BAB IV METODE PENELITIAN

BAB IV METODE PENELITIAN 4.1. Jenis/Desain Penelitian Untuk mempermudah langkah-langkah dalam melakukan penelitian, peneliti hendaknya merancang sebuah metode penelitian. Menurut Suryana (2010 : 16), metode penelitian atau metode ilmiah adalah prosedur atau langkah-langkah dalam mendapatkan pengetahuan ilmiah atau ilmu. Dengan kata lain, metode penelitian adalah cara sistematis untuk menyusun ilmu pengetahuan. Mengacu pada bentuk penelitian, tujuan, sifat masalah dan pendekatannya, ada empat macam metode penelitian, yaitu metode eksperimen, metode verifikatif, metode deskriptif, dan metode historis. Dalam penelitan kali ini, penulis menggunakan metode deskriptif dan verifikatif. Metode deskriptif adalah metode yang digunakan untuk mencari unsur, ciri, dan sifat suatu fenomena. sedangkan metode verifikatif digunakan untuk menguji seberapa jauh tujuan yang sudah ditetapkan sebelumnya tercapai atau sesuai dengan teori-teori yang sudah ada (Suryana, 2010 : 16). Implementasi jenis penelitian deskriptif verifikatif dalam penelitian ini adalah untuk menggambarkan bagaimana analisis perbandingan prediksi financial distress dengan menggunakan metode multiple discriminant (Altman), metode logit (Ohlson), dan metode probit (Zmijewski). Analisis menggunakan hitungan statistik untuk menguji keberlakuan suatu hipotesis dengan bantuan program komputer Statistical Program for Social Science (SPSS) versi 23. 48

49 4.2. Variabel Penelitian 4.2.1. Definisi Konsep Penelitian ini membandingkan tiga metode kebangkrutan yakni model Altman Z Score, model Ohslon Y Score, dan model Zmijewski X Score. Masingmasing model memiliki berbagai variabel yang digunakan untuk mengukur prediksi financial distress perusahaan manufaktur Jepang. Financial distress adalah suatu kondisi dimana perusahaan mengalami kesulitan keuangan, yang jika kondisi tersebut tidak dapat diatasi, maka perusahaan akan mengalami kebangkrutan. Dengan kata lain, financial distress adalah satu tahapan perusahaan yang mengalami kesulitan keuangan sebelum terjadinya kebangkrutan. 4.2.2. Definisi Operasional Pada dasarnya, variabel pertama dalam penelitian ini difokuskan pada analisis financial distress dengan menggunakan metode multipel diskriminan model Altman Z Score, variabel kedua yang digunakan ini difokuskan pada analisis financial distress dengan menggunakan model Ohlson Y Score, sedangkan variabel ketiga menggunakan prediksi financial distress model Zmijewski X Score. Untuk lebih jelasnya mengenai operasionalisasi variabel penelitian diuraikan sebagai berikut. 4.2.2.1. Model Altman Z Score Model Altman Z Score mempunyai formula sebagai berikut Z = 1.2X1 + 1.4X2 + 3.3X3 + 0.6X4 + 0.999X5

50 Dimana X1 = working capital/total assets X2 = retained earning/total assets X3 = EBIT/total assets X4 = Market value of equity/total liabilities X5 = Sales/total assets Altman menggunakan nilai cut off 2.675 dan 1.81. Artinya jika nilai Z yang diperoleh lebih dari 2.675, perusahaan diprediksi tidak mengalami kebangkrutan di masa depan. Perusahaan yang nilai Z-nya berada di antara 1,81 dan 2,675 berarti perusahaan itu berada dalam grey area, yaitu perusahaan mengalami financial distress dalam keuangannya. Sedangkan perusahaan dengan nilai Z berada di bawah 1,81, artinya perusahaan itu diprediksi mengalami kebangkrutan. 4.2.2.2. Model Ohlson Y Score Model Ohlson Y Score, mempunyai formula sebagai berikut Y = -1.3 -.4 X1 + 6.0 X2-1.4 X3 +.1 X4-2.4 X5-1.8 X6 +.3X7-1.7X8 -.5X9 Dimana X1 = log (total assets/gnp price-level index) X2 = total liabilities/total assets X3 = working capital/ total assets X4 = current liabilities/current assets X5 = one if total liabilities exceed total assets, zero otherwise X6 = net income/ total assets

