SKRIPSI
Disusun Oleh :
Adistya Aulia Utami
NPM. 16.0102.0074
SKRIPSI
HALAMAN JUDUL
Disusun Oleh:
Adistya Aulia Utami
NIM. 16.0102.0074
Dosen Pembimbing
ii
SURAT PERNYATAAN
Dengan ini menyatakan bahwa skripsi yang saya susun dengan judul:
Model Early Warning System (EWS) Dalam Memprediksi Financial
Distress Pada Perusahaan Asuransi yang Terdaftar di BEI
(Studi Empiris Pada Perusahaan Asuransi Yang Terdaftar di BEI
Periode 2014-2019)
adalah benar-benar hasil karya saya sendiri dan bukan merupakan plagiat dari Skripsi
orang lain. Apabila kemudian hari pernyataan Saya tidak benar, maka Saya bersedia
menerima sanksi akademis yang berlaku (dicabut predikat kelulusan dan gelar
kesarjanaannya).
Demikian surat pernyataan ini Saya buat dengan sebenarnya, untuk dapat dipergunakan
bilamana diperlukan.
iii
RIWAYAT HIDUP
Pengalaman organisasi:
- Anggota Lembaga Pers Mahasiswa Universitas Muhammadiyah Magelang
Periode 2016/2017
Magelang, 9 September 2020
Pembuat pernyataan,
iv
MOTTO
v
KATA PENGANTAR
Assalamu’alaikum Wr.Wb.
Alhamdulillahi robbil’alamin, puji syukur peneliti dihaturkan kepada Allah SWT atas
taufiq, hidayah dan inayah-Nya sehingga dapat menyelesaikan penelitian dan skripsi yang
berjudul ” Model Early Warning System (EWS) Dalam Memprediksi
Financial Distress Pada Perusahaan Asuransi yang Terdaftar di BEI
(Studi Empiris Pada Perusahaan Asuransi Yang Terdaftar di BEI
Periode 2014-2019)”. Penulisan skripsi dilakukan untuk memenuhi salah satu syarat
kelulusan dalam meraih derajat Sarjana program Strata Satu (S-1) Fakultas Ekonomi dan Bisnis
Universitas Muhammadiyah Magelang.
Selama penelitian dan penyusunan skripsi, penulis tidak luput dari kendala.
Berkat adanya bimbingan, pengarahan, dukungan, dan bantuan dari berbagai pihak
penulis dapat menyelesaikan penelitian dan penyusunan skripsi. Oleh karena itu
penulis ingin menyampaikan rasa terima kasih setulus-tulusnya kepada:
1. Ibu Dra. Marlina Kurnia, M.M selaku Dekan Fakultas Ekonomi dan Bisnis
Universitas Muhammadiyah Magelang.
2. Bapak Dr. Wawan Sadtyo Nugroho, S.E., M.Si selaku Ketua Program Studi
Akuntansi.
3. Bapak Muh. Al-Amin, SE., M.Si selaku dosen pembimbing yang telah berkenan
meluangkan waktu, tenaga, pikiran, dukungan dan saran dalam menyelesaikan skripsi ini.
4. Ibu Farida, SE., M.Si., Ak., CA selaku dosen penguji 1 (satu) yang sudah
membantu memberikan saran terhadap perbaikan skripsi ini.
5. Ibu Yulinda Devi Pramita, S.E., M.Sc.Ak, selaku dosen penguji 2 (dua) yang sudah
membantu memberikan saran terhadap perbaikan skripsi ini.
6. Seluruh dosen dan karyawan yang telah memberikan bekal ilmu dan menuntun
selama menjalankan studi di Universitas Muhammadiyah Magelang.
7. Bapak Maming dan Ibu Sukarti selaku orang tua yang selalu memberikan
dorongan dan semangat, serta selalu mendoakan yang terbaik untuk anaknya.
8. Adik-adikku Nayla Shasi Anura dan Alya Syaira Nurmawa yang selalu
mendukung penulis dan memberikan dukungan untuk melakukan apa yang
penulis ingin lakukan.
9. Teman-teman tersayangku, Halimah, Maria dan Ainun yang selalu menemani
hari-hariku dari SMK hingga saat ini. Semoga persahabatan ini selalu terjaga.
10. Teman-teman yang kucintai, Geulis dan Tri Wahyu yang selalu menampung
segala suka dan duka selama masa perkuliahan dan akan terus berlanjut sampai
kapanpun.
11. Teman-teman Akuntansi 16B, yang telah menjadi teman baik selama kuliah.
12. Teman-teman dari LPM Tidar 21 yang tidak bisa disebutkan satu persatu yang
sudah selalu menjadi rumah kedua ketika dikampus. Terima kasih atas
kebersamaan dan dukungan dari teman-teman selama ini.
vi
13. Semua pihak yang tidak dapat penulis sebutkan satu-persatu yang telah
memberikan bantuan dan motivasinya.
Wassalamu’alaikum Wr.Wb.
vii
DAFTAR ISI
viii
E. Pengujian Hipotesis .......................................................................................... 40
BAB IV HASIL DAN PEMBAHASAN ............................................................. 43
A. Populasi dan Sampel ........................................................................................ 43
B. Statistik Deskriptif Variabel Penelitian ............................................................ 44
C. Uji Multikolinearitas ........................................................................................ 47
D. Analisis Regresi Logistik ................................................................................. 48
E. Uji Hipotesis .................................................................................................... 51
F. Pembahasan ...................................................................................................... 56
G. Pembahasan Keseluruhan ............................................................................. 64
BAB V KESIMPULAN ..................................................................................... 67
A. Kesimpulan ...................................................................................................... 67
B. Keterbatasan Penelitian .................................................................................... 68
C. Saran................................................................................................................. 68
DAFTAR PUSTAKA ................................................................................................. 69
LAMPIRAN ................................................................................................................ 73
ix
DAFTAR TABEL
x
DAFTAR GAMBAR
xi
DAFTAR LAMPIRAN
xii
ABSTRAK
MODEL EARLY WARNING SYSTEM (EWS) DALAM MEMPREDIKSI
FINANCIAL DISTRESS PADA PERUSAHAAN ASURANSI YANG
TERDAFTAR DI BEI
(Studi Empiris Pada Perusahaan Asuransi Yang Terdaftar di BEI Periode 2014-
2019)
Oleh :
Adistya Aulia Utami
Financial distress adalah kondisi dimana perusahan mangalami laba bersih operasi (net
operation income) negatif selama beberapa tahun dan selama lebih dari satu tahun tidak
melakukan pembayaran dividen, pemberhentian tenaga kerja atau menghilangkan
pembayaran dividen. Penelitian ini menguji faktor-faktor yang mempengaruhi dalam
memprediksi kondisi financial distress. Data yang digunakan adalah dat sekunder
dengan menggunakan sampel perusahaan asuransi yang terdaftar di Bursa Efek
Indonesia periode tahun 2014-2019. Teknik pengumpulan sampel yang digunakan
yaitu purposive sampling dan diperoleh sebanyak 66 sampel. Uji hipotesis dilakukan
dengan menggunakan analisis regresi logistik. Hasil uji hipotesis menunjukkan bahwa
variabel return on asset (ROA) berpengaruh positif signfikan terhadap probabilitas
financial distress. Variabel likuiditas berpengaruh negative signifikan terhadap
probabilitas financial distress. Variabel solvabilitas dan umum, beban klaim, dan
pertumbuhan premi tidak berpengaruh terhadap terjadinya financial distress.
xiii
BAB I
PENDAHULUAN
A. Latar Belakang
yaitu global financial crisis pada tahun 2008 yang berakibat pada melemahnya
aktivitas bisnis secara umum. Pada beberapa negara, seperti Amerika Serikat, Eropa,
dalam negeri, ada beberapa dampak yang diakibatkan oleh global financial crisis,
salah satunya yaitu de-listing. Perusahaan bisa dide-listing dari Bursa Efek
financial distress atau sedang mengalami kesulitan keuangan (Pranowo et al., 2010).
negatif, laba bersih negatif, nilai buku ekuitas negatif, dan perusahaan yang
melakukan merger (Brahmana, 2007). Fenomena lain dari financial distress adalah
1
2
6,7 triliun. Meskipun Jiwasraya tidak mengalami de-listing karena memang tidak
tercatat di Bursa Efek Indonesia (BEI), tetapi Jiwasraya merupakan kiblat dari
Sehingga, kasus financial distress yang dialami oleh Jiwasraya dapat dijadikan
pasca krisis keuangan, mampu diredam oleh jajaran Direksi Jiwasraya periode
sebagai Direktur Keuangan membeberkan dua skema yang dijadikan strategi untuk
melepaskan diri dari jeratan utang, yang semula diperkirakan akan selesai 17 tahun
namun dapat selesai dalam waktu 4 tahun. Dua skema tersebut ialah reasuransi dan
revaluasi untuk tujuan komersial atas semua asset yang dimiliki. Tepat pada 18
Agustus 2014, upaya Jiwasraya itu mendapatkan pujian dari Menteri Badan Usaha
'merdeka' dari utang Rp6,7 triliun serta bangkit dari terpaan krisis moneter 1998.
