Jurnal Skripsi
Jurnal Skripsi
DISTRESS
       (Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia
                              Tahun 2018-2020)
Abstract: Horvan Chaeruddin Halim (2021). “The effect of Liquidity and Profitability on Financial Distress at
Manufacturing Companies which are listed in the Indonesian Stock Exchange”. Department of Management,
Faculty of Economics, STIEM Bongaya Makassar College of Economics. (Guided by Prof. Dr. H. Syamsul
Ridjal, S.E., M.Si. and Dr. Hj. Yana Fajriah, S.E., M.M.). This study aims to determine the effect of Liquidity
and Profitability on Financial Distress at Manufacturing Companies which are listed in the Indonesian Stock
Exchange. Data collection method uses secondary data through purposive sampling method with few criteria.
The population in this study is manufacturing companies which are listed in the Indonesian Stock Exchange with
a research period of 2018-2020 that research samples are obtained as much as 33 companies. Data analysis
technique using logistic regression analysis method. The results of this study shows that liquidity as measured by
current ratio has negative and significant effects in predicting financial distress. And profitability as measured
by return on assets has negative and significant effects in predicting financial distress. This is shown by all
accepted research hypothesis.
Abstrak: Horvan Chaeruddin Halim (2021). “Pengaruh Likuiditas dan Profitabilitas Terhadap Financial Ditress
Pada Perusahaan yang Terdaftar di Bursa Efek Indonesia”. Jurusan Manajemen, Fakultas Ekonomi, Sekolah
Tinggi Ilmu Ekonomi STIEM Bongaya Makassar. (Dibimbing oleh Prof. Dr. H. Syamsul Ridjal, S.E., M.Si. and
Dr. Hj. Yana Fajriah, S.E., M.M.). Penelitian ini bertujuan untuk mengetahui pengaruh Likuiditas dan
Profitabilitas Terhadap Financial Distress Pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia.
Metode pengumpulan data menggunakan data sekunder dengan penentuan sampel menggunakan metode
purposive sampling dengan kriteria tertentu. Populasi dalam penelitian ini adalah perusahaan manufaktur yang
terdaftar di Bursa Efek Indonesia dengan periode amatan 2018-2020 yang diperoleh sampel sebanyak 33
perusahaan. Teknik analisis data yang digunakan adalah regresi logistik. Hasil penelitian ini menunjukkan
bahwa likuiditas yang diukur menggunakan rasio current ratio memiliki pengaruh negatif dan signifikan dalam
memprediksi financial distress. Dan profitabilitas yang diukur menggunakan rasio return on assets memiliki
pengaruh negatif dan signifikan dalam memprediksi financial distress. Hal ini ditunjukkan berdasarkan seluruh
hipotesis penelitian diterima.
                                        H1
                                        11
                                        H2
                                        11
 2.2 Hipotesis
      Hipotesis dalam penelitian ini adalah sebagai berikut:
      a. Likuiditas merupakan faktor yang menentukan berhasil atau tidaknya suatu perusahaan dalam
         hubungannya dengan mencegah terjadinya kondisi kesulitan keuangan. Dalam hal ini, kebutuhan
         akan arus kas beserta sumber-sumber lainnya dalam memenuhi kebutuhan tersebut ikut
         memberikan kontribusi bagaimana perusahaan itu menanggung risiko untuk memenuhi kewajiban
         jangka pendeknya. Erayanti (2019) menyatakan bahwa semakin besar ketersediaan jumlah agunan
         (aktiva lancar) dalam mengantisipasi potensi kerugian, semakin kecil kemungkinan perusahaan
         mengalami kondisi kesulitan keuangan. Hasil penelitian dilakukan oleh Muhtar & Aswan (2017)
         berpendapat bahwa likuiditas memiliki pengaruh positif terhadap financial distress tetapi berbeda
         dengan penelitian yang dilakukan oleh Setiyawan & Musdholifah (2020) yang menyatakan bahwa
         likuiditas memiliki pengaruh negatif terhadap financial distress.
