“ ANALISIS RASIO KEUANGAN DALAM MEMPREDIKSI KONDISI FINANCIAL DISTRESS PERUSAHAAN (STUDI KASUS PADA PERUSAHAAN YANG TERDAFTAR PADA BURSA EFEK INDONESIA PERIODE 2007-2010)”.
Oleh : ISYAIYAS ANDHITO (107081003706)
FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2011
DAFTAR RIWAYAT HIDUP
IDENTITAS DIRI Nama
: Isyaiyas Andhito
Tempat / Tanggal Lahir
: Bandung, 29 Juli 1989
Agama
: Islam
Alamat
: Jl. Nusantara 1 No. 287. Jatimulya. Bekasi Timur
Telp / Hp
: 081316655934
E-mail
:
[email protected]
PENDIDIKAN FORMAL 2007-2011
: UIN Syarif Hidayatullah Jakarta
2004-2007
: SMAN 9 Bekasi
2001-2004
: SLTP-IT YPI 45 Bekasi
1995-2001
: SDN Margahayu IX
i
ABSTRACT This research aims at providing empirical evidance on factors that affect financialy distressed firms. This study examines the role of financial ratio in predicting the accurance of financial distress in the context of Indonesian Stock Exchange. The samples consist of 29 firms with positive net income before tax and had cash flow higher than long-term liabilities from 2009-2010, 12 firms with negative net income before tax from 2009-2010 and 16 firms with negative net income before tax and had cash flow lower than long-term liabilities from 20092010. Multinomial logit regression is used to test the hypothesis. It is hypothised that financial ratio from statements of income, balance sheet and statements of cash flow can use to predict financial distress firms. This study use three models to examine examines the role of financial ratio in predicting the accurance of financial distress in the context of Indonesian Stock Exchange The finding of this research that financial ratio from statements of income, balance sheet and statements of cash flow (NIS, CATA, NITA, CASHTA, CFFOTA and DITS) are significant variables determining financialy distressed firms.
Keywords: financial distress, financial ratio, statements of income, balance sheet, statements of cash flow, multinomial logit.
ii
ABSTRAK Penelitian ini bertujuan untuk memberikan bukti empiris yang mempengaruhi kesulitan keuangan perusahaan. Studi ini menguji peran dari rasio keuangan dalam memprediksi kesulitan keuangan dalam lingkup Bursa efek Indonesia. Sampel terdirir dari 29 perusahaan dengan laba bersih sebelum pajak positif dan memiliki arus kas yang lebih besar dari hutang jangka panjang dari tahun 2009-2010, 12 perusahaan dengan laba bersih sebelum pajak negatif dari tahun 2009-2010 dan 16 perusahaan dengan laba bersih sebelum pajak negatif dan memiliki arus kas yang lebih kecil dari hutang jangka panjang dari tahun 2009-2010. Regresi Multinomial Logit digunakan untuk menguji hipotesis. Hal ini, menghipotesiskan bahwa rasio keuangan dari neraca, laporan laba rugi, dan laporan arus kas akan digunakan untuk memprediksi kesulitan keuangan perusahaan. Studi ini menggunakan 3 model untuk menguji peran rasio keuangan dalam memprediksi kesulitan keuangan dalam lingkup Bursa Efek Indonesia. Temuan penelitian ini yaitu rasio keuangan yang berasal dari neraca, laporan laba rugi dan laporan arus kas (NIS, CATA, NITA, CASHTA, CFFOTA dan DITS) adalah variabel yang signifikan dalam menetapkan kesulitan keuangan perusahaan. Kata kunci : Financial distress, rasio keuangan, neraca, laporan laba rugi, laporan arus kas, multinomial logit.
iii
KATA PENGANTAR
Alhamdulillaahirabbil’aalamiin. Segala puji dan syukur hanya bagi Allah Azza Wa Jalla yang memiliki segala sesuatu yang ada di bumi dan di langit yang telah melimpahkan rahmat dan karunia yang tak terhingga sehingga penulis dapat menyelesaikan skripsi dengan judul “Analisis Rasio Keuangan Dalam Memprediksi Kondisi Financial Distress Perusahaan ( Studi Kasus Pada Perusahaan Yang Terdaftar Di Bursa Efek Indonesia Periode 20072010 ) ”. Shalawat dan salam semoga selalu tercurahkan kepada Sang Teladan yang diikuti Nabi Muhammad Rasulullah Shallallahu „alaihi wa sallam beserta para Sahabat, tabi‟in, tabi‟ut tabiin dan keluarga beliau yang telah membawa umatnya dari zaman kebodohan dan kegelapan ke zaman terang-benderang seperti sekarang ini. Penyusunan skripsi ini tidak lepas dari orang-orang di sekitar penulis yang banyak memberi bantuan serta dukungan maupun nasihat pada penulis. Untuk itulah, dengan selesainya penulisan skripsi ini sebagai prasyarat memperoleh gelar Sarjana Ekonomi di Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta, izinkan penulis mengucapkan rasa terima terima kasih yang tak terhingga kepada: 1.
Ibuku dan kakakku yang tercinta karena telah memberikan banyak dukungan serta cintanya sehingga penulis dapat menempuh pendidikan yang paling baik hingga saat ini dan tidak ada henti-hentinya dalam memberikan nasihat yang baik bagi penulisan skripsi ini. Semoga saya bisa memberikan kebahagian kelak kepada Ibu dan kakakku dengan prestasi.
2.
Bapak Dr. Ahmad Dumyathi B, Lc, MA selaku dosen pembimbing I dan Bapak Hemmy Fauzan, SE, MM selaku dosen pembimbing II, yang telah meluangkan waktunya untuk membimbing penulis dalam penyusunan skripsi ini dengan sabar.
3.
Prof. Dr. Abdul Hamid selaku Dekan Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.
4.
Prof. Dr. Ahmad Rodoni selaku Pembantu Dekan Bidang Akademik Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta, yang telah memberikan motivasi dalam penyelesaian skripsi ini,
5.
Suhendra, S.Ag., MM selaku Ketua Jurusan Manajemen.
6.
Leis suzanawati, SE, M.Si selaku Sekertaris Jurusan Manajemen. iv
7.
Bapak dan Ibu Dosen Pengajar Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta yang telah memberikan bekal ilmu pengetahuan.
8.
Terima kasih kepada seluruh jajaran karyawan Fakultas Ekonomi dan Bisnis, khususnya kepada Bapak Heri, Bapak Rahmat, Ibu Umi dan Bu Siska atas pelayanan baiknya dalam meningkatkan kualitas dan mutu Fakultas Ekonomi dan Bisnis.
9.
Seluruh keluarga yang sangat berperan dalam penyusunan skripsi dalam hal materil maupun non-materil, semoga kebaikan kalian dilipatgandakan oleh Allah SWT.
10. Sahabat-sahabat yang selalu ada dalam bertukar pikiran, Miftah, Irsyam, Toni, Yoga, Gita Sahara, Dedi Juned, Dedi, Safitri, Ica, Umi, Aan, Baphin, Isna, Nisa, Sela dan seluruh kawan-kawan yang namanya tidak mungkin disebut satu-satu. Semoga kalian mendapatkan kesuksesan kelak. 11. Teman-teman “GENK” yang sama sekali gak jelas, Resha, Farid, Risboy, Armen, Anin, Aji, Ramdan, Budi yang selalu membuat hari-hari ceria. Semoga kalian menjadi orang besar di masa depan. 12. Teman-teman Manajemen C 2007, terimakasih telah mewarnai hari-hariku dengan keindahan. Mudah-mudahan kalian semua juga menjadi orang yang berhasil kelak. 13. Teman-teman Manajemen Keuangan A 2007, terimakasih karena berkat bergaul dengan kalian wawasan saya tentang keuangan menjadi berkembang. Terimakasih. 14. Teman-teman se-kost, Ibie, Oboy, Gittink, Bayu, Boim, Zen. Terima kasih telah bersama dalam menghadapi kesenangan dan kepedihan selama di kosan.
Penulis menyadari bahwa masih banyak kekurangan, namun semua ini semata-mata karena keterbatasan penulis. Akhir kata, besar harapan penulis, skripsi ini dapat bermanfaat. Wassalamu‟alaikum Wr.Wb. Jakarta, Agustus 2011
Isyaiyas Andhito
v
DAFTAR ISI HALAMAN LEMBAR PENGESAHAN SKRIPSI LEMBAR PENGESAHAN UJIAN KOMPREHENSIF LEMBAR PERNYATAAN BEBAS PLAGIATME RIWAYAT HIDUP ............................................................................................................ I ABSTRACT.......................................................................................................................... II ABSTRAK .......................................................................................................................... III KATA PENGANTAR ........................................................................................................ IV DAFTAR ISI....................................................................................................................... VI DAFTAR GAMBAR .......................................................................................................... VII DAFTAR TABEL ............................................................................................................... IX DAFTAR LAMPIRAN ....................................................................................................... X BAB I PENDAHULUAN ................................................................................................... 1 A. Latar Belakang Masalah ......................................................................................... 1 B. Perumusan Masalah ................................................................................................ 7 C. Tujuan Penelitian .................................................................................................... 8 D. Manfaat Penelitian .................................................................................................. 8 BAB II TINJAUAN PUSTAKA ........................................................................................ 10 A. Landasan Teori........................................................................................................ 10 1. Laporan Keuangan ............................................................................................ 10 2. Tujuan Laporan Keuangan ................................................................................ 10 3. Komponen Laporan Keuangan ......................................................................... 13 4. Analisa Laporan Keuangan ............................................................................... 20 5. Financial Distress .............................................................................................. 26 B. Penelitian Terdahulu ............................................................................................... 31 C. Kerangka Penelitian ................................................................................................ 34 D. Hipotesis Penelitian ................................................................................................ 38 BAB III METODOLOGI PENELITIAN ........................................................................... 39 A. Ruang Lingkup Penelitian....................................................................................... 39 B. Metode Penentuan Sampel ...................................................................................... 39 C. Metode Pengumpulan Data ..................................................................................... 45 vi
D. Metode Analisis ...................................................................................................... 45 E. Definisi Operasional Variabel................................................................................. 52 BAB IV ANALISIS DAN PEMBAHASAN ...................................................................... 64 A. Gambaran Umum Objek Penelitian ........................................................................ 64 1. Pasar Modal ...................................................................................................... 64 2. Organisasi yang Terkait di Pasar Modal ........................................................... 65 3. Sejarah Pasar Modal Indonesia ......................................................................... 67 B. Pengujian Hipotesis ................................................................................................ 70 1. Uji Beda Multivariate Analysis of Variance (MANOVA) ............................... 70 2. Uji Multinomial Logit ....................................................................................... 79 BAB V KESIMPULAN, IMPLIKASI DAN SARAN ....................................................... 108 A. Kesimpulan ............................................................................................................. 108 B. Implikasi ................................................................................................................. 109 C. Keterbatasan Penelitian dan Saran .......................................................................... 113 DAFTAR PUSTAKA ......................................................................................................... 114 LAMPIRAN ........................................................................................................................ 119
vii
DAFTAR GAMBAR
NO
KETERANGAN
HALAMAN
2.1
Tujuan Pelaporan Keuangan
13
2.2
Kerangka Penelitian
37
vii
ix
DAFTAR TABEL
No
Keterangan
Halaman
2.1
Komponen Neraca
15
3.1
Sampel Perusahaan Secara Keseluruhan
42
3.2
Sampel Perusahaan Kondisi 0
42
3.3
Sampel Perusahaan Kondisi 1
44
3.4
Sampel Perusahaan Kondisi 2
44
3.5
Ringkasan Variabel Penelitian Dan Operasional Variabel
61
4.1
Test Between Subject Factor Neraca Dan Laporan Laba Rugi
71
4.2
Multivariate Test Neraca Dan Laporan Laba Rugi
71
4.3
Test Between Subject Effect Neraca Dan Laporan Laba Rugi
72
4.4
Test Between Subject Factor Laporan Arus Kas
75
4.5
Multivariate Test Laporan Arus Kas
75
4.6
Test Between Subject Effect Laporan Arus Kas
76
4.7
Uji Model -2 Loglikelihood Neraca Dan Laporan Laba Rugi
79
4.8
Uji Goodness Of Fit Neraca Dan Laporan Laba Rugi
80
4.9
Uji Pseudo R Square Neraca Dan Laporan Laba Rugi
80
4.10 Uji Parameter Estimates Neraca Dan Laporan Laba Rugi
81
4.11 Ketetapan Prediksi Klasifikasi Neraca Dan Laporan Laba Rugi
83
4.12 Uji Model -2 Loglikelihood Laporan Arus Kas
84
4.13 Uji Goodness Of Fit Laporan Arus Kas
85
4.14 Uji Pseudo R Square Laporan Arus Kas
85
4.15 Uji Parameter Estimates Laporan Arus Kas
86
4.16 Ketetapan Prediksi Klasifikasi Laporan Arus Kas
88
4.17 Uji Model -2 Loglikelihood Neraca, Laporan Laba Rugi Dan Laporan Arus Kas
88
4.18 Uji Goodness Of Fit Neraca, Laporan Laba Rugi Dan Laporan Arus Kas
89
4.19 Uji Pseudo R Square Neraca, Laporan Laba Rugi Dan Laporan Arus Kas
90
4.20 Uji Parameter Estimates Neraca, Laporan Laba Rugi Dan Laporan Arus Kas
90
4.21 Ketetapan Prediksi Klasifikasi Neraca, Laporan Laba Rugi Dan Laporan Arus Kas
93
ix
DAFTAR LAMPIRAN NO
KETERANGAN
HALAMAN
1
Data Rasio Perusahaan Distress dan Non-Distress
119
2
Test Between Subject Factor Neraca Dan Laporan Laba Rugi
127
3
Multivariate Test Neraca Dan Laporan Laba Rugi
127
4
Test Between Subject Effect Neraca Dan Laporan Laba Rugi
128
5
Test Between Subject Factor Laporan Arus Kas
129
6
Multivariate Test Laporan Arus Kas
129
7
Test Between Subject Effect Laporan Arus Kas
129
8
Uji Model -2 Loglikelihood Neraca Dan Laporan Laba Rugi
131
9
Uji Goodness Of Fit Neraca Dan Laporan Laba Rugi
131
10
Uji Pseudo R Square Neraca Dan Laporan Laba Rugi
131
11
Uji Parameter Estimates Neraca Dan Laporan Laba Rugi
131
12
Ketetapan Prediksi Klasifikasi Neraca Dan Laporan Laba Rugi
132
13
Uji Model -2 Loglikelihood Laporan Arus Kas
133
14
Uji Goodness Of Fit Laporan Arus Kas
133
15
Uji Pseudo R Square Laporan Arus Kas
133
16
Uji Parameter Estimates Laporan Arus Kas
133
17
Ketetapan Prediksi Klasifikasi Laporan Arus Kas
134
18
Uji Model -2 Loglikelihood Neraca, Laporan Laba Rugi Dan Laporan Arus Kas
135
19
Uji Goodness Of Fit Neraca, Laporan Laba Rugi Dan Laporan Arus Kas
135
20
Uji Pseudo R Square Neraca, Laporan Laba Rugi Dan Laporan Arus Kas
135
21
Uji Parameter Estimates Neraca, Laporan Laba Rugi Dan Laporan Arus Kas
22
135
Ketetapan Prediksi Klasifikasi Neraca, Laporan Laba Rugi Dan Laporan Arus Kas
136
x
BAB I PENDAHULUAN
A. LATAR BELAKANG MASALAH
Di era globalisasi seperti sekarang ini dimana perusahaan bersaing dengan kompetitor didalam dan luar negeri, banyak perusahaan yang menjadi bangkrut jika perusahaan tersebut belum mampu mengenal lebih dalam mengenai posisi keuangan yang melilit perusahaan tersebut. Misalnya saja krisis yang terjadi di Amerika Serikat pada tahun 2008 yang salah satu penyebabnya ialah subprime mortgage yaitu jatuhnya industri perumahan (property) di Amerika. Subprime mortgage (SM) merupakan istilah untuk kredit perumahan (mortgage) yang diberikan kepada debitor dengan sejarah kredit yang buruk atau belum memiliki sejarah kredit sama sekali, sehingga digolongkan sebagai kredit yang berisiko tinggi. Karena debitor tidak melakukan pembayaran atas mortgage yang diberikan maka keuangan perusahaanpun menjadi terkendala. Di Indonesia, Krisis SM sangat merugikan investor keuangan dunia yang juga berinvestasi di pasar modal dan uang Indonesia. Pukulan terbesar memang di pasar modal mengingat saham merupakan instrumen likuid, begitu pula deposito. Kebutuhan likuiditas yang tinggi membuat mereka keluar dari pasar keuangan Indonesia (Kompas.com)
1
Laporan keuangan beserta pengungkapannya dibuat perusahaan dengan tujuan untuk memberikan informasi yang sangat berguna untuk pengambilan keputusan-keputusan investasi dan pendanaan. Laporan Keuangan yang diterbitkan oleh perusahaan merupakan salah satu sumber informasi mengenai kondisi keuangan perusahaan saat itu. Perubahan posisi keuangan perusahaan digunakan untuk mendukung pengambilan keputusan pihak manajemen secara tepat, maka data keuangan harus dikonversi menjadi informasi dalam pengambilan keputusan ekonomis dengan cara melakukan analisis laporan keuangan. Salah satu aspek penting dalam melakukan analisis laporan keuangan adalah untuk meramal kelangsungan hidup perusahaan itu sendiri dalam menghadapi persaingan Menurut Luciana dan Kristijadi Laporan keuangan merupakan salah satu sumber mengenai posisi keuangan yang dialami oleh perusahaan, kinerja serta perubahan pada posisi keuangan yang sangat berguna untuk mendukung pengambilan keputusan yang tepat. Serta menurut Brigham (2001:33) perusahaan yang bangkrut mempunyai biaya hukum dan akuntansi yang sangat tinggi, dan mereka juga sulit untuk menahan pelanggan, pemasok, dan karyawan. Oleh karena itu, mengetahui lebih dini mengenai financial distress yang dialami oleh perusahaan akan memudahkan para pengambil keputusan untuk melakukan restrukturisasi keuangan perusahaan agar tidak menjadi bangkrupt. Manajemen perusahaan sangat berperan penting dalam mengelola dana dengan lingkungan usaha perusahaan, kondisi keuangan perusahaan merupakan cermin baik-buruknya manajemen suatu perusahaan.
2
Ketidakmampuan perusahaan dalam mengantisipasi perkembangan global dengan memperkuat fundamental manajemen akan mengakibatkan pengecilan volume usaha yang pada akhirnya mengakibatkan kebangkrutan perusahaan. Dalam mengantisipasi kebangkrutan, banyak perusahaan mencoba mencari solusi dengan mencari pinjaman atau penggabungan usaha (merger), bahkan ada pula yang menutup usahanya. Alasan utama perusahaan menutup usahanya yaitu dikarenakan pendapatan bersih yang diterima oleh perusahaan lebih kecil dari biaya yang dikeluarkan oleh perusahaan dalam waktu tertentu dan juga perusahaan tersebut tidak mampu membayar kewajiban-kewajiban jangka pendeknya pada saat jatuh tempo dikarenakan perusahaan tidak memperoleh laba dari kegiatan operasinya. Almilia (2004) dalam Agung (2009) menuturkan kondisi ekonomi sekarang membuat para investor dan kreditur merasa khawatir jika perusahaan mengalami kesulitan finansial (financial distress) yang bisa mengarah pada kebangkrutan. Bagi investor, kebangkrutan akan mempunyai konsekuensi
berkurangnya
keseluruhan.
Sedangkan
investasi bagi
atau
kreditur,
bahkan pernyataan
hilangnya bangkrut
secara akan
mengakibatkan kerugian sebagai akibat dari hilangnya tagihan. Foster (1986) dalam Yulia (2005) menyatakan ada empat hal yang mendorong analisis laporangan keuangan dengan menggunakan rasio keuangan yaitu yang pertama untuk mengendalikan pengaruh perbedaan besaran antar perusahaan atau antar waktu, kedua untuk membuat data
3
menjadi lebih memenuhi asumsi alat statistik yang digunakan, ketiga untuk mengidentifikasi teori yang terkait dengan rasio keuangan, keempat untuk mengkaji hubungan empirik antara rasio keuangan dan estimasi atau prediksi variabel tertentu (seperti kebangkrutan atau financial distress) Platt dan Platt (1991), dalam Agung Wicaksana (2010) mendefinisikan financial distress sebagai tahap penurunan kondisi keuangan yang terjadi sebelum terjadinya kebangkrutan ataupun likuidasi. Platt dan Platt (1991) dalam Agung Wicaksana (2010) menyatakan kegunaan informasi jika suatu perusahaan mengalami financial distress adalah : 1.
Dapat mempercepat tindakan manajemen untuk mencegah masalah sebelum terjadinya kebangkrutan
2.
Pihak manajemen dapat mengambil tindakan merger atau takeover agar perusahaan lebih mampu untuk membayar utang dan mengelola perusahaan dengan baik.
3.
Memberikan tanda peringatan awal adanya kebangkrutan pada masa yang akan datang. Penelitian yang dilakukan oleh Hofer (1980) dan Whitaker (1999) dalam
Luciana (2004) mendefinisikan financial distress sebagai suatu kondisi perusahaan mengalami laba bersih (net income) negatif selama beberapa tahun. Sedangkan penelitian
yang dilakukan oleh
Luciana (2004)
mendefinisikan kondisi financial distress sebagai suatu kondisi dimana perusahaan mengalami delisted akibat laba bersih dan nilai buku ekuitas negatif berturut-turut serta perusahaan tersebut telah dimerger.
4
Asquith (1994) dalam Luciana (2004) menggunakan interest coverage rasio yaitu perbandingan laba sebelum bunga dan pajak atau mengukur berapa kali pendapatan sebelum bunga dan pajak dapat menetup bunga untuk mendefinisikan kondisi financial distress. Sedangkan dalam penelitian Luciana Spica Almilia (2006) kondisi financial distress di proxy-kan dengan laba bersih negatif dan nilai buku ekuitas negatif. Dalam penelitian yang terdahulu, untuk melakukan pengujian apakah suatu perusahaan mengalami financial distress atau tidak dapat dilakukan berbagai cara, seperti jika beberapa tahun perusahaan mengalami laba bersih operasi (net operating income) negatif, digunakan oleh Hofer (1980) dan Whitaker (1999), adanya pemberhentian tenaga kerja atau menghilangkan pembayaran deviden, digunakan oleh Lau (1987) dan Hill, et al. (1996), arus kas hasil operasi perusahaan tidak cukup untuk memenuhi kewajiban perusahaan, digunakan oleh Karen Wruck (1990), rendahnya interest coverage ratio, EBITDA negative, digunakan oleh Asquith, et al (1991) dan Pinando, et a. (2006), perubahan harga ekuitas atau EBIT negative, digunakan oleh John, et al (1992) dalam Platt (2004), Stock-base insolvency yaitu kekayaan bersih negative dan nilai asset kurang dari nilai hutang dan flowbase insolvency yaitu arus kas yang berjalan tidak cukup untuk memenuhi kewajiban, digunakan oleh Altman (1993), adanya arus kas yang lebih kecil dari hutang jangka panjang saat ini digunakan oleh Whitaker (1999), perusahaan diberhentikan operasinya atas wewenag pemerintah dan perusahaan
tersebut
dipersyaratkan
untuk
melakukan
perencanaan
5
restrukturasi, digunakan oleh Tirapat dan Nittayagasetwat (1999), negative EBITDA interest voverage, Negatif EBIT, negative net income digunakan oleh Platt (2004), beberapa tahun mengalami laba bersih operasi (net operating income negative) dan selama lebih dari satu tahun tidak memberikan deviden, digunakan oleh Almilia dan Kristijadi (2003), perusahaan mengalami delisted akibat laba bersih dan nilai buku ekuitas negative berturut-turut, serta perusahaan tersebut telah demerger, digunakan oleh Almilia (2004), perusahaan selama dua tahun berturut-turut mengalami laba bersih (net income) negative dan nilai buku ekuitas negative, digunakan oleh Almilia (2006). Objek penelitian ini adalah perusahaan yang tercatat (listed) di Bursa Efek Indonesia, adapun penulis memilih objek ini yaitu satu, untuk menganalisis pengaruh krisis global terhadap perusahaan yang ada di Indonesia.
Dua, adanya
peraturan
yang mengharuskan perusahaan-
perusahaan tersebut untuk memberikan informasi yang jelas di bandingkan dengan perusahan yang tidak terdaftar di Bursa Efek Indonesia, serta perusahan tersebut melaporkan laporan keuangannya kepada BAPEPAM dan di publikasikan. Berdasarkan latar belakang dan uraian diatas, maka penulis mengangkat judul “ ANALISIS RASIO KEUANGAN DALAM MEMPREDIKSI KONDISI FINANCIAL DISTRESS PERUSAHAAN (Studi kasus pada perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010)”.
6
B. PERUMUSAN MASALAH Dari uraian diatas, maka penulis memunculkan permasalahan sebagai berikut : 1.
Apakah variabel rasio keuangan berbeda secara signifikan berdasarkan kondisi perusahaan yang terdaftar di Bursa Efek Indonesia periode 20072010? Kondisi perusahaan yang dimaksud adalah : pertama, perusahaan yang tidak mengalami kondisi financial distress, yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dan arus kas yang lebih besar dari hutang jangka panjang dua tahun berturut-turut. Kedua, perusahaan dalam kondisi financial distress yang pertama, yaitu perusahaan yang memiliki laba bersih sebelum pajak negatif dua tahun berturut-turut. Dan ketiga, perusahaan dalam kondisi financial distress kedua, yaitu perusahaan yang memiliki laba bersih sebelum pajak negatif dan arus kas yang lebih kecil dari hutang jangka panjang dua tahun berturut-turut.
2.
Apakah rasio keuangan yang berasal dari laporan neraca, laba rugi dan arus kas dapat digunakan untuk memprediksi probabilitas kondisi financial distress perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010?
