Novita Sari Jurusan Akuntansi, Fakultas Ekonomi Universitas Maritim Raja Ali Haji, Tanjungpinang, 2014 ABSTRAK

PENGARUH NET PROFIT MARGIN, RECEIVABLE TURNOVER DAN CURRENT RATIO TERHADAP PREDIKSI KEBANGKRUTAN PADA PERUSAHAAN INDUSTRI BARANG KONSUMSI YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE 2009-2012 DENGAN MENGGUNAKAN MULTINOMIAL LOGISTIK Novita Sari 100462201119 Jurusan Akuntansi, Fakultas Ekonomi Universitas Maritim Raja Ali Haji, Tanjungpinang, 2014 ABSTRAK Penelitian ini bertujuan untuk mengetahui pengaruh variabel rasio model Altman original secara simultan ataupun parsial terhadap prediksi kebangkrutan pada perusahaan industri barang konsumsi yang terdaftar di Bursa Efek Indonesia periode 2009-2012. Variabel independen yang digunakan dalam penelitian ini adalah rasio keuangan yaitu Net Profit Margin, Receivabale Turnover, dan Current Ratio.Variabel dependen yang digunakan dalam penelitian ini adalah Prediksi Kebangkrutan.Populasi dalam penelitian ini adalah seluruh perusahaan industry barang konsumsi yang terdaftar di Bursa Efek Indonesia.Metode pengambilan sampel yang digunakan adalah purposive sampling.Perusahaan yang memenuhi kriteria sampel adalah 29 perusahaan.Data yang digunakan dalam penelitian ini adalah data sekunder yang berupa laporan keuangan yang diakses dari situs resmi BEI.Alat yang digunakan dalam penelitian ini adalah regresi logistik multinomial. Hasil perhitungan dengan menggunakan multinomial logit menunjukkan bahwa variabel Net Preofit Margin, Receivable Turnover, dan Current Ratio berpengaruh signifikan terhadap prediksi kebangkrutan yang dilihati dari model fit yang memiliki nilai Sig. (0.000) < 0.05. Variabel yang berpengaruh signifikan terhadap variabel dependen (kategori 0 dengan kategori 1 dan 2) adalah: Receivable Turnover (X2). Sedangkan variabel Net Profit Margin (X1) dan Current Ratio (X3) tidak berpengaruh signifikan. Variabel dependen (kategori 1 dengan kategori 2) adalah: Net Profit Margin (X1) dan. Sedangkan variabel Receivable Turnover (X2) dan Current Ratio (X3) tidak berpengaruh signifikan.

1 | Page Universitas Maritim Raja Ali Haji

Kata

Kunci:

Net Profit Margin, Receivable Turnover, Current Rati, Prediksi Kebangkrutan.

PENDAHULUAN Meningkatnya pertumbuhan penduduk dan pertumbuhan bisnis yang semakin pesat, akan menyebabkan persaingan antar perusahaan semakin kuat. Hal ini menuntut perusahaan untuk lebih meningkatkan kinerjanya. Perusahaan perlu mengevaluasi kembali kinerja perusahaan agar dapat bekerja secara maksimal. Sehingga tujuan perusahaan di masa yang akan datang dapat dicapai. Semakin baik kinerja suatu perusahaan maka akan semakin baik pula kelangsungan hidup perusahaan. Kelangsungan hidup perusahaan akan menentukan baik buruknya suatu perusahaan itu. Untuk mencapai tujuan perusahaan di masa yang akan datang maka perusahaan harus dapat bekerja keras dan dapat bekerja sama dengan baik. Dan sebaliknya apabila itu tidak dapat dilaksanakan dengan baik maka akan menyebabkan kesulitan keuangan yang berdampak pada suatu kebangkrutan perusahaan. Kebangkrutan merupakan ketidakmampuan perusahaan untuk membayar kewajiban keuangannya pada saat jatuh tempo yang menyebabkan kebangkrutan perusahaan (Darsono dan Ashari, 2005 : 101). Untuk itu, suatu perusahaan perlu memahami tentang kebangkrutan karena suatu bisnis memiliki kecendrungan untuk mengalami kegagalan financial yaitu kebangrutan. Salah satu alat yang digunakan untuk mengukur prediksi kebangkrutan adalah dengan menggunakan analisis diskriminan Altman yang mengacu pada rasio-rasio keuangan perusahaan. Rasio menggambarkan suatu jumlah tertentu dengan jumlah yang ada di laporan keuangan. Dan alat analisis berupa rasio dapat menggambarkan tentang keadaan suatu perusahaan, apakah perusahaan dalam keadaan sehat atau tidak sehat. Dengan mengetahui kondisi perusahaan maka diharapkan perusahaan dapat mengambil langkah-langkah untuk mengantisipasi keadaan yang mengarah pada kebangkrutan. Altman (2002) mengembangkan metode kebangkrutan dengan tingkat keakuratan yang dapat dipercaya dalam memprediksi kebangkrutan. Model Altman Z-score sebagai salah satu pengukuran kinerja kebangkrutan dan resiko obligasi tidak stagnan atau tetap, melainkan berkembang dari waktu kewaktu, seiring dari kondisi perusahaan dan kondisi dimana metode tersebut diterapkan (Altman, 2002) dalam (Ramadhani dan Lukviarman, 2009 : 2).


