View
230
Download
1
Category
Preview:
Citation preview
1 | P a g e
Universitas Maritim Raja Ali Haji
PENGARUH NET PROFIT MARGIN, RECEIVABLE TURNOVER DAN
CURRENT RATIO TERHADAP PREDIKSI KEBANGKRUTAN PADA
PERUSAHAAN INDUSTRI BARANG KONSUMSI YANG TERDAFTAR DI
BURSA EFEK INDONESIA PERIODE 2009-2012 DENGAN
MENGGUNAKAN MULTINOMIAL LOGISTIK
Novita Sari
100462201119
Jurusan Akuntansi, Fakultas Ekonomi
Universitas Maritim Raja Ali Haji, Tanjungpinang, 2014
ABSTRAK
Penelitian ini bertujuan untuk mengetahui pengaruh
variabel rasio model Altman original secara simultan
ataupun parsial terhadap prediksi kebangkrutan pada
perusahaan industri barang konsumsi yang terdaftar di
Bursa Efek Indonesia periode 2009-2012.
Variabel independen yang digunakan dalam
penelitian ini adalah rasio keuangan yaitu Net Profit
Margin, Receivabale Turnover, dan Current
Ratio.Variabel dependen yang digunakan dalam penelitian
ini adalah Prediksi Kebangkrutan.Populasi dalam
penelitian ini adalah seluruh perusahaan industry
barang konsumsi yang terdaftar di Bursa Efek
Indonesia.Metode pengambilan sampel yang digunakan
adalah purposive sampling.Perusahaan yang memenuhi
kriteria sampel adalah 29 perusahaan.Data yang
digunakan dalam penelitian ini adalah data sekunder
yang berupa laporan keuangan yang diakses dari situs
resmi BEI.Alat yang digunakan dalam penelitian ini
adalah regresi logistik multinomial.
Hasil perhitungan dengan menggunakan multinomial
logit menunjukkan bahwa variabel Net Preofit Margin,
Receivable Turnover, dan Current Ratio berpengaruh
signifikan terhadap prediksi kebangkrutan yang dilihati
dari model fit yang memiliki nilai Sig. (0.000) < 0.05.
Variabel yang berpengaruh signifikan terhadap variabel
dependen (kategori 0 dengan kategori 1 dan 2) adalah:
Receivable Turnover (X2). Sedangkan variabel Net Profit
Margin (X1) dan Current Ratio (X3) tidak berpengaruh
signifikan. Variabel dependen (kategori 1 dengan
kategori 2) adalah: Net Profit Margin (X1) dan.
Sedangkan variabel Receivable Turnover (X2) dan Current
Ratio (X3) tidak berpengaruh signifikan.
2 | P a g e
Universitas Maritim Raja Ali Haji
Kata Kunci: Net Profit Margin, Receivable Turnover,
Current Rati, Prediksi Kebangkrutan.
PENDAHULUAN
Meningkatnya pertumbuhan penduduk dan pertumbuhan
bisnis yang semakin pesat, akan menyebabkan persaingan
antar perusahaan semakin kuat. Hal ini menuntut
perusahaan untuk lebih meningkatkan kinerjanya.
Perusahaan perlu mengevaluasi kembali kinerja
perusahaan agar dapat bekerja secara maksimal. Sehingga
tujuan perusahaan di masa yang akan datang dapat
dicapai. Semakin baik kinerja suatu perusahaan maka
akan semakin baik pula kelangsungan hidup perusahaan.
Kelangsungan hidup perusahaan akan menentukan baik
buruknya suatu perusahaan itu. Untuk mencapai tujuan
perusahaan di masa yang akan datang maka perusahaan
harus dapat bekerja keras dan dapat bekerja sama dengan
baik. Dan sebaliknya apabila itu tidak dapat
dilaksanakan dengan baik maka akan menyebabkan
kesulitan keuangan yang berdampak pada suatu
kebangkrutan perusahaan.
Kebangkrutan merupakan ketidakmampuan perusahaan
untuk membayar kewajiban keuangannya pada saat jatuh
tempo yang menyebabkan kebangkrutan perusahaan (Darsono
dan Ashari, 2005 : 101). Untuk itu, suatu perusahaan
perlu memahami tentang kebangkrutan karena suatu bisnis
memiliki kecendrungan untuk mengalami kegagalan
financial yaitu kebangrutan. Salah satu alat yang
digunakan untuk mengukur prediksi kebangkrutan adalah
dengan menggunakan analisis diskriminan Altman yang
mengacu pada rasio-rasio keuangan perusahaan. Rasio
menggambarkan suatu jumlah tertentu dengan jumlah yang
ada di laporan keuangan. Dan alat analisis berupa rasio
dapat menggambarkan tentang keadaan suatu perusahaan,
apakah perusahaan dalam keadaan sehat atau tidak sehat.
Dengan mengetahui kondisi perusahaan maka diharapkan
perusahaan dapat mengambil langkah-langkah untuk
mengantisipasi keadaan yang mengarah pada kebangkrutan.
Altman (2002) mengembangkan metode kebangkrutan
dengan tingkat keakuratan yang dapat dipercaya dalam
memprediksi kebangkrutan. Model Altman Z-score sebagai
salah satu pengukuran kinerja kebangkrutan dan resiko
obligasi tidak stagnan atau tetap, melainkan berkembang
dari waktu kewaktu, seiring dari kondisi perusahaan dan
kondisi dimana metode tersebut diterapkan (Altman,
2002) dalam (Ramadhani dan Lukviarman, 2009 : 2).
3 | P a g e
Universitas Maritim Raja Ali Haji
Berdasarkan latar belakang di atas, penulis
merumuskan masalah sebagai berikut:
1. Apakah Net Profit Margin, Receivable Turnover, dan Current Ratio secara simultan berpengaruh
signifikan terhadap prediksi kebangkrutan pada
perusahaan Industri Barang Konsumsi yang terdaftar
di BEI?