7
C. TUJUAN PENELITIAN Penelitian ini bertujuan untuk : 1.
Memberikan bukti empiris, variabel rasio keuangan berbeda secara signifikan terhadap kondisi perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010?
2.
Memberikan bukti empiris, rasio keuangan yang berasal dari laporan neraca, laba rugi dan arus kas dapat digunakan untuk memprediksi probabilitas kondisi financial distress perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010?
D. MANFAAT PENELITIAN Adapun manfaat yang diharapakan dari penelitian ini adalah sebagai berikut : 1.
Bagi perusahaan, hasil penelitian ini diharapkan dapat berguna agar perusahaan dapat dengan cepat mencarikan solusi ketika perusahaan dikategorikan
mengalami
kondisi
financial
distress,
sehingga
perusahaan-perusahaan tersebut dapat terhindar dari kondisi yang lebih buruk yaitu mengalami kebangkrutan. 2.
Bagi pihak eksternal, memberikan pemahaman tentang kondisi financial distress suatu perusahaan untuk membantu pihak eksternal seperti investor dan kreditur dalam pengambilan keputusan.
8
3.
Hasil penelitian ini diharapkan dapat digunakan sebagai bahan masukan dan kontribusi bagi pengembangan ilmu pengetahuan mengenai kondisi financial distress suatu perusahaan serta dapat dijadikan referensi untuk penelitian selanjutnya.
9
BAB II TINJAUAN PUSTAKA
A. LANDASAN TEORI 1.
Laporan Keuangan Laporan keuangan adalah pencatatan data keuangan suatu perusahaan
yang menggambarkan kinerja perusahaan tersebut dan dibuat secara periodik. Dalam pratiknya laporan keuangan oleh perusahaan tidak dibuat secara asalasalan, tetapi harus dibuat dan disusun sesuai dengan aturan atau standar yang berlaku. Hal ini perlu dilakukan agar laporan keuangan mudah dibaca dan dimengerti. Laporan keuangan yang disajikan perusahaan sangat penting bagi manajemen dan pemilik perusahaan. Disamping itu, banyak pihak yang yang memerlukan dan berkepentingan terhadap laporan keuangan yang dibuat oleh perusahaan, seperti pemerintah, kreditor, investor, maupun para supplier. Ada beberapa pengertian laporan keuangan dari para ahli diantaranya sebagai berikut : Menurut Kieso, Weygandt, dan Warfield (2002 : 3) laporan keuangan merupakan sarana pengkomunikasian informasi keuangan utama kepada pihak-pihak diluar korporasi. laporan keuangan (financial statement) yang sering disajikan adalah neraca, laporan laba rugi, laporan arus kas, laporan ekuitas pemilik atau pemegang saham dan catatan atas laporan keuangan atau pengungkapan juga merupakan bagian integral dari setiap laporan keuangan.
10
Menurut Harahap (2007 : 105) laporan keuangan menggambarkan kondisi keuangan dan hasil usaha suatu perusahaan pada saat tertentu atau jangka waktu tertentu. Laporan keuangan yang akan menjadi bahan sarana informasi (screen) bagi analis dalam proses pengambilan keputusan. Laporan keuangan dapat menggambarkan posisi keuangan perusahaan, hasil usaha perusahaan dalam suatu periode, dan arus dana (kas) perusahaan dalam periode tertentu. Dari laporan keuangan, akan tergambar kondisi keuangan suatu perusahaan yang dapat memudahkan manajemen dalam menilai kinerja manajemen perusahaan khususnya dalam menagantisipasi sinyal financial distress. Penilaian kinerja akan menjadi patokan atau ukuran apakah manajemen mampu atau berhasil dalam menjalankan kebijakan yang telah digariskan. 2.
Tujuan Laporan Keuangan Laporan keuangan yang disusun tentu memiliki tujuan tertentu. Dalam
praktiknya terdapat beberapa tujuan yang hendak dicapai, terutama bagi pemilik usaha dan manajemen perusahaan. Disamping itu, tujuan laporan keuangan disusun guna memenuhi kepentingan berbagai piahak yang berkepentingan terhadap perusahaan. Menurut Harahap (2007 : 1) laporan keuangan merupakan salah satu alat penting bagi analis laporan keuangan dalam menjalankan dan melaksanakan fungsinya.
11
Sedangkan menurut Harahap (2007 : 18) tujuan laporan keuangan adalah sebagai berikut : a.
Screening Dilakukan untuk mengetahui situasi dan kondisi laporan keuangan tanpa pergi langsung ke lapangan.
b.
Understanding Memahami perusahaan, kondisi keuangan, dan hasil usahanya
c.
Forcasting Analisis digunakan untuk meramalkan kondisi keuangan perusahaan di masa yang akan datang.
d.
Diagnosis Analisis dimaksudkan untuk melihat kemungkinan adanya masalahmasalah yang terjadi dalam manajemen, operasi, keuangan atau masalah lain dalam perusahaan.
e.
Evaluation Untuk menilai prestasi manajemen dalam mengelola perusahaan.
Menurut Mamduh & Abdul Halim (2009) tujuan-tujuan keuangan semuanya bersifat umum, berkaitan dengan pemakai ekstrenal yang bermacam-macam jenisnya bukan pemakai internal yang spesifik seperti manajemen. Gambar dibawah mengilustrasikan tujuan laporan keuangan dimulai dari yang paling umum, kemudian bergerak ke tujuan yang lebih spesifik.
12
Gambar 2.1
TUJUAN PELAPORAN KEUANGAN Memberikan informasi yang bermanfaat bagi investor, kreditur, dan pemakai lainnya, sekarang atau masa yang akan dating (potensial) untuk membuat keputusan lainnya yang serupa yang rasional Diturunkan Tujuan Pemakai Eksternal
Memberikan informasi yang bermanfaat bagi investor, kreditur, dan pemakai lainnya, sekarang atau masa yang akan dating (potensial) untuk memperkirakan jumlah, waktu (timing) dan ketidak pastian dari penerimaan kas dan deviden atau bunga dan dari penjualan, pelunasan surat-surat berharga atau hutang pinjaman Diturunkan Tujuan Perusahaan (lembaga)
Memberikan informasi untuk menolong investor, kreditur dan pemakai lainnya untuk memperkirakan jumlah, waktu (timing) dan ketidakpastian aliran kas masuk bersih ke perusahaan (lembaga) Tujuan Spesifik
Memberi informasi sumber daya ekonomi, kewajiban dan modal saham
Memberi informasi pendapatan yang komprehensif
Memberi informasi aliran kas
Sumber : Mamduh & Abdul Halim (2009)
3.
Komponen Laporan Keuangan Menurut Kieso, Weygandt, dan Warfield (2002 : 3) Laporan keuangan
yang lengkap ada 4 macam yang terdiri dari komponen-komponen berikut ini :
13
1. Neraca 2. Laporan laba rugi 3. Laporan perubahan modal 4. Laporan arus kas Didalam penelitian ini, laporan keuangan yang digunakan hanya tiga macam yaitu laporan neraca, laporan laba rugi dan laporan arus kas karena yang menunjukkan posisi keuangan perusahaan yang sebenarnya merupakan ketiga laporan tersebut atau laporan pokok (Mamduh & Abdul Halim, 2009 : 49). a.
Neraca Perusahaan perlu mendapatkan kas untuk memperoleh banyak asset yang digunakan dalam suatu bisnis. Dalam proses mendapatkan kas itu, mereka juga menaggung kewajiban pada pihak yang memberikan dana. Menurut Weygantdt, Kimmel & Kieso (2008 : 32) Neraca adalah bentuk pelaporan mengenai asset, liabilitas, dan modal pemilik pada waktu tertentu atau ringkasan posisi keuangan perusahaan pada tanggal tertentu yang menunjukkan total aktiva dengan total kewajiban ditambah total ekuitas pemilik. Menurut Brealey, Myers, dan Marcus (2007 : 56) Neraca menampilkan potret asset (aktiva) dan kewajiban perusahaan pada waktu tertentu. Asset terdiri dari asset lancar yang bisa dengan cepat dicairkan menjadi kas dan asset tetap seperti pabrik dan mesin. Sedangkan kewajiban meliputi kewajiban lancar yang wajib dilunasi
14
dalam waktu satu tahun dan hutang jangka panjang. Selisih antara aset dan kewajiban menampilkan jumlah ekuitas pemegang saham. Menurut Harahap (2007 : 107) laporan neraca menggambarkan posisi aktiva, kewajiban, dan modal pada saat tertentu. Laporan ini bisa disusun setiap saat dan merupakan opname situasi posisi keuangan pada saat itu. Sehingga dapat disimpulkan dari pengertian diatas bahwa neraca merupakan keadaan keuangan pada tanggal tertentu sehingga disajikan sedemikian rupa yang menggambarkan posisi keuangan suatu perusahaan dan biasanya pada saat tutup buku. Mamduh & Abdul Halim (2009)
komponen neraca dapat
diklasifikasikan sebagai berikut : Tabel 2.1 Aktiva
=
Kewajiban
1. Aktiva lancar : 1. Utang lancar : Kas Utang dagang Rekening pada bank Utang wesel (rekening giro dan Utang bank rekening tabungan) Deposito berjangka (time Utang pajak deposit) Biaya yang mesti Surat-surat berharga (efekharus dibayar efek) Piutang Utang sewa guna Pinjaman yang diberikan usaha Sediaan Utang deviden Biaya yang dibayar di muka Utang gaji Pendapatan yang masih Utang lancar harus diterima lainnya Aktiva lancar lainnya
+
Modal
1. Modal
saham
disetor :
Saham nominal
Agio
atau
Capital Surplus
Laba
yang
ditahan
Modal lainnya
15
2. Aktiva tetap : a) Aktiva tetap berwujud : Tanah Mesin Bangunan Peralatan Kendaraan Akumulasi penyusutan Aktiva tetap lainnya b) Aktiva tetap tidak berwujud : Goodwill Hak cipta Lisensi Merek dagang 3. Aktiva lainnya : Gedung dalam proses Tanah dalam penyelesaian Piutang jangka panjang Uang jaminan Uang muka investasi Dan lainnya
b.
2. Utang jangka panjang :
Utang hipotek
Utang obligasi
Utang bank jangka panjang
Utang jangka panjang lainnya
Laporan Laba Rugi Laporan laba rugi merupakan laporan prestasi perusahaan selama jangka waktu tertentu (Hanafi & Abdul Halim, 2009 : 15). Berbeda dengan neraca yang merupakan snapsot, laporan laba rugi juga mencakup suatu periode tertentu. Laporan laba rugi juga berisi jumlah pendapatan yang diperoleh dan jumlah biaya yang dikeluarkan. Menurut Brealey, Myers dan Marcus (2007 : 61) laporan laba rugi merupakan laporan keuangan yang memperlihatkan pendapatan, beban, dan laba bersih perusahaan selama periode tertentu. Menurut
16
Brigham dan Houston (2009 : 50) laporan laba rugi ialah laporan yang mengikhtisarkan pendapatan dan pengeluaran perusahaan selama satu periode akuntansi, yang biasanya setiap satu kuartal atau satu tahun. Dari pengertian diatas laporan laba rugi merupakan laporan yang sistematis mengenai
penghasilan/pendapatan, biaya, beban,
dan rugi laba yang diperoleh perusahaan pada periode tertentu. Tujuan pokok dari laporan laba rugi adalah melaporkan kemampuan perusahaan yang sebenarnya (rill) untuk memperoleh keuntungan. Untuk itu laporan itu harus sedemikian rupa agar tidak menyesatkan (misleading). Isilaporan laba-rugi biasanya mencakup elemen-elemen berikut (Mamduh & Abdul Halim, 2009 : 56) : 1) Pendapatan Operasional Perusahaan (a) Penjualan (bersih) (b) Harga Pokok Penjualan (c) Biaya Operasional (d) Pendapatan dan Biaya Lainnya (e) Biaya Pajak yang berkaitan dengan Operasi Perusahaan 2) Hasil dari Operasi yang Dihentikan (a) Pendapatan (rugi) dari operasi perusahaan yang dihentikan (bersih pajak)
17
(b) Untung (rugi) yang berkaitan dengan pelunasan lini bisnis yang dihentikan (bersih pajak) 3) Item-item luar biasa (bersih pajak pendapatan) 4) Efek kumulatif perubahan prinsip akuntansi (bersih pajak pendapatan) 5) Laba bersih 6) Laba perlembar saham (Earning per Share)
c.
Laporan Arus Kas Laporan arus kas ialah laporan yang menyajikan informasi aliran kas masuk atau keluar bersih pada suatu periode, hasil dari tiga kegiatan pokok perusahaan yaitu operasi, investasi, dan pendanaan (Hanafi & Abdul Halim, 2009 : 19). Aliran kas diperlukan terutama untuk mengetahui kemampuan perusahaan yang sebenarnya dalam memenuhi kewajiban-kewajibannya. Menurut Brigham & Houston (2009 : 59) laporan arus kas adalah laporan yang melaporkan dampak dari aktivitas-aktivitas operasi, investasi, dan pendanaan oleh perusahaan pada arus kas selama satu periode akuntansi. Laporan aliran kas bertujuan untuk melihat efek kas dari kegiatan operasi, investasi, dan pendanaan. Aktivitas operasi meliputi semua transaksi dan kejadian lain yang buka merupakan kegiatan investasi atau pendanaan. Ini termasuk transaksi yang
18
melibatkan produksi, penjualan, penyerahan barang, atau penyerahan jasa. Aktivitas investasi meliputi pemberian kredit, pembelian atau penjualan investasi jangka panjang seperti pabrik dan peralatan. Aktivitas pendanaan meliputi transaksi untuk memperoleh dana dari distribusi return ke pemberi dana dan pelunasan hutang. Aliran kas untuk investasi yang sering dapat diklasifikasikan (Hanafi & Abdul Halim, 2009 : 59) sebagai berikut : 1) Penerimaan kas dari penjualan investasi pada saham atau obligasi 2) Penerimaan kas dari penjualan bangunan, pabrik, dan peralatan 3) Pembayaran untuk investasi pada surat berharga (saham atau obligasi) 4) Pembayaran untuk pembelian bangunan, pabrik atau peralatan Aktivitas pendanaan yang sering dimasukan kedalam kegiatan pendanaan sering diklasifikasikan sebagai berikut : 1) Penerimaan dari emisi surat berharga (obligasi, saham) 2) Pembayaran dividen 3) Pelunasan hutang atau obligasi 4) Pembayaran untuk membeli saham kembali Aktivitas operasi yang sering dimasukan dalam operasi adalah : 1) Aliran kas masuk operasi (a) Pengumpulan dari pelanggan (b) Bunga atau dividen yang dikumpulkan
19
2) Aliran kas keluar operasi (a) Pembayaran ke pemasok (supplier) atau karyawan (b) Pembayaran bunga (c) Pembayaran pajak pendapatan
4.
Analisa Laporan Keuangan Analisis terhadap laporan keuangan suatu perusahaan pada dasarnya
karena ingin mengetahui tingkat profitabilitas (keuantungan) dan tingkat risiko atau tingkat kesehatan suatu perusahaan (Hanafi & Abdul Halim, 2009 : 19). Hasil analisis laporan keuangan akan memberikan informasi tentang kelemahan dan kekuatan yang dimiliki perusahaan. Dengan mengetahui kelemahan ini, manajemen akan dapat memperbaiki atau menutupi kelemahan tersebut. Kemudian, kekuatan yang dimiliki perusahaan harus dipertahankan atau bahkan ditingkatkan. Kekuatan ini dapat dijadikan modal selanjutnya kedepan. Dengan adanya kelemahan dan kekuatan yang dimiliki, akan tergambar kinerja manajemen selama ini. Harahap (2007 : 190) mendefinisikan analisa laporan keuangan adalah sebagai berikut : “Menguraikan pos-pos laporan keuangan menjadi unit informasi yang lebih kecil dan melihat hubungannya yang bersifat signifikan atau yang mempunyai makna antara satu dengan yang lain baik antara data kuantitatif maupun data non-kuantitatif dengan tujuan untuk mengetahui kondisi keuangan lebih dalam yang sangat penting dalam proses menghasilkan keputusan yang tepat” Tujuan dan manfaat analisis laporan keuangan menurut Kasmir (2008 : 68) antara lain :
20
a.
Untuk mengetahui posisi keuangan perusahaan dalam satu periode tertentu, baik harta, kewajiban, modal,maupun hasil usaha yang telah dicapai untuk beberapa periode.
b.
Untuk mengetahui kelemahan-kelemahan apa saja yang menjadi kekurangan perusahaan.
c.
Untuk mengetahui kekuatan-kekuatan yang dimiliki.
d.
Untuk mengetahui langkah-langkah perbaikan apa saja yang perlu dilakukan ke depan yang berkaitan dengan posisi keuangan saat ini.
e.
Untuk melakukan penilaian kinerja manajemen ke depan apakah perlu penyegaran atau tidak karena sudah dianggap berhasil atau gagal.
f.
Dapat juga digunakan sebagai pembanding dengan perusahaan sejenis tentang hasil yang mereka capai. Berikut akan dibahas lebih lanjut mengenai rasio keuangan, karena
penelitian ini akan menggunakan analisis rasio dalam menganalisis laporan keuangan perusahaan guna memprediksi kondisi keuangan yang mengalami kondisi financial distress atau yang kurang sehat. Menurut Weygant, Kimmel & Kieso (2010 : 799) rasio keuangan menyatakan hubungan antara item data laporan keuangan yang terpilih. Sebuah rasio mengekspresikan hubungan matematik antara satu bagian dengan bagian lain, biasanya berbentuk persentase . Dari hasil rasio keuanagn ini akan terlihat kondisi kesehatan perusahaan yang bersangkutan.
21
Menurut Harahap (2007 : 297) rasio keuangan adalah angka yang diperoleh dari hasil perbandingan dari satu pos laporan keuangan dengan pos lainnya yang mempunyai hubungan yang relevan dan signifikan (berarti). Jadi rasio keuangan merupakan kegiatan membandingkan angka-angka yang ada dalam laporan keuangan dengan cara membagi satu angka dengan angka lainnya. Perbandingan dapat dilakukan antara satu komponen dengan komponen dalam satu laporan keuangan atau antar komponen yang ada diantara laporan keuanagn. Kemudian angka yang diperbandingkan dapat berupa angka-angka dalam satu periode maupun beberapa periode. Hasil rasio keuangan ini digunakan untuk menilai kinerja manajemen dalam suatu periode apakah mencapai target seperti yang telah ditetapkan. Kemudian juga dapat dinilai kemampuan manajemen dalam memperdayakan sumber daya perusahaan secara efektif. Hanafi & Abdul Halim (2009 : 76) mengkatagorikan analisis rasio kedalam lima kelompok : a.
Rasio Likuiditas, mengukur kemampuan likuiditas jangka pendek perusahaan dengan melihat aktiva lancar perusahaan relative terhadap hutang lancarnya (hutang dalam hal ini merupakan kewajiban perusahaan). Rasio likuiditas terbagai menjadi dua bagian : 1) Rasio lancar, merupakan perbandingan antara aktiva lancar dengan hutang lancar.
22
2) Rasio cepat (quick), dihitung dengan mengurangkan persediaan dari aktiva lancar, kemudian membagi sisanya dengan hutang lancar. b.
Rasio Aktivitas, rasio ini melihat pada beberapa asset kemudian menentukan beberapa tingkat aktivitas aktiva-aktiva tersebut pada tingkat kegiatan tertentu. Rasio ini juga mengukur seberapa efektif perusahaan menggunakan sumber-sumber daya perusahaan. Rasio aktivitas meliputi : perputaran piutang, perputaran persediaan, perputaran aktiva tetap dan perputaran total aktiva.
c.
Rasio solvabilitas, rasio ini mengukur kemampuan perusahaan memenuhi kewajiban-kewajiban jangka panjangnya. Perusahaan yang tidak solvable adalah perusahaan yang total hutangnya lebih besar dibandingkan total asetnya. Rasio solvabilitas terdiri dari : 1) Total debt to total asset, mengukur presentasi penggunaan dana dari kreditur yang dihitung dengan cara membagi total hutang dengan total aktiva. 2) Debt equity ratio, perbandingan antara total hutang dengan modal. 3) Time interest earned, dihitung dengan membagi laba sebelum bunga dan pajak (EBIT) dengan beban bunga. Rasio ini mengukur seberapa jauh laba bisa berkurang tanpa menyulitkan perusahaan dalam memenuhi kewajiban membayar bunga tahunan.
23
d.
Rasio Profitabilitas, rasio ini mengukur kemampuan perusahaan menghasilkan keuntungan (profitabilitas) pada tingkat penjualan, asset, dan modal saham yang tertentu atau digunakan untuk mengukur seberapa efektif pengelolaan perusahaan sehingga menghasilkan keuntungan. Rasio profitabilitas terdiri dari : 1) Profit margin on sale, dihitung dengan cara membagi laba setelah pajak dengan penjualan. 2) Return on total asset, perbandingan antara laba setelah pajak dengan total aktiva guna mengukur tinggkat pengembalian 3) Return on net worth, perbandingan antara laba setelah pajak dengan modal sendiri guna mengukur tingkat keuntungan investasi pemilik modal sendiri.
e.
Rasio Pasar, rasio yang mengukur harga pasar relative terhadap nilai buku. Sudut pandang rasio ini lebih banyak berdasarkan sudut pandang investor atau mengukur kemampuan perusahaan dalam menciptakan nilai terutama pada pemegang saham dan calon investor. Rasio pasar terdiri dari : 1) Price earning ratio, rasio antara harga pasar saham dengan laba per lembar saham. Jika rasio ini lebih rendah dari rasio industry sejenis, bisa menjadi indikasi bahwa investasi pada saham perusahaan ini lebih berisiko daripada rata-rata industry. 2) Dividend yield, rasio antara dividen per lembar yang diberikan perusahaan dengan harga pasar saham per lembar.
24
3) Dividend payout ratio, rasio ini melihat bagian earning (pendapatan) yang dibayarkan sebagai deviden kepada investor Rasio arus kas cukup menjadi hal yang diperhatikan dalam pengukuran kesehatan, kesulitan dan kebangkrutan suatu usaha. Hal ini wajar karena perusahaan memerlukan kas untuk membeli pabrik dan mesin baru atau ketika membayar hutang dan dividen pada pemegang saham. Frank fabozzi dan Pamela Peterson (2003 : 812) mengelompokkan rasio arus kas menjadi dua : a.
Cash flow to Capital Expenditure, rasio ini memberikan analisis mengenai fleksibilitas keuangan
perusahaan dan kegunaannya.
Semakin besar rasio ini maka semakin besar fleksibilitas keuangan perusahaan tersebut. b.
Cash Flow to Debt, rasio ini mengukur kemampuan perusahaan dalam menghadapi hutang obligasi yang jatuh tempo. Rasio ini menyediakan informasi terhadap kualitas kredit perusahaan.
Sedangkan
Wild,
Larsson,
dan
Chiappetta
(2005
:
510)
mengkategorikan rasio arus kas yaitu : a.
Cash Flow to Total Asset, rasio ini merekfleksikan actual cash flow dan tidak dipengaruhi oleh akun pengukuran dan pengakuan pendapatan. Rasio ini dapat membantu dalam pengambilan keputusan bisnis untuk mengestimasi jumlah dan waktu aliran kas pada saat merencanakan dan menganalisis arus kas dari aktivitas operasi.
25
b.
Cash Coverage of Growth, rasio ini menunjukkan perbandingan antara arus kas dari aktivitas operasi dengan aliran kas keluar untuk investasi pada asset. Jika rasio ini kurang dari satu berdampak ketidakcukupan kas dalam menutup pertumbuhan asset. Begitupun sebaliknya, semakin tinggi rasio ini semakin baik.
c.
Operating Cash Flow to Sales, rasio ini menunjukkan perbandingan antara arus kas dari aktivitas operasi terhadap penjualan bersih perusahaan.
5.
Financial Distress Financial distress pada dasarnya sukar untuk didefinisikan secara tepat
dikarenakan banyak kejadian kejatuhan perusahaan pada saat financial distress. Peristiwa kejatuhan perusahaan yang disebabkan financial distress hampir tidak ada akhirnya, misalnya saja terjadinya pengurangan deviden, penutupan perusahaan, kerugian perusahaan, pemecatan, dan jatuhnya harga saham. Financial distress merupakan kondisi dimana keuangan perusahaan dalam keadaan tidak sehat atau krisis. Financial distress terjadi sebelum kebangkrutan. Kebangkrutan sendiri biasanya diartikan sebagai suatu keadaan atau situasi dimana perusahaan gagal atau tidak mampu lagi memenuhi kewajiban – kewajiban debitur karena perusahaan mengalami kekurangan dan ketidakcukupan dana untuk menjalankan atau melanjutkan usahanya sehingga tujuan ekonomi yang ingin dicapai oleh perusahaan dapat dicapai yaitu profit, sebab dengan laba yang diperoleh perusahaan bisa digunakan untuk 26
mengembalikan pinjaman, bisa membiayai operasi perusahaan dan kewajiban – kewajiban yang harus dipenuhi bisa ditutup dengan laba atau aktiva yang dimiliki. Model financial distress perlu untuk dikembangkan, karena dengan mengetahui kondisi financial distress perusahaan sejak dini diharapkan dapat dilakukan tindakan – tindakan untuk mengantispasi yang mengarah kepada kebangkrutan. Definisi financial distress dalam Ahmad Rodoni dan Herni Ali (2010 : 171-172) sebagai berikut : a.
Jika beberapa tahun perusahaan mengalami aba bersih operasi (net operating income) negatif, digunakan oleh Hofer (1980) dan Whitaker (1999).
b.
Adanya
pemberhentian
tenaga
kerja
atau
menghilangkan
pembayaran deviden, digunakan oleh Lau (1987) dan Hill, et al. (1996) c.
Arus kas hasil operasi perusahaan tidak cukup untuk memenuhi kewajiban perusahaan, digunakan oleh Karen Wruck (1990).
d.
Rendahnya interest coverage ratio, EBITDA negative, digunakan oleh Asquith, et al (1991) dan Pinando, et a. (2006)
e.
