Analisis Diskriminan dalam Memprediksi Financial Distress dengan Menggunakan Metode Altman
LAMPIRAN 1
Pengelompokan Sampel Kondisi FD dan NFD Berdasarkan Perhitungan Z-Score Altman
(Dalam Jutaan Rupiah)
NO PERUSAHAAN TAHUN WC / TA RE / TA EBIT /
TA
MVE / BVD
S/TA Z-Score
1 ADES 2012 0.23867 0.19255 0.196947 1.16197 1.224994 3.12807 ADES 2013 0.199574 0.358896 0.134207 0.134207 1.139345 2.40469 2 AISA 2012 0.23471 0.215409 0.232221 1.108679 1.966487 3.98125 AISA 2013 0.208786 0.117104 0.089544 0.884658 0.807983 2.04876 3 ALTO 2012 0.170461 0.000561 0.045638 0.610801 0.558794 1.28121 ALTO 2013 0.320177 0.000333 0.015899 0.35203 0.324255 0.87261 4 CEKA 2012 0.014394 0.005138 0.081459 0.821215 1.09324 1.87925 CEKA 2013 0.306728 0.005404 0.080919 0.493887 2.367069 3.30607 5 DAVO 2012 0.140691 0.010235 1.190266 0.783059 0.482366 2.60661 DAVO 2013 0.174025 1.8106 0.527114 0.286319 0.235288 3.03334 6 DLTA 2012 0.686179 0.006709 0.385754 0.802638 2.307526 4.89490 DLTA 2013 0.679461 0.00692 0.413355 0.780307 2.308263 4.96556 7 DVLA 2012 0.590518 0.010235 0.190266 0.783059 0.837107 2.65777 DVLA 2013 0.586957 0.018487 0.147688 0.768623 0.925743 2.60451 8 GGRM 2012 0.87093 0.004818 0.133239 0.640957 1.181149 3.05727 GGRM 2013 1.073658 0.003939 0.116923 0.5794 1.091918 3.11930 9 HMSP 2012 0.351665 0.003429 0.509886 0.507035 2.538377 4.95202 HMSP 2013 0.332938 0.003284 0.529463 0.516521 2.737687 5.19895 10 ICBF 2012 0.355364 0.000563 0,170512 0.603249 1.778513 2,56710 ICBF 2013 0.311515 0.000705 0.139508 0.623757 1.838238 2,38939
11 INAF 2012 0.343059 0 0.046442 1 0.9726 2.13753
INAF 2013 0.137456 0.000982 -0.04869 0.839632 1.033208 1.54256 12 INDF 2012 0.89546 0.001349 0,123217 0.575527 1.315811 3.14418 INDF 2013 0.883477 0.001088 0.098178 0.735518 1.264905 3.09189
(2)
NO PERUSAHAAN TAHUN WC / TA
RE / TA EBIT / TA
MVE / BVD
S/TA Z-Score
13 KAEF 2012 0.466499 0.294892 0.134026 0.694264 1.798466 3.62995 KAEF 2013 0.43063 0.317407 0.11494 0.657117 1.758973 3.49367 14 KDSI 2012 0.24057 0.035053 0.083487 0.553849 2.280782 3.22635 KDSI 2013 0.177517 0.024699 0.055486 0.414014 1.63051 2.30961 15 KICI 2012 0.517614 -0.06047 0.032426 2.343721 0.998231 3.04794 KICI 2013 0.562419 0.017051 0.101195 3.041901 1.007467 3.86532 16 KLBF 2012 0.483129 0.00819 0.245066 0.782722 1.447915 3.31748 KLBF 2013 0.429227 0.008349 0.227354 0.751207 1.414233 3.14198 17 LMPI 2012 0.102438 0.618606 0.006233 0.49944 0.616065 1.92527 LMPI 2013 0.088656 0.613312 -0.01705 0.483368 1 2.19877 18 MBTO 2012 0.611474 0.001641 0.097711 2.484191 1.177679 3.72670 MBTO 2013 0.55589 0.002452 0.037606 2.812809 1.048245 3.53053 19 MERK 2012 0.604209 0.661679 0.256247 0.731857 1.632993 4.56912 MERK 2013 0.631927 0.677609 0.336766 0.734947 1.713119 4.97238 20 MLBI 2012 -0.29009 7.8106 0.527114 0.286319 1.438294 3.00145 MLBI 2013 -0.00914 5.6106 0.884856 0.554125 1.998705 5.24024 21 MRAT 2012 0.645998 0.023433 0.093424 5.545455 1.005983 5.44955 MRAT 2013 0.595687 0.031275 0.022788 6.113914 0.814697 5.31685 22 MYOR 2012 0.90821 0.003734 0.215605 0.669509 1.265958 3.06301 MYOR 2013 1.386518 0.003398 0.139654 0.501001 1.107648 3.13821 23 PSDN 2012 0.210339 0.019669 0.074411 0.755546 1.911947 2.89077 PSDN 2013 0.225369 0.031266 0.063413 1.580426 1.87664 3.34837 24 PYFA 2012 0.29568 0.007361 0.058682 0.645608 1.300932 2.24707 PYFA 2013 0.149543 0.00571 0.048538 0.536214 1 1.66935 25 RMBA 2012 0.252292 0.000577 -0.06176 0.2774 1.42021 1.68638 RMBA 2013 0.090899 0.000433 -0.14243 0.09522 1,329462 1.02642 26 ROTI 2012 0.020219 0.325633 0.16581 1.238271 1.988282 2.99371 ROTI 2013 0.023967 0.281507 0.115655 1.462536 0.825988 2.50804 27 SCPI 2012 0.377384 0.111631 1.59505 0.043038 0.686024 1.32104 SCPI 2013 0.431914 0.071573 -0.02333 0.014118 0.545401 1.09539
28 SIDO 2012 - - - -
SIDO 2013 0.691905 0.146395 0.19741 8.052286 0.803781 7.32184 29 SKBM 2012 0.113538 0.065708 0.057312 7.84269 2.608342 7.73132 SKBM 2013 0.135293 0.156155 0.157349 0.678037 2.605471 3.91251 30 SKLT 2012 0.147517 0.055315 0.046703 0.518456 1.608528 2.32818
(3)
Sumber : Hasil Pengolahan Data
NO PERUSAHAAN TAHUN WC /
TA
RE / TA EBIT / TA
MVE / BVD
S/TA Z-Score
31 STTP 2012 -.00117 0.346572 0.074502 0.865018 1.02712 2.27579 STTP 2013 -.0.01983 0.294654 0.097138 0.894576 1.152971 2.39899 32 SQBB 2012 0.614598 0.002593 0.455496 0.819264 0.975805 3.71163 SQBB 2013 0.623975 0.002972 0.473618 0.823984 1.012461 3.82272 33 TCID 2012 0.5304 0.015938 0.161119 0.869408 1.467337 3.17946 TCID 2013 0.356891 0.013716 0.148912 0.806978 1,383332 2,80639 34 TSPC 2012 0.50694 0.005342 0.175347 0.723757 0.431218 3.05992 TSPC 2013 0.488844 0.004993 0.153466 0.714309 1.267556 2.79618 35 ULTJ 2012 0.249341 0.01611 0.189182 0.692549 1.160715 2.52230 ULTJ 2013 0.5304 0.015938 0.161119 0.869408 1.467337 3.17946 36 UNVR 2012 -0.12229 0.001273 0.539572 0.331112 2.278122 4.11240 UNVR 2013 -0.19152 0.001143 0.536313 0.318745 2.30424 4.03709 37 WIIM 2012 0.447755 0.117762 0.087452 2.191233 0.926951 3.23245 WIIM 2013 0.475894 1.6306 0.142488 1.745465 1.292114 3.38067
(4)
LAMPIRAN 2
Daftar Perusahaan Manufaktur Sektor Industri Barang Konsumsi yang Terdaftar di Bursa Efek Indonesia
NO P E RUS AH AAN KRITERIA NO P E RUS AH AAN KRITERIA KE T
KRITERIA 1 KRITERIA 2
(FD) KRITERIA 1
KRITERIA 3 (NFD)
2011 2012 2013 2012 2013 2011 2012 2013
A MAKANAN DAN MINUMAN
1 PT. Akasha Wira Internasional,Tbk
√ √ √ - √ 1 PT. Tri Banyan
Tirta,Tbk
- √ √ -
2 PT. Tiga Pilar Sejahtera, Tbk
√ √ √ - √ 2 PT.Sekar
Bumi,Tbk
- √ √ -
3 PT.Cahaya Kalbar,Tbk
√ √ √ √ - 3 PT.Prashida Aneka Niaga,Tbk
√ √ √ -
4 PT.Indofood CBP Sukses Makmur,Tbk
√ √ √ √ √ 4 PT.Indofood
Sukses Makmur,Tbk
√ √ √ √ Sampel
1 5 PT.Multi Bintang
Indonesia,Tbk
√ √ √ - - 5 PT.Delta
Djakarta,Tbka
√ √ √ √
6 PT.Siantar Top,Tbk √ √ √ √ √ 6 PT.Mayora
Indah,Tbk
√ √ √ √ Sampel
2 7 PT.Nippon Indosari
Corporindo,Tbk
(5)
NO P E RUS AH AAN KRITERIA NO P E RUS AH AAN KRITERIA KE T
KRITERIA 1 KRITERIA
2 (FD) KRITERIA 1
KRITERIA 3 (NFD)
2011 2012 2013 2012 2013 2011 2012 2013
8 PT.Ultrajaya Milk Industry and Trading
Company,Tbk
√ √ √ √ - 8 PT.Davomas
Abadi,Tbk
√ √ √ -
B ROKOK
1 PT. Bentoel
Internasional Investment,Tbk
√ √ √ √ √ 1 PT.Handjaya
Mandala
Sampoerna,Tbk
√ √ √ √ Sampel
3 2 PT. Wismilak Inti
Makmur,Tbk
- √ √ - - 2 PT. Gudang
Garam,Tbk
√ √ √ -
C FARMASI
1 PT.Darya Varia Laboratoria,Tbk
√ √ √ √ √ 1 PT.Kalbe
Farma,Tbk
√ √ √ √ Sampel
4 2 PT.Indofarma
(Persero),Tbk
√ √ √ √ √ 2 PT.Kimia Farma
(Persero),Tbk
√ √ √ √ Sampel
5 3 PT.Industri Jamu
dan Farmasi Sidomuncul,Tbk
- - √ - - 3 PT.Tempo Scan
Pasifik,Tbk
√ √ √ -
4 PT.Merck Sharp Dohme Pharma,Tbk
√ √ √ √ √ 4 PT.Merck
Indonesia,Tbk
√ √ √ √ Sampel
(6)
NO P E RUS AH AAN KRITERIA NO P E RUS AH AAN KRITERIA KE T
KRITERIA 1 KRITERIA
2 (FD) KRITERIA 1
KRITERI A 3 (NFD)
2011 2012 2013 2012 2013 2011 2012 2013
5 PT.Pyridam Farma,Tbk
√ √ √ √ √ 5 PT.Taisho
Pharmaceutical Indonesia,Tbk
√ √ √ √ Sampel
7
D KOSMETIK DAN KEPERLUAN RUMAH TANGGA
1 PT.Kedawung Setia Industrial,Tbk
√ √ √ - √ 1 PT.Mandom
Indonesia,Tbk
√ √ √ -
2 PT.Langgeng Makmur Industri,Tbk
√ √ √ √ √ 2 PT.Kedaung Indah
Can,Tbk
√ √ √ √ Sampel
8 3 PT.Martina
Bento,Tbk
√ √ √ - - 3 PT.Mustika
Ratu,Tbk
√ √ √ √
4 4 PT.Unilever
Indonesia,Tbk
√ √ √ -
Sumber : Bursa Efek Indonesia (Data Diolah)
Keterangan :
*Kriteria 1 : Perusahaan yang terdaftar di Bursa Efek Indonesia pada tahun 2011-2013 secara berturut-turut.
