i

PENGARUH PROFITABILITAS, AKTIVITAS, DAN SALES

GROWTH TERHADAP FINANCIAL DISTRESS

(Studi Kasus Pada Perusahaan Sub Sektor Property and Real

Estate yang Terdaftar di Bursa Efek Indonesia Periode 2016-2018)

Oleh :

RITA DWIYANTI

NPM 16013114

FAKULTAS EKONOMI DAN BISNIS

PRODI AKUNTANSI KEUANGAN
UNIVERSITAS WIJAYA PUTRA
SURABAYA
2020
 ii

PENGARUH PROFITABILITAS, AKTIVITAS, DAN SALES

GROWTH TERHADAP FINANCIAL DISTRESS
(Studi Kasus Pada Perusahaan Sub Sektor Property and Real
Estate yang Terdaftar di Bursa Efek Indonesia Periode 2016-2018)

Oleh :

RITA DWIYANTI

NPM 16013114

FAKULTAS EKONOMI DAN BISNIS

PRODI AKUNTANSI KEUANGAN
UNIVERSITAS WIJAYA PUTRA
SURABAYA
2020
 iii

PENGARUH PROFITABILITAS, AKTIVITAS, DAN SALES GROWTH

TERHADAP FINANCIAL DISTRESS

(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

Surabaya, 15 Mei 2020

Telah disetujui dan disahkan oleh
Dosen pembimbing :

(Yoshi Trias Pratiwi, SE., M. Ak.)

 iv

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

menyelesaikan skripsi yang berjudul "Pengaruh Profitabilitas, Aktivitas, Dan Sales

Growth Terhadap Financial Distress (Studi Kasus Pada Perusahaan Sub Sektor

Property and Real Estate yang Terdaftar di Bursa Efek Indonesia Periode 2016-

2018)".

Penyusunan skripsi ini dimaksudkan untuk memenuhi syarat guna mencapai

gelar Sarjana Ekonomi di Universitas Wijaya Putra Surabaya. Terselesainya skripsi

ini tidak lepas dari dorongan, semangat, bantuan, bimbingan pengarahandan saran

dari semua pihak. Oleh karena itu, dengan kerendahan hati dan tulus ikhlas dalam

kesempatan ini saya menyampaikan ucapan terimakasih yang sebesar-besarnya

kepada :

1. Bapak Budi Endarto, SH., M.Hum. selaku Rektor Universitas Wijaya

Putra Surabaya.

2. Bapak Dr. H. Taufiqurrahman, SH., M.Hum. selaku Wakil Rektor 1

Universitas Wijaya Putra Surabaya.

3. Ibu Dr. Esa Wahyu Endarti, SH.,M.Si. selaku Wakil Rektor 2

Universitas Wijaya Putra Surabaya.

4. Ibu Dr. Soenarmi, SE.,MM. selaku Dekan Fakultas Ekonomi dan Bisnis

Universitas Wijaya Putra Surabaya.

 v

5. Ibu Aminatuzzuhro. SE., M.Si. selaku Ketua Program Studi Akuntansi

Universitas Wijaya Putra Surabaya.

6. Ibu Yoshi Trias Pratiwi, S.E. selaku Dosen Pembimbing yang telah

meluangkan waktu, tenaga dan memberi bimbingan serta pengarahan

dengan penuh tanggung jawab yang begitu besar agar dalam proses

penulisan ini tidak mengalami kesulitan.

7. Bapak dan Ibu dosen Fakultas Ekonomi dan Bisnis Universitas Wijaya

Putra Surabaya yang telah memberikan ilmunya yang bermanfaat buat

penulis. Serta para staff dan karyawan Fakultas Ekonomi dan Bisnis

Universitas Wijaya Putra Surabaya yang telah memberikan pelayanan

yang terbaik bagi mahasiswa.

8. Untuk kedua orang tua saya Ayahanda Djoko Mulyanto dan Ibunda

Wachidah yang sangat tulus selalu memberi doa dan semangat.

9. Untuk kakak saya Sonny Mulyanto yang telah memberikan support.

10. Untuk teman-teman wisudawan 2020 yang sangat hebat, terimakasih

sudah saling mendukung.

11. Untuk sahabat-sahabat saya Ayug, Tiara, Niken, Mila, Erna, Shodiq,

Kikik, Leli, Dewi, Sugeng, Bayu, Panji, Dwi, Anas, Yoga, Dimas yang

sudah memberikan pengarahan, motivasi dan belajar bersama selama

berjalannya proses skripsi ini.

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

sayang-sayangnya. Semua pihak yang tidak dapat disebutkan satu-

 vi

persatu, yang telah banyak memberikan dukungan selama proses

penulisan skripsi ini saya ucapkan terima kasih.

Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Hal ini

dikarenakan terbatasnya kemampuan dan pengetahuan yang dimiliki penulis. Oleh

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

bagi kita semua.

Surabaya, Juli 2020

Rita Dwiyanti
 vii

DAFTAR ISI

BAB I PENDAHULUAN ...................................................................................... 1

1.1. Latar Belakang ....................................................................................... 1
1.2. Rumusan Masalah .................................................................................. 4
1.3. Tujuan Penelitian ................................................................................... 5
1.4. Manfaat Penelitian ................................................................................. 6
1.4.1. Manfaat Teoritis ................................................................................ 6
1.4.2. Manfaat Praktis ................................................................................. 6

BAB II TELAAH PUSTAKA .............................................................................. 7

2.1. Landasan Teori ....................................................................................... 7
2.1.1. Definisi Financial Distress ................................................................ 7
2.1.2. Jenis Financial Distress .................................................................. 10
2.1.3. Penyebab Financial Distress........................................................... 11
2.1.4. Solusi Untuk Financial Distress ..................................................... 13
2.1.5. Cara Memprediksi Financial Distress ............................................ 13
2.1.6. Rasio Keuangan .............................................................................. 15
2.1.7. Profitabilitas .................................................................................... 15
2.1.8. Pengaruh Profitabilitas Terhadap Financial Distress ..................... 16
2.1.9. Aktivitas .......................................................................................... 16
2.1.10. Pengaruh Aktivitas Terhadap Financial Distress ........................... 17
2.1.11. Sales Growth ................................................................................... 18
2.1.12. Pengaruh Sales Growth Terhadap Financial Distress .................... 18
2.1.13. Perusahaan Property And Real Eastate Terdaftar di BEI ............... 19
2.2. Penelitian Terdahulu ............................................................................ 23
2.3. Kerangka Konseptual .......................................................................... 29
2.4. Hipotesis Penelitian .............................................................................. 30

BAB III METODE PENELITIAN .................................................................... 41

3.1. Jenis dan Pendekatan Penelitian......................................................... 41
3.2. Variabel dan Definisi Operasional Variabel ...................................... 42
3.2.1. Variabel Penelitian .......................................................................... 42
 viii

3.2.2. Definisi Operasional Variabel ......................................................... 42

3.2.3. Indikator Variabel Penelitian .......................................................... 44
3.3. Lokasi Penelitian .................................................................................. 44
3.4. Populasi, Sampel, dan Teknik Pengambilan Sampel ........................ 45
3.5. Metode Pengumpulan Data ................................................................. 47
3.6. Teknik Analisis Data ............................................................................ 47
3.6.1. Statistik Deskriptif .......................................................................... 48
3.6.2. Analisis Regresi Logistik ................................................................ 48
3.6.3. Uji Hipotesis ................................................................................... 51

BAB IV HASIL PENELITIAN DAN PEMBAHASAN ................................... 53

4.1. Hasil Penelitian ..................................................................................... 53
4.1.1. Objek Penelitian ............................................................................ 53
4.1.2. Deskripsi Responden..................................................................... 53
4.1.3. Deskripsi Variabel Penelitian ...................................................... 59
4.1.4. Hasil Analisis Data ........................................................................ 61
4.1.4.1. Statistik Deskriptif ............................................................ 611
4.1.4.2. Analisis Regresi
Logistik.....................................................613
4.1.4.3. Uji Hipotesis........................................................................70
4.2. Pembahasan .......................................................................................... 73
 ix

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

Gambar 2.1. Berbagai Definisi Terkait Kebangkrutan............................................9

Gambar 2.2. Kerangka Konseptual........................................................................29
 xi

DAFTAR LAMPIRAN

Perhitungan Return On Asset (ROA).....................................................................80

Perhitungan Total Asset Turnover (TATO)...........................................................81
Perhitungan Sales Growth......................................................................................82
Perhitungan Financial Distress..............................................................................83
Hasil Data Dikelola SPSS 21.................................................................................88
 xii

ABSTRACT

This research is conducted to find the influence of profitability, activity, and

sales growth on financial distress at property and real estate company listed in
Indonesia Stock Exchange (BEI) period 2016-2018 by using the Altman Z-score
revised 1983 model. The number of population in this research is 65 property and
real estate Companies listed in Indonesia Stock Exchange period 2016-2018.
Sampling using purposive sampling method. Companies that meet the criteria to be
sampled in this study amounted to 10 companies. The type of data used is secondary
data obtained from the Indonesian Stock Exchange (IDX). From the result of the
logistic regression analysis of the three profitability, activity, and sales growth
variabels, the only significant effect on financial distress is only profitability and
activity variabels.

Keywords: Profitability, Activity, Sales Growth, Financial Distress, Logistic

Regression Analysis
 xiii

ABSTRAK

Penelitian ini dilakukan untuk mengetahui pengaruh profitabilitas, aktivitas,

dan sales growth terhadap financial distress pada perusahaan property and real
estate yang terdaftar di Bursa Efek Indonesia (BEI) periode 2016- 2018 dengan
menggunakan model Altman Z-Score revisi 1983. Jumlah populasi dalam
penelitian ini adalah 65 perusahaan property and real estate yang terdaftar di Bursa
Efek Indonesia periode 2016-2018. Pengambilan sampel menggunakan metode
purposive sampling. Perusahaan yang memenuhi kriteria untuk dijadikan sampel
dalam penelitian ini berjumlah 10 perusahaan. Jenis data yang digunakan adalah
data sekunder yang diperoleh dari Indonesian Stock Exchange (IDX). Dari hasil
analisis uji regresi logistik dari ketiga variabel profitabilitas, aktivitas, dan sales
growth, yang berpengaruh signifikan terhadap financial distress hanya variabel
profitabilitas dan aktivitas.

Kata Kunci : Profitabilitas, Aktivitas, Sales Growth, Financial Distress, Analisis

Regresi Logistik.
 1

BAB I

PENDAHULUAN

1.1. Latar Belakang

Indonesia merupakan salah satu negara yang mengalami dampak dari krisis

ekonomi global yang disebabkan oleh krisis ekonomi di negara Amerika pada

Tahun 2008 yang mengakibatkan melemahnya kurs mata uang rupiah dan semakin

tingginya nilai kurs dollar, sehingga mengakibatkan perusahaan di Indonesia

mengalami financial distress (kesulitan keuangan). Dampak kenaikan dollar ini

mempengaruhi perusahaan-perusahaan yang ada di Indonesia karena beberapa

perusahaan tidak mampu memenuhi kewajiban finansialnya (debt default) dan tidak

mampu membiayai kegiatan operasinya. Kondisi ini disebabkan karena para

investor tidak mau menanamkan modalnya di perusahaan Indonesia yang

mengimpor bahan bakunya. Maka dari itu, perusahaan dituntut untuk mampu

mengelola keuangannya agar tidak terjadi kebangkrutan.

PT Bursa Efek Indonesia (BEI) dalam kurun waktu tiga tahun terakhir telah

mengeluarkan (delesting) 18 saham perusahaan yang tercatat di Bursa Efek

Indonesia. Suatu perusahaan delesting di Bursa Efek Indonesia umumnya karena

kinerja yang buruk. Indikatornya antara lain dalam kurun waktu tertentu sahamnya

tidak pernah diperdagangkan, mengalami kerugian beberapa tahun, tidak

membagikan deviden selama beberapa tahun dan berbagai kondisi lainnya sesuai

dengan peraturan pencatatan di Bursa Efek Indonesia. Perusahaan yang delesting

dalam waktu tiga tahun terakhir mulai tahun 2016 sampai dengan tahun 2018,

sebagaimana ditunjukkan pada tabel berikut:

 2

Tabel 1.1.

Perusahaan Delisting dari Bursa Efek Indonesia Tahun 2016-2018

Sub Penyebab
Th Perusahaan Delisting (Dikeluarkan)
Sektor M KK
20
- -
16

1. Ciputra Property Tbk (CTRP) Properti X

2. Ciputra Surya Tbk (CTRS) Properti X
3. Sorini Agro Asia Corporindo Tbk (SOBI) Kimia X
4. Citra Maharlika Nusantara Corpora Tbk Transport X
20
(CPGT)
17
5. Inovisi Infracom Tbk (INVS) Telekom X
6. Berau Coal Energy Tbk (BRAU) Batubara X
7. Permata Prima Sakti Tbk. (TKGA) Batubara X
8. Lamicitra Nusantara Tbk (LAMI) Properti X

1. PT Dwi Aneka Jaya Kemasindo Tbk (DAJK) Kertas X

2. Truba Alam Manunggal Engineering Tbk Kontruksi X
20 (TRUB)
18 3. Jaya Pari Steel Tbk (JPRS) Logam X
4. Taisho Pharmaceutical Indonesia Tbk Farmasi X
(SQBB)

Ket :
M : Merger
KK : Kesulitan Keuangan
Sumber : www.sahamok.com

Terdapat 12 emiten yang delisting (dikeluarkan) dari pencatatan Bursa Efek

Indonesia. dari 182 emiten tersebut, 2 emiten mengajukan delisting karena merger

(penggabungan) dan diakuisisi oleh perusahaan lain, sedangkan 10 perusahaan

delisting karena mengalami kesulitan keuangan. Perusahaan yang mengalami

delisting karena kesulitan keuangan merupakan gambaran perusahaan dengan

kondisi kinerja internal yang buruk, yang menyebabkan perusahaan mengalami

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

perusahaan dari kondisi financial distress.

financial distress dapat diprediksi dengan cara menganalisis rasio-rasio

keuangan. Seperti rasio profitabilitas, leverage, likuiditas, aktivitas, dan Sales

Growth (pertumbuhan penjualan). Ketika perusahaan tersebut berhasil

menganalisisnya maka perusahaan akan terhindar dari kondisi financial distress

atau kesulitan keuangan. Pada dasarnya financial distress merupakan tahap

penurunan kondisi keuangan yang terjadi sebelum terjadinya kebangkrutan atau

likuidasi (Platt and Platt dalam Ardriansyah, 2018). Salah satu sebab yang

mengindikasikan kondisi keuangan perusahaan dalam keadaan distress adalah

ketidakmampuan perusahaan dalam membiayai operasional perusahaan disebabkan

minimnya pemasukan dari produksi. Oleh karena itu perusahaan harus mampu

mengawasi kondisi keuangan baik dari neraca maupun laba rugi dalam laporan

keuangan demi meminimalisasi terjadinya kebangkrutan.

