Analisis Statistik Deskriptif Likuditas

jurnal, literature ilmiah, penelitiaan terdahulu, laporan-laporan yang dipublikasikan serta data-data yang diperoleh dari media internet.

3.8 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah : a. Tahap pertama dilakukan melalui studi pustaka yakni pengumpulan data pendukung berupa literatur, penelitian terdahulu, dan laporan- laporan yang dipublikasikan untuk mendapatkan gambaran penelitian ini. b. Tahap kedua dilakukan melalui pengumpulan data sekunder yang diperlukan berupa laporan-laporan yang dipublikasikan oleh Bursa Efek Indonesia melalui www.idx.co.id.

3.9 Metode Analisis Data

Keseluruhan data yang terkumpul selanjutnya dianalisis untuk dapat memberikan jawaban dari masalah yang dibahas dalam penelitian ini. Dalam menganalisis data, peneliti menggunakan program SPSS. Metode analisis data yang digunakan dalam penelitian ini adalah metode analisis statistik.

3.9.1 Analisis Statistik Deskriptif

Analisis statistik deksriptif merupakan metode-metode statistik yang berfungsi untuk menggambarkan data yang telah dikumpulkan. Suatu data dapat dideskripsikan melalui mean, standar deviasi, varian, maksimum atau nilaai tertinggi pada data, minimum atau nilai terendah pada ata, sum, range, swekness, dan kurtosis Ghozali, 2011.

3.9.2 Uji Asumsi Klasik

Model penelitian sebaiknya diuji terlebih dahulu asumsi klasiknya untuk memastikan tidak adanya bias atau rancu yang dapat membuat hasil penelitian menjadi tidak akurat Sunjoyo dkk. 2013:54. Pengujian asumsi klasik yang digunakan dalam penelitian ini adalah uji normalitas, uji heteroskedastisitas, uji multikolinieritas.

3.9.2.1 Uji Normalitas Uji normalitas bertujuan untuk menguji apakah dalam model

regresi, variabel penganggu atau residual memiliki distribusi normal. Model regresi yang baik memiliki distribusi data yang normal atau mendekati normal Ghozali,50 : 2011. Sedangkan menurut Erlina 2008:102 “tujuan dari uji normalitas adalah untuk mengetahui apakah dalam model regresi variabel pengganggu atau residual memiliki distribusi normal”. Uji Normalitas bertujuan untuk menguji apakah model regresi berdistribusi normal. Uji normalitas dapat dilakukan dengan analisis grafik yaitu pada Normal P-P Plot of Regression Standarizied Residual. Apakah titik menyebar di sekitar garis diagonal maka data telah berdistribusi normal. Normal P-P Plot of Regression Standarizied Residual.

3.9.2.2 Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan varians dari residual satu pengamatan ke pengamatan yang lain. Jika varians dari residual satu pengamatan ke pengamatan yang lain tetap, maka disebut homoskedastisitas dan jika berbeda disebut heteroskedastisitas. Model regresi yang baik adalah yang homoskedastisitas atau yang tidak terjadi heteroskedastisitas. Untuk melihat ada tidaknya heteroskedastisitas dapat dilakukan dengan mengamati grafik Scaterplot antara nilai prediksi variabel independen dengan nilai residualnya. Dasar yang digunakan untuk menentukan heteroskedastisitas antara lain : 1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu yang teratur bergelombang, melebar kemudian menyempit, maka mengindikasikan telah heteroskedastisita. 2. Jika tidak ada pola yang jelas, serta titik-titik yang menyebar di atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi heteroskedastisitas.

