|
JOURNAL SYNTAX IDEA p�ISSN: 2723-4339 e-ISSN: 2548-1398 |
|
Vol. 5, No. 2, February 2023 |
Analisis Risiko Kebangkrutan pada
Perusahaan dengan Laporan Ekuitas Negatif
Antonius Yudhis Hindriarsana, Darti Djuharni
STIE Malangku�e�wara Malang, Indonesia
Email:
[email protected]
Abstrak
Metode Altman, Springate, dan
Zmijewski digunakan pada penelitian ini dengan tujuan untuk menganalisis
perbandingan perhitungan risiko kebangkrutan dan menganalisis pengaruh ekuitas
negatif terhadap risiko kebangkrutan yang dihitung secara kuantitatif dengan
menggunakan populasi sebanyak 810 perusahaan yang terdaftar pada Busa Efek
Indonesia. Kemudian, sampel diambil sebanyak 23 perusahaan yang dipilih dengan
menggunakan teknik purposive sampling dengan menerapkan beberapa kriteria. Hasil penelitian menyatakan bahwa
metode Altman, Springate, dan Zmijewski memberikan hasil prediksi kebangkrutan
dan tingkat akurasi ketepatan prediksi yang berbeda-beda pada perusahaan yang
diuji. Dari ketiga metode tersebut, metode Altman merupakan metode prediksi
kebangkrutan tertinggi dengan jumlah 18 perusahaan dibandingkan dengan metode Springate
16 perusahaan dan Zmijewski 8 perusahaan. Kemudian, berdasarkan hasil uji t
dapat diketahui bahwa metode Altman dan Springate memberikan hasil perusahaan
dengan ekuitas negatif memiliki pengaruh yang positif dan signifikan terhadap risiko
kebangkrutan. Namun, Zmijewski memberikan hasil yang berbeda dimana perusahaan
dengan ekuitas negatif tidak memiliki pengaruh positif dan signifikan
terhadap risiko kebangkrutan.
Kata kunci: Ekuitas Negatif; Risiko
Kebangkrutan; Altman; Springate; Zmijewski.
Abstract
The Altman, Springate, and Zmijewski methods were used in this study to
analyze the comparison of bankruptcy risk calculations and analyze the
influence of negative equity on bankruptcy risk quantitatively using a
population of 810 companies listed on the Indonesian Stock Exchange. Then, a
sample of 23 companies was selected using purposive sampling technique by
applying several criteria. The research results indicate that the Altman,
Springate, and Zmijewski methods provide different bankruptcy prediction
results and levels of accuracy in predicting the tested companies. Among the
three methods, the Altman method is the highest in predicting bankruptcy with 18
companies, compared to 16 companies for the Springate method and 8 companies
for the Zmijewski method. Furthermore, based on the t-test results, it is found
that the Altman and Springate methods show that companies with negative equity
have a positive and significant impact on bankruptcy risk. However, the
Zmijewski method yields different results, where companies with negative equity
do not have a positive and significant influence on bankruptcy risk.
Keywords:Negative Equity Report; Bankruptcy Risk; Altman; Springate;
Zmijewski
PENDAHULUAN
Memprediksi kebangkrutan atau
kebangkrutan merupakan sinyal penting yang harus diperhatikan oleh manajemen
sebagai pengambil keputusan (Fachrudin, 2021). Kebangkrutan terjadi ketika perusahaan gagal
memenuhi kewajibannya kepada debitur karena tidak cukup dana untuk melanjutkan
bisnis (Carolina,
Marpaung, & Pratama, 2017). Perusahaan yang bangkrut, keluar atau mengalami
likuidasi. Hal ini tentu saja menimbulkan banyak kerugian baik secara internal
maupun eksternal. Oleh karena itu, perusahaan harus dapat menghindari kebangkrutan
dan menciptakan kondisi keuangan yang sehat bagi perusahaan. Karena itu,
perusahaan harus melakukan analisis untuk memprediksi kemungkinan kebangkrutan
(Raihan &
Pascafiani, 2012).
Menilai dan menilai risiko
kebangkrutan penting tidak hanya bagi manajer ketika memutuskan untuk meningkatkan
kinerja keuangan perusahaan, tetapi juga bagi investor yang mempertimbangkannya
sebelum mengambil keputusan investasi pada saham atau obligasi, bagi kreditur
dan bagi perusahaan itu sendiri (Bărbuță-Mișu
& Madaleno, 2020). Ekuitas negatif merupakan isu utama bagi perusahaan
besar di Indonesia. Ekuitas negatif dapat timbul karena jumlah ekuitas pada
periode saat ini jauh lebih sedikit daripada periode sebelumnya dan bahkan
lebih banyak dana diperlukan untuk menutupnya, yaitu. perusahaan menderita
kerugian besar (Setiawan &
Aisyah, 2019). Akibatnya, perusahaan terus berkembang dan
penawaran saham perusahaan menurun.
Penelitian yang dilakukan oleh (Mokhova &
Zinecker, 2016) berusaha menganalisis apakah ekuitas negatif
perusahaan merupakan tanda kebangkrutan perusahaan di masa depan. Hasilnya,
menunjukkan bahwa ekuitas negatif bukanlah tanda kebangkrutan perusahaan. Selanjutnya,
penelitian yang dilakukan oleh (Tas�ryov� &
Pak�iov�, 2021) menyatakan bahwa terdapat hubungan langsung yang
kuat antara ekuitas negatif dan zona kebangkrutan, hubungan tidak langsung yang
lebih lemah antara ekuitas negatif dan zona abu-abu, dan hampir tidak ada
ketergantungan ekuitas negatif dan zona kemakmuran. Kemudian, penelitian yang
dilakukan oleh (Ratna &
Marwati, 2018) menyatakan bahwa operating capacity
berpengaruh positif dan signifikan terhadap risiko kebangkrutan, sedangkan leverage
dan profit margin tidak berpengaruh signifikan terhadap risiko kebangkrutan.
Selanjutnya, (Horv�thov� &
Mokri�ov�, 2018) menyatakan bahwa metode Data Envelopment Analysis
(DEA) merupakan alternatif yang tepat untuk model Altman dalam memprediksi
risiko kemungkinan kebangkrutan bisnis. Kemudian, (Fachrudin, 2021) menyatakan bahwa rasio solvabilitas dalam satu
tahun sebelumnya dan rasio profitabilitas dalam satu dan dua tahun sebelumnya
dapat memprediksi kemungkinan kebangkrutan dan kesehatan keuangan.
