... 6
1.5 Manfaat Penelitian ............................................................................. 6
II. LANDASAN TEORI DAN PENGEMBANGAN HIPOTESIS
2.1 Landasan Teori ................................................................................... 7
2.1.1 Stakeholder Theory ................................................................ 7
2.1.2 Financial Distress .................................................................. 8
2.1.3 Rasio Keuangan ..................................................................... 10
2.1.4 Model Diskriminan ................................................................ 11
2.1.5 Model Logit ............................................................................ 11
2.2 Penelitian Terdahulu .......................................................................... 12
2.3 Model Penelitian ................................................................................ 16
III. METODE PENELITIAN
3.1 Populasi dan Sampel Penelitian ...................................................... 17
3.2 Definisi Operasional dan Pengukuran Variabel .............................. 19
3.2.1 Variabel Dependen .............................................................. 19
3.2.2 Variabel Independen ........................................................... 20
3.3 Jenis dan Sumber Data .................................................................... 21
3.4 Metode Pengumpulan Data ............................................................. 21
3.5 Teknik Analisis Data ....................................................................... 22
3.5.1 Statistik Deskriptif .............................................................. 22
3.5.2 Analisis Diskriminan ........................................................... 23
3.5.2.1 Uji Normalitas ......................................................... 23
3.5.2.2 Uji Kesamaan Matrik Kovarian .............................. 23
3.5.2.3 Test of Equality Group Means ................................ 24
3.5.2.4 Pemilihan Variabel Diskriminator Metode
Stepwise ................................................................... 24
3.5.2.5 Pembentukan Model diskriminan ........................... 25
3.5.2.6 Ketepatan Model ..................................................... 26
3.5.3 Regresi Logistik .................................................................. 26
3.5.3.1 Uji Kelayakan Model .............................................. 27
3.5.3.2 Uji Keseluruhan Model (Overall Model Fit) .......... 27
3.5.3.3 Pembentukan Model Logit ...................................... 28
3.5.3.4 Ketepatan Model ..................................................... 28
IV. HASIL DAN PEMBAHASAN
4.1 Deskripsi Objek Penelitian .............................................................. 29
4.2 Statistik Deskriptif .......................................................................... 30
4.3 Analisis Diskriminan ....................................................................... 34
4.3.1 Uji Normalitas .....................................................................
37
4.3.3 Test of Equality Group Means ............................................ 38
4.3.4 Pemilihan Variabel Diskriminator Metode Stepwise .......... 39
36
4.3.2 Uji Kesamaan Matrik Kovarian ..........................................
4.3.5 Hubungan Variabel Diskriminator dan Variabel
Dependen............................................................................. 41
4.3.6 Pembentukan Model Diskriminan....................................... 41
4.3.7 Ketepatan Model ................................................................. 43
4.4 Analisis Regresi Logistik ................................................................
46
4.4.2 Uji Keseluruhan Moel (Overall Fit Model) ........................ 46
4.4.3 Koefisien Cox & Snell R Square dan Nagelkerke’s R
Square ................................................................................. 48
4.4.4 Pembentukan Model Logit .................................................. 49
4.4.5 Ketepatan Model ................................................................. 50
4.5 Pembahasan ..................................................................................... 50
4.5.1 Model Diskriminan ................................................................ 50
4.5.2 Model Logit ............................................................................ 52
4.5.3 Perbedaan Tingkat Akurasi antara Model Logit dan Model
Diskriminan dalam Memprediksi Financial Distress ............ 54
V. SIMPULAN DAN SARAN
5.1 Simpulan ......................................................................................... 56
5.2 Keterbatasan Penelitian ................................................................... 57
5.3 Saran ................................................................................................ 58
DAFTAR PUSTAKA
LAMPIRAN
45
4.4.1 Uji Kelayakan Model ..........................................................
DAFTAR TABEL
Halaman
Tabel
1. Fenomena Kebangkrutan di Indonesia ............................................... 1
2. Penelitian Terdahulu .......................................................................... 13
3. Definisi Operasional Variabel Independen ........................................ 20
4.1 Prosedur Pemilihan Sampel ............................................................... 39
4.2 Statistik Deskriptif ............................................................................. 30
4.3 One-Sample Kolmogorov-Smirnov Test ........................................... 36
4.4 Uji Kesamaan Matrik Kovarian ......................................................... 37
4.5 Test of Equality Group Means ........................................................... 38
4.6 Variabel Diskriminator dengan Metode Stepwise ............................. 39
4.7 Eigenvalues ........................................................................................ 41
4.8 Koefisien Model Diskriminan ............................................................ 42
4.9 Centroids Group ................................................................................ 43
4.10 Tingkat Ketepatan Model ................................................................... 44
4.11 Uji Kelayakan Model ......................................................................... 46
4.12 Iteration History (Block 0) ................................................................. 47
4.13 Iteration History (Block 1) ................................................................. 47
4.14 Koefisien Cox and Snell’s R dan Nagelkerke R Square .................... 48
4.15 Koefisien Model Logit ....................................................................... 49
4.16 Tingkat Ketepatan Model ................................................................... 50
4.17 Rasio Keuangan pada Model Diskriminan dan Model Logit............. 53
DAFTAR GAMBAR
Halaman
Gambar
1 Model penelitian................................................................................. 16
2 Proses Pemodelan (Model Diskriminan) ........................................... 34
3 Normal Probability Plots (P-Plots) .................................................... 36
4 Proses Pemodelan (Model Logit) ....................................................... 45
DAFTAR LAMPIRAN
Lampiran
1A Data Laporan Keuangan Perusahan Distress
1B Data Laporan Keuangan Perusahan Non-Distress
2A Data Diolah SPSS (Perusahaan Distress)
2B Data Diolah SPSS (Perusahaan Non-Distress)
3 Statistik Deskriptif
4 Uji Normalitas
5 Uji Kesamaan Matrik Kovarian
6 Analisis Diskriminan
7 Analisis Regresi Logistik
BAB I
PENDAHULUAN
1.1 Latar Belakang
Kebangkrutan merupakan situasi yang paling tidak diinginkan oleh semua pelaku
bisnis karena kebangkrutan merupakan akhir dari kelangsungan hidup suatu
entitas. Di Indonesia sendiri selama beberapa tahun terakhir terdapat banyak
perusahaan yang harus mengalami kebangkrutan, hal ini disebabkan oleh berbagai
macam faktor, satu diantaranya adalah faktor makro ekonomi. Jatuhnya nilai tukar
rupiah yang menyebabkan kelesuan ekonomi menjadi salah satu faktor utama
banyak perusahaan di Indonesia mengalami kebangkrutan. Berikut adalah
beberapa perusahaan yang telah mengalami kebangkrutan di Indonesia.
Tabel 1. Fenomena Kebangkrutan di Indonesia
Tahun Fakta Sumber
2016 PT Ford Motor Indonesia telah secara resmi
mengumumkan penutupan semua kantor dealer dan
pabrik mobil Ford milik PT Ford Motor Indonesia
pada 25 Januari 2016.
www.ekbis.sindo
news.com
2015 PT Kirin Dinamika, PT Delta Inova, PT Argo Pantes,
PT Guna Paramita dan PT Panasonic telah melaporkan
kebangkrutannya pada Dinas Tenaga Kerja dan
Transmigrasi (Disnakertrans) Kabupaten Bekasi
www.dakta.com
2015 General Motor Indonesia (GMI) menghentikan
operasinya dan resmi menutup pabrik di Bekasi pada
Juni 2015 karena terus mengalami kerugian.
www.aktual.com
2
2015 125 Perusahaan pertambangan batubara di Kalimatan
Timur ditutup (data dari Ketua Asosiasai Pengusaha
Indonesia Kaltim, Slamet Broto) dan 11 perusahan di
Batam di bidang galangan kapal, elektronik, garmen
diantaranya modal asing PT Nagano Hidro Jet Marine.
