JEB. PENGARUH PERBANDINGAN ECONOMIC VALUE ADDED DAN RASIO PROFITABILITAS TERHADAP RETURN SAHAM Priska Ika Setiyorini

ISSN: 1978 - 3116

VOL. 5, NO. 3, NOVEMBER 2011

JEB VOL. 5, NO. 3, NOVEMBER 2011: 191-264

PENGARUH PERBANDINGAN ECONOMIC VALUE ADDED DAN RASIO PROFITABILITAS TERHADAP RETURN SAHAM Priska Ika Setiyorini STRUKTUR MODAL DAN PREDIKSI KEGAGALAN PERUSAHAAN: TEORI DAN APLIKASI Rowland Bismark Fernando Pasaribu MODEL DINAMIS PERTUMBUHAN EKONOMI, INFLASI, DAN PENGANGGURAN DI INDONESIA Endang Setyowati PENGARUH PENGUNGKAPAN LAPORAN KEUANGAN SUKARELA, LEVERAGE, DAN SET KESEMPATAN INVESTASI TERHADAP MANAJEMEN LABA Henggar Watiningsih PENGARUH KEPUASAN KERJA TERHADAP PRESTASI KERJA KARYAWAN DEPARTEMEN PRODUKSI PT X (PERSERO), SURABAYA Sri Langgeng Ratnasari HUBUNGAN ANTARA PENDAPATAN PER KAPITA DAN INDEKS PEMBANGUNAN MANUSIA (IPM) Algifari

JEB

VOL. 5

NO. 3

Hal 191-264

NOVEMBER 2011

ISSN: 1978-3116

Vol. 5, No. 3, November 2011

JURNA L EKONOMI & BISNIS

Tahun 2007

JURNAL EKONOMI & BISNIS (JEB) EDITOR IN CHIEF Djoko Susanto STIE YKPN Yogyakarta EDITORIAL BOARD MEMBERS Baldric Siregar STIE YKPN Yogyakarta

Soeratno Universitas Gadjah Mada

Dody Hapsoro STIE YKPN Yogyakarta

Wisnu Prajogo STIE YKPN Yogyakarta

MANAGING EDITORS Sinta Sudarini STIE YKPN Yogyakarta EDITORIAL SECRETARY Rudy Badrudin STIE YKPN Yogyakarta PUBLISHER Pusat Penelitian dan Pengabdian Masyarakat STIE YKPN Yogyakarta Jalan Seturan Yogyakarta 55281 Telpon (0274) 486160, 486321 ext. 1406 Fax. (0274) 486155 EDITORIAL ADDRESS Jalan Seturan Yogyakarta 55281 Telpon (0274) 486160, 486321 ext. 1332 Fax. (0274) 486155 http://www.stieykpn.ac.id e-mail: [email protected] Bank Mandiri atas nama STIE YKPN Yogyakarta No. Rekening 137 – 0095042814

Jurnal Ekonomi & Bisnis (JEB) terbit sejak tahun 2007. JEB merupakan jurnal ilmiah yang diterbitkan oleh Pusat Penelitian dan Pengabdian Masyarakat Sekolah Tinggi Ilmu Ekonomi Yayasan Keluarga Pahlawan Negara (STIE YKPN) Yogyakarta. Penerbitan JEB dimaksudkan sebagai media penuangan karya ilmiah baik berupa kajian ilmiah maupun hasil penelitian di bidang ekonomi dan bisnis. Setiap naskah yang dikirimkan ke JEB akan ditelaah oleh MITRA BESTARI yang bidangnya sesuai. Daftar nama MITRA BESTARI akan dicantumkan pada nomor paling akhir dari setiap volume. Penulis akan menerima lima eksemplar cetak lepas (off print) setelah terbit. JEB diterbitkan setahun tiga kali, yaitu pada bulan Maret, Juli, dan Nopember. Harga langganan JEB Rp7.500,- ditambah biaya kirim Rp12.500,- per eksemplar. Berlangganan minimal 1 tahun (volume) atau untuk 3 kali terbitan. Kami memberikan kemudahan bagi para pembaca dalam mengarsip karya ilmiah dalam bentuk electronic file artikel-artikel yang dimuat pada JEB dengan cara mengakses artikel-artikel tersebut di website STIE YKPN Yogyakarta (http://www.stieykpn.ac.id).

ISSN: 1978-3116

Vol.

5, No. 3, November 2011

JURNA L EKONOMI & BISNIS

Tahun 2007

DAFTAR ISI

PENGARUH PERBANDINGAN ECONOMIC VALUE ADDED DAN RASIO PROFITABILITAS TERHADAP RETURN SAHAM Priska Ika Setiyorini 191-208 STRUKTUR MODAL DAN PREDIKSI KEGAGALAN PERUSAHAAN: TEORI DANAPLIKASI Rowland Bismark Fernando Pasaribu 209-220 MODEL DINAMIS PERTUMBUHAN EKONOMI, INFLASI, DAN PENGANGGURAN DI INDONESIA Endang Setyowati 221-235 PENGARUH PENGUNGKAPAN LAPORAN KEUANGAN SUKARELA, LEVERAGE, DAN SET KESEMPATAN INVESTASI TERHADAPMANAJEMEN LABA Henggar Watiningsih 237-244 PENGARUH KEPUASAN KERJATERHADAP PRESTASI KERJA KARYAWAN DEPARTEMEN PRODUKSI PT X (PERSERO), SURABAYA Sri Langgeng Ratnasari 245-251 HUBUNGANANTARAPENDAPATAN PER KAPITA DAN INDEKS PEMBANGUNAN MANUSIA(IPM) Algifari 253-264

ISSN: 1978-3116

Vol. 5, No. 3, November 2011

JURNA L EKONOMI & BISNIS

Tahun 2007

MITRA BESTARI JURNAL EKONOMI & BISNIS (JEB) Editorial JEB menyampaikan terima kasih yang sebesar-besarnya kepada MITRA BESTARI yang telah menelaah naskah sesuai dengan bidangnya. Berikut ini adalah nama dan asal institusi MITRA BESTARI yang telah melakukan telaah terhadap naskah yang masuk ke editorial JEB Vol. 5 tahun 2011 (Vol. 5, No. 1, Maret 2011; Vol. 5, No. 2, Juli 2011; dan Vol. 5, No. 3, Nopember 2011).

