BAB II - Model Prediksi Financial Distress Untuk Mendeteksi Potensi Kebangkrutan Pada Industri Perbankan

II-8

BAB II

TINJAUAN PUSTAKA

II.1.Kesulitan Keuangan (Financial Distress) dan Kebangkrutan

Sering kali pengertian kesulitan keuangan (financial distress) disamakan dengan pengertian kebangkrutan, padahal keduanya memiliki arti yang berbeda. Berikut ini penulis uraikan pengertian financial distress dan kebangkrutan.

2.1.1. Pengertian Kesulitan Keuangan (Financial Distress)

Kondisi financial distress merupakan kondisi dimana keuangan perusahaan berada dalam keadaan tidak sehat atau krisis. Platt dan Platt (2002) (dalam Luciana, 2006) mendefinisikan financial distress sebagai tahap penuruan kondisi keuangan yang terjadi sebelum terjadinya kebangkrutan ataupun likuidasi.

2.1.2. Pengertian Kebangkrutan

Umumnya, kebangkrutan merupakan klimaks dari suatu proses financial distress yang dialami perusahaan. Pengertian bangkrut atau pailit menurut Ensiklopedia Ekonomi Keuangan Perdagangan dalam artikel yang ditulis oleh Jeany Tabita (2012) pada laman www.hukumkepailitan.com antara lain, keadaan dimana badan atau perusahaan atau seseorang yang oleh suatu pengadilan dinyatakan bangkrut dan yang aktivanya atau warisannya telah diperuntukkan untuk membayar utang-utangnya. UU No.4 Tahun 1998 mendefinisikan kepailitan atau kebangkrutan sebagai keadaaan dimana suatu institusi dinyatakan oleh keputusan pengadian apabila debitur memiliki dua atau lebih kreditur dan tidak membayar sedikitnya satu hutang yang telah jatuh tempo dan dapat ditagih.

Kebangkrutan (bankruptcy) menurut Amalia dan Herdiningtyas (2005) (dalam Mochamad Naufal Syaifudin, 2012) diartikan sebagai kegagalan perusahaan dalam menjalankan operasi perusahaan untuk menghasilkan laba.

Sedangkan Endri (2009) mendefinisikan kebangkrutan sebagai suatu keadaan dimana perusahaan gagal atau tidak mampu lagi memenuhi kewajiban-kewajiban kepada kreditur karena perusahaan mengalami kekurangan dan ketidakcukupan dana untuk menjalankan atau melanjutkan usahanya sehingga tujuan ekonomi yang ingin dicapai oleh perusahaan, yaitu profit, tidak tercapai.

Dari penjelasan para ahli yang telah penulis paparkan, penulis menyimpulkan bahwa perusahaan yang berada pada kondisi financial distress berpotensi mengalami kebangkrutan dalam arti sebenarnya yakni bangkrut secara hukum, tetapi tidak berarti semua perusahaan yang mengalami financial distress akan mengalami kebangkrutan. Perusahaan bisa survive dari masa masa kritis tersebut tergantung dari ketepatan penanganan yang dilakukan oleh manajemen perusahaan.

2.1.3. Jenis Financial Distress

Menurut Brighan & Gapenski (1993) (dalam Saptono, 2001) ada berbagai jenis distress yang mengarah kepada terjadinya kebangkrutan yaitu:

1. Kegagalan Ekonomi (Economic Failure)

Suatu keadaan ekonomi dimana pendapatan perusahaan tidak dapat menutup total biaya termasuk biaya modal. Bisnis yang terkena economic failure dapat menerusksan operasinya apabila investor berkeinginan menambah modalnya dan menerima tingkat pengembalian di bawah tingkat pasar.

Martim (1995) (dalam Alexander 2004) menegaskan bahwa kegagalan ekonomi terjadi apabila arus kas sebenarnya dari perusahaan tersebut jauh di bawah arus kas yang diharapkan. Bahkan kegagalan dapat juga berarti bahwa tingkat pendapatan atas biaya historis dari investasinya lebih kecil daripada biaya modal perusahaan yang dikeluarkan untuk sebuah investasi tersebut. Economic failure mengindikasikan bahwa tingkat laba yang diperoleh perusahaan lebih kecil dibanding biaya modal yang dikeluarkan atau nilai sekarang dari arus kas perusahaan lebih kecil dari kewajiban.

2. Kegagalan Bisnis (Business failure)

Keadaan business failure merupakan istilah yang digunakan oleh Dun & Brodstreet, yaitu kegagalan usaha akibat kehilangan kreditur sehingga perusahaan menghentikan kegiatan operasinya.

3. Kegagalan Keuangan (Financial Failure)

Kegagalan keuangan bisa diartikan sebagai insolvensi yang membedakan antara dasar arus kas dan dasar saham. Insolvensi atas dasar arus kas ada dua bentuk, yaitu:

a. Kegagalan Insolvensi Teknis (Technical Insolvency)

Perusahaan yang mengalami technical insolvency secara teknik mengalami keadaan bangkrut apabila tidak dapat mengatasi kewajiban yang jatuh tempo. Technical insolvency dapat menunjukkan kekurangan likuiditas sementara apabila selama waktu pemenuhan kewajiban bank tersebut dapat meningkatkan kas, membayar kewajiban, dan survive. Technical insolvency, merupakan gejala awal terjadinya kehancuran keuangan.

b. Insolvensi dalam pengertian kebangkrutan (Insolvency in Bankruptcy)

Bank dikatakan mengalami keadaan ini apabila nilai buku dari total kewajiban melebihi nilai pasar dari asset perusahaan, kondisi ini lebih serius dari technical insolvency, karena secara umum terdapat tanda dari economic failure dan mengarah ke likudasi bisnis. Dengan catatan bahwa perusahaan insolvency in bankruptcy tidak dalam proses legal bankruptcy.

4. Bangkrut Secara Hukum (Legal Bankruptcy)

Perusahaan yang dinyatakan bangkrut secara hukum (legal bankruptcy) adalah kebangkrutan dalam arti sebenarnya, yakni perusahaan dinyatakan pailit atau bangkrut secara sah berdasarkan syarat-syarat yuridis kepailitan. Di Indonesia, syarat dan putusan kebangkrutan perusahaan diatur dalam Pasal 2 UU no 4 Tahun 1998 tentang kepailitan meliputi adanya debitur yang mempunyai dua atau

lebih kreditur dan tidak membayar lunas sedikitnya satu utang yang telah jatuh waktu dan dapat ditagih, dinyatakan pailit dengan putusan pengadilan.

