Oleh :
RITA DWIYANTI
NPM 16013114
Oleh :
RITA DWIYANTI
NPM 16013114
(Studi Kasus Pada Perusahaan Sub Sektor Property and Real Estate yang
Terdaftar di Bursa Efek Indonesia Periode 2016-2018)
HALAMAN PRSETUJUAN
Oleh :
RITA DWIYANTI
NPM 16013114
KATA PENGANTAR
Assalamualaikum wr.wb
Puji syukur penulis panjatkan kehadirat Allah SWT yang telah memberikan
rahmat, nikmat, hidayah dan karunia-Nya kepada penulis, sehingga penulis dapat
Growth Terhadap Financial Distress (Studi Kasus Pada Perusahaan Sub Sektor
Property and Real Estate yang Terdaftar di Bursa Efek Indonesia Periode 2016-
2018)".
ini tidak lepas dari dorongan, semangat, bantuan, bimbingan pengarahandan saran
dari semua pihak. Oleh karena itu, dengan kerendahan hati dan tulus ikhlas dalam
kepada :
Putra Surabaya.
4. Ibu Dr. Soenarmi, SE.,MM. selaku Dekan Fakultas Ekonomi dan Bisnis
6. Ibu Yoshi Trias Pratiwi, S.E. selaku Dosen Pembimbing yang telah
dengan penuh tanggung jawab yang begitu besar agar dalam proses
7. Bapak dan Ibu dosen Fakultas Ekonomi dan Bisnis Universitas Wijaya
penulis. Serta para staff dan karyawan Fakultas Ekonomi dan Bisnis
8. Untuk kedua orang tua saya Ayahanda Djoko Mulyanto dan Ibunda
11. Untuk sahabat-sahabat saya Ayug, Tiara, Niken, Mila, Erna, Shodiq,
Kikik, Leli, Dewi, Sugeng, Bayu, Panji, Dwi, Anas, Yoga, Dimas yang
12. Untuk teman kerja saya Titta, Amel, Nurul, dan Enggar yang telah
memberikan support.
13. Dan yang terakhir terkhusus untuk para gebetan yang ninggalin pas lagi
Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Hal ini
karena itu, penulis mengharapkan segala bentuk saran, masukan dan kritik yang
membangun dari berbagai pihak. Akhir kata, penulis berharap semoga penulisan
skripsi ini dapat memberikan manfaat bagi semua pihak serta menambah wawasan
Rita Dwiyanti
vii
DAFTAR ISI
DAFTAR TABEL
Tabel 1.1. Perusahaan Delisting dari Bursa Efek Indonesia Tahun 2016-2018 ......2
Tabel 2.1. Perusahaan Property and Real Estate yang Terdaftar di Bursa Efek
Indonesia Periode 2016-2018.................................................................................20
Tabel 2.2. Matrik Penelitian Terdahulu.................................................................23
Tabel 3.1. Indikator dan Skala Variabel Penelitian................................................44
Tabel 3.2. Pemilihan Sampel.................................................................................46
Tabel 3.3. Sampel Perusahaan Sub Sektor Property And Real Estate yang
Terdaftar di Bursa Efek Indonesia Periode 2016-2018..........................................46
Tabel 4.1. Tabulasi Data Penelitian.......................................................................58
Tabel 4.2. Hasil Uji Statistik Deskriptif.................................................................61
Tabel 4.3. Hasil Uji Analisis Regresi Logistik......................................................63
Tabel 4.4. Hasil Uji Kelayakan Model Regresi.....................................................64
Tabel 4.5. Hasil Uji Keseluruhan Model...............................................................66
Tabel 4.6. Hasil Uji Keseluruhan Model...............................................................66
Tabel 4.7. Hasil Koefisien Determinasi.................................................................67
Tabel 4.8. Hasil Tabel Klasifikasi.........................................................................68
Tabel 4.9. Hasil Uji Model.....................................................................................70
Tabel 4.10. Hasil Uji Wald....................................................................................71
x
DAFTAR GAMBAR
DAFTAR LAMPIRAN
ABSTRACT
ABSTRAK
BAB I
PENDAHULUAN
ekonomi global yang disebabkan oleh krisis ekonomi di negara Amerika pada
Tahun 2008 yang mengakibatkan melemahnya kurs mata uang rupiah dan semakin
perusahaan tidak mampu memenuhi kewajiban finansialnya (debt default) dan tidak
mengimpor bahan bakunya. Maka dari itu, perusahaan dituntut untuk mampu
PT Bursa Efek Indonesia (BEI) dalam kurun waktu tiga tahun terakhir telah
kinerja yang buruk. Indikatornya antara lain dalam kurun waktu tertentu sahamnya
membagikan deviden selama beberapa tahun dan berbagai kondisi lainnya sesuai
dalam waktu tiga tahun terakhir mulai tahun 2016 sampai dengan tahun 2018,
Tabel 1.1.