*Kriteria 2 : Perusahaan yang memiliki Z-score < 2,99 pada tahun 2012-2013 secara berturut-turut,
*Kriteria 3 : Perusahaan yang memiliki Z-score > 2,99 pada tahun 2012-2013 secara berturut-turut, perusahaan sejenis dan asset yang mendekati dengan perusahaan yang
(7)
LAMPIRAN 3
Total Asset Sampel Kondisi FD dan NFD (Dalam Jutaan Rupiah)
NO FD TOTAL ASSET NO NFD TOTAL
ASSET
1 PYFA 118.033 1 SQBB 361.756
2 SCPI 441.000 2 MERK 584.388
3 LMPI 685.895 3 KICI 874.191
4 DVLA 922.945 4 KLBF 8.274.554
5 STTP 934.765 5 MYOR 6.599.845
6 INAF 1.114.901 6 KAEF 1.794.399
7 RMBA 6.333.957 7 HMSP 19.329.758
8 ICBP 15.222.857 8 INDF 53.585.933
(8)
LAMPIRAN 4
Rasio-Rasio Keuangan Perusahaan Kondisi Financial Distress dan Nonfinancial Distress
Sumber : Hasil Pengolahan Data
No Kode
Perusahaan
Y WC/TA RE/TA EBIT/TA MVE/BVD S/TA
1 DVLA 0 -0.14022 0.00975 0.18021 0.064976 0.074741
2 HMSP 1 0.335392 0.38465 0.56447 0.532995 2.734473
3 ICBP 0 0.367327 0.29328 0.18031 0.413532 1.272242
4 INDF 1 0.89546 0.27134 0.12321 0.575527 1.315811
5 INAF 0 0.221683 0.25208 0.04951 0.937073 0.583103
6 KAEF 1 0.44769 0.37478 0.12929 0.698096 1.900018
7 KICI 1 0.553244 0.64377 0.01488 0.41091 1.001121
8 KLBF 1 0.527314 0.41075 0.24016 0.78746 1.318725
9 LMPI 0 0.152153 0.73518 0.01129 0.153559 0.732162
10 MERK 1 0.729472 0.77725 0.48465 0.624563 1.571784
11 MYOR 1 0.340842 0.25439 0.09491 0.367383 1.432438
12 PYFA 0 0.317896 0.39340 0.06002 0.10069 1.280097
13 RMBA 0 0.07232 0.08237 0.07660 0.154799 1.589871
14 SCPI 0 0.431914 0.57157 -0.02333 0.014118 0.545401
15 STTP 0 -0.0168 0.18353 0.064596 0.102013 1.099403
(9)
LAMPIRAN 5
Statistik Deskriptif Variabel Penelitian
LAMPIRAN 6 Uji Normalitas
WC/TA RE/TA EBIT/TA MVE/BVD S/TA
N 16 16 16 16 16
Mean 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 Normal
Parametersab Std.Deviation .35613572 .48983714 43587624 40556518 .43747717
Absolute .091 .179 .184 .174 .161
Most Extreme Differences
Positive .091 .177 .184 .086 .161
Negative -.091 -.179 -.150 -.174 -.155
Kolmogorov-Smirnov Z
.365 .716 .735 .696 .644
Asymp.Sig (2-Tailed)
.999 .685 .652 .718 .801
a. Test distribution is Normal. b. Calculated from data.
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
WC/TA 16 -.14 .90 .3669 .27366
RE/TA 16 .01 .78 .3813 .22021
EBIT/TA 16 -.02 .56 .1675 .17816
MVE/TA 16 .01 .94 .4225 .30449
S/TA 16 .07 2.73 1.2088 .61231
(10)
LAMPIRAN 7 Independent Sample T Test
Group Statistics Financi
al
Distress N Mean Std. Deviation Std. Error Mean
WC/TA 0 8 .18 .198 .070
1 8 .56 .192 .068
RE/TA 0 8 .31 .246 .087
1 8 .45 .182 .064
EBIT/TA 0 8 .07 .072 .025
1 8 .26 .208 .074
MVE/TA 0 8 .24 .307 .109
1 8 .61 .168 .059
S/TA 0 8 .89 .496 .175
(11)
Independent Samples Test Levene's Test for Equality of
Variances t-test for Equality of Means
95% Confidence Interval of the Difference
F Sig. t Df Sig. (2-tailed) Mean Difference
Std. Error
Difference Lower Upper
WC/TA Equal variances assumed .070 .796 -3.929 14 .002 -.384 .098 -.593 -.174
Equal variances not assumed
-3.929 13.988 .002 -.384 .098 -.593 -.174
RE/TA Equal variances assumed .641 .437 -1.249 14 .232 -.135 .108 -.367 .097
Equal variances not assumed
-1.249 12.904 .234 -.135 .108 -.369 .099
EBIT/TA Equal variances assumed 13.392 .003 -2.377 14 .032 -.185 .078 -.352 -.018
Equal variances not assumed
-2.377 8.659 .042 -.185 .078 -.362 -.008
MVE/TA Equal variances assumed 1.194 .293 -2.949 14 .011 -.365 .124 -.630 -.100
Equal variances not assumed
-2.949 10.858 .013 -.365 .124 -.638 -.092
S/TA Equal variances assumed .001 .980 -2.347 14 .034 -.630 .268 -1.206 -.054
Equal variances not assumed
(12)
LAMPIRAN 8 Uji Homogenitas
Test Results
Box's M 14.607
F Approx. .996
df1 10
df2 937.052
Sig. .445
Tests null hypothesis of equal population covariance matrices.
(13)
LAMPIRAN 9 Hasil Analisis Diskriminan
Analysis Case Processing Summary
Unweighted Cases N Percent
Valid 16 100.0
Excluded Missing or out-of-range group codes
0 .0
At least one missing discriminating variable
0 .0
Both missing or out-of-range group codes and at least one missing discriminating variable
0 .0
Total 0 .0
Total 16 100.0
Group Statistics
Financial Distress Mean Std. Deviation
Valid N (listwise)
Unweighted Weighted
.00 WC/TA .1750 .19821 8 8.000
EBIT/TA .0750 .07211 8 8.000
MVE/TA .2400 .30697 8 8.000
S/TA .8937 .49601 8 8.000
1.00 WC/TA .5588 .19246 8 8.000
EBIT/TA .2600 .20798 8 8.000
MVE/TA .6050 .16827 8 8.000
S/TA 1.5238 .57495 8 8.000
Total WC/TA .3669 .27366 16 16.000
EBIT/TA .1675 .17816 16 16.000
MVE/TA .4225 .30449 16 16.000
(14)
Pooled Within-Groups Matricesa
WC/TA EBIT/TA MVE/TA S/TA
Covariance WC/TA .038 -.003 .010 -.014 EBIT/TA -.003 .024 .008 .028
MVE/TA .010 .008 .061 -.011
S/TA -.014 .028 -.011 .288
Correlation WC/TA 1.000 -.104 .216 -.136 EBIT/TA -.104 1.000 .212 .335 MVE/TA .216 .212 1.000 -.085 S/TA -.136 .335 -.085 1.000 a. The covariance matrix has 14 degrees of freedom.
Tests of Equality of Group Means
Wilks' Lambda F df1 df2 Sig.
WC/TA .476 15.435 1 14 .002
EBIT/TA .712 5.650 1 14 .032
MVE/TA .617 8.697 1 14 .011
(15)
Covariance Matricesa
Financial Distress WC/TA EBIT/TA MVE/TA S/TA
.00 WC/TA .039 -.005 .012 .026
EBIT/TA -.005 .005 .002 .000
MVE/TA .012 .002 .094 -.008
S/TA .026 .000 -.008 .246
1.00 WC/TA .037 -.001 .009 -.054 EBIT/TA -.001 .043 .015 .056 MVE/TA .009 .015 .028 -.014
S/TA -.054 .056 -.014 .331
Total WC/TA .075 .016 .047 .051 EBIT/TA .016 .032 .026 .057
MVE/TA .047 .026 .093 .051
S/TA .051 .057 .051 .375
a. The total covariance matrix has 15 degrees of freedom.
Log Determinants
Financial Distress Rank Log Determinant
.00 4 -12.563
1.00 4 -12.111
Pooled within-groups 4 -11.294 The ranks and natural logarithms of determinants printed are those of the group covariance matrices.
(16)
Eigenvalues
Function Eigenvalue % of Variance Cumulative % Canonical Correlation
1 2.226a 100.0 100.0 .831
a. First 1 canonical discriminant functions were used in the analysis.
Wilks' Lambda Test of
Function(s) Wilks' Lambda Chi-square df Sig.
1 .310 14.055 4 .007
Standardized Canonical Discriminant Function
Coefficients Function
1
WC/TA .717
EBIT/TA .272
MVE/TA .355
S/TA .457
Structure Matrix Function
1
WC/TA .704
MVE/TA .528
(17)
Structure Matrix Function
1
WC/TA .704
MVE/TA .528
EBIT/TA .426
S/TA .420
Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions
Variables ordered by absolute size of correlation within function.
Canonical Discriminant Function Coefficients
Function 1
WC/TA 3.673
EBIT/TA 1.747
MVE/TA 1.432
S/TA .851
(Constant) -3.273 Unstandardized coefficients
(18)
Functions at Group Centroids Financi
al Distress
Function
1
.00 -1.396
1.00 1.396
Unstandardized canonical discriminant functions evaluated at group means
Classification Processing Summary
Processed 16
Excluded Missing or out-of-range group codes
0
At least one missing discriminating variable
0
Used in Output 16
Prior Probabilities for Groups Financi
al
Distress Prior
Cases Used in Analysis
Unweighted Weighted
.00 .500 8 8.000
1.00 .500 8 8.000
(19)
Classification Function Coefficients Financial Distress
.00 1.00
WC/TA 4.691 14.943 EBIT/TA -1.911 2.966 MVE/TA 4.051 8.049
S/TA 3.676 6.050
(Constant) -3.161 -12.298 Fisher's linear discriminant functions
Classification Resultsb,c Financi
al Distress
Predicted Group Membership
Total
.00 1.00
Original Count .00 7 1 8
1.00 1 7 8
% .00 87.5 12.5 100.0
1.00 12.5 87.5 100.0
Cross-validateda Count .00 6 2 8
1.00 2 6 8
% .00 75.0 25.0 100.0
1.00 25.0 75.0 100.0
a. Cross validation is done only for those cases in the analysis. In cross validation, each case is classified by the functions derived from all cases other than that case. b. 87.5% of original grouped cases correctly classified.
