ANALISIS PREDIKSI FINANCIAL DISTRESS: STUDI KASUS PERUSAHAAN MANUFAKTUR SEKTOR INDUSTRI DASAR DAN KIMIA DI BEI 2012-2016

(1)

i

ANALISIS PREDIKSI FINANCIAL DISTRESS: STUDI KASUS PERUSAHAAN

MANUFAKTUR SEKTOR INDUSTRI DASAR DAN KIMIA DI BEI 2012-2016

COVER

Oleh:

VERONICA NATASYA DELIN

232014280

TUGAS AKHIR

Diajukan kepada Fakultas Ekonomika dan Bisnis

Guna Memenuhi Sebagian dari

Persyaratan-Persyaratan untuk Mencapai

Gelar Sarjana Akuntansi

FAKULTAS : EKONOMIKA DAN BISNIS

PROGRAM STUDI : AKUNTANSI

FAKULTAS EKONOMIKA DAN BISNIS

UNIVERSITAS KRISTEN SATYA WACANA

SALATIGA

(2)

(3)

(4)

(5)

(6)

(7)

vii

MOTTO

“Bermimpilah setinggi langit, karena jika engkau jatuh engkau akan jatuh di antara bintang-bintang”

(Ir. Soekarno)

“Pendidikan mempunyai akar yang pahit, tapi buahnya manis” (Aristoteles)

“Kemenangan terbesar kita adalah bukan karena tidak pernah gagal, tapi bangkit setiap kali kita gagal”

(8)

viii

ABSTRACT

This research describes the analysis of financial distress predictions for basic and chemical industry manufacturing companies listed on the BEI during 2012-2016. This research uses secondary data in the form of annual reports and financial reports of December 31 which have been audited during 2012-2016. This research model uses Altman Z-Score for public manufacturing company with five variable financial ratios of working

capital / total assets, retained earnings / total assets, earnings before interest and taxes / total

assets, market value of equity / book value of total liabilities, sales / total assets. The results of this research were divided into three categories, they are healthy, grey area and unhealthy for each sub sector and as a whole in the form of percentages. And it is indicated that overall the highest percentage is obtained by companies that are predicted in unhealthy conditions with 45.49% likely to suffer bankruptcy.

(9)

ix

ABSTRAK

Penelitian ini menjelaskan tentang analisis prediksi financial distress untuk perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI selama tahun 2012-2016. Penelitian ini menggunakan data sekunder berupa laporan tahunan dan laporan keuangan per 31 Desember yang telah diaudit selama tahun 2012-2016. Model penelitian ini menggunakan Altman Z-Score untuk perusahaan manufaktur publik dengan lima variabel rasio keuangan working capital/total assets, retained earnings/total assets, earning before interest and taxes/total assets, market value of equity/book value of total liabilities, sales/total assets. Hasil penelitian ini dibagi menjadi tiga kategori, yaitu kategori sehat, grey area dan tidak sehat untuk setiap sub sektor dan secara menyeluruh dalam bentuk persentase. Dan terindikasi bahwa secara keseluruhan, persentase tertinggi didapatkan oleh perusahaan yang terprediksi dalam kondisi tidak sehat dengan kemungkinan besar 45,49% mengalami kebangkrutan.

(10)

x

KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa yang telah melimpahkan berkat dan kasih-Nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul “Analisis Prediksi Financial Distress: Studi Kasus Perusahaan Manufaktur Sektor Industri Dasar dan Kimia di BEI 2012-2016”. Tujuan dari penulisan tugas akhir ini adalah untuk menganalisis prediksi financial distress untuk perusahaan manufaktur sektor industri dasar dan kimia selama tahun 2012-2016. Selain itu penulisan tugas akhir ini juga ditujukan sebagai syarat untuk memenuhi sebagian dari persyaratan dalam memperoleh gelar Sarjana Akuntansi Fakultas Ekonomika dan Bisnis Universitas Kristen Satya Wacana Salatiga.

Penulis menyadari sepenuhnya bahwa penelitian ini masih jauh dari sempurna dan masih terdapat kekurangan yang mungkin ditemukan. Oleh karena itu, dengan tangan terbuka penulis sangat mengharapkan saran dan kritik dari pembaca agar penelitian ini menjadi lebih baik lagi.

Semoga hasil dari penelitian ini dapat memberikan kontribusi dan manfaat bagi pihak-pihak yang berkepentingan serta dapat memberikan dorongan bagi penelitian-penelitian lain untuk mengembangkan penelitian sejenis di masa mendatang.

Salatiga, 8 Februari 2018

(11)

xi

UCAPAN TERIMA KASIH

Puji Syukur penulis panjatkan kepada Tuhan Yang Maha Esa. Karena atas berkat dan karunia-Nya yang tak terhingga serta pertolongan-Nya, sehingga penulis dapat menyelesaikan proses perkuliahan dan penulisan tugas akhir ini dengan baik. Penulis menyadari bahwa sangat banyak pihak yang telah membantu, mendoakan serta memberikan motivasi dan saran kepada penulis selama menyelesaikan proses perkuliahan dan penulisan tugas akhir ini. Untuk itu penulis mengucapkan terima kasih yang sedalam-dalamnya kepada:

1. Keluarga tercinta, khususnya orang tauku yang senantiasa mendukung, memberi semangat dan mendoakan penulis.

2. Bapak Ari Budi Kristanto, S.E., M.M. selaku dosen wali studi yang telah

memberikan arahan, semangat, nasihat serta pembelajaran selama proses kuliah dan penyusunan tugas akhir ini.

3. Ibu Arthik Davianti, SE., M.Si., Ph.D., Ak., CA., CSRS. selaku dosen pembimbing

yang dengan sabar mengarahkan serta banyak memberikan saran-saran yang sangat berguna sehingga penulisan tugas akhir ini dapat terselesaikan.

4. Ibu Apriani Dorkas Rambu Atahau, S.E., M.Com., Ph.D. dan Prof. Supramono,

MBA., DBA. selaku dosen penguji rancangan tugas akhir yang telah memberikan banyak saran dan kritik yang sangat berguna bagi penulis.

5. Seluruh dosen Fakultas Ekonomika dan Bisnis (FEB) dan non-FEB UKSW yang

banyak memberikan pengalaman dan pelajaran berharga dari awal hingga akhir proses perkuliahan.

6. Seluruh staff Fakultas Ekonomika dan Bisnis dan staff UKSW yang telah

membantu penulis dalam kelancaran perkuliahan dan perijinan penelitian ini.