Agus Suman Universitas Brawijaya

HM. Wahyuddin Universitas Muhammadiyah Surakarta

Akhmad Makhfatih Universitas Gadjah Mada

J. Sukmawati Sukamulja Universitas Atma Jaya Yogyakarta

Catur Sugiyanto Universitas Gadjah Mada

Lincolin Arsyad Universitas Gadjah Mada

Didin Fatihudin Universitas Muhammadiyah Surabaya

Ritha Fatimah Dalimunthe Universitas Sumatra Utara

Edy Suandi Hamid Universitas Islam Indonesia

R. Maryatmo Universitas Atma Jaya Yogyakarta

FX. Sugiyanto Universitas Diponegoro

Wasiaturrahma Universitas Airlangga

ISSN: 1978-3116 STRUKTUR MODAL DAN PREDIKSI KEGAGALAN PERUSAHAAN:............... (Rowland Bismark Fernando Pasaribu)

Vol. 5, No. 3, November 2011 Hal. 209-220

JURNA L EKONOMI & BISNIS

Tahun 2007

STRUKTUR MODAL DAN PREDIKSI KEGAGALAN PERUSAHAAN: TEORI DAN APLIKASI Rowland Bismark Fernando Pasaribu ABFI Institute Perbanas Jakarta E-mail: [email protected]

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

PENDAHULUAN Kebangkrutan yang dialami oleh banyak perusahaan global semakin menegaskan akan pentingnya prediksi gagal-bayar baik dalam konteks akademis dan aplikasi riil. Saat ini nampaknya semakin sangat penting saja urgensi membentuk sistem peringatan dini yang dapat membantu menghindari perusahaan dalam kondisi gagal-bayar di satu sisi dan memfasilitasi pemilihan

emiten untuk dijadikan nominator ketika akan berinvestasi terhadap perusahaan tersebut di sisi lain. Penelitian mengenai prediksi gagal-bayar telah mengalami perjalanan yang cukup panjang sejak awal dicetuskan melalui karya Beaver (1966, 1968) dan Altman (1968). Pendekatan yang ada untuk memprediksi kegagalan perusahaan sebagian besar adalah aplikasi teknik klasifikasi statistik (biasanya analisis diskriminan) terhadap sampel yang terdiri perusahaan gagal dan non-gagal. Contoh penelitian tersebut telah dilakukan Deakin (1972) dan Altman et al. (1977). Setelah itu terjadi pergeseran penggunaan teknik analisis yakni dengan analisis probit atau logit. Martin (1977) dan Ohlson (1980) adalah yang pertama dalam mengaplikasikan teknik ini diikuti oleh Wiginton (1980), Zmijewski (1984), Zavgren (1985), Aziz dan Lawson (1989), Lennox (1999), serta Westgaard dan Van der Wijst (2001). Teknik statistik lainnya yang juga telah diperkenalkan adalah partisi rekursif (Frydman et.al, 1985); teori katastrophi (Gregory et.al, 1991); penskalaan multidimensi (Mar Molinero dan Ezzamel, 1991); neural networks (Tam dan Kiang, 1992); model multinominal logit (Johnsen dan Melicher, 1994); metodologi bantuan keputusan multi-kriteria (Zopounidis dan Doumpos, 1999), dan cara penetapan langsung (Dimitras et al., 1999). Simpulan umum dari usaha penelitian yang ekstensif ini terlihat menjadikan tiap studi yang dilakukan menghasilkan diskriminasi yang beralasan antara perusahaan yang gagal dan non-gagal, tetapi juga dan mungkin lebih signifikan bahwa beragam

209

JEB, Vol. 5, No. 3, November 2011: 209-220

penelitian berusaha keras menunjukkan suatu persetujuan mengenai faktor yang penting untuk prediksi kegagalan. Faktanya, dapat dikatakan bahwa kurang lebih 40 tahun penelitian mengenai topik ini belum berhasil menghasilkan variabel mana dan mengapa, sebagai prediktor yang baik. Ketidaksepakatan kesimpulan tersebut tentu saja, secara parsial dapat ditujukan pada fakta bahwa penelitian-penelitian tersebut mengacu pada periode, negara, dan industri yang berbeda-beda. Faktor lainnya mungkin pada praktiknya, seluruh penelitian tersebut tidak memiliki kerangka kerja teoritis untuk mengarahkan usaha penelitian empiris. Dalam ketiadaan teori yang menyediakan hipotesis yang dapat diuji, maka hasil empiris harus dievaluasi kualitasnya dan hanya berharap bahwa muncul suatu pola dari sejumlah besar hasil empiris. Kondisi seperti ini menimbulkan persepsi yang kurang elegan dalam positioning topik penelitian prediksi kegagalan karena tidak memiliki acuan teori dasar apabila dibanding topik-topik lainnya dalam ilmu manajemen keuangan. Penelitian ini mencoba mendirikan tiang penyanggah teoritis pada prediksi kegagalan dengan mendayagunakan teori neo-klasik struktur modal sebagai titik awal. Demikian selanjutnya teori ini mengikuti pendekatan alternatif yang dibandingkan model Merton yang telah terkenal didasarkan teori penetapan harga opsi dan kemudian dielaborasikan k edalam model KMV. Asal struktur modal yang mendasari teori gagal-bayar di satu sisi terdapat pada model yang menghubungkan risiko kejatuhan kepada penilaian klaim perusahaan (Gordon, 1971; Scott, 1977; dan Vinso, 1979). Elaborasi yang terakhir dapat ditemukan dalam Scott (1981). Di sisi lain, teori ini juga terdapat dalam model struktur modal optimal yang dikembangkan pada kebangkitan teorema irelevansinya Modigliani-Miller (Modigliani dan Miller, 1958, 1963), Baxter (1967), Kraus dan Litzenberger (1973), Scott (1976), dan Kim (1978). Pada pelaksanaannya, seluruh model struktur modal optimal menggunakan kondisi gagal-bayar dalam derivasi struktur modal optimal. Kondisi ini menangkap esensi keputusan gagal-bayar terjadi pada saat nilai beragam arus kas yang tersedia untuk perusahaan tidak memadai untuk melunasi kewajiban utangnya. Berdasarkan hal tersebut, dihasilkan teori kepemilikkan pada struktur modal optimal dalam keseimbangan komparatifnya sebagai dasar untuk analisis empiris.

