RASIO KEUANGAN BERBASIS AKRUAL DAN BERBASIS KAS UNTUK MEMPREDIKSI FINANCIAL DISTRESS PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA

Jurnal Ilmu & Riset Akuntansi Vol. 3 No. 12 (2014)

RASIO KEUANGAN BERBASIS AKRUAL DAN BERBASIS KAS UNTUK MEMPREDIKSI FINANCIAL DISTRESS PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA SHOFI AMBARI [email protected] Sekolah Tinggi Ilmu Ekonomi Indonesia Surabaya ABSTRACT The purpose of this study was to determine whether the accrual -based financial ratios and cash flow -based can be used to predict financial distress of the company appropriately and provide evidence regarding the predictive models are most appropriate in predicting corporate financial distress. The sample in this study consisted of 62 manufacturing companies listed on the Indonesia Stock Exchange in 2008 until 2012. Statistical method used to test the first hypothesis is discriminant analysis, while the second hypothesis is tested using chi-square analysis. The results of the study revealed that accrual –based and cash flow -based financial has the ability to form a financial distress prediction model used to predict the future condition of a company and test results using Chi - Square shows there are differences in the criteria for classifying between the model predictions and the accrual -based and cash flow -based prediction model proved that the accrual -based financial distress and has the ability to classify different companies over better than cash flow -based prediction models. Keywords : Financial distress prediction model , Accrual Based Financial Ratios and Cash Flow Based, Discriminant Analysis, Chi - Square Analysis PENDAHULUAN Perkembangan perekonomian terutama di bidang teknologi informasi dan transportasi di era globalisasi saat ini mengakibatkan meningkatnya persaingan baik dalam tingkat lokal, nasional maupun internasional. Apabila perusahaan yang tidak mampu mengantisipasi perkembangan serta tidak mempersiapkan diri untuk menghadapi keadaan tersebut maka usahanya dapat mengalami kondisi kesulitan keuangan (financial distress) atau bahkan mengalami kebangkrutan. Platt dan Platt (2002) menunjukkan bahwa financial distress merupakan tahap penurunan kondisi keuangan yang dialami perusahaan, yang terjadi sebelum terjadinya kebangkrutan ataupun likuidasi. Ada beberapa indikator dan sumber informasi yang dapat membantu peramalan dan pencegahan financial distress. Ini adalah analisis cash flow periode yang sekarang dan yang akan datang, analisis strategi perusahaan yang meneliti pesaing perusahaan atau institusi yang potensial, struktur relatif perusahaan, penanaman modal dan perluasan dalam industri, kemampuan perusahaan untuk terus berjalan dengan adanya peningkatan biaya, dan mutu manajemen. Sumber informasi lainnya dari variabel eksternal (seperti security return dan bond ratings) dan analisis laporan keuangan yang memusat pada variabel keuangan (Foster, 1986). Dari keempat sumber informasi financial distress tersebut yang sangat mungkin dijadikan alat untuk menilai kinerja dan mengetahui indikasi terjadinya financial distress adalah analisis laporan keuangan yang diterbitkan oleh perusahaan (Sasanti, 2010).

1


Analisis laporan keuangan berusaha mengidentifikasi aspek-aspek yang relevan bagi pengambilan keputusan investasi. Salah satu tujuan analisis tersebut adalah untuk memperkirakan nilai perusahaan yang dicerminkan oleh laporan keuangan. Analisis rasio keuangan berbasis akrual yang menghubungkan unsur-unsur neraca dan perhitungan laba rugi satu dengan lainnya, dapat memberikan gambaran tentang sejarah perusahaan dan penilaian posisinya pada saat ini, apakah dalam kondisi sehat ataukah sedang mengalami financial distress, (Prastowo dan Juliaty, 2008) Disamping neraca dan laba rugi, arus kas juga merupakan laporan yang memberikan informasi yang relevan mengenai penerimaan dan pengeluaran kas dalam periode waktu tertentu. Setiap perusahaan dalam menjalankan operasi usahanya akan mengalami arus masuk kas (cash inflows) dan arus keluar (cash outflows). Apabila arus kas yang masuk lebih besar daripada arus kas yang keluar maka hal ini akan menunjukkan positive cash flows, sebaliknya apabila arus kas masuk lebih sedikit daripada arus kas keluar maka akan tejadi negative cash flows, (Wahyuningtyas, 2010). Penelitian tentang prediksi financial distress dengan menggunakan rasio keuangan berbasis akrual dan rasio keuangan berbasis kas secara bersamaan telah dilakukan oleh Zu’amah (2005) dan Almilia (2006). Perbedaan penelitian ini dengan penelitian sebelumnya adalah pada pemilihan sampel, teknik analisis, periode penelitian dan variabel penelitian. Penelitian ini bertujuan untuk: (1) Memperoleh bukti empiris tentang apakah rasio keuangan berbasis akrual mempunyai kemampuan untuk memprediksi financial distress pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia, (2) Memperoleh bukti empiris tentang apakah rasio keuangan berbasis kas mempunyai kemampuan untuk memprediksi financial distress pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia, (3) Memperoleh bukti empiris tentang rasio keuangan manakah yang lebih memiliki kemampuan memprediksi secara lebih tepat pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia. TINJAUAN TEORITIS Teori keagenan merupakan dasar yang digunakan untuk memahami mengapa prediksi financial distress dengan menggunakan analisis laporan keuangan perlu dilakukan. Hal ini dikarenakan Jensen dan Meckling (1976) menjelaskan bahwa teori keagenan (agency theory) merupakan suatu bentuk hubungan kontraktual antara seorang atau beberapa orang yang bertindak sebagai principal dan seseorang atau beberapa orang lainnya yang bertindak sebagai agent, untuk melakukan pelayanan bagi kepentingan principal dan mencakup pendelegasian wewenang dalam pembuatan keputusan dari principal kepada agent. Dalam perekonomian modern, manajemen dan pengendalian perusahaan semakin terpisah dari kepemilikan. Manager bertanggung jawab terhadap pemilik yang kemudian berimbas dengan pendanaan perusahaan baik dari investor atau kreditor. Salah satu bentuk pertanggung jawabannya adalah dengan mengajukan laporan keuangan. Laporan keuangan disusun untuk melaporkan kondisi keuangan perusahaan pada periode waktu tertentu (Wahyuningtyas, 2010). Informasi dari laporan keuangan tersebut dapat dijadikan pihak eksternal untuk menilai kondisi keuangan perusahaan dengan melakukan analisis laporan keuangan. Analisis laporan keuangan yang menghubungkan unsur-unsur neraca dan perhitungan laba rugi serta arus kas satu dengan yang lainnya, dapat memberikan gambaran tentang sejarah perusahaan dan penilaian posisinya pada saat ini apakah dalam kondisi sehat ataukah sedang mengalami financial distress (Prastowo dan Juliaty, 2008). 2