2. Apakah Net Profit Margin, Receivable Turnover, dan Current Ratio secara parsial berpengaruh
signifikan terhadap prediksi kebangkrutan pada
perusahaan Industri Barang Konsumsi yang terdaftar
di BEI?
LANDASAN TEORI
Prediksi Kebangkrutan
Menurut Darsono dan Ashari (2005 : 101),
Kebangkrutan merupakan ketidak mampuan perusahaan untuk
membayar kewajiban keuangannya pada saat jatuh tempo
yang menyebabkan kebangkrutan perusahaan.
Persamaan dari model Altman pertama menurut Altman
dalam (Ramadhani dan Lukviarman, 2009 : 5-6), yaitu:
Z = 1,2XI + 1,4X2 + 3,3X3 + 0,6X4 +0,999X5
Keterangan:
Z = Bankrupcy Index
X1 = Working Capital / Total Asset
X2 = Retained Earnings / Ttotal Asset
X3 = Earning Before Interest and Taxes / Total Asset
X4 = Market Value of Equity / Book Value of Total
Debt
Ket : Market Value of Equity adalah Jumlah Lembar
Saham Beredar dikali Jumlah Penutupan Saham
(Rokhayati, 2005 : 9)
X5 = Sales / Total Asset.
Nilai Z adalah indeks keseluruhan fungsi multiple
discriminant analysis. Menurut Almatn terdapat angka-
angka cut off nilai Z yang dapat menjelaskan apakah
perusahaan akan mengalami kegagalan atau tidak pada
masa mendatang dan Altman dalam (Ramadhani dan
Lukviarman, 2009: 5-6) membaginya kedalam tiga
kategori, yaitu:
1. Jika nilai Z < 1,8, maka termasuk perusahaan yang
bangkrut.
2. Jika nilai 1,8 < Z < 2,99 maka termasuk grey area
(tidak dapat ditentukan apakah perusahaan sehat
ataupun mengalami kebangkrutan).
4 | P a g e
Universitas Maritim Raja Ali Haji
3. Jika nilai Z > 2,99 maka termasuk perusahaan yang
tidak bangkrut.
Net Profit Margin
Menurut Moeljadi (2006 : 73), Net Profit Margin
dihitung dengan membagi laba bersih sesudah pajak
dengan penjualan. Rasio ini untuk mengukur laba bersih
sesudah pajak per rupiah penjualan.
Receivable Turnover
Menurut Darsono dan Ashari (2005 : 81), Receivable
Turnover yaitu rasio yang menggambarkan kualitas
piutang perusahaan dan kesuksesan perusahaan dalam
penagihan piutang yang dimiliki. Semakin tinggi rasio
ini akan semakin baik kemampuan perusahaan dalam
menagih piutang yang dimiliki.
Current Ratio
Rasio Lancar (Current Ratio) dipakai untuk
mengukur likuiditas perusahaan, atau untuk mengukur
kemampuan sesuatu perusahaan untuk memenuhi kewajiban
lancarnya yang sudah jatuh tempo (Tunggal, 2000 : 155).
KERANGKA PEMIKIRAN
H1
H2
Gambar 2.1 Kerangka Pemikiran
H1 : Net Profit Margin, Receivable Turnover, dan
Current Ratio secara simultan berpengaruh
signifikan terhadap prediksi kebangkrutan pada
Net Profit Margin (X1)
Receivable Turnover (X2)
Current Ratio (X3)
Prediksi Kebangkrutan (Y):
0 = bangkrut
1 = grey area 2 = tidak bangkrut
5 | P a g e
Universitas Maritim Raja Ali Haji
perusahaan Industri Barang Konsumsi yang terdaftar
di Bursa Efek Indonesia periode 2009-2012.
H2 : Net Profit Margin, Receivable Turnover, dan
Current Ratio secara parsial berpengaruh
signifikan terhadap prediksi kebangkrutan pada
perusahaan Industri Barang Konsumsi yang terdaftar
di Bursa Efek Indonesia periode 2009-2012.
METODE PENELITIAN
Populasi dan Sampel
Populasi yang digunakan dalam penelitian ini
adalah seluruh perusahaan barang konsumsi yang
terdaftar di Bursa Efek Indonesia sampai dengan 2012
yang berjumlah 33 perusahaan. Pengambilan sampel dalam
penelitian ini dilakukan dengan menggunakan teknik
purposive sampling, dimana perusahhaan dipilih sesuai
dengan kriteria sebagai berikut:
1. Perusahaan barang konsumsi yang terdaftar di Bursa
Efek Indonesia dan konsisten ada selama periode
penelitian (tahun 2009 sampai dengan 2012).
2. Perusahaan barang konsumsi yang telah
mempublikasikan data laporan keuangan secara
lengkap selama kurun waktu penelitian.
3. Data laporan keuangan tahun 2009 digunakan untuk
memprediksi kebangkrutan tahun 2010-2011, data
laporan keuangan tahun 2010 digunakan untuk
memprediksi kebangkrutan tahun 2011-2012.
4. Sampel penelitian dikategorikan menjadi tiga,
yaitu:
a. Kategori 0 adalah perusahaan barang konsumsi
yang mengalami kebangkrutan jika nilai Z < 1,8.
b. Kategori 1 adalah perusahaan barang konsumsi
yang mengalami grey area jika nilai Z berada
diantara 1,8 dan 2,99.
c. Kategori 2 adalah perusahaan barang konsumsi
yang tidak mengalami kebangkrutan jika nilai Z
> 2,99.
Variabel Penelian
Dalam penelitian ini menggunakan 2 variabel, yaitu
variabel dependen dan variabel independen.
1. Variabel dependen Variabel dependen yang digunakan dalam penelitian
ini adalah perusahaan yang mengalami kebangkrutan,
perusahaan yang mengalami grey area dan perusahaan
yang tidak bangkrut.
