Upload
dinhlien
View
227
Download
3
Embed Size (px)
Citation preview
Jurnal Ekonomi dan Bisnis
Vol. 5, No. 3, November 2009 (209-220) ISSN: 1978 – 3116
STRUKTUR MODAL DAN PREDIKSI KEGAGALAN
PERUSAHAAN
Journal of Economics and Business Vol. 5, No. 3, November 2011 (209-220)
ISSN: 1978 – 3116
2012
Rowland Bismark Fernando Pasaribu
ABFI Institute Perbanas Jakarta
November 2011
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
1
Struktur Modal dan Prediksi Kegagalan Perusahaan:
Teori dan Aplikasi
Rowland Bismark Fernando Pasaribu
ABFI Institute Perbanas Jakarta
Abstract
This paper addresses the theoretical foundations of corporate failure prediction, using the neo-classical theory of capital structure as a starting point. The paper intends to demonstrate the feasibility of such an approach in a simple setting, i.e. by using a simple theoretical model and a limited empirical analysis. A model of optimal capital structure is constructed and rewritten as a model of default probability. Its empirical implications are derived and tested on a sample of Indonesian data. It is concluded that this approach clearly has its limitations, but also that it may be a valuable contribution compared to the multitude of theory-less empirical studies and a useful alternative to the default theory.
Keywords: Default Probabilities, Capital structure, Corporate Failure, Logistic regression
PENDAHULUAN
Kebangkrutan yang dialami oleh banyak perusahaan global semakin
menegaskan akan pentingnya prediksi gagal-bayar baik dalam konteks akademis dan
aplikasi riil. Saat ini nampaknya semakin sangat penting saja urgensi membentuk
sistem peringatan dini yang dapat membantu menghindari perusahaan dalam kondisi
gagal-bayar disatu sisi dan memfasilitasi pemilihan emiten untuk dijadikan nominator
dimana kita akan berinvestasi atas perusahaan tersebut di sisi lain.
Penelitian mengenai prediksi gagal-bayar telah mengalami perjalanan yang
cukup panjang sejak awal dicetuskan melalui karya Beaver (1966, 1968) dan Altman
(1968). Pendekatan yang ada untuk memprediksi kegagalan perusahaan sebahagian
besar adalah aplikasi teknik klasifikasi statistik (biasanya analisis diskriminan)
terhadap sampel yang terdiri perusahaan gagal dan non-gagal, contoh penelitian
tersebut telah dilakukan Deakin (1972) dan Altman et al. (1977). Setelah itu terjadi
pergeseran penggunaan teknik analisis yakni dengan analisis probit atau logit. Martin
(1977) dan Ohlson (1980) adalah yang pertama dalam mengaplikasikan teknik ini
diikuti oleh Wiginton (1980), Zmijewski (1984), Zavgren (1985), Aziz and Lawson
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
2
(1989), Lennox (1999) serta Westgaard dan Van der Wijst (2001). Teknik statistik
lainnya yang juga telah diperkenalkan adalah: partisi rekursif (Frydman et.al, 1985); teori
katastrophi (Gregory et.al, 1991); penskalaan multidimensi (Mar Molinero dan Ezzamel,
1991); neural networks (Tam dan Kiang, 1992); model multinominal logit (Johnsen dan
Melicher, 1994); metodologi bantuan keputusan multi-kriteria (Zopounidis dan Doumpos,
1999) serta; cara penetapan langsung (Dimitras et al., 1999).
Kesimpulan umum dari usaha penelitian yang ekstensif ini terlihat menjadikan
tiap studi yang dilakukan menghasilkan diskriminasi yang beralasan antara
perusahaan yang gagal dan non-gagal, tapi juga dan mungkin lebih signifikan bahwa
beragam penelitian berusaha keras menunjukkan suatu persetujuan mengenai faktor
apa yang penting untuk prediksi kegagalan. Faktanya, dapat dikatakan bahwa kurang
lebih 40 tahun penelitian mengenai topik ini belum berhasil menghasilkan variabel
mana dan mengapa, yang merupakan prediktor yang baik. Ketidaksepakatan
kesimpulan tersebut tentu saja, secara parsial dapat ditujukan pada fakta bahwa
penelitian-penelitian tersebut mengacu pada periode, negara, dan industri yang
berbeda-beda. Faktor lainnya mungkin pada praktiknya seluruh penelitian tersebut
tidak memiliki kerangka kerja teoritis untuk mengarahkan usaha penelitian empiris.
Dalam ketiadaan teori yang menyediakan hipotesis yang dapat diuji, maka hasil
empiris harus dievaluasi kualitasnya dan hanya berharap bahwa muncul suatu pola
dari sejumlah besar hasil empiris. Kondisi seperti ini menimbulkan persepsi yang
kurang elegan dalam positioning topik penelitian prediksi kegagalan karena tidak
memiliki acuan teori dasar bila dibanding topik-topik lainnya dalam ilmu manajemen
keuangan.
Penelitian ini mencoba mendirikan tiang penyanggah teoritis pada prediksi
kegagalan dengan mendayagunakan teori neo-klasik struktur modal sebagai titik awal.
Demikian selanjutnya teori ini mengikuti pendekatan alternatif yang dibandingkan model
Merton yang telah terkenal didasarkan teori penetapan harga opsi dan kemudian
dielaborasikan ke dalam model KMV. Asal dari struktur modal yang mendasari teori
gagal-bayar disatu sisi terdapat pada model yang menghubungkan resiko kejatuhan
kepada penilaian klaim perusahaan.1 Elaborasi yang terakhir dapat ditemukan dalam Scott
(1981). Di sisi lain, teori ini juga terdapat dalam model struktur modal optimal yang
dikembangkan pada kebangkitan teorema irelevansi-nya Modigliani-Miller (Modigliani
1 lih. Gordon, 1971; Scott, 1977; dan Vinso, 1979.
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
3
dan Miller, 1958, 1963), Baxter (1967), Kraus dan Litzenberger (1973), Scott (1976),
serta Kim (1978).
Pada pelaksanaannya, seluruh model struktur modal optimal menggunakan
kondisi gagal-bayar dalam derivasi struktur modal optimal. Kondisi ini menangkap esensi
keputusan gagal-bayar: terjadi pada saat nilai beragam arus kas yang tersedia untuk
perusahaan tidak memadai untuk melunasi kewajiban hutangnya. Berdasarkan hal
tersebut, dihasilkan teori kepemilikkan pada struktur modal optimal dalam keseimbangan
komparatif-nya yang merupakan dasar untuk analisis empiris. Anehnya, model ini jarang,
jika sekiranya, ditulis ulang dan secara tegas menyatakan kemungkinan kegagalan
perusahaan dan karakteristiknya, yakni: bagaimana model tersebut dipengaruhi oleh
faktor penentu struktur modal optimal. Sejak awal delapan puluhan, garis penelitian
teoritis ini nampak sepenuhnya lebih baik dengan opsi yang didasarkan teori default.
