BAB III METODOLOGI PENELITIAN
D. Metode Analisis
Teknik analisis yang digunakan untuk menganalisis hipotesis yaitu
menggunakan Multinomial Logit. Multinomial Logit digunakan jika dalam variabel penelitian variabel respon (dependen) dikategorikan menjadi tiga
atau lebih kategori. Definisi operasional variabel sebagai berikut :
Profit Margin
NIS = laba bersih / penjualan
Likuiditas
CACL = aktiva lancar / kewajiban lancer
WCTA = modal kerja / total aktiva
CATA = aktiva lancar / total aktiva
46 Efisiensi
STA = penjualan / total asset
SCA = penjualan / aktiva lancer
SWC = penjualan / modal kerja
Profitabilitas
NITA = laba bersih / total aktiva
Financial Leverage
TLTA = total hutang / total aktiva
Posisi Kas
CASHCL = kas / hutang lancar
CASHTA = kas / total aktiva
Aktivitas Operasi
CFFOCL = arus kas bersih dari aktivitas operasi / hutang lancar
CFFOTL = arus kas bersih dari aktivitas operasi / total hutang
CFFOTA = arus kas bersih dari aktivitas operasi / total aktiva
CFFOS = arus kas bersih dari aktifitas operasi / penjualan
CFFOTS = arus kas bersih dari aktivitas operasi / total sumber dana
Aktivitas Investasi
IPPEPPE = investasi aktiva tetap / aktiva tetap
IPPETU = investasi aktiva tetap / total penggunaan dana
RPPETS = penghapusan aktiva tetap / total sumber dana
Aktivitas Pendanaan
47 Analisis awal dilakukan sebelum pengujian hipotesis 2 adalah menguji
apakah terdapat perbedaan rasio keuangan baik yang berasal dari neraca,
laporan laba rugi dan laporan arus kas antara ketiga kelompok perusahaan
dengan tehnik analisis Manova. Variabel rasio keuangan yang secara statis
signifikan berbeda antara kelompok 0, 1, dan 2, akan dimasukkan dalam
model untuk memprediksi kondisi financial distress. 1. Multivariate Analysis of Variance (MANOVA)
Manova adalah suatu teknik analisis statistik yang digunakan untuk
mengetahui rata-rata kelompok (centroid) berbeda secara signifikan atau
tidak. Setelah mengetahui perbedaan antar kelompok, analisis selanjutnya
yaitu untuk mengetahui variabel independen apa saja yang mempengaruhi
perbedaan antara kelompok tersebut (Agus Widarjono, 2010 : 209). Teknik
ini bermanfaat untuk menganalisis variabel-variabel tergantung lebih dari
dua yang berskala interval atau rasio. Dalam SPSS, prosedur manova disebut
juga GLM Multivariate karena jumlah dari variabel lebih dari satu, dan
digunakan untuk menghitung analisis regresi dan varians untuk variabel tergantung lebih dari satu dengan menggunakan satu atau lebih variabel
faktor atau covariates. Variabel-variabel faktor yang digunakan untuk membagi populasi kedalam kelompok-kelompok. Dengan menggunakan
prosedur general linear model, peneliti dapat melakukan uji mengenai pengaruh variabel-variabel faktor terhadap rata-rata berbagai kelompok
48 covariate dan interaksi antar covariate dengan semua faktor dapat
dipertimbangkan dalam analisis.
a. Uji multivariate
Uji multivariate menunjukkan nilai signifikansi uji F. Uji
signifikansi multivariate untuk mengetahui adanya perbedaan
centriod dua kelompok atau lebih. Untuk melihat ada tidaknya
hubungan antar kedua variabel tersebut, dapat dilihat pada Pillai’s
Trace, Hotelleng Trance, Wilks Lambda dan Roy Largest Root.
(Agus Widarjono, 2010:211)
b. Uji test of between-subject effects
uji ini digunakan untuk melihat apakah terdapat perbedaan atau
tidak variabel independen berdasarkan variabel dependen. (Agus
Widarjono, 2010:227)
2. Analisis Multinomial Logit
Regresi Multinomial digunakan ketika variabel dependen yang
dipertanyakan berupa data nominal dan terdiri dari dua atau lebih kategori.
Tujuan dari model regresi dengan respon kualitatif pada variabel dependen
adalah untuk menentukan probabilitas dalam keputusan yang bersifat
kualitatif (Agus Widarjono, 2010 : 134). Dalam penelitian ini, respon
kualitatif terdiri dari tiga kelompok yaitu kelompok perusahaan sehat,
perusahaan yang mengalami financial distress 1 dan perusahaan yang mengalami financial distress 2.