Sub Penyebab
Th Perusahaan Delisting (Dikeluarkan)
Sektor M KK
20
- -
16
Ket :
M : Merger
KK : Kesulitan Keuangan
Sumber : www.sahamok.com
Indonesia. dari 182 emiten tersebut, 2 emiten mengajukan delisting karena merger
financial distress. Kinerja suatu perusahaan akan dapat diketahui dari hasil analisis
3
rasio laporan keuangan perusahaan yang bersangkutan. Hasil analisis rasio ini bisa
menggambarkan kondisi suatu perusahaan dan bisa digunakan oleh manajer untuk
mengambil suatu keputusan. Adanya sistem yang baik serta cash flow atau
pengaruh kas dari kegiatan operasi yang diatur dengan baik maka akan menjauhkan
likuidasi (Platt and Platt dalam Ardriansyah, 2018). Salah satu sebab yang
minimnya pemasukan dari produksi. Oleh karena itu perusahaan harus mampu
mengawasi kondisi keuangan baik dari neraca maupun laba rugi dalam laporan
tetapi hasil yang diperoleh beragam. Penelitian yang dilakukan Farah (2018)
distress sedangkan rasio likuiditas, rasio leverage, rasio aktivitas, dan rasio sales
yang dilakukan oleh Ardian dkk (2017) menunjukan rasio likuiditas, rasio leverage
4
dan rasio aktivitas berpengaruh terhadap kondisi financial distress. Sedangkan rasio
Perusahaan yang menjadi objek penelitian ini adalah perusahaan sub sektor
property and real estate yang terdaftar di Bursa Efek Indonesia periode 2016-2018.
Perusahaan yang bergerak pada sektor property and real eastate tersebut adalah
perusahaan yang sangat peka terhadap pasang surut perekonomian, maka seiring
perkembangannya sektor property and real eastate dianggap menjadi salah satu
sektor yang mampu bertahan dari kondisi ekonomi secara makro di Indonesia.
Terbukti dengan semakin banyaknya sektor property and real eastate yang
memperluas aset berupa tanah, melakukan ekspansi bisnis, dan hingga tahun 2020
sub sektor property and real eastate di Bursa Efek Indonesia bertambah menjadi
65 perusahaan. Tapi tidak menutut kemungkinan sub sektor property and real
estate tidak mengalami masalah dalam hal penjualannya, yang dimana dapat
Dilihat dari latar belakang yang telah diuraikan diatas, penulis tertarik untuk
Financial Distress (Studi Pada Perusahaan Sub Sektor Property and Real
Estate ?
5
Estate
financial distress.
perusahaan sub sektor property and real estate yang terdaftar di Bursa Efek
BAB II
TELAAH PUSTAKA
distress.
pihak debitur.
oleh pengadilan.
Gambar 2.1.
Berbagai Definisi Terkait Kebangkrutan
1. Kegagalan ekonomi
modalnya.
2. Kegagalan bisnis
Kondisi ini adalah kondisi ketika nilai pasar aset lebih kecil
likuidasi bisnis.
1) Faktor Internal
perusahaan.
2) Ekternal Perusahaan
untuk gagal.
Keterangan :
Z = Overall index
financial distress
15
b. Jika nilai 1,23 < Z < 2,9 maka termasuk grey area (tidak dapat
financial distress)
2.1.7. Profitabilitas
2.1.9. Aktivitas
Dengan kata lain, rasio aktivitas atau rasio efisiensi ini mengukur
aktivitas.
18
di antara mereka.
permanen.
Tabel 2.1.
Tabel 2.2.
Teknik
Analisis
Data :
Analisis
Regresi
Logistik
Pengaruh Penelitian ini Variabel Variabel dependen Periode yang
Likuiditas, Dari kelima variabel
dilakukan untuk Dependen yaitu profitabilitas digunakan dalam
Leverage, likuiditas, leverage,
Profitabilitas, menganalisis : yang diukur dengan penelitian ini adalah
Isti Farah profitabilitas,
5. Aktivitas, Dan pengaruh Likuiditas, ROA, aktivitas yang tahun 2016-2018
(2018) Sales Growth
aktivitas, dan sales
likuiditas, Leverage, diukur dengan sedangkan penelitian
Dalam growth hanya
leverage, Profitabilit TATO, dan sales yang dilakukan oleh
Memprediksi variabel
profitabilitas, as, growth yang diukur Isti Farah (2018)
Terjadinya
28
Financial aktivitas, dan Aktivitas, profitabilitas saja dengan sales growth. adalah tahun 2013-
Distress sales growth Dan Sales yang diukur dengan Dan variavel 2016.
