Tabel 3.1. Definisi Operasional dan Skala Pengukuran Variabel
No Variabel
Definisi Operasional Skala
Pengukuran
1. Financial
distress Y Financial distress merupakan keadaan
perusahaan mengalami
kesulitan keuangan. Indikator yang digunakan
yaitu laba bersih yang dihasilkan menunjukkan nilai negatif selama dua
tahun berturut-turut. Perusahaan akan dibagi kedalam dua
kelompok, yakni perusahaan yang berpotensi
mengalami financial
distress dan perusahaan yang tidak berpotensi
mengalami financial
distress.
Skala nominal
2. Current
ratio X1 Rasio untuk mengukur kemampuan
perusahaan dalam
membayar kewajiban jangka pendek atau utang
yang segera jatuh tempo dengan menggunakan
aset lancar
yang
tersedia.
Skala rasio
3. Return
on asset X2 Rasio
untuk mengukur
seberapa mampu perusahaan menggunakan aset
yang ada untuk menghasilkan laba atau keuntungan.
Skala rasio
4. Total asset
turn over X3 Rasio untuk mengukur penjualan yang
diperoleh perusahaan atas aset yang terpakai.
Skala rasio
5. Debt to asset
ratio X4 Rasio utang yang digunakan untuk
mengukur perbandingan antara total utang dengan total aset.
Skala rasio
3.6
Metode Analisis Data 3.6.1 Menentukan Nilai Variabel
a. Variabel dependen
Variabel dependen dalam penelitian ini adalah financial distress. Penentuan
nilai variabel kondisi financial distress dengan ketentuan sebagai berikut :
Y = 1 ; apabila perusahaan sektor industri dasar dan kimia berpotensi mengalami
financial distress.
Y = 0 ; apabila perusahaan sektor industri dasar dan kimia tidak berpotensi
mengalami financial distress.
b. Variabel independen 1 Current Ratio
Variabel current ratio diperoleh dengan membandingkan aset lancar dengan utang kewajiban lancar. Rasio ini dapat dirumuskan sebagai berikut Gumanti,
2011:112 : Current Ratio =
� �
� �� � � �
1 Return On Asset
Variabel return on asset diperoleh dengan membandingkan laba bersih dengan total aset. Rasio ini dapat dirumuskan sebagai berikut Gumanti,
2011:115 : Return on Asset =
� �
2 Total Asset Turn Over
Total asset turn over diperoleh dengan membandingkan penjualan dengan total asset. Rasio ini dapat dirumuskan sebagai berikut Gumanti, 2011:115 :
Total Asset Turn Over = 3
Debt to Asset Ratio Debt to asset ratio diperoleh dengan membandingkan total utang dengan
total aset. Rasio ini dapat dirumuskan sebagai berikut Gumanti, 2011:114 : Debt to Asset Ratio =
Semua data keuangan perusahaan diperoleh dari data akhir tahun yang bersumber dari laporan keuangan perusahaan sektor industri dasar dan kimia per
31 Desember 2011 sampai dengan 31 Desember 2015.
3.6.2 Deskripsi Statistik
Deskripsi statistik merupakan statistik yang menggambarkan fenomena atau karakteristik dari data yang telah dikumpulkan peneliti. Deskripsi statistik dalam
penelitian ini menjelaskan gambaran data penelitian berupa besarnya nilai
minimum, maksimum, rata-rata dan deviasi standar. Nilai deviasi standar
digunakan untuk mengetahui variabilitas data dalam penelitian.
3.6.3 Model Regresi Logistik
Pada penelitian ini digunakan regresi logistik untuk mengetahui rasio-rasio keuangan perusahaan yang berperan dalam menentukan apakah suatu perusahaan
berpotensi mengalami financial distress atau tidak. Dengan mengetahui potensi financial distress sejak dini, manajemen perusahaan dapat melakukan tindakan-
tindakan untuk mengantisipasi terjadinya kebangkrutan. Karena variabel terikat Y memiliki skala nominal, digunakan model
regresi logistik dengan formulasi sebagai berikut : Y = Ln[p1-p] = b0 + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4
X
4
+ e Dimana :
Y = Probabilitas perusahaan mengalami financial distress
b0 = Konstanta
b
1
,..b
4
= Koefisien regresi logistik X
1
= Current Ratio X
2
= Return on Asset X
3
= Total Asset Turn Over X
4
= Debt to Asset Ratio e
= Residual Error
3.6.4 Menilai Model Fit
Menurut Ghozali 2009:218, beberapa uji statistik yang digunakan untuk menilai model fit dalam analisis regresi logistik adalah sebagai berikut.