Berdasarkan uraian singkat diatas, penelitian ini bertujuan untuk mengklarifikasi
kapasitas dari konsep teori struktur modal sebagai prediktor probabilitas kegagalan
perusahaan.
PEMBENTUKKAN TEORI:
Probabilitas Gagal-Bayar Dalam Kerangka kerja Struktur Modal
2.1 Model Sederhana Struktur Modal Optimal
Model yang digunakan disini adalah sederhana, yakni model struktur modal
optimal periode tunggal. Model ini memungkinkan ketidaksempurnaan pasar: pajak
dan biaya kegagalan, dan memadai untuk menangkap esensi dari teori trade-off,
dimana struktur modal optimal ditetapkan sebagai trade-off antara keunggulan pajak
dan ekspektasi biaya kegagalan. Model ini diadopsi dari teorema Van der Wijst
(1989) yang dielaborasi.
Asumsi utama model adalah sebagai berikut:
Pasar modal diasumsikan tidak berbiaya dan kompetitif. Pajak laba perusahaan
adalah konstan dan menurut sistem pajak penghasilan yang memungkinkan deduksi
seluruh pembayaran kreditur, termasuk pembayaran kembali pokok hutang dari pajak
penghasilan perusahaan. Meski demikian, tidak terdapat item pengurangan pajak dan
pajak individual. Seluruh pelaku pasar diasumsikan greedy dan bertindak secara
rasional.
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
4
Jumlah pendapatan yang dihasilkan perusahaan diasumsikan tetap, yakni
seluruh keputusan investasi telah dibuat tapi keputusan pendanaan belum. Perusahaan
hanya menggunakan ekuitas dan hutang. Hutang tidak hanya merupakan subjek
terhadap risiko gagal bayar. Terakhir, investor diasumsikan berposisi netral terhadap
risiko dan memiliki kewajiban terbatas. Dalam penetapan asumsi ini, arus kas
perusahaan hanyalah sumber dana yang dapat digunakan untuk memenuhi kewajiban
terhadap kreditur. Akibatnya, kalau kewajiban ini melebihi arus kas perusahaan, maka
terjadi gagal-bayar dan perusahaan mendeklarasikan kebangkrutan. Karenanya
kondisi kebangkrutan, b adalah:
b = ξ < R (2.1)
dimana ξ adalah variabel acak yang merepresentasikan arus kas perusahaan sebelem
bunga dan pajak (EBIT) dan R adalah pembayaran terhadap kreditur. ξ diasumsikan
berdistribusi normal dengan rata-rata µx dan standar deviasi σx. Kalau diakhir periode,
terjadi kondisi b, para pemilik saham dilindungi dengan kewajiban terbatas dan tidak
menerima apa-apa. Selanjutnya mereka menerima arus kas setelah pajak dan bunga.
Nilai pada akhir periode, Ye adalah:
Ye = 0 kalau ξ < b (2.2)
Ye = (1-τ)(ξ-R) kalau ξ ≥ b
Dimana τ adalah tingkat pajak perusahaan. Untuk investor risiko-netral keseimbangan
nilai ekuitas, Ve adalah nilai diskonto saat ini pada tingkat suku bunga bebas risiko,
pada ekspektasi Ye:
)3.2()1(
)()()1(
)1(
)(
r
dR
r
YeEVe b
+
ƒ−−
+=
∫∞
ξξξτ
Dimana r adalah tingkat suku bunga bebas risiko. Nilai kreditur pada akhir periode,
Yd diperoleh dengan cara yang sama. Kalau terjadi kondisi kebangkrutan, perusahaan
dialihkan kepada kreditur yang berarti mereka menerima arus kas minus biaya
kegagalan. Terbatasnya nilai kewajiban menghindarkan mereka untuk menerima arus
kas negatif. Jadi nilai hutang pada akhir periode adalah:
Yd = 0 kalau ξ ≤ 0
Yd =ξ-B(ξ ) kalau 0 < ξ < b (2.4)
Yd =R kalau ξ ≥ b (b=R)
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
5
dimana B(ξ) adalah jumlah biaya kegagalan sebagai fungsi pada arus kas ξ. Nilai
keseimbangan hutang adalah present value dari ekspektasi Yd:
)5.2()1(
)1()())((0
r
FRdB
V
b
d +
−+ƒ−=∫ ξξξξ
Dimana F adalah probabilitas kegagalan: ∫∞−
=b
dfF .)( ξξ Sejak didefinisikan sebagai
fungsi kumulasi densitas, probabilitas kegagalan akan selalu memiliki nilai antara 0
dan 1. Nilai total perusahaan diperoleh dengan menambahkan Ve dan Vd, yang setelah
menyusun ulang terminologi, adalah:
)6.2()1(
)1()()( )()(0 0
r
FRdfBdfdf
V b
b
+
−+−−=∫ ∫ ∫∞ ∞
τξξξξξξτξξξ.
Struktur modal optimal dan kapasitas hutang diperoleh dengan mendiferensiasikan V
dan Vd dengan mengacu kepada R:
)7.2()1(
)()()1(V
r
RfRBF
R +−−=
∂∂ τ
)8.2()1(
)()()1(
r
RfRBF
R
Vd
+−−=
∂∂ τ
dimana B(R) dan f(R) adalah fungsi biaya kegagalan dan dan probabilitas kegagalan
arus kas, keduanya dievaluasi pada titik struktur modal optimal. Dengan menetapkan
persamaan 2.8 sama dengan nol, memberikan jumlah hutang maksimum kreditur yang
akan dikucurkan, atau kapasitas hutang perusahaan. Persamaan 2.7 ditetapkan sama
dengan nol, memberikan jumlah hutang yang memaksimalkan nilai perusahaan yakni
struktur modal optimal. Hal ini dapat ditunjukkan bahwa untuk arus kas berdistribusi
normal pada kondisi order kedua untuk persamaan 2.7 dan 2.8 terpenuhi. Karena
tingkat pajak perusahaan τ, memiliki nilai antara 0 dan 1, jumlah hutang dalam
struktur modal optimal adalah lebih kecil daripada jumlah hutang yang akan dicairkan
kreditur. Ini berarti persamaan 2.8 tidak membatasi jumlah hutang yang dapat
diterima perusahaan yakni struktur modal optimal tercapai sebelum kapasitas hutang.
Perumusan kembali persamaan 2.7 memberikan persamaan berikut:
)9.2()1(
)()(
)1(
)1(
r
RfRB
r
F
+=
+−τ
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
6
Persamaan sisi kiri merepresentasikan nilai saat ini pada marjin penghematan pajak,
sementara di sisi kanan merepresentasikan nilai saat ini pada marjin biaya kegagalan.