210

Anehnya, model ini jarang, jika sekiranya ditulis ulang dan secara tegas menyatakan kemungkinan kegagalan perusahaan dan karakteristiknya, yaitu bagaimana model tersebut dipengaruhi oleh faktor penentu struktur modal optimal. Sejak awal delapan puluhan, garis penelitian teoritis ini nampak sepenuhnya lebih baik dengan opsi yang didasarkan teori default. Berdasarkan uraian singkat di atas, penelitian ini bertujuan untuk mengklarifikasi kapasitas dari konsep teori struktur modal sebagai prediktor probabilitas kegagalan perusahaan MATERI DAN METODE PENELITIAN Model yang digunakan adalah model struktur modal optimal periode tunggal. Model ini memungkinkan ketidaksempurnaan pasar -pajak dan biaya kegagalandan memadai untuk menangkap esensi teori trade-off, di mana struktur modal optimal ditetapkan sebagai trade-off antara keunggulan pajak dan ekspektasi biaya kegagalan. Model ini diadopsi dari teorema Van der Wijst (1989) yang dielaborasi. Asumsi utama model adalah pasar modal diasumsikan tidak berbiaya dan kompetitif. Pajak laba perusahaan adalah konstan dan menurut sistem pajak penghasilan yang memungkinkan deduksi seluruh pembayaran kreditur, termasuk pembayaran kembali pokok utang dari pajak penghasilan perusahaan. Meski demikian, tidak terdapat item pengurangan pajak dan pajak individual. Seluruh pelaku pasar diasumsikan greedy dan bertindak secara rasional. Jumlah pendapatan yang dihasilkan perusahaan diasumsikan tetap, yakni seluruh keputusan investasi telah dibuat tetapi keputusan pendanaan belum. Perusahaan hanya menggunakan ekuitas dan utang. Utang tidak hanya merupakan subyek terhadap risiko gagal bayar. Investor diasumsikan berposisi netral terhadap risiko dan memiliki kewajiban terbatas. Dalam penetapan asumsi ini, arus kas perusahaan hanyalah sumber dana yang dapat digunakan untuk memenuhi kewajiban terhadap kreditur. Akibatnya, kalau kewajiban ini melebihi arus kas perusahaan, maka terjadi gagal-bayar dan perusahaan mendeklarasikan kebangkrutan. Oleh karena itu, kondisi kebangkrutan b adalah: b=ζ
STRUKTUR MODAL DAN PREDIKSI KEGAGALAN PERUSAHAAN:............... (Rowland Bismark Fernando Pasaribu)

arus kas perusahaan sebelum bunga dan pajak (EBIT) dan R adalah pembayaran terhadap kreditur. Nilai ζ diasumsikan berdistribusi normal dengan rata-rata µx dan standar deviasi σx. Kalau di akhir periode, terjadi kondisi b, para pemilik saham dilindungi dengan kewajiban terbatas dan tidak menerima apaapa. Selanjutnya pemilik saham menerima arus kas setelah pajak dan bunga. Nilai pada akhir periode, Ye adalah: Ye = 0 kalau ζ < b (2) Ye = (1-τ)(ζ-R) kalau ζ < b di mana ô adalah tingkat pajak perusahaan. Untuk investor risiko-netral keseimbangan nilai ekuitas, Ve adalah nilai diskonto saat ini pada tingkat suku bunga bebas risiko, pada ekspektasi Ye, yaitu:

Sejak didefinisikan sebagai fungsi kumulasi densitas, probabilitas kegagalan akan selalu memiliki nilai antara 0 dan 1. Nilai total perusahaan diperoleh dengan menambahkan Ve dan Vd setelah menyusun ulang terminologi, yaitu: . b % % $ &f (& )d& " ' $ &f (& )d& " $ B (& ) f (& )d& 'R(1 " F ) V #

0

b

0

(1 r )

(6) Struktur modal optimal dan kapasitas hutang diperoleh dengan mendiferensiasikan V dan Vd dengan mengacu kepada R: V τ (1− F) − B (R) f (R) R = (1 + r)

(7)

Vd τ (1− F) − B (R) f (R) = R (1 + r)

(8)

%

Ve #

E (Ye) (1 r )

(1 " ' ) $ (& " R ) ! (& ) d& b

(3)

(1 r )

di mana r adalah tingkat suku bunga bebas risiko. Nilai kreditur pada akhir periode, Yd diperoleh dengan cara yang sama. Kalau terjadi kondisi kebangkrutan, perusahaan dialihkan kepada kreditur yang berarti kreditur menerima arus kas minus biaya kegagalan. Terbatasnya nilai kewajiban menghindarkan kreditur menerima arus kas negatif. Jadi nilai utang pada akhir periode adalah: Yd = 0 Yd = ζ-B(ζ) Yd =R

kalau ζ d” 0 kalau 0 < ζ < b kalau ζ > b (b=R)

(4)

di mana B(x) adalah jumlah biaya kegagalan sebagai fungsi pada arus kas ζ. Nilai keseimbangan hutang adalah present value dari ekspektasi Yd: b

Vd #

$ (& " B(& ))! (& )d&

R (1 " F )

0

(1 r )

di mana F adalah probabilitas kegagalan: b

F#

$ f (& )d& .

