financial distress menggunakan model altman z...
TRANSCRIPT
PENGARUH PENGUNGKAPAN LIKUIDITAS, LEVERAGE,
PROFITABILITAS, AKTIVITAS, DAN FIRM SIZE TERHADAP
FINANCIAL DISTRESS MENGGUNAKAN MODEL ALTMAN Z-SCORE
MODIFIKASI DAN MODEL SPRINGATE
(Studi Kasus Perusahaan Properti dan Real Estate yang Terdaftar di BEI
Periode 2013-2017)
SKRIPSI
Diajukan Kepada Fakultas Ekonomi dan Bisnis Untuk Memenuhi Persyaratan
Memperoleh Gelar Sarjana Ekonomi (S.E)
Oleh:
NADYA AMELITA NOOR
11150810000062
PROGRAM STUDI MANAJEMEN
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1441 H/2019 M
ii
LEMBAR PENGESAHAN SKRIPSI
iii
LEMBAR PENGESAHAN UJIAN SKRIPSI
iv
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF
v
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH
vi
DAFTAR RIWAYAT HIDUP
I. IDENTITAS PRIBADI
Nama : Nadya Amelita Noor
Tempat/Tanggal Lahir : Jakarta, 14 Oktober 1997
Agama : Islam
Jenis Kelamin : Perempuan
Status : Belum Menikah
Alamat : Jl. Legoso Raya No. 69 RT001/002, Pisangan,
Ciputat Timur, Tangerang Selatan, Banten,
15419.
Telepon : 087709846182
Email : [email protected]
II. PENDIDIKAN FORMAL
2003-2009 : MI Pembangunan UIN Syarif Hidayatullah
Jakarta
2009-2012 : MTs Pembangunan UIN Syarif Hidayatullah
Jakarta
2012-2015 : MAN 4 Jakarta
2015-2019 : Manajemen UIN Syarif Hidayatullah Jakarta
III. PENDIDIKAN NON FORMAL
2015 : LK 1 HMI Komisariat Fakultas Ekonomi dan
Bisnis (KAFEIS)
2016-2017 : TOEFL Preparation LBPP LIA Ciputat
2018 : LK 2 HMI Cabang Subang
2019 : Brilliant English Course Pare
vii
IV. PENGALAMAN ORGANISASI
2016 : Divisi Penelitian dan Pengembangan HMJ
Manajemen UIN Syarif Hidayatullah Jakarta
2016 : Divisi Verifikasi KPPS Fakultas Ekonomi dan
Bisnis UIN Syarif Hidayatullah Jakarta
2018 : Komisi Hukum dan Perundang-Undangan Senat
Mahasiswa Universitas, UIN Syarif
Hidayatullah Jakarta
2019 : Bendahara Umum Senat Mahasiswa
Universitas, UIN Syarif Hidayatullah Jakarta
V. PENGALAMAN KERJA
2017 : Enumerator Quick Count Pilkada DKI Charta
Politica
2018 : Surveyor Satpol PP Tangerang Selatan
2019 : Surveyor Pilpres dan Pileg Charta Politica
2019 : Enumerator Quick Count Pilpres dan Pileg
Indikator
2019 : Divisi Research dan Survey PT. Dharmapena
Citra Media
viii
ABSTRACT
The purpose of this research to measure the effect of Liquidity Ratio
(Current Ratio), Leverage Ratio (Debt to Asset Ratio), Profitability Ratio (Return
on Assets), Activity Ratio (Total Asset Turnover), and Firm Size against financial
distress using Altman Z-Score Modification Model and Springate Model in property
and real estate companies listed in Indonesia Stock Exchange (IDX) for the 2013-
2017 period using binary logistic regression. The total population in this research
are 54 property and real estate companies listed on the Indonesia Stock Exchange
(IDX) for the 2013-2017 period. There are 38 companies that met the criteria to be
sampled in this study. The type of data used is secondary data obtained from the
Indonesia Stock Exchange (IDX).
Simultaneous significant test results seen in the Omnimbus Test of Model
that there is an influence from the disclosure of Liquidity Ratio (Current Ratio),
Leverage Ratio (Debt to Asset Ratio), Profitability Ratio (Return on Asset), Activity
Ratio (Total Asset Turnover), and Firm Size against financial distress both with
Altman Z-Score Modification Model and Springate Model. For the Altman Z-Score
Model Modified Liquidity Ratio (Current Ratio) Leverage Ratio (Debt to Asset
Ratio), and Profitability Ratio (Return on Assets) have a influence in predicting
financial distress, while Activity Ratio (Total Asset Turnover) and Firm Size have
no influence on financial distress. In the Springate Model Liquidity Ratio (Current
Ratio), Leverage Ratio (Debt to Asset Ratio), Profitability Ratio (Return on Asset),
Activity Ratio (Total Asset Turnover), and Firm Size have a influence in predicting
financial distress.
Keywords: Liquidity, Leverage, Profitability, Activity, Firm Size, Binary Logistic
Regression, Financial distress, Altman Z-Score Modification Method
and Springate Model
ix
ABSTRAK
Penelitian ini dilakukan untuk mengukur pengaruh pengungkapan Rasio
Likuiditas (Current Ratio), Rasio Leverage (Debt to Asset Ratio), Rasio
Profitabilitas (Return on Asset), Rasio Aktivitas (Total Asset Turnover), dan Firm
Size terhadap financial distress dengan menggunakan Model Altman Z-Score
Modifikasi dan Model Springate pada perusahaan properti dan real estate yang
terdaftar di Bursa Efek Indonesia (BEI) periode 2013-2017 dengan menggunakan
logistic regression binary. Jumlah populasi pada penelitian ini sebanyak 54
perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) periode 2013-2017.
Perusahaan yang memenuhi kriteria untuk dijadikan sampel dalam penelitian ini
berjumlah 38 perusahaan. Jenis data yang digunakan adalah data sekunder yang
diperoleh dari Bursa Efek Indonesia (BEI).
Hasil uji signifikan secara simultan yang dilihat dalam Omnimbus Test of
Model bahwa terdapat pengaruh dari penggungkapan Rasio Likuiditas (Current
Ratio), Rasio Leverage (Debt to Asset Ratio), Rasio Profitabilitas (Return on Asset),
Rasio Aktivitas (Total Asset Turnover), dan Firm Size terhadap financial distress
baik dengan Model Altman Z-Score Modifikasi maupun Model Springate. Untuk
Model Altman Z-Score Modifikasi Rasio Likuiditas (Current Ratio), Rasio
Leverage (Debt to Asset Ratio), dan Rasio Profitabilitas (Return on Asset) memiliki
pengaruh dalam memprediksi financial distress, sementara Rasio Aktivitas (Total
Asset Turnover), dan Firm Size tidak memiliki pengaruh terhadap financial distress.
Pada Model Springate Rasio Likuiditas (Current Ratio), Rasio Profitabilitas
(Return on Asset), Rasio Aktivitas (Total Asset Turnover), dan Firm Size memiliki
pengaruh dalam memprediksi financial distress.
Kata Kunci: Likuiditas, Leverage, Profitabilitas, Aktivitas, Firm Size, Logistic
Regression Binary, Financial distress, Model Altman Z-Score
Modifikasi dan Model Springate
x
KATA PENGANTAR
Assalamualaikum Wr. Wb.
Bissmilahirahmanirrahim
Alhamdulillahirabbil’alamin, puji syukur bagi Allah Swt. atas berkat rahmat
dan karunia-Nya, penulis dapat menyelesaikan skripsi ini. Shalawat serta salam
semoga senantiasa sampai kepada Nabi Muhammad Saw., kepada keluarganya,
para sahabatnya, dan juga kepada ummatnya.
Penulisan skripsi ini ditujukan untuk memenuhi salah satu syarat memperoleh
gelar Strata Satu Sarjana Ekonomi Jurusan Manajemen Universitas Islam Syarif
Hidayatullah Jakarta. Judul penelitian ini adalah “Pengaruh Pengungkapan
Likuiditas, Leverage, Profitabilitas, Aktivitas, dan Firm Size Terhadap Financial
distress Menggunakan Model Altman Z-Score Modifikasi dan Model Springate
(Studi Kasus Perusahaan Properti dan Real Estate Yang Terdaftar di BEI Periode
2013-2017)”
Penulis menyadari bahwa penulisan skripsi ini tidak dapat terselesaikan tanpa
dukungan dari berbagai pihak. Oleh karena itu, penulis ingin menyampaikan
ucapan terima kasih kepada semua pihak yang telah membantu dalam penyusunan
skripsi ini terutama kepada:
1. Allah Swt. Karena berkat rahmat dan karunia-Nya lah penulis dapat merasakan
tahapan kehidupan yang telah di lalui seperti sekarang ini. Beserta Nabi
Muhammad Saw. karena atas kehadirannya penulis bisa merasakan nikmat
Islam seperti sekarang ini.
2. Kedua orang tua tercinta, yang selalu mendoakan tanpa henti, memberikan
dukungan serta kasih sayang yang tulus, dan memotivasi penulis untuk
menyelesaikan studi ini, teruntuk yang terkasih Bunda Dr. Karlina Helmanita,
M.A dan Ayah Dr. Sihabudin Noor, M.A.
3. Adik yang terkasih sekaligus sahabat penulis Shemil Khairy Noor, Nyai
Helmiyah, Datuk Abdullah Dung, Nenek Halimah, Kakek Zayadi, dan Kakek
xi
Muhammad yang memotivasi penulis agar bercita-cita dan berpendidikan
tinggi.
4. Seluruh keluarga tercinta yang tidak bisa penulis tuliskan satu persatu tetapi
tidak mengurangi rasa cinta penulis, yang selalu ada dalam suka dan duka
penulis.
5. Ibu Prof. Dr. Hj. Amany Burhanudin Umar Lubis, Lc., MA. selaku Rektor UIN
Syarif Hidayatullah Jakarta.
6. Bapak Prof. Dr. Amilin, SE., M.Si., Ak., CA., BKP., QIA. selaku Dekan
Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.
7. Ibu Murdiyah Hayati, M.M. selaku Ketua Jurusan Manajemen Fakultas
Ekonomi dan Bisnis dan UIN Syarif Hidayatullah Jakarta.
8. Ibu Amalia, SE., MSM selaku Sekretaris Jurusan Manajemen Fakultas
Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta sekaligus dosen
pembimbing II yang telah memberikan waktu, ilmu, bimbingan, arahan dan
motivasi kepada penulis agar segera menyelesaikan skripsi.
9. Bapak Dr. Taridi Kasbi Ridho, SE, MBA., selaku dosen pembimbing skripsi I
yang telah berkenan memberikan waktu, ilmu, bimbingan dan arahan selama
penulis menyusun skripsi, serta motivasinya yang begitu besar bagi penulis.
10. Bapak Hemmy Fauzan, S.E., M.M. selaku dosen pembimbing akademik
penulis sejak awal perkuliahan di UIN Syarif Hidayatullah Jakarta.
11. Bapak dan Ibu Dosen, Staff dan Karyawan Fakultas Ekonomi dan Bisnis UIN
Syarif Hidayatullah Jakarta. Khususnya Bapak dan Ibu Dosen Manajemen
yang telah memberikan ilmunya kepada penulis selama penulis dalam masa
perkuliahan.
12. Sahabat terkasih yang selalu ada, selalu memotivasi penulis, dan menemani
proses penulisan skripsi ini Roid Reksa Afaqy, semoga kesuksesan bisa diraih
nantiya.
13. Teman-teman seperjuangan organisasi penulis di HMI KAFEIS Faruq, Retzhi,
Febi, Farda, Dzaky, Fathur, Oby, Sofi, dan Ammar. Para pejuang hebat pada
masanya dan selalu menemani penulis ketika masanya.
xii
14. Teman-teman seperjuangan di Manajemen yang selalu memberikan motivasi
dan menemani penulis selama berkuliah di UIN Syarif Hidayatullah Jakarta
yaitu, Lailil, Syifa, Fachry, Tiara, Andro, Fajri, Syafiq, Komala, Bella, Sylvia,
Diana, dan Nurhasanah. Semoga pertemanan selalu terjalin.
15. Teman-teman, abang-abang, kakak-kakak, dan adik-adik HMI KAFEIS.
16. Teman-teman SEMA U 2018 Miftah, Bang Acil, Kak Ika, Kak Zahra, Kak
Ami, Kak Ajeng, Bang Biko, Sirly, Shakeel, dan yang lainnya yang tidak bisa
penulis tuliskan satu persatu, semoga kekeluargaan akan tetap terjaga.
17. Teman-teman SEMA U 2019 Widad, Yasin, Jamsari, Dwiky, Kebe, Thebe,
Markus, Niken, Doddy, Nanu, dan yang lainnya yang tidak bisa penulis
tuliskan satu persatu, para pejuang hebat dan calon orang besar nantinya.
18. Teman-teman sekamar KKN selama sebulan “Sampis”, Nada, Alissa, Tyas,
Tria, dan Aeni beserta teman-teman KKN Rubi tang lain, semoga kesuksesan
bisa diraih nantinya.
19. Teman-teman Manajemen 2015 khususnya Manajemen Keuangan 2015, yang
selalu suportif saling mendukung dan membantu penulis ketika masa-masa
kuliah berlangsung.
20. Semua pihak yang terlibat dalam proses pembuatan skripsi ini yang namanya
tidak bisa disebutkan satu per satu namun tidak mengurasi rasa terimakasih
penulis.
Penulis menyadari bahwa skripsi ini masih jauh dari kata sempurna. Oleh
karena itu, penulis menerima segala bentuk saran, dan kritik yang membangun dari
berbagai pihak. Penulis berharap semoga skripsi ini dapat memberikan manfaat
bagi semua pihak.
Jakarta, 22 Oktober 2019
Penulis
(Nadya Amelita Noor)
xiii
DAFTAR ISI
LEMBAR PENGESAHAN SKRIPSI ............................................................... ii
LEMBAR PENGESAHAN UJIAN SKRIPSI .................................................. iii
LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ................................. iv
LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH ........................... v
DAFTAR RIWAYAT HIDUP .......................................................................... vi
ABSTRACT...................................................................................................... viii
ABSTRAK ......................................................................................................... ix
KATA PENGANTAR ........................................................................................ x
DAFTAR ISI ................................................................................................... xiii
DAFTAR TABEL ........................................................................................... xvi
DAFTAR GAMBAR ..................................................................................... xviii
DAFTAR LAMPIRAN ................................................................................... xix
BAB I PENDAHULUAN ................................................................................... 1
A. Latar Belakang .......................................................................................... 1
B. Rumusan Masalah ................................................................................... 13
C. Tujuan Penelitian .................................................................................... 14
D. Manfaat Penelitian .................................................................................. 15
BAB II TINJAUAN PUSTAKA ...................................................................... 17
xiv
A. Teori ....................................................................................................... 17
1. Analisis Laporan Keuangan ................................................................. 17
2. Jenis Rasio Pada Laporan Keuangan .................................................... 20
3. Ukuran Perusahaan (Firm Size) ............................................................ 29
4. Financial distress ................................................................................ 32
B. Penelitian Terdahulu ............................................................................... 50
C. Kerangka Berfikir.................................................................................... 59
D. Keterkaitan Antar Variabel ...................................................................... 61
1. Rasio Likuiditas (Current Ratio) dan Kondisi Financial distress .......... 61
2. Rasio Leverage (Debt Ratio) dan Kondisi Financial distress................ 61
3. Rasio Profitabilitas (Return On Assets) dan Kondisi Financial distress 63
4. Rasio Aktivitas (Total Asset Turnover) dan Kondisi Financial distress 64
5. Firm Size dan Kondisi Financial distress ............................................. 64
E. Hipotesis ................................................................................................. 67
BAB III METODOLOGI PENELITIAN ....................................................... 68
A. Ruang Lingkup Penelitian ....................................................................... 68
B. Model Penentuan Sampel ........................................................................ 69
C. Model Pengumpulan Data ....................................................................... 72
D. Model Analisis Data ................................................................................ 73
1. Statistik Deskriptif ............................................................................... 73
2. Uji Multikolinearitas ............................................................................ 74
3. Regresi Logistik Binary ....................................................................... 74
xv
E. Operasional Variabel Penelitian .............................................................. 82
1. Variabel Dependen .............................................................................. 82
2. Variabel Independen ............................................................................ 84
BAB IV ANALISIS DAN PEMBAHASAN .................................................... 88
A. Gambaran Umum Objek Penelitian ......................................................... 88
B. Model Analisis Data ................................................................................ 90
1. Analisis Deskriptif ............................................................................... 90
2. Uji Multikolinieritas .......................................................................... 100
3. Regresi Logistik Binary ..................................................................... 101
C. Pembahasan .......................................................................................... 112
BAB V PENUTUP ......................................................................................... 125
A. Kesimpulan ........................................................................................... 125
B. Saran ..................................................................................................... 127
DAFTAR PUSTAKA ..................................................................................... 129
LAMPIRAN ................................................................................................... 135
xvi
DAFTAR TABEL
Tabel 2. 1 Kriteria Ukuran Perusahaan ......................................................... 31
Tabel 2. 2 Penelitian Terdahulu ................................................................... 50
Tabel 3. 1 Kriteria Sampel …..……………….………...……..……………..70
Tabel 3. 2 Sampel Perusahaan Properti dan Real Estate ............................... 70
Tabel 3. 3 Operasional Variabel ................................................................... 78
Tabel 4. 1 Sampel Perusahaan Properti dan Real Estate ............................... 89
Tabel 4. 2 Hasil Analisis Deskriptif ............................................................. 91
Tabel 4. 3 Hasil Uji Multikolinearitas Model Altman Z-Score Modifikasi . 100
Tabel 4. 4 Hasil Uji Multikolinearitas Model Springate ............................. 101
Tabel 4. 5 Hasil Overall Model Fit Model Altman Z-Score Modifikasi
(Block 0: Beginning Block)........................................................ 102
Tabel 4. 6 Hasil Overall Model Fit Model Altman Z-Score Modifikasi
(Block 1: Method = Enter) ........................................................ 102
Tabel 4. 7 Hasil Uji Koefisien Determinasi (Cox and Snell’s R Square)
Model Altman Z-Score Modifikasi ............................................ 103
Tabel 4. 8 Hasil Uji Kelayakan Model Regresi (Hosmer and Lemeshow’s
Goodness of Fit Test) Model Altman Z-Score Modifikasi ......... 104
Tabel 4. 9 Hasil Uji Signifikansi Model Secara Simultan (Omnimbus Test of
Model) Model Altman Z-Score Modifikasi ............................... 104
Tabel 4. 10 Hasil Uji Signifikansi Model Secara Parsial (Uji Wald) Model
Altman Z-Score Modifikasi ....................................................... 106
xvii
Tabel 4. 11 Hasil Overall Model Fit Model Springate (Block 0: Beginning
Block)........................................................................................ 107
Tabel 4. 12 Hasil Overall Model Fit Model Springate (Block 1: Method =
Enter) ........................................................................................ 107
Tabel 4. 13 Hasil Uji Koefisien Determinasi (Cox and Snell’s R Square)
Model Springate ........................................................................ 108
Tabel 4. 14 Hasil Uji Kelayakan Model Regresi (Hosmer and Lemeshow’s
Goodness of Fit Test) Model Springate ..................................... 109
Tabel 4. 15 Hasil Uji Signifikansi Model Simultan (Omnimbus Test of
Model) Model Springate ............................................................ 109
Tabel 4. 16 Hasil Uji Signifikansi Model Secara Parsial (Uji Wald) Model
Springate ................................................................................... 110
Tabel 4. 17 Perbandingan Hasil Model Altman Z-Score Modifikasi dan
Model Springate ........................................................................ 124
xviii
DAFTAR GAMBAR
Gambar 1. 1 BI Rate ....................................................................................... 6
Gambar 1. 2 Perkembangan Indeks Harga Properti (dalam %) ........................ 8
Gambar 2. 1 Kerangka Penelitian .................................................................. 60
Gambar 4. 1 Nilai Current Ratio (CR)..………………………..……..….….. 93
Gambar 4. 2 Nilai Debt to Asset Ratio (DAR) ............................................... 94
Gambar 4. 3 Nilai Return on Asset (ROA) ..................................................... 96
Gambar 4. 4 Nilai Total Asset Turnover (TATO) .......................................... 97
Gambar 4. 5 Nilai Firm Size (FS) .................................................................. 99
xix
DAFTAR LAMPIRAN
Lampiran 1 Model Altman Z-Score Modifikasi ....................................... 135
Lampiran 2 Model Springate ................................................................... 142
Lampiran 3 Rasio Likuiditas, Rasio Leverage, Rasio Profitabilitas, Rasio
Aktivitas, dan Firm Size ........................................................ 150
Lampiran 4 Hasil Uji SPSS - Uji Multikolinearitas Model Altman Z-Score
Modifikasi ............................................................................ 158
Lampiran 5 Hasil Uji SPSS – Uji Multikoliniearitas Model Springate ...... 150
Lampiran 6 Hasil Uji SPSS - Uji Regresi Logistik Binary Model Altman
Z-Score Modifikasi ............................................................... 159
Lampiran 7 Hasil Uji SPSS - Uji Regresi Logistik Binary Model Springate
............................................................................................. 162
1
BAB I
PENDAHULUAN
A. Latar Belakang
Pada umumnya tujuan dari setiap institusi maupun perusahaan adalah
mendapatkan profit sebanyak-banyaknya. Oleh karena itu, perusahaan pun
seharusnya mengetahui dan peduli dengan bagaimana kondisi yang dialami
perusahaannya, salah satunya pada kondisi keuangannya.
Hal ini sangat perlu dilakukan oleh perusahaan untuk mengantisipasi dan
merencanakan langkah apa yang akan dilakukan pada tahun-tahun berikutnya,
dan strategi apa yang tepat untuk dilakukan oleh perusahaan. Financial distress
bukan hal yang tidak lumrah ditemukan pada perusahaan baik di perusahaan
yang masuk di kategori besar mau pun perusahaan yang masuk pada kategori
perusahaan kecil. Financial distress sangat perlu diprediksi oleh perusahaan
dari berbagai macam data yang sudah disajikan oleh perusahaan seharusnya
financial distress dapat diprediksi dengan tepat agar meminimalisir kerugian
yang nantinya terjadi pada perusahaan.
Analisis kebangkrutan dilakukan untuk memperoleh peringatan awal
kebangkrutan (tanda-tanda awal kebangkrutan). Semakin awal tanda-tanda
kebangkrutan tersebut, semakin baik bagi pihak manajemen karena pihak
manajemen bisa melakukan perbaikan-perbaikan. Pihak kreditur dan juga pihak
pemegang saham bisa melakukan persiapan-persiapan untuk mengatasi
berbagai kemungkinan terburuk. Tanda-tanda kebangkrutan tersebut dalam hal
2
ini dilihat dengan menggunakan data-data akuntansi (Hanafi dan Halim, 2016:
260).
Kesulitan keuangan bisa digambarkan di antara dua titik ekstrem yaitu
kesulitan likuiditas jangka pendek (yang paling ringan) sampai insolvable (yang
paling parah). Kesulitan keuangan jangka pendek biasanya bersifat sementara,
tetapi bisa menjadi parah. Analisis kebangkrutan bermanfaat, karena
kebangkrutan bisa membuat perusahaan melakukan antisipasi yang diperlukan.
Biasanya kebangkrutan yang relatif tinggi dihindari dan diminimalisasi (Hanafi
dan Halim, 2016: 276).
Secara umum kegiatan perusahaan dianggap sebagai suatu proses arus
dana. Dengan mendasar kepada pengertian arus dana ini dapat dikatakan bahwa
financial distress merupakan keburukan dari bisnis perusahaan. Salah satu
penyebab terjadinya financial distress adalah keburukan dalam pengelolaan
bisnis (mismanagement) perusahaan tersebut. Namun demikian dengan
bervariasinya kondisi internal dan eksternal maka terdapat banyak hal lain juga
yang dapat menyebabkan terjadinya financial distress pada suatu perusahaan
(Rodoni dan Ali, 2014: 189).
Pada umumnya kemungkinan terjadinya financial distress semakin
meningkat dengan meningkatnya penggunaan hutang. Logikanya adalah
semakin besar penggunaan hutang, semakin besar pula biaya bunga, semakin
besar probabilitas bahwa penurunan penghasilan akan menyebabkan financial
distress (Atmaja, 2008: 258).
3
Terdapat banyak model untuk memprediksi financial distress diawali oleh
Beaver (1966), kemudian diteruskan oleh Edward Altman (1968), Altman, et al
(1977). Penelitian Beaver dan Altman tersebut dilatarbelakangi oleh kejadian
kebangkrutan banyak perusahaan di negara asal mereka, Amerika Serikat pada
tahun 1960-an. Model penelitian tentang prediksi kebangkrutan terus
dikembangkan baik di negara Amerika Serikat maupun di negara-negara lain,
misalnya Springate Model oleh Gordon L.V. Springate (1978) dari Kanada,
Datastream’s model oleh Marais (UK, 1979), Fulmer Model (US, 1984), Ca-
Score (Kanada, 1987), model logistical regression oleh Ohlson (1980), model
artificial neural network oleh Thomaidis et al (1998), Hsieh et al (2006), dan
lain-lainnya (Gamayuni: 2009).
Altman pada tahun 1968 memperkenalkan Analisis Z-Score, yaitu sebuah
analisis yang menghubungkan berbagai rasio dalam laporan keuangan sebagai
variabelnya dan digabungkan kedalam sebuah persamaan untuk memperoleh
nilai Z, dimana nilai Z adalah nilai untuk memprediksi kondisi perusahaan, baik
dalam keadaan sehat ataupun bangkrut. Model Altman Z-Score sebagai salah
satu pengukur kinerja kebangkrutan dan resiko obligasi tidak stagnan atau tetap,
melainkan berkembang dari waktu ke waktu, seiring dari kondisi perusahaan
dan kondisi dimana model tersebut diterapkan. Perkembangan model Altman
ini dapat dilihat mulai dari yang pertama yaitu model Altman Z-Score pertama
yang ditujukan untuk memprediksi kebangkrutan dari sebuah perusahaan publik
manufaktur. Setelah menemukan model kebangkrutan yang pertama, Altman
4
kemudian merevisi model kebangkrutan menjadi sebuah model yang dapat
digunakan untuk memprediksi kemungkinan kebangkrutan bagi perusahaan
privat dan publik, model ini disebut sebagai model Altman Revisi Z-Score.
Selanjutnya Altman memodifikasi modelnya agar dapat diterapkan pada semua
perusahaan seperti manufaktur, non manufaktur dan perusahaan penerbit
obligasi. Model ini disebut sebagai model Altman Modifikasi Z-Score
(Nirmalasari, 2018: 6).
Menurut Burhanuddin (2015) Springate membuat model prediksi financial
distress pada tahun 1978. Dalam pembuatannya, Springate menggunakan
model yang sama dengan Altman yaitu Multiple Discriminant Analysis (MDA).
Model kebangkrutan Springate menggunakan 4 dari 19 rasio laporan keuangan
yang banyak digunakan untuk membedakan antara perusahaan yang mengalami
financial distress dan yang tidak distress. Keempat rasio tersebut adalah rasio
modal kerja terhadap total aset, rasio laba sebelum bunga dan pajak terhadap
total aset, rasio laba sebelum pajak terhadap liabilitas lancar dan rasio total
penjualan terhadap total aset. Keempat rasio tersebut dikombinasikan dalam
suatu persamaan yang dirumuskan Springate, selanjutnya dikenal dengan istilah
Model Springate (S-Score), model ini memiliki akurasi 92,5 persen.
Pada tahun 2012 dan pertengahan pertama tahun 2013 sektor properti
Indonesia bertumbuh cepat, maka pertumbuhan keuntungan para developer
properti Indonesia melonjak tajam (dari 45 perusahaan properti yang terdaftar
di Bursa Efek Indonesia pada tahun 2012, 26 perusahaan mencatat pertumbuhan
5
laba bersih lebih dari 50%) dan, jelas, harga properti Indonesia meningkat
sejalan dengan itu (indonesia-investment.com).
Di pertengahan kedua tahun 2013, Bank Indonesia semakin kuatir
mengenai berkembangnya gelembung properti karena perekonomian umum
sedang melambat namun sektor properti naik sangat tinggi di pertengahan
pertama tahun 2013 (manajemen fiskal yang berhati-hati telah menjadi
karakteristik pihak berwenang Indonesia setelah Krisis Finansial Asia). BI
menaikkan persyaratan uang muka minimum dan memotong pinjaman hipotek
untuk kepemilikan rumah kedua (untuk mencegah peningkatan berlebihan dari
pinjaman untuk hunian). Bank-bank juga dilarang memberikan pinjaman untuk
properti-properti yang masih dalam proses pembangunan (untuk para pembeli
hunian kedua atau lebih). Perubahan penting lainnya termasuk tingkat suku
bunga Indonesia. Setelah sentuh titik rendah dalam sejarah pada 5,75% dari
Februari 2012, Bank Indonesia secara bertahap, namun agresif, menaikkan BI
rate. (indonesia-investment.com).
Pada tahun 2013 sentimen makro ekonomi Indonesia dan global telah
memberikan sentimen negatif terhadap 10 sektor saham di pasar modal
Indonesia. 10 sektor saham di pasar modal Indonesia hanya mampu naik di
kisaran 2%-12% sepanjang 2013. Kebijakan Bank Indonesia (BI) mengenai
down payment untuk kredit sektor properti dan kenaikan suku bunga acuan/ BI
Rate menjadi 7,5% telah memberikan sentimen negatif terhadap indeks saham
6
sektor properti. Indeks saham sektor properti hanya mampu naik 2,27% secara
year to date (liputan6.com).
Sepanjang tahun 2014, secara keseluruhan pasar properti di Indonesia
dihadapkan pada kondisi pasar yang menunjukkan gejala perlambatan.
Perlambatan memang terjadi secara alami diakibatkan oleh siklus properti
(Property Cycle). Sejumlah alasan dibalik melambatnya sektor properti di tanah
air. Pertumbuhan ekonomi Indonesia yang melemah, sentimen bisnis yang
menurun, ditambah kondisi harga yang sudah terlalu tinggi, kenaikan BI Rate,
pemberlakuan aturan LTV (Loan to Value), serta permintaan yang mengalami
kejenuhan, membuat pasar properti semakin lesu. Bukan hanya akibat
penyelenggaraan pemilu saja (beritasatu.com).
Gambar 1. 1
BI Rate
Sumber: Laporan Tahunan Bank Indonesia (2019)
Sepanjang 2015, industri properti justru terhuyung hingga mencapai titik
nadir. Perlambatan pertumbuhan ekonomi, penurunan daya beli, depresiasi
rupiah, ketidakpastian peraturan pajak, dan peraturan kredit yang lebih ketat
0123456789
BI RATE
7
menjadi kombinasi yang membuat industri ini menderita. Dalam riset Indonesia
Property Watch (IPW), penjualan di segmen menengah dan atas masing-masing
turun 36,9% dan 31,8%. Survei properti yang diterbitkan Bank Indonesia juga
memprediksi pertumbuhan harga di dua segmen itu tidak akan melampaui level
4% pada akhir 2015. Persatuan Perusahaan Real Estate Indonesia (REI)
menyebut segmen tersebut menjadi penyelamat pertumbuhan industri pada
tahun ini. Riset IPW bahkan mencatat penjualan properti di segmen menengah
bawah naik 57% (bisnis.tempo.com).
Sektor properti pada tahun 2016 dinilai masih belum menggembirakan.
Secara keseluruhan pertumbuhan penjualan properti semua segmen tidak terlalu
tinggi, sekitar 5 persen. Dari sisi penjualan masih mengalami perlambatan
dibandingkan tahun lalu. Meski demikian, hingga September 2016 penjualan
Properti tumbuh sekitar 8 persen-10 persen. Secara nominal, total penjualan
rumah non-subsidi lebih besar dibandingkan rumah subsidi. Sehingga angka
agregat secara keseluruhan penjualan properti tumbuh sekitar 5 persen.
Sementara itu, nilai outstanding KPR/ KPA yang tercatat di Bank Indonesia per
September 2016 tercatat tumbuh 6,78 persen secara tahunan
(properti.kompas.com).
Sepanjang tahun 2017 Sederet peristiwa penting di sektor industri properti
banyak terjadi di sepanjang tahun tersebut. Mulai dari kebijakan pemerintah
yang berpengaruh besar dalam sektor properti, seperti BI 7-Day Repo Rate,
penutupan Tax Amnesty, penyesuaian Fasilitas Likuiditas Pembiayaan
8
Perumahan (FLPP), Paket Kebijakan Ekonomi, kehadiran berbagai proyek
infrastruktur baru yang memberi potensi bagi bisnis properti, serta kondisi
pasar properti yang sangat dinamis (liputan6.com).
