analisis rasio keuangan dalam memprediksi kondisi financial
advertisement
“ ANALISIS RASIO KEUANGAN DALAM MEMPREDIKSI KONDISI FINANCIAL DISTRESS PERUSAHAAN (STUDI KASUS PADA PERUSAHAAN YANG TERDAFTAR PADA BURSA EFEK INDONESIA PERIODE 2007-2010)”. Oleh : ISYAIYAS ANDHITO (107081003706) FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA 2011 DAFTAR RIWAYAT HIDUP IDENTITAS DIRI Nama : Isyaiyas Andhito Tempat / Tanggal Lahir : Bandung, 29 Juli 1989 Agama : Islam Alamat : Jl. Nusantara 1 No. 287. Jatimulya. Bekasi Timur Telp / Hp : 081316655934 E-mail : [email protected] PENDIDIKAN FORMAL 2007-2011 : UIN Syarif Hidayatullah Jakarta 2004-2007 : SMAN 9 Bekasi 2001-2004 : SLTP-IT YPI 45 Bekasi 1995-2001 : SDN Margahayu IX i ABSTRACT This research aims at providing empirical evidance on factors that affect financialy distressed firms. This study examines the role of financial ratio in predicting the accurance of financial distress in the context of Indonesian Stock Exchange. The samples consist of 29 firms with positive net income before tax and had cash flow higher than long-term liabilities from 2009-2010, 12 firms with negative net income before tax from 2009-2010 and 16 firms with negative net income before tax and had cash flow lower than long-term liabilities from 20092010. Multinomial logit regression is used to test the hypothesis. It is hypothised that financial ratio from statements of income, balance sheet and statements of cash flow can use to predict financial distress firms. This study use three models to examine examines the role of financial ratio in predicting the accurance of financial distress in the context of Indonesian Stock Exchange The finding of this research that financial ratio from statements of income, balance sheet and statements of cash flow (NIS, CATA, NITA, CASHTA, CFFOTA and DITS) are significant variables determining financialy distressed firms. Keywords: financial distress, financial ratio, statements of income, balance sheet, statements of cash flow, multinomial logit. ii ABSTRAK Penelitian ini bertujuan untuk memberikan bukti empiris yang mempengaruhi kesulitan keuangan perusahaan. Studi ini menguji peran dari rasio keuangan dalam memprediksi kesulitan keuangan dalam lingkup Bursa efek Indonesia. Sampel terdirir dari 29 perusahaan dengan laba bersih sebelum pajak positif dan memiliki arus kas yang lebih besar dari hutang jangka panjang dari tahun 2009-2010, 12 perusahaan dengan laba bersih sebelum pajak negatif dari tahun 2009-2010 dan 16 perusahaan dengan laba bersih sebelum pajak negatif dan memiliki arus kas yang lebih kecil dari hutang jangka panjang dari tahun 2009-2010. Regresi Multinomial Logit digunakan untuk menguji hipotesis. Hal ini, menghipotesiskan bahwa rasio keuangan dari neraca, laporan laba rugi, dan laporan arus kas akan digunakan untuk memprediksi kesulitan keuangan perusahaan. Studi ini menggunakan 3 model untuk menguji peran rasio keuangan dalam memprediksi kesulitan keuangan dalam lingkup Bursa Efek Indonesia. Temuan penelitian ini yaitu rasio keuangan yang berasal dari neraca, laporan laba rugi dan laporan arus kas (NIS, CATA, NITA, CASHTA, CFFOTA dan DITS) adalah variabel yang signifikan dalam menetapkan kesulitan keuangan perusahaan. Kata kunci : Financial distress, rasio keuangan, neraca, laporan laba rugi, laporan arus kas, multinomial logit. iii KATA PENGANTAR Alhamdulillaahirabbil’aalamiin. Segala puji dan syukur hanya bagi Allah Azza Wa Jalla yang memiliki segala sesuatu yang ada di bumi dan di langit yang telah melimpahkan rahmat dan karunia yang tak terhingga sehingga penulis dapat menyelesaikan skripsi dengan judul “Analisis Rasio Keuangan Dalam Memprediksi Kondisi Financial Distress Perusahaan ( Studi Kasus Pada Perusahaan Yang Terdaftar Di Bursa Efek Indonesia Periode 20072010 ) ”. Shalawat dan salam semoga selalu tercurahkan kepada Sang Teladan yang diikuti Nabi Muhammad Rasulullah Shallallahu „alaihi wa sallam beserta para Sahabat, tabi‟in, tabi‟ut tabiin dan keluarga beliau yang telah membawa umatnya dari zaman kebodohan dan kegelapan ke zaman terang-benderang seperti sekarang ini. Penyusunan skripsi ini tidak lepas dari orang-orang di sekitar penulis yang banyak memberi bantuan serta dukungan maupun nasihat pada penulis. Untuk itulah, dengan selesainya penulisan skripsi ini sebagai prasyarat memperoleh gelar Sarjana Ekonomi di Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta, izinkan penulis mengucapkan rasa terima terima kasih yang tak terhingga kepada: 1. Ibuku dan kakakku yang tercinta karena telah memberikan banyak dukungan serta cintanya sehingga penulis dapat menempuh pendidikan yang paling baik hingga saat ini dan tidak ada henti-hentinya dalam memberikan nasihat yang baik bagi penulisan skripsi ini. Semoga saya bisa memberikan kebahagian kelak kepada Ibu dan kakakku dengan prestasi. 2. Bapak Dr. Ahmad Dumyathi B, Lc, MA selaku dosen pembimbing I dan Bapak Hemmy Fauzan, SE, MM selaku dosen pembimbing II, yang telah meluangkan waktunya untuk membimbing penulis dalam penyusunan skripsi ini dengan sabar. 3. Prof. Dr. Abdul Hamid selaku Dekan Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta. 4. Prof. Dr. Ahmad Rodoni selaku Pembantu Dekan Bidang Akademik Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta, yang telah memberikan motivasi dalam penyelesaian skripsi ini, 5. Suhendra, S.Ag., MM selaku Ketua Jurusan Manajemen. 6. Leis suzanawati, SE, M.Si selaku Sekertaris Jurusan Manajemen. iv 7. Bapak dan Ibu Dosen Pengajar Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta yang telah memberikan bekal ilmu pengetahuan. 8. Terima kasih kepada seluruh jajaran karyawan Fakultas Ekonomi dan Bisnis, khususnya kepada Bapak Heri, Bapak Rahmat, Ibu Umi dan Bu Siska atas pelayanan baiknya dalam meningkatkan kualitas dan mutu Fakultas Ekonomi dan Bisnis. 9. Seluruh keluarga yang sangat berperan dalam penyusunan skripsi dalam hal materil maupun non-materil, semoga kebaikan kalian dilipatgandakan oleh Allah SWT. 10. Sahabat-sahabat yang selalu ada dalam bertukar pikiran, Miftah, Irsyam, Toni, Yoga, Gita Sahara, Dedi Juned, Dedi, Safitri, Ica, Umi, Aan, Baphin, Isna, Nisa, Sela dan seluruh kawan-kawan yang namanya tidak mungkin disebut satu-satu. Semoga kalian mendapatkan kesuksesan kelak. 11. Teman-teman “GENK” yang sama sekali gak jelas, Resha, Farid, Risboy, Armen, Anin, Aji, Ramdan, Budi yang selalu membuat hari-hari ceria. Semoga kalian menjadi orang besar di masa depan. 12. Teman-teman Manajemen C 2007, terimakasih telah mewarnai hari-hariku dengan keindahan. Mudah-mudahan kalian semua juga menjadi orang yang berhasil kelak. 13. Teman-teman Manajemen Keuangan A 2007, terimakasih karena berkat bergaul dengan kalian wawasan saya tentang keuangan menjadi berkembang. Terimakasih. 14. Teman-teman se-kost, Ibie, Oboy, Gittink, Bayu, Boim, Zen. Terima kasih telah bersama dalam menghadapi kesenangan dan kepedihan selama di kosan. Penulis menyadari bahwa masih banyak kekurangan, namun semua ini semata-mata karena keterbatasan penulis. Akhir kata, besar harapan penulis, skripsi ini dapat bermanfaat. Wassalamu‟alaikum Wr.Wb. Jakarta, Agustus 2011 Isyaiyas Andhito v DAFTAR ISI HALAMAN LEMBAR PENGESAHAN SKRIPSI LEMBAR PENGESAHAN UJIAN KOMPREHENSIF LEMBAR PERNYATAAN BEBAS PLAGIATME RIWAYAT HIDUP ............................................................................................................ I ABSTRACT.......................................................................................................................... II ABSTRAK .......................................................................................................................... III KATA PENGANTAR ........................................................................................................ IV DAFTAR ISI....................................................................................................................... VI DAFTAR GAMBAR .......................................................................................................... VII DAFTAR TABEL ............................................................................................................... IX DAFTAR LAMPIRAN ....................................................................................................... X BAB I PENDAHULUAN ................................................................................................... 1 A. Latar Belakang Masalah ......................................................................................... 1 B. Perumusan Masalah ................................................................................................ 7 C. Tujuan Penelitian .................................................................................................... 8 D. Manfaat Penelitian .................................................................................................. 8 BAB II TINJAUAN PUSTAKA ........................................................................................ 10 A. Landasan Teori........................................................................................................ 10 1. Laporan Keuangan ............................................................................................ 10 2. Tujuan Laporan Keuangan ................................................................................ 10 3. Komponen Laporan Keuangan ......................................................................... 13 4. Analisa Laporan Keuangan ............................................................................... 20 5. Financial Distress .............................................................................................. 26 B. Penelitian Terdahulu ............................................................................................... 31 C. Kerangka Penelitian ................................................................................................ 34 D. Hipotesis Penelitian ................................................................................................ 38 BAB III METODOLOGI PENELITIAN ........................................................................... 39 A. Ruang Lingkup Penelitian....................................................................................... 39 B. Metode Penentuan Sampel ...................................................................................... 39 C. Metode Pengumpulan Data ..................................................................................... 45 vi D. Metode Analisis ...................................................................................................... 45 E. Definisi Operasional Variabel................................................................................. 52 BAB IV ANALISIS DAN PEMBAHASAN ...................................................................... 64 A. Gambaran Umum Objek Penelitian ........................................................................ 64 1. Pasar Modal ...................................................................................................... 64 2. Organisasi yang Terkait di Pasar Modal ........................................................... 65 3. Sejarah Pasar Modal Indonesia ......................................................................... 67 B. Pengujian Hipotesis ................................................................................................ 70 1. Uji Beda Multivariate Analysis of Variance (MANOVA) ............................... 70 2. Uji Multinomial Logit ....................................................................................... 79 BAB V KESIMPULAN, IMPLIKASI DAN SARAN ....................................................... 108 A. Kesimpulan ............................................................................................................. 108 B. Implikasi ................................................................................................................. 109 C. Keterbatasan Penelitian dan Saran .......................................................................... 113 DAFTAR PUSTAKA ......................................................................................................... 114 LAMPIRAN ........................................................................................................................ 119 vii DAFTAR GAMBAR NO KETERANGAN HALAMAN 2.1 Tujuan Pelaporan Keuangan 13 2.2 Kerangka Penelitian 37 vii ix DAFTAR TABEL No Keterangan Halaman 2.1 Komponen Neraca 15 3.1 Sampel Perusahaan Secara Keseluruhan 42 3.2 Sampel Perusahaan Kondisi 0 42 3.3 Sampel Perusahaan Kondisi 1 44 3.4 Sampel Perusahaan Kondisi 2 44 3.5 Ringkasan Variabel Penelitian Dan Operasional Variabel 61 4.1 Test Between Subject Factor Neraca Dan Laporan Laba Rugi 71 4.2 Multivariate Test Neraca Dan Laporan Laba Rugi 71 4.3 Test Between Subject Effect Neraca Dan Laporan Laba Rugi 72 4.4 Test Between Subject Factor Laporan Arus Kas 75 4.5 Multivariate Test Laporan Arus Kas 75 4.6 Test Between Subject Effect Laporan Arus Kas 76 4.7 Uji Model -2 Loglikelihood Neraca Dan Laporan Laba Rugi 79 4.8 Uji Goodness Of Fit Neraca Dan Laporan Laba Rugi 80 4.9 Uji Pseudo R Square Neraca Dan Laporan Laba Rugi 80 4.10 Uji Parameter Estimates Neraca Dan Laporan Laba Rugi 81 4.11 Ketetapan Prediksi Klasifikasi Neraca Dan Laporan Laba Rugi 83 4.12 Uji Model -2 Loglikelihood Laporan Arus Kas 84 4.13 Uji Goodness Of Fit Laporan Arus Kas 85 4.14 Uji Pseudo R Square Laporan Arus Kas 85 4.15 Uji Parameter Estimates Laporan Arus Kas 86 4.16 Ketetapan Prediksi Klasifikasi Laporan Arus Kas 88 4.17 Uji Model -2 Loglikelihood Neraca, Laporan Laba Rugi Dan Laporan Arus Kas 88 4.18 Uji Goodness Of Fit Neraca, Laporan Laba Rugi Dan Laporan Arus Kas 89 4.19 Uji Pseudo R Square Neraca, Laporan Laba Rugi Dan Laporan Arus Kas 90 4.20 Uji Parameter Estimates Neraca, Laporan Laba Rugi Dan Laporan Arus Kas 90 4.21 Ketetapan Prediksi Klasifikasi Neraca, Laporan Laba Rugi Dan Laporan Arus Kas 93 ix DAFTAR LAMPIRAN NO KETERANGAN HALAMAN 1 Data Rasio Perusahaan Distress dan Non-Distress 119 2 Test Between Subject Factor Neraca Dan Laporan Laba Rugi 127 3 Multivariate Test Neraca Dan Laporan Laba Rugi 127 4 Test Between Subject Effect Neraca Dan Laporan Laba Rugi 128 5 Test Between Subject Factor Laporan Arus Kas 129 6 Multivariate Test Laporan Arus Kas 129 7 Test Between Subject Effect Laporan Arus Kas 129 8 Uji Model -2 Loglikelihood Neraca Dan Laporan Laba Rugi 131 9 Uji Goodness Of Fit Neraca Dan Laporan Laba Rugi 131 10 Uji Pseudo R Square Neraca Dan Laporan Laba Rugi 131 11 Uji Parameter Estimates Neraca Dan Laporan Laba Rugi 131 12 Ketetapan Prediksi Klasifikasi Neraca Dan Laporan Laba Rugi 132 13 Uji Model -2 Loglikelihood Laporan Arus Kas 133 14 Uji Goodness Of Fit Laporan Arus Kas 133 15 Uji Pseudo R Square Laporan Arus Kas 133 16 Uji Parameter Estimates Laporan Arus Kas 133 17 Ketetapan Prediksi Klasifikasi Laporan Arus Kas 134 18 Uji Model -2 Loglikelihood Neraca, Laporan Laba Rugi Dan Laporan Arus Kas 135 19 Uji Goodness Of Fit Neraca, Laporan Laba Rugi Dan Laporan Arus Kas 135 20 Uji Pseudo R Square Neraca, Laporan Laba Rugi Dan Laporan Arus Kas 135 21 Uji Parameter Estimates Neraca, Laporan Laba Rugi Dan Laporan Arus Kas 22 135 Ketetapan Prediksi Klasifikasi Neraca, Laporan Laba Rugi Dan Laporan Arus Kas 136 x BAB I PENDAHULUAN A. LATAR BELAKANG MASALAH Di era globalisasi seperti sekarang ini dimana perusahaan bersaing dengan kompetitor didalam dan luar negeri, banyak perusahaan yang menjadi bangkrut jika perusahaan tersebut belum mampu mengenal lebih dalam mengenai posisi keuangan yang melilit perusahaan tersebut. Misalnya saja krisis yang terjadi di Amerika Serikat pada tahun 2008 yang salah satu penyebabnya ialah subprime mortgage yaitu jatuhnya industri perumahan (property) di Amerika. Subprime mortgage (SM) merupakan istilah untuk kredit perumahan (mortgage) yang diberikan kepada debitor dengan sejarah kredit yang buruk atau belum memiliki sejarah kredit sama sekali, sehingga digolongkan sebagai kredit yang berisiko tinggi. Karena debitor tidak melakukan pembayaran atas mortgage yang diberikan maka keuangan perusahaanpun menjadi terkendala. Di Indonesia, Krisis SM sangat merugikan investor keuangan dunia yang juga berinvestasi di pasar modal dan uang Indonesia. Pukulan terbesar memang di pasar modal mengingat saham merupakan instrumen likuid, begitu pula deposito. Kebutuhan likuiditas yang tinggi membuat mereka keluar dari pasar keuangan Indonesia (Kompas.com) 1 Laporan keuangan beserta pengungkapannya dibuat perusahaan dengan tujuan untuk memberikan informasi yang sangat berguna untuk pengambilan keputusan-keputusan investasi dan pendanaan. Laporan Keuangan yang diterbitkan oleh perusahaan merupakan salah satu sumber informasi mengenai kondisi keuangan perusahaan saat itu. Perubahan posisi keuangan perusahaan digunakan untuk mendukung pengambilan keputusan pihak manajemen secara tepat, maka data keuangan harus dikonversi menjadi informasi dalam pengambilan keputusan ekonomis dengan cara melakukan analisis laporan keuangan. Salah satu aspek penting dalam melakukan analisis laporan keuangan adalah untuk meramal kelangsungan hidup perusahaan itu sendiri dalam menghadapi persaingan Menurut Luciana dan Kristijadi Laporan keuangan merupakan salah satu sumber mengenai posisi keuangan yang dialami oleh perusahaan, kinerja serta perubahan pada posisi keuangan yang sangat berguna untuk mendukung pengambilan keputusan yang tepat. Serta menurut Brigham (2001:33) perusahaan yang bangkrut mempunyai biaya hukum dan akuntansi yang sangat tinggi, dan mereka juga sulit untuk menahan pelanggan, pemasok, dan karyawan. Oleh karena itu, mengetahui lebih dini mengenai financial distress yang dialami oleh perusahaan akan memudahkan para pengambil keputusan untuk melakukan restrukturisasi keuangan perusahaan agar tidak menjadi bangkrupt. Manajemen perusahaan sangat berperan penting dalam mengelola dana dengan lingkungan usaha perusahaan, kondisi keuangan perusahaan merupakan cermin baik-buruknya manajemen suatu perusahaan. 2 Ketidakmampuan perusahaan dalam mengantisipasi perkembangan global dengan memperkuat fundamental manajemen akan mengakibatkan pengecilan volume usaha yang pada akhirnya mengakibatkan kebangkrutan perusahaan. Dalam mengantisipasi kebangkrutan, banyak perusahaan mencoba mencari solusi dengan mencari pinjaman atau penggabungan usaha (merger), bahkan ada pula yang menutup usahanya. Alasan utama perusahaan menutup usahanya yaitu dikarenakan pendapatan bersih yang diterima oleh perusahaan lebih kecil dari biaya yang dikeluarkan oleh perusahaan dalam waktu tertentu dan juga perusahaan tersebut tidak mampu membayar kewajiban-kewajiban jangka pendeknya pada saat jatuh tempo dikarenakan perusahaan tidak memperoleh laba dari kegiatan operasinya. Almilia (2004) dalam Agung (2009) menuturkan kondisi ekonomi sekarang membuat para investor dan kreditur merasa khawatir jika perusahaan mengalami kesulitan finansial (financial distress) yang bisa mengarah pada kebangkrutan. Bagi investor, kebangkrutan akan mempunyai konsekuensi berkurangnya keseluruhan. Sedangkan investasi bagi atau kreditur, bahkan pernyataan hilangnya bangkrut secara akan mengakibatkan kerugian sebagai akibat dari hilangnya tagihan. Foster (1986) dalam Yulia (2005) menyatakan ada empat hal yang mendorong analisis laporangan keuangan dengan menggunakan rasio keuangan yaitu yang pertama untuk mengendalikan pengaruh perbedaan besaran antar perusahaan atau antar waktu, kedua untuk membuat data 3 menjadi lebih memenuhi asumsi alat statistik yang digunakan, ketiga untuk mengidentifikasi teori yang terkait dengan rasio keuangan, keempat untuk mengkaji hubungan empirik antara rasio keuangan dan estimasi atau prediksi variabel tertentu (seperti kebangkrutan atau financial distress) Platt dan Platt (1991), dalam Agung Wicaksana (2010) mendefinisikan financial distress sebagai tahap penurunan kondisi keuangan yang terjadi sebelum terjadinya kebangkrutan ataupun likuidasi. Platt dan Platt (1991) dalam Agung Wicaksana (2010) menyatakan kegunaan informasi jika suatu perusahaan mengalami financial distress adalah : 1. Dapat mempercepat tindakan manajemen untuk mencegah masalah sebelum terjadinya kebangkrutan 2. Pihak manajemen dapat mengambil tindakan merger atau takeover agar perusahaan lebih mampu untuk membayar utang dan mengelola perusahaan dengan baik. 3. Memberikan tanda peringatan awal adanya kebangkrutan pada masa yang akan datang. Penelitian yang dilakukan oleh Hofer (1980) dan Whitaker (1999) dalam Luciana (2004) mendefinisikan financial distress sebagai suatu kondisi perusahaan mengalami laba bersih (net income) negatif selama beberapa tahun. Sedangkan penelitian yang dilakukan oleh Luciana (2004) mendefinisikan kondisi financial distress sebagai suatu kondisi dimana perusahaan mengalami delisted akibat laba bersih dan nilai buku ekuitas negatif berturut-turut serta perusahaan tersebut telah dimerger. 