      H1 : Likuiditas memiliki pengaruh negatif terhadap Financial Distress pada perusahaan
           manufaktur yang terdaftar di BEI.
      b. Perusahaaan yang mampu menghasilkan laba dengan menggunakan seluruh aktiva dalam kegiatan
         operasionalnya menunjukkan bahwa profitabilitas yang positif dan sebaliknya apabila penggunaan
         aktiva tidak efektif sehingga kegiatan operasional perusahaan tidak mampu menghasilkan laba
         maka dapat dikatakan profitabilitas menjadi negatif. Penelitian sebelumnya yang dilakukan oleh
         Muhtar & Aswan (2017) menunjukkan hasil bahwa profitabilitas memiliki pengaruh positif
         terhadap financial distress sedangkan berdasarkan penelitian yang dilakukan oleh Chrissentia &
         Syarief (2018) menunjukkan hasil bahwa profitabilitas memiliki pengaruh negatif terhadap
         financial distress. Semakin tinggi profitabilitas maka semakin kecil potensi perusahaan dalam
         mengalami financial distress.
      H2 : Profitabilitas memiliki pengaruh negatif terhadap Financial Distress pada perusahaan
           manufaktur yang terdaftar di BEI.
                                      III.   METODE PENELITIAN
   3.1    Pendekatan Penelitian
           Penilitian ini mengambil metode kuantitatif dengan tujuan melakukan penelitian eksplanasi.
Pendekatan kuantitatif berfokus pada data numerik (angka), sedangkan eksplanasi bertujuan untuk menjelaskan
generalisasi sampel terhadap populasi atau kaitan, perbedaan atau pengaruh variabel lain.
           Berdasarkan kriteria pemilihan sampel diatas, dari 51 perusahaan manufaktur sektor industri barang
konsumsi yang terdaftar di Bursa Efek Indonesia (BEI) yang listing. Jumlah perusahaan yang memenuhi kriteria
sebanyak 33 perusahaan dan 18 perusahaan yang tidak memenuhi kriteria dikarenakan sebagian laporan
keuangan tahunan tidak terpublikasi dan tidak memiliki data yang dibutuhkanndalam penelitian ini. Jumlah data
berdasarkan pengamatan sebanyak 33 dikalikan 3 tahun rentang waktu penelitian sehingga totalnya 99 data
observasi.
   3.4    Metode Pengumpulan Data dan Sumber Data
            Metode pengumpulan data yang digunakan dalam penelitian adalah metode time series (runtut waktu)
dimana data yang dikumpulkan dari waktu ke waktu untuk menggambarkan suatu perkembangan atau
kecendurungan keadaan/peristiwa/kegiatan. Jenis data yang digunakan dalam penelitian ini merupakan data
kuantitatif atau berupa laporan keuangan.
            Data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder merupakan data yang
diperoleh dalam bentuk yang sudah ada, sudah dikumpulkan dan diolah oleh pihak lain. Data sekunder yang
digunakan pada penelitian ini diperoleh dari publikasi laporan keuangan yang diterbitkan perusahaan.
           Keterangan:
           Z” = Overall index
           X1 = Working Capital / Total Assets
           X2 = Retained Earning / Total Assets
           X3 = Earning Before Interest and Taxes / Total Assets
           X4 = Book Value of Equity / Total Liabilities
           Kemudian pada nilai Z-score yang diperoleh, diubah menjadi nilai dummy, yang mana diberikan nilai
1 apabila perusahaan berada pada kondisi financial distress (tidak sehat), dan nilai 0 jika perusahaan tidak berada
pada kondisi financial distress (sehat).
                                                  P
                                           ln         =α + β 1 X 1+ β 2 X 2 +e
                                                (1−P)
          Keterangan:
                 P
          ln         = Log dari perbandingan antara peluang Financial Distress dan peluang Non Financial
               (1−P)
                      Distress
                X1 = Likuiditas
                X2 = Profitabilitas
               β 1−2= Koefisien regresi
                  α = Konstanta
                  e = Error
        Adapun metode dalam melakukan pengujian analisis regresi logistik menurut Ghozali (2013) dengan
memperhatikan hal-hal sebagai berikut:
        1) Menilai Kelayakan Model Regresi (Goodness of Fit Test)
            Melakukan uji kesesuaian model untuk menguji hipotesis 0 bahwa data empiris cocok atau sesuai
            dengan model dan tidak terdapat perbedaan antara model dengan data sehingga model dapat
            dikatakan fit. Uji kesesuaian model ini dilakukan dengan melihat nilai Hosmer and Lomeshow
            Test. Nilai Hosmer and Lomeshow Test > 0,05 maka hipotesis 0 diterima dan berarti model ini
            dapat diterima. Uji Hosmer and Lomeshow mengukur perbedaan antara nilai observasi dan nilai
            prediksi variabel dependen. H0 berarti data empiris cocok atau sesuai dengan model sedangkan H 1
            berarti data empiris tidak cocok atau tidak sesuai dengan model. Keputusan penerimaan hipotesis
            Ho maupun H1, berdasarkan atas kriteria:
            H0 diterima jika nilai Sig > 0,05.