Perubahan harga ekuitas atau EBIT negative, digunakan oleh John, et al (1992) dalam Platt (2004).
f.
Stock-base insolvency yaitu kekayaan bersih negative dan nilai asset kurang dari nilai hutang dan flow-base insolvency yaitu arus kas
27
yang berjalan tidak cukup untuk memenuhi kewajiban, digunakan oleh Altman (1993). g.
Adanya arus kas yang lebih kecil dari hutang jangka panjang saat ini digunakan oleh Whitaker (1999)
h.
Perusahaa diberhentikan operasinya atas wewenag pemerintah dan perusahaan tersebut dipersyaratkan untuk melakukan perencanaan restrukturasi, digunakan oleh Tirapat dan Nittayagasetwat (1999).
i.
Negative EBITDA interest voverage, Negatif EBIT, negative net income digunakan oleh Platt (2004)
j.
Beberapa tahun mengalami laba bersih operasi (net operating income negative) dan selama lebih dari satu tahun tidak memberikan deviden, digunakan oleh Almilia dan Kristijadi (2003)
k.
Perusahaan mengalami delisted akibat laba bersih dan nilai buku ekuitas negative berturut-turut, serta perusahaan tersebut telah demerger, digunakan oleh Almilia (2004)
l.
Persahaan selama dua tahun berturut-turut mengalami laba bersih (net income) negative dan nilai buku ekuitas negative, digunakan oleh Almilia (2006). Informasi kebangkrutan dan prediksi financial distress perusahaan ini
menjadi perhatian banyak pihak. Menurut Hanafi & Abdul Halim (2009 : 261) pihak-pihak yang yang menggunakan model tersebut meliputi : a.
Pemberi Pinjaman. Informasi kebangkrutan bisa bermanfaat untuk mengambil keputusan siapa yang akan diberi pinjaman, dan
28
kemudian bermanfaat untuk kebijakan memonitor pinjaman yang ada. b.
Investor. Saham atau obligasi yang dikeluarkan oleh suatu perusahaan tentunya akan sangat berkepentingan melihat adanya kemungkinan bangkrut (distress) atau tidaknya perusahaan yang menjual surat berharganya tersebut. Investor yang aktif akan mengembangkan model prediksi financial distress untuk melihat tanda-tanda
kebangkrutan
seawal
mungkin
dan
kemudian
mengantisipasi kemungkinan tersebut. c.
Pihak
Pemerintah.Untuk
beberapa
sector
usaha,
pemerintah
mempunyai tanggung jawab untuk mengawasi jalannya usaha tersebut (misalnya sector perbankan dan BUMN). Pemerintah mempunyai kepentingan untuk melihat tanda-tanda kebangkrutan lebih awal supaya tindakan pencegahan dapat dilakukan. d.
Akuntan atau auditor. Akuntan mempunyai kepentingan terhadap informasi kelangsungan suatu usaha karena akuntan akan menilai kemampuan going concern suatu perusahaan.
e.
Manajemen. Apabila perusahaan mengalami kebangkrutan maka perusahaan akan menanggung biaya langsung (fee akuntan dan pengacara) dan biaya tidak langsung (kerugian penjualan atau kerugian paksaan akibat ketetapan pengadilan). Sehingga dengan adanya model prediksi financial distress diharapkan perusahaan
29
dapat
menghindari
kebangkrutan
dan
otomatis
juga
dapat
menghindari biaya langsung dan tidak langsung dari kebangkrutan. Menurut Foster dalam (1986) dalam Almilia (2006) terdapat beberapa indikator atau sumber informasi mengenai kemungkinan dari kesulitan keuangan: a.
Analisis arus kas untuk periode sekarang dan yang akan datang.
b.
Analisis strategi perusahaan yang mempertimbangkan pesaing potensial, struktur biaya relatif, perluasan rencana dalam industri, kemampuan perusahaan untuk meneruskan kenaikan biaya, kualitas manajemen dan lain sebagainya.
c.
Analisis laporan keuangan dari perusahaan serta perbandingannya dengan perusahaan lain. Analisis ini dapat berfokus pada suatu variabel keuangan tunggal atau suatu kombinasi dari variabel keuangan.
d.
Variabel eksternal seperti return sekuritas dan penilaian obligasi.
Financial Distress dapat diatasi dengan berbagai cara (Rodoni & Ali, 2009 : 196), diantaranya yaitu : a.
Berhubungan dengan aset perusahaan yaitu dengan menjual aset-aset utama, melakukan merger dengan perusahaan lain, menurunkan pengeluaran dan biaya penelitian dan pengembangan.
b.
Berhubungan
dengan
restrukturisasi
keuangan
yaitu
dengan
menerbitkan sekuritas baru, mengadakan negosiasi dengan bank dan kreditor,
dan
bankrut.
Financial
distress
dapat
melibatkan
restrukturisasi aset ataupun restrukturisasi keuangan.
30
B. PENELITIAN TERDAHULU Penelitian yang berhubungan dengan financial distress telah dilakukan beberapa peneliti sebelumnya sehingga hasil penelitian mereka dapat dijadikan landasan untuk penelitian ini. Beberapa penelitian terdahulu yang menguji tentang rasio keuangan terhadap financial distress antara lain sebagai berikut: Penelitian terdahulu yang dilakukan oleh Altman (1986) dalam Almalia dan Kristidjadi (2003) yang meneneliti pemanfaatan analisis rasio keuangan sebagai
alat
untuk
memprediksi
kebangkrutan
perusahaan
dengan
menggunakan analisis diskriminan. Altman menggunakan sampel perusahaan manufaktur yang bangkrut antara tahun 1946-1965. Dari sampel yang dipilih, Altman memperoleh 33 perusahaan, dengan menggunakan 22 rasio keuangan yang kemudian dikelompokkan menjadi 5 golongan standar. Hasil penelitiannya menghasilkan rasio keuangan yang dapat memprediksi kebangkrutan perusahaan dengan fungsi diskriminan sebagai berikut : indeks kebangkrutan = 0,12 Working Capital/Total Asset + 0,14 Retained Earning/Total Asset + 0,33 Earning Before Interest and Tax/Total Asset + 0,006 Market Value Equity/Book Value Debt + 0,999 Sales/Total Asset. Penelitian lain yang dilakukan oleh Luciana (2006) mengenai prediksi financial distress perusahaan go-public dengan model multinominal logit menggunakan tiga model dalam penelitian. Model yang pertama menguji daya klasifikasi dan signifikansi rasio keuangan yang berasal dari neraca dan laporan laba rugi, kedua menguji daya klasifikasi dan signifikansi rasio
31
keuangan yang berasal dari laporan arus kas, dan yang ketiga menguji daya klasifikasi dan signifikansi rasio keuangan yang berasal dari laporan neraca, laporan laba rugi, dan laporan arus kas secara bersama-sama. Sampel perusahaan terdiri dari 43 perusahaan dengan laba bersih dan nilai buku ekuitas positif serta masih terdaftar (listed) hingga 2001, 14 perusahaan yang mengalami laba bersih negatif dari tahun 2000 hingga 2001 serta masih terdaftar (listed), dan 24 perusahaan yang mengalami laba bersih dan nilai buku ekuitas negatif dari tahun 2000 hingga 2001 serta masih terdaftar (listed) di BEJ. Hasil penelitian menunjukaan bahwa pada model pertama rasio yang dapat memprediksi kondisi financial distress perusahaan yaitu rasio TL/TA dengan daya klasifikasi sebesar 79%. Pada model kedua rasio keuangan yang dapat memprediksi kondisi financial distress perusahaan yaitu rasio CFFO/TA dan CFFO/CL dengan daya klasifikasi sebesar 58%. Pada model ketiga (pengujian bersama-sama antara rasio yang berasal dari neraca, laba rugi, dan arus kas) rasio keuangan yang dapat memprediksi kondsi financial distress perusahaan
yaitu rasio CA/TA, TL/TA, NFA/TA,
CFFO/CL, CFFO/TS dan CFFO/TL dengan daya klasifikasi sebesar 79,6%. Penelitian ini sejalan dengan hasil penelitian yang dilakukan oleh platt dan platt (2002) serta Luciana dan Kristijadi (2003) yang memberikan bukti bahwa rasio keuangan profit margin, likuiditas, efisiensi, profitabilitas, financial leverage, posisi kas dan pertumbuhan dapat digunakan untuk menilai kinerja perusahaan yang mengalami financial distress dan perusahaan yang tidak mengalami financial distress.
32
Penelitian lain yang dilakukan oleh Yolanda dan Mudji (2009) yang meneliti tentang prediksi financial distress perusahaan manufaktur dengan rasio arus kas periode 1999-2005. Ada 13 rasio arus kas yang digunakan dalam penelitian tersebut yaitu CFFO/CL, CFFO/TL, CFFO/TS, CFFO/TA, CFFO/EQ,
CFFO/OS,
CFFO/OI,
IPPE/PPE,
CHWC/TU,
RPPE/TS,
IPPE/TU, DI/TS dan Netdebt. Pengujian statistik menggunakan uji normalitas Kolmogorov Smirnov dan Mann Whitney U Test, dan menggunakan logistic regression. Hasil penelitian menunjukan nahwa model prediksi financial distress dengan menggunakan arus kas fit secara statistik dan rasio CFFO/TA, CFFO/S, IPPE/PPE, CHWC/TU, RPPE/TS, DI/TS dan Netdebt signifikan dalam memprediksi kondisi financial distress perusahaan. Hasil ini sesuai dengan penelitian Luciana (2006) bahwa arus kas dari operasi menunjukan signifikan dalam memprediksi kondisi financial distress, tetapi
berbeda
karena tidak terdapat signifikansi pada laporan arus kas dari investasi, dan pendanaan. Penelitian lain yang diteliti oleh Wahyu dan Doddo (2009) yang meneliti tentang pengaruh rasio keuangan terhadap kondisi financial distress perusahaan otomotif yaitu perusahaan Automotive and Allied Product yang terdaftar di Bursa Efek Indonesia selama periode 2004-2006. Variabel independen yang digunakan dalam penelitian ini adalah rasio CA/CL, CAINV/CL, CA-INV-TR/CL yang termasuk rasio likuiditas. Variabel NI/TA yang termasuk rasio profitabilitas, variabel TL/TA dan CL/TA yang termasuk rasio financial leverage serta menambahkan variabel pertumbuhan penjualan
33
(sales growth). Hasil penelitian menunjukan bahwa likuiditas yang diukur dengan current ratio (CA/CL) tidak berpengaruh terhadap financial distress perusahaan, likuiditas yang diukur dengan quick ratio (CA-INV/CL) berpengaruh negatif terhadap financial distress perusahaan, likuiditas yang diukur dengan cash ratio (CA-INV-TR/CL) tidak berpengaruh terhadap financial distress perusahaan, probabilitas (NI/TA) berpengaruh negatif terhadap financial distress perusahaan, financial leverage TL/TA tidak berpengaruh terhadap financial distress perusahaan, financial leverage CL/TA
tidak
berpengaruh
terhadap
financial
distress
perusahaan,
pertumbuhan penjualan (sales growth) tidak berpengaruh terhadap financial distress perusahaan. Penelitian lain yang dilakukan oleh Rodoni dan Muslim (2009) yang meneliti tentang prediksi kondisi financial distress perusahaan go-public dengan menggunakan multinominal logit. Perusahaan yang diteliti yaitu perusahaan manufaktur yang terdaftar (listed) di Bursa Efek Indonesia dan memiliki laporan keuangan yang dipublikasikan pada periode 2004-2007. Untuk penentuan sampel
perusahaan financial distress maupun tidak,
digunakan interest coverage ratio sesuai dengan penelitian Asquith, Gertner, dan Scharfstein (1994). Pengujian menggunakan analisis multinominal logit dengan tiga model. Model pertama untuk menguji daya klasifikasi dan signifikasi rasio keuangan yang berasal dari laporan laba rugi & neraca, model kedua menguji klasifikasi dan signifikansi rasio keuangan yang berasal dari arus kas, dan model ketiga menguji daya klasifikansi dan signifikansi
34
rasio keuangan yang berasal dari laba rugi, neraca dan arus kas. Rasio keuangan yang digunakan dalam penelitian beliau adalah NI/S, CA/CL, CA/TA, NFA/TA, S/TA, S/CA, NI/TA, TL/TA, CASH/CL, CASH/TA, CFFO/CL, CFFO/TL, CFFO/TA dan CFFO/TS yang masing-masing mewakili dari profit margin, likuiditas, efisiensi, probabilitas, financial leverage, posisi kas dan aktifitas operasi. Hasil penelitian tersebut menunjukkan pada pengujian model pertama, variabel NI/TA, TL/TA, dan S/TA dapat digunakan untuk memprediksi kondisi financial distress dengan daya klasifikasi sebesar 75,4%. Model kedua variabel CFFO/CL dan CFFO/TL dapat digunakan untuk memprediksi kondisi financial distress dengan daya klasifikasi sebesar 69,7%. Model ketiga variabel TL/TA, S/TA, CASH/CL, CFFO/CL, CFFO/TL dan CFFO/TA dapat digunakan untuk memprediksi kondisi financial distress dengan daya klasifikasi sebesar 83,8%.
C. KERANGKA PENELITIAN Dalam penelitian ini terdapat beberapa variable yang di gunakan di antaranya variable dependen, dan variable independent. Dimana untuk variable dependennya adalah financial distress yang dikatagorikan menjadi tiga kelompok, pertama, perusahaan yang tidak mengalami kondisi financial distress, yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dan arus kas yang lebih besar dari hutang jangka panjang dua tahun berturutturut. Kedua, perusahaan dalam kondisi financial distress yang pertama, yaitu perusahaan yang memiliki laba bersih sebelum pajak
negatif dua tahun 35
berturut-turut (Almilia, 2006). Dan ketiga, perusahaan dalam kondisi financial distress kedua, yaitu perusahaan yang memiliki laba bersih sebelum pajak negatif dan arus kas yang lebih kecil dari hutang jangka panjang dua tahun berturut-turut (Almilia, 2006 dan Whitaker 1999) . Variabel Independen dalam penelitian ini berupa rasio keuangan yang merupakan perwakilan dari profit margin, likuiditas, effisiensi, profitabilitas, financial leverage, posisi kas, aktivitas operasi, aktivitas investasi dan aktivitas pendanaan. Berdasarkan landasan teori, tujuan penelitian dan hasil penelitian sebelumnya serta permasalah yang telah dikemukakan, maka sebagai dasar untuk merumuskan hipotesis, berikut disajikan kerangka pemikiran yang dituangkan pada gambar 2.2. kerangka pemikiran tersebut mengkaji kemampuan rasio-rasio keuangan yang berasal dari laporan laba rugi, neraca dan arus kas dapat digunakan untuk memprediksi kemungkinan terjadinya kondisi financial distress pada perusahaan yang tercatat di Bursa Efek Indonesia periode 2007-2010.
36
GAMBAR 2.2 KERANGKA PEMIKIRAN TEORITIS
Laporan Keuangan Perusahaan yang Terdaftar di Bursa Efek Indonesia Periode 2007-2010
Rasio keuangan
Uji Beda MANOVA
Analisis Multinomial Logit
Model Fitting Information
Goodness Of Fit
Pseudo R-Square
Parameter Estimates
Ketetapan Prediksi klasifikasi
interpretasi
37
D. HIPOTESIS PENELITIAN Berdasarkan teori dan kerangkan konseptual, maka hipotesis penelitian ini adalah sebagai berikut : H1
: Variabel rasio keuangan berbeda secara signifikan berdasarkan kondisi perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010.
H2
: Variabel rasio keuangan yang berasal dari laporan neraca, laba rugi dan arus kas dapat digunakan untuk memprediksi probabilitas kondisi financial distress perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010.
38
BAB III METODOLOGI PENELITIAN
A. RUANG LINGKUP PENELITIAN Ruang lingkup penelitian ini adalah perusahaan yang tercatat di Bursa Efek Indonesia. Penelitian ini dilakukan untuk menganalisis variabel-variabel yang berupa rasio keuangan yang berasal dari laporan neraca, laba rugi dan arus kas dalam memprediksi probabilitas financial distress perusahaan. Penelitian ini menggunakan data sekunder yang diperoleh dari laporan keuangan tahunan yang dipublikasikan oleh perusahaan yang tercatat di Bursa Efek Indonesia dalam kurun waktu tahun 2007 sampai denggan tahun 2010.
B.
METODE PENENTUAN SAMPEL 1.
Populasi Populasi adalah wilayah generalisasi yang terdiri atas : obyek/subyek
yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudia ditarik kesimpulannya (Sugiyono, 2009 : 115). Populasi yang digunakan dalam penelitian ini adalah seluruh perusahaan yang tercatat di Bursa Efek Indonesia dari tahun 2007-2010. 2.
Sampel Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi tersebut (Sugiyono, 2009 : 116). Pemilihan sampel dalam penelitian
39
ini menggunakan metode purposive sampling yaitu teknik penentuan sampel dengan kriteria tertentu, dengan kriteria sebagai berikut : a.
Sampel adalah perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010.
b.
Sampel telah mempublikasikan laporan keuangan auditan yang lengkap (laporan neraca, laba rugi dan arus kas) periode 2007-2010, khususnya item-item laporan keuangan yang menjadi dasar rasiorasio keuangan dalam penelitian ini.
c.
Sampel mempublikasikan laporan keuangan yang dinyatakan dalam rupiah.
d.
Sampel adalah perusahaan-perusahaan yang memenuhi kriteria sebagai berikut : Kelompok perusahaan yang memiliki laba bersih sebelum pajak positif dan arus kas lebih besar dari hutang jangka panjang perusahaan selama
dua tahun berturut-turut
diproksikan dengan 0. Kelompok perusahaan yang memiliki laba bersih sebelum pajak negatif selama dua tahun berturut-turut diproksikan dengan 1. Dan kelompok perusahaan yang memiliki
laba bersih
sebelum pajak negatif dan arus kas yang lebih kecil dari hutang jangka panjang perusahaan selama dua tahun berturut-turut diproksikan dengan 2.
40
Dari kriteria yang ditentukan untuk menentukan sampel penelitian, maka sampel penelitian dalam penelitian ini berjumlah 57 perusahaan, terdiri dari 29 perusahaan yang merupakan kelompok perusahaan sehat, yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dan memiliki arus kas yang lebih besar dari hutang jangka panjang selama dua tahun berturut-turut. 12 perusahaan yang merupakan kelompok perusahaan dalam kondisi financial distress pertama, yaitu memiliki laba bersih sebelum pajak negatif selama dua tahun berturut-turut. Dan 16 perusahaan yang merupakan kelompok perusahaan dalam kondisi financial distress kedua, yaitu memiliki laba bersih sebelum pajak negatif dan adanya arus kas yang lebih kecil dari hutang jangka panjang selama dua tahun berturut-turut. Perusahaan-perusahaan yang dimaksud ditampilkan dalam tabel dibawah ini : Tabel 3.1 Sampel Perusahaan Secara Keseluruhan No
Sampel
Jumlah
1
Perusahaan tidak dalam kondisi financial distress
29
2
perusahaan dalam kondisi financial distress pertama
12
3
Perusahaan dalam kondisi financial distress kedua
16
Total Sampel
57
Sumber : idx.com
41
Tabel 3.2 Perusahaan Kondisi 0 No
Nama Perusahaan
Kode
1
PT Sumi Indo Kabel tbk.
IKBI
2
PT Jemlo Cable Company tbk
JECC
3
PT Kalbe Farma tbk
KLBF
4
PT Bristol Myers-Squibb Indonesia tbk
SQBI
5
PT Mustika Ratu tbk
MRAT
6
PT Delta Djakarta tbk
DLTA
7
PT Multi Bintang Indonesia tbk
MLBI
8
PT Gudang Garam tbk
GGRM
9
PT Beton Jaya Manunggal tbk
BTON
10
PT Citra Tubindo tbk
CTBN
11
PT Lion Metal Works tbk
LION
12
PT Kageo Igar Jaya tbk
IGAR
13
PT Sekawan Intipratama tbk
SIAP
14
PT Semen Gresik tbk
SMGR
15
PT Asuransi Dayin Mitra tbk
ASDM
16
PT Panin Life tbk
PNLF
17
PT Fortune Indonesia tbk
FORU
18
PT Jasuindo Tiga Perkasa tbk
JTPE
19
PT Bayu Buana tbk
BAYU
20
PT Astra Graphia tbk
ASGR
42
21
PT Enseval Putera Megatrading tbk
EPMT
22
PT FKS Multi Agro tbk
FISH
23
PT Multi Indocitra tbk
MICE
24
PT Sumber Alfaria Trijaya tbk
AMRT
25
PT Fast Food Indonesia tbk
FAST
26
PT Aneka Tambang tbk
ANTM
27
PT Timah tbk
TINS
28
PT Ciputra Property tbk
CTRP
29
PT Ciputra Surya tbk
CTRS
Sumber : idx.com
Tabel 3.3 Perusahaan Kondisi 1 NO
Nama Perusahaan
Kode
1
PT Sat Nusapersada tbk
PTSN
2
PT Panasia Filament Inti tbk
PAFI
3
PT Surya Intrindo Makmur tbk
SIMM
4
PT Bukit Darmo Property tbk
5
PT Intanwijaya Internasional tbk
INCI
6
PT Aneka Kemasindo Utama tbk
AKKU
7
PT Indonesia Air Transport tbk
IATA
8
PT Bank Eksekutif Internasional tbk
BEKS
9
PT JJ Nab Capital tbk
OCAP
BKDP
43
10
PT Yulie Sekurindo tbk
YULE
11
PT Alfa Retailindo tbk
ALFA
12
PT Inti Agri Resources tbk
IIKP
Sumber : idx.com
Tabel 3.4 Perusahaan Kondisi 2 NO
Nama Perusahaan
Kode
1
PT Karwell Indonesia tbk
KARW
2
PT Pelayaran Tempuran Emas tbk
TMAS
3
PT Zebra Nusantara tbk
ZBRA
4
PT Asuransi Bintang tbk
5
PT Island Concepts Indonesia
6
PT Rimo Catur Lestari tbk
7
PT Bakrie & Brothers tbk
8
PT Darma Henwa tbk
DEWA
9
PT Duta Kirana Finance tbk
DKTF
10
PT Energi Mega Persada tbk
11
PT Central Proteinaprima tbk
12
PT Bumi Teknokultura Unggul tbk
13
PT Bhuwanatala Indah Permai tbk
14
PT Laguna Cipta Griya tbk
15
PT Panca Wiratama Sakti tbk
PWSI
16
PT Arpeni Pratama Ocean Line tbk
APOL
ASBI ICON RIMO BNBR
ENRG CPRO BTEK BIPP LCGP
Sumber : idx.com
44
C. METODE PENGUMPULAN DATA Data
yang
diperoleh
dalam
penelitian
ini
didapatkan
dengan
menggunakan metode : 1.
Metode Studi Pustaka, yaitu dengan melakukan telaah pustaka, eksplorasi dan mengkaji berbagai literature pustaka seperti majalah, jurnal, dan sumber-sumber lain yang berkaitan dengan penelitian.
2.
Metode Dokumentasi, yaitu dengan cara mengumpulkan, mencatat, dan mengkaji data skunder yang berupa laporan struktur laporan keuangan perusahaan yang terdaftar di BEI periode 2007 sampai 2010 yang termuat dalam Indonesian Capital Market Directory (ICDM) dan laporan keuangan tahunan dari tahun 2007 hingga 2010.
D.
METODE ANALISIS Teknik analisis yang digunakan untuk menganalisis hipotesis yaitu menggunakan Multinomial Logit. Multinomial Logit digunakan jika dalam variabel penelitian variabel respon (dependen) dikategorikan menjadi tiga atau lebih kategori. Definisi operasional variabel sebagai berikut : Profit Margin NIS
= laba bersih / penjualan
Likuiditas CACL
= aktiva lancar / kewajiban lancer
WCTA
= modal kerja / total aktiva
CATA
= aktiva lancar / total aktiva
NFATA
= aktiva tetap bersih / total aktiva 45
Efisiensi STA
= penjualan / total asset
SCA
= penjualan / aktiva lancer
SWC
= penjualan / modal kerja
Profitabilitas NITA
= laba bersih / total aktiva
Financial Leverage TLTA
= total hutang / total aktiva
Posisi Kas CASHCL
= kas / hutang lancar
CASHTA
= kas / total aktiva
Aktivitas Operasi CFFOCL
= arus kas bersih dari aktivitas operasi / hutang lancar
CFFOTL
= arus kas bersih dari aktivitas operasi / total hutang
CFFOTA
= arus kas bersih dari aktivitas operasi / total aktiva
CFFOS
= arus kas bersih dari aktifitas operasi / penjualan
CFFOTS
= arus kas bersih dari aktivitas operasi / total sumber dana
Aktivitas Investasi IPPEPPE
= investasi aktiva tetap / aktiva tetap
IPPETU
= investasi aktiva tetap / total penggunaan dana
RPPETS
= penghapusan aktiva tetap / total sumber dana
Aktivitas Pendanaan DITS
= perolehan hutang / total sumber dana
46
Analisis awal dilakukan sebelum pengujian hipotesis 2 adalah menguji apakah terdapat perbedaan rasio keuangan baik yang berasal dari neraca, laporan laba rugi dan laporan arus kas antara ketiga kelompok perusahaan dengan tehnik analisis Manova. Variabel rasio keuangan yang secara statis signifikan berbeda antara kelompok 0, 1, dan 2, akan dimasukkan dalam model untuk memprediksi kondisi financial distress. 1.
