57 Penelitian ini menghasilan nilai -2 Log Likelihood awal dan akhir
sebagai berikut.
Tabel 4.3 Nilai
-2 Log Likelihood Awal
Tabel 4.4 Nilai
-2 Log Likelihood Akhir
Iteration History
a,b,c
Iteration -2 Log
likelihood Coefficients
Constant Step 0
1 38.876
-1.800 2
32.413 -2.555
3 31.776
-2.885 4
31.762 -2.943
5 31.762
-2.944 6
31.762 -2.944
a. Constant is included in the model. b. Initial -2 Log Likelihood: 31.762
c. Estimation terminated at iteration number 6
because parameter estimates changed by less than .001.
Iteration History
a,b,c,d
Iteration -2 Log
likelihood Coefficients
Constant CFFO_NI CFFO_CL CFFO_TA IPPE_PPE IPPE_TU
DI_TS ND_TS
Step 1 1
36.250 -1.083
.007 -.280
-.580 -.180
-1.655 -2.064
.824 2
26.025 -.771
.022 -.816
-1.137 -.599
-3.972 -5.453
2.146 3
21.774 .199
.053 -1.940
-.221 -1.401
-6.813 -10.620
4.134 4
19.634 1.288
.096 -3.615
3.290 -2.259
-9.888 -17.433
7.401 5
18.562 2.097
.142 -4.687
5.593 -2.795
-12.904 -27.493
14.915 6
17.734 2.747
.186 -5.048
5.601 -3.062
-16.839 -45.348
31.113 7
17.097 3.688
.263 -5.459
4.274 -3.510
-23.089 -74.334
57.544 8
16.830 4.618
.351 -6.512
4.440 -3.991
-29.681 -104.433 84.924
9 16.792
4.883 .392
-7.609 6.297
-4.117 -32.349 -117.438
97.185 10
16.790 4.874
.399 -7.949
7.064 -4.102
-32.689 -119.287 99.081
11 16.790
4.872 .399
-7.966 7.104
-4.101 -32.700 -119.350
99.150
58 Dari kedua tabel di atas, dapat kita lihat bahwa nilai -2 log
likelihood pada awal adalah 31.762 sedangkan nilai -2 log likelihood
pada akhir, setelah model dimasukkan konstanta dan variabel bebas adalah 16.790. Penurunan nilai 2 log likelihood menunjukkan bahwa
model penelitian ini baik atau dengan kata lain fit dengan data, artinya penambahan-penambahan variabel bebas yaitu rasio arus kas
dari aktivitas operasi CFFONI, CFFOCL, dan CFFOTA, rasio arus kas dari aktivitas investasi IPPEPPE dan IPPETU, dan rasio
arus kas dari aktivitas pendanaan DITS dan NDTS ke dalam model penelitian akan memperbaiki model fit dalam penelitian ini.
4.2.2.3 Koefisien Determinasi Nagelkerke R Square
Dalam regresi logistik, nilai statistik dari Nagelkerke R Square
dapat diinterpretasikan sebagai suatu nilai yang mengukur kemampuan variabel-variabel independen dalam menjelaskan atau
menerangkan variabel dependen. Hasil penelitian ini menunjukkan nilai Nagelkerke R Square sebagai berikut.
12 16.790
4.872 .399
-7.966 7.104
-4.101 -32.700 -119.350
99.150 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 31.762
d. Estimation terminated at iteration number 12 because parameter estimates changed by less than .001.
59
Tabel 4.5 Nagelkerke R Square
Berdasarkan tabel 4.5 diatas, nilai statistik Nagelkerke R Square
sebesar 0.521 yang berarti variabel dependen, yaitu financial distress
dapat dijelaskan oleh variabel independen, yaitu rasio arus kas dari aktivitas operasi CFFONI, CFFOCL, dan CFFOTA,
aktivitas investasi IPPEPPE dan IPPETU, dan aktivitas pendanaan DITS dan NDTS sebesar 52.1 dan sisanya 47.9
dapat dijelaskan oleh variabel lain di luar model. Berdasarkan nilai Nagelkerke
tersebut dapat dikatakan bahwa variabel rasio arus kas dapat digunakan untuk memprediksi kondisi financial distress
perusahaan.