49 a. Menilai Metode Fit
Langkah pertama dalam analisis multinomial adalah overall fit model terhadap data. Beberapa test statistic diberikan untuk menilai hal ini, apakah model yang dihipotesakan fit dengan data atau model
yang dihipotesakan tidak fit dengan data.
b. Nilai -2 loglikelihood ratio
Statistic -2 loglikelihood dapat digunakan untuk menentukan jika variabel bebas ditambah ke dalam model, apakah secara
signifikan memperbaiki model. Jika terjadi penurunan dalam nilai -2
loglikelihood pada blok kedua dibandingkan blok pertama, maka dapat disimpulkan bahwa model regresi menjadi lebih baik.
(Ghozali, 2005 : 219)
Model ini menunjukkan apakah proses pemodelan dengan
memasukkan variabel indenpenden dalam model akan menghasilkan
model menjadi lebih baik. Apabila terjadi penurunan -2 loglikelihood
yang menyebabkan penurunan Chi-square berarti model tersebut
menunjukkan model Multinomial Logit yang lebih baik (Ahmad
Rodoni & Rahman Muslim, 2010).
c. Koefisien Goodness of Fit
Tes goodness of fit mennjukkan apakah model cocok dengan
data, ada dua tes goodness of fit, yaitu Pearson dan Deviance. Nilai signifikansi kedua tes ini lebih besar dari 0.05, hal ini menunjukkan
50 : 156) . Uji goodness of fit menunjukkan uji kesesuaian model
dengan data. Dari nialai Pearson dan deviance diperoleh nilai chi-square. Model dikatakan fit atau cocok dengan data empiris apabila
chi-square lebih dari 0.05. (Ahamd Rodoni & Rahman Muslim,
2010).
d. Koefisien Pseudo R-Square
Nilai statistic R-square pada analisis multinomial logistik
didekati dengan nilai Pseudo R-square, Negelkerke dan McFadden,
pada rentang 0-1. Semakin mendekati 1, semakin banyak variasi
yang dijelaskan oleh model (Ahamd Rodoni & Rahman Muslim,
2010). Nilai koefisien Nagelkerke R2 diinterpretasikan seperti nilai
koefisien R2 pada regresi linear berganda (Imam Ghozali, 2005 :
219).
Uji Pseudo R-square sama halnya seperti uji goodness of fit
model regresi linear berganda dengan menggunakan ukuran
koefisien determinasi (Agus Widarjono, 2010: 140).
e. Ketetapan Prediksi
Table klarifikasi digunakan untuk menghitung nilai estimasi
yang benar dan yang salah. Pada model yang sempurna nilai overall prediksi akan berada pada diagonal dengan tingkat ketetapan 100% (Imam Ghazali, 2005 : 220). Uij klarifikasi memberikan informasi
kesesuaian antara data actual dengan data hasil prediksi. Semakin
51 Pengujian dengan Multinomial Logit dilakukan dengan tiga tahap. Pengujian pada tahap pertama adalah pengujian daya klarifikasi dan
signifikasi dari rasio keuangan yang berasal dari neraca dan laporan laba rugi.
Pada tahap kedua adalah meguji daya klarifikasi dan signifikasi dari laporan
keuangan yang berasal dari arus kas. Sedangkan pengujian pada tahap ketiga
adalah menguji daya klasifikasi dan signifikasi dari rasio keuangan yang
berasal dari neraca, laporan laba rugi dan laporan arus kas. Model yang
digunakan dalam penelitian ini adalah :
1. Model Pertama
Zj = bj1X1+bj2X2+……….+bjnXn
J = kondisi perusahaan mulai dari 1 sampai 3
Kondisi 0 = Perusahaan sehat
Kondisi 1 = Perusahaan yang mengalami financial distress 1 Kondisi 2 = Perusahaan yang mengalami financial distress 2 X1…..Xn = Rasio keuangan dari neraca dan laporan laba rugi Pj= exp (Zj)/∑j j=1 exp (Zj)
2. Model Kedua
Zj = bj1X1+bj2X2+……….+bjnXn
J = kondisi perusahaan mulai dari 1 sampai 3
Kondisi 0 = Perusahaan sehat
Kondisi 1 = Perusahaan yang mengalami financial distress 1 Kondisi 2 = Perusahaan yang mengalami financial distress 2 X1…..Xn = Rasio keuangan dari laporan arus kas
52
Pj= exp (Zj)/∑j j=1 exp (Zj) 3. Model Ketiga
Zj = bj1X1+bj2X2+……….+bjnXn
J = kondisi perusahaan mulai dari 1 sampai 3
Kondisi 0 = Perusahaan sehat
Kondisi 1 = Perusahaan yang mengalami financial distress 1 Kondisi 2 = Perusahaan yang mengalami financial distress 2
X1…..Xn = Rasio keuangan dari neraca dan laporan laba rugi
dan laporan arus kas
Pj= exp (Zj)/∑j j=1 exp (Zj)