4 Asquith (1994) dalam Luciana (2004) menggunakan interest coverage rasio yaitu perbandingan laba sebelum bunga dan pajak atau mengukur berapa kali pendapatan sebelum bunga dan pajak dapat menetup bunga untuk mendefinisikan kondisi financial distress. Sedangkan dalam penelitian Luciana Spica Almilia (2006) kondisi financial distress di proxy-kan dengan laba bersih negatif dan nilai buku ekuitas negatif. Dalam penelitian yang terdahulu, untuk melakukan pengujian apakah suatu perusahaan mengalami financial distress atau tidak dapat dilakukan berbagai cara, seperti jika beberapa tahun perusahaan mengalami laba bersih operasi (net operating income) negatif, digunakan oleh Hofer (1980) dan Whitaker (1999), adanya pemberhentian tenaga kerja atau menghilangkan pembayaran deviden, digunakan oleh Lau (1987) dan Hill, et al. (1996), arus kas hasil operasi perusahaan tidak cukup untuk memenuhi kewajiban perusahaan, digunakan oleh Karen Wruck (1990), rendahnya interest coverage ratio, EBITDA negative, digunakan oleh Asquith, et al (1991) dan Pinando, et a. (2006), perubahan harga ekuitas atau EBIT negative, digunakan oleh John, et al (1992) dalam Platt (2004), Stock-base insolvency yaitu kekayaan bersih negative dan nilai asset kurang dari nilai hutang dan flowbase insolvency yaitu arus kas yang berjalan tidak cukup untuk memenuhi kewajiban, digunakan oleh Altman (1993), adanya arus kas yang lebih kecil dari hutang jangka panjang saat ini digunakan oleh Whitaker (1999), perusahaan diberhentikan operasinya atas wewenag pemerintah dan perusahaan tersebut dipersyaratkan untuk melakukan perencanaan 5 restrukturasi, digunakan oleh Tirapat dan Nittayagasetwat (1999), negative EBITDA interest voverage, Negatif EBIT, negative net income digunakan oleh Platt (2004), beberapa tahun mengalami laba bersih operasi (net operating income negative) dan selama lebih dari satu tahun tidak memberikan deviden, digunakan oleh Almilia dan Kristijadi (2003), perusahaan mengalami delisted akibat laba bersih dan nilai buku ekuitas negative berturut-turut, serta perusahaan tersebut telah demerger, digunakan oleh Almilia (2004), perusahaan selama dua tahun berturut-turut mengalami laba bersih (net income) negative dan nilai buku ekuitas negative, digunakan oleh Almilia (2006). Objek penelitian ini adalah perusahaan yang tercatat (listed) di Bursa Efek Indonesia, adapun penulis memilih objek ini yaitu satu, untuk menganalisis pengaruh krisis global terhadap perusahaan yang ada di Indonesia. Dua, adanya peraturan yang mengharuskan perusahaan- perusahaan tersebut untuk memberikan informasi yang jelas di bandingkan dengan perusahan yang tidak terdaftar di Bursa Efek Indonesia, serta perusahan tersebut melaporkan laporan keuangannya kepada BAPEPAM dan di publikasikan. Berdasarkan latar belakang dan uraian diatas, maka penulis mengangkat judul “ ANALISIS RASIO KEUANGAN DALAM MEMPREDIKSI KONDISI FINANCIAL DISTRESS PERUSAHAAN (Studi kasus pada perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010)”. 6 B. PERUMUSAN MASALAH Dari uraian diatas, maka penulis memunculkan permasalahan sebagai berikut : 1. Apakah variabel rasio keuangan berbeda secara signifikan berdasarkan kondisi perusahaan yang terdaftar di Bursa Efek Indonesia periode 20072010? Kondisi perusahaan yang dimaksud adalah : pertama, perusahaan yang tidak mengalami kondisi financial distress, yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dan arus kas yang lebih besar dari hutang jangka panjang dua tahun berturut-turut. Kedua, perusahaan dalam kondisi financial distress yang pertama, yaitu perusahaan yang memiliki laba bersih sebelum pajak negatif dua tahun berturut-turut. Dan ketiga, perusahaan dalam kondisi financial distress kedua, yaitu perusahaan yang memiliki laba bersih sebelum pajak negatif dan arus kas yang lebih kecil dari hutang jangka panjang dua tahun berturut-turut. 2. Apakah rasio keuangan yang berasal dari laporan neraca, laba rugi dan arus kas dapat digunakan untuk memprediksi probabilitas kondisi financial distress perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010? 7 C. TUJUAN PENELITIAN Penelitian ini bertujuan untuk : 1. Memberikan bukti empiris, variabel rasio keuangan berbeda secara signifikan terhadap kondisi perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010? 2. Memberikan bukti empiris, rasio keuangan yang berasal dari laporan neraca, laba rugi dan arus kas dapat digunakan untuk memprediksi probabilitas kondisi financial distress perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010? D. MANFAAT PENELITIAN Adapun manfaat yang diharapakan dari penelitian ini adalah sebagai berikut : 1. Bagi perusahaan, hasil penelitian ini diharapkan dapat berguna agar perusahaan dapat dengan cepat mencarikan solusi ketika perusahaan dikategorikan mengalami kondisi financial distress, sehingga perusahaan-perusahaan tersebut dapat terhindar dari kondisi yang lebih buruk yaitu mengalami kebangkrutan. 2. Bagi pihak eksternal, memberikan pemahaman tentang kondisi financial distress suatu perusahaan untuk membantu pihak eksternal seperti investor dan kreditur dalam pengambilan keputusan. 8 3. Hasil penelitian ini diharapkan dapat digunakan sebagai bahan masukan dan kontribusi bagi pengembangan ilmu pengetahuan mengenai kondisi financial distress suatu perusahaan serta dapat dijadikan referensi untuk penelitian selanjutnya. 9 BAB II TINJAUAN PUSTAKA A. LANDASAN TEORI 1. Laporan Keuangan Laporan keuangan adalah pencatatan data keuangan suatu perusahaan yang menggambarkan kinerja perusahaan tersebut dan dibuat secara periodik. Dalam pratiknya laporan keuangan oleh perusahaan tidak dibuat secara asalasalan, tetapi harus dibuat dan disusun sesuai dengan aturan atau standar yang berlaku. Hal ini perlu dilakukan agar laporan keuangan mudah dibaca dan dimengerti. Laporan keuangan yang disajikan perusahaan sangat penting bagi manajemen dan pemilik perusahaan. Disamping itu, banyak pihak yang yang memerlukan dan berkepentingan terhadap laporan keuangan yang dibuat oleh perusahaan, seperti pemerintah, kreditor, investor, maupun para supplier. Ada beberapa pengertian laporan keuangan dari para ahli diantaranya sebagai berikut : Menurut Kieso, Weygandt, dan Warfield (2002 : 3) laporan keuangan merupakan sarana pengkomunikasian informasi keuangan utama kepada pihak-pihak diluar korporasi. laporan keuangan (financial statement) yang sering disajikan adalah neraca, laporan laba rugi, laporan arus kas, laporan ekuitas pemilik atau pemegang saham dan catatan atas laporan keuangan atau pengungkapan juga merupakan bagian integral dari setiap laporan keuangan. 10 Menurut Harahap (2007 : 105) laporan keuangan menggambarkan kondisi keuangan dan hasil usaha suatu perusahaan pada saat tertentu atau jangka waktu tertentu. Laporan keuangan yang akan menjadi bahan sarana informasi (screen) bagi analis dalam proses pengambilan keputusan. Laporan keuangan dapat menggambarkan posisi keuangan perusahaan, hasil usaha perusahaan dalam suatu periode, dan arus dana (kas) perusahaan dalam periode tertentu. Dari laporan keuangan, akan tergambar kondisi keuangan suatu perusahaan yang dapat memudahkan manajemen dalam menilai kinerja manajemen perusahaan khususnya dalam menagantisipasi sinyal financial distress. Penilaian kinerja akan menjadi patokan atau ukuran apakah manajemen mampu atau berhasil dalam menjalankan kebijakan yang telah digariskan. 2. Tujuan Laporan Keuangan Laporan keuangan yang disusun tentu memiliki tujuan tertentu. Dalam praktiknya terdapat beberapa tujuan yang hendak dicapai, terutama bagi pemilik usaha dan manajemen perusahaan. Disamping itu, tujuan laporan keuangan disusun guna memenuhi kepentingan berbagai piahak yang berkepentingan terhadap perusahaan. Menurut Harahap (2007 : 1) laporan keuangan merupakan salah satu alat penting bagi analis laporan keuangan dalam menjalankan dan melaksanakan fungsinya. 11 Sedangkan menurut Harahap (2007 : 18) tujuan laporan keuangan adalah sebagai berikut : a. Screening Dilakukan untuk mengetahui situasi dan kondisi laporan keuangan tanpa pergi langsung ke lapangan. b. Understanding Memahami perusahaan, kondisi keuangan, dan hasil usahanya c. Forcasting Analisis digunakan untuk meramalkan kondisi keuangan perusahaan di masa yang akan datang. d. Diagnosis Analisis dimaksudkan untuk melihat kemungkinan adanya masalahmasalah yang terjadi dalam manajemen, operasi, keuangan atau masalah lain dalam perusahaan. e. Evaluation Untuk menilai prestasi manajemen dalam mengelola perusahaan. Menurut Mamduh & Abdul Halim (2009) tujuan-tujuan keuangan semuanya bersifat umum, berkaitan dengan pemakai ekstrenal yang bermacam-macam jenisnya bukan pemakai internal yang spesifik seperti manajemen. Gambar dibawah mengilustrasikan tujuan laporan keuangan dimulai dari yang paling umum, kemudian bergerak ke tujuan yang lebih spesifik. 12 Gambar 2.1 TUJUAN PELAPORAN KEUANGAN Memberikan informasi yang bermanfaat bagi investor, kreditur, dan pemakai lainnya, sekarang atau masa yang akan dating (potensial) untuk membuat keputusan lainnya yang serupa yang rasional Diturunkan Tujuan Pemakai Eksternal Memberikan informasi yang bermanfaat bagi investor, kreditur, dan pemakai lainnya, sekarang atau masa yang akan dating (potensial) untuk memperkirakan jumlah, waktu (timing) dan ketidak pastian dari penerimaan kas dan deviden atau bunga dan dari penjualan, pelunasan surat-surat berharga atau hutang pinjaman Diturunkan Tujuan Perusahaan (lembaga) Memberikan informasi untuk menolong investor, kreditur dan pemakai lainnya untuk memperkirakan jumlah, waktu (timing) dan ketidakpastian aliran kas masuk bersih ke perusahaan (lembaga) Tujuan Spesifik Memberi informasi sumber daya ekonomi, kewajiban dan modal saham Memberi informasi pendapatan yang komprehensif Memberi informasi aliran kas Sumber : Mamduh & Abdul Halim (2009) 3. Komponen Laporan Keuangan Menurut Kieso, Weygandt, dan Warfield (2002 : 3) Laporan keuangan yang lengkap ada 4 macam yang terdiri dari komponen-komponen berikut ini : 13 1. Neraca 2. Laporan laba rugi 3. Laporan perubahan modal 4. Laporan arus kas Didalam penelitian ini, laporan keuangan yang digunakan hanya tiga macam yaitu laporan neraca, laporan laba rugi dan laporan arus kas karena yang menunjukkan posisi keuangan perusahaan yang sebenarnya merupakan ketiga laporan tersebut atau laporan pokok (Mamduh & Abdul Halim, 2009 : 49). a. Neraca Perusahaan perlu mendapatkan kas untuk memperoleh banyak asset yang digunakan dalam suatu bisnis. Dalam proses mendapatkan kas itu, mereka juga menaggung kewajiban pada pihak yang memberikan dana. Menurut Weygantdt, Kimmel & Kieso (2008 : 32) Neraca adalah bentuk pelaporan mengenai asset, liabilitas, dan modal pemilik pada waktu tertentu atau ringkasan posisi keuangan perusahaan pada tanggal tertentu yang menunjukkan total aktiva dengan total kewajiban ditambah total ekuitas pemilik. Menurut Brealey, Myers, dan Marcus (2007 : 56) Neraca menampilkan potret asset (aktiva) dan kewajiban perusahaan pada waktu tertentu. Asset terdiri dari asset lancar yang bisa dengan cepat dicairkan menjadi kas dan asset tetap seperti pabrik dan mesin. Sedangkan kewajiban meliputi kewajiban lancar yang wajib dilunasi 14 dalam waktu satu tahun dan hutang jangka panjang. Selisih antara aset dan kewajiban menampilkan jumlah ekuitas pemegang saham. Menurut Harahap (2007 : 107) laporan neraca menggambarkan posisi aktiva, kewajiban, dan modal pada saat tertentu. Laporan ini bisa disusun setiap saat dan merupakan opname situasi posisi keuangan pada saat itu. Sehingga dapat disimpulkan dari pengertian diatas bahwa neraca merupakan keadaan keuangan pada tanggal tertentu sehingga disajikan sedemikian rupa yang menggambarkan posisi keuangan suatu perusahaan dan biasanya pada saat tutup buku. Mamduh & Abdul Halim (2009) komponen neraca dapat diklasifikasikan sebagai berikut : Tabel 2.1 Aktiva = Kewajiban 1. Aktiva lancar : 1. Utang lancar : Kas Utang dagang Rekening pada bank Utang wesel (rekening giro dan Utang bank rekening tabungan) Deposito berjangka (time Utang pajak deposit) Biaya yang mesti Surat-surat berharga (efekharus dibayar efek) Piutang Utang sewa guna Pinjaman yang diberikan usaha Sediaan Utang deviden Biaya yang dibayar di muka Utang gaji Pendapatan yang masih Utang lancar harus diterima lainnya Aktiva lancar lainnya + Modal 1. Modal saham disetor : Saham nominal Agio atau Capital Surplus Laba yang ditahan Modal lainnya 15 2. Aktiva tetap : a) Aktiva tetap berwujud : Tanah Mesin Bangunan Peralatan Kendaraan Akumulasi penyusutan Aktiva tetap lainnya b) Aktiva tetap tidak berwujud : Goodwill Hak cipta Lisensi Merek dagang 3. Aktiva lainnya : Gedung dalam proses Tanah dalam penyelesaian Piutang jangka panjang Uang jaminan Uang muka investasi Dan lainnya b. 2. Utang jangka panjang : Utang hipotek Utang obligasi Utang bank jangka panjang Utang jangka panjang lainnya Laporan Laba Rugi Laporan laba rugi merupakan laporan prestasi perusahaan selama jangka waktu tertentu (Hanafi & Abdul Halim, 2009 : 15). Berbeda dengan neraca yang merupakan snapsot, laporan laba rugi juga mencakup suatu periode tertentu. Laporan laba rugi juga berisi jumlah pendapatan yang diperoleh dan jumlah biaya yang dikeluarkan. Menurut Brealey, Myers dan Marcus (2007 : 61) laporan laba rugi merupakan laporan keuangan yang memperlihatkan pendapatan, beban, dan laba bersih perusahaan selama periode tertentu. Menurut 16 Brigham dan Houston (2009 : 50) laporan laba rugi ialah laporan yang mengikhtisarkan pendapatan dan pengeluaran perusahaan selama satu periode akuntansi, yang biasanya setiap satu kuartal atau satu tahun. Dari pengertian diatas laporan laba rugi merupakan laporan yang sistematis mengenai penghasilan/pendapatan, biaya, beban, dan rugi laba yang diperoleh perusahaan pada periode tertentu. Tujuan pokok dari laporan laba rugi adalah melaporkan kemampuan perusahaan yang sebenarnya (rill) untuk memperoleh keuntungan. Untuk itu laporan itu harus sedemikian rupa agar tidak menyesatkan (misleading). Isilaporan laba-rugi biasanya mencakup elemen-elemen berikut (Mamduh & Abdul Halim, 2009 : 56) : 1) Pendapatan Operasional Perusahaan (a) Penjualan (bersih) (b) Harga Pokok Penjualan (c) Biaya Operasional (d) Pendapatan dan Biaya Lainnya (e) Biaya Pajak yang berkaitan dengan Operasi Perusahaan 2) Hasil dari Operasi yang Dihentikan (a) Pendapatan (rugi) dari operasi perusahaan yang dihentikan (bersih pajak) 17 (b) Untung (rugi) yang berkaitan dengan pelunasan lini bisnis yang dihentikan (bersih pajak) 3) Item-item luar biasa (bersih pajak pendapatan) 4) Efek kumulatif perubahan prinsip akuntansi (bersih pajak pendapatan) 5) Laba bersih 6) Laba perlembar saham (Earning per Share) c. Laporan Arus Kas Laporan arus kas ialah laporan yang menyajikan informasi aliran kas masuk atau keluar bersih pada suatu periode, hasil dari tiga kegiatan pokok perusahaan yaitu operasi, investasi, dan pendanaan (Hanafi & Abdul Halim, 2009 : 19). Aliran kas diperlukan terutama untuk mengetahui kemampuan perusahaan yang sebenarnya dalam memenuhi kewajiban-kewajibannya. Menurut Brigham & Houston (2009 : 59) laporan arus kas adalah laporan yang melaporkan dampak dari aktivitas-aktivitas operasi, investasi, dan pendanaan oleh perusahaan pada arus kas selama satu periode akuntansi. Laporan aliran kas bertujuan untuk melihat efek kas dari kegiatan operasi, investasi, dan pendanaan. Aktivitas operasi meliputi semua transaksi dan kejadian lain yang buka merupakan kegiatan investasi atau pendanaan. Ini termasuk transaksi yang 18 melibatkan produksi, penjualan, penyerahan barang, atau penyerahan jasa. Aktivitas investasi meliputi pemberian kredit, pembelian atau penjualan investasi jangka panjang seperti pabrik dan peralatan. Aktivitas pendanaan meliputi transaksi untuk memperoleh dana dari distribusi return ke pemberi dana dan pelunasan hutang. Aliran kas untuk investasi yang sering dapat diklasifikasikan (Hanafi & Abdul Halim, 2009 : 59) sebagai berikut : 1) Penerimaan kas dari penjualan investasi pada saham atau obligasi 2) Penerimaan kas dari penjualan bangunan, pabrik, dan peralatan 3) Pembayaran untuk investasi pada surat berharga (saham atau obligasi) 4) Pembayaran untuk pembelian bangunan, pabrik atau peralatan Aktivitas pendanaan yang sering dimasukan kedalam kegiatan pendanaan sering diklasifikasikan sebagai berikut : 1) Penerimaan dari emisi surat berharga (obligasi, saham) 2) Pembayaran dividen 3) Pelunasan hutang atau obligasi 4) Pembayaran untuk membeli saham kembali Aktivitas operasi yang sering dimasukan dalam operasi adalah : 1) Aliran kas masuk operasi (a) Pengumpulan dari pelanggan (b) Bunga atau dividen yang dikumpulkan 19 2) Aliran kas keluar operasi (a) Pembayaran ke pemasok (supplier) atau karyawan (b) Pembayaran bunga (c) Pembayaran pajak pendapatan 4. Analisa Laporan Keuangan Analisis terhadap laporan keuangan suatu perusahaan pada dasarnya karena ingin mengetahui tingkat profitabilitas (keuantungan) dan tingkat risiko atau tingkat kesehatan suatu perusahaan (Hanafi & Abdul Halim, 2009 : 19). Hasil analisis laporan keuangan akan memberikan informasi tentang kelemahan dan kekuatan yang dimiliki perusahaan. Dengan mengetahui kelemahan ini, manajemen akan dapat memperbaiki atau menutupi kelemahan tersebut. Kemudian, kekuatan yang dimiliki perusahaan harus dipertahankan atau bahkan ditingkatkan. Kekuatan ini dapat dijadikan modal selanjutnya kedepan. Dengan adanya kelemahan dan kekuatan yang dimiliki, akan tergambar kinerja manajemen selama ini. Harahap (2007 : 190) mendefinisikan analisa laporan keuangan adalah sebagai berikut : “Menguraikan pos-pos laporan keuangan menjadi unit informasi yang lebih kecil dan melihat hubungannya yang bersifat signifikan atau yang mempunyai makna antara satu dengan yang lain baik antara data kuantitatif maupun data non-kuantitatif dengan tujuan untuk mengetahui kondisi keuangan lebih dalam yang sangat penting dalam proses menghasilkan keputusan yang tepat” Tujuan dan manfaat analisis laporan keuangan menurut Kasmir (2008 : 68) antara lain : 20 a. Untuk mengetahui posisi keuangan perusahaan dalam satu periode tertentu, baik harta, kewajiban, modal,maupun hasil usaha yang telah dicapai untuk beberapa periode. b. Untuk mengetahui kelemahan-kelemahan apa saja yang menjadi kekurangan perusahaan. c. Untuk mengetahui kekuatan-kekuatan yang dimiliki. d. Untuk mengetahui langkah-langkah perbaikan apa saja yang perlu dilakukan ke depan yang berkaitan dengan posisi keuangan saat ini. e. Untuk melakukan penilaian kinerja manajemen ke depan apakah perlu penyegaran atau tidak karena sudah dianggap berhasil atau gagal. f. Dapat juga digunakan sebagai pembanding dengan perusahaan sejenis tentang hasil yang mereka capai. Berikut akan dibahas lebih lanjut mengenai rasio keuangan, karena penelitian ini akan menggunakan analisis rasio dalam menganalisis laporan keuangan perusahaan guna memprediksi kondisi keuangan yang mengalami kondisi financial distress atau yang kurang sehat. Menurut Weygant, Kimmel & Kieso (2010 : 799) rasio keuangan menyatakan hubungan antara item data laporan keuangan yang terpilih. Sebuah rasio mengekspresikan hubungan matematik antara satu bagian dengan bagian lain, biasanya berbentuk persentase . Dari hasil rasio keuanagn ini akan terlihat kondisi kesehatan perusahaan yang bersangkutan. 21 Menurut Harahap (2007 : 297) rasio keuangan adalah angka yang diperoleh dari hasil perbandingan dari satu pos laporan keuangan dengan pos lainnya yang mempunyai hubungan yang relevan dan signifikan (berarti). Jadi rasio keuangan merupakan kegiatan membandingkan angka-angka yang ada dalam laporan keuangan dengan cara membagi satu angka dengan angka lainnya. Perbandingan dapat dilakukan antara satu komponen dengan komponen dalam satu laporan keuangan atau antar komponen yang ada diantara laporan keuanagn. Kemudian angka yang diperbandingkan dapat berupa angka-angka dalam satu periode maupun beberapa periode. Hasil rasio keuangan ini digunakan untuk menilai kinerja manajemen dalam suatu periode apakah mencapai target seperti yang telah ditetapkan. Kemudian juga dapat dinilai kemampuan manajemen dalam memperdayakan sumber daya perusahaan secara efektif. Hanafi & Abdul Halim (2009 : 76) mengkatagorikan analisis rasio kedalam lima kelompok : a. Rasio Likuiditas, mengukur kemampuan likuiditas jangka pendek perusahaan dengan melihat aktiva lancar perusahaan relative terhadap hutang lancarnya (hutang dalam hal ini merupakan kewajiban perusahaan). Rasio likuiditas terbagai menjadi dua bagian : 1) Rasio lancar, merupakan perbandingan antara aktiva lancar dengan hutang lancar. 22 2) Rasio cepat (quick), dihitung dengan mengurangkan persediaan dari aktiva lancar, kemudian membagi sisanya dengan hutang lancar. b. Rasio Aktivitas, rasio ini melihat pada beberapa asset kemudian menentukan beberapa tingkat aktivitas aktiva-aktiva tersebut pada tingkat kegiatan tertentu. Rasio ini juga mengukur seberapa efektif perusahaan menggunakan sumber-sumber daya perusahaan. Rasio aktivitas meliputi : perputaran piutang, perputaran persediaan, perputaran aktiva tetap dan perputaran total aktiva. c. Rasio solvabilitas, rasio ini mengukur kemampuan perusahaan memenuhi kewajiban-kewajiban jangka panjangnya. Perusahaan yang tidak solvable adalah perusahaan yang total hutangnya lebih besar dibandingkan total asetnya. Rasio solvabilitas terdiri dari : 1) Total debt to total asset, mengukur presentasi penggunaan dana dari kreditur yang dihitung dengan cara membagi total hutang dengan total aktiva. 2) Debt equity ratio, perbandingan antara total hutang dengan modal. 3) Time interest earned, dihitung dengan membagi laba sebelum bunga dan pajak (EBIT) dengan beban bunga. Rasio ini mengukur seberapa jauh laba bisa berkurang tanpa menyulitkan perusahaan dalam memenuhi kewajiban membayar bunga tahunan. 23 d. Rasio Profitabilitas, rasio ini mengukur kemampuan perusahaan menghasilkan keuntungan (profitabilitas) pada tingkat penjualan, asset, dan modal saham yang tertentu atau digunakan untuk mengukur seberapa efektif pengelolaan perusahaan sehingga menghasilkan keuntungan. Rasio profitabilitas terdiri dari : 1) Profit margin on sale, dihitung dengan cara membagi laba setelah pajak dengan penjualan. 