BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.3 Pembahasan
Pengujian statistik pertama menggunakan metode Analisis Diskriminan telah menghasilkan output yang dapat dilihat pada Tabel 4.7 Test of Equality of
Group Means, bahwa EBIT to Total Assets (X3) yang memiliki tingkat
signifikansi 0,002 dan Market Value of Equity to Book Value of Debts (X4) yang
memiliki tingkat signfikansi 0,040 keduanya memiliki tingkat signifikansi yang lebih kecil dari alpha yang telah ditetapkan sebesar 0,05 sehingga H0 ditolak.
Interpretasi dari hal tersebut adalah variabel X3 dan X4 berpengaruh secara
signifikan terhadap kebangkrutan perusahaan menggunakan metode Analisis Diskriminan. Hasil ini mendukung penelitian Altman (1968) bahwa EBIT to Total
Assets dan Market Value of Equity to Book Value of Debts berpengaruh bagi
prediksi kebangkrutan. Penelitian ini juga mendukung penelitian lain oleh Altman, et al. (1977), Punsalan (1989), Yap, et al. (2010) dan Pervan, et al. (2011) yang menyatakan bahwa variabel EBIT to Total Assets berpengaruh secara signifikan terhadap prediksi kebangkrutan. Penelitian inipun selaras dengan Almansour (2015) di mana variabel Market Value of Equity to Book Value of Debts berpengaruh bagi prediksi kebangkrutan. Interpretasi terhadap Tabel 4.12
Structure Matrix adalah variabel EBIT to Total Assets (X3) dan Market Value of
Equity to Book Value of Debts (X4) memiliki nilai berturut-turut 0,864 dan 0,547
yang artinya kedua variabel penting dalam memprediksi kebangkrutan, di mana semakin angkanya mendekati 1 (satu) semakin penting variabel tersebut karena menandakan tingginya komunalitas antara variabel diskriminan dan fungsi diskriminan.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN | 119
Hasil dari Tabel 4.7 juga menunjukkan bahwa variabel Working Capital to
Total Assets (X1) dengan tingkat signifikansi 0,244, Retained Earning to Total
Assets (X2) dengan tingkat signfikansi 0,136 dan Net Sales to Total Assets (X5)
dengan tingkat signfikansi 0,671 ketiganya memiliki tingkat signifikansi lebih besar dari alpha yang ditetapkan yaitu 0,05 sehingga dapat disimpulkan ketiga variabel tersebut tidak memiliki pengaruh terhadap prediksi kebangkrutan. Hal ini mendukung penelitian sebelumnya yang dilakukan oleh Altman, et al. (1977) dan Junare, et al. (2012) yang menyatakan bahwa ketiga variabel tersebut juga tidak memberikan pengaruh terhadap prediksi kebangkrutan. Altman (1995) menyatakan bahwa variabel Net Income to Total Assets memiliki variasi terhadap industri dengan ukuran aset yang berbeda-beda sehingga perlu dieliminasi agar model yang dikembangkan lebih adaptif dengan industri nonmanufaktur maupun industri negara berkembang (emerging countries). Di lain pihak, penelitian ini bertentangan dengan Yap, et al. (2010), yang menyatakan bahwa variabel
Working Capital to Total Assets (X1) dan Retained Earning to Total Assets (X2)
berguna dalam prediksi kebangkrutan. Penelitian oleh Zeytinoglu, et al. (2013) memberikan hasil Net Sales to Total Assets (X5) berguna dalam prediksi
kebangkrutan. Kontradiksi dengan penelitian terdahulu dikarenakan dalam penelitian ini ketiga variabel tersebut tidak terbukti penting secara statistik dalam memprediksi kebangkrutan sebagaimana bisa dilihat pada Tabel 4.12. Variabel X1 memiliki nilai 0,305, X2 memiliki nilai 0,391 dan X5 memiliki nilai 0,111
sehingga ketiganya tidak dianggap penting untuk memprediksi kebangkrutan karena nilai yang dihasilkan sangat jauh dari angka 1 (satu) yang menandakan rendahnya komunalitas antara variabel diskriminan dan fungsi diskriminan.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN | 120
Pengujian statistik kedua menggunakan metode Regresi Logit memberikan hasil sebagaimana ditampilkan oleh Tabel 4.19 Variables in the Equation bahwa hanya variabel EBIT to Total Assets (X3) yang memberikan pengaruh terhadap
prediksi kebangkrutan karena memiliki tingkat signifikansi 0,011 atau dibawah
alpha yang ditetapkan yaitu 0,05. Penelitian ini juga menunjukkan bahwa
pengaruh variabel tersebut bersifat negatif dilihat dari nilai beta yang negatif sehingga dapat dikatakan bahwa semakin kecil nilai EBIT to Total Assets di suatu perusahaan semakin besar peluang perusahaan tersebut untuk mengalami kebangkrutan dan demikian pula sebaliknya. Hasil ini mendukung penelitian sebelumnya yang dilakukan oleh Andreica, et al. (2009) dan Pervan, et al. (2011) bahwa variabel ini berpengaruh dalam pembentukan kebangkrutan dengan model Regresi Logit.