2.1.4. Kategori Financial Distress

Irham Fahmi (2004) mengemukakan bahwa secara kajian umum, terdapat 4 (empat) jenis ketegori financial distress yang dapat dibuat, yaitu:

1. Pertama, financial distress kategori A atau sangat tinggi

Kondisi ini benar-benar membahayakan kelangsungan hidup perusahaan. Kategori ini memungkinkan perusahaan dinyatakan untuk berada pada posisi bangkrut atau pailit. Pada kondisi ini memungkinkan pihak perusahaan melaporkan ke pihak terkait seperti pengadilan bahwa perusahaan telah berada dalam keadaan bangkrut, dan meyerahkan berbagai urusan untuk ditangani oleh pihak luar perusahaan.

2. Kedua, financial distress kategori B atau tinggi

Kondisi ini dianggap berbahaya karena pada posisi ini perusahaan harus memikirkan berbagai solusi realistis dalam menyelamatkan berbagai asset yang dimiliki, seperti sumber-sumber yang ingin dijual dan tidak dijual/dipertahankan. Termasuk mempertahankan berbagai dampak jika dilaksanakan keputusan merger (penggabungan) dan akuisisi (pengambilalihan). Salah satu dampak nyata terlihat pada kondisi ini adalah perusahaan mulai melakukan PHK (Pemutusan Hubungan Kerja) dan pension dini pada beberapa karyawannya yang dianggap tidak layak (infeasible) lagi untuk dipertahankan.

3. Ketiga, financial distress kategori C atau sedang

Perusahaan dianggap masih mampu/bisa menyelamatkan diri dengan tindakan tambahan dana yang bersumber dari internal dan eksternal. Namun perusahaan harus melakukan perombakan berbagai kebijakan dan konsep manajemen yang diterapkan selama ini, bahkan jika perlu melakukan perekrutan tenaga ahli baru yang memiliki kompetisi yang tinggi untuk ditempatkan di posisi posisi strategis yang bertugas

mengendalikan dan menyelamatkan perusahaan, termasuk meningkatkan perolehan laba dengan cara membeli kembali saham yang telah dijual kepada publik (stock repurchase atau buy back) 4. Keempat, financial distress kategori D atau rendah.

Pada kategori ini perusahaan dianggap hanya mengalami fluktuasi financial temporer yang disebabkan oleh berbagai kondisi eksternal dan internal, termasuk lahirnya dan dilaksanakan keputusan yang kurang begitu tepat. Kondisi ini umumya bersifat jangka pendek, sehingga bisa cepat diatasi seperti mengeluarkan cadangan keuangan (financial reserve) yang dimiliki, atau mengambil dari sumber-sumber dana yang selama ini memang dialokasikan untuk mengatasi persoalan-persoalan seperti itu.

Penentuan kategori perusahaan yang mengalami financial distress ini tentunya harus melalui penelitian lebih lanjut dikarenakan penggolongannya bersifat subjektif. Setiap peneliti tentunya memiliki perbedaan presepsi dan sudut pandangnya masing-masing dalam menginterpretasikan kondisi financial distress yang dialami oleh perusahaan yang diteliti.

2.1.5. Indikasi Financial Distress

Indikasi terjadinya Financial distress atau kesulitan keuangan dapat diketahui dari kinerja keuangan suatu perusahaan. Kinerja keuangan perusahaan tercermin dari laporan keuangan yang diterbitkan perusahaan. Laporan keuangan merupakan laporan mengenai posisi kemampuan dan kinerja keuangan perusahaan serta informasi lainnya yang diperlukan oleh pemakai informasi akuntansi.

Pada dunia perbankan, indikasi awal terjadinya financial distress dapat diketahui dari laporan laba rugi, dimana bank mengalami laba bersih negatif dan mengalami negatif spread akibat rendahnya biaya bunga pinjaman daripada bunga simpanan. Hofer (1980) dan Whitaker (1999) (dalam Endri, 2009) mengumpamakan kondisi financial distress sebagai kondisi dari perusahaan yang mengalami laba bersih (net profit) negatif selama beberapa tahun. Selain itu, penghapusan pencatatan saham dari Bursa

akibat dari menurunnya kinerja juga merupakan indikasi awal perusahaan yang mengalami kebangkrutan (Hadi dan Anggraeni, 2008).

Indikator financial distress sebuah perusahaan menurut Teng (2002) (dalam Mochamad Naufal Syaifudin, 2012) yaitu:

1. Profitabilitas yang negatif atau menurun 2. Merosotnya nilai pasar

3. Posisi kas yang buruk atau negatif/ketidakmampuan melunasi kewajiban-kewajiban kas

4. Tingginya perputaran karyawan/rendahnya moral 5. Penurunan volume penjualan

6. Ketergantungan terhadap utang 7. Kerugian yang selalu diderita

Indikator financial distress lainnya yaitu:

1. Penurunan deviden yang dibagikan kepada para pemegang saham 2. Ditutup atau dijualnya satu atau lebih unit usaha

3. Terjadinya pemecatan pegawai 4. Pengunduran diri eksekutif puncak

5. Harga saham yang terus menerus turun di pasar modal

Indikasi yang penulis uraikan ini merupakan kondisi-kondisi yang umumnya terjadi pada perusahaan yang mengalami financial distress. Gejala awal krisis ini berbeda-beda pada setiap perusahaan dan mungkin saja tidak berlaku pada beberapa perusahaan.