2) Return on total asset, perbandingan antara laba setelah pajak dengan total aktiva guna mengukur tinggkat pengembalian 3) Return on net worth, perbandingan antara laba setelah pajak dengan modal sendiri guna mengukur tingkat keuntungan investasi pemilik modal sendiri. e. Rasio Pasar, rasio yang mengukur harga pasar relative terhadap nilai buku. Sudut pandang rasio ini lebih banyak berdasarkan sudut pandang investor atau mengukur kemampuan perusahaan dalam menciptakan nilai terutama pada pemegang saham dan calon investor. Rasio pasar terdiri dari : 1) Price earning ratio, rasio antara harga pasar saham dengan laba per lembar saham. Jika rasio ini lebih rendah dari rasio industry sejenis, bisa menjadi indikasi bahwa investasi pada saham perusahaan ini lebih berisiko daripada rata-rata industry. 2) Dividend yield, rasio antara dividen per lembar yang diberikan perusahaan dengan harga pasar saham per lembar. 24 3) Dividend payout ratio, rasio ini melihat bagian earning (pendapatan) yang dibayarkan sebagai deviden kepada investor Rasio arus kas cukup menjadi hal yang diperhatikan dalam pengukuran kesehatan, kesulitan dan kebangkrutan suatu usaha. Hal ini wajar karena perusahaan memerlukan kas untuk membeli pabrik dan mesin baru atau ketika membayar hutang dan dividen pada pemegang saham. Frank fabozzi dan Pamela Peterson (2003 : 812) mengelompokkan rasio arus kas menjadi dua : a. Cash flow to Capital Expenditure, rasio ini memberikan analisis mengenai fleksibilitas keuangan perusahaan dan kegunaannya. Semakin besar rasio ini maka semakin besar fleksibilitas keuangan perusahaan tersebut. b. Cash Flow to Debt, rasio ini mengukur kemampuan perusahaan dalam menghadapi hutang obligasi yang jatuh tempo. Rasio ini menyediakan informasi terhadap kualitas kredit perusahaan. Sedangkan Wild, Larsson, dan Chiappetta (2005 : 510) mengkategorikan rasio arus kas yaitu : a. Cash Flow to Total Asset, rasio ini merekfleksikan actual cash flow dan tidak dipengaruhi oleh akun pengukuran dan pengakuan pendapatan. Rasio ini dapat membantu dalam pengambilan keputusan bisnis untuk mengestimasi jumlah dan waktu aliran kas pada saat merencanakan dan menganalisis arus kas dari aktivitas operasi. 25 b. Cash Coverage of Growth, rasio ini menunjukkan perbandingan antara arus kas dari aktivitas operasi dengan aliran kas keluar untuk investasi pada asset. Jika rasio ini kurang dari satu berdampak ketidakcukupan kas dalam menutup pertumbuhan asset. Begitupun sebaliknya, semakin tinggi rasio ini semakin baik. c. Operating Cash Flow to Sales, rasio ini menunjukkan perbandingan antara arus kas dari aktivitas operasi terhadap penjualan bersih perusahaan. 5. Financial Distress Financial distress pada dasarnya sukar untuk didefinisikan secara tepat dikarenakan banyak kejadian kejatuhan perusahaan pada saat financial distress. Peristiwa kejatuhan perusahaan yang disebabkan financial distress hampir tidak ada akhirnya, misalnya saja terjadinya pengurangan deviden, penutupan perusahaan, kerugian perusahaan, pemecatan, dan jatuhnya harga saham. Financial distress merupakan kondisi dimana keuangan perusahaan dalam keadaan tidak sehat atau krisis. Financial distress terjadi sebelum kebangkrutan. Kebangkrutan sendiri biasanya diartikan sebagai suatu keadaan atau situasi dimana perusahaan gagal atau tidak mampu lagi memenuhi kewajiban – kewajiban debitur karena perusahaan mengalami kekurangan dan ketidakcukupan dana untuk menjalankan atau melanjutkan usahanya sehingga tujuan ekonomi yang ingin dicapai oleh perusahaan dapat dicapai yaitu profit, sebab dengan laba yang diperoleh perusahaan bisa digunakan untuk 26 mengembalikan pinjaman, bisa membiayai operasi perusahaan dan kewajiban – kewajiban yang harus dipenuhi bisa ditutup dengan laba atau aktiva yang dimiliki. Model financial distress perlu untuk dikembangkan, karena dengan mengetahui kondisi financial distress perusahaan sejak dini diharapkan dapat dilakukan tindakan – tindakan untuk mengantispasi yang mengarah kepada kebangkrutan. Definisi financial distress dalam Ahmad Rodoni dan Herni Ali (2010 : 171-172) sebagai berikut : a. Jika beberapa tahun perusahaan mengalami aba bersih operasi (net operating income) negatif, digunakan oleh Hofer (1980) dan Whitaker (1999). b. Adanya pemberhentian tenaga kerja atau menghilangkan pembayaran deviden, digunakan oleh Lau (1987) dan Hill, et al. (1996) c. Arus kas hasil operasi perusahaan tidak cukup untuk memenuhi kewajiban perusahaan, digunakan oleh Karen Wruck (1990). d. Rendahnya interest coverage ratio, EBITDA negative, digunakan oleh Asquith, et al (1991) dan Pinando, et a. (2006) e. Perubahan harga ekuitas atau EBIT negative, digunakan oleh John, et al (1992) dalam Platt (2004). f. Stock-base insolvency yaitu kekayaan bersih negative dan nilai asset kurang dari nilai hutang dan flow-base insolvency yaitu arus kas 27 yang berjalan tidak cukup untuk memenuhi kewajiban, digunakan oleh Altman (1993). g. Adanya arus kas yang lebih kecil dari hutang jangka panjang saat ini digunakan oleh Whitaker (1999) h. Perusahaa diberhentikan operasinya atas wewenag pemerintah dan perusahaan tersebut dipersyaratkan untuk melakukan perencanaan restrukturasi, digunakan oleh Tirapat dan Nittayagasetwat (1999). i. Negative EBITDA interest voverage, Negatif EBIT, negative net income digunakan oleh Platt (2004) j. Beberapa tahun mengalami laba bersih operasi (net operating income negative) dan selama lebih dari satu tahun tidak memberikan deviden, digunakan oleh Almilia dan Kristijadi (2003) k. Perusahaan mengalami delisted akibat laba bersih dan nilai buku ekuitas negative berturut-turut, serta perusahaan tersebut telah demerger, digunakan oleh Almilia (2004) l. Persahaan selama dua tahun berturut-turut mengalami laba bersih (net income) negative dan nilai buku ekuitas negative, digunakan oleh Almilia (2006). Informasi kebangkrutan dan prediksi financial distress perusahaan ini menjadi perhatian banyak pihak. Menurut Hanafi & Abdul Halim (2009 : 261) pihak-pihak yang yang menggunakan model tersebut meliputi : a. Pemberi Pinjaman. Informasi kebangkrutan bisa bermanfaat untuk mengambil keputusan siapa yang akan diberi pinjaman, dan 28 kemudian bermanfaat untuk kebijakan memonitor pinjaman yang ada. b. Investor. Saham atau obligasi yang dikeluarkan oleh suatu perusahaan tentunya akan sangat berkepentingan melihat adanya kemungkinan bangkrut (distress) atau tidaknya perusahaan yang menjual surat berharganya tersebut. Investor yang aktif akan mengembangkan model prediksi financial distress untuk melihat tanda-tanda kebangkrutan seawal mungkin dan kemudian mengantisipasi kemungkinan tersebut. c. Pihak Pemerintah.Untuk beberapa sector usaha, pemerintah mempunyai tanggung jawab untuk mengawasi jalannya usaha tersebut (misalnya sector perbankan dan BUMN). Pemerintah mempunyai kepentingan untuk melihat tanda-tanda kebangkrutan lebih awal supaya tindakan pencegahan dapat dilakukan. d. Akuntan atau auditor. Akuntan mempunyai kepentingan terhadap informasi kelangsungan suatu usaha karena akuntan akan menilai kemampuan going concern suatu perusahaan. e. Manajemen. Apabila perusahaan mengalami kebangkrutan maka perusahaan akan menanggung biaya langsung (fee akuntan dan pengacara) dan biaya tidak langsung (kerugian penjualan atau kerugian paksaan akibat ketetapan pengadilan). Sehingga dengan adanya model prediksi financial distress diharapkan perusahaan 29 dapat menghindari kebangkrutan dan otomatis juga dapat menghindari biaya langsung dan tidak langsung dari kebangkrutan. Menurut Foster dalam (1986) dalam Almilia (2006) terdapat beberapa indikator atau sumber informasi mengenai kemungkinan dari kesulitan keuangan: a. Analisis arus kas untuk periode sekarang dan yang akan datang. b. Analisis strategi perusahaan yang mempertimbangkan pesaing potensial, struktur biaya relatif, perluasan rencana dalam industri, kemampuan perusahaan untuk meneruskan kenaikan biaya, kualitas manajemen dan lain sebagainya. c. Analisis laporan keuangan dari perusahaan serta perbandingannya dengan perusahaan lain. Analisis ini dapat berfokus pada suatu variabel keuangan tunggal atau suatu kombinasi dari variabel keuangan. d. Variabel eksternal seperti return sekuritas dan penilaian obligasi. Financial Distress dapat diatasi dengan berbagai cara (Rodoni & Ali, 2009 : 196), diantaranya yaitu : a. Berhubungan dengan aset perusahaan yaitu dengan menjual aset-aset utama, melakukan merger dengan perusahaan lain, menurunkan pengeluaran dan biaya penelitian dan pengembangan. b. Berhubungan dengan restrukturisasi keuangan yaitu dengan menerbitkan sekuritas baru, mengadakan negosiasi dengan bank dan kreditor, dan bankrut. Financial distress dapat melibatkan restrukturisasi aset ataupun restrukturisasi keuangan. 30 B. PENELITIAN TERDAHULU Penelitian yang berhubungan dengan financial distress telah dilakukan beberapa peneliti sebelumnya sehingga hasil penelitian mereka dapat dijadikan landasan untuk penelitian ini. Beberapa penelitian terdahulu yang menguji tentang rasio keuangan terhadap financial distress antara lain sebagai berikut: Penelitian terdahulu yang dilakukan oleh Altman (1986) dalam Almalia dan Kristidjadi (2003) yang meneneliti pemanfaatan analisis rasio keuangan sebagai alat untuk memprediksi kebangkrutan perusahaan dengan menggunakan analisis diskriminan. Altman menggunakan sampel perusahaan manufaktur yang bangkrut antara tahun 1946-1965. Dari sampel yang dipilih, Altman memperoleh 33 perusahaan, dengan menggunakan 22 rasio keuangan yang kemudian dikelompokkan menjadi 5 golongan standar. Hasil penelitiannya menghasilkan rasio keuangan yang dapat memprediksi kebangkrutan perusahaan dengan fungsi diskriminan sebagai berikut : indeks kebangkrutan = 0,12 Working Capital/Total Asset + 0,14 Retained Earning/Total Asset + 0,33 Earning Before Interest and Tax/Total Asset + 0,006 Market Value Equity/Book Value Debt + 0,999 Sales/Total Asset. Penelitian lain yang dilakukan oleh Luciana (2006) mengenai prediksi financial distress perusahaan go-public dengan model multinominal logit menggunakan tiga model dalam penelitian. Model yang pertama menguji daya klasifikasi dan signifikansi rasio keuangan yang berasal dari neraca dan laporan laba rugi, kedua menguji daya klasifikasi dan signifikansi rasio 31 keuangan yang berasal dari laporan arus kas, dan yang ketiga menguji daya klasifikasi dan signifikansi rasio keuangan yang berasal dari laporan neraca, laporan laba rugi, dan laporan arus kas secara bersama-sama. Sampel perusahaan terdiri dari 43 perusahaan dengan laba bersih dan nilai buku ekuitas positif serta masih terdaftar (listed) hingga 2001, 14 perusahaan yang mengalami laba bersih negatif dari tahun 2000 hingga 2001 serta masih terdaftar (listed), dan 24 perusahaan yang mengalami laba bersih dan nilai buku ekuitas negatif dari tahun 2000 hingga 2001 serta masih terdaftar (listed) di BEJ. Hasil penelitian menunjukaan bahwa pada model pertama rasio yang dapat memprediksi kondisi financial distress perusahaan yaitu rasio TL/TA dengan daya klasifikasi sebesar 79%. Pada model kedua rasio keuangan yang dapat memprediksi kondisi financial distress perusahaan yaitu rasio CFFO/TA dan CFFO/CL dengan daya klasifikasi sebesar 58%. Pada model ketiga (pengujian bersama-sama antara rasio yang berasal dari neraca, laba rugi, dan arus kas) rasio keuangan yang dapat memprediksi kondsi financial distress perusahaan yaitu rasio CA/TA, TL/TA, NFA/TA, CFFO/CL, CFFO/TS dan CFFO/TL dengan daya klasifikasi sebesar 79,6%. Penelitian ini sejalan dengan hasil penelitian yang dilakukan oleh platt dan platt (2002) serta Luciana dan Kristijadi (2003) yang memberikan bukti bahwa rasio keuangan profit margin, likuiditas, efisiensi, profitabilitas, financial leverage, posisi kas dan pertumbuhan dapat digunakan untuk menilai kinerja perusahaan yang mengalami financial distress dan perusahaan yang tidak mengalami financial distress. 32 Penelitian lain yang dilakukan oleh Yolanda dan Mudji (2009) yang meneliti tentang prediksi financial distress perusahaan manufaktur dengan rasio arus kas periode 1999-2005. Ada 13 rasio arus kas yang digunakan dalam penelitian tersebut yaitu CFFO/CL, CFFO/TL, CFFO/TS, CFFO/TA, CFFO/EQ, CFFO/OS, CFFO/OI, IPPE/PPE, CHWC/TU, RPPE/TS, IPPE/TU, DI/TS dan Netdebt. Pengujian statistik menggunakan uji normalitas Kolmogorov Smirnov dan Mann Whitney U Test, dan menggunakan logistic regression. Hasil penelitian menunjukan nahwa model prediksi financial distress dengan menggunakan arus kas fit secara statistik dan rasio CFFO/TA, CFFO/S, IPPE/PPE, CHWC/TU, RPPE/TS, DI/TS dan Netdebt signifikan dalam memprediksi kondisi financial distress perusahaan. Hasil ini sesuai dengan penelitian Luciana (2006) bahwa arus kas dari operasi menunjukan signifikan dalam memprediksi kondisi financial distress, tetapi berbeda karena tidak terdapat signifikansi pada laporan arus kas dari investasi, dan pendanaan. Penelitian lain yang diteliti oleh Wahyu dan Doddo (2009) yang meneliti tentang pengaruh rasio keuangan terhadap kondisi financial distress perusahaan otomotif yaitu perusahaan Automotive and Allied Product yang terdaftar di Bursa Efek Indonesia selama periode 2004-2006. Variabel independen yang digunakan dalam penelitian ini adalah rasio CA/CL, CAINV/CL, CA-INV-TR/CL yang termasuk rasio likuiditas. Variabel NI/TA yang termasuk rasio profitabilitas, variabel TL/TA dan CL/TA yang termasuk rasio financial leverage serta menambahkan variabel pertumbuhan penjualan 33 (sales growth). Hasil penelitian menunjukan bahwa likuiditas yang diukur dengan current ratio (CA/CL) tidak berpengaruh terhadap financial distress perusahaan, likuiditas yang diukur dengan quick ratio (CA-INV/CL) berpengaruh negatif terhadap financial distress perusahaan, likuiditas yang diukur dengan cash ratio (CA-INV-TR/CL) tidak berpengaruh terhadap financial distress perusahaan, probabilitas (NI/TA) berpengaruh negatif terhadap financial distress perusahaan, financial leverage TL/TA tidak berpengaruh terhadap financial distress perusahaan, financial leverage CL/TA tidak berpengaruh terhadap financial distress perusahaan, pertumbuhan penjualan (sales growth) tidak berpengaruh terhadap financial distress perusahaan. Penelitian lain yang dilakukan oleh Rodoni dan Muslim (2009) yang meneliti tentang prediksi kondisi financial distress perusahaan go-public dengan menggunakan multinominal logit. Perusahaan yang diteliti yaitu perusahaan manufaktur yang terdaftar (listed) di Bursa Efek Indonesia dan memiliki laporan keuangan yang dipublikasikan pada periode 2004-2007. Untuk penentuan sampel perusahaan financial distress maupun tidak, digunakan interest coverage ratio sesuai dengan penelitian Asquith, Gertner, dan Scharfstein (1994). Pengujian menggunakan analisis multinominal logit dengan tiga model. Model pertama untuk menguji daya klasifikasi dan signifikasi rasio keuangan yang berasal dari laporan laba rugi & neraca, model kedua menguji klasifikasi dan signifikansi rasio keuangan yang berasal dari arus kas, dan model ketiga menguji daya klasifikansi dan signifikansi 34 rasio keuangan yang berasal dari laba rugi, neraca dan arus kas. Rasio keuangan yang digunakan dalam penelitian beliau adalah NI/S, CA/CL, CA/TA, NFA/TA, S/TA, S/CA, NI/TA, TL/TA, CASH/CL, CASH/TA, CFFO/CL, CFFO/TL, CFFO/TA dan CFFO/TS yang masing-masing mewakili dari profit margin, likuiditas, efisiensi, probabilitas, financial leverage, posisi kas dan aktifitas operasi. Hasil penelitian tersebut menunjukkan pada pengujian model pertama, variabel NI/TA, TL/TA, dan S/TA dapat digunakan untuk memprediksi kondisi financial distress dengan daya klasifikasi sebesar 75,4%. Model kedua variabel CFFO/CL dan CFFO/TL dapat digunakan untuk memprediksi kondisi financial distress dengan daya klasifikasi sebesar 69,7%. Model ketiga variabel TL/TA, S/TA, CASH/CL, CFFO/CL, CFFO/TL dan CFFO/TA dapat digunakan untuk memprediksi kondisi financial distress dengan daya klasifikasi sebesar 83,8%. C. KERANGKA PENELITIAN Dalam penelitian ini terdapat beberapa variable yang di gunakan di antaranya variable dependen, dan variable independent. Dimana untuk variable dependennya adalah financial distress yang dikatagorikan menjadi tiga kelompok, pertama, perusahaan yang tidak mengalami kondisi financial distress, yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dan arus kas yang lebih besar dari hutang jangka panjang dua tahun berturutturut. Kedua, perusahaan dalam kondisi financial distress yang pertama, yaitu perusahaan yang memiliki laba bersih sebelum pajak negatif dua tahun 35 berturut-turut (Almilia, 2006). Dan ketiga, perusahaan dalam kondisi financial distress kedua, yaitu perusahaan yang memiliki laba bersih sebelum pajak negatif dan arus kas yang lebih kecil dari hutang jangka panjang dua tahun berturut-turut (Almilia, 2006 dan Whitaker 1999) . Variabel Independen dalam penelitian ini berupa rasio keuangan yang merupakan perwakilan dari profit margin, likuiditas, effisiensi, profitabilitas, financial leverage, posisi kas, aktivitas operasi, aktivitas investasi dan aktivitas pendanaan. Berdasarkan landasan teori, tujuan penelitian dan hasil penelitian sebelumnya serta permasalah yang telah dikemukakan, maka sebagai dasar untuk merumuskan hipotesis, berikut disajikan kerangka pemikiran yang dituangkan pada gambar 2.2. kerangka pemikiran tersebut mengkaji kemampuan rasio-rasio keuangan yang berasal dari laporan laba rugi, neraca dan arus kas dapat digunakan untuk memprediksi kemungkinan terjadinya kondisi financial distress pada perusahaan yang tercatat di Bursa Efek Indonesia periode 2007-2010. 36 GAMBAR 2.2 KERANGKA PEMIKIRAN TEORITIS Laporan Keuangan Perusahaan yang Terdaftar di Bursa Efek Indonesia Periode 2007-2010 Rasio keuangan Uji Beda MANOVA Analisis Multinomial Logit Model Fitting Information Goodness Of Fit Pseudo R-Square Parameter Estimates Ketetapan Prediksi klasifikasi interpretasi 37 D. HIPOTESIS PENELITIAN Berdasarkan teori dan kerangkan konseptual, maka hipotesis penelitian ini adalah sebagai berikut : H1 : Variabel rasio keuangan berbeda secara signifikan berdasarkan kondisi perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010. H2 : Variabel rasio keuangan yang berasal dari laporan neraca, laba rugi dan arus kas dapat digunakan untuk memprediksi probabilitas kondisi financial distress perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010. 38 BAB III METODOLOGI PENELITIAN A. RUANG LINGKUP PENELITIAN Ruang lingkup penelitian ini adalah perusahaan yang tercatat di Bursa Efek Indonesia. Penelitian ini dilakukan untuk menganalisis variabel-variabel yang berupa rasio keuangan yang berasal dari laporan neraca, laba rugi dan arus kas dalam memprediksi probabilitas financial distress perusahaan. Penelitian ini menggunakan data sekunder yang diperoleh dari laporan keuangan tahunan yang dipublikasikan oleh perusahaan yang tercatat di Bursa Efek Indonesia dalam kurun waktu tahun 2007 sampai denggan tahun 2010. B. METODE PENENTUAN SAMPEL 1. Populasi Populasi adalah wilayah generalisasi yang terdiri atas : obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudia ditarik kesimpulannya (Sugiyono, 2009 : 115). Populasi yang digunakan dalam penelitian ini adalah seluruh perusahaan yang tercatat di Bursa Efek Indonesia dari tahun 2007-2010. 2. Sampel Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut (Sugiyono, 2009 : 116). Pemilihan sampel dalam penelitian 39 ini menggunakan metode purposive sampling yaitu teknik penentuan sampel dengan kriteria tertentu, dengan kriteria sebagai berikut : a. Sampel adalah perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010. b. Sampel telah mempublikasikan laporan keuangan auditan yang lengkap (laporan neraca, laba rugi dan arus kas) periode 2007-2010, khususnya item-item laporan keuangan yang menjadi dasar rasiorasio keuangan dalam penelitian ini. c. Sampel mempublikasikan laporan keuangan yang dinyatakan dalam rupiah. d. Sampel adalah perusahaan-perusahaan yang memenuhi kriteria sebagai berikut : Kelompok perusahaan yang memiliki laba bersih sebelum pajak positif dan arus kas lebih besar dari hutang jangka panjang perusahaan selama dua tahun berturut-turut diproksikan dengan 0. Kelompok perusahaan yang memiliki laba bersih sebelum pajak negatif selama dua tahun berturut-turut diproksikan dengan 1. Dan kelompok perusahaan yang memiliki laba bersih sebelum pajak negatif dan arus kas yang lebih kecil dari hutang jangka panjang perusahaan selama dua tahun berturut-turut diproksikan dengan 2. 40 Dari kriteria yang ditentukan untuk menentukan sampel penelitian, maka sampel penelitian dalam penelitian ini berjumlah 57 perusahaan, terdiri dari 29 perusahaan yang merupakan kelompok perusahaan sehat, yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dan memiliki arus kas yang lebih besar dari hutang jangka panjang selama dua tahun berturut-turut. 