PT Yee Woo, PT Heat Exchanger, PT Nolek Sanyo,
PT Siemen Hearing Instrument (keterangan Kepala
Disnaker Batam, Zarefriade)
www.ekbis.sindo
news.com
Dengan demikian, prediksi secara akurat dan tepat waktu terhadap kemungkinan
terjadinya kebangkrutan akan sangat berguna bagi para pemangku kepentingan
seperti manajer, pemerintah, pemasok, pelanggan dan karyawan agar dapat
mengambil tindakan yang dapat menghindari terjadinya kebangkrutan. Elmabrok
(2012) menyatakan bahwa kesulitan keuangan (financial distress) dapat
digunakan sebagai salah satu indikator atau tanda awal (early warning system)
terjadinya kebangkrutan. Risiko terjadinya kebangkrutan pada perusahaan akan
semakin meningkat apabila perusahaan telah mengalami financial distress. Hal
inilah yang kemudian menjadikan prediksi financial distress penting untuk
dilakukan agar berbagai pihak yang berkepentingan dapat mengambil tindakan
yang tepat untuk mencegah terjadinya kebangkrutan.
Beragam penelitian telah banyak dilakukan untuk dapat mengembangkan model
prediksi financial distress dengan menggunakan berbagai macam rasio keuangan.
Analisis dan interpretasi dari berbagai macam rasio dapat memberikan gambaran
mengenai keadaan keuangan perusahaan. Apabila perhitungan rasio menunjukkan
hasil yang baik dapat dikatakan bahwa keadaan keuangan perusahaan dalam
keadaan yang baik, begitu pula sebaliknya. Hal tersebut didukung oleh Beaver
(1966) yang membuat model analisis univariat dengan menggunakan rasio
keuangan perusahaan dan menyimpulkan bahwa rasio keuangan dapat digunakan
3
untuk membedakan antara perusahaan distress dan non-distress. Setelah itu,
banyak penelitian yang menggunakan rasio keuangan untuk membentuk model
prediksi financial distress, antara lain Altman (1968), Springate (1978), Ohlson
(1980), Zmijewski (1983), Fulmer (1984), Shumway (2001) dan Grover (2001).
Melihat banyaknya model prediksi financial distress yang ada mendorong peneliti
untuk membandingkan model prediksi yang satu dengan yang lainnya untuk
mengetahui model yang paling akurat dalam memprediksi financial distress.
Namun, dalam penelitian ini peneliti tidak akan membandingkan model prediksi
yang telah disebutkan sebelumnya tetapi peneliti akan membentuk model prediksi
baru dan kemudian membandingkan tingkat keakuratan model yang telah
dibentuk tersebut. Model yang akan dibentuk dalam penelitian ini adalah model
diskriminan dan model logit. Kedua model ini dipilih karena model-model
tersebut merupakan model prediksi yang paling banyak digunakan baik secara
teoretis maupun praktis. Model tersebut juga merupakan jenis model yang paling
banyak dikembangkan oleh banyak peneliti karena memiliki tingkat keakuratan
yang lebih tinggi bila dibandingkan jenis model lain. Model diskriminan dan
model logit yang paling terkenal adalah model Altman (1968) dan Ohlson (1980).
Altman (1968) menganalisis 22 jenis rasio keuangan dengan menggunakan
analisis diskriminan dan menghasilkan model prediksi financial distress yang
terdiri dari 5 rasio keuangan, yaitu working capital/total asset, retained
earning/total asset, EBIT/total asset, market value equity/book value of total debt,
dan sales/total asset. Sementara itu, Ohlson (1980) membentuk model prediksi
dengan menggunakan analisis regresi logistik dan menghasilkan model prediksi
4
dengan menggunakan 9 rasio keuangan, yaitu log total asset/GNP price level
index, total liabilities/total asset, working capital/total asset, current
liabilities/current asset, net income/total asset, cash flow from operation/total
liabilities, net income growth ratio, dan 2 variabel dummy.
Peneliti memilih untuk membentuk model baru dibandingkan menggunakan
model yang telah ada dikarenakan model-model yang telah ada sebelumnya telah
dibentuk lebih dari 10 tahun yang lalu yang kondisinya sudah sangat berbeda bila
dibandingkan dengan kondisi saat ini yang dapat menyebabkan variabel yang
mempengaruhinya berubah (Platt and Platt, 2002). Penelitian yang dilakukan oleh
Kordlar and Nikbakht (2011) menemukan bahwa model baru yang dibentuk lebih
tinggi tingkat akurasinya dibandingkan model Altman (1968), Ohlson (1980),
Zmijewski (1984) dan Shumway (2001). Selain itu, penelitian yang dilakukan
untuk membentuk model prediksi financial distress masih sangat jarang dilakukan
di Indonesia.
Penelitian ini merupakan penelitian replikasi dari penelitian Khatib & Horani
(2012). Penelitian ini akan menggunakan rasio keuangan untuk membentuk model
diskriminan dan model logit yang dapat memprediksi financial distress dan
kemudian membandingkan tingkat keakuratan kedua model tersebut. Berdasarkan
uraian di atas, maka penelitian ini berjudul “Analisis Rasio Keuangan dalam
Membentuk Model Prediksi Financial Distress pada Perusahaan yang Terdaftar
di BEI Tahun 2010-2014 (Perbandingan antara Model Diskriminan dan Model
Logit).”
5
1.2 Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan sebelumnya maka rumusan
masalah dari penelitian ini adalah sebagai berikut.
1. Apakah rasio keuangan dapat digunakan untuk membentuk model
diskriminan dan model logit yang mampu prediksi financial distress pada
perusahaan yang terdaftar di BEI tahun 2010-2014?
2. Apakah terdapat perbedaan tingkat akurasi antara model diskriminan dan
model logit dalam memprediksi financial distress pada perusahaan yang
terdaftar di BEI tahun 2010-2014?
1.3 Batasan Masalah
Agar penelitian memiliki ruang lingkup dan arah yang jelas, penulis menentukan
beberapa batasan masalah pada penelitian ini, antara lain:
1. Perusahaan yang diteliti adalah perusahaan non-keuangan yang terdaftar di
BEI pada tahun 2010-2014;
2. Perusahaan yang diteliti digolongkan menjadi dua, yaitu perusahaan distress
dan perusahaan non-distress yang diklasifikasikan sesuai dengan ketentuan
pada penelitian ini;
3. Rasio keuangan yang digunakan dalam penelitian ini mengacu pada rasio
keuangan yang digunakan dalam penelitian Khatib & Horani (2012).
6
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk menyediakan bukti empiris bahwa:
1. Rasio keuangan dapat digunakan untuk membentuk model diskriminan dan
model logit yang mampu prediksi financial distress pada perusahaan yang
terdaftar di BEI periode 2010-2014;
2. Terdapat perbedaan tingkat akurasi antara model diskriminan dan model logit
dalam memprediksi financial distress pada perusahaan yang terdaftar di BEI
periode 2010-2014.