Variabel Working Capital to Total Assets (X1), Retained Earning to Total
Assets (X2), Market Value of Equity to Book Value of Debts (X4), dan Net Sales to
Total Assets (X5) tidak bisa diikutsertakan ke dalam persamaan Regresi Logit
karena tidak memiliki pengaruh terhadap kebangkrutan. Penelitian ini tidak sepenuhnya selaras dengan Ohlson (1980) dan Low, et al. (2001) karena variabel
Net Sales to Total Assets yang tidak signifikan di penelitian ini dianggap
signifikan oleh kedua penelitian terdahulu tersebut. Perbedaan variabel yang signifikan atau penting dalam prediksi kebangkrutan terjadi karena dalam suatu penelitian, sampel perusahaan yang tergolong bangkrut dan tidak bangkrut diambil dari populasi yang berbeda-beda (Ohlson, 1980).
Variabel EBIT to Total Assets (X3) berpengaruh secara signifikan terhadap
BAB IV HASIL PENELITIAN DAN PEMBAHASAN | 121
metode Analisis Diskriminan dan Regresi Logit. Rasio ini penting dalam pembentukan model prediksi kebangkrutan karena menjadi indikator terhadap kegagalan usaha suatu perusahaan. Menurut Hagel, et al. (2013), penurunan pada rasio ini menggambarkan buruknya kemampuan perusahaan dalam menangkap peluang menarik yang relatif terhadap aset yang mereka punya. Perusahaan tidak memiliki visi yang jelas dan kemampuan dan komitmen untuk mengeksekusi strategi jangka panjang. Dalam jangka panjang rasio ini menggambarkan seberapa efektif suatu perusahaan, di kurun waktu tertentu, dalam memanfaatkan peluang bisnis dalam lingkungan yang tak pasti. Rasio ini bukanlah ukuran yang sempurna tetapi merupakan yang paling efektif dalam mengukur kinerja perusahaan karena mencakup kinerja bisnis holistik, dengan mempertimbangkan baik laporan laba- rugi dan neraca yang dibutuhkan dalam menjalankan usaha.
Hal terakhir yang menjadi fokus penelitian ini adalah tingkat akurasi dari model prediksi yang dihasilkan baik menggunakan metode Analisis Diskriminan dan Regresi Logit. Tabel 4.15, Tabel 4.17, Tabel 4.21, dan Tabel 4.23, menyajikan hasil pengujian tingkat akurasi dari kedua metode statistik. Metode Analisis Diskriminan memiliki tingkat akurasi sebesar 61,70% pada sampel analisis dan 60,00% pada sampel validasi. Metode Regresi Logit memiliki tingkat akurasi 87,20% pada sampel analisis dan 95,56% pada sampel validasi. Hasil tersebut menunjukkan bahwa metode Regresi Logit memiliki keunggulan dalam hal tingkat akurasi memprediksi kebangkrutan dibanding metode Analisis Diskriminan. Hal ini konsisten dengan penelitian Press & Wilson (1978), Pohar, et al. (2004), Panagiotakos (2006), dan Al-Jazzar (2012) dimana metode Regresi
BAB IV HASIL PENELITIAN DAN PEMBAHASAN | 122
Logit memiliki tingkat akurasi yang lebih tinggi dan reliabel dalam membentuk model prediksi.