Karenanya struktur modal tercapai saat marjin keuntungan pendanaan hutang sama
dengan biaya marjin. Diskusi yang lebih ekstensif dan kalkulasi detail selanjutnya
dapat dilihat pada Van der Wijst (1989).
2.2 Model Probabilitas Kegagalan
Pada sub-bab ini model struktur modal diformulasi ulang sebagai model
probabilitas kegagalan dan selanjutnya dianalisis. Persamaan 2.9 merepresentaikan
pilihan optimal pada struktur modal sebagai fungsi tingkat pajak, biaya kegagalan dan
distribusi kepemilikan arus kas termasuk probabilitas gagal bayar
)10.2()()(
1τ
RfRBF −=
dimana seluruh variabel telah dijelaskan sebelumnya.
Persamaan 2.10 merefleksikan konsekuensi probabilitas gagal bayar pada
keputusan untuk maksimisasi nilai perusahaan dengan menggunakan struktur modal
sebagai instrumennya. Probabilitas gagal-bayar itu sendiri bukanlah variabel tujuan
(untuk diminimalisir atau dioptimalkan) atau instrumen langsung. Probabilitas gagal-
bayar tentu saja dimanipulasi secara tidak langsung dengan memilih tingkat R. Dalam
persamaan 2.10 probabilitas gagal-bayar tergantung pada tingkat pajak, biaya
kegagalan dan distribusi kepemilikan arus kas.
Untuk menganalisis model, selanjutnya dikalkulasi perbandingan statisnya. Ini
menunjukkan pengaruh pada probabilitas gagal-bayar, F terhadap perubahan dalam
variabel di model. Komparasi statis pada model dideskripsikan dibawah dimana
beberapa kalkulasi yang lebih detail ditambahkan:
a) Probabilitas gagal bayar, F, tergantung pada ukuran hutang dengan cara
berikut:
)11.2(0)('))(()(
2RkalauRB
RRBRf
R
Fx
x
x ≥<
+−
=∂∂ µ
σµ
τ
Karena f(R), tingkat pajak perusahaan, biaya kegagalan, varian arus kas dan derivasi
pertama pada biaya kegagalan semuanya adalah positif, (2.11) akan negatif kalau µx ≥
R. Dan lagi tanda tersebut tergantung pada ukuran relatif variabel lainnya dan tidak
dapat ditentukan secara definitif. Hal ini berarti pengaruh leverage terhadap
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
7
probabilitas gagal-bayar tidak dapat ditentukan secara definitif, dan dalam rentang
yang dapat ditentukan secara definitif pengaruhnya karena keduanya bertentangan
terhadap prediksi kebijaksanaan konvensional
b) Perubahan pada F terkait dengan perubahan dalam tingkat pajak adalah:
)12.2(0)()(
2>=
∂∂
ττRfRBF
Kedua biaya kegagalan, yakni f(R) dan τ, tingkat pajak perusahaan adalah positif. Hal
ini berarti suatu kenaikan dalam tingkat pajak akan meningkatkan probabilitas gagal-
bayar. Hal tersebut membuat pendanaan hutang lebih menarik marjin, akan mengarah
pada semakin besarnya jumlah hutang dalam struktur modal optimal dan probabilitas
gagal-bayar yang semakin tinggi.
c) Derivasi F terkait dengan biaya kegagalan adalah:
)13.2(0)(
)(<=
∂∂
τRf
R
F
karena f(R) dan τ keduanya adalah positif, maka persamaan 2.13 akan menjadi
negatif. Dimana kenaikan dalam biaya kegagalan akan membuat pendanaan hutang
kurang menarik marjin, hal ini akan mengarah pada semakin kecilnya jumlah hutang
dalam struktur modal optimal serta akan mengurangi probabilitas gagal-bayar.
d) Perubahan dalam standar deviasi arus kas akan mempengaruhi probabilitas
gagal bayar sebagai berikut:
)14.2()(1)()(
)(
3
2
−−=
∂∂
=∂∂
x
x
x
x
x
RRBRf
fRB
F
σµ
σττσ
σ
Meski persamaan 2.14 terlihat sedikit kompleks, f(R), B(R), τ dan σx, ketiganya
adalah positif. Jadi persamaan dalam bahagian kudrat akan menentukan tanda pada
persamaan 2.14. dan dibatasi hanya sampai pada:
σ²x – (R- µx)² < 0 kalau R- µx > σx
= 0 kalau R- µx = σx (2.15)
> 0 kalau R- µx < σx
Karenanya komparasi statis pada standar deviasi arus kas tergantung pada; apakah
perbedaan antara ekspektasi earning dan kewajiban hutang lebih besar atau lebih kecil
daripada standar deviasi earning.
e) Perubahan pada ekspektasi arus kas mendatang, µx, pada F adalah:
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
8
0)()()(
)(
2>−=
∂∂
=∂∂
RRBRf
fRB
Fx
x
x
x
µτστ
µµ
kalau µx > R (2.16)
= 0 kalau µx = R
< 0 kalau µx < R
Karena f(R), biaya kegagalan B(R), tingkat pajak dan varian arus kas semuanya
positif, tanda persamaan 2.16 tergantung pada hubungan antara ekspektasi arus kas
dan ukuran hutang. Komprasi statis pada model probabilitas gagal-bayar diringkas
pada tabel 1 dibawah ini.
Tabel 1. Pengaruh Variabel dalam Model Terhadap Probabilitas Gagal-Bayar
Komparasi Statis K∂
∂F Ekspektasi Pengaruh terhadap F
R, Hutang Positif atau tidak ditentukan τ, Tingkat Pajak Positif. B(R ), Biaya Kegagalan Negatif σ, St.Dev Arus Kas Positif atau Negatif µ, Ekspektasi Arus Kas Positif atau Negatif
Aspek yang sangat menarik perhatian pada tabel 1 yakni tidak hanya struktur modal
atau distribusi kepemilikan arus kas (ekspektasi dan varian) memiliki pengaruh secara
langsung terhadap probabilitas gagal-bayar. Kesimpulan yang dapat dikomparasi
tercapai dalam analisis statis komparatif menyangkut model struktur modal optimal
(probabilitas gagal bayar memiliki pengaruh yang ambigu atas struktur modal
optimal, lih. Van der Wijst, 1989). Hal ini menantang kebijaksanaan konvensional
peningkatan probabilitas gagal-bayar, ceteris paribus, dengan varian arus kas dan
leverage dan penurunan dengan ekspektasi arus kas. Karenanya, tidaklah logis
membuat asumsi mengenai R, µx, dan σx yang membawa seluruh komparatif statis
sejalan dengan kebijakan konvensional. Jika leverage dan ekspektasi arus kas
memiliki efek kebijakan-konvensional, maka harus diasumsikan bahwa µx <R, tapi hal
ini akan memberikan varian arus kas pengaruh yang negatif; bertentangan dengan
kebijakan-konvensional. Diperlukan penelitian lebih lanjut untuk menentukan apakah
ambiguitas yang berasal dari akhir distribusi yang ekstrim atau pusat area tersebut.