6 | P a g e
Universitas Maritim Raja Ali Haji
2. Variabel independen a. Net Profit Margin (X1)
Metode perhitungannya adalah:
NPM =Laba Bersih
Penjualan Bersih
b. Receivable Turnover (X2) Metode perhitungannya adalah:
RTO =Penjualan Bersih
Rata − rata Piutang Dagang
c. Current Ratio (X3) Metode perhitungannya adalah:
CR =Aktiva Lancar
Kewajiban Lancar
Jenis dan Sumber Data
Di dalam penelitian ini, data yang digunakan
adalah data sekunder yaitu berupa laporan keuangan
tahunan perusahaan manufaktur yang terdaftar di Bursa
Efek Indonesia dengan akhir tahun pembukuan 2009, 2010,
2011 dan 2012. Sumber data yaitu dari situs
www.idx.co.id.
Teknik Pengumpulan Data
Teknik pengumpulan data dilakukan dengan :
1. Dokumentasi Data 2. Penelitian Kepustakaan
PEMBAHASAN
Seleksi sampel berdasarkan kriteria sampel yang
digunakan adalah sebagai berikut:
Tabel 4.1
Seleksi Sampel Periode 2009-2012
Keterangan 2010-2011 2011-2012
Perusahaan barang konsumsi yang
terdaftar di Bursa Efek
Indonesia
33 33
Perusahaan barang konsumsi yang
mempublikasikan laporan
keuangan secara lengkap
32 33
Perusahaan barang konsumsi:
mengalami kebangkrutan
mengalami grey area
tidak mengalami kebangkrutan
4
5
16
2
8
16
Total Sampel 51
Sumber : www.idx.co.id (2014)
7 | P a g e
Universitas Maritim Raja Ali Haji
Dari hasil seleksi populasi diatas, yang menjadi
sampel dalam penelitian ini adalah 29 perusahaan barang
konsumsi yang terdaftar di Bursa Efek Indonesia periode
2009-2012. Daftar sampel dapat dilihat pada tabel di
bawah ini dengan rincian sebagai berikut:
Tabel 4.2
Daftar Sampel Penelitian
No Kode Nama Perusahaan 2010-2011 2011-2012
B GA TB B GA TB
1 ADES Akasha Wira
International Tbk
- - - - -
2 AISA Tiga Pilar
Sejahtera Food Tbk
- - - - -
3 CEKA Cahaya Kalbar Tbk - - - - -
4 DLTA Delta Djakarta Tbk - -
5 DVLA Darya Varia
Laboratoria Tbk
- - - -
6 GGRM Gudang Garam Tbk - - - -
7 HMSP Hanjaya Mandala
Sampoerna Tbk
- - - -
8 INAF Indofarma Tbk - - - -
9 INDF Indofood Sukses
Makmur Tbk
- - - -
10 KAEF Kimia Farma Tbk - - - -
11 KDSI Kedawung Setia
Industrial Tbk
- - - - -
12 KICI Kedaung Indag Can
Tbk
- - - -
13 KLBF Kalbe Farma Tbk - - - -
14 LMPI Langgeng Makmur
Industry Tbk
- - - -
15 MERK Merck Tbk - - - -
16 MLBI Multi Bintang
Indonesia Tbk
- - - -
17 MRAT Mustika Ratu Tbk - - - -
18 MYOR Mayora Indah Tbk - - - -
19 PSDN Prashida Aneka
Niaga Tbk
- - - - -
20 PYFA Pyridam Farma Tbk - - - -
21 RMBA Bentoel
International
Investama Tbk
- - - - -
22 SCPI Schering Plough
Indonesia Tbk
- - - -
23 SKLT Sekar Laut Tbk - - -
24 SQBB Taisho
Pharmaceutical
Indonesia Tbk
- - - -
8 | P a g e
Universitas Maritim Raja Ali Haji
25 STTP Siantar Top Tbk - - - - -
26 TCID Mandom Indonesia
Tbk
- - - -
27 TSPC Tempo Scan Pasific
Tbk
- - - -
28 ULTJ Ultrajaya Milk
Industry and
Trading Company
Tbk
- - - -
29 UNVR Unilever Indonesia
Tbk
- - - -
Sumber : www.idx.co.id (2014)
Deskripsi Hasil Penelitian
Data penelitian ini didasarkan pada laporan
keuangan yang terdiri dari laporan posisi keuangan dan
laporan laba rugi setiap perusahaan. Dalam penelitian
ini Z-Score merupakan variabel dependen yang terdiri
dari bangkrut = 0, grey area = 1, dan tidak bangkrut =
2. Sedangkan rasio keuangan yang digunakan sebagai
variabel independen yaitu Net Profit Margin (NPM),
Receivable Turnover (RTO), dan Current Ratio (CR).
Analisis Data
Uji Statistik Deskriptif
Menurut Wijaya (2011 : 41), Statistik deskriptif
merupakan bidang ilmu statistik yang mempelajari cara-
cara pengumpulan, penyusunan, dan penyajian ringkasan
data penelitian. Data-data tersebut harus diringkas
dengan baik dan teratur, baik dalam bentuk tabel atau
persentasi grafik, sebagai dasar untuk berbagai
pengambilan keputusan. Deskriptif menginformasikan
nilai minimum, maximium, mean, standar deviasi. Menu
ini tidak menampilkan tabulasi frekuensi, tetapi
menampilkan besaran statistik yang akan di deskripsikan
pada sebuah variabel.