1.5 Manfaat Penelitian
Hasil yang didapatkan dari penelitian ini diharapkan dapat memberikan manfaat
sebagai berikut.
1. Manfaat teoretis
Memberikan kontribusi terhadap pengembangan ilmu akuntansi dan
manajemen keuangan serta sebagai bahan referensi dan bahan pertimbangan
untuk mengadakan penelitian-penelitian selanjutnya.
2. Manfaat praktis
Memberikan informasi serta alat bantu kepada pemegang saham, investor,
kreditur dan pihak lain yang berkepentingan untuk mendapat early warning
(sinyal awal) terjadinya kesulitan keuangan agar tidak salah dalam
pengambilan keputusan bisnis.
BAB II
LANDASAN TEORI DAN PENGEMBANGAN HIPOTESIS
2.1 Landasan Teori
2.1.1 Teori Stakeholder
Teori stakeholder diperkenalkan pertama kali oleh Stanford Research Stakeholder
(RSI) pada tahun 1963. Teori ini menyatakan bahwa perusahaan bukanlah entitas
yang hanya beroperasi untuk kepentingannya sendiri namun harus memberikan
manfaat bagi para pemangku kepentingan (stakeholder), baik stakeholder
eksternal yang terdiri dari bank (kreditor), serikat buruh, pemerintah, pemasok,
distributor, pelanggan, masyarakat, serikat dagang dan pasar modal, maupun
stakeholder internal yang mencakup manajemen, karyawan dan para pemegang
saham (Ghozali & Chariri, 2007:409). Salah satu manfaat yang dapat diberikan
perusahaan kepada para stakeholder adalah berupa laporan keuangan yang berisi
informasi mengenai posisi keuangan dan kinerja perusahaan yang relevan dan
reliable untuk pengambilan keputusan yang akan dilakukan stakeholder.
Teori ini juga menyatakan bahwa keberadaan suatu perusahaan sangat
dipengaruhi oleh dukungan yang diberikan stakeholder. Gray, Kouhy dan Adams
(Ghozali & Chariri, 2007:409) menyatakan bahwa kelangsungan hidup
8
perusahaan tergantung pada dukungan stakeholder dan dukungan tersebut harus
dicari sehingga aktivitas perusahaan adalah untuk mencari dukungan dari para
stakeholder. Perusahaan dapat memperoleh dukungan dari stakeholder melalui
laporan keuangan perusahaan. Para stakeholder akan memberikan dukungannya
kepada perusahaan setelah mereka mengetahui kondisi perusahaan yang
tergambar dalam laporan keuangan yang diterbitkan. Oleh sebab itu, hasil yang
diperoleh dari analisis informasi laporan keuangan selain dapat bermanfaat bagi
pengambilan keputusan para stakeholder juga dapat digunakan sebagai sarana
perusahaan untuk memperoleh dukungan dari para stakeholder. Kedua hal
tersebut dapat dilakukan dengan menganalisis rasio keuangan dan
menggunakannya untuk membentuk suatu model yang dapat menilai kondisi
keuangan dan kinerja perusahaan.
2.1.2 Financial Distress
Financial distress merupakan suatu kondisi ketika arus kas operasi perusahaan
tidak mencukupi untuk dapat memenuhi kewajibannya kepada kreditor, baik
pokok maupun bunganya (Ross, 2008: 853). Sementara itu, Brigham (2011: 871)
menyatakan bahwa financial distress terjadi apabila perusahaan mengalami
ketidakmampuan untuk menyelesaikan pembayarannya dengan tepat waktu atau
ketika arus kas dari perusahaan tidak berjalan dengan lancar. Sementara Gitman
(2013:790) menyatakan bahwa financial distress merupakan suatu keadaan ketika
nilai tercatat kewajiban perusahaan melebihi nilai pasar asetnya. Dengan demikian
dapat dikatakan bahwa financial distress adalah suatu penurunan kondisi
9
keuangan dan kinerja perusahaan yang terjadi ketika arus kas operasi perusahaan
tidak mampu untuk mencukupi kewajiban jangka pendeknya yang segera jatuh
tempo, baik kewajiban kepada kreditor yang berupa pokok pinjaman dan bunga,
maupun kewajiban kepada pemegang saham yang berupa dividen.
Financial distress merupakan hasil dari keburukan bisnis perusahaan yang dapat
dipengaruhi baik oleh faktor internal seperti buruknya pengelolaan bisnis
(mismanagement), ekspansi yang berlebihan, pengambilan keputusan keuangan
yang buruk, biaya produksi yang tinggi, tenaga penjualan yang tidak efektif serta
faktor kematangan perusahaan, maupun faktor eksternal seperti melemahnya
perekonomian negara (Gitman, 2013:790).
Financial distress dapat terjadi pada berbagai perusahaan dan dapat digunakan
sebagai penanda/sinyal awal dari kemungkinan terjadinya kebangkutan pada suatu
perusahaan (Elmabrok, 2012). Seluruh pihak yang berkepentingan harus lebih
berhati-hati bila perusahaan telah mengalami financial distress karena apabila
keadaan tersebut terjadi berlarut-larut, maka tidak menutup kemungkinan
perusahaan akan mengalami kebangkrutan dikemudian hari. Dengan demikian,
analisis prediksi terjadinya financial distress yang cepat dan tepat penting
dilakukan untuk mendapat sinyal awal adanya kebangkrutan sehingga seluruh
pihak yang berkepentingan dapat mengambil tindakan yang tepat untuk
menghindari terjadinya kebangkrutan yang dapat merugikan mereka.
10
2.1.3 Rasio Keuangan
Rasio keuangan menurut Horne (Kasmir, 2014:104) merupakan indeks yang
menghubungkan dua angka akuntansi dan diperoleh dengan membagi satu angka
dengan angka lainnya yang digunakan untuk mengevaluasi kondisi keuangan dan
kinerja perusahaan. Ada pun Gitman (2013:791) menyatakan bahwa rasio
keuangan dapat digunakan untuk memprediksi kesulitan keuangan (financial
distress) pada suatu perusahaan. Analisis dan interpretasi dari berbagai macam
rasio dapat memberikan gambaran mengenai keadaan keuangan perusahaan.Oleh
sebab itu, penelitian ini akan menggunakan rasio keuangan untuk membentuk
model financial distress yang dapat menilai kondisi keuangan dan kinerja
perusahaan.
Rasio keuangan yang digunakan dalam penelitian ini mengacu pada rasio
keuangan yang digunakan dalam penelitian Khatib dan Horani (2012) yang terdiri
dari 24 jenis rasio keuangan yang secara umum merupakan empat rasio keuangan
utama dalam analisis rasio keuangan untuk menilai kinerja perusahaan, yaitu rasio
profitabilitas yang menilai kemampuan perusahaan dalam mendapatkan laba, rasio
likuiditas yang menggambarkan kemampuan perusahaan dalam memenuhi
kewajibannya, rasio solvabilitas yang mengukur sejauh mana aset perusahaan
dibiayai oleh hutang sehingga dapat pula diukur kemampuan perusahaan untuk
memenuhi kewajibannya ketika perusahaan harus dilikuidasi serta rasio aktivitas
yang menunjukkan tingkat efisiensi pemanfaatan sumber daya perusahaan
(Kasmir, 2014:110-114).