"%

(5)

di mana B(R) dan f(R) adalah fungsi biaya kegagalan dan probabilitas kegagalan arus kas. Keduanya dievaluasi pada titik struktur modal optimal. Dengan menetapkan persamaan 8 sama dengan nol, memberikan jumlah utang maksimum kreditur yang akan dikucurkan, atau kapasitas utang perusahaan. Persamaan 7 ditetapkan sama dengan nol, memberikan jumlah hutang yang memaksimalkan nilai perusahaan yakni struktur modal optimal. Hal ini ditunjukkan bahwa untuk arus kas berdistribusi normal pada kondisi order kedua untuk persamaan 7 dan 8 terpenuhi. Karena tingkat pajak perusahaan t, memiliki nilai antara 0 dan 1, jumlah utang dalam struktur modal optimal adalah lebih kecil daripada jumlah utang yang akan dicairkan kreditur. Ini berarti persamaan 8 tidak membatasi jumlah utang yang dapat diterima perusahaan yaitu struktur modal optimal tercapai sebelum kapasitas utang. Perumusan kembali persamaan 7 memberikan persamaan berikut:

τ (1− F) B (R) f (R) = (1 + r) (1 + r)

(9)

Persamaan sisi kiri merepresentasikan nilai saat ini pada marjin penghematan pajak, sementara di sisi kanan merepresentasikan nilai saat ini pada marjin biaya

211

JEB, Vol. 5, No. 3, November 2011: 209-220

kegagalan. Oleh karena itu, struktur modal tercapai saat marjin keuntungan pendanaan utang sama dengan biaya marjin. Diskusi yang lebih ekstensif dan kalkulasi detail selanjutnya dapat dilihat pada Van der Wijst (1989). Pada penjelasan ini model struktur modal diformulasi ulang sebagai model probabilitas kegagalan dan selanjutnya dianalisis. Persamaan 9 merepresentaikan pilihan optimal pada struktur modal sebagai fungsi tingkat pajak, biaya kegagalan, dan distribusi kepemilikan arus kas termasuk probabilitas gagal bayar: F = 1−

B (R) f (R) τ

(10)

di mana seluruh variabel telah dijelaskan sebelumnya. Persamaan 10 merefleksikan konsekuensi probabilitas gagal bayar pada keputusan untuk maksimisasi nilai perusahaan dengan menggunakan struktur modal sebagai instrumennya. Probabilitas gagal-bayar itu sendiri bukanlah variabel tujuan (untuk diminimalisir atau dioptimalkan) atau instrumen langsung. Probabilitas gagal-bayar tentu saja dimanipulasi secara tidak langsung dengan memilih tingkat R. Dalam persamaan 10 probabilitas gagal-bayar tergantung pada tingkat pajak, biaya kegagalan, dan distribusi kepemilikan arus kas. Untuk menganalisis model, selanjutnya dikalkulasi perbandingan statisnya. Ini menunjukkan pengaruh pada probabilitas gagal-bayar, F terhadap perubahan dalam variabel di model. Komparasi statis pada model dideskripsikan berikut di mana beberapa kalkulasi yang lebih detail ditambahkan, yaitu: Probabilitas gagal bayar, F, tergantung pada ukuran hutang dengan cara berikut: f ( R) . B( R )( 1 x " R) /F # ' ,/R 0 2x ( 0 kalau 1 x 2 R

+ B' ( R )) ( *

/F B( R) f ( R) # 30 /' '2

(12)

Kedua biaya kegagalan, yakni f(R) dan ô, tingkat pajak perusahaan adalah positif. Hal ini berarti suatu kenaikan dalam tingkat pajak akan meningkatkan probabilitas gagal-bayar. Hal tersebut membuat pendanaan utang lebih menarik marjin, akan mengarah pada semakin besarnya jumlah utang dalam struktur modal optimal dan probabilitas gagal-bayar yang semakin tinggi. Derivasi F terkait dengan biaya kegagalan, yaitu:

f ( R) /F # (0 ' / ( R)

(13)

karena f(R) dan ô keduanya positif, maka persamaan 13 menjadi negatif. Di mana kenaikan dalam biaya kegagalan membuat pendanaan utang kurang menarik marjin. Hal ini akan mengarah pada semakin kecilnya jumlah utang dalam struktur modal optimal serta mengurangi probabilitas gagal-bayar. Perubahan dalam standar deviasi arus kas akan mempengaruhi probabilitas gagal bayar sebagai berikut: /F # /0 x

B ( R)

'

/f /0 x

#

f ( R ) B( R) . 1 ( R " 1 x ) 2 + (14) " , ) ' 0 3x * -0 x

kompleks, f(R), B(R), ô dan óx, ketiganya adalah positif. Jadi persamaan dalam bagian kudrat akan menentukan tanda pada persamaan 14 dan dibatasi hanya sampai: (11)

Karena f(R), tingkat pajak perusahaan, biaya kegagalan, varian arus kas, dan derivasi pertama pada biaya kegagalan semuanya adalah positif (persamaan 11) akan negatif kalau ì x e” R. Tanda tersebut tergantung pada ukuran relatif variabel lainnya dan tidak dapat ditentukan secara definitif. Hal ini berarti

212

pengaruh leverage terhadap probabilitas gagal-bayar tidak dapat ditentukan secara definitif dan dalam rentang yang dapat ditentukan secara definitif pengaruhnya karena keduanya bertentangan terhadap prediksi kebijaksanaan konvensional. Perubahan pada F terkait dengan perubahan dalam tingkat pajak adalah:

ó²x – (R- ìx)² < 0 kalau R- ìx > óx = 0 kalau R- ìx = óx > 0 kalau R- ìx < óx

(15)

Oleh karena itu, komparasi statis pada standar deviasi arus kas tergantung pada perbedaan antara ekspektasi earning dan kewajiban hutang, lebih besar

STRUKTUR MODAL DAN PREDIKSI KEGAGALAN PERUSAHAAN:............... (Rowland Bismark Fernando Pasaribu)

atau lebih kecil daripada standar deviasi earning. Perubahan pada ekspektasi arus kas mendatang, ìx, pada F adalah:

/F # /1 x

B ( R)

/f /1 x

'

#

f ( R) B( R)

'0 2 x

(1 x " R) 3 0

kalau ìx > R

(16)

= 0 kalau ìx = R < 0 kalau ìx < R Oleh karena f(R), biaya kegagalan B(R), tingkat pajak, dan varian arus kas semuanya positif, tanda persamaan 6 tergantung pada hubungan antara ekspektasi arus kas dan ukuran utang. Komprasi statis pada model probabilitas gagal-bayar diringkas pada Tabel 1 Berikut ini: Tabel 1 Pengaruh Variabel dalam Model Terhadap Probabilitas Gagal-Bayar Kompaasi Statis

/F /

R, Hutang t, Tingkat Pajak B(R ), Biaya Kegagalan ó, St.Dev Arus Kas ì, Ekspektasi Arus Kas