3.9.2.3 Uji Multikolinieritas

Multikolinieritas adalah situasi adanya korelasi variabel-variabel independen antara yang satu dengan yang lainnya. Menurut Erlina 2008 : 105 “uji multikolinieritas ini bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi di antara variabel independen”. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Sementara Menurut Gozhali 2006 menyatakan bahwa: Uji multikolinieritas bertujuan untuk menguji apakah di dalam model regresi ditemukan adanya korelasi antar variabel bebas independen. Model regresi yang baik seharusnya tidak terjadi korelasi diantara variabel independen. Jika variabel independen saling berkolerasi, maka variabel-variabel ini tidak ortogonal. Variabel ortogonal adalah variabel independen yang nilai korelasi antar sesama variabel independen sama dengan nol. Untuk mendeteksi ada tidaknya multikolonieritas dalam model regresi dapat dilihat dari : 1 nilai tolerance dan lawannya, dan 2 Variance Inflation Factor VIF. Kedua ukuran ini menunjukkan setiap variabel independen manakah yang dijelaskan oleh variabel independen lainnya. Tolerance mengukur variabilitas variabel independen yang terpilih yang tidak dijelaskan oleh variabel independen lainnya. Jadi, nilai tolerance yang rendah sama dengan nilai VIF yang tinggi karena VIF = 1 tolerance. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolonieritas adalah nilai tolerance 0.10 atau sama dengan VIF 10.

3.9.3 Pengujian Hipotesis

Pengujian hipotesis dilakukan dengan menggunakan regresi logistik logistic regression yaitu peneliti ingin menguji apakah probabilitias terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya. Pada pengujian ini dilakukan dengan mengkategorikan variabel terikatnya ke dalam kelompok- kelompok tertentu, yaitu financial distress dan non financial distress.

3.9.3.1 Analisis Regresi Logistik

Dalam menguji hipotesis dengn menggunakan logistic regression dapat dilakukan dengan langkah sebagai berikut : a. Menilai Model Regresi Logistic regression merupakan model regresi yang telah mengalami modifikasi, sehingga karakteristiknya sudah tidak lagi sama dengan modelnya yang sederhana atau berganda. Oleh karena itu, penentuan siginifikansinya secara statistik berbeda. Kesesuaian model Goodness of Fit dapat dilihat dari ataupun F-Test. Untuk menilai Model Fit ditunjukkan dengan Log Likelihood Value nilai - 2LL, yaitu dengan cara membandingkan antara konstanta dengan nilai -2LL. Sedangkan, pada saat block number = 1, dimana model memasukkan konstanta dan variabel bebas. Apabila nilai -2LL block nimber = 0 lebih besar dari nilai -2LL block number = 1, maka menunjukkan model regresi yang baik sehingga penurunan Log Likelihood menunjukkan model regresi semakin baik. b. Menguji Koefesien Regresi Pengujian koefesien regresi dilakukan untuk menguji seberapa jauh semua variabel bebas yang dimasukkan dalam model mempunyai pengaruh terhadap variabel terikat. Koefesien regresi dapat ditentukan dengan menggunakan Wald Statistic dan nilai probabilitas Sig dengan cara nilai Wald Statistic dibandingkan dengan Chi-Square tabel, sedangkan nilai probabilitas Sig dibandingkan dengan tingkat signifikasi α. Untuk menentukan penerimaan atau penolakan Ho didasarkan pada tingakt signifikasi α 5, dengan kriteria : 1. Ho tidak dapat ditolak apabila nilai Asymptotic Significance tingkat signifikansi α. Hal ini berarti H alternatif ditolak atau hipotesis yang menyatakan variabel bebas berpengaruh terhadap variabel terikat ditolak. 2. Ho ditolak apabila nilai Asymptotic Significance tingkat signifikansi α. Hal ini berarti H alternatif diterima atau hipotesis yang menyatakan variabel bebas yang berpengaruh terhadap variabel terikat diterima. c. Estimasi parameter dan Interpretasinya Estimasi maksimum Likelihood parameter dari model dapat dilihat pada tampilan output variable in the equation. Sedangkan untuk perhitungan logistic regression dapat menggunakan persamaan sebagai berikut : Ln = =DISTRESSED= β + β 1 LIKUID 1 + β 2 EBT 2 + β 3 CF 3 + e Keterangan : : Probabilitas perusahaan mengalami financial distress β : Konstanta β 1 , β 2, β 3 : Koefesien regresi LIKUID : Rasio Likuiditas EBT :Rasio Laba CF : Rasio Arus Kas e : Error BAB IV HASIL PENELITIAN DAN PEMBAHASAN

