Pembahasan Hasil Penelitian - HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN

C. Pembahasan Hasil Penelitian

(ROA) sedangkan sisanya 69,5% ditentukan oleh faktor-faktor lain yang tidak ditentukan dalam penelitian ini. Dengan memperhatikan besarmya Adjusted R-Square sebesar 30,5% yang artinya tingkat hubungan variabel current ratio, quick ratio, total asset turn over, debt to asset ratio dan return on asset terhadap financial distress rendah.

perusahaan dalam memenuhi kewajibannya. Namun berbeda dengan penelitian yang dilakukan Justika dan Novi (2021) yang menyatakan bahwa current ratio sebagai perhitungan rasio likuiditas memiliki pengaruh terhadap financial distress. Hal ini disebabkan karena rasio likuiditas yang terlalu tinggi menunjukkan bahwa modal kerja perusahaan tidak produktif mengakibatkan munculnya biaya-biaya yang akan mengurangi laba perusahaan dan akan berpengaruh terhadap financial distress.

2. Pengaruh Rasio Quick Ratio (QR) Terhadap Financial Distress

Berdasarkan hasil analisis regresi linear berganda dalam penelitian ini menunjukkan bahwa quick ratio berpengaruh negatif terhadap financial distress. Hal ini dikarenakan perusahaan lebih memungkinkan untuk memenuhi kewajiban jangka pendeknya dengan mengandalkan aktiva lancar. Dalam asset lancar terdapat akun piutang usaha dan persediaan yang nantinya jika digunakan untuk membayar kewajiban lancar perusahaan memerlukan waktu yang tidak sedikit dan berbeda-beda pada setiap perusahaan untuk mengubah piutang usaha dan persediaan dalam bentuk kas yang akan digunakan untuk membiayai kewajiban perusahaan.

Penelitian ini memperoleh hasil riset yang serupa dengan Wahyu Widarjo dan Doddy Setiawan (2016) yang menyatakan bahwa rasio likuiditas yang diproksikan dengan quick ratio (CR) berpengaruh negatif dan signifikan terhadap financial distress. Hal ini kemungkinan dikarenakan karakteristik dari perusahaan itu sendiri, dimana perusahaan lebih memungkinkan untuk memenuhi kewajiban jangka

pendeknya dengan mengandalkan aktiva lancar, guna melaksanakan kegiatan operasi perusahaan. Namun berbeda dengan penelitian yang dilakukan Sitti Hawaria (2019) yang menyatakan bahwa quick ratio sebagai perhitungan rasio likuiditas memiliki pengaruh positif terhadap financial distress. Hal ini disebabkan karena penelitian yang dilakukan memiliki objek yang berbeda yakni sebelum adanya pandemi covid-19 dan pada saat terjadinya covid-19.

3. Pengaruh Rasio Total Asset TurnOver (TATO) Terhadap Financial Distress

Berdasarkan hasil analisis regresi linear berganda dalam penelitian ini menunjukkan bahwa total asset turnover berpengaruh negatif terhadap financial distress. Perputaran total asset merupakan rasio yang menunjukkan efisiensi perusahaan dalam menghasilkan penjualan, artinya apabila perusahaan tidak dapat memanfaatkan asetnya secara efektif untuk meningkatkan penjualan maka perusahaan tidak dapat memperoleh pemasukan dan kerugian yang akan dialami sehingga memungkinkan suatu perusahaan akan mengalami financial distress.

Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Christon Elvin Simanjuntak, Farida Titik Krist dan Wiwin Aminah (2017) yang mengatakan bahwa rasio aktivitas dengan proksi total asset turnover (TATO) berpengaruh negatif terhadap financial distress. Hal ini disebabkan karena penelitian yang dilakukan menggunakan variabel dependen yang sama dan memiliki objek yang sama yaitu perusahaan jasa transportasi. Namun berbeda dengan

penelitian yang dilakukan Harry Panjaitan dan Anthony (2017) yang menyatakan bahwa total asset turnover sebagai perhitungan rasio aktivitas tidak berpengaruh terhadap financial distress. Hal ini disebabkan karena penelitian yang dilakukan memiliki kondisi yang berbeda yaitu sebelum adanya pandemi covid-19 dan objek yang diteliti berbeda.

4. Pengaruh Rasio Debt to Asset Ratio (DAR) Terhadap Financial Distress

Berdasarkan hasil analisis regresi linear berganda dalam penelitian ini menunjukkan bahwa debt to asset ratio tidak berpengaruh terhadap financial distress. Hal ini disebabkan perusahaan mampu dalam menghasilkan pendapatan yang lebih banyak sehingga dapat membayar seluruh kewajibannya, baik utang jangka pendek maupun utang jangka panjang.