51 X7 = cash flow of operations/total liabilities; X8 = one if net income was negative for the last two years, zero otherwise X9 = measure of change in net income (NIt NIt-1) / (NIt + NIt-1) Ohlson menyatakan bahwa model ini memiliki cut off point optimal pada nilai 0.38. Maksud dari cut off ini adalah bahwa perusahaan yang memiliki nilai Y- Score lebih dari 0.38 berarti perusahaan tersebut diprediksi mengalami financial distress. Sebaliknya, jika nilai Y-Score perusahaan kurang dari 0.38, maka perusahaan diprediksi tidak mengalami financial distress. 4.2.2.3. Model Zmijewski X Score Model Zmijewski X Score mempunyai formula sebagai berikut. X = -4.3-4.5X1 + 5.7X2-0.004X3 Dimana, X1 = return on asset X2 = debt ratio X3 = current ratio Dari hasil perhitungan model Zmijewski, diperoleh nilai X-Score yang dibagi dalam dua golongan. Jika X-score bernilai negatif (X-Score < 0), maka perusahaan tersebut digolongkan dalam kondisi yang sehat. Sebaliknya, jika X- score bernilai positif (X-Score 0) maka perusahaan tersebut dapat digolongkan dalam kondisi yang tidak sehat atau cenderung mengarah ke financial distress.

52 Berdasarkan penelitian yang dilakukan oleh Fitriyah (2013 : 765-768) dan Saidah (2014 : 51-54) berikut akan diuraikan cara pengukuran seluruh variabel analisis rasio keuangan yang terdapat dalam ketiga model penelitian di atas. 1. WC/TA (Working Capital//Total Assets) WC/TA merupakan variabel yang menunjukkan perbandingan modal kerja dengan total aktiva. Variabel ini akan semakin baik apabila semakin besar, karena modal kerja merupakan ukuran keamanan dari kepentingan kreditur jangka pendek dan juga sebagai dana yang tersedia untuk diinvestasikan. Variabel ini terdapat dalam perhitungan model Altman Z Score dan Ohlson Y Score. Variabel WC/TA dihitung dengan rumus WC/TA = Working Capital/Total Assets = (Current Assets - Current Liabilities)/Total Assets 2. RE/TA (Retained Earning/Total Assets) Variabel ini mengukur profitabilitas perusahaan secara kumulatif selama perusahaan berdiri. Variabel ini menunjukkan kemampuan perusahaan dalam menghasilkan laba ditahan dari total aset perusahaan. Laba ditahan menunjukkan berapa banyak pendapatan perusahaan yang tidak dibagikan dalam bentuk deviden kepada pemegang saham, dan ditahan untuk diinvestasikan kembali. Dengan demikian, laba ditahan bukan merupakan kas dan tidak dipergunakan untuk pembayaran deviden atau yang lain. Variabel ini hanya ada dalam pengukuran model Altman Z Score. Variabel RE/TA diukur dengan rumus RE/TA = Retained Earning/Total Assets

