ANALISIS ALTMAN Z-SCORE, GROVER SCORE, SPRINGATE, DAN ...repository.unusa.ac.id/3394/1/Analisis...

Niken Savitri Primasari, Analisis Altman Z-Score, Grover Score, Springate, dan Zmijewskisebagai Signaling Financial Distress

2323

ANALISIS ALTMAN Z-SCORE, GROVER SCORE, SPRINGATE,DAN ZMIJEWSKI SEBAGAI SIGNALING FINANCIAL DISTRESS

(Studi Empiris Industri Barang-Barang Konsumsi di Indonesia)

Niken Savitri PrimasariFakultas Ekonomi dan Bisnis, Universitas Nahdlatul Ulama Surabaya

e-mail: [email protected]

Abstract: This study purpose to determine whether there are differences among Altman model,Springate model and Zmijewski model to predict financial distress, and to find out which theFinancial Distress prediction model has the most excellent implementation in Indonesia manufac-ture industry. Comparison of those six models were made by analyzing the accuracy of each model,by using the real condition of a company’s net income. The data used in the form of annualfinancial statements published by the company on the Indonesia Stock Exchange website.

The sample in this study consisted of 116 financial data from 29 companies in Consumer GoodsIndustry. All companies are listed in Indonesia Stock Exchange Market at period 2012 - 2015. Thecompany does not conclude yet, whether there is a prediction model that best suit the measure-ment. This cause by: (1) every model have its own superiority and weakness, (2) the companysample characteristic differences (company sector, company size) also influence the choice of pre-diction model being used, (3) the company financial ratio as independent variable used in bank-ruptcy prediction.

Since the financial statements are reflecting the company’s financial ability of the signaling, theresearchers limited the industry with the highest value of EPS and PER. This is done to avoidconfounders in the proof of the accuracy of the model, Springate model, Ohlson model and Zmijewskimodel to predict financial distress. The data obtained from the Annual Financial Statements, IDXFact Book and the Indonesian Capital Market Directory.

In this study will be used t test, additional testing is done to see the feasibility of the model byobserving the F test results and test the coefficient of determination (R2), R2 value used to examinedifferences among Altman, Grover, Springate and Zmijewski models in predicting financial dis-tress. The analytical tool used is the One Way ANOVA with level of significance 5 %.

The results from this research showed that any prediction model used in this study can be used topredict Financial Distress, particularly the Altman Z-Scores, which have the greater R2 analysis.Only Grover G-Score models have insignificant value t test and F-test is greater than the probabilitycannot be used to predict corporate Financial Distress.

The results also showed that the most accurate model is the model Altman Z-Score. At the end of thestudy was to try predict 29 firms sample used listed on the Stock Exchange with Altman model.Predicted results showed that five companies are expected to experience Financial Distress in thefuture.

Keywords: financial distress, prediction models, financial ratio, financial statement

A. PENDAHULUAN

1. Latar Belakang

Laporan keuangan digunakan sebagai ben-tuk pertanggungjawaban kepada publik untuk

memonitor kinerja dan mengevaluasi manaje-men, memberikan dasar untuk mengamati trenantar-kurun waktu, pencapaian atas tujuan yangtelah ditetapkan dan membandingkannya dengankinerja organisasi lain yang sejenis jika ada,

Accounting and Management Journal, Vol. 1, No. 1, July 2017

24

serta memungkinkan pihak luar untuk memper-oleh informasi biaya atas barang dan jasa yangditerima dan untuk menilai efisiensi dan efek-tivitas penggunaan sumber daya organisasi. La-poran keuangan juga berfungsi untuk membantuperusahaan untuk memberikan dasar perenca-naan kebijakan dan aktivitas di masa yang akandatang, terutama informasi pendukung penggu-naan dana dan kelangsungan organisasi (viabil-ity).

Setiap perusahaan didirikan dengan harap-an akan menghasilkan profit sehingga mampuuntuk bertahan dan berkembang dalam jangkapanjang yang tak terbatas. Hal ini berarti dapatdiasumsikan bahwa perusahaan akan terus hidupdan diharapkan tidak akan mengalami likuidasi.Dalam praktik, asumsi seperti di atas tidakselalu menjadi kenyataan. Seringkali perusahaanyang telah beroperasi dalam jangka waktu ter-tentu terpaksa bubar karena mengalami finan-cial distress yang berujung pada kebangkrutan(Rismawaty, 2012).

Signaling theory menunjukkan adanyaasimetri informasi yang bias terlihat dari bentukpelaporan keuangan perusahaan kepada penggu-na laporan keuangan, baik untuk internal mana-jemen perusahaan itu sendiri sebagai bentukkebutuhan pada planning, actuating dan con-trolling keuangan, maupun untuk pihak-pihakluar yang berkepentingan dengan informasitersebut.

Menurut Maria Immaculatta (2006), kua-litas keputusan investor dipengaruhi oleh kualitasinformasi yang diungkapkan perusahaan dalamlaporan keuangan. Kualitas informasi tersebutbertujuan untuk mengurangi asimetri informasiyang timbul ketika manajer lebih mengetahuiinformasi internal dan prospek perusahaan dimasa mendatang dibanding pihak eksternal per-usahaan. Informasi yang berupa pemberian

pemeringkatan yang dipublikasikan terhadapperusahaan yang tercatat diharapkan dapat men-jadi sinyal kondisi keuangan perusahaan tertentudan menggambarkan kemungkinan yang terjaditerkait dengan kinerja dan utang yang dimilikioleh perusahaan tersebut.

Menurut Kusuma (2006) pada signalingtheory terdapat motivasi manajemen dalam me-nyajikan informasi keuangan yang diharapkandapat memberikan sinyal kemakmuran kepadapemilik ataupun pemegang saham. Publikasi la-poran keuangan tahunan yang disajikan olehperusahaan akan dapat memberikan signal per-tumbuhan dividen maupun perkembangan hargasaham perusahaan.

Sehingga dapat dikatakan bahwa Publikasilaporan keuangan tahunan dan publikasi dataperusahaan yang dikeluarkan oleh BEI (BursaEfek Indonesia) baik berupa rating industri mau-pun hasil pengolahan rasio oleh pihak BEI,dapat menunjukkan kondisi keuangan baik se-cara industri ataupun masing-masing perusahaanterbuka. Informasi BEI tersebut diharapkan akanmampu memberikan sinyal bagi investor maupuncalon investor mengenai kinerja perusahaantertentu.

Perusahaan manufaktur merupakan industriyang dalam kegiatannya mengandalkan modaldari investor, oleh karena itu perusahaan manu-faktur harus dapat menjaga kestabilan keuangan-nya. Mengingat besarnya pengaruh yang timbulbila terjadi kesulitan keuangan pada industrimanufaktur, maka perlu dilakukan analisis sede-mikian rupa sehingga kesulitan keuangan dankemungkinan kebangkrutan dapat dideteksi lebihawal.

Berbagai pengembangan analisis keuangantersebut dilakukan untuk memprediksi kondisikeuangan perusahaan. Analisis yang banyak digu-nakan saat ini adalah analisis diskriminan altman,


25

di mana analisis ini mengacu pada rasio-rasiokeuangan perusahaan. Rasio menggambarkansuatu hubungan atau pertimbangan (mathemati-cal relationship) antara suatu jumlah tertentudengan jumlah yang lain, dan dengan mengguna-kan alat analisis berupa rasio ini akan dapatmenjelaskan atau memberi gambaran kepadapenganalisis tentang baik atau buruknya keadaanatau posisi keuangan suatu perusahaan terutamaapabila angka ratio pembanding yang digunakansebagai standar (Munawir, 2007:64).

Selain analisis diskriminan altman, masihbanyak jenis model yang telah digunakan peneliti-peneliti sebelumnya dalam memprediksi keadaankeuangan suatu perusahaan. Misalnya saja, mo-del springate, model zmijewski, model ohlson,model fulmer, model CA-score, dan sebagainya.

Dengan diketahui model-model prediksikondisi keuangan yang tepat dan penggunaaninformasi keuangan perusahaan-perusahaan ter-publikasi oleh BEI, diharapkan investor maupunpihak-pihak lain yang berkepentingan dalamanalisis keuangan agar dapat mengambil kepu-tusan dengan lebih baik.

