54
Lanjutan Tabel 3.2
17 CTTH Citatah Tbk √
√ 6
18 DEWA Darma Henwa Tbk √
√ 7
19 DKFT Central Omega Resources Tbk √
√ 8
20 DOID
Delta Dunia Makmur Tbk √
√ 9
21 ELSA
Elnusa Tbk √
√ 10
22 ENRG Energi Mega Persada Tbk. √
X 23
ESSA Surya Esa Perkasa Tbk.
√ X
24 GEMS Golden Energy Mines Tbk √
√ 11
25 GTBO Garda Tujuh Buana Tbk. √
X 26 HRUM Harum Energy Tbk
√ √
12 27
INCO Vale Indonesia Tbk
√ √
13 28
ITMG Indo Tambangraya Megah Tbk √
√ 14
29 KKGI
Resource Alam Indonesia Tbk √
√ 15
30 MBAP Mitrabara Adiperdana Tbk. √
X 31 MEDC Medco Energi International Tbk
√ √
16 32
MITI Mitra Investindo Tbk
√ √
17 33 MYOH Samindo Resources Tbk.
√ X
34 PKPK Perdana Karya Perkasa Tbk
√ √
18 35
PSAB J Resources Asia Pasifik Tbk.
√ X
36 PTBA
Tambang Batubara Bukit Asam Persero Tbk
√ √
19 37
PTRO Petrosea Tbk √
√ 20
38 RUIS
Radiant Utama Interinsco Tbk √
√ 21
39 SMMT Golden Eagle Energy Tbk. √
X 40 SMRU SMR Utama Tbk
√ √
22 41
TINS Timah Persero Tbk
√ √
23 42 TKGA Permata Prima Sakti Tbk.
√ X
43 TOBA Toba Bara Sejahtra Tbk. √
X Sumber: www.idx.co.id Data Diolah Peneliti
3.6 Jenis Data dan Sumber Data
Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif, yaitu data yang berupa angka atau bilangan. Berdasarkan sumber data, penelitian
ini menggunakan data sekunder. Menurut Erlina 2011 data sekunder adalah data yang telah dikumpulkan oleh lembaga pengumpul data dan dipublikasikan kepada
Universitas Sumatera Utara
55
masyarakat pengguna data. Data penelitian ini didapatkan dari www.idx.co.id, berupa laporan keuangan dan laporan tahunan perusahaan pertambangan yang
terdaftar di Bursa Efek Indonesi BEI selama tahun 2011 sampai tahun 2015.
3.7 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah studi dokumentasi, yaitu dengan mengumpulkan data sekunder berupa laporan
keuangan dan laporan tahunan perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia BEI dari tahun 2011-2015.
3.8 Teknik Analisis Data
Untuk mengolah dan menganalisis data, peneliti menggunakan menggunakan bantuan program statistik, software SPSS for windows. Adapun
metode analisis data yang digunakan dalam penelitian ini menggunakan tahap- tahap sebagai berikut.
3.8.1 Analisis Statistik Deskriptif
Statistik deskriptif digunakan untuk memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai minimum, nilai maksimum, nilai
rata-rata mean, standar deviasi, varian, sum, range, kurtosis, skewness kecenderungan distribusi dari variabel-variabel yang akan diuji Ghozali,
2006. Dalam penelitian ini data yang akan diteliti dikelompokkan dalam
Universitas Sumatera Utara
56
dua kategori, yaitu perusahaan financial distress dan perusahaan non- financial distress.