Adapun penelitian yang serupa
dilakukan oleh (Kakauhe &
Pontoh, 2017), dalam penelitiannya yang berjudul �Analisis
Model Altman (Z-Score) Dalam Mengukur Kinerja Keuangan Untuk Memprediksi
Kebangkrutan Pada Perusahaan Manufaktur Sektor Industri Barang" dalam
penelitiannya menunjukkan bahwa model Atlman Z-Score dapat
diimplementasikan pada perusahaan industri dan manufaktur barang konsumsi dapat
dikelompokkan menjadi tiga kategori, yaitu perusahaan yang terindikasi sehat kategori,
perusahaan diindikasikan dalam kategori grey area atau potensi
kebangkrutan dan perusahaan yang terindikasi dalam kategori bangkrut.
Berdasarkan hasil beberapa penelitian
terdahulu di atas, terdapat inkonsistensi hasil penelitian terkait pengaruh
ekuitas negatif terhadap risiko kebangkrutan. Sehingga penelitian lanjutan
dirasa penting untuk dilakukan. Penelitian yang dilakukan oleh peneliti saat
ini bertujuan untuk menganalisis pengaruh ekuitas negatif terhadap risiko
kebangkrutan.
METODE
PENELITIAN
Jenis penelitian yang digunakan dalam
penelitian ini adalah kuantitatif. Populasi yang digunakan dalam penelitian ini
adalah seluruh perusahaan yang terdaftar di Bursa Efek Indonesia sebanyak 810
perusahaan. Kemudian, sampel penelitian dipilih menggunakan teknik purposive
sampling sehingga sampel yang didapat lebih akurat dengan menerapkan beberapa
kriteria, yaitu: (1) perusahaan yang terdaftar di Bursa Efek Indonesia selama
periode 2019-2021 yaitu sebanyak 810 perusahaan, (2) Perusahaan yang mengalami
ekuitas negatif selama tahun 2019-2021 sebanyak 26 perusahaan, (3) perusahaan
berekuitas negatif yang mengeluarkan laporan keuangan tahunan dengan mata uang
rupiah selama periode 2019-2021 sebanyak 23 perusahaan. Sehingga, perusahaan yang
memenuhi ketiga kriteria sampel tersebut sebanyak 23 perusahaan.
Teknik pengumpulan data yang digunakan
pada penelitian ini adalah teknik dokumentasi. Teknik dokumentasi dilakukan
dengan menganalisis data sekunder berupa laporan keuangan perusahaan. Data
diperoleh dari Bursa Efek Indonesia (BEI) dengan website www.idx.co.id.
Sedangkan variabel-variabel penelitian yang digunakan dalam penelitian ini adalah:
(1) variabel bebas yakni perusahaan dengan ekuitas negatif, (2) variabel terikat
yaitu risiko kebangkrutan yang diukur menggunakan metode Altman, Springate, dan
Zmijewski. Definisi operasional variabel yang digunakan dalam penelitian ini dapat
ditunjukkan dalam tabel 1 di bawah ini.
Tabel 1.
Definisi Operasional Variabel
|
Variabel |
Indikator |
|
|
Independent Variable |
Perusahaan
dengan ekuitas negatif |
Perusahaan yang
mendapatkan notasi E dalam daftar yang dimuat oleh BEI (www.idx.com) |
|
Dependent
Variable |
Risiko
Kebangkrutan dengan metode Altman |
Z-score = 1,2X1
+ 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5 |
|
Risiko Kebangkrutan
dengan metode Springate |
S-score = 1,03X1
+ 3,07X2 + 0,66X3 + 0,4X4 |
|
|
Risiko
Kebangkrutan dengan metode Zmijewski |
X = -4,3 � 4,5X1
+5,7X2 - 0,004X3 |
|
Setelah data terkumpul, kemudian dilakukan analisis data. Berikut adalah langkah-langkah analisis data:
1.
Menghitung
Rasio Keuangan
Menghitung rasio-rasio keuangan terhadap
seluruh data yang ada di dalam komponen perhitungan metode kebangkrutan Altman,
Springate, dan Zmijewski. Perhitungan rasio keuangan ini merupakan tahap awal
penentuan score atau nilai akhir perusahaan dari tiap metode kebangkrutan. Rasio
keuangan yang digunakan pada metode Altman, Springate, dan Zmijewski, meliputi:
working capital to total asset, retained
earnings to total asset, earnings before interest and taxes to total asset, market
value of equity to book value of total debt, sales to total asset, return on asset,
earnings before taxes to current liability, debt ratio, dan current ratio.
2. Menghitung
Metode Kebangkrutan
Analisis kebangkrutan dilakukan untuk
menilai apakah perusahaan mengalami kebangkrutan atau tidak mengalami kebangkrutan
di masa mendatang. Metode kebangkrutan dihitung dengan cara memasukkan rasio-rasio keuangan
yang telah dihitung sebelumnya ke dalam perhitungan di setiap metode. Metode
kebangkrutan yang akan digunakan dalam penelitian ini, sebagai berikut:
a. Metode
Altman Z-score
Persamaan
diskriminan Metode Altman sebagai berikut:
Z-score = 1,2X1 + 1,4X2 +
3,3X3 + 0,6X4 + 1,0X5
Dimana:
X1 = Working Capital/Total
Asset
X2 = Retained Earnings/Total Asset
����������� X3
= Earnings Before Interest and Taxes/Total Asset
X4 = Market Value
of Equity/Book Value of Total Debt
X5 = Sales/Total Asset
Klarifikasi perusahaan sehat dan bangkrut
didasarkan pada Z-score. Jika Z < 1,81 maka perusahaan bangkrut. Jika 1,81
< Z < 2,99 maka termasuk grey area (tidak dapat ditentukan apakah
perusahaan sehat atau bangkrut). Jika Z > 2,99 maka termasuk perusahaan tidak
bangkrut.
b.
Metode
Springate
Springate memilih empat rasio saja.
Empat rasio tersebut dirumuskan menjadi:
S-score = 1,03X1 + 3,07X2
+ 0,66X3 + 0,4X4
Dimana:
X1 = Working Capital/Total
Asset
X2 = Net Profit
Before Interest and Taxes/Total Asset
X3 = Net Profit
Before Taxes/Current Liability
X4
= Sales/Total Asset
Klarifikasi perusahaan yang sehat dan
bangkrut didasarkan pada nilai S-score. Jika skor S > 0,862 maka perusahaan
tidak berpotensi bangkrut. Jika skor S < 0,862 maka perusahaan tidak sehat
dan berpotensi bangkrut.
c. Metode Zmijewski
Metode ini menghasilkan rumus sebagai
berikut:
X = -4,3 � 4,5X1 +5,7X2 -
0,004X3
Dimana:
X1 = ROA
X2 = Leverage
(Debt Ratio)
X3
= Likuiditas (Current Ratio)
Klarifikasi perusahaan yang sehat dan
bangkrut didasarkan pada nilai X-score. Jika nilai X > 0, maka perusahaan
diprediksi berpotensi mengalami kebangkrutan. Jika X < 0, maka perusahaan
diprediksi tidak berpotensi mengalami kebangkrutan.
3. Membuat
Tabel Perbandingan Hasil Prediksi Kebangkrutan.