a. -2 Log Likelihood
Statistik yang digunakan berdasarkan pada fungsi likelihood. Likelihood L dari model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan
data input. Output SPSS memberikan dua nilai -2 Log Likelihood yaitu satu untuk model yang hanya memasukkan konstanta dan kedua yaitu model
dengan konstanta dan variabel independen. Statistik -2 Log Likelihood dapat
digunakan untuk menentukan jika variabel independen ditambahkan ke dalam model apakah secara signifikan memperbaiki model fit. Jika terjadi penurunan
nilai -2 Log Likelihood maka menunjukkan bahwa model yang dihipotesiskan fit dengan data.
b. Cox and Snell’s R Square dan Nagelkerke R Square
Cox and Snell’s R Square merupakan ukuran yang mencoba meniru ukuran R
Square pada multiple regression yang didasarkan pada teknik estimasi likelihood dengan nilai kurang dari 1 sehingga sulit diinterpretasikan.
Nagelkerke R Square merupakan modifikasi dari koefisien Cox and Snell’s R
Square untuk memastikan bahwa nilainya bervariasi dari 0 sampai 1. Nilai Nagelkerke R Square dapat diinterpretasikan seperti nilai R Square pada
multiple regression. Nilai Nagelkerke R Square menunjukkan persentase variabilitas variabel dependen yang dapat dijelaskan oleh variabel independen
dalam penelitian. c.
Hosmer and Lemeshow’s Goodness of Fit Test Hosmer and Lemeshow’s Goodness of Fit Test menguji hipotesis nol bahwa
data empiris cocok atau sesuai dengan model tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit. Jika nilai Hosmer and
Lemeshow’s Goodness of Fit Test sama dengan atau kurang dari 5, maka hipotesis nol ditolak yang berarti ada perbedaan yang signifikan antara model
dengan nilai observasinya, sebaliknya jika nilai statistik Hosmer and Lemeshow’s Goodness of Fit Test lebih besar dari 5, maka hipotesis nol
diterima dan berarti model yang dibuat mampu memprediksi nilai observasinya atau dapat dikatakan model dapat diterima karena cocok dengan data observasi
penelitian. d.
Tabel Klasifikasi 2 x 2 Tabel 2x2 menghitung nilai estimasi yang benar correct dan salah
incorrect. Pada kolom merupakan dua nilai prediksi dari variabel dependen yang diteliti, sedangkan pada baris menunjukkan nilai observasi sesungguhnya
dari variabel dependen. Pada model yang sempurna, maka semua kasus akan berada pada diagonal dengan tingkat ketepatan prediksi sebesar 100 .
3.6.5 Uji Hipotesis
Uji hipotesis dilakukan setelah memperoleh data yang diperlukan fit data empiris cocok atau sesuai dengan model. Penelitian ini menggunakan regresi
logistik sebagai alat analisis karena variabel dependennya berupa data berskala nominal.
Langkah-langkah pengujian hipotesis sebagai berikut : a.
Merumuskan hipotesis H
01
= Variabel current ratio tidak dapat memprediksi financial distress. H
a1
= Variabel current ratio dapat memprediksi financial distress. H
02
= Variabel return on asset tidak dapat memprediksi financial distress. H
a2
= Variabel return on asset dapat memprediksi financial distress. H
03
= Variabel total asset turn over tidak dapat memprediksi financial distress. H
a3
= Variabel total asset turn over dapat memprediksi financial distress. H
04
= Variabel debt to asset ratio tidak dapat memprediksi financial distress. H
a4
= Variabel debt to asset ratio dapat memprediksi financial distress. b.
Menentukan tingkat signifikansi Pengujian dilakukan dengan menggunakan uji Wald dengan tingkat
signifikansi yang digunakan sebesar 5. c.