Penelitian ini dilakukan di perusahaan sek-tor industri barang konsumsi yang terdaftar diBursa Efek Indonesia yang merupakan salahsatu industri manufaktur yang mempunyai peranaktif dalam pasar modal. Industri barang kon-sumsi memiliki 5 sub sektor industri dengantotal jumlah perusahaan tercatat 34 di akhirtahun 2011 dan kini, bertambah menjadi 36 diakhir tahun 2016, namun tercatat hanya 1 per-usahaan saja yang melakukan dividend paymentdi setiap tahunnya. Padahal salah satu kriteriaperusahaan dapat dikatakan memiliki financialdistress, yakni saat perusahaan tersebut lebihdari satu tahun tidak melakukan pembagian(pembayaran) dividen.

2. Perumusan Masalah

Berdasarkan uraian latar belakang di atasdapat dirumuskan permasalahan penelitian seba-gai berikut.1. Model analisis prediksi kondisi keuangan (fi-

nancial distress) manakah yang paling akuratdalam memprediksi kondisi keuangan per-usahaan di sektor industri barang konsumsiIndonesia?

2. Berdasarkan model prediksi yang paling aku-rat tersebut, perusahaan pada apa sajakahpada sektor industri barang konsumsi Indo-nesia yang diprediksi tidak mengalami kondisifinancial distress?

3. Sebaliknya, perusahaan pada sektor industribarang konsumsi Indonesia apa sajakah yangdiprediksi memiliki prediksi kondisi keuanganperusahaan yang buruk?

3. Tujuan Penelitian

1. Mengetahui model prediksi mana yang pal-ing akurat dalam memprediksi financial dis-tress perusahaan sektor industri barang kon-sumsi Indonesia.

2. Mengetahui perusahaan sektor industri ba-rang konsumsi Indonesia yang diprediksi tidakmengalami kondisi financial distress.

3. Mengetahui perusahaan sektor industri ba-rang konsumsi Indonesia yang diprediksimengalami kondisi keuangan yang buruk ataumengalami financial distress.

B. TINJAUAN TEORI DAN PENGEMBANG-AN HIPOTESIS

1. Laporan Keuangan dan Teori Signaling

Laporan keuangan yang mencerminkankinerja baik merupakan signal atau tanda bahwa


26

perusahaan telah beroperasi dengan baik. Signalbaik akan direspons dengan baik pula oleh pihakluar, karena respons pasar sangat tergantungpada signal fundamental yang dikeluarkan per-usahaan. Investor hanya akan menginvestasikanmodalnya jika menilai perusahaan mampu mem-berikan nilai tambah atas modal yang diinves-tasikan lebih besar dibandingkan jika menginves-tasikan di tempat lain. Untuk itu, perhatianinvestor diarahkan pada kemampulabaan perusa-haan yang tecermin dari laporan keuangan yangditerbitkan perusahaan.

Suad Husnan dan Enny (2002) laporankeuangan yang pokok ada dua sebagai berikut.(1) Neraca adalah suatu sumber informasi darilaporan keuangan yang digunakan untuk menun-jukkan kekayaan yang dimiliki perusahaan, yangberupa aktiva, kewajiban, dan ekuitas padaperiode tertentu, kekayaan disajikan pada sisiaktiva sedangkan kewajiban dan modal sendiridisajikan pada sisi pasiva. (2) Laporan laba rugimenunjukkan laba atau rugi suatu perusahaanpada periode waktu tertentu.

James dan Moira (2005:2) Laporan keuang-an adalah alat atau sarana utama dalam mencip-takan laporan informasi keuangan kepada pihakyang berkepentingan seperti pihak internal (ma-najemen dan para karyawan) dan pihak eksternal(bank, investor, pemerintah). Menurut Ryan danMiyosi (2013) tujuan laporan keuangan adalahsebagai berikut. (1) Memberikan berbagai macaminformasi pada periode tertentu (periode akun-tansi/satu tahun) misalnya seperti perubahanasset perusahaan. (2) Memberikan penilaian ten-tang kondisi perusahaan atau kinerja keuanganperusahaan. (3) Membantu dalam memberikanpertimbangan untuk pihak-pihak tertentu. Setiapperusahaan diharuskan adanya laporan keuangandi mana laporan keuangan ini dapat digunakanuntuk mengetahui kinerja dan kondisi keuanganperusahaan yang dapat digunakan untuk mem-

prediksi adanya potensi kebangkrutan di masayang akan datang.

Teori sinyal melandasi penelitian ini dandigunakan untuk menjelaskan bahwa laporankeuangan digunakan untuk memberi sinyal positif(good news) maupun sinyal negatif (bad news)kepada pemakainya. Sumeth Tuvaratragool(2013) melakukan penelitian tentang pengaturanperbandingan rasio keuangan dalam memberisinyal adanya financial distress dengan mengguna-kan teknik multi ukur (IMM) yang terdiri dariemerging market, skor model, analisis komparatifrasio, dan analisis tren rasio dan model logitsebagai benchmarking ukuran, hasil penelitianini menunjukkan bahwa informasi laporan ke-uangan dapat dijadikan media untuk mengetahuisinyal adanya kegagalan perusahaan atau kebang-krutan.

Setiap pihak yang memiliki hubungan de-ngan perusahaan sangat berkepentingan dengankinerja perusahaan. Pentingnya pengukuran ki-nerja perusahaan dapat dijelaskan dengan duateori yaitu teori keagenan (agency theory) danteori pensignalan (signaling theory).

Teori kedua yang menjelaskan pentingnyapengukuran kinerja adalah teori pensignalan (sig-naling theory). Teori signal membahas bagaimanaseharusnya signal-signal keberhasilan atau kega-galan manajemen (agen) disampaikan kepadapemilik (principal). Teori signal menjelaskanbahwa pemberian signal dilakukan oleh mana-jemen untuk mengurangi informasi asimetris.Menurut Sari dan Zuhrotun (2006), teori signal(signaling theory) menjelaskan mengapa perusa-haan mempunyai dorongan untuk memberikaninformasi laporan keuangan kepada pihak ekster-nal, agar perusahaan memiliki hubungan baikdan kredibel di mata investor. Hubungan antarapemilik dan manajemen sangat tergantung padapenilaian pemilik dalam hal ini investor, tentangkinerja manajemen. Untuk itu, pemilik menuntut


27

pengembalian atas investasi yang dipercayakanuntuk dikelola oleh manajemen.

Hubungan baik akan terus berlanjut jikapemilik ataupun investor puas dengan kinerjamanajemen, dan penerima signal juga menafsir-kan signal perusahaan sebagai signal yang positif.Hal ini jelas bahwa pengukuran kinerja keuanganperusahaan merupakan hal yang krusial dalamhubungan antara manajemen dengan pemilikataupun investor. Laporan tentang kinerja per-usahaan yang baik akan meningkatkan nilaiperusahaan.

Umumnya laporan keuangan sangatlah pen-ting untuk setiap perusahaan baik perusahaanyang telah go public maupun tidak, karena dapatdigunakan untuk mengetahui kinerja dan kondisikeuangan perusahaan sehingga dapat mempre-diksi adanya potensi kebangkrutan di masa yangakan datang.

2. Kondisi Financial Distress

Financial distress merupakan kondisi di manaadanya ketidakmampuan perusahaan untuk me-menuhi kewajiban lancarnya yang telah jatuhtempo misalnya; utang usaha, utang pajak, utangbank jangka pendek. Brigham and Gapenski(1997) membagi definisi financial distress men-jadi beberapa tipe yaitu economic failure, busi-ness failure, technical insolvency, insolvency inbankruptcy, dan legal bankruptcy.