4. Menghitung
Tingkat Akurasi
Rumus yang digunakan
untuk mengukur tingkat akurasi adalah sebagai berikut:
Tingkat Akurasi = Jumlah Prediksi Benar ��x 100%
5. Melakukan
Uji Hipotesis
Untuk menguji hipotesis yang
telah diajukan dan untuk menguji pengaruh ekuitas negatif terhadap risiko kebangkrutan,
maka peneliti menggunakan beberapa analisis, yaitu uji t dan uji koefisien
determinasi. Uji t adalah uji statistik secara individu atau parsial untuk
mengetahui pengaruh masing-masing variabel bebas terhadap variabel terikat, yaitu
pengaruh antara variabel ekuitas negatif terhadap risiko kebangkrutan dengan
metode Altman, Springate, dan Zmijewski. Jika nilai sig t > α (5%), maka
H0 diterima dan Ha ditolak, yang artinya variabel bebas secara parsial
tidak memiliki pengaruh yang signifikan terhadap variabel terikat. Sebaliknya,
jika sig t < α (5%), maka H0 ditolak dan Haditerima, maka variabel
bebas secara parsial memiliki pengaruh yang signifikan terhadap variabel terikat.
Kemudian, uji koefisien determinasi adalah untuk mengetahui besarnya sumbangan
atau kontribusi dari variabel bebas (X) terhadap variabel terikat (Y), sedangkan
sisanya dijelaskan oleh variabel yang tidak dimasukkan ke dalam model. Model
dianggap baik apabila koefisien determinasi sama dengan satu atau mendekati satu
(Sugiyono,
2013).
6. Melakukan Uji Asumsi
Klasik
Uji asumsi klasik atau uji
asumsi dasar digunakan untuk mengetahui pola dan varian serta kelinieritasan dari
suatu populasi data. Uji asumsi klasik ini dilakukan dengan uji normalitas, uji
multikolinearitas, dan uji heteroskedasitas untuk mengetahui apakah model regresi
berganda dalam penelitian ini terbebas dari asumsi-asumsi klasik statistik (Dewi,
Herawati, & Sulindawati, 2015). Teknik analisis data dalam penelitian ini menggunakan
analisis korelasi untuk menganalisis pola hubungan antar variabel dengan tujuan
untuk mengetahui pengaruh antara variabel bebas terhadap variabel terikat.
Analisis korelasi dimulai dengan menyusun model atau kerangka hubungan antar variabel.
Berikut merupakan model penelitian yang digunakan dalam penelitian ini.
Risiko Kebangkrutan dengan metode Altman Risiko Kebangkrutan dengan metode Springate Risiko Kebangkrutan dengan metode Zmijewski vvvv Perusahaan dengan Ekuitas
Negatif (X)
HASIL DAN PEMBAHASAN
A.
Perhitungan Risiko
1. Metode Altman
Berdasarkan penerapan model Altman yang telah
dilakukan pada masing-masing perusahaan yang menjadi sampel telah diketahui
masing-masing prediksi kebangkrutannya. Maka klasifikasi prediksi kebangkrutan
dengan model Altman Z-Score seluruh perusahaan dapat diringkas dan disajikan
dalam Tabel 2 sebagai berikut:
Tabel
2
Hasil
Perhitungan Metode Altman
|
No |
Kode Emiten |
Skor Tahunan (%) |
Rata-rata |
Prediksi |
||
|
2019 |
2020 |
2021 |
||||
|
1 |
JKSW |
1,18 |
1,00 |
0,94 |
1,04 |
Bangkrut |
|
2 |
SIMA |
1,32 |
1,30 |
0,97 |
1,20 |
Bangkrut |
|
3 |
KSRW |
4,71 |
5,18 |
5,10 |
5,00 |
Tidak Bangkrut |
|
4 |
UNSP |
1,40 |
2,06 |
1,15 |
1,53 |
Bangkrut |
|
5 |
TRIO |
0,97 |
1,19 |
1,31 |
1,16 |
Bangkrut |
|
6 |
DWGL |
-0,32 |
0,10 |
-0,67 |
-0,30 |
Bangkrut |
|
7 |
TAXI |
3,35 |
2,57 |
2,28 |
2,73 |
Grey Area |
|
8 |
BTEL |
1,49 |
1,17 |
0,89 |
1,18 |
Bangkrut |
|
9 |
SAFE |
1,32 |
-0,20 |
-0,27 |
0,28 |
Bangkrut |
|
10 |
CANI |
0,92 |
1,32 |
0,83 |
1,02 |
Bangkrut |
|
11 |
MDRN |
2,39 |
1,00 |
-0,05 |
1,11 |
Bangkrut |
|
12 |
MGNA |
-0,14 |
-0,02 |
-0,12 |
-0,09 |
Bangkrut |
|
13 |
POLY |
-0,39 |
1,18 |
-0,33 |
0,15 |
Bangkrut |
|
14 |
ZBRA |
1,25 |
0,99 |
0,82 |
1,02 |
Bangkrut |
|
15 |
CNTX |
1,17 |
1,46 |
1,53 |
1,39 |
Bangkrut |
|
16 |
OCAP |
1,20 |
1,22 |
1,69 |
1,37 |
Bangkrut |
|
17 |
SULI |
2,93 |
2,46 |
5,00 |
3,46 |
Tidak Bangkrut |
|
18 |
GLOB |
1,64 |
1,90 |
1,68 |
1,74 |
Bangkrut |
|
19 |
CNKO |
13,47 |
-8,52 |
2,15 |
2,36 |
Grey Area |
|
20 |
ARGO |
-0,37 |
-0,09 |
-0,15 |
-0,20 |
Bangkrut |
|
21 |
SQMI |
1,45 |
1,42 |
0,09 |
0,99 |
Bangkrut |
|
22 |
ETWA |
2,92 |
6,12 |
-5,55 |
1.16 |
Bangkrut |
|
23 |
LAPD |
1,06 |
4,60 |
1,03 |
2,23 |
Grey Area |
Berdasarkan
tabel 2 di atas dapat dijelaskan bahwa berdasarkan perhitungan dengan metode
Altman diperoleh bahwa dari 23 perusahaan yang memiliki ekuitas negatif, 18 di
antaranya diprediksi bangkrut, 3 perusahaan masuk dalam kategori grey area,
dan 2 perusahaan masuk dalam kategori tidak bangkrut.
2.
