prediksi kebangkrutan menggunakan - USD Repository

PREDIKSI KEBANGKRUTAN MENGGUNAKAN

METODE ALTMAN (Z-SCORE), SPRINGATE

(S-SCORE), ZMIJEWSKI (X-SCORE),

GROVER (G-SCORE), OHLSON

(O-SCORE), DAN KIDA (Studi Empiris pada Perusahaan Keramik dan Kaca yang Terdaftar

di BEI Tahun 2014-2018)

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Akuntansi

Progam Studi Akuntansi

Oleh:

Tabita Yudyawati

NIM: 162114089

PROGRAM STUDI AKUNTANSI JURUSAN AKUNTANSI

FAKULTAS EKONOMI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2020

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

i

PREDIKSI KEBANGKRUTAN MENGGUNAKAN

METODE ALTMAN (Z-SCORE), SPRINGATE

(S-SCORE), ZMIJEWSKI (X-SCORE),

GROVER (G-SCORE), OHLSON

(O-SCORE), DAN KIDA (Studi Empiris pada Perusahaan Keramik dan Kaca yang Terdaftar


SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Akuntansi

Progam Studi Akuntansi

Oleh:

Tabita Yudyawati

NIM: 162114089

PROGRAM STUDI AKUNTANSI JURUSAN AKUNTANSI

FAKULTAS EKONOMI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2020


iv

HALAMAN PERSEMBAHAN

“Segala perkara dapat kutanggung di dalam Dia yang

memberi kekuatan kepadaku”

Filipi 4: 13

Skripsi ini kupersembahkan untuk:

Bapak Edy Wawasto, Ibu Yuriati, dan Tante Retno

Keluarga besar Soeparto dan Sutikno

Buana Dewo Febrialinta


ix

DAFTAR ISI

Halaman

HALAMAN JUDUL ..................................................................................... i

HALAMAN PERSETUJUAN PEMBIMBING .......................................... ii

HALAMAN PENGESAHAN ........................................................................ iii

HALAMAN PERSEMBAHAN .................................................................... iv

HALAMAN PERNYATAAN KEASLIAN KARYA TULIS ..................... v

HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI................... vi

HALAMAN KATA PENGANTAR .............................................................. vii

HALAMAN DAFTAR ISI ............................................................................. ix

HALAMAN DAFTAR TABEL .................................................................... xi

HALAMAN DAFTAR LAMPIRAN ............................................................ xiii

ABSTRAK ...................................................................................................... xiv

ABSTRACT ..................................................................................................... xv

BAB I PENDAHULUAN

A. Latar Belakang Masalah ........................................................................ 1

B. Pertanyaan Penelitian ........................................................................... 5

C. Tujuan Penelitian ................................................................................... 5

D. Manfaat Penelitian ................................................................................. 6

E. Sistematika Penulisan ............................................................................ 7

BAB II TINJAUAN PUSTAKA

A. Teori Pendukung ................................................................................... 9

1. Kebangkrutan .................................................................................. 9

2. Financial Distress ........................................................................... 14

3. Kebangkrutan dan Financial Distress ............................................. 17

4. Metode Prediksi Kebangkrutan ....................................................... 18

5. Tingkat Akurasi ............................................................................... 39

B. Penelitian Terdahulu .............................................................................. 39

BAB III METODE PENELITIAN

A. Desain Penelitian .................................................................................. 43

B. Tempat dan Waktu Penelitian .............................................................. 43

C. Subjek Penelitian .................................................................................. 44

D. Data Penelitian ..................................................................................... 44

E. Teknik Pengumpulan Data ................................................................... 44

F. Populasi dan Sampel ............................................................................ 45

G. Variabel Penelitian ............................................................................... 46

H. Model Penelitian .................................................................................. 48

I. Teknik Analisis Data ............................................................................ 49

1. Mengumpulkan Data ...................................................................... 50

2. Menghitung Rasio Keuangan ......................................................... 51

3. Menghitung Prediksi Kebangkrutan ............................................... 54

4. Menentukan Hasil Prediksi ............................................................ 56

5. Membuat Tabel Prediksi Kebangkrutam ........................................ 58

6. Membuat Tabel Hasil Perhitungan ................................................. 59


x

7. Pengujian Tingkat Akurasu dan Tingkat Error ............................. 59

8. Menarik Kesimpulan ...................................................................... 61

BAB IV GAMBARAN UMUM OBJEK PENELITIAN

A. PT. Asahimas Flat Glass, Tbk (AMFG) ............................................... 63

B. PT. Arwana Citramulia Tbk (ARNA) .................................................. 63

C. PT Intikeramik Alamasri Industri Tbk (IKAI) ..................................... 64

D. PT. Keramika Indonesia Assosiasi Tbk (KIA)..................................... 65

E. PT Mulia Industrindo, Tbk (MLIA) ..................................................... 65

BAB V ANALISIS DATA DAN PEMBAHASAN

A. Deskripsi Data ...................................................................................... 67

B. Analisis Data ........................................................................................ 67

1. Mengumpulkan data ....................................................................... 68

2. Menghitung rasio keuangan .......................................................... 68

3. Menghitung prediksi kebangkrutan metode Z-Score, S-Score,

X-Score G-Score,O-Score dan Z Kida ........................................... 85

4. Menentukan Prediksi ...................................................................... 90

5. Membuat tabel prediksi kebangkrutan ........................................... 95

6. Membuat tabel prediksi keenam metode ........................................ 100

7. Pengujian tingkat akurasi dan tingkat error ................................... 101

C. Pembahasan

1. Prediksi Kebangkrutan Menggunakan Metode Altman,

Springate, Zmijewski, Grover, Ohlson dan Kida ........................... 108

2. Analisis Ketepatan Metode Altman, Springate, Zmijewski,

Grover, Ohlson dan Kida ................................................................ 123

BAB VI PENUTUP

A. Kesimpulan ......................................................................................... 127

B. Keterbatasan Penelitian ....................................................................... 128

C. Saran ................................................................................................... 128

DAFTAR PUSTAKA ..................................................................................... 130

LAMPIRAN ................................................................................................... 134

BIOGRAFI PENULIS .................................................................................. 183


xi

DAFTAR TABEL

Halaman

Tabel 3.1 Prediksi Kebangkrutan Perusahaan ................................................ 58

Tabel 3.2 Prediksi Kebangkrutan ................................................................... 59

Table 3.3 Rekapitulasi Tingkat Akurasi dan Error ........................................ 61

Tabel 4.1 Rincian Sampel Penelitian ............................................................. 62

Tabel 5.1 Rasio Working Capital To Total Asset (X1) ................................... 69

Tabel 5.2 Rasio Retained Earning To Total Asset (X2) .................................. 69

Tabel 5.3 Earning Before Interest and Tax to Total Asset (X3) ..................... 70

Tabel 5.4 Market Value Of Equity To Book Value Of Debt (X4) ................... 71

Tabel 5.5 Rasio Sales To Total Asset (X5) ..................................................... 71

Tabel 5.6 Rasio Working Capital To Total Asset (A) .................................... 72

Tabel 5.7 Net Profit Before Interest and Tax to Total Asset (B).................... 72

Tabel 5.8 Rasio Net Profit before tax to current liabilities (C ) .................... 73

Tabel 5.9 Rasio Sales To Total Asset (D) ...................................................... 74

Tabel 5.10 Rasio ROA (X1) ............................................................................. 74

Tabel 5.11 Debt Ratio (X2) ............................................................................... 75

Tabel 5.12 Current Ratio (X3) .......................................................................... 75

Tabel 5.13 Rasio Working Capital To Total Asset (X1) ................................... 76

Tabel 5.14 Earning Before Interest and Tax to Total Asset (X2) ..................... 76

Tabel 5.15 Rasio Return On Asset (ROA) ....................................................... 77

Tabel 5.16 Rasio SIZE (X1) ............................................................................. 77

Tabel 5.17 Rasio TLTA (X2) ........................................................................... 78

Tabel 5.18 Rasio WCTA (X3) .......................................................................... 79

Tabel 5.19 Rasio CLCA (X4) ........................................................................... 79

Tabel 5.20 Rasio OENEG (X5) ........................................................................ 80

Tabel 5.21 Rasio NITA (X6) ............................................................................ 80

Tabel 5.22 Rasio CFOTL (X7) ......................................................................... 81

Tabel 5.23 Rasio INTWO (X8) ........................................................................ 82

Tabel 5.24 Rasio CHIN (X9) ............................................................................ 82

Tabel 5.25 Rasio ROA (X1) ............................................................................. 83

Tabel 5.26 Rasio Kekayaan Bersih / Total Hutang (X2) .................................. 83

Tabel 5.27 Rasio Aset Lancar / Hutang Lancar (X3) ........................................ 84

Tabel 5.28 Rasio Penjualan/Total Aset (X4) .................................................... 84

Tabel 5.29 Rasio Kas/Total Aset (X5).............................................................. 85

Tabel 5.30 Hasil Perhitungan Metode Altman Z-Score ................................... 86

Tabel 5.31 Hasil Perhitungan Metode Springate (S-Score) ............................. 87

Tabel 5.32 Hasil Perhitungan Metode Zmijewski (X-Score) ........................... 87

Tabel 5.33 Hasil Perhitungan Metode Grover (G-Score) ................................ 88

Tabel 5.34 Hasil Perhitungan Metode Ohlson (O-Score) ................................ 89

Tabel 5.35 Hasil Perhitungan Metode Kida ..................................................... 89

Tabel 5.36 Prediksi Kebangkrutan Metode Altman (Z-Score) ........................ 90

Tabel 5.37 Prediksi Kebangkrutan Metode Springate (S-Score) ..................... 91

Tabel 5.38 Prediksi Kebangkrutan Metode Zmijewski (X-Score) ................... 92

Tabel 5.39 Prediksi Kebangkrutan Metode Grover (G-Score) ........................ 93


xii

Tabel 5.40 Prediksi Kebangkrutan Metode Ohlson (O-Score) ........................ 94

Tabel 5.41 Prediksi Kebangkrutan Metode Kida ............................................. 95

Tabel 5.42 Prediksi Kebangkrutan AMFG ...................................................... 96

Tabel 5.43 Prediksi Kebangkrutan ARNA....................................................... 96

Tabel 5.44 Prediksi Kebangkrutan IKAI ......................................................... 97

Tabel 5.45 Prediksi Kebangkrutan KIA ........................................................... 98

Tabel 5.46 Prediksi Kebangkrutan MLIA ........................................................ 99

Tabel 5.47 Jumlah PrediksiPrediksi ................................................................. 100

Tabel 5.48 Rekapitulasi Tingkat Akurasi dan Tingkat Error Metode Z-Score 101

Tabel 5.49 Rekapitulasi Tingkat Akurasi dan Tingkat Error Metode S-Score 103

Tabel 5.50 Rekapitulasi Tingkat Akurasi dan Tingkat Error Metode X-Score 104

Tabel 5.51 Rekapitulasi Tingkat Akurasi dan Tingkat Error Metode G-Score 105

Tabel 5.52 Rekapitulasi Tingkat Akurasi dan Tingkat Error Metode O-Score 106

Tabel 5.53 Rekapitulasi Tingkat Akurasi dan Tingkat Error Metode Kida ..... 107

Tabel 5.54 Ketepatan Metode Altman (Z-Score), Springate (S-Score),

Zmijewski (X-Score) Grover (G-Score), Ohlson (O-Score), dan

Kida ............................................................................................... 108


xiii

DAFTAR LAMPIRAN

Halaman

Lampiran 1 Perhitungan Working Capital To Total Asset ............................ 135

Lampiran 2 Perhitungan Retained Earning To Total Asset .......................... 137

Lampiran 3 Perhitungan Earning Before Interest And Tax To Total Asset .. 139

Lampiran 4 Perhitungan Market Value Of Equity To Book Value Of Debt ... 141

Lampiran 5 Perhitungan Sales To Total Asset ............................................... 143

Lampiran 6 Perhitungan Earning Before Tax To Current Liabilities ............ 145

Lampiran 7 Perhitungan Return On Asset ...................................................... 147

Lampiran 8 Perhitungan Dept Ratio .............................................................. 149

Lampiran 9 Perhitungan Current Ratio.......................................................... 151

Lampiran 10 Perhitungan Kekayaan Bersih / Total Aset................................. 153

Lampiran 11 Perhitungan Kas / Total Aset ...................................................... 155

Lampiran 12 Perhitungan Rasio X1 (SIZE) ..................................................... 157

Lampiran 13 Perhitungan Rasio X5 (OENEG) ................................................ 159

Lampiran 14 Perhitungan Rasio X6 (NITA) .................................................... 161

Lampiran 15 Perhitungan Rasio X7 (CFOTL)................................................. 163

Lampiran 16 Perhitungan Rasio X8 (INTWO) ................................................ 165

Lampiran 17 Perhitungan Rasio X9 (CHIN) ................................................... 167

Lampiran 18 Perhitungan Metode Altman (Z-Score) Pada Perusahaan ........... 169

Lampiran 19 Perhitungan Metode Springate (S-Score) Pada Perusahaan ....... 171

Lampiran 20 Perhitungan Metode Zmijewski (X-Score) Pada Perusahaan ...... 173

Lampiran 21 Perhitungan Metode Grover (G-Score) Pada Perusahaan .......... 175

Lampiran 22 Perhitungan Metode Ohlson (O-Score) Pada Perusahaan .......... 177

Lampiran 23 Perhitungan Metode KIDA Pada Perusahaan ............................. 180

Lampiran 24 Data Harga Saham Dan Jumlah Saham Yang Beredar............... 182


xiv

ABSTRAK

PREDIKSI KEBANGKRUTAN MENGGUNAKAN METODE ALTMAN

(Z-SCORE), SPRINGATE (S-SCORE), ZMIJEWSKI (X-SCORE),

GROVER (G-SCORE), OHLSON (O-SCORE) DAN KIDA (Studi Empiris pada Perusahaan Keramik dan Kaca yang Terdaftar


Tabita Yudyawati

NIM: 162114089

Universitas Sanata Dharma

Yogyakarta

2020

Tujuan penelitian ini adalah untuk mengetahui hasil prediksi kebangkrutan

dengan metode Atlman, Springate, Zmijewski, Grover, Ohlson dan Kida. Selain itu,

penelitian ini bertujuan untuk mengetahui metode prediksi kebangkrutan yang

paling akurat untuk diterapkan di perusahaan keramik dan kaca.

Jenis penelitian ini adalah penelitian deskripsi dengan analisis deskriptif

kuantitatif. Teknik pengambilan sampel menggunakan teknik purposive sampling

dengan total sampel sebanyak 5 perusahaan keramik dan kaca. Data analisis

dilakukan dengan menggunakan perhitungan tingkat akurasi dan tingkat error dari

setiap metode prediksi kebangkrutan.

Setiap metode menunjukkan prediksi yang berbeda. Metode Kida

merupakan metode yang memprediksi tidak bangkrut terbanyak dengan 21

prediksi. Metode Springate merupakan metode terendah dalam memprediksi tidak

bangkrut dengan 8 prediksi. Hasil perhitungan tingkat akurasi dan tingkat error

metode Kida menunjukkan bahwa metode Kida merupakan metode yang paling

akurat, dengan nilai tingkat akurasi sebesar 80% dan tingkat error 20%.

Kata kunci: metode Altman, metode Springate, metode Zmijewski, metode Grover,

metode Ohlson, metode Kida


xv

ABSTRACT

THE BANKRUPTCY PREDICTION USING ALTMAN (Z-SCORE),

SPRINGATE (S-SCORE), ZMIJEWSKI (X-SCORE),

GROVER (G-SCORE), OHLSON (O-SCORE)

AND KIDA METHODS (An Empirical Study in Ceramic and Glass Companies Listed in Indonesia Stock

Exchange Period 2014-2018)

Tabita Yudyawati

NIM: 162114089

Sanata Dharma University

Yogyakarta

2020

This study examine the precision of bankruptcy prediction among Altman,

Springate, Zmijewski, Grover, Ohlson and Kida methods. In addition, this study

aims to find out the most accurate bankruptcy prediction method to apply in

ceramics and glass companies.

Type of the research is descriptive research with quantitative-descriptive

analysis. The sampling technique use purposive sampling technique with a total

sample of 5 ceramic and glass companies. The analysis is conducted by calculate

the level of accuracy and error level of each bangkruptcy prediction method.

Each method showed different results. The results show that the Kida is the

most accurate prediction method, with an accuracy level of 80% and an error level

of 20%. Springate method is the lowest one in predicting not bankrupt with 8

predictions.

Keyword: Altman method, Springate method, Zmijewski method, Grover method,

Ohlson method, Kida method


1

BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Ekspor dan impor merupakan salah satu kegiatan ekonomi yang

dilakukan oleh suatu negara dalam bentuk kerjasama dengan negara-negara

lainnya. Ekpor merupakan kegiatan menjual barang yang diproduksi dalam

negeri ke luar negeri sehingga menambah devisa negara. Ekspor dilakukan

ketika barang yang diproduksi cukup besar dan telah mencukupi kebutuhan dalam

negeri. Barang dari hasil produksi yang berlebih ini dikirim ke negara lain yang

tidak dapat memproduksi barang tersebut untuk mencukupi kebutuhannya.

Kegiatan ekonomi selain ekspor yang dilakukan oleh suatu negara yaitu impor.

Impor merupakan kegiatan membeli barang dari luar negeri ketika negara yang

bersangkutan kebutuhannya belum tercukupi atau tidak dapat memproduksi

barang yang dibutuhkan. Kegiatan impor ini akan berdampak pada

bertambahnya pengeluaran negara.

Indonesia merupakan salah satu negara yang aktif melakukan kegiatan

ekspor maupun impor. Kegiatan ekspor dan impor dilakukan pada berbagai

industri baik migas maupun non migas. Dilansir dari Kementrian Perdagangan

Republik Indonesia, ekspor dan impor Indonesia periode 2014-2018 didominasi

oleh industri non migas. Impor non migas dalam periode 2014-2018

menunjukkan trend 4,56 % sedangkan ekspor non migas dalam periode 2014-

2018 menunjukkan trend 3,76% (Kementrian Perdagangan RI, 2019). Data

tersebut menunjukkan bahwa trend atas impor lebih tinggi daripada ekpornya.


2

Impor dan ekspor non migas di Indonesia terbagi menjadi beberapa komoditi.

Salah satu komoditi yang tidak asing lagi yaitu komoditi keramik dan kaca.

Dilansir dari Kementrian Perdagangan Indonesia (2019) yang

memberikan data statistik ekspor dan impor keramik periode 2014-2018,

menunjukkan tahun 2014 ekspor keramik sebesar 365.000.000 US$ sedangkan

impor sebesar 368.300.000 US$, tahun 2015 ekpor keramik menurun dengan

jumlah ekspor 341.200.000 US$ dengan nilai impornya sebesar 325.500.000

US$, tahun 2016 ekspor sebesar 335.200.000 US$ dengan impor sebesar

337.600.000 US$. Pada tahun 2017 ekspor mulai meningkat namun sedikit

dengan nilai ekspor 338.700.000 US$ sama halnya dengan impor yang

meningkat dengan nilai impor sebesar 422.700.000 US$ dan pada tahun 2018

nilai ekspor sebesar 343.900.000 US$ dengan nilai impor sebesar 638.100.000

US$. Data ekspor dan impor keramik periode 2014-2018 tersebut dapat

disimpulkan bahwa nilai ekspor mengalami penurunan sebesar -1,3 %

sedangkan nilai impor justru meningkat sebesar 14,57% sehingga dapat

diartikan bahwa komoditi keramik di Indonesia pada periode 2014-2018 mulai

melemah dan kalah saing dengan produk luar negeri yang masuk ke Indonesia.

Dilansir dari CNBC (2019), sama halnya dengan keramik, industri kaca

di Indonesia sedang mengalami pertumbuhan yang stagnan. Industri kaca hanya

melakukan penambahan kapasitas produknya sebanyak 5% selama 10 tahun

terakhir. Penambahan kapasitas produk yang rendah ini diakibatkan masih

rendahnya penyerapan kaca di pasar domestik karena serbuan kaca impor dari

China dan Malaysia. Yustinus H. Gunawan ketua AKLP menyampaikan bahwa


3

banjir impor dari China mulai sejak enam tahun yang lalu, namun impor tiga

tahun terakhir didominasi oleh Malaysia (Kumparan.com, 2019). Tahun 2017

impor kaca sebesar 99.000 ton atau 8% dari total produksi dalam negeri dan

125.000 ton di tahun 2018 atau 23% dari total produksi dalam negeri. Daya

saing industri kaca nasional masih memiliki daya saing yang rendah karena

harga gas bumi yang tetap tinggi.

Ekspor dan impor komoditi keramik dan kaca tentunya dilakukan oleh

beberapa perusahaan yang memproduksi barang-barang keramik dan kaca.

Tercatat terdapat tujuh perusahaan keramik dan kaca yang terdaftar di Bursa

Efek Indonesia (BEI). Perusahaan yang terdaftar di BEI maka perusahaan

tersebut telah go public tentu perlu memperhatikan kewajibannya terhadap

pihak-pihak yang memiliki kepentingan, baik pemegang saham, investor

maupun pemangku kepentingan lainnya untuk mempertahankan

keberlangsungan hidup perusahaan.

Kondisi komoditi keramik dan kaca yang melemah dan tidak mampu

bersaing mengakibatkan penurunan kinerja yang akan berdampak pada

kesulitan keuangan atau financial distress bahkan sampai pada kebangkrutan.

Menurut Plat dan Plat (2002) dalam Setiawati (2017) financial distress

merupakan tahapan penurunan kondisi keuangan suatu perusahaan sebelum

terjadinya kebangkrutan ataupun likuidasi. Kondisi ini jika tidak segera

ditangani akan mengancam keberlangsungan hidup perusahaan bahkan

mengakibatkan kebangkrutan. Kebangkrutan merupakan kondisi dimana

perusahaan tidak mampu lagi untuk melunasi kewajibannya (Prihadi, 2010).


4

Menurut Adnan (2000) dalam Putra (2016) menjelaskan bahwa

kebangkrutan suatu perusahaan dapat diukur melalui laporan keuangan dengan

cara menganalisis laporan keuangannya. Pihak internal maupun eksternal

perusahaan dapat melakukan analisis laporan keuangan untuk mengetahui

kondisi perusahaan sejak dini dan menghindari terjadinya kebangkrutan.

Analisis laporan keuangan yang dapat digunakan yaitu analisis kebangkrutan

Terdapat berbagai metode analisis kebangkrutan yang telah ditemukan,

namun metode yang banyak digunakan pada penelitian-penelitian sebelumnya

yaitu metode Altman Z-Score, Springate (S-Score), Zmijewski (X-Score),

Grover (G-Score), dan Ohlson (O-Score). Kelima metode tersebut banyak

digunakan karena relatif mudah digunakan dan memiliki tingkat keakuratan

yang cukup tinggi. Penelitian yang dilakukan oleh Yoseph (2018)

menunjukkan bahwa metode Springate memiliki tingkat akurasi tertinggi yaitu

80% dibandingkan dengan metode Altman Z-Score, Zmijewski (X-Score), dan

Grover (G-Score). Penelitian oleh Bimawiratma (2016) menunjukkan metode

Grover (G-Score) merupakan metode dengan tingkat akurasi tertinggi yaitu

100%. Penelitian oleh Khoiriyah (2019) menunjukkan bahwa metode Altman

merupakan metode dengan tingkat akurasi tertinggi yaitu 53,33%. Penelitian

oleh Yami (2015) menunjukkan metode Zmijewski merupakan metode dengan

tingkat akurasi tertinggi yaitu 81,56%. Penelitian oleh Suryawardani (2015)

menunjukkan bahwa metode Ohlson merupakan metode paling akurat dengan

nilai 97.8%. Metode yang masih relatif sedikit digunakan dalam sebuah

penelitian yaitu metode Kida. Metode Kida telah digunakan pada penelitian


5

Putra (2016) dan Alkhatib (2011) yang menunjukkan tingkat akurasi metode

Kida lebih kecil dibandingkan dengan metode Altman.

Metode Altman Z-Score, Springate (S-Score), Zmijewski (X-Score),

Grover (G-Score), Ohlson (O-Score), dan Kida dimungkinkan menunjukkan

prediksi yang berbeda-beda, maka dapat dipertimbangkan dengan merujuk pada

metode mana yang menunjukkan tingkat akurasi tertinggi. Hal tersebut akan

membantu pihak internal dan eksternal untuk mengambil keputusan

berdasarkan hasil kesimpulan berupa prediksi pada masing-masing perusahaan

dan metode yang menunjukkan tingkat akurasi tertinggi.

B. Pertanyaan Penelitian

Rumusan masalah dalam penelitian ini adalah,

1. Bagaimana prediksi kebangkrutan menggunakan metode Altman (Z-Score),

Springate (S-Score), Zmijewski (X-Score), Grover (G-Score), Ohlson (O-

Score), dan Kida pada perusahaan keramik dan kaca yang terdaftar di BEI

tahun 2014-2018?

2. Metode manakah yang paling tepat untuk memprediksi kebangkrutan?

C. Tujuan Penelitian

Tujuan dari penelitian ini adalah,

1. Mengetahui hasil prediksi kebangkrutan menggunakan metode Altman Z-

Score, Springate S-Score, Zmijewski X-Score, Grover G-Score, Ohlson (O-


6

Score), dan Kida pada perusahaan keramik dan kaca yang terdaftar di BEI

tahun 2014-2018

2. Mengetahui metode yang paling tepat untuk memprediksi kebangkrutan.

D. Manfaat Penelitian

1. Bagi Peneliti

Penelitian ini dapat menambah pengetahuan bagi peneliti tentang

analisis laporan keuangan untuk memprediksi kebangkrutan suatu

perusahaan menggunakan metode Z-Score, S-score, X-Score, Grover G-

Score, Ohlson (O-Score), dan Kida.

2. Bagi Perusahaan

Dari penelitian ini diharapkan dapat menjadi masukan dan acuan

bagi perusahaan terutama manajemen untuk mengambil keputusan dan

menghindari terjadinya kebangkrutan.

3. Bagi Pihak Pemangku Kepentingan

Penelitian ini diharapkan mampu menjadi informasi untuk

membantu pihak pemangku kepentingan seperti investor, kreditor,

pemerintah dan pihak yang memiliki kepentingan dalam berjalannya

perusahaan dalam membuat keputusan ekonomi maupun bisnis dimasa

yang akan datang.


7

4. Bagi Penelitian Selanjutnya

Penelitiain ini diharapkan dapat memberikan kontribusi untuk

perkembangan pengetahuan dalam dunia ekonomi maupun bisnis serta

dapat berguna sebagai tambahan alternatif untuk penelitian selanjutnya

dengan topik prediksi kebangkrutan.

5. Bagi Universitas Sanata Dharma

Penelitian ini diharapkan dapat menambah referensi kepustakaan

Universitas Sanata Dharma.

E. Sistematika Penulisan

BAB I Pendahuluan

Pada bab ini akan menguraikan atau menjelaskan mengenai

latar belakang masalah, rumusan masalah, tujuan penelitian,

manfaat penelitian, dan sistematika penulisan.

BAB II Tinjauan Pustaka

Bab ini akan menguraikan mengenai teori-teori pendukung

terkait topik penelitian yang digunakan sebagai landasan dalam

penelitian dan penjelasan mengenai hasil dari penelitian

terdahulu.


8

BAB III Metode Penelitian

Dalam bab ini akan menguraikan mengenai jenis penelitian,

tempat dan waktu penelitan, subjek penelitian, data yang

diperlukan, sumber data, teknik pengambilan sampel, teknik

pengumpulan data, variabel penelitian, dan teknik analisis data

yang digunakan.

BAB IV Gambaran Umum Perusahaan

Bab ini akan menguraikan mengenai gambaran umum

perusahaan yang dijadikan sampel penelitian yaitu PT.

Asahimas Flat Glass, Tbk, PT. Arwana Citra Mulia, Tbk, PT.

Inti Keramik Alam Asri Industri, Tbk, PT. Keramika Indonesia

Assoiasi,Tbk, dan PT. Mulia Industrindo, Tbk

BAB V Analisis Data dan Pembahasan

Bab ini berisi analisis terhadap data-data yang telah diperoleh

berdasarkan teknik analisis data yang telah ditentukan

BAB VI Penutup

Bab ini akan menguraikan kesimpulan dari penelitian yang

telah dilakukan, keterbatasan penelitian, serta saran


9

BAB II

TINJAUAN PUSTAKA

A. Teori Pendukung

1. Kebangkrutan

a. Pengertian Kebangkrutan

Menurut Lesmana dalam Pratiwi (2019) kebangkrutan adalah

ketidakpastian mengenai kemampuan atas suatu perusahaan untuk

melanjutkan kegiatan operasinya jika kondisi keuangan yang dimiliki

mengalami penurunan. Sedangkan menurut Prihadi (2010)

kebangkrutan merupakan kondisi di mana perusahaan tidak mampu lagi

untuk melunasi kewajibannya.

b. Manfaat Informasi Kebangkrutan

Menurut Hanafi dan Abdul (2012) informasi kebangkrutan bisa

bermanfaat bagi beberapa pihak seperti berikut ini:

1) Pemberi pinjaman

Informasi kebangkrutan dapat digunakan untuk mengambil

keputusan pihak yang akan diberi pinjaman dan kemudian dapat

bermanfaat untuk kebijakan guna 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 suatu perusahaan yang

menjual surat berharga tersebut. Investor yang menggunakan


10

strategi aktif akan mengembangkan model prediksi kebangkrutan

untuk mengetahui tanda-tanda kebangkrutan seawal mungkin lalu

digunakan untuk mengantisipasi kemungkinan tersebut.

3) Pihak Pemerintah

Pada beberapa sektor usaha, lembaga pemerintah mempunyai

tanggung jawab untuk mengawasi jalannya usaha tersebut (misal

sektor perbankan). Juga pemerintah mempunyai badan-badan usaha

(BUMN) yang harus selalu diawasi. Lembaga pemerintah

mempunyai kepentingan untuk melihat tanda-tanda kebangkrutan

lebh awal supaya tindakan-tindakan yang perlu bisa dilakukan lebih

awal.

4) Akuntan

Akuntan mempunyai kepentingan terhadap informasi kelangsungan

suatu usaha karena akuntan akan menilai kemampuann going

concern suatu perusahaan.

5) Manajemen

Kebangkrutan dapat diartikan sebagai munculnya biaya-biaya yang

berkaitan dengan kebangkrutan dan memiliki nilai yang cukup

besar. Apabila manajemen bisa mendeteksi kebangkrutan ini lebih

awal, maka tindakan-tindakan penghematan bisa dilakukan, misal

dengan melakukan marger atau restrukturisasi keuangan sehingga

biaya kebangkrutan bisa dihindari.


