PENGARUH PENGUNGKAPAN LIKUIDITAS, LEVERAGE,

PROFITABILITAS, AKTIVITAS, DAN FIRM SIZE TERHADAP

FINANCIAL DISTRESS MENGGUNAKAN MODEL ALTMAN Z-SCORE

MODIFIKASI DAN MODEL SPRINGATE

(Studi Kasus Perusahaan Properti dan Real Estate yang Terdaftar di BEI

Periode 2013-2017)

SKRIPSI

Diajukan Kepada Fakultas Ekonomi dan Bisnis Untuk Memenuhi Persyaratan

Memperoleh Gelar Sarjana Ekonomi (S.E)

Oleh:

NADYA AMELITA NOOR

11150810000062

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

1441 H/2019 M

ii

LEMBAR PENGESAHAN SKRIPSI

iii

LEMBAR PENGESAHAN UJIAN SKRIPSI

iv

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF

v

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH

vi

DAFTAR RIWAYAT HIDUP

I. IDENTITAS PRIBADI

Nama : Nadya Amelita Noor

Tempat/Tanggal Lahir : Jakarta, 14 Oktober 1997

Agama : Islam

Jenis Kelamin : Perempuan

Status : Belum Menikah

Alamat : Jl. Legoso Raya No. 69 RT001/002, Pisangan,

Ciputat Timur, Tangerang Selatan, Banten,

15419.

Telepon : 087709846182

Email : nadyamel1410@gmail.com

II. PENDIDIKAN FORMAL

2003-2009 : MI Pembangunan UIN Syarif Hidayatullah

Jakarta

2009-2012 : MTs Pembangunan UIN Syarif Hidayatullah

Jakarta

2012-2015 : MAN 4 Jakarta

2015-2019 : Manajemen UIN Syarif Hidayatullah Jakarta

III. PENDIDIKAN NON FORMAL

2015 : LK 1 HMI Komisariat Fakultas Ekonomi dan

Bisnis (KAFEIS)

2016-2017 : TOEFL Preparation LBPP LIA Ciputat

2018 : LK 2 HMI Cabang Subang

2019 : Brilliant English Course Pare

vii

IV. PENGALAMAN ORGANISASI

2016 : Divisi Penelitian dan Pengembangan HMJ

Manajemen UIN Syarif Hidayatullah Jakarta

2016 : Divisi Verifikasi KPPS Fakultas Ekonomi dan

Bisnis UIN Syarif Hidayatullah Jakarta

2018 : Komisi Hukum dan Perundang-Undangan Senat

Mahasiswa Universitas, UIN Syarif

Hidayatullah Jakarta

2019 : Bendahara Umum Senat Mahasiswa

Universitas, UIN Syarif Hidayatullah Jakarta

V. PENGALAMAN KERJA

2017 : Enumerator Quick Count Pilkada DKI Charta

Politica

2018 : Surveyor Satpol PP Tangerang Selatan

2019 : Surveyor Pilpres dan Pileg Charta Politica

2019 : Enumerator Quick Count Pilpres dan Pileg

Indikator

2019 : Divisi Research dan Survey PT. Dharmapena

Citra Media

viii

ABSTRACT

The purpose of this research to measure the effect of Liquidity Ratio

(Current Ratio), Leverage Ratio (Debt to Asset Ratio), Profitability Ratio (Return

on Assets), Activity Ratio (Total Asset Turnover), and Firm Size against financial

distress using Altman Z-Score Modification Model and Springate Model in property

and real estate companies listed in Indonesia Stock Exchange (IDX) for the 2013-

2017 period using binary logistic regression. The total population in this research

are 54 property and real estate companies listed on the Indonesia Stock Exchange

(IDX) for the 2013-2017 period. There are 38 companies that met the criteria to be

sampled in this study. The type of data used is secondary data obtained from the

Indonesia Stock Exchange (IDX).

Simultaneous significant test results seen in the Omnimbus Test of Model

that there is an influence from the disclosure of Liquidity Ratio (Current Ratio),

Leverage Ratio (Debt to Asset Ratio), Profitability Ratio (Return on Asset), Activity

Ratio (Total Asset Turnover), and Firm Size against financial distress both with

Altman Z-Score Modification Model and Springate Model. For the Altman Z-Score

Model Modified Liquidity Ratio (Current Ratio) Leverage Ratio (Debt to Asset

Ratio), and Profitability Ratio (Return on Assets) have a influence in predicting

financial distress, while Activity Ratio (Total Asset Turnover) and Firm Size have

no influence on financial distress. In the Springate Model Liquidity Ratio (Current

Ratio), Leverage Ratio (Debt to Asset Ratio), Profitability Ratio (Return on Asset),

Activity Ratio (Total Asset Turnover), and Firm Size have a influence in predicting

financial distress.

Keywords: Liquidity, Leverage, Profitability, Activity, Firm Size, Binary Logistic

Regression, Financial distress, Altman Z-Score Modification Method

and Springate Model

ix

ABSTRAK

Penelitian ini dilakukan untuk mengukur pengaruh pengungkapan Rasio

Likuiditas (Current Ratio), Rasio Leverage (Debt to Asset Ratio), Rasio

Profitabilitas (Return on Asset), Rasio Aktivitas (Total Asset Turnover), dan Firm

Size terhadap financial distress dengan menggunakan Model Altman Z-Score

Modifikasi dan Model Springate pada perusahaan properti dan real estate yang

terdaftar di Bursa Efek Indonesia (BEI) periode 2013-2017 dengan menggunakan

logistic regression binary. Jumlah populasi pada penelitian ini sebanyak 54

perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) periode 2013-2017.

Perusahaan yang memenuhi kriteria untuk dijadikan sampel dalam penelitian ini

berjumlah 38 perusahaan. Jenis data yang digunakan adalah data sekunder yang

diperoleh dari Bursa Efek Indonesia (BEI).

Hasil uji signifikan secara simultan yang dilihat dalam Omnimbus Test of

Model bahwa terdapat pengaruh dari penggungkapan Rasio Likuiditas (Current

Ratio), Rasio Leverage (Debt to Asset Ratio), Rasio Profitabilitas (Return on Asset),

Rasio Aktivitas (Total Asset Turnover), dan Firm Size terhadap financial distress

baik dengan Model Altman Z-Score Modifikasi maupun Model Springate. Untuk

Model Altman Z-Score Modifikasi Rasio Likuiditas (Current Ratio), Rasio

Leverage (Debt to Asset Ratio), dan Rasio Profitabilitas (Return on Asset) memiliki

pengaruh dalam memprediksi financial distress, sementara Rasio Aktivitas (Total

Asset Turnover), dan Firm Size tidak memiliki pengaruh terhadap financial distress.

Pada Model Springate Rasio Likuiditas (Current Ratio), Rasio Profitabilitas

(Return on Asset), Rasio Aktivitas (Total Asset Turnover), dan Firm Size memiliki

pengaruh dalam memprediksi financial distress.

Kata Kunci: Likuiditas, Leverage, Profitabilitas, Aktivitas, Firm Size, Logistic

Regression Binary, Financial distress, Model Altman Z-Score

Modifikasi dan Model Springate

x

KATA PENGANTAR

Assalamualaikum Wr. Wb.

Bissmilahirahmanirrahim

Alhamdulillahirabbil’alamin, puji syukur bagi Allah Swt. atas berkat rahmat

dan karunia-Nya, penulis dapat menyelesaikan skripsi ini. Shalawat serta salam

semoga senantiasa sampai kepada Nabi Muhammad Saw., kepada keluarganya,

para sahabatnya, dan juga kepada ummatnya.

Penulisan skripsi ini ditujukan untuk memenuhi salah satu syarat memperoleh

gelar Strata Satu Sarjana Ekonomi Jurusan Manajemen Universitas Islam Syarif

Hidayatullah Jakarta. Judul penelitian ini adalah “Pengaruh Pengungkapan

Likuiditas, Leverage, Profitabilitas, Aktivitas, dan Firm Size Terhadap Financial

distress Menggunakan Model Altman Z-Score Modifikasi dan Model Springate

(Studi Kasus Perusahaan Properti dan Real Estate Yang Terdaftar di BEI Periode

2013-2017)”

Penulis menyadari bahwa penulisan skripsi ini tidak dapat terselesaikan tanpa

dukungan dari berbagai pihak. Oleh karena itu, penulis ingin menyampaikan

ucapan terima kasih kepada semua pihak yang telah membantu dalam penyusunan

skripsi ini terutama kepada:

1. Allah Swt. Karena berkat rahmat dan karunia-Nya lah penulis dapat merasakan

tahapan kehidupan yang telah di lalui seperti sekarang ini. Beserta Nabi

Muhammad Saw. karena atas kehadirannya penulis bisa merasakan nikmat

Islam seperti sekarang ini.

2. Kedua orang tua tercinta, yang selalu mendoakan tanpa henti, memberikan

dukungan serta kasih sayang yang tulus, dan memotivasi penulis untuk

menyelesaikan studi ini, teruntuk yang terkasih Bunda Dr. Karlina Helmanita,

M.A dan Ayah Dr. Sihabudin Noor, M.A.

3. Adik yang terkasih sekaligus sahabat penulis Shemil Khairy Noor, Nyai

Helmiyah, Datuk Abdullah Dung, Nenek Halimah, Kakek Zayadi, dan Kakek

xi

Muhammad yang memotivasi penulis agar bercita-cita dan berpendidikan

tinggi.

4. Seluruh keluarga tercinta yang tidak bisa penulis tuliskan satu persatu tetapi

tidak mengurangi rasa cinta penulis, yang selalu ada dalam suka dan duka

penulis.

5. Ibu Prof. Dr. Hj. Amany Burhanudin Umar Lubis, Lc., MA. selaku Rektor UIN

Syarif Hidayatullah Jakarta.

6. Bapak Prof. Dr. Amilin, SE., M.Si., Ak., CA., BKP., QIA. selaku Dekan

Fakultas Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta.

7. Ibu Murdiyah Hayati, M.M. selaku Ketua Jurusan Manajemen Fakultas

Ekonomi dan Bisnis dan UIN Syarif Hidayatullah Jakarta.

8. Ibu Amalia, SE., MSM selaku Sekretaris Jurusan Manajemen Fakultas

Ekonomi dan Bisnis UIN Syarif Hidayatullah Jakarta sekaligus dosen

pembimbing II yang telah memberikan waktu, ilmu, bimbingan, arahan dan

motivasi kepada penulis agar segera menyelesaikan skripsi.

9. Bapak Dr. Taridi Kasbi Ridho, SE, MBA., selaku dosen pembimbing skripsi I

yang telah berkenan memberikan waktu, ilmu, bimbingan dan arahan selama

penulis menyusun skripsi, serta motivasinya yang begitu besar bagi penulis.

10. Bapak Hemmy Fauzan, S.E., M.M. selaku dosen pembimbing akademik

penulis sejak awal perkuliahan di UIN Syarif Hidayatullah Jakarta.

11. Bapak dan Ibu Dosen, Staff dan Karyawan Fakultas Ekonomi dan Bisnis UIN

Syarif Hidayatullah Jakarta. Khususnya Bapak dan Ibu Dosen Manajemen

yang telah memberikan ilmunya kepada penulis selama penulis dalam masa

perkuliahan.

12. Sahabat terkasih yang selalu ada, selalu memotivasi penulis, dan menemani

proses penulisan skripsi ini Roid Reksa Afaqy, semoga kesuksesan bisa diraih

nantiya.

13. Teman-teman seperjuangan organisasi penulis di HMI KAFEIS Faruq, Retzhi,

Febi, Farda, Dzaky, Fathur, Oby, Sofi, dan Ammar. Para pejuang hebat pada

masanya dan selalu menemani penulis ketika masanya.

xii

14. Teman-teman seperjuangan di Manajemen yang selalu memberikan motivasi

dan menemani penulis selama berkuliah di UIN Syarif Hidayatullah Jakarta

yaitu, Lailil, Syifa, Fachry, Tiara, Andro, Fajri, Syafiq, Komala, Bella, Sylvia,

Diana, dan Nurhasanah. Semoga pertemanan selalu terjalin.

15. Teman-teman, abang-abang, kakak-kakak, dan adik-adik HMI KAFEIS.

16. Teman-teman SEMA U 2018 Miftah, Bang Acil, Kak Ika, Kak Zahra, Kak

Ami, Kak Ajeng, Bang Biko, Sirly, Shakeel, dan yang lainnya yang tidak bisa

penulis tuliskan satu persatu, semoga kekeluargaan akan tetap terjaga.

17. Teman-teman SEMA U 2019 Widad, Yasin, Jamsari, Dwiky, Kebe, Thebe,

Markus, Niken, Doddy, Nanu, dan yang lainnya yang tidak bisa penulis

tuliskan satu persatu, para pejuang hebat dan calon orang besar nantinya.

18. Teman-teman sekamar KKN selama sebulan “Sampis”, Nada, Alissa, Tyas,

Tria, dan Aeni beserta teman-teman KKN Rubi tang lain, semoga kesuksesan

bisa diraih nantinya.

19. Teman-teman Manajemen 2015 khususnya Manajemen Keuangan 2015, yang

selalu suportif saling mendukung dan membantu penulis ketika masa-masa

kuliah berlangsung.

20. Semua pihak yang terlibat dalam proses pembuatan skripsi ini yang namanya

tidak bisa disebutkan satu per satu namun tidak mengurasi rasa terimakasih

penulis.

Penulis menyadari bahwa skripsi ini masih jauh dari kata sempurna. Oleh

karena itu, penulis menerima segala bentuk saran, dan kritik yang membangun dari

berbagai pihak. Penulis berharap semoga skripsi ini dapat memberikan manfaat

bagi semua pihak.

Jakarta, 22 Oktober 2019

Penulis

(Nadya Amelita Noor)

xiii

DAFTAR ISI

LEMBAR PENGESAHAN SKRIPSI ............................................................... ii

LEMBAR PENGESAHAN UJIAN SKRIPSI .................................................. iii

LEMBAR PENGESAHAN UJIAN KOMPREHENSIF ................................. iv

LEMBAR PERNYATAAN KEASLIAN KARYA ILMIAH ........................... v

DAFTAR RIWAYAT HIDUP .......................................................................... vi

ABSTRACT...................................................................................................... viii

ABSTRAK ......................................................................................................... ix

KATA PENGANTAR ........................................................................................ x

DAFTAR ISI ................................................................................................... xiii

DAFTAR TABEL ........................................................................................... xvi

DAFTAR GAMBAR ..................................................................................... xviii

DAFTAR LAMPIRAN ................................................................................... xix

BAB I PENDAHULUAN ................................................................................... 1

A. Latar Belakang .......................................................................................... 1

B. Rumusan Masalah ................................................................................... 13

C. Tujuan Penelitian .................................................................................... 14

D. Manfaat Penelitian .................................................................................. 15

BAB II TINJAUAN PUSTAKA ...................................................................... 17

xiv

A. Teori ....................................................................................................... 17

1. Analisis Laporan Keuangan ................................................................. 17

2. Jenis Rasio Pada Laporan Keuangan .................................................... 20

3. Ukuran Perusahaan (Firm Size) ............................................................ 29

4. Financial distress ................................................................................ 32

B. Penelitian Terdahulu ............................................................................... 50

C. Kerangka Berfikir.................................................................................... 59

D. Keterkaitan Antar Variabel ...................................................................... 61

1. Rasio Likuiditas (Current Ratio) dan Kondisi Financial distress .......... 61

2. Rasio Leverage (Debt Ratio) dan Kondisi Financial distress................ 61

3. Rasio Profitabilitas (Return On Assets) dan Kondisi Financial distress 63

4. Rasio Aktivitas (Total Asset Turnover) dan Kondisi Financial distress 64

5. Firm Size dan Kondisi Financial distress ............................................. 64

E. Hipotesis ................................................................................................. 67

BAB III METODOLOGI PENELITIAN ....................................................... 68

A. Ruang Lingkup Penelitian ....................................................................... 68

B. Model Penentuan Sampel ........................................................................ 69

C. Model Pengumpulan Data ....................................................................... 72

D. Model Analisis Data ................................................................................ 73

1. Statistik Deskriptif ............................................................................... 73

2. Uji Multikolinearitas ............................................................................ 74

3. Regresi Logistik Binary ....................................................................... 74

xv

E. Operasional Variabel Penelitian .............................................................. 82

1. Variabel Dependen .............................................................................. 82

2. Variabel Independen ............................................................................ 84

BAB IV ANALISIS DAN PEMBAHASAN .................................................... 88

A. Gambaran Umum Objek Penelitian ......................................................... 88

B. Model Analisis Data ................................................................................ 90

1. Analisis Deskriptif ............................................................................... 90

2. Uji Multikolinieritas .......................................................................... 100

3. Regresi Logistik Binary ..................................................................... 101

C. Pembahasan .......................................................................................... 112

BAB V PENUTUP ......................................................................................... 125

A. Kesimpulan ........................................................................................... 125

B. Saran ..................................................................................................... 127

DAFTAR PUSTAKA ..................................................................................... 129

LAMPIRAN ................................................................................................... 135

xvi

DAFTAR TABEL

Tabel 2. 1 Kriteria Ukuran Perusahaan ......................................................... 31

Tabel 2. 2 Penelitian Terdahulu ................................................................... 50

Tabel 3. 1 Kriteria Sampel …..……………….………...……..……………..70

Tabel 3. 2 Sampel Perusahaan Properti dan Real Estate ............................... 70

Tabel 3. 3 Operasional Variabel ................................................................... 78

Tabel 4. 1 Sampel Perusahaan Properti dan Real Estate ............................... 89

Tabel 4. 2 Hasil Analisis Deskriptif ............................................................. 91

Tabel 4. 3 Hasil Uji Multikolinearitas Model Altman Z-Score Modifikasi . 100

Tabel 4. 4 Hasil Uji Multikolinearitas Model Springate ............................. 101

Tabel 4. 5 Hasil Overall Model Fit Model Altman Z-Score Modifikasi

(Block 0: Beginning Block)........................................................ 102

Tabel 4. 6 Hasil Overall Model Fit Model Altman Z-Score Modifikasi

(Block 1: Method = Enter) ........................................................ 102

Tabel 4. 7 Hasil Uji Koefisien Determinasi (Cox and Snell’s R Square)

Model Altman Z-Score Modifikasi ............................................ 103

Tabel 4. 8 Hasil Uji Kelayakan Model Regresi (Hosmer and Lemeshow’s

Goodness of Fit Test) Model Altman Z-Score Modifikasi ......... 104

Tabel 4. 9 Hasil Uji Signifikansi Model Secara Simultan (Omnimbus Test of

Model) Model Altman Z-Score Modifikasi ............................... 104

Tabel 4. 10 Hasil Uji Signifikansi Model Secara Parsial (Uji Wald) Model

Altman Z-Score Modifikasi ....................................................... 106

xvii

Tabel 4. 11 Hasil Overall Model Fit Model Springate (Block 0: Beginning

Block)........................................................................................ 107

Tabel 4. 12 Hasil Overall Model Fit Model Springate (Block 1: Method =

Enter) ........................................................................................ 107

Tabel 4. 13 Hasil Uji Koefisien Determinasi (Cox and Snell’s R Square)

Model Springate ........................................................................ 108

Tabel 4. 14 Hasil Uji Kelayakan Model Regresi (Hosmer and Lemeshow’s

Goodness of Fit Test) Model Springate ..................................... 109

Tabel 4. 15 Hasil Uji Signifikansi Model Simultan (Omnimbus Test of

Model) Model Springate ............................................................ 109

Tabel 4. 16 Hasil Uji Signifikansi Model Secara Parsial (Uji Wald) Model

Springate ................................................................................... 110

Tabel 4. 17 Perbandingan Hasil Model Altman Z-Score Modifikasi dan

Model Springate ........................................................................ 124

xviii

DAFTAR GAMBAR

Gambar 1. 1 BI Rate ....................................................................................... 6

Gambar 1. 2 Perkembangan Indeks Harga Properti (dalam %) ........................ 8

Gambar 2. 1 Kerangka Penelitian .................................................................. 60

Gambar 4. 1 Nilai Current Ratio (CR)..………………………..……..….….. 93

Gambar 4. 2 Nilai Debt to Asset Ratio (DAR) ............................................... 94

Gambar 4. 3 Nilai Return on Asset (ROA) ..................................................... 96

Gambar 4. 4 Nilai Total Asset Turnover (TATO) .......................................... 97

Gambar 4. 5 Nilai Firm Size (FS) .................................................................. 99

xix

DAFTAR LAMPIRAN

Lampiran 1 Model Altman Z-Score Modifikasi ....................................... 135

Lampiran 2 Model Springate ................................................................... 142

Lampiran 3 Rasio Likuiditas, Rasio Leverage, Rasio Profitabilitas, Rasio

Aktivitas, dan Firm Size ........................................................ 150

Lampiran 4 Hasil Uji SPSS - Uji Multikolinearitas Model Altman Z-Score

Modifikasi ............................................................................ 158

Lampiran 5 Hasil Uji SPSS – Uji Multikoliniearitas Model Springate ...... 150

Lampiran 6 Hasil Uji SPSS - Uji Regresi Logistik Binary Model Altman

Z-Score Modifikasi ............................................................... 159

Lampiran 7 Hasil Uji SPSS - Uji Regresi Logistik Binary Model Springate

............................................................................................. 162

1

BAB I

PENDAHULUAN

A. Latar Belakang

Pada umumnya tujuan dari setiap institusi maupun perusahaan adalah

mendapatkan profit sebanyak-banyaknya. Oleh karena itu, perusahaan pun

seharusnya mengetahui dan peduli dengan bagaimana kondisi yang dialami

perusahaannya, salah satunya pada kondisi keuangannya.

Hal ini sangat perlu dilakukan oleh perusahaan untuk mengantisipasi dan

merencanakan langkah apa yang akan dilakukan pada tahun-tahun berikutnya,

dan strategi apa yang tepat untuk dilakukan oleh perusahaan. Financial distress

bukan hal yang tidak lumrah ditemukan pada perusahaan baik di perusahaan

yang masuk di kategori besar mau pun perusahaan yang masuk pada kategori

perusahaan kecil. Financial distress sangat perlu diprediksi oleh perusahaan

dari berbagai macam data yang sudah disajikan oleh perusahaan seharusnya

financial distress dapat diprediksi dengan tepat agar meminimalisir kerugian

yang nantinya terjadi pada perusahaan.

Analisis kebangkrutan dilakukan untuk memperoleh peringatan awal

kebangkrutan (tanda-tanda awal kebangkrutan). Semakin awal tanda-tanda

kebangkrutan tersebut, semakin baik bagi pihak manajemen karena pihak

manajemen bisa melakukan perbaikan-perbaikan. Pihak kreditur dan juga pihak

pemegang saham bisa melakukan persiapan-persiapan untuk mengatasi

berbagai kemungkinan terburuk. Tanda-tanda kebangkrutan tersebut dalam hal

2

ini dilihat dengan menggunakan data-data akuntansi (Hanafi dan Halim, 2016:

260).

Kesulitan keuangan bisa digambarkan di antara dua titik ekstrem yaitu

kesulitan likuiditas jangka pendek (yang paling ringan) sampai insolvable (yang

paling parah). Kesulitan keuangan jangka pendek biasanya bersifat sementara,

tetapi bisa menjadi parah. Analisis kebangkrutan bermanfaat, karena

kebangkrutan bisa membuat perusahaan melakukan antisipasi yang diperlukan.

Biasanya kebangkrutan yang relatif tinggi dihindari dan diminimalisasi (Hanafi

dan Halim, 2016: 276).

Secara umum kegiatan perusahaan dianggap sebagai suatu proses arus

dana. Dengan mendasar kepada pengertian arus dana ini dapat dikatakan bahwa

financial distress merupakan keburukan dari bisnis perusahaan. Salah satu

penyebab terjadinya financial distress adalah keburukan dalam pengelolaan

bisnis (mismanagement) perusahaan tersebut. Namun demikian dengan

bervariasinya kondisi internal dan eksternal maka terdapat banyak hal lain juga

yang dapat menyebabkan terjadinya financial distress pada suatu perusahaan

(Rodoni dan Ali, 2014: 189).

Pada umumnya kemungkinan terjadinya financial distress semakin

meningkat dengan meningkatnya penggunaan hutang. Logikanya adalah

semakin besar penggunaan hutang, semakin besar pula biaya bunga, semakin

besar probabilitas bahwa penurunan penghasilan akan menyebabkan financial

distress (Atmaja, 2008: 258).

3

Terdapat banyak model untuk memprediksi financial distress diawali oleh

Beaver (1966), kemudian diteruskan oleh Edward Altman (1968), Altman, et al

(1977). Penelitian Beaver dan Altman tersebut dilatarbelakangi oleh kejadian

kebangkrutan banyak perusahaan di negara asal mereka, Amerika Serikat pada

tahun 1960-an. Model penelitian tentang prediksi kebangkrutan terus

dikembangkan baik di negara Amerika Serikat maupun di negara-negara lain,

misalnya Springate Model oleh Gordon L.V. Springate (1978) dari Kanada,

Datastream’s model oleh Marais (UK, 1979), Fulmer Model (US, 1984), Ca-

Score (Kanada, 1987), model logistical regression oleh Ohlson (1980), model

artificial neural network oleh Thomaidis et al (1998), Hsieh et al (2006), dan

lain-lainnya (Gamayuni: 2009).

Altman pada tahun 1968 memperkenalkan Analisis Z-Score, yaitu sebuah

analisis yang menghubungkan berbagai rasio dalam laporan keuangan sebagai

variabelnya dan digabungkan kedalam sebuah persamaan untuk memperoleh

nilai Z, dimana nilai Z adalah nilai untuk memprediksi kondisi perusahaan, baik

dalam keadaan sehat ataupun bangkrut. Model Altman Z-Score sebagai salah

satu pengukur kinerja kebangkrutan dan resiko obligasi tidak stagnan atau tetap,

melainkan berkembang dari waktu ke waktu, seiring dari kondisi perusahaan

dan kondisi dimana model tersebut diterapkan. Perkembangan model Altman

ini dapat dilihat mulai dari yang pertama yaitu model Altman Z-Score pertama

yang ditujukan untuk memprediksi kebangkrutan dari sebuah perusahaan publik

manufaktur. Setelah menemukan model kebangkrutan yang pertama, Altman

4

kemudian merevisi model kebangkrutan menjadi sebuah model yang dapat

digunakan untuk memprediksi kemungkinan kebangkrutan bagi perusahaan

privat dan publik, model ini disebut sebagai model Altman Revisi Z-Score.

Selanjutnya Altman memodifikasi modelnya agar dapat diterapkan pada semua

perusahaan seperti manufaktur, non manufaktur dan perusahaan penerbit

obligasi. Model ini disebut sebagai model Altman Modifikasi Z-Score

(Nirmalasari, 2018: 6).

Menurut Burhanuddin (2015) Springate membuat model prediksi financial

distress pada tahun 1978. Dalam pembuatannya, Springate menggunakan

model yang sama dengan Altman yaitu Multiple Discriminant Analysis (MDA).

Model kebangkrutan Springate menggunakan 4 dari 19 rasio laporan keuangan

yang banyak digunakan untuk membedakan antara perusahaan yang mengalami

financial distress dan yang tidak distress. Keempat rasio tersebut adalah rasio

modal kerja terhadap total aset, rasio laba sebelum bunga dan pajak terhadap

total aset, rasio laba sebelum pajak terhadap liabilitas lancar dan rasio total

penjualan terhadap total aset. Keempat rasio tersebut dikombinasikan dalam

suatu persamaan yang dirumuskan Springate, selanjutnya dikenal dengan istilah

Model Springate (S-Score), model ini memiliki akurasi 92,5 persen.

Pada tahun 2012 dan pertengahan pertama tahun 2013 sektor properti

Indonesia bertumbuh cepat, maka pertumbuhan keuntungan para developer

properti Indonesia melonjak tajam (dari 45 perusahaan properti yang terdaftar

di Bursa Efek Indonesia pada tahun 2012, 26 perusahaan mencatat pertumbuhan

5

laba bersih lebih dari 50%) dan, jelas, harga properti Indonesia meningkat

sejalan dengan itu (indonesia-investment.com).

Di pertengahan kedua tahun 2013, Bank Indonesia semakin kuatir

mengenai berkembangnya gelembung properti karena perekonomian umum

sedang melambat namun sektor properti naik sangat tinggi di pertengahan

pertama tahun 2013 (manajemen fiskal yang berhati-hati telah menjadi

karakteristik pihak berwenang Indonesia setelah Krisis Finansial Asia). BI

menaikkan persyaratan uang muka minimum dan memotong pinjaman hipotek

untuk kepemilikan rumah kedua (untuk mencegah peningkatan berlebihan dari

pinjaman untuk hunian). Bank-bank juga dilarang memberikan pinjaman untuk

properti-properti yang masih dalam proses pembangunan (untuk para pembeli

hunian kedua atau lebih). Perubahan penting lainnya termasuk tingkat suku

bunga Indonesia. Setelah sentuh titik rendah dalam sejarah pada 5,75% dari

Februari 2012, Bank Indonesia secara bertahap, namun agresif, menaikkan BI

rate. (indonesia-investment.com).

Pada tahun 2013 sentimen makro ekonomi Indonesia dan global telah

memberikan sentimen negatif terhadap 10 sektor saham di pasar modal

Indonesia. 10 sektor saham di pasar modal Indonesia hanya mampu naik di

kisaran 2%-12% sepanjang 2013. Kebijakan Bank Indonesia (BI) mengenai

down payment untuk kredit sektor properti dan kenaikan suku bunga acuan/ BI

Rate menjadi 7,5% telah memberikan sentimen negatif terhadap indeks saham

6

sektor properti. Indeks saham sektor properti hanya mampu naik 2,27% secara

year to date (liputan6.com).

Sepanjang tahun 2014, secara keseluruhan pasar properti di Indonesia

dihadapkan pada kondisi pasar yang menunjukkan gejala perlambatan.

Perlambatan memang terjadi secara alami diakibatkan oleh siklus properti

(Property Cycle). Sejumlah alasan dibalik melambatnya sektor properti di tanah

air. Pertumbuhan ekonomi Indonesia yang melemah, sentimen bisnis yang

menurun, ditambah kondisi harga yang sudah terlalu tinggi, kenaikan BI Rate,

pemberlakuan aturan LTV (Loan to Value), serta permintaan yang mengalami

kejenuhan, membuat pasar properti semakin lesu. Bukan hanya akibat

penyelenggaraan pemilu saja (beritasatu.com).

Gambar 1. 1

BI Rate

Sumber: Laporan Tahunan Bank Indonesia (2019)

Sepanjang 2015, industri properti justru terhuyung hingga mencapai titik

nadir. Perlambatan pertumbuhan ekonomi, penurunan daya beli, depresiasi

rupiah, ketidakpastian peraturan pajak, dan peraturan kredit yang lebih ketat

0123456789

BI RATE

7

menjadi kombinasi yang membuat industri ini menderita. Dalam riset Indonesia

Property Watch (IPW), penjualan di segmen menengah dan atas masing-masing

turun 36,9% dan 31,8%. Survei properti yang diterbitkan Bank Indonesia juga

memprediksi pertumbuhan harga di dua segmen itu tidak akan melampaui level

4% pada akhir 2015. Persatuan Perusahaan Real Estate Indonesia (REI)

menyebut segmen tersebut menjadi penyelamat pertumbuhan industri pada

tahun ini. Riset IPW bahkan mencatat penjualan properti di segmen menengah

bawah naik 57% (bisnis.tempo.com).

Sektor properti pada tahun 2016 dinilai masih belum menggembirakan.

Secara keseluruhan pertumbuhan penjualan properti semua segmen tidak terlalu

tinggi, sekitar 5 persen. Dari sisi penjualan masih mengalami perlambatan

dibandingkan tahun lalu. Meski demikian, hingga September 2016 penjualan

Properti tumbuh sekitar 8 persen-10 persen. Secara nominal, total penjualan

rumah non-subsidi lebih besar dibandingkan rumah subsidi. Sehingga angka

agregat secara keseluruhan penjualan properti tumbuh sekitar 5 persen.

Sementara itu, nilai outstanding KPR/ KPA yang tercatat di Bank Indonesia per

September 2016 tercatat tumbuh 6,78 persen secara tahunan

(properti.kompas.com).

Sepanjang tahun 2017 Sederet peristiwa penting di sektor industri properti

banyak terjadi di sepanjang tahun tersebut. Mulai dari kebijakan pemerintah

yang berpengaruh besar dalam sektor properti, seperti BI 7-Day Repo Rate,

penutupan Tax Amnesty, penyesuaian Fasilitas Likuiditas Pembiayaan

8

Perumahan (FLPP), Paket Kebijakan Ekonomi, kehadiran berbagai proyek

infrastruktur baru yang memberi potensi bagi bisnis properti, serta kondisi

pasar properti yang sangat dinamis (liputan6.com).

