Hasil dan Pembahasan METODOLOGI PENELITIAN

Lanjutan Tabel 4.3 Penentuan Kondisi Model Altman. No Emiten Tahun WCTA RETA EBITTA MVETL STA KONDISI 70 MAYA 2007 0,000000 0,000000 0,000000 0,000000 0,000000 71 BBNP 2007 0,121601 -0,000414 -0,000406 0,000000 0,114000 72 ANKB 2007 0,080266 0,000000 0,000000 0,000000 0,093000 73 BEKS 2007 -0,067821 0,000000 0,000000 0,000000 0,135000 74 BVIC 2007 0,065989 0,000188 0,000188 0,000000 0,078000 75 BAAO 2007 0,116812 0,000000 0,000000 0,000000 0,117000 76 BBIA 2007 0,181979 -0,000199 -0,000199 4,000,000 0,109000 2 Sumber: Data diolah

C. Hasil dan Pembahasan

Sesuai dengan langkah-langkah dalam analisis diskriminan, maka hal yang pertama dilakukan adalah:

1. Merumuskan masalah

Tabel 4.4 Tests of Equality of Group Means Wilks Lambda F df1 df2 Sig. WCTA ,967 1,253 2 73 ,292 RETA ,990 ,383 2 73 ,683 EBITTA ,807 8,752 2 73 ,000 MVETL ,943 2,194 2 73 ,119 STA ,982 ,678 2 73 ,511 Sumber: Data diolah Dalam tabel ini menguji apakah ada perbedaan yang signifikan antara kondisi untuk setiap variabel bebas yang ada. Pedoman dengan Wilks’ Lambda Angka wilks’ lambda berkisar 0-1, jika mendekati 0: data tiap kondisi semakin berbeda, semakin mendekati 1 data tiap kondisi mendekati sama. 86 Jika F hitung F tabel = tidak ada perbedaan antar kondisi Jika F hitung F tabel = ada perbedaan antar kondisi. Dengan sig.tes Jika sig 0,05 = Tidak ada perbedaan antar kondisi ekonomi sebelum dan selama pemerintahan Susilo Bambang Yudhoyono. Jika sig 0,05 = Ada perbedaan antar kondisi ekonomi sebelum dan selama pemerintahan Susilo Bambang Yudhoyono. Dari hasil perhitungan atribut yang dapat membedakan antara bangkrut dan tidak bangkrut suatu bank adalah EBITTA sig.=0,000.

2. Estimasi koefisien funsi diskriminan

Tabel 4.5 Variables EnteredRemoveda,b,c,d Step Entered Min. D Squared Statistic Between Groups Exact F Statistic df1 df2 Sig. 1 EBITTA ,018 5T2004 and 5T2005-2007 ,175 1 73,000 ,677 Sumber: Data Diolah Dalam tabel ini hanya menyajikan variabel bebas yang dianalisis, yaitu variabel yang dapat digunakan untuk membedakan dua kategori yang ada, yaitu bangkrut dan tidak bangkrut yang dipengaruhi oleh ebitta atau laba sebelum bunga dan pajak dibagi dengan total asset. 87 Variabel yang dimasukan dalam analisis ini adalah adalah variabel ebitta karena variabel ini memiliki angka F hitung statistic yang tertinggi yaitu 0,175. Tabel : 4.6 Eigenvalues Function Eigenvalue of Variance Cumulative Canonical Correlation 1 ,240a 100,0 100,0 ,440 a First 1 canonical discriminant functions were used in the analysis. Sumber: Data Diolah. Tabel eigenvalues menunjukkan besarnya canonical coleration, yaitu 0,440 setara dengan multiple correlation “R” dalam regresi sehingga besarnya square canonical correlation setara dengan koefisisn determinasi “R 2 ” dalam regresi adalah menjadi 0,193 diperoleh dari 0,440 x 0,440. Hal ini berarti 19,3 varian dari variabel sikap dapat dijelaskan oleh diskriminan yang terbentuk dari ebitta laba sebelum bunga dan pajak dibagi total asset.

3. Signifikasi fungsi diskriminan.

Tabel : 4.7 Wilks Lambda Test of Functions Wilks Lambda Chi-square Df Sig. 1 ,807 15,690 2 ,000 Sumber: Data Diolah Terlihat nilai dari wilks’ lambda sebesar 0,807 atau sama dengan chi- square 15,690 dengan angka signifikan 0,000. Hal ini menunjukkan adanya perbedaan yang signifikan nyata, antara nilai rata-rata skor diskriminan pada dua kondisi kesulitan keuangan dan tidak kesulitan keuangan atau asset kurang dari 5 Trilyun dengan aset lebih dari 5 Trilyun. Jadi dapat 88 disimpulkan bahwa memang terdapat perbedaan kondisi bangkrut dan tidak bangkrut terhadap model Altman.