7. Korps Asisten Fakultas Ekonomika dan Bisnis UKSW yang telah memberikan

pengalaman dan pelajaran berharga dalam hal berbagi ilmu pengetahuan kepada teman-teman mahasiswa Fakultas Ekonomika dan Bisnis UKSW, serta mendapatkan tambahan pengetahuan dari dosen pengajar.

8. Lembaga Kemahasiswaan dan Kepanitiaan Fakultas Ekonomika dan Bisnis

(12)

xii 9. Teman kuliah, kos dan teman-teman terdekat yang luar biasa memberikan semangat, motivasi dan kesempatan untuk bisa berbagi pengalaman dalam suka maupun duka dari awal hingga akhir masa perkuliahan (Devi, Ulfi, Mitha, Melia, Tara, Rut, Elsa,

Annisa, Novi, Ayu, Melvin, Nova, Tari, Novi Ayu, Nita, Caca, Tasya).

10.Serta seluruh pihak yang tidak dapat penulis sebutkan satu persatu yang telah mendoakan dan mendukung penulis selama masa perkuliahan dan penyelesaian tugas akhir.

Penulis tidak dapat membalas setiap kebaikan dan doa yang telah diberikan kepada penulis. Penulis hanya bisa berterima kasih yang sebesar-besarnya dan berdoa agar Tuhan Yang Maha Esa menyertai setiap langkah hidup mereka. Akhir kata, dengan segala kerendahan hati semoga penelitian ini dapat berguna bagi semua pihak yang menggunakannya.

Salatiga, 8 Februari 2018

(13)

xiii

DAFTAR ISI

COVER ... i

PERNYATAAN TIDAK PLAGIAT ... ii

PERNYATAAN PERSETUJUAN AKSES ... iii

LEMBAR PERSETUJUAN PEMBIMBING ... iv

LEMBAR PENGESAHAN ... v

PERNYATAAN KEASLIAN KARYA TULIS TUGAS AKHIR ... vi

MOTTO ... vii

ABSTRACT ... viii

ABSTRAK ... ix

KATA PENGANTAR ... x

UCAPAN TERIMA KASIH... xi

DAFTAR ISI ... xiii

DAFTAR TABEL ... xiv

PENDAHULUAN ...1

KAJIAN PUSTAKA ...3

Kinerja Keuangan ...3

Financial Distress ...3

Altman Z-Score ...4

METODE PENELITIAN...7

Populasi dan Sampel Penelitian ...7

Uji Analisis Financial Distress ... 10

HASIL PENELITIAN DAN PEMBAHASAN ... 12

KESIMPULAN ... 24

DAFTAR PUSTAKA ... 25

(14)

xiv

DAFTAR TABEL

Tabel 1 Populasi Penelitian ...8

Tabel 2 Kriteria Pengambilan Sampel ...9

Tabel 3 Sampel Penelitian ... 10

Tabel 4 Sampel Penelitian Sub Sektor Semen ... 13

Tabel 5 Sampel Penelitian Sub Sektor Keramik, Porselin dan Kaca ... 14

Tabel 6 Sampel Penelitian Sub Sektor Logam dan Sejenisnya ... 15

Tabel 7 Sampel Penelitian Sub Sektor Kimia ... 16

Tabel 8 Sampel Penelitian Sub Sektor Plastik dan Kemasan ... 17

Tabel 9 Sampel Penelitian Sub Sektor Pakan Ternak ... 18

Tabel 10 Sampel Penelitian Sub Sektor Kayu dan Pengolahannya ... 19

Tabel 11 Sampel Penelitian Sub Sektor Pulp dan Kertas ... 20

(15)

1

PENDAHULUAN

Berdasarkan PSAK 1 tentang Penyajian Laporan Keuangan, laporan keuangan biasanya disusun berdasarkan asumsi kelangsungan usaha entitas, dan entitas akan melanjutkan usahanya di masa mendatang (IAI 2015). Oleh karena itu, entitas diasumsikan tidak memiliki intensi atau berkeinginan untuk melikuidasi atau mengurangi skala usahanya secara material. Namun tidak selamanya perusahaan dapat berjalan dengan lancar atau dapat melanjutkan usahanya di masa depan. Bahkan perusahaan dapat mengalami kondisi financial distress, dengan posisi arus kas operasi perusahaan tidak mampu menutupi atau mencukupi kewajiban saat ini hingga mengalami kebangkrutan (Parker et al. 2002; Wang dan Deng 2006; Ross dan Westerfield 1996). Financial distress dapat berasal dari kesulitan membayar kewajiban jangka pendek, terjadinya penurunan penjualan dan laba yang signifikan, tingkat perputaran aset yang kecil yang dapat menyebabkan terjadinya financial distress dari tingkat yang paling ringan hingga ke pernyataan kebangkrutan atau dalam tingkat paling berat (Brahmana 2007 dan Lesmana dan Surjanto 2004). Kesulitan membayar kewajiban jangka pendek biasanya bersifat sementara dan kemungkinan tidak begitu parah. Akan tetapi, jika tidak ditangani secepat mungkin, kesulitan membayar kewajiban jangka pendek tersebut dapat berkembang menjadi kesulitan keuangan yang besar. Dan jika terjadi secara terus-menerus, perusahaan bisa dilikuidasi, direorganisasi atau bahkan mengalami kebangkrutan (Wardhani 2006).

Untuk memprediksi financial distres, dapat diukur dengan cara menganalisis laporan keuangan dan laporan tahunan dengan menggunakan rasio-rasio keuangan. Model Altman Z-Score dibangun berdasarkan penelitian Beaver dan lainnya (1966 dan 1968) dengan memodifikasi model Multivariate Discriminant Analysis (MDA) sebagai alat untuk memprediksi tahap kebangkrutan (Altman et al. 2014). Model ini dikenal dengan model Z-score, yaitu score yang ditentukan dari hasil perhitungan standar kali lima variabel keuangan yang menunjukkan tingkat kemungkinan kebangkrutan perusahaan yang kemudian mengalami perkembangan selama beberapa kali. Penelitian ini menggunakan model Altman

Z-Score untuk perusahaan manufaktur publik dengan rasio working capital/total assets

(16)

2 E/BV. TL), sales/total assets (SALES/TA) untuk memprediksi terjadinya financial distress

(Altman dan Hotchkiss 2006).

