PREDIKSI RASIO KEUANGAN TERHADAP KONDISI FINANCIAL DISTRESS PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BEI PERIODE

(1)

1

PREDIKSI RASIO KEUANGAN TERHADAP KONDISI

FINANCIAL DISTRESS

PERUSAHAAN MANUFAKTUR

YANG TERDAFTAR DI BEI PERIODE 2005-2009

Feri Dwi Ardiyanto Drs. H. Prasetiono, M.Si

Universitas Diponegoro

Abtract

This research aims to test the effect of financial ratios which are CACL, CATA, WCTA, NITA, RETA, SETA, TLTA, STA, and ITO to predict the probability of financial distress in the manufacturing companies listed in Indonesia Stock Exchange for the period of 2005-2009.

Data used in this research are secondary ones which obtained from Indonesian Capital Market Directory (ICMD). Financial data from 2005 to 2007 are processed ones used to independent variabels and data in 2008-2009 are used as guidance to determine financial distress status using a negative EPS of 2 (two) consecutive years. This study used 102 manufacturing company as samples which consist of 89 non-financial distress and 13 financial distress.

Hypothesis of this research are tested by analysis model of 1 year, 2 years and 3 years before financial distress. Result of data analysis using logistic regression method shows that the analysis model of 1 year before financial distress produces the highest prediction accuracy overall that is 94,1%. The test results with 3 analysis models also shows that the variable of CACL, WCTA and NITA significantly influence probability of financial distress with 5% level of signficancy.

Keyword : financial distress, financial ratios, earning per share, logistic regression.

(2)

2

PENDAHULUAN

1. Latar Belakang Masalah

Krisis finansial global yang terjadi pada tahun 2008 telah menimbulkan berbagai kesulitan terutama dalam perkembangan dunia usaha. Indonesia juga termasuk negara yang merasakan dampak dari krisis tersebut. Beberapa perusahaan manufaktur di Indonesia merasakan dampak dari krisis finansial global tersebut, diantaranya mengalami penurunan dalam berproduksi karena permintaan yang menurun sehingga hal tersebut juga mempengaruhi dalam penjualannya. Bahkan, penurunan penjualan ini juga membuat beberapa perusahaan mengalami net income dan EPS yang negatif, seperti yang terlihat pada tabel 1.1 berikut :

Tabel 1.1

Tren Penjualan (Million Rp), Net Income (Million Rp), dan Earning Per Share (EPS) Pada Beberapa Perusahaan Manufaktur yang terdaftar di

Bursa Efek Indonesia Periode 2005-2009

Perusahaan Ukuran Tahun

2005 2006 2007 2008 2009 PT. Aneka Kemasindo Utama Tbk Sales 25,514 22,354 23,062 8,070 2,562 Net Income 1,485 120 -38 -8,121 -5,664 EPS 6 1 0 -35 -25 PT. Siwani Makmur Tbk Sales 89,371 91,097 80,823 20,152 1,715 Net Income 2,204 1,090 4,436 -8,973 -10,004 EPS 24 12 48 -97 -108 PT. Prima Alloy Steel Tbk Sales 688,563 746,121 658,094 410,673 161,201 Net Income 4,600 -2,761 2,774 -14,813 -36,216 EPS 8 -5 5 -25 -62 PT. Eratex Djaja Tbk Sales 528,108 580,863 631,987 334,280 247,105 Net Income -16,412 -6,049 -2,512 -110,336 -25,372 EPS -167 -62 -26 -1,123 -258 PT. Davomas Abadi Tbk Sales 1,120,893 1,656,584 2,800,084 3,392,847 406,063 Net Income 90,069 196,277 208,456 -510,652 -226,749 EPS 15 16 17 -41 -18

(3)

3

Apabila hal ini dibiarkan saja, maka perusahaan bisa kesulitan dalam menjaga likuiditasnya yang dapat memicu terjadinya financial distress dan pada akhirnya terjadi kebangkrutan. Secara umum kinerja perusahaan ditunjukkan dari laporan keuangan perusahaan yang dipublikasikan. Laporan keuangan keuangan bisa dipakai untuk memprediksi kesulitan keuangan (Hanafi dan Halim, 2005). Prediksi tersebut dapat diukur dengan melakukan analisis dari laporan keuangan, yaitu menggunakan rasio-rasio keuangan. Penelitian tentang financial distress terkait dengan penggunaan rasio-rasio keuangan sudah dilakukan oleh beberapa peneliti dan hasilnya menunjukkan adanya perbedaan rasio yang berpengaruh terhadap financial distress yaitu rasio current assets to current liabilities (CACL) dari hasil penelitian Platt dan Platt (2002) menunjukkan bahwa rasio CACL berpengaruh negatif dan signifikan terhadap

financial distress, sedangkan Pranowo (2010) menemukan bahwa rasio CACL berpengaruh positif dan signifikan. Rasio current assets to total assets (CATA) dalam penelitian Almilia (2006) ditunjukkan berpengaruh positif, sebaliknya Almilia dan Kristijadi (2003) menunjukkan bahwa rasio CATA berpengaruh negatif. Pasaribu (2008) dalam penelitiannya menyimpulkan rasio working capital to total assets (WCTA) positif dan signifikan terhadap financial distress. Akan tetapi, Salehi (2009) berpendapat WCTA berpengaruh negatif dan signifikan terhadap financial distress.