Terdapat beberapa penelitian terdahulu mengenai financial distress, akan

tetapi hasil yang diperoleh beragam. Penelitian yang dilakukan Farah (2018)

menunjukkan bahwa rasio profitabilitas berpengaruh terhadap kondisi financial

distress sedangkan rasio likuiditas, rasio leverage, rasio aktivitas, dan rasio sales

growth tidak berpengaruh terhadap kondisi financial distress. Sedangkan penelitian

yang dilakukan oleh Ardian dkk (2017) menunjukan rasio likuiditas, rasio leverage
 4

dan rasio aktivitas berpengaruh terhadap kondisi financial distress. Sedangkan rasio

profitabilitas tidak berpengaruh terhadap kondisi financial distress.

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

memberikan dampak yang buruk bagi perusahaannya.

Dilihat dari latar belakang yang telah diuraikan diatas, penulis tertarik untuk

melakukan penelitian tentang financial distress. Selanjutnya Penelitian ini diberi

judul “Pengaruh Profitabilitas, Aktivitas, dan Sales Growth Terhadap

Financial Distress (Studi Pada Perusahaan Sub Sektor Property and Real

Estate Yang Terdaftar di Bursa Efek Indonesia Periode 2017-2019)”.

1.2. Rumusan Masalah

1. Bagaimana Deskripsi Kondisi Profitabilitas, Aktivitas, Sales Growth,

dan Financial Distress Perusahaan Sub Sektor Property And Real

Estate ?
 5

2. Apakah Profitabilitas Berpengaruh Terhadap Financial Distress

Perusahaan Sub Sektor Property And Real Estate ?

3. Apakah Aktivitas Berpengaruh Terhadap Financial Distress

Perusahaan Sub Sektor Property And Real Estate ?

4. Apakah Sales Growth Berpengaruh Terhadap Financial Distress

Perusahaan Sub Sektor Property And Real Estate ?

5. Apakah Profitabilitas, Aktivitas, dan Sales Growth Secara Simultan

Berpengaruh Terhadap Financial Distress Perusahaan Sub Sektor

Property And Real Estate ?

1.3. Tujuan Penelitian

1. Untuk mendiskripsikan kondisi profitabilitas, aktivitas, sales growth,

dan financial distress di Perusahaan Sub Sektor Property And Real

Estate

2. Untuk menganalisis pengaruh profitabilitas terhadap Financial Distress

di Perusahaan Sub Sektor Property And Real Estate

3. Untuk menganalisis pengaruh aktivitas terhadap Financial Distress di

Perusahaan Sub Sektor Property And Real Estate

4. Untuk menganalisis pengaruh sales growth terhadap Financial Distress

di Perusahaan Sub Sektor Property And Real Estate

5. Untuk menganalisis pengaruh profitabilitas, aktivitas, dan sales growth

secara simultan terhadap financial distress di Perusahaan Sub Sektor

Property And Real Estate

 6

1.4. Manfaat Penelitian

1.4.1. Manfaat Teoritis

1. Menambah wawasan pemahaman lebih mendalam mengenai

bagaimana pengaruh profitabilitas, aktivitas, dan sales growth terhadap

financial distress.

2. Menambah referensi atau masukan bagi peneliti selanjutnya yang

tertarik dengan profitabilitas, aktivitas, sales growth, dan financial

distress. Terutama dikalangan mahasiswa.

1.4.2. Manfaat Praktis

Dengan menggunakan beberapa teori rasio keuangan seperti

Profitabilitas, Aktivitas, dan Sales Growth. Harapan peneliti dapat

memberikan nilai tambah secara langsung terhadap kinerja keuangan

perusahaan sub sektor property and real estate yang terdaftar di Bursa Efek

Indonesia tahun 2016-2018, sehingga perusahaan akan terhindar dari

keadaan financial distress (kesulitan keuangan).

 7

BAB II

TELAAH PUSTAKA

2.1. Landasan Teori

2.1.1. Definisi Financial Distress

Seringkali kondisi financial distress disamakan dengan

kebangkrutan. Padahal financial distress dan kebangkrutan adalah

dua hal yang berbeda. Financial distress (kesulitan keuangan)

merupakan indikasi awal sebelum terjadinya kebangkrutan

perusahaan. Secara umum pengertian financial distress adalah suatu

fenomena yang menunjukkan tren penurunan kinerja keuangan suatu

perusahaan. Biasanya, financial distress merupakan tahap awal

sebelum terjadinya kebangkrutan.

Ada banyak definisi financial distress yang biasa digunakan oleh

para peneliti. Masing-masing peneliti memiliki sudut pandang yang

berbeda untuk mendefinisikan financial distress, semua akan sangat

tergantung pada kepentingan para peneliti. Berikut definisi financial

distress menurut para ahli (Kristanti, 2019: 11) :

- Hendel mendefinisikan financial distress sebagai

kemungkinan untuk bangkrut, dimana itu tergantung pada

tingkat kelikuidan aset sesuai dengan ketersediaan kredit.

- Andrade dan Kaplan mengidentifikasikan dua bentuk

financial distress: (1) default atas pembayaran utang, dan (2)

rektrurisasi utang dengan tujuan mencegah situasi default.

 8

- Dari sudut pandang arus kas, Whitaker menyatakan bahwa

perushaan distress adalah jika perusahaan arus kas tahun

pertama lebih kecil dibandingkan utang jangka panjang

perusahaan yang segera jatuh tempo.

- Brighan dan Daves menyatakan bahwa financial distress

atau kesulitan keuangan adalah situasi dimana perushaan

tidak mampu lagi membayar kewajiban pada jadwal

pembayarannya. Situasi lainnya adalah ketika perusahaan

terindikasi akan tidak bisa membayar kewajibannya yang

tergambar dari proyeksi arus kas yang dimilikinya.

- Purnanandam menyatakan bahwa financial distress

dikarakteristikkan dengan kumulatif ‘earning’ yang negatif

selama paling tidak beberapa tahun berturut-turut rugi dan

kinerja yang buruk. Kebangkrutan adalah salah satu

kemungkinan yang akan terjadi dari kondisi financial

distress.

Ada banyak tertimonologi terkait dengan istilah kegagalan

baik secara ekonomi maupun finansial. Berbagai terminologi

atau definisi tersebut dibuat para peneliti dengan tujuan yang

berbeda-beda. Berbagai literatur menggunakan istilah

insolvency, default, distress, likuidasi, dan kebangkrutan, yang

sering kali digunakan secara bergantian yang merujuk pada

makna yang sama :

 9

Insolvency adalah kondisi dimana perusahaan masuk dalam

situasi tidak mampu membayar kewajibannya akibat perusahaan

tidak memiliki likuiditas. Hal ini berarti insolvency adalah situasi

yang sifatnya lebih jangka pendek.

Financial distress adalah tahap kesulitan keuangan yang

ditandai dengan penurunan laba bahkan laba negatif.

Default adalah situasi dimana perusahaan tidak bisa melakukan

pembayaran atas kewajiban atau perjanjian yang dibuat dengan

pihak debitur.

Kebangkrutan adalah tahap dimana perusahaan diajukan secara

legal sebagai perusahaan bangkrut.

Likuidasi adalah tahap dimana perusahaan dinyatakan bangkrut

oleh pengadilan.

Jika digambarkan maka, berbagai definisi tersebut

dinyatakan bangkrut terlihat seperti pada gambar berikut :

Gambar 2.1.
Berbagai Definisi Terkait Kebangkrutan

Financial Bangkrut Likuidasi

Insolvency Default
Distress

Sumber : Kristanti, F. T. K. (2019). Financial Distress (Teori dan

Perkembangannya dalam Konteks Indonesia). edisi I, Malang: Inteligensia Media.
 10

2.1.2. Jenis Financial Distress

Menurut Brigham dan Gapenski (Kristanti, 2019:8) menyatakan

bahwa ada lima jenis financial distress yaitu :

1. Kegagalan ekonomi

Kondisi ini terjadi ketika pendapatan perusahaan tidak

mampu meng-kover sejumlah biaya-biaya bahkan biaya

modalnya.

2. Kegagalan bisnis

Kegagalan bisnis diartikan sebagai kondisi ketika

perusahaan menghentikan operasi bisnisnya sehingga

mengakibatkan kerugian bagi pihak kreditur.

3. Insolvensi secara teknis

Situasi ini disebut juga equity insolvency yang menurut

istilah (Altman dalam Kristanti, 2019: 11) merupakan suatu

kondisi perusahaan dimana mereka tidak memilki

kemampuan dalam membayar utangnya dengan lancar pada

saat jatuh tempo. Ini merupakan kondisi temporer, dimana

biasanya kreditur akan membantu perusahaan dengan cara

melakukan restrukturisasi utang perusahaan.

4. Insolvensi dalam kebangkrutan

Kondisi ini adalah kondisi ketika nilai pasar aset lebih kecil

dibandingkan nilai buku utang perusahaan (Altman dalam

Kristanti, 2019: 11). Jika insolvensi secara teknis adalah

masalah temporer, maka insolvensi dalam kebangkrutan

 11

merupakan situasi permanen dan jika tidak diatasi dengan

sungguh-sungguh maka akan mengarah pada kondisi

likuidasi bisnis.

5. Bangkrut secara legal

Kondisi ini merupakan situasi bangkrut secara legal yaitu

ketika suatu perusahaan telah diajukan tuntutan secara resmi

sesuai perundang-undangan yang berlaku.

2.1.3. Penyebab Financial Distress

Banyak hal yang bisa menyebabkan financial distress

perusahaan. Manajemen dan produk yang buruk bisa menjadi

penyebab perusahaan mengalami hal itu. Masalah-masalah

keuangan seperti arus kas, praktek akuntansi, anggaran dan

penetapan harga adalah penyebab lain yang bisa membuat

perusahaan mengalami financial distress. Bila dikelompokkan maka

ada dua faktor yang membuat sebuah perusahan mengalami

financial distress (Kristanti, 2019:13) yaitu :

1) Faktor Internal

Masalah yang terjadi di dalam internal perusahaan bisa memicu

financial distress atau kesulitan keuangan perusahaan.

a. Sumber Daya Manusia. Kualitas dan kuantitas sumber daya

manusia yang buruk

b. Produk. Produk yang buruk dan tidak sesuai dengan harapan

konsumen. Penetapan Harga. Anggaran dan penetapan harga

yang tidak realistis.

 12

c. Teknologi. Ketidakmampuan perusahaan mengikuti

perkembangan teknologi dan lingkungan

d. Pemasaran. Kegiatan pemasaran yang tidak sesuai sehingga

menurunkan penjualan perusahaan.

e. Distribusi. Saluran distribusi yang buruk sehingga membuat

penjualan tidak sesuai dengan harapan atau produk

mengalami kerusakan sehingga menimbulkan kerugian

perusahaan.

2) Ekternal Perusahaan

a. Sosial Budaya. Ketidakmampuan perusahaan untuk

menyesuaikan dengan lingkungan sosial budaya dimana

perushaan beroperasi dapat memperbesar alasan perusahaan

untuk gagal.

b. Kondisi Ekonomi Makro. Misalnya pertumbuhan ekonomi,

inflasi, kebijakan baru dari regulator, baik fiskal maupun

moneter, dan faktor makro lainnya yang bisa memicu

financial distress atau kesulitan keuangan perusahaan.

c. Teknologi. Kehadiran teknologi baru sering menyulitkan

beberapa perusahaan untuk segera mengadopsinya sehingga

membuat mereka menjadi kurang kompetitif di pasar.

d. Legal. Hukum yang mengatur mengenai kuota, ekspor,

impor, perdagangan adalah subjek atas dikenainya penalti

jika tidak diikuti. Dan itu semua bisa menimbulkan masalah

keuangan bagi perusahaan.

 13

e. Bencana Alam. Kejadian yang terkait dengan bencana alam

merupakan faktor yang tidak bisa secara penuh dikendalikan

namun bisa menyebabkan kegagalan bisnis.

2.1.4. Solusi Untuk Financial Distress

Restrukturisasi adalah satu cara untuk menyelesaikan masalah

financial distress atau kesulitan keuangan perusahaan. Dengan

restrukturisasi maka perusahaan memiliki peluang untuk bertahan

dan kembali pada kondisi sehat secara finansial. Kesuksesan dalam

melakukan restrukturisasi akan menghentikan turunnya nilai

perusahaan. Yang harus dilakukan adalah dengan mengurangi

pembayaran utang dan atau mengganti utang yang bermasalah

dengan sejumlah sekuritas perusahaan. Cara untuk melakukan

pengurangan utang adalah dengan melakukan renegoisasi tentang

syarat-syarat pembayaran utang dengan para kreditur, menambah

modal, atau melakukan merger dengan perusahaan lain.

2.1.5. Cara Memprediksi Financial Distress

Ada banyak model yang telah dikembangkan untuk

memprediksi financial distress sebagai usaha menghindari

kebangkrutan. Salah satu model yang dimaksud adalah model

analisis diskriminan Altman. Model analisis diskriminan Altman ini

sering dikenal dengan istilah Z-Score (Kristanti, 2016).

Model Altman Z-Score revisi 1983 merupakan model yang

dikembangkan oleh Altman ini mengalami suatu revisi. Revisi yang

dilakukan oleh Altman merupakan penyesuaian agar model prediksi

 14

kebangkrutan ini tidak hanya untuk perusahaan manufaktur yang go

public melainkan juga dapat diaplikasikan untuk perusahaan-

perusahaan di sektor privat. Model yang lama mengalami perubahan

pada salah satu variabel yang digunakan. Altman mengubah

pembilang market value of equity pada x4 menjadi book value of

equity karena perusahaan privat tidak memiliki harga pasar untuk

ekuitasnya. Berikut formula yang dihasilkan (Hery, 2017: 38) :

Z = 0,717 x1 + 0,847 x2 + 3,107 x 3 + 0,420 x4 + 0,998 x5

Keterangan :

Z = Overall index

x1 = (Aset Lancar – Liabilitas Lancar) / total aset

x2 = Laba ditahan / total aset

x3 = Laba sebelum bunga dan pajak / total aset

x4 = Nilai pasar ekuitas / nilai buku total liabilitas

x5 = Penjualan / total aset

Klasifikasi perusahaan yang sehat dan bangkrut didasarkan pada

nilai Z-Score model Altman 1983 yaitu :

a. Jika nilai Z < 1,23 maka termasuk perusahaan yang mengalami

financial distress
 15

b. Jika nilai 1,23 < Z < 2,9 maka termasuk grey area (tidak dapat

ditentukan apakah perusahaan tergolong sehat atau mengalami

financial distress)

c. Jika nilai Z > 2,9 maka termasuk perusahaan yang tidak

mengalami financial distress atau dalam keadaan sehat (safe)

2.1.6. Rasio Keuangan

Salah satu metode yang bisa digunakan untuk menganalisa

laporan keuangan adalah analisis rasio. Analisis rasio merupakan

cara analisa dengan menggunakan perhitungan perbandingan dari

data kuantitatif yang terdapat dalam neraca maupun laba rugi

(Hartono, 2018: 8). Rasio keuangan digunakan untuk mengevaluasi

kondisi keuangan dan kinerja perusahaan, sehingga dari hasil rasio

keuangan ini akan terlihat kondisi kesehatan perusahaan tersebut.