12 perusahaan yang merupakan kelompok perusahaan dalam kondisi financial distress pertama, yaitu memiliki laba bersih sebelum pajak negatif selama dua tahun berturut-turut. Dan 16 perusahaan yang merupakan kelompok perusahaan dalam kondisi financial distress kedua, yaitu memiliki laba bersih sebelum pajak negatif dan adanya arus kas yang lebih kecil dari hutang jangka panjang selama dua tahun berturut-turut. Perusahaan-perusahaan yang dimaksud ditampilkan dalam tabel dibawah ini : Tabel 3.1 Sampel Perusahaan Secara Keseluruhan No Sampel Jumlah 1 Perusahaan tidak dalam kondisi financial distress 29 2 perusahaan dalam kondisi financial distress pertama 12 3 Perusahaan dalam kondisi financial distress kedua 16 Total Sampel 57 Sumber : idx.com 41 Tabel 3.2 Perusahaan Kondisi 0 No Nama Perusahaan Kode 1 PT Sumi Indo Kabel tbk. IKBI 2 PT Jemlo Cable Company tbk JECC 3 PT Kalbe Farma tbk KLBF 4 PT Bristol Myers-Squibb Indonesia tbk SQBI 5 PT Mustika Ratu tbk MRAT 6 PT Delta Djakarta tbk DLTA 7 PT Multi Bintang Indonesia tbk MLBI 8 PT Gudang Garam tbk GGRM 9 PT Beton Jaya Manunggal tbk BTON 10 PT Citra Tubindo tbk CTBN 11 PT Lion Metal Works tbk LION 12 PT Kageo Igar Jaya tbk IGAR 13 PT Sekawan Intipratama tbk SIAP 14 PT Semen Gresik tbk SMGR 15 PT Asuransi Dayin Mitra tbk ASDM 16 PT Panin Life tbk PNLF 17 PT Fortune Indonesia tbk FORU 18 PT Jasuindo Tiga Perkasa tbk JTPE 19 PT Bayu Buana tbk BAYU 20 PT Astra Graphia tbk ASGR 42 21 PT Enseval Putera Megatrading tbk EPMT 22 PT FKS Multi Agro tbk FISH 23 PT Multi Indocitra tbk MICE 24 PT Sumber Alfaria Trijaya tbk AMRT 25 PT Fast Food Indonesia tbk FAST 26 PT Aneka Tambang tbk ANTM 27 PT Timah tbk TINS 28 PT Ciputra Property tbk CTRP 29 PT Ciputra Surya tbk CTRS Sumber : idx.com Tabel 3.3 Perusahaan Kondisi 1 NO Nama Perusahaan Kode 1 PT Sat Nusapersada tbk PTSN 2 PT Panasia Filament Inti tbk PAFI 3 PT Surya Intrindo Makmur tbk SIMM 4 PT Bukit Darmo Property tbk 5 PT Intanwijaya Internasional tbk INCI 6 PT Aneka Kemasindo Utama tbk AKKU 7 PT Indonesia Air Transport tbk IATA 8 PT Bank Eksekutif Internasional tbk BEKS 9 PT JJ Nab Capital tbk OCAP BKDP 43 10 PT Yulie Sekurindo tbk YULE 11 PT Alfa Retailindo tbk ALFA 12 PT Inti Agri Resources tbk IIKP Sumber : idx.com Tabel 3.4 Perusahaan Kondisi 2 NO Nama Perusahaan Kode 1 PT Karwell Indonesia tbk KARW 2 PT Pelayaran Tempuran Emas tbk TMAS 3 PT Zebra Nusantara tbk ZBRA 4 PT Asuransi Bintang tbk 5 PT Island Concepts Indonesia 6 PT Rimo Catur Lestari tbk 7 PT Bakrie & Brothers tbk 8 PT Darma Henwa tbk DEWA 9 PT Duta Kirana Finance tbk DKTF 10 PT Energi Mega Persada tbk 11 PT Central Proteinaprima tbk 12 PT Bumi Teknokultura Unggul tbk 13 PT Bhuwanatala Indah Permai tbk 14 PT Laguna Cipta Griya tbk 15 PT Panca Wiratama Sakti tbk PWSI 16 PT Arpeni Pratama Ocean Line tbk APOL ASBI ICON RIMO BNBR ENRG CPRO BTEK BIPP LCGP Sumber : idx.com 44 C. METODE PENGUMPULAN DATA Data yang diperoleh dalam penelitian ini didapatkan dengan menggunakan metode : 1. Metode Studi Pustaka, yaitu dengan melakukan telaah pustaka, eksplorasi dan mengkaji berbagai literature pustaka seperti majalah, jurnal, dan sumber-sumber lain yang berkaitan dengan penelitian. 2. Metode Dokumentasi, yaitu dengan cara mengumpulkan, mencatat, dan mengkaji data skunder yang berupa laporan struktur laporan keuangan perusahaan yang terdaftar di BEI periode 2007 sampai 2010 yang termuat dalam Indonesian Capital Market Directory (ICDM) dan laporan keuangan tahunan dari tahun 2007 hingga 2010. D. METODE ANALISIS Teknik analisis yang digunakan untuk menganalisis hipotesis yaitu menggunakan Multinomial Logit. Multinomial Logit digunakan jika dalam variabel penelitian variabel respon (dependen) dikategorikan menjadi tiga atau lebih kategori. Definisi operasional variabel sebagai berikut : Profit Margin NIS = laba bersih / penjualan Likuiditas CACL = aktiva lancar / kewajiban lancer WCTA = modal kerja / total aktiva CATA = aktiva lancar / total aktiva NFATA = aktiva tetap bersih / total aktiva 45 Efisiensi STA = penjualan / total asset SCA = penjualan / aktiva lancer SWC = penjualan / modal kerja Profitabilitas NITA = laba bersih / total aktiva Financial Leverage TLTA = total hutang / total aktiva Posisi Kas CASHCL = kas / hutang lancar CASHTA = kas / total aktiva Aktivitas Operasi CFFOCL = arus kas bersih dari aktivitas operasi / hutang lancar CFFOTL = arus kas bersih dari aktivitas operasi / total hutang CFFOTA = arus kas bersih dari aktivitas operasi / total aktiva CFFOS = arus kas bersih dari aktifitas operasi / penjualan CFFOTS = arus kas bersih dari aktivitas operasi / total sumber dana Aktivitas Investasi IPPEPPE = investasi aktiva tetap / aktiva tetap IPPETU = investasi aktiva tetap / total penggunaan dana RPPETS = penghapusan aktiva tetap / total sumber dana Aktivitas Pendanaan DITS = perolehan hutang / total sumber dana 46 Analisis awal dilakukan sebelum pengujian hipotesis 2 adalah menguji apakah terdapat perbedaan rasio keuangan baik yang berasal dari neraca, laporan laba rugi dan laporan arus kas antara ketiga kelompok perusahaan dengan tehnik analisis Manova. Variabel rasio keuangan yang secara statis signifikan berbeda antara kelompok 0, 1, dan 2, akan dimasukkan dalam model untuk memprediksi kondisi financial distress. 1. Multivariate Analysis of Variance (MANOVA) Manova adalah suatu teknik analisis statistik yang digunakan untuk mengetahui rata-rata kelompok (centroid) berbeda secara signifikan atau tidak. Setelah mengetahui perbedaan antar kelompok, analisis selanjutnya yaitu untuk mengetahui variabel independen apa saja yang mempengaruhi perbedaan antara kelompok tersebut (Agus Widarjono, 2010 : 209). Teknik ini bermanfaat untuk menganalisis variabel-variabel tergantung lebih dari dua yang berskala interval atau rasio. Dalam SPSS, prosedur manova disebut juga GLM Multivariate karena jumlah dari variabel lebih dari satu, dan digunakan untuk menghitung analisis regresi dan varians untuk variabel tergantung lebih dari satu dengan menggunakan satu atau lebih variabel faktor atau covariates. Variabel-variabel faktor yang digunakan untuk membagi populasi kedalam kelompok-kelompok. Dengan menggunakan prosedur general linear model, peneliti dapat melakukan uji mengenai pengaruh variabel-variabel faktor terhadap rata-rata berbagai kelompok distribusi gabungan semua variabel tergantung. Lebih lanjut, efek-egek 47 covariate dan interaksi antar covariate dengan semua faktor dapat dipertimbangkan dalam analisis. a. Uji multivariate Uji multivariate menunjukkan nilai signifikansi uji F. Uji signifikansi multivariate untuk mengetahui adanya perbedaan centriod dua kelompok atau lebih. Untuk melihat ada tidaknya hubungan antar kedua variabel tersebut, dapat dilihat pada Pillai’s Trace, Hotelleng Trance, Wilks Lambda dan Roy Largest Root. (Agus Widarjono, 2010:211) b. Uji test of between-subject effects uji ini digunakan untuk melihat apakah terdapat perbedaan atau tidak variabel independen berdasarkan variabel dependen. (Agus Widarjono, 2010:227) 2. Analisis Multinomial Logit Regresi Multinomial digunakan ketika variabel dependen yang dipertanyakan berupa data nominal dan terdiri dari dua atau lebih kategori. Tujuan dari model regresi dengan respon kualitatif pada variabel dependen adalah untuk menentukan probabilitas dalam keputusan yang bersifat kualitatif (Agus Widarjono, 2010 : 134). Dalam penelitian ini, respon kualitatif terdiri dari tiga kelompok yaitu kelompok perusahaan sehat, perusahaan yang mengalami financial distress 1 dan perusahaan yang mengalami financial distress 2. 48 a. Menilai Metode Fit Langkah pertama dalam analisis multinomial adalah overall fit model terhadap data. Beberapa test statistic diberikan untuk menilai hal ini, apakah model yang dihipotesakan fit dengan data atau model yang dihipotesakan tidak fit dengan data. b. Nilai -2 loglikelihood ratio Statistic -2 loglikelihood dapat digunakan untuk menentukan jika variabel bebas ditambah ke dalam model, apakah secara signifikan memperbaiki model. Jika terjadi penurunan dalam nilai -2 loglikelihood pada blok kedua dibandingkan blok pertama, maka dapat disimpulkan bahwa model regresi menjadi lebih baik. (Ghozali, 2005 : 219) Model ini menunjukkan apakah proses pemodelan dengan memasukkan variabel indenpenden dalam model akan menghasilkan model menjadi lebih baik. Apabila terjadi penurunan -2 loglikelihood yang menyebabkan penurunan Chi-square berarti model tersebut menunjukkan model Multinomial Logit yang lebih baik (Ahmad Rodoni & Rahman Muslim, 2010). c. Koefisien Goodness of Fit Tes goodness of fit mennjukkan apakah model cocok dengan data, ada dua tes goodness of fit, yaitu Pearson dan Deviance. Nilai signifikansi kedua tes ini lebih besar dari 0.05, hal ini menunjukkan model mampu menjelaskan data dengan baik (Agus Widarjono, 2010 49 : 156) . Uji goodness of fit menunjukkan uji kesesuaian model dengan data. Dari nialai Pearson dan deviance diperoleh nilai chisquare. Model dikatakan fit atau cocok dengan data empiris apabila chi-square lebih dari 0.05. (Ahamd Rodoni & Rahman Muslim, 2010). d. Koefisien Pseudo R-Square Nilai statistic R-square pada analisis multinomial logistik didekati dengan nilai Pseudo R-square, Negelkerke dan McFadden, pada rentang 0-1. Semakin mendekati 1, semakin banyak variasi yang dijelaskan oleh model (Ahamd Rodoni & Rahman Muslim, 2010). Nilai koefisien Nagelkerke R2 diinterpretasikan seperti nilai koefisien R2 pada regresi linear berganda (Imam Ghozali, 2005 : 219). Uji Pseudo R-square sama halnya seperti uji goodness of fit model regresi linear berganda dengan menggunakan ukuran koefisien determinasi (Agus Widarjono, 2010: 140). e. Ketetapan Prediksi Table klarifikasi digunakan untuk menghitung nilai estimasi yang benar dan yang salah. Pada model yang sempurna nilai overall prediksi akan berada pada diagonal dengan tingkat ketetapan 100% (Imam Ghazali, 2005 : 220). Uij klarifikasi memberikan informasi kesesuaian antara data actual dengan data hasil prediksi. Semakin besar nilai overall percentage itu lebih baik. 50 Pengujian dengan Multinomial Logit dilakukan dengan tiga tahap. Pengujian pada tahap pertama adalah pengujian daya klarifikasi dan signifikasi dari rasio keuangan yang berasal dari neraca dan laporan laba rugi. Pada tahap kedua adalah meguji daya klarifikasi dan signifikasi dari laporan keuangan yang berasal dari arus kas. Sedangkan pengujian pada tahap ketiga adalah menguji daya klasifikasi dan signifikasi dari rasio keuangan yang berasal dari neraca, laporan laba rugi dan laporan arus kas. Model yang digunakan dalam penelitian ini adalah : 1. Model Pertama Zj = bj1X1+bj2X2+……….+bjnXn J = kondisi perusahaan mulai dari 1 sampai 3 Kondisi 0 = Perusahaan sehat Kondisi 1 = Perusahaan yang mengalami financial distress 1 Kondisi 2 = Perusahaan yang mengalami financial distress 2 X1…..Xn = Rasio keuangan dari neraca dan laporan laba rugi Pj= exp (Zj)/∑j j=1 exp (Zj) 2. Model Kedua Zj = bj1X1+bj2X2+……….+bjnXn J = kondisi perusahaan mulai dari 1 sampai 3 Kondisi 0 = Perusahaan sehat Kondisi 1 = Perusahaan yang mengalami financial distress 1 Kondisi 2 = Perusahaan yang mengalami financial distress 2 X1…..Xn = Rasio keuangan dari laporan arus kas 51 Pj= exp (Zj)/∑j j=1 exp (Zj) 3. Model Ketiga Zj = bj1X1+bj2X2+……….+bjnXn J = kondisi perusahaan mulai dari 1 sampai 3 Kondisi 0 = Perusahaan sehat Kondisi 1 = Perusahaan yang mengalami financial distress 1 Kondisi 2 = Perusahaan yang mengalami financial distress 2 X1…..Xn = Rasio keuangan dari neraca dan laporan laba rugi dan laporan arus kas Pj= exp (Zj)/∑j j=1 exp (Zj) E. DEFINISI OPERASIONAL VARIABEL Variable –variabel penelitian yang dibutuhkan dalam penelitian ini terdiri dari : 1. Variabel Dependen Variabel dependen yang digunakan dalam penelitian ini adalah kondisi financial distress perusahaan yang merupakan variabel kategori, 0 untuk perusahaan sehat, 1 untuk perusahaan yang mengalami financial distress pertama yaitu mengalami laba bersih sebelum pajak negative selama dua tahun berturut-turut, 2 untuk perusahaan yang mengalami financial distress kedua yaitu mengalami laba bersih sebelum pajak negative dan adanya arus kas yang lebih kecil dari hutang jangka panjang selama dua tahun berturut-turut. 52 2. Variable Independen Variable independen yang digunakan yaitu rasio keuangan yang berasal dari laporan neraca, laporan laba rugi dan laporan arus kas. Ada sebanyak 20 rasio keuangan yang dikategorikan menjadi 9 kategori : a. Profit margin 1) Net Income/Sales (X1), Rasio ini mengukur jumlah laba bersih per nilai penjualan, dihitung dengan membagi laba bersih dengan penjualan (Brigham & Houston, 2009 : 107). NIS = 𝑁𝑒𝑡 𝐼𝑛𝑐𝑜𝑚𝑒 𝑆𝑎𝑙𝑒𝑠 b. Likuiditas 1) Current Assets/Current Liabilities (X2), Rasio yang menunjukkan hubungan antara kas dan aktiva lancar lainnya dari sebuah perusahaan dengan kewajiban lancarnya. Perbandingan antara aktiva lancar dengan hutang lancar atau biasa dikenal dengan istilah current ratio.(Brigham & Houston, 2009 : 95) CACL = 𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐴𝑠𝑠𝑒𝑡 𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐿𝑖𝑎𝑏𝑙𝑖𝑙𝑖𝑡𝑖𝑒𝑠 53 2) Working Capital/Total Asset (X3), Rasio likuiditas yang menunjukkan perbandingan antara model kerja perusahaan dengan total asetnya. (Almilia, 2006) WCTA = 𝑊𝑜𝑟𝑘𝑖𝑛𝑔 𝐶𝑎𝑝𝑖𝑡𝑎𝑙 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡 3) Current Assets/Total Assets (X4), Rasio likuiditas yang menunjukkan perbandingan antara aktiva lancar perusahaan dengan total aktivanya. (Rodoni & Muslim, 2009) CATA = 𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐴𝑠𝑠𝑒𝑡 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡 4) Net Fixed Assets/Total Assets (X5), Rasio likuiditas yang menunjukkan perbandingan antara aktiva tetap bersih perusahaan dengan total aktivanya. (Rodoni & Muslim, 2009) NFATA = 𝑁𝑒𝑡 𝐹𝑖𝑥𝑒𝑑 𝐴𝑠𝑠𝑒𝑡 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡 c. Efisiensi 1) Sales / Total Asset (X6), Rasio ini menunjukkan seberapa efisien perusahaan menggunakan aktivanya untuk menghasilkan penjualan. Dirumuskan dengan 54 penjualan perusahaan dengan total aktivanya. (Keown, Martin dkk, 2004 : 78) STA = 𝑆𝑎𝑙𝑒𝑠 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡 2) Sales/Current Assets (X7), Almilia (2003) dan Rodoni & Muslim (2009) mengukur rasio efisiensi perusahaan menggunakan aktiva lancarnya untuk meghasilkan penjualan. Dirumuskan dengan penjualan dibagi dengan aktiva lancarnya. SCA = 𝑆𝑎𝑙𝑒𝑠 𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐴𝑠𝑠𝑒𝑡 3) Sales/Working Capital (X8), salah satu dari rasio efisiensi yang diukur dengan penjualan yang dihasilkan terhadap modal kerja perusahaan. (Almilia, 2006) SWC = 𝑆𝑎𝑙𝑒𝑠 𝑊𝑜𝑟𝑘𝑖𝑛𝑔 𝑐𝑎𝑝𝑖𝑡𝑎𝑙 55 d. Profitabilitas 1) Net Income/Total Assets (X9), Rasio ini menunjukkan keefektifan manajemen dalam menghasilkan laba dari total aktivanya. Rasio ini disebut juga return on asset. (Brigham & Houston, 2009 : 109) NITA = 𝑁𝑒𝑡 𝐼𝑛𝑐𝑜𝑚𝑒 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡 e. Financial Leverage 1) Total Liabilities/Total Assets (X10), Rasio ini menunjukkan berapa banyak hutang yang digunakan untuk membiayai aset-aset perusahaan. Rasio ini membandingkan antara total kewajiban dengan total aktiva. (Keown & Martin dkk, 2004 : 80) TLTA = f. 𝑇𝑜𝑡𝑎𝑙 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡 Posisi Kas 1) Cash/Current Liabilities (X11), Almilia (2003) dan Rodoni & Muslim (2009) memasukkan rasio posisi kas untuk menunjukkan perbandingan antara kas perusahaan dengan hutang lancar. CASHCL = 𝐶𝑎𝑠 𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠 56 2) Cash/Total Assets (X12), Almilia (2003) dan Rodoni & Muslim (2009) memasukkan rasio ini untuk membandingkan antara kas dengan total aktiva. CASHTA = 𝐶𝑎𝑠 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡 g. Aktivitas Operasi 1) Cash Flow From Operation/Current Liabilities (X13), menunjukkan kemampuan arus kas bersih dari aktifitas operasi dalam membiayai kewajiban jangka pendeknya, dihitung dengan arus kas bersih dari aktivitas operasi dibagi hutang lancar.(Rodoni & Muslim, 2009) CFFOCL = 𝐶𝑎𝑠 𝐹𝑙𝑜𝑤 𝐹𝑟𝑜𝑚 𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑜𝑛 𝐶𝑢𝑟𝑟𝑒𝑛𝑡 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠 2) Cash Flow From Operation/Total Liabilities (X14), menunjukkan kemampuan arus kas bersih dari aktifitas operasi dalam membiayai total hutang perusahaan, dihitung dengan arus kas bersih dari aktivitas operasi dengan total hutang. (Rodoni & Muslim, 2009) CFFOTL = 𝐶𝑎𝑠 𝐹𝑙𝑜𝑤 𝐹𝑟𝑜𝑚 𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑜𝑛 𝑇𝑜𝑡𝑎𝑙 𝐿𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑖𝑒𝑠 57 3) Cash Flow From Operation/Total Assets (X15), menunjukkan kemampuan arus kas bersih dari aktifitas operasi dalam menghasilkan total asetnya, dihitung dengan arus kas bersih dari aktivitas operasi dengan total aktiva. (Rodoni & Muslim, 2009) CFFOTA = 𝐶𝑎𝑠 𝐹𝑙𝑜𝑤 𝐹𝑟𝑜𝑚 𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑜𝑛 𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑠𝑒𝑡 4) Cash Flow From Operation/Sales (X16), menunjukkan kemampuan arus kas bersih dari operasi dalam menghasilkan penjulan, diukur dengan arus kas dari operasi dibagi dengan penjulan perusahaan. (Almilia, 2006) CFFOS = 𝐶𝑎𝑠 𝐹𝑙𝑜𝑤 𝐹𝑟𝑜𝑚 𝑂𝑝𝑒𝑟𝑎𝑡𝑖 𝑜𝑛 𝑆𝑎𝑙𝑒𝑠 5) Cash Flow From Operation/Total Source of Fund (X17), perbandingan arus kas bersih dari aktivitas operasi dengan total sumber dana. (Rodoni & Muslim, 2009) CFFOTS = 𝐶𝑎𝑠 𝐹𝑙𝑜𝑤 𝐹𝑟𝑜𝑚 𝑂𝑝𝑒𝑟𝑎𝑡𝑖𝑜𝑛 𝑇𝑜𝑡𝑎𝑙 𝑆𝑜𝑢𝑟𝑐𝑒 𝑜𝑓 𝐹𝑢𝑛𝑑 58 h. Aktivitas Investasi 1) Investment in Plant, Property and Equipment/Plant, Property and Equipment (X18), yaitu perwujudan aktiva tetap yang diperoleh dari dana alokasi aktiva tetapnya, dihitung dengan investasi aktiva tetap dengan aktiva tetap. (Yolanda & Mudji, 2009) 𝐼𝑛𝑣𝑒𝑠𝑡𝑚𝑒𝑛𝑡 𝑖𝑛 𝑃𝑙𝑎𝑛𝑡 ,𝑃𝑟𝑜𝑝𝑒𝑟𝑡𝑦 & 𝐸𝑞𝑢𝑖𝑝𝑚𝑒𝑛𝑡 = in Plant, Property and Equipment/Total 2) IPPEPPE Investment 𝑃𝑙𝑎𝑛𝑡 ,𝑃𝑟𝑜𝑝𝑒𝑟𝑡𝑦 & 𝐸𝑞𝑢𝑖𝑝𝑚𝑒𝑛𝑡 Used of Fund (X19), perbandingan investasi aktiva tetap dengan total penggunaan dana. (Almilia, 2006) IPPETU = 𝐼𝑛𝑣𝑒𝑠𝑡𝑚𝑒𝑛𝑡 𝑖𝑛 𝑃𝑙𝑎𝑛𝑡 ,𝑃𝑟𝑜𝑝𝑒𝑟𝑡𝑦 & 𝐸𝑞𝑢𝑖𝑝𝑚𝑒𝑛𝑡 𝑇𝑜𝑡𝑎𝑙 𝑈𝑠𝑒𝑑 𝑜𝑓 𝐹𝑢𝑛𝑑 2) Retirement in Plant, Property and Equipment/Total Source of Fund (X20),yaitu sumber dana untuk aktifitas investasi yang diperoleh dari dari penghapusan aktiva tetapnya, dihitung dengan aktiva tetap dengan total sumber dana. (Yolanda & Mudji, 2009) RPPETS = 𝑅𝑒𝑡𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑖𝑛 𝑃𝑙𝑎𝑛𝑡 ,𝑃𝑟𝑜𝑝𝑒𝑟𝑡𝑦 & 𝐸𝑞𝑢𝑖𝑝𝑚𝑒𝑛𝑡 𝑇𝑜𝑡𝑎𝑙 𝑆𝑜𝑢𝑟𝑐𝑒 𝑜𝑓 𝐹𝑢𝑛𝑑 59 i. Aktivitas Pendanaan 1) Debt Investment/Total Source of Fund (X21), yaitu menunjukkan tambahan perolehan hutang untuk aktifitas pendanaannya, dihitung dengan perolehan hutang dengan total sumber dana. (Yolanda & Mudji, 2009) DITS = 𝐷𝑒𝑏𝑡 𝐼𝑛𝑐𝑜𝑚𝑒 𝑇𝑜𝑡𝑎𝑙 𝑆𝑜𝑢𝑟𝑐𝑒 𝑜𝑓 𝐹𝑢𝑛𝑑 Tabel 3.5 Ringkasan Variabel Penelitian dan Operasional Variabel Variabel Keterangan Dependen Financial Distress (Y) Financial Skala Pengukuran - Laba bersih sebelum pajak negative Distress 1 Financial - Laba bersih sebelum pajak negatif dan arus Distress 2 kas yang lebih kecil dari hutang jangka panjang Non Financial distress - Laba bersih sebelum pajak positif dan arus kas yang lebih besar 60 dari hutang jangka panjang Independen NIS (X1) Rasio Net income/sales CACL (X2) Rasio Current assets/current liabilities WCTA (X3) Rasio Working Capital/Total Asset CATA (X4) Rasio Current assets/total assets NFATA (X5) Rasio Net Fixed Assets/Total Assets STA (X6) Rasio Sales / Total Asset SCA (X7) Rasio Sales/Current Assets SWC (X8) Rasio Sales/Working Capital NITA (X9) Rasio Net Income/Total Assets TLTA (X10) Rasio Total Liabilities/Total Assets CASHCL (X11) Rasio Cash/Current Liabilities CASHTA (X12) Rasio Cash/Total Assets CFFOCL (X13) Rasio Cash Flow From 61 Operation/Current Liabilities CFFOTL (X14) Rasio Cash Flow From Operation/Total Liabilities CFFOTA (X15) Rasio Cash Flow From Operation/Total Assets CFFOS (X16) Rasio Cash Flow From Operation/Sales CFFOTS (X17) Rasio Cash Flow From Operation/Total Source of Fund IPPEPPE (X18) Rasio Investment in Plant, Property and Equipment/ Plant, Property and Equipment IPPETU (X19) Rasio Investment in Plant, Property and Equipment/Total Used of Fund RPPETS (X20) Rasio Retirement of Plant, Property and 62 Equipment/Total Source of Fund DITS (X21) Rasio Debt Income/Total Source of fund 63 BAB IV ANALISIS DAN PEMBAHASAN A. GAMBARAN UMUM OBJEK PENELITIAN 1. Pasar Modal Pasar modal adalah pasar yang memperjualbelikan instrument keuangan jangka panjang baik dalam bentuk hutang maupun modal sendiri, baik yang dibentuk oleh pemerintah, public authorities maupun perusahaan swasta,artinya pasar modal bertindak sebagai penghubung antara para investor dengan perusahaan ataupun institusi pemerintah melalui perdagangan instrument keuangan jangka panjang seperti obligasi, saham dan lainnya. Selain itu pasar modal memiliki peran dan manfaat diantaranya : a. Pasar modal merupakan wahana pengalokasian dana secara efisien. Artinya investor dapat melakukan investasi pada perusahaan melalui pembelian efek-efek baru yang ditawarkan/diperdagangkan pasar modal, dan sebaliknya perusahaan dapat memperoleh dana yang dibutuhkan dengan menawarkan instrument keuangan melalui pasar modal tersebut. b. Pasar modal sebagai alternatif investasi. Yaitu pasar modal memudahkan alternatif investasi untuk memperoleh keuntungan dengan risiko tertentu. 64 c. Memungkinkan para investor untuk memiliki perusahaan yang sehat dan berprospek baik. Hal ini dikarenakan penyebaran kepemilikan secara luas (tidak hanya dimiliki oleh sejumlah orang tertentu saja) akan mendorong perkembambangan perusahaan menjadi transparan. d. Pelaksanaan manejemen perusahaan secara profesional dan transfaran e. Peningkatan aktivitas ekonomi nasional. Dengan keberadaan pasar modal perusahaan akan lebih mudah memperoleh dana sehingga akan mendorong perekonomian nasional menjadi lebih maju, terciptanya kesempatan kerja yang luas dan meningkatkan pendapatan pajak bagi pemerintah. 2. Organisasi Yang Terkait di Pasar Modal. a. Badan Pengawas Pasar Modal (BAPEPAM). BAPEPAM melakukan kewenangan untuk melakukan pembinaan, pengaturan, pengawasan pasar modal, di Indonesia dan keberadaan BAPEPAM dibawah Menteri Keuangan sekaligus bertanggung jawab kepadanya b. Perusahaan (Emiten). Memperoleh dana di pasar modal dengan melaksanakan penawaran umum atau investasi langsung. 