2.1.6. Faktor-Faktor Penyebab Financial Distress

Banyak hal yang melatarbelakangi kondisi kesulitan keuangan yang terjadi di setiap perusahaan. Penyebabnya bisa jadi berasal dari lingkungan internal perusahaan maupun dari lingkungan eksternal perusahaan. Mochamad Naufal Syaifudin (2001) mengatakan bahwa kesulitan keuangan disebabkan oleh buruknya kinerja keuangan perusahaan atau rendahnya tingkat kesehatan keuangan perusahaan diakibatkan beberapa faktor, misalnya terpaan krisis keuangan global. Menurut Jauch dan Glueck (dalam

Peter dan Joseph, 2011) faktor-faktor yang menyebabkan kebangkrutan adalah sebagai berikut:

1. Faktor Umum a. Sektor Ekonomi

Faktor-faktor penyebab kebangkrutan dari sektor ekonomi adalah gejala inflasi dan deflasi dalam harga barang dan jasa, kebijakan keuangan, suku bunga, dan devaluasi atau revaluasi uang dalam hubungannya dengan uang asing serta neraca pembayaran, surplus atau defisit dalam hubungannya dengan perdagangan luar negeri. b. Sektor Sosial

Faktor sosial sangat berpengaruh terhadap kebangkrutan cenderung pada gaya hidup masyarakat yang mempengaruhi permintaan terhadap produk dan jasa ataupun cara perusahaan berhubungan dengan karyawan. Faktor sosial yang lain yaitu kerusuhan atau kekacauan yang terjadi di masyarakat.

c. Teknologi

Penggunaan teknologi informasi juga menyebabkan biaya yang ditanggung perusahaan membengkak terutama untuk pemeliharaan dan implementasi. Pembengkakan terjadi, jika penggunaan teknologi informasi tersebut kurang terencana oleh pihak manajemen, sistemnya tidak terpadu dan para manager pengguna kurang professional.

d. Sektor Pemerintah

Pengaruh dari sektor pemerintah berasal darai kebijakan pemerintah terhadap pencabutan subsidi pada perusahaan dan industri, pengenaan tarif ekspor dan impor barang berubah, kebijakan undang-undang baru bagi perbankan atau tenaga kerja dan lain-lain.

2. Faktor Eksternal Perusahaan a. Pelanggan/konsumen

Perusahaan harus bias mengidentifikasi sifat konsumen, karena berguna untuk menghindari kehilangan konsumen, juga untuk menciptakan peluang untuk menemukan konsumen baru dan menghindari menurunnya hasil penjualan dan mencegah konsumen berpaling ke pesaing.

b. Faktor Kreditur

Kekuatan terletak pada pemberian pinjaman dan mendapatkan jangka waktu pengembalian hutang yang tergantung kepercayaan kreditur terhadap kelikuiditasan suatu perusahaan.

c. Fakor Pesaing

Faktor ini merupakan hal yang harus diperhatikan karena menyangkut perbedaan pemberian pelayanaan kepada konsumen, perusahaan juga jangan melupakan pesaingnya karena jika produk pesaingnya lebih diterima oleh masyarakat perusahan tersebut akan kehilangan konsumen dan mengurangi pendapatan yang diterima.

3. Faktor Internal Perusahaan

Faktor-faktor internal perusahaan yang menyebabkan kebangkrutan secara internal menurut Harnanto (dalam Peter dan Joseph, 2011) adalah sebagai berikut:

a. Terlalu besarnya kredit yang diberikan kepada nasabah sehingga akan menyebabkan adanya penunggakan dalam pembayaran sampai akhirnya tidak dapat membayar

b. Manajemen tidak efisien yang disebabakan karena kurang adanya kemampuan, pengalaman, keterampilan, dan sikap inisiatif dari manajemen.

c. Penyalahgunaan wewenang dan kecurangan dimana sering dilakukan oleh karyawan, bahkan manager puncak sekalipun

sangat merugikan apalagi yang berhubungan dengan keuangan perusahaan.

Dapat disimpulkan bahwa financial distress hanyalah satu diantara banyaknya faktor yang menyebabkan terjadinya kebangkrutan pada perusahaan.

2.1.7. Manfaat Prediksi Financial Distress

Menurut Platt dan Platt (dalam Subagyo, 2007) informasi prediksi financial distress berguna untuk:

1. Mempercepat tindakan manajemen untuk mencegah masalah sebelum terjadinya kebangkrutan.

2. Mengambil tindakan merger atau take over agar perusahaan lebih mampu membayar hutang dan mengelola perusahaan dengan baik. 3. Memberikan tanda peringatan dini adanya kebangkrutan pada masa

yang akan datang.

Informasi prediksi financial distress bermanfaat bagi pihak-pihak yang berkepetingan sebagai peringatan dini (Warning System) dari gejala-gejala dan permasalah yang terjadi sehingga perusahaan maupun pihak-pihak lain yang berkepentingan dapat melakukan langkah-langkah antisipatif untuk menghadapi skenario terburuk yang mengancam kelangsungan hidup perusahaan yakni, kebangkrutan atau likuidasi.

2.1.8. Pihak Yang Memerlukan Informasi Prediksi Financial Distress Prediksi financial distress menjadi perhatian banyak pihak. Pihak-pihak yang membutuhkan informasi tersebut meliputi:

1. Pemberi Pinjaman

Penelitian berkaitan dengan prediksi financial distress mempunyai relevansi terhadap institusi pemberi pinjaman, baik dalam memutuskan apakah akan memberikan suatu pinjaman, baik dalam memutuskan apakah akan memberikan suatu pinjaman dan menentukan kebijakan untuk mengawasi pinjaman yang telah diberikan.

2. Investor

Model prediksi financial distress dapat membantu investor ketika akan menilai kemungkinan masalah suatu perusahaan dalam melakukan pembayaran kembali pokok dan bunga.

3. Pembuat Peraturan

Masukan bagi pihak regulator, yaitu sebagai alternative tools dalam melaksanakan fungsi pengawasan bank.

4. Pemerintah

Lembaga pemerintah mempunyai kepentingan untuk melihat tanda-tanda kebangkrutan lebih awal supaya tindakan-tindakan yang perlu bisa dilakukan lebih awal.

5. Auditor

Auditor dapat membuat penilaian going concern suatu perusahaan dari informasi prediksi financial distress.

6. Stakeholder

Informasi prediksi financial distress diharapkan mampu membantu stakeholder atau pemangku kepentingan dalam menerapkan solusi atas probabilitas kebangkrutan sedini mungkin sebelum bank dinyatakan legal bankruptcy.

II.2.Model Prediksi Financial Distress

Hingga kini, penelitian mengenai prediksi financial distress telah banyak berkembang baik di Dunia Internasional maupun di Indonesia. Dari sekian banyak model yang ada, peneliti akan memaparkan beberapa model yang dianggap paling popular digunakan sebagai alat analisis prediksi, yaitu model prediksi Altman (Z-score), model prediksi Zmijewski (X-Score), dan model prediksi Ohlson (Y-score).