3
Negara (PMN).
Asuransi yang berdiri pada tahun 1859 itu mengalami tekanan likuiditas sehingga
mengakibatkan ekuitas perseroan tercatat negatif yaitu sebesar Rp 23,92 triliun pada
September 2019. Selain itu, Jiwasraya membutuhkan uang sebesar Rp32,89 triliun
untuk kembali sehat. Dilansir dari CNN (2020), ternyata kasus Jiwasraya yang
terjadi tahun ini merupakan puncak dari kasus-kasus yang menjerat Jiwasraya di
pada saham-saham berkinerja buruk. Pada tahun 2006 ekuitas Jiwasraya tercatat
negatif hingga Rp 3,29 triliun yang dilanjutkan dengan kasus disclaimer untuk
pelaporan periode tahun 2006-2007 lantara penyajian keuangan yang tidak dapat
diyakini kebenarnannya. Defisit perseroan juga semakin lebar, yaitu Rp 5,7 triliun
pada 2008 dan Rp 6,3 triliun pada 2009. Kemudian pada tahun 2010 hingga 2012
Rp 1,3 triliun. Selain itu pada tahun 2012 Bapepam-LK meresmikan produk JS
Proteksi Plan, dimana merupakan produk Jiwasraya yang diasarkan melalui kerja
sama dengan bank. Adanya produk tersebut menimbulkan penyakit lain bagi
Jiwasraya, pasalnya bunga yang ditawarkan cukup tinggi, yakni sekitar 9 hingga 13
persen.
4
karena penjualan produk JS Proteksi Plan dengan periode pencarian tiap tahun.
Namun, pada tahun 2018 puncak kasus mulai terendus. Direktur utama dan direktur
Saving Plan oleh nasabah karena mencium kebobrokan direksi lama. Setelah
tersebut diterima oleh Menteri BUMN dan membentuk direksi baru untuk
mendalami kasus kejanggalan tersebut. Menteri BUMN juga memina BPK dan
mengumumkan tidak dapat membayar klaim polis jatuh tempo nasabah JS Saving
Plan sebesar Rp802 miliar. Pada bulan yang sama ekuias Jiwasraya tercatat
yang disajikan dinilai tidak transaparan. Selain Kejaksaan Agung, Kejaksaan Tinggi
penyidikan pada kasus dugaan korupsi. Kemudian pada bulan Desember, Kejaksaan
korupsi di balik defisit anggaran Jiwasraya. Saat ini Kejaksaan Agung menetapkan
5
enam nama sebagai tersangka dugaan kasus korupsi Jiwasraya, termasuk mantan
direktur utama dan direktur keuangan Jiwasraya, yang mana merupakan manajemen
Bumiputera 1912. Sama halnya dengan Jiwasraya, asuransi jiwa Bumiputera juga
mengalami gagal bayar klaim kepada nasabah, dan mencapai jumlah Rp 9,6 triliun.
Melansir dari Harian Kompas, 1 Desember 2018 tercatat mengalami enam kali
krisis besar, yaitu pada tahun 1930 ( Depresi Besar), 1945 (pasca perang dunia II),
1965 (peristiwa sanering), 1997 (krisis Asia), 2008 (krisis keuangan global), dan
2016 sebelum pemberlakuan statuter. Kemudian pada tahun 2018 asuransi jiwa
Bumiputera 1912 mengalami gagal bayar kepada nasabah, karena kewajiban yang
dibayarkan lebih besar dari asetnya. Asset yang tercatat adalah sebesar Rp 10,28
yang belum dibayarkan meningkat pada kahir Januari 2019, yaitu mencapai Rp 2,7
trirliun, dan terus meningkat hingga Rp 9,6 triliun pada tahun 2020 ini (CNBC,
2020).
laba bersih negatif, nilai buku ekuitas negatif, dan perusahaan yang melakukan
merger (Brahmana, 2007). Fenomena lain dari financial distress adalah banyaknya
menggunakan beberapa cara, salah satunya dengan sistem peringatan dini (early
warning system).
suatu perusahaan dapat dilakukan menggunakan model sistem peringatan dini atau
early warning system (Nilasari dan Haryanto, 2018). Model ini dapat digunakan
sebagai alat untuk mengenali gejala awal kondisi financial distress untuk
krisis atau kebangkrutan. Dalam model EWS ini terdapat rasio-rasio yang
perusahaan asuransi. Early Warning System (EWS) adalah tolak ukur perhitungan
usaha asuransi Amerika Serikat dalam mengukur kinerja keuangan dan menilai
yang yang menghasilkan rasio-rasio keuangan dari perusahaan asuransi yang dibuat
dengan kinerja keuangan perusahaan. Rasio keuangan Early Warning System ini
keuangan perusahaan asuransi kerugian dengan mendeteksi lebih awal pada laporan
yang terdapat pada Early Warning System telah disesuaikan dengan perkiraan-
perkiraan akun yang berada di dalam laporan keuangan perusahaan asuransi (Afif
dan 79 perusahaan tidak bangkrut, penelitian menyimpulkan bahwa rasio yang dapat
funds flow to total asset dan net income to total asset dengan tingkat keakuratan
adalah teknik yang digunakan untuk memprediksi dan menjelaskan hubungan yang
berpengaruh kuat terhadap kategori dimana objek tersebut berada, dimana variabel
Model MDA yang ada antara lain: Altman’s Model oleh Altman (1968). Mu dan
krisis moneter), antara lain oleh Wilopo (2001), yang memprediksi kebangkrutan
bank dengan CAMEL, (Adnan & Taufiq, 2001) memprediksi kebangkrutan dengan
Z-score, Shidiq dan Wibowo (2017) menggunakan model diskriminan dan panel
logit untuk menguji EWS dalam memprediksi financial distress pada bank umum
kebangkrutan Bank Perkreditan Rakyat dengan model logit dan untuk mengetahui
model yang mempunyai kemampuan terbaik (model yang paling akurat) dalam
tingkat akurasi peringatan umum model adalah 75%, sehingga model peringatan
dini berdasarkan regresi logistik yang dibangun juga memiliki prediksi yang baik
Penelitian ini mengacu pada penelitian yang dilakukan oleh Mu dan Liu,
sebelumnya adalah terletak pada obyek penelitian yang dilakukan pada perusahaan
9
asuransi yang terdaftar di Bursa Efek Indonesia (BEI) , karena rasio rasio Early
dalam laporan keuangan perusahaan asuransi. Selain itu, model yang digunakan
judul “Analisis Early Warning System (EWS) Dengan Regresi Logistik Untuk
B. Rumusan Masalah
BEI?
C. Tujuan Penelitian
D. Kontribusi Penelitian
1. Teoritis
10
asuransi.
