Analisis Multinomial Logit digunakan jika dalam variabel penelitian variabel respon (dependen) dikategorikan menjadi tiga atau lebih kategori.
Dalam penelitian ini variabel dependen (Y) bertipe kategorik empat pilihan yaitu perusahaan yang tidak mengalami laba bersih dan nilai ekuitas negatif (kategori 0), perusahaan yang mengalami laba bersih negatif (kategori 1), perusahaan yang mengalami laba bersih dan nilai ekuitas negatif (kategori 2) dan perusahaan yang delisted karena laba bersih negatif atau nilai ekuitas negatif serta perusahaan yang melakukan merger (kategori 3).
Dalam penelitian ini jumlah data yang diproses sebanyak 230 atau N=230. Untuk melihat kelengkapan data yang diproses dalam penelitian ini dan tidak adanya missing case ditunjukkan oleh tabel Case Processing Summary:
Tabel 4.33 Data yang diproses
Case Processing Summary
92 40,0% 76 33,0% 20 8,7% 42 18,3% 230 100,0% 0 230 230a KELOMPOK 1 KELOMPOK 2 KELOMPOK 3 KELOMPOK 4 KELOMPOK Valid Missing Total Subpopulation N Marginal Percentage
The dependent variable has only one value observed in 230 (100,0%) subpopulations.
a.
Tabel 4.34 Model Fitting Test
Model Fitting Information
577,442 321,648 255,794 24 ,000 Model Intercept Only Final -2 Log Likelihood Model Fitting Criteria Chi-Square df Sig.
Likelihood Ratio Tests
Pada tabel 4.34 dapat dilihat bahwa angka -2 Log Likelihood pada model awal (intercept only) sebesar 577,442 dan angka -2 Log Likelihood pada model final sebesar 321,648. Karena hasil ini menunjukkan adanya penurunan, sehingga dapat ditarik kesimpulan bahwa model ini menunjukkan model multinomial logit yang lebih baik.
Tabel 4.35 Goodness of Fit Test
Goodness-of-Fit 590,468 663 ,980 321,648 663 1,000 Pearson Deviance Chi-Square df Sig.
Hasil output Chi Square sebesar 590,468 untuk koefisien Pearson dengan signifikan pada 0,980 dan 321,648 untuk koefisien Deviance dengan signifikan pada 1,000 oleh karena nilai ini berada diatas
á
=0,05 maka model dapat dikatakan fit dan model dapat diterima.Tabel 4.36
(Koefisien Cox and Snell, Nagelkerke dan McFadden)
Pseudo R-Square
,671 ,730 ,443 Cox and Snell
Nagelkerke McFadden
Nilai statistik R-Square pada analisis Multinomial Logistik didekati dengan nilai Pseudo R-Square: Cox and Snell, Nagelkerke dan McFadden. Nilai pada rentang 0-1. Semakin mendekati 1, semakin banyak variasi yang dapat dijelaskan oleh model. (Cornelius Trihendardi, 2007).
Nilai Koefisien Cox and Snell sebesar 0,671, nilai koefisien McFadden sebesar 0,443 dan nilai Koefisien Nagelkerke pada tabel Pseudo R-Square sebesar 0,730 yang berarti variabilitas variabel independen sebesar 73 %.