Memperoleh gambaran tentang perkembangan keuangan suatu

perusahaan perlu diadakan interpretasi atau analisa terhadap data

keuangan dari suatu perusahaan, dan data keuangan tersebut

tercermin dalam laporan keuangan. Dalam mengadakan interpretasi

dan analisa laporan keuangan suatu perusahaan, maka diperlukan

adanya ukuran tertentu. Ukuran yang sering digunakan dalam

analisa keuangan adalah rasio keuangan.

2.1.7. Profitabilitas

Profitabilitas adalah kemampuan perusahaan untuk

menghasilkan laba pada periode tertentu. Laba sering kali menjadi

salah satu ukuran kinerja perusahaan. Perusahaan memiliki laba

 16

yang tinggi berarti kinerjanya baik dan sebaliknya. Rasio

profitabilitas merupakan rasio yang digunakan untuk mengukur

kemampuan perusahaan dalam menghasilkan laba dari aktivitas

normal bisnisnya (Hery, 2016: 192). Beberapa rasio yang sering

digunakan untuk memprediksi financial distress di antaranya adalah

rasio laba bersih (ROA), rasio laba bersih dibandingkan dengan

modal sendiri (ROE), atau laba usaha perusahaan (Earning Before

Interest and Tax, EBIT).

Rasio Profitabilitas yang digunakan dalam penelitian ini :

ROA = Laba Bersih x 100%

Total Aktiva

2.1.8. Pengaruh Profitabilitas Terhadap Financial Distress

Profitabilitas yang positif mengindikasikan bahwa perusahaan

telah berhasil dalam memasarkan produknya, sehingga akan

meningkatkan penjualan dan akhirnya juga akan meningkatkan laba

yang diperoleh perusahaan tersebut. Dengan laba yang tinggi tersebut

maka dapat menarik minat investor untuk berinvestasi di perusahaan

tersebut, sehingga kemungkinan perusahaan akan mengalami financial

distress adalah semakin keci l (Farah, 2018).

H1: Profitabilitas berpengaruh signifikan terhadap financial distress

pada perusahaan sub sektor property and real estate

2.1.9. Aktivitas

Rasio aktivitas merupakan rasio yang digunakan untuk

mengukur efektivitas perusahaan dalam menggunakan aset yang

 17

dimilikinya, termasuk untuk mengukur tingkat efisiensi perusahaan

dalam memanfaatkan sumber daya yang ada (Hery, 2016: 178).

Rasio ini dinyatakan sebagai perbandingan penjualan dengan

berbagai elemen aset. Elemen aset sebagai pengguna dana

seharusnya bisa dikendalikan agar bisa dimanfaatkan secara optimal.

Dengan kata lain, rasio aktivitas atau rasio efisiensi ini mengukur

kemampuan bisnis untuk mengubah berbagai jenis aset atau aktiva

yang non-tunai menjadi uang tunai. Perusahaan yang dapat semakin

cepat mengubah asetnya menjadi uang tunai atau penjualan, semakin

efisien kinerjanya. Rasio yang sering digunakan adalah perputaran

aktiva, perputaran modal, dan perputaran persediaan.

Rasio aktivitas yang digunakan dalam penelitian ini :

TATO = Penjualan Bersih x 100%

Total Aktiva

2.1.10. Pengaruh Aktivitas Terhadap Financial Distress

Rasio aktivitas digunakan untuk mengukur efektivitas

perusahaan dalam menggunakan aktiva. Semakin tinggi rasio

aktivitas, menunjukkan perusahaan mampu menggunakan aktiva

dengan baik untuk meningkatkan pendapatan, sehingga tidak

mengalami kesulitan untuk memenuhi kewajiban-kewajibannya.

(Kasmir dalam Hanafi dan Supriyadi, 2018) menyatakan bahwa

kondisi financial distress perusahaan dipengaruhi oleh rasio

aktivitas.
 18

H2: Aktivitas berpengaruh signifikan terhadap financial distress

pada perusahaan sub sektor property and real estate

2.1.11. Sales Growth

Sales Growth (Pertumbuhan Penjualan) merupakan kemampuan

perusahaan mempertahankan posisi ekonominya di tengah

pertumbuhan perekonomian dan sektor usahanya (Kasmir dalam

Utami, 2018). Sales growth mencerminkan penerapan keberhasilan

investasi perusahaan pada periode yang lalu dan dapat dijadikan

sebagai prediksi untuk pertumbuhan perusahaan di masa depan

menjelaskan bahwa rasio sales growth digunakan untuk mengukur

tingkat pertumbuhan penjualan pada suatu periode. Dikatakan

berhasil dalam menjalankan strategi pemasaran apabila

pertumbuhan penjualan perusahaan mengalami peningkatan.

Rasio sales growth yang digunakan dalam penelitian ini :

Sales Growth = Penjualan t – Pejualan (t-1)

Penjualan (t-1)

2.1.12. Pengaruh Sales Growth Terhadap Financial Distress

Sales Growth (Pertumbuhan penjualan) menunjukkan

kemampuan perusahaan dalam meningkatkan penjualan dari waktu

ke waktu. Tingkat pertumbuhan penjualan yang tinggi menunjukkan

perusahaan berhasil menjalankan strateginya dalam pemasaran,

yang menyebabkan laba perusahaan semakin meningkat, hal ini

akan mengurangi resiko perusahaan mengalami financial distress.

 19

(Widarjo dan Setiawan dalam Hanafi 2018) menunjukkan adanya

pengaruh antara pertumbuhan penjualan terhadap financial distress.

H3: Sales growth berpengaruh signifikan terhadap financial distress

pada perusahaan sub sektor property and real estate

2.1.13. Perusahaan Sub Sektok Property And Real Eastate Terdaftar di

Bursa Efek Indonesia

Bursa Efek Indonesia (BEI) atau Indonesia Stock Exchange

(IDX) adalah pihak yang menyelenggarakan dan menyediakan

sistem juga sarana untuk mempertemukan penawaran jual dan

beli efek pihak-pihak lain dengan tujuan memperdagangkan efek

di antara mereka.

Bursa Efek Indonesia merupakan bursa hasil penggabungan

dari Bursa Efek Jakarta (BEJ) dengan Bursa Efek Surabaya

(BES). Demi efektivitas operasional dan transaksi, pemerintah

memutuskan untuk menggabung Bursa Efek Jakarta sebagai

pasar saham dengan Bursa Efek Surabaya sebagai pasar obligasi

dan derivatif menjadi BEI.

Sektor property and real estate merupakan salah satu sektor

terpenting di suatu negara. Hal ini dapat dijadikan indikator

untuk menganalisis kesehatan ekonomi suatu negara.

Perusahaan sub sektor property and real estate pada umumnya

merupakan dua hal yang berbeda. Definisi property and real

estate menurut SK Menteri Perumahan Rakyat

No.05/KPTS/BKP4N/1995, Ps 1.a:4 property adalah tanah hak

 20

dan atau bangunan permanen yang menjadi objek pemilik dan

pembangunan. Dengan kata lain, property adalah industri real

estate ditambah dengan hukum-hukum seperti sewa dan

kepemilikan. Sedangkan real estate merupakan tanah dan semua

peningkatan permanen di atasanya termasuk bangunan-

bangunan, seperti gedung, pembangunan jalan, tanah terbuka,

dan segala bentuk pembangunan lainnya yang melekat secara

permanen.

Perusahaan property dan real estate yang terdaftar di Bursa

Efek Indonesia ada 65 perusahaan, yaitu sebagai berikut :

Tabel 2.1.

Perusahaan Property and Real Estate yang Terdaftar di Bursa Efek

Indonesia Periode 2016-2018
No. Nama Perusahaan Kode
1. Armidian Karyatama Tbk ARMY
2. Agung Podomoro Land Tbk APLN
3. Alam Sutera Realty Tbk ASRI
4. Bekasi Asri Pemula Tbk BAPA
5. Bhakti Agung Propertindo Tbk BAPI
6. Bumi Citra Permai Tbk BCIP
7. Bekasi Fajar Industrial Estate Tbk BEST
8. Binakarya Jaya Abadi Tbk BIKA
9. Bhuwanatala Indah Permai Tbk BIPP
10. Bukit Darmo Property Tbk BKDP
11. Sentul City Tbk BKSL
12. Bumi Serpong Damai Tbk BSDE
13. Natura City Development Tbk CITY
14. Cowel Development Tbk COWL
15. Capri Nusa Satu Property Tbk CPRI
16. Ciputra Development Tbk CTRA
17. Duta Anggada Realty Tbk DART
18. Intiland Development Tbk DILD
 21

19. Puradelta Lestari Tbk DMAS

20. Duta Pertiwi Tbk DUTI
21. Bakrieland Development Tbk ELTY
22. Megapolitan Developments Tbk EMDE
23. Fortune Mate Indonesia Tbk FMII
24. Forza Land Indonesia Tbk FORZ
25. Gading Development Tbk GAMA
26. Gowa Makasar Tourism Dev Tbk GMTD
27. Perdana Gapuraprima Tbk GPRA
28. Greenwood Sejahtera Tbk GWSA
29. Royalindi Investa Wijaya Tbk INDO
30. Jaya Real Property Tbk JRPT
31. Kawasan Industri Jababeka Tbk KIJA
32. DMS Propertindo Tbk KOTA
33. Trimitra Propertindo Tbk LAND
34. Eureka Prima Jakarta Tbk LCGP
35. Lippo Cikarang Tbk LPCK
36. Lippo Karawaci Tbk LPKR
37. Modernland Relaty Ltd Tbk MDLN
38. Metropolitan Kentjana Tbk MKPI
39. Mega Manunggal Property Tbk MMLP
40. Propertindo Mulia Investama Tbk MPRO
41. Metropolitan Land Tbk MTLA
42. Hanson International Tbk MYRX
43. City Retail Development Tbk NIRO
44. Nusantara Almazia Tbk NZIA
45. Indonesia Prima Property Tbk OMRE
46. Bima Sakti Pertiwi Tbk PAMG
47. Plaza Indonesia Realty Tbk PLIN
48. Pollux Investasi International Tbk POLI
49. Pollux Properti Indonesia Tbk POLL
50. Bliss Properti Indonesia Tbk POSA
51. PP Properti Tbk PPRO
52. Pudjiati Prestige Tbk PUDP
53. Pakuwon Jati Tbk PWON
54. Repower Asia Indonesia Tbk REAL
55. Jaya Sukses Makmur Sentosa Tbk RISE
56. Ristia Bintang Mhkotasejati Tbk RBMS
57. Roda Vivatex Tbk RDTX
58. Pikko Land Development Tbk RODA
 22

59. Kota Satu Properti Tbk SATU

60. Danayasa Arthatama Tbk SCBD
61. Suryamas Dutamakmur Tbk SMDM
62. Summarecon Agung Tbk SMRA
63. Sitara Propertindo Tbk TARA
64. Perintis Triniti Properti Tbk TRIN
65. Urban Jakarta Propertindo Tbk URBN
www.sahamok.com
 23

2.2. Penelitian Terdahulu

Penelitian-penelitian terdahulu yang digunakan sebagai bahan perbandingan dan referensi dalam penelitian ini antara lain :

Tabel 2.2.

Matrik Penelitian Terdahulu

Variabel
Judul dan dan
No Penelitian
Sumber Tujuan Teknik Hasil Penelitian Persamaan Perbedaan
. (Tahun)
Pustaka Analisis
Data
Penelitian ini Variabel Variabel dependen
Berdasarkan hasil
bertujuan untuk Dependen penelitian yang telah yaitu profitabilitas,
: Variabel dependen aktivitas, dan sales
menganalisa dilakukan, dapat
leverage, yaitu aktivitas dan growth. Sedangkan
Prediksi efek dari disimpulkan bahwa
likuiditas, pertumbuhan penelitian yang
Financial pengaruh variabel leverage,
Imam aktivitas, penjualan.Variabel dilakukan oleh Hanafi
likuiditas, aktivitas
Hanafi dan Distress internal seperti pertumbuh independen yang menggunakan
Perusahaan leverage, dan sales growth
Stefanus an leverage, likuiditas,
1. manufaktur berpengaruh sama dengan tujuan
Gatot likuiditas, penjualan, aktivitas,
terhadap financial mendiskripsikan
Supriyadi Yang aktivitas, ukuran pertumbuhan
Terdaftar Di distress. Sedangkan kondisi financial
(2018) pertumbuhan perusahaa penjualan, ukuran
variabel ukuran distress di suatu
Bursa Efek n, dan perusahaan, dan
penjualan, perusahaan tidak
Indonesia pengaruh perusahaan. pengaruh ekonomi
ukuran berpengaruh
ekonomi eksternal. Periode
perusahaan, dan eksternal terhadap financial
yang digunakan dalam
pengaruh distress.
penelitian ini adalah
 24

ekonomi Variabel tahun 2016-2018

eksternal Independ sedangkan penelitian
misalnya tarif en : yang dilakukan oleh
Financial Imam Hanafi dan
bunga dan tarif
Distress Stefanus Gatot
inflasi terhadap Supriyadi (2018)
kemungkinan Teknik adalah tahun 2012-
terjadinya Analisis 2015.
kesulitan Data :
keuangan Analisis
(financial Regresi
Logistik
distres).
Pengaruh Variabel Hasil yang diperoleh
Likuiditas, Dependen dalam penelitian ini Periode yang
Solvabilitas : Current bahwa : digunakan dalam
Intan Meri Bertujuan untuk
a. Likuiditas dan
Dan mengetahui Ratio Variabel dependen penelitian ini adalah
Fardania, Profitabilitas tidak
Profitabilitas pengaruh (CR), yaitu profitabilitas tahun 2016-2018
Emmy berpengaruh
Terhadap Likuiditas, Debt to yang diukur dengan sedangkan penelitian
Ermawati, secara siginifikan
2. Financial Solvabilitas dan Equity Return On Asset yang dilakukan oleh
dan terhadap
Distress Profitabilitas Ratio (ROA). Dan variabel Intan Meri Fardania,
Wimbo Financial
(Studi terhadap (DER), independen yaitu Emmy Ermawati, dan
Wiyono Distress,
Empiris Pada Financial Return On financial distress. Wimbo Wiyono
(2019) b. sedangkan
Perusahaan Distress. Assets (2019) adalah tahun
Solvabilitas
Manufaktur (ROA) terdapat pengaruh 2015-2017.
Sub Sektor secara signifikan
 25

