struktur modal dan prediksi kegagalan perusahaan

VOL. 5, NO. 3, NOVEMBER 2011 ISSN: 1979-3116

STRUKTUR MODAL DAN

PREDIKSI KEGAGALAN

PERUSAHAAN:

Teori dan Aplikasi

Jurnal Ekonomi, dan Bisnis Vol. 5 No. 3, November 2011 (209-220)

ISSN: 1978 – 3116

Rowland Bismark Fernando Pasaribu ABFI PERBANAS INSTITUTE JAKARTA

Jurnal Ekonomi dan Bisnis

Vol. 5, No. 3, November 2009 (209-220) ISSN: 1978 – 3116

1

Struktur Modal dan Prediksi Kegagalan Perusahaan: Teori dan Aplikasi

Rowland Bismark Fernando Pasaribu

ABFI PERBANAS INSTITUTE JAKARTA

Abstract

This paper addresses the theoretical foundations of corporate failure prediction, using the neo-classical theory of capital structure as a starting point. The paper intends to demonstrate the feasibility of such an approach in a simple setting, i.e. by using a simple theoretical model and a limited empirical analysis. A model of optimal capital structure is constructed and rewritten as a model of default probability. Its empirical implications are derived and tested on a sample of Indonesian data. It is concluded that this approach clearly has its limitations, but also that it may be a valuable contribution compared to the multitude of theory-less empirical studies and a useful alternative to the default theory.

Keywords: Default Probabilities, Capital structure, Corporate Failure, Logistic regression

PENDAHULUAN

Kebangkrutan yang dialami oleh banyak perusahaan global semakin

menegaskan akan pentingnya prediksi gagal-bayar baik dalam konteks akademis dan

aplikasi riil. Saat ini nampaknya semakin sangat penting saja urgensi membentuk

sistem peringatan dini yang dapat membantu menghindari perusahaan dalam kondisi

gagal-bayar disatu sisi dan memfasilitasi pemilihan emiten untuk dijadikan nominator

dimana kita akan berinvestasi atas perusahaan tersebut di sisi lain.

Penelitian mengenai prediksi gagal-bayar telah mengalami perjalanan yang

cukup panjang sejak awal dicetuskan melalui karya Beaver (1966, 1968) dan Altman

(1968). Pendekatan yang ada untuk memprediksi kegagalan perusahaan sebahagian

besar adalah aplikasi teknik klasifikasi statistik (biasanya analisis diskriminan)

terhadap sampel yang terdiri perusahaan gagal dan non-gagal, contoh penelitian

tersebut telah dilakukan Deakin (1972) dan Altman et al. (1977). Setelah itu terjadi

pergeseran penggunaan teknik analisis yakni dengan analisis probit atau logit. Martin

(1977) dan Ohlson (1980) adalah yang pertama dalam mengaplikasikan teknik ini

diikuti oleh Wiginton (1980), Zmijewski (1984), Zavgren (1985), Aziz and Lawson



2

(1989), Lennox (1999) serta Westgaard dan Van der Wijst (2001). Teknik statistik

lainnya yang juga telah diperkenalkan adalah: partisi rekursif (Frydman et.al, 1985); teori

katastrophi (Gregory et.al, 1991); penskalaan multidimensi (Mar Molinero dan Ezzamel,

1991); neural networks (Tam dan Kiang, 1992); model multinominal logit (Johnsen dan

Melicher, 1994); metodologi bantuan keputusan multi-kriteria (Zopounidis dan Doumpos,

1999) serta; cara penetapan langsung (Dimitras et al., 1999).

Kesimpulan umum dari usaha penelitian yang ekstensif ini terlihat menjadikan

tiap studi yang dilakukan menghasilkan diskriminasi yang beralasan antara

perusahaan yang gagal dan non-gagal, tapi juga dan mungkin lebih signifikan bahwa

beragam penelitian berusaha keras menunjukkan suatu persetujuan mengenai faktor

apa yang penting untuk prediksi kegagalan. Faktanya, dapat dikatakan bahwa kurang

lebih 40 tahun penelitian mengenai topik ini belum berhasil menghasilkan variabel

mana dan mengapa, yang merupakan prediktor yang baik. Ketidaksepakatan

kesimpulan tersebut tentu saja, secara parsial dapat ditujukan pada fakta bahwa

penelitian-penelitian tersebut mengacu pada periode, negara, dan industri yang

berbeda-beda. Faktor lainnya mungkin pada praktiknya seluruh penelitian tersebut

tidak memiliki kerangka kerja teoritis untuk mengarahkan usaha penelitian empiris.

Dalam ketiadaan teori yang menyediakan hipotesis yang dapat diuji, maka hasil

empiris harus dievaluasi kualitasnya dan hanya berharap bahwa muncul suatu pola

dari sejumlah besar hasil empiris. Kondisi seperti ini menimbulkan persepsi yang

kurang elegan dalam positioning topik penelitian prediksi kegagalan karena tidak

memiliki acuan teori dasar bila dibanding topik-topik lainnya dalam ilmu manajemen

keuangan.

Penelitian ini mencoba mendirikan tiang penyanggah teoritis pada prediksi

kegagalan dengan mendayagunakan teori neo-klasik struktur modal sebagai titik awal.

Demikian selanjutnya teori ini mengikuti pendekatan alternatif yang dibandingkan model

Merton yang telah terkenal didasarkan teori penetapan harga opsi dan kemudian

dielaborasikan ke dalam model KMV. Asal dari struktur modal yang mendasari teori

gagal-bayar disatu sisi terdapat pada model yang menghubungkan resiko kejatuhan

kepada penilaian klaim perusahaan.1 Elaborasi yang terakhir dapat ditemukan dalam Scott

(1981). Di sisi lain, teori ini juga terdapat dalam model struktur modal optimal yang

dikembangkan pada kebangkitan teorema irelevansi-nya Modigliani-Miller (Modigliani 1 lih. Gordon, 1971; Scott, 1977; dan Vinso, 1979.



3

dan Miller, 1958, 1963), Baxter (1967), Kraus dan Litzenberger (1973), Scott (1976),

serta Kim (1978).

Pada pelaksanaannya, seluruh model struktur modal optimal menggunakan

kondisi gagal-bayar dalam derivasi struktur modal optimal. Kondisi ini menangkap esensi

keputusan gagal-bayar: terjadi pada saat nilai beragam arus kas yang tersedia untuk

perusahaan tidak memadai untuk melunasi kewajiban hutangnya. Berdasarkan hal

tersebut, dihasilkan teori kepemilikkan pada struktur modal optimal dalam keseimbangan

komparatif-nya yang merupakan dasar untuk analisis empiris. Anehnya, model ini jarang,

jika sekiranya, ditulis ulang dan secara tegas menyatakan kemungkinan kegagalan

perusahaan dan karakteristiknya, yakni: bagaimana model tersebut dipengaruhi oleh

faktor penentu struktur modal optimal. Sejak awal delapan puluhan, garis penelitian

teoritis ini nampak sepenuhnya lebih baik dengan opsi yang didasarkan teori default.