2.2.1. Model Altman (Z-score)

Altman merupakan orang pertama yang menerapkan Multiple Discriminant Analysis (MDA). Persamaan linear di atas dibuat oleh Altman ini sebagai penyempurnaan atas penelitian univariat yang dilakukan oleh

Beaver (1968). Pada saat itu penelitian Beaver menghasilkan persamaan yang hanya bisa memprediksi kebangkrutan pada suatu perusahaan tertentu dengan menggunakan rasio-rasio akuntansi pada saat itu saja sehingga tidak bisa diaplikasikan secara umum.

Kelemahan penelitian Beaver itulah yang disempurnakan oleh Altman dengan “Z-Score”nya yang menggunakan teknik analisis diskriminan milik Fisher (1936). Hasilnya Z-score mampu memprediksi potensi kebangkrutan suatu perusahaan secara kontinu dan bersifat umum.

1. Model Altman Pertama (1968)

Model yang dinamakan Z-score oleh Altman untuk pertama kalinya merupakan model linear dengan rasio keuangan yang diberi bobot untuk memaksimalkan kemampuan model tersebut dalam membuat prediksi kebangkrutan. Sampel yang digunakan Altman (1968) berjumlah 66 perusahaan, yaitu 33 perusahaan yang dianggap bangkrut dan 33 perusahaan sehat. Pada awalnya, Altman mengumpulkan 22 rasio perusahaan yang mungkin bisa berguna untuk memprediksi kebangkrutan. Dari 22 rasio tersebut dilakukan pengujian-pengujian untuk memilih rasio mana saja yang akan digunakan salam membuat model. Rasio-rasio yang terpilih ditunjukkan dalam persamaan berikut:

Z-score = 1,2 X1 + 1,4 X2 + 3,3 X3 + 0,6 X4 + 0,999 X5

Keterangan:

X1 = working capital / total asset X2 = retained earnings / total asset

X3 = earning before interest and taxes/total asset X4 = market value of equity / book value of total debt X5 = sales / total asset.

Nilai Z adalah indeks keseluruhan fungsi multiple discriminant analysis (MDA). Menurut Altman, terdapat angka-angka cut off nilai z yang dapat menjelaskan apakah perusahaan akan mengalami kegagalan atau tidak pada masa mendatang dan ia membaginya ke dalam tiga kategori, yaitu:

• Bila Z > 2.99 = Zone “Aman” (Pada kondisi ini, perusahaan berada pada kondisi yang sehat sehingga kecil kemungkinan terjadi kebangkrutan)

• Bila 1.81 < Z < 2.99 = Zone “Abu-abu” (Pada kondisi ini, perusahaan mengalami financial distress yang harus ditangani dengan penanganan managemen yang tepat. Jika terlambat, dan tidak tepat penanganannya, perusahaan dapat mengalami kebangrutan. Jadi pada grey area ini ada kemungkinan perusahaan bangkrut atau survive dari masa financial distress)

• Bila Z < 1.81 = Zone “Distress” (Pada kondisi ini, perusahaan mengalami financial distress dan berisiko tinggi mengalami kebangkrutan)

2. Model Altman Revisi (1983)

Model yang dikembangkan oleh Altman ini mengalami suatu revisi. Revisi yang dilakukan oleh Altman merupakan penyesuaian yang dilakukan agar model prediksi kebangkrutan ini tidak hanya untuk perusahaan manufaktur yang go public melainkan juga dapat diaplikasikan untuk perusahaan-perusahaan di sektor swasta. Model yang lama mengalami perubahan pada salah satu variabel yang digunakan. Altman mengubah pembilang Market Value Of Equity pada X4 menjadi book value of equity karena perusahaan privat tidak memiliki harga pasar untuk ekuitasnya. Berikut ini adalah model altman revisi:

Z-score = 0,717 X1 + 0,847 X2 + 3,108 X3 +0,42 X4 + 0,988 X5

Keterangan:

X1 = working capital / total asset X2 = retained earnings / total asset

X3 = earning before interest and taxes/total asset X4 = book value of equity / book value of total debt X5 = sales / total asset.

Klasifikasi perusahaan yang sehat dan bangkrut didasarkan pada nilai Z-score model Altman (1983), yaitu:

• Bila Z > 2.9 = Zone “Aman” (Pada kondisi ini, perusahaan berada pada kondisi yang sehat sehingga kecil kemungkinan terjadi kebangkrutan)

• Bila 1.23 < Z < 2.9 = Zone “Abu-abu” (Pada kondisi ini, perusahaan mengalami financial distress yang harus ditangani dengan penanganan managemen yang tepat. Jika terlambat, dan tidak tepat penanganannya, perusahaan dapat mengalami kebangrutan. Jadi pada grey area ini ada kemungkinan perusahaan bangkrut atau survive dari masa financial distress)

• Bila Z < 1.23 = Zone “Distress” (Pada kondisi ini, perusahaan mengalami financial distress dan berisiko tinggi mengalami kebangkrutan)

3. Model Altman Modifikasi (1995)

Seiring dengan berjalannnya waktu dan penyesuaian terhadap berbagai jenis perusahaan. Altman kemudian memodifikasi modelnya supaya dapat diterapkan pada semua perusahaan, sepeti manufaktur, non manufaktur, dan perusahaan penerbit obligasi di negara berkembang (emerging market). Dalam Z-score modifikasi ini Altman mengeliminasi variable X5 (sales/total asset) karena rasio ini sangat bervariatif pada industri dengan ukuran asset yang berbeda-beda. Berikut persamaan Z-Score yang di Modifikasi Altman, dkk (1995):

Z-score = 6,56 X1 + 3,26 X2 + 6,72 X3 + 1,05 X4

Keterangan:

X1 = working capital/total asset X2 = retained earnings / total asset

X3 = earning before interest and taxes/total asset X4 = book value of equity/book value of total debt

Klasifikasi perusahaan yang sehat dan bangkrut didasarkan pada nilai Z-score model Altman Modifikasi yaitu:

• Bila Z > 2.6 = Zone “Aman” (Pada kondisi ini, perusahaan berada pada kondisi yang sehat sehingga kecil kemungkinan terjadi kebangkrutan)

• Bila 1.11 < Z < 2.6 = Zone “Abu-abu” (Pada kondisi ini, perusahaan mengalami financial distress yang harus ditangani dengan penanganan managemen yang tepat. Jika terlambat, dan tidak tepat penanganannya, perusahaan dapat mengalami kebangrutan. Jadi pada grey area ini ada kemungkinan perusahaan bangkrut atau survive dari masa financial distress)

• Bila Z < 1.11 = Zone “Distress” (Pada kondisi ini, perusahaan mengalami financial distress dan berisiko tinggi mengalami kebangkrutan)

Altman mengklaim tingkat akurasi formulanya sebesar 95% untuk periode prediksi satu tahun, dengan potensi error antara 10%-15%.