Saat ini penelitian hanya dapat merumuskan hipotesis untuk tarif pajak dan biaya
kegagalan yang dihipotesakan memiliki respon positif dan efek negatif atas
probabilitas gagal-bayar.
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
9
METODOLOGI PENELITIAN Metode Pengumpulan Data
Populasi dalam penelitian ini adalah seluruh perusahaan yang terdaftar di Bursa Efek
Indonesia. Adapun pengambilan sampel menggunakan metode judgment sampling,
yaitu pemilihan sampel berdasarkan pada kriteria-kriteria tertentu. Kriteria tersebut
adalah merupakan emiten dari jenis industri berikut: a) industri dasar dan kimia; b)
aneka industri; c) industri barang konsumsi; d) industri perdagangan. perusahaan yang
sahamnya selalu terdaftar dan aktif diperdagangkan di Bursa Efek Indonesia (BEI)
minimal sejak tahun 2002 serta selalu menyajikan informasi keuangan selama periode
pengamatan (Siagian, 2000). Jenis data yang digunakan dalam penelitian ini adalah
data sekunder untuk periode tahun 2002-2006, yang diperoleh dari www.jsx.co.id,
Model Empiris dan Variabel Proksi
Dalam melakukan klasifikasi awal pada kategori gagal dan non-gagal, penelitian ini
menggunakan asumsi yang telah banyak digunakan dalam literatur terdahulu prediksi
kegagalan perusahaan. Adapun asumsi tersebut adalah 9 variabel binari; masing-
masing bernilai 1 (non-gagal) kalau persyaratan kondisi terpenuhi, dan 0 (gagal) bila
sebaliknya:
(i) Laba sebelum hak minoritas atas laba bersih anak perusahaan, positif;
(ii) Arus kas operasional, positif;
(iii) Perubahan ROA, positif;
(iv) Arus kas operasional melebihi laba sebelum hak minoritas atas laba bersih
anak perusahaan;
(v) Perubahan leverage (hutang jangka panjang/total aktiva) negatif;
(vi) Perubahan likuiditas, positif;
(vii) Perubahan gross margin ratio (1 – COGS/ penjualan) positif;
(viii) Perubahan dalam turnover, (penjualan / total aktiva) positif;
(ix) Perusahaan memiliki arus kas operasional dari penjualan saham positif.
Banyak variabel dalam model teoritis mengacu pada nilai ekspektasi mendatang yang
tidak dapat diukur secara langsung, karenanya digunakan variabel proksi empiris yang
diambil dari data akuntansi yang tersedia. Variabel proksi yang digunakan dalam
analisis adalah:
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
10
- Hutang: DTA
- Pajak: TAX / EBIT
- Ekspektasi Arus Kas (µx); CF = (net profit + depreciation)/ total assets
- Standar deviasi arus kas (σx):
- Biaya Kegagalan B(x) : diaproksimasi dengan ukuran perusahaan (ln(sales))
Karena variabel tersebut adalah transformasi ini secara langsung dari angka-angka
akuntansi maka tidak memerlukan banyak diskusi mengenainya. Variabel arus kas dan
leverage dimasukkan dalam analisis tanpa hipotesis yang tegas atau eksplisit mengenai
pengaruh mereka. Tarif pajak dihipotesiskan berhubungan positif terhadap probabilitas
gagal-bayar. Biaya kegagalan biasanya diasumsikan berhubungan terbalik terhadap
ukuran perusahaan, yakni biaya kegagalan sebagai bagian dari nilai perusahaan yang
mengurangi ukuran perusahaan. Di dalam model penelitian ini, biaya kegagalan
berpengaruh negatif terhadap probabilitas gagal-bayar, karenanya hal ini mengarahkan
pada hipotesis bahawa ukuran perusahaan berhubungan positif terhadap probabilitas
gagal-bayar.
Teknik Analisis dan Model Analisis
Variabel dependen yang digunakan dalam penelitian ini adalah kondisi kegagalan
perusahaan yang merupakan variabel kategori; 0 untuk perusahaan syang mengalami
kegagalan dan 1 untuk perusahaan non-gagal. Variabel independen yang digunakan
dalam penelitian ini adalah rasio keuangan dari hutang, pajak, ekspektasi arus kas,
standar deviasi arus kas, dan biaya kegagalan
Pengujian Hipotesis
Dalam penelitian untuk melihat apakah variabel bebas X berpengaruh
terhadap variabel tidak bebas Y yang berbentuk kategori, model logistik yang
digunakan adalah:
)(1
1)(),,,1( 21 iXie
XPXXXYP k βα Σ+−+=== K
atau
logit P(X) = α+ΣβiXi
dimana Y = 1 jika kejadian yang diamati sebagai variabel tidak bebas dan variabel Xi
sebagai variabel bebas.
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
11
Uji Simultan Model Regresi Logistik
Untuk uji keberartian/kecocokan model digunakan uji statistik Hosmer dan
Lemeshow dengan hipotesis:
Ho = Tidak ada perbedaan nyata antara klasifikasi prediksi dan klasifikasi observasi.
Ha = Terdapat perbedaan nyata antara klasifikasi prediksi dan klasifikasi observasi.
dengan kriteria tolak Ho untuk α yang ditetapkan jika 05.01,2. αχ α <−− knsig
dengan kriteria uji : Uji Parsial
Ho = Koefisien regresi tidak signifikan
Ha = Koefisien regresi signifikan.
dengan kriteria tolak Ho untuk α yang ditetapkan jika 05.01,2. αχ α <−− knsig
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
12
PEMBAHASAN
Tabel 2. Hasil Uji Signifikansi Simultan
Sampel Keseluruhan Aneka Industri
Industri Dasar & Kimia
Industri Barang
Konsumsi
Industri Perdagangan
Model 1 0.000 0.005 0.638 0.337 0.000 Model 2 0.363 0.274 0.708 0.745 0.856 Model 3 0.866 0.978 0.582 0.496 0.634 Model 4 0.296 0.118 0.038 0.201 0.142 Model 5 0.500 0.021 0.083 0.885 0.240 Model 6 0.283 0.554 0.703 0.726 0.170 Model 7 0.347 0.154 0.550 0.389 0.414 Model 8 0.197 0.291 0.217 0.261 0.650 Model 9 0.558 0.389 0.466 0.089 0.286
Pembahasan detail akan dilakukan berdasarkan hasil uji signifikansi simultan
model dalam mendikriminasi sampel. Berdasarkan sampel data agregat, hanya dua
model yang terbukti signifikan perihal penggunaan konsep struktur modal terhadap
prediksi kegagalan perusahaan; model 1 (sig.H&L= 0.000) dan model 8 (sig.H&L=
0.044). Sementara untuk sampel aneka industri; model 1 (sig.H&L= 0.005) dan model
5 (sig.H&L= 0.021). Pada industri dasar dan kimia hanya model 4 (sig.H&L= 0.038)
yang signifikan, begitu juga dengan industri perdagangan, hanya model 1 (sig.H&L=
0.000) yang terbukti signifikan. Sementara untuk industri barang konsumsi tidak
satupun model yang ada memiliki pengaruh signifikan, ini dapat berarti konsep
struktur modal tidak berpengaruh signifikan dalam mengidentifikasi kegagalan
perusahaan.