(20)
Casewise Statistics
Case Number
Highest Group Second Highest Group
Discriminant Scores P(D>d | G=g)
Actual Group Predicted Group p df P(G=g | D=d)
Squared Mahalanobis
Distance to
Centroid Group P(G=g | D=d)
Squared Mahalanobis
Distance to
Centroid Function 1
Original 1 0 0 .053 1 1.000 3.733 1 .000 22.310 -3.328
2 1 1 .523 1 .997 .409 0 .003 11.770 2.035
3 0 1** .184 1 .547 1.764 0 .453 2.141 .068
4 1 1 .429 1 .998 .626 0 .002 12.834 2.187
5 0 0 .391 1 .818 .735 1 .182 3.740 -.538
6 1 1 .865 1 .968 .029 0 .032 6.869 1.225
7 1 1 .233 1 .637 1.425 0 .363 2.552 .202
8 1 1 .954 1 .977 .003 0 .023 7.475 1.338
9 0 0 .636 1 .995 .224 1 .005 10.660 -1.869
10 1 1 .283 1 .999 1.154 0 .001 14.942 2.470
11 1 0** .202 1 .584 1.624 1 .416 2.301 -.121
12 0 0 .526 1 .893 .402 1 .107 4.653 -.761
13 0 0 .938 1 .975 .006 1 .025 7.363 -1.318
14 0 0 .882 1 .970 .022 1 .030 6.984 -1.247
15 0 0 .438 1 .998 .602 1 .002 12.726 -2.172
16 1 1 .664 1 .994 .188 0 .006 10.401 1.829
Cross-validateda 1 0 0 .000 4 1.000 25.662 1 .000 60.208
(21)
3 0 1** .737 4 .643 1.994 0 .357 3.174
4 1 1 .173 4 .998 6.377 0 .002 18.506
5 0 1** .000 4 1.000 22.644 0 .000 39.179
6 1 1 .330 4 .925 4.607 0 .075 9.627
7 1 0** .414 4 .636 3.940 1 .364 5.057
8 1 1 .892 4 .965 1.112 0 .035 7.769
9 0 0 .983 4 .993 .398 1 .007 10.197
10 1 1 .210 4 .999 5.860 0 .001 20.437
11 1 0** .688 4 .769 2.261 1 .231 4.666
12 0 0 .653 4 .825 2.452 1 .175 5.558
13 0 0 .584 4 .955 2.847 1 .045 8.938
14 0 0 .198 4 .915 6.021 1 .085 10.780
15 0 0 .803 4 .997 1.631 1 .003 13.343
16 1 1 .094 4 .989 7.925 0 .011 16.920
For the original data, squared Mahalanobis distance is based on canonical functions. For the cross-validated data, squared Mahalanobis distance is based on observations. **. Misclassified case
(22)
DAFTAR PUSTAKA
Adnan, Muhammad Akhyar dan Eha Kurniasih. 2000. Analisis Tingkat Kesehatan
Perusahaan untuk Memprediksi Potensi Kebangkrutan dengan Pendekatan Altman . JAAI Volume 4 No. 2.
Adnan, Muhammad Akhyar dan M Imam Taufiq. 2001. Analisis Ketepatan
Prediksi Metode Altman Terhadap terjadinya Likuidasi pada Lembaga Perbankan (Kasus Likuidasi Perbankan di Indonesia). Dalam JAAI
Volume 5 No. 2.
Aisyah, Imas A. 2013. Prediksi Kebangkrutan Perusahaan Property and Real
Estate Yang Terdaftar Di Bursa Efek Indonesia Menggunakan Diskriminant Analysis dan Regresi Logistik Periode 2007 – 2010. Jakarta
Almilia, Luciana Spica dan Kristijadi. 2003. Analisis Rasio Keuangan untuk
Memprediksi Kondisi Financial Distress Perusahaan Manufaktur Yang Terdaftar di BEJ. JAAI, Vol. 7 No.2
Altman, Edward I. 1968. Financial Ratios: Discriminant Analysis and The
Prediction of Coporate Bankruptcy. Journal of Finance 23(4), pg.
589-609.
Anggraeni, Retno Dewi, dkk. 2014. Penerapan Model Multiple Discriminant
Analysis Untuk Memprediksi Financial Distress (Studi Pada Sektor Industri Barang Konsumsi Yang Listing Di Bursa Efek Indonesia Periode 2009-2012). Malang
Arikunto, Suharsimi. 2010. Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta : Rineka Cipta
Elloumi dan Gueyie. 2001. Financial Distress and Corporate Governance :
An Empirical Analysis, Corporate Governance. MCB University Press
Ghozali, Imam. 2005. Aplikasi Analisis Multivariate dengan Program SPSS. Badan Penerbit Universitas Diponegoro. Semarang
Ghozali, Imam. 2006. Aplikasi Analisis Multivariate dengan Program IBM
(23)
Harahap, Sofyan Syafri. 2010. Analisis Kritis Atas Laporan Keuangan. Jakarta : Rajawali Pers
Hartoyo, Nico Tantra. 2013. Prediksi Financial Distress Menggunakan Analisis
Diskriminan Pada Perusahaan Manufaktur Yang Terdaftar di Bursa Efek Indonesia Tahun 2010-2011. Malang
Indriyati, Irma Thisca. 2010. Analisis Laporan Keuangan Dan Penggunaan
Z-Score Altman Untuk Memprediksi Tingkat Kebangkrutan Perusahaan Properti yang Terdaftar Di Bursa Efek Indonesia Periode 2006 -2008.
Surakarta
Kasmir. 2008. Analisis Laporan Keuangan. Jakarta : Rajawali Pers
Kumalasari, Riesta Devi. 2012. Indikasi Financial Distress Berdasarkan Analisis
Z-Score Almant Pada Perusahaan Tekstil Yang Terdaftar Di Bursa Efek Indonesia Selama Tahun 2008-2010. Skripsi Fakultas Ekonomi dan Bisnis
Universitas Brawijaya Malang
Lee, Cheng F. 1985. Financial Analysis and Planning. Addison-Wesley Publishing Company
Lesmana, Rico dan Rudy Surjanto. 2004. Financial Performance Analizing. PT Pers Media Komperindo
Mamduh, M. Hanafi dan Abdul Halim. 2003. Analisis Rasio Keuangan. Yogyakarta: UPP AMP YKPN
Murtanto dan Zeny Afiana. 2002. Analisis Laporan Keuangan Dengan
Menggunakan Rasio CAMEL dan Metode Altman sebagai Alat untuk Memprediksi Tingkat Kegagalan Usaha Bank. Dalam Media Riset Akuntansi, Auditing dan Informasi. Vol 2, No. 2 Agusutus. Hal. 44-56
Platt, H. dan M. B. Platt. 2002. Predicting Financial Distress. Journal of Financial Service Professionals, 56: 12-15
Platt, H. And M. B. Platt. 2006. Comparing Financial Distress and Banckrupcy. Working Paper
Pudjiono, Aprilianasari. 2009. Prediksi Corporate Financial Distress yang
Terjadi Pada Perusahaan Go Public di Indonesia dengan Menggunakan Analisis Diskriminan Model Almant (Z-Score). Surabaya
(24)
Sadalia, Isfenti. 2010. Manajemen Keuangan. Medan: USU Press
Sanusi, Anwar. 2011. Metodologi Penelitian Bisnis. Jakarta Selatan : Salemba Empat
Simamora, Bilson. 2005. Analisis Multivariate Pemasaran. Jakarta : PT. Gramedia Pustaka Utama
Sugiyono. 2008. Metode Penelitian Bisnis. Bandung : Alfabeta
Syahyunan. 2013. Manajemen Keuangan (Perencanaan, Analisis dan
Pengendalian Keuangan). Medan: USU Press
Trihendradi. 2012. Step By Step SPSS 20 : Analisis Data Statistik, Salemba Infotek. Jakarta
Weston, J. Fred, dkk. 1986. Manajemen Keuangan Edisi Kedelapan. CBS College Publishing. Erlangga
Whitaker, R. B. 1999. The Early Stages of Financial Distress. Journal of Economics and
Finance, 23: 123-133
http://daps.bps.go.id/file_artikel/65/ANALISIS%20DISKRIMINAN.pdf
(25)
BAB III
METODE PENELITIAN
3.1 Jenis Penelitian
Jenis penelitian yang digunakan adalah penelitian deskriptif dengan pendekatan kuantitatif. Penelitian deskriptif adalah penelitian yang disusun dalam rangka memberikan gambaran secara sistematis tentang informasi ilmiah yang berasal dari subjek atau objek penelitian (Sanusi, 2011:13). Penelitian kuantitatif dapat diartikan sebagai positivisme, digunakan untuk meneliti pada populasi atau sampel tertentu, pengumpulan data menggunakan instrumen penelitian, analisis data bersifat kuantitatif/statistik dengan tujuan untuk menguji hipotesis yang telah ditetapkan (Sugiyono, 2008:13). Berdasarkan pendapat tersebut, pada dasarnya penelitian deskriptif kuantitatif adalah jenis penelitian yang menggambarkan secara terperinci dan mendalam mengenai objek penelitian dengan analisis data yang bersifat kuantitatif/statistik untuk menguji hipotesis yang telah ditetapkan.
3.2 Batasan Operasional
Objek pada penelitian ini hanya terdiri dari perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di Bursa Efek Indonesia dan dalam penelitian ini menggunakan data laporan keuangan yang dipublikasikan oleh masing-masing perusahaan dari tahun 2011 sampai 2013.
(26)
3.3 Defenisi Operasional
Penjelasan dari masing-masing variabel yang digunakan dalam penelitian ini adalah sebagai berikut :
a. Variabel Dependen (Variabel Terikat)
Variabel dependen (variabel terikat) adalah variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas (Sugiyono, 2008:59). Pada penelitian ini variabel dependennya adalah kondisi financial distress atau kebangkrutan perusahaan dalam bentuk kategori. Perusahaan yang mengalami financial distress dinyatakan dengan 0 dan perusahaan yang
nonfinancial distress dinyatakan dengan 1.
b. Variabel Independen (Variabel Bebas)
Variabel independen (variabel bebas) adalah variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen (terikat). Variabel independen pada penelitian ini adalah rasio keuangan yang digunakan dalam persamaan Z-Score Altman (1968) yang dinotasikan dengan X1, X2, X3, X4, X5. Kelima rasio tersebut adalah :
• Working Capital to Total Assets (X1)
Rasio yang menunjukkan kemampuan perusahaan untuk menghasilkan modal kerja bersih dari keseluruhan total aktiva yang dimilikinya.
Working Capital to Total Assets = ������� ������ −������� �����������
(27)
• Retained Earnings to Total Assets (X2)
Rasio ini menunjukkan kemampuan perusahaan untuk menghasilkan laba ditahan dari total aktiva perusahaan.
• Earning Before Interest and Tax to Total Assets (X3)
Rasio ini menunjukkan kemampuan perusahaan untuk menghasilkan laba dari aktiva perusahaan, sebelum pembayaran bunga dan pajak.
• Market Value of Equity to Book Value of debt (X4)
Rasio ini menunjukkan kemampuan perusahaan untuk memenuhi kewajiban-kewajiban dari nilai pasar modal sendiri. Nilai pasar modal dibagi dengan nilai buku hutang.
