LAMPIRAN 1
NO PERUSAHAAN TAHUN WC / KDSI 2013 0.177517 0.024699 0.055486 0.414014 1.63051 2.30961 15 KICI 2012 0.517614 -0.06047 0.032426 2.343721 0.998231 3.04794 KICI 2013 0.562419 0.017051 0.101195 3.041901 1.007467 3.86532 16 KLBF 2012 0.483129 0.00819 0.245066 0.782722 1.447915 3.31748 KLBF 2013 0.429227 0.008349 0.227354 0.751207 1.414233 3.14198 17 LMPI 2012 0.102438 0.618606 0.006233 0.49944 0.616065 1.92527 LMPI 2013 0.088656 0.613312 -0.01705 0.483368 1 2.19877 18 MBTO 2012 0.611474 0.001641 0.097711 2.484191 1.177679 3.72670 MBTO 2013 0.55589 0.002452 0.037606 2.812809 1.048245 3.53053 19 MERK 2012 0.604209 0.661679 0.256247 0.731857 1.632993 4.56912 MERK 2013 0.631927 0.677609 0.336766 0.734947 1.713119 4.97238 20 MLBI 2012 -0.29009 7.8106 0.527114 0.286319 1.438294 3.00145 MLBI 2013 -0.00914 5.6106 0.884856 0.554125 1.998705 5.24024 21 MRAT 2012 0.645998 0.023433 0.093424 5.545455 1.005983 5.44955 MRAT 2013 0.595687 0.031275 0.022788 6.113914 0.814697 5.31685 22 MYOR 2012 0.90821 0.003734 0.215605 0.669509 1.265958 3.06301 MYOR 2013 1.386518 0.003398 0.139654 0.501001 1.107648 3.13821 23 PSDN 2012 0.210339 0.019669 0.074411 0.755546 1.911947 2.89077 PSDN 2013 0.225369 0.031266 0.063413 1.580426 1.87664 3.34837 24 PYFA 2012 0.29568 0.007361 0.058682 0.645608 1.300932 2.24707 PYFA 2013 0.149543 0.00571 0.048538 0.536214 1 1.66935 25 RMBA 2012 0.252292 0.000577 -0.06176 0.2774 1.42021 1.68638 RMBA 2013 0.090899 0.000433 -0.14243 0.09522 1,329462 1.02642 26 ROTI 2012 0.020219 0.325633 0.16581 1.238271 1.988282 2.99371 ROTI 2013 0.023967 0.281507 0.115655 1.462536 0.825988 2.50804 27 SCPI 2012 0.377384 0.111631 1.59505 0.043038 0.686024 1.32104 SCPI 2013 0.431914 0.071573 -0.02333 0.014118 0.545401 1.09539
28 SIDO 2012 - - - -
Sumber : Hasil Pengolahan Data
NO PERUSAHAAN TAHUN WC /
TA
RE / TA EBIT / TA
MVE / BVD
S/TA Z-Score
LAMPIRAN 2
Daftar Perusahaan Manufaktur Sektor Industri Barang Konsumsi yang Terdaftar di Bursa Efek Indonesia
NO
KRITERIA 1 KRITERIA 2
(FD) KRITERIA 1
KRITERIA 3 (NFD)
2011 2012 2013 2012 2013 2011 2012 2013
A MAKANAN DAN MINUMAN
1 PT. Akasha Wira
5 PT.Multi Bintang
Indonesia,Tbk
7 PT.Nippon Indosari Corporindo,Tbk
NO
KRITERIA 1 KRITERIA
2 (FD) KRITERIA 1
KRITERIA 3 (NFD)
2011 2012 2013 2012 2013 2011 2012 2013
8 PT.Ultrajaya Milk Industry and
3 PT.Industri Jamu
NO
KRITERIA 1 KRITERIA
2 (FD) KRITERIA 1
D KOSMETIK DAN KEPERLUAN RUMAH TANGGA
1 PT.Kedawung Setia Industrial,Tbk
Sumber : Bursa Efek Indonesia (Data Diolah)
Keterangan :
*Kriteria 1 : Perusahaan yang terdaftar di Bursa Efek Indonesia pada tahun 2011-2013 secara berturut-turut.
*Kriteria 2 : Perusahaan yang memiliki Z-score < 2,99 pada tahun 2012-2013 secara berturut-turut,
*Kriteria 3 : Perusahaan yang memiliki Z-score > 2,99 pada tahun 2012-2013 secara berturut-turut, perusahaan sejenis dan asset yang mendekati dengan perusahaan yang
LAMPIRAN 3
Total Asset Sampel Kondisi FD dan NFD (Dalam Jutaan Rupiah)
NO FD TOTAL ASSET NO NFD TOTAL
ASSET
1 PYFA 118.033 1 SQBB 361.756
2 SCPI 441.000 2 MERK 584.388
3 LMPI 685.895 3 KICI 874.191
4 DVLA 922.945 4 KLBF 8.274.554
5 STTP 934.765 5 MYOR 6.599.845
6 INAF 1.114.901 6 KAEF 1.794.399
7 RMBA 6.333.957 7 HMSP 19.329.758
8 ICBP 15.222.857 8 INDF 53.585.933
LAMPIRAN 4
Rasio-Rasio Keuangan Perusahaan Kondisi Financial Distress dan Nonfinancial Distress
Sumber : Hasil Pengolahan Data
No Kode
Perusahaan
Y WC/TA RE/TA EBIT/TA MVE/BVD S/TA
1 DVLA 0 -0.14022 0.00975 0.18021 0.064976 0.074741
2 HMSP 1 0.335392 0.38465 0.56447 0.532995 2.734473
3 ICBP 0 0.367327 0.29328 0.18031 0.413532 1.272242
4 INDF 1 0.89546 0.27134 0.12321 0.575527 1.315811
5 INAF 0 0.221683 0.25208 0.04951 0.937073 0.583103
6 KAEF 1 0.44769 0.37478 0.12929 0.698096 1.900018
7 KICI 1 0.553244 0.64377 0.01488 0.41091 1.001121
8 KLBF 1 0.527314 0.41075 0.24016 0.78746 1.318725
9 LMPI 0 0.152153 0.73518 0.01129 0.153559 0.732162
10 MERK 1 0.729472 0.77725 0.48465 0.624563 1.571784
11 MYOR 1 0.340842 0.25439 0.09491 0.367383 1.432438
12 PYFA 0 0.317896 0.39340 0.06002 0.10069 1.280097
13 RMBA 0 0.07232 0.08237 0.07660 0.154799 1.589871
14 SCPI 0 0.431914 0.57157 -0.02333 0.014118 0.545401
15 STTP 0 -0.0168 0.18353 0.064596 0.102013 1.099403
LAMPIRAN 5
Statistik Deskriptif Variabel Penelitian
LAMPIRAN 6 Uji Normalitas
WC/TA RE/TA EBIT/TA MVE/BVD S/TA
N 16 16 16 16 16
Mean 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000
Normal
Parametersab Std.Deviation .35613572 .48983714 43587624 40556518 .43747717
Absolute .091 .179 .184 .174 .161
Most Extreme Differences
Positive .091 .177 .184 .086 .161
Negative -.091 -.179 -.150 -.174 -.155
Kolmogorov-Smirnov Z
.365 .716 .735 .696 .644
Asymp.Sig (2-Tailed)
.999 .685 .652 .718 .801
a. Test distribution is Normal.
b. Calculated from data.
