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

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

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

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

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

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

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

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

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

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

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

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.

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

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

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.

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

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

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

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.

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

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

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

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

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

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.

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 = ������� ������ −������� �����������

• 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 = ������ ����� ������

• 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 = �����

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

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”.

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

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

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

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

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

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

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

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.

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

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.

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.

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

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.

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

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.

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

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.

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

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

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

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

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

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

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

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

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

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.

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.

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.

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

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

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.

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

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

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.

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____

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

4.3 Pengujian Hipotesis 56

4.4 Pembahasan 63

BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan 67

5.2 Saran 67

DAFTAR PUSTAKA LAMPIRAN

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

DAFTAR GAMBAR

Halaman

Gambar 2.1 Kerangka Konseptual I 30