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

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

2018

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 ”

(Ralph Waldo Emerson)

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

Keywords: financial distress, Altman Z-Score, financial ratios, healthy, gray area, unhealthy.

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

Kata Kunci: financial distress, Altman Z-Score, rasio keuangan, sehat, grey area, tidak sehat.

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

Penulis

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

UKSW yang telah memberikan pengalaman dan pelajaran berharga dalam berorganisasi dan melakukan kegiatan non-perkuliahan.

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

Veronica Natasya Delin

ANALISIS PREDIKSI FINANCIAL DISTRESS: STUDI KASUS PERUSAHAAN MANUFAKTUR SEKTOR INDUSTRI DASAR DAN KIMIA DI BEI 2012-2016 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 (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) 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 stakeholders dan pembaca mengenai prediksi financial distress perusahaan manufaktur sektor industri dasar dan kimia di Indonesia yang terdaftar di BEI selama tahun 2012-2016 untuk pengambilan keputusan bagi pihak yang berkepentingan dengan perusahaan dan sebagai acuan untuk pengembangan penelitian di masa yang akan datang.

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.

Insolvency mendeskripsikan kinerja perusahaan yang negatif dan biasanya digunakan dengan cara yang lebih teknis. Teknik insolvensi muncul ketika perusahaan tidak dapat Insolvency mendeskripsikan kinerja perusahaan yang negatif dan biasanya digunakan dengan cara yang lebih teknis. Teknik insolvensi muncul ketika perusahaan tidak dapat

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’ Score untuk perusahaan manufaktur privat/swasta yang mengganti variabel market value of equity (X4) menjadi book value of equity dan model Z” Score untuk perusahaan non- 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’ Score untuk perusahaan manufaktur privat/swasta yang mengganti variabel market value of equity (X4) menjadi book value of equity dan model Z” Score untuk perusahaan non-

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 Rasio EBIT/TA atau ROA juga dikenal sebagai bagian dari rasio profitabilitas yang merupakan rasio untuk mengukur efisiensi aktivitas perusahaan dan kemampuan perusahaan Rasio EBIT/TA atau ROA Rasio EBIT/TA atau ROA juga dikenal sebagai bagian dari rasio profitabilitas yang merupakan rasio untuk mengukur efisiensi aktivitas perusahaan dan kemampuan perusahaan

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) Rasio sales/total assets (SALES/TA) juga dikenal sebagai assets turnover ratio, yang dihitung dengan membagi penjualan dengan total aset. Semakin efektif perusahaan menggunakan asetnya untuk menghasilkan penjualan, diharapkan mendapatkan profit yang semakin besar bagi perusahaan. Sehingga semakin cepat perputaran aset yang didapat perusahaan dari hasil penjualan tersebut, maka semakin kecil perusahaan mengalami kemungkinan terjadinya financial distress semakin kecil. Rasio perputaran aset yang tinggi biasanya disebabkan oleh strategi manajemen pemasaran yang baik (Hanafi dan Halim 2005).

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

Populasi yang digunakan dalam penelitian ini adalah perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI selama tahun 2012-2016. Metode pengambilan sampel yang digunakan dalam penelitian ini adalah purposive sampling, yang berarti sampel yang dipilih untuk penelitian ini harus memenuhi beberapa kriteria berikut ini: (1) termasuk dalam perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI; (2) memiliki laporan tahunan dan laporan keuangan yang telah diaudit per 31 Desember selama tahun 2012-2016; (3) data yang dimiliki dari laporan tahunan dan laporan keuangan tersebut lengkap, yaitu data yang berisi laporan keuangan serta data untuk mengukur 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). Sampel yang diambil untuk penelitian ini hanya menggunakan perusahaan manufaktur sektor industri dasar dan kimia karena perusahaan manufaktur termasuk jenis perusahaan yang mempunyai tingkat pengungkapan dan informasi yang lebih luas dibandingkan dengan jenis perusahaan lainnya, serta sektor industri dasar dan kimia merupakan sektor perusahaan manufaktur mayoritas dibandingkan dengan sektor lainnya di dalam perusahaan manufaktur (Cooke 1989).