Berdasarkan uraian singkat diatas, penelitian ini bertujuan untuk mengklarifikasi

kapasitas dari konsep teori struktur modal sebagai prediktor probabilitas kegagalan

perusahaan.

PEMBENTUKKAN TEORI:

Probabilitas Gagal-Bayar Dalam Kerangka kerja Struktur Modal

2.1 Model Sederhana Struktur Modal Optimal

Model yang digunakan disini adalah sederhana, yakni model struktur modal

optimal periode tunggal. Model ini memungkinkan ketidaksempurnaan pasar: pajak

dan biaya kegagalan, dan memadai untuk menangkap esensi dari teori trade-off,

dimana struktur modal optimal ditetapkan sebagai trade-off antara keunggulan pajak

dan ekspektasi biaya kegagalan. Model ini diadopsi dari teorema Van der Wijst

(1989) yang dielaborasi.

Asumsi utama model adalah sebagai berikut:

Pasar modal diasumsikan tidak berbiaya dan kompetitif. Pajak laba perusahaan

adalah konstan dan menurut sistem pajak penghasilan yang memungkinkan deduksi

seluruh pembayaran kreditur, termasuk pembayaran kembali pokok hutang dari pajak

penghasilan perusahaan. Meski demikian, tidak terdapat item pengurangan pajak dan

pajak individual. Seluruh pelaku pasar diasumsikan greedy dan bertindak secara

rasional.



4

Jumlah pendapatan yang dihasilkan perusahaan diasumsikan tetap, yakni

seluruh keputusan investasi telah dibuat tapi keputusan pendanaan belum. Perusahaan

hanya menggunakan ekuitas dan hutang. Hutang tidak hanya merupakan subjek

terhadap risiko gagal bayar. Terakhir, investor diasumsikan berposisi netral terhadap

risiko dan memiliki kewajiban terbatas. Dalam penetapan asumsi ini, arus kas

perusahaan hanyalah sumber dana yang dapat digunakan untuk memenuhi kewajiban

terhadap kreditur. Akibatnya, kalau kewajiban ini melebihi arus kas perusahaan, maka

terjadi gagal-bayar dan perusahaan mendeklarasikan kebangkrutan. Karenanya

kondisi kebangkrutan, b adalah:

b = ξ < R (2.1)

dimana ξ adalah variabel acak yang merepresentasikan arus kas perusahaan sebelem

bunga dan pajak (EBIT) dan R adalah pembayaran terhadap kreditur. ξ diasumsikan

berdistribusi normal dengan rata-rata µx dan standar deviasi σx. Kalau diakhir periode,

terjadi kondisi b, para pemilik saham dilindungi dengan kewajiban terbatas dan tidak

menerima apa-apa. Selanjutnya mereka menerima arus kas setelah pajak dan bunga.

Nilai pada akhir periode, Ye adalah:

Ye = 0 kalau ξ < b (2.2)

Ye = (1-τ)(ξ-R) kalau ξ ≥ b

Dimana τ adalah tingkat pajak perusahaan. Untuk investor risiko-netral keseimbangan

nilai ekuitas, Ve adalah nilai diskonto saat ini pada tingkat suku bunga bebas risiko,

pada ekspektasi Ye:

)3.2()1(

)()()1(

)1(

)(

r

dR

r

YeEVe b

+

ƒ−−

+=

∫∞

ξξξτ

Dimana r adalah tingkat suku bunga bebas risiko. Nilai kreditur pada akhir periode,

Yd diperoleh dengan cara yang sama. Kalau terjadi kondisi kebangkrutan, perusahaan

dialihkan kepada kreditur yang berarti mereka menerima arus kas minus biaya

kegagalan. Terbatasnya nilai kewajiban menghindarkan mereka untuk menerima arus

kas negatif. Jadi nilai hutang pada akhir periode adalah:

Yd = 0 kalau ξ ≤ 0

Yd =ξ-B(ξ ) kalau 0 < ξ < b (2.4)

Yd =R kalau ξ ≥ b (b=R)



5

dimana B(ξ) adalah jumlah biaya kegagalan sebagai fungsi pada arus kas ξ. Nilai

keseimbangan hutang adalah present value dari ekspektasi Yd:

)5.2()1(

)1()())((0

r

FRdB

V

b

d +

−+ƒ−=∫ ξξξξ

Dimana F adalah probabilitas kegagalan: ∫∞−

=b

dfF .)( ξξ Sejak didefinisikan sebagai

fungsi kumulasi densitas, probabilitas kegagalan akan selalu memiliki nilai antara 0

dan 1. Nilai total perusahaan diperoleh dengan menambahkan Ve dan Vd, yang setelah

menyusun ulang terminologi, adalah:

)6.2()1(

)1()()( )()(0 0

r

FRdfBdfdf

V b

b

+

−+−−=∫ ∫ ∫∞ ∞

τξξξξξξτξξξ.

Struktur modal optimal dan kapasitas hutang diperoleh dengan mendiferensiasikan V

dan Vd dengan mengacu kepada R:

)7.2()1(

)()()1(V

r

RfRBF

R +−−=

∂∂ τ

)8.2()1(

)()()1(

r

RfRBF

R

Vd

+−−=

∂∂ τ

dimana B(R) dan f(R) adalah fungsi biaya kegagalan dan dan probabilitas kegagalan

arus kas, keduanya dievaluasi pada titik struktur modal optimal. Dengan menetapkan

persamaan 2.8 sama dengan nol, memberikan jumlah hutang maksimum kreditur yang

akan dikucurkan, atau kapasitas hutang perusahaan. Persamaan 2.7 ditetapkan sama

dengan nol, memberikan jumlah hutang yang memaksimalkan nilai perusahaan yakni

struktur modal optimal. Hal ini dapat ditunjukkan bahwa untuk arus kas berdistribusi

normal pada kondisi order kedua untuk persamaan 2.7 dan 2.8 terpenuhi. Karena

tingkat pajak perusahaan τ, memiliki nilai antara 0 dan 1, jumlah hutang dalam

struktur modal optimal adalah lebih kecil daripada jumlah hutang yang akan dicairkan

kreditur. Ini berarti persamaan 2.8 tidak membatasi jumlah hutang yang dapat

diterima perusahaan yakni struktur modal optimal tercapai sebelum kapasitas hutang.

