Escolar Documentos
Profissional Documentos
Cultura Documentos
Besarnya nilai Wilks' Lambda sebesar 0,721 atau sama dengan Chi-square
108,534 dan nilai ini signifikan pada 0,000 yang sangat jauh lebih kecil dari
tingkat ketidakyakinan sebesar 0,05. Hal ini dapat disimpulkan bahwa fungsi
diskriminan signifikan secara statistik, yang berarti nilai means (rata-rata) score
diskriminan untuk kedua kelompok perusahaan berbeda secara statistik.
4. Persamaan Diskriminan
Persamaan estimasi fungsi diskriminan unstandardized dapat dilihat dari
tabel canonical discriminant fungction coefficients sebagai berikut:
Tabel 4.4.
Canonical Discriminant Function Coefficients
Function
1
Working Capital Total Assets (WCTA) 1,434
EBIT Total Assets (EBITTA) 2,318
Current Ratio (CR) -0,043
Sales Total Assets (STA) 0,311
Total Debt Total Assets (TDTA) 0,097
EBIT Current Liabilities (EBITCL) 0,605
Net Income to Total Asset (NITA) -0,872
Kepemilikan Institusional (KI) -0,021
(Constant) 1,139
Unstandardized coefficients
Sumber: Bursa Efek Indonesia tahun 2006 - 2015, diolah.
Tabel 4.6.
Classification Function Coefficients
FinancialDistress
TIDAK BANGKRUT
BANGKRUT
Working Capital Total Assets (WCTA) 0,635 -1,144
Retained Earning Total Assets (RETA) -0,374 -0,321
EBIT Total Assets (EBITTA) 19,836 16,962
Current Ratio (CR) 0,658 0,711
Book value of equity to Total Liabilities (BVETL) 0,504 0,722
Sales Total Assets (STA) -0,301 -0,688
Total Debt Total Assets (TDTA) 4,115 3,996
EBIT Current Liabilities (EBITCL) -0,460 -1,209
Net Income to Total Asset (NITA) 1,921 3,002
Kepemilikan Manajerial (KM) 0,834 0,821
Kepemilikan Institusional (KI) 0,304 0,330
Total Asset to GNP (TAGNP) 6,286E-008 6,189E-008
(Constant) -15,401 -16,813
Fisher's linear discriminant functions
Sumber: Bursa Efek Indonesia tahun 2006 - 2015, diolah.
Dari Tabel Structure Matrix menunjukkan bahwa EBIT Total Assets memiliki
peran sebagai penentu keputusan kebangkrutan yang terbesar, diikuti urutan kedua
dan ketiga adalah Working Capital Total Assets dan Net Income to Total Asset.
Urutan selanjutnya dapat dilihat pada Tabel 4.7. di atas.
Nilai cut off yang dipilih nilai yang meminimumkan jumlah incorrect
classification atau kesalahan misklasifikasi atau dapat dihitung dengan rumus:
Cut off = (Z1 + Z2) / 2
Di mana Zj adalah rata-rata score diskriminan kelompok j. Rumus ini berasumsi
jumlah sampel kedua kelompk sama.
Dalam hal jumlah sampel kedua kelompok tidak sama maka rumus cutoff
menjadi:
Cut off = (n1Z1 + n2Z2) / (n1 + n2)
Dalam penelitian ini, jumlah sampel perusahaan yang bangkrut dan tidak bangkrut
sama-sama sebanak 170. Maka rumus yang pertama yang digunakan. Tampilan
output SPSS memberikan rata-rata score diskriminan untuk kelompok tidak
bankrut sebesar 0,620 dan rata-rata score diskriminan untuk kelompok bankrut
sebesar -0,620 dan memberikan nilai cut off 0 (nol).
Functions at Group Centroids
FinancialDistress Function
1
TIDAK BANGKRUT ,620
BANGKRUT -,620
Unstandardized canonical discriminant functions
evaluated at group means
Nilai-nilai Z dari bank-bank yang menjadi penelitian ini dapat dilihat pada Tabel
berikut ini.
dst
6. Kesimpulan
Berdasarkan pada pembahasan di atas, maka terdapat beberapa hal yang
dapat disimpulkan sebagai berikut :
a. Hasil penelitian menunjukkan bahwa terdapat perbedaan secara signifikan
antara kedua kelompok perusahaan yang termasuk kategori bangkrut dan tidak
bangrut, dan dapat diartikan bahwa rasio-rasio keuangan tersebut dapat
digunakan untuk membentuk variabel diskriminan. Rasio-rasio keuangan yang
secara statistik menunjukkan adanya perbedaan secara signifikan adalah
Working Capital Total Assets, EBIT Total Assets, Current Ratio, Sales Total
Assets, Total Debt Total Assets, EBIT Current Liabilities, Net Income to Total
Asset, dan kepemilikan institusional.
b. Fungsi diskriminan signifikan secara statistik. Hal ini berarti nilai means (rata-
rata) score diskriminan untuk kedua kelompok perusahaan sehat dan bangkrut
berbeda secara statistik.
c. Kemampuan variabel-variabel independen dapat menjelaskan perbedaaan
yang terjadi antara kedua kelompok perusahaan sehat dan bangkrut hanya
sebesar 27,9%. Sisanya yang sebesar 72,1% dijelaskan oleh variabel yang
tidak dianalisis.
d. Urutan variabel yang paling membedakan atau yang memiliki nilai parameter
tertinggi yang artinya variabel tersebut merupakan variabel penentu dari
persamaan tersebut adalah EBIT Total Assets memiliki peran sebagai penentu
keputusan kebangkrutan yang terbesar, diikuti urutan kedua dan ketiga adalah
Working Capital Total Assets dan Net Income to Total Asset.
Daftar Pustaka
Ghozali, Imam. 2016. Aplikasi Analisis Multivariete dengan Program IBM SPSS
23. Badan Penerbit Universitas Diponegoro, Semarang.
LAMPIRAN
Discriminant
Group Statistics
Unweighted Weighted
Lambda
Wilks' Lambda
Function
WorkingCapitalTotalAssets ,759
RetainedEarningTotalAssets -,097
EBITTotalAssets ,257
CurrentRatio -,088
BookvalueofequitytoTotalLiabilities -,446
SalesTotalAssets ,330
TotalDebtTotalAssets ,068
EBITCurrentLiabilities ,492
NetIncometoTotalAsset -,089
KepemilikanManajerial ,037
KepemilikanInstitusional -,395
TotalAssettoGNP ,018
Structure Matrix
Function
EBITTotalAssets ,602
WorkingCapitalTotalAssets ,593
NetIncometoTotalAsset ,586
EBITCurrentLiabilities ,478
TotalDebtTotalAssets -,344
SalesTotalAssets ,263
KepemilikanInstitusional -,240
CurrentRatio ,217
BookvalueofequitytoTotalLiabilities -,155
KepemilikanManajerial ,092
TotalAssettoGNP ,057
RetainedEarningTotalAssets ,010
Function
WorkingCapitalTotalAssets 1,434
RetainedEarningTotalAssets -,043
EBITTotalAssets 2,318
CurrentRatio -,043
BookvalueofequitytoTotalLiabilities -,176
SalesTotalAssets ,311
TotalDebtTotalAssets ,097
EBITCurrentLiabilities ,605
NetIncometoTotalAsset -,872
KepemilikanManajerial ,010
KepemilikanInstitusional -,021
TotalAssettoGNP ,000
(Constant) 1,139
Unstandardized coefficients
Classification Statistics
Classification Function Coefficients
FinancialDistress