ANALISIS PERBANDINGAN MODEL ALTMAN Z-SCORE DAN SPRINGATE DALAM MEMPREDIKSI FINANCIAL
DISTRESS PADA PERUSAHAAN TEKSTIL YANG TERDAFTAR DI BURSA EFEK INDONESIA
Fithriyya Azizah
Fakultas Ekonomi dan Bisnis Universitas Brawijaya Fitriaazizah7@gmail.com
Dosen Pembimbing:
Moeljadi
Fakultas Ekonomi dan Bisnis Universitas Brawijaya ABSTRAK
Penelitian ini bertujuan untuk mengetahui dan menganalisis kondisi financial distress pada perusahaan tekstil dengan menggunakan model Altman Z-Score dan model Springate dan juga untuk membandingkan tingkat akurasi antara kedua model dalam memprediksi financial distress pada perusahaan tekstil yang terdaftar di Bursa Efek Indonesia periode tahun 2014-2017. Jenis penelitian yang digunakan adalah penelitian kuantitatif. Data yang digunakan dalam penelitian ini adalah data laporan keuangan perusahaan tekstil yang dipublikasikan di website Bursa Efek Indonesia. Populasi yang digunakan dalam penelitian ini adalah perusahaan tekstil yang terdaftar di Bursa Efek Indonesia periode 2013 sampai 2017. Teknik pengambilan sampel menggunakan metode purposive sampling yang menghasilkan 14 perusahaan yang menjadi sampel dalam penelitian ini. Teknik analisis data dalam penelitian ini menggunakan model Altman Z- Score, model Springate, dan uji keakuratan model prediksi. Penelitian ini dimulai dengan melakukan analisis financial distress dengan menggunakan model Altman Z-Score dan Springate. Hasil analisis dari kedua model ini menunjukkan bahwa terdapat sembilan perusahaan yang berpotensi mengalami financial distress. Hasil penelitian juga menunjukkan bahwa model yang memiliki akurasi tertinggi dalam memprediksi financial distress adalah model Springate.
Kata kunci: Financial Distress, Model Altman Z-Score, Model Springate ABSTRACT
This research aims to determine and analyze the conditions of financial distress in textile companies using the Altman Z-Score model and the Springate model and also to compare the level of accuracy between the two models in predicting financial distress on textile companies listed on the Indonesia Stock Exchange period 2014-2017. The type of research used is quantitative research. The data used in this research are textile company financial report data published on the Indonesia Stock Exchange website. The population used in this research is textile companies listed on the Indonesia Stock Exchange from 2013 to 2017. The sampling technique used was purposive sampling method which resulted in 14 companies that were sampled in this research. The data analysis technique in this research uses the Altman Z-Score model, the Springate model, and the accuracy test of the prediction model. This research begins by analyzing financial distress using the Altman Z- Score and Springate model. The results of the analysis of the two models showed that there are nine companies that have the potential to experience financial distress. The results also indicated that the model that has the highest accuracy in predicting financial distress is the Springate model.
Keywords: Financial Distress, Altman Z-Score Model, Springate Model
PENDAHULUAN
Perdagangan bebas merupakan lalu lintas perdagangan antar negara tanpa adanya hambatan seperti tarif pajak impor dan ekspor.
Perdagangan bebas Indonesia dimulai pada saat Indonesia menyepakati perjanjian organisasi perdagangan bebas internasional yaitu World Trade Organization (WTO), dengan menyetujui perjanjian ini indonesia harus siap dalam menghadapi perdagangan bebas. Indonesia juga menyetujui kesepakatan AFTA (ASEAN Free Trade Area) pada tahun 1992. AFTA merupakan kesepakatan dari beberapa negara untuk membentuk suatu kawasan bebas perdagangan dalam rangka meningkatkan daya saing ekonomi kawasan regional ASEAN (Association of Southeast Asian Nations) dan menjadikan produk yang dihasilkan oleh negara-negara ASEAN memiliki daya saing kuat di pasar global. Setelah itu Indonesia juga menyetujui ACFTA (ASEAN China Free Trade Agreement) yang merupakan perjanjian perdagangan bebas antara negara ASEAN dan China, Indonesia turut mengambil peran dalam ACFTA. Dengan
masuknya Indonesia kedalam berbagai kesepakatan perdagangan bebas akan menyebabkan produk Indonesia turut bersaing dalam skala Internasional baik didalam negeri maupun diluar negeri. Adanya persaingan ini membuat perusahaan harus memperkuat semua aspek dalam bisnisnya. Menurut Wahyu (2009, dalam andre 2013), persaingan antar perusahaan yang semakin ketat menyebabkan biaya yang akan dikeluarkan oleh perusahaan akan semakin tinggi, hal ini akan mempengaruhi kinerja perusahaan.
Apabila suatu perusahaan tidak mampu untuk bersaing maka perusahaan tersebut akan mengalami kerugian, yang pada akhirnya bisa membuat suatu perusahaan mengalami financial distress.
Menurut Platt dan Platt (2002), financial distress didefinisikan sebagai tahap penurunan kondisi keuangan yang terjadi sebelum terjadinya kebangkrutan ataupun likuidasi.
Kondisi kesulitan keuangan atau financial distress ini dapat dideteksi atau diperkirakan lebih awal dengan cara melihat pada kinerja keuangan perusahaan. Laporan keuangan yang
lengkap terdiri dari neraca, laporan laba rugi, laporan perubahan posisi keuangan, catatan dan laporan lain yang berkaitan dengan laporan tersebut. informasi ini penting untuk dianalisis dengan menggunakan analisis rasio keuangan.