53 3. EBIT/TA (Earning Before Interest and Tax/ /Total Assets) Variabel EBIT/TA ini digunakan untuk mengukur kemampuan atau produktivitas aset dalam menghasilkan laba. Semakin rendah nilai variabel EBIT/TA menunjukkan rendahnya produktivitas aktiva dalam menghasilkan laba. Jika variabel ini bernilai negatif maka kemungkinan terjadinya financial distress akan semakin besar, begitu pula sebaliknya. Variabel ini hanya terdapat dalam perhitungan model Altman Z Score. Variabel EBIT/TA dihitung dengan rumus EBIT/TA = Earning Before Interest and Tax/ /Total Assets 4. MVE/TL (Market Value of Equity/Total Liabilities) Variabel ini menunjukkan kemampuan perusahaan untuk memenuhi kewajiban-kewajiban dari nilai ekuitas. Nilai buku hutang diperoleh dengan menjumlahkan kewajiban lancar ditambah kewajiban jangka panjang. Variabel ini digunakan hanya dalam pengukuran model Altman Z Score. Variabel MVE/TL diukur dengan rumus MVE/TL = Market Value of Equity/Total Liabilities = (Shares Outstanding x Stockprice) /Total Liabilities 5. S/TA (Sales/Total Assets) Variabel ini menunjukkan efisiensi manajemen dalam menggunakan keseluruhan aktiva perusahaan untuk menghasilkan penjualan dan mendapatkan laba. Variabel ini hanya digunakan dalam pengukuran model Altman Z Score. Variabel S/TA diukur dengan rumus S/TA = Sales/Total Assets

54 6. LOG(TA/GNP) ((Log(Total Assets/GNP price level index)) Variabel ini merupakan variabel yang mengukur ukuran perusahaan (firm size). Variabel ini hanya digunakan dalam pengukuran model Ohlson Y Score. LOG(TA/GNP) diukur dengan rumus LOG(TA/GNP) = (Log(Total Assets/GNP price-level index) 7. DR (Debt Ratio) atau TL/TA (Total Liabilities/Total Assets) Variabel DR atau TL/TA digunakan untuk mengukur persentase dana yang disediakan oleh kreditur. Variabel ini memperlihatkan proporsi seluruh aktiva yang didanai oleh hutang. Variabel ini ada dalam perhitungan model Ohlson Y Score dan Zmijewski X score. Variabel ini dihitung dengan rumus DR = TL/TA = Total Liabilities/Total Assets 8. CL/CA (Current Liabilities/ Current Assets) Rasio CL/CA bertujuan untuk mengukur kemampuan suatu perusahaan dalam memenuhi kewajiban jangka pendeknya dengan aktiva lancarnya. Rasio CL/CA dihitung dengan rumus CL/CA = Current Liabilities/ Current Assets 9. EQ;NEG (1) if Total Liabilities >Total Assets (0) if Total Liabilities <Total Assets Variabel ini menunjukkan kemampuan perusahaan dalam memenuhi semua kewajibannya dengan menggunakan seluruh aktiva perusahaan. Jika total kewajiban lebih besar dari total aktiva, maka variabel ini bernilai negatif sebaliknya jika total aktiva lebih besar dari total kewajiban maka variabel ini benilai positif. Variabel ini hanya terdapat dalam pengukuran model Ohlson Y

55 Score. Variabel ini dinyatakan dengan ukuran binominal, yakni 1 jika bernilai negatif dan 0 jika bernilai positif. 10. NI/TA (Net Income/Total Assets) Variabel NI/TA digunakan untuk mengukur efektivitas perusahaan dalam menghasilkan keuntungan dengan memanfaatkan aktiva yang dimilikinya. Variabel ini hanya ada dalam pengukuran model Ohlson Y Score. Variabel NI/TA dihitung dengan rumus NI/TA = Net Income/Total Assets 11. CFO/TL (Cash Flow from Operation/Total Liabilities) Variabel ini menunjukkan efektifitas arus kas dari kegiatan operasional untuk memenuhi semua kewajibannya. Variabel ini hanya ada dalam pengukuran Ohlson Y Score. Variabel ini diukur dengan rumus CFO/TL = Cash Flow from Operation/Total Liabilities 12. NINEG (1) if Net Income < 0 for last 2 years; (0) if Net Income >0 Variabel ini menunjukkan kemampuan perusahaan dalam menghasilkan keuntungan bersih dari kegiatan bisnisnya selama dua tahun terakhir. Jika keuntungan bersih selama dua tahun terakhir lebih kecil dari nol, maka variabel ini bernilai negatif. Sebaliknya, jika keuntungan bersih selama dua tahun terakhir lebih besar dari nol, maka variabel variabel ini benilai positif. Variabel ini hanya terdapat dalam pengukuran model Ohlson Y Score. Variabel ini dinyatakan dengan ukuran binominal, yakni 1 jika bernilai negatif dan 0 jika bernilai positif.