            H0 ditolak jika nilai Sig < 0,05.
        2) Menilai Keseluruhan Model (Overall Model Fit)
            Test Statistik Chi Square (x2) digunakan berdasarkan pada fungsi likelihood pada estimasi model
            regresi. Likelihood (L) dari model adalah probabilitas bahwa model yang dihipotesiskan
            menggambarkan data input. L ditransformasikan menjadi -2LogL untuk menguji hipotesis nol dan
            alternatif. Penggunaan nilai x2 untuk keseluruhan model terhadap data dapat dilakukan dengan
            membandingkan antara nilai -2LogL value pada awal (block number = 0), dimana model hanya
            memasukkan konstanta dengan nilai -2LogL value pada akhir (block number = 1), dimana model
            memasukkan konstanta dan variabel bebas. Apabila nilai -2LogL value block number = 0 lebih
            besar dari nilai -2LogL value block number = 1, maka menunjukkan model regresi yang baik
            sehingga penurunan log likelihood menunjukkan model regresi semakin baik (Ghozali, 2016:328).
        3) Uji Koefisien Determinasi (Nagelkerke’s R Square)
            Nagelkerke’s r square yaitu modifikasi dari koefisien cox dan snell’s r square untuk mengetahui
            bahwa nilainya bervariasi dari 0 sampai 1. Pengujian dilakukan dengan cara membagi nilai cox
            dan snell’s r square dengan nilai maksimumnya. Jika hasil nilai yang diperoleh kecil mendekati 0
            berarti variabel-variabel bebas tidak mampu menjelaskan variabel terikat. Jika nilai yang diperoleh
            mendekati 1 berarti variabel-variabel bebas mampu menjelaskan dan memliki informasi yang
            dibutuhkan untuk variasi variabel terikat. Nilai nagelkerke’s r square yang diperoleh setidaknya
            harus bernilai diatas 50% atau 0,5.
        4) Tabel Klasifikasi 2x2
              Table klasifikasi 2x2 menghitung nilai estimasi yang benar (correct) dan salah (incorrect). Pada
              kolom tabel adalah dua nilai prediksi pada variabel terikat dalam penelitian ini yaitu financial
              distress (1) dan non financial distress (0), sedangkan nilai observasi sesungguhnya untuk variabel
              terikat ditunjukkan pada baris tabel.
           5) Signifikansi dari Koefisien Regresi
              Dalam menilai signifikansi model regresi untuk memastikan koefisien β secara individual yang
              mengacu atas.variabel yang mempengaruhi secara signifikan pada model dengan urutan berikut: 1)
              Merumuskan hipotesis statistik: (a) H 0 : β1 = 0, bahwa variabel bebas berpengaruh tidak signifikan
              terhadap model, (b) H0 : β1 ≠ 0, bahwa variabel bebas berpengaruh signifikan terhadap model, 2)
              Menentukan tingkat signifikansi (α) sebesar 5%. Keputusan diterimanya hipotesis H 0 maupun H1
              berdasarkan kriteria: (a) H0 diterima apabila nilai Sig > 0,05, (b) H 0 ditolak apabila nilai Sig <
              0,05.
