HASIL DAN PEMBAHASAN
4.7. Analisis Regresi Logistik Binary
4.7.3 Koefisien Cox & Snell R Square dan Nagelkarke R Square
Koefisien Cox & Snell R Square pada tabel model summary dapat diinterpretasikan sama seperti koefisien determinasi R Square pada regresi linear berganda, tetapi karena nilai maksimum Cox & Snell R Square biasanya lebih kecil dari satu (1) sehingga sulit diinterpretasikan seperti R Square dan jarang digunakan (Stainlaus, 2006 : 236)
Tabel 4.13
Koefisien Cox & Snell R Square dan Nagelkerke R Square
Model Summary 40.093a .582 .776 Step 1 -2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
Estimation terminated at iteration number 10 because parameter estimates changed by less than .001. a.
Koefisien Nagelkerke R Square pada tabel model summary merupakan modifikasi dari koefisien Cox & Snell R Square untuk memastikan bahwa nilainya bervariasi dari 0 sampai 1. Dilihat dari tabel 4.13 nilai koefisien Nagelkerke R Square sebesar 0.776 yang berarti bahwa kemampuan variabel independen menjelaskan variabel dependen sebesar 77.6%.
4.7.4 Ketepatan prediksi klasifikasi
Untuk melihat ketepatan prediksi klasifikasi yang diamati ditunjukan dengan bantuan tabel berupa predicted values dari variabel dependen dan baris merupakan data aktual yang amati seperti yang ditunjukan pada tabel 4.14 berikut:
Tabel 4.14
ketepatan prediksi klasifikasi
Menurut prediksi, perusahaan yang mengalami default adalah 39 perusahaan sedangkan hasil observasi menunjukan hanya 34 perusahaan, jadi ketepatan klasifikasi yang diamati untuk perusahaan yang mengalami default
sebesar 87.2% (34/39). Sedangkan prediksi untuk perusahaan non default adalah 39 perusahaan dan hasil observasinya adalah 35 perusahaan, jadi ketepatan klasifikasi yang diamati untuk perusahaan non default adalah sebesar 89.7% (35/ 39). Secara keseluruhan ketepatan klasifikasi sebesar 88.5%.
4.7.5 Uji Wald
Untuk melihat hasil signifikasi setiap koefisien dalam regresi logistik ini, digunakan model persamaan yang memasukkan semua variabel independen yang tampak tabel variables in the equation. Pada tabel 4.15 terlihat bahwa dari 18 rasio keuangan hanya koefisien variabel CACL, CCL, CTA, CLTE, LTDTE, TLTE, TLTA, STA, QATA, CFTA, CFTL yang signifikan dan lainnya tidak.
Classification Tablea 35 4 89.7 5 34 87.2 88.5 Observed Non default default KONDISI Overall Percentage Step 1 0 1 KONDISI Percentage Correct Predicted
The cut value is .500 a.
Tabel 4.15 Hasil signifikansi
data
Untuk menguji signifikansi prediksi variabel masing-masing koefisien regresi logistik digunakan uji Wald. Yaitu :
1. Untuk koefisien variabel CACL : uji Wald = 7.683, P-value = 0.006 lebih kecil dari = 0.05 maka koefisien variabel CACL signifikan.
2. Untuk koefisien variabel CAS : uji Wald = 1.006, P-value = 0.316 lebih besar dari = 0.05 maka koefisien variabel CAS tidak signifikan.
3. Untuk koefisien variabel CATA : uji Wald = 1.640, P-value = 0.200 lebih besar dari = 0.05 maka koefisien variabel CATA tidak signifikan.
Variables in the Equation
-2.094 .756 7.683 1 .006 .123 1.901 1.896 1.006 1 .316 6.694 -11.328 8.845 1.640 1 .200 .000 -11.776 4.698 6.284 1 .012 130105.5 -86.102 35.283 5.955 1 .015 .000 5.579 5.767 .936 1 .333 264.782 29.648 14.990 3.912 1 .048 .000 29.898 15.027 3.959 1 .047 .000 29.677 14.987 3.921 1 .048 8E+012 8.644 2.708 10.188 1 .001 .000 -18.353 10.831 2.871 1 .090 .000 -.794 1.918 .171 1 .679 .452 7.652 8.295 .851 1 .356 2105.391 -7.922 3.891 4.145 1 .042 .000 -6.479 5.600 1.339 1 .247 .002 -59.933 26.111 5.268 1 .022 1E+026 -35.052 15.871 4.878 1 .027 2E+015 -39.553 13.348 8.781 1 .003 .000 11.849 3.537 11.220 1 .001 139905.2 CACL CAS CATA CCL CTA CS CLTE LTDTE TLTE TLTA OITA NIS NITA STA QAS QATA CFTA CFTL Constant Step 1a
B S.E. Wald df Sig. Exp(B)
Variable(s) entered on step 1: CACL, CAS, CATA, CCL, CTA, CS, CLTE, LTDTE, TLTE, TLTA, OITA, NIS, NITA, STA, QAS, QATA, CFTA, CFTL.