LAMPIRAN 7 Independent Sample T Test
Group Statistics
Financi al
Distress N Mean Std. Deviation Std. Error Mean
WC/TA 0 8 .18 .198 .070
1 8 .56 .192 .068
RE/TA 0 8 .31 .246 .087
1 8 .45 .182 .064
EBIT/TA 0 8 .07 .072 .025
1 8 .26 .208 .074
MVE/TA 0 8 .24 .307 .109
1 8 .61 .168 .059
S/TA 0 8 .89 .496 .175
Independent Samples Test
Levene's Test for Equality of
Variances t-test for Equality of Means
95% Confidence Interval of the Difference
F Sig. t Df Sig. (2-tailed) Mean Difference
Std. Error
Difference Lower Upper
WC/TA Equal variances assumed .070 .796 -3.929 14 .002 -.384 .098 -.593 -.174
Equal variances not assumed
-3.929 13.988 .002 -.384 .098 -.593 -.174
RE/TA Equal variances assumed .641 .437 -1.249 14 .232 -.135 .108 -.367 .097
Equal variances not assumed
-1.249 12.904 .234 -.135 .108 -.369 .099
EBIT/TA Equal variances assumed 13.392 .003 -2.377 14 .032 -.185 .078 -.352 -.018
Equal variances not assumed
-2.377 8.659 .042 -.185 .078 -.362 -.008
MVE/TA Equal variances assumed 1.194 .293 -2.949 14 .011 -.365 .124 -.630 -.100
Equal variances not assumed
-2.949 10.858 .013 -.365 .124 -.638 -.092
S/TA Equal variances assumed .001 .980 -2.347 14 .034 -.630 .268 -1.206 -.054
Equal variances not assumed
LAMPIRAN 8 Uji Homogenitas
Test Results
Box's M 14.607
F Approx. .996
df1 10
df2 937.052
Sig. .445
LAMPIRAN 9 Hasil Analisis Diskriminan
Analysis Case Processing Summary
Unweighted Cases N Percent
Valid 16 100.0
Excluded Missing or out-of-range group codes
0 .0
At least one missing discriminating variable
0 .0
Both missing or out-of-range group codes and at least one missing discriminating
Financial Distress Mean Std. Deviation
Pooled Within-Groups Matricesa
WC/TA EBIT/TA MVE/TA S/TA
Covariance WC/TA .038 -.003 .010 -.014
EBIT/TA -.003 .024 .008 .028
MVE/TA .010 .008 .061 -.011
S/TA -.014 .028 -.011 .288
Correlation WC/TA 1.000 -.104 .216 -.136
EBIT/TA -.104 1.000 .212 .335
MVE/TA .216 .212 1.000 -.085
S/TA -.136 .335 -.085 1.000
a. The covariance matrix has 14 degrees of freedom. Tests of Equality of Group Means
Wilks' Lambda F df1 df2 Sig.
WC/TA .476 15.435 1 14 .002
EBIT/TA .712 5.650 1 14 .032
MVE/TA .617 8.697 1 14 .011
Covariance Matricesa
Financial Distress WC/TA EBIT/TA MVE/TA S/TA
.00 WC/TA .039 -.005 .012 .026
EBIT/TA -.005 .005 .002 .000
MVE/TA .012 .002 .094 -.008
S/TA .026 .000 -.008 .246
1.00 WC/TA .037 -.001 .009 -.054
EBIT/TA -.001 .043 .015 .056
MVE/TA .009 .015 .028 -.014
S/TA -.054 .056 -.014 .331
Total WC/TA .075 .016 .047 .051
EBIT/TA .016 .032 .026 .057
MVE/TA .047 .026 .093 .051
S/TA .051 .057 .051 .375
a. The total covariance matrix has 15 degrees of freedom.
Log Determinants
Financial Distress Rank Log Determinant
.00 4 -12.563
1.00 4 -12.111
Pooled within-groups 4 -11.294
Eigenvalues
Function Eigenvalue % of Variance Cumulative % Canonical Correlation
1 2.226a 100.0 100.0 .831
a. First 1 canonical discriminant functions were used in the analysis.
Wilks' Lambda
Test of
Function(s) Wilks' Lambda Chi-square df Sig.
1 .310 14.055 4 .007
Standardized Canonical
Discriminant Function
Coefficients
Function
1
WC/TA .717
EBIT/TA .272
MVE/TA .355
S/TA .457
Structure Matrix
Function
1
WC/TA .704
MVE/TA .528
Structure Matrix
Function
1
WC/TA .704
MVE/TA .528
EBIT/TA .426
S/TA .420
Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions
Variables ordered by absolute size of correlation within function.
Canonical Discriminant
Function Coefficients
Function
1
WC/TA 3.673
EBIT/TA 1.747
MVE/TA 1.432
S/TA .851
(Constant) -3.273
Functions at Group
Excluded Missing or out-of-range group codes
0
At least one missing discriminating variable
0
Used in Output 16
Prior Probabilities for Groups
Financi al
Distress Prior
Cases Used in Analysis
Unweighted Weighted
.00 .500 8 8.000
1.00 .500 8 8.000
Classification Function Coefficients
Financial Distress
.00 1.00
WC/TA 4.691 14.943
EBIT/TA -1.911 2.966
MVE/TA 4.051 8.049
S/TA 3.676 6.050
(Constant) -3.161 -12.298
Fisher's linear discriminant functions
Classification Resultsb,c
Financi al Distress
Predicted Group Membership
Total
.00 1.00
Original Count .00 7 1 8
1.00 1 7 8
% .00 87.5 12.5 100.0
1.00 12.5 87.5 100.0
Cross-validateda Count .00 6 2 8
1.00 2 6 8
% .00 75.0 25.0 100.0
1.00 25.0 75.0 100.0
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. 87.5% of original grouped cases correctly classified.
Casewise Statistics
Case Number
Highest Group Second Highest Group
Discriminant
Centroid Function 1
3 0 1** .737 4 .643 1.994 0 .357 3.174
4 1 1 .173 4 .998 6.377 0 .002 18.506
5 0 1** .000 4 1.000 22.644 0 .000 39.179
6 1 1 .330 4 .925 4.607 0 .075 9.627
7 1 0** .414 4 .636 3.940 1 .364 5.057
8 1 1 .892 4 .965 1.112 0 .035 7.769
9 0 0 .983 4 .993 .398 1 .007 10.197
10 1 1 .210 4 .999 5.860 0 .001 20.437
11 1 0** .688 4 .769 2.261 1 .231 4.666
12 0 0 .653 4 .825 2.452 1 .175 5.558
13 0 0 .584 4 .955 2.847 1 .045 8.938
14 0 0 .198 4 .915 6.021 1 .085 10.780
15 0 0 .803 4 .997 1.631 1 .003 13.343
16 1 1 .094 4 .989 7.925 0 .011 16.920
For the original data, squared Mahalanobis distance is based on canonical functions. For the cross-validated data, squared Mahalanobis distance is based on observations. **. Misclassified case
DAFTAR PUSTAKA
Adnan, Muhammad Akhyar dan Eha Kurniasih. 2000. Analisis Tingkat Kesehatan Perusahaan untuk Memprediksi Potensi Kebangkrutan dengan
Pendekatan Altman . JAAI Volume 4 No. 2.
Adnan, Muhammad Akhyar dan M Imam Taufiq. 2001. Analisis Ketepatan Prediksi Metode Altman Terhadap terjadinya Likuidasi pada Lembaga
Perbankan (Kasus Likuidasi Perbankan di Indonesia). Dalam JAAI
Volume 5 No. 2.
Aisyah, Imas A. 2013. Prediksi Kebangkrutan Perusahaan Property and Real Estate Yang Terdaftar Di Bursa Efek Indonesia Menggunakan
Diskriminant Analysis dan Regresi Logistik Periode 2007 – 2010. Jakarta
Almilia, Luciana Spica dan Kristijadi. 2003. Analisis Rasio Keuangan untuk Memprediksi Kondisi Financial Distress Perusahaan Manufaktur Yang
Terdaftar di BEJ. JAAI, Vol. 7 No.2
Altman, Edward I. 1968. Financial Ratios: Discriminant Analysis and The Prediction of Coporate Bankruptcy. Journal of Finance 23(4), pg.
589-609.
Anggraeni, Retno Dewi, dkk. 2014. Penerapan Model Multiple Discriminant Analysis Untuk Memprediksi Financial Distress (Studi Pada Sektor
Industri Barang Konsumsi Yang Listing Di Bursa Efek Indonesia
Periode 2009-2012). Malang
Arikunto, Suharsimi. 2010. Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta : Rineka Cipta
Elloumi dan Gueyie. 2001. Financial Distress and Corporate Governance : An Empirical Analysis, Corporate Governance. MCB University Press
Ghozali, Imam. 2005. Aplikasi Analisis Multivariate dengan Program SPSS. Badan Penerbit Universitas Diponegoro. Semarang
Harahap, Sofyan Syafri. 2010. Analisis Kritis Atas Laporan Keuangan. Jakarta : Rajawali Pers
Hartoyo, Nico Tantra. 2013. Prediksi Financial Distress Menggunakan Analisis Diskriminan Pada Perusahaan Manufaktur Yang Terdaftar di Bursa Efek
Indonesia Tahun 2010-2011. Malang
Indriyati, Irma Thisca. 2010. Analisis Laporan Keuangan Dan Penggunaan Z-Score Altman Untuk Memprediksi Tingkat Kebangkrutan Perusahaan
Properti yang Terdaftar Di Bursa Efek Indonesia Periode 2006 -2008.