Menurut Rumah.com indeks properti nasional naik tipis 0,4% pada Q1

2017 dan berlanjut pada Q2 tumbuh sebesar 0,97%. Pada Q3, pasar properti

terlihat stabil. Sementara pada Q4 ini sampai akhir bulan November 2017

indeks properti nasional mengalami kenaikan sebesar 0,91%. Sementara di sisi

volume suplai properti, indeks menunjukkan sedikit fluktuasi dimana pada Q1

mencatat kenaikan sebesar 11,4%, selanjutnya mengalami penurunan sebesar

2,1% pada Q2 2017. Pada Q3 2017 suplai pulih dan meningkat hingga sebesar

10,7% sedangkan pada Q4 ini sampai akhir bulan November 2017 turun

sebesar 9,23% (liputan6.com).

Gambar 1. 2

Perkembangan Indeks Harga Properti (dalam %)

Sumber: Laporan Survei Harga Properti Residensial Bank Indonesia

9

Dengan melihat fenomena yang terjadi pada tahun 2013-2017 yang

diawali dengan pembaharuan kebijakan pemerintah yang awalnya ingin

membantu sektor ini agar terus berkembang, akan tetapi yang terjadi adalah

kebalikannya. Justru parahnya yang terjadi adalah keadaan yang tidak

diinginkan dengan adanya kebijakan pemerintah yang baru pada industri

properti dan real estate, yaitu penurunan penjualan yang berakibat turunnya

profit/laba perusahaan pada saat kebijakan BI Rate sedang tinggi-tingginya dan

mulai normal kembali ketika BI Rate normal kembali.

Maka untuk mengantisipasi kejadian yang kurang baik, diperlukan suatu

model analisis yang dapat memprediksi kemungkinan terjadinya kebangkrutan

pada perusahaan perbankan di masa yang akan datang. Financial distress

terjadi sebelum kebangkrutan, model Financial distress perlu untuk

dikembangkan supaya mengetahui kondisi Financial distress perusahaan sejak

dini, untuk mengantisipasi kondisi yang mengarah pada kebangkrutan.

Untuk memprediksi terjadinya financial distress indikator kinerja

keuangan perusahaan dapat digunakan oleh perusahaan untuk memprediksi

bagaimana kondisi perusahaannya di masa yang akan datang. Indikator ini

diperoleh dari analisis rasio-rasio keuangan yang terdapat pada laporan

keuangan perusahaan. Berikut adalah penjelasan analisis rasio keuangan.

Rasio likuiditas menunjukkan tingkat relatif suatu aktiva untuk segera di

konversikan ke dalam kas yang sedikit atau tanpa penurunan nilai, serta tingkat

kepastian tentang jumlah kas yang diperoleh (Tampubolon, 2013: 40). Suatu

10

analisis likuiditas lengkap meminta digunakannya anggaran kas, tetapi dengan

menghubungkan jumlah kas dan aktiva lancar lainnya dengan kewajiban lancar,

analisis rasio dapat memberikan sebuah ukuran likuiditas yang cepat dan mudah

untuk digunakan (Brigham dan Houston, 2010: 134).

Menurut Jackson (2018), dampak dari rasio likuiditas adalah kemampuan

perusahaan untuk memperoleh pinjaman, pembiayaan, dan modal investasi.

Rasio likuiditas yang baik juga akan membantu untuk membantu kondisi

keuangan menjadi lebih baik, dan membantu menghadapi masalah keuangan

jangka pendek yang dialami oleh perusahaan.

Rasio Leverage adalah mengukur seberapa besar perusahaan dibiayai

dengan utang. Penggunaan utang yang terlalu tinggi akan membahayakan

perusahaan karena perusahaan akan masuk dalam kategori extreme leverage

(utang ekstrim) yaitu perusahaan terjebak dalam tingkat utang yang tinggi dan

sulit untuk melepaskan beban utang tersebut (Fahmi, 2013: 72). Menurut

Deanta (2009: 24) rasio leverage dapat dicari dengan menggunakan data neraca

dan Laporan Laba Rugi.

Menurut Almansour (2015), rasio leverage menghitung produktivitas

sesungguhnya aset suatu perusahaan tanpa mempertimbangkan pajak dan faktor

leverage. Perusahaan yang memiliki tingkat rasio leverage yang tinggi bisa jadi

terjadi risiko gagal bayar jika tidak dapat membayar kewajibannya atau

kemungkinan terjadinya financial distress tinggi.

11

Profitabilitas mengukur fokus pada laba perusahaan. Tentu saja,

perusahaan besar diharapkan menghasilkan lebih banyak laba daripada

perusahaan kecil (Bearley et al, 2007: 80). Menurut Harahap (2010: 304), rasio

profitabilitas atau bisa disebut juga rasio rentabilitas menggambarkan

kemampuan perusahaan mendapatkan laba melalui semua kemampuan, dan

sumber yang ada seperti kegiatan penjualan, kas, modal, jumlah karyawan,

jumlah cabang, dan sebagainya. Rasio yang menggambarkan kemampuan

perusahaan menghasilkan laba disebut juga operating ratio.

Menurut Ufo (2015), financial distress pada perusahaan berdampak buruk

pada kinerja perusahaan dapat dilihat dari rasio profitabilitas. Dapat dikatakan

bahwa dampak financial distress terlihat pada laba negatif dan tahap awal

kesulitan keuangan bisa berupa pengurangan pendapatan. Profitabilitas

perusahaan menurun karena penurunan uang tunai arus masuk dan pengeluaran

melebihi pendapatan perusahaan

Rasio aktivitas (activity ratio), merupakan rasio yang digunakan untuk

mengukur efektivitas perusahaan dalam menggunakan aktiva yang dimilikinya

atau dapat pula dikatakan rasio ini digunakan untuk mengukur tingkat efisiensi

pemanfaatan sumber daya perusahaan (Kasmir, 2016: 113). Aktivitas yang

rendah pada tingkat penjualan tertentu akan mengakibatkan semakin besarnya

dana kelebihan yang tertanam pada aktiva-aktiva tersebut (Hanafi dan Halim,

2016: 76). Hal tersebut membuktikan bahwa perhitungan rasio aktivitas

12

diperlukan guna mengefektifkan dan mengefisiensikan sumber daya yang ada

di perusahaan.

Ukuran perusahaan (firm size) dalam (Hartono, 2016: 480) dipakai sebagai

wakil pengukur (proxy) besarnya perusahaan. Perusahaan yang besar dianggap

mempunyai risiko yang lebih kecil dibandingkan dengan perusahaan yang lebih

kecil. Semakin besarnya perusahaan maka kebutuhan akan dana juga akan

semakin besar yang salah satunya yang didapatkan dari pendanaan eksternal

yaitu hutang. Perusahaan besar memili keuntungan aktivitas serta lebih dikenal

oleh publik dibandingkan dengan perusahaan kecil sehingga kebutuhan hutang

perusahaan yang besar akan lebih tinggi dari perusahaan kecil.

Menurut Miglani et al (2014) ukuran perusahaan dengan ukuran dewan

dalam variabel corporate governance sangat memiliki korelasi yang tinggi.

Ukuran perusahaan bisa dijadikan penentu untuk mempengaruhi gejala

financial distress. Oleh karena itu, mengapa dalam penelitian ini ukuran

perusahaan merupakan salah satu variabel yang diteliti untuk melihat apakah

ukuran perusahaan memiliki pengaruh dengan finanacial distress.

Sejarah mengungkapkan bahwa tujuan perusahaan yang tidak merasakan

financial distress dan kebangkrutan adalah suatu hal yang tidak realistis.

Namun, perusahaan dapat meningkatkan kemampuan untuk mengidentifikasi

bisnis yang berisiko mengalami financial distress pada masa yang akan datang.

Peringatan ini mungkin dapat membantu perusahaan untuk membuat

perubahan yang sesuai untuk menghindari financial distress dan kebangkrutan

13

di masa yang akan datang, tetapi secara umum peringatan ini digunakan untuk

mengurangi biaya financial distress dan kegagalan bisnis (Gepp dan Kumar:

2015).

Berdasarkan latar belakang masalah yang dipaparkan diatas, maka penulis

tertarik untuk melakukan penelitian dengan judul “Pengaruh Pengungkapan

Likuiditas, Leverage, Profitabilitas, Aktivitas, dan Firm Size Terhadap

Financial distress Menggunakan Model Altman Z-Score Modifikasi dan

Model Springate (Studi Kasus Perusahaan Properti dan Real Estate Yang

Terdaftar di BEI Periode 2013-2017)”

B. Rumusan Masalah

Berdasarkan uraian latar belakang dan pembatasan masalah, maka

rumusan masalah pada penelitian ini adalah:

1. Apakah terdapat pengaruh secara simultan antara Rasio Likuiditas, Rasio

Rasio Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan Firm Size

terhadap prediksi financial distress dengan model Altman Z-Score

Modifikasi pada Perusahaan Properti dan Real Estate Periode 2013-2017?

2. Apakah terdapat pengaruh secara simultan antara Rasio Likuiditas, Rasio

Rasio Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan Firm Size

terhadap prediksi financial distress dengan model Springate pada

Perusahaan Properti dan Real Estate Periode 2013-2017?

14

3. Apakah terdapat pengaruh secara parsial antara Rasio Likuiditas, Rasio

Rasio Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan Firm Size

terhadap prediksi financial distress dengan model Altman Z-Score

Modifikasi pada Perusahaan Properti dan Real Estate Periode 2013-2017?

4. Apakah terdapat pengaruh secara parsial Rasio Likuiditas, Rasio Rasio

Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan Firm Size terhadap

prediksi financial distress dengan model Springrate pada Perusahaan

Properti dan Real Estate Periode 2013-2017?

C. Tujuan Penelitian

Berdasarkan uraian rumusan masalah, maka tujuan penelitian kali ini,

yaitu:

1. Mengetahui apakah terdapat pengaruh secara simultan pengungkapan Rasio

Likuiditas, Rasio Rasio Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan

Firm Size terhadap prediksi financial distress dengan model Altman Z-

Score Modifikasi pada Perusahaan Properti dan Real Estate Periode 2013-

2017.

2. Mengetahui apakah terdapat pengaruh secara simultan Rasio Likuiditas,

Rasio Rasio Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan Firm Size

terhadap prediksi financial distress dengan model Springate pada

Perusahaan Properti dan Real Estate Periode 2013-2017.

15

3. Mengetahui apakah terdapat pengaruh secara parsial antara Rasio

Likuiditas, Rasio Rasio Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan

Firm Size terhadap prediksi financial distress dengan model Altman Z-

Score Modifikasi pada Perusahaan Properti dan Real Estate Periode 2013-

2017.

4. Mengetahui apakah terdapat pengaruh secara parsial antara Rasio

Likuiditas, Rasio Rasio Leverage, Rasio Profitabilitas, Rasio Aktivitas, dan

Firm Size terhadap prediksi financial distress dengan model Springate pada

Perusahaan Properti dan Real Estate Periode 2013-2017.

D. Manfaat Penelitian

Dari hasil penelitian yang dilakukan diharapkan dapat memberi manfaat

sebagai berikut:

1. Manfaat Teoritis

Penelitian ini bermanfaat untuk memberikan informasi tambahan bagi

pihak Perusahaan Properti dan Real Estate yang terdaftar di BEI, sehingga

manajemen perusahaan dapat meningkatkan kinerjanya dan dapat

menetapkan strategi bisnis yang baik dalam menghadapi krisis keuangan

global dan juga persaingan dalam dunia bisnis properti dan real estate .

2. Bagi Manajer

Dapat memberikan informasi sebagai landasan untuk pengambilan

keputusan sehingga dapat cepat menangani perusahaan pada saat

16

perusahaan mengalami financial distress dan mencegah terjadinya

kebangkrutan.

3. Bagi Investor

Dapat memberikan informasi mengenai kondisi keungan perusahaan yang

tertera sehingga nantinya bisa menjadi landasan dan pertimbangan dimana

dan kapan harus mempercayakan menyalurkan investasi pada perusahaan.

4. Bagi Akademisi

Dapat digunakan sebagai sumber informasi atau dapat dipakai sebagai data

sekunder dan sebagai bahan sumbangan pemikiran tentang peran dan

fungsi financial distress dan faktor apa saja yang mempengaruhinya.

17

BAB II

TINJAUAN PUSTAKA

A. Teori

1. Analisis Laporan Keuangan

Analisis laporan keuangan adalah segala sesuatu yang menyangkut

penggunaan informasi akuntansi untuk membuat keputusan bisnis dan

investasi. Analisis keuangan dirancang bagi pengusaha, investor, dan

kreditor untuk menganalisis laporan keuangan (Astuti, 2004: 29).

Menurut Harahap (2010: 1), menganalisis laporan keuangan berarti

menggali lebih banyak informasi yang dikandung suatu laporan keuangan.

Sebagaimana diketahui laporan keuangan adalah media informasi yang

merangkum seluruh aktivitas perusahaan. Jika informasi ini disajikan

dengan benar, informasi tersebut sangat berguna bagi siapa saja untuk

mengambil keputusan tentang perusahaan yang dilaporkan tersebut.

Menurut Deanta (2009:4), dalam melakukan analisis pihak penganalisa

biasanya akan memperhatikan hal-hal yang berkaitan dengan:

a. Kemampuan perusahaan dalam membayar hutang yang harus segera

dipenuhi. Dalam analisis sering disebut dengan likuiditas.

b. Kemampuan perusahaan untung membayar hutang-hutangnya apabila

perusahaan yang bersangkutan dilikuidasi. Dalam analisis sering

disebut dengan solvabilitas.

18

c. Kemampuan perusahaan untuk menghasilkan laba dalam suatu

periode waktu tertentu. Dalam analisis sering disebut sebagai

rentabilitas.

d. Kemampuan perusahaan untuk melakukan usaha secara stabil.

Analisis laporan keuangan suatu perusahaan pada dasarnya karena

ingin mengetahui tingkat profitabilitas dan tingkat risiko atau tingkat

kesehatan suatu perusahaan. Tantangan analis bukan melakukan

perhitungan rasio, melainkan melakukan analisis dan

menginterpretasikan rasio-rasio keuangan yang muncul. Analisis

semacam itu mengharuskan seorang analis melakukan beberapa hal

(Hanafi dan Halim, 2016: 5):

a. Menentukan dengan jelas tujuan dari analisis

b. Memahami konsep-konsep dan prinsip-prinsip yang mendasari

laporan-laporan keuangan dan rasio-rasio keuangan yang

diturunkan dari laporan keuangan tersebut

c. Memahami kondisi perekonomian dan kondisi bisnis lain pada

umumnya yang berkaitan dengan perusahaan dan mempengaruhi

usaha perusahaan.

Menurut Deanta (2016: 5) walaupun laporan keuangan

menunjukkan berbagai informasi perusahaan khususnya yang

bernilai kuantitatif (uang), namun laporan keuangan juga

mempunyai keterbatasan, diantaranya adalah sebagai berikut:

19

a. Laporan keuangan disusun pada rekening yang material, tidak

serinci yang sebenarnya.

b. Penyajian laporan keuangan terlambat. Laporan keuangan

disajikan sering terlambat, sehingga mengganggu proses

pengambilan keputusan. Namun demikian dengan kemajuan

teknologi khususnya komputer, ketelambatan tersebut dapat

diminimalisir dengan penerapan program akuntansi.

c. Laporan keuangan disusun biasanya berdasar pada harga historis

(perolehan), sehingga apabila terjadi gejolak harga dan perubahan

memerlukan penyesuaian.

d. Laporan keuangan disusun dengan mengunakan bahasa teknis

akuntansi, sehingga tidak semua orang dapat memahami laporan

keuangan, sehingga memerlukan penjelasan khusus untuk

memahaminya.

e. Laporan keuangan disusun berdasar standar akuntansi yang suatu

waktu mengalami perubahan peraturan dan kebijakan.

Selain memiliki keterbatasan ada beberapa masalah-masalah

yang umumnya terjadi ketika menganalisis laporan keuangan

(Atmaja, 2008; 427), yaitu:

a. Rasio-rasio keuangan pada suatu perusahaan yang beroperasi di

banyak bidang atau industri yang berbeda sulit dicarikan data

perbandingan. Pada umumnya data pembanding adalah berupa

20

angka atau rasio keuangan. Kondisi rata-rata bukanlah jadi

tujuan suatu perusahaan, oleh karena itu data pembanding yang

baik bisa jadi adalah rasio keuangan perusahaan-perusahaan

papan atas pada indsutri tersebut.

b. Efek inflasi mempengaruhi biaya depresiasi, biaya persediaan

dan pada gilirannya akan mempengaruhi item pada neraca

maupun laba bersih.

c. Manajemen perusahaan bisa saja memanipulasi kondisi

keuangannya menjelang penyusunan neraca. Tindakan ini

disebut window dressing.

2. Jenis Rasio Pada Laporan Keuangan

Menurut Deanta (2009: 21-22) analisis rasio keuangan suatu

perusahaan digunakan untuk mengetahui keadaan dan kecenderungan serta

kinerja manajemen. Melalui analisis rasio dapat digunakan sebagai salah

satu dasar untuk menilai kinerja manajemen apakah telah mencapai sasaran

yang telah ditetapkan atau belum, dan mengetahui sejak dini

kecenderungan trend atas prestasi manajemen sehingga dapat dilakukan

antisipasi lebih dini.

Analisis rasio dirancang untuk membantu mengevaluasi laporan

keuangan. Analisis rasio tidak semata-mata menggunakan data yang ada di

neraca dan laporan rugi laba dan dimasukkan ke berbagai rumus

21

perhitungan, tetapi mengerti hasil analisis rasio tersebut. Ada tiga tipe

pembandingan hasil analisis rasio keuangan (Astuti, 2004: 29-30), yaitu:

a. Analisis cross-sectional

Analisis cross-sectional adalah membandingkan hasil analisis rasio

keuangan suatu perusahaan dengan nilai analisis keuangan perusahaan

sejenis dalam industri yang sama dalam waktu yang sama.

b. Analisis time-series

Analisis time-series adalah mengevaluasi kinerja perusahaan dengan

cara membandingkan hasil analisis rasio keuangan pada periode yang

satu dengan hasil analisis rasio keuangan pada periode yang lain dalam

perusahaan yang sama.

c. Analisis gabungan

Analisis gabungan adalah gabungan antara analisis cross-sectional dan

analisis time-series.

Analisis rasio keuangan merupakan alat utama dalam analisis

keuangan, karena analisis ini dapat digunakan untuk menjawab berbagai

pernyataan tentang keadaan keuangan korporasi (Tampubolon, 2013:39).

Berikut ini adalah macam-macam rasio keuangan, yaitu:

a. Rasio Likuiditas

Menurut Tampubolon (2013: 40) rasio likuiditas menunjukkan

tingkat kemudahan relatif suatu aktiva untuk segera dikonversikan ke

dalam kas dengan sedikit atau tanpa penurunan nilai, serta tingkat

22

kepastian tentang jumlah kas yang diperoleh. Rasio likuiditas

mengukur kemampuan likuiditas jangka pendek perusahaan dengan

melihat aktiva lancar perusahaan relatif dengan utang lancarnya (utang

dalam hal ini merupakan kewajiban perusahaan). Meskipun rasio ini

tidak bicara masalah solvabilitas (kewajiban jangka panjang), dan

biasanya relatif tidak penting dibandingkan solvabilitas, tetapi rasio

likuiditas yang jelek dalam jangka panjang juga akan memperngaruhi

solvabilitas perusahaan (Hanafi dan Halim, 2016: 75). Menurut Fahmi

(2013: 66-71), ada beberapa rasio likuiditas yang sering dipergunakan,

yaitu:

1) Current Ratio

Rasio lancar (quick ratio) adalah ukuran yang umum digunakan atas

solvensi jangka pendek, kemampuan suatu perusahaan memenuhi

kebutuhan utang jatuh tempo. Berikut adalah rumusnya:

Current Ratio = 𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑨𝒔𝒔𝒆𝒕𝒔

𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔

2) Quick Ratio

Rasio ini merupakan ukuran uji solvensi jangka pendek yang lebih

teliti daripada rasio lancar karena pembilangnya mengeliminasi

persediaan yang dianggap aktiva lancar yang sedikit tidak likuid dan

kemungkinan menjadi sumber kerugian. Berikut adalah rumusnya:

Quick Ratio = 𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑨𝒔𝒔𝒆𝒕𝒔−𝑰𝒏𝒗𝒆𝒏𝒕𝒐𝒓𝒊𝒆𝒔

𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔

23

3) Net Working Capital Ratio

Net Working Capital Ratio disebut juga modal kerja bersih. Modal

merupakan suatu ukuran likuiditas perusahaan. Berikut adalah

rumusnya:

Net Working Capital Ratio = Current Assets – Current

Liabilities

4) Cash Flow Liquidity Ratio

Rasio ini menggunakan pembilang sebagai suatu perkiraan sumber

kas, kas dan surat berharga menyajikan jumlah kas yang dihasilkan

dari operasi perusahaan seperti kemampuan menjual persediaan dan

menagih kas.

Cash Flow Liquidity Ratio = 𝑪𝒂𝒔𝒉+𝑪𝒐𝒎𝒎𝒆𝒓𝒄𝒊𝒂𝒍 𝑷𝒂𝒑𝒆𝒓+𝑪𝑭𝑶

𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔

b. Rasio Leverage

Menurut Tampubolon (2013: 41) digunakan untuk menjelaskan

penggunaan hutang untuk membiayai sebagian dari pada aktiva

korporasi. Rasio ini mengukur kemampuan perusahaan memenuhi

kewajiban-kewajiban jangka panjangnya. Rasio ini bertujuan untuk

mengukur seberapa besar perusahaan dibiayai dengan utang, berikut

adalah macam-macam rasio leverage (Fahmi, 2013: 72-76), yaitu:

24

1) Debt to Total Assets (Debt Ratio)

Disebut sebagai rasio yang melihat perbandingan utang perusahaan.

Semakin rendah rasio ini semakin baik karena aman bagi kreditor

saat likuidasi. Berikut adalah rumusnya:

Debt Ratio = 𝑻𝒐𝒕𝒂𝒍 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔

𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔

2) Debt to Equity Ratio

Merupakan ukuran yang dipakai dalam menganalisis laporan

keuangan untuk memperlihatkan besarnya jaminan yang tersedia

untuk kreditor. Berikut rumusnya:

Debt to Equity Ratio = 𝑻𝒐𝒕𝒂𝒍 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔

𝑻𝒐𝒕𝒂𝒍 𝑺𝒉𝒂𝒓𝒆𝒉𝒐𝒍𝒅𝒆𝒓𝒔′𝑬𝒒𝒖𝒊𝒕𝒚

3) Times Interest Earned

Times Interest Earned disebut juga rasio kelipatan. Semakin tinggi

maka akan semakin baik. Berikut adalah rumusnya:

Times Interest Earned = 𝑬𝒂𝒓𝒏𝒊𝒏𝒈 𝑩𝒆𝒇𝒐𝒓𝒆 𝑰𝒏𝒕𝒆𝒓𝒆𝒔𝒕 𝒂𝒏𝒅 𝑻𝒂𝒙 (𝑬𝑩𝑰𝑻)

𝑰𝒏𝒕𝒆𝒓𝒆𝒔𝒕 𝑬𝒙𝒑𝒆𝒏𝒔𝒆

4) Long Term Debt to Total Capitalization

Long Term Debt to Total Capitalization disebut juga dengan utang

jangka panjang/total kapitalisasi. Adapun rumusnya adalah sebagai

berikut:

Long Term Debt to Total Capitalization =

𝑳𝒐𝒏𝒈 𝑻𝒆𝒓𝒎 𝑫𝒆𝒃𝒕

𝑳𝒐𝒏𝒈 𝑻𝒆𝒓𝒎 𝑫𝒆𝒃𝒕+𝑬𝒌𝒖𝒊𝒕𝒂𝒔 𝑷𝒆𝒎𝒆𝒈𝒂𝒏𝒈 𝑺𝒂𝒉𝒂𝒎

25

5) Fixed Charge Coverage

Rasio ini disebut juga dengan rasio menutup beban tetap. Yang

berarti ukuran yang lebih luas dari kemampuan perusahaan untuk

menutup beban tetap dibandingkan dengan rasio kelipatan

pembayaran bunga. Karena termasuk pembayaran beban bunga

tetap yang berkenaan dengan sewa usaha. Berikut rumusnya:

Fixed Charge Coverage = 𝑳𝒂𝒃𝒂 𝑼𝒔𝒂𝒉𝒂+𝑩𝒆𝒃𝒂𝒏 𝑩𝒖𝒏𝒈𝒂

𝑩𝒆𝒃𝒂𝒏 𝑩𝒖𝒏𝒈𝒂+𝑩𝒆𝒃𝒂𝒏 𝑺𝒆𝒘𝒂

6) Cash Flow Adequacy

Rasio ini disebut juga dengan rasio kecukupan arus kas. Kecukupan

arus kas digunakan untuk mengukur kemampuan perusahaan

menutup pengeluaran modal, utang jangka panjang, dan

pembayaran dividen setiap tahunnya. Berikut adalah rumusnya:

Cash Flow Adequacy =

𝑨𝒓𝒖𝒔 𝑲𝒂𝒔 𝒅𝒂𝒓𝒊 𝑨𝒌𝒕𝒊𝒗𝒊𝒕𝒂𝒔 𝑶𝒑𝒆𝒓𝒂𝒔𝒊

𝑷𝒆𝒏𝒈𝒆𝒍𝒖𝒂𝒓𝒂𝒏 𝑴𝒐𝒅𝒂𝒍+𝑷𝒆𝒍𝒖𝒏𝒂𝒔𝒂𝒏 𝑼𝒕𝒂𝒏𝒈+𝑩𝒂𝒚𝒂𝒓 𝑫𝒊𝒗𝒊𝒅𝒆𝒏

c. Rasio Profitabilitas

Menurut Jumingan (2017: 122) rasio profitabilitas bertujuan

mengukur efektivitas manajemen yang tercermin pada imbalan hasil

dari investasi melalui kegiatan penjualan. Sementara menurut Hanafi

dan Halim (2016: 81), rasio ini mengukur kemampuan perusahaan

menghasilkan keutungan (profitabilitas) pada tingkat penjualan, aset,

dan modal saham tertentu. Menurut Tampubolon (2013: 43), rasio

profitabilitas tergantung dari informasi akuntansi yang diambil dari

26

laporan keuangan. Berikut ini adalah macam-macam rasio profitabilitas

menurut Hanafi dan Halim (2016: 81) antara lain, yaitu:

1) Profit Margin

Rasio ini menghitung kemampuan perusahaan menghasilkan laba

pada tingkat penjualan tertentu. Rasio ini bisa diinterpretasikan juga

sebagai kemampuan perusahaan menekan baiaya-biaya perusahaan

pada periode tertentu. Berikut adalah rumusnya:

Profit Margin = 𝑳𝒂𝒃𝒂 𝑩𝒆𝒓𝒔𝒊𝒉

𝑷𝒆𝒏𝒋𝒖𝒂𝒍𝒂𝒏

2) Return on Asset (ROA)

Rasio ini mengukur kemampuan perusahaan menghasilkan laba

bersih berdasarkan tingkat aset yang tertentu. ROA juga sering

disebut sebagai ROI (Return on Investment). Berikut adalah

rumusnya:

ROA = 𝑳𝒂𝒃𝒂 𝑩𝒆𝒓𝒔𝒊𝒉

𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒆𝒕

3) Return on Equity (ROE)

Rasio ini mengukur kemampuan perusahaan menghasilkan laba

berdasarkan modal saham tertentu. Rasio ini merupakan rasio

profitabilitas dari sudut pemegang saham. Berikut adalah

rumusnya:

ROE = 𝑳𝒂𝒃𝒂 𝑩𝒆𝒓𝒔𝒊𝒉

𝑴𝒐𝒅𝒂𝒍 𝑺𝒂𝒉𝒂𝒎

27

d. Rasio Aktivitas

Rasio aktivitas adalah rasio yang menggambarkan sejauh mana

suatu perusahaan mempergunakan sumber daya yang dimilikinya guna

menunjang aktivitas perusahaan, di mana penggunaan aktivitas ini

dilakukan secara maksimal dengan maksud memperoleh hasil yang

maksimal. Rasio ini bagi banyak praktisi dan analis bisnis menyebutnya

sebagai rasio pengelolaan aset (asset management ratio) (Fahmi, 2013:

77).

Menurut Hanafi dan Halim (2016: 74), rasio aktivitas merupakan

rasio yang mengukur sejauh mana efektivitas penggunaan asset dengan

melihat tingkat aktivitas aset. Rasio ini melihat pada beberapa aset

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. Berikut adalah

yang termasuk rasio aktivitas menurut Fahmi (2013: 77-80), yaitu:

1) Inventory Turnover

Rasio ini melihat sejauh mana tingkat perputaran persediaan yang

dimiliki oleh perusahaan. Berikut adalah rumusnya:

Inventory Turnover = 𝑪𝒐𝒔𝒕 𝒐𝒇 𝑮𝒐𝒐𝒅 𝑺𝒐𝒍𝒅

𝑨𝒗𝒆𝒓𝒂𝒈𝒆 𝑰𝒏𝒗𝒆𝒏𝒕𝒐𝒓𝒚

28

2) Day Sales Outstanding

Rasio ini disebut juga dengan rata-rata periode pengumpulan

piutang. Mengkaji tentang bagaimana suatu perusahaan melihat

periode pengumpulan piutang yang akan terlihat. Berikut adalah

rumusnya:

Day Sales Outstanding = 𝑹𝒆𝒄𝒆𝒊𝒗𝒂𝒃𝒍𝒆

𝑪𝒓𝒆𝒅𝒊𝒕 𝑺𝒂𝒍𝒆𝒔/ 𝟑𝟔𝟎

3) Fixed Asset Turnover

Rasio ini disebut juga dengan perputaran aktiva tetap. Rasio ini

melihat sejauh mana aktiva tetap yang dimiliki oleh suatu

perusahaan memiliki tingkat perputaran secara efektif, dan

memberikan dampak pada keuangan perusahaan. Berikut adalah

rumusnya:

Fixed Asset Turnover = 𝑺𝒂𝒍𝒆𝒔

𝑭𝒊𝒙𝒆𝒅 𝑨𝒔𝒔𝒆𝒕−𝑵𝒆𝒕

4) Total Assets Turnover

Rasio ini disebut juga dengan perputaran total aset. Rasio ini

melihat sejauh mana keseluruhan aset yang dimiliki oleh

perusahaan terjadi perputaran secara efektif. Adapun rumusnya

adalah sebagai berikut:

Total Assets Turnover = 𝑺𝒂𝒍𝒆𝒔

𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔

29

3. Ukuran Perusahaan (Firm Size)

a. Pengertian Ukuran Perusahaan

Menurut Brigham dan Houston (2010: 4), ukuran perusahaan

merupakan besar kecilnya sutau perusahaan yang ditunjukkan atau

dinilai oleh total aset, total penjualan, jumlah laba, beban pajak dan

lain-lain.

Ukuran perusahaan (firm size) merupakan besar kecilnya

perusahaan yang dapat diukur dengan total aktiva atau besar harta

perusahaan dengan menggunakan perhitungan nilai logaritma total

aktiva (Hartono, 2016: 480).

Jika dilihat dari pengertian ukuran perusahaan, ukuran perusahaan

seharusnya dapat mempengaruhi kinerja, karena semakin besar ukuran

perusahaan maka semakin baik juga perusahaan yang menyebabkan

tercapainya tujuan yang dinginkan oleh perusahaan.

b. Klasifikasi Ukuran Perusahaan

Undang-Undang No. 20 Tahun 2008 mengklasifikasi ukuran

perusahaan ke dalam 4 klasifikasi. Pengklasifikasian ukuran

perusahaan ini didasarkan pada total aset yang dimiliki dan total

penjualan tahunan perusahaan tersebut. Undang-Undang No. 20 Tahun

2008 memaparkan dan mengidentifikasikannya kedalam beberapa

bentuk, yaitu:

30

1. Usaha Mikro

Merupakan usaha produktif milik orang atau perorangan dan/atau

badan usaha perorangan yang memiliki kriteria usaha mikro

sebagaimana diatur dalam UU ini.

2. Usaha Kecil

Usaha ekonomi produktif yang berdiri sendiri yang dilakukan oleh

perorangan atau badan usaha yang bukan merupakan anak

perusahaan atau bukan cabang perusahaan yang dimiliki, dikuasai,

atau menjadi bagian baik langsung maupun tidak langsung dari

usaha menengah atau usaha besar yang memenuhi kriteriia usaha

kecil sebagaimana dimaksud dalam UU ini.

3. Usaha Menengah

Merupakan usaha ekonomi produktif yang berdiri sendiri, yang

dilakukan oleh orang perorangan atau badan usaha yang bukan

merupakan anak perusahaan atau cabang perusahaan yang dimiliki,

dikuasai, atau menjadi bagian baik langsung maupun tidak langsung

dengan usaha kecil atau besar dengan jumlah kekayaan bersih atau

hasil penjualan tahunan sebagaimana diatur dalam undang-undang

ini.