Penelitian ini memperoleh hasil riset yang serupa dengan Putri, Iskandar dan Rujiman (2020) yang menyatakan bahwa rasio solvabilitas yang diproksikan dengan debt to asset ratio (DAR) berpengaruh negatif dan signifikan terhadap financial distress. Hal ini disebabkan perusahaan menggunakan hutang tersebut untuk pembelian aset yang tidak produktif. Penggunaan hutang yang besar oleh perusahaan dapat menjadi efektif jika perusahaan dapat menggunakan asetnya yang dibiayai dengan hutang secara optimal dan tepat sasaran. Namun berbeda dengan penelitian yang dilakukan Gayatri Sulisetyawati (2021) yang menyatakan bahwa debt to asset ratio sebagai perhitungan rasio solvabilitas memiliki pengaruh positif

dan siqnifikan terhadap financial distress. Hal ini disebabkan karena penelitian yang dilakukan memiliki objek dan kondisi yang berbeda yakni sebelum adanya pandemi covid-19 dan pada saat terjadinya pandemi covid-19.

5. Pengaruh Rasio Return On Asset (ROA) Terhadap Financial Distress Berdasarkan hasil analisis regresi linear berganda dalam penelitian ini menunjukkan bahwa return on asset tidak berpengaruh terhadap financial distress. Hal ini dikarenakan ROA adalah sebuah kekuatan perusahaan dalam menghasilakn laba dengan aset yang ada, ROA menunjukkan kefektifan suatu perusahaan dalam memakai asset untuk menciptakan pendapatan, artinya semakin besar nilai ROA maka akan semakin baik karena mengindikasikan bahwa perusahaan semakin efektif dalam menggunakan atau memanfaatkan aktiva yang dimilikinya dalam menghasilkan laba, begitu pula sebaliknya.

Penelitian ini memperoleh hasil riset yang serupa dengan Christon, Farida dan Wiwin (2017) yang menyatakan bahwa rasio profitabilitas yang diproksikan dengan return on asset (ROA) berpengaruh positif dan signifikan terhadap financial distress. Hal ini disebabkan karena penelitian yang dilakukan memiliki objek yang sama. Namun berbeda dengan penelitian yang dilakukan Huntal, Farida dan Muslih yang menyatakan bahwa return on asset sebagai perhitungan rasio profitabilitas memiliki pengaruh negatif dan siqnifikan terhadap financial distress. Hal ini disebabkan karena penelitian yang dilakukan memiliki kondisi yang berbeda yakni

sebelum adanya pandemi covid-19 dan pada saat terjadinya pandemi covid-19.

71 BAB V PENUTUP

A. Kesimpulan

Berdasarkan dari hasil analisis dan pembahasan yang telah diuraikan pada bab sebelumnya, maka penulis dapat menarik beberapa kesimpulan dari penelitian ini sebagai berikut:

1. Hasil analisis pengaruh rasio current ratio (CR) terhadap financial distress menunjukkan bahwa variabel current ratio tidak berpengaruh terhadap financial distress pada perusahaan sektor industry jasa transportasi yang terdaftar di Bursa Efek Indonesia tahun 2016-2020.

2. Hasil analisis pengaruh rasio quick ratio (QR) terhadap financial distress menunjukkan bahwa variabel quick ratio berpengaruh negatif terhadap financial distress pada perusahaan sektor industry jasa transportasi yang terdaftar di Bursa Efek Indonesia tahun 2016-2020.

3. Hasil analisis pengaruh rasio total assets turn over (TATO) terhadap financial distress menunjukkan bahwa variabel total assets turn over berpengaruh negatif terhadap financial distress pada perusahaan sektor industry jasa transportasi yang terdaftar di Bursa Efek Indonesia tahun 2016-2020.

4. Hasil analisis pengaruh rasio debt to asset ratio (DAR) terhadap financial distress menunjukkan bahwa variabel debt to asset ratio tidak berpengaruh terhadap financial distress pada perusahaan sektor industry jasa transportasi yang terdaftar di Bursa Efek Indonesia tahun 2016-2020.

5. Hasil analisis pengaruh rasio return on asset (ROA) terhadap financial distress menunjukkan bahwa variabel return on asset tidak berpengaruh terhadap financial distress pada perusahaan sektor industry jasa transportasi yang terdaftar di Bursa Efek Indonesia tahun 2016-2020.

B. Saran

Setelah melakukan penelitian, pembahasan dan merumuskan dari hasil penelitian, maka penulis memberikan beberapa saran yang berkaitan dengan penelitian yang telah dilakukan untuk dijadikan masukan atau bahan pertimbangan yang berguna bagi pihak-pihak yang berkepentingan, antara lain:

1. Untuk pihak manajemen adalah sebagai landasan dalam pengambilan keputusan sehingga dapat dengan cepat menangani perusahaan saat mengalami kesulitan keuangan financial distress dan mencegah terjadinya kebangkrutan.

2. Untuk para peneliti berikutnya, disarankan menggunakan metode lain agar dapat lebih bervariasi sebagai kriteria penentu dalam memprediksi kondisi financial distress sehingga dapat dilihat perbedaan dalam signifikan yang lebih akurat untuk menguji pengaruh kinerja keuangan terhadap kondisi financial distress, dan disarankan juga untuk melakukan penelitian pada perusahaan sektor yang lainnya.

DAFTAR PUSTAKA

Aldin. (2020). Imbas Pandemi, Kinerja Lima Perusahaan Transportasi Semester I Anjlok. https://katadata.co.id/agungjatmiko/finansial/5f3505138f061/imbas- pandemi-kinerja-lima-perusahaan-transportasi-semester-i-anjlok. Diakses pada 13 Agustus 2020.