Tabel 1 Populasi Penelitian

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

1 Sub Sektor Semen

3 2 Sub Sektor Keramik, Porselin, Kaca

INTP, SMCB, SMGR

AMFG, ARNA, IKAI, KIAS, MLIA, TOTO 6 3 Sub Sektor Logam dan Sejenisnya

ALKA, ALMI, BAJA, BTON, CTBN, 15 GDST, INAI, JKSW, JPRS, KRAS, LION, LMSH, NIKL, PICO, TBMS

4 Sub Sektor Kimia BRPT, BUDI, DPNS, EKAD, ETWA, INCI, 9

SRSN, TPIA, UNIC

5 Sub Sektor Plastik dan Kemasan AKKU, AKPI, APLI, BRNA, FPNI, IGAR, 12 IPOL, SIAP, SIMA, TALF, TRST, YPAS 6 Sub Sektor Pakan Ternak

4 7 Sub Sektor Kayu dan Pengolahannya

CPIN, JPFA, MAIN, SIPD

2 8 Sub Sektor Pulp dan Kertas

SULI dan TIRT

ALDO, FASW, INKP, INRU, KBRI, KDSI, 8

SPMA, TKIM

Jumlah 59

Sumber: sahamok.com Tabel 1 menunjukkan bahwa populasi yang digunakan dalam penelitian ini adalah 59

perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI selama tahun 2012-2016, yang terdiri dari: tiga perusahaan dari sub sektor semen; enam perusahaan dari sub sektor keramik, porselin, kaca; 15 perusahaan dari sub sektor logam dan sejenisnya; sembilan perusahaan dari sub sektor kimia; 12 perusahaan dari sub sektor plastik dan kemasan; 4 perusahaan dari sub sektor pakan ternak; dua perusahaan dari sub sektor kayu dan pengolahannya; serta delapan perusahaan dari sub sektor pulp dan kertas. Setelah selesai menghitung populasi, penelitian ini dapat mengambil sampel berdasarkan kriteria yang tertera pada Tabel 2.

Tabel 2 Kriteria Pengambilan Sampel

Kriteria

Jumlah

Seluruh perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI periode 59 2012-2016 (populasi) Perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI yang tidak

(5) mengakses semua laporan tahunan dan laporan keuangan yang telah diaudit per 31 Desember dalam periode 2012-2016 Perusahaan yang tidak menyampaikan data secara lengkap dalam laporan tahunan dan laporan

(3) keuangan yang telah diaudit per 31 Desember selama periode penelitian tahun 2012-2016 Sampel perusahaan yang bisa digunakan untuk penelitian

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

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.

Terdapat lima perusahaan yang tidak dapat diakses ke semua laporan tahunan dan laporan keuangan yang telah diaudit per 31 Desember selama tahun 2012-2016, yaitu PT Tembaga Mulia Semanan Tbk (TBMS) dari sub sektor logam dan sejenisnya; PT Eterindo Wahanatama Tbk (ETWA) dari sub sektor kimia; PT Alam Karya Unggul Tbk (AKKU), PT Sekawan Intipratama Tbk (SIAP), PT Tunas Alfin Tbk (TALF) dari sub sektor plastik dan kemasan. Dan tiga 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 adalah PT Keramika Indonesia Assosiasi Tbk (KIAS) dari sub sektor keramik, porselin dan kaca, PT Saranacentral Bajatama Tbk (BAJA) dari sub sektor logam dan sejenisnya, dan PT Chandra Asri Petrochemical Tbk (TPIA) dari sub sektor kimia. Dengan demikian 51 perusahaan yang dapat dijadikan sampel penelitian adalah sebagai berikut.

Tabel 3 Sampel Penelitian

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

1 Sub Sektor Semen

3 2 Sub Sektor Keramik, Porselin, Kaca

INTP, SMCB, SMGR

AMFG, ARNA, IKAI, MLIA, TOTO 5 3 Sub Sektor Logam dan Sejenisnya

ALKA, ALMI, BTON, CTBN, GDST, 13 INAI, JKSW, JPRS, KRAS, LION, LMSH, NIKL, PICO

4 Sub Sektor Kimia BRPT, BUDI, DPNS, EKAD, INCI, SRSN, 7

UNIC

5 Sub Sektor Plastik dan Kemasan AKPI, APLI, BRNA, FPNI, IGAR, IPOL, 9

SIMA, TRST, YPAS

4 7 Sub Sektor Kayu dan Pengolahannya

6 Sub Sektor Pakan Ternak

CPIN, JPFA, MAIN, SIPD

2 8 Sub Sektor Pulp dan Kertas

SULI dan TIRT

ALDO, FASW, INKP, INRU, KBRI, KDSI, 8

SPMA, TKIM

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 financial distress.

