FINANCIAL DISTRESS SEBAGAI INTERVENING HUBUNGAN RGEC …
Transcript of FINANCIAL DISTRESS SEBAGAI INTERVENING HUBUNGAN RGEC …
FINANCIAL DISTRESS SEBAGAI INTERVENING HUBUNGAN
RGEC DAN EPS TERHADAP PERUBAHAN HARGA SAHAM
BANK UMUM DI INDONESIA
TESIS
Disusun oleh :
NOVITA MARDIANI
NIM : 201810280211024
DIREKTORAT PROGRAM PASCASARJANA
UNIVERSITAS MUHAMMADIYAH MALANG
Agustus 2020
FINANCIAL DISTRESS SEBAGAI INTERVENING HUBUNGAN
RGEC DAN EPS TERHADAP PERUBAHAN HARGA SAHAM
BANK UMUM DI INDONESIA
TESIS
Untuk Memenuhi Sebagian Persyaratan
Memperoleh Derajat Gelar S-2
Program Studi Magister Manajemen
Disusun oleh :
NOVITA MARDIANI
NIM : 201810280211024
DIREKTORAT PROGRAM PASCASARJANA
UNIVERSITAS MUHAMMADIYAH MALANG
Agustus 2020
T E S I S
NOVITA MARDIANI
201810280211024
Telah dipertahankan di depan Dewan Penguji pada hari/tanggal, Rabu/ 19 Agustus 2020
dan dinyatakan memenuhi syarat sebagai kelengkapan memperoleh gelar Magister di Program Pascasarjana
Universitas Muhammadiyah Malang
SUSUNAN DEWAN PENGUJI
Ketua : Prof. Dr. Bambang Widagdo
Sekretaris : Dr. Mohammad Jihadi
Penguji I : Dr. Ahmad Juanda
Penguji II : Dr. Mursidi
i
KATA PENGANTAR
Assalamu’alaikum wr.wb
Bismillahirrohmanirrohim
Puji syukur penulis panjatkan kepada Allah SWT karena atas segala nikmat
dan karunia-Nya tesis ini dapat diselesaikan dengan baik sesuai dengan waktunya
dengan judul “Financial Distress sebagai Intervening Hubungan RGEC dan EPS
terhadap Perubahan Harga Saham Bank Umum di Indonesia”. Tesis ini ditulis dalam
rangka memenuhi syarat untuk mencapai gelar Magister Manajemen pada Program
Pascasarjana Universitas Muhammadiyah Malang.
Penulis menyampaikan terima kasih karena telah diberikan dukungan dan
motivasi selama penyelesaian tesis ini baik berupa pengajaran, bimbingan dan arahan
dari beberapa pihak:
1. Dr. Eko Handayanto, M.M. selaku Ketua Program Studi Magister Manajemen
Universitas Muhammadiyah Malang.
2. Prof. Dr. Bambang Widagdo dan Dr. Mohammad Jihadi, M.M. selaku dosen
pembimbing yang telah meluangkan waktu, tenaga dan dukungan motivasi untuk
menyelesaikan tesis ini.
3. Bapak dan Ibu dosen Jurusan Pasca Manajemen yang telah memberikan
pengetahuan selama kuliah di Universitas Muhammadiyah Malang.
4. Bapak Langgeng Mardianto dan Ibu Muslimah selaku orang tua penulis yang
selalu mendidik dan mendukung penuh segala kegiatan maupun pendidikan
penulis serta doa yang tiada hentinya.
5. Aris Prasyetyo selaku pasangan hidup penulis yang selalu memotivasi serta
mendampingi penulis dan memberikan dukungan penuh dalam menyelesaikan
pendidikan ini.
6. Putri Setia Mardiani dan Saseh Hasmala Mardiani, kedua adik tercinta yang juga
turut membantu dan memberikan semangat dalam menyelesaikan tesis ini.
7. Rekan-rekan Magister Manajemen B 2020 yang sudah bersama dari awal hingga
lulus, semoga silaturrahmi selalu terjaga.
8. Pihak-pihak lain yang belum dapat penulis sebutkan satu persatu.
ii
Penulis mohon maaf jika selama penulisan tesis ini terdapat kekurangan karena
kesempurnaan hanya milik Allah SWT. Penulis juga berharap semoga tesis ini dapat
bermanfaat bagi pihak-pihak yang membutuhkan referensi. Adapun kritik dan saran
yang sifatnya membangun akan penulis terima dengan hati yang lapang.
Wassalamu’alaikum wr.wb
Malang, 24 Oktober 2020
Penyusun,
Novita Mardiani
iii
FINANCIAL DISTRESS SEBAGAI INTERVENING HUBUNGAN
RGEC DAN EPS TERHADAP PERUBAHAN HARGA SAHAM
BANK UMUM DI INDONESIA
Novita Mardiani
[email protected] Bambang Widagdo (NIDN : 0020055901)
[email protected] Mohammad Jihadi (NIDN : 0719106501)
Program Studi Magister Manajemen Universitas Muhammadiyah Malang
ABSTRAK
Penelitian ini bertujuan untuk menguji dan menganalisis pengaruh RGEC dan
EPS terhadap harga saham dengan financial distress sebagai variabel intervening. Jenis
penelitian ini adalah eksplanatif dengan pendekatan deskriptif kuantitatif. Data yang
digunakan diperoleh dari laporan keuangan tahunan (annual report) Bank Umum di
Indonesia periode 2012 – 2018 dengan sampel berjumlah 23 perbankan. Data yang
diperoleh selanjutnya dianalisis menggunakan SEM (Structural Equation Model)
dengan Program AMOS 21. Hasil penelitian menunjukkan bahwa RGEC, EPS, dan
financial distress berpengaruh terhadap harga saham. Uji mediasi diperoleh hasil
bahwa financial distress tidak dapat memediasi pengaruh RGEC dan EPS terhadap
harga saham.
Kata kunci : Financial Distress, Earning Per Share, RGEC, Harga Saham
iv
FINANCIAL DISTRESS AS INTERVENING
RGEC AND EPS TO CHANGES IN SHARE PRICES
COMMERCIAL BANKS IN INDONESIA
Novita Mardiani
[email protected] Bambang Widagdo (NIDN : 0020055901)
[email protected] Mohammad Jihadi (NIDN : 0719106501)
Magister of Management
University of Muhammadiyah Malang
ABSTRACT
This study aims to examine and analyze the effect of RGEC and EPS on stock prices
with financial distress as an intervening variable. This type of research is explanative
with a quantitative descriptive approach. The data used were obtained from annual
reports of commercial banks in Indonesia for the period 2012 - 2018 with a sample of
23 banks. The data obtained were then analyzed using SEM (Structural Equation
Model) with the AMOS 21 Program. The results showed that RGEC, EPS, and financial
distress affected stock prices. Mediation test shows that financial distress cannot
mediate the effect of RGEC and EPS on stock prices.
Keywords : Financial Distress, Earning Per Share, RGEC, Stock Prices
v
DAFTAR ISI
KATA PENGANTAR ................................................................................................... i
ABSTRAK ................................................................................................................... iii ABSTRACT ................................................................................................................... iv
DAFTAR ISI ................................................................................................................. v DAFTAR TABEL ....................................................................................................... vii DAFTAR GAMBAR ................................................................................................. viii
A. PENDAHULUAN .................................................................................................... 1 1. Latar Belakang ............................................................................................ 1
2. Rumusan Masalah ....................................................................................... 3 3. Batasan Penelitian ....................................................................................... 4
4. Tujuan Penelitian ........................................................................................ 4 5. Manfaat Penelitian ...................................................................................... 5
B. TINJAUAN PUSTAKA ........................................................................................... 5 1. Penelitian Terdahulu ................................................................................... 5
2. Tinjauan Teori ............................................................................................. 6 3. Kerangka Konseptual .................................................................................. 9
4. Pengembangan Hipotesis ............................................................................ 9 C. METODOLOGI PENELITIAN ............................................................................. 12
1. Jenis Penelitian .......................................................................................... 12
2. Populasi dan Sampel ................................................................................. 12 3. Data dan Sumber Data .............................................................................. 13
4. Teknik Pengumpulan Data ........................................................................ 13 5. Definisi Operasional Variabel ................................................................... 14
3) Metode Analisis Data ................................................................................ 18 D. HASIL DAN PEMBAHASAN .............................................................................. 22
1. Gambaran Umum Penelitian ..................................................................... 22 2. Analisis Statistik Deskriptif ...................................................................... 22
3. Uji Asumsi SEM ....................................................................................... 24 4. Analisis Data ............................................................................................. 26
vi
5. Pembahasan ............................................................................................... 32
E. KESIMPULAN DAN SARAN .............................................................................. 35 1. Kesimpulan ............................................................................................... 35
2. Saran .......................................................................................................... 36 DAFTAR PUSTAKA ................................................................................................. 38
vii
DAFTAR TABEL
Tabel 2.1 Penelitian Terdahulu ................................................................................ 7
Tabel 3.2 Kriteria Penilaian Altman Z-Score ························································· 17
Tabel 3.2 Goodness of Fit Index Table ·································································· 23
Tabel 4.1 Uji Deskriptif ·································································· 24
Tabel 4.2 Hasil Uji Normalitas ·························································· 26
Tabel 4.3 Hasil Uji Univariate Outliers ································································· 27
Tabel 4.4 Uji CFA variabel RGEC ······················································ 28
Tabel 4.5 Evaluasi Paramater Estimasi ················································· 29
Tabel 4.6 Hasil Goodness of Fit ············································································· 30
Tabel 4.7 Hasil Uji Hipotesis Pengaruh Tidak Langsung ···························· 31
viii
DAFTAR GAMBAR
Gambar 2.1 Kerangka Konseptual ......................................................................... 10
Gambar 4.1 Hasil Estimasi Analisis Jalur .............................................................. 28
1
A. PENDAHULUAN
1. Latar Belakang
Kenaikan biaya hidup dan adanya kebutuhan tidak terduga dimasa
mendatang membuat masyarakat semakin tertarik untuk berinvestasi karena
masyarakat mengharapkan keuntungan dari investasi tersebut. Jangka waktu
investasi terdiri dari investasi jangka pendek dan investasi jangka panjang.
Beragam jenis investasipun dipromosikan oleh berbagai pihak demi menarik
minat masyarakat, salah satunya bank yang menawarkan beberapa produk,
seperti: simpanan berjangka (deposito), reksadana, logam mulia, saham.
Saham merupakan salah satu investasi yang digemari oleh para investor
saat ini. International Finance Corporation (IFC) mengestimasikan minat
investor terhadap saham dan obligasi telah mencapai US$21 triliun pada tahun
2019 sebagai dampak dari investasi pasar global. Setiap lembar saham memiliki
harga saham sebagai proksi dari kepercayaan para investor, jika harga saham
suatu perusahaan tinggi, maka kepercayaan masyarakat terhadap perusahaan
tersebut juga tinggi. Harga saham merupakan salah satu gambaran nilai
perusahaan di pasar modal karena harga saham yang tinggi menunjukkan nilai
perusahaan yang tinggi (Rusli & Dasar, 2014)
Menurut Irama (2018), prestasi perusahaan ditunjukkan oleh harga
saham yang bergerak searah dengan kinerja perusahaan tersebut. Para investor
akan melihat dan menganalisis kinerja perusahaan terlebih dahulu sebelum
melakukan pembelian saham untuk meminimalisir adanya kerugian investasi
(Parenrengi & Permata, 2018). Pergerakan harga saham dipengaruhi oleh
kondisi perusahaan, jika perusahaan mendekati kebangkrutan, maka harga
saham akan menurun (Roykhan, 2012). Financial distress adalah kondisi
penurunan keuangan yang menjadi tanda awal sebelum perusahaan mengalami
kebangkrutan (Qoriah & Nurdin, 2019).
Yustika (2015) menjelaskan bahwa financial distress merupakan
kondisi suatu perusahaan yang mengalami kesulitan keuangan dan tidak dapat
memenuhi kewajiban jangka pendek. Hal tersebut didukung oleh hasil
2
penelitian Nicholas Apergis (2011) yang membuktikan bahwa perusahaan
dengan kondisi Financial Distress memiliki harga saham lebih rendah
dibandingkan dengan perusahaan yang tidak mengalami Financial Distress.
Para investor dan pihak - pihak terkait dapat mengalami kerugian karena
perusahaan tidak mampu menjaga stabilitas keuangan.
Fenomena krisis moneter yang terjadi pada tahun 1997 membuat
banyak bank dilikuidasi di Indonesia, padahal Bank sebagai agent of trust
menjalankan kegiatan operasionalnya berdasarkan jumlah dana yang dihimpun
dari masyarakat memiliki peranan penting sebagai lembaga intermediasi
(Sofiasani & Gautama, 2016). Semakin besar kepercayaan masyarakat terhadap
bank, maka semakin besar pula dana yang disimpan ke bank tersebut. Bank
dituntut agar lebih berhati-hati dalam menjalankan kegiatan operasionalnya
demi menjaga stabilitas keuangan suatu negara (Pradana & Sanjaya, 2017).
Peraturan Bank Indonesia diharapkan mampu menjaga ketahanan
perbankan dalam menghadapi tantangan pertumbuhan ekonomi secara global,
nilai tukar rupiah, inflasi, suku bunga dan lainnya. Peraturan tersebut juga
menyempurnakan penilaian kesehatan bank yang sebelumnya terdiri dari
CAMELS (Capital, Asset Quality, Management, Earnings, Liquidity, Sensitivity
to Market Risk) menjadi pendekatan berbasis risiko, yaitu Risk-based Bank
Rating dengan faktor penilaian: Risk Profile, Good Corporate Governance,
Earning, Capital yang selanjutnya disebut dengan RGEC.
Putu Wira Hendrayana (2015) melakukan penelitian tentang pengaruh
komponen RGEC pada perubahan harga saham dan menemukan hasil bahwa
RGEC yang terdiri dari Risk Profile, GCG, CAR, serta ROA dapat digunakan
sebagai proksi dari penilaian kesehatan bank yang dapat mempengaruhi
perubahan harga saham. Indiani and Dewi (2016) melakukan penelitian
terhadap perubahan harga saham yang disebabkan oleh tingkat kesehatan bank
atau biasa disebut RGEC dan hasilnya terdapat pengaruh antara RGEC terhadap
harga saham. Hasil penelitian Medyawicesar (2018) memiliki hasil yang
3
berbeda karena hanya NPL dan ROA yang berpengaruh terhadap harga saham,
sedangkan GCG, NIM, LDR, CAR tidak berpengaruh.
Kinerja perusahaan juga dapat dicerminkan melalui besaran keuntungan
yang diperoleh investor, salah satunya adalah Earning Per Share (EPS). EPS
merupakan alokasi keuntungan setiap lembar saham biasa yang digunakan
untuk mengukur kemampuan perusahaan dalam menghasilkan laba karena
semakin tinggi EPS, maka harga saham perusahaan juga meningkat (Khairani,
2016). Hasil penelitian Santosa (2017) serta Cahyani and Diantini (2016) juga
menunjukkan bahwa EPS memiliki pengaruh yang signifikan terhadap harga
saham, sedangkan Khairani (2016) memiliki hasil yang berbeda karena EPS
tidak berpengaruh terhadap harga saham.