Dapat dikatakan bahwa sepanjang perusa-haan memiliki arus kas yang lebih besar dari kewa-jiban utangnya maka perusahaan akan memilikicukup dana untuk membayar krediturnya. Di sinifaktor yang menjadi kunci dalam mengidentifikasiapakah perusahaan berada dalam kondisi finan-cial distress adalah ketidakmampuan perusahaandalam memenuhi kewajibannya. Financial distressadalah kondisi di mana perusahaan mengalamilaba bersih operasi (net operation income) negatif

selama beberapa tahun dan selama lebih dari satutahun tidak melakukan pembayaran dividen,pemberhentian tenaga kerja atau menghilangkanpembayaran dividen (Almilia dan Kristijadi, 2003).Selain definisi di atas, isu lain yang juga pentingadalah adanya kesalahan umum yang umumnyamenyamakan financial distress dengan kebang-krutan. Padahal, hal ini tidak benar, financial dis-tress hanyalah salah satu penyebab bangkrutnyasebuah perusahaan. Namun tidak berarti semuaperusahaan yang mengalami financial distress akanmenjadi bangkrut.

Model financial distress perlu dikembang-kan, karena diharapkan dapat melakukan tin-dakan-tindakan untuk mengantisipasi kondisiyang mengarah pada kebangkrutan, seperti meng-ubah asset menjadi kas atau untuk memenuhikewajiban keuangan jangka pendek perusahaan,mengalkulasi dana perusahaan yang tertanamdalam aset berputar untuk menghasilkan reve-nue, menerbitkan saham untuk mendapatkanmodal, hingga meminjam modal dari kreditor.Sehingga keadaan terburuk seperti kebangkrutandapat dihindari perusahaan.

Metode prediksi kebangkrutan adalah mo-del yang digunakan untuk menilai kapan peru-sahaan akan bangkrut dengan menggabungkansekelompok rasio keuangan yang nantinya akanmemberikan gambaran mengenai kondisi keuang-an atau kinerja perusahaan. Salah satu faktoryang menopang perusahaan agar tetap beroperasiadalah faktor finansial atau kondisi keuanganperusahaan, sehingga banyak peneliti yang telahmengembangkan model prediksi kebangkrutan.

3. Model Prediksi Kesulitan Keuangan

a. Model Altman

Altman (1968) menggunakan model step-wise multivariate discriminant analysis (MDA)


28

dalam penelitiannya. Seperti regresi logistik, tek-nik statistika ini juga biasa digunakan untukmembuat model di mana variabel dependennyamerupakan variabel kualitatif. Output dari teknikMDA adalah persamaan linear yang bisa membe-dakan antara dua keadaan variabel dependen.

Kelima rasio yang digunakan altman dima-sukkan ke dalam analisis MDA dan menghasilkanmodel sebagai berikut.

Z = 1.2X1 + 1.4X2 + 3.3X3 + 0.6X4 + 1.0X5

Di mana:X1 = working capital/total assetsX2 = retained earning/total assetsX3 = EBIT/total assetsX4 = Market value of equity/total liabilitiesX5 = Sales/total assets

Keterangan:Working Capital = Current Assets –

Current LiabilitiesMarket Value of Equity = Shares Outstanding x

Current Share Price

Altman menggunakan nilai cut-off 2,675dan 1,81. Artinya jika nilai Z yang diperolehlebih dari 2,675, perusahaan diprediksi tidakmengalami financial distress di masa depan. Per-usahaan yang nilai Z-nya berada di antara 1,81dan 2,675 berarti perusahaan itu berada dalamgrey area, yaitu perusahaan mengalami masalahdalam keuangannya.

b. Model G-Score Grover

Model grover merupakan model yang dicip-takan dengan melakukan pendesainan dan peni-laian ulang terhadap model altman Z-score.Jeffrey S. Grover menggunakan sampel sesuaidengan model altman Z-score pada tahun 1968dengan menambahkan 13 rasio keuangan baru.Sampel yang digunakan sebanyak 70 perusahaandengan 35 perusahaan yang bangkrut dan 35

perusahaan yang tidak bangkrut pada tahun1982 sampai 1996. Grover (2001) dalam Prihan-thini (2013) menghasilkan persamaan sebagaiberikut.

G-Score = 1,650X1 + 3,404X3 – 0,016ROA +0,057

Keterangan:X1 = Working capital/total assetsX3 = Earnings before interest and taxes/total

assetsROA = net income/total assets

Model Grover mengategorikan perusahaandalam keadaan bangkrut dengan skor kurangatau sama dengan -0,02 (G ≤ -0,02) sedangkannilai untuk perusahaan yang dikategorikan dalamkeadaan tidak bangkrut adalah lebih atau samadengan 0,01 (G 0,01). Perusahaan denganskor di antara batas atas dan batas bawahberada pada grey area.

c. Model Springate

Model ini dikembangkan pada tahun 1978oleh Gorgon L.V. Springate. Model springateadalah model rasio yang menggunakan multiplediscriminate analysis atau MDA untuk memilih4 rasio dari 19 rasio keuangan yang populerdalam literatur-literatur, yang mampu membeda-kan secara terbaik antara sound business yangpailit dan tidak pailit. Model springate adalahsebagai berikut.

S = 1,03X1 + 3,07X2 + 0.66X3 + 0,4X4

Z < 0.862; perusahaan diklasifikasikan “gagal (fi-nancial failure)”

Di mana:X1 = Rasio modal kerja terhadap total aset.X2 = Rasio pendapatan sebelum bunga dan pajak

terhadap total aset.X3 = Rasio pendapatan sebelum pajak terhadap

total utang lancar.X4 = Rasio penjualan terhadap total aset.


29

Jika nilai S-score > 0,862 maka perusahaandiprediksi sebagai perusahaan yang berpotensisehat (tidak berpotensi bangkrut). Sedangkanjika nilai S-score < 0,862 maka perusahaandiprediksi sebagai perusahaan yang berpotensimengalami kebangkrutan.

d. Zmijewski (1984)

Perluasan studi dalam prediksi kebangkrut-an dilakukan oleh Zmijewski (1983) yang me-nambah validitas rasio keuangan sebagai alatdeteksi kegagalan keuangan perusahaan. Modelyang berhasil dikembangkan yaitu:

X = -4,3 – 4,5X1 + 5,7 X2 – 0,004X3

Rasio keuangan yang dianalisis adalah rasio-rasio keuangan yang terdapat pada model zmi-jewski sebagai berikut.

X1 = (return on asset)X2 = (debt ratio)X3 = (current ratio)

Zmijewski (1984) menyatakan bahwa per-usahaan dianggap distress jika probabilitasnyalebih besar dari 0. Dengan kata lain, nilai X-nyaadalah 0.

Maka dari itu, nilai cut-off yang berlakudalam model ini adalah 0. Hal ini berarti, per-usahaan yang nilai X-nya lebih besar dari atausama dengan 0 diprediksi akan mengalami fi-nancial distress di masa depan. Sebaliknya,perusahaan yang nilai X-nya kecil dari 0 dipre-diksi tidak akan mengalami financial distress.

4. Pengembangan Hipotesis

a. Hipotesis Model Altman

Berdasarkan penelitian yang dilakukan olehRahmi Fadhilla (2010) yang menyatakan bahwa

model altman dapat diimplementasikan dalammemprediksi terjadinya kesulitan keuangan padaperusahaan dan juga merupakan model prediksiterbaik.H1 : Model altman dapat memprediksi kondisi

financial distress perusahaan sektor industribarang konsumsi di Indonesia

b. Hipotesis Model Grover

Berdasarkan penelitian yang dilakukan olehNi Made E.D.P. dan Maria M.R.S. (2013) yangmenyatakan bahwa model grover merupakanmodel prediksi yang paling sesuai diterapkanpada perusahaan food and beverage yang terdaf-tar di Bursa Efek Indonesia (BEI).H2 : Model springate dapat memprediksi kondisi


c. Hipotesis Model Springate

Berdasarkan penelitian yang dilakukan olehMuhammad Rifqi (2009) yang menyatakan bah-wa model asli yang paling baik adalah modelspringate dibandingkan model altman, ohlson,dan zmijewski.H3 : Model springate dapat memprediksi kondisi


d. Hipotesis Model Zmijewski

Berdasarkan penelitian yang dilakukan olehRismawaty (2012) yang menyatakan modelzmijewski adalah model yang paling sesuai dite-rapkan untuk perusahaan di Indonesia karenatingkat keakuratannya paling tinggi dibandingkanmodel prediksi lainnya.H4 : Model zmijewski dapat memprediksi kon-

disi financial distress perusahaan sektor in-dustri barang konsumsi di Indonesia


30

e. Hipotesis Perbandingan Semua Model Pre-diksi Financial Distress

Pengujian kandungan informasi untuk me-ngetahui apakah ada perbedaan secara statistikantar-model dan menemukan model prediksiterbaik dalam memprediksi tingkat kesulitankeuangan perusahaan.H5 : Terdapat satu model dengan tingkat akurasi

tertinggi dalam memprediksi kondisi finan-cial distress perusahaan sektor industri ba-rang konsumsi di Indonesia.

