PENERAPAN ANALISIS DISKRIMINAN ALTMAN UNTUK MEMPREDIKSI KEBANGKRUTAN PERUSAHAAN
DOI:
https://doi.org/10.52353/ama.v6i1.84Abstract
ABSTRAK
Kecenderungan masyarakat di Indonesia yang menyukai makanan ready to eat menyebabkan semakin meningkatnya industri-industri baru dalam bidang makanan dan minuman. Persaingan yang semakin ketat ini menuntut perusahaan untuk selalu memperkuat fundamental manajemen agar mampu bersaing dengan perusahaan lain. Ketidakmampuan mengantisipasi persaingan global akan mengakibatkan menurunnya volume usaha yang pada akhirnya bisa mengakibatkan kebangkrutan perusahaan.
Tujuan penelitian adalah untuk memprediksi potensi kebangkrutan perusahaan pada kelompok industri makanan dan minuman yang terdaftar di BEI periode 2006-2010. Penelitian ini menggunakan sampel sebanyak 16 industri makanan dan minuman yang terdaftar di BEI. Pemilihan sampel menggunakan Purposive Sampling dengan kriteria yang telah ditentukan. Data sekunder yang digunakan yaitu laporan keuangan yang dipublikasikan pada tahun 2006-2010. Penelitian ini menerapkan metode multivariate discriminant analisys dengan menggunakan variabel berupa rasio working capital to total assets, retained earning to total assets, earning before interest and tax to total assets, market value equity to book value of debt dan sales to total assets. Rasio-rasio ini kemudian menghasilkan persamaan sebagai berikut : Z = 0,717 X1 + 0,847 X2 + 3,107 X3 + 0,42 X4 + 0,998 X5, dari persamaan ini, dapat diketahui Cut off perusahaan yaitu jika nilai Z < 1,20 perusahaan diprediksikan akan Bangkrut, Jika Z berkisar antara 1,20-2,90 perusahaan berada pada Daerah Rawan (Grey Area), dan jika nilai Z > 2,90 perusahaan diprediksikan Tidak Bangkrut.
Hasil analisis menunjukkan bahwa terdapat 1(satu) perusahaan dalam keadaan Tidak Bangkrut (Sehat), 11 perusahaan dalam posisi Grey Area dan 4 perusahaan dinyatakan dalam kategori bangkrut (Tidak Sehat). Agar perusahaan terhindar dari resiko kebangkrutan, perusahaan dapat meningkatkan kinerja keuangan perusahaan, yaitu berupaya mempertahankan dan meningkatkan laba perusahaan, dengan cara menambah volume penjualan, menekan biaya produksi, dan mengoptimalkan penggunaan aset perusahaan.
Kata kunci : Laporan keuangan, analisis diskriminan, kebangkrutan
Downloads
Published
Issue
Section
License
Pernyataan Hak Cipta
Kesepakatan tentang Lisensi dan Hak Cipta
Dalam mengirimkan naskah ke Jurnal Among Makarti, penulis menyatakan bahwa:
Mereka telah diberi wewenang oleh rekan penulisnya untuk mengambil bagian dalam pengaturan ini.
Karya yang dideskripsikan sebelumnya belum pernah dipublikasikan secara resmi, kecuali dalam bentuk abstrak atau sebagai bagian kuliah, resensi, tesis, atau jurnal overlay yang diterbitkan.
Bahwa karya tidak sedang dipertimbangkan untuk dipublikasikan di tempat lain,
Bahwa publikasinya telah disetujui oleh semua penulis dan oleh otoritas yang berwenang – secara implisit atau eksplisit – yakni dari lembaga tempat karya tersebut dikerjakan.
Mereka menjamin adanya hak untuk mereproduksi materi yang telah diterbitkan atau dilindungi hak cipta di tempat lain.
Mereka menyetujui lisensi dan perjanjian hak cipta ini.
Hak Cipta
Penulis yang menerbitkan tulisannya di Jurnal Among Makarti menyetujui ketentuan berikut:
- Penulis memegang hak cipta dan memberikan hak publikasi pertama kepada jurnal dengan karya yang secara bersamaan dilisensikan di bawah
Creative Commons Attribution-ShareAlike 4.0 International License sehingga orang lain bisa berbagi karya dengan pengakuan kepenulisan karya itu dan publikasi awal ada pada jurnal ini. - Pemberi lisensi mengizinkan orang lain untuk membuat dan mendistribusikan karya turunan, tetapi hanya di bawah lisensi yang sama atau kompatibel.
- Pemberi lisensi mengizinkan orang lain untuk menyalin, mendistribusikan, menampilkan, dan melakukan pekerjaan, termasuk untuk tujuan komersial.
- Sebelum dan selama proses pengiriman, penulis diizinkan dan dianjurkan untuk memposting karyanya secara online (misalnya, di repositori kelembagaan atau di situs web mereka). Postingan semacam itu akan dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar.
Perizinan untuk Publikasi Data
Jurnal Among Makarti menggunakan berbagai waiver (pengabaian) dan lisensi, yang secara khusus dirancang untuk dan sesuai untuk pengolahan data:
Lisensi Atribusi Open Data Commons, http://www.opendatacommons.org/licenses/by/1.0/ (default)
Creative Commons CC-Zero Waiver, http://creativecommons.org/publicdomain/zero/1.0/
Dedikasi dan Lisensi Domain Publik Open Data Commons, http://www.opendatacommons.org/licenses/pddl/1-0/
Lisensi penerbitan data lainnya dapat diizinkan sebagai pengecualian (tergantung persetujuan editor berdasarkan kasus per kasus) dan harus ditegaskan dengan pernyataan tertulis dari penulis yang akan dipublikasikan bersama artikel.
Data Terbuka dan Penerbitan serta Berbagi Perangkat Lunak
Jurnal ini berupaya untuk memaksimalkan replikabilitas penelitian yang dipublikasikan. Oleh karena itu, penulis diharuskan untuk membagikan semua data, kode, atau protokol yang mendasari penelitian yang dilaporkan dalam artikelnya. Pengecualian diperkenankan tetapi harus ditegaskan dalam pernyataan publik tertulis yang menyertai artikel tersebut.
Kumpulan data dan perangkat lunak harus disimpan dan diarsipkan secara permanen di repositori yang sesuai, tepercaya, umum, atau domain khusus (silakan lihat http://service.re3data.org dan/atau repositori perangkat lunak seperti GitHub, GitLab, Bioinformatics.org, atau sejenisnya).
Pengidentifikasi tetap terkait (misalnya DOI, atau lainnya) dari kumpulan data harus disertakan dalam data atau bagian sumber perangkat lunak artikel. Referensi kumpulan data dan perangkat lunak juga harus dimasukkan dalam daftar referensi artikel dengan DOI (jika tersedia). Jika tidak ada repositori data khusus domain, penulis harus menyimpan data mereka di repositori umum seperti ZENODO, Dryad, Dataverse, atau yang lainnya.
Data kecil juga dapat diterbitkan sebagai file data atau paket tambahan pada artikel penelitian, namun, penulis harus selalu lebih memilih deposisi dalam repositori data.
