Claim Missing Document
Check
Articles

Found 1 Documents
Search

Financial Distress Analysis Using the Binary Logistic Regression Method in a Selected Infrastructure Company During Recovery Post-Pandemic COVID Joddiragadoni, Joddiragadoni; Agung Budi Darmoyo; Aisyah Abbas; Jerry Haikal
Jurnal Sosial Teknologi Vol. 5 No. 11 (2025): Jurnal Sosial dan Teknologi
Publisher : CV. Green Publisher Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59188/jurnalsostech.v5i11.32481

Abstract

Tujuan penelitian ini adalah untuk mengetahui pengaruh rasio keuangan dalam memprediksi probabilitas financial distress pada perusahaan sektor Infrastruktur terdaftar di Bursa Efek Indonesia (BEI) menggunakan laporan keuangan pada tahun 2023-2024 yang merefleksikan pemulihan kondisi kinerja keuangan tahun 2022 dan 2023, setelah Pandemi Covid-19 dinyatakan selesai pada tahun 2021, dimana pada saat Covid-19 pada tahun 2019, terjadi pelambatan ekonomi yang tentunya berpengaruh terhadap kinerja keuangan perusahaan pada saat itu yang bisa menimbulkan financial distress bahkan kebangkrutan jika tidak ditangani secara lanjut lewat program penyelamatan asset (PPA) oleh Pemerintah Indonesia. Metode penelitian menggunakan menggunakan metode Regresi Logistik Biner lewat Analisa SPSS, dengan variabel data yang menggunakan rasio profitabilitas berupa Return on Asset (ROA), Return On Equity (ROE) dan Net Profit Margin (NPM), variable Leverage berupa Debt to Equity rasio, variable Market Indicator berupa Price to Book value (PBV) dan Price to Earning ratio (PER) sebagai Independen Variabel (sumbu X) dan Sales Growth ratio atau rasion pertumbuhan pendapatan sebagai variable Dependen (sumbu Y) yang dipakai untuk menentukan apakah perusahaan mengalami financial distress (0) atau tidak mengalami financial distress (1). Hasil Analisa dalam SPSS dengan metode regresi binary logistic menunjukkan Variabel in Equation yang nilai signifikan dalam memprediksi financial distress adalah variable Net Profit Margin (NPM). Hasil penelitian menunjukan akurasi untuk observed dan predicted persentase kebenaran untuk perusahaan yang mengalami financial distress dan tidak mengalami financial distress masing-masing sebesar 28.4% dan 80.6%, yaitu 116 observasi diprediksikan secara benar dan 77 observasi diprediksikan sebaliknya. sehingga didapat akurasi dari model regresi yang dihasilkan adalah 54%. Untuk perusahaan yang mengalami financial distress tentunya membutuhkan bantuan pemerintah lewat Program Penyelamatan Aset (PPA) atau Program Penundaan Kewajiban Pembayaran Utang yang sudah jatuh tempo sebagai bagian dari upaya perbaikan kinerja keuangan perusahaan. Dari data sampel sebanyak 33 perusahaan tidak dalam potensi financial distress dan 35 perusahaan dalam potensi financial distress.