Perumusan kembali persamaan 2.7 memberikan persamaan berikut:

)9.2()1(

)()(

)1(

)1(

r

RfRB

r

F

+=

+−τ



6

Persamaan sisi kiri merepresentasikan nilai saat ini pada marjin penghematan pajak,

sementara di sisi kanan merepresentasikan nilai saat ini pada marjin biaya kegagalan.

Karenanya struktur modal tercapai saat marjin keuntungan pendanaan hutang sama

dengan biaya marjin. Diskusi yang lebih ekstensif dan kalkulasi detail selanjutnya

dapat dilihat pada Van der Wijst (1989).

2.2 Model Probabilitas Kegagalan

Pada sub-bab ini model struktur modal diformulasi ulang sebagai model

probabilitas kegagalan dan selanjutnya dianalisis. Persamaan 2.9 merepresentaikan

pilihan optimal pada struktur modal sebagai fungsi tingkat pajak, biaya kegagalan dan

distribusi kepemilikan arus kas termasuk probabilitas gagal bayar

)10.2()()(

1τ

RfRBF −=

dimana seluruh variabel telah dijelaskan sebelumnya.

Persamaan 2.10 merefleksikan konsekuensi probabilitas gagal bayar pada

keputusan untuk maksimisasi nilai perusahaan dengan menggunakan struktur modal

sebagai instrumennya. Probabilitas gagal-bayar itu sendiri bukanlah variabel tujuan

(untuk diminimalisir atau dioptimalkan) atau instrumen langsung. Probabilitas gagal-

bayar tentu saja dimanipulasi secara tidak langsung dengan memilih tingkat R. Dalam

persamaan 2.10 probabilitas gagal-bayar tergantung pada tingkat pajak, biaya

kegagalan dan distribusi kepemilikan arus kas.

Untuk menganalisis model, selanjutnya dikalkulasi perbandingan statisnya. Ini

menunjukkan pengaruh pada probabilitas gagal-bayar, F terhadap perubahan dalam

variabel di model. Komparasi statis pada model dideskripsikan dibawah dimana

beberapa kalkulasi yang lebih detail ditambahkan:

a) Probabilitas gagal bayar, F, tergantung pada ukuran hutang dengan cara

berikut:

)11.2(0)('))(()(

2RkalauRB

RRBRf

R

Fx

x

x ≥<

+−

=∂∂ µ

σµ

τ

Karena f(R), tingkat pajak perusahaan, biaya kegagalan, varian arus kas dan derivasi

pertama pada biaya kegagalan semuanya adalah positif, (2.11) akan negatif kalau µx ≥

R. Dan lagi tanda tersebut tergantung pada ukuran relatif variabel lainnya dan tidak



7

dapat ditentukan secara definitif. Hal ini berarti pengaruh leverage terhadap

probabilitas gagal-bayar tidak dapat ditentukan secara definitif, dan dalam rentang

yang dapat ditentukan secara definitif pengaruhnya karena keduanya bertentangan

terhadap prediksi kebijaksanaan konvensional

b) Perubahan pada F terkait dengan perubahan dalam tingkat pajak adalah:

)12.2(0)()(

2>=

∂∂

ττRfRBF

Kedua biaya kegagalan, yakni f(R) dan τ, tingkat pajak perusahaan adalah positif. Hal

ini berarti suatu kenaikan dalam tingkat pajak akan meningkatkan probabilitas gagal-

bayar. Hal tersebut membuat pendanaan hutang lebih menarik marjin, akan mengarah

pada semakin besarnya jumlah hutang dalam struktur modal optimal dan probabilitas

gagal-bayar yang semakin tinggi.

c) Derivasi F terkait dengan biaya kegagalan adalah:

)13.2(0)(

)(<=

∂∂

τRf

R

F

karena f(R) dan τ keduanya adalah positif, maka persamaan 2.13 akan menjadi

negatif. Dimana kenaikan dalam biaya kegagalan akan membuat pendanaan hutang

kurang menarik marjin, hal ini akan mengarah pada semakin kecilnya jumlah hutang

dalam struktur modal optimal serta akan mengurangi probabilitas gagal-bayar.

d) Perubahan dalam standar deviasi arus kas akan mempengaruhi probabilitas

gagal bayar sebagai berikut:

)14.2()(1)()(

)(

3

2

−−=

∂∂

=∂∂

x

x

x

x

x

RRBRf

fRB

F

σµ

σττσ

σ

Meski persamaan 2.14 terlihat sedikit kompleks, f(R), B(R), τ dan σx, ketiganya

adalah positif. Jadi persamaan dalam bahagian kudrat akan menentukan tanda pada

persamaan 2.14. dan dibatasi hanya sampai pada:

σ²x – (R- µx)² < 0 kalau R- µx > σx

= 0 kalau R- µx = σx (2.15)

> 0 kalau R- µx < σx



8

Karenanya komparasi statis pada standar deviasi arus kas tergantung pada; apakah

perbedaan antara ekspektasi earning dan kewajiban hutang lebih besar atau lebih kecil

daripada standar deviasi earning.

e) Perubahan pada ekspektasi arus kas mendatang, µx, pada F adalah:

0)()()(

)(

2>−=

∂∂

=∂∂

RRBRf

fRB

Fx

x

x

x

µτστ

µµ

kalau µx > R (2.16)

= 0 kalau µx = R

< 0 kalau µx < R

Karena f(R), biaya kegagalan B(R), tingkat pajak dan varian arus kas semuanya

positif, tanda persamaan 2.16 tergantung pada hubungan antara ekspektasi arus kas

dan ukuran hutang. Komprasi statis pada model probabilitas gagal-bayar diringkas

pada tabel 1 dibawah ini.

Tabel 1. Pengaruh Variabel dalam Model Terhadap Probabilitas Gagal-Bayar

Komparasi Statis K∂

∂F Ekspektasi Pengaruh terhadap F

R, Hutang Positif atau tidak ditentukan τ, Tingkat Pajak Positif. B(R ), Biaya Kegagalan Negatif σ, St.Dev Arus Kas Positif atau Negatif µ, Ekspektasi Arus Kas Positif atau Negatif

Aspek yang sangat menarik perhatian pada tabel 1 yakni tidak hanya struktur modal

atau distribusi kepemilikan arus kas (ekspektasi dan varian) memiliki pengaruh secara

langsung terhadap probabilitas gagal-bayar. Kesimpulan yang dapat dikomparasi

tercapai dalam analisis statis komparatif menyangkut model struktur modal optimal

(probabilitas gagal bayar memiliki pengaruh yang ambigu atas struktur modal

optimal, lih. Van der Wijst, 1989). Hal ini menantang kebijaksanaan konvensional

peningkatan probabilitas gagal-bayar, ceteris paribus, dengan varian arus kas dan

leverage dan penurunan dengan ekspektasi arus kas. Karenanya, tidaklah logis

membuat asumsi mengenai R, µx, dan σx yang membawa seluruh komparatif statis

sejalan dengan kebijakan konvensional. Jika leverage dan ekspektasi arus kas

memiliki efek kebijakan-konvensional, maka harus diasumsikan bahwa µx <R, tapi hal

ini akan memberikan varian arus kas pengaruh yang negatif; bertentangan dengan

kebijakan-konvensional. Diperlukan penelitian lebih lanjut untuk menentukan apakah



9

ambiguitas yang berasal dari akhir distribusi yang ekstrim atau pusat area tersebut.