Penelitian – penelitian di atas memiliki hasil yang tidak konsisten dan
dilakukan di beberapa negara maju, padahal Indonesia termasuk negara yang
sedang berkembang. Penulis juga belum menemukan penelitian terkait
pengaruh RGEC dan EPS terhadap harga saham dengan financial distress
sebagai variabel intervening, sehingga penulis tertarik untuk melakukan
penelitian terbaru dengan pengembangan variabel penelitian dengan judul
“Financial Distress sebagai Intervening Hubungan RGEC dan EPS terhadap
Perubahan Harga Saham Bank Umum di Indonesia”.
2. Rumusan Masalah
Berdasarkan latar belakang di atas, maka diperoleh rumusan masalah sebagai
berikut:
a. Apakah RGEC berpengaruh terhadap Financial Distress?
b. Apakah EPS berpengaruh terhadap Financial Distress?
c. Apakah Financial Distress berpengaruh terhadap harga saham?
d. Apakah RGEC berpengaruh terhadap harga saham?
e. Apakah EPS berpengaruh terhadap harga saham?
f. Apakah RGEC berpengaruh terhadap harga saham dengan Financial
Distress sebagai variabel intervening?
4
g. Apakah EPS berpengaruh terhadap harga saham dengan Financial Distress
sebagai variabel intervening?
3. Batasan Penelitian
Penelitian ini difokuskan pada variabel RGEC, EPS, financial distress dan
harga saham karena keterbatasan penyajian data dan waktu yang dibutuhkan
peneliti. Harga saham dilihat dari harga harga rata-rata tahunan bank, EPS akhir
tahun bank selama periode penelitian, variabel RGEC menggunakan indikator:
Risk Profile dengan proksi Non Performing Loan (NPL) dan Loan to Deposit
Ratio (LDR),Good Corporate Governance (GCG), Earnings dengan proksi
Return on Asset (ROA) dan Net Interest Margin (NIM),Capital diproksikan
dengan Capital Adequacy Ratio (CAR). Financial Distress diukur
menggunakan model Altman Z-Score. Data yang dianalisis berupa laporan
keuangan tahunan bank umum konvensional yang termasuk ke dalam kategori
Bank Umum Kategori Usaha 1,2,3 periode 2012 hingga 2018 yang
dipublikasikan pada Bursa Efek Indonesia.
4. Tujuan Penelitian
a. Untuk menganalisis dan menjelaskan pengaruh RGEC terhadap Financial
Distress.
b. Untuk menganalisis dan menjelaskan pengaruh EPS terhadap Financial
Distress.
c. Untuk menganalisis dan menjelaskan pengaruh Financial Distress
terhadap harga saham.
d. Untuk menganalisis dan menjelaskan pengaruh RGEC terhadap harga
saham.
e. Untuk menganalisis dan menjelaskan pengaruh RGEC terhadap harga
saham.
f. Untuk menganalisis dan menjelaskan pengaruh RGEC terhadap harga
saham dengan Financial Distress sebagai variabel intervening.
g. Untuk menganalisis dan menjelaskan pengaruh EPS terhadap harga saham
dengan Financial Distress sebagai variabel intervening.
5
5. Manfaat Penelitian
Penelitian ini memiliki manfaat bagi beberapa pihak, yaitu:
a. Investor dan calon investor agar dapat menganalisis fluktuasi harga saham
berdasarkan RGEC, EPS dan Financial Distress sebelum memutuskan
perusahaan mana yang akan diberi investasi untuk mengestimasikan risiko
dan return yang akan diperoleh serta memantau bagaimana perkembangan
investasi mereka berdasarkan harga saham perusahaan dan faktor – faktor
yang dapat dianalisis dalam melakukan investasi saham tersebut, yaitu
RGEC, EPS dan Financial Distress.
b. Perusahaan dapat menjaga kesehatan usaha dan meningkatkan harga
saham, serta menjaga kesehatan keuangan agar dapat memberikan return
yang diharapkan para investor.
c. Pemerintah mampu menjaga kepercayaan masyarakat terhadap lembaga
keuangan di Indonesia dengan memantau kegiatan perbankan, serta
menyesuaikan kebijakan – kebijakan untuk menjaga stabilitas
perekonomian di Indonesia.
B. TINJAUAN PUSTAKA
1. Penelitian Terdahulu
Beberapa penelitian telah dilakukan oleh para peneliti lainnya untuk
menguji dan menjelaskan pengaruh antara RGEC, EPS dan Financial Distress
terhadap harga saham, sehingga penulis menggunakan hasil dari penelitian–
penelitian tersebut sebagai acuan serta dukungan teori dalam melakukan
penelitian selanjutnya. Penelitian terdahulu tersebut dapat dilihat pada Tabel 1:
Tabel 1.Penelitian Terdahulu
No. Hubungan Antar Variabel Penelitian Pendukung 1. Pengaruh RGEC terhadap
Financial Distress -Konsep penelitian Sadida (2018)
Laksito (2010) Yulianto and Sulistyowati (2012) Indiani and Dewi (2016) Andari and Wiksuana (2017) Sadida (2018) Qoriah and Nurdin (2019)
2. Pengaruh EPS terhadap Financial Distress
Vinh (2015) Santosa (2017)
6
-Konsep penelitianChen (2008)
Yu He and McIver (2018)
3. Pengaruh Financial Distress terhadap Harga Saham -Konsep penelitian Nicholas Apergis (2011)
Roykhan (2012) Andriawan and Salean (2016) Irama (2018)
4. Pengaruh RGEC terhadap Harga Saham -Konsep penelitian Putu Wira Hendrayana (2015)
Nurjanti Takarini (2013) Indiani and Dewi (2016) Medyawicesar (2018)
5. Pengaruh EPS terhadap Harga Saham -Konsep penelitian Dina and Suaryana (2013)
Endraswati and Novianti (2015) Cahyani and Diantini (2016)
Sumber: Dikutip dari beberapa jurnal (2019)
2. Tinjauan Teori
a. Harga Saham
Saham merupakan surat berharga yang berfungsi sebagai bukti
kepemilikan suatu perusahaan dan dapat diperjualbelikan di pasar modal
(Andriawan & Salean, 2016), sedangkan Tri Ayu Marcelina (2014)
mendefinisikan saham sebagai surat berharga suatu perusahaan yang dapat
diperdagangkan dan pemilik saham mempunyai peranan serta kepentingan
terhadap perusahaan yang menerbitkan saham tersebut.
Kekayaan perusahaan dapat dicerminkan melalui nilai sahamnya
(Nurjanti Takarini, 2013). Harga saham adalah harga yang terjadi saat
saham diperjualbelikan di pasar saham (Oktaryani, 2017). Tri Ayu
Marcelina (2014) menjelaskan bahwa harga saham terdiri dari:harga
terendah, harga tertinggi, harga rata-rata dan harga penutupan. Pada
penelitian ini, harga saham yang digunakan adalah harga saham rata-rata
tahunan periode 2012-2018.
b. Financial Distress
Menurut Sofiasani and Gautama (2016),financial distress terjadi
ketika perusahaan mengalami kondisi keuangan yang tidak sehat.
7
Financial Distress juga diartikan sebagai suatu kondisi yang dimulai ketika
perusahaan tidak dapat memenuhi kewajibannya atau ditunjukkan dengan
ketidakmampuan perusahaan memenuhi kewajibannya selama beberapa
tahun untuk menjalani atau melanjutkan bisnisnya (Parenrengi & Permata,
2018).
Perusahaan yang berada dalam krisis atau kondisi tidak sehat dapat
dikategorikan sebagai Financial Distress dan biasanya terjadi sebelum
perusahaan bangkrut (Rahmaniah & Wibowo, 2015). Jika kondisi tersebut
tidak segera diatasi, maka perusahaan berpotensi mengalami kebangkrutan
atau likuidasi. Penelitian ini menggunakan metode Altman Z-Score
modifikasi untuk memprediksi kesulitan keuangan perusahaan (Andari &
Wiksuana, 2017).
c. RGEC
Bank memiliki jalur pembiayaan dan penyimpanan dana demi
kesejahteraan kehidupan masyarakat sebagai fungsi dari lembaga
intermediasi (Prasanjaya & Ramantha, 2013), sehingga bank diharuskan
lebih kompetitif dalam menjalankan kegiatan usahanya dan mampu
menerapkan sistem penilaian tingkat kesehatan bank secara individual (BI,
2011). Peraturan Bank Indonesia Nomor 13 Tahun 2011 juga menjelaskan
bahwa tingkat kesehatan bank merupakan hasil dari penilaian kondisi
terhadap risiko dan kinerja bank melalui peringkat komposit, yaitu
peringkat akhir hasil penilaian tingkat kesehatan bank.
Kesehatan bank memiliki peran penting dan tidak dapat lepas dari
fungsi bank untuk memajukan dan mengembangkan perekonomian
Indonesia, serta menjaga kepercayaan masyarakat (Fitrawati, 2016).
Noviantari (2017) juga menjelaskan bahwa penilaian tingkat kesehatan
bank dapat digunakan untuk mengembalikan kepercayaan masyarakat,
mengukur kredibilitas dan menetapkan strategi yang baik dalam rangka
menjalankan kebijakan API.
8
Sesuai Peraturan Bank Indonesia Nomor: 13/1/PBI/2011 pasal 6,
tingkat kesehatan bank dapat dinilai dengan pendekatan risiko yang disebut
Risk-Based Bank Rating (RBBR) atau lebih dikenal dengan Metode RGEC
menggantikan Metode CAMELS (Capital, Assets Quality, Management,
Earning, Liquidity and Sensitivity) sebelumnya, yang terdiri dari (Prianti,
2018):
1) Profil Risiko (Risk Profile) merupakan suatu penilaian terhadap risiko
inheren serta kualitas penerapan manajemen risiko kegiatan
operasional bank yang terdiri dari 8 risiko, yaitu: risiko kredit, risiko
pasar, risiko likuiditas, risiko operasional, risiko hukum, risiko
stratejik, risiko kepatuhan, risiko reputasi. Risk Profile diproksikan
oleh Non Performing Loan (NPL)yang mampu menggambarkan
kemampuan bank dalam menjaga kredit yang disalurkan hingga lunas
dan Loan to Deposit Ratio (LDR)yang menggambarkan kemampuan
perusahaan untuk memenuhi kewajibannya menggunakan dana pihak
ketiga.
2) Good Corporate Governance (GCG): penilaian manajemen bank
dalam menjalankan prinsip-prinsip GCG menggunakan nilai komposit
self assessment sesuai kriteria Bank Indonesia.
3) Rentabilitas (Earnings) memiliki hubungan dengan penilaian kinerja,
sumber dan Sustainability Earnings. Kemampuan bank dalam
menghasilkan laba dalam penelitian ini diproksikan oleh Return on
Asset (ROA) dan Net Interest Margin (NIM).
4) Modal (Capital) merupakan kecukupan modal dan pengelolaan
permodalan bank yang diproksikan dengan Capital Adequacy Ratio
(CAR).
d. Earnings Per Share (EPS)
EPS merupakan hasil dari laba bersih setelah pajak dibagi dengan
jumlah saham yang beredar. EPS mampu mencerminkan besaran laba yang
dapat meningkatkan kepercayaan pemegang saham terhadap perusahaan
9
(Pratama & Erawati, 2014). Menurut Rosyidi (2020), EPS merupakan
indikator laba bersih yang dapat dibagikan kepada pemegang saham,
semakin tinggi nilai EPS maka semakin besar pula minat investor dalam
membeli saham perusahaan.
3. Kerangka Konseptual
Gambar 2.1 Kerangka Konseptual
Sumber : Hasil Pengembangan Penelitian
4. Pengembangan Hipotesis
a. Pengaruh RGEC terhadap Financial Distress
Bank yang berada dalam kondisi sehat secara keuangan maupun secara
manajemen akan mampu mengelola kegiatan usaha pelayanan dengan baik
dalam mencapai tujuan perusahaan. RGEC terdiri dari Risk Profile
diproksikan oleh NPL dan LDR, Good Corporate Governance, Earnings
diproksikan oleh ROA dan NIM sedangkan Capital diproksikan oleh CAR
dapat digunakan untuk menganalisis kondisi Financial Distress sesuai
dengan hasil penelitian Yulianto and Sulistyowati (2012), Mandasari
(2015) dan Fitrawati (2016).
10
Semakin sehat kondisi suatu bank, kemungkinan bank mengalami
kondisi Financial Distress juga semakin kecil (Rahmaniah & Wibowo,
2015). Hal tersebut membuktikan bahwa RGEC sebagai alat untuk
mengukur tingkat kesehatan bank dapat digunakan dalam memprediksi
kondisi Financial Distress sesuai dengan hasil penelitian Andari and
Wiksuana (2017) maupun Haq and Harto (2019) menunjukkan bahwa
LDR, ROA, NIM dan CAR berpengaruh secara negatif, sedangkan NPL
berpengaruh positif terhadap Financial Distress. Sadida (2018) juga
membuktikan bahwa RGEC dapat menjelaskan kondisi Financial Distress
sebesar 81,3%.
H1: RGEC berpengaruh negatif terhadap Financial Distress.
b. Pengaruh EPS terhadap Financial Distress
EPS merupakan bagian dari laba perusahaan, sehingga laba
perusahaan yang tinggi membuat nilai EPS juga semakin tinggi. Nilai EPS
yang tinggi membuat perusahaan semakin terhindar dari kondisi Financial
Distress. Hal tersebut didukung oleh hasil penelitian Santosa (2017)yang
membuktikan bahwa EPS memiliki pengaruh negatif yang signifikan
terhadap kondisi Financial Distress perusahaan.
H2: EPS berpengaruh negatif terhadap Financial Distress.
c. Pengaruh Financial Distress terhadap Harga Saham
Kondisi kesulitan keuangan memiliki dampak yang negatif
terhadap berbagai pihak, baik internal maupun eksternal, sehingga
perusahaan harus memperhatikan kondisinya agar terhindar dari
kemungkinan terjadinya kebangkrutan yang dapat mempengaruhi harga
saham (Parenrengi & Permata, 2018). Hasil penelitian Purwanda and
Yuniarti (2014) juga menunjukkan bahwa prediksi kebangkrutan
berpengaruh terhadap harga saham sebesar 53% di perusahaan sektor
pertambangan.
H3: Kondisi Financial Distress berpengaruh negatif terhadap harga
saham.
11
d. Pengaruh RGEC terhadap Harga Saham
Indiani and Dewi (2016) melakukan penelitian terkait pengaruh
tingkat kesehatan bank dengan beberapa variabel terhadap harga saham
perbankan dan hasilnya menunjukkan bahwa RGEC berpengaruh terhadap
harga saham. Hal tersebut juga didukung oleh hasil penelitian Putu Wira
Hendrayana (2015) bahwa RGEC dengan beberapa indikator dalam
penilaian tingkat kesehatan bank mampu mempengaruhi perubahan harga
saham perbankan yang go public.
H4: RGEC berpengaruh positif terhadap harga saham.
e. Pengaruh EPS terhadap Harga Saham
Nilai EPS yang sesuai dengan harapan dapat membuat para investor
tertarik untuk menanamkan modalnya di perusahaan tersebut karena
perusahaan dianggap prospektus oleh investor, sehingga harga saham
perusahaan juga meningkat sesuai banyaknya permintaan pasar (Khairani,
2016). Hasil penelitian Pratama and Erawati (2014) juga membuktikan
bahwa semakin tinggi nilai EPS, maka pemegang saham juga semakin
tertarik untuk membeli saham dan harga saham perusahaanjuga semakin
meningkat.
H5: EPS berpengaruh positif terhadap harga saham.
f. Pengaruh RGEC terhadap harga saham dengan Financial Distress
sebagai variabel intervening.