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:

Z = 1,2X 1 + 1,4X 2 + 3,3X 3 + 0,6X 4 + 0,999X 5

Keterangan: Z = nilai Z-score

X 1 = Working Capital/Total Assets (WC/TA) = (total aset lancar - total liabilitas lancar)/ total aset

X 2 = Retained Earnings/Total Assets (RE/TA)

X 3 = Earning Before Interest and Taxes/Total Assets (EBIT/TA)

X 4 = Market Value of Equity/Book Value of Total Liabilities (MV. E/BV. TL)

X 5 = Sales/Total Assets (SALES/TA)

Berikut langkah-langkah dalam menganalisis financial distress menggunakan model Altman Z-Score :

1. Hitung kelima rasio keuangan (X 1 - X 5 ) 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.

5. Untuk nilai Z-Score lebih besar dari 2,99 yang diperoleh tiap perusahaan dalam satu tahun, maka perusahaan berada dalam keadaan sehat atau stabil sehingga kemungkinan kecil mengalami financial distress.

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.

Berdasarkan pengamatan dari Tabel 4 di bawah, terdapat 15 amatan atau tiga perusahaan di sub sektor semen dalam periode penelitian tahun 2012-2016 yang terpilih untuk dijadikan sampel penelitian dalam memprediksi financial distress. Hasil prediksi tersebut terdiri dari 73,34% atau sebelas amatan yang berada dalam kondisi sehat, 13,33% atau dua amatan yang berada dalam grey area dengan kemungkinan perusahaan bangkrut atau tidak bangkrut, dan 13,33% atau dua amatan di sub sektor semen yang terprediksi tidak sehat. Dari tiga perusahaan tersebut, perusahaan yang terprediksi selalu berada dalam kondisi sangat sehat selama lima tahun penelitian adalah PT Indocement Tunggal Prakasa Tbk (INTP) dan PT Semen Indonesia Tbk (SMGR). Sedangkan untuk PT Holcim Indonesia Tbk (SMCB) terprediksi berada dalam kondisi sehat hanya pada tahun 2012. Kemudian pada tahun 2013 dan 2014, PT SMCB mengalami penurunan menjadi grey area hingga pada kondisi tidak sehat pada tahun 2015-2016.

Tabel 4 Sampel Penelitian Sub Sektor Semen

Kriteria Kode

Jumlah % Perusahaan

11 73,34 GA SMCB

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.

Berdasarkan pengamatan dari Tabel 5 di bawah, terdapat 25 amatan atau lima perusahaan di sub sektor keramik, porselin dan kaca dalam periode penelitian tahun 2012- 2016 yang terpilih untuk dijadikan sampel penelitian dalam memprediksi financial distress. Hasil prediksi tersebut terdiri dari 56% atau 14 amatan dalam kondisi sehat, 4% atau satu amatan dalam grey area, dan 40% atau sepuluh amatan dalam kondisi tidak sehat. Dari lima perusahaan tersebut, perusahaan yang terprediksi selalu dalam kondisi sehat selama lima tahun penelitian adalah PT Arwana Citra Mulia Tbk (ARNA) dan PT Surya Toto Indonesia Tbk (TOTO). Sedangkan PT Asahimas Flat Glass Tbk (AMFG) mengalami penurunan dari kondisi sehat menjadi grey area pada tahun 2016 meskipun score yang diperoleh masih mendekati batas sehat. Dan perusahaan yang terprediksi selalu dalam kondisi tidak sehat dengan kemungkinan besar mengalami kebangkrutan selama lima tahun penelitian adalah PT Inti Keramik Alam Asri Industri Tbk (IKAI) dan PT Mulia Industrindo Tbk (MLIA).

Tabel 5 Sampel Penelitian Sub Sektor Keramik, Porselin dan Kaca

Kriteria Kode

Jumlah % Perusahaan

14 56 GA AMFG

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

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 grey area ; 35,38% yaitu PT GDST pada tahun 2015, PT ALMI pada tahun 2013-2016, PT NIKL pada tahun 2012, 2014 dan 2015 yang terprediksi dalam kondisi tidak sehat, serta PT Indal Aluminium Industry Tbk (INAI), PT Jakarta Kyoei Steel Work LTD Tbk (JKSW) dan PT Krakatau Steel Tbk (KRAS) yang selama lima tahun penelitian juga selalu terprediksi dalam kondisi tidak sehat.

