II-23
X
7
INTWO = 1 jika pendapatan bersih dua tahun terakhir negative 0 untuk kondisi lainnya
X
8
OENEG = 1 jika total utang total aset; 0 untuk kondisi sebaliknya X
9
CHIN = Ni
t
-Ni
t-1
|Ni
t
|+|Ni
t-1
|, dimana Ni
t
adalah pendapatan bersih untuk periode tahun yg diteliti
Namun Ohlson 1980 menjelaskan bahwa model ini tidak menentukan cut-off point tertentu dalam menentukan batasan yang
menyatakan perusahaan tersebut bangkrut atau tidak bangkrut. Model ini memperbolehkan peneliti untuk menentukan sendiri tingkat toleransi yang
akan digunakan. Makin tinggi rendah probability cut-off, maka makin besar kemungkinan untuk salah mengklasifikasikan perusahaan yang bangkrut dan
tidak bangkrut. Ohlson sendiri menggunakan cut-off point sebesar 0,5. Tingkat ketepatan predikasi dari model ini sebagai mana dikemukakan
John Stephen dan Michael T. Dugan dalam jurnal berjudul Re-Estimation of the Zmijewsi and Ohlson Bankrupcy Prediction Model 2003 adalah sebesar
99. Unggul dibandingkan model Z-score yang dikemukakan Altman 1968 yang hanya sebesar 95, dan model X-score Zmijewsi 1983 sebesar 98.
II.3. Penelitian Terdahulu Studi Empiris
Penelitian mengenai financial distress untuk mengetahui potensi kebangkrutan suatu perusahaan merupakan topik yang sangat menarik untuk
diteliti. Penelitian awal mengenai financial distress mulanya dilakukan oleh Ramsey dan Foster 1931, Fizpatrick 1932, Winakor dan Smith 1942.
Penelitian ketiganya berfokus pada perbandingan antara rasio keuangan perusahan gagal dan perusahaan tidak gagal Afriyeni, 2012. Kemudian di tahun 1966
William Beaver mulai melakukan studi dengan menggunakan analisis variabel tunggal univariat, namun model yang dipakai Beaver ternyata tidak dapat
digunakan untuk memprediksi kegagalan perusahaan secara simultan Subagyo, 2007 sehingga Altman 1968 kemudian mengembangkan penelitian
menggunakan pendekatan variabel ganda multivariate, serupa dengan model yang dikembangkan oleh Springate 1978, dan Zmijewski 1984.
II-24
Keterbatasan pada penelitian terdahulu membuat peneliti selanjutnya melakukan pengembangan dalam hal keragaman variable-variabel yang
digunakan. Hal ini dilakukan agar akurasi daya ramal mengenai financial distress semakin akurat. Oleh karena itu, Ohlson 1980 dalam penelitian Financial Ratios
And The Probabilistic Prediction Of Bankruptcy menggunakan analisis regresi logistik dalam mempediksi kebangkrutan untuk menghindari asumsi-asumsi ketat
pada Multiple Discriminant Analysis MDA. Ohlson dalam Permatasari, 2008 mengklaim tingkat akurasi prediksinya sebesar 96,12. Beberapa penelitian lain
mengungkapkan bahwa model prediksi Ohlson memiliki tingkat akurasi yaitu: 95 Wang dan Campbell, 2010, dan 65 Nikmah dan Sulestari.
Di Indonesia, penelitian mengenai prediksi financial distress menggunakan analisis regresi logistik tidak sebanyak penelitian menggunakan analisis
diskriminan. Beberapa peneliti yang melakukan analisis regresi logistik diantaranya Qurriyani 2000, Widodo 2001, Almilia dan Kristiaji 2003,
Hadad,dkk 2004, Subagyo 2007, Purbayati 2010, Fauzi 2011, Puryati dan Savitri 2012.
II-25
Tabel II.2 Studi Empiris Prediksi Financial Distress Menggunakan Regresi Logistik
No Peneliti: Judul
Variabel Penelitian
Hasil
1
Qurriyani 2000:
Deteksi Dini Potensi Kebangkrutan Bank
Melalui Analisis Rasio Keuangan dan
Market Effect
CAR Capital Adequacy Ratio,
Asset Quality, Manajemen, dan
Likuiditas Rasio Keuangan CAR dan Risk
Asset Rasio, serta Market Effect Earning mampu menjelaskan
tingkat kesehatan Bank dan sekaligus menjadi alat untuk
memprediksi potensi kebangkrutan bank.