11
2.1.4 Model Diskriminan
Model diskriminan yang dimaksud dalam penelitian ini adalah model yang
dibentuk dengan menggunakan Multivariate Discriminant Analysis (MDA), yaitu
teknik statistik yang digunakan untuk memprediksi dan menjelaskan hubungan
yang berpengaruh kuat terhadap suatu objek dengan variabel terikat berbentuk
non-metrik atau kategori (Ghozali, 2013:289). Banyak model prediksi financial
distress yang telah dibentuk menggunakan tenik ini. Altman (1968) adalah
peneliti yang pertama kali menggunakan MDA untuk membentuk model prediksi
financial distress dan menghasilkan model prediksi financial distress dengan
menggunakan lima rasio keuangan, yaitu working capital to total assets, retained
earning to total assets, EBIT to total assets, market value of equity to total
liabilities, dan sales to total assets. Model lain yang juga cukup terkenal dan
banyak digunakan secara luas adalah model yang dibentuk oleh Springate (1978)
yang menggunakan rasio working capital to total assets, EBIT to total Assets,
earning before taxes to current liabilities, dan total sales to total assets. Selain
kedua peneliti tersebut, terdapat beberapa peneliti yang juga menggunakan MDA,
antara lain Fulmer (1984) dan Grover (2001).
2.1.5 Model Logit
Model logit dalam penelitian ini adalah model yang dibentuk dengan
menggunakan analisis regresi logistik yang merupakan teknik analisis yang
digunakan untuk melihat pengaruh sejumlah variabel independen terhadap
variabel dependen yang berupa variabel kategorik. Regresi logistik tidak
12
mensyaratkan adanya asumsi normalitas data pada variabel bebasnya, berbeda
dengan MDA yang menyaratkan adanya multivariate distribution normal pada
variabel independennya (Ghozali, 2013:333). Model logit yang paling terkenal
dan banyak digunakan secara luas adalah model yang dibentuk oleh Ohlson pada
tahun 1980. Model prediksi financial distress yang dikemukakan oleh Ohlson
terdiri dari sembilan rasio keuangan, yaitu Log (total assets/GNP price level
index), total liabilities/total assets, working capital/total assets, total
liablilities>total assets, net income negative, current liabilities/current assets, net
income to total assets, cash flow from operation /total liabilities.
Peneliti lain yang menggunakan regresi logistik untuk membentuk model prediksi
financial distress adalah Platt & Platt (2002) yang menyatakan bahwa EBITDA to
sales, Current assets to current liabilities dan cash flow grow rate memiliki
hubungan yang negatif terhadap kemungkinan perusahaan akan mengalami
financial distress. Ada pun rasio net fixed assets to total assets, longterm debt to
equity dan notes payable to total asset memiliki hubungan yang positif dengan
kemungkinan perusahaan akan mengalami financial distress.
2.2 Penelitian Terdahulu
Penelitian yang bertujuan untuk membentuk dan membandingkan model prediksi
financial distress telah dilakukan oleh beberapa peneliti, diantaranya adalah
sebagai berikut.
13
Tabel 2 Penelitian Terdahulu
No Peneliti Judul Variabel Hasil
1 Demestrios
Ginoglou, Ph.D;
Konstantinos
Agorastos,
Ph.D; &
Thomas
Hatzigagios,
Ph.D (2002)
Predicting
Corporate
Failure of
Problemmatic
Firms in Greece
with LPM,
Logit, Probit &
Discriminant
Analysis
Models.
Fixed asset/total asset,
fixed asset/stockholder
equity, fixed
asset/stockholder
equity+long term debt,
current asset/total asset,
gross profit/financial
expenses, stockholder
equity/short term debt, long
term debt/stockholder
equity, total debt/total
liabilities, total
debt/stockholder equity, net
profit/total asset, net
profit/stockholder equity,
gross profit/total asset,
current asset/short term
debt, current asset-
inventory/short term debt,
current asset-shoert term
debt/total asset, dan
cash/curret asset
Rasio keuangan
dapat digunakan
untuk membentuk
model yang mampu
memprediksi
financial distress
dan model logit
adalah model yang
memiliki tingkat
akurasi tertinggi
dibandingkan tiga
model yang lain.
2 Surapol
Pongsatat, Judy
Ramage,
Howard
Lawrence
(2004)
Bankruptcy
Prediction for
Large and Small
Firms in Asia: A
Comparison of
Ohlson and
Altman
Altman’s Model dan
Ohlson’s Model
Model Altman
memiliki tingkat
akurasi yang lebih
tinggi dibandingkan
model Ohlson dalam
memprediksi
kebangkrutan, baik
pada perusahaan
besar maupun pada
perusahaan kecil.
3 Mine Ugurlu
and Hakan
Aksoy (2006)
Prediction of
Corporate
Financial
Distressin: An
Emerging
Market: The
Case of
Turkey
Total asset/whole sale price
index, current asset/total
asset, shareholders’
equity/total asset, account
payable+notes
payable/total asset,
sales/current asset,
sales/net working capital,
sales/net tangible asset,
quick asset/sales, sales-
COGS/sales, quick asset/
inventory, long term
debt/total debt, net working
Logit model
memiliki tingkat
akurasi yang lebih
tinggi bila
dibandingkan
dengan diskriminan
model dan rasio
yang paling
signifikan dalam
memprediksi
financial distress
adalah
EBITDA/total
14
capital/long term debt,
market value of equity/book
value of total liabilities,
cash+marketable
securities/current
liabilities, financial
expenses/financial
liabilities, fixed
asset/shareholders’ equity,
net income/share
holders’/equity, EBIT/paid
capital, EBIT/sales,
EBITDA/total asset, other
income before tax/other
income after tax,
annualized volaticity of
stocks’ daily returns in
quarterly period.
asset.
4 Ali Ebrahimi
Kordlar &
Nader
Nikbakht
(2011)
Comparing
Bankrupcy
Prediction
Models in
Iran
Model diskriminan
(Altman, 2000), model
logit (Ohlson, 1980),
probit model (Zmijewski,
1984), hazard model
(Shumway,2001), dan
model logit kombinasi
yang dibentuk sendiri.
Rasio keuangan
dapat digunakan
untuk memprediksi
financial distress
dan model yang
memiliki tingkat
akurasi tertinggi
dalam memprediksi
financial distress
adalah model logit
kombinasi yang
dibentuk sendiri.
5 Hazem B. Al-
khatib and Al-
Horani (2012)
Predicting
Financial
distress of
Public
Companies
Listed in
Amman Stock
Exchange
Current ratio, current
liabilities to total fixed
assets, current liabilities
to equity, working capital
to equity, logarithm of
total assets, pre- tax
Profit to total assets, net
profit margin, book value
per share, roa, roe,
dividend per share,
retained earnings
To total assets, equity to
total assets, equity to total
liabilities, debt ratio, debt
to equity, long-term debt
ratio to equity fixed assets
to equity, asset turnover,
sales to equity
Rasio keuangan
dapat digunakan
untuk memprediksi
financial distress
dan rasio keuangan
yang paling
berpengaruh
signifikan dalam
memprediksi
financial distress
adalah pre-tax
profit/total asset
dan ROE. Selain itu
penelitian ini juga
menyatakan bahwa
tingkat akurasi
model diskriminan
dan model logit
15
Sales to working capital
receivables turnover,
Logarithm of asset
turnover
yang terbentuk
tidak berbeda
secara signifkan.