4. Interpretasi hasil

Tabel : 4.8 Functions at Group Centroids Function KONDISI 1 5T2004-2007 -,703 5T2004 ,425 5T2005-2007 ,291 Sumber: Data Diolah. Tabel Function at Group Centroid digunakan untuk menentukan nilai cutoff yang merupakan nilai batas, dimana nilai prediksi harus dimasukan dalam kategori bangkrut dan tidak bangkrut. Karena jumlah bank untuk setiap kategori sama, maka besar nilai cutoff dapat dicari dengan persamaan berikut. Nilai cut off = Z 1 + Z 2 2 Akan tetapi, jika jumlah bank untuk setiap kategori tidak sama, maka besarnya nilai cutoff dapat dicari dengan persamaan berikut: Nilai cut off = n 1 .Z 1 + n 2 .Z 2 + n 3. Z 3 n 1 + n 2 + n 3 Berdasrkan pada nilai Function at Group Centroid Karena jumlah kondisi asset yang kurang dari 5 Triliyun selama tahun 2004 sampai dengan tahun 2007 sebanyak 24 bank, dan kondisi asset yang lebih dari 5Triliyun selma tahun 2004 sebanyak 13 bank, serta kondisi asset yang 89 lebih dari 5 Triliyun selama tahun 2005 sampai dengan tahun 2007 sebanyak 39 bank, maka untuk mementukan nilai cut off digunakan rumus yang kedua, yaitu sebagai berikut: Zcu = 24x-0,703+ 19x 0,425 +39 x 0,291 = 0,0311 24 + 19 +39 Jika nilai prediksi kasus dibawah Zcu 0,0311, kasus tersebut dimasukkan pada kondisi “ bangkrut” kode 0, namun sebaliknya jika, nilai prediksi kasus diatas Zcu 0,0311, kasus tersebut dimasukan pada kondisi “tidak bangkrut” kode 12. Tabel 4.9 Pengelompokan bank yang mengalami kesulitan keuangan dan bank yang tidak mengalami kesulitan keuangan. No Emiten Tahun WCTA RETA EBITTA MVETL STA TOTAL Zcu Kondisi 1 BBNI 2004 -0.0340 0.0010 0.0750 0.0000 0.1060 0.1480 0.031 1 2 AGIB 2004 -0.0212 -0.0010 0.0350 0.0000 0.1080 0.1208 0.031 1 3 BBCA 2004 0.0952 0.0004 0.1000 4.2000 0.0880 4.4836 0.031 1 4 BCIC 2004 -0.1598 -0.0134 -0.2910 -1.2000 0.0780 -1.5862 0.031 5 BDMN 2004 0.1780 0.0194 0.1810 0.6000 0.1160 1.0944 0.031 1 6 BNII 2004 0.1261 -0.0001 0.0760 0.0000 0.1110 0.3130 0.031 1 7 LPBN 2004 0.0125 -0.0006 0.1070 53.4000 0.1000 53.6190 0.031 1 8 MEGA 2004 0.0509 0.0000 0.0800 1.2000 0.0940 1.4249 0.031 1 9 BNGA 2004 -0.9756 -0.0022 0.0810 0.6000 0.1020 -0.1949 0.031 10 NISP 2004 0.1107 0.0000 0.0720 0.6000 0.0930 0.8757 0.031 1 11 PNBN 2004 0.2087 0.0033 0.1700 2.4000 0.1180 2.9000 0.031 1 12 BBBA 2004 0.0458 0.0000 0.0720 9.6000 0.1070 9.8248 0.031 1 13 MAYA 2004 0.0844 0.0000 0.0020 0.0000 0.0940 0.1804 0.031 1 14 BBNP 2004 -0.3512 0.0003 0.0000 0.0000 0.0620 -0.2889 0.031 15 ANKB 2004 0.0866 0.0000 0.0000 0.0000 0.0860 0.1726 0.031 1 16 BEKS 2004 0.0179 0.0000 0.0030 0.0000 0.1950 0.2159 0.031 1 90 Lanjutan Tabel 4.9 Pengelompokan bank yang mengalami kesulitan keuangan dan bank yang tidak mengalami kesulitan keuangan. No Emiten Tahun WCTA RETA EBITTA MVETL STA TOTAL Zcu Kondisi 17 BVIC 2004 0.1236 0.0009 0.135 0.2595 0.031 1 18 BAAO 2004 0.031 19 BBIA 2004 0.031 20 BBNI 2005 0.0472 -0.0036 0.112 0.099 0.2546 0.031 21 AGIB 2005 -0.0274 -0.0008 0.006 0.095 0.0729 0.031 2 22 BBCA 2005 0.1133 -0.0001 0.132 4.8 0.102 5.1472 0.031 2 23 BCIC 2005 -0.142 -0.0001 0.051 0.074 -0.0171 0.031 2 24 BDMN 2005 0.1349 -0.0038 0.059 0.6 0.121 0.9111 0.031 25 BNII 2005 0.0972 -0.0022 0.035 0.099 0.229 0.031 2 26 LPBN 2005 -0.1023 -0.0058 0.059 24 0.092 24.043 0.031 2 27 MEGA 