2.2.2. Model Zmijewski (X-Score)

Perluasan studi dalam prediksi kebangkrutan dilakukan oleh Zmijewski (1983) dengan menambah validitas rasio keuangan sebagai alat deteksi kegagalan keuangan perusahaan. Zmijewski melakukan studi dengan menelaah ulang studi bidang kebangkrutan hasil riset sebelumnya selama dua puluh tahun. Beberapa rasio keuangan dipilih dari rasio–rasio keuangan penelitian terdahulu dan diambil sampel sebanyak 75 perusahaan yang bangkrut, serta 3573 perusahaan sehat selama tahun 1972 sampai dengan 1978, indikator F-test terhadap rasio–rasio kelompok, Rate of Return, liquidity, leverage, turnover, fixed payment coverage, trends, firm size, dan stock return volatility, menunjukan adanya perbedaan yang signifikan antara perusahaan yang sehat dan yang tidak sehat. Berikut ini adalah model yang dirumuskan oleh Zmijewski:

X-score = -4,3 – 4,5X + 5,7X - 0,004X

Rasio keuangan yang dianalisis adalah rasio-rasio keuangan yang terdapat pada model Zmijewski yaitu:

X = EAT / Total Assets x 100% (Return On Asset)

X = Total Debt / Total Asset x 100% (Debt Ratio atau Leverage) X = Current Asset / Current Liabilities (Current Ratio atau Likuiditas)

Klasifikasi perusahaan model zmijewski ini didasarkan pada nilai cut-off point sebesar 0 (nol). Apabila nilai X-Score dibawah cut-off point, maka perusahaan berada pada kondisi yang sehat. Namun, X-Score berada diatas cut-off point maka perusahaan berada padakondisi financial distress.

2.2.3. Model Ohlson (Y-Score)

Prediksi kebangkrutan metode Y-score ini dikemukakan oleh James A. Ohlson (1980) dalam jurnalnya berjudul Financial Ratio dan the Probabilistic Prediction of Bankruptcy. Sampel yang digunakan merupakan perusahaan yang terdapat di industri manufaktur pada periode tahun 1970 hingga tahun 1976. Dimana 105 perusahaan adalah bangkrut dan 258 perusahaan merupakan perusahaan yang tidak bangkrut.

Ohlson menggunakan analisis logistik untuk menghindari masalah tentang asumsi-asumsi pada model Multiple Discriminant Analysis (MDA) yang dilakukan Altman, yaitu data yang diuji memerlukan persyaratan normalitas data. Tidak seperti kebanyakan model prediksi yang dilakukan peneliti terdahulu, model ini memasukan variabel ukuran perusahaan sebagai variabel penelitian. Ohlson berasumsi bahwa perusahaan besar memiliki kemungkinan kesulitan keuangan (financial distress) yang lebih kecil karena perusahaan besar biasanya berkembang dan beroperasi dengan baik dan relatif stabil (Nikmah dan Sulestari, 2014). Persamaan model Ohlson adalah sebagai berikut:

Y-score = - 1,32 – 0,407 SIZE+ 6,03 TLTA - 1,43 WCTA + 0,0757 CLCA

- 2,37 NITA - 1,83 FUTL + 0,285 INTWO- 1,72 OENEG - 0,52 CHIN

Keterangan:

X (SIZE) = Log (total asset / indeks tingkat harga PNB) X (TLTA) = Total utang / total aset

X (WCTA) = Modal kerja / total aset X4 (CLCA) = Utang lancar / aset lancar

X5 (NITA) = Pendapatan bersih / total aset

X7 (INTWO) = 1 jika pendapatan bersih dua tahun terakhir negative

0 untuk kondisi lainnya

X8 (OENEG) = 1 jika total utang > total aset; 0 untuk kondisi sebaliknya

X9 (CHIN) = (Nit-Nit-1)/( |Nit|+|Nit-1|), dimana Nit adalah pendapatan

bersih untuk periode tahun yg diteliti

Namun Ohlson (1980) menjelaskan bahwa model ini tidak menentukan cut-off point tertentu dalam menentukan batasan yang menyatakan perusahaan tersebut bangkrut atau tidak bangkrut. Model ini memperbolehkan peneliti untuk menentukan sendiri tingkat toleransi yang akan digunakan. Makin tinggi (rendah) probability cut-off, maka makin besar kemungkinan untuk salah mengklasifikasikan perusahaan yang bangkrut dan tidak bangkrut. Ohlson sendiri menggunakan cut-off point sebesar 0,5.

Tingkat ketepatan predikasi dari model ini sebagai mana dikemukakan John Stephen dan Michael T. Dugan dalam jurnal berjudul Re-Estimation of the Zmijewsi and Ohlson Bankrupcy Prediction Model (2003) adalah sebesar 99%. Unggul dibandingkan model Z-score yang dikemukakan Altman (1968) yang hanya sebesar 95%, dan model X-score Zmijewsi (1983) sebesar 98%.

II.3. Penelitian Terdahulu (Studi Empiris)

Penelitian mengenai financial distress untuk mengetahui potensi kebangkrutan suatu perusahaan merupakan topik yang sangat menarik untuk diteliti. Penelitian awal mengenai financial distress mulanya dilakukan oleh Ramsey dan Foster (1931), Fizpatrick (1932), Winakor dan Smith (1942). Penelitian ketiganya berfokus pada perbandingan antara rasio keuangan perusahan gagal dan perusahaan tidak gagal (Afriyeni, 2012). Kemudian di tahun 1966 William Beaver mulai melakukan studi dengan menggunakan analisis variabel tunggal (univariat), namun model yang dipakai Beaver ternyata tidak dapat digunakan untuk memprediksi kegagalan perusahaan secara simultan (Subagyo, 2007) sehingga Altman (1968) kemudian mengembangkan penelitian menggunakan pendekatan variabel ganda (multivariate), serupa dengan model yang dikembangkan oleh Springate (1978), dan Zmijewski (1984).