Pohar, et al. (2004) memberikan penjelasan terkait keunggulan akurasi metode Regresi Logit dalam membentuk suatu model prediksi. Menurutnya ada tiga faktor yang menyebabkan keunggulan Regresi Logit yaitu ukuran sampel, jumlah kategori, dan juga faktor normalitas. Ukuran sampel memiliki dampak paling besar terhadap tingkat akurasi dimana dalam kasus sampel kecil, metode Analisis Diskriminan memiliki tingkat akurasi yang lebih tinggi tetapi dalam kasus dengan sampel besar sebagaimana penelitian ini, Regresi Logit memiliki tingkat akurasi yang lebih tinggi dikarenakan memiliki distribusi sampling yang lebih stabil. Faktor kedua yang berdampak adalah jumlah kategori dimana dalam kasus jumlah kategori lebih dari 5, maka metode Analisis Diskriminan memiliki performa yang lebih baik ketimbang Regresi Logit. Namun, dalam kasus sebagaimana penelitian ini yang hanya menggunakan dua kategori yakni bangkrut dan tidak bangkrut, metode Regresi Logit memiliki tingkat akurasi yang lebih baik. Normalitas data juga berpengaruh terhadap tingkat akurasi. Ketika kemencengan rendah dan data mendekati normal maka Analisis Diskriminan memiliki akurasi yang lebih baik, tetapi ketika tingkat kemencengan bertambah maka metode Regresi Logit memiliki tingkat akurasi yang lebih baik (Pohar, et al., 2004).
BAB V PENUTUP | 123
BAB V
PENUTUP
5.1 Simpulan
Penelitian ini bertujuan untuk menguji pengaruh variabel Altman Z-score terhadap pembentukan model prediksi kebangkrutan terhadap perusahaan manufaktur tercatat di Bursa Efek Indonesia tahun 2012 - 2015 menggunakan metode Analisis Diskriminan dan Regresi Logit dan membandingkan tingkat akurasi dari model yang dihasilkan. Berdasarkan hasil penelitian, maka dapat ditarik kesimpulan sebagai berikut:
1. Variabel Altman Z-score berpengaruh terhadap pembentukan model prediksi kebangkrutan terhadap perusahaan manufaktur tercatat di Bursa Efek Indonesia tahun 2012 - 2015 menggunakan metode Analisis Diskriminan, yaitu variabel EBIT to Total Assets (X3) dan Market Value of
Equity to Book Value of Debts (X4). Hasil ini didapat dari uji hipotesis
dimana X3 yang memiliki tingkat signifikansi 0,002 dan X4 yang memiliki
tingkat signfikansi 0,040 keduanya memiliki tingkat signifikansi lebih keci dari alpha yang ditetapkan yaitu 0,05 sehingga hipotesis penelitian ini diterima.
2. Variabel Altman Z-score berpengaruh terhadap pembentukan model prediksi kebangkrutan perusahaan manufaktur tercatat di Bursa Efek Indonesia tahun 2012 - 2015 menggunakan metode Regresi Logit, yaitu variabel EBIT to Total Assets (X3). Hasil ini didapat dari uji hipotesis
BAB V PENUTUP | 124
signifikansi lebih kecil alpha yang ditetapkan yaitu 0,05 sehingga hipotesis penelitian ini diterima.
3. Terdapat perbedaan tingkat akurasi model prediksi kebangkrutan antara metode Analisis Diskriminan dan Regresi Logit. Model Analisis Diskriminan memiliki tingkat akurasi 61,70% pada sampel analisis dan 60,00% pada sampel validasi sementara model Regresi Logit memiliki tingkat akurasi 87,20% pada sampel analisis dan 95,56% pada sampel validasi. Dapat disimpulkan metode Regresi Logit menghasilkan model prediksi dengan tingkat akurasi yang lebih tinggi dibanding Analisis Diskriminan.