Menurut Rumah.com indeks properti nasional naik tipis 0,4% pada Q1
2017 dan berlanjut pada Q2 tumbuh sebesar 0,97%. Pada Q3, pasar properti
terlihat stabil. Sementara pada Q4 ini sampai akhir bulan November 2017
indeks properti nasional mengalami kenaikan sebesar 0,91%. Sementara di sisi
volume suplai properti, indeks menunjukkan sedikit fluktuasi dimana pada Q1
mencatat kenaikan sebesar 11,4%, selanjutnya mengalami penurunan sebesar
2,1% pada Q2 2017. Pada Q3 2017 suplai pulih dan meningkat hingga sebesar
10,7% sedangkan pada Q4 ini sampai akhir bulan November 2017 turun
sebesar 9,23% (liputan6.com).
Gambar 1. 2
Perkembangan Indeks Harga Properti (dalam %)
Sumber: Laporan Survei Harga Properti Residensial Bank Indonesia
9
Dengan melihat fenomena yang terjadi pada tahun 2013-2017 yang
diawali dengan pembaharuan kebijakan pemerintah yang awalnya ingin
membantu sektor ini agar terus berkembang, akan tetapi yang terjadi adalah
kebalikannya. Justru parahnya yang terjadi adalah keadaan yang tidak
diinginkan dengan adanya kebijakan pemerintah yang baru pada industri
properti dan real estate, yaitu penurunan penjualan yang berakibat turunnya
profit/laba perusahaan pada saat kebijakan BI Rate sedang tinggi-tingginya dan
mulai normal kembali ketika BI Rate normal kembali.
Maka untuk mengantisipasi kejadian yang kurang baik, diperlukan suatu
model analisis yang dapat memprediksi kemungkinan terjadinya kebangkrutan
pada perusahaan perbankan di masa yang akan datang. Financial distress
terjadi sebelum kebangkrutan, model Financial distress perlu untuk
dikembangkan supaya mengetahui kondisi Financial distress perusahaan sejak
dini, untuk mengantisipasi kondisi yang mengarah pada kebangkrutan.
Untuk memprediksi terjadinya financial distress indikator kinerja
keuangan perusahaan dapat digunakan oleh perusahaan untuk memprediksi
bagaimana kondisi perusahaannya di masa yang akan datang. Indikator ini
diperoleh dari analisis rasio-rasio keuangan yang terdapat pada laporan
keuangan perusahaan. Berikut adalah penjelasan analisis rasio keuangan.
Rasio likuiditas menunjukkan tingkat relatif suatu aktiva untuk segera di
konversikan ke dalam kas yang sedikit atau tanpa penurunan nilai, serta tingkat
kepastian tentang jumlah kas yang diperoleh (Tampubolon, 2013: 40). Suatu
10
analisis likuiditas lengkap meminta digunakannya anggaran kas, tetapi dengan
menghubungkan jumlah kas dan aktiva lancar lainnya dengan kewajiban lancar,
analisis rasio dapat memberikan sebuah ukuran likuiditas yang cepat dan mudah
untuk digunakan (Brigham dan Houston, 2010: 134).
Menurut Jackson (2018), dampak dari rasio likuiditas adalah kemampuan
perusahaan untuk memperoleh pinjaman, pembiayaan, dan modal investasi.
Rasio likuiditas yang baik juga akan membantu untuk membantu kondisi
keuangan menjadi lebih baik, dan membantu menghadapi masalah keuangan
jangka pendek yang dialami oleh perusahaan.
Rasio Leverage adalah mengukur seberapa besar perusahaan dibiayai
dengan utang. Penggunaan utang yang terlalu tinggi akan membahayakan
perusahaan karena perusahaan akan masuk dalam kategori extreme leverage
(utang ekstrim) yaitu perusahaan terjebak dalam tingkat utang yang tinggi dan
sulit untuk melepaskan beban utang tersebut (Fahmi, 2013: 72). Menurut
Deanta (2009: 24) rasio leverage dapat dicari dengan menggunakan data neraca
dan Laporan Laba Rugi.
Menurut Almansour (2015), rasio leverage menghitung produktivitas
sesungguhnya aset suatu perusahaan tanpa mempertimbangkan pajak dan faktor
leverage. Perusahaan yang memiliki tingkat rasio leverage yang tinggi bisa jadi
terjadi risiko gagal bayar jika tidak dapat membayar kewajibannya atau
kemungkinan terjadinya financial distress tinggi.
11
Profitabilitas mengukur fokus pada laba perusahaan. Tentu saja,
perusahaan besar diharapkan menghasilkan lebih banyak laba daripada
perusahaan kecil (Bearley et al, 2007: 80). Menurut Harahap (2010: 304), rasio
profitabilitas atau bisa disebut juga rasio rentabilitas menggambarkan
kemampuan perusahaan mendapatkan laba melalui semua kemampuan, dan
sumber yang ada seperti kegiatan penjualan, kas, modal, jumlah karyawan,
jumlah cabang, dan sebagainya. Rasio yang menggambarkan kemampuan
perusahaan menghasilkan laba disebut juga operating ratio.
Menurut Ufo (2015), financial distress pada perusahaan berdampak buruk
pada kinerja perusahaan dapat dilihat dari rasio profitabilitas. Dapat dikatakan
bahwa dampak financial distress terlihat pada laba negatif dan tahap awal
kesulitan keuangan bisa berupa pengurangan pendapatan. Profitabilitas
perusahaan menurun karena penurunan uang tunai arus masuk dan pengeluaran
melebihi pendapatan perusahaan
Rasio aktivitas (activity ratio), merupakan rasio yang digunakan untuk
mengukur efektivitas perusahaan dalam menggunakan aktiva yang dimilikinya
atau dapat pula dikatakan rasio ini digunakan untuk mengukur tingkat efisiensi
pemanfaatan sumber daya perusahaan (Kasmir, 2016: 113). Aktivitas yang
rendah pada tingkat penjualan tertentu akan mengakibatkan semakin besarnya
dana kelebihan yang tertanam pada aktiva-aktiva tersebut (Hanafi dan Halim,
2016: 76). Hal tersebut membuktikan bahwa perhitungan rasio aktivitas
12
diperlukan guna mengefektifkan dan mengefisiensikan sumber daya yang ada
di perusahaan.
Ukuran perusahaan (firm size) dalam (Hartono, 2016: 480) dipakai sebagai
wakil pengukur (proxy) besarnya perusahaan. Perusahaan yang besar dianggap
mempunyai risiko yang lebih kecil dibandingkan dengan perusahaan yang lebih
kecil. Semakin besarnya perusahaan maka kebutuhan akan dana juga akan
semakin besar yang salah satunya yang didapatkan dari pendanaan eksternal
yaitu hutang. Perusahaan besar memili keuntungan aktivitas serta lebih dikenal
oleh publik dibandingkan dengan perusahaan kecil sehingga kebutuhan hutang
perusahaan yang besar akan lebih tinggi dari perusahaan kecil.
Menurut Miglani et al (2014) ukuran perusahaan dengan ukuran dewan
dalam variabel corporate governance sangat memiliki korelasi yang tinggi.
Ukuran perusahaan bisa dijadikan penentu untuk mempengaruhi gejala
financial distress. Oleh karena itu, mengapa dalam penelitian ini ukuran
perusahaan merupakan salah satu variabel yang diteliti untuk melihat apakah
ukuran perusahaan memiliki pengaruh dengan finanacial distress.
Sejarah mengungkapkan bahwa tujuan perusahaan yang tidak merasakan
financial distress dan kebangkrutan adalah suatu hal yang tidak realistis.
Namun, perusahaan dapat meningkatkan kemampuan untuk mengidentifikasi
bisnis yang berisiko mengalami financial distress pada masa yang akan datang.
Peringatan ini mungkin dapat membantu perusahaan untuk membuat
perubahan yang sesuai untuk menghindari financial distress dan kebangkrutan
13
di masa yang akan datang, tetapi secara umum peringatan ini digunakan untuk
mengurangi biaya financial distress dan kegagalan bisnis (Gepp dan Kumar:
2015).
Berdasarkan latar belakang masalah yang dipaparkan diatas, maka penulis
tertarik untuk melakukan penelitian dengan judul “Pengaruh Pengungkapan
Likuiditas, Leverage, Profitabilitas, Aktivitas, dan Firm Size Terhadap
Financial distress Menggunakan Model Altman Z-Score Modifikasi dan
Model Springate (Studi Kasus Perusahaan Properti dan Real Estate Yang
Terdaftar di BEI Periode 2013-2017)”
B. Rumusan Masalah
Berdasarkan uraian latar belakang dan pembatasan masalah, maka
rumusan masalah pada penelitian ini adalah:
1. Apakah terdapat pengaruh secara simultan antara Rasio Likuiditas, Rasio
Rasio Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan Firm Size
terhadap prediksi financial distress dengan model Altman Z-Score
Modifikasi pada Perusahaan Properti dan Real Estate Periode 2013-2017?
2. Apakah terdapat pengaruh secara simultan antara Rasio Likuiditas, Rasio
Rasio Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan Firm Size
terhadap prediksi financial distress dengan model Springate pada
Perusahaan Properti dan Real Estate Periode 2013-2017?
14
3. Apakah terdapat pengaruh secara parsial antara Rasio Likuiditas, Rasio
Rasio Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan Firm Size
terhadap prediksi financial distress dengan model Altman Z-Score
Modifikasi pada Perusahaan Properti dan Real Estate Periode 2013-2017?
4. Apakah terdapat pengaruh secara parsial Rasio Likuiditas, Rasio Rasio
Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan Firm Size terhadap
prediksi financial distress dengan model Springrate pada Perusahaan
Properti dan Real Estate Periode 2013-2017?
C. Tujuan Penelitian
Berdasarkan uraian rumusan masalah, maka tujuan penelitian kali ini,
yaitu:
1. Mengetahui apakah terdapat pengaruh secara simultan pengungkapan Rasio
Likuiditas, Rasio Rasio Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan
Firm Size terhadap prediksi financial distress dengan model Altman Z-
Score Modifikasi pada Perusahaan Properti dan Real Estate Periode 2013-
2017.
2. Mengetahui apakah terdapat pengaruh secara simultan Rasio Likuiditas,
Rasio Rasio Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan Firm Size
terhadap prediksi financial distress dengan model Springate pada
Perusahaan Properti dan Real Estate Periode 2013-2017.
15
3. Mengetahui apakah terdapat pengaruh secara parsial antara Rasio
Likuiditas, Rasio Rasio Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan
Firm Size terhadap prediksi financial distress dengan model Altman Z-
Score Modifikasi pada Perusahaan Properti dan Real Estate Periode 2013-
2017.
4. Mengetahui apakah terdapat pengaruh secara parsial antara Rasio
Likuiditas, Rasio Rasio Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan
Firm Size terhadap prediksi financial distress dengan model Springate pada
Perusahaan Properti dan Real Estate Periode 2013-2017.
D. Manfaat Penelitian
Dari hasil penelitian yang dilakukan diharapkan dapat memberi manfaat
sebagai berikut:
1. Manfaat Teoritis
Penelitian ini bermanfaat untuk memberikan informasi tambahan bagi
pihak Perusahaan Properti dan Real Estate yang terdaftar di BEI, sehingga
manajemen perusahaan dapat meningkatkan kinerjanya dan dapat
menetapkan strategi bisnis yang baik dalam menghadapi krisis keuangan
global dan juga persaingan dalam dunia bisnis properti dan real estate .
2. Bagi Manajer
Dapat memberikan informasi sebagai landasan untuk pengambilan
keputusan sehingga dapat cepat menangani perusahaan pada saat
16
perusahaan mengalami financial distress dan mencegah terjadinya
kebangkrutan.
3. Bagi Investor
Dapat memberikan informasi mengenai kondisi keungan perusahaan yang
tertera sehingga nantinya bisa menjadi landasan dan pertimbangan dimana
dan kapan harus mempercayakan menyalurkan investasi pada perusahaan.
4. Bagi Akademisi
Dapat digunakan sebagai sumber informasi atau dapat dipakai sebagai data
sekunder dan sebagai bahan sumbangan pemikiran tentang peran dan
fungsi financial distress dan faktor apa saja yang mempengaruhinya.
17
BAB II
TINJAUAN PUSTAKA
A. Teori
1. Analisis Laporan Keuangan
Analisis laporan keuangan adalah segala sesuatu yang menyangkut
penggunaan informasi akuntansi untuk membuat keputusan bisnis dan
investasi. Analisis keuangan dirancang bagi pengusaha, investor, dan
kreditor untuk menganalisis laporan keuangan (Astuti, 2004: 29).
Menurut Harahap (2010: 1), menganalisis laporan keuangan berarti
menggali lebih banyak informasi yang dikandung suatu laporan keuangan.
Sebagaimana diketahui laporan keuangan adalah media informasi yang
merangkum seluruh aktivitas perusahaan. Jika informasi ini disajikan
dengan benar, informasi tersebut sangat berguna bagi siapa saja untuk
mengambil keputusan tentang perusahaan yang dilaporkan tersebut.
Menurut Deanta (2009:4), dalam melakukan analisis pihak penganalisa
biasanya akan memperhatikan hal-hal yang berkaitan dengan:
a. Kemampuan perusahaan dalam membayar hutang yang harus segera
dipenuhi. Dalam analisis sering disebut dengan likuiditas.
b. Kemampuan perusahaan untung membayar hutang-hutangnya apabila
perusahaan yang bersangkutan dilikuidasi. Dalam analisis sering
disebut dengan solvabilitas.
18
c. Kemampuan perusahaan untuk menghasilkan laba dalam suatu
periode waktu tertentu. Dalam analisis sering disebut sebagai
rentabilitas.
d. Kemampuan perusahaan untuk melakukan usaha secara stabil.
Analisis laporan keuangan suatu perusahaan pada dasarnya karena
ingin mengetahui tingkat profitabilitas dan tingkat risiko atau tingkat
kesehatan suatu perusahaan. Tantangan analis bukan melakukan
perhitungan rasio, melainkan melakukan analisis dan
menginterpretasikan rasio-rasio keuangan yang muncul. Analisis
semacam itu mengharuskan seorang analis melakukan beberapa hal
(Hanafi dan Halim, 2016: 5):
a. Menentukan dengan jelas tujuan dari analisis
b. Memahami konsep-konsep dan prinsip-prinsip yang mendasari
laporan-laporan keuangan dan rasio-rasio keuangan yang
diturunkan dari laporan keuangan tersebut
c. Memahami kondisi perekonomian dan kondisi bisnis lain pada
umumnya yang berkaitan dengan perusahaan dan mempengaruhi
usaha perusahaan.
Menurut Deanta (2016: 5) walaupun laporan keuangan
menunjukkan berbagai informasi perusahaan khususnya yang
bernilai kuantitatif (uang), namun laporan keuangan juga
mempunyai keterbatasan, diantaranya adalah sebagai berikut:
19
a. Laporan keuangan disusun pada rekening yang material, tidak
serinci yang sebenarnya.
b. Penyajian laporan keuangan terlambat. Laporan keuangan
disajikan sering terlambat, sehingga mengganggu proses
pengambilan keputusan. Namun demikian dengan kemajuan
teknologi khususnya komputer, ketelambatan tersebut dapat
diminimalisir dengan penerapan program akuntansi.
c. Laporan keuangan disusun biasanya berdasar pada harga historis
(perolehan), sehingga apabila terjadi gejolak harga dan perubahan
memerlukan penyesuaian.
d. Laporan keuangan disusun dengan mengunakan bahasa teknis
akuntansi, sehingga tidak semua orang dapat memahami laporan
keuangan, sehingga memerlukan penjelasan khusus untuk
memahaminya.
e. Laporan keuangan disusun berdasar standar akuntansi yang suatu
waktu mengalami perubahan peraturan dan kebijakan.
Selain memiliki keterbatasan ada beberapa masalah-masalah
yang umumnya terjadi ketika menganalisis laporan keuangan
(Atmaja, 2008; 427), yaitu:
a. Rasio-rasio keuangan pada suatu perusahaan yang beroperasi di
banyak bidang atau industri yang berbeda sulit dicarikan data
perbandingan. Pada umumnya data pembanding adalah berupa
20
angka atau rasio keuangan. Kondisi rata-rata bukanlah jadi
tujuan suatu perusahaan, oleh karena itu data pembanding yang
baik bisa jadi adalah rasio keuangan perusahaan-perusahaan
papan atas pada indsutri tersebut.
b. Efek inflasi mempengaruhi biaya depresiasi, biaya persediaan
dan pada gilirannya akan mempengaruhi item pada neraca
maupun laba bersih.
c. Manajemen perusahaan bisa saja memanipulasi kondisi
keuangannya menjelang penyusunan neraca. Tindakan ini
disebut window dressing.
2. Jenis Rasio Pada Laporan Keuangan
Menurut Deanta (2009: 21-22) analisis rasio keuangan suatu
perusahaan digunakan untuk mengetahui keadaan dan kecenderungan serta
kinerja manajemen. Melalui analisis rasio dapat digunakan sebagai salah
satu dasar untuk menilai kinerja manajemen apakah telah mencapai sasaran
yang telah ditetapkan atau belum, dan mengetahui sejak dini
kecenderungan trend atas prestasi manajemen sehingga dapat dilakukan
antisipasi lebih dini.
Analisis rasio dirancang untuk membantu mengevaluasi laporan
keuangan. Analisis rasio tidak semata-mata menggunakan data yang ada di
neraca dan laporan rugi laba dan dimasukkan ke berbagai rumus
21
perhitungan, tetapi mengerti hasil analisis rasio tersebut. Ada tiga tipe
pembandingan hasil analisis rasio keuangan (Astuti, 2004: 29-30), yaitu:
a. Analisis cross-sectional
Analisis cross-sectional adalah membandingkan hasil analisis rasio
keuangan suatu perusahaan dengan nilai analisis keuangan perusahaan
sejenis dalam industri yang sama dalam waktu yang sama.
b. Analisis time-series
Analisis time-series adalah mengevaluasi kinerja perusahaan dengan
cara membandingkan hasil analisis rasio keuangan pada periode yang
satu dengan hasil analisis rasio keuangan pada periode yang lain dalam
perusahaan yang sama.
c. Analisis gabungan
Analisis gabungan adalah gabungan antara analisis cross-sectional dan
analisis time-series.
Analisis rasio keuangan merupakan alat utama dalam analisis
keuangan, karena analisis ini dapat digunakan untuk menjawab berbagai
pernyataan tentang keadaan keuangan korporasi (Tampubolon, 2013:39).
Berikut ini adalah macam-macam rasio keuangan, yaitu:
a. Rasio Likuiditas
Menurut Tampubolon (2013: 40) rasio likuiditas menunjukkan
tingkat kemudahan relatif suatu aktiva untuk segera dikonversikan ke
dalam kas dengan sedikit atau tanpa penurunan nilai, serta tingkat
22
kepastian tentang jumlah kas yang diperoleh. Rasio likuiditas
mengukur kemampuan likuiditas jangka pendek perusahaan dengan
melihat aktiva lancar perusahaan relatif dengan utang lancarnya (utang
dalam hal ini merupakan kewajiban perusahaan). Meskipun rasio ini
tidak bicara masalah solvabilitas (kewajiban jangka panjang), dan
biasanya relatif tidak penting dibandingkan solvabilitas, tetapi rasio
likuiditas yang jelek dalam jangka panjang juga akan memperngaruhi
solvabilitas perusahaan (Hanafi dan Halim, 2016: 75). Menurut Fahmi
(2013: 66-71), ada beberapa rasio likuiditas yang sering dipergunakan,
yaitu:
1) Current Ratio
Rasio lancar (quick ratio) adalah ukuran yang umum digunakan atas
solvensi jangka pendek, kemampuan suatu perusahaan memenuhi
kebutuhan utang jatuh tempo. Berikut adalah rumusnya:
Current Ratio = 𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑨𝒔𝒔𝒆𝒕𝒔
𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔
2) Quick Ratio
Rasio ini merupakan ukuran uji solvensi jangka pendek yang lebih
teliti daripada rasio lancar karena pembilangnya mengeliminasi
persediaan yang dianggap aktiva lancar yang sedikit tidak likuid dan
kemungkinan menjadi sumber kerugian. Berikut adalah rumusnya:
Quick Ratio = 𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑨𝒔𝒔𝒆𝒕𝒔−𝑰𝒏𝒗𝒆𝒏𝒕𝒐𝒓𝒊𝒆𝒔
𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔
23
3) Net Working Capital Ratio
Net Working Capital Ratio disebut juga modal kerja bersih. Modal
merupakan suatu ukuran likuiditas perusahaan. Berikut adalah
rumusnya:
Net Working Capital Ratio = Current Assets – Current
Liabilities
4) Cash Flow Liquidity Ratio
Rasio ini menggunakan pembilang sebagai suatu perkiraan sumber
kas, kas dan surat berharga menyajikan jumlah kas yang dihasilkan
dari operasi perusahaan seperti kemampuan menjual persediaan dan
menagih kas.
Cash Flow Liquidity Ratio = 𝑪𝒂𝒔𝒉+𝑪𝒐𝒎𝒎𝒆𝒓𝒄𝒊𝒂𝒍 𝑷𝒂𝒑𝒆𝒓+𝑪𝑭𝑶
𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔
b. Rasio Leverage
Menurut Tampubolon (2013: 41) digunakan untuk menjelaskan
penggunaan hutang untuk membiayai sebagian dari pada aktiva
korporasi. Rasio ini mengukur kemampuan perusahaan memenuhi
kewajiban-kewajiban jangka panjangnya. Rasio ini bertujuan untuk
mengukur seberapa besar perusahaan dibiayai dengan utang, berikut
adalah macam-macam rasio leverage (Fahmi, 2013: 72-76), yaitu:
24
1) Debt to Total Assets (Debt Ratio)
Disebut sebagai rasio yang melihat perbandingan utang perusahaan.
Semakin rendah rasio ini semakin baik karena aman bagi kreditor
saat likuidasi. Berikut adalah rumusnya:
Debt Ratio = 𝑻𝒐𝒕𝒂𝒍 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔
𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔
2) Debt to Equity Ratio
Merupakan ukuran yang dipakai dalam menganalisis laporan
keuangan untuk memperlihatkan besarnya jaminan yang tersedia
untuk kreditor. Berikut rumusnya:
Debt to Equity Ratio = 𝑻𝒐𝒕𝒂𝒍 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔
𝑻𝒐𝒕𝒂𝒍 𝑺𝒉𝒂𝒓𝒆𝒉𝒐𝒍𝒅𝒆𝒓𝒔′𝑬𝒒𝒖𝒊𝒕𝒚
3) Times Interest Earned
Times Interest Earned disebut juga rasio kelipatan. Semakin tinggi
maka akan semakin baik. Berikut adalah rumusnya:
Times Interest Earned = 𝑬𝒂𝒓𝒏𝒊𝒏𝒈 𝑩𝒆𝒇𝒐𝒓𝒆 𝑰𝒏𝒕𝒆𝒓𝒆𝒔𝒕 𝒂𝒏𝒅 𝑻𝒂𝒙 (𝑬𝑩𝑰𝑻)
𝑰𝒏𝒕𝒆𝒓𝒆𝒔𝒕 𝑬𝒙𝒑𝒆𝒏𝒔𝒆
4) Long Term Debt to Total Capitalization
Long Term Debt to Total Capitalization disebut juga dengan utang
jangka panjang/total kapitalisasi. Adapun rumusnya adalah sebagai
berikut:
Long Term Debt to Total Capitalization =
𝑳𝒐𝒏𝒈 𝑻𝒆𝒓𝒎 𝑫𝒆𝒃𝒕
𝑳𝒐𝒏𝒈 𝑻𝒆𝒓𝒎 𝑫𝒆𝒃𝒕+𝑬𝒌𝒖𝒊𝒕𝒂𝒔 𝑷𝒆𝒎𝒆𝒈𝒂𝒏𝒈 𝑺𝒂𝒉𝒂𝒎
25
5) Fixed Charge Coverage
Rasio ini disebut juga dengan rasio menutup beban tetap. Yang
berarti ukuran yang lebih luas dari kemampuan perusahaan untuk
menutup beban tetap dibandingkan dengan rasio kelipatan
pembayaran bunga. Karena termasuk pembayaran beban bunga
tetap yang berkenaan dengan sewa usaha. Berikut rumusnya:
Fixed Charge Coverage = 𝑳𝒂𝒃𝒂 𝑼𝒔𝒂𝒉𝒂+𝑩𝒆𝒃𝒂𝒏 𝑩𝒖𝒏𝒈𝒂
𝑩𝒆𝒃𝒂𝒏 𝑩𝒖𝒏𝒈𝒂+𝑩𝒆𝒃𝒂𝒏 𝑺𝒆𝒘𝒂
6) Cash Flow Adequacy
Rasio ini disebut juga dengan rasio kecukupan arus kas. Kecukupan
arus kas digunakan untuk mengukur kemampuan perusahaan
menutup pengeluaran modal, utang jangka panjang, dan
pembayaran dividen setiap tahunnya. Berikut adalah rumusnya:
Cash Flow Adequacy =
𝑨𝒓𝒖𝒔 𝑲𝒂𝒔 𝒅𝒂𝒓𝒊 𝑨𝒌𝒕𝒊𝒗𝒊𝒕𝒂𝒔 𝑶𝒑𝒆𝒓𝒂𝒔𝒊
𝑷𝒆𝒏𝒈𝒆𝒍𝒖𝒂𝒓𝒂𝒏 𝑴𝒐𝒅𝒂𝒍+𝑷𝒆𝒍𝒖𝒏𝒂𝒔𝒂𝒏 𝑼𝒕𝒂𝒏𝒈+𝑩𝒂𝒚𝒂𝒓 𝑫𝒊𝒗𝒊𝒅𝒆𝒏
c. Rasio Profitabilitas
Menurut Jumingan (2017: 122) rasio profitabilitas bertujuan
mengukur efektivitas manajemen yang tercermin pada imbalan hasil
dari investasi melalui kegiatan penjualan. Sementara menurut Hanafi
dan Halim (2016: 81), rasio ini mengukur kemampuan perusahaan
menghasilkan keutungan (profitabilitas) pada tingkat penjualan, aset,
dan modal saham tertentu. Menurut Tampubolon (2013: 43), rasio
profitabilitas tergantung dari informasi akuntansi yang diambil dari
26
laporan keuangan. Berikut ini adalah macam-macam rasio profitabilitas
menurut Hanafi dan Halim (2016: 81) antara lain, yaitu:
1) Profit Margin
Rasio ini menghitung kemampuan perusahaan menghasilkan laba
pada tingkat penjualan tertentu. Rasio ini bisa diinterpretasikan juga
sebagai kemampuan perusahaan menekan baiaya-biaya perusahaan
pada periode tertentu. Berikut adalah rumusnya:
Profit Margin = 𝑳𝒂𝒃𝒂 𝑩𝒆𝒓𝒔𝒊𝒉
𝑷𝒆𝒏𝒋𝒖𝒂𝒍𝒂𝒏
2) Return on Asset (ROA)
Rasio ini mengukur kemampuan perusahaan menghasilkan laba
bersih berdasarkan tingkat aset yang tertentu. ROA juga sering
disebut sebagai ROI (Return on Investment). Berikut adalah
rumusnya:
ROA = 𝑳𝒂𝒃𝒂 𝑩𝒆𝒓𝒔𝒊𝒉
𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒆𝒕
3) Return on Equity (ROE)
Rasio ini mengukur kemampuan perusahaan menghasilkan laba
berdasarkan modal saham tertentu. Rasio ini merupakan rasio
profitabilitas dari sudut pemegang saham. Berikut adalah
rumusnya:
ROE = 𝑳𝒂𝒃𝒂 𝑩𝒆𝒓𝒔𝒊𝒉
𝑴𝒐𝒅𝒂𝒍 𝑺𝒂𝒉𝒂𝒎
27
d. Rasio Aktivitas
Rasio aktivitas adalah rasio yang menggambarkan sejauh mana
suatu perusahaan mempergunakan sumber daya yang dimilikinya guna
menunjang aktivitas perusahaan, di mana penggunaan aktivitas ini
dilakukan secara maksimal dengan maksud memperoleh hasil yang
maksimal. Rasio ini bagi banyak praktisi dan analis bisnis menyebutnya
sebagai rasio pengelolaan aset (asset management ratio) (Fahmi, 2013:
77).
Menurut Hanafi dan Halim (2016: 74), rasio aktivitas merupakan
rasio yang mengukur sejauh mana efektivitas penggunaan asset dengan
melihat tingkat aktivitas aset. Rasio ini melihat pada beberapa aset
kemudian menentukan berapa tingkat aktivitas aktiva-aktiva tersebut
pada tingkat kegiatan tertentu. Aktivitas yang rendah pada tingkat
penjualan tertentu akan mengakibatkan semakin besarnya dana
kelebihan yang tertanam pada aktiva-aktiva tersebut. Berikut adalah
yang termasuk rasio aktivitas menurut Fahmi (2013: 77-80), yaitu:
1) Inventory Turnover
Rasio ini melihat sejauh mana tingkat perputaran persediaan yang
dimiliki oleh perusahaan. Berikut adalah rumusnya:
Inventory Turnover = 𝑪𝒐𝒔𝒕 𝒐𝒇 𝑮𝒐𝒐𝒅 𝑺𝒐𝒍𝒅
𝑨𝒗𝒆𝒓𝒂𝒈𝒆 𝑰𝒏𝒗𝒆𝒏𝒕𝒐𝒓𝒚
28
2) Day Sales Outstanding
Rasio ini disebut juga dengan rata-rata periode pengumpulan
piutang. Mengkaji tentang bagaimana suatu perusahaan melihat
periode pengumpulan piutang yang akan terlihat. Berikut adalah
rumusnya:
Day Sales Outstanding = 𝑹𝒆𝒄𝒆𝒊𝒗𝒂𝒃𝒍𝒆
𝑪𝒓𝒆𝒅𝒊𝒕 𝑺𝒂𝒍𝒆𝒔/ 𝟑𝟔𝟎
3) Fixed Asset Turnover
Rasio ini disebut juga dengan perputaran aktiva tetap. Rasio ini
melihat sejauh mana aktiva tetap yang dimiliki oleh suatu
perusahaan memiliki tingkat perputaran secara efektif, dan
memberikan dampak pada keuangan perusahaan. Berikut adalah
rumusnya:
Fixed Asset Turnover = 𝑺𝒂𝒍𝒆𝒔
𝑭𝒊𝒙𝒆𝒅 𝑨𝒔𝒔𝒆𝒕−𝑵𝒆𝒕
4) Total Assets Turnover
Rasio ini disebut juga dengan perputaran total aset. Rasio ini
melihat sejauh mana keseluruhan aset yang dimiliki oleh
perusahaan terjadi perputaran secara efektif. Adapun rumusnya
adalah sebagai berikut:
Total Assets Turnover = 𝑺𝒂𝒍𝒆𝒔
𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔
29
3. Ukuran Perusahaan (Firm Size)
a. Pengertian Ukuran Perusahaan
Menurut Brigham dan Houston (2010: 4), ukuran perusahaan
merupakan besar kecilnya sutau perusahaan yang ditunjukkan atau
dinilai oleh total aset, total penjualan, jumlah laba, beban pajak dan
lain-lain.
Ukuran perusahaan (firm size) merupakan besar kecilnya
perusahaan yang dapat diukur dengan total aktiva atau besar harta
perusahaan dengan menggunakan perhitungan nilai logaritma total
aktiva (Hartono, 2016: 480).
Jika dilihat dari pengertian ukuran perusahaan, ukuran perusahaan
seharusnya dapat mempengaruhi kinerja, karena semakin besar ukuran
perusahaan maka semakin baik juga perusahaan yang menyebabkan
tercapainya tujuan yang dinginkan oleh perusahaan.
b. Klasifikasi Ukuran Perusahaan
Undang-Undang No. 20 Tahun 2008 mengklasifikasi ukuran
perusahaan ke dalam 4 klasifikasi. Pengklasifikasian ukuran
perusahaan ini didasarkan pada total aset yang dimiliki dan total
penjualan tahunan perusahaan tersebut. Undang-Undang No. 20 Tahun
2008 memaparkan dan mengidentifikasikannya kedalam beberapa
bentuk, yaitu:
30
1. Usaha Mikro
Merupakan usaha produktif milik orang atau perorangan dan/atau
badan usaha perorangan yang memiliki kriteria usaha mikro
sebagaimana diatur dalam UU ini.
2. Usaha Kecil
Usaha ekonomi produktif yang berdiri sendiri yang dilakukan oleh
perorangan atau badan usaha yang bukan merupakan anak
perusahaan atau bukan cabang perusahaan yang dimiliki, dikuasai,
atau menjadi bagian baik langsung maupun tidak langsung dari
usaha menengah atau usaha besar yang memenuhi kriteriia usaha
kecil sebagaimana dimaksud dalam UU ini.