financial distress merupakan kondisi dimana keuangan perusahaan tidak sehat atau mengalami krisis, dengan ditandai ketidakmampuan dalam membayar hutanghutangnya dan deviden selama lebih dari satu tahun dikarenakan menurunnya laba bersih operasi dan arus kas operasi dari perusahaan tidak mencukupi. Kondisi financial distress terjadi sebelum perusahaan mengalami kebangkrutan. Rasio Keuangan Berbasis Akrual Untuk Memprediksi Financial Distress Rasio-rasio keuangan berbasis akrual yaitu yang diambil dari data laporan laba rugi dan neraca seperti current ratio, return on assets dan financial leverage telah terbukti secara empiris mempunyai kemampuan yang lebih baik dalam memprediksi kepailitan suatu entitas (Beaver, 1966; Altman, 1968; Altman et al. 1977). Penelitian tentang financial distress terkait dengan penggunaan rasio-rasio keuangan berbasis akrual juga dilakukan oleh beberapa peneliti, diantaranya penelitian yang dilakukan oleh Platt dan Platt (2002) yang berusaha menentukan rasio yang paling dominan dengan menggunakan model logit untuk memprediksi adanya financial distress. Hasil penelitiannya yaitu EBITDA/sales, current assets/current liabilities dan cash flow growth rate memiliki hubungan negatif terhadap kemungkinan perusahaan akan mengalami financial distress. Sedangkan rasio net fixed assets/total assets, long-term debt/equity dan notes payable/total assets memiliki hubungan positif terhadap kemungkinan perusahaan akan mengalami financial distress. Penelitian Almilia dan Kristijadi (2003) yang menggunakan rasio keuangan berdasarkan penelitian Platt dan Platt (2002) mengambil sampel perusahaan manufaktur yang terdapat di BEJ pada tahun 1998-2001. Hasil penelitiannya menyebutkan bahwa variabel yang paling dominan menentukan financial distress suatu perusahaan adalah NI/S, CL/TA, CA/CL, Growth NI/TA. Zu’amah (2005) dalam penelitiannya membuktikan secara signifikan bahwa rasiorasio keuangan berbasis akrual yaitu : rasio likuiditas ( CACL), leverage (TLTA), return on investment (NITA), produktivitas (WCTA), dan ekuitas (SCL) memiliki kemampuan dalam membentuk model prediksi kepailitan yang digunakan untuk memprediksi kondisi suatu emiten di masa depan secara dini. Sementara Almilia (2006) memasukkan rasio keuangan yang berasal dari laporan laba rugi dan neraca menunjukkan bahwa rasio TLTA dapat digunakan untuk memprediksi kondisi financial. Pasaribu (2008) dalam penelitiannya menyimpulkan rasio WCTA berpengaruh positif dan signifikan terhadap financial distress. Akan tetapi, Salehi (2009) dalam Ardiyanto (2011) , Almilia dan Kristijadi (2003)berpendapat WCTA berpengaruh negatif dan signifikan terhadap financial distress. Selanjutnya hasil pengujian Yuanita (2010) dan Ardiyanto (2011) menunjukkan bahwa variabel CACL, WCTA dan NITA berpengaruh signifikan terhadap probabilitas financial distress. Penelitian lain untuk memprediksi financial distress dengan rasio berbasis akrual dengan menganalisa faktor internal dan eksternal yang mempengaruhi financial distress perusahaan dilakukan oleh Pranowo (2010) dalam Ardiyanto (2011). Proxy yang digunakan untuk financial distress yaitu DSC (Debt Service Coverage). Hasilnya bahwa rasio CA/CL, EBITDA/TA, Due date account payable to fund availability, Paid in capital (capital at book value) secara signifikan mempengaruhi financial distress perusahaan. Berdasarkan analisis dan bukti empiris terdahulu maka penulis berpendapat bahwa rasio-rasio keuangan berbasis akrual dapat digunakan untuk memprediksi financial distress secara dini dan diajukan sebuah hipotesis alternatif (H1a): H1a: Rasio keuangan berbasis akrual mempunyai kemampuan untuk memprediksi financial distress pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia

3


Rasio Keuangan Berbasis Kas Untuk Memprediksi Financial Distress Penggunaan rasio-rasio keuangan berbasis aliran kas dalam penelitian prediksi kebangkrutan mulai digunakan sebagai alternatif prediksi berbasis akrual setelah dikeluarnya FASB Statement No. 95 tentang kewajiban perusahaan untuk melaporkan Laporan Arus Kas (Cash Flow Statementt) menggantikan Laporan Perubahan Modal Kerja dengan konsep fund. Gentry et al. (1985) menemukan bukti empiris bahwa komponen dana berbasis kas memiliki kemampuan dalam mengklasifikasikan perusahaan gagal dan tidak gagal. Lebih lanjut Gentry et al (1987) dan Aziz dan Lawson (1989) menyatakan dalam penelitiannya bahwa model prediksi kepailitan yang berbasis komponen aliran kas memiliki kemampuan prediksi yang lebih baik dibanding prediksi berbasis akrual. Sedangkan Genry et al. (1985) dan Gombola dan Katz (1983) menemukan bukti bahwa rasio kas menambah tingkat akurasi (incremental accuracy) prediksi berbasis akrual Penelitian yang dilakukan Setyaningrum (2002) dalam Atmini (2005) memprediksi kekuatan dan arti penting arus kas dalam memprediksi kebangkrutan. Gentry et al. (1985) dalam Atmini (2005) mendukung penelitian bahwa arus kas memasukkan berbagai aliran dana seperti dividen dan pengeluaran modal sedangkan Azis dan Lawson (1989) mengatakan bahwa model berbasis arus kas lebih efektif dalam memprediksi peringatan kebangkrutan lebih awal. Zuamah (2005), Almilia (2006), Sari dan Utami (2009) membuktikan bahwa rasiorasio keuangan berbasis aliran kas terbukti mempunyai kemampuan dalam membentuk model prediksi kepailitan yang digunakan untuk memprediksi kondisi suatu emiten di masa depan secara dini. Berdasarkan analisis dan bukti empiris terdahulu maka penulis berpendapat bahwa rasio-rasio keuangan berbasis kas dapat digunakan untuk memprediksi financial distress secara dini dan diajukan sebuah hipotesis alternatif (H1b): H1b: Rasio keuangan berbasis kas mempunyai kemampuan untuk memprediksi financial distress pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia Rasio Keuangan Berbasis Akrual Memiliki Kemampuan Memprediksi Secara Lebih Tepat pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia Hasil penelitian Casey & Bartczak (1984) membuktikan bahwa aliran kas operasi merupakan prediktor yang lemah terhadap kebangkrutan perusahaan. Hal ini didukung juga oleh hasil penelitian Gentry et al. (1985) yang menemukan bahwa model prediksi berbasis kas mempunyai tingkat kesalahan klasifikasi yang lebih tinggi dibanding model prediksi berbasis akrual. Indikasi serupa juga diberikan oleh Gombola et al. (1987) yang menemukan bukti aliran kas operasi tidak memberikan informasi tambahan dalam memprediksi kebangkrutan. Penelitian Atmini (2005), Wahyuningtyas (2010), Zu’amah (2005), Almilia (2006), Mazouz, Crane, dan Hamdan (2012) meskipun dengan menggunakan teknik analisis yang berbeda namun memperoleh bukti empiris bahwa model prediksi berbasis akrual mempunyai ketepatan klasifikasi paling tinggi dibanding model prediksi berbasis aliran kas Berdasarkan analisis dan hasil penelitian tersebut maka penulis berasumsi bahwa prediksi financial distress dengan menggunakan rasio keuangan berbasis akrual lebih baik dibanding dengan rasio keuangan berbasis kas dan mengajukan hipotesis sebagai berikut: H2: Rasio keuangan berbasis akrual memiliki kemampuan untuk memprediksi financial distress secara lebih tepat pada perusahaan manufaktur yang terdaftar di BEI 4