Makanan Variabel terhadap

Dan Independ Financial
Minuman en : Distress.
Yang Financial
Terdaftar Di Distress
Bursa Efek
Indonesia Teknik
Periode Analisis
2015– 2017) Data :
Analisis
Regresi
Linear
Berganda
Pengaruh Bertujuan untuk Variabel Berdasarkan hasil
Periode yang
Rasio mengetahui Dependen penelitian :
digunakan dalam
Nala Likuiditas, adanya : Current a. Rasio likuiditas, Variabel dependen
penelitian ini adalah
Septedi Leverage, pengaruh secara Ratio leverage, dan yaitu sales growth
tahun 2016-2018
Perdana Dan Sales simultan dan (CR), sales growth yang diukur dengan
sedangkan penelitian
3. dan Vaya Growth parsial antara Debt To mempengaruhi sales growth. Dan
yang dilakukan oleh
Juliana Terhadap rasio likuiditas, Asset financial distress variavel independen
Nala Septedi Perdana
Dillak Financial leverage, dan (DAR), b. Secara parsial, yaitu financial
dan Vaya Juliana
(2019) Distress sales growth Sales variabel leverage distress.
Dillak (2019) adalah
(Studi Kasus terhadap Growth yang diproksikan
tahun 2013-2016.
pada financial dengan debt to
 26

Perusahaan distress pada Variabel asset (DAR)

Otomotif dan perusahaan Independ berpengaruh
Komponen otomotif dan en : positif terhadap
yang komponen yang Financial financial distress.
Terdaftar di terdaftar pada Distress Sedangkan
Bursa Efek Bursa efek variabel likuiditas
Indonesia Indonesia pada Teknik yang diproksikan
Periode periode 2013- Analisis dengan current
2013-2016) 2016. Data : ratio (CR) dan
Analisis sales growth
Regresi tidak
Logistik berpengaruh
terhadap
financial distress.
Bertujuan untuk Hasil penelitian Periode yang
Pengaruh Variabel
mengetahui menunjukkan digunakan dalam
Likuiditas, Dependen Variabel dependen
pengaruh bahwa: penelitian ini adalah
Profitabilitas, : yaitu profitabilitas
likuiditas, a. variabel laba tahun 2016-2018
Intan Leverage Current yang diukur dengan
profitabilitas, berpengaruh sedangkan penelitian
4. Saputri Dan Arus Ratio Return On Asset
leverage dan negatif terhadap yang dilakukan oleh
Ayuningti Kas Terhadap (CR), (ROA). Dan variavel
arus kas kondisi financial Intan Saputri
yas (2019) Kondisi Return On independen yaitu
terhadap kondisi distress Ayuningtiyas (2019)
Financial Asset financial distress.
financial b. Sedangkan adalah tahun 2014-
Distress (ROA),
distress pada variabel likuiditas 2017.
 27

(pada perusahaan Debt To leverage dan arus

perusahaan sektor food and Asset kas tidak
sektor food beverage yang Ratio berpengaruh
and beverage terdaftar di (DAR) terhadap kondisi
yang terdaftar Bursa Efek financial distress.
di Bursa Efek Indonesia Variabel
Indonesia selama periode Independ
selama tahun 2014- en :
periode tahun 2017. Financial
2014-2017) Distress

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

2.3. Kerangka Konseptual

Kerangka konseptual berisi variabel yang diteliti, dapat berisi pengaruh atau

hubungan antara variabel satu dengan variabel lainnya. Peran kerangka konseptual

adalah memudahkan pemahaman rumusan masalah, hipotesis dan metode

penelitian yang dikerjakan (Sarmanu, 2017:36).

Gambar 2.2.
Kerangka Konseptual

Profitabilitas
(x1) H1

Aktivitas Financial Distress

(x2) H2 (y)

Sales Growth
(x3) H3

H4

Keterangan :

= Pengaruh secara parsial

= Pengaruh secara simultan

Berdasarkan gambar kerangkan pemikiran di atas, dapat dijelaskna bahwa

Profitabilitas (x1) berpengaruh terhadap Financial Distress (y), Aktivitas (x2)

berpengaruh terhadap Financial Distress (y), Sales Growth (x3) berpengaruh

 30

terhadap Financial Distress (y). Dan secara simultan variabel independen (x) yaitu

profitabilitas, aktivitas, dan sales growth berpengaruh terhadap variabel dependen

(y) yaitu financial distress. Dalam hal ini, financial distress dihitung dengan

menggunakan model diskriminan yang dikemukakan oleh Altman (Z-Score)

2.4. Hipotesis Penelitian

Hipotesis adalah jawaban sementara atas satu masalah penelitian yang mana harus

dibuktikan kebenarannya secara empiris. secara teknik hipotesis didefinisikan

sebagai pernyataan tentang keadaan populasi yang kebenarannya akan diuji

berdasarkan data yang diperoleh dari sampel penelitian.

Berdasarkan keterangan dan perumusan masalah yang telah ditemukan maka

hipotesis penelitian ini menurut peneliti adalah :

1) H1: Profitabilitas berpengaruh signifikan terhadap financial distress

2) H2: Aktivitas berpengaruh signifikan terhadap financial distress

3) H3: Sales growth berpengaruh signifikan terhadap financial distress

4) H4: Profitabilitas, aktivitas, dan sales growth secara bersama (simultan)

berpengaruh signifikan terhadap financial distress

 41

BAB III

METODE PENELITIAN

3.1. Jenis dan Pendekatan Penelitian

Penelitian kuantitatif menganalisis data numerik sedangkan

penelitian kualitatif lebih menggambarkan peristiwa, orang, dan sebagainya

secara ilmiah tanpa menggunakan data numerik (Duli, 2019: 13).

Atas dasar latar belakang dan rumusan masalah yang ada maka jenis

penelitian yang digunakan dalam penelitian ini adalah penelitian statistik

deskriptif. Statistik deskriptif adalah statistik yang menggambarkan

fenomena atau data sebagaimana dalam bentuk tabel, grafik, frekuensi, rata-

rata maupun bentuk lainnya. Dalam statistik deskriptif dilakukan analisis

dalam bentuk tabel, kolom, grafik, perhitungan frekuensi, ukuran tendensi

pusat (mean, median, modus), ukuran disperse (kisaran, varian, standar

deviasi), dan lain sebagainya (Suryani dan Hendyadi, 2016: 209).

Data statistik dalam penelitian ini meliputi laporan keuangan

perusahaan dalam bentuk neraca dan laba rugi perusahaan sub sektor

property and real estate yang terdaftar di Bursa Efek Indonesia (BEI).

Sedangkan data deskriptif yang digunakan dalam penelitian ini meliputi

daftar perusahaan sub sektor property and real estate yang terdaftar di Bursa

Efek Indonesia (BEI).

Sedangkan pendekatan yang digunakan oleh penelitian ini adalah

pendekatan kuantitatif. Metode penelitian kuantitatif adalah suatu

pendekatan penelitian yang bersifat objektif mencakup pengumpulan dan

 42

analisis data kuantitatif serta menggunakan metode pengujian statistik

(Hermawan dan Yusran: 2017: 5)

3.2. Variabel dan Definisi Operasional Variabel

3.2.1. Variabel Penelitian

Variabel penelitian adalah gejala variabel yang bervariasi yaitu

faktor-faktor yang dapat berubah-ubah ataupun dapat diubah untuk

tujuan penelitian (Bungin, 2017: 103).

Variabel yang digunakan dalam penelitian ini terbagi menjadi

dua, yaitu variabel terikat (dependen) dan variabel bebas

(independen). Menggunakan variabel bebas dan terikat karena

financial distress sangat berpengaruh terhadap profitabilitas,

aktivitas, dan sales growth dalam menjalankan kegiatan usahanya.

Variabel terikat (y) dalam penelitian ini yaitu financial distress,

sedangkan variabel bebas (x) dalam penelitian ini yaitu

profitabilitas, aktivitas, dan sales growth.

3.2.2. Definisi Operasional Variabel

Definisi operasional variabel dalam penelitian ini adalah sebagai

berikut:

a) Financial distress (y)

Variabel dependen atau terikat merupakan variabel dummy

dengan dua kondisi. Dimana kategori 0 merupakan kelompok

perusahaan sehat atau perusahaan non financial distress dan

kategori 1 merupakan kelompok perusahaan yang mengalami

financial distress atau kesulitan keuangan. Pada perusahaan

 43

yang sedang mengalami financial distress dapat diprediksi

dengan menggunakan metode Altman Z-Score.

b) Profitabilitas (x1)

Dalam penelitian ini rasio profitabilitas yang digunakan

adalah Return On Asset (ROA). ROA adalah rasio yang

digunakan untuk mengukur keuntungan bersih yang diperoleh

dari penggunaan aktiva. Dengan mengetahui ROA, kita dapat

menilai apakah perusahaan telah efisien dalam menggunakan

aktivanya dalam kegiatan operasi untuk menghasilkan laba.

c) Aktivitas (x2)

Dalam penelitian ini rasio aktivitas yang digunakan adalah

Total Asset Turnover (TATO). TATO merupakan rasio untuk

mengukur perputaran semua aktiva yang dimiliki perusahaan

untuk menghasilkan pendapatan. Dengan mengetahui TATO,

kita dapat menilai sejauh mana aktiva yang dimiliki untuk

menghasilkan penjualan dan meningkatkan laba perusahaan.

d) Sales growth (x3)

Sales growth menunjukkan kemampuan perusahaan dalam

meningkatkan penjualan dari waktu ke waktu. Tingkat

pertumbuhan penjualan yang tinggi menunjukkan perusahaan

berhasil menjalankan strateginya dalam pemasaran, yang

menyebabkan laba perusahaan semakin meningkat, hal ini akan

mengurangi resiko perusahaan mengalami financial distress

(Widarjo dan Setiawan, dalam Hanafi 2018). Dalam penelitian

 44

ini rasio sales growth yang digunakan adalah sales growth

(pertumbuhan penjualan).

3.2.3. Indikator Variabel Penelitian

Tabel 3.1.

Indikator dan Skala Variabel Penelitian

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)

3.3. Lokasi Penelitian

Lokasi pada penelitian ini dilakukan pada perusahaan sub sektor

property and real eastate yang terdaftar di Bursa Efek Indonesia (BEI)

periode 2016-2018 melalui website resmi www.idx.co.id, situs tersebut

berisi laporan keuangan maupun annual report yang dibutuhkan dalam

penelitian ini. Terdapat 65 perusahaan sub sektor property and real eastate

yang terdaftar di Bursa Efek Indonesia.

 45

3.4. Populasi, Sampel, dan Teknik Pengambilan Sampel

Populasi dalam penelitian ini adalah 65 perusahaan sub sektor

property and real eastate yang terdaftar di Bursa Efek Indonesia periode

tahun 2016 – 2018.

Teknik pengambilan sampel yang digunakan adalah non probability

sampling dengan jenis purposive sampling. Purposive sampling adalah

salah satu teknik penentuan sampel dengan pertimbangan atau kriteria

tertentu. Berikut kriteria sampel pada penelitian ini :

1) Perusahaan property and real estate yang terdaftar di Bursa Efek

Indonesia pada periode 2016-2018.

2) Perusahaan property and real estate yang tidak mempublikasikan

laporan keuangan secara teratur pada periode 2016-2018.

3) Perusahaan property and real estate yang menggunakan rupiah sebagai

mata uang pelapor.

4) Perusahaan property and real estate yang menghasilkan rugi sebelum

pajak selama setahun

5) Perusahaan property and real estate yang menyampaikan data secara

lengkap selama periode 2016-2018 berkaitan dengan variabel.

Berdasarkan kriteria-kriteria sampel diatas, maka jumlah sampel

yang ditentukan sebagai berikut:

 46

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

yang terdaftar di Bursa Efek Indonesia periode 2016-2018 :

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

3.5. Metode Pengumpulan Data dan Instrumen Penelitian

3.5.1. Metode Pengumpulan data

Jenis data yang digunakan dalam penelitian ini adalah data

sekunder yang diperoleh dengan menggunakan metode

dokumentasi. Metode dokumentasi yaitu data yang diperoleh dari

dokumentasi sehubungan dengan objek penelitian, yang berupa

annual report perusahaan sub sektor propery and real estate yang

terdaftar di Bursa Efek Indonesia pada periode tahun 2016-2018

yang diperoleh dari berbagai sumber informasi antara lain

www.idx.co.id.

3.5.2. Instrumen Penelitian

Instrumen penelitian adalah alat yang digunakan oleh

peneliti untuk mengumpulkan data-data penelitian sesuai dengan

teknik pengumpulan data yang telah dipilih. Dengan kata lain,

instrumen penelitian dapat disebut dengan alat ukur (Kristanto,

2018: 66)

Instrumen penelitian yang digunakan dalam penelitian ini

dikumpulkan dengan metode dokumentasi yaitu dengan

menggunakan referensi dari Indonesian Capital Market Directory

terhadap laporan keuangan perusahaan property and real estate

yang terdaftar di Bursa Efek Indonesia selama periode 2016-2018.

3.6. Teknik Analisis Data

Analisis data merupakan hal penting dalam sebuah penelitian,

analisis data akan menentukan hasil sebuah penelitian. Metode analisis data
 48

menjelaskan tentang pemrosesan data dan berbagai metode analisis data.

Teknik analisis data yang digunakan dalam penelitian ini adalah uji statistik

deskriptif dan analisis regresi logistik.

3.6.1. Statistik Deskriptif

Dalam statistik deskriptif memberikan gambaran atau

deskripsi suatu data dalam bentuk tabel, kolom, grafik, perhitungan

frekuensi, ukuran tendensi pusat (mean, median, modus), ukuran

disperse (kisaran, varian, standar deviasi), dan lain sebagainya

(Suryani dan Hendyadi, 2016: 209).