3. Usaha Menengah
Merupakan usaha ekonomi produktif yang berdiri sendiri, yang
dilakukan oleh orang perorangan atau badan usaha yang bukan
merupakan anak perusahaan atau cabang perusahaan yang dimiliki,
dikuasai, atau menjadi bagian baik langsung maupun tidak langsung
dengan usaha kecil atau besar dengan jumlah kekayaan bersih atau
hasil penjualan tahunan sebagaimana diatur dalam undang-undang
ini.
4. Usaha Besar
Merupakan usaha ekonomi produktif yang dilakukan badan usaha
dengan jumlah kekayaan bersih atau hasil penjualan tahunan lebih
31
besar dari usaha menengah, yang meliputi usaha nasional milik
negara atau swasta, usaha patungan, dan usaha asing yang
melakukan kegiatan ekonomi di Indonesia.
Kriteria perusahaan yang diatur dalam UU No. 20 Tahun 2008
adalah sebagai berikut:
Tabel 2. 1
Kriteria Ukuran Perusahaan
Ukuran
Perusahaan
Kriteria
Aset (Tidak
termasuk tanah
dan bangunan
tempat usaha)
Penjualan
Tahunan
Usaha Mikro Maksimal 50 Juta
Rupiah
Maksimal 300 Juta
Rupiah
Usaha Kecil 50 Juta Rupiah ≤ X
≤ 500 Juta Rupiah
300 Juta Rupiah -2.5
Milyar Rupiah
Usaha Menengah 10 Juta Rupiah ≤ X
≤ 10 Milyar Rupiah
2.5 Milyar Rupiah –
50 Milyar Rupiah
Usaha Besar > 10 Milyar Rupiah Lebih dari 50 Milyar
Rupiah
Sumber: UU No. 20 Tahun 2008
c. Pengukuran Ukuran Perusahaan
Ukuran perusahaan menggambarkan besarnya aktiva yang
dimiliki perusahaan. Penggunaan total aset sebagai proksi ukuran
perusahaan dikarenakan aset merupakan gambaran kekayaan yang
32
dimiliki oleh suatu perusahaan pada waktu tertentu. Perhitungan ukuran
perusahaan diproksikan dengan nilai logaritma dari total aset (Hartono,
2016: 480), yaitu :
Firm Size = (Ln)of Total Assets
4. Financial Distress
a. Pengertian Financial distress
Menurut Karen Wruck dalam Rodoni dan Ali (2014: 186),
financial distress adalah situasi di mana arus kas operasi perusahaan
tidak cukup, untuk memenuhi kewajiban perusahaan (seperti kredit
perdagangan atau biaya bunga) dan perusahaan ditekan untuk
melakukan kegiatan perbaikan. Hal ini mengakibatkan perusahaan
melalaikan kontrak dan akan terlibat pada restrukturalisasi keuangan
antara perusahaan, kreditornya dan hak layak investornya.
Menurut Atmaja (2008: 258), financial distress adalah kondisi di
mana perusahaan mengalami kesulitan keuangan dan terancam
bangkrut. Jika perusahaan mengalami kebangkrutan maka akan
timbul biaya kebangkrutan (Bankruptcy Cost) yang disebabkan oleh:
keterpaksaan menjual aktiva dibawah harga pasar, biaya likuidasi
perusahaan rusaknya aktiva tetap dimakan waktu sebelum terjual, dsb.
Bankruptcy cost ini termasuk “Direct cost of financial distress”.
Selain itu, ancaman akan terjadinya financial distress juga merupakan
biaya karena manajemen cenderung menghabiskan waktu untuk
33
menghindari kebangkrutan daripada membuat keputusan perusahaan
yang baik. Ini termasuk “Indirect cost of financial distress”.
Menuru Rudianto (2013: 251), kebangkrutan diartikan sebagai
kegagalan perusahaan dalam menjalankan operasi untuk mencapai
tujuannya. Kegagalan ekonomis berarti bahwa pendapatan perusahaan
tidak dapat menutup biayanya sendiri. Sedangkan kegagalan
keuangan berarti perusahaan tidak dapat memenuhi kewajibannya
ketika harus dipenuhi.
Menuru Bearley et al (2007: 19), kebangkrutan hanyalah
mekanisme hukum yang mengizinkan kreditor (yaitu, peminjam)
mengambil alih perusahaan ketika penurunan nilai asetnya memicu
kegagalan pembayaran utang yang ada. Jika perusahaan tidak dapat
membayar utangnya, perusahaan diambil alih kreditor, yang menjadi
pemilik baru; pemegang saham lama tidak mendapatkan apa-apa.
Kebangkrutan bukan penyebab penurunan nilai perusahaan.
Kebangkrutan merupakan hasil penurunan nilai perusahaan.
b. Jenis Financial distress
Menurut (Rudianto, 2013: 252) terdapat tiga jenis kegagalan dalam
perusahaan, yaitu:
1) Perusahaan yang menghadapi technically insolvent, jika
perusahaan tidak dapat memenuhi kewajibannya yang segera jatuh
tempo tetapi nilai aset perusahaan lebih tinggi daripada utangnya.
34
2) Perusahaan yang menghadapi legally insolvent, jika nilai
perusahaan lebih rendah daripada nilai utang perusahaan.
3) Perusahaan yang menghadapi kebangkrutan, yaitu jika tidak dapat
membayar utangnya dan oleh pengadilan dinyatakan pailit.
c. Faktor Penyebab Financial distress
Menurut Rodoni dan Ali (2014: 189-190) ditinjau dari aspek
keuangan, maka terdapat tiga keadaan yang dapat menyebabkan
financial distress yaitu:
1) Faktor ketidakcukupan modal atau kurang modal
Ketidakseimbangan aliran penerimaan uang yang bersumber
pada penjualan atau penagihan piutang dengan pengeluaran uang
untuk membiayai operasi perusahaan tidak mampu menarik dana
untuk memenuhi kekurangan dana tersebut, maka perusahaan
akan berada pada posisi tidak likuid.
2) Besarnya beban utang dan bunga
Apabila perusahaan mampu menarik dana dari luar, misalnya
kredit dari bank untuk menutup kekurangan dana, maka masalah
likuiditas perusahaan dapat teratasi untuk sementara waktu.
Tetapi kemudian timbul persoalan baru yaitu adanya keterikatan
kewajiban untuk membayar kembali pokok pinjaman dan bunga
kredit. Walaupun demikian hal ini tidak membahayakan
perusahaan dan masih memberikan keuntungan bagi perusahaan
35
apabila tingkat bunga lebih rendah dari tingkat investasi harta
(return to assets) dan perusahaan melakukan apa yang disebut
dengan manajemen risiko atas hutang yang diterimanya.
3) Menderita kerugian
Pendapatan yang di peroleh perusahaan harus mampu menutup
seluruh biaya yang dikeluarkan dan menghasilkan laba bersih.
Besarnya laba bersih sangat penting bagi perusahaan untuk
melakukan reinvestasi, sehingga akan menambah kekayaan
bersih perusahaan dan meningkatkan ROE (Return On Equity)
untuk menjamin kepentingan pemegang saham. Oleh karena itu,
perusahaan harus selalu berupaya meningkatkan pendapatan dan
mengendalikan tingkat biaya. Ketidakmampuan perusahaan
mempertahankan keseimbangan pendapatan dengan biaya,
niscaya perusahaan akan mengalami financial distress.
Ketiga aspek tersebut saling berkaitan. Oleh karena itu, harus
dijaga keseimbangannya agar perusahaan terhindar dari kondisi
financial distress yang akan mengarah pada kebangkrutan. Caranya
adalah dengan (Rodoni dan Ali, 2014: 190):
1) Kemampuan memperoleh laba
Kemampuan perusahaan untuk memperoleh laba yang cukup dari
modal yang digunakan. Jadi setiap pendapatan harus
menghasilkan laba kotor (gross profit) jauh diatas biaya
36
operasional agar menghasilkan laba kotor sisa yang disebut biaya
laba bersih (net profit). Setiap laba bersih kemudian harus
diinvestasikan perusahaan guna memperbesar dana perusahaan.
2) Tingkat utang dalam struktur permodalan
Manajemen risiko atas utang ini sangat penting terutama apabila
utang yang diterima tidak dalam mata uang yang sama dengan
pendapatan yang diperoleh perusahaan. Ketidakmampuan
perusahaan melakukan manajemen risiko atas utangnya dapat
mengakibatkan perusahaan harus mendapatkan risiko menderita
kerugian yang seharusnya tidak perlu terjadi.
3) Likuiditas
Kemampuan perusahaan untuk membiayai kegiatan operasional
perusahaan dan mebayar kewajiban jangka pendeknya dengan
harta lancarnya terutama kas. Oleh karena itu, perusahaan harus
menjaga kualitas dan tingkat investasi piutang dan persediaan
dalam arti kecepatan mengubah kas denga risiko yang paling
kecil.
d. Tujuan Financial distress
Manajemen harus mampu mengantisipasi berbagai perkembangan
global yang berpengaruh terhadap perusahaan agar mampu bertahan
dan tidak mengalami kebangkrutan. Salah satu alat analisis yang dapat
digunakan untuk mengetahui kondisi perusahaan sejak dini adalah
37
analisis kebangkrutan usaha (Deanta, 2009: 151). Analisis ini
bertujuan memberikan informasi terkait kebangkrutan kepada
beberapa pihak yang terkait. Informasi kebangkrutan bisa bermanfaat
bagi beberapa pihak seperti berikut ini (Hanafi dan Halim, 2016: 259):
1) Pemberi pinjaman
Informasi kebangkrutan bisa bermanfaat untuk mengambil
keputusan siapa yang akan diberi pinjaman, dan kemuddian
bermanfaat untuk kebijakan memonitor pinjaman.
2) Investor
Sangat berkepentingan melihat adanya kemungkinan bangkrut
atau tidaknya perusahaan yang menjual surat berharga. Investor
dapat melihat tanda-tanda kebangkrutan dan kemudian
mengantisipasi kemungkinan tersebut.
3) Pihak Pemerintah
Pemerintah memiliki tanggungjawab untuk mengawasi jalannya
usaha, dan pemerintah juga memiliki badan-badan usaha yang
perlu diawasi (BUMN). Pemerintah mempunyai kepentingan
untuk melihat tanda-tanda kebangkrutan lebih awal supaya
tindakan-tindakannya yang perlu bisa dilakukan lebih awal.
38
4) Akuntan
Mempunyai kepentingan terhadap informasi kelangsungan suatu
usaha karena akuntan akan menilai kemampuan going concern
suatu perusahaan.
5) Manajemen
Manajemen perlu mendeteksi kebangkrutan dari awal karena
berdasarkan suatu penelitian menunjukkan biaya kebangkrutan
mencapai 11-17% dari nilai perusahaan. Apabila manajemen bisa
mendeteksi dari awal, maka tindakan-tindakan penghematan dapat
dilakukan, missal dengan melakukan merger atau restrukturisasi
keuangan sehingga biaya kebangkrutan bisa dihindari.
e. Model Financial distress
1) Model Altman Z-Score
Edward I. Altman di New York University, adalah salah satu
peneliti awal yang mengkaji pemanfaatan analisis rasio keuangan
sebagai alat ukur untuk memprediksi kebangkrutan perusahaan.
Hasil penelitian yang dilakukan Altman menghasilkan rumus yang
disebut Z-Score. Rumus ini adalah model rasio yang
menggunakan Multiple Discriminant Analysis (MDA) (Rudianto,
2013: 254).
Beberapa penelitian yang berhubungan dengan kasus dan
fenomena kebangkrutan telah dilakukan. Edward I. Altman (1968)
39
adalah salah satu peneliti awal yang melakukan penelitian
tersebut. Penelitian yang dilakukan Altman menghasilkan rumus
yang disebut Z-Score. Analisis Z-Score adalah model untuk
memprediksi kebangkrutan hidup perusahaan dengan
mengkombinasikan beberapa rasio keuangan yang umum dan
pemberian bobot yang berbeda satu dengan lainnya. Berikut
adalah rumus Altman Z-Score (Rudianto, 2013: 254-258):
a) Model Altman Pertama (1968)
Rumus Z-Score pertama dihasilkan Altman pada tahun
1968, rumus dihasilkan dari penelitian atas berbagai
perusahaan manufaktur di Amerika Serikat yang menjual
sahamnya di bursa efek. Karena itu, rumus tersebut lebih
cocok digunakan untuk memprediksi keberlangsungan usaha
perusahaan-perusahaan manufaktur yang go public. Rumus
pertama tersebut adalah sebagai berikut:
Z-Score = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X4 + 0,999 X5
Keterangan:
X1 = working capital / total asset
X2 = retained earnings / total asset
X3 = earning before interest and taxes/total asset
X4 = market value of equity / book value of total debt
X5 = sales / total asset.
40
Hasil perhitungan dengan menggunakan rumus Z-Score
tersebut akan menghasilkan skor yang berbeda antara satu
perusahaan dengan perusahaan lainnya. Skor tersebut harus
dibandingkan dengan standar penilaian berikut ini untuk
menilai keberlangsungan hidup perusahaan:
Jika nilai indeks Z < 2,99 = Zona “Aman”, yaitu termasuk
perusahaan yang tidak bangkrut.
Jika nilai indeks 1,81 < Z > 2,99 = Zona “Abu-abu”, yaitu
termasuk grey area (tidak dapat ditentukan apakah
perusahaan sehat ataupun mengalami kebangkrutan).
Jika nilai indeks Z < 1,81 = Zona “Berbahaya”, yaitu
termasuk perusahaan yang bangkrut.
Model kebangkrutan Altman memiliki sejumlah
keterbatasan yang menjadi hambatan untuk diaplikasikan
pada perusahaan di berbagai bidang belahan dunia dengan
kondisi yang berbeda. Beberapa kelemahan tersebut antara
lain:
Dalam membentuk model ini hanya memasukan
perusahaan manufaktur yang go public saja. Sedangkan
perusahaan dari jenis lain memiliki hubungan yang
berbeda antara total modal kerja dan variabel lain yang
digunakan dalam analisis rasio.
41
Penelitian yang dilakukan Altman pada tahun 1946
sampai 1965 tentu saja berbeda dengan kondisi sekarang,
sehingga proporsi untuk setiap variabel sudah kurang
tepat lagi untuk digunakan.
b) Model Altman Revisi (1983)
Pada tahun 1984 Altman melakukan penelitian kembali di
berbagai negara. Penelitian ini menggunakan berbagai
perusahaan manufaktur yang tidak go public. Karena itu, rumus
dari hasil penelitian tersebut lebih tepat digunakan untuk
perusahaan manufaktur yang tidak menjual sahamnya di bursa
efek. Hasil penelitian tersebut menghasilkan rumus Z-Score
yang kedua untuk perusahaan-perusahaan manufaktur yang
tidak go public sebagai berikut:
Z-Score = 0,717 X1 + 0,847 X2 + 3,108 X3 +0,42 X4 +
0,988 X5
Keterangan:
X1 = working capital / total asset
X2 = retained earnings / total asset
X3 = earning before interest and taxes/total asset
X4 = book value of equity / book value of total debt
X5 = sales / total asset.
42
Klasifikasi perusahaan yang sehat dan bangkrut didasarkan
pada nilai Z-Score model Altman (1983), yaitu:
Bila Z > 2.9 = Zona “Aman” (Pada kondisi ini, perusahaan
berada pada kondisi yang sehat sehingga kecil
kemungkinan terjadi kebangkrutan)
Bila 1.23 < Z < 2.9 = Zona “Abu-abu” (Pada kondisi ini,
perusahaan mengalami Financial distress yang harus
ditangani dengan penanganan managemen yang tepat. Jika
terlambat, dan tidak tepat penanganannya, perusahaan
dapat mengalami kebangrutan. Jadi pada grey area ini ada
kemungkinan perusahaan bangkrut atau survive dari masa
Financial distress)
Bila Z < 1.23 = Zona “Distress” (Pada kondisi ini,
perusahaan mengalami Financial distress dan berisiko
tinggi mengalami kebangkrutan)
c) Model Altman Modifikasi (1995)
Setelah melakukan penelitan dengan objek berbagai
perusahaan manufaktur dan menghasilkan 2 rumus prediksi
kebangkrutan, Altman tidak berhenti. Altman melakukan
penelitian lagi mengenai potensi kebangkrutan perusahaan selain
perusahaan-perusahaan manufaktur, baik yang go public maupun
yang tidak, dan cocok digunakan di negara berkembang seperti
43
Indonesia. Hasil penelitian tersebut menghasilkan rumus Z-Score
ketiga untuk berbagai jenis perusahan sebagai berikut:
Z-Score = 6,56 X1 + 3,26 X2 + 6,72 X3 + 1,05 X4
Keterangan:
Modal Kerja terhadap Total Aset (X1)
Rasio ini digunakan untuk mengukur likuiditas dengan
membandingkan aset likuid bersih dengan total aset. Aset
likuid bersih atau modal kerja didefinisikan sebagai aset
lancar dikurangi total kewajiban lancar (aset lancar – utang
lancar). Umumnya bila perusahaan mengalami kesulitan
keuangan, modal kerja akan turun lebih cepat ketimbang
total aset sehingga menyebabkan rasio ini turun (Rudianto,
2013: 255).
X1 = 𝑾𝒐𝒓𝒌𝒊𝒏𝒈 𝑪𝒂𝒑𝒊𝒕𝒂𝒍
𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔
Laba Ditahan terhadap Total Aset (X2)
Rasio ini merupakan rasio profitabilitas yang mendeteksi
kemampuan perusahaan dalam menghasilkan keuntungan.
Rasio ini mengukur besarnya kemampuan perusahaaan
bersangkutan dalam memperoleh keuntungan, ditinjaui dari
kemampuan perusahaan bersangkutan dalam memperoleh
laba dibandingkan kecepatan perputaran operating assets
ukuran definisi usaha atau dengan kata lain, rasio ini
44
mengukur akumulasi laba selama perusahaan beroperasi
(Rudianto, 2013: 255).
X2 = 𝑹𝒆𝒕𝒂𝒊𝒏𝒆𝒅 𝑬𝒂𝒓𝒏𝒊𝒏𝒈
𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔
Laba Sebelum Bunga dan Pajak terhadap Total Aset (X3)
Rasio ini mengukur profitabilitas, yaitu tingkat
pengembalian atas aset, yang dihitung dengan membagi laba
sebelum bunga dan pajak (Earning Before Interest and Tax)
tahunan perusahaan dengan total aset pada neraca akhir
tahun. Rasio ini menjelaskan pentingnya pencapaian laba
perusahaan terutama dalam rangka memenuhi kewajiban
bunga para investor. Kemampuan untuk bertahan sangat
bergantung pada earning power asetnya. Karena itu, rasio ini
sangat sesuai digunakan dalam menganalisis rasio
kebangkrutan (Rudianto, 2013: 255).
X3 = 𝑬𝒂𝒓𝒏𝒊𝒏𝒈 𝑩𝒆𝒇𝒐𝒓𝒆 𝑰𝒏𝒕𝒆𝒓𝒆𝒔𝒕 𝒂𝒏𝒅 𝑻𝒂𝒙
𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔
Nilai Buku Ekuitas terhadap Nilai Buku Total Utang (X4)
Rasio ini menunjukkan kemampuan perusahaan untuk
memenuhi kewajiban-kewajiban dari nilai buku ekuitas.
Nilai buku ekuitas diperoleh dari seluruh jumlah ekuitas.
Nilai buku hutang diperoleh dengan menjumlahkan
kewajiban lancar dengan kewajiban jangka panjang.
45
X4 = 𝑩𝒐𝒐𝒌 𝑽𝒂𝒍𝒖𝒆 𝒐𝒇 𝑬𝒒𝒖𝒊𝒕𝒚
𝑩𝒐𝒐𝒌 𝑽𝒂𝒍𝒖𝒆 𝒐𝒇 𝑻𝒐𝒕𝒂𝒍 𝑫𝒆𝒃𝒕
Klasifikasi perusahaan yang sehat dan bangkrut didasarkan
pada nilai Z-Score model Altman Modifikasi yaitu:
Bila Z > 2.6 = Zona “Aman” (Pada kondisi ini, perusahaan
berada pada kondisi yang sehat sehingga kecil
kemungkinan terjadi kebangkrutan)
Bila 1.11 < Z < 2.6 = Zona “Abu-abu” (Pada kondisi ini,
perusahaan mengalami Financial distress yang harus
ditangani dengan penanganan manajemen yang tepat. Jika
terlambat, dan tidak tepat penanganannya, perusahaan
dapat mengalami kebangrutan. Jadi pada grey area ini ada
kemungkinan perusahaan bangkrut atau survive dari masa
Financial distress.
Bila Z < 1.11 = Zona “Distress” (Pada kondisi ini,
perusahaan mengalami Financial distress dan berisiko
tinggi mengalami kebangkrutan)
Altman mengklaim tingkat akurasi formulanya sebesar 95%
untuk periode prediksi satu tahun, dengan potensi error antara
10%-15%.
2) Model Springate
Menurut Rudianto (2013: 262) Springate Score dihasilkan
oleh Gordon L.V. Springate pada tahun 1978 sebagai
46
pengembangan dari Altman Z-Score. Model Springate adalah
model rasio yang menggunakan multiple discriminant analysis
(MDA). Dalam model MDA diperlukan lebih dari satu rasio
keuangan yang berkaitan dengan kebangkrutan perusahaan untuk
menghasilkan model yang baik. Untuk menentukan rasio-rasio
mana saja yang dapat mendeteksi kemungkinan kebangkrutan,
Springate menggunakan MDA untuk memilih 4 rasio dari 19 rasio
keuangan yang popular dalam literatur-literatur, yang mampu
membedakan dengan baik antara sinyal usaha yang pailit dan tidak
pailit. Rumus model Springate adalah:
S = 1,03 X1 + 3,07 X2 + 0,66 X3 + 0,4 X4
Keterangan:
a) Modal Kerja terhadap Total Aset (X1)
Rasio ini digunakan untuk mengukur likuiditas dengan
membandingkan aset likuid bersih dengan total aset. Aset
likuid bersih atau modal kerja didefinisikan sebagai aset lancar
dikurangi total kewajiban lancar (aset lancar – utang lancar).
Umumnya bila perusahaan mengalami kesulitan keuangan,
modal kerja akan turun lebih cepat ketimbang total aset
sehingga menyebabkan rasio ini turun (Rudianto, 2013: 255).
X1 = 𝑾𝒐𝒓𝒌𝒊𝒏𝒈 𝑪𝒂𝒑𝒊𝒕𝒂𝒍
𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔
47
b) Laba Sebelum Bunga dan Pajak terhadap Total Aset (X2)
Rasio ini mengukur profitabilitas, yaitu tingkat pengembalian
atas aset, yang dihitung dengan membagi laba sebelum bunga
dan pajak (Earning Before Interest and Tax) tahunan
perusahaan dengan total aset pada neraca akhir tahun. Rasio
ini menjelaskan pentingnya pencapaian laba perusahaan
terutama dalam rangka memenuhi kewajiban bunga para
investor. Kemampuan untuk bertahan sangat bergantung pada
earning power asetnya. Karena itu, rasio ini sangat sesuai
digunakan dalam menganalisis rasio kebangkrutan (Rudianto,
2013: 255).
X2 = 𝑬𝒂𝒓𝒏𝒊𝒏𝒈 𝑩𝒆𝒇𝒐𝒓𝒆 𝑰𝒏𝒕𝒆𝒓𝒆𝒔𝒕 𝒂𝒏𝒅 𝑻𝒂𝒙
𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔
c) Laba sebelum Pajak dan Likuiditas Lancar (X3)
Rasio ini menunjukkan perbandingan antara laba sebelum
pajak dengan jumlah kewajiban lancarnya. Berikut adalah
rumusnya:
X3 = 𝑬𝒂𝒓𝒏𝒊𝒏𝒈 𝑩𝒆𝒇𝒐𝒓𝒆 𝑻𝒂𝒙
𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔
d) Aset Lancar dan Liabilitas Lancar (X4)
Menurut Fahmi (2013: 66) rasio lancar (current ratio) adalah
ukuran yang umum digunakan atas solvensi jangka pendek,
kemampuan suatu perusahaan memenuhi kebutuhan utang
jatuh tempo. Berikut adalah rumusnya:
48
X4 = 𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑨𝒔𝒔𝒆𝒕𝒔
𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔
Klasifikasi perusahaan yang distress dan non distress pada nilai
S-Score model Springate , yaitu:
a) Jika nilai S < 0,862 maka perusahaan termasuk perusahaan distress
b) Jika nilai S > 0,862 maka perusahaan termasuk perusahaan non
distress
f. Cara Menangani Financial distress
Financial distress pada perusahaan dapat diatasi dengan beberapa
cara yaitu (Rodoni, Ali: 2014,187-188)
1) Berhubungan dengan aset perusahaan yaitu dengan menjual aset-
aset utama, melakukan merger dengan perusahaan lain,
menurunkan pengeluaran dan biaya penelitian dan
pengembangan.
2) Berhubungan dengan restrukturalisasi keuangan yaitu dengan
menerbitkan sekuritas baru, mengadakan negosiasi dengan bank
dan kreditor, dan bankrut. Financial distress dapat melibatkan
aset ataupun restrukturisasi keuangan.
g. Alternatif Perbaikan Financial distress
Menurut Hanafi dan Halim (2016: 260) berikut ini adalah
alternatif untuk perbaikan financial distress, yaitu:
1) Pemecahan secara informal
a) Dilakukan apabila masalah belum begitu parah
49
b) Masalah perusahaan hanya bersifat sementara, prospek masa
depan masih bagus cara:
- Perpanjangan (Extention): dilakukan dengan
memperpanjangan jatuh tempo utang-utang.
- Komposisi (Composition): dilakukan dengan mengurangi
besarnya tagihan
2) Pemecahan secara formal
Dilakukan apabila masalah sudah parah, kreditur ingin
mempunyai jaminan keamanan cara:
a) Apabila nilai perusahaan diteruskan > nilai perusahaan
dilikuidasi
Reorganisasi: dengan merubah struktur modal menjadi
struktur modal yang layak
b) Apabila nilai perusahaan diteruskan < nilai perusahaan
dilikuidasi
Likuidasi: dengan menjual aset-aset perusahaan.
50
B. Penelitian Terdahulu
Tabel 2. 2
Penelitian Terdahulu
No.
Nama
Peneliti
dan
Tahun
Terbit
Judul
Penelitian
Metodologi Penelitian Hasil
Persamaan Perbedaan
1. Waqas, H.
dan Rus, R.
M. (2018)
Predicting
Financial
distress:
Importance
ofAaccounting
and Firm-
specific Market
Variables for
Pakistan’s
Listed Firms
Menggunakan
Altman Z-
Score untuk
menghitung
financial
distress
Variabel X dan
Y sama yaitu
X Likuiditas,
Leverage,
Profitabilitas,
dan Firm Size
dan dan Y
adalah
Financial
distress
Menggunakan
Regresi
Logistik
Variabel X
tidak
menggunakan
rasio aktivitas
Tidak
menggunakan
Springrate
untuk
menghitung
financial
distress
Perusahaan
yang diteliti
adalah
perusahaan
yang terdaftar
di Pakistan
Stock
Exchange
Rasio
profitabilitas,
likuiditas,
leverage dan
firm size
memiliki
pengaruh
terhadap
financial
distress
2. Klepac, V.
dan
Hampel, D.
(2017)
Predicting
Financial
distress of
Agriculture
Companies in
EU
Menggunakan
Altman Z-
Score untuk
menghitung
financial
distress
Variabel X dan
Y sama yaitu
X Likuiditas,
Leverage,
Profitabilitas,
dan dan Y
adalah
Financial
distress
Perusahaan
yang diteliti
adalah
perusahaan
agrikultur
yang berada di
Eropa
Tidak
menggunakan
Springrate
untuk
menghitung
financial
distress
Hanya variabel
Profitabilitas
dan tipe
memiliki
pengaruh yang
signifikan.
51
No.
Nama
Peneliti
dan
Tahun
Terbit
Judul
Penelitian
Metodologi Penelitian Hasil
Persamaan Perbedaan
Menggunakan
model
Multivariate
Discriminatio
n Analysis
(MDA)
3. Hassan, E.
U.,
Zainuddin
Z. B. dan
Nordin, S.
B. (2018)
Predicting
Financial
Bankruptcy of
Five
Manufacturing
Sectors in
Pakistan Using
Logistic
Regression
Variabel X dan
Y sama yaitu
X Likuiditas,
Leverage,
Profitabilitas,
Aktivitas dan
Firm Size dan
dan Y adalah
Financial
distress
Menggunakan
Regresi
Logistik
Perusahaan
yang diteliti
adalah
perusahaan
yang terdaftar
di Pakistan
Stock
Exchange
Tidak
menggunakan
Springrate
untuk
menghitung
financial
distress
Dari 16 variabel
independen yang
diteliti
pengarunya
dengan financial
distress hanya
enam variabel
yang memiliki
pengaruh yaitu
returm on
equity, quick
ratio, current
ratio,
shareholder’s
equity to total
assets, sales to
current assets
and natural log
of total assets
4. Mihalovic,
M. (2016)
Performance
Comparison Of
Multiple
Discriminant
Analysis And
Logit Models In
Bankruptcy
Prediction
Variabel X
adalah rasio
likuiditas dan
Leverage dan
Y adalah
financial
distress
Menggunakan
model regresi
logistik
Menggunakan
Altman Z-
Score untuk
menghitung
Objek
penelitian
adalah
perusahaan
yang ada di
Republik
Slovakia
Menggunakan
model analisis
multiple
diskriminan
Semua rasio
pada penelitian
ini yaitu rasio
likuiditas dan
leverage
menghasilkan
hasil yang
signifikan. Ini
berarti semua
rasio pada
penelitian ini
berpengaruh
terhadap
52
No.
Nama
Peneliti
dan
Tahun
Terbit
Judul
Penelitian
Metodologi Penelitian Hasil
Persamaan Perbedaan
financial
distress
financial
distress
5. Shalwan,
T. M.
(2015)
The Effects of
Coorporate
Governance on
Financial
Performance
and Financial
distress:
Evidence from
Egypt
Menggunakan
Altman Z-
Score untuk
menghitung
financial
distress
Menggunakan
variabel X
Rasio
Leverage dan
Firm Size
untuk
mendeteksi
terjadinya
financial
distress
Menggunakan
Uji Asumsi
Klasik
Menggunakan
Regresi
Logistik
Tidak
menggunakan
Springrate
untuk
menghitung
financial
distress
Perusahaan
yang di teliti
adalah
perusahaan
yang berada di
Mesir
Hanya variabel
Leverage dan
tipe
kepemelikan
yang memiliki
pengaruh yang
signifikan.
6. Almansour
, B. Y.
(2015)
Empirical
Model for
Predicting
Finanacial
Failure
Variabel X dan
Y sama yaitu
X Likuiditas,
Leverage,
Profitabilitas,
dan Aktivitas
dan Y adalah
Financial
distress
Menggunakan
Regresi
Logistik
Menggunakan
an Multiple
Discriminan
Analysis
Perusahaan
yang diteliti
adalah
perusahaan
yang publik
(listed) di
Jordania
The results show
that working
capital to total
assets,current
asset to current
liabilities,
market value of
equity to book
value of debt,
retained
earnings to total
asset, anf sales
tototal asset are
significant
53
No.
Nama
Peneliti
dan
Tahun
Terbit
Judul
Penelitian
Metodologi Penelitian Hasil
Persamaan Perbedaan
7. Dewi, A.
R. S. dan
Wahyullan
a, E. (2019)
Analysis Of
Profit
Performance
And Asset
Management To
Financial
distress Bakrie
Group Company
Listing In
Indonesia Stock
Exchange
Variabel X
adalah
profitabilitas
dan variabel Y
adalah
financial
distress
Menggunakan
Altman Z-
Score untuk
menghitung
financial
distress
Menggunakan
model regresi
logistik
Tidak ada
rasio
likuiditas,
leverage, dan
aktivitas pada
variabel X di
jurnal ini
Tidak ada uji
deskriptif dan
uji asumsi
klasik
Perusahaan
yang diteliti
hanya Bakrie
Group
Tidak
menggunakan
Springrate
untuk
menghitung
financial
distress
Pada penelitian
ini hanya
variabel return
on asset dan
variabel
inventory turn
over yang
signifikan
terhadap
financial
distress.
8. Yadiati, W.
(2017)
The Influence Of
Profitability On
Financial
distress : A
Research On
Agricultural
Companies
Listed In
Indonesia Stock
Exchange
Variabel X
adalah
profitabilitas
dan variabel Y
adalah
financial
distress
Sama
menggunakan
Altman Z-
Score untuk
menghitung
financial
distress
Menggunakan
uji deskriptif
Studi Pada
Perusahaan
Pertanian yang
ada di BEI
tahun 2012-
2014
Tidak ada
rasio
likuiditas,
leverage, dan
aktivitas pada
variabel X di
jurnal ini
Rasio
profitabilitas
tidak signifikan
terhadap
financial
distress, itu
berarti
profitabilitas
pada penelitian
ini tidak
berpengaruh
terhadap
financial
distress
54
No.