METODE PENELITIAN Penelitian ini menggunakan data sekunder berupa laporan keuangan yang dipublikasikan dan data base Bursa Efek Indonesia yang tersedia secara online pada situs http://www.idx.co.id., sedangkan populasi dalam penelitian ini adalah seluruh perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode tahun 2008 sampai dengan 2012. Pemilihan sampel penelitian dilakukan dengan menggunakan metode purposive sampling dengan tujuan untuk mendapatkan sampel yang reprensentatif sesuai dengan kriteria sebagai berikut : 1. Sampel adalah perusahaan-perusahaan yang termasuk dalam perusahaan manufaktur yang terdaftar di BEI tahun 2008 – 2012. 2. Sampel telah mempublikasikan laporan auditan antara tahun 2008 – 2012 3. Untuk perusahaan financial distress adalah perusahaan yang mengalami rugi dua tahun berturut-turut pada tahun 2009 – 2010, 2010– 2011 dan 2011– 2012 4. Perusahaan yang tidak mengalami financial distress adalah perusahaan yang mengalami laba dua tahun berturut-turut pada tahun 2009 – 2010, 2010 – 2011 dan 2011 – 2012 Berdasarkan kriteria yang telah ditentukan maka berdasarkan tahun pengamatan 2008 sampai dengan 2010 dari 102 perusahaan manufaktur yang termasuk dalam kategori mengalami financial distress sebanyak 60 perusahaan dan non financial distress sebanyak 2 perusahaan. Definisi Operasional Variabel Variabel dependen dalam penelitian ini adalah kondisi financial distress perusahaan yang merupakan variabel kategori yaitu financial distress dan non financial distress. Ada dua variabel dependen dalam penelitian ini, yaitu Z-score dari prediksi financial distress dengan rasio keuangan berbasis akrual dan prediksi financial distress dengan rasio keuangan berbasis aliran kas. Variabel independen yang digunakan dalam penelitian ini adalah rasio-rasio keuangan yang dipilih berdasarkan penelitian sebelumnya. Ada dua set rasio keuangan yang bertindak sebagai variabel independen, set pertama yaitu rasio keuangan berbasis akrual yang terdiri dari rasio likuiditas, leverage, produktifitas dan ekuitas. Sementara set yang kedua adalah rasio keuangan berbasis aliran kas yaitu dari rasio aktivitas operasi, rasio aktivitas investasi, dan rasio aktivitas pendanaan. Pengukuran Variabel 1. Variabel Dependen Perusahaan dikatakan mengalami financial distress jika mengalami net income negative, hal ini sesuai dengan penelitian Platt dan Platt (2002) dan Almilia (2003), kondisi financial distress suatu perusahaan ditandai dengan net income negative terlebih dahulu. 2. Variabel Independen a. Rasio keuangan berbasis akrual: Pengukuran rasio keuangan berbasis akrual dalam penelitian ini merujuk pada penelitian Zu’amah (2005) sebagai berikut: 1) Likuiditas, variabel ini diukur melalui current ratio, yaitu Aktiva Lancar/Hutang Lancar (Current Asset to Current Liabilities). Semakin kecil rasio Current Assets/Current Liabilities, semakin besar kemungkinan terjadinya kondisi financial distress pada perusahaan. 2) Leverage, variabel ini diukur melalui Total Hutang/Total Aktiva (Total Liabilities to Total Asset. Semakin kecil kemungkinan suatu perusahaan mengalami kondisi financial distress. 5


3) Return on Investment, variabel ini diukur melalui Laba Bersih/Total Aktiva (Net Income to Total Assets). Semakin besar kemungkinan suatu perusahaan mengalami kondisi financial distress. 4) Produktifitas, variabel ini diukur melalui Modal Kerja/Total Aktiva (Working Capital to Total Asset). Semakin kecil rasio Working Capital to Total Assets, semakin besar kemungkinan terjadinya kondisi financial distress. 5) Ekuitas, variabel ini diukur melalui Penjualan/Hutang Lancar (Sales to Current Liabilities). Semakin kecil rasio Sales to Current Liabilities, semakin besar kemungkinan terjadinya kondisi financial distress pada perusahaan. b. Rasio keuangan berbasi kas: Pengukuran rasio keuangan berbasis kas yang terbukti secara signifikan dalam memprediksi financial distress, merujuk pada penelitian Sari dan Utami (2009) sebagai berikut: 1) Aktivitas operasi Variabel ini diukur melalui : a) Arus kas bersih dari aktivitas operasi/total aktiva (Cash Flow From Operation/Total Assets). Semakin kecil rasio arus kas bersih dari aktivitas operasi/total aktiva, semakin kecil kemungkinan terjadinya kondisi financial distress pada perusahaan. b) Arus kas bersih dari aktivitas operasi/penjulan (Cash Flow From Operation/Sales). Semakin kecil kemungkinan terjadinya kondisi financial distress pada perusahaan. 2) Aktivitas investasi Variabel ini diukur melalui : a) Investasi aktiva tetap/aktiva tetap (Investmen in Plant, Property, and Equipment/Plant Property and Equipment). Semakin kecil rasio perolehan hutang/total penggunaan dana, semakin besar kemungkinan terjadinya kondisi financial distress pada perusahaan. b) Perubahan modal kerja/total penggunaan dana (Changes in Working Capital/Total Use of Fund). Semakin kecil rasio Perubahan modal kerja/total penggunaan dana, semakin besar kemungkinan terjadinya kondisi financial distress pada perusahaan. c) Penghapusan aktiva tetap/total sumber dana (Retirement of PPE/Total Source of Fund). Semakin kecil rasio penghapusan aktiva tetap/total sumber dana, semakin kecil kemungkinan terjadinya kondisi financial distress pada perusahaan. 3) Aktivitas pendanaan Variabel ini diukur melalui: a) Perolehan hutang/total sumber dana (Debt Interest/ Total Source of Fund). Semakin kecil kemungkinan terjadinya kondisi financial distress pada perusahaan. b) Perolehan hutang – pembayaran hutang)/total sumber dana (NetDebt/ Total Source of Fund). Semakin kecil rasio (perolehan hutang – pembayaran hutang)/total sumber dana, semakin kecil kemungkinan kondisi financial distress. Teknik Analisa Data Pengujian hipotesis dilakukan dengan analisis diskriminan yang mencoba menghasilkan kombinasi linear terbaik dari dua atau lebih variabel independen yang