Ada banyak model yang dapat digunakan dalam memprediksi financial distress contohnya adalah model Altman Z-Score, Springate, Ohlson, metode Logit, Zmijewski, dan metode Grover. Masing-masing model memiliki rasio yang berbeda dalam menganalisis financial distress pada suatu perusahaan. Beberapa model yang disebutkan diatas juga memiliki akurasi yang berbeda pada setiap penelitian yang dilakukan.
Tingkat akurasi ini penting dalam menentukan analisis yang digunakan untuk memprediksi financial distess agar model analisis yang digunakan tidak menyesatkan dan dapat diterapkan sesuai dengan kondisi perusahaan yang ada di Indonesia.
Menurut penelitian yang dilakukan oleh Titis Puspitaningrum dan Linda Purnamasari (2016), Niken Savitri Primasari (2017), dan Chandana Gunathilaka (2014) yang menganalisis financial distress pada
suatu sektor perusahaan menunjukkan bahwa model Altman Z-Score merupakan model yang paling akurat dalam memprediksi financial distress. dalam penelitian lain yang dilakukan oleh Dimas Priambodo (2017) dan Anggi Meiliawati dan Isharijadi (2016) yang melakukan analisis financial distress juga menunjukkan bahwa model yang memiliki tingkat akurasi yang tinggi dalam memprediksi financial distress adalah model Springate. Penelitian- penelitian yang telah disebutkan diatas dilakukan pada perusahaan dengan sektor yang berbeda-beda dan hasilnya menunjukkan bahwa model yang memiliki tingkat akurasi paling tinggi merupakan model Altman dan model Springate.
Hasil penelitian Altman (1968) menunjukkan bahwa rasio keuangan dapat bermanfaat untuk memprediksi kegagalan atau kebangkrutan suatu perusahaan dengan tingkat ketepatan prediksi kebangkrutan sebesar 94 persen dan 95 persen benar dalam penelitiannya.
Sedangkan untuk model Springate (1978) menunjukkan bahwa model ini memiliki tingkat akurasi 92,5%.
Springate menggunakan 40
perusahaan sebagai sampel untuk penelitiannya.
Penelitian ini menggunakan perusahaan tekstil yang terdaftar di BEI sebagai objek penelitian. Peneliti memilih sektor tekstil karena industri tekstil sering dilihat tidak memiliki kesempatan untuk bersaing dengan negara-negara lain. Selain itu, pangsa pasar Industri tekstil dan produk tekstil (TPT) di pasar domestik terus mengalami penurunan karena semakin banyak produk impor yang masuk ke Indonesia.
Sumber: www.kemenperin.go.id Gambar 1
Nilai Ekspor Industri Bulan Juni 2018 (dalam Juta US$)
Sumber: www.kemenperin.go.id Gambar 2
Nilai Impor Industri Pengolahan Bulan Juni 2018 (dalam Juta US$)
Grafik diatas merupakan data nilai ekspor dan impor industri pengolahan negara Indonesia pada bulan juni 2018, nilai ekspor pakaian jadi adalah sebesar US$ 565,31 juta dan nilai impornya adalah sebesar US$ 45,32 juta. Sedangkan untuk sektor tekstil nilai ekspor tekstil adalah sebesar US$ 297,09 juta dan nilai impornya sebesar US$ 438,80 juta. Untuk untuk sektor tekstil nilai impornya hampir mencapai dua kali lipat dari nilai ekspornya, hal ini terjadi karena produk impor lebih banyak diminati karena lebih murah dibandingkan dengan produk dalam negeri. Kondisi impor yang tinggi ini juga terjadi karena adanya perubahan peraturan dalam ketentuan impor tekstil yang disahkan oleh menteri perdagangan. Kain impor yang masuk membuat industri kain lokal tidak dapat mengoptimalkan produksinya.
Akibatnya, permintaan serat dan filamen sebagai bahan baku kain juga berkurang. Kondisi impor yang tinggi ini merupakan tantangan untuk podusen tekstil domestik agar produknya dapat bersaing dengan produk impor yang masuk ke Indonesia.
Tabel 1
10 Besar Eksportir dan Importir Tekstil Pada tahun 2017
(in Billion Dollars)
Value Share in world exports imports
2017 2000 2005 2010 2017 Exporters
China 110 10.4 20.3 30.5 37.1 European
Union 69 36.7 34.9 27.0 23.4 Extra-EU
exports 21 9.9 9.9 8.1 7.1 India 17 3.6 4.1 5.1 5.8 Unites
States of America
14 7.1 6.1 4.8 4.6
Turkey 11 2.4 3.5 3.6 3.9 Korea,
Republic of 10 8.2 5.1 4.4 3.3 Chinese
Taipei 9 7.7 4.8 3.9 3.1 Pakistan 8 2.9 3.5 3.1 2.7 Hongkong,
china 8 .. .. .. ..
Domestic
exports 0 0.8 0.3 0.1 0.0
Re-
exports 8 .. .. .. ..