Nama
Peneliti
dan
Tahun
Terbit
Judul
Penelitian
Metodologi Penelitian Hasil
Persamaan Perbedaan
9. Ardrian, A.
V., Andini,
R. dan
Raharjo, K.
(2017)
Pengaruh Rasio
Likuiditas,
Rasio Leverage,
Rasio Aktivitas
dan Rasio
Profitabilitas
terhadap
Financial
distress
Variable X dan
Y sama yaitu
X Likuiditas,
Leverage,
Aktivitas, dan
Profitabilitas
dan Y adalah
Financial
distress
Sama
menggunakan
uji deskriptif,
dan uji asumsi
klasik
Menggunakan
Altman Z-
Score untuk
menghitung
financial
distress
Perusahaan
yang dijadikan
objek adalah
perusahaan
manufaktur
periode 2013-
2015
Tidak ada
variabel X
firm size
Tidak
menggunakan
uji logistik
biner
Tidak
menggunakan
Springrate
untuk
menghitung
financial
distress
Pada penelitian
ini rasio
likuiditas,
leverage, dan
aktivitas
berpengaruh
terhadap
financial
distress. Hanya
variabel
profitabilitas
saja yang tidak
berpengaruh
terhadap
financial
distress.
10. Rahayu,
W. P. dan
Sopian, D.
(2017)
Pengaruh Rasio
Keuangan dan
Ukuran
Perusahaan
terhadap
Financial
Distress (Studi
Empiris pada
Perusahaan
Food and
Beverage di
Bursa Efek
Indonesia)
Variable X dan
Y sama yaitu
X Likuiditas,
Leverage, dan
Ukuran
Perusahaan.
Variabel Y
financial
distress
Menggunakan
Altman Z-
Score untuk
menghitung
financial
distress
Tidak ada
variabel X
rasio akivitas,
dan rasio
profitabilitas
pada jurnal ini
Hanya
menggunakan
uji F saja
Perusahaan
yang dijadikan
objek adalah
perusahaan
Food and
Beverage di
BEI periode
2013-2014
Hasil analisis uji
F (simultan)
menunjukkan
bahwa likuiditas,
leverage, sales
growth dan
ukuran
perusahaan
secara simultan
berpengaruh
signifikan
terhadap
financial
distress
55
No.
Nama
Peneliti
dan
Tahun
Terbit
Judul
Penelitian
Metodologi Penelitian Hasil
Persamaan Perbedaan
Tidak
menggunakan
Springrate
untuk
menghitung
financial
distress
11. Ayu, A. S.,
Handayani,
S. R. dan
Topowijon
o. (2017)
Pengaruh
Likuiditas,
Leverage,
Profitabilitas,
dan Ukuran
Perusahaan
terhadap
Financial
distress (Studi
pada Perusahaan
Manufaktur
Sektor Industri
Dasar dan Kimia
yang Terdaftar
di Bursa Efek
Indonesia tahun
2012-2015)
Variabel X dan
Y sama yaitu
X Likuiditas,
Leverage,
Profitabilitas
dan Ukuran
Perusahaan.
Variabel Y
financial
distress
Menggunakan
analisis regresi
logistik
Menggunakan
rasio interest
coverage ratio
untuk melihat
kondisi
financial
distress
Tidak ada
rasio aktivitas
pada variabel
X di jurnal ini
Perusahaan
yang dijadikan
objek adalah
perusahaan
Manufaktur
Sektor Industri
Dasar dan
Kimia yang
terdaftar di
BEI tahun
2012-2015
Tidak ada uji
asumsi klasik
Hanya rasio
profitabilitas
yaitu ROA yang
berpengaruh
signifikan
dengan financial
distress.
12. Damayanti
, L. D.,
Yuniarta,
G. D. dan
Sinarwati,
N. K.
(2017)
Analisis
Pengaruh
Kinerja
Keuangan,
Ukuran Komite
Audit Dan
Kepemilikan
Variabel X dan
Y sama yaitu
X Likuiditas,
Leverage, dan
Profitabilitas.
Variabel Y
Variabel X
tidak
menggunakan
ukuran komite
audit, dan
kepemilikan
manajerial
Hanya likuiditas,
Leverage, dan
Profitabilitas
yang
berpengaruh
signifikan
terhadap
56
No.
Nama
Peneliti
dan
Tahun
Terbit
Judul
Penelitian
Metodologi Penelitian Hasil
Persamaan Perbedaan
Manajerial
Terhadap
Prediksi
Financial
Distress (Studi
Pada Perusahaan
Manufaktur
Yang Terdaftar
Di Bursa Efek
Indonesia
Periode 2011-
2015)
financial
distress
pada skripsi
ini
Studi Pada
Perusahaan
Manufaktur
Yang
Terdaftar Di
Bursa Efek
Indonesia
Periode 2011-
2015
Menggunakan
regresi linear
berganda
Tidak
menggunakan
Altman Z-
Score dan
Springrate
untuk
menghitung
financial
distress
financial
distress
13. Nora, A. R.
(2016)
Pengaruh
Financial
Indicators,
Ukuran
Perusahaan dan
Kepemilikan
Institusional
terhadap
Financial
Distress
Variabel X dan
Y sama yaitu
X Likuiditas,
Leverage,
Aktivitas,
Profitabilitas,
dan Ukuran
Perusahaan
dan Y adalah
Financial
distress
Sama
menggunakan
uji deskriptif,
dan regresi
logistik
Pada variabel
X tidak
menggunakan
kepemilikan
institusional,
Sales Growth,
dan Operating
Capacicty
pada skripsi
ini
Tidak
menggunakan
uji asumsi
klasik
Menggunakan
rasio interest
Pada penelitian
ini hanya
variabel
profitabilitas
yang
berpengaruh
dengan financial
distress.
Sementara
variabel
likuiditas,
leverage,
operating
capacity, sales
growth, ukuran
perusahaan, dan
57
No.
Nama
Peneliti
dan
Tahun
Terbit
Judul
Penelitian
Metodologi Penelitian Hasil
Persamaan Perbedaan
Objek yang
digunakan
sama yaitu
perusahaan
properti dan
real estate
coverage ratio
untuk melihat
kondisi
financial
distress
Tidak
menggunakan
Springrate dan
Altman Z-
Score untuk
menghitung
financial
distress
kepemilikan
institusional
tidak
berpengaruh
dengan financial
distress.
14. Yudiawati,
R. dan
Indriani, A.
(2016)
Analisis
Pengaruh
Current Ratio,
Debt To Total
Asset Ratio,
Total Asset
Turnover, dan
Sales Growth
Ratio Terhadap
Kondisi
Financial
distress (Studi
Kasus Pada
Perusahaan
Manufaktur
Yang Terdaftar
Di BEI Tahun
2012-2014)
Variabel X dan
Y sama yaitu
X Likuiditas,
Leverage,
Aktivitas, dan
Profitabilitas,
dan Y adalah
Financial
distress
Sama
menggunakan
uji deskriptif
dan uji regresi
logistik
Menggunakan
rasio interest
coverage ratio
untuk melihat
kondisi
financial
distress
Tidak ada
variabel sales
growth pada
skripsi ini
untuk menjadi
variabel
dependen
Studi Pada
Perusahaan
Manufaktur
Yang
Terdaftar Di
Bursa Efek
Indonesia
Periode 2012-
2014
Tidak ada uji
asumsi klasik
Semua variabel
yang diuji yaitu
current ratio,
debt to total
asset ratio, total
asset turn over,
dan sales growth
memiliki
pengaruh positif
dan signifikan,
ini berarti semua
variabel
berpengaruh
terhadap
financial
distress
58
No.
Nama
Peneliti
dan
Tahun
Terbit
Judul
Penelitian
Metodologi Penelitian Hasil
Persamaan Perbedaan
Tidak
menggunakan
Altman Z-
Score dan
Springrate
untuk
menghitung
financial
distress
15. Cinantya,
I. A. P. dan
Merkusiwa
ti, N. K. L.
A. (2015)
Pengaruh
Coorporate
Governance,
Financial
Indicators, dan
Ukuran
Perusahaan pada
Fianancial
Distress
Variabel X dan
Y sama yaitu
X Likuiditas,
Leverage, dan
Ukuran
Perusahaan.
Variabel Y
financial
distress
Objek yang
digunakan
sama yaitu
perusahaan
properti dan
real estate
Sama
menggunakan
regresi logistik
Menggunakan
Springrate
untuk
menghitung
financial
distress
Variabel X
tidak
menggunakan
variabel
corporate
governance
pada skripsi
ini.
Tidak
menggunakan
Altman Z-
Score untuk
mengukur
financial
distress
Tidak
menggunakan
uji asumsi
klasik
Hanya
kepemilikan
institusi dan
ukuran
perusahaan yang
berpengaruh
signifikan
terhadap
financial
distress pada
penelitian ini.
Sumber: Kesimpulan Penelitian Terdahulu
59
Berdasarkan tabel 2.2 di atas, pada penelitian terdahulu variabel
dependen yang dipergunakan biasanya hanyalah satu model saja. Akan tetapi,
pada penelitian ini variabel dependen yaitu financial distress menggunakan dua
model, yaitu Model Altman Z-Score dan Model Springate yang nantinya
hasilnya dibandingkan. Selain itu, variabel independen pada penelitian ini
adalah rasio likuiditas (current ratio), rasio leverage (debt to total asset ratio),
rasio profitanilitas (return on asset), rasio aktivitas (total asset turnover), dan
firm size.
C. Kerangka Berfikir
Kerangka berpikir merupakan model konseptual tentang bagaimana
teori berhubungan dengan berbagai faktor yang telah diidentifikasi sebagai
masalah yang penting (Priadana dan Muis, 2009: 89). Financial distress
merupakan kesulitan keuangan merupakan situasi dimana arus kas operasi
tidak mencukupi untuk membiayai kewajiban sekarang yang ada seperti
membayar hutang usaha atau membayar bunga (Ross et al: 2008).
Dalam penelitian ini meneliti dua model Financial distress yaitu
Altman Z-Score Modifikasi dan Springate Kemudian dua model financial
distress tersebut berpengaruh atau tidak terhadap beberapa faktor yang
ditentukan oleh peneliti, yaitu likuiditas, leverage, profitabilitas, aktivitas dan
firm size. Berikut adalah kerangka berfikirnya:
60
Gambar 2. 1
Kerangka Pemikiran
61
D. Keterkaitan Antar Variabel
1. Rasio Likuiditas (Current Ratio) dan Kondisi Financial Distress
Menurut Rahayu dan Sopian (2017) Likuiditas menunjukkan
kemampuan suatu entitas dalam menutupi kewajiban lancar perusahaan
dengan memanfaatkan aktiva lancarnya. Perusahaan yang likuid biasanya
memilki kinerja yang bagus dan akan menghindarkan perusahaan dari
kemungkinan terjadinya financial distress. Untuk mampu
mempertahankan agar perusahaan tetap dalam kondisi likuid, maka
perusahaan harus memiliki dana lancar yang lebih besar dari hutang
lancarnya (Nora, 2016).
Menurut Jumingan (2017: 123) rasio yang umum digunakan dalam
analisis laporan keuangan adalah rasio lancar (current ratio, working
capital ratio atau disebut banker’s ratio) yang memberikan ukuran kasar
tentang tingkat likuiditas perusahaan. Current ratio diperoleh dengan jalan
membagi aktiva lancar dengan current liabilities. Aktiva lancar umumnya
meliputi kas, sekuritas, piutang usaha, dan persediaan. Kewajiban lancar
terdiri atas utang usaha, wesel tagih jangka pendek, utang jatuh tempo
yang kurang dari satu tahun, dan beban-beban akrual lainnya.
Jika sebuah perusahaan mengalami kesulitan keuangan, perusahaan
akan mulai membayar tagihan-tagihannya (utang usaha) secara lebih
lambat, meminjam dari bank dan seterusnya. Apabila kewajiban lancar
meningkat lebih cepat dibandingkan aktiva lancar, maka rasio lancar akan
62
turun dan hal ini bisa menimbulkan permasalahaan (Brigham dan Houston,
2010: 135). Ini diperkuat oleh penelitian yang dilakukan Widhiari dan
Merkusiwati (2015) dan Noviandri (2014) yang menyatakan bahwa
semakin rendah current ratio perusahaan, maka semakin besar
kemungkinan perusahaan mengalami financial distress karena perusahaan
tidak mampu memenuhi hutang jangka pendeknya.
2. Rasio Leverage (Debt Ratio) dan Kondisi Financial Distress.
Rasio Leverege (solvency ratios), yang menunjukan kemampuan
perusahaan untuk memenuhi seluruh kewajibannya baik jangka pendek
maupun jangka panjang (Ardian et al, 2016). Rasio leverage yang
digunakan pada penelitian ini adalah debt ratio atau rasio total hutang
terhadap total aset.
Rasio total hutang terhadap total aset, pada umumnya disebut rasio
hutang (debt ratio), mengukur persentase dana yang disediakan oleh
kreditur (Brigham dan Houston, 2010: 143). Rasio ini menunjukkan
proporsi seluruh aktiva yang didanai oleh hutang. Dengan kata lain,
menunjukan seberapa besar aktiva perusahaan dibiayai oleh hutang atau
seberapa besar hutang perusahaan berpengaruh terhadap pengelola aktiva.
Semakin banyak hutang perusahaan maka semakin tinggi kemungkinan
perusahaan tidak dapat memenuhi kewajibannya kepada kreditur sehingga
kemungkinan financial distress juga semakin tinggi.
63
Hal ini didukung oleh penelitian yang dilakukan Yudiawarti dan
Idriani (2017) dimana menyebutkan bahwa semakin tinggi tingkat debt to
total asset ratio, maka kemungkinan perusahaan mengalami financial
distress juga semakin tinggi karena hutang yang lebih besar dari asetnya.
Andre (2013), Hanifah dan Purwanto (2013), juga mengungkapkan bahwa
debt to total asset ratio merupakan rasio keuangan yang berpengaruh
positif dan signifikan dalam memprediksi terjadinya financial distress.
3. Rasio Profitabilitas (Return On Assets) dan Kondisi Financial Distress
Rasio Return on Assets merupakan rasio antara laba bersih terhadap
total aktiva yang digunakan untuk mengukur tingkat pengembalian total
aktiva. Jika tingkat pengembalian rendah itu akibat dari kemampuan untuk
menghasilkan laba perusahaan yang rendah ditambah biaya bunga yang
tinggi dikarenakan oleh penggunaan utangnya yang di atas rata-rata,
dimana keduanya telah menyebabkan laba bersihnya menjadi relatif
rendah (Brigham dan Houston, 2010: 148).
Itu berarti menandakan semakin besar ROA menunjukan kinerja
keuangan yang semakin baik. Hal ini berarti bahwa aktiva dapat lebih
cepat berputar dan meraih laba (Sofyan, 2010: 305). Hal ini dikuatkan
dengan penelitian yang dilakukan Hidayat dan Meiranto (2014), ROA
yang tinggi menunjukkan perusahaan mampu menggunakan aset yang
dimiliki untuk menghasilkan laba dari penjualan dan investasi yang
dilakukan oleh perusahaan tersebut, sehingga semakin efektif dan efisien
64
pengelolaan aktiva perusahaan yang akhirnya dapat mengurangi biaya
yang dikeluarkan perusahaan, dengan begitu perusahaan akan memperoleh
penghematan dan memperoleh kecukupan dana untuk menjalankan
usahanya sedangkan rasio return on total assets (ROA) yang rendah
menandakan kemungkinan perusahaan akan mengalami kesulitan
keuangan (financial distress) semakin besar.
Menurut Ayu et al (2017) dalam penelitiannya vаriаbel return on аsset
memiliki pengаruh yаng negаtif dаn signifikаn terhаdаp kondisi finаnciаl
distress itu berarti Semаkin bаnyаk lаbа bersih yаng dimiliki perusаhааn
mаkа perusаhааn semаkin terhindаr dаri finаnciаl distress.
4. Rasio Aktivitas (Total Asset Turnover) dan Kondisi Financial Distress
Menurut Yudiawati dan Indriani (2017) total asset turnover
merupakan rasio yang digunakan untuk mengukur perputaran semua
aktiva yang dimiliki perusahaan dan mengukur berapa jumlah penjualan
yang diperoleh dari tiap rupiah aktiva. Harahap (2002) mengatakan bahwa
rasio ini menunjukan perputaran total aktiva diukur dari volume penjualan
dengan kata lain seberapa jauh kemampuan perusahaan dalam
menggunakan seluruh aktiva yang dimiliki untuk menciptakan penjualan,
semakin besar rasio ini semakin baik.
Rasio perputaran total aktiva yang tinggi akan menunjukan semakin
efektif perusahaan dalam penggunaan aktivanya untuk menghasilkan
penjualan. Semakin efektif perusahaan menggunakan aktivanya untuk
65
menghasilkan penjualan diharapkan dapat memberikan keuntungan yang
semakin besar bagi perusahaan. Hal itu akan menunjukan semakin baik
kinerja keuangan yang dicapai oleh perusahaan sehingga kemungkinan
terjadinya financial distress semakin kecil. Hanafi dan Halim (2005)
menjelaskan rasio yang tinggi biasanya menunjukan manajemen yang
baik, sebaliknya rasio yang rendah harus membuat manajemen
mengevaluasi strategi, pemasaran, dan pengeluaran modalnya. Apabila
rasio ini rendah maka perusahaan tidak menghasilkan volume penjualan
yang cukup dibanding dengan investasi dalam aktivanya, hal ini
menunjukan kinerja yang tidak baik sehingga dapat mempengaruhi
keuangan perusahaan dan memicu terjadinya financial distress.
Hal ini diperkuat dengan penelitian Yudiawati dan Indriani (2017)
yang mengatakan bahwa semakin tinggi rasio total asset turnover suatu
perusahaan, maka semakin kecil kemungkinan perusahaan mengalami
financial distress. Hal tersebut didukung oleh penelitian dari Widhiari dan
Merkusiwati (2015), dan Noviandri (2014) yang menemukan pengaruh
negatif antara total asset turnover terhadap financial distress.
5. Firm Size dan Kondisi Financial distress
Ukurаn perusаhааn menggаmbаrkаn besаrnyа totаl аset yаng dimiliki
oleh perusаhааn. Semаkin besаr totаl аset perusаhааn mаkа kondisi
finаnciаl perusаhааn аkаn lebih stаbil dаn kuаt dаlаm kondisi finаnciаl
distress (Ayu et al, 2017). Firm size atau dapat dikatakan ukuran
66
perusahaan merupakan salah satu faktor yang dapat mempengaruhi
financial distress. Ukuran perusahaan menggambarkan besarnya aktiva
atau aset yang dimiliki perusahaan. Penggunaan total aset sebagai proksi
ukuran perusahaan dikarenakan aset merupakan gambaran kekayaan yang
dimiliki oleh suatu perusahaan pada waktu tertentu (Hartono: 2016, 480).
Ukuran perusahaan menggambarkan seberapa besar total aset yang
dimiliki perusahaan tersebut. perusahaan yang memiliki total aset yang
besar akan mudah melakukan diversifikasi dan cenderung lebih kecil
mengalami kebangkrutan. Semakin besar total aset yang dimilki
perusahaan diharapkan perusahaan semakin mampu dalam melunasi
kewajiban di masa depan, sehingga perusahaan dapat menghindari
permasalahan keuangan (Rahayu dan Sopian, 2017).
Menurut Nora (2016) perusahaan dengan pertumbuhan yang positif
memberikan suatu tanda bahwa ukuran perusahaan tersebut semakin
berkembang dan mengurangi kecenderungan ke arah kebangkrutan.
Ukuran suatu perusahaan menggambarkan seberapa besar total aset yang
dimiliki oleh perusahaan tersebut. Perusahaan yang memiliki total aset
yang besar menunjukkan sinyal yang positif bagi kreditur sebab
perusahaan akan mudah melakukan diversifikasi dan mampu melunasi
kewajiban di masa depan, sehingga perusahaan dapat menghindari
terjadinya financial distress.
67
E. Hipotesis
Hipotesis yang dibuat didasarkan oleh penelitian sebelumnya.
Berdasarkan landasan teori dan kerangka pemikiran diatas, diajukan hipotesis
penelitian sebagai berikut:
H1: Terdapat pengaruh secara simultan pengungkapan Rasio Likuiditas, Rasio
Leverage, Rasio Aktivitas, Rasio Profitabilitas dan Rasio Firm Size
terhadap financial distress dengan model Altman Z-Score Modifikasi
terhadap pada perusahaan Properti dan Real Estate yang terdaftar di BEI
periode 2013-2017.
H2: Terdapat pengaruh secara simultan pengungkapan Rasio Likuiditas, Rasio
Leverage, Rasio Aktivitas, Rasio Profitabilitas dan Rasio Firm Size
terhadap financial distress dengan model Springate pada perusahaan
Properti dan Real Estate yang terdaftar di BEI periode 2013-2017.
H3: Terdapat pengaruh secara parsial pengungkapan Rasio Likuiditas, Rasio
Leverage, Rasio Aktivitas, Rasio Profitabilitas dan Rasio Firm Size
terhadap financial distress dengan model Altman Z-Score Modifikasi
terhadap pada perusahaan Properti dan Real Estate yang terdaftar di BEI
periode 2013-2017.
H4: Terdapat pengaruh secara parsial pengungkapan Rasio Likuiditas, Rasio
Leverage, Rasio Aktivitas, Rasio Profitabilitas dan Rasio Firm Size
terhadap financial distress dengan model Springate pada perusahaan
Properti dan Real Estate yang terdaftar di BEI periode 2013-2017.
68
BAB III
METODOLOGI PENELITIAN
A. Ruang Lingkup Penelitian
Sifat pada penelitian ini merupakan penilitian kuantitatif. Penelitian
kuantitatif dapat diartikan sebagai model penelitian berlandaskan pada filsafat
positivisme, digunakan untuk meneliti pada populasi atau sempel tertentu
(Sugiyono: 2013). Peneliti mengambil sifat penelitian kuantitatif pada
penelitian ini karena data yang akan diolah pada penelitian adalah laporan
keuangan bank yang berbentuk angka.
Jenis penelitian yang digunakan untuk penelitian ini adalah studi pustaka.
Studi Pustaka adalah model pengumpulan data dengan mencari informasi lewat
buku, majalah, koran dan literatur ilmiah lainnya yang bertujuan untuk
membentuk sebuah landasan teori. Alasan peneliti mengambil jenis penelitian
studi pustaka karena sumber informasi dan landasan teori yang menjadi dasar
dari penelitian ini bersumber dari buku dan literatur terkait.
Penelitian ini dilakukan untuk menganalisis tingkat Financial distress pada
perusahaan properti dan real estate yang terdaftar di Bursa Efek Indonesia
(BEI) dengan berbagai model Financial distress yaitu dengan Model Altman
Z-Score Modifikasi, dan Model Springate membandingkannya mana hasil
yang paling baik dan akurat pada penelitian ini.
Periode penelitian ini adalah dari tahun 2013 sampai 2017. Alasan peneliti
mengambil periode sampai 2017 tersebut karena laporan keuangan terbaru
69
yang telah dipublikasikan masing-masing perusahaan adalah tahun 2017.
Sedangkan mengambil jangka waktu yang cukup lama, yaitu lima tahun dari
2013 sampai 2017 karena peneliti ingin melihat perubahan dan perkembangan
yang terjadi selama jangka waktu tersebut apakah memiliki perbedaan yang
besar atau tidak.
Sampel dalam penelitian ini adalah perusahaan Perbankan yang terdaftar di
Bursa Efek Indonesia (BEI) tahun 2013-2017. Pemilihan lokasi penelitian ini
karena dianggap sebagai rujukan yang tepat dalam memperoleh data yang
diperlukan berupa laporan keuangan serta dokumen penunjang lain yang
berkaitan dengan penelitian ini.
B. Model Penentuan Sampel
Sampel adalah seluruh himpunan bagian dari populasi yang anggotanya
disebut subyek dan anggota populasi adalah elemen (Suharso: 2007). Sampel
penelitian ini adalah perusahaan properti dan real estate yang terdaftar di Bursa
Efek Indonesia (BEI) periode 2013-2017. Lalu, perusahaan properti dan real
estate ini merupakan perusahaan yang melakukan listing di BEI minimal pada
periode 2013. Kemudian syarat berikutnya adalah perusahaan secara konstan
tiap tahunnya melaporkan laporan keuangannya dan tidak menyampaikan data
secara lengkap berkaitan dengan data yang diperlukan. Berikut adalah tabel
kriteria sampel pada penelitian ini:
70
Tabel 3. 1
Kriteria Sampel
No. Kriteria Sampel Jumlah
1. Perusahaan Properti dan Real Estate yang terdaftar
di BEI periode 2013-2017
54
2. Perusahaan yang melakukan listing di BEI minimal
pada periode 2013 (15)
3. Perusahaan yang tidak secara konstan tiap
tahunnya melaporkan laporan keuangannya dan
tidak menyampaikan data secara lengkap berkaitan
dengan data yang diperlukan
(1)
Total Sampel 38
Sampel Periode 2013-2017 5 Tahun
Total Keseluruhan Sampel (38 X 5 Tahun) 190
Sumber: Hasil Olah Data
Berdasarkan kriteria sampel yang dibutuhkan dan yang akan dipergunkan
dalam penelitian ini, didapatkan sebanyak 38 sampel perusahaan properti dan
real estate yang dapat digunakan sebagai sampel dalam penelitian ini, yaitu:
Tabel 3. 2
Sampel Perusahaan Properti dan Real Estate
No. Nama Perusahaan Kode Perusahaan
1. PT. Agung Podomoro Land Tbk. APLN
2. PT. Alam Sutera Realty Tbk. ASRI
3. PT. Bumi Citra Permai Tbk. BCIP
4. PT. Bekasi Fajar Industrial Estate Tbk. BEST
5. PT. Binakarya Jaya Abadi Tbk. BPIP
6. PT. Sentul City Tbk. BKSL
7. PT. Bumi Serpong Damai Tbk. BSDE
8. PT. Cowell Development Tbk. COWL
71
No. Nama Perusahaan Kode Perusahaan
9. PT. Ciputra Development Tbk. CTRA
10. PT. Duta Anggada Realty Tbk. DART
11. PT. Intiland Development Tbk. DILD
12. PT. Duta Pertiwi Tbk. DUTI
13. PT. Bakrieland Development Tbk. ELTY
14. PT. Megapolitan Development Tbk. EMDE
15. PT. Fortune Mate Indonesia Tbk. FMII
16. PT. Gading Development Tbk. GAMA
17. PT. Gowa Makassar Tourism Development Tbk. GMTD
18. PT. Perdana Gapuraprima Tbk. GPRA
19. PT. Greenwood Sejahtera Tbk. GWSA
20. PT. Jaya Real Properti Tbk. JPRT
21. PT. Kawasan Indutri Jababeka Tbk. KIJA
22. PT. Eureka Prima Jakarta Tbk. LCGP
23. PT. Lippo Cikarang Tbk. LPCK
24. PT. Lippo Karawaci Tbk. LPKR
25. PT. Modernland Realty Tbk. MDLN
26. PT. Megapolitan Kencana Tbk. MKPI
27. PT. Meropolitan Land Tbk. MTLA
28. PT. Metro Realty Tbk. MTSM
29. PT. City Retail Developments Tbk. NIRO
30. PT. Indonesia Prima Properti Tbk. OMRE
31. PT. Plaza Indonesia Realty Tbk. PLIN
32. PT. Pakuwon Jati Tbk. PWON
33. PT. Ristia Bintang Mahkotasejati Tbk. RBMS
34. PT. Roda Vivatex Tbk. RDTX
72
No. Nama Perusahaan Kode Perusahaan
35. PT. Pikko Land Development Tbk. RODA
36. PT. Danayasa Arthatama Tbk. SCBD
37. PT. Suryamas Dutamakmur Tbk. SMDM
38. PT. Summarecon Agung Tbk. SMRA
Sumber: Hasil Olah Data
C. Model Pengumpulan Data
Model pengumpulan data adalah suatu cara untuk memperoleh dan
mengumpulkan data yang diperlukan oleh peneliti.
1. Data Sekunder
Variabel-variabel yang dioperasionalkan dalam penelitian ini adalah
variabel-variabel yang terkandung dalam hipotesis, maka perlu
didefenisikan untuk memudahkan penelitian yang mana data diperoleh dari
data skunder. Data sekunder adalah data yang telah dikumpulkan oleh
pihak lain bukan oleh periset sendiri untuk tujuan lain. Data sekunder
diperoleh dari Indonesia Stock Exchange (IDX), jurnal, literature, dan
internet. Data yang digunakan adalah laporan keuangan tahunan dan
catatan laporan keuangan perusahaan dan IDX Statistics Book maupun
dalam website perusahaan pada periode 2013-2017.
2. Penelitian Kepustakaan
Studi kepustakaan (Library Research). Dalam hal ini, penulis
mempelajari buku–buku yang memuat teori yang berhubungan dengan
permasalahan yang di teliti, yaitu melalui tulisan ilmiah, masalah yang ada
73
hubungannya dengan penelitian ini dan dapat membantu memecahkan
masalah yang di teliti dan hasilnya akan dijadikan sebagai bahan
perbandingan terhadap informasi yang di dapatkan di lapangan.
D. Model Analisis Data
Dalam melakukan riset penelitian keuangan pada perusahaan properti
dan real estate data yang diperlukan adalah dalam bentuk rasio keuangan yang
diperoleh dari perusahaan properti dan real estate. Teknik analisis data yang
digunakan adalah sebagai alat untuk menjawab permasalahan yang ada pada
penelitian ini. Pengujian dalam penelitian ini dengan menggunakan regresi
logit untuk mengetahui kekuatan prediksi rasio keuangan terhadap penentuan
Financial distress suatu perusahaan.
1. Statistik Deskriptif
Pengukuran yang digunakan dalam penelitian ini adalah perhitungan
rasio keuangan dari model-model prediksi kebangkrutan untuk setiap
perusahaan. Data yang sudah dikumpulkan, dikelompokkan, dan dihitung
selanjutnya akan diolah dan dianalisis dengan menggunakan statistik
deskriptif oleh peneliti. Pengujian statistik deskriptif ini menggunakan alat
bantu software SPSS versi 22 untuk memudahkan peneliti untuk
mendapatkan data dalam memberikan informasi terkait variabel–variabel
yang digunakan. Statistik deskriptif memberikan gambaran atau deskripsi
suatu data (Ghozali: 2018).
74
2. Uji Multikolinearitas
Uji multikolinearitas diperlukan untuk mengatahui ada tidaknya
variabel independen yang memiliki kemiripan antar variabel independen
dalam suatu model. Kemiripan antar variabel independen akan
mengakibatkan korelasi yang sangat kuat. Selain itu uji ini juga
menghindari kebiasaan dalam proses pengambilan keputusan mengenai
pengaruh pada uji parsial masing-masing variabel independen terhadap
variabel dependen (Sujarweni: 2016, 230-231).
Multikolinearitas dapat dilihat dari nilai tolerance dan lawannya
Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap
variabel independen manakah yang dijelaskan oleh variabel independen
lainnya. Nilai cut off yang umum dipakai untuk menunjukkan adanya
multikolinieritas adalah nilai tolerance ≤ 0.10 atau sama dengan nilai VIF
≥ 10. (Ghozali: 2018, 1007-108). Menurut Montogomery et.al (2012: 17)
uji multikolinearitas sangat di rekomendasikan untuk di uji pada regresi
logistik, karena uji multikolinearitas bisa dijadikan pertimbangan untuk
menjalankan tahapan berikutnya (karena masalah ini sering terjadi) yaitu
regresi logistik.
3. Regresi Logistik Binary
Tahap selanjutnya yang harus dilakukan adalah untuk menjawab
masalah dalam penelitian ini. Hal ini dimaksudkan untuk mengetahui
variabel rasio yang berpengaruh signifikan terhadap potensi financial
75
distress. Untuk menjawab masalah tersebut penelitian ini menggunakan
alat regresi logistik binary yang di olah dengan menggunakan SPSS 22.
Menurut Ghozali (2018:325), pada dasarnya regresi logistik sama
dengan analisis diskriminan, perbedaan ada pada ketentuan jumlah sampel
dari masing-masing kategori. Jika pada analisis diskriminan jumlah
masing-masing sampel pada setiap kategori harus sama, sedangkan pada
regresi logistik tidak diharuskan jumlahnya sama. Selain itu, pada analisis
diskriminan variabel independen harus berupa metrik, sedangkan pada
regresi logistik variabel independen tidak hanya berupa metrik saja
melainkan bisa berupa kombinasi antara metrik dan nominal. Menurut
Santoso (2014:217), tujuan regresi logistik adalah pembuatan sebuah
model regresi untuk memprediksi besar variabel dependen yang berupa
variabel binary menggunakan data variabel independen yang sudah
diketahui besarnya.
