34
BAB III METODE PENELITIAN A. Obyek/subjek penelitian Obyek dan subjek pada penelitian ini adalah seluruh perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) dari tahun 2010-2014 yang diperoleh dari website http://www.idx.co.id, Indonesian Capital Market Directory (ICMD). B. Jenis Data Penelitian ini mengambil data sekunder berupa laporan keuangan periode 2010-2014 yang dipublikasikan. Data laporan keuangan diperoleh dari Publikasi BEI. Periodisasi data penelitian yang mencakup data periode tahun 2010 sampai 2014 dipandang cukup mewakili untuk memprediksi financial distress. C. Teknik Pengambilan Sampel Teknik pengambilan sampel yang digunakan dalam penelitian adalah
metode
purposive
sampling,
yaitu
penentuan
sampel
berdasarkan kriteria tertentu sesuai dengan yang dikehendaki oleh peneliti. Adapun kriteria-kriteria yang dipilih dalam penentuan sampel adalah: 1. Perusahaan Manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) pada tahun 2010-2014
35
2. Perusahaan menyampaikan laporan keuangan 31 Desember secara rutin pada periode 2010-2014 (terutama item – item laporan keuangan yang di hitung menjadi rasio – rasio keuangan dan digunakan sebagai variabel independen dalam penelitian ini). 3. Perusahaan yang mengalami financial distress adalah dengan menggunakan model Altman atau yang lebih dikenal dengan ZScore: Zi =1,2 (
) +1,4 ( ) + 3,3 (
) + 1,0 ( ) + 0,6
Dimana : WC = Working Capital RE = Retained Earning EBIT = Earning Before Interest & Tax S = Sales EQ = Equity TA = Total Assets TL = Total Liabilities
Model ini menghasilkan 3 kategori,antara lain sebagai berikut : Z-score ≤ 1,81 dikategorikan sebagai perusahaan yang memiliki kesulitan keuangan yang sangat besar dan beresiko tinggi sehingga kemungkinan bangkrut pun sangat terbuka lebar. 1,81 < Z-score < 2,99 berada di daerah abu – abu sehingga dikategorikan sebagai
perusahaan
yang memiliki
kesulitan
36
keuangan, namun kemungkinan terselamatkan dan kemungkinan bangkrut sama besarnya, tergantung dari keputusan/ kebijaksanaan manajemen perusahaan sebagai pengambil keputusan. Z-score ≥ 2,99 dikategorikan sebagai perusahaan yang sangat sehat sehingga tidak mengalami kesulitan keuangan.
D. Teknik Pengumpulan Data Sesuai dengan jenis data yang diperlukan yaitu data sekunder, maka metode pengumpulan data dalam penelitian ini adalah dengan menggunakan metode studi kepustakaan dan studi observasi. Data sekunder merupakan sumber data penelitian yang diperoleh peneliti secara tidak langsung melalui media perantara (diperoleh dan dicatat oleh pihak lain). Sedangkan metode studi observasi yaitu suatu cara memperoleh data dengan menggunakan dokumentasi yang berdasarkan pada laporan keuangan yang telah dipublikasikan oleh BEI.