Vietnam 7 0.2 0.4 1.2 2.5 Above 10 256 80.0 83.0 83.7 86.4 Importers
European
Union 74 35.2 33.6 27.9 23.3 Extra-
EU imports 31 9.9 10.0 10.1 9.7 Unites
States of America
28 9.8 10.5 8.8 8.9
China 17 7.8 7.2 6.6 5.5 Vietnam 14 0.8 1.6 2.6 4.3 Bangladesh 9 0.8 1.1 1.7 3.0 Japan 8 3.0 2.7 2.7 2.6 Hongkong,
China 7 .. .. .. ..
Retained
Imports .. 0.8 0.3 0.1 ..
Turkey 7 1.3 2.1 2.5 2.2 Mexico 6 3.6 2.8 1.9 2.0 Indonesia 6 0.8 0.4 1.6 1.9 Above 10 170 63.1 62.0 56.3 53.7
Sumber: World Trade Organization (WTO), 2018
Untuk sektor tekstil menurut data yang ada pada WTO (World Trade Organization) Indonesia masuk kedalam sepuluh besar importir tekstil yaitu peringkat 10.
Namun, untuk eksportir Indonesia masih belum ada dalam sepuluh besar, ini menunjukkan bahwa kebutuhan tekstil domestik sangat besar. Data Badan Pusat Statistik (BPS) menunjukkan bahwa ekspor tekstil dan produk tekstil pada kuartal I-2018 naik 7,9% sedangkan impornya melonjak hingga 19,5%. Kasus ini dapat menjadi masalah untuk Industri tekstil di Indonesia karena produk impor lebih murah dan akan mengakibatkan produsen kehilangan pangsa pasar mereka dan jika dibiarkan terus- menerus dapat menyebabkan ketergantungan terhadap produk impor. Berdasarkan uraian diatas dan maka dalam penelitian ini penulis tertarik untuk meneliti “Analisis Perbandingan Model Altman Z-Score Dan Springate Dalam Memprediksi Financial Distress Pada Perusahaan Tekstil Yang Terdaftar Di Bursa Efek Indonesia (BEI) Periode 2013-2017”
KAJIAN PUSTAKA
Kebangkrutan dan Financial Distress
Kebangkrutan biasanya tidak akan dimulai sebelum perusahaan menjadi lemah secara finansial sehigga tidak dapat memenuhi kewajibannya. Ada banyak faktor yang menyebabkan kegagalan bisnis.
Faktor-faktor ini termasuk kondisi ekonomi umum, tren industri, masalah spesifik perusahaan seperti mengalihkan selera konsumen, teknologi yang sudah tua, dan demografi yang berubah di lokasi retail yang ada. Faktor keuangan, seperti terlalu banyak utang dan suku bunga yang naik secara tidak terduga juga dapat menyebabkan kegagalan bisnis. Kebanyakan kegagalan bisnis terjadi karena beberapa faktor sekaligus yang menyebabkan perusahaan tidak dapat bertahan.
(Annie Koh, et al, 2014).
Financial distress adalah suatu proses menurunnya posisi financial perusahaan yang dialami sebelum perusahaan bangkrut ataupun mengalami likuidasi (Platt dan Platt, 2002). Financial distress berbeda dengan kebangkrutan, hal ini terjadi
ketika perusahaan mungkin tidak dapat memenuhi kewajiban keuangannya karena terjadi penurunan pada operasi bisnis perusahaan, aset tidak likuid dan biaya tetap yang tinggi. Sebaliknya, kebangkrutan adalah keadaan terakhir di mana perusahaan berhenti melakukan bisnis karena kesulitan keuangan itu. Dalam beberapa kasus, kesulitan keuangan dapat dideteksi sebelum perusahaan mengalami kepailitan. Karena itu, kesulitan keuangan tidak selalu berkembang menjadi kebangkrutan (Pham Vo Ninh et al, 2018).
Laporan Keuangan
Menurut Standar Akuntansi Keuangan tujuan laporan keuangan adalah meyediakan informasi yang menyangkut posisi keuangan, kinerja, serta perubahan posisi keuangan suatu perusahaan yang bermanfaat bagi sejumlah besar pemakai dalam pengambilan keputusan. Laporan ini memberikan empat laporan keuangan dasar yaitu Neraca, Laporan laba rugi, Laporan arus kas, dan Laporan laba ditahan. Secara keseluruhan, empat laporan ini memberikan gambaran akuntansi tentang operasi dan posisi
keuangan perusahaan. (Brigham dan Houston, 2007).
Analisis Laporan Keuangan Analisis Rasio
Rasio keuangan diciptakan untuk membantu seseorang dalam mengevaluasi laporan keuangan.
Rasio Likuiditas
Rasio likuiditas merupakan rasio yang menunjukkan hubungan kas perusahaan dan aset lancar lainnya dengan liabilitas lancar.
Rasio Manajemen Aset
Rasio yang mengukur seberapa efektif suatu perusahaan dalam mengelola asetnya.
Rasio Manajemen Utang
Keputusan tentang penggunaan hutang mengharuskan perusahaan
untuk menyeimbangkan
pengembalian yang diharapkan lebih tinggi terhadap peningkatan risiko.
Rasio Profitabilitas
Menurut Agus Sartono (2010:122) rasio profitabilitas adalah kemampuan perusahaan untuk memperoleh laba dalam hubungannya dengan penjualan, total aktiva, maupun modal sendiri.
Rasio Nilai Pasar
Rasio yang menghubungkan harga saham perusahaan dengan pendapatannya, arus kas, dan nilai buku per saham. Rasio ini memberikan indikasi kepada manajemen tentang apa yang dipikirkan investor tentang risiko perusahaan dan prospek masa depan.