4.1 Gambaran Umum

Laporan keuangan memberikan data-data yang relevan mengenai kinerja perusahaan, maka dapat melakukan dalam mengukur kemampuan perusahaan untuk bertahan. Kondisi financial distress merupakan salah satu kondisi dimana suatu perusahaan dapat dikategorikan dalam kondisi yang mengalami tekanan dalam hal keuangannya. Jika perusahaan banyak mengalami financial distress dalam jangka waktu yang lama, hal ini menunjukkan bahwa perusahaan berada di batas kebangkrutan. Sebagaimana berdasarkan tujuan penelitian ini, dimana pengujian terhadap terjadinya kondisi financial distress akan dibuktikan dipengaruhi oleh rasio likuiditas, laba dan arus kas yang dimiliki oleh perusahaan. Jumlah perusahaan yang digunakan dalam penelitian ini bervariasi yang diperoleh dari perusahaan yang terdaftar di BEI dengan periode penelitian tahun 2010-2012. Sebagaimana sejalan dengan tujuan penelitian ini, maka dari seluruh sampel terlebih dahulu diteliti apakah perusahaan mengalami kondisi financial distress atau tidak. Dan total sampel data sebanyak 225 dari penelitian tahun 2010 hingga 2012 untuk memprediksikan financial distress. Selanjutnya akan ditinjau pula terhadap rasio likuiditas, rasio dari laba sebelum pajak terhadap total aset dan rasio dari arus kas terhadap total aset. Ketiga variabel tersebut digunakan sebagai prediktor dan selanjutnya akan diuji apakah kondisi keuangan tersebut akan mempengaruhi kondisi financial distress yang terjadi. 4.2 Hasil Penelitian 4.2.1 Uji Statistik Deskriptif Deskriptif statistik menjelaskan besarnya nilai rata-rata, deviasi standar, nilai minimum, dan nilai maksimum untuk variabel-variabel kecuali variabel dummy. Hasil statistik deskriptif disajikan pada Tabel 4.2 di bawah ini. Tabel 4.1 Hasil Deskriptif Statistik Variabel Penelitian N = 75 Descriptive Statistics N Minimum Maximum Mean Std. Deviation Likuiditas 225 ,4800 7,5152 2,1347 1,4392 Laba 225 -,1147 1,0815 ,1306 ,1379 Arus Kas 225 ,0003 ,5836 ,1046 ,1095 Financial Distress 225 1 ,07 ,258 Valid N listwise 225 Sumber : Output SPSS 18, Diolah 2015 Berikut ini adalah perincian deskriptif dari data yang telah diolah : 1. Variabel Likuiditas memiliki jumlah sampel N sebanyak 225, dengan nilai minimum 0,48 dan nilai maksimum 7,5152 serta mean nilai rata- rata 2,1347. Standard deviation simpangan baku variabel ini adalah 1,4392. 2. Variabel Laba memiliki jumlah sampel N sebanyak 225, dengan nilai minimum -0,1147 dan nilai maksimum 1,0815 serta mean nilai rata- rata 0,1306. Standard deviation simpangan baku variabel ini adalah 0,1379. 3. Variabel Arus Kas memiliki jumlah sampel N sebanyak 225, dengan nilai minimum 0,0003 dan nilai maksimum 0,5836 serta mean nilai rata-rata 0,1046. Standard deviation simpangan baku variabel ini adalah 0,1095. 4. Variabel Likuiditas memiliki jumlah sampel N sebanyak 225, dengan nilai minimum 0 dan nilai maksimum 1 serta mean nilai rata-rata 0,07. Standard deviation simpangan baku variabel ini adalah 0,258.