6 Vandana
Gupta (2014)
An Empirical
Analysis of
Default Risk
for Listed
Companies in
India: A
Comparison
of Two
Prediction
Models
Profit after tax/capital
employed, profit after
tax/sales, EBIT/sales,
cash profit/total asset,
current ratio, quick ratio,
cash flow from
operation/debt,
cash/current liabilities,
net working capital/sales,
interest coverage,
debt/equity, cash/cost of
sales, net working capital
cycle, debtor days,
creditor days, raw
material cycle, wok in
progress cycle, finished
good cycle, net working
capital/total asset,
retained earning/total
asset,sales/total asset,
market value of
equity/book value of debt.
Model logit
memiliki tingkat
akurasi yang lebih
tinggi dibandingan
model diskriminan
Altman.
7 Kerroucha
Fatima Zohra
et. al. (2015)
Using
Financial
Ratios to
Predict
Financial
distress of
Jordan
Industrial
Firms
“Empirical
Study Using
Logistic
Regression”
27 jenis rasio keuangan Rasio keuangan
apat digunakan
untuk memprediksi
financial distress
dengan rasio yang
paling berpengaruh
signifikan adalah
net working
capital/equity,
accounts
receivables turn
over ratio,
equity/fixed asset
ratio.
16
2.3 Model Penelitian
Penelitian ini akan menganalisis rasio keuangan untuk membentuk dua jenis
model prediksi financial distress, yaitu model diskriminan yang dibentuk dengan
menggunakan analisis diskriminan dan model logit yang dibentuk dengan
menggunakan analisis regresi logistik. Model yang dihasilkan kemudian akan
dianalisis sehingga dapat diketahui model prediksi yang lebih akurat antara model
diskriminan dan model logit dalam memprediksi financial distress. Berikut adalah
model penelitian ini.
Gambar 1. Model Penelitian
Rasio Keuangan
Analisis Regresi Logistik Analisis Diskriminan
Prediksi Financial distress
Model Diskriminan Model Logit
BAB III
METODE PENELITIAN
3.1 Populasi dan Sampel Penelitian
Populasi dari penelitian ini adalah seluruh perusahaan yang terdaftar (listed) di
Bursa Efek Indonesia tahun 2010 sampai tahun 2014. Ada pun sampel yang
digunakan dalam penelitian ini adalah perusahaan non-keuangan yang terdaftar di
BEI periode 2010-2014. Perusahaan sektor keuangan tidak dijadikan sebagai
sampel karena perusahaan sektor keuangan memiliki karakteristik penilaian
kinerja yang berbeda dengan jenis perusahaan lain. Selain itu, perusahaan
keuangan juga memiliki model penilaian kinerja tersendiri yang menggunakan
rasio keuangan yang sesuai. Khatib & Horani (2012) juga menyatakan bahwa
dalam kondisi normal perusahaan keuangan memiliki tingkat leverage yang lebih
tinggi dari jenis perusahaan yang lain. Sementara untuk jenis perusahaan yang
lain, leverage yang tinggi menunjukkan bahwa kondisi keuangan perusahaan
sedang dalam keadaan yang kurang baik. Perbedaan ini dapat menimbulkan
masalah dalam pembentukan model, oleh sebab itu peneliti hanya menggunakan
perusahaan non-keuangan sebagai sampel.
18
Metode purposive sampling digunakan dalam pemilihan sampel pada penelitian
ini, yaitu dengan menggunakan beberapa kriteria tertentu yang harus dipenuhi
perusahaan agar dapat digunakan sebagai sampel. Kriteria tersebut antara lain:
1. Perusahaan sampel adalah perusahaan non-keuangan yang terdaftar di BEI
dari tahun 2010 sampai tahun 2014;
2. Perusahaan yang menjadi sampel dalam penelitian ini akan digolongkan
menjadi dua kelompok, yaitu perusahaan distress dan perusahaan non-
distress. Penelitian ini mengkategorikan perusahaan sebagai perusahaan yang
mengalami financial distress apabila perusahaan memenuhi seluruh kriteria
berikut.
a. Mengalami laba operasi negatif minimal 2 tahun berturut-turut (Juntadej,
2006). Laba operasi negatif menunjukkan bahwa aktivitas operasi
perusahaan sedang dalam masalah yang dapat disebabkan oleh penurunan
penjualan atau kenaikan biaya operasi perusahaan sehingga biaya operasi
perusahaan lebih besar dibandingkan pendapatan operasinya yang
kemudian menyebabkan perusahaan mengalami financial distress.
b. Memiliki Interest Coverage Ratio (ICR) kurang dari 1 (Brighman &
Daves, 2013). Interest coverage ratio merupakan rasio yang
menunjukkan kemampuan perusahaan dalam membayar bunga pinjaman
yang dimilikinya yang dihitung dengan cara membagi EBIT (earning
before interest and tax) dengan beban bunga. ICR yang kurang dari satu
menunjukkan bahwa perusahaan mengalami kesulitan untuk membayar
bunga atas pinjaman yang dilakukannya karena laba yang diperoleh lebih
kecil dari biaya bunga yang harus dibayarkan. Hal ini menunjukkan
19
bahwa perusahaan juga akan kesulitan dalam memenuhi pokok utang
yang menegindikasikan perusahaan sedang mengalami kesulitan
keuangan.
c. Arus kas masuk operasi lebih rendah dari arus kas keluar operasi (Gentry
et al, 1990). Hal ini menujukkan bahwa arus kas operasi masuk
perusahaan tidak mampu mencukupi pengeluaran operasinya sehingga hal
ini menjadi indikator bahwa perusahaan sedang mengalami kesulitan
keuangan untuk memenuhi kebutuhan operasinya.
3. Perusahaan yang akan dikategorikan sebagai perusahaan non-distress bila
memenuhi seluruh kriteria berikut.
a. Tidak pernah mengalami laba operasi negatif selama periode penelitian.
b. Memiliki ICR lebih dari 1,5
c. Memiliki arus kas masuk operasi lebih besar dari arus kas keluar operasi.
3.2 Definisi Operasional dan Pengukuran Variabel
3.2.1 Variabel Dependen
Variabel dependen (terikat) merupakan variabel yang dipengaruhi atau yang
menjadi akibat, karena adanya variabel bebas (Indriantoro, 2014:63). Variabel
terikat dalam penelitian ini adalah kondisi keuangan perusahaan sampel yang
terbagi menjadi dua kategori, yaitu:
a. Kategori 1, untuk perusahaan non-distress (tidak mengalami kesulitan
keuangan), yaitu perusahaan yang tidak mengalami kerugian selama periode
pengamatan, ICR lebih dari 1,5 dan memiliki arus kas operasi positif.
20
b. Kategori 0, untuk perusahaan distress (mengalami kesulitan keuangan), yaitu
perusahaan yang mengalami laba operasi negatif minimal 2 tahun berturut-
turut, memiliki ICR kurang dari satu dan memiliki arus kas operasi negatif.
3.2.2 Variabel Independen
Variabel independen (bebas) merupakan variabel yang mempengaruhi atau yang
menjadi sebab perubahannya atau timbulnya variabel dependen (Indriantoro,
2014:63). Variabel independen dalam penelitian ini adalah 24 rasio keuangan
yang berasal dari penelitian sebelumnya (Khatib & Horani, 2012). Berikut adalah
24 rasio keuangan yang digunakan dalam penelitian ini.