2. Praktis
A. Telaah Teori
1. Teori Sinyal
perusahaan (Brigham dan Houston, 2001). Teori sinyal telah banyak digunakan
suatu perusahaan. Selain itu, teori sinyal juga digunakan untuk menjelaskan bahwa
laporan keuangan dapat memberikan sinyal positive (good news) maupun sinyal
negative (bad news) kepada pemaikainya. Informasi yang paling dinanti oleh pihak
eksternal adalah berupa good news. Pada teori sinyal menyatakan perusahaan yang
2005). Pasar harus dapat menangkap sinyal secara efektif agar dapat
10
11
tertuang pada laporan tahunan ini berupa informasi akuntansi, yaitu informasi yang
portofolio dan kombinasi investasi dengan tetap memperhitungan risiko pasar yang
akan terjadi. Dengan mengumumkan informasi mengenai prospek yang baik dimasa
perdagangan saham.
pada periode-periode tertentu, dan melalui laporan keuangan tersebut, dapat dilihat
kondisi sehat atau sedang mengalami financial distress. Kondisi perusahaan yang
sehat ditunjukkan oleh perolehan laba dalam jangka waktu yang relatif lama. Selain
itu, arus kas yang tinggi dalam jangka waktu yang lama menunjukkan bahwa
Perusahaan yang mengalami penurunan laba atau arus kas yang bernilai
dalam laporan keuangan terdapat penurunan laba maupun arus kas, hal tersebut
dalam perusahaan.
2. Financial Distress
mangalami laba bersih operasi (net operation income) negatif selama beberapa
tahun dan selama lebih dari satu tahun tidak melakukan pembayaran dividen,
menurut Platt dan Platt (2002), financial distress didefinisikan sebagai tahap
usaha. Menurut Hanafi dan Halim (2007), financial distress dapat digambarkan dari
dua titik ekstrem yaitu kesulitan likuiditas jangka pendek dan insolvabel. Kesulitan
keuangan jangka pendek biasanya bersifat jangka pendek, tetapi bisa berkembang
menjadi parah. Indikator kesulitan keuangan dapat dilihat dari analisis aliran kas,
dan kewajiban jangka panjang atau solvabilitas. Menurut Fahmi dan Irham (2011),
Selain definisi di atas, isu lain yang juga penting adalah adanya kesalahan
tahapan ketiga dalam kebangkrutan dan kondisi financial distress terjadi sebelum
penurunan.
memiliki cukup sumber daya kas untuk memenuhi kewajiban saat ini,
bangkrut.
Terdapat alasan utama mengapa perusahaan bisa mengalami financial distress dan
a. Neoclassical model
b. Financial model
hidup dalam jangka panjang tapi ia harus bangkrut juga dalam jangka
pendek.
tak terpecahkan.
sendiri (internal) maupun dari luar perusahaan (eksternal). Fahmi dan Irham (2011)
perusahaan lebih bersifat mikro, yaitu faktor-faktor dari dalam perusahaan tersebut
adalah :
tagihan tersebut.
dalam perusahaan. Hal ini dapat terjadi karena beban operasional lebih
bisnis gagal dikarenakan oleh beberapa faktor yang kemungkinan menjadi penyebab
kerja yang ditetapkan, harga saham rendah dan hutang tinggi, rasio harga
Adapun dampak dari financial distress antara lain: (i) risiko yang terkandung
dalam biaya dari financial distress berdampak negatif bagi perusahan sebagai
pengganti kerugian pajak seiring dengan kenaikan hutang perusahaan; (ii) hubungan
terhadap konsumen, pemasok; (iii) karyawan dan kreditur menjadi rusak karena
mereka ragu akan eksistensi perusahaan, manajemen akan lebih fokus pada aliran
kas jangka pendek dibandingkan kesehatan perusahaan jangka panjang; (iv) biaya
tidak langsung yang terkandung pada financial distress akan lebih signifikan
dibandingkan biaya langsung yang nyata seperti pembayaran untuk pengacara, dan
proporsi biaya tetap terhadap biaya variabel, likuiditas dan kondisi pasar dari asset
dapat ditinjau dari komposisi neraca - jumlah aset dan kewajiban, dari laporan laba
rugi – jika perusahaan terus menerus rugi, dan dari laporan arus kas – jika arus kas
masuk lebih kecil dari arus kas keluar (Kamaludin dan Pribadi, 2011).
18
Early Warning System adalah salah satu alat yang dapat digunakan untuk
perusahaan asuransi yang bersangkutan (Kai et al., 2012). Early Warning System
(EWS) adalah tolak ukur perhitungan dari NAIC (National Association of Insurance
Early Warning System ini dapat memberikan peringatan dini terhadap kemungkinan
kesulitan keuangan dan operasi perusahaan asuransi di masa yang akan datang.
Negara-negara lain di luar Amerika Serikat yang menerapkan sistem ini melakukan
kebutuhan.
Gulsun dan Umit (2010), Early Warning System merupakan suatu sistem
dalam sektor keuangan untuk mengetahui secara dini kondisi industri keuangan
Dengan adanya early warning system, maka akan memberikan waktu tunggu untuk
pengawasan yang tepat waktu dan dapat mengurangi biaya kegagalan (cost of
perusahaan yang membutuhkan pemantauan lebih ketat dan perhatian segera, serta
analisis dari EWS dapat memberikan “peringatan” dini (early warning) maka sistem
4. Rasio Keuangan
berdasarkan informasi dari laporan keuangan perusahaan dan bertujuan untuk untuk
System menggunakan satu seri rasio (test ratio) yang diterapkan pada laporan
20
tersebut, yakni:
2008) . Solvabilitas perusahaan asuransi yang dikenal dengan Risk Based Caipital
atau dalam istilah bahasa Indonesia yaitu Batas Tingkat Solvabilitas Minimun
asuransi atau perusahaan reasuransi, yaitu sebesar jumlah dana yang dibutuhkan
untuk menutup risiko kerugian yang mungkin timbul sebagai akibat dari deviasi
dalam pengelolaan kekayaan dan kewajiban. Rasio ini memiliki interpretasi EWS
dimana solvency margin ratio memiliki batas minimal sebesar 33,3% (Afif dan
Karmila, 2016). Solvency margin ratio yang rendah akan mencerminkan adanya
mencetak laba. Jika suatu perusahaan mencetak laba yang tinggi, dapat dikatakan
agen berhasil dalam pengelolaan perusahaannya. Dengan laba yang tinggi maka
juga akan menarik investor untuk berinvestasi, sehingga nantinya akan menjauhkan
suatu perusahaan dari ancaman financial distress. Rasio profitabilitas adalah rasio
penggunaan total asset yang dimiliki sebuah perusahaan. Penggunaan aset yang
disebuah perusahaan.
kondisi keuangan perusahaan solven atau tidak. Rasio ini memiliki interpretasi early
warning system dengan batas normal maksimum 120%. Rasio likuiditas yang tinggi
berada dalam kondisi yang tidak solven, sehingga sangat perlu dilakukan analisis
22
Kenaikan atau penurunan yang tajam pada volume premi netto memberikan
yang dikemukakan perusahaan yang menyebabkan angka rasio ini berbeda atau
berfluktuasi. Disamping itu, perlu pertimbangan pula perubahan yang terjadi dalam
Tabel 2.1
Telaah Penelitian Sebelumnya
No Nama Peneliti Variabel Variabel Hasil
dan Judul dependen independen
Penelitian
1. Wen Mu dan Kondisi Rasio keuangan Melalui uji non
Meng Liu (2019) Special early warning parametric dan analisis
Treatment diskriminan, penelitian
dan Non- ini menentukan bahwa
special model peringatan dini
Treatment cocok untuk perusahaan
perusahaan terdaftar.
2. Sufitri (2019) Status BPR Rasio keuangan Kemudian, regresi logit
dari Peraturan memiliki tingkat akurasi
OJK sebesar 92,2% yang
berarti bahwa model
tersebut dapat
dipergunakan sebagai
Early Warning System
23
Tabel 2.1
Telaah Penelitian Sebelumnya
No Nama Peneliti Variabel Variabel Hasil
dan Judul dependen independen
Penelitian
3. Q.W. Yu dan L. Kondisi Rasio keuangan Hasil pengujian adalah
Zhang (2017 Special early warning bahwa tingkat akurasi
Treatment peringatan umum model
dan Non- adalah 75%.
special
Treatment
perusahaan
4. Ika Yuanita, SE, Status BPR Rasio Keuangan Secara keseluruhan, hasil
MM dan Konvesinonal , Karakteristik klasifikasi yang
Nurhayati, SE, di Sumatera BPR ditunjukkan oleh model
MM (2016) Barat Konvensional, empiris mampu
Makroekonomi menjelaskan kondisi
potensi kebangkrutan
BPR di Sumatera Barat
dengan presentasi akurasi
72,3%.