Tabel 3. Koefisien Nagelkerke
Sampel Keseluruhan Industri
Aneka Industri
Industri Dasar
& Kimia
Industri Barang
Konsumsi
Industri Perdagangan
Model 1 32.85% 66.07% 73.53% 41.00% 64.15% Model 2 8.80% 27.88% 4.84% 34.48% 13.58% Model 3 1.34% 10.67% 3.07% 10.05% 1.59% Model 4 3.73% 9.70% 17.53% 1.36% 11.78% Model 5 4.91% 11.15% 10.53% 7.26% 4.50% Model 6 8.78% 21.08% 9.34% 15.85% 8.72% Model 7 4.69% 11.94% 7.44% 12.43% 3.14% Model 8 2.28% 26.23% 6.73% 7.68% 2.31% Model 9 6.59% 23.00% 1.21% 13.33% 6.38%
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
13
Berdasarkan nilai koefisien Nagelkerke dapat diketahui kemampuan konsep
struktur modal menjelaskan variasi model yang terbentuk. Berdasarkan tabel dapat
diketahui bahwa model 1 memiliki nilai tertinggi baik secara klasifikasi industri atau
diantara model yang ada. Secara data agregat, rentang nilai nagelkerke berkisar
1,34%-32,85%. Pada aneka industri rentang nilai ini 9,7%-66,07%. Di industri dasar
dan kimia nilai koefisien berkisar antara 1,21%-73,53%, untuk industri barang
konsumsi 1,36%-41%. Terakhir pada industri perdagangan, rentang nilai Nagelkerke
berkisar antara 1,59%-64,15%.
Tabel 4. Daya Klasifikasi Model (%)
Sampel Keseluruhan Aneka Industri
Industri Dasar
& Kimia
Industri Barang
Konsumsi
Industri Perdagangan
Model 1 82.37 87.50 88.13 84.82 92.22 Model 2 72.12 74.04 72.50 83.93 70.56 Model 3 67.81 75.96 64.38 69.64 66.67 Model 4 64.75 70.19 68.13 58.93 66.67 Model 5 72.30 82.69 71.25 81.25 62.22 Model 6 58.09 69.23 60.63 61.61 58.89 Model 7 59.71 71.15 65.00 62.50 56.11 Model 8 62.59 75.96 65.63 63.39 57.78 Model 9 65.29 69.23 66.88 58.93 64.44
Tabel 4 berisikan data daya klasifikasi model yang terbentuk. Daya klasifikasi
ini adalah kemampuan model dalam mengklasifikasi secara benar sampel penelitian
yang digunakan. Dilihat baik secara pendekatan industri atau jumlah model yang ada,
dapat diketahui bahwa model 1 superior pada keduanya. Hal ini berarti penggunaan
kriteria laba sebelum hak minoritas atas laba bersih anak perusahaan sebagai
klasifikasi awal kegagalan perusahaan dengan konsep struktur modal memiliki reliabilitas
yang cukup memadai secara statistik. Namun bila dilihat berdasarkan pendekatan industri,
nilai maksimal daya klasifikasi seluruh model yang terbentuk terdapat pada aneka industri
(meski signifikansi simultan hanya model 1 dan model 5).
Hasil Uji Parsial
Pembahasan hasil uji parsial dilakukan mengacu pada model yang signifikan secara
simultan, yakni: pada keseluruhan industri (model 1); aneka industri (model 1 dan
model 5); industri dasar dan kimia (model 4) dan; industri perdagangan (model 1).
a) Industri secara Keseluruhan (lih. tabel 5)
b)
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
14
Model 1
Nilai Nagelkerke untuk model 1 ini sebesar 0,3285 yang berarti variabilitas
variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar
32,85%. Secara keseluruhan model ini memiliki daya klasifikasi sebesar 82,37%.
Berdasarkan nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan laba
sebelum hak minoritas atas laba bersih anak perusahaan yang digunakan belum cukup
memadai dalam menjelaskan variasi kegagalan perusahaan yang akan terjadi, meski
model yang terbentuk memiliki daya klasifikasi yang tinggi bila dikaitkan dengan
struktur modal emiten. Secara parsial, kecuali penyimpangan arus kas dan pajak
variabel lainnya berpengaruh signifikan terhadap probabilitas kegagalan perusahaan.
Tapi dalam hal ini hasil empiris menunjukkan bahwa biaya kegagalan (Bx) ternyata
berpengaruh signifikan positif terhadap probabilitas kegagalan perusahaan. Dengan
kata lain, semakin tinggi prediksi biaya kegagalan yang dihasilkan, ceteris paribus
mengindikasikan probabilitas kegagalan yang juga tinggi. Sementara leverage
berpengaruh signifikan negatif terhadap probabilitas kegagalan. Dengan kata lain,
semakin tinggi leverage yang dimiliki emiten, ceteris paribus justru semakin rendah
probabilitas kegagalannya. Berdasarkan pendekatan laba sebelum hak minoritas atas
laba bersih anak perusahaan daya klasifikasi model yang terbentuk
mengklasifikasikan secara benar emiten gagal sebesar 54,2% dan perusahaan non-
gagal sebesar 95,76% .
c) Aneka Industri (lih. Tabel 6)
Model 1.
Nilai Nagelkerke untuk model 1 ini sebesar 0,6606 yang berarti variabilitas
variabel dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar
66,06%. Secara keseluruhan model ini memiliki daya klasifikasi sebesar 87,5%.
Berdasarkan nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan laba
sebelum hak minoritas atas laba bersih anak perusahaan yang digunakan sebagai
diskriminator awal belum cukup memadai dalam menghasilkan kemampuan
menjelaskan variasi kegagalan perusahaan yang akan terjadi pada emiten aneka
industri, meski model prediksi yang terbentuk memiliki daya klasifikasi yang tinggi.