Retained Earnings to Total Assets = �������� �������
����� ������
Earning Before Interest and Tax to Total Assets = ����
����� ������
Market Value Equity to Book Value of Total Debt = ������ ����� ������
(28)
• Sales to Total Asset (X5)
Rasio ini mengukur kemampuan perusahaan dalam menggunakan aktiva untuk menghasilkan penjualan.
Secara ringkas defenisi operasional variabel dan pengukuran variabel disajikan pada tabel 3.1.
Tabel 3.1
Defenisi Operasional dan Skala Pengukuran Variabel
No Variabel Penelitian Defenisi Operasional Skala Pengukuran
1 Financial Distress Perusahaan dikatakan mengalami financial distress
apabila memperoleh nilai
Z-Score < 2,99, sedangkan
perusahaan dikatakan
nonfinancial distress apabila
memperoleh nilai Z-Score > 2,99
Nominal
2 Working Capital to Total Assets
Perbandingan antara modal kerja (aktiva lancar dikurangi kewajiban lancar) dengan total aktiva.
Rasio
3 Retained Earnings to Total Assets
Perbandingan antara laba ditahan dengan total aktiva
Rasio
4 Earning Before Interest and Tax to Total Assets
Perbandingan laba sebelum pajak dan bunga dengan total aktiva
Rasio
5 Market Value Equity to Book Value of debt
Perbandingan nilai pasar modal dengan nilai buku hutang
Rasio
6 Sales to Total Assets Perbandingan antara penjualan dengan total aktiva
Rasio
Sumber : Penulis, 2015
Sales to Total Assets = �����
(29)
3.4 Jenis dan Sumber Data
Sumber data dalam penulisan skripsi ini adalah dari berbagai sumber buku, jurnal dan penelitian terdahulu yang mendukung penelitian. Sedangkan untuk sumber data yang akan diolah dalam penelitian ini menggunakan data sekunder, yaitu data laporan keuangan auditan perusahaan tahun 2011 sampai 2013 yang telah dipublikasikan di website Bursa Efek Indonesia
Data laporan keuangan tahun 2012 sampai 2013 digunakan sebagai pedoman penentuan apakah suatu perusahaan mengalami financial distress atau tidak. Sedangkan data laporan keuangan tahun 2011 merupakan data yang akan diolah untuk perhitungan rasio keuangan sebagai prediktor dalam satu tahun sebelum terjadinya kondisi financial distress. Hal ini dilakukan karena kondisi
financial distress seharusnya dianalisis sebelum peristiwa financial distress itu
terjadi. Rasio-rasio keuangan tersebut dihitung menggunakan perangkat lunak
Microsoft Excell kemudian di analisis dengan perangkat lunak SPSS.
3.5 Populasi dan Sampel Penelitian
Populasi adalah wilayah generalisasi yang terdiri atas obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2008:115). Populasi dalam penelitian ini adalah perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di Bursa Efek Indonesia yang berjumlah sekitar 37 perusahaan. Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki
(30)
oleh populasi. Pemilihan sampel pada penelitian ini dilakukan dengan teknik
purposive sampling yaitu metode berdasarkan pertimbangan dan kriteria
tertentu (Sugiyono, 2008:116). Teknik ini ditujukan untuk mendapatkan sampel yang representatif sesuai dengan kriteria yang ditentukan. Kriteria yang digunakan untuk pemilihan sampel pada penelitian ini adalah :
1. Terdaftar sebagai perusahaan manufaktur sektor industri barang konsumsi di Bursa Efek Indonesia selama periode pengamatan tahun 2011 sampai 2013 secara berturut-turut.
2. Perusahaan yang mengalami financial distress dengan indikasi memiliki nilai
Z-Score < 2,99 selama 2 tahun berturut-turut.
3. Perusahaan yang nonfinancial distress dengan indikasi memiliki nilai Z-Score > 2,99 selama 2 tahun berturut-turut. Dipilih berpasangan berdasarkan dari industri yang sejenis, laporan keuangan pada tahun yang sama dan besar asset yang mendekati dengan asset yang digunakan untuk perusahaan dalam kategori financial distress.
Berdasarkan metode purposive sampling yang digunakan maka penelitian ini menggunakan sampel sebanyak 16 perusahaan. Perusahaan yang dikatakan mengalami financial distress sebanyak 8 perusahaan yang dikategorikan “0” dan perusahaan yang nonfinancial distress sebanyak 8 perusahaan yang dikategorikan “1”.
(31)
Perusahaan yang mengalami financial distress berdasarkan kriteria diatas dapat dilihat pada tabel 3.2.
Tabel 3.2
Perusahaan yang Termasuk dalam Kondisi Financial Distress
No Kode Nama Perusahaan
1 DVLA PT. Darya-Varia Laboratoria, Tbk 2 ICBP PT. Indofood CBP Sukses Makmur,Tbk 3 INAF PT. Indofarma (Persero),Tbk
4 LMPI PT. Langgeng Makmur Industri, Tbk 5 PYFA PT. Pyridam Farma, Tbk
6 RMBA PT. Bentoel Internasional Investama, Tbk 7 SCPI PT. Merck Sharp Dohme Pharma,Tbk 8 STTP PT. Siantar TOP,Tbk
Sumber : Data Hasil Olahan Excel, Lampiran 3
Perusahaan yang nonfinancial distress berdasarkan kriteria diatas dapat dilihat pada tabel 3.3.
Tabel 3.3
Perusahaan yang Termasuk dalam Kondisi Nonfinancial Distress
No Kode Nama Perusahaan
1 HMSP PT. Hanjaya Mandala Sampoerna, Tbk 2 INDF PT. Indofood Sukses Makmur,Tbk 3 KAEF PT. Kimia Farma, Tbk
4 KICI PT. Kedaung Indah Can,Tbk 5 KLBF PT. Kalbe Farma, Tbk 6 MERK PT. Merck, Tbk 7 MYOR PT. Mayora Indah,Tbk
8 SQBB PT. Taisho Pharmaceutical Indonesia, Tbk
(32)
3.6 Metode Analisis Data
Metode analisis data digunakan untuk menganalisis data hasil penelitian agar dapat diinterprestasikan sehingga laporan yang dihasilkan dapat dipahami. Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis diskriminan dengan bantuan SPSS (Statistical Product and Service Solution). Analisis diskriminan merupakan bentuk regresi dengan variabel terikat berbentuk non-metrik atau kategori. Analisis diskriminan mempunyai asumsi bahwa data berdistribusi normal dan matrik kovarian kedua kelompok adalah sama (Ghozali, 2006:301). Adapun tahapan analisis yang digunakan adalah sebagai berikut : a. Statistik Deskriptif
Data yang dikumpulkan dan yang akan diolah dalam penelitian ini dianalisis dengan alat statistik yaitu statistik deskriptif. Pengujian statistik deskriptif menggunakan SPSS untuk memudahkan perolehan data sehingga dapat menjelaskan variabel-variabel yang digunakan. Pengujian statistik deskriptif pada dasarnya memaparkan secara numerik ukuran pemusatan data, mengukur penyebaran suatu data, dan mengukur distribusi suatu data. Penelitian dengan menggunakan statistik deskriptif yang terdiri dari rata-rata, nilai maksimum, minimum, dan standart deviasi (Trihendradi, 2012:75). Dalam penelitian ini angka-angka tersebut adalah rasio-rasio keuangan dan kondisi perusahaan yang dikategorikan dalam dua kelompok, yaitu kodisi financial distress (0) dan perusahaan yang nonfinancial distress (1) selama 1 tahun sebelum terjadinya
(33)
b. Uji Asumsi Diskriminan 1. Uji Normalitas
Hasil analisis diskriminan sangat sensitif jika terjadi penyimpangan atas asumsi yang digunakan. Asumsi kenormalan data penting untuk menguji signifikansi variabel bebas dan fungsi diskriminan (Ghozali, 2006:301). Uji normalitas dilakukan untuk mengetahui apakah dalam sebuah model variabel bebasnya mempunyai distribusi normal atau mendekati distribusi normal. Uji ini dilakukan dengan menggunakan
one-sample kolmogorov-smirnov test. Pengambilan keputusan dilakukan
dengan melihat nilai asymp. Sig (2-tailed) > 0,05. Ketentuan :
a. Asymp. Sig (2 tailed) > 0,05, maka data berdistribusi normal
b. Asymp. Sig (2 tailed) < 0,05, maka data tidak berdistribusi normal
2. Independent Samples T-Test
Uji beda t-test digunakan untuk menentukan apakah dua sampel yang berhubungan memiliki rata-rata yang berbeda. Uji beda t-test dilakukan dengan standart error dari perbedaan rata-rata dua sampel dalam menilai rata-rata terdistribusi normal (Ghozali, 2005:56).
t = �1−�2
(34)
Dimana :
μ1 = Rata-rata sampel pertama μ2 = Rata-rata sampel kedua
S.E = Standart Error perbedaan rata-rata kedua sampel
Dari hasil pengujian ini dapat diketahui terdapat tidaknya perbedaan rasio kondisi antara perusahaan yang mengalami financial
distress dengan perusahaan yang tidak mengalami financial distress.
Pengambilan keputusan dilakukan dengan melihat nilai asymp. Sig
(2-tailed) > 0,05.
Ketentuan :
a. Nilai asymp. Sig (2-tailed) > 0,05, maka tidak terdapat perbedaan rasio keuangan antara kondisi distress dan nondistress.
b. Nilai asymp. Sig (2-tailed) < 0,05, maka terdapat perbedaan rasio keuangan antara kondisi distress dan nondistress.
3. Uji Homogenitas
Dalam analisis diskriminan, varians dan kovarians matriks dari variabel adalah homogen antar kelompok. Untuk menguji homogenitas digunakan uji Multivariat Box M Test of Homogeneity of
Variance/Covariance dengan ketentuan :
a. Signifikansi > 0,05 maka H0 diterima
(35)
Hipotesis :
H0 = Matrik kovarians antar grup adalah sama H1 = Matrik kovarians antar grup adalah berbeda
c. Pengujian Hipotesis
Pengujian hipotesis diuji melalui analisis diskriminan. Analisis diskriminan meliputi pembentukan kombinasi linier dari dua atau lebih variabel independen yang mampu dengan baik dalam membedakan antara dua kelompok tertentu yang telah ditetapkan (Simamora, 2005:144).
Model analisis diskriminan adalah sebagai berikut :
Z = a + b1X1 +b2X2 + b3X3 +b4X4 + b5X5
Keterangan :
Z : Skor Diskriminan b : Koefisien Diskriminan X : Variabel Independen
Adapun langkah-langkah yang digunakan dalam melakukan analisis ini adalah sebagai berikut :
1. Test of Equality of Group Means
Test of equality of group means digunakan untuk mengetahui
pengaruh variabel terhadap perbedaan kategori perusahaan. Dalam hal ini digunakan dua statistik uji, yaitu Wilk’s Lambda dan F test. Nilai Wilk’s
(36)
membedakan kelompok. Sebaliknya, nilai Wilk’s Lambda semakin mendekati 1 maka menunjukkan arti bahwa variabel tidak signifikan dalam membedakan kelompok. Untuk uji F dapat digunakan nilai p-value pada kolom signifikannya dimana :
a. Sig. > 0,05, berarti tidak ada perbedaan antara kelompok b. Sig. < 0,05, berarti ada perbedaan antara kelompok
2. Uji Wilk’s Lambda
Uji wilk’s lambda digunakan untuk melihat tingkat signifikansi untuk kedua kelompok. Hasilnya dapat dilihat dari nilai wilk’s lambda atau
Chi-square yang signifikan pada tingkat signifikansi 0,05.