Tabel 4.37
(Hasil Pengujian Multinomial Logit Rasio keuangan, trend harga saham dan faktor fundamental LNASSET)
a Lower Bound Upper Bound
Kelompok 1 Intercept -12,418 5,799 4,586 1 0,032
TETA 3,672 1,840 3,983 1 ,046* 39,322 1,068 1448,038
RETA ,002 ,707 ,000 1 ,998 1,002 ,251 4,003
NITA 24,109 4,704 26,273 1 ,000* 3E+010 2929619,056 2,980E+014
CACL ,090 ,107 ,704 1 ,401 1,094 ,887 1,350 TDTE ,056 ,040 1,950 1 ,163 1,058 ,978 1,145 TDTA 1,245 1,552 ,643 1 ,423 3,472 ,166 72,693 LNASSET ,372 ,188 3,920 1 ,048* 1,450 1,004 2,096 TREND -,583 1,225 ,227 1 ,634 ,558 ,051 6,160 Kelompok 2 Intercept -2,025 4,737 ,183 1 ,669 TETA 1,140 1,068 1,141 1 ,285 3,128 ,386 25,347 RETA -,702 ,468 2,250 1 ,136 ,496 ,198 1,240 NITA -3,369 2,109 2,553 1 ,110 ,034 ,001 2,146 CACL ,089 ,107 ,695 1 ,405 1,093 ,886 1,349 TDTE ,059 ,035 2,891 1 ,089** 1,061 ,991 1,135 TDTA -1,353 1,054 1,649 1 ,199 ,258 ,033 2,039 LNASSET ,088 ,166 ,280 1 ,597 1,092 ,789 1,511 TREND -,104 1,001 ,011 1 ,917 ,901 ,127 6,409 Kelompok 3 Intercept -35,792 13,642 6,883 1 ,009 TETA -3,503 1,719 4,153 1 ,042* ,030 ,001 ,875 RETA -1,927 ,657 8,610 1 ,003* ,146 ,040 ,527 NITA 1,038 2,976 ,122 1 ,727 2,824 ,008 963,499 CACL ,085 ,119 ,515 1 ,473 1,089 ,863 1,374 TDTE -,142 ,066 4,594 1 ,032* ,867 ,761 ,988 TDTA -,999 1,145 ,761 1 ,383 ,368 ,039 3,473 LNASSET 1,212 ,475 6,520 1 ,011* 3,361 1,325 8,521 TREND 3,518 2,220 2,512 1 ,113 33,718 ,435 2614,573
Kelompok B Std. Error Wald df Sig Exp(B)
95% Confidence interval for Exp (B)
a. The reference category is:KELOMPOK 4
*Signifikan pada α=5% **Signifikan pada α=10%
Hasil pengujian regresi multinomial logit pada tabel 4.37 menunjukkan bahwa:
1. Variabel yang dapat digunakan untuk mengklasifikasikan kelompok 1 dengan kelompok 2, 3 dan 4 adalah variabel TETA, NITA dan LNASSET yang secara statistik signifikan pada tingkat 5%.
2. Variabel yang dapat digunakan untuk mengklasifikasikan kelompok 2 dengan kelompok 3 dan 4 adalah variabel TDTE yang secara statistik signifikan pada tingkat 10%.
3. Variabel yang dapat digunakan untuk mengklasifikasikan kelompok 3 dengan kelompok 4 adalah variabel-variabel TETA, RETA, TDTE dan LNASSET yang secara statistik signifikan pada tingkat 5%.
Tabel 4.38
Hasil Identifikasi Prediksi Klasifikasi
Classification 85 5 0 2 92,4% 1 67 2 6 88,2% 0 1 15 4 75,0% 16 17 3 6 14,3% 44,3% 39,1% 8,7% 7,8% 75,2% Observed KELOMPOK 1 KELOMPOK 2 KELOMPOK 3 KELOMPOK 4 Overall Percentage
KELOMPOK 1 KELOMPOK 2 KELOMPOK 3 KELOMPOK 4
Percent Correct Predicted
Analisis lebih lanjut berkaitan dengan daya klasifikasi untuk kelompok 1, kelompok 2, kelompok 3 dan 4. Multinomial logit dengan variabel rasio keuangan, LNASSET dan trend harga saham memiliki daya klasifikasi total sebesar 75,2%.
D. Interpretasi
Hasil pengujian Multinomial Logit menunjukkan daya klasifikasi ketepatan prediksi keseluruhan sebesar 75,2%, hasil ini ditunjukkan pada classification tabel dan hal ini mendukung hipotesis dalam penelitian ini yang berarti karakteristik perusahaan meliputi rasio keuangan, trend harga saham
dan variabel fundamental secara bersama-sama dapat digunakan untuk memprediksi status perusahaan pasca IPO.
Nilai koefisien Nagelkerke R Square menjelaskan bahwa dalam model regresi ini kemampuan rasio keuangan, trend harga saham dan variabel fundamental dalam menjelaskan status perusahaan pasca IPO sebesar 73% dan sisanya 27% dijelaskan oleh variabel lain.
Hasil perhitungan Multinomial Logit menunjukkan bahwa variabel yang berpengaruh signifikan terhadap variabel dependen adalah: TETA, RETA, NITA, TDTE, LNASSET sedangkan variabel lainnya tidak signifikan.