Tabel 4.3
Hasil Uji Deskriptif Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
NPM (X1) 51 -.063 .313 .08839 .080340 RTO (X2) 51 2.601 54.680 11.10969 11.735352 CR (X3) 51 .659 10.684 3.14992 2.262006 PK (Y) 51 0 2 1.51 .703 Valid N (listwise) 51
Sumber: Output Pengolahan Data SPSS. V. 21.0 2014
9 | P a g e
Universitas Maritim Raja Ali Haji
Dari tabel 4.3 di atas, diketahui bahwa jumlah
sampel yang digunakan dalam penelitian ini berjumlah 51
sampel. NPM (X1) yaitu Net Profit Margin memiliki nilai
minimum sebesar -0.063, nilai maximum sebesar 0.313,
nilai rata-rata 0.08839 dan nilai standart deviasinya
sebesar 0.080340. RTO (X2) yaitu Receivable Turnover
memiliki nilai minimum sebesar 2.601, nilai maximum
sebesar 54.680, nilai rata-rata sebesar 11.10969, dan
nilai standart deviasinya sebesar 11.735352. CR (X3)
yaitu Current Ratio memiliki nilai minimum sebesar
0.659, nilai maximum sebesar 10.684, nilai rata-rata
sebesar 3.14992 dan nilai standart deviasinya sebesar
2.262006. PK (Y) yaitu Prediksi Kebangkrutan memiliki
nilai minimum sebesar 0, nilai maximum sebesar 2, nilai
rata-rata sebesar 1.51 dan nilai standart deviasinya
sebesar 0.703.
Pengujian Hipotesis
Uji Multikolonieritas
Uji Multikolinieritas bertujuan untuk menguji
apakah model regresi ditemukan adanya korelasi antar
variabel bebas (independen). Model regresi yang baik
seharusnya tidak terjadi korelasi di antara variabel
independen. Untuk mendeteksi ada atau tidaknya
multikolonieritas di dalam model regresi adalah
(Ghozali, 2006 :91-92):
Menganalisis matrik korelasi variabel-variabel
independen. Jika antar variabel independen ada korelasi
yang cukup tinggi (umumnya di atas 0.90), maka hal ini
merupakan indikasi adanya multikolonieritas. Tidak
adanya korelasi yang tinggi antar variabel independen
tidak berarti bebas dari multikolonieritas.
Multikolonieritas dapat disebabkan karena adanya efek
kombinasi dua atau lebih variabel independen.
Tabel 4.4
Hasil Uji Multikolonieritas Correlations
NPM (X1) RTO (X2) CR (X3)
NPM (X1)
Pearson Correlation 1 .072 .227
Sig. (2-tailed) .613 .110
N 51 51 51
RTO (X2) Pearson Correlation .072 1 -.264 Sig. (2-tailed) .613 .061 N 51 51 51
CR (X3)
Pearson Correlation .227 -.264 1
Sig. (2-tailed) .110 .061
N 51 51 51
10 | P a g e
Universitas Maritim Raja Ali Haji
Sumber: Output Pengolahan Data SPSS. V. 21.0 2014
Dari tabel 4.4 diatas, dapat diketahui bahwa pada
model regresi tidak terjadi gejala multikoloneritas.
Hal ini terjadi karena nilai korelasi antara variabel
independen > 0.90. Maka dapat disimpulkan model regresi
telah memenuhi uji asumsi multikolonieritas.
Dalam penelitian ini data yang harus diproses
sebanyak 51 atau N=51. Untuk melihat kelengkapan data
yang diproses dalam penelitian ini dan tidak adanya
Missing Case ditunjukkan oleh tabel Case Processing
Summary.
Tabel 4.5
Data yang diproses
Case Processing Summary
N Marginal Percentage
PK (Y)
Bangkrut 6 11.8%
Grey area 13 25.5%
Tidak bangkrut 32 62.7% Valid 51 100.0% Missing 0 Total 51 Subpopulation 51a
Sumber: Output Pengolahan Data SPSS. V. 21.0 2014
Menilai Model Fit
Menurut Uyanto (2009 : 268), Menilai Model Fit
yaitu dengan melihat nilai Likelihood L. Jika terjadi
penurunan dari angka -2 Log Likelihood pada model awal
(Intercept Only) ke angka -2 Log Likelihood pada model
final, maka model multinomial logistik menjadi lebih
baik atau layak digunakan.
Hipotesis untuk menilai model fit adalah:
H0 : Model yang dihipotesakan fit dengan data
HA : Model yang dihipotesakan tidak fit dengan
data
Hasil Menilai Model Fit yang dilakukan dengan
menggunakan bantuan program SPSS V.21.0 dapat dilihat
pada tabel sebagai berikut:
11 | P a g e
Universitas Maritim Raja Ali Haji
Tabel 4.6
Hasil Menilai Model Fit
Model Fitting Information
Model Model Fitting Criteria
Likelihood Ratio Tests
-2 Log Likelihood Chi-Square
Df Sig.
Intercept Only 91.049 Final 43.073 47.976 6 .000
Sumber: Output pengolahan SPSS V.21.0 (2014)
Dari tabel 4.6 di atas menunjukkan bahwa adanya
penurunan nilai -2 Log Likelihood awal (Intercept Only)
91.049 menjadi -2 Log Likelihood akhir (Final) sebesar
43.073. Terjadi penurunan sebesar 47.976. Ini
menunjukkan bahwa model fit dengan data sehingga Ho
tidak dapat ditolak karena terjadi penurunan model
regresi yang lebih baik. Dan dari tabel 4.9 menunjukkan
nilai Chi-Square sebesar 47.976 yang dihasilkan dari
penurunan dari -2 Log Likelihood dengan Degree of
Freedom = 6 dan tingkat signifikansi sebesar 0.000.
Nilai signifikansi tersebut lebih kecil dari 0.05, maka
dapat disimpulkan bahwa Net Profit Margin, Receivable
Turnover, dan Current Ratio secara bersama-sama atau
simultan berpengaruh signifikan terhadap prediksi
kebangkrutan pada perusahaan industry barang konsumsi.
Menilai Kelayakan Model Regresi
Menurut Ghozali (2007 : 232-233), Menilai
Kelayakan Model Regresi, dengan melihat nilai Goodness
Of Fit. Jika tingkat signifikansi (Sig). Goodness Of
Fit > taraf keyakinan 5% (a = 0,05), maka model regresi
logistik layak digunakan atau H0 tidak dapat ditolak.