Ketentuan :
a. Signifikansi > 0,05 maka perbedaan kelompok dianggap tidak signifikan
b. Signifikansi ≤ 0,05 maka perbedaan kelompok dianggap signifikan
3. Eigenvalues
Eigenvalues memuat informasi mengenai nilai square canonical correlation (CR2) yang dapat digunakan untuk mengukur kemampuan
(37)
4. Uji Variabel Dominan
Variabel dominan dalam memprediksi financial distress di lihat dari nilai standardized canonical discriminant function. Koefisien yang sudah distandardisasi digunakan untuk menilai pentingnya variabel diskriminator secara relatif dalam membentuk fungsi diskriminan. Makin tinggi koefisien yang telah distandardisasi, maka makin penting variabel tersebut terhadap variabel lainnya dan sebaliknya.
5. Menentukan Model Diskriminan
Persamaan model diskriminan digunakan untuk menghasilkan
discriminan score yang berfungsi untuk memprediksi pengklasifikasian
suatu objek (kelompok distress atau nondistress). Model diskriminan dapat di lihat dari nilai canonical discriminant fuction coefficient.
6. Ketepatan Prediksi Analisis Diskriminan
Persentase ketepatan prediksi analisis diskriminan digunakan untuk menganalisis kemampuan model diskriminan dalam memprediksi perusahaan yang berada dalam kondisi financial distress dan nonfinancial
distress. Penggolongan perusahaan kondisi financial distress dan nonfinancial distress diprediksi dengan menggunakan nilai titik cut off.
Nilai titik cut off dapat dihitung dengan menggunakan rumus :
Nilai cut off = ��+�� 2
(38)
Keterangan :
Za dan Zb : Angka centroid untuk kelompok 1 dan kelompok 2 Keputusan :
a. Z-Score ≥ cut off, maka dimasukkan pada kelompok nonfinancial
distress.
b. Z-Score < cut off, maka dimasukkan pada kelompok financial distress.
(39)
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Statistik Deskriptif
Populasi yang digunakan sebagai sampel penelitian ini adalah perusahaan manufaktur sektor industri barang konsumsi yang terdaftar di BEI. Data penelitian diperoleh dari data sekunder yaitu laporan keuangan perusahaan yang diperoleh dari website Bursa Efek Indonesia. Mengingat karakteristik populasi yang ada dan tujuan penelitian, maka peneliti menggunakan teknik purposive sampling, yaitu metode berdasarkan pertimbangan dan kriteria tertentu. Teknik ini ditujukan untuk mendapatkan sampel yang representatif sesuai dengan kriteria yang ditentukan. Dengan metode purposive sampling yang dilakukan maka sampel yang digunakan dalam penelitian ini berjumlah 16 perusahaan. Dimana perusahaan yang berada dalam kondisi financial distress berjumlah 8 perusahaan dan perusahaan yang berada dalam kondisi nonfinancial distress berjumlah 8 perusahaan. Metode analisis yang digunakan dalam penelitian ini adalah metode analisis statistik dengan menggunakan analisis diskriminan.
Analisis data dimulai dengan mengolah data menggunakan perangkat lunak Microsoft Excel. Kemudian, data-data tersebut diolah menggunakan perangkat lunak SPSS untuk memperoleh deskripsi data penelitian dan menguji hipotesis yang telah ditetapkan pada bab sebelumnya. Pengujian statistik deskriptif pada dasarnya memaparkan secara numerik ukuran pemusatan data, mengukur penyebaran suatu data, dan mengukur distribusi data. Tujuan dari hasil
(40)
uji statistik deskriptif ini adalah untuk melihat kualitas data penelitian yang ditunjukkan dengan angka atau nilai yang terdapat pada mean atau standart deviasinya. Dapat dikatakan apabila mean lebih besar dari pada standart deviasi atau penyimpangan maka kualitas data adalah lebih baik. Nilai statistik deskriptif dari masing-masing variabel penelitian ini dapat dilihat pada tabel 4.1.
Tabel 4.1
Hasil Uji Statistik Deskriptif
Minimum Maximum Mean Std.
Deviasi Working Capital to Total
Assets (X1)
-0,14 0,90 0,3669 0,27366
Retained Earning to Total Assets (X2)
0,01 0,78 0,3813 0,22021
Earning Before Interest And Tax to Total Assets (X3)
-0,02 0,56 0,1675 0,17816
Market Value Equity to Book Value Of Debt (X4)
0.01 0,94 0,4225 0,30449
Sales to Total Assets (X5) 0,07 2,73 1,2088 0,61231
Sumber : Data Hasil Olahan SPSS, Lampiran 5
Berdasarkan tabel diatas, dapat dilihat bahwa variabel working capital to
total assets (X1) memiliki nilai rata-rata 0,3669 lebih besar dari nilai standart deviasi yaitu sebesar 0,27366 yang artinya bahwa penyimpangan datanya kecil
sehingga data tidak tersebar. Nilai minimum dari variabel working capital to total
assets sebesar -0,14 yang terdapat pada PT. Darya Varia Laboratoria. Tbk. Dan
nilai maksimum sebesar 0,90 pada PT. Indofood Sukses Makmur. Tbk.
Variabel retained earning to total assets (X2) memiliki rata-rata 0,3813
lebih besar dari nilai standart deviasi yaitu sebesar 0,22021 yang artinya bahwa penyimpangan datanya kecil sehingga data tidak tersebar. Nilai minimum dari variabel retained earning to total assets sebesar 0,01 yang terdapat pada PT.
(41)
Darya Varia Laboratoria. Tbk. Dan nilai maksimum 0,78 pada PT. Merck Indonesia. TBk.
Variabel earning before interest and tax to total assets (X3) memiliki nilai
rata-rata 0,1675 lebih kecil dari nilai standart deviasi sebesar 0,17816 yang artinya bahwa penyimpangan datanya besar sehingga data tersebar. Nilai minimum variabel earning before interest and tax to total assets sebesar -0,02 yang terdapat pada PT. Merck Sharp Dohme Pharma. Tbk. Dan nilai maksimum 0,56 pada PT. Handjaya Mandala Sampoerna. Tbk.
Variabel market value equity to book value of debt (X4) memiliki nilai
rata-rata 0,4225 lebih besar dari nilai standart deviasi yaitu sebesar 0,30449 yang artinya bahwa penyimpangan datanya kecil sehingga data tidak tersebar. Nilai minimum variabel market value equity to book value of debt sebesar 0,01 yang terdapat pada PT. Merck Sharp Dohme Pharma. Tbk. Dan nilai maksimum sebesar 0,94 pada PT. Indofarma (Persero) Tbk.
Variabel sales to total assets (X5) memiliki nilai rata-rata 1,2088 lebih
besar dari nilai standart deviasi sebesar 0,61231 yang artinya bahwa penyimpangan datanya kecil sehingga data tidak tersebar. Nilai minimum variabel
sales to total assets sebesar 0,07 yang terdapat pada PT. Darya Varia laboratoria.
Tbk. Dan nilai maksimum sebesar 2,73 pada PT. Handjaya Mandala Sampoerna. Tbk.
(42)
4.2 Uji Asumsi Diskriminan
Sebelum melakukan uji diskriminan terlebih dahulu dilakukan uji asumsi diskriminan, antara lain :
1. Uji Normalitas
Uji normalitas dilakukan untuk mengetahui apakah dalam sebuah model variabel bebasnya mempunyai distribusi normal atau mendekati distribusi normal. Uji ini dilakukan dengan menggunakan one-sample
kolmogorov-smirnov test. Pengambilan keputusan dilakukan dengan melihat nilai asymp. Sig (2-tailed) > 0,05.
Ketentuan :
a. Asymp. Sig (2 tailed) > 0,05, maka data berdistribusi normal.
b. Asymp. Sig (2 tailed) < 0,05, maka data tidak berdistribusi normal.
Hasil uji normalitas dapat dilihat pada tabel 4.2 One-Sample
Kolmogorov-Smirnov Test.
Tabel 4.2
One-Sample Kolmogorov-Smirnov Test Variabel Independen Kolmogorov
-Smirnov
Asymp.Sig
Working Capital to Total Assets (X1) 0,365 0,999 Retained Earning to Total Assets (X2) 0,716 0,685 Earning Before Interest And Tax to
Total Assets (X3)
0,735 0,652
Market Value Equity to Book Value Of Debt (X4)
0,696 0,718
Sales to Total Assets (X5) 0,644 0,801
(43)
Dari tabel di atas dapat dilihat bahwa variabel working capital to
total assets (X1) memiliki nilai signifikansi 0,999 > 0,05, yang berarti
bahwa variabel berdistribusi normal. Variabel retained earning to total
assets (X2) memiliki nilai signifikansi 0,685 > 0,05, yang berarti bahwa
variabel berdistribusi normal. Variabel earning before interest and tax to
total assets (X3) memiliki nilai signifikansi 0,652 > 0,05 yang berarti
bahwa variabel berdistribusi normal. Variabel market value equity to book
value of debt (X4) memiliki nilai signifikansi 0,718 > 0,05, yang berarti
bahwa variabel berdistribusi normal. Dan variabel sales to total assets (X5)
memiliki nilai signifikansi 0,801 > 0,05, yang berarti bahwa variabel berdistribusi normal.
2. Independent Sample T-test
Uji beda T-test digunakan untuk menentukan apakah dua sampel yang berhubungan memiliki rata-rata yang berbeda. Dari hasil pengujian ini dapat diketahui terdapat tidaknya perbedaan rasio kondisi antara perusahaan yang mengalami financial distress dengan perusahaan yang tidak mengalami financial distress. Pengambilan keputusan dilakukan dengan melihat nilai asymp. Sig (2-tailed) > 0,05.
(44)
Ketentuan :
a. Nilai asymp. Sig (2-tailed) > 0,05, maka tidak terdapat perbedaan rasio keuangan antara kondisi distress dan nondistress.
b. Nilai asymp. Sig (2-tailed) < 0,05, maka terdapat perbedaan rasio keuangan antara kondisi distress dan nondistress.
Hasil pengujian beda rata-rata rasio keuangan perusahaan yang mengalami
financial distress dan yang tidak mengalami financial distress dapat dilihat
pada tabel 4.3
Tabel 4.3
Hasil Uji Independent Sample T-test
No Variabel Bebas Rata-rata Sig. (2-tailed)
FD NFD
1 Working Capital to Total Assets (X1)
0,18 0,56 0,002
2 Retained Earning to Total Assets (X2)
0,31 0,45 0,232
3 Earning Before Interest And Tax to Total Assets (X3)
0,07 0,26 0,032
4 Market Value Equity to Book Value Of Debt (X4)
0,24 0,61 0,011
5 Sales to Total Assets (X5) 0,89 1,52 0,034
Sumber : Data Hasil Olahan SPSS, Lampiran 7
Dari tabel di atas dapat dilihat bahwa nilai tingkat signifikansi (sig
2-tailed) rasio-rasio keuangan working capital to total assets (X1) sebesar
0,002, earning before interest and tax to total assets (X3) sebesar 0,032, market value equity to book value of debt (X4) sebesar 0,011 dan sales to total assets (X5) sebesar 0,034. Hal ini berarti bahwa terdapat perbedaan
(45)
Sedangkan, rasio retained earning to total assets (X2) sebesar 0,232. Hal
ini berarti bahwa tidak terdapat perbedaan rasio ini antara perusahaan yang mengalami financial distress dan nonfinancial distress.