6


akan memisahkan kelompok yang mengalami financial distress dari kelompok yang tidak mengalami financial distress. Pengujian hipotesis 1 dilakukan dengan langkah-langkah sebagai berikut: 1. Menentukan sampel non financial distress dan financial distress 2. Menghitung rasio keuangan berbasis akrual dan berbasis kas untuk masing-masing perusahaan manufaktur yang tergolong financial distress dan non financial distress pada tahun 2008, 2009 dan 2010. 3. Mengolah data-data yang diperoleh dari perhitungan rasio keuangan dengan menggunakan analisis diskriminan. Formula dari fungsi analisis diskriminan adalah sebagai berikut: a. Melakukan pengujian perbedaan vektor nilai rata-rata terhadap rasio-rasio keuangan berbasis akrual dan rasio keuangan berbasis arus kas dari kedua kelompok (financial distress dan non fianancial distress) dengan menggunakan alat uji statistik Wilk’s Lambda. Jika angka Wilk’s Lambda mendekati 0 maka data tiap kelompok cenderung berbeda, dan jika mendekati 1 maka data tiap kelompok cenderung sama. Cara lain untuk menguji variable independen adalah dengan uji F test, karena untuk menguji signifikansi nilai Wilk’s Lambda dapat dikonversi ke dalam F ratio. Pengujian F test bisa dilihat dari kolom sig. Jika probabilitas > 0,05, artinya tidak ada perbedaan secara statistik antar kelompok, sedangkan jika probabilitas < 0,05 artinya ada perbedaan secara statistik antar kelompok b. Selanjutnya hasil analisis simultan terhadap rasio-rasio keuangan tersebut digunakan sebagai variabel independen dalam fungsi diskriminan pada masingmasing rasio berbasis akrual dan rasio berbasis kas. Sehingga tampak persamaan sebagai berikut: Persamaan untuk rasio berbasis akrual Z-Score = α + β1 CA/CL + β2 TL/TA + β3 NI/TA+ β4 WC/TA+ β5S/CL Dalam hal ini: Z-Score = discriminant score α = intercept β = parameter CA/CL = Aktiva lancar / kewajiban lancar TL/TA = Total Kewajiban/total aktiva NI/TA = Laba bersih / total aktiva WC/TA = Modal kerja (aktiva lancar – kewajiban lancar) / total aktiva S/CL = Penjualan/kewajiban lancar Persamaan untuk rasio berbasis arus kas Z-Score =α + β1CFFO/TA + β2CFFO/S + β3IPPE/PPE + β4CHWC/TU + β5RPPE/TS + β6DI/TS + β7NetDebt/TS Dalam hal ini: Z-Score α β CFFO/TA CFFO/S IPPE/PPE CHWC/TU RPPE/TS DI/TS

= discriminant score = intercept = parameter = Arus kas bersih dari aktivitas operasi/total aktiva = Arus kas bersih dari aktivitas operasi/penjulan = Investasi aktiva tetap/aktiva tetap = Perubahan modal kerja/total penggunaan dana = Penghapusan aktiva tetap/total sumber dana = Perolehan hutang/total sumber dana 7


NetDebt/TS = Perolehan hutang – pembayaran hutang)/total sumber dana Nilai Z-score pada masing-masing rasio berbasis akrual dan rasio berbasis kas yang diperoleh dari fungsi diskriminan ini digunakan sebagai cutting score untuk mengklasifikasi emiten mengalami financial distress dan non financial distress. Untuk melihat hasil fungsi diskriminan yang terjadi pada analysis sample tahun 2008-2010 valid atau tidak, maka harus diuji ketepatannya dengan menggunakan analisis Chi-Square Test. Alat uji ini dipilih karena tujuan penelitian ini adalah menguji perbedaan kemampuan mengklasifikasi antar model prediksi. Pengambilan keputusan diperoleh dengan cara membandingkan Chi-Square hitung Chi-Square table. Jika Chi-Square hitung < Chi-Square table, maka tidak ada perbedaan klasifikasi antara model prediksi berbasis akrual dan berbasis kas atau dengan kata lain keduanya sebangun. Cara lain untuk menarik kesimpulan dari analisis ini adalah dengan melihat kolom Sig. Jika probabilitas > 0.005 maka tidak terdapat perbedaan klasifikasi antar model prediksi dan jika probabilitas < 0.05 maka terdapat perbedaan antar model prediksi. ANALISIS DAN PEMBAHASAN Deskripsi Data Sampel yang digunakan sebagai sampel estimasi dalam penelitian ini berjumlah 62 emiten yang terdaftar di di Bursa Efek Indonesia dengan perincian 60 perusahaan yang tidak mengalami financial distress dan 2 perusahaan yang mengalami financial distress untuk perioda penelitian pada tahun 2008 hingga tahun 2012. Tabel 2 menyajikan statistic deskriptif sampel estimasi keseluruhan (pooled data) pada periode 2008 sampai dengan 2012 Tabel. 1 Deskriptif Variabel Penelitian CACL TLTA NITA WCTA S_CL CFFA_TA CFFO_S IPPE_PPE CHWC_TU RPPE_TS DI_TS NetDebt_TS Valid N (listwise)

N

Minimum

62 62 62 62 62 62 62 62 62 62 62 62

,175 ,046 -,174 -,312 1,432 -,125 -,117 ,000 -35,478 ,000 ,000 -,277

Maximum

Mean

Std. Deviation

13,655 2,520 ,343 ,768 35,900 14820881849,000 20281483012,000 200,805 48,226 ,047 ,760 ,398

2,639 ,469 ,080 ,252 6,140 239046481,560 327120693,847 3,305 2,268 ,120 ,566 ,137

2,412 ,332 ,038 ,222 5,630 1882253877,061 2575750918,262 2,493 ,653 ,007 ,137 ,098

62

Sumber: Diolah penulis Berdasarkan hasil uji statistik deskriptif terhadap variabel penelitian diperoleh standar deviasi yang jauh lebih kecil dari nilai rata rata variabel atau nilai mean lebih besar dari standar deviasi, sehingga dapat disimpulkan tidak terdapat data yang outliner dalam penelitian ini.

