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

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 109 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 110 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. 111 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. 112 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