RGEC dapat digunakan sebagai prediktor kondisi Financial Distress
perbankan sebesar 81,3% (Sadida, 2018). Kondisi Financial Distress juga
dapat mempengaruhi harga saham. Perusahaan yang memiliki indikator
Financial Distress rendah, harga saham perusahaan juga rendah. Ketika
indikator Financial Distress meningkat, maka harga saham perusahaan
juga meningkat sesuai dengan hasil penelitian Nicholas Apergis (2011).
H6: RGEC berpengaruh terhadap harga saham dengan Financial Distress
sebagai variabel intervening.
12
g. Pengaruh EPS terhadap harga saham dengan Financial Distress
sebagai variabel intervening.
Penelitian Santosa (2017) membuktikan bahwa EPS berpengaruh
negatif terhadap harga saham. Jika nilai EPS tinggi, maka kemungkinan
perusahaan mengalami kesulitan keuangan semakin kecil. Hal tersebut
akan berdampak pada peningkatan harga saham karena kondisi Financial
Distress mempengaruhi harga saham(Parenrengi & Permata, 2018).
Financial Distress memiliki hubungan yang negatif terhadap harga saham
karena perusahaan dengan kondisi Financial Distress memiliki harga
saham yang cenderung menurun (Purwanda & Yuniarti, 2014).
H7: EPS berpengaruh terhadap harga saham dengan Financial Distress
sebagai variabel intervening.
C. METODOLOGI PENELITIAN
1. Jenis Penelitian
Jenis penelitian ini merupakan penelitian eksplanatif yang
bertujuan untuk menjelaskan hubungan antar variabel, baik hubungan
sebab akibat, korelasi maupun kontribusi antar variabel (Yanuardi,
2014).Penelitian ini menggunakan pendekatan deskriptif kuantitatif karena
penelitian ini bertujuan untuk mendeskripsikan atau menjelaskan data
kuantitatif dari laporan keuangan bank(Rahmah Febrina, 2016).
2. Populasi dan Sampel
a. Populasi
Menurut Andriawan and Salean (2016) , populasi terdiri dari beberapa
objek dengan kesamaan tertentu. Populasi dalam penelitian ini adalah
seluruh Bank Umum yang terdaftar di Bursa Efek Indonesia pada
tahun 2012 – 2018 yaitu sebanyak 81 bank.
b. Sampel
Sampel merupakan bagian dari populasi dengan karakteristik tertentu
yang dianggap mampu mewakili seluruh populasi dan sampel dipilih
berdasarkan kecocokan karakteristik yang dibutuhkan dalam
13
penelitian (Andriawan & Salean, 2016). Teknik pengambilan sampel
menggunakan purposive sampling yaitu pemilihan sampel
berdasarkan karakteristik tertentu. Beberapa kriteria sampel yang
dibutuhkan dalam penelitian ini adalah:
1) Bank yang terdaftar di Bursa Efek Indonesia.
2) Bank yang termasuk dalam kategori Bank Umum Kegiatan Usaha
(BUKU) tahun 2012-2018 :
a) BUKU 1 (modal inti <Rp1 T)
b) BUKU 2 (modal inti Rp 1 T – Rp 5 T)
c) BUKU 3(modal inti Rp 5 T - Rp 30 T).
3) Ketersediaan laporan keuangan dengan komponen variabel yang
dibutuhkan dalam penelitian selama periode 2012-2018.
4) Bank yang masih beroperasi hingga akhir tahun 2018.
3. Data dan Sumber Data
a. Data
Penelitian ini menggunakan jenis data kuantitatif, yaitu data yang
dinotasikan dengan angka (Rusli & Dasar, 2014). Data kuantitatif
berbentuk angka dalam laporan keuangan tahunan (annual report)
Bank Umum di Indonesia periode 2012 – 2018 yang mencakup
kebutuhan peneliti.
b. Sumber Data
Penelitian ini menggunakan data sekunder yang diperoleh dari website
resmi Bursa Efek Indonesia (BEI), yaitu www.idx.co.id dan sumber
data lainnya yang mendukung penelitian ini. Pengumpulan seluruh
data penelitian dilakukan dengan menggunakan time series tahunan
selama tahun 2012 hingga 2018.
4. Teknik Pengumpulan Data
Teknik pengumpulan data yang digunakan dalam penelitian ini
adalah dokumentasi, yaitu annual report tahunan dan dipublikasikan oleh
Bank Umum di Indonesia tahun 2012 – 2018. Penelitian ini juga
14
menggunakan beberapa artikel ilmiah, jurnal, serta penelitian terdahulu
untuk mendapatkan data-data lain yang dibutuhkan oleh peneliti.
5. Definisi Operasional Variabel
Penelitian ini terdiri dari variabel dependen (endogen) dan variabel
independen (eksogen). Definisi operasional variabel – variabel di atas
dapat dilihat pada penjelasan di bawah ini:
a. Variabel Endogen
1) Harga Saham
Harga saham merupakan hasil antara harga penawaran dan
permintaan di pasar modal (Pryanka J.V Polii, 2014). Harga
saham yang digunakan dalam penelitian ini adalah harga saham
rata-rata tahunan periode 2012– 2018 dengan satuan mata uang
rupiah.
2) Financial Distress
Financial distress merupakan suatu kondisi keuangan perusahaan
yang tidak sehat dan biasanya terjadi sebelum adanya
kebangkrutan bank (Rahmaniah & Wibowo, 2015). Menurut
Gebreslassie (2015), financial distress diukur menggunakan
Altman Z-Score modification karena metode ini merupakan
formula multivariat dalam mengukur kesehatan keuangan suatu
perusahaan. Formula yang digunakan adalah sebagai berikut:
Z = 6,56 X1 + 3,26 X2 + 6,72 X3 + 1,05 X4
(Gebreslassie, 2015)
Keterangan:
X1 = Modal Kerja terhadap Total Aset
X2 = Laba Ditahan terhadap Total Aset
X3 = Laba Sebelum Bunga dan Pajak terhadap Total Aset
X4 = Nilai Buku Ekuitas terhadap Total Kewajiban
Z = nilai Z-Score
15
a) Modal kerja terhadap total aset (Working Capital to Total
Assets) adalah rasio yang umumnya digunakan untuk
mengukur likuiditas suatu perusahaan. Jika perusahaan dalam
kondisi kesulitan keuangan, modal kerja akan menurun lebih
cepat dibandingkan dengan total aset dan membuat rasio ini
menurun (Nariman, 2016). Rumusnya adalah: 𝑀𝑜𝑑𝑎𝑙 𝐾𝑒𝑟𝑗𝑎
𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡x 100%
(Nariman, 2016)
b) Laba ditahan terhadap total aset (Retained Earning to Total
Asset) : rasio yang digunakan untuk mengukur akumulasi laba
bank selama menjalankan kegiatan operasionalnya (Nariman,
2016). Jika perusahaan mengalami kerugian, maka rasio ini
menunjukkan angka yang negatif. Formulanya adalah: 𝐿𝑎𝑏𝑎 𝐷𝑖𝑡𝑎ℎ𝑎𝑛
𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡x 100%
(Nariman, 2016)
c) Laba sebelum bunga dan pajak terhadap total aset (Earnings
Before Interest and Taxes to Total Asset) merupakan rasio
pengukuran kemampuan perusahaan untuk memperoleh laba
berdasarkan aktiva yang digunakan dengan rumus sebagai
berikut: 𝐿𝑎𝑏𝑎 𝑆𝑒𝑏𝑒𝑙𝑢𝑚 𝐵𝑢𝑛𝑔𝑎 𝑑𝑎𝑛 𝑃𝑎𝑗𝑎𝑘
𝑇𝑜𝑡𝑎𝑙 𝐴𝑠𝑒𝑡x 100% (Nariman, 2016)
d) Nilai buku ekuitas terhadap total kewajiban (Market Value of
Equity to Book Value of Total Ratio). Rasio ini digunakan
untuk mengetahui adanya penurunan nilai buku aktiva sebelum
nilai buku hutang menjadi lebih besar (Nariman, 2016).
Rumusnya adalah: 𝑁𝑖𝑙𝑎𝑖 𝑃𝑎𝑠𝑎𝑟 𝐸𝑘𝑢𝑖𝑡𝑎𝑠
𝑇𝑜𝑡𝑎𝑙 𝐻𝑢𝑡𝑎𝑛𝑔x 100% (Nariman, 2016)
16
Hasil dari nilai Altman Z-Score selanjutnya dikategorikan
sesuai Tabel 3.2 di bawah ini:
Tabel 3.2 Kriteria Penilaian Altman Z-Score
Nilai Z-Score Keterangan Score Z>1,1 Bank tidak mengalami kesulitan
keuangan 0
Z < 1,1 Bank sedang mengalami kesulitan keuangan
1
Sumber : Tri Ayu Marcelina (2014), (Sadida, 2018)
b. Variabel Eksogen
Variabel eksogen pada penelitian ini adalah RGEC dan EPS
sebagai berikut:
1) RGEC yang terdiri dari:
a) Risk Profile
Risk Profile dapat diukur oleh Non Performing Loan
(NPL) dan Loan to Deposit Ratio (LDR).
1. Non Performing Loan (NPL) adalah rasio yang
digunakan untuk mengetahui jumlah kredit bermasalah
dibandingkan dengan jumlah kredit yang disalurkan oleh
bank (Warsa & Mustanda, 2016). Rumus untuk
menghitung NPL adalah :
NPL = 𝑇𝑜𝑡𝑎𝑙 𝑘𝑟𝑒𝑑𝑖𝑡 𝑏𝑒𝑟𝑚𝑎𝑠𝑎𝑙𝑎ℎ
𝑇𝑜𝑡𝑎𝑙 𝑘𝑟𝑒𝑑𝑖𝑡 𝑦𝑔 𝑑𝑖𝑠𝑎𝑙𝑢𝑟𝑘𝑎𝑛 X 100%
(Wismaryanto, 2013)
2. Loan to Deposit Ratio (LDR) adalah rasio perbandingan
antara jumlah kredit yang disalurkan dengan jumlah dana
pihak ketiga (Luh Eprima Dewi, 2015). Formula yang
digunakan untuk menghitung LDR adalah:
LDR = 𝑇𝑜𝑡𝑎𝑙 𝑘𝑟𝑒𝑑𝑖𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑠𝑎𝑙𝑢𝑟𝑘𝑎𝑛
𝐷𝑎𝑛𝑎 𝑃𝑖ℎ𝑎𝑘 𝐾𝑒𝑡𝑖𝑔𝑎 (𝐷𝑃𝐾)X 100%
(Wismaryanto, 2013)
b) Good Corporate Governance (GCG) merupakan tata
kelola perusahaan yang baik. Menurut Indiani and Dewi
17
(2016), kepatuhan bank terhadap pelaksanaan GCG dapat
meningkatkan kepercayaan investor karena bank dapat
mengelola dana yang mereka investasikan. Penelitian ini
menggunakan nilai komposit yang sesuai dengan self-
assessment bank dalam pelaksanaan GCG (Iskandar &
Laila, 2016). Nilai komposit diklasifikasikan menjadi 5
peringkat sebagai berikut:
1. Peringkat 1: manajemen bank telah menerapkan GCG
dengan “Sangat Baik”.
2. Peringkat 2: manajemen bank telah menerapkan GCG
dengan “Baik”.
3. Peringkat 3: manajemen bank telah menerapkan GCG
dengan “Cukup Baik”.
4. Peringkat 4: manajemen bank telah menerapkan GCG
dengan “Kurang Baik”.
5. Peringkat 5: manajemen bank telah menerapkan GCG
dengan “Tidak Baik”.
c) Earnings
Penelitian ini menggunakan Return on Asset (ROA) dan Net
Interest Margin (NIM) sebagai proksi dari earnings.
1. Return on Asset (ROA) adalah rasio untuk mengukur
kemampuan bank untuk mendapatkan laba secara
keseluruhan (Noviantari, 2017). Prianti (2018)
menjelaskan bahwa ROA yang tinggi dapat menutupi
masalah likuiditas bank. ROA dinyatakan dalam bentuk
prosentase (%) dengan rumus :
𝑅𝑂𝐴 =𝐿𝑎𝑏𝑎 𝑠𝑒𝑏𝑒𝑙𝑢𝑚 𝑝𝑎𝑗𝑎𝑘
𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑡𝑜𝑡𝑎𝑙 𝑎𝑠𝑒𝑡 X 100 %
(Farida Shinta Dewi, 2016)
2. Net Interest Margin (NIM) adalah rasio yang
mencerminkan kemampuan perusahaan dalam
18
menghasilkan bunga berdasarkan aktiva produktif yang
dimiliki (Indiani & Dewi, 2016). Rumus untuk
menghitung NIM adalah:
NIM = 𝑃𝑒𝑛𝑑𝑎𝑝𝑎𝑡𝑎𝑛 𝑏𝑢𝑛𝑔𝑎 𝑏𝑒𝑟𝑠𝑖ℎ
𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑎𝑘𝑡𝑖𝑣𝑎 𝑝𝑟𝑜𝑑𝑢𝑘𝑡𝑖𝑓 X 100%
(Wismaryanto, 2013)
d) Capital
Capital diproksikan oleh Capital Adequacy Ratio (CAR),
yaitu rasio kecukupan modal yang dapat menampung risiko
kerugian bank (Wismaryanto, 2013). CAR memiliki formula
di bawah ini:
CAR = 𝑀𝑜𝑑𝑎𝑙
𝐴𝑇𝑀𝑅 X 100%
(Wismaryanto, 2013)
2) EPS
Earning Per Share (EPS) adalah perbandingan laba bersih
setelah pajak dengan jumlah saham yang beredar dan
dinyatakan dalam rupiah (Rp).
𝐸𝑃𝑆 = 𝐸𝑎𝑟𝑛𝑖𝑛𝑔 𝐴𝑓𝑡𝑒𝑟 𝑇𝑎𝑥 (𝐸𝐴𝑇)
𝑗𝑢𝑚𝑙𝑎ℎ 𝑠𝑎ℎ𝑎𝑚 𝑦𝑎𝑛𝑔 𝑏𝑒𝑟𝑑𝑎𝑟
(Brigham & Houston, 2009)
3) Metode Analisis Data
Penelitian ini merupakan analisis kuantitatif dengan menggunakan
Structural Equation Modelling (SEM) untuk menjawab hipotesis di atas
menggunakan program Analysis of Moment Structural atau yang biasa
disebut dengan AMOS 21. SEM merupakan gabungan antara analisis faktor
dan analisis regresi dengan tujuan menguji hubungan variabel – variabel
sebuah model (Ginting, 2009).
a. Uji Asumsi SEM
1) Ukuran Sampel
Jumlah sampel penelitian ini menggunakan Maximum
Likelihood (ML) dengan jumlah sampel antara 100 hingga 200
19
atau dengan mengalikan jumlah parameter sebanyak 5 hingga 10
kali (Ferdinand, 2002).
2) Uji Normalitas
Uji normalitas harus dilakukan untuk mengetahui apakah
penyebaran data telah terdistribusi secara normal atau tidak. Uji
normalitas terdiri dari univariate (data tunggal) dan multivariate
(seluruh data) yang diukur dengan nilai Critical Ratio (C.R.)+2,58
pada tingkat signifikansi sebesar 5% (Paramita, 2014). Data
dinyatakan berdistribusi normal jika Nilai C.R. Skewnes atau
Kurtosis berada di antara nilai -2,58 hingga 2,58.