65 c. Self Regulatory Organization (SRO). SRO adalah organisasi yang mewakili kewenangan untuk membuat peraturan yang berhubungan dengan aktivitas usahanya. SRO terdiri dari: 1) Burasa Efek. Adalah pihak yang menyelenggarakan dan menyediakan system dan sarana mempertemukan penawaran jual dan beli efek pihak-pihak lain dengan tujuan memperdagangkan efek antara mereka. 2) Lembaga Kliring dan Penjaminan (LKP). Adalah pihak yang menyelenggarakan jasa kliring dan penjaminana transaksi bursa agar terlaksana secara teratur, wajar, dan efisien. Setiap transaksi akan melewati lembaga ini untuk diselesaikan transaksinya, apakah seorang pemodal akan bertambah jumlah saham yang dimilikinya karena menjual saham yang dimilikinya dan menerima pembayaran. Lembaga yang telah memperoleh izin usaha sebagai LKP oleh BAPEPAM adalah PT.KPEI (PT. Kliring Penjaminan Efek Indonesia). 3) Lembaga Penyimpanan dan Penyelesaiana (LPP). Adalah pihak yang menyelenggarakan kegiatan custodian sentral (penyimpanan efek) bagi Bank custodian, perusahaan efek dan lainnya. Lembaga yang telah memperoleh izin usaha sebagai 66 (LPP) oleh BAPEPAM adalah PT. KSEI (PT. Kustodian Sentral Efek Indonesia). 4) Perusahaan Efek. Perusahaan efek adalah yang mempunyai aktivitas sebagai perantara pedagang efek yaitu bahwa perusahaan efek melakukan jual beli saham atas kepentingan pihak lain, atau dirinya sendiri, sebagai penjamin emisi efek yaitu menjamin agar penerbitan emisi sekuritas yang dilakukan oleh suatu perusahaan dapat terjual smua, dan sebagai manajer iivestasi yaitu mengelola dana nasabah untuk diinvestasikan keberbagai sekuritas atau gabungan dari ketiga tersebut. 5) Penasehat Investasi Penasihat investasi yaitu pihak yang member nasihat kepada pihak lain mengenai penjualan dan pembelian efek. 3. Sejarah Pasar Modal di Indonesia Kegiatan jual beli saham dan obligasi sebenarnya telah dimulai pada abad XIX. Pada tanggal 14 Desember 1912, Amserdamse Effectenbueurs mendirikan cabang bursa di Batavia. Bursa ini merupakan bursa tertua keempat di Asia, setelah Bombay, Hongkong dan Tokyo. Bursa yang dinamakan Vereniging voor de Effectenhandel, memperjualbelikan saham dan obligasi perusahaan/perkebunan Belanda yang beroperasi di Indonesia, obligasi yang diterbitkan pemerintah (propinsi dan kotapraja), sertifikat saham perusahaan67 perusahaan Amerika yang diterbitkan oleh kantor administrasi di negeri Belanda serta efek perusahaan Belanda lainnya (Rusdin, Pasar Modal, Bandung; Alfabeta, 2006, hal 4). Minat masyarakat terhadap pasar modal mendorong didirikannya bursa di kota Surabaya (11 Juni 1925) dan Semarang (1 Agustus 1925). Perkembangan pasar modal pada saat itu, terlihat dari nilai efek yang mencapai NIF 1,4 milyar, pun demikian perkembangan pasar modal ini mengalami penyurutan akibat Perang Dunia II. Akibatnya, pemerintah Hindia Belanda mengambil kebijakan untuk memusatkan perdagangan efeknya di Batavia dan menutup bursa efek di Semarang dan Surabaya. Pada tanggal 17 Mei 1940, secara keseluruhan kegiatan perdagangan efek ditutup. Di masa kemerdekaan, pada tahun 1950, pemerintah mengeluarkan obligasi Republik Indonesia, yang menandakan mulai aktifnya Pasar Modal Indonesia. Pada tanggal 31 Juni 1952, Bursa Efek di Jakarta dibuka kembali. Penyelenggaraan tersebut kemudian diserahkan kepada Perserikatan Perdagangan Uang dan Efek-efeknya (PPUE). Namun pada tahun 1958, terjadi kelesuan dan kemunduran perdagangan di Bursa, akibat konfrontasi pemerintah dengan Belanda. Pemerintah di masa Orde Baru, berusaha untuk mengembalikan kepercayaan rakyat terhadap nilai mata uang Rupiah. Pemerintah melakukan persiapan khusus untuk membentuk pasar modal. Pada tahun 1976, pemerintah membentuk Bapepam (Badan Pembina Pasar 68 Modal) dan PT Danareksa. Hal tersebut menunjukkan keseriusan pemerintah untuk membentuk Pasar Uang dan Pasar Modal. Pada tanggal 10 Agustus 1977, berdasarkan Keppres RI No 52/ 1976, pasar modal diaktifkan kembali. Perkembangan pasar modal selama tahun 1977–1987, mengalami kelesuan. Pada tahun 1987-1988, pemerintah menerbitkan paket-paket deregulasi. Paket deregulasi ini adalah: Paket Desember 1987 (Pakdes 87), Paket Desember 1988 (Pakto 88), dan Paket Desember 1988 (Pakdes 88). Penerbitan paket deregulasi ini menandai liberalisasi ekonomi Indonesia. Dampak dari adanya ketiga kebijakan tersebut, pasar modal Indonesia menjadi aktif hingga sekarang. a. Pakdes 1987 . Pakdes 1987 merupakan penyederhanaan persyaratan proses emisi saham dan obligasi, dihapuskannya biaya yang sebelumnya dipungut oleh Bapepam, seperti biaya pendaftaran emisi efek. Selain itu dibuka pula kesempatan bagi pemodal asing untuk membeli efek maksimal 49% dari total emisi. Pakdes 87 juga menghapus batasan fluktuasi harga saham di bursa efek dan memperkenalkan bursa paralel. Sebagai pilihan bagi emiten yang belum memenuhi syarat untuk memasuki bursa efek. b. Pakto 88 Pakto 88 ditujukan pada sektor perbankkan, namun mempunyai dampak terhadap perkembangan pasar modal. Pakto 88 berisikan tentang ketentuan 3 L (Legal, Lending, Limit), dan pengenaan pajak atas bunga deposito. Pengenaan pajak ini berdampak positif terhadap 69 perkembangan pasar modal. Sebab dengan keluarnya kebijaksanaan ini berarti pemerintah memberi perlakuan yang sama antara sektor perbankan dan sektor pasar modal. c. Pakdes 88 Pakdes 88 pada dasarnya memberikan dorongan yang lebih jauh pada pasar modal dengan membuka peluang bagi swasta untuk menyelenggarakan bursa. B. PENGUJIAN HIPOTESIS Ada dua pengujian dalam penelitian ini, pertama pengujian MANOVA dan yang kedua pengujian Multinomial Logit. 1. Uji beda Multivariate analysis of variance (MANOVA) MANOVA merupakan suatu teknik statistik yang digunakan untuk menghitung pengujian signifikansi perbedaan rata-rata secara bersamaan antar kelompok untuk dua atau lebih variabel dependen. Pengujian hipotesis ini menggunakan alat bantu SPSS 17. Dalam penelitian ini, uji MANOVA digunakan untuk mengetahui apakah rasio keuangan NIS, CACL, WCTA, CATA, NFATA, STA, SCA, SWC, NITA, TLTA, CASHCL, CASHTA, CFFOCL, CFFOTL, CFFOTA, CFFOS, CFFOTS, IPPEPPE, IPPETU, RPPETS, DITS berbeda secara signifikan berdasarkan kondisi perusahaan (kondisi sehat dan kondisi financial distress). Pada pengujian MANOVA, pengujian dilakukan sebanyak 2 tahap. 70 a. Pengujian MANOVA dengan Menggunakan rasio keuangan yang berasal dari neraca dan laporan laba rugi. 1) Identifikasi data Tabel 4.1 Between-Subjects Factors N FD .00 58 1.00 24 2.00 32 Sumber : data olahan SPSS Tabel diatas menunjukkan bahwa, data yang dimasukkan dalam model untuk perusahaan tidak dalam kondisi financial distress berjumlah 58, perusahaan dalam kondisi financial distress pertama berjumlah 24 dan perusahaan dalam kondisi financial distress kedua berjumlah 32. 2) Uji Multivariate test Tabel 4.2 d Multivariate Tests Effect Intercept Pillai's Trace Value ,975 F a 319.256 Hypothesis df 12,000 Error df 100,000 Sig. ,000 Partial Eta Squared ,975 ,025 319.256 a 12,000 100,000 ,000 ,975 Hotelling's Trace 38,311 319.256 a 12,000 100,000 ,000 ,975 Roy's Largest Root 38,311 319.256 a 12,000 100,000 ,000 ,975 Wilks' Lambda 71 FD Pillai's Trace ,748 Wilks' Lambda ,347 Hotelling's Trace 1,604 Roy's Largest Root 1,409 5,028 24,000 202,000 ,000 ,374 a 24,000 200,000 ,000 ,411 6,617 24,000 198,000 ,000 ,445 c 12,000 101,000 ,000 ,585 5.805 11.863 Sumber : data olahan SPSS Uji multivariate test digunakan untuk meguji apakah setiap variabel indenpenden memiliki hubungan terhadap grup variabel dependen. Hasil uji multivariate menunjukkan nilai signifikansi uji F untuk Wilks’ Lamba sebesar 0.000 dan Hotelling’s Trace sebesar 0.000 Hal ini berarti terdapat hubungan antara rasio profit margin ratio, current ratio, working capital to total asset ratio, current asset to total asset ratio, net fixed asset to total asset ratio, sales to total asset ratio, sales to current asset ratio, sales to working capital ratio, net income to total asset ratio, total liabilities to total asset ratio, cash to current liabilities ratio, cash to total asset ratio dengan ketiga kategori variabel dependen. 3) Test Of Between-Subject Effect Tabel 4.3 Tests of Between-Subjects Effects Source Corrected Model Dependent Variable NIS Type III Sum of Squares a 71.180 2 Mean Square 35,590 c df F 5,723 Sig. ,004 CACL 6421.509 2 3210,755 1,593 ,208 WCTA 3.901 d 2 1,950 13,409 ,000 2.252 e 2 1,126 26,167 ,000 f 2 ,320 7,729 ,001 g 2 16,008 13,952 ,000 CATA NFATA STA .641 32.016 72 h 2 8,555 2,339 ,101 i 2 519,893 ,518 ,597 NITA .789 j 2 ,394 22,875 ,000 TLTA 2.265 k 2 1,132 9,679 ,000 CASHCL 9.178 l 2 4,589 1,625 ,202 CASHTA m 2 ,255 19,871 ,000 SCA 17.110 SWC 1039.785 .509 Sumber : data olahan SPSS Tabel diatas, menunjukkan nilai signifikasi F-hitung dari NIS (profit margin ratio) sebesar 0.004 yang berarti terdapat perbedaaan profit margin ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari CACL (current ratio) sebesar 0.208 yang berarti tidak terdapat perbedaan current ratio berdasarkan kondisi perusahaan. Nilai signifikansi F-hitung dari WCTA (working capital to total asset) sebesar 0.000 yang berarti terdapat perbedaan working capital to total asset ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari CATA (current asset to total asset) sebesar 0.000 yang berarti terdapat perbedaan current asset to total asset ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari NFATA (net fixed asset to total asset) sebesar 0.001 yang berarti terdapat perbedaan net fixed asset to total asset ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi Fhitung dari STA (sales to total asset) sebesar 0.000 yang berarti terdapat perbedaan sales to total asset ratio berdasarkan kondisi perusahaan, 73 pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari SCA (sales to current asset) sebesar 0.376 yang berarti tidak terdapat perbedaan sales to current asset ratio berdasarkan kondisi perusahaan. Nilai signifikansi F-hitung dari SWC (sales to working capital) sebesar 0.101 yang berarti tidak terdapat perbedaan sales to working capital ratio berdasarkan kondisi perusahaan. Nilai signifikansi F-hitung dari NITA (net income to total asset) sebesar 0.000 yang berarti terdapat perbedaan net income to total asset ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari TLTA (total liabilities to total asset) sebesar 0.000 yang berarti terdapat perbedaan total liabilities to total asset ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari CASHCL (cash to current liabilities) sebesar 0.202 yang berarti tidak terdapat perbedaan cash to current liabilities ratio berdasarkan kondisi perusahaan. Nilai signifikansi F-hitung dari CASHTA (cash to total asset) sebesar 0.000 yang berarti terdapat perbedaan cash to total asset ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. 74 b. Pengujian MANOVA dengan menggunakan rasio keuangan yang berasal dari laporan arus kas 1) Identifikasi Data Tabel 4.4 Between-Subjects Factors N FD .00 58 1.00 24 2.00 32 Sumber : data olahan SPSS Tabel diatas menunjukkan bahwa, data yang dimasukkan dalam model untuk perusahaan tidak dalam kondisi financial distress berjumlah 58, perusahaan dalam kondisi financial distress pertama berjumlah 24 dan perusahaan dalam kondisi financial distress kedua berjumlah 32. 2) Uji Multivariate test Tabel 4.5 d Multivariate Tests Effect Intercept Pillai's Trace Wilks' Lambda Hotelling's Trace Roy's Largest Root Value ,761 ,239 3,183 3,183 F a 41.385 Hypothesis df 8,000 Error df 104,000 Sig. ,000 Partial Eta Squared ,761 41.385 a 8,000 104,000 ,000 ,761 41.385 a 8,000 104,000 ,000 ,761 41.385 a 8,000 104,000 ,000 ,761 75 FD Pillai's Trace ,472 4,059 16,000 210,000 ,000 ,236 Wilks' Lambda ,576 a 16,000 208,000 ,000 ,241 Hotelling's Trace ,653 4,206 16,000 206,000 ,000 ,246 ,479 c 8,000 105,000 ,000 ,324 Roy's Largest Root 4.133 6.281 Sumber : data olahan SPSS Uji multivariate test digunakan untuk meguji apakah setiap variabel indenpenden memiliki hubungan terhadap grup variabel dependen. Hasil uji multivariate menunjukkan nilai signifikansi uji F untuk Wilks’ Lamba sebesar 0.000 dan Hotelling’s Trace sebesar 0.000 Hal ini berarti terdapat hubungan antara rasio CFFOCL, CFFOTL, CFFOTA, CFFOS, CFFOTS, IPPEPPE, IPPETU, RPPETS, DITS dengan ketiga kategori variabel dependen. 3) Test Of Between-Subject Effect Tabel 4.6 Tests of Between-Subjects Effects Source Corrected Model Dependent Variable CFFOCL Type III Sum of Squares a 285.222 CFFOTL 113.158 CFFOTA CFFOS CFFOTS IPPEPPE IPPETU RPPETS DITS 2 Mean Square 142,611 F 1,042 Sig. ,356 c 2 56,579 1,778 ,174 .320 d 2 ,160 9,959 ,000 1.951 e 2 ,976 ,919 ,402 .320 d 2 ,160 9,959 ,000 f 2 ,018 ,278 ,758 .010 g 2 ,005 1,184 ,310 .003 h 2 ,002 3,289 ,041 i 2 1,132 9,679 ,000 .035 2.265 Df Sumber : data olahan SPSS 76 Tabel diatas, menunjukkan nilai signifikasi F-hitung dari CFFOCL (cash flow from operation to current liabilities ratio) sebesar 0.356 yang berarti tidak terdapat perbedaaan cash flow from operation to current liabilities ratio berdasarkan kondisi perusahaan. Nilai signifikansi Fhitung dari CFFOTL (cash flow from operating to total liabilities ratio) sebesar 0.174 yang berarti tidak terdapat perbedaan cash flow from operating to total liabilities ratio berdasarkan kondisi perusahaan. Nilai signifikansi F-hitung dari CFFOTA (cash flow from operation to total asset ratio) sebesar 0.000 yang berarti terdapat perbedaan cash flow from operation to total asset ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari CFFOS (cash flow from operation to sales ratio) sebesar 0.402 yang berarti tidak terdapat perbedaan cash flow from operation to sales ratio berdasarkan kondisi perusahaan. Nilai signifikansi F-hitung dari CFFOTS (cash flow from operation to total source of fund ratio) sebesar 0.000 yang berarti terdapat perbedaan cash flow from operation to total source of fund ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Nilai signifikansi F-hitung dari IPPEPPE (invesment in plant, property and equipment to plant, property and equipment ratio sebesar 0.758 yang berarti tidak terdapat perbedaan invesment in plant, property and equipment to plant, property and equipment ratio berdasarkan kondisi perusahaan. Nilai signifikansi F-hitung dari 77 IPPETU (invesment in plant, property and equipment to total used of fund ratio) sebesar 0.310 yang berarti tidak terdapat perbedaan invesment in plant, property and equipment to total used of fund ratio berdasarkan kondisi perusahaan. Nilai signifikansi F-hitung dari RPPETS (retirement in plant, property and equipment to total source of fund ratio) sebesar 0.041 yang berarti terdapat perbedaan retirement in plant, property and equipment to total source of fund ratio berdasarkan kondisi perusahaan, pada tingkat signifikansi 5%. Nilai signifikansi Fhitung dari DITS (debt income to total source of fund ratio) sebesar 0.000 yang berarti terdapat perbedaan debt income to total source of fund ratio berdasarkan kondisi perusahaan, pada tingkat signifikasi 5%. Berdasarkan penjelasan diatas, maka : H1 : variabel rasio keuangan secara signifikan berbeda berdasarkan kondisi perusahaan pada perusahaan yang terdaftar di BEI periode 2007-2010 (diterima). 78 2. Uji Multinomial Logit Pengujian hipotesis berikutnya, yaitu dengan analisis Multinomial logit. Dalam pengujiann ini, pengujian dilakukan dengan tiga tahap, tahap yang pertama melakukan pengujian hipotesis dengan menggunakan rasio keuangan yang berasal dari neraca dan laporan laba rugi. Tahap kedua, melakukan pengujian hipotesis dengan menggunakan rasio keuangan yang berasal dari laporan arus kas. Dan tahap ketiga melakukan pengujian dengan menggunakan rasio yang berasal dari neraca, laporan laba rugi, dan laporan arus kas. Adapun hasil pengujian tersebut adalah sebagai berikut : a. Uji Multinomial logit dengan rasio keuangan yang berasal dari neraca dan laporan laba rugi. 1) Uji Model -2 log likelihood Tabel 4.7 Model Fitting Information Model Fitting Criteria Model Intercept Only Final -2 Log Likelihood 234,488 106,935 Likelihood Ratio Tests ChiSquare 127,553 df Sig. 16 ,000 Sumber : data olahan SPSS Tabel model fitting information diatas menunjukkan apakah proses pemodelan dengan memasukkan variabel indenpenden dalam model akan menghasilkan model yang lebih baik. Model dengan hanya 79 memasukan intercept akan menghasilkan nilai -2 Log Likelihood sebesar 234.488 dan nilai -2 Log Likelihood akan menurun menjadi 106.935 ketika variabel dimasukkan dalam model. Penurunan ChiSquare sebesar 127.553 yang signifikan pada taraf 0.05, nilai signifikansi yang dihasilkan adalah 0.000 < 0.05. Berarti model menjadi lebih baik, ketika variabel independen dimasukkan dalam model. 2) Uji goodness of fit Tabel 4.8 Goodness-of-Fit Pearson ChiSquare 176,190 df 210 Sig. ,957 Deviance 106,935 210 1,000 Sumber : data olahan SPSS Tabel Goodness of Fit menunjukkan uji kesesuaian model dengan data. Dari Pearson dan Deviance diperoleh nilai signifikansi Chi-Square lebih besar dari 0.05. Sehingga model adalah fit atau cocok dengan data empiris. 3) Uji Pseudo R-Square Tabel 4.9 Pseudo R-Square Cox and Snell ,673 Nagelkerke ,772 McFadden ,544 Sumber : data olahan spss 80 Nilai koefisien Cox and Snell sebesar 0.673, nilai koefisien McFadden sebesar 0.544. Nilai koefisien Nagelkerke memiliki arti bahwa variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 77,2%. 4) Uji Parameter Estimates Tabel 4.10 (Hasil Penguujian Multinomial Logit, Rasio yang Berasal Dari Neraca dan Laporan Laba Rugi) Parameter Estimates 95% Confidence Interval for Exp(B) FD 1 Intercept B 1,413 Std. Error 2,621 Wald ,291 NIS 5,864 1,909 WCTA 1,542 CATA a 2 Upper Bound 1 9,432 1 ,002 352,155 8,345 14861,225 3,497 ,194 1 ,659 4,675 ,005 4431,457 -2,929 4,342 ,455 1 ,500 ,053 ,000 265,614 NFATA 4,930 3,858 1,633 1 ,201 138,416 ,072 266220,034 STA -,179 ,453 ,155 1 ,694 ,836 ,344 2,034 NITA -41,585 9,846 17,838 1 ,000 8,71E-19 ,000 ,000 TLTA ,638 3,275 ,038 1 ,846 1,892 ,003 1159,704 CASHTA -9,093 4,002 5,162 1 ,023 1,12E-04 ,000 ,287 Intercept 3,363 2,692 1,562 1 ,211 ,313 ,391 ,641 1 ,423 1,367 ,636 2,940 WCTA 3,482 3,185 1,195 1 ,274 32,519 ,063 16711,893 CATA -9,301 4,328 4,617 1 ,032 9,14E-05 ,000 ,442 NFATA 1,003 3,801 ,070 1 ,792 2,727 ,002 4690,564 STA -,437 ,540 ,653 1 ,419 ,646 ,224 1,864 NITA -27,520 8,966 9,420 1 ,002 1,12E-12 ,000 ,000 TLTA 5,263 3,003 3,072 1 ,080 193,092 ,537 69474,239 -7,378 5,768 1,637 1 ,201 ,001 ,000 50,696 CASHTA Exp(B) Lower Bound Sig. ,590 NIS df Sumber : data olahan SPSS 81 Variabel yang perusahaan kondisi dapat digunakan untuk mengklasifikasikan 0 dengan perusahaan kondisi 1 dan 2 adalah variabel Rasio NIS, NITA, dan CASHTA yang signifikan pada tingkat 5%. Variabel NIS memiliki hubungan positif secara signifikan dengan probabilitas perusahaan pada kondisi 1 dan 2. Artinya, semakin tinggi rasio NIS maka semakin tinggi probabilitas perusahaan diklasifikasikan pada kondisi 1 dan 2. NITA dan CASHTA memiliki hubungan negatif secara signifikan dengan probabilitas perusahaan pada kondisi 1 dan 2. Artinya, semakin rendah NITA dan CASHTA akan semakin tinggi probabilitas perusahaan pada kondisi 1 dan 2. Fungsi Modelnya adalah : FD = 1.413 + 5.864NIS – 41.585NITA – 9.093CASHTA Pada persamaan ini, nilai konstanta sebesar 1.413 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami peningkatan sebesar 1.413 Variabel yang perusahaan kondisi dapat digunakan untuk mengklasifikasikan 1 dengan perusahaan kondisi 2 adalah variabel Rasio CATA dan NITA yang signifikan pada tingkat 5%. CATA dan NITA memiliki hubungan negatif secara signifikan dengan probabilitas 82 perusahaan pada kondisi 2. Artinya, semakin rendah CATA dan NITA akan semakin tinggi probabilitas perusahaan pada kondisi 2. Fungsi Modelnya adalah : FD = 3.363 - 9.301CATA – 27.520NITA Pada persamaan ini, nilai konstanta sebesar 3.363 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami peningkatan sebesar 3.363. 5) Ketetapan Prediksi Tabel 4.11 Classification Predicted Observed 0 0 1 Percent Correct 94,8% 11 8 45,8% 6 23 71,9% 16,7% 28,1% 78,1% 1 2 55 2 1 5 2 3 55,3% Overall Percentage Sumber : data olahan SPSS Analisis lebih lanjut berkaitan dengan daya klasifikasi untuk kelompok 1, kelompok 2 dan kelompok 3. Multinomial logit dengan rasio keuangan yang berasal dari neraca dan laporan laba rugi memiliki daya klasifikasi total sebesar 78,1%. 83 b. Uji Multinomial logit dengan rasio keuangan yang berasal dari laporan arus kas. 1) Uji Model -2 log likelihood Tabel 4.12 Model Fitting Information Model Fitting Criteria Model Intercept Only Final -2 Log Likelihood 234,488 193,262 Likelihood Ratio Tests ChiSquare 41,226 df Sig. 6 ,000 Sumber : data olahan SPSS Tabel model fitting information diatas menunjukkan apakah proses pemodelan dengan memasukkan variabel independen dalam model akan menghasilkan model yang lebih baik. Model dengan hanya memasukan intercept akan menghasilkan nilai -2 Log Likelihood sebesar 234.488 dan nilai -2 Log Likelihood akan menurun menjadi 193.262 ketika variabel dimasukkan dalam model. Penurunan Chi-Square sebesar 41.226 yang signifikan pada taraf 0.05, nilai signifikansi yang dihasilkan adalah 0.001 < 0.05. Berarti model menjadi lebih baik, ketika variabel independen dimasukkan dalam model. 84 2) Uji goodness of fit Tabel 4.13 Goodness-of-Fit Pearson ChiSquare 206,961 df 220 Sig. ,727 Deviance 193,262 220 ,903 Sumber : data olahan SPSS Tabel Goodness of Fit menunjukkan uji kesesuaian model dengan data. Dari Pearson dan Deviance diperoleh nilai signifikansi Chi-Square lebih besar dari 0.05. Sehingga model adalah fit atau cocok dengan data empiris. 