Secara parsial, hanya arus kas operasional yang berpengaruh signifikan terhadap
probabilitas kegagalan perusahaan. Berdasarkan pendekatan laba sebelum hak
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
15
minoritas atas laba bersih anak perusahaan daya klasifikasi model yang terbentuk
mengklasifikasikan secara benar emiten gagal sebesar 87,23% dan perusahaan non-
gagal sebesar 87,22%.
Model 5.
Nilai Nagelkerke untuk model 5 sebesar 0,1115 yang berarti variabilitas variabel
dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 11,15%.
Secara keseluruhan model ini memiliki daya klasifikasi sebesar 82,69%. Berdasarkan
nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan laba sebelum hak minoritas
atas laba bersih anak perusahaan yang digunakan sebagai diskriminator awal yang
digunakan belum cukup memadai dalam menghasilkan kemampuan menjelaskan variasi
kegagalan perusahaan yang akan terjadi pada emiten aneka industri, meski model yang
terbentuk memiliki daya klasifikasi yang tinggi. Secara parsial, hanya biaya kegagalan
(Bx) yang berpengaruh signifikan negatif terhadap probabilitas kegagalan perusahaan.
Dengan menggunakan pendekatan perubahan leverage sebagai indikasi kegagalan
perusahaan, semakin tinggi prediksi biaya kegagalan yang dihasilkan, ceteris paribus
justru menekan probabilitas kegagalan perusahaan. Berdasarkan pendekatan perubahan
leverage, daya klasifikasi model yang terbentuk mengklasifikasikan secara benar emiten
gagal sebesar 5,26% dan perusahaan non-gagal sebesar 100% atau secara agregat
memiliki daya klasifikasi sebesar 82,69%.
d) Industri Dasar dan Kimia (lih. Tabel 7) Model 4.
Nilai Nagelkerke untuk model 4 sebesar 0,1753 berarti variabilitas variabel
dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 17,53%.
Secara keseluruhan model ini memiliki daya klasifikasi sebesar 68,13%. Berdasarkan
nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan komparasi arus kas
operasional terhadap laba sebelum hak minoritas atas laba bersih anak perusahaan yang
digunakan belum cukup memadai dalam menghasilkan kemampuan menjelaskan variasi
kegagalan perusahaan yang akan terjadi pada emiten industri dasar dan kimia. Secara
parsial, hanya arus kas operasional yang berpengaruh signifikan terhadap probabilitas
kegagalan perusahaan. Berdasarkan pendekatan komparasi arus kas operasional terhadap
laba sebelum hak minoritas atas laba bersih anak perusahaan daya klasifikasi model yang
terbentuk mengklasifikasikan secara benar emiten gagal sebesar 25% dan perusahaan
non-gagal sebesar 88,89%.
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
16
e) Industri Perdagangan (lih. Tabel 8)
Model 1.
Nilai Nagelkerke untuk model 1 sebesar 0,6415 berarti variabilitas variabel
dependen yang dapat dijelaskan oleh variabilitas variabel independen sebesar 64,15%.
Secara keseluruhan model ini memiliki daya klasifikasi sebesar 64,15%. Berdasarkan
nilai Nagelkarke tersebut dapat dikatakan bahwa penggunaan indikator laba sebelum hak
minoritas atas laba bersih anak perusahaan sebagai diskriminator awal cukup memadai
dalam menghasilkan kemampuan menjelaskan variasi kegagalan perusahaan yang akan
terjadi pada emiten industri perdagangan, hal ini juga ditunjukkan oleh tingginya daya
kalsifikasi model. Secara parsial, hanya arus kas operasional yang berpengaruh signifikan
terhadap probabilitas kegagalan perusahaan. Berdasarkan pendekatan laba sebelum hak
minoritas atas laba bersih anak perusahaan daya klasifikasi model yang terbentuk
mengklasifikasikan secara benar emiten gagal sebesar 76,47% dan perusahaan non-gagal
sebesar 98,45%.
KESIMPULAN DAN SARAN
Berdasarkan sembilan pendekatan yang digunakan sebagai model klasifikasi
awal, kriteria laba sebelum hak minoritas atas laba bersih anak perusahaan terbukti
superior dalam mengidentifikasi probabilitas kegagalan emiten dihubungkan dengan
struktur modalnya. Dari perhitungan empiris, secara parsial variabel arus kas memang
terbukti memiliki pengaruh yang fleksibel (negatif dan positif). Demikian juga halnya
dengan variabel struktur modal yang lain juga tidak memiliki pengaruh absolut tertentu
terhadap probabilitas kegagalan. Implementasi konsep terhadap data beberapa industri
bertujuan menunjukkan adanya variasi pada struktur modal emiten yang secara tidak
langsung mencirikan karakteristik industri itu sendiri. Hal inilah yang menjadi
kemungkinan timbulnya tanda positif dan negatif pada tiap koefisien variabel struktur
modal.
Walau secara empiris terkesan kontradiksi dengan semangat teori struktur modal,
bukan berarti teori tersebut tidak berlaku di Indonesia karena hasil perhitungan statistik
banyak menggunakan simplifikasi fakta yang ada, disisi lain konsep teoritis penelitian
juga masih belum memadai dalam penggunaan asumsi-asumsinya. Maka untuk penelitian
selanjutnya dapat dikembangkan konsep teoritis struktur modal perusahaan pada proksi
lainnya yang relevan sebagai prediktor kegagalan perusahaan, misalnya: proksi distribusi
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
17
informasi yang diasumsikan seluruh pelaku pasar sama seperti apa yang dimiliki internal
emiten, seberapa besar asimetris informasi yang terjadi, aksi korporat yang dilakukan
dalam mengkomunikasikan kualitas dan nilai perusahaan, dan lain-lain.
Tabel 5. Uji Parsial Industri Agregat - Model 1 Variabel Independen B Sig.
DTA -2.00403 0.000 TxEBIT 0.010984 0.508 CF 6.309301 0.000 STDEV_CF 1.6E-06 0.311 Bx 0.378749 0.000 Constant -3.59989 0.001 Sig. Hosmer & Lemeshow Test 0.000 Nagelkerke 0.328491
Daya Klasifikasi Σ Observasi %
Gagal 97 54.19 Non-Gagal 361 95.76 Total 458 82.37
Tabel 6. Uji Parsial Model Aneka Industri Model 1 Model 5
Variabel Independen B Sig. Variabel
Independen B Sig.