Uji signifikan parsial uji Wald Uji Wald digunakan untuk menguji analisis rasio keuangan dalam
memprediksi financial distress. Kriteria pengambilan keputusan sebagai berikut : Jika nilai p-value uji Wald Sig 0,05 , H
diterima. Jika nilai p-value uji Wald Sig 0,05 , H
a1
,...,H
a4
diterima. d.
Menarik kesimpulan Uji hipotesis merupakan uji terakhir yang dilakukan dalam penelitian ini
untuk memperoleh kesimpulan apakah masing-masing variabel dalam penelitian ini dapat memprediksi financial distress sesuai hipotesis.
3.7 Kerangka Pemecahan Masalah
Berdasarkan pada permasalahan yang telah dijelaskan, maka dapat disusun kerangka pemecahan masalah pada Gambar 3.1 sebagai berikut :
Gambar 3.1. Kerangka Pemecahan Masalah
Variabel Dependen Financial Distress
Variabel Independen CR,ROA,TATO,DAR
Deskripsi Statistik
Hasil dan Pembahasan Uji Kelayakan Model
Regresi Logit
Kesimpulan Uji Hipotesis
STOP Analisis Regresi Logit
Pengumpulan Data START
Keterangan : 1.
Start, yaitu permulaan dan persiapan penelitian terhadap masalah yang diteliti. 2.
Pengumpulan data laporan keuangan perusahaan sektor industri dasar dan kimia yang terdaftar di Bursa Efek Indonesia berupa laporan keuangan tahun
2011-2015. 3.
Deskripsi statistik, untuk mengetahui gambaran umum dari data penelitian dan variabilitas data.
4. Melakukan analisis regresi logistik.
5. Melakukan uji kelayakan model regresi logistik dengan melakukan beberapa
uji statistik yaitu -2 Log Likelihood, Cox and Snell’s R Square dan Nagelkerke
R Square, Hosmer and Lemeshow’s Goodness of Fit Test dan uji klasifikasi
2x2 untuk menilai overall fit model terhadap data. 6.
Uji hipotesis untuk mengetahui signifikansi apakah variabel-variabel penelitian dapat memprediksi financial distress perusahaan.
7. Pembahasan, merupakan bab dimana menjelaskan hasil penelitian yang telah
dilakukan dan membahasnya. 8.
Kesimpulan, menarik kesimpulan dari analisis data yang telah dilakukan. 9.
Stop, yaitu penelitian berakhir.
BAB 5. KESIMPULAN DAN SARAN
5.1 Kesimpulan
Penelitian ini bertujuan untuk menganalisis kemampuan rasio keuangan yakni current ratio, return on asset, total asset turn over dan debt to asset ratio
dalam memprediksi financial distress perusahaan dengan menggunakan alat analisis regresi logistik. Pemilihan sampel menggunakan teknik purposive
sampling untuk mendapatkan sampel yang dapat mewakili kriteria yang ditentukan peneliti. Perusahaan sektor industri dasar dan kimia yang terpilih
menjadi anggota sampel sebanyak 52 perusahaan yang terbagi kedalam dua kelompok yakni 19 perusahaan berpotensi mengalami financial distress dan 33
perusahaan tidak berpotensi mengalami financial distress. Berdasarkan hasil penelitian dan pembahasan yang telah diuraikan pada bab
sebelumnya, kesimpulan yang dapat diambil dari penelitian ini adalah sebagai
berikut :
1. Rasio likuiditas yang diproksi dengan current ratio dapat memprediksi
financial distress perusahaan sektor industri dasar dan kimia dan memiliki pengaruh negatif signifikan.
2. Rasio profitabilitas yang diproksi dengan return on asset dapat memprediksi
financial distress perusahaan sektor industri dasar dan kimia dan memiliki pengaruh negatif signifikan.
3. Rasio aktivitas yang diproksi dengan total asset turn over tidak dapat
memprediksi financial distress perusahaan sektor industri dasar dan kimia. Besar kecilnya nilai total asset turn over tidak menentukan apakah perusahaan
akan mengalami financial distress atau tidak. 4.
Rasio leverage yang diproksi dengan debt to asset ratio dapat memprediksi financial distress perusahaan sektor industri dasar dan kimia dan memiliki
pengaruh positif signifikan.
49