Multivariate Analysis of Variance (MANOVA) Manova adalah suatu teknik analisis statistik yang digunakan untuk
mengetahui rata-rata kelompok (centroid) berbeda secara signifikan atau tidak. Setelah mengetahui perbedaan antar kelompok, analisis selanjutnya yaitu untuk mengetahui variabel independen apa saja yang mempengaruhi perbedaan antara kelompok tersebut (Agus Widarjono, 2010 : 209). Teknik ini bermanfaat untuk menganalisis variabel-variabel tergantung lebih dari dua yang berskala interval atau rasio. Dalam SPSS, prosedur manova disebut juga GLM Multivariate karena jumlah dari variabel lebih dari satu, dan digunakan untuk menghitung analisis regresi dan varians untuk variabel tergantung lebih dari satu dengan menggunakan satu atau lebih variabel faktor atau covariates. Variabel-variabel faktor yang digunakan untuk membagi populasi kedalam kelompok-kelompok. Dengan menggunakan prosedur general linear model, peneliti dapat melakukan uji mengenai pengaruh variabel-variabel faktor terhadap rata-rata berbagai kelompok distribusi gabungan semua variabel tergantung. Lebih lanjut, efek-egek
47
covariate dan interaksi antar covariate dengan semua faktor dapat dipertimbangkan dalam analisis. a.
Uji multivariate Uji multivariate menunjukkan nilai signifikansi uji F. Uji signifikansi multivariate untuk mengetahui adanya perbedaan centriod dua kelompok atau lebih. Untuk melihat ada tidaknya hubungan antar kedua variabel tersebut, dapat dilihat pada Pillai’s Trace, Hotelleng Trance, Wilks Lambda dan Roy Largest Root. (Agus Widarjono, 2010:211)
b.
Uji test of between-subject effects uji ini digunakan untuk melihat apakah terdapat perbedaan atau tidak variabel independen berdasarkan variabel dependen. (Agus Widarjono, 2010:227)
2.
Analisis Multinomial Logit Regresi Multinomial digunakan ketika variabel dependen yang
dipertanyakan berupa data nominal dan terdiri dari dua atau lebih kategori. Tujuan dari model regresi dengan respon kualitatif pada variabel dependen adalah untuk menentukan probabilitas dalam keputusan yang bersifat kualitatif (Agus Widarjono, 2010 : 134).
Dalam penelitian ini, respon
kualitatif terdiri dari tiga kelompok yaitu kelompok perusahaan sehat, perusahaan yang mengalami financial distress 1 dan perusahaan yang mengalami financial distress 2.
48
a.
Menilai Metode Fit Langkah pertama dalam analisis multinomial adalah overall fit model terhadap data. Beberapa test statistic diberikan untuk menilai hal ini, apakah model yang dihipotesakan fit dengan data atau model yang dihipotesakan tidak fit dengan data.
b.
Nilai -2 loglikelihood ratio Statistic -2 loglikelihood dapat digunakan untuk menentukan jika variabel bebas ditambah ke dalam model, apakah secara signifikan memperbaiki model. Jika terjadi penurunan dalam nilai -2 loglikelihood pada blok kedua dibandingkan blok pertama, maka dapat disimpulkan bahwa model regresi menjadi lebih baik. (Ghozali, 2005 : 219) Model ini menunjukkan apakah proses pemodelan dengan memasukkan variabel indenpenden dalam model akan menghasilkan model menjadi lebih baik. Apabila terjadi penurunan -2 loglikelihood yang menyebabkan penurunan Chi-square berarti model tersebut menunjukkan model Multinomial Logit yang lebih baik (Ahmad Rodoni & Rahman Muslim, 2010).
c.
Koefisien Goodness of Fit Tes goodness of fit mennjukkan apakah model cocok dengan data, ada dua tes goodness of fit, yaitu Pearson dan Deviance. Nilai signifikansi kedua tes ini lebih besar dari 0.05, hal ini menunjukkan model mampu menjelaskan data dengan baik (Agus Widarjono, 2010
49
: 156) . Uji goodness of fit menunjukkan uji kesesuaian model dengan data. Dari nialai Pearson dan deviance diperoleh nilai chisquare. Model dikatakan fit atau cocok dengan data empiris apabila chi-square lebih dari 0.05. (Ahamd Rodoni & Rahman Muslim, 2010). d.
Koefisien Pseudo R-Square Nilai statistic R-square pada analisis multinomial logistik didekati dengan nilai Pseudo R-square, Negelkerke dan McFadden, pada rentang 0-1. Semakin mendekati 1, semakin banyak variasi yang dijelaskan oleh model (Ahamd Rodoni & Rahman Muslim, 2010). Nilai koefisien Nagelkerke R2 diinterpretasikan seperti nilai koefisien R2 pada regresi linear berganda (Imam Ghozali, 2005 : 219). Uji Pseudo R-square sama halnya seperti uji goodness of fit model regresi linear berganda dengan menggunakan ukuran koefisien determinasi (Agus Widarjono, 2010: 140).
e.
Ketetapan Prediksi Table klarifikasi digunakan untuk menghitung nilai estimasi yang benar dan yang salah. Pada model yang sempurna nilai overall prediksi akan berada pada diagonal dengan tingkat ketetapan 100% (Imam Ghazali, 2005 : 220). Uij klarifikasi memberikan informasi kesesuaian antara data actual dengan data hasil prediksi. Semakin besar nilai overall percentage itu lebih baik.
50
Pengujian dengan Multinomial Logit dilakukan dengan tiga tahap. Pengujian pada tahap pertama adalah pengujian daya klarifikasi dan signifikasi dari rasio keuangan yang berasal dari neraca dan laporan laba rugi. Pada tahap kedua adalah meguji daya klarifikasi dan signifikasi dari laporan keuangan yang berasal dari arus kas. Sedangkan pengujian pada tahap ketiga adalah menguji daya klasifikasi dan signifikasi dari rasio keuangan yang berasal dari neraca, laporan laba rugi dan laporan arus kas. Model yang digunakan dalam penelitian ini adalah : 1. Model Pertama Zj = bj1X1+bj2X2+……….+bjnXn J
= kondisi perusahaan mulai dari 1 sampai 3
Kondisi 0
= Perusahaan sehat
Kondisi 1
= Perusahaan yang mengalami financial distress 1
Kondisi 2
= Perusahaan yang mengalami financial distress 2
X1…..Xn
= Rasio keuangan dari neraca dan laporan laba rugi
Pj= exp (Zj)/∑j j=1 exp (Zj) 2. Model Kedua Zj = bj1X1+bj2X2+……….+bjnXn J
= kondisi perusahaan mulai dari 1 sampai 3
Kondisi 0
= Perusahaan sehat
Kondisi 1
= Perusahaan yang mengalami financial distress 1
Kondisi 2
= Perusahaan yang mengalami financial distress 2
X1…..Xn
= Rasio keuangan dari laporan arus kas
51
Pj= exp (Zj)/∑j j=1 exp (Zj) 3. Model Ketiga Zj = bj1X1+bj2X2+……….+bjnXn J
= kondisi perusahaan mulai dari 1 sampai 3
Kondisi 0
= Perusahaan sehat
Kondisi 1
= Perusahaan yang mengalami financial distress 1
Kondisi 2
= Perusahaan yang mengalami financial distress 2
X1…..Xn
= Rasio keuangan dari neraca dan laporan laba rugi dan laporan arus kas
Pj= exp (Zj)/∑j j=1 exp (Zj)
E. DEFINISI OPERASIONAL VARIABEL Variable –variabel penelitian yang dibutuhkan dalam penelitian ini terdiri dari : 1.
Variabel Dependen Variabel dependen yang digunakan dalam penelitian ini adalah kondisi financial distress perusahaan yang merupakan variabel kategori, 0 untuk perusahaan sehat, 1 untuk perusahaan yang mengalami financial distress pertama yaitu mengalami laba bersih sebelum pajak negative selama dua tahun berturut-turut, 2 untuk perusahaan yang mengalami financial distress kedua yaitu mengalami laba bersih sebelum pajak negative dan adanya arus kas yang lebih kecil dari hutang jangka panjang selama dua tahun berturut-turut.
52
2.
Variable Independen Variable independen yang digunakan yaitu rasio keuangan yang berasal dari laporan neraca, laporan laba rugi dan laporan arus kas. Ada sebanyak 20 rasio keuangan yang dikategorikan menjadi 9 kategori : a. Profit margin
1) Net Income/Sales (X1), Rasio ini mengukur jumlah laba bersih per nilai penjualan, dihitung dengan membagi laba bersih dengan penjualan (Brigham & Houston, 2009 : 107). NIS =
𝑁𝑒𝑡 𝐼𝑛𝑐𝑜𝑚𝑒 𝑆𝑎𝑙𝑒𝑠
b. Likuiditas
1) Current Assets/Current Liabilities (X2), Rasio yang menunjukkan hubungan antara kas dan aktiva lancar lainnya dari sebuah perusahaan dengan kewajiban lancarnya. Perbandingan antara aktiva lancar dengan hutang lancar atau biasa dikenal dengan istilah current ratio.(Brigham & Houston, 2009 : 95)
CACL =
𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐴𝑠𝑠𝑒𝑡 𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐿𝑖𝑎𝑏𝑙𝑖𝑙𝑖𝑡𝑖𝑒𝑠
53
2) Working Capital/Total Asset (X3), Rasio likuiditas yang menunjukkan
perbandingan
antara
model
kerja
perusahaan dengan total asetnya. (Almilia, 2006)
WCTA =
𝑊𝑜𝑟𝑘𝑖𝑛𝑔 𝐶𝑎𝑝𝑖𝑡𝑎𝑙 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡
3) Current Assets/Total Assets (X4), Rasio likuiditas yang menunjukkan
perbandingan
antara
aktiva
lancar
perusahaan dengan total aktivanya. (Rodoni & Muslim, 2009)
CATA =
𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐴𝑠𝑠𝑒𝑡 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡
4) Net Fixed Assets/Total Assets (X5), Rasio likuiditas yang menunjukkan perbandingan antara aktiva tetap bersih perusahaan dengan total aktivanya. (Rodoni & Muslim, 2009) NFATA =
𝑁𝑒𝑡 𝐹𝑖𝑥𝑒𝑑 𝐴𝑠𝑠𝑒𝑡 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡
c. Efisiensi
1) Sales / Total Asset (X6), Rasio ini menunjukkan seberapa efisien perusahaan menggunakan aktivanya untuk menghasilkan penjualan. Dirumuskan dengan
54
penjualan perusahaan dengan total aktivanya. (Keown, Martin dkk, 2004 : 78)
STA =
𝑆𝑎𝑙𝑒𝑠 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡
2) Sales/Current Assets (X7), Almilia (2003) dan Rodoni & Muslim (2009) mengukur rasio efisiensi perusahaan menggunakan aktiva lancarnya untuk meghasilkan penjualan. Dirumuskan dengan penjualan dibagi dengan aktiva lancarnya.
SCA =
𝑆𝑎𝑙𝑒𝑠 𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐴𝑠𝑠𝑒𝑡
3) Sales/Working Capital (X8), salah satu dari rasio efisiensi yang diukur dengan penjualan yang dihasilkan terhadap modal kerja perusahaan. (Almilia, 2006)
SWC =
𝑆𝑎𝑙𝑒𝑠 𝑊𝑜𝑟𝑘𝑖𝑛𝑔 𝑐𝑎𝑝𝑖𝑡𝑎𝑙
55
d. Profitabilitas
1) Net Income/Total Assets (X9), Rasio ini menunjukkan keefektifan manajemen dalam menghasilkan laba dari total aktivanya. Rasio ini disebut juga return on asset. (Brigham & Houston, 2009 : 109)
NITA =
𝑁𝑒𝑡 𝐼𝑛𝑐𝑜𝑚𝑒 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡
e. Financial Leverage
1) Total Liabilities/Total Assets (X10), Rasio ini menunjukkan berapa banyak hutang yang digunakan untuk membiayai aset-aset perusahaan. Rasio ini membandingkan antara total kewajiban dengan total aktiva. (Keown & Martin dkk, 2004 : 80)
TLTA =
f.
𝑇𝑜𝑡𝑎𝑙 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡
Posisi Kas 1) Cash/Current Liabilities (X11), Almilia (2003) dan Rodoni & Muslim (2009) memasukkan rasio posisi kas untuk menunjukkan perbandingan antara kas perusahaan dengan hutang lancar.
CASHCL =
𝐶𝑎𝑠 𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠
56
2) Cash/Total Assets (X12), Almilia (2003) dan Rodoni & Muslim
(2009)
memasukkan
rasio
ini
untuk
membandingkan antara kas dengan total aktiva.
CASHTA =
𝐶𝑎𝑠 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡
g. Aktivitas Operasi
1) Cash Flow From Operation/Current Liabilities (X13), menunjukkan kemampuan arus kas bersih dari aktifitas operasi dalam membiayai kewajiban jangka pendeknya, dihitung dengan arus kas bersih dari aktivitas operasi dibagi hutang lancar.(Rodoni & Muslim, 2009)
CFFOCL =
𝐶𝑎𝑠 𝐹𝑙𝑜𝑤 𝐹𝑟𝑜𝑚 𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑜𝑛 𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠
2) Cash Flow From Operation/Total Liabilities (X14), menunjukkan kemampuan arus kas bersih dari aktifitas operasi dalam membiayai total hutang perusahaan, dihitung dengan arus kas bersih dari aktivitas operasi dengan total hutang. (Rodoni & Muslim, 2009)
CFFOTL =
𝐶𝑎𝑠 𝐹𝑙𝑜𝑤 𝐹𝑟𝑜𝑚 𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑜𝑛 𝑇𝑜𝑡𝑎𝑙 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠
57
3) Cash Flow From Operation/Total Assets (X15), menunjukkan kemampuan arus kas bersih dari aktifitas operasi dalam menghasilkan total asetnya, dihitung dengan arus kas bersih dari aktivitas operasi dengan total aktiva. (Rodoni & Muslim, 2009)
CFFOTA =
𝐶𝑎𝑠 𝐹𝑙𝑜𝑤 𝐹𝑟𝑜𝑚 𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑜𝑛 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡
4) Cash Flow From Operation/Sales (X16), menunjukkan kemampuan arus kas bersih dari operasi dalam menghasilkan penjulan, diukur dengan arus kas dari operasi dibagi dengan penjulan perusahaan. (Almilia, 2006)
CFFOS =
𝐶𝑎𝑠 𝐹𝑙𝑜𝑤 𝐹𝑟𝑜𝑚 𝑂𝑝𝑒𝑟𝑎𝑡𝑖 𝑜𝑛 𝑆𝑎𝑙𝑒𝑠
5) Cash Flow From Operation/Total Source of Fund (X17), perbandingan arus kas bersih dari aktivitas operasi dengan total sumber dana. (Rodoni & Muslim, 2009)
CFFOTS =
𝐶𝑎𝑠 𝐹𝑙𝑜𝑤 𝐹𝑟𝑜𝑚 𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑜𝑛 𝑇𝑜𝑡𝑎𝑙 𝑆𝑜𝑢𝑟𝑐𝑒 𝑜𝑓 𝐹𝑢𝑛𝑑
58
h. Aktivitas Investasi
1) Investment in Plant, Property and Equipment/Plant, Property and Equipment (X18), yaitu perwujudan aktiva tetap yang diperoleh dari dana alokasi aktiva tetapnya, dihitung dengan investasi aktiva tetap dengan aktiva tetap. (Yolanda & Mudji, 2009)
𝐼𝑛𝑣𝑒𝑠𝑡𝑚𝑒𝑛𝑡 𝑖𝑛 𝑃𝑙𝑎𝑛𝑡 ,𝑃𝑟𝑜𝑝𝑒𝑟𝑡𝑦 & 𝐸𝑞𝑢𝑖𝑝𝑚𝑒𝑛𝑡
= in Plant, Property and Equipment/Total 2) IPPEPPE Investment 𝑃𝑙𝑎𝑛𝑡 ,𝑃𝑟𝑜𝑝𝑒𝑟𝑡𝑦 & 𝐸𝑞𝑢𝑖𝑝𝑚𝑒𝑛𝑡 Used of Fund (X19), perbandingan investasi aktiva
tetap dengan total penggunaan dana. (Almilia, 2006)
IPPETU =
𝐼𝑛𝑣𝑒𝑠𝑡𝑚𝑒𝑛𝑡 𝑖𝑛 𝑃𝑙𝑎𝑛𝑡 ,𝑃𝑟𝑜𝑝𝑒𝑟𝑡𝑦 & 𝐸𝑞𝑢𝑖𝑝𝑚𝑒𝑛𝑡 𝑇𝑜𝑡𝑎𝑙 𝑈𝑠𝑒𝑑 𝑜𝑓 𝐹𝑢𝑛𝑑
2) Retirement in Plant, Property and Equipment/Total Source of Fund (X20),yaitu sumber dana untuk aktifitas investasi yang diperoleh dari dari penghapusan aktiva tetapnya, dihitung dengan aktiva tetap dengan total sumber dana. (Yolanda & Mudji, 2009)
RPPETS =
𝑅𝑒𝑡𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑖𝑛 𝑃𝑙𝑎𝑛𝑡 ,𝑃𝑟𝑜𝑝𝑒𝑟𝑡𝑦 & 𝐸𝑞𝑢𝑖𝑝𝑚𝑒𝑛𝑡 𝑇𝑜𝑡𝑎𝑙 𝑆𝑜𝑢𝑟𝑐𝑒 𝑜𝑓 𝐹𝑢𝑛𝑑
59
i.
Aktivitas Pendanaan 1) Debt Investment/Total Source of Fund (X21), yaitu menunjukkan tambahan perolehan hutang untuk aktifitas pendanaannya, dihitung dengan perolehan hutang dengan total sumber dana. (Yolanda & Mudji, 2009)
DITS =
𝐷𝑒𝑏𝑡 𝐼𝑛𝑐𝑜𝑚𝑒 𝑇𝑜𝑡𝑎𝑙 𝑆𝑜𝑢𝑟𝑐𝑒 𝑜𝑓 𝐹𝑢𝑛𝑑
Tabel 3.5 Ringkasan Variabel Penelitian dan Operasional Variabel Variabel
Keterangan
Dependen
Financial Distress (Y)
Financial
Skala
Pengukuran
-
Laba bersih sebelum pajak negative
Distress 1
Financial
-
Laba bersih sebelum pajak negatif dan arus
Distress 2
kas yang lebih kecil dari hutang jangka panjang
Non Financial distress
-
Laba bersih sebelum pajak positif dan arus kas yang lebih besar
60
dari hutang jangka panjang
Independen
NIS (X1)
Rasio
Net income/sales
CACL (X2)
Rasio
Current assets/current liabilities
WCTA (X3)
Rasio
Working Capital/Total Asset
CATA (X4)
Rasio
Current assets/total assets
NFATA (X5)
Rasio
Net Fixed Assets/Total Assets
STA (X6)
Rasio
Sales / Total Asset
SCA (X7)
Rasio
Sales/Current Assets
SWC (X8)
Rasio
Sales/Working Capital
NITA (X9)
Rasio
Net Income/Total Assets
TLTA (X10)
Rasio
Total Liabilities/Total Assets
CASHCL (X11)
Rasio
Cash/Current Liabilities
CASHTA (X12)
Rasio
Cash/Total Assets
CFFOCL (X13)
Rasio
Cash Flow From
61
Operation/Current Liabilities CFFOTL (X14)
Rasio
Cash Flow From Operation/Total Liabilities
CFFOTA (X15)
Rasio
Cash Flow From Operation/Total Assets
CFFOS (X16)
Rasio
Cash Flow From Operation/Sales
CFFOTS (X17)
Rasio
Cash Flow From Operation/Total Source of Fund
IPPEPPE (X18)
Rasio
Investment in Plant, Property and Equipment/ Plant, Property and Equipment
IPPETU (X19)
Rasio
Investment in Plant, Property and Equipment/Total Used of Fund
RPPETS (X20)
Rasio
Retirement of Plant, Property and
62
Equipment/Total Source of Fund DITS (X21)
Rasio
Debt Income/Total Source of fund
63
BAB IV ANALISIS DAN PEMBAHASAN
A. GAMBARAN UMUM OBJEK PENELITIAN 1.
Pasar Modal Pasar modal adalah pasar yang memperjualbelikan instrument keuangan
jangka panjang baik dalam bentuk hutang maupun modal sendiri, baik yang dibentuk oleh pemerintah, public authorities maupun perusahaan swasta,artinya pasar modal bertindak sebagai penghubung antara para investor dengan perusahaan ataupun institusi pemerintah melalui perdagangan instrument keuangan jangka panjang seperti obligasi, saham dan lainnya. Selain itu pasar modal memiliki peran dan manfaat diantaranya : a.
Pasar modal merupakan wahana pengalokasian dana secara efisien. Artinya investor dapat melakukan investasi pada perusahaan melalui pembelian efek-efek baru yang ditawarkan/diperdagangkan pasar modal, dan sebaliknya perusahaan dapat memperoleh dana yang dibutuhkan dengan menawarkan instrument keuangan melalui pasar modal tersebut.
b.
Pasar modal sebagai alternatif investasi. Yaitu pasar modal memudahkan alternatif investasi untuk memperoleh keuntungan dengan risiko tertentu.
64
c.
Memungkinkan para investor untuk memiliki perusahaan yang sehat dan berprospek baik. Hal ini dikarenakan penyebaran kepemilikan secara luas (tidak hanya dimiliki oleh sejumlah orang tertentu saja) akan mendorong perkembambangan perusahaan menjadi transparan.
d.
Pelaksanaan manejemen perusahaan secara profesional dan transfaran
e.
Peningkatan aktivitas ekonomi nasional. Dengan keberadaan pasar modal perusahaan akan lebih mudah memperoleh dana sehingga akan mendorong perekonomian nasional menjadi lebih maju, terciptanya kesempatan kerja yang luas dan meningkatkan pendapatan pajak bagi pemerintah.
2.
Organisasi Yang Terkait di Pasar Modal. a.
Badan Pengawas Pasar Modal (BAPEPAM). BAPEPAM melakukan kewenangan untuk melakukan pembinaan, pengaturan, pengawasan pasar modal, di Indonesia dan keberadaan BAPEPAM dibawah Menteri Keuangan sekaligus bertanggung jawab kepadanya
b.
Perusahaan (Emiten). Memperoleh dana di pasar modal dengan melaksanakan penawaran umum atau investasi langsung.
65
c.
Self Regulatory Organization (SRO). SRO adalah organisasi yang mewakili kewenangan untuk membuat peraturan yang berhubungan dengan aktivitas usahanya. SRO terdiri dari: 1) Burasa Efek. Adalah pihak yang menyelenggarakan dan menyediakan system dan sarana mempertemukan penawaran jual dan beli efek pihak-pihak lain dengan tujuan memperdagangkan efek antara mereka. 2) Lembaga Kliring dan Penjaminan (LKP). Adalah pihak yang menyelenggarakan jasa kliring dan penjaminana transaksi bursa agar terlaksana secara teratur, wajar, dan efisien. Setiap transaksi akan melewati lembaga ini untuk diselesaikan transaksinya, apakah seorang pemodal akan bertambah jumlah saham yang dimilikinya karena menjual saham yang dimilikinya dan menerima pembayaran. Lembaga yang telah memperoleh izin usaha sebagai LKP oleh BAPEPAM adalah PT.KPEI (PT. Kliring Penjaminan Efek Indonesia). 3) Lembaga Penyimpanan dan Penyelesaiana (LPP). Adalah pihak yang menyelenggarakan kegiatan custodian sentral (penyimpanan efek) bagi Bank custodian, perusahaan efek dan lainnya. Lembaga yang telah memperoleh izin usaha sebagai 66
(LPP) oleh BAPEPAM adalah PT. KSEI (PT. Kustodian Sentral Efek Indonesia). 4)
Perusahaan Efek. Perusahaan efek adalah yang mempunyai aktivitas sebagai perantara pedagang efek yaitu bahwa perusahaan efek melakukan jual beli saham atas kepentingan pihak lain, atau dirinya sendiri, sebagai penjamin emisi efek yaitu menjamin agar penerbitan emisi sekuritas yang dilakukan oleh suatu perusahaan dapat terjual smua, dan sebagai manajer iivestasi yaitu mengelola dana nasabah untuk diinvestasikan keberbagai sekuritas atau gabungan dari ketiga tersebut.
5) Penasehat Investasi Penasihat investasi yaitu pihak yang member nasihat kepada pihak lain mengenai penjualan dan pembelian efek. 3.
Sejarah Pasar Modal di Indonesia Kegiatan jual beli saham dan obligasi sebenarnya telah dimulai pada abad
XIX. Pada tanggal 14 Desember 1912, Amserdamse Effectenbueurs mendirikan cabang bursa di Batavia. Bursa ini merupakan bursa tertua keempat di Asia, setelah Bombay, Hongkong dan Tokyo. Bursa yang dinamakan Vereniging voor de
Effectenhandel,
memperjualbelikan
saham
dan
obligasi
perusahaan/perkebunan Belanda yang beroperasi di Indonesia, obligasi yang diterbitkan pemerintah (propinsi dan kotapraja), sertifikat saham perusahaan67
perusahaan Amerika yang diterbitkan oleh kantor administrasi di negeri Belanda serta efek perusahaan Belanda lainnya (Rusdin, Pasar Modal, Bandung; Alfabeta, 2006, hal 4). Minat masyarakat terhadap pasar modal mendorong didirikannya bursa di kota Surabaya (11 Juni 1925) dan Semarang (1 Agustus 1925). Perkembangan pasar modal pada saat itu, terlihat dari nilai efek yang mencapai NIF 1,4 milyar, pun demikian perkembangan pasar modal ini mengalami penyurutan akibat Perang Dunia II. Akibatnya, pemerintah Hindia Belanda mengambil kebijakan untuk memusatkan perdagangan efeknya di Batavia dan menutup bursa efek di Semarang dan Surabaya. Pada tanggal 17 Mei 1940, secara keseluruhan kegiatan perdagangan efek ditutup. Di masa kemerdekaan, pada tahun 1950, pemerintah mengeluarkan obligasi Republik Indonesia, yang menandakan mulai aktifnya Pasar Modal Indonesia. Pada tanggal 31 Juni 1952, Bursa Efek di Jakarta dibuka kembali. Penyelenggaraan
tersebut
kemudian
diserahkan
kepada
Perserikatan
Perdagangan Uang dan Efek-efeknya (PPUE). Namun pada tahun 1958, terjadi kelesuan dan kemunduran perdagangan di Bursa, akibat konfrontasi pemerintah dengan Belanda. Pemerintah di masa Orde Baru, berusaha untuk mengembalikan kepercayaan rakyat terhadap nilai mata uang Rupiah. Pemerintah melakukan persiapan khusus untuk membentuk pasar modal. Pada tahun 1976, pemerintah membentuk Bapepam (Badan Pembina Pasar 68
Modal) dan PT Danareksa. Hal tersebut menunjukkan keseriusan pemerintah untuk membentuk Pasar Uang dan Pasar Modal. Pada tanggal 10 Agustus 1977, berdasarkan Keppres RI No 52/ 1976, pasar modal diaktifkan kembali. Perkembangan pasar modal selama tahun 1977–1987, mengalami kelesuan. Pada tahun 1987-1988, pemerintah menerbitkan paket-paket deregulasi. Paket deregulasi ini adalah: Paket Desember 1987 (Pakdes 87), Paket Desember 1988 (Pakto 88), dan Paket Desember 1988 (Pakdes 88). Penerbitan paket deregulasi ini menandai liberalisasi ekonomi Indonesia. Dampak dari adanya ketiga kebijakan tersebut, pasar modal Indonesia menjadi aktif hingga sekarang. a.