Ananto, R. P., Mustika, R., & Handayani, D. (2017). Pengaruh Good Corporate Governance (GCG), Leverage, Profitabilitas Dan Ukuran Perusahaan Terhadap Financial Distress Pada Perusahaan Barang Konsumsi Yang Terdaftar Di Bursa Efek Indonesia. Jurnal Ekonomi Dan Bisnis Dharma Andalas, vol. 19 No. 1, (page 92–105).

Andi, R. M. (2020). Pengaruh Rasio Keuangan Terhadap Financial Distress Pada Perusahaan Sektor Industri Dasar Dan Kimia Yang Terdaftar Di Bursa Efek Indonesia. Tangible Journal, vol. 5 No. 1, (page 11–28). e-ISSN: 2656-4505 Https://Doi.Org/10.47221/Tangible.V5i1.113. Diakses pada 19 Juli 2020.

Anggi, S., Mokodompit., & Desirianingsih, H. P. (2021). Analisis Z-Score Dalam Mengukur Kinerja Keuangan Untuk Memprediksi Kebangkrutan Perusahaan Transportasi Yang Terdaftar Di Bei Pada Masa Pandemi Covid-19. Ace:

Accounting Research Journal, vol. 1 No. 2, (page 137-150).

Aryani Intan Endah Rahmawati. (2015). Analisis Rasio Keuangan Terhadap Kondisi Financial Distress Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia Tahun 2008-2013. 1–96.

Christon, B. S., Farida, T. K., & Wiwin Aminah. (2017). Pengaruh Rasio Keuangan Terhadap Financial Distress (Studi Pada Perusahaan Transportasi Yang Terdaftar Di Bursa Efek Indonesia Periode 2011- 2015).

E-Proceeding Of Management, vol. 4 No. 2, (page 1580-1587). ISSN: 2355- 9357

Dhefita, S., & Rachma, I. (2020). Pengaruh Rasio Keuangan Terhadap Resiko Financial Distress Perbankan Syariah Di Indonesia Dengan Pendekatan Bankometer. Jurnal Ilmiah Ekonomi Islam, vol. 6 No. 3, (page 557–570).

Https://Doi.Org/10.29040/Jiei.V6i3.1191 Diakses pada Oktober 2020.

Diana, S., R. (2018). Analisis Laporan Keuangan Dan Aplikasinya edisi 1.

Jakarta: In Media

Gayatri Sulisetyawati Pertiwi. (2021). Pengaruh Kinerja Keuangan Terhadap Financial Distress Pada Perusahaan (Studi Pada Perusahaan Transportasi yang Terdaftar di Bursa Efek Indonesia Periode 2016-2020). 1–18.

Ghozali, Imam. (2016). Aplikasi Analisis Multivariate Dengan Program IBM SPSS 23. Universitas Diponegoro Semarang.

(2017). Analisis Multivariat dan Ekonometrika Teori,Konsep dan Aplikasi dengan Eviews 10. Universitas Diponegoro Semarang

Hanafi, M. M. (2016). Manajemen Keuangan edisi 2. Yogyakarta: BPFE Yogyakarta

Harry, P. P., dan Anthony. (2017). Analysis Of Z-Score And Financial Ratio On Telecommunication Company Listed In Bei. Bilancia, vol. 1 No. 2 ISSN : 2549-5704.

Hawaria, S. (2019). Pengaruh Rasio Likuiditas Terhadap Financial Distress Perusahaan Subsektor Transportasi yang Terdaftar Di BEI. Jurusan Akuntnasi. http://eprints.unm.ac.id/id/eprint/14620

Hery, S.E., M.Si., RSA., CRP. (2015). Pengantar Akuntansi Comprehensive edisi 1. PT Gramedia.

Huntal, R. D. S., Farida, T. K., & Muhammad, M. (2018). Pengaruh Rasio Keuangan Dan Ukuran Perusahaan Terhadap Kondisi Kesulitan Keuangan (Financial Distress) Pada Perusahaan Sub-Sektor Transportasi Yang Terdaftar Di Bursa Efek Indonesia (Bei) Periode 2013-2016. E-Proceeding of Management, vol. 5 No. 1, (page 796–802). ISSN: 2355-9357.

Indira, S. M., Srie, H. M., & Mulyanto, N. (2018). Analisis Rasio Keuangan Untuk Memprediksi Financial Distress Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia 2014-2016. Jurnal Ilmiah Administrasi Bisnis Dan Inovasi, vol. 2 No. 1, (page 90–102).

Https://Doi.Org/10.54367/Jmb.V19i2.94

Indriani, E., & Mildawati, T. (2019). Pengaruh Profotabilitas, Aktivitas, Likuiditas, Leverage Dan Arus Kas Terhadap Financial Distress Pada Perusahaan Telekomunikasi. Jurnal Ilmu Dan Riset Akuntansi, vol. 8 No. 4, (page 1–21).

e-ISSN: 2460-0585.

Jumingan. (2019). Analisis Laporan Keuangan Jakarta: PT Bumi Aksara.

Justika, D. C., & Novi Permata Indah. (2021). Implikasi Rasio Keuangan Terhadap Financial Distress Pada Perusahaan Subsektor Telekomunikasi.