Variabel yang dapat digunakan untuk mengklasifikasikan status perusahaan pasca IPO kelompok 1 (perusahaan manufaktur dengan laba bersih dan nilai ekuitas positif) dengan kelompok 2 (perusahaan dengan laba bersih negatif) kelompok 3 (perusahaan dengan laba bersih dan nilai ekuitas negatif) dan kelompok 4 (perusahaan delisted dan melakukan merger) adalah variabel TETA, NITA, dan LNASSET. Berdasarkan nilai B (koefisien) pada tabel Parameter Estimates, maka diperoleh persamaan untuk menginterpretasikan Analisis Multinomial Logit, yaitu:
KEL1 = -12,418 + 3,672 TETA + 24,109 NITA + 0,372 LNASSET Pada persamaan KEL1, nilai konstanta sebesar -12,418 mempunyai arti bahwa jika variabel-variabel independen dianggap nol maka probabilitas perusahaan mengalami kondisi kesulitan keuangan mengalami penurunan sebesar 12,418 kali dengan pengaruh persamaan negatif.
Koefisien TETA sebesar 3,672 dan mempunyai hubungan positif artinya semakin tinggi rasio Total Ekuitas terhadap Total Aktiva perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompok 2, 3 dan kelompok 4. Nilai Exp(B) sebesar 39,322 artinya setiap kenaikan variabel TETA akan meningkatkan kemungkinan terjadinya kesulitan keuangan sebesar 39,322 kali dimana variabel ini dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Luciana dan Meliza (2003) dimana variabel TETA dapat digunakan untuk memprediksi status perusahaan pasca IPO.
Koefisien NITA sebesar 24,109 dan mempunyai hubungan positif artinya semakin tinggi rasio Laba Bersih terhadap Total Aktiva perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompok 2, 3 dan kelompok 4. Nilai Exp(B) sebesar 3E+010 artinya setiap kenaikan variabel NITA akan meningkatkan kemungkinan terjadinya kesulitan keuangan sebesar 3E+010 kali dimana variabel ini dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Luciana dan Meliza (2003) dimana variabel NITA dapat digunakan untuk memprediksi status perusahaan pasca IPO.
Koefisien LNASSET sebesar 0,372 dan mempunyai hubungan positif artinya semakin tinggi kekayaan perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompok 2, 3 dan kelompok 4. Nilai Exp(B) sebesar 1,450 artinya setiap kenaikan variabel LNASSET akan meningkatkan kemungkinan terjadinya kesulitan keuangan sebesar 1,450 kali
dimana variabel ini dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Luciana dan Meliza (2003) dimana variabel NITA dapat digunakan untuk memprediksi status perusahaan pasca IPO.
Variabel yang dapat digunakan untuk mengklasifikasikan status perusahaan pasca IPO kelompok 2 (perusahaan dengan laba bersih negatif) dengan kelompok 3 (perusahaan dengan laba bersih dan nilai ekuitas negatif) dan kelompok 4 (perusahaan delisted dan melakukan merger) adalah variabel TDTE. Berdasarkan nilai B (koefisien) pada tabel Parameter Estimates, maka diperoleh persamaan untuk menginterpretasikan Analisis Multinomial Logit, yaitu:
KEL2 = -1, 025 + 0, 059 TDTE
Pada persamaan KEL2, nilai konstanta sebesar -1, 025 mempunyai arti bahwa jika variabel-variabel independen dianggap nol maka probabilitas perusahaan mengalami kondisi kesulitan keuangan mengalami penurunan sebesar -1, 025 kali dengan pengaruh persamaan negatif.
Koefisien TDTE sebesar 0, 059 dan mempunyai hubungan positif artinya semakin tinggi rasio Total Hutang terhadap Total Ekuitas perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompok 3 dan kelompok 4. Nilai Exp(B) sebesar 1,061 artinya setiap kenaikan variabel TDTE akan meningkatkan kemungkinan terjadinya kesulitan keuangan sebesar 1,061 kali dimana variabel ini dianggap konstan.
Variabel yang dapat digunakan untuk mengklasifikasikan status perusahaan pasca IPO kelompok 3 (perusahaan dengan laba bersih dan nilai
ekuitas negatif) dengan kelompok 4 (perusahaan delisted dan melakukan merger) adalah variabel TETA, RETA, TDTE dan LNASSET. Berdasarkan nilai B (koefisien) pada tabel Parameter Estimates, maka diperoleh persamaan untuk menginterpretasikan Analisis Multinomial Logit, yaitu:
KEL3 = -35, 792 – 3,503 TETA – 1,927 RETA – 0,142 TDTE + 1,212 LNASSET
Pada persamaan KEL3, nilai konstanta sebesar -35, 792 mempunyai arti bahwa jika variabel-variabel independen dianggap nol maka probabilitas perusahaan mengalami kondisi kesulitan keuangan mengalami penurunan sebesar -35, 792 kali dengan pengaruh persamaan negatif.