3.6.2. Analisis Regresi Logistik

Teknik analisis regresi yang digunakan dalam penelitian ini

adalah analisis regresi logistik biner (binary logistic regression)

yang variabel dependennya berupa variabel kategorik

(dikotomi/biner). Analisis regresi logistik dilakukan untuk

mengetahui besarnya pengaruh hubungan varibael independen

terhadap variabel dependen. Model Binary Logistic Regression

dalam penelitian ini dapat dinyatakan sebagai berikut :

FDI = α + β1R + β2T + β3SG

Keterangan :

FDI = Profitabilitas perusahaan yang mengalami financial distress

α = Konstanta

β1 β2 β3 β4 = Koefisien regresi

R = Rasio profitabilitas yang diukur menggunakan return on asset

T = Rasio aktivitas yang diukur menggunakan total asset turnover

 49

SG = Rasio pertumbuhan yang diukur menggunakan sales growth

Pengujian regresi logistik terdiri dari beberapa pengujian.

Berikut ini adalah pengujian-pengujian regresi logistik yang akan

diuji dalam penelitian ini :

a) Uji kelayakan model regresi

Uji ini dilakukan untuk menguji model dari regresi secara

keseluruhan. Hosmer and Lemeshow’s Goodness of Fit Test

menguji hipotesis nol bahwa data empiris cocok atau sudah

sesuai dengan model (tidak ada perbedaan antara model dengan

data sehingga model dapat dikatakan fit).

Jika nilai Hosmer and Lemeshow’s Goodness of Fit Test ≤

0,05 , maka hipotesis nol ditolak yang berarti ada perbedaan

signifikan antara model dengan nilai observasinya , namun jika

nilai Hosmer and Lemeshow’s Goodness of Fit Test ≥ 0,05, maka

hipotesis nol tidak dapat ditolak yang berarti model mampu

memprediksi nilai observasinya atau dapat dikatakan model

dapat diterima karena cocok dengan data observasinya (Ghozali,

dalam Ayuningtyas 2019).

b) Uji penilaian keseluruhan model

Pengujian ini digunakan untuk menilai model keseluruhan

yang sudah dihipotesiskan apakah fit atau tidak dengan data

yang sudah ada. Untuk menilai keseluruhan model ditunjukkan

dengan -2Log Likelihood value yaitu dengan cara

membandingkan nilai antara -2Log Likelihood pada awal (Block

 50

Number = 0) dengan nilai -2Log Likelihood pada akhir (Block

Number = 1). Apabila nilai 2Log Likelihood pada awal (Block

Number = 0) lebih besar dari pada nilai -2Log Likelihood pada

akhir (Block Number = 1). Maka keseluruhan model

menunjukkan model regresi yang baik. Penurunan Log

Likelihood menunjukkan model semakin baik (Ghozali dalam

Ayuningtyas 2019).

c) Koefisien determinasi

Pengujian koefisien determinasi ini dilakukan

dengan cara menggunakan nilai Cox & Snell R Square dan

Nagelkerke’s R Square. Nagelkerke’s R Square

merupakan suatu pengujian untuk menguji seberapa besar

pengaruh variabel independen dengan variabel dependen.

Nilai Nagelkerke’s R Square bervariasi dari 0 (nol) sampai

1 (satu). Apabila nilai Nagelkerke’s R Square semakin

mendekati satu (1) maka model dianggap semakin

goodness of fit. Sebaliknya apabila nilai Nagelkerke’s R

Square mendekati nol (0) maka model dianggap tidak

goodness of fit (Ghozali dalam Ayuningtyas 2019).

d) Tabel klasifikasi

Tabel kalsifikasi ini digunakan untuk menghitung nilai

estimasi yang benar (correct) dan salah (incorrect). Pada kolom

terdapat nilai prediksi dari variabel dependen dalam penelitian

ini adalah financial distress (1) dan non financial distress (0).
 51

Sedangkan pada baris menunjukkan nilai observasi

sesungguhnya dari variabel dependen (Ghozali dalam

Ayuningtyas 2019).

3.6.3. Uji Hipotesis

Dalam penelitian ini menggunkan metode analisis regresi

logistik (logistic regression) untuk menguji hipotesis. Regresi

logistik merupakan bagian dari analisis regresi yang digunakan

ketika variabel dependen yang digunakan adalah variabel dikotomi.

Maksud dari variabel dikotomi yaitu variabel yang isinya hanya

terdiri atas dua nilai (Herlina, 2019: 143). Model regresi ini disebut

signifikan secara statistik apabila uji statistiknya berada dalam

daerah kritis (daerah dimana H0 ditolak). Sebaliknya, disebut tidak

signifikan apabila uji statistiknya berada dalam daerah dimana H0

diterima. Model pengujian yang dilakukan yaitu dengan uji F

(simultan /serempak /bersama-sama) dan uji t (parsial /individual).

a) Uji Signifikansi Simultan (Uji Model)

Pengujian ini dilakukan untuk mengetahui apakah semua

variabel independen secara bersama-sama berpengaruh yang

signifikan terhadap variabel dependen. Dalam penelitian ini

pengujian dilakukan dengan menggunakan tingkat signifikan α

= 0,05. Maka kriteria dalam pengujian ini adalah :

- Jika Sig > (α) 0,05, maka H0 diterima dan H₁ ditolak atau

dengan kata lain model regresi tidak layak untuk digunakan

pada analisis selanjutnya.

 52

- Jika Sig < (α) 0,05, maka H0 ditolak dan H₁ diterima atau

dengan kata lain model regresi layak untuk digunakan pada

analisis selanjutnya.

b) Uji Signifikansi Parsial (Uji Wald)

Pengujian ini dilakukan sebagai pengukur seberapa jauh

variabel bebas yang dimasukkan dalam model mempunyai

pengaruh variabel terikat. Uji ini dilakukan dengan mengetahui

tingkat signifikan setiap variabel independen terhadap variabel

dependen dengan cara melihat kolom sig atau signifiance yaitu

dengan level of signifiance α = 0,05 Maka kriteria dalam

pengujian ini adalah :

- jika nilai Sig < 0,05, maka model penelitian dapat dikatakan

layak.
 53

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

4.1. Hasil Penelitian

4.1.1. Objek Penelitian

Dalam penelitian ini objek yang digunakan adalah

perusahaan sub sektor property and real estate yang terdaftar di

Bursa Efek Indonesia periode 2016-2018. Jenis sektor ini dipilih

sebagai sampel karena perusahaan yang bergerak pada sub sektor

property and real estate adalah perusahaan yang sangat peka

terhadap pasang surut perekonomian, maka seiring

perkembangannya sub sektor property and real estate dianggap

menjadi salah satu sektor yang mampu bertahan dari kondisi

ekonomi secara makro di Indonesia. Perkembangannya yang begitu

pesat saat ini dan akan semakin besar di masa yang akan datang.

Dalam penelitian ini menggunakan data sekunder yaitu

berupa laporan keuangan periode Tahun 2016-2018 yang diperoleh

dari Bursa Efek Indonesia. Sampel yang digunakan adalah

perusahaan yang memenuhi kriteria purposive sampling, yaitu

terdiri dari 10 perusahaan. Dalam penelitian ini periode yang

ditetapkan adalah 3 tahun yaitu 2016-2018, sehingga diperoleh data

pengamatan sebanyak 30 laporan keuangan perusahaan.

4.1.2. Deskripsi Responden

Responden dalam penelitian ini diambil dari perhitungan

sampel perusahaan sub sektor property and real estate yang terdaftar
 54

di Bursa Efek Indonesia (BEI) periode 2016-2018. Pada perhitungan

sampel telah ditetapkan sebanyak 10 perusahaan. Adapun data

sampel (responden) perusahaan sub sektor property and real estate

sebagai berikut :

1. Bekasi Asri Pemula Tbk (BAPA)

Bekasi Asri Pemula Tbk (BAPA) didirikan tanggal 20

Oktober 1993 dan mulai melakukan kegiatan komersial sejak

tahun 2004. Berdasarkan anggaran dasar perusahaan, ruang

lingkup kegiatan BAPA adalah dalam bidang real estate,

perdagangan, pembangunan, industri, percetakan, agrobisnis,

pertambangan dan jasa angkutan. Kegiatan usaha yang

dilakukan BAPA sampai dengan saat ini adalah real estate.

BAPA dan anak usaha memiliki dan mengelola proyek

perumahan Bumi Serpong Residence di daerah Pamulang (PT

Puriayu Lestari), Taman Alamanda dan Alamanda Regency

(PT Karya Graha Cemerlang) di daerah Bekasi Timur.

2. Binakarya Jaya Abadi Tbk (BIKA)

Binakarya Jaya Abadi Tbk (BIKA) didirikan tanggal 28

Nopember 2007 dan mulai beroperasi komersial pada tahun

2009. Berdasarkan anggaran dasar perusahaan, ruang lingkup

kegiatan BIKA adalah bergerak dalam bidang usaha jasa,

pembangunan, pengangkutan darat, perbengkelan, percetakan,

perdagangan, perindustrian, pertambangan dan pertanian.

Kegiatan usaha utama BIKA saat ini adalah menjalankan

 55

usaha di bidang pembangunan dan pengembangan proyek

properti, operator komplek properti terpadu, perhotelan serta

pemilik dan operator wahana taman bermain (amusement

park) yang bernama Palm Bay Water Park.

3. Bhuwanatala Indah Permai Tbk (BIPP)

Bhuwanatala Indah Permai Tbk (BIPP) didirikan 21

Desember 1981 dengan nama PT Bandung Indah Plaza.

Berdasarkan anggaran dasar perusahaan, ruang lingkup

kegiatan BIPP terutama meliputi pembangunan dan

pengelolaan properti seperti apartemen, perkantoran,

pertokoan dan perumahan, perdagangan dan pelayanan jasa.

Kegiatan utama BIPP saat ini adalah melakukan investasi

saham pada beberapa perusahaan (Anak Usaha), terutama

yang bergerak di pembangunan dan pengelolaan properti

seperti gedung perkantoran (Graha BIP dan The Victoria,

Jakarta), perhotelan (U Paasha – Bali dan Studio One –

Jakarta), apartemen (Sinabung – jakarta), pusat perbelanjaan

(Star Square – Manado), properti komersial lainnya dan

pengembangan perumahan.

4. Bukit Darmo Property Tbk (BKDP)

Bukit Darmo Property Tbk (BKDP) didirikan 12 Juli 1989

dengan nama PT Adhibaladika dan beroperasi secara

komersial mulai tahun 2003. Berdasarkan anggaran dasar

perusahaan, ruang lingkup kegiatan BKDP adalah bergerak di

 56

bidang pembangunan dan pengembangan perumahan,

apartemen, perkantoran, pertokoan, tempat rekreasi dan

kawasan wisata serta fasilitas-fasilitas yang berkaitan;

perdagangan dan investasi. Kegiatan usaha utama BKDP

adalah penjualan kondominium, gedung perkantoran dan sewa

stand mall. Saat ini proyek real estat BKDP, antara lain: The

Adhiwangsa Golf Residence, Suite Hotel & Serviced

Residence (kondominium dan apartemen) , Hotel Melia

Adhiwangsa (hotel), Lenmarc Mall (mal) dan Nine Boulevard

(gedung perkantoran), semua proyek tersebut berlokasi Bukit

Darmo Boulevard, Surabaya Barat.

5. Cowell Development Tbk (COWL)

Cowell Development Tbk (COWL) didirikan tanggal 25

Maret 1981 dengan nama PT Internusa Artacipta dan memulai

kegiatan operasi komersialnya sejak 1981. Berdasarkan

anggaran dasar perusahaan, ruang lingkup kegiatan COWL

bergerak dalam bidang jasa, pembangunan, dan perdagangan,

terutama jasa pengelolaan gedung, pembangunan dan

pengembangan perumahan, dan perdagangan real estat.

Kegiatan usaha utama COWL adalah pembangunan,

pengembangan, dan penjualan unit Rumah, Ruko dan Kavling

di perumahan Melati Mas Residence, Serpong Park dan

Serpong Terrace, yang berlokasi di Serpong, Tangerang.

 57

6. PT Eureka Prima Jakarta Tbk (LCGP)

Prima Jakarta Tbk (Eureka Land) (sebelumnya Laguna Cipta

Griya Tbk) (LCGP) didirikan tanggal 17 Mei 2004 dan

memulai kegiatan usaha komersialnya pada tahun 2004.

Berdasarkan Anggaran Dasar Perusahaan, ruang lingkup

kegiatan LCGP bergerak dalam bidang real estate atau

pembangunan. Kegiatan utama Eureka Land adalah

pembangunan perumahan Puri Krakatau Hijau dan Puri

Cilegon Hijau yang berlokasi di Cilegon, Banten. Selain itu,

LCGP berencana mengembangkan kawasan bisnis terpadu,

dimana dalam proyek ini Eureka Land akan membangun

apartemen, SOHO, rumah sakit, komersial, convention center,

perkantora dan hotel.

7. PT Hanson International Tbk (MYRX)

Hanson International Tbk (dahulu Hanson Industri Utama

Tbk) (MYRX) didirikan dengan nama PT Mayertex Indonesia

tanggal 07 Juli 1971 dan mulai beroperasi secara komersial

pada tahun 1973. Sebelumnya kegiatan usaha MYRX meliputi

bidang industri kimia dan serat sintesis, pemintalan dan

pertenunan, industri tekstil lainnya, perdagangan ekspor

impor, lokal, leveransir, grosir dan distributor, serta agen.

Berdasarkan anggaran dasar perusahaan, ruang lingkup

kegiatan usaha MYRX adalah bergerak di bidang Industri,

Perdagangan Umum dan Pembangunan.

 58

8. Nirvana Development Tbk (NIRO)

Nirvana Development Tbk (NIRO) didirikan tanggal 18

Desember 2003 dengan nama PT Adipura Artha Pratama dan

memulai kegiatan usaha komersialnya pada tahun 2009.

Berdasarkan anggaran dasar perusahaan, ruang lingkup

kegiatan NIRO bergerak dalam bidang pembangunan,

perdagangan, perindustrian, pertambangan, pengangkutan

darat, pertanian, percetakan, perbengkelan dan jasa. Saat ini,

kegiatan usaha Nirvana Development Tbk adalah bergerak

dalam bidang pembangunan, perdagangan (mengambil bahan

baku batu kapur dari pemasok dan langsung mengirimkannya

ke konsumen) dan properti investasi melalui anak usaha.

9. Indonesia Prima Property Tbk (OMRE)

Indonesia Prima Property Tbk (OMRE) didirikan dengan

nama PT Triyasa Tamihan pada 23 April 1983 dan mulai

beroperasi secara komersial pada bulan April 1983.