3) Uji Outliers
Hair (2006) menjelaskan bahwa outlier merupakan
observasi data dengan karakteristik unik yang sangat berbeda dari
observasi lain dan menimbulkan nilai ekstrim pada variabel
tunggal maupun kombinasi. Nilai outliers dapat dilihat melalui
dua analisis, yaitu univariate outliers dan multivariate outliers.
Outliers data yang terdeteksi melalui univariate maupun
multivariate harus dikeluarkan dari analisis penelitian.
1. Univariate Outliers
Nilai Z-Score dapat digunakan untuk menguji univariate
outliers dengan rentang nilai 3-4 (Hair, 2006). Z-Score
merupakan nilai yang telah distandarkan dengan mean (rata-
rata) nol dan standar deviasi 1, sehingga sebuah observasi
dikategorikan sebagai outliers jika memiliki nilai Z-Score >
3,0.
2. Multivariate Outliers
Nilai multivariate outliers dapat dievaluasi melalui output
AMOS mahalanobis distance menggunakan kriteria pada
tingkat p<0,001. Jarak diukur dengan X2 dan degree of
freedom (df) sebanyak jumlah 19 indikator dalam penelitian.
20
b. Uji Hipotesis dan Analisis Data
Menurut Ghozali (2014), permodelan maupun analisis
persamaan indikator terdiri dari beberapa tahapan, yaitu :
1. Pengembangan Model berdasarkan Teori
Pengembangan model SEM sebagai langkah awal
didasarkan atas hubungan kausalitas dimana kuatnya hubungan
tersebut terletak pada pembenaran (justifikasi) teoritis dalam
mendukung analisis penelitian. Hubungan antar variabel
penelitian adalah deduksi dari beberapa teori.
2. Pengembangan Diagram Jalur
Diagram jalur dilandasi oleh dua asumsi, yaitu teori
merupakan dasar dari seluruh hubungan kausalitas dan hubungan
kausalitas model penelitian yang diasumsikan linear. Diagram
jalur digunakan untuk menyusun hubungan kausalitas yang
ditunjukkan oleh garis satu anak panah, sedangkan garis dua anak
panah menunjukkan kovarian atau korelasi antar konstruk dalam
model penelitian.
a. Konstruk eksogen adalah seluruh variabel independen dengan
garis anak panah yang menghubungkan ke konstruk endogen.
b. Konstruk endogen adalah variabel dependen di dalam
persamaan yang terpisah.
3. Persamaan Struktural
Pengembangan model teoritis yang telah dituangkan ke
dalam diagram jalur dilanjutkan dengan menyusun measurement
model (model pengukuran) melalui konstruk laten endogen serta
eksogen dengan manifest atau variabel indikator, kemudian
menyusun persamaan indikator melalui hubungan antar konstruk
laten.
Variabel Endogen = Variabel Eksogen +Variabel Endogen + Error
1. Harga Saham = ᵞ3 RGEC + ᵞ4 EPS+ β1 Financial Distress + ζ2
21
2. Financial Distress= ᵞ1 * RGEC + ᵞ2 * EPS+ ζ1
4. Penilaian Kriteria Goodness of Fit (GoF)
Penilaian goodness of fit digunakan untuk mengukur
apakah input observasi telah sesuai dengan model yang diajukan
atau belum berdasarkan kriteria penilaian di bawah ini :
Tabel 3.2 Goodness of Fit Index Table
Goodness of Fit Indexs Cut Off Value Chi-Square (𝑋2) Significancy Probability CMIN / DF GFI RMSEA AGFI TLI CFI
Diharapkan lebih kecil > 0,05 < 2,00 ≥ 0,90 < 0,08 ≥ 0,90 ≥ 0,90 ≥ 0,90
Sumber : Ghozali (2014)
5. Interpretasi dan Modifikasi Model
Model yang baik memiliki standardized residual
variance yang kecil dan batas nilai yang diperkenankan adalah
2,58. Model yang telah diterima dapat dimodifikasi untuk
memperbaiki penjelasan secara teoritis atau goodness of fit
dengan beberapa pertimbangan karena model harus di cross
validated (estimasi data terpisah) sebelum model yang telah
dimodifikasi tersebut diterima. Model modifikasi dapat diukur
menggunakan modification indices yang nilainya > 3,84
(Ghozali, 2014).
6. Uji Hipotesis
a. Pengaruh Langsung
Pengujian pengaruh langsung antar variabel satu ke
variabel lain dengan kriteria nilai signifikansi α < 0,05
maka hipotesis tersebut diterima, begitu pula sebaliknya.
22
b. Pengaruh Tidak Langsung
Pengaruh variabel intervening diuji dengan prosedur yang
dikembangkan oleh Sobel (1982) atau yang lebih dikenal
dengan Uji Sobel dengan rumus sebagai beriku (Ghozali,
2011) :
𝑆𝑎𝑏 = √𝑏2𝑆𝑎2 + 𝑎2𝑆𝑏
2 + 𝑆𝑎2𝑆𝑏
2
Keterangan :
Sab : standar eror tidak langsung
a : koefisien korelasi X Z
b : koefisien korelasi Z Y
ab : hasil perkalian koefisien korelasi X Z
dengan koefisien korelasi Z Y
Sa : standar eror koefisien a
Sb : standar eror koefisien b
D. HASIL DAN PEMBAHASAN
1. Gambaran Umum Penelitian
Populasi dalam penelitian ini adalah seluruh Bank Umum yang terdaftar di
Bursa Efek Indonesia pada tahun 2012 – 2018 yang berjumlah 81 bank.
Berdasarkan keseluruhan populasi bank tersebut hanya 23 bank yang memenuhi
kriteria sampel penelitian. Hal ini dikarenakan bank dengan BUKU 1, 2, dan 3
sangatlah terbatas, sehingga hanya menyisakan 23 bank yang dapat dijadikan
sebagai sampel dengan periode laporan keuangan tahun 2012-2018.
2. Analisis Statistik Deskriptif
Analisis deskriptif pada penelitian ini dilakukan untuk menjelaskan variabel
penelitian dengan menyajikan ukuran numerik berupa nilai minimum, nilai
maksimum, mean, dan standar deviasi masing masing variabel. Hasil uji deskriptif
adalah berikut ini :
23
Tabel 4.1 Uji Deskriptif
Variabel Indikator N Min Max Mean Std. Deviasi Harga Saham 138 50 2622,5 774,98 591,02 Financial Distress
138 0 1 0,36 0,480
EPS 138 -74,75 281 68,12 72,42
RGEC NPL 138 0,03 6,71 2,55 1,63 NIM 138 0,93 7,96 4,66 1,48 CAR 138 9,33 30,90 18,23 4,66
Sumber : Hasil olah data SPSS 18
a. Harga Saham
Harga saham yang dicerminkan oleh harga saham penutupan tahunan (closing
price) memiliki nilai maksimum sebesar Rp 2.622,5 dan nilai minimum
sebesar Rp 50. Sampel data yang memiliki nilai maksimum adalah BTPN
tahun 2016 dan nilai minimum dimiliki BEKS tahun 2018. Menurut OJK,
batasan harga saham terendah untuk diperdagangkan di pasar reguler adalah
Rp 50 per lembar, artinya data pada sampel ini dikatakan memenuhi standar
industri harga saham.
b. Financial Distress
Penelitian ini menggunakan skala ordinal variabel financial distress dengan
memberikan nilai 0 untuk bank sehat dan nilai 1 untuk bank yang mengalami
kondisi financial distress, sehingga nilai minimim adalah 0 dan nilai
maksimum adalah 1. Variabel ini dianalisis menggunakan bantuan Excel untuk
mengetahui kondisi keuangan bank yang tidak sehat dan biasanya terjadi
sebelum adanya kebangkrutan bank. Dari hasil analisis yang telah dilakukan
terdapat 89 sampel dengan nilai 0 yang artinya sehat, dan 49 yang tidak sehat.
c. EPS
EPS dalam penelitian ini sebagai kemampuan per lembar saham dalam
menghasilkan laba. Nilai maksimum untuk variabel EPS adalah 281 yang
dimiliki oleh bank BDMN tahun 2016 dan nilai minimum sebesar -74,75
dimiliki oleh BKSW tahun 2015.
24
d. RGEC
Variabel RGEC dicerminkan oleh tiga indikator meliputi NPL, NIM,
dan CAR. Indikator NPL memiliki nilai maksimum sebesar 6,71 yang dimiliki
oleh BEKS tahun 2018 dengan nilai minimum 0,03 yang dimiliki oleh BCIC
tahun 2016. Menurut Peraturan Bank Indonesia Nomor 15/2/PBI/2013
menyatakan bahwa tingkat rasio NPL maksimum adalah 5%, artinya terdapat
sampel yang melebihi ketentuan tersebut sehingga potensi kredit bermasalah
cukup tinggi.
Indikator NIM memiliki nilai maksimum sebesar 7,96 yang dimiliki
oleh BJBR tahun 2013 dengan nilai minimum 0,93 yang dimiliki oleh BCIC
tahun 2015. Indikator CAR memiliki nilai maksimum sebesar 30,90 yang
dimiliki oleh BDMN tahun 2016 dengan nilai minimum 9,33 yang dimiliki
oleh BMAS tahun 2015.Peraturan Bank Indonesia Nomor 15/12/PBI/2013
menyatakan bahwa jumlah paling rendah modal minimum bank umum sebesar
9%-10% dari ATMR untuk bank profil risiko peringkat 2.
3. Uji Asumsi SEM
Pengujian dalam penelitian ini menggunakan Structural Equation Modeling
(SEM) dengan alat uji statistik parametrik Covariance Based SEM (AMOS).
Berikut adalah hasil pengujian data yang dilakukan.
1. Kecukupan Sampel
Jumlah perusahaan yang digunakan dalam penelitian ini yang dinilai
telah memenuhi kriteria sampel sejumlah 23 bank. Jumlah sampel minimal
yang disyaratkan untuk penelitian yang menggunakan SEM AMOS adalah
sebesar 100-200 sampel untuk metode Maximum Likelihood (ML) dengan
asumsi normalitas dipenuhi. Penelitian ini menggunakan data bank dari tahun
2012-2018 yang didapat sebanyak 161 data yang kemudian dilakukan outlier
dan menyisakan sebanyak 138 data, sehingga penelitian ini sudah memenuhi
jumlah minimum yang disyaratkan.
25
2. Uji Normalitas
Syarat berikutnya yaitu normalitas data. Nilai kritis untuk c.r dari skewness dan
kurtosis dibawah ± 2,58 (Bagozzi & Baumgartner, 1994).
Tabel 4. 2 Hasil Uji Normalitas
Variabel Min Max Skew C.R Kurtosis C.R
EPS -74,75 281 0,673 3,237 -0,260 -0,626 Financial Distress
0 1 0,585 2,814 -1,658 -3,991
NPL 0,03 6,71 0,360 1,735 -0,649 -1,562 NIM 0,93 7,96 -0,153 -0,737 -0,133 -0,320 CAR 9,33 30,90 0,499 2,402 -0,199 -0,478 Harga Saham
50 2622,50 0,930 4,477 0,149 0,359
Multivariate -1,194 -0,718 Sumber : Hasil olah data AMOS
Tabel 4.2 menunjukkan bahwa pengujian normalitas data pada penelitian ini
dinyatakan baik secara univariate maupun multivariate yang ditunjukkan nilai
c.r yang tidak lebih dari ± 2,58 sehingga data terdistribusi normal (Byrne,
2001).
3. Uji Outliers
Outliers dapat dievaluasi dengan menganalisis data terhadap univariate
outliers dan multivariate outliers (Kline, 2004).
a. Univariate Outliers
Uji outliers ini dilakukan per konstruk variabel dengan bantuan aplikasi
SPSS 18 dengan syarat data yang memiliki nilai z-score ≥ 3 dikategorikan
sebagai data outliers (Hair, 2006). Hasil pengujian univariate outliers
ditunjukkan pada tabel 4.3 berikut ini :
Tabel 4.3 Hasil Uji Univariate Outliers
N Minimum Maksimum
Zscore (EPS) 139 -1,97298 2,93964 Zscore (NPL) 139 -1,54093 2,54761 Zscore (NIM) 139 -2,52248 2,23609 Zscore (CAR) 139 -1,91092 2,71840 Zscore (FinancialDistress) 139 -0,74683 1,32936 Zscore (HargaSaham) 139 -1,22666 2,60284
26
Valid N (listwisse) 139 Sumber : Hasil olah data SPSS 18
Berdasarkan tabel 4.3 dapat disimpulkan bahwa tidak ada satupun nilai z-
score yang lebih besar dari 3 sehingga model penelitian dinyatakan tidak
terdapat univariate outliers.
b. Multivariate Outliers
Univariate outliers tidak menjamin data terbebas dari multivariate outliers.
Outliers ini dapat diuji menggunakan statistik mahalanobis distance yang
merupakan alat statistik untuk menguji jarak antara skor setiap observasi
dengan rata-rata sampel. Data Uji Multivariate Outliers pada penelitian ini
dapat dilihat pada lampiran 7. Hasil menunjukkan bahwa data sudah bebas
dari outliers karena memiliki nilai probabilitas >0,05. Menurut Byrne
(2001) p1 selalu diharapkan kecil sedangkan p2 diharapkan besar (>0,05)
karena p2 menunjukkan kemungkinan jarak terjauh suatu observasi dari
rata-rata sampel.
4. Analisis Data
Penelitian ini menggunakan analisis jalur atau path analysis dengan bantuan
program AMOS 21. Analisis ini digunakan karena pada model penelitian ini untuk
menguji hubungan antar variabel yang mana terdapat variabel intervening.
Gambar 4.1 Hasil Estimasi Analisis Jalur
27
a. Uji CFA (Confirmatory Factor Analysis)
Indikator yang mampu membentuk konstruk diukur dari besar kecilnya bobot
faktor koefisien, yang minimal harus mencapai >0.5 untuk dianggap layak
mencerminkan variabelnya (Hair, 1998).
Tabel 4.4 Uji CFA variabel RGEC
Tahap 1 Tahap 2 Keterangan
RGEC
NPL -0,57 -0,54 Layak NIM 0,69 0,63 Layak CAR 0,48 0,52 Layak LDR 0,15 - Dihapus GCG -0,21 - Dihapus ROA 0,72 - Dihapus
Sumber : Hasil olah data AMOS
Berdasarkan tabel 4.4 dapat diketahui bahwa dari 6 indikator RGEC ada
indikator yang dihapus karena setelah pengujian yang dilakukan hanya NPL,
NIM, dan CAR yang mencerminkan variabel RGEC. LDR dan GCG tidak
mampu memenuhi bobot faktor, sedangkan ROA memiliki bobot faktor yang
besar dan mampu berdiri sendiri, sehingga saat digabungkan dengan indikator
lain akan memperburuk hasil. Hal ini juga didukung oleh penelitian yang
dilakukan oleh Haryati and Kristijadi (2014).
Sumber : Hasil Output AMOS
28
b. Model Persamaan Struktural
Persamaan struktural merupakan persamaan yang dirumuskan untuk
menyatakan hubungan kausalitas antar berbagai konstruk.