11

c. Tahap-Tahap Kebangkrutan

Menurut Darsono dan Ashari (2015) dalam Azhar (2013)

kebangkrutan dapat dianalisa dan diidentifikasi melalui tahap-tahap

sebagai berikut:

1) Tahap Permulaan

Tahap permulaan ditandain ditandai dengan adanya kerugian yang

mengakibatkkan rentabilitas perusahaan lebih rendah dari rata-rata

industri pada sektor yang sama.

2) Tahap Kesulitan Likuiditas

Tahap kesulitan likuiditas ditandai dengan ketidakmampuan

perusahaan dalam membayar hutang-hutang jangka pendek dan

biaya operasinya.

3) Tahap Financial atau Commercial Insolvency

Tahap ini ditandai dengan ketidakmampuan perusahaan untuk

mendapatkan dana dari sumber-sumber yang reguler untuk

membayar hutangnya yang telah jatuh tempo bahkan yang sudah

menunggak. Cirikhas pada tahap ini adalah jumlah hutang

perusahaan lebih besar daripada nilai aktiva perusahaan.

4) Bangkrut Secara Total

Tahap ini ditandai dengan perusahaan yang sudah tidak mampu

memporoleh sumber dana yang dibutuhkan perusahaan sehingga

perusahaan yang bersangkutan harus menutup usahanya (bangkrut).


12

d. Faktor-Faktor yang Menyebabkan Kebangkrutan

Kebangkrutan dapat disebabkan oleh faktor internal maupun eksternal

perusahaan. Menurut Munawir (2008) dalam Arief (2015), yang

merupakan faktor internal yang menyebabkan kebangkrutan yaitu:

1) Manajemen yang tidak baik dan tidak efisien dilihat dari biaya yang

besar sedangkan pendapatan yang tidak memadai. Kerugiaan yang

terjadi secara terus menerus menandakan adanya kesulitan keuangan

dan menjurus pada kebangkrutan.

2) Terdapat ketidakseimbangan antara jumlah modal dengan jumlah

utang-piutannya. Utang perusahaan yang terlalu besar dapat

mengakibatkan beban bunga yang tentunya semakin besar sehingga

memberatkan perusahaan. Piutang perusahaan yang terlalu bersar

juga merugikan perusahaan karena dapat mengakibatkan

berkurangnya likuiditas. Piutang akan lebih berisiko karena adanya

kemungkinan debitur-debitur perusahaan tidak mampu memenuhi

kewajibanya sesuai dengan kesepakatan.

3) Sumber daya yang kurang memadahi misalnya dilihat dari

keterampilan, integritas, dan loyalitas serta rendahnya moralitas

pegawai. Keempat hal tersebut mengakibatkan banyak terjadinya

kesalahan, penyimpangan, bahkan kecurangan terhadap keuangan.

Faktor eksternal yang menyebabkan kebangkrutan dibagi

menjadi dua yaitu bersifat umum dan khusus. Faktor eksternal yang

bersifat umum meliputi faktor politik, ekonomi, sosial, dan budaya serta


13

adanya campur tangan pemerintah. Faktor eksternal yang bersifat umum

paling terlihat yaitu adanya perkembangan teknologi. Penggunaan

teknologi yang keliru dapat mengakibatkan bertambahnya biaya-biaya

dan ketidakmampuan perusahaan dalam mengikuti perkembangan

teknologi.

Faktor eksternal yang bersifat khusus merupakan faktor dari luar

yang memiliki hubungan langsung dengan perusahaan. Faktor ini

meliputi pelanggan, pemasok, dan faktor pesaing. Adanya perubahan

selera dari konsumen yang tidak terdeteksi akan mengakibatkan adanya

penurunan penjualan sehingga diperlukan adanya penelitian pasar.

Perusahaan juga harus menjalin hubungan baik dengan pemasok

sehingga pemasok tidak semena-mena dalam merubah harga yang dapat

merugikan perusahaan. pesaing yang besar maupun kecil perlu

diperhatikan karena kemampuan pesaing dalam menyesuaikan pasar

dapat menjadi ancaman bagi perusahaan.

e. Analisis Kebangkrutan

Secara umum terdapat dua model dalam analisis kebangkrutan

(Prihadi, 2010):

1) Model Univariate

Model univariate bertumpu pada satu variabel saja. Dalam model

univariate rasio yang paling kuat untuk memprediksi kebangkrutan

mempunyai urutan yaitu likuiditas, solvabilitas, profitabilitas dan

yang terakhir, aktivitas


14

2) Model Multivariate

Model multivariate yang telah teruji lewat waktu adalah Z-Score

dari Altman. Altman dikenal sebagai pionir dalam teori

kebangkrutan dengan metode yang dikenal dengan Z-Score.

2. Financial Distress

a. Pengertian Financial Distress

Menurut Platt dan Platt dalam Fahmi (2011) financial distress

merupakan tahapan penurunan kondisi keuangan suatu perusahaan

sebelum terjadinya kebangkrutan ataupun likuidasi. Kondisi keuangan

tersebut misalnya ditinjau dari komposisi neraca yaitu perbandingan

jumlah aktiva dan kewajiban dimana pada saat aktiva tidak cukup atau

leih kecil daripada jumlah hutangnya. Perusahaan dikatakan mengalami

financial distress jika perusahaan yang bersangkutan memiliki nilai net

income negatif selama tiga tahun (Wahyujati dalam Mujairini, 2013).

b. Penyebab financial distress

Menurut Hanafi dan Halim (2012) menjelaskan penyebab financial

distress yaitu:

1) Neoclassical Model

Financial distress akan terjadi saat alokasi sumber daya tidak tepat.

Cara mengestimasikan kesulitan dilakukan dengan data dan laporan

laba rugi.


15

2) Financial Model

Financial distress ditandai dengan salah satu atau beberapa struktur

keuangan yang salah dan menyebabkan batasan likuidasi yang dapat

diartikan bahwa suatu perusahaan dapat saja bertahan hidup dalam

jangka waktu panjang, namun perusahaan harus mengalami

kebangkrutan dalam jangka waktu pendek.

3) Corporate Governance Models

Financial distress terjadi ketika perusahaan memiliki aset yang

sudah tepat dan struktur keuangan yang baik namun pengelolaannya

buruk.

c. Kategori Financial Distress

Menurut Fahmi (2011), secara kajian umum financial distress

digolongkan dalam empat kategori yaitu:

1) Fnancial Distress Kategori A

Kategori A disebut juga financial distress kategori sangat tinggi dan

membahayakan. Perusahaan dimungkinkan berada pada kondisi

bangkrut atau pailit. Kondisi semacam ini, memungkinkan pihak

perusahaan melaporkan kepihak terkait seperti pengadilan untuk

menyatakan bahwa perusahaan telah berada dalam posisi bangkrut

dan menyerahkan berbagai urusan untuk ditangani oleh pihak

ekternal


16

2) Financial Distress Kategori B

Kategori B ini disebut juga financial distress yang tinggi dan

berbahaya. Perusahaan pada kondisi financial distress kategori B

harus merencanakan berbagai solusi yang realistis dalam

menyelamatkan aset yang dimiliki serta mempertimbangkan

beberapa dampak jika akan melakukan pengabungan dan akuisisi.

3) Financial Distress Kategori C

Kategori C atau disebut juga financial distress tingkat sedang dan

dianggap bahwa perusahaan mampu menyelamatkan diri dengan

tindakan tambahan dana yang dapat bersumber dari internal maupun

eksternal. Perusahaan sudah harus melakukan perombakan berbagai

kebijakan dan konsep manajemen yang telah diterapkan, bahkan jika

diperlukan perusahaan merekrut tenaga ahli

4) Financial Distress Kategori D

Kategori D atau disebut dengan financial distress rendah,

perusahaan dianggap hanya mengalami fluktuasi financial temporer

yang disebabkan oleh berbagai kondisi yang dipengaruhi oleh

ekternal maupun internal perusahaan. Keadaan perusahaan yang

masuk dalam kategori ini umumnya bersifat jangka pendek,

sehingga kondisi ini dapat diatasi dengan cepat dengan

mengeluarkan financial reserve (cadangan keuangan).


17

3. Kebangkrutan dan Financial Distress

Menurut Martin, et.al dalam Yoseph (2018), kebangkrutan

didefinisikan sebagai kegagalan ekonomi dan kegagalan keuangan. Kondisi

kebangkrutan diawali dengan kesulitan keuangan (financial distress) yang

dialami suatu entitas maupun perusahaan, dimana perusahaan tidak mampu

membayar kewajibannya saat jatuh tempo (Munawir, 2010). Kebangkrutan

juga dapat diartikan bahwa perusahaan tidak dapat menjalankan operasional

perusahaanya, minimal untuk menutup hutang-hutang dengan aset

perusahaan.

Perusahaan yang sedang dalam keadaan financial distress belum

tentu perusahaan yang bersangkutan mengalami kebangkrutan karena

kondisi ini justru menunjukkan tahap awal kebangkrutan. Berbeda jika

perusahaan dinyatakan telah bangkrut, maka perusahaan yang bersangkutan

dapat dipastikan telah mengalami financial distress Hasil uji statistik yang

dilakukan Platt dan Platt (2006) dalam Pitaya (2015) menunjukkan bahwa

hipotesis yang mengatakan bahwa financial distress dan kebangkrutan

merupakan proses yang sama ditolak. Financial distress terjadi ketika

kinerja operasional perusahaan dibawah target yang direncanakan,

sedangkan kebangkrutan bersumber dari keputusan perusahaan untuk

terbebas dari masalah seperti berlebihnya tingkat hutang (Pitaya, 2015).


18

4. Metode Prediksi Kebangkrutan

Metode prediksi kebangkrutan yang digunakan pada penelitian ini

terdapat lima metode meliputi:

a. Metode Altman Z-Score

1) Pengertian Metode Altman Z-Score

Menurut Prihadi (2010) Z-Score merupakan suatu persamaan

multivariabel yang digunakan oleh Altman dalam rangka

memprediksi tingkaat kebangkrutan. Metode ini dikembangkan oleh

Altman dengan mengambil 66 perusahaan Amerika Serikat yang

bergerak di industri pengolahan/manufaktur untuk dijadikan sebagai

sampel pada penelitiannya. Metode ini diyakini dapat memprediksi

kebangkrutan perusahaan dengan cukup baik, setidaknya 2 tahun

sebelum tahun evaluasi dengan keakuratan prediksi sebesar 72%.

Menurut Azhar (2013) Altman mnggunakan data laporan keuangan

dari 1 sampai 5 tahun sebelum kebangkrutan dengan menyusun 22

rasio keuangan yang paling memungkinkan dan mengelompokannya

dalam 5 kategori likuiditas, leverage, profitabilitas, solvabilitas dan

kinerja kemudian diseleksi dan dikombinasikan bersama untuk

memperoleh prediksi yang paling akurat. Altman menggunakan

model analisis diskriminan, tepatnya adalah multiple discriminat

analysis (MDA (Prihadi, 2010).


19

2) Formula Altman Z-Score

Formula untuk metode Altman Z-Score adalah sebagai berikut:

Keterangan :

X1 = Working capital/Total assets

X2 = retained earning/total assets

X3 = Earning before interst and tax/ totoal asset

X4 = market value equity / book value of total debt

X5 = sales / total asset

3) Kriteria nilai Z-Score :

a) Nilai Z-Score < 1,81 dikategorikan sebagai perusahaan yang

memiliki kesulitan keuangan sangat besar dan beresiko tinggi

mengalami kebangkrutan (Azhar, 2013).

b) Nilai 1,81 < Z-Score < 2,99 dikategorikan bahwa perusahaan

berada di daerah abu-abu. Perusahaan yang diprediksi pada area

ini berarti perusahaan sedang mengalami masalah keuangan

yang perlu ditangani dengan tepat. Jadi, pada kondisi grey area

perusahaan dapat dimungkinkan bangkrut atau ttidak bangkrut

yang tergantung oleh bagaimana manajemen dapat mengambil

tindakan awal untuk segera mengatasi kemungkinan bangkrut

(Khaddafi, 2017)

Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5


20

c) Nilai Z-Score > 2,99 dikategorikan sebagai perusahaan yang

sangat sehat atau sedang tidak mengalami kesulitan keuangan

dengan kata lain diprediksi tidak mengalami kebangkrutan

(Azhar, 2013)

4) Rasio-Rasio Komponen Altman Z-Score

a) Working Capital To Total Asset (X1)

Rasio ini digunakan untuk mengukur seberapa kemampuan

perusahaan dalam menghasilkan modal kerja bersih dari

keseluruhan total aset yang dimiliki. Perhitungan dari rasio ini

dengan membagi modal kerja bersih dengan total aktiva. Modal

kerja bersih diperoleh dari aktiva lancar dikurangi dengan

kewajiban lancar.

Modal kerja dengan nilai negatif, perusahaan kemungkinan

besar akan menghadapi masalah dalam menutupi kewajiban

jangka pendeknya karena tidak tersedianya aktiva lancar yang

cukup untuk menutupi kewajibannya namun sebaliknya,

perusahaan dengan modal kerja bersih bernilai positif jarang

sekali menghadapi kesulitan dalam melunasi kewajibannya

Yoseph (2011).

b) Retained Earning To Total Asset (X2)

Rasio ini memberikan informasi mengenai kemampuan

perusahaan untuk menghasilkan laba ditahan dari total aktiva

perusahaan. Laba ditahan merupakan laba yang tidak dibagikan


21

kepada para pemegang saham dalam bentuk deviden. Laba

ditahan menunjukkan klaim terhadap aktiva, bukan aktiva per

ekuitas pemegang saham. Laba ditahan biasa terjadi karena para

pihak pemegang saham mengizinkan perusahaan untuk

menginvestasikan kembali laba yang tidak didistribusikan

sebagai dividen. Semakin besar rasio ini, menunjukkan semakin

besarnya peranan laba ditahan dalam membentuk dana

perusahaan. Semakin kecil rasio ini menunjukkan kondisi

keuangan perusahaan yang tidak sehat. Semua data diperoleh

dari neraca perusahaan Yoseph (2011).

c) Earning Before Interest and Tax To Total Aset (X3)


perusahaan dalam mengelola total aktiva untuk mendapatkan

keuntungan sebelum bunga dan pajak. Laba sebelum bunga dan

pajak diperoleh dari laporan laba rugi dan total aset diperoleh

dari neraca perusahaan. Menurut Agustina (2010) beberapa

indikator yang dapat digunakan dalam mendeteksi adanya

masalah kemampuan profitabilitas perusahaan diantaranya

adalah piutang dagang yang meningkat, rugi secara terus-

menerus dalam beberapa kuartal, persediaan yang meningkat,

penjualan menurun, dan terlambatnya hasil penagihan piutang.


22

d) Market Value of Equity To Book Value of Debt (X4)


perusahaan untuk memenuhi kewajiban dari nilai pasar ekuitas

(Iflaha dalam Endarwatik, 2016). Nilai pasar ekuitas atau modal

diperoleh dengan menghitung hasil perkalian jumlah lembar

saham yang beredar dengan harga pasar per lembar saham. Nilai

buku hutang diperoleh dengan menjumlahkan kewajiban lancar

dengan kewajiban jangka panjang. Modal yang dimaksud adalah

gabungan nilai pasar dari modal biasa dan preferen (Agustina,

2010)

e) Sales to Total Asset (X5)

Rasio ini memberikan informasi mengenai tingkat efisiensi

penggunaan keseluruhan aktiva perusahaan dalam menghasilkan

volume penjualan tertentu. Semakin besar nilai penjualan

terhadap aset maka efisiensi penggunaan keseluruhan aktiva

didalam menghasilkan penjualan semakin terjaga. Semakin

rendah nilai penjualan terhadap aset maka semakin rendah

tingkat pendapatan perusahaan, sehingga menunjukkan kondisi

keuangan perusahaan yang tidak sehat. Nilai penjualan didapat

dari laporan laba rugi, dan nilai total aset didapat dari neraca

perusahaan Yoseph (2011).


23

5) Penggunaan Metode Altman Z-Score

Penggunaan metode Altman Z-Score asli di Indonesia hanya dapat

digunakan untuk perusahaan go public (Hanafi dalam Arum dan

Handayani, 2018). Prihadi (2010) menambahkan, terdapat beberapa

hal yang perlu diperhatikan dalam penggunaan model Z-Score

dengan anggapan bahwa kondisi di Amerika sama dengan kondisi di

Indonesia, antara lain:

a) Rumus tersebut hanya dapat digunakan untuk perusahaan publik,

karena memerlukan market value dari ekuitas.

b) Perusahaan non manufaktur tidak dapat diprediksi dengan rumus

tersebut.

c) Pengertian working capital atau modal kerja dalam rumus

tersebut adalah selisih antara aktiva lancar dengan utang lancar.

6) Kelebihan dan kekurangan metode Altman Z-Score menurut

BAPEPAM dalam Nurcahyanti (2015):

Kelebihan dari metode Altman Z-Score yaitu:

a) Mengambungkan berbagai rasio keuangan secara bersama-sama.

b) Menyediakan koefisien yang sesuai untuk mengkombinasikan

variabel-variabel independen.

c) Mudah dalam penerapannya.

d) Rasio laba sebelum bunga dan pajak terhadap total aktiva

merupakan rasio terbaik untuk mengetahu terjadinya

kebangkrutan.


24

e) Dapat lebih menggambarkan kondisi perusahaan sesuai dengan

kenyataan.

f) Nilai Z-Score lebih ketat dalam menilai tingkat kebangkrutan.

Kekurangan dari metode Altman Z-Score adalah nilai rasio yang

dapat direkayasa atau dibiaskan melalui prinsip akuntansi yang salah

atau rekayasa keuangan lainnya.

b. Metode Springate (S-Score)

1) Pengertian Metode Springate (S-Score)

Menurut Yoseph (2011) metode Springate (S-Score)

dikembangkan pada tahun 1978 oleh Gorgon L.V. Springate.

Pengembangan model ini dengan mengikuti prosedur yang

dikembangkan Altman. Springate menggunakan step – wis multiple

discriminate analysis untuk memilih empat dari 19 rasio keuangan

yang popular sehingga dapat membedakan perusahaan yang berada

dalam zona bangkrut maupun zona aman (tidak bangkrut). Sampel

yang digunakan oleh Springate berjumlah 40 perusahaan yang

berlokasi di Kanada. Hasil uji yang telah dilakukan, Springate

memilih empat rasio yang digunakan dalam metode ini.


25

2) Formula Metode Springate (S-Score)

Keterangan:

A : Working Capital / Total Asset

B : Net Profit before Interest and Taxes / Total Asset

C : Net Profit before Taxes / Curretnt Liabilities

D : Sales / Total Asset

3) Klasifikasi Nilai S

Klasifikasi perusahaan yang sehat dan bangkrut di dasarkan pada

nilai S – Score metode Springate yaitu:

a) Skor S > 0,862 merupakan perusahaan yang tidak berpotensi

bangkrut

b) Skor S < 0,862 diklasifikasikan sebagai perusahaan yang tidak

sehat dan berpotensi bangkrut.

4) Rasio-Rasio Komponen Metode Springate (S-Score)

a) Working Capital To Total Asset (A)

Rasio working capital to total asset pada metode Springate

digunakan untuk mengukur kemampuan perusahaan dalam

menghasilkan modal kerja bersih dari keseluruhan total aset

yang dimiliki. Rasio ini dihitung dengan modal kerja bersih

dibagi dengan total aset. Nilai rasio yang negatif

menggambarkan adanya kemungkinan perusahaan akan

S = 1,03A + 3,07B + 0,66C + 0,4D


26

menghadapi masalah dalam menutupi kewajiban jangka

pendeknya Yoseph (2011)

b) Earning Before Interest and Tax (EBIT) To Total Asset (B)

Earning Before Interest and Tax To Total Asset merupakan

rasio yang membandingkan antara laba bersih sebelum bunga

dan pajak terhadap total aktiva. Nilai dari EBIT diperoleh dari

laporan laba ragi sedangkan total aset diperoleh dari laporan

neraca Yoseph (2011).

c) Earning Before Tax To Current Liabilities ( C )

Rasio earning before tax to current liabilities menunjukkan

kemampuan perusahaan dalam menghasilkan laba sebelum

pajak dengan hutang lancarnya. Laba sebelum pajak diperoleh

dari laporan laba rugi sedangkan hutang lancar diperoleh dari

neraca Yoseph (2011)

d) Sales To Total Asset (D)

Rasio sales to total asset digunakan untuk mengetahui seberapa

besar kontribusi penjualan terhadap aktiva dalam satu periode

waktu tertentu. Nilai rasio yang rendah menggambarkan tingkat

pendapatan perusahaan yang rendah. Nilai penjualan diperoleh

dari laporan laba rugi sedangkan total aset diperoleh dari neraca

Yoseph (2011)


27

5) Kekurangan dan Kelebihan Metode Springate

Kelebihan metode Springate menurut BAPEPAM dalam

Nurcahyanti (2015) meliputi:

a) Menggabungkan berbagai rasio keuangan secara bersama-

sama.


variabelvariabel independen.

c) Mudah dalam penerapannya.

d) Rasio laba sebelum bunga dan pajak terhadap total aktiva

merupakan indikator terbaik untuk mengetahui terjadinya

kebangkrutan

Menurut BAPEPAM dalam Nurcahyanti (2015) kekurangan dari

metode Springate yaitu nilai rasio bisa direkayasa atau dibiaskan

melalui prinsip akuntansi yang salah atau rekayasa keuangan

lainnya.

c. Metode Zmijewski (X-Score)

1) Pengertian Metode Zmijewski (X-Score)

Menurut Prihantini dan Sari (2013) metode Zmijewski (X-

Score) merupakan metode prediksi yang dihasilkan oleh Zmijewski

pada tahun 1983 yang merupakan riset selama 20 tahun. Rasio

keuangan dipilih dari rasio-rasio keuangan penelitian terdahulu dan

menguji dengan menggunakan 75 perusahaan (Arum dan


28

Handayani, 2018). Metode Zmijewski menggunakan analisis rasio

likuiditas, laverage, dan mengukur kinerja perusahaan. ZMijewski

menggunakan random sampling dalam menentukam sampelnya dan

menggunakan metode regresi logit untuk model statistiknya

(Zmijewski dalam Putra, 2016).

2) Formula Metode Zmijewski (X-Score)

Keterangan:

X1 : ROA (Return on Asset)

X2 : Leverage (Debt Ratio)

X3 : Likuidasi (Current Ratio)

3) Klasifikasi nilai X

Klasifikasi untuk perusahaan yang berpotensi bangkrut

dengan perusahan yang tidak berpotensi bangkrut yaitu (Zmijewski

(1984) dalam Putra 2016):

a) X > 0 maka perusahaan diprediksi berpotensi mengalami

kebangkrutan

b) X < 0 maka perusahaan diprediksi tidak berpotensi mengalami

kebangkrutan

4) Rasio-Rasio Komponen Metode Zmijewski

a) Return On Asset (X1)

Return On Asset (ROA) merupakan rasio yang membandingkan

antara laba setelah pajak dengan total asset. Nilai dari ROA

X = - 4,3 – 4,5X1 + 5,7 X2 – 0,004 X3


29

menunjukkan seberapa baik perusahaan menggunakan aset yang

diinvestasikan untuk dibagikan dengan laba yang dihasilkan.

Nilai dari laba setelah pajak diperoleh dari laporan laba rugi

sedangkan total aset diperoleh dari neraca.

b) Debt Ratio (X2)

Debt ratio merupakan rasio yang membandingkan antara total

hutang dengan total aset. Nilai dari debt ratio digunakan untuk

mengukur likuiditas perusahaan secara total. Menurut Kasmir

(2016) nilai rasio yang tinggi dapat diartikan bahwa pendanaan

perusahaan banyak menggunakan hutang, sehingga semakin

sulit bagi perusahaan untuk memperoleh tambahan pinjaman.

Nilai dari total hutang dan total aset diperoleh dari neraca.

c) Current Ratio (X3)

Menurut Kasmir (2016) current ratio merupakan rasio yang

digunakan untuk mengukur kemampuan perusahaan dalam

membayar kewajiban jangka pendek secara keseluruhan. Nilai

rasio yang rendah menunjukkan bahwa perusahaan kurang

modal untuk membayar hutangnya. Namun, apabila nilai rasio

tinggi belum tentu menggambarkan kondisi perusahaan yang

baik. Standar yang digunakan dalam menentukan baik atau

tidaknya keadaan perusahaan dapat dilihat dari rata-rata

industrinya.


30

5) Kelebihan dan kekurangan metode Zmijewski

Kelebihan metode Zmijewski menurut BAPEPAM dalam

Nurcahyanti (2015) yaitu:

a) Menggabungkan berbagai rasio keuangan secara bersama-sama.


variabel independen.

c) Mudah dalam penerapannya

Kekurangan metode Zmijewski menurut BAPEPAM dalam

Nurcahyanti (2015) yaitu:

a) Nilai bisa direkayasa atau dibiaskan melalui prinsip akuntansi

yang salah atau rekayasa keuangan lainnya.

b) Hanya menggunakan tiga rasio saja.

c) Metode Zmijewski tidak ketat dalam menilai tingkat

kebangkrutan.

d. Metode Grover (G-Score)

1) Penegertian Metode Grover (G-Score)

Metode Grover merupakan metode yang dilakukan dengan

mendesain dan menilai ulang terhadap metode Altman Z-Score.

Metode Grover menggunakan sampel yang sesuai dengan metode

Altman pada tahun 1968 dan menambah 13 rasio keuangan yang

baru. Sampel yang digunakan pada metode Grover sebanyak 70


31

perusahana dengan 35 perusahaan yang bangkrut dan 35 perusahaan

yang tidak bangkrut (Evi dalam Khoiriyah, 2019)

2) Formula Metode Grover (G-Score)

Keterangan:

X1 : Working Capital / Total Asset

X2 : Earning Before Interest and Taxes / Total Asset

ROA : Net Income / Total Asset

3) Klasifikasi nilai G

Metode Grover mengkatogorikan perusahaan dalam keadaan

bangkrut dengan nilai G ≤ - 0,02 (nilai G kurang dari atau sama

dengan – 0,02. Perusahaan dikategorikan tidak bangkrut dengan

nilai G ≥ 0,01 (nilai G lebih atau sama dengan 0,01).

4) Rasio komponen metode Grover

Menurut Jeffrey S Grover dalam Syafitri dan Wijaya (2014)

komponen rasio metode Grover yaitu:

a) Working Capital/Total Asset (X1)

Modal kerja merupakan investasi perusahaan dalam bentuk

aktiva jangka pendek seperti kas, piutang dagang, persediaan,

dan sekuritas. Total aset adalah total aset dikurangi dengan dana-

dana yang belum ditetapkan statusnya pada posisi akhir tahun

buku. Rasio ini digunakan untuk mengukur kemampuann

G = 1,650 X1 + 3,404 X2 – 0,016 ROA + 0,057


32

perusahaan dalam menghasilkan modal kerja bersiih dari

keseluruhan total aktivanya yang diperoleh dari neraca.

b) Earning Before Interest and Tax / Total Asset (X2)

Rasio earning before interest and taxes / total asset dapat

digunakan untuk mengukur sebarapa besar produktivitas

penggunaan dana yang dipinjam (Yoseph, 2011). Menurut

Harahap (2007) semakin besar rasio ini maka semakin efektif

atau semakin baik kemampuan perusahaan dalam mengelola

aktivanya.

c) Net Income / Total Asset (ROA)

Net income atau laba bersih adalah laba setelah pajak dikurangi

dengan laba hasil penjualan dari aktiva tetap, dan saham

ppenyertaan langsung. Rasio ROA digunakan untuk mengukur

profitabilitas perusahaan. Net income diperoleh dari laporan laba

rugi sedangkan total asset diperoleh dari neraca.

e. Metode Ohlson (O-Score)

1) Pengertian Metode Ohlson (O-Score)

Metode Ohlson (O-Score) merupakan metode yang ditemukan oleh

James Ohlson tahun 1980 menggunakan logistic regression dengan

sembilan variabel. Metode ini berawal dari keraguan Ohlson

terhadap metode Multiple Discriminant Analysis yang ditemukan

oleh Altman (1968). logistic regression memiliki kesamaan dengan


33

analisis diskriminan yang tujuannya menguji apakah probabilitas

terjadinya variabel terikat dapat diprediksi dengan variabel bebasnya

(Ghozali, 2011).

2) Formula Metode Ohlson (O-Score)

Keterangan:

X1 (SIZE) = log (Total Aset / Indeks Tingkat Harga GNP)

X2 (TLTA) = Total Hutang / Total Aset

X3 (WCTA) = Modal Kerja / Total Aset

X4 (CLCA) = Hutang Lancar / Aset lancar

X5 (OENEG) = Variabel Dummy, 1 jika total hutang > total aktiva,

0 jika total hutang < total aktiva

X6 (NITA) = Laba Bersih / Total Aset

X7 (CFOTL) = Arus Kas Operasi / Total Hutang

X8 (INTWO) = Variabel Dummy, 1 jika laba bersih negatif untuk

dua tahun terakhir, 0 jika sebaliknya

X9 (CHIN) = (laba bersih tahun t – laba bersih t-1)/ jumlah nilai

absolut laba bersih tahun t + nilai absolut laba bersih

tahun t-1

O = -1,32 – 0,407X1 + 6,03 X2 – 1,43 X3 + 0,0757X4 – 2,37X5 – 1,83X6 +

0,285X7 – 1,72X8 – 0,521X9


34

3) Klasifikasi Nilai O Metode Ohlson (O-Score)

Menurut Ohlson dalam Sujimantoro dan Muthmainnah (2014) metode

Ohlson (O-Score) mengkategorikan prediksi kebangkrutan dalam

dua kategori. Perusahaan diprediksi non failed (perusahaan

diprediksi tidak bangkrut) jika nilai O < 0,38 dan perusahaan

diprediksi failed (bangkrut) jika nilai O > 0,38.

4) Rasio Komponen Metode Ohlson

a) SIZE (X1)

Menurut Safitri dan Hartono (2014) SIZE merupakan rasio yang

digunakan untuk mengukur ukuran perusahaan (firm size) dan

fokus pada eksternal perusahaan. Rasio ini diperoleh dengan

perhitungan log (total aset / indeks tingkat harga GNP).

b) TLTA (X2)

TLTA atau total hutang / total aset merupakan rasio solvabilitas

yang menggambarkan kemampuan perusahaan dalam memenuhi

kewajiban keuangannya apabila perusahaan dilikuidasi

(Munawir dalam Sujimantoro dan Muthmainnah, 2014).

Menurut Kasmir (2008) rasio TLTA mengambarkan seberapa

aktiva perusahaan didanai oleh hutang. Nilai total hutang dan

total asel diperoleh dari laporan neraca perusahaan.