         Tabel 5.1 Data Perusahaan Manufaktur Sektor Industri Barang Konsumsi Yang Terdaftar Di
                                        BEI Berdasarkan Variabel
                     Kode                                                        Financial Distress
         No                        Periode   Likuiditas (X1) Profitabilitas (X2)
                  Perusahaan                                                            (Y)
                                    2018          1,39              0,06                 1
          1         ADES            2019          2,00              0,10                 0
                                    2020          2,97              0,14                 0
                                    2018          0,15             -0,07                 1
          2          AISA           2019          0,41              0,61                 1
                                    2020          0,81              0,60                 1
                                    2018          0,76             -0,03                 1
          3         ALTO            2019          0,88             -0,01                 1
                                    2020          0,83             -0,01                 1
                                    2018          2,15              0,01                 1
          4         BTEK            2019          1,75             -0,02                 1
                                    2020          0,52             -0,12                 1
                                    2018          1,00              0,01                 1
          5          BUDI           2019          1,01              0,02                 1
                                    2020          1,01              0,02                 1
                                    2018         10,84              0,06                 0
          6         CAMP            2019         12,63              0,07                 0
                                    2020         13,27              0,04                 0
                                    2018          5,11              0,08                 0
          7         CEKA            2019          4,80              0,15                 0
                                    2020          4,66              0,12                 0
                                    2018          2,71              0,03                 0
          8          CINT           2019          2,38              0,01                 0
                                    2020          2,49              0,00                 0
  Lanjutan Tabel 5.1 Data Perusahaan Manufaktur Sektor Industri Barang Konsumsi Yang
                          Terdaftar Di BEI Berdasarkan Variabel
                           2018           1,64             0,08              0
 9         CLEO            2019           1,17             0,11              0
                           2020           1,72             0,10              0
                           2018           7,20             0,22              0
10         DLTA            2019           8,05             0,22              0
                           2020           7,50             0,10              0
                           2018           2,89             0,13              0
11        DVLA             2019           2,91             0,11              0
                           2020           2,52             0,08              0
                           2018           2,06             0,11              0
12        GGRM             2019           2,06             0,14              0
                           2020           2,91             0,10              0
                           2018           1,18             0,10              0
13        GOOD             2019           1,53             0,09              0
                           2020           1,98             0,05              0
                           2018           4,30             0,29              0
14        HMSP             2019           3,28             0,27              0
                           2020           2,45             0,17              0
                           2018           2,68             0,12              0
15         HOKI            2019           2,99             0,12              0
                           2020           2,24             0,04              0
                           2018           3,69             0,08              0
16        HRTA             2019          10,07             0,06              0
                           2020          12,76             0,06              0
                           2018           1,95             0,14              0
17         ICBP            2019           2,54             0,14              0
                           2020           2,26             0,07              0
                           2018           6,11            -0,01              0
18         KICI            2019           7,58            -0,02              0
                           2020           7,83             0,00              0
                          2018          4,66            0,14                 0
19        KLBF            2019          4,35            0,13                 0
                          2020          4,12            0,12                 0
                          2018          1,39            -0,06                1
20        LMPI            2019          1,19            -0,06                1
                          2020          1,12            -0,06                1
                          2018          1,63            -0,18                1
21       MBTO             2019          1,25            -0,11                1
                          2020          0,62            -0,21                1
                          2018          1,37            0,92                 0
22       MERK             2019          2,51            0,09                 0
                          2020          2,55            0,08                 0
                          2018          0,78            0,42                 0
23        MLBI            2019          0,73            0,42                 0
                          2020          0,89            0,10                 0
                          2018          2,65            0,10                 0
24       MYOR             2019          3,43            0,11                 0
                          2020          3,69            0,11                 0
                          2018          3,61            -0,07                0
25        PCAR            2019          2,45            -0,08                0
                          2020          2,97            -0,15                1
         Lanjutan Tabel 5.1 Data Perusahaan Manufaktur Sektor Industri Barang Konsumsi Yang
                                   Terdaftar Di BEI Berdasarkan Variabel
                                    2018           0,99             0,07                        1
         26        PEHA             2019           1,01             0,05                        1
                                    2020           0,94             0,03                        1
                                    2018           2,76             0,05                        0
         27        PYFA             2019           3,53             0,05                        0
                                    2020           2,89             0,10                        0
                                    2018           3,57             0,03                        0
         28        ROTI             2019           1,69             0,05                        0
                                    2020           3,83             0,04                        0
                                    2018           4,19             0,20                        0
         29        SIDO             2019           4,12             0,23                        0
                                    2020           3,66             0,24                        0
                                    2018           5,86             0,07                        0
         30        TCID             2019           5,58             0,06                        0
                                    2020          10,25            -0,02                        0
                                    2018           2,52             0,07                        0
         31        TSPC             2019           2,78             0,07                        0
                                    2020           2,96             0,09                        0
                                    2018           4,40             0,13                        0
         32        ULTJ             2019           4,44             0,16                        0
                                    2020           2,40             0,13                        0
                                    2018           5,92             0,04                        0
         33        WIIM             2019           6,02             0,02                        0
                                    2020           3,66             0,11                        0
     Sumber: Data diolah 2021
         Dari tabel diatas yang menunjukkan data perusahaan sebanyak 33 perusahaan dengan data
sampel sebanyak 99 sampel yang dimana variabel Likuiditas (Current Ratio) bernilai rata-rata 3,38
dan variabel Profitabilitas (Return On Assets) bernilai rata-rata 0,09 serta terdapat indikasi terjadinya
Financial Distress terhadap perusahaan dengan tingkat persentase sebesar 23%.