Menggunakan dalam Growth ROA yang independen yaitu
Discriminant
Analysis Dan memprediksi berpengaruh financial distress.
Logistic terjadinya Variabel signifikan dalam
Regression financial distress Independ memprediksi
(Studi pada pada perusahaan en : terjadinya financial
perusahaan manufaktur Financial distress di suatu
manufaktur yang terdaftar di Distress perusahaan.
yang terdaftar Bursa Efek
di BEI
Indonesia (BEI) Teknik
periode 2013-
periode 2013- Analisis
2016)
2016 dengan Data :
menggunakan Analisis
discriminant regresi
analysis dan logistik
logistic
regression.
29
Kerangka konseptual berisi variabel yang diteliti, dapat berisi pengaruh atau
hubungan antara variabel satu dengan variabel lainnya. Peran kerangka konseptual
Gambar 2.2.
Kerangka Konseptual
Profitabilitas
(x1) H1
Sales Growth
(x3) H3
H4
Keterangan :
terhadap Financial Distress (y). Dan secara simultan variabel independen (x) yaitu
(y) yaitu financial distress. Dalam hal ini, financial distress dihitung dengan
Hipotesis adalah jawaban sementara atas satu masalah penelitian yang mana harus
BAB III
METODE PENELITIAN
Atas dasar latar belakang dan rumusan masalah yang ada maka jenis
fenomena atau data sebagaimana dalam bentuk tabel, grafik, frekuensi, rata-
perusahaan dalam bentuk neraca dan laba rugi perusahaan sub sektor
property and real estate yang terdaftar di Bursa Efek Indonesia (BEI).
daftar perusahaan sub sektor property and real estate yang terdaftar di Bursa
berikut:
b) Profitabilitas (x1)
c) Aktivitas (x2)
(pertumbuhan penjualan).
Tabel 3.1.
Skala
No. Nama Variabel Indikator
Pengukuran
1. Financial Z=
distress (y) 0,717 X 1 + 0,847 X 2 +
Rasio
3,107 X 3 + 0,420 X 4 +
0,998 X 5
2. Profitabilitas (x1) ROA =
Laba bersih x 100% Rasio
Total aktiva
3. Aktivitas (x2) TATO =
Penjualan bersih Rasio
Total aktiva
4. Sales growth (x3) Sales growth =
Penjualan t – Pejualan (t-1) Rasio
Penjualan (t-1)
property and real eastate yang terdaftar di Bursa Efek Indonesia (BEI)
penelitian ini. Terdapat 65 perusahaan sub sektor property and real eastate
property and real eastate yang terdaftar di Bursa Efek Indonesia periode
Tabel 3.2.
Pemilihan Sampel
No. Kriteria Jumlah
Perusahaan property and real estate yang terdaftar di
1. 65
Bursa Efek Indonesia pada periode 2016-2018
Perusahaan property and real estate yang tidak
2. mempublikasikan laporan keuangan secara teratur pada (25)
periode 2016-2018
Perusahaan property and real estate yang tidak
3. (0)
menggunakan rupiah sebagai mata uang pelapor
Perusahaan property and real estate yang menghasilkan
4. (28)
laba sebelum pajak pada periode 2016-2018
Perusahaan property and real estate yang tidak
5. menyampaikan data secara lengkap selama periode 2016- (2)
2018 berkaitan dengan variabel
Jumlah sampel yang memenuhi kriteria penelitian 10
Berikut daftar sampel perusahaan sub sektor property and real estate
Tabel 3.3.
Sampel Perusahaan Sub Sektor Property And Real Estate yang Terdaftar di
Bursa Efek Indonesia Periode 2016-2018
No. Kode Perusahaan Nama Perusahaan
1. BAPA PT Bekasi Asri Pemula Tbk
2. BIKA PT Binakarya Jaya Abadi Tbk
3 BIPP PT Bhuwanatala Indah Permai Tbk
4. BKDP PT Bukit Darmo Property Tbk
5. COWL PT Cowell Development Tbk
6. LCGP PT Eureka Prima Jakarta Tbk
7. MYRX PT Hanson International Tbk
8. NIRO PT Nirwana Development Tbk
9. OMRE PT Indonesia Prima Property Tbk
10. RBMS PT Ristia Bintang Mahkota Sejati Tbk
47
annual report perusahaan sub sektor propery and real estate yang
www.idx.co.id.
2018: 66)
analisis data akan menentukan hasil sebuah penelitian. Metode analisis data
48
Teknik analisis data yang digunakan dalam penelitian ini adalah uji statistik
Keterangan :
α = Konstanta
β1 β2 β3 β4 = Koefisien regresi
Ayuningtyas 2019).
c) Koefisien determinasi
d) Tabel klasifikasi
ini adalah financial distress (1) dan non financial distress (0).