Surakarta
Kasmir. 2008. Analisis Laporan Keuangan. Jakarta : Rajawali Pers
Kumalasari, Riesta Devi. 2012. Indikasi Financial Distress Berdasarkan Analisis Z-Score Almant Pada Perusahaan Tekstil Yang Terdaftar Di Bursa Efek
Indonesia Selama Tahun 2008-2010. Skripsi Fakultas Ekonomi dan Bisnis
Universitas Brawijaya Malang
Lee, Cheng F. 1985. Financial Analysis and Planning. Addison-Wesley Publishing Company
Lesmana, Rico dan Rudy Surjanto. 2004. Financial Performance Analizing. PT Pers Media Komperindo
Mamduh, M. Hanafi dan Abdul Halim. 2003. Analisis Rasio Keuangan. Yogyakarta: UPP AMP YKPN
Murtanto dan Zeny Afiana. 2002. Analisis Laporan Keuangan Dengan Menggunakan Rasio CAMEL dan Metode Altman sebagai Alat untuk
Memprediksi Tingkat Kegagalan Usaha Bank. Dalam Media Riset
Akuntansi, Auditing dan Informasi. Vol 2, No. 2 Agusutus. Hal. 44-56
Platt, H. dan M. B. Platt. 2002. Predicting Financial Distress. Journal of Financial Service Professionals, 56: 12-15
Platt, H. And M. B. Platt. 2006. Comparing Financial Distress and Banckrupcy. Working Paper
Sadalia, Isfenti. 2010. Manajemen Keuangan. Medan: USU Press
Sanusi, Anwar. 2011. Metodologi Penelitian Bisnis. Jakarta Selatan : Salemba Empat
Simamora, Bilson. 2005. Analisis Multivariate Pemasaran. Jakarta : PT. Gramedia Pustaka Utama
Sugiyono. 2008. Metode Penelitian Bisnis. Bandung : Alfabeta
Syahyunan. 2013. Manajemen Keuangan (Perencanaan, Analisis dan Pengendalian Keuangan). Medan: USU Press
Trihendradi. 2012. Step By Step SPSS 20 : Analisis Data Statistik, Salemba Infotek. Jakarta
Weston, J. Fred, dkk. 1986. Manajemen Keuangan Edisi Kedelapan. CBS College Publishing. Erlangga
Whitaker, R. B. 1999. The Early Stages of Financial Distress. Journal of Economics and
Finance, 23: 123-133
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian yang digunakan adalah penelitian deskriptif dengan
pendekatan kuantitatif. Penelitian deskriptif adalah penelitian yang disusun
dalam rangka memberikan gambaran secara sistematis tentang informasi ilmiah
yang berasal dari subjek atau objek penelitian (Sanusi, 2011:13). Penelitian
kuantitatif dapat diartikan sebagai positivisme, digunakan untuk meneliti pada
populasi atau sampel tertentu, pengumpulan data menggunakan instrumen
penelitian, analisis data bersifat kuantitatif/statistik dengan tujuan untuk
menguji hipotesis yang telah ditetapkan (Sugiyono, 2008:13). Berdasarkan
pendapat tersebut, pada dasarnya penelitian deskriptif kuantitatif adalah jenis
penelitian yang menggambarkan secara terperinci dan mendalam mengenai
objek penelitian dengan analisis data yang bersifat kuantitatif/statistik untuk
menguji hipotesis yang telah ditetapkan.
3.2 Batasan Operasional
Objek pada penelitian ini hanya terdiri dari perusahaan manufaktur sektor
industri barang konsumsi yang terdaftar di Bursa Efek Indonesia dan dalam
penelitian ini menggunakan data laporan keuangan yang dipublikasikan oleh
3.3 Defenisi Operasional
Penjelasan dari masing-masing variabel yang digunakan dalam
penelitian ini adalah sebagai berikut :
a. Variabel Dependen (Variabel Terikat)
Variabel dependen (variabel terikat) adalah variabel yang dipengaruhi atau
yang menjadi akibat, karena adanya variabel bebas (Sugiyono, 2008:59).
Pada penelitian ini variabel dependennya adalah kondisi financial distress
atau kebangkrutan perusahaan dalam bentuk kategori. Perusahaan yang
mengalami financial distress dinyatakan dengan 0 dan perusahaan yang
nonfinancial distress dinyatakan dengan 1.
b. Variabel Independen (Variabel Bebas)
Variabel independen (variabel bebas) adalah variabel yang mempengaruhi
atau yang menjadi sebab perubahannya atau timbulnya variabel dependen
(terikat). Variabel independen pada penelitian ini adalah rasio keuangan
yang digunakan dalam persamaan Z-Score Altman (1968) yang dinotasikan
dengan X1, X2, X3, X4, X5. Kelima rasio tersebut adalah :
• Working Capital to Total Assets (X1)
Rasio yang menunjukkan kemampuan perusahaan untuk menghasilkan
modal kerja bersih dari keseluruhan total aktiva yang dimilikinya.
Working Capital to Total Assets = ������� ������ −������� �����������
• Retained Earnings to Total Assets (X2)
Rasio ini menunjukkan kemampuan perusahaan untuk menghasilkan
laba ditahan dari total aktiva perusahaan.
• Earning Before Interest and Tax to Total Assets (X3)
Rasio ini menunjukkan kemampuan perusahaan untuk menghasilkan
laba dari aktiva perusahaan, sebelum pembayaran bunga dan pajak.
• Market Value of Equity to Book Value of debt (X4)
Rasio ini menunjukkan kemampuan perusahaan untuk memenuhi
kewajiban-kewajiban dari nilai pasar modal sendiri. Nilai pasar modal
dibagi dengan nilai buku hutang.
Retained Earnings to Total Assets = �������� �������
����� ������
Earning Before Interest and Tax to Total Assets = ����
����� ������
Market Value Equity to Book Value of Total Debt = ������ ����� ������
• Sales to Total Asset (X5)
Rasio ini mengukur kemampuan perusahaan dalam menggunakan
aktiva untuk menghasilkan penjualan.
Secara ringkas defenisi operasional variabel dan pengukuran variabel
disajikan pada tabel 3.1.
Tabel 3.1
Defenisi Operasional dan Skala Pengukuran Variabel
No Variabel Penelitian Defenisi Operasional Skala Pengukuran
1 Financial Distress Perusahaan dikatakan mengalami financial distress
apabila memperoleh nilai
Z-Score < 2,99, sedangkan
perusahaan dikatakan
nonfinancial distress apabila
memperoleh nilai Z-Score > 2,99
Nominal
2 Working Capital to Total Assets
Perbandingan antara modal kerja (aktiva lancar dikurangi kewajiban lancar) dengan total aktiva.
Rasio
3 Retained Earnings to Total Assets
Perbandingan antara laba ditahan dengan total aktiva
Rasio
4 Earning Before Interest and Tax to Total Assets
Perbandingan laba sebelum pajak dan bunga dengan total aktiva
Rasio
5 Market Value Equity to Book Value of debt
Perbandingan nilai pasar modal dengan nilai buku hutang
Rasio
6 Sales to Total Assets Perbandingan antara penjualan dengan total aktiva
Rasio
Sumber : Penulis, 2015
Sales to Total Assets = �����
3.4 Jenis dan Sumber Data
Sumber data dalam penulisan skripsi ini adalah dari berbagai sumber
buku, jurnal dan penelitian terdahulu yang mendukung penelitian. Sedangkan
untuk sumber data yang akan diolah dalam penelitian ini menggunakan data
sekunder, yaitu data laporan keuangan auditan perusahaan tahun 2011 sampai
2013 yang telah dipublikasikan di website Bursa Efek Indonesia
Data laporan keuangan tahun 2012 sampai 2013 digunakan sebagai
pedoman penentuan apakah suatu perusahaan mengalami financial distress atau
tidak. Sedangkan data laporan keuangan tahun 2011 merupakan data yang akan
diolah untuk perhitungan rasio keuangan sebagai prediktor dalam satu tahun
sebelum terjadinya kondisi financial distress. Hal ini dilakukan karena kondisi
financial distress seharusnya dianalisis sebelum peristiwa financial distress itu
terjadi. Rasio-rasio keuangan tersebut dihitung menggunakan perangkat lunak
Microsoft Excell kemudian di analisis dengan perangkat lunak SPSS.
3.5 Populasi dan Sampel Penelitian
Populasi adalah wilayah generalisasi yang terdiri atas obyek atau subyek
yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti
untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2008:115).