5. Zamachsyari Pengaruh Rasio keuangan Hasil penelitian ini
(2016) Kinerja EWS dan menunjukkan bahwa
Keuangan ukuran variabel rasio MSR, LIQ,
Dan Ukuran perusahaan ROA, dan ukuran
Perusahaan perusahaan berpengaruh
Terhadap negatif signifikan.
Financial Sedangkan variabel ICR
Distress dan PGR tidak
berpengaruh signifikan.
6. Iskandar dan Kondisi Rasio-rasio Rasio keuangan yang
Azwar (2015) financial keuangan dari signifikan dapat
distress laporan memprediksi
perusahaan keuangan kemungkinan terjadinya
financial distress emiten
yaitu rasio Return of Asset
(ROA), rasio Return on
Equity (ROE) dengan
tingkat akurasi prediksi
yang tinggi yaitu 90,9%.
24
Tabel 2.1
Telaah Penelitian Sebelumnya
No Nama Peneliti Variabel Variabel Hasil
dan Judul dependen independen
Penelitian
7 Muhammad Arif Kondisi Rasio keuangan Hasil penelitian
Hidayat dan financial : leverage, menunjukkan bahwa
Wahyu Meiranto distress yang likuiditas, sekitar 18% perusahaan
(2014) : diklasifikasin aktivitas, dan manufaktur di Indonesia
Prediksi sebagai probabilitas sedang mengalami
Financial variabel financial distress.
Distress dummy
Perusahaan
Manufaktur Di
Indonesia
Sumber : beberapa peneliti terdahulu
C. Perumusan Hipotesis
atau dalam istilah bahasa Indonesia yaitu Batas Tingkat Solvabilitas Minimun
asuransi atau perusahaan reasuransi, yaitu sebesar jumlah dana yang dibutuhkan
untuk menutup risiko kerugian yang mungkin timbul sebagai akibat dari deviasi
mungkin timbul dari penutupan risiko yang telah dilakukan. Rendahnya solvency
semakin kecil kemungkinan terjadinya financial distress. Rasio ini lebih baik
memiliki batas minimal sebesar 33,3%. Solvency margin ratio yang rendah akan
mencerminkan adanya risiko yang tinggi sebagai akibat dari tingginya penerimaan
distress. Djaie dan Murtanto (2001), menunjukkan bahwa perusahaan dengan rasio
konsep dan teori tersebut, maka diperoleh rumusan hipotesis sebagai berikut:
mencetak laba. Jika suatu perusahaan mencetak laba yang tinggi, dapat dikatakan
agen berhasil dalam pengelolaan perusahaannya. Dengan laba yang tinggi maka
juga akan menarik investor untuk berinvestasi, sehingga nantinya akan menjauhkan
suatu perusahaan dari ancaman financial distress. Dalam penelitian Hidayat dan
Meiranto (2014), rasio profitabilitas (PROFIT) mempunyai nilai wald sebesar 0,963
26
dengan tingkat signifikansi sebesar 0,326. Dengan tingkat signifikansi yang lebih
besar dari 0,05, dapat dikatakan bahwa rasio profitabilitas tidak terbukti signifikan
dalam mempengaruhi financial distress di suatu perusahaan. selain itu, dalam tabel
bernilai negatif, dimana itu berarti bahwa semakin tinggi rasio profitabilitas yang
terindikasi financial distress. Meskipun begitu, dalam hal ini model regresi logistik
tidak dapat diterima, dikarenakan rasio profitabilitas memiliki rasio di atas 5%. Oleh
karena itu, rasio probabilitas tidak berpengaruh negatif tetapi tidak signifikan.
yaitu return on asset dan beban klaim. Hal tersebut dikarenakan bahwa return on
asset merupakan proksi yang umum, dan bisa digunakan disetiap perusahaan,
asuransi.
sehingga perusahaan akan mengalami kerugian. Penelitian Kleffner dan Lee (2006),
financial distress. Artinya perusahaan asuransi dengan return on Asset yang rendah
sebesar 0.022 yang lebih kecil dari tingkat alpha dengan hasil parameter regresi
bertanda negatif sebesar 112.256. Hal ini berarti bahwa variabel ROA atau return
yang terjadi serta kualitas usaha penutupannya. Rasio ini memiliki interpretasi
early warning system batas maksimal 100 %. Rasio beban klaim yang tinggi
terhadap klaim untuk setiap jenis produk asuransi. Besarnya angka dari rasio beban
klaim berarti besarnya persentase dari pendapatan premi yang digunakan untuk
beban klaim semakin tinggi pula kemungkinan terjadinya financial distress. Hal
ini karena rendahnya pendapatan perusahaan yang berupa premi. Maka dari itu,
solven atau tidak. Rasio ini memiliki batas interpretasi early warning system dengan
batas normal maksimum 120%. Rasio likuiditas yang tinggi menunjukkan adanya
perusahaan. Selain itu, terdapat juga nilai koefisien b yang bernilai negatif, yang
artinya semakin tinggi rasio likuiditas yang dimiliki perusahaan, maka akan
menunjukkan bahwa rasio likuiditas berpengaruh negatif dapat diterima. Hasil uji
variabel rasio likuiditas memiliki nilai t sebesar -6,433 dan angka significant yaitu
0.000 (0.000< alpha menunjukkan bahwa secara parsial variabel rasio likuiditas
berikut :
system dimana rasio pertumbuhan premi memiliki batas normal minimum 25%.
Hasil dari rasio ini sebaiknya diinterpretasikan bersama dengan sejarah dan operasi
ditandai dengan kenaikan premi secara tajam (rapid premium growth) dapat
sebagai berikut:
D. Model Penelitian
Rasio Profitabilitas
Return on Asset
(ROA)
FINANCIAL DISTRESS
Beban Klaim
Rasio Likuiditas
Rasio Penerimaan
Premi
Gambar 2.1
Metode Penelitian
BAB III
METODA PENELITIAN
yang terdaftar di Bursa Efek Indonesia (BEI) tahun 2014-2019. Data yang akan
diolah adalah data tahun 2014-2018, sedangkan data tahun 2015 dan 2019
distress atau tidak. Penentuan jumlah sampel yang digunakan dalam penelitian ini
disesuaikan dengan tujuan atau masalah penelitian. Adapun kriteria yang digunakan
adalah perusahaan asuransi yang tercatat di Bursa Efek Indonesia (BEI) tahun 2014-
2019 dan menyajikan data lengkap mengenai financial ratios dan financial distress.
B. Data Penelitian
keuangan dan laporan tahunan yang telah diaudit untuk periode tahun 2014 sampai
31
32
dengan bidang yang menjadi topik pembahasan penulis yang dianggap penting
dari berbagai sumber yang resmi, seperti buku, dokumen, artikel, laporan, jurnal,
dll.
1. Variabel dependen
Kriteria perusahaan yang mengalami financial distress adalah : (1) beberapa tahun
dan (3) mengalami restrukturisasi besar atau penghentian usaha (Platt & Platt,
2002). Menurut Hanafi dan Halim (2007), financial distress dapat digambarkan
dari dua titik ekstrem yaitu kesulitan likuiditas jangka pendek dan insolvabel.
Kesulitan keuangan jangka pendek biasanya bersifat jangka pendek, tetapi bisa
analisis aliran kas, analisis strategi perusahaan dan laporan keuangan perusahaan.
33
2. Variabel Independen
keuangannya. Early Warning System menggunakan satu seri rasio (test ratio) yang
Caipital atau dalam istilah bahasa Indonesia yaitu Batas Tingkat Solvabilitas
perusahaan asuransi atau perusahaan reasuransi, yaitu sebesar jumlah dana yang
dibutuhkan untuk menutup risiko kerugian yang mungkin timbul sebagai akibat
dari penutupan risiko yang telah dilakukan. Rasio ini memiliki interpretasi EWS
dimana solvency margin ratio memiliki batas minimal sebesar 33,3% (Afif dan
Karmila, 2016). Solvency margin ratio yang rendah akan mencerminkan adanya
mencetak laba. Jika suatu perusahaan mencetak laba yang tinggi, dapat dikatakan
agent berhasil dalam pengelolaan perusahaannya. Dengan laba yang tinggi maka
Meiranto, 2014). Return on asset sebagai proksi rasio profitabilitas, dimana rasio
aset yang dimiliki dalam menghasilkan laba (Zamachsyari dan Amanah, 2016).
laba (Zamachsyari dan Amanah, 2016). Return on asset sebagai proksi rasio
35
tinggi menandakan manajemen yang lebih efisien dan risiko yang lebih rendah.