H0 : Model yang dihipotesakan fit dengan data
(layak digunakan)
Ha : Model yang dihipotesakan tidak fit dengan
data (tidak layak digunakan)
Dasar pengambilan keputusan: Jika Sig. < 0.05 maka
H0 ditolak.
Tabel 4.7
Hasil Uji Kelayakan Model Regresi
Goodness-of-Fit
Chi-Square df Sig.
Pearson 52.850 94 1.000 Deviance 43.073 94 1.000
Sumber: Output pengolahan SPSS V.21.0 (2014)
12 | P a g e
Universitas Maritim Raja Ali Haji
Hasil output Chi Square sebesar 52.850 untuk
koefisien pearson dengan signifikan pada 1.000 dan
43.073 untuk koefisien Deviance dengan signifikan pada
1.000 oleh karena nilai Sig. > 0.05, maka H0 tidak
dapat di tolak. Dengan demikian dapat disimpulkan bahwa
model regresi layak digunakan untuk analisis
selanjutnya, karena model yang dihipotesakan fit dengan
data.
Pengujian Koefisien Determinasi (Pseudo R-Square (R2))
Pengujian koefisien determinasi, yaitu digunakan
untuk menguji goodness-fit dari model regresi (Ghozali,
2007 : 127).
Nilai statistik R-Square pada analisis multinomial
logistik dilihat pada nilai Pseudo R-Square, Cox and
Snell, Nagelkerke, dan McFadden. Nilai pada rentang 0-
1. Semakin mendekati 1, semakin banyak variasi yang
dapat dijelaskan oleh model.
Tabel 4.8
Hasil Pengujian Koefisien Determinasi (Pseudo R-
Squarev(R2))
Pseudo R-Square
Cox and Snell .610 Nagelkerke .733 McFadden .527
Sumber: Output pengolahan SPSS V.21.0 (2014)
Nilai koefisien Cox and Snell sebesar 0.610, nilai
koefisien McFadden sebesar 0.527 dan nilai koefisien
Negelkerke pada tabel Pseudo R-Square sebesar 0.733
yang berarti 73.3% prediksi kebangkrutan dipengaruhi
oleh Net Profit Margin, Receivable Turnover dan Current
Ratio. Dan sisanya 26.7% dipengaruhi oleh variabel lain
diluar dari variabel dalam penelitian ini.
13 | P a g e
Universitas Maritim Raja Ali Haji
Menilai Tingkat Ketepatan Prediksi Klasifikasi Model
Penelitian
Tabel 4.9
Hasil Menilai Tingkat Ketepatan Prediksi Klasifikasi
Model Penelitian
Classification
Observed Predicted
Bangkrut Grey area Tidak bangkrut Percent Correct
Bangkrut 4 1 1 66.7% Grey area 1 7 5 53.8% Tidak bangkrut 0 4 28 87.5% Overall Percentage 9.8% 23.5% 66.7% 76.5%
Sumber: Output pengolahan SPSS V.21.0 (2014)
Berdasarkan tabel klasifikasi 4.9 diatas dapat
diketahui bahwa sampel awal dalam penelitian ini
berjumlah 51 perusahaan yang terdiri dari 6 perusahaan
termasuk kategori 0 (bangkrut), 13 perusahaan termasuk
kategori 1 (grey area), dan 32 perusahaan termasuk
kategori 2 (tidak bangkrut). Setelah diuji dengan
menggunakan regresi logistik muiltinomial ternyata
hasilnya menunjukkan bahwa dari 6 perusahaan kategori
bangkrut yang benar mengalami kebangkrutan ada 4
perusahaan. Sedangkan 1 termasuk kategori grey area dan
1 termasuk dalam kategori tidak bangkrut. Sehingga
diperoleh persentase kebenaran kategori 0 (bangkrut)
sebesar 66.7%. Sementara dari 13 perusahaan kategori 1
(grey area) ternyata yang benar masuk kategori grey
area ada 7 perusahaan sedangkan 1 perusahaan termasuk
dalam kategori bangkrut dan 5 perusahaan termasuk dalam
tidak bangkrut. Sehingga diperoleh persentase kebenaran
sebesar 53.8%. Sedangkan untuk 32 perusahaan kategori 2
(tidak bangkrut) yang benar masuk kategori tidak
bangkrut sebanyak 28 perusahaan, sedangkan 0 perusahaan
termasuk dalam kategori bangkrut dan 4 perusahaan
termasuk dalam kategori grey area, sehingga diperoleh
persentase kebenaran sebesar 87.5%. Hasil perhitungan
kemampuan memprediksi model ini bagus, hal ini dapat
diketahui dari tingkat sukses total (Overall
Percentage) sebesar 76.5%.
Uji Wald (Uji Parsial)
Ghozali (2007 – 128), Uji parsial digunakan untuk
mengetahui pengaruh masing-masing variabel independen
terhadap variabel dependen. Jika nilai signifikansi <
14 | P a g e
Universitas Maritim Raja Ali Haji
0.05, maka secara parsial variabel independen
berpengaruh terhadap variabel dependen.
Tabel 4.10
Hasil Uji Parsial
Parameter Estimates
PK (Y)a B Std.
Error Wald df Sig. Exp(B)
Bangkrut
Intercept 11.982 4.659 6.615 1 .010
NPM 1.995 21.858 .008 1 .927 7.355
RTO -1.241 .553 5.041 1 .025 .289
CR -2.438 1.318 3.420 1 .064 .087
Grey area
Intercept 2.132 1.149 3.443 1 .064
NPM -47.952 17.265 7.715 1 .005 1.000E-
013
RTO .047 .054 .741 1 .389 1.048
CR -.235 .315 .557 1 .455 .791
Sumber: Output pengolahan SPSS V.21.0 (2014)
Variabel yang dapat digunakan untuk
mengklasifikasikan perusahaan kategori bangkrut dengan
kategori grey area dan tidak bangkrut adalah variabel
RTO yang secara statistik signifikan pada tingkat 5%.