Berdasarkan latar belakang di atas, penulis merumuskan masalah sebagai berikut: 1. Apakah Net Profit Margin, Receivable Turnover, dan Current Ratio secara simultan berpengaruh signifikan terhadap prediksi kebangkrutan pada perusahaan Industri Barang Konsumsi yang terdaftar di BEI? 2. Apakah Net Profit Margin, Receivable Turnover, dan Current Ratio secara parsial berpengaruh signifikan terhadap prediksi kebangkrutan pada perusahaan Industri Barang Konsumsi yang terdaftar di BEI? LANDASAN TEORI Prediksi Kebangkrutan Menurut Darsono dan Ashari (2005 : 101), Kebangkrutan merupakan ketidak mampuan perusahaan untuk membayar kewajiban keuangannya pada saat jatuh tempo yang menyebabkan kebangkrutan perusahaan. Persamaan dari model Altman pertama menurut Altman dalam (Ramadhani dan Lukviarman, 2009 : 5-6), yaitu: Z = 1,2XI + 1,4X2 + 3,3X3 + 0,6X4 +0,999X5 Keterangan: Z = Bankrupcy Index X1 = Working Capital / Total Asset X2 = Retained Earnings / Ttotal Asset X3 = Earning Before Interest and Taxes / Total Asset X4 = Market Value of Equity / Book Value of Total Debt Ket : Market Value of Equity adalah Jumlah Lembar Saham Beredar dikali Jumlah Penutupan Saham (Rokhayati, 2005 : 9) X5 = Sales / Total Asset. Nilai Z adalah indeks keseluruhan fungsi multiple discriminant analysis. Menurut Almatn terdapat angkaangka cut off nilai Z yang dapat menjelaskan apakah perusahaan akan mengalami kegagalan atau tidak pada masa mendatang dan Altman dalam (Ramadhani dan Lukviarman, 2009: 5-6) membaginya kedalam tiga kategori, yaitu: 1. Jika nilai Z < 1,8, maka termasuk perusahaan yang bangkrut. 2. Jika nilai 1,8 < Z < 2,99 maka termasuk grey area (tidak dapat ditentukan apakah perusahaan sehat ataupun mengalami kebangkrutan).


3. Jika nilai Z > 2,99 maka termasuk perusahaan yang tidak bangkrut. Net Profit Margin Menurut Moeljadi (2006 : 73), Net Profit Margin dihitung dengan membagi laba bersih sesudah pajak dengan penjualan. Rasio ini untuk mengukur laba bersih sesudah pajak per rupiah penjualan. Receivable Turnover Menurut Darsono dan Ashari (2005 : 81), Receivable Turnover yaitu rasio yang menggambarkan kualitas piutang perusahaan dan kesuksesan perusahaan dalam penagihan piutang yang dimiliki. Semakin tinggi rasio ini akan semakin baik kemampuan perusahaan dalam menagih piutang yang dimiliki. Current Ratio Rasio Lancar (Current Ratio) dipakai untuk mengukur likuiditas perusahaan, atau untuk mengukur kemampuan sesuatu perusahaan untuk memenuhi kewajiban lancarnya yang sudah jatuh tempo (Tunggal, 2000 : 155). KERANGKA PEMIKIRAN

Net Profit Margin (X1)

H1 Receivable Turnover (X2)

Prediksi Kebangkrutan (Y):

0 = bangkrut 1 = grey area 2 = tidak bangkrut

Current Ratio (X3)

H2

Gambar 2.1 Kerangka Pemikiran H1 : Net Profit Margin, Receivable Turnover, dan Current Ratio secara simultan berpengaruh signifikan terhadap prediksi kebangkrutan pada


perusahaan Industri Barang Konsumsi yang terdaftar di Bursa Efek Indonesia periode 2009-2012. H2 : Net Profit Margin, Receivable Turnover, dan Current Ratio secara parsial berpengaruh signifikan terhadap prediksi kebangkrutan pada perusahaan Industri Barang Konsumsi yang terdaftar di Bursa Efek Indonesia periode 2009-2012. METODE PENELITIAN Populasi dan Sampel Populasi yang digunakan dalam penelitian ini adalah seluruh perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia sampai dengan 2012 yang berjumlah 33 perusahaan. Pengambilan sampel dalam penelitian ini dilakukan dengan menggunakan teknik purposive sampling, dimana perusahhaan dipilih sesuai dengan kriteria sebagai berikut: 1. Perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia dan konsisten ada selama periode penelitian (tahun 2009 sampai dengan 2012). 2. Perusahaan barang konsumsi yang telah mempublikasikan data laporan keuangan secara lengkap selama kurun waktu penelitian. 3. Data laporan keuangan tahun 2009 digunakan untuk memprediksi kebangkrutan tahun 2010-2011, data laporan keuangan tahun 2010 digunakan untuk memprediksi kebangkrutan tahun 2011-2012. 4. Sampel penelitian dikategorikan menjadi tiga, yaitu: a. Kategori 0 adalah perusahaan barang konsumsi yang mengalami kebangkrutan jika nilai Z < 1,8. b. Kategori 1 adalah perusahaan barang konsumsi yang mengalami grey area jika nilai Z berada diantara 1,8 dan 2,99. c. Kategori 2 adalah perusahaan barang konsumsi yang tidak mengalami kebangkrutan jika nilai Z > 2,99. Variabel Penelian Dalam penelitian ini menggunakan 2 variabel, yaitu variabel dependen dan variabel independen. 1. Variabel dependen Variabel dependen yang digunakan dalam penelitian ini adalah perusahaan yang mengalami kebangkrutan, perusahaan yang mengalami grey area dan perusahaan yang tidak bangkrut.