C. METODE PENELITIAN

1. Pemilihan Objek Penelitian

Financial distress adalah kondisi perusahaanmengalami laba bersih operasi (net operation in-come) negatif selama beberapa tahun dan selamalebih dari satu tahun tidak melakukan pembayar-an dividen, pemberhentian tenaga kerja ataumenghilangkan pembayaran dividen (Almilia danKristijadi, 2003). Financial distress hanyalah salahsatu penyebab bangkrutnya perusahaan. Namuntidak berarti semua perusahaan yang mengalamifinancial distress akan menjadi bangkrut.

Pemilihan objek penelitian didasarkan padaindustri penghasil barang-barang konsumsi ter-catat dari tahun 2012–2015. Industri ini sebenar-nya merupakan sektor industri dengan tingkataverage EPS tertinggi selama tahun 2011–2016,namun tercatat hanya 1 perusahaan di sektorini yang melakukan pembayaran dividen.

2. Populasi dan Sampel

Populasi penelitian ini adalah seluruh perusa-haan tercatat dalam industri penghasil barang-barang konsumsi di Bursa Efek Indonesia. Modelpengambilan sampel yang diterapkan dalam pene-litian ini adalah model purposive sampling, yaitumodel pemilihan sampel secara tidak acak yanginformasinya diperoleh dengan menggunakanpertimbangan tertentu dengan tujuan atau masa-lah penelitian (Indriantoro 2002:131). Perusa-haan yang akan menjadi sampel penelitian iniadalah perusahaan yang memiliki indikasi finan-cial distress yakni selama dua tahun mengalamilaba bersih operasi (net operating income) negatifdan lebih dari satu tahun tidak melakukan pem-bayaran dividen.

No. INDUSTRI EPS Industri

AVERAGE 2011 2012 2013 2014 2015 2016

1 Agriculture 191 197 83 151 -9 102 119,17 2 Mining 395 263 110 97 48 43 159,33 3 Basic Industry & Chemicals 245 219 91 130 52 116 142,17 4 Miscellaneous Industry 863 -279 47 118 24 18 131,83 5 Consumer Goods Industry 5705 5584 5666 5823 5295 6647 5786,67

6 Property, Real Estate & Building Construction

56 74 111 117 111 109 96,33

7 Infrastructure, Utilities & Transportations

87 145 23 70 44 64 72,17

8 Finance 111 175 132 114 99 101 122,00 9 Trade, Service, & Investment 96 167 132 172 144 73 130,67

Tabel 3.1Data EPS dan Average EPS Industri yang Tercatat pada BEI Periode Tahun 2011–2016

Sumber: IDX Fact Book 2011–2016


31

Dari pertimbangan tersebut terpilih 29 per-usahaan dari 34 perusahaan terdaftar dalamindustri barang-barang konsumsi di BEI yangmemiliki laporan keuangan publik hingga tahun2015. Periode 2012–2015 yang akan dijadikansampel dalam penelitian ini.

3. Jenis Data, Sumber Data, dan TeknikPengumpulan Data

Jenis data yang digunakan dalam penelitianini adalah data sekunder yakni data penelitianyang diperoleh peneliti secara tidak langsungmelalui media perantara (diperoleh dan dicatatoleh pihak lain). Data tersebut berupa laporankeuangan dari masing-masing perusahaan publikantara tahun 2011 sampai 2016. Di mana sumberdata tersebut diperoleh dari Pusat InformasiPasar Modal (PIPM), buku ICMD dan jugadengan mengakses internet www.jsx.co.id atauwww.idx.co.id.

4. Teknik Analisis Data

Analisis data dalam penelitian ini melaluitahapan sebagai berikut.1. Menghitung indeks financial distress dari

setiap model prediksi yang digunakan.2. Mengelompokkan hasil indeks financial dis-

tress tersebut berdasarkan hasil kriteria kon-disi keuangan perusahaan. Dalam penelitianini, perusahaan yang masuk ke dalam greyarea akan dikategorikan ke dalam perusahaanyang tidak mengalami kondisi financial dis-tress, karena menurut penelitian Suwitno(2013), 93% perusahaan yang masuk dalamkategori grey area tidak mengalami kebang-krutan pada tahun-tahun operasional berikut-nya.

3. Memvalidasi sampel dengan cara mencocok-kan hasil perhitungan indeks financial dis-tress tersebut dengan kejadian kondisi keuang-an sebenarnya, yang mengacu pada 2 kondisiyakni keadaan net income negative dan tidakadanya dividend payment.

4. Selanjutnya dari hasil validasi sampel tersebut,akan dihitung persentase keakuratan modelprediksi.

5. Melakukan uji normalitas6. Melakukan uji asumsi klasik7. Melakukan uji hipotesis

5. Definisi Operasional dan Pengukuran Varia-bel

Dalam penelitian ini terdapat dua variabelpenelitian sebagai berikut.1. Variabel dependen

Variabel dependen dalam penelitian ini adalahfinancial distress di mana disajikan dalambentuk variabel dummy dengan ukuran bino-mial yaitu, 1 untuk perusahaan yang menga-lami kesulitan keuangan dan 0 untuk perusa-haan yang tidak mengalami kesulitan keuang-an. Sedangkan variabel independen dalampenelitian ini adalah model altman, groverscore, springate, dan zmijewski.

2. Variabel independenVariabel independen dalam penelitian ini ada-lah working capital, current assets, currentliabilities, total assets, retained earning, EBIT,market value of equity, total liabilities, sales,net income, dan ROA.

6. Definisi Operasional dan Pengukuran Varia-bel

Keseluruhan data yang terkumpul selanjut-nya dianalisis untuk dapat memberikan jawaban


32

dari masalah yang dibahas dalam penelitian ini.Dalam menganalisis data, peneliti menggunakanprogram SPSS 23.0 for windows untuk memper-kuat hasil perhitungan.

a. Uji Normalitas Data

Uji Normalitas merupakan prasyarat dalamuji awal penganalisisan data. Uji ini dimaksudkanuntuk memperlihatkan bahwa sampel data yangdiambil dari populasi merupakan data yangberdistribusi normal atau tidak. Ada beberapateknik yang dapat digunakan untuk mengujinormalitas, antara lain uji kormogorov-smirnovdan uji chi-kuadrat. Karena jumlah sampel hasilfinancial distress lebih dari 100, hasil merupakandata rasio, data merupakan data tunggal yangbelum dikelompokkan, maka pada penelitianini, uji normalitas yang digunakan adalah ujikormogorov-smirnov. Jika P value (sig) > 0.05menandakan data tersebut berdistribusi normal,sebaliknya bila nilai signifikansi < 0,05 akanmenandakan data tersebut tidak berdistribusinormal.

b. Uji Asumsi Klasik

1) Uji Multikolinearitas

Uji ini dilakukan untuk menemukan apakahmodel regresi yang digunakan memiliki korelasiantar-variabel bebasnya. Karena, model regresiyang baik adalah model regresi yang tidak memi-liki korelasi antara variable bebas. Untuk melihatada atau tidaknya multikolinearitas dalam modelregresi dilihat dari nilai tolerance dan lawannyavariance inflation factor (VIF).

Batasan yang umum dipakai untuk menun-jukkan adanya multikolinearitas adalah nilaitolerance < 0,10 atau VIF < 10 (Ghozali,2005). Jika nilai tolerance > 0,10 menandakan

tidak terjadi keadaan multikolinearitas terhadapdata yang diuji. Sebaliknya, bila nilai tolerance< 0,10 menandakan adanya multikolinearitas.

Selanjutnya, bila nilai VIF < 10,00 akandikatakan tidak terjadi multikolinearitas danbila nilai VIF > 10,00 menandakan terjadinyamultikolinearitas.