Net income to total assets (NITA) menurut Almilia dan Silvy (2003) dalam penelitiannya berpengaruh positif signifikan terhadap perusahaan yang mengalami kesulitan keuangan, sedangkan menurut Almilia (2004) rasio NITA berpengaruh negatif dan signifikan terhadap kondisi financial distress suatu perusahaan. Rasio retained earnings to total assets (RETA) menurut Almilia dan Silvy (2003) berpengaruh positif signifikan, akan tetapi penelitian yang dilakukan oleh Subagyo (2007) mengatakan yang sebaliknya, yaitu rasio RETA berpengaruh negatif dan signifikan terhadap financial distress. Shareholder’s equity to total

assets (SETA) menurut Pranowo (2010) berpengaruh positif dan signifikan, berbeda dengan hasil penelitian Almilia (2004) yang menunjukkan rasio SETA berpengaruh negatif dan signifikan terhadap financial distress. Hasil penelitian Jiming dan Weiwei (2011) menunjukkan bahwa total liabilities to total assets

(TLTA) berpengaruh positif dan signifikan, sedangkan menurut Almilia (2006) rasio TLTA berpengaruh negatif dan signifikan terhadap financial distress. Rasio

(4)

4 sales to total assets (STA) berdasarkan penelitian Salehi (2009) berpengaruh positif dan signifikan terhadap terjadinya financial distress, sedangkan menurut Jiming dan Weiwei (2011) rasio STA berpengaruh negatif dan signifikan. Rasio

inventory turnover (ITO) dalam hasil penelitian Pasaribu (2008) menunjukkan berpengaruh positif dan signifikan, sedangkan hasil yang berbeda ditunjukkan oleh penelitian Jiming dan Weiwei (2011) bahwa rasio ITO berpengaruh negatif dan signifikan terhadap terjadinya financial distress.

2. Rumusan Masalah

Rumusan masalah terkait dengan penurunan penjualan sampai net income

dan EPS negatif yang berpengaruh pada probabilitas financial distress perusahaan manufaktur, dan terdapat perbedaan hasil rasio yang berpengaruh terhadap

financial distress sehingga diperlukan penelitian lebih lanjut untuk prediksi rasio keuangan terhadap kondisi financial ditress perusahaan manufaktur yang terdaftar di BEI periode 2005-2009. Berdasarkan research problem yang telah dipaparkan dapat dirumuskan pertanyaan penelitian sebagai berikut:

1. Bagaimanakah pengaruh variabel Current assets to current liabilities

(CACL) terhadap financial distress?

2. Bagaimanakah pengaruh variabel Current assets to total assets

(CATA) terhadap financial distress?

3. Bagaimanakah pengaruh variabel Working capital to total assets

(WCTA) terhadap financial distress?

4. Bagaimanakah pengaruh variabel Net Income to total assets (NITA) terhadap financial distress?

5. Bagaimanakah pengaruh variabel Retained Earnings to total assets

(RETA) terhadap financial distress?

6. Bagaimanakah pengaruh variabel Shareholder’s equity to total assets

(SETA) terhadap financial distress?

7. Bagaimanakah pengaruh variabel Total liabilities to total assets

(TLTA) terhadap financial distress?

8. Bagaimanakah pengaruh variabel Sales to total assets (STA) terhadap

(5)

5

9. Bagaimanakah pengaruh variabel Inventory turnover (ITO) terhadap

financial distress?

3. Tujuan Penelitian

Tujuan dari penelitian ini adalah menganalisis pengaruh variabel (CACL, CATA, WCTA, NITA, SETA, RETA, TLTA, STA, dan ITO) terhadap financial distress.

TELAAH PUSTAKA

1. Financial Distress dan Penelitian Terdahulu

Platt dan Platt (2002) mendefinisikan financial distress sebagai tahap penurunan kondisi keuangan perusahaan yang terjadi sebelum terjadi kebangkrutan ataupun likuidasi. Platt dan Platt (2002) juga menyoroti kurangnya definisi yang konsisten ketika perusahaan memasuki kesulitan keuangan dan mencoba untuk meringkas definisi operasional yang berbeda dari financial distress dalam satu mekanisme seleksi. Sebuah perusahaan dianggap mengalami

financial distress jika salah satu kejadian berikut ini terjadi: mengalami laba operasi bersih negatif selama beberapa tahun atau penghentian pembayaran dividen, restrukturisasi keuangan atau PHK massal. Model Prediksi financial distress sangat penting bagi beberapa pihak dan menurut Foster (1986) beberapa pihak yang berkepentingan terhadap informasi tentang prediksi financial distress

perusahaan, yaitu pemberi pinjaman, investor, pembuat peraturan, pemerintah, auditor, dan manajemen.

Dalam beberapa penelitian terdahulu terdapat berbagai ukuran untuk menentukan kondisi financial distress perusahaan, diantaranya yaitu Denis dan Denis (1990) mengidentifikasi kesulitan keuangan ketika perusahaan mengalami kerugian (laba operasi sebelum pajak atau laba bersih negatif) setidaknya selama tiga tahun berturut-turut. Whitaker (1999) mengukur financial distress dengan adanya arus kas yang lebih kecil dari utang jangka panjang saat ini. Perusahaan yang mempunyai Earning Per Share (EPS) negatif (Elloumi dan Gueyie, 2001). Almilia (2004) menggunakan perusahaan yang delisted, dan Koes Pranowo, dkk (2010) yang menggunakan DSC (Debt Service Coverage) untuk perusahaan yang

(6)

6

mengalami financial distress. Almilia dan Kristijadi (2003) dengan indikasi beberapa tahun mengalami laba bersih operasi (net operating income) negatif dan selama lebih dari satu tahun tidak melakukan pembayaran deviden. Penggunaan rasio-rasio keuangan juga telah dilakukan oleh beberapa peneliti tersebut.

2. Pengaruh Rasio Keuangan Terhadap Financial Distress

Semakin tinggi rasio keuangan yang menunjukkan semakin baik likuiditas memperlihatkan semakin baik kemampuan perusahaan dalam membayar kewajiban-kewajiban jangka pendeknya sehingga terhindar dari kemungkinan terjadinya financial distress. Diantaranya adalah rasio CACL, CATA, WCTA, NITA, RETA, SETA, STA, dan ITO, dengan demikian dapat dimungkinkan bahwa pola hubungan antara rasio-rasio tersebut dengan financial distress adalah negatif. Sedangkan untuk rasio TLTA yang semakin tinggi berarti penggunaan leverage keuangan juga semakin tinggi dan menunjukkan tingkat resiko yang semakin tinggi pula sehingga dapat memicu terjadinya financial distress. Hal ini menunjukkan pola hubungan rasio total liabilities to total assets terhadap

financial distress adalah positif.

