penerbitan laporan keuangan pemerintah daerah. Model regresi yang dimaksud adalah seperti berikut ini.
Ln =
4,346 - 6,556 PER
GW
- 0,026 PER
FUND
+ 0,581 R0E + 10,878 ROA + 0,045 PM + 0,166 POS
GW
+ 0,000 POS
FUND
+ 0,006 DSA - 0,192 ME + 3,674 LCO + 0,552 ETR - 0,049 FETOR – 0,501 CL
GW
– 0,016 CL
FUND
– 0,002 LQ – 0,843 CL – 1,546 LTDA – 0,591 DTR
Estimasi parameter β yang digunakan untuk mengukur sejauh mana variabel independen mampu meningkatkan log probabilitas suatu event terjadi. Hasil analisis menunjukkan nilai
koefisien β
1
, β
2,
β
3,
β
4,
β
5,
β
6
sampai dengan β
18
dalam model regresi di atas sebesar -6,556, - 0,026, 0,581, 10,878 , 0,045, 0,166 dan 0,000, 0,006, -0,192, 3,674, 0,552, –0,049, –0,501, –
0,016, –0,002, –0,843, –1,546 dan –0,591 serta nilai konstanta 4,346. T
anda β
1
β
2
, β
9,
β
12,
β
13,
β
14,
β
15
, β
16,
β
17
dan β
18
negatif. Tanda koefisien regresi ini mengindikasikan bahwa semakin besar PER
GW
, PER
FUND
, ME, FETOR, CL
GW,
CL
FUND
, LQ, CL dan LTDA serta DTR, maka semakin semakin kecil odds financial distress = log probabilitas financial distress
Y dibagi
non financial distress Y
1
. Seme ntara itu, tanda koefisien untuk β
3,
β
4
, β
5,
β
6,
β
7,
β
8,
β
10
dan β
11
adalah positif sehinga semakin besar angka rasio ROE, ROA, PM, POS
GW
, POS
FUND
, LCO, DSA dan ETR semakin besar juga odds financial distress = log probabilitas financial distress
Y dibagi probabilitas non financial distress Y
1
.
c. Pengujian Tambahan
Pengujian tambahan ini menggunakan model penelitian yang sama dengan pengujian sebelumnya, hanya saja menggunakan kriteria dalam proksi financial distress yang berbeda,
yaitu berdasarkan pedekatan arus kas. Pendekatan financial distress dengan menggunakan
pendekatan arus kas ini sesuai dengan teori tentang kebangkrutan yang telah dikembangkan dalam beberapa penelitian sebelumnya, seperti Altman 1968, Olhson 1980 dan Foster 1994.
Financial distress dengan menggunakan pendekatan arus kas ini ditentukan berdasarkan selisih antara jumlah penerimaan pendapatan asli daerah, bagi hasil dan dana alokasi khusus setelah
dikurangi dengan belanja wajib dan pengeluaran kas angsuran pokok pinjaman, bunga pinjaman dan biaya lain seperti: biaya komitmen, biaya bank dan lain-lain dalam satu periode
tertentu. Apabila jumlah penerimaan kas melebihi jumlah pengeluaran kas, maka dapat diartikan bahwa pemerintah daerah mempunyai jumlah kas yang cukup untuk mendanai pengeluaran yang
harus terjadi dalam satu periode, sehingga dapat dinyatakan dalam kondisi yang tidak mengalami financial distress dilambangkan dengan angka 1, sementara jika pemerintah mempunyai
jumlah penerimaan kas yang lebih kecil dari jumlah pengeluaran kas, maka pemerintah daerah tersebut dinyatakan mengalami financial distress dan dilambangkan dengan angka 0.
Setelah dilakukan analisis dengan menggunakan proksi financial distress yang didasarkan pada arus kas pemerintah daerah, maka pada tahun 2005 diperoleh sejumlah 34
pemerintah daerah yang mengalami jumlah penerimaan lebih kecil dari pengeluaran sehingga dinyatakan financial distress 0 dan 178 pemerintah daerah yang mempunyai jumlah
penerimaan lebih besar dari jumlah pengeluaran kas sehingga dinyatakan tidak mengalami financial distress 1. Sementara itu untuk data tahun 2006 diperoleh 16 pemerintah daerah yang
dinyatakan mengalami financial distress 0 karena jumlah penerimaan kas lebih kecil dari jumlah pengeluaran kas dan sejumlah 67 pemerintah daerah yang dinyatakan tidak mengalami
financial distress 1 karena jumlah penerimaan kasnya melebihi jumlah pengeluaran kas. Berikut ini disajikan hasil analisis binary logistic regression dengan menggunakan
kriteria financial distress berdasarkan arus kas pemerintah daerah.