2. Variabel independen a. Net Profit Margin (X1) Metode perhitungannya adalah: Laba Bersih NPM = Penjualan Bersih b. Receivable Turnover (X2) Metode perhitungannya adalah: Penjualan Bersih RTO = Rata − rata Piutang Dagang c. Current Ratio (X3) Metode perhitungannya adalah: Aktiva Lancar CR = Kewajiban Lancar Jenis dan Sumber Data Di dalam penelitian ini, data yang digunakan adalah data sekunder yaitu berupa laporan keuangan tahunan perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia dengan akhir tahun pembukuan 2009, 2010, 2011 dan 2012. Sumber data yaitu dari situs www.idx.co.id. Teknik Pengumpulan Data Teknik pengumpulan data dilakukan dengan : 1. Dokumentasi Data 2. Penelitian Kepustakaan PEMBAHASAN Seleksi sampel berdasarkan kriteria sampel yang digunakan adalah sebagai berikut: Tabel 4.1 Seleksi Sampel Periode 2009-2012 Keterangan Perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia Perusahaan barang konsumsi yang mempublikasikan laporan keuangan secara lengkap Perusahaan barang konsumsi: mengalami kebangkrutan mengalami grey area tidak mengalami kebangkrutan Total Sampel Sumber : www.idx.co.id (2014)

2010-2011 33

2011-2012 33

32

33

4 5 16

2 8 16 51


Dari hasil seleksi populasi diatas, yang menjadi sampel dalam penelitian ini adalah 29 perusahaan barang konsumsi yang terdaftar di Bursa Efek Indonesia periode 2009-2012. Daftar sampel dapat dilihat pada tabel di bawah ini dengan rincian sebagai berikut: Tabel 4.2 Daftar Sampel Penelitian No

Kode

1

ADES

2

AISA

3 4 5

CEKA DLTA DVLA

6 7

GGRM HMSP

8 9

INAF INDF

10 KAEF 11 KDSI 12 KICI 13 KLBF 14 LMPI 15 MERK 16 MLBI 17 MRAT 18 MYOR 19 PSDN 20 PYFA 21 RMBA 22 SCPI 23 SKLT 24 SQBB

Nama Perusahaan Akasha Wira International Tbk Tiga Pilar Sejahtera Food Tbk Cahaya Kalbar Tbk Delta Djakarta Tbk Darya Varia Laboratoria Tbk Gudang Garam Tbk Hanjaya Mandala Sampoerna Tbk Indofarma Tbk Indofood Sukses Makmur Tbk Kimia Farma Tbk Kedawung Setia Industrial Tbk Kedaung Indag Can Tbk Kalbe Farma Tbk Langgeng Makmur Industry Tbk Merck Tbk Multi Bintang Indonesia Tbk Mustika Ratu Tbk Mayora Indah Tbk Prashida Aneka Niaga Tbk Pyridam Farma Tbk Bentoel International Investama Tbk Schering Plough Indonesia Tbk Sekar Laut Tbk Taisho Pharmaceutical Indonesia Tbk

2010-2011 B GA TB 

2011-2012 B GA TB -



-

-

-

-

-

-

-

-

-

 

-

 -

 

-

-

 

-

-

 

-

 

-

-

 

-

-



 -

-

-

 -

-



-

-



-



-

 -



-

 -

-

-

 

-

-

 

-

-

  -

-



  -

-

-

 -

-



 -



-

-



-

-

-

 -



-

 -




25 STTP 26 TCID 27 TSPC 28 ULTJ

29 UNVR Sumber :

Siantar Top Tbk Mandom Indonesia Tbk Tempo Scan Pasific Tbk Ultrajaya Milk Industry and Trading Company Tbk Unilever Indonesia Tbk www.idx.co.id (2014)

-

-



-

 -



-

-



-

-



-

-



-

-



-

-



-

-



Deskripsi Hasil Penelitian Data penelitian ini didasarkan pada laporan keuangan yang terdiri dari laporan posisi keuangan dan laporan laba rugi setiap perusahaan. Dalam penelitian ini Z-Score merupakan variabel dependen yang terdiri dari bangkrut = 0, grey area = 1, dan tidak bangkrut = 2. Sedangkan rasio keuangan yang digunakan sebagai variabel independen yaitu Net Profit Margin (NPM), Receivable Turnover (RTO), dan Current Ratio (CR). Analisis Data Uji Statistik Deskriptif Menurut Wijaya (2011 : 41), Statistik deskriptif merupakan bidang ilmu statistik yang mempelajari caracara pengumpulan, penyusunan, dan penyajian ringkasan data penelitian. Data-data tersebut harus diringkas dengan baik dan teratur, baik dalam bentuk tabel atau persentasi grafik, sebagai dasar untuk berbagai pengambilan keputusan. Deskriptif menginformasikan nilai minimum, maximium, mean, standar deviasi. Menu ini tidak menampilkan tabulasi frekuensi, tetapi menampilkan besaran statistik yang akan di deskripsikan pada sebuah variabel. Tabel 4.3 Hasil Uji Deskriptif N NPM (X1) RTO (X2) CR (X3) PK (Y) Valid N (listwise)