8


Uji Normalitas Data Pengujian normalitas bertujuan untuk mengetahui apakah residual data dari model regresi linear memiliki distribusi normal ataukah tidak. Jika residual data tidak terdistribusi normal, maka kesimpulan statistik menjadi tidak valid atau bias. Model regresi yang baik adalah yang residual datanya berdistribusi normal (Hengky Latan, Selva Temalagi, 2012). Pengujian normalitas data pada penelitian ini dilakukan dengan menggunakan One-Sample Kolmogorov-Smirnov test . ketentuan untuk menetukan distribusi normal data yaitu: a. Bila nilai signifikan >  (5%), maka H0 diterima, artinya data berdistribusi normal. b. Bila nilai siginifikan <  (5%), maka H1 diterima, artinya data tidak berdistribusi normal. Berikut hasil olah data dengan One-Sample Kolmogorov-Smirnov test, seperti tabel 2: Tabel. 2 Uji Normalitas Data Dengan One-Sample Kolmogorov-Smirnov test Kolmogorov-Smirnov Z Variabel CA/CL ,984 TL/TA ,441 NI/TA ,941 WC/TA ,489 S/CL ,615 CFFO/TA ,208 CFFO/S ,279 IPPE/PPE ,181 CHWC/TU ,091 RPPE/TS ,271 DI/TS ,676 NetDebt/TS ,886 Sumber: Diolah penulis

Asymp. Sig. (2-tailed) ,210 ,314 ,182 ,970 ,218 ,896 ,780 ,991 ,963 ,601 ,521 ,363

Tabel.3 di atas dapat diketahui bahwa nilai signifikans menunjukkan bahwa rasio keuangan berbasis akrual (CA/CL, TL/TA, NI/TA, WC/TA, dan S/CL) nilai signifikannya > 0,05. Begitu juga rasio keuangan berbasis arus kas (CFFO/TA, CFFO/S, IPPE/PPE, CHWC/TU, RPPE/TS, DI/TS, dan NetDebt/TS) nilai signifikanya > 0,05, artinya berada pada H0 diterima. Hal ini menunjukkan bahwa nilai residual data terdistribusi normal. Pengujian Hipotesis Hipotesis Pertama Hipotesis 1 diuji dengan alat uji statistis analisis diskriminan dua faktor. Uji diskriminan ini dipilih karena pengujian dilakukan dengan variabel dependen yang terdiri dari dua kategori yaitu: kategori 0 untuk status perusahaan financial distress dan 1 untuk status perusahaan non financial distress. Langkah pertama dalam uji analisis diskriminan adalah melakukan pengujian perbedaan vektor nilai rata-rata terhadap rasio-rasio keuangan berbasis akrual dan rasiorasio keuangan berbasis aliran kas dari kedua kelompok (Financial Distress dan Non Financial Distress) dengan menggunakan alat uji statistik Wilk's Lambda. Jika angka Wilk's Lambda mendekati 0 maka data tiap kelompok cenderung berbeda, dan jika mendekati 1 9


maka data tiap kelompok cenderung sama. Cara lain untuk menguji variabel independen adalah dengan uji F test, karena untuk menguji signifikansi nilai Wilk's Lambda dapat dikonversi ke dalam F ratio. Pengujian F test bisa dilihat dari kolom Sig. Jika probabilitas > 0,05, artinya tidak ada perbedaan secara statistik antar kelompok, sedangkan jika probabilitas < 0,05 artinya ada perbedaan secara statistis antar kelompok. Berikut hasil uji diskriminan seperti tabel. 3: Tabel. 3 Hasil Uji Statistik Wilk's Lambda Rasio Berbasis Akrual Wilks' Lambda CA/CL ,392 TL/TA ,498 NI/TA ,841 WC/TA ,398 ,492 S/CL Sumber: Diolah penulis

F

df1

df2

4,254 5,138 4,095 6,926 6,252

1 1 1 1 1

60 60 60 60 60

sig ,036 ,037 ,018 ,033 ,019

Pada tabel. 3 terlihat bahwa nilai Wilk's Lambda untuk rasio-rasio keuangan berbasis akrual berkisar antara 0,392 hingga 0,841. Artinya rasio-rasio keuangan berbasis akrual (CA/CL, TL/TA, NI/TA, WC/TA, dan S/CL) nilainya tidak mendekati angka 1, artinya data tiap kelompok cenderung berbeda. Cara lain untuk menguji variabel independen adalah dengan membandingkan nilai signifikannya, terlihat bahwa nilai signifikannya rasio-rasio keuangan berbasis akrual (CA/CL, TL/TA, NI/TA, WC/TA, dan S/CL) berkisar antara 0,018 hingga 0,037 < 0,05, artinya data tiap kelompok rasio keuangan berbasis akrual memang benar berbeda. Hal ini membuktikan bahwa hipotesis yang menyatakan bahwa rasio-rasio keuangan berbasis akrual mampu memprediksi financial distress pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia adalah terbukti. Selanjutnya hasil analisis simultan terhadap rasio-rasio keuangan akrual tersebut digunakan sebagai variabel independen dalam fungsi diskriminan pada masing-masing model yang dibangun yaitu untuk memlihat nilai koefisien dari massing-masing rasio. Berikut hasil perhitungan koefisien fungsi diskriminan masing-masing model prediksi berbasis akrual, seperti tabel 4: Tabel 4 Uji Analisis Diskriminan Model Prediksi Berbasis Akrual Function 1 ,014 ,641 5,902 4,183 ,030 ,129

CA/CL TL/TA NI/TA WC/TA S/CL (Constant) Sumber: diolah penulis

Berdasarkan tabel. 4 diatas, maka persamaan rasio berbasis akrual dapat disusun sebagai berikut:

10


Z-Score model 1 = 0,129 + 0,014CA/CL + 0,641TL/TA + 5,902NI/TA + 4,183WC/TA+ 0,030S/CL Bila dilihat dari nilai koefisiennya semua bernilai positif, artinya mempunyai hubungan yang setaraf. Nilai yang dihasilkan dari Z-score pada model prediksi tersebut, nantinya akan digunakan untuk mengklasifikasikan perusahaan yang mengalami financial distress dan perusahaan yang non financial distress. Hasil uji ini juga akan dipakai sebagai ketepatan model dalam memprediksi suatu perusahaan. Hasil uji ketepatan kalsifikasi dari model tersebut dapat dilihat pada tabel. 5 berikut: Tabel. 5 Hasil Uji Ketepatan Klasifikasi Model Prediksi Berbasis Akrual b,c

Classification Results

Original

Count %

Cross-validated

a

Count %

Predicted Group Membership FD NFD 2 0 21 39 100,0 ,0 35,0 65,0 1 1 23 37 50,0 50,0 38,3 61,7

fd FD NFD FD NFD FD NFD FD NFD

Total 2 60 100,0 100,0 2 60 100,0 100,0

a. Cross validation is done only for those cases in the analysis. In cross validation, each case is classified by the functions derived from all cases other than that case. b. 92,1% of original grouped cases correctly classified. c. 87,3% of cross-validated grouped cases correctly classified.