51
Ayuningtyas 2019).
terdiri atas dua nilai (Herlina, 2019: 143). Model regresi ini disebut
- Jika Sig > (α) 0,05, maka H0 diterima dan H₁ ditolak atau
- Jika Sig < (α) 0,05, maka H0 ditolak dan H₁ diterima atau
analisis selanjutnya.
- jika nilai Sig < 0,05, maka model penelitian dapat dikatakan
layak.
53
BAB IV
pesat saat ini dan akan semakin besar di masa yang akan datang.
sampel perusahaan sub sektor property and real estate yang terdaftar
54
sebagai berikut :
pengembangan perumahan.
stand mall. Saat ini proyek real estat BKDP, antara lain: The
sebagai berikut :
Tabel 4.1.
diamati bahwa jika rata-rata perusahaan adalah tiga kali, maka rasio
Tabel 4.2.
1. Profitabilitas
2. Aktivitas
3. Sales Growth
menyebabkan bias.
Tabel 4.3.
observasinya.
observasinya.
berikut :
Tabel 4.4.
1 15.037 8 .058
Sumber : data yang sudah diolah
berikut :
Tabel 4.5.
Constant
1 38.196 .667
3 38.191 .693
67
Tabel 4.6.
Constant X1 X2 X3
a. Method: Enter
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 38,191
d. Estimation terminated at iteration number 6 because parameter estimates changed
by less than ,001.
Sumber : data yang sudah diolah
c. Koefisien Determinasi
68
goodness of fit.
Tabel 4.7.
dari SPSS pada Cox and snell square adalah sebesar 0,562
ini.
d. Tabel Klasifikasi
Tabel 4.8.
FDI Percentage
distress distress
sebesar 83,3%.
- Jika Sig > (α) 0,05, maka H0 diterima dan H₁ ditolak atau
- Jika Sig < (α) 0,05, maka H0 ditolak dan H₁ diterima atau
Tabel 4.9.
adalah jika nilai Sig < 0,05, maka model penelitian dapat
dikatakan layak.
Tabel 4.10.
maka :
financial distress.
financial distress.
4.2. Pembahasan
Dengan mengetahui TATO, kita dapat menilai sejauh mana aktiva yang
perusahaan.
2018). Dalam penelitian ini rasio sales growth yang digunakan adalah
dengan penelitian yang dilakukan oleh Hanafi (2018) dan Perdana dkk
financial distress.
76
BAB V
5.1. Kesimpulan
dengan model Altman Z-Score pada perusahaan sub sektor property and
real estate yang terdaftar di Bursa Efek Indonesia tahun 2016-2018, maka
financial distress.
financial distress.
financial distress.
5.2. Saran
berinvestasi.
DAFTAR PUSTAKA
Ardian, A. V., Rita. A, dan Kharis. R. 2017. “Pengaruh Rasio Likuiditas, Rasio
Leverage, Rasio Aktifitas dan Rasio Profitabilitas Terhadap Financial
Distress”. Jurnal Akuntansi. hal 13-14. Mei.
Bungin, B., 2017. Metode Penelitian Kuantitatif. Edisi II. Jakarta: Kencana.
Hartono. 2018. Konsep Analisa Laporan Keuangan Dengan Pendekatan Rasio dan
SPSS. Edisi I. Yogyakarta: Deepublish.
Hery. 2017. Kajian Riset Akuntansi (Mengulas Berbagai Hasil Penelitian Terkini
dalam Bidang Akuntansi dan Keuangan. Edisi I. Jakarta: PT Grasindo.
____. 2016. Analisis Kinerja Manajemen.
Surayani., dan Hendryadi. 2016. Metode Riset Kuantitatif: Teori dan Aplikasi Pada
Penelitian Bidang Manajemen Dan Ekonomi Islam. Edisi I. Jakarta:
Prenadamedia Group.