Ekspektasi Penngaruh terhadap F Positif atau tidak ditentukan Positif. Negatif Positif atau Negatif Positif atau Negatif

Aspek yang sangat menarik perhatian pada Tabel 1 adalah tidak hanya struktur modal atau distribusi kepemilikan arus kas (ekspektasi dan varian) memiliki pengaruh secara langsung terhadap probabilitas gagalbayar. Simpulan yang dapat dikomparasi tercapai dalam analisis statis komparatif menyangkut model struktur modal optimal (probabilitas gagal bayar memiliki pengaruh yang ambigu atas struktur modal optimal, Van der Wijst, 1989). Hal ini menantang kebijaksanaan konvensional peningkatan probabilitas gagal-bayar, ceteris paribus, dengan varian arus kas dan leverage dan penurunan dengan ekspektasi arus kas. Karenanya, tidaklah logis menyusun asumsi mengenai R, ìx, dan óx yang membawa seluruh komparatif statis

sejalan dengan kebijakan konvensional. Jika leverage dan ekspektasi arus kas memiliki efek kebijakankonvensional, maka harus diasumsikan bahwa ìx
213

JEB, Vol. 5, No. 3, November 2011: 209-220

analisis adalah utang: DTA; pajak: TAX/EBIT; ekspektasi arus kas (ìx); CF = (net profit + depreciation)/ total assets; standar deviasi arus kas (óx): dan biaya kegagalan B(x) : diaproksimasi dengan ukuran perusahaan (ln(sales). Oleh karena variabel tersebut adalah transformasi ini secara langsung dari angka-angka akuntansi maka tidak memerlukan banyak diskusi mengenainya. Variabel arus kas dan leverage dimasukkan dalam analisis tanpa hipotesis yang tegas atau eksplisit mengenai pengaruhnya. Tarif pajak dihipotesiskan berhubungan positif terhadap probabilitas gagal-bayar. Biaya kegagalan biasanya diasumsikan berhubungan terbalik terhadap ukuran perusahaan, yaitu biaya kegagalan sebagai bagian dari nilai perusahaan yang mengurangi ukuran perusahaan. Di dalam model penelitian ini, biaya kegagalan berpengaruh negatif terhadap probabilitas gagal-bayar. Oleh karena itu, hal ini mengarahkan pada hipotesis bahawa ukuran perusahaan berhubungan positif terhadap probabilitas gagal-bayar. Variabel dependen yang digunakan dalam penelitian ini adalah kondisi kegagalan perusahaan sebagai variabel kategori; 0 untuk perusahaan yang mengalami kegagalan dan 1 untuk perusahaan nongagal. Variabel independen yang digunakan dalam penelitian ini adalah rasio keuangan dari utang, pajak, ekspektasi arus kas, standar deviasi arus kas, dan biaya kegagalan.

Dalam penelitian untuk melihat apakah variabel bebas X berpengaruh terhadap variabel tidak bebas Y yang berbentuk kategori, model logistik yang digunakan adalah: P (Y # 1 X 1 , X 2 ,

, X k ) # P( X ) #

1 1 e

" (4 7 6 iXi )

atau logit P(X) = á+ÓâiXi dimana Y = 1 jika kejadian yang diamati sebagai variabel tidak bebas dan variabel Xi sebagai variabel bebas. Untuk uji keberartian/kecocokan model digunakan uji statistik Hosmer dan Lemeshow dengan hipotesis: Ho = Tidak ada perbedaan nyata antara klasifikasi prediksi dan klasifikasi observasi. Ha = Terdapat perbedaan nyata antara klasifikasi prediksi dan klasifikasi observasi. dengan kriteria tolak Ho untuk á yang ditetapkan jika

sig . 5 2 4 , n " k "1 ( 4 0 .05 Ho = Koefisien regresi tidak signifikan Ha = Koefisien regresi signifikan. dengan kriteria tolak Ho untuk á yang ditetapkan jika HASIL PENELITIAN

Tabel 2 Hasil Uji Signifikansi Simultan

214

Sampel

Aneka Keseluruhan

Industri Dasar Industri

Industri Barang dan Kimia

Industri Kunsumsi

Perdagangan

Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9

0.000 0.363 0.866 0.296 0.500 0.283 0.347 0.197 0.558

0.005 0.274 0.978 0.118 0.021 0.554 0.154 0.291 0.389

0.638 0.708 0.582 0.038 0.083 0.703 0.550 0.217 0.466

0.337 0.745 0.496 0.201 0.885 0.726 0.389 0.261 0.089

0.000 0.856 0.634 0.142 0.240 0.170 0.414 0.650 0.286

STRUKTUR MODAL DAN PREDIKSI KEGAGALAN PERUSAHAAN:............... (Rowland Bismark Fernando Pasaribu)

Pembahasan detail dilakukan berdasarkan hasil uji signifikansi simultan model dalam mendikriminasi sampel. Berdasarkan sampel data agregat, hanya dua model yang terbukti signifikan perihal penggunaan konsep struktur modal terhadap prediksi kegagalan perusahaan, yaitu model 1 (sig.H&L= 0.000) dan model 8 (sig.H&L= 0.044). Sementara untuk sampel aneka industry, model 1 (sig.H&L= 0.005) dan model 5 (sig.H&L= 0.021). Pada industri dasar dan kimia hanya model 4 (sig.H&L= 0.038) yang signifikan, begitu juga dengan industri perdagangan, hanya model 1 (sig.H&L= 0.000) yang terbukti signifikan. Sementara untuk industri barang konsumsi tidak satupun model yang ada memiliki pengaruh signifikan. Hal ini berarti konsep struktur modal tidak berpengaruh signifikan dalam mengidentifikasi kegagalan perusahaan. Berdasarkan nilai koefisien Nagelkerke dapat diketahui kemampuan konsep struktur modal menjelaskan variasi model yang terbentuk. Berdasarkan Tabel 3 dapat diketahui bahwa model 1 memiliki nilai tertinggi baik secara klasifikasi industri atau diantara model yang ada. Secara data agregat, rentang nilai nagelkerke berkisar 1,34%-32,85%. Pada aneka industri rentang nilai ini 9,7%-66,07%. Pada industri dasar dan kimia nilai koefisien berkisar antara 1,21%-73,53%. Pada industri barang konsumsi 1,36%-41%. Pada industri