Variabel yang dapat digunakan untuk mengklasifikasikan
perusahaan kategori grey area dengan kategori tidak
bangkrut adalah variabel RTO yang secara statistik
signifikan pada tingkat 5%.
Hasil perhitungan multinomial logistik menunjukkan
bahwa variabel yang berpengaruh signifikan terhadap
variabel dependen adalah: Receivable Turnover (X2).
Sedangkan variabel Net Proffit Margin (X1) dan Current
Ratio (X3) tidak berpengaruh signifikan.
Variabel yang dapat digunakan untuk
mengklasifikasikan perusahaan kategori bangkrut dengan
perusahaan kategori grey area dan kategori tidak
bangkrut adalah variabel rasio Receivable Turnover yang
signifikan pada tingkat 5%. Berdasarkan nilai B
(koefisien) pada tabel Parameter Estimates, persamaan
pertama untuk mengintrepretasikan analisis multinomial
logistik, yaitu:
πj = ln b0 + b1X1 + b2X2 +… bkXk
PK = 11.982 + 1.995 NPM – 1.241 RTO – 2.438 CR
Pada persamaan kondisi 0, nilai konstanta sebesar
11.982 mempunyai arti bahwa jika variabel-variabel
independen dianggap 0 maka probabilitas perusahaan yang
15 | P a g e
Universitas Maritim Raja Ali Haji
mengalami prediksi kebangkrutan meningkat sebesar
11.982 kali dengan pengaruh persamaan positif.
Koefisien NPM sebesar 1.995 dan mempunyai hubungan
positive, artinya semakin tinggi rasio net profit
margin maka semakin tinggi probabilitas perusahaan
diklasifikasikan pada kondisi 1 dan 2. Nilai Exp(B)
sebesar 7.355 artinya setiap kenaikan variabel NPM akan
menurunkan kemungkinan terjadinya kebangkrutan sebesar
7.355 kali dimana variabel lain dianggap konstan. Hasil
ini konsisten dengan hasil penelitian yang dilakukan
oleh Andhito (2011) yang menyatakan bahwa variabel NPM
dapat digunakan untuk memprediksi financial distress
(kebangkrutan).
Koefisien RTO sebesar -1.241 dan mempunyai
hubungan negative, artinya semakin tinggi rasio
receivable turnover maka semakin rendah probabilitas
perusahaan diklasifikasikan pada kondisi 1 dan 2. Nilai
Exp(B) sebesar 0.289 artinya setiap kenaikan RTO akan
menurunkan kemungkinan terjadinya kebangkrutan sebesar
0.289 kali dimana variabel lain dianggap konstan.
Koefisien CR sebesar -2.438 dan mempunyai hubungan
negative artinya semakin tnggi current ratio perusahaan
maka semakin rendah pula probabilitas perusahaan
diklasifikasikan pada kondisi 1 dan 2. Nilai Exp(B)
sebesar 0.087, artinya setiap kenaikan CR akan
menurunkan kemungkinan terjadinya kebangkrutan sebesar
0.087 kali dimana variabel lain di anggap konstan.
Hasil ini konsisten dengan hasil penelitian Andhito
(2011), yang menyatakan bahwa rasio likuiditas dapat
digunakan untuk memprediksi financial distress
(kebangkrutan).
Variabel yang dapat digunakan untuk
mengklasifikasikan kategori grey area dengan kategori
tidak bangkrut adalah variabel NPM yang secara
statistik signifikan pada tingkat 5%. Variabel yang
dapat digunakan untuk mengklasifikasikan kategori tidak
bangkrut adalah variabel NPM yang secara statistik
signifikan pada tingkat 5%.
Hasil perhitungan multinomial logistik menunjukkan
bahwa variabel yang berpengaruh signifikan terhadap
variabel dependen adalah: Net Profit Margin (X1).
Sedangkan variabel Receivable Turnover (X2) dan Current
Ratio (X3) tidak berpengaruh signifikan.
Variabel yang dapat digunakan untuk
mengklasifikasikan perusahaan kategori grey area dengan
kategori tidak bangkrut adalah variabel rasio Net
Profit Margin yang signifikan pada tingkat 5%.
16 | P a g e
Universitas Maritim Raja Ali Haji
Berdasarkan nilai B (koefisien) pada tabel Parameter
Estimates, persamaan kedua untuk mengintrepretasikan
analisis multinomial logistik, yaitu:
πj = ln b0 + b1X1 + b2X2 +… bkXk
PK = 2.272 – 23.376 NPM – 0.022 RTO - 0.527 CR
Pada persamaan kondisi 2, nilai konstanta sebesar
2.132 mempunyai arti bahwa jika variabel-variabel
independen dianggap 0 maka probabilitas perusahaan yang
mengalami prediksi kebangkrutan meningkat sebesar 2.132
kali dengan pengaruh persamaan positif.
Koefisien NPM sebesar -47.952 dan mempunyai
hubungan negative, artinya semakin tinggi rasio net
profit margin maka semakin rendah probabilitas
perusahaan diklasifikasikan pada kondisi 2. Nilai
Exp(B) sebesar 1.000E-013 artinya setiap kenaikan
variabel NPM akan menurunkan kemungkinan terjadinya
kebangkrutan sebesar 1.000E-013 kali dimana variabel
lain dianggap konstan. Hasil ini tidak konsisten dengan
hasil penelitian yang dilakukan oleh Andhito (2011)
yang menyatakan bahwa variabel NPM tidak dapat
digunakan untuk memprediksi financial distress
(kebangkrutan).