Jurnal Ilmiah Mea ( Manajemen , Ekonomi , Dan Akuntansi ), vol. 5 No. 2, 2005–2023. P-ISSN; 2541-5255 e-ISSN: 2621-5306

Kasmir. (2015). Analisis Laporan Keuangan edisi 1. PT Raja Grafindo Persada.

(2019). Pengantar Manajemen Keuangan edisi 2. Prenadamedia Group.

Ni Wayan, A. & Wirawati, N. G. P. (2019). Pengaruh Rasio Keuangan Pada Financial Distress Perusahaan Ritel Yang Terdaftar Di Bursa Efek Indonesia (BEI). E-Jurnal Akuntansi Universitas Udayana, vol. 26, (page 251–280).

Https://Doi.Org/10.24843/Eja.2019.V26.I01.P10. Diakses pada 1 Januari 2019.

Okrisnesia, M., Supheni, I., & Suroso, B. (2021). Pengaruh Profitabilitas, Likuiditas Dan Pertumbuhan Penjualan Terhadap Financial Distress Di Masa Pandemi Covid-19 Pada Perusahaan Food And Beverages Yang Terdaftar Di Bursa Efek Indonesia. Seminar Nasional Manajemen, Ekonomi Dan Akuntasi Fakultas Ekonomi Dan Bisnis Unp Kediri, vol. 19, (page 1466–

1474).

Ramadhani, R. (2019). Pengaruh Rasio Keuangan Terhadap Financial Distress Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia Periode 2013-2017. Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara Medan, (Page 1–78).

Rezki, D. J. S. (2017). Faktor- Faktor Yang Mempengaruhi Financial Distress Pada Perusahaan Property Dan Real Estate Terbuka Di Bursa Efek Indonesia. Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara Medan, (Page 1–73).

Rohmah, S. (2020). Adakah Peluang bisnis di Tengah Kelesuan Perekonomian Akibat Pandemi Coronavirus Covid-19? Journal.Uinjkt.Ac.Id, 63-74.

Suryahadi. (2020). Akibat pandemi, Sidomulyo Selaras akan fokus melakukan efisiensi tahun ini. Retrieved from investasi kontan.co.id:

https://investasi.kontan.co.id/news/akibat-pandemi-sidomulyo-selaras-sdmu- akan-fokus-melakukan-efisiensi-tahun-ini. Diakses pada 11 Agustus 2020.

Syuhada, P., & Muda, I. (2020). Pengaruh Kinerja Keuangan dan Ukuran Perusahaan Terhadap Financial Distress Pada Perusahaan Property dan Real Estate di Bursa Efek Indonesia. Jurnal Riset Akuntansi Dan Keuangan, Magister Akuntansi Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara Medan, 8(2), 319–336.

Widyastuti. (2020). Kerugian AirAsia Melonjak 268 persen jadi Rp. 345,53,Miliar per kuartal I 2020. Jakarta: Tempo.com