3) Uji Pseudo R-Square Tabel 4.14 Pseudo R-Square Cox and Snell ,303 Nagelkerke ,348 McFadden ,176 Sumber : data olahan SPSS Nilai koefisien Cox and Snell sebesar 0.303, nilai koefisien McFadden sebesar 0.176. Nilai koefisien Nagelkerke memiliki arti bahwa variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 34,8%. 85 4) Uji Parameter Estimates Tabel 4.15 (Hasil Pengujian Multinomial Logit, Rasio yang Berasal Dari Laporan Arus Kas) Parameter Estimates 95% Confidence Interval for Exp(B) FD 1 Intercept B -,796 Std. Error ,511 Wald 2,424 CFFOTA -8,616 2,793 CFFOTS b a 9,519 1 ,002 1,81E-04 7,606E-07 ,043 . . 0 . . . . 40,787 26,010 2,459 1 ,117 5,173E+17 ,000 7,135E+39 ,603 1,010 ,357 1 ,550 1,827 ,253 13,221 Intercept -1,775 ,518 11,744 1 ,001 CFFOTA -6,437 2,292 7,887 1 ,005 ,002 ,000 ,143 CFFOTS b . . 0 . . . . 41,112 25,742 2,551 1 ,110 7,157E+17 ,000 5,834E+39 2,789 ,882 9,993 1 ,002 16,264 2,886 91,658 DITS RPPETS DITS 0 Exp(B) Upper Bound 1 RPPETS 2 Lower Bound Sig. ,120 0 Df Sumber : data olahan SPSS Variabel yang perusahaan kondisi dapat digunakan untuk mengklasifikasikan 0 dengan perusahaan kondisi 1 dan 2 adalah variabel Rasio CFFOTA yang signifikan pada tingkat 5%. Variabel CFFOTA memiliki hubungan negatif secara signifikan dengan probabilitas perusahaan pada kondisi 1 dan 2. Artinya, semakin rendah CFFOTA akan semakin tinggi probabilitas perusahaan pada kondisi 1 dan 2. Fungsi Modelnya adalah : FD = -0.796 – 8.616CFFOTA 86 Pada persamaan ini, nilai konstanta sebesar -0.796 mempunyai arti bahwa jika variabel-variabel independen dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami penurunan sebesar 0.796. Variabel yang perusahaan kondisi dapat digunakan untuk mengklasifikasikan 1 dengan perusahaan kondisi 2 adalah variabel Rasio CFFOTA dan DITS yang signifikan pada tingkat 5%. Variabel CFFOTA memiliki hubungan negatif secara signifikan dengan probabilitas perusahaan pada kondisi 2. Artinya, semakin rendah CFFOTA akan semakin tinggi probabilitas perusahaan pada kondisi 2. Variabel DITSmemiliki hubungan positif secara signifikan dengan probabilitas perusahaan pada kondisi 2. Artinya, semakin tinggi rasio DITS maka semakin tinggi probabilitas perusahaan diklasifikasikan pada kondisi 2. Fungsi Modelnya adalah : FD = -1.775 – 6.437CFFOTA + 2.789DITS Pada persamaan ini, nilai konstanta sebesar -1.775 mempunyai arti bahwa jika variabel-variabel independen dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami penurunan sebesar 1.775. 87 5) Ketetapan Klasifikasi Tabel 4.16 Classification Predicted 51 2 5 Percent Correct 87,9% 1 13 3 8 12,5% 2 17 1 14 43,8% 71,1% 5,3% 23,7% 59,6% Observed 0 0 Overall Percentage 1 2 Sumber : data olahan SPSS Analisis lebih lanjut berkaitan dengan daya klasifikasi untuk kelompok 1, kelompok 2 dan kelompok 3. Multinomial logit dengan rasio keuangan yang berasal dari laporan arus kas memiliki daya klasifikasi total sebesar 59,6%. c. Uji Multinomial logit dengan rasio keuangan yang berasal dari neraca, laporan laba rugi dan laporan arus kas. 1) Uji Model -2Log Likelihood Tabel 4.17 Model Fitting Information Model Fitting Criteria Model Intercept Only Final -2 Log Likelihood 234,488 105,054 Likelihood Ratio Tests ChiSquare 129,434 df Sig. 20 ,000 Sumber : data olahan SPSS 88 Tabel model fitting information diatas menunjukkan apakah proses pemodelan dengan memasukkan variabel indenpenden dalam model akan menghasilkan model yang lebih baik. Model dengan hanya memasukan intercept akan menghasilkan nilai -2 Log Likelihood sebesar 234.488 dan nilai -2 Log Likelihood akan menurun menjadi 105.054 ketika variabel dimasukkan dalam model. Penurunan ChiSquare sebesar 129.434 yang signifikan pada taraf 0.05, nilai signifikansi yang dihasilkan adalah 0.000 < 0.05. Berarti model menjadi lebih baik, ketika variabel independen dimasukkan dalam model. 2) Uji Goodness of fit Tabel 4.18 Goodness-of-Fit Pearson ChiSquare 182,650 df 206 Sig. ,878 Deviance 105,054 206 1,000 Sumber : data olahan SPSS Tabel Goodness of Fit menunjukkan uji kesesuaian model dengan data. Dari Pearson dan Deviance diperoleh nilai signifikansi Chi-Square lebih besar dari 0.05. Sehingga model adalah fit atau cocok dengan data empiris. 89 3) Uji Pseudo R-Square Tabel 4.19 Pseudo R-Square Cox and Snell Nagelkerke ,679 ,778 McFadden ,552 Sumber : data olahan SPSS Nilai koefisien Cox and Snell sebesar 0.679, nilai koefisien McFadden sebesar 0.552. Nilai koefisien Nagelkerke memiliki arti bahwa variabilitas variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 77,8%. 4) Uji Parameter Estimates Tabel 4.20 (Hasil Pengujian Multinomial Logit, Rasio yang Berasal Dari Neraca, Laporan Laba Rugi dan Laporan Arus Kas) Parameter Estimates FD 1 Intercept B 1,656 Std. Error 2,786 NIS 6,362 2,005 WCTA 1,666 CATA a 1 Sig. ,552 10,065 1 ,002 579,525 11,378 29517,780 3,712 ,201 1 ,654 5,290 ,004 7644,265 -3,194 4,592 ,484 1 ,487 ,041 ,000 332,725 NFATA 4,541 3,954 1,319 1 ,251 93,769 ,040 217626,657 STA -,188 ,492 ,146 1 ,703 ,829 ,316 2,172 NITA -43,101 10,625 16,454 1 ,000 1,911E-19 1,726E-28 2,117E-10 TLTA ,641 3,482 ,034 1 ,854 1,898 ,002 1744,618 CASHTA -10,902 4,772 5,219 1 ,022 1,84E-05 1,596E-09 ,212 CFFOTA 3,404 4,663 ,533 1 ,465 30,076 ,003 280059,550 CFFOTS b . . 0 . . . . 15,407 40,295 ,146 1 ,702 4,911E+06 2,469E-28 9,771E+40 b . . 0 . . . . RPPETS DITS 0 0 Wald ,353 df 95% Confidence Interval for Exp(B) Lower Bound Upper Bound Exp(B) 90 2 Intercept 3,752 2,886 1,690 1 ,194 ,326 ,410 ,634 1 ,426 1,386 ,621 3,094 WCTA 3,296 3,410 ,934 1 ,334 27,002 ,034 21579,315 CATA -9,697 4,608 4,428 1 ,035 6,14E-05 7,342E-09 ,514 ,306 3,919 ,006 1 ,938 1,358 ,001 2943,748 -,622 ,614 1,026 1 ,311 ,537 ,161 1,789 NITA -26,891 9,655 7,757 1 ,005 2,097E-12 1,267E-20 ,000 TLTA 5,246 3,169 2,740 1 ,098 189,836 ,381 94598,236 CASHTA -6,743 5,948 1,285 1 ,257 ,001 1,019E-08 136,302 CFFOTA ,259 4,846 ,003 1 ,957 1,296 ,000 17262,501 CFFOTS b . . 0 . . . . 23,034 40,219 ,328 1 ,567 1,008E+10 5,870E-25 1,731E+44 b . . 0 . . . . NIS NFATA STA RPPETS DITS 0 0 Sumber : data olahan SPSS Variabel yang perusahaan kondisi dapat digunakan untuk mengklasifikasikan 0 dengan perusahaan kondisi 1 dan 2 adalah variabel Rasio NIS, NITA, dan CASHTA yang signifikan pada tingkat 5%. Variabel NIS memiliki hubungan positif secara signifikan dengan probabilitas perusahaan pada kondisi 1 dan 2. Artinya, semakin tinggi rasio NIS maka semakin tinggi probabilitas perusahaan diklasifikasikan pada kondisi 1 dan 2. NITA dan CASHTA memiliki hubungan negatif secara signifikan dengan probabilitas perusahaan pada kondisi 1 dan 2. Artinya, semakin rendah NITA dan CASHTA akan semakin tinggi probabilitas perusahaan pada kondisi 1 dan 2. Fungsi Modelnya adalah : FD = 1.656 + 6.362NIS – 43.101NITA – 10.902CASHTA 91 Pada persamaan ini, nilai konstanta sebesar 1.656 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami peningkatan sebesar 1.656. Variabel yang perusahaan kondisi dapat digunakan untuk mengklasifikasikan 1 dengan perusahaan kondisi 2 adalah variabel Rasio CATA dan NITA yang signifikan pada tingkat 5%. CATA dan NITA memiliki hubungan negatif secara signifikan dengan probabilitas perusahaan pada kondisi 2. Artinya, semakin rendah CATA dan NITA akan semakin tinggi probabilitas perusahaan pada kondisi 2. Fungsi Modelnya adalah : FD = 3.752 – 9.697CATA – 26.891NITA Pada persamaan ini, nilai konstanta sebesar 3.752 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami peningkatan sebesar 3.752. 92 5) Ketetapan Klasifikasi Tabel 4.21 Classification Predicted 56 1 1 Percent Correct 96,6% 1 5 12 7 50,0% 2 3 6 23 71,9% 56,1% 16,7% 27,2% 79,8% Observed 0 Overall Percentage 0 1 2 Sumber : data olahan SPSS Analisis lebih lanjut berkaitan dengan daya klasifikasi untuk kelompok 1, kelompok 2 dan kelompok 3. Multinomial logit dengan rasio keuangan yang berasal dari neraca, laporan laba rugi dan laporan arus kas memiliki daya klasifikasi total sebesar 79,8%. Dari hasil pengujian hipotesis dengan menggunakan analisis Multinomial logit, maka dapat disimpulkan hasil hipotesis dalam penelitian ini adalah sebagai berikut : H2 : Variabel rasio keuangan yang berasal dari laporan neraca, laba rugi dan arus kas dapat digunakan untuk memprediksi probabilitas kondisi financial distress perusahaan yang terdaftar di Bursa Efek Indonesia periode 2007-2010. (diterima). 93 Hasil perhitingan uji beda yang dilakukan dengan uji MANOVA dapat disimpulkan bahwa rasio-rasio keuangan kelompok perusahaan yang mengalami financial distress dan kelompok perusahaan yang sehat secara statistik berbeda signifikan dan mendukung hipotesis 1 dalam penelitian ini. Hasil pengujian Multinomial logit model pertama (rasio keuangan yang berasal dari neraca dan laporan laba rugi) menunjukkan daya klasifikasi ketetapan prediksi keseluruhan 78,1%. Untuk pengujian Multinomial logit model kedua (rasio keuangan yang berasal dari laporan arus kas) menunjukkan daya klasifikasi ketetapan prediksi keseluruhan 59,6%. Sedangkan untuk pengujian Multinomial logit model ketiga (rasio keuangan yang berasal dari neraca, laporan laba rugi dan laporan arus kas) menunjukkan daya klasifikasi ketetapan prediksi keseluruhan 79,8%. Hasil diatas dapat disimpulkan bahwa rasio keuangan yang berasal dari laporan neraca dan laporan laba rugi memiliki daya klasifikasi lebih tinggi dari pada rasio keuangan yang berasal dari arus kas, sedangkan untuk pengujian secara bersama-sama menggunakan rasio keuangan yang berasal dari neraca, laporan laba rugi dan laporan arus kas didapat daya prediksi yang lebih akurat yaitu mencapai ketetapan 79,8%. Hasil ini menjawab tujuan penelitian yaitu untuk mengetahui rasio keuangan yang memiliki daya klasifikasi yang paling tinggi untuk memprediksi kondisi financial distress. Hasil ini ditunjukkan dengan classification table pada setiap model dan hal ini 94 mendukung hipotesis 2 dalam penelitian ini berarti rasio keuangan dapat digunakan untuk memprediksi kondisi financial distress perusahaan. Hasil perhitungan Multinomial logit dari ketiga model menunjukkan bahwa variabel yang berpengaruh signifikan terhadap variabel dependen adalah : Net Income/Sales, Net Income / Total Asset, Current Asset/Total Asset, CASH/Total Aseet, Cash Flow From Operation/ Total Asset, Debt Investment/Total Source of Fund sedangkan yang lainnya tidak signifikan. Pada model pertama variabel yang dapat digunakan untuk memprediksi probabilitas kondisi financial distress perusahaan adalah variabel NIS, NITA, dan CASHTA. Berdasarkan nilai B (koefisien) pada tabel parameter Estimates, maka dapat diperoleh dua persamaan untuk menginterpretasikan Analisis Multinomial Logit, yaitu : FD = 1.413 + 5.864NIS – 41.585NITA – 9.093CASHTA………….(1) Dan FD = 3.363 - 9.301CATA – 27.520NITA...…………………………(2) Pada persamaan 1, nilai konstanta sebesar 1.413 mempunyai arti bahwa jika variabel-variabel independen dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami peningkatan sebesar 1.413. Koefisien NIS sebesar 5.864 dan mempunyai hubungan positif artinya semakin tinggi rasio Net Income/Sales perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai 95 Exp(B) sebesar 352.155 artinya setiap kenaikan variabel NIS akan meningkatkan kemungkinan terjadinya kondisi financial distress sebesar 352.155 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Luciana & Kristijadi (2003), Kim Sung Kuk (2007) dan Bhunia & Sakar (2011) dimana variabel NIS dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Koefisien NITA sebesar -41.585 dan mempunyai hubungan negatif artinya semakin tinggi rasio Net Income/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai Exp(B) sebesar 8.71E-19 artinya setiap kenaikan variabel NITA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 8.71E-19 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Almilia (2004) dan Hui-Fun Yu & Jung-Hui Liang (2010) dimana variabel NITA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Koefisien CASHTA sebesar -9.093 dan mempunyai hubungan negatif artinya semakin tinggi rasio CASH/Total Asset perusahaan maka semakin turun pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai Exp(B) sebesar 1.12E-04 artinya setiap kenaikan variabel CASHTA akan meningkatkan kemungkinan terjadinya kondisi financial distress sebesar 1.12E04 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Rowland Pasaribu (2008) dan Shu Ling 96 Lin (2010) dimana variabel CASHTA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Pada persamaan 2, nilai konstanta sebesar 3.363 mempunyai arti bahwa jika variabel-variabel independen dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami penurunan sebesar 3.363. Persamaan 2 dimaksudkan untuk melihat variabel yang dapat digunakan untuk mengklasifikasikan kelompok 2 dan 3. Koefisien CATA sebesar -9.301 dan mempunyai hubungan negatif artinya semakin tinggi rasio Current Asset/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompok 3. Nilai Exp(B) sebesar 9.14E-05 artinya setiap kenaikan variabel CATA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 9.14E-05 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Rowland Pasaribu (2008) dan Shu Ling Lin (2010) dimana variabel CATA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Koefisien NITA sebesar -27.520 dan mempunyai hubungan negatif artinya semakin tinggi rasio Net Income/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompok 3. Nilai Exp(B) sebesar 1.12E-12 artinya setiap kenaikan variabel NITA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 1.12E-12 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Rahman Muslim (2009) dan Hui-Fun Yu & Jung-Hui Liang 97 (2010) dimana variabel NITA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Pada model kedua variabel yang dapat digunakan untuk memprediksi probabilitas kondisi financial distress perusahaan adalah variabel CFFOTA dan DITS. Berdasarkan nilai B (koefisien) pada table parameter Estimates, maka dapat diperoleh dua persamaan untuk menginterpretasikan Analisis Multinomial Logit, yaitu : FD = -0.796 – 8.616CFFOTA …………………………….......…………(1) Dan FD = -1.775 – 6.437CFFOTA + 2.789DITS …………………....……….(2) Pada persamaan 1, nilai konstanta sebesar -0.796 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami penurunan sebesar 0.796 Koefisien CFFOTA sebesar 8.616 dan mempunyai hubungan negatif artinya semakin rendah rasio Cash Flow From Operation/Total Asset perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai Exp(B) sebesar 1.81E-04 artinya setiap kenaikan variabel CFFOTA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 1.81E-04 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Almilia (2006) dan Amalendu et al (2011) dimana variabel CFFOTA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. 98 Pada persamaan 2, nilai konstanta sebesar -1.775 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami penurunan sebesar 1.775. Persamaan 2 dimaksudkan untuk melihat variabel yang dapat digunakan untuk mengklasifikasikan kelompok 2 dan 3. Koefisien CFFOTA sebesar -6.437 dan mempunyai hubungan negatif artinya semakin tinggi rasio Cash Flow From Operation/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompok 3. Nilai Exp(B) sebesar 0.002 artinya setiap kenaikan variabel CFFOTA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 0.002 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Yolanda & Mudji (2009) dan Amalendu et al (2011) dimana variabel CFFOTA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Koefisien DITS sebesar 2.789 dan mempunyai hubungan positif artinya semakin tinggi rasio Debt Investment/Total Source of Fund perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompok 3. Nilai Exp(B) sebesar 16.264 artinya setiap kenaikan variabel DITS akan meningkatkan kemungkinan terjadinya kondisi financial distress sebesar 16.264 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu penelitian Yolanda & Mudji (2009) dimana variabel DITS dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. 99 Pada model ketiga variabel yang dapat digunakan untuk memprediksi probabilitas kondisi financial distress perusahaan adalah variabel NIS, CATA, NITA, dan CASHTA. Berdasarkan nilai B (koefisien) pada table parameter Estimates, maka dapat diperoleh dua persamaan untuk menginterpretasikan Analisis Multinomial Logit, yaitu : FD = 1.656 + 6.362NIS – 43.101NITA – 10.902CASHTA ………..(1) Dan FD = 3.752 – 9.697CATA – 26.891NITA............................................(2) Pada persamaan 1, nilai konstanta sebesar 1.656 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami kenaikan sebesar 1.656. Koefisien NIS sebesar 6.362 dan mempunyai hubungan positif artinya semakin tinggi rasio Net Income/sales perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompok 2 dan kelompk 3. Nilai Exp(B) sebesar 579.525 artinya setiap kenaikan variabel NIS akan meningkatkan kemungkinan terjadinya kondisi financial distress sebesar 579.525 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu penelitian Almilia & Kristijadi (2003), Kim Sung Kuk (2008) dan Bhunia & Sakar (2011) dimana variabel NIS dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. 100 Koefisien NITA sebesar -43.101 dan mempunyai hubungan negatif artinya semakin tinggi rasio Net Income/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai Exp(B) sebesar 1.911E-19 artinya setiap kenaikan variabel NITA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 1.911E19 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Wahyu dan Doddy (2009) dan Hui-Fun Yu & Jung-Hui Liang (2010) dimana variabel NITA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Koefisien CASHTA sebesar -10.902 dan mempunyai hubungan negatif artinya semakin tinggi rasio CASH/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai Exp(B) sebesar 1.84E-5 artinya setiap kenaikan variabel CASHTA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 1.84E-5 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Rowland Pasaribu (2008) dan Shu Ling Lin (2010) dimana variabel CASHTA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Pada persamaan 2, nilai konstanta sebesar 3.528 mempunyai arti bahwa jika variabel-variabel indenpenden dianggap nol, maka probabilitas perusahaan mengalami financial distress mengalami penurunan sebesar 3.528. 101 Persamaan 2 dimaksudkan untuk melihat variabel yang dapat digunakan untuk mengklasifikasikan kelompok 2 dan 3. Koefisien CATA sebesar -9.697 dan mempunyai hubungan negatif artinya semakin tinggi rasio Current Asset/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompok 3. Nilai Exp(B) sebesar 6.14E-5 artinya setiap kenaikan variabel CATA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 6.14E-5 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Rowland Pasaribu (2008), Joko Sumbodo (2010), Shu Ling Lin (2010) dimana variabel CATA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. Koefisien NITA sebesar -26.891 dan mempunyai hubungan negatif artinya semakin tinggi rasio Net Income/Total Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai Exp(B) sebesar 2.097E-12 artinya setiap kenaikan variabel NITA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 2.097E12 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Almilia (2004), Wahyu dan Doddy (2009), Rahman Muslim (2009), dan Hui-Fun Yu dan Jung-Hui Liang (2010) dimana variabel NITA dapat digunakan untuk memprediksi kondisi financial distress pada perusahaan. 