4.2.2 Uji Asumsi Klasik

4.2.2.1 Uji Normalitas

Uji Normalitas bertujuan untuk menguji apakah model regresi berdistribusi normal. Uji normalitas dapat dilakukan dengan analisis grafik yaitu pada Normal P-P Plot of Regression Standarizied Residual. Apakah titik menyebar di sekitar garis diagonal maka data telah berdistribusi normal. Normal P-P Plot of Regression Standarizied Residual. Gambar 4.1 :Pegujian Normalitas. Sumber : Output SPSS 18, Diolah 2015 Gambar 4.1 dapat dilihat bahwa titik-titik menyebar mengikuti data di sepanjang garis diagonal, hal ini berarti data berdistribusi normal.

4.2.2.2 Uji Heteroskedastisitas

Uji heteroskedastisitas dapat dilakukan dengan grafik dan analisis statistic berupa Uji Glejser. Melalui analisis grafik, suatu model regresi dianggap tidak terjadi heteroskedastisitas jika titik-titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas serta tersebar di atas maupun di bawah angka nol pada sumbu Y. Scatterplot Gambar 4.2 : Pengujian Heteroskedastisitas. Sumber : Output spss 18, Diolah 2015 Pada gambar 4.2 dapat dilihat bahwa titik menyebar secara acak dan tidak membentuk suatu pola tertentu yang jelas serta tersebar baik di atas maupun di bawah angka nol pada sumbu Y. Hal ini tidak terjadi heteroskedasitisitas pada model regresi, sehingga model regresi layak dipakai untuk memperdiksi kondisi financial distress pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia berdasarkan variabel independennya.

4.2.2.3 Uji Multikolinieritas

Gejala multikolinieritas dapat dilihat dari besarnya nilai Tolerance dan VIF Variance Inflation Factor. Kedua ukuran ini menunjukkan setiap variabel indenpenden manakah yang dijelaskan oleh variabel dependen lainnya. Tolerance adalah mengukur variabalitas variabel independen yang terpilih yang tidak dijelaskan variabel independen lainnya. Nilai yang dipakai untuk Tolerance 0,10 dan VIF 10, maka tidak terjadi multikolinieritas. Tabel 4. 2 Uji Multikolinieritas Coefficients a Model Collinearity Statistics Tolerance VIF 1 Likuiditas ,552 1,810 Laba Bersih ,857 1,167 Arus Kas ,529 1,892 a. Dependent Variable: Financial Distress Sumber : Output SPSS 18, Diolah 2015 Pada tabel 4.2 memperlihatkan semua nilai variabel independen memiliki nilai Tolerance 0,1 dan VIF 10,00. dimana nilai tolerance variabel Rasio Likuiditas 0,552 1,0; nilai tolerance Laba Bersih 0,857 0,1 dan nilai tolerance Arus Kas 0,529 1.00 demikian juga nilai VIF variabel Rasio Likuiditas 1,810 10,00; nilai VIF Laba Bersih 1,167 10,00 dan nilai VIF Arus Kas 1,892 10,00. Dengan demikian dapat ditarik kesimpulan dalam penelitian ini berarti tidak terjadi multikolinieritas.

4.2.3 Pengujian Hipotesis

Untuk menguji hipotesis adanya pengaruh rasio laba sebelum pajak dan arus kas terhadap terjadinya financial distress akan digunakan analisis regresi logistik.

4.2.3.1 Analisis Regresi Logistik

Penggunaan analisis regresi logistik ini adalah karena variabel terikat yaitu financial distress adalah merupakan data yang berbentuk dummy, dimana variabel ini merupakan variabel yang dinyatakan dalam nilai 0 untuk menunjukkan perusahaan dalam kondisi sehat non financial distress dan nilai 1 yang menunjukkan bahwa perusahaan dalam kondisi financial distress.

