PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI

ANALISIS KETEPATAN MODEL ALTMAN, SPRINGATE, DAN ZMIJEWSKI DALAM MEMPREDIKSI PERUSAHAAN YANG DELISTING DI BURSA EFEK INDONESIA PERIODE 2009-2013

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Ekonomi Program Studi Akuntansi

Oleh: Melia Resita Puji Kusumawardani NIM : 112114121

PROGRAM STUDI AKUNTANSI JURUSAN AKUNTANSI FAKULTAS EKONOMI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2015 i


ANALISIS KETEPATAN MODEL ALTMAN, SPRINGATE, DAN ZMIJEWSKI DALAM MEMPREDIKSI PERUSAHAAN YANG DELISTING DI BURSA EFEK INDONESIA PERIODE 2009-2013

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Ekonomi Program Studi Akuntansi

Oleh: Melia Resita Puji Kusumawardani NIM : 112114121

PROGRAM STUDI AKUNTANSI JURUSAN AKUNTANSI FAKULTAS EKONOMI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2015 i



3 1J u l i2 0 1 5

Si .


------Bila engkau berjalan langkahmu tidak akan terhambat, bila engkau berlari engkau tidak akan tersandung-----(Amsal 4:12) “The big secret in life is that there is no big secret. Whatever your goal, you can get there if you’re willing to work” - Oprah Winfrey-

Kupersembahkan untuk: Tuhan Yesus Kristus Bapakku Puji Prawoto dan Ibuku Puji Lestari Kel.Mbak Nina dan Dik Adit Serta orang-orang terkasih yang ada dihidupku iv


UNIVERSITAS SANATA DHARMA FAKULTAS EKONOMI JURUSAN AKUNTANSI - PROGRAM STUDI AKUNTANSI Yang bertanda tangan dibawah ini, saya menyatakan bahwa Skripsi dengan judul: “ANALISIS KETEPATAN MODEL ALTMAN, SPRINGATE, DAN ZMIJEWSKI DALAM MEMPREDIKSI PERUSAHAAN YANG DELISTING DI BURSA EFEK INDONESIA PERIODE 2009-2013” dan diajukan untuk diuji pada tanggal 22 Juni 2015 adalah hasil karya saya. Dengan ini saya menyatakan dengan sesungguhnya bahwa dalam skripsi ini tidak terdapat keseluruhan atau sebagian tulisan orang lain yang saya ambil dengan cara menyalin, atau meniru dalam bentuk rangkaian kalimat atau simbol yang menunjukkan gagasan atau pendapat atau pemikiran dari penulis lain yang saya aku seolah-olah sebagai tulisan saya sendiri dan atau tidak terdapat bagian atau keseluruhan tulisan yang saya salin, tiru, atau saya ambil dari tulisan orang lain tanpa memberikan pengakuan kepada penulis aslinya. Apabila saya melakukan hal tersebut di atas, baik sengaja maupun tidak, dengan ini saya menyatakan menarik skripsi yang saya ajukan sebagai hasil tulisan saya sendiri ini. Bila kemudian terbukti bahwa saya ternyata melakukan tindakan menyalin atau meniru tulisan orang lain seolah-olah hasil pemikiran saya sendiri, berarti gelar dan ijasah yang telah diberikan oleh universitas batal saya terima.

Yogyakarta, 31 Juli 2015 Yang membuat pernyataan,

Melia Resita Puji Kusumawardani v


LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI ILMIAH UNTUK KEPENTINGAN AKADEMIS

Yang bertanda tangan dibawah ini, saya mahasiswa Universitas Sanata Dharma: Nama : Melia Resita Puji Kusumawardani NIM

: 112114121

Demi perkembangan ilmu pengetahuan, saya memberikan karya ilmiah saya yang berjudul: “Analisis Ketepatan Model Altman, Springate, dan Zmijewski dalam Memprediksi Perusahaan yang Delisting di Bursa Efek Indonesia Periode 20092013” kepada Perpustakaan Universitas Sanata Dharma beserta perangkat yang diperlukan (bila ada). Saya memberikan kepada Perpustakaan Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk lain, mengelolanya dalam bentuk pangkalan data, mendistribusikan secara terbatas, dan mempublikasikannya di internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun memberikan royalty kepada saya selama tetap mencantumkan nama saya sebagai penulis. Demikian pernyataan ini yang saya buat dengan sebenarnya.

Yogyakarta, 31 Juli 2015 Yang membuat pernyataan,

Melia Resita Puji Kusumawardani vi


KATA PENGANTAR Segala puji syukur dan terimakasih ke hadirat Tuhan Yang Maha Esa, yang telah melimpahkan rahmat dan karunia kepada penulis sehingga dapat menyelesaikan skripsi yang berjudul “Analisis Ketepatan Model Altman, Springate dan Zmijewski Dalam Memprediksi Perusahaan yang Delisting di Bursa Efek Indonesia Periode 2009-2013”. Penulisan skripsi ini bertujuan untuk memenuhi salah satu syarat untuk memperoleh gelar sarjana pada Program Studi Akuntansi, Fakultas Ekonomi Universitas Sanata Dharma. Penulis menyadari bahwa tanpa adanya bantuan, dukungan, dan bimbingan dari berbagai pihak, skripsi ini tidak akan terselesaikan dengan baik. Untuk itu penulis ingin secara khusus menyampaikan ucapan terimakasih yang tak terhingga kepada: 1. Johanes Eka Priyatma, M.Sc., Ph.D, selaku Rektor Universitas Sanata Dharma yang telah memberikan kesempatan untuk belajar dan mengembangkan kepribadian penulis. 2. Dr. H. Herry Maridjo, M.Si, selaku Dekan Fakultas Ekonomi Universitas Sanata Dharma Yogyakarta. 3. Drs. YP. Supardiyono, M.Si., Akt., QIA., C.A., selaku Kepala Program Studi Akuntansi Fakultas Ekonomi Universitas Sanata Dharma Yogyakarta. 4. Josephine Wuri, S.E., M.Si, selaku Dosen Pembimbing Akademik (DPA) yang memperhatikan perkembangan akademik mahasiswanya selama belajar

vii


di Program Studi Akuntansi serta memberi motivasi dalam penyelesaian skripsi ini. 5. Dr. Fr. Ninik Yudianti, M.Acc., QIA selaku Dosen Pembimbing yang telah membimbing, membantu, dan memberi masukan dalam penyelesaian skripsi ini. 6. Dr. Fr. Reni Retno Anggraini, M.Si., Ak., C.A. selaku Dosen Penguji atas masukan-masukan yang bermanfaat dalam penyelesaian skripsi ini. 7. Drs. G. Anto Listianto, M.S.A., Ak., selaku Dosen Penguji atas masukanmasukan yang bermanfaat dalam penyelesaian skripsi ini. 8. Ibu Tutik BEI yang turut memberi arahan dalam pencarian data yang diperlukan. 9. Segenap staf Sekretariat Fakultas Ekonomi USD atas pelayanan dan bantuannya dalam segala hal yang diperlukan penulis baik selama kuliah maupun dalam proses penyelesaian skripsi ini. 10. Segenap staf Perpustakaan USD atas pelayanan dan bantuannya dalam menyediakan buku-buku sebagai sumber referensi. 11. Kedua orang tuaku, Puji Prawoto dan Puji Lestari yang senantiasa mendoakan, memberi perhatian dan motivasi serta kasih sayang yang begitu luar biasa di kehidupanku. 12. Kedua saudara kandungku, Ferina Dewi Ayu Puji Perwitosari yang senantiasa mendukung dan memberi teladan yang baik dalam menjalani hidup, serta Raditya Trio Nugraha yang senantiasa menemani dalam keceriaan.

viii


13. Teman-teman seperjuangan yang senantiasa mendukung dan memberi semangat: Chatarine, Eva, Sr.Lucia, Sr. Yuli, Sr. Erika, Deis, Dian, Igna, Anggit, Nia dan semua rekan-rekan Akuntansi angkatan 2011 khususnya Akuntansi kelas C. 14. Teman-teman MPAT yang banyak memberi kritik maupun saran yang membangun dalam penyelesaian skripsi ini: Ana, Gala, Danu, Nisi, Sr. Lucia, Dani, Santi, Yoakim, Angela, Sara, Tata, Awan, Putra, dan Dedi. 15. Keluarga besar KKP FE XXVII: Keluarga Bapak Anton (CV. SANGGAR PUNOKAWAN), Sr. Faustin, Galih, Cahya, dan Tresia. 16. Sahabat-sahabat dari EKAMAS 47 yang senantiasa memberi doa dan dukungan. 17. Semua pihak yang tidak dapat penulis sebutkan satu per satu yang telah memberikan bantuan serta doa. Penulis menyadari bahwa skripsi ini masih banyak kekurangannya, oleh karena itu penulis mengharapkan kritik dan saran. Semoga skripsi ini dapat bermanfaat bagi pembaca.

Yogyakarta, 31 Juli 2015

Penulis

ix


DAFTAR ISI HALAMAN JUDUL ..........................................................................................

i

LEMBAR PERSETUJUAN PEMBIMBING .....................................................

ii

HALAMAN PENGESAHAN ............................................................................ iii HALAMAN PERSEMBAHAN ......................................................................... iv LEMBAR PERNYATAAN KEASLIAN KARYA TULIS ...............................

v

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI ILMIAH .............. vi HALAMAN KATA PENGANTAR ................................................................... vii HALAMAN DAFTAR ISI .................................................................................

x

HALAMAN DAFTAR TABEL ......................................................................... xiii ABSTRAK .......................................................................................................... xiv ABSTRACT ........................................................................................................ xv BAB I PENDAHULUAN .................................................................................

1

A. Latar Belakang Masalah....................................................................

1

B. Rumusan Masalah .............................................................................

3

C. Tujuan Penelitian ..............................................................................

4

D. Manfaat Penelitian ............................................................................

4

E. Sistematika Penulisan .......................................................................

6

BAB II TINJAUAN PUSTAKA .......................................................................

7

A. Laporan Keuangan ............................................................................

7

B. Komponen Laporan Keuangan .........................................................

7

C. Analisis Laporan Keuangan .............................................................

8

x


D. Kebangkrutan ....................................................................................

8

E. Manfaat Informasi Kebangkrutan ..................................................... 10 F. Prediksi Kebangkrutan ...................................................................... 11 G. Delisting ............................................................................................ 11 H. Alasan Terjadinya Delisting ............................................................. 12 I. Kebangkrutan dan Delisting ............................................................. 14 J. Model Prediksi Kebangkrutan .......................................................... 15 K. Kesalahan Tipe I dan II ..................................................................... 20 L. Penelitian Terdahulu ......................................................................... 21 BAB III METODE PENELITIAN ..................................................................... 23 A. Jenis penelitian .................................................................................. 23 B. Objek Penelitian ................................................................................ 23 C. Teknik Pengambilan Sampel ............................................................ 23 D. Teknik Pengumpulan Data ................................................................ 26 E. Definisi Operasional Variabel ........................................................... 26 F. Teknik Analisis Data ......................................................................... 30 BAB IV GAMBARAN UMUM PERUSAHAAN ............................................. 36 A. Gambaran Umum Perusahaan Sampel .............................................. 36 B. Deskripsi Data ................................................................................... 39 BAB V ANALISIS DATA DAN PEMBAHASAN ........................................... 50 A. Analisis Data ..................................................................................... 50 1. Prediksi Kebangkrutan dengan Model Altman Z-Score ............. 50 xi


2. Prediksi Kebangkrutan dengan Model Springate........................ 52 3. Prediksi Kebangkrutan dengan Model Zmijewski ...................... 53 B. Pembahasan ....................................................................................... 55 1. Perbandingan Hasil Prediksi Model Altman, Springate, dan Zmijewski ................................................................................... 55 2. Perhitungan Tingkat Akurasi dan Tipe Error ............................. 59 a. Model Altman Z-Score ......................................................... 60 b. Model Springate .................................................................... 62 c. Model Zmijewski .................................................................. 63 3. Analisis Ketepatan Model Altman, Springate, dan Zmijewski ... 65 BAB VI PENUTUP ............................................................................................ 68 A. Kesimpulan ....................................................................................... 68 B. Keterbatasan Penelitian ..................................................................... 69 C. Saran ................................................................................................. 69 DAFTAR PUSTAKA ......................................................................................... 71 LAMPIRAN ........................................................................................................ 74

xii


DAFTAR TABEL Tabel 1 Tipe Kesalahan Prediksi ..................................................................... 21 Tabel 2 Daftar Sampel Perusahaan .................................................................. 25 Tabel 3 Daftar Perusahaan Delisting ............................................................... 36 Tabel 4 Daftar Perusahaan Listing ................................................................... 38 Tabel 5 Periode Laporan Keuangan Yang Digunakan..................................... 41 Tabel 6 Statistik Deskriptif Kategori I: Perusahaan Delisting ......................... 42 Tabel 7 Statistik Deskriptif Kategori II: Perusahaan Listing ........................... 42 Tabel 8 Prediksi Kebangkrutan dengan Model Altman Z-Score ...................... 50 Tabel 9 Prediksi Kebangkrutan dengan Model Springate ................................ 52 Tabel 10 Prediksi Kebangkrutan dengan Model Zmijewski ............................... 54 Tabel 11 Perbandingan Hasil Prediksi ................................................................ 56 Tabel 12 Perbandingan Hasil Prediksi Dengan Status Perusahaan .................... 57 Tabel 13 Daftar Perusahaan Yang Memiliki Kesamaan Prediksi ....................... 58 Tabel 14 Rekapitulasi Tingkat Akurasi dan Tipe Error Model Altman ............. 60 Tabel 15 Rekapitulasi Tingkat Akurasi dan Tipe Error Model Springate ......... 62 Tabel 16 Rekapitulasi Tingkat Akurasi dan Tipe Error Model Zmijewski ........ 64 Tabel 17 Rekapitulasi Tingkat Akurasi Ketiga Model Prediksi Kebangkrutan.. 65

xiii


ABSTRAK

ANALISIS KETEPATAN MODEL ALTMAN, SPRINGATE, DAN ZMIJEWSKI DALAM MEMPREDIKSI PERUSAHAAN YANG DELISTING DI BURSA EFEK INDONESIA PERIODE 2009-2013 Melia Resita Puji Kusumawardani NIM: 112114121 Universitas Sanata Dharma Yogyakarta 2015 Tujuan penelitian ini adalah untuk membandingkan hasil prediksi model Altman, Springate, dan Zmijewski, serta untuk mengetahui model prediksi yang paling akurat dalam memprediksi perusahaan yang mengalami delisting. Jenis penelitian ini adalah studi empiris. Penelitian ini menggunakan data sekunder laporan keuangan. Teknik pengambilan sampel menggunakan teknik purposive sampling dengan total sampel sebanyak 20 perusahaan. Data dianalisis dengan melakukan perhitungan tingkat akurasi dan error dari setiap model dalam memprediksi perusahaan yang mengalami delisting atau tidak mengalami delisting. Hasilnya menunjukkan bahwa model Altman, model Springate, dan model Zmijewski memiliki ketepatan yang tinggi dalam memprediksi delisting jika model-model tersebut memiliki hasil prediksi yang sama. Analisis lebih lanjut menunjukkan bahwa model yang paling akurat adalah model Zmijewski, disusul oleh model Springate dan model Altman. Kata kunci: model prediksi kebangkrutan, model altman, model springate, model zmijewski, delisting

xiv


ABSTRACT THE ANALYSIS OF ALTMAN, SPRINGATE, AND ZMIJEWSKI MODEL ACCURACY TO PREDICT DELISTING COMPANIES IN THE INDONESIA STOCK EXCHANGE FOR THE PERIOD 2009-2013 Melia Resita Puji Kusumawardani NIM: 112114121 Sanata Dharma University Yogyakarta 2015 This study aims to comparing of predictions model using the Altman model, the Springate model, and the Zmijewski model, and to determine the most accurate predictive models in predicting delisting companies. This research is an empirical study. The research used secondary data from financial report. The sampling technique was purposive sampling with a total sample were 20 companies. Data were analyzed by calculating level of accurateness and error of each model to predict delisting or non delisting companies. The results showed that the Altman model, the Springate model, and the Zmijewski model had a high accuracy to predict delisting companies if those models had the same results. Further analysis showed that the most accurate model was the Zmijewski model, followed by the Springate model and the Altman model. Keywords: bankruptcy prediction model, the Altman model, the Springate model, the Zmijewski model, delisting

xv


BAB I PENDAHULUAN

A. Latar Belakang Masalah Seiring dengan perkembangan ekonomi di Indonesia, tidak sedikit perusahaan-perusahaan baru yang bermunculan. Namun pada dasarnya setiap perusahaan memiliki tujuan yang sama dalam hal menghasilkan laba atau profit demi kelangsungan hidupnya. Dalam mencapai tujuan tersebut, suatu perusahaan diharapkan dapat bertahan dalam menghadapi persaingan usaha yang semakin ketat sebagai imbas dari banyaknya usaha yang sedang berkembang. Ketatnya persaingan usaha dapat dialami oleh semua kalangan pelaku dalam bisnis. Bila tidak mampu bertahan, suatu perusahaan dapat mengalami kesulitan dalam mengembangkan usahanya. Kesulitan-kesulitan yang dialami apabila tidak segera diantisipasi dapat menimbulkan kondisi dimana perusahaan tidak mampu mengoperasikan perusahaan dengan optimal. Perusahaan yang tidak mampu beradaptasi dalam iklim persaingan bisnis, rentan

mengalami

kesulitan

keuangan

yang

berpotensi

mengalami

kebangkrutan. Kebangkrutan

usaha

biasanya

diindikasikan

dengan

kesulitan

keuangan perusahaan tersebut dalam memenuhi kewajiban-kewajibannya (Deanta, 2009:151). Kesulitan keuangan yang dialami perusahaan dapat dinilai dengan melakukan perhitungan rasio-rasio keuangan. Perusahaan yang 1


2

mengalami kesulitan keuangan dalam jangka waktu yang lama akan memiliki kecenderungan untuk mengalami kebangkrutan sehingga dapat dikatakan bahwa potensi kebangkrutan suatu perusahaan dapat diukur dengan cara menganalisis laporan keuangan. Kebangkrutan dapat dialami oleh semua perusahaan, termasuk perusahaan go public yang sahamnya telah diperdagangkan di pasar modal. Indikator perusahaan bangkrut di pasar modal adalah perusahaan delisted (Hadi dan Anggraeni, 2008). Penghapusan pencatatan secara paksa dari bursa (delisting) merupakan salah satu representasi dari kegagalan keuangan di Bursa Efek Indonesia (Raras, 2014). Perusahaan yang tercatat di BEI namun dinilai mengalami suatu kondisi yang berpengaruh negatif terhadap kelangsungan hidup usahanya secara finansial akan berpotensi dikeluarkan secara paksa dari pencatatan saham sehingga perusahaan dianggap mengalami kegagalan keuangan. Penggunaan model prediksi kebangkrutan dalam penelitian ini diterapkan untuk memprediksi delisting suatu perusahaan yang dilakukan secara paksa oleh pihak otoritas bursa (forced delisting). Adanya keberagaman model prediksi kebangkrutan akan memberikan hasil yang beragam sehingga diperlukan suatu model prediksi yang mampu memprediksi lebih tepat perusahaan yang akan mengalami delisting atau perusahaan yang tidak akan mengalami delisting. Beberapa model prediksi yang digunakan sebagai alat analisis kebangkrutan seperti model Altman Z-Score, model Grover, model Springate, model Ohlson dan model Zmijewski.