35

c) WCTA (X3)

WCTA atau modal kerja / total aset merupakan rasio likuiditas

rasio ini dinilai berpengaruh terhadap pertumbuhan laba. Modal

kerja diperoleh dari aktiva lancar dikurangi dengan hutang

lancar. Nilai dari ketiga komponen tersebut diperoleh dari neraca

perusahaan.

d) CLCA (X4)

CLCA yaitu hutang lancar / aset lancar menggambarkan

kemampuan perusahaan dalam membayar hutang yang segera

harus dipenuhi dengan aktiva lancarnya. Nilai rasio yang tinggi

belum tentu dapat menjamin terbayarnya hutang yang jatuh

tempo karena berarti terdapat jumlah persediaan yang relatif

besar dibandingkan dengan tingkat penjualannya sehingga

perputaran persediaan rendah (Sujimantoro dan Muthmainnah,

2014)

e) OENEG (X5)

OENEG merupakan indikator yang digunakan untuk mengukur

likuiditas yang dinilai dengan skala 1 jika total hutang > total

aktiva dan 0 jika total hutang < total aktiva (Sujimantoro dan

Muthmainnah, 2014)

f) NITA (X6)

NITA dihitung dengan laba bersih / total aset. Rasio ini

merupakan indikator yang mengukur profitabilitas perusahaan.


36

rasio ini mengukur kemampuan perusahaan menghasilkan laba

bersih dari total aktiva yang dimiliki (Sujimantoro dan

Muthmainnah, 2014).

g) CFOTL(X7)

CFOTL merupakan rasio solvabilitas yang dihitung dengan arus

kas operasi / total hutang. Rasio ini digunakan untuk mengukur

dana yang dipakai untuk kegiatan utama perusahaan yaitu dana

yang tersedia dari kegiatan operasi yang dibiayai dengan hutang

(Sujimantoro dan Muthmainnah, 2014).

h) INTWO (X8)

INTWO merupakan idikator yang digunakan untuk mengukur

profitabilitas dengan melihat kondisi laba perusahaan dalam dua

tahun terakhir. Nilai 1 jika laba bersih perusahaan negatif untuk

dua tahun berturut-turut dan 0 jika sebaliknya (Sujimantoro dan

Muthmainnah, 2014).

i) CHIN (X9)

CHIN yaitu perubahan pada laba bersih yang dihitung dengan

(laba bersih tahun t – laba bersih t-1)/ (laba bersih tahun t + laba

bersih tahun t-1). Indikator ini digunakan untuk mengukur

perubahan profitabilitas perusahaan pada laba bersih tahun

berjalan dan laba bersih tahun sebelumnya (Sujimantoro dan

Muthmainnah, 2014).


37

f. Metode Kida

1) Pengertian Metode Kida

Menurut Kida (1980) dalam Gharaibeh, Sartawi, dan Daradkah

(2013), metode Kida mewakili lima rasio keuangan yang terpisah

untuk memprediksi kebangkrutan.

2) Formula Metode Kida

Keterangan:

X1 = ROA (laba bersih / total aset)

X2 = Kekayaan Bersih / Total Hutang

X3 = Liquidity (Aset lancar / Utang lancar)

X4 = Penjualann / Total Aset

X5 = Kas / Total Aset

3) Klasifikasi Nilai Z Metode Kida

Metode Kida mengkategorikan prediksi kebangkrutan dalam dua

kategori. Perusahaan yang memiliki masa depan yang baik (tidak

bangkrut) jika nilai Z > 0,38 dan perusahaan yang berpotensi tidak

bisa melanjutkan usahnya (bangkrut) jika nilai Z < 0,38.

4) Rasio Komponen Metode Kida

a) ROA (laba bersih / total aset) X1

Rasio ROA merupakan rasio yang digunakan untuk mengukur

profitabilitas perusahaan. Laba bersih diperoleh dari laporan laba

rugi dan nilai dari total aset diperoleh dari neraca.

Z = 1,042 X1 + 0,42 X2 + 0,461 X3 + 0,463X4 + 0,271X5


38

b) Kekayaan Bersih / Total Hutang (X2 )

Nilai dari kekayaan bersih diperoleh dari total aktiva dikurangi

dengan total kewajiban. Total hutang merupakan semua

kewajiban keuangan suatu perusahaan kepada pihak lain yang

belum terpenuhi. Nilai kekayaan bersih dan total hutang

diperoleh dari neraca.

c) Liquidity (Aset lancar / Utang lancar) X3

Rasio aset lancar / utang lancar merupakan rasio yang digunakan

untuk megukur likuiditas perusahaan. Rasio ini difokuskan

dalam jangka pendek. Nilai aset lancar dan utang lancar

diperoleh dari laporan nerca.

d) Penjualann / Total Aset (X4)

Rasio penjualan / total aset digunakan untuk mengukur

kemampuan manajemen dalam menghadapi kondisi persaingan.

Penjualan merupakan total pendapatan usaha dan non usaha

tidak termasuk pendapatan hasil penjualan aktiva tetap. Nilai

penjualan diperoleh dari laporan laba rugi dan nilai total aset

diperoleh dari neraca.

e) Kas / Total Aset (X5)

Kas merupakan harta paling liquid yang digunakan sebagai

media pertukaran buku serta dasar untuk pengukuran dan

akuntansi semua pos lainnya. Nilai dari kas dan total aset

diperoleh dari nerca.


39

5. Tingkat Akurasi

Menurut Prihadi (2010), setiap metode selalu terdapat kemungkinan

salah prediksi dan perbedaan pada tingkat akurasinya. Ketepatan metode

prediksi yang tertinggi dapat dilihat dari tingkat akurasi yang paling tinggi.

Rumus akurasi menurut Setiawati (2017) adalah :

𝑇𝑖𝑛𝑔𝑘𝑎𝑡 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 𝐽𝑢𝑚𝑙𝑎ℎ 𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖 𝐵𝑒𝑛𝑎𝑟

𝐽𝑢𝑚𝑙𝑎ℎ 𝑆𝑎𝑚𝑝𝑒𝑙 X 100%

Kemungkinan kesalahan prediksi dapat dihitung dengan tingkat error.

Menurut Setiawati (2017) tingkat error adalah kesalahan yang terjadi jika

hasil prediksi tidak sesuai dengan kondisi perusahaan yang sesungguhnya.

Tingkat error dihitung dengan rumus

B. Penelitian Terdahulu

Penelitian terdahulu yang telah dilakukan pleh penelitian sebelumnya

terkait dengan model Alman Z-Score adalah sebagai berikut:

1. Penelitian Bimawiratma (2016) ini bertujuan untuk mengetahui

perbandingan prediksi Altman (Z-Score), Grover, Springate, dan Zmijewski

dan mengetahui metode mana yang paling akurat. Teknik pengambilan

sampel pada penelitian ini yaitu menggunaan purposive sampling dengan

sampel yang digunakan yaitu perusahaan yang delisting dan listing. Hasil

penelitian diperoleh kesimpulan bahwa metode Grover merupakan metode

Tingkat Error = Jumlah Prediksi Salah



40

yang paling akurat dengan nilai akurasi 100% dan nilai kesalahan Tipe I dan

tipe II masing-masing sebesar 0%

2. Penelitian Khoiriyah (2019) bertujuan menganalisis hasil prediksi antara 4

metode prediksi kebangkrutan. Perbandingan metode prediksi tersebut

dilihat dari tingkat akurasi pada setiap metode. Hasill penelitian

menunjukkan terdapat perbedaan yang signifikan dan metode Altman

merupakan metode yang memiliki tingkat akurasi tertinggi sebesar 53,33%.

3. Penelitian Alkhatib (2011) bertujuan untuk melaporakan pengaruh rasio

keuangan yang digunakan dalam memprediksi kebangkrutan menggunakan

metode Altman dan Kida. Hasil penelitian menunjukkan metode Altman

memiliki tingkat akurasi lebih tinggi yaitu 93,8% dibandingkan dengan

metode Kida dengan tingkat akurasi 69%

4. Penelitian Nurcahyanti (2015) bertujuan untuk menganalisis perbedaan

hasil prediksi metode Altman, Springate, dan Zmijewski. Hasil penelitian

diperoleh kesimpulan bahwa metode yang paling akurat berdasarkan tingkat

error yaitu metode Zmijewski dengan tingkat akurasi 69,56%, disusul

metode Springate (S-Score) dengan tingkat akurasi sebesar 67,39%, dan

yang terakhir yaitu metode Altman (Z-Score) sebesar 60,87%.

5. Penelitian Putra (2016) bertujuan untuk mengetahui perbedaan potensi

kebangkrutan asuransi swasta dan asuransi BUMN menggunakan metode

Zmijewski, metode Kida dan metode Grover. Hasil dari penelitian

menunjukkan bahwa ketiga metode tidak menunjukkan perbedaan potensi


41

kebangkrutan pada perusahaan asuransi swasta dengan perusahaan asuransi

BUMN.

6. Penelitian Suryawardani (2015) bertujuan untuk mengetahui perbedaan

antara Altman modifikasi model, model Zmijewski, dan model Ohlson

dalam memprediksi kebangkrutan pada perusahaan tekstil dan garmen yang

terdaftar di Bursa Efek Indonesia periode 2008-2012. Hasil penelitian ini

menunjukkan bahwa metode Ohlson terbukti lebih akurat dalam

memprediksi kebangkrutan pada perusahaan tekstil dan garmen yang

terdaftar di BEI dengan nilai akurasi 97,8%. Metode Altman modifikasi

dengan akurasi 73,3% dan metode Zmijewski dengan akurasi 60%.

7. Penelitian Arum dan Handayani (2018) bertujuan untuk mengetahui potensi

kebangkrutan perusahaan sub sektor tekstil dan garmen menggunakan

metode Altman, Springate, dan Zmijewski. Hasil penelitian ini menunjukan

bahwa masing-masing metode memiliki hasil prediksi yang berbeda-beda

karena pada setiap metode menggunakan cut-off, rasio, dan koefisien yang

berbeda.

8. Penelitian Utama, Sudjana, & Nurlaily (2018) dilakukan pada perusahaan

delisting tahun 2013-2017 bertujuan untuk mengetahui implementasi hasil

model Ohlson sebagai alat untuk memprediksi kebangkrutan dan untuk

mengetahui tingkat akurasi metode Ohlson. Hasil penelitian menunjukkan

terdapat 7 perusahaan selama 3 tahun berturut-turut dan tingkat akurasi yang

dimiliki sebesar 61,90% dengan error sebesar 38,10%.


42

9. Penelitian Rizkyansyah & Laily (2018) yang membandingkan metode

Springate, Zmijewski, dan Grover bertujuan mengetahui kondisi keuangan

perusahaan Bank Umum BUMN dan mengetahui tingkat akurasi ketiga

metode. Hasil penelitian menununjukkan menggunakan metode Springate

dan Zmijewski seluruh bank umum diprediksi bangkrut dan tingkat akurasi

tertinggi yaitu metode Grover.


43

BAB III

METODE PENELITIAN

A. Desain Penelitian

Desain penelitian pada penelitian ini adalah penelitian deskripsi

dengan analisis deskriptif kuantitatif. Nuryaman dan Christina (2015),

menyatakan bahwa penelitian deskriptif bertujuan untuk mendapatkan gambaran

mengenai karakteristik tertentu dari suatu subjek yang menjadi perhatian dalam

kegiatan peneliitian. Penelitian deskriptif pada penelitian ini bertujuan untuk

mendapatkan gambaran kondisi perusahaan keramik dan kaca yang terdaftar di

BEI secara apa adanya berdasarkan fakta yang ada dengan enam metode

kebangkrutan. Metode yang digunakan yaitu metode Altan Z-Score, Springate (S-

Score), Zmijewski (X-Score), Grover (G-Score), Ohlson (O-Score) dan Kida.

B. Tempat dan Waktu Penelitian

1. Tempat Penelitian

Penelitian ini dilakukan di Bursa Efek Indonesia (BEI) Universitas Sanata

Dharma Yogyakarta.

2. Waktu Penelitian

Penelitian ini dilakukan pada bulan Januari sampai Februari 2020


44

C. Subjek Penelitian

Subjek penelitian adalah unit analisis atau unit observasi yang akan

diteliti dapat berupa orang, organisasi, dan berbagai macam hal lain yang

menjadi perhatiaam dalam penelitian (Nuryaman dan Christina (2015). Subjek

pada penelitian ini adalah perusahaan keramik dan kaca yang terdaftar di Bursa

Efek Indonesia.

D. Data Penelitian

Data yang digunakan dalam penelitian ini adalah data sekunder. Data

sekunder adalah data yang dikumpulkan melalui pihak kedua (biasanya

diperoleh melalui badan atau instansi yang bergerak dalam proses

pengumpulan data, baik oleh instansi pemerintah maupun swasta)

(Sedarmayanti dan Hidayat, 2011). Data sekunder penelitian ini berupa

laporan tahunan dan gambaran perusahaan keramik dan kaca yang terdaftar di

BEI tahun 2014-2018

E. Teknik Pengumpulan Data

Metode pengumpulan data dalam penelitian ini adalah

1. Metode dokumentasi, yaitu studi yang digunakan untuk mencari dan

memperoleh hal-hal berupa catatan-catatan, laporan-laporan serta

dokumen-dokumen yang berkaitan dengan masalah yang diteliti (Pratiwi,

2019). Metode dokumentasi dalam penelitian ini adalah data laporan

tahunan selama tahun 2014-2018 yang diperoleh melalui www.idx.co.id


http://www.idx.co.id/

45

dan website masing-masing perusahaan serta data indeks tingkat harga

GNP yang diperoleh melalui ceicdata.com

2. Studi pustaka yaitu metode yang digunakan dengan memahami literature-

literature yang memuat pembahasan yang berkaitan dengan penelitian dan

juga pengumpulan data dengan membaca buku-buku dan sumber bacaan

yang relevan seperti buku-buku manajemen keuangan, analisa laporan

keuangan, dasar-dasar pembelanjaan perusahaan, dsb Yoseph (2011).

Metode studi pustaka dalam penelitian ini yaitu buku-buku terkait analisis

laporan keuangan dan analisis kebangkrutan serta jurnal-jurnal.

F. Populasi dan Sempel

Populasi adalah keseluruhan karakteristik dari objek yang diteliti dan

dibatasi oleh kriteria tertentu (Sedarmayanti dan Hidayat, 2011). Populasi

dalam penelitian ini adalah perusahaan keramik dan kaca yang terdaftar di BEI

yaitu sebanyak tujuh perusahaan.

Menurut Sugiyono (2018) sampel adalah bagian dari jumlah

karakteristik yang dimiliki oleh populasi. Sampel dalam penelitian ini

diperoleh dengan teknik pengambilan sampel yaitu purposive sampling.

Teknik purposive sampling yaitu pengambilan sampel dengan adanya maksud

atau tujuan tertentu berdasarkan suatu kriteria. Kriteria dalam penentuan

sampel adalah:

1. Sampel perusahaan yang dipilih adalah perusahaan keramik dan kaca

yang terdaftar di Bursa Efek Indonesia tahun 2014-2018.


46

2. Perusahaan mempublikasikan laporan tahunan (Annual Report) selama

lima tahun berturut-turut mulai tahun 2014 – 2018.

Perusahaan yang menjadi sampel dalam penelitian ini dari kriteria yang

ditentukan yaitu sebanyak lima perusahaan. Jumlah pengamatan yang

dilakukan untuk setiap metode pada penelitian ini yaitu 25 dihitung dari

jumlah perusahaan sebagai sampel yaitu lima perusahaan dikalikan dengan

periode pengamatan selama lima tahun.

G. Variabel Penelitian

Menurut Sugiyono (2018) variabel penelitian adalah suatu atribut atau

sifat atau nilai dari orang, obyek atau kegiatan yang memiliki variasi tertentu

dan ditetapkan oleh peneliti untuk dipelajari, kemudian ditarik

kesimpulannya.

1. Variabel bebas

Variabel bebas pada penelitian ini adalah masing-masng

komponen dari setiap metode yaitu :

a. Variabel X dalam metode Altman Z-Score yang terdiri dari lima yaitu

(X1) Working Capital to Total Asset, (X2) Retained Earnings to Total

Assets, (X3) Earning Before Interest and Tax to Total Assets, (X4)

Marker Value of Equity to Book Value of Total Liabilities, dan (X5)

Sales to Total Assets.

b. Variabel pada metode Springate (S-Score) yang terdiri dari (A)

Working Capital / Total Asset (B) Net Profit before Interest and Taxes


47

/ Total Asset (C) Net Profit before Taxes / Current Liabilities dan (D)

Sales / Total Asset

c. Variabel X pada metode Zmijewski yang terdiri dari (X1) ROA (Return

on Asset), (X2) Leverage (Debt Ratio), dan (X3) Likuidasi (Current

Ratio)

d. Variabel pada metode Grover terdiri dari dari (X1) modal kerja / total

aset, (X2) laba sebelum bunga dan pajak / total aset, dan ROA (laba

bersih / total aset.

e. Variabel pada metode Ohlson (O-Score) terdiri dari (X1) log (total aset

/ indeks tingkat harga GNP), (X2) total hutang / total aset , (X 3) modal

kerja / total aset, (X 4) hutang lancar / aset lancar, (X 5) variabel dummy,

1 jika total hutang > total aktiva, 0 jika total hutang < total aktiva, (X

6) laba bersih / total aset, (X 7) arus kas operasi / total hutang, (X 8)

variabel dummy, 1 jika laba bersih negatif untuk dua tahun terakhir, 0

jika sebaliknya, dan (X 9) (laba bersih tahun t – laba bersih t-1)/ jumlah

nilai absolut laba bersih tahun t + nilai absolut laba bersih tahun t-1

f. Variabel pada metode Kida terdiri dari (X1) ROA (laba bersih / total

aset, (X2) kekayaan bersih / total hutang, (X3) liquidity (aset lancar /

hutang lancar), (X4) penjualan / total, dan (X5) kas/total aset.

2. Variabel terikat

Variabel terikat pada penelitian ini adalah nilai Z, S, X, G, O dan

Z Kida yaitu nilai dari perhitungan formula Altman (Z-Score), Springate

(S-Score), Zmijewski (X-Score), Grover (G-Score), Ohlson (O-Score) dan


48

Kida yang akan dilakukan pada laporan tahunan perusahaan yang

ditetapkan sebagai sampel.

H. Model Penelitian

Prediksi kebangkrutan menggunakan metode prediksi kebangkrutan

dibutuhkan oleh pihak internal perusahaan, investor maupun pihak-pihak yang

berkepentingan lainnya untuk mendeteksi kemungkinan terjadinya

kebangkrutan. Prediksi kebangkrutann secara dini menggunakan keenam

metode ini yaitu metode Altman (Z-Score), metode Springate (S-Score),

metode Zmijewski (X-Score), metode Grover (G-Score), metode Ohlson (O-

Score) dan metode Kida bertujuan membantu manajer perusahaan untuk

mengambil keputusan guna memperbaiki kinerja perusahaan dan investor

maupun pihak lainnya sebagai bahan pertimbangan untuk menanamkan

modalnya pada perusahaan.


49

Penelitian ini menjelaskan keenam metode prediksi kebangkrutan

yaitu metode Altman (Z-Score), metode Springate (S-Score), metode

Zmijewski (X-Score), metode Grover (G-Score), metode Ohlson (O-Score)

dan metode Kida untuk mengetahui hasil perhitungan dan tingkat akurasi

tertinggi pada masing-masing metode untuk mengatahui metode yang tepat

digunakan sebagai alat prediksi kebangkrutan. Berdasarkan hal tersebut,

model penelitian ini dapat digambarkan sebagai berikut:

Gambar 3.1 Model Penelitian

I. Teknik Analisis Data

Teknik analisis data pada penelitian ini menggunakan teknik diskriptif

kuantitaif. Diskriptif kuantitatif yaitu penelitian yang dilakukan dengan cara

Perusahaan Keramik dan Kaca

Metode

Altman

Metode

Springate

Metode

Zmijewski

Hasil masing-

masing score

Tingkat akurasi

tertinggi

Metode

Grover

Metode

Kida

Metode

Ohlson


50

mengumpulkan dan mengklasifikasikan data yang diperoleh berdasarkan

kriteria tertentu kemudian dianalisis atau dinilai untuk menjelaskan suatu

situasi (Prastowo, 2014). Penelitian ini dilakukan dengan mengumpulkan data

berupa laporan tahunan perusahaan kemudian dianalisis menggunakan

metode Altman Z-Score, Springate (S-Score), Zmijewski (X-Score), Grover

(G-Score), Ohlson (O-Score) dan Kida sehingga akan memberikan informasi

kondisi keuangan perusahaan dari tahun 2014-2018.

Langkah-langkah dalam menganalisis data dalam penelitian ini

adalah:

1. Mengumpulkan Data

Pengumpulan data dilakukan dengan mendownload laporan

tahunan PT Asahimas Flat Glass,Tbk, PT Arwana Citramulia, Tbk, PT

Intikeramik Alamasri Industri,Tbk, PT Keramika Indonesia Asosiasi,Tbk,

dan PT Mulia Industrindo, Tbk tahun 2014-2018 melalui www.idx.co.id

dan website masing-masing perusahaan. Data yang digunakan terdiri dari

informasi saham, laporan neraca, laporan laba rugi, dan laporan laba

ditahan / laporan perubahan modal.



51

2. Menghitung rasio keuangan

Menghitung rasio keuangan yang merupakan komponen dari keenam

metode dengan langkah-langkah sebagai berikut:


Rasio keuangan yang digunakan dalam metode Altman Z-Score

terdiri dari lima rasio yaitu :

1) (X1) Working Capital to Total Asset yang diperoleh dari modal

kerja dibagi dengan total aktiva. Modal kerja didapatkan dengan

cara aktiva lancar dikurangi kewajiban lancar.

2) (X2) Retained Earnigs to Total Assets yang diporelah dengan cara

laba ditahan dibagi dengan total aktiva.

3) (X3) Earning Before Interest and Taxe to Total Assets yang

dihitung dengan cara laba sebelum pajak dan bunga dari laporan

laba rugi dibagi dengan total aktiva.

4) (X4) Market Value of Equity to Book Value of Total Liabilities

yang dihitung dengan cara nilai pasar dari ekuitas yang diperoleh

dengan mengalikan jumlah lembar saham yang beredar dengan

harga pasar per lembar saham yang diperoleh dari harga

penutupan (closing price). Nilai buku hutang diperoleh dengan

menjumlahkan kewajiban lancar dengan kewajiban jangka

panjang.

5) (X5) Sales to Total Assets yang diperoleh dengan cara penjualan

dibagi dengan total aktiva.


52


Rasio keuangan yang digunakan dalam metode Springate (S-Score)

terdiri dari empat rasio yaitu:

1) (A) Working Capital / Total Asset

2) (B) Net Profit before Interest and Taxes / Total Asset

3) (C ) Net Profit before Taxes / Current Liabilities

4) (D) Sales / Total Asset


Rasio keuangan yang dugunakan dalam metode Zmijewski (X-Score)

terdiri dari tiga rasio yaitu:

1) (X1) ROA (Return on Asset) yang diperoleh dari hasil perhitungan

earning after tax dibagi total asset.

2) (X2) Leverage (Debt Ratio) yang diperoleh dari hasil perhitungan

total hutang dibagi dengan total aset.

3) (X3) Likuidasi (Current Ratio) yang diperoleh dari current Asset

(aset lancar) dibagi dengan current liabilities (utang lancar)


Rasio keuangan yang digunakan pada metode grover terdiri dari tiga

rasio yaitu:

1) (X1) modal kerja / total aset


53

2) (X2) laba sebelum bunga dan pajak / total aset

3) ROA (laba bersih / total aset).


Rasio kuangan yang digunakan pada metode Ohlson (O-Score)

terdiri dari tujuh rasio dan dua variabel dummy yaitu:

1) (X1) log (total aset / indeks tingkat harga GNP), indeks tingkat

harga GNP diperoleh dengan mengakses ceicdata.com

2) (X2) total hutang / total aset

3) (X 3) modal kerja / total aset

4) (X 4) hutang lancar / aset lancar

5) (X 5) variabel dummy, 1 jika total hutang > total aktiva, 0 jika

total hutang < total aktiva

6) (X 6) laba bersih / total aset

7) (X 7) arus kas operasi / total hutang

8) (X 8) variabel dummy, 1 jika laba bersih negatif untuk dua tahun

terakhir atau dua tahun berturut-turut, 0 jika sebaliknya

9) (X 9) (laba bersih tahun t – laba bersih t-1)/ jumlah nilai absolut

laba bersih tahun t + nilai absolut laba bersih tahun t-1

f. Metode Kida

Rasio keuangan yang digunakan pada metode Kida terdiri dari lima

rasio yaitu:

1) (X1) ROA (laba bersih / total aset


54

2) (X2) kekayaan bersih / total hutang, kekayaan bersih diperoleh

dari total aktiva dikurangi dengan total hutang.

3) (X3) liquidity (aset lancar / hutang lancar)

4) (X4) penjualan / total,

5) (X5) kas/total aset.

3. Menghitung prediksi kebangkrutan

Menghitung prediksi kebangkrutan metode Z-Score, S-Score, X-Score, G-

Score, O-Score dan Z Kida yang merupakan variabel terikat di penelitian

ini dengan masing-masing persamaan sebagai berikut:


Keterangan :

(X1) :Working Capital to Total Asset

(X2) : Retained Earnings to Total Assets

(X3) : Earning Before Interest and Taxe to Total Assets

(X4) : Market Value of Equity to Book Value of Total Liabilities

(X5) : Sales to Total Assets


Keterangan:

A: Working Capital / Total Asset

B: Net Profit before Interest and Taxes / Total Asset

Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5

S = 1,03A + 3,07B + 0,66C + 0,4D


55

C: Net Profit before Taxes / Curretnt Liabilities

D : Sales / Total Asset


Keterangan:

(X1) ROA (Return on Asset)

(X2) Leverage (Debt Ratio)

(X3) Likuidasi (Current Ratio)


Keterangan:

X1 : Working Capital / Total Asset

X2 : Earning Before Interest and Taxes / Total Asset

ROA: Net Income / Total Asset


Keterangan:

X1 (SIZE) : log (Total Aset / Indeks Tingkat Harga GNP)

X2 (TLTA) : Total Hutang / Total Aset

X3 (WCTA) : Modal Kerja / Total Aset

X = - 4,3 – 4,5X1 + 5,7 X2 – 0,004 X3

G = 1,650 X1 + 3,404 X2 – 0,016 ROA + 0,057

O = -1,32 – 0,407X1 + 6,03 X2 – 1,43 X3 + 0,0757X4 – 2,37X5 – 1,83X6 +

0,285X7 – 1,72X8 – 0,521X9


56

X4 (CLCA) : Hutang Lancar / Aset lancar

X5 (OENEG) : Variabel Dummy, 1 jika total hutang > total aktiva, 0

jika total hutang < total aktiva

X6 (NITA) : Laba Bersih / Total Aset

X7 (CFOTL) : Arus Kas Operasi / Total Hutang

X8 (INTWO) : Variabel Dummy, 1 jika laba bersih negatif untuk dua

tahun terakhir, 0 jika sebaliknya

X9 (CHIN) : (laba bersih tahun t – laba bersih t-1)/ jumlah nilai

absolut laba bersih tahun t + nilai absolut laba bersih

tahun t-1

f. Metode Kida

Keterangan:

X1 : ROA (laba bersih / total aset)

X2 : Kekayaan Bersih / Total Hutang

X3 : Liquidity (Aset lancar / Utang lancar)

X4 : Penjualann / Total Aset

X5 : Kas / Total Aset

4. Menentukan hasil prediksi

Menentukan hasil prediksi dilakukan dengan cara menyesuaikan antara

hasil perhitungan prediksi dengan nilai cut-off pada setiap metode

prediksi kebangkrutan terdiri dari:

Z = 1,042 X1 + 0,42 X2 + 0,461 X3 + 0,463X4 + 0,271X5


57

a. Nilai cut-off metode Altman (Z-Score) sebagai berikut:

1) Nilai Z-Score < 1,81 dikategorikan sebagai perusahaan yang

diprediksi bangkrut

2) Nilai 1,81 < Z-Score < 2,99 berada di daerah abu-abu (grey area)

3) Nilai Z-Score > 2,99 dikategorikan sebagai perusahaan yang

diprediksi sehat (tidak bangkrut)

b. Nilai cut-off metode Springate (S-Score) sebagai berikut:

1) Skor S > 0,862 merupakan perusahaan yang tidak berpotensi

bangkrut

2) Skor S < 0,862 diklasifikasikan sebagai perusahaan yang tidak

sehat dan berpotensi bangkrut

c. Nilai cut-off metode Zmijewski (X-Score) sebagai berikut:

1) X > 0 maka perusahaan diprediksi berpotensi mengalami

kebangkrutan.

2) X < 0 maka perusahaan diprediksi tidak berpotensi mengalami

kebangkrutan.

d. Nilai cut-off metode Grover (G-Score) sebagai berikut:

1) G ≤ -0,02 maka perusahaan diprediksi bangkrut

2) G ≥ 0,01 maka perusahaan diprediksi tidak bangkrut

e. Nilai cut-off metode Ohlson (O-Score) sebagai berikut:

1) O < 0,38 maka perusahaan diprediksi non failed (perusahaan

diprediksi tidak bangkrut).

2) O > 0,38 perusahaan diprediksi failed (bangkrut).


58

f. Nilai cut-off metode Kida sebagai berikut :

1) Z > 0,38 maka perusahaan dikatakan memiliki masa depan yang

baik (tidak bangkrut)

2) Z < 0,38 maka perusahaan dikatakan berpotensi tidak dapat

melanjutkakn usahanya (bangkrut)

Penyesuiaan dengan nilai cut-off pada masing-masing metode ini

dilakukan pada hasil perhitungan setiap tahunnya. Hasil prediksi yang

diporoleh pada setiap metode sebanyak 25 hasil prediksi karena terdapat

lima perusahaan dan jumlah periode penelitian lima tahun.

5. Membuat tabel prediksi kebangkrutan

Tabel prediksi kebangkrutan berdasarkan perusahaan digunakan untuk

mengetahui lebih jelas prediksi kebangkrutan menggunakan keenam

metode pada masing-masing perusahaan. Berikut bentuk tabel prediksi

kebangkrutan masing-masing perusahaan:

Tabel 3.1 Prediksi Kebangkrutan Perusahaan

NO Metode Tahun

2014 2015 2016 2017 2018

1 Z-Score XXX XXX XXX XXX XXX

2 S-Score XXX XXX XXX XXX XXX

3 X-score XXX XXX XXX XXX XXX

4 G-score XXX XXX XXX XXX XXX

6 O-Score XXX XXX XXX XXX XXX

5 Kida XXX XXX XXX XXX XXX


59

6. Membuat tabel hasil perhitungan

Membuat tabel hasil perhitungan keenam metode yaitu metode Altman

(Z-Score), metode Springate (S-Score), metode Zmijewski (X-Score),

metode Grover (G-Score), metode Ohlson (O-Score),dan metode Kida.