Saat ini penelitian hanya dapat merumuskan hipotesis untuk tarif pajak dan biaya

kegagalan yang dihipotesakan memiliki respon positif dan efek negatif atas

probabilitas gagal-bayar.

METODOLOGI PENELITIAN Metode Pengumpulan Data

Populasi dalam penelitian ini adalah seluruh perusahaan yang terdaftar di Bursa Efek

Indonesia. Adapun pengambilan sampel menggunakan metode judgment sampling,

yaitu pemilihan sampel berdasarkan pada kriteria-kriteria tertentu. Kriteria tersebut

adalah merupakan emiten dari jenis industri berikut: a) industri dasar dan kimia; b)

aneka industri; c) industri barang konsumsi; d) industri perdagangan. perusahaan yang

sahamnya selalu terdaftar dan aktif diperdagangkan di Bursa Efek Indonesia (BEI)

minimal sejak tahun 2002 serta selalu menyajikan informasi keuangan selama periode

pengamatan (Siagian, 2000). Jenis data yang digunakan dalam penelitian ini adalah

data sekunder untuk periode tahun 2002-2006, yang diperoleh dari www.jsx.co.id,

Model Empiris dan Variabel Proksi

Dalam melakukan klasifikasi awal pada kategori gagal dan non-gagal, penelitian ini

menggunakan asumsi yang telah banyak digunakan dalam literatur terdahulu prediksi

kegagalan perusahaan. Adapun asumsi tersebut adalah 9 variabel binari; masing-

masing bernilai 1 (non-gagal) kalau persyaratan kondisi terpenuhi, dan 0 (gagal) bila

sebaliknya:

(i) Laba sebelum hak minoritas atas laba bersih anak perusahaan, positif;

(ii) Arus kas operasional, positif;

(iii) Perubahan ROA, positif;

(iv) Arus kas operasional melebihi laba sebelum hak minoritas atas laba bersih

anak perusahaan;

(v) Perubahan leverage (hutang jangka panjang/total aktiva) negatif;

(vi) Perubahan likuiditas, positif;

(vii) Perubahan gross margin ratio (1 – COGS/ penjualan) positif;

(viii) Perubahan dalam turnover, (penjualan / total aktiva) positif;



10

(ix) Perusahaan memiliki arus kas operasional dari penjualan saham positif.

Banyak variabel dalam model teoritis mengacu pada nilai ekspektasi mendatang yang

tidak dapat diukur secara langsung, karenanya digunakan variabel proksi empiris yang

diambil dari data akuntansi yang tersedia. Variabel proksi yang digunakan dalam

analisis adalah:

- Hutang: DTA

- Pajak: TAX / EBIT

- Ekspektasi Arus Kas (µx); CF = (net profit + depreciation)/ total assets

- Standar deviasi arus kas (σx):

- Biaya Kegagalan B(x) : diaproksimasi dengan ukuran perusahaan (ln(sales))

Karena variabel tersebut adalah transformasi ini secara langsung dari angka-angka

akuntansi maka tidak memerlukan banyak diskusi mengenainya. Variabel arus kas dan

leverage dimasukkan dalam analisis tanpa hipotesis yang tegas atau eksplisit mengenai

pengaruh mereka. Tarif pajak dihipotesiskan berhubungan positif terhadap probabilitas

gagal-bayar. Biaya kegagalan biasanya diasumsikan berhubungan terbalik terhadap

ukuran perusahaan, yakni biaya kegagalan sebagai bagian dari nilai perusahaan yang

mengurangi ukuran perusahaan. Di dalam model penelitian ini, biaya kegagalan

berpengaruh negatif terhadap probabilitas gagal-bayar, karenanya hal ini mengarahkan

pada hipotesis bahawa ukuran perusahaan berhubungan positif terhadap probabilitas

gagal-bayar.

Teknik Analisis dan Model Analisis

Variabel dependen yang digunakan dalam penelitian ini adalah kondisi kegagalan

perusahaan yang merupakan variabel kategori; 0 untuk perusahaan syang mengalami

kegagalan dan 1 untuk perusahaan non-gagal. Variabel independen yang digunakan

dalam penelitian ini adalah rasio keuangan dari hutang, pajak, ekspektasi arus kas,

standar deviasi arus kas, dan biaya kegagalan

Pengujian Hipotesis

Dalam penelitian untuk melihat apakah variabel bebas X berpengaruh

terhadap variabel tidak bebas Y yang berbentuk kategori, model logistik yang

digunakan adalah:

)(1

1)(),,,1( 21 iXie

XPXXXYP k βα Σ+−+=== K



11

atau

logit P(X) = α+ΣβiXi

dimana Y = 1 jika kejadian yang diamati sebagai variabel tidak bebas dan variabel Xi

sebagai variabel bebas.

Uji Simultan Model Regresi Logistik

Untuk uji keberartian/kecocokan model digunakan uji statistik Hosmer dan

Lemeshow dengan hipotesis:

Ho = Tidak ada perbedaan nyata antara klasifikasi prediksi dan klasifikasi observasi.