56 13. NI (Net Income t Net income t-1)/(net income t + Net Income t-1) Variabel ini menunjukkan perbandingan keuntungan bersih tahun berjalan jika dikurangi atau ditambah keuntungan bersih tahun sebelumnya. Variabel ini hanya ada di dalam pengukuran model Ohlson Y Score. Variabel ini diukur dengan rumus NI = (Net Income t Net income t-1)/(net income t + Net Income t-1) 14. ROA (Return on Assets) Variabel ini menunjukkan kemampuan perusahaan dalam memperoleh keuntungan bersih dari penggunaan aktiva. Dengan kata lain, semakin tinggi variabel ini maka semakin baik produktivitas aktiva dalam memperoleh keuntungan bersih. Variabel ini hanya ada dalam pengukuran Zmijewski X Score. Variabel ini diukur dengan rumus Return on Assets (ROA) = Earning After Tax/Total Assets 15. CR (Current Ratio) Merupakan perbandingan antara aktiva lancar (current assets) dengan utang lancar (current liabilities). Perumusannya adalah sebagai berikut. CA/CL = Current Assets/ Current Liabilities 4.3. Populasi dan Sampel Penelitian Populasi penelitian ini adalah perusahaan-perusahaan manufaktur elektronik Jepang yang terdaftar di Tokyo Stock Exchange First Section komponen Electrical Appliances di tahun periode penelitian, yakni tahun 2016. Sedangkan untuk perhitungan prediksi financial distress menggunakan data laporan keuangan

57 konsolidasi satu hingga tujuh tahun setelah terjadinya krisis finansial global 2008, yakni data laporan keuangan tahun 2009-2015. Pemilihan sampel penelitian dilakukan dengan metode purposive sampling, yaitu sampel diambil berdasarkan kriteria-kriteria tertentu yang sesuai dengan tujuan penelitian (Saidah, 2014). Kriteria yang ditetapkan untuk penentuan pengambilan sampel penelitian ini ada dua, yakni kriteria umum dan kriteria khusus. Kriteria umum adalah kriteria yang harus dipenuhi semua sampel, yakni sebagai berikut 1) Perusahaan manufaktur yang terdaftar di Tokyo Stock Exhange First Section sektor Electrical Appliances di tahun periode penelitian, yakni tahun 2016, dengan awal periode laporan pada bulan Maret. 2) Data laporan keuangan tersedia secara lengkap dari periode tahun fiskal 2009 hingga tahun fiskal 2015. Selain itu, penelitian ini juga menggunakan sampel yang dibagi dalam dua kelompok yakni perusahaan yang mengalami financial distress dan perusahaan yang tidak mengalami financial distress (matched pair). Dengan demikian, jumlah perusahaan yang mengalami financial distress dan tidak mengalami financial distress berjumlah sama. Kriteria khusus untuk menentukan perusahaan yang termasuk dalam kategori perusahaan yang mengalami financial distress berdasarkan penelitian Almilia dan Kristijadi (2003 : 9) adalah 1) Memiliki net income negatif selama dua tahun berturut-turut, dan/atau 2) Selama lebih dari satu tahun tidak membayar deviden, Kriteria tersebut berlaku untuk data selama periode penelitian tahun 2009-2015.