Koefisien TETA sebesar -3,503 dan mempunyai hubungan negatif artinya semakin tinggi rasio Total Ekuitas terhadap Total Aktiva perusahaan maka semakin rendah probabilitas perusahaan diklasifikasikan pada kelompok 4. Nilai Exp(B) sebesar 0,030 artinya setiap kenaikan variabel TETA akan meningkatkan kemungkinan terjadinya kesulitan keuangan sebesar 0,030 kali dimana variabel ini dianggap konstan. Hasil ini berbeda dengan penelitian Luciana dan Meliza (2003) dimana hasil penelitian tersebut rasio TETA tidak signifikan untuk dapat digunakan memprediksi status perusahaan pasca IPO.
Koefisien RETA sebesar -1,927 dan mempunyai hubungan negatif artinya semakin tinggi rasio Laba Ditahan terhadap Total Aktiva perusahaan maka semakin rendah probabilitas perusahaan diklasifikasikan pada kelompok 4. Nilai Exp(B) sebesar 0,146 artinya setiap kenaikan variabel TETA akan meningkatkan kemungkinan terjadinya kesulitan keuangan sebesar 0,146 kali
dimana variabel ini dianggap konstan. Hasil ini berbeda dengan penelitian Luciana dan Meliza (2003) dimana hasil penelitian tersebut rasio RETA tidak signifikan untuk dapat digunakan memprediksi status perusahaan pasca IPO.
Koefisien TDTE sebesar -0,142 dan mempunyai hubungan negatif artinya semakin tinggi rasio Total Hutang terhadap Total Ekuitas perusahaan maka semakin rendah probabilitas perusahaan diklasifikasikan pada kelompok 4. Nilai Exp(B) sebesar 0,867 artinya setiap kenaikan variabel TETA akan meningkatkan kemungkinan terjadinya kesulitan keuangan sebesar 0,867 kali dimana variabel ini dianggap konstan. Hasil ini berbeda dengan penelitian Luciana dan Meliza (2003) dimana hasil penelitian tersebut rasio TDTE tidak dimasukkan sebagai variabel untuk dapat digunakan memprediksi status perusahaan pasca IPO.
Koefisien LNASSET sebesar 1,212 dan mempunyai hubungan positif artinya semakin tinggi kekayaan perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompok 4. Nilai Exp(B) sebesar 3,361 artinya setiap kenaikan variabel LNASSET akan meningkatkan kemungkinan terjadinya kesulitan keuangan sebesar 3,361 kali dimana variabel ini dianggap konstan. Hasil ini berbeda dengan penelitian Luciana dan Meliza (2003) dimana hasil penelitian tersebut rasio LNASSET tidak signifikan untuk dapat digunakan memprediksi status perusahaan pasca IPO.
Menurut Jain dan Kini (1999) Perusahaan yang melakukan IPO, pada perkembangan selanjutnya, dapat berevolusi menjadi salah satu dari tiga kondisi dasar pasca IPO, yaitu tetap hidup (survive) sebagai perusahaan
independen, gagal secara keseluruhan (fail outright), atau diakuisisi dan kehilangan identitasnya.
Dari beberapa definisi tersebut dapat ditarik kesimpulan bahwa rasio keuangan yaitu TETA, RETA, NITA, TDTE, dan faktor fundamental perusahaan yaitu LNASSET sebagai variabel yang signifikan dalam penelitian ini yang dapat menentukan status perusahaan pasca IPO.
Penelitian yang berkaitan dengan manfaat karakteristik perusahaan untuk memprediksikan kebangkrutan perusahaan telah dilakukan oleh Tirapat dan Nittayagasetwat (1999). Penelitian ini memberikan bukti bahwa karakteristik perusahaan dalam bentuk rasio keuangan dan variabel fundamental perusahaan dapat digunakan untuk memprediksi kebangkrutan suatu perusahaan. Demikian juga dengan penelitian yang dilakukan oleh Platt dan Platt (2002) juga mengkonfirmasi hal yang sama bahwa rasio keuangan dapat digunakan untuk memprediksikan kondisi financial distress suatu perusahaan. Penelitian lain yang menggunakan karakteristik perusahaan adalah penelitian yang dilakukan oleh Harsono (2001) dan Luciana (2003), penelitian ini memberikan bukti bahwa variabel karakteristik perusahaan dapat digunakan untuk memprediksikan status perusahaan (listed-delisted) yang terdaftar di Bursa Efek Jakarta.