Tabel IV. 6 Hasil Uji
Binary Logistic Regression - Satu Tahun Financial Distress Dengan Pendekatan Arus Kas
Variabel Exp. sig.
B S.E.
Wald Sig.
PER
GW
+ -0,543
0,533 1,037
0,308 PER
FUND
+ 0,269
0,199 1,822
0,177 ROE
+ -1,205
0,982 1,506
0,220 ROA
+ 0,422
0,303 1,934
0,164 PM
+ -0,035
0,038 0,842
0,359 POS
GW
- 0,008
0,040 0,042
0,838 POS
FUND
- -0,001
0,002 0,254
0,614 DSA
+ 0,057
0,934 0,004
0,952 ME
+ -0,546
1,420 0,148
0,700 LCO
+ -0,125
0,179 0,490
0,484 ETR
+ 0,271
0,361 0,562
0,454 FETOR
+ 0,031
0,028 1,298
0,255 CL
GW
- 0,042
0,411 0,010
0,919 CL
FUND
- -0,117
0,156 0,558
0,455 LQ
- 0,000
0,000 2,670
0,102 CL
- -0,476
0,192 6,118
0,013 LTDA
- -0,823
0,273 9,099
0,003 DTR
- 0,332
0,368 0,812
0,368 Constant
1,577 0,575
7,524 0,006
S ignifikan pada α = 1, Signifikan pada α = 5
Sumber: hasil pengolahan data penelitian
Hasil analisis dengan menggunakan binary logistic regression menyatakan bahwa nilai likelihood sig. sebesar 0,004 yang lebih kecil dari
α = 1 sehingga dapat dinyatakan bahwa penambahan variabel independen dalam penelitian menjadikan model penelitian yang digunakan
dalam penelitian ini fit. Hasil analisis juga mengindikasikan bahwa nilai hosmer and lemeshow test sig. sebesar 0,725 yang lebih besar dari
α penelitian 1, 5 dan 10 sehingga dapat dinyatakan bahwa model cocok dengan data sehingga layak untuk digunakan dalam penelitian
ini. Untuk nilai nagelkerke R square menunjukkan angka sebesar 0,233 23,3 yang mengindikasikan bahwa variabel independen yang digunakan dalam penelitian ini mampu
menjelaskan variabilitas probabilitas financial distress pemerintah daerah sebesar 23,3 dan variabilitas sisanya sebesar 72,7 dijelaskan oleh variabel lain yang tidak digunakan dalam
model penelitian ini. Nilai estimasi parameter regresi untuk pengujian data satu tahun mengindikasikan bahwa
hanya dua variabel saja, yaitu CL dan LTDA yang berpengaruh terhadap probabilitas financial distress pemerintah daerah di Indonesia dengan ditunjukkan sig. kedua variabel tersebut lebih
kecil dari α penelitian ini. Sig kedua variabel adalah 0,013 untuk variabel CL dan 0,003 untuk
variabel LTDA. Untuk kedua variabel ini, tanda koefisien regresi sesuai dengan logika teori yang dikembangkan dalam penelitian yaitu negatif, yang mengindikasikan bahwa jumlah hutang yang
tinggi tidak merupakan indikator bahwa pemerintah daerah mempunyai kemungkinan yang tinggi untuk mengalami financial distress oleh karena sifat hutang pemerintah yang lebih
fleksibel dalam pembayaran pokok dan bunga hutangnya. Untuk variabel penelitian lain, yaitu: PER
GW
, PER
FUND
, ROE, ROA, PM, POS
GW
, POS
FUND
, DSA, ME, LCO, ETR, FETOR, CL
GW
, CL
FUND
, LQ dan DTR hasil uji binary logistic regression mengindikasikan bahwa variabel-variabel tersebut tidak berpengaruh terhadap
probabilitas financial distress pemerintah di Indonesia dengan ditunjukkan oleh sig. yang lebih besar dari α penelitian baik 1, 5 maupun 10.