Metode
Springate
Tabel 3
Hasil Perhitungan Metode Springate
|
No |
Kode Emiten |
Skor tahunan (%) |
Rata-rata |
Prediksi |
||
|
2019 |
2020 |
2021 |
||||
|
1 |
JKSW |
1,18 |
1,11 |
0,94 |
1,08 |
Tidak Bangkrut |
|
2 |
SIMA |
0,64 |
0,59 |
0,42 |
0,55 |
Bangkrut |
|
3 |
KSRW |
2,06 |
2,24 |
2,22 |
2,18 |
Tidak Bangkrut |
|
4 |
UNSP |
0,63 |
1,19 |
0,44 |
0,75 |
Bangkrut |
|
5 |
TRIO |
0,34 |
0,53 |
0,62 |
0,50 |
Bangkrut |
|
6 |
DWGL |
1,17 |
1,75 |
1,50 |
1,48 |
Tidak Bangkrut |
|
7 |
TAXI |
1,93 |
1,20 |
1,01 |
1,38 |
Tidak Bangkrut |
|
8 |
BTEL |
0,69 |
0,58 |
0,43 |
0,57 |
Bangkrut |
|
9 |
SAFE |
0,70 |
-0,36 |
-0,15 |
0,07 |
Bangkrut |
|
10 |
CANI |
0,28 |
0,62 |
0,05 |
0,32 |
Bangkrut |
|
11 |
MDRN |
1,59 |
0,46 |
0,05 |
0,70 |
Bangkrut |
|
12 |
MGNA |
-0,62 |
-0,11 |
-0,29 |
-0,34 |
Bangkrut |
|
13 |
POLY |
-0,11 |
0,03 |
-0,41 |
-0,16 |
Bangkrut |
|
14 |
ZBRA |
0,57 |
0,48 |
-0,02 |
0,34 |
Bangkrut |
|
15 |
CNTX |
0,54 |
0,72 |
0,69 |
0,65 |
Bangkrut |
|
16 |
OCAP |
0,63 |
0,61 |
0,60 |
0,61 |
Bangkrut |
|
17 |
SULI |
2,21 |
2,18 |
1,28 |
1,89 |
Tidak Bangkrut |
|
18 |
GLOB |
0,82 |
0,88 |
1,92 |
1,21 |
Tidak Bangkrut |
|
19 |
CNKO |
0,95 |
0,87 |
0,50 |
0,78 |
Bangkrut |
|
20 |
ARGO |
-0,37 |
-0,14 |
-1,26 |
-0,59 |
Bangkrut |
|
21 |
SQMI |
1,06 |
1,11 |
-0,09 |
0,69 |
Bangkrut |
|
22 |
ETWA |
1,91 |
1,74 |
0,14 |
1,26 |
Tidak Bangkrut |
|
23 |
LAPD |
0,25 |
0,51 |
0,65 |
0,47 |
Bangkrut |
Berdasarkan
tabel 3 di atas dapat dijelaskan bahwa berdasarkan perhitungan dengan metode
Springate diperoleh bahwa dari 23 perusahaan yang memiliki ekuitas negatif, 16
di antaranya diprediksi bangkrut dan 7 perusahaan masuk dalam kategori tidak
bangkrut.
3.
Metode
Zmijewski
Tabel 4
Hasil Perhitungan Metode Zmijewski
|
No |
Kode Emiten |
Skor Tahunan (%) |
Rata-rata |
Prediksi |
||
|
2019 |
2020 |
2021 |
|
|
||
|
1 |
JKSW |
-2,60 |
-2,22 |
-1,70 |
-2,17 |
Tidak Bangkrut |
|
2 |
SIMA |
-1,49 |
-1,33 |
-0,84 |
-1,22 |
Tidak Bangkrut |
|
3 |
KSRW |
0,00 |
-0,3 |
-1,01 |
-0,38 |
Tidak Bangkrut |
|
4 |
UNSP |
-2,72 |
-3,46 |
-2,72 |
-2,97 |
Tidak Bangkrut |
|
5 |
TRIO |
0,63 |
0,23 |
0,47 |
0,44 |
Bangkrut |
|
6 |
DWGL |
11,86 |
11,58 |
13,08 |
12,18 |
Bangkrut |
|
7 |
TAXI |
-3,77 |
-3,62 |
-3,41 |
-3,60 |
Tidak Bangkrut |
|
8 |
BTEL |
-0,80 |
-0,76 |
-0,56 |
-0,71 |
Tidak Bangkrut |
|
9 |
SAFE |
-0,60 |
0,61 |
1,83 |
0,61 |
Bangkrut |
|
10 |
CANI |
0,03 |
-0,35 |
-0,40 |
-0,24 |
Tidak Bangkrut |
|
11 |
MDRN |
-3,19 |
-2,22 |
-2,27 |
-2,56 |
Tidak Bangkrut |
|
12 |
MGNA |
0,09 |
0,68 |
0,09 |
0,29 |
Bangkrut |
|
13 |
POLY |
-0,63 |
-0,35 |
1,64 |
0,22 |
Bangkrut |
|
14 |
ZBRA |
-0,41 |
-0,21 |
-0,14 |
-0,25 |
Tidak Bangkrut |
|
15 |
CNTX |
-1,43 |
-1,33 |
-0,85 |
-1,20 |
Tidak Bangkrut |
|
16 |
OCAP |
0,43 |
0,36 |
0,27 |
0,35 |
Bangkrut |
|
17 |
SULI |
-4,28 |
-4,27 |
-4,27 |
-4,27 |
Tidak Bangkrut |
|
18 |
GLOB |
0,64 |
0,40 |
-0,16 |
0,29 |
Bangkrut |
|
19 |
CNKO |
-5,26 |
-5,84 |
-3,60 |
-4,90 |
Tidak Bangkrut |
|
20 |
ARGO |
-3,51 |
-1,52 |
-2,60 |
-2,55 |
Tidak Bangkrut |
|
21 |
SQMI |
-3,91 |
-3,93 |
-3,86 |
-3,90 |
Tidak Bangkrut |
|
22 |
ETWA |
-3,25 |
-3,49 |
11,51 |
1,59 |
Bangkrut |
|
23 |
LAPD |
-1,29 |
-1,39 |
-2,84 |
-1,84 |
Tidak Bangkrut |
Berdasarkan tabel 4 di atas dapat dijelaskan bahwa berdasarkan perhitungan dengan metode Zmijewski diperoleh bahwa dari 23 perusahaan yang memiliki ekuitas negatif, 8 di antaranya diprediksi bangkrut, dan 15 perusahaan masuk dalam kategori tidak bangkrut.