3. Uji Homogenitas
Pada analisis ini rasio yang diuji adalah rasio yang berbeda secara signifikan antara perusahaan yang mengalami financial distress dan
nonfinancial distress. Sehingga rasio retained earning to total assets (X2)
tidak dimasukkan dalam uji ini karena rasio ini tidak berbeda secara signifikan antara perusahaan yang mengalami financial distress dan
nonfinancial distress. Untuk menguji homogenitas digunakan uji
Multivariat Box M Test of Homogeneity of Variance/Covariance dengan ketentuan :
a. Signifikansi > 0,05 maka H0 diterima
b. Signifikansi <0,05 maka H0 ditolak
Hipotesis :
H0 = Matrik kovarians antar grup adalah sama H1 = Matrik kovarians antar grup adalah berbeda
Untuk melihat apakah varian dan kovarian matrik antara perusahaan kondisi financial distress dan perusahaan kondisi nonfinancial distress sama dapat dilihat pada tabel 4.4.
(46)
Tabel 4.4
Hasil Uji Homogenitas
Sumber : Hasil Olahan SPSS, Lampiran 8
Dari tabel di atas menunjukkan bahwa nilai signifikansi sebesar 0,445 yang berarti lebih besar dari 0,05, sehingga varian dan kovarian dari matrik adalah sama atau homogen. Hal ini memberi arti bahwa asumsi diskriminan terpenuhi.
4.3 Pengujian Hipotesis
Pengujian hipotesis diuji melalui analisis diskriminan,dengan tahapan sebagai berikut:
a. Test of Equality of Group Means
Test of equality of group means digunakan untuk mengetahui pengaruh
variabel terhadap perbedaan kategori perusahaan. Pedoman yang digunakan dalam pengambilan keputusan dapat dilihat dari nilai Wilk’s
Lambda dan F test. Nilai Wilk’s Lambda mendekati nol menunjukkan arti
semakin signifikan variabel membedakan kelompok dan untuk uji F digunakan nilai p-value pada kolom signifikannya yaitu apabila sig < 0,05, berarti ada perbedaan antara kelompok. Hasil dari Test of equality of
group means dapat dilihat pada tabel 4.5.
Box’s M 14,607
F Approx. 0,996
df1 10
df2 937,052
(47)
Tabel 4.5
Test Of Equality Of Group Means No Variabel Independen Wilk’s
Lambda
F Sig.
1 Working Capital to Total Assets
(X1)
0,476 15,435 0,002 2 Earning Before Interest And Tax
to Total Assets (X3)
0,712 5,650 0,032 3 Market Value Equity to Book
Value Of Debt (X4)
0,617 8,697 0,011
4 Sales to Total Assets (X5) 0,718 5,507 0,034
Sumber : Data Hasil Olahan SPSS, Lampiran 9
Dari tabel Test Of Equality Of Group Means diatas dapat dilihat bahwa variabel working capital to total assets (X1) memiliki nilai wilk’s lambda sebesar 0,476 dengan nilai signifikansi 0,002, variabel earning before interest and tax to total assets (X3) memiliki nilai wilk’s lambda
sebesar 0,712 dengan nilai signifikansi 0,032, variabel market value equity
to book value of debt (X4) memiliki nilai wilk’s lambda sebesar 0,617
dengan nilai signifikansi 0,011, variabel sales to total assets (X5) memiliki
nilai wilk’s lambda sebesar 0,718 dengan nilai signifikansi 0,034. Hal ini berarti keempat variabel berpengaruh signifikan dalam membedakan perusahaan kondisi financial distress dan nonfinancial distress.
b. Uji Wilk’s Lambda
Uji wilk’s lambda digunakan untuk melihat tingkat signifikansi untuk kedua kelompok. Hasilnya dapat dilihat dari nilai wilk’s lambda atau
Chi-square yang signifikan pada tingkat signifikansi 0,05. Signifikansi ≤ 0,05 maka perbedaan kelompok dianggap signifikan.
(48)
Hasil uji wilk’s lambda dapat dilihat pada tabel 4.6. Tabel 4.6
Hasil Uji Wilk’s Lambda Test of
Function (s)
Wilk’s Lambda Chi-Square Sig.
1 0,310 14,055 0,007
Sumber : Data Hasil Olahan SPSS, Lampiran 9
Berdasarkan tabel di atas, nilai wilk’s lambda adalah sebesar 0,310 atau sama dengan nilai chi-square 14,005 yang signifikan pada 0,007. Maka dapat disimpulkan bahwa kedua kelompok berbeda secara signifikan karena memiliki nilai signifikansi lebih kecil dari 0,05.
c. Eigenvalues
Eigenvalues memuat informasi mengenai nilai square canonical correlation
(CR2) yang dapat digunakan untuk mengukur kemampuan fungsi diskriminan dalam menjelaskan variabel dependen.
Tabel 4.7 Eigenvalues
Function Eigenvalues Canonical Correlation
1 2,226a 0,831
Sumber : Data Hasil Olahan SPSS, Lampiran 9
Berdasarkan tabel Eigenvalues di atas menunjukkan bahwa besarnya nilai canonical correlation adalah 0,831, bila dikuadratkan menjadi 0,690 atau 0,70 artinya 70% variasi antara perusahaan distress dan nondistress dapat dijelaskan oleh variabel working capital to total assets (X1), earnings before interest and taxes to total assets (X ), market value equity
(49)
to book value of debt (X4), dan sales to total assets (X5).
d. Uji Variabel Dominan
Variabel dominan dalam memprediksi financial distress di lihat dari nilai
standardized canonical discriminant function. Makin tinggi koefisien yang
telah distandardisasi, maka makin penting variabel tersebut terhadap variabel lainnya dan sebaliknya. Variabel yang paling dominan dalam memprediksi financial distress dapat dilihat pada tabel 4.8.
Tabel 4.8
Standardized Canonical Discriminan Function Coefficient
No Variabel Independen Function
1
1 Working Capital to Total Assets (X1) 0,717
2 Earning Before Interest and Tax to Total Assets (X3) 0,272
3 Market Value Equity to Book Value of Debt (X4) 0,355
4 Sales to Total Assets (X5) 0,457
Sumber : Data Hasil Olahan SPSS, Lampiran 9
Berdasarkan tabel 4.8 menunjukkan bahwa variabel working
capital to total assets (X1) merupakan variabel yang paling dominan dalam
memprediksi kondisi financial distress karena memiliki nilai koefisien terbesar yaitu 0,717. Sedangkan, variabel earning before interest and tax
to total assets (X3) memiliki koefisien sebesar 0,272, variabel market value equity to book value of debt (X4) memiliki nilai koefisien sebesar 0,355,
dan variabel sales to total assets (X5) memiliki nilai koefisien sebesar
(50)
e. Menentukan Model Diskriminan
Persamaan model diskriminan digunakan untuk menghasilkan
discriminant score yang berfungsi untuk memprediksi pengklasifikasian
antara perusahaan yang financial distress dan nonfinancial distress. Model diskriminan dapat di lihat dari nilai canonical discriminant fuction
coefficient.
Tabel 4.9
Canonical Discriminant Fuction Coefficient
No Variabel Independen Function
1
1 Working Capital to Total Assets (X1) 3,673
2 Earning Before Interest and Tax to Total Assets (X3) 1,747
3 Market Value Equity to Book Value of Debt (X4) 1,432
4 Sales to Total Assets (X5) 0,851
(Constant) -3,273
Sumber : Data Hasil Olahan SPPS, Lampiran 9
Dari hasil Canonical Discriminant Fuction Coefficient, persamaan fungsi diskriminan yang terbentuk dari analisis diskriminan adalah sebagai berikut :
Z = -3,273 + 3,673 X1 + 1,747 X3 + 1,432X4 + 0,851X5
Persamaan fungsi diskriminan yang dihasilkan diatas dapat digunakan untuk memprediksi pengklasifikasian antara perusahaan kondisi
(51)
sektor industri barang konsumsi yang terdaftar di Bursa Efek Indonesia. Dimana koefisien untuk variabel working capital to total assets (X1)
sebesar 3,673, koefisien untuk variabel earning before interest and tax to
total assets (X3) sebesar 1,747, koefisien untuk variabel market value equity to book value of debt (X4) sebesar 1,432, dan koefisien untuk
variabel sales to total assets (X5) sebesar 0,851.
f. Ketepatan Prediksi Analisis Diskriminan
Untuk menentukan cut off pengelompokan perusahaan kondisi financial
distress dan nonfinancial distress dapat dilihat pada tabel Function at Group Centroids berikut ini :
Tabel 4.10
Function at Group Centroids Financial Distress Function
1
Financial Distress -1,396
Nonfinancial Distress 1.396
Sumber : Data Hasil Olahan SPSS, Lampiran 9
Berdasarkan tabel 4.10 dapat dilihat bahwa nilai centroid yang diperoleh dari analisis diskriminan adalah kondisi financial distress sebesar -1,396 dan kondisi nonfinancial distress sebesar 1,396 maka perhitungan titik cut off fungsi diskriminan adalah sebagai berikut :
Nilai cut off =
−1,396+1,396
2
(52)
Dari hasil perhitungan diperoleh nilai cut off sebesar 0. Sehingga apabila nilai Z-Score < 0 perusahaan diklasifikasikan sebagai perusahaan dalam kondisi financial distress dan apabila nilai Z-Score > 0 maka perusahaan diklasifikasikan dalam kondisi nonfinancial distress.
Untuk melihat suatu ketepatan model prediksi yang digunakan dalam penelitian ini dapat ditunjukkan pada tabel 4.11 berupa predicted
values dari suatu keadaan perusahaan dan baris merupakan data aktual
yang dapat dilihat pada tabel 4.11. Tabel 4.11
Hasil Ketepatan Perediksi Analisis Diskriminan
Financial Distress Predicted Group
Membership
Total Financial
Distress
Nonfinancial Distress
Original Count Financial Distress 7 1 8
Nonfinancial Distress 1 7 8
% Financial Distress 87,5 12,5 100,0
Nonfinancial Distress 12,5 87,5 100,0
87,5% of original grouped cases correctly classified Sumber : Data Hasil Olahan SPSS, Lampiran 9
Berdasarkan tabel 4.11 di atas, dari 8 perusahaan yang mengalami
financial distress yang diteliti, sebanyak 7 perusahaan yang mengalami financial distress dan sisanya 1 perusahaan yang tidak mengalami financial distress. Dengan demikian ketepatan model memprediksi kondisi
(53)
Sedangkan dari 8 perusahaan dalam kondisi nonfinancial distress, sebanyak 7 perusahaan dalam kondisi nonfinancial distress dan sisanya 1 perusahaan dalam kondisi financial distress. Dengan demikian ketepatan model memprediksi kondisi perusahaan dalam kondisi nonfinancial distress adalah sebesar 12,5%. Secara keseluruhan, fungsi diskriminan mampu mengelompokkan kasus dengan benar sebesar 87,5%.