DTA -2.31 0.168 DTA -1.61 0.208 TxEBIT 0.44 0.428 TxEBIT -0.45 0.044 CF 32.08 0.000 CF 0.78 0.814 STDEV_CF 0.00 0.115 STDEV_CF 0.00 0.476 Bx 0.07 0.835 Bx -0.22 0.420 Constant -1.13 0.802 Constant 5.17 0.143 Sig. Hosmer & Lemeshow Test 0.005 Sig. Hosmer & Lemeshow Test 0.021 Nagelkerke 0.6606 Nagelkerke 0.1115302
Daya Klasifikasi Σ Observasi % Daya Klasifikasi Σ
Observasi %
Gagal 41 87.23 Gagal 1 5.26 Non-Gagal 50 87.72 Non-Gagal 85 100.00 Total 91 87.50 Total 86 82.69
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
18
Tabel 7. Uji Parsial Industri Dasar dan Kimia
Model 4 Variabel
Independen B Sig.
DTA 0.48 0.445 TxEBIT 0.02 0.863 CF -6.96 0.005 STDEV_CF -0.00001 0.110 Bx 0.16 0.433 Constant -0.98 0.712 Sig. Hosmer & Lemeshow Test 0.038 Nagelkerke 0.17533
Daya Klasifikasi Σ Observasi %
Gagal 13 25.00 Non-Gagal 96 88.89 Total 109 68.13
Tabel 8. Uji Parsial Industri Perdagangan
Model 1. Variabel
Independen B Sig.
DTA 0.27 0.745 TxEBIT 0.01 0.450 CF 35.07 0.000 STDEV_CF 0.00 0.639 Bx 0.27 0.085 Constant -3.30 0.092 Sig. Hosmer & Lemeshow Test 0.000 Nagelkerke 0.6415
Daya Klasifikasi
Σ Observasi %
Gagal 39 76.47 Non-Gagal 12 98.45 Total 51 92.22
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
19
TAMBAHAN. Perhitungan Detail Bab II
Pada bab II nilai total perusahaan V, dihitung sebagai jumlah Vd dan Ve. Perhitungan
yang mengacu pada persamaan 2.6 adalah sebagai berikut:
V = Ve + Vd (A.1)
Karena
)2.()1(
)()()1(
)()3.2( Ar
dfR
YeEVe b
+
−−==
∫∞
ξξξτ
)3.()1(
)1()())((
)5.2( Ar
FRdfB
Vd b
+
−+−=∫∞
ξξξξ
V menjadi
)4.()1(
)1()())((
)1(
)()()1(
Ar
FRdfB
r
dfR
V bb
+
−+−+
+
−−=
∫∫∞∞
ξξξξξξξτ
)5.()1(
)1()())(()()()1(0 A
r
FRdfBdfRb
b
+
−+−+−−=
∫∫∞
ξξξξξξξτ
)6.()1(
)1()())(()()()()(0 A
r
FRdfBdfRdfRb
b
b
+
−+−+−+−−=
∫ ∫∫∞∞
ξξξξξξξτξξξ
)7.()1(
)1()()()()()()())()(00 A
r
FRdfBdfdfRdfdfRdfb b
bb
b b
+
−++++−−=
∫ ∫ ∫∫∫ ∫∞ ∞∞ ∞
ξξξξξξξξτξξξτξξξξξ
)8.()1(
)1()()()()1()()1()(0 0 A
r
FRdfBdfFRdfFRdfb b
b b
+
−+++−+−−−=
∫ ∫∫ ∫∞ ∞
ξξξξξξτξξξτξξξ
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
20
Sejak pendefinisian ∫∞−
=b
dfF .)( ξξ
)10.()1(
)1()1()1()()()()()(00 A
r
FRFRFRdfBdfdfdfb
bb
b
+
−−−+−++++=
∫ ∫∫ ∫∞∞
τξξξξξξτξξξξξξ
)11.()1(
)1()()()()(0 Ar
FRdfBdfdfb
b b
+
−+−−=
∫∫ ∫∞ ∞
τξξξξξξτξξξ
dimana serupa dengan persamaan 2.6.
Pada perhitungan komparatif statis dibawah ini, sering digunakan derivasi distribusi
normal;
)12.(2
1)(
22
)(2
1
Aexfxx
x
xµ
σ
πσ
−−
=
Derivatif f terhadap x, adalah:
)13.()()(
))(22
1(*
2
1)(22
2
)(
2
2
Axxf
xex
xfx
x
x
x
x
x
x
x
−=−−=∂
∂−
−
µσ
µσπσ
σ
µ
Derivatif f terhadap x, saat x = R adalah
)14.()()()(
2AR
Rf
R
xfx
x
−=∂
∂ µσ
Derivatif f terhadap µx
)15.()()(
))(2*)1(*2
1(*
2
1)(22
2
)(
2
2
Axxf
xexf
x
x
x
x
x
xx
x
x
−=−−−=∂
∂−
−
µσ
µσπσµ
σ
µ
Kemudian derivatif f terhadap µx, saat x=R adalah
)16.()()()(
2AR
RfRfx
xx
−−=∂
∂ µσµ
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
21
Derivatif f terhadap σx adalah
)17.(2
*2
)(*)1(*
2
1
2
1)(3
22
)(
2
)(
2
2
2
2
Ax
eexf
x
x
x
x
x
xx
x
x
x
x
σµ
πσπσσσ
µ
σ
µ−−−
+−=∂∂
−−
−−
−
−=
xx
x Rxf
σσµ 1)(
)(3
Kemudian derivatif f terhadap σx, saat x=R adalah:
)18.(1)(
)()(
3
2
3A
RRf
Rf
x
x
xx
−
−=∂
σσµ
σ
Fungsi probabilitas gagal bayar adalah:
)19.()()(
1:10.2 ARfRB
Fτ
−=
Derivatif F terhadap R dengan menggunakan persamaan A.3 adalah:
)20.())()('))((
)((1
))()()(
)((1
:11.2
2ARfRB
RRfRB
RfR
RB
R
RfRB
R
F
x +−∂
−=
∂∂+
∂∂−=
∂∂
σµ
τ
τ
Derivatif F terhadap τ:
)21.()()(1*)()(
0:12.222
ARfRBRfRBF
τττ=−−=
∂∂
Derivatif F terhadap B:
)22.()(
)(:13.2 A
Rf
RB
F
τ−=
∂∂
Derivatif F terhadap σx dengan menggunakan hasil dari A.18
)23.()(1)()(
)(
:14.23
2
ARRBRf
FRB
F
x
x
x
x
x
−−
∂=
∂∂
−=∂∂
σµ
σττσ
σ
Derivatif F terhadap µx dengan menggunakan hasil A.16:
)24.()()()(
)(
:15.22
ARRBRf
fRB
Fx
x
x
x
−=∂∂
−=∂∂ µ
τστµ
µ
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
22
REFERENSI Altman, Edward I. 1968. "Financial Ratios, Discriminant Analysis and the Prediction
of Corporate Bankruptcy." Journal of Finance 23 (4): 589-609.