𝐵𝑒𝑏𝑎𝑛 𝐾𝑙𝑎𝑖𝑚
Rasio Beban Klaim = 𝑥 100%
𝑃𝑒𝑛𝑑𝑎𝑝𝑎𝑡𝑎𝑛 𝑃𝑟𝑒𝑚𝑖
100% (Afif dan Karmila, 2016). Rasio beban klaim yang tinggi memberikan
penutupan resiko yang terjadi. Maka perlu dilakukannya analisis terhadap klaim
untuk setiap jenis produk asuransi. Besarnya angka dari rasio beban klaim berarti
a. Rasio likuiditas
perusahaan solven atau tidak. Rasio ini memiliki batas interpretasi early warning
system dengan batas normal maksimum 120% (Afif dan Karmila, 2016). Rasio
𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑒𝑤𝑎𝑗𝑖𝑏𝑎𝑛
Rasio Likuiditas = 𝑥 100%
𝑇𝑜𝑡𝑎𝑙 𝐾𝑒𝑘𝑎𝑦𝑎𝑎𝑛 𝑌𝑎𝑛𝑔 𝐷𝑖𝑝𝑒𝑟𝑘𝑒𝑛𝑎𝑛𝑘𝑎𝑛
system dimana rasio pertumbuhan premi memiliki batas normal minimum 25%.
Hasil dari rasio ini sebaiknya diinterpretasikan bersama dengan sejarah dan
Analisis statistik deskriptif sutau data dapat dilihat dari jumlah, sampel, nilai
2018). Hal ini perlu dilakukan untuk melihat gambaran keseluruhan dari sampel
2. Uji Multikolinearitas
Uji ini bertujuan untuk menguji apakah terdapat korelasi antara variabel
bebas di dalam model regresi. Model regresi yang baik seharusnya tidak terjadi
korelasi antara variabel bebas. Jika variabel bebas saling berkorelasi, maka
independen yang nilai korelasi antar sesame variabel independen sama dengan
berikut:
38
Keterangan :
Tabel 3.1
Tabel Klasifikasi Altman Z-Score
Nilai Z Klasifikasi
< 1,81 Termasuk perusahaan yang mengalami financial distress.
1,81- 2,99 Termasuk grey area (tidak dapat ditentukan apakah perusahaan
sehat ataupun mengalami financial distress). Pada grey area ini
ada kemungkinan perusahaan bangkrut dan ada pula yang tidak
tergantung bagaimana pihak perusahaan dapat segera
mengambil tindakan untuk segera mengatasi masalah yang
dialami oleh perusahaan.
> 2,99 Termasuk perusahaan yang tidak mengalami financial distress
atau dalam keadaan sehat.
39
ganda (logit) adalah model regresi ganda yaitu model yang melibatkan lebih dari
menghasilkan binary values seperti angka 0 dan 1. Angka ini mewakilkan suatu
digunakan dalam penelitian ini adalah sebesar 90% (α = 0,1), karena dinilai relatif
bahwa korelasi antar variabel cukup nyata. Tingkat signifikansi 0,1 artinya
Keterangan :
FD
=
1-FD : Probabilitas perusahaan mengalami financial distress
b0 : Konstanta
SM : Solvency Margin
ROA : Return On Asset
BK : Beban Klaim
LIKUID : Likuiditas
40
PP : Pertumbuhan Premi
b : Koefisien regresi rasio
e : Error
Sumber : Hidayat dan Meiranto, 2014
E. Pengujian Hipotesis
memperhatikan output dari Hosmer and Lemeshow’s Goodness of fit test, dengan
hipotesis : H0 = model yang dihipotesiskan fit dengan data dan H1 = model yang
dihipotesiskan tidak fit dengan data. Jika nilai statistik Hosmer and Lemeshow
(Chisquare) < α (0,1) maka H0 ditolak yang berarti terdapat perbedaan signifikan
antara model dengan nilai observasinya sehingga goodness fit model tidak baik
karena model tidak dapat memprediksi nilai observasinya. Jika nilai statistik
Hosmer and Lemeshow (Chi-square) > α (0,1) maka H0 tidak dapat ditolak dan
dependen. Koefisien determinasi pada regresi logistik dapat dilihat pada nilai
suatu model. Hal ini akan menimbulkan bias, karena jika ingin memperoleh model
independen dan nilai R akan meningkat, tidak tergantung apakah variabel tambahan
Interpretasinya sama dengan R Square, akan tetapi nilai Adjusted R Square dapat
naik atau turun dengan adanya penambahan variabel baru, tergantung dari korelasi
antara variabel bebas tambahan tersebut dengan variabel terikat. Nilai Adjusted R
Square dapat bernilai negatif, sehingga jika nilainya negatif, maka nilai tersebut
dianggap 0 atau variabel bebas sama sekali tidak mampu menjelaskan varians dari
Dalam menilai overall fit model, dapat dilakukan dengan cara uji Chi
Square (χ2). Tes statistik chi square (χ2) digunakan berdasarkan pada fungsi
likelihood pada estimasi model regresi. Likelihood (L) dari model adalah
membandingkan nilai -2 log likelihood awal (hasil block number 0) dengan nilai -2
log likelihood hasil block number 1. Dengan kata lain, nilai chi square didapat dari
42
hingga tahun 2019 adalah sebanyak 16 perusahaan idx.co.id (2020), selama periode
perusahaan asuransi yang melaporkan laporan keuangan lengkap dari periode tahun
2014-2019, dan menyajikan data lengkap mengenai financial ratios dan financial
distress.
Tabel 4.1
Kriteria Sampel
No Kriteria Jumlah
1. Seluruh perusahaan asuransi yang terdaftar di BEI 16
periode tahun 2014-2019
2. Perusahaan yang tidak menyampaikan data secara (5)
lengkap selama periode penelitian tahun 2014-2019
yang berkaitan dengan financial distress, rasio
solvabilitas dan umum, rasio profitabilitas, rasio
likuiditas, dan rasio penerimaan premi.
3. Sampel perusahaan asuransi yang bisa digunakan 11
4. Sampel yang digunakan sesuai periode penelitian 66
(11x6)
Sumber : data sekunder yang diolah, 2020
43
44
profil data sampel. Statistik deskriptif ini memaparkan nilai mean, minimum,
Tabel 4.2
Statistik Deskriptif
Std.
N Minimum Maximum Mean Deviation
Statistic Statistic Statistic Statistic Statistic
Log_X1 66 -0,42 1,34 0,2313 0,38631
ROA 66 -0,20 0,09 0,0363 0,04187
Log_X3 66 -1,36 0,03 -0,3178 0,22045
Log_X4 66 -0,87 -0,08 -0,2992 0,18975
PP 66 -6,25 0,19 -0,1641 0,78415
Y 66 0 1 0,29 0,456
Sumber : data sekunder yang diolah, 2020
66 yang berasal dari data perkalian sampel 11 perusahaan dengan periode penelitian
lebih rinci dari hasil pengujian statistik deskriptif yaitu sebagai berikut :
45
Solvabilitas dan umum menunjukkan nilai minimum sebesar -0,42 dan nilai
maksimum sebesar 1,34. Kemudian untuk nilai rata-ratanya sebesar 0,2313 dan
standar deviasi sebesar 0,38631. Nilai rata-rata yang dihasilkan sebesar 0,2313 atau
23%, menunjukkan bahwa rata-rata variabel ini lebih rendah dari tolok ukur
risiko yang tinggi sebagai akibat terlalu tingginya penerimaan premi atau kontribusi.