79
LAMPIRAN
KODE
TAHUN LABA BERSIH TOTAL AKTIVA ROA
PERUSAHAAN
2016 Rp (23.451.334.960) Rp 3.493.055.380.115 -0,67%
COWL 2017 Rp (69.033.208.868) Rp 3.578.766.164.667 -1,93%
2018 Rp (224.533.427.459) Rp 3.733.012.257.460 -6,01%
2016 Rp 1.818.062.130 Rp 179.260.878.116 1,01%
BAPA 2017 Rp 13.212.381.915 Rp 179.035.974.052 7,38%
2018 Rp 4.950.263.483 Rp 172.313.437.729 2,87%
2016 Rp (77.981.341.628) Rp 2.400.682.388.179 -3,25%
BIKA 2017 Rp (44.354.027.770) Rp 2.374.443.387.792 -1,87%
2018 Rp (45.682.595.609) Rp 2.333.636.785.839 -1,96%
2016 Rp 27.224.420.762 Rp 1.648.021.678.720 1,65%
BIPP 2017 Rp (31.033.697.167) Rp 1.748.640.897.106 -1,77%
2018 Rp (79.203.069.270) Rp 2.063.247.282.902 -3,84%
2016 Rp (28.948.289.175) Rp 785.095.652.150 -3,69%
BKDP 2017 Rp (43.170.166.331) Rp 783.494.758.697 -5,51%
2018 Rp 36.781.835.738 Rp 763.537.440.279 4,82%
2016 Rp (6.713.147.549) Rp 395.301.532.428 -1,70%
RBMS 2017 Rp 14.519.780.720 Rp 432.055.786.199 3,36%
2018 Rp 5.403.552.648 Rp 897.968.027.638 0,60%
2016 Rp 3.139.928.220 Rp 1.673.377.584.467 0,19%
LCGP 2017 Rp (13.394.679.065) Rp 1.660.390.874.694 -0,81%
2018 Rp (7.142.064.961) Rp 1.648.862.748.218 -0,43%
2016 Rp 68.053.138.932 Rp 8.410.268.542.375 0,81%
MYRX 2017 Rp (85.247.082.106) Rp 10.008.169.293.650 -0,85%
2018 Rp 148.793.732.029 Rp 11.625.186.862.977 1,28%
2016 Rp (31.336.684.656) Rp 3.791.983.263.313 -0,83%
NIRO 2017 Rp 3.721.787.876 Rp 4.892.233.716.330 0,08%
2018 Rp (35.053.073.458) Rp 7.555.705.400.512 -0,46%
2016 Rp 318.395.155.443 Rp 4.264.983.383.118 7,47%
OMRE 2017 Rp (66.193.842.560) Rp 4.242.934.699.631 -1,56%
2018 Rp 144.577.610.420 Rp 4.252.706.473.038 3,40%
81
KODE
TAHUN PENJUALAN BERSIH TOTAL AKTIVA TATO
PERUSAHAAN
2016 Rp 570.072.055.705 Rp 3.493.055.380.115 0,16
COWL 2017 Rp 525.324.518.118 Rp 3.578.766.164.667 0,15
2018 Rp 418.168.913.163 Rp 3.733.012.257.460 0,11
2016 Rp 34.022.502.954 Rp 179.260.878.116 0,19
BAPA 2017 Rp 46.437.737.073 Rp 179.035.974.052 0,26
2018 Rp 28.451.499.193 Rp 172.313.437.729 0,17
2016 Rp 631.183.291.034 Rp 2.400.682.388.179 0,26
BIKA 2017 Rp 482.386.824.523 Rp 2.374.443.387.792 0,20
2018 Rp 407.818.436.673 Rp 2.333.636.785.839 0,17
2016 Rp 113.883.200.419 Rp 1.648.021.678.720 0,07
BIPP 2017 Rp 108.781.215.028 Rp 1.748.640.897.106 0,06
2018 Rp 113.883.200.419 Rp 2.063.247.282.902 0,06
2016 Rp 52.413.771.234 Rp 785.095.652.150 0,07
BKDP 2017 Rp 43.188.508.734 Rp 783.494.758.697 0,06
2018 Rp 36.070.319.372 Rp 763.537.440.279 0,05
2016 Rp 17.945.077.363 Rp 395.301.532.428 0,05
RBMS 2017 Rp 137.064.329.373 Rp 432.055.786.199 0,32
2018 Rp 183.045.980.412 Rp 897.968.027.638 0,20
2016 Rp 21.545.454.546 Rp 1.673.377.584.467 0,01
LCGP 2017 Rp 6.000.000.000 Rp 1.660.390.874.694 0,00
2018 Rp 8.510.693.983 Rp 1.648.862.748.218 0,01
2016 Rp 740.024.385.759 Rp 8.410.268.542.375 0,09
MYRX 2017 Rp 885.133.359.302 Rp 10.008.169.293.650 0,09
2018 Rp 1.211.102.677.631 Rp 11.625.186.862.977 0,10
2016 Rp 263.633.645.672 Rp 3.791.983.263.313 0,07
NIRO 2017 Rp 380.879.695.331 Rp 4.892.233.716.330 0,08
2018 Rp 461.094.379.950 Rp 7.555.705.400.512 0,06