5.2 Saran
1. Bagi manajer, diharapkan untuk memperhatikan rasio EBIT to Total Assets dan Market Value of Equity to Book Value of Debts. Kinerja kedua rasio ini sebaiknya dijaga pada level yang aman sehingga perusahaan dapat terhindar dari risiko kegagalan usaha.
2. Bagi investor, diharapkan untuk menggunakan model prediksi kebangkrutan yang telah dibentuk sebagai salah satu pertimbangan investasi terutama pada sektor industri manufaktur Indonesia. Hal ini dilakukan guna menghindari kesalahan investasi yang berujung kepada kerugian.
3. Bagi peneliti selanjutnya, diharapkan dapat melakukan pengembangan terhadap penelitian ini. Hal itu dapat dilakukan dengan memilih metode yang berbeda misalnya dengan menggunakan Analisis Multidiskriminan
BAB V PENUTUP | 125
ataupun metode lain. Variabel penelitian pun dapat ditambah atau diganti dengan rasio keuangan lainnya. Sampel penelitian pun dapat ditambah atau dengan meneliti industri yang berbeda.
ANALISIS PERBEDAAN TINGKAT AKURASI MODEL
PREDIKSI KEBANGKRUTAN PERUSAHAAN
MENGGUNAKAN ANALISIS DISKRIMINAN DAN
REGRESI LOGIT PADA PERUSAHAAN MANUFAKTUR
TERCATAT DI BURSA EFEK INDONESIA
PERIODE 2012 – 2015
DRAFT TUGAS AKHIR
Diajukan untuk memenuhi salah satu syarat menempuh Sidang
Sarjana Strata 1 (S-1)
Oleh
PUTRO HARYONO WISMOYO
1352273
JURUSAN MANAJEMEN
FAKULTAS EKONOMI
UNIVERSITAS KRISTEN MARANATHA
BANDUNG
DISCREPANCY ANALYSIS OF CORPORATE
BANKRUPTCY PREDICTION MODEL'S ACCURACY
RATE USING DISCRIMINANT ANALYSIS AND LOGISTIC
REGRESSION ON MANUFACTURING FIRMS LISTED IN
THE INDONESIA STOCK EXCHANGE OVER THE
PERIOD OF 2012 – 2015
A Thesis Draft
In Partial Fulfillment of the Requirements for The Degree of Bachelor
of Science in Management
By
PUTRO HARYONO WISMOYO
1352273
DEPARTMENT OF MANAGEMENT
FACULTY OF ECONOMICS
MARANATHA CHRISTIAN UNIVERSITY
BANDUNG
KATA PENGANTAR
Penelitian yang berjudul “Analisis Perbedaan Tingkat Akurasi Prediksi Kebangkrutan Perusahaan dengan Menggunakan Metode Analisis Diskriminan dan Regresi Logit pada Perusahaan Manufaktur Tercatat di Bursa Efek Indonesia Periode 2012 - 2015”, memiliki tujuan untuk menguji dan menganalisis pengaruh lima variabel dari model prediksi kebangkrutan Altman Z-Score terhadap kebangkrutan perusahaan di Indonesia menggunakan metode analisis diskriminan dan regresi logit lalu membandingkan tingkat akurasinya.
Peneliti, sebagaimana manusia pada umumnya, menyadari bahwa penelitian ini belum mendekati kata sempurna dan diwarnai oleh banyak kekurangan. Penelitian ini hanya menganalisis perbedaan tingkat akurasi model prediksi metode analisis diskriminan dan regresi logit. Pada kenyataannya, masih banyak metode lain pembentukan model prediksi kebangkrutan baik secara statistik maupun nonstatistik sehingga penelitian ini belum memberikan gambaran secara komprehensif mengenai kekuatan prediksi model.