           Didalam penelitiani ni, sampel yang digunakan yaitu sebanyak 99 data. Variabel terikat yaitu
Financial Distress yang dikategorikan menjadi dua kategori yaitu perusahaan yang mengalami Financial
Distress diberi simbol 1 (satu) dan perusahaan yang tidak mengalami Financial Distress diberi simbol 0 (nol).
Pada variabel bebas yaitu Likuiditas memiliki mean 3,3789 lebih besar dari standar deviasi sebesar 2,76831.
Sementara itu, variabel Profitabilitas menunjukkan mean 0,1036 lebih kecil dari standar deviasi sebesar 0,13747.
   5.3 ANALISIS REGRESI LOGISTIK
   5.3.1 UJI KELAYAKAN MODEL REGRESI
            Dalam menilai kelayakan suatu model regresi logistik dapat dilakukan dengan menggunakan nilai
Hosmer-Lemeshow Goodness-Of-Fit Test Statistic. Berdasarkan tabel diatas, diperoleh nilai Chi-Square sebesar
5,172 dan nilai signifikan sebesar 0,739. Apabila diperoleh hasil yang sama atau kurang dari nilai signifikan
alpha (0,05) yang berarti terdapat perbedaan signifikan antara model dengan data observasinya. Sedangkan hasil
yang diperoleh terlihat lebih besar dari nilai signifikan alpha sehingga model dapat dikatakan fit dan layak untuk
diuji serta dapat di nterpretasikan atau tidak ada perbedaan antara data estimasi model regresi logistik dengan
data observasinya.
          Pengujian ini menggunakan uji Likelihood value dengan membandingkan nilai antara -2 Log
Likelihood.(-2LL) pada awal blok (block number=0) dengan nilai -2 Log Likelihood.(-2LL) pada akhir blok
(block number=1). Pada model pertama (block number=0) yang hanya dengan konstanta tanpa adanya variabel
bebas diperoleh nilai -2 Log Likelihood sebesar 107,330 dan pada model akhir (block number=1) yang
menunjukkan setelah dimasukkan variabel bebas kedalam model yang mengalami penurunan nilai sebesar
43,259. Penurunan ini dapat diartikan bahwa penambahan varibel bebas kedalam model dapat memperbaiki
model sehingga model regresi dikatakan fit dan layak digunakan dalam penelitian.
   5.3.3 UJI KOEFISIEN DETERMINASI
          Dalam tabel pengujian Nagelkerke R Square diatas dapat dilihat nilai menunjukkan sebesar 0,720
yang berarti bahwa 72,0 persen variabel terikat dapat dijelaskan oleh variabel bebas dan sisanya 28,0 persen
dipengaruhi oleh variabel lain diluar model.
          Berdasarkan tabel 5.6 diatas dapat dilihat bahwa menurut prediksi perusahaan yang mengalami
Financial Distress adalah sebanyak 23 perusahaan, sedangkan observasi sesungguhnya bahwa perusahaan yang
mengalami kondisi Financial Distress sebanyak 18 perusahaan. Maka ketepatan model ini 18/23 atau 78,3% dan
menurut prediksi perusahaan yang tidak mengalami Financial Distress yaitu sebanyak 76 perusahaan namun
observasi sesungguhnya memperlihatkan bahwa perusahaan yang tidak mengalami Financial Distress yaitu
sebanyak 73 perusahaan sehingga ketepatan model ini 73/76 atau 96,1%.