Hasil penelitian yang dilakukan oleh peneliti berbeda dengan hasil penelitian yang dilakukan oleh Luciana Spica Almilia dan Meliza Silvy (2003), Luciana dan Meliza dalam metoda tidak langsung penelitiannya menggunakan 4 rasio keuangan, trend harga saham, faktor fundamental
perusahaan, struktur industri perusahaan dan karakteristik penawaran, hasil dari penelitian Luciana dan Meliza menunjukkan bahwa variabel SETA, RETA, dan NITA dari rasio keuangan, variabel trend harga saham, variabel faktor fundamental perusahaan yaitu LNASSET dan variabel reputasi underwriter dari karakteristik penawaran adalah variabel yang signifikan untuk dapat memprediksi status perusahaan pasca IPO, sedangkan peneliti menggunakan variabel rasio keuangan sebanyak 6 rasio dengan menambah CACL dan TDTE, variabel trend harga saham dan variabel faktor fundamental perusahaan yaitu LNASSET, peneliti dalam penentuan sampel untuk kelompok 1 hanya perusahaan manufaktur yang tidak mengalami laba bersih dan nilai ekuitas negatif serta konsisten kondisi keuangannya sehat sampai tahun 2006-2007. Hasil penelitian yang dilakukan oleh peneliti menunjukkan bahwa variabel-variabel yang signifikan adalah TETA, TDTE, RETA, dan NITA dari rasio keuangan, variabel faktor fundamental perusahaan yaitu LNASSET dan dapat digunakan untuk membedakan antara kelompok 1 sampai kelompok 4. Periode prediksi yang digunakan peneliti adalah tahun 2004-2005 untuk mengolah data kelompok 1-kelompok 3, sedangkan untuk kelompok 4 periode prediksi yang digunakan adalah tahun 2004-2007.
Hasil penelitian ini juga mendukung penelitian-penelitian sebelumnya yaitu Luciana dan Meliza (2003) bahwa rasio keuangan dan faktor fundamental perusahaan dapat digunakan untuk mempengaruhi status perusahaan pasca IPO.
A. Kesimpulan
Dari hasil pembahasan pada penelitian ini dapat diambil kesimpulan penelitian ini sebagai berikut:
1. Berdasarkan penelitian yang talah dilakukan pada perusahaan-perusahaan yang terdaftar di Bursa Efek Indonesia didapat 46 perusahaan manufaktur yang tidak mengalami laba bersih negatif dan nilai ekuitas negatif periode 2004-2005 serta konsisten kondisi keuangannya sehat selama periode 2004-2007, 38 perusahaan yang mengalami laba bersih negatif dan 10 perusahaan yang mengalami laba bersih dan nilai ekuitas negatif selama periode 2004-2005, serta 21 perusahaan yang delisted akibat laba bersih negatif, nilai ekuitas negatif dan perusahaan yang melakukan merger selama periode 2004-2007.
2. Pada pengujian multinomial logit menggunakan rasio keuangan (TETA, RETA, NITA dan TDTE) dan faktor fundamental LNASSET dapat digunakan untuk memprediksi status perusahaan pasca IPO dengan daya klasifikasi sebesar 75,2%.
3. Variabel-variabel yang dapat digunakan untuk membedakan kelompok 1 (perusahaan dengan laba bersih dan nilai ekuitas positif selama 2 tahun berturut-turut) dengan kelompok 2 (perusahaan
dengan laba bersih negatif selama 2 tahun berturut-turut), kelompok 3 (perusahaan dengan laba bersih dan nilai ekuitas negatif selama 2 tahun berturut-turut) dan kelompok 4 (perusahaan yang delisted karena laba bersih negatif atau nilai ekuitas negatif dan melakukan merger) adalah variabel TETA, NITA dan LNASSET.
4. Variabel yang dapat digunakan untuk membedakan kelompok 2 (perusahaan dengan laba bersih negatif selama 2 tahun berturut-turut) dengan kelompok 3 (perusahaan dengan laba bersih dan nilai ekuitas negatif selama 2 tahun berturut-turut) dan kelompok 4 (perusahaan yang delisted karena laba bersih negatif atau nilai ekuitas negatif dan melakukan merger) adalah variabel TDTE.
5. Variabel-variabel yang dapat digunakan untuk membedakan kelompok 3 (perusahaan dengan laba bersih dan nilai ekuitas negatif selama 2 tahun berturut-turut) dengan kelompok 4 (perusahaan yang delisted karena laba bersih negatif atau nilai ekuitas negatif dan melakukan merger) adalah variabel TETA, RETA, TDTE, LNASSET.
B. Implikasi