Populasi dalam penelitian ini adalah perusahaan manufaktur sektor industri barang
konsumsi yang terdaftar di Bursa Efek Indonesia yang berjumlah sekitar 37
oleh populasi. Pemilihan sampel pada penelitian ini dilakukan dengan teknik
purposive sampling yaitu metode berdasarkan pertimbangan dan kriteria
tertentu (Sugiyono, 2008:116). Teknik ini ditujukan untuk mendapatkan
sampel yang representatif sesuai dengan kriteria yang ditentukan. Kriteria
yang digunakan untuk pemilihan sampel pada penelitian ini adalah :
1. Terdaftar sebagai perusahaan manufaktur sektor industri barang konsumsi di
Bursa Efek Indonesia selama periode pengamatan tahun 2011 sampai 2013
secara berturut-turut.
2. Perusahaan yang mengalami financial distress dengan indikasi memiliki nilai
Z-Score < 2,99 selama 2 tahun berturut-turut.
3. Perusahaan yang nonfinancial distress dengan indikasi memiliki nilai Z-Score
> 2,99 selama 2 tahun berturut-turut. Dipilih berpasangan berdasarkan dari
industri yang sejenis, laporan keuangan pada tahun yang sama dan besar asset
yang mendekati dengan asset yang digunakan untuk perusahaan dalam
kategori financial distress.
Berdasarkan metode purposive sampling yang digunakan maka penelitian
ini menggunakan sampel sebanyak 16 perusahaan. Perusahaan yang dikatakan
mengalami financial distress sebanyak 8 perusahaan yang dikategorikan “0” dan
perusahaan yang nonfinancial distress sebanyak 8 perusahaan yang dikategorikan
Perusahaan yang mengalami financial distress berdasarkan kriteria diatas dapat
dilihat pada tabel 3.2.
Tabel 3.2
Perusahaan yang Termasuk dalam Kondisi Financial Distress
No Kode Nama Perusahaan
1 DVLA PT. Darya-Varia Laboratoria, Tbk 2 ICBP PT. Indofood CBP Sukses Makmur,Tbk 3 INAF PT. Indofarma (Persero),Tbk
4 LMPI PT. Langgeng Makmur Industri, Tbk
5 PYFA PT. Pyridam Farma, Tbk
6 RMBA PT. Bentoel Internasional Investama, Tbk
7 SCPI PT. Merck Sharp Dohme Pharma,Tbk
8 STTP PT. Siantar TOP,Tbk
Sumber : Data Hasil Olahan Excel, Lampiran 3
Perusahaan yang nonfinancial distress berdasarkan kriteria diatas dapat dilihat
pada tabel 3.3.
Tabel 3.3
Perusahaan yang Termasuk dalam Kondisi Nonfinancial Distress
No Kode Nama Perusahaan
1 HMSP PT. Hanjaya Mandala Sampoerna, Tbk 2 INDF PT. Indofood Sukses Makmur,Tbk
3 KAEF PT. Kimia Farma, Tbk
4 KICI PT. Kedaung Indah Can,Tbk
5 KLBF PT. Kalbe Farma, Tbk
6 MERK PT. Merck, Tbk
7 MYOR PT. Mayora Indah,Tbk
8 SQBB PT. Taisho Pharmaceutical Indonesia, Tbk
3.6 Metode Analisis Data
Metode analisis data digunakan untuk menganalisis data hasil penelitian
agar dapat diinterprestasikan sehingga laporan yang dihasilkan dapat dipahami.
Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis
diskriminan dengan bantuan SPSS (Statistical Product and Service Solution).
Analisis diskriminan merupakan bentuk regresi dengan variabel terikat berbentuk
non-metrik atau kategori. Analisis diskriminan mempunyai asumsi bahwa data
berdistribusi normal dan matrik kovarian kedua kelompok adalah sama (Ghozali,
2006:301). Adapun tahapan analisis yang digunakan adalah sebagai berikut :
a. Statistik Deskriptif
Data yang dikumpulkan dan yang akan diolah dalam penelitian ini
dianalisis dengan alat statistik yaitu statistik deskriptif. Pengujian statistik
deskriptif menggunakan SPSS untuk memudahkan perolehan data sehingga dapat
menjelaskan variabel-variabel yang digunakan. Pengujian statistik deskriptif pada
dasarnya memaparkan secara numerik ukuran pemusatan data, mengukur
penyebaran suatu data, dan mengukur distribusi suatu data. Penelitian dengan
menggunakan statistik deskriptif yang terdiri dari rata-rata, nilai maksimum,
minimum, dan standart deviasi (Trihendradi, 2012:75). Dalam penelitian ini
angka-angka tersebut adalah rasio-rasio keuangan dan kondisi perusahaan yang
dikategorikan dalam dua kelompok, yaitu kodisi financial distress (0) dan
perusahaan yang nonfinancial distress (1) selama 1 tahun sebelum terjadinya
b. Uji Asumsi Diskriminan 1. Uji Normalitas
Hasil analisis diskriminan sangat sensitif jika terjadi
penyimpangan atas asumsi yang digunakan. Asumsi kenormalan data
penting untuk menguji signifikansi variabel bebas dan fungsi diskriminan
(Ghozali, 2006:301). Uji normalitas dilakukan untuk mengetahui apakah
dalam sebuah model variabel bebasnya mempunyai distribusi normal atau
mendekati distribusi normal. Uji ini dilakukan dengan menggunakan
one-sample kolmogorov-smirnov test. Pengambilan keputusan dilakukan
dengan melihat nilai asymp. Sig (2-tailed) > 0,05.
Ketentuan :
a. Asymp. Sig (2 tailed) > 0,05, maka data berdistribusi normal
b. Asymp. Sig (2 tailed) < 0,05, maka data tidak berdistribusi normal
2. Independent Samples T-Test
Uji beda t-test digunakan untuk menentukan apakah dua sampel
yang berhubungan memiliki rata-rata yang berbeda. Uji beda t-test
dilakukan dengan standart error dari perbedaan rata-rata dua sampel
dalam menilai rata-rata terdistribusi normal (Ghozali, 2005:56).
Dimana :
μ1 = Rata-rata sampel pertama
μ2 = Rata-rata sampel kedua
S.E = Standart Error perbedaan rata-rata kedua sampel
Dari hasil pengujian ini dapat diketahui terdapat tidaknya
perbedaan rasio kondisi antara perusahaan yang mengalami financial
distress dengan perusahaan yang tidak mengalami financial distress.
Pengambilan keputusan dilakukan dengan melihat nilai asymp. Sig
(2-tailed) > 0,05.
Ketentuan :
a. Nilai asymp. Sig (2-tailed) > 0,05, maka tidak terdapat perbedaan
rasio keuangan antara kondisi distress dan nondistress.
b. Nilai asymp. Sig (2-tailed) < 0,05, maka terdapat perbedaan rasio
keuangan antara kondisi distress dan nondistress.
3. Uji Homogenitas
Dalam analisis diskriminan, varians dan kovarians matriks dari
variabel adalah homogen antar kelompok. Untuk menguji homogenitas
digunakan uji Multivariat Box M Test of Homogeneity of
Variance/Covariance dengan ketentuan :
a. Signifikansi > 0,05 maka H0 diterima
Hipotesis :
H0 = Matrik kovarians antar grup adalah sama H1 = Matrik kovarians antar grup adalah berbeda
c. Pengujian Hipotesis
Pengujian hipotesis diuji melalui analisis diskriminan. Analisis
diskriminan meliputi pembentukan kombinasi linier dari dua atau lebih
variabel independen yang mampu dengan baik dalam membedakan antara dua
kelompok tertentu yang telah ditetapkan (Simamora, 2005:144).
Model analisis diskriminan adalah sebagai berikut :
Z = a + b1X1 +b2X2 + b3X3 +b4X4 + b5X5
Keterangan :
Z : Skor Diskriminan
b : Koefisien Diskriminan
X : Variabel Independen
Adapun langkah-langkah yang digunakan dalam melakukan analisis ini
adalah sebagai berikut :
1. Test of Equality of Group Means
Test of equality of group means digunakan untuk mengetahui
pengaruh variabel terhadap perbedaan kategori perusahaan. Dalam hal ini
digunakan dua statistik uji, yaitu Wilk’s Lambda dan F test. Nilai Wilk’s
membedakan kelompok. Sebaliknya, nilai Wilk’s Lambda semakin
mendekati 1 maka menunjukkan arti bahwa variabel tidak signifikan
dalam membedakan kelompok. Untuk uji F dapat digunakan nilai p-value
pada kolom signifikannya dimana :
a. Sig. > 0,05, berarti tidak ada perbedaan antara kelompok
b. Sig. < 0,05, berarti ada perbedaan antara kelompok
2. Uji Wilk’s Lambda
Uji wilk’s lambda digunakan untuk melihat tingkat signifikansi
untuk kedua kelompok. Hasilnya dapat dilihat dari nilai wilk’s lambda atau
Chi-square yang signifikan pada tingkat signifikansi 0,05.