Pakdes 1987 . Pakdes 1987 merupakan penyederhanaan persyaratan proses emisi saham dan obligasi, dihapuskannya biaya yang sebelumnya dipungut oleh Bapepam, seperti biaya pendaftaran emisi efek. Selain itu dibuka pula kesempatan bagi pemodal asing untuk membeli efek maksimal 49% dari total emisi. Pakdes 87 juga menghapus batasan fluktuasi harga saham di bursa efek dan memperkenalkan bursa paralel. Sebagai pilihan bagi emiten yang belum memenuhi syarat untuk memasuki bursa efek.
b.
Pakto 88 Pakto 88 ditujukan pada sektor perbankkan, namun mempunyai dampak terhadap perkembangan pasar modal. Pakto 88 berisikan tentang ketentuan 3 L (Legal, Lending, Limit), dan pengenaan pajak atas bunga deposito. Pengenaan pajak ini berdampak positif terhadap 69
perkembangan pasar modal. Sebab dengan keluarnya kebijaksanaan ini berarti pemerintah memberi perlakuan yang sama antara sektor perbankan dan sektor pasar modal. c.
Pakdes 88 Pakdes 88 pada dasarnya memberikan dorongan yang lebih jauh pada pasar modal dengan membuka peluang bagi swasta untuk menyelenggarakan bursa.
B. PENGUJIAN HIPOTESIS Ada dua pengujian dalam penelitian ini, pertama pengujian MANOVA dan yang kedua pengujian Multinomial Logit. 1.
Uji beda Multivariate analysis of variance (MANOVA) MANOVA merupakan suatu teknik statistik yang digunakan untuk
menghitung pengujian signifikansi perbedaan rata-rata secara bersamaan antar kelompok untuk dua atau lebih variabel dependen. Pengujian hipotesis ini menggunakan alat bantu SPSS 17. Dalam penelitian ini, uji MANOVA digunakan untuk mengetahui apakah rasio keuangan NIS, CACL, WCTA, CATA, NFATA, STA, SCA, SWC, NITA, TLTA, CASHCL, CASHTA, CFFOCL, CFFOTL, CFFOTA, CFFOS, CFFOTS, IPPEPPE, IPPETU, RPPETS, DITS berbeda secara signifikan berdasarkan kondisi perusahaan (kondisi sehat dan kondisi financial distress). Pada pengujian MANOVA, pengujian dilakukan sebanyak 2 tahap.
70
a.
Pengujian MANOVA dengan Menggunakan rasio keuangan yang berasal dari neraca dan laporan laba rugi. 1) Identifikasi data Tabel 4.1 Between-Subjects Factors N FD
.00
58
1.00
24
2.00
32
Sumber : data olahan SPSS
Tabel diatas menunjukkan bahwa, data yang dimasukkan dalam model untuk perusahaan tidak dalam kondisi financial distress berjumlah 58, perusahaan dalam kondisi financial distress pertama berjumlah 24 dan perusahaan dalam kondisi financial distress kedua berjumlah 32. 2) Uji Multivariate test Tabel 4.2 d
Multivariate Tests
Effect Intercept
Pillai's Trace
Value ,975
F a 319.256
Hypothesis df 12,000
Error df 100,000
Sig. ,000
Partial Eta Squared ,975
,025
319.256
a
12,000
100,000
,000
,975
Hotelling's Trace
38,311
319.256
a
12,000
100,000
,000
,975
Roy's Largest Root
38,311
319.256
a
12,000
100,000
,000
,975
Wilks' Lambda
71
FD
Pillai's Trace
,748
Wilks' Lambda
,347
Hotelling's Trace
1,604
Roy's Largest Root
1,409
5,028
24,000
202,000
,000
,374
a
24,000
200,000
,000
,411
6,617
24,000
198,000
,000
,445
c
12,000
101,000
,000
,585
5.805
11.863
Sumber : data olahan SPSS
Uji multivariate test digunakan untuk meguji apakah setiap variabel indenpenden memiliki hubungan terhadap grup variabel dependen. Hasil uji multivariate menunjukkan nilai signifikansi uji F untuk Wilks’ Lamba sebesar 0.000 dan Hotelling’s Trace sebesar 0.000 Hal ini berarti terdapat hubungan antara rasio profit margin ratio, current ratio, working capital to total asset ratio, current asset to total asset ratio, net fixed asset to total asset ratio, sales to total asset ratio, sales to current asset ratio, sales to working capital ratio, net income to total asset ratio, total liabilities to total asset ratio, cash to current liabilities ratio, cash to total asset ratio dengan ketiga kategori variabel dependen. 3) Test Of Between-Subject Effect Tabel 4.3 Tests of Between-Subjects Effects
Source Corrected Model
Dependent Variable NIS
Type III Sum of Squares a 71.180
2
Mean Square 35,590
c
df
F 5,723
Sig. ,004
CACL
6421.509
2
3210,755
1,593
,208
WCTA
3.901
d
2
1,950
13,409
,000
2.252
e
2
1,126
26,167
,000
f
2
,320
7,729
,001
g
2
16,008
13,952
,000
CATA NFATA STA
.641 32.016
72
h
2
8,555
2,339
,101
i
2
519,893
,518
,597
NITA
.789
j
2
,394
22,875
,000
TLTA
2.265
k
2
1,132
9,679
,000
CASHCL
9.178
l
2
4,589
1,625
,202
CASHTA
m
2
,255
19,871
,000
SCA
17.110
SWC
1039.785
.509
Sumber : data olahan SPSS
Tabel diatas, menunjukkan nilai signifikasi F-hitung dari NIS (profit margin ratio) sebesar 0.004 yang berarti terdapat perbedaaan profit margin ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari CACL (current ratio) sebesar 0.208 yang berarti tidak terdapat perbedaan current ratio berdasarkan kondisi perusahaan. Nilai signifikansi F-hitung dari WCTA (working capital to total asset) sebesar 0.000 yang berarti terdapat perbedaan working capital to total asset ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari CATA (current asset to total asset) sebesar 0.000 yang berarti terdapat perbedaan current asset to total asset ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari NFATA (net fixed asset to total asset) sebesar 0.001 yang berarti terdapat perbedaan net fixed asset to total asset ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi Fhitung dari STA (sales to total asset) sebesar 0.000 yang berarti terdapat perbedaan sales to total asset ratio berdasarkan kondisi perusahaan,
73
pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari SCA (sales to current asset) sebesar 0.376 yang berarti tidak terdapat perbedaan sales to current asset ratio berdasarkan kondisi perusahaan. Nilai signifikansi F-hitung dari SWC (sales to working capital) sebesar 0.101 yang berarti tidak terdapat perbedaan sales to working capital ratio berdasarkan kondisi perusahaan. Nilai signifikansi F-hitung dari NITA (net income to total asset) sebesar 0.000 yang berarti terdapat perbedaan net income to total asset ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari TLTA (total liabilities to total asset) sebesar 0.000 yang berarti terdapat perbedaan total liabilities to total asset ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari CASHCL (cash to current liabilities) sebesar 0.202 yang berarti tidak terdapat perbedaan cash to current liabilities ratio berdasarkan kondisi perusahaan. Nilai signifikansi F-hitung dari CASHTA (cash to total asset) sebesar 0.000 yang berarti terdapat perbedaan cash to total asset ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%.
74
b.
Pengujian MANOVA dengan menggunakan rasio keuangan yang berasal dari laporan arus kas 1) Identifikasi Data Tabel 4.4 Between-Subjects Factors N FD
.00
58
1.00
24
2.00
32
Sumber : data olahan SPSS
Tabel diatas menunjukkan bahwa, data yang dimasukkan dalam model untuk perusahaan tidak dalam kondisi financial distress berjumlah 58, perusahaan dalam kondisi financial distress pertama berjumlah 24 dan perusahaan dalam kondisi financial distress kedua berjumlah 32. 2) Uji Multivariate test
Tabel 4.5 d
Multivariate Tests
Effect Intercept
Pillai's Trace Wilks' Lambda Hotelling's Trace Roy's Largest Root
Value ,761 ,239 3,183 3,183
F a 41.385
Hypothesis df 8,000
Error df 104,000
Sig. ,000
Partial Eta Squared ,761
41.385
a
8,000
104,000
,000
,761
41.385
a
8,000
104,000
,000
,761
41.385
a
8,000
104,000
,000
,761
75
FD
Pillai's Trace
,472
4,059
16,000
210,000
,000
,236
Wilks' Lambda
,576
a
16,000
208,000
,000
,241
Hotelling's Trace
,653
4,206
16,000
206,000
,000
,246
,479
c
8,000
105,000
,000
,324
Roy's Largest Root
4.133
6.281
Sumber : data olahan SPSS
Uji multivariate test digunakan untuk meguji apakah setiap variabel indenpenden memiliki hubungan terhadap grup variabel dependen. Hasil uji multivariate menunjukkan nilai signifikansi uji F untuk Wilks’ Lamba sebesar 0.000 dan Hotelling’s Trace sebesar 0.000 Hal ini berarti terdapat hubungan antara rasio CFFOCL, CFFOTL, CFFOTA, CFFOS, CFFOTS, IPPEPPE, IPPETU, RPPETS, DITS dengan ketiga kategori variabel dependen. 3) Test Of Between-Subject Effect Tabel 4.6 Tests of Between-Subjects Effects
Source Corrected Model
Dependent Variable CFFOCL
Type III Sum of Squares a 285.222
CFFOTL
113.158
CFFOTA CFFOS CFFOTS IPPEPPE IPPETU RPPETS DITS
2
Mean Square 142,611
F 1,042
Sig. ,356
c
2
56,579
1,778
,174
.320
d
2
,160
9,959
,000
1.951
e
2
,976
,919
,402
.320
d
2
,160
9,959
,000
f
2
,018
,278
,758
.010
g
2
,005
1,184
,310
.003
h
2
,002
3,289
,041
i
2
1,132
9,679
,000
.035
2.265
Df
Sumber : data olahan SPSS
76
Tabel diatas, menunjukkan nilai signifikasi F-hitung dari CFFOCL (cash flow from operation to current liabilities ratio) sebesar 0.356 yang berarti tidak terdapat perbedaaan cash flow from operation to current liabilities ratio berdasarkan kondisi perusahaan. Nilai signifikansi Fhitung dari CFFOTL (cash flow from operating to total liabilities ratio) sebesar 0.174 yang berarti tidak terdapat perbedaan cash flow from operating to total liabilities
ratio berdasarkan kondisi perusahaan.
Nilai signifikansi F-hitung dari CFFOTA (cash flow from operation to total asset ratio) sebesar 0.000 yang berarti terdapat perbedaan cash flow from operation to total asset ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari CFFOS (cash flow from operation to sales ratio) sebesar 0.402 yang berarti tidak terdapat perbedaan cash flow from operation to sales ratio berdasarkan kondisi perusahaan. Nilai signifikansi F-hitung dari CFFOTS (cash flow from operation to total source of fund ratio) sebesar 0.000 yang berarti terdapat perbedaan cash flow from operation to total source of fund ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari IPPEPPE (invesment in plant, property and equipment to plant, property and equipment ratio sebesar 0.758 yang berarti tidak terdapat perbedaan invesment in plant, property and equipment to plant, property and equipment ratio berdasarkan kondisi perusahaan. Nilai signifikansi F-hitung dari 77
IPPETU (invesment in plant, property and equipment to total used of fund ratio) sebesar 0.310 yang berarti tidak terdapat perbedaan invesment in plant, property and equipment to total used of fund ratio berdasarkan kondisi perusahaan.
Nilai signifikansi F-hitung dari
RPPETS (retirement in plant, property and equipment to total source of fund ratio) sebesar 0.041 yang berarti terdapat perbedaan retirement in plant, property and equipment to total source of fund ratio berdasarkan kondisi perusahaan, pada tingkat signifikansi 5%. Nilai signifikansi Fhitung dari DITS (debt income to total source of fund ratio) sebesar 0.000 yang berarti terdapat perbedaan debt income to total source of fund ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Berdasarkan penjelasan diatas, maka : H1
:
variabel
rasio
keuangan
secara
signifikan
berbeda
berdasarkan kondisi perusahaan pada perusahaan yang terdaftar di BEI periode 2007-2010 (diterima).
78
2.
Uji Multinomial Logit Pengujian hipotesis berikutnya, yaitu dengan analisis Multinomial logit.
Dalam pengujiann ini, pengujian dilakukan dengan tiga tahap, tahap yang pertama melakukan pengujian hipotesis dengan menggunakan rasio keuangan yang berasal dari neraca dan laporan laba rugi. Tahap kedua, melakukan pengujian hipotesis dengan menggunakan rasio keuangan yang berasal dari laporan arus kas. Dan tahap ketiga melakukan pengujian dengan menggunakan rasio yang berasal dari neraca, laporan laba rugi, dan laporan arus kas. Adapun hasil pengujian tersebut adalah sebagai berikut : a.
Uji Multinomial logit dengan rasio keuangan yang berasal dari neraca dan laporan laba rugi. 1) Uji Model -2 log likelihood Tabel 4.7 Model Fitting Information Model Fitting Criteria Model Intercept Only Final
-2 Log Likelihood 234,488 106,935
Likelihood Ratio Tests ChiSquare 127,553
df
Sig. 16
,000
Sumber : data olahan SPSS
Tabel model fitting information diatas menunjukkan apakah proses pemodelan dengan memasukkan variabel indenpenden dalam model akan menghasilkan model yang lebih baik. Model dengan hanya
79
memasukan intercept akan menghasilkan nilai -2 Log Likelihood sebesar 234.488 dan nilai -2 Log Likelihood akan menurun menjadi 106.935 ketika variabel dimasukkan dalam model. Penurunan ChiSquare sebesar 127.553 yang signifikan pada taraf 0.05, nilai signifikansi yang dihasilkan adalah 0.000 < 0.05. Berarti model menjadi lebih baik, ketika variabel independen dimasukkan dalam model. 2) Uji goodness of fit Tabel 4.8 Goodness-of-Fit
Pearson
ChiSquare 176,190
df 210
Sig. ,957
Deviance
106,935
210
1,000
Sumber : data olahan SPSS
Tabel Goodness of Fit menunjukkan uji kesesuaian model dengan data. Dari Pearson dan Deviance diperoleh nilai signifikansi Chi-Square lebih besar dari 0.05. Sehingga model adalah fit atau cocok dengan data empiris. 3) Uji Pseudo R-Square Tabel 4.9 Pseudo R-Square Cox and Snell
,673
Nagelkerke
,772
McFadden
,544
Sumber : data olahan spss
80
Nilai koefisien Cox and Snell sebesar 0.673, nilai koefisien McFadden sebesar 0.544. Nilai koefisien Nagelkerke memiliki arti bahwa variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 77,2%. 4) Uji Parameter Estimates Tabel 4.10 (Hasil Penguujian Multinomial Logit, Rasio yang Berasal Dari Neraca dan Laporan Laba Rugi) Parameter Estimates 95% Confidence Interval for Exp(B) FD 1 Intercept
B 1,413
Std. Error 2,621
Wald ,291
NIS
5,864
1,909
WCTA
1,542
CATA
a
2
Upper Bound
1
9,432
1
,002
352,155
8,345
14861,225
3,497
,194
1
,659
4,675
,005
4431,457
-2,929
4,342
,455
1
,500
,053
,000
265,614
NFATA
4,930
3,858
1,633
1
,201
138,416
,072
266220,034
STA
-,179
,453
,155
1
,694
,836
,344
2,034
NITA
-41,585
9,846
17,838
1
,000
8,71E-19
,000
,000
TLTA
,638
3,275
,038
1
,846
1,892
,003
1159,704
CASHTA
-9,093
4,002
5,162
1
,023
1,12E-04
,000
,287
Intercept
3,363
2,692
1,562
1
,211
,313
,391
,641
1
,423
1,367
,636
2,940
WCTA
3,482
3,185
1,195
1
,274
32,519
,063
16711,893
CATA
-9,301
4,328
4,617
1
,032
9,14E-05
,000
,442
NFATA
1,003
3,801
,070
1
,792
2,727
,002
4690,564
STA
-,437
,540
,653
1
,419
,646
,224
1,864
NITA
-27,520
8,966
9,420
1
,002
1,12E-12
,000
,000
TLTA
5,263
3,003
3,072
1
,080
193,092
,537
69474,239
-7,378
5,768
1,637
1
,201
,001
,000
50,696
CASHTA
Exp(B)
Lower Bound
Sig. ,590
NIS
df
Sumber : data olahan SPSS
81
Variabel
yang
perusahaan kondisi
dapat
digunakan
untuk
mengklasifikasikan
0 dengan perusahaan kondisi
1 dan 2 adalah
variabel Rasio NIS, NITA, dan CASHTA yang signifikan pada tingkat 5%. Variabel NIS memiliki hubungan positif secara signifikan dengan probabilitas perusahaan pada kondisi 1 dan 2. Artinya, semakin tinggi rasio NIS maka semakin tinggi probabilitas perusahaan diklasifikasikan pada kondisi 1 dan 2. NITA dan CASHTA memiliki hubungan negatif secara signifikan dengan probabilitas perusahaan pada kondisi 1 dan 2. Artinya, semakin rendah NITA dan CASHTA akan semakin tinggi probabilitas perusahaan pada kondisi 1 dan 2. Fungsi Modelnya adalah : FD = 1.413 + 5.864NIS – 41.585NITA – 9.093CASHTA Pada persamaan ini, nilai konstanta sebesar 1.413 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami peningkatan sebesar 1.413 Variabel
yang
perusahaan kondisi
dapat
digunakan
untuk
mengklasifikasikan
1 dengan perusahaan kondisi 2 adalah variabel
Rasio CATA dan NITA yang signifikan pada tingkat 5%. CATA dan NITA memiliki hubungan negatif secara signifikan dengan probabilitas
82
perusahaan pada kondisi 2. Artinya, semakin rendah CATA dan NITA akan semakin tinggi probabilitas perusahaan pada kondisi 2. Fungsi Modelnya adalah : FD = 3.363 - 9.301CATA – 27.520NITA Pada persamaan ini, nilai konstanta sebesar 3.363 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami peningkatan sebesar 3.363. 5) Ketetapan Prediksi Tabel 4.11 Classification Predicted Observed 0
0
1
Percent Correct 94,8%
11
8
45,8%
6
23
71,9%
16,7%
28,1%
78,1%
1
2
55
2
1
5
2
3 55,3%
Overall Percentage
Sumber : data olahan SPSS
Analisis lebih lanjut berkaitan dengan daya klasifikasi untuk kelompok 1, kelompok 2 dan kelompok 3. Multinomial logit dengan rasio keuangan yang berasal dari neraca dan laporan laba rugi memiliki daya klasifikasi total sebesar 78,1%.
83
b. Uji Multinomial logit dengan rasio keuangan yang berasal dari laporan arus kas. 1) Uji Model -2 log likelihood Tabel 4.12 Model Fitting Information Model Fitting Criteria Model Intercept Only Final
-2 Log Likelihood 234,488 193,262
Likelihood Ratio Tests ChiSquare 41,226
df
Sig. 6
,000
Sumber : data olahan SPSS
Tabel model fitting information diatas menunjukkan apakah proses pemodelan dengan memasukkan variabel independen dalam model akan menghasilkan model yang lebih baik. Model dengan hanya memasukan intercept akan menghasilkan nilai -2 Log Likelihood sebesar 234.488 dan nilai -2 Log Likelihood akan menurun menjadi 193.262 ketika variabel dimasukkan dalam model. Penurunan Chi-Square sebesar 41.226 yang signifikan pada taraf 0.05, nilai signifikansi yang dihasilkan adalah 0.001 < 0.05. Berarti model menjadi lebih baik, ketika variabel independen dimasukkan dalam model.
84
2) Uji goodness of fit Tabel 4.13 Goodness-of-Fit
Pearson
ChiSquare 206,961
df 220
Sig. ,727
Deviance
193,262
220
,903
Sumber : data olahan SPSS
Tabel Goodness of Fit menunjukkan uji kesesuaian model dengan data. Dari Pearson dan Deviance diperoleh nilai signifikansi Chi-Square lebih besar dari 0.05. Sehingga model adalah fit atau cocok dengan data empiris. 3) Uji Pseudo R-Square Tabel 4.14 Pseudo R-Square Cox and Snell
,303
Nagelkerke
,348
McFadden
,176
Sumber : data olahan SPSS
Nilai koefisien Cox and Snell sebesar 0.303, nilai koefisien McFadden sebesar 0.176. Nilai koefisien Nagelkerke memiliki arti bahwa variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 34,8%.
85
4) Uji Parameter Estimates Tabel 4.15 (Hasil Pengujian Multinomial Logit, Rasio yang Berasal Dari Laporan Arus Kas) Parameter Estimates 95% Confidence Interval for Exp(B) FD 1 Intercept
B -,796
Std. Error ,511
Wald 2,424
CFFOTA
-8,616
2,793
CFFOTS
b
a
9,519
1
,002
1,81E-04
7,606E-07
,043
.
.
0
.
.
.
.
40,787
26,010
2,459
1
,117
5,173E+17
,000
7,135E+39
,603
1,010
,357
1
,550
1,827
,253
13,221
Intercept
-1,775
,518
11,744
1
,001
CFFOTA
-6,437
2,292
7,887
1
,005
,002
,000
,143
CFFOTS
b
.
.
0
.
.
.
.
41,112
25,742
2,551
1
,110
7,157E+17
,000
5,834E+39
2,789
,882
9,993
1
,002
16,264
2,886
91,658
DITS
RPPETS DITS
0
Exp(B)
Upper Bound
1
RPPETS
2
Lower Bound
Sig. ,120
0
Df
Sumber : data olahan SPSS
Variabel
yang
perusahaan kondisi
dapat
digunakan
untuk
mengklasifikasikan
0 dengan perusahaan kondisi
1 dan 2 adalah
variabel Rasio CFFOTA yang signifikan pada tingkat 5%. Variabel CFFOTA memiliki hubungan negatif secara signifikan dengan probabilitas perusahaan pada kondisi 1 dan 2. Artinya, semakin rendah CFFOTA akan semakin tinggi probabilitas perusahaan pada kondisi 1 dan 2. Fungsi Modelnya adalah : FD = -0.796 – 8.616CFFOTA
86
Pada persamaan ini, nilai konstanta sebesar -0.796 mempunyai arti bahwa
jika
variabel-variabel
independen
dianggap
nol,
maka
probabilitas perusahaan mengalami financial distress mengalami penurunan sebesar 0.796. Variabel
yang
perusahaan kondisi
dapat
digunakan
untuk
mengklasifikasikan
1 dengan perusahaan kondisi 2 adalah variabel
Rasio CFFOTA dan DITS yang signifikan pada tingkat 5%. Variabel CFFOTA memiliki hubungan negatif secara signifikan dengan probabilitas perusahaan pada kondisi 2. Artinya, semakin rendah CFFOTA akan semakin tinggi probabilitas perusahaan pada kondisi 2. Variabel DITSmemiliki hubungan positif secara signifikan dengan probabilitas perusahaan pada kondisi 2. Artinya, semakin tinggi rasio DITS maka semakin tinggi probabilitas perusahaan diklasifikasikan pada kondisi 2. Fungsi Modelnya adalah : FD = -1.775 – 6.437CFFOTA + 2.789DITS Pada persamaan ini, nilai konstanta sebesar -1.775 mempunyai arti bahwa
jika
variabel-variabel
independen
dianggap
nol,
maka
probabilitas perusahaan mengalami financial distress mengalami penurunan sebesar 1.775.
87
5) Ketetapan Klasifikasi Tabel 4.16 Classification Predicted
51
2
5
Percent Correct 87,9%
1
13
3
8
12,5%
2
17
1
14
43,8%
71,1%
5,3%
23,7%
59,6%
Observed 0
0
Overall Percentage
1
2
Sumber : data olahan SPSS
Analisis lebih lanjut berkaitan dengan daya klasifikasi untuk kelompok 1, kelompok 2 dan kelompok 3. Multinomial logit dengan rasio keuangan yang berasal dari laporan arus kas memiliki
daya
klasifikasi total sebesar 59,6%.
c.
Uji Multinomial logit dengan rasio keuangan yang berasal dari neraca, laporan laba rugi dan laporan arus kas. 1) Uji Model -2Log Likelihood Tabel 4.17 Model Fitting Information Model Fitting Criteria Model Intercept Only Final
-2 Log Likelihood 234,488 105,054
Likelihood Ratio Tests ChiSquare 129,434
df
Sig. 20
,000
Sumber : data olahan SPSS
88
Tabel model fitting information diatas menunjukkan apakah proses pemodelan dengan memasukkan variabel indenpenden dalam model akan menghasilkan model yang lebih baik. Model dengan hanya memasukan intercept akan menghasilkan nilai -2 Log Likelihood sebesar 234.488 dan nilai -2 Log Likelihood akan menurun menjadi 105.054 ketika variabel dimasukkan dalam model. Penurunan ChiSquare sebesar 129.434 yang signifikan pada taraf 0.05, nilai signifikansi yang dihasilkan adalah 0.000 < 0.05. Berarti model menjadi lebih baik, ketika variabel independen dimasukkan dalam model. 2) Uji Goodness of fit Tabel 4.18 Goodness-of-Fit
Pearson
ChiSquare 182,650
df 206
Sig. ,878
Deviance
105,054
206
1,000
Sumber : data olahan SPSS
Tabel Goodness of Fit menunjukkan uji kesesuaian model dengan data. Dari Pearson dan Deviance diperoleh nilai signifikansi Chi-Square lebih besar dari 0.05. Sehingga model adalah fit atau cocok dengan data empiris.