Bentuk tabel yang digunakan sebagai berikut

7. Pengujian Tingkat Akurasi dan Tingkat Error Dari Hasil Prediksi

a. Tahap pengujian akurasi hasil prediksi dilakukan pada metode

Altman (Z-Score), Springate (S-Score), Zmijewski (X-Score), Grover

(G-Score), Ohlson (O-Score), dan Kida. Pengujian dilakukan pada

seluruh sampel. Tingkat akurasi menunjukkan beberapa persen

metode tersebut dapat memprediksi dengan benar dari keseluruhan

perusahaan yang ada (Setiawati, 2017).

Tabel 3.2 Prediksi Kebangkrutan

Metode

Prediksi Kebangkrutan

Jumlah Bangkrut Grey Area

Tidak

Bangkrut

Altman XXX XXX XXX XXX

Springate XXX - XXX XXX

Zmijewski XXX - XXX XXX

Grover XXX XXX XXX

Ohlson XXX XXX XXX

Kida XXX XXX XXX


60

Tingkat akurasi dapat dihitung dengan rumus:

Jumlah prediksi benar yaitu jumlah sampel perusahaan yang

dinyatakan oleh Bursa Efek Indonesia (BEI) tidak mengalami

kebangkrutan dan dari hasil perhitungan dengan metode Altman (Z-

Score), Springate (S-Score), Zmijewski (X-Score), Grover (G-Score),

Ohlson (O-Score) dan Kida perusahaan diprediksi tidak bangkrut.

Jumlah sampel merupakan jumlah prediksi setiap metode yaitu 25.

b. Tahap pengujian tingkat error pada setiap metode yaitu metode

Altman (Z-Score), Springate (S-Score), Zmijewski (X-Score), Grover

(G-Score), Ohlson (O-Score) dan Kida. Perhitungan tingkat error ini

dengan rumus:

Jumlah prediksi salah yaitu jumlah sampel perusahaan yang

dinyatakan oleh Bursa Efek Indonesia (BEI) tidak mengalami

kebangkrutan namun dari hasil perhitungan dengan metode Altman

(Z-Score), Springate (S-Score), Zmijewski (X-Score), Grover (G-

Score), Ohlson (O-Score) dan Kida perusahaan diprediksi bangkrut.

Jumlah sampel merupakan jumlah hasil prediksi setiap metode yaitu

25

Tingkat Akurasi = Jumlah Prediksi Benar





61

Berikut tabel rekapitulasi dari perhitungan tingkat akurasi dan

tingkat error pada masing-masing metode.

Tabel 3.3 Rekapitulasi Tingkat Akurasi dan Error Metode Altman

Rekapitulasi Prediksi

Total Bangkrut Grey Area Tidak Bangkrut

Riil

Tidak

Bangkrut

Tingkat Akurasi

Tingkat Error

8. Menarik kesimpulan

Kesimpulan penelitian ini dibuat dengan ketentuan:

a. Hasil perhitungan dari keenam metode kebangkrutan yaitu metode

Altman Z-Score, metode Springate (S-Score), metode Zmijewski (X-

Score), metode Grover (G-Score), Ohlson (O-Score) dan metode

Kida. Identifikasi kesimpulan dilakukan dengan cara menunjukkan

metode manakah yang memiliki tingkatan prediksi tidak bangkrut dan

bangkrut tertinggi serta terendah

b. Menarik kesimpulan tentang metode yang memiliki tingkat akurasi

tertinggi dari keenam metode dengan menganalisis hasil perhitungan

tingkat akurasi. Tingkat akurasi dari masing-masing metode yang

menunjukkan nilai tertinggi menjelaskan bahwa metode yang

bersangkutan merupakan metode yang akurat atau tepat dalam

memprediksi kebangkrutan.


62

BAB IV

GAMBARAN UMUM PERUSAHAAN

Perusahaan yang diteliti pada penelitiain ini meliputi perusahaan keramik

dan kaca yang terdaftar di Bursa Efek Indonesia berdasarkan kriteria sampel yang

telah ditentukan terdiri dari lima perusahaan, dengan rician sampel sebagai berikut:

Tabel 4.1 Rincian Sampel Penelitian

NO Kriteria Pelanggaran

Kriteria Jumlah

1. Perusahaan keramik dan kaca yang

terdaftar di Bursa Efek Indonesia 0 7

2.

Perusahaan keramik dan kaca yang

terdaftar di Bursa Efek Indonesia

tahun 2014-2018

2 5

3.

Perusahaan yang mempublikasikan

laporan tahunan (Annual Report)

selama lima tahun berturut-turut mulai

tahun 2014-2018

0 5

Jumlah Sampel 5

Periode Penelitian 5

Total Sampel Selama Periode Penelitian 25

Sumber: Data sekunder diolah, 2020

Berdasarkan tabel 4.1 terdapat tujuh perusahaan yang merupakan populasi

dalam penelitian dan menggunakan teknik purposive sampling dalam menentukan


63

sampel dengan beberapa kriteria didapat lima perusahaan sebagai sampel dalam

penelitian ini.Gambaran umum dari kelima perusahaan tersebut yaitu:

A. PT, Asahimas Flat Glass, Tbk (AMFG)

Asahimas Flat Glass (AMFG) merupakan perusahaan dengan bidang

usaha utamanya yaitu keramik, kaca dan porselin. Asahi Glass Co. Ltd,

produsen kaca terkemuka di dunia didirikan oleh Mr. Iwasaki Toshiya

Pada tanggal 18 Oktober 1995, AMFG memperoleh pernyataan efektif

dari BAPEPAM-LK untuk melakukan Penawaran Umum Saham Perdana

AMFG (IPO) kepada masyarakat sebanyak 86.000.000 saham dengan nilai

nominal Rp500 per saham serta Harga Penawaran Rp2.450,- per saham. Pada

tanggal 18 Desember 2000 saham tersebut telah dicatatkan pada Bursa Efek

Indonesia (d/h Bursa Efek Jakarta dan Surabaya).Asahimas memiliki anak

perusahaan bernama PT Auto Glass Indonesia yang didirikan sejak tahun

2001. Produk yang diproduksi oleh AMFG yaitu kaca lembaran berupa kaca

cermin dan kaca pengaman termasuk kaca otomotif, dipasarkan dengan merek

Sunergy, Lacobel, Miralux dan Dantalux

B. PT. Arwana Citramulia Tbk (ARNA)

PT. Arwana Citramulia Tbk (ARNA) didirikan pada 22 Februari 1993

dan mulai beroperasi secara komersial sejak tanggal 1 Juli 1995. Berdasarkan

Anggaran Dasar Perusahaan, perusahaan ARNA bergerak dalam bidang

industri keramik. Tanggal 28 Juni 2001, ARNA memperoleh Pernyataan

efektif dari BAPEPAM-LK untuk melakukan IPO kepada masyarakat


64

sebanyak 125.000.000 saham dengan nilai nominal Rp100,- per saham dengan

harga penawaran Rp120,- per saham.

ARNA memiliki 4 anak usaha, 3 bergerak di industri keramik, yaitu

PT Arwana Nuansakeramik, PT Sinar Karya Duta Abadi dan PT Arwana

Anugerah serta satu bergerak di bidang pemasaran dan distribusi yaitu PT

Primagraha Keramindo. Merek keramik ARNA adalah Arwana Ceramic

Tiles, UNO dan UNO DIGI.

C. PT Intikeramik Alamasri Industri Tbk (IKAI)

PT Intikeramik Alamasri Industri, Tbk (IKAI), mulai beroperasi secara

komersial pada bulan Mei 1993. Di pasar export, Essenza telah digunakan di

lebih dari 40 negara, dimana sebagian besar membantu mengharumkan nama

Indonesia, karena memakai merk Essenza di negara tujuan export, dan telah

terlibat di beberapa proyek prestisius di level global.

Pada tanggal 17 Mei 1997, IKAI memperoleh pernyataan efektif dari

Bapepam-LK untuk melakukan Penawaran Umum Perdana Saham IKAI

(IPO) kepada masyarakat sebanyak 100.000.000 dengan nilai nominal

Rp500,- per saham dengan harga penawaran Rp750,- per saham. Saham-

saham tersebut dicatatkan pada Bursa Efek Indonesia (BEI) pada tanggal 04

Juni 1997. PT Intikeramik Alamasri Industri, Tbk memiliki anak perusahaan

yaitu PT Internusa Keramik Alamsari, PT Realindo Sapta Optima, PT

Mahkota Artha Mas, PT Mahkota Properti Indo Medan, PT Hotel Properti

International, dan PT Saka Mitra Sejati.


65

D. PT. Keramika Indonesia Assosiasi Tbk (KIA)

Keramika Indonesia Assosiasi Tbk (KIA) didirikan tanggal 28

November 1968 dan memulai kegiatan usaha komersialnya pada tanggal

1968. PT. Keramika Indonesia Assosiasi Tbk (KIA) bergerak di bidang

pembuatan dan distribusi produk keramik. Produk perusahaan dengan merek

dagang KIA, Impresso, dan Spectra. Produk perusahaan dipasarkan secara

lokal dan diekspor ke beberapa negara di Asia, Eropa dan Amerika Serikat.

PT. Keramika Indonesia Assosiasi Tbk pertama kali menjual sahamnya

kepada publik pada 8 Desember 1994 dengan penawaran saham sebanyak

25.000.000. PT. Keramika Indonesia Assosiasi Tbk memiliki anak perusahaan

yaitu PT KIA Keramik Mas dan PT KIA Serpih Mas

E. PT Mulia Industrindo, Tbk (MLIA)

PT Mulia Industrindo, Tbk. didirikan pada tanggal 5 November 1986

perusahaan utamanya bergerak dalam produksi dan distribusi kaca polos,

kontainer kaca, blok kaca, dan kaca pengaman otomotif. Perusahaan juga

bergerak dalam produksi dan distribusi ubin keramik dinding dan ubin

keramik lantai. Perseroan terdaftar dalam Bursa efek Jakarta pada tanggal 17

Januari 1994. PT Mulia Industrindo, Tbk pada awalnya memiliki 2 entitas

anak, PT Muliaglass dan PT Muliakeramik Indahraya. MLIA memiliki satu

entitas anak, yaitu PT Muliaglass. PT Muliaglass bergerak di industri kaca

berupa kaca lembaran, glass block, kemasan kaca, dan kaca pengaman


66

otomotif sebagai hasil produksinya. Perusahaan juga bergerak dalam produksi

dan distribusi ubin keramik dinding dan ubin keramik lantai.


67

BAB V

ANALISIS DATA DAN PEMBAHASAN

A. Deskripsi Data

Data yang digunakan dalam penelitian ini merupakan data sekunder

berupa laporan tahunan perusahaan keramik dan kaca yang terdaftar di

Bursa Efek Indonesia tahun 2014-2018 dan data GNP dari tahun 2014-2018.

Data diperoleh dari Bursa Efek Indonesia (BEI) melalui situs

www.idx.co.id, website masing-masing perusahaan, dan

www.ceicdata.com. Terdapat lima perusahaan yang menjadi sampel

penelitian dari jumlah populasi sebanyak tujuh perusahaan yang sesuai

dengan kriteria. Data-data dalam laporan keuangan yang digunakan terdiri

dari kas, total aktiva lancar, total aktiva, total hutang lancar, total hutang,

penjualan, laba sebelum pajak, laba setelah pajak, laba ditahan, harga pasar

saham, dan jumlah lembar saham yang beredar. Data – data tersebut

diperoleh dari laporan posisi keuangan, laporan laba-rugi, laporan laba

ditahan dan laporan informasi saham. Data GNP diperoleh dari

ceicdata.com yang kemudian dikonversikan dalam satuan rupiah pada

website BI.

B. Analisis Data

Terdapat dua variabel dalam penelitian ini, yaitu variabel

independen dan dependen. Variabel independen dalam penelitian ini yaitu



68

masing-masing komponen dari metode Z-Score, S-Score, X-Score, Grover

(G-Score), Ohlson (O-Score) dan Kida sedangkan variabel dependen pada

penelitian ini adalah nilai dari Z-Score, S-Score, X-Score, G-Score, O-Score

dan Z Kida dengan rumus pada masing-masing metodenya. Analisis data

dilakukan dengan beberapa langkah yang sudah di tentukan sbelumnya

yaitu:

1. Mengumpulkan data

Data didapatkan dari laporan tahunan setiap perusahaan yang

dipublikasikan di BEI dan website masing-masing perusahaan. Data yang

digunakan yaitu kas, total aktiva lancar, total aktiva, total hutang lancar, dan

total hutang yang diperoleh dari laporan posisi keuangan. Data penjualan,

laba sebelum bunga dan pajak serta laba setelah pajak diperoleh dari laporan

laba rugi, data laba ditahan diperoleh dari laporan perubahan ekuitas,

sedangkan harga pasar saham yang merupakan harga penutupan dan jumlah

lembar saham yang beredar diperoleh dari bagian informasi saham pada

laporan tahunan. Data GNP diperoleh dari ceicdata.com yang kemudian

dikonversikan dalam satuan rupiah pada website BI.

2. Menghitung rasio keuangan yang merupakan komponen dari keenam

metode

a. Rasio Komponen Metode Altman Z-Score

1) Rasio working capital to total asset


69

Working capital atau rasio modal kerja diperoleh dari

pengurangan antara aktiva lancar dengan kewajiban lancar.

Rasio ini menggambarkan seberapa kemampuan dari aset yang

dimiliki untuk menghasilkan modal kerja. Berikut hasil

perhitungan rasio working capital to total asset pada perusahaan

keramik dan kaca yang terdaftar di BEI

2) Rasio retained earning to total asset

Rasio retained earning to total asset yang diporelah dengan cara

laba ditahan dibagi dengan total aktiva.Berikut hasil perhitungan

dari rasio retained earning to total asset perusahaan keramik dan

kaca yang terdaftar di BEI

Tabel 5.1 Rasio Working Capital To Total Asset (X1)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,473 0,410 0,164 0,161 0,144

2 ARNA 0,152 0,007 0,108 0,178 0,225

3 IKAI -0,065 -0,087 -0,577 -0,056 -0,110

4 KIA 0,307 0,223 0,190 0,202 0,229

5 MLIA 0,023 -0,032 -0,034 -0,036 -0,057

Sumber : data sekunder diolah peneliti, 2020

Tabel 5.2 Rasio Retained Earning To Total Asset (X2)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,689 0,704 0,584 0,505 0,381

2 ARNA 0,639 0,552 0,545 0,575 0,599

3 IKAI -0,421 -0,842 -1,613 0 0

4 KIA 0,056 0,058 -0,191 -0,251 -0,300

5 MLIA -0,436 -0,462 -0,424 -0,303 -0,262



70

3) Rasio Earning Before Interest and Tax to Total Asset

Rasio earning before interest and tax to total asset merupakan

rasio yang menggambarkan kemampuan perusahaan mengelola

sumber daya secara efektif serta mengukur apakah aset-aset

perusahaan digunakan secara rasional untuk menghasilkan laba

dari kegiatan operasionalnya. Rasio ini dihitung dengan cara

laba sebelum pajak dan bunga dari laporan laba rugi dibagi

dengan total aktiva. Berikut hasil perhitungan earning before

interest and tax to total asset pada perusahaan keramik dan kaca

yang terdaftar di BEI

4) Market Value of Equity to Book Value of Debt

Nilai pasar dari ekuitas diperoleh dengan mengalikan

jumlah lembar saham yang beredar dengan harga pasar per lembar

saham yang diperoleh dari harga penutupan (closing price). Nilai

buku hutang diperoleh dengan menjumlahkan kewajiban lancar

dengan kewajiban jangka panjang.

Tabel 5.3 Earning Before Interest and Tax to Total Asset(X3)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,143 0,100 0,064 0,015 0,021

2 ARNA 0,279 0,072 0,093 0,117 0,134

3 IKAI -0,007 -0,058 -0,190 -0,236 -0,024

4 KIA 0,031 -0,093 -0,091 -0,054 -0,552

5 MLIA 0,010 0,025 0,075 0,056 0,082



71

Berikut hasil perhitungan market value of equity to book

value of debt.

5) Sales to Total Asset

Sales to total asset atau penjualan terhadap total aset

menggambarkan tingkat efisiensi penggunaan aktiva yang dimiliki

perusahaan dalam menghasilkan volume penjualan. Berikut ini hasil

perhitungan sales to total asset perusahaan keramik dan kaca yang

terdaftar di BEI.

Tabel 5.4 Market Value Of Equity To Book Value Of Debt ,X4

(%)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 3,821 3,357 1,549 1,013 0,419

2 ARNA 20,032 7,827 7,170 5,519 4,744

3 IKAI 0,256 0,256 0,220 0,174 16,087

4 KIA 8,750 4,879 3,462 4,051 0,427

5 MLIA 0,120 0,142 0,123 0,238 0,385


Tabel 5.5 Rasio Sales To Total Asset (X5)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,931 0,858 0.677 0.620 0.527

2 ARNA 1,278 0,903 0.980 1.082 1.132

3 IKAI 0,506 0,362 0.316 0.061 0.008

4 KIA 0,396 0,384 0.464 0.458 0.514

5 MLIA 0,780 0,802 0.750 1.210 1.060



72

b. Komponen Rasio Metode Springate (S-Score)




Berikut hasil perhitungan rasio working capital to total asset

pada perusahaan keramik dan kaca yang terdaftar di BEI

2) Rasio Net Profit Before Interest and Tax to Total Asset

Rasio earning before interest and tax to total dihitung dengan

cara laba sebelum pajak dan bunga dari laporan laba rugi dibagi

dengan total aktiva. Berikut hasil perhitungan earning before

interest and tax to total asset pada perusahaan keramik dan kaca


Tabel 5.6 Rasio Working Capital To Total Asset (A)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,473 0,410 0,164 0,161 0,144

2 ARNA 0,152 0,007 0,108 0,178 0,225

3 IKAI -0,065 -0,087 -0,577 -0,056 -0,110

4 KIA 0,307 0,223 0,190 0,202 0,229

5 MLIA 0,023 -0,032 -0,034 -0,036 -0,057


Tabel 5.7 Net Profit Before Interest and Tax to Total Asset (B)

No Kode Emiten Tahun

2014 2015 2016 2017 2018

1 AMFG 0,143 0,100 0,064 0,015 0,021

2 ARNA 0,279 0,072 0,093 0,117 0,134

3 IKAI -0,007 -0,058 -0,190 -0,236 -0,024

4 KIA 0,031 -0,093 -0,091 -0,054 -0,552

5 MLIA 0,010 0,025 0,075 0,056 0,082



73

3) Net Profit Before Tax to Current Liabilities

Rasio net profit before tax to current liabilities atau laba sebelum

pajak terhadap kewajiban lancar digunakan untuk mengukur

profitabilitas perusahaan semakin tinggi nilai rasio maka

semakin besar kemungkinan laba sebelum pajak yang dimiliki

mampu menutupi hutang lancar. Berikut hasil perhitungan dari

rasio Net Profit before tax to current liabilities perusahaan

keramik dan kaca yang terdaftar di BEI.

4) Sales to Total Asset

Sales to total asset atau penjualan terhadap total aset

menggambarkan tingkat efisiensi penggunaan aktiva yang

dimiliki perusahaan dalam menghasilkan volume penjualan.

Tabel 5.8 Rasio Net Profit before tax to current liabilities (C )

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 1,520 0,968 0,394 0,064 0,006

2 ARNA 1,105 0,191 0,260 0,365 0,444

3 IKAI -0,129 -0,616 -0,762 -0,266 0,356

4 KIA 0,684 -0,878 -1,000 -0,558 -0,494

5 MLIA 0.116 -0.108 -0.005 0.035 0.215



74

Berikut ini hasil perhitungan sales to total asset perusahaan


c. Rasio Komponen Metode Zmijewski (X-Score)

1) Return On Asset

Return on asset atau laba atas aset digunakan untuk mengukur

tingkat laba terhadap aset yang digunakan dalam menghasilkan

laba. Rasio ini dihitung dengan laba bersih dibagi dengan total

aset. Berikut hasil perhitungan dari ROA perusahaan keramik

dan kaca yang terdaftar di BEI.

2) Debt Ratio

Debt ratio merupakan rasio yang digunakan untuk mengukur

kemampuan perusahaan dalam menjamin utang-utangnya

dengan aktiva yang dimiliki. Rasio ini dihitung dengan total

hutang dibagi dengan total aset. Berikut hasil perhitungan Debt

Tabel 5.9 Rasio Sales To Total Asset (D)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,931 0,858 0,677 0,620 0,527

2 ARNA 1,278 0,903 0,980 1,082 1,132

3 IKAI 0,506 0,362 0,316 0,061 0,008

4 KIA 0,396 0,384 0,464 0,458 0,514

5 MLIA 0,780 0,802 0,750 1,210 1,060


Tabel 5.10 Rasio ROA (X1)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,118 0,080 0,047 0,006 0,001

2 ARNA 0,208 0,050 0,059 0,076 0,096

3 IKAI -0,007 -0,279 -0,549 -0,246 0,053

4 KIA 0,035 -0,069 -0,136 -0,048 -0,046

5 MLIA 0,018 -0,022 0,001 0,009 0,036



75

ratio pada perusahaan keramik dan kaca yang terdaftar di BEI.

3) Current Ratio

Current ratio atau rasio lancar digunakan untuk mengetahui

kemampuan perusahaan dalam memenuhi kewajiban jangka

pendek dengan aktiva lancarnya. Rasio ini dihitung dengan aset

lancar dibagi dengan hutang lancar.Berikut hasil perhitungan

current ratio perusahaan perusahaan keramik dan kaca yang

terdaftar di BEI

d. Komponen Rasio Metode Grover (G-Score)




Tabel 5.11 Debt Ratio,X2 (%)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,214 0,206 0,346 0,434 0,573

2 ARNA 0,278 0,375 0,386 0,357 0,337

3 IKAI 0,655 0,823 1,234 1,529 0,406

4 KIA 0,110 0,152 0,183 0,193 2,051

5 MLIA 0,840 0,844 0,791 0,662 0,574


Tabel 5.12 Current Ratio (X3)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 5,684 4,654 2,020 2,010 1,270

2 ARNA 1,608 1,021 1,349 1,626 1,736

3 IKAI 0,836 0,808 0,201 0,034 0,469

4 KIA 5,617 3,242 3,133 3,107 2,914

5 MLIA 1,114 0,871 0,859 0,870 0,935



76

Berikut hasil perhitungan rasio working capital to total asset

pada perusahaan keramik dan kaca yang terdaftar di BEI

2) Rasio Earning Before Interest and Tax / Total Asset (X2)

Rasio ini digunakan untuk mengukur sebarapa besar

produktivitas penggunaan dana yang dipinjam (Peter dan

Yoseph, 2011). Berikut perhitungan rasio earning before

interest and taxes / total asset

3) Rasio Return On Asset (ROA)

Rasio Return On Asset (ROA) dihitung dengan net income / total

asset. . Rasio ROA digunakan untuk mengukur profitabilitas

perusahaan. Net income diperoleh dari laporan laba rugi

Tabel 5.13 Rasio Working Capital To Total Asset (X1)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,473 0,410 0,164 0,161 0,144

2 ARNA 0,152 0,007 0,108 0,178 0,225

3 IKAI -0,065 -0,087 -0,577 -0,056 -0,110

4 KIA 0,307 0,223 0,190 0,202 0,229

5 MLIA 0,023 -0,032 -0,034 -0,036 -0,057


Tabel 5.14 Earning Before Interest and Tax to Total Asset

(X2)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,143 0,100 0,064 0,015 0,021

2 ARNA 0,279 0,072 0,093 0,117 0,134

3 IKAI -0,007 -0,058 -0,190 -0,236 -0,024

4 KIA 0,031 -0,093 -0,091 -0,054 -0,552

5 MLIA 0,010 0,025 0,075 0,056 0,082



77

sedangkan total asset diperoleh dari neraca. Berikut hasil

perhitungan ROA pada perusahaan keramik dan kaca yang

terdaftar di BEI.

e. Rasio Komponen Metode Ohlson (O-Score)

1) Rasio SIZE (X1)

Rasio SIZE digunakan untuk mengukur ukuran perusahaan.

Rasio ini lebih fokus pada kondisi eksternal perusahaan, seperti

kondisi ekonomi makro yaitu GNP dihitung dengan Log (total

aser/ GNP). Rasio SIZE memiliki koefisien negatif sehingga

yang mengakibatkan nilai O semakin kecil. Berikut hasil

perhitungan SIZE pada perusahaan keramik dan kaca:

Tabel 5.16 Rasio Size (X1)

No

Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 1,568 1,550 1,771 1,881 2,395

2 ARNA 0,501 0,519 0,497 0,481 0,469

3 IKAI 0,206 0,142 0,085 0,066 0,380

4 KIA 0,901 0,756 0,598 0,531 0,484

5 MLIA 2,869 2,586 2,485 1,557 1,495


Tabel 5.15 Rasio Return On Asset (ROA)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,118 0,080 0,047 0,006 0,001

2 ARNA 0,208 0,050 0,059 0,076 0,096

3 IKAI -0,007 -0,279 -0,549 -0,246 0,053

4 KIA 0,035 -0,069 -0,136 -0,048 -0,046

5 MLIA 0,018 -0,022 0,001 0,009 0,036



78

2) Rasio TLTA (X2)

Rasio TLTA (total hutang/total aset) merupakan rasio yang

digunakan untuk mengetahui kemampuan perusahaan dalam

memenuhi kewajiban keuangan. Rasio ini juga dapat digunakan

untuk menilai seberapa besar aktiva didanai dengan hutang.

Rasio. Berikut hasil perhitungan rasio TLTA pada perusahaan

keramik dan kaca yang terdaftar di BEI:

3) Rasio WCTA (X3)

Rasi WCTA atau Working Capital To Total Asset merupakan

rasio yang digunakan untuk mengukur kemampuan perusahaan

dalam memenuhi hutang jangka pendeknya. Rasio ini memiliki

koefisien negatif sehingga memperkecil nilai O.

Tabel 5.17 TLTA (X2) Total Hutang / Total Aset

No

Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,214 0,206 0,346 0,434 0,573

2 ARNA 0,278 0,375 0,386 0,357 0,337

3 IKAI 0,655 0,823 1,234 1,529 0,406

4 KIA 0,110 0,152 0,183 0,193 2,051

5 MLIA 0,840 0,844 0,791 0,662 0,574



79

Berikut hasil perhitugan rasio WCTA pada perusahaan keramik

dan kaca yang terdaftar di BEI:

Tabel 5.18 WCTA (X3)

No

Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,473 0,410 0,164 0,161 0,144

2 ARNA 0,152 0,007 0,108 0,178 0,225

3 IKAI -0,065 -0,087 -0,577 -1,056 -0,110

4 KIA 0,307 0,223 0,190 0,202 0,229

5 MLIA 0,023 -0,032 -0,034 -0,036 -0,057


4) Rasio CLCA (X4)

Rasio CLCA merupakan rasio yang menggambarkan

kemampuan perusahaan dalam membayar hutang lancar dengan

aktiva lancar perusahaan. Rasio ini dihitung dengan hutang

lancar / aset lancar. Berikut hasil perhitungan rasio CLCA pada

perusahaan keramik dan kaca yang terdaftar di BEI:

Tabel 5.19 CLCA (X4)

No

Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0.176 0.215 0.495 0.498 0.451

2 ARNA 0.622 0.980 0.741 0.615 0.550

3 IKAI 1.196 1.237 4.973 29.669 2.599

4 KIA 0.178 0.308 0.319 0.322 0.303

5 MLIA 0.898 1.149 1.163 1.150 1.259


5) OENEG (X5)

OENEG merupakan indikator yang digunakan untuk mengukur

tingkat likuiditas perusahaan. indikator ini dinilai dengan skala


80

1 jika total hutang > total aset dan 0 jika total hutang < total

aktiva. Berikut hasil perhitungan OENEG padaperusahaan


6) Rasio NITA (X6)

Rasio NITA digunakan untuk mengukur kemampuan

perusahaan dalam menghasilkan laba bersih dari total aktivanya.

Rasio NITA dihitung dengan laba bersih / total aset, berikut hasil

perhitungannya pada perusahaan keramik dan kaca yang

terdaftar di BEI:

Tabel 5.20 OENEG (X5)

No

Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0 0 0 0 0

2 ARNA 0 0 0 0 0

3 IKAI 0 0 0 0 1

4 KIA 0 0 0 0 1

5 MLIA 0 0 0 0 0


Tabel 5.21 NITA (X6)

No

Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,118 0,080 0,061 0,006 0,001

2 ARNA 0,208 0,050 0,064 0,076 0,099

3 IKAI -0,007 -0,279 -0,373 -0,246 0,325

4 KIA 0,037 -0,069 -0,121 -0,048 -0,045

5 MLIA 0,018 -0,022 0,001 0,009 0,036



81

7) Rasio CFOTL (X7)

Rasio CFOTL merupakan rasio solvabilitas yang digunakan

untuk mengukur dana yang tersedia dari kegiatan operasi yang

dibiayai dengan hutang. Rasio ini dihitung dengan arus kas

operasi yang diperoleh dari laporan arus kas dibagi dengan total

hutang. Berikut hasil perhitungan rasio CFOTL pada perusahaan


8) INTWO (X8)

INTWO merupakan indikator yang digunakan untuk mengetahui

kondisi laba perusahaan dalam dua tahun terakhir. Indikator ini

dinilai dengan skala 1 jika laba bersih perusahaan negatih selama

dua tahun berturut-turut dan 0 jika sebaliknya.