4.2.3.1.1 Uji Kelayakan Model Penelitian Goodness of Fit

Pengujian regresi logistik juga diuji terhadap ketepatan antara prediksi model regresi logistik dengan data hasil pengamatan yang dinyatakan dalam uji kelayakan model goodness of fit. Pengujian ini diperlukan untuk memastikan tidak adanya kelemahan atas kesimpulan model yang diperoleh. Pengujian ini dilakukan dengan menggunakan pengujian terhadap nilai -2 log likelihood. Nilai -2 log likelihood yang rendah menunjukkan bahwa model akan semakin fit. Tabel 4.3 Hasil Uji Likelihood -2 log likelihood Awal Block Number 0 115,427 -2 log likelihood Awal Block Number 1 36,107 Pengujian pada blok 0 atau pengujian dengan tidak memasukkan seluruh prediktor diperoleh nilai -2 log likelihood sebesar 115,427. Nilai tersebut tidak mengalami penurunan rendah yang menunjukkan sebagai model yang belum dapat menjelaskan hubungan variabel bebas dan variabel terikatnya. Sedangkan pada blok 1 setelah memasukkan variabel likuiditas, laba dan arus kas ke dalam model diperoleh nilai -2 log likelihood sebesar 36, 107. Hal ini menunjukkan ada penurunan nilai -2 log likelihood yang cukup besar yang memungkinkan akan semakin adanya hubungan antara variabel bebas dengan variabel terikatnya. Penentuan nilai -2 log likelihood tersebut disajikan dalam nilai chi-square dalam omnibus test of model coefficient. Uji kemaknaan koefesien regresi secara keseluruhan dari 3 prediktor secara keseluruhan dilakukan dengan menggunakan omnibus test of model coefficient. Hasil pengujian omnibus test diperoleh nilai chi- square penurunan nilai -2 likelihood sebesar 79,32 dengan signifikansi sebesar 0,000. Dengan nilai signifikansi yang lebih kecil dari 0,05 tersebut maka dapat disimpulkan bahwa secara bersama- sama financial distress dapat diprediksi oleh ketiga prediktor dalam model. Tabel 4.4 Nilai Chi-Square Omnibus Tests of Model Coefficients Chi-square df Sig. Step 1 Step 79,319 3 ,000 Block 79,319 3 ,000 Model 79,319 3 ,000 Sumber : Output SPSS 18, Diolah 2015 Berdasarkan tabel 4.4 di atas, dapat dilihat bahwa korelasi bersama likuiditas, laba, dan arus kas terhadap financial distress denan teknik Chi-Square didapat nilai Chi-Square 79,319 dengan nilai Sig 0,000 0,05 berarti secara bersama-sama bahwa likuiditas, laba, dan arus kas berhubungan dengan financial distress.

4.2.3.1.2 Uji Koefesien Secara Parsial

Hasil empiris model regresi logistik dengan variabel rasio keuangan sebagai prediktor kondisi kesulitan keuangan pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia dari tahun 2010-2012 adalah : Tabel 4.5 Rangkuman Hasil Analisis Regresi Logistik Variables in the Equation B S.E. Wald df Sig. ExpB St e p 1 a Likuiditas ,409 ,419 ,952 1 ,329 1,505 Laba - 179,730 48,596 13,679 1 ,000 ,000 ArusKas 5,479 12,072 ,206 1 ,650 239,517 Constant 1,802 1,080 2,785 1 ,095 6,060 a. Variables entered on step 1: Likuiditas, Laba, ArusKas. Sumber : Output SPSS 18, Diolah 2015 Berdasarkan Tabel 4.4 di atas, dapat diketahui bahwa dapat dibentuk persamaa regresi logitik yang digunakan dalam penelitian ini: Ln = = 1,802 + 0,409X1 - 179,730X2 + 5,479 X3 + e Keterangan : : Financial Distress X1 : Likuiditas X2 : Laba X3 : Arus Kas Konstanta sebesar1,802 menyatakan bahwa jika tidak diperhitungkan nilai likuiditas, laba, dan arus kas, maka kemungkinan financial distress sebesar 1,802. Model di atas dapat diinterpretasikan sebagai berikut : 1. Variabel X1 likuiditas menunjukkan nilai koefesien sebesar 0,409 dengan tingkat signifikan 0,329 lebih besar dari 0,05 5 artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefesien positif dan tidak signifikan terhadap financial distress. Tanda positif pada koefesien likuiditas menunjukkan bahwa semakin tinggi likuiditas perusahaan maka akan meningkatkan kemungkinan terjadinya financial distress. 2. Variabel X2 laba menunjukkan koefesien sebesar -179,730 dengan tingkat signifikan 0,000 lebih kecil dari 0,05 5 artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefesien negatif dan signifikan terhadap financial distress. Tanda negatif pada koefesien laba menunjukkan bahwa semakin tinggi laba perusahaan maka akan menurunkan kemungkinan terjadinya financial distress. 3. Variabel X3 arus kas menunjukkan koefesien sebesar 5,479 dengan tingkat signifikan 0,65 lebih besar dari 0,05 5 artinya dapat disimpulkan bahwa variabel ini memiliki pengaruh koefesien positif dan tidak signifikan terhadap financial distress. Tanda positif pada koefesien arus kas menunjukkn bahwa semakin tinggi arus kas maka akan meningkatkan kemungkinan terjadinya financial distress. Nilai signifikan yang berada di atas 0,05 menunjukkan tidak adanya pengaruh yang signifikan arus kas terhadap financial distress.