51 51 51 51 51

Descriptive Statistics Minimum Maximum -.063 .313 2.601 54.680 .659 10.684 0 2

Mean .08839 11.10969 3.14992 1.51

Std. Deviation .080340 11.735352 2.262006 .703

Sumber: Output Pengolahan Data SPSS. V. 21.0 2014


Dari tabel 4.3 di atas, diketahui bahwa jumlah sampel yang digunakan dalam penelitian ini berjumlah 51 sampel. NPM (X1) yaitu Net Profit Margin memiliki nilai minimum sebesar -0.063, nilai maximum sebesar 0.313, nilai rata-rata 0.08839 dan nilai standart deviasinya sebesar 0.080340. RTO (X2) yaitu Receivable Turnover memiliki nilai minimum sebesar 2.601, nilai maximum sebesar 54.680, nilai rata-rata sebesar 11.10969, dan nilai standart deviasinya sebesar 11.735352. CR (X3) yaitu Current Ratio memiliki nilai minimum sebesar 0.659, nilai maximum sebesar 10.684, nilai rata-rata sebesar 3.14992 dan nilai standart deviasinya sebesar 2.262006. PK (Y) yaitu Prediksi Kebangkrutan memiliki nilai minimum sebesar 0, nilai maximum sebesar 2, nilai rata-rata sebesar 1.51 dan nilai standart deviasinya sebesar 0.703. Pengujian Hipotesis Uji Multikolonieritas Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Untuk mendeteksi ada atau tidaknya multikolonieritas di dalam model regresi adalah (Ghozali, 2006 :91-92): Menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen ada korelasi yang cukup tinggi (umumnya di atas 0.90), maka hal ini merupakan indikasi adanya multikolonieritas. Tidak adanya korelasi yang tinggi antar variabel independen tidak berarti bebas dari multikolonieritas. Multikolonieritas dapat disebabkan karena adanya efek kombinasi dua atau lebih variabel independen. Tabel 4.4 Hasil Uji Multikolonieritas

NPM (X1)

RTO (X2)

CR (X3)

Correlations NPM (X1) Pearson Correlation 1 Sig. (2-tailed) N 51 Pearson Correlation .072 Sig. (2-tailed) .613 N 51 Pearson Correlation .227 Sig. (2-tailed) .110 N 51

RTO (X2) .072 .613 51 1 51 -.264 .061 51

CR (X3) .227 .110 51 -.264 .061 51 1 51


Sumber: Output Pengolahan Data SPSS. V. 21.0 2014 Dari tabel 4.4 diatas, dapat diketahui bahwa pada model regresi tidak terjadi gejala multikoloneritas. Hal ini terjadi karena nilai korelasi antara variabel independen > 0.90. Maka dapat disimpulkan model regresi telah memenuhi uji asumsi multikolonieritas. Dalam penelitian ini data yang harus diproses sebanyak 51 atau N=51. Untuk melihat kelengkapan data yang diproses dalam penelitian ini dan tidak adanya Missing Case ditunjukkan oleh tabel Case Processing Summary. Tabel 4.5 Data yang diproses Case Processing Summary N

PK (Y)

Bangkrut Grey area Tidak bangkrut

Valid Missing Total Subpopulation

6 13 32 51 0 51 51a

Marginal Percentage 11.8% 25.5% 62.7% 100.0%

Sumber: Output Pengolahan Data SPSS. V. 21.0 2014 Menilai Model Fit Menurut Uyanto (2009 : 268), Menilai Model Fit yaitu dengan melihat nilai Likelihood L. Jika terjadi penurunan dari angka -2 Log Likelihood pada model awal (Intercept Only) ke angka -2 Log Likelihood pada model final, maka model multinomial logistik menjadi lebih baik atau layak digunakan. Hipotesis untuk menilai model fit adalah: H0 : Model yang dihipotesakan fit dengan data HA : Model yang dihipotesakan tidak fit dengan data Hasil Menilai Model Fit yang dilakukan dengan menggunakan bantuan program SPSS V.21.0 dapat dilihat pada tabel sebagai berikut:

10 | P a g e Universitas Maritim Raja Ali Haji

Tabel 4.6 Hasil Menilai Model Fit Model

Intercept Only Final

Model Fitting Information Model Fitting Likelihood Ratio Tests Criteria -2 Log Likelihood ChiDf Sig. Square 91.049 43.073 47.976 6 .000

Sumber: Output pengolahan SPSS V.21.0 (2014)

Dari tabel 4.6 di atas menunjukkan bahwa adanya penurunan nilai -2 Log Likelihood awal (Intercept Only) 91.049 menjadi -2 Log Likelihood akhir (Final) sebesar 43.073. Terjadi penurunan sebesar 47.976. Ini menunjukkan bahwa model fit dengan data sehingga Ho tidak dapat ditolak karena terjadi penurunan model regresi yang lebih baik. Dan dari tabel 4.9 menunjukkan nilai Chi-Square sebesar 47.976 yang dihasilkan dari penurunan dari -2 Log Likelihood dengan Degree of Freedom = 6 dan tingkat signifikansi sebesar 0.000. Nilai signifikansi tersebut lebih kecil dari 0.05, maka dapat disimpulkan bahwa Net Profit Margin, Receivable Turnover, dan Current Ratio secara bersama-sama atau simultan berpengaruh signifikan terhadap prediksi kebangkrutan pada perusahaan industry barang konsumsi. Menilai Kelayakan Model Regresi Menurut Ghozali (2007 : 232-233), Menilai Kelayakan Model Regresi, dengan melihat nilai Goodness Of Fit. Jika tingkat signifikansi (Sig). Goodness Of Fit > taraf keyakinan 5% (a = 0,05), maka model regresi logistik layak digunakan atau H0 tidak dapat ditolak. H0 : Model yang dihipotesakan fit dengan data (layak digunakan) Ha : Model yang dihipotesakan tidak fit dengan data (tidak layak digunakan) Dasar pengambilan keputusan: Jika Sig. < 0.05 maka H0 ditolak. Tabel 4.7 Hasil Uji Kelayakan Model Regresi