Tabel 5.22 CFOTL (X7)

No

Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,090 0,059 0,053 0,048 0,035

2 ARNA 0,149 0,070 0,060 0,153 0,223

3 IKAI 0,072 0,075 0,058 0,101 0,317

4 KIA 0,029 -0,032 0,014 0,010 0,011

5 MLIA 0,089 0,071 0,045 0,047 0,044



82

Berikut hasil perhitungan INTWO pada perusahaan keramik dan

kaca yang terdaftar di BEI:

Tabel 5.23 INTWO (X8)

No

Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0 0 0 0 0

2 ARNA 0 0 0 0 0

3 IKAI 1 1 1 1 0

4 KIA 0 0 1 1 1

5 MLIA 0 0 0 0 0


9) Rasio CHIN (X9)

Rasio CHIN menunjukan perubahan laba bersih perusahaan

pada tahun berjalan dan laba bersih tahun sebelumnya. Berikut

hasil perhitungan rasio CHIN pada perusahaan keramik dan kaca

yang terdaftar di BEI:

Tabel 5.24 CHIN (X9)

No

Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,157 -0,152 -0,134 -0,742 -0,708

2 ARNA 0,048 -0,572 0,124 0,144 0,128

3 IKAI -0,514 0,931 0,143 -0,458 7,249

4 KIA 0,028 3,451 0,272 -0,495 -0,037

5 MLIA -1,757 11,083 -1,123 0,680 0,598



83

f. Rasio Komponen Metode Kida

1) Rasio ROA (X1)

Rasio Return On Asset (ROA) dihitung dengan net income /

total asset. Berikut hasil perhitungan ROA pada perusahaan


2) Rasio Kekayaan Bersih / Total Hutang (X2)

Nilai dari kekayaan bersih diperoleh dari total aktiva dikurangi

dengan total kewajiban. Total hutang merupakan semua

kewajiban keuangan suatu perusahaan kepada pihak lain yang

belum terpenuhi. Berikut hasil perhitungan dari rasio (X2) pada

perusahaan keramik dan kaca yang terdaftar di BEI

Tabel 5.25 Rasio ROA (X1)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,118 0,080 0,047 0,006 0,001

2 ARNA 0,208 0,050 0,059 0,076 0,096

3 IKAI -0,007 -0,279 -0,549 -0,246 0,053

4 KIA 0,035 -0,069 -0,136 -0,048 -0,046

5 MLIA 0,018 -0,022 0,001 0,009 0,036


Tabel 5.26 Rasio Kekayaan Bersih / Total Hutang (X2)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 3,672 3,852 4,394 2,640 0,744

2 ARNA 2,600 1,669 12,023 12,711 0,488

3 IKAI 0,526 0,215 0,955 1,294 -0,830

4 KIA 7,513 5,563 9,701 9,329 -0,840

5 MLIA 0,191 0,186 0,813 1,616 -0,619



84

3) Rasio Aset Lancar / Utang Lancar (X3)

Rasio aset lancar / utang lancar merupakan rasio yang digunakan

untuk megukur likuiditas perusahaan. Rasio ini difokuskan

dalam jangka pendek. Berikut hasil perhitungan dari rasio aset

lancar / hutang lancar pada perusahaan keramik dan kaca yang

terdaftar di BEI

4) Rasio Penjualan / Total Aset (X4)

Nilai penjualan diperoleh dari laporan laba rugi dan nilai total

aset diperoleh dari neraca. Berikut hasil perhitungan dari rasio

penjualan/total aset pada perusahaan keramik dan kaca yang

terdaftar di BEI

Tabel 5.27 Rasio Aset Lancar / Hutang Lancar (X3)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 5,684 4,654 2,020 2,010 1,270

2 ARNA 1,608 1,021 1,349 1,626 1,736

3 IKAI 0,836 0,808 0,201 0,034 0,469

4 KIA 5,617 3,242 3,133 3,107 2,914

5 MLIA 1,114 0,871 0,859 0,870 0,935


Tabel 5.28 Rasio Penjualan/Total Aset (X4)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,931 0,858 0,677 0,620 0,527

2 ARNA 1,278 0,903 0,980 1,082 1,132

3 IKAI 0,506 0,362 0,316 0,061 0,008

4 KIA 0,396 0,384 0,464 0,458 0,514

5 MLIA 0,780 0,802 0,750 1,210 1,060



85

5) Rasio Kas/Total Aset (X5)

Kas merupakan harta paling liquid yang digunakan sebagai

media pertukaran buku serta dasar untuk pengukuran dan

akuntansi semua pos lainnya. Berikut hasil perhitungan dari

rasio penjualan/total aset pada perusahaan keramik dan kaca


3. Menghitung prediksi kebangkrutan metode Z-Score, S-Score, X-Score,

G-Score, O-score dan Z Kida

Perhitungan prediksi kebangkrutan pada kelima metode dilakukan

pertahun selama periode penelitian yaitu 2014-2018. Rasio yang

menjadi komponen dalam setiap metode dihitung berdasarkan masing-

masing persamaan.

Tabel 5.29 Rasio Kas/Total Aset (X5)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 0,281 0,218 0,058 0,055 0,035

2 ARNA 0,037 0,004 0,002 0,037 0,117

3 IKAI 0,002 0,001 0,001 0,001 0,057

4 KIA 0,097 0,026 0,018 0,005 0,004

5 MLIA 0,015 0,007 0,007 0,021 0,011



86


Berikut hasil perhitungan metode Altman Z-Score perusahaan

keramik dan kaca yang terdaftar di BEI dengan persamaan

Tabel 5.30 Hasil Perhitungan Metode Altman Z-Score

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 5,226 4,682 2,831 2,177 1,553

2 ARNA 15,296 6,617 6,480 5,798 5,532

3 IKAI -0,034 -0,958 -3,129 -1,880 9,450

4 KIA 6,196 3,353 2,202 2,602 -1,196

5 MLIA 0,301 0,285 0,437 1,070 1,126



Berikut hasil perhitungan metode Springate (S-Score) perusahaan

keramik dan kaca yang terdaftar di BEI pada tabel 5.22 dengan

persamaan

ZAMFG= 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5

=1,2(0,473)+1,4(0,689)+3,3(0,143)+0,6(3,821)+1,0(0,931)

= 5,226

SAMFG= 1,03A + 3,07B + 0,66C + 0,4D

= 1,03(0,473)+3,07(0,143)+0,66(1,520)+0,4(0,931)

=2,300


87


Berikut hasil perhitungan metode Zmijewski (X-Score) perusahaan


persamaan

Tabel 5.32 Hasil Perhitungan Metode Zmijewski (X-Score)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG -3,632 -3,504 -2,548 -1,863 -1,040

2 ARNA -3,658 -2,393 -2,374 -2,614 -2,819

3 IKAI -0,534 1,644 5,203 5,524 -2,227

4 KIA -3,853 -3,132 -2,661 -2,996 7,588

5 MLIA 0,400 0,603 0,201 -0,573 -1,193


Tabel 5.31 Hasil Perhitungan Metode Springate (S-Score)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 2,300 1,713 0,895 0,501 0,427

2 ARNA 2,255 0,715 0,959 1,215 1,391

3 IKAI 0,027 -0,528 -1,554 -1,963 0,052

4 KIA 1,022 -0,482 -0,557 -0,142 -1,579

5 MLIA 0,442 0,293 0,493 0,641 0,760


XAMFG= - 4,3 – 4,5X1 + 5,7 X2 – 0,004 X3

= - 4,3– 4,5(0,118)+5,7(0,214) – 0,004 (5,684)

= -3,632


88


Berikut hasil perhitungan metode Grover (G-Score) perusahaan


persamaan

Tabel 5.33 Hasil Perhitungan Metode Grover (G-Score)

NO Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 1,321 1,074 0,544 0,373 0,365

2 ARNA 1,256 0,312 0,549 0,746 0,885

3 IKAI -0,076 -0,279 -1,533 -2,484 -0,207

4 KIA 0,670 0,109 0,064 0,208 -1,443

5 MLIA 0,128 0,090 0,257 0,187 0,243


G = 1,650 X1 + 3,404 X2 – 0,016 ROA + 0,057

= 1,650 (0,473) + 3,404 (0,143) – 0,016 (0,118) + 0,057

= 1, 321


89

e. Metode Ohlson

Berikut hasil perhitungan metode Ohlson (O-Score) perusahaan

keraik dan kaca yang terdaftar di BEI tahun 2014-2018 pada tabel

5.34 dengan persamaan

Tabel 5.34 Hasil Perhitugan Metode Ohlson (O-Score)

No

Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG -1,601 -1,329 -0,177 0,727 1,369

2 ARNA -0,382 1,019 0,541 0,259 0,054

3 IKAI 1,315 2,130 6,192 10,628 -5,323

4 KIA -1,524 -2,685 -2,346 -2,009 6,560

5 MLIA 3,518 -2,868 3,171 1,818 1,344


f. Metode Kida

Berikut hasil perhitungan metode Kida perusahaan keramik dan

kaca yang terdaftar di BEI pada tabel 5.35 dengan persamaan

Tabel 5.35 Hasil Perhitungan Metode Kida

NO Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG 4,792 4,304 3,155 2,344 1,152

2 ARNA 2,651 1,642 6,187 6,679 1,661

3 IKAI 0,833 0,340 0,068 0,331 -0,058

4 KIA 5,992 3,944 5,597 5,514 1,182

5 MLIA 0,977 0,830 1,088 1,655 0,702


ZAMFG= 1,042(0,118)+0,42(3,672)+0,461(5,684) +0,463(0,931)

+0,271(0,281)

= 4,792

OAMFG = -1,32 – 0,407(1,568) + 6,03(0,214) – 1,43(0,473)+ 0,0757(0,176)

– 2,37(0) – 1,83(0,118) + 0,285(0,090) – 1,72(0) – 0,521(0,157)

= -1,601


90

4. Menentukan prediksi

Penentuan prediksi dilakukan dengan cara menyesuaikan antara

hasil perhitungan prediksi dengan nilai cut-off pada setiap metode

prediksi kebangkrutan. Penentuan prediksi dilakukan pertahun sehingga

masing-masing metode terdapat 25 prediksi. Prediksi pada keenam

metode sebagai berikut:

a. Metode Altman (Z-Score)

Prediksi kebangkrutan metode Altman (Z-Score) terdapat pada tabel

5.26. Prediksi pada metode Altman (Z-Score) berdasarkan pada nilai

Z , jika nilai Z < 1,81 diprediksi bangkrut, 1,81 < Z < 2,99 berada di

daerah abu-abu (grey area), dan nilai Z > 2,99 diprediksi tidak

bangkrut. Berikut tabel prediksi kebangkrutan menggunakan metode

Altman (Z-Score)

Tabel 5.36 Prediksi Kebangkrutan Metode Altman (Z-Score)

NO Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG Tidak

Bangkrut

Tidak

Bangkrut

Grey

Area

Grey

Area Bangkrut

2 ARNA Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

3 IKAI Bangkrut Bangkrut Bangkrut Bangkrut Tidak

Bangkrut

4 KIA Tidak

Bangkrut

Tidak

Bangkrut

Grey

Area

Grey

Area Bangkrut

5 MLIA Bangkrut Bangkrut Bangkrut Bangkrut Bangkrut



91


Prediksi kebangkrutan metode Springate (S-Score) terdapat pada

tabel 5.27. Prediksi pada metode Springate (S-Score) berdasarkan

pada nilai S , jika nilai S > 0,862 diprediksi tidak berpotensi bangkrut

dan jika S < 0,862 perusahaan diprediksi berpotensi bangkrut.

Berikut tabel prediksi kebangkrutan menggunakan metode Springate

(S-Score).


Prediksi kebangkrutan metode Zmijewski (X-Score) terdapat pada

tabel 5.28. Prediksi pada metode Zmijewski (X-Score), jika nilai X

> 0 perusahaan diprediksi bangkrut dan jika X < 0 perusahaan

diprediksi tidak kebangkrutan.

Tabel 5.37 Prediksi Kebangkrutan Metode Springate (S-Score)

NO Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut Bangkrut Bangkrut

2 ARNA Tidak

Bangkrut Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

3 IKAI Bangkrut Bangkrut Bangkrut Bangkrut Bangkrut

4 KIA Tidak

Bangkrut Bangkrut Bangkrut Bangkrut Bangkrut

5 MLIA Bangkrut Bangkrut Bangkrut Bangkrut Bangkrut



92

Berikut tabel prediksi kebangkrutan menggunakan metode

Zmijewski (X-Score).


Prediksi kebangkrutan metode Grover (G-Score) terdapat pada tabel

5.29. Prediksi pada metode Grover (G-Score) berdasarkan pada nilai

G, jika nilai G ≤ -0,02 maka perusahaan diprediksi berpotensi

bangkrut dan jika G ≥ 0,01 maka perusahaan diprediksi tidak

berpotensi mengalami kebangkrutan.

Tabel 5.38 Prediksi Kebangkrutan Metode Zmijewski (X-Score)

NO Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

2 ARNA Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

3 IKAI Tidak

Bangkrut Bangkrut Bangkrut Bangkrut

Tidak

Bangkrut

4 KIA Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut Bangkrut

5 MLIA Bangkrut Bangkrut Bangkrut Tidak

Bangkrut

Tidak

Bangkrut



93

Berikut tabel prediksi menggunakan metode Grover (G-Score)


Prediksi kebangkrutan metode Ohlson (O-Score) terdapat pada tabel

5.40. Prediksi pada metode kida berdasarkan pada nila O, jika nilai O

< 0,38 perusahaan diprediksi tidak bangkrut dan jika O > 0,38

perusahaan diprediksi bangkrut.

Tabel 5.39 Prediksi Kebangkrutan Metode Grover (G-Score)

NO Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

2 ARNA Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

3 IKAI Bangkrut Bangkrut Bangkrut Bangkrut Bangkrut

4 KIA Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut Bangkrut

5 MLIA Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut



94

Berikut tabel prediksi menggunakan metode Ohlson (O-Score):

Tabel 5.40 Hasil Perhitugan Metode Ohlson (O-Score)

No Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG Tidak

Bangkrut

Tidak

Bangkrut

Tidak


2 ARNA Tidak


Tidak

Bangkrut

Tidak

Bangkrut

3 IKAI Bangkrut Bangkrut Bangkrut Bangkrut Tidak

Bangkrut

4 KIA Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut Bangkrut

5 MLIA Bangkrut Tidak



f. Metode Kida

Prediksi kebangkrutan metode Kida terdapat pada tabel 5.30.

Prediksi pada metode Kida berdasarkan pada nilai Z, jika nilai Z <

0,38 maka perusahaan diprediksi berpotensi bangkrut dan jika Z >

0,38 maka perusahaan diprediksi tidak berpotensi mengalami

kebangkrutan.


95

Berikut tabel prediksi kebangkrutan menggunakan metode Kida

5. Membuat tabel prediksi kebangkrutan

Tabel prediksi kebangkrutan pada masing-masing perusahaan

digunakan untuk mempermudah melihat prediksi kebangkrutan setiap

perusahaan dan perbedaan prediksi dari keenam metode. Berikut tabel

prediksi dari kelima perusahaan:

a. Prediksi Kebangkrutan PT Asahimas Flat Glass Tbk (AMFG)

Prediksi Kebangkrutan PT Asahimas Flat Glass Tbk (AMFG)

terdapat pada tabel 5.42. Tabel 42 menggambarkan prediksi

pertahun pada perusahaan AMFG menggunakan keenam metode.

Diketahui bahwa menggunakan metode X-Score, G-Score, dan Kida

perusahaan AMFG diprediksi tidak bangkrut selama lima tahun.

Kondisi berbeda terjadi pada metode Z-Score, S-Score dan O-Score

Tabel 5.41 Prediksi Kebangkrutan Metode Kida

NO Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 AMFG Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

2 ARNA Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

3 IKAI Tidak


4 KIA Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

5 MLIA Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut



96

yang menunjukan adanya perubahan prediksi. Berikut tabel prediksi

kebangkrutan pada perusahaan AMFG

b. Prediksi Kebangkrutan PT Arwana Citra Mulia Tbk (ARNA)

Tabel 5.42 Prediksi Kebangkrutan AMFG

NO Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 Z-Score Tidak

Bangkrut

Tidak

Bangkrut

Grey

Area

Grey

Area Bangkrut

2 S-Score Tidak

Bangkrut

Tidak

Bangkrut

Tidak


3 X-Score Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

4 G-Score Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

5. O-Score Tidak

Bangkrut

Tidak

Bangkrut

Tidak


5 Kida Tidak

Bangkrut Tidak

Bangkrut Tidak

Bangkrut Tidak

Bangkrut Tidak

Bangkrut


Tabel 5.43 Prediksi Kebangkrutan ARNA

NO Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 Z-Score Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

2 S-Score Tidak

Bangkrut Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

3 X-score Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

4 G-score Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

5. O-Score Tidak


Tidak

Bangkrut

Tidak

Bangkrut

6. Kida Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut



97

Tabel 5.43 menggambarkan prediksi pertahun pada

perusahaan ARNA menggunakan keenam metode. Diketahui

bahwa menggunakan metode Z-Score, X-Score, G-Score, dan Kida

perusahaan ARNA diprediksi tidak bangkrut selama lima tahun

berturut-turut. Kondisi berbeda terjadi pada metode S-Score dan O-

Score yang menunjukan adanya perubahan prediksi.

c. Prediksi Kebangkrutan PT.Intikeramik Alamasri Industri Tbk

(IKAI)

Tabel 5.44 menggambarkan prediksi pertahun pada perusahaan

IKAI menggunakan kelima metode. Diketahui bahwa menggunakan

metode S-Score dan G-Score perusahaan IKAI diprediksi bangkrut

selama lima tahun. Kondisi berbeda terjadi pada metode Z-Score, X-

Tabel 5.44 Prediksi Kebangkrutan IKAI

NO Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 Z-Score Bangkrut Bangkrut Bangkrut Bangkrut Tidak

Bangkrut

2 S-Score Bangkrut Bangkrut Bangkrut Bangkrut Bangkrut

3 X-score Tidak


Tidak

Bangkrut

4 G-score Bangkrut Bangkrut Bangkrut Bangkrut Bangkrut

5 O-Score Bangkrut Bangkrut Bangkrut Bangkrut Tidak

Bangkrut

6 Kida Tidak




98

Score, O-Score dan Kida yang menunjukan adanya perubahan

prediksi

d. Prediksi Kebangkrutan PT Keramika Indonesia Asosiasi Tbk (KIA)


perusahaan KIA menggunakan keenam metode. Diketahui bahwa

menggunakan metode Kida, perusahaan KIA diprediksi tidak

bangkrut selama lima tahun. Kondisi berbeda terjadi pada metode

Z-Score, S-Score, X-Score, O-Score dan G-Score yang menunjukan

adanya perubahan prediksi.

Tabel 5.45 Prediksi Kebangkrutan KIA

NO Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 Z-Score Tidak

Bangkrut

Tidak

Bangkrut

Grey

Area

Grey

Area Bangkrut

2 S-Score Tidak


3 X-score Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut Bangkrut

4 G-score Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut Bangkrut

5 O-Score Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut Bangkrut

6 Kida Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut



99

e. Prediksi Kebangkrutan PT Mulia Industrindo Tbk (MLIA)


perusahaan MLIA menggunakan keenam metode. Diketahui

bahwa menggunakan metode G-Score dan Kida, perusahaan MLIA

diprediksi tidak bangkrut selama lima tahun. Kondisi berbeda

terjadi pada metode Z-Score dan S-Score yang menunjukkan

perusahaan diprediksi bangkrut selama lima tahun berturut-turut.

Metode X-Score dan O-Score menunjukkan adanya perubahan

prediksi selama lima tahun.

Tabel 5.46 Prediksi Kebangkrutan MLIA

NO Kode

Emiten

Tahun

2014 2015 2016 2017 2018

1 Z-Score Bangkrut Bangkrut Bangkrut Bangkrut Bangkrut

2 S-Score Bangkrut Bangkrut Bangkrut Bangkrut Bangkrut

3 X-score Bangkrut Bangkrut Bangkrut Tidak

Bangkrut

Tidak

Bangkrut

4 G-score Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

5 O-Score Bangkrut Tidak


6 Kida Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut

Tidak

Bangkrut



100

6. Membuat tabel prediksi keenam metode

Tabel prediksi kebangkrutan di lakukan dengan menghitung

jumlah prediksi yang memprediksi bangkrut, grey area, dan tidak

bangkrut. Pembuatan tabel perbandingan ini dapat mempermudah

pembaca dan peneliti dalam membaca metode manakah yang memiliki

jumlah kebangkrutan tertinggi dan terendah. Berikut isi dari tabel

prediksi dari keenam metode prediksi kebangkrutan

Tabel 5.47 mengambarkan metode dengan prediksi bangkrut

terbanyak yaitu metode S-Score dengan jumlah prediksi sebanyak 17

sedangkan yang terendah adalah metode Kida sebanyak empat prediksi.

Metode dengan prediksi tidak bangkrut tertinggi yaitu metode Kida

dengan 21 prediksi tidak bangkrut sedangkan hasil yang terendah yaitu

metode S-Score dengan jumlah prediksi tidak bangkrut sebanyak

delapan prediksi.

Tabel 5.47 Jumlah Prediksi

No Metode

Prediksi

Jumlah Bangkrut Grey Area

Tidak

Bangkrut

1 Z-Score 11 4 10 25

2 S-Score 17 - 8 25

3 X-Score 7 - 18 25

4 G-Score 6 - 19 25

5 O-Score 13 12 25

6 Kida 4 - 21 25

Sumber : Data sekunder diolah peneliti, 2020


101

7. Pengujian tingkat akurasi dan tingkat error

Perhitungan tingkat akurasi terhadap prediksi kebangkrutan

dilakukan untuk menentukan tingkat keakuratan metode dalam

memprediksi kebangkrutan. Tingkat keakuratan ini dilihat dari

persentasenya, semakin tinggi persentasenya maka metode yang

digunakan semakin dipercaya. Berikut hasil perhitungan tingkat akurasi

dan error pada masing-masing metode

a. Rekapitulasi Tingkat Akurasi dan Tingkat Error metode Z-Score

Tabel 5.48 Rekapitulasi Tingkat Akurasi dan Error Metode Z-Score

Rekapitulasi

Prediksi

Total

Bangkrut Grey Area

Tidak

Bangkrut

Riil Tidak Bangkrut 11 4 9 25

Tingkat Akurasi 40%

Tingkat Error 44%



=

10

25 X 100%

= 40%

Tingkat Error =

Jumlah Prediksi Salah


= 11

25 X 100%

= 44%


102

Hasil analisis dari lima perusahaan diketahui bahwa metode

Z-Score memiliki tingkat akurasi atau ketepatan dalam meprediksi

kebangkrutan sebesar 40%. Ketepatan metode prediksi Z-Score

dilihat dari sembilan prediksi tidak bangkrut dan terbukti bahwa

dalam kenyataannya perusahaan tidak mengalami kebangkrutan.

Metode Z-Score memiliki tingkat error atau kesalahan sebesar 44%

yang dapat dilihat dari 11 prediksi yang menunjukkan bangkrut

namun dalam kenyataannya perusahaan tidak mengalami

kebangkrutan. Prediksi grey area terdapat empat prediksi dan untuk

kategori ini tidak dimasukan dalam perhitungan tingkat akurasi

ataupun tingkat error karena tidak dapat ditentukan apakah dalam

keadaan berpotensi bangkrut atau tidak berpotensi bangkrut.

Grey Area = Jumlah Prediksi 𝐺𝑟𝑒𝑦 𝐴


=

4

25 X 100%

= 16%


103

b. Rekapitulasi Tingkat Akurasi dan Tingkat Error Metode S-Score


S-Score memiliki tingkat akurasi atau ketepatan dalam meprediksi

kebangkrutan sebesar 32%. Ketepatan metode S-Score dilihat dari

delapan prediksi tidak bangkrut dan terbukti bahwa dalam

kenyataannya perusahaan tidak mengalami kebangkrutan. Tingkat

error atau kesalahan pada metode S-Score sebesar 68% yang dapat

dilihat dari 17 prediksi bangkrut namun dalam kenyataannya

perusahaan tidak mengalami kebangkrutan.

Tabel 5.49 Rekapitulasi Tingkat Akurasi dan Tingkat Error

Metode S-Score


Total

Bangkrut

Tidak

Bangkrut

Riil TidakBangkrut 17 8 25

Tingkat Akurasi 32%

Tingkat Error 68%



=

8

25 X 100%

= 32%



=

17

25 X 100%

= 68%


104

c. Rekapitulasi Tingkat Akurasi dan Tingkat Error Metode X-Score


X-Score memiliki tingkat akurasi atau ketepatan dalam meprediksi

kebangkrutan sebesar 72%. Ketepatan metode prediksi S-Score

dilihat dari 18 prediksi tidak bangkrut dan terbukti bahwa dalam


error atau kesalahan pada metode X-Score sebesar 28% yang dapat

dilihat dari tujuh prediksi bangkrut namun dalam kenyataannya



Metode X-Score


Total

Bangkrut

Tidak

Bangkrut

Riil Tidak Bangkrut 7 18 25

Tingkat Akurasi 72%

Tingkat Error 28%



= 18

25 X 100%

= 72%

Tingkat Error =



=

7

25 X 100%

= 28%


105

d. Rekapitulasi Tingkat Akurasi dan Tingkat Error Metode G-Score


G-Score memiliki tingkat akurasi atau ketepatan dalam meprediksi




error atau kesalahan pada metode G-Score sebesar 24% yang dapat

dilihat dari enam prediksi bangkrut namun dalam kenyataannya



Metode G-Score


Total

Bangkrut

Tidak

Bangkrut


Tingkat Akurasi 76%

Tingkat Error 24%



= 19

25 X 100%

= 76%

Tingkat Error =



=

6

25 X 100%

= 24%


106

e. Rekapitulasi Tingkat Akurasi dan Tingkat Error Metode O-Srore


O-Score memiliki tingkat akurasi atau ketepatan dalam meprediksi




error atau kesalahan pada metode O-Score sebesar 58% yang dapat

dilihat dari 13 prediksi bangkrut namun dalam kenyataannya



Metode O-Score


Total

Bangkrut

Tidak

Bangkrut


Tingkat Akurasi 48%

Tingkat Error 52%



=

12

25 X 100%

= 48%



= 13

25 X 100%

= 52%


107

f. Rekapitulasi Tingkat Akurasi dan Tingkat Error Metode Kida


Kida memiliki tingkat akurasi atau ketepatan dalam meprediksi

kebangkrutan sebesar 84%. Ketepatan metode prediksi Kida dilihat

dari 21 prediksi tidak bangkrut dan terbukti bahwa dalam


error atau kesalahan pada metode Kida sebesar 16% yang dapat

dilihat dari empat prediksi bangkrut namun dalam kenyataannya



Metode Kida


Total

Bangkrut

Tidak

Bangkrut


Tingkat Akurasi 80%

Tingkat Error 20%



= 21

25 X 100%

= 84%

Tingkat Error =



=

4

25 X 100%

= 16%


108

Perbandingan dari perhitungan tingkat akurasi dan tingkat

error dari metode Altman (Z-Score), Springate (S-Score), Zmijewski

(X-Score), Grover (G-Score), Ohlson (O-Score), dan Kida dapat

lebih mudah dipahami dengan tabel ketepatan metode yang dibuat

urut berdasrkan metode dengan tingkat akurasi tertinggi ke terendah

sebagai berikut:

Tabel 5.54 Ketepatan Metode Altman (Z-Score), Springate (S-Score),

Zmijewski (X-Score), Grover (G-Score), Ohlson (O-Score),

dan Kida

Metode Prediksi Tingkat

Akurasi

Tingkat Error Grey Area

Kida 80% 20% -

Grover (G-Score) 76% 24% -

Zmijewski (X-Score) 72% 28% -

Ohlson (O-Score) 48% 52%

Altman (Z-Score) 40% 44% 16%

Springate (S-Score) 32% 68% -

Sumber: Data diolah, 2020

C. Pembahasan

1. Prediksi Kebangkrutan Menggunakan Metode Altman, Springate,

Zmijewski, Grover, Ohlson, dan Kida

Hasil perhitungan menggunakan keenam metode yaitu Altman

(Z-Score), Springate (S-Score), Zmijewski X-Score, Grover (G-Score),

Ohlson (O-Score), dan Kida dapat diketahui bahwa masing-masing


109

metode memberikan prediksi yang berbeda-beda. Jumlah prediksi

kebangkrutan menggunakan metode Altman (Z-Score), Springate (S-

Score), Zmijewski (X-Score) Grover (G-Score), Ohlson (O-Score) dan

Kida dapat dilihat pada tabel 5.47.

Prediksi kebangkrutan pada tabel 5.47 diketahui bahwa metode

Kida merupakan metode yang tertinggi dalam memprediksi tidak

bangkrut. Metode Kida memprediksi tidak bangkrut pada perusahaan

keramik dan kaca pada tahun 2014-2018 sebanyak 21 prediksi. Urutan

kedua yaitu metode Grover (G-Score) dengan 19 prediksi tidak

bangkrut, kemudian diikuti oleh metode Zmijewski (X-Score) pada

urutan ketiga dengan 18 prediksi tidak bangkrut. Urutan keempat yaitu

metode metode Ohlson (O-Score) dengan 12 prediksi tidak bangkrut dan

urutan kelima yaitu metode Altman (Z-Score) dengan 10 prediksi tidak

bangkrut. Urutan terakhir atau keenam yaitu metode Springtae (S-Score)

dengan 8 prediksi tidak bangkrut. Prediksi grey area hanya dimiliki

metode Altman (Z-Score) dengan jumlah prediksi sebanyak empat.

Prediksi grey area merupakan kondisi yang tidak dapat ditentukan

secara pasti apakah mengalami kebangkrutan atau tidak mengalami

kebangkrutan.

Perbedaan prediksi pada keenam metode pada perusahaan

keramik dan kaca terjadi karena koefisien, rasio yang digunakan, dan

cut-off pada masing-masing metode yang berbeda. Hasil penelitian ini

mendukung penelitian Yoseph (2018) yang membandingkan empat


110

metode yaitu Altman, Grover, Springate, dan Zmijewski dengan

memberikan kesimpulan bahwa pada masing-masing metode memiliki

hasil perhitungan dan prediksi yang berbeda-beda. Perbedaan prediksi

ini dikarenakan nilai cut-off dan rasio yang digunakan sebagai

komponen perhitungan yang berbeda.

Hasil penelitian ini juga mendukung penelitian Nurcahyanti

(2015) yang menjelaskan bahwa menggunakan uji beda hasil penelitian

menunjukkan adanya perbedaan prediksi kebangkrutan menggunakan

metode Altman, Springate, dan Zmijewski dikarenakan adanya

perbedaan koefisien pada setiap metode. Hasil penelitian ini berbeda

atau tidak mendukung penelitian Alkhatib (2011) yang membandingkan

dua metode yaitu Altman dan Kida di Yordania. Hasil penelitian yang

dilakukan oleh Alkhatib (2011) menunjukkan bahwa tidak ada

perbedaan yang signifikan secara statistik antara kedua metode. Hal

tersebut dapat terjadi dikarenakan lokasi penelitian yang berbeda serta

kondisi perusahaan di Yordania yang cenderung tidak ada perbedaan

yang signifikan.

Hasil penelitian berupa prediksi kebangkrutan yang berbeda dari

keenam metode dapat dibahas sebagai berikut:

a. Prediksi Menggunakan Metode Altman (Z-Score)

Hasil perhitungan menggunakan metode Altman (Z-Score)

menunjukkan terdapat 11 prediksi bangkrut, 10 prediksi tidak

brangkut, dan 4 diprediksi grey area .Berdasarkan hasil perhitungan


111

menggunakan metode Altman (Z-Score) diketahui terdapat satu

perusahaan yang diprediksi bangkrut selama lima tahun berturut-

turut, satu perusahaan di prediksi tidak bangkrut selama lima tahun

berturut-turut, dan tiga perusahaan lainnya menglami perubahan

prediksi.