perdagangan, rentang nilai Nagelkerke berkisar antara 1,59%-64,15%. Tabel 4 berisikan data daya klasifikasi model yang terbentuk. Daya klasifikasi ini adalah kemampuan model dalam mengklasifikasi secara benar sampel penelitian yang digunakan. Dilihat baik secara pendekatan industri atau jumlah model yang ada, dapat diketahui bahwa model 1 superior pada keduanya. Hal ini berarti penggunaan kriteria laba sebelum hak minoritas atas laba bersih anak perusahaan sebagai klasifikasi awal kegagalan perusahaan dengan konsep struktur modal memiliki reliabilitas yang cukup memadai secara statistik. Namun apabila dilihat berdasarkan pendekatan industri, nilai maksimal daya klasifikasi seluruh model yang terbentuk terdapat pada aneka industri (meski signifikansi simultan hanya model 1 dan model 5). PEMBAHASAN Pembahasan hasil uji parsial dilakukan mengacu pada model yang signifikan secara simultan, yaitu pada keseluruhan industri (model 1); aneka industri (model 1 dan model 5); industri dasar dan kimia (model 4) dan; industri perdagangan (model 1). dan industri secara keseluruhan.

Tabel 3 Koefisien Nagelkerke

Sampel

Keseluruhan Industri

Aneka Industri

Industri Dasar dan Kimia

Industri Barang Kunsumsi

Industri Perdagangan

Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9

32.85% 8.80% 1.34% 3.73% 4.91% 8.78% 4.69% 2.28% 6.59%

66.07% 27.88% 10.67% 9.70% 11.15% 21.08% 11.94% 26.23% 23.00%

73.53% 4.84% 3.07% 17.53% 10.53% 9.34% 7.44% 6.73% 1.21%

41.00% 34.48% 10.05% 1.36% 7.26% 15.85% 12.43% 7.68% 13.33%

64.15% 13.58% 1.59% 11.78% 4.50% 8.72% 3.14% 2.31% 6.38%

215

JEB, Vol. 5, No. 3, November 2011: 209-220

Tabel 4 Daya Klasifikasi Model (%)

Sampel

Aneka Keseluruhan

Industri Dasar Industri

Industri Barang dan Kimia

Industri Kunsumsi

Perdagangan

Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9

82.37 72.12 67.81 64.75 72.30 58.09 59.71 62.59 65.29

87.50 74.04 75.96 70.19 82.69 69.23 71.15 75.96 69.23

88.13 72.50 64.38 68.13 71.25 60.63 65.00 65.63 66.88

84.82 83.93 69.64 58.93 81.25 61.61 62.50 63.39 58.93

92.22 70.56 66.67 66.67 62.22 58.89 56.11 57.78 64.44

Tabel 5 Uji Parsial Industri Agregat - Model 1 Variabel Independen

B

Sig.

DTA -2.00403 TxEBIT 0.010984 CF 6.309301 STDEV_CF 1.6E-06 Bx 0.378749 Constant -3.59989 Sig. Hosmer & Lemeshow Test Nagelkerke 0.328491 Daya Klasifikasi Σ Observasi

0.000 0.508 0.000 0.311 0.000 0.001 0.000

Gagal Non-Gagal Total

54.19 95.76 82.37

97 361 458

%

Nilai Nagelkerke model 1 ini sebesar 0,3285 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 32,85%. Secara keseluruhan model ini memiliki daya klasifikasi sebesar 82,37%. Berdasarkan nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan laba sebelum hak minoritas atas laba bersih anak perusahaan yang digunakan belum cukup memadai dalam menjelaskan variasi kegagalan perusahaan yang akan terjadi, meski model yang terbentuk memiliki daya klasifikasi yang tinggi bila dikaitkan dengan struktur modal emiten. Secara parsial, kecuali penyimpangan

216

arus kas dan pajak variabel lainnya berpengaruh signifikan terhadap probabilitas kegagalan perusahaan. Tetapi dalam hal ini hasil empiris menunjukkan bahwa biaya kegagalan (Bx) ternyata berpengaruh signifikan positif terhadap probabilitas kegagalan perusahaan. Dengan kata lain, semakin tinggi prediksi biaya kegagalan yang dihasilkan, ceteris paribus mengindikasikan probabilitas kegagalan yang juga tinggi. Sementara leverage berpengaruh signifikan negatif terhadap probabilitas kegagalan. Dengan kata lain, semakin tinggi leverage yang dimiliki emiten, ceteris paribus justru semakin rendah probabilitas kegagalannya. Berdasarkan pendekatan laba sebelum hak minoritas atas laba bersih anak perusahaan daya klasifikasi model yang terbentuk mengklasifikasikan secara benar emiten gagal sebesar 54,2% dan perusahaan non-gagal sebesar 95,76% . Nilai Nagelkerke untuk model 1 ini sebesar 0,6606 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 66,06%. Secara keseluruhan model ini memiliki daya klasifikasi sebesar 87,5%. Berdasarkan nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan laba sebelum hak minoritas atas laba bersih anak perusahaan yang digunakan sebagai diskriminator awal belum cukup memadai dalam menghasilkan kemampuan menjelaskan variasi kegagalan perusahaan yang akan terjadi pada emiten aneka industri, meski model prediksi yang terbentuk memiliki daya klasifikasi yang tinggi. Secara parsial, hanya arus kas operasional

STRUKTUR MODAL DAN PREDIKSI KEGAGALAN PERUSAHAAN:............... (Rowland Bismark Fernando Pasaribu)

Tabel 6 Uji Parsial Model Aneka Industri Model 1 Variabel Independen

Sig.