Tabel 3. Definisi Operasional dari Variabel Independen
Variabel Perhitungan Variabel
X1 Current ratio=current assets/current liabilities
X2 Current liabilities/total fixed assets
X3 Current liabilities/equity
X4 Working capital/equity
X5 Logarithm of total assets
X6 Pre-tax profit/total assets
X7 Net profit margin=profit after tax/sales
X8 Book value per share = equity/number of shares outstanding
X9 Return on assets (ROA) = profit after tax/total assets
X10 Return on equity (ROE) = profit after tax/equity
X11 Dividend per share = dividends/number of shares outstanding
X12 after tax profit/working capital
X13 Retained earnings/total assets
X14 Equity/total assets
X15 Equity/total liabilities
X16 Debt ratio = total liabilities/total assets
X17 Debt to equity = total liabilities/equity
X18 Long-term debt ratio/equity
X19 Fixed assets/equity
X20 Asset turnover = sales/total assets
X21 Sales/equity
21
X22 Sales/working capital
X23 Receivables turnover = sales/average accounts receivable
turnover of debtors (beginning + ending balances/2)
X24 Logarithm of asset turnover= ln (sales/total assets)
Sumber: Khatib & Horani, 2012.
3.3 Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data sekunder yang berupa
laporan keuangan perusahaan non-keuangan yang terdaftar di BEI pada kurun
waktu 2010-2014 dan telah dipublikasikan. Data diperoleh dari website BEI
(www.idx.co.id).
3.4 Metode Pengumpulan Data
Untuk menunjang landasan teori penelitian dan mendapatkan data-data yang
diperlukan, peneliti menggunakan metode pengumpulan data berupa:
1. Studi pustaka
Metode pengumpulan data yang dilakukan dengan mengolah literatur,
artikel, jurnal, hasil penelitian terdahulu, maupun media tulis lainnya yang
berkaitan dengan topik pembahasan dari penelitian ini (Indriantoro, 2014).
2. Studi dokumentasi
Metode pengumpulan data dengan mengumpulkan data sekunder dan
seluruh informasi untuk menyelesaikan masalah (Indriantoro, 2014).
Sumber-sumber dokumenter yang digunakan adalah laporan keuangan
tahunan perusahaan sampel.
22
3.5 Teknik Analisis Data
Data yang telah dikumpulkan untuk penelitian ini kemudian akan diolah dan
dianalisis menggunakan teknik analisis yang sama dengan penelitian Khatib &
Horani (2012) yang merupakan acuan utama penelitian ini. Setelah dilakukan
tabulasi data, analisis statistik deskriptif akan dilakukan untuk mengetahui nilai
minimum, maksimum, mean dan standar deviasi data. Selanjutnya analisis
diskriminan akan dilakukan untuk membentuk model diskriminan. Setelah itu,
analisis regresi logistik akan dilakukan untuk membentuk model yang kedua,
yaitu model logit. Setelah kedua model tersebut terbentuk selanjutnya tingkat
akurasi kedua model dalam memprediksi financial distress dapat dibandingkan.
Tingkat akurasi kedua model dalam memprediksi financial distress dapat dilihat
pada tabel classification results masing-masing model.
3.5.1 Statistik deskriptif
Statistik deskriptif berfungsi sebagai penganalisis data dengan menggambarkan
sampel data yang telah dikumpulkan (Indriantoro, 2014).Penelitian ini
menjabarkan jumlah data, rata-rata, nilai minimum dan nilai maksimum serta
deviasi standar.
23
3.5.2 Analisis Diskriminan
Untuk melakukan analisis diskriminan, terdapat dua asumsi penting yang harus
dipenuhi, yaitu asumsi normalitas dan adanya kesamaan matrik kovarian (Equal
variance-covariance matrices).
3.5.2.1 Uji Normalitas
Hasil analisis diskriminan sangat sensitif jika terjadi penyimpangan atas asumsi
yang digunakan. Jika asumsi kenormalan data tidak terpenuhi akan berakibat pada
kesalahan dalam melakukan estimasi fungsi diskriminan. Uji normalitas dilakukan
dengan melihat grafik normal probability plots dan melakukan one-sample
kolmogorov-smirnov test. Data berdistribusi normal bila titik-titik pada grafik
normal probability plots menyebar berimpit disekitar diagonal dan hasil one-
sample kolmogorov-smirnov test menunjukkan nilai asimp.Sig. (2tailed)>0.05.
3.5.2.2 Uji Kesamaan Matrik Kovarian
Kesamaan matrik kovarian populasi (equal variance-covariance matrices) adalah
asumsi yang menyatakan bahwa keragaman sampel keseluruhan variabel bebas
dari kedua kelompok yang diteliti harus sama. Pelanggaran terhadap asumsi ini
akan menimbulkan penyimpangan terhadap keakuratan fungsi diskriminan dalam
mengelompokkan sampel ke dalam salah satu kategori tertentu. Pengujian
dilakukan menggunakan Box’s M Test dengan =5%. Asumsi ini terpenuhi
apabila hasil pengujian menunjukkan nilai signifikansi >0,05.
24
Setelah kedua asumsi terpenuhi, langkah selanjutnya adalah melakukan analisis
diskriminan. Analisis dikriminan yang akan digunakan dalam penelitian ini adalah
analisis diskriminan multivariat (multivariate discriminant analysis) dengan
metode stepwise, yaitu pada awalnya tidak ada satupun variabel yang dimasukkan
dalam fungsi diskriminan, kemudian satu per satu variabel ditambahkan dan
dikeluarkan dari fungsi diskriminan dan seterusnya hingga diperoleh hasil yang
paling efisien. Berikut adalah langkah-langkah dalam membentuk model
diskriminan.
3.5.2.3 Test of Equality of Group Means
Tahap pertama dalam analisis diskriminan adalah melakukan test of equality of
group means yang akan menunjukkan rasio yang secara univariat dapat
membedakan kedua jenis kelompok. Variabel yang mampu membedakan
(mendiskriminan) keadaan keuangan (distress dan non-distress) adalah variabel
yang memiliki signifikansi di bawah 0,05 (sig.<0,05). Tahap selanjutnya adalah
pemilihan variabel diskriminator dengan metode stepwise.
3.5.2.4 Pemilihan Variabel Diskriminator Metode Stepwise
Setelah diketahui variabel yang mampu membedakan kedua kelompok, tahap
selanjutnya adalah memilih variabel diskriminator terbaik dengan metode
stepwise. Variabel ini dilihat melalui tabel variables entered/removed. Tabel ini
juga akan menjukkan jumlah step (langkah) yang dilakukan untuk mendapatkan
variabel diskriminan yang paling efisien. Setelah variabel diskriminator terbaik
25
telah dipilih selanjutnya adalah melihat hubungan antara variabel diskriminan
terpilih dan variabel dependen yang dapat dilihat pada tabel Eugenvalues. Nilai
korelasi kanonikal pada tabel tersebut bila dikuadratkan akan menunjukkan
besarnya kemampuan variabel diskriminator dalam menjelaskan variabel
dependen.
3.5.2.5 Pembentukan Model Diskriminan
Pembentukan model diskriminan dapat dilakukan dengan melihat tabel canonical
discriminant function coeficient yang menunjukkan koefisien bagi masing-masing
variabel diskriminator. Berikut adalah model diskriminan yang akan terbentuk
dalam penelitian ini.
Z-skor = α +β1X1 + β2X2 + β3X3 +…+βnXn
Keterangan:
Z-skor : Nilai diskriminan
α : Konstanta
β1,2,3,…,n : Koefisien diskriminan
X1,2,3,…,n : Variabel diskriminator
Setelah model diskriminan terbentuk langkah selanjutnya adalah menghitung nilai
pisah batas (cut-off) untuk perusahaan distress dan non-distress. Nilai cut-off akan
dihitung sebagai berikut.