3. Kerangka Pemikiran

Berdasarkan tujuan penelitian, landasan teori, dan perbedaan hasil penelitian sebelumnya serta permasalahan yang telah dikemukakan, maka berikut adalah kerangka pemikiran yang dituangkan dalam model penelitian pada gambar 2.1.

(7)

7 Gambar 2.1

Kerangka Pemikiran Teoritis

4. Hipotesis

Berdasarkan telaah pustaka dan uraian diatas, maka dapat dirumuskan hipotesis sebagai berikut :

1. H1: Rasio Current assets to current liabilities (CACL) berpengaruh

negatif terhadap financial distress.

2. H2: Rasio Current assets to total assets (CATA) berpengaruh negatif

terhadap financial distress.

3. H3: Rasio Working capital to total assets (WCTA) berpengaruh negatif

4. H4: Rasio Net Income to total assets (NITA) berpengaruh negatif

Variabel Independen Variabel Dependen

Financial Distress CACL TLTA RETA SETA NITA WCTA CATA STA ITO (-) (-) (-) (-) (-) (-) (-) (+) (-)

(8)

8

5. H5: Rasio Retained Earnings to total assets (RETA) berpengaruh

6. H6: Rasio Shareholder’s equity to total assets (SETA)berpengaruh

7. H7: Rasio Total liabilities to total assets (TLTA) berpengaruh positif

8. H8: Rasio Sales to total assets (STA) berpengaruh negatif terhadap financial distress.

9. H9: Inventory turnover (ITO) berpengaruh negatif terhadap financial distress.

METODE PENELITIAN

1. Variabel Penelitian

Variabel dependen yang digunakan dalam penelitian ini adalah kondisi

financial distress perusahaan yang dikelompokkan dengan ukuran, 0 untuk perusahaan non-financial distress, 1 untuk perusahaan financial distress. Perusahaan yang mengalami financial distress yaitu perusahaan yang memiliki

Earning Per Share (EPS) negatif 2 (dua) tahun berturut-turut, di mana hal tersebut menandakan kinerja keuangan yang kurang baik dan apabila hal ini tidak menjadi perhatian perusahaan maka bisa terjadi kondisi yang lebih buruk lagi yaitu kebangkrutan. Hal ini sesuai dengan penjelasan diawal bahwa kondisi financial distress terjadi sebelum kebangkrutan.

Variabel independen dalam penelitian ini berdasarkan research gap adalah

Current assets to current liabilities (CACL), Current assets to total assets

(CATA), Working capital to total assets (WCTA), Net Income to total assets

(NITA), Retained Earnings to total assets (RETA), Shareholder’s equity to total

assets (SETA), Total liabilities to total assets (TLTA), Sales to total assets

(STA), Inventory turnover (ITO).

2. Populasi dan Sampel

Populasi dalam penelitian ini adalah seluruh perusahaan manufaktur yang laporan keuangannya terdaftar di Bursa Efek Indonesia (BEI) pada periode

(9)

2005-9

2009. Sedangkan pemilihan sampel dilakukan berdasarkan metode purposive sampling, yaitu pemilihan sampel perusahaan manufaktur selama periode penelitian berdasarkan kriteria tertentu. Adapun tujuan dari metode ini untuk mendapatkan sampel yang sesuai dengan kriteria yang telah ditentukan. Kriteria penentuan sampel dari penelitian ini sebagai berikut :

1. Perusahaan manufaktur yang terdaftar di BEI dan menerbitkan laporan keuangan selama periode 2005-2009.

2. Perusahaan memiliki data laporan keuangan lengkap pada periode 2005-2009 (terutama untuk item-item laporan keuangan yang digunakan untuk menghitung rasio-rasio keuangan pada penelitian ini).

Jumlah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI) periode 2005-2009 adalah sebanyak 168 perusahaan. Selama periode penelitian, perusahaan yang memenuhi kriteria penentuan sampel berjumlah 102 perusahaan. Selanjutnya dari sampel tersebut diklasifikasikan menjadi 2 yaitu perusahaan yang mengalami financial distress sebanyak 13 perusahaan dan yang tidak mengalami financial distress sebanyak 89 perusahaan.

3. Jenis dan Sumber Data

Jenis data yang digunakan dalam penelitian ini yaitu data sekunder. Data sekunder tersebut berupa laporan keuangan dari perusahaan manufaktur yang terdaftar pada Bursa Efek Indonesia (BEI) periode 2005-2009 yang diperoleh dari ICMD (Indonesian Capital Market Directory).

4. Metode Analisis

Metode yang digunakan pada penelitian ini yaitu statistik deskriptif dan analisis regresi logistik (Uji hipotesis). Statistik deskriptif digunakan untuk menganalisis dan menyajikan data kuantitatif dengan tujuan untuk menggambarkan data tersebut. Data yang akan dianalisis adalah gambaran perusahaan yang dijadikan sampel dalam penelitian ini. Dengan statistik deskriptif ini akan diketahui nilai rata-rata (mean), distribusi frekuensi, nilai minimum dan maksimum serta deviasi standar. Data yang diteliti akan dikelompokkan ke dalam dua kategori, yaitu perusahaan non-financial distress dan untuk perusahaan

(10)

10

Pengujian hipotesis dilakukan dengan menggunakan metode analisis regresi logistik (logistic regression) karena memiliki satu variabel dependen (terikat) yang non metrik (nominal) serta memiliki variabel independen (bebas) lebih dari satu. Model yang digunakan yaitu :

Ln = β0 + β1 X1 + β2 X2 + …… + βn Xn

Keterangan:

p/ 1-p = Probabilitas perusahaan mengalami financial distress β0 = Konstanta

βn = Koefisien regresi variabel independent

Xn = Variabel Independen

Dalam proses pengujian hipotesis dengan menguji rasio per tahun sebelum

financial distress, yaitu :

1) Pengujian pada 1 (satu) tahun sebelum financial distress.

2) Pengujian pada 2 (dua) tahun sebelum financial distress.

3) Pengujian pada 3 (tiga) tahun sebelum financial distress.