Altman, Edward I., R. Haldeman dan P. Narayaman. 1977. "ZETA analysis: A New Model to Identify Bankruptcy Risk of Corporations." Journal of Banking and Finance June: 29-54.
Altman, Edward I. 1984b. "The Success of Business Failure Prediction Models." Journal of Banking and Finance 8: 171-198.
Aziz, A, dan G.H. Lawson, 1989, Cash Flow Reporting and Financial Distress Models: Testing of Hypotheses, Financial Management, Vol. 18. no. 1, 55-63
Baxter, N. D. 1967. "Leverage, the Risk of Ruin and the Cost of Capital." Journal of Finance 22 (3): 395-403.
Beaver, W. 1966. "Financial Ratios as Predictors of Failure." Journal of Accounting Research 5: 71-111.
Beaver, W. 1968. "Market Prices, Financial Ratios and Prediction of Failure." Journal of Accounting Research 6 (2), 179-192
Deakin, Edward B. 1972. "A Discriminant Analysis of Predictors of Business Failure." Journal of Accounting Research 10 (1): 167-179.
Dimitras, A. I., S. H. Zanakis dan C. Zopounidis. 1996. "A Survey of business Failures with an Emphasis on Prediction Methods and Industrial Applications." European Journal of Operational Research 90: 487-513.
Dimitras, A.I., Slowinski, R., Susmaga, R., Zopounidis, C., 1999. Business failure prediction using rough sets. European Journal of Operational Research, 114, pp.263-280
Eisenbeis, R.A., 1977, Pitfalls in the application of discriminant analysis in business, finance and economics, Journal of Finance, Vol. 22 no. 3, 875-900
Frydman, Halina, Edward I. Altman and Duen-Li Kao. 1985. “Introducing Recursive Partitioning for Financial Classification: The Case of Financial Distress.” Journal of Finance 40 (1): 269-291
Gordon, M.J., 1971, “Towards a Theory of Financial Distress”, Journal of Finance, Vol. 26 issue 2,347-356
Greene, H.W., 1993, Econometric Analysis, Prentice-Hall, Englewood Cliffs NY.
Gregory, A., B. Russell dan G.V. Henderson. 1991. “A Brief Review of Catastrophe Theory and a Test in Corporate Failure Context.” Financial Review 26 (2): 127-155.
Johnsen, Thomajean dan Ronald W. Melicher. 1994. “Predicting Corporate Bankruptcy and Financial Distress: Information Value Added by Multinomial Logit Models.” Journal of Economics & Business 46: 269-286.
Jones, Frederick L. 1987. “Current Techniques in Bankruptcy Prediction.” Journal of Accounting Literature 6: 131-164.
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
23
Karels, G.V. dan A.J.Prakash. 1987. “Multivariate Normality and Forecasting of Corporate Bankruptcy.” Journal of Business Finance and Accounting, Vol. 14 no. 4, 573-592.
Kim, E.H., 1978, A mean-variance theory of optimal capital structure and corporate debt capacity, Journal of Finance, Vol. 23 no. 1, 45-63
Kinnear, Paul R. and Colin D. Gray. 2001. SPSS for Windows made simple, release 10. Hove, East Sussex: Psychology Press Ltd.
Kraus, Alan danRobert H. Litzenberger. 1973. "State Preference Model of Optimal Financial Leverage." Journal of Finance 28 (4): 911-922.
Lennox, C., 1999, Identifying failing companies: A re-evaluation of the logit, probit and DA approaches, Journal of Economics and Business, Vol. 51 issue 4, 347 364.
Mar Molinero, M. dan M. Ezzamel. 1991. “Multidimensional Scaling Applied to Corporate Failure.” Omega International Journal of Management Science 19 (4): 259-274.
Martin, D., 1977, “Early warnings of bank failure: A logit regression approach”, Journal of Banking and Finance, 1, 249-276.
Merton, R., 1974, “On the Pricing of Corporate Debt: The Risk Structure of Interest Rates”, The Journal of Finance, Vol. 29 issue 2, 449-470
Modigliani, Franco dan Merton H. Miller. 1958. "The Cost of Capital, Corporation Finance and the Theory of Investment." The American Economic Review 48 (3): 261-297.
Modigliani, Franco dan Merton H. Miller. 1963. "Corporate Income Taxes and the Cost of Capital: A Correction." The American Economic Review 53 (3): 433-443.
Ohlson, James A. 1980. "Financial ratios and Probabilistic Prediction of Bankruptcy." Journal of Accounting Research 18 (1): 109-131.
Scott, J.H., 1976. "A Theory of Optimal Capital Structure" Bell Journal of Economics, Vol. 7 issue 1, 33-54
Scott, James H. Jr. 1977. "Bankruptcy, Secured Debt, and Optimal Capital Structure." Journal of Finance 32 (1): 1-19.
Scott, J., 1981. "The Probability of Bankruptcy, A Comparison of Empirical Predictions and Theoretical Models." Journal of Banking and Finance, Vol. 5, 317-344
Silberberg, E., 1981, The structure of economics: a mathematical analysis, (McGraw-Hill, NewYork).
SPSS Inc./Marija J. Norusis. 2008. SPSS Regression models 14.0. Chicago: SPSS Inc.
Tam, K.Y. and M.Y. Kiang. 1992. “Managerial Applications of Neural Networks: the Case of Bank-failure Predictions.” Management Science 38 (7): 926-947.
Vinso, J.D., 1979, “A Determination of the Risk of Ruin”, Journal of Financial and Quantitative Analysis, Vol. 14 issue 1, 77-100
Journal of Economics and Business
Vol. 5, No. 3, November 2011 (209-220) ISSN: 1978 – 3116
24
Westgaard, Sjur dan Nico van der Wijst. 2001. "Default Probabilities in a Corporate Bank Portfolio: A Logistic Model Approach." European Journal of Operational Research, Vol. 135 no. 2: 338-349.
Wiginton, J.C., 1980, A note on the comparison of logit and discriminant models of consumer credit behavior, Journal of Financial and Quantitative Analysis, Vol. 15 no. 3, 757-770.
Wijst, D van der. 1989. Financial Structure in Small Business: Theory, Tests and Applications. Berlin Heidelberg: Springer-Verlag.
Zavgren, Christine V. 1983. “The Prediction of Corporate Failure: The State of the Art.” Journal of Accounting Literature 2: 1-38.
Zmijewski, M. E. 1984. “Methodological Issues Related to the Estimation of Financial Distress Prediction Models.” Journal of Accounting Research 20 (0): 59-82.
Zopounidis, C., Doumpos, M., 1999. A Multicriteria Aid Methodology for Sorting Decision Problems: The Case of Financial Distress, Computational Economics, 14, pp. 197-218.