89
3) Uji Pseudo R-Square Tabel 4.19 Pseudo R-Square Cox and Snell Nagelkerke
,679 ,778
McFadden
,552
Sumber : data olahan SPSS
Nilai koefisien Cox and Snell sebesar 0.679, nilai koefisien McFadden sebesar 0.552. Nilai koefisien Nagelkerke memiliki arti bahwa variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 77,8%. 4) Uji Parameter Estimates Tabel 4.20 (Hasil Pengujian Multinomial Logit, Rasio yang Berasal Dari Neraca, Laporan Laba Rugi dan Laporan Arus Kas) Parameter Estimates
FD 1 Intercept
B 1,656
Std. Error 2,786
NIS
6,362
2,005
WCTA
1,666
CATA
a
1
Sig. ,552
10,065
1
,002
579,525
11,378
29517,780
3,712
,201
1
,654
5,290
,004
7644,265
-3,194
4,592
,484
1
,487
,041
,000
332,725
NFATA
4,541
3,954
1,319
1
,251
93,769
,040
217626,657
STA
-,188
,492
,146
1
,703
,829
,316
2,172
NITA
-43,101
10,625
16,454
1
,000
1,911E-19
1,726E-28
2,117E-10
TLTA
,641
3,482
,034
1
,854
1,898
,002
1744,618
CASHTA
-10,902
4,772
5,219
1
,022
1,84E-05
1,596E-09
,212
CFFOTA
3,404
4,663
,533
1
,465
30,076
,003
280059,550
CFFOTS
b
.
.
0
.
.
.
.
15,407
40,295
,146
1
,702
4,911E+06
2,469E-28
9,771E+40
b
.
.
0
.
.
.
.
RPPETS DITS
0
0
Wald ,353
df
95% Confidence Interval for Exp(B) Lower Bound Upper Bound
Exp(B)
90
2
Intercept
3,752
2,886
1,690
1
,194
,326
,410
,634
1
,426
1,386
,621
3,094
WCTA
3,296
3,410
,934
1
,334
27,002
,034
21579,315
CATA
-9,697
4,608
4,428
1
,035
6,14E-05
7,342E-09
,514
,306
3,919
,006
1
,938
1,358
,001
2943,748
-,622
,614
1,026
1
,311
,537
,161
1,789
NITA
-26,891
9,655
7,757
1
,005
2,097E-12
1,267E-20
,000
TLTA
5,246
3,169
2,740
1
,098
189,836
,381
94598,236
CASHTA
-6,743
5,948
1,285
1
,257
,001
1,019E-08
136,302
CFFOTA
,259
4,846
,003
1
,957
1,296
,000
17262,501
CFFOTS
b
.
.
0
.
.
.
.
23,034
40,219
,328
1
,567
1,008E+10
5,870E-25
1,731E+44
b
.
.
0
.
.
.
.
NIS
NFATA STA
RPPETS DITS
0
0
Sumber : data olahan SPSS
Variabel
yang
perusahaan kondisi
dapat
digunakan
untuk
mengklasifikasikan
0 dengan perusahaan kondisi
1 dan 2 adalah
variabel Rasio NIS, NITA, dan CASHTA yang signifikan pada tingkat 5%. Variabel NIS memiliki hubungan positif secara signifikan dengan probabilitas perusahaan pada kondisi 1 dan 2. Artinya, semakin tinggi rasio NIS maka semakin tinggi probabilitas perusahaan diklasifikasikan pada kondisi 1 dan 2. NITA dan CASHTA memiliki hubungan negatif secara signifikan dengan probabilitas perusahaan pada kondisi 1 dan 2. Artinya, semakin rendah NITA dan CASHTA akan semakin tinggi probabilitas perusahaan pada kondisi 1 dan 2. Fungsi Modelnya adalah : FD = 1.656 + 6.362NIS – 43.101NITA – 10.902CASHTA
91
Pada persamaan ini, nilai konstanta sebesar 1.656 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami peningkatan sebesar 1.656. Variabel
yang
perusahaan kondisi
dapat
digunakan
untuk
mengklasifikasikan
1 dengan perusahaan kondisi 2 adalah variabel
Rasio CATA dan NITA yang signifikan pada tingkat 5%. CATA dan NITA memiliki hubungan negatif secara signifikan dengan probabilitas perusahaan pada kondisi 2. Artinya, semakin rendah CATA dan NITA akan semakin tinggi probabilitas perusahaan pada kondisi 2. Fungsi Modelnya adalah : FD = 3.752 – 9.697CATA – 26.891NITA Pada persamaan ini, nilai konstanta sebesar 3.752 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami peningkatan sebesar 3.752.
92
5) Ketetapan Klasifikasi Tabel 4.21 Classification Predicted
56
1
1
Percent Correct 96,6%
1
5
12
7
50,0%
2
3
6
23
71,9%
56,1%
16,7%
27,2%
79,8%
Observed 0
Overall Percentage
0
1
2
Sumber : data olahan SPSS
Analisis lebih lanjut berkaitan dengan daya klasifikasi untuk kelompok 1, kelompok 2 dan kelompok 3. Multinomial logit dengan rasio keuangan yang berasal dari neraca, laporan laba rugi dan laporan arus kas memiliki daya klasifikasi total sebesar 79,8%. Dari hasil pengujian hipotesis dengan menggunakan analisis Multinomial logit, maka dapat disimpulkan hasil hipotesis dalam penelitian ini adalah sebagai berikut : H2 : Variabel rasio keuangan yang berasal dari laporan neraca, laba rugi dan arus kas dapat digunakan untuk memprediksi probabilitas kondisi financial distress perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010. (diterima).
93
Hasil perhitingan uji beda yang dilakukan dengan uji MANOVA dapat disimpulkan bahwa rasio-rasio keuangan kelompok perusahaan yang mengalami financial distress dan kelompok perusahaan yang sehat secara statistik berbeda signifikan dan mendukung hipotesis 1 dalam penelitian ini. Hasil pengujian Multinomial logit model pertama (rasio keuangan yang berasal dari neraca dan laporan laba rugi) menunjukkan daya klasifikasi ketetapan prediksi keseluruhan 78,1%. Untuk pengujian Multinomial logit model kedua (rasio keuangan yang berasal dari laporan arus kas) menunjukkan daya klasifikasi ketetapan prediksi keseluruhan 59,6%. Sedangkan untuk pengujian Multinomial logit model
ketiga (rasio keuangan yang berasal dari neraca,
laporan laba rugi dan laporan arus kas) menunjukkan daya klasifikasi ketetapan prediksi keseluruhan 79,8%. Hasil diatas dapat disimpulkan bahwa rasio keuangan yang berasal dari laporan neraca dan laporan laba rugi memiliki daya klasifikasi lebih tinggi dari pada rasio keuangan yang berasal dari arus kas, sedangkan untuk pengujian secara bersama-sama menggunakan rasio keuangan yang berasal dari neraca, laporan laba rugi dan laporan arus kas didapat daya prediksi yang lebih akurat yaitu mencapai ketetapan 79,8%. Hasil ini menjawab tujuan penelitian yaitu untuk mengetahui rasio keuangan yang memiliki daya klasifikasi
yang paling tinggi untuk memprediksi kondisi financial distress.
Hasil ini ditunjukkan dengan classification table pada setiap model dan hal ini
94
mendukung hipotesis 2 dalam penelitian ini berarti rasio keuangan dapat digunakan untuk memprediksi kondisi financial distress perusahaan. Hasil perhitungan Multinomial logit dari ketiga model menunjukkan bahwa variabel yang berpengaruh signifikan terhadap variabel dependen adalah : Net Income/Sales, Net Income / Total Asset, Current Asset/Total Asset, CASH/Total Aseet, Cash Flow From Operation/ Total Asset, Debt Investment/Total Source of Fund sedangkan yang lainnya tidak signifikan. Pada model pertama variabel yang dapat digunakan untuk memprediksi probabilitas kondisi financial distress perusahaan adalah variabel NIS, NITA, dan CASHTA. Berdasarkan nilai B (koefisien) pada tabel parameter Estimates, maka dapat diperoleh dua persamaan untuk menginterpretasikan Analisis Multinomial Logit, yaitu : FD = 1.413 + 5.864NIS – 41.585NITA – 9.093CASHTA………….(1) Dan FD = 3.363 - 9.301CATA – 27.520NITA...…………………………(2) Pada persamaan 1, nilai konstanta sebesar 1.413 mempunyai arti bahwa jika variabel-variabel independen dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami peningkatan sebesar 1.413. Koefisien NIS sebesar 5.864 dan mempunyai hubungan positif artinya semakin tinggi rasio Net Income/Sales perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai
95
Exp(B) sebesar 352.155 artinya setiap kenaikan variabel NIS akan meningkatkan kemungkinan terjadinya kondisi financial distress sebesar 352.155 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Luciana & Kristijadi (2003), Kim Sung Kuk (2007) dan Bhunia & Sakar (2011) dimana variabel NIS dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Koefisien NITA sebesar -41.585 dan mempunyai hubungan negatif artinya semakin tinggi rasio Net Income/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai Exp(B) sebesar 8.71E-19 artinya setiap kenaikan variabel NITA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 8.71E-19 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Almilia (2004) dan Hui-Fun Yu & Jung-Hui Liang (2010) dimana variabel NITA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Koefisien CASHTA sebesar -9.093 dan mempunyai hubungan negatif artinya semakin tinggi rasio CASH/Total Asset perusahaan maka semakin turun pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai Exp(B) sebesar 1.12E-04 artinya setiap kenaikan variabel CASHTA akan meningkatkan kemungkinan terjadinya kondisi financial distress sebesar 1.12E04 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Rowland Pasaribu (2008) dan Shu Ling 96
Lin (2010) dimana variabel CASHTA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Pada persamaan 2, nilai konstanta sebesar 3.363 mempunyai arti bahwa jika variabel-variabel independen dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami penurunan sebesar 3.363. Persamaan 2 dimaksudkan untuk melihat variabel yang dapat digunakan untuk mengklasifikasikan kelompok 2 dan 3. Koefisien CATA sebesar -9.301 dan mempunyai hubungan negatif artinya semakin tinggi rasio Current Asset/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompok 3. Nilai Exp(B) sebesar 9.14E-05 artinya setiap kenaikan variabel CATA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 9.14E-05 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Rowland Pasaribu (2008) dan Shu Ling Lin (2010) dimana variabel CATA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Koefisien NITA sebesar -27.520 dan mempunyai hubungan negatif artinya semakin tinggi rasio Net Income/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompok 3. Nilai Exp(B) sebesar 1.12E-12 artinya setiap kenaikan variabel NITA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 1.12E-12 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Rahman Muslim (2009) dan Hui-Fun Yu & Jung-Hui Liang 97
(2010) dimana variabel NITA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Pada model kedua variabel yang dapat digunakan untuk memprediksi probabilitas kondisi financial distress perusahaan adalah variabel CFFOTA dan DITS. Berdasarkan nilai B (koefisien) pada table parameter Estimates, maka dapat diperoleh dua persamaan untuk menginterpretasikan Analisis Multinomial Logit, yaitu : FD = -0.796 – 8.616CFFOTA …………………………….......…………(1) Dan FD = -1.775 – 6.437CFFOTA + 2.789DITS …………………....……….(2) Pada persamaan 1, nilai konstanta sebesar -0.796 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami penurunan sebesar 0.796 Koefisien CFFOTA sebesar 8.616 dan mempunyai hubungan negatif artinya semakin rendah rasio Cash Flow From Operation/Total Asset perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai Exp(B) sebesar 1.81E-04 artinya setiap kenaikan variabel CFFOTA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 1.81E-04 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Almilia (2006) dan Amalendu et al (2011) dimana variabel CFFOTA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. 98
Pada persamaan 2, nilai konstanta sebesar -1.775 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami penurunan sebesar 1.775. Persamaan 2 dimaksudkan untuk melihat variabel yang dapat digunakan untuk mengklasifikasikan kelompok 2 dan 3. Koefisien CFFOTA sebesar -6.437 dan mempunyai hubungan negatif artinya semakin tinggi rasio Cash Flow From Operation/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompok 3. Nilai Exp(B) sebesar 0.002 artinya setiap kenaikan variabel CFFOTA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 0.002 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Yolanda & Mudji (2009) dan Amalendu et al (2011) dimana variabel CFFOTA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Koefisien DITS sebesar 2.789 dan mempunyai hubungan positif artinya semakin tinggi rasio Debt Investment/Total Source of Fund perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompok 3. Nilai Exp(B) sebesar 16.264 artinya setiap kenaikan variabel DITS akan meningkatkan kemungkinan terjadinya kondisi financial distress sebesar 16.264 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu penelitian Yolanda & Mudji (2009) dimana variabel DITS dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. 99
Pada model ketiga variabel yang dapat digunakan untuk memprediksi probabilitas kondisi financial distress perusahaan adalah variabel NIS, CATA, NITA, dan CASHTA. Berdasarkan nilai B (koefisien) pada table parameter Estimates, maka dapat diperoleh dua persamaan untuk menginterpretasikan Analisis Multinomial Logit, yaitu : FD = 1.656 + 6.362NIS – 43.101NITA – 10.902CASHTA ………..(1) Dan FD = 3.752 – 9.697CATA – 26.891NITA............................................(2) Pada persamaan 1, nilai konstanta sebesar 1.656 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami kenaikan sebesar 1.656. Koefisien NIS sebesar 6.362 dan mempunyai hubungan positif artinya semakin tinggi rasio Net Income/sales perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompok 2 dan kelompk 3. Nilai Exp(B) sebesar 579.525 artinya setiap kenaikan variabel NIS akan meningkatkan kemungkinan terjadinya kondisi financial distress sebesar 579.525 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu penelitian Almilia & Kristijadi (2003), Kim Sung Kuk (2008) dan Bhunia & Sakar (2011) dimana variabel NIS dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan.
100
Koefisien NITA sebesar -43.101 dan mempunyai hubungan negatif artinya semakin tinggi rasio Net Income/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai Exp(B) sebesar 1.911E-19 artinya setiap kenaikan variabel NITA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 1.911E19 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Wahyu dan Doddy (2009) dan Hui-Fun Yu & Jung-Hui Liang (2010) dimana variabel NITA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Koefisien CASHTA sebesar -10.902 dan mempunyai hubungan negatif artinya semakin tinggi rasio CASH/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai Exp(B) sebesar 1.84E-5 artinya setiap kenaikan variabel CASHTA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 1.84E-5 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Rowland Pasaribu (2008) dan Shu Ling Lin (2010) dimana variabel CASHTA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Pada persamaan 2, nilai konstanta sebesar 3.528 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami penurunan sebesar 3.528.
101
Persamaan 2 dimaksudkan untuk melihat variabel yang dapat digunakan untuk mengklasifikasikan kelompok 2 dan 3. Koefisien CATA sebesar -9.697 dan mempunyai hubungan negatif artinya semakin tinggi rasio Current Asset/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompok 3. Nilai Exp(B) sebesar 6.14E-5 artinya setiap kenaikan variabel CATA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 6.14E-5 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Rowland Pasaribu (2008), Joko Sumbodo (2010), Shu Ling Lin (2010) dimana variabel CATA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Koefisien NITA sebesar -26.891 dan mempunyai hubungan negatif artinya semakin tinggi rasio Net Income/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai Exp(B) sebesar 2.097E-12 artinya setiap kenaikan variabel NITA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 2.097E12 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Almilia (2004), Wahyu dan Doddy (2009), Rahman Muslim (2009), dan Hui-Fun Yu dan Jung-Hui Liang (2010) dimana variabel NITA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan.
102
Dari interpretasi tersebut maka dapat ditarik kesimpulan bahwa rasio Net Income / Sales, Current Asset / Total Asset, Net Income / Total Asset, CASH / Total Asset, Cash Flow From Operation / Total Asset, Debt Investment / Total Source of Fund sebagai hasil variabel yang signifikan dalam penelitian ini merupakan variabel rasio keuangan yang dapat menentukan kondisi kesehatan perusahaan dengan rasio NI/S sebagai rasio yang menjelaskan seberapa besar tingkat penjulalan dalam menghasilkan laba bersih perusahaan, rasio CA/TA sebagai rasio yang menjelaskan seberapa besar penggunaan aktiva lancar dalam perusahaan, rasio NI/TA sebagai rasio yang menjelaskan efektifitas perusahaan dalam menghasilkan laba atas penggunaan total asetnya didalam kegiatan operasinya, rasio CASH/TA sebagai rasio yang menjelaskan efisiensi perusahaan dalam menghasilkan kas atas penggunaan total asetnya didalam kegiatan operasinya, rasio CFFO/TA sebagai rasio yang menjelaskan sejauh mana free cash flow yang dimiliki atas total aset yang dimiliki perusahaan, rasio DI/TS sebagai rasio yang menjelaskan sejauh mana proporsi hutang perusahaan dari total sumber dana yang dimiliki perusahaan. Jika dilihat dari data historis perusahaan tahun 2007-2008, maka dapat terlihat variabel NI/S, CA/TA, NI/TA, CASHTA, CFFO/TA dan DI/TS dapat menjadi prediktor kondisi financial distress yang terjadi tahun 2009-2010 sesuai sampel penelitian. Perusahaan yang memiliki NI/S tinggi di tahun 2007-2008, cenderung tergolong perusahaan yang mengalami financial distress dengan pengertian mengalami laba bersih sebelum pajak negatif dua tahun berturut-turut 103
dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan dua tahun berturut turut pada tahun 2009-2010. Sebaliknya, perusahaan yang memiliki NI/S rendah di tahun 2007-2008 cenderung tergolong perusahaan sehat yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dua tahun berturut-turut dan memiliki arus kas yang lebih besar dibandingkan hutang jangka panjang perusahaan dua tahun berturut-turut ditahun 2009-2010. Perusahaan yang memiliki CA/TA rendah di tahun 2007-2008, cenderung tergolong perusahaan yang mengalami financial distress dengan pengertian mengalami laba bersih sebelum pajak negatif dua tahun berturut-turut dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan dua tahun berturut turut pada tahun 2009-2010. Sebaliknya, perusahaan yang memiliki CA/TA tinggi di tahun 2007-2008 cenderung tergolong perusahaan sehat yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dua tahun berturutturut dan memiliki arus kas yang lebih besar dibandingkan hutang jangka panjang perusahaan dua tahun berturut-turut pada tahun 2009-2010. Perusahaan yang memiliki NI/TA rendah di tahun 2007-2008, cenderung tergolong perusahaan yang mengalami financial distress dengan pengertian mengalami laba bersih sebelum pajak negatif dua tahun berturut-turut dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan dua tahun berturut turut pada tahun 2009-2010. Sebaliknya, perusahaan yang memiliki NI/TA tinggi di tahun 2007-2008 cenderung tergolong perusahaan sehat yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dua tahun berturut104
turut dan memiliki arus kas yang lebih besar dibandingkan hutang jangka panjang perusahaan dua tahun berturut-turut pada tahun 2009-2010. Perusahaan yang memiliki CASH/TA rendah di tahun 2007-2008, cenderung tergolong perusahaan yang mengalami financial distress dengan pengertian mengalami laba bersih sebelum pajak negatif dua tahun berturut-turut dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan dua tahun berturut turut pada tahun 2009-2010. Sebaliknya, perusahaan yang memiliki CASH/TA tinggi di tahun 2007-2008 cenderung tergolong perusahaan sehat yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dua tahun berturut-turut dan memiliki arus kas yang lebih besar dibandingkan hutang jangka panjang perusahaan dua tahun berturut-turut pada tahun 2009-2010. Perusahaan yang memiliki CFFO/TA rendah di tahun 2007-2008, cenderung tergolong perusahaan yang mengalami financial distress dengan pengertian mengalami laba bersih sebelum pajak negatif dua tahun berturut-turut dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan dua tahun berturut turut pada tahun 2009-2010. Sebaliknya, perusahaan yang memiliki CFFO/TA tinggi di tahun 2007-2008 cenderung tergolong perusahaan sehat yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dua tahun berturutturut dan memiliki arus kas yang lebih besar dibandingkan hutang jangka panjang perusahaan dua tahun berturut-turut pada tahun 2009-2010. Perusahaan yang memiliki DI/TS tinggi di tahun 2007-2008, cenderung tergolong perusahaan yang mengalami financial distress dengan pengertian 105
mengalami laba bersih sebelum pajak negatif dua tahun berturut-turut dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan dua tahun berturut turut pada tahun 2009-2010. Sebaliknya, perusahaan yang memiliki DI/TS rendah di tahun 2007-2008 cenderung tergolong perusahaan sehat yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dua tahun berturutturut dan memiliki arus kas yang lebih besar dibandingkan hutang jangka panjang perusahaan dua tahun berturut-turut ditahun 2009-2010. Penelitian terdahulu yang dilakukan oleh Altman (1986) dalam Almalia dan Kristidjadi (2003) yang meneneliti pemanfaatan analisis rasio keuangan sebagai alat untuk memprediksi kebangkrutan perusahaan dengan menggunakan analisis diskriminan. Altman menggunakan sampel perusahaan manufaktur yang bangkrut antara tahun 1946-1965. Dari sampel yang dipilih, Altman memperoleh 33 perusahaan,
dengan menggunakan 22 rasio keuangan yang kemudian
dikelompokkan menjadi 5 golongan standar. Hasil penelitiannya menghasilkan rasio keuangan yang dapat memprediksi kebangkrutan perusahaan dengan fungsi diskriminan sebagai berikut : indeks kebangkrutan = 0,12 Working Capital/Total Asset + 0,14 Retained Earning/Total Asset + 0,33 Earning Before Interest and Tax/Total Asset + 0,006 Market Value Equity/Book Value Debt + 0,999 Sales/Total Asset. Almilia dan Kristidjadi (2003) menggunakan 20 rasio keuangan seperti yang digunakan pada penelitian Platt dan Platt (2002)
dan melakukan 12 kali
pengujian persamaan regresi logistik untuk menentukan signifikansi masing106
masing rasio keuangan tersebut dengan periode yang digunakan 2 tahun periode prediksi dan 2 tahun periode pengataman. Hasil penelitian yang dilakukan oleh peneliti berbeda dengan hasil penelitian yang dilakukan oleh RR Iramani (2008), Iramani dalam penelitiannya untuk menguji rasio-rasio keuangan dari berbasis akrual, berbasil aliran kas, industri relative ratio, dan indokator ekonomi makro dapat digunakan sebagai prediktor financial distress. RR Iramani menggunakan 27 rasio keuangan berbasis akrual, 6 rasio keuangan berbasis arus kas dan 33 rasio keuangan industry relative ratio berbasis akrual dan berbasis kas. Hasil penelitiannya menujukkan adanya tujuh variabel
yang
mampu
memprediksi
financial
distress
yaitu
Retained
Earning/Total Asset, Total Debt/Total Asset, Earning After Tax/Asset, Invesment/Net Sales, Earning Before Interest and Tax/Total Asset, Sales/Total Asset, dan Cash Flow/Total Asset dengan total daya prediksi 74,2%. Penelitian ini berbeda karena dalam penelitian ini menggunakan definisi financial distress yang berbeda yaitu menggunakan laba bersih sebelum pajak dan arus kas yang lebih kecil dibanding hutang jangka panjang perusahaan. Hasil penelitian ini juga mendukung penelitian-penelitian sebelumnya yaitu Luciana dan Kristidjadi (2003), Kim Sung Kuk (2007) bahwa rasio-rasio keuangan dapat digunakan untuk memprediksi kondisi financial distress suatu perusahaan.
107
BAB V KESIMPULAN, IMPLIKASI DAN SARAN
A. Kesimpulan Dari hasil pembahasan pada penelitian ini dapat
diambil kesimpulan
penelitian sebagai berikut : 1.
Berdasarkan penelitian yang telah dilakukan pada perusahaan-perusahaan yang terdaftar di Bursa Efek Indonesia didapat 12 perusahaan yang yang mengalami financial distress atas dasar laba bersih sebelum pajak negatif selama dua tahun berturut-turut dan 16 perusahaan yang mengalami financial distress atas dasar laba bersih sebelum pajak negatif dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan selama dua tahun berturut-turut dari 289 perusahaan dan 29 perusahaan sehat sebagai kontrol selama periode pengamatan 2009-2010 dan dua tahun periode prediksi tahun 2007-2008.
2.
Rasio keuangan yang berasal dari neraca dan laporan laba rugi yaitu NIS, WCTA, CATA, NFATA, STA, NITA, TLTA
dan CASHTA berbeda
signifikan berdasarkan hasil uji beda MANOVA antara perusahaan yang mengalami financial distress dan sehat dengan nilai signifikansi < 0.05. Rasio keuangan yang berasal dari laporan arus kas yaitu CFFOTA, CFFOTS, DITS, dan RPPETS berbeda signifikan berdasarkan hasil uji beda
108
MANOVA antara perusahaan yang mengalami financial distress dan sehat dengan nilai signifikansi < 0.05. 3.
Pengujian Multinominal logit model pertama yang memasukkan rasio keuangan yang berasal dari neraca dan laporan laba rugi menunjukkan bahwa rasio NIS, CATA, NITA dan CASHTA dapat digunakan untuk memprediksi kondisi financial distress perusahaan. Daya klasifikasi total model pertama ini adalah sebesar 78,1%.
4.
Pengujian Multinominal logit model kedua yang memasukkan rasio keuangan yang berasal dari laporan arus kas menunjukkan bahwa rasio CFFOTA, dan DITS dapat digunakan untuk memprediksi kondisi financial distress perusahaan. Daya klasifikasi total model kedua ini adalah sebesar 59,6%.