3.8.2 Analisis Regresi Logistik
Metode analisis yang digunakan untuk menguji hipotesis dalam penelitian ini adalah regresi logistik logistic regression. Regresi logistik
adalah regresi yang digunakan untuk menguji apakah probabilitas terjadinya variabel terikat variabel dependen dapat diprediksi oleh variabel bebasnya
variabel independen. Penggunaan regresi logistik dilakukan karena variabel dependen merupakan variabel dikotomi yang terdiri dari dua
kategori variabel dummy dengan satu variabel dependen terikat yang non-metric nominal serta memiliki variabel independen bebas lebih dari
satu. Dalam penggunaannya, regresi logistik tidak memerlukan distribusi yang normal pada variabel bebasnya variabel independen. Di samping itu,
teknik analisis ini tidak memerlukan uji normalitas, uji heteroskedastisitas, dan uji asumsi klasik pada variabel bebasnya Ghozali, 2006. Secara
sistematis, dapat dirumuskan dengan berikut:
Y =
a +
b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ b
4a
X
4a
+ b
4b
X
4b
+ b
5
X
5
+
e
Dimana:
Y = Probabilitas perusahaan mengalami financial distress
a =
Konstanta X
1
= Jumlah Dewan Direksi
Universitas Sumatera Utara
57
X
2
= Jumlah Dewan Komisaris X
3
= Jumlah Anggota Audit X
4a
= Jumlah Dewan Direksi Baru yang Masuk X
4b
= Jumlah Dewan Direksi Lama yang Keluar X
5
= Kualitas Audit b
1
-b
5
= Koefisien Regresi e
= Standar error Dalam melakukan analisis regresi logistik, dilakukan pengujian-pengujian
berikut ini : 1.
Menguji kelayakan dengan Goodness of Fit Test Kelayakan regresi dinilai dengan menggunakan Hosmer and Lemeshow’s
Goodness of Fit Test untuk menguji hipotesa nol, bahwa tidak ada perbedaan antara model dengan datanya model yang dihipotesakan fit dengan data.
Syaratnya adalah Situmorang dan Lufti, 2012:256 : Jika probabilitas 0,05 maka Ho diterima
Jika probabilitas ≤ 0,05 maka Ho ditolak
2. Menilai Overall Model Fit
Penilaian kesesuaian model dengan variabel bebas atau prediktor dilakukan dengan menggunakan fungsi Likelihood Ghozali, 2011:228.
Likelihood L dari model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input. Konstanta L ditransformasikan menjadi .2LogL
Universitas Sumatera Utara
58
terlebih dahulu untuk tujuan penilaian. Statistik -2LogL pada awal block number = 0 dengan angka - 2LogL pada block number = 1 dapat juga digunakan untuk
menentukan jika variabel bebas ditambahkan pada model apakah secara signifikan memperbaiki model fit, apabila terjadi penurunan maka dapat ditarik kesimpulan
bahwa model tersebut menunjukkan model regresi yang baik. 3.
Koefisien Determinasi Koefisien determinasi digunakan untuk mengetahui seberapa besar
variabilitas variabel–variabel independen mampu memperjelas variabilitas variabel dependen. Koefisien determinasi pada regresi logistik dapat dilihat pada
nilai Nagelkerke R Square. Nilai Nagelkerke R Square dapat diinterpretasikan seperti nilai R Square pada regresi berganda Ghozali, 2011: 79. Nilai ini didapat
dengan cara membagi nilai Cox Snell R Square dengan nilai maksimumnya. 4.
Matrik Klasifikasi Matrik klasifikasi akan menunjukkan kekuatan prediksi dari model regresi
untuk memprediksi kemungkinan financial distress perusahaan. Matrik klasifikasi logistik dapat dilihat pada classification table.Pada model yang sempurna maka
semua kasus akan berada pada diagonal dengan tingkat ketepatan peramalan Ghozali, 2011:324.
3.8.3 Uji Hipotesis
Pengujian hipotesis dilakukan untuk menguji dengan menggunakan alat bantu program SPSS.