4.2.2.4 Matriks Klasifikasi
Matriks klasifikasi digunakan untuk menunjukkan kekuatan prediksi dari model regresi dalam memprediksi kondisi financial
distress pada perusahaan industri dasar dan kimia.
Model Summary
Step -2 Log likelihood
Cox Snell R Square
Nagelkerke R Square
1 16.790
a
.171 .521
a. Estimation terminated at iteration number 12 because parameter estimates changed by less than .001.
60
Tabel 4.6
Tabel hasil penelitian di atas menunjukkan seberapa baik
model mengelompokkan perusahaan ke dalam dua kelompok baik yang tidak mengalami financial distress maupun yang mengalami
financial distress . Kekuatan prediksi dari model regresi untuk
memprediksi kemungkinan perusahaan tidak mengalami financial distress
adalah sebesar 98.7. Hal ini menunjukkan bahwa dari 76 sampel perusahaan yang tidak mengalami financial distress, 75
perusahaan yang diprediksi tepat tidak mengalami financial distress dan sebanyak 1 perusahaan yang diprediksi tidak tepat. Kekuatan
prediksi dari model regresi untuk memprediksi kemungkinan perusahaan mengalami financial distress adalah sebesar 25. Hal ini
menunjukkan bahwa dari 4 sampel perusahaan yang mengalami financial distress
, sebanyak 1 perusahaan yang diprediksi tepat mengalami financial distress dan sebanyak 3 perusahaan yang
diprediksi tidak mengalami financial distress. Keakuratan prediksi secara menyeluruh sebesar 95. Tingginya persentase ketepatan
pada tabel klasifikasi tersebut mendukung tidak adanya perbedaan
Classification Table
a
Observed Predicted
FD Percentage
Correct Non Distress
Distress Step 1
FD Non Distress
75 1
98.7 Distress
3 1
25.0 Overall Percentage
95.0 a. The cut value is .500
61 yang signifikan terhadap data hasil prediksi dan data observasinya
yang menunjukkan sebagai model regresi logistik yang baik.
4.2.3 Pengujian Hipotesis
Pengujian hipotesis menggunakan model logistic regression binary pada tingkat signifikan 5. Hasil pengolahan data menunjukkan sebagai
berikut.
Tabel 4.7
Dari pengujian persamaan regresi logistik tersebut, maka diperoleh
model regresi logistik sebagai berikut: ln
P1-P = 4.872 + 0.399X
1
– 7.966X
2
+ 7.104X
3
– 4.101X
4
– 32.700X
5
– 119.350X
6
+ 99.150X
7
Nilai konstanta sebesar 4.872 menyatakan bahwa jika tidak memperhitungkan rasio arus kas dari aktivitas operasi CFFONI, CFFOCL
dan CFFOTA, aktivitas investasi IPPEPPE dan IPPETU, dan aktivitas
Variables in the Equation
B S.E.
Wald Df
Sig. ExpB
Step 1
a
CFFO_NI .399
.399 .998
1 .318
1.490 CFFO_CL
-7.966 10.965
.528 1
.468 .000
CFFO_TA 7.104
31.854 .050
1 .824
1217.367 IPPE_PPE
-4.101 4.471
.841 1
.359 .017
IPPE_TU -32.700
23.504 1.936
1 .164
.000 DI_TS
-119.350 92.969
1.648 1
.199 .000
ND_TS 99.150
84.994 1.361
1 .243
1.149E43 Constant
4.872 4.649
1.098 1
.295 130.631
a. Variables entered on step 1: CFFO_NI, CFFO_CL, CFFO_TA, IPPE_PPE, IPPE_TU, DI_TS, ND_TS.