5.
Pengujian Multinominal logit model ketiga yang memasukkan rasio keuangan yang berasal darineraca, laporan laba rugi dan laporan arus kas menunjukkan bahwa rasio NIS, CATA, NITA dan CASHTA dapat digunakan untuk memprediksi kondisi financial distress perusahaan. Daya klasifikasi total model ketiga ini adalah sebesar 79,8%.
B. Implikasi 1.
Perusahaan Apabila perusahaan mengalami kebangkrutan maka perusahaan akan akan menanggung biaya (akuntan dan pengacara) dan biaya tidak langsung 109
(kerugian penjualan atau kerugian paksaan akibat ketetapan pengadilan). Sehingga dengan adanya model financial distress diharapkan perusahaan dapat menghindari kebangkrutan. Rasio NIS (net income on sales) berpengaruh positif terhadap kondisi probabilitas financial distress. Semakin tinggi rasio NIS, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio NITA (net income on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio NITA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CATA (current asset on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CATA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CASHTA (cash on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CASHTA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CFFOTA (cash flow from operation on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CFFOTA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio DITS (debt income on total source of fund) berpengaruh positif terhadap kondisi probabilitas financial distress. Semakin tinggi rasio DITS, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan.
110
2.
Investor Model prediksi financial distress dapat membantu investor ketika akan menilai kemungkinan masalah suatu perusahaan dalam melakukan pembayaran kembali pokok dan bunga. Rasio NIS (net income on sales) berpengaruh positif terhadap kondisi probabilitas financial distress. Semakin tinggi rasio NIS, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio NITA (net income on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio NITA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CATA (current asset on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CATA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CASHTA (cash on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CASHTA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CFFOTA (cash flow from operation on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CFFOTA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio DITS (debt income on total source of fund) berpengaruh positif terhadap kondisi probabilitas financial distress. Semakin tinggi rasio DITS, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. 111
3.
Kreditor Bagi kreditor, rasio keuangan secara statistik signifikan dapat digunakan untuk memprediksi probabilitas kondisi financial distress dalam penelitian ini dapat digunakan untuk mengetahui kondisi perusahaan yang akan diberikan pinjaman. Sehingga mereka dapat mengambil keputusan yang tepat dalam pemberian pinjaman, sehingga kegagalan pengembalian piutang dapat diminimalisir. Rasio NIS (net income on sales) berpengaruh positif terhadap kondisi probabilitas financial distress. Semakin tinggi rasio NIS, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio NITA (net income on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio NITA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CATA (current asset on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CATA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CASHTA (cash on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CASHTA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CFFOTA (cash flow from operation on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CFFOTA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio DITS (debt income on total source of fund) berpengaruh 112
positif terhadap kondisi probabilitas financial distress. Semakin tinggi rasio DITS, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. 4.
Akademisi Penilaian model prediksi financial distress dengan menggunakan rasio keuangan dapat dijadikan tambahan pengetahuan sehingga berikutnya dapat digunakan alternatif dan cara yang lebih tepat yang dapat dijadikan alat untuk memprediksi kondisi financial distress perusahaan.
C. Keterbatasan Penelitian dan Saran Keterbatasan penelitian ini adalah : 1.
Penelitian ini hanya menggunakan periode observasi dua tahun dan periode prediksi dua tahun sehingga untuk pengujian model prediksi masih belum dapat dijelaskan secara sempurna.
2.
Proksi kondisi financial distress hanya sebatas pada laba bersih sebelum pajak negatif dan arus kas yang lebih kecil dari hutang jangka panjang perusahaan tersebut.
Saran bagi peneliti selanjutnya : 1.
Memperpanjang tahun periode prediksi dan periode observasi
2.
Dapat menggunakan ukuran lain dalam memproksikan finnacial distress selain laba bersih sebelum pajak negatif dan arus kas yang lebih kecil dari hutang jangka panjang perusahaan. 113
DAFTAR PUSTAKA
Almeida, Heitor & Philippon, Thomas. “The Risk Adjusted Cost of Financial Distress”. School of Business, New York University. Almilia, Luciana dan Kristijadi, Emanuel. “Analisis Rasio Keuangan Untuk Memprediksi Kondisi Financial Distress Perusahaan Manufaktur yang Terdaftar di Bursa Efek Jakarta”. Jurnal Akuntansi dan Auditing Indonesia (JAAI), Vol.7, No.2, Desember 2003. Almilia, Luciana. “Analisis Faktor-Faktor Yang Mempengaruhi Kondisi Financial Distress Suatu Perusahaan Yang Terdaftar Di Bursa Efek Jakarta”. Jurnal Riset Akuntansi Indonesia, Vol. 7, No. 1, Januari 2004. Almilia, Luciana. “Prediksi Kondisi Financial Distress Perusahaan GoPublic Dengan Menggunakan Analisis Multinominal Logit”. Jurnal Ekonomi dan Bisnis, Vol. XII, No.1, Maret 2006. Bhunia, Amalendu and Sakar, Ruchira. “A study of financial distress based on MDA”. Journal of Management Research, Vol 3, No 2, 2011. Bhunia, Amalendu et al. “Prediction of financial distress :A case study of Indian companies. Asian Journal of Business Management 3(3):
210-218, 2011. Brealey,
Richard
et
al,
”Dasar-Dasar
Manajemen
Keuangan
Perusahaan”, jilid 1, Erlangga, Jakarta, 2002.
114
Brigham dan Houston. “Dasar-dasar Manajemen Keuangan”. Salemba Empat, Jakarta, 2009. Fabozzi, Frank dan Peterson, Pamela. “Financial Management & Analysis”. Jhon Wiley & Sons Inc, New Jersey, 2003. Ghozali, Imam. “Aplikasi Analisis Multivariate dengan program SPSS”. Badan Penerbit Universitas Diponegoro, Semarang, 2010 Giovanis. “Study of Panel Logit Model and Adaptive Neuro-Fuzzy Inference System in Prediction of Financial Distress”. World Academy of sience, Egineering and Technology, 2010. Glezakos, Michalis and Mylonakis, Jhon. “An empirical reasearch on early bankruptcy forcasting models : does logit analysis enhance bussiness failure predictability?”. European Journal of Finance and Banking Research Vol. 3. No. 3. 2010.
Hair, Joseph dan Black, William. “Multivariate Data Analysis”. Upper Saddle River, New Jersey, 2006. Hanafi, Mamduh dan Halim, Abduh. “Analisis Laporan Keuangan”. Unit Penerbit dan Percetakan, Yogyakarta, 2009 Harahap, Sofyan Syafri. “Analisis Kritis Atas Laporan Keuangan”. PT RajaGrafindo Persada, Yogyakarta, 2007. Iramani, Rr. “Model Prediksi Financial Distress Perusahaan Go Public Di Indonesia ( Studi Pada Sektor Manufaktur )”. Jurnal Aplikasi Manajemen, Vol. 6, No. 1, April 2008. Kasmir. “Analisis Laporan Keuangan”. PT. Rajagrafindo Persada, Jakarta, 2008.
115
Keown, Arthur et al, “ Manajemen Keuangan : Prinsip-Prinsip Dan Aplikasi”, jilid 1, Indeks, 2004. Kompas. “Subprime Mortgage dan Bailout. Selanjutnya…”. Artikel diakses
tanggal
2
februari
2010,
dari
http://nasional.kompas.com/read/2008/10/03/10422462/quotsubpr ime.mortgagequot.dan.quotbailoutquot.selanjutnya... Lin, Shu ling. “A two-stage logistic regression-ANN model for the prediction of distress bank : evidence from 11 emerging countries”. African Journal of Business Management Vol. 4(14), pp. 3149-3168, 18 October, 2010. Magee, Shane. “The Effect of Foreign Currency Hedging on Probability of Financial Distress”. Desember, 2008 Masrudin. “Pengaruh Corporate Governance Terhadap Financial Distress (Studi pada perusahaan manufaktur yang listed di BEJ)”. Jurnal Keuangan dan Perbankan, XI, No.2. Mei 2007. Musdholifah. “Analisis Hubungan Financial Distress, Rasio BV/MV dan Pendapatan Saham Pada Perusahaan Di Bursa Efek Jakarta”. Jurnal Aplikasi Manajemen, Vol 4, No. 2, Agustus 2006. Pasaribu, Rownland. “Penggunaan Binary Logit Untuk Prediksi Financial Distress Perusahaan Yang Tercatat Di Bursa Efek Jakarta”. Ventura, Vol 11, No. 2, Agustus 2008. Pudjiono, Aprilianasari. “Perbandingan Model Diskriminan Dan Model Logit Untuk Memprediksi Financial Distress Perusahaan Manufaktur Di BEI”. Skripsi. Universitas Airlangga, 2009. Purwanti, Yulia. “Analisis Rasio Keuangan dalam Memprediksi Kondisi Keuangan Financial Distress Perusahaan Manufaktur yang
116
Terdaftar di Bursa Efek Jakarta”. Skripsi, Universitas Islam Indonesia, 2005. Puspita Sari, Yolanda dan Utami, Mudji. “Prediksi Financial Distress dengan rasio Arus Kas”. Manajemen dan Bisnis, volume 8, nomor 2, September 2009. Rodoni, Ahmad dan Muslim, Rahman. “Prediksi Kondisi Financial Distress
Perusahaan
Go-Public
Menggunakan
Analisis
Multinominal Logit”. Etikonomi, Vol.8, No. 2, Agustus 2008. Santoso, Singgih. “Statistic Multivariate : Konsep dan Aplikasi dengan SPSS”. PT Gramedia, Jakarta, 2010. Sjahrial, Dermawan. “Pengantar Manajemen Keuangan”. Mitra Wacana Media, Jakarta, 2007. Spiegel, Murray dan Schiller, Jhon. “Probabilitas dan Statistik”. edisi kedua, Erlangga, Jakarta, 2004. Sumbodo, Joko. “Perbandingan Model Diskriminan Dan Model Logit Untuk Memprediksi Financial Distress Perusahaan Manufaktur Di BEI”. Skripsi, Universitas Sebelas Maret, 2010. Sung Kuk, Kim. “Dinamika Pemodelan Fiancial Distres Perusahaan Publik Di Indonesia”. Jurnal Akuntansi dan Keuangan, Vol 1, No. 3, Desember 2007. Wahyuningtyas, Fitria. “Penggunaan Laba dan Arus Kas untuk Memprediksi Kondisi Financial Distress (studi kasus pada perusahaan bukan bank yang terdaftar di Bursa Efek Indonesia periode tahun 2005-2008)”. Skripsi, Universitas Diponegoro Semarang, 2010.
117
Weston, Fred dan Brigham, Eugene. “Dasar-dasar Manajemen Keuangan”. Erlangga, Jakarta, 1990. Widarjo, Wahyu dan Setiawan, Doddy. “Pengaruh Rasio Keuangan Terhadap Kondisi Financial Distress Perusahaan Otomotif”. Jurnal Bisnis dan Akuntansi, Vol. 11, No. , Agustus 2009. Widarjono, Agus. “Analisis Statistika Multivariat Terapan”. Unit Penerbit dan Percetakan Sekolah Tinggi Ilmu Manajemen YKPN, Yogyakarta, 2010. Wild, Jhon, Kermit Larson & Barbara Chiapetta. “Financial and Managerial Accounting : Information for Decissions”. McGrawHill, New York, 2005. Yu, Hui-Fun and Liang, Jung-Hui. “Management ownership and corporate
performance”.
African
Journal
of
Business
Management Vol. 5(4), pp. 1441-1453, 18 February, 2011.
118
LAMPIRAN 1 Rasio Keuangan yang Berasal dari Neraca dan Laporan Laba Rugi Perusahaan Financial Distress Tahun 2008
PTSN KARW PAFI SIMM BKPD INCI AKKU IATA TMAS ZBRA ASBI BEKS OCAP YULE ICON ALFA RIMO BNBR DEWA DKTF ENRG CPRO IIKP BTEK BIPP LCGP PWSI APOL
NIS -0,002 -0,217 0,445 -1,275 0,004 0,025 -1,006 -0,204 0,132 -0,257 0,081 -0,181 1,390 1,089 -0,186 0,010 0,010 -1,886 0,048 -18,805 -0,019 -0,050 0,219 -1,987 -0,715 -0,087 -7,686 0,004
CACL 1,288 0,301 0,877 0,148 2,616 10,546 0,732 0,617 0,535 0,355 1,181 0,807 6,283 8,214 1,597 0,956 0,834 0,543 1,022 4,830 1,821 2,086 39,617 455,053 0,229 7,707 0,154 1,276
WCTA 0,120 -1,063 -0,047 -0,739 0,266 0,769 -0,099 -0,176 -0,135 -0,237 0,088 -0,174 0,759 0,872 0,082 -0,014 -0,122 -0,173 0,007 0,279 0,102 0,252 0,090 0,254 -0,363 0,780 -1,810 0,080
CATA 0,535 0,457 0,337 0,129 0,430 0,850 0,270 0,284 0,155 0,131 0,573 0,727 0,903 0,993 0,218 0,309 0,613 0,205 0,318 0,352 0,226 0,483 0,092 0,254 0,108 0,897 0,331 0,370
NFATA 0,464 0,148 0,663 0,496 0,450 0,136 0,665 0,637 0,687 0,819 0,143 0,055 0,091 0,007 0,746 0,624 0,270 0,343 0,365 0,350 0,000 0,453 0,410 0,720 0,325 0,009 0,029 0,453
STA 2,241 1,822 0,563 0,567 0,211 0,776 0,188 0,485 0,907 0,359 0,367 0,119 -0,210 0,016 0,274 2,759 1,949 0,331 0,410 0,019 0,147 0,872 0,169 0,051 0,156 0,067 0,006 0,352
SCA SWC 4,188 18,722 3,985 -1,713 1,673 -11,915 4,408 -0,767 0,491 0,794 0,914 1,009 0,698 -1,908 1,707 -2,750 5,842 -6,722 2,744 -1,511 0,640 4,188 0,163 -0,682 -0,233 -0,277 0,016 0,018 1,258 3,365 8,939 -193,601 3,182 -15,979 1,610 -1,913 1,287 59,668 0,053 0,067 0,651 1,444 1,804 3,465 1,831 1,878 0,202 0,203 1,454 -0,431 0,075 0,086 0,020 -0,004 0,953 4,412
NITA -0,005 -0,396 0,251 -0,723 0,001 0,020 -0,189 -0,099 0,120 -0,092 0,030 -0,021 -0,293 0,017 -0,051 0,027 0,020 -0,624 0,020 -0,352 -0,003 -0,043 0,037 -0,102 -0,112 -0,006 -0,050 0,001
TLTA 0,465 1,536 1,041 1,227 0,308 0,090 0,383 0,686 0,617 0,409 0,580 0,941 0,200 0,130 0,725 0,357 0,787 0,547 0,483 0,620 0,703 0,642 0,004 0,002 0,488 0,130 2,225 0,775
CASHCL 0,105 0,007 0,015 0,008 0,166 1,300 0,018 0,032 0,154 0,011 0,053 0,020 1,727 3,885 0,108 0,155 0,111 0,109 0,253 4,542 0,147 0,120 1,861 7,711 0,019 0,058 0,000 0,279
CASHTA 0,044 0,011 0,006 0,007 0,027 0,105 0,006 0,015 0,045 0,004 0,026 0,018 0,248 0,469 0,015 0,050 0,081 0,041 0,079 0,331 0,018 0,028 0,004 0,004 0,009 0,007 0,000 0,081
119
Rasio Keuangan yang Berasal dari Laporan Arus Kas Perusahaan Financial Distress Tahun 2008
PTSN KARW PAFI SIMM BKPD INCI AKKU IATA TMAS ZBRA ASBI BEKS OCAP YULE ICON ALFA RIMO BNBR DEWA DKTF ENRG CPRO IIKP BTEK BIPP LCGP PWSI APOL
CFFOCL 0,140 -0,173 0,010 -0,171 -0,433 0,027 0,065 0,167 0,789 0,175 -0,020 0,015 0,747 1,238 -0,080 -0,237 0,150 0,137 0,658 0,596 0,023 -0,018 29,200 31,225 -0,004 -0,010 0,001 0,206
CFFOTL 0,125 -0,171 0,004 -0,121 -0,231 0,024 0,062 0,112 0,371 0,158 -0,017 0,014 0,538 1,154 -0,015 -0,215 0,140 0,095 0,424 0,070 0,004 -0,006 16,940 7,058 -0,004 -0,009 0,001 0,077
CFFOTA 0,058 -0,263 0,004 -0,148 -0,071 0,002 0,024 0,077 0,229 0,065 -0,010 0,014 0,107 0,150 -0,011 -0,077 0,110 0,052 0,205 0,043 0,003 -0,004 0,068 0,017 -0,002 -0,001 0,001 0,060
CFFOS 0,026 -0,144 0,007 -0,262 -0,337 0,003 0,126 0,159 0,252 0,180 -0,027 0,114 -0,510 9,622 -0,040 -0,028 0,056 0,157 0,500 2,317 0,020 -0,005 0,403 0,340 -0,012 -0,017 0,187 0,170
CFFOTS 0,058 -0,263 0,004 -0,148 -0,071 0,002 0,024 0,077 0,229 0,065 -0,010 0,014 0,107 0,150 -0,011 -0,077 0,110 0,052 0,205 0,043 0,003 -0,004 0,068 0,017 -0,002 -0,001 0,001 0,060
IPPEPPE -0,145 -0,131 -0,003 0,000 -0,002 0,000 0,000 -0,280 -0,109 -0,016 -0,017 -0,021 -1,121 -0,032 -0,080 -0,340 -0,265 -0,312 -0,352 -0,929 -0,188 -0,439 -0,172 0,000 -0,010 -0,002 -0,014 -0,388
IPPETU -0,067 -0,019 -0,002 0,000 -0,001 0,000 0,000 -0,179 -0,075 -0,013 -0,002 -0,001 -0,102 0,000 -0,060 -0,212 -0,072 -0,107 -0,129 -0,325 0,000 -0,199 -0,070 0,000 -0,003 0,000 0,000 -0,176
RPPETS 0,002 0,070 0,000 0,000 0,000 0,000 0,000 0,024 0,012 0,047 0,001 0,000 0,000 0,000 0,058 0,190 0,000 0,000 0,000 0,004 0,000 0,085 0,001 0,000 0,000 0,001 0,000 0,083
DITS 0,465 1,536 1,041 1,227 0,308 0,090 0,383 0,686 0,617 0,409 0,580 0,941 0,200 0,130 0,725 0,357 0,787 0,547 0,483 0,620 0,703 0,642 0,004 0,002 0,488 0,130 2,225 0,775
120
Rasio Keuangan yang Berasal dari Neraca dan Laporan Laba Rugi Perusahaan Non-Financial Distress Tahun 2008
IKBI JECC KLBF SQBI MRAT DLTA MLBI GGRM BTON CTBN LION IGAR SIAP SMRG ASDM PNLF FORU JTPE BAYU ASGR EMPT FISH MICE AMRT FAST ANTM TINS CTRP CTRS
NIS 0,059 0,000 0,090 0,263 0,072 0,071 0,168 0,062 0,121 0,065 0,165 0,016 0,027 0,207 0,056 0,299 0,025 0,050 0,005 0,061 0,036 0,011 0,078 0,016 0,062 0,143 0,148 0,578 0,248
CACL 4,103 0,983 3,333 3,368 6,311 3,789 0,935 2,217 4,321 1,512 5,687 4,073 1,532 3,386 49,474 3,691 1,895 1,266 1,481 1,137 1,906 1,187 6,702 0,790 1,379 8,017 2,624 9,664 1,794
WCTA 0,585 -0,014 0,512 0,516 0,651 0,574 -0,039 0,388 0,659 0,230 0,715 0,600 0,167 0,471 0,661 0,724 0,429 0,106 0,268 0,077 0,410 0,131 0,631 -0,143 0,110 0,497 0,461 0,422 0,226
CATA 0,773 0,830 0,731 0,734 0,774 0,779 0,557 0,707 0,857 0,680 0,867 0,795 0,481 0,668 0,675 0,993 0,909 0,506 0,826 0,637 0,863 0,831 0,742 0,538 0,401 0,568 0,744 0,470 0,510
NFATA 0,192 0,134 0,233 0,238 0,165 0,178 0,428 0,275 0,125 0,216 0,074 0,193 0,319 0,312 0,047 0,002 0,051 0,475 0,073 0,237 0,116 0,155 0,141 0,350 0,212 0,282 0,152 0,233 0,206
STA 2,585 1,680 1,381 1,218 0,868 1,686 1,408 1,257 2,445 1,590 0,907 1,535 0,963 1,152 0,349 0,207 1,873 1,392 5,576 1,222 2,941 5,643 1,146 3,602 2,577 0,936 1,565 0,090 0,269
SCA SWC 3,343 4,420 2,024 -117,046 1,890 2,700 1,659 2,359 1,121 1,332 2,163 2,938 2,526 -36,488 1,779 3,240 2,853 3,712 2,339 6,909 1,046 1,269 1,931 2,559 2,004 5,769 1,724 2,446 0,517 0,528 0,209 0,287 2,062 4,365 2,751 13,096 6,753 20,800 1,918 15,966 3,410 7,174 6,787 43,119 1,545 1,816 6,693 -25,184 6,431 23,400 1,648 1,883 2,102 3,397 0,190 0,212 0,528 1,192
NITA 0,153 0,000 0,124 0,320 0,063 0,120 0,236 0,078 0,295 0,103 0,149 0,024 0,026 0,238 0,020 0,062 0,047 0,070 0,029 0,074 0,106 0,061 0,089 0,058 0,160 0,134 0,232 0,052 0,067
TLTA 0,203 0,871 0,238 0,272 0,144 0,250 0,634 0,358 0,217 0,510 0,205 0,238 0,372 0,229 0,601 0,269 0,519 0,432 0,572 0,604 0,468 0,709 0,134 0,737 0,385 0,208 0,340 0,072 0,287
CASHCL 1,315 0,102 1,057 1,122 2,260 2,019 0,493 0,148 2,419 0,412 2,084 0,608 0,198 1,791 1,644 0,005 0,480 0,672 0,443 0,282 0,306 0,072 1,423 0,217 0,927 0,452 0,281 9,451 0,293
CASHTA 0,248 0,087 0,232 0,245 0,277 0,415 0,294 0,047 0,480 0,185 0,318 0,119 0,062 0,353 0,022 0,001 0,230 0,269 0,247 0,158 0,138 0,050 0,157 0,148 0,270 0,032 0,080 0,460 0,083
121
Rasio Keuangan yang Berasal dari Laporan Arus Kas Perusahaan Non-Financial Distress Tahun 2008
IKBI JECC KLBF SQBI MRAT DLTA MLBI GGRM BTON CTBN LION IGAR SIAP SMRG ASDM PNLF FORU JTPE BAYU ASGR EMPT FISH MICE AMRT FAST ANTM TINS CTRP CTRS
CFFOCL 0,569 0,182 0,646 1,748 0,700 1,128 0,740 0,295 1,510 0,109 0,739 0,687 -0,480 1,256 0,149 -0,273 0,153 0,455 0,133 0,355 0,224 0,113 1,209 0,279 0,989 1,567 -0,081 0,355 0,162