Universitas Sumatera Utara
59
3.8.3.1 Uji Secara Simultan Likelihood
Uji ini dilakukan untuk melihat pengaruh rasio-rasio keuangan terhadap financial distress secara simultan sebagaimana uji F pada regresi
linier. Uji ini didasarkan pada nilai statistika -2LL. Uji serentak koefisien regresi model logistik dihitung dari perbedaan -2LL antara model dengan
hanya terdiri dari konstanta dan model yang diestimasi terdiri dari konstanta dan variabel independen Widarjono, 2010:141. Selisih diantara block 0 dan
block 1 dalam -2LL merupakan model Chi Square yang dipakai untuk menguji signifikansi secara simultan. Nilai signifikan 0,05, menunjukkan
bahwa variabel independen berpengaruh secara simultan terhadap variabel dependen.
3.8.3.2 Uji Secara Parsial Uji Wald
Uji wald dilakukan untuk melihat pengaruh rasio-rasio keuangan terhadap prediksi financial distress secara parsial. Berikut syaratnya
Widarjono, 2010:123: •
Jika nilai signifikan 0,05 , maka H0 diterima, maka variabel independen berpengaruh signifikan terhadap variabel dependen.
• Jika nilai signifikan
≥ 0,05, maka H0 ditolak, maka variabel independen tidak berpengaruh signifikan terhadap variabel
dependen.
Universitas Sumatera Utara
60
BAB IV HASIL DAN PEMBAHASAN
4.1 Hasil Penelitian
4.1.2 Analisis Statistik Deskriptif
Analisis statistik deskriptif memberikan informasi mengenai gambaran data meliputi jumlah sampel, nilai minimum, nilai maksimum, nilai
rata-rata mean dan standar deviasi dari variabel-variabel penelitian.
Tabel 4.1 Statistik Deskriptif variabel Jumlah Dewan Direksi, Jumlah Dewan
Komisaris, Jumlah Komite Audit, Turn Over dari Direksi Jumlah Direksi
Masuk dan Jumlah Direksi Keluar, dan Kualitas Audit
Sumber: Output SPSS 2016, Data Diolah Dari Tabel 4.1 dapat dideskripsikan beberapa hal sebagai berikut:
1. Jumlah seluruh sampel di dalam penelitian sebanyak 23
perusahaan dikali 5 tahun periode penelitian menjadi 115 pengamatan penelitian, dengan variabel independen yang
digunakan dalam penelitian adalah jumlah dewan direksi, jumlah dewan komisaris, jumlah komite audit, turn over dari direksi yaitu
Statistics
JUMLAH DEWAN
DIREKSI JUMLAH
DEWAN KOMISARIS
JUMLAH KOMITE
AUDIT JUMLAH
DIREKSI MASUK
JUMLAH DIREKSI
KELUAR KUALITAS
AUDIT N
Valid 115
115 115
115 115
115 Missing
Mean 4.49
4.74 3.09
.85 .73
.49 Std. Deviation
1.340 1.911
.670 1.365
1.209 .502
Minimum 2
2 Maximum
8 10
6 6
5 1
Universitas Sumatera Utara
61
jumlah direksi masuk dan jumlah direksi keluar, serta kualitas audit.
2. Variabel independen jumlah dewan direksi memiliki nilai
minimum sebesar 2 dan nilai maksimum sebesar 8 dengan rata- rata 4,49. Nilai standar deviasi sebesar 1.340 yang jauh lebih kecil
jika dibandingkan dengan mean, artinya nilai mean merupakan representasi yang baik dari keseluruhan data.
3. Variabel independen jumlah dewan komisaris memiliki nilai
minimum sebesar 2 dan nilai maksimum sebesar 10 dengan rata- rata 4,74. Nilai standar deviasi sebesar 1.911 yang jauh lebih kecil
jika dibandingkan dengan mean, artinya nilai mean merupakan representasi yang baik dari keseluruhan data.
4. Variabel independen jumlah komite audit memiliki nilai minimum
sebesar 0 dan nilai maksimum sebesar 6 dengan rata-rata 3,09. Nilai standar deviasi sebesar 0.670 yang jauh lebih kecil jika
dibandingkan dengan mean, artinya nilai mean merupakan representasi yang baik dari keseluruhan data.