2) Uji Autokorelasi

Uji autokorelasi bertujuan untuk mengujiapakah dalam model regresi yang diuji ini ter-dapat residual data pengganggu yang akan me-mengaruhi nilai data observasi yang berikutnya.Model regresi yang baik adalah model regresiyang bebas dari kejadian autokorelasi.

Uji autokorelasi yang digunakan adalah ujidurbin watson (DW test) dengan dasar pengam-bilan keputusan bila d lebih kecil dari dL ataulebih besar dari (4-dL) maka Ho ditolak yangartinya terjadi autokorelasi. Jika d terletak diantara dU dan (4-dL), maka Ho diterima yangartinya tidak ada autokorelasi. Sebaliknya, bilanilai d terletak di antara dL dan dU atau diantara (4-dU) dan (4-dL) memberikan informasibahwa data regresi yang digunakan tersebutakan menghasilkan kesimpulan yang tidak pasti.

3) Uji Heteroskedastisitas

Uji ini dilakukan untuk menguji apakahdalam model regresi yang diuji terjadi ketidak-samaan variance dari residual tiap data observasi.Ketidaksamaan variance dari residual ini dinama-kan sebagai keadaan heteroskedastisitas.

Model regresi akan dikatakan baik, bilamodel regresi tersebut memiliki keadaan yangheteroskedastis. Dasar analisis yang dapat digu-nakan untuk menentukan heteroskedastisitasadalah sebagai berikut.


33

a. Jika nilai signifikansi > (0.05) maka tidakterjadi heteroskedastisitas.

b. Jika nilai signifikansi < (0.05) maka mengin-dikasikan terjadinya heteroskedastisitas.

c. Pengujian Hipotesis

1) Uji t

Uji ini dilakukan untuk mengetahui apakahvariabel bebas secara parsial berpengaruh secarasignifikan terhadap variabel terikatnya. Uji tdilakukan dengan cara membandingkan nilai thitung dengan nilai t tabel pada tingkat signifikan5% (0,05).

Jika nilai t hitung > t tabel maka variabelbebas berpengaruh terhadap variable terikatnya.Dan sebaliknya bila nilai t hitung < nilai t tabel,mengartikan tidak adanya pengaruh antara vari-able bebas terhadap variable terikatnya.1. Jika t hitung < t tabel atau p value > a

dikatakan tidak signifikan, dan hipotesispenelitian ditolak.

2. Jika t hitung > t tabel atau p value < adikatakan tidak signifikan, dan hipotesispenelitian diterima.

Dan apabila nilai signifikansi t hitung variabelbebas < 0,05 menandakan adanya pengaruhsecara signifikan terhadap variable terikat, begitupula sebaliknya bila nilai signifikansi t hitungvariable bebas > 0,05.

2) Uji F

Uji f digunakan untuk mengetahui pengaruhsimultan dari dua variabel independen atau lebihterhadap variabel independennya. Dasar pengam-bilan keputusan ini didasarkan pada nilai Fhitung terhadap nilai F tabel serta nilai signi-fikansinya.

Variabel bebas secara simultan memilikipengaruh terhadap variabel terikatnya apabilanilai F hitung > nilai F tabel dan akan dikatakantidak berpengaruh bila nilai F hitung < nilai Ftabel. Secara signifikansi, bila nilai signifikansi< 0,05 menandakan adanya pengaruh antaravariabel bebas dengan variabel terikat, sebaliknyabila nilai signifikansi > 0,05 yang menandakantidak ada pengaruh sama sekali antara variablebebas dengan variabel terikatnya.

c. Uji Koefisien Determinasi

Koefisien determinasi (R2) digunakan untukseberapa besar variasi variabel bebas terhadapnaik turunnya variasi nilai variabel terikat. Ujiini menjelaskan kemampuan model regresi ter-hadap variasi variabel terikatnya.

Nilai koefisien determinasi adalah antaranol sampai dengan satu. Nilai R2 menandakanseberapa besar persentase pengaruh variabelbebas terhadap variabel terikat. Apabila nilaiR2 semakin kecil, maka kemampuan variabelindependen dalam menjelaskan variasi variabeldependen rendah. Apabila nilai R2 mendekatisatu, maka variabel independen memberikanhampir semua informasi yang dibutuhkan untukmemprediksi variasi variabel dependen.

D. HASIL PENELITIAN DAN PEMBAHAS-AN

1. Hasil Penelitian

Bab ini akan memaparkan hasil penelitianyang telah dilakukan dan dilanjutkan denganperhitungan statistik serta pengujian hipotesisuntuk menjawab identifikasi masalah yang telahdirumuskan.


34

Tabel 4.1 Statistik Deskriptif

Sumber: Hasil olah data sekunder dengan SPSS 23.0

Tabel 4.2 Perbandingan Tingkat Akurasi Model Prediksi Financial Distress

Dari hasil perbandingan tingkat akurasimodel prediksi kondisi finansial distress, dapatdisimpulkan bahwa model altman G-score memi-liki tingkat akurasi tertinggi dibandingkan denganmodel-model yang lain, yakni sebesar 65,52%.Sebenarnya model altman Z-scores ini memilikitingkat tertinggi dalam memprediksi keadaanfinancial distress bila dilihat dari kemampuanperusahaan untuk membagikan devidennya de-ngan nilai akurasi sebesar 92.24%. Altman Z-score dapat digunakan oleh para manajer keu-angan untuk melakukan “maintain” atas valueof the firm-nya yang bermula dari kemampuanperusahaan untuk memperoleh laba dan melihatrisiko finansial dari perusahaan. Dari sisi inves-tor, Altman Z-score akan menguntungkan bagiinvestor dari segi kemampuan perusahaan secarakonstan untuk membagi dan membayar deviden,selanjutnya menjadi kebijakan investor untuk

memilih saham suatu perusahaan yang mampumemberikan kontinuitas return yang optimal.Sedangkan untuk menghindari kesalahan dalampenilaian risiko dan return atas perusahaan,sebaiknya menghindari penggunaan metodegrover G-score karena memiliki tingkat akurasiyang paling rendah, hanya sebesar 9.48%. Na-mun G-score memiliki tingkat akurasi yang tinggiuntuk memprediksi tingkat net income, hal inidikarenakan net income merupakan variabelindependen pembentuk dari G-score.

a. Uji Normalitas Kormogorov–Smirnov

Pengujian ini untuk mengetahui apakahdistribusi sebuah data mengikuti atau mendekatidistribusi normal. Data yang baik adalah datayang mempunyai pola seperti distribusi normal,yaitu distribusi data tersebut tidak menceng ke

Method N Min Max Mean Std.

Deviation Altman Z-Scores 116 -0.220 4.78 1.553 1.03007 Grover G-Scores 116 -0.270 3.55 1.338 0.87477 Springate S-Scores 116 -0.039 5.49 1.954 1.22683 Zmijewski X-Scores 116 -4.825 3.39 -2.169 1.47167 Financial Distress 116 0 1 0.888 0.31682

Model Prediksi N

Tingkat Akurasi Riil Berdasarkan

Rata-Rata

Akurasi Peringkat

Net Income Negatif

Dividend Payment

Altman Z-Scores 116 38,79% 92,24% 65.52% 1 Grover G-Scores 116 93,97% 9,48% 51.72% 4 Springate S-Scores 116 89,99% 40,52% 65.09% 2 Zmijewski X-Scores 116 92,24% 18,97% 55.60% 3

Sumber: Hasil olah data sekunder


35

kiri atau ke kanan. Adapun hasil uji ini dapatterlihat pada tabel berikut ini.