3

Penelitian ini akan difokuskan pada penggunaan tiga model prediksi yaitu model prediksi Altman, Springate dan Zmijewski. Alasan pemilihan ketiga model prediksi tersebut karena tingginya tingkat akurasi yang dimiliki oleh masing-masing model prediksi. Raras (2014) yang menyebutkan bahwa model Altman original memiliki kemampuan prediksi 95%. Menurut Purnajaya dan Merkusiwati (2014), model Springate memiliki akurasi sebesar 92,5% berdasarkan tes yang dilakukan oleh Springate, sedangkan tingkat akurasi dari model Zmijewski adalah sebesar 94,9%. Berdasarkan uraian tentang kesulitan keuangan yang berpotensi mengakibatkan suatu perusahaan delisting secara paksa dari pencatatan BEI, maka penulis tertarik mengadakan penelitian tentang model prediksi kebangkrutan yang tepat digunakan dalam memprediksi terjadinya delisting dengan judul: “Analisis Ketepatan Model Altman, Springate, dan Zmijewski dalam Memprediksi Perusahaan yang Delisting di Bursa Efek Indonesia Periode 2009-2013” B. Rumusan Masalah Berdasarkan latar belakang di atas dirumuskan permasalahan sebagai berikut: 1. Bagaimana perbandingan hasil prediksi model Altman, Springate dan Zmijewski dalam memprediksi perusahaan yang mengalami delisting atau tidak mengalami delisting?


4

2. Manakah diantara model Altman, model Springate atau model Zmijewski yang paling akurat dalam memprediksi perusahaan yang mengalami delisting atau tidak mengalami delisting? C. Tujuan Penelitian Berdasarkan rumusan masalah yang telah dipaparkan, tujuan penelitian ini adalah: 1. Mengetahui perbandingan hasil prediksi model Altman, Springate dan Zmijewski dalam memprediksi perusahaan yang mengalami delisting atau tidak mengalami delisting di Bursa Efek Indonesia. 2. Mengetahui manakah diantara model Altman, model Springate atau model Zmijewski yang paling akurat dalam memprediksi perusahaan yang mengalami delisting atau tidak mengalami delisting di Bursa Efek Indonesia. D. Manfaat Penelitian 1. Bagi perusahaan, diharapkan penelitian ini menjadi bahan referensi dalam menggunakan model prediksi kebangkrutan yang tepat untuk menilai kondisi keuangan perusahaan yang berpotensi mengalami delisting atau tidak mengalami delisting di masa yang akan datang. 2. Bagi investor, diharapkan penelitian ini menjadi bahan referensi dalam menggunakan model prediksi yang tepat untuk menilai kondisi keuangan perusahaan sebagai bahan pertimbangan dalam menentukan kebijakan investasi di masa yang akan datang.


5

3. Bagi akademisi, diharapkan penelitian ini dapat memberikan tambahan wawasan dan informasi tentang model-model prediksi kebangkrutan yang tepat dalam memprediksi kemungkinan perusahaan mengalami delisting atau tidak mengalami delisting di BEI serta sebagai bahan referensi untuk penelitian selanjutnya. 4. Bagi penulis, penelitian ini dapat memperluas wawasan penulis di bidang akuntansi keuangan secara khusus dalam analisis menggunakan model prediksi

kebangkrutan

Altman,

Springate,

dan

Zmijewski

untuk

memprediksi delisting atau tidaknya suatu perusahaan yang telah go public.


6

E. Sistematika Penulisan Penyusunan penelitian ini akan disajikan dalam sistematika penulisan yang terdiri atas 6 bab, yaitu: BAB I

PENDAHULUAN Bab ini menguraikan latar belakang masalah, rumusan masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan.

BAB II

TINJAUAN PUSTAKA Bab ini menjelaskan teori-teori pendukung dan hasil penelitian terdahulu sebagai acuan penelitian ini.

BAB III

METODE PENELITIAN Bab ini menguraikan jenis penelitian, objek penelitian, teknik pengambilan

sampel,

teknik

pengumpulan

data,

definisi

operasional variabel dan teknik analisis data. BAB VI

GAMBARAN UMUM PERUSAHAAN Bab ini menguraikan tentang gambaran umum perusahaan yang diteliti beserta deskripsi data yang akan diolah.

BAB V

ANALISIS DATA DAN PEMBAHASAN Bab ini menguraikan tentang analisis data yang diperoleh dan pembahasan hasil analisis tersebut.

BAB VI

PENUTUP Bab ini berisi kesimpulan dari hasil penelitian, keterbatasan penelitian dan saran.


BAB II TINJAUAN PUSTAKA

A. Laporan Keuangan Menurut Ikatan Akuntan Indonesia dalam Pernyataan Standar Akuntansi Keuangan No.1 Revisi 2009 (2009:1.5), Laporan Keuangan adalah suatu penyajian yang terstruktur dari posisi keuangan dan kinerja keuangan suatu entitas. Laporan Keuangan merupakan media komunikasi dan pertanggungjawaban antara perusahaan dan pemiliknya atau pihak lain yang mempunyai hubungan dengan perusahaan tersebut (Pura, 2013:86). Laporan Keuangan turut berperan dalam memberi informasi tentang kondisi keuangan suatu perusahaan sehingga dapat membantu pihak-pihak yang berkepentingan terhadap informasi tersebut dalam mengambil suatu keputusan yang tepat. B. Komponen Laporan Keuangan Dalam Pernyataan Standar Akuntansi Keuangan No. 1 (Revisi 2009), laporan keuangan yang lengkap terdiri dari komponen-komponen berikut ini: 1. Laporan Posisi Keuangan 2. Laporan Laba Rugi Komprehensif 3. Laporan Perubahan Ekuitas 4. Laporan Arus Kas 5. Catatan atas laporan keuangan, yang berisi ringkasan kebijakan akuntansi penting dan informasi penjelasan lainnya.

7


8

6. Laporan posisi keuangan pada awal periode komparatif yang disajikan ketika entitas menerapkan suatu kebijakan akuntansi secara retrospektif atau membuat penyajian kembali pos-pos laporan keuangan, atau ketika entitas mereklasifikasi pos-pos dalam laporan keuangannya. C. Analisis Laporan Keuangan Analisis laporan keuangan merupakan suatu proses yang penuh pertimbangan dalam rangka membantu mengevaluasi posisi keuangan dan hasil operasi perusahaan pada masa sekarang dan masa lalu dengan tujuan utama untuk menentukan estimasi dan prediksi yang paling mungkin mengenai kondisi dan kinerja perusahaan pada masa mendatang (Prastowo dan Julianty, 2005:56). Hasil prediksi yang diperoleh melalui analisis laporan keuangan diharapkan mampu menjadi tanda peringatan awal bagi perusahaan untuk memperbaiki kinerjanya dalam rangka mencegah hal-hal yang tidak diinginkan di masa mendatang. Hasil analisis laporan keuangan akan mampu membantu menginterpretasikan berbagai hubungan kunci dan kecenderungan yang dapat memberikan dasar pertimbangan mengenai potensi keberhasilan perusahaan di masa datang (Prastowo dan Julianty, 2005:56). D. Kebangkrutan Kebangkrutan biasanya diartikan sebagai kegagalan perusahaan dalam menjalankan operasi perusahaan untuk menghasilkan laba (Endri, 2009). Kebangkrutan juga sering disebut likuidasi perusahaan atau penutupan perusahaan atau

insolvensi

(Ramadhani

dan

Lukviarman, 2009:17).

Kebangkrutan juga identik dengan kegagalan yang dialami suatu perusahaan.


9

Menurut Martin et.al (1995:376) dalam Adnan dan Kurniasih (2000:137), kebangkrutan sebagai kegagalan didefinisikan dalam beberapa arti, yaitu: 1. Kegagalan ekonomi (Economic Failure) Kegagalan dalam arti ekonomi berarti bahwa perusahaan kehilangan uang atau pendapatan perusahaan tidak menutupi biayanya sendiri, ini berarti tingkat laba lebih kecil dari biaya modal atau nilai sekarang dari arus kas perusahaan lebih kecil dari kewajiban. 2. Kegagalan keuangan (Financial Failure) Kegagalan keuangan bisa diartikan sebagai insolvensi yang membedakan antara dasar arus kas dan dasar saham. Insolvensi atas dasar arus kas ada dua bentuk, yaitu: a. Insolvensi teknis Perusahaan dapat dianggap gagal jika perusahaan tidak dapat memenuhi kewajiban pada saat jatuh tempo. Insolvensi juga terjadi bila arus kas tidak cukup untuk memenuhi pembayaran bunga atau pembayaran kembali pokok pada tanggal tertentu. b. Insolvensi dalam pengertian kebangkrutan Kebangkrutan didefinisikan dalam ukuran sebagai kekayaan bersih negatif dalam neraca konvensional atau nilai sekarang dari arus kas yang diharapkan lebih kecil dari kewajiban. Berdasarkan

uraian

tentang

definisi

kebangkrutan

di

atas,

kebangkrutan dapat disimpulkan sebagai suatu keadaan dimana perusahaan dianggap gagal secara finansial dan tidak mampu dalam memenuhi


10

kewajiban-kewajibannya akibat dari ketidakmampuan perusahaan tersebut dalam menghasilkan laba bagi kelangsungan hidup usahanya. E. Manfaat Informasi Kebangkrutan Hanafi dan Halim (2009:259) mengungkapkan bahwa informasi kebangkrutan bisa bermanfaat bagi beberapa pihak seperti: 1. Pemberi Pinjaman Informasi kebangkrutan bisa bermanfaat untuk mengambil keputusan siapa yang akan diberi pinjaman, dan kemudian bermanfaat untuk kebijakan memonitor pinjaman yang ada. 2. Investor Investor saham atau obligasi yang dikeluarkan oleh suatu perusahaan tentunya akan sangat berkepentingan melihat adanya kemungkinan bangkrut atau tidaknya perusahaan yang menjual surat berharga tersebut. 3. Pihak Pemerintah Lembaga pemerintah mempunyai kepentingan untuk melihat tanda-tanda kebangkrutan lebih awal supaya tindakan-tindakan yang perlu bisa dilakukan lebih awal, khususnya sektor perbankan dan BUMN. 4. Akuntan Akuntan

mempunyai

kepentingan

terhadap

informasi

kelangsungan suatu usaha karena akuntan akan menilai kemampuan going concern suatu perusahaan.


11

5. Manajemen Kebangkrutan berarti munculnya biaya-biaya yang berkaitan dengan kebangkrutan dan biaya ini cukup besar. Apabila manajemen bisa mendeteksi

kebangkrutan

lebih

awal,

maka

tindakan-tindakan

penghematan bisa dilakukan, misal dengan melakukan merger atau restrukturisasi keuangan sehingga biaya kebangkrutan bisa dihindari. F. Prediksi Kebangkrutan Kebangkrutan suatu perusahaan dapat diprediksi jauh sebelum perusahaan mengalami kebangkrutan dimana kemungkinan terjadinya kebangkrutan tidak dapat diketahui hanya dalam waktu singkat. Waktu yang digunakan biasanya dua sampai lima tahun sebagai batas toleransi penurunan kinerja untuk mendeteksi kemungkinan kebangkrutan perusahaan (Adnan dan Taufiq, 2001:189 dalam Triharyanti, 2008:14). Prediksi kebangkrutan usaha berfungsi untuk memberikan panduan bagi pihak-pihak tentang kinerja keuangan perusahaan apakah akan mengalami kesulitan keuangan atau tidak di masa mendatang (Darsono dan Ashari, 2005:105). G. Delisting Menurut Keputusan Direksi PT Bursa Efek Jakarta Nomor : Kep308/BEJ/07-2004, definisi Penghapusan Pencatatan (delisting) adalah penghapusan Efek dari daftar Efek yang tercatat di Bursa sehingga Efek tersebut tidak dapat diperdagangkan di Bursa. Menurut Darmadji dan Fakhruddin (2011:84), delisting yaitu penghapusan pencatatan dari daftar


12

saham di bursa. Berdasarkan definisi tersebut, delisting merupakan tindakan untuk mengeluarkan suatu saham yang tercatat di bursa efek. H. Alasan Terjadinya Delisting Bursa Efek Indonesia mengatur ketentuan mengenai delisting dalam Keputusan Direksi PT Bursa Efek Jakarta Nomor: Kep-308/BEJ/07-2004. Menurut Darmadji dan Fakhruddin (2011:84), delisting atas suatu saham dari daftar Efek yang tercatat di Bursa dapat terjadi karena: 1. Permohonan delisting saham yang diajukan oleh Perusahaan Tercatat yang bersangkutan (voluntary delisting). Persyaratan voluntary delisting: a. Telah tercatat sekurang-kurangnya lima tahun b. Disetujui RUPS (bukan RUPS Pemegang Saham Independen) c. Buy-back atas saham bagi pemegang saham yang tidak menyetujui, yaitu pada harga tertinggi antara: 1) harga nominal 2) harga pasar tertinggi selama dua tahun ditambah premi dua tahun, yaitu harga perdana x tingkat bunga SBI tiga bulan atau tingkat bunga obligasi pemerintah yang setara 3) harga wajar berdasarkan laporan penilaian (appraisal) 2. Dihapus pencatatan sahamnya oleh Bursa (forced delisting) Berdasarkan Keputusan Direksi PT Bursa Efek Jakarta Nomor : Kep308/BEJ/07-2004, bursa menghapus pencatatan saham Perusahaan Tercatat


13

apabila Perusahaan Tercatat mengalami sekurang-kurangnya satu kondisi di bawah ini: a. mengalami kondisi, atau peristiwa, yang secara signifikan berpengaruh negatif terhadap kelangsungan usaha Perusahaan Tercatat, baik secara finansial atau secara hukum, atau terhadap kelangsungan status Perusahaan Tercatat sebagai Perusahaan Terbuka, dan Perusahaan Tercatat tidak dapat menunjukkan indikasi pemulihan yang memadai b. Saham Perusahaan Tercatat yang akibat suspensi di Pasar Reguler dan Pasar Tunai, hanya diperdagangkan di Pasar Negosiasi sekurangkurangnya selama 24 (dua puluh empat) bulan terakhir Suspensi merupakan penghentian sementara perdagangan saham. Dengan pertimbangan tertentu, otoritas bursa dapat menghentikan sementara perdagangan

suatu

diperjualbelikan

saham,

hingga

sehingga

penghentian

saham sementara

tersebut dicabut

tidak

dapat

oleh

bursa

(unsuspend). Tidak jarang suspensi yang berkepanjangan berakhir dengan penghapusan pencatatan (delisting) oleh pihak bursa. Beberapa hal yang dapat menjadi penyebab penghentian perdagangan suatu saham, antara lain (Darmadji dan Fakhruddin, 2011:103): 1. Laporan Keuangan Auditan memperoleh opini Disclaimer (tidak memberikan pendapat) sebanyak dua kali berturut-turut atau memperoleh opini tidak wajar sebanyak satu kali.


14

2. Emiten dimohonkan pailit oleh krediturnya atau secara sukarela mengajukan permohonan Penundaan Kewajiban Pembayaran Hutang (PKPU) 3. Tidak melakukan keterbukaan informasi atas suatu informasi yang menurut pertimbangan Bursa secara material dapat memengaruhi keputusan investasi investor. 4. Terjadi kenaikan atau penurunan harga yang signifikan dan/atau adanya pola transaksi yang tidak wajar. I. Kebangkrutan dan Delisting Indikasi perusahaan yang akan mengalami kebangkrutan adalah kesulitan keuangan (financial distress) yang dihadapinya. Penelitian yang dilakukan oleh Hofer (1980) dan Whitaker (1999) dalam Almilia (2006) mendefinisikan financial distress sebagai suatu kondisi perusahaan yang mengalami laba bersih (net income) negatif selama beberapa tahun. Menurut Darsono dan Ashari (2005:101), kesulitan keuangan dapat diartikan sebagai ketidakmampuan perusahaan untuk membayar kewajiban keuangannya pada saat jatuh tempo yang menyebabkan kebangkrutan perusahaan. Sedangkan menurut Plat dan Plat (2002) dalam Almilia (2006) mendefinisikan financial distress sebagai tahap penurunan kondisi keuangan yang terjadi sebelum terjadinya kebangkrutan atau likuiditasi. Jika suatu perusahaan mengalami masalah dalam likuiditas maka sangat memungkinkan perusahaan tersebut mulai memasuki masa kesulitan keuangan, dan jika kondisi kesulitan tersebut


15

tidak cepat diatasi maka ini bisa berakibat kebangkrutan usaha (Fahmi, 2011:157). Indikasi awal perusahaan bangkrut adalah dilakukannya penghapusan pencatatan saham (delisting) dari Bursa (Hadi dan Anggraeni, 2008). Suatu saham perusahaan yang di delist dari Bursa umumnya karena kinerja yang buruk misalnya dalam kurun waktu tertentu tidak pernah diperdagangkan, mengalami kerugian beberapa tahun, tidak membagikan dividen secara berturut-turut selama beberapa tahun, dan beberapa kondisi lainnya sesuai dengan Peraturan Pencatatan Efek di Bursa (Sunariyah, 2011:51). Lebih lanjut menurut Sunariyah (2011:51), jika suatu perusahaan bangkrut atau dilikuidasi, maka secara otomatis saham perusahaan tersebut akan dikeluarkan dari Bursa atau di Delist. Hal tersebut mengindikasikan bahwa perusahaan tercatat yang mengalami kesulitan keuangan (financial distress) rentan mengalami delisting secara paksa. Berdasarkan uraian di atas, baik kebangkrutan maupun delisting secara paksa (forced delisting) umumnya diawali dengan kesulitan keuangan (financial distress) yang tidak mampu diatasi oleh perusahaan dalam jangka waktu tertentu. J. Model Prediksi Kebangkrutan Munculnya berbagai

model prediksi kebangkrutan merupakan

antisipasi dan sistem peringatan dini terhadap financial distress karena model tersebut dapat digunakan sebagai sarana untuk mengidentifikasikan bahkan memperbaiki kondisi sebelum sampai pada kondisi krisis atau kebangkrutan (Endri, 2009). Penggunaan model prediksi kebangkrutan dalam penelitian ini


16

akan digunakan dalam memprediksi terjadinya forced delisting suatu perusahaan yang mengindikasikan perusahaan tersebut mengalami financial distress sebelum dinyatakan delisting. Berikut ini akan diuraikan tiga model prediksi kebangkrutan yang akan digunakan dalam penelitian ini: 1. Model Prediksi Altman Z-Score Model prediksi yang dikembangkan oleh Altman pertama kalinya pada tahun 1968 yang menerapkan Multiple Discriminant Analysis. Anjum (2012) dalam penelitiannya mengungkapkan prediktor ini merupakan model statistik yang menggabungkan lima rasio keuangan untuk menghasilkan suatu produk yang disebut Z-Score dan telah terbukti menjadi instrumen yang dapat diandalkan untuk meramalkan kegagalan dalam berbagai entitas bisnis . Persamaan diskriminan model Altman sebagai berikut (Hanafi dan Halim, 2009:272): Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5 Dimana: X1 = Working Capital / Total Asset X2 = Retained Earnings / Total Asset X3 = Earning Before Interest and Taxes/Total Asset X4 = Market Value of Equity / Book Value of Total Debt X5 = Sales / Total Asset


17

Klasifikasi perusahaan yang sehat dan bangkrut didasarkan pada nilai Z-score model Altman, yaitu: a. Jika nilai Z < 1,81 maka termasuk perusahaan yang bangkrut. b. Jika nilai Z antara 1,81 dan 2,99 maka termasuk grey area (tidak dapat ditentukan

apakah

perusahaan

sehat

ataupun

mengalami

kebangkrutan). c.