Ketentuan :
a. Signifikansi > 0,05 maka perbedaan kelompok dianggap tidak
signifikan
b. Signifikansi ≤ 0,05 maka perbedaan kelompok dianggap signifikan
3. Eigenvalues
Eigenvalues memuat informasi mengenai nilai square canonical
correlation (CR2) yang dapat digunakan untuk mengukur kemampuan
4. Uji Variabel Dominan
Variabel dominan dalam memprediksi financial distress di lihat
dari nilai standardized canonical discriminant function. Koefisien yang
sudah distandardisasi digunakan untuk menilai pentingnya variabel
diskriminator secara relatif dalam membentuk fungsi diskriminan. Makin
tinggi koefisien yang telah distandardisasi, maka makin penting variabel
tersebut terhadap variabel lainnya dan sebaliknya.
5. Menentukan Model Diskriminan
Persamaan model diskriminan digunakan untuk menghasilkan
discriminan score yang berfungsi untuk memprediksi pengklasifikasian
suatu objek (kelompok distress atau nondistress). Model diskriminan dapat
di lihat dari nilai canonical discriminant fuction coefficient.
6. Ketepatan Prediksi Analisis Diskriminan
Persentase ketepatan prediksi analisis diskriminan digunakan
untuk menganalisis kemampuan model diskriminan dalam memprediksi
perusahaan yang berada dalam kondisi financial distress dan nonfinancial
distress. Penggolongan perusahaan kondisi financial distress dan
nonfinancial distress diprediksi dengan menggunakan nilai titik cut off.
Nilai titik cut off dapat dihitung dengan menggunakan rumus :
Keterangan :
Za dan Zb : Angka centroid untuk kelompok 1 dan kelompok 2
Keputusan :
a. Z-Score ≥ cut off, maka dimasukkan pada kelompok nonfinancial
distress.
b. Z-Score < cut off, maka dimasukkan pada kelompok financial
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Statistik Deskriptif
Populasi yang digunakan sebagai sampel penelitian ini adalah
perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di BEI.
Data penelitian diperoleh dari data sekunder yaitu laporan keuangan
perusahaan yang diperoleh dari website Bursa Efek Indonesia. Mengingat
karakteristik populasi yang ada dan tujuan penelitian, maka peneliti
menggunakan teknik purposive sampling, yaitu metode berdasarkan
pertimbangan dan kriteria tertentu. Teknik ini ditujukan untuk mendapatkan
sampel yang representatif sesuai dengan kriteria yang ditentukan. Dengan
metode purposive sampling yang dilakukan maka sampel yang digunakan dalam
penelitian ini berjumlah 16 perusahaan. Dimana perusahaan yang berada dalam
kondisi financial distress berjumlah 8 perusahaan dan perusahaan yang berada
dalam kondisi nonfinancial distress berjumlah 8 perusahaan. Metode analisis yang
digunakan dalam penelitian ini adalah metode analisis statistik dengan
menggunakan analisis diskriminan.
Analisis data dimulai dengan mengolah data menggunakan perangkat
lunak Microsoft Excel. Kemudian, data-data tersebut diolah menggunakan
perangkat lunak SPSS untuk memperoleh deskripsi data penelitian dan menguji
hipotesis yang telah ditetapkan pada bab sebelumnya. Pengujian statistik
deskriptif pada dasarnya memaparkan secara numerik ukuran pemusatan data,
uji statistik deskriptif ini adalah untuk melihat kualitas data penelitian yang
ditunjukkan dengan angka atau nilai yang terdapat pada mean atau standart
deviasinya. Dapat dikatakan apabila mean lebih besar dari pada standart deviasi
atau penyimpangan maka kualitas data adalah lebih baik. Nilai statistik deskriptif
dari masing-masing variabel penelitian ini dapat dilihat pada tabel 4.1.
Tabel 4.1
Hasil Uji Statistik Deskriptif
Minimum Maximum Mean Std.
Deviasi Working Capital to Total
Assets (X1)
-0,14 0,90 0,3669 0,27366
Retained Earning to Total Assets (X2)
0,01 0,78 0,3813 0,22021
Earning Before Interest And Tax to Total Assets (X3)
-0,02 0,56 0,1675 0,17816
Market Value Equity to Book Value Of Debt (X4)
0.01 0,94 0,4225 0,30449
Sales to Total Assets (X5) 0,07 2,73 1,2088 0,61231
Sumber : Data Hasil Olahan SPSS, Lampiran 5
Berdasarkan tabel diatas, dapat dilihat bahwa variabel working capital to
total assets (X1) memiliki nilai rata-rata 0,3669 lebih besar dari nilai standart
deviasi yaitu sebesar 0,27366 yang artinya bahwa penyimpangan datanya kecil
sehingga data tidak tersebar. Nilai minimum dari variabel working capital to total
assets sebesar -0,14 yang terdapat pada PT. Darya Varia Laboratoria. Tbk. Dan
nilai maksimum sebesar 0,90 pada PT. Indofood Sukses Makmur. Tbk.
Variabel retained earning to total assets (X2) memiliki rata-rata 0,3813
lebih besar dari nilai standart deviasi yaitu sebesar 0,22021 yang artinya bahwa
penyimpangan datanya kecil sehingga data tidak tersebar. Nilai minimum dari
Darya Varia Laboratoria. Tbk. Dan nilai maksimum 0,78 pada PT. Merck
Indonesia. TBk.
Variabel earning before interest and tax to total assets (X3) memiliki nilai
rata-rata 0,1675 lebih kecil dari nilai standart deviasi sebesar 0,17816 yang
artinya bahwa penyimpangan datanya besar sehingga data tersebar. Nilai
minimum variabel earning before interest and tax to total assets sebesar -0,02
yang terdapat pada PT. Merck Sharp Dohme Pharma. Tbk. Dan nilai maksimum
0,56 pada PT. Handjaya Mandala Sampoerna. Tbk.
Variabel market value equity to book value of debt (X4) memiliki nilai
rata-rata 0,4225 lebih besar dari nilai standart deviasi yaitu sebesar 0,30449 yang
artinya bahwa penyimpangan datanya kecil sehingga data tidak tersebar. Nilai
minimum variabel market value equity to book value of debt sebesar 0,01 yang
terdapat pada PT. Merck Sharp Dohme Pharma. Tbk. Dan nilai maksimum
sebesar 0,94 pada PT. Indofarma (Persero) Tbk.
Variabel sales to total assets (X5) memiliki nilai rata-rata 1,2088 lebih
besar dari nilai standart deviasi sebesar 0,61231 yang artinya bahwa
penyimpangan datanya kecil sehingga data tidak tersebar. Nilai minimum variabel
sales to total assets sebesar 0,07 yang terdapat pada PT. Darya Varia laboratoria.
Tbk. Dan nilai maksimum sebesar 2,73 pada PT. Handjaya Mandala Sampoerna.
4.2 Uji Asumsi Diskriminan
Sebelum melakukan uji diskriminan terlebih dahulu dilakukan uji asumsi
diskriminan, antara lain :
1. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah dalam sebuah model
variabel bebasnya mempunyai distribusi normal atau mendekati distribusi
normal. Uji ini dilakukan dengan menggunakan one-sample
kolmogorov-smirnov test. Pengambilan keputusan dilakukan dengan melihat nilai asymp.
Sig (2-tailed) > 0,05.
Ketentuan :
a. Asymp. Sig (2 tailed) > 0,05, maka data berdistribusi normal.
b. Asymp. Sig (2 tailed) < 0,05, maka data tidak berdistribusi normal.
Hasil uji normalitas dapat dilihat pada tabel 4.2 One-Sample
Kolmogorov-Smirnov Test.
