http://jos.unsoed.ac.id/index.php/read
e-ISSN: 2745-4746
Vol. 1 No. 2 Oktober 2020: 56-65
DOI: https://doi.org/10.20884/1.read.2020.1.2.3477
Abstract
Bankruptcy does not just happen but starts from financial difficulties and liquidation, which is commonly
referred to as financial distress. In predicting financial distress, measurements can be made with specific ratios.
This study aims to examine the role of financial ratios in predicting financial distress. The sample consists of 24
manufacturing companies on the Indonesia Stock Exchange. The data used are the 2013-2016 financial
statements. The 2015-2016 financial reports are used as determinants of financial distress, and the 2013-2014
reports are the data processed in this study. Logistic regression is an analytical tool used to test hypotheses. In
this case, the financial ratios of the Altman model and the financial ratios of cash flows will be used to predict the
company's financial distress. The results of this study indicate that the ratio of EBITTA, WCTA, RETA, CFOTA has
a significant negative effect in predicting financial distress. Meanwhile, the MVETL and SATA financial ratios
have no effect in predicting the company's financial distress. The classification power of prediction accuracy in
this research model is 83.3%.
Keywords: financial distress, financial ratios, earning per share
Abstrak
Kebangkrutan tidak terjadi begitu saja, namun dimulai dari kesulitan keuangan dan likuidasi yang biasa disebut
dengan kondisi financial distress. Dalam memprediksi financial distress, dapat dilakukan pengukuran dengan
rasio-rasio tertentu. Penelitian ini bertujuan menguji peran dari rasio keuangan terhadap prediksi kondisi
financial distress. Sampel terdiri dari 24 perusahaan manufaktur yang ada di Bursa Efek Indonesia. Data yang
digunakan adalah laporan keuangan tahun 2013-2016. Laporan keuangan tahun 2015-2016 dijadikan sebagai
penentu terjadinya financial distress, dan laporan tahun 2013-2014 merupakan data yang diolah dalam
penelitian ini. Regresi logistik merupakan alat analisis yang digunakan untuk menguji hipotesis. Dalam hal ini,
rasio keuangan dari model Altman dan rasio keuangan dari arus kas akan digunakan untuk memprediksi
financial distress perusahaan. Hasil dari penelitian ini menunjukkan bahwa rasio EBITTA, WCTA, RETA, CFOTA
berpengaruh negatif secara signifikan dalam memprediksi kondisi financial distress. Sedangkan rasio keuangan
MVETL dan SATA tidak berpengaruh dalam memprediksi kondisi financial distress perusahaan. Daya klasifikasi
ketepatan prediksi pada model penelitian ini adalah 83,3%.
Kata kunci: financial distress, rasio keuangan, earning per share.
56
Analisis Rasio Keuangan terhadap Kondisi Financial … Sita Dewi Riyanti
57
READ, Vol. 1. No. 2, Oktober 2020:56-65
58
Analisis Rasio Keuangan terhadap Kondisi Financial … Sita Dewi Riyanti
akan terjadi di masa depan (Winaya et al., Penelitian lain yang dilakukan oleh
2020). Almamy et,.al (2016) menambahkan variabel
Laporan keuangan pada hakekatnya arus kas dalam model Z-Score untuk
menjadi acuan bagi pihak internal maupun meningkatkan keakuratan prediksi model.
eksternal perusahaan dalam menilai kinerja Studi tersebut menemukan bahwa rasio arus
keuangan perusahaan pada kurun waktu kas bila dikombinasikan dengan model Z-
tertentu (Assaji & Machmuddah, 2019). Score sangat signifikan dalam memprediksi
Rasio-rasio keuangan dapat digunakan untuk Kesehatan perusahaan di Inggris. laporan
menganalisis laporan keuangan sebagai tolok arus kas dapat membantu para pemakainya
ukur kinerja keuangan perusahaan pada untuk melihat bagaimana saldo kas dan
kemungkinan terjadinya financial distress setara kas dalam neraca perusahaan berubah
atau bahkan kebangkrutan. Rasio keuangan dari awal hingga akhir periode akuntansi dan
merupakan indikator yang berguna untuk apa artinya perubahan tersebut bagi
mengukur kinerja dan situasi keuangan perusahaan, apakah menunjukan prestasi
perusahaan (Khan & Raj, 2020). Kondisi positif atau negatif (Nailufar et al., 2018).
kesulitan operasi dan keuangan perusahaan Laporan arus kas merupakan sumber kas dan
menjadi subjek yang sangat rentan terhadap penggunaan kas selama satu periode.