Peneliti juga memberikan provisiat dan apresiasi yang sedalam-dalamnya kepada para pihak yang telah berkontribusi dalam penyusunan proposal ini:
1. Orangtua tercinta, Ir. Otjo N. Wiroreno, M.B.A., M.Sc. dan Haryani Wiroreno yang kontribusinya tak terhingga dalam memotivasi dan mendukung peneliti dalam menempuh pendidikan demi mendapat gelar Sarjana Ekonomi dari Universitas Kristen Maranatha
2. Ibu Dr. M. Sienly Veronica, S.E., M.M., selaku dosen pembimbing yang telah mengarahkan dan menuntun penulis selama proses penyusunan tugas akhir
3. Bapak Dr. Mathius Tandiontong, M.M., Ak., CA., selaku dekan Fakultas Ekonomi Universitas Kristen Maranatha
4. Ibu Dr. Ratna Widiastuti, M.T., selaku wakil dekan I Fakultas Ekonomi Universitas Kristen Maranatha
5. Bapak Peter, S.E., M.T., selaku wakil dekan II Fakultas Ekonomi Universitas Kristen Maranatha
6. Ibu Nonie Magdalena, S.E., M.Si., selaku ketua Program Studi Manajemen Fakultas Ekonomi Universitas Kristen Maranatha, dan juga yang pertama mengenalkan peneliti terhadap dunia penelitian melalui matakuliah metode penelitian
7. Bapak Rully Arlan T., S.E., M.M., selaku sekretaris Program Studi Manajemen Fakultas Ekonomi Universitas Kristen Maranatha
8. Rekan-rekan mahasiswa Universitas Kristen Maranatha, terutama dari jurusan Manajemen angkatan 2013 yang terus membantu penulis dengan sumbangsih ide-ide terkait penyusunan tugas akhir
9. Seluruh pihak yang tiak dapat disebutkan namanya satu persatu yang telah membantu peneliti dalam penyusunan tugas akhir ini
Akhir kata, semoga Tuhan Yang Maha Esa memberikan berkat-Nya terhadap seluruh pihak terkait, baik yang telah disebutkan ataupun belum, yang telah membantu terlaksananya penelitian ini. Peneliti harap penelitian ini dapat bermanfaat bagi siapapun yang membacanya.
Bandung, Desember 2016
DAFTAR PUSTAKA | 126
DAFTAR PUSTAKA
Al-Jazzar, M.F. (2012). A Comparative Study Between Linear Discriminant
Analysis and Multinomial Logistic Regression in Classification and Predictive Modeling. Gaza: Al-Azhar University Faculty of
Economics and Administrative Science.
Almansour, B.Y. (2015). Empirical Model for Predicting Financial Failure.
American Journal of Economics, Finance and Management. Vol.
1.(No. 3), hal 113-124.
Almilia, L.S. (2006). Prediksi Kondisi Financial Distress Perusahaan Go-Public Dengan Menggunakan Analisis Multinominal Logit. Jurnal Ekonomi
Dan Bisnis. Vol.XII (No.1).
Almilia, L.S. dan Kristijadi. (2003). Analisis Rasio Keuangan Untuk Memprediksi Kondisi Financial Distress Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Jakarta. JAAI Vol.7 (No.2).
Altman, E.I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance. Vol.23.(No.24), hal.589-609.
Altman, E.I., Haldeman, R.G., dan Narayanan, P. (1977). A New Model to Identify Bankruptcy Risk of Corporations..Journal of Banking and
Finance.Vol 1.Hal 29-54.
Andreica, M.E., Andreica, M.I., dan Andreica, M. (2009). Using Financial Ratios to Identify Romanian Distressed Companies. Economia Seria
Management. Vol.12. (No.1).
Anjum, S. (2012). Business bankruptcy prediction models: A significant study of
the Altman’s Z-score model. Asian Journal of Management Research.
Vol.3.(No. 1), hal 212-219.
Aziz, M.A. dan Dar, H.A. (2006). Predicting corporate bankruptcy: where we stand. Corporate Governance. Vol. 1. (No. 6), hal 18-33.
Bellovary, J., Giacomino, D., dan Akers, M. (2007). A Review of Bankruptcy Prediction Studies: 1930-Present. Journal of Financial Education. Vol.33. Hal 1-42.
Bhandari, S. & Iyer, R. (2013). Predicting Business Failure Using Cash Flow Statement Based Measures. Managerial Finance. Hal 667-676.
DAFTAR PUSTAKA | 127
Bhunia, A., Khan, S.I.U., dan Mukhuti, S. (2011). Prediction of Financial Distress.
Asian Journal of Business Management. Vol.3.(No.3), hal.210-218.