HASIL DAN ANALISIS

1. Analisis Statistik Deskriptif

Data yang dianalisis adalah data variabel tahun 2005-2007. Analisis ini meliputi nilai minimum, maksimum, mean dan standar deviasi pada tahun 2005-2007 dengan menggunakan program SPSS 17.00. Hasil dari statistik deskriptif ini dapat disimpulkan bahwa nilai mean variabel CACL, CATA, WCTA, NITA, RETA, SETA, STA, dan ITO perusahaan NFD lebih besar dibandingkan perusahaan FD. Sedangkan nilai mean variabel TLTA perusahaan FD lebih besar dibandingkan perusahaan NFD. Hasil analisis statistik deskriptif dapat dilihat pada tabel 4.1 berikut:

p

(11)

11 Tabel 4.1

Statistik Deskriptif Tahun 2005-2007

Variabel FD NFD

Min. Max. Mean St. Dev. Min. Max. Mean St. Dev.

CACL 0,29 24,40 1,9067 4,03980 0,53 34,35 2,3079 2,66475 CATA 0,18 0,77 0,4746 0,16818 0,11 0,92 0,5467 0,19039 WCTA -1,34 0,41 -0,1403 0,40473 -0,32 0,86 0,2153 0,22047 NITA -0,23 0,07 -0,0279 0,06721 -0,14 0,97 0,0666 0,09190 RETA -2,07 0,38 -0,3864 0,56557 -3,51 0,72 0,0888 0,57424 SETA -1,38 0,84 0,1359 0,46857 0,00 0,95 0,4894 0,20629 TLTA 0,16 2,38 0,8603 0,46915 0,05 1,01 0,4951 0,20390 STA 0,43 3,35 1,0813 0,68740 0,22 3,24 1,2433 0,56449 ITO 2,03 16,18 5,3231 3,20569 1,28 689,22 10,0193 44,43227

Sumber : Hasil pengolahan data

2. Pengujian Hipotesis

Rasio 1 tahun sebelum financial distress

Data yang digunakan untuk menganalisis rasio 1 tahun sebelum financial distress yaitu rasio tahun 2007. Pada uji Hosmer and Lemeshow dan diperoleh angka sebesar 3,046. Probabilitas signifikansi menunjukkan angka 0,931 yang jauh lebih besar dari 0.05 maka Ho tidak dapat ditolak (diterima). Hal ini berarti model regresi layak dipakai untuk analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati seperti terlihat pada tabel 4.2 berikut :

Tabel 4.2

Hasil Uji Hosmer and Lemeshow Model Analisis 1

Sumber : Hasil pengolahan data SPSS 17.00

Langkah selanjutnya yaitu menilai keseluruhan model (overall model fit) yang dapat dilihat dari nilai -2 Log Likelihood (- 2 LL) pada tabel 4.3 berikut :

Hosmer and Lemeshow Test

Step Chi-square df Sig.

(12)

12 Tabel 4.3

Hasil Uji Overall Model Fit Model Analisis 1

Tabel 4.3 menunjukkan bahwa nilai -2 LL pada awal (Block Number = 0), dimana model hanya memasukkan konstanta sebesar 77,828, sedangkan nilai -2 LL pada saat Block Number = 1, dimana model memasukkan konstanta dan variabel bebas turun menjadi 26,866. Hal ini berarti -2 LL Block Number = 0 lebih besar dibandingkan dengan nilai -2 LL Block Number = 1 atau model regresi dikatakan layak atau lebih baik. Tabel 4.4 juga menunjukkan nilai Cox & Snell R Square sebesar 0,393 dan nilai Nagelkerke R Square sebesar 0,737 yang berarti variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 73,7%.

Iteration Historya,b,c

Iteration -2 Log likelihood

Coefficients Constant Step 0 1 80.200 -1.490 2 77.866 -1.866 3 77.829 -1.922 4 77.828 -1.924 5 77.828 -1.924

a. Constant is included in the model.

b. Initial -2 Log Likelihood: 77.828

c. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.

Model Summary

Step -2 Log likelihood

Cox & Snell R Square

Nagelkerke R Square

1 26.866a .393 .737

a. Estimation terminated at iteration number 9 because parameter estimates changed by less than .001.

(13)

13

Tabel klasifikasi model analisis 1 menunjukkan bahwa ketepatan model ini secara keseluruhan sebesar 94,1%, seperti terlihat pada tabel 4.4 berikut:

Tabel 4.4

Tabel Klasifikasi Model Analisis 1

Pengujian koefisien regresi untuk menguji seberapa jauh semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh terhadap variabel terikat. Koefisien regresi dapat ditentukan dengan menggunakan Wald statistic dan nilai probabilitas (Sig.) seperti terlihat pada tabel 4.5 berikut:

Classification Tablea Observed Predicted Status Percentage Correct 0 1 Step 1 Status 0 88 1 98.9 1 5 8 61.5 Overall Percentage 94.1

(14)

14 Tabel 4.5

Hasil Uji Koefisien Regresi Logistik Model Analisis 1

Berdasarkan tabel 4.5 diatas, hasilnya sebagai berikut :

 Variabel CACL signifikan pada tingkat 5% dan nilai Wald statisticsebesar 6,001 yang lebih besar dibandingkan Chi-Square tabel sebesar 3,841. Koefisien regresi untuk variabel CACL sebesar 0,897 dan bertanda positif, yang menunjukkan bahwa variabel CACL berpengaruh positif terhadap probabilitas financial distress suatu perusahaan.

 Variabel WCTA signifikan pada tingkat 5% dan nilai Wald statistic sebesar 3,880 yang lebih besar dibandingkan Chi-Square tabel sebesar 3,841. Koefisien regresi untuk variabel WCTA sebesar -12,353 dan bertanda negatif, yang menunjukkan bahwa variabel WCTA berpengaruh negatif terhadap probabilitas financial distress suatu perusahaan.

 Sedangkan variabel yang lain yaitu: CATA, NITA, SETA, RETA, TLTA, STA, dan ITO tidak signifikan pada tingkat 5% dan nilai Wald statistic yang lebih kecil dibandingkan Chi-Square tabel sebesar 3,841.