2005 0.0344 0.048 1.2 0.094 1.3764 0.031 2 28 BNGA 2005 0.1202 -0.004 0.062 1.8 0.098 2.0761 0.031 2 29 NISP 2005 0.099 -0.015 0.037 1.2 0.108 1.4291 0.031 2 30 PNBN 2005 0.1284 -0.0049 0.6 0.087 0.8105 0.031 2 31 BBBA 2005 0.0534 -0.002 4.2 0.106 4.3574 0.031 2 32 MAYA 2005 0.083 0.105 0.188 0.031 2 33 BBNP 2005 1.054 -0.0008 0.103 1.1562 0.031 2 34 ANKB 2005 0.0689 -0.054 0.092 0.1069 0.031 2 35 BEKS 2005 -0.0634 0.057 0.141 0.1346 0.031 2 36 BVIC 2005 0.1177 -0.023 0.013 0.116 0.2238 0.031 2 37 BAAO 2005 0.031 2 38 BBIA 2005 0.031 Sumber : Data Diolah Keterangan: Untuk kondisi bangkrut Tahun 2004 untuk Kondisi 0 atau bank yang mgelami financial distress antara lain: Century,Tbk, Niaga, Tbk, Agro Niaga, Tbk, dan UOB Buana, Tbk. Tahun 2005 untuk Kondisi 0 atau bank yang mengalami kondisi financial distress antar lain: Century,Tbk, Agro Niaga, Tbk, dan UOB Buana, Tbk. 91 Berdasarkan data diatas maka dapat disimpulkan bahwa financial distress tahun 2004 lebih besar dari tahun 2005. hal ini, menunjukkan bahwa kinerja tahun 2005 lebih bagus dibandingkan tahun 2004. Tabel : 4.10 Classification Function Coefficients KONDISI 5T2004-2007 5T2004 5T2005-2007 EBITTA -2,204 67,555 59,264 Constant -1,099 -1,695 -1,558 Sumber: Data Diola Tabel ini menunjukkan persamaan diskriminan yang terbentuk pada kondisi bank yang bangkrut dan tidak bangkrut terhadap model Altman. Tiga persamaan tersebut adalah: 5 T 2004-2007 : Y= -1,099 + -2,204ebitta 5 T 2004 : Y= -1,695 + 67,555 ebitta 5 T 2005-2007 : Y= -1,558 + 59,264 ebitta Keterangan; 1 Asset kurang dari 5 Triliyun selama tahun 2004 sampai dengan tahun 2007 memiliki persamaan sebagai berikut: Y= -1,099 + -2,204ebitta 2 Asset lebih dari 5Triliyun pada tahun 2004 memiliki persamaan sebagai berikut: Y= -1,695 + 67,555 ebitta 3 Asset lebih dari 5Triliyun pada tahun 2005 sampai dengan tahuin 2007 memiliki persamaan sebagai berikut: Y= -1,558 + 59,264 ebitta. Hal ini dapat diartikan sebagai berikut : Pada kondisi asset kurang dari 5 Triliyun atau kondisi bangkrut: nilai negatif 1,099 artinya tanpa 92 ada ebitta, kondisi bank yang bangkrut terhadap model Altman akan negatif sebesar 1,099 sedangkan nilai negatif 2,204 artinya tanpa ada ebitta, kondisi bank yang bangkrut terhadap model Altman akan negatif sebesar 2,204. Pada kondisi asset lebih dari 5 Triliyun atau kondisi tidak bangkrut ini terbagi menjadi dua yaitu: pertama, tahun 2004 dengan nilai negatif 1,695 artinya tanpa ada ebitta, kondisi bank yang bangkrut terhadap model Altman akan negatif sebesar 1,695 sedangkan nilai positif 67,555 artinya dengan adanya kenaikan ebitta, kondisi bank yang bangkrut terhadap model Altman akan naik sebesar 67,555 kedua, yaitu tahun 2005- 2007 nilai negatif 1,558 artinya tanpa ada ebitta, kondisi bank yang bangkrut terhadap model Altman akan negatif sebesar 1,558 sedangkan nilai positif 59,264 artinya dengan adanya kenaikan ebitta, kondisi bank yang bangkrut terhadap model Altman akan naik sebesar 59,264. Ebitta dalam analisis diskriminan ini mencerminkan keseluruhan kekuatan perusahaan dalam mendatangkan pendapatan, melemahnya faktor ini merupakan indikator terbaik akan hadirnya kebangkrutan, karena berjalannya suatu perusahaan bergantung juga pada laba yang diperoleh perusahaan. 93