analisis rasio keuangan (Assaji & Laporan arus kas disajikan untuk tujuan
Machmuddah, 2019). Hal tersebut merujuk menyediakan informasi yang dapat
pada adanya hubungan erat antara rasio membantu investor maupun kreditor
keuangan terhadap prediksi financial mengenai jumlah arus kas yang mungkin
distress. didistribusikan pada waktu yang akan datang
Beberapa penelitian dilakukan mengenai dalam bentuk deviden maupun bunga atau
financial distress yang meninjau manfaat dari pembayaran pokok Kembali. Laporan arus
rasio keuangan sebagai alat deteksi kas juga dapat membantu dalam
perusahaan yang tepat. Salah satu penelitian mengevaluasi resiko (Nailufar et al., 2018).
yang menelaah kegunaan analisis rasio Dalam penyajianya, laporan arus kas dibagi
keuangan sebagai prediksi financial distress dalam tiga kategori, yaitu:
dilakukan oleh Altman pada tahun 2000 1. Kas yang berasal dari atau digunakan
dengan model Z-Score yaitu penentuan score untuk kegiatan operasional.
dari hasil perhitungan standar akun-akun 2. Kas yang berasal dari atau digunakan
keuangan yang memungkinkan mengalami untuk kegiatan investasi.
kebangkrutan (Assaji & Machmuddah, 2019). 3. Kas yang berasal dari atau digunakan
Model Altman (1968) memberikan tiga untuk kegiatan pendanaan.
kategori prediksinya yaitu kondisi financial Laporan arus kas yang akan digunakan
distress, grey area, dan non-financial distress. dalam penelitian ini adalah arus kas dari
Perusahaan dalam keadaan bangkrut kegiatan operasional (Cash Flow from
dengan skor kurang atau sama dengan -0,02 Operatings to Total Assets/CFOTA).
(Z ≤ -0,02), dalam keadaan tidak bangkrut Cash Flow from Operatings to Total Assets
adalah lebih atau sama dengan 0,01 (Z ≥ menggambarkan kemampuan perusahaan
0,01) (Sunarji & Sufyani, 2017). Perusahaan dalam menghasilkan arus kasnya melalui
yang memiliki skor diantara batas atas dan aset yang dimiliki. Pada penelitian yang
batas bawah dikategorikan berada pada grey dilakukan oleh Nailufar et al. (2018)
area (Primasari, 2018). Terdapat lima rasio menunjukkan hasil bahwa rasio ini
dalam model Altman Z-Score yaitu Working berpengaruh terhadap financial distress.
Capital to Tota Assets (WCTA), Retained Almilia (2003) juga menyatakan bahwa cash
Earning to Total Asset (RETA), Earning Before flow from operating to total assets dapat
Interest Tax to Total Asset (EBITTA), Market digunakan untuk memprediksi kondisi
Value of Equity to Total Liabilities (MVETL) financial distress.
dan Sales to Total Asset (SATA).
59
READ, Vol. 1. No. 2, Oktober 2020:56-65
60
Analisis Rasio Keuangan terhadap Kondisi Financial … Sita Dewi Riyanti
Ln
P
1−p
= b0 + b1 x1 + b2 x2 + b3 x3 + b4 x4 + Uji Multikolinearitas
b5 x5 + b6 x6 Multikolinearitas adalah situasi yang
P/(1-p) = status kegagalan perusahaan/ menunjukkan adanya korelasi atau hubungan
probabilitas perusahaan mengalami kuat antara dua variabel atau lebih dalam
financial distress, p (perusahaan sebuah model regresi berganda. Variabel
tidak bermasalah), 1-p (perusahaan
bermasalah). independen dikatakan terjadi
b_0 = konstanta multikolinearitas apabila nilai standard error
b_1-b_6 = koefisien regresi variabel > 1, atau dengan melihat nilai tolerance dan
independen Variance Inflating Factor (VIF). Jika nilai
x_1-x_6 = rasio keuangan. Tolerance < 0,1 dan VIF > 10 maka dapat
diindikasikan adanya multikolinearitas.
Hasil dan Pembahasan Untuk hasil uji multikolinearitas dari
penelitian ini bisa dilihat pada tabel dibawah
Hasil Analisis Data ini:
Pengujian statistik dilakukan untuk
memberikan deskripsi variable - variabel Tabel 2. Uji Multikolinearitas pada dua tahun
dalam penelitian. variabel dependen sebelum financial distress
penelitian ini berupa variabel dummy yaitu Collinearity Statistics
financial distress sedangkan variabel Model
Tolerance VIF
independennya diukur dengan skala rasio
1 (Constant)
yang tidak perlu asumsi normalitas data.