Berdasarkan anggaran dasar perusahaan, ruang lingkup

kegiatan OMRE meliputi bidang persewaan perkantoran,

pusat perbelanjaan (ruang pertokoan), apartemen, hotel dan

pembangunan perumahan beserta segala fasilitasnya. Kegiatan

usaha OMRE dijalankan melalui anak usahanya, meliputi

persewaan perkantoran (Wisma Sudirman dan Annex di

Jakarta), Apartemen (Puri Casablanca di Jakarta), Hotel

(Novotel Surabaya dan Grand Tropic di Jakarta), pusat

 59

perbelanjaan (Blok M Mall di Jakarta dan Parahyangan Plaza

di Bandung) dan perumahan (Bukit Tiara Tangerang).

10. Ristia Bintang Mahkotasejati Tbk (RBMS)

Ristia Bintang Mahkotasejati Tbk (RBMS) didirikan 22 Mei

1985 dan mulai beroperasi secara komersial pada bulan

Februari 1994. Berdasarkan anggaran dasar perusahaan, ruang

lingkup kegiatan RBMS adalah bergerak dalam bidang real

estate dan kontraktor. kegiatan utama RBMS adalah sebagai

pengembang (developer) untuk perumahan Bintang

Metropole, Mahkota Simprug, Saung Riung yang masing-

masing berlokasi di Bekasi, Tangerang dan Karawang.

4.1.3. Deskripsi Variabel Penelitian

Data penelitian untuk masing-masing variabel, baik variabel

bebas (independent) maupun variabel terikat (dependent) yang

diperoleh melalui metode, teknik dan pengolahan data yang telah

dijelaskan sebelumnya disajikan melalui tabulasi data penelitian

sebagai berikut :

Tabel 4.1.

Tabulasi Data Penelitian

KODE TAHUN ROA (%) TATO (kali) SG (%) FD (%)
PERUSAHAAN x1 x2 X3 y
2016 -0,67 0,16 -2,27 1
COWL 2017 -1,93 0,15 -7,85 1
2018 -6,01 0,11 -20,4 1
2016 1,01 0,19 40,92 1
BAPA 2017 7,38 0,26 36,49 0
2018 2,87 0,17 -38,73 0
BIKA 2016 -3,25 0,26 62,15 1
 60

2017 -1,87 0,20 -23,57 1

2018 -1,96 0,17 -15,46 1
2016 1,65 0,07 2,01 1
BIPP 2017 -1,77 0,06 -4,48 1
2018 -3,84 0,06 4,69 1
2016 -3,69 0,07 -39,98 1
BKDP 2017 -5,51 0,06 19,74 1
2018 4,82 0,05 21,36 1
2016 -1,7 0,05 5,75 1
RBMS 2017 3,36 0,32 663,8 1
2018 0,6 0,20 33,55 1
2016 0,19 0,01 -48,3 0
LCGP 2017 -0,81 0,00 -72,15 0
2018 -0,43 0,01 41,84 0
2016 0,81 0,09 804,04 0
MYRX 2017 -0,85 0,09 19,61 1
2018 1,28 0,10 36,83 1
2016 -0,83 0,07 -47,8 0
NIRO 2017 0,08 0,08 44,47 1
2018 -0,46 0,06 21,06 1
2016 7,47 0,06 -7,63 0
OMRE 2017 -1,56 0,04 -24,66 0
2018 3,4 0,04 -14,25 0
Sumber : data yang sudah diolah

Berdasarkan tabulasi data tersebut dapat diamati bahwa, X1

atau Return on assets (ROA) yang positif menunjukkan dari total

aktiva yang dipergunakan untuk beroperasi perusahaan mampu

memberikan laba dan sebaliknya apabila Return On Assets (ROA)

yang negatif menunjukkan bahwa dari total aktiva yang

dipergunakan untuk beroperasi perusahaan mendapatkan kerugian.

Sedangkan X2 atau Total Assets Turnover (TATO) dapat

diamati bahwa jika rata-rata perusahaan adalah tiga kali, maka rasio

perusahaan ini kurang baik, artinya perusahaan menggunakan

aktivanya kurang efisien dibandingkan dengan perusahaan lain.

 61

Sedangkan X3 atau sales growth dapat diamati bahwa

mengalami fluktuasi nilai yang menggambarkan kondisi

pertumbuhan penjualan perusahaan dari tahun ke tahun.

Sedangankan Y atau financial distress dapat diamati bahwa

kategori satu (1) merupakan perusahaan financial distress dan

kategori nol (0) merupakan perusahaan non financial distress.

4.1.4. Hasil Analisis Data

4.1.4.1. Statistik Deskriptif

Dalam statistik deskriptif memberikan gambaran

atau deskripsi suatu data dalam bentuk tabel, kolom, grafik,

perhitungan frekuensi, ukuran tendensi pusat (mean,

median, modus), ukuran disperse (kisaran, varian, standar

deviasi), dan lain sebagainya (Suryani dan Hendyadi, 2016:

209). Pengolahan data yang digunakan dalam penelitian ini

adalah prorgram SPSS versi 21 untuk menjelaskan variabel

yang diteliti. Analisis deskriptif yang dilakukan terdiri dari

variabel independen yaitu profitabilitas, aktivitas dan sales

growth dan variabel dependen adalah financial distress.

Statistik deskriptif disajikan pada tabel berikut :

Tabel 4.2.

Hasil Uji Statistik Deskriptif

Descriptive Statistics

N Minimum Maximum Mean Std.

Deviation

Profitabilitas 30 -6.01 7.47 -.0740 3.20934

 62

Aktivitas 30 .00 .32 .1087 .08119

Sales Growth 30 -72.15 804.04 49.6927 189.63945
Valid N (listwise) 30
Sumber : data yang sudah diolah

1. Profitabilitas

Pada tabel 4.2. diatas, variabel profitabilitas nilai

minimum (terkecil) yakni sebesar -6,01 dan nilai

maximum (terbesar) yakni 7,47. Nilai mean (rata-rata)

profitabilitas selama tiga tahun yakni sebesar -0,0740.

Nilai std.deviation (standar deviasi) yaitu sebesar

3,20934. Hasil analisis deskriptif tersebut menunjukkan

nilai standar deviasi yang lebih besar daripada nilai rata-

rata, hal ini berarti rata-rata profitabilitas mempunyai

tingkat penyebaran yang rendah atau mengindikasikan

bahwa hasil yang kurang baik. Sebab standar deviasi

merupakan pencerminan penyimpangan yang sangat

tinggi, sehingga penyebaran data menunjukkan hasil

yang tidak normal dan menyebabkan bias.

2. Aktivitas

Pada tabel 4.2. diatas, variabel aktivitas nilai

minimum (terkecil) yakni sebesar 0,00 dan nilai

maximum (terbesar) yakni 0,32. Nilai mean (rata-rata)

aktivitas selama tiga tahun yakni sebesar 0,1087. Nilai

std.deviation (standar deviasi) yaitu sebesar 0,08119.

Hasil analisis deskriptif tersebut menunjukkan nilai

standar deviasi yang lebih kecil daripada nilai rata-rata,

 63

hal ini berarti rata-rata aktivitas mempunyai tingkat

penyebaran yang tinggi atau mengindikasikan bahwa

hasil yang cukup baik. Sebab standar deviasi

merupakan pencerminan penyimpangan yang sangat

tinggi, sehingga penyebaran data menunjukkan hasil

yang normal dan tidak menyebabkan bias.

3. Sales Growth

Pada tabel 4.2. diatas, variabel sales growth nilai

minimum (terkecil) yakni sebesar -72.15 dan nilai

maximum (terbesar) yakni 804,04. Nilai mean (rata-

rata) sales growth selama tiga tahun yakni sebesar

49,6927. Nilai std.deviation (standar deviasi) yaitu

sebesar 189,63945. Hasil analisis deskriptif tersebut

menunjukkan nilai standar deviasi yang lebih besar

daripada nilai rata-rata, hal ini berarti rata-rata sales

growth mempunyai tingkat penyebaran yang rendah

atau mengindikasikan bahwa hasil yang kurang baik.

Sebab standar deviasi merupakan pencerminan

penyimpangan yang sangat tinggi, sehingga penyebaran

data menunjukkan hasil yang tidak normal dan

menyebabkan bias.

4.1.4.2. Analisis Regresi Logistik

Analisis regresi logistik dilakukan untuk mengetahui

besarnya pengaruh hubungan varibael independen terhadap

 64

variabel dependen. Hasil analisis regresi logistik disajikan

pada tabel berikut :

Tabel 4.3.

Hasil Uji Analisis Regresi Logistik

Variables in the Equation
B S.E. Wald df Sig. Exp(B)

ROA -.530 .234 5.109 1 .024 .589

Step TATO 17.739 8.227 4.649 1 .031 50551727.490

1a SG -.002 .003 .368 1 .544 .998
Constant -.791 .826 .919 1 .338 .453

a. Variable(s) entered on step 1: ROA, TATO, SG

Sumber : data yang sudah diolah

Analisis regresi logistik digunakan untuk menguji

apakah variabel profitabilitas, aktivitas, dan sales growth

berpengaruh terhadap kondisi financial distress. Teknik

analisis regresi yang digunakan dalam penelitian ini yaitu

analisis logistik biner yang variabel dependennya berupa

variabel kategorik. Berdasarkan tabel 4.3. maka dapat

diperoleh persamaan regresi sebagai berikut:

FDI = -0.791 - 0,530R + 17,739T - 0,002SG

a. Uji Kelayakan Model Regresi

Uji ini dilakukan untuk menguji model dari regresi secara

keseluruhan. Hosmer and Lemeshow’s Goodness of Fit Test

menguji hipotesis nol bahwa data empiris cocok atau sudah

sesuai dengan model (tidak ada perbedaan antara model

 65

dengan data sehingga model dapat dikatakan fit). Dasar

pengambilan keputusan yang digunakan sebagai berikut :

 Jika nilai Hosmer and Lemeshow’s Goodness of Fit Test

≤ 0,05 , maka hipotesis nol ditolak yang berarti ada

perbedaan signifikan antara model dengan nilai

observasinya.

 Jika nilai Hosmer and Lemeshow’s Goodness of Fit Test

≥ 0,05, maka hipotesis nol diterima yang berarti model

mampu memprediksi nilai observasinya atau dapat

dikatakan model dapat diterima karena cocok dengan data

observasinya.

Hasil uji kelayakan model regresi disajikan pada tabel

berikut :

Tabel 4.4.

Hasil Uji Kelayakan Model Regresi

Hosmer and Lemeshow Test
Step Chi-square df Sig.

1 15.037 8 .058
Sumber : data yang sudah diolah

Berdasarkan tabel 4.4. menunjukkan bahwa nilai

statistik Hosmer and Lemeshow’s Goodnes of Fit Test

adalah 15,037 dengan nilai probabilitas signifikan sebesar

0,058 yang artinya nilainya diatas 0,05 maka dapat

disimpulkan model mampu memprediksi nilai

 66

observasinya atau dapat dikatakan model dapat diterima

karena cocok dengan data observasinya.

b. Uji Penilaian Keseluruhan Model

Pengujian ini digunakan untuk menilai model

keseluruhan yang sudah dihipotesiskan apakah fit atau

tidak dengan data yang sudah ada. Untuk menilai

keseluruhan model ditunjukkan dengan -2Log Likelihood

value yaitu dengan cara membandingkan nilai antara -

2Log Likelihood pada awal (Block Number = 0) dengan

nilai -2Log Likelihood pada akhir (Block Number = 1).

Apabila nilai 2Log Likelihood pada awal (Block Number

= 0) lebih besar dari pada nilai -2Log Likelihood pada

akhir (Block Number = 1). Maka keseluruhan model

menunjukkan model regresi yang baik. Penurunan Log

Likelihood menunjukkan model semakin baik.

Hasil uji penilaian keseluruhan model disajikan pada tabel

berikut :

Tabel 4.5.

Hasil Uji Keseluruhan Model

Iteration History Block 0
Iteration -2 Log likelihood Coefficients

Constant

1 38.196 .667

Step 0 2 38.191 .693

3 38.191 .693
 67

a. Constant is included in the model.

b. Initial -2 Log Likelihood: 38,191
c. Estimation terminated at iteration number 3
because parameter estimates changed by less than
,001.
Sumber : data yang sudah diolah

Tabel 4.6.

Hasil Uji Keseluruhan Model

Iteration History Block 1
Iteration -2 Log likelihood Coefficients

Constant X1 X2 X3

1 27.592 -.376 -.290 9.844 -.001

2 25.892 -.645 -.444 15.072 -.001

3 25.714 -.770 -.518 17.362 -.002

Step 1
4 25.711 -.791 -.530 17.730 -.002

5 25.711 -.791 -.530 17.739 -.002

6 25.711 -.791 -.530 17.739 -.002

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

Berdasarkan tabel 4.5. dan 4.6. menunjukkan bahwa

nilai -2Log Likelihood pada Itteration History Block

Number 0 sebesar 38,191 yang mana nilai tersebut lebih

besar dibanding nilai -2Log Likelihood 25,711 pada

Itteration History Block Number 1. Penurunan nilai -2Log

Likelihood menunjukkan model semakin baik atau bisa

juga dikatakan model yang dihipotesiskan fit dengan data.

c. Koefisien Determinasi
 68

Pengujian koefisien determinasi ini dilakukan

dengan cara menggunakan nilai Cox & Snell R Square dan

Nagelkerke’s R Square. Nagelkerke’s R Square

merupakan suatu pengujian untuk menguji seberapa besar

pengaruh variabel independen dengan variabel dependen.

Nilai Nagelkerke’s R Square bervariasi dari 0 (nol) sampai

1 (satu). Apabila nilai Nagelkerke’s R Square semakin

mendekati satu (1) maka model dianggap semakin

goodness of fit. Sebaliknya apabila nilai Nagelkerke’s R

Square mendekati nol (0) maka model dianggap tidak

goodness of fit.

Hasil koefisien determinasi disajikan pada tabel berikut :

Tabel 4.7.

Hasil Koefisien Determinasi

Model Summary
Step -2 Log likelihood Cox & Snell R Nagelkerke R
Square Square

1 25.711a .340 .473

a. Estimation terminated at iteration number 6 because

parameter estimates changed by less than .001.
Sumber : data yang sudah diolah

Berdasarkan tabel 4.7. dapat diketahui hasil output

dari SPSS pada Cox and snell square adalah sebesar 0,562

dan Nagelkerke R Square sebesar 0,774. Sehingga dapat

disimpulkan bahwa variabel independennya yaitu

profitabilitas, aktivitas dan sales growth sebesar 77,4%

sedangkan sisanya 22,6% dijelaskan oleh variabel lain di

 69

luar variabel independen yang di gunakan pada penelitian

ini.

d. Tabel Klasifikasi

Tabel kalsifikasi ini digunakan untuk menghitung

nilai estimasi yang benar (correct) dan salah (incorrect).