4.4 Pembahasan
Berdasarkan hasil pengujian yang telah dilakukan di atas, menunjukkan bahwa variabel working capital to total assets (X1) berpengaruh positif dan
signifikan dalam membedakan perusahaan financial distress dan nonfinancial
distress. Koefisien positif menunjukkan bahwa semakin besar rasio working
capital to total assets maka semakin besar pula kemungkinan perusahaan
terhindar dari financial distress. Hasil ini mendukung kesimpulan penelitian yang telah dilakukan oleh Riesta (2012) dan Nico (2014) yang menyatakan bahwa variabel working capital to total assets berpengaruh positif dan signifikan.
Variabel earnings before interest and taxes to total assets (X3)
berpengaruh positif dan signifikan dalam membedakan perusahaan financial
distress dan nonfinancial distress. Koefisien positif menunjukkan bahwa semakin
besar rasio earnings before interest and taxes to total assets maka semakin besar pula kemungkinan perusahaan terhindar dari financial distress. Hasil ini mendukung kesimpulan penelitian yang telah dilakukan oleh Riesta (2012) dan Nico (2014) yang menyatakan bahwa variabel earnings before interest and taxes
(54)
to total assets berpengaruh positif dan signifikan.
Variabel market value equity to book value of debt (X4) berpengaruh
positif dan signifikan dalam membedakan perusahaan financial distress dan
nonfinancial distress. Koefisien positif menunjukkan bahwa semakin besar rasio market value equity to book value of debt maka semakin besar pula kemungkinan
perusahaan terhindar dari financial distress. Hasil ini mendukung kesimpulan penelitian yang telah dilakukan oleh Riesta (2012) dan Nico (2014) yang menyatakan bahwa variabel market value equity to book value of debt berpengaruh positif dan signifikan.
Variabel sales to total assets (X5) berpengaruh positif dan signifikan dalam
membedakan perusahaan financial distress dan nonfinancial distress. Koefisien positif menunjukkan bahwa semakin besar rasio sales to total assets maka semakin besar pula kemungkinan perusahaan terhindar dari financial distress. Hasil ini mendukung kesimpulan penelitian yang telah dilakukan oleh Riesta (2012) dan Nico (2014) yang menyatakan bahwa variabel sales to total assets berpengaruh positif dan signifikan.
Berdasarkan hasil standardized canonical discriminant function variabel dominan dalam memprediksi financial distress dalam penelitian ini adalah variabel working capital to total assets (X1). Hal ini berarti rasio working capital
to total assets menjadi prediktor paling baik dalam memprediksi financial distress. Hasil ini tidak mendukung penelitian sebelumnya oleh Riesta (2012)
yang menyatakan bahwa variabel sales to total assets (X5) merupakan variabel
(55)
menyatakan bahwa variabel retained earning to total assets (X2) merupakan
variabel paling dominan dalam memprediksi financial distress.
Perbedaan hasil ini disebabkan oleh perbedaan sampel penelitian. Riesta (2012) melakukan pengujian terhadap perusahaan tekstil dan Nico (2014) melakukan pengujian terhadap perusahaan manufaktur seluruh sektor industri. Penelitian ini menggunakan sampel perusahaan manufaktur sektor industri barang konsumsi. Perbedaan hasil ini menunjukkan bahwa pada perusahaan yang digunakan pada penelitian terdahulu seperti perusahaan tekstil memiliki persediaan yang lebih besar dari kas yang dimilikinya, hal ini disebabkan karena industri tekstil akan memproduksi barang jika ada permintaan atau pesanan dari konsumen. Dalam hal ini untuk membiayai operasi produksinya perusahaan melakukan pinjaman, dan pinjaman yang dilakukan akan di bayar dari hasil penjualan produk yang dihasilkan. Apabila semua barang yang diproduksi laku terjual atau tidak ada barang yang rusak maka penjualan akan meningkat sehingga pendapatan perusahaanpun akan meningkat dan perusahaan dapat membayar pinjaman yang dilakukan. Namun sebaliknya, apabila banyak barang yang gagal terjual maka penjualan akan menurun dan akan berimbas pada penurunan pendapatan perusahaan yang menyebabkan perusahaan sulit untuk membayar pinjaman. Semakin besar penjualan maka semakin kecil kemungkinan perusahaan mengalami financial distress.
Sedangkan perusahaan dalam penelitian ini adalah perusahaan sektor industri barang konsumsi memiliki persediaan yang lebih kecil dari kas yang dimilikinya, hal ini disebabkan karena industri barang konsumsi memproduksi
(56)
barang yang dibutuhkan masyarakat setiap hari secara terus-menerus. Dalam hal ini perusahaan tidak memerlukan pinjaman tetapi membutuhkan modal kerja untuk membiayai kegiatan operasi produksi setiap hari dimana modal kerja yang telah dikeluarkan diharapkan akan kembali lagi masuk dalam perusahaan dalam waktu yang singkat melalui hasil penjualan produksi. Modal kerja yang berasal dari penjualan produk tersebut akan segera dikeluarkan lagi untuk membiayai kegiatan operasi produksi selanjutnya. Modal kerja yang besar akan mendorong perusahaan untuk meningkatkan produksinya. Dengan meningkatnya produksi maka dapat meningkatkan penjualan yang akan meningkatkan pendapatan perusahaan. Semakin besar modal kerja maka semakin kecil kemungkinan perusahaan mengalami financial distress.
Dari hasil Canonical Discriminant Fuction Coefficient, persamaan fungsi diskriminan yang terbentuk dari analisis diskriminan adalah :
Z = -3,273 + 3,673 X1 + 1,747 X3 + 1,432X4 + 0,851X5
Persamaan fungsi diskriminan yang dihasilkan mampu memprediksi pengklasifikasian antara perusahaan kondisi financial distress dan nonfinancial
distress pada perusahaan manufaktur sektor industri barang konsumsi dengan
(57)
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Setelah melalui tahapan-tahapan penelitian, maka kesimpulan yang diperoleh adalah sebagai berikut :
1. Rasio-rasio keuangan yang terdiri dari working capital to total assets (X1), earning before interest and tax to total assets (X3), market value equity to book value of debt (X4), sales to total assets (X5) berpengaruh
positif dan signifikan dalam membedakan kelompok financial distress dan nonfinancial distress. Sedangkan rasio retained earning to total assets
(X2) tidak dimasukkan ke dalam pengujian karena rasio ini tidak berbeda secara signifikan antara perusahaan yang mengalami financial distress dan nonfinancial distress.
2. Variabel working capital to total assets (X1) adalah variabel independen
yang paling dominan dalam memprediksi financial distress.
5.2 Saran
Berdasarkan hasil kesimpulan diberikan saran sebagai berikut:
1. Bagi perusahaan yang belum terindikasi financial distress, hendaknya tetap menjaga kesehatan perusahaan dan meningkatkan working capital to
total assets, earning before interest and tax to total assets, market value equity to book value of debt, dan sales to total assets.
(58)
2. Bagi perusahaan yang terindikasi financial distress, hendaknya segera memperbaiki working capital to total assets, earning before interest and
tax to total assets, market value equity to book value of debt, dan sales to total assets.
3. Bagi peneliti selanjutnya diharapkan untuk memperluas sampel penelitian dengan mengikutkan semua sektor industri pada perusahaan manufaktur yang terdaftar di BEI seperti sektor industri dasar dan kimia, dan sektor aneka industri serta memperpanjang periode penelitian.
(59)
BAB II
TINJAUAN PUSTAKA
2.1 Landasan Teori
2.1.1 Financial Distress (Kesulitan Keuangan)
kesulitan keuangan untuk memenuhi kewajiban-kewajibannya artinya perusahaan berada dalam posisi yang tidak aman dari ancaman kebangkrutan atau kegagalan pada usaha perusahaan tersebut. Financial distress menurut Altman (1968) adalah perusahaan yang secara hukum bangkrut. Platt dan Platt (2006) mendefenisikan
financial distress merupakan suatu kondisi dimana keuangan perusahaan dalam
keadaan tidak sehat atau sedang krisis.
Menurut (Hanafi, 2003:263) financial distress dapat didefenisikan dalam beberapa pengertian yaitu :
1. Economic Distressed (Kegagalan Ekonomi)
Kegagalan dalam ekonomi artinya bahwa perusahaan kehilangan uang atau pendapatan perusahaan tidak mampu menutupi biayanya sendiri, ini berarti tingkat labanya lebih kecil dari biaya modal atau nilai sekarang dari arus kas perusahaan lebih kecil dari kewajiban. Kegagalan terjadi bila arus kas sebenarnya dari perusahaan tersebut jauh dibawah arus kas yang diharapkan.
(60)
2. Financial Distressed (Kegagalan Keuangan)
Pengertian financial distressed mempunyai makna kesulitan dana baik dalam arti dana dalam pengertian kas atau dalam pengertian modal kerja. Sebagai asset liability management sangat berperan dalam pengaturan untuk menjaga agar tidak terkena financial distressed.
2.1.2 Faktor-Faktor Penyebab Financial Distress
Terjadinya financial distress diawali saat arus kas perusahaan kurang dari jumlah utang porsi utang jangka panjang yang telah jatuh tempo. Financial
distress juga dapat ditimbulkan karena pengaruh dari dalam perusahaan itu
sendiri maupun dari luar perusahaan (Murtanto, 2002:48). Faktor penyebab
financial distress dalam perusahaan lebih bersifat mikro, faktor-faktor internal
yang menyebabkan financial distress adalah kesulitan arus kas. Kesulitan arus kas ini terjadi ketika penerimaan pendapatan perusahaan dari hasil operasi perusahaan tidak cukup untuk menutupi beban-beban usaha yang timbul atas aktivitas operasi perusahaan. Kesulitan arus kas juga disebabkan adanya kesalahan manajemen ketika mengelola aliran kas perusahaan untuk pembayaran aktivitas perusahaan yang memperburuk kondisi keuangan perusahaan.
Besarnya jumlah hutang juga merupakan faktor internal yang menyebabkan financial distress. Kebijakan pengambilan hutang perusahaan untuk menutupi biaya yang timbul akibat operasi perusahaan akan menimbulkan kewajiban bagi perusahaan untuk mengembalikan hutang di masa depan. Ketika tagihan jatuh tempo dan perusahaan tidak mempunyai cukup dana untuk
(61)
membayar tagihan-tagihan yang terjadi maka kemungkinan yang dilakukan kreditur adalah mengadakan penyitaan harta perusahaan untuk menutupi kekurangan pembayaran tagihan tersebut.
Selain kesulitan arus kas dan besarnya jumlah hutang faktor lain yang dapat menyebabkan financial distress adalah kerugian dalam kegiatan operasional perusahaan selama beberapa tahun. Kerugian operasional perusahaan menimbulkan arus kas negatif dalam perusahaan. Hal ini dapat terjadi karena beban operasional lebih besar dari pendapatan yang diterima perusahaan.