Pearson Deviance

Goodness-of-Fit Chi-Square df 52.850 94 43.073 94

Sig. 1.000 1.000



Hasil output Chi Square sebesar 52.850 untuk koefisien pearson dengan signifikan pada 1.000 dan 43.073 untuk koefisien Deviance dengan signifikan pada 1.000 oleh karena nilai Sig. > 0.05, maka H0 tidak dapat di tolak. Dengan demikian dapat disimpulkan bahwa model regresi layak digunakan untuk analisis selanjutnya, karena model yang dihipotesakan fit dengan data. Pengujian Koefisien Determinasi (Pseudo R-Square (R2)) Pengujian koefisien determinasi, yaitu digunakan untuk menguji goodness-fit dari model regresi (Ghozali, 2007 : 127). Nilai statistik R-Square pada analisis multinomial logistik dilihat pada nilai Pseudo R-Square, Cox and Snell, Nagelkerke, dan McFadden. Nilai pada rentang 01. Semakin mendekati 1, semakin banyak variasi yang dapat dijelaskan oleh model. Tabel 4.8 Hasil Pengujian Koefisien Determinasi (Pseudo RSquarev(R2)) Pseudo R-Square Cox and Snell .610 Nagelkerke .733 .527 McFadden Sumber: Output pengolahan SPSS V.21.0 (2014)

Nilai koefisien Cox and Snell sebesar 0.610, nilai koefisien McFadden sebesar 0.527 dan nilai koefisien Negelkerke pada tabel Pseudo R-Square sebesar 0.733 yang berarti 73.3% prediksi kebangkrutan dipengaruhi oleh Net Profit Margin, Receivable Turnover dan Current Ratio. Dan sisanya 26.7% dipengaruhi oleh variabel lain diluar dari variabel dalam penelitian ini.


Menilai Tingkat Ketepatan Prediksi Klasifikasi Model Penelitian Tabel 4.9 Hasil Menilai Tingkat Ketepatan Prediksi Klasifikasi Model Penelitian Classification Observed

Predicted Grey area Tidak bangkrut

Bangkrut Bangkrut Grey area Tidak bangkrut Overall Percentage

4 1 0 9.8%

1 7 4 23.5%

1 5 28 66.7%

Percent Correct 66.7% 53.8% 87.5% 76.5%


Berdasarkan tabel klasifikasi 4.9 diatas dapat diketahui bahwa sampel awal dalam penelitian ini berjumlah 51 perusahaan yang terdiri dari 6 perusahaan termasuk kategori 0 (bangkrut), 13 perusahaan termasuk kategori 1 (grey area), dan 32 perusahaan termasuk kategori 2 (tidak bangkrut). Setelah diuji dengan menggunakan regresi logistik muiltinomial ternyata hasilnya menunjukkan bahwa dari 6 perusahaan kategori bangkrut yang benar mengalami kebangkrutan ada 4 perusahaan. Sedangkan 1 termasuk kategori grey area dan 1 termasuk dalam kategori tidak bangkrut. Sehingga diperoleh persentase kebenaran kategori 0 (bangkrut) sebesar 66.7%. Sementara dari 13 perusahaan kategori 1 (grey area) ternyata yang benar masuk kategori grey area ada 7 perusahaan sedangkan 1 perusahaan termasuk dalam kategori bangkrut dan 5 perusahaan termasuk dalam tidak bangkrut. Sehingga diperoleh persentase kebenaran sebesar 53.8%. Sedangkan untuk 32 perusahaan kategori 2 (tidak bangkrut) yang benar masuk kategori tidak bangkrut sebanyak 28 perusahaan, sedangkan 0 perusahaan termasuk dalam kategori bangkrut dan 4 perusahaan termasuk dalam kategori grey area, sehingga diperoleh persentase kebenaran sebesar 87.5%. Hasil perhitungan kemampuan memprediksi model ini bagus, hal ini dapat diketahui dari tingkat sukses total (Overall Percentage) sebesar 76.5%. Uji Wald (Uji Parsial) Ghozali (2007 – 128), Uji parsial digunakan untuk mengetahui pengaruh masing-masing variabel independen terhadap variabel dependen. Jika nilai signifikansi <


0.05, maka secara parsial variabel berpengaruh terhadap variabel dependen.

independen

Tabel 4.10 Hasil Uji Parsial Parameter Estimates PK (Y)

a

Bangkrut

Grey area

B Intercept NPM RTO CR Intercept NPM RTO CR

Std. Error

Wald

df

Sig.