2016 Rp 242.237.199.644 Rp 4.264.983.383.118 0,06
OMRE 2017 Rp 182.508.958.373 Rp 4.242.934.699.631 0,04
2018 Rp 156.507.546.904 Rp 4.252.706.473.038 0,04
82
KODE Sales
TAHUN Penjualan t Pejualan (t-1) Pejualan (t-1)
PERUSAHAAN Growth
2016 Rp 570.072.055.705 Rp 583.329.689.427 Rp 583.329.689.427 -2,27%
COWL 2017 Rp 525.324.518.118 Rp 570.072.055.705 Rp 570.072.055.705 -7,85%
2018 Rp 418.168.913.163 Rp 525.324.518.118 Rp 525.324.518.118 -20,40%
2016 Rp 34.023 Rp 24.144 Rp 24.144 40,92%
BAPA 2017 Rp 46.437.737.073 Rp 34.022.502.954 Rp 34.022.502.954 36,49%
2018 Rp 28.451.499.193 Rp 46.437.737.073 Rp 46.437.737.073 -38,73%
2016 Rp 631.183 Rp 1.014 Rp 1.013.950 62,15%
BIKA 2017 Rp 482.386.824.523 Rp 631.183.291.034 Rp 631.183.291.034 -23,57%
2018 Rp 407.818.436.673 Rp 482.386.824.523 Rp 482.386.824.523 -15,46%
2016 Rp 113.883 Rp 111.644 Rp 111.644 2,01%
BIPP 2017 Rp 108.781.215.028 Rp 113.883.200.419 Rp 113.883.200.419 -4,48%
2018 Rp 113.883.200.419 Rp 108.781.215.028 Rp 108.781.215.028 4,69%
2016 Rp 36.070 Rp 60.101 Rp 60.101 -39,98%
BKDP 2017 Rp 43.188.508.734 Rp 36.070.000.000 Rp 36.070.000.000 19,74%
2018 Rp 52.413.771.234 Rp 43.188.508.734 Rp 43.188.508.734 21,36%
2016 Rp 17.945 Rp 16.970 Rp 16.970 5,75%
RBMS 2017 Rp 137.064 Rp 17.945 Rp 17.945 663,80%
2018 Rp 183.045.980.412 Rp 137.064.329.373 Rp 137.064.329.373 33,55%
2016 Rp 21.545.454.546 Rp 41.671.880.826 Rp 41.671.880.826 -48,30%
LCGP 2017 Rp 6.000.000.000 Rp 21.545.454.546 Rp 21.545.454.546 -72,15%
2018 Rp 8.510.693.983 Rp 6.000.000.000 Rp 6.000.000.000 41,84%
2016 Rp 740.024 Rp 81.857 Rp 81.857 804,04%
MYRX 2017 Rp 885.133.359.302 Rp 740.024.385.759 Rp 740.024.385.759 19,61%
2018 Rp 1.211.102.677.631 Rp 885.133.359.302 Rp 885.133.359.302 36,83%
2016 Rp 263.634 Rp 505.051 Rp 505.051 -47,80%
NIRO 2017 Rp 380.879.695.331 Rp 263.633.645.672 Rp 263.633.645.672 44,47%
2018 Rp 461.094.379.950 Rp 380.879.695.331 Rp 380.879.695.331 21,06%
2016 Rp 242.237 Rp 262.235 Rp 262.235 -7,63%
OMRE 2017 Rp 182.508.958.373 Rp 242.237.199.644 Rp 242.237.199.644 -24,66%
2018 Rp 156.507.546.904 Rp 182.508.958.373 Rp 182.508.958.373 -14,25%
83
KODE
TAHUN ASET LANCAR LIABILITAS LANCAR TOTAL ASET X1 0,717
PERUSAHAAN
2016 590.606.427.695 373.448.368.017 3.493.055.380.115 0,062 0,045
COWL 2017 742.059.936.186 767.562.791.547 3.578.766.164.667 (0,007) (0,005)
2018 820.022.909.492 1.103.403.629.709 3.733.012.257.460 (0,076) (0,054)
2016 132.740.526.919 60.816.048.518 179.260.878.116 0,401 0,288
BAPA 2017 129.366.818.834 55.374.100.817 179.035.974.052 0,413 0,296
2018 111.158.452.972 42.887.324.516 172.313.437.729 0,396 0,284
2016 1.762.683.474.877 699.285.606.836 2.400.682.388.179 0,443 0,318
BIKA 2017 1.870.261.218.478 472.440.994.184 2.374.443.387.792 0,589 0,422
2018 1.860.337.087.272 579.451.267.667 2.333.636.785.839 0,549 0,394
2016 98.981.852.198 75.330.661.077 1.648.021.678.720 0,014 0,010
BIPP 2017 118.585.246.238 106.459.750.880 1.748.640.897.106 0,007 0,005
2018 853.073.361.939 537.705.678.421 2.063.247.282.902 0,153 0,110