Sumber : diolah penulis Tabel. 5 diatas menunjukkan bahwa ketepatan klasifikasi model prediksi berbasis akrual, diperoleh keterangan bahwa 92,1% (kode b) dari data terklasifikasi dengan benar. Hal ini berarti menurut model prediksi berbasis akrual yang diteliti sebesar 92,1% dari 62 perusahaan teramati telah dimasukkan pada kelompok yang sesuai dengan data semula yang diteliti. Jika dilihat dari nilai validasi silang (cross-valdidated) terlihat nilai 87,3% (kode c), artinya data terklasifikasi dengan benar. Hal ini menunjukkan bahwa data terklasifikasi dengan benar diatas 85%. Hasil analisis tersebut sekaligus bisa menjawab hipotesis 1a, bahwa terdapat model prediksi yang dapat digunakan untuk memprediksi financial distress suatu perusahaan secara dini. Berdasarkan hasil uji pengklasifikasian pada model prediksi berbasis akrual dapat digunakan untuk memprediksi kepailitan suatu emiten secara dini dan hal ini sekaligus mendukung Hipotesis 1a. Tabel. 6 Hasil Uji Statistik Wilk's Lambda Rasio Berbasis Arus Kas Wilks' Lambda CFFO/TA ,300 CFFO/S ,322 IPPE/PPE ,235 CHWC/TU ,491 RPPE/TS ,490 DI/TS ,370 NetDebt/TS ,349 Sumber: Diolah penulis

F

df1

df2

6,033 6,403 4,034 5,603 4,553 7,418 8,377

1 1 1 1 1 1 1

59 59 59 59 59 59 59

11

sig ,029 ,019 ,049 ,021 ,046 ,006 ,005


Pada tabel. 6 terlihat bahwa nilai Wilk's Lambda untuk rasio-rasio keuangan berbasis arus kas berkisar antara 0,235 hingga 0,491. Artinya rasio-rasio keuangan berbasis arus kas: CFFO/TA, CFFO/S, IPPE/PPE, CHWC/TU, RPPE/TS, DI/TS, dan NetDebt/TS) nilainya tidak mendekati angka 1, artinya data tiap kelompok cenderung berbeda. Cara lain untuk menguji variabel independen adalah dengan membandingkan nilai signifikannya, terlihat bahwa nilai signifikannya rasio-rasio keuangan berbasis arus kas (CFFO/TA, CFFO/S, IPPE/PPE, CHWC/TU, RPPE/TS, DI/TS, dan NetDebt/TS) berkisar antara 0,005 hingga 0,049 < 0,05, artinya data tiap kelompok rasio keuangan berbasis arus kas memang benar berbeda. Hal ini membuktikan bahwa hipotesis yang menyatakan bahwa rasio-rasio keuangan berbasis arus kas mampu memprediksi financial distress pada perusahaan manufaktur yang terdaftar di BEI adalah terbukti. Selanjutnya hasil analisis simultan terhadap rasio-rasio keuangan arus kas tersebut digunakan sebagai variabel independen dalam fungsi diskriminan pada masing-masing model yang dibangun yaitu untuk memlihat nilai koefisien dari massing-masing rasio. Berikut hasil perhitungan koefisien fungsi diskriminan masing-masing model prediksi berbasis arus kas, seperti tabel 7: Tabel. 7 Uji Analisis Diskriminan Model Prediksi Berbasis Arus kAs Function 1 1,695 7,487 ,002 ,076 42,789 1,136 8,881 ,392

CFFO/TA CFFO/S IPPE/PPE CHWC/TU RPPE/TS DI/TS NetDebt/TS (Constant) Sumber: diolah penulis

Berdasarkan tabel. 7 diatas, maka persamaan rasio berbasis arus kas dapat disusun sebagai berikut: Z-Score model 2 = 0,392 + 1,695CFFO/TA + 7,487CFFO/S + 0,002IPPE/PPE+ 0,076CHWC/TU + 42,789RPPE/TS + 1,136 DI/TS + 8,881 NetDebt/TS Bila dilihat dari nilai koefisennya semua bernilai positif, artinya mempunyai hubungan yang searaf. Nilai yang dihasilkan dari Z-score pada model prediksi tersebut, nantinyai akan digunakan untuk mengklasifikasikan perusahaan yang mengalami financial distress dan perusahaan yang non financial distress. Hasil uji ini juga akan dipakai sebagai ketepatan model dalam memprediksi suatu perusahaan. Hasil uji ketepatan kalsifikasi dari model tersebut dapat dilihat pada tabel. 9 berikut:

12


Tabel. 8 Hasil Uji Ketepatan Klasifikasi Model Prediksi Berbasis Arus Kas Classification Results

Original

fd FD NFD FD NFD FD NFD FD NFD

Count %

Cross-validated

a

Count %

b,c

Predicted Group Membership FD NFD 2 0 5 54 100,0 ,0 8,5 91,5 0 2 9 50 ,0 100,0 15,3 84,7

Total 2 59 100,0 100,0 2 59 100,0 100,0

a. Cross validation is done only for those cases in the analysis. In cross validation, each case is classified by the functions derived from all cases other than that case. b. 91,8% of original grouped cases correctly classified. c. 82,0% of cross-validated grouped cases correctly classified.