Koefisien RTO sebesar 0.047 dan mempunyai hubungan
positive, artinya semakin tinggi rasio receivable
turnover maka semakin rendah probabilitas perusahaan
diklasifikasikan pada kondisi 2. Nilai Exp(B) sebesar
1.048 artinya setiap kenaikan RTO akan menurunkan
kemungkinan terjadinya kebangkrutan sebesar 1.048 kali
dimana variabel lain dianggap konstan.
Koefisien CR sebesar -0.235 dan mempunyai hubungan
negative artinya semakin tinggi current ratio
perusahaan maka semakin rendah pula probabilitas
perusahaan diklasifikasikan pada kondisi 2. Nilai
Exp(B) sebesar 0.791, artinya setiap kenaikan CR akan
menurunkan kemungkinan terjadinya kebangkrutan sebesar
0.791 kali dimana variabel lain dianggap konstan. Hasil
ini tidak konsisten dengan penelitian Andhito (2011),
yang menyatakan bahwa rasio likuiditas tidak dapat
digunakan untuk memprediksi financial distress
(kebangkrutan).
KESIMPULAN DAN SARAN
Kesimpulan
Berdasarkan hasil analisis dan uji hipotesis yang
telah dilakukan dalam penelitian ini, maka dapat
ditarik beberapa kesimpulan sebagai berikut:
17 | P a g e
Universitas Maritim Raja Ali Haji
1. Hasil perhitungan multinomial logistik menunjukkan
bahwa variabel Net Preofit Margin, Receivable
Turnover, dan Current Ratio secar bersama-sama
berpengaruh signifikan terhadap prediksi
kebangkrutan yang dilihati dari model fit yang
memiliki nilai Sig. (0.000) < 0.05.
2a. Hasil perhitungan multinomial logistik
menunjukkan bahwa variabel yang secara parsial
berpengaruh signifikan terhadap variabel dependen
(kategori 0 dengan kategori 1 dan 2) adalah:
Receivable Turnover (X2). Sedangkan variabel Net
Profit Margin (X1) dan Current Ratio (X3) tidak
berpengaruh signifikan.
2b. Hasil perhitungan multinomial logistik
menunjukkan bahwa variabel yang secara parsial
berpengaruh signifikan terhadap variabel dependen
(kategori 1 dengan kategori 2) adalah: Net Profit
Margin (X1). Sedangkan variabel Receivable
Turnover (X2) dan Current Ratio (X3) tidak
berpengaruh signifikan.
Saran
Berdasarkan dari hasil penelitian di atas, maka
saran yang dapat penulis berikan adalah:
1. Diharapkan penelitian selanjutnya dapat
menggunakan model prediksi kebangkrutan Altman
lainnya selain model Altman original, untuk
dijadikan sebagai pembanding dalam memprediksi
kemungkinan perusahaan akan mengalami kondisi
kebangkrutan.
2. Untuk penelitian lebih lanjut diharapkan untuk
mengganti sampel selain perusahaan manufaktur.
3. Bagi peneliti yang tertarik untuk melakukan
penelitian lebih lanjut, diharapkan menambah
variabel lain karena nilai koefisien Negelkerke
pada tabel Pseudo R-Square 49.2% yang
mengindikasikan bahwa masih terdapat variabel lain
yang mempengaruhi prediksi kebangkrutan yaitu
sebesar 50.8% .
DAFTAR PUSTAKA
Andhito, Isyaiyas. 2011. Analisis Rasio Keuangan dalam
Memprediksi Kondisi Financial Distress
Perusahaan (Study Kasus pada Perusahaan yang
Terdaftar pada Bursa Efek Indonesia Periode
2001-2010). Fakultas Ekonomi dan Bisnis.
18 | P a g e
Universitas Maritim Raja Ali Haji
Universitas Islam Negeri Syarif Hidayatullah.
Jakarta
Ardiyanto, Feri Dwi. 2011. Prediksi Rasio keuangan
Terhadap Kondisi Financial Distress Perusahaan
Manufaktur yang Terdaftar di BEI Periode 2005-
2009. Fakultas Ekonomi, Dipenegoro Semarang 2011
Atika, Darminto, dan Handayani. 2012. Pengaruh Beberapa
Rasio Keuangan Terhadap Prediksi Kondisi
Financial Distress.Fakultas Ilmu Administrasi,
Universitas Brawijaya, Malang
Atmaja, Khoirul Fariz. 2012. Analisis Rasio Keuangan
Untuk Memprediksi Kemungkinan Financial
Distress.Jurusan Akuntansi, Fakultas Ekonomi,
Universitas Negri Semarang, Indonesia
Darsono dan Ashari. 2005. Pedoman Praktis Memahami
Laporan Keuangan. Semarang:ANDI
Fahmi, Irham. 2011. Analisis Laporan Keuangan.
Bandung:Alfabeta
Ghozali, Imam. 2007. Aplikasi Analisis Multivariate
dengan Program SPSS. Semarang:Badan Penerbit
UNDIP
Hardiyanti, Ni Made Maya. 2012. Analisi Rasio Keuangan
dalam Memprediksi Financial Distress Perusahaan
Manufaktur yang Terdaftar di Bursa Efek
Indonesia. Artikel Ilmiah. Sekolah Tinggi Ilmu
Ekonomi Perbanas Surabaya 2012
Kamaludin dan Pribadi. 2011. Prediksi Financial
Distress Kasus Industri ManufakturPendekatan
Model Regresi Logistik. Fakultas Ekonomi
Universitas Bengkulu. Forum Bisnis dan
Kewirausahaan Jurnal Ilmiah STIE MDP
Kurniawan, Albert. 2009. Belajar Mudah SPSS untuk
Pemula untuk Mahasiswa dan Umum Disertai Latihan
Soal dan Kunci Jawaban. Yogyakarta: Mediakom
Martha, Yuslely. 2013. Analisis Prediksi Financial
Distress pada Perusahaan Ritel dan Wholesale
yang Terdaftar di Bursa Efek Indonesia
Menggunakan Rasio Model Altman (Periode 2008-
2011). Jurusan Akuntansi, Fakultas Ekonomi,
Universitas Maritim Raja Ali Haji
Moeljadi. 2006. Manajemen Keuangan. Pendekatan
Kuantitatif dan Kualitatif.Jilid 1.