102 Dari interpretasi tersebut maka dapat ditarik kesimpulan bahwa rasio Net Income / Sales, Current Asset / Total Asset, Net Income / Total Asset, CASH / Total Asset, Cash Flow From Operation / Total Asset, Debt Investment / Total Source of Fund sebagai hasil variabel yang signifikan dalam penelitian ini merupakan variabel rasio keuangan yang dapat menentukan kondisi kesehatan perusahaan dengan rasio NI/S sebagai rasio yang menjelaskan seberapa besar tingkat penjulalan dalam menghasilkan laba bersih perusahaan, rasio CA/TA sebagai rasio yang menjelaskan seberapa besar penggunaan aktiva lancar dalam perusahaan, rasio NI/TA sebagai rasio yang menjelaskan efektifitas perusahaan dalam menghasilkan laba atas penggunaan total asetnya didalam kegiatan operasinya, rasio CASH/TA sebagai rasio yang menjelaskan efisiensi perusahaan dalam menghasilkan kas atas penggunaan total asetnya didalam kegiatan operasinya, rasio CFFO/TA sebagai rasio yang menjelaskan sejauh mana free cash flow yang dimiliki atas total aset yang dimiliki perusahaan, rasio DI/TS sebagai rasio yang menjelaskan sejauh mana proporsi hutang perusahaan dari total sumber dana yang dimiliki perusahaan. Jika dilihat dari data historis perusahaan tahun 2007-2008, maka dapat terlihat variabel NI/S, CA/TA, NI/TA, CASHTA, CFFO/TA dan DI/TS dapat menjadi prediktor kondisi financial distress yang terjadi tahun 2009-2010 sesuai sampel penelitian. Perusahaan yang memiliki NI/S tinggi di tahun 2007-2008, cenderung tergolong perusahaan yang mengalami financial distress dengan pengertian mengalami laba bersih sebelum pajak negatif dua tahun berturut-turut 103 dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan dua tahun berturut turut pada tahun 2009-2010. Sebaliknya, perusahaan yang memiliki NI/S rendah di tahun 2007-2008 cenderung tergolong perusahaan sehat yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dua tahun berturut-turut dan memiliki arus kas yang lebih besar dibandingkan hutang jangka panjang perusahaan dua tahun berturut-turut ditahun 2009-2010. Perusahaan yang memiliki CA/TA rendah di tahun 2007-2008, cenderung tergolong perusahaan yang mengalami financial distress dengan pengertian mengalami laba bersih sebelum pajak negatif dua tahun berturut-turut dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan dua tahun berturut turut pada tahun 2009-2010. Sebaliknya, perusahaan yang memiliki CA/TA tinggi di tahun 2007-2008 cenderung tergolong perusahaan sehat yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dua tahun berturutturut dan memiliki arus kas yang lebih besar dibandingkan hutang jangka panjang perusahaan dua tahun berturut-turut pada tahun 2009-2010. Perusahaan yang memiliki NI/TA rendah di tahun 2007-2008, cenderung tergolong perusahaan yang mengalami financial distress dengan pengertian mengalami laba bersih sebelum pajak negatif dua tahun berturut-turut dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan dua tahun berturut turut pada tahun 2009-2010. Sebaliknya, perusahaan yang memiliki NI/TA tinggi di tahun 2007-2008 cenderung tergolong perusahaan sehat yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dua tahun berturut104 turut dan memiliki arus kas yang lebih besar dibandingkan hutang jangka panjang perusahaan dua tahun berturut-turut pada tahun 2009-2010. Perusahaan yang memiliki CASH/TA rendah di tahun 2007-2008, cenderung tergolong perusahaan yang mengalami financial distress dengan pengertian mengalami laba bersih sebelum pajak negatif dua tahun berturut-turut dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan dua tahun berturut turut pada tahun 2009-2010. Sebaliknya, perusahaan yang memiliki CASH/TA tinggi di tahun 2007-2008 cenderung tergolong perusahaan sehat yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dua tahun berturut-turut dan memiliki arus kas yang lebih besar dibandingkan hutang jangka panjang perusahaan dua tahun berturut-turut pada tahun 2009-2010. Perusahaan yang memiliki CFFO/TA rendah di tahun 2007-2008, cenderung tergolong perusahaan yang mengalami financial distress dengan pengertian mengalami laba bersih sebelum pajak negatif dua tahun berturut-turut dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan dua tahun berturut turut pada tahun 2009-2010. Sebaliknya, perusahaan yang memiliki CFFO/TA tinggi di tahun 2007-2008 cenderung tergolong perusahaan sehat yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dua tahun berturutturut dan memiliki arus kas yang lebih besar dibandingkan hutang jangka panjang perusahaan dua tahun berturut-turut pada tahun 2009-2010. Perusahaan yang memiliki DI/TS tinggi di tahun 2007-2008, cenderung tergolong perusahaan yang mengalami financial distress dengan pengertian 105 mengalami laba bersih sebelum pajak negatif dua tahun berturut-turut dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan dua tahun berturut turut pada tahun 2009-2010. Sebaliknya, perusahaan yang memiliki DI/TS rendah di tahun 2007-2008 cenderung tergolong perusahaan sehat yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dua tahun berturutturut dan memiliki arus kas yang lebih besar dibandingkan hutang jangka panjang perusahaan dua tahun berturut-turut ditahun 2009-2010. Penelitian terdahulu yang dilakukan oleh Altman (1986) dalam Almalia dan Kristidjadi (2003) yang meneneliti pemanfaatan analisis rasio keuangan sebagai alat untuk memprediksi kebangkrutan perusahaan dengan menggunakan analisis diskriminan. Altman menggunakan sampel perusahaan manufaktur yang bangkrut antara tahun 1946-1965. Dari sampel yang dipilih, Altman memperoleh 33 perusahaan, dengan menggunakan 22 rasio keuangan yang kemudian dikelompokkan menjadi 5 golongan standar. Hasil penelitiannya menghasilkan rasio keuangan yang dapat memprediksi kebangkrutan perusahaan dengan fungsi diskriminan sebagai berikut : indeks kebangkrutan = 0,12 Working Capital/Total Asset + 0,14 Retained Earning/Total Asset + 0,33 Earning Before Interest and Tax/Total Asset + 0,006 Market Value Equity/Book Value Debt + 0,999 Sales/Total Asset. Almilia dan Kristidjadi (2003) menggunakan 20 rasio keuangan seperti yang digunakan pada penelitian Platt dan Platt (2002) dan melakukan 12 kali pengujian persamaan regresi logistik untuk menentukan signifikansi masing106 masing rasio keuangan tersebut dengan periode yang digunakan 2 tahun periode prediksi dan 2 tahun periode pengataman. Hasil penelitian yang dilakukan oleh peneliti berbeda dengan hasil penelitian yang dilakukan oleh RR Iramani (2008), Iramani dalam penelitiannya untuk menguji rasio-rasio keuangan dari berbasis akrual, berbasil aliran kas, industri relative ratio, dan indokator ekonomi makro dapat digunakan sebagai prediktor financial distress. RR Iramani menggunakan 27 rasio keuangan berbasis akrual, 6 rasio keuangan berbasis arus kas dan 33 rasio keuangan industry relative ratio berbasis akrual dan berbasis kas. Hasil penelitiannya menujukkan adanya tujuh variabel yang mampu memprediksi financial distress yaitu Retained Earning/Total Asset, Total Debt/Total Asset, Earning After Tax/Asset, Invesment/Net Sales, Earning Before Interest and Tax/Total Asset, Sales/Total Asset, dan Cash Flow/Total Asset dengan total daya prediksi 74,2%. Penelitian ini berbeda karena dalam penelitian ini menggunakan definisi financial distress yang berbeda yaitu menggunakan laba bersih sebelum pajak dan arus kas yang lebih kecil dibanding hutang jangka panjang perusahaan. Hasil penelitian ini juga mendukung penelitian-penelitian sebelumnya yaitu Luciana dan Kristidjadi (2003), Kim Sung Kuk (2007) bahwa rasio-rasio keuangan dapat digunakan untuk memprediksi kondisi financial distress suatu perusahaan. 107 BAB V KESIMPULAN, IMPLIKASI DAN SARAN A. Kesimpulan Dari hasil pembahasan pada penelitian ini dapat diambil kesimpulan penelitian sebagai berikut : 1. Berdasarkan penelitian yang telah dilakukan pada perusahaan-perusahaan yang terdaftar di Bursa Efek Indonesia didapat 12 perusahaan yang yang mengalami financial distress atas dasar laba bersih sebelum pajak negatif selama dua tahun berturut-turut dan 16 perusahaan yang mengalami financial distress atas dasar laba bersih sebelum pajak negatif dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan selama dua tahun berturut-turut dari 289 perusahaan dan 29 perusahaan sehat sebagai kontrol selama periode pengamatan 2009-2010 dan dua tahun periode prediksi tahun 2007-2008. 2. Rasio keuangan yang berasal dari neraca dan laporan laba rugi yaitu NIS, WCTA, CATA, NFATA, STA, NITA, TLTA dan CASHTA berbeda signifikan berdasarkan hasil uji beda MANOVA antara perusahaan yang mengalami financial distress dan sehat dengan nilai signifikansi < 0.05. Rasio keuangan yang berasal dari laporan arus kas yaitu CFFOTA, CFFOTS, DITS, dan RPPETS berbeda signifikan berdasarkan hasil uji beda 108 MANOVA antara perusahaan yang mengalami financial distress dan sehat dengan nilai signifikansi < 0.05. 3. Pengujian Multinominal logit model pertama yang memasukkan rasio keuangan yang berasal dari neraca dan laporan laba rugi menunjukkan bahwa rasio NIS, CATA, NITA dan CASHTA dapat digunakan untuk memprediksi kondisi financial distress perusahaan. Daya klasifikasi total model pertama ini adalah sebesar 78,1%. 4. Pengujian Multinominal logit model kedua yang memasukkan rasio keuangan yang berasal dari laporan arus kas menunjukkan bahwa rasio CFFOTA, dan DITS dapat digunakan untuk memprediksi kondisi financial distress perusahaan. Daya klasifikasi total model kedua ini adalah sebesar 59,6%. 5. Pengujian Multinominal logit model ketiga yang memasukkan rasio keuangan yang berasal darineraca, laporan laba rugi dan laporan arus kas menunjukkan bahwa rasio NIS, CATA, NITA dan CASHTA dapat digunakan untuk memprediksi kondisi financial distress perusahaan. Daya klasifikasi total model ketiga ini adalah sebesar 79,8%. B. Implikasi 1. Perusahaan Apabila perusahaan mengalami kebangkrutan maka perusahaan akan akan menanggung biaya (akuntan dan pengacara) dan biaya tidak langsung 109 (kerugian penjualan atau kerugian paksaan akibat ketetapan pengadilan). Sehingga dengan adanya model financial distress diharapkan perusahaan dapat menghindari kebangkrutan. Rasio NIS (net income on sales) berpengaruh positif terhadap kondisi probabilitas financial distress. Semakin tinggi rasio NIS, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio NITA (net income on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio NITA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CATA (current asset on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CATA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CASHTA (cash on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CASHTA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CFFOTA (cash flow from operation on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CFFOTA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio DITS (debt income on total source of fund) berpengaruh positif terhadap kondisi probabilitas financial distress. Semakin tinggi rasio DITS, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. 110 2. Investor Model prediksi financial distress dapat membantu investor ketika akan menilai kemungkinan masalah suatu perusahaan dalam melakukan pembayaran kembali pokok dan bunga. Rasio NIS (net income on sales) berpengaruh positif terhadap kondisi probabilitas financial distress. Semakin tinggi rasio NIS, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio NITA (net income on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio NITA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CATA (current asset on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CATA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CASHTA (cash on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CASHTA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CFFOTA (cash flow from operation on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CFFOTA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio DITS (debt income on total source of fund) berpengaruh positif terhadap kondisi probabilitas financial distress. Semakin tinggi rasio DITS, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. 111 3. Kreditor Bagi kreditor, rasio keuangan secara statistik signifikan dapat digunakan untuk memprediksi probabilitas kondisi financial distress dalam penelitian ini dapat digunakan untuk mengetahui kondisi perusahaan yang akan diberikan pinjaman. Sehingga mereka dapat mengambil keputusan yang tepat dalam pemberian pinjaman, sehingga kegagalan pengembalian piutang dapat diminimalisir. Rasio NIS (net income on sales) berpengaruh positif terhadap kondisi probabilitas financial distress. Semakin tinggi rasio NIS, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio NITA (net income on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio NITA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CATA (current asset on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CATA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CASHTA (cash on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CASHTA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio CFFOTA (cash flow from operation on total asset) berpengaruh negatif terhadap kondisi probabilitas financial distress. Semakin rendah rasio CFFOTA, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. Rasio DITS (debt income on total source of fund) berpengaruh 112 positif terhadap kondisi probabilitas financial distress. Semakin tinggi rasio DITS, maka akan semakin tinggi probabilitas kondisi financial distress perusahaan. 4. Akademisi Penilaian model prediksi financial distress dengan menggunakan rasio keuangan dapat dijadikan tambahan pengetahuan sehingga berikutnya dapat digunakan alternatif dan cara yang lebih tepat yang dapat dijadikan alat untuk memprediksi kondisi financial distress perusahaan. C. Keterbatasan Penelitian dan Saran Keterbatasan penelitian ini adalah : 1. Penelitian ini hanya menggunakan periode observasi dua tahun dan periode prediksi dua tahun sehingga untuk pengujian model prediksi masih belum dapat dijelaskan secara sempurna. 2. Proksi kondisi financial distress hanya sebatas pada laba bersih sebelum pajak negatif dan arus kas yang lebih kecil dari hutang jangka panjang perusahaan tersebut. Saran bagi peneliti selanjutnya : 1. Memperpanjang tahun periode prediksi dan periode observasi 2. Dapat menggunakan ukuran lain dalam memproksikan finnacial distress selain laba bersih sebelum pajak negatif dan arus kas yang lebih kecil dari hutang jangka panjang perusahaan. 113 DAFTAR PUSTAKA Almeida, Heitor & Philippon, Thomas. “The Risk Adjusted Cost of Financial Distress”. School of Business, New York University. Almilia, Luciana dan Kristijadi, Emanuel. “Analisis Rasio Keuangan Untuk Memprediksi Kondisi Financial Distress Perusahaan Manufaktur yang Terdaftar di Bursa Efek Jakarta”. Jurnal Akuntansi dan Auditing Indonesia (JAAI), Vol.7, No.2, Desember 2003. Almilia, Luciana. “Analisis Faktor-Faktor Yang Mempengaruhi Kondisi Financial Distress Suatu Perusahaan Yang Terdaftar Di Bursa Efek Jakarta”. Jurnal Riset Akuntansi Indonesia, Vol. 7, No. 1, Januari 2004. Almilia, Luciana. “Prediksi Kondisi Financial Distress Perusahaan GoPublic Dengan Menggunakan Analisis Multinominal Logit”. Jurnal Ekonomi dan Bisnis, Vol. XII, No.1, Maret 2006. Bhunia, Amalendu and Sakar, Ruchira. “A study of financial distress based on MDA”. Journal of Management Research, Vol 3, No 2, 2011. Bhunia, Amalendu et al. “Prediction of financial distress :A case study of Indian companies. Asian Journal of Business Management 3(3): 210-218, 2011. Brealey, Richard et al, ”Dasar-Dasar Manajemen Keuangan Perusahaan”, jilid 1, Erlangga, Jakarta, 2002. 114 Brigham dan Houston. “Dasar-dasar Manajemen Keuangan”. Salemba Empat, Jakarta, 2009. Fabozzi, Frank dan Peterson, Pamela. “Financial Management & Analysis”. Jhon Wiley & Sons Inc, New Jersey, 2003. Ghozali, Imam. “Aplikasi Analisis Multivariate dengan program SPSS”. Badan Penerbit Universitas Diponegoro, Semarang, 2010 Giovanis. “Study of Panel Logit Model and Adaptive Neuro-Fuzzy Inference System in Prediction of Financial Distress”. World Academy of sience, Egineering and Technology, 2010. Glezakos, Michalis and Mylonakis, Jhon. “An empirical reasearch on early bankruptcy forcasting models : does logit analysis enhance bussiness failure predictability?”. European Journal of Finance and Banking Research Vol. 3. No. 3. 2010. Hair, Joseph dan Black, William. “Multivariate Data Analysis”. Upper Saddle River, New Jersey, 2006. Hanafi, Mamduh dan Halim, Abduh. “Analisis Laporan Keuangan”. Unit Penerbit dan Percetakan, Yogyakarta, 2009 Harahap, Sofyan Syafri. “Analisis Kritis Atas Laporan Keuangan”. PT RajaGrafindo Persada, Yogyakarta, 2007. Iramani, Rr. “Model Prediksi Financial Distress Perusahaan Go Public Di Indonesia ( Studi Pada Sektor Manufaktur )”. Jurnal Aplikasi Manajemen, Vol. 6, No. 1, April 2008. Kasmir. “Analisis Laporan Keuangan”. PT. Rajagrafindo Persada, Jakarta, 2008. 115 Keown, Arthur et al, “ Manajemen Keuangan : Prinsip-Prinsip Dan Aplikasi”, jilid 1, Indeks, 2004. Kompas. “Subprime Mortgage dan Bailout. Selanjutnya…”. Artikel diakses tanggal 2 februari 2010, dari http://nasional.kompas.com/read/2008/10/03/10422462/quotsubpr ime.mortgagequot.dan.quotbailoutquot.selanjutnya... Lin, Shu ling. “A two-stage logistic regression-ANN model for the prediction of distress bank : evidence from 11 emerging countries”. African Journal of Business Management Vol. 4(14), pp. 3149-3168, 18 October, 2010. Magee, Shane. “The Effect of Foreign Currency Hedging on Probability of Financial Distress”. Desember, 2008 Masrudin. “Pengaruh Corporate Governance Terhadap Financial Distress (Studi pada perusahaan manufaktur yang listed di BEJ)”. Jurnal Keuangan dan Perbankan, XI, No.2. Mei 2007. Musdholifah. “Analisis Hubungan Financial Distress, Rasio BV/MV dan Pendapatan Saham Pada Perusahaan Di Bursa Efek Jakarta”. Jurnal Aplikasi Manajemen, Vol 4, No. 2, Agustus 2006. Pasaribu, Rownland. “Penggunaan Binary Logit Untuk Prediksi Financial Distress Perusahaan Yang Tercatat Di Bursa Efek Jakarta”. Ventura, Vol 11, No. 2, Agustus 2008. Pudjiono, Aprilianasari. “Perbandingan Model Diskriminan Dan Model Logit Untuk Memprediksi Financial Distress Perusahaan Manufaktur Di BEI”. Skripsi. Universitas Airlangga, 2009. Purwanti, Yulia. “Analisis Rasio Keuangan dalam Memprediksi Kondisi Keuangan Financial Distress Perusahaan Manufaktur yang 116 Terdaftar di Bursa Efek Jakarta”. Skripsi, Universitas Islam Indonesia, 2005. Puspita Sari, Yolanda dan Utami, Mudji. “Prediksi Financial Distress dengan rasio Arus Kas”. Manajemen dan Bisnis, volume 8, nomor 2, September 2009. Rodoni, Ahmad dan Muslim, Rahman. “Prediksi Kondisi Financial Distress Perusahaan Go-Public Menggunakan Analisis Multinominal Logit”. Etikonomi, Vol.8, No. 2, Agustus 2008. Santoso, Singgih. “Statistic Multivariate : Konsep dan Aplikasi dengan SPSS”. PT Gramedia, Jakarta, 2010. Sjahrial, Dermawan. “Pengantar Manajemen Keuangan”. Mitra Wacana Media, Jakarta, 2007. Spiegel, Murray dan Schiller, Jhon. “Probabilitas dan Statistik”. edisi kedua, Erlangga, Jakarta, 2004. Sumbodo, Joko. “Perbandingan Model Diskriminan Dan Model Logit Untuk Memprediksi Financial Distress Perusahaan Manufaktur Di BEI”. Skripsi, Universitas Sebelas Maret, 2010. Sung Kuk, Kim. “Dinamika Pemodelan Fiancial Distres Perusahaan Publik Di Indonesia”. Jurnal Akuntansi dan Keuangan, Vol 1, No. 3, Desember 2007. Wahyuningtyas, Fitria. “Penggunaan Laba dan Arus Kas untuk Memprediksi Kondisi Financial Distress (studi kasus pada perusahaan bukan bank yang terdaftar di Bursa Efek Indonesia periode tahun 2005-2008)”. Skripsi, Universitas Diponegoro Semarang, 2010. 117 Weston, Fred dan Brigham, Eugene. “Dasar-dasar Manajemen Keuangan”. Erlangga, Jakarta, 1990. Widarjo, Wahyu dan Setiawan, Doddy. “Pengaruh Rasio Keuangan Terhadap Kondisi Financial Distress Perusahaan Otomotif”. Jurnal Bisnis dan Akuntansi, Vol. 11, No. , Agustus 2009. Widarjono, Agus. “Analisis Statistika Multivariat Terapan”. Unit Penerbit dan Percetakan Sekolah Tinggi Ilmu Manajemen YKPN, Yogyakarta, 2010. Wild, Jhon, Kermit Larson & Barbara Chiapetta. “Financial and Managerial Accounting : Information for Decissions”. McGrawHill, New York, 2005. Yu, Hui-Fun and Liang, Jung-Hui. “Management ownership and corporate performance”. African Journal of Business Management Vol. 5(4), pp. 1441-1453, 18 February, 2011. 118 LAMPIRAN 1 Rasio Keuangan yang Berasal dari Neraca dan Laporan Laba Rugi Perusahaan Financial Distress Tahun 2008 PTSN KARW PAFI SIMM BKPD INCI AKKU IATA TMAS ZBRA ASBI BEKS OCAP YULE ICON ALFA RIMO BNBR DEWA DKTF ENRG CPRO IIKP BTEK BIPP LCGP PWSI APOL NIS -0,002 -0,217 0,445 -1,275 0,004 0,025 -1,006 -0,204 0,132 -0,257 0,081 -0,181 1,390 1,089 -0,186 0,010 0,010 -1,886 0,048 -18,805 -0,019 -0,050 0,219 -1,987 -0,715 -0,087 -7,686 0,004 CACL 1,288 0,301 0,877 0,148 2,616 10,546 0,732 0,617 0,535 0,355 1,181 0,807 6,283 8,214 1,597 0,956 0,834 0,543 1,022 4,830 1,821 2,086 39,617 455,053 0,229 7,707 0,154 1,276 WCTA 0,120 -1,063 -0,047 -0,739 0,266 0,769 -0,099 -0,176 -0,135 -0,237 0,088 -0,174 0,759 0,872 0,082 -0,014 -0,122 -0,173 0,007 0,279 0,102 0,252 0,090 0,254 -0,363 0,780 -1,810 0,080 CATA 0,535 0,457 0,337 0,129 0,430 0,850 0,270 0,284 0,155 0,131 0,573 0,727 0,903 0,993 0,218 0,309 0,613 0,205 0,318 0,352 0,226 0,483 0,092 0,254 0,108 0,897 0,331 0,370 NFATA 0,464 0,148 0,663 0,496 0,450 0,136 0,665 0,637 0,687 0,819 0,143 0,055 0,091 0,007 0,746 0,624 0,270 0,343 0,365 0,350 0,000 0,453 0,410 0,720 0,325 0,009 0,029 0,453 STA 2,241 1,822 0,563 0,567 0,211 0,776 0,188 0,485 0,907 0,359 0,367 0,119 -0,210 0,016 0,274 2,759 1,949 0,331 0,410 0,019 0,147 0,872 0,169 0,051 0,156 0,067 0,006 0,352 SCA SWC 4,188 18,722 3,985 -1,713 1,673 -11,915 4,408 -0,767 0,491 0,794 0,914 1,009 0,698 -1,908 1,707 -2,750 5,842 -6,722 2,744 -1,511 0,640 4,188 0,163 -0,682 -0,233 -0,277 0,016 0,018 1,258 3,365 8,939 -193,601 3,182 -15,979 1,610 -1,913 1,287 59,668 0,053 0,067 0,651 1,444 1,804 3,465 1,831 1,878 0,202 0,203 1,454 -0,431 0,075 0,086 0,020 -0,004 0,953 4,412 NITA -0,005 -0,396 0,251 -0,723 0,001 0,020 -0,189 -0,099 0,120 -0,092 0,030 -0,021 -0,293 0,017 -0,051 0,027 0,020 -0,624 0,020 -0,352 -0,003 -0,043 0,037 -0,102 -0,112 -0,006 -0,050 0,001 TLTA 0,465 1,536 1,041 1,227 0,308 0,090 0,383 0,686 0,617 0,409 0,580 0,941 0,200 0,130 0,725 0,357 0,787 0,547 0,483 0,620 0,703 0,642 0,004 0,002 0,488 0,130 2,225 0,775 CASHCL 0,105 0,007 0,015 0,008 0,166 1,300 0,018 0,032 0,154 0,011 0,053 0,020 1,727 3,885 0,108 0,155 0,111 0,109 0,253 4,542 0,147 0,120 1,861 7,711 0,019 0,058 0,000 0,279 CASHTA 0,044 0,011 0,006 0,007 0,027 0,105 0,006 0,015 0,045 0,004 0,026 0,018 0,248 0,469 0,015 0,050 0,081 0,041 0,079 0,331 0,018 0,028 0,004 0,004 0,009 0,007 0,000 0,081 119 Rasio Keuangan yang Berasal dari Laporan Arus Kas Perusahaan Financial Distress Tahun 2008 PTSN KARW PAFI SIMM BKPD INCI AKKU IATA TMAS ZBRA ASBI BEKS OCAP YULE ICON ALFA RIMO BNBR DEWA DKTF ENRG CPRO IIKP BTEK BIPP LCGP PWSI APOL CFFOCL 0,140 -0,173 0,010 -0,171 -0,433 0,027 0,065 0,167 0,789 0,175 -0,020 0,015 0,747 1,238 -0,080 -0,237 0,150 0,137 0,658 0,596 0,023 -0,018 29,200 31,225 -0,004 -0,010 0,001 0,206 CFFOTL 0,125 -0,171 0,004 -0,121 -0,231 0,024 0,062 0,112 0,371 0,158 -0,017 0,014 0,538 1,154 -0,015 -0,215 0,140 0,095 0,424 0,070 0,004 -0,006 16,940 7,058 -0,004 -0,009 0,001 0,077 CFFOTA 0,058 -0,263 0,004 -0,148 -0,071 0,002 0,024 0,077 0,229 0,065 -0,010 0,014 0,107 0,150 -0,011 -0,077 0,110 0,052 0,205 0,043 0,003 -0,004 0,068 0,017 -0,002 -0,001 0,001 0,060 CFFOS 0,026 -0,144 0,007 -0,262 -0,337 0,003 0,126 0,159 0,252 0,180 -0,027 0,114 -0,510 9,622 -0,040 -0,028 0,056 0,157 0,500 2,317 0,020 -0,005 0,403 0,340 -0,012 -0,017 0,187 0,170 CFFOTS 0,058 -0,263 0,004 -0,148 -0,071 0,002 0,024 0,077 0,229 0,065 -0,010 0,014 0,107 0,150 -0,011 -0,077 0,110 0,052 0,205 0,043 0,003 -0,004 0,068 0,017 -0,002 -0,001 0,001 0,060 IPPEPPE -0,145 -0,131 -0,003 0,000 -0,002 0,000 0,000 -0,280 -0,109 -0,016 -0,017 -0,021 -1,121 -0,032 -0,080 -0,340 -0,265 -0,312 -0,352 -0,929 -0,188 -0,439 -0,172 0,000 -0,010 -0,002 -0,014 -0,388 IPPETU -0,067 -0,019 -0,002 0,000 -0,001 0,000 0,000 -0,179 -0,075 -0,013 -0,002 -0,001 -0,102 0,000 -0,060 -0,212 -0,072 -0,107 -0,129 -0,325 0,000 -0,199 -0,070 0,000 -0,003 0,000 0,000 -0,176 RPPETS 0,002 0,070 0,000 0,000 0,000 0,000 0,000 0,024 0,012 0,047 0,001 0,000 0,000 0,000 0,058 0,190 0,000 0,000 0,000 0,004 0,000 0,085 0,001 0,000 0,000 0,001 0,000 0,083 DITS 0,465 1,536 1,041 1,227 0,308 0,090 0,383 0,686 0,617 0,409 0,580 0,941 0,200 0,130 0,725 0,357 0,787 0,547 0,483 0,620 0,703 0,642 0,004 0,002 0,488 0,130 2,225 0,775 120 Rasio Keuangan yang Berasal dari Neraca dan Laporan Laba Rugi Perusahaan Non-Financial Distress Tahun 2008 IKBI JECC KLBF SQBI MRAT DLTA MLBI GGRM BTON CTBN LION IGAR SIAP SMRG ASDM PNLF FORU JTPE BAYU ASGR EMPT FISH MICE AMRT FAST ANTM TINS CTRP CTRS NIS 0,059 0,000 0,090 0,263 0,072 0,071 0,168 0,062 0,121 0,065 0,165 0,016 0,027 0,207 0,056 0,299 0,025 0,050 0,005 0,061 0,036 0,011 0,078 0,016 0,062 0,143 0,148 0,578 0,248 CACL 4,103 0,983 3,333 3,368 6,311 3,789 0,935 2,217 4,321 1,512 5,687 4,073 1,532 3,386 49,474 3,691 1,895 1,266 1,481 1,137 1,906 1,187 6,702 0,790 1,379 8,017 2,624 9,664 1,794 WCTA 0,585 -0,014 0,512 0,516 0,651 0,574 -0,039 0,388 0,659 0,230 0,715 0,600 0,167 0,471 0,661 0,724 0,429 0,106 0,268 0,077 0,410 0,131 0,631 -0,143 0,110 0,497 0,461 0,422 0,226 CATA 0,773 0,830 0,731 0,734 0,774 0,779 0,557 0,707 0,857 0,680 0,867 0,795 0,481 0,668 0,675 0,993 0,909 0,506 0,826 0,637 0,863 0,831 0,742 0,538 0,401 0,568 0,744 0,470 0,510 NFATA 0,192 0,134 0,233 0,238 0,165 0,178 0,428 0,275 0,125 0,216 0,074 0,193 0,319 0,312 0,047 0,002 0,051 0,475 0,073 0,237 0,116 0,155 0,141 0,350 0,212 0,282 0,152 0,233 0,206 STA 2,585 1,680 1,381 1,218 0,868 1,686 1,408 1,257 2,445 1,590 0,907 1,535 0,963 1,152 0,349 0,207 1,873 1,392 5,576 1,222 2,941 5,643 1,146 3,602 2,577 0,936 1,565 0,090 0,269 SCA SWC 3,343 4,420 2,024 -117,046 1,890 2,700 1,659 2,359 1,121 1,332 2,163 2,938 2,526 -36,488 1,779 3,240 2,853 3,712 2,339 6,909 1,046 1,269 1,931 2,559 2,004 5,769 1,724 2,446 0,517 0,528 0,209 0,287 2,062 4,365 2,751 13,096 6,753 20,800 1,918 15,966 3,410 7,174 6,787 43,119 1,545 1,816 6,693 -25,184 6,431 23,400 1,648 1,883 2,102 3,397 0,190 0,212 0,528 1,192 NITA 0,153 0,000 0,124 0,320 0,063 0,120 0,236 0,078 0,295 0,103 0,149 0,024 0,026 0,238 0,020 0,062 0,047 0,070 0,029 0,074 0,106 0,061 0,089 0,058 0,160 0,134 0,232 0,052 0,067 TLTA 0,203 0,871 0,238 0,272 0,144 0,250 0,634 0,358 0,217 0,510 0,205 0,238 0,372 0,229 0,601 0,269 0,519 0,432 0,572 0,604 0,468 0,709 0,134 0,737 0,385 0,208 0,340 0,072 0,287 CASHCL 1,315 0,102 1,057 1,122 2,260 2,019 0,493 0,148 2,419 0,412 2,084 0,608 0,198 1,791 1,644 0,005 0,480 0,672 0,443 0,282 0,306 0,072 1,423 0,217 0,927 0,452 0,281 9,451 0,293 CASHTA 0,248 0,087 0,232 0,245 0,277 0,415 0,294 0,047 0,480 0,185 0,318 0,119 0,062 0,353 0,022 0,001 0,230 0,269 0,247 0,158 0,138 0,050 0,157 0,148 0,270 0,032 0,080 0,460 0,083 121 Rasio Keuangan yang Berasal dari Laporan Arus Kas Perusahaan Non-Financial Distress Tahun 2008 IKBI JECC KLBF SQBI MRAT DLTA MLBI GGRM BTON CTBN LION IGAR SIAP SMRG ASDM PNLF FORU JTPE BAYU ASGR EMPT FISH MICE AMRT FAST ANTM TINS CTRP CTRS CFFOCL 0,569 0,182 0,646 1,748 0,700 1,128 0,740 0,295 1,510 0,109 0,739 0,687 -0,480 1,256 0,149 -0,273 0,153 0,455 0,133 0,355 0,224 0,113 1,209 0,279 0,989 1,567 -0,081 0,355 0,162 CFFOTL 0,528 0,176 0,594 1,401 0,595 0,929 0,695 0,262 1,383 0,096 0,550 0,564 -0,405 1,082 0,003 -0,273 0,141 0,421 0,129 0,329 0,217 0,112 0,998 0,257 0,746 0,534 -0,068 0,239 0,161 CFFOTA 0,107 0,154 0,142 0,381 0,086 0,232 0,441 0,094 0,299 0,049 0,113 0,134 -0,151 0,248 0,002 -0,073 0,073 0,182 0,074 0,199 0,101 0,079 0,134 0,190 0,287 0,111 -0,023 0,017 0,046 CFFOS 0,041 0,091 0,103 0,313 0,099 0,138 0,313 0,075 0,122 0,031 0,124 0,087 -0,156 0,215 0,006 -0,354 0,039 0,131 0,013 0,163 0,034 0,014 0,117 0,053 0,112 0,119 -0,015 0,193 0,172 CFFOTS 0,107 0,154 0,142 0,381 0,086 0,232 0,441 0,094 0,299 0,049 0,113 0,134 -0,151 0,248 0,002 -0,073 0,073 0,182 0,074 0,199 0,101 0,079 0,134 0,190 0,287 0,111 -0,023 0,017 0,046 IPPEPPE -0,063 -0,097 -0,230 -0,228 -0,195 -0,111 -0,279 -0,062 -0,005 -0,155 -0,267 -0,081 -0,033 -0,170 -0,490 -0,757 -0,070 -0,340 -0,389 -0,621 -0,292 -0,418 -0,545 -0,625 -0,318 -0,105 -0,654 -0,024 -0,317 IPPETU -0,012 -0,013 -0,054 -0,054 -0,032 -0,020 -0,120 -0,017 -0,001 -0,033 -0,020 -0,016 -0,010 -0,053 -0,023 -0,002 -0,004 -0,162 -0,028 -0,147 -0,034 -0,065 -0,077 -0,219 -0,067 -0,030 -0,100 -0,006 -0,065 RPPETS 0,000 0,000 0,002 0,007 0,002 0,000 0,006 0,001 0,000 0,001 0,000 0,002 0,000 0,001 0,003 0,000 0,000 0,006 0,005 0,001 0,002 0,002 0,003 0,007 0,000 0,000 0,000 0,000 0,001 DITS 0,203 0,871 0,238 0,272 0,144 0,250 0,634 0,358 0,217 0,510 0,205 0,238 0,372 0,229 0,601 0,269 0,519 0,432 0,572 0,604 0,468 0,709 0,134 0,737 0,385 0,208 0,340 0,072 0,287 122 Rasio Keuangan yang Berasal dari Neraca dan Laporan Laba Rugi Perusahaan Financial Distress Tahun 2007 PTSN KARW PAFI SIMM BKPD INCI AKKU IATA TMAS ZBRA ASBI BEKS OCAP YULE ICON ALFA RIMO BNBR DEWA DKTF ENRG CPRO IIKP BTEK BIPP LCGP PWSI APOL NIS 0,014 0,018 -0,144 -0,035 0,152 0,032 0,003 0,012 0,034 -0,302 -0,119 0,004 0,688 0,544 -0,180 0,001 0,009 0,044 0,038 -2,127 0,102 0,059 0,258 -0,450 -0,253 0,088 -18,575 0,138 CACL 1,611 0,769 1,147 1,126 4,277 6,578 1,233 1,044 0,547 0,364 1,292 0,640 2,003 5,498 1,913 1,272 0,852 1,251 1,716 2,577 0,623 2,837 8,442 162,521 0,438 6,110 0,163 1,729 WCTA 0,192 -0,182 0,044 0,060 0,309 0,698 0,076 0,011 -0,126 -0,228 0,159 -0,391 0,499 0,810 0,085 0,107 -0,105 0,060 0,170 0,587 -0,148 0,337 0,111 0,276 -0,132 0,565 -1,619 0,134 CATA 0,506 0,606 0,345 0,539 0,403 0,823 0,403 0,270 0,151 0,130 0,705 0,694 0,997 0,990 0,177 0,501 0,607 0,297 0,407 0,960 0,245 0,520 0,126 0,277 0,103 0,676 0,315 0,318 NFATA 0,492 0,109 0,655 0,404 0,448 0,167 0,035 0,588 0,752 0,855 0,168 0,008 0,002 0,010 0,723 0,441 0,287 0,465 0,289 0,040 0,001 0,431 0,361 0,700 0,302 0,004 0,026 0,525 STA 1,927 1,124 0,641 1,123 0,026 0,677 0,428 0,399 0,838 0,294 0,567 0,130 0,055 0,068 0,246 4,688 2,061 0,374 0,404 0,157 0,121 0,786 0,196 0,180 0,076 0,149 0,008 0,328 SCA 3,813 1,854 1,858 2,083 0,063 0,823 1,062 1,475 5,540 2,260 0,804 0,187 0,055 0,069 1,386 9,363 3,393 1,261 0,993 0,163 0,495 1,511 1,561 0,650 0,740 0,221 0,026 1,031 SWC 10,055 -6,163 14,526 18,595 0,083 0,970 5,618 34,796 -6,679 -1,291 3,559 -0,333 0,109 0,084 2,905 43,737 -19,556 6,282 2,382 0,267 -0,818 2,333 1,771 0,654 -0,577 0,264 -0,005 2,445 NITA 0,028 0,020 -0,093 -0,039 0,004 0,022 0,001 0,005 0,028 -0,089 -0,068 0,001 0,038 0,037 -0,044 0,006 0,018 0,017 0,016 -0,334 0,012 0,046 0,051 -0,081 -0,019 0,013 -0,153 0,045 TLTA 0,341 1,070 0,799 0,655 0,129 0,132 0,359 0,542 0,652 0,441 0,595 0,914 0,501 0,186 0,676 0,458 0,781 0,513 0,548 1,671 0,642 0,802 0,017 0,003 0,400 0,112 2,015 0,693 CASHCL 0,147 0,013 0,012 0,005 1,139 0,415 0,010 0,030 0,051 0,010 0,058 0,014 0,173 1,664 0,324 0,586 0,109 0,264 0,666 0,010 0,123 0,234 1,177 2,388 0,252 0,131 0,000 0,483 CASHTA 0,046 0,010 0,004 0,002 0,107 0,052 0,003 0,008 0,014 0,004 0,032 0,016 0,086 0,300 0,030 0,230 0,078 0,063 0,158 0,004 0,049 0,043 0,018 0,004 0,059 0,015 0,000 0,089 123 Rasio Keuangan yang Berasal dari Laporan Arus Kas Perusahaan Financial Distress Tahun 2007 PTSN KARW PAFI SIMM BKPD INCI AKKU IATA TMAS ZBRA ASBI BEKS OCAP YULE ICON ALFA RIMO BNBR DEWA DKTF ENRG CPRO IIKP BTEK BIPP LCGP PWSI APOL CFFOCL -0,267 -0,089 -0,252 -0,033 -0,538 0,004 -0,121 -0,034 0,346 -0,012 -0,152 -0,011 0,009 0,999 0,086 0,238 -0,021 0,194 0,133 1,328 0,143 -0,801 7,489 -116,384 -0,075 -0,748 0,000 0,491 CFFOTL -0,246 -0,066 -0,095 -0,024 -0,392 0,003 -0,110 -0,016 0,147 -0,009 -0,139 -0,013 0,009 0,966 0,012 0,204 -0,019 0,090 0,058 0,296 0,088 -0,183 6,540 -56,883 -0,044 -0,737 0,000 0,130 CFFOTA -0,084 -0,071 -0,076 -0,016 -0,051 0,000 -0,039 -0,009 0,096 -0,004 -0,083 -0,012 0,005 0,180 0,008 0,093 -0,015 0,046 0,032 0,495 0,056 -0,147 0,111 -0,199 -0,018 -0,083 0,000 0,090 CFFOS -0,044 -0,063 -0,118 -0,014 -1,984 0,001 -0,092 -0,022 0,114 -0,014 -0,146 -0,095 0,086 2,629 0,033 0,020 -0,007 0,123 0,078 3,154 0,464 -0,187 0,568 -1,101 -0,232 -0,554 -0,040 0,275 CFFOTS -0,084 -0,071 -0,076 -0,016 -0,051 0,000 -0,039 -0,009 0,096 -0,004 -0,083 -0,012 0,005 0,180 0,008 0,093 -0,015 0,046 0,032 0,495 0,056 -0,147 0,111 -0,199 -0,018 -0,083 0,000 0,090 IPPEPPE -0,108 -0,074 -0,001 -0,034 -0,002 0,000 -0,043 -0,316 -0,171 -0,034 -0,096 -1,393 -1,124 -0,281 -0,060 -0,097 -0,030 -0,288 -0,261 -0,007 -0,393 -0,783 -0,380 -0,001 -0,029 -0,574 -0,001 -0,302 IPPETU -0,053 -0,008 -0,001 -0,014 -0,001 0,000 -0,002 -0,186 -0,129 -0,029 -0,016 -0,011 -0,003 -0,003 -0,044 -0,043 -0,009 -0,134 -0,076 0,000 0,000 -0,337 -0,137 0,000 -0,009 -0,002 0,000 -0,158 RPPETS 0,002 0,001 0,041 0,000 0,000 0,000 0,000 0,003 0,008 0,002 0,003 0,001 0,003 0,000 0,000 0,034 0,000 0,000 0,000 0,002 0,000 0,017 0,006 0,000 0,004 0,000 0,000 0,048 DITS 0,341 1,070 0,799 0,655 0,129 0,132 0,359 0,542 0,652 0,441 0,595 0,914 0,501 0,186 0,676 0,458 0,781 0,513 0,548 1,671 0,642 0,802 0,017 0,003 0,400 0,112 2,015 0,693 124 Rasio Keuangan yang Berasal dari Neraca dan Laporan Laba Rugi Perusahaan Non-Financial Distress Tahun 2007 IKBI JECC KLBF SQBI MRAT DLTA MLBI GGRM BTON CTBN LION IGAR SIAP SMRG ASDM PNLF FORU JTPE BAYU ASGR EMPT FISH MICE AMRT FAST ANTM TINS CTRP CTRS NIS 0,049 0,031 0,101 0,200 0,044 0,108 0,086 0,053 0,076 0,083 0,141 0,033 0,006 0,185 0,040 0,216 0,022 0,036 0,005 0,099 0,036 0,015 -0,017 0,021 0,065 0,426 0,209 0,272 0,248 CACL 3,091 1,010 4,983 2,972 7,680 4,173 0,591 1,951 3,152 1,540 5,408 3,062 0,913 3,643 1,608 2,673 1,715 1,559 1,639 1,336 1,910 1,076 7,786 0,893 1,282 4,427 2,905 11,806 2,650 WCTA 0,501 0,008 0,585 0,442 0,649 0,555 -0,254 0,351 0,505 0,219 0,693 0,521 -0,045 0,449 0,331 0,622 0,374 0,190 0,327 0,161 0,403 0,062 0,684 -0,072 0,084 0,517 0,511 0,434 0,410 CATA 0,741 0,773 0,732 0,665 0,746 0,730 0,368 0,720 0,740 0,625 0,850 0,774 0,477 0,619 0,875 0,993 0,897 0,532 0,838 0,639 0,845 0,873 0,785 0,604 0,383 0,668 0,779 0,474 0,659 NFATA 0,218 0,200 0,234 0,291 0,168 0,225 0,583 0,270 0,231 0,261 0,079 0,212 0,502 0,363 0,036 0,001 0,057 0,426 0,071 0,227 0,121 0,080 0,104 0,278 0,222 0,251 0,094 0,132 0,126 STA 2,699 1,564 1,363 1,144 0,798 0,742 1,574 1,152 2,479 1,642 0,831 1,423 0,589 1,127 0,320 0,346 1,744 1,030 5,337 1,162 3,040 3,187 0,979 3,805 2,525 0,997 1,697 0,083 0,360 SCA 3,641 2,024 1,863 1,720 1,069 1,017 4,279 1,599 3,352 2,629 0,977 1,839 1,234 1,823 0,366 0,348 1,944 1,939 6,368 1,817 3,597 3,650 1,247 6,299 6,601 1,492 2,178 0,176 0,546 SWC 5,382 200,927 2,331 2,592 1,229 1,337 -6,189 3,280 4,910 7,494 1,199 2,730 -12,956 2,512 0,969 0,556 4,662 5,410 16,338 7,228 7,547 51,433 1,431 -52,801 29,998 1,927 3,320 0,192 0,876 NITA 0,131 0,049 0,137 0,229 0,035 0,080 0,136 0,061 0,189 0,137 0,117 0,047 0,003 0,208 0,013 0,075 0,038 0,037 0,026 0,115 0,111 0,047 -0,017 0,079 0,163 0,425 0,355 0,023 0,089 TLTA 0,253 0,815 0,218 0,302 0,115 0,222 0,682 0,405 0,259 0,459 0,214 0,304 0,654 0,211 0,557 0,372 0,554 0,383 0,526 0,497 0,462 0,816 0,022 0,703 0,401 0,273 0,333 0,106 0,270 CASHCL 0,933 0,006 1,479 0,251 2,865 1,587 0,114 0,055 0,754 0,424 1,859 0,400 0,018 1,952 0,037 0,021 0,323 0,645 0,698 0,505 0,145 0,008 2,525 0,336 0,931 2,609 1,284 11,519 0,304 CASHTA 0,224 0,005 0,217 0,056 0,278 0,278 0,071 0,020 0,177 0,172 0,292 0,101 0,009 0,331 0,020 0,008 0,169 0,220 0,357 0,242 0,064 0,007 0,255 0,227 0,278 0,394 0,345 0,462 0,075 125 Rasio Keuangan yang Berasal dari Laporan Arus Kas Perusahaan Non-Financial Distress Tahun 2007 IKBI JECC KLBF SQBI MRAT DLTA MLBI GGRM BTON CTBN LION IGAR SIAP SMRG ASDM PNLF FORU JTPE BAYU ASGR EMPT FISH MICE AMRT FAST ANTM TINS CTRP CTRS CFFOCL 0,614 -0,038 0,481 0,688 0,539 0,842 0,588 0,165 0,336 0,184 0,392 0,191 -0,218 1,435 -0,107 0,220 0,042 0,390 0,090 0,407 0,005 -0,081 0,552 0,405 1,562 2,660 1,814 0,727 0,070 CFFOTL 0,581 -0,035 0,324 0,510 0,454 0,663 0,536 0,150 0,304 0,163 0,288 0,159 -0,174 1,155 -0,104 0,220 0,040 0,347 0,087 0,392 0,005 -0,080 2,480 0,390 1,163 1,469 1,464 0,274 0,064 CFFOTA 0,147 -0,029 0,071 0,154 0,052 0,147 0,365 0,061 0,079 0,075 0,062 0,048 -0,114 0,244 -0,058 0,082 0,022 0,133 0,046 0,195 0,002 -0,065 0,056 0,274 0,466 0,402 0,487 0,029 0,017 CFFOS 0,055 -0,018 0,052 0,135 0,066 0,198 0,232 0,053 0,032 0,045 0,074 0,034 -0,194 0,216 -0,181 0,236 0,013 0,129 0,009 0,168 0,001 -0,020 0,057 0,072 0,185 0,403 0,287 0,350 0,048 CFFOTS 0,147 -0,029 0,071 0,154 0,052 0,147 0,365 0,061 0,079 0,075 0,062 0,048 -0,114 0,244 -0,058 0,082 0,022 0,133 0,046 0,195 0,002 -0,065 0,056 0,274 0,466 0,402 0,487 0,029 0,017 IPPEPPE -0,043 -0,055 -0,187 -0,342 -0,139 -0,154 -0,217 -0,041 -0,033 -0,163 -0,203 -0,145 -0,209 -0,104 -0,298 -0,157 -0,134 -0,123 -0,152 -0,530 -0,273 -0,289 -0,264 -0,417 -0,355 -0,065 -0,221 -0,155 -0,054 IPPETU -0,009 -0,011 -0,044 -0,099 -0,024 -0,035 -0,127 -0,011 -0,008 -0,043 -0,016 -0,031 -0,105 -0,038 -0,011 0,000 -0,008 -0,053 -0,011 -0,120 -0,033 -0,023 -0,027 -0,116 -0,079 -0,016 -0,021 -0,020 -0,007 RPPETS 0,000 0,004 0,005 0,008 0,002 0,000 0,002 0,002 0,000 0,004 0,001 0,028 0,001 0,000 0,019 0,000 0,003 0,000 0,001 0,001 0,002 0,000 0,001 0,006 0,000 0,000 0,002 0,000 0,000 DITS 0,253 0,815 0,218 0,302 0,115 0,222 0,682 0,405 0,259 0,459 0,214 0,304 0,654 0,211 0,557 0,372 0,554 0,383 0,526 0,497 0,462 0,816 0,022 0,703 0,401 0,273 0,333 0,106 0,270 126 127 HASIL UJI MANOVA RASIO KEUANGAN DARI NERACA DAN LABA RUGI LAMPIRAN 2 Between-Subjects Factors N FD .00 58 1.00 24 2.00 32 LAMPIRAN 3 Multivariate Tests d Hypothesis Effect Value F df Error df Sig. Partial Eta Noncent. Observed Squared Parameter Power b .975 319.256 a 12.000 100.000 .000 .975 3831.074 1.000 .025 319.256 a 12.000 100.000 .000 .975 3831.074 1.000 Hotelling's Trace 38.311 319.256 a 12.000 100.000 .000 .975 3831.074 1.000 Roy's Largest 38.311 319.256 a 12.000 100.000 .000 .975 3831.074 1.000 5.028 24.000 202.000 .000 .374 120.665 1.000 a 24.000 200.000 .000 .411 139.324 1.000 6.617 24.000 198.000 .000 .445 158.808 1.000 c 12.000 101.000 .000 .585 142.352 1.000 Intercept Pillai's Trace Wilks' Lambda Root FD Pillai's Trace .748 Wilks' Lambda .347 Hotelling's Trace 1.604 Roy's Largest 1.409 5.805 11.863 Root 127 LAMPIRAN 4 Tests of Between-Subjects Effects Source Corrected Model Dependent Variable NIS Type III Sum of Squares a 71.180 Sig. ,004 Partial Eta Squared ,093 Noncent. Parameter 11,446 Observed b Power ,857 2 Mean Square 35,590 c 2 3210,755 1,593 ,208 ,028 3,186 ,331 3.901 d 2 1,950 13,409 ,000 ,195 26,817 ,997 2.252 e 2 1,126 26,167 ,000 ,320 52,333 1,000 f 2 ,320 7,729 ,001 ,122 15,459 ,945 32.016 g 2 16,008 13,952 ,000 ,201 27,904 ,998 SCA 17.110 h 2 8,555 2,339 ,101 ,040 4,678 ,465 SWC 1039.785 i 2 519,893 ,518 ,597 ,009 1,037 ,134 NITA .789 j 2 ,394 22,875 ,000 ,292 45,750 1,000 TLTA k 2 1,132 9,679 ,000 ,148 19,357 ,980 CASHCL l 9.178 2 4,589 1,625 ,202 ,028 3,250 ,337 CASHTA m 2 ,255 19,871 ,000 ,264 39,741 1,000 CACL WCTA CATA NFATA STA 6421.509 .641 2.265 .509 df F 5,723 128 HASIL UJI MANOVA RASIO KEUANGAN DARI LAPORAN ARUS KAS LAMPIRAN 5 Between-Subjects Factors N FD .00 58 1.00 24 2.00 32 LAMPIRAN 6 Multivariate Tests Effect Intercept Pillai's Trace FD Wilks' Lambda Hotelling's Trace Roy's Largest Root Pillai's Trace Wilks' Lambda Hotelling's Trace Roy's Largest Root Value ,761 F a 41.385 d Hypothesis df 8,000 Error df 104,000 Sig. ,000 Partial Eta Squared ,761 Noncent. Parameter 331,084 Observed b Power 1,000 ,239 41.385 a 8,000 104,000 ,000 ,761 331,084 1,000 3,183 41.385 a 8,000 104,000 ,000 ,761 331,084 1,000 3,183 41.385 a 8,000 104,000 ,000 ,761 331,084 1,000 ,472 4,059 16,000 210,000 ,000 ,236 64,945 1,000 ,576 a 16,000 208,000 ,000 ,241 66,129 1,000 4,206 16,000 206,000 ,000 ,246 67,290 1,000 c 8,000 105,000 ,000 ,324 50,246 1,000 ,653 ,479 4.133 6.281 LAMPIRAN 7 Tests of Between-Subjects Effects Source Corrected Model Dependent Variable CFFOCL Type III Sum of Squares a 285.222 Sig. ,356 Partial Eta Squared ,018 Noncent. Parameter 2,085 Observed b Power ,228 2 Mean Square 142,611 c 2 56,579 1,778 ,174 ,031 3,556 ,365 .320 d 2 ,160 9,959 ,000 ,152 19,918 ,982 CFFOS 1.951 e 2 ,976 ,919 ,402 ,016 1,838 ,206 CFFOTS .320 d 2 ,160 9,959 ,000 ,152 19,918 ,982 CFFOTL CFFOTA 113.158 df F 1,042 129 IPPEPPE .035 f 2 ,018 ,278 ,758 ,005 ,555 ,093 IPPETU .010 g 2 ,005 1,184 ,310 ,021 2,368 ,255 RPPETS .003 h 2 ,002 3,289 ,041 ,056 6,578 ,614 i 2 1,132 9,679 ,000 ,148 19,357 ,980 DITS 2.265 130 HASIL MULTINOMIAL LOGIT DARI NERACA DAN LAPORAN LABA RUGI LAMPIRAN 8 Model Fitting Information Model Fitting Criteria Model Intercept Only Final -2 Log Likelihood 234,488 106,935 Likelihood Ratio Tests ChiSquare df 127,553 Sig. 16 ,000 LAMPIRAN 9 Goodness-of-Fit Pearson ChiSquare 176,190 df 210 Sig. ,957 Deviance 106,935 210 1,000 LAMPIRAN 10 Pseudo R-Square Cox and Snell ,673 Nagelkerke ,772 McFadden ,544 LAMPIRAN 11 Parameter Estimates 95% Confidence Interval for Exp(B) Intercept B 1,413 Std. Error 2,621 Wald ,291 NIS 5,864 1,909 WCTA 1,542 3,497 CATA a FD 1 df Exp(B) Lower Bound Upper Bound 1 Sig. ,590 9,432 1 ,002 352,155 8,345 14861,225 ,194 1 ,659 4,675 ,005 4431,457 -2,929 4,342 ,455 1 ,500 ,053 ,000 265,614 NFATA 4,930 3,858 1,633 1 ,201 138,416 ,072 266220,034 STA -,179 ,453 ,155 1 ,694 ,836 ,344 2,034 NITA -41,585 9,846 17,838 1 ,000 8,71E-19 ,000 ,000 TLTA ,638 3,275 ,038 1 ,846 1,892 ,003 1159,704 -9,093 4,002 5,162 1 ,023 1,12E-04 ,000 ,287 CASHTA 131 2 Intercept 3,363 2,692 1,562 1 ,211 ,313 ,391 ,641 1 ,423 1,367 ,636 2,940 WCTA 3,482 3,185 1,195 1 ,274 32,519 ,063 16711,893 CATA -9,301 4,328 4,617 1 ,032 9,14E-05 ,000 ,442 NFATA 1,003 3,801 ,070 1 ,792 2,727 ,002 4690,564 STA -,437 ,540 ,653 1 ,419 ,646 ,224 1,864 NITA -27,520 8,966 9,420 1 ,002 1,12E-12 ,000 ,000 TLTA 5,263 3,003 3,072 1 ,080 193,092 ,537 69474,239 -7,378 5,768 1,637 1 ,201 ,001 ,000 50,696 NIS CASHTA LAMPIRAN 12 Classification Predicted Observed 0 0 1 Percent Correct 94,8% 11 8 45,8% 6 23 71,9% 16,7% 28,1% 78,1% 1 2 55 2 1 5 2 3 55,3% Overall Percentage 132 HASIL MULTINOMIAL LOGIT DARI LAPORAN ARUS KAS LAMPIRAN 13 Model Fitting Information Model Fitting Criteria Model Intercept Only Final -2 Log Likelihood 234,488 Likelihood Ratio Tests ChiSquare 193,262 df 41,226 Sig. 6 ,000 LAMPIRAN 14 Goodness-of-Fit Pearson ChiSquare 206,961 df 220 Sig. ,727 Deviance 193,262 220 ,903 LAMPIRAN 15 Pseudo R-Square Cox and Snell ,303 Nagelkerke ,348 McFadden ,176 LAMPIRAN 16 Parameter Estimates 95% Confidence Interval for Exp(B) FD 1 Intercept B -,796 Std. Error ,511 Wald 2,424 CFFOTA -8,616 2,793 b a 9,519 1 ,002 1,81E-04 . . 0 . 40,787 26,010 2,459 1 ,603 1,010 ,357 1 Intercept -1,775 ,518 11,744 1 ,001 CFFOTA -6,437 2,292 7,887 1 ,005 CFFOTS b . . 0 . . . . 41,112 25,742 2,551 1 ,110 7,157E+17 ,000 5,834E+39 2,789 ,882 9,993 1 ,002 16,264 2,886 91,658 DITS RPPETS DITS 0 0 Exp(B) Upper Bound 1 RPPETS 2 Lower Bound Sig. ,120 CFFOTS df ,043 . 7,606E07 . ,117 5,173E+17 ,000 7,135E+39 ,550 1,827 ,253 13,221 ,002 ,000 ,143 . 133 LAMPIRAN 17 Classification Predicted 51 2 5 Percent Correct 87,9% 1 13 3 8 12,5% 2 17 1 14 43,8% 71,1% 5,3% 23,7% 59,6% Observed 0 Overall Percentage 0 1 2 134 HASIL MULTINOMIAL LOGIT DARI NERACA, LAPORAN LABA RUGI DAN LAPORAN ARUS KAS LAMPIRAN 18 Model Fitting Information Model Fitting Criteria Likelihood Ratio Tests -2 Log Likelihood 234,488 Model Intercept Only Final ChiSquare 105,054 Df 129,434 Sig. 20 ,000 LAMPIRAN 19 Goodness-of-Fit Pearson ChiSquare 182,650 df 206 Sig. ,878 Deviance 105,054 206 1,000 LAMPIRAN 20 Pseudo R-Square Cox and Snell Nagelkerke McFadden ,679 ,778 ,552 LAMPIRAN 21 Parameter Estimates 95% Confidence Interval for Exp(B) FD 1 Intercept B 1,656 Std. Error 2,786 Wald ,353 NIS 6,362 2,005 WCTA 1,666 CATA a Lower Bound 1 10,065 1 ,002 579,525 11,378 29517,780 3,712 ,201 1 ,654 5,290 ,004 7644,265 -3,194 4,592 ,484 1 ,487 ,041 ,000 332,725 NFATA 4,541 3,954 1,319 1 ,251 93,769 ,040 217626,657 STA -,188 ,492 ,146 1 ,703 ,829 ,316 2,172 -43,101 10,625 16,454 1 ,000 1,911E-19 1,726E-28 2,117E-10 TLTA Exp(B) Upper Bound Sig. ,552 NITA df ,641 3,482 ,034 1 ,854 1,898 ,002 1744,618 CASHTA -10,902 4,772 5,219 1 ,022 1,84E-05 1,596E-09 ,212 CFFOTA 3,404 4,663 ,533 1 ,465 30,076 ,003 280059,550 CFFOTS b . . 0 . . . . 0 135 RPPETS ,146 1 ,702 4,911E+06 2,469E-28 9,771E+40 . . 2,886 1,690 0 . . . . 1 ,194 ,410 ,634 1 ,426 1,386 ,621 3,094 3,296 3,410 ,934 1 ,334 27,002 ,034 21579,315 -9,697 4,608 4,428 1 ,035 6,14E-05 7,342E-09 ,514 ,306 3,919 ,006 1 ,938 1,358 ,001 2943,748 -,622 ,614 1,026 1 ,311 ,537 ,161 1,789 NITA -26,891 9,655 7,757 1 ,005 2,097E-12 1,267E-20 ,000 TLTA 5,246 3,169 2,740 1 ,098 189,836 ,381 94598,236 CASHTA -6,743 5,948 1,285 1 ,257 ,001 1,019E-08 136,302 CFFOTA ,259 4,846 ,003 1 ,957 1,296 ,000 17262,501 CFFOTS b . . 0 . . . . 23,034 40,219 ,328 1 ,567 1,008E+10 5,870E-25 1,731E+44 b . . 0 . . . . b 3,752 ,326 WCTA CATA DITS 2 15,407 Intercept NIS NFATA STA RPPETS DITS 0 0 0 40,295 LAMPIRAN 22 Classification Predicted Observed 0 1 2 Overall Percentage 56 1 1 Percent Correct 96,6% 5 12 7 50,0% 0 1 2 3 6 23 71,9% 56,1% 16,7% 27,2% 79,8% 136