minimum sebesar -0,20. Nilai maksimum sebesar 0,09, nilai rata-rata sebesar
0,0363, dan standar deviasi sebesar 0,04187. Nilai rata-rata yang sebesar 0,0363
atau sebesar 3,6%. Rata-rata tersebut kurang dari 5%, yang berarti hal tersebut
3. Beban Klaim
minimum dan maksimum berturut-turut sebesar -1,36 dan 0,03. Nilai rata-rata
sebesar -0,3178 dan untuk standar deviasinya sebesar 0,22045. Nilai rata-rata yang
asuransi dalam kondisi baik. Nilai rata-rata yang kurang dari 100% mencerminkan
bahwa perusahaan mampu menutupi beban klaim yang terjadi dengan pendapatan
46
premi yang mungkin timbul akibat penutupan risiko usaha perusahaan. Hal ini
bagus. Besarnya angka dari rasio beban klaim berarti besarnya persentase dari
pendapatan premi yang digunakan untuk membayar beban klaim yang terjadi (Afif
4. Likuiditas
minimum sebesar -0,87. Nilai maksimum sebesar -0,08, nilai rata-rata sebesar -
0,2292, dan untuk standar deviasinya sebesar 0,18975. Nilai rata-rata sebesar -
0,2292 atau sebesar -0,23%, nilai tersebut kurang dari batas maksimum rasio
likuiditas yaitu sebesar 120%. Hal ini menunjukkan kinerja rata-rata perusahaan
asuransi dalam kondisi baik dan dikatakan solven sehingga mampu memenuhi dan
5. Penerimaan Premi
minimum dan maksimum berturut-turut sebesar -6,25 dan 0,19. Nilai rata-rata
sebesar -0,1641, dan standar deviasi sebesar 0,784. Nilai rata-rata rasio
pertumbuhan premi sebesar -0.164 atau sebesar -16,4%. Batas minimum rasio ini
perusahaan sedang dalam kondisi tidak baik. Pertumbuhan premi dari perusahaan
asuransi memang sangat bergantung pada keadaan ekonomi negara, namun diluar
47
preminya.
sebesar 0,00 dan nilai maksimum sebesar 1. Nilai rata-rata sebesar 0,29, dan standar
C. Uji Multikolinearitas
Tabel 4.3
Uji Multikolinearitas
independen tidak ada yang kurang dari 0,10, hal tersebut berarti tidak ada kolerasi
antara masing-masing variabel independen yang nilainya lebih dari 95%. Kemudian
untuk hasil perhitungan VIF juga menunjukkan hal sama, tidak ada variabel yag
48
memiliki nilai VIF lebih dari 10,0, sehingga dapat dikatakan bahwa tidak ada
Tabel 4.4
Uji Kelayakan Model
Hosmer and Lemeshow Test
Step Chi-square df Sig.
1 1,754 7 0,972
Sumber : sata sekunder yang diolah, 2020
Hasil uji kelayakan model regresi menunjukkan bahwa nilai Chi Square
sebesar 1,754 dengan probabilitas signifikansi sebesar 0,972. Nilai tersebut lebih
besar dari nilai Hosmer and Lemeshow 0,05. Berdasarkan hasil tersebut, maka dapat
Uji ini dilakukan untuk menguji ketepatan antara prediksi model regresi
logistik dengan data hasil pengamatan. Pengujian ini diperlukan untuk memastikan
tidak adanya kelemahan atas kesimpulan dari model yang diperoleh. Statistik yang
digunakan berdasarkan pada fungsi likelihood, yaitu nilai -2 log likelihood yang
semakin rendah menunjukkan bahwa model akan semakin fit dengan data input.
Tabel 4.5
Hasil Uji Likelihood
-2 log likelihood Awal (Block Number 0) 79,232
-2 log likelihood Akhir (Block Number 1) 30,212
Sumber : data sekunder yang diolah, 2020
49
penurunan dari semula pada step 0 sebesar 79,323 menjadi 30,212 pada step 1.
antara variabel bebas dengan variabel terikatnya. Statistik -2 log likelihood juga
signifikan dapat memperbaiki model fit. Penentuan nilai -2 log likelihood tersebut
dapat dilihat pada nilai chi square yang terdapat dalam omnimbus test model
Tabel 4.6
Omnibus Tests of Model Coefficients
Chi-square Df Sig.
Step 1 Step 49,020 5 0,000
Block 49,020 5 0,000
Model 49,020 5 0,000
Sumber : data sekunder yang diolah, 2020
Hasil pengujian omnibus test of model coefficients diperoleh nilai chi square
(penurunan -2logL) sebesar 40,020 dengan tingkat signifikansi 0,00. Karena nilai
signifikansi yang lebih kecil dari 0,05 tersebut, maka dapat disimpulkan bahwa
fit. Hal ini berarti bahwa dengan dimasukkannya prediktor rasio solvency margin,
ROA, beban klaim, likuiditas, dan pertumbuhan premi secara bersama-sama dapat
seberapa besar variabilitas variabel dependen yang dapat dijelaskan oleh variabel
Tabel 4.7
Hasil Uji Nagelkerke R Square
Model Summary
Pada tabel tersebut terlihat bahwa bahwa nilai Cox dan Snell’s R Square
adalah sebesar 0,524 dan nilai Nagelkerke R Square adalah sebesar 0,750. Hal
tersebut berarti bahwa variabilitas variabel dependen atau terikat yang dapat
dijelaskan oleh variabel independen atau bebas adalah sebesar 75%. Sedangkan
sisanya, yaitu sebesar 25% dijelaskan oleh faktor lain selain variabel independen.
4. Matriks Klasifikasi
benar (correct) dan yang salah (incorrect). Pada kolom merupakan dua nilai
prediksi dari variabel dependen, dalam hal ini adalah financial distress (0) dan non
sesungguhnya dari variabel dependen. Tabel klasifikasi 2x2 ini adalah sebagai
penguat bahwa tidak ada perbedaan yang signifikan antara data hasil observasi
Tabel 4.8
Hasil Pengujian Matriks Klasifikasi
Classification Tablea
Predicted
FD
Financial Non financial Percentage
Observed distress distress Correct
Step 1 FD Financial distress 45 2 95,7
Non financial
6 13 68,4
distress
Overall Percentage 87,9
Sumber : data sekunder yang diolah, 2020
Tabel 4.8 di atas menunjukkan bahwa model empiris kajian ini ternyta
selama periode 2014 sampai dengan 2019 melalui rasio solvency margin, ROA,
beban klaim, likuiditas, dan pertumbuhan premi sebagai prediktor. Hal ini terlihat
asuransi yang tidak mengalami financial distress (non FD), yaitu dengan nilai
sebesar 95,7% dan 68,4%. Namun, secara keseluruhan hasil klasifikasi model
dengan cukup baik dan akurat, yaitu dengan persentase sebesar 87,9%.
E. Uji Hipotesis
logistik, secara parsial ditunjukkan pada variabel in the equation yang bertujuan
yaitu solvency margin, ROA, beban klaim, likuiditas, dan pertumbuhan premi
dalam penelitian ini sig wald. Tingkat signifikan yang digunakan sebesar α = 5%,
1. H₀ ditolak jika nilai probabilitas (sig wald) < α = 0,05. Hal tersebut berarti Ha
2. H₀ tidak ditolak jika nilai probabilitas (sig wald) > α = 0,05. Hal tersebut
Tabel 4.9
Hasil Uji Koefisen Regresi
Variabel B S.E. Wald df Sig. Exp(B)
Solvabilitas dan
-2,170 2,491 0,759 1 0,384 0,114
Umum
Return On Asset 1369826902
1734667000
67,090 27,741 5,849 1 0,016
0000000000,
000
Beban Klaim 1,582 4,852 0,106 1 0,744 4,866
Likuiditas -20,413 9,168 4,957 1 0,026 0,000
Penerimaan premi -0,440 0,955 0,212 1 0,645 0,644
Constant -9,542 3,721 6,577 1 0,010 0,000
Sumber : data sekunder yang diolah, 2020
+e
1. Nilai konstanta sebesar -9,542 yang berarti bahwa setiap peningkatan solvabilitas
dan umum (SU), return on asset (ROA), beban klaim (BK), likuiditas (LIKUID),
dan penerimaan premi (PP) setiap 1 poin maka akan meningkatkan kondisi
financial distress pada perusahaan asuransi sebesar 9,542 poin dengan asumsi
2. Koefisien solvabilitas dan umum (SU) sebesar -2,170 yang bermakna bahwa setiap
kenaikan solvency margin 1%, akan menurunkan kondisi financial distress (FD)
sebesar 2,170.