Perusahaan yang diprediki bangkrut menggunakan metode

Altman (Z-Score) yaitu PT Mulia Industrindo Tbk (MLIA). Nilai Z

MLIA selama tahun 2014-2018 menunjukan nilai kurang dari 1,81

sehingga diprediksi bangkrut dan kondisi keuangan perusahaan

yang kurang baik. Kondisi tersebut dapat dilihat dari modal kerja

MLIA yang negatif pada empat tahun terakhir serta penjualan dan

laba perusahaan yang cenderung menurun. Hal tersebut sama

dengan penelitian yang dilakukan oleh Arum dan Handayani (2018)

bahwa perusahaan yang diprediksi bangkrut menggunakan metode

Altman, kondisi keuangannya kurang baik yang dibuktikan dengan

adanya modal kerja yang negatif, penjualan menurun dan laba

perusahaan yang negatif. Kondisi lain dapat dilihat pada nilai dari

rasio retained earning to total asset yang menunjukan nilai negatif

selama tahun 2014-2018. Hal tersebut sama dengan penelitian oleh

Khoiriyah (2018) yang menunjukkan bahwa perusahaan yang

diprediksi bangkrut rasio retained earning to total asset bernilai

negatif.


112

Perusahaan yang diprediksi tidak bangkrut selama tahun

2014-2018 menggunakan metode Altman (Z-Score) yaitu PT

Arwana Citramulia Tbk (ARNA). Niali Z pada ARNA

menunjukkan nilai lebih dari 2,99 pada tahun 2014-2018 dan

kondisi keuangan yang dapat dikatakan stabil sehingga diprediksi

tidak bangkrut. Kondisi keuangan ARNA yang stabil dapat dilihat

dari penjualan yang meningkat selama lima tahun terakhir, retained

earning yang bernilai positif serta mengalami peningkatan, dan

EBIT yang stabil. Hal tersebut mendukung penelitian oleh

Nurcahyanti (2015) yang menjelaskan bahwa perusahaan yang

diprediksi tidak bangkrut memiliki income yang dapat dilihat dari

penjualan dan laba bersih yang meningkat.

Perusahaan yang menunjukkan prediksi yang berubah dari

tahun 2014-2018 yaitu AMFG, IKAI, dan KIA. Prediksi

mengunakan metode Altman pada perusahaan AMFG dan KIA

menunjukkan adanya perubahan yang menurun dari tahun 2014-

2018. Hal tersebut dilihat dari tahun 2014 dan 2015 perusahaan di

prediksi tidak bangkrut, tahun 2016-2017 perusahaan diprediksi

pada grey area sehingga menunjukkan adanya penurunan nilai Z,

dan pada tahun 2018 perusahaan diprediksi bangkrut. Nilai Z yang

menurun tersebut dapat diartikan bahwa terjadi penurunan kinerja

dari perusahaan AMFG dan KIA. Hal berbeda terjadi pada

perusahaan IKAI yang menunjukkan adanya perubahan yang


113

meningkat, dari tahun 2104-2017 yang diprediksi bangkrut berubah

menjadi tidak bangkrut pada tahun 2018.


Hasil perhitungan menggunakan metode Springate (S-

Score) menunjukkan terdapat 17 prediksi bangkrut dan 8 prediksi

tidak bangkrut. Berdasarkan hasil perhitungan menggunakan

metode Springate (S-Score) diketahui terdapat dua perusahaan yang

diprediksi bangkrut selama lima tahun berturut-turut, dan tiga

perusahaan lainnya menglami perubahan prediksi selama tahun

2014-2018.

Perusahaan yang diprediksi bangkrut menggunakan metode

Springate (S-Score) yaitu IKAI dan MLIA karena nilai S

menunjukkan nilai kurang dari 0,862 selama tahun 2014-2018. Jika

dilihat dari kondisi keuangannya, kedua perusahaan tersebut dapat

dikatakan kurang baik. Kondisi keuangan ini dapat dilihat dari

modal kerja keduanya yang memiliki nilai negatif, laba perusahaan

yang menurun secara terus- menerus dari tahun 2014-2018, dan

penjualan yang juga cenderung menurun. Kondisi keuangan yang

kurang baik dari tiga nilai tersebut sehingga perusahaan diprediksi

bangkrut berdasarkan metode Springate (S-Score) mendukung

penelitian oleh Arum dan Handayani (2018). Penelitian oleh Arum

dan Handayani (2018) yang dilakukan pada perusahaan tekstil dan

garmen menjelaskan bahwa perusahaan yang diprediksi bangkrut


114

cenderung memiliki nilai modal kerja yang negatif dan laba serta

penjualan yang menurun. Kondisi keuangan yang kurang baik ini

dapat juga dilihat dari nilai EBIT yang lebih kecil dibandingkan

dengan total aset perusahaan selama tahun 2014-2018. Hal tersebut

sama dengan penelitian Koto, Pulungan, & Hartini (2018) pada

perusahaan properti yang menunjukkan perusahaan yang diprediksi

bangkrut memiliki nilai EBIT lebih kecil dari total aset.

Prediksi kebangkrutan menggunakan metode Springate

tidak terdapat perusahaan yang diprediksi tidak bangkrut secara

terus menerus selama tahun 2014-2018. Prediksi pada perusahaan

AMFG, ARNA, dan KIA menunjukkan adanya perubahan.

Perusahaan AMFG pada tahun 2014-2016 diprediksi tidak bangkrut

sehingga dapat diartikan bahwa AMFG dapat mempertahankan

kondisi perusahaannya. Prediksi kebangkrutan pada perusahaan

AMFG yang semula diprediksi tidak bangkrut berubah pada tahun

2017 dan 2018 diprediksi bangkrut. Kondisi yang sama terjadi pada

perusahaan KIA yang semula pada tahun 2014 diprediksi tidak

bangkrut tetapi pada tahun selanjutnya yaitu 2015-2018 diprediksi

bangkrut.

Perubahan prediksi dari yang semula diprediksi tidak

bangkrut menjadi bangkrut ini menunjukkan adanya penurunan

kinerja perusahaan. Hal terebut sama dengan penelitian Khoiriyah

(2018) yang menjelaskan bahwa perubahan prediksi dari tidak


115

bangkru menjadi bangkrut menggambarkan kondisi perusahaan

yang menurun. Berdasarkan perhitungan menggunakan metode

Springate kondisi berbeda terdapat pada perusahaan ARNA yang

menunjukan adanya perbaikan atau peningkatan kinerja

perusahaan. peningkatan kinerja perusahaan ini dilihat dari prediksi

pada perusahaan ARNA pada tahun 2014 di prediksi tidak bangkrut,

kemudian tahun 2015 diprediksi bangkrut, namun tahun selanjutnya

yaitu tahun 2016-2018 perusahaan diprediksi tidak bangkrut.


Perusahaan yang diprediksi tidak bangkrut menggunakan

metode Zmijewski (X-Score) yaitu AMFG dan ARNA karena nilai

X menunjukkan nilai kurang dari 0 selama tahun 2014-2018. Jika

dilihat dari kondisi keuangannya, kondisi keuangan kedua

perusahaan tersebut dapat dikatakan baik. Kondisi keuangan ini

dapat dilihat dari komponen yang digunakan untuk menghitung

debt ratio setiap tahunnya yaitu total hutang dan total aset. Debt

ratio pada perusahaan AMFG dan ARNA dapat dikatakan baik

karena kenaikan total hutang perusahaan dari tahun 2014-2018

diikuti dengan kenaikan total aset perusahaan yang sebanding. Hal

tersebut mendukung penelitian Ambarwati, Sudarwati, &

Widayanti (2017) yang menjelaskan bahwa perusahaan yang

diprediksi tidak bangkrut dapat dilihat dari adanya kenaikan total


116

kewajiban yang sebanding dengan adanya kenaikan total aset

perusahan.

Prediksi kebangkrutan menggunakan metode Zmijewski

diketahui bahwa perusahaan IKAI, KIA, dan MLIA menunjukkan

adanya perubahan prediksi. IKAI menunjukkan adanya perubahan

dari tahun 2014 diprediksi tidak bangkrut kemudian tahun 2015-

2017 diprediksi bangkrut. Kondisi tersebut dapat diratikan bahwa

perubahan tersebut menunjukkan adanya penurunan kinerja, namun

tahun 2018 prediksi berubah menjadi tidak bangkrut.

Prediksi kebangkrutan pada perusahaan KIA menunjukkan

adanya penurunan kinerja yang dapat dilihat dari prediksi tidak

bangkrut pada tahun 2014-2017 berubah menjadi bangkrut pada

tahun 2018. Perubahan prediksi dari tidak bangkrut menjadi

bangkrut pada perusahaan KIA ini dapat dilihat dari nilai total

hutang yang meningkat namun tidak disertai total aset yang

meningkat. Hal tersebut terbukti dengan nilai dari rasio ROA yaitu

2,051 yang menunjukkan bahwa total hutang lebih besar

dibandingkan total aset. Kondisi tersebut mendukung penelitian

Zakkiyah, Wijono, & Endang (2014) yang menjelaskan bahwa

perusahaan diprediksi bangkrut disebabkan oleh meningkatnya

jumlah hutang perusahaan. Prediksi kebangkrutan pada perusahaan

MLIA menunjukkan hal sebaliknya yaitu perubahan dari prediksi

bangkrut pada tahun 2014-2016 kemudian berubah pada tahun


117

2017-2018 yang diprediksi tidak bangkrut. Perubahan prediksi pada

perusahaan MLIA dapat diartikan bahwa perusahaan mampu

meningkatkan kinerjanya.



metode Grover (G-Score) yaitu AMFG, ARNA, dan MLIA karena

nilai G menunjukkan lebih atau sama dengan 0,01 selama tahun

2014-2018. Jika dilihat dari kondisi keuangannya, kondisi

keuangan perusahaan AMFG dan ARNA dapat dikatakan baik.

Kondisi keuangan ini dapat dilihat dari nilai modal kerja dan

keuntungan yang dihasilkan. Modal kerja yang positif

mengambarkan hutang lancar perusahaan dapat dijamin dengan aset

lancarnya dengan kata lain kecil kemungkinan perusahaan

mengalami kesulitan keuangan. Kondisi tersebut sama halnya

dengan penelitian Rizkyansyah & Lailly (2018) yang menjelaskan

bahwa pada metode Grover, perusahan yang diprediksi tidak

bangkrut dilihat dari kemampuan menghasilkan modal kerja yang

positif dan peroleh keuntungan yang dilihat dari EBIT dan laba

bersih yang positif . Kondisi berbeda terjadi pada perusahaan MLIA

yang diprediksi tidak bangkrut namun kondisi keuangannya tidak

sesuai dengan penelitian Rizkyansyah & Lailly (2018). Kondisi

keuangan MLIA dilihat dari modal kerjanya menunjukkan nilai


118

yang negatif namun diimbangi dengan EBIT dan laba bersih yang

bernilai positif.

Perusahaan yang diprediksi bangkrut berdasarkan

perhitungan metode Grover selama tahun 2014-2018 yaitu

perusahan IKAI. Prediksi bangkrut pada perusahaan IKAI

mengindikasikan bahwa kondisi keuangan perusahan kurang baik.

Kondisi keuangan yang kurang baik ini dapat dilihat dari nilai EBIT

yang merupakan komponen yang sangat berpengaruh karena rasio

EBIT/total aset memiliki nilai koefisien tertinggi pada persamaan

metode Grover. Nilai EBIT/total aset perusahaan IKAI selama

tahun 2014-2018 menunjukkan nilai yang negatif. Hal tersebut

mendukung hasil penelitian Limanto (2016) yang menjelaskan

bahwa EBIT sangat berpengaruh pada perhitungan metode Grover

dan terjadinya penurunan keuntungan menjadi penyebab prediksi

tidak bangkrut.

Perusahaan yang prediksi kebangkrutannya berubah

berdasarakan metode Grover selama tahun 2014-2018 yaitu KIA.

Kondisi keuangan perusahaan KIA dapat dikatakan menurun

sehingga prediksi kebangkrutna yang semula pada tahun 2014-2017

diprediksi tidak bangkrut berubah menjadi bangkrut pada tahun

2018. Kondisi keuangan KIA dapat dilihat dari keuntungan

perusahan yang semakin menurun. Hal tersebut terbukti dengan


119

rasio EBIT/total aset serta rasio ROA perusahaan yang terus

menurun selama tahun 2014-2018.


Prediksi kebangkrutan menggunakan metode Ohlson (O-

Score) pada perusahaan keramik dan kaca tahun 2014-2018

menunjukkan prediksi yang fluktuatif pada setiap perusahaannya.

Perusahaan yang menunjukkan adanya peningkatan kinerja yaitu

perusahaan ARNA dan IKAI. Perusahaan ARNA berdasarkan

metode Ohlson pada tahun 2014 diprediksi tidak bangkrut, namun

pada tahun selanjutnya yaitu 2015 dan 2016 diprediksi bangkrut.

Kondisi tersebut dapat diartikan bahwa perusahaan mengalami

penurunan kinerjanya yang dapat dilihat dari kondisi keuangan.

Perubahan prediksi ini disebabkan karena rasio X4 yang meningkat

dan pada tahun 2015 rasio CLCA ini mendekati angka 1. Rasio

CLCA (X4) yang hampir mendekati 1 menggambarkan total hutang

lancarnya cukup tinggi atau hampir mendekati total aset lancar. Hal

tersebut sama dengan penelitian Utama, Sudjana, & Nurlaily (2018)

yang menjelaskan bahwa perusahaan yang diprediksi bangkrut

menunjukkan nilai rasio CLCA (X4) yang meningkat. Tahun 2017

dan 2018 prediksi kebangkrutan pada perusahaan ARNA berubah

menjadi tidak bangkrut karena nilai rasio CLCA (X4) menurun


120

bahkan lebih rendah dibandingkan tahun 2014 yang juga diprediksi

tidak bangkrut.

Perusahaan yang menunjukkan adanya peningkatan kinerja

yaitu perusahaan IKAI. Tahun 2014-2017 IKAI diprediksi bangkrut

dan berubah menjadi tidak bangkrut pada tahun 2018. Jika dilihat

dari kondisi keuangannya, perubahan prediksi ini disebabkan oleh

perubahan rasio X9 yang rendah pada tahun 2014-2017 kemudian

meningkat tinggi pada tahun 2018. Rasio X9 ini memiliki koefisien

negatif sehingga ketika nilainya tinggi akan menyebabkan nilai O

semakin rendah. Kondisi ini sesuai dengan hasil penelitian Utama,

Sudjana, & Nurlaily (2018) yang menjelaskan bahwa nilai X9 yang

rendah menyebabkan nilai O semakin tinggi sehingga diprediksi

bangkrut.

Perusahaan keramik dan kaca yang mengalami penurunan

kinerja berdasarkan metode Ohlson (O-Score) yaitu perusahaan

AMFG, KIA, dan MLIA. AMFG diprediksi tidak bangkrut pada

tahun 2014-2016 dan diprediksi bangkrut pada tahun 2017 dan

2018. Perubahan ini terjadi disebabkan oleh hal yang sama dengan

penjelasan sebelumnya yaitu nilai X9 yang rendah. Nilai X9

perusahaan AMFG bernilai negatif mulai tahun 2015 dan menurun

terus-menerus hingga ditahun 2017 dengan nilai -0,742 dan 2018 -

0,708.


121

Hal yang sama juga terjadi pada perusahaan KIA yang

diprediksi tidak bangkrut pada tahun 2014-2017 dan berubah pada

tahun 2018 perusahaan diprediksi bangkrut. Kondisi ini dapat

dilihat pada rasio CHIN (X9) dan rasio NITA (X6) yang menunjukan

nilai negatif sehingga prediksi berubah menjadi bangkrut pada

tahun 2018. Rasio NITA (X6) yang bernilai negatif menunjukan

perusahaan rugi atau nilai laba bersihnya negatif dan koefisien X6

dalam perhitungan metode Ohlson memiliki nilai negatif sehingga

memperbesar nilai O. hal tersebut semakin mendukung penelitian

Utama, Sudjana, & Nurlaily (2018) yang menjelaskan bahwa rasio

NITA (X6) pada memperbesar nilai O sehingga hasil prediksi

menunjukkan bangkrut. Kondisi yang sama terjadi pada

perusahaann MLIA pada tahun 2014 diprediksi bangkrut, tahun

2015 diprediksi tidak bangkrut, dan tahun 2016-2018 perusahaan

kembali diprediksi bangkrut. Perubahan prediksi dari tidak

bangkrut menjadi bangkrut ini juga disebabkan oleh rasio NITA

(X6) dan rasi CHIN (X9) bernilai negatif.

f. Metode KIDA


metode KIDA yaitu AMFG, ARNA, KIA dan MLIA karena nilai Z

menunjukkan nilai lebih dari 0,38 selama tahun 2014-2018. Jika

dilihat dari kondisi keuangannya, kondisi keuangan perusahaan

AMFG, ARNA, KIA dan MLIA dapat dikatakan baik. Kondisi


122

keuangan ini dapat dilihat dari nilai ROA (X1) dan rasio kekayaan

bersih/total hutang. Rasio ROA dalam persamaan metode KIDA

memiliki koefisien yang tertinggi yaitu 1,042 sehingga nilai ROA

yang positif atau semakin tinggi akan memperbesar nilai Z. nilai Z

yang semakin besar maka akan memperbesar kemungkinan

perusahaan diprediksi tidak bangkrut. Pernyataan tersebut

dibuktikan dengan nilai ROA pada perusahaan AMFG, ARNA, dan

MLIA yang menunjukkan nilai positif dan menujukkan adanya

peningkatan. Hal tersebut mendukung penelitian (Wulaningrum,

2014) yang menjelaskan bahwa ROA berpengaruh negatif terhadap

kebangkrutan sehingga dapat diartikan bahwa semakin kecil rasio

ini maka kemungkinan perusahaan mengalami kebangkrutan

semakin besar begitu juga sebaliknya.

Kondisi berbeda terjadi pada perusahaan KIA yang

menunjukkan nilai ROA yang negatif pada tahun 2015-2018 namun

perusahaan diprediksi tidak bangkrut. Kondisi tersebut didukung

dengan nilai rasio lainnya yaitu kekayaan bersih/total hutang (X2)

yang mengambarkan kondisi ekuitas terhadap hutang. Nilai rasio

kekayaan bersih/total hutang (X2) yang semakin tinggi atau bernilai

positif akan memperbesar nilai O karena X2 dikalikan dengan

koefisien yang positif. Hal tersebut semakin mendukung penelitian

(Wulaningrum, 2014) yang menjelaskan bahwa rasio kekayaan

bersih/total hutang (X2) atau yang disebut dnegan DTER


123

berpengaruh negatif terhadap kebangkrutan. DTER berpengaruh

negatif terhadap kebangkrutan ini dapat diartikan bahwa semakin

besar nilai rasio maka kemungkinan perusahaan mengalami kondisi

tidak bangkrut. Modal kerja yang positif mengambarkan hutang

lancar perusahaan dapat dijamin dengan aset lancarnya dengan kata

lain kecil kemungkinan perusahaan mengalami kesulitan keuangan.

Prediksi kebangkrutan pada perusahaan IKAI menunjukkan

adanya penurunan kinerja yang dapat dilihat dari prediksi tidak

bangkrut pada tahun 2014 dan diprediksi bangkrut pada tahun 2015-

2018. Perubahan prediksi dari tidak bangkrut menjadi bangkrut

pada perusahaan IKAI menunjukkan adanya penurunan kinerja.

Kondisi ini dapat dilihat dari kondisi keuangan perusahaan

berdasarkan nilai rasio ROA yang bernilai negatif. ROA yang

negatif menggambarkan bahwa laba bersih perusahaan bernilai

negatif atau perusahaan mengalami kerugian.

2. Ketepatan Metode Altman, Springate, Zmijewski, Grover, Ohlson dan

Kida

Ketepatan metode Altman (Z-Score), Springate (S-Score),

Zmijewski (X-Score), Grover (G-Score), Ohlson (O-Score) dan Kida

dapat diketahui pada tabel 5.54. Metode prediksi kebangkrutan dengan

tingkat akurasi tertinggi yaitu metode KIDA sebesar 80%. Tingkat

akurasi tertinggi menunjukkan bahwa metode KIDA memiliki ketepatan


124

prediksi kebangkrutan pada perusahaan keramik dan kaca pada tahun

2014-2018. Metode prediksi kebangkrutan dikatakan benar ketika

prediksi menunjukkan hal yang sama dengan aktualnya. Prediksi benar

pada penelitian ini yaitu ketika prediksi menunjukkan tidak bangkrut

karena secara aktual perusahaan yang digunakan sebagai sampel

merupakan perusahaan yang masih terdaftar di BEI yang berarti

perusahaan yang tidak bangkrut.

Metode dengan tingkat akurasi pada urutan kedua yaitu metode

Grover (G-Score) sebesar 76 % dengan tingkat error 24%. Urutan ketiga

yaitu metode Zmijewski (X-Score) dengan tingkat akurasi 72% dan

tingkat error 28%. Tingkat akurasi posisi keempat yaitu metode Ohlson

(O-Score) sebesar 48% dengan tingkat error sebesar 52%. Tinkat

akurasi metode kebangkrutan urutan kelima yaitu metode Altman (Z-

Score) sebesar 40% dengan tingkat error 44% dan nilai grey area

sebesar 16%. Tingkat akurasi urutan keenam atau yang terendah yaitu

metode Springate (S-Score) sebesar 32% dengan tingkat error 68%.

Hasil penelitian ini mendukung penelitian sebelumnya yang

dilakukan oleh Putra (2016) dengan judul Analisis Perbandingan

Potensi Kebangkrutan Perusahaan Asuransi Swasta dan Perusahaan

Asuransi BUMN dengan Menggunakan Metode Zmijewski, Metode

Kida dan Metode Grover. Pada penelitian ini dapat dilihat dari prediksi

pada masing-masing metode, metode Kida menunjukan prediksi tidak

bangkrut paling banyak pada setiap tahun untuk masing-masing


125

perusahaan. Penelitian ini juga mendukung penelitian oleh

Bimawiratma (2016) yang membandingkan metode Altman, Grover,

Springate dan Zmijewski dalam memprediksi perusahaan delisting.

Penelitian Bimawiratma (2016) diperoleh hasil bahwa metode Grover

(G-Score) memiliki tingkat akurasi terbesar yaitu 100% di bandingkan

metode Zmijewski (X-Score), metode Springate (S-Score), dan metode

Altman (Z-Score). Hal tersebut sama karena pada penelitian ini metode

Grover memiliki tingkat akurasi lebih tinggi dibandingkan dengan

metode metode Zmijewski (X-Score), metode Springate (S-Score), dan

metode Altman (Z-Score).

Hasil penelitian ini yang menunjukkan bahwa metode KIDA

memiliki tingkat akurasi tertinggi berbeda dangan penelitian yang telah

dilakukan oleh Alkhatib (2011). Penelitian Alkhatib (2011) yang

membandingkan metode Altman (Z-Score) dengan metode KIDA di

Jordania menunjukan metode Altman memiliki tingkat akurasi lebih

tinggi yaitu 93,8% dibandingkan dengan metode Kida dengan tingkat

akurasi 69%. Hasil penelitian ini berbeda dengan penelitian Safitri &

Hartono (2014) yang membandingkan metode Springate, Zmijewski,

dan Ohlson. Penelitian Safitri diperoleh hasil bahwa metode Springate

merupakan metode dengan tingkat akurasi tertinggi, sedangkan pada

penelitian ini metode Springate merupakan metode dengan tingkat

akurasi terendah.


126

Hasil penelitian ini medukung penelitian Nurcahyanti (2015)

yang melakukan penelitian dengan membandingkan metode Altman,

Spingate, dan Zmijewski. Penelitian Nurcahyanti (2015) diperoleh hasil

bahwa metode Zmijewski merupakan metode yang memiliki tingkat

akurasi tertinggi sebesar 69,56% sama halnya dengan penelitian ini yang

menunjukkan bahwa metode Zmijewski memiliki tingakt akurasi lebih

tinggi dibandingkan dengan metode Altman dan Springate.

Hasil penelitiani ini berbeda dengan penelitian Suryawardani

(2015) yang membandingkan tiga metode yaitu Altman modifikasi,

Ohlson, dan Zmijewski. Hasil penelitian Suryawardani (2015)

menunjukkan bahwa metode Ohlson merupakan metode dengan tingkat

akurasi tertinggi dibandingkan dengan metode Altman dan Zmijewski.

Hal tersebut berbeda dengan hasil penelitian ini yang menunjukan

bahwa metode Ohlson memiliki tingkat akurasi dibawah metode

Zmijewski.


127

BAB VI

PENUTUP

A. Kesimpulan

Berdasarkan analisis data dan pembahasan pada Bab V dapat diambil

kesimpulan:

1. Prediksi kebangkrutan pada keenam perusahaan menggunakan metode

Altman (Z-Score), metode Springate (S-Score), metode Zmijewski (X-

Score), metode Grover (G-Score), metode Ohlson (O-Score), dan metode

Kida menunjukan prediksi yang berbeda-beda. Hal tersebut didukung

dengan hasil perhitungan pada masing-masing metode dan tingkat

akurasinya. Perbedaan prediksi terjadi karena adanya perbedaan rasio

keuangan yang digunakan pada masing-masing metode dan koefisien pada

setiap metode. Metode Kida memprediksi tidak bangkrut tertinggi dengan

21 prediksi, urutan kedua yaitu metode Grover (G-Score) dengan 19

prediksi, urutan ketiga yaitu metode Zmijewski (X-Score). Metode Ohlson

(O-Score) berada pada urutan keempat dengan 18 prediksi, diikuti metode

Altman (Z-Score) dengan 10 prediksi dan metode Springate (S-Score)

memprediksi tidak bangkrut terendah dengan 8 prediksi pada perusahaan

keramik dan kaca periode 2014-2018.

2. Metode Kida merupakan metode dengan tingkat akurasi tertinggi yaitu 80%

dibandingkan dengan metode Altman (Z-Score), metode Springate (S-

Score), metode Zmijewski (X-Score), metode Grover (G-Score), dan

metode Ohlson (O-Score). Hal tersebut menunjukan bahwa metode Kida


128

paling tepat digunakan dalam memprediksi kebangkrutan pada perusahaan

keramik dan kaca periode 2014-2015.

B. Keterbatasan Penelitian

Keterbatasan dalam penelitian ini yaitu dilihat dari kesimpulan bahwa

metode KIDA merupakan metode yang paling akurat dari tingkat akurasinya

dalam memprediksi kebangkrutan. Hasil metode yang paling akurat ini tidak

sepenuhnya akurat karena kebangkrutan sebuah perusahaan dapat ditentukan

dari berbagai faktor yang tidak terduka, namun metode prediksi kebangkrutan

bermanfaat bagi para manejer dan pihak eksternal perusahaan. Manajer dan

pihak eksternal perusahaan dapat menggunakan kesimpulan dari penelitian ini

untuk pengambilan kebijakan guna menghindari kebangkrutan yang

mengancam perusahaan.

C. Saran

1. Internal perusahaan (manajemen) dapat mempertimbangkan dari hasil

penelitiain ini yaitu perhitungan metode Kida guna menghindari terjadinya

kebangkrutan dan untuk pertimbangan dalam membuat keputusan.

Perusahaan yang diprediksi mengalami kebangkrutan dapat mengambil

langkah atau strategi untuk mengatasi kondisi keuangan perusahaan.

2. Pemangku kepentingan dapat mempertimbangkan penggunaan perhitungan

dan rasio-rasio keuangan dalam metode Kida untuk mengambil keputusan

dalam memilih perusahaan guna menanamkan modalnya.


129

3. Peneliti selanjutnya dapat melakukan prediksi kebangkrutan pada sektor

industri lainnya dengan jumlah sampel yang lebih banyak sebagai

pembanding..


130

DAFTAR PUSTAKA

Agustina, Yeni dan Rahmawati. 2010. Kebangkrutan Perusahaan Menggunakan

Model Altman dan Zavgren pada Perusahaan Food and Beverage. Jurnal The

Winners. Vol 11 No 01 (Maret):12-25

Alkhatib, Khalid. (2011). Predicting Corporate Bankruptcy of Jordanian Listed

Companies: Using Altman and Kida Models. International Journal of Business

And Management. Vol 6 No 3 (Maret)

Ambarwati, U, Sudarwati, & Widayanti R. 2017. Financial Distress dengan Metode

Springate, ZMijewski, dan Altman Z-Score pada PT Tunas Baru Lampung Tbk

di BEI. Jurnal. Surakarta: Fakultas Ekonomi Universitas Islam Batik

Surakarta.

Arief, Octarie Pretiwi. 2015. Analisis Penerapan Metode Altman Z-Score dan

Zmijewski Pada Perusahaan Manufaktur Sektor Industri Barang Konsumsi Sub

Sektor Farmasi Periode 2009-2013. Skripsi. Makasar: Fakultas Ekonomi dan

Bisnis, Universitas Hasanuddin.

Arum, Dian Puspita dan Siti Ragil Handayani. 2018. Analisis Perbandingan Metode

Altman (Z-Score), Springate (S-Score), dan Zmijewski X-Score) dalam

Memprediksi Kebangkrutan Perusahaan (Studi pada Perusahaan Tekstil dan

Garmen yang terdaftar di Bursa Efek Indonesia Periode 2012-2016). Jurnal

Adinistrasi Bisnis (JAB). Vol.60 No 1 (Juli)

Azhar, Debbie Meiriza. 2013. Analisa Penggunaan Model Altman Z-Score Pada

Perusahaan Sektor Property dan Real Estate di BEI. Tesis. Yogyakarta:

Universitas Gadjah Mada

Bimawiratma, Patrisius Gerdian. 2016. Analisis Akurasi Metode Altman, Grover,

Springate, dan Zmijewski dalam Memprediksi Perusahaan Delisting (Studi

Empiris pada Perusahaan Manufaktur di Bursa Efek Indonesia Periode 2009-

2013). Skripsi. Yogyakarta: Universitas Sanata Dharma.

CNBC. 2020. “AKLP Kaca Impor China Tekan Industri Kaca Lembaran

Domestik”. CNBC Indonesia.

https://www.cnbcindonesia.com/market/20191030172428-19-111452/aklp

kaca-impor-china-tekan-industri-kaca-lembaran-domestik. Diakses pada 14

Januari 2020.

Endarwatik, Margarita Wiwik. 2016. Analisis Kebangkrutan Berdasarkan Metode

Altman Z-Score (Studi Kasus di Perusahaan Makanan dan Minuman yang

Terdaftar di Bursa Efek Indonesia Periode 2010-2014). Skripsi. Yogyakarta:

Universitas Sanata Dharma.


131

Fahmi, Irham. 2011. Analisis Laporan Keuangan. CV Alfabeta, Bandung

Ghozali, Imam. 2011. Aplikasi Analisis Multivariate Dengan Program IBM SPSS

19. Badan Penerbit Universitas Diponegoro. Semarang

Hanafi, Mamduh M. dan Abdul Halim. 2012. Analisis Laporan Keuangan. Edisi

kelima. Sekolah Tinggi Ilmu Manajemen YKPN, Yogyakarta.

Kasmir. 2016. Analisis Laporan Keuangan. PT. Rajagrafindo Persada, Jakarta

Kementrian Perdagangan Republik Indonesia. 2019.

https://www.kemendag.go.id/id/economic-profile/indonesia-export-

import/growth-of-non-oil-and-gas-export-commodity. Diakses pada 28

Oktober 2019.