Keterbatasan pada penelitian terdahulu membuat peneliti selanjutnya melakukan pengembangan dalam hal keragaman variable-variabel yang digunakan. Hal ini dilakukan agar akurasi daya ramal mengenai financial distress semakin akurat. Oleh karena itu, Ohlson (1980) dalam penelitian Financial Ratios And The Probabilistic Prediction Of Bankruptcy menggunakan analisis regresi logistik dalam mempediksi kebangkrutan untuk menghindari asumsi-asumsi ketat pada Multiple Discriminant Analysis (MDA). Ohlson (dalam Permatasari, 2008) mengklaim tingkat akurasi prediksinya sebesar 96,12%. Beberapa penelitian lain mengungkapkan bahwa model prediksi Ohlson memiliki tingkat akurasi yaitu: 95% (Wang dan Campbell, 2010), dan 65% (Nikmah dan Sulestari).

Di Indonesia, penelitian mengenai prediksi financial distress menggunakan analisis regresi logistik tidak sebanyak penelitian menggunakan analisis diskriminan. Beberapa peneliti yang melakukan analisis regresi logistik diantaranya Qurriyani (2000), Widodo (2001), Almilia dan Kristiaji (2003), Hadad,dkk (2004), Subagyo (2007), Purbayati (2010), Fauzi (2011), Puryati dan Savitri (2012).

Tabel II.2

Studi Empiris Prediksi Financial Distress Menggunakan Regresi Logistik

No Peneliti: Judul Variabel

Penelitian Hasil

1

Qurriyani (2000):

Deteksi Dini Potensi Kebangkrutan Bank

Melalui Analisis Rasio Keuangan dan

Market Effect

CAR (Capital

Adequacy Ratio),

Asset Quality, Manajemen, dan

Likuiditas

Rasio Keuangan (CAR dan Risk

Asset Rasio), serta Market Effect

(Earning) mampu menjelaskan

tingkat kesehatan Bank dan sekaligus menjadi alat untuk memprediksi potensi kebangkrutan

bank. 2 Widodo (2001): Penggunaan Rasio Keuangan untuk Memprediksi Probabilitas Kebangkrutan Bank

RORA, NRFF (Net

Revenue From

Fund), FBI, CAR

(Capital Adequacy

Ratio), LCDR, HS

(Hasil Kredit), PTK

Variabel yang dapat digunakan untuk memprediksi kebangkrutan

bank adalah NRFF (Net Revenue

From Fund) untuk enam model dan

HS (Hasil Kredit) untuk lima model. Model Prediksi dua tahun sebelum kebangkrutan mempunyai

presentasi akurasi lebih tinggi dibanding model prediksi satu tahun sebelum kebangkrutan.

3 Almilia dan Kristiaji (2003): Analisis Rasio Keuangan Untuk Memprediksi Kondisi Financial Distress Perusahaan Manufaktur yang Terdaftar Di Bursa

Efek Jakarta CF/CL, TL/FA gross profit/sales, OI/sales, NI/sales, CA/inventory, OI/TL, NW/sales, CL/NW, dan NW/TL.

Rasio keuangan yang paling dominan dalam menentukan

financial distress suatu perusahaan

adalah:

• Rasio profit margin (NI/S). • Rasio financial leverage (CL/TA).

4

Hadad,dkk (2004):

Model Prediksi Kepailitan Bank Umum di Indonesia

Rasio modal, Risiko Keuangan dan Variasi Waktu

Model Prediksi 3 bulan sebelum pailit (MP3) merupakan model yang paling layak digunakan untuk

memprediksi kepailitan Bank Umum.

5

Subagyo (2007):

Model Prediksi Financial Distress di

Indonesia Era Globalisasi

Financial ratios, industry relative

ratios, dan sensitivitas terhadap indikator

ekonomi

Financial ratios, industry relative ratios, dan sensitivitas terhadap

indikator ekonomi baik secara parsial maupun secara simultan mampu digunakan sebagai predictor

financial distress perusahan go

public di Indonesia. Model 4 merupakan model terbaik untuk memprediksi, dengan daya prediksi

sebesar 77,1%. 6 Purbayati (2010): Analisis Faktor Penyebab Probabilitas Kebangkrutan Bank CAR, ATTM, APB, NPL, PPAP,

ROA, ROE, NIM,

BOPO, LDR, Stock

Price, Composite Index, Inflation Rate, Interest Rate,

dan Money Supply

Variabel yang berpengaruh signifikan terhadap probabilitas kebangkrutan bank adalah BOPO

terhadap pendapatan operasional dan sensitivitas bank terhadap

tingkat suku bunga SBI

7

Fauzi (2011):

Analisis Kinerja Keuangan

(Performance) dan

Pengaruhnya Terhadap Kesulitan

Keuangan (Financial

Distress) Perbankan

di Indonesia

ROA, ROE, NPM, OPM, TDTA, EQTA, SLWC,

NIM

Variabel ROA, ROE, SLWC, dan OPM masuk ke dalam model, dan secara signifikan dapat menjelaskan

50,2 % kondisi kesulitan keuangan (fianancial distress) pada perbankan. 49,8 % lainnya dijelaskan oleh variabel di luar

8

Puryati dan Savitri

(2012): Model

Financial Distress Vs. Altman Z-Score: Analisa Perbandingan

Prediksi Kebangkrutan di Industri Perbankan yang Terdaftar di BEI

Current Ratio, Growth Ratio,

Financial

Leverage, dan

Profit Margin

Terdapat perbedaan antara kedua model. Menurut hasil analisis

model Financial Distress 4 Bank

dinyatakan menglami kondisi tidak sehat, sedangkan menurut Diskriminan model Altman, semua

bank dinyatakan sehat.