Variabel Independen

-2.31 0.44 32.08 0.00 0.07 -1.13 0.005 0.6606

0.168 0.428 0.000 0.115 0.835 0.802

DTA -1.61 TxEBIT -0.45 CF 0.78 STDEV_CF 0.00 Bx -0.22 Constant 5.17 Sig. Hosmer & Lemeshow Test Nagelkerke 0.1115302

Ó Observasi

%

41 50 91

87.23 87.72 87.50

DTA TxEBIT CF STDEV_CF Bx Constant Sig. Hosmer & Lemeshow Test Nagelkerke Daya Klasifikasi Gagal Non-Gagal Total

Model 5 B

yang berpengaruh signifikan terhadap probabilitas kegagalan perusahaan. Berdasarkan pendekatan laba sebelum hak minoritas atas laba bersih anak perusahaan daya klasifikasi model yang terbentuk mengklasifikasikan secara benar emiten gagal sebesar 87,23% dan perusahaan non-gagal sebesar 87,22%. Nilai Nagelkerke untuk model 5 sebesar 0,1115 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 11,15%. Secara keseluruhan model ini memiliki daya klasifikasi sebesar 82,69%. Berdasarkan nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan laba sebelum hak minoritas atas laba bersih anak perusahaan yang digunakan sebagai diskriminator awal yang digunakan belum cukup memadai dalam menghasilkan kemampuan menjelaskan variasi kegagalan perusahaan yang akan terjadi pada emiten aneka industri, meski model yang terbentuk memiliki daya klasifikasi yang tinggi. Secara parsial, hanya biaya kegagalan (Bx) yang berpengaruh signifikan negatif terhadap probabilitas kegagalan perusahaan. Dengan menggunakan pendekatan perubahan leverage sebagai indikasi kegagalan perusahaan, semakin tinggi prediksi biaya kegagalan yang dihasilkan, ceteris paribus justru menekan probabilitas kegagalan perusahaan. Berdasarkan pendekatan perubahan leverage, daya klasifikasi model yang terbentuk mengklasifikasikan secara benar emiten gagal sebesar 5,26% dan

B

Daya Klasifikasi Gagal Non-Gagal Total

Sig. 0.208 0.044 0.814 0.476 0.420 0.143 0.021

Ó Observasi

%

1 85 86

5.26 100.00 82.69

perusahaan non-gagal sebesar 100% atau secara agregat memiliki daya klasifikasi sebesar 82,69%. Tabel 7 Uji Parsial Industri Dasar dan Kimia Model 4 Variabel Independen

B

Sig.

DTA 0.48 TxEBIT 0.02 CF -6.96 STDEV_CF -0.00001 Bx 0.16 Constant -0.98 Sig. Hosmer & Lemeshow Test 0.038 Nagelkerke 0.17533 Daya Klasifikasi Σ Observasi

0.445 0.863 0.005 0.110 0.433 0.712

Gagal Non-Gagal Total

25.00 88.89 68.13

13 96 109

%

Nilai Nagelkerke untuk model 4 sebesar 0,1753 berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 17,53%. Secara keseluruhan model ini memiliki daya klasifikasi sebesar 68,13%. Berdasarkan nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan komparasi

217

JEB, Vol. 5, No. 3, November 2011: 209-220

arus kas operasional terhadap laba sebelum hak minoritas atas laba bersih anak perusahaan yang digunakan belum cukup memadai dalam menghasilkan kemampuan menjelaskan variasi kegagalan perusahaan yang akan terjadi pada emiten industri dasar dan kimia. Secara parsial, hanya arus kas operasional yang berpengaruh signifikan terhadap probabilitas kegagalan perusahaan. Berdasarkan pendekatan komparasi arus kas operasional terhadap laba sebelum hak minoritas atas laba bersih anak perusahaan daya klasifikasi model yang terbentuk mengklasifikasikan secara benar emiten gagal sebesar 25% dan perusahaan non-gagal sebesar 88,89%. Tabel 8 Uji Parsial Industri Perdagangan Model 1 Variabel Independen

B

Sig.

0.27 0.01 35.07 0.00 0.27 -3.30 0.000 0.6415

0.745 0.450 0.000 0.639 0.085 0.092

 Observasi

%

39 12 51

76.47 98.45 92.22

DTA TxEBIT CF STDEV_CF Bx Constant Sig. Hosmer & Lemeshow Test Nagelkerke Daya Klasifikasi Gagal Non-Gagal Total

Nilai Nagelkerke untuk model 1 sebesar 0,6415 berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 64,15%. Secara keseluruhan model ini memiliki daya klasifikasi sebesar 64,15%. Berdasarkan nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan indikator laba sebelum hak minoritas atas laba bersih anak perusahaan sebagai diskriminator awal cukup memadai dalam menghasilkan kemampuan menjelaskan variasi kegagalan perusahaan yang akan terjadi pada emiten industri perdagangan, hal ini juga ditunjukkan oleh tingginya daya kalsifikasi model. Secara parsial, hanya arus kas operasional yang berpengaruh signifikan

218

terhadap probabilitas kegagalan perusahaan. Berdasarkan pendekatan laba sebelum hak minoritas atas laba bersih anak perusahaan daya klasifikasi model yang terbentuk mengklasifikasikan secara benar emiten gagal sebesar 76,47% dan perusahaan non-gagal sebesar 98,45%. SIMPULAN DAN SARAN Simpulan Berdasarkan sembilan pendekatan yang digunakan sebagai model klasifikasi awal, kriteria laba sebelum hak minoritas atas laba bersih anak perusahaan terbukti superior dalam mengidentifikasi probabilitas kegagalan emiten dihubungkan dengan struktur modalnya. Berdasarkan perhitungan empiris, secara parsial variabel arus kas memang terbukti memiliki pengaruh yang fleksibel (negatif dan positif). Demikian juga halnya dengan variabel struktur modal yang lain juga tidak memiliki pengaruh absolut tertentu terhadap probabilitas kegagalan. Implementasi konsep terhadap data beberapa industri bertujuan menunjukkan adanya variasi pada struktur modal emiten yang secara tidak langsung mencirikan karakteristik industri itu sendiri. Hal inilah yang menjadi kemungkinan timbulnya tanda positif dan negatif pada tiap koefisien variabel struktur modal. Saran Walau secara empiris terkesan kontradiksi dengan semangat teori struktur modal, bukan berarti teori tersebut tidak berlaku di Indonesia karena hasil perhitungan statistik banyak menggunakan simplifikasi fakta yang ada, di sisi lain konsep teoritis penelitian juga masih belum memadai dalam penggunaan asumsiasumsinya. Oleh karena itu, untuk penelitian selanjutnya dapat dikembangkan konsep teoritis struktur modal perusahaan pada proksi lainnya yang relevan sebagai prediktor kegagalan perusahaan, misalnya proksi distribusi informasi yang diasumsikan seluruh pelaku pasar sama seperti apa yang dimiliki internal emiten, seberapa besar asimetris informasi yang terjadi, aksi korporat yang dilakukan dalam mengkomunikasikan kualitas dan nilai perusahaan, dan lain-lain.