Banyak dijumpai variabel response Y yang hanya mempunyai dua
kategori, seperti: sukses-gagal, ya-tidak, benar-salah, hidup-mati, hadir
bolos, pria-perempuan. Variabel dengan dua kategori ini sering disebut
variabel dikotomi (dichotomous variable) atau variabel biner (binary
variable). Analisis regresi logistik binary digunakan untuk melihat
pengaruh sejumlah variabel independen X1, X2, …, Xk terhadap variabel
dependen Y yang berupa variabel response biner yang hanya mempunyai
dua nilai atau juga untuk memprediksi nilai suatu variabel dependen Y
76
(yang berupa variabel biner) berdasarkan nilai variabel-variabel
independen X1, X2, …, Xk. (Uyanto, 2006:226).
Regresi logistik merupakan suatu teknik untuk membuat prediksi
terhadap variabel tergantung berskala nominal (variabel dummy) dengan
menggunakan variabel bebas berskala interval. Regresi logistik
merupakan bentuk khusus regresi yang diformulasikan untuk memprediksi
dan menerangkan satu variabel kategoris biner. Regresi logistik disebut
juga regresi biner karena variabel dependen yang diprediksi merupakan
variabel binner atau kategoris (Sarwono, 2013:18).
Pengujian hipotesis dilakukan dengan persamaan binary logistic
regression, menurut Asnawi dan Wijaya (2006: 214) bereda dengan
regresi biasa, maka car acara membacanya dinyatakan sebagai peluang.
Karena logit merupakan bentuk Non-Linear Probabily Model maka laju
peluang juga tidaklah linear. Secara sederhana model logit dapat
dinyatakan sebagai berikut:
LN 𝑷
𝟏−𝑷 = a +bX
Maka model regresi logistik yang digunakan dalam penelitian ini
adalah Binary Logistic Regression. Dimana variabel dependen berupa data
kategori “0” yaitu perusahaan yang non distress dan kategori “1” yaitu
perusahaan yang distress. Variabel independen pada penelitian ini adalah
Likuiditas (Current Ratio), Leverage (Debt to Asset Ratio), Profitabilitas
77
(Return on Asset), Aktivitas (Total Asset Turnover), dan Firm Size. Maka
persamaan regresi logistik yang digunakan sebagai berikut:
LN 𝑷
𝟏−𝑷 = bo + b1CR + b2DAR + b3ROA + b4TATO + b5FS + e
Keterangan
LN 𝑷
𝟏−𝑷 = Log dari perbandingan peluang antara Financial distress dan
non Financial distress
b0 = Konstanta
b1 = Koefisien regresi Current Ratio
b2 = Koefisien regresi Debt to Asset Ratio
b3 = Koefisien regresi Return on Asset
b4 = Koefisien regresi Total Asset Turnover
b5 = Koefisien regresi Firm Size
e = error
Dalam menganalisis regresi logistic binary dibutuhkan tahapan-
tahapan. Berikut ini adalah langkah-langkah dalam regresi logistic
binary:
1) Menilai Keseluruhan Model (Overall Model Fit)
Menurut Ghozali (2018: 332) langkah pertama adalah
menilai overall fit model terhadap data. Beberapa test statistik
diberikan untuk menilai hal ini. Hipotesis yang digunakan untuk
menilai model fit adalah sebagai berikut :
H0 = Model yang dihipotesiskan fit dengan data
78
Ha = Model yang dihipotesiskan tidak fit dengan data
Dari hipotesis ini jelas bahwa kita tidak akan menolak
hipotesis nol agar model fit dengan data. Statistik yang digunakan
berdasarkan pada fungsi likelihood. Likelihood L dari model adalah
probabilitas bahwa model yang dihipotesiskan menggambarkan data
input. Untuk menguji hipotesis nol dan alternatif, L
ditransformasikan menjadi -2LogL. Menurut Sujarweni (2016: 211)
adanya penurunan nilai -2LL awal dengan nilai -2LL pada langkah
berikutnya menunjukkan bahwa model yang dihipotesiskan fit
dengan data.
2) Koefisien Determinasi (Cox dan Snell’s R Square)
Cox dan Snell’s R square merupakan ukuran yang mencoba
meniru ukuran R2 pada multiple regression yang didasarkan pada
teknik estimasi likelihood dengan nilai maksimum kurang dari 1
(satu) sehingga sulit diinterpretasikan. Nagelkerke’s R square
merupakan modifikasi dari koefisien Cox dan Snell untuk
memastikan bahwa nilainya bervariasi dari 0 (nol) sampai 1 (satu).
Hal ini dilakukan dengan cara membagi nilai Cox dan Snell’s R2
dengan nilai maksimumnya. Nilai Nagelkerke’s R2 dapat
diinterpretasikan seperti nilai R2 pada multiple regression (Ghozali,
2018: 333).
79
3) Menguji Kelayakan Model Regresi (Hosmer and Lemeshow’s
Goodness of Fit Test)
Menurut Ghozali (2018: 333) Hosmer and Lemeshow’s
Goodness of Fit Test menguji hipotesis nol bahwa data empiris
cocok atau sesuai dengan model (tidak ada perbedaan antara model
dengan data sehingga model dapat dikatakan fit). Jika nilai statistik
Hosmer and Lemeshow’s Goodness of Fit Test sama dengan atau
kurang dari 0,05, maka hipotesis nol ditolak yang berarti ada
perbedaan signifikan antara model dengan nilai observasinya
sehingga Goodness fit model tidak baik karena model tidak dapat
memprediksi nilai observasinya. Jika nilai statistic Hosmer and
Lemeshow’s Goodness of Fit Test lebih besar dari 0,05, maka
hipotesis nol tidak dapat ditolak dan berarti model mampu
memprediksi nilai observasinya atau dapat dikatakan model dapat
diterima karena cocok dengan data observasinya.
4) Pengujian Hipotesis Penelitian
a) Uji Signifikansi Model Secara Simultan (Omnibus Test of
Model Coefficients)
Tabel Omnibus Test of Model Coefficients menunjukan
signifikansi model regresi biner logistik yang diperoleh dari
hasil penelitian. Apabila nilai Sig < a = 0,05 maka dapat
80
diasumsikan setidaknya ada satu variabel bebas yang
berpengaruh terhadap model (Pramesti, 2013: 64).
Tabel Omnibus Test of Model Coefficients menunjukan
signifikansi model regresi biner logistik yang diperoleh dari
hasil penelitian. Menurut Gio (2016: 242) Untuk menguji
apakah model regresi logistik yang melibatkan variabel bebas
signifikan secara statistik lebih baik/akurat dalam hal
mencocokan data dibandingkan model sebelumnya (tanpa
melibatkan variabel bebas), maka bandingkan nilai Sig. untuk
Step 1 (Step) yakni 0,000 terhadap tingkat signifikansi 0,05.
Nilai Sig. disebut juga dengan nilai probabilitas (p-value).
Pengujian koefisien regresi dilakukan untuk menguji
seberapa jauh semua variabel independen yang dimasukan
dalam model mempunyai pengaruh terhadap kemungkinan
perusahaan berada pada kondisi Financial distress. Adapun
hipotesis untuk menilai pengujian ini adalah sebagai berikut:
H0 : b1 = b2 = b3 = b4 = b5 = 0, yang artinya Likuiditas, Leverage,
Profitabilitas, Aktivitas, dan Firm Size secara simultan
tidak memiliki pengaruh terhadap prediksi kondisi
Financial distress.
Ha : b1 ≠ b2 ≠ b3 ≠ b4 ≠ b5 ≠ 0, yang artinya Likuiditas, Leverage,
Profitabilitas, Aktivitas, dan Firm Size secara simultan
81
memiliki pengaruh terhadap prediksi kondisi Financial
distress.
b) Uji Signifikansi Model Secara Parsial (Uji Wald)
Uji signifikansi di dalam model logit ini dilakukan sama
dengan uji t pada regresi linear berganda yaitu untuk mengetahui
apakah koefisien variabel independen di dalam model logit berbeda
dengan 0 atau tidak. Uji signifikansi model logit ini menggunakan
uji statistika Wald. Dari uji statistika Wald ini kita bisa mengetahui
apakah variabel independen mempengaruhi variabel dependen di
dalam model regresi logistik (Widarjono, 2010: 141). Menurut
(Sujarweni: 2016, 211) kriteria menerima ataupun menolaknya
adalah sebagai berikut:
Jika sig > 0.05, maka H0 ditolak dan Ha diterima
Jika sig < 0.05, maka H0 diterima dan Ha ditolak
Dalam regresi linear, baik sederhana maupun berganda, uji 𝑡
digunakan untuk menguji signifikansi dari koefisien regresi populasi
𝛽𝑖 secara individu. Pada regresi logistik, uji signifikansi koefisien
regresi populasi secara individu dapat diuji dengan uji Wald. Dalam
uji Wald, statistik yang diuji adalah statistik Wald (Wald statistic).
Nilai statistik dari uji Wald berdistribusi chi-kuadrat. Hipotesis nol
dari uji Wald menyatakan koefisien regresi populasi signifikan
secara statistika bernilai nol. Hal ini berarti pengaruh variabel bebas
82
terhadap variabel tak bebas tidak signifikan secara statistika.
Hipotesis alternatif menyatakan koefisien regresi populasi signifikan
secara statistika berbeda dari nol. Dengan kata lain, pengaruh
variabel bebas terhadap variabel tak bebas signifikan secara
statistika Menurut Field, 2009 dalam (Gio, 2016: 234).
Uji Wald digunakan untuk menguji signifikansi konstanta
dari setiap variabel independen yang masuk ke dalam model.
Adapun hipotesis untuk menilai pengujian ini adalah sebagai
berikut:
H0: b1 i = 0, yang artinya yang artinya Likuiditas, Leverage,
Profitabilitas, Aktivitas, dan Firm Size secara parsial tidak
memiliki pengaruh terhadap prediksi kondisi Financial distress.
Ha: b1 i ≠ 0, yang artinya yang artinya Likuiditas, Leverage,
Profitabilitas, Aktivitas, dan Firm Size secara parsial memiliki
pengaruh terhadap prediksi kondisi Financial distress.
E. Operasional Variabel Penelitian
1. Variabel Dependen
Pada penelitian ini variabel dependen yang digunakan adalah
financial distress, di mana objek yang digunakan adalah perusahaan
properti dan real estate. Data kategorial mengenai non distress diberikan
data dummy dengan skor “0” untuk yang memliki nilai Altman Z-Score >
83
2,6 dan data dummy dengan skor “1” untuk yang memliki nilai Altman Z-
Score < 2,6 atau distress. Berikut adalah rumus Z-Score Altman
modifikasi untuk berbagai jenis perusahaan (Rudianto, 2013:257-258):
Z = 6,56X1 + 3,26X2 +6,72X3 +1,05X4
Dimana:
a. Modal Kerja terhadap Total Aset (X1)
b. Laba Ditahan terhadap Total Aset (X2)
c. Laba Sebelum Bunga dan Pajak terhadap Total Aset (X3)
d. Nilai Buku Ekuitas terhadap Nilai Buku Total Utang (X4)
Sementara untuk menilai financial distress dengan model Springate
diberikan data dummy dengan skor “0” untuk yang memliki nilai Springate
> 0,862 atau non distress dan data dummy dengan skor “1” untuk yang
memliki nilai Springate < 0,862 atau distress. Berikut adalah rumus S-
Score:
S = 1,03 X1 + 3,07 X2 + 0,66 X3 + 0,4 X4
Dimana:
a. Modal Kerja terhadap Total Aset (X1)
b. Laba Sebelum Bunga dan Pajak terhadap Total Aset (X2)
c. Laba sebelum Pajak dan Likuiditas Lancar (X3)
d. Aset Lancar dan Liabilitas Lancar (X4)
84
2. Variabel Independen
a. Rasio Likuiditas
Menurut Rodhoni dan Ali (2014: 191) likuiditas adalah jumlah dana
tunai yang diperlukan perusahaan untuk membiayai pengeluarannya
dan biasanya sangat bergantung pada sifat bisnis perusahaan tersebut.
Perusahaan pada umumnya kekurangan likuid aset segera sebelum
episode kepailitan terjadi. Rasio likuiditas disebut juga dengan current
ratio dengan rumus:
CR = 𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑨𝒔𝒔𝒆𝒕𝒔
𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔
b. Rasio Leverage
Rasio financial leverage adalah alat dalam mempertimbangkan
kelalaian pada kontrak utang. Semakin tinggi utang perusahaan maka
semakin tinggi kemungkinan perusahaan tidak dapat memenuhi
kewajibannya. Dengan kata lain semakin banyak utang dapat
membawa perusahaan kepada kemungkinan insolvency dan
mengalami financial distress (Rodhoni dan Ali, 2014: 191). Berikut
adalah rumusnya:
DAR = 𝐓𝐨𝐭𝐚𝐥 𝐊𝐞𝐰𝐚𝐣𝐢𝐛𝐚𝐧
𝐓𝐨𝐭𝐚𝐥 𝐀𝐬𝐞𝐭
c. Rasio Profitabilitas
Profitabilitas perusahaan harus dilihat dari berbagai faktor dalam
memantau aspek likuiditas dan solvabilitas. Dalam jangka panjang,
perusahaan harus menghasilkan keuntungan yang cukup dari usahanya
85
sehingga mampu membayar kewajibannya. Kerugian yang terus
menerus akan segera memperburuk aspek solvabilitas perusahahaan
dan apabila perusahaan akan memperluas usahanya, perusahaan
memerlukan retained earning untuk memenuhi kebutuhanya, berikut
adalah rasio yang mengukur efektivitas pemakaian sumber daya oleh
perushaan (Rodhoni dan Ali, 2014: 192):
ROA = 𝑳𝒂𝒃𝒂 𝑩𝒆𝒓𝒔𝒊𝒉
𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒆𝒕
d. Rasio Aktivitas
Rasio aktivitas menujukkan seberapa efektif perusahaan menggunakan
sumber daya (harta atau modal) yang dimilikinya. Penggunaan sumber
daya perusahaan untuk menghasilkan penjualan. Sebaliknya, jika
rendah maka menandakan ketidakefektifan perusahaan dalam
menggunakan sumber daya, sehingga dapat dikatakan kinerja
perusahaan rendah (Rodhoni dan Ali, 2014: 192) . Berikut adalah rasio
yang mengukur efisiensi penggunaan aktiva untuk menghasilkan
penjualan:
TATO = 𝑺𝒂𝒍𝒆𝒔
𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕
e. Firm Size
Ukuran perusahaan seharusnya mempengaruhi bagaimana kondisi
perusahaan. Dilihat dari beberapa klasifikasi ukuran perusahaan yang
ada dalam Undang-Undang menggambarkan bahwa aset perusahaan
merupakan penentu dari ukuran perusahaan tersebut. Semakin besar
86
aset maka semkin besar pula nilai firm sizenya pada penelitian kali ini
diuji apakah ukuran perusahaan memiliki pengaruh/ berdampak pada
kondisi financial distress perusahaan atau tidak. Perhitungan ukuran
perusahaan diproksikan dengan nilai logaritma dari total aset (Hartono:
2016, 480), yaitu :
Firm Size = (Ln)of Total Assets
Tabel 3. 3
Operasional Variabel
Variabel Ukuran Tanda Indikator Skal
a
Likuiditas Current
Ratio
CR 𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑨𝒔𝒔𝒆𝒕𝒔
𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔 Rasi
o
Leverage Debt to
Total Asset
DAR 𝐓𝐨𝐭𝐚𝐥 𝐊𝐞𝐰𝐚𝐣𝐢𝐛𝐚𝐧
𝐓𝐨𝐭𝐚𝐥 𝐀𝐬𝐞𝐭 Rasi
o
Profitabilitas Return on
Asset
ROA 𝑳𝒂𝒃𝒂 𝑩𝒆𝒓𝒔𝒊𝒉
𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒆𝒕 Rasi
o
Aktivitas Total Asset
Turnover
TATO 𝑺𝒂𝒍𝒆𝒔
𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔 Rasi
o
Firm Size Firm Size FS (Ln) of Total
Assets
Rasi
o
Financial
distress
Model
Altman Z-
Score
Modifikasi
Z-Score Z = 6,56X1 +
3,26X2 +6,72X3
+1,05X4
Titik Cut Off:
Z-Score > 2,6
Non Distress
Z-Score < 2,6
Distress
Nom
inal
Model
Springate
S-Score S = 1,03 X1 + 3,07
X2 + 0,66 X3 + 0,4
X4
Titik Cut Off:
Nom
inal
87
Variabel Ukuran Tanda Indikator Skal
a
S-Score >
0,862 Non
Distress
S-Score <
0,862 Distress
Sumber: Kesimpulan Operasional Variabel Penelitian
88
BAB IV
ANALISIS DAN PEMBAHASAN
A. Gambaran Umum Objek Penelitian
Menurut peraturan perundang-undangan di Indonesia, pengertian mengenai
industri real estate tercantum dalam PDMN No.5 Tahun 1974 yang mengatur
tentang industri real estate. Dalam peraturan ini pada Pasal 6 Ayat 1, pengertian
industri real estate adalah suatu perusahaan yang bergerak dalam bidang
penyediaan, pengadaan, dan pematangan tanah bagi keperluan usaha-usaha
industri, termasuk industri pariwisata, yang merupakan suatu lingkungan yang
dilengkapi dengan prasarana- prasarana umum yang diperlukan.
Sedangkan definisi properti menurut SK Menteri Perumahan Rakyat
No.05/KPTS/BKP4N/1995, Pasal 1 Ayat 4 bahwa properti adalah tanah hak dan
atau bangunan permanen yang menjadi objek pemilik dan pembangunan.
Dengan kata lain, properti adalah industri real estate ditambah dengan hukum-
hukum seperti sewa dan kepemilikan.
Berdasarkan dengan definisi di atas. Pada penelitian ini perusahaan yang
diteliti adalah perusahaan properti dan real estate yang terdaftar di BEI Periode
2013-2017. Jumlah populasi dalam penelitian ini sebanyak 57 perusahaan.
Pengambilan sampel dilakukan dengan model purposive sampling dengan tujuan
untuk mendapatkan sampel yang representatif.
Berdasarkan kriteria dalam pemilihan sampel dalam penelitian ini,
perusahaan yang memenuhi kriteria untuk dijadikan sampel dalam penelitian ini
89
berjumlah 38 perusahaan. Berikut ini daftar perusahaan yang dijadikan sampel
dalam penelitian ini:
Tabel 4. 1
Sampel Perusahaan Properti dan Real Estate
No. Nama Perusahaan Kode Perusahaan
1. PT. Agung Podomoro Land Tbk. APLN
2. PT. Alam Sutera Realty Tbk. ASRI
3. PT. Bumi Citra Permai Tbk. BCIP
4. PT. Bekasi Fajar Industrial Estate Tbk. BEST
5. PT. Binakarya Jaya Abadi Tbk. BPIP
6. PT. Sentul City Tbk. BKSL
7. PT. Bumi Serpong Damai Tbk. BSDE
8. PT. Cowell Development Tbk. COWL
9. PT. Ciputra Development Tbk. CTRA
10. PT. Duta Anggada Realty Tbk. DART
11. PT. Intiland Development Tbk. DILD
12. PT. Duta Pertiwi Tbk. DUTI
13. PT. Bakrieland Development Tbk. ELTY
14. PT. Megapolitan Development Tbk. EMDE
15. PT. Fortune Mate Indonesia Tbk. FMII
16. PT. Gading Development Tbk. GAMA
17. PT. Gowa Makassar Tourism Development Tbk. GMTD
18. PT. Perdana Gapuraprima Tbk. GPRA
19. PT. Greenwood Sejahtera Tbk. GWSA
20. PT. Jaya Real Properti Tbk. JPRT
21. PT. Kawasan Indutri Jababeka Tbk. KIJA
22. PT. Eureka Prima Jakarta Tbk. LCGP
90
No. Nama Perusahaan Kode Perusahaan
23. PT. Lippo Cikarang Tbk. LPCK
24. PT. Lippo Karawaci Tbk. LPKR
25. PT. Modernland Realty Tbk. MDLN
26. PT. Megapolitan Kencana Tbk. MKPI
27. PT. Meropolitan Land Tbk. MTLA
28. PT. Metro Realty Tbk. MTSM
29. PT. City Retail Developments Tbk. NIRO
30. PT. Indonesia Prima Properti Tbk. OMRE
31. PT. Plaza Indonesia Realty Tbk. PLIN
32. PT. Pakuwon Jati Tbk. PWON
33. PT. Ristia Bintang Mahkotasejati Tbk. RBMS
34. PT. Roda Vivatex Tbk. RDTX
35. PT. Pikko Land Development Tbk. RODA
36. PT. Danayasa Arthatama Tbk. SCBD
37. PT. Suryamas Dutamakmur Tbk. SMDM
38. PT. Summarecon Agung Tbk. SMRA
Sumber: Hasil Olah Data
B. Model Analisis Data
1. Analisis Deskriptif
Menurut Ghozali (2016: 19) statistic deskriptif memberikan
gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean)
standar deviasi, varian, maksimum minimum, sum, range, kurtosis dan
skewness (kemencengan distribusi). Berikut ini adalah analisis deskriptif
dari variabel independen yang telah diolah.
91
Tabel 4. 2
Hasil Analisis Deskriptif N Minimum Maksimum Mean
CR DAR
ROA TATO
FS Valid N (listwise)
190 190
190 190
190 190
.240
.034
-.088 .004
4.382
39.279 .37807
.05897
.22697
8.3249
4.692153 .176233
.066134
.186055
1.380419
Nilai rata-rata rasio likuiditas (current ratio) pada perusahaan
properti dan real estate periode 2013-2017 didapatkan sebesar 3,22379.
Untuk nilai rata-rata rasio leverage (debt to asset ratio) sebesar 0,37807.
Nilai rata-rata rasio profitabilitas (return on asset) sebesar 0,05879. Rasio
aktivitas (total asset turnover) nilai rata-ratanya sebesar 0,22697, dan firm
size nilai rata-ratanya sebesar 8,32949.
Nilai minimum rasio likuiditas (current ratio) pada perusahaan
properti dan real estate periode 2013-2017 didapatkan sebesar 0,240 pada
PT. Roda Vivatex Tbk. tahun 2013 . Untuk nilai minimum rasio leverage
(debt to asset ratio) sebesar 0,034 pada PT. Indonesia Prima Properti Tbk.
tahun 2016. Nilai minimum rasio profitabilitas (return on asset) sebesar -
0,088 yang diperoleh PT. Ristia Bintang Mahkotasejati Tbk. pada tahun
2013. Rasio aktivitas (total asset turnover) nilai minimumnya sebesar 0,004
yang diperoleh PT. Eureka Prima Jakarta Tbk. pada tahun 2017, dan firm
size nilai minimumnya sebesar 4,382 diperoleh PT. Metro Realty Tbk. pada
tahun 2017.
Nilai maksimum rasio likuiditas (current ratio) pada perusahaan
properti dan real estate periode 2013-2017 didapatkan sebesar 39,279 pada
PT. Eureka Prima Jakarta Tbk. tahun 2013. Untuk nilai maksimum rasio
92
leverage (debt to asset ratio) sebesar 0,805 pada PT. Kawasan Industri
Jabadeka Tbk. tahun 2014. Nilai maksimum rasio profitabilitas (return on
asset) sebesar 0,359 yang diperoleh PT. Fortune Mate Indonesia Tbk. pada
tahun 2016. Rasio aktivitas (total asset turnover) nilai maksimum sebesar
1,724 yang diperoleh PT. Binakarya Jaya Abadi Tbk. pada tahun 2013, dan
firm size nilai maksimumnya sebesar 10,947 diperoleh PT. Lippo Karawaci
Tbk. pada tahun 2017.
Perolehan data-data dari variabel indikator diantaranya adalah
sebagai berikut:
a. Current Ratio (CR)
Rasio lancar atau disebut juga Current Ratio merupakan salah satu
bagian dari rasio likuiditas. Rasio ini menunjukkan sejauh mana aktiva
lancar menutupi kewajiban-kewajiban lancar. Semakin besar
perbandingan aktiva lancar dengan utang lancar semakin tinggi
kemampuan perusahaan menutupi kewajiban jangka pendeknya
(Harahap: 2010, 301). Berikut adalah grafik Current Ratio perusahaan
properti dan real estate:
93
Gambar 4. 1
Nilai Current Ratio (CR)
Sumber: Hasil Olah Data
Menurut gambar 4.1 nilai minimum CR yang diperoleh dari 38
perusahaan pada tahun 2013 dialami oleh PT. Roda Vivatex Tbk dengan
nilai CR sebesar 0,240. Pada tahun 2014 dengan nilai 0,524 dialami oleh
PT. Bumi Citra Permai Tbk., lalu pada tahun 2015 dengan nilai 0,649
dialami oleh PT. Indonesia Prima Properti Tbk.. Pada tahun 2016 dan
2017 dengan nilai dialami oleh PT. Duta Anggada Realty Tbk dengan
nilai 0,645 dan 0,538. Dapat disimpulkan nilai minimum CR periode
2013-2017 mengalami peningkatan dari tahun 2013-2015 dan
mengalami penurunan pada tahun 2016-2017.
Nilai maksimum CR periode 2013-2017 diperoleh oleh PT. Eureka
Prima Jakarta Tbk dengan nilai 39,279 pada tahun 2013, 34,063 pada
tahun 2014, 17,761 pada tahun 2015, 20,667 pada tahun 2016, dan
12,250 pada tahun 2017. Dapat disimpulkan nilai maksimal CR periode
2013-2017 mengalami fluktuasi naik turun setiap tahunnya.
94
b. Debt to Asset Ratio (DAR)
Rasio Debt to Asset Ratio merupakan salah satu rasio leverage pada
rasio keuangan. Rasio total hutang terhadap total aset, pada umumnya
disebut rasio hutang (debt ratio), mengukur persentase dana yang
disediakan oleh kreditur (Brigham dan Houston, 2010: 143). Rasio ini
menunjukkan proporsi seluruh aktiva yang didanai oleh hutang. Dengan
kata lain, menunjukan seberapa besar aktiva perusahaan dibiayai oleh
hutang atau seberapa besar hutang perusahaan berpengaruh terhadap
pengelola aktiva. Berikut adalah grafik Debt to Asset Ratio perusahaan
properti dan real estate:
Gambar 4. 2
Nilai Debt to Asset Ratio (DAR)
Sumber: Hasil Olah Data
Menurut gambar 4.2 nilai minimum DAR 38 perusahaan properti
dan real estate pada tahun 2013-2014 diperoleh PT. Greenwood
Sejahtera Tbk dengan nilai 0,056 pada 2013, dan 0, 064 pada tahun
2014, pada tahun 2015-2017 nilai minimum diperoleh PT. Indonesia
95
Prima Properti Tbk. dengan nilai 0,046 pada tahun 2015, 0,034 pada
tahun 2016 dan 0,054 pada tahun 2017. Dapat dilihat nilai minimum
DAR periode 2013-2017 mengalami fluktuasi dari tahun 2013-2014
mengalami kenaikan 2014-2016 mengalami penurunan dan pada tahun
2017 kembali mengalami kenaikan.
Nilai maksimum DAR 38 perusahaan properti dan real estate pada
tahun 2013 diperoleh oleh PT. Gowa Makassar Tourism Development
Tbk sebesar 0,691. Pada tahun 2014 diperoleh oleh PT. Industri
Kawasan Jababeka Tbk sebesar 0,805. Pada tahun 2015-2016 diperoleh
oleh PT. Cowell Development Tbk sebesar 0,661 dan 0,656. Terakhir
pada tahun 2017 diperoleh oleh PT. Plaza Indonesia Tbk. sebesar 0,787.
Dapat dilihat nilai maksimum DAR periode 2013-2017 mengalami
fluktuasi dari tahun 2013-2014 mengalami kenaikan 2014-2016
mengalami penurunan dan pada tahun 2017 kembali mengalami
kenaikan.
c. Return on Asset (ROA)
Rasio Return on Asset atau dapat dikatakan juga Asset Turnover
merupakan salah satu rasio profitabilitas dalam rasio laporan keuangan.
Menurut Harahap (2010: 305) rasio ini menggambarkan perputaran
aktiva diukur dari volume penjualan. Semakin besar rasio ini semakin
baik. Hal ini berarti bahwa aktiva dapat lebih cepat berputar dan meraih
96
laba. Berikut adalah hasil perhitungan dari rasio Return on Asset
perusahaan properti dan real estate.
Gambar 4. 3
Nilai Return on Asset (ROA)
Sumber: Hasil Olah Data
Menurut gambar 4.3 nilai minimum ROA 38 perusahaan properti
dan real estate pada tahun 2013 diperoleh PT. Ristia Bintang
Mahkotasejati Tbk. sebesar -0,088, pada tahun 2014 mengalami
peningkatan sebesar -0,036 diperoleh oleh PT. City Retail Development
Tbk., pada tahun 2015 mengalami penurunan kembali sebesar -0,051
yang diperoleh oleh PT. Cowell Dvelopment Tbk. 2016 mengalami
kenaikan dengan nilai -0,040 yang diperoleh PT. Ristia Bintang
Mahkotasejati Tbk., dan pada 2017 mengalami penurunan menjadi -
0,060 yang dialami oleh PT.Metro Royalty Tbk.. Dapat disimpulkan
nilai minimum ROA dari tahun 2013-2017 terus mengalami fluktuasi
kenaikan dan penurunan.
97
Nilai maksimum ROA 38 perusahaan properti dan real estate pada
tahun 2013 diperoleh oleh PT. Danayasa Arthatama Tbk. sebesar 0,316,
pada tahun 2014 mengalami peurunan diperoleh oleh PT. Intiland
Development Tbk. sebesar 0,236, pada tahun 2015-2016 megalami
peningkatan diperoleh oleh PT.Fortune Mate Indonesia sebesar 0,274
dan 0,359, dan pada tahun 2017 mengalami penurunan kembali menjadi
0,174 yang diperoleh oleh PT. Roda Vivatex Tbk.. Dapat disimpulkan
nilai maksimal ROA mengalami fluktuasi.
d. Total Asset Turnover (TATO)
Merupakan salah satu dari rasio aktivitas dalam rasio pada laporan
keuangan. Menurut Harahap (2010: 309) rasio ini menunjukkan
perputaran total aktiva diukur dari volume penjualan dengan kata lain
seberapa jauh kemampuan semua aktiva menciptakan penjualan.
Semakin tinggi rasio ini semakin baik. Berikut adalah grafik dari Total
Asset Turnover perusahaan properti dan real estate:
Grafik 4. 4
Nilai Total Asset Turnover (TATO)
Sumber: Hasil Olah Data
98
Menurut gambar 4.4 nilai minimum TATO 38 perusahaan properti
dan real estate pada tahun 2013-2016 diperoleh PT. Sentul City dengan
nilai 0,005 pada tahun 2013 dan mengalami peningkatan pada tahun
2015-2016 dengan niali yang stagnan sebesar 0,010, lalu pada tahun
2017 mengalami penurunan kembali dengan nilai 0,004 diperoleh PT.
Eureka Prima Jakarta Tbk.. Dapat disimpulkan nilai minimum TATO
mengalami fluktuasi.
Nilai maksimum TATO 38 perusahaan properti dan real estate pada
tahun 2013-2014 dan 2016-2017 diperoleh oleh PT. Binakarya Jaya
Abadi Tbk. dengan nilai 1,724 pada tahun 2013, 1,160 pada tahun 2014,
0,732 pada tahun 2016, 0,928 pada tahun 2017. Sementara pada tahun
2015 nilai maksimum TATO diperoleh oleh PT. Megapolitan Kencana
Tbk dengan nilai 0,566. Dapat disimpulkan nilai maksimum TATO
mengalami penurunan tahun 2013-2015 dan mengalami peningkatan
pada tahun 2015-2017.
e. Firm Size (FS)
Menurut Brigham dan Houston (2010 : 4) ukuran perusahaan
merupakan besar kecilnya sutau perusahaan yang ditunjukkan atau
dinilai oleh total aset, total penjualan, jumlah laba, beban pajak dan lain-
99
lain. Berikut adalah grafik Firm Size perusahaan properti dan real
estate:
Grafik 4. 5
Nilai Firm Size (FS)
Sumber: Hasil Olah Data
Menurut gambar 4.5 nilai minimum FS dari 38 perusahaan properti
dan real estate periode 2013-2017 mengalami penurunan dari tahun ke
tahun dan diperoleh oleh PT. Metro Realty Tbk. pada tahun 2013-2017,
dengan nilai 4,585 pada tahun 2013, 4,522 pada tahun 2014, 4,477 pada
tahun 2015, 4,443 pada tahun 2016, dan 4,382 pada tahun 2017.
Nilai maskimum FS dari 38 perusahaan properti dan real estate
periode 2013-2017 mengalami kenaikan dari tahun ke tahun diperoleh
PT. Lippo Karawaci Tbk. pada tahun 2013-2017, dengan nilai 10,352
pada tahu 2013, 10,542 pada tahun 2014, 10,629 pada tahun 2015,
10,728 pada tahun 2016, dan 10,974 pada tahun 2017.