Auchterlonie (1997) menjelaskan bahwa model Altman Z-Score 1968 merupakan model yang digunakan untuk menganalisis prediksi kebangkrutan pada perusahaan manufaktur. Hal tersebut dikarenakan formula yang dibuat dari kelima komponen rasio tersebut yang sesuai dengan jenis perusahaan tersebut. Novitasari dkk. (2016) berpendapat bahwa Multiple Discriminant Analysis Altman Z-Score dinilai efektif untuk mengklasifikasikan

perkiraan atau prediksi kebangkrutan perusahaan. Andreev (2006) menunjukkan tingkat

profitabilitas (EBIT/TA) berpengaruh signifikan terhadap prediksi financial distress. Pasaribu (2008) menyimpulkan bahwa rasio WC/TA berpengaruh signifikan positif terhadap prediksi

financial distress. Pranowo (2010) menyimpulkan bahwa rasio SALES/TA berpengaruh signifikan positif terhadap prediksi financial distress. Kemudian didukung oleh penelitian Salehi (2009) yang juga menyimpulkan bahwa rasio SALES/TA berpengaruh signifikan positif terhadap prediksi financial distress (Ardiyanto 2011). Dengan demikian, rasio-rasio tersebut dapat dijadikan alat yang tepat untuk memprediksi financial distress pada perusahaan manufaktur. Penelitian ini bertujuan untuk mengetahui bagaimana prediksi

financial distress perusahaan manufaktur di Indonesia yang terdaftar di Bursa Efek Indonesia (BEI) selama tahun 2012-2016, khususnya pada sektor industri dasar dan kimia yang merupakan sektor yang memiliki jumlah perusahaan mayoritas di dalam perusahaan manufaktur dibandingkan dengan sektor lainnya di dalam perusahaan manufaktur.

Berdasarkan latar belakang yang telah dijelaskan, penelitian ini dapat dirumuskan permasalahan sebagai berikut: bagaimana prediksi financial distress perusahaan manufaktur sektor industri dasar dan kimia di Indonesia yang terdaftar di BEI selama tahun 2012-2016 dengan menggunakan model prediksi kebangkrutan Altman Z-Score?

Sesuai dengan latar belakang dan rumusan masalah, penelitian ini dilakukan dengan tujuan untuk menguji dan mengetahui bagaimana prediksi financial distress perusahaan manufaktur sektor industri dasar dan kimia di Indonesia yang terdaftar di BEI selama tahun 2012-2016.

Adapun hasil penelitian ini diharapkan dapat memberikan informasi kepada

(17)

3

KAJIAN PUSTAKA

Kinerja Keuangan

Menurut Munawir (1998), kinerja keuangan merupakan suatu gambaran mengenai tingkat pencapaian pelaksanaan suatu kegiatan perusahaan dalam menghasilkan atau mengeluarkan kas selama periode tertentu yang tertuang pada laporan keuangan perusahaan yang bersangkutan. Untuk mengetahui kinerja perusahaan itu berjalan baik atau tidak, perusahaan juga harus mengukur kinerja keuangan perusahaan. Salah satu cara untuk mengukur kinerja keuangan yaitu dengan menganalisis laporan keuangan menggunakan rasio-rasio keuangan. Hasil pengukuran terhadap capaian kinerja keuangan adalah salah satu dasar bagi pengelola perusahaan untuk menilai kemajuan perusahaan dan memperbaiki kinerja pada periode berikutnya. Hasil ini juga bermanfaat dalam pengambilan keputusan manajemen dan mampu menciptakan nilai perusahaan itu sendiri kepada para stakeholder

(Rahayu 2010).

Financial Distress

Menurut Altman (1968), perusahaan dapat dikategorikan menjadi tiga kondisi, yaitu perusahaan yang sehat, perusahaan yang mengalami financial distress dengan kemungkinan bangkrut atau tidak bangkrut, dan perusahaan tidak sehat yang memiliki kemungkinan besar untuk bangkrut. Untuk perusahaan yang mengalami kesulitan keuangan/financial distress

telah dikategorikan menjadi empat tahap, yaitu failure, insolvency, default dan bankruptcy

(Altman dan Hotchkiss 2006).

Failure menurut kriteria ekonomi merupakan tingkat pengembalian modal investasi yang direalisasikan, dengan tunjangan untuk pertimbangan risiko, secara signifikan dan terus-menerus lebih rendah dari tingkat yang berlaku untuk investasi serupa. Istilah business failure

diadopsi oleh Dun dan Bradstreet yang mengatakan bahwa business failure mencakup bisnis yang berhenti beroperasi setelah penugasan atau kebangkrutan yang menghentikan penghentian kreditur setelah tindakan atau eksekusi seperti itu. Penyitaan atau pelekatan, yang secara sukarela menarik diri, meninggalkan kewajiban yang belum dibayar, atau tindakan yang telah terlibat dalam pengadilan dan mereka yang secara sukarela kompromi dengan kreditur.

(18)

4 memenuhi kewajiban saat ini atau kewajiban jangka pendek, yang berarti likuiditas yang dimiliki perusahaan kurang.

Default merupakan kondisi perusahaan yang tak terelakkan terkait dengan

distress. Default selalu melibatkan hubungan antara perusahaan debitur dengan kreditur. Teknik default muncul ketika perusahaan debitur melanggar syarat perjanjian dengan kreditur dan dapat dilanjutkan dengan tindakan hukum. Ketika sebuah perusahaan gagal membayar pinjaman atau obligasi sesuai dengan yang dijadwalkan, biasanya the periodic of interest obligation, default legal lebih mungkin terjadi, walaupun tidak selalu terjadi dalam kasus pinjaman. Pembayaran bunga dapat dilewatkan dan dikenai pinjaman dalam transaksi pribadi, seperti pinjaman bank, tanpa default tersebut resmi diumumkan. Namun, untuk obligasi publik, ketika perusahaan gagal membayar pokok atau bunga dan masalahnya tidak dapat disembuhkan dalam masa tenggang, keamanannya dalam keadaan

default. Perusahaan dapat terus beroperasi dan berusaha untuk menyelesaikan restrukturisasi Bahkan mungkin untuk menyetujui restrukturisasi dengan jumlah yang memadai dari penggugat dan kemudian mengajukan kasus secara legal untuk bankcrupty.