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

Step 1a CACL .897 .366 6.001 1 .014 2.452 CATA -.655 5.385 .015 1 .903 .520 WCTA -12.353 6.272 3.880 1 .049 .000 NITA -55.137 30.432 3.283 1 .070 .000 RETA -2.236 1.547 2.089 1 .148 .107 SETA 56.706 46.098 1.513 1 .219 4.236E24 TLTA 55.349 45.722 1.465 1 .226 1.091E24 STA -.699 1.998 .122 1 .727 .497 ITO -.053 .089 .345 1 .557 .949 Constant -56.122 46.066 1.484 1 .223 .000

(15)

15 Rasio 2 tahun sebelum financial distress

Data yang digunakan untuk menganalisis rasio 2 tahun sebelum financial distress yaitu rasio tahun 2006. Pada uji Hosmer and Lemeshow dan diperoleh angka sebesar 4,083. Probabilitas signifikansi menunjukkan angka 0,850 yang jauh lebih besar dari 0.05 maka Ho tidak dapat ditolak (diterima). Hal ini berarti model regresi layak dipakai untuk analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati, seperti terlihat pada tabel 4.6 berikut :

Tabel 4.6

Tabel 4.7

Hasil Uji Overall Model Fit Model Analisis 2 Hosmer and Lemeshow Test

1 4.083 8 .850

Coefficients Constant Step 0 1 80.200 -1.490 2 77.866 -1.866 3 77.829 -1.922 4 77.828 -1.924 5 77.828 -1.924

a. Constant is included in the model.

(16)

16

Tabel 4.8

Model Summary

Nagelkerke R Square

1 45.894a .269 .504

a. Estimation terminated at iteration number 8 because parameter estimates changed by less than .001.

Classification Tablea Observed Predicted Status Percentage Correct 0 1 Step 1 Status 0 88 1 98.9 1 6 7 53.8 Overall Percentage 93.1

(17)

17

Pengujian koefisien regresi untuk menguji seberapa jauh semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh terhadap variabel terikat. Koefisien regresi dapat ditentukan dengan menggunakan Wald statistic dan nilai probabilitas (Sig.) seperti terlihat pada tabel 4.9 berikut :

Tabel 4.9

 Variabel NITA signifikan pada tingkat 5% dan nilai Wald statisticsebesar 4,433 yang lebih besar dibandingkan Chi-Square tabel sebesar 3,841. Koefisien regresi untuk variabel NITA sebesar -23,743 dan bertanda negatif, yang menunjukkan bahwa variabel NITA berpengaruh negatif terhadap probabilitas financial distress suatu perusahaan.

 Sedangkan variabel yang lain yaitu: CACL, CATA, WCTA, SETA, RETA, TLTA, STA, dan ITO tidak signifikan pada tingkat 5% dan nilai Wald statistic yang lebih kecil dibandingkan Chi-Square tabel sebesar 3,841.

Step 1a CACL .183 .138 1.766 1 .184 1.201 CATA -2.242 3.601 .388 1 .534 .106 WCTA -3.073 3.111 .976 1 .323 .046 NITA -23.743 11.277 4.433 1 .035 .000 RETA -.219 .792 .077 1 .782 .803 SETA 41.410 34.506 1.440 1 .230 9.644E17 TLTA 42.483 34.774 1.493 1 .222 2.820E18 STA .365 1.297 .079 1 .779 1.440 ITO -.005 .017 .093 1 .760 .995 Constant -42.734 34.422 1.541 1 .214 .000

(18)

18 Rasio 3 tahun sebelum financial distress

Data yang digunakan untuk menganalisis rasio 3 tahun sebelum financial distress yaitu rasio tahun 2005. Pada uji Hosmer and Lemeshow dan diperoleh angka sebesar 4,695. Probabilitas signifikansi menunjukkan angka 0,790 yang jauh lebih besar dari 0.05 maka Ho tidak dapat ditolak (diterima). Hal ini berarti model regresi layak dipakai untuk analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan klasifikasi yang diamati, seperti terlihat pada tabel 4.10 berikut :

Tabel 4.10

Tabel 4.11

Hasil Uji Overall Model Fit Model Analisis 3 Hosmer and Lemeshow Test

1 4.695 8 .790

Coefficients Constant Step 0 1 80.200 -1.490 2 77.866 -1.866 3 77.829 -1.922 4 77.828 -1.924 5 77.828 -1.924 a. Constant is included in the model.

(19)

19

Tabel 4.12

Model Summary

Nagelkerke R Square

1 44.835a .276 .518 a. Estimation terminated at iteration number 8 because parameter estimates changed by less than .001.

Classification Tablea Observed Predicted Status Percentage Correct .00 1.00 Step 1 Status .00 88 1 98.9 1.00 6 7 53.8 Overall Percentage 93.1

(20)

20

Pengujian koefisien regresi untuk menguji seberapa jauh semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh terhadap variabel terikat. Koefisien regresi dapat ditentukan dengan menggunakan Wald statistic dan nilai probabilitas (Sig.) seperti terlihat pada tabel 4.13 berikut :

Tabel 4.13

 Variabel NITA signifikan pada tingkat 5% dan nilai Wald statisticsebesar 4,670 yang lebih besar dibandingkan Chi-Square tabel sebesar 3,841. Koefisien regresi untuk variabel NITA sebesar -20,353 dan bertanda negatif, yang menunjukkan bahwa variabel NITA berpengaruh negatif terhadap probabilitas financial distress suatu perusahaan.

 Sedangkan variabel yang lain yaitu: CACL, CATA, WCTA, SETA, RETA, TLTA, STA, dan ITO tidak signifikan pada tingkat 5% dan nilai Wald statistic yang lebih kecil dibandingkan Chi-Square tabel sebesar 3,841.