58 Selanjutnya, untuk kriteria yang harus dipenuhi oleh perusahaan yang termasuk dalam kategori perusahaan yang tidak mengalami financial distress adalah 1) Tidak memiliki net income negatif selama dua tahun berturut-turut, 2) Adanya pembayaran dividen selama lebih dari setahun, 3) Berasal dari tahun yang sama dalam sampel kategori perusahaan yang mengalami financial distress, 4) Berasal dari sektor yang sama dalam sampel kategori perusahaan yang mengalami financial distress, 5) Memiliki rata-rata total aset yang relatif sama dengan total aset sampel kategori perusahaan yang mengalami financial distress. Kriteria tersebut berlaku untuk data selama periode penelitian tahun 2009-2015. Pada tabel di bawah ini dijelaskan proses pengambilan sampel penelitian dengan ketentuan sebagai berikut: Tabel 4.1 Penentuan Sampel Penelitian Kelompok Perusahaan Distress Keterangan Jumlah Perusahaan yang listing di Tokyo Stock Exchange kategori First Section sektor Electrical Appliances per 31 Maret 2016 Perusahaan yang tidak menggunakan laporan keuangan periode April-Maret (30) Perusahaan yang tidak menggunakan laporan keuangan dengan standar Japanese GAAP Perusahaan dengan laporan keuangan periode tahun fiskal 2009-2015 tidak tersedia lengkap Perusahaan yang tidak memiliki net income negatif selama dua tahun berturut-turut dan/atau membayar dividen selama lebih dari satu tahun serta tidak mempunyai rata-rata total asset yang relatif sama dengan sampel kelompok perusahaan distress selama periode 2009-2015 Jumlah perusahaan yang dijadikan sampel kelompok perusahaan distress 10 Sumber : Data penelitian diolah (2016) 163 (66) (24) (33)

59 Berdasarkan Tabel 4.1 di atas, terkumpul 10 perusahaan yang masuk dalam kategori distress. Untuk penentuan perusahaan yang termasuk dalam kategori sehat atau non-distress dilakukan dengan metode matched-pair seperti yang sudah dijelaskan sebelumnya. Dengan demikian, terkumpul 20 perusahaan (10 perusahaan distress dan 10 perusahaan non-distress) yang digunakan sebagai sampel penelitian. 4.5. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder adalah data yang didapatkan oleh peneliti secara tidak langsung dari objek penelitian. Data yang diperoleh peneliti berupa laporan keuangan konsolidasi perusahaan pada tahun-tahun setelah terjadinya krisis finansial global, yakni selama tahun 2009-2015. Sumber data diperoleh dari website resmi masing-masing perusahaan yang diunduh dalam bentuk file Adobe PDF ataupun Microsoft Excell. 4.6. Teknik Pengumpulan Data Teknik pengumpulan data yang dilakukan adalah teknik dokumentasi. Peneliti mengunduh tiap-tiap data laporan keuangan periode 2009 hingga 2015 yang dipublikasikan untuk umum dalam bentuk file PDF atau Microsoft.Excell, dari masing-masing website resmi perusahaan yang ditetapkan sebagai sampel penelitian. 4.7. Teknik Analisis Data Sesuai dengan metode penelitian yang digunakan, untuk menghitung nilai

60 financial distress menggunakan model Altman Z Score, Ohlson Y Score, dan Zmijewski X Score, yaitu dengan cara mendeskripsikan setiap indikator-indikator variabel tersebut dari hasil pengumpulan data yang didapat. Teknik yang digunakan dalam menganalisis data yang telah diperoleh adalah menggunakan pendekatan kuantitatif, kemudian dilakukan analisis komparatif. Selanjutnya dilakukan pengujian hipotesis dengan menggunakan metode statistik. Tahapan yang dilalui dalam teknik analisis data penelitian ini yaitu 1) Mengumpulkan data berupa laporan keuangan konsolidasi periode tahun 2009-2015, dari 20 perusahaan manufaktur elektronik Jepang yang telah ditetapkan sebagai sampel penelitian. 2) Penghitungan data-data laporan keuangan dengan menggunakan setiap model yaitu model Altman Z-score, model Ohlson Y Score, dan Zmijewski X Score. Dari setiap perhitungan tersebut, dianalisis secara statistik deskriptif dan ditentukan prediksi model terhadap perusahaan, apakah mengalami financial distress atau tidak. 3) Membandingkan hasil prediksi metode terhadap kondisi aslinya. 4) Memasukkan hasil perhitungan setiap model analisis kebangkrutan ke dalam aplikasi SPSS versi 23 untuk melakukan pengujian hipotesis. 5) Melakukan pengujian hipotesis dengan menggunakan aplikasi SPSS, ada beberapa uji yang dilakukan yaitu 1). Uji Asumsi Klasik Pada hipotesis kedua dinyatakan bahwa