Working Capital to Total Assets (X1) 0,365 0,999
Retained Earning to Total Assets (X2) 0,716 0,685 Earning Before Interest And Tax to
Total Assets (X3)
0,735 0,652
Market Value Equity to Book Value Of Debt (X4)
0,696 0,718
Sales to Total Assets (X5) 0,644 0,801
Dari tabel di atas dapat dilihat bahwa variabel working capital to
total assets (X1) memiliki nilai signifikansi 0,999 > 0,05, yang berarti
bahwa variabel berdistribusi normal. Variabel retained earning to total
assets (X2) memiliki nilai signifikansi 0,685 > 0,05, yang berarti bahwa
variabel berdistribusi normal. Variabel earning before interest and tax to
total assets (X3) memiliki nilai signifikansi 0,652 > 0,05 yang berarti
bahwa variabel berdistribusi normal. Variabel market value equity to book
value of debt (X4) memiliki nilai signifikansi 0,718 > 0,05, yang berarti
bahwa variabel berdistribusi normal. Dan variabel sales to total assets (X5)
memiliki nilai signifikansi 0,801 > 0,05, yang berarti bahwa variabel
berdistribusi normal.
2. Independent Sample T-test
Uji beda T-test digunakan untuk menentukan apakah dua sampel yang
berhubungan memiliki rata-rata yang berbeda. Dari hasil pengujian ini
dapat diketahui terdapat tidaknya perbedaan rasio kondisi antara
perusahaan yang mengalami financial distress dengan perusahaan yang
tidak mengalami financial distress. Pengambilan keputusan dilakukan
Ketentuan :
a. Nilai asymp. Sig (2-tailed) > 0,05, maka tidak terdapat perbedaan rasio
keuangan antara kondisi distress dan nondistress.
b. Nilai asymp. Sig (2-tailed) < 0,05, maka terdapat perbedaan rasio
keuangan antara kondisi distress dan nondistress.
Hasil pengujian beda rata-rata rasio keuangan perusahaan yang mengalami
financial distress dan yang tidak mengalami financial distress dapat dilihat
pada tabel 4.3
Tabel 4.3
Hasil Uji Independent Sample T-test
No Variabel Bebas Rata-rata Sig. (2-tailed)
FD NFD
1 Working Capital to Total Assets (X1)
0,18 0,56 0,002
2 Retained Earning to Total Assets (X2)
0,31 0,45 0,232
3 Earning Before Interest And Tax to Total Assets (X3)
Sumber : Data Hasil Olahan SPSS, Lampiran 7
Dari tabel di atas dapat dilihat bahwa nilai tingkat signifikansi (sig
2-tailed) rasio-rasio keuangan working capital to total assets (X1) sebesar
0,002, earning before interest and tax to total assets (X3) sebesar 0,032,
market value equity to book value of debt (X4) sebesar 0,011 dan sales to
total assets (X5) sebesar 0,034. Hal ini berarti bahwa terdapat perbedaan
Sedangkan, rasio retained earning to total assets (X2) sebesar 0,232. Hal
ini berarti bahwa tidak terdapat perbedaan rasio ini antara perusahaan yang
mengalami financial distress dan nonfinancial distress.
3. Uji Homogenitas
Pada analisis ini rasio yang diuji adalah rasio yang berbeda secara
signifikan antara perusahaan yang mengalami financial distress dan
nonfinancial distress. Sehingga rasio retained earning to total assets (X2)
tidak dimasukkan dalam uji ini karena rasio ini tidak berbeda secara
signifikan antara perusahaan yang mengalami financial distress dan
nonfinancial distress. Untuk menguji homogenitas digunakan uji
Multivariat Box M Test of Homogeneity of Variance/Covariance dengan
ketentuan :
a. Signifikansi > 0,05 maka H0 diterima
b. Signifikansi <0,05 maka H0 ditolak
Hipotesis :
H0 = Matrik kovarians antar grup adalah sama H1 = Matrik kovarians antar grup adalah berbeda
Untuk melihat apakah varian dan kovarian matrik antara perusahaan
kondisi financial distress dan perusahaan kondisi nonfinancial distress
Tabel 4.4
Hasil Uji Homogenitas
Sumber : Hasil Olahan SPSS, Lampiran 8
Dari tabel di atas menunjukkan bahwa nilai signifikansi sebesar
0,445 yang berarti lebih besar dari 0,05, sehingga varian dan kovarian dari
matrik adalah sama atau homogen. Hal ini memberi arti bahwa asumsi
diskriminan terpenuhi.
4.3 Pengujian Hipotesis
Pengujian hipotesis diuji melalui analisis diskriminan,dengan tahapan sebagai
berikut:
a. Test of Equality of Group Means
Test of equality of group means digunakan untuk mengetahui pengaruh
variabel terhadap perbedaan kategori perusahaan. Pedoman yang
digunakan dalam pengambilan keputusan dapat dilihat dari nilai Wilk’s
Lambda dan F test. Nilai Wilk’s Lambda mendekati nol menunjukkan arti
semakin signifikan variabel membedakan kelompok dan untuk uji F
digunakan nilai p-value pada kolom signifikannya yaitu apabila sig < 0,05,
berarti ada perbedaan antara kelompok. Hasil dari Test of equality of
group means dapat dilihat pada tabel 4.5.
Box’s M 14,607
F Approx. 0,996
df1 10
df2 937,052
Tabel 4.5
Test Of Equality Of Group Means No Variabel Independen Wilk’s
Lambda
F Sig.
1 Working Capital to Total Assets (X1)
0,476 15,435 0,002
2 Earning Before Interest And Tax to Total Assets (X3)
0,712 5,650 0,032
3 Market Value Equity to Book Value Of Debt (X4)
0,617 8,697 0,011
4 Sales to Total Assets (X5) 0,718 5,507 0,034
Sumber : Data Hasil Olahan SPSS, Lampiran 9
Dari tabel Test Of Equality Of Group Means diatas dapat dilihat
bahwa variabel working capital to total assets (X1) memiliki nilai wilk’s
lambda sebesar 0,476 dengan nilai signifikansi 0,002, variabel earning
before interest and tax to total assets (X3) memiliki nilai wilk’s lambda
sebesar 0,712 dengan nilai signifikansi 0,032, variabel market value equity
to book value of debt (X4) memiliki nilai wilk’s lambda sebesar 0,617
dengan nilai signifikansi 0,011, variabel sales to total assets (X5) memiliki
nilai wilk’s lambda sebesar 0,718 dengan nilai signifikansi 0,034. Hal ini
berarti keempat variabel berpengaruh signifikan dalam membedakan
perusahaan kondisi financial distress dan nonfinancial distress.
b. Uji Wilk’s Lambda
Uji wilk’s lambda digunakan untuk melihat tingkat signifikansi untuk
kedua kelompok. Hasilnya dapat dilihat dari nilai wilk’s lambda atau
Chi-square yang signifikan pada tingkat signifikansi 0,05. Signifikansi ≤ 0,05
Hasil uji wilk’s lambda dapat dilihat pada tabel 4.6.
Tabel 4.6
Hasil Uji Wilk’s Lambda
Test of Function (s)
Wilk’s Lambda Chi-Square Sig.
1 0,310 14,055 0,007
Sumber : Data Hasil Olahan SPSS, Lampiran 9
Berdasarkan tabel di atas, nilai wilk’s lambda adalah sebesar 0,310
atau sama dengan nilai chi-square 14,005 yang signifikan pada 0,007. Maka
dapat disimpulkan bahwa kedua kelompok berbeda secara signifikan karena
memiliki nilai signifikansi lebih kecil dari 0,05.
c. Eigenvalues
Eigenvalues memuat informasi mengenai nilai square canonical correlation
(CR2) yang dapat digunakan untuk mengukur kemampuan fungsi
diskriminan dalam menjelaskan variabel dependen.
Tabel 4.7 Eigenvalues
Function Eigenvalues Canonical Correlation
1 2,226a 0,831
Sumber : Data Hasil Olahan SPSS, Lampiran 9
Berdasarkan tabel Eigenvalues di atas menunjukkan bahwa besarnya
nilai canonical correlation adalah 0,831, bila dikuadratkan menjadi 0,690
atau 0,70 artinya 70% variasi antara perusahaan distress dan nondistress
dapat dijelaskan oleh variabel working capital to total assets (X1),
to book value of debt (X4), dan sales to total assets (X5).
d. Uji Variabel Dominan
Variabel dominan dalam memprediksi financial distress di lihat dari nilai
standardized canonical discriminant function. Makin tinggi koefisien yang
telah distandardisasi, maka makin penting variabel tersebut terhadap
variabel lainnya dan sebaliknya. Variabel yang paling dominan dalam
memprediksi financial distress dapat dilihat pada tabel 4.8.