              Berdasarkan hasil tabel diatas dapat dilihat pengaruh masing-masing variabel bebas terhadap variabel
terikat secara parsial dengan membandingkan nilai koefisien dan signifikansi tiap variabel. Pengujian ini
mengunakan metode regresi logistik untuk menguji pengaruh variabel bebas (Current Ratio dan Return On
Assets) terhadap variabel terikat (Financial Distress) dalam menentukan hipotesis penelitian diterima atau
ditolak berdasarkan nilai wald test dan nilai ttabel. H0 ditolak dan Ha diterima apabila nilai wald lebih besar dari
nilai ttabel maka hipotesis diterima dan sebaliknya H0 diterima dan Ha ditolak apabila nilai wald lebih kecil dari
nilai ttabel. Berdasarkan tabel diatas diperoleh persamaan regresi logistik sebagai berikut:
                                       Y =4,925−2,292 X 1−6,675 X 2
Adapun angka yang dihasilkan dari pengujian tersebut dapat dijelaskan sebagai berikut:
      1. Konstanta
           Dari hasil uji regresi logistik terlihat bahwa konstanta sebesar 4,295 yang memiliki arti bahwa jika
tidak adanya pengaruh dari variabel bebas yaitu likuiditas dan profitabilitas sehingga kemungkinan terjadi
financial distress pada perusahaan yaitu sebesar 4,295.
      2. Variabel Likuiditas
           Variabel likuiditas menunjukkan koefisien sebesar -2,929 dan memiliki nilai koefisien bertanda
negatif yang memiliki arti bahwa jika likuiditas meningkat satu satuan, maka kemungkinan terjadi financial
distress pada perusahaan menurun sebesar -2,292 dengan asumsi tidak terjadi perubahan nilai pada variabel
bebas. Dalam pengujian dapat dilihat nilai wald sebesar 17,855 lebih besar dari nilai ttabel sebesar 2,042 sehingga
dapat disimpulkan bahwa nilai wald > nilai ttabel maka H0 ditolak dan H1 diterima maka hipotesis penelitian
diterima dengan nilai signifikansi sebesar 0,000 < 0,05. Hal ini dapat diartikan likuiditas berpengaruh signifikan
terhadap financial distress.
      3. Variabel Profitabilitas
           Variabel profitabilitas menunjukkan koefisien sebesar -6,675 dan memiliki nilai koefisien bertanda
negatif yang memiliki arti bahwa jika variabel meningkat satu satuan, maka kemungkinan terjadi finacial
distress pada perusahaan menurun sebesar -6,675 dengan asumsi tidak terjadi perubahan nilai variabel bebas.
Dalam pengujian dapat dilihat nilai wald sebesar 6,447 lebih besar dari nilai t tabel sebesar 2,042 sehingga dapat
disimpulkan bahwa nilai wald > nilai ttabel maka H0 ditolak dan H1 diterima maka hipotesis penelitian diterima
dengan nilai signifikansi sebesar 0,011 < 0,05. Hal ini dapat diartikan profitabilitas berpengaruh signifikan
terhadap financial distress.
5.2   SARAN
      Beberapa saran yang berhubungan dengan penelitian ini yang antara lain sebagai berikut:
  1. Untuk pihak manajemen perusahaan agar dapat digunakan sebagai dasar untuk melakukan tindakan
      yang diperlukan jika terdapat indikasi bahwa perusahaan mengalami kondisi financial distress.
  2. Untuk investor agar dapat digunakan sebagai dasar dalam pengambilan keputusan yang tepat untuk
      tujuan berinvestasi pada suatu perusahaan.
  3. Untuk penelitian selanjutnya agar dapat menambahkan dan menggunakan satu atau lebih ukuran lain
     untuk memproksikan kondisi financial distress dalam menentukan financial distress seperti nilai buku
     ekuitas negatif, arus kas negatif dan interest coverage ratio.
  4. Untuk penelitian selanjutnya agar dapat menambahkan perusahaan selain perusahaan manufaktur
     untuk dijadikan sebagai sampel penelitian dan memperpanjang periode observasi agar dapat
     memberikan prediksi dan perbandingan yang lebih baik dalam menentukan financial distress.