100
2. Uji Multikolinieritas
Hasil uji Multikolinearitas dengan uji Variance Inflation Factor (VIF)
bertujuan untuk mengetahui ada tidaknya variabel independen yang
memiliki kemiripan dengan variabel independen lainnya. Kemiripan antar
variabel independen pada model tersebut, akan menyebabkan terjadinya
korelasi yang sangat kuat antara suatu variabel independen dengan variabel
independen lainnya. Selain itu, deteksi terhadap multikolinearitas juga
bertujuan untuk menghindari kebiasan dalam proses pengambilan
kesimpulan mengenai pengaruh uji parsial pada masing-masing variabel
independen terhadap variabel dependen.
a. Model Altman Z-Score Modifikasi
Tabel 4. 3
Hasil Uji Multikolinearitas Model Altman Z-Score Modifikasi Coefficientsa
Model Colliniearity Statistics
Tollerance VIF
1 (Constant) CR
DAR ROA
TATO FS
.737
.632
.788
.768
.700
1.357
1.583 1.270
1.302 1.428
Hasil uji Multikolinieritas dengan melalui uji Variance Inflation
Factor (VIF) pada tabel 4.3 di atas, menunjukkan bahwa masing
masing variabel memiliki VIF kurang dari 10 dan nilai tolerance lebih
dari 0,1. Maka dapat disimpulkan bahwa data terbebas dari asumsi Uji
Multikolinieritas dan dapat digunakan pada penelitian selanjutnya.
101
b. Model Springate
Tabel 4. 4
Hasil Uji Multikolinearitas Model Springate Coefficientsa
Model Colliniearity Statistics
Tollerance VIF
1 (Constant) CR
DAR
ROA TATO
FS
.737
.632
.788
.768
.700
1.357
1.583
1.270 1.302
1.428
Hasil uji Multikolinieritas dengan melalui uji Variance Inflation
Factor (VIF) pada tabel 4.4 di atas, menunjukkan bahwa masing
masing variabel memiliki VIF kurang dari 10 dan nilai tolerance lebih
dari 0,1. Maka dapat disimpulkan bahwa data terbebas dari Uji
Multikolinieritas dan dapat digunakan pada penelitian selanjutnya.
3. Regresi Logistik Binary
Regresi logistik binary bertujuan untuk menguji pengaruh dengan data
dependen (Y) adalah data yang kategorikal. Data independen (X) adalah data
kuantitatif. Regresi binary menggunakan alat analisis logistik yang
sebetulnya hampir mirip dengan analisis diskriminan dimana akan menguji
probabilitas terjadinya variabel terikat dengan variabel bebasnya (Sujarweni:
2016, 200).
102
a. Model Altman Z-Score Modifikasi
1) Menilai Keseluruhan Model (Overall Model Fit)
Tabel 4. 5
Hasil Overall Model Fit Model Altman Z-Score Modifikasi
(Block 0: Beginning Block) Itteration Historya,b,c
Itteration -2 Log
likelihood
Coefficients
Constant
Step 0 1
2 3
4
201.424
200.731 200.730
200.730
-1.116
-1.254 -1.260
-1.260
Tabel 4. 6
Hasil Overall Model Fit Model Altman Z-Score Modifikasi
(Block 1: Method = Enter) Itteration Historya,b,c
Itteration -2 Log
likelihood
Coefficients
Constant
CR DAR ROA TATO FS
Step 0 1 2
3
4 5
6 7
8 9
10
158.140 133.553
113.059
93.896 80.723
75.945 75.276
75.261 75.261
75.261
-.514 .068
.589
1.515 3.217
4.008 4.338
4.402 4.404
4.404
-.051 -.224
-.660
-1.496 -2.764
-3.955 -4.580
-4.691 -4.694
-4.694
4.397 6.502
7.076
7.590 8.081
9.313 10.232
10.422 10.427
10.427
-3.866 -9.315
-13.432
-13.853 -14.226
-15.769 -16.966
-17.220 -17.227
-17.227
-.052 .191
.572
.830
.819
.996 1.143
1.172 1.173
1.173
-.223 -.357
-.355
-.361 -.405
-.407 -.414
-.417 -.417
-.417
Berdasarkan tabel 4.5 dan 4.6 didapat hasil penilaian keseluruhan
model, dimana nilai -2Log Likehood pada Block 0: Beginning Block
tabel 4.11 adalah 200,730 dimana hanya menggunakan konstanta saja
tanpa menggunakan variabel independen. Sedangkan jika variabel
Current Ratio (CR), Debt to Asset Ratio (DAR), Return on Asset
(ROA), Total Asset Turnover (TATO), dan Firm Size (FS)
dimasukkan dalam model, maka nilai -2Log Likehood menurun
menjadi 75,261 yang berarti model dengan variabel Current Ratio
103
(CR), Debt to Asset Ratio (DAR), Return on Asset (ROA), Total
Asset Turnover (TATO), dan Firm Size (FS) yaitu dalam tabel 4.12
atau Block 1: Method Enter menunjukkan model regresi yang
dibandingkan dengan model konstanta saja, atau dengan kata lain,
model yang dihipotesiskan cocok dengan data.
2) Koefisien Determinasi (Cox and Snell’s R Square)
Tabel 4. 7
Hasil Uji Koefisien Determinasi (Cox and Snell’s R Square)
Model Altman Z-Score Modifikasi
Untuk melihat kemampuan variabel bebas dalam menjelaskan
Financial distress untuk Model Altman Z-Score Modifikasi,
digunakan nilai Cox dan Snell R Square dan Negelkerke R Square.
Berdasarkan tabel 4.13 nilai Negelkerke R Square merupakan nilai
R Square pada regresi linear. Nilai Negelkerke R Square sebesar
0,741 yang menunjukan bahwa kemampuan kelima variabel bebas
dalam menjelaskan varians financial distress adalah sebesar 74,41%
dan terdapat 25,59% faktor lain yang menjelaskan varians financial
distress.
Model Summary
Step -2 Log
likelihood
Cox dan
Snell R Square
Nagelkerke R Square
1 75.261a .483 .741
104
3) Menguji Kelayakan Model Regresi (Hosmer and Lemeshow’s
Goodness of Fit Test)
Tabel 4. 8
Hasil Uji Kelayakan Model Regresi (Hosmer and Lemeshow’s
Goodness of Fit Test) Model Altman Z-Score Modifikasi
Hasil pengujian berdasarkan tabel 4.8 menunjukan Chi Square
sebesar 15,314 dengan nilai probabilitas signifikan sebesar 0,053 >
0,05. Hal ini berarti model regresi layak untuk digunakan dalam
analisis selanjutnya, karena tidak ada perbedaan yang nyata antara
klasifikasi yang diprediksi dengan klasifikasi yang diamati, dapat
dikatakan bahwa model mampu memprediksi nilai observasi.
4) Pengujian Hipotesis Penelitian
a) Uji Signifikansi Model Secara Simultan (Omnimbus Test of
Model Coefficients)
Tabel 4. 9
Hasil Uji Signifikansi Model Secara Simultan (Omnimbus
Test of Model) Model Altman Z-Score Modifikasi
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 125.469 5 .000
Block 125.469 5 .000
Model 125.469 5 .000
Berdasarkan tabel 4.9 nilai Omnimbus Test of Model dilihat
dari uji Chi Square yang mempunyai nilai 125,469 dengan df =
5. Untuk nilai signifikan omnimbus test sebesar 0,000 yang berarti
< 0,05 karena menggunakan taraf kepercayaan 95%. Omnibus
Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 15.314 8 .053
105
Test menghasilkan nilai signifikansi yang lebih rendah dari 0.05.
Hal ini menunjukkan bahwa terdapat pengaruh yang signifikan
dari setidaknya satu variabel independen secara simultan
mempengaruhi variabel dependen. Maka dapat disimpulkan
bahwa hipotesis 0 di tolak, yang berarti Current Ratio (CR), Debt
to Asset Ratio (DAR), Return on Asset (ROA), Total Asset
Turnover (TATO), dan Firm Size (FS) secara simultan memiliki
pengaruh yang signifikan terhadap Financial distress.
b) Uji Signifikansi Model Secara Parsial (Uji Wald)
Pengujian signifikansi pengaruh parsial bertujuan untuk
menguji setiap variabel dengan melihat kolom signifikansi.
Prosedur pengujian pada penelitian ini menggunakan tingkat
signifikansi sebesar 5% (0,05) yang berarti variabel-variabel
independen berpengaruh signifikan secara parsial terhadap
variabel dependennya jika nilai probabilitas < 0,05, namun
sebaliknya jika probabilitas > 0,05 maka tidak berpengaruh
parsial terhadap variabel dependennya:
106
Tabel 4. 10
Hasil Uji Signifikansi Model Secara Parsial (Uji Wald)
Model Altman Z-Score Modifikasi
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step
1a
CR -4.694 .982 22.842 1 .000 .009
DAR 10.427 2.840 13.481 1 .000 33771.926
ROA -17.227 6.613 6.786 1 .009 .000
TATO 1.173 1.442 .662 1 .416 3.232
FS -.417 .280 2.223 1 .136 .659
Constant 4.404 2.523 3.047 1 .081 81.741
Dari hasil tabel variables in the equation pada model Altman
Z-Score Modifikasi, didapatkan persamaan model regresi sebagai
berikut:
LN 𝑷
𝟏−𝑷 = 4,404 – 4,694CR + 10,427DAR -17,227ROA
Tabel 4.10 menunjukkan bahwa variabel Current Ratio (CR),
Debt to Asset Ratio (DAR), dan Return on Asset (ROA)
berpengaruh terhadap financial distress. Nilai signifikansi CR
0,000 < 0,05 dengan nilai koefisien -4,694 yang berarti CR
berpengaruh dalam mempresdiksi financial distress. Nilai
signifikansi DAR 0,000 < 0,05 dengan nilai koefisien 10,427
yang berarti DAR berpengaruh dalam mempresdiksi financial
distress. Nilai signifikansi ROA 0,009 < 0,05 dengan nilai
koefisien -17,227 yang berarti ROA berpengaruh dalam
memprediksi financial distress.
Sedangkan dua variabel lain yaitu Total Asset Turnover
(TATO), dan Firm Size (FS) memiliki nilai signifikansi lebih dari
107
0,05 yang berarti varibel tersebut tidak berpengaruh dalam
memprediksi financial distress. Dengan nilai TATO sebesar
0,416 dengan nilai koefisien 1,173 dan nilai FS sebesar 0,136
dengan nilai koefisien -0,417.
b. Model Springate
1) Menilai Keseluruhan Model (Overall Model Fit)
Tabel 4. 11
Hasil Uji Keseluruhan Model (Overall Model Fit)
Model Springate (Block 0: Beginning Block) Itteration Historya,b,c
Itteration -2 Log
likelihood
Coefficients
Constant
Step 0 1
2
262.363
262.363
.147
.147
Tabel 4. 12
Hasil Overall Model Fit Model Springate
(Block 1: Method = Enter) Itteration Historya,b,c
Itteration -2 Log
likelihood
Coefficients
Constant
CR DAR ROA TATO FS
Step 0 1 2
3 4
5 6
187.512 166.855
162.180 161.817
161.815 161.815
2.523 4.078
5.275 5.706
5.744 5.744
-.111 -.216
-.283 -.302
-.303 -.303
2.743 4.250
5.561 6.119
6.167 6.168
-10.332 -16.778
-19.049 -19.334
-19.371 -19.371
-3.214 -7.066
-10.677 -12.188
-12.315 -12.316
-.206 -.283
-.356 -.386
-.389 -.389
Berdasarkan tabel 4.11 dan 4.12 didapat hasil penilaian
keseluruhan model, dimana nilai -2Log Likehood pada Block 0:
Beginning Block tabel 4.16 adalah 262,363 dimana hanya
menggunakan konstanta saja tanpa menggunakan variabel
independen. Sedangkan jika variabel Current Ratio (CR), Debt to
Asset Ratio (DAR), Return on Asset (ROA), Total Asset Turnover
(TATO), dan Firm Size (FS) dimasukkan dalam model, atau dapat
108
dilihat dalam tabel 4.18 maka nilai -2Log Likehood menurun menjadi
161,815 yang berarti model dengan variabel Current Ratio (CR),
Debt to Asset Ratio (DAR), Return on Asset (ROA), Total Asset
Turnover (TATO), dan Firm Size (FS) menunjukkan model regresi
yang dibandingkan dengan model konstanta saja, atau dengan kata
lain, model yang dihipotesiskan cocok dengan data.
2) Koefisien Determinasi (Cox and Snell’s R Square)
Tabel 4. 13
Hasil Uji Koefisien Determinasi (Cox and Snell’s R Square)
Model Springate
Untuk melihat kemampuan variabel bebas dalam menjelaskan
Financial distress untuk Model Springate, digunakan nilai Cox dan
Snell R Square dan Negelkerke R Square. Berdasarkan tabel 4.13
nilai Negelkerke R Square merupakan nilai R Square pada regresi
linear. Nilai Negelkerke R Square sebesar 0,549 yang menunjukkan
bahwa kemampuan kelima variabel bebas dalam menjelaskan
varians financial distress adalah sebesar 54,9 % dan terdapat 45,1%
faktor lain yang menjelaskan varians financial distress.
Model Summary
Step
-2 Log
likelihood
Cox dan Snell R
Square
Nagelkerke
R Square
1 161.815a .411 .549
109
3) Menguji Kelayakan Model Regresi (Hosmer and Lemeshow’s
Goodness of Fit Test)
Tabel 4. 14
Hasil Uji Kelayakan Model Regresi (Hosmer and Lemeshow’s
Goodness of Fit Test) Model Springate
Hasil pengujian berdasarkan tabel 4.14 menunjukan Chi Square
sebesar 6,432 dengan nilai probabilitas signifikan sebesar 0,599 >
0,05. Hal ini berarti model regresi layak untuk digunakan dalam
analisis selanjutnya, karena tidak ada perbedaan yang nyata antara
klasifikasi yang diprediksi dengan klasifikasi yang diamati, dapat
dikatakan bahwa model mampu memprediksi nilai observasi.
4) Pengujian Hipotesis Penelitian
a) Uji Signifikansi Model Secara Simultan (Omnimbus Test of
Model Coefficients)
Tabel 4. 15
Hasil Uji Signifikansi Model Secara Simultan (Omnimbus
Test of Model) Model Springate
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 100.549 5 .000
Block 100.549 5 .000
Model 100.549 5 .000
Berdasarkan tabel 4.15 nilai Omnimbus Test of Model dilihat
dari uji Chi Square yang mempunyai nilai 100,549 dengan df = 5.
Untuk nilai signifikan omnimbus test sebesar 0,000 yang berarti
< 0,05 karena menggunakan taraf kepercayaan 95%. Omnibus
Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 6.432 8 .599
110
Test menghasilkan nilai signifikansi yang lebih rendah dari 0.05.
Hal ini menunjukkan bahwa terdapat pengaruh yang signifikan
dari setidaknya satu variabel independen secara simultan
mempengaruhi variabel dependen. Maka dapat disimpulkan
bahwa hipotesis 0 di tolak, yang berarti Current Ratio (CR), Debt
to Asset Ratio (DAR), Return on Asset (ROA), Total Asset
Turnover (TATO), dan Firm Size (FS) secara simultan memiliki
pengaruh yang signifikan terhadap financial distress.
b) Uji Signifikansi Model Secara Parsial (Uji Wald)
Tabel 4. 16
Hasil Uji Signifikansi Model Secara Parsial (Uji Wald)
Model Springate
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step
1a
CR -.303 .076 15.902
1 .000 .738
DAR 6.168 1.678 13.515
1 .000 477.116
ROA -19.371 4.917 15.524
1 .000 .000
TATO -12.316 2.920 17.783
1 .000 .000
FS -.389 .172 5.117
1 .024 .678
Constant 5.744 1.611 12.711
1 .000 312.300
Dari hasil tabel variables in the equation pada model Altman
Z-Score Modifikasi, didapatkan persamaan model regresi sebagai
berikut:
LN 𝑷
𝟏−𝑷 = 5,744 – 0,303CR + 6,618DAR -19,371ROA –
12,316TATO - 0,389FS
111
Tabel 4.16 menunjukkan bahwa variabel Current Ratio (CR),
Debt to Asset Ratio (DAR), Return on Asset (ROA), Total Asset
Turnover (TATO), dan Firm Size (FS) berpengaruh terhadap
financial distress. Nilai signifikansi CR 0,000 < 0,05 dengan nilai
koefisien -0,303 yang berarti CR berpengaruh dalam
mempresdiksi financial distress. Nilai signifikansi DAR 0,000 <
0,05 dengan nilai koefisien 6,168 yang berarti DAR berpengaruh
dalam memprediksi financial distress. Nilai signifikansi ROA
0,000 < 0,05 dengan nilai koefisien -19,371 yang berarti ROA
berpengaruh dalam memprediksi financial distress. Nilai
signifikansi TATO 0,000 < 0,05 dengan koefisien -12,316 yang
berarti TATO berpengaruh dalam memprediksi financial distress.
Nilai Signifikansi FS 0,024 < 0,05 dengan koefisien -0,389 yang
berarti FS berpengaruh dalam memprediksi financial distress.
Dapat disimpulkan bahwa seluruh variabel berpengaruh dalam
memprediksi financial distress dengan Model Springate.
112
C. Pembahasan
1. Pembahasan H1: Terdapat pengaruh secara simultan pengungkapan
Rasio Likuiditas, Rasio Leverage, Rasio Aktivitas, Rasio Profitabilitas
dan Rasio Firm Size terhadap financial distress dengan model Altman
Z-Score Modifikasi terhadap pada Perusahaan Properti dan Real
Estate yang terdaftar di BEI periode 2013-2017.
Berdasarkan hasil analisis variabel Current Ratio (CR), Debt to Asset Ratio
(DAR), Return on Asset (ROA), Total Asset Turnover (TATO), dan Firm
Size (FS) secara bersama-sama berpengaruh terhadap prediksi kondisi
Financial distress perusahaan dengan menggunakan perhitungan Model
Altman Z-Score Modifikasi. Tinggi rendahnya nilai dari kelima rasio
keuangan perusahaan sektor Properti, dan Real Estate Periode 2013 – 2017
memiliki pengaruh terhadap kondisi Financial distress perusahaan tersebut
sehingga informasi keuangan tersebut dapat digunakan oleh investor
sebagai pilihan dalam mengambil keputusan untuk berinvestasi.
2. Pembahasan H2: Terdapat pengaruh secara simultan pengungkapan
Rasio Likuiditas, Rasio Leverage, Rasio Aktivitas, Rasio Profitabilitas
dan Rasio Firm Size terhadap financial distress dengan Model
Springate pada Perusahaan Properti dan Real Estate yang terdaftar di
BEI periode 2013-2017.
Berdasarkan hasil analisis variabel Current Ratio (CR), Debt to Asset Ratio
(DAR), Return on Asset (ROA), Total Asset Turnover (TATO), dan Firm
113
Size (FS) secara bersama-sama berpengaruh terhadap prediksi kondisi
Financial distress perusahaan dengan menggunakan perhitungan Model
Springate. Tinggi rendahnya nilai dari kelima rasio keuangan perusahaan
sektor properti, dan Real Estate Periode 2013 – 2017 memiliki pengaruh
terhadap kondisi Financial distress perusahaan tersebut sehingga informasi
keuangan tersebut dapat digunakan oleh investor sebagai pilihan dalam
mengambil keputusan untuk berinvestasi.
3. Pembahasan H3: Terdapat pengaruh secara parsial pengungkapan
Rasio Likuiditas, Rasio Leverage, Rasio Aktivitas, Rasio Profitabilitas
dan Rasio Firm Size terhadap financial distress dengan Model Altman
Z-Score Modifikasi terhadap pada Perusahaan Properti dan Real
Estate yang terdaftar di BEI periode 2013-2017.
a) Pengaruh Rasio Likuidtas (Current Ratio) secara parsial terhadap
konndisi Financial distress dengan Model Altman Z-Score
Modifikasi
Berdasarkan hasil output SPSS didapatkan nilai pengungkapan
Rasio Likuiditas dalam penelitian ini melalui Current Ratio 0,000 < 0,05
berarti dapat disimpulkan bahwa pengungkapan rasio likuiditas
berpengaruh terhadap kondisi Financial distress dengan Model Altman
Z-Score Modifikasi. Dengan nilai koefisien -4,694 berarti apabila
variabel independen likuiditas (current ratio) naik sebesar 1 satuan
dengan asumsi bahwa variabel bebas lainnya konstan, maka variabel
114
financial distress akan mengalami penurunan sebsar 4,694 satuan. Hal
ini berarti hasil analisis dalam regresi ini menerima H3 yang
menyatakan bahwa rasio likuiditas memiliki pengaruh negatif terhadap
prediksi Financial distress.
Hasil penelitian ini sejalan dengan penelitian Ardian et al (2017),
Damayanti et al (2017), Yudiawati dan Indriani (2016), Mihalovic
(2016), Shalwan (2015) bahwa Rasio Likuiditas (current ratio)
berpengaruh terhadap kondisi financial distress. Hal ini menunjukkan
bahwa semakin tinggi nilai rasio likuiditas perusahaan (current ratio)
maka semakin kecil kemungkinan financial distress. Begitupula
sebaliknya semakin rendah nilai rasio likuiditas perusahaan (current
ratio) maka semakin besar kemungkinan financial distress.
b) Pengaruh Rasio Leverage (Debt to Asset Ratio) secara parsial
terhadap kondisi Financial distress dengan Model Altman Z-Score
Modifikasi
Berdasarkan hasil output SPSS didapatkan nilai pengungkapan
Rasio Leverage dalam penelitian ini melalui Debt to Asset Ratio 0,000
< 0,05 berarti dapat disimpulkan bahwa pengungkapan rasio leverage
berpengaruh terhadap kondisi Financial distress dengan Model Altman
Z-Score Modifikasi. Di mana nilai koefisien sebesar 10,427 berarti
apabila variabel independen leverage (debt to asset ratio) naik sebesar
1 satuan dengan asumsi bahwa variabel bebas lainnya konstan, maka
115
variabel financial distress akan mengalami kenaikan sebesar 10,427
satuan. Hal ini bebrarti hasil analisis dalam regresi ini menerima H3
yang menyatakan bahwa rasio leverage memiliki pengaruh positif
terhadap prediksi Financial distress.
Hal ini sejalan penelitian yang dilakukan oleh Yudiawati dan
Indriani (2016) dan Yustika (2015) bahwa Rasio Leverage (debt to asset
ratio) berpengaruh signifikan terhadap kondisi financial distress. Hal ini
menunjukkan bahwa semakin tinggi nilai rasio leverage perusahaan
(debt to asset ratio) maka semakin tinggi kemungkinan financial
distress. Begitupula sebaliknya semakin rendah nilai rasio leverage
perusahaan (debt to asset ratio) maka semakin kecil kemungkinan
financial distress.
c) Pengaruh Rasio Profitabilitas (Return on Asset) secara parsial
terhadap kondisi Financial distress dengan Model Altman Z-Score
Modifikasi
Berdasarkan hasil output SPSS didapatkan nilai pengungkapan
Rasio Profitabilitas dalam penelitian ini melalui Return on Asset 0,009
< 0,05 berarti dapat disimpulkan bahwa pemgungkapan rasio
profitabilitas berpengaruh terhadap kondisi Financial distress dengan
Model Altman Z-Score Modifikasi. Dengan nilai koefisien -19,371
berarti apabila variabel independen profitabilitas (return on asset) naik
sebesar 1 satuan dengan asumsi bahwa variabel bebas lainnya konstan,
116
maka variabel financial distress akan mengalami penurunan sebesar
19,371 satuan. Hal ini bebrarti hasil analisis dalam regresi ini menerima
H3 yang menyatakan bahwa rasio profitabilitas memiliki pengaruh
negatif terhadap prediksi Financial distress.
Hasil penelitian ini sejalan dengan penelitian Nora (2016), Ayu et al
(2017), Damayanti et al (2017), Dewi dan Wahyullana (2019) bahwa
rasio profitabilitas (return on asset) berpengaruh terhadap kondisi
financial distress. Hal ini menunjukkan bahwa semakin tinggi nilai rasio
profitabilitas perusahaan (return on asset) maka semakin kecil
kemungkinan financial distress. Begitupula sebaliknya semakin rendah
nilai rasio profitabilitas perusahaan (return on asset) maka semakin
besar kemungkinan fianancial distress.
d) Pengaruh Rasio Aktivitas (Total Asset Turnover) secara parsial
terhadap kondisi Financial distress dengan Model Altman Z-Score
Modifikasi
Berdasarkan hasil output SPSS didapatkan nilai pengungkapan
Rasio Aktiviras dalam penelitian ini melalui Total Asset Turnover 0,416
> 0,05 berarti dapat disimpulkan bahwa pengungkapan rasio aktivitas
tidak berpengaruh terhadap kondisi Financial distress dengan Model
Altman Z-Score Modifikasi. Hal ini berarti hasil analisis dalam regresi
ini menerima H3 yang menyatakan bahwa rasio profitabilitas tidak
memiliki pengaruh terhadap prediksi financial distress. Sehingga hasil
117
penelitian tidak sesuai dengan hipotesis yang telah dirumuskan. Ini
dikarenakan dari temuan penelitian didapat Total Asset Turnover
perusahaan yang cukup stabil, dan selama tahun 2013-2017 tidak begitu
terlihat kenaikan dan penurunan perputaran aset yang begitu berarti.
Total Asset Turnover yang diperoleh ini menandakan kestabilan
perputaran aset perusahaan pada periode tersebut, yaitu setiap dana
perusahaan. Berarti, ini adalah takaran seberapa sering terjadinya
penjualan (dimulai dari membeli bahan baku, menghasilkan barang jadi
atau setengah jadi, menyimpan persediaan hingga barang tersebut
terjual) dalam satu periode dari total aset yang dimiliki. Semakin lama
proses barang itu terjual, maka akan menambah beban perusahaan.
Sehingga perusahaan tersebut akan mengorbankan modalnya dan akan
berakibat pada meningkatkan risiko kerugian pada perusahaan tersebut.
Sehingga dapat disimpulkan dengan aktivitas perusahaan yang cukup
baik dan lancar, maka kerugian akan dapat diminimalkan sehingga tidak
berdampak terhadap risiko financial distress.
e) Pengaruh Firm Size secara parsial terhadap kondisi Financial
distress dengan Model Altman Z-Score Modifikasi
Berdasarkan hasil output SPSS didapatkan nilai pengungkapan Firm
Size 0,136 > 0,05 berarti dapat disimpulkan bahwa pengungkapan Firm
Size tidak berpengaruh terhadap kondisi Financial distress dengan
Model Altman Z-Score Modifikasi. Hal ini berarti hasil analisis dalam
118
regresi ini menerima H3 yang menyatakan bahwa Firm Size tidak
memiliki pengaruh terhadap prediksi Financial distress. Sehingga hasil
penelitian tidak sesuai dengan hipotesis yang telah dirumuskan.
Hasil yang tidak signifikan ini kemungkinan disebabkan bahwa pada
penelitian ini tidak terjadi pemisahan perusahaan properti dan real estate
yang sudah mature dengan yang baru berkembang. Dimana perusahaan
yang sudah mature meskipun ukuran perusahaannya kecil namun
perusahaan tersebut telah memiliki mitra kerja banyak, tingkat
kepercayaan dari lembaga keuangan terhadap perusahaan tinggi, serta
rekomendasi dari konsumen maupun pihak eksternal.
Dalam hal ini dapat diketahui bahwa perusahaan besar yang
memiliki total aset yang besar juga memiliki laba yang tinggi, serta tidak
terlepas dari risiko yang besar. Hasil penelitian ini sejalan dengan
penelitian Nora (2016), Cinantya dan Merkusiwati (2016), dan Shalwan
(2015) bahwa Firm Size tidak berpengaruh terhadap kondisi financial
distress.
4. Pembahasan H4: Terdapat pengaruh secara parsial pengungkapan
Rasio Likuiditas, Rasio Leverage, Rasio Aktivitas, Rasio Profitabilitas
dan Rasio Firm Size terhadap financial distress dengan Model
Springate pada Perusahaan Properti dan Real Estate yang terdaftar di
BEI periode 2013-2017.
119
a) Pengaruh Rasio Likuidtas (Current Ratio) secara parsial terhadap
kondisi Financial distress dengan Model Springate
Berdasarkan hasil output SPSS didapatkan nilai pengungkapan
Rasio Likuiditas dalam penelitian ini melalui Current Ratio 0,000 < 0,05
berarti dapat disimpulkan bahwa pengungkapan rasio likuiditas
berpengaruh terhadap kondisi Financial distress dengan Model
Springate. Dengan nilai koefisien -0,303 berarti apabila variabel
independen likuiditas (current ratio) naik sebesar 1 satuan dengan
asumsi bahwa variabel bebas lainnya konstan, maka variabel financial
distress akan mengalami penurunan sebesar 0,303 satuan. Hal ini berarti
hasil analisis dalam regresi ini menerima H4 yang menyatakan bahwa
rasio likuiditas memiliki pengaruh negatif terhadap prediksi Financial
distress.
Hasil penelitian ini sejalan dengan penelitian Ardian et al (2017),
Damayanti et al (2017), Yudiawati dan Indriani (2016), Mihalovic
(2016), Shalwan (2015) bahwa Rasio Likuiditas berpengaruh terhadap
kondisi financial distress. Hal ini menunjukkan bahwa semakin tinggi
nilai rasio likuiditas perusahaan (current ratio) maka semakin kecil
kemungkinan financial distress. Begitupula sebaliknya semakin rendah
nilai rasio likuiditas perusahaan (current ratio) maka semakin besar
kemungkinan financial distress.
120
b) Pengaruh Rasio Leverage (Debt to Asset Ratio) secara parsial
terhadap kondisi Financial distress dengan Model Springate
Berdasarkan hasil output SPSS didapatkan nilai pengungkapan
Rasio Leverage dalam penelitian ini melalui Debt to Asset Ratio 0,000
< 0,05 berarti dapat disimpulkan bahwa pengungkapan rasio leverage
berpengaruh terhadap kondisi Financial distress dengan Model
Springate. Di mana nilai koefisien sebesar 6,168 berarti apabila variabel
independen leverage (debt to asset ratio) naik sebesar 1 satuan dengan
asumsi bahwa variabel bebas lainnya konstan, maka variabel financial
distress akan mengalami kenaikan sebesar 6,168 satuan. Hal ini bebrarti
hasil analisis dalam regresi ini menerima H4 yang menyatakan bahwa
rasio leverage memiliki pengaruh positif terhadap prediksi Financial
distress.
Hal ini sejalan penelitian yang dilakukan oleh Yudiawati dan
Indriani (2016) dan Yustika (2015) bahwa Rasio Leverage (debt to asset
ratio) berpengaruh signifikan terhadap kondisi financial distress. Hal ini
menunjukkan bahwa semakin tinggi nilai rasio leverage perusahaan
(debt to asset ratio) maka semakin tinggi kemungkinan financial
distress. Begitupula sebaliknya semakin rendah nilai rasio leverage
perusahaan (debt to asset ratio) maka semakin kecil kemungkinan
financial distress.
121
c) Pengaruh Rasio Profitabilitas (Return on Asset) secara parsial
terhadap kondisi Financial distress dengan Model Springate
Berdasarkan hasil output SPSS didapatkan nilai pengungkapan
Rasio Profitabilitas dalam penelitian ini melalui Return on Asset 0,000
< 0,05 berarti dapat disimpulkan bahwa pengungkapan rasio
profitabilitas berpengaruh terhadap kondisi financial distress dengan
Model Springate. Dengan nilai koefisien -17,227 berarti apabila variabel
independen profitabilitas (return on asset) naik sebesar 1 satuan dengan
asumsi bahwa variabel bebas lainnya konstan, maka variabel financial
distress akan mengalami penurunan sebesar 17,227 satuan. Hal ini
berarti hasil analisis dalam regresi ini menerima H4 yang menyatakan
bahwa rasio profitabilitas memiliki pengaruh negatif terhadap prediksi
financial distress.
Hasil penelitian ini sejalan dengan penelitian Nora (2016), Ayu et al
(2017), Damayanti et al (2017), Dewi dan Wahyullana (2019) bahwa
rasio profitabilitas (return on asset) berpengaruh terhadap kondisi
financial distress. Hal ini menunjukkan bahwa semakin tinggi nilai rasio
profitabilitas perusahaan (return on asset) maka semakin kecil
kemungkinan financial distress. Begitupula sebaliknya semakin rendah
nilai rasio profitabilitas perusahaan (return on asset) maka semakin
besar kemungkinan financial distress.