5. Mengukur validitas

Table: 4.11 Classification Resultsb,c KONDISI Predicted Group Membership Total 5T2004-2007 5T2004 5T2005-2007 Original Count 5T2004-2007 24 24 5T2004 2 10 1 13 5T2005-2007 10 18 11 39 5T2004-2007 100,0 ,0 ,0 100,0 5T2004 15,4 76,9 7,7 100,0 5T2005-2007 25,6 46,2 28,2 100,0 Cross- validateda Count 5T2004-2007 24 24 5T2004 2 8 3 13 5T2005-2007 10 18 11 39 5T2004-2007 100,0 ,0 ,0 100,0 5T2004 15,4 61,5 23,1 100,0 5T2005-2007 25,6 46,2 28,2 100,0 Sumber: Data Diaolah. Tabel ini digunakan untuk mengtahui tingkat ketepatan dan stabiits model diskriminan yang terbentuk godness of fit. Untuk mengetahui tingkat keakuratan pengelompokan dari hasil perhitungan perdiction dengan mengelompkan hasil dari observasi actual dari nilai persentase antar jumlah pengelompokan yang benar dengan total sampel ukuran ini disebut dengan hit ratio Untuk menemukan baik tidaknya tentang Hit ratio, maka nilai ini dibandingkan dengan perubahan proporsional C pro dan perubahan maksimum C max, untuk lebih jelasnya dapat dilihat pada gambar berikut: 94 Jika hit ratio di daerah ini, maka sangat tidak akurat Jika hit ratio di daerah ini, maka kurang akurat Jika hit ratio di daerah ini, maka akurat 0 C pro C max 100 Hit ratio = n benar : N x 100 C pro = p 2 + 1+p 2 C max = n max : N x 100 dimana: n benar = jumlah sampel dengan alokasi prediksi yang benar p = proporsi jumlah sampel dikelompok 1 1-p = proporsi jumlah sampel dikelompok 2 n max = jumlah sampel terbesar pada salah satu kelompok N = jmlah sampel secara keseluruhan Jumlah sampel dengan alokasi yang benar adalah yang pada data awal tergolong kondisi “bangkrut” dan dari model diskriminan dapat diprediksi tetap pada golongan ‘bangkrut” atau diakatakan ada kesesuian antar prediksi dengan realita adalah sebanyak 24 bank demikian juga dengan kondisi“tidak bangkrut” yang pada data awal pada kodisi “tidak bangkrut” dan dari model diskriminan diprediksikan ke kondisi “tidak bangkrut” atau dikatakan ada kesesuian antara prediksi dengan realita sejumlah 40 bank. Dengan demikian toal sampel yang diprediksi dengan benar adalah 64 bank Sedangkan yang melesat adalah bank realitanya “bangkrut” diprediksi “tidak nbangkrut” dan tidak ada realitanya “tidak bangkrut” diprediksi 95 “bangkrut”. Dengan demikin total sampel yang melesat adalah 12 bank berdarakan data ini dapat kita uji nilai ketepatan modelnya sebagi berikut: Hit ratio= n benar : N x 100 Hit ratio = 24 + 40 = 6476 x 100 = 84,2 C pro = p 2 + 1+p 2 p 2 = 2476 =0,316 C pro = 0,316 + 1-0,316 2 = 0,368 x 100 = 36,8 C max = n max : N x 100 C max = 5276 = 0,684 x100 =68,4 Karena nilai Hit ratio lebih besar dari niai C max maka dapat dikatakan bahwa tingkat kondisi dari hasil perhitungan analisis diskriminan adalah akurat Untuk menguji stabilitas model diskriminan, yaitu apakah ada kemungkinan pengalokasian dari tiap sample dalam kelompok stabil atau tidak sebagi akibat adanya peurbahan jumlah sampel yang diteliti, maka digunakn nilai pressQ. Press Q = [N-n-k]2 Nk-1 dimana: n = Jumlah sampel n = Jumlah sampel yng bebs pengalokaiannya k = Jumlah kondisi 96 Kemudian kita bandingkan niali press Q dengan nilai tabel chi square pada tingkat keyakinan tertentu dengan pada degree of freedom sebesar 1.dengan kriteria keputusan sebagai berikut: jika pressQZ 2 , maka hasil analisis diskriminan dinyatakan tidak stabil dari output diatas dapat dihitung besarnya niai pessQ adalah sebagi berikut. Press Q = [ 76-64x2] 2 762-1 = 35,57 Nilai chi square 15,69 karena nila Z 2 sebesar 6,63 maka pressQZ 2 karena nilai pressQ lebih besar dari niaali tabel chi square, sehinggga dapat dinyatakan bahwa model diskriminan yang terbentuk dinyatakan stabi

D. Interpretasi