4. Untuk koefisien variabel CCL : uji Wald = 6.284, P-value = 0.012 lebih kecil dari = 0.05 maka koefisien variabel CCL signifikan.
5. Untuk koefisien variabel CTA : uji Wald = 6.955, P-value = 0.015 lebih kecil dari = 0.05 maka koefisien variabel CTA signifikan.
6. Untuk koefisien variabel CS : uji Wald = 0.936, P-value = 0.333 lebih besar dari = 0.05 maka koefisien variabel CS tidak signifikan.
7. Untuk koefisien variabel CLTE : uji Wald = 3.912, P-value = 0.048 lebih kecil dari = 0.05 maka koefisien variabel CLTE signifikan.
8. Untuk koefisien variabel LTDTE : uji Wald = 3.959, P-value = 0.047 lebih kecil dari = 0.05 maka koefisien variabel LTDTE signifikan. 9. Untuk koefisien variabel TLTE : uji Wald = 3.921, P-value = 0.048 lebih
kecil dari = 0.05 maka koefisien variabel TLTE signifikan.
10.Untuk koefisien variabel TLTA : uji Wald = 10.188, P-value = 0.001 lebih kecil dari = 0.05 maka koefisien variabel TLTA signifikan.
11.Untuk koefisien variabel OITA : uji Wald = 2.871, P-value = 0.090 lebih besar dari = 0.05 maka koefisien variabel OITA tidak signifikan.
12. Untuk koefisien variabel NIS : uji Wald = 0.171, P-value = 0.679 lebih besar dari = 0.05 maka koefisien variabel NIS tidak signifikan.
13.Untuk koefisien variabel NITA : uji Wald = 0.851, P-value = 0.356 lebih besar dari = 0.05 maka koefisien variabel NITA tidak signifikan.
14.Untuk koefisien variabel STA : uji Wald = 4.145, P-value = 0.042 lebih kecil dari = 0.05 maka koefisien variabel STA signifikan.
15.Untuk koefisien variabel QAS : uji Wald = 1.339, P-value = 0.247 lebih besar dari = 0.05 maka koefisien variabel QAS tidak signifikan.
16. Untuk koefisien variabel QATA : uji Wald = 5.268, P-value = 0.022 lebih kecil dari = 0.05 maka koefisien variabel QATA signifikan.
17. Untuk koefisien variabel CFTA : uji Wald = 4.878, P-value = 0.027 lebih kecil dari = 0.05 maka koefisien variabel CFTA signifikan.
18.Untuk koefisien variabel CFTL : uji Wald = 8.781, P-value = 0.003 lebih kecil dari = 0.05 maka koefisien variabel CFTL signifikan.
4.8. Interpretasi
Hasil perhitungan uji beda yang dilakukan dengan Independent Sample T-Test dan Mann Whitney dapat disimpulkan bahwa dari 18 rasio keuangan yang dijadikan penelitian hanya 7 rasio keuangan yang dapat membedakan prilaku kelompok perusahaan yang dinyatakan default dan non default. Rasio keuangan tersebut yaitu : STA, CAS, CATA, CLTE, QAS, CFTA, CFTL yang secara statistik berbeda signifikan dan mendukung hipotesis I dalam penelitian ini.
Hasil persamaan regresi logistik dalam penelitian ini menunjukan daya klasifikasi ketepatan prediksi keseluruhan sebesar 88.5% dengan klasifikasi untuk kelompok perusahaan yang dinyatakan default sebesar 87.2% dan untuk kelompok perusahaan yang tidak dinyatakan default (non default) sebesar 89.7% ini ditunjukan dengan calssification table pada output SPSS dengan Cut-off value
0.50. Hasil tersebut mendukung hipotesis II dalam penelitian ini yang berarti rasio keuangan dapat digunakan untuk memeprediksi kondisi default pada perusahaan penerbit obligasi.