Step 1a CACL .378 .388 .950 1 .330 1.459 CATA 2.372 3.362 .498 1 .480 10.717 WCTA -3.821 3.613 1.119 1 .290 .022 NITA -20.353 9.418 4.670 1 .031 .000 RETA -.352 1.076 .107 1 .744 .703 SETA 25.116 30.983 .657 1 .418 8.089E10 TLTA 25.789 31.101 .688 1 .407 1.585E11 STA -.692 1.293 .286 1 .592 .501 ITO -.005 .029 .035 1 .851 .995 Constant -27.888 30.914 .814 1 .367 .000

(21)

21

Hasil analisis data yang diperoleh dari ketiga model analisis mengenai rasio-rasio keuangan (CACL, CATA, WCTA, NITA, RETA, SETA TLTA, STA, ITO) yang dapat mempengaruhi prediksi probabilitas financial distress pada perusahaan manufaktur dapat dilihat pada tabel 4.14 berikut :

Tabel 4.14

Hasil Analisis 3 Model Analisis

No Model

Analisis

Percent. correct

Hipotesis

diterima Koef. Sig.

Hipotesis

ditolak Koef. Sig.

1 Rasio 1 tahun sebelum financial distress (2007) 94,1 CACL 0,897 0,014 CATA -0,655 0,903 WCTA -12,353 0,049 NITA -55,137 0,070 RETA -2,236 0,148 SETA 56,706 0,219 TLTA 55,349 0,226 STA -0,699 0,727 ITO -0,053 0,557 2 Rasio 2 tahun sebelum financial distress (2006) 93,1 NITA -23,743 0,035 CACL 0,183 0,184 CATA -2,242 0,534 WCTA -3,073 0,323 RETA -0,219 0,782 SETA 41,410 0,230 TLTA 42,483 0,222 STA 0,365 0,779 ITO -0,005 0,760 3 Rasio 3 tahun sebelum financial distress (2005) 93,1 NITA -20,353 0,031 CACL 0,378 0,330 CATA 2,372 0,480 WCTA -3,821 0,290 RETA -0,352 0,744 SETA 25,116 0,418 TLTA 25,789 0,407 STA -0,692 0,592 ITO -0,005 0,851

Sumber : Hasil pengolahan data

Tabel 4.14 menunjukkan bahwa model analisis 1 yang menggunakan rasio 1 tahun sebelum financial distress merupakan model analisis dengan ketepatan prediksi sebesar 94,1% sehingga dari model tersebut dapat dinyatakan interpretasi yang dilihat pada tampilan output variable in the equation model analisis 1 (tabel 4.5) sebagai berikut :

(22)

22

Ln = -56,122 + 0,897 CACL – 0,655 CATA – 12,353 WCTA – 55,137 NITA – 2,236 RETA + 56,706 SETA+ 55,349 TLTA – 0,699 STA – 0,053 ITO

3. Pembahasan

Berdasarkan analisis data yang dilakukan, dalam pembahasan ini dijelaskan hasil masing-masing variabel untuk 3 model analisis, sebagai berikut :

1) Variabel CACL secara konsisten memiliki tanda koefisien regresi yang positif dengan nilai probabilitas (Sig) yang lebih kecil dari 0,05(α) untuk model analisis rasio 1 tahun sebelum financial distress serta lebih besar dari 0,05(α) untuk model analisis rasio 2 tahun dan 3 tahun sebelum

financial distress. Hasil temuan ini menunjukkan ketidaksesuaian tanda dengan hipotesis, berarti bahwa rasio CACL yang rendah (< 1) pada tahun sebelum terjadi financial distress tidak mengindikasikan perusahaan akan mengalami financial distress pada periode tahun status.

2) Variabel CATA secara tidak konsisten memiliki tanda koefisien regresi yang negatif dengan nilai probabilitas (Sig) yang lebih besar dari 0,05(α). Hasil temuan untuk tanda yang negatif menunjukkan kesesuaian tanda dengan hipotesis, hal ini berarti bahwa CATA yang rendah pada tahun sebelum financial distress mengindikasikan perusahaan akan mengalami

financial distress pada periode tahun status. Tanda koefisien yang positif, dikarenakan aktiva lancar terlalu besar yang tidak terdistribusi dengan baik dimana perusahaan tidak dapat mengoptimalkannya untuk diubah menjadi kas dalam jangka waktu pendek serta dapat menimbulkan opportunity cost

yang tidak sedikit, maka semakin besar rasio CATA mengindikasikan terjadinya financial distress.

3) Variabel WCTA secara konsisten memiliki tanda koefisien regresi yang negatif dengan nilai probabilitas (Sig) yang lebih kecil dari 0,05(α) untuk model analisis rasio 1 tahun sebelum financial distress serta lebih besar dari 0,05(α) untuk model analisis rasio 2 tahun dan 3 tahun sebelum

financial distress. Hasil temuan ini menunjukkan kesesuaian tanda dengan

FD

(23)

23

hipotesis, hal ini berarti bahwa WCTA yang rendah dimana porsi modal kerja semakin kecil terhadap total aktiva pada tahun sebelum financial distress mengindikasikan perusahaan akan mengalami financial distress

pada periode tahun status.

4) Variabel NITA secara konsisten memiliki tanda koefisien regresi yang negatif dengan nilai probabilitas (Sig) yang lebih besar dari 0,05(α) untuk model analisis rasio 1 tahun sebelum financial distress serta lebih kecil dari 0,05(α) untuk model analisis rasio 2 tahun dan 3 tahun sebelum

financial distress. Hasil temuan ini menunjukkan bahwa semakin rendah rasio NITA atau rasio NITA yang negatif, semakin besar probabilitas

financial distress.

5) Variabel RETA secara konsisten memiliki tanda koefisien regresi yang negatif dengan nilai probabilitas (Sig) yang lebih besar dari 0,05(α). Hasil ini menunjukkan kesesuaian tanda dengan hipotesis, artinya semakin rendah atau negatif rasio RETA pada tahun sebelum terjadi financial distress mengindikasikan perusahaan akan mengalami financial distress

pada periode tahun status.

6) Variabel SETA secara konsisten memiliki tanda koefisien regresi yang positif dengan nilai probabilitas (Sig) yang lebih besar dari 0,05(α), artinya SETA tidak berpengaruh negatif terhadap probabilitas financial distress. Hasil temuan ini menunjukkan ketidaksesuaian tanda dengan hipotesis, berarti SETA yang rendah pada tahun sebelum financial distress tidak mengindikasikan perusahaan akan mengalami financial distress.