4. Usaha Besar

Merupakan usaha ekonomi produktif yang dilakukan badan usaha

dengan jumlah kekayaan bersih atau hasil penjualan tahunan lebih

31

besar dari usaha menengah, yang meliputi usaha nasional milik

negara atau swasta, usaha patungan, dan usaha asing yang

melakukan kegiatan ekonomi di Indonesia.

Kriteria perusahaan yang diatur dalam UU No. 20 Tahun 2008

adalah sebagai berikut:

Tabel 2. 1

Kriteria Ukuran Perusahaan

Ukuran

Perusahaan

Kriteria

Aset (Tidak

termasuk tanah

dan bangunan

tempat usaha)

Penjualan

Tahunan

Usaha Mikro Maksimal 50 Juta

Rupiah

Maksimal 300 Juta

Rupiah

Usaha Kecil 50 Juta Rupiah ≤ X

≤ 500 Juta Rupiah

300 Juta Rupiah -2.5

Milyar Rupiah

Usaha Menengah 10 Juta Rupiah ≤ X

≤ 10 Milyar Rupiah

2.5 Milyar Rupiah –

50 Milyar Rupiah

Usaha Besar > 10 Milyar Rupiah Lebih dari 50 Milyar

Rupiah

Sumber: UU No. 20 Tahun 2008

c. Pengukuran Ukuran Perusahaan

Ukuran perusahaan menggambarkan besarnya aktiva yang

dimiliki perusahaan. Penggunaan total aset sebagai proksi ukuran

perusahaan dikarenakan aset merupakan gambaran kekayaan yang

32

dimiliki oleh suatu perusahaan pada waktu tertentu. Perhitungan ukuran

perusahaan diproksikan dengan nilai logaritma dari total aset (Hartono,

2016: 480), yaitu :

Firm Size = (Ln)of Total Assets

4. Financial Distress

a. Pengertian Financial distress

Menurut Karen Wruck dalam Rodoni dan Ali (2014: 186),

financial distress adalah situasi di mana arus kas operasi perusahaan

tidak cukup, untuk memenuhi kewajiban perusahaan (seperti kredit

perdagangan atau biaya bunga) dan perusahaan ditekan untuk

melakukan kegiatan perbaikan. Hal ini mengakibatkan perusahaan

melalaikan kontrak dan akan terlibat pada restrukturalisasi keuangan

antara perusahaan, kreditornya dan hak layak investornya.

Menurut Atmaja (2008: 258), financial distress adalah kondisi di

mana perusahaan mengalami kesulitan keuangan dan terancam

bangkrut. Jika perusahaan mengalami kebangkrutan maka akan

timbul biaya kebangkrutan (Bankruptcy Cost) yang disebabkan oleh:

keterpaksaan menjual aktiva dibawah harga pasar, biaya likuidasi

perusahaan rusaknya aktiva tetap dimakan waktu sebelum terjual, dsb.

Bankruptcy cost ini termasuk “Direct cost of financial distress”.

Selain itu, ancaman akan terjadinya financial distress juga merupakan

biaya karena manajemen cenderung menghabiskan waktu untuk

33

menghindari kebangkrutan daripada membuat keputusan perusahaan

yang baik. Ini termasuk “Indirect cost of financial distress”.

Menuru Rudianto (2013: 251), kebangkrutan diartikan sebagai

kegagalan perusahaan dalam menjalankan operasi untuk mencapai

tujuannya. Kegagalan ekonomis berarti bahwa pendapatan perusahaan

tidak dapat menutup biayanya sendiri. Sedangkan kegagalan

keuangan berarti perusahaan tidak dapat memenuhi kewajibannya

ketika harus dipenuhi.

Menuru Bearley et al (2007: 19), kebangkrutan hanyalah

mekanisme hukum yang mengizinkan kreditor (yaitu, peminjam)

mengambil alih perusahaan ketika penurunan nilai asetnya memicu

kegagalan pembayaran utang yang ada. Jika perusahaan tidak dapat

membayar utangnya, perusahaan diambil alih kreditor, yang menjadi

pemilik baru; pemegang saham lama tidak mendapatkan apa-apa.

Kebangkrutan bukan penyebab penurunan nilai perusahaan.

Kebangkrutan merupakan hasil penurunan nilai perusahaan.

b. Jenis Financial distress

Menurut (Rudianto, 2013: 252) terdapat tiga jenis kegagalan dalam

perusahaan, yaitu:

1) Perusahaan yang menghadapi technically insolvent, jika

perusahaan tidak dapat memenuhi kewajibannya yang segera jatuh

tempo tetapi nilai aset perusahaan lebih tinggi daripada utangnya.

34

2) Perusahaan yang menghadapi legally insolvent, jika nilai

perusahaan lebih rendah daripada nilai utang perusahaan.

3) Perusahaan yang menghadapi kebangkrutan, yaitu jika tidak dapat

membayar utangnya dan oleh pengadilan dinyatakan pailit.

c. Faktor Penyebab Financial distress

Menurut Rodoni dan Ali (2014: 189-190) ditinjau dari aspek

keuangan, maka terdapat tiga keadaan yang dapat menyebabkan

financial distress yaitu:

1) Faktor ketidakcukupan modal atau kurang modal

Ketidakseimbangan aliran penerimaan uang yang bersumber

pada penjualan atau penagihan piutang dengan pengeluaran uang

untuk membiayai operasi perusahaan tidak mampu menarik dana

untuk memenuhi kekurangan dana tersebut, maka perusahaan

akan berada pada posisi tidak likuid.

2) Besarnya beban utang dan bunga

Apabila perusahaan mampu menarik dana dari luar, misalnya

kredit dari bank untuk menutup kekurangan dana, maka masalah

likuiditas perusahaan dapat teratasi untuk sementara waktu.

Tetapi kemudian timbul persoalan baru yaitu adanya keterikatan

kewajiban untuk membayar kembali pokok pinjaman dan bunga

kredit. Walaupun demikian hal ini tidak membahayakan

perusahaan dan masih memberikan keuntungan bagi perusahaan

35

apabila tingkat bunga lebih rendah dari tingkat investasi harta

(return to assets) dan perusahaan melakukan apa yang disebut

dengan manajemen risiko atas hutang yang diterimanya.

3) Menderita kerugian

Pendapatan yang di peroleh perusahaan harus mampu menutup

seluruh biaya yang dikeluarkan dan menghasilkan laba bersih.

Besarnya laba bersih sangat penting bagi perusahaan untuk

melakukan reinvestasi, sehingga akan menambah kekayaan

bersih perusahaan dan meningkatkan ROE (Return On Equity)

untuk menjamin kepentingan pemegang saham. Oleh karena itu,

perusahaan harus selalu berupaya meningkatkan pendapatan dan

mengendalikan tingkat biaya. Ketidakmampuan perusahaan

mempertahankan keseimbangan pendapatan dengan biaya,

niscaya perusahaan akan mengalami financial distress.

Ketiga aspek tersebut saling berkaitan. Oleh karena itu, harus

dijaga keseimbangannya agar perusahaan terhindar dari kondisi

financial distress yang akan mengarah pada kebangkrutan. Caranya

adalah dengan (Rodoni dan Ali, 2014: 190):

1) Kemampuan memperoleh laba

Kemampuan perusahaan untuk memperoleh laba yang cukup dari

modal yang digunakan. Jadi setiap pendapatan harus

menghasilkan laba kotor (gross profit) jauh diatas biaya

36

operasional agar menghasilkan laba kotor sisa yang disebut biaya

laba bersih (net profit). Setiap laba bersih kemudian harus

diinvestasikan perusahaan guna memperbesar dana perusahaan.

2) Tingkat utang dalam struktur permodalan

Manajemen risiko atas utang ini sangat penting terutama apabila

utang yang diterima tidak dalam mata uang yang sama dengan

pendapatan yang diperoleh perusahaan. Ketidakmampuan

perusahaan melakukan manajemen risiko atas utangnya dapat

mengakibatkan perusahaan harus mendapatkan risiko menderita

kerugian yang seharusnya tidak perlu terjadi.

3) Likuiditas

Kemampuan perusahaan untuk membiayai kegiatan operasional

perusahaan dan mebayar kewajiban jangka pendeknya dengan

harta lancarnya terutama kas. Oleh karena itu, perusahaan harus

menjaga kualitas dan tingkat investasi piutang dan persediaan

dalam arti kecepatan mengubah kas denga risiko yang paling

kecil.

d. Tujuan Financial distress

Manajemen harus mampu mengantisipasi berbagai perkembangan

global yang berpengaruh terhadap perusahaan agar mampu bertahan

dan tidak mengalami kebangkrutan. Salah satu alat analisis yang dapat

digunakan untuk mengetahui kondisi perusahaan sejak dini adalah

37

analisis kebangkrutan usaha (Deanta, 2009: 151). Analisis ini

bertujuan memberikan informasi terkait kebangkrutan kepada

beberapa pihak yang terkait. Informasi kebangkrutan bisa bermanfaat

bagi beberapa pihak seperti berikut ini (Hanafi dan Halim, 2016: 259):

1) Pemberi pinjaman

Informasi kebangkrutan bisa bermanfaat untuk mengambil

keputusan siapa yang akan diberi pinjaman, dan kemuddian

bermanfaat untuk kebijakan memonitor pinjaman.

2) Investor

Sangat berkepentingan melihat adanya kemungkinan bangkrut

atau tidaknya perusahaan yang menjual surat berharga. Investor

dapat melihat tanda-tanda kebangkrutan dan kemudian

mengantisipasi kemungkinan tersebut.

3) Pihak Pemerintah

Pemerintah memiliki tanggungjawab untuk mengawasi jalannya

usaha, dan pemerintah juga memiliki badan-badan usaha yang

perlu diawasi (BUMN). Pemerintah mempunyai kepentingan

untuk melihat tanda-tanda kebangkrutan lebih awal supaya

tindakan-tindakannya yang perlu bisa dilakukan lebih awal.

38

4) Akuntan

Mempunyai kepentingan terhadap informasi kelangsungan suatu

usaha karena akuntan akan menilai kemampuan going concern

suatu perusahaan.

5) Manajemen

Manajemen perlu mendeteksi kebangkrutan dari awal karena

berdasarkan suatu penelitian menunjukkan biaya kebangkrutan

mencapai 11-17% dari nilai perusahaan. Apabila manajemen bisa

mendeteksi dari awal, maka tindakan-tindakan penghematan dapat

dilakukan, missal dengan melakukan merger atau restrukturisasi

keuangan sehingga biaya kebangkrutan bisa dihindari.

e. Model Financial distress

1) Model Altman Z-Score

Edward I. Altman di New York University, adalah salah satu

peneliti awal yang mengkaji pemanfaatan analisis rasio keuangan

sebagai alat ukur untuk memprediksi kebangkrutan perusahaan.

Hasil penelitian yang dilakukan Altman menghasilkan rumus yang

disebut Z-Score. Rumus ini adalah model rasio yang

menggunakan Multiple Discriminant Analysis (MDA) (Rudianto,

2013: 254).

Beberapa penelitian yang berhubungan dengan kasus dan

fenomena kebangkrutan telah dilakukan. Edward I. Altman (1968)

39

adalah salah satu peneliti awal yang melakukan penelitian

tersebut. Penelitian yang dilakukan Altman menghasilkan rumus

yang disebut Z-Score. Analisis Z-Score adalah model untuk

memprediksi kebangkrutan hidup perusahaan dengan

mengkombinasikan beberapa rasio keuangan yang umum dan

pemberian bobot yang berbeda satu dengan lainnya. Berikut

adalah rumus Altman Z-Score (Rudianto, 2013: 254-258):

a) Model Altman Pertama (1968)

Rumus Z-Score pertama dihasilkan Altman pada tahun

1968, rumus dihasilkan dari penelitian atas berbagai

perusahaan manufaktur di Amerika Serikat yang menjual

sahamnya di bursa efek. Karena itu, rumus tersebut lebih

cocok digunakan untuk memprediksi keberlangsungan usaha

perusahaan-perusahaan manufaktur yang go public. Rumus

pertama tersebut adalah sebagai berikut:

Z-Score = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X4 + 0,999 X5

Keterangan:

X1 = working capital / total asset

X2 = retained earnings / total asset

X3 = earning before interest and taxes/total asset

X4 = market value of equity / book value of total debt

X5 = sales / total asset.

40

Hasil perhitungan dengan menggunakan rumus Z-Score

tersebut akan menghasilkan skor yang berbeda antara satu

perusahaan dengan perusahaan lainnya. Skor tersebut harus

dibandingkan dengan standar penilaian berikut ini untuk

menilai keberlangsungan hidup perusahaan:

Jika nilai indeks Z < 2,99 = Zona “Aman”, yaitu termasuk

perusahaan yang tidak bangkrut.

Jika nilai indeks 1,81 < Z > 2,99 = Zona “Abu-abu”, yaitu

termasuk grey area (tidak dapat ditentukan apakah

perusahaan sehat ataupun mengalami kebangkrutan).

Jika nilai indeks Z < 1,81 = Zona “Berbahaya”, yaitu

termasuk perusahaan yang bangkrut.

Model kebangkrutan Altman memiliki sejumlah

keterbatasan yang menjadi hambatan untuk diaplikasikan

pada perusahaan di berbagai bidang belahan dunia dengan

kondisi yang berbeda. Beberapa kelemahan tersebut antara

lain:

Dalam membentuk model ini hanya memasukan

perusahaan manufaktur yang go public saja. Sedangkan

perusahaan dari jenis lain memiliki hubungan yang

berbeda antara total modal kerja dan variabel lain yang

digunakan dalam analisis rasio.

41

Penelitian yang dilakukan Altman pada tahun 1946

sampai 1965 tentu saja berbeda dengan kondisi sekarang,

sehingga proporsi untuk setiap variabel sudah kurang

tepat lagi untuk digunakan.

b) Model Altman Revisi (1983)

Pada tahun 1984 Altman melakukan penelitian kembali di

berbagai negara. Penelitian ini menggunakan berbagai

perusahaan manufaktur yang tidak go public. Karena itu, rumus

dari hasil penelitian tersebut lebih tepat digunakan untuk

perusahaan manufaktur yang tidak menjual sahamnya di bursa

efek. Hasil penelitian tersebut menghasilkan rumus Z-Score

yang kedua untuk perusahaan-perusahaan manufaktur yang

tidak go public sebagai berikut:

Z-Score = 0,717 X1 + 0,847 X2 + 3,108 X3 +0,42 X4 +

0,988 X5

Keterangan:

X1 = working capital / total asset

X2 = retained earnings / total asset

X3 = earning before interest and taxes/total asset

X4 = book value of equity / book value of total debt

X5 = sales / total asset.

42

Klasifikasi perusahaan yang sehat dan bangkrut didasarkan

pada nilai Z-Score model Altman (1983), yaitu:

Bila Z > 2.9 = Zona “Aman” (Pada kondisi ini, perusahaan

berada pada kondisi yang sehat sehingga kecil

kemungkinan terjadi kebangkrutan)

Bila 1.23 < Z < 2.9 = Zona “Abu-abu” (Pada kondisi ini,

perusahaan mengalami Financial distress yang harus

ditangani dengan penanganan managemen yang tepat. Jika

terlambat, dan tidak tepat penanganannya, perusahaan

dapat mengalami kebangrutan. Jadi pada grey area ini ada

kemungkinan perusahaan bangkrut atau survive dari masa

Financial distress)

Bila Z < 1.23 = Zona “Distress” (Pada kondisi ini,

perusahaan mengalami Financial distress dan berisiko

tinggi mengalami kebangkrutan)

c) Model Altman Modifikasi (1995)

Setelah melakukan penelitan dengan objek berbagai

perusahaan manufaktur dan menghasilkan 2 rumus prediksi

kebangkrutan, Altman tidak berhenti. Altman melakukan

penelitian lagi mengenai potensi kebangkrutan perusahaan selain

perusahaan-perusahaan manufaktur, baik yang go public maupun

yang tidak, dan cocok digunakan di negara berkembang seperti

43

Indonesia. Hasil penelitian tersebut menghasilkan rumus Z-Score

ketiga untuk berbagai jenis perusahan sebagai berikut:

Z-Score = 6,56 X1 + 3,26 X2 + 6,72 X3 + 1,05 X4

Keterangan:

Modal Kerja terhadap Total Aset (X1)

Rasio ini digunakan untuk mengukur likuiditas dengan

membandingkan aset likuid bersih dengan total aset. Aset

likuid bersih atau modal kerja didefinisikan sebagai aset

lancar dikurangi total kewajiban lancar (aset lancar – utang

lancar). Umumnya bila perusahaan mengalami kesulitan

keuangan, modal kerja akan turun lebih cepat ketimbang

total aset sehingga menyebabkan rasio ini turun (Rudianto,

2013: 255).

X1 = 𝑾𝒐𝒓𝒌𝒊𝒏𝒈 𝑪𝒂𝒑𝒊𝒕𝒂𝒍

𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔

Laba Ditahan terhadap Total Aset (X2)

Rasio ini merupakan rasio profitabilitas yang mendeteksi

kemampuan perusahaan dalam menghasilkan keuntungan.

Rasio ini mengukur besarnya kemampuan perusahaaan

bersangkutan dalam memperoleh keuntungan, ditinjaui dari

kemampuan perusahaan bersangkutan dalam memperoleh

laba dibandingkan kecepatan perputaran operating assets

ukuran definisi usaha atau dengan kata lain, rasio ini

44

mengukur akumulasi laba selama perusahaan beroperasi

(Rudianto, 2013: 255).

X2 = 𝑹𝒆𝒕𝒂𝒊𝒏𝒆𝒅 𝑬𝒂𝒓𝒏𝒊𝒏𝒈

𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔

Laba Sebelum Bunga dan Pajak terhadap Total Aset (X3)

Rasio ini mengukur profitabilitas, yaitu tingkat

pengembalian atas aset, yang dihitung dengan membagi laba

sebelum bunga dan pajak (Earning Before Interest and Tax)

tahunan perusahaan dengan total aset pada neraca akhir

tahun. Rasio ini menjelaskan pentingnya pencapaian laba

perusahaan terutama dalam rangka memenuhi kewajiban

bunga para investor. Kemampuan untuk bertahan sangat

bergantung pada earning power asetnya. Karena itu, rasio ini

sangat sesuai digunakan dalam menganalisis rasio

kebangkrutan (Rudianto, 2013: 255).

X3 = 𝑬𝒂𝒓𝒏𝒊𝒏𝒈 𝑩𝒆𝒇𝒐𝒓𝒆 𝑰𝒏𝒕𝒆𝒓𝒆𝒔𝒕 𝒂𝒏𝒅 𝑻𝒂𝒙

𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔

Nilai Buku Ekuitas terhadap Nilai Buku Total Utang (X4)

Rasio ini menunjukkan kemampuan perusahaan untuk

memenuhi kewajiban-kewajiban dari nilai buku ekuitas.

Nilai buku ekuitas diperoleh dari seluruh jumlah ekuitas.

Nilai buku hutang diperoleh dengan menjumlahkan

kewajiban lancar dengan kewajiban jangka panjang.

45

X4 = 𝑩𝒐𝒐𝒌 𝑽𝒂𝒍𝒖𝒆 𝒐𝒇 𝑬𝒒𝒖𝒊𝒕𝒚

𝑩𝒐𝒐𝒌 𝑽𝒂𝒍𝒖𝒆 𝒐𝒇 𝑻𝒐𝒕𝒂𝒍 𝑫𝒆𝒃𝒕

Klasifikasi perusahaan yang sehat dan bangkrut didasarkan

pada nilai Z-Score model Altman Modifikasi yaitu:

Bila Z > 2.6 = Zona “Aman” (Pada kondisi ini, perusahaan

berada pada kondisi yang sehat sehingga kecil

kemungkinan terjadi kebangkrutan)

Bila 1.11 < Z < 2.6 = Zona “Abu-abu” (Pada kondisi ini,

perusahaan mengalami Financial distress yang harus

ditangani dengan penanganan manajemen yang tepat. Jika

terlambat, dan tidak tepat penanganannya, perusahaan

dapat mengalami kebangrutan. Jadi pada grey area ini ada

kemungkinan perusahaan bangkrut atau survive dari masa

Financial distress.

Bila Z < 1.11 = Zona “Distress” (Pada kondisi ini,

perusahaan mengalami Financial distress dan berisiko

tinggi mengalami kebangkrutan)

Altman mengklaim tingkat akurasi formulanya sebesar 95%

untuk periode prediksi satu tahun, dengan potensi error antara

10%-15%.

2) Model Springate

Menurut Rudianto (2013: 262) Springate Score dihasilkan

oleh Gordon L.V. Springate pada tahun 1978 sebagai

46

pengembangan dari Altman Z-Score. Model Springate adalah

model rasio yang menggunakan multiple discriminant analysis

(MDA). Dalam model MDA diperlukan lebih dari satu rasio

keuangan yang berkaitan dengan kebangkrutan perusahaan untuk

menghasilkan model yang baik. Untuk menentukan rasio-rasio

mana saja yang dapat mendeteksi kemungkinan kebangkrutan,

Springate menggunakan MDA untuk memilih 4 rasio dari 19 rasio

keuangan yang popular dalam literatur-literatur, yang mampu

membedakan dengan baik antara sinyal usaha yang pailit dan tidak

pailit. Rumus model Springate adalah:

S = 1,03 X1 + 3,07 X2 + 0,66 X3 + 0,4 X4

Keterangan:

a) Modal Kerja terhadap Total Aset (X1)

Rasio ini digunakan untuk mengukur likuiditas dengan

membandingkan aset likuid bersih dengan total aset. Aset

likuid bersih atau modal kerja didefinisikan sebagai aset lancar

dikurangi total kewajiban lancar (aset lancar – utang lancar).

Umumnya bila perusahaan mengalami kesulitan keuangan,

modal kerja akan turun lebih cepat ketimbang total aset

sehingga menyebabkan rasio ini turun (Rudianto, 2013: 255).

X1 = 𝑾𝒐𝒓𝒌𝒊𝒏𝒈 𝑪𝒂𝒑𝒊𝒕𝒂𝒍

𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔

47

b) Laba Sebelum Bunga dan Pajak terhadap Total Aset (X2)

Rasio ini mengukur profitabilitas, yaitu tingkat pengembalian

atas aset, yang dihitung dengan membagi laba sebelum bunga

dan pajak (Earning Before Interest and Tax) tahunan

perusahaan dengan total aset pada neraca akhir tahun. Rasio

ini menjelaskan pentingnya pencapaian laba perusahaan

terutama dalam rangka memenuhi kewajiban bunga para

investor. Kemampuan untuk bertahan sangat bergantung pada

earning power asetnya. Karena itu, rasio ini sangat sesuai

digunakan dalam menganalisis rasio kebangkrutan (Rudianto,

2013: 255).

X2 = 𝑬𝒂𝒓𝒏𝒊𝒏𝒈 𝑩𝒆𝒇𝒐𝒓𝒆 𝑰𝒏𝒕𝒆𝒓𝒆𝒔𝒕 𝒂𝒏𝒅 𝑻𝒂𝒙

𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔

c) Laba sebelum Pajak dan Likuiditas Lancar (X3)

Rasio ini menunjukkan perbandingan antara laba sebelum

pajak dengan jumlah kewajiban lancarnya. Berikut adalah

rumusnya:

X3 = 𝑬𝒂𝒓𝒏𝒊𝒏𝒈 𝑩𝒆𝒇𝒐𝒓𝒆 𝑻𝒂𝒙

𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔

d) Aset Lancar dan Liabilitas Lancar (X4)

Menurut Fahmi (2013: 66) rasio lancar (current ratio) adalah

ukuran yang umum digunakan atas solvensi jangka pendek,

kemampuan suatu perusahaan memenuhi kebutuhan utang

jatuh tempo. Berikut adalah rumusnya:

48

X4 = 𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑨𝒔𝒔𝒆𝒕𝒔

𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔

Klasifikasi perusahaan yang distress dan non distress pada nilai

S-Score model Springate , yaitu:

a) Jika nilai S < 0,862 maka perusahaan termasuk perusahaan distress

b) Jika nilai S > 0,862 maka perusahaan termasuk perusahaan non

distress

f. Cara Menangani Financial distress

Financial distress pada perusahaan dapat diatasi dengan beberapa

cara yaitu (Rodoni, Ali: 2014,187-188)

1) Berhubungan dengan aset perusahaan yaitu dengan menjual aset-

aset utama, melakukan merger dengan perusahaan lain,

menurunkan pengeluaran dan biaya penelitian dan

pengembangan.

2) Berhubungan dengan restrukturalisasi keuangan yaitu dengan

menerbitkan sekuritas baru, mengadakan negosiasi dengan bank

dan kreditor, dan bankrut. Financial distress dapat melibatkan

aset ataupun restrukturisasi keuangan.

g. Alternatif Perbaikan Financial distress

Menurut Hanafi dan Halim (2016: 260) berikut ini adalah

alternatif untuk perbaikan financial distress, yaitu:

1) Pemecahan secara informal

a) Dilakukan apabila masalah belum begitu parah

49

b) Masalah perusahaan hanya bersifat sementara, prospek masa

depan masih bagus cara:

- Perpanjangan (Extention): dilakukan dengan

memperpanjangan jatuh tempo utang-utang.

- Komposisi (Composition): dilakukan dengan mengurangi

besarnya tagihan

2) Pemecahan secara formal

Dilakukan apabila masalah sudah parah, kreditur ingin

mempunyai jaminan keamanan cara:

a) Apabila nilai perusahaan diteruskan > nilai perusahaan

dilikuidasi

Reorganisasi: dengan merubah struktur modal menjadi

struktur modal yang layak

b) Apabila nilai perusahaan diteruskan < nilai perusahaan

dilikuidasi

Likuidasi: dengan menjual aset-aset perusahaan.

50

B. Penelitian Terdahulu

Tabel 2. 2

Penelitian Terdahulu

No.

Nama

Peneliti

dan

Tahun

Terbit

Judul

Penelitian

Metodologi Penelitian Hasil

Persamaan Perbedaan

1. Waqas, H.

dan Rus, R.

M. (2018)

Predicting

Financial

distress:

Importance

ofAaccounting

and Firm-

specific Market

Variables for

Pakistan’s

Listed Firms

Menggunakan

Altman Z-

Score untuk

menghitung

financial

distress

Variabel X dan

Y sama yaitu

X Likuiditas,

Leverage,

Profitabilitas,

dan Firm Size

dan dan Y

adalah

Financial

distress

Menggunakan

Regresi

Logistik

Variabel X

tidak

menggunakan

rasio aktivitas

Tidak

menggunakan

Springrate

untuk

menghitung

financial

distress

Perusahaan

yang diteliti

adalah

perusahaan

yang terdaftar

di Pakistan

Stock

Exchange

Rasio

profitabilitas,

likuiditas,

leverage dan

firm size

memiliki

pengaruh

terhadap

financial

distress

2. Klepac, V.

dan

Hampel, D.

(2017)

Predicting

Financial

distress of

Agriculture

Companies in

EU

Menggunakan

Altman Z-

Score untuk

menghitung

financial

distress

Variabel X dan

Y sama yaitu

X Likuiditas,

Leverage,

Profitabilitas,

dan dan Y

adalah

Financial

distress

Perusahaan

yang diteliti

adalah

perusahaan

agrikultur

yang berada di

Eropa

Tidak

menggunakan

Springrate

untuk

menghitung

financial

distress

Hanya variabel

Profitabilitas

dan tipe

memiliki

pengaruh yang

signifikan.

51

No.

Nama

Peneliti

dan

Tahun

Terbit

Judul

Penelitian

Metodologi Penelitian Hasil

Persamaan Perbedaan

Menggunakan

model

Multivariate

Discriminatio

n Analysis

(MDA)

3. Hassan, E.

U.,

Zainuddin

Z. B. dan

Nordin, S.

B. (2018)

Predicting

Financial

Bankruptcy of

Five

Manufacturing

Sectors in

Pakistan Using

Logistic

Regression

Variabel X dan

Y sama yaitu

X Likuiditas,

Leverage,

Profitabilitas,

Aktivitas dan

Firm Size dan

dan Y adalah

Financial

distress

Menggunakan

Regresi

Logistik

Perusahaan

yang diteliti

adalah

perusahaan

yang terdaftar

di Pakistan

Stock

Exchange

Tidak

menggunakan

Springrate

untuk

menghitung

financial

distress

Dari 16 variabel

independen yang

diteliti

pengarunya

dengan financial

distress hanya

enam variabel

yang memiliki

pengaruh yaitu

returm on

equity, quick

ratio, current

ratio,

shareholder’s

equity to total

assets, sales to

current assets

and natural log

of total assets

4. Mihalovic,

M. (2016)

Performance

Comparison Of

Multiple

Discriminant

Analysis And

Logit Models In

Bankruptcy

Prediction

Variabel X

adalah rasio

likuiditas dan

Leverage dan

Y adalah

financial

distress

Menggunakan

model regresi

logistik

Menggunakan

Altman Z-

Score untuk

menghitung

Objek

penelitian

adalah

perusahaan

yang ada di

Republik

Slovakia

Menggunakan

model analisis

multiple

diskriminan

Semua rasio

pada penelitian

ini yaitu rasio

likuiditas dan

leverage

menghasilkan

hasil yang

signifikan. Ini

berarti semua

rasio pada

penelitian ini

berpengaruh

terhadap

52

No.

Nama

Peneliti

dan

Tahun

Terbit

Judul

Penelitian

Metodologi Penelitian Hasil

Persamaan Perbedaan

financial

distress

financial

distress

5. Shalwan,

T. M.

(2015)

The Effects of

Coorporate

Governance on

Financial

Performance

and Financial

distress:

Evidence from

Egypt

Menggunakan

Altman Z-

Score untuk

menghitung

financial

distress

Menggunakan

variabel X

Rasio

Leverage dan

Firm Size

untuk

mendeteksi

terjadinya

financial

distress

Menggunakan

Uji Asumsi

Klasik

Menggunakan

Regresi

Logistik

Tidak

menggunakan

Springrate

untuk

menghitung

financial

distress

Perusahaan

yang di teliti

adalah

perusahaan

yang berada di

Mesir

Hanya variabel

Leverage dan

tipe

kepemelikan

yang memiliki

pengaruh yang

signifikan.

6. Almansour

, B. Y.

(2015)

Empirical

Model for

Predicting

Finanacial

Failure

Variabel X dan

Y sama yaitu

X Likuiditas,

Leverage,

Profitabilitas,

dan Aktivitas

dan Y adalah

Financial

distress

Menggunakan

Regresi

Logistik

Menggunakan

an Multiple

Discriminan

Analysis

Perusahaan

yang diteliti

adalah

perusahaan

yang publik

(listed) di

Jordania

The results show

that working

capital to total

assets,current

asset to current

liabilities,

market value of

equity to book

value of debt,

retained

earnings to total

asset, anf sales

tototal asset are

significant

53

No.

Nama

Peneliti

dan

Tahun

Terbit

Judul

Penelitian

Metodologi Penelitian Hasil

Persamaan Perbedaan

7. Dewi, A.

R. S. dan

Wahyullan

a, E. (2019)

Analysis Of

Profit

Performance

And Asset

Management To

Financial

distress Bakrie

Group Company

Listing In

Indonesia Stock

Exchange

Variabel X

adalah

profitabilitas

dan variabel Y

adalah

financial

distress

Menggunakan

Altman Z-

Score untuk

menghitung

financial

distress

Menggunakan

model regresi

logistik

Tidak ada

rasio

likuiditas,

leverage, dan

aktivitas pada

variabel X di

jurnal ini

Tidak ada uji

deskriptif dan

uji asumsi

klasik

Perusahaan

yang diteliti

hanya Bakrie

Group

Tidak

menggunakan

Springrate

untuk

menghitung

financial

distress

Pada penelitian

ini hanya

variabel return

on asset dan

variabel

inventory turn

over yang

signifikan

terhadap

financial

distress.

8. Yadiati, W.

(2017)

The Influence Of

Profitability On

Financial

distress : A

Research On

Agricultural

Companies

Listed In

Indonesia Stock

Exchange

Variabel X

adalah

profitabilitas

dan variabel Y

adalah

financial

distress

Sama

menggunakan

Altman Z-

Score untuk

menghitung

financial

distress

Menggunakan

uji deskriptif

Studi Pada

Perusahaan

Pertanian yang

ada di BEI

tahun 2012-

2014

Tidak ada

rasio

likuiditas,

leverage, dan

aktivitas pada

variabel X di

jurnal ini

Rasio

profitabilitas

tidak signifikan

terhadap

financial

distress, itu

berarti

profitabilitas

pada penelitian

ini tidak

berpengaruh

terhadap

financial

distress

54

No.

Nama

Peneliti

dan

Tahun

Terbit

Judul

Penelitian

Metodologi Penelitian Hasil

Persamaan Perbedaan

9. Ardrian, A.

V., Andini,

R. dan

Raharjo, K.