www.idx.co.id

L A M

P

I

R

A

N

Lampiran 1. Daftar Perusahaan Yang Dijadikan Populasi Penelitian

No. Kode

Saham Nama Perusahaan

1 AKSI Majapahit Inti Corpora Tbk

2 APOL Arpeni Pratama Ocean Line Tbk

3 ASSA Adi Sarana Armada Tbk

4 BBRM Pelayaran Nasional Bina Buana Raya Tbk

5 BIRD Blue Bird Tbk

6 BLTA Berlian Laju Tanker Tbk

7 BPTR Batavia Prosperindo Trans Tbk.

8 BULL Buana Listya Tama Tbk

9 CANI Capitol Nusantara Indonesia Tbk

10 CMPP AirAsia Indonesia Tbk

11 DEAL Dewata Freightinternational Tbk.

12 GIAA Garuda Indonesia (Persero) Tbk

13 HELI Jaya Trishindo Tbk

14 HITS Humpuss Intermoda Transportasi Tbk 15 IATA Indonesia Air Transport & Infrastruktur Tbk

16 IPCM Jasa Armada Indonesia Tbk

17 JAYA Armada Berjaya Trans Tbk.

18 LEAD Logindo Samuderamakmur Tbk

19 LRNA Ekasari Lorena Transport Tbk

20 MBSS Mitra Bantera Segara Sejati Tbk 21 MIRA Mitra International Resources Tbk

22 NELY Pelayaran Nelly Dwi Putri Tbk

23 PORT Nusantara Pelabuhan Handal Tbk

24 PSSI Pelita Samudera Shipping Tbk.

25 PTIS Indo Straits bk

26 RIGS Rig Tenders Indonesia Tbk

27 SAFE Steady Safe Tbk

28 SAPX Satria Antaran Prima Tbk.

29 SDMU Sidomulyo Selaras Tbk

30 SHIP Sillo Maritime Perdana Tbk

31 SMDR Samudera Indonesia Tbk

32 SOCI Soechi Lines Tbk

33 TAMU Pelayaran Tamarin Samudra Tbk

34 TAXI Express Transindo Utama Tbk

35 TCPI Transcoal Pacific Tbk.

36 TMAS Pelayaran Tempuran Emas Tbk

37 TNCA Trimuda Nuansa Citra Tbk.

38 TPMA Trans Power Marine Tbk

39 TRAM Trada Maritime Tbk

40 TRUK Guna Timur Raya Tbk.

41 WEHA Weha Transportasi Indonesia Tbk

42 WINS Wintermar Offshore Marine Tbk

Sumber: www.idx.co.id (data diolah) 2022

Lampiran 2. Daftar Perusahaan yang Memenuhi Kriteria Penelitian

No. Nama Emiten Kode Emiten

1 Pelayaran Nasional Bina Buana Raya Tbk BBRM

2 Berlian Laju Tanker Tbk BLTA

3 Capitol Nusantara Indonesia Tbk CANI

4 AirAsia Indonesia Tbk CMPP

5 Garuda Indonesia (Persero) Tbk GIAA

6 Indonesia Air Transport & Infrastruktur Tbk IATA 7 Mitra International Resources Tbk MIRA Sumber: www.idx.co.id (data diolah) 2022

Lampiran 3

Data Current Ratio (CR) Kode

Emiten Tahun Aktiva Lancar Hutang Lancar Total

BBRM

2016 6.994.050 42.354.507 0,17 2017 5.526.035 64.798.536 0,09 2018 7.318.059 8.851.742 0,83 2019 7.538.173 8.110.938 0,93 2020 7.979.414 22.510.950 0,35

BLTA

2016 18.650.230 16.708.323 0,89 2017 10.349.688 14.443.414 0,72 2018 7.910.239 12.833.718 0,62 2019 5.220.693 9.568.042 0,55 2020 6.391.894 12.633.148 0,51

CANI

2016 10.548.922 63.495.072 0,17 2017 10.907.011 63.741.742 0,17 2018 13.722.516 64.456.682 0,21 2019 3.476.363 55.580.348 0,06 2020 2.506.373 51.236.860 0,05

CMPP

2016 500.499 1.694.686 0,30 2017 567.327 2.174.246 0,26 2018 459.842 2.806.388 0,16 2019 945.905 1.986.534 0,48 2020 172.661 4.957.131 0,03

GIAA

2016 1.165.133.302 1.563.576.121 0,75 2017 986.741.627 1.921.846.147 0,51 2018 1.079.945.126 3.061.396.001 0,35 2019 1.133.892.533 3.395.880.889 0,33 2020 536.547.176 4.294.797.755 0,12

IATA

2016 16.521.556 37.025.496 0,45 2017 10.949.895 25.125.413 0,44 2018 10.932.113 25.761.926 0,42 2019 5.397.236 21.944.991 0,25 2020 5.669.424 26.756.737 0,21

MIRA

2016 172.062 64.264 0,37

2017 151.237 62.404 0,41

2018 131.454 28.024 0,21

2019 80.168 50.490 0,63

2020 55.212 47.141 0,85

Sumber: Data sekunder yang diolah, 2022

Lampiran 4.

Data Quick Ratio (QR) Kode

Emiten Tahun aset lancar persediaan total hutang lancar total

BBRM

2016 6.994.050 192.081 6.801.969 42.354.507 0,16 2017 5.526.035 188.692 5.337.343 64.798.536 0,08 2018 7.318.059 194.838 7.123.221 8.851.742 0,80 2019 7.538.173 50.879 7.487.294 8.110.938 0,92 2020 7.979.414 45.137 7.934.277 22.510.950 0,35

BLTA

2016 18.650.230 562.139 18.088.091 16.708.323 0,92 2017 10.349.688 848.143 9.501.545 14.443.414 0,66 2018 7.910.239 652.646 7.257.593 12.833.718 0,57 2019 5.220.693 332.662 4.888.031 9.568.042 0,51 2020 6.391.894 447.084 5.944.810 12.633.148 0,47

CANI

2016 10.548.922 0 10.548.922 63.495.072 0,17

2017 10.907.011 0 10.907.011 63.741.742 0,17

2018 13.722.516 0 13.722.516 64.456.682 0,21

2019 3.476.363 0 3.476.363 55.580.348 0,06

2020 2.506.373 0 2.506.373 51.236.860 0,05

CMPP

2016 500.499 30.621 469.878 1.694.686 0,28

2017 567.327 40.731 526.596 2.174.246 0,24

2018 459.842 65.565 394.277 2.806.388 0,14

2019 945.905 59.958 885.947 1.986.534 0,45

2020 172.661 63.621 109.040 4.957.131 0,02

GIAA

2016 1.165.133.302 108.954.457 1.056.178.845 1.563.576.121 0,68 2017 986.741.627 131.155.717 855.585.910 1.921.846.147 0,45 2018 1.079.945.126 148.889.021 931.056.105 3.061.396.001 0,30 2019 1.133.892.533 167.744.331 966.148.202 3.395.880.889 0,28 2020 536.547.176 105.199.006 431.348.170 4.294.797.755 0,10

IATA

2016 16.521.556 8.837.262 7.684.294 37.025.496 0,21 2017 10.949.895 6.038.525 4.911.370 25.125.413 0,20 2018 10.932.113 5.432.484 5.499.629 25.761.926 0,21 2019 5.397.236 2.282.121 3.115.115 21.944.991 0,14 2020 5.669.424 2.397.871 3.271.553 26.756.737 0,12