DEFAULT = 11.849 – 2.094CACL - 11.776CCL – 86.102CTA + 29.648CLTE + 29.898LTDTE + 29.677TLTE + 8.644TLTA - 7.922STA - 59.933QATA - 35.052CFTA – 39.553CFTL
Nilai koefisien Nagelkarke R Square menjelaskan bahwa dalam model regresi ini kemampuan rasio keuangan dalam menjelaskan kondisi default atau kondisi perusahaan non default sebesar 77.6% dan sisanya 22.4% dijelaskan oleh variabel lain.
Hasil perhitungan yang terdapat pada Wald Statistic menunjukan bahwa dari 18 variabel rasio keuangan hanya 11 variabel saja yang berpengaruh signifikan terhadap variabel dependen : default dan non default yaitu : current Asset/Curren liabilities (CACL), Cash/Current Liabilities (CCL), Cash/Total Asset CTA), Current Liabilities/Total Equity (CLTE), LongTermDebt/TotalEquity (LTDTE), Total Liabilities/Total Equity(TLTE), Total Liabilities/Total Asset (TLTA), Sales/Total Asset (STA), Quick Asset/Total Aset (QATA), Cash Flow/Total Aset (CFTA), Cash Flow/Total Liabilities (CFTL)sedangkan variabel lainnya tidak signifikan.
Dari hasil diatas, maka dapat dibentuk persamaan regresi sebagai berikut :
Nilai konstanta sebesar 11.849 dianggap probabilitas 1 yang berarti setiap kenaikan nilai konstanta akan meningkatkan kemungkinan terjadinya default dan mempunyai pengaruh positif terhadap kondisi default sebuah perusahaan penerbit obligasi.
Koefisien regresi CACL sebesar – 2.094 dan mempunyai pengaruh persamaan negatif. Menjelaskan bahwa setiap kenaikan 1 unit pada CACL akan menurunkan kemungkinan terjadinya default sebesar – 2.094 kali dengan catatan variabel lain di anggap Cateris Paribus. Hasil penelitian ini didukung oleh Hadad Muliaman D (2003) yang menunjukan bahwa Current Asset Ratio merupakan variabel yang paling menentukan dalam memprediksi kepailitan (istilah lain
default). Darsono dan Ashari (2005:53) pun menyatakan bahwa semakin tinggi rasio CACL berari semakin besar kemampuan perusahaan untuk membayar kewajiban jangka pendek menunjukan bahwa probabilitas perusahaan mengalami
default semakin kecil. Francisco dan Luis Rivera Batiz (1994) dalam Ahmad Hanin Fatah (2002:17) kondisi default adalah kondisi dimana pihak peminjam yaitu perusahaan tidak mampu melakukan pembayaran atas kawajiban-kewajiban jangka pendek yang telah ditentukan pada saat jatuh tempo,
Koefisien variabel CCL sebesar -11.776 dan mempunyai pengaruh persamaan negaitif. Menjelaskan bahwa setiap kenaikan 1 unit pada CCL akan menurunkan kemungkinan terjadinya default sebesar -11.776 kali dimana variabel lain dianggap konstan Hasil penelitian ini didukung oleh Lya Sapitri Indi (2005) menyatakan bahwa semakin tinggi rasio CCL (rasio likuiditas) menunjukan bahwa probabilitas perusahaan mengalami default semakin kecil. Variabel CCL menunjukan nilai negative yang berarti terdapat hubungan yang berbanding terbalik dengan probabilitas default dimana jika rasio tersebut meningkat maka nilai probabilita terjadinya default akan menurun.
Koefisien variabel CTA sebesar – 86.102 dan mempunyai pengaruh persamaan negatif. Menjelaskan bahwa setiap kenaikan 1 unit pada CTA akan menurunkan kemungkinan terjadinya default sebesar – 86.102 kali dimana variabel lain dianggap konstan Hasil penelitian ini didukung oleh Lya Sapitri Indi (2005) menyatakan bahwa semakin tinggi rasio CTA (rasio likuiditas) menunjukan bahwa probabilitas perusahaan mengalami default semakin kecil. Variabel CTA menunjukan nilai negatif yang berarti terdapat hubungan yang berbanding terbalik dengan probabilitas default dimana jika rasio tersebut meningkat maka nilai probabilita terjadinya default akan menurun.
Koefisien variabel CLTE sebesar 29.684 dan mempunyai pengaruh persamaan positif. Menjelaskan bahwa setiap kenaikan 1 unit pada CLTE akan meningkatkan kemungkinan terjadinya default sebesar 29.684 kali dimana variabel lain dianggap konstan. Hasil penelitian ini didukung oleh Lya Sapitri Indi (2005) menyatakan bahwa semakin tinggi rasio CLTE (rasio leverage) menunjukan bahwa probabilitas perusahaan mengalami default semakin besar. Variabel CLTE menunjukan nilai positif yang berarti terdapat hubungan yang berbanding searah dengan probabilitas default dimana jika rasio tersebut meningkat maka nilai probabilita terjadinya default akan meningkat.