Ha = Terdapat perbedaan nyata antara klasifikasi prediksi dan klasifikasi observasi.

dengan kriteria tolak Ho untuk α yang ditetapkan jika 05.01,2. αχ α <−− knsig

dengan kriteria uji : Uji Parsial

Ho = Koefisien regresi tidak signifikan

Ha = Koefisien regresi signifikan.

dengan kriteria tolak Ho untuk α yang ditetapkan jika 05.01,2. αχ α <−− knsig



12

PEMBAHASAN

Tabel 2. Hasil Uji Signifikansi Simultan

Sampel Keseluruhan Aneka Industri

Industri Dasar & Kimia

Industri Barang

Konsumsi

Industri Perdagangan

Model 1 0.000 0.005 0.638 0.337 0.000 Model 2 0.363 0.274 0.708 0.745 0.856 Model 3 0.866 0.978 0.582 0.496 0.634 Model 4 0.296 0.118 0.038 0.201 0.142 Model 5 0.500 0.021 0.083 0.885 0.240 Model 6 0.283 0.554 0.703 0.726 0.170 Model 7 0.347 0.154 0.550 0.389 0.414 Model 8 0.197 0.291 0.217 0.261 0.650 Model 9 0.558 0.389 0.466 0.089 0.286

Pembahasan detail akan dilakukan berdasarkan hasil uji signifikansi simultan

model dalam mendikriminasi sampel. Berdasarkan sampel data agregat, hanya dua

model yang terbukti signifikan perihal penggunaan konsep struktur modal terhadap

prediksi kegagalan perusahaan; model 1 (sig.H&L= 0.000) dan model 8 (sig.H&L=

0.044). Sementara untuk sampel aneka industri; model 1 (sig.H&L= 0.005) dan model

5 (sig.H&L= 0.021). Pada industri dasar dan kimia hanya model 4 (sig.H&L= 0.038)

yang signifikan, begitu juga dengan industri perdagangan, hanya model 1 (sig.H&L=

0.000) yang terbukti signifikan. Sementara untuk industri barang konsumsi tidak

satupun model yang ada memiliki pengaruh signifikan, ini dapat berarti konsep

struktur modal tidak berpengaruh signifikan dalam mengidentifikasi kegagalan

perusahaan.

Tabel 3. Koefisien Nagelkerke

Sampel Keseluruhan Industri

Aneka Industri

Industri Dasar

& Kimia

Industri Barang

Konsumsi


Model 1 32.85% 66.07% 73.53% 41.00% 64.15% Model 2 8.80% 27.88% 4.84% 34.48% 13.58%



13

Model 3 1.34% 10.67% 3.07% 10.05% 1.59% Model 4 3.73% 9.70% 17.53% 1.36% 11.78% Model 5 4.91% 11.15% 10.53% 7.26% 4.50% Model 6 8.78% 21.08% 9.34% 15.85% 8.72% Model 7 4.69% 11.94% 7.44% 12.43% 3.14% Model 8 2.28% 26.23% 6.73% 7.68% 2.31% Model 9 6.59% 23.00% 1.21% 13.33% 6.38%

Berdasarkan nilai koefisien Nagelkerke dapat diketahui kemampuan konsep

struktur modal menjelaskan variasi model yang terbentuk. Berdasarkan tabel dapat

diketahui bahwa model 1 memiliki nilai tertinggi baik secara klasifikasi industri atau

diantara model yang ada. Secara data agregat, rentang nilai nagelkerke berkisar

1,34%-32,85%. Pada aneka industri rentang nilai ini 9,7%-66,07%. Di industri dasar

dan kimia nilai koefisien berkisar antara 1,21%-73,53%, untuk industri barang

konsumsi 1,36%-41%. Terakhir pada industri perdagangan, rentang nilai Nagelkerke

berkisar antara 1,59%-64,15%.

Tabel 4. Daya Klasifikasi Model (%)

Sampel Keseluruhan Aneka Industri

Industri Dasar

& Kimia

Industri Barang

Konsumsi


Model 1 82.37 87.50 88.13 84.82 92.22 Model 2 72.12 74.04 72.50 83.93 70.56 Model 3 67.81 75.96 64.38 69.64 66.67 Model 4 64.75 70.19 68.13 58.93 66.67 Model 5 72.30 82.69 71.25 81.25 62.22 Model 6 58.09 69.23 60.63 61.61 58.89 Model 7 59.71 71.15 65.00 62.50 56.11 Model 8 62.59 75.96 65.63 63.39 57.78 Model 9 65.29 69.23 66.88 58.93 64.44

Tabel 4 berisikan data daya klasifikasi model yang terbentuk. Daya klasifikasi

ini adalah kemampuan model dalam mengklasifikasi secara benar sampel penelitian

yang digunakan. Dilihat baik secara pendekatan industri atau jumlah model yang ada,

dapat diketahui bahwa model 1 superior pada keduanya. Hal ini berarti penggunaan

kriteria laba sebelum hak minoritas atas laba bersih anak perusahaan sebagai

klasifikasi awal kegagalan perusahaan dengan konsep struktur modal memiliki reliabilitas

yang cukup memadai secara statistik. Namun bila dilihat berdasarkan pendekatan industri,

nilai maksimal daya klasifikasi seluruh model yang terbentuk terdapat pada aneka industri

(meski signifikansi simultan hanya model 1 dan model 5).



14

Hasil Uji Parsial

Pembahasan hasil uji parsial dilakukan mengacu pada model yang signifikan secara

simultan, yakni: pada keseluruhan industri (model 1); aneka industri (model 1 dan

model 5); industri dasar dan kimia (model 4) dan; industri perdagangan (model 1).

a) Industri secara Keseluruhan (lih. tabel 5)

b)

Model 1

Nilai Nagelkerke untuk model 1 ini sebesar 0,3285 yang berarti variabilitas

variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar

32,85%. Secara keseluruhan model ini memiliki daya klasifikasi sebesar 82,37%.

Berdasarkan nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan laba

sebelum hak minoritas atas laba bersih anak perusahaan yang digunakan belum cukup

memadai dalam menjelaskan variasi kegagalan perusahaan yang akan terjadi, meski

model yang terbentuk memiliki daya klasifikasi yang tinggi bila dikaitkan dengan

struktur modal emiten. Secara parsial, kecuali penyimpangan arus kas dan pajak

variabel lainnya berpengaruh signifikan terhadap probabilitas kegagalan perusahaan.

Tapi dalam hal ini hasil empiris menunjukkan bahwa biaya kegagalan (Bx) ternyata

berpengaruh signifikan positif terhadap probabilitas kegagalan perusahaan. Dengan

kata lain, semakin tinggi prediksi biaya kegagalan yang dihasilkan, ceteris paribus

mengindikasikan probabilitas kegagalan yang juga tinggi. Sementara leverage

berpengaruh signifikan negatif terhadap probabilitas kegagalan. Dengan kata lain,

semakin tinggi leverage yang dimiliki emiten, ceteris paribus justru semakin rendah

probabilitas kegagalannya. Berdasarkan pendekatan laba sebelum hak minoritas atas

laba bersih anak perusahaan daya klasifikasi model yang terbentuk

mengklasifikasikan secara benar emiten gagal sebesar 54,2% dan perusahaan non-

gagal sebesar 95,76% .

c) Aneka Industri (lih. Tabel 6)

Model 1.

Nilai Nagelkerke untuk model 1 ini sebesar 0,6606 yang berarti variabilitas

variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar

66,06%. Secara keseluruhan model ini memiliki daya klasifikasi sebesar 87,5%.