B. Tabel Perbandingan Hasil
Prediksi Kebangkrutan
Pembuatan tabel
perbandingan hasil prediksi kebangkrutan dilakukan dengan menghitung jumlah prediksi
perusahaan yang memprediksi perusahaan tersebut berada di kategori bangkrut, grey
area, dan kategori tidak bangkrut. Pembuatan tabel ditujukan pula agar
pembaca dan peneliti dengan mudah membaca metode manakah yang memiliki jumlah
kebangkrutan tertinggi hingga terendah. Berikut ini tabel perbandingan hasil
prediksi kebangkrutan:
Tabel 5
Perbandingan Hasil Prediksi Kebangkrutan
|
Metode Kebangkrutan |
Hasil Prediksi |
Jumlah Perusahaan |
||
|
Bangkrut |
Grey Area |
Tidak Bangkrut |
||
|
Altman |
18 |
3 |
2 |
23 |
|
Springate |
16 |
- |
7 |
23 |
|
Zmijewski |
8 |
- |
15 |
23 |
Tingkat akurasi terhadap perhitungan prediksi kebangkrutan dilakukan untuk menentukan seberapa besar tingkat keakuratan metode untuk mendeteksi suatu kebangkrutan perusahaan. Semakin tinggi persentase tingkat akurasi menunjukan bahwa metode yang digunakan untuk memprediksi semakin dapat dipercaya. Berikut adalah hasil perhitungan tingkat akurasi dari setiap metode beserta perhitungannya:
1.
Metode Altman
�
��������������������������������������������� Jumlah
sampel
� �����23
�� = 78,26%
� ��������Jumlah sampel
�� ���23
���= 13,04%
Berdasarkan hasil analisis prediksi kebangkrutan dengan metode Altman terhadap 23 perusahaan yang memiliki ekuitas negatif. Telah diketahui pada perhitungan di atas bahwa metode Altman memiliki tingkat akurasi ketepatan sebesar 78,26% dengan sebanyak 18 perusahaan yang diprediksi tepat sesuai dengan kondisi riilnya. Hasil Metode Altman ini memprediksi sebanyak 18 perusahaan yang akan mengalami kondisi kebangkrutan dimasa mendatang sesuai dengan kondisi riilnya saat ini yang mengalami ekuitas negatif. Untuk kategori Grey Area sebesar 13,04% yang terdiri dari 3 perusahaan. Kategori Grey Area sendiri tidak dimasukan kedalam perhitungan tingkat akurasi, dikarenakan kategori grey area tidak dapat ditentukan apakah masuk ke dalam kondisi kebangkrutan ataupun justru kondisi keuangan sehat. Dengan kata lain, kondisi Grey Area merupakan kondisi di mana perusahaan berada di batas nilai bangkrut dan tidak bangkrut.
2.
Metode Springate
� ��������Jumlah sampel
�� 23
= 69,57%
Berdasarkan hasil analisis prediksi kebangkrutan dengan metode Springate terhadap 23 perusahaan. Telah diketahui pada penghitungan di atas bahwa metode Springate memiliki tingkat akurasi ketepatan sebesar 69,57%. Dengan sebanyak 16 perusahaan yang diprediksi tepat sesuai dengan kondisi riilnya. Hasil metode Springate ini memprediksi sebanyak 16 perusahaan yang akan mengalami kondisi kebangkrutan di masa mendatang sesuai dengan kondisi riilnya saat ini yang mengalami ekuitas negatif.
3.
Metode Zmijewski
��������� ���������������������Jumlah sampel
��� ���� �������������������23
�� = 34,78%
Berdasarkan hasil analisis prediksi kebangkrutan dengan metode Zmijewski
terhadap 23 perusahaan. Telah diketahui pada penghitungan di atas bahwa metode
Zmijewski memiliki tingkat akurasi ketepatan sebesar 34,78%. Dengan sebanyak 8 perusahaan yang diprediksi tepat sesuai dengan kondisi riilnya. Hasil
metode Zmijewski ini memprediksi sebanyak 8 perusahaan yang akan mengalami kondisi kebangkrutan
di masa mendatang sesuai dengan kondisi riilnya saat ini yang mengalami ekuitas
negatif.
Sehingga dari perhitungan tingkat akurasi terhadap tiga metode untuk
memprediksi kebangkrutan, maka dapat dijelaskan bahwa metode Altman, Springate,
dan Zmijewski memberikan hasil prediksi kebangkrutan dan tingkat akurasi
ketepatan prediksi yang berbeda-beda pada perusahaan yang diuji. Dari ketiga
metode tersebut, metode Springate merupakan metode prediksi kebangkrutan
tertinggi dibandingkan dengan metode Altman dan Zmijewski pada perusahaan yang memiliki
ekuitas negatif dan terdaftar di Bursa Efek Indonesia Tahun 2019-2021.
�����������
D. Uji Asumsi Klasik
Uji asumsi klasik atau uji asumsi dasar digunakan untuk mengetahui pola dan varian serta kelinieritasan dari suatu populasi data. Uji asumsi klasik ini dilakukan dengan uji normalitas, uji multikolinearitas, dan uji heteroskedasitas untuk mengetahui apakah model regresi berganda dalam penelitian ini terbebas dari asumsi-asumsi klasik statistik.
a)
Uji Normalitas
Uji normalitas bertujuan menguji apakah dalam model penelitian variabel
terdistribusi secara normal. Uji normalitas data dalam penelitian ini
menggunakan One-Sample Kolmogorov Smirnov test yang terdapat dalam
program SPSS 26.0 for Windows. Data dikatakan terdistribusi dengan
normal apabila residual terdistribusi dengan normal yaitu memiliki tingkat
signifikansi di atas 5%.
Tabel 6
Uji Normalitas
|
|
|
Unstandardized Residual |
|
N |
100 |
|
|
Normal Parametersa |
Mean |
.0000000 |
|
Std. Deviation |
.14821667 |
|
|
Most Extreme Differences |
Absolute |
.116 |
|
Positive |
.046 |
|
|
Negative |
-.117 |
|
|
Kolmogorov-Smirnov Z |
1.177 |
|
|
Asymp. Sig. (2-tailed) |
.126 |
|
Dari Tabel 6, besarnya nilai Kolmogorov-Smirnov Z adalah 1,177 lebih besar dari 0,05. Dengan demikian
dapat disimpulkan H0 diterima dan H1 ditolak, sehingga dapat
disimpulkan bahwa tidak ada perbedaan distribusi residual dengan distribusi normal, atau dapat
dikatakan seluruh residual pada setiap variabel berdistribusi normal.
b)
Uji Multikolinearitas
Hasil pengujian asumsi
Multikolinieritas menunjukkan di dalam model tidak terjadi
Multikolinieritas.� Hal ini dapat dilihat
dari matriks korelasi antara variabel bebas pada Tabel 7.
Tabel 7
Hasil Pengujian
Multikolinieritas
|
Model |
T |
Sig. |
Collinearity Statistics |
||
|
Tolerance |
VIF |
||||
|
1 |
(Constant) |
1.027 |
.305 |
|
|
|
Altman |
5.744 |
.000 |
.108 |
9.221 |
|
|
Springate |
4.145 |
.001 |
.108 |
9.221 |
|
|
Zmijewski |
1.379 |
.110 |
.107 |
9.371 |
|
Pengujian multikolinieritas dapat
diketahui dengan melihat VIF dan nilai tolerance
yang diperoleh. Jika nilai nilai toleransi lebih besar dari 0,10 dan nilai VIF
lebih kecil dari 10 maka dapat disimpulkan tidak terjadi multikolinieritas.
