Pakdes 88 Sejarah Pasar Modal di Indonesia
74
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.
75
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
Multivariate Tests
d
Effect Value
F Hypothesis
df Error df
Sig. Partial
Eta Squared
Intercept Pillais Trace
,761 41.385
a
8,000 104,000
,000 ,761
Wilks Lambda ,239
41.385
a
8,000 104,000
,000 ,761
Hotellings Trace 3,183
41.385
a
8,000 104,000
,000 ,761
Roys Largest Root 3,183
41.385
a
8,000 104,000
,000 ,761
76
FD Pillais Trace
,472 4,059
16,000 210,000
,000 ,236
Wilks Lambda ,576
4.133
a
16,000 208,000
,000 ,241
Hotellings Trace ,653
4,206 16,000
206,000 ,000
,246 Roys Largest Root
,479 6.281
c
8,000 105,000
,000 ,324
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 Dependent Variable
Type III Sum of
Squares Df
Mean Square
F Sig.
Corrected Model
CFFOCL 285.222
a
2 142,611
1,042 ,356
CFFOTL 113.158
c
2 56,579
1,778 ,174
CFFOTA .320
d
2 ,160
9,959 ,000
CFFOS 1.951
e
2 ,976
,919 ,402
CFFOTS .320
d
2 ,160
9,959 ,000
IPPEPPE .035
f
2 ,018
,278 ,758
IPPETU .010
g
2 ,005
1,184 ,310
RPPETS .003
h
2 ,002
3,289 ,041
DITS 2.265
i
2 1,132
9,679 ,000
Sumber : data olahan SPSS
77
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 F-
hitung 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
78
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 F-
hitung 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.
79
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 Model
Fitting Criteria
Likelihood Ratio Tests -2 Log
Likelihood Chi-
Square df
Sig. Intercept Only
234,488 Final
106,935 127,553
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
80
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 Chi- Square 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
Chi- Square
df Sig.
Pearson 176,190
210 ,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
81
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
FD
a
B Std.
Error Wald
df Sig.
ExpB 95 Confidence
Interval for ExpB Lower
Bound Upper
Bound 1 Intercept
1,413 2,621
,291 1
,590 NIS
5,864 1,909
9,432 1
,002 352,155
8,345 14861,225
WCTA 1,542
3,497 ,194
1 ,659
4,675 ,005
4431,457 CATA
-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
2 Intercept 3,363
2,692 1,562
1 ,211
NIS ,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 CASHTA
-7,378 5,768
1,637 1
,201 ,001
,000 50,696
Sumber : data olahan SPSS
82
Variabel yang dapat digunakan untuk mengklasifikasikan perusahaan kondisi 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 dapat digunakan untuk mengklasifikasikan
perusahaan kondisi 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
83
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
Observed Predicted
1 2
Percent Correct
55 2
1 94,8
1 5
11 8
45,8 2
3 6
23 71,9
Overall Percentage 55,3
16,7 28,1
78,1 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.
84
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 Model
Fitting Criteria
Likelihood Ratio Tests -2 Log
Likelihood Chi-
Square df
Sig. Intercept Only
234,488 Final
193,262 41,226
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.
85
2 Uji goodness of fit Tabel 4.13
Goodness-of-Fit
Chi- Square
df Sig.
Pearson 206,961
220 ,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.
86
4 Uji Parameter Estimates Tabel 4.15
Hasil Pengujian Multinomial Logit, Rasio yang Berasal Dari Laporan Arus Kas
Parameter Estimates
FD
a
B Std.
Error Wald
Df Sig.
ExpB 95 Confidence Interval
for ExpB Lower
Bound Upper
Bound 1 Intercept
-,796 ,511
2,424 1
,120 CFFOTA
-8,616 2,793
9,519 1
,002 1,81E-04
7,606E-07 ,043
CFFOTS
b
. .
. .
. .