Jika nilai Z > 2,99 maka termasuk perusahaan yang tidak bangkrut. Seiring dengan perkembangannya, Altman melakukan revisi atas

model prediksinya. Revisi yang dilakukan oleh Altman pada tahun 1983 merupakan penyesuaian yang dilakukan agar model prediksi kebangkrutan ini tidak hanya untuk perusahaan manufaktur yang go public melainkan juga dapat diaplikasikan untuk perusahaan-perusahaan di sektor swasta (Ramadhani dan Lukviarman, 2009). Altman merevisi modelnya dengan mengganti variabel X4. Model Altman yang dikenal sebagai the revised Zscore memiliki rumus (Anjum, 2012): Z = 0,717X1 + 0,847X2 + 3,107X3 + 0,420X4 + 0,998X5 Dimana: X1 = Working Capital / Total Asset X2 = Retained Earnings / Total Asset X3 = Earning Before Interest and Taxes / Total Asset X4 = Book Value of Equity / Book Value of Total Debt X5 = Sales / Total Asset


18

Klasifikasi perusahaan yang sehat dan bangkrut didasarkan pada nilai Z-score model Altman, yaitu: a. Jika nilai Z < 1,23 maka termasuk perusahaan yang bangkrut. b. Jika nilai Z antara 1,23 dan 2,90 maka termasuk grey area (tidak dapat ditentukan

apakah

perusahaan

sehat

ataupun

mengalami

kebangkrutan). c.

Jika nilai Z > 2,90 maka termasuk perusahaan yang tidak bangkrut. Jika dibandingkan antara kedua model Altman tersebut, model

prediksi Altman pertama memberikan tingkat prediksi kebangkrutan yang lebih tinggi dibandingkan dengan model Altman revisi (Ramadhani dan Lukviarman, 2009). Menurut Hanafi dan Halim (2009:273), model Altman yang baru mempunyai kemampuan prediksi yang cukup baik sebesar 94% (62 benar dari total sampel 66) sedangkan model Altman yang asli (pertama) memiliki kemampuan prediksi sebesar 95% (63 benar dari 66 total sampel). Berdasarkan hal tersebut, penelitian akan menggunakan model Altman yang pertama. 2. Model Prediksi Springate Penelitian yang dilakukan oleh Gordon L.V Springate (1978) menghasilkan model prediksi kebangkrutan yang dibuat dengan mengikuti prosedur model Altman (Prihanthini dan Sari, 2013:422). Springate mengkombinasikan empat rasio yang digunakan dalam memprediksi adanya potensi kebangkrutan suatu perusahaan. Model ini memiliki rumus sebagai berikut:


19

S = 1,03 A + 3,07 B + 0,66 C +0,4 D Dimana: A = Working Capital / Total Asset B = Net Profit before Interest and Taxes / Total Asset C = Net Profit before Taxes / Current Liabilities D = Sales / Total Asset Model Springate ini mengklasifikasikan perusahaan dengan skor S > 0,862 merupakan perusahaan yang tidak berpotensi bangkrut, begitu juga sebaliknya jika perusahaan memiliki skor S < 0,862 diklasifikasikan sebagai perusahaan yang tidak sehat dan berpotensi untuk bangkrut. 3. Model Prediksi Zmijewski Menurut Prihanthini dan Sari (2013:423), model prediksi yang dihasilkan oleh Zmijewski pada tahun 1983 merupakan hasil riset selama 20 tahun yang ditelaah ulang. Zmijewski menggunakan probit analisis yang diterapkan pada 40 perusahaan yang telah bangkrut dan 800 perusahaan yang masih bertahan saat itu (Hadi dan Anggraeni, 2008). Model ini menghasilkan rumus sebagai berikut: X = -4,3 - 4,5X1 + 5,7X2 – 0,004X3 Dimana : X1 = ROA (Return on Asset) X2 = Leverage (Debt Ratio) X3 = Likuiditas (Current Ratio)


20

Jika skor yang diperoleh sebuah perusahaan dari model prediksi kebangkrutan ini melebihi 0 maka perusahaan diprediksi berpotensi mengalami kebangkrutan. Sebaliknya, jika sebuah perusahaan memiliki skor yang kurang dari 0 maka perusahaan diprediksi tidak berpotensi untuk mengalami kebangkrutan. K. Kesalahan Tipe I dan II Setiap model selalu terdapat kemungkinan salah prediksi dan perbedaan tingkat akurasi. Sulit untuk berharap ada alat prediksi dengan akurasi 100%. Alat prediksi dikatakan benar apabila antara yang diprediksi dengan aktualnya sama, sedangkan kesalahan terjadi apabila antara yang diprediksi dengan aktualnya tidak sama. Kesalahan yang timbul dari alat prediksi terdiri dari (Prihadi, 2010:334): 1. Kesalahan Tipe 1 Kesalahan dimana alat prediksi menyatakan tidak bangkrut ternyata aktualnya bangkrut. 2. Kesalahan Tipe 2 Kesalahan dimana alat prediksi menyatakan bangkrut ternyata aktualnya tidak bangkrut. Menurut Hanafi dan Halim (2005:264), kesalahan prediksi terdiri dari dua tipe yaitu kesalahan tipe I dan kesalahan tipe II seperti berikut ini:


21

Tabel 1. Tipe Kesalahan Prediksi Bangkrut Kenyataan Bangkrut Benar Tidak Bangkrut Kesalahan Tipe II Sumber: Hanafi dan Halim

Diprediksi Tidak Bangkrut Kesalahan Tipe I Benar

L. Penelitian Terdahulu Penelitian oleh Hadi dan Anggraeni (2008) melakukan perbandingan antara model Zmijewski, model Altman, dan model Springate untuk mengetahui prediktor delisting terbaik pada Bursa Efek Indonesia (BEI). Penelitian menggunakan semua data delisting BEI tahun 2003-2007 kecuali data delisting bank.. Hasil penelitian menunjukkan bahwa model Altman merupakan prediktor delisting terbaik, diikuti oleh model Springate dan model Zmijewski. Penelitian oleh Prihanthini dan Sari (2013) dilakukan dengan menggunakan model Grover, Altman Z-Score, Springate dan Zmijewski yang diterapkan pada perusahaan Food and Beverage yang masih tercatat di Bursa Efek Indonesia. Hasilnya menunjukkan bahwa tingkat akurasi tertinggi diraih model Grover kemudian disusul oleh model Springate, model Zmijewski, dan terakhir model Altman Z-score. Penelitian oleh Raras (2014) menggunakan model prediksi Altman, Wang dan Campbell, dan Springate dalam analisisnya untuk menguji apakah ketiga model analisis prediksi tersebut dapat digunakan untuk memprediksi secara tepat perusahaan yang delisting dari Bursa Efek Indonesia karena kegagalan keuangan. Hasil penelitiannya menunjukkan bahwa pada sampel


22

pembanding kecil, jika diurutkan berdasarkan tingkat akurasinya adalah Springate (1978), Altman (1984) dan Wang dan Campbell (2010). Sedangkan untuk sampel pembanding besar, kesimpulannya bahwa Altman menempati urutan pertama, urutan kedua model prediksi Springate, sedangkan model prediksi Wang dan Campbell berada diurutan terakhir.


BAB III METODE PENELITIAN

A. Jenis Penelitian Penelitian ini menggunakan studi empiris. Studi empiris dalam penelitian ini menggunakan data sekunder dari perusahaan-perusahaan baik perusahaan yang mengalami delisting maupun yang tidak mengalami delisting dengan analisis berdasarkan data keuangan dari laporan keuangan selama tiga tahun berturut-turut. B. Objek Penelitian Objek penelitian yang digunakan adalah laporan keuangan perusahaan. Laporan keuangan perusahaan yang digunakan adalah laporan keuangan dari perusahaan yang telah delisting dari Bursa Efek Indonesia pada periode 2009-2013. Sebagai pembanding, digunakan pula laporan keuangan dari perusahaan yang tidak mengalami delisting. Laporan keuangan yang diperlukan berupa laporan posisi keuangan (neraca) dan laporan laba rugi. C. Teknik Pengambilan Sampel Populasi dalam penelitian ini adalah perusahaan-perusahaan yang telah delisting dari Bursa Efek Indonesia pada periode 2009-2013 maupun perusahaan-perusahaan yang tidak mengalami delisting sehingga masih terdaftar

di

Bursa

Efek

Indonesia.

Pengambilan

sampel

penelitian

menggunakan teknik purposive sampling yaitu teknik penentuan sampel yang

23


24

didasarkan pada suatu kriteria tertentu. Kriteria umum penentuan sampel adalah: 1. Sampel

perusahaan

yang

dipilih

merupakan

perusahaan

yang

mempublikasikan laporan keuangannya selama tiga tahun berturut-turut yang berakhir pada 31 Desember. 2. Sampel perusahaan yang dipilih tidak termasuk perusahaan yang bergerak di sektor keuangan dan perbankan. Selain kriteria umum, terdapat kriteria khusus yang harus dipenuhi untuk mengkategorikan sampel. Sampel dibagi menjadi dua kategori yaitu perusahaan yang mengalami delisting dan perusahaan yang tidak mengalami delisting. Berikut kriteria khusus kategori I untuk perusahaan yang delisting: 1. Sampel perusahaan merupakan perusahaan yang mengalami forced delisting pada periode 2009-2013 karena mengalami masalah keuangan yang mengindikasikan bahwa perusahaan yang bersangkutan mengalami financial distress sehingga menimbulkan keraguan atas kelangsungan usahanya (going concern). 2. Sampel perusahaan menyediakan data keuangan secara lengkap yang dibutuhkan dalam penelitian ini, yaitu data selama tiga tahun berturut-turut yang mengacu pada laporan keuangan terakhir yang diterbitkan di BEI sebelum dinyatakan delisting. Apabila laporan keuangan terakhir yang diterbitkan di BEI tidak memiliki kelengkapan data yang dibutuhkan, maka data yang akan diambil dari laporan keuangan periode sebelumnya (1-3 tahun sebelum delisting) selama tiga tahun berturut-turut.


25

Adapun kriteria khusus kategori II untuk perusahaan yang tidak mengalami delisting (listing): 1. Perusahaan masih terdaftar di Bursa Efek Indonesia dengan menggunakan data laporan keuangan selama tiga tahun berturut-turut pada periode yang sama dengan perusahaan yang telah delisting. 2. Sampel perusahaan yang dipilih tidak memiliki laba negatif secara berturut-turut yang menjadi indikator bahwa perusahaan tidak mengalami financial distress. Hal tersebut sesuai dengan penelitian yang dilakukan oleh Hofer (1980) dan Whitaker (1999) dalam Almilia (2006) yang mendefinisikan financial distress sebagai suatu kondisi perusahaan yang mengalami laba bersih (net income) negatif selama beberapa tahun. 3. Sampel perusahaan dipilih dalam jumlah yang sama dengan sampel perusahaan yang telah delisting dan dari sub sektor industri yang sejenis dengan perusahaan yang telah delisting. Tabel 2. Daftar Sampel Perusahaan No Nama Perusahaan 1

Jaka Inti Realtindo Tbk.

Delisting

2

Bakrieland Development Tbk.

Listing

3

Daya Sakti Unggul Corporindo Tbk.

Delisting

4

Tirta Mahakam Resources Tbk.

Listing

5

Infoasia Teknologi Global Tbk. Telekomunikasi Indonesia (Persero) Tbk.

Delisting

Sub Sektor Industri Real Estate and Property Real Estate and Property Lumber and Wood Products Lumber and Wood Products Telecommunication

Listing

Telecommunication

6

Status

Real Estate and Property Real Estate and 8 Ciputra Property Tbk. Listing Property Sumber: Indonesian Capital Market Directory dan Annual Report IDX 7

New Century Development Tbk.

Delisting


26

Lanjutan Tabel 2. Daftar Sampel Perusahaan No Nama Perusahaan Status

Sub Sektor Industri Real Estate and 9 Suryainti Permata Tbk. Delisting Property Real Estate and 10 Cowell Development Tbk. Listing Property Apparel and Other 11 Surya Intrindo Makmur Tbk. Delisting Textile Products Apparel and Other 12 Indorama Synthetics Tbk. Listing Textile Products Real Estate and 13 Panca Wiratama Sakti Tbk. Delisting Property Real Estate and 14 Perdana Gapuraprima Tbk. Listing Property Mining and Mining 15 Indo Setu Bara Resources Tbk. Delisting Services Mining and Mining 16 Indo Tambangraya Megah Tbk. Listing Services Paper and Allied 17 Surabaya Agung Industry Pulp Tbk. Delisting Products Paper and Allied 18 Pabrik Kertas Tjiwi Kimia Tbk. Listing Products Dayaindo Resources International Real Estate and 19 Delisting Tbk. Property Real Estate and 20 Lippo Cikarang Tbk. Listing Property Sumber: Indonesian Capital Market Directory dan Annual Report IDX D. Teknik Pengumpulan Data Teknik pengumpulan data yang digunakan dalam penelitian ini adalah teknik dokumentasi, dengan mengumpulkan, mempelajari dan menganalisis data sekunder. Data diperoleh dari pojok BEI, Indonesian Capital Market Directory (ICMD), dan website www.idx.co.id. E. Definisi Operasional Variabel Penggunaan model prediksi kebangkrutan dalam penelitian ini digunakan dalam memprediksi terjadinya forced delisting suatu perusahaan yang mengindikasikan perusahaan tersebut mengalami financial distress


27

sebelum dinyatakan delisting. Model prediksi yang digunakan meliputi model Altman, model Springate, dan model Zmijewski. Berikut ini variabel-variabel yang diukur dengan rasio keuangan yang digunakan oleh masing-masing model prediksi beserta definisinya: 1. Working Capital / Total Asset Rasio

ini

menunjukkan

kemampuan

perusahaan

untuk

menghasilkan modal kerja bersih dari keseluruhan total aktiva yang dimilikinya (Endri, 2009). Rasio ini digunakan dalam model Altman dan Springate. Perhitungan rasio ini dihitung dengan rumus:

2. Retained Earnings / Total Asset Rasio

ini

menunjukkan

kemampuan

perusahaan

untuk

menghasilkan laba ditahan dari total aktiva perusahaan (Endri, 2009). Rasio ini digunakan dalam model Altman. Perhitungan rasio ini dengan cara:

3. Earning Before Interest and Taxes/Total Asset Rasio

ini

menunjukkan

kemampuan

perusahaan

untuk

menghasilkan laba dari aktiva perusahaan, sebelum pembayaran bunga dan pajak (Endri, 2009). Rasio ini digunakan dalam model Altman dan Springate. Rumus perhitungannya:


28

4. Market Value of Equity / Book Value of Total Debt Rasio ini menunjukkan kemampuan perusahaan untuk memenuhi kewajiban-kewajiban dari nilai pasar modal sendiri (saham biasa). Nilai pasar ekuitas sendiri diperoleh dengan mengalikan jumlah lembar saham biasa yang beredar dengan harga pasar per lembar saham biasa. Nilai buku hutang diperoleh dengan menjumlahkan kewajiban lancar dengan kewajiban jangka panjang (Endri, 2009). Rasio ini digunakan dalam model Altman. Perhitungan rasio ini dengan cara:

5. Sales / Total Asset Rasio ini menunjukkan apakah perusahaan menghasilkan volume bisnis yang cukup dibandingkan investasi dalam total aktivanya. Rasio ini mencerminkan efisiensi manajemen dalam menggunakan keseluruhan aktiva perusahaan untuk menghasilkan penjualan dan mendapatkan laba (Endri, 2009). Rasio ini digunakan dalam model Altman dan Springate. Rumus perhitungannya:

6. Net Profit before Taxes/Current Liabilities Rasio

ini

menunjukkan

kemampuan

perusahaan

untuk

menghasilkan laba sebelum pembayaran pajak dari hutang jangka pendeknya. Rasio ini digunakan dalam model Springate. Perhitungan rasio ini dengan cara:


29

7. Return On Assets (ROA) ROA mengukur kemampuan perusahaan dalam memanfaatkan aktivanya untuk memperoleh laba (Prastowo dan Julianty, 2005:91). Rasio ini digunakan dalam model Zmijewski. Rumus perhitungannya:

8. Leverage Leverage menggambarkan kemampuan suatu perusahaan dalam memenuhi kewajiban jangka panjangnya (Prastowo dan Julianty, 2005:89). Debt ratio menunjukkan beberapa bagian dari keseluruhan kebutuhan dana yang dibelanjai dengan utang atau beberapa bagian dari aktiva yang digunakan untuk menjamin utang. Rasio ini digunakan dalam model Zmijewski. Rumus perhitungannya:

9. Likuiditas Likuiditas

menggambarkan

kemampuan

perusahaan

dalam

memenuhi kewajiban jangka pendeknya kepada kreditor jangka pendek (Prastowo dan Julianty, 2005:83). Current ratio merupakan rasio yang digunakan untuk mengukur kemampuan perusahaan dalam membayar kewajiban jangka pendeknya dengan menggunakan aktiva lancar. Rasio ini digunakan dalam model Zmijewski. Rumus perhitungannya:


30

F. Teknik Analisis Data 1. Untuk menjawab rumusan masalah pertama, teknik analisis data yang dilakukan meliputi empat hal berikut ini: a. Perhitungan rasio keuangan Perhitungan

rasio

keuangan

terhadap

seluruh

data

menggunakan rasio-rasio keuangan dalam model prediksi Altman, Springate, dan Zmijewski. b. Statistik deskriptif Statistik ini dapat memberikan gambaran mengenai nilai minimum, nilai maksimum, nilai rata-rata serta standar deviasi data yang digunakan dalam penelitian. Data yang digunakan meliputi variabel penelitian berupa rasio keuangan dari seluruh model prediksi yang digunakan dalam penelitian ini. c. Perhitungan masing-masing model prediksi kebangkrutan untuk masing-masing perusahaan yang delisting maupun listing. 1) Model Altman Z-Score Bentuk persamaan model Altman adalah sebagai berikut: Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5 Dimana: X1 = Working Capital / Total Asset X2 = Retained Earnings / Total Asset X3 = Earning Before Interest and Taxes/Total Asset


31

X4 = Market Value of Equity / Book Value of Total Debt X5 = Sales / Total Asset Skor yang diperoleh perusahaan sampel dari perhitungan rumus di atas dapat dibandingkan dengan nilai cut off untuk kategori berikut: Nilai Cut Off Prediksi Z < 1,81 Bangkrut Z antara 1,81 – Grey area (tidak dapat ditentukan apakah 2,99 perusahaan sehat ataupun mengalami kebangkrutan) Z > 2,99 Tidak bangkrut

2) Model Springate Bentuk persamaan model Springate adalah sebagai berikut: S = 1,03 A + 3,07 B + 0,66 C +0,4 D Dimana: A = Working Capital / Total Asset B = Net Profit before Interest and Taxes / Total Asset C = Net Profit before Taxes / Current Liabilities D = Sales / Total Asset Skor yang diperoleh perusahaan sampel dari perhitungan rumus di atas dapat dibandingkan dengan nilai cut off untuk kategori berikut: Nilai Cut Off S > 0,862 S < 0,862

Prediksi Tidak bangkrut Bangkrut


32

3) Model Zmijewski Bentuk persamaan model Zmijewski adalah sebagai berikut: X = -4,3 - 4,5X1 + 5,7X2 – 0,004X3 Dimana: X1 = ROA X2 = Leverage (Debt Ratio) X3 = Likuiditas (Current Ratio) Skor yang diperoleh perusahaan sampel dari perhitungan rumus di atas dapat dibandingkan dengan nilai cut off untuk kategori berikut: Nilai Cut Off X>0 X<0

Prediksi Bangkrut Tidak bangkrut

d. Pembuatan tabel perbandingan hasil prediksi model Altman, Springate, dan Zmijewski. Skor yang dicantumkan dalam tabel merupakan skor berdasarkan perhitungan model prediksi selama tiga tahun berturutturut sebelum perusahaan mengalami delisting. Sama halnya untuk perusahaan yang tidak mengalami delisting (listing), skor yang dicantumkan merupakan skor selama tiga tahun berturut-turut. Kolom “status” menunjukkan keadaan sesungguhnya dari sampel perusahaan yang diteliti, apakah perusahaan berstatus delisting atau listing pada tahun tertentu. Berikut contoh format tabel beserta contoh pengisian kolomnya:


33

Model Prediksi Altman

No 1

Kode Perusahaan PTRA

Skor Tahunan Th I xxx

Th II xxx

Th III xxx

Ratarata Skor

Prediksi

xxx

bangkrut

Ratarata Skor

Prediksi

Status (Tahun)

tidak bangkrut

delisting (2011)

Ratarata Skor

Prediksi

Status (Tahun)

xxx

bangkrut

Status (Tahun) delisting (2011)

dst

Model Prediksi Springate

No 1



Th II xxx

Th III xxx

xxx

dst

Model Prediksi Zmijewski

No 1



Th II xxx

Th III xxx

delisting (2011)

dst *Th = tahun 2. Untuk menjawab rumusan masalah kedua tentang model prediksi yang paling tepat digunakan untuk memprediksi perusahaan yang delisting atau tidak mengalami delisting dilakukan dengan cara menganalisis ketepatan hasil prediksi model-model tersebut dengan melakukan perbandingan


34

antara hasil prediksi dengan keadaan perusahaan sesungguhnya. Analisis disertai dengan perhitungan persentase keakuratan masing-masing model prediksi dalam memprediksi terjadinya delisting suatu perusahaan. Indikator perusahaan bangkrut di pasar modal adalah perusahaan delisted (Hadi dan Anggraeni, 2008). Prediksi dianggap tepat apabila perusahaan diprediksi bangkrut (delisting), maka perusahaan tersebut mengalami delisting sedangkan apabila perusahaan diprediksi tidak bangkrut (tidak mengalami delisting), maka perusahaan tersebut tidak mengalami delisting. Ketepatan model prediksi yang tertinggi dapat dilihat dari tingkat akurasinya yang paling tinggi. Tingkat akurasi menunjukkan berapa persentase model dalam memprediksi kondisi perusahaan dengan benar berdasarkan keseluruhan sampel yang ada (Christianti, 2013). Tingkat akurasi tiap model dihitung dengan cara sebagai berikut: Tingkat Akurasi =

x 100% Jumlah Sampel

Selain tingkat akurasi, penelitian ini juga menganalisis persentase tipe kesalahannya (tipe error). Tipe Error I adalah kesalahan yang terjadi jika model memprediksi sampel tidak bangkrut (tidak mengalami delisting) padahal kenyataannya bangkrut (mengalami delisting). Tipe Error II adalah kesalahan yang terjadi jika model memprediksi sampel mengalami bangkrut (delisting) padahal kenyataannya tidak bangkrut (tidak mengalami delisting). Tingkat error dapat dihitung dengan cara sebagai berikut:


Tipe Error I =


Tipe Error II =

Tingkat

35


akurasi

dan

error

selanjutnya

digunakan

untuk

menyimpulkan model mana yang paling sesuai untuk diterapkan (Rismawaty, 2012). Model prediksi yang memiliki tingkat akurasi dengan persentase tertinggi dan tipe error yang rendah akan dipilih sebagai model prediksi yang memiliki ketepatan tertinggi dalam memprediksi delisting atau tidaknya suatu perusahaan di BEI.