Cut-off = (Za + Zb)/2
Keterangan:
Cut-off : Nilai kritis (pisah batas)
26
Za : Centroid kelompok a
Zb : Centroid kelompok b
Nilai centoid kedua kelompok dapat dilihat pada tabel function of group centroids.
Selanjutnya, pengklasifikasian dilakukan sebagai berikut.
a. Perusahaan dikelompokkan sebagai kelompok a (distress) bila nilai Z-skor
lebih besar dari pada nilai cut-off (Z-skor>cut-off)
b. Perusahaan dikategorikan sebagai kelompok b (non-distress) bila Z-skor lebih
kecil dari cut-off (Z-skor<cut-off).
3.5.2.6 Ketepatan Model
Ketepatan model diskriminan dalam memprediksi financial distress dapat dilihat
pada tabel classification result. Tabel tersebut akan menunjukkan jumlah observasi
yang dapat dengan benar diprediksi oleh model yang terbentuk.
3.5.3 Regresi Logistik
Analisis regresi logistik yang akan digunakan dalam penelitian ini adalah binary
logistic regression. Penggunaan regresi logistik ini tidak mensyaratkan adanya
multivariate normal distribution karena tidak memerlukan asumsi normalitas data
pada variabel independennya. Berikut adalah langkah-langkah dalam melakukan
analisis regresi logistik sehingga dapat terbentuk model logit.
27
3.5.3.1 Uji Kelayakan Model
Uji kelayakan model regresi dilakukan dengan menggunakan Hosmer and
Lemeshow Test. Model dinyatakan layak digunakan untuk analisis selanjutnya
yang artinya tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi
dengan klasifikasi yang diamati bila nilai sig. pada hosmer and lemeshow test
lebih besar dari 0,05 (sig.>0,05).
3.5.3.2 Uji Keseluruhan Model Fit (Overall Model Fit)
Uji overall model fit dilakukan dengan melihat nilai -2loglikelihood pada tabel
iteration history blok pertama dan blok kedua. Model dinyatakan fit bila terjadi
penurunan nilai -2loglikelihood pada blok kedua atau dengan kata lain bila nilai -
2loglikelihood blok pertama lebih besar dari pada nilai -2loglikelihood pada blok
kedua. Hal tersebut menunjukkan bahwa menambahkan variabel independen ke
dalam model memperbaiki model fit. Tabel iteration history juga akan
menunjukkan variabel yang akan digunakan dalam model. Ada pun besarnya
variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen
dapat dilihat dari koefisien cox & snell r square dan nagelkerke’s r square yang
menunjukkan seberapa besar variabilitas variabel dependen dapat dijelaskan oleh
variabel independen. Nilai koefisien ini dapat dilihat pada tabel model summary.
28
3.5.3.3 Pembentukan Model Logit
Pembentukan model logit dapat dilakukan dengan melihat tabel variables in
equation yang menunjukkan koefisien masing-masing variabel independen
terpilih. Variabel yang secara signifikan mampu memprediksi financial distress
dan masuk ke dalam model adalah variabel yang memilii nilai sig. kurang dari
0,05 (sig.<0,05). Berikut adalah model logit yang akan terbentuk dalam penelitian
ini.
Y-skor =
= α + β1X1 + β2X2 + β3X3 + … + βnXn
Keterangan:
FD : Probabilitas financial distress
α : Konstanta
β1,2,3,…,n : Koefisien
X1,2,3,…,n : Variabel X1,2,3,…,n
Model logit memiliki nilai cut-off 0,5. Dengan demikian, perusahaan dengan Y-
skor lebih kecil dari 0,5 (Y-skor<0,5) dikategorikan sebagai perusahaan distress
dan perusahaan dengan Y-skor lebih besar dari 0,5 (Y-skor>0,5) dikategorikan
sebagai perusahaan non-distress.
3.5.3.4 Ketepatan Model
Ketepatan model logit yang terbentuk dalam memprediksi financial distress dapat
dilihat pada classification table. Tabel tersebut akan menunjukkan jumlah
observasi yang dapat dengan benar diprediksi oleh model yang terbentuk.
56
BAB V
SIMPULAN DAN SARAN
5.1 Simpulan
Penelitian ini menggunakan 24 jenis laporan keuangan untuk membentuk dua
jenis model prediksi financial distress, yaitu model diskriminan dan model logit
pada perusahaan yang terdaftar di BEI. Penelitian ini menggunakan data laporan
keuangan perusahaan non-keuangan selama periode 2010 hingga 2014 yang
mencakup 270 sampel penelitian.
Berdasarkan hasil pengolahan data yang telah dilakukan menggunakan beberapa
metode analisis, diperoleh kesimpulan sebagai berikut:
1. Rasio keuangan dapat digunakan untuk membentuk model diskriminan dan
model logit yang mampu memprediksi terjadinya financial distress.
2. Model diskriminan yang terbentuk pada penelitian ini mampu memprediksi
financial distress dengan tingkat akurasi 98,1%. Model ini terdiri dari 8 rasio
keuangan, yaitu pre-tax profit/total asset, book value per share, dividend per
share, retained earnings/total asset, equity/total asset, equity/total liabilities,
debt ratio dan receivables turnover.
3. Model logit yang terbentuk pada penelitian ini terdiri dari tiga rasio
keuangan, yaitu pre-tax profit/total asset, profit after tax/working capital dan
57
sales/working capital. Model ini memiliki tingkat akurasi 99,6% dalam
memprediksi financial distress.
4. Rasio pre-tax profit/total asset merupakan satu-satunya rasio keuangan yang
paling berpengaruh dalam memprediksi financial distress baik menurut
analisis diskriminan maupun analisis logit.
5. Model logit memiliki tingkat akurasi yang lebih tinggi dibandingkan model
diskriminan dalam memprediksi financial distress pada perusahaan yang
terdaftar di BEI.
5.2 Keterbatasan Penelitian
Keterbatasan dalam penelitian ini adalah sebagai berikut:
1. Penelitian ini memiliki pemasalahan dalam hal iterasi pada analisis regresi
logistik sehingga diharapkan penelitian selanjutnya dapat melakukan analisis
dengan iterasi yang lebih baik.
2. Periode penelitian ini terbatas hanya selama 5 tahun yaitu tahun 2010-2014.
3. Penelitian ini hanya terbatas pada variabel keuangan, ada pun faktor lain di
luar faktor keuangan yang mempengaruhi financial distress tidak dapat
dijelaskan dalam model penelitian ini.
58
5.3 Saran
Peneliti memiliki beberapa saran yang dapat menjadi pertimbangan bagi
penelitian-penelitian selanjutnya, antara lain:
1. Menggunakan periode penelitian dengan rentang waktu yang lebih panjang
untuk mendapatkan hasil penelitian yang lebih baik.
2. Mengembangkan penelitian ini lebih lanjut untuk mendapatkan model yang
lebih baik dengan menambahkan faktor non-keuangan seperti faktor makro
ekonomi dan corporate governance perusahaan.
3. Mengelompokkan perusahaan menjadi tiga kategori, yaitu perusahaan distress,
non-distress, dan grey area (perusahaan yang tidak dapat dikategorikan
sebagai perusahaan distress maupun perusahaan non-distress) sehingga semua
perusahaan dapat digunakan untuk penelitian.