Tabel 4.8
Standardized Canonical Discriminan Function Coefficient
No Variabel Independen Function
1
1 Working Capital to Total Assets (X1) 0,717
2 Earning Before Interest and Tax to Total Assets (X3) 0,272 3 Market Value Equity to Book Value of Debt (X4) 0,355
4 Sales to Total Assets (X5) 0,457
Sumber : Data Hasil Olahan SPSS, Lampiran 9
Berdasarkan tabel 4.8 menunjukkan bahwa variabel working
capital to total assets (X1) merupakan variabel yang paling dominan dalam
memprediksi kondisi financial distress karena memiliki nilai koefisien
terbesar yaitu 0,717. Sedangkan, variabel earning before interest and tax
to total assets (X3) memiliki koefisien sebesar 0,272, variabel market value
equity to book value of debt (X4) memiliki nilai koefisien sebesar 0,355,
dan variabel sales to total assets (X5) memiliki nilai koefisien sebesar
e. Menentukan Model Diskriminan
Persamaan model diskriminan digunakan untuk menghasilkan
discriminant score yang berfungsi untuk memprediksi pengklasifikasian
antara perusahaan yang financial distress dan nonfinancial distress. Model
diskriminan dapat di lihat dari nilai canonical discriminant fuction
coefficient.
Tabel 4.9
Canonical Discriminant Fuction Coefficient
No Variabel Independen Function
1
1 Working Capital to Total Assets (X1) 3,673
2 Earning Before Interest and Tax to Total Assets (X3) 1,747 3 Market Value Equity to Book Value of Debt (X4) 1,432
4 Sales to Total Assets (X5) 0,851
(Constant) -3,273
Sumber : Data Hasil Olahan SPPS, Lampiran 9
Dari hasil Canonical Discriminant Fuction Coefficient, persamaan
fungsi diskriminan yang terbentuk dari analisis diskriminan adalah sebagai
berikut :
Z = -3,273 + 3,673 X1 + 1,747 X3 + 1,432X4 + 0,851X5
Persamaan fungsi diskriminan yang dihasilkan diatas dapat
digunakan untuk memprediksi pengklasifikasian antara perusahaan kondisi
sektor industri barang konsumsi yang terdaftar di Bursa Efek Indonesia.
Dimana koefisien untuk variabel working capital to total assets (X1)
sebesar 3,673, koefisien untuk variabel earning before interest and tax to
total assets (X3) sebesar 1,747, koefisien untuk variabel market value
equity to book value of debt (X4) sebesar 1,432, dan koefisien untuk
variabel sales to total assets (X5) sebesar 0,851.
f. Ketepatan Prediksi Analisis Diskriminan
Untuk menentukan cut off pengelompokan perusahaan kondisi financial
distress dan nonfinancial distress dapat dilihat pada tabel Function at
Group Centroids berikut ini :
Tabel 4.10
Function at Group Centroids
Financial Distress Function 1
Financial Distress -1,396
Nonfinancial Distress 1.396
Sumber : Data Hasil Olahan SPSS, Lampiran 9
Berdasarkan tabel 4.10 dapat dilihat bahwa nilai centroid yang
diperoleh dari analisis diskriminan adalah kondisi financial distress
sebesar -1,396 dan kondisi nonfinancial distress sebesar 1,396 maka
perhitungan titik cut off fungsi diskriminan adalah sebagai berikut :
Nilai cut off =
−1,396+1,396
Dari hasil perhitungan diperoleh nilai cut off sebesar 0. Sehingga
apabila nilai Z-Score < 0 perusahaan diklasifikasikan sebagai perusahaan
dalam kondisi financial distress dan apabila nilai Z-Score > 0 maka
perusahaan diklasifikasikan dalam kondisi nonfinancial distress.
Untuk melihat suatu ketepatan model prediksi yang digunakan
dalam penelitian ini dapat ditunjukkan pada tabel 4.11 berupa predicted
values dari suatu keadaan perusahaan dan baris merupakan data aktual
yang dapat dilihat pada tabel 4.11.
Tabel 4.11
Hasil Ketepatan Perediksi Analisis Diskriminan
Financial Distress Predicted Group
Membership
Nonfinancial Distress 12,5 87,5 100,0
87,5% of original grouped cases correctly classified Sumber : Data Hasil Olahan SPSS, Lampiran 9
Berdasarkan tabel 4.11 di atas, dari 8 perusahaan yang mengalami
financial distress yang diteliti, sebanyak 7 perusahaan yang mengalami
financial distress dan sisanya 1 perusahaan yang tidak mengalami
financial distress. Dengan demikian ketepatan model memprediksi kondisi
Sedangkan dari 8 perusahaan dalam kondisi nonfinancial distress, sebanyak 7
perusahaan dalam kondisi nonfinancial distress dan sisanya 1 perusahaan dalam
kondisi financial distress. Dengan demikian ketepatan model memprediksi
kondisi perusahaan dalam kondisi nonfinancial distress adalah sebesar 12,5%.
Secara keseluruhan, fungsi diskriminan mampu mengelompokkan kasus dengan
benar sebesar 87,5%.
4.4 Pembahasan
Berdasarkan hasil pengujian yang telah dilakukan di atas, menunjukkan
bahwa variabel working capital to total assets (X1) berpengaruh positif dan
signifikan dalam membedakan perusahaan financial distress dan nonfinancial
distress. Koefisien positif menunjukkan bahwa semakin besar rasio working
capital to total assets maka semakin besar pula kemungkinan perusahaan
terhindar dari financial distress. Hasil ini mendukung kesimpulan penelitian yang
telah dilakukan oleh Riesta (2012) dan Nico (2014) yang menyatakan bahwa
variabel working capital to total assets berpengaruh positif dan signifikan.
Variabel earnings before interest and taxes to total assets (X3)
berpengaruh positif dan signifikan dalam membedakan perusahaan financial
distress dan nonfinancial distress. Koefisien positif menunjukkan bahwa semakin
besar rasio earnings before interest and taxes to total assets maka semakin besar
pula kemungkinan perusahaan terhindar dari financial distress. Hasil ini
mendukung kesimpulan penelitian yang telah dilakukan oleh Riesta (2012) dan
to total assets berpengaruh positif dan signifikan.
Variabel market value equity to book value of debt (X4) berpengaruh
positif dan signifikan dalam membedakan perusahaan financial distress dan
nonfinancial distress. Koefisien positif menunjukkan bahwa semakin besar rasio
market value equity to book value of debt maka semakin besar pula kemungkinan
perusahaan terhindar dari financial distress. Hasil ini mendukung kesimpulan
penelitian yang telah dilakukan oleh Riesta (2012) dan Nico (2014) yang
menyatakan bahwa variabel market value equity to book value of debt
berpengaruh positif dan signifikan.
Variabel sales to total assets (X5) berpengaruh positif dan signifikan dalam
membedakan perusahaan financial distress dan nonfinancial distress. Koefisien
positif menunjukkan bahwa semakin besar rasio sales to total assets maka
semakin besar pula kemungkinan perusahaan terhindar dari financial distress.
Hasil ini mendukung kesimpulan penelitian yang telah dilakukan oleh Riesta
(2012) dan Nico (2014) yang menyatakan bahwa variabel sales to total assets
berpengaruh positif dan signifikan.
Berdasarkan hasil standardized canonical discriminant function variabel
dominan dalam memprediksi financial distress dalam penelitian ini adalah
variabel working capital to total assets (X1). Hal ini berarti rasio working capital
to total assets menjadi prediktor paling baik dalam memprediksi financial
distress. Hasil ini tidak mendukung penelitian sebelumnya oleh Riesta (2012)
yang menyatakan bahwa variabel sales to total assets (X5) merupakan variabel
menyatakan bahwa variabel retained earning to total assets (X2) merupakan
variabel paling dominan dalam memprediksi financial distress.
Perbedaan hasil ini disebabkan oleh perbedaan sampel penelitian. Riesta
(2012) melakukan pengujian terhadap perusahaan tekstil dan Nico (2014)
melakukan pengujian terhadap perusahaan manufaktur seluruh sektor industri.