(2017)

Pengaruh Rasio

Likuiditas,

Rasio Leverage,

Rasio Aktivitas

dan Rasio

Profitabilitas

terhadap

Financial

distress

Variable X dan

Y sama yaitu

X Likuiditas,

Leverage,

Aktivitas, dan

Profitabilitas

dan Y adalah

Financial

distress

Sama

menggunakan

uji deskriptif,

dan uji asumsi

klasik

Menggunakan

Altman Z-

Score untuk

menghitung

financial

distress

Perusahaan

yang dijadikan

objek adalah

perusahaan

manufaktur

periode 2013-

2015

Tidak ada

variabel X

firm size

Tidak

menggunakan

uji logistik

biner

Tidak

menggunakan

Springrate

untuk

menghitung

financial

distress

Pada penelitian

ini rasio

likuiditas,

leverage, dan

aktivitas

berpengaruh

terhadap

financial

distress. Hanya

variabel

profitabilitas

saja yang tidak

berpengaruh

terhadap

financial

distress.

10. Rahayu,

W. P. dan

Sopian, D.

(2017)

Pengaruh Rasio

Keuangan dan

Ukuran

Perusahaan

terhadap

Financial

Distress (Studi

Empiris pada

Perusahaan

Food and

Beverage di

Bursa Efek

Indonesia)

Variable X dan

Y sama yaitu

X Likuiditas,

Leverage, dan

Ukuran

Perusahaan.

Variabel Y

financial

distress

Menggunakan

Altman Z-

Score untuk

menghitung

financial

distress

Tidak ada

variabel X

rasio akivitas,

dan rasio

profitabilitas

pada jurnal ini

Hanya

menggunakan

uji F saja

Perusahaan

yang dijadikan

objek adalah

perusahaan

Food and

Beverage di

BEI periode

2013-2014

Hasil analisis uji

F (simultan)

menunjukkan

bahwa likuiditas,

leverage, sales

growth dan

ukuran

perusahaan

secara simultan

berpengaruh

signifikan

terhadap

financial

distress

55

No.

Nama

Peneliti

dan

Tahun

Terbit

Judul

Penelitian

Metodologi Penelitian Hasil

Persamaan Perbedaan

Tidak

menggunakan

Springrate

untuk

menghitung

financial

distress

11. Ayu, A. S.,

Handayani,

S. R. dan

Topowijon

o. (2017)

Pengaruh

Likuiditas,

Leverage,

Profitabilitas,

dan Ukuran

Perusahaan

terhadap

Financial

distress (Studi

pada Perusahaan

Manufaktur

Sektor Industri

Dasar dan Kimia

yang Terdaftar

di Bursa Efek

Indonesia tahun

2012-2015)

Variabel X dan

Y sama yaitu

X Likuiditas,

Leverage,

Profitabilitas

dan Ukuran

Perusahaan.

Variabel Y

financial

distress

Menggunakan

analisis regresi

logistik

Menggunakan

rasio interest

coverage ratio

untuk melihat

kondisi

financial

distress

Tidak ada

rasio aktivitas

pada variabel

X di jurnal ini

Perusahaan

yang dijadikan

objek adalah

perusahaan

Manufaktur

Sektor Industri

Dasar dan

Kimia yang

terdaftar di

BEI tahun

2012-2015

Tidak ada uji

asumsi klasik

Hanya rasio

profitabilitas

yaitu ROA yang

berpengaruh

signifikan

dengan financial

distress.

12. Damayanti

, L. D.,

Yuniarta,

G. D. dan

Sinarwati,

N. K.

(2017)

Analisis

Pengaruh

Kinerja

Keuangan,

Ukuran Komite

Audit Dan

Kepemilikan

Variabel X dan

Y sama yaitu

X Likuiditas,

Leverage, dan

Profitabilitas.

Variabel Y

Variabel X

tidak

menggunakan

ukuran komite

audit, dan

kepemilikan

manajerial

Hanya likuiditas,

Leverage, dan

Profitabilitas

yang

berpengaruh

signifikan

terhadap

56

No.

Nama

Peneliti

dan

Tahun

Terbit

Judul

Penelitian

Metodologi Penelitian Hasil

Persamaan Perbedaan

Manajerial

Terhadap

Prediksi

Financial

Distress (Studi

Pada Perusahaan

Manufaktur

Yang Terdaftar

Di Bursa Efek

Indonesia

Periode 2011-

2015)

financial

distress

pada skripsi

ini

Studi Pada

Perusahaan

Manufaktur

Yang

Terdaftar Di

Bursa Efek

Indonesia

Periode 2011-

2015

Menggunakan

regresi linear

berganda

Tidak

menggunakan

Altman Z-

Score dan

Springrate

untuk

menghitung

financial

distress

financial

distress

13. Nora, A. R.

(2016)

Pengaruh

Financial

Indicators,

Ukuran

Perusahaan dan

Kepemilikan

Institusional

terhadap

Financial

Distress

Variabel X dan

Y sama yaitu

X Likuiditas,

Leverage,

Aktivitas,

Profitabilitas,

dan Ukuran

Perusahaan

dan Y adalah

Financial

distress

Sama

menggunakan

uji deskriptif,

dan regresi

logistik

Pada variabel

X tidak

menggunakan

kepemilikan

institusional,

Sales Growth,

dan Operating

Capacicty

pada skripsi

ini

Tidak

menggunakan

uji asumsi

klasik

Menggunakan

rasio interest

Pada penelitian

ini hanya

variabel

profitabilitas

yang

berpengaruh

dengan financial

distress.

Sementara

variabel

likuiditas,

leverage,

operating

capacity, sales

growth, ukuran

perusahaan, dan

57

No.

Nama

Peneliti

dan

Tahun

Terbit

Judul

Penelitian

Metodologi Penelitian Hasil

Persamaan Perbedaan

Objek yang

digunakan

sama yaitu

perusahaan

properti dan

real estate

coverage ratio

untuk melihat

kondisi

financial

distress

Tidak

menggunakan

Springrate dan

Altman Z-

Score untuk

menghitung

financial

distress

kepemilikan

institusional

tidak

berpengaruh

dengan financial

distress.

14. Yudiawati,

R. dan

Indriani, A.

(2016)

Analisis

Pengaruh

Current Ratio,

Debt To Total

Asset Ratio,

Total Asset

Turnover, dan

Sales Growth

Ratio Terhadap

Kondisi

Financial

distress (Studi

Kasus Pada

Perusahaan

Manufaktur

Yang Terdaftar

Di BEI Tahun

2012-2014)

Variabel X dan

Y sama yaitu

X Likuiditas,

Leverage,

Aktivitas, dan

Profitabilitas,

dan Y adalah

Financial

distress

Sama

menggunakan

uji deskriptif

dan uji regresi

logistik

Menggunakan

rasio interest

coverage ratio

untuk melihat

kondisi

financial

distress

Tidak ada

variabel sales

growth pada

skripsi ini

untuk menjadi

variabel

dependen

Studi Pada

Perusahaan

Manufaktur

Yang

Terdaftar Di

Bursa Efek

Indonesia

Periode 2012-

2014

Tidak ada uji

asumsi klasik

Semua variabel

yang diuji yaitu

current ratio,

debt to total

asset ratio, total

asset turn over,

dan sales growth

memiliki

pengaruh positif

dan signifikan,

ini berarti semua

variabel

berpengaruh

terhadap

financial

distress

58

No.

Nama

Peneliti

dan

Tahun

Terbit

Judul

Penelitian

Metodologi Penelitian Hasil

Persamaan Perbedaan

Tidak

menggunakan

Altman Z-

Score dan

Springrate

untuk

menghitung

financial

distress

15. Cinantya,

I. A. P. dan

Merkusiwa

ti, N. K. L.

A. (2015)

Pengaruh

Coorporate

Governance,

Financial

Indicators, dan

Ukuran

Perusahaan pada

Fianancial

Distress

Variabel X dan

Y sama yaitu

X Likuiditas,

Leverage, dan

Ukuran

Perusahaan.

Variabel Y

financial

distress

Objek yang

digunakan

sama yaitu

perusahaan

properti dan

real estate

Sama

menggunakan

regresi logistik

Menggunakan

Springrate

untuk

menghitung

financial

distress

Variabel X

tidak

menggunakan

variabel

corporate

governance

pada skripsi

ini.

Tidak

menggunakan

Altman Z-

Score untuk

mengukur

financial

distress

Tidak

menggunakan

uji asumsi

klasik

Hanya

kepemilikan

institusi dan

ukuran

perusahaan yang

berpengaruh

signifikan

terhadap

financial

distress pada

penelitian ini.

Sumber: Kesimpulan Penelitian Terdahulu

59

Berdasarkan tabel 2.2 di atas, pada penelitian terdahulu variabel

dependen yang dipergunakan biasanya hanyalah satu model saja. Akan tetapi,

pada penelitian ini variabel dependen yaitu financial distress menggunakan dua

model, yaitu Model Altman Z-Score dan Model Springate yang nantinya

hasilnya dibandingkan. Selain itu, variabel independen pada penelitian ini

adalah rasio likuiditas (current ratio), rasio leverage (debt to total asset ratio),

rasio profitanilitas (return on asset), rasio aktivitas (total asset turnover), dan

firm size.

C. Kerangka Berfikir

Kerangka berpikir merupakan model konseptual tentang bagaimana

teori berhubungan dengan berbagai faktor yang telah diidentifikasi sebagai

masalah yang penting (Priadana dan Muis, 2009: 89). Financial distress

merupakan kesulitan keuangan merupakan situasi dimana arus kas operasi

tidak mencukupi untuk membiayai kewajiban sekarang yang ada seperti

membayar hutang usaha atau membayar bunga (Ross et al: 2008).

Dalam penelitian ini meneliti dua model Financial distress yaitu

Altman Z-Score Modifikasi dan Springate Kemudian dua model financial

distress tersebut berpengaruh atau tidak terhadap beberapa faktor yang

ditentukan oleh peneliti, yaitu likuiditas, leverage, profitabilitas, aktivitas dan

firm size. Berikut adalah kerangka berfikirnya:

60

Gambar 2. 1

Kerangka Pemikiran

61

D. Keterkaitan Antar Variabel

1. Rasio Likuiditas (Current Ratio) dan Kondisi Financial Distress

Menurut Rahayu dan Sopian (2017) Likuiditas menunjukkan

kemampuan suatu entitas dalam menutupi kewajiban lancar perusahaan

dengan memanfaatkan aktiva lancarnya. Perusahaan yang likuid biasanya

memilki kinerja yang bagus dan akan menghindarkan perusahaan dari

kemungkinan terjadinya financial distress. Untuk mampu

mempertahankan agar perusahaan tetap dalam kondisi likuid, maka

perusahaan harus memiliki dana lancar yang lebih besar dari hutang

lancarnya (Nora, 2016).

Menurut Jumingan (2017: 123) rasio yang umum digunakan dalam

analisis laporan keuangan adalah rasio lancar (current ratio, working

capital ratio atau disebut banker’s ratio) yang memberikan ukuran kasar

tentang tingkat likuiditas perusahaan. Current ratio diperoleh dengan jalan

membagi aktiva lancar dengan current liabilities. Aktiva lancar umumnya

meliputi kas, sekuritas, piutang usaha, dan persediaan. Kewajiban lancar

terdiri atas utang usaha, wesel tagih jangka pendek, utang jatuh tempo

yang kurang dari satu tahun, dan beban-beban akrual lainnya.

Jika sebuah perusahaan mengalami kesulitan keuangan, perusahaan

akan mulai membayar tagihan-tagihannya (utang usaha) secara lebih

lambat, meminjam dari bank dan seterusnya. Apabila kewajiban lancar

meningkat lebih cepat dibandingkan aktiva lancar, maka rasio lancar akan

62

turun dan hal ini bisa menimbulkan permasalahaan (Brigham dan Houston,

2010: 135). Ini diperkuat oleh penelitian yang dilakukan Widhiari dan

Merkusiwati (2015) dan Noviandri (2014) yang menyatakan bahwa

semakin rendah current ratio perusahaan, maka semakin besar

kemungkinan perusahaan mengalami financial distress karena perusahaan

tidak mampu memenuhi hutang jangka pendeknya.

2. Rasio Leverage (Debt Ratio) dan Kondisi Financial Distress.

Rasio Leverege (solvency ratios), yang menunjukan kemampuan

perusahaan untuk memenuhi seluruh kewajibannya baik jangka pendek

maupun jangka panjang (Ardian et al, 2016). Rasio leverage yang

digunakan pada penelitian ini adalah debt ratio atau rasio total hutang

terhadap total aset.

Rasio total hutang terhadap total aset, pada umumnya disebut rasio

hutang (debt ratio), mengukur persentase dana yang disediakan oleh

kreditur (Brigham dan Houston, 2010: 143). Rasio ini menunjukkan

proporsi seluruh aktiva yang didanai oleh hutang. Dengan kata lain,

menunjukan seberapa besar aktiva perusahaan dibiayai oleh hutang atau

seberapa besar hutang perusahaan berpengaruh terhadap pengelola aktiva.

Semakin banyak hutang perusahaan maka semakin tinggi kemungkinan

perusahaan tidak dapat memenuhi kewajibannya kepada kreditur sehingga

kemungkinan financial distress juga semakin tinggi.

63

Hal ini didukung oleh penelitian yang dilakukan Yudiawarti dan

Idriani (2017) dimana menyebutkan bahwa semakin tinggi tingkat debt to

total asset ratio, maka kemungkinan perusahaan mengalami financial

distress juga semakin tinggi karena hutang yang lebih besar dari asetnya.

Andre (2013), Hanifah dan Purwanto (2013), juga mengungkapkan bahwa

debt to total asset ratio merupakan rasio keuangan yang berpengaruh

positif dan signifikan dalam memprediksi terjadinya financial distress.

3. Rasio Profitabilitas (Return On Assets) dan Kondisi Financial Distress

Rasio Return on Assets merupakan rasio antara laba bersih terhadap

total aktiva yang digunakan untuk mengukur tingkat pengembalian total

aktiva. Jika tingkat pengembalian rendah itu akibat dari kemampuan untuk

menghasilkan laba perusahaan yang rendah ditambah biaya bunga yang

tinggi dikarenakan oleh penggunaan utangnya yang di atas rata-rata,

dimana keduanya telah menyebabkan laba bersihnya menjadi relatif

rendah (Brigham dan Houston, 2010: 148).

Itu berarti menandakan semakin besar ROA menunjukan kinerja

keuangan yang semakin baik. Hal ini berarti bahwa aktiva dapat lebih

cepat berputar dan meraih laba (Sofyan, 2010: 305). Hal ini dikuatkan

dengan penelitian yang dilakukan Hidayat dan Meiranto (2014), ROA

yang tinggi menunjukkan perusahaan mampu menggunakan aset yang

dimiliki untuk menghasilkan laba dari penjualan dan investasi yang

dilakukan oleh perusahaan tersebut, sehingga semakin efektif dan efisien

64

pengelolaan aktiva perusahaan yang akhirnya dapat mengurangi biaya

yang dikeluarkan perusahaan, dengan begitu perusahaan akan memperoleh

penghematan dan memperoleh kecukupan dana untuk menjalankan

usahanya sedangkan rasio return on total assets (ROA) yang rendah

menandakan kemungkinan perusahaan akan mengalami kesulitan

keuangan (financial distress) semakin besar.

Menurut Ayu et al (2017) dalam penelitiannya vаriаbel return on аsset

memiliki pengаruh yаng negаtif dаn signifikаn terhаdаp kondisi finаnciаl

distress itu berarti Semаkin bаnyаk lаbа bersih yаng dimiliki perusаhааn

mаkа perusаhааn semаkin terhindаr dаri finаnciаl distress.

4. Rasio Aktivitas (Total Asset Turnover) dan Kondisi Financial Distress

Menurut Yudiawati dan Indriani (2017) total asset turnover

merupakan rasio yang digunakan untuk mengukur perputaran semua

aktiva yang dimiliki perusahaan dan mengukur berapa jumlah penjualan

yang diperoleh dari tiap rupiah aktiva. Harahap (2002) mengatakan bahwa

rasio ini menunjukan perputaran total aktiva diukur dari volume penjualan

dengan kata lain seberapa jauh kemampuan perusahaan dalam

menggunakan seluruh aktiva yang dimiliki untuk menciptakan penjualan,

semakin besar rasio ini semakin baik.

Rasio perputaran total aktiva yang tinggi akan menunjukan semakin

efektif perusahaan dalam penggunaan aktivanya untuk menghasilkan

penjualan. Semakin efektif perusahaan menggunakan aktivanya untuk

65

menghasilkan penjualan diharapkan dapat memberikan keuntungan yang

semakin besar bagi perusahaan. Hal itu akan menunjukan semakin baik

kinerja keuangan yang dicapai oleh perusahaan sehingga kemungkinan

terjadinya financial distress semakin kecil. Hanafi dan Halim (2005)

menjelaskan rasio yang tinggi biasanya menunjukan manajemen yang

baik, sebaliknya rasio yang rendah harus membuat manajemen

mengevaluasi strategi, pemasaran, dan pengeluaran modalnya. Apabila

rasio ini rendah maka perusahaan tidak menghasilkan volume penjualan

yang cukup dibanding dengan investasi dalam aktivanya, hal ini

menunjukan kinerja yang tidak baik sehingga dapat mempengaruhi

keuangan perusahaan dan memicu terjadinya financial distress.

Hal ini diperkuat dengan penelitian Yudiawati dan Indriani (2017)

yang mengatakan bahwa semakin tinggi rasio total asset turnover suatu

perusahaan, maka semakin kecil kemungkinan perusahaan mengalami

financial distress. Hal tersebut didukung oleh penelitian dari Widhiari dan

Merkusiwati (2015), dan Noviandri (2014) yang menemukan pengaruh

negatif antara total asset turnover terhadap financial distress.

5. Firm Size dan Kondisi Financial distress

Ukurаn perusаhааn menggаmbаrkаn besаrnyа totаl аset yаng dimiliki

oleh perusаhааn. Semаkin besаr totаl аset perusаhааn mаkа kondisi

finаnciаl perusаhааn аkаn lebih stаbil dаn kuаt dаlаm kondisi finаnciаl

distress (Ayu et al, 2017). Firm size atau dapat dikatakan ukuran

66

perusahaan merupakan salah satu faktor yang dapat mempengaruhi

financial distress. Ukuran perusahaan menggambarkan besarnya aktiva

atau aset yang dimiliki perusahaan. Penggunaan total aset sebagai proksi

ukuran perusahaan dikarenakan aset merupakan gambaran kekayaan yang

dimiliki oleh suatu perusahaan pada waktu tertentu (Hartono: 2016, 480).

Ukuran perusahaan menggambarkan seberapa besar total aset yang

dimiliki perusahaan tersebut. perusahaan yang memiliki total aset yang

besar akan mudah melakukan diversifikasi dan cenderung lebih kecil

mengalami kebangkrutan. Semakin besar total aset yang dimilki

perusahaan diharapkan perusahaan semakin mampu dalam melunasi

kewajiban di masa depan, sehingga perusahaan dapat menghindari

permasalahan keuangan (Rahayu dan Sopian, 2017).

Menurut Nora (2016) perusahaan dengan pertumbuhan yang positif

memberikan suatu tanda bahwa ukuran perusahaan tersebut semakin

berkembang dan mengurangi kecenderungan ke arah kebangkrutan.

Ukuran suatu perusahaan menggambarkan seberapa besar total aset yang

dimiliki oleh perusahaan tersebut. Perusahaan yang memiliki total aset

yang besar menunjukkan sinyal yang positif bagi kreditur sebab

perusahaan akan mudah melakukan diversifikasi dan mampu melunasi

kewajiban di masa depan, sehingga perusahaan dapat menghindari

terjadinya financial distress.

67

E. Hipotesis

Hipotesis yang dibuat didasarkan oleh penelitian sebelumnya.

Berdasarkan landasan teori dan kerangka pemikiran diatas, diajukan hipotesis

penelitian sebagai berikut:

H1: Terdapat pengaruh secara simultan pengungkapan Rasio Likuiditas, Rasio

Leverage, Rasio Aktivitas, Rasio Profitabilitas dan Rasio Firm Size

terhadap financial distress dengan model Altman Z-Score Modifikasi

terhadap pada perusahaan Properti dan Real Estate yang terdaftar di BEI

periode 2013-2017.

H2: Terdapat pengaruh secara simultan pengungkapan Rasio Likuiditas, Rasio

Leverage, Rasio Aktivitas, Rasio Profitabilitas dan Rasio Firm Size

terhadap financial distress dengan model Springate pada perusahaan

Properti dan Real Estate yang terdaftar di BEI periode 2013-2017.

H3: Terdapat pengaruh secara parsial pengungkapan Rasio Likuiditas, Rasio

Leverage, Rasio Aktivitas, Rasio Profitabilitas dan Rasio Firm Size

terhadap financial distress dengan model Altman Z-Score Modifikasi

terhadap pada perusahaan Properti dan Real Estate yang terdaftar di BEI

periode 2013-2017.

H4: Terdapat pengaruh secara parsial pengungkapan Rasio Likuiditas, Rasio

Leverage, Rasio Aktivitas, Rasio Profitabilitas dan Rasio Firm Size

terhadap financial distress dengan model Springate pada perusahaan

Properti dan Real Estate yang terdaftar di BEI periode 2013-2017.

68

BAB III

METODOLOGI PENELITIAN

A. Ruang Lingkup Penelitian

Sifat pada penelitian ini merupakan penilitian kuantitatif. Penelitian

kuantitatif dapat diartikan sebagai model penelitian berlandaskan pada filsafat

positivisme, digunakan untuk meneliti pada populasi atau sempel tertentu

(Sugiyono: 2013). Peneliti mengambil sifat penelitian kuantitatif pada

penelitian ini karena data yang akan diolah pada penelitian adalah laporan

keuangan bank yang berbentuk angka.

Jenis penelitian yang digunakan untuk penelitian ini adalah studi pustaka.

Studi Pustaka adalah model pengumpulan data dengan mencari informasi lewat

buku, majalah, koran dan literatur ilmiah lainnya yang bertujuan untuk

membentuk sebuah landasan teori. Alasan peneliti mengambil jenis penelitian

studi pustaka karena sumber informasi dan landasan teori yang menjadi dasar

dari penelitian ini bersumber dari buku dan literatur terkait.

Penelitian ini dilakukan untuk menganalisis tingkat Financial distress pada

perusahaan properti dan real estate yang terdaftar di Bursa Efek Indonesia

(BEI) dengan berbagai model Financial distress yaitu dengan Model Altman

Z-Score Modifikasi, dan Model Springate membandingkannya mana hasil

yang paling baik dan akurat pada penelitian ini.

Periode penelitian ini adalah dari tahun 2013 sampai 2017. Alasan peneliti

mengambil periode sampai 2017 tersebut karena laporan keuangan terbaru

69

yang telah dipublikasikan masing-masing perusahaan adalah tahun 2017.

Sedangkan mengambil jangka waktu yang cukup lama, yaitu lima tahun dari

2013 sampai 2017 karena peneliti ingin melihat perubahan dan perkembangan

yang terjadi selama jangka waktu tersebut apakah memiliki perbedaan yang

besar atau tidak.

Sampel dalam penelitian ini adalah perusahaan Perbankan yang terdaftar di

Bursa Efek Indonesia (BEI) tahun 2013-2017. Pemilihan lokasi penelitian ini

karena dianggap sebagai rujukan yang tepat dalam memperoleh data yang

diperlukan berupa laporan keuangan serta dokumen penunjang lain yang

berkaitan dengan penelitian ini.

B. Model Penentuan Sampel

Sampel adalah seluruh himpunan bagian dari populasi yang anggotanya

disebut subyek dan anggota populasi adalah elemen (Suharso: 2007). Sampel

penelitian ini adalah perusahaan properti dan real estate yang terdaftar di Bursa

Efek Indonesia (BEI) periode 2013-2017. Lalu, perusahaan properti dan real

estate ini merupakan perusahaan yang melakukan listing di BEI minimal pada

periode 2013. Kemudian syarat berikutnya adalah perusahaan secara konstan

tiap tahunnya melaporkan laporan keuangannya dan tidak menyampaikan data

secara lengkap berkaitan dengan data yang diperlukan. Berikut adalah tabel

kriteria sampel pada penelitian ini:

70

Tabel 3. 1

Kriteria Sampel

No. Kriteria Sampel Jumlah

1. Perusahaan Properti dan Real Estate yang terdaftar

di BEI periode 2013-2017

54

2. Perusahaan yang melakukan listing di BEI minimal

pada periode 2013 (15)

3. Perusahaan yang tidak secara konstan tiap

tahunnya melaporkan laporan keuangannya dan

tidak menyampaikan data secara lengkap berkaitan

dengan data yang diperlukan

(1)

Total Sampel 38

Sampel Periode 2013-2017 5 Tahun

Total Keseluruhan Sampel (38 X 5 Tahun) 190

Sumber: Hasil Olah Data

Berdasarkan kriteria sampel yang dibutuhkan dan yang akan dipergunkan

dalam penelitian ini, didapatkan sebanyak 38 sampel perusahaan properti dan

real estate yang dapat digunakan sebagai sampel dalam penelitian ini, yaitu:

Tabel 3. 2

Sampel Perusahaan Properti dan Real Estate

No. Nama Perusahaan Kode Perusahaan

1. PT. Agung Podomoro Land Tbk. APLN

2. PT. Alam Sutera Realty Tbk. ASRI

3. PT. Bumi Citra Permai Tbk. BCIP

4. PT. Bekasi Fajar Industrial Estate Tbk. BEST

5. PT. Binakarya Jaya Abadi Tbk. BPIP

6. PT. Sentul City Tbk. BKSL

7. PT. Bumi Serpong Damai Tbk. BSDE

8. PT. Cowell Development Tbk. COWL

71

No. Nama Perusahaan Kode Perusahaan

9. PT. Ciputra Development Tbk. CTRA

10. PT. Duta Anggada Realty Tbk. DART

11. PT. Intiland Development Tbk. DILD

12. PT. Duta Pertiwi Tbk. DUTI

13. PT. Bakrieland Development Tbk. ELTY

14. PT. Megapolitan Development Tbk. EMDE

15. PT. Fortune Mate Indonesia Tbk. FMII

16. PT. Gading Development Tbk. GAMA

17. PT. Gowa Makassar Tourism Development Tbk. GMTD

18. PT. Perdana Gapuraprima Tbk. GPRA

19. PT. Greenwood Sejahtera Tbk. GWSA

20. PT. Jaya Real Properti Tbk. JPRT

21. PT. Kawasan Indutri Jababeka Tbk. KIJA

22. PT. Eureka Prima Jakarta Tbk. LCGP

23. PT. Lippo Cikarang Tbk. LPCK

24. PT. Lippo Karawaci Tbk. LPKR

25. PT. Modernland Realty Tbk. MDLN

26. PT. Megapolitan Kencana Tbk. MKPI

27. PT. Meropolitan Land Tbk. MTLA

28. PT. Metro Realty Tbk. MTSM

29. PT. City Retail Developments Tbk. NIRO

30. PT. Indonesia Prima Properti Tbk. OMRE

31. PT. Plaza Indonesia Realty Tbk. PLIN

32. PT. Pakuwon Jati Tbk. PWON

33. PT. Ristia Bintang Mahkotasejati Tbk. RBMS

34. PT. Roda Vivatex Tbk. RDTX

72

No. Nama Perusahaan Kode Perusahaan

35. PT. Pikko Land Development Tbk. RODA

36. PT. Danayasa Arthatama Tbk. SCBD

37. PT. Suryamas Dutamakmur Tbk. SMDM

38. PT. Summarecon Agung Tbk. SMRA

Sumber: Hasil Olah Data

C. Model Pengumpulan Data

Model pengumpulan data adalah suatu cara untuk memperoleh dan

mengumpulkan data yang diperlukan oleh peneliti.

1. Data Sekunder

Variabel-variabel yang dioperasionalkan dalam penelitian ini adalah

variabel-variabel yang terkandung dalam hipotesis, maka perlu

didefenisikan untuk memudahkan penelitian yang mana data diperoleh dari

data skunder. Data sekunder adalah data yang telah dikumpulkan oleh

pihak lain bukan oleh periset sendiri untuk tujuan lain. Data sekunder

diperoleh dari Indonesia Stock Exchange (IDX), jurnal, literature, dan

internet. Data yang digunakan adalah laporan keuangan tahunan dan

catatan laporan keuangan perusahaan dan IDX Statistics Book maupun

dalam website perusahaan pada periode 2013-2017.

2. Penelitian Kepustakaan

Studi kepustakaan (Library Research). Dalam hal ini, penulis

mempelajari buku–buku yang memuat teori yang berhubungan dengan

permasalahan yang di teliti, yaitu melalui tulisan ilmiah, masalah yang ada

73

hubungannya dengan penelitian ini dan dapat membantu memecahkan

masalah yang di teliti dan hasilnya akan dijadikan sebagai bahan

perbandingan terhadap informasi yang di dapatkan di lapangan.

D. Model Analisis Data

Dalam melakukan riset penelitian keuangan pada perusahaan properti

dan real estate data yang diperlukan adalah dalam bentuk rasio keuangan yang

diperoleh dari perusahaan properti dan real estate. Teknik analisis data yang

digunakan adalah sebagai alat untuk menjawab permasalahan yang ada pada

penelitian ini. Pengujian dalam penelitian ini dengan menggunakan regresi

logit untuk mengetahui kekuatan prediksi rasio keuangan terhadap penentuan

Financial distress suatu perusahaan.

1. Statistik Deskriptif

Pengukuran yang digunakan dalam penelitian ini adalah perhitungan

rasio keuangan dari model-model prediksi kebangkrutan untuk setiap

perusahaan. Data yang sudah dikumpulkan, dikelompokkan, dan dihitung

selanjutnya akan diolah dan dianalisis dengan menggunakan statistik

deskriptif oleh peneliti. Pengujian statistik deskriptif ini menggunakan alat

bantu software SPSS versi 22 untuk memudahkan peneliti untuk

mendapatkan data dalam memberikan informasi terkait variabel–variabel

yang digunakan. Statistik deskriptif memberikan gambaran atau deskripsi

suatu data (Ghozali: 2018).

74

2. Uji Multikolinearitas

Uji multikolinearitas diperlukan untuk mengatahui ada tidaknya

variabel independen yang memiliki kemiripan antar variabel independen

dalam suatu model. Kemiripan antar variabel independen akan

mengakibatkan korelasi yang sangat kuat. Selain itu uji ini juga

menghindari kebiasaan dalam proses pengambilan keputusan mengenai

pengaruh pada uji parsial masing-masing variabel independen terhadap

variabel dependen (Sujarweni: 2016, 230-231).

Multikolinearitas dapat dilihat dari nilai tolerance dan lawannya

Variance Inflation Factor (VIF). Kedua ukuran ini menunjukkan setiap

variabel independen manakah yang dijelaskan oleh variabel independen

lainnya. Nilai cut off yang umum dipakai untuk menunjukkan adanya

multikolinieritas adalah nilai tolerance ≤ 0.10 atau sama dengan nilai VIF

≥ 10. (Ghozali: 2018, 1007-108). Menurut Montogomery et.al (2012: 17)

uji multikolinearitas sangat di rekomendasikan untuk di uji pada regresi

logistik, karena uji multikolinearitas bisa dijadikan pertimbangan untuk

menjalankan tahapan berikutnya (karena masalah ini sering terjadi) yaitu

regresi logistik.

3. Regresi Logistik Binary

Tahap selanjutnya yang harus dilakukan adalah untuk menjawab

masalah dalam penelitian ini. Hal ini dimaksudkan untuk mengetahui

variabel rasio yang berpengaruh signifikan terhadap potensi financial

75

distress. Untuk menjawab masalah tersebut penelitian ini menggunakan

alat regresi logistik binary yang di olah dengan menggunakan SPSS 22.

Menurut Ghozali (2018:325), pada dasarnya regresi logistik sama

dengan analisis diskriminan, perbedaan ada pada ketentuan jumlah sampel

dari masing-masing kategori. Jika pada analisis diskriminan jumlah

masing-masing sampel pada setiap kategori harus sama, sedangkan pada

regresi logistik tidak diharuskan jumlahnya sama. Selain itu, pada analisis

diskriminan variabel independen harus berupa metrik, sedangkan pada

regresi logistik variabel independen tidak hanya berupa metrik saja

melainkan bisa berupa kombinasi antara metrik dan nominal. Menurut

Santoso (2014:217), tujuan regresi logistik adalah pembuatan sebuah

model regresi untuk memprediksi besar variabel dependen yang berupa

variabel binary menggunakan data variabel independen yang sudah

diketahui besarnya.