54
kenaikan return on asset 1%, akan meningkatkan kondisi financial distress (FD)
sebesar 67,090.
sebesar 1,582.
sebesar 0,400
Tabel 4. 10
Hasil Pengujian Hipotesis
Variabel B S.E. Wald df Sig. Hasil
model penelitian (block number = 1), maka diperoleh hasil sebagai berikut.
55
1. Variabel solvabilitas dan umum memiliki nilai wald sebesar 0,759 dengan
tingkat signifikansi 0,384 > 0,05. Maka tidak terdapat pengaruh yang
Selain itu, dalam tabel juga ditunjukkan bahwa solvency margin mempunyai
nilai koefisien sebesar -2,170, dimana itu berarti bahwa semakin tinggi
hal ini Ha ditolak atau hipotesis yang menyatakan bahwa solvency margin
dengan signifikansi sebesar 0,016 < 0,05, yang berarti ROA memiliki
signifikansi sebesar 0,744 > 0,05. Maka Ha ditolak atau hipotesis yang
0,026 < 0,05. Nilai signifikansi yang dihasilkan lebih besar dari 5%, berari
56
Selain itu, variabel ini memiliki niali koefisien negatif sebesar -20,413, yang
diterima.
dengan signifikansi 0,212 > 0,05. Maka ha ditolak atau hipotesis yang
F. Pembahasan
tidak berpengaruh terhadap terjadinya financial distress. Oleh karena itu hasil
tidak.
57
keuangan yang signifikan (Dewi dan Mahfudz, 2017). Hasil ini tidak sesuai dengan
teori sinyal yang menyatakan bahwa tingginya solvency margin akan memperkecil
dapat dilihat apakah perusahaan tersebut mengalami financial distress atau tidak,
sehingga perusahaan dengan tingkat solvency margin tinggi belum tentu kondisi
keuangannya baik, sedangkan tingkat solvency margin yang rendah belum tentu
Penelitian ini sejalan dengan penelitian Dewi dan Mahfudz (2017) dan
terhadap terjadinya financial distress. Hasil penelitian ini tidak dapat membuktikan
bahwa modal berbasis risiko tinggi yang dapat mengurangi kemungkinan kesulitan
financial distress, dan sebaliknya. Hal ini menunjukkan bahwa perusahaan dengan
58
rasio margin solvensi yang kecil cenderung mengalami kondisi financial distress,
ROA berpengaruh negatif terhadap financial distress, sehingga H2a tidak diterima.
Hal tersebut berarti, semakin tinggi ROA yang dicapai oleh perusahaan, maka akan
dapat meningkatkan peluang terjadinya financial distress (Muhtar & Aswan, 2017).
menghasilkan laba. Jika rasio yang dihasilkan rendah, maka hal tersebut
keuangan. Perusahaan yang mengalami penurunan laba atau arus kas yang bernilai
kecil dapat diklasifikasikan masuk ke dalam kondisi financial distress, atau semakin
distress.
59
distress. Selain itu penelitian ini juga sejalan dengan penelitian Curry &
positif yang mengakibatkan hipotesis tidak diterima dan tidak sejalan dengan teori
serta penelitian sebelumnya. Hasil penelitian ini tidak sejalan dengan penelitian
Hidayat dan Meiranto (2014), yang menghasilkan bahwa ROA tidak berpengaruh
Hasil pengujian pada penelitian ini menunjukkan bahwa rasio beban klaim
penelitian ini tidak menerima hipotesis 2b yang menyatakan bahwa baban klaim
perusahaan terkena financial distress. Rasio beban klaim yang tinggi hanya
penerimaan penutupan risiko yang terjadi. Besarnya angka dari rasio beban klaim
perusahaan jika perusahaan asuransi dapat mengontrol resiko yang akan dihadapi
Zamachsyari dan Amanah (2016), perusahaan asuransi dengan rasio beban klaim
yang tinggi cenderung memiliki pendapatan lain yang dapat menunjang laba bersih
perusahaan selain pendapatan premi seperti hasil investasi dan imbalan jasa DPLK
Marliza (2014), yang menghasilkan bahwa rasio beban klaim tidak berpengaruh
signifikan terhadap kondisi financial distress. Hasil ini didukung oleh penelitian
perusahaan asuransi.
Penelitian ini tidak sejalan dengan penelitian Dewi dan Mahfudz (2017),
probabilitas financial distress. Hasil tersebut didukung teori yang diangkat dari
Ambrose dan Seward (1988), bahwa semakin tinggi rasio beban klaim, semakin
perusahaan.
Hasil ini sesuai dengan teori sinyal yang menyataka bahwa perusahaan yang
financial distress. Banyak informasi dalam laporan keuangan yang dapat dijadikan
sinyal oleh pihak eksternal, salah satunya hutang. Perusahaan asuransi dengan
rasio likuiditas yang tinggi mungkin menghadapi risiko financial distress jika
mereka tidak mampu untuk melakukan pembayaran hutang mereka, mereka juga
mungkin tidak dapat menemukan pemberi pinjaman baru di masa depan, akan
tetapi kondisi seperti ini justru akan mendatangkan profit jika perusahaan dalam
Penelitian ini sejalan dengan penelitian Hidayat dan Meiranto (2014), yang
distress. Selain itu, penelitian ini juga sejalan dengan penelitian yang dilakukan
oleh Zamachsyari dan Amanah (2016). Hasil dari penelitiannya yaitu likuditas
Penelitian ini tidak sejalan dengan penelitian Mehari dan Aemiro (2013),
asuransi yang memiliki rasio likuiditas yang tinggi memiliki kinerja operasional
yang lebih baik daripada perusahaan asuransi yang memiliki rasio likuiditas yang
terdapat faktor lain yang ikut mempengaruhi hubungan antara premium growth
Hasil penelitin ini tidak sesuai dengan teori sinyal. Tinggi rendahnya rasio
penerimaan premi suatu perusahaan asuransi yang tajam pada volume premi neto
(Budiarjo, 2015). Perusahaan dengan angka pertumbuhan premi yang datar atau
premi yang dialami perusahaan tidak dapat digunakan untuk memprediksi apakah
perusahaan dalam kondisi financial distress atau tidak. Tinggi atau rendahnya
dengan nilai rasio pertumbuhan premi yang tinggi terdapat pada perusahaan
asuransi kategori non financial distress, oleh sebab itu, hasil koefisien regresi
terhadap kondisi financial distress. Hasil penelitian ini juga sejalan dengan
G. Pembahasan Keseluruhan
dan umum tidak berpengaruh terhadap kondisi financial distress, return on asset
Tabel 4.11
Hasil Hipotesis
Hipotesis Hubungan Variabel Hasil Penelitian Hasil
Terdahulu
Solvabilitas dan umum Diterima Tidak diterima
H1 berpengaruh negatif
terhadap terjadinya
financial distress
Return on asset Diterima Tidak diterima
H2a berpengaruh negative
terhadap terjadinya
financial distress
Beban klaim berpengaruh Tidak diterima Tidak diterima
H2b positif terhadap terjadinya
financial distress
Likuiditas berpengaruh Diterima Diterima
H3 negatif terhadap terjadinya
financial distress
Penerimaan premi Tidak diterima Tidak diterima
H4 berpengaruh positif
terhadap terjadinya
financial distress
Sumber : data sekunder yang diolah, 2020
Liu (2019), yaitu, model penelitian yang digunakan sama yaitu menggunakan
model Z-score untuk membedakan perusahaan distress dan non distress yang
dan Amanah (2016), yang meneliti pengaruh kinerja keuangan dan ukuran
dilakukan oleh Zamachsyari dan Amanah (2016), yaitu penggunaan rasio early
penelitian ini dikarenakan oleh sampel yang digunakan berbeda, meskipun pada
tahun 2014 yang diterbitkan oleh Otoritas Jasa Keuangan, sehingga mempengaruhi
terletak pada rasio yang digunakan sebagai variabel independen. Sedangkan pada
dan model yang digunakan untuk membedakan perusahaan distress dan non
distress. Penelitian ini hanya inkonsisten pada variabel solvabilitas dan umum dan
KESIMPULAN
A. Kesimpulan
return on asset, beban klaim, likuiditas, dan penerimaan premi terhadap probabilitas
financial distress. Objek penelitian ini adalah perusahaan asuransi yang terdaftar di
terjadinya financial distress. Hal tersebut berarti bahwa semakin tinggi return on
tersebut tidak sesuai dengan teori sinyal, sehingga berbeda dengan rumusan
dan umum, beban klaim, dan pertumbuhan premi tidak berpengaruh signifikan
67
68
B. Keterbatasan Penelitian
distress.
financial distress.