Altman Z-Score

Model Altman Z-Score merupakan model yang dibangun berdasarkan penelitian dari William Beaver (1966 dan 1968) yang memprediksi kebangkrutan menggunakan rasio keuangan satu per satu dengan analisis univariate. Model ini merupakan hasil dari modifikasi teknik Multiple Discriminant Analysis (MDA) yang memperhitungkan lima atau empat variabel rasio keuangan secara bersamaan. Model ini digunakan untuk memprediksi financial distress perusahaan dari segi profitabilitas, leverage, likuiditas, solvency dan aktivitas. Altman Z-Score pertama kali dibuat oleh Edward L. Altman pada tahun 1968 dengan rasio

working capital/total assets (WC/TA), retained earnings/total assets (RE/TA), earning before interest and taxes/total assets (EBIT/TA atau ROA), market value of equity/book value of total liabilities (MV. E / BV. TL), sales/total assets (SALES/TA) sebagai alat untuk memprediksi kebangkrutan perusahaan manufaktur publik. Kelima rasio tersebut merupakan hasil seleksi terbaik dari 22 rasio keuangan yang berpengaruh penting terhadap prediksi kebangkrutan perusahaan. Kemudian pada tahun 1983, Altman mengembangkan model Z’

(19)

non-5 manufaktur dan swasta yang menghilangkan variabel X5 sales/total assets (SALES/TA) (Altman et al. 2014). Dalam penelitian ini, model Altman Z-Score yang digunakan adalah model Z-Score asli (1968) untuk perusahaan manufaktur publik. Adapun penjelasan dari kelima rasio tersebut adalah sebagai berikut.

Rasio Working Capital/Total Assets (WC/TA)

Rasio WC/TA merupakan rasio keuangan yang menunjukkan perbandingan modal kerja yang didapat dari aset lancar dikurangi liabilitas lancar dengan total aset (Riyanto 2001). Setiap perusahaan pasti membutuhkan modal kerja yang cukup untuk aktivitas operasional perusahaan agar perusahaan tidak mengalami kesulitan keuangan untuk membayar hutang-hutangnya atau kesulitan likuiditas (Munawir 2002). Jika arus masuk aset lancar (seperti kas yang diterima perusahaan) semakin lebih besar dibandingkan arus keluar untuk pembayaran liabilitas lancar (seperti utang usaha perusahaan), maka akan menghasilkan modal kerja positif yang semakin tinggi yang mengakibatkan probabilitas terjadinya kesulitan likuiditas perusahaan tersebut semakin kecil dan kemungkinan terjadinya

financial distress juga semakin kecil. Begitu pula sebaliknya (Ang 1997).

Rasio Retained Earnings/Total Assets (RE/TA)

Rasio retained earnings/total assets (RE/TA) merupakan rasio keuangan yang bertujuan untuk mengukur kemampuan perusahaan dalam menghasilkan laba ditahan (retained earnings) dari total aset perusahaan. Laba ditahan merupakan sebagian laba yang tidak dibagikan kepada investor atau ditahan perusahaan yang digunakan sebagai sumber pendanaan internal perusahaan dalam pengeluaran modal atau investasi untuk ke depannya (Riyanto 2001). Rasio ini merupakan bagian dari rasio profitabilitas yang digunakan untuk mengukur efisiensi aktivitas perusahaan dan kemampuan perusahaan untuk memperoleh

profit (Husnan 1998). Jika semakin tinggi kemampuan perusahaan dalam menghasilkan profit dari waktu ke waktu, maka akan memperlancar akumulasi laba ditahan perusahaan, yang berarti memperbesar modal perusahaan untuk menjalankan aktivitas operasionalnya, sehingga kemungkinan terjadinya kondisi financial distress semakin rendah (Fakhrurozie 2007).

Rasio EBIT/TA atau ROA

(20)

6 untuk memperoleh profit. Jika EBIT yang diperoleh semakin lebih besar dari total aset perusahaan, maka semakin besar tingkat pengembalian (return) aset perusahaan, yang menunjukkan kinerja keuangan dan tingkat profitabilitas perusahaan yang semakin baik, sehingga kemungkinan terjadinya kondisi financial distress semakin rendah (Husnan 1998 dan Ardiyanto 2011).

Rasio Market Value of Equity/Book Value of Total Liabilities (MV. E/BV. TL)

Rasio market value of equity/book value of total liablities merupakan bagian dari rasio

leverage yang mengukur seberapa besar nilai pasar saham untuk menutupi total kewajiban yang harus dibayar oleh perusahaan. Jika nilai pasar saham terus mengalami penurunan, maka perusahaan juga kesulitan untuk membayar total kewajibannya dan kemungkinan dapat mengalami kondisi financial distress. (Akuntansipedia 2017).

Rasio Sales/Total Assets (SALES/TA)

(21)

7

METODE PENELITIAN

Berdasarkan penelitian yang telah dikemukakan, maka jenis penelitian yang digunakan adalah penelitian dengan menggunakan model analisis Altman Z-Score untuk perusahaan manufaktur publik. Data yang digunakan oleh penelitian ini berasal dari data sekunder, yaitu laporan tahunan dan laporan keuangan perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI selama tahun 2012-2016. Metode pengumpulan data yang digunakan dalam penelitian ini adalah metode dokumentasi, yaitu dengan mengumpulkan dan mempelajari klasifikasi dan kategori data-data tertulis yang berhubungan dengan masalah penelitian, antara lain dari sumber dokumen, jurnal, buku, internet dan lain-lain.

Populasi dan Sampel Penelitian

(22)

8 Tabel 1

Populasi Penelitian

No. Jenis Sub Sektor Industri Dasar dan Kimia Kode Perusahaan Total

1 Sub Sektor Semen INTP, SMCB, SMGR 3

2 Sub Sektor Keramik, Porselin, Kaca AMFG, ARNA, IKAI, KIAS, MLIA, TOTO 6

3 Sub Sektor Logam dan Sejenisnya ALKA, ALMI, BAJA, BTON, CTBN,

GDST, INAI, JKSW, JPRS, KRAS, LION,

LMSH, NIKL, PICO, TBMS

15

4 Sub Sektor Kimia BRPT, BUDI, DPNS, EKAD, ETWA, INCI,

SRSN, TPIA, UNIC

9

5 Sub Sektor Plastik dan Kemasan AKKU, AKPI, APLI, BRNA, FPNI, IGAR,

IPOL, SIAP, SIMA, TALF, TRST, YPAS

12

6 Sub Sektor Pakan Ternak CPIN, JPFA, MAIN, SIPD 4

7 Sub Sektor Kayu dan Pengolahannya SULI dan TIRT 2

8 Sub Sektor Pulp dan Kertas ALDO, FASW, INKP, INRU, KBRI, KDSI,

SPMA, TKIM

8

Jumlah 59

Sumber: sahamok.com

(23)