Koefisien variabel TLTE sebesar 29.667 dan mempunyai pengaruh persamaan positif. Menjelaskan bahwa setiap kenaikan 1 unit pada TLTE akan meningkatkan kemungkinan terjadinya default sebesar 29.667 kali dimana variabel lain dianggap konstan. Hasil penelitian ini didukung oleh Lya Sapitri Indi (2005) menyatakan bahwa semakin tinggi rasio TLTE (rasio leverage)
menunjukan bahwa probabilitas perusahaan mengalami default semakin besar. Variabel TLTE menunjukan nilai positif yang berarti terdapat hubungan yang berbanding searah dengan probabilitas default dimana jika rasio tersebut meningkat maka nilai probabilita terjadinya default akan meningkat.
Koefisien variabel TLTA sebesar 8.644 dan mempunyai pengaruh persamaan positif. menjelaskan bahwa setiap kenaikan 1 unit pada TLTA akan meningkatkan kemungkinan terjadinya default sebesar 8.644 kali dimana variabel lain dianggap konstan. Hasil penelitian ini sesuai dengan hasil penelitian sebelumnya yang dilakukan oleh Almmilia dan Silvy (2003) dan Luciana (2006) serta Ferawati (2008) menyatakan bahwa rasio TLTA secara statitis berpengaruh signifikan untuk memprediksi kondisi Financil Distress (istilah lain dari default)
suatu perusahaan.
Koefisien variabel STA sebesar -7.922 dan mempunyai pengaruh persamaan negaitif. Menjelaskan bahwa setiap kenaikan 1 unit pada STA akan menurunkan kemungkinan terjadinya default sebesar -7.922 kali dimana variabel lain dianggap konstan. Hasil ini sesuai dengan penelitian yang dilakukan oleh Hadad Muliaman D (2003) yang menyatakan bahwa semakin tinggi rasio profitabilitas maka semakin kecil kemungkinan perusahaan akan mengalami kepailitan. Hasil ini juga di dukung oleh penelitian yang telah dilakukan oleh Lya Sapitri Indi (2005) yang menyatakan bahwa semakin tinggi variabel STA maka kemungkinan perusahaan akan mengalami default akan semakin kecil.
Koefisien variabel QATA sebesar -59.933 dan mempunyai pengaruh persamaan negatif. Menjelaskan bahwa setiap kenaikan 1 unit pada QATA akan
menurunkan kemungkinan terjadinya default sebesar -59.933 kali dimana variabel lain dianggap konstan. Hasil ini sesuai dengan penelitian yang dilakukan oleh Lya Sapitri Indi (2005) yang menyatakan bahwa variabel QATA merupakan variabel yang mempunyai pengaruh yang signifikan dalam memprediksi kemungkinan terjadinya default, semakin tinggi QATA likuiditas maka semakin kecil
probabilitas terjadinya default. Hasil ini juga didukung oleh penelitian yang dilakukan oleh Hadad Muliaman D (2003) yang menunjukan bahwa Quick Asset Ratio merupakan variabel yang paling menentukan dalam memprediksi kepailitan (istilah lain default)
Koefisien variabel CFTA sebesar -35.052 dan mempunyai pengaruh persamaan negatif. Menjelaskan bahwa setiap kenaikan 1 unit pada CFTA akan menurunkan kemungkinan terjadinya default sebesar -35.052 kali dimana variabel lain dianggap konstan
Koefisien variabel CFTL sebesar – 39.553 dan mempunyai pengaruh persamaan negatif. Menjelaskan bahwa setiap kenaikan 1 unit pada CFTL akan menurunkan kemungkinan terjadinya default sebesar –39.553 CFTL kali dimana variabel lain dianggap konstan.
Dari hasil diatas dapat diketahui bahwa secara persamaan regreasi logistic binary, hubungan antara rasio keuangan dengan kemungkinan terjadinya default
yang memiliki pengaruh positif adalah CLTE, LTDTE, TLTE, dan TLTA sedangkan variabel CACL, CCL, CTA, STA, QATA, CFTA, dan CFTL mempunyai pengaruh negative terhadap kemungkinan terjadinya default.