Khaddafi, Muammar,dkk. 2017. Analysis Z-Score to Predict Bankruptcy in Banks

Listed in Indonesia Stock Exchange. International Journal of Economics and

Financial Issues. Vol 7 issues 3: 2146-4138

Khoiriyah, Safinatun, 2019. Analisis Financial Distress, Perbandingan dan Tingkat

Akurasi Menggunakan Model Altman Z-Score, Grover, Springate dan

Zmijewski Untuk Memprediksi Kebangkrutan Pada Perusahaan (Studi Empiris

pada Perusahaan Delisting di BEI Tahun 2012-2017). Skripsi. Surakarta:

Institut Agama Islam Negeri Surakarta.

Koto, M, Pulungan D.R, & Hartini T. 2018. Metode Springate Dalam Analisa

Potensi Kebangkrutan Perusahaan Properti Di Indonesia. Jurnal. Medan:

Fakultas Ekonomi dan Bisnis Universitas Muhammadiyah Sumatera Utara.

Kumparan. 2019. “Industri Kaca Lokal Kalang Kabut Dikepung Produk Impor”.

Kumparan.com. https://kumparan.com/kumparanbisnis/industri-kaca-lokal-

yang-kalang-kabut-dikepung-produk-impor-1s0u1JTusdH. Diakses pada 10

Januari 2020.

Limanto, M.C. 2016. Analisis Prediksi Kebangkrutan Perusahaan Sektor

Pertambangan Dan Pertanian Menggunakan Metode Grover Tahun 2012-2015.

Jurnal. Malang: Fakultas Ekonomi dan Bisnis Universitas Ma Chung.

Mujairimi. 2013. Analisis Perbandingan Laba dan Deviden Dalam Memprediksi

Kondisi Financial Distress Pada Perusahaan yang Terdaftar di Bursa Efek

Indonesia. Wacana Equiliberium

Nurcahyanti, Wahyu. 2015. Studi Komparatif Model Z-Score Altman, Springate,

dan Zmijewski Dalam Mengindikasikan Kebangkrutan Perusahaan Yang

Terdaftar Di BEI. Artikel Ilmiah. Universitas Negeri Padang.


https://www.kemendag.go.id/id/economic-profile/indonesia-export-import/growth-of-non-oil-and-gas-export-commodity

https://www.kemendag.go.id/id/economic-profile/indonesia-export-import/growth-of-non-oil-and-gas-export-commodity

https://kumparan.com/kumparanbisnis/industri-kaca-lokal-yang-kalang-kabut-dikepung-produk-impor-1s0u1JTusdH

https://kumparan.com/kumparanbisnis/industri-kaca-lokal-yang-kalang-kabut-dikepung-produk-impor-1s0u1JTusdH

132

Nuryaman dan Veronica Christina. 2015. Metodologi Penelitian Akuntansi dan

Bisnis Teori dan Praktik. Ghalia Indonesia. Bogor

Pitaya, Donatus H.A. 2015. Aplikasi Prediksi Financial Distress Menggunakan

Metoda Altman: Studi Pada Perusahaan Manufaktur yang Terdaftar di Bursa

Efek Indonesia Periode 2010-2013. Tesis. Yogyakarta: Program Pascasarjana

Universitas Gadjah Mada.

Pratiwi, Lenieta, Dheasey Amboningtyas dan Aziz F. 2019. Analisis Laporan

Keuangan Dengan Menggunakan Model Altman Z-Score dan Springate Dalam

Memprediksi Kebangkrutan (Studi Pada Perusahaan Kosmetik yang Terdaftar

di IDX Pada Tahun 2013-2017).Skripsi. Semarang: Universitas Pandanaran

Prihadi, Toto. 2010. Analisis Laporan Keuangan: Teori dan Aplikasi. Penerbit

PPM, Jakarta Pusat.

Prihanthini, Ni Made Evi dan Maria M Ratna Sari. 2013. Prediksi Kebangkruta

dengan Metode Grover, Altman Z-Score, Springate, dan Zmijewski Pada

Perusahaan Food and Beverage di Bursa Efek Indonesia. E-Jurnal Akuntansi.

Bali: Universitas Udayana.

Putra, Thomas Dwi Yananto. 2016. Analisis Perbandingan Potensi Kebangkrutan

Perusahaan Asuransi Swasta dan Perusahaan Asuransi BUMN dengan

Menggunakan Metode Zmijewski, Metode Kida dan Metode Grover. Skripsi.

Yogyakarta: Universitas Sanata Dharma.

Rizkyansyah, K & Laily, N. 2018. Penggukuran Tingkat Kesehatan dan Gejala

Financial Distress dengan Metode Springate, Zmijewski, dan Grover. Jurnal

Ilmu dan Riser Manajemen.Surabaya: Sekolah Tinggi Ilmu Ekonomi Indonesia

Surabaya.

Safitri, A & Hartono, U. 2014. Uji Penerapan Model Prediksi Financial Distress

Altman, Springate, Ohlson, dan Zmijewski pada Perusahaan Sektor Keuangan

di Bursa Efek Indonesia. Jurnal Ilmu Manajemen. Surabaya: Universitas Negri

Surabaya.

Sedarmayanti dan Syarifudin Hidayat. 2011. Metodologi Penelitian. CV. Mandar

Maju. Bandung.

Setiawati, Mey Handayani. 2017. Analisis Metode Altman Z-Score, Springate, Dan

Zmijewski Untuk Memprediksi Financial Distres Pada Perusahaan Food And

Beverage Yang Terdaftar Di Bursa Efek Indonesia (Bei) Periode 2011-2015.

Skripsi. Lampung: Fakultas Ilmu Sosial dan Ilmu Politik Universitas Lampung.

Sugiyono. 2018. Metode Penelitian Kuantitatif, Kualitatif, dan Kombinasi (Mixed

Methods). CV Alfabeta, Bandung


133

Sujimantoro & Mutmainnah. 2014. Analisis Kondisi Kebangkrutan Dengan Model

Ohlson (1980) O-Score. Jurnal Manajemen dan Akuntansi.Papua: Fakultas

Ekonomi Universitas Yapis Papua.

Suryawardani, Bethani. 2015. Analisis Perbandingan Kemampuan Prediksi

Kebangkrutan Antara Analisis Altman, Analisis Ohlson, dan Analisis

Zmijewski Pada Sektor Industri Tekstil yang Go Public Di Bursa Efek

Indonesia Periode 2008-2012. Jurnal Ecodemica. Vol. III No. 1 April.

Bandung: Universitas Telkom.

Syafitri, Lili, dan Trisnadi Wijaya. 2014. Analisis Komparatif Dalam Mempredikisi

Kebangkrutan pada Pt Indofood Sukses Makmur Tbk. Jurnal. Palembang:

STIE MDP Palembang.

Utama, B.I, Sudjana, N, & Nurlaily F. 2018. Analisis Keakuratan Model Ohlson

dalam Memprediksi Kebnagkrutan (Studi pada Perusahaan Delisting yang

Terdaftar di BEI periode 2013-2017). Jurnal Administrasi Vol.64. Malang:

Fakultas Ilmu Administrasi Universitas Brawijaya.

Wulaningrum, Iin. 2014. Analisis Kebangkrutan Pada Perusahaan Retail yang

Terdaftar Di Bursa Efek Indonesia. Skripsi. Surakarta: Universitas Sebelas

Maret.

Yami, N.R.H. 2015. Prediksi Kebankrutan Dengan Menggunakan Metode Altman

Z-Score, Springate dan Zmijewski Pada Perusahaan Property dan Real Estate

yang Terdaftar Di BEI Tahun 2011-2013. Jurnal Akuntansi. Semarang:

Fakultas Ekonomi dan Bisnis. Universitas Dian Nuswantoro

Yoseph. 2011. Analisis Kebangkrutan Dengan Metode Z-Score Altman, Springate

Dan Zmijewski Pada Pt. Indofood Sukses Makmur Tbk Periode 2005 – 2009.

Jurnal Ilmiah Akuntansi. No. 04 Tahun ke-2 Januari-April 2011. Jurusan

Manajemen Universitas Kristen Maranatha.

Yoseph, Catarina Emeralda Kartika A. 2018. Analisis Prediksi Kebangkruutan

Metode Altman, Springate, Zmijewski, dan Gover dalam Kondisi Financial

Distress (Studi Empiris pada Perusahaan Manufaktur yang Terdaftar di Bursa

Efek Indonesia Tahun 2011-2015).Skirpsi. Yogyakarta: Universitas Sanata

Dharma

Zakkiyah, U.Z, Wijono T, & Endang M.G. 2014. Analisis Menggunakan Model

Zmijewski (X-Score) dan Altman (Z-Score) untuk Memprediksi Potensi

Kebangkrutan (Studi pada Perusahaan Tekstil dan Garmen yang Terdaftar di

BEI periode 2019-2012). Jurnal. Malang: Fakultas Ilmu Adinistrasi

Universitas Brawijaya.


LAMPIRAN


135

LAMPIRAN 1

PERHITUNGAN WORKING CAPITAL TO TOTAL ASSET

Working Capital To Total Asset tahun 2014

No Kode

Emiten

Current Asset

(Rp) Current Liability (Rp) Total Asset (Rp) WCTA

1 AMFG 2.263.728.000.000 398.238.000.000 3.946.125.000.000 0,473

2 ARNA 507.458.459.958 315.672.948.473 1.259.938.133.543 0,152

3 IKAI 173.235.120.969 207.131.011.654 518.546.655.125 -0,065

4 KIA 794.630.081.171 141.466.051.713 2.124.390.696.519 0,307

5 MLIA 1.628.326.016.000 1.462.013.369.000 7.220.918.333.000 0,023

Sumber: Data sekunder diolah peneliti. 2020


No Kode

Emiten

Current Asset


1 AMFG 2.231.181.000.000 479.376.000.000 4.270.275.000.000 0,410

2 ARNA 509.178.006.986 498.857.920.866 1.430.779.475.454 0,007

3 IKAI 143.317.764.548 177.269.594.413 390.042.617.783 -0,087

4 KIA 673.269.000.000 207.677.000.000 2.083.770.000.000 0,223

5 MLIA 1.530.197.787.000 1.757.515.738.000 7.125.800.277.000 -0,032



No Kode

Emiten

Current Asset


1 AMFG 1.787.723.000.000 885.086.000.000 5.504.890.000.000 0,164

2 ARNA 642.892.045.913 476.631.150.852 1.543.216.299.146 0,108

3 IKAI 38.485.080.665 191.371.169.326 264.872.333.000 -0,577

4 KIA 519.661.000.000 165.848.000.000 1.859.670.000.000 0,190

5 MLIA 1.589.944.730.000 1.849.891.122.000 7.723.578.677.000 -0,034



136


No Kode

Emiten Current Asset (Rp) Current Liability (Rp) Total Asset (Rp) WCTA

1 AMFG 2.003.321.000.000 996.903.000.000 6.267.816.000.000 0,161

2 ARNA 740.190.524.246 455.152.838.360 1.601.346.561.573 0,178

3 IKAI 8.077.769.000 239.659.849.000 219.245.635.000 -1,056

4 KIA 527.456.425.373.00 169.750.005.433 1.767.603.505.697 0,202

5 MLIA 1.261.014.750.000 1.449.898.887.000 5.186.685.608.000 -0,036



No Kode

Emiten

Current Asset


1 AMFG 2.208.918.000.000 996.903.000.000 8.432.632.000.000 0,144

2 ARNA 827.587.984.112 455.152.838.360 1.652.905.985.730 0,225

3 IKAI 92.211.026.000 239.659.849.000 1.337.016.109.000 -0,110

4 KIA 560.456.340.708 169.750.005.433 1.704.424.579.208 0,229

5 MLIA 1.151.925.372.000 1.449.898.887.000 5.263.726.099.000 -0,057



137

LAMPIRAN 2

PERHITUNGAN RETAINED EARNING TO TOTAL ASSET

Retained Earning To Total Asset tahun 2014

No Kode

Emiten

Retained Earning

(Rp) Total Asset (Rp) RE_TA

1 AMFG 2.719.357.000.000.00 3.946.125.000.000.00 0,689

2 ARNA 805.069.705.421.00 1.259.938.133.543.00 0,639

3 IKAI -218.433.363.398.00 518.546.655.125.00 -0,421

4 KIA 127.045.909.266.00 2.268.246.639.101.00 0,056

5 MLIA -3.148.410.407.000.00 7.220.918.333.000.00 -0,436



No Kode

Emiten

Retained

Earning(Rp) Total Asset (Rp) RE_TA

1 AMFG 3.008.140.000.000 4.270.275.000.000 0,704

2 ARNA 789.692.468.198 1.430.779.475.454 0,552

3 IKAI -328.361.500.297 390.042.617.783 -0,842

4 KIA 121.046.174.474 2.083.770.000.000 0,058

5 MLIA -3.290.041.898.000 7.125.800.277.000 -0,462



No Kode

Emiten

Retained Earning


1 AMFG 3.217.181.000.000 5.504.890.000.000 0,584

2 ARNA 840.962.177.316 1.543.216.299.146 0,545

3 IKAI -427.180.807.276 264.872.333.000 -1,613

4 KIA -355.546.068.200 1.859.670.000.000 -0,191

5 MLIA -3.277.839.073.000 7.723.578.677.000 -0,424



138


No Kode

Emiten

Retained Earning


1 AMFG 3.166.794.000.000 626.7816.000.000 0,505

2 ARNA 921.185.324.412 1.601.346.561.573 0,575

3 IKAI - 219.245.635.000 -

4 KIA -443.768.802.927 1.767.603.505.697 -0,251

5 MLIA -1.569.501.282.000 5.186.685.608.000 -0,303



No Kode

Emiten

Retained Earning


1 AMFG 3.214.583.000.000 8.432.632.000.000 0,381

2 ARNA 990.351.066.117 1.652.905.985.730 0,599

3 IKAI - 1.337.016.109.000 -

4 KIA -511.136.193.365 1.704.424.579.208 -0,300

5 MLIA -1.380.419.044.000 5.263.726.099.000 -0,262



139

LAMPIRAN 3

PERHITUNGAN EARNING BEFORE INTEREST AND TAX TO TOTAL

ASSET

Earning Before Interest and Tax to total Asset tahun 2014

No Kode

Emiten

Earning Before

Interest and Tax (Rp) Total Asset (Rp) EBIT_TA

1 AMFG 562.994.000.000 3.946.125.000.000 0,143

2 ARNA 352.131.191.348 1.259.938.133.543 0,279

3 IKAI -3.879.830.671 518.546.655.125 -0,007

4 KIA 70.487.518.914 2.268.246.639.101 0,031

5 MLIA 70.487.518.914 7.220.918.333.000 0,010



No Kode

Emiten

Earning Before


1 AMFG 428.692.000.000 4.270.275.000.000 0,100

2 ARNA 102.382.257.094 1.430.779.475.454 0,072

3 IKAI -22.501.273.985 390.042.617.783 -0,058

4 KIA -194.253.000.000 2.083.770.000.000 -0,093

5 MLIA 177.907.524.000 7.125.800.277.000 0,025



No Kode

Emiten

Earning Before


1 AMFG 351.007.000.000 5.504.890.000.000 0,064

2 ARNA 142.952.442.753 1.543.216.299.146 0,093

3 IKAI -50.321.243.000 264.872.333.000 -0,190

4 KIA -168.791.156.106 1.859.670.000.000 -0,091

5 MLIA 579.418.388.636 7.723.578.677.000 0,075



140


No Kode

Emiten

Earning Before


1 AMFG 93.342.000.000 6.267.816.000.000 0,015

2 ARNA 186.735.420.715 1.601.346.561.573 0,117

3 IKAI -51.677.925.000 219.245.635.000 -0,236

4 KIA -95.433.945.482 1.767.603.505.697 -0,054

5 MLIA 289.295.117.000 5.186.685.608.000 0,056



No Kode

Emiten

Earning Before

Interest and Tax(Rp) Total Asset (Rp) EBIT_TA

1 AMFG 176.696.000.000 8.432.632.000.000 0,021

2 ARNA 222.221.896.628 1.652.905.985.730 0,134

3 IKAI -31.852.295.000 1.337.016.109.000 -0,024

4 KIA -940.866.924.010 1.704.424.579.208 -0,552

5 MLIA 432.606.270.000 5.263.726.099.000 0,082



141

LAMPIRAN 4

PERHITUNGAN MARKET VALUE OF EQUITY TO BOOK VALUE OF

DEBT

Market Value Of Equity To Book Value Of Debt 2014

No Kode

Emiten

Market Value Of

Equity Book Value Of Debt MVE_BVD

1 AMFG 3.227.875.000.000.00 844.685.000.000.00 3,821

2 ARNA 7.011.066.582.080 349.995.874.987.00 20,032

3 IKAI 86.854.370.514 339.889.432.972.00 0,256

4 KIA 2.183.380.875.000.00 249.533.735.885.00 8,750

5 MLIA 727.650.000.000.00 6.062.563.787.000.00 0,120



No Kode

Emiten

Market Value Of


1 AMFG 2.953.912.500.000 880.052.000.000 3,357

2 ARNA 4.195.627.802.784 536.050.998.398 7,827

3 IKAI 82.106.067.798 321.009.676.687 0,256

4 KIA 1.548.894.125.000 317.492.000.000 4,879

5 MLIA 854.988.750.000 6.010.681.233.000 0,142



No Kode

Emiten

Market Value Of


1 AMFG 2.951.200.000.000 1.905.626.000.000 1.549

2 ARNA 4.267.206.754.800 595.128.097.887 7,170

3 IKAI 71.818.078.580 326.877.597.451 0,220

4 KIA 1.175.666.625.000 339.640.000.000 3,462

5 MLIA 749.148.750.000 6.110.478.983.000 0,123



142


No Kode

Emiten

Market Value Of


1 AMFG 2.753.187.500.000 2.718.939.000.000 1,013

2 ARNA 3.156.815.319.680 571.946.769.034 5,519

3 IKAI 58.232.656.920 335.252.236.000 0,174

4 KIA 1.380.941.750.000 340.873.208.857 4,051

5 MLIA 816.952.500.000 3.432.390.525.000 0,238



No Kode

Emiten

Market Value Of


1 AMFG 2.025.152.500.000 4.835.966.000.000 0,419

2 ARNA 2.639.244.435.872 556.309.556.626 4,744

3 IKAI 8.733.453.474.360 542.884.341.000 16,087

4 KIA 1.492.910.000.000 3.495.873.455.823 0,427

5 MLIA 1.162.586.250.000 3.022.358.125.000 0,385



143

LAMPIRAN 5

PERHITUNGAN SALES TO TOTAL ASSET

Sales to Total Asset 2014

No Kode

Emiten Sales (Rp) Total Asset (Rp) S_A

1 AMFG 3.672.186.000.000 3.946.125.000.000 0,931

2 ARNA 1.609.758.677.687 1.259.938.133.543 1,278

3 IKAI 262.321.356.543 518.546.655.125 0,506

4 KIA 898.976.979.994 2.268.246.639.101 0,396

5 MLIA 5.629.696.723.000 7.220.918.333.000 0,780



No Kode


1 AMFG 3.665.989.000.000 4.270.275.000.000 0,858

2 ARNA 1.291.926.384.471 1.430.779.475.454 0,903

3 IKAI 141.199.773.647 390.042.617.783 0,362

4 KIA 800.392.438.557 2.083.770.000.000 0,384

5 MLIA 5.713.989.433.000 7.125.800.277.000 0,802



No Kode


1 AMFG 3.724.075.000.000 5.504.890.000.000 0,677

2 ARNA 1.511.978.367.218 1.543.216.299.146 0,980

3 IKAI 83.772.635.083 264.872.333.000 0,316

4 KIA 863.714.584.966 1.859.670.000.000 0,464

5 MLIA 5.793.737.618.000 7.723.578.677.000 0,750



144


No Kode


1 AMFG 3.885.791.000.000 6.267.816.000.000 0,620

2 ARNA 1.732.985.361.870 1.601.346.561.573 1,082

3 IKAI 13.297.423.000 219.245.635.000 0,061

4 KIA 810.064.124.425 1.767.603.505.697 0,458

5 MLIA 6.277.135.709.000 5.186.685.608.000 1,210



No Kode


1 AMFG 4.443.262.000.000 8.432.632.000.000 0,527

2 ARNA 1.871.478.070.171 1.652.905.985.730 1,132

3 IKAI 11.276.672.000 1.337.016.109.000 0,008

4 KIA 875.963.168.811 1.704.424.579.208 0,514

5 MLIA 5.576.944.266.000 5.263.726.099.000 1,060



145

LAMPIRAN 6

PERHITUNGAN EARNING BEFORE TAX TO CURRENT LIABILITIES

Earning Before Tax To Current Liabilities tahun 2014

No Kode

Emiten

Earning Before Tax

(Rp)

Current Liabilities

(Rp) EBT_CL

1 AMFG 605.163.000.000 398.238.000.000 1,520

2 ARNA 348.684.411.976 315.672.948.473 1,105

3 IKAI -26.750.105.567 207.131.011.654 -0,129

4 KIA 96.735.360.936 141.466.051.713 0,684

5 MLIA 170.283.389.000 1.462.013.369.000 0,116



No Kode

Emiten

Earning Before Tax

(Rp)

Current Liabilities

(Rp) EBT_CL

1 AMFG 464.263.000.000 479.376.000.000 0,968

2 ARNA 95.514.316.424 498.857.920.866 0,191

3 IKAI -109.120.665.879 177.269.594.413 -0,616

4 KIA -182.239.000.000 207.677.000.000 -0,878

5 MLIA -190.208.664.000 1.757.515.738.000 -0,108



No Kode

Emiten

Earning Before Tax

(Rp)

Current Liabilities

(Rp) EBT_CL

1 AMFG 348.561.000.000 885.086.000.000 0,394

2 ARNA 123.838.299.924 476.631.150.852 0,260

3 IKAI -145.893.728.338 191.371.169.326 -0,762

4 KIA -165.927.480.293 165.848.000.000 -1,000

5 MLIA -8.881.576.000 1.849.891.122.000 -0,005



146


No Kode

Emiten

Earning Before Tax

(Rp)

Current Liabilities

(Rp) EBT_CL

1 AMFG 63.589.000.000 996.903.000.000 0,064

2 ARNA 166.203.941.034 455.152.838.360 0,365

3 IKAI -63.642.281.000 239.659.849.000 -0,266

4 KIA -94.710.676.180 169.750.005.433 -0,558

5 MLIA 50.783.937.000 1.449.898.887.000 0,035



No Kode

Emiten

Earning Before Tax

(Rp)

Current Liabilities

(Rp) EBT_CL

1 AMFG 11.184.000.000 1.738.904.000.000 0,006

2 ARNA 211.729.940.176 476.647.908.156 0,444

3 IKAI 70.055.565.000 196.634.638.000 0,356

4 KIA -95.039.015.931 192.300.522.743 -0,494

5 MLIA 264.824.823.000 1.232.040.043.000 0,215



147

LAMPIRAN 7

PERHITUNGAN RETURN ON ASSET (ROA)

ROA 2014

No Kode

Emiten

Earning After Tax

(Rp) Total Asset (Rp) ROA

1 AMFG 464.152.000.000 3.946.125.000.000 0,118

2 ARNA 261.879.784.046 1.259.938.133.543 0,208

3 IKAI -3.879.830.671 518.546.655.125 -0,007

4 KIA 79.640.638.204 2.268.246.639.101 0,035

5 MLIA 130.105.818.000 7.220.918.333.000 0,018


ROA 2015

No Kode

Emiten

Earning After Tax


1 AMFG 341.346.000.000 4.270.275.000.000 0,080

2 ARNA 71.209.943.348 1.430.779.475.454 0,050

3 IKAI -108.888.289.285 390.042.617.783 -0,279

4 KIA -144.635.000.000 2.083.770.000.000 -0,069

5 MLIA -155.911.654.000 7.125.800.277.000 -0,022


ROA 2016

No Kode

Emiten

Earning After Tax


1 AMFG 260.444.000.000 5.504.890.000.000 0,047

2 ARNA 91.375.910.975 1.543.216.299.146 0,059

3 IKAI -145.359.281.909 264.872.333.000 -0,549

4 KIA -252.499.070.120 1.859.670.000.000 -0,136

5 MLIA 9.039.563.000 7.723.578.677.000 0,001



148

ROA 2017

No Kode

Emiten

Earning After Tax


1 AMFG 38.569.000.000 6.267.816.000.000 0,006

2 ARNA 122.183.909.643 1.601.346.561.573 0,076

3 IKAI -54.001.338.000 219.245.635.000 -0,246

4 KIA -85.300.976.555 1.767.603.505.697 -0,048

5 MLIA 47.534.072.000 5.186.685.608.000 0,009


ROA 2018

No Kode

Emiten

Earning After Tax


1 AMFG 6.596.000.000 8.432.632.000.000 0,001

2 ARNA 158.207.798.602 1.652.905.985.730 0,096

3 IKAI 71.284.346.000 1.337.016.109.000 0,053

4 KIA -79.206.468.705 1.704.424.579.208 -0,046

5 MLIA 189.082.238.000 5.263.726.099.000 0,036



149

LAMPIRAN 8

PERHITUNGAN DEPT RATIO

Dept Ratio 2014

No Kode

Emiten Total Liabilities (Rp) Total Asset (Rp) Dept Ratio

1 AMFG 844.685.000.000 3.946.125.000.000 0,214

2 ARNA 349.995.874.987 1.259.938.133.543 0,278

3 IKAI 339.889.432.972 518.546.655.125 0,655

4 KIA 249.533.735.885 2.268.246.639.101 0,110

5 MLIA 6.062.563.787.000 7.220.918.333.000 0,840


Dept Ratio 2015

No Kode


1 AMFG 880.052.000.000 4.270.275.000.000 0,206

2 ARNA 536.050.998.398 1.430.779.475.454 0,375

3 IKAI 321.009.676.687 390.042.617.783 0,823

4 KIA 317.492.000.000 2.083.770.000.000 0,152

5 MLIA 6.010.681.233.000 7.125.800.277.000 0,844


Dept Ratio 2016

No Kode


1 AMFG 1.905.626.000.000 5.504.890.000.000 0,346

2 ARNA 595.128.097.887 1.543.216.299.146 0,386

3 IKAI 326.877.597.451 264.872.333.000 1,234

4 KIA 339.640.000.000 1.859.670.000.000 0,183

5 MLIA 6.110.478.983.000 7.723.578.677.000 0,791



150

Dept Ratio 2017

No Kode


1 AMFG 2.718.939.000.000 6.267.816.000.000 0,434

2 ARNA 571.946.769.034 1.601.346.561.573 0,357

3 IKAI 335.252.236.000 219.245.635.000 1,529

4 KIA 340.873.208.857 1.767.603.505.697 0,193

5 MLIA 3.432.390.525.000 5.186.685.608.000 0,662


Dept Ratio 2018

No Kode


1 AMFG 4.835.966.000.000 8.432.632.000.000 0,573

2 ARNA 556.309.556.626 1.652.905.985.730 0,337

3 IKAI 542.884.341.000 1.337.016.109.000 0,406

4 KIA 3.495.873.455.823 1.704.424.579.208 2,051

5 MLIA 3.022.358.125.000 5.263.726.099.000 0,574



151

LAMPIRAN 9

PERHITUNGAN CURRENT RATIO

Current Ratio 2014

No Kode

Emiten Current Asset (Rp)

Current Liabilities

(Rp)

Current

Ratio

1 AMFG 2.263.728.000.000 398.238.000.000 5,684

2 ARNA 507.458.459.958 315.672.948.473 1,608

3 IKAI 173.235.120.969 207.131.011.654 0,836

4 KIA 794.630.081.171 141.466.051.713 5,617

5 MLIA 1.628.326.016.000 1.462.013.369.000 1,114


Current Ratio 2015

No Kode


Current Liabilities

(Rp)

Current

Ratio

1 AMFG 2.231.181.000.000 479.376.000.000 4,654

2 ARNA 509.178.006.986 498.857.920.866 1,021

3 IKAI 143.317.764.548 177.269.594.413 0,808

4 KIA 673.269.000.000 207.677.000.000 3,242

5 MLIA 1.530.197.787.000 1.757.515.738.000 0,871


Current Ratio 2016

No Kode


Current Liabilities

(Rp)

Current

Ratio

1 AMFG 1.787.723.000.000 885.086.000.000 2,020

2 ARNA 642.892.045.913 476.631.150.852 1,349

3 IKAI 38.485.080.665 191.371.169.326 0,201

4 KIA 519.661.000.000 165.848.000.000 3,133

5 MLIA 1.589.944.730.000 1.849.891.122.000 0,859



152

Current Ratio 2017

No Kode


Current Liabilities

(Rp)

Current

Ratio

1 AMFG 2.003.321.000.000 996.903.000.000 2,010

2 ARNA 740.190.524.246 455.152.838.360 1,626

3 IKAI 8.077.769.000 239.659.849.000 0,034

4 KIA 527.456.425.373 169.750.005.433 3,107

5 MLIA 1.261.014.750.000 1.449.898.887.000 0,870


Current Ratio 2018

No Kode


Current Liabilities

(Rp)

Current

Ratio

1 AMFG 2.208.918.000.000 1.738.904.000.000 1,270

2 ARNA 827.587.984.112 476.647.908.156 1,736

3 IKAI 92.211.026.000 196.634.638.000 0,469

4 KIA 560.456.340.708 192.300.522.743 2,914

5 MLIA 1.151.925.372.000 1.232.040.043.000 0,935



153

LAMPIRAN 10

PERHITUNGAN KEKAYAAN BERSIH / TOTAL ASET

Kekayaan Bersih / Total Aset 2014

NO

Kode

Emiten

Total Aktiva (Rp)

(1)

Total Hutang (Rp)

(2)

KB_TA

(1-2)/2

1 AMFG Rp3,946,125,000,000 Rp844,685,000,000 3,672

2 ARNA Rp1,259,938,133,543 Rp349,995,874,987 2,600

3 IKAI Rp518,546,655,125 Rp339,889,432,972 0,526

4 KIA Rp2,124,390,696,519 Rp249,533,735,885 7,513

5 MLIA Rp7,220,918,333,000 Rp6,062,563,787,000 0,191



NO

Kode

Emiten

Total Aktiva (Rp)

(1)

Total Hutang (Rp)

(2)

KB_TA

(1-2)/2

1 AMFG Rp4,270,275,000,000 Rp880,052,000,000 3,852

2 ARNA Rp1,430,779,475,454 Rp536,050,998,398 1,669

3 IKAI Rp390,042,617,783 Rp321,009,676,687 0,215

4 KIA Rp2,083,770,000,000 Rp317,492,000,000 5,563

5 MLIA Rp7,125,800,277,000 Rp6,010,681,233,000 0,186



NO

Kode

Emiten

Total Aktiva (Rp)

(1)

Total Hutang(Rp)

(2)