9 Tabel 2

Kriteria Pengambilan Sampel

Kriteria Jumlah

Seluruh perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI periode

2012-2016 (populasi)

Perusahaan yang tidak menyampaikan data secara lengkap dalam laporan tahunan dan laporan keuangan yang telah diaudit per 31 Desember selama periode penelitian tahun 2012-2016

(3)

Sampel perusahaan yang bisa digunakan untuk penelitian 51

Sampel yang digunakan sesuai periode penelitian 5 tahun (51x5) 255

Tabel 2 menunjukkan bahwa berdasarkan kriteria purposive sampling, jumlah perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI periode 2012-2016 yang bisa digunakan untuk menjadi sampel, yaitu 51 perusahaan per tahun setelah dikurangi lima perusahaan yang tidak mengakses semua laporan tahunan dan laporan keuangan yang telah diaudit per 31 Desember dalam periode 2012-2016 dan tiga perusahaan yang tidak menyampaikan data secara lengkap selama periode penelitian tahun 2012-2016 berkaitan dengan working capital, total assets, retained earnings, earning before interest and taxes, market value of equity, book value of total liabilities dan sales untuk mengukur rasio keuangan dalam laporan tahunan dan laporan keuangan yang telah diaudit per 31 Desember selama tahun 2012-2016.

(24)

10 Tabel 3

Sampel Penelitian

No. Jenis Sub Sektor Industri Dasar dan Kimia Kode Perusahaan Total

1 Sub Sektor Semen INTP, SMCB, SMGR 3

2 Sub Sektor Keramik, Porselin, Kaca AMFG, ARNA, IKAI, MLIA, TOTO 5

3 Sub Sektor Logam dan Sejenisnya ALKA, ALMI, BTON, CTBN, GDST,

7 Sub Sektor Kayu dan Pengolahannya SULI dan TIRT 2

8 Sub Sektor Pulp dan Kertas ALDO, FASW, INKP, INRU, KBRI, KDSI,

SPMA, TKIM

8

Jumlah 51

Sumber: data sekunder yang diolah

Oleh karena penelitian ini dilakukan selama periode lima tahun, maka jumlah perusahaan yang digunakan sebagai sampel dalam penelitian ini dikalikan lima, sehingga menghasilkan 255 sampel. Dalam penelitian ini, data rasio keuangan perusahaan yang terdapat pada model Altman Z-Score untuk perusahaan manufaktur publik selama tahun 2012-2016 digunakan untuk memprediksikan financialdistress.

Uji Analisis Financial Distress

Pengujian analisis financial distress dalam penelitian ini menggunakan model asli Altman Z-Score dengan tingkat keakuratan 80%-90% untuk memprediksi kebangkrutan satu tahun sebelum kejadian dengan kesalahan Tipe II sekitar 15%-20% dan tingkat keakuratan 72% untuk memprediksi kebangkrutan dua tahun sebelum kejadian dengan kesalahan Tipe II sebesar 6% (Altman 2000). Berikut rumus dari model asli Altman Z-Score untuk perusahaan manufaktur publik:

(25)

11 Keterangan:

Z = nilai Z-score

X1 = Working Capital/Total Assets (WC/TA)

= (total aset lancar - total liabilitas lancar)/ total aset X2 = Retained Earnings/Total Assets (RE/TA)

X3 = Earning Before Interest and Taxes/Total Assets (EBIT/TA)

X4 = Market Value of Equity/Book Value of Total Liabilities (MV. E/BV. TL)

X5 = Sales/Total Assets (SALES/TA)

Berikut langkah-langkah dalam menganalisis financial distress menggunakan model Altman

Z-Score:

1. Hitung kelima rasio keuangan (X1-X5) dari akun working capital, total assets, retained earnings, earning before interest and taxes, market value of equity, book

value of total liabilities, sales yang terdapat di laporan tahunan dan laporan keuangan per 31 Desember tiap perusahaan dalam satu tahun selama periode penelitian tahun 2012-2016.

2. Setelah mendapatkan hasil dari kelima rasio keuangan tiap perusahaan dalam satu tahun, maka nilai Z-score dapat dicari dengan rumus di atas. Tiap rasio atau variabel X diberi koefisien dalam bentuk desimal yang berbeda sesuai dengan rasio tersebut untuk memprediksi terjadinya financial distress.

3. Untuk nilai Z-Score kurang dari 1,81 yang diperoleh tiap perusahaan dalam satu tahun, maka perusahaan dianggap berada dalam keadaan tidak sehat atau dalam keadaan financial distress dengan kemungkinan besar perusahaan mengalami kebangkrutan.

4. Untuk nilai Z-Score antara 1,81 sampai 2,99 yang diperoleh tiap perusahaan dalam satu tahun, maka perusahaan dianggap berada pada daerah abu-abu (grey area) atau dalam keadaan financial distress dengan kemungkinan perusahaan bangkrut atau tidak bangkrut.

(26)

12

HASIL PENELITIAN DAN PEMBAHASAN

Penelitian ini menganalisis prediksi financial distress untuk setiap sub sektor dan seluruh perusahaan di industri dasar dan kimia yang terdaftar di BEI selama tahun 2012-2016, yang terpilih untuk dijadikan sampel penelitian. Prediksi financial distress ini dikategorikan menjadi golongan sehat, grey area dan tidak sehat dengan menggunakan model Altman Z-Score untuk perusahaan manufaktur publik. Hasil penelitian dari 255 sampel penelitian atau dari 51 perusahaan selama tahun 2012-2016 yang terpilih, akan dinyatakan dalam bentuk persentase. Oleh karenanya, penelitian ini membandingkan masing-masing kategori perusahaan berada pada tingkat persentase tertinggi di setiap sub sektor dan secara keseluruhan selama lima tahun penelitian yaitu tahun 2012-2016. Hasil analisis akan disajikan berdasarkan kategori sub-sektor, kemudian pembahasan dilanjutkan dengan hasil analisis menyeluruh.