BAB IV GAMBARAN UMUM PERUSAHAAN

A. Gambaran Umum Perusahaan Sampel Perusahaan yang akan diteliti terdiri atas perusahaan yang telah keluar dari BEI (delisting) periode 2009-2013 dan perusahaan yang masih terdaftar di BEI pada periode yang sama. Berikut ini adalah perusahaan-perusahaan yang mengalami delisting paksa oleh pihak BEI karena menimbulkan keraguan atas kelangsungan usahanya: Tabel 3. Daftar Perusahaan Delisting No 1

Kode JAKA

Nama Perusahaan Jaka Inti Realtindo Tbk. Daya Sakti Unggul Corporindo Tbk.

Tanggal Pencatatan 2 Agustus 2000

Tanggal Penghapusan Pencatatan 19 Februari 2009

Alamat

Jl. Cideng Timur No. 78A Jakarta 10160 2 DSUC 25 Maret 9 Desember Wisma BSG, 1997 2009 12th Floor Jl. Abdul Muis No. 40, Jakarta 10160 3 IATG Infoasia 15 29 Desember Menara Thamrin Teknologi November 2009 15th Floor Global Tbk. 2001 Jl. MH. Thamrin Kav. 3 Jakarta 10250 4 PTRA New Century 28 Maret 24 Januari Mayapada Development 1994 2011 Tower 19th Fl. Tbk. Jln. Jend. Sudirman Kav. 28 Jakarta 12920 5 SIIP Suryainti 8 Januari 28 Februari Wisma Permata Permata Tbk. 1998 2012 Jln. Panglima Sudirman 55, Surabaya 60271 Sumber: Indonesian Capital Market Directory (ICMD) dan Fact Book IDX 36


37

Lanjutan Tabel 3. Daftar Perusahaan Delisting No 6

Kode SIMM

Nama

Tanggal Pencatatan

Surya 28 Maret Intrindo 2000 Makmur Tbk.

Tanggal Penghapusan Pencatatan 3 Desember 2012

Alamat

Jl. Raya Tambak Sawah No. 8 Waru, Sidoarjo, Jawa Timur 7 PWSI Panca 10 Maret 17 Mei 2013 Perkantoran Wiratama 1994 Ciputat Indah Sakti Tbk. Permai Blok B-6 Jl. Ir. H. Juanda No. 50 Ciputat15419, Banten 8 CPDW Indo Setu 18 Juni 12 Mayapada Bara 1990 September Tower Building Resources 2013 19th Floor, Tbk. Unit 19-05A Jl. Jend. Sudirman Kav. 28 Jakarta 12920 9 SAIP Surabaya 3 Mei 31 Oktober Jalan Agung 1993 2013 Kedungdoro No. Industri Pulp 60 8th-10th & Kertas Floor Tbk. Surabaya 60251 Jawa TimurIndonesia 10 KARK Dayaindo 20 Juli 27 Desember Graha Mandiri Resources 2001 2013 Building 27th International Floor Tbk. Jl. Imam Bonjol No. 61 Jakarta 10310 Sumber: Indonesian Capital Market Directory (ICMD) dan Fact Book IDX *keterangan lengkap tentang alasan delisting perusahaan dapat dilihat pada lampiran I halaman 75-76.


38

Perusahaan yang tidak mengalami delisting (listing) dalam penelitian ini merupakan perusahaan yang bergerak dalam sub sektor industri yang sama dengan sampel perusahaan yang delisting dan diambil dari periode tahun yang sama. Berikut ini adalah beberapa perusahaan yang tidak mengalami delisting dan telah dipilih secara purposive sampling: Tabel 4. Daftar Perusahaan Listing No

Kode

Nama

Tanggal Pencatatan 30 Oktober 1995

1

ELTY

Bakrieland Development Tbk.

2

TIRT

Tirta Mahakam Resources Tbk.

13 Desember 1999

3

TLKM

Telekomunikasi Indonesia (Persero) Tbk.

14 November 1995

4

CTRP

Ciputra Property Tbk.

7 November 2007

5

COWL

Cowell Development Tbk.

19 Desember 2007

6

INDR

Indorama Synthetics Tbk.

3 Agustus 1990

Sumber: Indonesian Capital Market Directory (ICMD)

Alamat Wisma Bakrie I, 6th & 7th Floor Jl. HR. Rasuna Said Kav. B-1 Jakarta 12920 Gapura Prima Office Tower (The Bellezza) 20th Floor Jl. Letjend. Soepeno No. 34 Arteri Permata HijauJakarta 12210 GKP Bandung Jl. Japati No. 1, Bandung 40133, Jawa Barat Jl. Prof. DR Satrio Kav. 6 Jakarta 12940 Graha Atrium 6th Floor Jl. Senen Raya No. 135 Jakarta 10410 Graha Irama 17th Floor Jl. H.R Rasuna Said Blok X-1 Kav. 1-2 Kuningan, Jakarta 12950


Lanjutan Tabel 4. Daftar Perusahaan Listing Tanggal No Kode Nama Pencatatan 7 GPRA Perdana 10 Oktober 2007 Gapuraprima Tbk.

8

ITMG

Indo Tambangraya Megah Tbk.

18 Desember 2007

9

TKIM

3 April 1990

10

LPCK

Pabrik Kertas Tjiwi Kimia Tbk. Lippo Cikarang Tbk.

24 Juli 1997

39

Alamat Bellezza Arcade 2nd Floor The Bellezza Permata Hijau Jl. Letjend. Supeno No. 34, Permata Hijau Jakarta 12210 Pondok Indah Office Tower III, 3rd Floor Jl. Sultan Iskandar Muda Pondok Indah Kav. V-TA Jakarta Selatan 12310 Jl. Raya Surabaya – Mojokerto Km. 44, Sidoarjo, East Java Easton Commercial Centre Jl. Gunung Panderman Kav. 05 Lippo Cikarang, Bekasi 17550, Jawa Barat

Sumber: Indonesian Capital Market Directory (ICMD) B. Deskripsi Data Data yang akan diolah dalam penelitian merupakan data sekunder yang berasal dari laporan keuangan perusahaan sampel yang mengalami delisting maupun tidak mengalami delisting di Bursa Efek Indonesia. Data tersebut dapat diperoleh dari Indonesian Capital Market Directory (ICMD) atau mengunduh

laporan

keuangan

perusahaan

melalui

website

IDX

(www.idx.co.id). Data laporan keuangan yang digunakan periode 2005-2012 yang berakhir pada 31 Desember.


40

Data yang diambil dari masing-masing perusahaan sampel memiliki periode tahun yang berbeda-beda, tergantung pada kelengkapan data yang dibutuhkan. Sebanyak empat perusahaan yang telah delisting memiliki kelengkapan data keuangan selama tiga tahun berturut-turut dalam periode satu tahun sebelum delisting, yaitu PT. Daya Sakti Unggul Corporindo Tbk. (DSUC) tahun 2006-2008, PT. Infoasia Teknologi Global Tbk. (IATG) tahun 2006-2008, PT. Indo Setu Bara Resources Tbk. (CPDW) tahun 2010-2012, dan PT. Surabaya Agung Industri Pulp & Kertas Tbk. (SAIP) tahun 20102012. Sebanyak empat perusahaan memiliki kelengkapan data keuangan selama tiga tahun berturut-turut dalam periode dua tahun sebelum delisting, yaitu PT. Jaka Inti Realtindo Tbk. (JAKA) tahun 2005-2007, PT. New Century Development Tbk. (PTRA) tahun 2007-2009, PT. Suryainti Permata Tbk. (SIIP) tahun 2008-2010, dan PT. Dayaindo Resources International Tbk. (KARK) tahun 2009-2011. Sedangkan dua perusahaan lainnya memiliki kelengkapan data keuangan tiga tahun berturut-turut dalam periode tiga tahun sebelum delisting, yaitu PT. Surya Intrindo Makmur Tbk. (SIMM) tahun 2007-2009, dan PT. Panca Wiratama Sakti Tbk. (PWSI) tahun 2008-2010. Untuk perusahaan yang tidak mengalami delisting akan menggunakan periode waktu yang sama dengan perusahaan yang telah mengalami delisting. Berikut akan disajikan gambaran periode data yang digunakan berdasarkan laporan keuangan yang berakhir pada 31 Desember:


Tabel 5. Periode Laporan Keuangan Yang Digunakan Tahun No Kode 2005 2006 2007 2008 2009 1 JAKA 2 ELTY 3 DSUC 4 TIRT 5 IATG 6 TLKM 7 PTRA 8 CTRP 9 SIIP 10 COWL 11 SIMM 12 INDR 13 PWSI 14 GPRA 15 CPDW 16 ITMG 17 SAIP 18 TKIM 19 KARK 20 LPCK Sumber: Data diolah

2010

2011

41

2012

Untuk mendeskripsikan data yang akan digunakan, data yang telah dikumpulkan akan diolah menggunakan program SPSS untuk melakukan perhitungan statistik deskriptif variabel-variabel yang meliputi semua rasio keuangan yang dibutuhkan dalam model Altman Z-Score, model Springate, dan model Zmijewski. Statistik deskriptif dapat memberikan gambaran mengenai nilai rata-rata, nilai maksimum, nilai minimum, dan standar deviasi. Statistik deskriptif untuk kategori I perusahaan delisting disajikan dalam tabel berikut:


42

Tabel 6. Statistik Deskriptif Kategori I: Perusahaan Delisting Descriptive Statistics N

Minimum

Maximum

Mean

Std. Deviation

WC_TA

30

-1.84865

.49620

-.1123177

.66437613

RE_TA

30

-5.10275

1.21166

-1.0696890

1.68731218

EBIT_TA

30

-.44495

.11144

-.0377503

.11890093

MVE_TD

30

.00712

11.84564

1.6295437

2.65209981

S_TA

30

.00093

1.63735

.4083820

.49248307

EBT_CL

30

-71.60000

6.10850

-2.2543120

13.16738305

ROA

30

-.72274

.12295

-.0568963

.17480251

DR

30

.11160

2.23915

.8037880

.62785037

CR

30

.14814

18.45640

2.6103813

3.57750516

Valid N (listwise)

30

Sumber: Data diolah (SPSS) Untuk kategori II perusahaan yang tidak mengalami delisting sehingga masih terdaftar (listing) di BEI, statistik deskriptifnya disajikan dalam tabel berikut: Tabel 7. Statistik Deskriptif Kategori II: Perusahaan Listing Descriptive Statistics N

Minimum

Maximum

Mean

Std. Deviation

WC_TA

30

-.13562

.52312

.2347387

.19378445

RE_TA

30

-.03085

.42618

.1447617

.12279437

EBIT_TA

30

.00337

.44785

.1006993

.12618720

MVE_TD

30

.08168

17.29919

2.7024047

3.99867996

S_TA

30

.08326

1.63553

.6096890

.47644048

EBT_CL

30

-.18403

1.61939

.4000367

.50553978

ROA

30

-.11941

.34926

.0589143

.09086171

DR

30

.05942

.76930

.4926377

.19159549

CR

30

.54160

11.95821

2.6494880

2.97482136

Valid N (listwise)

30

Sumber: Data diolah (SPSS)


43

Keterangan: WC_TA

= Working Capital to Total Asset

RE_TA

= Retained Earnings to Total Asset

EBIT_TA

= Earning Before Interest and Taxes to Total Asset

MVE_TD

= Market Value of Equity to Book Value of Total Debt

S_TA

= Sales to Total Asset

EBT_CL

= Net Profit before Taxes to Current Liabilities

ROA

= Return On Asset

DR

= Debt Ratio

CR

= Current Ratio Sembilan variabel penelitian dalam tabel 6 dan tabel 7 merupakan

rasio-rasio keuangan yang digunakan dalam ketiga model prediksi kebangkrutan. Masing-masing kategori menggunakan data yang diambil dari 10 perusahaan dengan data keuangan selama tiga tahun berturut-turut. Bila dibandingkan hasil statistik deskriptif antara kategori I dan II, variabelvariabel dalam kategori I cenderung memiliki nilai rata-rata yang negatif dibandingkan kategori II. Untuk kategori I, variabel WC_TA (working capital to total asset) memiliki nilai tertinggi sebesar 0,49620 dan nilai terendah sebesar -1,84865 dengan rata-rata dan standar deviasi masing-masing sebesar -1,123177 dan 0,66437613. Nilai tertinggi WC_TA dimiliki oleh PT. Dayaindo Resources International Tbk. tahun 2011 dan nilai terendah WC_TA dimiliki oleh PT. Panca Wiratama Sakti Tbk. tahun 2010. Sedangkan untuk kategori II, variabel WC_TA memiliki nilai tertinggi sebesar 0,52312 dan nilai terendah sebesar -


44

0,13562 dengan rata-rata dan standar deviasi masing-masing sebesar 0,2347387 dan 0,19378445. Nilai tertinggi WC_TA dimiliki oleh PT. Cowell Development Tbk. tahun 2009 dan nilai terendah WC_TA dimiliki oleh PT. Telekomunikasi Indonesia (Persero) Tbk. tahun 2008. Rata-rata WC_TA yang dimiliki oleh kategori II bernilai positif sedangkan kategori I bernilai negatif. Hal tersebut menunjukkan bahwa perusahaan yang tidak mengalami delisting memiliki kemampuan yang lebih baik dalam menghasilkan modal kerja bersih dari keseluruhan total aktiva yang dimiliki perusahaan. Jika modal kerja bersih bernilai positif maka perusahaan jarang menghadapi kesulitan dalam melunasi kewajibannya sedangkan jika modal bersih bernilai negatif maka perusahaan kemungkinan akan menghadapi masalah dalam menutupi kewajiban jangka pendeknya karena tidak tersedianya aktiva lancar yang cukup untuk menutupi kewajiban tersebut (Endri, 2009). Variabel RE_TA (retained earnings to total asset) untuk kategori I memiliki nilai tertinggi sebesar 1,21166 yang dimiliki oleh PT. Daya Sakti Unggul Corporindo Tbk. tahun 2007 dan nilai terendah sebesar -5,10275 yang dimiliki oleh PT. New Century Development tahun 2007. Nilai rata-rata dan standar deviasinya masing-masing sebesar -1,0696890 dan 1,68731218. Sedangkan variabel RE_TA untuk kategori II memiliki nilai tertinggi sebesar 0,42618 yang dimiliki oleh PT. Indo Tambangraya Megah Tbk. tahun 2011 dan nilai terendah sebesar -0,03085 yang dimiliki oleh PT. Bakrieland Development Tbk. tahun 2005. Nilai rata-rata dan standar deviasinya masing-


45

masing sebesar 0,1447617 dan 0,12279437. Kategori I memiliki rata-rata RE_TA lebih kecil jika dibandingkan dengan rata-rata RE_TA kategori II. Semakin rendah RE_TA maka kemampuan perusahaan dalam menghasilkan laba ditahan dari aktivanya semakin kecil sehingga kemungkinan perusahaan mengalami financial distress hingga kebangkrutan menjadi semakin tinggi. Untuk kategori I, variabel EBIT_TA (earnings before interest and taxes to total asset) memiliki nilai tertinggi sebesar 0,11144 yang dimiliki oleh PT. Indo Setu Bara Resources Tbk. tahun 2012 dan nilai terendah sebesar -0,44495 yang dimiliki oleh PT. Indo Setu Bara Resources Tbk. tahun 2011. Nilai rata-rata dan standar deviasinya masing-masing sebesar -0,0377503 dan 0,11890093. Sedangkan untuk kategori II variabel EBIT_TA memiliki nilai tertinggi sebesar 0,44785 dan nilai terendah sebesar 0,00337 yang masingmasing dimiliki oleh PT. Indo Tambangraya Megah Tbk. tahun 2011 dan PT. Tirta Mahakam Resources Tbk. tahun 2008. Nilai rata-rata dan standar deviasinya masing-masing sebesar 0,1006993 dan 0,12618720. Dalam hal ini, kategori I memiliki rata-rata EBIT_TA yang lebih kecil daripada rata-rata EBIT_TA kategori II. Semakin rendah EBIT_TA menunjukkan semakin kecilnya kemampuan perusahaan dalam menghasilkan laba sebelum bunga dan pajak dari aktiva yang digunakan perusahaan. Variabel MVE_TD (market value of equity to book value of total debt) untuk kategori I memiliki rata-rata dan standar deviasi masing-masing sebesar 1,6295437 dan 2,65209981 dengan nilai tertinggi sebesar 11,84564 dan nilai terendah sebesar 0,00712. Nilai tertinggi dimiliki oleh PT. Jaka Inti Realtindo


46

Tbk. tahun 2006 dan nilai terendah dimiliki oleh PT. Panca Wiratama Sakti Tbk. tahun 2010. Sedangkan variabel MVE_TD untuk kategori II memiliki rata-rata dan standar deviasi masing-masing sebesar 2,7024047 dan 3,99867996 dengan nilai tertinggi sebesar 17,29919 dan nilai terendah sebesar 0,08168. Nilai tertinggi dimiliki oleh PT. Indo Tambangraya Megah Tbk. tahun 2010 dan nilai terendah dimiliki oleh PT. Indorama Synthetics Tbk. tahun 2008. Dalam hal ini, rata-rata MVE_TD yang dimiliki kategori I lebih kecil daripada kategori II. Semakin rendah MVE_TD menunjukkan semakin kecilnya kemampuan perusahaan dalam memenuhi kewajiban-kewajiban dari nilai pasar modal sendiri. Untuk kategori I variabel S_TA (sales to total asset) memiliki nilai tertinggi sebesar 1,63735 yang dimiliki oleh PT. Daya Sakti Unggul Corporindo Tbk. tahun 2008 dan nilai terendah sebesar 0,00093 yang dimiliki oleh PT. Suryainti Permata Tbk. tahun 2010. Nilai rata-rata dan standar deviasinya masing-masing sebesar 0,4083820 dan 0,49248307. Sedangkan untuk kategori II, variabel S_TA memiliki nilai tertinggi sebesar 1,63553 yang dimiliki oleh PT. Indo Tambangraya Megah Tbk. tahun 2012 dan nilai terendah sebesar 0,08326 yang dimiliki oleh PT. Ciputra Property Tbk. tahun 2007. Nilai rata-rata dan standar deviasinya masing-masing sebesar 0,6096890 dan 0,47644048. Rata-rata S_TA yang dimiliki kategori I lebih kecil daripada kategori II. Dalam hal ini, semakin rendah S_TA menunjukkan semakin kecilnya tingkat penjualan perusahaan dengan menggunakan seluruh aktivanya.