Berdasarkan nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan laba



15

sebelum hak minoritas atas laba bersih anak perusahaan yang digunakan sebagai

diskriminator awal belum cukup memadai dalam menghasilkan kemampuan

menjelaskan variasi kegagalan perusahaan yang akan terjadi pada emiten aneka

industri, meski model prediksi yang terbentuk memiliki daya klasifikasi yang tinggi.

Secara parsial, hanya arus kas operasional yang berpengaruh signifikan terhadap

probabilitas kegagalan perusahaan. Berdasarkan pendekatan laba sebelum hak

minoritas atas laba bersih anak perusahaan daya klasifikasi model yang terbentuk

mengklasifikasikan secara benar emiten gagal sebesar 87,23% dan perusahaan non-

gagal sebesar 87,22%.

Model 5.

Nilai Nagelkerke untuk model 5 sebesar 0,1115 yang berarti variabilitas variabel

dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 11,15%.

Secara keseluruhan model ini memiliki daya klasifikasi sebesar 82,69%. Berdasarkan

nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan laba sebelum hak minoritas

atas laba bersih anak perusahaan yang digunakan sebagai diskriminator awal yang

digunakan belum cukup memadai dalam menghasilkan kemampuan menjelaskan variasi

kegagalan perusahaan yang akan terjadi pada emiten aneka industri, meski model yang

terbentuk memiliki daya klasifikasi yang tinggi. Secara parsial, hanya biaya kegagalan

(Bx) yang berpengaruh signifikan negatif terhadap probabilitas kegagalan perusahaan.

Dengan menggunakan pendekatan perubahan leverage sebagai indikasi kegagalan

perusahaan, semakin tinggi prediksi biaya kegagalan yang dihasilkan, ceteris paribus

justru menekan probabilitas kegagalan perusahaan. Berdasarkan pendekatan perubahan

leverage, daya klasifikasi model yang terbentuk mengklasifikasikan secara benar emiten

gagal sebesar 5,26% dan perusahaan non-gagal sebesar 100% atau secara agregat

memiliki daya klasifikasi sebesar 82,69%.

d) Industri Dasar dan Kimia (lih. Tabel 7) Model 4.

Nilai Nagelkerke untuk model 4 sebesar 0,1753 berarti variabilitas variabel



nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan komparasi arus kas

operasional terhadap laba sebelum hak minoritas atas laba bersih anak perusahaan yang

digunakan belum cukup memadai dalam menghasilkan kemampuan menjelaskan variasi



16

kegagalan perusahaan yang akan terjadi pada emiten industri dasar dan kimia. Secara

parsial, hanya arus kas operasional yang berpengaruh signifikan terhadap probabilitas

kegagalan perusahaan. Berdasarkan pendekatan komparasi arus kas operasional terhadap

laba sebelum hak minoritas atas laba bersih anak perusahaan daya klasifikasi model yang

terbentuk mengklasifikasikan secara benar emiten gagal sebesar 25% dan perusahaan

non-gagal sebesar 88,89%.

e) Industri Perdagangan (lih. Tabel 8)

Model 1.

Nilai Nagelkerke untuk model 1 sebesar 0,6415 berarti variabilitas variabel



nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan indikator laba sebelum hak

minoritas atas laba bersih anak perusahaan sebagai diskriminator awal cukup memadai

dalam menghasilkan kemampuan menjelaskan variasi kegagalan perusahaan yang akan

terjadi pada emiten industri perdagangan, hal ini juga ditunjukkan oleh tingginya daya

kalsifikasi model. Secara parsial, hanya arus kas operasional yang berpengaruh signifikan

terhadap probabilitas kegagalan perusahaan. Berdasarkan pendekatan laba sebelum hak

minoritas atas laba bersih anak perusahaan daya klasifikasi model yang terbentuk

mengklasifikasikan secara benar emiten gagal sebesar 76,47% dan perusahaan non-gagal

sebesar 98,45%.

KESIMPULAN DAN SARAN

Berdasarkan sembilan pendekatan yang digunakan sebagai model klasifikasi

awal, kriteria laba sebelum hak minoritas atas laba bersih anak perusahaan terbukti

superior dalam mengidentifikasi probabilitas kegagalan emiten dihubungkan dengan

struktur modalnya. Dari perhitungan empiris, secara parsial variabel arus kas memang

terbukti memiliki pengaruh yang fleksibel (negatif dan positif). Demikian juga halnya

dengan variabel struktur modal yang lain juga tidak memiliki pengaruh absolut tertentu

terhadap probabilitas kegagalan. Implementasi konsep terhadap data beberapa industri

bertujuan menunjukkan adanya variasi pada struktur modal emiten yang secara tidak

langsung mencirikan karakteristik industri itu sendiri. Hal inilah yang menjadi



17

kemungkinan timbulnya tanda positif dan negatif pada tiap koefisien variabel struktur

modal.

Walau secara empiris terkesan kontradiksi dengan semangat teori struktur modal,

bukan berarti teori tersebut tidak berlaku di Indonesia karena hasil perhitungan statistik

banyak menggunakan simplifikasi fakta yang ada, disisi lain konsep teoritis penelitian

juga masih belum memadai dalam penggunaan asumsi-asumsinya. Maka untuk penelitian

selanjutnya dapat dikembangkan konsep teoritis struktur modal perusahaan pada proksi

lainnya yang relevan sebagai prediktor kegagalan perusahaan, misalnya: proksi distribusi

informasi yang diasumsikan seluruh pelaku pasar sama seperti apa yang dimiliki internal

emiten, seberapa besar asimetris informasi yang terjadi, aksi korporat yang dilakukan

dalam mengkomunikasikan kualitas dan nilai perusahaan, dan lain-lain.

Tabel 5. Uji Parsial Industri Agregat - Model 1 Variabel Independen B Sig.

DTA -2.00403 0.000 TxEBIT 0.010984 0.508 CF 6.309301 0.000 STDEV_CF 1.6E-06 0.311 Bx 0.378749 0.000 Constant -3.59989 0.001 Sig. Hosmer & Lemeshow Test 0.000 Nagelkerke 0.328491

Daya Klasifikasi Σ Observasi %

Gagal 97 54.19 Non-Gagal 361 95.76 Total 458 82.37

Tabel 6. Uji Parsial Model Aneka Industri Model 1 Model 5

Variabel Independen B Sig. Variabel

Independen B Sig.