Banyak dijumpai variabel response Y yang hanya mempunyai dua

kategori, seperti: sukses-gagal, ya-tidak, benar-salah, hidup-mati, hadir

bolos, pria-perempuan. Variabel dengan dua kategori ini sering disebut

variabel dikotomi (dichotomous variable) atau variabel biner (binary

variable). Analisis regresi logistik binary digunakan untuk melihat

pengaruh sejumlah variabel independen X1, X2, …, Xk terhadap variabel

dependen Y yang berupa variabel response biner yang hanya mempunyai

dua nilai atau juga untuk memprediksi nilai suatu variabel dependen Y

76

(yang berupa variabel biner) berdasarkan nilai variabel-variabel

independen X1, X2, …, Xk. (Uyanto, 2006:226).

Regresi logistik merupakan suatu teknik untuk membuat prediksi

terhadap variabel tergantung berskala nominal (variabel dummy) dengan

menggunakan variabel bebas berskala interval. Regresi logistik

merupakan bentuk khusus regresi yang diformulasikan untuk memprediksi

dan menerangkan satu variabel kategoris biner. Regresi logistik disebut

juga regresi biner karena variabel dependen yang diprediksi merupakan

variabel binner atau kategoris (Sarwono, 2013:18).

Pengujian hipotesis dilakukan dengan persamaan binary logistic

regression, menurut Asnawi dan Wijaya (2006: 214) bereda dengan

regresi biasa, maka car acara membacanya dinyatakan sebagai peluang.

Karena logit merupakan bentuk Non-Linear Probabily Model maka laju

peluang juga tidaklah linear. Secara sederhana model logit dapat

dinyatakan sebagai berikut:

LN 𝑷

𝟏−𝑷 = a +bX

Maka model regresi logistik yang digunakan dalam penelitian ini

adalah Binary Logistic Regression. Dimana variabel dependen berupa data

kategori “0” yaitu perusahaan yang non distress dan kategori “1” yaitu

perusahaan yang distress. Variabel independen pada penelitian ini adalah

Likuiditas (Current Ratio), Leverage (Debt to Asset Ratio), Profitabilitas

77

(Return on Asset), Aktivitas (Total Asset Turnover), dan Firm Size. Maka

persamaan regresi logistik yang digunakan sebagai berikut:

LN 𝑷

𝟏−𝑷 = bo + b1CR + b2DAR + b3ROA + b4TATO + b5FS + e

Keterangan

LN 𝑷

𝟏−𝑷 = Log dari perbandingan peluang antara Financial distress dan

non Financial distress

b0 = Konstanta

b1 = Koefisien regresi Current Ratio

b2 = Koefisien regresi Debt to Asset Ratio

b3 = Koefisien regresi Return on Asset

b4 = Koefisien regresi Total Asset Turnover

b5 = Koefisien regresi Firm Size

e = error

Dalam menganalisis regresi logistic binary dibutuhkan tahapan-

tahapan. Berikut ini adalah langkah-langkah dalam regresi logistic

binary:

1) Menilai Keseluruhan Model (Overall Model Fit)

Menurut Ghozali (2018: 332) langkah pertama adalah

menilai overall fit model terhadap data. Beberapa test statistik

diberikan untuk menilai hal ini. Hipotesis yang digunakan untuk

menilai model fit adalah sebagai berikut :

H0 = Model yang dihipotesiskan fit dengan data

78

Ha = Model yang dihipotesiskan tidak fit dengan data

Dari hipotesis ini jelas bahwa kita tidak akan menolak

hipotesis nol agar model fit dengan data. Statistik yang digunakan

berdasarkan pada fungsi likelihood. Likelihood L dari model adalah

probabilitas bahwa model yang dihipotesiskan menggambarkan data

input. Untuk menguji hipotesis nol dan alternatif, L

ditransformasikan menjadi -2LogL. Menurut Sujarweni (2016: 211)

adanya penurunan nilai -2LL awal dengan nilai -2LL pada langkah

berikutnya menunjukkan bahwa model yang dihipotesiskan fit

dengan data.

2) Koefisien Determinasi (Cox dan Snell’s R Square)

Cox dan Snell’s R square merupakan ukuran yang mencoba

meniru ukuran R2 pada multiple regression yang didasarkan pada

teknik estimasi likelihood dengan nilai maksimum kurang dari 1

(satu) sehingga sulit diinterpretasikan. Nagelkerke’s R square

merupakan modifikasi dari koefisien Cox dan Snell untuk

memastikan bahwa nilainya bervariasi dari 0 (nol) sampai 1 (satu).

Hal ini dilakukan dengan cara membagi nilai Cox dan Snell’s R2

dengan nilai maksimumnya. Nilai Nagelkerke’s R2 dapat

diinterpretasikan seperti nilai R2 pada multiple regression (Ghozali,

2018: 333).

79

3) Menguji Kelayakan Model Regresi (Hosmer and Lemeshow’s

Goodness of Fit Test)

Menurut Ghozali (2018: 333) Hosmer and Lemeshow’s

Goodness of Fit Test menguji hipotesis nol bahwa data empiris

cocok atau sesuai dengan model (tidak ada perbedaan antara model

dengan data sehingga model dapat dikatakan fit). Jika nilai statistik

Hosmer and Lemeshow’s Goodness of Fit Test sama dengan atau

kurang dari 0,05, maka hipotesis nol ditolak yang berarti ada

perbedaan signifikan antara model dengan nilai observasinya

sehingga Goodness fit model tidak baik karena model tidak dapat

memprediksi nilai observasinya. Jika nilai statistic Hosmer and

Lemeshow’s Goodness of Fit Test lebih besar dari 0,05, maka

hipotesis nol tidak dapat ditolak dan berarti model mampu

memprediksi nilai observasinya atau dapat dikatakan model dapat

diterima karena cocok dengan data observasinya.

4) Pengujian Hipotesis Penelitian

a) Uji Signifikansi Model Secara Simultan (Omnibus Test of

Model Coefficients)

Tabel Omnibus Test of Model Coefficients menunjukan

signifikansi model regresi biner logistik yang diperoleh dari

hasil penelitian. Apabila nilai Sig < a = 0,05 maka dapat

80

diasumsikan setidaknya ada satu variabel bebas yang

berpengaruh terhadap model (Pramesti, 2013: 64).

Tabel Omnibus Test of Model Coefficients menunjukan

signifikansi model regresi biner logistik yang diperoleh dari

hasil penelitian. Menurut Gio (2016: 242) Untuk menguji

apakah model regresi logistik yang melibatkan variabel bebas

signifikan secara statistik lebih baik/akurat dalam hal

mencocokan data dibandingkan model sebelumnya (tanpa

melibatkan variabel bebas), maka bandingkan nilai Sig. untuk

Step 1 (Step) yakni 0,000 terhadap tingkat signifikansi 0,05.

Nilai Sig. disebut juga dengan nilai probabilitas (p-value).

Pengujian koefisien regresi dilakukan untuk menguji

seberapa jauh semua variabel independen yang dimasukan

dalam model mempunyai pengaruh terhadap kemungkinan

perusahaan berada pada kondisi Financial distress. Adapun

hipotesis untuk menilai pengujian ini adalah sebagai berikut:

H0 : b1 = b2 = b3 = b4 = b5 = 0, yang artinya Likuiditas, Leverage,

Profitabilitas, Aktivitas, dan Firm Size secara simultan

tidak memiliki pengaruh terhadap prediksi kondisi

Financial distress.

Ha : b1 ≠ b2 ≠ b3 ≠ b4 ≠ b5 ≠ 0, yang artinya Likuiditas, Leverage,

Profitabilitas, Aktivitas, dan Firm Size secara simultan

81

memiliki pengaruh terhadap prediksi kondisi Financial

distress.

b) Uji Signifikansi Model Secara Parsial (Uji Wald)

Uji signifikansi di dalam model logit ini dilakukan sama

dengan uji t pada regresi linear berganda yaitu untuk mengetahui

apakah koefisien variabel independen di dalam model logit berbeda

dengan 0 atau tidak. Uji signifikansi model logit ini menggunakan

uji statistika Wald. Dari uji statistika Wald ini kita bisa mengetahui

apakah variabel independen mempengaruhi variabel dependen di

dalam model regresi logistik (Widarjono, 2010: 141). Menurut

(Sujarweni: 2016, 211) kriteria menerima ataupun menolaknya

adalah sebagai berikut:

Jika sig > 0.05, maka H0 ditolak dan Ha diterima

Jika sig < 0.05, maka H0 diterima dan Ha ditolak

Dalam regresi linear, baik sederhana maupun berganda, uji 𝑡

digunakan untuk menguji signifikansi dari koefisien regresi populasi

𝛽𝑖 secara individu. Pada regresi logistik, uji signifikansi koefisien

regresi populasi secara individu dapat diuji dengan uji Wald. Dalam

uji Wald, statistik yang diuji adalah statistik Wald (Wald statistic).

Nilai statistik dari uji Wald berdistribusi chi-kuadrat. Hipotesis nol

dari uji Wald menyatakan koefisien regresi populasi signifikan

secara statistika bernilai nol. Hal ini berarti pengaruh variabel bebas

82

terhadap variabel tak bebas tidak signifikan secara statistika.

Hipotesis alternatif menyatakan koefisien regresi populasi signifikan

secara statistika berbeda dari nol. Dengan kata lain, pengaruh

variabel bebas terhadap variabel tak bebas signifikan secara

statistika Menurut Field, 2009 dalam (Gio, 2016: 234).

Uji Wald digunakan untuk menguji signifikansi konstanta

dari setiap variabel independen yang masuk ke dalam model.

Adapun hipotesis untuk menilai pengujian ini adalah sebagai

berikut:

H0: b1 i = 0, yang artinya yang artinya Likuiditas, Leverage,

Profitabilitas, Aktivitas, dan Firm Size secara parsial tidak

memiliki pengaruh terhadap prediksi kondisi Financial distress.

Ha: b1 i ≠ 0, yang artinya yang artinya Likuiditas, Leverage,

Profitabilitas, Aktivitas, dan Firm Size secara parsial memiliki

pengaruh terhadap prediksi kondisi Financial distress.

E. Operasional Variabel Penelitian

1. Variabel Dependen

Pada penelitian ini variabel dependen yang digunakan adalah

financial distress, di mana objek yang digunakan adalah perusahaan

properti dan real estate. Data kategorial mengenai non distress diberikan

data dummy dengan skor “0” untuk yang memliki nilai Altman Z-Score >

83

2,6 dan data dummy dengan skor “1” untuk yang memliki nilai Altman Z-

Score < 2,6 atau distress. Berikut adalah rumus Z-Score Altman

modifikasi untuk berbagai jenis perusahaan (Rudianto, 2013:257-258):

Z = 6,56X1 + 3,26X2 +6,72X3 +1,05X4

Dimana:

a. Modal Kerja terhadap Total Aset (X1)

b. Laba Ditahan terhadap Total Aset (X2)

c. Laba Sebelum Bunga dan Pajak terhadap Total Aset (X3)

d. Nilai Buku Ekuitas terhadap Nilai Buku Total Utang (X4)

Sementara untuk menilai financial distress dengan model Springate

diberikan data dummy dengan skor “0” untuk yang memliki nilai Springate

> 0,862 atau non distress dan data dummy dengan skor “1” untuk yang

memliki nilai Springate < 0,862 atau distress. Berikut adalah rumus S-

Score:

S = 1,03 X1 + 3,07 X2 + 0,66 X3 + 0,4 X4

Dimana:

a. Modal Kerja terhadap Total Aset (X1)

b. Laba Sebelum Bunga dan Pajak terhadap Total Aset (X2)

c. Laba sebelum Pajak dan Likuiditas Lancar (X3)

d. Aset Lancar dan Liabilitas Lancar (X4)

84

2. Variabel Independen

a. Rasio Likuiditas

Menurut Rodhoni dan Ali (2014: 191) likuiditas adalah jumlah dana

tunai yang diperlukan perusahaan untuk membiayai pengeluarannya

dan biasanya sangat bergantung pada sifat bisnis perusahaan tersebut.

Perusahaan pada umumnya kekurangan likuid aset segera sebelum

episode kepailitan terjadi. Rasio likuiditas disebut juga dengan current

ratio dengan rumus:

CR = 𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑨𝒔𝒔𝒆𝒕𝒔

𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔

b. Rasio Leverage

Rasio financial leverage adalah alat dalam mempertimbangkan

kelalaian pada kontrak utang. Semakin tinggi utang perusahaan maka

semakin tinggi kemungkinan perusahaan tidak dapat memenuhi

kewajibannya. Dengan kata lain semakin banyak utang dapat

membawa perusahaan kepada kemungkinan insolvency dan

mengalami financial distress (Rodhoni dan Ali, 2014: 191). Berikut

adalah rumusnya:

DAR = 𝐓𝐨𝐭𝐚𝐥 𝐊𝐞𝐰𝐚𝐣𝐢𝐛𝐚𝐧

𝐓𝐨𝐭𝐚𝐥 𝐀𝐬𝐞𝐭

c. Rasio Profitabilitas

Profitabilitas perusahaan harus dilihat dari berbagai faktor dalam

memantau aspek likuiditas dan solvabilitas. Dalam jangka panjang,

perusahaan harus menghasilkan keuntungan yang cukup dari usahanya

85

sehingga mampu membayar kewajibannya. Kerugian yang terus

menerus akan segera memperburuk aspek solvabilitas perusahahaan

dan apabila perusahaan akan memperluas usahanya, perusahaan

memerlukan retained earning untuk memenuhi kebutuhanya, berikut

adalah rasio yang mengukur efektivitas pemakaian sumber daya oleh

perushaan (Rodhoni dan Ali, 2014: 192):

ROA = 𝑳𝒂𝒃𝒂 𝑩𝒆𝒓𝒔𝒊𝒉

𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒆𝒕

d. Rasio Aktivitas

Rasio aktivitas menujukkan seberapa efektif perusahaan menggunakan

sumber daya (harta atau modal) yang dimilikinya. Penggunaan sumber

daya perusahaan untuk menghasilkan penjualan. Sebaliknya, jika

rendah maka menandakan ketidakefektifan perusahaan dalam

menggunakan sumber daya, sehingga dapat dikatakan kinerja

perusahaan rendah (Rodhoni dan Ali, 2014: 192) . Berikut adalah rasio

yang mengukur efisiensi penggunaan aktiva untuk menghasilkan

penjualan:

TATO = 𝑺𝒂𝒍𝒆𝒔

𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕

e. Firm Size

Ukuran perusahaan seharusnya mempengaruhi bagaimana kondisi

perusahaan. Dilihat dari beberapa klasifikasi ukuran perusahaan yang

ada dalam Undang-Undang menggambarkan bahwa aset perusahaan

merupakan penentu dari ukuran perusahaan tersebut. Semakin besar

86

aset maka semkin besar pula nilai firm sizenya pada penelitian kali ini

diuji apakah ukuran perusahaan memiliki pengaruh/ berdampak pada

kondisi financial distress perusahaan atau tidak. Perhitungan ukuran

perusahaan diproksikan dengan nilai logaritma dari total aset (Hartono:

2016, 480), yaitu :

Firm Size = (Ln)of Total Assets

Tabel 3. 3

Operasional Variabel

Variabel Ukuran Tanda Indikator Skal

a

Likuiditas Current

Ratio

CR 𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑨𝒔𝒔𝒆𝒕𝒔

𝑪𝒖𝒓𝒓𝒆𝒏𝒕 𝑳𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒊𝒆𝒔 Rasi

o

Leverage Debt to

Total Asset

DAR 𝐓𝐨𝐭𝐚𝐥 𝐊𝐞𝐰𝐚𝐣𝐢𝐛𝐚𝐧

𝐓𝐨𝐭𝐚𝐥 𝐀𝐬𝐞𝐭 Rasi

o

Profitabilitas Return on

Asset

ROA 𝑳𝒂𝒃𝒂 𝑩𝒆𝒓𝒔𝒊𝒉

𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒆𝒕 Rasi

o

Aktivitas Total Asset

Turnover

TATO 𝑺𝒂𝒍𝒆𝒔

𝑻𝒐𝒕𝒂𝒍 𝑨𝒔𝒔𝒆𝒕𝒔 Rasi

o

Firm Size Firm Size FS (Ln) of Total

Assets

Rasi

o

Financial

distress

Model

Altman Z-

Score

Modifikasi

Z-Score Z = 6,56X1 +

3,26X2 +6,72X3

+1,05X4

Titik Cut Off:

Z-Score > 2,6

Non Distress

Z-Score < 2,6

Distress

Nom

inal

Model

Springate

S-Score S = 1,03 X1 + 3,07

X2 + 0,66 X3 + 0,4

X4

Titik Cut Off:

Nom

inal

87

Variabel Ukuran Tanda Indikator Skal

a

S-Score >

0,862 Non

Distress

S-Score <

0,862 Distress

Sumber: Kesimpulan Operasional Variabel Penelitian

88

BAB IV

ANALISIS DAN PEMBAHASAN

A. Gambaran Umum Objek Penelitian

Menurut peraturan perundang-undangan di Indonesia, pengertian mengenai

industri real estate tercantum dalam PDMN No.5 Tahun 1974 yang mengatur

tentang industri real estate. Dalam peraturan ini pada Pasal 6 Ayat 1, pengertian

industri real estate adalah suatu perusahaan yang bergerak dalam bidang

penyediaan, pengadaan, dan pematangan tanah bagi keperluan usaha-usaha

industri, termasuk industri pariwisata, yang merupakan suatu lingkungan yang

dilengkapi dengan prasarana- prasarana umum yang diperlukan.

Sedangkan definisi properti menurut SK Menteri Perumahan Rakyat

No.05/KPTS/BKP4N/1995, Pasal 1 Ayat 4 bahwa properti adalah tanah hak dan

atau bangunan permanen yang menjadi objek pemilik dan pembangunan.

Dengan kata lain, properti adalah industri real estate ditambah dengan hukum-

hukum seperti sewa dan kepemilikan.

Berdasarkan dengan definisi di atas. Pada penelitian ini perusahaan yang

diteliti adalah perusahaan properti dan real estate yang terdaftar di BEI Periode

2013-2017. Jumlah populasi dalam penelitian ini sebanyak 57 perusahaan.

Pengambilan sampel dilakukan dengan model purposive sampling dengan tujuan

untuk mendapatkan sampel yang representatif.

Berdasarkan kriteria dalam pemilihan sampel dalam penelitian ini,

perusahaan yang memenuhi kriteria untuk dijadikan sampel dalam penelitian ini

89

berjumlah 38 perusahaan. Berikut ini daftar perusahaan yang dijadikan sampel

dalam penelitian ini:

Tabel 4. 1

Sampel Perusahaan Properti dan Real Estate

No. Nama Perusahaan Kode Perusahaan

1. PT. Agung Podomoro Land Tbk. APLN

2. PT. Alam Sutera Realty Tbk. ASRI

3. PT. Bumi Citra Permai Tbk. BCIP

4. PT. Bekasi Fajar Industrial Estate Tbk. BEST

5. PT. Binakarya Jaya Abadi Tbk. BPIP

6. PT. Sentul City Tbk. BKSL

7. PT. Bumi Serpong Damai Tbk. BSDE

8. PT. Cowell Development Tbk. COWL

9. PT. Ciputra Development Tbk. CTRA

10. PT. Duta Anggada Realty Tbk. DART

11. PT. Intiland Development Tbk. DILD

12. PT. Duta Pertiwi Tbk. DUTI

13. PT. Bakrieland Development Tbk. ELTY

14. PT. Megapolitan Development Tbk. EMDE

15. PT. Fortune Mate Indonesia Tbk. FMII

16. PT. Gading Development Tbk. GAMA

17. PT. Gowa Makassar Tourism Development Tbk. GMTD

18. PT. Perdana Gapuraprima Tbk. GPRA

19. PT. Greenwood Sejahtera Tbk. GWSA

20. PT. Jaya Real Properti Tbk. JPRT

21. PT. Kawasan Indutri Jababeka Tbk. KIJA

22. PT. Eureka Prima Jakarta Tbk. LCGP

90

No. Nama Perusahaan Kode Perusahaan

23. PT. Lippo Cikarang Tbk. LPCK

24. PT. Lippo Karawaci Tbk. LPKR

25. PT. Modernland Realty Tbk. MDLN

26. PT. Megapolitan Kencana Tbk. MKPI

27. PT. Meropolitan Land Tbk. MTLA

28. PT. Metro Realty Tbk. MTSM

29. PT. City Retail Developments Tbk. NIRO

30. PT. Indonesia Prima Properti Tbk. OMRE

31. PT. Plaza Indonesia Realty Tbk. PLIN

32. PT. Pakuwon Jati Tbk. PWON

33. PT. Ristia Bintang Mahkotasejati Tbk. RBMS

34. PT. Roda Vivatex Tbk. RDTX

35. PT. Pikko Land Development Tbk. RODA

36. PT. Danayasa Arthatama Tbk. SCBD

37. PT. Suryamas Dutamakmur Tbk. SMDM

38. PT. Summarecon Agung Tbk. SMRA

Sumber: Hasil Olah Data

B. Model Analisis Data

1. Analisis Deskriptif

Menurut Ghozali (2016: 19) statistic deskriptif memberikan

gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean)

standar deviasi, varian, maksimum minimum, sum, range, kurtosis dan

skewness (kemencengan distribusi). Berikut ini adalah analisis deskriptif

dari variabel independen yang telah diolah.

91

Tabel 4. 2

Hasil Analisis Deskriptif N Minimum Maksimum Mean

CR DAR

ROA TATO

FS Valid N (listwise)

190 190

190 190

190 190

.240

.034

-.088 .004

4.382

39.279 .37807

.05897

.22697

8.3249

4.692153 .176233

.066134

.186055

1.380419

Nilai rata-rata rasio likuiditas (current ratio) pada perusahaan

properti dan real estate periode 2013-2017 didapatkan sebesar 3,22379.

Untuk nilai rata-rata rasio leverage (debt to asset ratio) sebesar 0,37807.

Nilai rata-rata rasio profitabilitas (return on asset) sebesar 0,05879. Rasio

aktivitas (total asset turnover) nilai rata-ratanya sebesar 0,22697, dan firm

size nilai rata-ratanya sebesar 8,32949.

Nilai minimum rasio likuiditas (current ratio) pada perusahaan

properti dan real estate periode 2013-2017 didapatkan sebesar 0,240 pada

PT. Roda Vivatex Tbk. tahun 2013 . Untuk nilai minimum rasio leverage

(debt to asset ratio) sebesar 0,034 pada PT. Indonesia Prima Properti Tbk.

tahun 2016. Nilai minimum rasio profitabilitas (return on asset) sebesar -

0,088 yang diperoleh PT. Ristia Bintang Mahkotasejati Tbk. pada tahun

2013. Rasio aktivitas (total asset turnover) nilai minimumnya sebesar 0,004

yang diperoleh PT. Eureka Prima Jakarta Tbk. pada tahun 2017, dan firm

size nilai minimumnya sebesar 4,382 diperoleh PT. Metro Realty Tbk. pada

tahun 2017.

Nilai maksimum rasio likuiditas (current ratio) pada perusahaan

properti dan real estate periode 2013-2017 didapatkan sebesar 39,279 pada

PT. Eureka Prima Jakarta Tbk. tahun 2013. Untuk nilai maksimum rasio

92

leverage (debt to asset ratio) sebesar 0,805 pada PT. Kawasan Industri

Jabadeka Tbk. tahun 2014. Nilai maksimum rasio profitabilitas (return on

asset) sebesar 0,359 yang diperoleh PT. Fortune Mate Indonesia Tbk. pada

tahun 2016. Rasio aktivitas (total asset turnover) nilai maksimum sebesar

1,724 yang diperoleh PT. Binakarya Jaya Abadi Tbk. pada tahun 2013, dan

firm size nilai maksimumnya sebesar 10,947 diperoleh PT. Lippo Karawaci

Tbk. pada tahun 2017.

Perolehan data-data dari variabel indikator diantaranya adalah

sebagai berikut:

a. Current Ratio (CR)

Rasio lancar atau disebut juga Current Ratio merupakan salah satu

bagian dari rasio likuiditas. Rasio ini menunjukkan sejauh mana aktiva

lancar menutupi kewajiban-kewajiban lancar. Semakin besar

perbandingan aktiva lancar dengan utang lancar semakin tinggi

kemampuan perusahaan menutupi kewajiban jangka pendeknya

(Harahap: 2010, 301). Berikut adalah grafik Current Ratio perusahaan

properti dan real estate:

93

Gambar 4. 1

Nilai Current Ratio (CR)

Sumber: Hasil Olah Data

Menurut gambar 4.1 nilai minimum CR yang diperoleh dari 38

perusahaan pada tahun 2013 dialami oleh PT. Roda Vivatex Tbk dengan

nilai CR sebesar 0,240. Pada tahun 2014 dengan nilai 0,524 dialami oleh

PT. Bumi Citra Permai Tbk., lalu pada tahun 2015 dengan nilai 0,649

dialami oleh PT. Indonesia Prima Properti Tbk.. Pada tahun 2016 dan

2017 dengan nilai dialami oleh PT. Duta Anggada Realty Tbk dengan

nilai 0,645 dan 0,538. Dapat disimpulkan nilai minimum CR periode

2013-2017 mengalami peningkatan dari tahun 2013-2015 dan

mengalami penurunan pada tahun 2016-2017.

Nilai maksimum CR periode 2013-2017 diperoleh oleh PT. Eureka

Prima Jakarta Tbk dengan nilai 39,279 pada tahun 2013, 34,063 pada

tahun 2014, 17,761 pada tahun 2015, 20,667 pada tahun 2016, dan

12,250 pada tahun 2017. Dapat disimpulkan nilai maksimal CR periode

2013-2017 mengalami fluktuasi naik turun setiap tahunnya.

94

b. Debt to Asset Ratio (DAR)

Rasio Debt to Asset Ratio merupakan salah satu rasio leverage pada

rasio keuangan. Rasio total hutang terhadap total aset, pada umumnya

disebut rasio hutang (debt ratio), mengukur persentase dana yang

disediakan oleh kreditur (Brigham dan Houston, 2010: 143). Rasio ini

menunjukkan proporsi seluruh aktiva yang didanai oleh hutang. Dengan

kata lain, menunjukan seberapa besar aktiva perusahaan dibiayai oleh

hutang atau seberapa besar hutang perusahaan berpengaruh terhadap

pengelola aktiva. Berikut adalah grafik Debt to Asset Ratio perusahaan

properti dan real estate:

Gambar 4. 2

Nilai Debt to Asset Ratio (DAR)

Sumber: Hasil Olah Data

Menurut gambar 4.2 nilai minimum DAR 38 perusahaan properti

dan real estate pada tahun 2013-2014 diperoleh PT. Greenwood

Sejahtera Tbk dengan nilai 0,056 pada 2013, dan 0, 064 pada tahun

2014, pada tahun 2015-2017 nilai minimum diperoleh PT. Indonesia

95

Prima Properti Tbk. dengan nilai 0,046 pada tahun 2015, 0,034 pada

tahun 2016 dan 0,054 pada tahun 2017. Dapat dilihat nilai minimum

DAR periode 2013-2017 mengalami fluktuasi dari tahun 2013-2014

mengalami kenaikan 2014-2016 mengalami penurunan dan pada tahun

2017 kembali mengalami kenaikan.

Nilai maksimum DAR 38 perusahaan properti dan real estate pada

tahun 2013 diperoleh oleh PT. Gowa Makassar Tourism Development

Tbk sebesar 0,691. Pada tahun 2014 diperoleh oleh PT. Industri

Kawasan Jababeka Tbk sebesar 0,805. Pada tahun 2015-2016 diperoleh

oleh PT. Cowell Development Tbk sebesar 0,661 dan 0,656. Terakhir

pada tahun 2017 diperoleh oleh PT. Plaza Indonesia Tbk. sebesar 0,787.

Dapat dilihat nilai maksimum DAR periode 2013-2017 mengalami

fluktuasi dari tahun 2013-2014 mengalami kenaikan 2014-2016

mengalami penurunan dan pada tahun 2017 kembali mengalami

kenaikan.

c. Return on Asset (ROA)

Rasio Return on Asset atau dapat dikatakan juga Asset Turnover

merupakan salah satu rasio profitabilitas dalam rasio laporan keuangan.

Menurut Harahap (2010: 305) rasio ini menggambarkan perputaran

aktiva diukur dari volume penjualan. Semakin besar rasio ini semakin

baik. Hal ini berarti bahwa aktiva dapat lebih cepat berputar dan meraih

96

laba. Berikut adalah hasil perhitungan dari rasio Return on Asset

perusahaan properti dan real estate.

Gambar 4. 3

Nilai Return on Asset (ROA)

Sumber: Hasil Olah Data

Menurut gambar 4.3 nilai minimum ROA 38 perusahaan properti

dan real estate pada tahun 2013 diperoleh PT. Ristia Bintang

Mahkotasejati Tbk. sebesar -0,088, pada tahun 2014 mengalami

peningkatan sebesar -0,036 diperoleh oleh PT. City Retail Development

Tbk., pada tahun 2015 mengalami penurunan kembali sebesar -0,051

yang diperoleh oleh PT. Cowell Dvelopment Tbk. 2016 mengalami

kenaikan dengan nilai -0,040 yang diperoleh PT. Ristia Bintang

Mahkotasejati Tbk., dan pada 2017 mengalami penurunan menjadi -

0,060 yang dialami oleh PT.Metro Royalty Tbk.. Dapat disimpulkan

nilai minimum ROA dari tahun 2013-2017 terus mengalami fluktuasi

kenaikan dan penurunan.

97

Nilai maksimum ROA 38 perusahaan properti dan real estate pada

tahun 2013 diperoleh oleh PT. Danayasa Arthatama Tbk. sebesar 0,316,

pada tahun 2014 mengalami peurunan diperoleh oleh PT. Intiland

Development Tbk. sebesar 0,236, pada tahun 2015-2016 megalami

peningkatan diperoleh oleh PT.Fortune Mate Indonesia sebesar 0,274

dan 0,359, dan pada tahun 2017 mengalami penurunan kembali menjadi

0,174 yang diperoleh oleh PT. Roda Vivatex Tbk.. Dapat disimpulkan

nilai maksimal ROA mengalami fluktuasi.

d. Total Asset Turnover (TATO)

Merupakan salah satu dari rasio aktivitas dalam rasio pada laporan

keuangan. Menurut Harahap (2010: 309) rasio ini menunjukkan

perputaran total aktiva diukur dari volume penjualan dengan kata lain

seberapa jauh kemampuan semua aktiva menciptakan penjualan.

Semakin tinggi rasio ini semakin baik. Berikut adalah grafik dari Total

Asset Turnover perusahaan properti dan real estate:

Grafik 4. 4

Nilai Total Asset Turnover (TATO)

Sumber: Hasil Olah Data

98

Menurut gambar 4.4 nilai minimum TATO 38 perusahaan properti

dan real estate pada tahun 2013-2016 diperoleh PT. Sentul City dengan

nilai 0,005 pada tahun 2013 dan mengalami peningkatan pada tahun

2015-2016 dengan niali yang stagnan sebesar 0,010, lalu pada tahun

2017 mengalami penurunan kembali dengan nilai 0,004 diperoleh PT.

Eureka Prima Jakarta Tbk.. Dapat disimpulkan nilai minimum TATO

mengalami fluktuasi.

Nilai maksimum TATO 38 perusahaan properti dan real estate pada

tahun 2013-2014 dan 2016-2017 diperoleh oleh PT. Binakarya Jaya

Abadi Tbk. dengan nilai 1,724 pada tahun 2013, 1,160 pada tahun 2014,

0,732 pada tahun 2016, 0,928 pada tahun 2017. Sementara pada tahun

2015 nilai maksimum TATO diperoleh oleh PT. Megapolitan Kencana

Tbk dengan nilai 0,566. Dapat disimpulkan nilai maksimum TATO

mengalami penurunan tahun 2013-2015 dan mengalami peningkatan

pada tahun 2015-2017.

e. Firm Size (FS)

Menurut Brigham dan Houston (2010 : 4) ukuran perusahaan

merupakan besar kecilnya sutau perusahaan yang ditunjukkan atau

dinilai oleh total aset, total penjualan, jumlah laba, beban pajak dan lain-

99

lain. Berikut adalah grafik Firm Size perusahaan properti dan real

estate:

Grafik 4. 5

Nilai Firm Size (FS)

Sumber: Hasil Olah Data

Menurut gambar 4.5 nilai minimum FS dari 38 perusahaan properti

dan real estate periode 2013-2017 mengalami penurunan dari tahun ke

tahun dan diperoleh oleh PT. Metro Realty Tbk. pada tahun 2013-2017,

dengan nilai 4,585 pada tahun 2013, 4,522 pada tahun 2014, 4,477 pada

tahun 2015, 4,443 pada tahun 2016, dan 4,382 pada tahun 2017.

Nilai maskimum FS dari 38 perusahaan properti dan real estate

periode 2013-2017 mengalami kenaikan dari tahun ke tahun diperoleh

PT. Lippo Karawaci Tbk. pada tahun 2013-2017, dengan nilai 10,352

pada tahu 2013, 10,542 pada tahun 2014, 10,629 pada tahun 2015,

10,728 pada tahun 2016, dan 10,974 pada tahun 2017.