RPPETS 40,787
26,010 2,459
1 ,117 5,173E+17
,000 7,135E+39
DITS ,603
1,010 ,357
1 ,550
1,827 ,253
13,221 2 Intercept
-1,775 ,518
11,744 1
,001 CFFOTA
-6,437 2,292
7,887 1
,005 ,002
,000 ,143
CFFOTS
b
. .
. .
. .
RPPETS 41,112
25,742 2,551
1 ,110 7,157E+17
,000 5,834E+39
DITS 2,789
,882 9,993
1 ,002
16,264 2,886
91,658 Sumber : data olahan SPSS
Variabel yang dapat digunakan untuk mengklasifikasikan perusahaan kondisi 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
87
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 dapat digunakan untuk mengklasifikasikan perusahaan kondisi 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.
88
5 Ketetapan Klasifikasi Tabel 4.16
Classification
Observed Predicted
1 2
Percent Correct
51 2
5 87,9
1 13
3 8
12,5 2
17 1
14 43,8
Overall Percentage 71,1
5,3 23,7
59,6 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 Model
Fitting Criteria
Likelihood Ratio Tests -2 Log
Likelihood Chi-
Square df
Sig. Intercept Only
234,488 Final
105,054 129,434
20 ,000
Sumber : data olahan SPSS
89
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 Chi-
Square 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
Chi- Square
df Sig.
Pearson 182,650
206 ,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.
90
3 Uji Pseudo R-Square Tabel 4.19
Pseudo R-Square
Cox and Snell ,679
Nagelkerke ,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
a
B Std.
Error Wald
df Sig.
ExpB
95 Confidence Interval for ExpB
Lower Bound Upper Bound
1 Intercept 1,656
2,786 ,353
1 ,552
NIS 6,362
2,005 10,065
1 ,002
579,525 11,378
29517,780 WCTA
1,666 3,712
,201 1
,654 5,290
,004 7644,265
CATA -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
. .
. .
. .
RPPETS 15,407
40,295 ,146
1 ,702
4,911E+06 2,469E-28
9,771E+40 DITS
b
. .
. .
. .
91
2 Intercept 3,752
2,886 1,690
1 ,194
NIS ,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 NFATA
,306 3,919
,006 1
,938 1,358
,001 2943,748
STA -,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
. .
. .
. .
RPPETS 23,034
40,219 ,328
1 ,567
1,008E+10 5,870E-25
1,731E+44 DITS
b
. .
. .
. .
Sumber : data olahan SPSS
Variabel yang dapat digunakan untuk mengklasifikasikan perusahaan kondisi 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
92
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 dapat digunakan untuk mengklasifikasikan perusahaan kondisi 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.
93
5 Ketetapan Klasifikasi Tabel 4.21
Classification
Observed Predicted
1 2
Percent Correct
56 1
1 96,6
1 5
12 7
50,0 2
3 6
23 71,9
Overall Percentage 56,1
16,7 27,2
79,8 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.
94
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
95
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
IncomeSales, Net Income Total Asset, Current AssetTotal Asset, CASHTotal Aseet, Cash Flow From Operation Total Asset, Debt InvestmentTotal 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 IncomeSales perusahaan maka semakin tinggi pula
probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai
96
ExpB 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 IncomeTotal Asset perusahaan maka semakin rendah
pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai ExpB 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 CASHTotal Asset perusahaan maka semakin turun pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3.
Nilai ExpB sebesar 1.12E-04 artinya setiap kenaikan variabel CASHTA akan meningkatkan kemungkinan terjadinya kondisi financial distress sebesar 1.12E-
04 kali dimana variabel lain dianggap konstan. Hasil ini konsisten dan mendukung penelitian sebelumnya yaitu Rowland Pasaribu 2008 dan Shu Ling
97
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
AssetTotal Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompok 3. Nilai ExpB 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 IncomeTotal Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompok 3. Nilai ExpB
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
98
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 OperationTotal Asset perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan
kelompok 3. Nilai ExpB 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.