Tabel 4.5 Evaluasi Paramater Estimasi
Estimate SE CR P Keterangan Financial DistressEPS
-0,408 0,001 -2,319 0,020 Signifikan
Financial DistressRGEC
-0,286 0,042 -1,346 0,178 Tidak Signifikan
Harga SahamEPS 0,342 1,124 2,485 0,013 Signifikan Harga SahamFinancial Distress
-0,252 89,576 -3,450 *** Signifikan
Harga SahamRGEC
0,372 44,668 2,035 0,042 Signifikan
Sumber: Olah data AMOS
Model persamaan struktural yang terbentuk antar variabel berdasarkan
analisis jalur yang telah dilakukan adalah sebagai berikut :
1) Pengaruh EPS, RGEC dan Financial Distress terhadap Harga Saham
Persamaan yang terbentuk dari pengaruh antara EPS, RGEC dan financial
distress terhadap harga saham adalah sebagai berikut:
Harga Saham = 0,372RGEC + 0,342EPS– 0,252Financial Distress + ζ2
Berdasarkan persamaan tersebut dapat diketahui bahwa terdapat
pengaruh positif antara variabel EPS dan RGEC terhadap harga saham,
artinya semakin tinggi EPS dan RGEC maka akan semakin tinggi pula
harga saham. Hal yang berbeda dengan Financial Distress yang memiliki
pengaruh negatif terhadap harga saham, artinya jika financial distress
meningkat maka harga saham akan menurun. Apabila EPS meningkat 1
satuan maka harga saham akan meningkat sebesar 0,342 dan jika RGEC
yang meningkat 1 satuan maka harga saham akan meningkat sebesar
0,372. Untuk variabel financial distress meningkat 1 satuan maka harga
saham akan menurun sebesar 0,252.
29
2) Pengaruh RGEC dan EPS terhadap Financial Distress
Persamaan yang terbentuk dari pengaruh RGEC dan EPS terhadap
financial distress adalah sebagai berikut:
Financial Distress = -0,286RGEC– 0,408 EPS+ ζ1
Berdasarkan persamaan tersebut dapat diketahui bahwa terdapat
pengaruh negatif antara variabel RGEC dan EPS terhadap financial
distress, yang artinya semakin tinggi RGEC dan EPS maka financial
distress akan menurun. Apabila RGEC meningkat 1 satuan maka
financial distress akan menurun sebesar 0,286 dan jika EPS meningkat 1
satuan maka financial distress akan menurun sebesar 0,408.
c. Menilai Kriteria Goodness of Fit
Berdasarkan analisis menggunakan AMOS diperoleh hasil seperti pada tabel
4.6 berikut ini :
Tabel 4.6 Hasil Goodness of Fit
Sumber : Olah data AMOS
Berdasarkan tabel 4.6 dapat disimpulkan bahwa uji kesesuaian model diterima
dengan baik memenuhi kriteria Goodness of Fit.
Goodness of Fit Indexs Cut off Value Hasil Evaluasi
Chi-Square Diharapkan kecil Df = 6 nilai kritis = 12,5916
6,364 Good Fit
Significancy probability ≥ 0,05 0,384 Good Fit RMSEA ≤ 0,08 0,021 Good Fit GFI ≥ 0,90 0,985 Good Fit AGFI ≥ 0,90 0,948 Good Fit CMIN/DF ≤ 2,00 1,061 Good Fit TLI ≥ 0,90 0,997 Good Fit CFI ≥ 0,90 0,999 Good Fit
30
d. Uji Hipotesis
Pengambilan keputusan untuk pengujian hipotesis pada penelitian ini
menggunakan hasil analisis data dari pengaruh langsung antar variabel yang
dapat dilihat pada evaluasi parameter estimasi pada tabel 4.5.
H1 : RGEC berpengaruh negatif terhadap Financial Distress
Pengujian pengaruh langsung RGEC terhadap financial distress diperoleh hasil
tidak signifikan yang ditunjukkan dengan CR sebesar 1,346 yang tidak
memenuhi syarat yaitu > 2,00 dan nilai p sebesar 0,178 yang tidak memenuhi
syarat < 0,05. Dengan demikian dapat disimpulkan bahwa hipotesis 1 ditolak,
yaitu RGEC tidak berpengaruh terhadap financial distress.
H2 : EPS berpengaruh negatif terhadap Financial Distress
Pengujian pengaruh langsung EPS terhadap financial distress diperoleh hasil
signifikan yang ditunjukkan dengan CR sebesar 2,319 yang memenuhi syarat
yaitu > 2,00 dan nilai p sebesar 0,020 yang memenuhi syarat < 0,05. Nilai
estimate sebesar -0,408 yang artinya terdapat pengaruh negatif antara EPS dan
financial distress, semakin tinggi EPS maka financial distress akan menurun.
Dengan demikian dapat disimpulkan bahwa hipotesis 2 diterima, yaitu EPS
berpengaruh negatif terhadap financial distress.
H3 : Financial Distress berpengaruh negatif terhadap Harga Saham
Pengujian pengaruh langsung financial distress terhadap harga saham
diperoleh hasil signifikan yang ditunjukkan dengan CR sebesar 3,450 yang
memenuhi syarat yaitu > 2,00 dan nilai p sebesar 0,000 yang memenuhi syarat
< 0,05. Nilai estimate sebesar -0,252 yang artinya terdapat pengaruh negatif
antara financial distress dan harga saham, semakin rendah financial distress
maka harga saham akan meningkat Dengan demikian dapat disimpulkan
bahwa hipotesis 3 diterima, yaitu financial distress berpengaruh negatif
terhadap harga saham.
H4 : RGEC berpengaruh positif terhadap Harga Saham
Pengujian pengaruh langsung EPS terhadap financial distress diperoleh hasil
signifikan yang ditunjukkan dengan CR sebesar 2,319 yang memenuhi syarat
31
yaitu > 2,00 dan nilai p sebesar 0,020 yang memenuhi syarat < 0,05. Nilai
estimate sebesar 0,372 yang artinya terdapat pengaruh positif antara RGEC dan
harga saham, semakin tinggi RGEC maka harga saham akan tinggi juga.
Dengan demikian dapat disimpulkan bahwa hipotesis 4 diterima, yaitu RGEC
berpengaruh positif terhadap harga saham.
H5 : EPS berpengaruh terhadap Harga Saham
Pengujian pengaruh langsung EPS terhadap harga saham diperoleh hasil
signifikan yang ditunjukkan dengan CR sebesar 2,485 yang memenuhi syarat
yaitu > 2,00 dan nilai p sebesar 0,013 yang memenuhi syarat < 0,05. Nilai
estimate sebesar 0,342 yang artinya terdapat pengaruh positif antara EPS dan
harga saham, semakin tinggi EPS maka semakin tinggi harga sahamnya.
Dengan demikian dapat disimpulkan bahwa hipotesis 5 diterima, yaitu EPS
berpengaruh positif terhadap harga saham.
H6 : RGEC berpengaruh terhadap Harga Saham dengan Financial
Distress sebagai variabel intervening
Salah satu kelemahan AMOS apabila dibandingkan dengan program SEM
lainnya adalah tidak dapat diketahui signifikansi peranan tidak langsung
(indirect effect) sehingga pengujian pengaruh tidak langsung pada penelitian
ini menggunakan bantuan Uji Sobel. Berikut adalah hasil pengujiannya dapat
dilihat pada tabel 4.7 di bawah ini.
Tabel 4.7 Hasil Uji Hipotesis Pengaruh Tidak Langsung
Hipotesis Test statistic
Std.eror p-value Ket
RGEC→ Financial Distress→ Harga Saham
0,00281325 25,61873819 0,99775535 Tidak Signifikan
EPS→ Financial Distress→ Harga Saham
0,00281325 36,547008 0,99775535 Tidak Signifikan
Sumber : Data diolah, 2020
Berdasarkan tabel 4.7 yang menguji pengaruh tidak langsung antara RGEC
terhadap harga saham melalui financial distress diperoleh hasil bahwa
32
financial distress dinilai tidak memediasi hubungan antara RGEC terhadap
harga saham dalam pengembangan penelitian. Hal ini ditunjukkan oleh nilai p-
value sebesar 0,998>0,05 yang artinya tidak signifikan.
H7: EPS berpengaruh terhadap Harga Saham dengan Financial Distress
sebagai variabel intervening
Berdasarkan tabel 4.7 dapat diketahui bahwa nilai p-value dari pengaruh EPS
terhadap harga saham dengan financial distress sebagai variabel mediasi
menunjukkan angka 0,110>0,05 yang artinya tidak signifikan. Hal ini
menunjukkan bahwa variabel financial distress tidak dapat memediasi
hubungan antara EPS dan harga saham dalam pengembangan penelitian ini.
5. Pembahasan
Pembahasan dalam penelitian ini didasari oleh hasil pengujian hipotesis yang telah
dilakukan. Adapun pembahasan penelitian adalah sebagai berikut:
1. Pengaruh RGEC terhadap Financial Distress
Berdasarkan hasil uji hipotesis yang telah dilakukan terkait hubungan
RGEC dengan financial distress menunjukkan hasil tidak signifikan yang
artinya RGEC tidak berpengaruh terhadap financial distress. Hal ini selaras
dengan penelitian yang dilakukan oleh Sadida (2018) dan Andari and
Wiksuana (2017). Perbedaan hasil dikarenakan banyak indikator yang dapat
digunakan dalam mengukur RGEC pada perbankan, dalam penelitian ini hanya
menggunakan NPL, NIM, dan CAR.
Pada tingkat NPL, bank tidak hanya menyalurkan kredit kepada pihak
ketiga atau masyarakat, namun sebagian besar juga disalurkan pada bank lain
yang membutuhkan dana sehingga NPL yang tinggi tidak menyebabkan bank
mengalami financial distress. Penurunan nilai NIM lebih rendah dari nilai NIM
yang mengalami peningkatan sehingga probabilitas terjadinya financial
distress semakin rendah. Artinya pendapatan bunga atas pengelolaan aktiva
produktif semakin berkurang. CAR juga tidak mampu digunakan untuk
memprediksi kondisi financial distress disebabkan apabila perbankan
33
mengalami kerugian namun struktur modalnya tetap terjaga dengan baik maka
akan mempunyai nilai CAR yang tinggi meskipun sedang rugi.
2. Pengaruh EPS terhadap Financial Distress
Berdasarkan hasil uji hipotesis yang telah dilakukan terkait hubungan
EPS dengan financial distress menunjukkan bahwa terdapat pengaruh negatif
dan signifikan. Hasil tersebut diperkuat dengan penelitian terdahulu yang
dilakukan oleh Santosa (2017) dan Sagala (2015) yang menyatakan bahwa
tingkat EPS merupakan cerminan untuk melihat tingkat pertumbuhan
perusahaan secara keuangan.
Perbankan yang memiliki EPS negatif dalam beberapa periode artinya
prospek earning dan pertumbuhan perbankan tersebut tidak baik, sehingga
kurang menarik bagi para investor. Kondisi ini menjadikan perbankan akan
sulit mendapatkan dana dari pihak luar dikarenakan pendapatan yang negatif,
sehingga akan berdampak pada kemungkinan terjadinya kesulitan keuangan
(financial distress). Artinya terdapat hubungan terbalik antara EPS dan
financial distress, nilai EPS yang tinggi maka probabilitas kebangkrutan akan
mengecil, begitu pula sebaliknya.
3. Pengaruh Financial Distress terhadap Harga Saham
Berdasarkan hasil uji hipotesis yang telah dilakukan terkait hubungan
financial distress terhadap harga saham menunjukkan bahwa terdapat
pengaruh negatif dan signifikan. Hasil tersebut diperkuat dengan penelitian
terdahulu yang dilakukan oleh Parenrengi and Permata (2018), Purwanda and
Yuniarti (2014), serta Wawo and Nirwana (2020).
Kondisi keuangan perbankan sangat erat kaitannya dengan harga
saham. Perbankan yang mengalami financial distress atau masalah keuangan
maka harga saham akan cenderung mengalami penurunan. Hal ini dikarenakan
kondisi financial distress merupakan cerminan bahwa perusahaan berada
dalam kondisi yang tidak baik sehingga pasar merespon sebagai informasi
negatif yang harga saham menurun. Hal ini sejalan dengan teori signaling yang
34
menyatakan bahwa signal negatif akan mengakibatkan penurunan harga
saham.
4. Pengaruh RGEC terhadap Harga Saham
Berdasarkan hasil uji hipotesis yang telah dilakukan terkait hubungan
RGEC terhadap harga saham menunjukkan bahwa terdapat pengaruh positif
dan signifikan. Hasil tersebut diperkuat dengan penelitian terdahulu yang
dilakukan olehIndiani dan Dewi (2016), Hendrayana (2015), dan Febiola
(2019). RGEC sebagai gambaran tingkat kesehatan bank yang diproksikan
oleh 3 indikator yaitu NPL, NIM, dan CAR terbukti mampu mempengaruhi
harga saham.
Rasio NPL yang semakin tinggi menandakan bahwa resiko yang
ditanggug semakin tinggi, sehingga kepercayaan investor akan menurun
karena dianggap tidak mampu mengelola kegiatan operasionalnya dengan
baik. Hal ini akan berdampak pada penurunan harga saham (Kusumawati,
2013). NIM selalu berkaitan dengan pendapatan bunga bersih, apabila nilai
NIM yang tinggi akan mengakibatkan adanya peningkatan laba sehingga
berpengaruh terhadap kenaikan harga saham.
CAR yang semakin tinggi menandakan bahwa perusahaan mampu
menjamin pengembalian dana investor yang telah diinvestasikan sehingga
kepercayaan investor terhadap perusahaan menjadikan terjaganya harga
saham. Pada perbankan yang mana dananya diperoleh dari dana penyertaan
pihak ketiga atau investor maka penjaminan atas dana yang masuk menjadi
fokus utama para investor. RGEC secara keseluruhan akan mempengaruhi
harga saham karena berkaitan dengan kondisi kesehatan suatu bank dan
mampu atau tidaknya bank tersebut memenuhi kewajibannya dengan baik
sesuai peraturan perbankan yang berlaku.
5. Pengaruh EPS terhadap Harga Saham
Berdasarkan hasil uji hipotesis yang telah dilakukan terkait hubungan
EPS terhadap harga saham menunjukkan bahwa terdapat pengaruh positif dan
signifikan. Hasil tersebut diperkuat dengan penelitian terdahulu yang
35
dilakukan oleh Khairani (2016), Pratama and Erawati (2014) dan Sitorus
(2020). EPS adalah salah satu variabel yang berpengaruh terhadap harga
saham, karena dapat menjadi sinyal yang positif bagi para investor.
EPS yang semakin tinggi menunjukkan bahwa jumlah laba yang akan
dibagikan pada invetor akan semakin besar. Hal ini akan menjadi perhatian
investor untuk membeli saham tersebut, sehingga permintaan akan saham yang
bersangkutan akan semakin tinggi yang akan berdampak pada meningkatnya
harga saham.
6. Pengaruh RGEC terhadap Harga Saham dengan Financial Distress sebagai
variabel intervening
Berdasarkan pengujian mediasi yang telah dilakukan, hasil
menunjukkan bahwa variabel Financial Distress tidak dapat memediasi
pengaruh RGEC terhadap harga saham. Pengaruh RGEC secara langsung lebih
besar daripada pengaruh tidak langsung yang melalui financial distress,
sehingga dapat disimpulkan bahwa financial distress tidak dapat memediasi
pengaruh RGEC terhadap harga saham dalam pengembangan penelitian
terbaru ini.
7. Pengaruh EPS terhadap Harga Saham dengan Financial Distress sebagai
variabel intervening
Hasil penelitian menunjukkan bahwa variabel financial distress tidak
dapat memediasi hubungan antara EPS dan harga saham. Berdasarkan hasil
penelitian ini, EPS secara langsung berpengaruh terhadap harga saham.