11.982 1.995 -1.241 -2.438 2.132 -47.952

4.659 21.858 .553 1.318 1.149 17.265

6.615 .008 5.041 3.420 3.443 7.715

1 1 1 1 1 1

.010 .927 .025 .064 .064 .005

.047 -.235

.054 .315

.741 .557

1 1

.389 .455

Exp(B)

7.355 .289 .087 1.000E013 1.048 .791


Variabel yang dapat digunakan untuk mengklasifikasikan perusahaan kategori bangkrut dengan kategori grey area dan tidak bangkrut adalah variabel RTO yang secara statistik signifikan pada tingkat 5%. Variabel yang dapat digunakan untuk mengklasifikasikan perusahaan kategori grey area dengan kategori tidak bangkrut adalah variabel RTO yang secara statistik signifikan pada tingkat 5%. Hasil perhitungan multinomial logistik menunjukkan bahwa variabel yang berpengaruh signifikan terhadap variabel dependen adalah: Receivable Turnover (X2). Sedangkan variabel Net Proffit Margin (X1) dan Current Ratio (X3) tidak berpengaruh signifikan. Variabel yang dapat digunakan untuk mengklasifikasikan perusahaan kategori bangkrut dengan perusahaan kategori grey area dan kategori tidak bangkrut adalah variabel rasio Receivable Turnover yang signifikan pada tingkat 5%. Berdasarkan nilai B (koefisien) pada tabel Parameter Estimates, persamaan pertama untuk mengintrepretasikan analisis multinomial logistik, yaitu: πj = ln b0 + b1X1 + b2X2 +… bkXk PK = 11.982 + 1.995 NPM – 1.241 RTO – 2.438 CR Pada persamaan kondisi 0, nilai konstanta sebesar 11.982 mempunyai arti bahwa jika variabel-variabel independen dianggap 0 maka probabilitas perusahaan yang


mengalami prediksi kebangkrutan meningkat sebesar 11.982 kali dengan pengaruh persamaan positif. Koefisien NPM sebesar 1.995 dan mempunyai hubungan positive, artinya semakin tinggi rasio net profit margin maka semakin tinggi probabilitas perusahaan diklasifikasikan pada kondisi 1 dan 2. Nilai Exp(B) sebesar 7.355 artinya setiap kenaikan variabel NPM akan menurunkan kemungkinan terjadinya kebangkrutan sebesar 7.355 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dengan hasil penelitian yang dilakukan oleh Andhito (2011) yang menyatakan bahwa variabel NPM dapat digunakan untuk memprediksi financial distress (kebangkrutan). Koefisien RTO sebesar -1.241 dan mempunyai hubungan negative, artinya semakin tinggi rasio receivable turnover maka semakin rendah probabilitas perusahaan diklasifikasikan pada kondisi 1 dan 2. Nilai Exp(B) sebesar 0.289 artinya setiap kenaikan RTO akan menurunkan kemungkinan terjadinya kebangkrutan sebesar 0.289 kali dimana variabel lain dianggap konstan. Koefisien CR sebesar -2.438 dan mempunyai hubungan negative artinya semakin tnggi current ratio perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kondisi 1 dan 2. Nilai Exp(B) sebesar 0.087, artinya setiap kenaikan CR akan menurunkan kemungkinan terjadinya kebangkrutan sebesar 0.087 kali dimana variabel lain di anggap konstan. Hasil ini konsisten dengan hasil penelitian Andhito (2011), yang menyatakan bahwa rasio likuiditas dapat digunakan untuk memprediksi financial distress (kebangkrutan). Variabel yang dapat digunakan untuk mengklasifikasikan kategori grey area dengan kategori tidak bangkrut adalah variabel NPM yang secara statistik signifikan pada tingkat 5%. Variabel yang dapat digunakan untuk mengklasifikasikan kategori tidak bangkrut adalah variabel NPM yang secara statistik signifikan pada tingkat 5%. Hasil perhitungan multinomial logistik menunjukkan bahwa variabel yang berpengaruh signifikan terhadap variabel dependen adalah: Net Profit Margin (X1). Sedangkan variabel Receivable Turnover (X2) dan Current Ratio (X3) tidak berpengaruh signifikan. Variabel yang dapat digunakan untuk mengklasifikasikan perusahaan kategori grey area dengan kategori tidak bangkrut adalah variabel rasio Net Profit Margin yang signifikan pada tingkat 5%.


Berdasarkan nilai B (koefisien) pada tabel Parameter Estimates, persamaan kedua untuk mengintrepretasikan analisis multinomial logistik, yaitu: πj = ln b0 + b1X1 + b2X2 +… bkXk PK = 2.272 – 23.376 NPM – 0.022 RTO - 0.527 CR Pada persamaan kondisi 2, nilai konstanta sebesar 2.132 mempunyai arti bahwa jika variabel-variabel independen dianggap 0 maka probabilitas perusahaan yang mengalami prediksi kebangkrutan meningkat sebesar 2.132 kali dengan pengaruh persamaan positif. Koefisien NPM sebesar -47.952 dan mempunyai hubungan negative, artinya semakin tinggi rasio net profit margin maka semakin rendah probabilitas perusahaan diklasifikasikan pada kondisi 2. Nilai Exp(B) sebesar 1.000E-013 artinya setiap kenaikan variabel NPM akan menurunkan kemungkinan terjadinya kebangkrutan sebesar 1.000E-013 kali dimana variabel lain dianggap konstan. Hasil ini tidak konsisten dengan hasil penelitian yang dilakukan oleh Andhito (2011) yang menyatakan bahwa variabel NPM tidak dapat digunakan untuk memprediksi financial distress (kebangkrutan). Koefisien RTO sebesar 0.047 dan mempunyai hubungan positive, artinya semakin tinggi rasio receivable turnover maka semakin rendah probabilitas perusahaan diklasifikasikan pada kondisi 2. Nilai Exp(B) sebesar 1.048 artinya setiap kenaikan RTO akan menurunkan kemungkinan terjadinya kebangkrutan sebesar 1.048 kali dimana variabel lain dianggap konstan. Koefisien CR sebesar -0.235 dan mempunyai hubungan negative artinya semakin tinggi current ratio perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kondisi 2. Nilai Exp(B) sebesar 0.791, artinya setiap kenaikan CR akan menurunkan kemungkinan terjadinya kebangkrutan sebesar 0.791 kali dimana variabel lain dianggap konstan. Hasil ini tidak konsisten dengan penelitian Andhito (2011), yang menyatakan bahwa rasio likuiditas tidak dapat digunakan untuk memprediksi financial distress (kebangkrutan). KESIMPULAN DAN SARAN Kesimpulan Berdasarkan hasil analisis dan uji hipotesis yang telah dilakukan dalam penelitian ini, maka dapat ditarik beberapa kesimpulan sebagai berikut:


1. Hasil perhitungan multinomial logistik menunjukkan bahwa variabel Net Preofit Margin, Receivable Turnover, dan Current Ratio secar bersama-sama berpengaruh signifikan terhadap prediksi kebangkrutan yang dilihati dari model fit yang memiliki nilai Sig. (0.000) < 0.05. 2a. Hasil perhitungan multinomial logistik menunjukkan bahwa variabel yang secara parsial berpengaruh signifikan terhadap variabel dependen (kategori 0 dengan kategori 1 dan 2) adalah: Receivable Turnover (X2). Sedangkan variabel Net Profit Margin (X1) dan Current Ratio (X3) tidak berpengaruh signifikan. 2b. Hasil perhitungan multinomial logistik menunjukkan bahwa variabel yang secara parsial berpengaruh signifikan terhadap variabel dependen (kategori 1 dengan kategori 2) adalah: Net Profit Margin (X1). Sedangkan variabel Receivable Turnover (X2) dan Current Ratio (X3) tidak berpengaruh signifikan. Saran

Berdasarkan dari hasil penelitian di atas, maka saran yang dapat penulis berikan adalah: 1. Diharapkan penelitian selanjutnya dapat menggunakan model prediksi kebangkrutan Altman lainnya selain model Altman original, untuk dijadikan sebagai pembanding dalam memprediksi kemungkinan perusahaan akan mengalami kondisi kebangkrutan. 2. Untuk penelitian lebih lanjut diharapkan untuk mengganti sampel selain perusahaan manufaktur. 3. Bagi peneliti yang tertarik untuk melakukan penelitian lebih lanjut, diharapkan menambah variabel lain karena nilai koefisien Negelkerke pada tabel Pseudo R-Square 49.2% yang mengindikasikan bahwa masih terdapat variabel lain yang mempengaruhi prediksi kebangkrutan yaitu sebesar 50.8% . DAFTAR PUSTAKA Andhito, Isyaiyas. 2011. Analisis Rasio Keuangan dalam Memprediksi Kondisi Financial Distress Perusahaan (Study Kasus pada Perusahaan yang Terdaftar pada Bursa Efek Indonesia Periode 2001-2010). Fakultas Ekonomi dan Bisnis.


Universitas Islam Negeri Syarif Hidayatullah. Jakarta Ardiyanto, Feri Dwi. 2011. Prediksi Rasio keuangan Terhadap Kondisi Financial Distress Perusahaan Manufaktur yang Terdaftar di BEI Periode 20052009. Fakultas Ekonomi, Dipenegoro Semarang 2011 Atika, Darminto, dan Handayani. 2012. Pengaruh Beberapa Rasio Keuangan Terhadap Prediksi Kondisi Financial Distress.Fakultas Ilmu Administrasi, Universitas Brawijaya, Malang Atmaja, Khoirul Fariz. 2012. Analisis Rasio Keuangan Untuk Memprediksi Kemungkinan Financial Distress.Jurusan Akuntansi, Fakultas Ekonomi, Universitas Negri Semarang, Indonesia Darsono dan Ashari. 2005. Pedoman Praktis Memahami Laporan Keuangan. Semarang:ANDI Fahmi, Irham. 2011. Analisis Laporan Keuangan. Bandung:Alfabeta Ghozali, Imam. 2007. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang:Badan Penerbit UNDIP Hardiyanti, Ni Made Maya. 2012. Analisi Rasio Keuangan dalam Memprediksi Financial Distress Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia. Artikel Ilmiah. Sekolah Tinggi Ilmu Ekonomi Perbanas Surabaya 2012 Kamaludin dan Pribadi. 2011. Prediksi Financial Distress Kasus Industri ManufakturPendekatan Model Regresi Logistik. Fakultas Ekonomi Universitas Bengkulu. Forum Bisnis dan Kewirausahaan Jurnal Ilmiah STIE MDP Kurniawan, Albert. 2009. Belajar Mudah SPSS untuk Pemula untuk Mahasiswa dan Umum Disertai Latihan Soal dan Kunci Jawaban. Yogyakarta: Mediakom Martha, Yuslely. 2013. Analisis Prediksi Financial Distress pada Perusahaan Ritel dan Wholesale yang Terdaftar di Bursa Efek Indonesia Menggunakan Rasio Model Altman (Periode 20082011). Jurusan Akuntansi, Fakultas Ekonomi, Universitas Maritim Raja Ali Haji Moeljadi. 2006. Manajemen Keuangan. Pendekatan Kuantitatif dan Kualitatif.Jilid 1. Malang:Bayumedia Publishing 52 Peter dan Yoseph. 2011. Analisis Kebangkrutan dengan Metode Z-Score Altman Springate dan Zmijewski pada PT.Indofood Sukses Makmur Tbk Periode 2005-