E. Difinisi Operasional Variabel Penelitian 1.
Financial distress (Zi) Financial distress terjadi sebelum kebangkrutan. Model ini perlu untuk dikembangkan, karena dengan mengetahui financial distress perusahaan sejak dini diharapkan dapat dilakukan tindakan-tindakan untuk mengantisipasi kondisi yang mengarah ke kebangkrutan. Luciana (2006), Hofer (1980) dan Whitaker (1999) mengumpamakan
37
kondisi financial distress sebagai suatu kondisi dari perusahaan yang mengalami laba bersih (net profit) negatif selama beberapa tahun tersebut. Pengukuran financial distress dalam penelitian ini menggunakan model Altman yang dikenal dengan Z-score, yaitu score yang ditentukan dari hitungan standar kali nisbah–nisbah keuangan yang menunjukkan tingkat kemungkinan kebangkrutan perusahaan. Jika suatu perusahaan mempunyai skor di bawah 1,8, maka perusahaan tersebut mempunyai probabilitas yang tinggi untuk bangkrut. Z-score dalam penelitian ini dirumuskan sebagai berikut: Zi =1,2 (
) +1,4 ( ) + 3,3 (
) + 1,0 ( ) + 0,6
Dimana: WC = Working Capital RE = Retained Earning EBIT = Earning Before Interest & Tax S = Sales EQ = Equity TA = Total Assets TL = Total Liabilities
Zi =1, jika perusahaan dikatagorikan kelompok perusahaan yang mengalami financial distress. (Apabila nilai Z-score < 1,8)
38
Zi =0, jika perusahaan dikatagorikan kelompok perusahaan yang tidak mengalami financial distress. (Apabila nilai Z-score > 1,81 dan Z-score < 2,99)
2.
Likuiditas ( CR ) Menurut Fred Weston dalam Kasmir (2010) menyatakan bahwa rasio likuiditas merupakan rasio yang menggambarkan kemampuan perusahaan dalam memenuhi kewajiban (hutang) jangka pendek. Rasio likuiditas menyatakan tingkat kemampuan suatu perusahaan untuk memenuhi kewajiban keuangannya pada saat ditagih. Tingginya rasio likuiditas menunjukkan kemampuan perusahaan untuk membayar kewajiban keuangannya pada saat jatuh tempo. Oleh karena itu, diharapkan ada hubungan negatif antara rasio likuiditas dan financial distress.
Likuiditas dalam penelitian ini menggunakan rasio lancar (Current ratio) dengan rumus : Current Ratio =
aktiva lancar Kewajiban Lancar
3.
Profitabilitas (ROA) Rasio profitabilitas merupakan rasio untuk menilai kemampuan perusahaan dalam mencari keuntungan. Rasio ini juga memberikan
39
ukuran tingkat efektivitas manajemen suatu perusahaan (Kasmir, 2010). Tingginya profitabilitas suatu perusahaan akan menunjukkan bahwa perusahaan mampu menghasilkan laba yang tinggi, sehingga kenaikan aktiva juga akan terjadi dan akan menjauhkan perusahaan dari ancaman financial distress. Oleh karena itu, diperkirakan ada hubungan negatif antara rasio profitabilitas dengan financial distress. Profitabilitas dalam penelitian ini menggunakan ROA (Return on Asset) dengan rumus: ROA = Laba Bersih Total Aktiva
4. Financial Leverage (DER) Financial leverage menunjukkan kemampuan perusahaan untuk memenuhi kewajiban baik untuk jangka pendek maupun jangka panjang. Analisis terhadap rasio ini diperlukan untuk mengukur kemampuan perusahaan dalam membayar hutang (jangka pendek dan jangka panjang) apabila pada suatu saat perusahaan dilikuidasi atau dibubarkan (Sigit, 2008). Financial leverage diproxikan dengan DER merupakan perbandingan antara total hutang dibagi dengan total modal. DER dalam penelitian ini dirumuskan sebagai berikut : DER = Total Hutang Total Ekuitas
40
F. Uji Analisis Data 1. Uji Hipotesis Pengujian hipotesis dalam penelitian ini bertujuan untuk mengetahui seberapa besar pengaruh variabel independen yang dimasukkan dalam model terhadap variabel dependen. Metode analisis yang digunakan untuk menguji hipotesis dalam penelitian ini adalah regresi logistik (logistic regression), dimana variabel bebasnya merupakan kombinasi antara matrix dan non matrix (nominal). Dalam penggunaannya, regresi logistik tidak memerlukan distribusi yang normal pada variabel bebasnya (variabel independen). Pada prinsipnya, regresi logistik mempunyai tujuan untuk memperkirakan besarnya probabilitas kejadian tertentu di dalam suatu populasi sebagai suatu fungsi eksplanatori. Ghozali (2009) menjelaskan bahwa logistic regression sebetulnya mirip dengan analisis diskriminan yaitu untuk menguji apakah probabilitas terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya. Namun, dalam hal ini di analisis dengan logistic regression karena tidak perlu asumsi normalitas data pada variabel bebasnya. Regresi logistik adalah regresi yang digunakan untuk menguji apakah probabilitas terjadinya variabel dependen/terikat dapat diprediksi
oleh
variabel
bebasnya
(variabel
independen).