Pengaruh secara langsung tersebut lebih besar daripada pengaruh tidak
langsung yang melalui financial distress, sehingga dapat disimpulkan bahwa
financial distress tidak dapat memediasi pengaruh EPS terhadap harga saham
dalam pengembangan penelitian terbaru ini.
E. KESIMPULAN DAN SARAN
1. Kesimpulan
Berdasarkan penelitian yang dilakukan maka dapat disimpulkan bahwa:
36
a. Tingkat kesehatan bank yang diukur oleh RGEC tidak berpengaruh
terhadap financial distress. Hal ini dikarenakan indikator yang digunakan
sebagai proksi RGEC tidak mampu mempengaruhi kondisi kesulitan
keuangan suatu perbankan.
b. Tingkat pertumbuhan yang diukur dengan EPS memiliki pengaruh
negatif terhadap financial distress. Nilai EPS yang tinggi maka
probabilitas kebangkrutan akan semakin mengecil.
c. Kondisi financial distress berpengaruh negatif terhadap harga saham.
Perbankan yang mengalami financial distress atau masalah keuangan
maka harga saham akan cenderung mengalami penurunan karena
dianggap sebagai sinyal negatif.
d. RGEC berpengaruh positif terhadap harga saham. Perbankan yang
memiliki tingkat kesehatan yang baik maka akan memiliki daya tarik bagi
investor sehingga harga sahamnya akan tinggi.
e. EPS berpengaruh positif terhadap harga saham. Besarnya jumlah laba
yang akan dibagikan pada invetor akan berdampak pada meningkatnya
harga saham.
f. Financial Distress tidak mampu memediasi pengaruh RGEC terhadap
harga saham. Pengaruh RGEC secara langsung lebih besar daripada
pengaruh tidak langsung yang melalui financial distress.
g. Financial Distress tidak mampu mengintervening pengaruh EPS terhadap
harga saham. Pengaruh EPS secara langsung tersebut lebih besar daripada
pengaruh tidak langsung yang melalui financial distress.
2. Saran
a. Bagi calon investor yang akan berinvestasi pada saham, sebelum
melakukan transaksi pembelian agar terlebih dahulu melakukan penilaian
terhadap kesehatan dan laba per lembar saham pada perbankan yang
bersangkutan agar risiko investasi dapat diminimalisir
b. Penelitian ini hanya terfokus pada perbankan buku 1, buku 2, buku 3 dan
menghasilkan sampel yang sedikit dalam proses generalisasi, sehingga
37
penelitian selanjutnya diharapkan dapat menggunakan ukuran sampel
yang lebih besar.
c. Indikator Good Corporate Governance (GCG) dengan nilai komposit
belum bisa mencerminkan variabel RGEC, sehingga penelitian
selanjutnya diharapkan menggunakan ukuran GCG yang lain, seperti:
ukuran dewan direksi, ukuran dewan komisaris.
d. Variabel yang dijadikan sebagai variabel intervening pada penelitian ini
masih belum mampu terbukti memediasi, sehingga dapat dilakukan
pengujian kembali ataupun menggati variabel intervening karena masih
banyak variabel yang dapat mempengaruhi harga saham, misalnya
struktur modal atau profitabilitas.
38
DAFTAR PUSTAKA
Andari, N. M. M., & Wiksuana, I. G. B. (2017). RGEC SEBAGAI DETERMINASI DALAM
MENANGGULANGI FINANCIAL DISTRESS PADA PERUSAHAAN PERBANKAN DI BURSA EFEK INDONESIA. E-Jurnal Manajemen Unud, 6 No. 1, 116-145.
Andriawan, N. F., & Salean, D. (2016). ANALISIS METODE ALTMAN Z-SCORE SEBAGAI ALAT PREDIKSI KEBANGKRUTAN DAN PENGARUHNYA TERHADAP HARGA SAHAM PADA PERUSAHAAN FARMASI YANG TERDAFTAR DI BURSA EFEK INDONESIA. JURNAL EKONOMI AKUNTANSI, 1 No. 1, 67-82.
BI. (2011). PERATURAN BANK INDONESIA NOMOR: 13/ 1 /PBI/2011 TENTANG PENILAIAN TINGKAT KESEHATAN BANK UMUM.
Brigham, & Houston. (2009). Dasar-dasar Manajemen Keuangan, Buku Satu,Edisi Kesepuluh. Jakarta: Salemba Empat.
Byrne, B. M. (2001). Structural Equation Modeling With AMOS, EQS, and LISREL: Comparative Approaches to Testing for the Factorial Validity of a Measuring Instrument. INTERNATIONAL JOURNAL OF TESTING, 1(1), 55–86.
Cahyani, D. M., & Diantini, N. N. A. (2016). PERANAN GOOD CORPORATE GOVERNANCE DALAM MEMPREDIKSI FINANCIAL DISTRESS. Jurnal Manajemen, Strategi Bisnis dan Kewirausahaan, Vol. 10, No. 2.
Chen, H.-H. (2008). The Timescale Effects of Corporate Governance Measure on Predicting Financial Distress. Review of Pacific Basin Financial Markets and Policies, Vol. 11, No. 1, 35-46.
Dina, P., & Suaryana, I. G. N. A. (2013). PENGARUH EPS, DER, DAN PBV TERHADAP HARGA SAHAM. E-Jurnal Akuntansi Universitas Udayana, 4.1.
Endraswati, H., & Novianti, A. (2015). Pengaruh Rasio Keuangan dan Harga Saham dengan EPS sebagai Variabel Moderasi pada Perusahaan Manufaktur yang Terdaftar di DES. Muqtasid, Volume 6, Nomor 1.
Farida Shinta Dewi, R. A., Rita Andini. (2016). ANALYSIS OF EFFECT OF CAR, ROA, LDR, COMPANY SIZE, NPL, AND GCG TO BANK PROFITABILITY (CASE STUDY ON BANKING COMPANIES LISTED IN BEI PERIOD 2010-2013). Journal Of Accounting, 2(2).
Febiola, d. (2019). Pengaruh Tingkat Kesehatan Perbankan terhadap Harga Saham Perusahaan Perbankan di BEI Tahun 2008-2017. Perspektif Akuntansi, 2 No. 3, 211-236. doi: https://doi.org/10.24246/persi.v1i2.p211-236http://ejournal.uksw.edu/persi
Ferdinand, A. (2002). Structural Equation Modeling dalam Penelitian Manajemen Aplikasi Model-Model Rumit dalam Penelitian untuk Tesis Magister & Disertasi Doktor. Semarang: Fakultas Ekonomi Undip.
Fitrawati. (2016). PENERAPAN PENDEKATAN RGEC (RISK PROFILE, GOOD CORPORATE GOVERNANCE, EARNING DAN CAPITAL) DALAM MENGANALISIS KINERJA BANK UNTUK MENGETAHUI TINGKAT KESEHATAN BANK (Studi kasus PT. Bank Tabungan Negara Persero) Tbk. Periode 2013-2015). Jurnal Administrasi Bisnis (JAB), 37 No. 1.
Gebreslassie, E. (2015). Determinants of Financial Distress Conditions of Commercial Banks in Ethiopia: A Case study of Selected Private Commercial Banks. Journal of Poverty, Investment and Development, 13.
39
Ghozali, I. (2014). MODEL PERSAMAAN STRUKTURAL KONSEP DAN APLIKASI DENGAN PROGRAM AMOS 22.0. Semarang: Badan Penerbit Universitas Diponegoro.
Ginting, D. B. (2009). STRUCTURAL EQUATION MODEL (SEM). Media Informatika, 8(3).
Hair, J. F. (2006). Multivariate Data Analysis Edisi 5. Jakarta: Gramedia Pustaka Utama. Haq, H. I., & Harto, P. (2019). PENGARUH TINGKAT KESEHATAN BANK BERBASIS
RGEC TERHADAP FINANCIAL DISTRESS (Studi pada Perusahaan perbankan yang terdaftar di BEI tahun 2015-2017). DIPONEGORO JOURNAL OF ACCOUNTING, 8 (3).
Haryati, S., & Kristijadi, E. (2014). THE EFFECT OF GCG IMPLEMENTATION AND RISK PROFILE ON FINANCIAL PERFORMANCE AT GO-PUBLIC NATIONAL COMMERCIAL BANKS. Journal of Indonesian Economy and Business, 29 No. 3, 237-250.
Indiani, N. P. L., & Dewi, S. K. S. (2016). PENGARUH VARIABEL TINGKAT KESEHATAN BANK TERHADAP HARGA SAHAM PERBANKAN DI BURSA EFEK INDONESIA. E-Jurnal Manajemen Unud, 5 No. 5, 2756-2785.
Irama, O. N. (2018). PENGARUH POTENSI KEBANGKRUTAN TERHADAP HARGA SAHAM PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA. Jurnal Bisnis Net, 1 No. 1.
Iskandar, B. A., & Laila, N. (2016). PENGARUH KOMPONEN RISK-BASED BANK RATING TERHADAP PROFITABILITAS BANK UMUM SYARIAH DI INDONESIA (PERIODE 2011–2014). Jurnal Ekonomi Syariah Teori dan Terapan, 2 No. 3, 173-186.
Khairani, I. (2016). Pengaruh Earning Per Share (EPS) dan Deviden Per Share terhadap Harga Saham Perusahaan Pertambangan yang Terdaftar di Bursa Efek Indonesia (BEI) Tahun 2011-2013. JURNAL MANAJEMEN DAN KEUANGAN, VOL.5, NO.1.
Kline. (2004). Principles and Practice of Structural Equation Modeling, 2nd edition. New York: Guilford Press.
Laksito, H. (2010). MEMPREDIKSI KESEHATAN BANK DENGAN RASIO CAMELS PADA BANK PERKREDITAN RAKYAT. Jurnal Keuangan dan Perbankan, 14(1), 156 – 167.
Luh Eprima Dewi, N. T. H. S., M.Pd.,Ak. Luh Gede Erni Sulindawati. SE.,M.Pd.,Ak. (2015). ANALISIS PENGARUH NIM, BOPO, LDR, DAN NPL TERHADAP PROFITABILITAS (Studi Kasus Pada Bank Umum Swasta Nasional Yang Terdaftar Pada Bursa Efek Indonesia Periode 2009-2013 ). e-Journal S1 Ak. Universitas Pendidikan Ganesha, 3(1).
Mandasari, J. (2015). ANALISIS KINERJA KEUANGAN DENGAN PENDEKATAN METODE RGEC PADA BANK BUMN PERIODE 2012-2013. eJournal Ilmu Administrasi Bisnis, 3 No. 2 363-374.
Maulida, I. S. (2018). Analisis Rasio Keuangan Untuk Memprediksi Financial Distress Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia 2014-2016. Jurnal Ilmiah Administrasi Bisnis dan Inovasi, 2 No. 1.
Medyawicesar, H. (2018). ANALISIS KOMPONEN TINGKAT KESEHATAN BANK TERHADAP HARGA SAHAM BANK UMUM SWASTA NASIONAL DEVISA YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE 2012-2016. Journal of Business Management Education, 3(1), 21-31.
Nariman, A. (2016). ANALISIS PREDIKSI KEBANGKRUTAN DAN HARGA SAHAM PADA PERUSAHAAN PERTAMBANGAN BATU BARA. JRAK, 2 No. 2.
40
Nicholas Apergis, J. S., Panagiotis Artikis, Vasilios Zisis. (2011). Bankruptcy Probability and Stock Prices: The Effect of Altman Z-Score Information on Stock Prices Through Panel Data. Journal of Modern Accounting and Auditing, 7 No. 7, 689-696.
Noviantari, E. (2017). PENGARUH TINGKAT KESEHATAN BANK DENGAN METODE RGEC (RIKS PROFILE, GOOD CORPORATE GOVERNANCE, EARNING, CAPITAL) TERHADAP RETURN SAHAM (Study Kasus Pada Bank Umum Swasta Nasional Devisa Yang Terdaftar Di Bursa Efek Indonesia Periode 2013-2015). e-journal S1 Ak Universitas Pendidikan Ganesha, 8 No. 2.
Nurjanti Takarini, U. H. P. (2013). DAMPAK TINGKAT KESEHATAN BANK TERHADAP PERUBAHAN HARGA SAHAM PADA PERUSAHAAN PERBANKAN YANG GO PUBLIC DI BURSA EFEK INDONESIA (BEI). NeO-Bis, 7(2).
Oktaryani, S. (2017). PENGARUH GOOD CORPORATE GOVERNANCE TERHADAP NILAI PERUSAHAAN DENGAN PROFITABILITAS SEBAGAI VARIABEL INTERVENING (Studi Pada Perusahaan Perbankan Di Bursa Efek Indonesia). Jurnal Ilmu Manajemen dan Bisnis, Vol. 5, No. 2, 45-58.
Paramita, R. W. D. (2014). TIMELINESS SEBAGAI VARIABEL INTERVENING UNTUK. WIGA, Vol. 4 No. 1.
Parenrengi, D. S., & Permata, I. S. (2018). Analysis Of Distress Financial Condition Toward Stock Price Of Manufacture Company In The Period Of 2012 – 2016. The International Journal of Engineering and Science (IJES), 7(10 Ver.III), PP 64-69. doi: 10.9790/1813-0710036469
Pradana, S. W. L., & Sanjaya, I. P. S. (2017). DAMPAK PROFITABILITAS, ALIRAN KAS BEBAS, DAN KESEMPATAN INVESTASI TERHADAP PEMBAYARAN DIVIDEN PERUSAHAAN PERBANKAN. Jurnal Keuangan dan Perbankan, 21(1), 113–124.
Prasanjaya, Y., & Ramantha, I. W. (2013). ANALISIS PENGARUH RASIO CAR, BOPO, LDR DAN UKURAN PERUSAHAAN TERHADAP PROFITABILITAS BANK YANG TERDAFTAR DI BEI. E-Jurnal Akuntansi Universitas Udayana, 4 No. 1, 230-245.
Pratama, A., & Erawati, T. (2014). PENGARUH CURRENT RATIO, DEBT TO EQUITY RATIO, RETURN ON EQUITY, NET PROFIT MARGIN DAN EARNING PER SHARE TERHADAP HARGA SAHAM (Study Kasus Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia Periode 2008 2011). Jurnal Akuntansi, VOL.2 NO.1.
Prianti, F. (2018). PENGARUH RGEC DAN VARIABEL MAKROEKONOMI TERHADAP BANKING DISTRESS DENGAN MENGGUNAKAN CD INDEKS DI INDONESIA. Jurnal Ilmu Manajemen, Volume 6 Nomor 3.
Pryanka J.V Polii, I. S., Yunita Mandagie. (2014). RASIO KEUANGAN PENGARUHNYA TERHADAP HARGA SAHAM PADA BANK UMUM SWASTA NASIONAL DEVISA YANG GO PUBLIC DI BURSA EFEK INDONESIA. Jurnal EMBA, 2 No. 2, 993-1004.
Purwanda, E., & Yuniarti, K. (2014). Pengujian Dampak Rasio Altman, DER, Dan Tingkat Suku Bunga Terhadap Harga Saham Perusahaan Sektor Pertambangan Di Bursa Efek Indonesia. Study and Accounting Research, XI No. 2.
Putu Wira Hendrayana, G. W. Y. (2015). PENGARUH KOMPONEN RGEC PADA PERUBAHAN HARGA SAHAM PERUSAHAAN PERBANKAN DI BURSA EFEK INDONESIA. E-Jurnal Akuntansi Universitas Udayana, 11 No. 1, 74-89.