                                                 DAFTAR PUSTAKA
Andre, Orina &&Salma Taqwa. (2014). Pengaruh Profitabilitas, Likuiditas, dan Leverage Dalam Memprediksi
        Financial Distress (Studi Empiris Pada Perusahaan Aneka Industri yang Terdaftar di BEI Tahun 2006-
        2010). WahanaaRiset Akuntansi Universitas Negeri Padang. 2 (1) : 293-312.
Brigham, Eugene F. Dan J.F. Houston. (2010). Dasar-Dasar Manejemen Keuangan. Edisi 11. Jakarta : Salemba
       Empat.
Chrissentia, Tirza & Julianti Syarief. (2018). Analisis Pengaruh Rasio Profitabilitas, Leverage, Likuiditas, Firm
        Age, Dan Kepemilikan Institusional Terhadap Financial Distress (Pada Perusahaan Jasa Non Keuangan
        yang terdaftar di Bursa Efek Indonesia Tahun 2014-2016). Jurnal Sistem Informasi, Manajemen dan
        Akuntansi Universitas Katolik Indonesia Atma Jaya. 16 (1) : 45-62.
Dewi, Ni Luh Putu Ari., I Dewa Made Endiana & I Putu Edy Arizona. (2019). Pengaruh Rasio Likuiditas, Rasio
        Leverage Dan Rasio Profitabilitas Terhadap Financial Distress Pada Perusahaan Manufaktur.
        Kumpulan Hasil Riset Mahasiswa Akuntansi UNMAS Denpasar. 1 (1) : 322-333.
Setiyawan, Erik & Musdholifah. (2020). Pengaruh Struktur Kepemilikan, Profitabilitas, Likuiditas, Leverage
        Dan Nilai Tukar Terhadap Financial Distress Pada Perusahaan Yang Terdaftar Di IDX Tahun 2016-
        2017. Jurnal Ilmu Manajemen Universitas Negeri Surabaya. 8 (1) : 51-66.
Erayanti, Rina. (2019). Pengaruh Likuiditas, Profitabilitas dan Leverage terhadap Prediksi Financial Distress.
         Jurnal Riset Akuntansi dan Perpajakan Universitas Pancasila. 6 (1) : 38-50.
Fatmawati, Vivi & Ikhsan Budi Rihardjo. (2017). Pengaruh Likuiditas, Leverage, Aktivitas Dan Profitabilitas
       Dalam Memprediksi Financial Distress. Jurnal Ilmu dan Riset Akuntansi STIESIA Surabaya. 6 (10) :
       1-19.
Hasbiyadi dkk. (2021). Pedoman Penulisan Skripsi & Artikel Ilmiah. Makassar : Tohar Media.
Kasmir. (2010). Analisis Laporan Keuangan. Jakarta : PT. Raja Grafindo Persada.
Muhtar, Mutiara & Andi Aswan (2017). Pengaruh Kinerja Keuangan Terhadap Terjadinya Kondisi Financial
        Distress Pada Perusahaan Telekomunikasi Di Indonesia. Jurnal Bisnis, Manajemen Dan Informatika
        Universitas Hasanuddin. 13 (3) : 167-184
Mas’ud, Imam & Reva Maymi Srengga. (2012). Analisis Rasio Keuangan Untuk Memprediksi Kondisi
       Financial Distress Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia. Jurnal Akutansi
       Universitas Jember. 10 (2) : 139-154.
Opitalia, Muni & Mohamad Zulman. (2019). Determinan Financial Distress Pada Perusahaan Sektor Property
         Di Bursa Efek Indonesia. Jurnal Ilmiah Universitas Semarang. 12 (3) : 167-179.
Sugiono. (2017). Metode Penelitian Persamaan Regresi Linear Berganda. Bandung : Alfabeta.
Triwahyuningtias, Meilinda & Harjum Muharam. (2012). Analisis Pengaruh Struktur Kepemilikan, Ukuran
       Dewan, Komisaris Independen, Likuiditas Dan Leverage Terhadap Terjadinya Kondisi Financial
       Distress (Studi Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Indonesia Tahun 2008-
       2010). Diponegoro Journal Of Management. 1 (1) : 1-14.