Nasser dan Aryati (2000) dalam (rayenda Kreshna Brahmana 2005 : 3) menyatakan bahwa analisa laporan keuangan dapat dijadikan dasar untuk menilai kesehatan suatu perusahaan melalui rasio-rasio keuangan yang mencerminkan kemampuan perusahaan dalam menjalankan usaha, efektivitas dan efisiensi penggunaan pada aktiva perusahaan, kemampuan perusahaan menghasilkan pendapatan usahayang telah dicapai,kemampuan perusahaan dalam membayar hutang serta potensi kebangkrutan yang akan dialami oleh perusahaan.
Menurut Francisco dan Luis Rivera Batiz (1994) dalam Ahmad Hanin Fatah (2002 :17) kondisi default adalah kondisi dimana pihak peminjam yaitu perusahaan tidak mampu melakukan pembayaran atas kewajiban-kewajiban jangka pendeknya yang telah ditentukan pada saat jatuh tempo. Ross dan Westerfield (1996 : 808) default adalah suatu keadaan dimana Cash Flow operasi perusahaan tidak mampu menutupi atau mencukupi kewajibansaat ini sehingga dapat membawa suatu perusahaan mengalami kegagalan (corporate failure) pada kontraknya.
Penelitian terdahulu yang dilakukan oleh Edward I Altman (1968) yang meneliti rasio keuangan untuk memprediksi kebangkrutan dengan menggunakan model diskriminan atau Multivariate Analysis Discriminant (MDA).
Hasil penelitian Altman menghasilkan formula rasio keuangan yang dapat memprediksi kebangkrutan perusahaan dengan fungsi diskriminan terakhir sebagai berikut : Indeks kebangkrutan = 0.717 working Capital/Total Asset + 0.847 Retained Earning/Total Asset + 3.107 EBIT/Total Asset + 0.420Market Value Equity/Book value Debt + 0.998 Sales/Total Asset.
Penelitian yang dilakukan Altman berbeda dengan penelitian yang dilakukan oleh peneliti, adapun peneliti menggunakan pendekatan model regresi logistik untuk memprediksi kondisi default perusahaan yang menerbitkan obligasi yang terdaftar di Bursa Efek Indonesia.
Penelitian selanjutnya dilakukan oleh Muliaman D Hadad, Wimboh Santoso, Ita Ruliana yang berjudul indikator kepailitan di Indonesia : An Additional Early Warning Tools pada stabilitas system keuangan. Yang meneliti kepailitan dengaan menggunakan model diskriminan dan regresi logistik.
Hasil penelitian tersebut menunjukan bahwa model regresi logistic merupakan pendekatan yang relative lebih baik dibandingkan dengan model diskriminan. Karena nilai Correct Estimates logistic regression mempunyai rata-rata lebih tinggi dibandingkan dengan nilai Correct Estimates Discriminant Analysis. Penelitian tersebut menggunakan 26 rasio keuangan dan dari 26 rasio tersebut hanya 12 rasio yang signifikan yang dikelompokan kedalam 3 bagian, yaitu simulasi 3 tahun sebelum pailit, 2 tahun sebelum pailit, dan 1 tahun sebelum pailit.
Hasil penelitian Muliaman D Hadad, Wimboh Santoso, Ita Ruliana berbeda dengan penelitian yang dilakukan oleh peneliti. Peneliti hanya menggunakan model regresi logistic yang digunakan untuk memprediksi, dan menggunakan uji beda Independent Sample T-test dan MannWhitney untuk membedakan rasio keuangan perusahaan yang default dan non default. Peneliti juga menggunakan 18 rasio keuangan dan dari 18 rasi tersebut hanya 11 rasio yang dapat digunakan untuk memprediksi kemungkinan terjadinya default.
Penelitian selanjutnya juga dilakukan oleh Indi Lya Sapitri dalam tesisnya yang berjudul Analisis pengaruh factor- factor keuangan terutama rasio keuangan untuk memprediksi probabilita terjadinya default. Penelitian tersebut menggunakan 26 rasio keuangan dan dari 26 rasio tersebut terdapat 16 rasio yang signifikan dengan menggunakan Software Eviews. Hasil penelitian Indi lya Sapitri berbeda dengan penelitian yang dilakukan oleh peneliti. Peneliti menggunakan 18 rasio keuangan dan dari 18 rasio tersebut terdapat 11 rasio yang signifikan mampu memprediksi kemungkinan terjadinya default. Peneliti juga menggunakan uji beda yang tidak digunakan oleh penelitian sebelumnya, untuk mengetahui perbedaan antara rasio keuangan perusahaan yang default dan non default. Dari hasil uji beda terdapat 7 rasio keuangan yang dapat membedakan antara rasio keuangan perusahaan yang default dengan perusahaan non default.
BAB V