Pada kolom terdapat nilai prediksi dari variabel dependen

dalam penelitian ini adalah financial distress (1) dan non

financial distress (0). Sedangkan pada baris menunjukkan

nilai observasi sesungguhnya dari variabel dependen.

Hasil tabel klasifikasi disajikan pada tabel berikut :

Tabel 4.8.

Hasil Tabel Klasifikasi

Classification Table
Observed Predicted

FDI Percentage

non financial financial Correct

distress distress

non financial distress 7 3 70.0

FDI
Step 1 financial distress 2 18 90.0
Overall Percentage 83.3

a. The cut value is .500

Sumber : data yang sudah diolah

Berdasarkan tabel 4.8. dapat diketahui bahwa sampel

yang mengalami kondisi non financial distress adalah

sebanyak 10 perusahaan. Hasil prediksi model

menunjukan sebanyak 7 perusahaan yang mengalami

kondisi non financial distress dan hanya 3 perusahaan

yang mengalami kondisi financial distress. Sehingga

 70

terdapat 3 prediksi yang salah sehingga jumlah prediksi

yang benar sebanyak 7/10 = 70%.

Sedangkan bahwa sampel perusahaan yang

mengalami kondisi financial distress adalah sebanyak 20

perusahaan. Hasil prediksi model menunjukan sebanyak

18 perusahaan yang mengalami kondisi financial distress

dan hanya 2 perusahaan yang mengalami kondisi non

financial distress. Perhitungan data untuk perusahaan

yang mengalami kondisi financial distress sebesar 18/20

= 90%. Tabel 4.8. dapat memberikan nilai overall

percentage adalah sebesar (7+18)/30= 83,3%, yang

artinya bahwa ketepatan prediksi dari model penelitian ini

sebesar 83,3%.

4.1.4.3. Uji Hipotesis

a. Uji Signifikansi Simultan (Uji Model)

Pengujian ini dilakukan untuk mengetahui apakah

semua variabel independen secara bersama-sama

berpengaruh yang signifikan terhadap variabel dependen.

kriteria dalam pengujian ini adalah :

- Jika Sig > (α) 0,05, maka H0 diterima dan H₁ ditolak atau

dengan kata lain model regresi tidak layak untuk

digunakan pada analisis selanjutnya.

 71

- Jika Sig < (α) 0,05, maka H0 ditolak dan H₁ diterima atau

dengan kata lain model regresi layak untuk digunakan

pada analisis selanjutnya.

Hasil uji model disajikan pada tabel berikut :

Tabel 4.9.

Hasil Uji Model

Omnibus Tests of Model Coefficients
Chi-square df Sig.

Step 12.480 3 .006

Step 1 Block 12.480 3 .006

Model 12.480 3 .006

Sumber : data yang sudah diolah

Berdasarkan tabel 4.9. dapat diketahui nilai Omnibus

Test Of Model Coefficient adalah sebesar 12,480 dengan

tingkat signifikan 0,006. Tingkat signifikan 0,006 lebih

kecil dari pada 0,05 yang menunjukkan bahwa H0 ditolak

dan H₁ diterima atau dengan kata lain model regresi layak

untuk digunakan pada analisis selanjutnya.

b. Uji Signifikansi Parsial (Uji Wald)

Pengujian ini dilakukan sebagai pengukur seberapa jauh

variabel bebas yang dimasukkan dalam model mempunyai

pengaruh variabel terikat. Kriteria dalam pengujian ini

adalah jika nilai Sig < 0,05, maka model penelitian dapat

dikatakan layak.

Hasil uji wald disajikan pada tabel berikut :

 72

Tabel 4.10.

Hasil Uji Wald

Variables in the Equation
B S.E. Wald df Sig. Exp(B)

ROA -.530 .234 5.109 1 .024 .589

Step TATO 17.739 8.227 4.649 1 .031 50551727.490

1a SG -.002 .003 .368 1 .544 .998
Constant -.791 .826 .919 1 .338 .453

a. Variable(s) entered on step 1: ROA, TATO, SG

Sumber : data yang sudah diolah

Berdasarkan tabel 4.10. dapat diketahui bahwa nilai

signifikansi (sig) pada masing-masing variabel,

berdasarkar prosedur penelitian yang sudah dilakukan

maka :

a. Profitabilitas diperoleh nilai wald dengan tingkat

signifikansi sebesar 0,024. Dengan demikian nilai

signifikansi lebih kecil dari 0,05 yang artinya

model penelitian dapat dikatan layak atau Return

On Asset (ROA) berpengaruh terhadap kondisi

financial distress.

b. Aktivitas diperoleh nilai wald dengan tingkat

signifikansi sebesar 0,031. Dengan demikian nilai

signifikansi lebih kecil dari 0,05 yang artinya

model penelitian tidak layak atau Total Asset

Turnover (TATO) tidak berpengaruh terhadap

kondisi financial distress.

 73

c. Sales growth diperoleh nilai wald dengan tingkat

signifikansi sebesar 0,544. Dengan demikian nilai

signifikansi lebih besar dari 0,05 yang artinya

model penelitian dapat dikatan layak atau Sales

Growth (SG) berpengaruh terhadap kondisi

financial distress.

4.2. Pembahasan

Pengujian model dalam tabel Omnibus Test Of Model Coefficient

atau disebut dengan pengujian secara bersama-sama variabel independen

berpengaruh terhadap variabel dependen dengan nilai chi-square 15,037

dengan tingkat signifikansi 0,058 > 0,05.

Analisis yang digunakan dalam penelitian ini menunjukkan bahwa

uji wald atau disebut dengan pengujian parsial menghasilkan bahwa

variabel independen yang berpengaruh terhadap financial distress yaitu

variabel profitabilitas dan aktivitas.

Pembahasan hasil penelitian dijelaskan sebagai berikut :

1. H1 : Pengaruh Profitabilitas Terhadap Financial Distress

Rasio profitabilitas merupakan rasio yang digunakan untuk

mengukur kemampuan perusahaan dalam menghasilkan laba dari

aktivitas normal bisnisnya (Hery, 2016: 192). Perusahaan memiliki laba

yang tinggi berarti kinerjanya baik dan perusahaan tidak akan

mengalami financial distress begitu sebaliknya.

Hasil dari penelitian variabel profitabilitas yang dihitung dengan

ROA menghasilkan nilai signifikan sebesar 0,024 lebih kecil dari α =

 74

0,05 sehingga dapat disimpulkan bahwa hipotesis H1 diterima dengan

demikian variabel profitabilitas berpengaruh signifikan terhadap

financial distress. Hasil penelitian ini didukung oleh penelitian Farah

(2018), yang menyatakan bahwa profitabilitas berpengaruh terhadap

financial distress. Sedangkan hipotesis ini berbanding terbalik dengan

penelitian yang dilakukan oleh Fardania dkk (2019) dan Ayuningtiyas

(2019), yang menyatakan bahwa profitabilitas tidak berpengaruh

terhadap financial distress.

2. H2 : Pengaruh Aktivitas Terhadap Financial Distress

Rasio aktivitas digunakan untuk mengukur efektivitas perusahaan

dalam menggunakan aktiva. Semakin tinggi rasio aktivitas,

menunjukkan perusahaan mampu menggunakan aktiva dengan baik

untuk meningkatkan pendapatan, sehingga tidak mengalami kesulitan

untuk memenuhi kewajiban-kewajibannya (Kasmir dalam Hanafi

2018). Rasio aktivitas yang digunakan adalah Total Asset Turnover

(TATO), TATO merupakan rasio untuk mengukur perputaran semua

aktiva yang dimiliki perusahaan untuk menghasilkan pendapatan.

Dengan mengetahui TATO, kita dapat menilai sejauh mana aktiva yang

dimiliki untuk menghasilkan penjualan dan meningkatkan laba

perusahaan.

Hasil dari penelitian variabel aktivitas yang dihitung dengan TATO

menghasilkan nilai signifikan sebesar 0,031 lebih kecil dari α = 0,05

sehingga dapat disimpulkan bahwa hipotesis H2 diterima dengan

demikian variabel aktivitas berpengaruh signifikan terhadap financial

 75

distress. Hasil penelitian ini didukung oleh penelitian Hanafi (2018),

yang menyatakan bahwa aktivitas berpengaruh terhadap financial

distress. Sedangkan hipotesis ini berbanding terbalik dengan penelitian

yang dilakukan oleh Farah (2018), yang menyatakan bahwa variabel

aktivitas tidak berpengaruh terhadap financial distress.

3. H3 : Pengaruh Sales Growth Terhadap Financial Distress

Sales growth menunjukkan kemampuan perusahaan dalam

meningkatkan penjualan dari waktu ke waktu. Tingkat pertumbuhan

penjualan yang tinggi menunjukkan perusahaan berhasil menjalankan

strateginya dalam pemasaran, yang menyebabkan laba perusahaan

semakin meningkat, hal ini akan mengurangi resiko perusahaan

mengalami financial distress (Widarjo dan Setiawan, dalam Hanafi

2018). Dalam penelitian ini rasio sales growth yang digunakan adalah

sales growth (pertumbuhan penjualan).

Hasil dari penelitian variabel sales growth yang dihitung dengan

sales growth menghasilkan nilai signifikan sebesar 0,544 lebih besar

dari α = 0,05 sehingga dapat disimpulkan bahwa hipotesis H3 ditolak

dengan demikian variabel sales growth tidak berpengaruh signifikan

terhadap financial distress. Hasil penelitian ini didukung oleh penelitian

Farah (2018), yang menyatakan bahwa sales growth tidak berpengaruh

terhadap financial distress. Sedangkan hipotesis ini berbanding terbalik

dengan penelitian yang dilakukan oleh Hanafi (2018) dan Perdana dkk

(2019), yang menyatakan bahwa sales growth berpengaruh terhadap

financial distress.
 76

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Berdasarkan analisis data yang dilakukan terkait dengan pengaruh

profitabilitas, aktivitas, dan sales growth terhadap financial distress

dengan model Altman Z-Score pada perusahaan sub sektor property and

real estate yang terdaftar di Bursa Efek Indonesia tahun 2016-2018, maka

dapat disimpulkan bahwa :

1) Perusahaan dengan profitabilitas yang rendah atau negatif akan

lebih rentan mengalami kondisi financial distress. Sedangkan

rasio aktivitas dan sales growth yang tinggi, resiko perusahaan

untuk mengalami financial distress akan semakin kecil.

2) Pengaruh Profitabilitas Terhadap Financial Distress : Dari hasil

pengujian hipotesis pertama (H1) secara parsial (uji wald)

menunjukkan bahwa profitabilitas dengan perhitungan Return

On Asset (ROA) berpengaruh positif dan signifikan terhadap

financial distress.

3) Pengaruh Aktivitas Terhadap Financial Distress : Dari hasil

pengujian hipotesis kedua (H2) secara parsial (uji wald)

menunjukkan bahwa aktivitas dengan perhitungan Total Asset

Turnover (TATO) berpengaruh positif dan signifikan terhadap

financial distress.

4) Pengaruh Sales Growth Terhadap Financial Distress : Dari hasil

pengujian hipotesis ketiga (H3) secara parsial (uji wald)

 77

menunjukkan bahwa sales growth dengan perhitungan Sales

Growth (SG) berpengaruh negatif dan tidak signifikan terhadap

financial distress.

5) Pengaruh Profitabilitas, Aktivitas, dan Sales Growth Secara

Simultan Terhadap Financial Distress : Dari hasil pengujian

hipotesis secara simultan (uji wald) menunjukkan bahwa H0

ditolak dan H₁ diterima atau dengan kata lain model regresi

layak untuk digunakan pada analisis selanjutnya.

5.2. Saran

Adapun saran-saran yang dapat peneliti berikan sehubungan dengan

penelitian ini adalah sebagai berikut:

1) Bagi perusahaan, hendaknya penelitian ini dapat digunakan untuk

melakukan tindakan-tindakan pencegahan supaya perusahaan

terhindar dari financial distress, dan apabila perusahaan telah

terlanjur terindikasi mengalami financial distress maka tindakan

perbaikan dapat segera dilakukan.

2) Bagi investor, sebaiknya penelitian ini dapat menjadi

pertimbangan dalam mengambil keputusan yang tepat untuk

berinvestasi.

3) Bagi peneliti selanjutnya, peneliti menyarankan agar

menggunakan ataupun menambah proksi lain untuk mewakili

rasio-rasio keuangan yang digunakan. Misalnya Retur On Equity

(ROE) untuk profitabilitas, Inventory Turnover (IT) untuk

aktivitas, dan Earning Per Share (EPS) untuk sales growth.

 78

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.

Ardriansyah, M. Z. 2018. “Pengaruh Rasio Likuiditas, Leverage, Profitabilitas,

Aktivitas dan Pertumbuhan Penjualan Dalam Memprediksi
Financial Distress”. Jurnal Manajemen Keuangan. hal 6. November.

Ayuningtyas, I. S., 2019. “Pengaruh Likuiditas, Profitabilitas, Leverage dan Arus

Kas Terhadap Kondisi Financial Distress”. Skripsi. FEB, Akuntansi,
Sekolah Tinggi Ilmu Ekonomi Indonesia (STIESIA), Surabaya.

Bungin, B., 2017. Metode Penelitian Kuantitatif. Edisi II. Jakarta: Kencana.

Duli, N. 2019. Metodelogi Penelitian Kuantitatif: Beberapa Konsep Dasar Untuk

Penulisan Skripsi & Analisis Data Dengan SPSS. Yogyakarta:
Deepublish.

Farah, I. 2018. “ Pengaruh Likuiditas, Leverage, Profitabilitas, Aktivitas, dan Sales

Growth Dalam Memprediksi Terjadinya Financial Distress Menggunakan
Discriminant Analysis Dan Logistic Regression”. Skripsi. FEB,
Manajemen, UIN Syarif Hidayatullah, Jakarta.

Hanafi, I., dan Stevanus, G, S. 2018. “Prediksi Financial Distress Perusahaan

Manufaktur”. Jurnal Ekuivalensi. Vol 4 No 1. hal 31-33. April.

Hartono. 2018. Konsep Analisa Laporan Keuangan Dengan Pendekatan Rasio dan
SPSS. Edisi I. Yogyakarta: Deepublish.

Hermawan, A., dan Husna, L. Y. 2017. Penelitian Bisnis Pendekatan Kauntitatif.

Edisi I. Jakarta: Kencana.

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

Sarmanu. 2017. Metodelogi Penelitian Kuantitatif, Kualitatif dan Statistika.