(27)

13 Tabel 4

Sampel Penelitian Sub Sektor Semen Kriteria Kode

Perusahaan

Z-Score Jumlah %

2012 2013 2014 2015 2016

S INTP 18,030 15,221 16,354 15,765 10,852 5

SMGR 9,167 8,180 8,774 6,008 4,275 5

SMCB 5,149 - - - - 1

Jumlah 11 73,34

GA SMCB - 2,896 2,138 - - 2 13,33

TS SMCB - - - 1,306 0,821 2 13,33

Total 3 perusahaan 15 100

Sumber: data sekunder yang diolah. Keterangan: S = Sehat, GA = Grey Area, TS = Tidak Sehat.

Dengan demikian persentase tertinggi untuk sub sektor semen adalah perusahaan dengan prediksi berada dalam kondisi sehat sebesar 73,34%.Sehingga dapat diartikan bahwa kemungkinan terjadinya financial distress untuk sub sektor semen adalah sangat kecil, kecuali untuk PT SMCB.

(28)

14

Dengan demikian tingkat persentase tertinggi untuk sub sektor keramik, porselin dan kaca adalah perusahaan dengan prediksi berada dalam kondisi sehat sebesar 56%. Sehingga dapat diartikan bahwa kemungkinan tidak terjadinya financial distress lebih tinggi dibandingkan dengan kemungkinan besar terjadi financial distress.

Berdasarkan pengamatan dari Tabel 6 di bawah, terdapat 65 amatan atau 13 perusahaan di sub sektor logam dan sejenisnya dalam periode penelitian tahun 2012-2016 yang terpilih untuk dijadikan sampel penelitian dalam memprediksi financial distress. Hasil prediksi tersebut terdiri dari 49,23% yaitu PT Alaska Industrindo Tbk (ALKA), PT Beton Jaya Manunggal Tbk (BTON), PT Citra Turbindo Tbk (CTBN), PT Jaya Pari Steel Tbk (JPRS), PT Lion Metal Works Tbk (LION), PT Lionmesh Prima Tbk (LMSH) yang selama lima tahun penelitian terprediksi selalu dalam kondisi sehat serta PT Gunawan Dianjaya Steel Tbk (GDST) yang pada tahun 2012-2013 juga terprediksi dalam kondisi sehat; 15,39% yaitu PT GDST pada tahun 2014 dan 2016, PT Alumindo Light Metal Industry Tbk (ALMI) pada tahun 2012, PT Nippon Steel dan Sumitomo Metal Tbk (NIKL) pada tahun 2013 dan 2016 dan PT Pelangi Indah Canindo Tbk (PICO) selama tahun 2012-2016 yang terprediksi dalam

(29)

15

Dengan demikian tingkat persentase tertinggi untuk sub sektor logam dan sejenisnya adalah perusahaan yang terprediksi berada dalam kondisi sehat sebesar 49,23%. Sehingga dapat diartikan bahwa kemungkinan tidak terjadinya financial distress lebih tinggi dibandingkan dengan kemungkinan besar terjadi financial distress.

(30)

16 Nusantara Tbk (DPNS) dan PT Ekadharma Internasional Tbk (EKAD) yang selama lima tahun penelitian selalu terprediksi dalam kondisi sehat; 14,29% yaitu PT INCI pada tahun 2016, PT UNIC pada tahun 2013-2015 dan PT SRSN pada tahun 2015 yang terprediksi dalam grey area; 31,42% yaitu PT SRSN pada 2016 yang terprediksi dalam kondisi tidak sehat serta PT Barito Pasific Tbk (BRPT) dan PT Budi Starch & Sweetener Tbk (BUDI) yang selama lima tahun penelitian juga selalu terprediksi dalam kondisi tidak sehat.

Dengan demikian tingkat persentase tertinggi untuk sub sektor logam dan sejenisnya adalah perusahaan yang terprediksi berada dalam kondisi sehat sebesar 54,29%.

Sehingga dapat diartikan bahwa kemungkinan tidak terjadinya financial distress lebih tinggi dibandingkan dengan kemungkinan besar terjadi financial distress.

(31)

2012-17 2016, PT Asiaplast Industries Tbk (APLI) pada tahun 2014 dan 2016, PT Yana Prima Hasta Persada Tbk (YPAS) pada tahun 2012 dan 2014-2016 yang terprediksi dalam kondisi sehat; 13,33% yaitu PT APLI pada tahun 2012, 2013 dan 2015, PT Berlina Tbk (BRNA) pada tahun 2012 dan 2014, dan PT Trias Sentosa Tbk (TRST) pada tahun 2012 yang terprediksi dalam

grey area; 62,22% yaitu PT BRNA pada tahun 2013, 2015 dan 2016, PT TRST selama tahun 2013-2016, PT YPAS pada tahun 2013 yang terprediksi dalam kondisi tidak sehat, serta PT Argha Karya Prima Industry Tbk (AKPI), PT Fatra Polindo Nusa Industri Tbk (FPNI), PT

(32)

18 Berdasarkan pengamatan dari Tabel 9 di bawah, terdapat 20 amatan atau empat perusahaan di sub sektor pakan ternak dalam periode penelitian tahun 2012-2016 yang terpilih untuk dijadikan sampel penelitian dalam memprediksi financial distress. Hasil prediksi tersebut terdiri dari 55% yaitu PT Charoen Pokphand Indonesia Tbk (CPIN) selama tahun 2012-2016 serta PT Japfa Comfeed Indonesia Tbk (JPFA) dan PT Malindo Feedmill Tbk (MAIN) pada tahun 2012,2013 dan 2016 yang terprediksi dalam kondisi sehat; 20% yaitu PT JPFA dan PT MAIN pada tahun 2014-2015 yang terprediksi dalam grey area

dengan kemungkinan perusahaan bangkrut atau tidak bangkrut; dan 5% yaitu PT SIPD yang selama lima tahun penelitian terprediksi selalu dalam kondisi tidak sehat.

Dengan demikian tingkat persentase tertinggi untuk sub sektor pakan ternak adalah perusahaan dengan prediksi dalam kondisi sehat sebesar 55%. Sehingga dapat diartikan bahwa kemungkinan tidak terjadinya financial distress lebih tinggi 5% dibandingkan dengan kemungkinan besar terjadi financial distress.

(33)

19 Tabel 10

Sampel Penelitian Sub Sektor Kayu dan Pengolahannya Kriteria Kode

Perusahaan

2012 2013 2014 2015 2016

TS SULI -2,097 -3,826 -2,796 -2,627 -2,041 5

TIRT 0,970 -0,073 1,230 1,077 1,298 5

Dengan demikian dapat disimpulkan bahwa seluruh perusahaan di sub sektor kayu dan pengolahannya terprediksi mengalami financial distress dengan kemungkinan besar mengalami kebangkrutan.