100

2. Uji Multikolinieritas

Hasil uji Multikolinearitas dengan uji Variance Inflation Factor (VIF)

bertujuan untuk mengetahui ada tidaknya variabel independen yang

memiliki kemiripan dengan variabel independen lainnya. Kemiripan antar

variabel independen pada model tersebut, akan menyebabkan terjadinya

korelasi yang sangat kuat antara suatu variabel independen dengan variabel

independen lainnya. Selain itu, deteksi terhadap multikolinearitas juga

bertujuan untuk menghindari kebiasan dalam proses pengambilan

kesimpulan mengenai pengaruh uji parsial pada masing-masing variabel

independen terhadap variabel dependen.

a. Model Altman Z-Score Modifikasi

Tabel 4. 3

Hasil Uji Multikolinearitas Model Altman Z-Score Modifikasi Coefficientsa

Model Colliniearity Statistics

Tollerance VIF

1 (Constant) CR

DAR ROA

TATO FS

.737

.632

.788

.768

.700

1.357

1.583 1.270

1.302 1.428

Hasil uji Multikolinieritas dengan melalui uji Variance Inflation

Factor (VIF) pada tabel 4.3 di atas, menunjukkan bahwa masing

masing variabel memiliki VIF kurang dari 10 dan nilai tolerance lebih

dari 0,1. Maka dapat disimpulkan bahwa data terbebas dari asumsi Uji

Multikolinieritas dan dapat digunakan pada penelitian selanjutnya.

101

b. Model Springate

Tabel 4. 4

Hasil Uji Multikolinearitas Model Springate Coefficientsa

Model Colliniearity Statistics

Tollerance VIF

1 (Constant) CR

DAR

ROA TATO

FS

.737

.632

.788

.768

.700

1.357

1.583

1.270 1.302

1.428

Hasil uji Multikolinieritas dengan melalui uji Variance Inflation

Factor (VIF) pada tabel 4.4 di atas, menunjukkan bahwa masing

masing variabel memiliki VIF kurang dari 10 dan nilai tolerance lebih

dari 0,1. Maka dapat disimpulkan bahwa data terbebas dari Uji

Multikolinieritas dan dapat digunakan pada penelitian selanjutnya.

3. Regresi Logistik Binary

Regresi logistik binary bertujuan untuk menguji pengaruh dengan data

dependen (Y) adalah data yang kategorikal. Data independen (X) adalah data

kuantitatif. Regresi binary menggunakan alat analisis logistik yang

sebetulnya hampir mirip dengan analisis diskriminan dimana akan menguji

probabilitas terjadinya variabel terikat dengan variabel bebasnya (Sujarweni:

2016, 200).

102

a. Model Altman Z-Score Modifikasi

1) Menilai Keseluruhan Model (Overall Model Fit)

Tabel 4. 5

Hasil Overall Model Fit Model Altman Z-Score Modifikasi

(Block 0: Beginning Block) Itteration Historya,b,c

Itteration -2 Log

likelihood

Coefficients

Constant

Step 0 1

2 3

4

201.424

200.731 200.730

200.730

-1.116

-1.254 -1.260

-1.260

Tabel 4. 6

Hasil Overall Model Fit Model Altman Z-Score Modifikasi

(Block 1: Method = Enter) Itteration Historya,b,c

Itteration -2 Log

likelihood

Coefficients

Constant

CR DAR ROA TATO FS

Step 0 1 2

3

4 5

6 7

8 9

10

158.140 133.553

113.059

93.896 80.723

75.945 75.276

75.261 75.261

75.261

-.514 .068

.589

1.515 3.217

4.008 4.338

4.402 4.404

4.404

-.051 -.224

-.660

-1.496 -2.764

-3.955 -4.580

-4.691 -4.694

-4.694

4.397 6.502

7.076

7.590 8.081

9.313 10.232

10.422 10.427

10.427

-3.866 -9.315

-13.432

-13.853 -14.226

-15.769 -16.966

-17.220 -17.227

-17.227

-.052 .191

.572

.830

.819

.996 1.143

1.172 1.173

1.173

-.223 -.357

-.355

-.361 -.405

-.407 -.414

-.417 -.417

-.417

Berdasarkan tabel 4.5 dan 4.6 didapat hasil penilaian keseluruhan

model, dimana nilai -2Log Likehood pada Block 0: Beginning Block

tabel 4.11 adalah 200,730 dimana hanya menggunakan konstanta saja

tanpa menggunakan variabel independen. Sedangkan jika variabel

Current Ratio (CR), Debt to Asset Ratio (DAR), Return on Asset

(ROA), Total Asset Turnover (TATO), dan Firm Size (FS)

dimasukkan dalam model, maka nilai -2Log Likehood menurun

menjadi 75,261 yang berarti model dengan variabel Current Ratio

103

(CR), Debt to Asset Ratio (DAR), Return on Asset (ROA), Total

Asset Turnover (TATO), dan Firm Size (FS) yaitu dalam tabel 4.12

atau Block 1: Method Enter menunjukkan model regresi yang

dibandingkan dengan model konstanta saja, atau dengan kata lain,

model yang dihipotesiskan cocok dengan data.

2) Koefisien Determinasi (Cox and Snell’s R Square)

Tabel 4. 7

Hasil Uji Koefisien Determinasi (Cox and Snell’s R Square)

Model Altman Z-Score Modifikasi

Untuk melihat kemampuan variabel bebas dalam menjelaskan

Financial distress untuk Model Altman Z-Score Modifikasi,

digunakan nilai Cox dan Snell R Square dan Negelkerke R Square.

Berdasarkan tabel 4.13 nilai Negelkerke R Square merupakan nilai

R Square pada regresi linear. Nilai Negelkerke R Square sebesar

0,741 yang menunjukan bahwa kemampuan kelima variabel bebas

dalam menjelaskan varians financial distress adalah sebesar 74,41%

dan terdapat 25,59% faktor lain yang menjelaskan varians financial

distress.

Model Summary

Step -2 Log

likelihood

Cox dan

Snell R Square

Nagelkerke R Square

1 75.261a .483 .741

104

3) Menguji Kelayakan Model Regresi (Hosmer and Lemeshow’s

Goodness of Fit Test)

Tabel 4. 8

Hasil Uji Kelayakan Model Regresi (Hosmer and Lemeshow’s

Goodness of Fit Test) Model Altman Z-Score Modifikasi

Hasil pengujian berdasarkan tabel 4.8 menunjukan Chi Square

sebesar 15,314 dengan nilai probabilitas signifikan sebesar 0,053 >

0,05. Hal ini berarti model regresi layak untuk digunakan dalam

analisis selanjutnya, karena tidak ada perbedaan yang nyata antara

klasifikasi yang diprediksi dengan klasifikasi yang diamati, dapat

dikatakan bahwa model mampu memprediksi nilai observasi.

4) Pengujian Hipotesis Penelitian

a) Uji Signifikansi Model Secara Simultan (Omnimbus Test of

Model Coefficients)

Tabel 4. 9

Hasil Uji Signifikansi Model Secara Simultan (Omnimbus

Test of Model) Model Altman Z-Score Modifikasi

Omnibus Tests of Model Coefficients

Chi-square df Sig.

Step 1 Step 125.469 5 .000

Block 125.469 5 .000

Model 125.469 5 .000

Berdasarkan tabel 4.9 nilai Omnimbus Test of Model dilihat

dari uji Chi Square yang mempunyai nilai 125,469 dengan df =

5. Untuk nilai signifikan omnimbus test sebesar 0,000 yang berarti

< 0,05 karena menggunakan taraf kepercayaan 95%. Omnibus

Hosmer and Lemeshow Test

Step Chi-square df Sig.

1 15.314 8 .053

105

Test menghasilkan nilai signifikansi yang lebih rendah dari 0.05.

Hal ini menunjukkan bahwa terdapat pengaruh yang signifikan

dari setidaknya satu variabel independen secara simultan

mempengaruhi variabel dependen. Maka dapat disimpulkan

bahwa hipotesis 0 di tolak, yang berarti Current Ratio (CR), Debt

to Asset Ratio (DAR), Return on Asset (ROA), Total Asset

Turnover (TATO), dan Firm Size (FS) secara simultan memiliki

pengaruh yang signifikan terhadap Financial distress.

b) Uji Signifikansi Model Secara Parsial (Uji Wald)

Pengujian signifikansi pengaruh parsial bertujuan untuk

menguji setiap variabel dengan melihat kolom signifikansi.

Prosedur pengujian pada penelitian ini menggunakan tingkat

signifikansi sebesar 5% (0,05) yang berarti variabel-variabel

independen berpengaruh signifikan secara parsial terhadap

variabel dependennya jika nilai probabilitas < 0,05, namun

sebaliknya jika probabilitas > 0,05 maka tidak berpengaruh

parsial terhadap variabel dependennya:

106

Tabel 4. 10

Hasil Uji Signifikansi Model Secara Parsial (Uji Wald)

Model Altman Z-Score Modifikasi

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

Step

1a

CR -4.694 .982 22.842 1 .000 .009

DAR 10.427 2.840 13.481 1 .000 33771.926

ROA -17.227 6.613 6.786 1 .009 .000

TATO 1.173 1.442 .662 1 .416 3.232

FS -.417 .280 2.223 1 .136 .659

Constant 4.404 2.523 3.047 1 .081 81.741

Dari hasil tabel variables in the equation pada model Altman

Z-Score Modifikasi, didapatkan persamaan model regresi sebagai

berikut:

LN 𝑷

𝟏−𝑷 = 4,404 – 4,694CR + 10,427DAR -17,227ROA

Tabel 4.10 menunjukkan bahwa variabel Current Ratio (CR),

Debt to Asset Ratio (DAR), dan Return on Asset (ROA)

berpengaruh terhadap financial distress. Nilai signifikansi CR

0,000 < 0,05 dengan nilai koefisien -4,694 yang berarti CR

berpengaruh dalam mempresdiksi financial distress. Nilai

signifikansi DAR 0,000 < 0,05 dengan nilai koefisien 10,427

yang berarti DAR berpengaruh dalam mempresdiksi financial

distress. Nilai signifikansi ROA 0,009 < 0,05 dengan nilai

koefisien -17,227 yang berarti ROA berpengaruh dalam

memprediksi financial distress.

Sedangkan dua variabel lain yaitu Total Asset Turnover

(TATO), dan Firm Size (FS) memiliki nilai signifikansi lebih dari

107

0,05 yang berarti varibel tersebut tidak berpengaruh dalam

memprediksi financial distress. Dengan nilai TATO sebesar

0,416 dengan nilai koefisien 1,173 dan nilai FS sebesar 0,136

dengan nilai koefisien -0,417.

b. Model Springate

1) Menilai Keseluruhan Model (Overall Model Fit)

Tabel 4. 11

Hasil Uji Keseluruhan Model (Overall Model Fit)

Model Springate (Block 0: Beginning Block) Itteration Historya,b,c

Itteration -2 Log

likelihood

Coefficients

Constant

Step 0 1

2

262.363

262.363

.147

.147

Tabel 4. 12

Hasil Overall Model Fit Model Springate

(Block 1: Method = Enter) Itteration Historya,b,c

Itteration -2 Log

likelihood

Coefficients

Constant

CR DAR ROA TATO FS

Step 0 1 2

3 4

5 6

187.512 166.855

162.180 161.817

161.815 161.815

2.523 4.078

5.275 5.706

5.744 5.744

-.111 -.216

-.283 -.302

-.303 -.303

2.743 4.250

5.561 6.119

6.167 6.168

-10.332 -16.778

-19.049 -19.334

-19.371 -19.371

-3.214 -7.066

-10.677 -12.188

-12.315 -12.316

-.206 -.283

-.356 -.386

-.389 -.389

Berdasarkan tabel 4.11 dan 4.12 didapat hasil penilaian

keseluruhan model, dimana nilai -2Log Likehood pada Block 0:

Beginning Block tabel 4.16 adalah 262,363 dimana hanya

menggunakan konstanta saja tanpa menggunakan variabel

independen. Sedangkan jika variabel Current Ratio (CR), Debt to

Asset Ratio (DAR), Return on Asset (ROA), Total Asset Turnover

(TATO), dan Firm Size (FS) dimasukkan dalam model, atau dapat

108

dilihat dalam tabel 4.18 maka nilai -2Log Likehood menurun menjadi

161,815 yang berarti model dengan variabel Current Ratio (CR),

Debt to Asset Ratio (DAR), Return on Asset (ROA), Total Asset

Turnover (TATO), dan Firm Size (FS) menunjukkan model regresi

yang dibandingkan dengan model konstanta saja, atau dengan kata

lain, model yang dihipotesiskan cocok dengan data.

2) Koefisien Determinasi (Cox and Snell’s R Square)

Tabel 4. 13

Hasil Uji Koefisien Determinasi (Cox and Snell’s R Square)

Model Springate

Untuk melihat kemampuan variabel bebas dalam menjelaskan

Financial distress untuk Model Springate, digunakan nilai Cox dan

Snell R Square dan Negelkerke R Square. Berdasarkan tabel 4.13

nilai Negelkerke R Square merupakan nilai R Square pada regresi

linear. Nilai Negelkerke R Square sebesar 0,549 yang menunjukkan

bahwa kemampuan kelima variabel bebas dalam menjelaskan

varians financial distress adalah sebesar 54,9 % dan terdapat 45,1%

faktor lain yang menjelaskan varians financial distress.

Model Summary

Step

-2 Log

likelihood

Cox dan Snell R

Square

Nagelkerke

R Square

1 161.815a .411 .549

109

3) Menguji Kelayakan Model Regresi (Hosmer and Lemeshow’s

Goodness of Fit Test)

Tabel 4. 14

Hasil Uji Kelayakan Model Regresi (Hosmer and Lemeshow’s

Goodness of Fit Test) Model Springate

Hasil pengujian berdasarkan tabel 4.14 menunjukan Chi Square

sebesar 6,432 dengan nilai probabilitas signifikan sebesar 0,599 >

0,05. Hal ini berarti model regresi layak untuk digunakan dalam

analisis selanjutnya, karena tidak ada perbedaan yang nyata antara

klasifikasi yang diprediksi dengan klasifikasi yang diamati, dapat

dikatakan bahwa model mampu memprediksi nilai observasi.

4) Pengujian Hipotesis Penelitian

a) Uji Signifikansi Model Secara Simultan (Omnimbus Test of

Model Coefficients)

Tabel 4. 15

Hasil Uji Signifikansi Model Secara Simultan (Omnimbus

Test of Model) Model Springate

Omnibus Tests of Model Coefficients

Chi-square df Sig.

Step 1 Step 100.549 5 .000

Block 100.549 5 .000

Model 100.549 5 .000

Berdasarkan tabel 4.15 nilai Omnimbus Test of Model dilihat

dari uji Chi Square yang mempunyai nilai 100,549 dengan df = 5.

Untuk nilai signifikan omnimbus test sebesar 0,000 yang berarti

< 0,05 karena menggunakan taraf kepercayaan 95%. Omnibus

Hosmer and Lemeshow Test

Step Chi-square df Sig.

1 6.432 8 .599

110

Test menghasilkan nilai signifikansi yang lebih rendah dari 0.05.

Hal ini menunjukkan bahwa terdapat pengaruh yang signifikan

dari setidaknya satu variabel independen secara simultan

mempengaruhi variabel dependen. Maka dapat disimpulkan

bahwa hipotesis 0 di tolak, yang berarti Current Ratio (CR), Debt

to Asset Ratio (DAR), Return on Asset (ROA), Total Asset

Turnover (TATO), dan Firm Size (FS) secara simultan memiliki

pengaruh yang signifikan terhadap financial distress.

b) Uji Signifikansi Model Secara Parsial (Uji Wald)

Tabel 4. 16

Hasil Uji Signifikansi Model Secara Parsial (Uji Wald)

Model Springate

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

Step

1a

CR -.303 .076 15.902

1 .000 .738

DAR 6.168 1.678 13.515

1 .000 477.116

ROA -19.371 4.917 15.524

1 .000 .000

TATO -12.316 2.920 17.783

1 .000 .000

FS -.389 .172 5.117

1 .024 .678

Constant 5.744 1.611 12.711

1 .000 312.300

Dari hasil tabel variables in the equation pada model Altman

Z-Score Modifikasi, didapatkan persamaan model regresi sebagai

berikut:

LN 𝑷

𝟏−𝑷 = 5,744 – 0,303CR + 6,618DAR -19,371ROA –

12,316TATO - 0,389FS

111

Tabel 4.16 menunjukkan bahwa variabel Current Ratio (CR),

Debt to Asset Ratio (DAR), Return on Asset (ROA), Total Asset

Turnover (TATO), dan Firm Size (FS) berpengaruh terhadap

financial distress. Nilai signifikansi CR 0,000 < 0,05 dengan nilai

koefisien -0,303 yang berarti CR berpengaruh dalam

mempresdiksi financial distress. Nilai signifikansi DAR 0,000 <

0,05 dengan nilai koefisien 6,168 yang berarti DAR berpengaruh

dalam memprediksi financial distress. Nilai signifikansi ROA

0,000 < 0,05 dengan nilai koefisien -19,371 yang berarti ROA

berpengaruh dalam memprediksi financial distress. Nilai

signifikansi TATO 0,000 < 0,05 dengan koefisien -12,316 yang

berarti TATO berpengaruh dalam memprediksi financial distress.

Nilai Signifikansi FS 0,024 < 0,05 dengan koefisien -0,389 yang

berarti FS berpengaruh dalam memprediksi financial distress.

Dapat disimpulkan bahwa seluruh variabel berpengaruh dalam

memprediksi financial distress dengan Model Springate.

112

C. Pembahasan

1. Pembahasan H1: Terdapat pengaruh secara simultan pengungkapan

Rasio Likuiditas, Rasio Leverage, Rasio Aktivitas, Rasio Profitabilitas

dan Rasio Firm Size terhadap financial distress dengan model Altman

Z-Score Modifikasi terhadap pada Perusahaan Properti dan Real

Estate yang terdaftar di BEI periode 2013-2017.

Berdasarkan hasil analisis variabel Current Ratio (CR), Debt to Asset Ratio

(DAR), Return on Asset (ROA), Total Asset Turnover (TATO), dan Firm

Size (FS) secara bersama-sama berpengaruh terhadap prediksi kondisi

Financial distress perusahaan dengan menggunakan perhitungan Model

Altman Z-Score Modifikasi. Tinggi rendahnya nilai dari kelima rasio

keuangan perusahaan sektor Properti, dan Real Estate Periode 2013 – 2017

memiliki pengaruh terhadap kondisi Financial distress perusahaan tersebut

sehingga informasi keuangan tersebut dapat digunakan oleh investor

sebagai pilihan dalam mengambil keputusan untuk berinvestasi.

2. Pembahasan H2: Terdapat pengaruh secara simultan pengungkapan

Rasio Likuiditas, Rasio Leverage, Rasio Aktivitas, Rasio Profitabilitas

dan Rasio Firm Size terhadap financial distress dengan Model

Springate pada Perusahaan Properti dan Real Estate yang terdaftar di

BEI periode 2013-2017.

Berdasarkan hasil analisis variabel Current Ratio (CR), Debt to Asset Ratio

(DAR), Return on Asset (ROA), Total Asset Turnover (TATO), dan Firm

113

Size (FS) secara bersama-sama berpengaruh terhadap prediksi kondisi

Financial distress perusahaan dengan menggunakan perhitungan Model

Springate. Tinggi rendahnya nilai dari kelima rasio keuangan perusahaan

sektor properti, dan Real Estate Periode 2013 – 2017 memiliki pengaruh

terhadap kondisi Financial distress perusahaan tersebut sehingga informasi

keuangan tersebut dapat digunakan oleh investor sebagai pilihan dalam

mengambil keputusan untuk berinvestasi.

3. Pembahasan H3: Terdapat pengaruh secara parsial pengungkapan

Rasio Likuiditas, Rasio Leverage, Rasio Aktivitas, Rasio Profitabilitas

dan Rasio Firm Size terhadap financial distress dengan Model Altman

Z-Score Modifikasi terhadap pada Perusahaan Properti dan Real

Estate yang terdaftar di BEI periode 2013-2017.

a) Pengaruh Rasio Likuidtas (Current Ratio) secara parsial terhadap

konndisi Financial distress dengan Model Altman Z-Score

Modifikasi

Berdasarkan hasil output SPSS didapatkan nilai pengungkapan

Rasio Likuiditas dalam penelitian ini melalui Current Ratio 0,000 < 0,05

berarti dapat disimpulkan bahwa pengungkapan rasio likuiditas

berpengaruh terhadap kondisi Financial distress dengan Model Altman

Z-Score Modifikasi. Dengan nilai koefisien -4,694 berarti apabila

variabel independen likuiditas (current ratio) naik sebesar 1 satuan

dengan asumsi bahwa variabel bebas lainnya konstan, maka variabel

114

financial distress akan mengalami penurunan sebsar 4,694 satuan. Hal

ini berarti hasil analisis dalam regresi ini menerima H3 yang

menyatakan bahwa rasio likuiditas memiliki pengaruh negatif terhadap

prediksi Financial distress.

Hasil penelitian ini sejalan dengan penelitian Ardian et al (2017),

Damayanti et al (2017), Yudiawati dan Indriani (2016), Mihalovic

(2016), Shalwan (2015) bahwa Rasio Likuiditas (current ratio)

berpengaruh terhadap kondisi financial distress. Hal ini menunjukkan

bahwa semakin tinggi nilai rasio likuiditas perusahaan (current ratio)

maka semakin kecil kemungkinan financial distress. Begitupula

sebaliknya semakin rendah nilai rasio likuiditas perusahaan (current

ratio) maka semakin besar kemungkinan financial distress.

b) Pengaruh Rasio Leverage (Debt to Asset Ratio) secara parsial

terhadap kondisi Financial distress dengan Model Altman Z-Score

Modifikasi

Berdasarkan hasil output SPSS didapatkan nilai pengungkapan

Rasio Leverage dalam penelitian ini melalui Debt to Asset Ratio 0,000

< 0,05 berarti dapat disimpulkan bahwa pengungkapan rasio leverage

berpengaruh terhadap kondisi Financial distress dengan Model Altman

Z-Score Modifikasi. Di mana nilai koefisien sebesar 10,427 berarti

apabila variabel independen leverage (debt to asset ratio) naik sebesar

1 satuan dengan asumsi bahwa variabel bebas lainnya konstan, maka

115

variabel financial distress akan mengalami kenaikan sebesar 10,427

satuan. Hal ini bebrarti hasil analisis dalam regresi ini menerima H3

yang menyatakan bahwa rasio leverage memiliki pengaruh positif

terhadap prediksi Financial distress.

Hal ini sejalan penelitian yang dilakukan oleh Yudiawati dan

Indriani (2016) dan Yustika (2015) bahwa Rasio Leverage (debt to asset

ratio) berpengaruh signifikan terhadap kondisi financial distress. Hal ini

menunjukkan bahwa semakin tinggi nilai rasio leverage perusahaan

(debt to asset ratio) maka semakin tinggi kemungkinan financial

distress. Begitupula sebaliknya semakin rendah nilai rasio leverage

perusahaan (debt to asset ratio) maka semakin kecil kemungkinan

financial distress.

c) Pengaruh Rasio Profitabilitas (Return on Asset) secara parsial

terhadap kondisi Financial distress dengan Model Altman Z-Score

Modifikasi

Berdasarkan hasil output SPSS didapatkan nilai pengungkapan

Rasio Profitabilitas dalam penelitian ini melalui Return on Asset 0,009

< 0,05 berarti dapat disimpulkan bahwa pemgungkapan rasio

profitabilitas berpengaruh terhadap kondisi Financial distress dengan

Model Altman Z-Score Modifikasi. Dengan nilai koefisien -19,371

berarti apabila variabel independen profitabilitas (return on asset) naik

sebesar 1 satuan dengan asumsi bahwa variabel bebas lainnya konstan,

116

maka variabel financial distress akan mengalami penurunan sebesar

19,371 satuan. Hal ini bebrarti hasil analisis dalam regresi ini menerima

H3 yang menyatakan bahwa rasio profitabilitas memiliki pengaruh

negatif terhadap prediksi Financial distress.

Hasil penelitian ini sejalan dengan penelitian Nora (2016), Ayu et al

(2017), Damayanti et al (2017), Dewi dan Wahyullana (2019) bahwa

rasio profitabilitas (return on asset) berpengaruh terhadap kondisi

financial distress. Hal ini menunjukkan bahwa semakin tinggi nilai rasio

profitabilitas perusahaan (return on asset) maka semakin kecil

kemungkinan financial distress. Begitupula sebaliknya semakin rendah

nilai rasio profitabilitas perusahaan (return on asset) maka semakin

besar kemungkinan fianancial distress.

d) Pengaruh Rasio Aktivitas (Total Asset Turnover) secara parsial

terhadap kondisi Financial distress dengan Model Altman Z-Score

Modifikasi

Berdasarkan hasil output SPSS didapatkan nilai pengungkapan

Rasio Aktiviras dalam penelitian ini melalui Total Asset Turnover 0,416

> 0,05 berarti dapat disimpulkan bahwa pengungkapan rasio aktivitas

tidak berpengaruh terhadap kondisi Financial distress dengan Model

Altman Z-Score Modifikasi. Hal ini berarti hasil analisis dalam regresi

ini menerima H3 yang menyatakan bahwa rasio profitabilitas tidak

memiliki pengaruh terhadap prediksi financial distress. Sehingga hasil

117

penelitian tidak sesuai dengan hipotesis yang telah dirumuskan. Ini

dikarenakan dari temuan penelitian didapat Total Asset Turnover

perusahaan yang cukup stabil, dan selama tahun 2013-2017 tidak begitu

terlihat kenaikan dan penurunan perputaran aset yang begitu berarti.

Total Asset Turnover yang diperoleh ini menandakan kestabilan

perputaran aset perusahaan pada periode tersebut, yaitu setiap dana

perusahaan. Berarti, ini adalah takaran seberapa sering terjadinya

penjualan (dimulai dari membeli bahan baku, menghasilkan barang jadi

atau setengah jadi, menyimpan persediaan hingga barang tersebut

terjual) dalam satu periode dari total aset yang dimiliki. Semakin lama

proses barang itu terjual, maka akan menambah beban perusahaan.

Sehingga perusahaan tersebut akan mengorbankan modalnya dan akan

berakibat pada meningkatkan risiko kerugian pada perusahaan tersebut.

Sehingga dapat disimpulkan dengan aktivitas perusahaan yang cukup

baik dan lancar, maka kerugian akan dapat diminimalkan sehingga tidak

berdampak terhadap risiko financial distress.

e) Pengaruh Firm Size secara parsial terhadap kondisi Financial

distress dengan Model Altman Z-Score Modifikasi

Berdasarkan hasil output SPSS didapatkan nilai pengungkapan Firm

Size 0,136 > 0,05 berarti dapat disimpulkan bahwa pengungkapan Firm

Size tidak berpengaruh terhadap kondisi Financial distress dengan

Model Altman Z-Score Modifikasi. Hal ini berarti hasil analisis dalam

118

regresi ini menerima H3 yang menyatakan bahwa Firm Size tidak

memiliki pengaruh terhadap prediksi Financial distress. Sehingga hasil

penelitian tidak sesuai dengan hipotesis yang telah dirumuskan.

Hasil yang tidak signifikan ini kemungkinan disebabkan bahwa pada

penelitian ini tidak terjadi pemisahan perusahaan properti dan real estate

yang sudah mature dengan yang baru berkembang. Dimana perusahaan

yang sudah mature meskipun ukuran perusahaannya kecil namun

perusahaan tersebut telah memiliki mitra kerja banyak, tingkat

kepercayaan dari lembaga keuangan terhadap perusahaan tinggi, serta

rekomendasi dari konsumen maupun pihak eksternal.

Dalam hal ini dapat diketahui bahwa perusahaan besar yang

memiliki total aset yang besar juga memiliki laba yang tinggi, serta tidak

terlepas dari risiko yang besar. Hasil penelitian ini sejalan dengan

penelitian Nora (2016), Cinantya dan Merkusiwati (2016), dan Shalwan

(2015) bahwa Firm Size tidak berpengaruh terhadap kondisi financial

distress.

4. Pembahasan H4: Terdapat pengaruh secara parsial pengungkapan

Rasio Likuiditas, Rasio Leverage, Rasio Aktivitas, Rasio Profitabilitas

dan Rasio Firm Size terhadap financial distress dengan Model

Springate pada Perusahaan Properti dan Real Estate yang terdaftar di

BEI periode 2013-2017.

119

a) Pengaruh Rasio Likuidtas (Current Ratio) secara parsial terhadap

kondisi Financial distress dengan Model Springate

Berdasarkan hasil output SPSS didapatkan nilai pengungkapan

Rasio Likuiditas dalam penelitian ini melalui Current Ratio 0,000 < 0,05

berarti dapat disimpulkan bahwa pengungkapan rasio likuiditas

berpengaruh terhadap kondisi Financial distress dengan Model

Springate. Dengan nilai koefisien -0,303 berarti apabila variabel

independen likuiditas (current ratio) naik sebesar 1 satuan dengan

asumsi bahwa variabel bebas lainnya konstan, maka variabel financial

distress akan mengalami penurunan sebesar 0,303 satuan. Hal ini berarti

hasil analisis dalam regresi ini menerima H4 yang menyatakan bahwa

rasio likuiditas memiliki pengaruh negatif terhadap prediksi Financial

distress.

Hasil penelitian ini sejalan dengan penelitian Ardian et al (2017),

Damayanti et al (2017), Yudiawati dan Indriani (2016), Mihalovic

(2016), Shalwan (2015) bahwa Rasio Likuiditas berpengaruh terhadap

kondisi financial distress. Hal ini menunjukkan bahwa semakin tinggi

nilai rasio likuiditas perusahaan (current ratio) maka semakin kecil

kemungkinan financial distress. Begitupula sebaliknya semakin rendah

nilai rasio likuiditas perusahaan (current ratio) maka semakin besar

kemungkinan financial distress.

120

b) Pengaruh Rasio Leverage (Debt to Asset Ratio) secara parsial

terhadap kondisi Financial distress dengan Model Springate

Berdasarkan hasil output SPSS didapatkan nilai pengungkapan

Rasio Leverage dalam penelitian ini melalui Debt to Asset Ratio 0,000

< 0,05 berarti dapat disimpulkan bahwa pengungkapan rasio leverage

berpengaruh terhadap kondisi Financial distress dengan Model

Springate. Di mana nilai koefisien sebesar 6,168 berarti apabila variabel

independen leverage (debt to asset ratio) naik sebesar 1 satuan dengan

asumsi bahwa variabel bebas lainnya konstan, maka variabel financial

distress akan mengalami kenaikan sebesar 6,168 satuan. Hal ini bebrarti

hasil analisis dalam regresi ini menerima H4 yang menyatakan bahwa

rasio leverage memiliki pengaruh positif terhadap prediksi Financial

distress.

Hal ini sejalan penelitian yang dilakukan oleh Yudiawati dan

Indriani (2016) dan Yustika (2015) bahwa Rasio Leverage (debt to asset

ratio) berpengaruh signifikan terhadap kondisi financial distress. Hal ini

menunjukkan bahwa semakin tinggi nilai rasio leverage perusahaan

(debt to asset ratio) maka semakin tinggi kemungkinan financial

distress. Begitupula sebaliknya semakin rendah nilai rasio leverage

perusahaan (debt to asset ratio) maka semakin kecil kemungkinan

financial distress.

121

c) Pengaruh Rasio Profitabilitas (Return on Asset) secara parsial

terhadap kondisi Financial distress dengan Model Springate

Berdasarkan hasil output SPSS didapatkan nilai pengungkapan

Rasio Profitabilitas dalam penelitian ini melalui Return on Asset 0,000

< 0,05 berarti dapat disimpulkan bahwa pengungkapan rasio

profitabilitas berpengaruh terhadap kondisi financial distress dengan

Model Springate. Dengan nilai koefisien -17,227 berarti apabila variabel

independen profitabilitas (return on asset) naik sebesar 1 satuan dengan

asumsi bahwa variabel bebas lainnya konstan, maka variabel financial

distress akan mengalami penurunan sebesar 17,227 satuan. Hal ini

berarti hasil analisis dalam regresi ini menerima H4 yang menyatakan

bahwa rasio profitabilitas memiliki pengaruh negatif terhadap prediksi

financial distress.

Hasil penelitian ini sejalan dengan penelitian Nora (2016), Ayu et al

(2017), Damayanti et al (2017), Dewi dan Wahyullana (2019) bahwa

rasio profitabilitas (return on asset) berpengaruh terhadap kondisi

financial distress. Hal ini menunjukkan bahwa semakin tinggi nilai rasio

profitabilitas perusahaan (return on asset) maka semakin kecil

kemungkinan financial distress. Begitupula sebaliknya semakin rendah

nilai rasio profitabilitas perusahaan (return on asset) maka semakin

besar kemungkinan financial distress.