7) Variabel TLTA secara konsisten memiliki tanda koefisien regresi yang positif dengan nilai probabilitas (Sig) yang lebih besar dari 0,05(α), artinya TLTA tidak berpengaruh positif terhadap probabilitas financial distress. Hasil temuan ini menunjukkan kesesuaian tanda dengan hipotesis bahwa TLTA berpengaruh positif terhadap probabilitas financial distress yang berarti TLTA yang tinggi pada tahun sebelum financial distress

mengindikasikan perusahaan akan mengalami financial distress pada periode tahun status.

(24)

24

8) Variabel STA secara tidak konsisten memiliki tanda koefisien regresi yang negatif dengan nilai probabilitas (Sig) yang lebih besar dari 0,05(α). Hasil temuan untuk tanda yang negatif menunjukkan kesesuaian tanda dengan hipotesis yang berarti bahwa STA yang rendah pada tahun sebelum

financial distress mengindikasikan perusahaan akan mengalami financial distress pada periode tahun status.

9) Variabel ITO secara konsisten memiliki tanda koefisien regresi yang negatif dengan nilai probabilitas (Sig) yang lebih besar dari 0,05(α). Hasil temuan ini menunjukkan kesesuaian tanda dengan hipotesis, hal ini berarti bahwa ITO yang rendah pada tahun sebelum financial distress

mengindikasikan perusahaan akan mengalami financial distress pada periode tahun status.

PENUTUP

1. Simpulan

Sesuai hasil analisis data dan pembahasan sebelumnya dapat disimpulkan sebagai berikut:

1. Hasil pengujian dengan 3 model analisis yaitu untuk model analisis 1 tahun sebelum financial distress menunjukkan bahwa rasio CACL berpengaruh positif dan signifikan, rasio WCTA berpengaruh negatif dan signifikan terhadap probabilitas financial distress perusahaan, sedangkan untuk model analisis 2 tahun dan 3 tahun sebelum financial distress menunjukkan bahwa rasio NITA berpengaruh negatif dan signifikan terhadap probabilitas financial distress perusahaan.

2. Model analisis pertama (1 tahun sebelum financial distress) memiliki ketepatan prediksi secara keseluruhan yang lebih tinggi dibandingkan dengan 2 model analisis lainnya yaitu sebesar 94,1%.

3. Variabel CACL, SETA, TLTA secara konsisten memiliki tanda koefisien regresi yang positif dan variabel WCTA, NITA, RETA, ITO secara konsisten memiliki tanda koefisien regresi yang negatif pada 3 model analisis yang dilakukan, sedangkan variabel CATA dan STA

(25)

25

memiliki tanda koefisien regresi yang tidak konsisten atau berbeda pada 3 model analisis yang digunakan.

2. Keterbatasan

Keterbatasan dalam penelitian ini adalah:

1. Penelitian ini hanya menggunakan kategori kondisi financial distress

dengan satu ukuran yaitu perusahaan yang selama dua tahun berturut-turut mengalami Earning Per Share (EPS) negatif.

2. Penelitian ini hanya menggunakan rasio-rasio likuiditas, profitabilitas,

financial leverage dan efisiensi.

3. Saran

1. Sebelum mengambil keputusan investasi, para investor sebaiknya menilai rasio-rasio keuangan yang berpengaruh terhadap financial distress perusahaan, seperti CACL, WCTA, dan NITA yang berpengaruh signifikan pada penelitian ini, untuk menghindari kemungkinan kebangkrutan.

2. Untuk manajemen perusahaan, agar lebih memperhatikan rasio keuangan yang pada penelitian ini mempunyai pengaruh yang signifikan terhadap financial distress (CACL, WCTA, dan NITA). Karena perubahan CACL, WCTA, dan NITA mempunyai pengaruh yang signifikan terhadap financial distress perusahaan.

3. Menggunakan atau menambahkan rasio-rasio keuangan lainnya seperti rasio aktivitas atau variabel di luar rasio keuangan, seperti struktur corporate governance untuk penelitian selanjutnya. Selain itu juga indikator lain untuk mengkategorikan kondisi financial distress

pada perusahaan, misalnya DSC, laba bersih negatif, perusahaan yang

delisted serta juga jenis perusahaan yang lain sebagai sampel sehingga dapat lebih bervariasi. Namun harus diperhatikan mengenai perbedaan karakter tiap jenis perusahaan tersebut.

(26)

26

DAFTAR PUSTAKA

Almilia, Luciana Spica. 2004. Analisis Faktor-Faktor yang Mempengaruhi Kondisi Financial Distress Suatu Perusahaan yang Terdaftar di Bursa Efek Jakarta. Jurnal Riset Akuntansi Indonesia, Vol. 7 No. 1, Hal 1 – 22 Almilia, Luciana Spica. 2006. Prediksi Kondisi Financial Distress Perusahaan

Go Public Dengan Menggunakan Analisis Multinomial Logit. Jurnal Ekonomi dan Bisnis, Vol. XII No. 1

Almilia, Luciana Spica dan Meliza Silvy. 2003. Analisis Faktor-Faktor yang Mempengaruhi Status Perusahaan Pasca IPO Dengan Menggunakan Tehnik Analisis Multinomial Logit. Jurnal Ekonomi dan Bisnis Indonesia (Journal of Indonesial Economy & Business), Vol. 18 No. 4

Almilia, Luciana Spica dan Kristijadi. 2003. Analisis Rasio Keuangan untuk Memprediksi Kondisi Financial Distress Perusahaan manufaktur yang terdaftar di BEJ. Jurnal Akuntansi dan Auditing Indonesia, Vol. 7 No. 2, Hal 183 - 206.

Ang, Robbert. 1997. Buku Pintar Pasar Modal Indonesia (The Intelligent Guide to Indonesian Capital Market). First Edition. Jakarta: Mediasoft Indonesia. Bodroastuti, Tri. 2009. Pengaruh Struktur Corporate Governance Terhadap

Financial Distress. Tesis Tidak Dipublikasikan. Magister Manajemen, Universitas Diponegoro

Brealey, Richard A., Stewart C.Myers dan Alan J. Marans. 2008. Dasar-Dasar Manajemen Keuangan Perusahaan. 5 ed (jilid 2). Jakarta : Erlangga. Brigham, Eugene F. dan Joel F.Houston. 2001. Manajemen Keuangan. 8 ed.

