MODEL PREDIKSI FINANCIAL DISTRESS BERBASIS RASIO KEUANGAN UNTUK PERUSAHAAN DI INDONESIA DENGAN ANALISIS REGRESI PROBIT

Penurunan ekonomi Indonesia yang mengkhawatirkan dan terdapat kemungkinan terjadinya krisis keuangan mengakibatkan dibutuhkannya kebijakan untuk mencegah kerugian ekonomi yang lebih besar. Analisis yang tepat atas kondisi dan kinerja perusahaan dibutuhkan dengan menganalisis laporan keuangan untuk membuat model prediksi kesulitan keuangan yang berakurasi tinggi. Namun, hingga sekarang belum ada prediksi akurat dan sesuai kondisi perusahaan di Indonesia. Oleh karena itu, penelitian ini bertujuan untuk membuat model prediksi melalui analisis rasio keuangan. Variabel yang digunakan dalam penelitian ini adalah financial distress sebagai variabel dependen dan 20 rasio keuangan sebagai variabel independen. Jumlah sampel pada penelitian ini sebanyak 2593 sampel yang diperoleh dari 660 perusahaan non-keuangan yang terdaftar di Bursa Efek Indonesia selama periode 2015-2023. Data yang digunakan dalam penelitian ini adalah data sekunder yang dipilih dengan menggunakan metode purposive sampling, yang diambil melalui Bloomberg Terminal menggunakan equity screening function (EQS) dan laporan tahunan perusahaan. Teknik analisis yang digunakan untuk menguji hipotesis atau membuat model prediksi adalah regresi probit menggunakan aplikasi SPSS For Windows Versi 26.0 yaitu dengan pengolahan data analisis deskriptif, dan analisis regresi probit. Hasil penelitian menunjukkan bahwa terdapat sepuluh rasio keuangan yang berpengaruh secara signifikan terhadap financial distress dan terbentuk menjadi model prediksi yaitu return on assets, working capital to total assets, quick ratio, cash to total assets, debt to total assets ratio, inventory to sales, retained earnings to total assets, net income dua tahun terakhir (dummy variable), perbandingan total liabilitas dan total aset (dummy variable) dan earnings before interest dan taxes to total assets dengan nilai cut-off sebesar -1,32711. Model yang dihasilkan menunjukkan Tingkat ketepatan sebesar 93% dari jumlah observasi yang telah diklasifikasikan.