Tabel 4.3 Hasil Uji Normalitas Data

c. Uji Autokorelasi

Hasil Z-Scores G-Scores S-Scores X-Scores

Kolmogorov-Smirnov

0.058 0.212 0.097 0.245

Sig (2-tailed) 0.002 0.001 0.009 0.001

Collinearity Status

Z-Scores G-Scores S-Scores X-Scores

Tolerance 0.9502 0.68 0.7433 0.8526

VIF 1.0592 1.5917 1.3483 1.1836

Sumber: Hasil Olah Data Sekunder dengan SPSS 23.0

Suatu data dikatakan berdistribusi normalbila Pvalue (sig.) > 0.05, dari hasil data di atasdapat disimpulkan bila data sampel yang diujimerupakan data yang berdistribusi normal dandapat dilakukan pengujian yang berikutnya.

b. Uji Multikolinearitas

Uji ini berguna untuk memastikan apakahdi dalam sebuah model regresi ada interkorelasiatau kolinearitas antar-variabel bebas. Adapunhasil uji ini dapat terlihat pada tabel berikut ini,

Tabel 4.4 Hasil Uji Multikolineraritas Data


Dari keseluruhan data dapat diketahuibahwa pada data tidak ada nilai tolerance yanglebih kecil dari 0,1 dan tidak ada data yangmemiliki nilai VIF lebih dari 10. Sehingga dapatdikatakan hasil uji multikolinearitas menunjuk-kan bahwa tidak terjadi korelasi di antara varia-bel independen di mana semua model memenuhiasumsi multikolinearitas dengan batasan nilaitolerance < 0.10 dan VIF < 10.

Hasil Z-Scores G-Scores S-Scores X-Scores

Durbin Watson Test

1.989 1.953 1.933 1.967

Standard Error

0.005 0.005 0.005 0.005

Tabel 4.5 Hasil Uji Autokorelasi DataSumber: Hasil Olah Data Sekunder dengan SPSS 23.0

Pengujian ini dilakukan untuk menguji apa-kah ada masalah auto korelasi. Pengujian dilaku-kan melalui uji Durbin Watson. Dengan melihattabel, batasan nilai DWtest dU<d<(4-dL) ber-ada, pada 1.462 sampai 2.22. Untuk itu, dipu-tuskan bahwa model ini telah terbebas darikemungkinan adanya autokorelasi

d. Uji Heteroskedastisitas

Tabel 4.6 Hasil Uji Heteroskedastisitas Data


Pada tabel di atas dapat dilihat uji Glejseruntuk pengujian Heteroskedastisitas menunjuk-kan bahwa nilai signifikansi untuk semua modelyang digunakan dalam memprediksi financialdistress memiliki nilai sig di atas nilai alpha(5%). Oleh karena itu, dapat disimpulkan bahwamodel regresi dalam penelitian ini bebas dariheteroskedastisitas.

Model Unstandardized Stdize

t Sig. Beta

Std. Error Beta

Altman Z-Scores

-2.229E-6 0.0001 -0.041 -0.424 0.672

Grover G-Scores

-5.627E-6 0.0000 -0.109 -1.176 0.242

Springate S-Scores

0.010 0.0110 0.085 0.916 0.362

Zmijewski X-Scores

-5.25E-5 0.0001 -0.175 -1.899 0.600


36

2. Hasil Pengujian Hipotesis

Pengujian hipotesis dalam penelitian ini akandigunakan uji t, pengujian tambahan dilakukanuntuk melihat kelayakan model dengan meng-amati hasil uji F dan uji koefisien determinasi(R2) selanjutnya uji binomial sebagai uji tam-bahan yang akan digunakan sebagai alat perban-dingan di antara model kesulitan keuangan yangdigunakan. Berikut adalah penjelasan hasil ujianalisis data tersebut.

1. Hipotesis Pertama: model altman dapat mem-prediksi kondisi financial distress perusahaansektor industri barang konsumsi di Indonesia

Tabel 4.7 Uji T Model Altman Z-Score

Dari hasil pengujian financial distress denganmetode altman di atas dapat diketahui bahwanilai signifikan t sebesar 1,8E-33 yang meng-artikan bahwa nilai (sig.) lebih kecil dari nilaiprobabilitas 0.05. Maka hasil uji t untuk modelaltman disimpulkan berpengaruh positif dalammemprediksi kondisi financial distress perusa-haan. Nilai signifikansi F sebesar 295,994 denganlevel of signifikan lebih kecil dari nilai probabi-litasnya sebesar 0,05 menandakan tingginyapengaruh penilaian altman Z-score dalam mem-prediksi keadaan kesahan keuangan suatu per-usahaan, baik itu financial distress maupun goodfinancial.

Selanjutnya bila dilihat dari nilai koefisiendeterminasi (R-square) di atas, dapat dilihat bah-wa nilai pengaruh modelling multiple discrimi-nate analysis altman Z-score cukup tinggi 0.720atau 72%. Nilai ini menunjukkan persentasekemampuan model altman dalam memberikansignaling kondisi keuangan suatu perusahaan.

Hal ini sejajar dengan nilai signifikansi ujit dan uji f yang berpengaruh positif. Berdasarkananalisis hasil tabel di atas dapat disimpulkanbahwa H1 bisa diterima. Hasil penelitian inisejalan dengan penelitian yang dilakukan olehMihail Diakomihalis Accounting Department,Technological Educational Institute of EpirusPsathaki, 48100 Preveza, Greece (2012) dalamjudul penelitiannya The Accuracy of Altman’sModels in Predicting Hotel Bankruptcy yangmenyatakan bahwa model altman dapat diimple-

Standardized Coefficients

BStd. Error Beta

(Constant) 2,852 ,091 31,372 6,6E-58FINANCIAL DISTRESS -1,884 ,109 -,850 -17,204 1,8E-33

Coefficientsa

a. Dependent Variable: ALTMAN Z-SCORE

Model

Unstandardized Coefficients

t Sig.1

Tabel 4.8 Uji F Model Altman Z-Score

Sum of Squares df

Mean Square F Sig.

Regression 88,092 1 88,092 295,994 ,000b

Residual 33,928 114 ,298Total 122,021 115

ANOVAa

Model1

a. Dependent Variable: ALTMAN Z-SCORE

b. Predictors: (Constant), FINANCIAL DISTRESS

Tabel 4.9 Uji Determinasi (R2) Model Altman Z-Score

R Square Change

F Change df1 df2

Sig. F Change

1 ,850a ,722 ,720 ,54554 ,722 295,994 1 114 ,000

b. Dependent Variable: ALTMAN Z-SCORE

Model Summaryb

Model RR

Square

Adjusted R

SquareStd. Error of the Estimate

Change Statistics

a. Predictors: (Constant), FINANCIAL DISTRESS


37

mentasikan dalam memprediksi terjadinya kesu-litan keuangan pada perusahaan dan juga me-rupakan model prediksi terbaik. Di dalam modelAltman digunakan beberapa rasio yang telahdiuji mampu memprediksi kondisi kesulitankeuangan suatu perusahaan. Di antaranya adalahrasio working capital/total assets yang digunakanuntuk mengukur likuiditas dari total aktiva danposisi modal kerja (neto). Atau merupakan rasiokeuangan yang bisa digunakan untuk mengukur

likuiditas suatu perusahaan. Di mana rasio li-kuiditas adalah rasio yang memperlihatkan hu-bungan kas perusahaan dan aktiva lancar lainnyaterhadap kewajiban lancar. Dan rasio-rasio lainyang digunakan dalam model ini juga memilikikemampuan untuk menguji tingkat stabilitasperusahaan.

2. Hipotesis Kedua: model grover dapat mem-prediksi kondisi financial distress perusahaansektor industri barang konsumsi di Indonesia


BStd. Error Beta

Lower Bound

Upper Bound Tolerance VIF

(Constant) 1,365 ,080 17,073 ,000 1,207 1,523

KONDISI FINANCIAL -1,582 ,609 -,236 -2,598 ,011 -2,788 -,376 1,000 1,000

a. Dependent Variable: GROVER G-SCORE

Coefficientsa

Model


t Sig.

95,0% Confidence Interval for B Collinearity Statistics

1

Tabel 4.10 Uji T Model Grover G-Score

Sum of Squares df Mean Square F Sig.