Jakarta : Erlangga

Elloumi, Fathi dan Jean-Pierre Gueyie. 2001. Financial Distress and Corporate Governance : An Empirical analysis. MCB University Press, Corporate Governance 1,1, pp.15-23

Fakhrurozie. 2007. Analisis Pengaruh Kebangkrutan Bank Dengan Metode Altman Z-Score Terhadap Harga Saham Perusahaan Perbankan di Bursa Efek Jakarta. Fakultas Ekonomi, Universitas Negeri Semarang

Foster, George. 1986. Financial Statement Analysis. Prentice Hall. Englewood Cliffs. New Jersey.

Fraser, Lyn M and Aileen Ormiston. 2008. Memahami Laporan Keuangan.7 ed.PT. Indeks

(27)

27

Ghozali, Imam. 2006. Aplikasi Analisis Multivariate Dengan Program SPSS. Semarang : Badan Penebit Universitas Diponegoro

Hanafi, Mamduh M. 2004. Manajemen Keuangan. Yogyakarta : BPFE

Hanafi, Mamduh M. dan Abdul Halim. 2005. Analisis Laporan Keuangan. 2 ed. Yogyakarta : UPP STIM YKPN

Harahap, Sofyan Syafri. 2002. Analisis Kritis Atas Laporan Keuangan. Jakarta : PT. Raja grafindo Persada

Harianto, Farid dan Siswanto Sudomo. 2001. Perangkat dan Teknik Analisis Investasi di Pasar Modal Indonesia. Jakarta : PT. Bursa Efek Jakarta Helfert, Erich A. 1997. Teknik Analisis Keuangan. 8 ed. Jakarta : Erlangga

Horne, James C. dan John M. Wachowicz, Jr. 2005. Prinsip-Prinsip Manajemen Keuangan (Fundamentals of Financial Management). Jakarta : Salemba 4 Husnan, Suad. 1998. Manajemen Keuangan : Teori dan Penerapan (Keputusan

Jangka Pendek). Yogyakarta : BPFE

Indonesian Commercial Newsletter, 2008. www.datacon.co.id, diakses 25 Mei 2011

Indonesian Commercial Newsletter, 2010. www.datacon.co.id, diakses 25 Mei 2011

Jiming, Li dan Du Weiwei. (2011). An Empirical Study on the Corporate Financial Distress Prediction Based on Logistic Model: Evidence from China’s Manufacturing Industry. International Journal of Digital Content Technology and its Applications. Volume 5, Number 6

Lau, A. H. 1987. A Five State Financial Distress Prediction Model. Journal of Accounting Research 25: 127-138.

Munawir. 2002. Analisa Laporan Keuangan. Yogyakarta: Penerbit Liberty

Nuralata, Amelia. 2007. Analisis Pengaruh Rasio Keuangan yang Dapat Memprediksi Probabilitas Kondisi Financial Distress. Magister Manajemen, Universitas Diponegoro

Pasaribu, Rowland Bismark Fernando. 2008. Penggunaan Binary Logit Untuk Prediksi Financial Distress Emiten di Bursa Efek Jakarta (Studi Kasus

(28)

28 Emiten Industri Perdagangan). Jurnal Ekonomi, Bisnis dan Akuntansi VENTURA Vol. 11, No. 2, (153-172)

Platt, Harlan D. dan Marjorie B. Platt. 2002. Predicting Corporate Financial distress: Reflection on Choice-Based Sample Bias. Journal of Economics and Finance 26 (2). Summer : 184-199

Pradopo, Agung Amin. 2011. Analisis Rasio Keuangan Untuk Memprediksi Kondisi Financial Distress Tahun 2008 Perusahaan Manufaktur yang Terdaftar di BEI. Tesis Tidak Dipublikasikan. Magister Manajemen, Universitas Diponegoro

Pranowo, Koes dkk. 2010. Determinant of Corporate Financial Distress in an Emerging Market Economy: Empirical Evidence from the Indonesian Stock Exchange 2004-2008. InternationalResearch Journal of Finance and Economics 52.

Riyanto, Bambang. 2001. Dasar-Dasar Pembelanjaan Perusahaan. 4 ed. Yogyakarta : BPFE

Samad, Abdus. 2004. Perfomance of Interest-Free Islamic Bank Vis-à-vis Interest-Based Conventional Banks of Bahrain. IIUM Journal of

Economics and Management 12, no.12 Sarjono, Haryadi. n.d. Analisis Laporan Keuangan Sebagai Alat Prediksi

Kemungkinan Kebangkrytan Dengan Model Diskriminan Altman Pada Sepuluh Perusahaan Properti di Bursa Efek Jakarta. Universitas Bunda Mulia, Jakarta.

Salehi, Mahdi dan Bizhan Abedini. 2009. Financial Distress Prediction in Emerging Market: Empirical Evidences from Iran. Business Intelligence Journal, Vol. 2 No. 2

Sekaran, Uma. 2006. Research Methods For Business. 4 ed. Jakarta : Salemba Empat

Subagyo, Rr. Iramani. 2007. Model Prediksi Financial Distress di Indonesia Era Globalisasi. PPM National Conference on Management Research

Tandelilin, Eduardus. 2001. Analisis Investasi dan Manajemen Portofolio. 1 ed. Yogyakarta : BPFE

Weston, J.Fred dan Thomas E.Copeland. 1995. Manajemen Keuangan. 9 ed (jilid 1). Jakarta : Binarupa Aksara

(29)

29

Whitaker, R. B. 1999. The Early Stages of Financial distress. Journal of Economics and Finance. 23: 123-133.

Wild, John J., K.R. Subramanyam, dan Robert F. Halsey. 2005. Financial

Statement Analysis (Analisis Laporan Keuangan). 8 ed (buku 2). Jakarta : Salemba 4