KB_TA

(1-2)/2

1 AMFG Rp5,504,890,000,000 Rp1,020,540,000,000 4,394

2 ARNA Rp1,543,216,299,146 Rp118,496,947,035 12,023

3 IKAI Rp264,872,333,000 Rp135,506,429,000 0,955

4 KIA Rp1,859,670,000,000 Rp173,792,000,000 9,701

5 MLIA Rp7,723,578,677,000 Rp4,260,587,861,000 0,813



154


NO

Kode

Emiten

Total Aktiva (Rp)

(1)

Total Hutang (Rp)

(2)

KB_TA

(1-2)/2

1 AMFG Rp6,267,816,000,000 Rp1,722,036,000,000 2,640

2 ARNA Rp1,601,346,561,573 Rp116,793,930,674 12,711

3 IKAI Rp219,245,635,000 Rp95,592,387,000 1,294

4 KIA Rp1,767,603,505,697 Rp171,123,203,424 9,329

5 MLIA Rp5,186,685,608,000 Rp1,982,491,638,000 1,616



NO Kode

Emiten

Total Aktiva (Rp)

(1)

Total Hutang (Rp)

(2)

KB_TA

(1-2)/2

1 AMFG Rp8,432,632,000,000 Rp4,835,966,000,000 0.744

2 ARNA Rp827,587,984,112 Rp556,309,556,626 0.488

3 IKAI Rp92,211,026,000 Rp542,884,341,000 -0.830

4 KIA Rp560,456,340,708 Rp3,495,873,455,823 -0.840

5 MLIA Rp1,151,925,372,000 Rp3,022,358,125,000 -0.619



155

LAMPIRAN 11

PERHITUNGAN RASIO KAS / TOTAL ASET

Kas/Total Aset 2014

No Kode

Emiten Kas (Rp) Total Asset (Rp)

Kas/Total

Aset

1 AMFG 1,107,411,000,000 3,946,125,000,000 0,281

2 ARNA 47,235,005,563 1,259,938,133,543 0,037

3 IKAI 1,106,176,064 518,546,655,125 0,002

4 KIA 220,526,665,794 2,268,246,639,101 0,097

5 MLIA 105,969,621,000 7,220,918,333,000 0,015


Kas/Total Aset 2015

No Kode

Emiten Kas(Rp) Total Asset (Rp)

Kas/Total

Aset

1 AMFG 931,761,000,000 4,270,275,000,000 0,218

2 ARNA 5,104,533,709 1,430,779,475,454 0,004

3 IKAI 223,103,464 390,042,617,783 0,001

4 KIA 54,773,279,911 2,083,770,000,000 0,026

5 MLIA 53,368,525,000 7,125,800,277,000 0,007


Kas/Total Aset 2016

No Kode


Kas/Total

Aset

1 AMFG 320,827,000,000 5,504,890,000,000 0,058

2 ARNA 3,165,484,220 1,543,216,299,146 0,002

3 IKAI 135,845,649 264,872,333,000 0,001

4 KIA 33,961,000,000 1,859,670,000,000 0,018

5 MLIA 54,716,784,000 7,723,578,677,000 0,007



156

Kas/Total Aset 2017

No Kode


Kas/Total

Aset

1 AMFG 346,195,000,000 6,267,816,000,000 0.055

2 ARNA 59,531,055,920 1,601,346,561,573 0,037

3 IKAI 225,392,000 219,245,635,000 0,001

4 KIA 9,384,169,874 1,767,603,505,697 0,005

5 MLIA 109,143,020,000 5,186,685,608,000 0,021


Kas/Total Aset 2018

No Kode


Kas/Total

Aset

1 AMFG 296,628,000,000 8,432,632,000,000 0,035

2 ARNA 192,813,271,612 1,652,905,985,730 0,117

3 IKAI 76,001,833,000 1,337,016,109,000 0,057

4 KIA 7,612,288,140 1,704,424,579,208 0,004

5 MLIA 55,917,194,000 5,263,726,099,000 0,011



157

LAMPIRAN 12

PERHITUNGAN RASIO X1 (SIZE)

X1 (SIZE) Log (Total Aset / indeks tingkat harga GNP) 2014

NO Kode Emiten Total Aset (Rp) GNP (Rp) X1

1 AMFG 3,946,125,000,000 2,517,268,869,690.53 1.568

2 ARNA 1,259,938,133,543 2,517,268,869,690.53 0.501

3 IKAI 518,546,655,125 2,517,268,869,690.53 0.206

4 KIA 2,268,246,639,101 2,517,268,869,690.53 0.901

5 MLIA 7,220,918,333,000 2,517,268,869,690.53 2.869






1 AMFG 4.270.275.000.000 2.755.624.702.085.88 1.550

2 ARNA 1.430.779.475.454 2.755.624.702.085.88 0.519

3 IKAI 390.042.617.783 2.755.624.702.085.88 0.142

4 KIA 2.083.770.000.000 2.755.624.702.085.88 0.756

5 MLIA 7.125.800.277.000 2.755.624.702.085.88 2.586



1 AMFG 5,504,890,000,000 3,107,887,859,557.62 1.771

2 ARNA 1,543,216,299,146 3,107,887,859,557.62 0.497

3 IKAI 264,872,333,000 3,107,887,859,557.62 0.085

4 KIA 1,859,670,000,000 3,107,887,859,557.62 0.598

5 MLIA 7,723,578,677,000 3,107,887,859,557.62 2.485


158





1 AMFG 6,267,816,000,000 3,331,711,068,638.96 1.881

2 ARNA 1,601,346,561,573 3,331,711,068,638.96 0.481

3 IKAI 219,245,635,000 3,331,711,068,638.96 0.066

4 KIA 1,767,603,505,697 3,331,711,068,638.96 0.531

5 MLIA 5,186,685,608,000 3,331,711,068,638.96 1.557



1 AMFG 8,432,632,000,000 3,521,457,298,132.86 2.395

2 ARNA 1,652,905,985,730 3,521,457,298,132.86 0.469

3 IKAI 1,337,016,109,000 3,521,457,298,132.86 0.380

4 KIA 1,704,424,579,208 3,521,457,298,132.86 0.484

5 MLIA 5,263,726,099,000 3,521,457,298,132.86 1.495


159

LAMPIRAN 13

PERHITUNGAN RASIO (X5) OENEG

(X5) OENEG 2014

NO Kode Emiten Total Aktiva (Rp) Total Hutang (Rp) Skala

1 AMFG 3,946,125,000,000.00 844,685,000,000 0

2 ARNA 1,259,938,133,543.00 349,995,874,987 0

3 IKAI 518,546,655,125.00 339,889,432,972 0

4 KIA 2,124,390,696,519.00 249,533,735,885 0

5 MLIA 7,220,918,333,000.00 6,062,563,787,000 0


(X5) OENEG 2015


1 AMFG 4,270,275,000,000 880,052,000,000 0

2 ARNA 1,430,779,475,454 536,050,998,398 0

3 IKAI 390,042,617,783 321,009,676,687 0

4 KIA 2,083,770,000,000 317,492,000,000 0

5 MLIA 7,125,800,277,000 6,010,681,233,000 0


(X5) OENEG 2016


1 AMFG 4,270,275,000,000 1,020,540,000,000 0

2 ARNA 1,430,779,475,454 118,496,947,035 0

3 IKAI 390,042,617,783 135,506,429,000 0

4 KIA 2,083,770,000,000 173,792,000,000 0

5 MLIA 7,125,800,277,000 4,260,587,861,000 0



160

(X5) OENEG 2017


1 AMFG 6,267,816,000,000.00 1,722,036,000,000 0

2 ARNA 1,601,346,561,573.00 116,793,930,674 0

3 IKAI 219,245,635,000.00 95,592,387,000 0

4 KIA 1,767,603,505,697.00 171,123,203,424 0

5 MLIA 5,186,685,608,000.00 1,982,491,638,000 0


(X5)OENEG 2018


1 AMFG 6,267,816,000,000.00 4,835,966,000,000 0

2 ARNA 1,601,346,561,573.00 556,309,556,626 0

3 IKAI 219,245,635,000.00 542,884,341,000 1

4 KIA 1,767,603,505,697.00 3,495,873,455,823 1

5 MLIA 5,186,685,608,000.00 3,022,358,125,000 0



161

LAMPIRAN 14

PERHITUNGAN RASIO X6 (NITA)

X6 (NITA) Laba Bersih / Total Aset 2014

No Kode Emiten Laba Bersih (Rp) Total Asset (Rp) NITA

1 AMFG 464,152,000,000 3,946,125,000,000.00 0.118

2 ARNA 261,879,784,046 1,259,938,133,543.00 0.208

3 IKAI -3,879,830,671 518,546,655,125.00 -0.007

4 KIA 79,640,638,204 2,124,390,696,519.00 0.037

5 MLIA 130,105,818,000 7,220,918,333,000.00 0.018


X6 Laba Bersih / Total Aset 2015


1 AMFG 341,346,000,000 4,270,275,000,000 0.080

2 ARNA 71,209,943,348 1,430,779,475,454 0.050

3 IKAI -108,888,289,285 390,042,617,783 -0.279

4 KIA -144,635,000,000 2,083,770,000,000 -0.069

5 MLIA -155,911,654,000 7,125,800,277,000 0.022


X6 Laba Bersih / Total Aset2016


1 AMFG Rp260,444,000,000 4,270,275,000,000 0.061

2 ARNA Rp91,375,910,975 1,430,779,475,454 0.064

3 IKAI -Rp145,359,281,909 390,042,617,783 -0.373

4 KIA -Rp252,499,070,120 2,083,770,000,000 -0.121

5 MLIA Rp9,039,563,000 7,125,800,277,000 0.001



162

X6 Laba Bersih / Total Aset2017


1 AMFG 38,569,000,000 6,267,816,000,000.00 0.006

2 ARNA 122,183,909,643 1,601,346,561,573.00 0.076

3 IKAI -54,001,338,000 219,245,635,000.00 -0.246

4 KIA -85,300,976,555 1,767,603,505,697.00 -0.048

5 MLIA 47,534,072,000 5,186,685,608,000.00 0.009


X6 Laba Bersih / Total Aset 2018


1 AMFG 6,596,000,000 6,267,816,000,000.00 0.001

2 ARNA 158,207,798,602 1,601,346,561,573.00 0.099

3 IKAI 71,284,346,000 219,245,635,000.00 0.325

4 KIA -79,206,468,705 1,767,603,505,697.00 - 0.045

5 MLIA 189,082,238,000 5,186,685,608,000.00 0.036



163

LAMPIRAN 15

PERHITUNGAN RASIO X7 (CFOTL)

X7 (CFOTL) Arus Kas Operasi / Total Hutang 2014

No Kode Emiten Arus Kas Operasi (Rp) Total Hutang (Rp) CFOTL

1 AMFG 564,250,000,000 6,267,816,000,000.00 0.090

2 ARNA 238,937,995,916 1,601,346,561,573.00 0.149

3 IKAI 15,834,747,540 219,245,635,000.00 0.072

4 KIA 51,975,722,117 1,767,603,505,697.00 0.029

5 MLIA 460,633,645,000 5,186,685,608,000.00 0.089




1 AMFG 366,837,000,000 6,267,816,000,000.00 0.059

2 ARNA 111,918,147,182 1,601,346,561,573.00 0.070

3 IKAI 16,480,938,391 219,245,635,000.00 0.075

4 KIA -56,748,466,971 1,767,603,505,697.00 -0.032

5 MLIA 367,602,920,000 5,186,685,608,000.00 0.071




1 AMFG 333,042,000,000 6,267,816,000,000.00 0.053

2 ARNA 95,618,365,174 1,601,346,561,573.00 0.060

3 IKAI 12,666,211,331 219,245,635,000.00 0.058

4 KIA 25,239,000,000 1,767,603,505,697.00 0.014

5 MLIA 234,571,143,000 5,186,685,608,000.00 0.045



164



1 AMFG 299,081,000,000 6,267,816,000,000.00 0.048

2 ARNA 245,599,197,741 1,601,346,561,573.00 0.153

3 IKAI 22,053,634,000 219,245,635,000.00 0.101

4 KIA 17,868,868,446 1,767,603,505,697.00 0.010

5 MLIA 243,550,943,000 5,186,685,608,000.00 0.047




1 AMFG 216,818,000,000 6,267,816,000,000.00 0.035

2 ARNA 356,764,910,588 1,601,346,561,573.00 0.223

3 IKAI 69,560,019,000 219,245,635,000.00 0.317

4 KIA 19,687,681,719 1,767,603,505,697.00 0.011

5 MLIA 227,388,878,000 5,186,685,608,000.00 0.044



165

LAMPIRAN 16

PERHITUNGAN RASIO X8 (INTWO)

X8 (INTWO) 2014

No Kode Emiten Laba Bersih 2013

(Rp)

Laba Bersih 2014

(Rp) (INTWO)

1 AMFG 338,358,000,000 464,152,000,000 0

2 ARNA 237,697,913,883 261,879,784,046 0

3 IKAI -12,090,270,966 -3,879,830,671 1

4 KIA 75,360,306,268 79,640,638,204 0

5 MLIA -474,045,653,000 130,105,818,000 0


X8 (INTWO) 2015


(Rp)

Laba Bersih 2015

(Rp) (INTWO)

1 AMFG 464,152,000,000 341,346,000,000 0

2 ARNA 261,879,784,046 71,209,943,348 0

3 IKAI -3,879,830,671 -108,888,289,285 1

4 KIA 79,640,638,204 -144,635,000,000 0

5 MLIA 130,105,818,000 -155,911,654,000 0


X8 (INTWO) 2016


(Rp)

Laba Bersih 2016

(Rp) (INTWO)

1 AMFG 341,346,000,000 260,444,000,000 0

2 ARNA 71,209,943,348 91,375,910,975 0

3 IKAI -108,888,289,285 -145,359,281,909 1

4 KIA -144,635,000,000 -252,499,070,120 1

5 MLIA -155,911,654,000 9,039,563,000 0



166

X8 (INTWO) 2017


(Rp)

Laba Bersih 2017

(Rp) (INTWO)

1 AMFG 260,444,000,000 38,569,000,000 0

2 ARNA 91,375,910,975 122,183,909,643 0

3 IKAI -145,359,281,909 -54,001,338,000 1

4 KIA -252,499,070,120 -85,300,976,555 1

5 MLIA 9,039,563,000 47,534,072,000 0


X8 (INTWO) 2018


(Rp)

Laba Bersih 2018

(Rp) (INTWO)

1 AMFG 38,569,000,000 6,596,000,000 0

2 ARNA 122,183,909,643 158,207,798,602 0

3 IKAI -54,001,338,000 71,284,346,000 0

4 KIA -85,300,976,555 -79,206,468,705 1

5 MLIA 47,534,072,000 189,082,238,000 0



167

LAMPIRAN 17

PERHITUNGAN RASIO X9 (CHIN)

X9 (CHIN) 2014


(Rp)

Laba Bersih 2014

(Rp) (CHIN)

1 AMFG 338,358,000,000 464,152,000,000 0.157

2 ARNA 237,697,913,883 261,879,784,046 0.048

3 IKAI -12,090,270,966 -3,879,830,671 -0.514

4 KIA 75,360,306,268 79,640,638,204 0.028

5 MLIA -474,045,653,000 130,105,818,000 -1.757


X9 (CHIN) 2015


(Rp)

Laba Bersih 2015

(Rp) (CHIN)

1 AMFG 464,152,000,000 341,346,000,000 -0.152

2 ARNA 261,879,784,046 71,209,943,348 -0.572

3 IKAI -3,879,830,671 -108,888,289,285 0.931

4 KIA 79,640,638,204 -144,635,000,000 3.451

5 MLIA 130,105,818,000 -155,911,654,000 11.083


X9 (CHIN) 2016


(Rp)

Laba Bersih 2016

(Rp) (CHIN)

1 AMFG Rp341,346,000,000 Rp260,444,000,000 -0.134

2 ARNA Rp71,209,943,348 Rp91,375,910,975 0.124

3 IKAI -Rp108,888,289,285 -Rp145,359,281,909 0.143

4 KIA -Rp144,635,000,000 -Rp252,499,070,120 0.272

5 MLIA -Rp155,911,654,000 Rp9,039,563,000 -1.123



168

X9 (CHIN) 2017


(Rp)

Laba Bersih 2017

(Rp) (CHIN)

1 AMFG Rp260,444,000,000 Rp38,569,000,000 -0.742

2 ARNA Rp91,375,910,975 Rp122,183,909,643 0.144

3 IKAI -Rp145,359,281,909 -Rp54,001,338,000 -0.458

4 KIA -Rp252,499,070,120 -Rp85,300,976,555 -0.495

5 MLIA Rp9,039,563,000 Rp47,534,072,000 0.680


X9 (CHIN) 2018


(Rp)

Laba Bersih 2018

(Rp) (CHIN)

1 AMFG 38,569,000,000 6,596,000,000 -0.708

2 ARNA 122,183,909,643 158,207,798,602 0.128

3 IKAI -54,001,338,000 71,284,346,000 7.249

4 KIA -85,300,976,555 -79,206,468,705 -0.037

5 MLIA 47,534,072,000 189,082,238,000 0.598



169

LAMPIRAN 18

PERHITUNGAN METODE ALTMAN (Z-SCORE) PADA PERUSAHAAN

Perhitungan Metode Altman (Z-Score) Pada Perusahaan AMFG

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,473 0,410 0,164 0,161 0,144

2 X2 0,689 0,704 0,584 0,505 0,381

3 X3 0,143 0,100 0,064 0,015 0,021

4 X4 3,821 3,357 1,549 1,013 0,419

5 X5 3,821 3,357 1,549 1,013 0,419

Sumber: Data sekunder diolah peneliti, 2020

Perhitungan Metode Altman (Z-Score) Pada Perusahaan ARNA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,152 0,007 0,108 0,178 0,225

2 X2 0,639 0,552 0,545 0,575 0,599

3 X3 0,279 0,072 0,093 0,117 0,134

4 X4 20,032 7,827 7,170 5,519 4,744

5 X5 1,278 0,903 -0,091 1,082 1,132


Perhitungan Metode Altman (Z-Score) Pada Perusahaan IKAI

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 -0,065 -0,087 -0,577 -1,056 -0,110

2 X2 -0,421 -0,842 -1,613 - -

3 X3 -0,007 -0,058 -0,190 -0,236 -0,024

4 X4 0,256 0,256 0,220 0,174 16,087

5 X5 0,506 0,362 0,075 0,061 0,008



170

Perhitungan Metode Altman (Z-Score) Pada Perusahaan KIA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,307 0,223 0,190 0,202 0,229

2 X2 0,056 0,058 -0,191 -0,251 -0,300

3 X3 0,031 -0,093 -0,091 -0,054 -0,552

4 X4 8,750 4,879 3,462 4,051 0,427

5 X5 0,396 0,384 - 0,458 0,514


Perhitungan Metode Altman (Z-Score) Pada Perusahaan MLIA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,023 -0,032 -0,034 -0,036 -0,057

2 X2 -0,436 -0,462 -0,424 -0,303 -0,262

3 X3 0,010 0,025 0,075 0,056 0,082

4 X4 0,120 0,142 0,123 0,238 0,385

5 X5 0,780 0,802 - 1,210 1,060



171

LAMPIRAN 19

PERHITUNGAN METODE SPRINGATE (S-SCORE) PADA

PERUSAHAAN

Perhitungan Metode Springate (S-Score) Pada Perusahaan AMFG

No Komponen Tahun

2014 2015 2016 2017 2018

1 A 0,473 0,410 0,164 0,161 0,144

2 B 0,143 0,100 0,064 0,015 0,021

3 C 1,520 0,968 0,394 0,064 0,006

4 D 0,931 0,858 -0,190 0,620 0,527


Perhitungan Metode Springate (S-Score) Pada Perusahaan ARNA

No Komponen Tahun

2014 2015 2016 2017 2018

1 A 0,152 0,007 0,108 0,178 0,225

2 B 0,279 0,072 0,093 0,117 0,134

3 C 1,105 0,191 0,260 0,365 0,444

4 D 1,278 0,903 -0,091 1,082 1,132


Perhitungan Metode Springate (S-Score) Pada Perusahaan IKAI

No Komponen Tahun

2014 2015 2016 2017 2018

1 A -0,065 -0,087 -0,577 -1,056 -0,110

2 B -0,007 -0,058 -0,190 -0,236 -0,024

3 C -0,129 -0,616 -0,762 -0,266 0,356

4 D 0,506 0,362 0,075 0,061 0,008



172

Perhitungan Metode Springate (S-Score) Pada Perusahaan KIA

No Komponen Tahun

2014 2015 2016 2017 2018

1 A 0,307 0,223 0,190 0,202 0,229

2 B 0,031 -0,093 -0,091 -0,054 -0,552

3 C 0,684 -0,878 -1,000 -0,558 -0,494

4 D 0,396 0,384 - 0,458 0,514


Perhitungan Metode Springate (S-Score) Pada Perusahaan MLIA

No Komponen Tahun

2014 2015 2016 2017 2018

1 A 0,023 -0,032 -0,034 -0,036 -0,057

2 B 0,010 0,025 0,075 0,056 0,082

3 C 0,116 -0,108 -0,005 0,035 0,215

4 D 0,780 0,802 - 1,210 1,060



173

LAMPIRAN 20

PERHITUNGAN METODE ZMIJEWSKI (X-SCORE) PADA

PERUSAHAAN

Perhitungan Metode Zmijewski (X-Score) Pada Perusahaan AMFG

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,118 0,080 0,047 0,006 0,001

2 X2 0,214 0,206 0,346 0,434 0,573

3 X3 5,684 4,654 2,020 2,010 1,270


Perhitungan Metode Zmijewski (X-Score) Pada Perusahaan ARNA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,208 0,050 0,059 0,076 0,096

2 X2 0,278 0,375 0,386 0,357 0,337

3 X3 1,608 1,021 1,349 1,626 1,736


Perhitungan Metode Zmijewski (X-Score) Pada Perusahaan IKAI

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 -0,007 -0,279 -0,549 -0,246 0,053

2 X2 0,655 0,823 1,234 1,529 0,406

3 X3 0,836 0,808 0,201 0,034 0,469


Perhitungan Metode Zmijewski (X-Score) Pada Perusahaan KIA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,035 -0,069 -0,136 -0,048 -0,046

2 X2 0,110 0,152 0,183 0,193 2,051

3 X3 5,617 3,242 3,133 3,107 2,914



174

Perhitungan Metode Zmijewski (X-Score) Pada Perusahaan MLIA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,018 -0,022 0,001 0,009 0,036

2 X2 0,840 0,844 0,791 0,662 0,574

3 X3 1,114 0,871 0,859 0,870 0,935



175

LAMPIRAN 21

PERHITUNGAN METODE GROVER (G-SCORE) PADA PERUSAHAAN

Komponen G-Score AMFG

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,473 0,410 0,164 0,161 0,144

2 X2 0,143 0,100 0,064 0,015 0,021

3 ROA 0,118 0,080 0,047 0,006 0,001


Komponen G-Score ARNA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,152 0,007 0,108 0,178 0,225

2 X2 0,279 0,072 0,093 0,117 0,134

3 ROA 0,208 0,050 0,059 0,076 0,096


Komponen G-Score IKAI

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 -0,065 -0,087 -0,577 -1,056 -0,110

2 X2 -0,007 -0,058 -0,190 -0,236 -0,024

3 ROA -0,007 -0,279 -0,549 -0,246 0,053



176

Komponen G-Score KIA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,307 0,223 0,190 0,202 0,229

2 X2 0,031 -0,093 -0,091 -0,054 -0,552

3 ROA 0,035 -0,069 -0,136 -0,048 -0,046


Komponen G-Score MLIA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,023 -0,032 -0,034 -0,036 -0,057

2 X2 0,010 0,025 0,075 0,056 0,082

3 ROA 0,018 -0,022 0,001 0,009 0,036



177

LAMPIRAN 22

PERHITUNGAN METODE OHLSON (O-SCORE) PADA PERUSAHAAN

Komponen O-Score AMFG

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 1,568 1,550 1,771 1,881 2,395

2 X2 0,214 0,206 0,346 0,434 0,573

3 X3 0,473 0,410 0,164 0,161 0,144

4 X4 0,176 0,215 0,495 0,498 0,451

5 X5 0 0 0 0 0

6 X6 0,118 0,080 0,061 0,006 0,001

7 X7 0,090 0,059 0,053 0,048 0,035

8 X8 0 0 0 0 0

9 X9 0,157 -0,152 -0,134 -0,742 -0,708


Komponen O-Score ARNA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,501 0,519 0,497 0,481 0,469

2 X2 0,278 0,375 0,386 0,357 0,337

3 X3 0,152 0,007 0,108 0,178 0,225

4 X4 0,622 0,980 0,741 0,615 0,550

5 X5 0 0 0 0 0

6 X6 0,208 0,050 0,064 0,076 0,099

7 X7 0,149 0,070 0,060 0,153 0,223

8 X8 0 0 0 0 0

9 X9 0,048 -0,572 0,124 0,144 0,128



178

Komponen O-Score IKAI

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,206 0,142 0,085 0,066 0,380

2 X2 0,655 0,823 1,234 1,529 0,406

3 X3 -0,065 -0,087 -0,577 -1,056 -0,110

4 X4 1,196 1,237 4,973 29,669 2,599

5 X5 0 0 0 0 1

6 X6 -0,007 -0,279 -0,373 -0,246 0,325

7 X7 0,072 0,075 0,058 0,101 0,317

8 X8 1 1 1 1 0

9 X9 -0,514 0,931 0,143 -0,458 7,249


Komponen O-Score KIA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,901 0,756 0,598 0,531 0,484

2 X2 0,110 0,152 0,183 0,193 2,051

3 X3 0,307 0,223 0,190 0,202 0,229

4 X4 0,178 0,308 0,319 0,322 0,303

5 X5 0 0 0 0 1

6 X6 0,037 -0,069 -0,121 -0,048 - 0,045

7 X7 0,029 -0,032 0,014 0,010 0,011

8 X8 0 0 1 1 1

9 X9 0,028 3,451 0,272 -0,495 -0,037



179

Komponen O-Score MLIA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 2,869 2,586 2,485 1,557 1,495

2 X2 0,840 0,844 0,791 0,662 0,574

3 X3 0,023 -0,032 -0,034 -0,036 -0,057

4 X4 0,898 1,149 1,163 1,150 1,259

5 X5 0 0 0 0 0

6 X6 0,018 -0,022 0,001 0,009 0,036

7 X7 0,089 0,071 0,045 0,047 0,044

8 X8 0 0 0 0 0

9 X9 -1,757 11,083 -1,123 0,680 0,598



180

LAMPIRAN 23

PERHITUNGAN METODE KIDA PADA PERUSAHAAN

Komponen KIDA Perusahaan AMFG

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,118 0,080 0,047 0,006 0,001

2 X2 3,672 3,852 4,394 2,640 0,744

3 X3 5684 4,654 2,020 2,010 1,270

4 X4 0,931 0,858 0,677 0,620 0,527

5 X5 0,281 0,218 0,058 0,055 0,035


Komponen KIDA ARNA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,208 0,050 0,059 0,076 0,096

2 X2 2,600 1,669 12,023 12,711 0,488

3 X3 1,608 1,021 1,349 1,626 1,736

4 X4 1,278 0,903 0,980 1,082 1,132

5 X5 0,037 0,004 0,002 0,037 0,117


Komponen KIDA IKAI

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 -0,007 -0,279 -0,549 -0,246 0,053

2 X2 0,526 0,215 0,955 1,294 -0,830

3 X3 0,836 0,808 0,201 0,034 0,469

4 X4 0,506 0,362 0,316 0,061 0,008

5 X5 0,002 0,001 0,001 0,001 0,057



181

Komponen KIDA KIA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,035 -0,069 -0,136 -0,048 -0,046

2 X2 7,513 5,563 9,701 9,329 -0,840

3 X3 5,617 3,242 3,133 3,107 2,914

4 X4 0,396 0,384 0,464 0,458 0,514

5 X5 0,097 0,026 0,018 0,005 0,004


Komponen KIDA MLIA

No Komponen Tahun

2014 2015 2016 2017 2018

1 X1 0,018 -0,022 0,001 0,009 0,036

2 X2 0,191 0,186 0,813 1,616 -0,619

3 X3 1,114 0,871 0,859 0,870 0,935

4 X4 0,780 0,802 0,750 1,210 1,060

5 X5 0,015 0,007 0,007 0,021 0,011



182

LAMPIRAN 24

DATA HARGA SAHAM DAN SAHAM YANG BEREDAR

KODE

EMITEN

HARGA SAHAM

(Rp)

SAHAM YANG BEREDAR

(Lembar)

2014 2015 2016 2017 2018 2014 2015 2016 2017 2018

AMFG 7,438 6,806 6,800 6,344 4,666 434,000,000 434,000,000 434,000,000 434,000,000 434,000,000

ARNA 955 572 581 430 360 7,341,430,976 7,341,430,976 7,341,430,976 7,341,430,976 7,341,430,976

IKAI 110 104 91 74 176 791,383,786 791,383,786 791,383,786 791,383,786 49,668,929,712

KIA 146 104 79 93 100 14,929,100,000 14,929,100,000 14,929,100,000 14,929,100,000 14,929,100,000

MLIA 550 646 566 618 879 1,323,000,000 1,323,000,000 1,323,000,000 1,323,000,000 1,323,000,000


183

BIOGRAFI PENULIS

Nama saya Tabita Yudyawati, akrab dipanggil dengan nama Tabita. Saya lahir di

Gunungkidul, 19 September 1997. Saya adalah anak pertama dan tidak memiliki

saudara. Saya memiliki hobi mendengarkan musik dan bermain bulutangkis.

Saya mulai bersekolah di SD N Semanu 1 pada tahun 2004 dan lulus pada tahun

2010. Setelah lulus, saya melanjutkan pendidikan ke jenjang selanjutnya yaitu di

SMP N 1 Semanu dan lulus pada tahun 2013. Jenjang pendidikan selanjutnya yang

saya jalani yaitu di SMA N 2 Wonosari dengan mengambil jurusan IPS dan lulus

pada tahun 2016.

Lulus dari SMA N 2 Wonosari saya diterima di salah satu perguruan tinggi swasta

di Yogyakarta yaitu Universitas Sanata Dharma Yogyakarta Jurusan Akuntansi,

Fakultas Ekonomi. Perkuliahan dimulai pada tahun 2016. Guna memperoleh gelar

Sarjana Akuntansi, saya melakukan penelitian dengan judul “Prediksi

Kebangkrutan Menggunakan Metode Altman (Z-Score), Springate (S-Score),

Zmijewski (X-Score), Grover (G-Score), Ohlson (O-Score), dan Kida (Studi

Empiris pada perusahaan keramik dan kaca yang terdaftar di BEI tahun 2014-2018)


prediksi kebangkrutan menggunakan - USD Repository

Documents

Transcript of prediksi kebangkrutan menggunakan - USD Repository