4.2.3.1.3 Koefesien Determinasi

Untuk mengetahui besarnya variasi prediksi dari kedua variabel tersebut terhadap financial distress dapat dilihat dari nilai R square. T Tabel 4.6 menunjukkan koefesien determinan regresi logistik yakni 0,740 sehingga dapat dikatakan kontribusi variabel likuiditas, laba dan arus kas terhadap financial distress adalah sebesar 74.

4.2.3.1.4 Tabel Klasifikasi

Untuk memperjelas gambaran atas ketepatan model regresi logistik dengan data observasi dapat ditunjukkan dengan tabel klasifikasi yang berupa tabel tabulasi silang antara hasil Tabel 4.6 Model Summary Step -2 Log likelihood Cox Snell R Square Nagelkerke R Square 1 36,107 a ,297 ,740 prediksi dan hasil observasi. Tabulasi silang sebagai konfirmasi tidak adanya perbedaan yang signifikan antara data hasil observasi dengan data prediksi dapat dilihat pada tabel sebagai berikut : Tabel 4.7 Kemampuan Prediksi Model Regresi Logistik Classification Table a Observed Predicted Financial Distress Percenta ge Correct Non Financial Distress Financia l Distress Ste p 1 Financial Distress Non Financial Distress 206 3 98,6 Financial Distress 6 10 62,5 Overall Percentage 96,0 a. The cut value is ,500 Sumber : Output SPSS 18, Diolah 2015 Berdasarkan tabel di atas tentang persentase ketepatan model dalam mengklasifikasi percentage correct observasi adalah 96 artinya dari 225 sampel ada 216 sampel observasi yang tepat pengklasifikasiannya oleh model regresi logistik.

4.3 Pembahasan Hasil Penelitian

Berdasarkan hasil analisis di atas maka dapat disimpulkan bahwa variabel variabel laba berpengaruh secara signifikan mempengaruhi prediksi financial distress, sedangkan likuditas dan arus kas tidak berpengaruh secara signifikan terhadap prediksi financial distress.

