HASIL PENELITIAN
3. Pengujian Hipotesis
1. Menilai Model Fit
Uji ini digunakan untuk menilai model yang telah dihipotesiskan
telah fit atau tidak dengan data. Pengujian dilakukan dengan
membandingkan nilai antara -2 log likelihood pada awal (block number
=0) dengan nilai -2 log likelihood pada akhir (block number =1). Nilai -2
Correlation Matrix Constant X1 X2 X3 X4 Step 1 Constant 1.000 -.778 -.600 -.807 -.621 X1 -.778 1.000 .277 .579 .329 X2 -.600 .277 1.000 .196 .306 X3 -.807 .579 .196 1.000 .515 X4 -.621 .329 .306 .515 1.000
log likelihood awal pada block number = 0, dapat ditunjukkan pada tabel
4.6 berikut ini :
Tabel 4.6
Nilai -2 Log Likelihood (-2LL Awal)
Nilai -2 log likelihood akhir pada block number = 1, dapat dilihat pada
tabel 4.7 berikut ini :
Tabel 4.7 Iteration Historya,b,c
Iteration -2 Log likelihood Coefficients Constant Step 0 1 72.172 -.444 2 72.171 -.452 3 72.171 -.452
a. Constant is included in the model. b. Initial -2 Log Likelihood: 72,171 c. Estimation terminated at iteration number 3 because parameter estimates changed by less than ,001.
Nilai -2 Log Likelihood (-2 LL Akhir)
Sumber: Hasil Pengolahan SPSS 2010
Tabel 4.6 dan tabel 4.7 di atas dapat dilihat bahwa nilai -2 log
likelihood awal pada block number = 0, yaitu model yang hanya
memasukkan konstanta yang dapat dilihat pada step 3, memperoleh nilai
sebesar 72,171. Kemudian pada tabel selanjutnya dapat dilihat nilai -2 log
likelihood akhir dengan block number = 1, nilai -2 log likelihood pada
tabel 4.7 mengalami perubahan setelah masuknya beberapa variabel
independen pada model penelitian, akibatnya nilai -2 log likelihood akhir
pada step 9 menunjukkan nilai 15.082.
Iteration Historya,b,c,d
Iteration -2 Log likelihood Coefficients Constan t X1 X2 X3 X4 Step 1 1 32.435 -2.193 2.765 2.521 4.587 .703 2 21.521 -3.931 4.578 4.590 7.541 2.124 3 16.858 -5.845 6.882 6.555 10.596 3.895 4 15.399 -7.619 9.403 8.030 13.486 5.316 5 15.105 -8.809 11.240 8.883 15.376 6.358 6 15.082 -9.222 11.904 9.138 16.015 6.827 7 15.082 -9.267 11.977 9.162 16.084 6.893 8 15.082 -9.268 11.978 9.162 16.085 6.895 9 15.082 -9.268 11.978 9.162 16.085 6.895 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 72,171
d. Estimation terminated at iteration number 9 because parameter estimates changed by less than ,001.
Pengurangan nilai jadi diantara -2 log likelihood awal dengan nilai
-2 log likelihood akhir menunjukkan bahwa model yang dihipotesiskan fit
dengan data (Ghozali, 2005:219). Penurunan nilai -2 log likelihood
menunjukkan bahwa model penelitian ini dinyatakan fit, artinya
penambahan variabel bebas yaitu X1(Working Capital / Total Assets),
X2(Retairned Earnings / Total Assets), X3(Earning Before Interest and
Taxes / Total Assets), X4(Market Value of Equity / Book Value of Total Liabilities) dalam model penelitian akan memperbaiki model fit penelitian
ini.
Menilai model fit dapat juga dilihat melaui tabel omnibus test of
model coefficients ditampilkan pada tabel 4.8berikut ini :
Tabel 4.8
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 57.089 4 .000
Block 57.089 4 .000
Model 57.089 4 .000
Sumber : Hasil Pengolahan SPSS, 2010
Tabel 4.8 tersebut menunjukkan nilai signifikansi chi square
dimana tingkat signifikansinya adalah 0,000 (lebih kecil dari 0,05). Maka
dapat disimpulkan bahwa model yang terdiri dari beberapa variabel
variabel dependen. Nilai chi square di atas adalah hasil dari selisih -2LL
awal dengan -2LL akhir.
2. Menguji Kelayakan Model Regresi
Pengujian kelayakan model regresi logistic dilakukan dengan
menggunakan goodness of fitness test yang diukur dengan nilai chi square
pada bagian bawah uji hosmer and lameshow, ditampilkan pada tabel 4.9
Tabel 4.9
Sumber : Hasil Pengolahan SPSS, 2010
Hasil pengujian statistik menunjukkan probabilitas signifikansi
sebesar 0,573. Nilai signifikansi yang diperoleh ini lebih besar dari 0,05,
maka H0 tidak dapat ditolak (diterima). Hal ini menunjukkan bahwa model
regresi layak untuk digunakan dalam analisis selanjutnya, karena tidak ada
perbedaan nyata antara klasifikasi yang diprediksi dengan klasifikasi yang
diamati. Tabel kontijensi untuk uji hosmer and lemeshow ditampilkan pada
tabel 4.1 berikut ini:
Hosmer and Lemeshow Test
Step Chi-square df Sig.