Dari hasil pengujian diketahui
bahwa seluruh nilai VIF�
lebih� kecil� dari�
10� dan� nilai� tolerance lebih� besar�
dari� 0,10� sehingga disimpulkan bahwa tidak terjadi
multikolinieritas.
c)
Uji Heteroskedasitas
Uji heteroskedastisitas
dilakukan untuk menguji apakah dalam model regresi terjadi ketidaksamaan
variasi dari residual suatu pengamatan ke pengamatan yang lain. Model regresi
yang baik adalah yang homokedastisitas atau tidak heteroskedastisitas. Uji
heterokesdaksitas dalam penelitian ini diuji dengan scaterplots. Data tidak mengalami heteroskedastisitas apabila dalam
gambar scater plot titik-titik
tersebar di atas dan di bawah angka nol dan tidak membentuk pola tertentu yang
teratur. Uji Heteroskedastisitas pada ekuitas negatif terhadap penghitungan risiko
kebangkrutan dengan metode Altman, Springate, dan Zmijewski dapat dilihat pada
gambar di bawah ini:
Gambar 1. Uji Heteroskedastisitas
Hasil uji heteroskedastisitas ekuitas negatif
terhadap risiko kebangkrutan dengan metode Altman, Springate, dan Zmijewski
menunjukan bahwa titik-titik tersebar di atas dan di bawah angka nol.
Titik-titik menyebar dan tidak membentuk pola tertentu yang teratur sehingga
dapat disimpulkan bahwa dalam model regresi tidak terjadi heteroskedastisitas.
E. Uji Regresi Linear
Berganda
Analisis Regresi Linier Berganda ditujukkan untuk mengetahui pengaruh atau hubungan variabel bebas ekuitas negatif (X) terhadap variabel terikat (Y) yaitu risiko kebangkrutan dengan metode Altman, Springate, dan Zmijewski, maka untuk memperoleh hasil yang lebih akurat, penulis menggunakan bantuan program software SPSS versi 26 dari Tabel coefficient maka dihasilkan output pada tabel 8.
Tabel 8. Pengujian Regresi
Berganda
|
Model |
Unstandardized Coefficients |
Standardized Coefficients |
t |
Sig. |
||
|
B |
Std. Error |
Beta |
||||
|
1 |
(Constant) |
.145 |
.141 |
|
1.027 |
.305 |
|
Altman |
.591 |
.100 |
.586 |
5.744 |
.000 |
|
|
Springate |
.445 |
.103 |
.439 |
4.145 |
.001 |
|
|
Zmijewski |
.178 |
.100 |
.148 |
1.379 |
.110 |
|
Sumber: Data primer yang diolah (2023)
Hasil regresi linear berganda di atas dapat dijelaskan sebagai berikut:
1. Konstanta sebesar 0,145; artinya
jika ekuitas negatif (X) adalah 0, maka risiko
kebangkrutan dengan metode Altman, Springate, dan Zmijewski (Y) nilainya adalah 0,145.
2. Koefisien regresi variabel ekuitas
negatif
(X) sebesar 0,586; artinya jika variabel independen lain nilainya tetap
dan ekuitas negatif mengalami kenaikan 1%, maka risiko
kebangkrutan dengan metode Altman (Y) akan mengalami kenaikan sebesar 0,586. Koefisien bernilai positif
artinya terjadi pengaruh positif antara ekuitas
negatif
terhadap risiko kebangkrutan dengan metode Altman, semakin tinggi ekuitas
negatif, maka semakin tinggi risiko kebangkrutan dengan metode altman.
3. Koefisien regresi variabel ekuitas
negatif
(X) sebesar 0,439; artinya jika variabel independen lain nilainya tetap
dan ekuitas negatif mengalami kenaikan 1%, maka risiko
kebangkrutan dengan metode Springate (Y) akan mengalami kenaikan sebesar 0,439. Koefisien bernilai positif
artinya terjadi pengaruh positif antara ekuitas
negatif
terhadap risiko kebangkrutan dengan metode Springate, semakin tinggi ekuitas
negatif, maka semakin tinggi risiko kebangkrutan dengan metode Springate.
4. Koefisien regresi variabel ekuitas
negatif
(X) sebesar 0,148; artinya jika variabel independen lain nilainya tetap
dan ekuitas negatif mengalami kenaikan 1%, maka risiko
kebangkrutan dengan metode Zmijewski (Y) akan mengalami kenaikan sebesar
0,148.
Koefisien bernilai positif artinya terjadi pengaruh positif antara ekuitas
negatif
terhadap risiko kebangkrutan dengan metode Zmijewski, semakin tinggi ekuitas
negatif, maka semakin tinggi risiko kebangkrutan dengan metode Zmijewski.
5. Nilai Standard error untuk meminimalisisr kesalahan yang
terjadi sehingga nilai e disini adalah 0,141.
F.
Uji
Hipotesis
Uji t adalah uji statistik secara individu atau
parsial untuk mengetahui pengaruh masing-masing variabel bebas terhadap
variabel terikat, yaitu pengaruh antara variabel ekuitas negatif terhadap risiko
kebangkrutan dengan metode Altman, Springate, dan Zmijewski. Jika nilai sig t
> α (5%), maka H0 diterima dan Ha ditolak, yang artinya variabel bebas
secara parsial tidak memiliki pengaruh yang signifikan terhadap variabel
terikat. Sebaliknya, jika sig t < α (5%), maka H0 ditolak dan Ha diterima,
maka variabel bebas secara parsial memiliki pengaruh yang signifikan terhadap
variabel terikat. Berikut merupakan pengujian uji t yang dilakukan.
Tabel 9
Uji t
|
Model |
Unstandardized Coefficients |
Standardized Coefficients |
t |
Sig. |
||
|
B |
Std. Error |
Beta |
||||
|
1 |
(Constant) |
.145 |
.141 |
|
1.027 |
.305 |
|
Altman |
.591 |
.100 |
.586 |
5.744 |
.000 |
|
|
Springate |
.445 |
.103 |
.439 |
4.145 |
.001 |
|
|
Zmijewski |
.178 |
.100 |
.148 |
1.379 |
.110 |
|
Berdasarkan tabel
di atas, maka dapat dideskripsikan sebagai berikut, yaitu:
a) Metode
Altman memiliki nilai signifikansi (Sig.) 0,000 dengan nilai α
(derajat signifikansi)
0,05
artinya 0,000<0,05 atau terdapat pengaruh
yang signifikan dan uji t menunjukkan 5,744>t tabel (2,069). Artinya ekuitas
negatif berpengaruh positif dan signifikan terhadap risiko kebangkrutan yang
dihitung dengan metode Altman.
b) Metode
Springate memiliki nilai signifikansi (Sig.) 0,001 dengan nilai α
(derajat signifikansi)
0,05
artinya 0,001<0,05 atau terdapat pengaruh
yang signifikan dan uji t menunjukkan 4,145>t tabel (2,069).