(34)

20 Tabel 11

Sampel Penelitian Sub Sektor Pulp dan Kertas Kriteria Kode

Perusahaan

2012 2013 2014 2015 2016

S ALDO 3,822 3,400 3,302 3,505 3,429 5

KBRI 4,552 - - - - 1

KDSI 3,643 - - - - 1

Jumlah 7 17,5

GA KDSI - 2,498 2,647 2,000 2,607 4

FASW - - 1,846 - 2,366 2

Jumlah 6 15

TS FASW 1,627 1,668 - 0,962 - 3

KBRI - -1,678 -2,183 -2,329 -2,924 4

INKP 0,586 0,762 0,720 0,795 0,842 5

INRU -1,644 -1,804 -1,621 -1,966 -1,962 5

SPMA 1,608 1,203 1,510 0,935 1,730 5

TKIM 1,133 1,051 0,916 0,698 0,726 5

Jumlah 27 67,5

(35)

(36)

(37)

23 Tabel 12 (Lanjutan)

Persentase Prediksi Financial Distress Perusahaan Sektor Industri Dasar Dan Kimia No. Kode

Perusahaan

Kondisi Perusahaan Total

2012 2013 2014 2015 2016 S GA TS Sub Sektor Pulp dan Kertas

44. ALDO S S S S S 5 - -

45. FASW TS TS GA TS GA - 2 3

46. INKP TS TS TS TS TS - - 5

47. INRU TS TS TS TS TS - - 5

48. KBRI S TS TS TS TS 1 - 4

49. KDSI S GA GA GA GA 1 4 -

50. SPMA TS TS TS TS TS - - 5

51. TKIM TS TS TS TS TS - - 5

Jumlah 7 6 27

TOTAL 105 34 116

% 41,18 13,33 45,49

(38)

24

KESIMPULAN

Hasil analisis prediksi financial distress perusahaan manufaktur sektor industri dasar dan kimia selama tahun 2012-2016 menunjukkan bahwa sebagian besar perusahaan dari lima sub sektor di industri dasar dan kimia, yaitu sub sektor semen, sub sektor keramik, porselin dan kaca, sub sektor logam dan sejenisnya dan sub sektor kimia terprediksi dalam kondisi sehat. Dan sebagian besar perusahaan dari tiga sub sektor di industri dasar dan kimia, yaitu sub sektor plastik dan kemasan, kayu dan pengolahannya, pulp dan kertas terprediksi dalam kondisi tidak sehat. Hal tersebut didasarkan pada tingkat persentase tertinggi yang dimiliki oleh setiap sub sektor di industri dasar dan kimia selama tahun 2012-2016. Secara keseluruhan, prediksi terjadinya financial distress untuk 51 perusahaan di industri dasar dan kimia selama tahun 2012-2016 sebesar 58,82%. Tingkat persentase tersebut diperoleh dari 13,33% dalam grey area dengan kemungkinan perusahaan bangkrut atau tidak bangkrut dan 45,49% dalam kondisi tidak sehat dengan kemungkinan besar perusahaan mengalami kebangkrutan.

Dengan demikian, meskipun secara keseluruhan 45,49% atau hampir 50% perusahaan di industri dasar dan kimia kemungkinan besar mengalami kebangkrutan, akan tetapi dari delapan sub sektor di industri dasar dan kimia hanya tiga sub sektor yang mayoritas terprediksi kemungkinan besar mengalami kebangkrutan. Sehingga kinerja keuangan perusahaan-perusahaan dari ketiga sub sektor tersebut yang perlu diperhatikan lebih mendetail untuk mengurangi kemungkinan terjadinya kebangkrutan, baik dalam tingkat penjualan, laba, nilai pasar saham dan dari segi manajemen operasional perusahaan.

(39)

25

DAFTAR PUSTAKA

Agusti, Chalendra Prasetya. 2013. Analisis Faktor Yang Mempengaruhi Kemungkinan Terjadinya Financial Distress. Skripsi. Fakultas Ekonomika dan Bisnis Universitas Diponegoro.

Akuntansi Pedia. 2018. Akuntansi Pedia. Diakses 4 Maret 2018. https://akuntansipedia.com/altman-z-score/.

Altman, Edward. 1968. Financial Ratio, Discriminant Analysis and The Prediction of Corporate Bankruptcy. Jurnal of Finance Vol. 23, No. 4:589-609.

Altman, Edward, dan Edith Hotchkiss. 2006. Corporate Financial Distress and Bankruptcy, Third Edition. Canada: John Wiley & Sons, Inc.

Altman, Edward, Malgorzata Iwanicz Drozdowska, Erkki Laitinen, dan Arto Suvas. 2014. Distressed Firm and Bankruptcy Prediction in an International Contex. Review and Empirical Analysis of Altman’s Z-Score Model:1-48.

Ardiyanto, Feri Dwi. 2011. Prediksi Rasio Keuangan Terhadap Kondisi Financial Distress Perusahaan Manufaktur yang Terdaftar di BEI Periode 2005-2009. Skripsi. Fakultas Ekonomika dan Bisnis Universitas Diponegoro.

Asnawi, Said Kelana, dan Chandra Wijaya. 2005. Riset Keuangan: Pengujian-Pengujian Empiris. Jakarta: PT Gramedia Pustaka Utama.

Auchterlonie, DL. 1997. "A Paean to the Z-Score and Its Commercial Bankruptcy Prediction." The Journal of Lending & Credit Risk Management.

Brahmana, Rayenda. 2007. Identifying Financial Distress Condition in Indonesia Manufacture Industry.Journal of Accounting:5-51.

Bursa Efek Indonesia. 2010. “Laporan Keuangan dan Tahunan.” IDX. Diakses 2017. http://www.idx.co.id.

Cinantya, I Gusti Agung Ayu Pritha, dan Ni Ketut Lely Aryani Merkusiwati. 2015. Pengaruh Corporate Governance, Financial Indicators dan Ukuran Perusahaan pada Financial Distress. E-Jurnal Akuntansi Universitas Udayana Vol. 10, No. 3:897-915.

Foster, George. 1986. Financial Statement Analysis. New Jersey: Prentice Hall, Englewood Cliffs.

Griffin, Ricky, dan Ronald Ebert. 2007. Bisnis Edisi ke-8. Jakarta: Erlangga.