Tabel 4.10
Contingency Table for Hosmer and Lemeshow Test
Financial Bankcuption = Financial Bankcruption Financial Bankcuption = Non Financial Bankcruption Total
Observed Expected Observed Expected
Step 1 1 5 5.000 0 .000 5 2 5 4.999 0 .001 5 3 5 4.993 0 .007 5 4 5 4.986 0 .014 5 5 5 4.953 0 .047 5 6 5 4.553 0 .447 5 7 1 2.697 4 2.303 5 8 2 .613 3 4.387 5 9 0 .170 5 4.830 5 10 0 .035 9 8.965 9
Sumber : Hasil Pengolahan SPSS, 2010
Tabel kontinjensi digunakan untuk uji hosmer and lameshow, dapat
dilihat bahwa dari 10 langkah pengamatan untuk kategori perusahaan
dengan kondisi financial bankcruption (1) maupun kondisi non financial
bankcruption (2), nilai yang diamati maupun nilai yang diprediksi, tidak
mempunyai perbedaan yang terlalu ekstrim. Ini menunjukkan bahwa
model regresi logistik yang digunakan dalam penelitian ini mampu
3. Hasil Pengujian Hipotesis
Hasil pengujian hipotesis bertujuan untuk mengetahui apakah
pengaruh dari variabel-variabel bebas terhadap peringkat obligasi.
Pengujian dengan regresi logistik ditunjukkan dalam tabel 4.11 berikut ini:
Tabel 4.11
Case Processing Summary
Unweighted Casesa N Percent
Selected Cases Included in
Analysis 54 100.0
Missing Cases 0 .0
Total 54 100.0
Unselected Cases 0 .0
Total 54 100.0
a. If weight is in effect, see classification table for the total number of cases.
Sumber: Hasil Pengolahan SPSS, 2010
Berdasarkan tabel 4.11 di atas dapat diambil analisis sebagai
berikut:
a. Jumlah observasi sebanyak 54, dan seluruh observasi telah
diperhitungkan ke dalam pengujian hipotesis
b. Tidak ada variabel dependen yang dikeluarkan dengan nilai dummy
variabel. Variabel dependen bernilai 0 untuk kategori financial
bankcruption dan bernilai 1 untuk kategori non financial bankcruption.
c. Metode yang digunakan untuk memasukkan data adalah metode enter
(independen) disertakan dalam analisis data untuk mengetahui variabel
mana yang berpengaruh terhadap variabel dependen.
Selanjutnya, variabilitas antara variabel dependen dengan variabel
independen ditampilkan pada tabel 4.12 di bawah ini:
Tabel 4.12 Model Summary
Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1 15.082a .653 .885
a. Estimation terminated at iteration number 9 because parameter estimates changed by less than ,001.
Sumber: Hasil Pegolahan SPSS 2010
Berdasarkan tabel 4.12 di atas, dapat dilihat hasil analisis regresi
logistik secara keseluruhan menunjukkan nilai Cox & Snell R Square
sebesar 0,653. Cox & Snell R Square merupakan ukuran yang mencoba
meniru ukuran R2 pada multiple regression yang didasarkan pada teknik
estimasi likelihood dengan nilai maksimum kurang dari satu, sehingga sulit
untuk diinterpretasikan. Nagelkerke’s R2 merupakan modifikasi dari
koefisien Cox dan Snell. Untuk memastikan bahwa nilainya bervariasi dari
satu (1) sampai dua (2), dilakukan dengan cara membagi nilai Cox dan
Snell R2 dengan nilai maksimumnya. Nilai Nagelkerke’s R2 dapat
diinterpretasikan seperti nilai R2 pada multiple regression. Dilihat dari
sebesar 0,885 yang berarti variabilitas variable dependen yang dapat
dijelaskan oleh variable independen adalah sebesar 88,5%.