47

Kategori I variabel EBT_CL (net profit before taxes to current liabilities) memiliki rata-rata dan standar deviasi masing-masing sebesar 2,254312 dan 13,16738305. Nilai tertinggi sebesar 6,1085 dimiliki oleh PT. Surabaya Agung Industry Pulp Tbk. tahun 2011 dan nilai terendah sebesar 71,6 dimiliki oleh PT. Surya Intrindo Makmur Tbk. tahun 2009. Sedangkan kategori II variabel EBT_CL memiliki rata-rata dan standar deviasi masingmasing sebesar 0,4000367 dan 0,50553978. Nilai tertinggi sebesar 1,61939 dimiliki oleh PT. Indo Tambangraya Megah Tbk. tahun 2011 dan nilai terendah sebesar -0,18403 dimiliki oleh PT. Tirta Mahakam Resources Tbk. tahun 2008. Dalam hal ini, kategori II memiliki rata-rata EBT_CL yang lebih kecil dibandingkan kategori I. Semakin rendah EBT_CL maka semakin kecil kemungkinan laba sebelum pajak dapat menutupi hutang lancar yang dimiliki perusahaan. Variabel ROA (return on assets) untuk kategori I memiliki nilai tertinggi sebesar 0,12295 dan nilai terendah sebesar -0,72274 yang masingmasing dimiliki oleh PT. Surabaya Agung Industry Pulp Tbk. tahun 2011 dan PT. Surya Intrindo Makmur Tbk. tahun 2008. Nilai rata-rata dan standar deviasinya masing-masing sebesar -0,0568963 dan 0,17480251. Sedangkan variabel ROA untuk kategori II memiliki nilai tertinggi sebesar 0,34926 dan nilai terendah sebesar -0,11941 yang masing-masing dimiliki oleh PT. Indo Tambangraya Megah Tbk. tahun 2011 dan PT. Tirta Mahakam Resources Tbk. tahun 2008. Nilai rata-rata dan standar deviasinya masing-masing sebesar 0,0589143 dan 0,09086171. Kategori I memiliki rata-rata ROA yang


48

lebih kecil dibandingkan kategori II, dimana semakin kecil ROA maka semakin kecil kemampuan perusahaan dalam memanfaatkan aktivanya untuk memperoleh laba. Untuk kategori I variabel DR (debt ratio) memiliki rata-rata dan standar deviasi masing-masing sebesar 0,8037880 dan 0,62785037. Nilai tertinggi sebesar 2,23915 dimiliki oleh PT. Panca Wiratama Sakti Tbk. tahun 2010 dan nilai terendah sebesar 0,11160 dimiliki oleh PT. Jaka Inti Realtindo Tbk. tahun 2005. Sedangkan untuk kategori II variabel DR memiliki rata-rata dan standar deviasi masing-masing sebesar 0,4926377 dan 0,19159549. Nilai tertinggi sebesar 0,76930 dimiliki oleh PT. Tirta Mahakam Resources Tbk. tahun 2008 dan nilai terendah sebesar 0,05942 dimiliki oleh PT. Ciputra Property Tbk. tahun 2009. Rata-rata DR yang dimiliki kategori I lebih besar dibandingkan kategori II, dimana semakin tinggi nilai DR maka semakin besar risiko yang dihadapi perusahaan dalam melunasi hutang atau kewajibannya. Variabel CR (current ratio) untuk kategori I memiliki nilai tertinggi dan nilai terendah masing-masing sebesar 18,4564 dan 0,148140. Nilai tertinggi dimiliki oleh PT. Dayaindo Resources International Tbk. tahun 2011 dan nilai terendah dimiliki oleh PT. Surya Intrindo Makmur Tbk. tahun 2008. Nilai rata-rata dan standar deviasinya masing-masing sebesar 2,6103813 dan 3,57750516. Sedangkan variabel CR untuk kategori II memiliki nilai tertinggi dan nilai terendah masing-masing sebesar 11,95821 dan 0,5416. Nilai tertinggi dimiliki oleh PT. Ciputra Property Tbk. tahun 2009 dan nilai terendah dimiliki oleh PT. Telekomunikasi Indonesia (Persero) Tbk. tahun 2008. Nilai rata-rata


49

dan standar deviasinya masing-masing sebesar 2,649488 dan 2,97482136. Dalam hal ini, kategori I memiliki rata-rata CR lebih kecil dibandingkan kategori II, dimana semakin rendah CR maka semakin besar resiko kegagalan perusahaan dalam memenuhi kewajiban jangka pendeknya dengan aktiva yang dimilikinya. Berdasarkan uraian di atas, secara keseluruhan perusahaan yang tidak mengalami delisting (kategori II) memiliki kondisi keuangan yang lebih baik dibandingkan dengan perusahaan yang telah dinyatakan delisting (kategori I).


BAB V ANALISIS DATA DAN PEMBAHASAN

A. Analisis Data 1. Prediksi Kebangkrutan dengan Model Altman Z-Score Model prediksi Altman Z-Score yang pertama dirumuskan sebagai berikut: Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5 Model prediksi ini mengklasifikasikan perusahaan yang sehat dan bangkrut berdasarkan tiga kategori nilai Z: a. Jika nilai Z < 1,81 maka termasuk perusahaan yang bangkrut. b. Jika nilai Z antara 1,81 dan 2,99 maka termasuk grey area. c. Jika nilai Z > 2,99 maka termasuk perusahaan yang tidak bangkrut. Setelah dilakukan perhitungan menggunakan rumus model Altman Z-Score dengan menggunakan data dari laporan keuangan perusahaan selama tiga tahun berturut-turut, maka hasilnya dapat dilihat dalam tabel berikut: Tabel 8. Prediksi Kebangkrutan dengan Model Altman Z-Score Skor Tahunan (Z) RataNo Kode Prediksi Status (Tahun) Th rata Th I Th II III 1 JAKA 2,84 7,76 6,43 5,68 TB D (2009) 2 ELTY 0,66 0,95 5,57 2,40 GA L (2009) 3 DSUC 0,62 2,35 -1,46 0,51 B D (2009) 4 TIRT 1,68 2,33 1,21 1,74 B L (2009) 5 IATG 2,72 2,60 1,87 2,40 GA D (2009) 6 TLKM 3,51 3,77 2,69 3,32 TB L (2009) Sumber: Data diolah 50


51

Lanjutan Tabel 8. Prediksi Kebangkrutan dengan Model Altman Z-Score Skor Tahunan (Z) RataNo Kode Prediksi Status (Tahun) Th I Th II Th III rata 7 PTRA -7,00 -6,68 -6,65 -6,78 B D (2011) 8 CTRP 3,67 2,66 5,07 3,80 TB L (2011) 9 SIIP 1,28 1,18 1,06 1,18 B D (2012) 10 COWL 3,42 3,87 1,11 2,80 GA L (2012) 11 SIMM 1,82 -2,63 -2,31 -1,04 B D (2012) 12 INDR 1,19 1,21 1,28 1,23 B L (2012) 13 PWSI -4,15 -4,26 -4,40 -4,27 B D (2013) 14 GPRA 1,64 1,38 1,55 1,52 B L (2013) 15 CPDW -0,52 -5,49 -2,59 -2,87 B D (2013) 16 ITMG 13,72 9,86 9,82 11,13 TB L (2013) 17 SAIP -1,43 0,23 -0,56 -0,59 B D (2013) 18 TKIM 1,17 1,13 1,13 1,14 B L (2013) 19 KARK 1,23 2,48 2,52 2,08 GA D (2013) 20 LPCK 0,95 1,14 2,11 1,40 B L (2013) Sumber: Data diolah Keterangan: Th = Tahun B = Bangkrut TB = Tidak Bangkrut GA = Grey Area D = Delisting L = Listing Keterangan Kolom Status (Tahun): = 1 (satu) tahun setelah prediksi = 2 (dua) tahun setelah prediksi = 3 (tiga) tahun setelah prediksi

Berdasarkan hasil perhitungan menggunakan model Altman ZScore, sebanyak 12 perusahaan sampel diprediksi akan mengalami kebangkrutan di masa yang akan datang, 4 sampel perusahaan dalam kondisi grey area (tidak dapat ditentukan apakah perusahaan sehat ataupun mengalami kebangkrutan) dan sisanya sebanyak 4 sampel perusahaan tidak berpotensi mengalami kebangkrutan.


52

2. Prediksi Kebangkrutan dengan Model Springate Model prediksi Springate mengklasifikasikan perusahaan dengan skor S > 0,862 merupakan perusahaan yang tidak berpotensi bangkrut. Sebaliknya jika perusahaan memiliki skor S < 0,862 akan diklasifikasikan sebagai perusahaan yang tidak sehat dan berpotensi untuk bangkrut. Model ini dirumuskan sebagai berikut: S = 1,03 A + 3,07 B + 0,66 C +0,4 D Setelah dilakukan olah data menggunakan model Springate dengan menggunakan data dari laporan keuangan perusahaan selama tiga tahun berturut-turut, maka hasilnya dapat dilihat dalam tabel berikut: Tabel 9. Prediksi Kebangkrutan dengan Model Springate Skor Tahunan (S) RataNo Kode Prediksi rata Th I Th II Th III 1 JAKA 0,53 0,52 0,48 0,51 B 2 ELTY 0,56 0,27 0,70 0,51 B 3 DSUC 0,24 -0,36 -1,11 -0,41 B 4 TIRT 0,63 1,09 0,36 0,69 B 5 IATG 1,05 0,83 0,40 0,76 B 6 TLKM 1,77 2,04 1,37 1,73 TB 7 PTRA -0,18 0,21 0,23 0,09 B 8 CTRP 1,13 1,45 1,11 1,23 TB 9 SIIP 0,63 0,41 0,41 0,48 B 10 COWL 0,83 1,31 0,30 0,81 B 11 SIMM 0,44 -2,37 -47,63 -16,52 B 12 INDR 0,45 0,42 0,43 0,43 B 13 PWSI -1,83 -1,85 -1,95 -1,88 B 14 GPRA 0,69 0,76 0,79 0,74 B 15 CPDW 0,13 -3,59 1,24 -0,74 B 16 ITMG 2,45 3,45 3,06 2,99 TB 17 SAIP -0,26 4,18 -0,56 1,12 TB 18 TKIM 0,65 0,66 0,63 0,65 B 19 KARK 0,43 1,23 1,41 1,02 TB 20 LPCK 0,62 0,71 1,05 0,79 B Sumber: Data diolah

Status (Tahun) D (2009) L (2009) D (2009) L (2009) D (2009) L (2009) D (2011) L (2011) D (2012) L (2012) D (2012) L (2012) D (2013) L (2013) D (2013) L (2013) D (2013) L (2013) D (2013) L (2013)


53

Keterangan: Th = Tahun B = Bangkrut TB = Tidak Bangkrut D = Delisting L = Listing Keterangan Kolom Status (Tahun): = 1 (satu) tahun setelah prediksi = 2 (dua) tahun setelah prediksi = 3 (tiga) tahun setelah prediksi

Berdasarkan hasil perhitungan dengan menggunakan model Springate, dapat diketahui sebanyak 15 sampel perusahaan diprediksi tidak sehat atau mengalami kebangkrutan di masa yang akan datang. Sisanya sebanyak 5 perusahaan diprediksi tidak akan mengalami kebangkrutan atau perusahaan dalam kondisi sehat. 3. Prediksi Kebangkrutan dengan Model Zmijewski Model prediksi Zmijewski memiliki nilai cut off sebesar 0, artinya jika skor X > 0 maka perusahaan diprediksi akan berpotensi mengalami kebangkrutan, dan apabila skor X < 0 maka perusahaan diprediksi tidak berpotensi mengalami kebangkrutan. Model ini dirumuskan sebagai berikut: X = -4,3 - 4,5X1 + 5,7X2 – 0,004X3 Setelah dilakukan perhitungan menggunakan rumus model Zmijewski dengan menggunakan data dari laporan keuangan perusahaan selama tiga tahun berturut-turut, maka hasilnya dapat dilihat dalam tabel berikut:


54

Tabel 10. Prediksi Kebangkrutan dengan Model Zmijewski Skor Tahunan (X) RataNo Kode Prediksi Status (Tahun) Th I Th II Th III rata 1 JAKA -3,71 -3,60 -3,44 -3,59 TB D (2009) 2 ELTY -1,65 -1,97 -2,91 -2,18 TB L (2009) 3 DSUC 1,65 3,63 6,22 3,83 B D (2009) 4 TIRT -0,59 -0,66 0,62 -0,21 TB L (2009) 5 IATG -2,53 -2,49 -2,11 -2,38 TB D (2009) 6 TLKM -2,01 -2,30 -1,87 -2,06 TB L (2009) 7 PTRA -0,72 -0,64 -0,69 -0,68 TB D (2011) 8 CTRP -3,84 -4,16 -4,10 -4,03 TB L (2011) 9 SIIP -1,28 -1,66 -1,41 -1,45 TB D (2012) 10 COWL -2,02 -2,51 -1,53 -2,02 TB L (2012) 11 SIMM -0,39 5,94 4,60 3,38 B D (2012) 12 INDR -0,79 -0,94 -1,37 -1,03 TB L (2012) 13 PWSI 8,41 8,60 8,52 8,51 B D (2013) 14 GPRA -0,83 -1,19 -1,67 -1,23 TB L (2013) 15 CPDW 0,08 3,09 -0,05 1,04 B D (2013) 16 ITMG -3,16 -4,08 -3,74 -3,66 TB L (2013) 17 SAIP 3,81 -3,14 -1,92 -0,42 TB D (2013) 18 TKIM -0,35 -0,38 -0,32 -0,35 TB L (2013) 19 KARK -1,79 -3,52 -3,64 -2,98 TB D (2013) 20 LPCK -0,51 -0,71 -1,47 -0,90 TB L (2013) Sumber: Data diolah Keterangan: Th = Tahun B = Bangkrut TB = Tidak Bangkrut D = Delisting L = Listing Keterangan Kolom Status (Tahun): = 1 (satu) tahun setelah prediksi = 2 (dua) tahun setelah prediksi = 3 (tiga) tahun setelah prediksi

Berdasarkan hasil perhitungan dengan menggunakan model Zmijewski, dapat diketahui sebanyak 4 sampel perusahaan diprediksi mengalami kebangkrutan di masa yang akan datang. Sedangkan sebanyak


55

16 perusahaan lainnya diprediksi tidak akan mengalami kebangkrutan atau perusahaan dalam keadaan sehat. B. Pembahasan Penulis akan melakukan perbandingan antara model prediksi Altman Z-Score, model prediksi Springate, dan model prediksi Zmijewski untuk mengetahui ketepatan ketiga model prediksi tersebut dalam memprediksi terjadi atau tidaknya delisting suatu perusahaan di Bursa Efek Indonesia. Dalam penelitian ini akan dilakukan perbandingan antara hasil prediksi dengan keadaan perusahaan sampel. Keadaan perusahaan yang dimaksud dapat dilihat dari statusnya yang delisting atau listing di BEI. Perbandingan antara hasil prediksi dengan status perusahaan yaitu apabila perusahaan diprediksi “bangkrut” maka perusahaan tersebut mengalami delisting secara paksa di masa yang akan datang (satu sampai tiga tahun dari hasil prediksi). Begitu pula sebaliknya, apabila perusahaan diprediksi “tidak bangkrut” maka perusahaan tersebut akan tetap terdaftar di BEI dan tidak mengalami delisting secara paksa. 1. Perbandingan Hasil

Prediksi

Model

Altman, Springate, dan

Zmijewski Berdasarkan hasil perhitungan dengan menggunakan model Altman, Springate, dan Zmijewski yang diterapkan pada perusahaan yang mengalami delisting maupun tidak mengalami delisting, dapat diketahui bahwa hasil prediksi dari ketiga model tersebut tidaklah sama. Hal tersebut dapat dilihat dari banyaknya sampel yang memiliki prediksi “bangkrut”


56

dan prediksi “tidak bangkrut” berdasarkan analisis menggunakan ketiga model prediksi kebangkrutan. Banyaknya sampel yang diprediksi bangkrut dan tidak bangkrut dapat dilihat dalam tabel berikut ini: Tabel 11. Perbandingan Hasil Prediksi Hasil Prediksi Model Prediksi Bangkrut Grey Area Altman Springate Zmijewski Sumber: Data diolah

12 15 4

4 -

Tidak Bangkrut 4 5 16

Jumlah 20 20 20

Prediksi “bangkrut” yang tertinggi dimiliki oleh model Springate sebanyak 15 sampel, disusul oleh model Altman sebanyak 12 sampel, dan terakhir model Zmijewski sebanyak 4 sampel. Sedangkan untuk prediksi “tidak bangkrut” yang tertinggi dimiliki oleh model Zmijewski sebanyak 16 sampel, disusul oleh model Springate sebanyak 5 sampel, dan terakhir model Altman sebanyak 4 sampel. Untuk grey area hanya dimiliki oleh model Altman dengan hasil sebanyak 4 sampel. Dari perbedaan hasil prediksi dari ketiga model tersebut maka akan dilakukan perbandingan antara hasil prediksi dengan statusnya untuk mengetahui perusahaan mana saja yang diprediksi akan mengalami kebangkrutan atau tidak mengalami kebangkrutan, sehingga dari hasil prediksi tersebut dapat dibandingkan dengan keadaan (status) perusahaan sampel. Untuk lebih jelasnya, hasil prediksi dari ketiga model prediksi tersebut dan statusnya akan disajikan dalam tabel berikut:


Tabel 12. Perbandingan Hasil Prediksi Dengan Status Perusahaan Prediksi Prediksi Prediksi No Kode Status Altman Springate Zmijewski 1 JAKA Tidak Tidak Bangkrut Delisting Bangkrut Bangkrut 2 ELTY Tidak Grey Area Bangkrut Listing Bangkrut 3 DSUC Bangkrut Bangkrut Bangkrut Delisting 4

TIRT

5

IATG

6

TLKM

7

PTRA

8

CTRP

9

SIIP

10

COWL

11

SIMM

12

INDR

13

PWSI

14

GPRA

15

CPDW

16

ITMG

17

SAIP

18

TKIM

19

KARK

20

LPCK

Tidak Bangkrut Tidak Bangkrut Tidak Bangkrut Tidak Bangkrut Tidak Bangkrut Tidak Bangkrut Tidak Bangkrut