MIRA

2016 172.062 2.375 169.687 64.264 0,38

2017 151.237 2.610 148.627 62.404 0,42

2018 131.454 2.691 128.763 28.024 0,22

2019 80.168 3.444 76.724 50.490 0,66

2020 55.212 2.554 52.658 47.141 0,90

Sumber: Data sekunder yang diolah, 2022

Lampiran 5

Data Total Assets Turn Over (TATO) Kode

Emiten Tahun Penjualan Total Asset Total

BBRM

2016 25.398.131 140.246.503 18,11 2017 23.575.803 95.741.257 24,62 2018 20.701.319 85.693.582 24,16 2019 17.280.293 77.498.877 22,29 2020 -2.031.763 37.213.358 -5,46

BLTA

2016 20.252.565 93.774.925 21,59 2017 25.247.152 79.101.200 31,92 2018 24.934.905 71.348.533 34,95 2019 20.051.894 67.412.629 29,75 2020 18.364.836 66.073.093 27,79

CANI

2016 4.550.028 68.996.436 6,59 2017 4.370.358 62.507.800 6,99 2018 1.078.543 57.738.807 1,87 2019 2.273.111 39.186.488 5,80 2020 1.654.850 29.073.300 5,69

CMPP

2016 3.888.968 3.504.894 1,11 2017 3.817.861 3.091.134 1,24 2018 4.232.768 2.845.045 1,49 2019 6.708.801 2.613.070 2,57 2020 1.610.973 6.080.516 26,49

GIAA

2016 3.863.921.565 3.737.569.390 1,03 2017 4.177.325.781 3.763.292.093 1,11 2018 4.330.441.061 4.155.474.803 1,04 2019 4.572.638.083 4.455.675.774 1,03 2020 1.492.331.099 10.789.980.407 13,83

IATA

2016 16.275.140 94.297.475 17,26 2017 16.103.374 77.755.290 20,71 2018 20.279.948 68.442.839 29,63 2019 14.884.152 61.101.287 24,36 2020 7.723.507 54.578.265 14,15

MIRA

2016 114.572 400.015 28,64

2017 121.473 373.573 32,52

2018 128.781 320.778 40,15

2019 131.033 351.483 37,28

2020 86.959 317.032 27,43

Sumber: Data sekunder yang diolah, 2022

Lampiran 6.

Data Debt To Asset Ratio (DAR) Kode

Emiten Tahun Total Hutang Total Aset Total

BBRM

2016 71.090.173 140.246.503 50,69 2017 65.059.280 95.741.257 67,95 2018 62.978.345 85.693.582 73,49 2019 59.264.274 77.498.877 76,47 2020 30.022.368 37.213.358 80,68

BLTA

2016 53.419.138 93.774.925 56,97 2017 49.544.161 79.101.200 62,63 2018 42.380.697 71.348.533 59,40 2019 36.760.187 67.412.629 54,53 2020 38.158.141 66.073.093 57,75

CANI

2016 66.319.399 68.996.436 96,12 2017 65.745.184 62.507.800 105,18 2018 65.272.881 57.738.807 113,05 2019 56.059.611 39.186.488 143,06 2020 51.563.842 29.073.300 177,36

CMPP

2016 3.088.048 3.504.894 88,11 2017 3.054.059 3.091.134 98,80 2018 3.647.221 2.845.045 128,20 2019 2.410.943 2.613.070 92,27 2020 8.990.928 6.080.516 147,86

GIAA

2016 2.727.672.171 3.737.569.390 72,98 2017 2.825.822.893 3.763.292.093 75,09 2018 3.515.668.247 4.155.474.803 84,60 2019 3.873.097.505 4.455.675.774 86,93 2020 12.733.004.654 10.789.980.407 118,01

IATA

2016 50.361.843 94.297.475 53,41 2017 33.650.876 77.755.290 43,28 2018 30.041.635 68.442.839 43,89 2019 25.299.740 61.101.287 41,41 2020 39.599.813 54.578.265 72,56

MIRA

2016 153.571 400.015 38,39

2017 145.033 373.573 38,82

2018 96.461 320.778 30,07

2019 116.926 351.483 33,27

2020 101.678 317.032 32,07

Sumber: Data sekunder yang diolah, 2022

Lampiran 7.

Data Return On Asset (ROA) Kode

Emiten Tahun laba bersih total asset total

BBRM

2016 -7.858.806 140.246.503 -5,60 2017 -38.400.472 95.741.257 -40,11 2018 -8.054.745 85.693.582 -9,39 2019 -4.482.902 77.498.877 -5,78 2020 -11.172.452 37.213.358 -30,02

BLTA

2016 -15.746.831 93.774.925 -16,79 2017 -8.691.889 79.101.200 -10,99 2018 5.425.807 71.348.533 7,60 2019 -872.403 67.412.629 -1,29 2020 -817.144 66.073.093 -1,24

CANI

2016 -7.738.170 68.996.436 -11,22 2017 -5.915.629 62.507.800 -9,46 2018 -2.376.971 57.738.807 -4,12 2019 -9.339.842 39.186.488 -23,83 2020 -5.629.553 29.073.300 -19,36

