Perbandingan Metode Jaringan Syaraf Tiruan dengan Metode Statistika dalam Memprediksi Kegagalan Perusahaan: Studi Empirik pada Saham-Saham yang Dipaksa Delisting oleh Bursa Efek Indonesia.

(1)

Universitas Kristen Maranatha

vii

ABSTRAK

Tujuan utama dari penelitian ini adalah untuk membandingkan keefektifan model yang dibangun menggunakan teknik statistika dan kecerdasan buatan untuk memprediksi prediksi kegagalan perusahaan di Indonesia. Secara khusus, penelitian ini mencoba untuk mengevaluasi efektivitas model yang dibangun menggunakan analisis diskriminan dan regresi logistik sebagai teknik analisis yang mewakili teknik statistika, juga jaringan syaraf tiruan yang mewakili teknik kecerdasan buatan. Dengan menggunakan sampel 283 laporan keuangan perusahaan publik di Indonesia selama periode 2000-2014, studi ini menemukan model yang dibangun menggunakan jaringan syaraf tiruan memiliki tingkat akurasi tertinggi jika dibandingkan dengan model yang dibangun menggunakan teknik statistika. Selain itu, studi ini juga menemukan bahwa model yang dibangun menggunakan regresi logistik memiliki tingkat akurasi yang lebih baik dan galat tipe I yang lebih rendah bila dibandingkan dengan model yang dibangun menggunakan analisis diskriminan.

(2)

Universitas Kristen Maranatha

viii

ABSTRACT

The purpose of this study is to compare the overall effectiveness of a model built by statistical and artificially intelligent expert system (AIES) to predict the failure prediction in Indonesia. In particular, this study tries to evaluate the effectiveness of discriminant analysis and logistic regression representing the statistical model, also the neural network representing the AIES model. By using a sample of 283 financial statement of Indonesian public company during the period 2000-2014, this study finds a model built by the neural network has the highest accuracy if it is compared to a model built by a statistical model. Additionally, this study also finds that a model built by logistic regression has a better accuracy and a lower level of type I error than a model built by discriminant analysis.

(3)

Universitas Kristen Maranatha

ix

DAFTAR ISI

Halaman

ABSTRAK vii

ABSTRACT viii

KATA PENGANTAR ix

DAFTAR ISI xi

DAFTAR TABEL xiii

DAFTAR GAMBAR xv

DAFTAR LAMPIRAN xvi

BAB I PENDAHULUAN 1

1.1Latar Belakang Penelitian 1

1.2Identifikasi dan Perumusan Masalah 3

1.3Tujuan Penelitian 4

1.4Manfaat Penelitian 4

1.5Sistematika Penulisan 5

BAB II TINJAUAN PUSTAKA, RERANGKA PEMIKIRAN, MODEL,

dan HIPOTESIS PENELITIAN 7

2.1Tinjauan Pustaka 7

2.1.1Kegagalan Perusahaan (Corporate Failure) 7 2.1.2Kesulitan Keuangan (Financial Distress) 9 2.1.3Ketentuan Penghapusan Pencatatan (Delisting) Saham di Bursa

Efek Indonesia (BEI) 11

2.1.4Metode-Metode Untuk Memprediksi Kegagalan Perusahaan 13

2.2Rerangka Pemikiran 17

2.3Model Penelitian 20

BAB III OBJEK DAN METODOLOGI PENELITIAN 23

3.1Objek Penelitian 23

3.2Populasi dan Teknik Pengambilan Sampel 24

(4)

Universitas Kristen Maranatha

x

3.3.1Metode Deskriptif 27

3.3.2Teknik Analisis 27

3.4Operasionalisasi Variabel 31

BAB IV HASIL PENELITIAN DAN PEMBAHASAN 33

4.1Hasil Penelitian 33

4.1.1Lima Tahun Sebelum Kegagalan Perusahaan 33 4.1.2Empat Tahun Sebelum Kegagalan Perusahaan 38 4.1.3Tiga Tahun Sebelum Kegagalan Perusahaan 43 4.1.4Dua Tahun Sebelum Kegagalan Perusahaan 48 4.1.5Satu Tahun Sebelum Kegagalan Perusahaan 53

4.2Pembahasan Hasil Penelitian 57

4.3Implikasi 63

BAB V SIMPULAN DAN SARAN 66

5.1Simpulan 66

5.2Saran 67

DAFTAR PUSTAKA 68

(5)

xiii

DAFTAR TABEL

Halaman

Tabel 3.1 Objek Penelitian 23

Tabel 3.2 Pembagian Sampel untuk Pembuatan dan Pengujian Model 26

Tabel 3.3 Operasionalisasi Variabel 32

Tabel 4.1 Statistika Deskriptif Sampel Penelitian 5YP 34 Tabel 4.2 Koefisien Fungsi Diskriminan Kanonikal 5YP 35