Dalam
penggunaannya, regresi logistik tidak memerlukan distribusi yang normal pada variabel bebasnya (variabel independen). Variabel dependen yang digunakan dalam penelitian ini menggunakan variabel binary/dummy, yaitu apakah perusahaan tersebut mengalami kondisi
41
financial distress atau tidak. Variabel independen yang digunakan dalam model adalah financial ratios. Adapun financial ratios yang digunakan dalam penelitian ini adalah rasio leverage, rasio likuiditas, rasio aktivitas, dan rasio profitabilitas. Berdasarkan rumusan masalah dan kerangka teoritis yang telah disajikan sebelumnya, maka model yang digunakan dalam penelitian ini adalah (Imam Ghozali, 2001): Zi = α + βitCRit+ βitROAit + βitDERit + e Dimana : Zi = variabel kondisi financial distress perusahaan CRit = variabel rasio likuiditas. DERit = variabel rasio leverage. ROAit = variabel rasio profitabilitas. α = konstanta β1...β3 = koefisien regresi e = error term (2,7182)
2.
Uji Statistik Deskriptif Analisis statistik deskriptif merupakan metode-metode statistik yang berfungsi untuk menggambarkan data yang telah dikumpulkan. Suatu data dapat dideskripsikan melalui mean, standar deviasi, varian, maksimum, minimum, sum, range, skewness, dan kurtosis (Ghozali, 2011). Mean menunjukkan nilai rata-rata dari sampel. Maksimum dan minimum menunjukan nilai terbesar dan terkecil dari sampel tersebut. Selanjutnya
42
adalah Range, yang mana menunjukkan selisih antara nilai maksimum dan minimum. Adapun skewness berfungsi untuk mengukur kemiringan distribusi data, sedangkan kurtosis 53 digunakan untuk mengukur puncak distribusi data. Keduanya merupakan ukuran untuk melihat apakah data terdistribusi secara normal ataukah tidak. a. Hosmer and Lemeshow Test Hosmer dan Lemeshow,s Goodness of Fit Test menguji hipotesis bahwa data empiris cocok atau sesuai dengan model ( tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit). Jika nilai Hosmer and Lemeshow Goodness of Fit test statistic sama dengan atau kurang dari 0,05 maka hipotesis ditolak yang berarti ada perbedaan signifikan anatara model dengan nilai observasinya sehingga Goodnes of Fit model tidak baik karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistic Hosmer aand Lemeshow Goodnes of Fit lebih besar dari 0,05 maka hipotesis tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya.
b. Nagelkerke R2 (Koefisien Determinasi Majemuk) Koefisien ini digunakan untuk mengukur seberapa besar variasi dari variabel dependennya dapat dijelaskan oleh variasi nilai dari variabel – variabel bebasnya. Dengan kata lain nilai – nilai statistik tersebut mengukur tingkat keberhasilan model regresi yang kita gunakan dalam memprediksi nilai variabel dependen atau mengetahui kecocokan
43
(goodness of fit) dari model tersebut. Nilai Nagelkerke R-square memiliki rentang nilai antara nol dan satu (0 < R2 < 1). Semakin mendekati nilai satu maka hampir semua variabel independen dapat menjelaskan variabel dependen dan model tersebut dapat dikatakan semakin baik. Nilai R-square pada model logit akan menghasilkan nilai yang lebih rendah bila dibandingkan dengan nilai R2 pada regresi OLS biasa. Oleh karena itu nilai R-square tidak terlalu dipermasalahkan.