Sumber : diolah penulis Tabel. 8 diatas menunjukkan bahwa ketepatan klasifikasi model prediksi berbasis akrual, diperoleh keterangan bahwa 91,8% (kode b) dari data terklasifikasi dengan benar. Hal ini berarti menurut model prediksi berbasis arus kas yang diteliti sebesar 91,8% dari 62 perusahaan teramati telah dimasukkan pada kelompok yang sesuai dengan data semula yang diteliti. Jika dilihat dari nilai validasi silang (cross-valdidated) terlihat nilai 82,0% (kode c), artinya data terklasifikasi dengan benar. Hal ini menunjukkan bahwa data terklasifikasi dengan benar diatas 80%. Hasil analisis tersebut sekaligus bisa menjawab hipotesis 1b, bahwa terdapat model prediksi yang dapat digunakan untuk memprediksi financial distress suatu perusahaan secara dini. Berdasarkan hasil uji pengklasifikasian pada model prediksi berbasis arus kas dapat digunakan untuk memprediksi financial distress suatu perusahaan secara dini dan hal ini sekaligus mendukung Hipotesis 1b. Hipotesis Kedua Model prediksi yang telah dihasilkan dari fungsi diskriminan analisis tersebut diatas, kemudian diuji ketepatannya perbedaan kedua model prediksi berbasis akrual dan berbasis arus kas dengan menggunakan Chi-Square. Berikut hasil uji Chi-Square seperti tabel. 9: Tabel. 9 Uji Chi-Square Value

df

Asymp. Sig. Exact Sig. Exact Sig. (2-sided) (2-sided) (1-sided) .021

Pearson Chi-Square

62.456b

1

Continuity Correctiona Likelihood Ratio Fisher's Exact Test Linear-byLinear Association

54.237

1

.032

37.264

1

.001

N of Valid Cases

62

23.340

.012 1

.010

Sumber: diolah penulis 13

.024


Hasil analisis Chi-Square Test. Alat uji ini dipilih karena tujuan penelitian ini adalah menguji perbedaan kemampuan mengklasifikasi antar model prediksi baik prediksi berbasis akrual dan berbasis arus kas. Pengambilan keputusan diperoleh dengan cara membandingkan Chi-Square hitung dan Chi-Square tabel. Jika Chi-Square hitung < ChiSquare tabel, maka tidak ada perbedaan klasifikasi antara model prediksi berbasis akrual dan berbasis aliran kas atau dengan kata lain keduanya sebangun. Cara lain untuk menarik kesimpulan dari analisis ini adalah dengan melihat kolom Sig. Jika nilai sigs > 0.05, maka tidak terdapat perbedaan klasifikasi antar model prediksi dan jika nilai < 0.05 maka terdapat perbedaan antar model prediksi. Tabel 10 menampilkan hasil pengujian Chi-Square terhadap model prediksi kefinancial distressan. Pada kolom value terlihat angka Chi-Square hitung sebesar 62,456 dengan nilai sginifikanya sebesar 0,021 < 0,05, maka terdapat perbedaan klasifikasi antara model prediksi berbasis akrual dan berbasis arus kas atau dengan kata lain kedua model tidak sebangun. Dari analisis di atas, bisa diambil kesimpulan, yaitu kedua model prediksi financial distress yang diajukan peneliti adalah saling independen atau terdapat perbedaan kriteria dalam mengklasifikasi kelompok perusahaan antara model prediksi financial distress berbasis akrual dan berbasis arus kas. Dengan demikian dapat dikatakan bahwa Hipotesis 2 didukung, karena secara statistik terbukti bahwa model prediksi financial distress berbasis akrual berbeda dan mempunyai kemampuan mengklasifikasi perusahaan lebih baik daripada model prediksi financial distress berbasis aliran kas. Hal ini sesuai dengan uji ketepatan klasifikasi model prediksi untuk prediksi berbasis akrual yang diteliti sebesar 92,1% data yang sesuai kelompok dengan nilai validasi silang (cross-valdidated) sebesar nilai 87,3% (tabel.6 ) yang lebih baik dari model prediksi berbasis arus kas yang sebesar 91,8% yang sesuai data kelompok dengan nilai validasi silang (cross-valdidated) terlihat nilai 82,0% (tabel.9). Artinya prediksi berbasis akrual lebih tepat dalam memprediksi financial distress dari pada prediksi berbasis arus kas dalam penelitian ini. SIMPULAN DAN SARAN Simpulan Dari hasil analisis data dan pembahasan pada bab sebelumnya dapat disimpulkan sebagai berikut: 1. Rasio-rasio keuangan berbasis akrual memiliki kamampuan dalam membentuk model prediksi financial distress yang digunakan untuk memprediksi kondisi suatu perusahaan di masa depan secara dini. 2. Rasio-rasio keuangan berbasis arus kas memiliki kamampuan dalam membentuk model prediksi financial distress yang digunakan untuk memprediksi kondisi suatu perusahaan di masa depan secara dini. 3. Prediksi rasio keuangan berbasis akrual terbukti lebih baik dari pada prediksi rasio keuangan berbasis arus kas. Saran Berdasarkan keterbatasan yang diperoleh dalam penelitian ini, maka diajukan saran-saran yang dapat bermanfaat bagi penelitian selanjutnya sebagai berikut: 1. Penggunaan data tahun pengamatan untuk memprediksi kondisi financial distress suatu perusahaan dinilai dapat mempengaruhi validitas hasil pengujian. Oleh karena itu, dalam penelitian selanjutnya disarankan untuk menggunakan data tahun prediksi selama jangka waktu 3-5 tahun ke depan agar hasil pengujian penelitian lebih mencerminkan keadaan perusahaan secara tepat. 14


2. 3.

Bagi manajemen, dalam kaitannya dengan pelaporan arus kas perusahaan agar lebih meningkatkan dan mempertahankan yang sudah dicapai. Bagi investor, dengan memprediksi kondisi financial distress maka dapat diketahui kondisi perusahaan sehingga membantu dalam membuat keputusan berinvestasi