Tabel 4.3 Fungsi pada Sentroid Grup 5YP 35

Tabel 4.4 Tingkat Akurasi Model Analisis Diskriminan 5YP 35 Tabel 4.5 Variabel dalam Persamaan Regresi Logistik 5YP 36 Tabel 4.6 Tingkat Akurasi Model Regresi Logistik 5YP 36 Tabel 4.7 Tingkat Akurasi Model Jaringan Syaraf Tiruan 5YP 38 Tabel 4.8 Statistika Deskriptif Sampel Penelitian 4YP 38 Tabel 4.9 Koefisien Fungsi Diskriminan Kanonikal 4YP 39

(6)

Universitas Kristen Maranatha

xiv

Tabel 4.32 Tingkat Akurasi Model Analisis Diskriminan 1YP 55 Tabel 4.33 Variabel dalam Persamaan Regresi Logistik 1YP 55 Tabel 4.34 Tingkat Akurasi Model Regresi Logistik 1YP 56 Tabel 4.35 Tingkat Akurasi Model Jaringan Syaraf Tiruan 1YP 57 Tabel 4.36 Rangkuman Estimasi Model Untuk Memprediksi Kegagalan

Perusahaan Menggunakan Analisis Diskriminan 59 Tabel 4.37 Rangkuman Estimasi Model Untuk Memprediksi Kegagalan

Perusahaan Menggunakan Regresi Logistik 59 Tabel 4.38 Rangkuman Tingkat Akurasi Model-Model Untuk Memprediksi

Kegagalan Perusahaan Menggunakan Dataset Pelatihan 60 Tabel 4.39 Rangkuman Tingkat Akurasi Model-Model Untuk Memprediksi

Kegagalan Perusahaan Menggunakan Dataset Pengujian 61 Tabel 4.40 Rangkuman Tingkat Akurasi Model-Model Untuk Memprediksi

(7)

Universitas Kristen Maranatha

xv

DAFTAR GAMBAR

Halaman Gambar 2.1 Model Penelitian Menggunakan Analisis Diskriminan 21 Gambar 2.2 Model Penelitian Menggunakan Regresi Logistik 22 Gambar 2.3 Model Penelitian Menggunakan Jaringan Syaraf Tiruan 22 Gambar 3.1 Model Arsitektur Jaringan Syaraf Tiruan 31 Gambar 4.1 Nilai Performa untuk Setiap Iterasi (epoch) pada

Fase Pelatihan 5YP 37

Gambar 4.2 Nilai Gradien untuk Setiap Iterasi (epoch) pada

Gambar 4.3 Nilai Performa untuk Setiap Iterasi (epoch) pada

(8)

Universitas Kristen Maranatha

xvi

DAFTAR LAMPIRAN

(9)

Universitas Kristen Maranatha

1

BAB I PENDAHULUAN

1.1Latar Belakang Penelitian

Kegagalan perusahaan dapat diartikan sebagai kondisi ketidakmampuan perusahaan untuk melanjutkan kegiatan operasinya. Dua hal utama yang dapat menyebabkan perusahaan mengalami kegagalan yaitu permasalahan hukum dan permasalahan keuangan (Altman dan Hotchkiss, 2006:4).

Menurut Altman dan Hotchkiss (2006:5) perusahaan yang sedang mengalami permasalahan hukum dapat diindikasikan dengan adanya tuntutan dari satu atau lebih kreditornya, hal tersebut dikarenakan perusahaan gagal memenuhi kewajibannya yang telah jatuh tempo. Adapun perusahaan yang sedang mengalami permasalahan keuangan atau kesulitan keuangan dapat diindikasikan oleh hal-hal berikut ini: (1) jumlah pendapatan yang diperoleh perusahaan tidak dapat mencukupi jumlah biaya yang dikeluarkannya, (2) adanya permasalahan dalam kelancaran aktivitas operasi perusahaan, (3) perusahaan gagal melunasi utang yang telah jatuh tempo kepada kreditur secara tepat waktu, dan (4) adanya pelanggaran yang dilakukan perusahaan terhadap perjanjian utang dengan pihak kreditur.

(10)

2

risiko kepailitan perusahaan diperlukan sebuah model yang dapat memprediksi kondisi kesulitan keuangan perusahaan.