99
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
OperationTotal Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompok 3. Nilai ExpB 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 InvestmentTotal Source of Fund perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompok 3.
Nilai ExpB 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.
100
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 Incomesales perusahaan maka semakin tinggi pula probabilitas perusahaan diklasifikasikan pada kelompok 2 dan kelompk 3. Nilai
ExpB 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.
101
Koefisien NITA sebesar -43.101 dan mempunyai hubungan negatif artinya semakin tinggi rasio Net IncomeTotal Asset perusahaan maka semakin rendah
pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3. Nilai ExpB sebesar 1.911E-19 artinya setiap kenaikan variabel NITA akan
menurunkan kemungkinan terjadinya kondisi financial distress sebesar 1.911E- 19 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 CASHTotal Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3.
Nilai ExpB 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.
102
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 AssetTotal Asset perusahaan maka semakin rendah pula probabilitas perusahaan
diklasifikasikan pada kelompok 3. Nilai ExpB 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 IncomeTotal Asset perusahaan maka semakin rendah pula probabilitas perusahaan diklasifikasikan pada kelompk 2 dan kelompok 3.
Nilai ExpB sebesar 2.097E-12 artinya setiap kenaikan variabel NITA akan menurunkan kemungkinan terjadinya kondisi financial distress sebesar 2.097E-
12 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.
103
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 NIS sebagai rasio yang menjelaskan seberapa besar
tingkat penjulalan dalam menghasilkan laba bersih perusahaan, rasio CATA sebagai rasio yang menjelaskan seberapa besar penggunaan aktiva lancar dalam
perusahaan, rasio NITA sebagai rasio yang menjelaskan efektifitas perusahaan dalam menghasilkan laba atas penggunaan total asetnya didalam kegiatan
operasinya, rasio CASHTA sebagai rasio yang menjelaskan efisiensi perusahaan dalam menghasilkan kas atas penggunaan total asetnya didalam kegiatan
operasinya, rasio CFFOTA sebagai rasio yang menjelaskan sejauh mana free cash flow yang dimiliki atas total aset yang dimiliki perusahaan, rasio DITS
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 NIS, CATA, NITA, CASHTA, CFFOTA dan DITS dapat
menjadi prediktor kondisi financial distress yang terjadi tahun 2009-2010 sesuai sampel penelitian. Perusahaan yang memiliki NIS tinggi di tahun 2007-2008,
cenderung tergolong perusahaan yang mengalami financial distress dengan pengertian mengalami laba bersih sebelum pajak negatif dua tahun berturut-turut
104
dan arus kas yang lebih kecil dibandingkan hutang jangka panjang perusahaan dua tahun berturut turut pada tahun 2009-2010. Sebaliknya, perusahaan yang
memiliki NIS 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 CATA 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 CATA 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 NITA 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
NITA tinggi di tahun 2007-2008 cenderung tergolong perusahaan sehat yaitu perusahaan yang memiliki laba bersih sebelum pajak positif dua tahun berturut-
105
turut dan memiliki arus kas yang lebih besar dibandingkan hutang jangka panjang perusahaan dua tahun berturut-turut pada tahun 2009-2010.
Perusahaan yang memiliki CASHTA 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 CASHTA 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 CFFOTA 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
CFFOTA 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 DITS tinggi di tahun 2007-2008, cenderung tergolong perusahaan yang mengalami financial distress dengan pengertian
106
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 DITS 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. 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 CapitalTotal
Asset + 0,14 Retained EarningTotal Asset + 0,33 Earning Before Interest and TaxTotal Asset + 0,006 Market Value EquityBook Value Debt + 0,999
SalesTotal 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 masing-
107
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
EarningTotal Asset, Total DebtTotal Asset, Earning After TaxAsset, InvesmentNet Sales, Earning Before Interest and TaxTotal Asset, SalesTotal
Asset, dan Cash FlowTotal 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.
108