DAFTAR PUSTAKA Altman, E.I. 1968. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The journal of Finance, 23 (September) : 589-609. Altman, E.I., G. H. Robert dan P. Narayanan, 1977. ZETATM* ANALYSIS: A new Model to Identity bankruptcy risk of Corporations. Journal of Banking And Finance, 1: 29 – 54. Aziz, A. dan G. Lawson. 1989. Cash Flow Reporting and Financial Distress Models: Testing of Hypotheses. Financial Management, 18(1): 55-63. Asyik, N. F. 1999. Tambahan Kandungan Informasi Rasio Arus Kas. Jurnal Riset Akuntansi Indonesia 2(2) Almilia, L. S. dan Kristijadi. 2003. Analisis Rasio Keuangan untuk Memprediksi Kondisi Financial Distress Perusahaan Manufaktur yang Terdaftar di Bursa Efek Jakarta. Jurnal Akuntansi dan Auditing Indonesia 7(2): 1-26. Atmini, S. 2005. Manfaat Laba dan Arus Kas untuk Memprediksi Kondisi Financial Distress pada Perusahaan Textile Mill Products dan Apparel and OtherTextile Products yang Terdaftar di Bursa Efek Jakarta. Simposium Nasional Akuntansi VIII (Solo): 467-474. Almilia, L. S. 2006. Prediksi Kondisi Financial Distress Perusahaan Go Publik dengan Menggunakan Analisis Multinominal Logit. Jurnal Ekonomi dan Bisnis IndonesiA XII(1): 1-77. Ardiyanto, F. D. 2011. Prediksi Rasio Keuangan Terhadap Kondisi Financial Distress Perusahaan Manufaktur Yang Terdaftar di BEI Periode 2005-2009. Skripsi dipublikasikan. Program Sarjana Fakultas Ekonomi, Universitas Diponegoro, Semarang. Beaver, W. H. 1966. Financial ratios as predictors of failure. Empirical research in accounting: selected studies. Journal Of Accounting Research, 4 (supplement). Brahmana, R. K. 2005. Identifying Financial Distress Condition in Indonesia Manufacture Industry. Working Paper. Birmingham Business School, University of Birmingham. United Kingdom. Casey C. J. dan N.J. Bartczak. 1984. Cash Flow –It’s Not The Bottom Line. Harvard Business Review, 62(July-August):61-67. Foster, G. 1986. Financial Statement Analysis. Englewood Cliffs, New Jersey: Prentice Hall Englewood Cliffs, New Jersey. Gentry J. A., Newbold P., dan Whitford D.T., 1985a. Classifying Bankrupt Firm with Fund Flow Components. Journal of Accounting Research, 23(1): 146-160 Gentry J. A., Newbold P., dan Whitford D.T., 1987. Fund Flow Components, Financial Ratios and Bankruptcy. Journal of Business Finance and Accounting, 14(4): 595-606. Gombola M.J. dan Katz., 1983. Cash Flow in Bankruptcy Prediction. Financial Management, Winter: 55-65. Gujarati, Damodar. 1995. Ekonometrika Dasar. Penerbit Erlangga Gitman, L.J. 2003. Principles of Managerial Finance, 10th, USA : Addison Weasley Ghozali, I. 2011. Aplikasi Analisis Multivariate dengan Program SPSS, Semarang: Badan Penerbit Universitas Diponegoro. Harnanto. 1984. Analisis Laporan Keuangan. Edisi Pertama. Yogyakarta: BPFE.

15


Harahap, S. S., 2001. Analisis Kritis Atas Laporan Keuangan, Cetakan kedua, Penerbit PT. Raja Grafindo Persada, Jakarta Hanafi, M. M. dan A. Halim. 2009. Analisis Laporan Keuangan. Edisi Keempat. Yogyakarta: UPP STIM YKPN. Indonesian Commercial Newsletter. 2009. Prospek Industri Manufaktur Tahun 2010, http://www.datacon.co.id/Outlook-2010Industri2.html. Diakses tanggal 28 April 2013. Jensen, M. and W. Meckling. 1976, Theori of the Firm: Managerial Behavior Agency Cost, and Ow nership Structure, Journal of Finance Economics 3, pp. 305 – 360 Latan, Hengky dan Selva Temalagi. 2012. Analisis Multivariate Teknik dan Aplikasi Menggunakan Program IBM SPSS 20.0. Penerbit Alfabeta, Bandung. Mous, L. 2005. Predicting Bankruptcy With Discriminant Analysis and Decision Treem Using Financial Ratios. Bachelor Thesis Informatics and Economics. Fakultas of Economic , Erasmus University, Rotterdam. Mazouz A., Crane K., Hamdan., 2012. The Impact of Cash Flow on Business Failure Analysis and Prediction. International Journal of Business, Accounting, and Finance , 6(2): 68-83. Nurjanah, 2008. Modul Pelatihan SPSS, Malang: Universitas Brawijaya Nurdewanti, A. 2009. Prediksi Kondisi Financial Distress Perusahaan Go Public dengan Menggunakan Analisis Multinomial Logit. Jurnal publikasi Universitas Muhammadiyah Yogyakarta 5(5) Platt, H., dan M. B. Platt.2002. Predicting Financial Distress. Journal of Financial Service Professionals, 56: 12-15. Priambodo, A. 2002. Prediksi Nilai Economic Value Added Perusahaan-Perusahaan Go Public Dengan Analisa Diskriminan. Tesis. School of Business and Management. ITB. Pasaribu, R. B. F. 2008. Penggunaan Binary Logit Untuk Prediksii Financial Distress Perusahaan yang Tercatat di Bursa Efek Jakarta (Studi Kasus Emiten Industri Perdagangan). Jurnal Ekonomi, Bisnis, dan Akuntansi Ventura 11(2):153-172. Prastowo, D. dan R. Juliaty. 2008. Analisa Laporan Keuangan Konsep dan Aplikasi, Edisi Kedua, UPP, STIM YKPN. Prihadi, T. 2010. Analisa Laporan Keuangan Konsep dan Aplikasi. PPM Manajemen. Richard A. B. dan Myers. S. C. 2003. Financing and Risk Management, USA : Mc Graw Hill. Ross, S.A, R. W. Wasterfield, and Jaffe. 2005. Corporate Finance. 4th, USA : Mc Graw Hill. Shim, J. K. dan Siegel, Joel G. 1987. Theory and Problems of Managerial Finance. McGraw Hill. Singapore Sartono, A. 2001. Manajemen Keuangan Teori dan Aplikasi, Edisi ke empat. Yogyakarta: BPFE Rr. Iramani. 2008. Model Prediksi Financial Distress Perusahaan Go Publik di Indonesia (Studi pada sector Manufacture). Jurnal Aplikasi Manajemen 6 (1):183 - 194. Suntraruk, P., 2009. Predicting Financial Distress: Evidence from Thailand. Proceedings of the European Financial Management Association 2009 Annual Meeting. Milan, Italy, June 24-27: 36 pages. Sari, Y. P. dan M. Utami. 2009. Prediksi Financial Distress dengan Rasio Arus Kas. Manajemen dan Bisnis 8 (2) Sasan, R. 2010. Analisis Rasio Keuangan Untuk Memprediksi Kondisi Financial Distress Pada Sektor Real Estate dan Property di Bursa Efek Jakarta. Skripsi tidak dipublikasikan. Program Sarjana Fakultas Ekonomi, Universitas Airlangga, Surabaya.

16


Van Horne, J. C. 2005. Financial Management & Policy. Twelfth Edition. London: Prentice Hall. Wahyuningtyas, F. 2010. 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 dipublikasikan. Program Sarjana Fakultas Ekonomi, Universitas Diponegoro, Semarang. Zu’amah, S. 2005.Perbandingan Ketepatan Klasifikasi Model Prediksi Kepailitan Berbasis Akrual dan Berbasis Aliran Kas. Jurnal SNA 8 (26): 441 – 459.

17

RASIO KEUANGAN BERBASIS AKRUAL DAN BERBASIS KAS UNTUK MEMPREDIKSI FINANCIAL DISTRESS PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA

Recommend Documents