a. Matriks Klasifikasi
Matriks klasifikasi akan menunjukkan kekuatan prediksi dari
model regresi untuk memprediksi kondisi perusahaan, yang ditampilkan
pada tebel 4.13 berikut ini:
Tabel 4.13 Classification Tablea Observed Predicted Financial Bankcuption Percentage Correct Financial Bankcruption Non Financial Bankcruption Step 1 Financial Bankcuption Financial Bankcruption 31 2 93.9 Non Financial Bankcruption 2 19 90.5 Overall Percentage 92.6
a. The cut value is ,500
Sumber: Hasil Pengolahan SPSS, 2010
Tabel 4.13 di atas menunjukkan kekuatan prediksi dari model
regresi untuk memprediksi kemungkinan kondisi perusahaan sebesar
93,9%. Ini menunjukkan bahwa dengan menggunakan model regresi yang
digunakan ada 31 perusahaan yang diprediksi berada pada kondisi
financial bankcruption dari total 33 perusahaan yang berada pada kondisi
financial distress adalah sebesar 90,5%, yang berarti bahwa model regresi
yang diajukan, ada 19 perusahaan yang diprediksi berada pada kondisi non
financial bankcruption dari total 21 perusahaan yang berada pada kondisi
non financial bankcruption.
b. Menguji Koefisien Regresi
Hasil pengujian koefisien hasil regresi logistik ditampilkan pada
tabel 4.14 berikut ini:
Tabel 4.14 di atas memperlihatkan hasil pengujian hipotesis regresi
logistik pada tingkat signifikansi 5%. Dari hasil pengujian hipotesis
tersebut pada kolom B maka diperoleh model persamaan regresi logistik
sebagai berikut :
Tabel 4.14 Hasil Regresi Logistik
B S.E. Wald df Sig. Exp(B)
95,0% C.I.for EXP(B) Lower Upper Step 1a X1 11.978 6.841 3.066 1 .080 1.593E5 .239 1.060E11
X2 9.162 4.528 4.094 1 .043 9.527E3 1.333 6.810E7 X3 16.085 6.114 6.921 1 .009 9.678E6 60.431 1.550E12 X4 6.895 4.321 2.546 1 .111 986.857 .207 4.699E6 Constant -9.268 3.377 7.532 1 .006 .000
a. Variable(s) entered on step 1: X1, X2, X3, X4. Sumber: Hasil Pengolahan SPSS 2010
Y= 9,268 + 11,978X1 + 9,162X2 + 16,085X3 + 6,895X4
Konstanta sebesar 9,268 menyatakan bahwa jika tidak memperhitungkan
nilai, X1(Working Capital / Total Assets), X2(Retairned Earnings / Total
Assets), X3(Earning Before Interest and Taxes / Total Assets), X4(Market Value of Equity / Book Value of Total Liabilities) maka kemungkinan
financial distress sebesar 9,268.
C. Pembahasan Hasil Penelitian
Analisis regresi logistik yang dilakukan, dari tingkat signifikansi yang
dimiliki masing-masing X1(Working Capital / Total Assets) dan X4(Market Value of Equity / Book Value of Total Liabilities) menunjukkan bahwa rasio keuangan
tidak signifikan untuk memprediksi kondisi financial bankcruption perusahaan,
karena tingkat signifikansi masing-masing variabel independen berada di atas 5%.
Hasil penelitian ini tidak sesuai dengan hasil penelitian Siti (2003) dan Raden
(2008). Dalam penelitian Siti menunjukkan bahwa rasio X1(Working Capital /
Total Assets), X2(Retairned Earnings / Total Assets), X3(Earning Before Interest
and Taxes / Total Assets) dan X5(Sales / Total Assets) berpengaruh untuk
menunjukkan pengaruh terhadap kinerja perusahaan, sedangkan dalam penelitian
ini peneliti menunjukkan bahwa rasio X2(Retairned Earnings / Total Assets),
X3(Earning Before Interest and Taxes / Total Assets) secara signifikan
memprediksi kondisi financial bankcruption. Keadaan mungkin dapat terjadi
karena periode pengamatan penelitian yang berbeda dimana Siti melakukan
penelitian pada tahun pengamatan 2006-2008. Peneliti menggunakan pengujian
analisis regresi logistik yang berbeda dengan pegujian yang dilakukan oleh Siti,
dimana Siti menggunakan analisis diskriminan dalam penelitian nya. Peneliti
menggunakan perusahaan otomotif sebagai objek penelitian sedangkan Siti
menggunakan perusahaan textile, dimana dari segi objek penelitian sudah berbeda
yang mengakibatkan perbedaan nilai rasio Altman karena perbedaan operasi dan
kegiatan perusahaan otomotif dengan perusahaan textile.