EBITTA 0,402 2.487
Dalam hal ini apakah financial distress dapat
diprediksikan dengan variabel seperti WCTA 0,511 1.956
earning before interest and tax, working MVTL 0,524 1.908
capital to total asset, book value equity to RETA 0,503 1.989
total liability, retained earning by total asset, SATA 0,717 1.395
sales to total asset, dan cash flow from
CFOTA 0,696 1.438
operating to total asset. Pengujian statistik
Sumber: Output Spss 22
deskriptif dalam penelitian ini menggunakan
spss. Tabel 3. Uji Multikolinearitas pada satu tahun
sebelum financial distress
Tabel 1. Descriptive Statistics
Collinearity Statistics
Std. Model
X N Skewness Tolerance VIF
Deviation
(1) EBITTA 48 0,472 0,796 1 (Constant)
(2) WCTA 48 0,341 -1563 EBITTA 0,301 3.319
(3) MVTL 48 0,194 0,35 WCTA 0,637 1.570
(4) RETA 48 0,097 1586 MVTL 0,647 1.545
(5) SATA 48 0,632 1087 RETA 0,359 1.989
(6) CFOTA 48 0,106 1739
SATA 0,875 1.143
Valid N (listwise) 48 CFOTA 0,612 1.635
Sumber : Output SPSS 22 Sumber: Output Spss 22
Tabel 1 menunjukkan hasil dari analisis Pada tabel 2 dan tabel 3 menunjukkan
deskriptif 48 observasi. Dari hasil tersebut bahwa keenam variabel independen memiliki
menunjukkan bahwa rasio skweness keenam nilai toleran yang mendekati angka 1 dan
variabel berada diantara nilai 2,00 sampai lebih dari 0,1. Sedangkan nilai VIF keenam
dengan 2,00 maka dapat disimpulkan bahwa variabel independen tersebut memiliki nilai
data tersebut terdistribusi secara normal. VIF < 10, sehingga dapat disimpulkan bahwa
61
READ, Vol. 1. No. 2, Oktober 2020:56-65
antar variable independen tidak terjadi Nilai Nagelkerke R Square sebesar 0,730
multikolinearitas, dengan begitu variabel- atau 73,0% pada dua tahun sebelum financial
variabel independen tersebut dapat distress dan pada satu tahun sebelum
digunakan dalam model penelitian. financial distress naik menjadi 0,758 atau
75,8%. Ini artinya bahwa kemampuan
Analisis Regresi variabel independent dalam menjelaskan
Dalam pengujian ini, jumlah kasus variabel dependen pada satu dan dua tahun
regresi yang dimasukkan dalam analisis sebelum financial distress masing-masing
regresi adalah 24 sampel yang akan sebesar 75,8% dan 73,0% sedangkan sisanya
dianalisis dua kali yaitu satu tahun dan dua adalah faktor lain di luar model.
tahun sebelum financial distress. Regresi
logistik digunakan karena variabel Regresi Logistik
dependennya berupa variabel dummy (non Tabel 7. Koefisien regresi pada satu tahun
metric) atau dapat diukur dengan skala sebelum terjadinya Financial distress
nominal (kualitatif). Sedangkan variabel Variables in the Equation
independennya diukur dengan skala rasio B Sig.
yang tidak perlu asumsi normalitas data. EBITTA -6,214 0,015
Tabel 4. Hasil Case Processing Summary
WCTA -14,591 0,019
Unweighted Casesa N Percent MVTL -0,929 0,530
Included in Step
24 100.0 RETA -6,759 0,048
Analysis 1a
Selected SATA 0,096 0,431
Cases Missing Cases 0 0.0 CFOTA -7,931 0,031
Total 24 100.0 Constant 2,248 0,255
Unselected Cases 0 0.0 Sumber : Output Spss
Total 24 100.0
Sumber: Output Spss 22
Tabel 8. Koefisien regresi pada dua tahun
sebelum terjadinya Financial distress
Dari tabel di atas, jika dilihat dari Variables in the Equation
presentasenya sampel tersebut 100% layak B Sig.
untuk diolah dengan regresi logistic. Pada EBITTA -13,91 0,014
hasil Omnibus Tests of Model Coefisients WCTA -15,27 0,005
dengan signifikansi sebesar 0,005 atau P < MVTL -0,884 0,302
0,05 menunjukkan bahwa model dinyatakan Step
RETA -7,64 0,034
FIT. 1a
SATA 0,112 0,948
Koefisien Determinan (Cox & Snell R
CFOTA -8,069 0,021
square dan Nagelkerke R square)
Tabel 5. Model summary pada satu tahun Constant 0,886 0,654
sebelum financial distress Sumber: Output Spss
62
Analisis Rasio Keuangan terhadap Kondisi Financial … Sita Dewi Riyanti
Hipotesis kedua menunjukkan tanda pada angka 0,031 dan 0,021. Tanda negatif
koefisien regresi yang konsisten dan yang sesuai dengan hipotesis menunjukkan
berpengaruh signifikan pada satu dan dua bahwa apabila rasio dari arus kas rendah
tahun sebelum financial distress. Hal ini dapat maka akan terjadi financial distress pada
dilihat pada nilai signifikansi sebesar 0,019 periode tahun status. Dengan demikian
dan 0,005 (<0,05). Tanda negative yang hipotesis keenam (H6) diterima.