Tabel 6 Sampel Penelitian Sub Sektor Logam dan Sejenisnya

Kriteria Kode

Jumlah % Perusahaan

32 49,23 GA GDST

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

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.

Berdasarkan pengamatan dari Tabel 7 di bawah, terdapat 35 amatan atau tujuh perusahaan di sub sektor kimia dalam periode penelitian tahun 2012-2016 yang terpilih untuk dijadikan sampel penelitian dalam memprediksi financial distress. Hasil prediksi tersebut terdiri dari 54,29% yaitu PT Intan Wijaya International Tbk (INCI) pada tahun 2012-2015, PT Unggul Indah Cahaya Tbk (UNIC) pada tahun 2012 dan 2016, PT Indo Acidatama Tbk (SRSN) pada tahun 2012-2014 yang terprediksi dalam kondisi sehat, serta PT Duta Pertiwi

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.

Tabel 7 Sampel Penelitian Sub Sektor Kimia

Kriteria Kode

Jumlah % Perusahaan

19 54,29 GA INCI

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

Berdasarkan pengamatan dari Tabel 8 di bawah, terdapat 45 amatan atau sembilan perusahaan di sub sektor plastik dan kemasan dalam periode penelitian tahun 2012-2016 yang terpilih untuk dijadikan sampel penelitian dalam memprediksi financial distress. Hasil prediksi tersebut terdiri dari 24,45% yaitu PT Kageo Igar Jaya Tbk (IGAR) pada tahun 2012-

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 Indopoly Swakarsa Industry Tbk (IPOL) dan PT Siwani Makmur Tbk (SIMA) yang juga terprediksi selalu dalam kondisi tidak sehat.

Tabel 8 Sampel Penelitian Sub Sektor Plastik dan Kemasan

Kriteria Kode

Jumlah % Perusahaan

11 24,45 GA APLI

Sumber: data sekunder yang diolah. Keterangan: S = Sehat, GA = Grey Area, TS = Tidak Sehat. Dengan demikian tingkat persentase tertinggi untuk sub sektor plastik dan kemasan

adalah perusahan dengan prediksi tidak sehat sebesar 62,22%. Sehingga dapat diartikan bahwa kemungkinan terjadinya financial distress lebih tinggi dibandingkan dengan tidak terjadinya financial distress, dengan kemungkinan besar 62,22% perusahaan di sub sektor plastik dan kemasan mengalami kebangkrutan.

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.

Tabel 9 Sampel Penelitian Sub Sektor Pakan Ternak

Kriteria Kode

Jumlah % Perusahaan

11 55 GA JPFA

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

Berdasarkan pengamatan dari Tabel 10 di bawah, terdapat sepuluh amatan atau dua perusahaan di sub sektor kayu dan pengolahannya dalam periode penelitian tahun 2012-2016 yang terpilih untuk dijadikan sampel penelitian dalam memprediksi financial distress. Hasil prediksi tersebut menunjukkan bahwa seluruh perusahaan di sub sektor kayu dan pengolahannya, yaitu PT Tirta Mahakam Resources Tbk (TIRT) dan PT Sumalindo Lestari Jaya Tbk (SULI) selama tahun 2012-2016 selalu terprediksi dalam kondisi tidak sehat.

Tabel 10 Sampel Penelitian Sub Sektor Kayu dan Pengolahannya

Kriteria Kode

Jumlah % Perusahaan

Total 2 perusahaan 10 100

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

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

Berdasarkan pengamatan dari Tabel 11 di bawah, terdapat 40 amatan atau delapan perusahaan di sub sektor pulp dan kertas dalam periode penelitian tahun 2012-2016 yang terpilih untuk dijadikan sampel penelitian dalam memprediksi financial distress. Hasil prediksi tersebut terdiri dari 17,5% yaitu PT Alkindo Naratama Tbk (ALDO) selama tahun 2012-2016 serta PT Kertas Basuki Rachmat Indonesia Tbk (KBRI) dan PT Kedawung Setia Industrial Tbk (KDSI) pada tahun 2012 yang terprediksi dalam kondisi sehat; 15% yaitu PT KDSI selama tahun 2013-2016 dan PT Fajar Surya Wisesa Tbk (FASW) pada tahun 2014 dan 2016 yang terprediksi dalam grey area; 67,5% yaitu PT KBRI pada tahun 2013-2016, PT FASW pada tahun 2012, 2013 dan 2015 yang terprediksi dalam kondisi tidak sehat, serta PT Indah Kiat Pulp dan Paper Tbk (INKP), PT Toba Pulp Lestari Tbk (INRU), PT Suparma Tbk (SPMA) dan Pabrik Kertas Tjiwi Kimia Tbk (TKIM) yang selama lima tahun penelitian juga terprediksi selalu dalam kondisi tidak sehat.