Artinya ekuitas negatif berpengaruh positif dan signifikan terhadap risiko
kebangkrutan yang dihitung dengan metode Springate.
c) Metode
Zmijewski memiliki nilai signifikansi (Sig.) 0,110 dengan nilai α
(derajat signifikansi)
0,05
artinya 0,110>0,05 atau tidak terdapat
pengaruh yang signifikan dan uji t menunjukkan 1,379<t tabel (2,069).
Artinya ekuitas negatif tidak berpengaruh positif dan signifikan terhadap risiko
kebangkrutan yang dihitung dengan metode Zmijewski. Hal ini karena memang
berdasarkan hasil pengukuran tingkat akurasi metode Zmijewski sangat rendah dan
tidak signifikan jika dibandingkan dengan metode yang lain seperti Altman dan
Springate.
Berdasarkan hasil uji t diatas dapat diketahui
bahwa perusahaan dengan ekuitas negatif memiliki pengaruh yang positif dan
signifikan terhadap risiko kebangkrutan diukur dengan metode Altman dan
Springate. Namun, perusahaan dengan ekuitas negatif tidak memiliki pengaruh
positif dan signifikan terhadap risiko kebangkrutan yang diukur dengan metode
Zmijewski.
Risiko kebangkrutan yang terjadi dapat
diakibatkan oleh beberapa hal, di antaranya adalah ekuitas negatif yang
dimiliki oleh perusahaan. Ekuitas dengan nilai negatif
menjadi permasalahan yang serius bagi perusahaan-perusahaan besar di Indonesia.
Ekuitas negatif dapat terjadi sebab jumlah ekuitas periode sekarang jauh lebih
kecil daripada periode lalu, dan bahkan dibutuhkan dana tambahan untuk
menutupinya (Samsul, 2006).
Hasil penelitian ini didukung oleh penelitian yang dilakukan oleh Mokhova & Zinecker (2016) yang menunjukkan bahwa ekuitas negatif tidak berpengaruh terhadap kebangkrutan perusahaan. Selanjutnya, penelitian yang dilakukan oleh Tas�ryov� & Pak�iov� (2021) menyatakan bahwa terdapat hubungan langsung yang kuat antara ekuitas negatif dan zona kebangkrutan, hubungan tidak langsung yang lebih lemah antara ekuitas negatif dan zona abu-abu, dan hampir tidak ada ketergantungan ekuitas negatif dan zona kemakmuran. Kemudian, penelitian yang dilakukan oleh (Ratna & Marwati, 2018) menyatakan bahwa operating capacity berpengaruh positif dan signifikan terhadap risiko kebangkrutan, sedangkan leverage dan profit margin tidak berpengaruh signifikan terhadap risiko kebangkrutan.
G. Koefisien Determinasi
Uji koefisien determinasi
adalah untuk mengetahui besarnya sumbangan atau kontribusi dari variabel bebas
(X) terhadap variabel terikat (Y), sedangkan sisanya dijelaskan oleh variabel
yang tidak dimasukkan ke dalam model. Model dianggap baik apabila koefisien
determinasi sama dengan satu atau mendekati satu (Sugiyono, 2013). Berikut merupakan
penghitungan koefisien determinasi.
Tabel 10
Koefisien Determinasi
|
Model |
R |
R Square |
Adjusted R Square |
Std. Error of the Estimate |
Durbin-Watson |
|
1 |
.683a |
.712 |
.692 |
.14752 |
1.897 |
Berdasarkan tabel 10 di atas diperoleh angka R2 (R Square) sebesar 0,712 atau (71,2%). Hal ini menunjukkan bahwa prosentase sumbangan pengaruh variabel independen yang terdiri dari penghitungan risiko kebangkrutan dengan metode Altman, Springate, dan Zmijewski terhadap variabel dependen ekuitas negatif sebesar 71,2%. Atau variasi variabel independen yang digunakan yaitu penghitungan risiko kebangkrutan dengan metode Altman, Springate, dan Zmijewski mampu menjelaskan sebesar 71,2% variasi variabel dependen (ekuitas negatif). Sedangkan sisanya sebesar 28,8% dipengaruhi atau dijelaskan oleh variabel lain yang tidak dimasukkan dalam model penelitian ini.
KESIMPULAN
Berdasarkan perhitungan tingkat akurasi
terhadap tiga metode untuk memprediksi kebangkrutan, maka dapat disimpulkan :
1. Metode Altman merupakan metode prediksi kebangkrutan tertinggi dengan jumlah 18 perusahaan dibandingkan dengan metode Springate 16 perusahaan dan Zmijewski 8 perusahaan.
2. Hasil uji t dapat diketahui bahwa metode Altman dan Springate memberikan hasil perusahaan dengan ekuitas negatif memiliki pengaruh yang positif dan signifikan terhadap risiko kebangkrutan. Namun, Zmijewski memberikan hasil yang berbeda dimana perusahaan dengan ekuitas negatif tidak memiliki pengaruh positif dan signifikan terhadap risiko kebangkrutan.
Berdasarkan
kesimpulan tersebut, adapun saran yang bisa dipergunakan sebagai bahan pertimbangan
bagi pihak-pihak yang berkepentingan atas kinerja keuangan emiten perusahaan.
Saran-saran tersebut adalah sebagai berikut:
1.
Setelah
diketahui hasil dari penelitian mengenai seberapa besar potensi kebangkrutan
perusahaan yang menjadi sampel, sebaiknya segera mengadakan evaluasi
perusahaan, upaya peningkatkan kinerja operasional dan keuangan perusahaan bagi
perusahaan yang diprediksi bangkrut.
2.
Bagi investor,
sebaiknya lebih selektif dalam memilih perusahaan untuk menginvestasikan modal.
Hal ini tentu akan berdampak pada untung rugi yang akan diterima oleh investor.
Dalam hal ini, investor lebih baik menghindari perusahaan-perusahaan dengan
ekuitas yang negatif.
3.
Untuk peneliti
selanjutnya dapat menggunakan obyek penelitian emiten perusahaan sektor
tertentu sehingga mendapatkan gambaran yang lebih spesifik mengenai kesehatan
emiten pada suatu sektor ataupun menggunakan perusahaan dengan kelompok notasi
lainnya. Selain itu, peneliti lain juga bisa menggunakan periode penelitian
yang berbeda dan model prediksi kebangkrutan yang berbeda dengan yang digunakan
dalam penelitian ini lainnya seperti Grover, Foster, dan Taffler atau metode
prediksi lainnya.
BIBLIOGRAFI
Adalessossi, K. (2015). Prediction of Corporate Bankruptcy: Evidence from West African�s SMEs. Journal of Economics, Finance and Accounting, 2: 331�52.