DTA -2.31 0.168 DTA -1.61 0.208 TxEBIT 0.44 0.428 TxEBIT -0.45 0.044 CF 32.08 0.000 CF 0.78 0.814 STDEV_CF 0.00 0.115 STDEV_CF 0.00 0.476 Bx 0.07 0.835 Bx -0.22 0.420 Constant -1.13 0.802 Constant 5.17 0.143 Sig. Hosmer & Lemeshow Test 0.005 Sig. Hosmer & Lemeshow Test 0.021 Nagelkerke 0.6606 Nagelkerke 0.1115302

Daya Klasifikasi Σ Observasi % Daya Klasifikasi Σ

Observasi %

Gagal 41 87.23 Gagal 1 5.26



18

Non-Gagal 50 87.72 Non-Gagal 85 100.00 Total 91 87.50 Total 86 82.69

Tabel 7. Uji Parsial Industri Dasar dan Kimia

Model 4 Variabel

Independen B Sig.

DTA 0.48 0.445 TxEBIT 0.02 0.863 CF -6.96 0.005 STDEV_CF -0.00001 0.110 Bx 0.16 0.433 Constant -0.98 0.712 Sig. Hosmer & Lemeshow Test 0.038 Nagelkerke 0.17533

Daya Klasifikasi

Σ Observasi %


Tabel 8. Uji Parsial Industri Perdagangan

Model 1. Variabel

Independen B Sig.

DTA 0.27 0.745 TxEBIT 0.01 0.450 CF 35.07 0.000 STDEV_CF 0.00 0.639 Bx 0.27 0.085 Constant -3.30 0.092 Sig. Hosmer & Lemeshow Test 0.000 Nagelkerke 0.6415



19

Daya Klasifikasi Σ Observasi %


TAMBAHAN. Perhitungan Detail Bab II

Pada bab II nilai total perusahaan V, dihitung sebagai jumlah Vd dan Ve. Perhitungan

yang mengacu pada persamaan 2.6 adalah sebagai berikut:

V = Ve + Vd (A.1)

Karena

)2.()1(

)()()1(

)()3.2( Ar

dfR

YeEVe b

+

−−==

∫∞

ξξξτ

)3.()1(

)1()())((

)5.2( Ar

FRdfB

Vd b

+

−+−=∫∞

ξξξξ

V menjadi

)4.()1(

)1()())((

)1(

)()()1(

Ar

FRdfB

r

dfR

V bb

+

−+−+

+

−−=

∫∫∞∞

ξξξξξξξτ

)5.()1(

)1()())(()()()1(0 A

r

FRdfBdfRb

b

+

−+−+−−=

∫∫∞

ξξξξξξξτ

)6.()1(

)1()())(()()()()(0 A

r

FRdfBdfRdfRb

b

b

+

−+−+−+−−=

∫ ∫∫∞∞

ξξξξξξξτξξξ



20

)7.()1(

)1()()()()()()())()(00 A

r

FRdfBdfdfRdfdfRdfb b

bb

b b

+

−++++−−=

∫ ∫ ∫∫∫ ∫∞ ∞∞ ∞

ξξξξξξξξτξξξτξξξξξ

)8.()1(

)1()()()()1()()1()(0 0 A

r

FRdfBdfFRdfFRdfb b

b b

+

−+++−+−−−=

∫ ∫∫ ∫∞ ∞

ξξξξξξτξξξτξξξ

Sejak pendefinisian ∫∞−

=b

dfF .)( ξξ

)10.()1(

)1()1()1()()()()()(00 A

r

FRFRFRdfBdfdfdfb

bb

b

+

−−−+−++++=

∫ ∫∫ ∫∞∞

τξξξξξξτξξξξξξ

)11.()1(

)1()()()()(0 Ar

FRdfBdfdfb

b b

+

−+−−=

∫∫ ∫∞ ∞

τξξξξξξτξξξ

dimana serupa dengan persamaan 2.6.

Pada perhitungan komparatif statis dibawah ini, sering digunakan derivasi distribusi

normal;

)12.(2

1)(

22

)(2

1

Aexfxx

x

xµ

σ

πσ

−−

=

Derivatif f terhadap x, adalah:

)13.()()(

))(22

1(*

2

1)(22

2

)(

2

2

Axxf

xex

xfx

x

x

x

x

x

x

x

−=−−=∂

∂−

−

µσ

µσπσ

σ

µ

Derivatif f terhadap x, saat x = R adalah

)14.()()()(

2AR

Rf

R

xfx

x

−=∂

∂ µσ



21

Derivatif f terhadap µx

)15.()()(

))(2*)1(*2

1(*

2

1)(22

2

)(

2

2

Axxf

xexf

x

x

x

x

x

xx

x

x

−=−−−=∂

∂−

−

µσ

µσπσµ

σ

µ

Kemudian derivatif f terhadap µx, saat x=R adalah

)16.()()()(

2AR

RfRfx

xx

−−=∂

∂ µσµ

Derivatif f terhadap σx adalah

)17.(2

*2

)(*)1(*

2

1

2

1)(3

22

)(

2

)(

2

2

2

2

Ax

eexf

x

x

x

x

x

xx

x

x

x

x

σµ

πσπσσσ

µ

σ

µ−−−

+−=∂∂

−−

−−

−

−=

xx

x Rxf

σσµ 1)(

)(3

Kemudian derivatif f terhadap σx, saat x=R adalah:

)18.(1)(

)()(

3

2

3A

RRf

Rf

x

x

xx

−

−=∂

σσµ

σ

Fungsi probabilitas gagal bayar adalah:

)19.()()(

1:10.2 ARfRB

Fτ

−=

Derivatif F terhadap R dengan menggunakan persamaan A.3 adalah:

)20.())()('))((

)((1

))()()(

)((1

:11.2

2ARfRB

RRfRB

RfR

RB

R

RfRB

R

F

x +−∂

−=

∂∂+

∂∂−=

∂∂

σµ

τ

τ

Derivatif F terhadap τ:



22

)21.()()(1*)()(

0:12.222

ARfRBRfRBF

τττ=−−=

∂∂

Derivatif F terhadap B:

)22.()(

)(:13.2 A

Rf

RB

F

τ−=

∂∂

Derivatif F terhadap σx dengan menggunakan hasil dari A.18

)23.()(1)()(

)(

:14.23

2

ARRBRf

FRB

F

x

x

x

x

x

−−

∂=

∂∂

−=∂∂

σµ

σττσ

σ

Derivatif F terhadap µx dengan menggunakan hasil A.16:

)24.()()()(

)(

:15.22

ARRBRf

fRB

Fx

x

x

x

−=∂∂

−=∂∂ µ

τστµ

µ

REFERENSI Altman, Edward I. 1968. "Financial Ratios, Discriminant Analysis and the Prediction

of Corporate Bankruptcy." Journal of Finance 23 (4): 589-609.