Qoriah, N., & Nurdin. (2019). Analisis Model Rgec (Risk Profile, Good Corporate Governance, Earnings, And Capital) dalam Mengetahui Potensi Financial Distress
41
pada Bank Umum Syariah Periode 2012-2017. Prosiding Manajemen, Volume 5, No. 1.
Rahmah Febrina, D., M G Wi Endang NP. (2016). ANALISIS TINGKAT KESEHATAN BANK UMUM BERDASARKAN RISK PROFILE, GOOD CORPORATE GOVERNANCE, EARNING, DAN CAPITAL (Studi pada Bank Umum yang Terdaftar di Bursa Efek Indonesia Periode 2013-2015). Jurnal Administrasi Bisnis (JAB), 37 No. 1.
Rahmaniah, M., & Wibowo, H. (2015). ANALISIS POTENSI TERJADINYA FINANCIAL DISTRESS PADA BANK UMUM SYARIAH (BUS) DI INDONESIA. Jurnal Ekonomi dan Perbankan Syariah, 3 No. 1, 1-20.
Rosyidi, A. H. (2020). BENARKAH FINANCIAL DISTRESS MEMODERASI PENGARUH DARI KINERJA KEUANGAN DAN RESIKO SISTEMATIK TERHADAP HARGA SAHAM PADA PERUSAHAAN BIDANG KONSTRUKSI YANG TERDAFTAR BURSA EFEK INDONESIA. Prosiding Seminar Nasional Pakar ke 3.
Rotinsulu, D. P. (2015). THE ANALYZE OF RISK-BASED BANK RATING METHOD ON BANK’S PROFITABILITY IN STATE-OWNED BANKS. Jurnal EMBA, 3(1), 95-106.
Roykhan, U. (2012). PREDIKSI KEBANGKRUTAN MENGGUNAKAN METODE Z-SCORE DAN PENGARUHNYA TERHADAP HARGA SAHAM PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA. Jurnal Akuntansi dan Ekonomi Bisnis, 1 No. 2.
Rusli, A., & Dasar, T. (2014). PENGARUH RASIO KEUANGAN TERHADAP HARGA SAHAM PADA PERUSAHAAN BUMN PERBANKAN YANG TERDAFTAR DI BURSA EFEK INDONESIA. Jurnal Akuntansi, 1 No. 2, 10-17.
Sadida, B. D. (2018). RISK PROFILE, GOOD CORPORATE GOVERNANCE, EARNINGS, AND CAPITAL (RGEC) SEBAGAI PREDIKTOR TERHADAP KONDISI FINANCIAL DISTRESS PADA PERUSAHAAN PERBANKAN. Jurnal Manajemen Bisnis Indonesia Edisi 4.
Sagala, L. (2015). Pengaruh Rasio Keuangan Dalam Memprediksi Potensi Kebangkrutan Pada Perusahaan Customer Goods Yang Terdaftar Di Bursa Efek Indonesia. Jurnal Manajemen dan Bisnis, 15 No. 1, 70-82.
Santosa, H. P. (2017). PENGARUH CORPORATE GOVERNANCE DAN RASIO KEUANGAN TERHADAP FINANCIAL DISTRESS PADA PERUSAHAAN MANUFAKTUR YANG TERDAFTAR DI BURSA EFEK INDONESIA TAHUN 2010-2012. Majalah Ekonomi, XXII.
Sitorus, d. (2020). Pengaruh CR (Current Ratio), DER (Debt to Equity Ratio), EPS (Earning Per Share) dan Financial Distress (Altman Score) Terhadap Harga Saham Pada Perusahaan Sektor Industri Dasar dan Kimia Yang Terdaftar Di Bursa Efek Indonesia. Owner Riset&Jurnal Akuntansi, 4 No. 1, 1-15. doi: https://doi.org/10.33395/owner.v4i1.176
Sofiasani, G., & Gautama, B. P. (2016). Pengaruh CAMEL Terhadap Financial Distress Pada Sektor Perbankan Indonesia Periode 2009-2013. Journal of Business Management and Enterpreneurship Education, 1 No. 1 136-146.
Tri Ayu Marcelina, W. S. Y., SE., MM., Ak. (2014). PREDIKSI KEBANGKRUTAN MENGGUNAKAN METODE Z-SCORE DAN PENGARUHNYA TERHADAP HARGA SAHAM PADA PERUSAHAAN TRANSPORTASI YANG TERDAFTAR DI BURSA EFEK INDONESIA TAHUN 2008-2012. e-Proceeding of Management, 1 No. 3, 291-298.
42
Vinh, V. X. (2015). Using Accounting Ratios in Predicting Financial Distress: An Empirical Investigation in the Vietnam Stock Market. Journal of Economics and Development, 17 (1). doi: 10.33301/2015.17.01.03
Warsa, N. M. I. U. P., & Mustanda, I. K. (2016). PENGARUH CAR, LDR DAN NPL TERHADAP ROA PADA SEKTOR PERBANKAN DI BURSA EFEK INDONESIA. E-Jurnal Manajemen Unud, Vo. 5 No. 5, 2842 - 2870.
Wawo, A., & Nirwana. (2020). PENGARUH FINANCIAL DISTRESS TERHADAP HARGA SAHAM Jurnal Ilmiah Akuntansi Peradaban, Vi No. 1, 17-34.
Wismaryanto, S. D. (2013). PENGARUH NPL, LDR, ROA, ROE, NIM, BOPO, DAN CAR TERHADAP HARGA SAHAM PADA SUB SEKTOR PERBANKAN YANG TERDAFTAR DI BURSA EFEK INDONESIA TAHUN 2008-2012. Jurnal Manajemen, 3 No. 1.
Yanuardi, A. (2014). FAKTOR DETERMINAN ATAS PROFITABILITAS PERBANKAN YANG TERDAFTAR DI BURSA EFEK INDONESIA. Jurnal Akuntansi Multiparadigma, Volume 5 Nomor 2, Halaman 170-344.
Yu He, L. X., & McIver, R. P. (2018). How does political connection affect firm financial distress and resolution in China? APPLIED ECONOMICS. doi: https://doi.org/10.1080/00036846.2018.1558358
Yulianto, A., & Sulistyowati, W. A. (2012). ANALISIS CAMELS DALAM MEMPREDIKSI TINGKAT KESEHATAN BANK YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE TAHUN 2009 – 2011. Media Ekonomi & Teknologi Informasi, 19(1), 35-49.
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). Jom FEKON, 2(2).
43
LAMPIRAN
Lampiran 1 Penelitian Terdahulu
No. Nama Peneliti
(Tahun)
Judul Penelitian Hasil Penelitian
1. Chen (2008) The Timescale Effects of
Corporate Governance
Measure on Predicting
Financial Distress
Perusahaan dengan kondisi
Financial Distressmemiliki
Perputaran Piutang, Margin Laba
Bersih, EPS, GCG rendah dan
Rasio Utang yang tinggi.
2. Laksito (2010) Memprediksi Kesehatan Bank
dengan Rasio CAMELS pada
Bank Perkreditan Rakyat
Hasil penelitian menunjukkan
bahwa Rasio CAMELS memiliki
pengaruh yang sigifikan terhadap
tingkat kesehatan bank.
3. Nicholas
Apergis (2011)
Bankruptcy Probability and
Stock Prices: The Effect of
Altman Z-Score Information on
Stock Prices Through Panel
Data
Prediksi kebangkrutan memiliki
pengaruh terhadap harga saham.
4. Roykhan
(2012)
Prediksi Kebangkrutan
Menggunakan Metode Z-Score
dan Pengaruhnya terhadap
Harga Saham Perusahaan
Manufaktur yang Terdaftar di
Bursa Efek Indonesia
Prediksi kebangkrutan
berpengaruh terhadap harga
saham.
5. Yulianto and
Sulistyowati
(2012)
Analisis CAMELS dalam
Memprediksi Tingkat
Kesehatan Bank yang
CAR dan NPL berpengaruh
terhadap tingkat kesehatan bank.
44
Terdaftar di Bursa Efek
Indonesia Periode Tahun 2009
– 2011
6. Dina and
Suaryana
(2013)
PengaruhEPS, DER, danPBV
Terhadap Harga Saham
EPS dan PBV memiliki pengaruh
yang positif dan signifikan
terhadap harga saham, sedangkan
DERberpengaruh negatif dan
signifikan terhadap harga saham.
7. Nurjanti
Takarini
(2013)
Dampak Tingkat Kesehatan
Bank terhadap Perubahan
Harga Saham pada Perusahaan
Perbankan yang Go Public di
Bursa Efek Indonesia (BEI)
Variabel CAR berdampak
terhadap perubahan harga saham.
8. Vinh (2015) Using Accounting Ratios in
PredictingFinancial Distress:
An Empirical Investigation
in the Vietnam Stock Market
WOCA, Profit, EPS, Leverage,
Cash Flow, Asset Turnover
berpengaruh terhadap prediksi
Financial Distress.
9. Putu Wira
Hendrayana
(2015)
Pengaruh Komponen RGEC
pada Perubahan Harga Saham
Perusahaan Perbankan di Bursa
Efek Indonesia
Hasil penelitian menunjukkan
bahwa indikator-indikator RGEC
memiliki dampak terhadap
perubahan harga saham.
10. Endraswati
and Novianti
(2015)
Pengaruh Rasio Keuangan dan
Harga Sahamdengan EPS
sebagai Variabel Moderasi
padaPerusahaan Manufaktur
yang Terdaftar di DES
Hasil penelitian menunjukkan
bahwa variabel PER, EPS dan
ukuran perusahaan berpengaruh
positif terhadap harga saham.
45
11. Yustika (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)
Profitabilitas, likuiditas dan
leverage berpengaruh dan
signifikan terhadap Financial
Distress.
12. Rotinsulu
(2015)
The Analyze of Risk-Based
Bank Rating Method on Bank’s
Profitability in State-Owned
Banks
Metode RBBR memiliki pengaruh
yang signifikan terhadap
profitabilitas bank.
13. Cahyani and
Diantini
(2016)
Peranan Good Corporate
Governance dalam
memprediksi Financial
Distress
Good Corporate Governance
berpengaruh negatif signifikan
terhadap financial distress,
likuiditas (CR) dan aktivitas (ITO)
berpengaruh negatif signifikan
terhadap financial distress,
leverage dan penilaian/pasar
(EPS) berpengaruh positif tidak
signifikan terhadap financial
distress, profitabilitas (ROA)
berpengaruh positif signifikan
terhadap financial distress.
14. Andriawan and
Salean (2016)
Analisis Metode Altman Z-
Score Sebagai Alat Prediksi
Kebangkrutan dan
Hasil analisis menunjukkan
bahwa terdapat hubungan yang
signifikan antara rasio keuangan
46
Pengaruhnya terhadap Harga
Saham pada Perusahaan
Farmasi yang Terdaftar di
Bursa Efek Indonesia
dalam Metode Altman Z-Score
dengan Financial Distress.
15. Indiani and
Dewi (2016)
Pengaruh Variabel Tingkat
Kesehatan Bank terhadap
Harga Saham Perbankan di
Bursa Efek Indonesia
Variabel tingkat kesehatan bank
yang diukur dengan variabel
profil risiko, GCG, ROA dan CAR
memiliki pengaruh yang
signifikan terhadap harga saham.
16. Santosa (2017)
Pengaruh Good Corporate
Governance dan Rasio
Keuangan terhadap Financial
Distress pada Perusahaan
Manufaktur yang Terdaftar di
Bursa Efek Indonesia Tahun
2010-2012
Debt Ratio, Current Ratio, Cash
Flow ratio, Return on Assets,
Operating Profit Margin, Gross
Profit Margin, Gross Profit
Growth, Long-Term Equity
Investment to Networth dan
Earnings per Share.
Sedangkancorporate governance
tidak berpengaruh terhadap
financial distress.
17. Andari and
Wiksuana
(2017)
RGEC Sebagai Determinasi
dalam Menanggulangi
Financial Distress pada
Perusahaan Perbankan di Bursa
Efek Indonesia
Hasil analisis menunjukkan
bahwa variabel ROA dapat
digunakan untuk memprediksi
kondisi Financial Distress
perbankan.
18. Irama (2018) Pengaruh Potensi
Kebangkrutan terhadap Harga
Saham pada Perusahaan
Potensi kebangkrutan memiliki
pengaruh terhadap harga saham
sebesar 13,5%, sehingga peneliti
lain dapat menggunakan variabel
47
Manufaktur yang Terdaftar di
Bursa Efek Indonesia
di luar penelitian ini untuk
memprediksi perubahan harga
saham.
19. Sadida (2018) Risk Profile, Good Corporate
Governance, Earnings and
Capital (RGEC) Sebagai
Prediktor Terhadap Kondisi
Financial Distress pada
Perusahaan Perbankan
Variabel earnings dengan proksi
NIM dan capital dengan proksi
CAR berpengaruh secara
signifikan terhadap kondisi
Financial Distress.
20. Maulida
(2018)
Analisis Rasio Keuangan
Untuk Memprediksi Financial
Distress Pada Perusahaan
Manufaktur Yang Terdaftar Di
Bursa Efek Indonesia 2014-
2016
Rasio likuiditas, solvabilitas,
aktivitas, profitabilitas dan
pertumbuhan berpengaruh
terhadap Financial Distress
sebesar 48,9%.
22. (Qoriah and
Nurdin (2019))
Analisis Model RGEC (Risk
Profile, Good Corporate
Governance, Earnings, And
Capital) dalam Mengetahui
Potensi Financial Distress
pada Bank Umum Syariah
Periode 2012-2017
Hanya variabel CAR dalam RGEC
yang berpengaruh secara
signifikan terhadap potensi
Financial Distress.
48
Lampiran 2 Sampel Penelitian
Tabel 2 Sampel Penelitian
No. Nama Bank
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
PT. Bank MNC Internasional, Tbk (BABP)
PT. Bank QNB Indonesia (BKSW)
PT. Bank Victoria International, Tbk (BVIC)
PT. Bank JTrust Indonesia (BCIC)
PT. Bank Woori Saudara Indonesia 1906, Tbk (SDRA)
PT. Bank National NOBU (NOBU)
PT. CIMB Niaga (BNGA)
PT. Panin Indonesia Bank, Tbk (PNBN)
BPD Jawa Barat Dan Banten, Tbk (BJBR)
BPD Banten (BEKS)
PT. Bank Sinarmas (BSIM)
PT. Bank Tabungan Negara (Persero), Tbk (BBTN)
PT. Bank OCBC NISP, Tbk (NISP)
PT. Bank Bukopin, Tbk (BBKP)
PT. Bank Permata, Tbk (BNLI)
PT. Bank Mega, Tbk (MEGA)
PT. Bank Mayapada Internasional, Tbk (MAYA)
PT. Bank Maybank Indonesia, Tbk (BNII)
PT. Bank Capital Indonesia (BACA)
49
20.
21.
22.
23.
