72 ULTJ
Ultra Jaya Milk Tbk. 73
UNIC Unggul Indah Cahaya Tbk.
74 UNVR
Unilever Indonesia Tbk. 75
VOKS Voksel Electric Tbk.
Kemudian dari 75 perusahaan tersebuk dikategorikan dalam kelompok financial distress dan non financial distress. Berikut spesifikasi perusahaan
berdasarkan kriteria financial distress :
Tabel 3.3 Tabel Spesifikasi Perusahaan berdasarkan Kriteria Financial Distress
NO TAHUN
FD NON FD
1 2010
6 69
2 2011
4 71
3 2012
9 66
TOTAL 19
206
3.7 Jenis Data
Metode penelitian yang digunakan adalah metode penelitian deskriptif kuantitatif yang merupaka analisis dimana data yang ada dikumpulkan,
diklasifiasikan, dianalisis, dan diinterpretasikan secara objektif sehingga memberikan informasi dan gambaran mengenai topik yang dibahas.
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder yang digunakan merupakan data yan diperoleh berdasarkkan hasil
publikasi oleh Bursa Efek Indonesia yaitu laporan keuangan, sejarah perusahaan,
jurnal, literature ilmiah, penelitiaan terdahulu, laporan-laporan yang dipublikasikan serta data-data yang diperoleh dari media internet.
3.8 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah : a. Tahap pertama dilakukan melalui studi pustaka yakni pengumpulan
data pendukung berupa literatur, penelitian terdahulu, dan laporan- laporan yang dipublikasikan untuk mendapatkan gambaran penelitian
ini. b. Tahap kedua dilakukan melalui pengumpulan data sekunder yang
diperlukan berupa laporan-laporan yang dipublikasikan oleh Bursa Efek Indonesia melalui www.idx.co.id.
3.9 Metode Analisis Data
Keseluruhan data yang terkumpul selanjutnya dianalisis untuk dapat memberikan jawaban dari masalah yang dibahas dalam penelitian ini. Dalam
menganalisis data, peneliti menggunakan program SPSS. Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik.
3.9.1 Analisis Statistik Deskriptif
Analisis statistik deksriptif merupakan metode-metode statistik yang berfungsi untuk menggambarkan data yang telah dikumpulkan. Suatu data dapat
dideskripsikan melalui mean, standar deviasi, varian, maksimum atau nilaai tertinggi pada data, minimum atau nilai terendah pada ata, sum, range, swekness,
dan kurtosis Ghozali, 2011.
3.9.2 Uji Asumsi Klasik
Model penelitian sebaiknya diuji terlebih dahulu asumsi klasiknya untuk memastikan tidak adanya bias atau rancu yang dapat membuat hasil
penelitian menjadi tidak akurat Sunjoyo dkk. 2013:54. Pengujian asumsi klasik yang digunakan dalam penelitian ini adalah uji normalitas, uji
heteroskedastisitas, uji multikolinieritas.
3.9.2.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model
regresi, variabel penganggu atau residual memiliki distribusi normal. Model regresi yang baik memiliki distribusi data yang normal atau
mendekati normal Ghozali,50 : 2011. Sedangkan menurut Erlina 2008:102 “tujuan dari uji normalitas adalah untuk mengetahui apakah
dalam model regresi variabel pengganggu atau residual memiliki distribusi normal”.
Uji Normalitas bertujuan untuk menguji apakah model regresi berdistribusi normal. Uji normalitas dapat dilakukan dengan analisis
grafik yaitu pada Normal P-P Plot of Regression Standarizied Residual. Apakah titik menyebar di sekitar garis diagonal maka data
telah berdistribusi normal. Normal P-P Plot of Regression Standarizied Residual.
3.9.2.2 Uji Heteroskedastisitas
Uji heteroskedastisitas bertujuan menguji apakah dalam model
regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke
pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika
berbeda disebut heteroskedastisitas. Model regresi yang baik adalah
yang homoskedastisitas atau yang tidak terjadi heteroskedastisitas. Untuk melihat ada tidaknya heteroskedastisitas dapat dilakukan
dengan mengamati grafik Scaterplot antara nilai prediksi variabel independen dengan nilai residualnya. Dasar yang digunakan untuk
menentukan heteroskedastisitas antara lain :
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian
menyempit, maka mengindikasikan telah heteroskedastisita. 2. Jika tidak ada pola yang jelas, serta titik-titik yang menyebar di
atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.
3.9.2.3 Uji Multikolinieritas
Multikolinieritas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Menurut Erlina
2008 : 105 “uji multikolinieritas ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel
independen”. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Sementara Menurut Gozhali 2006
menyatakan bahwa: Uji multikolinieritas bertujuan untuk menguji apakah di dalam
model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi
korelasi diantara variabel independen. Jika variabel independen saling berkolerasi, maka variabel-variabel ini tidak ortogonal.
Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol.
Untuk mendeteksi ada tidaknya multikolonieritas dalam model regresi dapat dilihat dari :
1 nilai tolerance dan lawannya, dan 2 Variance Inflation Factor VIF.
Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance
mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai tolerance yang
rendah sama dengan nilai VIF yang tinggi karena VIF = 1 tolerance. Nilai cut off yang umum dipakai untuk menunjukkan adanya
multikolonieritas adalah nilai tolerance 0.10 atau sama dengan VIF 10.
3.9.3 Pengujian Hipotesis
Pengujian hipotesis dilakukan dengan menggunakan regresi logistik logistic regression yaitu peneliti ingin menguji apakah probabilitias terjadinya
variabel terikat dapat diprediksi dengan variabel bebasnya. Pada pengujian ini dilakukan dengan mengkategorikan variabel terikatnya ke dalam kelompok-
kelompok tertentu, yaitu financial distress dan non financial distress.
3.9.3.1 Analisis Regresi Logistik
Dalam menguji hipotesis dengn menggunakan logistic regression dapat dilakukan dengan langkah sebagai berikut :
a. Menilai Model Regresi Logistic regression merupakan model regresi yang telah mengalami
modifikasi, sehingga karakteristiknya sudah tidak lagi sama dengan modelnya yang sederhana atau berganda. Oleh karena itu, penentuan
siginifikansinya secara statistik berbeda. Kesesuaian model Goodness of Fit dapat dilihat dari
ataupun F-Test. Untuk menilai Model Fit ditunjukkan dengan Log Likelihood Value nilai -
2LL, yaitu dengan cara membandingkan antara konstanta dengan nilai -2LL. Sedangkan, pada saat block number = 1, dimana model
memasukkan konstanta dan variabel bebas. Apabila nilai -2LL block nimber = 0 lebih besar dari nilai -2LL block number = 1, maka
menunjukkan model regresi yang baik sehingga penurunan Log Likelihood menunjukkan model regresi semakin baik.
b. Menguji Koefesien Regresi Pengujian koefesien regresi dilakukan untuk menguji seberapa jauh
semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh terhadap variabel terikat. Koefesien regresi dapat
ditentukan dengan menggunakan Wald Statistic dan nilai probabilitas Sig dengan cara nilai Wald Statistic dibandingkan
dengan Chi-Square tabel, sedangkan nilai probabilitas Sig dibandingkan dengan tingkat signifikasi α. Untuk menentukan
penerimaan atau penolakan Ho didasarkan pada tingakt signifikasi α 5, dengan kriteria :
1. Ho tidak dapat ditolak apabila nilai Asymptotic Significance tingkat signifikansi α. Hal ini berarti H alternatif ditolak atau
hipotesis yang menyatakan variabel bebas berpengaruh terhadap variabel terikat ditolak.
2. Ho ditolak apabila nilai Asymptotic Significance tingkat signifikansi α. Hal ini berarti H alternatif diterima atau
hipotesis yang menyatakan variabel bebas yang berpengaruh terhadap variabel terikat diterima.
c. Estimasi parameter dan Interpretasinya Estimasi maksimum Likelihood parameter dari model dapat dilihat
pada tampilan output variable in the equation. Sedangkan untuk perhitungan logistic regression dapat menggunakan persamaan
sebagai berikut : Ln =
=DISTRESSED= β
+ β
1
LIKUID
1
+ β
2
EBT
2
+ β
3
CF
3
+ e
Keterangan : : Probabilitas perusahaan mengalami financial distress
β : Konstanta
β
1
, β
2,
β
3
: Koefesien regresi LIKUID : Rasio Likuiditas
EBT :Rasio Laba
CF : Rasio Arus Kas
e : Error
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Gambaran Umum
Laporan keuangan memberikan data-data yang relevan mengenai kinerja perusahaan, maka dapat melakukan dalam mengukur kemampuan perusahaan
untuk bertahan. Kondisi financial distress merupakan salah satu kondisi dimana suatu perusahaan dapat dikategorikan dalam kondisi yang mengalami tekanan
dalam hal keuangannya. Jika perusahaan banyak mengalami financial distress dalam jangka waktu yang lama, hal ini menunjukkan bahwa perusahaan berada di
batas kebangkrutan. Sebagaimana berdasarkan tujuan penelitian ini, dimana pengujian terhadap terjadinya kondisi financial distress akan dibuktikan
dipengaruhi oleh rasio likuiditas, laba dan arus kas yang dimiliki oleh perusahaan. Jumlah perusahaan yang digunakan dalam penelitian ini bervariasi yang diperoleh
dari perusahaan yang terdaftar di BEI dengan periode penelitian tahun 2010-2012. Sebagaimana sejalan dengan tujuan penelitian ini, maka dari seluruh
sampel terlebih dahulu diteliti apakah perusahaan mengalami kondisi financial distress atau tidak. Dan total sampel data sebanyak 225 dari penelitian tahun 2010
hingga 2012 untuk memprediksikan financial distress. Selanjutnya akan ditinjau pula terhadap rasio likuiditas, rasio dari laba sebelum pajak terhadap total aset dan
rasio dari arus kas terhadap total aset. Ketiga variabel tersebut digunakan sebagai prediktor dan selanjutnya akan diuji apakah kondisi keuangan tersebut akan
mempengaruhi kondisi financial distress yang terjadi.
4.2 Hasil Penelitian 4.2.1 Uji Statistik Deskriptif