(40)

26 Hidayat, Muhammad Arif. 2013. Prediksi Financial Distress Perusahaan Manufaktur di

Indonesia.Skripsi. Fakultas Ekonomika dan Bisnis Universitas Diponegoro. IAI. 2016. Kerangka Konseptual Pelaporan Keuangan. Jakarta: DSAK IAI.

Kayo, Edison Sutan. 2009. Saham OK. Diakses 2017. https://www.sahamok.com/. Kurs Dollar. 2013. Kurs Dollar. Diakses 4 Maret 2018. http://kursdollar.net.

Novitasari, Rima Putri, Topowijono, dan Devi Farah Azizah. 2016. Penerapan Model Multiple Discriminant Analysis Altman Z”-Score untuk Memprediksi Financial Distress. Jurnal Administrasi Bisnis Vol. 38, No. 1:83-88.

Pearce, John, dan Richard Robinson. 2008. Manajemen Strategis-Formulasi, Implementasi, dan Pengendalian Edisi 10. Jakarta: Salemba Empat.

Rahayu, Sri. 2010. Pengaruh Kinerja Keuangan Terhadap Nilai Perusahaan Dengan Pengungkapan CSR dan Good Corporate Governance Sebagai Variabel Pemoderasi.

Skripsi. Fakultas Ekonomika dan Bisnis Universitas Diponegoro.

Sasongko, Mustopo Ali, dan Agung Ngurah Mustakawarman. Diakses 2017. Analisis Saham Fundamental. Diakses 28 Januari 2017. http://www.analisissahamfundamental.com. Srengga, Imam Mas’ud dan Reva Maymi. 2011. Analisis Rasio Keuangan Untuk

Memprediksi Kondisi Financial Distress Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia. Jurnal Akuntansi Universitas JemberVol. 10, No. 2:139-154.

Sugiono, Arief. 2009. Manjemen Keuangan. Jakarta: Grasindo.

____________, dan Edy Untung. 2008. Panduan Praktis Dasar Analisa Laporan Keuangan.

Jakarta: Grasindo.

Triwahyuningtias, Meilinda. 2012. Analisis Pengaruh Struktur Kepemilikan, Ukuran Dewan, Komisaris Independen, Likuiditas dan Leverage Terhadap Terjadinya Kondisi Financial Distress.Skripsi. Fakultas Ekonomika dan Bisnis Universitas Diponegoro. Wardhani, Ratna. 2007. Mekanisme Corporate Governance Dalam Perusahaan yang

Mengalami Permasalahan Keuangan. Jurnal Akuntansi dan Keuangan Indonesia Vol 4 No. 1:95-114.

Widarjo, Wahyu, dan Doddy Setiawan. 2009. Pengaruh Rasio Keuangan Terhadap Kondisi Financial Distress Perusahaan Otomotif. Jurnal Bisnis dan Akuntansi Vol. 11 No. 2:107-119.

(41)

(42)

(43)

(44)

(45)

(46)

(47)

(48)

34

NO Kode Perusahaan Z 1.2 X1 1.4 X2 3.3 X3 0.6 X4 0.999 X5

Sub Sektor Plastik & Kemasan

37 YPAS 2012 3.379 1.2 0.124 1.4 0.200 3.3 0.089 0.6 2.457 0.999 1.184

YPAS 2013 1.744 1.2 0.101 1.4 0.124 3.3 0.042 0.6 0.995 0.999 0.716

YPAS 2014 3.076 1.2 0.113 1.4 0.209 3.3 0.021 0.6 2.106 0.999 1.315

YPAS 2015 3.861 1.2 0.068 1.4 0.199 3.3 0.005 0.6 4.149 0.999 0.994

YPAS 2016 3.645 1.2 -0.011 1.4 0.168 3.3 -0.001 0.6 4.059 0.999 0.993

Sub Sektor Pakan Ternak

38 CPIN 2012 12.635 1.2 0.406 1.4 0.637 3.3 0.280 0.6 14.346 0.999 1.726

CPIN 2013 9.490 1.2 0.413 1.4 0.614 3.3 0.228 0.6 9.589 0.999 1.632

CPIN 2014 6.553 1.2 0.266 1.4 0.510 3.3 0.113 0.6 6.249 0.999 1.397

CPIN 2015 4.719 1.2 0.256 1.4 0.497 3.3 0.118 0.6 3.517 0.999 1.220

CPIN 2016 6.362 1.2 0.269 1.4 0.578 3.3 0.189 0.6 5.043 0.999 1.581

39 JPFA 2012 3.962 1.2 0.265 1.4 0.164 3.3 0.160 0.6 2.098 0.999 1.627

JPFA 2013 3.127 1.2 0.311 1.4 0.146 3.3 0.093 0.6 1.345 0.999 1.435

JPFA 2014 2.895 1.2 0.241 1.4 0.153 3.3 0.078 0.6 0.970 0.999 1.555

JPFA 2015 2.612 1.2 0.248 1.4 0.163 3.3 0.079 0.6 0.613 0.999 1.458

JPFA 2016 3.673 1.2 0.305 1.4 0.241 3.3 0.169 0.6 1.681 0.999 1.406

40 MAIN 2012 5.361 1.2 0.023 1.4 0.417 3.3 0.249 0.6 3.449 0.999 1.861

MAIN 2013 5.436 1.2 0.005 1.4 0.421 3.3 0.170 0.6 3.981 0.999 1.894

MAIN 2014 2.557 1.2 0.038 1.4 0.230 3.3 -0.005 0.6 1.555 0.999 1.275

MAIN 2015 2.549 1.2 0.128 1.4 0.189 3.3 0.024 0.6 1.415 0.999 1.205

MAIN 2016 3.390 1.2 0.101 1.4 0.264 3.3 0.118 0.6 1.951 0.999 1.338

41 SIPD 2012 1.472 1.2 0.057 1.4 0.027 3.3 0.036 0.6 0.232 0.999 1.109

SIPD 2013 1.657 1.2 0.057 1.4 0.037 3.3 0.051 0.6 0.251 0.999 1.221

SIPD 2014 1.583 1.2 0.185 1.4 0.042 3.3 0.064 0.6 0.329 0.999 0.895

SIPD 2015 0.703 1.2 0.044 1.4 -0.100 3.3 -0.141 0.6 0.528 0.999 0.941

SIPD 2016 1.552 1.2 0.165 1.4 -0.082 3.3 0.043 0.6 0.639 0.999 0.945

(49)

(50)

(51)

(52)

(53)

(54)

(55)

(56)

(57)

(58)

(59)