122
d) Pengaruh Rasio Aktivitas (Total Asset Turnover) secara parsial
terhadap kondisi Financial distress dengan Model Springate
Berdasarkan hasil output SPSS didapatkan nilai pengungkapan
Rasio Aktiviras dalam penelitian ini melalui Total Asset Turnover 0,000
< 0,05 berarti dapat disimpulkan bahwa pengungkapan rasio aktivitas
berpengaruh terhadap kondisi Financial distress dengan Model
Springate. Dengan nilai koefisien 1,173 berarti apabila variabel
independen aktivitas (total asset turnover) naik sebesar 1 satuan dengan
asumsi bahwa variabel bebas lainnya konstan, maka variabel financial
distress akan mengalami kenaikan sebesar 1,173 satuan. Hal ini bebrarti
hasil analisis dalam regresi ini menerima H4 yang menyatakan bahwa
rasio profitabilitas memiliki pengaruh positif terhadap prediksi financial
distress. Sehingga hasil penelitian sesuai dengan hipotesis yang telah
dirumuskan.
Penelitian ini sejalan dengan penelitian Ardian et al (2017), dan
Yudiawati dan Indriani (2016) bahwa rasio aktivitas (total asset
turnover) berpengaruh terhadap kondisi financial distress. Hal ini
menunjukkan bahwa semakin tinggi nilai rasio profitabilitas perusahaan
(total asset turnover) maka semakin rendah kemungkinan financial
distress. Begitupula sebaliknya semakin rendah nilai rasio aktivitas
perusahaan (total asset turnover) maka semakin tinggi kemungkinan
financial distress.
123
e) Pengaruh Firm Size secara parsial terhadap kondisi Financial
distress dengan Model Springate
Berdasarkan hasil output SPSS didapatkan nilai pengungkapan Firm
Size 0,024 > 0,05 berarti dapat disimpulkan bahwa pengungkapan Firm
Size berpengaruh terhadap kondisi Financial distress dengan Model
Springate. Dengan nilai koefisien -0,417 berarti apabila variabel
independen profitabilitas (return on asset) naik sebesar 1 satuan dengan
asumsi bahwa variabel bebas lainnya konstan, maka variabel financial
distress akan mengalami penurunan sebesar 0,417 satuan. Hal ini
bebrarti hasil analisis dalam regresi ini menerima H4 yang menyatakan
bahwa Firm Size memiliki pengaruh negatif terhadap prediksi financial
distress. Sehingga hasil penelitian sesuai dengan hipotesis yang telah
dirumuskan.
Penelitian ini sejalan dengan penelitian Cinantya dan Merkusiwati
(2015), dan Rahayu dan Sopian (2017) bahwa Firm Size berpengaruh
terhadap kondisi financial distress. Hal ini menunjukkan bahwa
semakin tinggi firm size maka semakin kecil kemungkinan financial
distress. Begitupula sebaliknya semakin rendah nilai firm size maka
semakin besar kemungkinan financial distress.
124
Tabel 4. 17
Perbandingan Hasil Model Altman Z-Score Modifikasi dan
Model Springate
Sumber: Kesimpulan Hasil Olah Data dengan SPSS 22
125
BAB V
PENUTUP
A. Kesimpulan
Berdasarkan penelitian yang peneliti lakukan dengan mengggunakan
analisis logistik binary didapatkan beberapa kesimpulan, yaitu:
1. Hasil ini menyatakan bahwa secara simultan pengungkapan Rasio Likuiditas
(Current Ratio), Rasio Leverage (Debt to Asset Ratio), Rasio Profitabilitas
(Return on Asset), Rasio Aktivitas (Total Asset Turnover), dan Firm Size
memiliki pengaruh terhadap prediksi kondisi financial distress dengan
menggunakan Model Altman Z-Score Modifikasi pada perusahaan properti
dan real estate periode 2013-2017.
2. Hasil ini menyatakan bahwa secara simultan pengungkapan Rasio Likuiditas
(Current Ratio), Rasio Leverage (Debt to Asset Ratio), Rasio Profitabilitas
(Return on Asset), Rasio Aktivitas (Total Asset Turnover), dan Firm Size
memiliki pengaruh terhadap prediksi kondisi financial distress dengan
menggunakan Model Springate pada perusahaan properti dan real estate
periode 2013-2017.
3. Hasil penelitian ini menyatakan bahwa secara parsial Rasio Likuiditas
(Current Ratio), Rasio Leverage (Debt to Asset Ratio), dan Rasio
Profitabilitas (Return on Asset) memiliki pengaruh dalam prediksi kondisi
financial distress dengan menggunakan model Altman Z-Score. Sementara
Rasio Aktivitas (Total Asset Turnover), dan Firm Size tidak berpengaruh
terhadap prediksi kondisi financial distress dengan menggunakan model
126
Altman Z-Score. Hal ini berarti aset lancar, kewajiban lancar, total
kewajiban, laba bersih, dan total aset mempengaruhi kondisi prediksi
financial distress dengan menggunakan model Altman Z-Score. Namun, lain
hal dengan total penjualan dan total aset pada Rasio Aktivitas (Total Asset
Turnover) dan perhitungan firm size yang tidak mempengaruhi kondisi
financial distress.
4. Hasil penelitian ini menyatakan bahwa secara parsial Rasio Likuiditas
(Current Ratio), Rasio Leverage (Debt to Asset Ratio), Rasio Profitabilitas
(Return on Asset), Rasio Aktivitas (Total Asset Turnover), dan Firm Size
memiliki pengaruh dalam prediksi kondisi financial distress dengan
menggunakan model Springate. Itu berarti aset lancar, kewajiban lancar,
total kewajiban, laba bersih, total aset, total penjualan, dan logaritma dari
total aset (perhitungan firm size) mempengaruhi kondisi prediksi financial
distress dengan menggunakan model Springate.
5. Besarnya pengaruh parsial Rasio Likuiditas (Current Ratio), Rasio Leverage
(Debt to Asset Ratio), dan Rasio Profitabilitas (Return on Asset) dalam
prediksi financial distress dengan menggunakan model Altman Z-Score
dapat dilihat dari hasil nilai Negelkerke R Square. Berdasarkan tabel 4.9 nilai
Negelkerke R Square sebesar 0,741 yang menunjukkan bahwa kemampuan
kelima variabel bebas dalam menjelaskan varians Financial distress adalah
sebesar 74,1 % dan terdapat 25,9% faktor lain yang menjelaskan varian
Financial distress.
127
6. Besarnya pengaruh parsial Rasio Likuiditas (Current Ratio), Rasio Leverage
(Debt to Asset Ratio), Rasio Profitabilitas (Return on Asset), Rasio Aktivitas
(Total Asset Turnover), dan Firm Size prediksi financial distress dengan
menggunakan model Springate dapat dilihat dari hasil nilai Negelkerke R
Square. Berdasarkan tabel 4.14 nilai Negelkerke R Square sebesar 0,549
yang menunjukan bahwa kemampuan kelima variabel bebas dalam
menjelaskan varian Financial distress adalah sebesar 54,9 % dan terdapat
45,1% faktor lain yang menjelaskan varian Financial distress.
B. Saran
Berdasarkan kesimpulan dan keterbatasan penelitian yang sudah peneliti
dapatkan dan telah peneliti sajikan maka dapat diberikan saran yaitu sebagai
berikut:
1. Pada penelitian ini hanya menggunkan model prediksi Altman Z-Score, dan
Springate diharapkan pada penelitian selanjutnya dapat menambahkan
model prediksi lain seperti Zmijewski, Ohlson, Datastream’s Model, Fulmer
Model, Ca-Score.
2. Terdapat beberapa variabel dari masing-masing model prediksi yang tidak
memiliki pengaruh terhadap kondisi financial distress terutama pada
pengujian pada model Altman Z-Score. Maka sebaiknya bagi penelitian
selanjutnya diperlukan referensi dan pemahaman yang lebih dalam
menerapkan model prediksi. Serta dapat memperluas periode waktu sampel
128
agar dapat melihat kondisi financial distress pada Perusahaan Properti dan
Real Estate lebih lengkap.
3. Investor dapat menjadikan refensi hasil analisis dalam penelitian ini sebagai
pertimbangan investasi pada Perusahaan Properti dan Real Estate, dan dapat
membuat keputusan yang tepat.
129
DAFTAR PUSTAKA
Almansour, B. Y. (2015). Empirical Model for Predicting Market Vailure.
American Journal of Economics, Finance and Manegement 1(3) 113-124.
Andre, O. (2013). Pengaruh Profitabilitas, Likuiditas, dan Leverage Dalam
Memprediksi Financial Dstress. Artikel Skripsi pada Fakultas Ekonomi
Universitas Negeri Padang 1-20.
Ardrian, A. V. Andini, R. dan Raharjo, K. (2017). Pengaruh Rasio Likuiditas, Rasio
Leverage, Rasio Aktivitas dan Rasio Profitabilitas terhadap Financial
Distress. Jurnal Universitas Pangandaran 3(3) 3-15.
Arikunto, S. (2002). Metodologi Penelitian Suatu Pendekatan Proposal. Jakarta:
PT. Rineka Cipta.
Asnawi, S. K. dan Wijaya, C. Metodologi Penelitian Keuangan: Prosedur, Ide, dan
Kontrol. Yogyakarta: Graha Ilmu. 2006.
Astuti, D. (2004). Manajemen Keuangan Perusahaan. Jakarta: Galia Indonesia.
Atmaja, L. S. (2008).Teori dan Praktik Manajemen Keuangan. Yogyakarta:
Penerbit Andi Yogyakarta.
Ayu, A. S., Handayani, S. R. dan Topowijono. (2017). Pengaruh Likuiditas,
Leverage, Profitabilitas, dan Ukuran Perusahaan terhadap Financial distress
(Studi pada Perusahaan Manufaktur Sektor Industri Dasar dan Kimia yang
Terdaftar di Bursa Efek Indonesia tahun 2012-2015). Jurnal Administrasi
Bisnis Universitas Brawijaya 43(1) 138-147.
Brealy, R. A., Myers, S. C. dan Marcus, A. J. (2007) Dasar-Dasar Manajemen
Keuangan Jilid 2. Jakarta: Erlangga.
Brigham, E. F. dan Houston, J. F. (2010). Dasar-dasar Manajemen Keuangan.
Jakarta: Salemba Empat.
Burhanuddin, R. A. (2015). Analisis Pengunaan Model Altman Z-Score dan Model
Springate untuk Mengetahui Potensi Terjadinya Financial distress pada
Perusahaan Manufaktur Sektor Industri Dasar dan Kimia Sub Sektor Semen
Periode 2009-2013. Jurnal Fakultas Ekonomi dan Bisnis Universitas
Hasanuddin.
130
Cinantya, I. A. P. dan Merkusiwati, N. K. L. A. (2015). Pengaruh Coorporate
Governance, Financial Indicators, dan Ukuran Perusahaan pada Fianancial
Distress. Jurnal Universitas Udayana 10(3) 897-915.
Damayanti, L. D., Yuniarta, G. D. dan Sinarwati, N. K. (2017). Analisis Pengaruh
Kinerja Keuangan, Ukuran Komite Audit Dan Kepemilikan Manajerial
Terhadap Prediksi Financial distress (Studi Pada Perusahaan Manufaktur
Yang Terdaftar Di Bursa Efek Indonesia Periode 2011-2015). Jurnal
Universitas Pendidikan Ganesha 7(1) 1-12.
Deanta. (2009). EXCEL Untuk Analisi Laporan Keuangan dan Prediksi
Kebangkrutan Perusahaan. Yogyakarta: Penerbit Gava Media.
Deanta. (2016). Memahami Pos-Pos dan Angka-Angka dalam Laporan Keuangan
Untuk Orang Awam”. Yogyakarta: Penerbit Gava Media.
Dewi, A. R. S. dan Wahyullana, E. (2019). Analysis Of Profit Performance And
Asset Management To Financial distress Bakrie Group Company Listing In
Indonesia Stock Exchange. International Journal of Scientifict and
Technology Research 8(3) 106-110.
Fahmi, I. (2013). Pengantar Manajemen Keuangan Teori dan Soal Jawab.
Bandung: Penerbit Alfabeta.
Gamayuni, R. R. (2009). Berbagai Alternatif Model Prediksi Kebangkrutan. Jurnal
Akuntansi Keuangan 14(1) 75-89.
Gepp, A. dan Kumar, K. (2015). Predicting Financial Distress: A Comparisson of
Survival Analysis and Decision Tree Techniques. Jurnal Procedia Computer
Science 54 396-404.
Ghozali, I. (2018). Aplikasi Analisis Multivariate Dengan Program IBM SPSS
25. Semarang: Badan Penerbit Universitas Diponegoro.
Gio, P. U. dan Rosmaini, E. (2016). “Belajar Olah Data dengan SPSS,
MINITAB, R, MICROSOFT EXCEL, EVIEWQ, LISREL, AMOS, dan
SMARTPLS”. Medan: USU Press. 2016.
Hanafi, M. M. dan Halim, A. (2005). Analisis Laporan Keuangan. Yogyakarta:
UPP STIM YKPM.
Hanafi, M. M. dan Halim A. (2016). Analisis Laporan Keuangan. Yogyakarta: UPP
STIM YKPM.
131
Hanifah, O. E. dan Purwanto, A. (2013). Pengaruh Struktur Corporate Governance
dan Financial Indicators Terhadap Kondisi Financial Distress. Diponegoro
Journal of Accounting 2(2) 1-15.
Harahap, S. S. (2002). Teori akuntasi Laporan Keuangan. Jakarta: Bumi Aksara.
Harahap, S. S. (2010). Analisis Kritis Atas Laporan Keuangan. Jakarta: PT
Rajagrafindo Persada.
Hartono, J. (2016). Teori Portofolio dan Analisis Investasi. Yogyakarta: BPFE-
Yogyakarta.
Hassan, E. U., Zainuddin Z. B. dan Nordin, S. B. (2018). Predicting Financial
Bankruptcy of Five Manufacturing Sectors in Pakistan Using Logistic
Regression. International Review of Management and Business Research
Journal 7(1) 268-277.
Hery. (2014). Analisis Laporan Keuangan. Jakarta: PT. Bumi Aksara.
Hidayat, A. dan Meiranto, W. 2014. Prediksi Financial Distress Perusahaan
Manufaktur Di Indonesia. Jurnal Ekonomi Universitas Diponegoro 3(3) 1-
11.
Jackson, K. K., Bongko J. dan Kimutai, G. (2018). Effectiveness of Accounting
Ratios in Predicting Financial Distress of Companies Listed in Nairobi
Securities Exchange. International Journals of Academics and Research
(IJARKE Business dan Management Journal) 1(1) 293-301.
Jumingan. (2017). Analisis Laporan Keuangan. Jakarta: PT. Bumi Aksara.
Kasmir. (2009). Analisis Laporan Keuangan. Jakarta: PT. Rajagrafindo Persada.
Klepac, V. dan Hampel, D. (2017). Predicting Financial distress od Agriculture
Companies in EU. CASS Agriculture Journal 63(8) 347-355.
Mihalovic, M. (2016). Performance Comparison Of Multiple Discriminant
Analysis And Logit Models In Bankruptcy Prediction. Journal Economics
and Sociology Recent Isuues in Economic Development 9(4) 101-118.
Miglani, S., Ahmed, K. dan Henry, D. (2014). Voluntary Coorporate Governance
Structure and Financial distress: Evidence from Australia. Journal of
Contemporary Accounting dan Economics 1-37.
Montogomery, D. C., Peck E. A., dan Vining, G. G. (2012). Introduction to Linear
Regression Analysis Fifth Edition. New Jersey: Wiley-Blackwell Publisher.
132
Nirmalasari, L. (2018) Analisis Financial Distress Pada Perusahaan Sektor
Properti, Real Estate, dan Kontruksi Bangunan Yaang Terdaftar di Bursa
Efek Indonesia. Skripsi Universitas Negeri Yogyakarta.
Nora, A. R. (2016). Pengaruh Financial Indicators, Ukuran Perusahaan dan
Kepemilikan Institusional terhadap Financial Distress. Jurnal STIE
PERBANAS.
Noviandri, T. (2014). Peranan Analisis Rasio Keuangan Dalam Memprediksi
Kondisi Financial Distress Perusahaan Sektor Perdagangan. Jurnal Ilmu
Manajemen 2(4) 1655-1665.
Pramesti, G. (2013). Smart Olah Data Penelitian Dengan SPSS 21. Jakarta: PT Elex
Media Komputindo.
Priadana, M. S.dan Muis, S. (2009). Metodologi Peneletian Ekonomi dan Bisnis.
Yogyakarta: Graha Ilmu.
Rahayu, W. P. dan Sopian, D. (2017). Pengaruh Rasio Keuangan dan Ukuran
Perusahaan terhadap Financial Dsitress (Studi Empiris pada Perusahaan Food
and Beverage di Bursa Efek Indonesia). Jurnal Universitas Muhammadiyah
Tangerang 1(2) 1-13.
Rodoni, A. dan Ali, H. (2014). Manajemen Keuangan Modern. Jakarta: Mitra
Wacana Media.
Ross, S. A., Westerfield R. W. dan Jordan, B. D. (2008) Pengantar Keuangan
Perusahaan (Coorporrate Finance Fundamentals). Jakarta: Salemba Empat.
Rudianto. (2013) Akuntansi Manajemen Informasi Untuk Pengambilan Keputusan
Strategis. Jakarta: Penerbit Erlangga.
Santoso, S. (2014). Statistik Multivariat Edisi Revisi. Jakarta: Elex Media
Komputindo.
Sanusi, A. (2011). Model Penelitian Bisnis. Jakarta: Salemba Empat.
Sarwono, J. (2013). Statistika Multivariat Aplikasi Untuk Riset Penelitian.
Yogyakarta: ANDI.
Shalwan, T. M. (2015). The Effects of Coorporate Governance on Financial
Performance and Financial Distress: Evidence from Egypt. The International
Journal of Business and Society 15(5) 1-9.
Sugiyono. (2013). Model Penelitian Bisnis. Bandung: Alfabeta.
133
Sujarweni, V. Wiranta. (2016). Kupas Tuntas Penelitian Akuntansi dengan SPSS.
Yogyakarta: Pustaka Baru Press.
Tampubolon, M. P. (2013). Manajemen Keuangan (Finance Management).
Jakarta: Mitra Wacana Media.
Ufo, A. (2015). Impact of Financial distress on the Profitability of Selected
Manufacturing Firms of Ethiopia. Journal of Proverty, Investment and
Development 16 8-12.
Uyanto, S. S. (2006). Pedoman Analisis Data Dengan SPSS. Yogyakarta: Graha
Ilmu.
Waqas, H. dan Rus, R. M. (2018). Predicting Financial distress: Importance of
Accounting and Firm Specific Market Variables for Pakistan’s Listed Firms.
Journal Cogent Economic and Finance 1-16.
Widarjono, A. (2015). Analisis Multivariat Terapan Dengan Program SPSS,
AMOS, dan SMARTPLS. Yogyakarta: UPP STIM YKPN.
Widhiari, N. L. M. A. dan Merkusiwati, N. K. L. A. (2015). Pengaruh Rasio
Likuiditas, Leverage, operating Capacity dan Sales Growth Terhadap
Financial Distress. Jurnal Akuntansi Udayana 11(2) 456-469.
Yadiati, W. (2017). The Influence Of Profitability On Financial Distress : A
Research On Agricultural Companies Listed In Indonesia Stock Exchange.
International Journal of Scientifict and Technology Research 6(11) 233-237.
Yudiawati, R. dan Indriani, A. (2016). Analisis Pengaruh Current Ratio, Debt To
Total Asset Ratio, Total Asset Turnover, dan Sales Growth Ratio Terhadap
Kondisi Financial Distress (Studi Kasus Pada Perusahaan Manufaktur Yang
Terdaftar Di BEI Tahun 2012-2014). Diponogoro Journal of Management.
5(2) 1-13.
Yustika, Y. (2015). Pengaruh Likuiditas, Leverage, Profitabilitas, Operating
Capacity Dan Biaya Agensi Manajerial Terhadap Financial Distress (Studi
Empiris pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia
Tahun 2011-2013). Jurnal Fakultas Ekonomi Universitas Pekanbaru 2(2) 1-
15.
SURAT KEPUTUSAN MENTERI PERUMAHAN RAKYAT
NO.05/KPTS/BKP4N/1995 PASAL 1 AYAT 4
PERATURAN MENTERI DALAM NEGERI NOMOR : 5 TAHUN 1974
TENTANG KETENTUAN-KETENTUAN MENGENAI PENYEDIAAN
134
DAN PEMBERIAN TANAH UNTUK KEPERLUAN PERUSAHAAN
MENTERI DALAM NEGERI PASAL 6 AYAT 1
UNDANG-UNDANG NO. 20 TAHUN 2008 BAB I KETENTUAN UMUM
PASAL 1
https://www.bi.go.id (diakses pada 15 Mei 2019 pukul 16.53)
https://www.beritasatu.com/properti/236268-sepanjang-2014-perlambatan-hantui-
sektor-properti.html (diakses pada 19 Juni 2019 pukul 20.45)
https://www.bisnis.tempo.co/read/732208/kilas-balik-2015-industri-properti-
terhuyung (diakses pada 19 Juni 2019 pukul 20.49)
https://www.idx.co.id (diakses pada 3 Mei 2019 pukul 11.03)
https://www.indonesia-investments.com/id/berita/kolom-berita/analisis-pasar-
properti-indonesia-overview-kepemilikan-asing/item5728 (diakses pada 19
Juni 2019 pukul 19.21)
https://www.liputan6.com/bisnis/read/787010/kinerja-ihsg-kurang-memuaskan-
pada-2013 (diakses pada 19 Juni 2019 pukul 21.01)
https://www.liputan6.com/properti/read/3220576/inilah-kondisi-pasar-properti-
2017 (diakses pada 19 Juni 2019 pukul 21.15)
https://www.properti.kompas.com/read/2016/11/10/173915521/rei.sektor.properti.
tumbuh.akhir.2016 (diakses pada 19 Juni 2019 pukul 21.52)
135
LAMPIRAN
Lampiran 1: Model Altman Z-Score Modifikasi
No. Nama Tahun
WCTA
(X1)
RETA
(X2)
EBITTA
(X3)
BVEBTD
(X4)
Z-
Score
Kondisi
1 APLN
2013 1.179 0.411 0.435 0.604 2.629 SEHAT
2014 1.374 0.414 0.405 0.583 2.776 SEHAT
2015 0.732 0.507 0.462 0.615 2.316 DISTRESS
2016 0.132 0.566 0.445 0.665 1.808 DISTRESS
2017 0.504 0.655 0.476 0.698 2.333 DISTRESS
2 ASRI
2013 -0.418 0.597 0.714 0.616 1.508 DISTRESS
2014 0.149 0.693 0.783 0.634 2.259 DISTRESS
2015 -0.370 0.708 0.584 0.573 1.495 DISTRESS
2016 -0.114 0.740 0.365 0.581 1.571 DISTRESS
2017 -0.261 0.929 0.642 0.741 2.051 DISTRESS
3 BCIP
2013 -1.306 0.566 0.856 1.065 1.180 DISTRESS
2014 -1.123 0.541 0.399 0.775 0.592 DISTRESS
2015 0.195 0.499 0.280 0.642 1.616 DISTRESS
2016 0.765 0.628 0.630 0.662 2.685 SEHAT
2017 0.335 0.797 0.534 0.783 2.448 DISTRESS
4 BEST
2013 1.419 1.278 1.766 2.945 7.409 SEHAT
2014 1.252 1.505 0.797 3.727 7.279 SEHAT
2015 1.594 1.321 0.530 2.010 5.455 SEHAT
2016 1.396 1.661 0.671 1.962 5.691 SEHAT
2017 1.721 1.256 0.704 2.159 5.840 SEHAT
5 BIPP
2013 0.001 -3.856 0.831 3.563 0.539 DISTRESS
2014 -0.160 -3.414 1.664 2.857 0.947 DISTRESS
2015 0.074 -1.283 1.040 4.578 4.410 SEHAT
136
No. Nama Tahun
WCTA
(X1)
RETA
(X2)
EBITTA
(X3)
BVEBTD
(X4)
Z-
Score
Kondisi
2016 0.096 -0.977 2.679 2.847 4.645 SEHAT
2017 0.049 -0.951 2.340 2.383 3.821 SEHAT
6 BKSL
2013 0.947 0.289 0.013 1.946 3.195 SEHAT
2014 0.804 0.322 0.024 1.755 2.905 SEHAT
2015 0.567 0.304 0.026 1.496 2.394 DISTRESS
2016 0.676 0.449 0.021 1.790 2.936 SEHAT
2017 0.720 0.442 0.005 2.074 3.241 SEHAT
7 BSDE
2013 2.149 0.775 0.757 1.537 5.219 SEHAT
2014 1.334 1.240 0.562 1.982 5.118 SEHAT
2015 1.938 0.804 0.475 1.662 4.879 SEHAT
2016 1.851 1.050 0.427 1.825 5.153 SEHAT
2017 1.484 1.218 0.740 1.830 5.272 SEHAT
8 COWL
2013 -0.364 0.345 0.349 1.668 1.998 DISTRESS
2014 -0.023 0.320 0.354 0.607 1.258 DISTRESS
2015 0.013 0.169 0.381 0.521 1.084 DISTRESS
2016 0.409 0.154 0.310 0.549 1.423 DISTRESS
2017 -0.226 0.086 0.298 0.483 0.641 DISTRESS
9 CTRA
2013 0.841 0.276 0.548 0.657 2.323 DISTRESS
2014 0.925 0.381 0.642 0.676 2.623 SEHAT
2015 1.132 0.465 0.618 0.668 2.883 SEHAT
2016 1.437 0.489 0.428 1.016 3.370 SEHAT
2017 1.528 0.531 0.344 0.998 3.401 SEHAT
10 DART
2013 0.706 0.165 0.492 1.672 3.035 SEHAT
2014 0.534 0.316 0.744 1.829 3.422 SEHAT
2015 -0.285 0.136 0.357 1.558 1.766 DISTRESS
2016 -0.233 0.126 0.348 1.557 1.798 DISTRESS
137
No. Nama Tahun
WCTA
(X1)
RETA
(X2)
EBITTA
(X3)
BVEBTD
(X4)
Z-
Score
Kondisi
2017 -0.318 0.028 0.130 1.334 1.175 DISTRESS
11 DILD
2013 -0.335 0.217 0.362 1.929 2.173 DISTRESS
2014 0.532 0.305 0.375 1.170 2.381 DISTRESS
2015 -0.230 0.362 0.298 0.908 1.338 DISTRESS
2016 -0.144 0.381 2.273 0.692 3.202 SEHAT
2017 -0.248 0.406 0.177 0.636 0.971 DISTRESS
12 DUTI
2013 2.022 1.280 0.557 4.484 8.343 SEHAT
2014 2.000 1.412 0.396 3.491 7.300 SEHAT
2015 2.289 1.469 0.422 3.284 7.463 SEHAT
2016 2.077 1.601 0.525 4.309 8.512 SEHAT
2017 2.032 1.628 0.398 3.905 7.964 SEHAT
13 ELTY
2013 -0.863 -0.118 0.639 1.443 1.102 DISTRESS
2014 -0.198 0.005 0.083 1.109 1.000 DISTRESS
2015 -0.691 -0.163 0.016 0.861 0.023 DISTRESS
2016 0.143 -0.288 0.010 0.819 0.685 DISTRESS
2017 -0.143 -0.359 0.004 0.760 0.262 DISTRESS
14 EMDE
2013 1.705 0.222 0.444 1.531 3.902 SEHAT
2014 1.352 0.301 0.427 1.095 3.176 SEHAT
2015 1.009 0.450 0.624 1.293 3.376 SEHAT
2016 1.828 0.535 0.522 1.069 3.954 SEHAT
2017 2.906 0.562 0.629 0.764 4.861 SEHAT
15 FMII
2013 0.214 -0.318 0.188 2.021 2.104 DISTRESS
2014 0.600 -0.277 0.205 1.726 2.254 DISTRESS
2015 2.460 0.240 2.129 3.362 8.190 SEHAT
2016 2.396 1.237 2.664 7.138 13.435 SEHAT
2017 1.671 1.400 0.101 5.968 9.139 SEHAT
138
No. Nama Tahun
WCTA
(X1)
RETA
(X2)
EBITTA
(X3)
BVEBTD
(X4)
Z-
Score
Kondisi
16 GAMA
2013 1.108 0.086 0.125 4.456 5.775 SEHAT
2014 1.317 0.192 0.247 3.848 5.603 SEHAT
2015 1.256 0.212 0.035 4.799 6.303 SEHAT
2016 1.351 0.213 0.015 4.668 6.247 SEHAT
2017 1.730 0.204 0.005 5.012 6.951 SEHAT
17 GMTD
2013 0.206 0.676 0.494 0.471 1.846 DISTRESS
2014 2.346 0.830 0.507 0.817 4.500 SEHAT
2015 0.170 1.282 0.617 0.808 2.877 SEHAT
2016 0.384 1.544 0.503 1.137 3.568 SEHAT
2017 0.427 1.697 0.405 1.371 3.901 SEHAT