Cara Menganalisis Laporan Keuangan
Menurut I Made Sudana (2009) untuk memperoleh informasi yang lebih banyak, analisis keuangan dapat dilakukan dengan cara crosssection, yaitu membandingkan rasio keuangan suatu perusahaan dengan rasio keuangan perusahaan lain atau industri pada satu periode waktu yang sama, dan time series, yaitu membandingkan atau mengevaluasi kecendrungan (trend) rasio keuangan suatu perusahaan dari waktu ke waktu.
Model Altman Z-Score
Model prediksi kebangkrutan Altman (Altman, 1968), yang juga dikenal sebagai model Z-skor atau uji Altman, mungkin merupakan model prediksi kebangkrutan yang paling populer dan yang paling banyak digunakan. Altman menerapkan
Multiple Discriminant Analysis (Analisis Diskriminan Berganda).
Analisis diskriminan adalah teknik statistik yang mengidentifikasi beberapa rasio keuangan yang dianggap paling penting dalam mempengaruhi nilai suatu peristiwa, dan kemudian mengembangkannya menjadi sebuah model dengan pandangan untuk membuatnya lebih mudah dalam menarik kesimpulan dari suatu peristiwa. Persamaan model Altman Z-Score adalah sebagai berikut
Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 0,999X5
Dimana:
X1 = Working Capital / Total asset X2 = Retained Earnings / Total Asset X3 = Earnings Before Interest and Taxes / Total Asset
X4 = Market Value Equity / Book Value of Total Debt
X5 = Sales / Total Asset Z = Bankruptcy Index Model Springate
Model Springate adalah model pertama yang diperkenalkan oleh Gordon LV Springate (1978). Proses pengembangan model Springate awalnya menggunakan 19 rasio
keuangan yang telah sering digunakan. Namun, setelah pengujian, Springate akhirnya memilih empat rasio keuangan yang akan digunakan untuk menentukan apakah perusahaan tersebut dikatakan sebagai perusahaan yang sehat atau berpotensi bangkrut. Uji Springate menunjukkan bahwa model tersebut memiliki tingkat akurasi 92,5%.
Springate menggunakan 40 perusahaan sebagai sampel untuk penelitian ini. Persamaan Model Springate adalah sebagai berikut:
Z = 1,3A + 3,07B + 0,66C + 0,4D Dimana:
A = Working Capital / Total Assets B = Earnings Before Interest and Taxes / Total Assets
C = Earnings Before Taxes / Current Liabilities
D = Total Sales / Total Assets Hipotesis Penelitian
Hipotesis dalam penelitian ini adalah terdapat satu model yang memiliki akurasi tertinggi dalam menganalisis potensi financial distress perusahaan sektor tekstil yang terdaftar dalam Bursa Efek Indonesia (BEI) periode 2013-2017.
METODE PENELITIAN
Jenis penelitian yang digunakan pada penelitian ini adalah penelitian deskriptif. Sedangkan, untuk pendekatan dalam penelitian ini menggunakan pendekatan kuantitatif yaitu penelitian dengan menggunakan data berbentuk angka. Penelitian dilakukan dengan menggunakan data sekunder. Penelitian ini dilakukan di Galeri Investasi Bursa Efek Indonesia (BEI) Universitas Brawijaya.
Penelitian dilakukan pada perusahaan tekstil yang terdaftar di BEI periode 2013-2017.
Populasi yang digunakan peneliti dalam penelitian ini adalah perusahaan tekstil yang terdaftar di Bursa Efek Indonesia yang seluruhnya berjumlah 18 perusahaan.
Pemilihan sampel dalam penelitian ini dengan menggunakan metode purposive sampling, yaitu pemilihan sampel berdasarkan kriteria tertentu.
Dari hasil purposive sampling yang telah dilakukan dari populasi sebanyak 18 perusahaan diperoleh sampel yang digunakan dalam penelitian ini sebanyak 14 perusahaan tekstil yang terdaftar di Bursa Efek Indonesia (BEI) selama periode 2013- 2017.
Dalam penelitian ini, analisis yang digunakan untuk menjelaskan hasil prediksi financial distress perusahaan-perusahaan tekstil yang terdapat di Bursa Efek Indonesia pada tahun 2013 sampai dengan 2017 menggunakan model altman, dan model springate. Model altman yang digunakan adalah sebagai berikut:
Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 0,999X5
Klasifikasi dari hasil perhitungan tersebut dimasukkan ke dalam nilai cut off yang telah ditentukan Altman yaitu:
1. Jika nilai Z yang diperoleh lebih dari 2,675 artinya perusahaan diprediksi tidak mengalami financial distress di masa yang akan datang.
2. Jika nilai Z yang diperoleh berada di antara 1,81 dan 2,675 artinya perusahaan tersebut berada dalam grey area.
3. Jika nilai Z yang diperoleh kurang dari 1,81 artinya perusahaan diprediksi mengalami financial distress di masa yang akan datang.
Model Springate yang digunakan adalah sebagai berikut:
Z = 1,3A + 3,07B + 0,66C + 0,4D
Klasifikasi dari hasil perhitungan tersebut dimasukkan ke dalam nilai cut off yang telah ditentukan untuk model Springate yaitu:
1. Jika nilai Z lebih dari 0,862 artinya perusahaan tersebut masuk dalam kategori tidak mengalami financial distress.
2. Jika nilai Z kurang dari 0,862 artinya perusahaan tersebut diprediksi mengalami financial distress.
Lalu peneliti melakukan analisis statistik deskriptif dan uji normalitas.