Cooper, D.R. dan Schindler, P.S. (2011). Business Research Methods. 11th ed., New York: McGraw-Hill Irwin.
Dandago, K.I dan Baba, B.U. (2012). The Use of Multi-discriminant Analysis for the Prediction of Corporate Bankruptcy in Malaysian Textile Industry.
Journal of Business and Economics. Vol 5. (No. 6). hal 813-822.
Fernandez, G. (2012). A Comprehensive Study of Bankruptcy Prediction: Accounting Ratios, Market Variables, and Microstructure. FIU
Digital Commons.hal.712.
Giordani, P., Jacobson, T., dan Schedvin, E.V. (2011). Taking the Twists into Account : Predicting Firm Bankruptcy Risk with Splines of Financial Ratio. Sveriges Riksbank Working Paper Series. No.256.
Ghozali, I. (2006). Aplikasi Analisis Multivariate dengan Program SPSS. Cetakan keempat. Semarang: Badan Penerbit Universitas Diponegoro.
Hagel, J., Brown, J.S., Samoylova, T., Lui, M., Damani, A., dan Grames, C. (2013). Success or struggle: ROA as a true measure of business performance. Report 3 of the 2013 Shift Index series Deloitte
University Press.
Halim, A. (2014). Manajemen Keuangan Sektor Publik. Jakarta: Salemba Empat. Hartono, J. (2010). Metodologi Penelitian Bisnis. Edisi I. Cetakan Ketiga.
Yogyakarta: BPFE.
Hassani, M. dan Parsadmehr, N. (2012). The Presentation of Financial Crisis Forecast Pattern (Evidence from Tehran Stock Exchange).
International Journal of Finance and Accounting.
Vol.1.(No.6),hal.142-147.
Hery. (2015). Analisis Laporan Keuangan: Pendekatan Rasio Keuangan. Yogyakarta: Caps Publishing.
Janer, J. (2011). Bankruptcy Prediction and its Advantages. Copenhagen: Copenhagen Business School Department of Economics.
Jouzbarkand, M., Keivani, F.S., Khodadadi, M., Fahim, S.R.S.N., dan Aghajani, V. (2013). The Creation of Bankruptcy Prediction Model with Using Olhson and Shirata Models. Journal of Basic and Applied Scientific
DAFTAR PUSTAKA | 128
Junare, S.O, Abhishek P., dan Jayesh P. (2012). Predicting Corporate Bankrutcy using Financial Ratios. GFJMR. Vol.4. hal.1-14.
Kasgari, A.A., Salehnezhad, S.H., dan Ebadi, F. (2013). A Review of Bankruptcy and its Prediction. International Journal of Academic Research in
Accounting, Finance and Management Sciences. Vol. 3. (No. 4), hal
274–277.
Kasmir. (2012). Analisis Laporan Keuangan. Cetakan Kelima. Jakarta: PT raja Grafindo Persada..
Karas, M. dan Reznakova, M. (2013). Predicting bankruptcy under alternative conditions: the effect of a change in industry and time period on the accuracy of the model. International Journal of Mathematical Models
dan Methods in Applied Science. Vol.7.(No. 5), hal 519-531.
Kleinert, M.K. (2014). Comparison of accounting-based bankruptcy prediction
models of Altman (1968), Ohlson (1980), and Zmijewski (1984) to German and Belgian listed companies during 2008 - 2013. Twente:
University of Twente Institution Faculty of Management and Governance.
Lennox, C. (1999). Identifying Failing Companies: A Reevaluation Of The Logit, Probit, And DA Approaches. Journal of Economics and Business. Vol. 51. hal 347-364.
Low, S.W., Nor, F.M., dan Yatim, P. (2001). Predicting Corporate Financial Distress Using The Logit Model:The Case of Malaysia. Asian
Academy of Management Journal. Vol 6.(No. 1), Hal 49-61.
Mbat, D.O. dan Eyo, I.E. (2013). Corporate Failure: Causes and Remedies.
Business and Management Research Vol. 2. (No. 4), hal 19-24.
Moghadam, A.G., Zadeh, F.N., dan Fard, M.M.G. (2009). Review of the prediction power of Altman and Ohlson Models in predicting bankruptcy of Listed Companies in Tehran Stock Exchange – Iran.