122

d) Pengaruh Rasio Aktivitas (Total Asset Turnover) secara parsial

terhadap kondisi Financial distress dengan Model Springate

Berdasarkan hasil output SPSS didapatkan nilai pengungkapan

Rasio Aktiviras dalam penelitian ini melalui Total Asset Turnover 0,000

< 0,05 berarti dapat disimpulkan bahwa pengungkapan rasio aktivitas

berpengaruh terhadap kondisi Financial distress dengan Model

Springate. Dengan nilai koefisien 1,173 berarti apabila variabel

independen aktivitas (total asset turnover) naik sebesar 1 satuan dengan

asumsi bahwa variabel bebas lainnya konstan, maka variabel financial

distress akan mengalami kenaikan sebesar 1,173 satuan. Hal ini bebrarti

hasil analisis dalam regresi ini menerima H4 yang menyatakan bahwa

rasio profitabilitas memiliki pengaruh positif terhadap prediksi financial

distress. Sehingga hasil penelitian sesuai dengan hipotesis yang telah

dirumuskan.

Penelitian ini sejalan dengan penelitian Ardian et al (2017), dan

Yudiawati dan Indriani (2016) bahwa rasio aktivitas (total asset

turnover) berpengaruh terhadap kondisi financial distress. Hal ini

menunjukkan bahwa semakin tinggi nilai rasio profitabilitas perusahaan

(total asset turnover) maka semakin rendah kemungkinan financial

distress. Begitupula sebaliknya semakin rendah nilai rasio aktivitas

perusahaan (total asset turnover) maka semakin tinggi kemungkinan

financial distress.

123

e) Pengaruh Firm Size secara parsial terhadap kondisi Financial

distress dengan Model Springate

Berdasarkan hasil output SPSS didapatkan nilai pengungkapan Firm

Size 0,024 > 0,05 berarti dapat disimpulkan bahwa pengungkapan Firm

Size berpengaruh terhadap kondisi Financial distress dengan Model

Springate. Dengan nilai koefisien -0,417 berarti apabila variabel

independen profitabilitas (return on asset) naik sebesar 1 satuan dengan

asumsi bahwa variabel bebas lainnya konstan, maka variabel financial

distress akan mengalami penurunan sebesar 0,417 satuan. Hal ini

bebrarti hasil analisis dalam regresi ini menerima H4 yang menyatakan

bahwa Firm Size memiliki pengaruh negatif terhadap prediksi financial

distress. Sehingga hasil penelitian sesuai dengan hipotesis yang telah

dirumuskan.

Penelitian ini sejalan dengan penelitian Cinantya dan Merkusiwati

(2015), dan Rahayu dan Sopian (2017) bahwa Firm Size berpengaruh

terhadap kondisi financial distress. Hal ini menunjukkan bahwa

semakin tinggi firm size maka semakin kecil kemungkinan financial

distress. Begitupula sebaliknya semakin rendah nilai firm size maka

semakin besar kemungkinan financial distress.

124

Tabel 4. 17

Perbandingan Hasil Model Altman Z-Score Modifikasi dan

Model Springate

Sumber: Kesimpulan Hasil Olah Data dengan SPSS 22

125

BAB V

PENUTUP

A. Kesimpulan

Berdasarkan penelitian yang peneliti lakukan dengan mengggunakan

analisis logistik binary didapatkan beberapa kesimpulan, yaitu:

1. Hasil ini menyatakan bahwa secara simultan pengungkapan Rasio Likuiditas

(Current Ratio), Rasio Leverage (Debt to Asset Ratio), Rasio Profitabilitas

(Return on Asset), Rasio Aktivitas (Total Asset Turnover), dan Firm Size

memiliki pengaruh terhadap prediksi kondisi financial distress dengan

menggunakan Model Altman Z-Score Modifikasi pada perusahaan properti

dan real estate periode 2013-2017.

2. Hasil ini menyatakan bahwa secara simultan pengungkapan Rasio Likuiditas

(Current Ratio), Rasio Leverage (Debt to Asset Ratio), Rasio Profitabilitas

(Return on Asset), Rasio Aktivitas (Total Asset Turnover), dan Firm Size

memiliki pengaruh terhadap prediksi kondisi financial distress dengan

menggunakan Model Springate pada perusahaan properti dan real estate

periode 2013-2017.

3. Hasil penelitian ini menyatakan bahwa secara parsial Rasio Likuiditas

(Current Ratio), Rasio Leverage (Debt to Asset Ratio), dan Rasio

Profitabilitas (Return on Asset) memiliki pengaruh dalam prediksi kondisi

financial distress dengan menggunakan model Altman Z-Score. Sementara

Rasio Aktivitas (Total Asset Turnover), dan Firm Size tidak berpengaruh

terhadap prediksi kondisi financial distress dengan menggunakan model

126

Altman Z-Score. Hal ini berarti aset lancar, kewajiban lancar, total

kewajiban, laba bersih, dan total aset mempengaruhi kondisi prediksi

financial distress dengan menggunakan model Altman Z-Score. Namun, lain

hal dengan total penjualan dan total aset pada Rasio Aktivitas (Total Asset

Turnover) dan perhitungan firm size yang tidak mempengaruhi kondisi

financial distress.

4. Hasil penelitian ini menyatakan bahwa secara parsial Rasio Likuiditas

(Current Ratio), Rasio Leverage (Debt to Asset Ratio), Rasio Profitabilitas

(Return on Asset), Rasio Aktivitas (Total Asset Turnover), dan Firm Size

memiliki pengaruh dalam prediksi kondisi financial distress dengan

menggunakan model Springate. Itu berarti aset lancar, kewajiban lancar,

total kewajiban, laba bersih, total aset, total penjualan, dan logaritma dari

total aset (perhitungan firm size) mempengaruhi kondisi prediksi financial

distress dengan menggunakan model Springate.

5. Besarnya pengaruh parsial Rasio Likuiditas (Current Ratio), Rasio Leverage

(Debt to Asset Ratio), dan Rasio Profitabilitas (Return on Asset) dalam

prediksi financial distress dengan menggunakan model Altman Z-Score

dapat dilihat dari hasil nilai Negelkerke R Square. Berdasarkan tabel 4.9 nilai

Negelkerke R Square sebesar 0,741 yang menunjukkan bahwa kemampuan

kelima variabel bebas dalam menjelaskan varians Financial distress adalah

sebesar 74,1 % dan terdapat 25,9% faktor lain yang menjelaskan varian

Financial distress.

127

6. Besarnya pengaruh parsial Rasio Likuiditas (Current Ratio), Rasio Leverage

(Debt to Asset Ratio), Rasio Profitabilitas (Return on Asset), Rasio Aktivitas

(Total Asset Turnover), dan Firm Size prediksi financial distress dengan

menggunakan model Springate dapat dilihat dari hasil nilai Negelkerke R

Square. Berdasarkan tabel 4.14 nilai Negelkerke R Square sebesar 0,549

yang menunjukan bahwa kemampuan kelima variabel bebas dalam

menjelaskan varian Financial distress adalah sebesar 54,9 % dan terdapat

45,1% faktor lain yang menjelaskan varian Financial distress.

B. Saran

Berdasarkan kesimpulan dan keterbatasan penelitian yang sudah peneliti

dapatkan dan telah peneliti sajikan maka dapat diberikan saran yaitu sebagai

berikut:

1. Pada penelitian ini hanya menggunkan model prediksi Altman Z-Score, dan

Springate diharapkan pada penelitian selanjutnya dapat menambahkan

model prediksi lain seperti Zmijewski, Ohlson, Datastream’s Model, Fulmer

Model, Ca-Score.

2. Terdapat beberapa variabel dari masing-masing model prediksi yang tidak

memiliki pengaruh terhadap kondisi financial distress terutama pada

pengujian pada model Altman Z-Score. Maka sebaiknya bagi penelitian

selanjutnya diperlukan referensi dan pemahaman yang lebih dalam

menerapkan model prediksi. Serta dapat memperluas periode waktu sampel

128

agar dapat melihat kondisi financial distress pada Perusahaan Properti dan

Real Estate lebih lengkap.

3. Investor dapat menjadikan refensi hasil analisis dalam penelitian ini sebagai

pertimbangan investasi pada Perusahaan Properti dan Real Estate, dan dapat

membuat keputusan yang tepat.

129

DAFTAR PUSTAKA

Almansour, B. Y. (2015). Empirical Model for Predicting Market Vailure.

American Journal of Economics, Finance and Manegement 1(3) 113-124.

Andre, O. (2013). Pengaruh Profitabilitas, Likuiditas, dan Leverage Dalam

Memprediksi Financial Dstress. Artikel Skripsi pada Fakultas Ekonomi

Universitas Negeri Padang 1-20.

Ardrian, A. V. Andini, R. dan Raharjo, K. (2017). Pengaruh Rasio Likuiditas, Rasio

Leverage, Rasio Aktivitas dan Rasio Profitabilitas terhadap Financial

Distress. Jurnal Universitas Pangandaran 3(3) 3-15.

Arikunto, S. (2002). Metodologi Penelitian Suatu Pendekatan Proposal. Jakarta:

PT. Rineka Cipta.

Asnawi, S. K. dan Wijaya, C. Metodologi Penelitian Keuangan: Prosedur, Ide, dan

Kontrol. Yogyakarta: Graha Ilmu. 2006.

Astuti, D. (2004). Manajemen Keuangan Perusahaan. Jakarta: Galia Indonesia.

Atmaja, L. S. (2008).Teori dan Praktik Manajemen Keuangan. Yogyakarta:

Penerbit Andi Yogyakarta.

Ayu, A. S., Handayani, S. R. dan Topowijono. (2017). Pengaruh Likuiditas,

Leverage, Profitabilitas, dan Ukuran Perusahaan terhadap Financial distress

(Studi pada Perusahaan Manufaktur Sektor Industri Dasar dan Kimia yang

Terdaftar di Bursa Efek Indonesia tahun 2012-2015). Jurnal Administrasi

Bisnis Universitas Brawijaya 43(1) 138-147.

Brealy, R. A., Myers, S. C. dan Marcus, A. J. (2007) Dasar-Dasar Manajemen

Keuangan Jilid 2. Jakarta: Erlangga.

Brigham, E. F. dan Houston, J. F. (2010). Dasar-dasar Manajemen Keuangan.

Jakarta: Salemba Empat.

Burhanuddin, R. A. (2015). Analisis Pengunaan Model Altman Z-Score dan Model

Springate untuk Mengetahui Potensi Terjadinya Financial distress pada

Perusahaan Manufaktur Sektor Industri Dasar dan Kimia Sub Sektor Semen

Periode 2009-2013. Jurnal Fakultas Ekonomi dan Bisnis Universitas

Hasanuddin.

130

Cinantya, I. A. P. dan Merkusiwati, N. K. L. A. (2015). Pengaruh Coorporate

Governance, Financial Indicators, dan Ukuran Perusahaan pada Fianancial

Distress. Jurnal Universitas Udayana 10(3) 897-915.

Damayanti, L. D., Yuniarta, G. D. dan Sinarwati, N. K. (2017). Analisis Pengaruh

Kinerja Keuangan, Ukuran Komite Audit Dan Kepemilikan Manajerial

Terhadap Prediksi Financial distress (Studi Pada Perusahaan Manufaktur

Yang Terdaftar Di Bursa Efek Indonesia Periode 2011-2015). Jurnal

Universitas Pendidikan Ganesha 7(1) 1-12.

Deanta. (2009). EXCEL Untuk Analisi Laporan Keuangan dan Prediksi

Kebangkrutan Perusahaan. Yogyakarta: Penerbit Gava Media.

Deanta. (2016). Memahami Pos-Pos dan Angka-Angka dalam Laporan Keuangan

Untuk Orang Awam”. Yogyakarta: Penerbit Gava Media.

Dewi, A. R. S. dan Wahyullana, E. (2019). Analysis Of Profit Performance And

Asset Management To Financial distress Bakrie Group Company Listing In

Indonesia Stock Exchange. International Journal of Scientifict and

Technology Research 8(3) 106-110.

Fahmi, I. (2013). Pengantar Manajemen Keuangan Teori dan Soal Jawab.

Bandung: Penerbit Alfabeta.

Gamayuni, R. R. (2009). Berbagai Alternatif Model Prediksi Kebangkrutan. Jurnal

Akuntansi Keuangan 14(1) 75-89.

Gepp, A. dan Kumar, K. (2015). Predicting Financial Distress: A Comparisson of

Survival Analysis and Decision Tree Techniques. Jurnal Procedia Computer

Science 54 396-404.

Ghozali, I. (2018). Aplikasi Analisis Multivariate Dengan Program IBM SPSS

25. Semarang: Badan Penerbit Universitas Diponegoro.

Gio, P. U. dan Rosmaini, E. (2016). “Belajar Olah Data dengan SPSS,

MINITAB, R, MICROSOFT EXCEL, EVIEWQ, LISREL, AMOS, dan

SMARTPLS”. Medan: USU Press. 2016.

Hanafi, M. M. dan Halim, A. (2005). Analisis Laporan Keuangan. Yogyakarta:

UPP STIM YKPM.

Hanafi, M. M. dan Halim A. (2016). Analisis Laporan Keuangan. Yogyakarta: UPP

STIM YKPM.

131

Hanifah, O. E. dan Purwanto, A. (2013). Pengaruh Struktur Corporate Governance

dan Financial Indicators Terhadap Kondisi Financial Distress. Diponegoro

Journal of Accounting 2(2) 1-15.

Harahap, S. S. (2002). Teori akuntasi Laporan Keuangan. Jakarta: Bumi Aksara.

Harahap, S. S. (2010). Analisis Kritis Atas Laporan Keuangan. Jakarta: PT

Rajagrafindo Persada.

Hartono, J. (2016). Teori Portofolio dan Analisis Investasi. Yogyakarta: BPFE-

Yogyakarta.

Hassan, E. U., Zainuddin Z. B. dan Nordin, S. B. (2018). Predicting Financial

Bankruptcy of Five Manufacturing Sectors in Pakistan Using Logistic

Regression. International Review of Management and Business Research

Journal 7(1) 268-277.

Hery. (2014). Analisis Laporan Keuangan. Jakarta: PT. Bumi Aksara.

Hidayat, A. dan Meiranto, W. 2014. Prediksi Financial Distress Perusahaan

Manufaktur Di Indonesia. Jurnal Ekonomi Universitas Diponegoro 3(3) 1-

11.

Jackson, K. K., Bongko J. dan Kimutai, G. (2018). Effectiveness of Accounting

Ratios in Predicting Financial Distress of Companies Listed in Nairobi

Securities Exchange. International Journals of Academics and Research

(IJARKE Business dan Management Journal) 1(1) 293-301.

Jumingan. (2017). Analisis Laporan Keuangan. Jakarta: PT. Bumi Aksara.

Kasmir. (2009). Analisis Laporan Keuangan. Jakarta: PT. Rajagrafindo Persada.

Klepac, V. dan Hampel, D. (2017). Predicting Financial distress od Agriculture

Companies in EU. CASS Agriculture Journal 63(8) 347-355.

Mihalovic, M. (2016). Performance Comparison Of Multiple Discriminant

Analysis And Logit Models In Bankruptcy Prediction. Journal Economics

and Sociology Recent Isuues in Economic Development 9(4) 101-118.

Miglani, S., Ahmed, K. dan Henry, D. (2014). Voluntary Coorporate Governance

Structure and Financial distress: Evidence from Australia. Journal of

Contemporary Accounting dan Economics 1-37.

Montogomery, D. C., Peck E. A., dan Vining, G. G. (2012). Introduction to Linear

Regression Analysis Fifth Edition. New Jersey: Wiley-Blackwell Publisher.

132

Nirmalasari, L. (2018) Analisis Financial Distress Pada Perusahaan Sektor

Properti, Real Estate, dan Kontruksi Bangunan Yaang Terdaftar di Bursa

Efek Indonesia. Skripsi Universitas Negeri Yogyakarta.

Nora, A. R. (2016). Pengaruh Financial Indicators, Ukuran Perusahaan dan

Kepemilikan Institusional terhadap Financial Distress. Jurnal STIE

PERBANAS.

Noviandri, T. (2014). Peranan Analisis Rasio Keuangan Dalam Memprediksi

Kondisi Financial Distress Perusahaan Sektor Perdagangan. Jurnal Ilmu

Manajemen 2(4) 1655-1665.

Pramesti, G. (2013). Smart Olah Data Penelitian Dengan SPSS 21. Jakarta: PT Elex

Media Komputindo.

Priadana, M. S.dan Muis, S. (2009). Metodologi Peneletian Ekonomi dan Bisnis.

Yogyakarta: Graha Ilmu.

Rahayu, W. P. dan Sopian, D. (2017). Pengaruh Rasio Keuangan dan Ukuran

Perusahaan terhadap Financial Dsitress (Studi Empiris pada Perusahaan Food

and Beverage di Bursa Efek Indonesia). Jurnal Universitas Muhammadiyah

Tangerang 1(2) 1-13.

Rodoni, A. dan Ali, H. (2014). Manajemen Keuangan Modern. Jakarta: Mitra

Wacana Media.

Ross, S. A., Westerfield R. W. dan Jordan, B. D. (2008) Pengantar Keuangan

Perusahaan (Coorporrate Finance Fundamentals). Jakarta: Salemba Empat.

Rudianto. (2013) Akuntansi Manajemen Informasi Untuk Pengambilan Keputusan

Strategis. Jakarta: Penerbit Erlangga.

Santoso, S. (2014). Statistik Multivariat Edisi Revisi. Jakarta: Elex Media

Komputindo.

Sanusi, A. (2011). Model Penelitian Bisnis. Jakarta: Salemba Empat.

Sarwono, J. (2013). Statistika Multivariat Aplikasi Untuk Riset Penelitian.

Yogyakarta: ANDI.

Shalwan, T. M. (2015). The Effects of Coorporate Governance on Financial

Performance and Financial Distress: Evidence from Egypt. The International

Journal of Business and Society 15(5) 1-9.

Sugiyono. (2013). Model Penelitian Bisnis. Bandung: Alfabeta.

133

Sujarweni, V. Wiranta. (2016). Kupas Tuntas Penelitian Akuntansi dengan SPSS.

Yogyakarta: Pustaka Baru Press.

Tampubolon, M. P. (2013). Manajemen Keuangan (Finance Management).

Jakarta: Mitra Wacana Media.

Ufo, A. (2015). Impact of Financial distress on the Profitability of Selected

Manufacturing Firms of Ethiopia. Journal of Proverty, Investment and

Development 16 8-12.

Uyanto, S. S. (2006). Pedoman Analisis Data Dengan SPSS. Yogyakarta: Graha

Ilmu.

Waqas, H. dan Rus, R. M. (2018). Predicting Financial distress: Importance of

Accounting and Firm Specific Market Variables for Pakistan’s Listed Firms.

Journal Cogent Economic and Finance 1-16.

Widarjono, A. (2015). Analisis Multivariat Terapan Dengan Program SPSS,

AMOS, dan SMARTPLS. Yogyakarta: UPP STIM YKPN.

Widhiari, N. L. M. A. dan Merkusiwati, N. K. L. A. (2015). Pengaruh Rasio

Likuiditas, Leverage, operating Capacity dan Sales Growth Terhadap

Financial Distress. Jurnal Akuntansi Udayana 11(2) 456-469.

Yadiati, W. (2017). The Influence Of Profitability On Financial Distress : A

Research On Agricultural Companies Listed In Indonesia Stock Exchange.

International Journal of Scientifict and Technology Research 6(11) 233-237.

Yudiawati, R. dan Indriani, A. (2016). Analisis Pengaruh Current Ratio, Debt To

Total Asset Ratio, Total Asset Turnover, dan Sales Growth Ratio Terhadap

Kondisi Financial Distress (Studi Kasus Pada Perusahaan Manufaktur Yang

Terdaftar Di BEI Tahun 2012-2014). Diponogoro Journal of Management.

5(2) 1-13.

Yustika, Y. (2015). Pengaruh Likuiditas, Leverage, Profitabilitas, Operating

Capacity Dan Biaya Agensi Manajerial Terhadap Financial Distress (Studi

Empiris pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia

Tahun 2011-2013). Jurnal Fakultas Ekonomi Universitas Pekanbaru 2(2) 1-

15.

SURAT KEPUTUSAN MENTERI PERUMAHAN RAKYAT

NO.05/KPTS/BKP4N/1995 PASAL 1 AYAT 4

PERATURAN MENTERI DALAM NEGERI NOMOR : 5 TAHUN 1974

TENTANG KETENTUAN-KETENTUAN MENGENAI PENYEDIAAN

134

DAN PEMBERIAN TANAH UNTUK KEPERLUAN PERUSAHAAN

MENTERI DALAM NEGERI PASAL 6 AYAT 1

UNDANG-UNDANG NO. 20 TAHUN 2008 BAB I KETENTUAN UMUM

PASAL 1

https://www.bi.go.id (diakses pada 15 Mei 2019 pukul 16.53)

https://www.beritasatu.com/properti/236268-sepanjang-2014-perlambatan-hantui-

sektor-properti.html (diakses pada 19 Juni 2019 pukul 20.45)

https://www.bisnis.tempo.co/read/732208/kilas-balik-2015-industri-properti-

terhuyung (diakses pada 19 Juni 2019 pukul 20.49)

https://www.idx.co.id (diakses pada 3 Mei 2019 pukul 11.03)

https://www.indonesia-investments.com/id/berita/kolom-berita/analisis-pasar-

properti-indonesia-overview-kepemilikan-asing/item5728 (diakses pada 19

Juni 2019 pukul 19.21)

https://www.liputan6.com/bisnis/read/787010/kinerja-ihsg-kurang-memuaskan-

pada-2013 (diakses pada 19 Juni 2019 pukul 21.01)

https://www.liputan6.com/properti/read/3220576/inilah-kondisi-pasar-properti-

2017 (diakses pada 19 Juni 2019 pukul 21.15)

https://www.properti.kompas.com/read/2016/11/10/173915521/rei.sektor.properti.

tumbuh.akhir.2016 (diakses pada 19 Juni 2019 pukul 21.52)

135

LAMPIRAN

Lampiran 1: Model Altman Z-Score Modifikasi

No. Nama Tahun

WCTA

(X1)

RETA

(X2)

EBITTA

(X3)

BVEBTD

(X4)

Z-

Score

Kondisi

1 APLN

2013 1.179 0.411 0.435 0.604 2.629 SEHAT

2014 1.374 0.414 0.405 0.583 2.776 SEHAT

2015 0.732 0.507 0.462 0.615 2.316 DISTRESS

2016 0.132 0.566 0.445 0.665 1.808 DISTRESS

2017 0.504 0.655 0.476 0.698 2.333 DISTRESS

2 ASRI

2013 -0.418 0.597 0.714 0.616 1.508 DISTRESS

2014 0.149 0.693 0.783 0.634 2.259 DISTRESS

2015 -0.370 0.708 0.584 0.573 1.495 DISTRESS

2016 -0.114 0.740 0.365 0.581 1.571 DISTRESS

2017 -0.261 0.929 0.642 0.741 2.051 DISTRESS

3 BCIP

2013 -1.306 0.566 0.856 1.065 1.180 DISTRESS

2014 -1.123 0.541 0.399 0.775 0.592 DISTRESS

2015 0.195 0.499 0.280 0.642 1.616 DISTRESS

2016 0.765 0.628 0.630 0.662 2.685 SEHAT

2017 0.335 0.797 0.534 0.783 2.448 DISTRESS

4 BEST

2013 1.419 1.278 1.766 2.945 7.409 SEHAT

2014 1.252 1.505 0.797 3.727 7.279 SEHAT

2015 1.594 1.321 0.530 2.010 5.455 SEHAT

2016 1.396 1.661 0.671 1.962 5.691 SEHAT

2017 1.721 1.256 0.704 2.159 5.840 SEHAT

5 BIPP

2013 0.001 -3.856 0.831 3.563 0.539 DISTRESS

2014 -0.160 -3.414 1.664 2.857 0.947 DISTRESS

2015 0.074 -1.283 1.040 4.578 4.410 SEHAT

136

No. Nama Tahun

WCTA

(X1)

RETA

(X2)

EBITTA

(X3)

BVEBTD

(X4)

Z-

Score

Kondisi

2016 0.096 -0.977 2.679 2.847 4.645 SEHAT

2017 0.049 -0.951 2.340 2.383 3.821 SEHAT

6 BKSL

2013 0.947 0.289 0.013 1.946 3.195 SEHAT

2014 0.804 0.322 0.024 1.755 2.905 SEHAT

2015 0.567 0.304 0.026 1.496 2.394 DISTRESS

2016 0.676 0.449 0.021 1.790 2.936 SEHAT

2017 0.720 0.442 0.005 2.074 3.241 SEHAT

7 BSDE

2013 2.149 0.775 0.757 1.537 5.219 SEHAT

2014 1.334 1.240 0.562 1.982 5.118 SEHAT

2015 1.938 0.804 0.475 1.662 4.879 SEHAT

2016 1.851 1.050 0.427 1.825 5.153 SEHAT

2017 1.484 1.218 0.740 1.830 5.272 SEHAT

8 COWL

2013 -0.364 0.345 0.349 1.668 1.998 DISTRESS

2014 -0.023 0.320 0.354 0.607 1.258 DISTRESS

2015 0.013 0.169 0.381 0.521 1.084 DISTRESS

2016 0.409 0.154 0.310 0.549 1.423 DISTRESS

2017 -0.226 0.086 0.298 0.483 0.641 DISTRESS

9 CTRA

2013 0.841 0.276 0.548 0.657 2.323 DISTRESS

2014 0.925 0.381 0.642 0.676 2.623 SEHAT

2015 1.132 0.465 0.618 0.668 2.883 SEHAT

2016 1.437 0.489 0.428 1.016 3.370 SEHAT

2017 1.528 0.531 0.344 0.998 3.401 SEHAT

10 DART

2013 0.706 0.165 0.492 1.672 3.035 SEHAT

2014 0.534 0.316 0.744 1.829 3.422 SEHAT

2015 -0.285 0.136 0.357 1.558 1.766 DISTRESS

2016 -0.233 0.126 0.348 1.557 1.798 DISTRESS

137

No. Nama Tahun

WCTA

(X1)

RETA

(X2)

EBITTA

(X3)

BVEBTD

(X4)

Z-

Score

Kondisi

2017 -0.318 0.028 0.130 1.334 1.175 DISTRESS

11 DILD

2013 -0.335 0.217 0.362 1.929 2.173 DISTRESS

2014 0.532 0.305 0.375 1.170 2.381 DISTRESS

2015 -0.230 0.362 0.298 0.908 1.338 DISTRESS

2016 -0.144 0.381 2.273 0.692 3.202 SEHAT

2017 -0.248 0.406 0.177 0.636 0.971 DISTRESS

12 DUTI

2013 2.022 1.280 0.557 4.484 8.343 SEHAT

2014 2.000 1.412 0.396 3.491 7.300 SEHAT

2015 2.289 1.469 0.422 3.284 7.463 SEHAT

2016 2.077 1.601 0.525 4.309 8.512 SEHAT

2017 2.032 1.628 0.398 3.905 7.964 SEHAT

13 ELTY

2013 -0.863 -0.118 0.639 1.443 1.102 DISTRESS

2014 -0.198 0.005 0.083 1.109 1.000 DISTRESS

2015 -0.691 -0.163 0.016 0.861 0.023 DISTRESS

2016 0.143 -0.288 0.010 0.819 0.685 DISTRESS

2017 -0.143 -0.359 0.004 0.760 0.262 DISTRESS

14 EMDE

2013 1.705 0.222 0.444 1.531 3.902 SEHAT

2014 1.352 0.301 0.427 1.095 3.176 SEHAT

2015 1.009 0.450 0.624 1.293 3.376 SEHAT

2016 1.828 0.535 0.522 1.069 3.954 SEHAT

2017 2.906 0.562 0.629 0.764 4.861 SEHAT

15 FMII

2013 0.214 -0.318 0.188 2.021 2.104 DISTRESS

2014 0.600 -0.277 0.205 1.726 2.254 DISTRESS

2015 2.460 0.240 2.129 3.362 8.190 SEHAT

2016 2.396 1.237 2.664 7.138 13.435 SEHAT

2017 1.671 1.400 0.101 5.968 9.139 SEHAT

138

No. Nama Tahun

WCTA

(X1)

RETA

(X2)

EBITTA

(X3)

BVEBTD

(X4)

Z-

Score

Kondisi

16 GAMA

2013 1.108 0.086 0.125 4.456 5.775 SEHAT

2014 1.317 0.192 0.247 3.848 5.603 SEHAT

2015 1.256 0.212 0.035 4.799 6.303 SEHAT

2016 1.351 0.213 0.015 4.668 6.247 SEHAT

2017 1.730 0.204 0.005 5.012 6.951 SEHAT

17 GMTD

2013 0.206 0.676 0.494 0.471 1.846 DISTRESS

2014 2.346 0.830 0.507 0.817 4.500 SEHAT

2015 0.170 1.282 0.617 0.808 2.877 SEHAT

2016 0.384 1.544 0.503 1.137 3.568 SEHAT

2017 0.427 1.697 0.405 1.371 3.901 SEHAT

18 GPRA

2013 2.849 0.636 0.247 1.581 5.313 SEHAT

2014 2.939 0.713 0.288 1.452 5.392 SEHAT

2015 4.109 0.860 0.380 1.586 6.935 SEHAT

2016 4.457 0.923 0.463 1.897 7.739 SEHAT

2017 4.432 1.037 0.761 2.328 8.558 SEHAT

19 GWSA

2013 1.109 2.358 -0.029 17.670 21.109 SEHAT

2014 0.755 2.414 0.065 15.396 18.631 SEHAT

2015 0.559 2.499 -0.041 12.281 15.297 SEHAT

2016 0.677 2.539 0.023 14.245 17.485 SEHAT

2017 0.720 2.542 -0.046 13.379 16.595 SEHAT

20 JPRT

2013 -0.968 1.078 0.570 0.815 1.495 DISTRESS

2014 -0.730 1.262 0.890 0.969 2.390 DISTRESS

2015 -0.047 1.392 0.785 1.265 3.395 SEHAT

2016 -0.061 1.522 0.747 1.440 3.647 SEHAT

2017 0.246 1.635 0.654 1.795 4.330 SEHAT

21 KIJA 2013 2.601 0.342 0.696 1.080 4.719 SEHAT

139

No. Nama Tahun

WCTA

(X1)

RETA

(X2)

EBITTA

(X3)

BVEBTD

(X4)

Z-

Score

Kondisi

2014 3.186 0.474 0.701 0.716 5.076 SEHAT

2015 3.771 0.480 0.628 1.097 5.976 SEHAT

2016 3.840 0.566 0.463 1.162 6.031 SEHAT

2017 3.849 0.547 0.364 1.154 5.915 SEHAT

22 LCGP

2013 6.125 -0.020 -0.004 14.376 20.477 SEHAT

2014 5.997 -0.039 0.101 14.529 20.588 SEHAT

2015 5.909 -0.048 0.012 18.085 23.957 SEHAT

2016 5.309 -0.039 -0.036 6.758 11.992 SEHAT

2017 5.332 -0.063 -0.036 7.099 12.331 SEHAT

23 LPCK

2013 2.049 1.210 1.112 0.942 5.315 SEHAT

2014 4.153 1.695 1.419 1.642 8.909 SEHAT

2015 3.764 1.899 1.123 2.070 8.856 SEHAT

2016 3.901 2.150 0.630 3.160 9.842 SEHAT

2017 4.404 1.078 0.200 1.741 7.422 SEHAT

24 LPKR

2013 4.016 0.494 0.325 0.868 5.703 SEHAT

2014 4.199 0.599 0.582 0.914 6.295 SEHAT

2015 4.559 0.560 0.281 0.886 6.286 SEHAT

2016 4.400 0.568 0.287 0.985 6.240 SEHAT

2017 4.180 0.488 0.189 1.165 6.022 SEHAT

25 MDLN

2013 -0.275 0.796 1.856 1.050 3.426 SEHAT

2014 0.224 0.944 0.724 1.050 2.942 SEHAT

2015 -0.003 0.946 0.752 1.050 2.745 SEHAT

2016 0.453 0.948 0.484 0.872 2.757 SEHAT

2017 0.352 1.059 0.562 0.988 2.961 SEHAT

26 MKPI 2013 -0.937 0.824 1.157 1.734 2.778 SEHAT

2014 0.714 0.939 0.949 1.748 4.350 SEHAT

140

No. Nama Tahun

WCTA

(X1)

RETA

(X2)

EBITTA

(X3)

BVEBTD

(X4)