PT. BPD Jawa Timur (BJTM)
PT. Bank Danamon Indonesia (BDMN)
PT. Bank Tabungan Pensiunan Nasional (BTPN)
PT. Bank Maspion Indonesia, Tbk (BMAS)
Sumber : www.idx.co.id
Lampiran 3
Data Sampel
Tahun Kode EPS NPL NIM CAR FinancialDistress
HargaSaham
2018
BABP 2,64 5,72 4,1 16,27 1 51,24 BKSW 0,72 2,49 1,73 26,5 1 200,84 BVIC 9,2 3,48 1,82 16,73 1 195,61 BCIC -40,52 4,26 2,28 14,03 1 487,5 NOBU 10,17 0,97 4,62 23,26 0 951,25
BNGA 119,5
9 3,11 5,12 19,66 0 1046,67
PNBN 130,7
8 3,04 4,84 23,22 0 1046,67
BJBR 159,6
1 1,65 6,37 18,63 0 2059,17 BEKS -1,2 5,9 1,96 10,04 1 50 BSIM 3,32 4,74 7,61 17,6 0 629,58
BBTN 167,4
2 2,82 4,32 18,21 0 1906,67
NISP 116,2
1 1,73 4,15 17,63 0 894,46 BBKP -16,49 3,67 2,83 13,41 1 423,33 MEGA
231,79 1,6 5,19 22,79 0 2180,33
MAYA 69,43 5,54 4,09 15,82 0 655,89 BNLI 32,42 4,4 4,1 19,4 0 551,42 BNII 29,11 2,95 5,24 19,04 1 234,33 BACA 15,21 2,95 4,2 18,66 1 278,33 BMAS 16,14 3,75 4,75 21,28 1 351,67 BJTM 85,16 0,75 6,37 24,21 0 685
2017
BABP -33,59 5,23 3,04 12,58 1 58,33 BKSW -47,01 5,85 1,12 20,27 1 265,15 BVIC 15,82 3,05 2,13 18,17 1 200,58 BCIC 4,33 2,94 2,41 14,15 0 500 NOBU 7,95 0,05 4,22 16,83 0 897,92 BNGA 83,6 3,75 5,6 18,6 0 1209,17
PNBN 101,3
6 0,84 4,68 21,99 0 1025
BJBR 126,2
5 1,51 6,76 18,77 0 2313,33 BEKS -8,86 5,37 3,07 10,22 1 51,67 BSIM 20,98 3,79 6,46 18,31 0 862,08 SDRA 67,5 1,53 4,86 24,86 0 950,92
BBTN 188,3
3 2,66 4,76 18,87 0 1667,08
NISP 190,8
6 1,79 4,47 17,51 0 927,92 MEGA
188,41 2,01 5,8 24,11 0 1902,5
MAYA
125,07 5,65 4,26 24,11 0 1719,99
BNLI 26,92 4,6 4 18,1 0 670,67 BNII 26,89 2,81 5,17 17,53 1 314,13 BACA 12,31 2,77 4,21 12,56 1 204,42 BMAS 15,79 1,52 4,95 21,59 1 400,67 BJTM 78,34 4,59 6,68 24,65 0 673,75
2016
BABP -0,46 5,77 3,28 9,54 1 70,42 BKSW -74,75 4,86 2,25 16,46 1 271,41 BVIC 12,87 3,89 1,53 24,58 1 102,92 BCIC 6,89 0,03 4,31 16,06 1 514,58 NOBU 17,18 3,89 5,64 17,96 0 708,25
PNBN 101,0
6 2,81 5,03 20,49 0 750,42
BJBR 120,2
5 1,69 7,4 28,43 0 1411,67 BEKS -31,24 6,71 1,93 13,22 1 84,25 BSIM 24,55 1,1 6,44 16,7 0 648,5
BTPN 202,0
9 0,8 6 25 0 2622,5 SDRA 61,96 1,53 4,74 17,2 0 1073,08
BBTN 249,4
2 0,84 4,98 20,34 0 1763,67
NISP 157,0
1 1,88 4,62 18,28 0 756,87 BDMN 281 3,1 7,9 30,9 0 1703,75 BBKP 19,16 1,8 3,93 11,62 0 615,42 MEGA
167,83 0,44 7,01 26,21 0 1993,33
MAYA
190,74 0,11 5,16 13,34 0 1779,12
BNII 28,83 3,42 4,61 16,77 1 277,5 BACA 13,35 3,17 4,37 10,64 1 193,75 BMAS 17,94 0,91 5,28 24,32 1 387,75 BJTM 69,47 0,77 6,94 23,88 0 509,42
2015
BABP 0,43 2,97 3,32 17,83 1 78,25 BKSW 17,94 1,59 3,08 16,18 0 324,17 BVIC 13,25 4,48 2,08 19,3 1 112,42 BCIC -24,06 2,71 0,93 15,49 0 500 NOBU 4,23 0,35 3,89 17,48 0 714,33 BNGA 94,07 3,74 5,21 16,28 0 666,83 PNBN 59,11 2,44 4,61 20,13 0 1072,92
BJBR 143,4
5 2,91 6,32 16,21 0 810,42 BSIM 13,23 3,95 5,77 14,37 0 405,28 SDRA 53,05 1,98 4,74 18,82 0 1108,34
BBTN 176,2
8 3,42 4,87 26,97 0 1150,83
NISP 131,6
5 1,3 4,07 17,32 0 651,25 BDMN
151,93 0,3 7,4 29,7 0 1869,17
BBKP 106,7
1 2,83 3,58 13,56 0 697,08 MEGA
152,58 2,81 6,04 22,85 0 1673,33
MAYA 151,7 2,52 4,78 12,97 0 1253,33 BNLI 20,94 2,7 4 15 0 1223,16 BNII 16,98 3,67 4,45 15,17 1 182,1 BACA 14,42 0,79 4,73 17,7 1 170,74 BMAS 10,58 0,51 4,42 9,33 1 355,83 BJTM 59,76 4,29 6,41 21,22 0 465,33
2014
BABP -3,66 5,88 3,43 17,79 1 108,25 BKSW 13,89 0,31 2,8 15,1 1 288,15 BVIC 14,89 3,52 1,88 18,35 1 123,5 NOBU 3,62 0,35 3,74 28,38 0 751,25
BNGA 171,9
8 3,9 5,36 15,58 0 960,42
PNBN 98,98 2,01 3,83 17,3 0 915
BJBR 116,2
6 4,15 6,79 16,08 0 867,5 BEKS 11,15 3 5,87 18,38 1 274,65 SDRA 27,61 2,51 1,89 21,71 0 1042,62
BBTN 106,2
5 4,01 4,47 24,64 0 1114,17
NISP 116,8
6 1,34 4,15 18,74 0 670,83 BDMN
274,11 2,3 7,2 27,8 0 2134,58
BBKP 80,49 2,78 3,7 14,2 0 683,75 MEGA 86,85 2,09 5,27 15,23 0 2017,08 MAYA
128,11 1,46 4,52 10,25 0 1283,87
BNLI 134,4
9 1,7 3,63 13,58 0 1220,24 BNII 10,41 2,23 4,4 15,76 1 283,26 BACA 11,83 4,34 3,96 16,43 1 89,88 BMAS 6,52 2,71 4,93 19,45 1 320,42 BJTM 63,45 3,31 6,9 12,17 0 440,75
2013
BKSW -14,9 5,88 4,84 13,09 1 125,58 BVIC 0,63 4,23 2,82 18,73 1 358,26 NOBU 39,7 2,92 3,5 18,45 1 128,58 BNGA 4,27 1,35 4,89 18,13 0 563,33 PNBN 170,4 0,23 5,34 15,36 0 1155 BJBR 93,82 0,07 4,09 16,74 0 720,83
BEKS 141,5
9 0,83 7,96 26,51 0 1059,17 BSIM 17,87 2,5 5,23 12,82 1 240,43 SDRA 53,4 0,64 7,19 13,07 0 743,94 BBTN 149 0,45 5,44 25,62 0 1228,33
NISP 128,8
9 0,73 4,11 19,28 0 672,68
BBKP 116,5
5 1,25 3,82 15,1 0 710 MEGA 75 0,27 5,38 25,74 0 2048,7 MAYA
110,79 1,04 5,75 14,07 0 1372,1
BNLI 162 1,02 4,22 14,28 0 1310,9 BNII 26 2,11 4,47 12,74 1 349,28 BACA 14,28 4,37 4,67 20,13 1 106,95 BMAS 9 0,61 5,07 21 1 312,5 BJTM 55,26 3,44 7,14 23,72 1 397,5
2012
BABP 0,19 5,78 5,44 11,21 1 128,9 BVIC 1,29 2,3 3,12 18,53 1 126,33 BCIC -21,88 3,9 3,13 14,09 0 500
BNGA 168,4
4 0,29 5,87 15,16 0 1173,33 PNBN 87,49 1,64 4,19 16,31 0 765 BJBR 123 0,07 6,44 18,11 0 1030 BSIM 23,57 3,18 5,72 18,09 1 249,4 BBTN 148 0,49 5,83 27,69 0 1306,83
NISP 116,3
7 0,91 4,17 16,49 0 606,11 BBKP 104,3 2,66 4,56 16,34 0 640,83 MEGA 198 0,29 6,45 26,83 0 1759,38 MAYA 85,16 0,32 6 20,93 0 1747,32 BNLI 150 0,37 5,03 15,86 0 1218,04 BNII 21 1,7 5 12,83 0 420,89 BACA 10,5 2,11 4,66 18 1 114,91 BMAS 20 3,17 5,24 13,46 1 329,58 BJTM 56,01 2,95 6,48 16,56 1 390
Lampiran 4
Deskriptif Statistik
Lampiran 5
Hasil Olah Data AMOS
Lampiran 6
Hasil Uji Normalitas
Assessment of normality (Group number 1) Variable min max skew c.r. kurtosis c.r.
EPS -74,750 281,000 ,673 3,237 -,260 -,626
FinancialDistress ,000 1,000 ,585 2,814 -1,658 -3,991
NPL ,030 6,710 ,360 1,735 -,649 -1,562
NIM ,930 7,960 -,153 -,737 -,133 -,320
CAR 9,330 30,900 ,499 2,402 -,199 -,478
HargaSaham 50,000 2622,500 ,930 4,477 ,149 ,359
Multivariate -1,194 -,718
Lampiran 7
Hasil Uji Outlier
Observations farthest from the centroid (Mahalanobis distance) (Group number 1) Observation number Mahalanobis d-squared p1 p2
55 18,299 ,006 ,537
28 14,776 ,022 ,814
51 14,446 ,025 ,679
87 14,378 ,026 ,480
10 14,368 ,026 ,290
116 13,880 ,031 ,263
36 13,009 ,043 ,388
97 12,976 ,043 ,258
95 12,599 ,050 ,258
2 12,589 ,050 ,160
66 11,709 ,069 ,360
22 11,176 ,083 ,489
44 11,140 ,084 ,388
82 10,251 ,114 ,733
58 9,506 ,147 ,928
92 9,367 ,154 ,922
41 9,330 ,156 ,889
14 9,204 ,162 ,881
112 9,185 ,163 ,833
53 9,156 ,165 ,781
122 9,032 ,172 ,773
103 8,981 ,175 ,728
Observation number Mahalanobis d-squared p1 p2
75 8,863 ,181 ,720
62 8,723 ,190 ,728
123 8,533 ,202 ,769
73 8,222 ,222 ,866
49 8,099 ,231 ,871
85 7,881 ,247 ,913
45 7,861 ,248 ,883
110 7,852 ,249 ,843
83 7,679 ,263 ,877
8 7,620 ,267 ,861
9 7,554 ,273 ,848
33 7,394 ,286 ,881
61 7,325 ,292 ,872
11 7,292 ,295 ,845
134 7,218 ,301 ,839
25 7,217 ,301 ,790
34 7,156 ,307 ,775
43 7,148 ,307 ,720
5 6,966 ,324 ,794
30 6,949 ,326 ,750
48 6,869 ,333 ,751
57 6,754 ,344 ,780
88 6,746 ,345 ,729
98 6,626 ,357 ,765
Observation number Mahalanobis d-squared p1 p2
71 6,569 ,363 ,752
42 6,537 ,366 ,721
67 6,518 ,368 ,675
125 6,476 ,372 ,649
4 6,459 ,374 ,598
104 6,457 ,374 ,530
121 6,434 ,376 ,484
79 6,320 ,388 ,530
15 6,304 ,390 ,477
50 6,292 ,391 ,421
90 6,169 ,405 ,479
139 5,975 ,426 ,614
20 5,888 ,436 ,638
64 5,742 ,453 ,719
24 5,734 ,454 ,667
114 5,643 ,464 ,697
133 5,552 ,475 ,726
81 5,440 ,489 ,774
65 5,420 ,491 ,739
108 5,368 ,497 ,732
126 5,274 ,509 ,766
74 5,256 ,511 ,729
29 5,230 ,515 ,697
54 5,229 ,515 ,636
Observation number Mahalanobis d-squared p1 p2
86 5,217 ,516 ,585
118 5,166 ,523 ,579
136 5,144 ,525 ,537
46 5,130 ,527 ,486
131 5,078 ,534 ,481
130 5,001 ,544 ,506
35 4,982 ,546 ,461
32 4,955 ,550 ,427
93 4,918 ,554 ,404
107 4,908 ,556 ,351
84 4,853 ,563 ,350
70 4,841 ,564 ,302
56 4,840 ,564 ,245
109 4,759 ,575 ,272
3 4,692 ,584 ,284
16 4,618 ,594 ,305
99 4,610 ,595 ,255
37 4,591 ,597 ,219
111 4,565 ,601 ,193
78 4,563 ,601 ,150
1 4,510 ,608 ,149
40 4,496 ,610 ,121
23 4,489 ,611 ,092
115 4,462 ,614 ,078
Observation number Mahalanobis d-squared p1 p2
60 4,422 ,620 ,071
91 4,179 ,652 ,197
76 4,153 ,656 ,171
119 4,132 ,659 ,144
117 4,090 ,665 ,135
13 4,049 ,670 ,125
Lampiran 8
Hasil Analisis Regresi
Regression Weights: (Group number 1 - Default model) Estimate S.E. C.R. P Label
FinancialDistress <--- EPS -,408 ,001 -2,319 ,020 par_1
FinancialDistress <--- RGEC -,286 ,042 -1,346 ,178 par_6
HargaSaham <--- EPS ,342 1,124 2,485 ,013 par_2
HargaSaham <--- FinancialDistress -,252 89,576 -3,450 *** par_3
NIM <--- RGEC ,629 ,079 4,895 *** par_4
HargaSaham <--- RGEC ,372 44,668 2,035 ,042 par_7
NPL <--- RGEC -,540 ,083 -4,400 *** par_8
CAR <--- RGEC ,518
Lampiran 9
Hasil Goodness of fit
Notes for Model (Default model) Computation of degrees of freedom (Default model)
Number of distinct sample moments: 21 Number of distinct parameters to be estimated: 15
Degrees of freedom (21 - 15): 6 Result (Default model) Minimum was achieved Chi-square = 6,364 Degrees of freedom = 6 Probability level = ,384 Model Fit Summary CMIN
Model NPAR CMIN DF P CMIN/DF
Default model 15 6,364 6 ,384 1,061
Saturated model 21 ,000 0
Independence model 6 353,763 15 ,000 23,584
RMR, GFI Model RMR GFI AGFI PGFI
Default model 11,366 ,985 ,948 ,281
Saturated model ,000 1,000
Independence model 7400,264 ,468 ,256 ,335
Baseline Comparisons
Model NFI Delta1
RFI rho1
IFI Delta2
TLI rho2 CFI
Default model ,982 ,955 ,999 ,997 ,999
Saturated model 1,000 1,000 1,000
Independence model ,000 ,000 ,000 ,000 ,000
RMSEA Model RMSEA LO 90 HI 90 PCLOSE
Default model ,021 ,000 ,114 ,588
Independence model ,405 ,369 ,442 ,000