Altman, Edward I., R. Haldeman dan P. Narayaman. 1977. "ZETA analysis: A New Model to Identify Bankruptcy Risk of Corporations." Journal of Banking and Finance June: 29-54.

Altman, Edward I. 1984b. "The Success of Business Failure Prediction Models." Journal of Banking and Finance 8: 171-198.

Aziz, A, dan G.H. Lawson, 1989, Cash Flow Reporting and Financial Distress Models: Testing of Hypotheses, Financial Management, Vol. 18. no. 1, 55-63

Baxter, N. D. 1967. "Leverage, the Risk of Ruin and the Cost of Capital." Journal of Finance 22 (3): 395-403.

Beaver, W. 1966. "Financial Ratios as Predictors of Failure." Journal of Accounting Research 5: 71-111.

Beaver, W. 1968. "Market Prices, Financial Ratios and Prediction of Failure." Journal of Accounting Research 6 (2), 179-192

Deakin, Edward B. 1972. "A Discriminant Analysis of Predictors of Business Failure." Journal of Accounting Research 10 (1): 167-179.

Dimitras, A. I., S. H. Zanakis dan C. Zopounidis. 1996. "A Survey of business Failures with an Emphasis on Prediction Methods and Industrial Applications." European Journal of Operational Research 90: 487-513.

Dimitras, A.I., Slowinski, R., Susmaga, R., Zopounidis, C., 1999. Business failure prediction using rough sets. European Journal of Operational Research, 114, pp.263-280



23

Eisenbeis, R.A., 1977, Pitfalls in the application of discriminant analysis in business, finance and economics, Journal of Finance, Vol. 22 no. 3, 875-900

Frydman, Halina, Edward I. Altman and Duen-Li Kao. 1985. “Introducing Recursive Partitioning for Financial Classification: The Case of Financial Distress.” Journal of Finance 40 (1): 269-291

Gordon, M.J., 1971, “Towards a Theory of Financial Distress”, Journal of Finance, Vol. 26 issue 2,347-356

Greene, H.W., 1993, Econometric Analysis, Prentice-Hall, Englewood Cliffs NY.

Gregory, A., B. Russell dan G.V. Henderson. 1991. “A Brief Review of Catastrophe Theory and a Test in Corporate Failure Context.” Financial Review 26 (2): 127-155.

Johnsen, Thomajean dan Ronald W. Melicher. 1994. “Predicting Corporate Bankruptcy and Financial Distress: Information Value Added by Multinomial Logit Models.” Journal of Economics & Business 46: 269-286.

Jones, Frederick L. 1987. “Current Techniques in Bankruptcy Prediction.” Journal of Accounting Literature 6: 131-164.

Karels, G.V. dan A.J.Prakash. 1987. “Multivariate Normality and Forecasting of Corporate Bankruptcy.” Journal of Business Finance and Accounting, Vol. 14 no. 4, 573-592.

Kim, E.H., 1978, A mean-variance theory of optimal capital structure and corporate debt capacity, Journal of Finance, Vol. 23 no. 1, 45-63

Kinnear, Paul R. and Colin D. Gray. 2001. SPSS for Windows made simple, release 10. Hove, East Sussex: Psychology Press Ltd.

Kraus, Alan danRobert H. Litzenberger. 1973. "State Preference Model of Optimal Financial Leverage." Journal of Finance 28 (4): 911-922.

Lennox, C., 1999, Identifying failing companies: A re-evaluation of the logit, probit and DA approaches, Journal of Economics and Business, Vol. 51 issue 4, 347 364.

Mar Molinero, M. dan M. Ezzamel. 1991. “Multidimensional Scaling Applied to Corporate Failure.” Omega International Journal of Management Science 19 (4): 259-274.

Martin, D., 1977, “Early warnings of bank failure: A logit regression approach”, Journal of Banking and Finance, 1, 249-276.

Merton, R., 1974, “On the Pricing of Corporate Debt: The Risk Structure of Interest Rates”, The Journal of Finance, Vol. 29 issue 2, 449-470

Modigliani, Franco dan Merton H. Miller. 1958. "The Cost of Capital, Corporation Finance and the Theory of Investment." The American Economic Review 48 (3): 261-297.

Modigliani, Franco dan Merton H. Miller. 1963. "Corporate Income Taxes and the Cost of Capital: A Correction." The American Economic Review 53 (3): 433-443.



24

Ohlson, James A. 1980. "Financial ratios and Probabilistic Prediction of Bankruptcy." Journal of Accounting Research 18 (1): 109-131.

Scott, J.H., 1976. "A Theory of Optimal Capital Structure" Bell Journal of Economics, Vol. 7 issue 1, 33-54

Scott, James H. Jr. 1977. "Bankruptcy, Secured Debt, and Optimal Capital Structure." Journal of Finance 32 (1): 1-19.

Scott, J., 1981. "The Probability of Bankruptcy, A Comparison of Empirical Predictions and Theoretical Models." Journal of Banking and Finance, Vol. 5, 317-344

Silberberg, E., 1981, The structure of economics: a mathematical analysis, (McGraw-Hill, NewYork).

SPSS Inc./Marija J. Norusis. 2008. SPSS Regression models 14.0. Chicago: SPSS Inc.

Tam, K.Y. and M.Y. Kiang. 1992. “Managerial Applications of Neural Networks: the Case of Bank-failure Predictions.” Management Science 38 (7): 926-947.

Vinso, J.D., 1979, “A Determination of the Risk of Ruin”, Journal of Financial and Quantitative Analysis, Vol. 14 issue 1, 77-100

Westgaard, Sjur dan Nico van der Wijst. 2001. "Default Probabilities in a Corporate Bank Portfolio: A Logistic Model Approach." European Journal of Operational Research, Vol. 135 no. 2: 338-349.

Wiginton, J.C., 1980, A note on the comparison of logit and discriminant models of consumer credit behavior, Journal of Financial and Quantitative Analysis, Vol. 15 no. 3, 757-770.

Wijst, D van der. 1989. Financial Structure in Small Business: Theory, Tests and Applications. Berlin Heidelberg: Springer-Verlag.

Zavgren, Christine V. 1983. “The Prediction of Corporate Failure: The State of the Art.” Journal of Accounting Literature 2: 1-38.

Zmijewski, M. E. 1984. “Methodological Issues Related to the Estimation of Financial Distress Prediction Models.” Journal of Accounting Research 20 (0): 59-82.

Zopounidis, C., Doumpos, M., 1999. A Multicriteria Aid Methodology for Sorting Decision Problems: The Case of Financial Distress, Computational Economics, 14, pp. 197-218.

struktur modal dan prediksi kegagalan perusahaan

Documents