Hasil pengujian binary logistic regression untuk data dua tahun berdasarkan pendekatan arus kas dapat dijelaskan bahwa Nilai likelihood dalam binary logistic regression
menunjukkan sig. sebesar 0,031 yang lebih kecil dari α = 5 sehingga dapat dinyatakan bahwa
penambahan variabel independen dalam penelitian menjadikan model penelitian yang digunakan dalam penelitian ini fit. Sementara itu, nilai hosmer and lemeshow test menunjukkan sig. sebesar
0,762 yang lebih besar dari α penelitian 1, 5 dan 10 sehingga dapat dinyatakan bahwa
model cocok dengan data sehingga layak untuk digunakan dalam penelitian ini. Untuk nilai nagelkerke R square menunjukkan angka sebesar 0,493 49,3 yang mengindikasikan bahwa
variabel independen yang digunakan dalam penelitian ini mampu menjelaskan variabilitas probabilitas financial distress pemerintah daerah sebesar 49,3 dan variabilitas sisanya sebesar
50,7 dijelaskan oleh variabel lain yang tidak digunakan dalam model penelitian ini. Berikut ini disajikan tabel hasil binary logistic regression untuk data dua tahun.
Tabel IV. 7 Hasil Uji
Binary Logistic Regression - Dua Tahun Financial Distress Dengan Pendekatan Arus Kas
Variabel Exp. Sig.
B S.E.
Wald Sig.
PER
GW
+ 10,982
5,018 4,789
0,029 PER
FUND
+ -0,157
0,134 1,372
0,241 ROE
+ -0,950
1,478 0,413
0,520 ROA
+ -0,781
3,462 0,051
0,821 PM
+ 0,193
0,376 0,265
0,607 POS
GW
- -0,175
0,138 1,603
0,205 POS
FUND
- 0,001
0,001 0,741
0,389 DSA
+ 30,082
9,589 0,103
0,748 ME
+ 4,372
2,444 3,201
0,074 LCO
+ 0,401
1,268 0,100
0,752 ETR
+ -1,528
4,228 0,131
0,718 FETOR
+ 0,104
0,158 0,434
0,510 CLG
W
- 10,320
15,832 0,425
0,514 CL
FUND
- 0,330
0,409 0,649
0,420 LQ
- 0,003
0,004 0,496
0,481 CL
- 3,244
2,077 2,440
0,118 LTDA
- 1,398
1,024 1,864
0,172 DTR
- 0,426
,701 0,369
0,544 Constant
1,618 4,340
0,139 0,709
S ignifikan pada α = 5
Sumber: hasil pengolahan data
Nilai estimasi parameter regresi untuk pengujian data satu tahun mengindikasikan bahwa hanya dua variabel saja, yaitu PER
GW
dan ME yang berpengaruh terhadap probabilitas financial distress pemerintah daerah di Indonesia dengan ditunjukkan sig. kedua variabel tersebut lebih
kecil dari α penelitian. Sig. kedua variabel adalah 0,029 untuk variabel PER
GW
yang lebih kecil dari 5 dan 0,074 untuk variabel LTDA yang lebih kecil dari 10. Untuk kedua variabel ini,
tanda koefisien regresi sesuai dengan logika teori yang dikembangkan dalam penelitian yaitu positif yang mengindikasikan bahwa jumlah surplus anggaran yang tinggi dan inefisiensi
merupakan indikator indikator bahwa pemerintah daerah mempunyai kemungkinan yang tinggi untuk mengalami financial distress.
Sementara untuk keenambelas variabel yang lain yaitu: PER
FUND
, ROE, ROA, PM, POS
GW
, POS
FUND
, DSA, LCO, ETR, FETOR, CL
GW
, CL
FUND
, LQ, CL, LTDA dan DTR hasil uji binary logistic regression mengindikasikan bahwa variabel-variabel tersebut tidak berpengaruh
terhadap probabilitas financial distress pemerintah di Indonesia dengan ditunjukkan oleh sig. yang lebih besar dari α penelitian baik 1, 5 maupun 10.
G. Pembahasan