Malang:Bayumedia Publishing
Peter dan Yoseph. 2011. Analisis Kebangkrutan dengan
Metode Z-Score Altman Springate dan Zmijewski
pada PT.Indofood Sukses Makmur Tbk Periode 2005-
52
19 | P a g e
Universitas Maritim Raja Ali Haji
2009.Akurat Jurnal Ilmiah Akuntansi Nomor 04
tahun ke-2 Januari-April 2011
Prastowo, Dwi dan Rifka Juliaty. 2008. Analisis Laporan
Keuangan. Konsep dan Aplikasi. Edisi Kedua.
Yogyakarta:Sekolah Tinggi Ilmu Manajemen YKPN
Prihadi, Toto. 2012. Memahami Laporan Keuangan Sesuai
IFRS dan PSAK. Bagi Pemula. Jakarta:PPM
Qomarudin, Ikhwan. 2008. Rasio Keuangan Sebagai
Prediksi Financial Distress pada Perusahaan
Manufaktur di Bursa Efek Jakarta. Sekolah Tinggi
Ilmu Ekonomi Perbanas Surabaya 2008
Raharjaputra, Hendra.S. 2009. Manajemen Keuangan dan
Akuntansi. Untuk Eksekutif Perusahaan.
Jakarta:Salemba Empat
Ramadhani, Ayu Suci dan Niki Lukviarman. 2009.
Perbandingan Analisis Prediksi Kebangkrutan
Menggunakan Model Altman Pertama, Altman Revisi,
dan Altman Modifikasi dengan Ukuran dan Umur
Perusahaan sebagai Variabel Penjelas (Studi pada
Perusahaan Manufaktur yang Terdaftar di Bursa
Efek Indonesi). Jurnal Siasat Bisnis Vol. 13 No
1, April 2009 Hal: 15-28
Rokhayati, Isnaeni. 2005. Analisis Hubungan Investment
Opportunity SET (IOS) dengan Realisasi
Pertumbuhan Serta Perbedaan Perusahaan yang
Tumbuh dan Tidak Tumbuh Terhadap Kebijakan
Pendanaan dan Dividen di Bursa efek Jakarta.
Vol. 1 No. 2 Januari 2005: (p.41-60)
Trihendradi. C. 2009. Step by Step.SPSS 16 Analisis
Data Statistik. Yogyakarta: ANDI
Tunggal, Amin Widjaja. 2000. Dasar-dasar Analisis
Laporan Keuangan. Jakarta: Rineka Cipta
Uyanto, Stanislaus.S. 2009. Pedoman Analisis Data
dengan SPSS.Edisi 3. Yogyakarta: Graha Ilmu
Wijaya, Tony. 2011. Cepat Menguasai SPSS 19 Untuk Olah
& Interpretasi Data Penelitian Skripsi Step By
Step. Yogyakarta: Cahaya Atma
Yuanita, Ika. Prediksi Financial Distress dalam
Industri Textile dan Garment (Bukti Empiris di
Bursa Efek Indonesia). Jurusan Administrasi
Niaga, Politeknik Negeri Padang. Jurnal
Akuntansi & Manajemen Vol.5 No.1 Juni 2010 ISSN
1858-3687 hal 101-119.
http://www.idx.co.id/
20 | P a g e
Universitas Maritim Raja Ali Haji
LAMPIRAN
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
NPM (X1) 51 -.063 .313 .08839 .080340 RTO (X2) 51 2.601 54.680 11.10969 11.735352 CR (X3) 51 .659 10.684 3.14992 2.262006 PK (Y) 51 0 2 1.51 .703 Valid N (listwise) 51
Correlations
NPM (X1) RTO (X2) CR (X3)
NPM (X1)
Pearson Correlation 1 .072 .227
Sig. (2-tailed) .613 .110
N 51 51 51
RTO (X2) Pearson Correlation .072 1 -.264 Sig. (2-tailed) .613 .061 N 51 51 51
CR (X3)
Pearson Correlation .227 -.264 1
Sig. (2-tailed) .110 .061
N 51 51 51
Case Processing Summary
N Marginal Percentage
PK (Y)
Bangkrut 6 11.8%
Grey area 13 25.5%
Tidak bangkrut 32 62.7% Valid 51 100.0% Missing 0 Total 51 Subpopulation 51a
Model Fitting Information
Model Model Fitting Criteria
Likelihood Ratio Tests
-2 Log Likelihood Chi-Square
Df Sig.
Intercept Only 91.049 Final 43.073 47.976 6 .000
Goodness-of-Fit
Chi-Square df Sig.
Pearson 52.850 94 1.000 Deviance 43.073 94 1.000
21 | P a g e
Universitas Maritim Raja Ali Haji
Pseudo R-Square
Cox and Snell .610 Nagelkerke .733 McFadden .527
Classification
Observed Predicted
Bangkrut Grey area Tidak bangkrut Percent Correct
Bangkrut 4 1 1 66.7% Grey area 1 7 5 53.8% Tidak bangkrut 0 4 28 87.5% Overall Percentage 9.8% 23.5% 66.7% 76.5%
Parameter Estimates
PK (Y)a B Std. Error
Wald df Sig. Exp(B)
Bangkrut
Intercept 11.982 4.659 6.615 1 .010
NPM 1.995 21.858 .008 1 .927 7.355
RTO -1.241 .553 5.041 1 .025 .289
CR -2.438 1.318 3.420 1 .064 .087
Grey area
Intercept 2.132 1.149 3.443 1 .064
NPM -47.952 17.265 7.715 1 .005 1.000E-
013
RTO .047 .054 .741 1 .389 1.048
CR -.235 .315 .557 1 .455 .791
Recommended