Z-

Score

Kondisi

2015 -0.009 0.980 1.683 1.650 4.305 SEHAT

2016 1.676 1.107 2.069 1.837 6.690 SEHAT

2017 1.055 1.168 1.652 1.679 5.555 SEHAT

27 MTLA

2013 1.900 0.824 0.683 1.728 5.135 SEHAT

2014 2.212 0.939 0.895 1.748 5.793 SEHAT

2015 2.074 0.953 0.778 1.650 5.456 SEHAT

2016 2.228 1.107 0.795 1.837 5.967 SEHAT

2017 2.065 1.168 0.753 1.679 5.665 SEHAT

28 MTSM

2013 4.953 0.699 0.020 5.447 11.119 SEHAT

2014 4.920 0.709 0.032 7.732 13.392 SEHAT

2015 4.622 0.741 0.032 7.350 12.745 SEHAT

2016 4.553 0.537 0.037 7.875 13.002 SEHAT

2017 3.526 0.326 0.046 6.586 10.484 SEHAT

29 NIRO

2013 0.379 0.035 0.171 1.758 2.342 DISTRESS

2014 0.400 0.085 0.013 1.409 1.906 DISTRESS

2015 2.482 0.098 0.034 7.561 10.175 SEHAT

2016 2.093 -0.124 -0.053 3.817 5.734 SEHAT

2017 2.194 -0.101 0.080 3.103 5.276 SEHAT

30 MORE

2013 -0.615 -0.973 0.409 1.896 0.717 DISTRESS

2014 0.427 -0.553 -0.008 3.601 3.467 SEHAT

2015 -0.108 -0.141 -0.007 4.015 3.759 SEHAT

2016 0.103 2.253 -0.038 29.414 31.732 SEHAT

2017 -0.025 2.212 -0.103 18.405 20.489 SEHAT

31 PLIN

2013 0.127 1.093 0.817 1.152 3.190 SEHAT

2014 0.765 1.138 0.744 1.140 3.787 SEHAT

2015 0.705 1.131 0.860 1.116 3.812 SEHAT

141

No. Nama Tahun

WCTA

(X1)

RETA

(X2)

EBITTA

(X3)

BVEBTD

(X4)

Z-

Score

Kondisi

2016 -0.140 1.553 0.854 1.043 3.310 SEHAT

2017 0.054 1.278 0.782 0.284 2.397 DISTRESS

32 PWON

2013 0.607 0.810 1.092 0.829 3.338 SEHAT

2014 0.623 0.896 0.757 1.023 3.299 SEHAT

2015 0.344 0.982 0.818 1.065 3.208 SEHAT

2016 0.478 1.121 0.735 1.199 3.533 SEHAT

2017 0.987 1.223 0.804 1.271 4.285 SEHAT

33 RBMS

2013 2.352 -0.287 -0.004 4.335 6.396 SEHAT

2014 3.196 -0.209 0.302 6.395 9.684 SEHAT

2015 1.683 -0.222 -0.114 10.092 11.438 SEHAT

2016 1.336 -0.371 -0.034 28.350 29.280 SEHAT

2017 1.857 -0.074 0.460 4.298 6.541 SEHAT

34 RDTX

2013 -1.083 2.118 0.910 2.996 4.941 SEHAT

2014 -0.080 2.405 0.945 4.862 8.131 SEHAT

2015 0.708 2.523 0.890 5.899 10.021 SEHAT

2016 1.226 2.619 0.825 8.493 13.164 SEHAT

2017 1.243 2.734 0.684 10.130 14.791 SEHAT

35 RODA

2013 1.192 0.457 0.474 1.754 3.878 SEHAT

2014 1.339 0.843 0.405 2.294 4.880 SEHAT

2015 1.975 1.048 1.083 3.637 7.743 SEHAT

2016 2.931 0.988 0.235 4.387 8.541 SEHAT

2017 3.414 0.974 0.089 3.532 8.009 SEHAT

36 SCBD

2013 1.508 0.843 1.959 3.591 7.900 SEHAT

2014 0.730 0.861 0.147 2.547 4.285 SEHAT

2015 0.180 0.913 0.140 2.220 3.453 SEHAT

2016 -0.146 0.573 0.109 2.719 3.255 SEHAT

142

No. Nama Tahun

WCTA

(X1)

RETA

(X2)

EBITTA

(X3)

BVEBTD

(X4)

Z-

Score

Kondisi

2017 -0.067 0.879 0.180 3.075 4.068 SEHAT

37 SMDM

2013 1.214 0.080 0.093 2.793 4.180 SEHAT

2014 0.960 0.114 0.145 2.443 3.662 SEHAT

2015 1.087 0.176 0.147 3.668 5.078 SEHAT

2016 0.637 0.197 0.121 4.173 5.128 SEHAT

2017 0.724 0.205 0.088 4.073 5.090 SEHAT

38 SMRA

2013 0.874 0.669 0.651 0.567 2.761 SEHAT

2014 0.893 0.813 0.887 0.712 3.306 SEHAT

2015 1.007 0.790 0.642 0.704 3.143 SEHAT

2016 1.402 0.748 0.455 0.644 3.249 SEHAT

2017 0.873 0.759 0.416 0.694 2.741 SEHAT

Lampiran 2: Model Springate

No. Nama Tahun

WCTA

(X1)

EBITTA

(X2)

EBTCL

(X3)

TSTA

(X4)

S-

Score

Kondisi

1 APLN

2013 0.185 0.199 0.149 0.100 0.633

DISTRESS

2014 0.216 0.185 0.136 0.089 0.626 DISTRESS

2015 0.115 0.211 0.137 0.097 0.560 DISTRESS

2016 0.021 0.203 0.083 0.093 0.400 DISTRESS

2017 0.079 0.217 0.171 0.098 0.566 DISTRESS

2 ASRI

2013 -0.066 0.326 0.188 0.102 0.551 DISTRESS

2014 0.023 0.358 0.294 0.086 0.761 DISTRESS

2015 -0.058 0.267 0.133 0.060 0.402 DISTRESS

2016 -0.018 0.167 0.114 0.054 0.316 DISTRESS

2017 -0.041 0.293 0.303 0.075 0.631 DISTRESS

3 BCIP 2013 -0.205 0.391 0.111 0.167 0.463

DISTRESS

2014 -0.176 0.182 0.131 0.146 0.283 DISTRESS

143

No. Nama Tahun

WCTA

(X1)

EBITTA

(X2)

EBTCL

(X3)

TSTA

(X4)

S-

Score

Kondisi

2015 0.031 0.128 0.051 0.102 0.310 DISTRESS

2016 0.120 0.288 0.247 0.116 0.771 DISTRESS

2017 0.053 0.244 0.179 0.090 0.565 DISTRESS

4 BEST

2013 0.223 0.807 1.038 0.158 2.225 SEHAT

2014 0.197 0.364 0.471 0.088 1.119 SEHAT

2015 0.250 0.242 0.370 0.057 0.918 SEHAT

2016 0.219 0.307 0.304 0.063 0.893 SEHAT

2017 0.270 0.322 0.591 0.070 1.253 SEHAT

5 BIPP

2013 0.000 0.380 1.729 0.690 2.799 SEHAT

2014 -0.025 0.760 0.246 0.464 1.445 SEHAT

2015 0.012 0.475 0.793 0.169 1.449 SEHAT

2016 0.015 1.224 0.290 0.293 1.822 SEHAT

2017 0.008 1.069 -0.156 0.371 1.292 SEHAT

6 BKSL

2013 0.149 0.006 0.286 0.002 0.443 DISTRESS

2014 0.126 0.011 0.010 0.004 0.151 DISTRESS

2015 0.089 0.012 0.013 0.004 0.118 DISTRESS

2016 0.106 0.010 0.130 0.004 0.250 DISTRESS

2017 0.113 0.002 0.105 0.003 0.223 DISTRESS

7 BSDE

2013 0.337 0.346 0.433 0.102 1.218 SEHAT

2014 0.209 0.257 0.486 0.080 1.031 SEHAT

2015 0.304 0.217 0.254 0.069 0.844 DISTRESS

2016 0.291 0.195 0.242 0.069 0.796 DISTRESS

2017 0.233 0.338 0.456 0.090 1.117 SEHAT

8 COWL

2013 -0.057 0.159 0.101 0.068 0.271 DISTRESS

2014 -0.004 0.162 0.277 0.061 0.497 DISTRESS

2015 0.002 0.174 -0.158 0.065 0.083 DISTRESS

144

No. Nama Tahun

WCTA

(X1)

EBITTA

(X2)

EBTCL

(X3)

TSTA

(X4)

S-

Score

Kondisi

2016 0.064 0.142 0.023 0.065 0.294 DISTRESS

2017 -0.035 0.136 -0.026 0.059 0.134 DISTRESS

9 CTRA

2013 0.132 0.251 0.158 0.084 0.624 DISTRESS

2014 0.145 0.293 0.042 0.089 0.569 DISTRESS

2015 0.178 0.282 0.042 0.093 0.595 DISTRESS

2016 0.226 0.195 0.136 0.071 0.627 DISTRESS

2017 0.240 0.157 0.110 0.060 0.567 DISTRESS

10 DART

2013 0.111 0.225 0.316 0.070 0.721 DISTRESS

2014 0.084 0.340 0.686 0.101 1.211 SEHAT

2015 -0.045 0.163 0.214 0.059 0.391 DISTRESS

2016 -0.037 0.159 0.255 0.050 0.427 DISTRESS

2017 -0.050 0.059 0.055 0.028 0.092 DISTRESS

11 DILD

2013 -0.053 0.165 0.160 0.080 0.353 DISTRESS

2014 0.083 0.171 0.165 0.081 0.502 DISTRESS

2015 -0.036 0.136 0.084 0.086 0.270 DISTRESS

2016 -0.023 1.038 0.060 0.077 1.152 SEHAT

2017 -0.039 0.081 0.028 0.067 0.137 DISTRESS

12 DUTI

2013 0.318 0.254 0.615 0.086 1.272 SEHAT

2014 0.314 0.181 0.436 0.081 1.012 SEHAT

2015 0.359 0.193 0.370 0.075 0.997 SEHAT

2016 0.326 0.240 0.524 0.082 1.172 SEHAT

2017 0.319 0.182 0.367 0.065 0.933 SEHAT

13 ELTY

2013 -0.135 0.292 -0.005 0.108 0.259 DISTRESS

2014 -0.031 0.038 0.059 0.043 0.109 DISTRESS

2015 -0.108 0.007 -0.073 0.040

-

0.134 DISTRESS

145

No. Nama Tahun

WCTA

(X1)

EBITTA

(X2)

EBTCL

(X3)

TSTA

(X4)

S-

Score

Kondisi

2016 0.022 0.005 -0.059 0.047 0.015 DISTRESS

2017 -0.022 0.002 -0.031 0.035

-

0.017 DISTRESS

14 EMDE

2013 0.268 0.203 0.110 0.096 0.676 DISTRESS

2014 0.212 0.195 0.076 0.106 0.589 DISTRESS

2015 0.158 0.285 0.108 0.109 0.660 DISTRESS

2016 0.287 0.239 0.123 0.097 0.745 DISTRESS

2017 0.456 0.287 0.170 0.085 0.999 SEHAT

15 FMII

2013 0.034 0.086 -0.025 0.047 0.141 DISTRESS

2014 0.094 0.094 0.021 0.038 0.247 DISTRESS

2015 0.386 0.973 1.065 0.164 2.587 SEHAT

2016 0.376 1.217 2.042 0.208 3.843 SEHAT

2017 0.262 0.046 0.083 0.017 0.408 DISTRESS

16 GAMA

2013 0.174 0.057 0.067 0.037 0.336 DISTRESS

2014 0.207 0.113 0.132 0.044 0.495 DISTRESS

2015 0.197 0.016 0.030 0.036 0.280 DISTRESS

2016 0.212 0.007 3.620 0.016 3.855 SEHAT

2017 0.272 0.002 1.320 0.019 1.613 SEHAT

17 GMTD

2013 0.032 0.225 1.879 0.092 2.229 SEHAT

2014 0.368 0.232 1.968 0.083 2.652 SEHAT

2015 0.027 0.282 1.639 0.100 2.048 SEHAT

2016 0.060 0.230 1.860 0.094 2.245 SEHAT

2017 0.067 0.185 1.977 0.076 2.305 SEHAT

18 GPRA

2013 0.447 0.113 0.163 0.156 0.878 SEHAT

2014 0.461 0.131 0.141 0.149 0.883 SEHAT

2015 0.645 0.174 0.130 0.106 1.055 SEHAT

146

No. Nama Tahun

WCTA

(X1)

EBITTA

(X2)

EBTCL

(X3)

TSTA

(X4)

S-

Score

Kondisi

2016 0.700 0.211 0.094 0.109 1.114 SEHAT

2017 0.696 0.347 0.092 0.101 1.237 SEHAT

19 GWSA

2013 0.174 -0.013 2.169 0.008 2.338 SEHAT

2014 0.119 0.030 1.685 0.013 1.847 SEHAT

2015 0.088 -0.019 3.641 0.005 3.715 SEHAT

2016 0.106 0.011 1.542 0.008 1.667 SEHAT

2017 0.113 -0.021 1.157 0.005 1.253 SEHAT

20 JPRT

2013 -0.152 0.261 0.136 0.085 0.330 DISTRESS

2014 -0.115 0.406 0.159 0.116 0.567 DISTRESS

2015 -0.007 0.359 0.195 0.113 0.659 DISTRESS

2016 -0.010 0.341 0.218 0.112 0.662 DISTRESS

2017 0.039 0.299 0.248 0.102 0.687 DISTRESS

21 KIJA

2013 0.408 0.318 0.077 0.135 0.938 SEHAT

2014 0.500 0.320 0.322 0.131 1.273 SEHAT

2015 0.592 0.287 0.217 0.129 1.225 SEHAT

2016 0.603 0.212 0.292 0.110 1.217 SEHAT

2017 0.604 0.166 0.080 0.106 0.957 SEHAT

22 LCGP

2013 0.962 -0.002 -0.092 0.002 0.870 SEHAT

2014 0.942 0.046 0.234 0.033 1.255 SEHAT

2015 0.928 0.005 -0.007 0.010 0.936 SEHAT

2016 0.834 -0.017 0.046 0.005 0.868 SEHAT

2017 0.837 -0.017 -0.072 0.001 0.750 DISTRESS

23 LPCK

2013 0.322 0.508 0.129 0.138 1.097 SEHAT

2014 0.652 0.648 0.225 0.164 1.690 SEHAT

2015 0.591 0.513 0.539 0.155 1.797 SEHAT

2016 0.613 0.288 0.676 0.109 1.685 SEHAT

147

No. Nama Tahun

WCTA

(X1)

EBITTA

(X2)

EBTCL

(X3)

TSTA

(X4)

S-

Score

Kondisi

2017 0.691 0.091 0.224 0.049 1.055 SEHAT

24 LPKR

2013 0.631 0.148 0.262 0.085 1.126 SEHAT

2014 0.659 0.266 0.378 0.123 1.426 SEHAT

2015 0.716 0.128 0.175 0.086 1.105 SEHAT

2016 0.691 0.131 0.160 0.096 1.078 SEHAT

2017 0.656 0.086 0.088 0.078 0.909 SEHAT

25 MDLN

2013 -0.043 0.848 0.689 0.072 1.565 SEHAT

2014 0.035 0.331 0.276 0.105 0.747 DISTRESS

2015 0.000 0.344 0.201 0.089 0.633 DISTRESS

2016 0.071 0.221 0.125 0.065 0.482 DISTRESS

2017 0.055 0.257 0.188 0.084 0.585 DISTRESS

26 MKPI

2013 -0.147 0.528 0.191 0.141 0.713 DISTRESS

2014 0.112 0.433 0.191 0.142 0.879 SEHAT

2015 -0.001 0.769 0.241 0.226 1.234 SEHAT

2016 0.263 0.945 0.283 0.261 1.752 SEHAT

2017 0.166 0.755 0.564 0.209 1.693 SEHAT

27 MTLA

2013 0.298 0.312 0.298 0.121 1.029 SEHAT

2014 0.347 0.409 0.277 0.138 1.171 SEHAT

2015 0.326 0.355 0.184 0.120 0.985 SEHAT

2016 0.350 0.363 0.254 0.116 1.083 SEHAT

2017 0.324 0.344 0.361 0.104 1.133 SEHAT

28 MTSM

2013 0.778 0.009 0.048 0.004 0.838 DISTRESS

2014 0.773 0.014 0.004 0.005 0.796 DISTRESS

2015 0.726 0.015 -0.330 0.005 0.415 DISTRESS

2016 0.715 0.017 -0.133 0.005 0.604 DISTRESS

2017 0.554 0.021 -0.495 0.006 0.086 DISTRESS

148

No. Nama Tahun

WCTA

(X1)

EBITTA

(X2)

EBTCL

(X3)

TSTA

(X4)

S-

Score

Kondisi

29 NIRO

2013 0.059 0.078 0.029 0.035 0.201 DISTRESS

2014 0.063 0.006 0.099 0.032 0.200 DISTRESS

2015 0.390 0.016 -0.014 0.064 0.455 DISTRESS

2016 0.329 -0.024 -0.033 0.028 0.299 DISTRESS

2017 0.344 0.036 0.083 0.031 0.495 DISTRESS

30 MORE

2013 -0.097 0.187 -0.003 0.123 0.211 DISTRESS

2014 0.067 -0.004 1.134 0.121 1.319 SEHAT

2015 -0.017 -0.003 -0.083 0.028 -0.075 DISTRESS

2016 0.016 -0.017 1.419 0.023 1.440 SEHAT

2017 -0.004 -0.047 -0.196 0.017 -0.230 DISTRESS

31 PLIN

2013 0.020 0.373 0.109 0.135 0.638 DISTRESS

2014 0.120 0.340 0.395 0.134 0.988 SEHAT

2015 0.111 0.393 0.240 0.141 0.885 SEHAT

2016 -0.022 0.390 0.282 0.144 0.795 DISTRESS

2017 0.008 0.357 0.200 0.139 0.705 DISTRESS

32 PWON

2013 0.095 0.499 0.308 0.130 1.033 SEHAT

2014 0.098 0.346 0.440 0.092 0.976 SEHAT

2015 0.054 0.374 0.213 0.099 0.739 DISTRESS

2016 0.075 0.336 0.248 0.094 0.752 DISTRESS

2017 0.155 0.367 0.278 0.098 0.899 SEHAT

33 RBMS

2013 0.369 -0.002 -0.283 0.053 0.137 DISTRESS

2014 0.502 0.138 0.346 0.126 1.111 SEHAT

2015 0.264 -0.052 0.039 0.036 0.286 DISTRESS

2016 0.210 -0.016 -0.165 0.043 0.072 DISTRESS

2017 0.292 0.210 0.248 0.133 0.883 SEHAT

34 RDTX 2013 -0.170 0.416 0.454 0.102 0.802 DISTRESS

149

No. Nama Tahun

WCTA

(X1)

EBITTA

(X2)

EBTCL

(X3)

TSTA

(X4)

S-

Score

Kondisi

2014 -0.013 0.432 0.851 0.099 1.369 SEHAT

2015 0.111 0.407 0.885 0.090 1.493 SEHAT

2016 0.193 0.377 0.969 0.082 1.621 SEHAT

2017 0.195 0.312 1.381 0.073 1.962 SEHAT

35 RODA

2013 0.187 0.216 0.470 0.093 0.966 SEHAT

2014 0.210 0.185 0.455 0.089 0.939 SEHAT

2015 0.310 0.495 0.709 0.131 1.644 SEHAT

2016 0.460 0.107 0.121 0.060 0.749 DISTRESS

2017 0.536 0.041 0.041 0.034 0.651 DISTRESS

36 SCBD

2013 0.237 0.895 2.662 0.197 3.991 SEHAT

2014 0.115 0.067 0.212 0.069 0.463 DISTRESS

2015 0.028 0.064 0.192 0.073 0.357 DISTRESS

2016 -0.023 0.050 0.186 0.073 0.286 DISTRESS

2017 -0.011 0.082 0.787 0.072 0.930 SEHAT

37 SMDM

2013 0.191 0.043 0.047 0.045 0.325 DISTRESS

2014 0.151 0.066 0.047 0.053 0.317 DISTRESS

2015 0.171 0.067 0.105 0.073 0.416 DISTRESS

2016 0.100 0.055 0.025 0.064 0.245 DISTRESS

2017 0.114 0.040 0.025 0.060 0.238 DISTRESS

38 SMRA

2013 0.137 0.298 0.171 0.128 0.733 DISTRESS

2014 0.140 0.405 0.346 0.145 1.037 SEHAT

2015 0.158 0.293 0.207 0.120 0.778 DISTRESS

2016 0.220 0.208 0.137 0.104 0.669 DISTRESS

2017 0.137 0.190 0.084 0.104 0.515 DISTRESS

150

Lampiran 3: Rasio Likuiditas, Rasio Leverage, Rasio Profitabilitas, Rasio

Aktivitas, dan Firm Size

No. Nama Tahun CR DAR ROA TATO FS

1

AP

LN

2013 1.679 0.635 0.053 0.249 9.887

2014 1.832 0.644 0.045 0.224 10.073

2015 1.389 0.631 0.046 0.243 10.109

2016 1.068 0.612 0.037 0.234 10.155

2017 1.307 0.601 0.069 0.245 10.268

2

AS

RI

2013 0.758 0.630 0.060 0.255 9.577

2014 1.137 0.624 0.070 0.215 9.736

2015 0.719 0.647 0.040 0.149 9.837

2016 0.897 0.644 0.030 0.135 9.913

2017 0.737 0.585 0.070 0.188 9.942

3

BC

IP

2013 0.589 0.498 0.081 0.417 6.068

2014 0.524 0.576 0.071 0.366 6.380

2015 1.102 0.620 0.022 0.254 6.512

2016 1.564 0.613 0.077 0.289 6.671

2017 1.188 0.573 0.064 0.224 6.737

4

BE

ST

2013 2.531 0.263 0.260 0.394 8.120

2014 2.263 0.220 0.110 0.219 8.203

2015 3.930 0.343 0.050 0.142 8.441

2016 2.495 0.349 0.060 0.158 8.557

2017 3.752 0.327 0.080 0.176 8.652

5

BIP

P 2013 1.002 0.228 0.196 1.724 6.324

2014 0.776 0.269 0.028 1.160 6.420

151

No. Nama Tahun CR DAR ROA TATO FS

2015 1.138 0.187 0.092 0.423 7.188

2016 1.320 0.269 0.017 0.732 7.407

2017 1.123 0.306 -0.009 0.928 7.467

6

BK

SL

2013 2.040 0.350 0.057 0.005 9.274

2014 1.489 0.374 0.004 0.010 9.209

2015 1.298 0.412 0.013 0.010 9.319

2016 1.411 0.370 0.048 0.010 9.338

2017 1.556 0.336 0.031 0.007 9.614

7

BS

DE

2013 2.667 0.406 0.129 0.254 10.024

2014 2.056 0.346 0.142 0.199 10.247

2015 2.732 0.389 0.065 0.172 10.492

2016 2.910 0.365 0.053 0.171 10.559

2017 2.373 0.365 0.112 0.225 10.735

8

CO

WL

2013 0.664 0.386 0.025 0.170 7.573

2014 0.974 0.634 0.045 0.154 8.211

2015 1.012 0.661 -0.051 0.163 8.183

2016 1.584 0.656 -0.007 0.163 8.159

2017 0.859 0.692 -0.019 0.148 8.172

9

CT

RA

2013 1.363 0.512 0.048 0.209 9.916

2014 1.427 0.505 0.056 0.222 10.066

2015 1.565 0.503 0.028 0.234 10.176

2016 1.871 0.508 0.035 0.177 10.278

2017 1.949 0.513 0.063 0.149 10.364

10

DA

RT

2013 2.018 0.386 0.038 0.174 8.470

152

No. Nama Tahun CR DAR ROA TATO FS

2014 1.874 0.365 0.080 0.252 8.540

2015 0.664 0.403 0.031 0.147 8.655

2016 0.645 0.403 0.032 0.124 8.710

2017 0.538 0.440 0.005 0.070 8.758

11

DIL

D

2013 0.772 0.456 0.050 0.200 8.927

2014 1.420 0.504 0.236 0.203 9.106

2015 0.890 0.536 0.087 0.214 9.239

2016 0.921 0.573 0.061 0.192 9.379

2017 0.879 0.517 0.052 0.169 9.480

12

DU

TI

2013 3.513 0.190 0.088 0.215 8.919

2014 3.339 0.231 0.086 0.202 9.003

2015 3.623 0.242 0.074 0.187 9.107

2016 3.887 0.196 0.087 0.205 9.179

2017 3.793 0.212 0.061 0.163 9.266

13

EL

TY

2013 0.632 0.419 -0.019 0.270 9.418

2014 0.917 0.483 0.032 0.107 9.596

2015 0.769 0.569 -0.049 0.099 9.553

2016 1.051 0.549 -0.040 0.119 9.559

2017 0.953 0.562 -0.019 0.088 9.553

14

EM

DE

2013 1.844 0.407 0.040 0.240 6.845

2014 1.620 0.489 0.040 0.264 7.072

2015 1.492 0.448 0.050 0.272 7.087

2016 2.058 0.496 0.050 0.242 7.218

2017 3.015 0.579 0.060 0.212 7.533

153

No. Nama Tahun CR DAR ROA TATO FS

15 F

MII

2013 1.179 0.342 0.078 0.119 6.064

2014 1.336 0.379 0.005 0.096 6.129

2015 3.066 0.238 0.274 0.409 6.370

2016 3.938 0.128 0.359 0.521 6.649

2017 3.550 0.150 -0.040 0.044 6.686

16

GA

MA

2013 1.890 0.191 0.002 0.094 7.163

2014 2.030 0.214 0.034 0.111 7.237

2015 2.180 0.180 0.004 0.090 7.198

2016 2.345 0.184 0.001 0.040 7.204

2017 3.126 0.217 0.000 0.048 7.246

17

GM

TD

2013 1.089 0.691 0.049 0.230 7.175

2014 2.067 0.562 0.140 0.208 7.329

2015 1.064 0.565 0.094 0.250 7.150

2016 1.165 0.480 0.071 0.236 7.114

2017 1.195 0.434 0.055 0.191 7.125

18

GP

RA

2013 2.088 0.399 0.080 0.389 7.195

2014 2.563 0.420 0.061 0.372 7.325

2015 3.629 0.398 0.046 0.264 7.361

2016 4.221 0.356 0.030 0.273 7.358

2017 4.599 0.322 0.026 0.253 7.279

19

GW

SA

2013 5.357 0.056 0.126 0.020 8.453

2014 3.721 0.064 0.107 0.033 8.583

2015 3.522 0.079 0.186 0.012 8.825

2016 8.815 0.069 0.030 0.020 8.848

154

No. Nama Tahun CR DAR ROA TATO FS

2017 8.248 0.073 0.027 0.012 8.882

20

JPR

T

2013 0.703 0.560 0.090 0.214 8.726

2014 0.756 0.520 0.110 0.290 8.808

2015 0.982 0.454 0.120 0.284 8.933

2016 0.975 0.422 0.120 0.281 9.046

2017 1.115 0.369 0.120 0.254 9.155

21

KIJ

A

2013 2.867 0.493 0.012 0.338 9.019

2014 5.041 0.805 0.046 0.327 9.048

2015 6.348 0.489 0.060 0.322 9.184

2016 6.447 0.473 0.040 0.275 9.284

2017 7.196 0.476 0.010 0.266 9.330

22

LC

GP

2013 39.279 0.068 -0.003 0.006 7.475

2014 34.063 0.067 0.010 0.083 7.459

2015 17.761 0.055 -0.001 0.025 7.445

2016 12.774 0.151 0.002 0.013 7.422

2017 12.250 0.143 -0.008 0.004 7.415

23

LP

CK

2013 1.616 0.527 0.153 0.345 8.257

2014 2.725 0.390 0.193 0.411 8.387

2015 3.755 0.336 0.167 0.387 8.608

2016 4.646 0.249 0.096 0.273 8.640

2017 5.767 0.376 0.030 0.121 9.424

24

LP

KR

2013 4.954 0.547 0.040 0.213 10.352

2014 5.172 0.535 0.070 0.308 10.542

2015 6.913 0.542 0.010 0.216 10.629

155

No. Nama Tahun CR DAR ROA TATO FS

2016 5.454 0.516 0.020 0.240 10.728

2017 5.137 0.474 0.010 0.195 10.947

25

MD

LN

2013 0.834 0.515 0.254 0.180 9.175

2014 1.207 0.486 0.068 0.263 9.246

2015 0.998 0.528 0.068 0.222 9.461

2016 1.345 0.546 0.035 0.162 9.585

2017 1.330 0.515 0.042 0.211 9.589

26

MK

PI

2013 2.517 0.377 0.085 0.352 7.950

2014 2.596 0.375 0.095 0.355 8.087

2015 2.321 0.389 0.066 0.566 8.195

2016 2.457 0.364 0.070 0.652 8.277

2017 2.269 0.385 0.090 0.522 8.492

27

MT

LA

2013 2.269 0.378 0.085 0.302 7.950

2014 2.457 0.375 0.095 0.344 8.087

2015 2.321 0.389 0.060 0.301 8.195

2016 2.596 0.364 0.070 0.291 8.277

2017 2.517 0.385 0.090 0.259 8.492

28

MT

SM

2013 10.250 0.163 -0.021 0.009 4.585

2014 18.250 0.120 -0.012 0.012 4.522

2015 16.500 0.125 -0.050 0.012 4.477

2016 20.667 0.118 -0.030 0.013 4.443

2017 11.750 0.138 -0.060 0.016 4.382

29

NIR

O 2013 1.267 0.369 0.002 0.088 8.005

2014 1.320 0.427 -0.036 0.081 8.019

156

No. Nama Tahun CR DAR ROA TATO FS

2015 6.192 0.122 -0.009 0.161 8.053

2016 7.798 0.216 -0.029 0.070 8.241

2017 7.059 0.253 -0.006 0.078 8.495

30

OM

RE

2013 0.635 0.357 0.013 0.308 6.711

2014 1.828 0.226 0.017 0.303 6.702

2015 0.649 0.046 0.064 0.070 8.221

2016 1.456 0.034 0.075 0.057 8.358

2017 0.930 0.054 -0.016 0.043 8.353

31

PL

IN

2013 1.098 0.477 0.008 0.338 8.325

2014 1.856 0.479 0.079 0.335 8.422

2015 1.672 0.485 0.060 0.352 8.449

2016 0.895 0.501 0.158 0.361 8.433

2017 1.041 0.787 0.062 0.347 8.442

32

PW

ON

2013 1.302 0.559 0.122 0.326 9.138

2014 1.407 0.506 0.155 0.231 9.727

2015 1.223 0.496 0.075 0.246 9.840

2016 1.327 0.467 0.086 0.234 9.937

2017 1.715 0.452 0.087 0.245 10.059

33

RB

MS

2013 3.036 0.195 -0.088 0.132 5.069

2014 4.619 0.141 0.019 0.314 5.050

2015 3.882 0.094 -0.017 0.089 5.252

2016 9.500 0.036 -0.040 0.108 5.118

2017 2.550 0.196 0.082 0.333 5.389

34

RD

TX

2013 0.240 0.259 0.128 0.255 7.346

157

No. Nama Tahun CR DAR ROA TATO FS

2014 0.902 0.178 0.142 0.248 7.404

2015 2.058 0.151 0.138 0.225 7.535

2016 3.246 0.108 0.124 0.205 7.651

2017 4.630 0.093 0.174 0.183 7.732

35

RO

DA

2013 1.874 0.374 0.137 0.233 7.920

2014 1.847 0.314 0.170 0.223 8.029

2015 3.237 0.224 0.148 0.327 8.081

2016 5.390 0.193 0.018 0.150 8.140

2017 5.773 0.229 0.012 0.085 8.174

36

SC

BD

2013 3.703 0.226 0.316 0.492 8.622

2014 2.163 0.292 0.024 0.173 8.625

2015 1.220 0.321 0.029 0.182 8.624

2016 0.790 0.279 0.059 0.183 8.651

2017 0.901 0.255 0.039 0.179 8.663

37

SM

DM

2013 1.919 0.273 0.009 0.112 7.990

2014 1.746 0.301 0.014 0.132 8.057

2015 2.076 0.223 0.024 0.183 8.057

2016 1.580 0.201 0.007 0.160 8.039

2017 1.655 0.205 0.006 0.149 8.053

38

SM

RA

2013 1.372 0.649 0.050 0.319 9.565

2014 1.585 0.596 0.100 0.363 9.672

2015 1.653 0.599 0.060 0.300 9.839

2016 2.055 0.640 0.030 0.259 9.943

2017 1.459 0.584 0.020 0.260 9.983

158

Lampiran 4: : Hasil Uji SPSS - Uji Multikolinearitas Model Altman Z-Score

Lampiran 5: Hasil Uji SPSS - Uji Multikolinearitas Klasik Model Springate

159

Lampiran 6: Hasil Uji SPSS - Uji Regresi Logistik Binary Model Altman Z-Score

160

161

162

Lampiran 7: Hasil Uji SPSS - Uji Regresi Logistik Binary Model Springate

163

164

165