Teknik Analisis Data METODE PENELITIAN
3 Model Zmijewski Bentuk persamaan model Zmijewski adalah sebagai berikut:
X = -4,3 - 4,5X
1
+ 5,7X
2
– 0,004X
3
Dimana: X1 = ROA
X2 = Leverage Debt Ratio X3 = Likuiditas Current Ratio
Skor yang diperoleh perusahaan sampel dari perhitungan rumus di atas dapat dibandingkan dengan nilai cut off untuk
kategori berikut:
Nilai Cut Off Prediksi
X 0 Bangkrut
X 0 Tidak bangkrut
d. Pembuatan tabel perbandingan hasil prediksi model Altman, Springate, dan Zmijewski. Skor yang dicantumkan dalam tabel merupakan skor
berdasarkan perhitungan model prediksi selama tiga tahun berturut- turut sebelum perusahaan mengalami delisting. Sama halnya untuk
perusahaan yang tidak mengalami delisting listing, skor yang dicantumkan merupakan skor selama tiga tahun berturut-turut. Kolom
“status” menunjukkan keadaan sesungguhnya dari sampel perusahaan yang diteliti, apakah perusahaan berstatus delisting atau listing pada
tahun tertentu. Berikut contoh format tabel beserta contoh pengisian kolomnya:
Model Prediksi Altman
No Kode
Perusahaan Skor Tahunan
Rata- rata
Skor Prediksi
Status Tahun
Th I Th
II Th
III 1
PTRA xxx xxx xxx
xxx bangkrut
delisting 2011
dst
Model Prediksi Springate
No Kode
Perusahaan Skor Tahunan
Rata- rata
Skor Prediksi
Status Tahun
Th I Th
II Th
III 1
PTRA xxx xxx xxx
xxx tidak
bangkrut delisting
2011 dst
Model Prediksi Zmijewski
No Kode
Perusahaan Skor Tahunan
Rata- rata
Skor Prediksi
Status Tahun
Th I Th
II Th
III 1
PTRA xxx xxx xxx
xxx bangkrut
delisting 2011
dst Th = tahun
2. Untuk menjawab rumusan masalah kedua tentang model prediksi yang paling tepat digunakan untuk memprediksi perusahaan yang delisting atau
tidak mengalami delisting dilakukan dengan cara menganalisis ketepatan hasil prediksi model-model tersebut dengan melakukan perbandingan
antara hasil prediksi dengan keadaan perusahaan sesungguhnya. Analisis disertai dengan perhitungan persentase keakuratan masing-masing model
prediksi dalam memprediksi terjadinya delisting suatu perusahaan. Indikator perusahaan bangkrut di pasar modal adalah perusahaan
delisted Hadi dan Anggraeni, 2008. Prediksi dianggap tepat apabila perusahaan diprediksi bangkrut delisting, maka perusahaan tersebut
mengalami delisting sedangkan apabila perusahaan diprediksi tidak bangkrut tidak mengalami delisting, maka perusahaan tersebut tidak
mengalami delisting. Ketepatan model prediksi yang tertinggi dapat dilihat dari tingkat akurasinya yang paling tinggi. Tingkat akurasi menunjukkan
berapa persentase model dalam memprediksi kondisi perusahaan dengan benar berdasarkan keseluruhan sampel yang ada Christianti, 2013.
Tingkat akurasi tiap model dihitung dengan cara sebagai berikut: Tingkat Akurasi =
x 100 Jumlah Sampel Selain tingkat akurasi, penelitian ini juga menganalisis persentase
tipe kesalahannya tipe error. Tipe Error I adalah kesalahan yang terjadi jika model memprediksi sampel tidak bangkrut tidak mengalami
delisting padahal kenyataannya bangkrut mengalami delisting. Tipe Error II adalah kesalahan yang terjadi jika model memprediksi sampel
mengalami bangkrut delisting padahal kenyataannya tidak bangkrut tidak mengalami delisting.
Tingkat error dapat dihitung dengan cara sebagai berikut:
Tipe Error I = x 100 Jumlah Sampel
Tipe Error II = x 100 Jumlah Sampel
Tingkat akurasi dan error selanjutnya digunakan untuk
menyimpulkan model mana yang paling sesuai untuk diterapkan Rismawaty, 2012. Model prediksi yang memiliki tingkat akurasi dengan
persentase tertinggi dan tipe error yang rendah akan dipilih sebagai model prediksi yang memiliki ketepatan tertinggi dalam memprediksi delisting
atau tidaknya suatu perusahaan di BEI.
36