Tabel 11 Sampel Penelitian Sub Sektor Pulp dan Kertas

Kriteria Kode

Jumlah % Perusahaan

7 17,5 GA KDSI

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

Dengan demikian tingkat persentase tertinggi untuk sub sektor pulp dan kertas adalah perusahan dengan prediksi dalam kondisi tidak sehat sebesar 67,5%. Sehingga dapat diartikan bahwa kemungkinan terjadinya financial distress lebih tinggi dibandingkan dengan tidak terjadinya financial distress, dengan kemungkinan besar 67,5% perusahaan di sub sektor pulp dan kertas mengalami kebangkrutan.

Setelah menganalisis prediksi financial distress untuk setiap sub sektor di industri dasar dan kimia selama tahun 2012-2016, maka dapat dibuat kesimpulan secara keseluruhan seperti yang ditampilkan pada tabel 12 berikut.

Tabel 12

Persentase Prediksi Financial Distress Perusahaan Sektor Industri Dasar Dan Kimia

No. Kode

Total Perusahaan

Kondisi Perusahaan

GA TS Sub Sektor Semen

5 - - 2. SMCB

11 2 2 Sub Sektor Keramik, Porselin dan Kaca

Jumlah

GA 4 1 - 5. ARNA

4. AMFG

5 - - 6. IKAI

14 1 10 Sub Sektor Logam dan Sejenisnya

Jumlah

9. ALKA

5 - - 10. ALMI

5 - - 12. CTBN

5 - - 13. GDST

GA 2 2 1 14. INAI

5 - - 17. KRAS

5 - - 19. LMSH

5 - - 20. NIKL

2 3 21. PICO

TS

GA TS

TS

GA -

GA GA GA GA GA -

Jumlah

Tabel 12 (Lanjutan)

Persentase Prediksi Financial Distress Perusahaan Sektor Industri Dasar Dan Kimia

No. Kode

Total Perusahaan

Kondisi Perusahaan

GA TS Sub Sektor Kimia

5 - - 25. EKAD

5 - - 26. INCI

GA 4 1 - 27. SRSN

19 5 11 Sub Sektor Plastik dan Kemasan

2 3 - 31. BRNA

5 - - 34. IPOL

11 6 28 Sub Sektor Pakan Ternak

Jumlah

38. CPIN

5 - - 39 JPFA

3 2 - 40. MAIN

GA GA S

3 2 - 41. SIPD

11 4 5 Sub Sektor Kayu dan Pengolahannya

Jumlah

- 5 43. TIRT

42. SULI

TS

TS

TS

TS

TS

TS

TS

TS

TS

TS

Jumlah

Tabel 12 (Lanjutan) Persentase Prediksi Financial Distress Perusahaan Sektor Industri Dasar Dan Kimia

No. Kode

Total Perusahaan

Kondisi Perusahaan

GA TS Sub Sektor Pulp dan Kertas

5 - - 45. FASW

1 - 4 49. KDSI

GA GA GA GA 1 4 - 50. SPMA

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

Berdasarkan hasil analisis prediksi financial distress dari 255 amatan atau 51 perusahaan di industri dasar dan kimia selama tahun 2012-2016, yang terpilih untuk dijadikan sampel penelitian, terprediksi 41,18% dalam kondisi sehat, 13,33% dalam grey area dengan kemungkinan bangkrut atau tidak bangkrut dan 45,49% dalam kondisi tidak sehat. Sehingga dapat disimpulkan bahwa secara keseluruhan kemungkinan terjadinya financial distress lebih tinggi dibandingkan dengan tidak terjadinya financial distress, dengan kemungkinan besar 45,49% perusahaan di industri dasar dan kimia selama tahun 2012-2016 mengalami kebangkrutan.

KESIMPULAN