5. Variabel independen turn over dari direksi, yang terdiri dari:
a. Jumlah direksi masuk memiliki nilai minimum sebesar 0 dan
nilai maksimum sebesar 6 dengan rata-rata 0,85. Nilai standar deviasi sebesar 1.365 yang jauh lebih besar jika dibandingkan
dengan mean, artinya nilai mean merupakan representasi yang kurang baik dari keseluruhan data.
Universitas Sumatera Utara
62
b. Jumlah direksi keluar memiliki nilai minimum sebesar 0 dan
nilai maksimum sebesar 5 dengan rata-rata 0,73. Nilai standar deviasi sebesar 1.209 yang jauh lebih besar jika dibandingkan
dengan mean, artinya nilai mean merupakan representasi yang kurang baik dari keseluruhan data.
6. Variabel independen kualitas audit memiliki nilai minimum
sebesar 0 dan nilai maksimum sebesar 1 dengan rata-rata 0.49. Nilai standar deviasi sebesar 0.502 yang lebih besar jika
dibandingkan dengan mean, artinya nilai mean merupakan representasi yang kurang baik dari keseluruhan data.
Tabel 4.2 Statistik Frekuensi Variabel
Financial Distress
FINANCIAL DISTRESS
Frequency Percent
Valid Percent Cumulative
Percent Valid
75 65.2
65.2 65.2
1 40
34.8 34.8
100.0 Total
115 100.0
100.0
Sumber: Output SPSS 2016, Data Diolah
Berdasarkan Tabel 4.2 dapat dideskripsikan bahwa variabel dependen financial distress menggunakan variabel dummy, dimana perusahaan yang
mengalami kesulitan keuangan financial distress diberi kode “1” sedangkan perusahaan yang tidak mengalami kesulitan keuangan financial distress diberi
Universitas Sumatera Utara
63
kode ”0”. Jumlah data yang valid ada sebanyak 115 data, dengan data yang tidak mengalami kesulitan keuangan financial distress sebanyak 75 data 65,2, dan
data yang mengalami kesulitan keuangan financial distress sebanyak 40 data 34,8.
4.1.2 Analisis Regresi
4.1.2.1 Menguji Kelayakan dengan Goodness of Fit Test
Uji kelayakan ini dilakukan dengan menggunakan goodness of fit test yang diukur dengan melihat signifikansi pada tabel
Hosmer and Lemeshow Test.
Tabel 4.3 Hosmer and Lemeshow Test
Sumber: Output SPSS 2016, Data Diolah
Dari Tabel 4.3 dapat kita lihat bahwa nilai chi-square dari penelitian adalah 13,263 dan nilai sig. sebesar 0,066. Dari hasil
tersebut terlihat bahwa nilai sig. lebih besar dari 0,05, hal ini berarti tidak ada perbedaan antara klasifikasi yang diprediksi
dengan klasifikasi yang diamati. Maka dapat disimpulkan
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 13.263
7 .066
Universitas Sumatera Utara
64
bahwa model regresi logistik dapat digunakan untuk analisis selanjutnya.
4.1.2.2 Menilai Keseluruhan Model Overall Model Fit
Uji keseluruhan model digunakan untuk melihat model yang telah dihipotesiskan telah fit atau tidak dengan data. Penilaian
keseluruhan model regresi logistik dapat dilihat dengan menggunakan nilai -2 Log Likelihood. Dimana, apabila terjadi
penurunan dalam nilai -2 Log Likelihood pada block number 1 dibandingkan dengan block number 0, maka dapat disimpulkan
bahwa model yang kedua block number 1 dari regresi logistik tersebut baik. Hasil dari -2 Log Likehood dengan block number
0 dapat dilihat pada Tabel 4.4 berikut ini:
Tabel 4.4 Likelihood L Block Nol
Sumber: Output SPSS 2016, Data Diolah
Iteration History
a,b,c