Bangkrut

Bangkrut

Grey Area

Bangkrut

Tidak Bangkrut

Tidak Bangkrut

Bangkrut

Bangkrut

Tidak Bangkrut

Tidak Bangkrut

Bangkrut

Bangkrut

Grey Area

Bangkrut

Bangkrut

Bangkrut

Bangkrut

Delisting

Bangkrut

Bangkrut

Tidak Bangkrut

Listing

Bangkrut

Bangkrut

Bangkrut

Delisting

Bangkrut

Bangkrut

Tidak Bangkrut

Listing

Bangkrut

Bangkrut

Bangkrut

Delisting

Tidak Bangkrut

Tidak Bangkrut Tidak Bangkrut

Tidak Bangkrut Tidak Bangkrut Tidak Bangkrut Tidak Bangkrut Tidak Bangkrut

Bangkrut Bangkrut

Bangkrut

Grey Area

Tidak Bangkrut

Bangkrut

Bangkrut

Sumber: Data diolah

Listing Delisting Listing Delisting Listing Delisting Listing

Listing Delisting Listing Delisting Listing

57


58

Berdasarkan hasil analisis ketiga model prediksi yang dapat dilihat pada tabel 12, sebanyak 7 perusahaan memiliki hasil prediksi yang sama meskipun menggunakan tiga model prediksi yang berbeda. Perusahaan yang diprediksi sama oleh ketiga model prediksi kebangkrutan diringkas dalam tabel berikut: Tabel 13. Daftar Perusahaan Yang Memiliki Kesamaan Prediksi No Kode Nama Prediksi Status Daya Sakti Unggul Corporindo Tbk. Telekomunikasi Indonesia 2 TLKM (Persero) Tbk. Ciputra Property 3 CTRP Tbk. Surya Intrindo Makmur 4 SIMM Tbk. Panca Wiratama Sakti 5 PWSI Tbk. Indo Setu Bara Resources 6 CPDW Tbk. Indo Tambangraya Megah 7 ITMG Tbk. Sumber: Data diolah 1

DSUC

Bangkrut Tidak Bangkrut Tidak Bangkrut

Delisting Listing Listing

Bangkrut

Delisting

Bangkrut

Delisting

Bangkrut

Delisting

Tidak Bangkrut

Listing

Bila dibandingkan antara hasil prediksi dengan keadaan (status) perusahaan, ketujuh perusahaan pada tabel 13 diprediksi tepat dengan menggunakan ketiga model prediksi. Sebagai contoh, PT. Daya Sakti Unggul Corporindo Tbk. (DSUC) yang diprediksi “bangkrut” oleh model Altman Z-Score, model Springate, dan model Zmijewski dengan menggunakan data laporan keuangan tahun 2006-2008, kenyataannya perusahaan tersebut memang mengalami delisting pada tahun 2009. Begitu juga dengan PT. Telekomunikasi Indonesia (Persero) Tbk. (TLKM) yang diprediksi “tidak bangkrut” oleh ketiga model prediksi kebangkrutan dan


59

kenyataannya memang sampai saat ini tidak mengalami delisting dan masih terdaftar di BEI. Berdasarkan uraian tersebut dapat dikatakan bahwa hasil prediksi tujuh perusahaan tersebut memang relevan dengan kenyataannya. Dengan kata lain, penggunaan ketiga model prediksi kebangkrutan dalam memprediksi terjadi atau tidaknya delisting suatu perusahaan akan memiliki ketepatan prediksi yang tinggi apabila modelmodel tersebut memiliki hasil prediksi yang sama. 2. Perhitungan Tingkat Akurasi dan Tipe Error Hasil prediksi dan status perusahaan akan dibandingkan untuk dihitung tingkat akurasinya. Tingkat akurasi dihitung untuk masingmasing model Altman Z-score, model Springate, dan model Zmijewski dalam memprediksi delisting suatu perusahaan. Perhitungan tingkat akurasi berdasarkan hasil perbandingan antara ketiga model prediksi kebangkrutan pada tabel 12. Suatu prediksi dianggap tepat jika perhitungan menunjukkan hasil prediksi “bangkrut” maka statusnya delisting, sedangkan jika perhitungan menunjukkan hasil prediksi “tidak bangkrut” maka statusnya listing. Selain tingkat akurasi, dilakukan pula

perhitungan untuk

mengetahui persentase tipe error dari ketiga model prediksi kebangkrutan. Ada dua tipe error. Tipe error I adalah kesalahan yang terjadi jika model memprediksi sampel tidak bangkrut (tidak mengalami delisting) padahal kenyataannya mengalami delisting, sedangkan tipe error II adalah


60

kesalahan yang terjadi jika model memprediksi sampel bangkrut (delisting) padahal kenyataannya tidak mengalami delisting. a. Model Altman Z-Score Setelah dilakukan perbandingan antara hasil prediksi dan status perusahaan dengan menggunakan model Altman Z-Score pada tabel 12, diperoleh hasil sebagai berikut: Tabel 14. Rekapitulasi Tingkat Akurasi dan Tipe Error I/II Model Altman Prediksi Rekapitulasi Total Tidak Bangkrut Grey Area Bangkrut Riil Bangkrut 7 2 1 10 (Delisting) Tidak Bangkrut 5 2 3 10 (Listing) Total 12 4 4 20 Tingkat Akurasi Tipe Error I Tipe Error II Grey Area Sumber: Data diolah

50% 5% 25% 20%

Perhitungan: Tingkat Akurasi =

x 100%

=

x 100%

= 50% Tipe Error I

=

=

x 100%

x 100%


61

= 5% Tipe Error II

=

=

x 100%

x 100%

= 25% Grey Area

=

x 100%

= 20% Model Altman Z-Score memiliki tingkat akurasi sebesar 50% berdasarkan analisis yang dilakukan pada 20 perusahaan. Sesuai tabel 14, ketepatan analisis model prediksi kebangkrutan ini dapat dilihat dari 7 perusahaan yang diprediksi bangkrut terbukti mengalami delisting dan 3 perusahaan yang diprediksi tidak bangkrut terbukti tidak mengalami delisting. Selain itu terdapat tipe error I model Altman sebesar 5% yang memprediksi 1 perusahaan tidak mengalami kebangkrutan namun pada akhirnya harus mengalami delisting, dan tipe error II sebesar 25% yang diperoleh dari 5 perusahaan yang diprediksi bangkrut ternyata tidak mengalami delisting sehingga tetap terdaftar (listing) di bursa efek. Perusahaan yang termasuk ke dalam kategori grey area tidak dimasukkan dalam perhitungan tingkat akurasi maupun tipe error karena tidak dapat ditentukan apakah perusahaan dalam keadaan sehat (tidak berpotensi bangkrut) ataupun mengalami kebangkrutan.


62

Perusahaan yang diprediksi dalam kategori grey area sebanyak 4 perusahaan, dengan rincian 2 perusahaan mengalami delisting dan 2 perusahaan lainnya tidak mengalami delisting. b. Model Springate Setelah dilakukan perbandingan antara hasil prediksi dan status perusahaan dengan menggunakan model Springate pada tabel 12, diperoleh hasil sebagai berikut: Tabel 15. Rekapitulasi Tingkat Akurasi dan Tipe Error I/II Model Springate Prediksi Rekapitulasi Total Bangkrut Tidak Bangkrut Riil Bangkrut 8 2 10 (Delisting) Tidak Bangkrut 7 3 10 (Listing) Total 15 5 20 Tingkat Akurasi 55% Tipe Error I 10% Tipe Error II 35% Sumber: Data diolah Perhitungan: Tingkat Akurasi =

x 100%

=

x 100%

= 55% Tipe Error I

=

=

x 100%

x 100%


63

= 10% Tipe Error II

=

=

x 100%

x 100%

= 35% Model Springate memiliki tingkat akurasi sebesar 55%. Hal tersebut mengacu pada perhitungan model Springate di 20 perusahaan. Sesuai tabel 15 dimana sebanyak 8 perusahaan yang diprediksi mengalami kebangkrutan terbukti mengalami delisting, dan 3 perusahaan yang diprediksi tidak bangkrut pada kenyataannya tidak mengalami delisting hingga sekarang. Selain itu terdapat tipe error I model Springate sebesar 10% yang memprediksi 2 perusahaan tidak mengalami kebangkrutan ternyata mengalami delisting, dan tipe error II sebesar 35% yang diperoleh dari 7 perusahaan yang diprediksi bangkrut ternyata tetap terdaftar (listing) di bursa efek. c. Model Zmijewski Setelah dilakukan perbandingan antara hasil prediksi dan status perusahaan dengan menggunakan model Zmijewski pada tabel 12, diperoleh hasil sebagai berikut:


64

Tabel 16. Rekapitulasi Tingkat Akurasi dan Tipe Error I/II Model Zmijewski Prediksi Rekapitulasi Total Bangkrut Tidak Bangkrut Riil Bangkrut 4 6 10 (Delisting) Tidak Bangkrut 0 10 10 (Listing) Total 4 16 20 Tingkat Akurasi 70% Kesalahan Tipe I 30% Kesalahan Tipe II 0 Sumber: Data diolah Perhitungan: Tingkat Akurasi =

x 100%

=

x 100%

= 70% Tipe Error I

=

=

x 100%

x 100%

= 30% Tipe Error II

=

= =0

x 100%

x 100%


65

Berdasarkan analisis menggunakan model Zmijewski pada 20 perusahaan, model ini memiliki tingkat akurasi sebesar 70%. Sesuai tabel 16, ketepatan analisis model prediksi kebangkrutan ini dapat dilihat dari 4 perusahaan yang diprediksi bangkrut terbukti mengalami delisting dan 10 perusahaan yang diprediksi tidak bangkrut terbukti tidak mengalami delisting. Di sisi lain, model Zmijewski memberikan prediksi yang tidak tepat dimana terdapat tipe error I sebesar 30% yang diperoleh dari 6 perusahaan diprediksi tidak bangkrut namun pada akhirnya dinyatakan delisting sehingga harus keluar dari pencatatan saham di bursa efek. 3. Analisis Ketepatan Model Altman, Springate, dan Zmijewski Secara keseluruhan berdasarkan hasil analisis menggunakan model Altman Z-Score, model Springate dan model Zmijewski dapat diketahui bahwa ketiga model prediksi kebangkrutan ini memiliki tingkat akurasi yang berbeda dalam memprediksi delisting atau tidaknya suatu perusahaan di BEI. Tingkat akurasi tertinggi dimiliki oleh model Zmijewski, disusul oleh model Springate serta akurasi paling rendah adalah model Altman ZScore. Untuk lebih jelasnya dapat dilihat dalam tabel berikut: Tabel 17. Rekapitulasi Tingkat Akurasi Ketiga Model Prediksi Kebangkrutan Prediksi Status Altman Springate Zmijewski Bangkrut Delisting 7 8 4 Tidak Bangkrut Listing 3 3 10 Total 10 11 14 Akurasi 50% 55% 70% Sumber: Data diolah


66

Model Zmijewski memiliki tingkat akurasi tertinggi daripada model prediksi kebangkrutan lainnya. Model Zmijewski mampu memprediksi dengan tepat sebesar 70% dari 20 sampel perusahaan, baik perusahaan yang mengalami delisting maupun perusahaan yang tidak mengalami delisting, serta memiliki tipe error yang rendah yaitu tipe error I sebesar 30%. Model Springate memiliki akurasi sebesar 55% dengan tipe error I sebesar 10% dan tipe error II sebesar 35%. Sedangkan model Altman memiliki ketepatan terendah dibandingkan model prediksi lainnya, karena memiliki tingkat akurasi terendah sebesar 50% dengan tipe error I sebesar 5%, tipe error II sebesar 25% dan grey area 20%. Model Zmijewski memiliki ketepatan yang lebih baik daripada model Springate dan model Altman dalam memprediksi terjadinya delisting atau tidaknya suatu perusahaan di Bursa Efek Indonesia dengan menggunakan data keuangan selama tiga tahun berturut-turut. Selain itu berdasarkan hasil perbandingan ketiga model tersebut, penulis menemukan bahwa ketepatan model-model ini lebih baik dalam memprediksi terjadinya delisting atau tidaknya suatu perusahaan apabila ketiga model prediksi memiliki hasil prediksi yang sama terhadap suatu perusahaan tertentu.

Apabila

analisis

ketiga

model

prediksi

kebangkrutan

menunjukkan hasil prediksi “bangkrut” maka kemungkinan besar perusahaan yang bersangkutan akan mengalami delisting. Begitu juga sebaliknya, apabila suatu perusahaan diprediksi “tidak bangkrut” oleh ketiga model prediksi, maka kemungkinan besar perusahaan tersebut tidak


67

mengalami delisting sehingga perusahaan tetap terdaftar di bursa efek. Dengan demikian, penggunaan ketiga model prediksi kebangkrutan tersebut secara bersamaan akan memberikan hasil yang lebih tepat dibandingkan dengan penggunaan satu atau dua model prediksi saja.


BAB VI PENUTUP

A. Kesimpulan Berdasarkan hasil analisis data dan pembahasan, dapat diketahui bagaimana perbandingan banyaknya hasil prediksi yang dianalisis dengan menggunakan model Altman, Springate, dan Zmijewski, yaitu: Hasil Prediksi Model Prediksi

Bangkrut

Altman Springate Zmijewski Sumber: Data diolah

12 15 4

Grey Area 4 -

Tidak Bangkrut 4 5 16

Jumlah 20 20 20

Berdasarkan perbandingan antara hasil prediksi dengan status perusahaan dapat diketahui bahwa penggunaan model Altman, Springate, dan Zmijewski dalam memprediksi perusahaan yang mengalami delisting atau perusahaan yang tidak mengalami delisting akan memiliki ketepatan prediksi yang tinggi apabila model-model tersebut memiliki hasil prediksi yang sama. Dalam hal tingkat akurasi masing-masing model prediksi, dapat disimpulkan bahwa model Zmijewski memiliki keakuratan tertinggi dalam memprediksi delisting atau tidaknya suatu perusahaan di BEI dalam kurun waktu satu sampai tiga tahun dari hasil prediksi. Model Zmijewski memiliki tingkat akurasi sebesar 70% dengan tipe error I sebesar 30%, disusul oleh model Springate yang memiliki akurasi 55% dengan tipe error I sebesar 10% dan tipe error II sebesar 35%, serta yang terakhir model Altman Z-score yang 68


69

memiliki akurasi sebesar 50% dengan tipe error I sebesar 5% dan tipe error II sebesar 25%. B. Keterbatasan Penelitian Penelitian ini tidak dapat menggunakan seluruh perusahaan yang mengalami delisting secara paksa oleh Bursa Efek Indonesia periode 20092013 karena beberapa laporan keuangan perusahaan tidak mencantumkan data yang lengkap, seperti tidak adanya kelengkapan data tentang penjualan, harga saham, maupun aset lancar yang dibutuhkan dalam penelitian ini. Penelitian ini hanya sebatas membandingkan tiga model prediksi saja yaitu Altman, Springate, dan Zmijewski. Selain itu penulis hanya menggunakan data keuangan selama tiga tahun dalam menganalisis keakuratan masing-masing model prediksi kebangkrutan. C. Saran 1. Pada penelitian selanjutnya, disarankan untuk menambah periode penelitian, sektor industri maupun model-model prediksi kebangkrutan lainnya yang akan dibandingkan, misalnya model Ohlson (1980) atau Grover (2001). Rasio-rasio keuangan yang digunakan dalam model-model prediksi tersebut tidak jauh berbeda dengan rasio dalam model Altman, Springate, maupun Zmijewski. 2. Bagi perusahaan yang tercatat di bursa efek, dapat mempertimbangkan penggunaan rasio-rasio keuangan dalam model Zmijewski sebagai salah satu alternatif dalam menilai kondisi keuangan perusahaan yang berpotensi mengalami delisting secara paksa maupun kebangkrutan di masa yang


70

akan datang. Analisis ini diharapkan dapat menjadi tanda peringatan awal (early warning signal) bagi perusahaan untuk memperbaiki kinerjanya. 3. Bagi Investor, dapat mempertimbangkan penggunaan rasio-rasio keuangan dalam model Zmijewski untuk memprediksi kemungkinan perusahaan tercatat akan mengalami delisting paksa maupun kebangkrutan di masa yang akan datang sehingga investor dapat membuat keputusan yang tepat dalam berinvestasi melalui bursa efek.


71

DAFTAR PUSTAKA Adnan, Muhammad Akhyar dan Eha Kurniasih. 2000. “Analisis Tingkat Kesehatan Perusahaan untuk Memprediksi Potensi Kebangkrutan dengan Pendekatan Altman”. Jurnal Akuntansi dan Auditing Indonesia. Vol.4, No.2: 131-151. IAI, Yogyakarta. Almilia, Luciana Spica. 2006. “Prediksi Kondisi Financial Distress Perusahaan Go Public Dengan Menggunakan Analisis Multinomial Logit”. Jurnal Ekonomi dan Bisnis, Vol. XII No. 1:88-107. STIE Perbanas Surabaya. Anjum, Sanobar. 2012. “Business bankruptcy prediction models: A significant study of the Altman’s Z-score model”. Asian Journal of Management Research Volume 3 Issue 1, 2012. Rayalaseema University. Christianti, Ari. 2013. “Akurasi Prediksi Financial Distress: Perbandingan Model Altman dan Ohlson.” Jurnal Ekonomi dan Bisnis. Vol. 7, No.2, Juli 2013: 77-89, Juli 2013. Darmadji, Tjiptono dan Hendy M. Fakhruddin. 2011. Pasar Modal di Indonesia. Edisi Tiga. Salemba Empat, Jakarta. Darsono dan Ashari. 2005. Pedoman Praktis Memahami Laporan Keuangan. ANDI, Yogyakarta. Deanta, 2009. EXCEL Untuk Analisis Laporan Keuangan dan Prediksi Kebangkrutan Perusahaan. Edisi Pertama Cetakan Pertama. Gava Media, Yogyakarta. Endri. 2009. “Prediksi Kebangkrutan Bank Untuk Menghadapi dan Mengelola Perubahan Lingkungan Bisnis: Analisis Model Altman’s Z-Score”. Perbanas Quarterly Review, Vol. 2 No. 1 Maret 2009. Fahmi, Irham. 2011. Analisis Laporan Keuangan. Penerbit Alfabeta, Bandung. Hadi, Syamsul dan Atika Anggraeni. 2008. “Pemilihan Prediktor Delisting Terbaik (Perbandingan Antara The Zmijewski Model, The Altman Model, dan The Springate Model)”. Jurnal Akuntansi dan Auditing Indonesia. Vol 12, No 2, Des 2008; 177-186. FE Universitas Islam Indonesia, Yogyakarta. Hanafi, Mamduh M dan Abdul Halim. 2009. Analisis Laporan Keuangan. Edisi Keempat Cetakan Pertama. UPP STIM YKPN, Yogyakarta.