2016 49.322.341.025 237.437.805.967 785.095.652.150 (0,240) (0,172)
BKDP 2017 52.047.534.772 138.154.620.099 783.494.758.697 (0,110) (0,079)
2018 51.706.653.889 156.226.946.297 763.537.440.279 (0,137) (0,098)
2016 37.853.388.866 52.990.947.678 395.301.532.428 (0,038) (0,027)
RBMS 2017 101.609.634.121 80.001.583.655 432.055.786.199 0,050 0,036
2018 298.062.795.147 140.941.418.487 897.968.027.638 0,175 0,125
2016 1.469.202.677.341 48.367.585.632 1.673.377.584.467 0,849 0,609
LCGP 2017 1.469.661.455.033 47.317.474.245 1.660.390.874.694 0,857 0,614
2018 1.463.088.349.801 41.943.607.471 1.648.862.748.218 0,862 0,618
2016 1.012.266.106.706 1.647.814.016.897 8.410.268.542.375 (0,076) (0,054)
MYRX 2017 1.478.356.685.284 2.582.177.758.524 10.008.169.293.650 (0,110) (0,079)
2018 1.353.932.720.496 3.054.697.767.100 11.625.186.862.977 (0,146) (0,105)
2016 1.388.399.667.159 177.585.329.487 3.791.983.263.313 0,319 0,229
NIRO 2017 1.906.209.455.604 269.978.687.416 4.892.233.716.330 0,334 0,240
2018 3.685.189.023.746 550.412.311.053 7.555.705.400.512 0,415 0,297
2016 213.759.694.717 52.725.343.478 4.264.983.383.118 0,038 0,027
OMRE 2017 212.689.433.405 121.138.360.150 4.242.934.699.631 0,022 0,015
2018 240.665.448.020 232.873.604.443 4.252.706.473.038 0,002 0,001
KODE
TAHUN LABA DITAHAN TOTAL ASET X2 0,847
PERUSAHAAN
2016 164.966.539.621 3.493.055.380.115 0,047 0,040
COWL 2017 92.678.496.298 3.578.766.164.667 0,026 0,022
2018 (116.894.271.460) 3.733.012.257.460 (0,031) (0,027)
2016 44.371.049.038 179.260.878.116 0,248 0,210
BAPA
2017 57.579.944.057 179.035.974.052 0,322 0,272
84
KODE
TAHUN PENJUALAN TOTAL ASET X5 0,998
PERUSAHAAN
2016 570.072.055.705 3.493.055.380.115 0,163201551 0,163
COWL 2017 525.324.518.118 3.578.766.164.667 0,146789283 0,146
2018 418.168.913.163 3.733.012.257.460 0,112019164 0,112
2016 34.022.502.954 179.260.878.116 0,189793241 0,189
BAPA 2017 46.437.737.073 179.035.974.052 0,259376571 0,259
2018 28.451.499.193 172.313.437.729 0,165114802 0,165
2016 631.183.291.034 2.400.682.388.179 0,262918283 0,262
BIKA 2017 482.386.824.523 2.374.443.387.792 0,203157855 0,203
2018 407.818.436.673 2.333.636.785.839 0,174756603 0,174
2016 113.883.200.419 1.648.021.678.720 0,069102975 0,069
BIPP 2017 108.781.215.028 1.748.640.897.106 0,062209008 0,062
2018 113.883.200.419 2.063.247.282.902 0,055196099 0,055
2016 52.413.771.234 785.095.652.150 0,066761001 0,067
BKDP 2017 43.188.508.734 783.494.758.697 0,055122907 0,055
2018 36.070.319.372 763.537.440.279 0,047241062 0,047
2016 17.945.077.363 395.301.532.428 0,045395922 0,045
RBMS 2017 137.064.329.373 432.055.786.199 0,317237574 0,317
2018 183.045.980.412 897.968.027.638 0,203844652 0,203
2016 21.545.454.546 1.673.377.584.467 0,012875429 0,013
LCGP 2017 6.000.000.000 1.660.390.874.694 0,003613607 0,004
2018 8.510.693.983 1.648.862.748.218 0,005161554 0,005
2016 740.024.385.759 8.410.268.542.375 0,087990577 0,088
MYRX 2017 885.133.359.302 10.008.169.293.650 0,088441086 0,088
2018 1.211.102.677.631 11.625.186.862.977 0,104179201 0,104
2016 263.633.645.672 3.791.983.263.313 0,069523948 0,069