STRUKTUR MODAL DAN PREDIKSI KEGAGALAN PERUSAHAAN:............... (Rowland Bismark Fernando Pasaribu)

DAFTAR PUSTAKA Altman, Edward I. 1968. “Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy.” Journal of Finance 23 (4): 589609. Altman, Edward I., R. Haldeman dan P. Narayaman. 1977. “ZETA analysis: A New Model to Identify Bankruptcy Risk of Corporations.” Journal of Banking and Finance June: 29-54. Altman, Edward I. 1984b. “The Success of Business Failure Prediction Models.” Journal of Banking and Finance 8: 171-198. Aziz, A, dan G.H. Lawson, 1989, Cash Flow Reporting and Financial Distress Models: Testing of Hypotheses, Financial Management, Vol. 18. no. 1, 55-63 Baxter, N. D. 1967. “Leverage, the Risk of Ruin and the Cost of Capital.” Journal of Finance 22 (3): 395403. Beaver, W. 1966. “Financial Ratios as Predictors of Failure.” Journal of Accounting Research 5: 71111. Beaver, W. 1968. “Market Prices, Financial Ratios and Prediction of Failure.” Journal of Accounting Research 6 (2), 179-192 Deakin, Edward B. 1972. “A Discriminant Analysis of Predictors of Business Failure.” Journal of Accounting Research 10 (1): 167-179. Dimitras, A. I., S. H. Zanakis dan C. Zopounidis. 1996. “A Survey of business Failures with an Emphasis on Prediction Methods and Industrial Applications.” European Journal of Operational Research 90: 487-513. Dimitras, A.I., Slowinski, R., Susmaga, R., Zopounidis, C., 1999. Business failure prediction using rough sets. European Journal of Operational Research, 114, pp.263-280

Eisenbeis, R.A., 1977, Pitfalls in the application of discriminant analysis in business, finance and economics, Journal of Finance, Vol. 22 no. 3, 875900 Frydman, Halina, Edward I. Altman and Duen-Li Kao. 1985. “Introducing Recursive Partitioning for Financial Classification: The Case of Financial Distress.” Journal of Finance 40 (1): 269-291 Gordon, M.J., 1971, “Towards a Theory of Financial Distress”, Journal of Finance, Vol. 26 issue 2,347-356 Greene, H.W., 1993, Econometric Analysis, PrenticeHall, Englewood Cliffs NY. Gregory, A., B. Russell dan G.V. Henderson. 1991. “A Brief Review of Catastrophe Theory and a Test in Corporate Failure Context.” Financial Review 26 (2): 127-155. Johnsen, Thomajean dan Ronald W. Melicher. 1994. “Predicting Corporate Bankruptcy and Financial Distress: Information Value Added by Multinomial Logit Models.” Journal of Economics & Business 46: 269-286. Jones, Frederick L. 1987. “Current Techniques in Bankruptcy Prediction.” Journal of Accounting Literature 6: 131-164. Karels, G.V. dan A.J.Prakash. 1987. “Multivariate Normality and Forecasting of Corporate Bankruptcy.” Journal of Business Finance and Accounting, Vol. 14 no. 4, 573-592. Kim, E.H., 1978, A mean-variance theory of optimal capital structure and corporate debt capacity, Journal of Finance, Vol. 23 no. 1, 45-63 Kinnear, Paul R. and Colin D. Gray. 2001. SPSS for Windows made simple, release 10. Hove, East Sussex: Psychology Press Ltd. Kraus, Alan danRobert H. Litzenberger. 1973. “State Preference Model of Optimal Financial Lever-

219

JEB, Vol. 5, No. 3, November 2011: 209-220

age.” Journal of Finance 28 (4): 911-922. Lennox, C., 1999, Identifying failing companies: A reevaluation of the logit, probit and DA approaches, Journal of Economics and Business, Vol. 51 issue 4, 347 364. Mar Molinero, M. dan M. Ezzamel. 1991. “Multidimensional Scaling Applied to Corporate Failure.” Omega International Journal of Management Science 19 (4): 259-274. Martin, D., 1977, “Early warnings of bank failure: A logit regression approach”, Journal of Banking and Finance, 1, 249-276. Merton, R., 1974, “On the Pricing of Corporate Debt: The Risk Structure of Interest Rates”, The Journal of Finance, Vol. 29 issue 2, 449-470 Modigliani, Franco dan Merton H. Miller. 1958. “The Cost of Capital, Corporation Finance and the Theory of Investment.” The American Economic Review 48 (3): 261-297.

Silberberg, E., 1981, The structure of economics: a mathematical analysis, (McGraw-Hill, NewYork). SPSS Inc./Marija J. Norusis. 2008. SPSS Regression models 14.0. Chicago: SPSS Inc. Tam, K.Y. and M.Y. Kiang. 1992. “Managerial Applications of Neural Networks: the Case of Bankfailure Predictions.” Management Science 38 (7): 926-947. Vinso, J.D., 1979, “A Determination of the Risk of Ruin”, Journal of Financial and Quantitative Analysis, Vol. 14 issue 1, 77-100 Westgaard, Sjur dan Nico van der Wijst. 2001. “Default Probabilities in a Corporate Bank Portfolio: A Logistic Model Approach.” European Journal of Operational Research, Vol. 135 no. 2: 338349. Wiginton, J.C., 1980, A note on the comparison of logit and discriminant models of consumer credit behavior, Journal of Financial and Quantitative Analysis, Vol. 15 no. 3, 757-770.

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

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

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

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

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

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

Scott, James H. Jr. 1977. “Bankruptcy, Secured Debt, and Optimal Capital Structure.” Journal of Finance 32 (1): 1-19. Scott, J., 1981. “The Probability of Bankruptcy, A Comparison of Empirical Predictions and Theoretical Models.” Journal of Banking and Finance, Vol. 5, 317-344

220

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