Dengan analisis statistik deskriptif dapat diperoleh informasi mengenai nilai rata-rata (mean), nilai tertinggi (maksimum), nilai terendah (minimum), serta deviasi standar. Uji Normalitas dimaksudkan untuk memperlihatkan bahwa sampel data yang diambil dari populasi merupakan data yang berdistribusi normal atau tidak.
Uji hipotesis yang digunakan dalam penelitian ini menggunakan Uji keakuratan model prediksi. Uji keakuratan model prediksi dilakukan untuk mengukur tingkat keakuratan suatu variabel dalam sebuah penelitian dengan cara menghitung
estimasi yang benar serta estimasi yang salah dalam suatu data.
HASIL PENELITIAN DAN PEMBAHASAN
Model Altman Z-Score Tabel 2
Hasil Perhitungan Model Altman Z- Score
No. Perusa haan
Prediksi Altman Z-Score
2013 2014 2015 2016 2017
1 Asia
Pacific Investa ma
-0,140 financial distress
-0,498 financi al distres s
-0,995 financi al distres s
-1,219 financi al distres s
0,616 financial distress
2 Argo
Pantes 1,791 financial distress
0,931 financi al distres s
0,431 financi al distres s
-0,807 financi al distres s
-1,045 financial distress
3 Eratex
Djaja 1,478 financial distress
1,683 financi al distres s
2,201 Grey Area
2,186 Grey Area
1,531 financial distress
4 Ever
Shine Tex
0,762 financial distress
0,573 financi al distres s
0,407 financi al distres s
1,006 financi al distres s
0,582 financial distress
5 Indo
Rama Synthe tics
1,497 financial distress
1,433 financi al distres s
1,224 financi al distres s
1,222 financi al distres s
1,437 financial distress
6 Nusant
ara Inti Corpor a
0,201 financial distress
0,320 financi al distres s
0,384 financi al distres s
0,427 financi al distres s
0,459 financial distress
7 Pan
Brothe rs
2,939 Non- financial distress
2,836 Non- financi al distres s
2,504 Grey Area
2,326 Grey Area
2,453 Grey Area
8 Panasi
a Indo Resour ces
-0,042 financial distress
0,136 financi al distres s
0,396 financi al distres s
0,173 financi al distres s
-0,735 financial distress
9 Polych
em Indone sia
1,529 financial distress
1,289 financi al distres s
0,905 financi al distres s
0,737 financi al distres s
1,361 financial distress
10 Ricky Putra Global indo
1,770 financial distress
1,710 financi al distres s
1,478 financi al distres s
1,371 financi al distres s
1,679 financial distress
11 Sri Rejeki Isman
2,431 Grey Area
2,152 Grey Area
2,446 Grey Area
2,013 Grey Area
2,182 Grey Area 12 Star
Petroc hem
1,415 financial distress
1,265 financi al distres s
1,414 financi al distres s
1,482 financi al distres s
3,009 Non- financial distress
13 Sunso
n Textile Manuf acturer
0,954 financial distress
0,818 financi al distres s
0,811 financi al distres s
1,268 financi al distres s
1,385 financial distress
14 Trisula Interna tional
4,021 Non- financial distress
3,417 Non- financi al distres s
3,289 Non- financi al distres s
2,825 Non- financi al distres s
3,267 Non- financial distress
Sumber: Data Diolah
Perusahaan dengan hasil prediksi berpotensi financial distress antara lain yaitu Apac Citra Centertex, Argo Pantes, Ever Shine, Indo Rama Synthetics, Nusantara Inti Corpora, Panasia, Polychem, Ricky Putra Globalindo, dan Sunson Textile.
Perusahaan dengan hasil prediksi tidak berpotensi financial distress adalah perusahaan Trisula International. Perusahaan yang dalam lima tahun terakhir berada pada grey area adalah perusahaan Sri Rejeki Isman, kondisi keuangan perusahaan ini stabil selama lima tahun terkahir, tidak ada perubahan yang signifikan dalam rasio keuangannya. Terdapat empat perusahaan yang hasil Z- scorenya mengalami hasil klasifikasi yang berbeda-beda dari berpotensi financial distress, rawan financial distress hingga tidak berpotensi financial distress dalam lima tahun terakhir yaitu Eratex Djaja, Pan Brothers, dan Star Petrochem. Eratex Djaja menunjukkan hasil prediksi berpotensi financial distress hingga rawan financial distress namun pada tahun 2017 perusahaan ini kembali
menunjukkan hasil berpotensi mengalami financial distress.
Perusahaan sudah mengalami kemajuan dalam mengatur kondisi keuangannya namun pada tahun 2017 kondisi keuangan perusahaan kembali menurun. Selanjutnya ada Pan Brothers yang menunjukkan hasil yang sebelumnya tidak berpotensi financial distress menjadi rawan berpotensi financial distress, ini menunjukkan bahwa perusahaan ini tidak mampu mempertahankan kinerja keuangan perusahaan yang sebelumnya bagus, namun, pada tahun 2017 perusahaan ini berhasil meningkatkan Z-Scorenya dari tahun sebelumnya ini menunjukkan bahwa perusahaan ini telah menunjukkan perbaikan dalam mengelola kondisi keuangan perusahaan. Lalu ada Star Petrochem yang menunjukkan hasil yang tadinya berpotensi mengalami financial distress menjadi tidak berpotensi mengalami financial distress pada tahun 2017, ini menunjukkan bahwa perusahaan mampu meningkatkan kinerja keuangan perusahaan.