62 pendanaan DITS dan NDTS, maka kecenderungan perusahaan
mengalami financial distress sebesar 4.872. Nilai positif dari konstanta ini menunjukkan bahwa jika variabel bebas tidak ada, maka maka
kecenderungan perusahaan mengalami financial distress semakin tinggi terjadi.
4.2.3.1 Pengujian signifikan model secara simultan
Tabel Omnibus Tests of Model Coefficients digunakan untuk melihat hasil pengujian variabel independen terhadap variabel
dependen secara simultan.
Tabel 4.8
Dari tabel di atas, dapat kita ketahui bahwa nilai signifikasi sebesar 0.036. Dengan diperoleh hasil signifikansi yang lebih kecil
dari 0.05 0.036 0.05 dan nilai chi square hitung lebih besar dari nilai chi-square tabel 14.972 14.07, maka dapat disimpulkan
bahwa variabel-variabel independen yang digunakan secara bersama-sama berpengaruh signifikan terhadap prediksi kondisi
financial distress .
Omnibus Tests of Model Coefficients
Chi-square Df
Sig. Step 1
Step 14.972
7 .036
Block 14.972
7 .036
Model 14.972
7 .036
63
4.2.3.2 Pengujian signifikan model secara parsial
Pengujian signifikansi secara parsial dilakukan dengan uji Wald. Nilai statistik dari uji Wald yang diperoleh sebagai berikut:
Tabel 4.9
Dari tabel uji Wald di atas, dapat diperoleh hasil pengujian hipotesis sebagai berikut:
1. Hipotesis I
Dari tabel 4.9 dapat kita lihat nilai signifikansi rasio arus kas dari aktivitas operasi dengan variabel CFFONI, CFFOCL, dan
CFFOTA adalah 0.318, 0.468, dan 0.824. Hal ini menunjukkan bahwa nilai tersebut berada di atas nilai alpa, yaitu 0.05
0.050.318, 0.050.468, 0.050.824. Dengan demikian, tidak terdapat pengaruh antara rasio arus kas dari aktivitas operasi
terhadap prediksi kondisi financial distress pada perusahaan
Variables in the Equation
B S.E.
Wald Df
Sig. ExpB
Step 1
a
CFFO_NI .399
.399 .998
1 .318
1.490 CFFO_CL
-7.966 10.965
.528 1
.468 .000
CFFO_TA 7.104
31.854 .050
1 .824
1217.367 IPPE_PPE
-4.101 4.471
.841 1
.359 .017
IPPE_TU -32.700
23.504 1.936
1 .164
.000 DI_TS
-119.350 92.969
1.648 1
.199 .000
ND_TS 99.150
84.994 1.361
1 .243
1.149E43 Constant
4.872 4.649
1.098 1
.295 130.631
b. Variables entered on step 1: CFFO_NI, CFFO_CL, CFFO_TA, IPPE_PPE, IPPE_TU, DI_TS, ND_TS.
64 industri dasar dan kimia. Hal ini berarti kita menolak hipotesis
H
1a
, H
1b
, H
1c
, dan H
1
.
2. Hipotesis II
Dari tabel 4.9 dapat kita lihat nilai signifikansi rasio arus kas dari aktivitas investasi dengan variabel IPPEPPE dan IPPETU
adalah 0.359 dan 0.164. Hal ini menunjukkan bahwa nilai tersebut berada di atas nilai alpa, yaitu 0.05 0.050.359 dan
0.050.164. Dengan demikian, tidak terdapat pengaruh antara rasio arus kas dari aktivitas investasi terhadap prediksi kondisi
financial distress pada perusahaan industri dasar dan kimia. Hal
ini berarti kita menolak hipotesis H
2a
, H
2b
, dan H
2
.