Penelitian ini menggunakan sampel perusahaan manufaktur sektor industri barang
konsumsi. Perbedaan hasil ini menunjukkan bahwa pada perusahaan yang
digunakan pada penelitian terdahulu seperti perusahaan tekstil memiliki
persediaan yang lebih besar dari kas yang dimilikinya, hal ini disebabkan karena
industri tekstil akan memproduksi barang jika ada permintaan atau pesanan dari
konsumen. Dalam hal ini untuk membiayai operasi produksinya perusahaan
melakukan pinjaman, dan pinjaman yang dilakukan akan di bayar dari hasil
penjualan produk yang dihasilkan. Apabila semua barang yang diproduksi laku
terjual atau tidak ada barang yang rusak maka penjualan akan meningkat sehingga
pendapatan perusahaanpun akan meningkat dan perusahaan dapat membayar
pinjaman yang dilakukan. Namun sebaliknya, apabila banyak barang yang gagal
terjual maka penjualan akan menurun dan akan berimbas pada penurunan
pendapatan perusahaan yang menyebabkan perusahaan sulit untuk membayar
pinjaman. Semakin besar penjualan maka semakin kecil kemungkinan perusahaan
mengalami financial distress.
Sedangkan perusahaan dalam penelitian ini adalah perusahaan sektor
industri barang konsumsi memiliki persediaan yang lebih kecil dari kas yang
barang yang dibutuhkan masyarakat setiap hari secara terus-menerus. Dalam hal
ini perusahaan tidak memerlukan pinjaman tetapi membutuhkan modal kerja
untuk membiayai kegiatan operasi produksi setiap hari dimana modal kerja yang
telah dikeluarkan diharapkan akan kembali lagi masuk dalam perusahaan dalam
waktu yang singkat melalui hasil penjualan produksi. Modal kerja yang berasal
dari penjualan produk tersebut akan segera dikeluarkan lagi untuk membiayai
kegiatan operasi produksi selanjutnya. Modal kerja yang besar akan mendorong
perusahaan untuk meningkatkan produksinya. Dengan meningkatnya produksi
maka dapat meningkatkan penjualan yang akan meningkatkan pendapatan
perusahaan. Semakin besar modal kerja maka semakin kecil kemungkinan
perusahaan mengalami financial distress.
Dari hasil Canonical Discriminant Fuction Coefficient, persamaan fungsi
diskriminan yang terbentuk dari analisis diskriminan adalah :
Z = -3,273 + 3,673 X1 + 1,747 X3 + 1,432X4 + 0,851X5
Persamaan fungsi diskriminan yang dihasilkan mampu memprediksi
pengklasifikasian antara perusahaan kondisi financial distress dan nonfinancial
distress pada perusahaan manufaktur sektor industri barang konsumsi dengan
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Setelah melalui tahapan-tahapan penelitian, maka kesimpulan yang diperoleh
adalah sebagai berikut :
1. Rasio-rasio keuangan yang terdiri dari working capital to total assets
(X1), earning before interest and tax to total assets (X3), market value
equity to book value of debt (X4), sales to total assets (X5) berpengaruh
positif dan signifikan dalam membedakan kelompok financial distress
dan nonfinancial distress. Sedangkan rasio retained earning to total assets
(X2) tidak dimasukkan ke dalam pengujian karena rasio ini tidak berbeda
secara signifikan antara perusahaan yang mengalami financial distress
dan nonfinancial distress.
2. Variabel working capital to total assets (X1) adalah variabel independen
yang paling dominan dalam memprediksi financial distress.
5.2 Saran
Berdasarkan hasil kesimpulan diberikan saran sebagai berikut:
1. Bagi perusahaan yang belum terindikasi financial distress, hendaknya
tetap menjaga kesehatan perusahaan dan meningkatkan working capital to
total assets, earning before interest and tax to total assets, market value
2. Bagi perusahaan yang terindikasi financial distress, hendaknya segera
memperbaiki working capital to total assets, earning before interest and
tax to total assets, market value equity to book value of debt, dan sales to
total assets.
3. Bagi peneliti selanjutnya diharapkan untuk memperluas sampel penelitian
dengan mengikutkan semua sektor industri pada perusahaan manufaktur
yang terdaftar di BEI seperti sektor industri dasar dan kimia, dan sektor
BAB II
TINJAUAN PUSTAKA
2.1 Landasan Teori
2.1.1 Financial Distress (Kesulitan Keuangan)
kesulitan keuangan untuk memenuhi kewajiban-kewajibannya artinya perusahaan
berada dalam posisi yang tidak aman dari ancaman kebangkrutan atau kegagalan
pada usaha perusahaan tersebut. Financial distress menurut Altman (1968) adalah
perusahaan yang secara hukum bangkrut. Platt dan Platt (2006) mendefenisikan
financial distress merupakan suatu kondisi dimana keuangan perusahaan dalam
keadaan tidak sehat atau sedang krisis.
Menurut (Hanafi, 2003:263) financial distress dapat didefenisikan dalam
beberapa pengertian yaitu :
1. Economic Distressed (Kegagalan Ekonomi)
Kegagalan dalam ekonomi artinya bahwa perusahaan kehilangan uang
atau pendapatan perusahaan tidak mampu menutupi biayanya sendiri, ini
berarti tingkat labanya lebih kecil dari biaya modal atau nilai sekarang dari
arus kas perusahaan lebih kecil dari kewajiban. Kegagalan terjadi bila arus
kas sebenarnya dari perusahaan tersebut jauh dibawah arus kas yang
2. Financial Distressed (Kegagalan Keuangan)
Pengertian financial distressed mempunyai makna kesulitan dana baik
dalam arti dana dalam pengertian kas atau dalam pengertian modal kerja.
Sebagai asset liability management sangat berperan dalam pengaturan untuk
menjaga agar tidak terkena financial distressed.
2.1.2 Faktor-Faktor Penyebab Financial Distress
Terjadinya financial distress diawali saat arus kas perusahaan kurang dari
jumlah utang porsi utang jangka panjang yang telah jatuh tempo. Financial
distress juga dapat ditimbulkan karena pengaruh dari dalam perusahaan itu
sendiri maupun dari luar perusahaan (Murtanto, 2002:48). Faktor penyebab
financial distress dalam perusahaan lebih bersifat mikro, faktor-faktor internal
yang menyebabkan financial distress adalah kesulitan arus kas. Kesulitan arus
kas ini terjadi ketika penerimaan pendapatan perusahaan dari hasil operasi
perusahaan tidak cukup untuk menutupi beban-beban usaha yang timbul atas
aktivitas operasi perusahaan. Kesulitan arus kas juga disebabkan adanya
kesalahan manajemen ketika mengelola aliran kas perusahaan untuk pembayaran
aktivitas perusahaan yang memperburuk kondisi keuangan perusahaan.
Besarnya jumlah hutang juga merupakan faktor internal yang
menyebabkan financial distress. Kebijakan pengambilan hutang perusahaan untuk
menutupi biaya yang timbul akibat operasi perusahaan akan menimbulkan
kewajiban bagi perusahaan untuk mengembalikan hutang di masa depan. Ketika
membayar tagihan-tagihan yang terjadi maka kemungkinan yang dilakukan
kreditur adalah mengadakan penyitaan harta perusahaan untuk menutupi
kekurangan pembayaran tagihan tersebut.
Selain kesulitan arus kas dan besarnya jumlah hutang faktor lain yang
dapat menyebabkan financial distress adalah kerugian dalam kegiatan operasional
perusahaan selama beberapa tahun. Kerugian operasional perusahaan
menimbulkan arus kas negatif dalam perusahaan. Hal ini dapat terjadi karena
beban operasional lebih besar dari pendapatan yang diterima perusahaan.
Sedangkan faktor-faktor eksternal yang bisa mengakibatkan financial
distress adalah perubahan dalam keinginan pelanggan yang tidak diantisipasi oleh
perusahaan yang mengakibatkan pelanggan lari sehingga terjadi penurunan dalam
pendapatan. Untuk menjaga hal tersebut perusahaan harus selalu mengantisipasi
kebutuhan pelanggan dengan menciptakan produk yang sesuai dengan kebutuhan
pelanggan.
Kesulitan bahan baku karena supplier tidak dapat memasok lagi kebutuhan
bahan baku yang digunakan untuk produksi juga dapat mengakibatkan terjadinya
financial distress. Untuk mengantisipasi hal tersebut perusahaan harus selalu
menjalin hubungan baik dengan supplier dan tidak menggantungkan kebutuhan
bahan baku pada satu pemasok sehingga risiko kekurangan bahan baku dapat
diatasi.
Selain kedua hal tersebut faktor debitor juga harus diantisipasi untuk
menjaga agar debitor tidak melakukan kecurangan dengan mengemplang hutang.