Model Springate Tabel 3
Hasil Perhitungan Model Altman Z- Score
No. Perusahaa n
Prediksi Altman Z-Score
2013 2014 2015 2016 2017
1 Asia
Pacific Investam a
-0,017 financi al distres s
-0,387 financi al distres s
-0,743 financi al distres s
-0,663 financi al distres s
-0,383 financi al distres s
2 Argo
Pantes
0,181 financi al distres s
-0,905 financi al distres s
-0,690 financi al distres s
-1,337 financi al distres s
-1,474 financi al distres s 3 Eratex
Djaja
0,644 financi al distres s
0,776 financi al distres s
1,176 Non- financi al distres s
0,918 Non- financi al distres s
0,428 financi al distres s
4 Ever
Shine Tex -0,162 financi al distres s
-0,342 financi al distres s
-0,458 financi al distres s
0,452 financi al distres s
0,045 financi al distres s
5 Indo
Rama Synthetic s
0,580 financi al distres s
0,568 financi al distres s
0,416 financi al distres s
0,484 financi al distres s
0,594 financi al distres s 6 Nusantara
Inti Corpora
-0,082 financi al distres s
0,013 financi al distres s
0,074 financi al distres s
0,094 financi al distres s
0,153 financi al distres s
7 Pan
Brothers 1,657 Non- financi al distres s
1,345 Non- financi al distres s
1,243 Non- financi al distres s
1,329 Non- financi al distres s
1,387 Non- financi al distres s 8 Panasia
Indo Resource s
-0,473 financi al distres s
-0,082 financi al distres s
-0,364 financi al distres s
-0,490 financi al distres s
-0,875 financi al distres s
9 Polychem
Indonesia 0,841 financi al distres s
0,173 financi al distres s
0,089 financi al distres s
0,007 financi al distres s
0,526 financi al distres s 10 Ricky
Putra Globalind o
1,124 Non- financi al distres s
1,002 Non- financi al distres s
0,793 financi al distres s
0,681 financi al distres s
0,860 financi al distres s 11 Sri Rejeki
Isman
1,005 Non- financi al distres s
1,939 Non- financi al distres s
1,766 Non- financi al distres s
1,363 Non- financi al distres s
1,385 Non- financi al distres s 12 Star
Petroche m
0,660 financi al distres s
0,602 financi al distres s
0,609 financi al distres s
0,587 financi al distres s
0,641 financi al distres s 13 Sunson
Textile Manufact urer
0,399 financi al distres s
0,257 financi al distres s
0,297 financi al distres s
0,222 financi al distres s
0,283 financi al distres s 14 Trisula
Internatio nal
1,882 Non- financi al distres s
1,522 Non- financi al distres s
1,605 Non- financi al distres s
1,268 Non- financi al distres s
1,242 Non- financi al distres s
Sumber: Data diolah
Perusahaan yang berpotensi mengalami financial distress ada sembilan perusahaan yaitu Apac Citra Centertex, Argo Pantes, Ever Shine, Indo Rama Synthetics, Nusantara Inti Corpora, Panasia, Polychem, Star Petrochem, Sunson Textile. Sembilan perusahaan ini berpotensi mengalami financial distress karena nilai yang dihasilkan dengan menggunakan model springate kurang dari 0,862.
Perusahaan yang tidak berpotensi mengalami financial distress ada tiga perusahaan yaitu Pan Brothers, Sri Rejeki Isman, dan Trisula International. Perusahaan-perusahaan ini tidak berpotensi mengalami financial distress karena nilai yang dihasilkan dengan menggunakan model springate yang terdapat pada tabel diatas menunjukkan nilai yang lebih dari 0,862. Ada dua perusahaan yang memiliki nilai yang berbeda serta klasifikasi prediksi financial distress yang berbeda setiap tahunnya yaitu Eratex Djaja dan Ricky Putra Globalindo. Klasifikasi financial distress untuk perusahaan Eratex Djaja pada tahun 2013 dan 2014 menunjukkan bahwa perusahaan berpotensi mengalami financial distress. Pada tahun 2015 dan 2016
perusahaan tidak lagi mengalami financial distress karena nilai analisis springate dalam dua tahun ini lebih besar dari 0,862, ini menunjukkan bahwa perusahaan memperbaiki kinerja keuangan perusahaan sehingga tidak lagi mengalami potensi financial distress. Namun, pada tahun 2017 perusahaan kembali berpotensi mengalami financial distress dari nilai yang dihasilkan oleh analisis springate, hal ini menunjukkan bahwa perusahaan kembali mengalami kesulitan dalam mengatur kinerja keuangan perusahaan. Yang terakhir adalah perusahaan Ricky Putra Globalindo.