Sebuah survei yang dilakukan oleh Azis dan Dar (2006) terhadap 89 jurnal yang telah dipublikasikan secara internasional semenjak tahun 1968 sampai

dengan tahun 2003 terkait model-model untuk memprediksi kondisi

kesulitan keuangan perusahaan menunjukkan hasil yang menarik untuk

didiskusikan, yaitu bahwa metode yang paling banyak digunakan untuk membangun model prediksi kegagalan perusahaan ialah metode statistika (64%), lalu diikuti oleh model yang dibangun menggunakan kecerdasan buatan (25%) dan terakhir diikuti oleh metode teoritikal (11%). Namun tingkat popularitas metode yang digunakan tidak sejalan dengan tingkat akurasinya, metode statistika sebagai metode yang paling populer memiliki tingkat akurasi yang paling rendah jika dibandingkan dengan kedua metode lainnya yang kurang populer yaitu hanya sebesar 84%, sedangkan metode teoritikal yang paling tidak populer memiliki tingkat akurasi yang lebih baik dari metode statistika yaitu sebesar 85%, dan metode yang memiliki tingkat akurasi paling baik ialah metode yang dibangun menggunakan kecerdasan buatan yaitu sebesar 88%. Berdasarkan uraian diatas dapat disimpulkan bahwa tingkat kepopuleran metode untuk membangun model prediksi kegagalan perusahaan tidak sejalan dengan tingkat akurasinya.

(11)

Universitas Kristen Maranatha

3

Adapun jaringan syaraf tiruan (berkontribusi 41% dari jumlah literatur yang menggunakan metode yang dibangun menggunakan kecerdasan buatan) merupakan teknik yang paling populer pada kategori metode yang dibangun menggunakan kecerdasan buatan.

Kritik yang muncul dari survei yang dilakukan oleh Azis dan Dar (2006) dan Sun et al. (2013) ialah seluruh literatur yang dibahas menggunakan data negara- negara maju seperti Amerika Serikat, Inggris, Belgia, Swedia, dll. Namun tidak ada satupun literatur yang dibahas menggunakan data negara-negara berkembang. Sehingga diperlukan sebuah penelitian untuk mengkonfirmasi hasil survei dari Azis dan Dar (2006) dan Sun et al. (2013) untuk negara-negara berkembang terkait dengan prediksi kegagalan perusahaan, dengan demikian penulis melakukan penelitian yang berjudul “Perbandingan Metode Jaringan Syaraf Tiruan dengan Metode Statistika dalam Memprediksi Kegagalan Perusahaan: Studi Empirik pada Saham-Saham yang Dipaksa Delisting oleh Bursa Efek Indonesia”

1.2Identifikasi dan Perumusan Masalah

Adapun rumusan masalah dalam penelitian ini adalah:

1. Berapa tingkat akurasi dari hasil pengujian model yang dibangun menggunakan metode statistika, khususnya analisis diskriminan dan regresi logistik?

(12)

Universitas Kristen Maranatha

4

3. Metode mana yang lebih baik untuk diterapkan di Indonesia dalam memprediksi kegagalan perusahaan?

1.3Tujuan Penelitian

Tujuan yang akan dicapai dalam penelitian ini adalah:

1. Mengetahui tingkat akurasi dari hasil pengujian model yang dibangun menggunakan metode statistika, khususnya analisis diskriminan dan regresi logistik

2. Mengetahui tingkat akurasi dari hasil pengujian model yang dibangun menggunakan metode jaringan syaraf tiruan.

3. Mengetahui model mana yang lebih baik untuk diterapkan di Indonesia dalam memprediksi kegagalan perusahaan.

1.4Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat sebagai berikut: 1. Manfaat Praktis

(13)

5

2. Manfaat Teoritis

Hasil dari penelitian ini diharapkan dapat melengkapi kesenjangan penelitian dari hasil survey Azis dan Dar (2006) dan Sun et al. (2013) terkait prediksi kegagalan perusahaan di negara-negara berkembang serta dapat mengklarifikasi metode mana yang paling baik untuk memprediksi kegagalan perusahaan di Indonesia.

1.5Sistematika Penulisan

Sistematika penulisan penelitian ini disusun untuk memberikan gambaran umum tentang penelitian yang dijalankan. Sistematika penulisan dalam penulisan tesis ini adalah sebagai berikut:

BAB I PENDAHULUAN

Bab ini menerangkan secara umum mengenai latar belakang permasalahan yang terkait dengan alasan peneliti membandingkan metode statistika dengan metode jaringan syaraf tiruan untuk memprediksi kegagalan perusahaan di Indonesia, menentukan rumusan masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan tesis.

BAB II TINJAUAN PUSTAKA, RERANGKA PEMIKIRAN, MODEL, dan HIPOTESIS PENELITIAN

(14)

Universitas Kristen Maranatha

6

Indonesia dan perbandingan metode statistika dengan metode jaringan syaraf tiruan. Pada bab ini pula akan dipaparkan penelitian-penelitian terdahulu yang relevan dengan penelitian ini, rerangka pemikiran, dan model penelitian.