Regression 4,920 1 4,920 6,751 ,011b

Residual 83,081 114 ,729Total 88,001 115

b. Predictors: (Constant), KONDISI FINANCIAL

ANOVAa

Model1

a. Dependent Variable: GROVER G-SCORE

Tabel 4.11 Uji F Model Grover G-Score

Tabel 4.12 Uji Koefisien Determinasi (R2) Model Grover G-Score

RR

Square

Adjusted R

SquareStd. Error of the

Estimate1 ,236a ,056 ,048 ,85368

Model Summaryb

Model

a. Predictors: (Constant), KONDISI FINANCIAL

b. Dependent Variable: GROVER G-SCORE


38

Dari hasil pengujian pada tabel di atasdapat diketahui bahwa metode memprediksikankondisi kesehatan keuangan suatu perusahaanmelalui G-scores Grover ini tidak dapat dilaku-kan. Ditunjukkan dengan nilai signifikan t sebe-sar 2.598 lebih besar dari nilai probabilitas 0.05dan memiliki hubungan yang terbalik dengankondisi financial distress riil yang terjadi, sekali-pun pada uji F yang memperlihatkan tingkatsignifikansi < 0.05, namun metode ini sangat

lemah dalam memberikan signaling financialdistress suatu perusahaan. Hal ini ditunjukkandengan hasil uji koefisien determinasi (R2) modelG-score hanya sebesar 0.056 atau sama dengan5.6% sehingga hasil uji hipotesis H2 ditolak.

3. Hipotesis Ketiga: model springate dapatmemprediksi kondisi financial distress per-usahaan sektor industri barang konsumsi diIndonesia


B Std. Error Beta(Constant) 2,280 ,104 21,917 1,09892E-42FINANCIAL DISTRESS -1,802 ,245 -,568 -7,370 2,91595E-11

Coefficientsa

a. Dependent Variable: SPRINGATE SCORE

Model


t Sig.1

Tabel 4.13 Uji T Model Springate S-Score

Tabel 4.14 Uji F Model Springate S -Score


Regression 55,857 1 55,857 54,318 ,000b

Residual 117,231 114 1,028Total 173,089 115

ANOVAa

Model1

a. Dependent Variable: SPRINGATE SCORE


Tabel 4.15 Uji Koefisien Determinasi (R2) Model Springate S -Score

R R SquareAdjusted R Square

Std. Error of the Estimate

1 ,568a ,323 ,317 1,014074024

Model Summaryb

Model


b. Dependent Variable: SPRINGATE SCORE


39

Berdasarkan analisis hasil tabel di atas dapatdisimpulkan bahwa H3 bisa diterima, dilihatdari nilai signifikansi uji T < 0.05, nilai uji Fdengan signifikansi kesalahan < 0.05 dan hasiluji determinasi yang mengisyaratkan bahwakemampuan springate dalam financial distresshanya sebesar 32.3%. Sekalipun nilai uji T danF yang berada pada nilai signifikansi yang lebihkecil dari 0,05 yang bias mengartikan diterima-nya H3, tapi dengan kemampuan signaling model

springate yang lebih kecil dari 50% ini meng-artikan bahwa S-score tidak mampu memberikankontribusi bagi manajer keuangan sebagai alatanalisis dalam memberikan signaling.

4. Hipotesis Keempat: model zmijewski dapatmemprediksi kondisi financial distress per-usahaan sektor industri barang konsumsi diIndonesia

Tabel 4.16 Uji T Model Zmijewski X-Score

Tabel 4.17 Uji F Model Zmijewski X -Score

Tabel 4.18 Uji Koefisien Determinasi (R2) Model Zmijewski X –Score


B Std. Error Beta(Constant) -2,451 ,101 -24,314 6,3E-47

FINANCIAL DISTRESS 4,080 ,384 ,705 10,629 9,4E-19

1

a. Dependent Variable: ZMIJEWSKI X-SCORE

Model


t Sig.

Coefficientsa


Regression 123,970 1 123,970 112,969 ,000b

Residual 125,102 114 1,097Total 249,071 115


ANOVAa

Model1

a. Dependent Variable: ZMIJEWSKI X-SCORE

R R SquareAdjusted R Square

Std. Error of the Estimate

1 ,705a ,498 ,493 1,04755996

Model Summaryb

Model


b. Dependent Variable: ZMIJEWSKI X-SCORE


40

Dari hasil pengujian pada tabel di atasdapat diketahui bahwa nilai signifikan t sebesar9.4E-19, menandakan bahwa nilai Uji T lebihkecil dari nilai probabilitas 0.05 maka hasil ujit untuk model zmijewski disimpulkan berpe-ngaruh positif dalam memprediksi kondisi fi-nancial distress perusahaan. Selanjutnya untukUji F dengan nilai 112.969 dan tingkat signifi-kansi < 0.05 yang berarti hasil signifikansi inilebih kecil dari nilai probabilitasnya sebesar0.05, memberikan arti bahwa hasil perhitunganmodel zmijewski dapat digunakan untuk mem-prediksi ataupun memberikan signaling kondisifinancial distress perusahaan. Kemampuan modelzmijewski adalah sebesar 49,8% dalam memberi-kan sinyal financial distress suatu perusahaan.

Hasil tersebut menyimpulkan bahwa H4bisa diterima. Dengan demikian, model zmijew-ski dapat memprediksi kondisi financial distressperusahaan. Hasil penelitian ini sejalan denganpenelitian yang dilakukan oleh Rismawaty (2012)yang menyatakan model zmijewski adalah modelyang paling sesuai diterapkan untuk perusahaandi Indonesia karena tingkat keakuratannya pal-ing tinggi dibandingkan model prediksi lainnya.Dalam model zmijewski terdapat rasio-rasioyang telah teruji keakuratannya dalam mempre-diksi tingkat financial distress perusahaan. Rasiotersebut antara lain: return on asset, debt ratio,dan current ratio. Di mana return on assets ratioini digunakan untuk mengukur kemampuan ma-najemen dan efisiensi penggunaan aset perusa-haan dalam menghasilkan keuntungan. Rasioyang tinggi menunjukkan efisiensi manajemen.Sebaliknya, rasio yang rendah maka semakinrendah ukuran efektivitas terhadap keseluruhanoperasional perusahaan. Debt ratio merupakanrasio yang mengukur tingkat persentase aktivaperusahaan yang dibiayai oleh utang. Leverageyang diukur dengan debt ratio dapat digunakan

untuk memprediksi potensi terjadinya financialdistress pada perusahaan. Semakin tinggi nilaidebt ratio perusahaan, maka probabilitas perusa-haan akan dalam kondisi financial distress se-makin besar pula current ratio.

5. Hipotesis Kelima: terdapat satu model de-ngan tingkat akurasi tertinggi dalam mem-prediksi kondisi financial distress perusahaansektor industri barang konsumsi di Indone-sia

Hasil olah data regresi perbandingan ma-sing-masing model yang digunakan dalam mem-prediksi kondisi financial distress perusahaandapat dilihat pada tabel regresi setiap modelyang telah dijelaskan di atas. Semua tabel ter-sebut menunjukkan nilai koefisien determinasidan nilai signifikansi F setiap model yang di-perbandingkan. Hasil menyatakan bahwa modelaltman Z-score memiliki nilai koefisien deter-minasi tertinggi sebesar 72.2% dan nilai signifi-kansi F sebesar 295.994 yang menyatakan bahwamodel altman Z-scores merupakan model yangmemiliki tingkat akurasi paling tinggi dibanding-kan model lain dalam memprediksi kondisi finan-cial distress perusahaan-perusahaan yang terma-suk dalam industri barang-barang konsumsi yangterdaftar di Bursa Efek Indonesia.

Selanjutnya, model zmijewski X-scores men-jadi model kedua dengan tingkat akurasi tertinggidalam memprediksi kondisi financial distressperusahaan dengan nilai koefisien determinasisebesar 49,8% dan nilai signifikansi F sebesar112,969.

Perbedaan antara hasil analisis model alt-man, model grover, model springate, dan modelzmijewski dalam memberikan signaling kondisifinancial distress perusahaan-perusahaan dalamindustri barang-barang konsumsi di BEI pada


41

periode 2012–2015, disebabkan karena adanyaperbedaan dalam menggunakan perhitungan yangdigunakan pada model-model tersebut altman.Berdasarkan penjelasan di atas, berikut adalahmodel prediksi financial distress yang telahdiurutkan berdasarkan persentase nilai terbaikatau nilai tertinggi.

Tabel 4.19 Peringkat Uji Determinasi ModelFinancial Distress

1) Model altman dapat digunakan untuk mem-prediksi kesulitan keuangan perusahaan.