72

Keputusan Direksi PT Bursa Efek Jakarta Nomor: Kep 308/BEJ/07-2004 Tentang Peraturan Nomor I-I Tentang Penghapusan Pencatatan (Delisting) dan Pencatatan Kembali (Relisting) Saham di Bursa. www.idx.co.id. Diakses tanggal 10 Oktober 2014. Panduan Penulisan Skripsi Program Studi Akuntansi. 2010. Fakultas Ekonomi Universitas Sanata Dharma, Yogyakarta. Pernyataan Standar Akuntansi Keuangan No. 1 (Revisi 2009). https://staff.blog.ui.ac.id/martani/files/2011/04/ED-PSAK-1.pdf. Diakses tanggal 10 Oktober 2014. Prastowo, Dwi dan Rifka Julianty. 2005. Analisis Laporan Keuangan: Konsep dan Aplikasi. Edisi Revisi. Unit Penerbit dan Percetakan AMP-YKPN, Yogyakarta. Prihadi, Toto. 2010. Analisis Laporan Keuangan: Teori dan Aplikasi. PPM, Jakarta. Prihanthini, Ni Made Evi Dwi dan Maria M. Ratna Sari. 2013. “Prediksi Kebangkrutan Dengan Model Grover, Altman Z-Score, Springate dan Zmijewski Pada Perusahaan Food and Beverage di Bursa Efek Indonesia”. E-Jurnal Akuntansi Universitas Udayana 5.2: 417-435, Bali. Pura, Rahman. 2013. Pengantar Akuntansi I: Pendekatan Siklus Akuntansi. Penerbit Erlangga, Jakarta. Purnajaya, Komang Devi Methili dan Ni K. Lely A Merkusiwati. 2014. “Analisis Komparasi Potensi Kebangkrutan dengan Metode Z-Score, Springate, dan Zmijewski pada Industri Kosmetik yang Terdaftar di Bursa Efek Indonesia”. E-Jurnal Akuntansi Universitas Udayana 7.1: 48-63, Bali. Ramadhani, Ayu Suci dan Niki Lukviarman. 2009. “Perbandingan Analisis Prediksi Kebangkrutan Menggunakan Model Altman Pertama, Altman Revisi, dan Altman Modifikasi dengan Ukuran dan Umur Perusahaan sebagai Variabel Penjelas”. Jurnal Siasat Bisnis. Vol 13 (1): 15-28. Universitas Andalas, Padang. Raras, Danastri. 2014. “Analisis Prediksi Kegagalan Keuangan Menggunakan Model Altman, Wang dan Campbell dan Springate pada Perusahaan yang Delisting dari Bursa Efek Indonesia Periode 2009-2012”. Skripsi S1. Universitas Gadjah Mada, Yogyakarta.


73

Rismawaty. 2012. “Analisis Perbandingan Model Prediksi Financial Distress Altman, Springate, Ohlson, dan Zmijewski (Studi Empiris pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia)”. Skripsi S1. Fakultas Ekonomi dan Bisnis Universitas Hasanuddin. Sunariyah. 2011. Pengantar Pengetahuan Pasar Modal. Edisi Keenam. UPP STIM YKPN, Yogyakarta. Triharyanti, Anastasia Novi. 2008. “Analisis Ketepatan Prediksi Kebangkrutan Dengan Menggunakan Model Altman Z-Score (Studi Empiris pada Perusahaan Manufaktur yang Delisting di Bursa Efek Indonesia Tahun 2001-2006)”. Skripsi S1. Universitas Sanata Dharma, Yogyakarta.


LAMPIRAN

74


75

LAMPIRAN I Daftar Perusahaan Delisting Beserta Alasannya

No

Kode

Nama

1

JAKA

Jaka Inti Realtindo Tbk.

2

DSUC Daya Sakti Unggul Corporindo Tbk.

3

IATG

Infoasia Teknologi Global Tbk.

4

PTRA

New Century Development Tbk.

5

SIIP

Suryainti Permata Tbk.

6

SIMM Surya Intrindo Makmur Tbk.

Sumber: Data diolah

Tanggal Penghapusan Alasan Delisting Pencatatan 19 Februari 2009 Perusahaan tidak menunjukkan pemulihan bisnis yang memadai dan perdagangan sahamnya sudah berhenti lebih dari 24 bulan. 9 Desember Perusahaan dinyatakan pailit 2009 oleh Pengadilan Niaga Jakarta karena tidak membayar utang yang telah jatuh tempo, telah disuspensi oleh BEI karena mengalami kerugian selama lima tahun berturut-turut dan tidak memiliki modal kerja untuk melanjutkan operasional. 29 Desember Perusahaan bermasalah 2009 dengan penyelesaian utang karena memiliki tunggakan pembayaran kredit guna usaha, tunggakan utang kepada BII serta utang dari kreditur obligasi yang diterbitkan perusahaan pada 2004 berstatus gagal bayar. 24 Januari 2011 Perusahaan mengalami kondisi yang secara signifikan berpengaruh negatif terhadap kelangsungan usahanya 28 Februari 2012 Perusahaan mengalami penyelesaian utang yang berlarut-larut 3 Desember Perusahaan terus-menerus 2012 mengalami kerugian hingga bernilai milyaran rupiah


76

LAMPIRAN I Daftar Perusahaan Delisting Beserta Alasannya (Lanjutan)

No

Tanggal Penghapusan Pencatatan 17 Mei 2013

Kode

Nama

7

PWSI

Panca Wiratama Sakti Tbk.

8

CPDW Indo Setu Bara 12 September Resources 2013 Tbk.

9

SAIP

10

Surabaya Agung Industry Pulp Tbk.

KARK Dayaindo Resources International Tbk. Sumber: Data diolah

31 Oktober 2013

27 Desember 2013

Alasan Delisting Terdapat masalah dan perkembangan usaha emiten yang kurang baik serta dinyatakan pailit oleh Pengadilan Niaga. Prospek kinerja perusahaan negatif dan sahamnya telah disuspensi hampir dua tahun lamanya karena belum melakukan pembayaran denda atas keterlambatan penyampaian laporan keuangan. Perusahaan mengalami masalah keuangan yang terus memburuk dan tidak menunjukkan indikasi pemullihan positif. Perusahaan terbelit beberapa utang dan dinyatakan pailit oleh Pengadilan Niaga.

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI 77

LAMPIRAN II Data Keuangan Perusahaan Sampel (disajikan dalam jutaan rupiah) NAMA KODE NO PERUSAHAAN PERUSAHAAN STATUS TAHUN Current Assets 1 Jaka Inti JAKA D 2007 99,867 Realtindo Tbk. 2006 93,784 2005 91,281 2007 3,346,507 2 Bakrieland ELTY L 2006 978,552 Development 2005 1,655,560 Tbk. 3 Daya Sakti DSUC D 2008 72,242 Unggul 2007 109,582 Corporindo Tbk. 2006 128,062 4 Tirta Mahakam TIRT L 2008 371,581 Resources Tbk. 2007 367,369 2006 409,871 5 Infoasia IATG D 2008 88,525 Teknologi Global 2007 93,695 Tbk. 2006 91,182 6 Telekomunikasi TLKM L 2008 14,622,310 Indonesia 2007 15,978,095 (Persero) Tbk. 2006 13,920,792 7 New Century PTRA D 2009 467,667 Development 2008 466,613 Tbk 2007 462,924 8 Ciputra Property CTRP L 2009 1,560,642 Tbk 2008 1,705,435 2007 1,673,805 9 Suryainti SIIP D 2010 930,137 Permata Tbk 2009 860,146 2008 622,525 10 Cowell COWL L 2010 92,201 Development 2009 157,917 Tbk 2008 170,201

Sumber: Indonesian Capital Market Directory

Current Liabilities 26,880 20,571 17,839 1,066,360 853,664 788,621 322,727 249,100 209,450 365,343 197,402 353,254 82,344 69,547 47,779 26,998,151 20,674,629 20,535,685 345,846 345,700 337,345 130,508 176,465 141,771 237,926 135,482 222,647 109,287 49,368 86,158

Total Assets 171,206 165,402 159,844 5,708,016 2,395,677 2,542,970 236,984 288,943 322,181 567,228 553,388 570,117 391,065 383,107 345,935 91,256,250 82,058,760 75,135,745 544,472 543,403 539,495 3,651,889 3,625,081 3,534,027 1,711,579 1,637,621 1,791,367 266,939 207,505 207,447

Total Liabilities 26,880 21,949 17,839 1,508,297 1,036,383 1,257,844 376,003 350,101 317,313 436,368 354,793 372,310 147,162 133,825 121,251 47,258,399 39,005,419 38,879,969 346,063 345,897 337,469 217,002 262,415 376,128 873,653 800,128 996,889 136,439 76,269 88,552

Retained Earnings 10,073 9,198 7,752 56,836 -5,993 -78,443 -257,573 -179,714 -113,666 -11,851 55,884 55,096 125,831 131,475 106,856 28,200,738 27,635,246 21,955,356 -2,756,535 -2,757,530 -2,752,907 616,882 419,771 232,232 405,896 405,384 362,288 48,971 49,842 37,500

EBIT 573 375 151 170,508 72,201 46,634 -38,565 -23,638 3,460 1,912 37,985 4,693 9,188 33,419 29,343 22,307,475 26,472,708 21,593,241 -1,282 -2,458 -75,724 111,432 99,268 103,324 -6,101 -6,740 82,242 11,784 22,078 11,481


LAMPIRAN II Data Keuangan Perusahaan Sampel (Lanjutan) (disajikan dalam jutaan rupiah) NAMA KODE NO PERUSAHAAN PERUSAHAAN STATUS TAHUN Current Assets 11 Surya Intrindo SIMM D 2009 284 Makmur Tbk 2008 10,368 2007 63,434 12 Indorama INDR L 2009 2,029,655 Synthetics Tbk. 2008 2,382,401 2007 2,293,310 13 Panca Wiratama PWSI D 2010 90,741 Sakti Tbk 2009 90,840 2008 92,301 14 Perdana GPRA L 2010 1,007,382 Gapuraprima 2009 1,140,308 Tbk 2008 1,276,277 15 Indo Setu Bara CPDW D 2012 2,634 Resources Tbk 2011 1,257 2010 15,238 16 Indo ITMG L 2012 9,369,534 Tambangraya 2011 9,670,360 Megah Tbk 2010 5,467,904 17 Surabaya Agung SAIP D 2012 174,304 Industry Pulp 2011 170,281 Tbk 2010 218,847 18 Pabrik Kertas TKIM L 2012 12,208,868 Tjiwi Kimia Tbk 2011 10,437,168 2010 8,251,032 19 Dayaindo KARK D 2011 1,521,158 Resources 2010 1,526,084 International Tbk 2009 253,627 20 Lippo Cikarang LPCK L 2011 1,486,833 Tbk 2010 1,152,510 2009 1,032,130


Current Liabilities 65 69,989 56,329 1,815,202 2,262,491 1,950,952 597,898 574,207 576,306 452,649 511,089 672,450 1,372 1,433 11,748 4,225,993 4,087,383 2,980,759 205,119 57,014 266,053 5,071,364 5,425,294 3,761,807 82,419 197,322 224,684 1,062,107 633,290 586,385

Total Assets 60,038 80,638 117,679 5,123,263 6,675,957 5,874,702 274,339 274,703 276,787 1,184,686 1,323,188 1,409,097 12,653 10,999 39,239 14,420,136 14,313,602 9,797,547 1,975,959 2,067,405 2,211,701 25,935,346 23,294,758 20,946,818 2,899,512 2,957,818 776,369 2,041,959 1,670,033 1,551,020

Total Liabilities 87,065 98,909 77,089 2,723,915 4,005,523 3,636,004 614,285 611,114 599,489 575,473 747,638 867,489 10,558 10,315 33,545 4,726,764 4,512,872 3,314,820 696,825 625,451 3,082,894 18,447,981 16,565,150 14,874,504 418,200 494,465 349,947 1,220,511 1,106,267 1,052,565

Retained Earnings -127,026 -119,147 -60,867 884,686 906,014 720,974 -421,245 -417,722 -404,002 101,849 68,185 22,643 -34,580 -35,990 -30,980 5,893,836 6,100,171 2,813,590 -2,320,692 -2,157,873 -2,412,053 2,225,873 1,584,696 971,091 250,334 271,279 81,777 433,990 176,309 110,997

EBIT -8,021 -27,441 -301 38,613 89,382 101,575 -3,559 -2,327 -2,108 55,396 57,924 57,472 1,410 -4,894 -6,634 5,400,095 6,410,305 3,262,906 -125,099 16,408 -76,808 830,750 955,740 710,487 80,224 140,182 24,324 312,484 113,503 96,247


LAMPIRAN II Data Keuangan Perusahaan Sampel (Lanjutan) (disajikan dalam jutaan rupiah, kecuali harga saham dan jumlah saham beredar) NAMA KODE NO PERUSAHAAN PERUSAHAAN STATUS TAHUN 1 Jaka Inti JAKA D 2007 Realtindo Tbk. 2006 2005 2 Bakrieland ELTY L 2007 Development 2006 Tbk. 2005 3 Daya Sakti DSUC D 2008 Unggul 2007 Corporindo Tbk. 2006 2008 4 Tirta Mahakam TIRT L 2007 Resources Tbk. 2006 5 Infoasia IATG D 2008 Teknologi Global 2007 Tbk. 2006 6 Telekomunikasi TLKM L 2008 Indonesia 2007 (Persero) Tbk. 2006 7 New Century PTRA D 2009 Development Tbk 2008 2007 8 Ciputra Property CTRP L 2009 Tbk 2008 2007 9 Suryainti Permata SIIP D 2010 Tbk 2009 2008 10 Cowell COWL L 2010 Development Tbk 2009 2008


EBT 867 1,439 1,047 234,995 79,346 125,820 -85,536 -53,150 -9,635 -67,235 2,081 4,602 -4,200 12,496 17,068 20,312,808 25,595,653 21,993,605 864 -4,557 -1,400 114,849 239,844 121,379 558 -6,831 80,040 13,425 18,637 10,888

Closing Price (Rp) 100 100 25 620 195 165 290 200 160 50 117 100 138 225 200 7,400 10,150 10,100 50 50 81 245 129 600 89 100 205 122 350 410

Total Listed Shares 2,600,000,000 2,600,000,000 2,600,000,000 19,621,889,800 5,600,000,000 1,400,000,000 500,000,000 500,000,000 500,000,000 1,011,774,750 1,011,774,750 1,011,774,750 806,678,250 806,678,250 806,678,250 10,079,999,640 10,079,999,640 10,079,999,640 1,995,000,000 1,995,000,000 1,995,000,000 6,150,000,000 6,150,000,000 3,010,000,000 4,206,964,252 4,206,964,252 4,206,964,252 755,226,980 754,375,900 754,375,900

Sales Net Income 4,506 875 5,341 1,446 4,902 1,043 782,106 134,185 393,232 67,609 319,789 92,555 388,025 -77,859 385,571 -66,049 397,009 -24,069 647,298 -67,735 772,316 788 703,136 1,286 338,731 -4,068 362,007 14,916 366,939 17,180 60,689,784 10,619,470 59,440,011 12,857,018 51,294,008 11,005,577 1,098 995 1,352 -4,623 23,164 -2,410 337,415 74,200 324,580 187,539 294,244 80,125 1,584 512 3,700 43,096 106,890 55,244 100,491 8,400 98,931 13,691 83,806 6,618


LAMPIRAN II Data Keuangan Perusahaan Sampel (Lanjutan) (disajikan dalam jutaan rupiah, kecuali harga saham dan jumlah saham beredar) NAMA KODE NO PERUSAHAAN PERUSAHAAN 11 Surya Intrindo SIMM Makmur Tbk 12 Indorama Synthetics Tbk.

INDR

13 Panca Wiratama PWSI Sakti Tbk 14 Perdana Gapuraprima Tbk 15 Indo Setu Bara Resources Tbk

GPRA

CPDW

16 Indo ITMG Tambangraya Megah Tbk 17 Surabaya Agung SAIP Industry Pulp Tbk 18 Pabrik Kertas TKIM Tjiwi Kimia Tbk 19 Dayaindo KARK Resources International Tbk 20 Lippo Cikarang LPCK Tbk

STATUS TAHUN D 2009 2008 2007 L 2009 2008 2007 D 2010 2009 2008 2010 L 2009 2008 D 2012 2011 2010 L 2012 2011 2010 D 2012 2011 2010 L 2012 2011 2010 D 2011 2010 2009 L 2011 2010 2009


Closing EBT Price (Rp) -4,654 148 -83,347 145 -5,832 175 18,056 470 692 500 31,822 730 -3,529 53 -14,038 54 -5,666 140 39,839 134 33,978 140 32,203 340 1,410 229 -4,894 229 3,590 229 5,716,024 41,500 6,619,078 38,650 2,493,690 50,750 -123,395 250 348,270 270 -77,767 104 402,533 1,980 820,572 2,125 557,954 3,000 85,389 50 126,696 50 16,948 113 301,579 1,790 85,251 395 41,175 225

Total Listed Shares 1,000,000,000 1,000,000,000 1,000,000,000 654,351,707 654,351,707 654,351,707 82,500,000 82,500,000 82,500,000 3,207,491,502 3,207,489,870 3,207,489,870 34,198,115 34,198,115 34,198,115 1,129,925,000 1,129,925,000 1,129,925,000 5,509,574,061 5,509,574,061 3,450,607,595 1,335,702,240 1,335,702,240 1,335,702,240 19,324,488,028 19,324,487,875 1,680,390,250 696,000,000 696,000,000 696,000,000

Sales 4,219 45,705 132,129 4,605,512 6,064,262 4,762,933 453 1,785 2,038 309,333 305,373 305,946 3,803 1,353 35,230 23,584,559 21,598,843 14,998,714 245,840 357,120 365,502 12,780,268 12,502,414 12,036,845 938,928 1,439,432 470,774 902,455 404,660 323,159

Net Income -8,755 -58,280 -4,598 106,796 81,119 21,763 -3,523 -13,721 -22,695 32,895 31,296 11,370 1,410 -5,015 4,277 4,177,856 4,999,225 1,700,387 -162,820 254,180 -80,264 344,755 642,268 418,729 59,789 93,023 9,050 257,681 65,307 25,681


LAMPIRAN III Perhitungan Rasio Keuangan Dalam Model Altman Z-Score, Model Springate, dan Model Zmijewski Working Capital / Total Retained Earnings / EBIT / Total Asset (X3 Sales / Total Asset (X5 Kode No Status Asset (X1 atau A) Total Asset (X2) atau B) MVE / BVTD (X4) atau D) Perusahaan Th I Th II Th III Th I Th II Th III Th I Th II Th III Th I Th II Th III Th I Th II Th III 1 JAKA D 0.459 0.443 0.426 0.048 0.056 0.059 0.001 0.002 0.003 3.644 11.846 9.673 0.031 0.032 0.026 2 ELTY L 0.341 0.052 0.399 -0.031 -0.003 0.010 0.018 0.030 0.030 0.184 1.054 8.066 0.126 0.164 0.137 3 DSUC D -0.253 -0.483 -1.057 -0.353 1.212 -1.087 0.011 -0.082 -0.163 0.252 0.286 0.386 1.232 1.334 1.637 4 TIRT L 0.099 0.307 0.011 0.097 0.101 -0.021 0.008 0.069 0.003 0.272 0.334 0.116 1.233 1.396 1.141 5 IATG D 0.125 0.063 0.016 0.309 0.343 0.322 0.085 0.087 0.023 1.331 1.356 0.756 1.061 0.945 0.866 6 TLKM L -0.088 -0.057 -0.136 0.292 0.337 0.309 0.287 0.323 0.244 2.619 2.623 1.578 0.683 0.724 0.665 7 PTRA D 0.233 0.223 0.224 -5.103 -5.075 -5.063 -0.140 -0.005 -0.002 0.479 0.288 0.288 0.043 0.002 0.002 8 CTRP L 0.434 0.422 0.392 0.066 0.116 0.169 0.029 0.027 0.031 4.802 3.023 6.943 0.083 0.090 0.092 9 SIIP D 0.223 0.443 0.404 0.202 0.248 0.237 0.046 -0.004 -0.004 0.865 0.526 0.429 0.060 0.002 0.001 10 COWL L 0.405 0.523 -0.064 0.181 0.240 0.183 0.055 0.106 0.044 3.493 3.462 0.675 0.404 0.477 0.376 11 SIMM D 0.060 -0.739 0.004 -0.517 -1.478 -2.116 -0.003 -0.340 -0.134 2.270 1.466 1.700 1.123 0.567 0.070 12 INDR L 0.058 0.018 0.042 0.123 0.136 0.173 0.017 0.013 0.008 0.131 0.082 0.113 0.811 0.908 0.899 13 PWSI D -1.749 -1.760 -1.849 -1.460 -1.521 -1.535 -0.008 -0.008 -0.013 0.019 0.007 0.007 0.007 0.006 0.002 14 GPRA L 0.429 0.476 0.468 0.016 0.052 0.086 0.041 0.044 0.047 1.257 0.601 0.747 0.217 0.231 0.261 15 CPDW D 0.089 -0.016 0.100 -0.790 -3.272 -2.733 -0.169 -0.445 0.111 0.233 0.759 0.742 0.898 0.123 0.301 16 ITMG L 0.254 0.390 0.357 0.287 0.426 0.409 0.333 0.448 0.374 17.299 9.677 9.921 1.531 1.509 1.636 17 SAIP D -0.021 0.055 -0.016 -1.091 -1.044 -1.174 -0.035 0.008 -0.063 0.116 2.378 1.977 0.165 0.173 0.124 18 TKIM L 0.214 0.215 0.275 0.046 0.068 0.086 0.034 0.041 0.032 0.269 0.171 0.143 0.575 0.537 0.493 19 KARK D 0.037 0.449 0.496 0.105 0.092 0.086 0.031 0.047 0.028 0.543 1.954 2.310 0.606 0.487 0.324 20 LPCK L 0.287 0.311 0.208 0.072 0.106 0.213 0.062 0.068 0.153 0.149 0.249 1.021 0.208 0.242 0.442 Sumber: Data diolah