4.3.1 Likuditas

Variabel Rasio Likuiditas tidak berpengaruh secara signifikan pada probabilitas 0,329 0,05 koefisien regresi adalah sebesar 0,409 dan bertanda positif. Hal ini menunjukkan bahwa hipotesis H 1 dalam penelitian ini dapat diterima dan terbukti bahwa rasio likuiditas yakni rasio aset lancar terhadap hutang lancar tidak dapat digunakan untuk memprediksi kondisi financial distress perusahaan. Hal ini sejalan dengan penelitian terdahulu Hanifah et al 2013 dan Widarjo et al 2009 yang menyatakan bahwa likuiditas tidak berpengaruh secara signifikan terhadap prediksi financial distress. Likuiditas tidak memiliki pengaruh yang signifikan dalam memprediksi kondisi financial distress dikarenakan tidak adanya perbedaan yang berarti antara likuditas perusahaan yang mengalami kondisi financial distress dan perusahaan yang tidak mengalami financial distress. Ketentuan rasio likuiditas yang dianggap baik adalah berada pada kisaran 2, artinya setiap 1 hutang lancar yang dimiliki perusahaan maka tersedia 2 aset lancar untuk menutupinya. Hal ini akan lebih menjamin bahwa perusahaan akan mampu melunasi kewajiban lancarnya yang jatuh tempo secara tepat waktu sehingga potensi financial distress akan semakin kecil. Namun rata-rata likuiditas perusahaan manufaktur yang terdaftar di BEI dari tahun 2010 hingga 2012 berada di atas 2, yang berarti akitva lancar perusahaan mampu untuk menutupi kewajiban lancar perusahaan. Dari keseluruhan sampel yang diteliti dapat disimpulkan bahwa tidak ada perbedaan yang cukup signifikan pada rasio likuiditas perusahaan yang mengalami financial distress dan perusahaan yang tidak mengalami financial distress. Berdasarkan teori keagenan, diketahui bahwa agent bertanggung jawab terhadap principal. Dan salah satu bentuk pertanggungjawaban tersebut melalui laporan keuangan perusahaan, termasuk menunjukkan berapa jumlah kewajiban perusahaan. Dengan kemampuan perusahaan yang baik dalam membayar kewajiban dari aktiva lancar yang dimiliki, maka agent telah berhasil menjalankan perannya, dan keberhasilan tersebut dapat menarik perhatian principal serta investor untuk berinvestasi. 4.3.2 Laba Variabel Laba memiliki tingkat signifikansi yang paling tinggi dibandingkan dengan variabel lainnya. Variabel Laba signifikan pada probabilitas 0,000 0,05 dengan koefisien regresi adalah sebesar 179,730 dan bertanda negatif. Hal ini menunjukkan bahwa hipotesis H 2 dalam penelitian ini dapat diterima dan terbukti bahwa rasio laba sebelum pajak terhadap total aset dapat digunakan dalam memprediksi kondisi financial distress perusahaan. Hal ini sejalan dengan penelitian terdahulu Atmini 2005 dan Wahyuningtias 2010 yang menyatakan bahwa laba sebelum pajak berpengaruh secara signifikan terhadap financial distress. Berdasarkan hasil penelitian ini diperoleh bahwa model financial distress dengan pertimbangan terjadinya penurunan laba dapat dijelaskan oleh laporan laba rugi sebelum pajak yang dimiliki oleh perusahaan. Alasan yang cukup mendasar atas diperolehnya hasil yang signifikan adalah bahwa nampaknya kondisi keuangan yang agak memprihatinkan dari suatu perusahaan, akan menjadikan sinyal atau early warning peringatan dini bagi perusahaan bahwa mereka dapat mengalami tekanan keuangan atau financial distress. Salah satu kegunaan dari informasi laba yaitu untuk mengetahui kemampuan perusahaan dalam pembagian deviden kepada para investor. Laba bersih suatu perusahaan digunakan sebagai dasar pembagian deviden kepada investornya. Jika laba bersih yang diperoleh perusahaan sedikit atau bahkan mengalami rugi maka pihak investor tidak akan mendapatkan deviden. Hal ini jika terjadi berturut-turut akan mengakibatkan para investor menarik investasinya karena mereka menganggap perusahaan tersebut mengalami kondisi permasalahan keuangan atau financial distress. Kondisi ini ditakutkan akan terus menerus terjadi yang nantinya akan berakhir pada kondisi kebangkrutan. Oleh karena itu, agent harus mengelola perusahaan dengan baik agar dapat mengendalikan kondisi perusahaan agar dapat mempertahankan kelangsungan hidup perusahaan.

4.3.3 Arus Kas