61 Ha2 : Diduga terdapat perbedaan signifikan dari model analisis kebangkrutan Altman Z Score, Ohlson Y Score, dan Zmijewski X Score dalam memprediksi kondisi financial distress korporasi manufaktur elektronik Jepang. Untuk menguji hipotesis tersebut, dilakukan uji beda yang didahului oleh uji asumsi klasik. Ada dua jenis uji asumsi klasik yang dilakukan. 1). Uji Normalitas Uji normalitas data dilakukan sebelum data diolah berdasarkan modelmodel penelitian. Uji normalitas adalah membandingkan antara data yang akan diteliti dengan data berdistribusi normal berdasarkan mean dan standar deviasi. Dalam program SPSS, ada du acara untuk melakukan uji normalitas, yaitu : 1) Uji Kolmogorov-Smirnov, yakni uji normalitas untuk sampel besar. Dalam SPSS, jika dipilih tingkat signifikansi = 0.05 < nilai sig SPSS, maka dapat dikatakan bahwa data mengikuti distribusi normal. 2) Uji Shapiro-Wilks, yakni uji normalitas untuk sampel kecil sampai dengan jumlah 2000 [10]. Dalam SPSS, jika dipilih tingkat signifikansi = 0.05 < nilai sig SPSS, maka dapat dikatakan bahwa data mengikuti distribusi normal. 2). Uji Homogenitas

62 Uji homogenitas variansi dilakukan untuk menyelidiki apakah variansi data yang diamati ke-i dan ke-j sama. Variansi data harus memenuhi asumsi mempunyai variansi yang sama. Ada beberapa uji homogenitas yang biasa dilakukan, salah satunya adalah Uji Levene. Dalam SPSS, jika dipilih tingkat signifikansi = 0.05 < nilai sig SPSS, maka dapat dikatakan bahwa data mengikuti distribusi normal. 2). Uji Komparasi Apabila asumsi normalitas terpenuhi, pengujian komparasi parametrik dapat dilakukan dengan syarat data berdistribusi normal, homogen, dan jumlah subjek dalam setiap kelompok sama besarnya. Karena ada tiga kelompok data yang akan di uji, maka uji beda yang dilakukan adalah 1) Uji ANOVA Satu Arah (One Way ANOVA), yakni jenis uji statistika parametrik yang bertujuan untuk mengetahui apakah terdapat perbedaan rata-rata antara lebih dari dua grup sampel. Beberapa asumsi yang harus dipenuhi pada uji Anova adalah: 1) Sampel berasal dari kelompok yang independen 2) Varian antar kelompok harus homogen 3) Data masing-masing kelompok berdistribusi normal Apabila asumsi tersebut tidak dapat dipenuhi, maka uji Anova tidak valid untuk dilakukan, sehingga harus menggunakan uji nonparametrik misalnya Kruskal Wallis. 2). Uji Kruskall Wallis,

63 Yaitu uji non parameter yang digunakan untuk membandingkan tiga atau lebih golongan data sampel. Uji Kruskal-Wallis dapat dilakukan pada data yang tidak terdistribusi normal. Masing-masing data tidak saling bergantung dan berbeda signifikan satu sama lain. Langkah-langkah dalam melakukan uji Krukal-Wallis adalah 1) Menentukan Ho dan Ha Ho = Diduga terdapat perbedaan signifikan dari model analisis kebangkrutan Altman Z Score, Ohlson Y Score, dan Zmijewski X Score dalam memprediksi financial distress korporasi manufaktur elektronik Jepang. Ha = Diduga tidak terdapat perbedaan signifikan dari model analisis kebangkrutan Altman Z Score, Ohlson Y Score, dan Zmijewski X Score dalam memprediksi financial distress korporasi manufaktur elektronik Jepang. 2) Menentukan daerah penerimaan Ho dan Ha dengan menggunakan distribusi ka kuadrat (chi square) atau X2 dengan nilai dan derajat bebas (df ) = k-1, sedangkan k adalah kelompok sampel yang diuji. 3) Menghitung nilai statistik uji Kruskal-Wallis dengan rumus H = n 12 N (N + 1) = Rj 3(N + 1) nj k=1 Dimana H = nilai Kruskal-Wallis dari hasil perhitungan