Aleksanyan, L., &
Huiban, J. P. (2016). Economic and Financial Determinants of
Firm Bankruptcy: Evidence from the French Food Industry. Review of Agricultural, Food and Environmental Studies, 97: 89�108.
Alkhatib, K., &
Al-Bzour, A. E. (2018). Predicting corporate bankruptcy of
Jordanian listed companies: Using Altman and Kida Models. International Journal of Business and Management, 6: 208�15.
Armeanu, S. D., &
Cioaca, S. I. (2015). An assessment of the bankruptcy risk on
the Romanian capital market. Procedia
Social and Behavioral Sciences, 182: 535�42.
Arroyave, Jackson. (2018).
A comparative analysis of the effectiveness of corporate bankruptcy prediction
models based on financial ratios: Evidence from Colombia. Journal of International Studies, 11: 273�87.
Ashraf, Sumaira, Elisabete G. S. F�lix,
and Z�lia Serrasqueiro. (2019). Do Traditional Financial Distress
Prediction Models Predict the Early Warning Signs of Financial Distress?. Journal
of Risk and Financial Management, 12: 55.
Bărbuță-Mișu,
N., & Madaleno, M. (2020). Assessment of Bankruptcy Risk of Large
Companies: European Countries Evolution Analysis. Journal of Risk and
Financial Management, 13(3), 58. https://doi.org/10.3390/jrfm13030058.
Brown, P., Lajbcygier, B., & LI, S.
(2018). Going Negative: What To Do With Negative Boo Equity Stocks. The Journal of
Portfolio Management, 35(1), 95� 102.
Creswell J. D. (2016). Research
Design: Quantitative, Qualitative, and Mixed Methods Approaches. Jakarta: Salemba Empat.
Effendi, Ria. (2018). Analisis Prediksi Kebangkrutan dengan Metode Altman,
Springate, Zmijewski, Foster, dan Grover Pada Emiten Jasa Transportasi. Parsimonia, Vol. 4 NO. 3 JANUARI 2018 : 307-318.
Fachrudin, K. A. (2021). Insolvency and
financial health prediction model for the listed companies on the Indonesia
Stock Exchange. Jurnal Akuntansi & Auditing Indonesia, 25(1),
24�32. https://doi.org/10.20885/jaai.vol25.iss1.art3.
Ghozali, I. (2016). Aplikasi
analisis Multivariete dengan Program IBM SPSS 23. Semarang: Badan Penerbit
Universitas Diponegoro.
Horv�thov�, J., & Mokri�ov�, M.
(2018). Risk of Bankruptcy, Its Determinants and Models. Risks, 6(4),
117. https://doi.org/10.3390/risks6040117.
Idi, C. M.,
& Borolla, J. D. (2021). Analisis
Financial Distress Menggunakan Metode Altman Z�Score pada PT. Golden Plantation
Tbk. Periode 2014-2018. LPPM STIA Said Perintah, Volume 2, No. 1, Maret 2021, https://stia-saidperintah.e-journal.id/ppj.
Kim, K., & Wang. (2019). Debt Restructuring
Through Equity Issues. Journal of Banking
and Finance, 106, 341-356).
Listyarini, F. (2020). Analisis Perbandingan Prediksi Kondisi Financial
Distress dengan Menggunakan Model Altman, Springate dan
Zmijewski. Jurnal Bina Akuntansi, Januari 2020, Vol.7
No.1 Hal 1 - 20.
Mokhova, N., & Zinecker, M. (2016).
Corporate Negative Equity: The Evidence from the European Union. Acta
Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 64(3),
1021�1036. https://doi.org/10.11118/actaun201664031021.
Moreno-Bromberg, S., & Vo, Q. (2017).
Resolution of Financial Distress Under Agency Frictions. Journal of Bank Finance, 82, 40�58.
Nguyen, T. T., & Kien, V. D. (2022).
Leverage and Bankruptcy Risk - Evidence from Maturity Structure of Debt: An
Empirical Study from Vietnam. The Journal of Asian Finance, Economics and
Business, 9(1), 133�142.
https://doi.org/10.13106/JAFEB.2022.VOL9.NO1.0133.
Nubli, I. A.,
& Viverita. (2021). Analysis
of Debt Restructuring Methods for Negative Equity Firm. 1 st ICEMAC 2020:
International Conference on Economics, Management, and Accounting, Volume 2021,
http://dx.doi.org/10.11594/nstp.2021.1001.
Raihan, A. M., & Pascafiani, S. F.
(2021). Analisis Financial Distress
dan Prediksi Kebangkrutan. Jurnal
Akuntansi, 12(2), 17�30. https://doi.org/10.12256/AK.2021.vol12.no2.1730.
Ratna, I., & Marwati, M. (2018).
Analisis Faktor- Faktor Yang Mempengaruhi Kondisi Financial Distress Pada
Perusahaan Yang Delisting dari Jakarta Islamic Index Tahun 2012-2016. Jurnal
Tabarru�: Islamic Banking and Finance, 1(1), 51�62.
https://doi.org/10.25299/jtb.2018.vol1(1).2044.
Rihma, A. (2020). Prediksi Kebangkrutan Pada PT Bakrie & Brothers Tbk. di Bursa Efek
Indonesia. Jurnal Manajrmrn, 14(2), 25�40.
https://doi.org/10.15245/jm.2020.vol14(2).2540.
Sepec & Grazl. (2020). Debt-To-Equity Conversion
in Bankruptcy Reorganization and Post-Bankruptcy Firm Survival. International Review of Law and Economics,
61(C), 1-7.
Siregar, S. (2014). Metode Penelitian Kuantitatif;
Dilengkapi Dengan Perhitungan Manual & SPSS. Jakarta: Kencana.
Sugiyono. (2017). Metode Penelitian Kuantitatif, Kualitatif,
dan R&D. Bandung: Alfabeta.
Sutra, F. M.,
& Mais, R. G. (2019). Faktor-Faktor Yang Mempengaruhi Financial Distress
Dengan Pendekatan Altman Z-Score Pada Perusahaan Pertambangan Yang Terdaftar di Bursa Efek Indonesia Tahun 2015-2017. Jurnal Akuntansi dan Manajemen, Vol 16
No. 01 April 2019.
Suwandi. (2022). Penyebab Ekuitas Negatif:
Uji Signifikansi Pada Laba Bersih dan Nilai Utang. AKUA: Jurnal Akuntansi dan
Keuangan, 1(2), 216�225. https://doi.org/10.54259/akua.v1i2.786.
Tas�ryov�, K., & Pak�iov�, R. (2021).
The Impact of Equity Information as An Important Factor in Assessing Business
Performance. Information, 12(2), 85.
https://doi.org/10.3390/info12020085.
������������������������������������������������
|
Antonius Yudhis Hindriarsana,
Darti Djuharni (2023) |
|
First publication right: |
|
This article is licensed under: |