2009.Akurat Jurnal Ilmiah Akuntansi Nomor 04 tahun ke-2 Januari-April 2011 Prastowo, Dwi dan Rifka Juliaty. 2008. Analisis Laporan Keuangan. Konsep dan Aplikasi. Edisi Kedua. Yogyakarta:Sekolah Tinggi Ilmu Manajemen YKPN Prihadi, Toto. 2012. Memahami Laporan Keuangan Sesuai IFRS dan PSAK. Bagi Pemula. Jakarta:PPM Qomarudin, Ikhwan. 2008. Rasio Keuangan Sebagai Prediksi Financial Distress pada Perusahaan Manufaktur di Bursa Efek Jakarta. Sekolah Tinggi Ilmu Ekonomi Perbanas Surabaya 2008 Raharjaputra, Hendra.S. 2009. Manajemen Keuangan dan Akuntansi. Untuk Eksekutif Perusahaan. Jakarta:Salemba Empat Ramadhani, Ayu Suci dan Niki Lukviarman. 2009. Perbandingan Analisis Prediksi Kebangkrutan Menggunakan Model Altman Pertama, Altman Revisi, dan Altman Modifikasi dengan Ukuran dan Umur Perusahaan sebagai Variabel Penjelas (Studi pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesi). Jurnal Siasat Bisnis Vol. 13 No 1, April 2009 Hal: 15-28 Rokhayati, Isnaeni. 2005. Analisis Hubungan Investment Opportunity SET (IOS) dengan Realisasi Pertumbuhan Serta Perbedaan Perusahaan yang Tumbuh dan Tidak Tumbuh Terhadap Kebijakan Pendanaan dan Dividen di Bursa efek Jakarta. Vol. 1 No. 2 Januari 2005: (p.41-60) Trihendradi. C. 2009. Step by Step.SPSS 16 Analisis Data Statistik. Yogyakarta: ANDI Tunggal, Amin Widjaja. 2000. Dasar-dasar Analisis Laporan Keuangan. Jakarta: Rineka Cipta Uyanto, Stanislaus.S. 2009. Pedoman Analisis Data dengan SPSS.Edisi 3. Yogyakarta: Graha Ilmu Wijaya, Tony. 2011. Cepat Menguasai SPSS 19 Untuk Olah & Interpretasi Data Penelitian Skripsi Step By Step. Yogyakarta: Cahaya Atma Yuanita, Ika. Prediksi Financial Distress dalam Industri Textile dan Garment (Bukti Empiris di Bursa Efek Indonesia). Jurusan Administrasi Niaga, Politeknik Negeri Padang. Jurnal Akuntansi & Manajemen Vol.5 No.1 Juni 2010 ISSN 1858-3687 hal 101-119. http://www.idx.co.id/


LAMPIRAN N NPM (X1) RTO (X2) CR (X3) PK (Y) Valid N (listwise)

NPM (X1)

RTO (X2)

CR (X3)

51 51 51 51 51

Descriptive Statistics Minimum Maximum -.063 .313 2.601 54.680 .659 10.684 0 2

Mean .08839 11.10969 3.14992 1.51

Correlations NPM (X1) Pearson Correlation 1 Sig. (2-tailed) N 51 Pearson Correlation .072 Sig. (2-tailed) .613 N 51 Pearson Correlation .227 Sig. (2-tailed) .110 N 51

Case Processing Summary N

PK (Y)

Bangkrut Grey area Tidak bangkrut

Valid Missing Total Subpopulation

Model

Intercept Only Final

6 13 32 51 0 51 51a

Std. Deviation .080340 11.735352 2.262006 .703

RTO (X2) CR (X3) .072 .227 .613 .110 51 51 1 -.264 .061 51 51 -.264 1 .061 51 51

Marginal Percentage 11.8% 25.5% 62.7% 100.0%

Model Fitting Information Model Fitting Likelihood Ratio Tests Criteria -2 Log Likelihood ChiDf Sig. Square 91.049 43.073 47.976 6 .000

Pearson Deviance

Goodness-of-Fit Chi-Square df 52.850 94 43.073 94

Sig. 1.000 1.000


Pseudo R-Square Cox and Snell .610 Nagelkerke .733 .527 McFadden Classification Observed

Predicted Grey area Tidak bangkrut

Bangkrut Bangkrut Grey area Tidak bangkrut Overall Percentage

4 1 0 9.8%

1 7 4 23.5%

1 5 28 66.7%

Percent Correct 66.7% 53.8% 87.5% 76.5%

Parameter Estimates PK (Y)

a

Bangkrut

Grey area

B Intercept NPM RTO CR Intercept NPM RTO CR

Std. Error

Wald

df

Sig.

11.982 1.995 -1.241 -2.438 2.132 -47.952

4.659 21.858 .553 1.318 1.149 17.265

6.615 .008 5.041 3.420 3.443 7.715

1 1 1 1 1 1

.010 .927 .025 .064 .064 .005

.047 -.235

.054 .315

.741 .557

1 1

.389 .455

Exp(B)

7.355 .289 .087 1.000E013 1.048 .791


Novita Sari Jurusan Akuntansi, Fakultas Ekonomi Universitas Maritim Raja Ali Haji, Tanjungpinang, 2014 ABSTRAK

Recommend Documents