3. Hipotesis III
Dari tabel 4.9 dapat kita lihat nilai signifikansi rasio arus kas dari aktivitas pendanaan dengan variabel DITS dan NDTS adalah
0.199 dan 0.243. . Hal ini menunjukkan bahwa nilai tersebut berada di atas nilai alpa, yaitu 0.05 0.050.199 dan
0.050.243. Dengan demikian, tidak terdapat pengaruh antara rasio arus kas dari aktivitas pendanaan terhadap prediksi kondisi
financial distress pada perusahaan industri dasar dan kimia. Hal
ini berarti kita menolak hipotesis H
3a
, H
3b
, dan H
3
.
65
4.3 Pembahasan Hasil Penelitian
1. Hubungan Rasio Arus Kas dari Aktivitas Operasi terhadap
Prediksi Terjadinya Financial Distress
Hasil uji regresi logistik terhadap variabel CFFONI menunjukkan nilai koefisien positif sebesar 0.399 dengan nilai signifikansi 0.318 lebih
besar dari 0.05. Hal ini berarti CFFONI tidak berpengaruh terhadap prediksi kondisi financial distress. Logikanya, semakin tinggi rasio CFFONI, maka
semakin bagus kondisi keuangan perusahaan tersebut. Namun, yang terjadi pada perusahaan industri dasar dan kimia dari tahun 2008-2011 tidak sesuai
dengan teori yang ada. Perusahaan yang tergolong mengalami financial distress
malah mengalami peningkatan pada rasio CFFONI, sedangkan beberapa perusahaan yang tergolong tidak mengalami financial distress
menunjukkan penurunan rasio CFFONI yang cukup drastis. Oleh karena itu, rasio CFFONI tidak berpengaruh terhadap prediksi kondisi financial
distress dari ukuran interest coverage ratio.
Hasil uji regresi logistik terhadap variabel CFFOCL menunjukkan nilai koefisien negatif sebesar -7.966 dengan nilai signifikansi 0.468 yang
lebih besar dari 0.05. Hal ini berarti rasio CFFOCL tidak berpengaruh terhadap prediksi kondisi financial distress. Tanda koefisien yang negatif
dapat diintepretasikan bahwa semakin rendah rasio CFFOCL, semakin tinggi perusahaan mengalami financial distress dalam ukuran interest
coverage ratio . Perusahaan industri dasar dan kimia yang tergolong
mengalami financial distress mengalami penurunan pada rasio CFFOCL
66 dari tahun ke tahun dan menunjukkan rasio yang rendah. Penurunan rasio
CFFOCL pada perusahaan yang mengalami financial distress dikarenakan cash flow from operation
yang diperoleh perusahaan pada awal tahun bernilai negatif dan menunjukkan angka yang cukup besar. Hasil penelitian
ini tidak sejalan dengan penelitian terdahulu yang dilakukan oleh Almilia 2006 dan Yolanda Mudji 2009 yang menggunakan ukuran laba bersih
negatif dalam pengelompokkan perusahaan yang mengalami financial distress
. Hasil uji regresi logistik terhadap variabel CFFOTA menunjukkan
nilai koefisien positif sebesar 7.104 dengan nilai signifikansi 0.824 yang lebih besar dari 0.05. Hal ini berarti rasio CFFOTA tidak berpengaruh
terhadap prediksi kondisi financial distress. Tanda koefisien yang positif dapat diintepretasikan bahwa semakin tinggi rasio CFFOTA, semakin
tinggi pula perusahaan mengalami financial distress. Hal ini dapat dibuktikan dengan data yang ada pada perusahaan yang mengalami financial
distress dimana rasio CFFOTA mengalami peningkatan dari tahun ke
tahun. Kondisi ini didorong oleh pelepasan aktiva tetap dalam jumlah yang lumayan besar sehingga rasio yang diperoleh semakin tinggi dan kondisi ini
diperburuk dengan adanya negatif cash flow from operation pada awal tahun. Hasil penelitian ini tidak sejalan dengan penelitian sebelumnya oleh
Yolanda Mudji 2009 yang menyatakan CFFOTA berpengaruh terhadap terjadinya financial distress.