18 GPRA
2013 2.849 0.636 0.247 1.581 5.313 SEHAT
2014 2.939 0.713 0.288 1.452 5.392 SEHAT
2015 4.109 0.860 0.380 1.586 6.935 SEHAT
2016 4.457 0.923 0.463 1.897 7.739 SEHAT
2017 4.432 1.037 0.761 2.328 8.558 SEHAT
19 GWSA
2013 1.109 2.358 -0.029 17.670 21.109 SEHAT
2014 0.755 2.414 0.065 15.396 18.631 SEHAT
2015 0.559 2.499 -0.041 12.281 15.297 SEHAT
2016 0.677 2.539 0.023 14.245 17.485 SEHAT
2017 0.720 2.542 -0.046 13.379 16.595 SEHAT
20 JPRT
2013 -0.968 1.078 0.570 0.815 1.495 DISTRESS
2014 -0.730 1.262 0.890 0.969 2.390 DISTRESS
2015 -0.047 1.392 0.785 1.265 3.395 SEHAT
2016 -0.061 1.522 0.747 1.440 3.647 SEHAT
2017 0.246 1.635 0.654 1.795 4.330 SEHAT
21 KIJA 2013 2.601 0.342 0.696 1.080 4.719 SEHAT
139
No. Nama Tahun
WCTA
(X1)
RETA
(X2)
EBITTA
(X3)
BVEBTD
(X4)
Z-
Score
Kondisi
2014 3.186 0.474 0.701 0.716 5.076 SEHAT
2015 3.771 0.480 0.628 1.097 5.976 SEHAT
2016 3.840 0.566 0.463 1.162 6.031 SEHAT
2017 3.849 0.547 0.364 1.154 5.915 SEHAT
22 LCGP
2013 6.125 -0.020 -0.004 14.376 20.477 SEHAT
2014 5.997 -0.039 0.101 14.529 20.588 SEHAT
2015 5.909 -0.048 0.012 18.085 23.957 SEHAT
2016 5.309 -0.039 -0.036 6.758 11.992 SEHAT
2017 5.332 -0.063 -0.036 7.099 12.331 SEHAT
23 LPCK
2013 2.049 1.210 1.112 0.942 5.315 SEHAT
2014 4.153 1.695 1.419 1.642 8.909 SEHAT
2015 3.764 1.899 1.123 2.070 8.856 SEHAT
2016 3.901 2.150 0.630 3.160 9.842 SEHAT
2017 4.404 1.078 0.200 1.741 7.422 SEHAT
24 LPKR
2013 4.016 0.494 0.325 0.868 5.703 SEHAT
2014 4.199 0.599 0.582 0.914 6.295 SEHAT
2015 4.559 0.560 0.281 0.886 6.286 SEHAT
2016 4.400 0.568 0.287 0.985 6.240 SEHAT
2017 4.180 0.488 0.189 1.165 6.022 SEHAT
25 MDLN
2013 -0.275 0.796 1.856 1.050 3.426 SEHAT
2014 0.224 0.944 0.724 1.050 2.942 SEHAT
2015 -0.003 0.946 0.752 1.050 2.745 SEHAT
2016 0.453 0.948 0.484 0.872 2.757 SEHAT
2017 0.352 1.059 0.562 0.988 2.961 SEHAT
26 MKPI 2013 -0.937 0.824 1.157 1.734 2.778 SEHAT
2014 0.714 0.939 0.949 1.748 4.350 SEHAT
140
No. Nama Tahun
WCTA
(X1)
RETA
(X2)
EBITTA
(X3)
BVEBTD
(X4)
Z-
Score
Kondisi
2015 -0.009 0.980 1.683 1.650 4.305 SEHAT
2016 1.676 1.107 2.069 1.837 6.690 SEHAT
2017 1.055 1.168 1.652 1.679 5.555 SEHAT
27 MTLA
2013 1.900 0.824 0.683 1.728 5.135 SEHAT
2014 2.212 0.939 0.895 1.748 5.793 SEHAT
2015 2.074 0.953 0.778 1.650 5.456 SEHAT
2016 2.228 1.107 0.795 1.837 5.967 SEHAT
2017 2.065 1.168 0.753 1.679 5.665 SEHAT
28 MTSM
2013 4.953 0.699 0.020 5.447 11.119 SEHAT
2014 4.920 0.709 0.032 7.732 13.392 SEHAT
2015 4.622 0.741 0.032 7.350 12.745 SEHAT
2016 4.553 0.537 0.037 7.875 13.002 SEHAT
2017 3.526 0.326 0.046 6.586 10.484 SEHAT
29 NIRO
2013 0.379 0.035 0.171 1.758 2.342 DISTRESS
2014 0.400 0.085 0.013 1.409 1.906 DISTRESS
2015 2.482 0.098 0.034 7.561 10.175 SEHAT
2016 2.093 -0.124 -0.053 3.817 5.734 SEHAT
2017 2.194 -0.101 0.080 3.103 5.276 SEHAT
30 MORE
2013 -0.615 -0.973 0.409 1.896 0.717 DISTRESS
2014 0.427 -0.553 -0.008 3.601 3.467 SEHAT
2015 -0.108 -0.141 -0.007 4.015 3.759 SEHAT
2016 0.103 2.253 -0.038 29.414 31.732 SEHAT
2017 -0.025 2.212 -0.103 18.405 20.489 SEHAT
31 PLIN
2013 0.127 1.093 0.817 1.152 3.190 SEHAT
2014 0.765 1.138 0.744 1.140 3.787 SEHAT
2015 0.705 1.131 0.860 1.116 3.812 SEHAT
141
No. Nama Tahun
WCTA
(X1)
RETA
(X2)
EBITTA
(X3)
BVEBTD
(X4)
Z-
Score
Kondisi
2016 -0.140 1.553 0.854 1.043 3.310 SEHAT
2017 0.054 1.278 0.782 0.284 2.397 DISTRESS
32 PWON
2013 0.607 0.810 1.092 0.829 3.338 SEHAT
2014 0.623 0.896 0.757 1.023 3.299 SEHAT
2015 0.344 0.982 0.818 1.065 3.208 SEHAT
2016 0.478 1.121 0.735 1.199 3.533 SEHAT
2017 0.987 1.223 0.804 1.271 4.285 SEHAT
33 RBMS
2013 2.352 -0.287 -0.004 4.335 6.396 SEHAT
2014 3.196 -0.209 0.302 6.395 9.684 SEHAT
2015 1.683 -0.222 -0.114 10.092 11.438 SEHAT
2016 1.336 -0.371 -0.034 28.350 29.280 SEHAT
2017 1.857 -0.074 0.460 4.298 6.541 SEHAT
34 RDTX
2013 -1.083 2.118 0.910 2.996 4.941 SEHAT
2014 -0.080 2.405 0.945 4.862 8.131 SEHAT
2015 0.708 2.523 0.890 5.899 10.021 SEHAT
2016 1.226 2.619 0.825 8.493 13.164 SEHAT
2017 1.243 2.734 0.684 10.130 14.791 SEHAT
35 RODA
2013 1.192 0.457 0.474 1.754 3.878 SEHAT
2014 1.339 0.843 0.405 2.294 4.880 SEHAT
2015 1.975 1.048 1.083 3.637 7.743 SEHAT
2016 2.931 0.988 0.235 4.387 8.541 SEHAT
2017 3.414 0.974 0.089 3.532 8.009 SEHAT
36 SCBD
2013 1.508 0.843 1.959 3.591 7.900 SEHAT
2014 0.730 0.861 0.147 2.547 4.285 SEHAT
2015 0.180 0.913 0.140 2.220 3.453 SEHAT
2016 -0.146 0.573 0.109 2.719 3.255 SEHAT
142
No. Nama Tahun
WCTA
(X1)
RETA
(X2)
EBITTA
(X3)
BVEBTD
(X4)
Z-
Score
Kondisi
2017 -0.067 0.879 0.180 3.075 4.068 SEHAT
37 SMDM
2013 1.214 0.080 0.093 2.793 4.180 SEHAT
2014 0.960 0.114 0.145 2.443 3.662 SEHAT
2015 1.087 0.176 0.147 3.668 5.078 SEHAT
2016 0.637 0.197 0.121 4.173 5.128 SEHAT
2017 0.724 0.205 0.088 4.073 5.090 SEHAT
38 SMRA
2013 0.874 0.669 0.651 0.567 2.761 SEHAT
2014 0.893 0.813 0.887 0.712 3.306 SEHAT
2015 1.007 0.790 0.642 0.704 3.143 SEHAT
2016 1.402 0.748 0.455 0.644 3.249 SEHAT
2017 0.873 0.759 0.416 0.694 2.741 SEHAT
Lampiran 2: Model Springate
No. Nama Tahun
WCTA
(X1)
EBITTA
(X2)
EBTCL
(X3)
TSTA
(X4)
S-
Score
Kondisi
1 APLN
2013 0.185 0.199 0.149 0.100 0.633
DISTRESS
2014 0.216 0.185 0.136 0.089 0.626 DISTRESS
2015 0.115 0.211 0.137 0.097 0.560 DISTRESS
2016 0.021 0.203 0.083 0.093 0.400 DISTRESS
2017 0.079 0.217 0.171 0.098 0.566 DISTRESS
2 ASRI
2013 -0.066 0.326 0.188 0.102 0.551 DISTRESS
2014 0.023 0.358 0.294 0.086 0.761 DISTRESS
2015 -0.058 0.267 0.133 0.060 0.402 DISTRESS
2016 -0.018 0.167 0.114 0.054 0.316 DISTRESS
2017 -0.041 0.293 0.303 0.075 0.631 DISTRESS
3 BCIP 2013 -0.205 0.391 0.111 0.167 0.463
DISTRESS
2014 -0.176 0.182 0.131 0.146 0.283 DISTRESS
143
No. Nama Tahun
WCTA
(X1)
EBITTA
(X2)
EBTCL
(X3)
TSTA
(X4)
S-
Score
Kondisi
2015 0.031 0.128 0.051 0.102 0.310 DISTRESS
2016 0.120 0.288 0.247 0.116 0.771 DISTRESS
2017 0.053 0.244 0.179 0.090 0.565 DISTRESS
4 BEST
2013 0.223 0.807 1.038 0.158 2.225 SEHAT
2014 0.197 0.364 0.471 0.088 1.119 SEHAT
2015 0.250 0.242 0.370 0.057 0.918 SEHAT
2016 0.219 0.307 0.304 0.063 0.893 SEHAT
2017 0.270 0.322 0.591 0.070 1.253 SEHAT
5 BIPP
2013 0.000 0.380 1.729 0.690 2.799 SEHAT
2014 -0.025 0.760 0.246 0.464 1.445 SEHAT
2015 0.012 0.475 0.793 0.169 1.449 SEHAT
2016 0.015 1.224 0.290 0.293 1.822 SEHAT
2017 0.008 1.069 -0.156 0.371 1.292 SEHAT
6 BKSL
2013 0.149 0.006 0.286 0.002 0.443 DISTRESS
2014 0.126 0.011 0.010 0.004 0.151 DISTRESS
2015 0.089 0.012 0.013 0.004 0.118 DISTRESS
2016 0.106 0.010 0.130 0.004 0.250 DISTRESS
2017 0.113 0.002 0.105 0.003 0.223 DISTRESS
7 BSDE
2013 0.337 0.346 0.433 0.102 1.218 SEHAT
2014 0.209 0.257 0.486 0.080 1.031 SEHAT
2015 0.304 0.217 0.254 0.069 0.844 DISTRESS
2016 0.291 0.195 0.242 0.069 0.796 DISTRESS
2017 0.233 0.338 0.456 0.090 1.117 SEHAT
8 COWL
2013 -0.057 0.159 0.101 0.068 0.271 DISTRESS
2014 -0.004 0.162 0.277 0.061 0.497 DISTRESS
2015 0.002 0.174 -0.158 0.065 0.083 DISTRESS
144
No. Nama Tahun
WCTA
(X1)
EBITTA
(X2)
EBTCL
(X3)
TSTA
(X4)
S-
Score
Kondisi
2016 0.064 0.142 0.023 0.065 0.294 DISTRESS
2017 -0.035 0.136 -0.026 0.059 0.134 DISTRESS
9 CTRA
2013 0.132 0.251 0.158 0.084 0.624 DISTRESS
2014 0.145 0.293 0.042 0.089 0.569 DISTRESS
2015 0.178 0.282 0.042 0.093 0.595 DISTRESS
2016 0.226 0.195 0.136 0.071 0.627 DISTRESS
2017 0.240 0.157 0.110 0.060 0.567 DISTRESS
10 DART
2013 0.111 0.225 0.316 0.070 0.721 DISTRESS
2014 0.084 0.340 0.686 0.101 1.211 SEHAT
2015 -0.045 0.163 0.214 0.059 0.391 DISTRESS
2016 -0.037 0.159 0.255 0.050 0.427 DISTRESS
2017 -0.050 0.059 0.055 0.028 0.092 DISTRESS
11 DILD
2013 -0.053 0.165 0.160 0.080 0.353 DISTRESS
2014 0.083 0.171 0.165 0.081 0.502 DISTRESS
2015 -0.036 0.136 0.084 0.086 0.270 DISTRESS
2016 -0.023 1.038 0.060 0.077 1.152 SEHAT
2017 -0.039 0.081 0.028 0.067 0.137 DISTRESS
12 DUTI
2013 0.318 0.254 0.615 0.086 1.272 SEHAT
2014 0.314 0.181 0.436 0.081 1.012 SEHAT
2015 0.359 0.193 0.370 0.075 0.997 SEHAT
2016 0.326 0.240 0.524 0.082 1.172 SEHAT
2017 0.319 0.182 0.367 0.065 0.933 SEHAT
13 ELTY
2013 -0.135 0.292 -0.005 0.108 0.259 DISTRESS
2014 -0.031 0.038 0.059 0.043 0.109 DISTRESS
2015 -0.108 0.007 -0.073 0.040
-
0.134 DISTRESS
145
No. Nama Tahun
WCTA
(X1)
EBITTA
(X2)
EBTCL
(X3)
TSTA
(X4)
S-
Score
Kondisi
2016 0.022 0.005 -0.059 0.047 0.015 DISTRESS
2017 -0.022 0.002 -0.031 0.035
-
0.017 DISTRESS
14 EMDE
2013 0.268 0.203 0.110 0.096 0.676 DISTRESS
2014 0.212 0.195 0.076 0.106 0.589 DISTRESS
2015 0.158 0.285 0.108 0.109 0.660 DISTRESS
2016 0.287 0.239 0.123 0.097 0.745 DISTRESS
2017 0.456 0.287 0.170 0.085 0.999 SEHAT
15 FMII
2013 0.034 0.086 -0.025 0.047 0.141 DISTRESS
2014 0.094 0.094 0.021 0.038 0.247 DISTRESS
2015 0.386 0.973 1.065 0.164 2.587 SEHAT
2016 0.376 1.217 2.042 0.208 3.843 SEHAT
2017 0.262 0.046 0.083 0.017 0.408 DISTRESS
16 GAMA
2013 0.174 0.057 0.067 0.037 0.336 DISTRESS
2014 0.207 0.113 0.132 0.044 0.495 DISTRESS
2015 0.197 0.016 0.030 0.036 0.280 DISTRESS
2016 0.212 0.007 3.620 0.016 3.855 SEHAT
2017 0.272 0.002 1.320 0.019 1.613 SEHAT
17 GMTD
2013 0.032 0.225 1.879 0.092 2.229 SEHAT
2014 0.368 0.232 1.968 0.083 2.652 SEHAT
2015 0.027 0.282 1.639 0.100 2.048 SEHAT
2016 0.060 0.230 1.860 0.094 2.245 SEHAT
2017 0.067 0.185 1.977 0.076 2.305 SEHAT
18 GPRA
2013 0.447 0.113 0.163 0.156 0.878 SEHAT
2014 0.461 0.131 0.141 0.149 0.883 SEHAT
2015 0.645 0.174 0.130 0.106 1.055 SEHAT
146
No. Nama Tahun
WCTA
(X1)
EBITTA
(X2)
EBTCL
(X3)
TSTA
(X4)
S-
Score
Kondisi
2016 0.700 0.211 0.094 0.109 1.114 SEHAT
2017 0.696 0.347 0.092 0.101 1.237 SEHAT
19 GWSA
2013 0.174 -0.013 2.169 0.008 2.338 SEHAT
2014 0.119 0.030 1.685 0.013 1.847 SEHAT
2015 0.088 -0.019 3.641 0.005 3.715 SEHAT
2016 0.106 0.011 1.542 0.008 1.667 SEHAT
2017 0.113 -0.021 1.157 0.005 1.253 SEHAT
20 JPRT
2013 -0.152 0.261 0.136 0.085 0.330 DISTRESS
2014 -0.115 0.406 0.159 0.116 0.567 DISTRESS
2015 -0.007 0.359 0.195 0.113 0.659 DISTRESS
2016 -0.010 0.341 0.218 0.112 0.662 DISTRESS
2017 0.039 0.299 0.248 0.102 0.687 DISTRESS
21 KIJA
2013 0.408 0.318 0.077 0.135 0.938 SEHAT
2014 0.500 0.320 0.322 0.131 1.273 SEHAT
2015 0.592 0.287 0.217 0.129 1.225 SEHAT
2016 0.603 0.212 0.292 0.110 1.217 SEHAT
2017 0.604 0.166 0.080 0.106 0.957 SEHAT
22 LCGP
2013 0.962 -0.002 -0.092 0.002 0.870 SEHAT
2014 0.942 0.046 0.234 0.033 1.255 SEHAT
2015 0.928 0.005 -0.007 0.010 0.936 SEHAT
2016 0.834 -0.017 0.046 0.005 0.868 SEHAT
2017 0.837 -0.017 -0.072 0.001 0.750 DISTRESS
23 LPCK
2013 0.322 0.508 0.129 0.138 1.097 SEHAT
2014 0.652 0.648 0.225 0.164 1.690 SEHAT
2015 0.591 0.513 0.539 0.155 1.797 SEHAT
2016 0.613 0.288 0.676 0.109 1.685 SEHAT
147
No. Nama Tahun
WCTA
(X1)
EBITTA
(X2)
EBTCL
(X3)
TSTA
(X4)
S-
Score
Kondisi
2017 0.691 0.091 0.224 0.049 1.055 SEHAT
24 LPKR
2013 0.631 0.148 0.262 0.085 1.126 SEHAT
2014 0.659 0.266 0.378 0.123 1.426 SEHAT
2015 0.716 0.128 0.175 0.086 1.105 SEHAT
2016 0.691 0.131 0.160 0.096 1.078 SEHAT
2017 0.656 0.086 0.088 0.078 0.909 SEHAT
25 MDLN
2013 -0.043 0.848 0.689 0.072 1.565 SEHAT
2014 0.035 0.331 0.276 0.105 0.747 DISTRESS
2015 0.000 0.344 0.201 0.089 0.633 DISTRESS
2016 0.071 0.221 0.125 0.065 0.482 DISTRESS
2017 0.055 0.257 0.188 0.084 0.585 DISTRESS
26 MKPI
2013 -0.147 0.528 0.191 0.141 0.713 DISTRESS
2014 0.112 0.433 0.191 0.142 0.879 SEHAT
2015 -0.001 0.769 0.241 0.226 1.234 SEHAT
2016 0.263 0.945 0.283 0.261 1.752 SEHAT
2017 0.166 0.755 0.564 0.209 1.693 SEHAT
27 MTLA
2013 0.298 0.312 0.298 0.121 1.029 SEHAT
2014 0.347 0.409 0.277 0.138 1.171 SEHAT
2015 0.326 0.355 0.184 0.120 0.985 SEHAT
2016 0.350 0.363 0.254 0.116 1.083 SEHAT
2017 0.324 0.344 0.361 0.104 1.133 SEHAT
28 MTSM
2013 0.778 0.009 0.048 0.004 0.838 DISTRESS
2014 0.773 0.014 0.004 0.005 0.796 DISTRESS
2015 0.726 0.015 -0.330 0.005 0.415 DISTRESS
2016 0.715 0.017 -0.133 0.005 0.604 DISTRESS
2017 0.554 0.021 -0.495 0.006 0.086 DISTRESS
148
No. Nama Tahun
WCTA
(X1)
EBITTA
(X2)
EBTCL
(X3)
TSTA
(X4)
S-
Score
Kondisi
29 NIRO
2013 0.059 0.078 0.029 0.035 0.201 DISTRESS
2014 0.063 0.006 0.099 0.032 0.200 DISTRESS
2015 0.390 0.016 -0.014 0.064 0.455 DISTRESS
2016 0.329 -0.024 -0.033 0.028 0.299 DISTRESS
2017 0.344 0.036 0.083 0.031 0.495 DISTRESS
30 MORE
2013 -0.097 0.187 -0.003 0.123 0.211 DISTRESS
2014 0.067 -0.004 1.134 0.121 1.319 SEHAT
2015 -0.017 -0.003 -0.083 0.028 -0.075 DISTRESS
2016 0.016 -0.017 1.419 0.023 1.440 SEHAT
2017 -0.004 -0.047 -0.196 0.017 -0.230 DISTRESS
31 PLIN
2013 0.020 0.373 0.109 0.135 0.638 DISTRESS
2014 0.120 0.340 0.395 0.134 0.988 SEHAT
2015 0.111 0.393 0.240 0.141 0.885 SEHAT
2016 -0.022 0.390 0.282 0.144 0.795 DISTRESS
2017 0.008 0.357 0.200 0.139 0.705 DISTRESS
32 PWON
2013 0.095 0.499 0.308 0.130 1.033 SEHAT
2014 0.098 0.346 0.440 0.092 0.976 SEHAT
2015 0.054 0.374 0.213 0.099 0.739 DISTRESS
2016 0.075 0.336 0.248 0.094 0.752 DISTRESS
2017 0.155 0.367 0.278 0.098 0.899 SEHAT
33 RBMS
2013 0.369 -0.002 -0.283 0.053 0.137 DISTRESS
2014 0.502 0.138 0.346 0.126 1.111 SEHAT
2015 0.264 -0.052 0.039 0.036 0.286 DISTRESS
2016 0.210 -0.016 -0.165 0.043 0.072 DISTRESS
2017 0.292 0.210 0.248 0.133 0.883 SEHAT
34 RDTX 2013 -0.170 0.416 0.454 0.102 0.802 DISTRESS
149
No. Nama Tahun
WCTA
(X1)
EBITTA
(X2)
EBTCL
(X3)
TSTA
(X4)
S-
Score
Kondisi
2014 -0.013 0.432 0.851 0.099 1.369 SEHAT
2015 0.111 0.407 0.885 0.090 1.493 SEHAT
2016 0.193 0.377 0.969 0.082 1.621 SEHAT
2017 0.195 0.312 1.381 0.073 1.962 SEHAT
35 RODA
2013 0.187 0.216 0.470 0.093 0.966 SEHAT
2014 0.210 0.185 0.455 0.089 0.939 SEHAT
2015 0.310 0.495 0.709 0.131 1.644 SEHAT
2016 0.460 0.107 0.121 0.060 0.749 DISTRESS
2017 0.536 0.041 0.041 0.034 0.651 DISTRESS
36 SCBD
2013 0.237 0.895 2.662 0.197 3.991 SEHAT
2014 0.115 0.067 0.212 0.069 0.463 DISTRESS
2015 0.028 0.064 0.192 0.073 0.357 DISTRESS
2016 -0.023 0.050 0.186 0.073 0.286 DISTRESS
2017 -0.011 0.082 0.787 0.072 0.930 SEHAT
37 SMDM
2013 0.191 0.043 0.047 0.045 0.325 DISTRESS
2014 0.151 0.066 0.047 0.053 0.317 DISTRESS
2015 0.171 0.067 0.105 0.073 0.416 DISTRESS
2016 0.100 0.055 0.025 0.064 0.245 DISTRESS
2017 0.114 0.040 0.025 0.060 0.238 DISTRESS
38 SMRA
2013 0.137 0.298 0.171 0.128 0.733 DISTRESS
2014 0.140 0.405 0.346 0.145 1.037 SEHAT
2015 0.158 0.293 0.207 0.120 0.778 DISTRESS
2016 0.220 0.208 0.137 0.104 0.669 DISTRESS
2017 0.137 0.190 0.084 0.104 0.515 DISTRESS
150
Lampiran 3: Rasio Likuiditas, Rasio Leverage, Rasio Profitabilitas, Rasio
Aktivitas, dan Firm Size
No. Nama Tahun CR DAR ROA TATO FS
1
AP
LN
2013 1.679 0.635 0.053 0.249 9.887
2014 1.832 0.644 0.045 0.224 10.073
2015 1.389 0.631 0.046 0.243 10.109
2016 1.068 0.612 0.037 0.234 10.155
2017 1.307 0.601 0.069 0.245 10.268
2
AS
RI
2013 0.758 0.630 0.060 0.255 9.577
2014 1.137 0.624 0.070 0.215 9.736
2015 0.719 0.647 0.040 0.149 9.837
2016 0.897 0.644 0.030 0.135 9.913
2017 0.737 0.585 0.070 0.188 9.942
3
BC
IP
2013 0.589 0.498 0.081 0.417 6.068
2014 0.524 0.576 0.071 0.366 6.380
2015 1.102 0.620 0.022 0.254 6.512
2016 1.564 0.613 0.077 0.289 6.671
2017 1.188 0.573 0.064 0.224 6.737
4
BE
ST
2013 2.531 0.263 0.260 0.394 8.120
2014 2.263 0.220 0.110 0.219 8.203
2015 3.930 0.343 0.050 0.142 8.441
2016 2.495 0.349 0.060 0.158 8.557
2017 3.752 0.327 0.080 0.176 8.652
5
BIP
P 2013 1.002 0.228 0.196 1.724 6.324
2014 0.776 0.269 0.028 1.160 6.420
151
No. Nama Tahun CR DAR ROA TATO FS
2015 1.138 0.187 0.092 0.423 7.188
2016 1.320 0.269 0.017 0.732 7.407
2017 1.123 0.306 -0.009 0.928 7.467
6
BK
SL
2013 2.040 0.350 0.057 0.005 9.274
2014 1.489 0.374 0.004 0.010 9.209
2015 1.298 0.412 0.013 0.010 9.319
2016 1.411 0.370 0.048 0.010 9.338
2017 1.556 0.336 0.031 0.007 9.614
7
BS
DE
2013 2.667 0.406 0.129 0.254 10.024
2014 2.056 0.346 0.142 0.199 10.247
2015 2.732 0.389 0.065 0.172 10.492
2016 2.910 0.365 0.053 0.171 10.559
2017 2.373 0.365 0.112 0.225 10.735
8
CO
WL
2013 0.664 0.386 0.025 0.170 7.573
2014 0.974 0.634 0.045 0.154 8.211
2015 1.012 0.661 -0.051 0.163 8.183
2016 1.584 0.656 -0.007 0.163 8.159
2017 0.859 0.692 -0.019 0.148 8.172
9
CT
RA
2013 1.363 0.512 0.048 0.209 9.916
2014 1.427 0.505 0.056 0.222 10.066
2015 1.565 0.503 0.028 0.234 10.176
2016 1.871 0.508 0.035 0.177 10.278
2017 1.949 0.513 0.063 0.149 10.364
10
DA
RT
2013 2.018 0.386 0.038 0.174 8.470
152
No. Nama Tahun CR DAR ROA TATO FS
2014 1.874 0.365 0.080 0.252 8.540
2015 0.664 0.403 0.031 0.147 8.655
2016 0.645 0.403 0.032 0.124 8.710
2017 0.538 0.440 0.005 0.070 8.758
11
DIL
D
2013 0.772 0.456 0.050 0.200 8.927
2014 1.420 0.504 0.236 0.203 9.106
2015 0.890 0.536 0.087 0.214 9.239
2016 0.921 0.573 0.061 0.192 9.379
2017 0.879 0.517 0.052 0.169 9.480
12
DU
TI
2013 3.513 0.190 0.088 0.215 8.919
2014 3.339 0.231 0.086 0.202 9.003
2015 3.623 0.242 0.074 0.187 9.107
2016 3.887 0.196 0.087 0.205 9.179
2017 3.793 0.212 0.061 0.163 9.266
13
EL
TY
2013 0.632 0.419 -0.019 0.270 9.418
2014 0.917 0.483 0.032 0.107 9.596
2015 0.769 0.569 -0.049 0.099 9.553
2016 1.051 0.549 -0.040 0.119 9.559
2017 0.953 0.562 -0.019 0.088 9.553
14
EM
DE
2013 1.844 0.407 0.040 0.240 6.845
2014 1.620 0.489 0.040 0.264 7.072
2015 1.492 0.448 0.050 0.272 7.087
2016 2.058 0.496 0.050 0.242 7.218
2017 3.015 0.579 0.060 0.212 7.533
153
No. Nama Tahun CR DAR ROA TATO FS
15 F
MII
2013 1.179 0.342 0.078 0.119 6.064
2014 1.336 0.379 0.005 0.096 6.129
2015 3.066 0.238 0.274 0.409 6.370
2016 3.938 0.128 0.359 0.521 6.649
2017 3.550 0.150 -0.040 0.044 6.686
16
GA
MA
2013 1.890 0.191 0.002 0.094 7.163
2014 2.030 0.214 0.034 0.111 7.237
2015 2.180 0.180 0.004 0.090 7.198
2016 2.345 0.184 0.001 0.040 7.204
2017 3.126 0.217 0.000 0.048 7.246
17
GM
TD
2013 1.089 0.691 0.049 0.230 7.175
2014 2.067 0.562 0.140 0.208 7.329
2015 1.064 0.565 0.094 0.250 7.150
2016 1.165 0.480 0.071 0.236 7.114
2017 1.195 0.434 0.055 0.191 7.125
18
GP
RA
2013 2.088 0.399 0.080 0.389 7.195
2014 2.563 0.420 0.061 0.372 7.325
2015 3.629 0.398 0.046 0.264 7.361
2016 4.221 0.356 0.030 0.273 7.358
2017 4.599 0.322 0.026 0.253 7.279
19
GW
SA
2013 5.357 0.056 0.126 0.020 8.453
2014 3.721 0.064 0.107 0.033 8.583
2015 3.522 0.079 0.186 0.012 8.825
2016 8.815 0.069 0.030 0.020 8.848
154
No. Nama Tahun CR DAR ROA TATO FS
2017 8.248 0.073 0.027 0.012 8.882
20
JPR
T
2013 0.703 0.560 0.090 0.214 8.726
2014 0.756 0.520 0.110 0.290 8.808
2015 0.982 0.454 0.120 0.284 8.933
2016 0.975 0.422 0.120 0.281 9.046
2017 1.115 0.369 0.120 0.254 9.155
21
KIJ
A
2013 2.867 0.493 0.012 0.338 9.019
2014 5.041 0.805 0.046 0.327 9.048
2015 6.348 0.489 0.060 0.322 9.184
2016 6.447 0.473 0.040 0.275 9.284
2017 7.196 0.476 0.010 0.266 9.330
22
LC
GP
2013 39.279 0.068 -0.003 0.006 7.475
2014 34.063 0.067 0.010 0.083 7.459
2015 17.761 0.055 -0.001 0.025 7.445
2016 12.774 0.151 0.002 0.013 7.422
2017 12.250 0.143 -0.008 0.004 7.415
23
LP
CK
2013 1.616 0.527 0.153 0.345 8.257
2014 2.725 0.390 0.193 0.411 8.387
2015 3.755 0.336 0.167 0.387 8.608
2016 4.646 0.249 0.096 0.273 8.640
2017 5.767 0.376 0.030 0.121 9.424
24
LP
KR
2013 4.954 0.547 0.040 0.213 10.352
2014 5.172 0.535 0.070 0.308 10.542
2015 6.913 0.542 0.010 0.216 10.629
155
No. Nama Tahun CR DAR ROA TATO FS
2016 5.454 0.516 0.020 0.240 10.728
2017 5.137 0.474 0.010 0.195 10.947
25
MD
LN
2013 0.834 0.515 0.254 0.180 9.175
2014 1.207 0.486 0.068 0.263 9.246
2015 0.998 0.528 0.068 0.222 9.461
2016 1.345 0.546 0.035 0.162 9.585
2017 1.330 0.515 0.042 0.211 9.589
26
MK
PI
2013 2.517 0.377 0.085 0.352 7.950
2014 2.596 0.375 0.095 0.355 8.087
2015 2.321 0.389 0.066 0.566 8.195
2016 2.457 0.364 0.070 0.652 8.277
2017 2.269 0.385 0.090 0.522 8.492
27
MT
LA
2013 2.269 0.378 0.085 0.302 7.950
2014 2.457 0.375 0.095 0.344 8.087
2015 2.321 0.389 0.060 0.301 8.195
2016 2.596 0.364 0.070 0.291 8.277
2017 2.517 0.385 0.090 0.259 8.492
28
MT
SM
2013 10.250 0.163 -0.021 0.009 4.585
2014 18.250 0.120 -0.012 0.012 4.522
2015 16.500 0.125 -0.050 0.012 4.477
2016 20.667 0.118 -0.030 0.013 4.443
2017 11.750 0.138 -0.060 0.016 4.382
29
NIR
O 2013 1.267 0.369 0.002 0.088 8.005
2014 1.320 0.427 -0.036 0.081 8.019
156
No. Nama Tahun CR DAR ROA TATO FS
2015 6.192 0.122 -0.009 0.161 8.053
2016 7.798 0.216 -0.029 0.070 8.241
2017 7.059 0.253 -0.006 0.078 8.495
30
OM
RE
2013 0.635 0.357 0.013 0.308 6.711
2014 1.828 0.226 0.017 0.303 6.702
2015 0.649 0.046 0.064 0.070 8.221
2016 1.456 0.034 0.075 0.057 8.358
2017 0.930 0.054 -0.016 0.043 8.353
31
PL
IN
2013 1.098 0.477 0.008 0.338 8.325
2014 1.856 0.479 0.079 0.335 8.422
2015 1.672 0.485 0.060 0.352 8.449
2016 0.895 0.501 0.158 0.361 8.433
2017 1.041 0.787 0.062 0.347 8.442
32
PW
ON
2013 1.302 0.559 0.122 0.326 9.138
2014 1.407 0.506 0.155 0.231 9.727
2015 1.223 0.496 0.075 0.246 9.840
2016 1.327 0.467 0.086 0.234 9.937
2017 1.715 0.452 0.087 0.245 10.059
33
RB
MS
2013 3.036 0.195 -0.088 0.132 5.069
2014 4.619 0.141 0.019 0.314 5.050
2015 3.882 0.094 -0.017 0.089 5.252
2016 9.500 0.036 -0.040 0.108 5.118
2017 2.550 0.196 0.082 0.333 5.389
34
RD
TX
2013 0.240 0.259 0.128 0.255 7.346
157
No. Nama Tahun CR DAR ROA TATO FS
2014 0.902 0.178 0.142 0.248 7.404
2015 2.058 0.151 0.138 0.225 7.535
2016 3.246 0.108 0.124 0.205 7.651
2017 4.630 0.093 0.174 0.183 7.732
35
RO
DA
2013 1.874 0.374 0.137 0.233 7.920
2014 1.847 0.314 0.170 0.223 8.029
2015 3.237 0.224 0.148 0.327 8.081
2016 5.390 0.193 0.018 0.150 8.140
2017 5.773 0.229 0.012 0.085 8.174
36
SC
BD
2013 3.703 0.226 0.316 0.492 8.622
2014 2.163 0.292 0.024 0.173 8.625
2015 1.220 0.321 0.029 0.182 8.624
2016 0.790 0.279 0.059 0.183 8.651
2017 0.901 0.255 0.039 0.179 8.663
37
SM
DM
2013 1.919 0.273 0.009 0.112 7.990
2014 1.746 0.301 0.014 0.132 8.057
2015 2.076 0.223 0.024 0.183 8.057
2016 1.580 0.201 0.007 0.160 8.039
2017 1.655 0.205 0.006 0.149 8.053
38
SM
RA
2013 1.372 0.649 0.050 0.319 9.565
2014 1.585 0.596 0.100 0.363 9.672
2015 1.653 0.599 0.060 0.300 9.839
2016 2.055 0.640 0.030 0.259 9.943
2017 1.459 0.584 0.020 0.260 9.983
158
Lampiran 4: : Hasil Uji SPSS - Uji Multikolinearitas Model Altman Z-Score
Lampiran 5: Hasil Uji SPSS - Uji Multikolinearitas Klasik Model Springate
159
Lampiran 6: Hasil Uji SPSS - Uji Regresi Logistik Binary Model Altman Z-Score
160
161
162
Lampiran 7: Hasil Uji SPSS - Uji Regresi Logistik Binary Model Springate
163
164
165