Sumber: dirangkum dari berbagai sumber II.4. Kerangka Penelitian

Berdasarkan identifikasi dan batasan masalah yang telah dipaparkan pada bab sebelumnya, penulis menganalisis kondisi financial distress pada Bank Umum yang terdaftar di Bursa Efek Indonesia (BEI) menggunakan model Y-score yang dikemukakan Ohlson (1980).

Langkah pertama yang penulis lakukan adalah mencari data yang merupakan bagian dari rasio model Y-score. Rasio model Y-score yang penulis cari ini terdiri dari sembilan variabel independen yaitu: SIZE, TLTA, WCTA, CLCA, OENEG, NITA, FUTL, INTWO, dan CHIN. Dimana variabel SIZE merupakan variabel makro ekonomi untuk mengukur besarnya perusahaan secara nasional. Data sekunder variabel SIZE penulis dapatkan dari laporan perekonomian yang dipublikasikan Bank Indonesia sedangkan data sekunder dari delapan variabel lainnya yang merupakan bagian dari variabel keuangan penulis dapatkan dari laporan tahunan (annual report) dan laporan keuangan berupa neraca, laporan laba rugi, dan laporan arus kas masing-masing bank yang terdaftar di Bursa Efek Indonesia (BEI) pada periode yang berakhir 31 Desember tahun 2012 dan 31 Desember tahun 2013.

Gambar II.2

Skema Kerangka Pemikiran

Dari hasil Y-score yang didapat, penulis kemudian menentukan nilai titik pisah atau cut-off menggunakan batas interval 0,5.Jika nilai Y-score ≤ 0,5 maka bank dikatakan berada dalam kondisi “aman” atau non-distress namun apabila nilai Y-score > 0,5 maka bank dikatakan sedang mengalami kondisi financial distress. Karena variabel dependen merupakan variabel dummy yang dinyatakan dalam skala non-matriks yakni angka 1 untuk bank yang mengalami financial distress dan 0 untuk bank yang tidak mengalami financial distress maka penulis menggunakan teknik analisis regresi logistik pada SPSS versi 18 untuk menguji hipotesis penelitian yakni menentukan apakah variabel SIZE, TLTA, WCTA, CLCA, OENEG, NITA, FUTL, INTWO, dan CHIN yang terdapat pada model Ohlson layak untuk dipakai sebagai prediktor financial distress perbankan atau tidak, serta menguji tingkat keakuratan model regresi logistik yang terbentuk dalam memprediksi kondisi financial distress pada perbankan yang terdaftar di Bursa Efek Indonesia (BEI) untuk tahun 2012 (dua tahun sebelum kondisi financial distress) dan tahun 2013 (satu tahun sebelum kondisi financial distress).

II.5. Hipotesis Penelitian

Hipotesis merupakan jawaban yang bersifat sementara terhadap permasalahan penelitian sampai bukti melalui data terkumpul. Berdasarkan kerangka pemikiran di atas, maka penulis merumuskan hipotesis dalam penelitian ini sebagai berikut:

H1: Variabel SIZE, TLTA, WCTA, CLCA, NITA, FUTL, INTWO, OENEG, dan CHIN pada model prediksi Ohlson (Y-Score) dapat digunakan sebagai prediktor kondisi financial distress pada industri perbankan

H2: Tingkat ketepatan model prediksi financial distress yang terbentuk dari hasil analisis regresi logistik untuk model tahun 2012 (dua tahun sebelum kondisi financial distress) dan model tahun 2013 (satu tahun sebelum kondisi financial distress) lebih dari 80%.

Keterbatasan pada penelitian terdahulu membuat peneliti selanjutnya melakukan pengembangan dalam hal keragaman variable-variabel yang digunakan. Hal ini dilakukan agar akurasi daya ramal mengenai financial distress semakin akurat. Oleh karena itu, Ohlson (1980) dalam penelitian Financial Ratios And The Probabilistic Prediction Of Bankruptcy menggunakan analisis regresi logistik dalam mempediksi kebangkrutan untuk menghindari asumsi-asumsi ketat pada Multiple Discriminant Analysis (MDA). Ohlson (dalam Permatasari, 2008) mengklaim tingkat akurasi prediksinya sebesar 96,12%. Beberapa penelitian lain mengungkapkan bahwa model prediksi Ohlson memiliki tingkat akurasi yaitu: 95% (Wang dan Campbell, 2010), dan 65% (Nikmah dan Sulestari).

Di Indonesia, penelitian mengenai prediksi financial distress menggunakan analisis regresi logistik tidak sebanyak penelitian menggunakan analisis diskriminan. Beberapa peneliti yang melakukan analisis regresi logistik diantaranya Qurriyani (2000), Widodo (2001), Almilia dan Kristiaji (2003), Hadad,dkk (2004), Subagyo (2007), Purbayati (2010), Fauzi (2011), Puryati dan Savitri (2012).

Tabel II.2

Studi Empiris Prediksi Financial Distress Menggunakan Regresi Logistik

No Peneliti: Judul Variabel

Penelitian Hasil

1

Qurriyani (2000): Deteksi Dini Potensi

Kebangkrutan Bank Melalui Analisis Rasio Keuangan dan

Market Effect

CAR (Capital Adequacy Ratio),

Asset Quality, Manajemen, dan

Likuiditas

Rasio Keuangan (CAR dan Risk Asset Rasio), serta Market Effect

(Earning) mampu menjelaskan tingkat kesehatan Bank dan sekaligus menjadi alat untuk memprediksi potensi kebangkrutan

bank. 2 Widodo (2001): Penggunaan Rasio Keuangan untuk Memprediksi Probabilitas Kebangkrutan Bank

RORA, NRFF (Net Revenue From Fund), FBI, CAR (Capital Adequacy Ratio), LCDR, HS (Hasil Kredit), PTK

Variabel yang dapat digunakan untuk memprediksi kebangkrutan

bank adalah NRFF (Net Revenue From Fund) untuk enam model dan

HS (Hasil Kredit) untuk lima model. Model Prediksi dua tahun sebelum kebangkrutan mempunyai

presentasi akurasi lebih tinggi dibanding model prediksi satu tahun sebelum kebangkrutan.

3 Almilia dan Kristiaji (2003): Analisis Rasio Keuangan Untuk Memprediksi Kondisi Financial Distress Perusahaan Manufaktur yang Terdaftar Di Bursa

Efek Jakarta CF/CL, TL/FA gross profit/sales, OI/sales, NI/sales, CA/inventory, OI/TL, NW/sales, CL/NW, dan NW/TL.