CMPP

2016 -21.027 3.504.894 -0,60

2017 -512.961 3.091.134 -16,59 2018 -907.025 2.845.045 -31,88

2019 -157.369 2.613.070 -6,02

2020 -2.754.590 6.080.516 -45,30

GIAA

2016 9.364.858 3.737.569.390 0,25 2017 -213.389.678 3.763.292.093 -5,67 2018 -228.889.524 4.155.474.803 -5,51 2019 -44.567.515 4.455.675.774 -1,00 2020 -2.476.633.349 10.789.980.407 -22,95

IATA

2016 -10.993.705 94.297.475 -11,66 2017 -6.766.103 77.755.290 -8,70 2018 -7.247.452 68.442.839 -10,59 2019 -4.972.950 61.101.287 -8,14 2020 -6.411.619 54.578.265 -11,75

MIRA

2016 -38.437 400.015 -9,61

2017 -20.051 373.573 -5,37

2018 591 320.778 0,18

2019 -3.222 351.483 -0,92

2020 -18.218 317.032 -5,75

Sumber: Data sekunder yang diolah, 2022

Lampiran 8.

Hasil Perhitungan Z-Score (Pembulatan 2 Desimal)

Nama

Perusahaan Tahun Z-Score

Total Keterangan

T1 T2 T3 T4

1 Pelayaran Nasional Bina Buana

Raya Tbk

2016 6,6 -0,25 3,3 -0,13 6,7 -0,04 1,1 0,97 -1,31 Financial Distress 2017 6,6 -0,62 3,3 -0,59 6,7 -0,38 1,1 0,47 -8,05 Financial

Distress 2018 6,6 -0,02 3,3 -0,76 6,7 -0,05 1,1 0,36 -2,57 Financial

Distress 2019 6,6 -0,01 3,3 -0,89 6,7 -0,02 1,1 0,31 -2,78 Financial

Distress 2020 6,6 -0,39 3,3 -2,17 6,7 -0,24 1,1 0,24 -10,99 Financial

Distress 2 Berlian Laju

Tanker Tbk 2016 6,6 0,02 3,3 -13,7 6,7 -0,04 1,1 0,76 -43,97 Financial Distress 2017 6,6 -0,05 3,3 -16,3 6,7 -0,02 1,1 0,65 -52,89 Financial

Distress 2018 6,6 -0,07 3,3 -17,2 6,7 -0,01 1,1 0,68 -55,95 Financial

Distress 2019 6,6 -0,06 3,3 -18,6 6,7 -0,02 1,1 0,83 -60,36 Financial

Distress 2020 6,6 -0,09 3,3 -19 6,7 0,02 1,1 0,73 -61,56 Financial

Distress 3 Capitol

Nusantara Indonesia

Tbk

2016 6,6 -0,77 3,3 -0,09 6,7 -0,11 1,1 0,04 -6,04 Financial Distress 2017 6,6 -0,85 3,3 -0,19 6,7 -0,09 1,1 -0,05 -6,85 Financial

Distress 2018 6,6 -0,88 3,3 -0,28 6,7 -0,04 1,1 -0,12 -7,08 Financial

Distress 2019 6,6 -1,33 3,3 -0,65 6,7 -0,24 1,1 -0,3 -12,77 Financial

Distress 2020 6,6 -1,68 3,3 -1,07 6,7 -0,19 1,1 -0,44 -16,25 Financial

Distress 4 AirAsia

Indonesia Tbk

2016 6,6 -0,34 3,3 -1,39 6,7 0,05 1,1 0,13 -6,29 Financial Distress 2017 6,6 -0,52 3,3 -1,74 6,7 0,12 1,1 0,01 -8,27 Financial

Distress 2018 6,6 -0,82 3,3 -2,19 6,7 -0,35 1,1 -0,22 -15,1 Financial

Distress 2019 6,6 -0,4 3,3 -2,42 6,7 4,36 1,1 0,08 18,87 Financial

Distress 2020 6,6 -0,79 3,3 -1,52 6,7 -0,46 1,1 -0,32 -13,56 Financial

Distress 5 Garuda

Indonesia 2016 6,6 -0,11 3,3 -0,06 6,7 0,03 1,1 0,37 -0,33 Financial Distress

(Persero)

Tbk 2017 6,6 -0,25 3,3 -0,12 6,7 -0,02 1,1 0,33 -1,82 Financial Distress 2018 6,6 -0,48 3,3 -0,16 6,7 -0,05 1,1 0,18 -3,82 Financial

Distress 2019 6,6 -0,51 3,3 -0,15 6,7 0,03 1,1 0,19 -3,43 Financial

Distress 2020 6,6 -0,35 3,3 -0,3 6,7 -0,2 1,1 -0,15 -4,78 Financial

Distress 6 Indonesia

Air Transport &

Infrastruktur Tbk

2016 6,6 -0,22 3,3 -0,46 6,7 -0,04 1,1 0,87 -2,3 Financial Distress 2017 6,6 -0,18 3,3 -0,64 6,7 -0,06 1,1 1,31 -2,29 Financial