Analisis springate menunjukkan bahwa pada tahun 2013 dan 2014 perusahaan tidak berpotensi mengalami financial distress, namun, tiga tahun berturut-turut setalah tahun 2014 perusahaan mengalami potensi terjadinya financial distress karena nilai yang dihasilkan dalam analisis springate kurang dari 0,862. Pada tahun 2017 nilai analisis springate perusahaan adalah sebesar 0,860, nilai ini hampir mendekati nilai cut- off financial distress yaitu 0,862. Jika perusahaan mampu meningkatkan kinerja keuangan perusahaan menjadi
lebih baik lagi pada tahun berikutnya, perusahaan akan keluar dari klasifikasi berpotensi mengalami financial distress.
Analisis Statistik Deskriptif Tabel 4
Hasil Analisis Statistik Deskriptif
Descriptive Statistics
N Minimum Maximum Mean
Std.
Deviation
Altman 70 -1,219 4,021 1,25036 1,140048
Springat e
70 -1,474 1,939 ,43229 ,769347
Valid N (listwise)
70
Sumber: Data diolah
Pada tabel diatas dapat dilihat hasil analisis statistik deskriptif untuk hasil pengujian model Altman dan Springate dengan menggunakan 70 sampel data. Model altman menunjukkan nilai minimum data adalah -1,219 dan nilai maksimum data adalah 4,021. Pada Model Springate nilai minimum data adalah -1,474 dan nilai maksimum data adalah 1,939. Model Altman memiliki nilai rata-rata sebesar 1,25036 sedangkan pada model Springate memiliki nilai rata-rata sebesar 0,43229.
Uji Normalitas
Dalam penelitian ini, uji normalitas terhadap distribusi data model Altman dan model Springate menggunakan uji Kolmogorov- Smirnov dan uji Shapiro-Wilk, dengan tingkat signifikansi yang digunakan α = 0,05. Pada uji Kolmogorov-Smirnov nilai signifikansi model altman dan model springate adalah 0,200, nilai ini lebih besar dari 0,05 yang artinya data model altman dan springate berdistribusi normal. Pada uji Shapiro-Wilk nilai signifikansi model altman adalah 0,716 dan nilai signifikansi model springate adalah 0,746 yang artinya data dari kedua model ini berdistribusi normal.
Uji Keakuratan Model Prediksi
Tabel 5
Tingkat Akurasi Model Altman dan Springate
Sumber: Data diolah
Tabel diatas menunjukkan tingkat keakuratan model Altman dan model Springate. Model Altman menunjukkan bahwa 50 dari 70 score No Model Prediksi
Benar Sampel Tingkat Akurasi
1 Altman 50 70 71,42%
2 Springate 51 70 72,85%
yang dihasilkan oleh model altman sesuai dengan kondisi sebenarnya yang ada pada perusahaan dan menunjukkan tingkat akurasi sebesar 71,42% sedangkan model Springate menunjukkan tingkat akurasi yang lebih tinggi yaitu sebesar 72,85%
dengan model prediksi yang benar sebanyak 51 dari 70 sampel yang ada.
Uji keakuratan model prediksi ini menghasilkan kesimpulan bahwa Model Springate merupakan model dengan tingkat akurasi paling tinggi dalam penelitian ini.
KESIMPULAN
Kesimpulan yang dapat diambil dari penelitian ini adalah sebagai berikut:
1. Hasil perhitungan model Altman Z-Score menunjukkan bahwa dari empat belas perusahaan yang telah diteliti, terdapat sembilan perusahaan yang berpotensi mengalami financial distress, satu perusahaan tidak berpotensi mengalami financial distress, satu perusahaan yang stabil berada pada daerah grey area selama lima tahun yang diteliti, dan tiga perusahaan
lainnya mengalami fluktuasi pada hasil yang ada pada tabel yaitu berpotensi dari financial distress, daerah rawan financial distress, hingga tidak berpotensi financial distress.
2. Hasil perhitungan model Springate menunjukkan bahwa dari empat belas perusahaan yang telah diteliti, terdapat sembilan perusahaan yang berpotensi mengalami financial distress, tiga perusahaan tidak berpotensi mengalami financial distress, dan dua perusahaan lainnya menunjukkan hasil yang berbeda-beda seperti yang ada pada tabel yaitu berpotensi dari financial distress hingga tidak berpotensi financial distress.
3. Model Springate merupakan model prediksi financial distress dengan tingkat akurasi tertinggi dan juga dengan tingkat error yang paling kecil diantara dua model prediksi financial distress yang digunakan pada penelitian ini.
DAFTAR PUSTAKA
Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The journal of finance, 23(4), 589-609.
Altman, E. I. (2000). Predicting financial distress of companies:
revisiting the Z-score and ZETA models. Stern School of Business, New York University, 9-12.
Andre, O., 2013. Pengaruh Profitabilitas, Likuiditas dan Leverage dalam Memprediksi Financial Distress (Studi Empiris pada Perusahaan Aneka Industri yang Terdaftar di BEI). Jurnal Akuntansi, 1(1).
Brigham, Eugene F & Daves, Philip R, 2016, Intermediate Financial Management, 12th Edition, Thompson South Western, United States of America.
Brigham, E. F., & Houston, J. F., (2012), Fundamentals of financial management, 13th Edition, Cengage Learning.
Ghozali, Imam., 2013, Aplikasi Analisis Multivariate Dengan Program, Edisi Ketujuh, Badan Penerbit Universitas Diponegoro, Semarang.
Gunathilaka, C., 2014. Financial Distress Prediction: A Comparative Study of Solvency Test and Z-Score Models with Reference to Sri Lanka. IUP Journal of Financial Risk Management, 11(3).