No

Kode Status Perusahaan

1 JAKA D 2 ELTY L 3 DSUC D 4 TIRT L 5 IATG D 6 TLKM L 7 PTRA D 8 CTRP L 9 SIIP D 10 COWL L 11 SIMM D 12 INDR L 13 PWSI D 14 GPRA L 15 CPDW D 16 ITMG L 17 SAIP D 18 TKIM L 19 KARK D 20 LPCK L Sumber: Data diolah

LAMPIRAN III Perhitungan Rasio Keuangan Dalam Model Altman Z-Score, Model Springate, dan Model Zmijewski (Lanjutan) EBT / Current Liabilities ( C ) ROA (X1 ) Debt Ratio (X2 ) Th I Th II Th III Th I Th II Th III Th I Th II Th III 0.059 0.070 0.032 0.007 0.009 0.005 0.112 0.133 0.157 0.160 0.093 0.220 0.036 0.028 0.024 0.495 0.433 0.264 -0.046 -0.213 -0.265 -0.075 -0.229 -0.329 0.985 1.212 1.587 0.013 0.011 -0.184 0.002 0.001 -0.119 0.653 0.641 0.769 0.357 0.180 -0.051 0.050 0.039 -0.010 0.351 0.349 0.376 1.071 1.238 0.752 0.146 0.157 0.116 0.517 0.475 0.518 -0.004 -0.013 0.002 -0.004 -0.009 0.002 0.626 0.637 0.636 0.856 1.359 0.880 0.023 0.052 0.020 0.106 0.072 0.059 0.359 -0.050 0.002 0.031 0.026 0.000 0.556 0.489 0.510 0.126 0.378 0.123 0.032 0.066 0.031 0.427 0.368 0.511 -0.104 -1.191 -71.600 -0.039 -0.723 -0.146 0.655 1.227 1.450 0.016 0.000 0.010 0.004 0.012 0.021 0.619 0.600 0.532 -0.010 -0.024 -0.006 -0.082 -0.050 -0.013 2.166 2.225 2.239 0.048 0.066 0.088 0.008 0.024 0.028 0.616 0.565 0.486 0.306 -3.415 1.028 0.109 -0.456 0.111 0.855 0.938 0.834 0.837 1.619 1.353 0.174 0.349 0.290 0.338 0.315 0.328 -0.292 6.108 -0.602 -0.036 0.123 -0.082 1.394 0.303 0.353 0.148 0.151 0.079 0.020 0.028 0.013 0.710 0.711 0.711 0.075 0.642 1.036 0.012 0.031 0.021 0.451 0.167 0.144 0.070 0.135 0.284 0.017 0.039 0.126 0.679 0.662 0.598

Current Ratio (X3 ) Th I Th II Th III 5.117 4.559 3.715 2.099 1.146 3.138 0.611 0.440 0.224 1.160 1.861 1.017 1.908 1.347 1.075 0.678 0.773 0.542 1.372 1.350 1.352 11.806 9.664 11.958 2.796 6.349 3.909 1.975 3.199 0.844 1.126 0.148 4.369 1.175 1.053 1.118 0.160 0.158 0.152 1.898 2.231 2.226 1.297 0.877 1.920 1.834 2.366 2.217 0.823 2.987 0.850 2.193 1.924 2.407 1.129 7.734 18.456 1.760 1.820 1.400


83

LAMPIRAN IV Perhitungan Menggunakan Model Prediksi Altman Z-Score, Springate, dan Zmijewski

Model Altman Z-Score NO KODE STATUS TAHUN 1 JAKA D 2007 2006 2005 2 ELTY L 2007 2006 2005 3 DSUC D 2008 2007 2006 4 TIRT L 2008 2007 2006 5 IATG D 2008 2007 2006 6 TLKM L 2008 2007 2006 7 PTRA D 2009 2008 2007 8 CTRP L 2009 2008 2007 9 SIIP D 2010 2009 2008 10 COWL L 2010 2009 2008 Sumber: Data diolah

1,2*X1 0.51157 0.53116 0.55135 0.47936 0.06256 0.40910 -1.26836 -0.57943 -0.30314 0.01320 0.36857 0.11917 0.01897 0.07564 0.15056 -0.16274 -0.06868 -0.10565 0.26849 0.26701 0.27933 0.46994 0.50613 0.52021 0.48531 0.53101 0.26787 -0.07681 0.62774 0.48616

1,4*X2 0.08237 0.07785 0.06790 0.01394 -0.00350 -0.04319 -1.52163 1.69633 -0.49392 -0.02925 0.14138 0.13530 0.45047 0.48045 0.43245 0.43264 0.47148 0.40909 -7.08787 -7.10438 -7.14385 0.23649 0.16211 0.09200 0.33201 0.34656 0.28314 0.25684 0.33628 0.25308

3,3*X3 0.01104 0.00748 0.00312 0.09858 0.09946 0.06052 -0.53702 -0.26997 0.03544 0.01112 0.22651 0.02716 0.07753 0.28786 0.27991 0.80668 1.06460 0.94839 -0.00777 -0.01493 -0.46319 0.10069 0.09037 0.09648 -0.01176 -0.01358 0.15150 0.14568 0.35111 0.18264

0,6*X4 5.80357 7.10739 2.18622 4.83946 0.63220 0.11019 0.23138 0.17138 0.15127 0.06956 0.20019 0.16305 0.45387 0.81376 0.79836 0.94703 1.57381 1.57111 0.17295 0.17303 0.28731 4.16609 1.81396 2.88093 0.25714 0.31547 0.51907 0.40518 2.07711 2.09568

1,0*X5 0.02632 0.03229 0.03067 0.13702 0.16414 0.12575 1.63735 1.33442 1.23225 1.14116 1.39561 1.23332 0.86618 0.94492 1.06072 0.66505 0.72436 0.68268 0.00202 0.00249 0.04294 0.09239 0.08954 0.08326 0.00093 0.00226 0.05967 0.37646 0.47676 0.40399

Z 6.43488 7.75618 2.83925 5.56835 0.95485 0.66237 -1.45828 2.35273 0.62190 1.20579 2.33227 1.67800 1.86702 2.60264 2.72199 2.68866 3.76558 3.50563 -6.65219 -6.67678 -6.99747 5.06561 2.66211 3.67289 1.06362 1.18172 1.28125 1.10734 3.86900 3.42153


84

LAMPIRAN IV Perhitungan Menggunakan Model Prediksi Altman Z-Score, Springate, dan Zmijewski (Lanjutan)

Model Altman Z-Score (lanjutan) NO KODE STATUS TAHUN 11 SIMM D 2009 2008 2007 12 INDR L 2009 2008 2007 13 PWSI D 2010 2009 2008 14 GPRA L 2010 2009 2008 15 CPDW D 2012 2011 2010 16 ITMG L 2012 2011 2010 17 SAIP D 2012 2011 2010 18 TKIM L 2012 2011 2010 19 KARK D 2011 2010 2009 20 LPCK L 2011 2010 2009 Sumber: Data diolah

1,2*X1 0.00438 -0.88724 0.07245 0.05023 0.02155 0.06993 -2.21838 -2.11152 -2.09839 0.56190 0.57064 0.51422 0.11969 -0.01920 0.10673 0.42803 0.46806 0.30462 -0.01871 0.06574 -0.02561 0.33024 0.25818 0.25718 0.59544 0.53908 0.04474 0.24960 0.37308 0.34487

1,4*X2 -2.96206 -2.06858 -0.72412 0.24175 0.19000 0.17182 -2.14969 -2.12888 -2.04346 0.12036 0.07214 0.02250 -3.82613 -4.58096 -1.10533 0.57221 0.59665 0.40204 -1.64425 -1.46126 -1.52682 0.12015 0.09524 0.06490 0.12087 0.12840 0.14747 0.29755 0.14780 0.10019

3,3*X3 0,6*X4 1,0*X5 -0.44088 1.01993 0.07027 -1.12299 0.87960 0.56679 -0.00844 1.36206 1.12279 0.02487 0.06774 0.89894 0.04418 0.04901 0.90837 0.05706 0.07882 0.81075 -0.04281 0.00427 0.00165 -0.02795 0.00437 0.00650 -0.02513 0.01156 0.00736 0.15431 0.44812 0.26111 0.14446 0.36037 0.23079 0.13460 0.75428 0.21712 0.36774 0.44505 0.30056 -1.46833 0.45553 0.12301 -0.55792 0.14008 0.89783 1.23579 5.95230 1.63553 1.47790 5.80627 1.50897 1.09901 10.37951 1.53086 -0.20892 1.18600 0.12442 0.02619 1.42705 0.17274 -0.11460 0.06984 0.16526 0.10570 0.08602 0.49277 0.13539 0.10281 0.53671 0.11193 0.16164 0.57464 0.09130 1.38626 0.32382 0.15640 1.17245 0.48665 0.10339 0.32556 0.60638 0.50500 0.61245 0.44196 0.22428 0.14911 0.24231 0.20478 0.08927 0.20835

Z -2.30836 -2.63241 1.82474 1.28354 1.21312 1.18838 -4.40496 -4.25748 -4.14805 1.54580 1.37840 1.64272 -2.59309 -5.48995 -0.51861 9.82387 9.85785 13.71605 -0.56147 0.23046 -1.43194 1.13489 1.12832 1.17029 2.51770 2.48299 1.22754 2.10656 1.13658 0.94745



Model Springate NO KODE STATUS TAHUN 1 JAKA D 2007 2006 2005 2 ELTY L 2007 2006 2005 3 DSUC D 2008 2007 2006 4 TIRT L 2008 2007 2006 5 IATG D 2008 2007 2006 6 TLKM L 2008 2007 2006 7 PTRA D 2009 2008 2007 8 CTRP L 2009 2008 2007 9 SIIP D 2010 2009 2008 10 COWL L 2010 2009 2008 Sumber: Data diolah

1,03*A 0.43910 0.45592 0.47324 0.41145 0.05369 0.35114 -1.08868 -0.49734 -0.26019 0.01133 0.31635 0.10229 0.01628 0.06492 0.12923 -0.13968 -0.05895 -0.09068 0.23045 0.22919 0.23975 0.40336 0.43443 0.44651 0.41656 0.45579 0.22992 -0.06593 0.53881 0.41728

3,07*B 0.01027 0.00696 0.00290 0.09171 0.09252 0.05630 -0.49959 -0.25115 0.03297 0.01035 0.21073 0.02527 0.07213 0.26780 0.26040 0.75046 0.99040 0.88229 -0.00723 -0.01389 -0.43091 0.09368 0.08407 0.08976 -0.01094 -0.01264 0.14094 0.13552 0.32664 0.16991

0,66*C 0.02129 0.04617 0.03874 0.14544 0.06135 0.10530 -0.17493 -0.14082 -0.03036 -0.12146 0.00696 0.00860 -0.03366 0.11859 0.23577 0.49657 0.81709 0.70686 0.00165 -0.00870 -0.00274 0.58081 0.89704 0.56507 0.00155 -0.03328 0.23727 0.08108 0.24916 0.08341

0,4*D 0.01053 0.01292 0.01227 0.05481 0.06566 0.05030 0.65494 0.53377 0.49290 0.45646 0.55825 0.49333 0.34647 0.37797 0.42429 0.26602 0.28974 0.27307 0.00081 0.00100 0.01717 0.03696 0.03581 0.03330 0.00037 0.00090 0.02387 0.15058 0.19071 0.16160

S 0.48119 0.52196 0.52715 0.70341 0.27322 0.56304 -1.10826 -0.35555 0.23532 0.35668 1.09228 0.62948 0.40122 0.82928 1.04969 1.37336 2.03829 1.77154 0.22568 0.20759 -0.17672 1.11481 1.45136 1.13464 0.40754 0.41078 0.63200 0.30126 1.30531 0.83219

85



Model Springate (lanjutan) NO KODE STATUS TAHUN 11 SIMM D 2009 2008 2007 12 INDR L 2009 2008 2007 13 PWSI D 2010 2009 2008 14 GPRA L 2010 2009 2008 15 CPDW D 2012 2011 2010 16 ITMG L 2012 2011 2010 17 SAIP D 2012 2011 2010 18 TKIM L 2012 2011 2010 19 KARK D 2011 2010 2009 20 LPCK L 2011 2010 2009 Sumber: Data diolah

1,03*A 0.00376 -0.76155 0.06219 0.04311 0.01850 0.06002 -1.90411 -1.81239 -1.80111 0.48230 0.48980 0.44138 0.10273 -0.01648 0.09161 0.36739 0.40175 0.26147 -0.01606 0.05643 -0.02198 0.28346 0.22160 0.22074 0.51109 0.46271 0.03840 0.21424 0.32023 0.29601

3,07*B -0.41015 -1.04472 -0.00785 0.02314 0.04110 0.05308 -0.03983 -0.02601 -0.02338 0.14355 0.13439 0.12521 0.34211 -1.36600 -0.51903 1.14966 1.37489 1.02241 -0.19436 0.02437 -0.10662 0.09834 0.12596 0.10413 0.08494 0.14550 0.09618 0.46981 0.20865 0.19051

0,66*C -47.25600 -0.78597 -0.06833 0.00657 0.00020 0.01077 -0.00390 -0.01614 -0.00649 0.05809 0.04388 0.03161 0.67828 -2.25404 0.20169 0.89271 1.06880 0.55215 -0.39704 4.03161 -0.19292 0.05239 0.09982 0.09789 0.68378 0.42377 0.04978 0.18740 0.08885 0.04634

0,4*D 0.02811 0.22672 0.44912 0.35958 0.36335 0.32430 0.00066 0.00260 0.00295 0.10444 0.09231 0.08685 0.12022 0.04920 0.35913 0.65421 0.60359 0.61235 0.04977 0.06910 0.06610 0.19711 0.21468 0.22986 0.12953 0.19466 0.24255 0.17678 0.09692 0.08334

S -47.63428 -2.36551 0.43512 0.43239 0.42315 0.44817 -1.94717 -1.85193 -1.82804 0.78839 0.76038 0.68505 1.24334 -3.58731 0.13339 3.06397 3.44903 2.44838 -0.55770 4.18150 -0.25541 0.63129 0.66207 0.65262 1.40934 1.22665 0.42692 1.04823 0.71465 0.61620

86



Model Zmijewski NO KODE STATUS TAHUN 1 JAKA D 2007 2006 2005 2 ELTY L 2007 2006 2005 3 DSUC D 2008 2007 2006 4 TIRT L 2008 2007 2006 5 IATG D 2008 2007 2006 6 TLKM L 2008 2007 2006 7 PTRA D 2009 2008 2007 8 CTRP L 2009 2008 2007 9 SIIP D 2010 2009 2008 10 COWL L 2010 2009 2008 Sumber: Data diolah

-4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3

-4,5*X1 -0.02300 -0.03934 -0.02936 -0.10579 -0.12700 -0.16378 1.47844 1.02865 0.33618 0.53736 -0.00641 -0.01015 0.04681 -0.17520 -0.22348 -0.52366 -0.70506 -0.65914 -0.00822 0.03828 0.02010 -0.09143 -0.23280 -0.10203 -0.00135 -0.11842 -0.13878 -0.14161 -0.29691 -0.14356

5,7*X2 -0,004*X3 0.89492 -0.01486 0.75640 -0.01824 0.63613 -0.02047 1.50618 -0.01255 2.46585 -0.00459 2.81942 -0.00840 9.04372 -0.00090 6.90647 -0.00176 5.61388 -0.00245 4.38500 -0.00407 3.65443 -0.00744 3.72234 -0.00464 2.14497 -0.00430 1.99110 -0.00539 1.99786 -0.00763 2.95183 -0.00217 2.70941 -0.00309 2.94954 -0.00271 3.62288 -0.00541 3.62827 -0.00540 3.56551 -0.00549 0.33870 -0.04783 0.41262 -0.03866 0.60665 -0.04723 2.90949 -0.01564 2.78497 -0.02540 3.17203 -0.01118 2.91341 -0.00337 2.09505 -0.01280 2.43313 -0.00790

X -3.44294 -3.60118 -3.71370 -2.91216 -1.96573 -1.65276 6.22126 3.63336 1.64761 0.61830 -0.65942 -0.59246 -2.11252 -2.48950 -2.53325 -1.87400 -2.29874 -2.01231 -0.69075 -0.63885 -0.71988 -4.10056 -4.15884 -3.84260 -1.40749 -1.65885 -1.27793 -1.53157 -2.51465 -2.01833

87



Model Zmijewski (lanjutan) NO KODE STATUS TAHUN 11 SIMM D 2009 2008 2007 12 INDR L 2009 2008 2007 13 PWSI D 2010 2009 2008 14 GPRA L 2010 2009 2008 15 CPDW D 2012 2011 2010 16 ITMG L 2012 2011 2010 17 SAIP D 2012 2011 2010 18 TKIM L 2012 2011 2010 19 KARK D 2011 2010 2009 20 LPCK L 2011 2010 2009 Sumber: Data diolah

-4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3 -4,3

-4,5*X1 5,7*X2 -0,004*X3 X 0.65621 8.26594 -0.01748 4.60467 3.25231 6.99151 -0.00059 5.94323 0.17583 3.73395 -0.00450 -0.39473 -0.09380 3.03055 -0.00447 -1.36772 -0.05468 3.41996 -0.00421 -0.93893 -0.01667 3.52788 -0.00470 -0.79350 0.05779 12.76313 -0.00061 8.52031 0.22477 12.68042 -0.00063 8.60456 0.36898 12.34555 -0.00064 8.41388 -0.12495 2.76883 -0.00890 -1.66502 -0.10643 3.22066 -0.00892 -1.19470 -0.03631 3.50912 -0.00759 -0.83478 -0.50146 4.75623 -0.00768 -0.05291 2.05178 5.34553 -0.00351 3.09380 -0.49049 4.87287 -0.00519 0.07719 -1.30376 1.86840 -0.00887 -3.74423 -1.57169 1.79713 -0.00946 -4.08402 -0.78099 1.92849 -0.00734 -3.15983 0.37080 2.01011 -0.00340 -1.92248 -0.55326 1.72442 -0.01195 -3.14079 0.16331 7.94524 -0.00329 3.80526 -0.05982 4.05445 -0.00963 -0.31500 -0.12407 4.05333 -0.00770 -0.37844 -0.08996 4.04762 -0.00877 -0.35111 -0.09279 0.82212 -0.07383 -3.64450 -0.14152 0.95288 -0.03094 -3.51958 -0.05246 2.56927 -0.00452 -1.78771 -0.56787 3.40698 -0.00560 -1.46649 -0.17597 3.77581 -0.00728 -0.70745 -0.07451 3.86818 -0.00704 -0.51337

88

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

Recommend Documents