2
Widodo 2001:
Penggunaan Rasio Keuangan untuk
Memprediksi Probabilitas
Kebangkrutan Bank
RORA, NRFF Net Revenue From
Fund, FBI, CAR Capital Adequacy
Ratio, LCDR, HS Hasil Kredit, PTK
Variabel yang dapat digunakan untuk memprediksi kebangkrutan
bank adalah NRFF Net Revenue From Fund untuk enam model dan
HS Hasil Kredit untuk lima model. Model Prediksi dua tahun
sebelum kebangkrutan mempunyai presentasi akurasi lebih tinggi
dibanding model prediksi satu tahun sebelum kebangkrutan.
3
Almilia dan Kristiaji 2003:
Analisis Rasio Keuangan Untuk
Memprediksi Kondisi Financial Distress
Perusahaan Manufaktur yang
Terdaftar Di Bursa Efek Jakarta
CFCL, TLFA
gross profitsales, OIsales,
NIsales, CAinventory,
OITL, NWsales,
CLNW, dan NWTL.
Rasio keuangan yang paling dominan dalam menentukan
financial distress suatu perusahaan adalah:
• Rasio profit margin NIS. • Rasio financial leverage CLTA.
• Rasio likuiditas CACL.
II-26
4
Hadad,dkk 2004:
Model Prediksi Kepailitan Bank
Umum di Indonesia
Rasio modal, Risiko Keuangan
dan Variasi Waktu Model Prediksi 3 bulan sebelum
pailit MP3 merupakan model yang paling layak digunakan untuk
memprediksi kepailitan Bank Umum.
5
Subagyo 2007:
Model Prediksi Financial Distress di
Indonesia Era
Globalisasi
Financial ratios, industry relative
ratios, dan sensitivitas
terhadap indikator ekonomi
Financial ratios, industry relative ratios, dan sensitivitas terhadap
indikator ekonomi baik secara parsial maupun secara simultan
mampu digunakan sebagai predictor financial distress perusahan go
public di Indonesia. Model 4 merupakan model terbaik untuk
memprediksi, dengan daya prediksi sebesar 77,1.
6
Purbayati 2010:
Analisis Faktor Penyebab
Probabilitas
Kebangkrutan Bank
CAR, ATTM, APB, NPL, PPAP,
ROA, ROE, NIM, BOPO, LDR, Stock
Price, Composite Index, Inflation
Rate, Interest Rate, dan Money Supply
Variabel yang berpengaruh signifikan terhadap probabilitas
kebangkrutan bank adalah BOPO terhadap pendapatan operasional
dan sensitivitas bank terhadap tingkat suku bunga SBI
7
Fauzi 2011:
Analisis Kinerja Keuangan
Performance dan Pengaruhnya
Terhadap Kesulitan Keuangan Financial
Distress Perbankan
di Indonesia
ROA, ROE, NPM, OPM, TDTA,
EQTA, SLWC, NIM
Variabel ROA, ROE, SLWC, dan OPM masuk ke dalam model, dan
secara signifikan dapat menjelaskan 50,2 kondisi kesulitan keuangan
fianancial distress pada perbankan. 49,8 lainnya
dijelaskan oleh variabel di luar model.
II-27
8
Puryati dan Savitri 2012:
Model Financial Distress
Vs. Altman Z-Score: Analisa Perbandingan
Prediksi Kebangkrutan di
Industri Perbankan yang Terdaftar di BEI
Current Ratio, Growth Ratio,
Financial Leverage, dan
Profit Margin Terdapat perbedaan antara kedua
model. Menurut hasil analisis model Financial Distress 4 Bank
dinyatakan menglami kondisi tidak sehat, sedangkan menurut
Diskriminan model Altman, semua bank dinyatakan sehat.
Sumber: dirangkum dari berbagai sumber
II.4. Kerangka Penelitian