Surabaya: Airlangga University Press.

Utami, A. H. P. 2018. “Pengaruh Profitabilitas, Likuiditas, Leverage, Aktivitas, dan

Sales Growth Terhadap Kondisi Financial Distress”. Skripsi. FEB,
Akuntansi, STIE Perbanas, Surabaya.

Kristanti, F. T. 2019. Financial Distress (Teori dan Perkembangannya Dalam

Konteks Indonesia). Edisi I. Malang: Inteligensia Media.

Kristanto, H. K. 2018. Metodelogi Penelitian Pedoman Penulisan Karya Tulis

Ilmiah (KTI). Edisi I. Yogyakarta: Deepublish.
 80

LAMPIRAN

Perhitungan Return On Asset (ROA)

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

Perhitungan Total Asset Turnover (TATO)

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

Perhitungan Sales Growth

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

Perhitungan Financial Distress

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

2018 62.530.317.785 172.313.437.729 0,363 0,307

2016 143.510.144.685 2.400.682.388.179 0,060 0,051
BIKA 2017 122.037.847.367 2.374.443.387.792 0,051 0,044
2018 94.933.879.641 2.333.636.785.839 0,041 0,034
2016 (494.302.872.614) 1.648.021.678.720 (0,300) (0,254)
BIPP 2017 (510.014.230.439) 1.748.640.897.106 (0,292) (0,247)
2018 (556.396.828.158) 2.063.247.282.902 (0,270) (0,228)
2016 (211.955.472.235) 785.095.652.150 (0,270) (0,229)
BKDP 2017 (255.117.859.927) 783.494.758.697 (0,326) (0,276)
2018 (291.626.760.824) 763.537.440.279 (0,382) (0,324)
2016 (4.788.744.521) 395.301.532.428 (0,012) (0,010)
RBMS 2017 (18.835.708.209) 432.055.786.199 (0,044) (0,037)
2018 (1.904.371.803) 897.968.027.638 (0,002) (0,002)
2016 20.157.113.149 1.673.377.584.467 0,012 0,010
LCGP 2017 (31.649.422.529) 1.660.390.874.694 (0,019) (0,016)
2018 (37.152.029.434) 1.648.862.748.218 (0,023) (0,019)
2016 1.056.870.753.814) 8.410.268.542.375 (0,126) (0,106)
MYRX 2017 (1.179.533.812.337) 10.008.169.293.650 (0,118) (0,100)
2018 (1.082.481.215.598) 11.625.186.862.977 (0,093) (0,079)
2016 (143.983.342.749) 3.791.983.263.313 (0,038) (0,032)
NIRO 2017 (151.862.494.225) 4.892.233.716.330 (0,031) (0,026)
2018 (205.274.693.544) 7.555.705.400.512 (0,027) (0,023)
2016 2.946.957.189.920 4.264.983.383.118 0,691 0,585
OMRE 2017 2.879.168.169.228 4.242.934.699.631 0,679 0,575
2018 3.015.420.828.203 4.252.706.473.038 0,709 0,601

KODE LABA SEBELUM BUNGA

TAHUN TOTAL EKUITAS X3 3,107
PERUSAHAAN DAN PAJAK
2016 12.501.712.974 3.493.055.380.115 0,004 0,011
COWL 2017 (137.598.547.081) 3.578.766.164.667 (0,038) (0,119)
2018 (191.128.401.230) 3.733.012.257.460 (0,051) (0,159)
2016 1.961.065.401 179.260.878.116 0,011 0,034
BAPA 2017 13.243.528.581 179.035.974.052 0,074 0,230
2018 4.950.263.483 172.313.437.729 0,029 0,089
2016 (77.013.307.787) 2.400.682.388.179 (0,032) (0,100)
BIKA 2017 (42.099.586.266) 2.374.443.387.792 (0,018) (0,055)
2018 (45.489.350.270) 2.333.636.785.839 (0,019) (0,061)
2016 33.407.908.403 1.648.021.678.720 0,020 0,063
BIPP 2017 (24.770.062.671) 1.748.640.897.106 (0,014) (0,044)
2018 (71.359.793.883) 2.063.247.282.902 (0,035) (0,107)
2016 (24.226.892.908) 545.944.370.757 (0,044) (0,138)
BKDP
2017 (38.095.534.626) 499.762.871.238 (0,076) (0,237)
 85

2018 (36.781.835.738) 463.387.925.749 (0,079) (0,247)

2016 (851.099.889) 395.301.532.428 (0,002) (0,007)
RBMS 2017 15.366.324.121 432.055.786.199 0,036 0,111
2018 17.497.734.348 897.968.027.638 0,019 0,061
2016 7.946.582.993 1.673.377.584.467 0,005 0,015
LCGP 2017 13.244.679.065 1.660.390.874.694 0,008 0,025
2018 (6.929.297.611) 1.648.862.748.218 (0,004) (0,013)
2016 105.028.888.157 8.410.268.542.375 0,012 0,039
MYRX 2017 (63.093.378.721) 10.008.169.293.650 (0,006) (0,020)
2018 178.980.119.619 11.625.186.862.977 0,015 0,048
2016 (8.568.659.438) 3.791.983.263.313 (0,002) (0,007)
NIRO 2017 34.170.417.627 4.892.233.716.330 0,007 0,022
2018 10.987.266.051 7.555.705.400.512 0,001 0,005
2016 316.304.513.560 4.264.983.383.118 0,074 0,230
OMRE 2017 (67.934.434.542) 4.242.934.699.631 (0,016) (0,050)
2018 132.321.724.644 4.252.706.473.038 0,031 0,097

KODE NILAI PASAR

TAHUN TOTAL LIABILITAS X4 0,42
PERUSAHAAN EKUITAS
2016 5.285.267.212.785 2.292.924.704.109 2,31 0,968
COWL 2017 4.286.668.338.480 2.450.909.735.506 1,75 0,735
2018 2.036.167.460.778 2.814.731.509.951 0,72 0,304
2016 33.089.226.000 72.040.603.450 0,46 0,193
BAPA 2017 58.237.037.760 58.885.428.727 0,99 0,415
2018 72.134.512.680 44.423.132.493 1,62 0,682
2016 278.371.600.000 1.731.221.077.695 0,16 0,068
BIKA 2017 183.606.800.000 1.678.796.791.720 0,11 0,046
2018 153.992.800.000 1.674.921.852.871 0,09 0,039
2016 420.268.372.380 444.202.117.934 0,95 0,397
BIPP 2017 367.092.861.674 534.787.535.126 0,69 0,288
2018 442.552.901.744 932.018.121.876 0,47 0,199
2016 512.051.557.640 239.151.281.393 2,14 0,899
BKDP 2017 548.626.668.900 283.731.887.459 1,93 0,812
2018 416.690.527.372 300.149.514.530 1,39 0,583
2016 27.771.412.500 179.407.167.651 0,15 0,065
RBMS 2017 77.759.955.000 201.017.062.310 0,39 0,162
2018 249.684.005.644 268.758.850.964 0,93 0,390
2016 760.000.000.000 50.977.838.582 14,91 6,262
LCGP 2017 450.000.000.000 51.533.513.571 8,73 3,668
2018 732.000.000.000 46.077.146.229 15,89 6,672
2016 13.303.544.998.575 2.396.355.541.497 5,55 2,332
MYRX
2017 8.832.340.470.250 3.046.007.262.472 2,90 1,218
 86

2018 10.317.683.274.248 3.700.746.491.765 2,79 1,171

2016 2.086.693.949.576 818.301.197.063 2,55 1,071
NIRO 2017 1.775.909.744.320 1.236.499.805.113 1,44 0,603
2018 1.975.699.590.556 1.440.688.937.326 1,37 0,576
2016 376.920.000.000 146.961.455.436 2,56 1,077
OMRE 2017 1.536.000.000.000 228.898.177.174 6,71 2,818
2018 3.124.000.000.000 405.042.815.008 7,71 3,239

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

Hasil Dikelola SPSS 21

LOGISTIC REGRESSION VARIABLES Y

/METHOD=ENTER X1 X2 X3
/SAVE=PRED PGROUP RESID SRESID
/CLASSPLOT
/CASEWISE OUTLIER(2)
/PRINT=GOODFIT CORR ITER(1) CI(95)
/CRITERIA=PIN(0.05) POUT(0.10) ITERATE(20) CUT(0.5).

Logistic Regression
Notes

Output Created 23-JUN-2020 18:04:52

Comments
Active Dataset DataSet0
Filter <none>
Input Weight <none>
Split File <none>
N of Rows in Working Data File 30
User-defined missing values are treated as
Missing Value Handling Definition of Missing
missing
LOGISTIC REGRESSION VARIABLES Y
/METHOD=ENTER X1 X2 X3
/SAVE=PRED PGROUP RESID SRESID
/CLASSPLOT
Syntax
/CASEWISE OUTLIER(2)
/PRINT=GOODFIT CORR ITER(1) CI(95)
/CRITERIA=PIN(0.05) POUT(0.10)
ITERATE(20) CUT(0.5).
Processor Time 00:00:00,16
Resources
Elapsed Time 00:00:00,17
PRE_1 Predicted probability

PGR_1 Predicted group

Variables Created or Modified Difference between observed and
RES_1
predicted probabilities

SRE_1 Standard residual

[DataSet0]
Case Processing Summary

Unweighted Casesa N Percent

Included in Analysis 30 100.0

Selected Cases Missing Cases 0 .0

Total 30 100.0
 89

Unselected Cases 0 .0
Total 30 100.0

a. If weight is in effect, see classification table for the total number of

cases.

Dependent Variable Encoding

Original Value Internal Value

non financial distress 0

financial distress 1

Block 0: Beginning Block

Iteration Historya,b,c

Iteration -2 Log likelihood Coefficients

Constant

1 38.196 .667

Step 0 2 38.191 .693

3 38.191 .693

a. Constant is included in the model.

b. Initial -2 Log Likelihood: 38,191
c. Estimation terminated at iteration number 3 because
parameter estimates changed by less than ,001.

Classification Tablea,b

Observed Predicted

FDI Percentage

non financial financial distress Correct

distress

non financial distress 0 10 .0

FDI
Step 0 financial distress 0 20 100.0

Overall Percentage 66.7

a. Constant is included in the model.

b. The cut value is ,500

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

Step 0 Constant .693 .387 3.203 1 .074 2.000

 90

Variables not in the Equation

Score df Sig.

X1 5.571 1 .018

Variables X2 2.668 1 .102

Step 0
X3 .075 1 .784

Overall Statistics 10.157 3 .017

Block 1: Method = Enter

Iteration Historya,b,c,d

Iteration -2 Log likelihood Coefficients

Constant X1 X2 X3

1 27.592 -.376 -.290 9.844 -.001

2 25.892 -.645 -.444 15.072 -.001

3 25.714 -.770 -.518 17.362 -.002
Step 1
4 25.711 -.791 -.530 17.730 -.002

5 25.711 -.791 -.530 17.739 -.002

6 25.711 -.791 -.530 17.739 -.002

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.

Omnibus Tests of Model Coefficients

Chi-square df Sig.

Step 12.480 3 .006

Step 1 Block 12.480 3 .006

Model 12.480 3 .006

Model Summary

Step -2 Log likelihood Cox & Snell R Nagelkerke R

Square Square

1 25.711a .340 .473

a. Estimation terminated at iteration number 6 because parameter

estimates changed by less than ,001.
 91

Hosmer and Lemeshow Test

Step Chi-square df Sig.

1 15.037 8 .058

Contingency Table for Hosmer and Lemeshow Test

FDI = non financial distress FDI = financial distress Total

Observed Expected Observed Expected

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

non financial financial distress Correct

distress

non financial distress 7 3 70.0

FDI
Step 1 financial distress 2 18 90.0

Overall Percentage 83.3

a. The cut value is ,500

Variables in the Equation

B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)

Lower Upper

X1 -.530 .234 5.109 1 .024 .589 .372 .932

17.739 8.227 4.649 1 .031 50551727.490 5.022 508885821

X2
Step 1a 551944.000

X3 -.002 .003 .368 1 .544 .998 .994 1.003

Constant -.791 .826 .919 1 .338 .453

 92

a. Variable(s) entered on step 1: X1, X2, X3.

Correlation Matrix

Constant X1 X2 X3

Constant 1.000 .381 -.785 .050

X1 .381 1.000 -.571 .017

Step 1
X2 -.785 -.571 1.000 -.246

X3 .050 .017 -.246 1.000

Casewise Listb

Case Selected Statusa Observed Predicted Predicted Group Temporary Variable

FDI Resid ZResid

15 S f** .076 n .924 3.476

a. S = Selected, U = Unselected cases, and ** = Misclassified cases.
b. Cases with studentized residuals greater than 2,000 are listed.

DESCRIPTIVES VARIABLES=Y
/STATISTICS=MEAN SUM STDDEV MIN MAX.

Descriptives

Notes

Output Created 23-JUN-2020 18:17:32

Comments
Active Dataset DataSet0
Filter <none>
Input Weight <none>
Split File <none>
N of Rows in Working Data File 30
User defined missing values are treated as
Definition of Missing
Missing Value Handling missing.
Cases Used All non-missing data are used.
DESCRIPTIVES VARIABLES=Y
Syntax /STATISTICS=MEAN SUM STDDEV MIN
MAX.
Processor Time 00:00:00,03
Resources
Elapsed Time 00:00:00,03
 93

[DataSet0]

Descriptive Statistics

N Minimum Maximum Sum Mean Std. Deviation

FDI 30 0 1 20 .67 .479

Valid N (listwise) 30

DESCRIPTIVES VARIABLES=X1 X2 X3
/STATISTICS=MEAN SUM STDDEV VARIANCE MIN MAX.

Descriptives
Notes

Output Created 23-JUN-2020 18:20:29

Comments
Active Dataset DataSet0
Filter <none>
Input Weight <none>
Split File <none>
N of Rows in Working Data File 30
User defined missing values are treated as
Definition of Missing
Missing Value Handling missing.
Cases Used All non-missing data are used.
DESCRIPTIVES VARIABLES=X1 X2 X3
Syntax /STATISTICS=MEAN SUM STDDEV
VARIANCE MIN MAX.
Processor Time 00:00:00,03
Resources
Elapsed Time 00:00:00,03

[DataSet0]

Descriptive Statistics

N Minimum Maximum Sum Mean Std. Deviation Variance

ROA 30 -6.01 7.47 -2.22 -.0740 3.20934 10.300

TATO 30 .00 .32 3.26 .1087 .08119 .007
SG 30 -72.15 804.04 1490.78 49.6927 189.63945 35963.122
Valid N (listwise) 30