2) Model grover tidak dapat digunakan untukmemprediksi kesulitan keuangan perusahaan.

3) Model springate dapat digunakan untuk mem-prediksi kesulitan keuangan perusahaan.

4) Model zmijewski dapat digunakan untukmemprediksi kesulitan keuangan perusahaan.

5) Perbandingan model analisis yang paling efek-tif dan akurat dalam memberikan signal kon-disi financial distress perusahaan-perusahaandalam industri barang-barang konsumsi yangpaling efektif dan akurat dalam memprediksidan memberikan signal info kondisi finansialadalah model altman Z-scores. Tingkat kese-suaian prediksi yang dihasilkan model altmanZ-scores berdasarkan pada hasil uji hipotesisdi mana nilai koefisien determinasi dan nilaisignifikansi F model altman Z-scores merupa-kan nilai tertinggi dibandingkan model lainyang digunakan untuk memberikan signalingterjadinya financial distress.

2. Keterbatasan

Keterbatasan dalam penelitian ini umumnyabersifat non-teknis, salah satunya proses inputdata dan perhitungan yang cukup banyak mening-katkan peluang terjadinya human error. Upayauntuk meminimalkan kesalahan ini dilakukanmelalui pembandingan antara data yang telahdi-input dengan data yang ada pada ICMD.Keterbatasan lainnya merupakan keterbatasanwaktu yang digunakan dalam proses penulisanpenelitian ini.

3. Saran

1) Penelitian ini hanya sebatas membandingkanakurasi antar-model prediksi, bukan mencip-takan model prediksi yang baru.

Peringkat Model Prediksi Financial Distress

Nilai R2

1 Altman Z-Scores 0.722

2 Zmijewski X-Scores 0.498

3 Springate S-Scores 0.323

4 Grover G-Scores 0.056

Sumber: Hasil Olah Data dengan SPSS 23.0

Satu hal yang perlu diingat dari hasil pene-litian ini, bahwa seluruh model financial distressini sebenarnya merupakan signaling factor untukkondisi keuangan perusahaan, bukan hanya un-tuk melihat financial distress saja tapi juga akanmemberikan kontribusi positif dalam penilaiankebijakan seorang manajer keuangan dalammemprediksikan operational distress atau likuida-si. Selain itu, setiap model yang diciptakan tidakpernah sempurna. Maka dari itu, hasil prediksiini tidak boleh dianggap sebagai hasil absolut.Hasil prediksi hanya sebatas indikator supayainvestor atau kreditor lebih berhati-hati atasperusahaan yang diprediksi mengalami financialdistress dan mencari informasi tambahan menge-nai perusahaan bersangkutan.

E. KESIMPULAN DAN SARAN

1. Kesimpulan

Berdasarkan hasil yang diperoleh dari ana-lisis data, maka dapat ditarik kesimpulan sebagaiberikut.


42

2) Jumlah sampel dan periode terbatas hanyadari tahun 2012–2015.

3) Agar lebih valid lagi, sebaiknya pada peneli-tian selanjutnya, jumlah sampel dan periodesebaiknya ditambah lagi.

4) Penelitian selanjutnya dapat menggunakanmodel-model prediksi lain yang ada.

F. DAFTAR RUJUKAN

Adnan, H. dan Arisudhana, D. 2010. AnalisisKebangkrutan Model Altman Z-Score DanSpringate Pada Perusahaan Industri Pro-perty. Jurnal. Jakarta: Universitas BudiLuhur.

Adriana. 2011. Analisis Prediksi KebangkrutanMenggunakan Metode Springate padaPerusahaan Foods and Beverages yangTerdaftar di Bursa Efek Indonesia Periode2006–2010. Jurnal. Universitas Riau.

Adriani. 2009. Analisis Perbandingan EfektivitasModel Prediksi Keberlangsungan UsahaAntara Model Analisa Altman, Springatedan Zmijewski. Jurnal.

Almilia, Luciana Spica dan Kristijadi. 2003.“Analisis Rasio Keuangan untuk Mempre-diksi Kondisi Financial Distress PerusahaanFood and Beverages yang terdaftar di BEJ.”Jurnal Akuntansi dan Auditing Indonesia,Vol. 7, No. 2, Desember.

Budiharto, Stefanus Benny. 2013. PerbandinganKetepatan Model-Model Prediksi Kebang-krutan untuk Memprediksi PenerbitanOpini Audit Going Concern (Studi padaPerusahaan Manufaktur yang Terdaftar diBEI). Skripsi. Yogyakarta: Universitas AtmaJaya Yogyakarta.

Bayu, Stevanus Aditya. 2014. Perbandingan Mo-del Prediksi Kebangkrutan PerusahaanPublik (Model Altman, Springate, dan

Ohlson). Tesis. Yogyakarta: UniversitasAtma Jaya Yogyakarta.

Christianti, Ari. 2013. Akurasi Prediksi Finan-cial Distress: Perbandingan Model Altmandan Model Ohlson. Jurnal. Bali: Universi-tas Udayana.

Fadhila, Rahmi. 2010. Analisis Kondisi Finan-cial Distress dan Pengaruhnya TerhadapHarga Saham pada Perusahaan SektorAneka Industri di BEI. Skripsi. Padang:Universitas Andalas.

Fatmawati, mila (2012). Penggunaan the Zmi-jewski Model, The Altman Model, danThe Springate Model sebagai PrediktorDelisting. Jurnal Keuangan dan Perbankan,Vol. 16, No. 1, Januari 2012, hlm. 56–65.

Ghozali, Imam. 2006. Aplikasi Analisis Multi-variate dengan Program SPSS, Edisi Empat.Semarang: Badan Penerbit Universitas Di-ponegoro.

Hadi, Syamsul dan Anggraeni, A. 2008. Pemi-lihan Prediktor Delisting Terbaik (Perban-dingan antara The Zmijewski Model, TheAltman Model, dan The Springate Model).Jurnal. Universitas Islam Indonesia.

Indriantoro, Nur. dan B. Supomo. 2002. Meto-dologi Penelitian Bisnis. Yogyakarta: BPFE.

Mihail Diakomihalis Accounting Department,Technological Educational Institute of Epi-rus Psathaki, 48100 Preveza, Greece. 2012.The Accuracy of Altman’s Models in Pre-dicting Hotel Bankruptcy.

Peter dan Yoseph. 2011. Analisis Kebangkrutandengan Metode Z-Score Altman, Springatedan Zmijewski pada PT Indofood SuksesMakkur Tbk Periode 2005–2009. JurnalIlmiah Akuntansi, Nomor 04 Tahun ke-2Januari–April 2011.

Rifqi, Muhammad. 2009. Analisis PerbandinganModel Prediksi Financial Distress Altman,


43

Ohlson, Zmijewski dan Springate dalamPenerapannya di Indonesia. Skripsi. Jakar-ta: Universitas Indonesia.

Rismawaty. 2012. Analisis Perbandingan ModelPrediksi Financial Distress Altman, Spring-ate, Ohlson, dan Zmijewski (Studi EmpirisPada Perusahaan Food and Beverages yangTerdaftar di Bursa Efek Indonesia). Skripsi.Makassar: Universitas Hasanuddin.

Safitra B., Kertahadi dan Handayani. 2012. Ana-lisis Metode Altman (Z-Score) sebagai

Alat Evaluasi Guna Memprediksi Kebang-krutan Perusahaan (Studi Pada IndustriRokok yang Terdaftar di Bei Periode 2007–2011). Jurnal. Malang: Fakultas IlmuAdministrasi Universitas Brawijaya.

Suwitno, Lanny. 2013. Perbandingan KetepatanBankruptcy Prediction Models untukMemprediksi Financial Distress dan Ke-pailitan pada Perusahaan Manufaktur yangTerdaftar di Bursa Efek Indonesia. Skripsi.Yogyakarta: Universitas Atma Jaya.

ANALISIS ALTMAN Z-SCORE, GROVER SCORE, SPRINGATE, DAN ...repository.unusa.ac.id/3394/1/Analisis...

Documents

Transcript of ANALISIS ALTMAN Z-SCORE, GROVER SCORE, SPRINGATE, DAN ...repository.unusa.ac.id/3394/1/Analisis...