International Conference on Intellectual Capital Management (IICM 2009).
Mulyawan, S. (2015). Manajemen Keuangan. Bandung: Pustaka Setia.
Olhson, J.A. (1980). Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research. Vol.18. (No.1), hal.109- 131.
Panagiotakos, D.B. (2006). A comparison between Logistic Regression and Linear Discriminant Analysis for the Prediction of Categorical Health Outcomes. International Journal of Statistical Sciences. Vol. 5. hal 73-84
DAFTAR PUSTAKA | 129
Pervan, I., Pervan, M., dan Vukoja, B. (2011). Prediction Of Company Bankruptcy Using Statistical Techniques – Case Of Croatia. Croatian
Operation Research Review (CRORR). Vol.2.
Philosophov, L.V., Batten, J.A., Philosophov, V.L. (2008). Predicting the event and time horizon of bankruptcy using financial ratios and the maturity schedule of long-term debt. Math Finan Econ. Vol. 1. hal 181–212. Platt, H.D., dan Platt, M.B. (2002). Predicting Corporate Financial Distress.
Journal of Economics and Finance. Vol.26.(No.2), hal.184-197.
Pohar, M., Blas, dan M., Turk, S. (2004). Comparison of Logistic Regression and Linear Discriminant Analysis: A Simulation Study. Metodološki
zvezki. Vol. 1. (No. 1), hal 143-161.
Press, S.J., dan Wilson, S. (1978). Choosing Between Logistic Regression and Discriminant Analysis. Journal of the American Statistical
Association. Vol. 73. (No. 364), hal 699-705.
Punsalan, R.N. (1989). Bankruptcy Prediction in the Construction Industry.
SDTIC Electe.
Sekaran, U., dan Bougie, R. (2009). Research Methods for Business: A Skill
Building Approach. 5th ed. United Kingdom: John Wiley.
Sheikhi, M., Shams, M.F., dan Sheikhi, Z. (2012). Financial Distress Prediction Using Distress Score as a Prediction. International Journal of
Business and Management. Vol.7.(No.1), hal.169-181.
Shin, K.S., Lee, T.S., dan Kim, H.J. (2005). An application of support vector machines in bankruptcy prediction model. Expert Systems with
Applications. Vol. 28. hal 127-135.
Sori, Z.M., Hamid, M.A.A., Nassir, A.M., dan Mohamad, Z.A. (2001). Forecasting Corporate Failure in Malaysian Industrial Sector Firms.
Asian Academy of Management Journal. Vol.6. (No.1), hal.15-30.
Sulaiman, M., Jili, A., dan Sanda, A.U. (2001). Predicting Corporate Failure in Malaysia. Asian Academy of Management Journal. Vol.6.(No.1), hal.99-118.
Suliyanto. (2006). Metode Riset Bisnis. Edisi Kedua. Yogyakarta: ANDI OFFSET. Sunjoyo, Setiawan, R., Carolina, V., Magdalena, N., dan Kurniawan, A. (2013).
Aplikasi SPSS untuk Smart Riset. Cetakan Pertama. Bandung: CV
DAFTAR PUSTAKA | 130
Widarjono, A. (2010). Analisis Statistika Multivariat Terapan. Edisi I. Cetakan Pertama. Yogyakarta: Unit Penerbit dan Percetakan Sekolah Tinggi Ilmu Manajemen YKPN.
www.idx.co.id www.sahamok.com
Yap, B.C., Yong, D.G., dan Poon, W.C. (2010). How Well Do Financial Ratios and Multiple Discriminant Analysis Predict Company Failures in Malaysia. International Research Journal of Finance and Economics. Yadav, C.S. dan Vijay, P. (2015). Predicting Bankruptcy: An Empirical Study
Using Multiple Discriminant Analysis Models. International Journal
of Applied Financial Management Perspectives. Vol.4.(No. 1), hal
1588-1595.
Zeytimoglu, E. dan Akarm, Y.D. (2013). Financial Failure Prediction Using Financial Ratios. Journal of Applied Finance dan Banking. Vol.3.(No.3), hal.107-116.