NIRO 2017 380.879.695.331 4.892.233.716.330 0,077853945 0,078
2018 461.094.379.950 7.555.705.400.512 0,061025987 0,061
2016 242.237.199.644 4.264.983.383.118 0,056796751 0,057
OMRE 2017 182.508.958.373 4.242.934.699.631 0,043014793 0,043
2018 156.507.546.904 4.252.706.473.038 0,036801869 0,037
87
(ASET
LABA NILAI
LANCAR - LABA
SEBELUM PASAR PENJUALAN
LIABILITAS DITAHAN /
KODE BUNGA DAN EKUITAS / / TOTAL FINANCIAL SKOR
TAHUN LANCAR) / TOTAL
PERUSAHAAN PAJAK / TOTAL ASET DISTRESS FDI
TOTAL ASET
TOTAL ASET LIABILITAS
ASET
X1 X2 X3 X4 X5
2016 0,045 0,040 0,011 0,968 0,163 1,23 1
COWL 2017 (0,005) 0,022 (0,119) 0,735 0,146 0,78 1
2018 (0,054) (0,027) (0,159) 0,304 0,112 0,18 1
2016 0,288 0,210 0,034 0,193 0,189 0,91 1
BAPA 2017 0,296 0,272 0,230 0,415 0,259 1,47 0
2018 0,284 0,307 0,089 0,682 0,165 1,53 0
2016 0,318 0,051 (0,100) 0,068 0,262 0,60 1
BIKA 2017 0,422 0,044 (0,055) 0,046 0,203 0,66 1
2018 0,394 0,034 (0,061) 0,039 0,174 0,58 1
2016 0,010 (0,254) 0,063 0,397 0,069 0,29 1
BIPP 2017 0,005 (0,247) (0,044) 0,288 0,062 0,06 1
2018 0,110 (0,228) (0,107) 0,199 0,055 0,03 1
2016 (0,172) (0,229) (0,138) 0,899 0,067 0,43 1
BKDP 2017 (0,079) (0,276) (0,237) 0,812 0,055 0,28 1
2018 (0,098) (0,324) (0,247) 0,583 0,047 -0,04 1
2016 (0,027) (0,010) (0,007) 0,065 0,045 0,07 1
RBMS 2017 0,036 (0,037) 0,111 0,162 0,317 0,59 1
2018 0,125 (0,002) 0,061 0,390 0,203 0,78 1
2016 0,609 0,010 0,015 6,262 0,013 6,91 0
LCGP 2017 0,614 (0,016) 0,025 3,668 0,004 4,30 0
2018 0,618 (0,019) (0,013) 6,672 0,005 7,26 0
2016 (0,054) (0,106) 0,039 2,332 0,088 2,30 0
MYRX 2017 (0,079) (0,100) (0,020) 1,218 0,088 1,11 1
2018 (0,105) (0,079) 0,048 1,171 0,104 1,14 1
2016 0,229 (0,032) (0,007) 1,071 0,069 1,33 0
NIRO 2017 0,240 (0,026) 0,022 0,603 0,078 0,92 1
2018 0,297 (0,023) 0,005 0,576 0,061 0,92 1
2016 0,027 0,585 0,230 1,077 0,057 1,98 0
OMRE 2017 0,015 0,575 (0,050) 2,818 0,043 3,40 0
2018 0,001 0,601 0,097 3,239 0,037 3,98 0
88
Logistic Regression
Notes
[DataSet0]
Case Processing Summary
Total 30 100.0
89
Unselected Cases 0 .0
Total 30 100.0
Iteration Historya,b,c
1 38.196 .667
3 38.191 .693
Classification Tablea,b
Observed Predicted
FDI Percentage
distress
Score df Sig.
X1 5.571 1 .018
Iteration Historya,b,c,d
Constant X1 X2 X3
a. Method: Enter
b. Constant is included in the model.
c. Initial -2 Log Likelihood: 38,191
d. Estimation terminated at iteration number 6 because parameter estimates changed by less
than ,001.
Chi-square df Sig.
Model Summary
1 15.037 8 .058
1 2 2.764 1 .236 3
2 3 1.968 0 1.032 3
3 2 1.704 1 1.296 3
4 0 1.193 3 1.807 3
5 3 .908 0 2.092 3
Step 1
6 0 .727 3 2.273 3
7 0 .323 3 2.677 3
8 0 .245 3 2.755 3
9 0 .129 3 2.871 3
10 0 .039 3 2.961 3
Classification Tablea
Observed Predicted
FDI Percentage
distress
Lower Upper
Correlation Matrix
Constant X1 X2 X3
Casewise Listb
DESCRIPTIVES VARIABLES=Y
/STATISTICS=MEAN SUM STDDEV MIN MAX.
Descriptives
Notes
[DataSet0]
Descriptive Statistics
DESCRIPTIVES VARIABLES=X1 X2 X3
/STATISTICS=MEAN SUM STDDEV VARIANCE MIN MAX.
Descriptives
Notes
[DataSet0]
Descriptive Statistics