sesuai dengan hipotesis menunjukkan bahwa Persamaan yang terbentuk dari hasil
apabila WCTA rendah maka akan terjadi analisis regresi sebagai berikut:
financial distress pada periode tahun status. Y = 2,248 – 6,214EBITTA – 14,591WCTA –
Dengan demikian hipotesis kedua (H2) 6,759RETA – 7,931CFOTA .................(1)
diterima.
Hipotesis ketiga memiliki tanda koefisien dan
Y = 0,886 – 13,910EBITTA – 15,270WCTA –
regresi yang konsisten namun tidak
7,640RETA - 8,069CFOTA .................(2)
signifikan pada satu dan dua tahun sebelum
financial distress. Nilai signifikansi lebih Pada persamaan 1 yaitu pada satu tahun
besar dari 0,05 (> 0,05) pada satu dan dua sebelum financial distress nilai konstanta
tahun sebelum financial distress, masing- sebesar 2,248 mempunyai arti bahwa jika
masing nilai signifikansi yakni menunjukkan variabel-variabel independen dianggap nol,
angka 0,530 dan 0,302. Berdasarkan hasil maka probabilitas perusahaan mengalami
tersebut dapat disimpulkan bahwa tinggi financial distress akan mengalami penurunan
rendahnya MVTL tidak mempengaruhi sebesar 2,248. Pada persamaan 2 yaitu pada
terjadinya financial distress. Maka untuk dua tahun sebelum financial distress nilai
hipotesis ketiga (H3) ditolak. konstanta sebesar 0,886 ini artinya jika
Hipotesis keempat memiliki tanda variabel-variabel independen dianggap nol,
koefisien regresi yang konsisten dan maka probabilitas perusahaan mengalami
berpengaruh terhadap terjadinya financial financial distress menurun sebesar 0,886.
distress. Nilai signifikansi pada satu dan dua Pada persamaan 1 Koefisien EBITTA
tahun sebelum financial distress kurang dari sebesar 6,214, koefisien WCTA sebesar
0,05 (< 0,05) yakni 0,048 dan 0,034. Tanda 14,591, koefisien RETA sebesar 6,759 dan
negatif pada koefisien beta menunjukkan koefisien CFOTA sebesar 7,931 yang masing-
bahwa tinggi rendahnya nilai RETA dapat masing mempunyai hubungan negatif. Pada
mempengaruhi terjadinya financial distress. persamaan 2 Koefisien EBITTA sebesar
Berdasarkan hasil tersebut maka hipotesis 13,910, koefisien WCTA sebesar 15,270,
keempat (H4) diterima. koefisien RETA sebesar 7,640 dan koefisien
Hipotesis kelima memiliki tanda CFOTA sebesar 8,069 masing-masing
koefisein regresi yang tidak konsisten dan mempunyai hubungan negatif. Artinya
tidak signifikan pada satu dan dua tahun semakin rendah rasio (EBITTA), (WCTA),
sebelum financial distress dengan nilai (RETA) dan (CFOTA) pada perusahaan maka
signifikansi 0,431 dan 0,948. Keduanya semakin tinggi probabilitas perusahaan
memiliki nilai signifikansi melebihi 0,05 (> mengalami financial distress.
0,05). Hasil ini menunjukkan bahwa besar Dari hasil penelitian tersebut, maka
kecilnya rasio ini tidak dapat menentukan dilakukan uji ketepatan prediksi klasifikasi
kemungkinan terjadinya financial distress yang disajikan dalam tabel 9.
perusahaan. Maka pada pengujian ini, Pada tabel 9 menunjukkan nilai overall
hipotesis kelima (H5) ditolak. pencentage sebesar 83,3% yang artinya
Hipotesis keenam memiliki tanda ketepatan prediksi model penelitian ini
koefisien regresi yang konsisten dan adalah 83,3%.
signifikan pada satu dan dua tahun sebelum
financial distress. Keduanya memiliki nilai
signifikan kurang dari 0,05 (<0,05) yaitu
63
READ, Vol. 1. No. 2, Oktober 2020:56-65
64
Analisis Rasio Keuangan terhadap Kondisi Financial … Sita Dewi Riyanti
65