Sedangkan faktor-faktor eksternal yang bisa mengakibatkan financial
distress adalah perubahan dalam keinginan pelanggan yang tidak diantisipasi oleh
perusahaan yang mengakibatkan pelanggan lari sehingga terjadi penurunan dalam pendapatan. Untuk menjaga hal tersebut perusahaan harus selalu mengantisipasi kebutuhan pelanggan dengan menciptakan produk yang sesuai dengan kebutuhan pelanggan.
Kesulitan bahan baku karena supplier tidak dapat memasok lagi kebutuhan bahan baku yang digunakan untuk produksi juga dapat mengakibatkan terjadinya
financial distress. Untuk mengantisipasi hal tersebut perusahaan harus selalu
menjalin hubungan baik dengan supplier dan tidak menggantungkan kebutuhan bahan baku pada satu pemasok sehingga risiko kekurangan bahan baku dapat diatasi.
Selain kedua hal tersebut faktor debitor juga harus diantisipasi untuk menjaga agar debitor tidak melakukan kecurangan dengan mengemplang hutang. Terlalu banyak piutang yang diberikan debitor dengan jangka waktu
(62)
pengembalian yang lama akan mengakibatkan banyak aktiva menganggur yang tidak memberikan penghasilan sehingga mengakibatkan kerugian yang besar bagi perusahaan. Untuk mengantisipasi hal tersebut, perusahaan harus selalu memonitor piutang yang dimiliki dan keadaan debitor supaya bisa melakukan perlindungan dini terhadap aktiva perusahaan.
2.1.3 Manfaat Informasi Prediksi Kebangkrutan
Informasi tentang prediksi kebangkrutan suatu perusahaan merupakan hal yang positif untuk melihat tanda-tanda awal kabangkrutan bagi perusahaan khususnya. Menurut (Hanafi, 2003:261) informasi prediksi kebangkrutan dapat bermanfaat untuk:
1. Pemberi pinjaman
Informasi kebangkrutan digunakan untuk pengambilan keputusan tentang pemberian pinjaman dan monitoring.
2. Investor
Informasi kebangkrutan digunakan untuk pengambilan keputusan terhadap surat berharga perusahaan.
3. Pihak pemerintah
Informasi kebangkrutan digunakan untuk melakukan tindakan awal yang bisa dilakukan terutama terhadap perusahaan BUMN.
4. Akuntan
Informasi kebangkrutan digunakan untuk menilai kemampuan going concern suatu perusahaan.
(63)
5. Manajemen
Informasi kebangkrutan digunakan untuk melakukan langkah-langkah preventif sehingga biaya kebangkrutan bisa dihindari dan atau diminimalisir.
2.1.4 Rasio-Rasio yang Digunakan dalam Menganalisis Laporan Keuangan Analisis laporan keuangan adalah menguraikan pos-pos laporan keuangan menjadi unit informasi yang lebih kecil dan melihat hubungannya yang bersifat signifikan atau yang mempunyai makna antara satu dengan yang lain baik antara data kuantitatif maupun data non-kuantitatif dengan tujuan untuk mengetahui kondisi keuangan lebih dalam yang sangat penting dalam proses menghasilkan keputusan tepat (Sofyan, 2010:189). Rasio adalah suatu rumusan secara sistematis dari hubungan atau korelasi antara suatu jumlah dengan jumlah tertentu lainnya. Rasio keuangan atau financial ratio adalah angka yang diperoleh dari hasil perbandingan dari satu pos laporan keuangan dengan pos lainnya yang mempunyai hubungan yang relevan dan signifikan (Sofyan, 2010:297).
Pada dasarnya analisis rasio bisa dikelompokkan ke dalam lima macam kategori, yaitu :
1. Rasio Likuiditas
Rasio likuiditas mengukur kemampuan likuiditas jangka pendek perusahaan dengan melihat aktiva lancar perusahaan relatif terhadap hutang lancarnya (hutang dalam hal ini merupakan kewajiban perusahaan). Meskipun rasio ini tidak bicara masalah kewajiban jangka panjangnya, dan biasanya relatif tidak penting dibandingkan rasio solvabilitas, tetapi rasio
(64)
likuiditas yang jelek dalam jangka panjang juga akan mempengaruhi solvabilitas perusahaan. Dua rasio likuiditas jangka pendek yang sering digunakan adalah current ratio dan quick ratio.
a. Current Ratio
Current ratio mengukur kemampuan perusahaan memenuhi hutang
jangka pendeknya dengan menggunakan aktiva lancarnya (aktiva yang akan berubah menjadi kas dalam waktu satu tahun atau satu siklus bisnis). Rasio yang rendah menunjukkan risiko likuiditas yang tinggi, sedangkan current ratio yang tinggi menunjukkan adanya kelebihan aktiva lancar, yang akan mempunyai pengaruh yang tidak baik terhadap profitabilitas perusahaan.
b. Quick Ratio
Dari ketiga komponen aktiva lancar (kas, piutang, dan persediaan), persediaan biasanya dianggap merupakan asset yang paling tidak likuid. Hal ini berkaitan dengan semakin panjangnya tahap yang dilalui untuk sampai menjadi kas, yang berarti waktu yang diperlukan untuk menjadi kas semakin lama, dan juga ketidakpastian nilai persediaan.
2. Rasio Aktivitas
Rasio ini melihat pada beberapa asset kemudian menentukan berapa tingkat aktivitas aktiva-aktiva tersebut pada tingkat kegiatan tertentu. Aktivitas yang rendah pada tingkat penjualan tertentu akan mengakibatkan semakin besarnya dana kelebihan yang tertanam pada aktiva-aktiva tersebut. Dana
(1)
KATA PENGANTAR
Segala puji bagi Allah SWT atas segala rahmat dan karunia-Nya yang berlimpah yang Insya Allah akan selalu diberikan pada setiap hamba-Nya. Shalawat beriring salam penulis hadiahkan kepada junjungan Nabi Muhammad SAW yang telah membawa manusia dari alam kegelapan ke alam terang benderang.
Skripsi ini merupakan salah satu syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Ekonomi Pembangunan Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara. Skripsi ini teristimewa dipersembahkan kepada Ayahanda tersayang Bunjel Dalimunthe dan Ibunda tercinta Murti Lubis serta abang dan kakak penulis yang selalu memberikan curahan kasih sayang dan do’a.
Proses penulisan skripsi ini tidak terlepas dari bimbingan, bantuan serta dukungan dari berbagai pihak. Karena itu dengan hati yang tulus penulis mengucapkan terima kasih yang sebesar-besarnya kepada :
1. Bapak Prof. Dr. Azhar Maksum, M.Ec, Ac.Ak, CA, selaku Dekan Fakultas
Ekonomi dan Bisnis Universitas Sumatera Utara.
2. Bapak Wahyu Ario Pratomo, SE, M.Ec, selaku Ketua Departemen Ekonomi
Pembangunan Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara dan Bapak Drs. Syahrir Hakim Nasution, M.Si selaku Sekretaris Departemen Ekonomi Pembangunan Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara.
3. Bapak Irsyad Lubis, SE,M.Soc.Sc, Ph.D, selaku Ketua Program Studi S1
Ekonomi Pembangunan Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara dan Bapak Paidi Hidayat, SE, M.Si selaku Sekretaris Program Studi S1 Ekonomi Pembangunan Fakultas Ekonomi dan Bisnis Universitas Sumatera Utara.
(2)
5. Bapak Wahyu Ario Pratomo, SE, M.ec, selaku Dosen Pembanding I saya yang telah memberikan saran dan kritikan dalam penyempurnaan skripsi ini.
6. Ibu Inggrita Gusti Sari NST, SE, M.si, selaku Dosen Pembanding II saya yang
telah memberikan saran dan kritikan dalam penyempurnaan skripsi ini.
7. Seluruh Dosen dan staf Pengajar Departemen Ekonomi Pembangunan Fakultas
Ekonomi dan Bisnis Universitas Sumatera Utara, yang telah mendidik dan memberikan ilmu pengetahuan yang bermanfaat bagi penulis.
8. Seluruh pegawai dan staf administrasi di Fakultas Ekonomi dan Bisnis
Universitas Sumatera Utara, khususnya Departemen Ekonomi Pembangunan.
9. Kepada teman-teman dan semua pihak yang turut membantu penyelesaian
skripsi ini, namun tidak dituliskan pada lembaran ini, penulis mohon maaf dan tidak mengurangi rasa terima kasih penulis.
Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, dikarenakan keterbatasan pengetahuan, pengalaman, dan kemampuan penulis. Oleh karena itu, penulis mengharapkan kritik dan saran yang membangun demi kesempurnaan penulisan skripsi ini. Penulis juga berharap semoga skripsi ini bermanfaat bagi pembaca dan peneliti selanjutnya. Amin
Medan, November 2015 Penulis,
NIM. 120501156 May Safitri____
(3)
DAFTAR ISI
Halaman
ABSTRAK i
ABSTRACT ii
KATA PENGANTAR iii
DAFTAR ISI iv
DAFTAR TABEL vii
DAFTAR GAMBAR viii
BAB I PENDAHULUAN
1.1 Latar Belakang 1
1.2 Rumusan Masalah 6
1.3 Tujuan Penelitian 7
1.4 Manfaat Penelitian 7
BAB II TINJAUAN PUSTAKA
2.1 Landasan Teori 9
2.1.1 Financial Distress (Kesulitan Keuangan) 9
2.1.2 Faktor-faktor Penyebab Financial Distress 10
2.1.3 Manfaat Informasi Prediksi Kebangkrutan 12
2.1.4 Rasio-rasio yang Digunakan dalam Menganalisis
Laporan Keuangan 13
2.1.5 Metode Altman dalam Memprediksi Financian Distress 17
2.1.6 Analisis Diskriminan 23
2.1.7 Penelitian Terdahulu 24
2.2 Kerangka Konseptual 30
2.3 Hipotesis 34
BAB III METODE PENELITIAN
3.1 Jenis Penelitian 35
3.2 Batasan Operasional 35
3.3 Defenisi Operasional 36
3.4 Jenis dan Sumber Data 39
(4)
4.3 Pengujian Hipotesis 56
4.4 Pembahasan 63
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan 67
5.2 Saran 67
DAFTAR PUSTAKA LAMPIRAN
(5)
DAFTAR TABEL
Halaman
Tabel 2.1 Interprestasi Nilai Z-Score 23
Tabel 2.2 Penelitian Terdahulu 28
Tabel 3.1 Defenisi Operasional dan Skala Pengukuran Variabel 38
Tabel 3.2 Perusahaan yang Termasuk dalam Kondisi Financial Distress 41
Tabel 3.3 Perusahaan yang Termasuk dalam
Kondisi Nonfinancial Distress 41
Tabel 4.1 Hasil Uji Statistik Deskriptif 50
Tabel 4.2 One-Sample Kolmogorov-Smirnov Test 52
Tabel 4.3 Hasil Uji Independent Sample T-test 54
Tabel 4.4 Hasil Uji Homogenitas 56
Tabel 4.5 Test of equality of group means 57
Tabel 4.6 Hasil Uji Wilk’s Lambda 58
Tabel 4.7 Eigenvalues 58
Tabel 4.8 Standardized Canonical Discriminan Function Coefficient 59
Tabel 4.9 Canonical Discriminant Fuction Coefficient 60
Tabel 4.10 Function at Group Centroids 61
(6)
DAFTAR GAMBAR
Halaman
Gambar 2.1 Kerangka Konseptual I 30