64 Rj = jumlah ranking dari kategori ke-j nj = banyaknya kasus dalam sampel pada kategori ke-j K = banyaknya kategori N = jumlah seluruh observasi Langkah-langkah untuk menghitung H adalah sebagai berikut. 1) Menentukan kelompok sampel yang akan dianalisis (k), jumlah observasi pada setiap kelompok sampel (nj), serta jumlah seluruh observasi. 2) Masing-masing nilai observasi diberi ranking secara keseluruhan dalam satu rangkaian, diurutkan dari yang terkecil hingga terbesar. Nilai yang terkecil diberi ranking 1 dan nilai yang terbesar diberi ranking N (dimana N adalah jumlah seluruh observasi). Jika ada nilai yang sama, maka ranking dari nilai-nilai tersebut adalah rata-rata ranking dari nilai-nilai observasi tersebut. Pengambilan keputusan hipotesis dilakukan dengan dua acara : 1) Dasar pengambilan keputusan menggunakan perbandingan statistik hitung dengan statistik tabel. 1) Jika statistik hitung > statistik tabel, maka Ho diterima dan Ha ditolak. 2) Jika statistik hitung < statistik tabel, maka Ho ditolak dan Ha diterima. 2) Dasar pengambilan keputusan berdasarkan probabilitas.

65 1) Jika probabilitas < 0.05, maka Ho diterima. 2) Jika probabilitas > 0.05, maka Ho ditolak. 6) Melakukan perhitungan tingkat akurasi dan tingkat error pada setiap model prediksi untuk menilai model mana yang merupakan prediktor paling akurat. Pada hipotesis ketiga, dinyatakan bahwa Ha3 = Diduga model Altman Z Score adalah model yang paling akurat untuk memprediksi kondisi financial distress korporasi manufaktur elektronik Jepang. Untuk menguji hipotesis tersebut digunakan analisis tingkat akurasi dan tingkat error pada setiap model prediksi. Perbandingan antara prediksi dan kategori sampel dilakukan pada seluruh sampel yang ada. Setelah semua sampel selesai dihitung, maka diperoleh hasil rekap prediksi yang benar dan yang salah. Dari rekap prediksi tersebut dapat diketahui akurasi tiaptiap model. Tingkat akurasi menunjukkan berapa persen model memprediksi dengan benar dari keseluruhan sampel yang ada. Tingkat akurasi tiap model dihitung dengan cara sebagai berikut Tingkat akurasi sampel = Jumlah prediksi benar x 100% Jumlah sampel Selain akurasi setiap model, dipertimbangkan juga tingkat error dari setiap model. Penelitian ini menggunakan dua jenis tingkat error, yaitu tipe I dan tipe II. Tipe error I adalah kesalahan yang terjadi jika model memprediksi sampel tidak akan mengalami distress padahal kenyataannya mengalami

66 distress. Sebaliknya, Tipe error II adalah kesalahan yang terjadi jika model memprediksi sampel mengalami distress padahal kenyataannya tidak mengalami distress. Tingkat error dihitung dengan cara sebagai berikut Tipe error I = Tipe error II = Total error = Jumlah kesalahan tipe I x 100% Jumlah sampel tipe I Jumlah kesalahan tipe II x 100% Jumlah sampel tipe II Jumlah kesalahan tipe I & tipe II x 100% Total sampel Hasil dari pengukuran tingkat akurasi dan tingkar error selanjutnya digunakan untuk menyimpulkan model mana yang paling akurat untuk memprediksi kondisi financial distress pada perusahaan manufaktur elektronik Jepang.