DAFTAR PUSTAKA
Almilia, L. S. dan Kristijadi. 2003. Analisis Rasio Keuangan untuk Memprediksi
Kondisi Financial Distress Perusahaan Manufaktur yang Terdaftar di
Bursa Efek Jakarta. JAAI.Volume 7, No.2.Hal :183-210.
Altman, Edward I. 1968. Financial Ratios, Discriminant Analysis and The
Perdiction of Corporate Bankruptcy. The Journal Of Finance Vol.XXIII,
N0.4. USA. Pp589-609.
Beaver, William H. 1966. Financial Ratios as Prediction Failure. Journal of
Accounting Research. Vol 4 No 4pp 71-111.
Brigham, E.F. and Eirhardt, M.C. 2011. Corporate Finance: A Focused
Approach. Fourth Edition. South-western. Cangange Learning. Natorp
Boulevard. In: Marbun, Hendra Agustinus H. 2014. Financial distress
corporate turnaround.Simposium Nasional Akuntansi 17. Lombok.
Brighman, Eugene F. and Phillip R. Daves. 2013. Intermediate Financial
Management. 11th
edition.
Elmabrok, Ali Abusalah dan Ng Kim-Soon. 2012. Using Altman’s Model and
Current Ratio to Assess The Financial Status of Companies Quoted in
The Malaysian Stock Exchange. International Journal of Scientific of
Research Publications. Volume 2, Issue 7. ISSN 2250-3153.
Fulmer, J., Moon, J., Gavin T., and J. Erwin. 1984. Bankruptcy Classification
Model for Small Firms. Journal of Commercial Bank Lending. Volume
66 pp25-37. In: Khatib, Hazem B. and Alaa Al-Horani. 2012. Predicting
Financial Distress of Public Companies Listed In Amman Stock
Exchange. European Scientific Journal, July edition vol. 8, no 15, ISSN.
1857-7881 (pres).
Gentry, J. A., Newbold, P., Withford, D.T. 1990. Profiles of Cash Flow
Components. Financial Analysis Journal 46(2):41-48. In: Kordestani, G.
et al. 2011. Ability of Combinations of Cash Flow Components to Predict
Financial Distress. Business Theory and Practice Journal. Volume
12.No. 3. Pp 227-285.
Ghozali, Imam. 2013. AplikasiAnalisis Multivariate dengan Program SPSS.
Semarang: Badan Penerbit Universitas Diponegoro.
Ghozali, Imam dan Anis Chariri. 2007. Teori Akuntansi. Semarang: Badan
Penerbit Universitas Diponegoro.
Ginoglou, D., dan A. Konstantinos. 2002. Corporate Failure of Problematic Firms
in Greece With LPM, Logit, Probit And Discriminant Analysis Models.
Journal of Financial Management and Analysis, Vol 15.pp1-15.
Gitman, Lawrence J. dan Chad J. Zutter. 2013. Principles of Managerial Finance.
Thirteenth Edition. Malaysia: MPS Limited.
Gupta, Vandana. 2014. An Empirical Analysis of Default Risk for Listed
Companies in India: A Comparison of Two Prediction Models.
International Journal of Business Management.Vol. 9 No. 9 E-ISSN
1833 8119.
Indriantoro, Nur. 2014. Metodologi Penelitian Bisnis. Yogyakarta: BPFE.
Juntadej, P. 2006. Using the Combinations of Cash Flow Component to Predict
Financial Distress. Summary of Doctoral Dissertation. University of
Nebraska. In: Kordestani, G. et al. 2011. Ability of Combinations of
Cash Flow Components to Predict Financial Distress. Business Theory
and Practice Journal. Volume 12.No. 3. Pp 227-285.
Kasmir. 2014. Analisis Laporan Keuangan. Jakarta: PT Raja GrafindoPersada.
Khatib, Hazem B. and Alaa Al-Horani. 2012. Predicting Financial Distress of
Public Companies Listed In Amman Stock Exchange. European
Scientific Journal, July edition vol. 8, no 15, ISSN. 1857-7881 (pres).
Kordestani, G. et al. 2011. Ability of Combinations of Cash Flow Components to
Predict Financial Distress. Business Theory and Practice Journal.
Volume 12.No. 3. Pp 227-285.
Kordlar, Ali Ebrahimi and Nader Nikbakht. 2011. Comparing Bankruptcy
Prediction Models in Iran. Business Intelligence Journal.Volume 4, No.
2. Pp 335-342.
Kristin,Franciska. 2014. Perbandingan Analisis Kebangkrutan Menggunakan
Model Altman Z-Score dan Model Logistik (Studi Empiris pada
Perusahaan Non-keuangan yang Terdaftar di BEI). JOM Fekon Vol. 1
No. 2 .
Ohlson, James A. 1980. Financial Ratios and The Probabilistic Prediction of
Bunkruptcy. Journal of Accounting Research. Vol. 18 No.1 (Spring,
1980) pp109-131.
Platt, Harlan D. dan Marjorie B. Platt. 2002. Predicting Corporate Financial
Distress: Reflections on Choice-Based Sample Bias. Journal of
Economics and Finance.Volume 26, No. 2. Pp 184-199.
Pongsatat, et al. 2004. Bankruptcy Prediction of Large and Small Firms In Asia: A
Comparison of Ohlson and Altman. Journal of Accounting and
Corporate Governance, Vol.1 No 2 pp 1-13.
Priyasidharta, David. Perusahaan Bangkrut: GM Indonesia Resmi Tutup Pabrik di
Bekasi. WWW.AKTUAL.COM. 2 Maret 2015 diakses 10 Oktober 2015.
http://www.aktual.com/perusahaan-bangkrut-gm-indonesia-resmi-tutup-
pabrik-di-bekasi/
Ross, S. A., Wasterfield, R. W., and Jaffe J. 2008. Corporate Finance. Eighth
Edition. McGraw-HillIrwin, New York. In: Marbun, Hendra Agustinus
H. 2014.Financial Distress Corporate Turnaround. Simposium Nasional
Akuntansi 17. Lombok.
Shumway, T . 2001. Forcasting Bankruptcy More Accurately : A Simple Hazard
Model. Journal of Business, 74pp 101-124.
Suhendra, Zulfi. Dollar Tinggi 4 Perusahaan di Kabupaten Bekasi Bangkrut.
WWW.DAKTA.COM. 14 September 2015 diakses 10 Oktober 2015.
http://www.dakta.com/news/2652/dollar-tinggi-4-perusahaan-di-
kabupaten-bekasi-bangkrut
Ugurlu, Mine and HasanAksoy. 2006. Prediction of Corporate Financial Distress
in An Emerging Market: The Keys of Turkey. Cross Cultural
Management: An International Journal, Vol. 13 Iss 4 pp 277-295.
Widagdo, Kusumo. Perusahaan Besar Bangkrut di Indonesia.
WWW.EKBIS.SINDONEWS.COM. 24 Januari 2016 diakses 2 Februari
2016. http://ekbis.sindonews.com/read/1085897/39/perusahaan-besar-
bangkrut-di-indonesia-1455640928.
Zmijewski, Mark E. 1984. Methodoogy Issues Related to The Estimation of
Financial Distress Prediction Models. Journal of Accounting Research.
Vol. 22 pp59-82.
Zohra, Kerroucha Fatima and Bensaid Mohamed. 2015. Using Financial Ratios to
Predict Financial Distress of Jordan Industrial Firms: Empirical Study
Using Logistic Regression. Academic Journal of Interdisciplinary
Studies.Volume 4 No. 2. E-ISSN 2281-612.
www.idx.co.id
top related