C. Saran
besar seperti tersedianya sumber daya, staf yang kompeten, dan sistem
yang lain, seperti springate model, zmijewski, grover model, dan lain
69
70
Platt, H. D., & Platt, M. B. (2002). Predicting Corporate Financial Distress: Reflections
On Choice-Based Sample Bias. Journal Of Economics And Finance, 26(2), 184–
199. Https://Doi.Org/10.1007/Bf02755985
Pramunia, A. (2010). Pengaruh Corporate Governance Dan Financial Distressed
Terhadap Luas Pengungkapan. Ekonomika Dan Bisnis, Undip, 1–28.
Pranowo, K., Achsani, N. A., Manurung, A. H., & Nuryartono, N. (2010). The
Dynamics Of Corporate Financial Distress In Emerging Market Economy:
Empirical Evidence From The Indonesian Stock Exchange 2004-2008. European
Journal Of Social Sciences, 16(1), 138–149.
Rofiudin, M., Maslichah, & Afifudin. (2019). Analisis Pengaruh Rasio Keuangan Risk
Based Capital Dan Early Warning System Terhadap Financial Solvency Pada
Perusahaan Asuransi Jiwa Syariah Di Indonesia. Jurnal Ilmiah Riset Akuntansi,
08(03), 81–97.
Http://Www.Riset.Unisma.Ac.Id/Index.Php/Jra/Article/View/3780
Shidiq, I., & Wibowo, B. (2017). Prediksi Financial Distress Bank Umum Di
Indonesia: Analisis Diskriminan Dan Regresi Logistik. Esensi, 7(1), 27–40.
Https://Doi.Org/10.15408/Ess.V7i1.4686
Sufitri, S. (2019). Early Warning System (Aws) Analysis With The Logit Model For
Predicting The Consumer Loan Banks (Bprs). Jurnal Akuntansi, Ekonomi Dan
Manajemen Bisnis| E-Issn: 2548-9836, 7(1), 30–37.
Whitaker, R. B. (1999). The Early Stages Of Financial Distress. Journal Of Economics
And Finance, 23(2), 123–132. Https://Doi.Org/10.1007/Bf02745946
Widarjono, A. (2005). Ekonometrika Teori Dan Aplikasi Untuk Ekonomi Dan Bisnis.
Wilopo. (2001). Prediksi Kebangkrutan Bank (Pp. 184–198).
Wulandari, D. (2011). Analisis Kinerja Keuangan Berdasarkan Early Warning System
Pada Pt Prudential Life Assurance Indonesia. Jurnal Akuntansi, 1–13.
Yu, Q. W., & Zhang, L. (2017). Based On Logistic Regression. 31–36.
Zamachsyari, A. Z., & Amanah, L. (2016). Pengaruh Kinerja Keuangan Dan Ukuran
Perusahaan Terhadap Financial Distress. Pendidikan Ekonomi, 5(1), 5.
73
LAMPIRAN
74
modal disetor,
KODE TAHUN cadangan khusus premi neto solvency
No PERUSAHAAN dan laba margin
1 ABDA 2014 1.219.660.251 1.027.048.299 1,19
2015 1.222.400.733 1.116.186.793 1,10
2016 1.232.196.934 1.201.828.061 1,03
2017 1.375.352.652 1.114.920.773 1,23
2018 1.334.408.933 1.056.903.547 1,26
2019 1.253.704.378 909.229.441 1,38
2 AHAP 2014 123.185.484.343 257.900.946.781 0,48
2015 185.992.529.264 244.321.630.923 0,76
2016 192.628.214.623 216.921.997.902 0,89
2017 200.543.863.001 170.517.416.213 1,18
2018 263.872.169.783 138.709.796.359 1,90
2019 148.924.854.503 107.284.306.329 1,39
3 AMAG 2014 1.034.335.215 453.438.739 2,28
2015 1.508.526.723 598.673.561 2,52
2016 1.763.758.503 568.648.873 3,10
2017 1.854.009.404 656.931.285 2,82
2018 1.826.304.984 701.583.367 2,60
2019 1.951.094.614 724.147.256 2,69
4 ASBI 2014 137.620.135.000 131.940.785.000 1,04
2015 160.705.086.000 176.303.360.000 0,91
2016 173.651.622.000 202.273.834.000 0,86
2017 267.548.015.000 226.042.676.000 1,18
2018 281.361.909.000 264.899.142.000 1,06
2019 291.485.498.000 250.804.486.000 1,16
5 ASDM 2014 224.949.711 156.189.939 1,44
2015 246.906.068 159.972.220 1,54
2016 272.236.556 140.094.541 1,94
2017 295.392.424 138.948.653 2,13
2018 301.094.345 143.002.349 2,11
2019 334.102.591 144.510.228 2,31
6 ASJT 2014 154.173.648.511 202.652.531.652 0,76
2015 166.216.485.450 211.075.124.109 0,79
80
KODE TAHUN
No PERUSAHAAN laba bersih total aktiva ROA
1 ABDA 2014 172.242.006 2.681.037.810 0,064
2015 268.564.704 2.846.759.759 0,094
2016 173.481.650 2.813.838.947 0,062
2017 160.822.141 2.966.605.878 0,054
2018 69.110.393 2.890.427.512 0,024
2019 87.524.342 2.579.654.391 0,034
2 AHAP 2014 22.202.740.050 365.644.332.562 0,061
2015 8.140.389.343 468.591.026.892 0,017
2016 8.197.087.610 443.993.768.572 0,018
2017 -41.421.670.130 419.786.852.337 -0,099
2018 -26.725.997.916 628.464.862.379 -0,043
2019 -115.452.693.865 582.236.244.026 -0,198
3 AMAG 2014 139.964.241 1.651.782.487 0,085
2015 193.750.252 2.627.811.764 0,074
2016 130.306.422 3.436.388.457 0,038
2017 123.189.910 3.886.960.940 0,032
2018 28.246.915 4.280.729.979 0,007
2019 73.060.310 4.626.630.367 0,016
4 ASBI 2014 9.841.575.000 439.681.392.000 0,022
2015 28.199.274.000 494.002.999.000 0,057
2016 15.304.781.000 525.898.830.000 0,029
2017 13.511.398.000 738.102.955.000 0,018
2018 13.936.519.000 874.472.888.000 0,016
2019 8.009.060.000 857.520.585.000 0,009
5 ASDM 2014 37.735.269 1.353.902.235 0,028
2015 44.273.233 1.464.530.018 0,030
2016 39.050.842 1.063.856.088 0,037
2017 40.277.850 1.076.575.416 0,037
2018 38.058.850 965.158.380 0,039
2019 27.839.061 1.158.038.765 0,024
6 ASJT 2014 17.542.531.285 314.846.253.774 0,056
2015 17.813.465.476 390.083.140.109 0,046
82
5. Variabel Likuiditas
Coefficientsa
Standardize
Unstandardized d
Coefficients Coefficients Collinearity Statistics
a. Dependent Variable: Y
1 1.754 7 .972
90
Model Summary
Iteration Historya,b,c
Coefficients
2 79.232 -.905
3 79.232 -.906
Chi-square df Sig.
Iteration Historya,b,c,d
Coefficients
a. Method: Enter
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 79.232
d. Estimation terminated at iteration number 8 because parameter estimates changed by less than .001.
Classification Tablea
Predicted
Y Percentage
Observed 0 1 Correct
Step 1 Y 0 45 2 95.7
1 6 13 68.4