Rasio keuangan yang paling dominan dalam menentukan financial distress suatu perusahaan

adalah:

• Rasio profit margin (NI/S). • Rasio financial leverage (CL/TA).

4

Hadad,dkk (2004): Model Prediksi Kepailitan Bank Umum di Indonesia

Rasio modal, Risiko Keuangan dan Variasi Waktu

Model Prediksi 3 bulan sebelum pailit (MP3) merupakan model yang paling layak digunakan untuk

memprediksi kepailitan Bank Umum.

5

Subagyo (2007): Model Prediksi Financial Distress di

Indonesia Era Globalisasi

Financial ratios, industry relative

ratios, dan sensitivitas terhadap indikator

ekonomi

Financial ratios, industry relative ratios, dan sensitivitas terhadap

indikator ekonomi baik secara parsial maupun secara simultan mampu digunakan sebagai predictor

financial distress perusahan go public di Indonesia. Model 4 merupakan model terbaik untuk memprediksi, dengan daya prediksi

sebesar 77,1%. 6 Purbayati (2010): Analisis Faktor Penyebab Probabilitas Kebangkrutan Bank CAR, ATTM, APB, NPL, PPAP,

ROA, ROE, NIM, BOPO, LDR, Stock

Price, Composite Index, Inflation Rate, Interest Rate,

dan Money Supply

Variabel yang berpengaruh signifikan terhadap probabilitas kebangkrutan bank adalah BOPO

terhadap pendapatan operasional dan sensitivitas bank terhadap

tingkat suku bunga SBI

7

Fauzi (2011): Analisis Kinerja

Keuangan (Performance) dan

Pengaruhnya Terhadap Kesulitan Keuangan (Financial

Distress) Perbankan di Indonesia

ROA, ROE, NPM, OPM, TDTA, EQTA, SLWC,

NIM

Variabel ROA, ROE, SLWC, dan OPM masuk ke dalam model, dan secara signifikan dapat menjelaskan

50,2 % kondisi kesulitan keuangan (fianancial distress) pada perbankan. 49,8 % lainnya dijelaskan oleh variabel di luar

8

Puryati dan Savitri (2012): Model Financial Distress Vs. Altman Z-Score: Analisa Perbandingan

Prediksi Kebangkrutan di Industri Perbankan yang Terdaftar di BEI

Current Ratio, Growth Ratio,

Financial Leverage, dan Profit Margin

Terdapat perbedaan antara kedua model. Menurut hasil analisis model Financial Distress 4 Bank dinyatakan menglami kondisi tidak

sehat, sedangkan menurut Diskriminan model Altman, semua

bank dinyatakan sehat.

Sumber: dirangkum dari berbagai sumber II.4. Kerangka Penelitian

Berdasarkan identifikasi dan batasan masalah yang telah dipaparkan pada bab sebelumnya, penulis menganalisis kondisi financial distress pada Bank Umum yang terdaftar di Bursa Efek Indonesia (BEI) menggunakan model Y-score yang dikemukakan Ohlson (1980).

Langkah pertama yang penulis lakukan adalah mencari data yang merupakan bagian dari rasio model Y-score. Rasio model Y-score yang penulis cari ini terdiri dari sembilan variabel independen yaitu: SIZE, TLTA, WCTA, CLCA, OENEG, NITA, FUTL, INTWO, dan CHIN. Dimana variabel SIZE merupakan variabel makro ekonomi untuk mengukur besarnya perusahaan secara nasional. Data sekunder variabel SIZE penulis dapatkan dari laporan perekonomian yang dipublikasikan Bank Indonesia sedangkan data sekunder dari delapan variabel lainnya yang merupakan bagian dari variabel keuangan penulis dapatkan dari laporan tahunan (annual report) dan laporan keuangan berupa neraca, laporan laba rugi, dan laporan arus kas masing-masing bank yang terdaftar di Bursa Efek Indonesia (BEI) pada periode yang berakhir 31 Desember tahun 2012 dan 31 Desember tahun 2013.

Gambar II.2

Skema Kerangka Pemikiran

Dari hasil Y-score yang didapat, penulis kemudian menentukan nilai titik pisah atau cut-off menggunakan batas interval 0,5.Jika nilai Y-score ≤ 0,5 maka bank dikatakan berada dalam kondisi “aman” atau non-distress namun apabila nilai Y-score > 0,5 maka bank dikatakan sedang mengalami kondisi financial distress. Karena variabel dependen merupakan variabel dummy yang dinyatakan dalam skala non-matriks yakni angka 1 untuk bank yang mengalami financial distress dan 0 untuk bank yang tidak mengalami financial distress maka penulis menggunakan teknik analisis regresi logistik pada SPSS versi 18 untuk menguji hipotesis penelitian yakni menentukan apakah variabel SIZE, TLTA, WCTA, CLCA, OENEG, NITA, FUTL, INTWO, dan CHIN yang terdapat pada model Ohlson layak untuk dipakai sebagai prediktor financial distress perbankan atau tidak, serta menguji tingkat keakuratan model regresi logistik yang terbentuk dalam memprediksi kondisi financial distress pada perbankan yang terdaftar di Bursa Efek Indonesia (BEI) untuk tahun 2012 (dua tahun sebelum kondisi financial distress) dan tahun 2013 (satu tahun sebelum kondisi financial distress).

II.5. Hipotesis Penelitian

Hipotesis merupakan jawaban yang bersifat sementara terhadap permasalahan penelitian sampai bukti melalui data terkumpul. Berdasarkan kerangka pemikiran di atas, maka penulis merumuskan hipotesis dalam penelitian ini sebagai berikut:

H1: Variabel SIZE, TLTA, WCTA, CLCA, NITA, FUTL, INTWO, OENEG, dan CHIN pada model prediksi Ohlson (Y-Score) dapat digunakan sebagai prediktor kondisi financial distress pada industri perbankan

H2: Tingkat ketepatan model prediksi financial distress yang terbentuk dari hasil analisis regresi logistik untuk model tahun 2012 (dua tahun sebelum kondisi financial distress) dan model tahun 2013 (satu tahun sebelum kondisi financial distress) lebih dari 80%.