CFFOTL 0,528 0,176 0,594 1,401 0,595 0,929 0,695 0,262 1,383 0,096 0,550 0,564 -0,405 1,082 0,003 -0,273 0,141 0,421 0,129 0,329 0,217 0,112 0,998 0,257 0,746 0,534 -0,068 0,239 0,161
CFFOTA 0,107 0,154 0,142 0,381 0,086 0,232 0,441 0,094 0,299 0,049 0,113 0,134 -0,151 0,248 0,002 -0,073 0,073 0,182 0,074 0,199 0,101 0,079 0,134 0,190 0,287 0,111 -0,023 0,017 0,046
CFFOS 0,041 0,091 0,103 0,313 0,099 0,138 0,313 0,075 0,122 0,031 0,124 0,087 -0,156 0,215 0,006 -0,354 0,039 0,131 0,013 0,163 0,034 0,014 0,117 0,053 0,112 0,119 -0,015 0,193 0,172
CFFOTS 0,107 0,154 0,142 0,381 0,086 0,232 0,441 0,094 0,299 0,049 0,113 0,134 -0,151 0,248 0,002 -0,073 0,073 0,182 0,074 0,199 0,101 0,079 0,134 0,190 0,287 0,111 -0,023 0,017 0,046
IPPEPPE -0,063 -0,097 -0,230 -0,228 -0,195 -0,111 -0,279 -0,062 -0,005 -0,155 -0,267 -0,081 -0,033 -0,170 -0,490 -0,757 -0,070 -0,340 -0,389 -0,621 -0,292 -0,418 -0,545 -0,625 -0,318 -0,105 -0,654 -0,024 -0,317
IPPETU -0,012 -0,013 -0,054 -0,054 -0,032 -0,020 -0,120 -0,017 -0,001 -0,033 -0,020 -0,016 -0,010 -0,053 -0,023 -0,002 -0,004 -0,162 -0,028 -0,147 -0,034 -0,065 -0,077 -0,219 -0,067 -0,030 -0,100 -0,006 -0,065
RPPETS 0,000 0,000 0,002 0,007 0,002 0,000 0,006 0,001 0,000 0,001 0,000 0,002 0,000 0,001 0,003 0,000 0,000 0,006 0,005 0,001 0,002 0,002 0,003 0,007 0,000 0,000 0,000 0,000 0,001
DITS 0,203 0,871 0,238 0,272 0,144 0,250 0,634 0,358 0,217 0,510 0,205 0,238 0,372 0,229 0,601 0,269 0,519 0,432 0,572 0,604 0,468 0,709 0,134 0,737 0,385 0,208 0,340 0,072 0,287 122
Rasio Keuangan yang Berasal dari Neraca dan Laporan Laba Rugi Perusahaan Financial Distress Tahun 2007
PTSN KARW PAFI SIMM BKPD INCI AKKU IATA TMAS ZBRA ASBI BEKS OCAP YULE ICON ALFA RIMO BNBR DEWA DKTF ENRG CPRO IIKP BTEK BIPP LCGP PWSI APOL
NIS 0,014 0,018 -0,144 -0,035 0,152 0,032 0,003 0,012 0,034 -0,302 -0,119 0,004 0,688 0,544 -0,180 0,001 0,009 0,044 0,038 -2,127 0,102 0,059 0,258 -0,450 -0,253 0,088 -18,575 0,138
CACL 1,611 0,769 1,147 1,126 4,277 6,578 1,233 1,044 0,547 0,364 1,292 0,640 2,003 5,498 1,913 1,272 0,852 1,251 1,716 2,577 0,623 2,837 8,442 162,521 0,438 6,110 0,163 1,729
WCTA 0,192 -0,182 0,044 0,060 0,309 0,698 0,076 0,011 -0,126 -0,228 0,159 -0,391 0,499 0,810 0,085 0,107 -0,105 0,060 0,170 0,587 -0,148 0,337 0,111 0,276 -0,132 0,565 -1,619 0,134
CATA 0,506 0,606 0,345 0,539 0,403 0,823 0,403 0,270 0,151 0,130 0,705 0,694 0,997 0,990 0,177 0,501 0,607 0,297 0,407 0,960 0,245 0,520 0,126 0,277 0,103 0,676 0,315 0,318
NFATA 0,492 0,109 0,655 0,404 0,448 0,167 0,035 0,588 0,752 0,855 0,168 0,008 0,002 0,010 0,723 0,441 0,287 0,465 0,289 0,040 0,001 0,431 0,361 0,700 0,302 0,004 0,026 0,525
STA 1,927 1,124 0,641 1,123 0,026 0,677 0,428 0,399 0,838 0,294 0,567 0,130 0,055 0,068 0,246 4,688 2,061 0,374 0,404 0,157 0,121 0,786 0,196 0,180 0,076 0,149 0,008 0,328
SCA 3,813 1,854 1,858 2,083 0,063 0,823 1,062 1,475 5,540 2,260 0,804 0,187 0,055 0,069 1,386 9,363 3,393 1,261 0,993 0,163 0,495 1,511 1,561 0,650 0,740 0,221 0,026 1,031
SWC 10,055 -6,163 14,526 18,595 0,083 0,970 5,618 34,796 -6,679 -1,291 3,559 -0,333 0,109 0,084 2,905 43,737 -19,556 6,282 2,382 0,267 -0,818 2,333 1,771 0,654 -0,577 0,264 -0,005 2,445
NITA 0,028 0,020 -0,093 -0,039 0,004 0,022 0,001 0,005 0,028 -0,089 -0,068 0,001 0,038 0,037 -0,044 0,006 0,018 0,017 0,016 -0,334 0,012 0,046 0,051 -0,081 -0,019 0,013 -0,153 0,045
TLTA 0,341 1,070 0,799 0,655 0,129 0,132 0,359 0,542 0,652 0,441 0,595 0,914 0,501 0,186 0,676 0,458 0,781 0,513 0,548 1,671 0,642 0,802 0,017 0,003 0,400 0,112 2,015 0,693
CASHCL 0,147 0,013 0,012 0,005 1,139 0,415 0,010 0,030 0,051 0,010 0,058 0,014 0,173 1,664 0,324 0,586 0,109 0,264 0,666 0,010 0,123 0,234 1,177 2,388 0,252 0,131 0,000 0,483
CASHTA 0,046 0,010 0,004 0,002 0,107 0,052 0,003 0,008 0,014 0,004 0,032 0,016 0,086 0,300 0,030 0,230 0,078 0,063 0,158 0,004 0,049 0,043 0,018 0,004 0,059 0,015 0,000 0,089
123
Rasio Keuangan yang Berasal dari Laporan Arus Kas Perusahaan Financial Distress Tahun 2007
PTSN KARW PAFI SIMM BKPD INCI AKKU IATA TMAS ZBRA ASBI BEKS OCAP YULE ICON ALFA RIMO BNBR DEWA DKTF ENRG CPRO IIKP BTEK BIPP LCGP PWSI APOL
CFFOCL -0,267 -0,089 -0,252 -0,033 -0,538 0,004 -0,121 -0,034 0,346 -0,012 -0,152 -0,011 0,009 0,999 0,086 0,238 -0,021 0,194 0,133 1,328 0,143 -0,801 7,489 -116,384 -0,075 -0,748 0,000 0,491
CFFOTL -0,246 -0,066 -0,095 -0,024 -0,392 0,003 -0,110 -0,016 0,147 -0,009 -0,139 -0,013 0,009 0,966 0,012 0,204 -0,019 0,090 0,058 0,296 0,088 -0,183 6,540 -56,883 -0,044 -0,737 0,000 0,130
CFFOTA -0,084 -0,071 -0,076 -0,016 -0,051 0,000 -0,039 -0,009 0,096 -0,004 -0,083 -0,012 0,005 0,180 0,008 0,093 -0,015 0,046 0,032 0,495 0,056 -0,147 0,111 -0,199 -0,018 -0,083 0,000 0,090
CFFOS -0,044 -0,063 -0,118 -0,014 -1,984 0,001 -0,092 -0,022 0,114 -0,014 -0,146 -0,095 0,086 2,629 0,033 0,020 -0,007 0,123 0,078 3,154 0,464 -0,187 0,568 -1,101 -0,232 -0,554 -0,040 0,275
CFFOTS -0,084 -0,071 -0,076 -0,016 -0,051 0,000 -0,039 -0,009 0,096 -0,004 -0,083 -0,012 0,005 0,180 0,008 0,093 -0,015 0,046 0,032 0,495 0,056 -0,147 0,111 -0,199 -0,018 -0,083 0,000 0,090
IPPEPPE -0,108 -0,074 -0,001 -0,034 -0,002 0,000 -0,043 -0,316 -0,171 -0,034 -0,096 -1,393 -1,124 -0,281 -0,060 -0,097 -0,030 -0,288 -0,261 -0,007 -0,393 -0,783 -0,380 -0,001 -0,029 -0,574 -0,001 -0,302
IPPETU -0,053 -0,008 -0,001 -0,014 -0,001 0,000 -0,002 -0,186 -0,129 -0,029 -0,016 -0,011 -0,003 -0,003 -0,044 -0,043 -0,009 -0,134 -0,076 0,000 0,000 -0,337 -0,137 0,000 -0,009 -0,002 0,000 -0,158
RPPETS 0,002 0,001 0,041 0,000 0,000 0,000 0,000 0,003 0,008 0,002 0,003 0,001 0,003 0,000 0,000 0,034 0,000 0,000 0,000 0,002 0,000 0,017 0,006 0,000 0,004 0,000 0,000 0,048
DITS 0,341 1,070 0,799 0,655 0,129 0,132 0,359 0,542 0,652 0,441 0,595 0,914 0,501 0,186 0,676 0,458 0,781 0,513 0,548 1,671 0,642 0,802 0,017 0,003 0,400 0,112 2,015 0,693
124
Rasio Keuangan yang Berasal dari Neraca dan Laporan Laba Rugi Perusahaan Non-Financial Distress Tahun 2007
IKBI JECC KLBF SQBI MRAT DLTA MLBI GGRM BTON CTBN LION IGAR SIAP SMRG ASDM PNLF FORU JTPE BAYU ASGR EMPT FISH MICE AMRT FAST ANTM TINS CTRP CTRS
NIS 0,049 0,031 0,101 0,200 0,044 0,108 0,086 0,053 0,076 0,083 0,141 0,033 0,006 0,185 0,040 0,216 0,022 0,036 0,005 0,099 0,036 0,015 -0,017 0,021 0,065 0,426 0,209 0,272 0,248
CACL 3,091 1,010 4,983 2,972 7,680 4,173 0,591 1,951 3,152 1,540 5,408 3,062 0,913 3,643 1,608 2,673 1,715 1,559 1,639 1,336 1,910 1,076 7,786 0,893 1,282 4,427 2,905 11,806 2,650
WCTA 0,501 0,008 0,585 0,442 0,649 0,555 -0,254 0,351 0,505 0,219 0,693 0,521 -0,045 0,449 0,331 0,622 0,374 0,190 0,327 0,161 0,403 0,062 0,684 -0,072 0,084 0,517 0,511 0,434 0,410
CATA 0,741 0,773 0,732 0,665 0,746 0,730 0,368 0,720 0,740 0,625 0,850 0,774 0,477 0,619 0,875 0,993 0,897 0,532 0,838 0,639 0,845 0,873 0,785 0,604 0,383 0,668 0,779 0,474 0,659
NFATA 0,218 0,200 0,234 0,291 0,168 0,225 0,583 0,270 0,231 0,261 0,079 0,212 0,502 0,363 0,036 0,001 0,057 0,426 0,071 0,227 0,121 0,080 0,104 0,278 0,222 0,251 0,094 0,132 0,126
STA 2,699 1,564 1,363 1,144 0,798 0,742 1,574 1,152 2,479 1,642 0,831 1,423 0,589 1,127 0,320 0,346 1,744 1,030 5,337 1,162 3,040 3,187 0,979 3,805 2,525 0,997 1,697 0,083 0,360
SCA 3,641 2,024 1,863 1,720 1,069 1,017 4,279 1,599 3,352 2,629 0,977 1,839 1,234 1,823 0,366 0,348 1,944 1,939 6,368 1,817 3,597 3,650 1,247 6,299 6,601 1,492 2,178 0,176 0,546
SWC 5,382 200,927 2,331 2,592 1,229 1,337 -6,189 3,280 4,910 7,494 1,199 2,730 -12,956 2,512 0,969 0,556 4,662 5,410 16,338 7,228 7,547 51,433 1,431 -52,801 29,998 1,927 3,320 0,192 0,876
NITA 0,131 0,049 0,137 0,229 0,035 0,080 0,136 0,061 0,189 0,137 0,117 0,047 0,003 0,208 0,013 0,075 0,038 0,037 0,026 0,115 0,111 0,047 -0,017 0,079 0,163 0,425 0,355 0,023 0,089
TLTA 0,253 0,815 0,218 0,302 0,115 0,222 0,682 0,405 0,259 0,459 0,214 0,304 0,654 0,211 0,557 0,372 0,554 0,383 0,526 0,497 0,462 0,816 0,022 0,703 0,401 0,273 0,333 0,106 0,270
CASHCL 0,933 0,006 1,479 0,251 2,865 1,587 0,114 0,055 0,754 0,424 1,859 0,400 0,018 1,952 0,037 0,021 0,323 0,645 0,698 0,505 0,145 0,008 2,525 0,336 0,931 2,609 1,284 11,519 0,304
CASHTA 0,224 0,005 0,217 0,056 0,278 0,278 0,071 0,020 0,177 0,172 0,292 0,101 0,009 0,331 0,020 0,008 0,169 0,220 0,357 0,242 0,064 0,007 0,255 0,227 0,278 0,394 0,345 0,462 0,075
125
Rasio Keuangan yang Berasal dari Laporan Arus Kas Perusahaan Non-Financial Distress Tahun 2007
IKBI JECC KLBF SQBI MRAT DLTA MLBI GGRM BTON CTBN LION IGAR SIAP SMRG ASDM PNLF FORU JTPE BAYU ASGR EMPT FISH MICE AMRT FAST ANTM TINS CTRP CTRS
CFFOCL 0,614 -0,038 0,481 0,688 0,539 0,842 0,588 0,165 0,336 0,184 0,392 0,191 -0,218 1,435 -0,107 0,220 0,042 0,390 0,090 0,407 0,005 -0,081 0,552 0,405 1,562 2,660 1,814 0,727 0,070
CFFOTL 0,581 -0,035 0,324 0,510 0,454 0,663 0,536 0,150 0,304 0,163 0,288 0,159 -0,174 1,155 -0,104 0,220 0,040 0,347 0,087 0,392 0,005 -0,080 2,480 0,390 1,163 1,469 1,464 0,274 0,064
CFFOTA 0,147 -0,029 0,071 0,154 0,052 0,147 0,365 0,061 0,079 0,075 0,062 0,048 -0,114 0,244 -0,058 0,082 0,022 0,133 0,046 0,195 0,002 -0,065 0,056 0,274 0,466 0,402 0,487 0,029 0,017
CFFOS 0,055 -0,018 0,052 0,135 0,066 0,198 0,232 0,053 0,032 0,045 0,074 0,034 -0,194 0,216 -0,181 0,236 0,013 0,129 0,009 0,168 0,001 -0,020 0,057 0,072 0,185 0,403 0,287 0,350 0,048
CFFOTS 0,147 -0,029 0,071 0,154 0,052 0,147 0,365 0,061 0,079 0,075 0,062 0,048 -0,114 0,244 -0,058 0,082 0,022 0,133 0,046 0,195 0,002 -0,065 0,056 0,274 0,466 0,402 0,487 0,029 0,017
IPPEPPE -0,043 -0,055 -0,187 -0,342 -0,139 -0,154 -0,217 -0,041 -0,033 -0,163 -0,203 -0,145 -0,209 -0,104 -0,298 -0,157 -0,134 -0,123 -0,152 -0,530 -0,273 -0,289 -0,264 -0,417 -0,355 -0,065 -0,221 -0,155 -0,054
IPPETU -0,009 -0,011 -0,044 -0,099 -0,024 -0,035 -0,127 -0,011 -0,008 -0,043 -0,016 -0,031 -0,105 -0,038 -0,011 0,000 -0,008 -0,053 -0,011 -0,120 -0,033 -0,023 -0,027 -0,116 -0,079 -0,016 -0,021 -0,020 -0,007
RPPETS 0,000 0,004 0,005 0,008 0,002 0,000 0,002 0,002 0,000 0,004 0,001 0,028 0,001 0,000 0,019 0,000 0,003 0,000 0,001 0,001 0,002 0,000 0,001 0,006 0,000 0,000 0,002 0,000 0,000
DITS 0,253 0,815 0,218 0,302 0,115 0,222 0,682 0,405 0,259 0,459 0,214 0,304 0,654 0,211 0,557 0,372 0,554 0,383 0,526 0,497 0,462 0,816 0,022 0,703 0,401 0,273 0,333 0,106 0,270 126
127
HASIL UJI MANOVA RASIO KEUANGAN DARI NERACA DAN LABA RUGI
LAMPIRAN 2 Between-Subjects Factors N FD
.00
58
1.00
24
2.00
32
LAMPIRAN 3 Multivariate Tests
d
Hypothesis Effect
Value
F
df
Error df
Sig.
Partial Eta
Noncent.
Observed
Squared
Parameter
Power
b
.975 319.256
a
12.000 100.000
.000
.975
3831.074
1.000
.025 319.256
a
12.000 100.000
.000
.975
3831.074
1.000
Hotelling's Trace
38.311 319.256
a
12.000 100.000
.000
.975
3831.074
1.000
Roy's Largest
38.311 319.256
a
12.000 100.000
.000
.975
3831.074
1.000
5.028
24.000 202.000
.000
.374
120.665
1.000
a
24.000 200.000
.000
.411
139.324
1.000
6.617
24.000 198.000
.000
.445
158.808
1.000
c
12.000 101.000
.000
.585
142.352
1.000
Intercept Pillai's Trace Wilks' Lambda
Root FD
Pillai's Trace
.748
Wilks' Lambda
.347
Hotelling's Trace
1.604
Roy's Largest
1.409
5.805
11.863
Root
127
LAMPIRAN 4 Tests of Between-Subjects Effects
Source Corrected Model
Dependent Variable NIS
Type III Sum of Squares a 71.180
Sig. ,004
Partial Eta Squared ,093
Noncent. Parameter 11,446
Observed b Power ,857
2
Mean Square 35,590
c
2
3210,755
1,593
,208
,028
3,186
,331
3.901
d
2
1,950
13,409
,000
,195
26,817
,997
2.252
e
2
1,126
26,167
,000
,320
52,333
1,000
f
2
,320
7,729
,001
,122
15,459
,945
32.016
g
2
16,008
13,952
,000
,201
27,904
,998
SCA
17.110
h
2
8,555
2,339
,101
,040
4,678
,465
SWC
1039.785
i
2
519,893
,518
,597
,009
1,037
,134
NITA
.789
j
2
,394
22,875
,000
,292
45,750
1,000
TLTA
k
2
1,132
9,679
,000
,148
19,357
,980
CASHCL
l
9.178
2
4,589
1,625
,202
,028
3,250
,337
CASHTA
m
2
,255
19,871
,000
,264
39,741
1,000
CACL WCTA CATA NFATA STA
6421.509
.641
2.265
.509
df
F 5,723
128
HASIL UJI MANOVA RASIO KEUANGAN DARI LAPORAN ARUS KAS
LAMPIRAN 5 Between-Subjects Factors N FD
.00
58
1.00
24
2.00
32
LAMPIRAN 6 Multivariate Tests
Effect Intercept
Pillai's Trace
FD
Wilks' Lambda Hotelling's Trace Roy's Largest Root Pillai's Trace Wilks' Lambda Hotelling's Trace Roy's Largest Root
Value ,761
F a 41.385
d
Hypothesis df 8,000
Error df 104,000
Sig. ,000
Partial Eta Squared ,761
Noncent. Parameter 331,084
Observed b Power 1,000
,239
41.385
a
8,000
104,000
,000
,761
331,084
1,000
3,183
41.385
a
8,000
104,000
,000
,761
331,084
1,000
3,183
41.385
a
8,000
104,000
,000
,761
331,084
1,000
,472
4,059
16,000
210,000
,000
,236
64,945
1,000
,576
a
16,000
208,000
,000
,241
66,129
1,000
4,206
16,000
206,000
,000
,246
67,290
1,000
c
8,000
105,000
,000
,324
50,246
1,000
,653 ,479
4.133
6.281
LAMPIRAN 7 Tests of Between-Subjects Effects
Source Corrected Model
Dependent Variable CFFOCL
Type III Sum of Squares a 285.222
Sig. ,356
Partial Eta Squared ,018
Noncent. Parameter 2,085
Observed b Power ,228
2
Mean Square 142,611
c
2
56,579
1,778
,174
,031
3,556
,365
.320
d
2
,160
9,959
,000
,152
19,918
,982
CFFOS
1.951
e
2
,976
,919
,402
,016
1,838
,206
CFFOTS
.320
d
2
,160
9,959
,000
,152
19,918
,982
CFFOTL CFFOTA
113.158
df
F 1,042
129
IPPEPPE
.035
f
2
,018
,278
,758
,005
,555
,093
IPPETU
.010
g
2
,005
1,184
,310
,021
2,368
,255
RPPETS
.003
h
2
,002
3,289
,041
,056
6,578
,614
i
2
1,132
9,679
,000
,148
19,357
,980
DITS
2.265
130
HASIL MULTINOMIAL LOGIT DARI NERACA DAN LAPORAN LABA RUGI
LAMPIRAN 8 Model Fitting Information Model Fitting Criteria Model Intercept Only Final
-2 Log Likelihood 234,488 106,935
Likelihood Ratio Tests ChiSquare
df
127,553
Sig. 16
,000
LAMPIRAN 9 Goodness-of-Fit
Pearson
ChiSquare 176,190
df 210
Sig. ,957
Deviance
106,935
210
1,000
LAMPIRAN 10 Pseudo R-Square Cox and Snell
,673
Nagelkerke
,772
McFadden
,544
LAMPIRAN 11 Parameter Estimates 95% Confidence Interval for Exp(B)
Intercept
B 1,413
Std. Error 2,621
Wald ,291
NIS
5,864
1,909
WCTA
1,542
3,497
CATA
a
FD 1
df
Exp(B)
Lower Bound
Upper Bound
1
Sig. ,590
9,432
1
,002
352,155
8,345
14861,225
,194
1
,659
4,675
,005
4431,457
-2,929
4,342
,455
1
,500
,053
,000
265,614
NFATA
4,930
3,858
1,633
1
,201
138,416
,072
266220,034
STA
-,179
,453
,155
1
,694
,836
,344
2,034
NITA
-41,585
9,846
17,838
1
,000
8,71E-19
,000
,000
TLTA
,638
3,275
,038
1
,846
1,892
,003
1159,704
-9,093
4,002
5,162
1
,023
1,12E-04
,000
,287
CASHTA
131
2
Intercept
3,363
2,692
1,562
1
,211
,313
,391
,641
1
,423
1,367
,636
2,940
WCTA
3,482
3,185
1,195
1
,274
32,519
,063
16711,893
CATA
-9,301
4,328
4,617
1
,032
9,14E-05
,000
,442
NFATA
1,003
3,801
,070
1
,792
2,727
,002
4690,564
STA
-,437
,540
,653
1
,419
,646
,224
1,864
NITA
-27,520
8,966
9,420
1
,002
1,12E-12
,000
,000
TLTA
5,263
3,003
3,072
1
,080
193,092
,537
69474,239
-7,378
5,768
1,637
1
,201
,001
,000
50,696
NIS
CASHTA
LAMPIRAN 12 Classification Predicted Observed 0
0
1
Percent Correct 94,8%
11
8
45,8%
6
23
71,9%
16,7%
28,1%
78,1%
1
2
55
2
1
5
2
3 55,3%
Overall Percentage
132
HASIL MULTINOMIAL LOGIT DARI LAPORAN ARUS KAS LAMPIRAN 13 Model Fitting Information Model Fitting Criteria Model Intercept Only Final
-2 Log Likelihood 234,488
Likelihood Ratio Tests ChiSquare
193,262
df
41,226
Sig. 6
,000
LAMPIRAN 14 Goodness-of-Fit
Pearson
ChiSquare 206,961
df 220
Sig. ,727
Deviance
193,262
220
,903
LAMPIRAN 15 Pseudo R-Square Cox and Snell
,303
Nagelkerke
,348
McFadden
,176
LAMPIRAN 16 Parameter Estimates 95% Confidence Interval for Exp(B) FD 1 Intercept
B -,796
Std. Error ,511
Wald 2,424
CFFOTA
-8,616
2,793
b
a
9,519
1
,002
1,81E-04
.
.
0
.
40,787
26,010
2,459
1
,603
1,010
,357
1
Intercept
-1,775
,518
11,744
1
,001
CFFOTA
-6,437
2,292
7,887
1
,005
CFFOTS
b
.
.
0
.
.
.
.
41,112
25,742
2,551
1
,110
7,157E+17
,000
5,834E+39
2,789
,882
9,993
1
,002
16,264
2,886
91,658
DITS
RPPETS DITS
0
0
Exp(B)
Upper Bound
1
RPPETS
2
Lower Bound
Sig. ,120
CFFOTS
df
,043
.
7,606E07 .
,117
5,173E+17
,000
7,135E+39
,550
1,827
,253
13,221
,002
,000
,143
.
133
LAMPIRAN 17 Classification Predicted
51
2
5
Percent Correct 87,9%
1
13
3
8
12,5%
2
17
1
14
43,8%
71,1%
5,3%
23,7%
59,6%
Observed 0
Overall Percentage
0
1
2
134
HASIL MULTINOMIAL LOGIT DARI NERACA, LAPORAN LABA RUGI DAN LAPORAN ARUS KAS LAMPIRAN 18 Model Fitting Information Model Fitting Criteria
Likelihood Ratio Tests
-2 Log Likelihood 234,488
Model Intercept Only Final
ChiSquare
105,054
Df
129,434
Sig.
20
,000
LAMPIRAN 19 Goodness-of-Fit
Pearson
ChiSquare 182,650
df 206
Sig. ,878
Deviance
105,054
206
1,000
LAMPIRAN 20 Pseudo R-Square Cox and Snell Nagelkerke McFadden
,679 ,778 ,552
LAMPIRAN 21 Parameter Estimates 95% Confidence Interval for Exp(B) FD 1 Intercept
B 1,656
Std. Error 2,786
Wald ,353
NIS
6,362
2,005
WCTA
1,666
CATA
a
Lower Bound
1
10,065
1
,002
579,525
11,378
29517,780
3,712
,201
1
,654
5,290
,004
7644,265
-3,194
4,592
,484
1
,487
,041
,000
332,725
NFATA
4,541
3,954
1,319
1
,251
93,769
,040
217626,657
STA
-,188
,492
,146
1
,703
,829
,316
2,172
-43,101
10,625
16,454
1
,000
1,911E-19
1,726E-28
2,117E-10
TLTA
Exp(B)
Upper Bound
Sig. ,552
NITA
df
,641
3,482
,034
1
,854
1,898
,002
1744,618
CASHTA
-10,902
4,772
5,219
1
,022
1,84E-05
1,596E-09
,212
CFFOTA
3,404
4,663
,533
1
,465
30,076
,003
280059,550
CFFOTS
b
.
.
0
.
.
.
.
0
135
RPPETS
,146
1
,702
4,911E+06
2,469E-28
9,771E+40
.
.
2,886
1,690
0
.
.
.
.
1
,194
,410
,634
1
,426
1,386
,621
3,094
3,296
3,410
,934
1
,334
27,002
,034
21579,315
-9,697
4,608
4,428
1
,035
6,14E-05
7,342E-09
,514
,306
3,919
,006
1
,938
1,358
,001
2943,748
-,622
,614
1,026
1
,311
,537
,161
1,789
NITA
-26,891
9,655
7,757
1
,005
2,097E-12
1,267E-20
,000
TLTA
5,246
3,169
2,740
1
,098
189,836
,381
94598,236
CASHTA
-6,743
5,948
1,285
1
,257
,001
1,019E-08
136,302
CFFOTA
,259
4,846
,003
1
,957
1,296
,000
17262,501
CFFOTS
b
.
.
0
.
.
.
.
23,034
40,219
,328
1
,567
1,008E+10
5,870E-25
1,731E+44
b
.
.
0
.
.
.
.
b
3,752 ,326
WCTA CATA
DITS 2
15,407
Intercept NIS
NFATA STA
RPPETS DITS
0
0
0
40,295
LAMPIRAN 22 Classification Predicted Observed 0 1 2 Overall Percentage
56
1
1
Percent Correct 96,6%
5
12
7
50,0%
0
1
2
3
6
23
71,9%
56,1%
16,7%
27,2%
79,8%
136