BAB III OBJEK DAN METODOLOGI PENELITIAN

Bab ini menerangkan mengenai objek dan metodologi yang akan digunakan dalam penelitian ini. Adapun objek penelitian yang diterangkan ialah laporan keuangan dari sampel yang terpilih sedangkan pada bagian metodologi penelitian akan dijabarkan populasi dan teknik pengambilan sampel, metode deskriptif, dan teknik analisis untuk menjawab rumusan masalah pada penelitian ini.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Bab ini menerangkan hasil dari penelitian ini yang berupa tingkat akurasi dari masing-masing metode dalam memprediksi kegagalan perusahaan di Indonesia. Pada bab ini pula, akan dipaparkan pembahasan dari hasil penelitian serta implikasinya.

BAB V SIMPULAN DAN SARAN

(15)

66

BAB V

SIMPULAN DAN SARAN

5.1Simpulan

Berdasarkan rumusan masalah dan tujuan penelitian yang telah didefinisikan pada BAB I, serta hasil dan pembahasan yang telah dijabarkan oleh penulis pada BAB IV, simpulan dari penelitian ini adalah sebagai berikut:

1. Tingkat akurasi dari model-model yang dibangun menggunakan analisis diskriminan yaitu 94.00% untuk dataset pelatihan, 79.20% untuk dataset pengujian dan 87.44% untuk dataset generalisasi, sedangkan tingkat akurasi dari model-model yang dibangun menggunakan regresi logistik yaitu 96.67% untuk dataset pelatihan, 79.23% untuk dataset pengujian, dan 88.54% untuk dataset generalisasi.

2. Tingkat akurasi dari model-model yang dibangun menggunakan jaringan syaraf tiruan yaitu 97.33% untuk dataset pelatihan, 83.45% untuk dataset pengujian dan 91.23% untuk dataset generalisasi.

(16)

67

5.2Saran

Adapun saran yang diberikan oleh penulis sebagai berikut: 1. Bagi Praktisi

Bila memungkinkan, praktisi diharapkan dapat menggunakan model-model yang dibangun menggunakan jaringan syaraf tiruan dalam memprediksi kegagalan perusahaan di Indonesia. Namun apabila banyak kendala dalam mengaplikasikannya, para praktisi dapat menggunakan metode regresi logistik. Hal tersebut dikarenakan model-model yang dibangun regresi logistik memiliki tingkat akurasi yang lebih baik jika dibandingkan dengan model-model yang dibangun menggunakan analisis diskriminan. Selain itu, para praktisi juga dapat memanfaatkan jaringan syaraf tiruan, regresi logistik, dan analisis diskriminan untuk melakukan analisis kredit, khususnya dalam membuat model untuk credit scoring.

2. Bagi Para Peneliti yang Tertarik

Diharapkan para peneliti yang tertarik dapat menggunakan metode statistika lainnya seperti Probit, dan metode kecerdasan buatan lainnya seperti neuro- fuzzy, support vector machine (SVM) ataupun algoritma genetika. Selain

(17)

Universitas Kristen Maranatha

68

DAFTAR PUSTAKA

Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance, 189-209.

Altman, E. I., & Hotchkiss, E. (2006). Corporate Financial Distress and Bankruptcy. New Jersey: John Wiley & Sons, Inc.

Azis, M. A., & Dar, H. (2006). Predicting corporate bankruptcy: where we stand? Corporate Governance: The international journal of business in society, 18- 33.

Bursa Efek Jakarta. (2004). Peraturan nomor I-I dalam Kep-308/BEJ/07-2004 tentang penghapusan pencatatan (delisting) dan pencatatan kembali (relisting) saham di bursa

Ehrhardt, M., & Brigham, E. (2011). Financial Management Theory and Practice. Oklahoma: South-Western Cengage Learning.

Korol, T. (2012). Fuzzy Logic in Financial Management. In E. Dadios, Fuzzy Logic - Emerging Technologies and Applications (pp. 259-286). Rijeka: InTech.

Russell, S. J., & Norvig, P. (2010). Artificial Intelligence: A Modern Approach. New Jersey: Prentice Hall.

Schmuck, M. (2013). Financial Distress and Corporate Turnaround. Muenchen: Springer Gabler.

Sekaran, U., & Bougie, R. (2013). Research Methods for Business. Chicester: John Wiley & Sons Ltd.

Sun, J., Li, H., & Huang, Q. (2014). Predicting financial distress and corporate failure: A review from the state-of-the-art definitions, modeling, sampling, and featuring approaches. Knowledge-Based Systems, 41-56.