Distress 2018 6,6 -0,22 3,3 -0,83 6,7 -0,03 1,1 1,28 -3,01 Financial

Distress 2019 6,6 -0,27 3,3 -1,02 6,7 -0,07 1,1 1,42 -4,08 Financial

Distress 2020 6,6 -0,39 3,3 -1,25 6,7 -0,08 1,1 0,38 -6,77 Financial

Distress 7 Mitra

International Resources

Tbk

2016 6,6 0,27 3,3 -3,18 6,7 -0,02 1,1 1,6 -7,05 Financial Distress 2017 6,6 0,24 3,3 -3,46 6,7 0,02 1,1 1,58 -7,91 Financial

Distress 2018 6,6 0,32 3,3 -4,02 6,7 0,04 1,1 2,33 -8,29 Financial

Distress 2019 6,6 0,08 3,3 -3,68 6,7 0,03 1,1 2,01 -9,16 Financial

Distress 2020 6,6 0,03 3,3 -4,13 6,7 -0,02 1,1 2,12 -11,18 Financial

Distress Sumber: Data sekunder yang diolah, 2022

Lampiran 9.

Tabulasi Data No. Kode

0,25 0,14 24,36 41,41 -8,14 -4,08

2020

0,21 0,12 14,15 72,56 -11,75 -6,77 31

MIRA 2016

0,37 0,38 28,64 38,39 -9,61 -7,05

2017

0,41 0,42 32,52 38,82 -5,37 -7,91

2018

0,21 0,22 40,15 30,07 0,18 -8,29

2019

0,63 0,66 37,28 33,27 -0,92 -9,16

2020

0,85 0,9 27,43 32,07 -5,75 -11,18

Sumber: Data sekunder yang diolah, 2022

Lampiran 10

Hasil Uji Regresi Linear Berganda

Regression

Variables Entered/Removed^a

Model

Variables Entered

Variables

Removed Method 1 ROA, DAR,

QR, TATO, CR^b

Enter

a. Dependent Variable: FD b. All requested variables entered.

Model Summary^b

Model R R Square

Adjusted R Square

Std. Error of the Estimate

1 .552^a 0,305 0,185 1684,59300

a. Predictors: (Constant), ROA, DAR, QR, TATO, CR b. Dependent Variable: FD

ANOVA^a

Model

Sum of

Squares df Mean Square F Sig.

1 Regression 36063578,061 5 7212715,612 2,542 .050^b

Residual 82297753,825 29 2837853,580

Total 118361331,886 34

a. Dependent Variable: FD

b. Predictors: (Constant), ROA, DAR, QR, TATO, CR

Coefficients^a

Model

Unstandardized Coefficients

Standardized Coefficients

t Sig.

Collinearity Statistics B

Std.

Error Beta Tolerance VIF

1 (Constant) 735,118 1085,483 0,677 0,504

CR 6,925 16,706 0,098 0,415 0,682 0,432 2,312

QR -31,160 16,202 -0,418 -1,923 0,064 0,507 1,973

TATO -0,583 0,245 -0,416 -2,376 0,024 0,781 1,281

DAR -0,033 0,081 -0,071 -0,406 0,687 0,781 1,280

ROA 0,140 0,310 0,075 0,451 0,655 0,858 1,165

a. Dependent Variable: FD

Collinearity Diagnostics^a

Model Eigenvalue

Condition Index

Variance Proportions

(Constant) CR QR TATO DAR ROA

1 1 4,376 1,000 0,00 0,01 0,01 0,01 0,01 0,01

2 0,834 2,290 0,00 0,02 0,03 0,04 0,04 0,24

3 0,330 3,641 0,00 0,02 0,16 0,60 0,03 0,02

4 0,305 3,791 0,01 0,02 0,03 0,01 0,32 0,56

5 0,105 6,450 0,04 0,62 0,74 0,17 0,02 0,02

6 0,049 9,404 0,95 0,32 0,02 0,18 0,60 0,15

a. Dependent Variable: FD

Residuals Statistics^a

Minimum Maximum Mean Std. Deviation N

Predicted Value -3196,9583 718,2606 -

1240,9429

1029,89974 35

Std. Predicted Value -1,899 1,902 0,000 1,000 35

Standard Error of Predicted Value

360,611 1051,563 669,058 199,984 35

Adjusted Predicted Value -4065,5381 1104,0865 - 1251,3943

1123,82184 35

Residual -

3951,95337

2842,50244 0,00000 1555,80274 35

Std. Residual -2,346 1,687 0,000 0,924 35

Stud. Residual -2,431 1,948 0,003 0,995 35

Deleted Residual -

4243,80420

3787,53809 10,45140 1813,14213 35

Stud. Deleted Residual -2,677 2,053 -0,008 1,041 35

Mahal. Distance 0,587 12,277 4,857 3,380 35

Cook's Distance 0,000 0,210 0,027 0,041 35

Centered Leverage Value 0,017 0,361 0,143 0,099 35

a. Dependent Variable: FD

One-Sample Kolmogorov-Smirnov Test

Unstandardized Residual

N 35

Normal Parameters^a,b

Mean 0,0000000

Std. Deviation 1555,80274178 Most Extreme

Differences

Absolute 0,117

Positive 0,067

Negative -0,117

Test Statistic 0,117

Asymp. Sig. (2-tailed) .200^c,d

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

d. This is a lower bound of the true significance.

Dalam dokumen TERCATAT DI BURSA EFEK INDONESIA (BEI) (Halaman 84-90)