Hill, N. T., Perry, S. E., & Andes, S.
(1996). Evaluating firms in financial distress: An event history analysis. Journal of
Applied Business
Research, 12(3), 60.
Januri, E.N.S. dan Diyanti, A., 2017.
The Analysis of The Bankruptcy Potential Comparative By Altman Z-Score, Springate and Zmijewski Methods at Cement Companies Listed In Indonesia Stock Exchange. Journal of
Business and
Management,(IOSR-JBM), pp.80-87.
Jiming, Li dan Du Weiwei. 2011. An Empirical Study on the Corporate financial distress Prediction Based on Logistic Model Evidence from China’s Manufacturing Industry.
International Journal of Digital Content Technology 5(6).
Kementerian Perindustrian Republik Indonesia. 2018. Ringkasan Eksekutif Perkembangan Ekspor dan Impor Industri Pengolahan
Bulan Juni 2018,
http://www.kemenperin.go.id/sta tistik/exim.php
Keown, Arthur J., Martin, John D., dan Petty, J. William., 2014, Foundations of Finance The Logic and Practice of Financial Management, Eight Edition, Pearson Prentice Hall.
Koh, Annie., Ang, Ser-Keng., Ehrhardt, Michael C., dan Brigham, Eugene F., 2014, Financial Management: Theory and Practice, An Asia Edition.
Cengage Learning Asia Pte Ltd, Singapore.
Meiliawati, A. and Isharijadi, I., 2017.
ANALISIS PERBANDINGAN MODEL SPRINGATE DAN
ALTMAN Z SCORE
TERHADAP POTENSI
FINANCIAL DISTRESS
(STUDI KASUS PADA
PERUSAHAAN SEKTOR
KOSMETIK YANG
TERDAFTAR DI BURSA EFEK INDONESIA). Assets:
Jurnal Akuntansi dan Pendidikan, 5(1), pp.15-24.
Parulian, Safrida Rumondang. 2007.
Hubungan Struktur Kepemilikan, Komisaris Independen dan Kondisi financial distress Perusahaan Publik. Integrity, 1(3), pp: 263-274.
Pham Vo Ninh B, Do Thanh T, Vo Hong D, 2018. Financial distress and bankruptcy prediction: An appropriate model for listed firms in Vietnam, Economic Systems, https://doi.org/10.1016/j.ecosys.
2018.05.002
Platt, H. D., & Platt, M. B. (2002).
Predicting corporate financial distress: reflections on choice- based sample bias. Journal of Economics and Finance, 26(2), 184-199.
Pratomo, Nugroho, 2017, Daya Saing TPT: Dari Sunset Menuju Sunshine Industry, diakses pada
20 Januari 2019,
https://www.validnews.id/DAY A-SAING-TPT--DARI-
SUNSET-MENUJU- SUNSHINE-INDUSTRY- V0000694
Priambodo, D., Adeng
Pustikaningsih, S.E. and Si, M., 2017. Analisis Perbandingan
Model Altman, Springate, Grover, dan Zmijewski dalam Memprediksi Financial Distress (Studi Empiris pada Perusahaan Sektor Pertambangan yang Terdaftar di Bursa Efek Indonesia Periode 2012- 2015). Skripsi. Manajemen, Universitas Negeri Yogyakarta.
Primasari, N.S., 2017. Analisis Altman Z-Score, Grover Score, Springate, Dan Zmijewski Sebagai Signaling Financial Distress (Studi Empiris Industri Barang-Barang Konsumsi Di Indonesia). Accounting And Management Journal, 1(1).
Ross, Stephen A., Westerfield, Randolph W., Jordan, Bradford D., Lim, Joseph, Tan. Ruth., 2016. Pengantar keuangan perusahaan (fundamentals of corporate finance), Edisi Kedelapan, Salemba Empat, Jakarta.
Safitri, A., dan 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 (JIM), 2(2).
Sartono, Agus, 2012, Manajemen Keuangan Teori dan Aplikasi, Edisi Keempat, BPFE, Yogyakarta.
Sekaran, Uma., dan Kwan, Men Yon., 2007, Metodologi Penelitian Bisnis, Edisi Keempat, Salemba Empat, Jakarta.
Springate, Gordon L.V. 1978.
Predicting The Possibility of
Failure in a Canadian Firm.
Unpublised Masters Thesis.
Simon Fraser University. January 1978.
Sudana, I Made., 2009, Manajemen Keuangan Teori dan Praktik, Cetakan Kesatu, University Press, Surabaya.
Sugiyono., 2017, Metode Penelitian Kuantitatif, Kualitatif dan R &
D., Alfabeta, Bandung.
Suharsimi, Arikunto, 2006, Prosedur Penelitian: Sebuah Pendekatan Praktik, Rineka Cipta, Jakarta.
Wahyuningtyas, F., & ISGIYARTA, J. (2010). Penggunaan Laba dan Arus Kas untuk Memprediksi Kondisi financial distress (Studi Kasus pada Perusahaan Bukan Bank yang Terdaftar di Bursa Efek Indonesia Periode Tahun 2005-2008) (Doctoral
dissertation, UNIVERSITAS DIPONEGORO).
World Trade Organization. 2018.
World Trade Statistical Review 2018. diakses pada 20 Januari 2019,
https://www.wto.org/english/res _e/statis_e/wts2018_e/wts2018c hapter08_e.pdf