Penelitian yang dilakukan Raden memiliki perbedaan dimana peneliti menggunakan rasio yang berbeda dengan rasio keuangan yang digunakan oeh Raden. Raden menggunakan rasio keuangan gross profit margin, leverage ratio (debt to total asset ratio), current ratio, inventory turnover dan return on equity padahal rasio yang digunakan oleh Raden bukan lagi rasio keuangan yang digunakan dalam rumus Altman, akan tetapi rasio keuangan yang dipilih oleh Raden diluar rasio keuangan yang ditemukan oleh Edward Altman,sedangkan peneliti menggunakan rasio X1(Working Capital / Total Assets), X2(Retairned Earnings / Total Assets), X3(Earning Before Interest and Taxes / Total Assets), X4(Market Value of Equity / Book Value of Total Liabilities) dan X5(Sales / Total Assets) yang merupakan rasio yang ditemukan dan digunakan Altman dalam menghitung Z Score atau tingkat kebangkrutan perusahaan meskipun rasio X5(Sales / Total Assets) dihapus karena mengalami multikolinieritas yang serius.Hasil penelitian ini berbeda dengan penelitian Raden mungkin disebabkan oleh periode pengamatan penelitian yang berbeda dimana Raden meneliti pada tahun pengamatan 2006 sedangkan peneliti meneliti pada tahun pengamatan 2006-2008, kemudian Raden menggunakan rumus Altman yang berbeda dengan yang digunakan peneliti dalam menentukan nilai
Z-Score masing-masing perusahaan, dimana Raden menggunakan rumus Z=1,2(T1) + 1,4(T2) + 3,3(T3) + 0,6(T4)+ 0,999(T5), dengan interval :
a. Z-Score ≤1,88, perusahaan dikategorikan mengalami financial distress b. Z-Score 1,88 – 2,99, perusahaan dikategorikan berada di posisi gray area c. Z-Score >2,99, perusahaan dikategorikan tidak mengalami financial distress
Sedangkan peneliti menggunakan rumus Altman yang berbeda dengan Raden
akan tetapi interval yang digunakan peneliti sama dengan yang digunakan oleh
Raden. Rumus Altman yang digunakan yaitu
Z = 0,717(X1) + 0,847(X2) + 3,107(X3) + 0,420(X4) + 0,998(X5).
Berbedanya rumus Altman dan analisis yang digunakan juga dapat
menghasilkan hasil penelitian yang berbeda. Perbedaan hasil Z Score ini sangat
terlihat dimana koefisien rumus Altman yang digunakan Raden berbeda dengan
yang digunakan oleh peneliti. Perbedaan koefisien pada rumus juga memberikan
pengaruh yang besar dalam memprediksi kebangkrutan perusahaan meskipun
peneliti dan Raden menggunakan interval kebangkrutan yang sama. Rumus yang
digunakan oleh peneliti dalam penelitian ini menggunakan rumus yang telah
mengalami revisi dan perbaikan. Revisi yang dilakukan dapat dilihat dalam
penelitian Altman pada tahun 1968 yang menemukan lima jenis rasio keuangan
yang dapat dikombinasikan untuk melihat perbedaan antara perusahaan yang
bangkrut dan yang tidak bangkrut. Z Score Altman ditentukan dengan
Z-Score = 0,012X1 + 0,014X2 + 0,033X3 + 0,006X4 + 0,999X5
Keterangan:
X1 = Modal kerja terhadap total harta (working capital to total assets)
X2 = Laba yang ditahan terhadap total harta (retained earnings to total assets)
X3 = Pendapatan sebelum pajak dan bunga terhadap total harta (earnings
before interest and taxes to total assets)
X4 = Nilai pasar ekuitas terhadap nilai buku dari hutang (market value equity
to book value of total debt)
X5 = Penjualan terhadap total harta (sales to total assets)
Banyak perusahaan yang tidak go-public sehingga tidak mempunyai nilai pasar, maka Altman mengembangkan model alternatif dengan menggantikan variabel X4 yang semula merupakan perbandingan nilai pasar modal sendiri dengan nilai buku total hutang, menjadi perbandingan nilai saham biasa dan preferen dengan nilai buku total hutang. Model Altman hasil revisi tahun 1983 inilah yang akan digunakan dalam penelitian ini. Persamaan hasil revisi tersebut adalah:
Z-Score = 0,717X1 + 0,847X2 + 3,107X3 + 0,420X4 + 0,998X5
Keterangan:
X1 = Modal kerja terhadap total harta (working capital to total assets)
X2 = Laba yang ditahan terhadap total harta (retained earnings to total assets)
X3 = Pendapatan sebelum pajak dan bunga terhadap total harta (earnings
to book value of total debt)
X5 = Penjualan terhadap total harta (sales to total assets)
Didasarkan oleh keterangan dan penjelasan yang dibuat oleh Altman dalam penelitian revisi rumus Altman maka penulis menggunakan rumus Altman yang mengalami revisi dan perbaikan untuk meningkatkan tingkat keakuratan prediksi kebangkrutan dengan menggunakan Altman Z Score. Sehingga dapat dijadikan sebagai ukuran untuk mengantisipasi keadaan perusahan agar terhindar dari kebangkrutan. Perusahaan dapat mengambil tindakan jika tanda-tanda dan perhitungan Altman Z Score mulai mengarah ke keadaan perusahaan yang akan bangkrut.
BAB V
KESIMPULAN DAN SARAN