Penelitian ini bertujuan untuk membuat model prediksi financial distress guna menanggapi penurunan kinerja perusahaan terbuka akibat pandemi COVID-19. Metode penelitian yang digunakan adalah regresi logistik untuk menguji hubungan antara financial distress dengan variabel independen seperti rasio keuangan dan rasio pasar saham. Hasil penelitian menunjukkan bahwa rasio leverage, solvabilitas, dan profitabilitas berpengaruh lebih signifikan dibandingkan rasio lainnya. Karena financial distress tidak terjadi secara tiba-tiba, penelitian ini membagi modelnya menjadi 2, yaitu 1 tahun sebelum distress (M1) dan 2 tahun sebelum distress (M2). Hasilnya menunjukkan bahwa M1 memiliki hasil yang lebih baik, dengan akurasi prediksi mencapai 91,63% (dengan default cut-off point = 0,5). Penulis juga memperkirakan ulang model berbasis akuntansi lainnya dan membandingkan model penulis dengan model lain. Hasilnya menunjukkan bahwa model penulis berkinerja lebih baik dibandingkan model lain (selisih +12,24%); sehingga model penulis menjadi model berbasis akuntansi yang paling cocok untuk prediksi financial distress untuk emiten di Bursa Efek Indonesia. Hal ini dikarenakan model penulis didasarkan pada kombinasi variabel akuntansi dan variabel pasar modal

---

This study aims to create a new model for financial distress prediction in response to public companies’ deteroriation of performance due to the COVID-19 pandemic. The research method used was logistic regression to examine the relation between financial distress and independent variables such as financial ratios and stock market ratios. The result shows that the ratios of leverage, solvency, and profitability affected more significantly than other ratios. Since financial distress does not occur suddenly, this study divided its model into 2, namely 1 year before the distress (M1) and 2 years before the distress (M2). The results indicate that M1 had a better result, with 91,63% classification accuracy (by default cut-off point = 0.5). We also re-estimated other accounting-based models and compare our model to them. The results demonstrate that our model performed better than other models (+12,24% difference); thereby our model appeared to be the most suitable accounting-based model for financial distress prediction for the Indonesia Stock Exchange. This is because author’s model is based on a combination of accounting variables and capital market variables.