67 Secara keseluruhan, rasio arus kas dari aktivitas operasi yaitu
CFFONI, CFFOCL, dan CFFOTA tidak berpengaruh secara signifikan terhadap kemungkinan perusahaan mengalami financial distress dalam
ukuran interest coverage ratio karena nilai signifikansi ketiga variabel tersebut lebih besar dari 0.05.
2. Hubungan Rasio Arus Kas dari Aktivitas Investasi terhadap
Prediksi Terjadinya Financial Distress
Hasil uji regresi logistik terhadap variabel IPPEPPE menunjukkan nilai koefisien negatif sebesar -4.101 dengan nilai signifikansi 0.359 yang
lebih besar dari 0.05. Hal ini berarti rasio IPPEPPE tidak berpengaruh terhadap prediksi kondisi financial distress. Tanda koefisien yang negatif
dapat diintepretasikan bahwa semakin rendah rasio IPPEPPE, semakin tinggi kemungkinan perusahaan mengalami financial distress. Rasio
IPPEPPE perusahaan yang mengalami financial distress menunjukkan penurunan, namun hal yang sama juga terjadi pada kebanyakan perusahaan
yang tidak mengalami financial distress sehingga rasio ini tidak berpengaruh terhadap prediksi kondisi financial distress.
Hasil uji regresi logistik terhadap variabel IPPETU menunjukkan nilai koefisien negatif sebesar -32.700 dengan nilai signifikansi 0.164 yang
lebih besar dari 0.05. Hal ini berarti rasio IPPETU tidak berpengaruh terhadap prediksi kondisi financial distress. Tanda koefisien yang negatif
dapat diintepretasikan bahwa semakin tinggi rasio ini, semakin rendah kemungkinan terjadinya financial distress.
68 Secara keseluruhan, rasio arus kas dari aktivitas investasi yaitu
IPPEPPE dan IPPETU tidak berpengaruh secara signifikan terhadap kemungkinan perusahaan mengalami financial distress karena nilai
signifikansi kedua variabel tersebut lebih besar dari 0.05. Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Agnes 2014 dan Almilia
2006, namun tidak sejalan dengan penelitian yang dilakukan oleh Yolanda Mudji 2009.
3. Hubungan Rasio Arus Kas dari Aktivitas Pendanaan terhadap
Prediksi Terjadinya Financial Distress
Hasil uji regresi logistik terhadap variabel DITS menunjukkan nilai koefisien negatif sebesar -199.350 dengan nilai signifikansi 0.199 yang lebih
besar dari 0.05. Hal ini berarti rasio DITS tidak berpengaruh terhadap prediksi kondisi financial distress. Tanda koefisien yang negatif dapat
diintepretasikan bahwa semakin rendah rasio ini, semakin tinggi kemungkinan terjadinya financial distress. Rasio DITS yang rendah
mengindikasikan bahwa sumber dana perusahaan kebanyakan didanai melalui debt investment sehingga perusahaan kemungkinan mengalami
kesulitan dalam membayar perolehan hutangnya pada saat jatuh tempo. Hasil uji regresi logistik terhadap variabel NDTS menunjukkan
nilai koefisien positif sebesar 99.150 dengan nilai signifikansi 0.243 yang lebih besar dari 0.05. Hal ini berarti rasio NDTS tidak berpengaruh terhadap
prediksi kondisi financial distress. Tanda koefisien yang positif dapat
69 diintepretasikan bahwa semakin tinggi rasio ini, semakin tinggi pula
kemungkinan terjadinya financial distress. Secara keseluruhan, rasio arus kas dari aktivitas pendanaan yaitu
DITS dan NDTS tidak berpengaruh secara signifikan terhadap kemungkinan perusahaan mengalami financial distress karena nilai
signifikansi kedua variabel tersebut lebih besar dari 0.05. Hasil penelitian ini sejalan dengan penelitian yang dilakukan oleh Agnes 2014 dan Almilia
2006, namun tidak sejalan dengan penelitian yang dilakukan oleh Yolanda Mudji 2009.
70
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan
