UNIVERSITA UDAYANA
2019
A. Analisis Prediksi Kebangkrutan
PREDIKSI KEBANGKRUTAN
Informasi kebangkrutan bisa bermanfaat bagi beberapa pihak seperti berikut ini :
1. Pemberi Pinjaman (seperti pihak Bank). Informasi kebangkrutan bisa bermanfaat untuk
mengambil keputusan siapa yang akan diberi pinjaman, dan kemudian bermanfaat untuk
kebijakan monitor pinjaman yang ada.
2. Investor. Investor saham atau obligasi yang dikeluarkan oleh suatu perusahaan tentunya
akan sangat berkepentingan melihat adanya kemungkinan bangkrut atau tidaknya
perusahaan yang menjual surat berharga tersebut.
3. Pihak Pemerintah. Pada beberapa sector usaha, lembaga pemerintah mempunyai
tanggungjawab untuk mengawasi jalannya usaha tersebut(misal sector perbankan).
4. Akuntan. Akuntan mempunyai kepentingan terhadap informasi kelangsungan suatu usaha
karena akuntan akan menilai kemapuan going concern suatu perusahaan
5. Manajemen. Kebangkrutan berarti munculnya biaya – biaya yang berkaitan dengan
kebangkrutan dan biaya ini cukup besar. Suatu penelitian menunjukkan biaya
kebangkrutan bisa mencapai 11-17% dari nilai perusahaan.
Penggunaan metode tersebut akan dijelaskan dengan menggunakan contoh berikut pada tahun
1970, beberapa perusahaan kereta api AS yang cukup besar mengalami kebangkrutan. Apakah
rasio – rasio keuangan pada tahun – tahun sebelumnya bisa memperkirakan kebangkrutan
tersebut? Berikut ini dua rasio keuangan yang dipilih untuk melihat apakah kebangkrutan
perusahaan kereta api tersebut bisa dilihat melalui rasio – rasio keuangan pada tahun – tahun
sebelumnya.
1. Rasio biaya transportasi terhadap pendapatan operasional (BT/ PO). Biaya transportasi
merupakan komponen biaya yang terbesar yang terjadi pada perusahaan kereta api , yang
meliputi biaya operasional angkutan kerta, biaya gaji pegawai kereta dan biaya bahan
baker. Pendapatan operasional terutama berasal dari karcis kereta yang terjual dan juga
pendapatan dari beberapa sumber yang lain seperti pendapatan angkutan barang dan surat
pos
2. Rasio timed interst earned (TIE) yang merupakan rasio EBIT ( Earning Before
Taxes)/Interst. Bunga atau interest disini adalah bunga dari kewajiban obligasi. Apabila
diperoleh angka negatif, berarti perusahaan mempunyai earning( atau pendapatan) yang
negative
Teknik penelitian titik cut off mengandung bahaya bahwa karakteristik spesifik
perusahaan – perusahaan dalam sample akan sanagat mempengaruhi nilai cut off, dan dengan
demikian titik cut off tersebut tidak representaif untuk perusahaan – perusaan lainnya. Untuk
menghindari kemungkinan semacam tersebut, akuirisititik cut off bisa menggunakan
perusahaan – perusahaan diluar sampel . Empat variable yang menunjukkan perbedaaan
antara perusahaan yang bangkrut dengan yang tidak bangkrut secara konsisten adalah
1. tingkat retun ( rate of return ). Perusahaan yang bangkrut mempunyai tingkat return yang
lebih rendah.
2. penggunaan hutang. Perusahaan yang bangkrut menggunakan hutang yang lebih tinggi
3. perkindungan terhadap biaya tetap ( fixed payment coverage) . perusahaan yang bangkrut
mempunyai perlindungan terhadap biaya tetap yang lebih kecil
4. fluktuasi retun saham. Perusahaan yang bangkrut mempunyai rata – rata return yang lebih
rendah dan mempinayi fluktuasi return saham yang lebih tinggi.
Dimana ,
X1 = (Aktiva lancar – hutang lancar)/total aktiva
X2 = laba yang ditahan / total asset
X3 = laba sebelum bungan dan pajak / total asset
X4 = nilai pasar saham biasa dan prefern / nilai buku total hutang
X5 = penjualan / total asset
Masalah lain yang mungkin perlu dipertimbangkan adalah banyak perusahaan yang tidak
go public, dan dengan demikian tidak mempunayi nilai pasar. Untuk beberapa Negara seperti
Indonesia, perusahaan semacam ini merupakan bagian terbesar yang ada. Altman kemudian
mengembangkan model alternative dengan mengganti variable X4 ( nilai pasar saham prefern
dan biasa/ nilai buku total hutang). Dengan cara demikian model tersebut bisa dipakai bisa untuk
perusahaan yang go public maupun perusahaan yang tidak go public.
Berdasarkan komentar bisa diajukan dalam kiatannya dengan model kebangkrutan
semacam ini. Pertama, sampai sejauh ini sangat sedikit pembicaraan teori yang bisa mengarah
penelitian kebangkrutan. Dengan semakin sedikitnya teori tersebut, prediksi kebangkrutan lebih
diarhkan ke pencarain – pencarian variabel - variabel relevan dengan coba – coba.
Dengan metode pencarian semacam ini, peneliti perlu memperhatiakn kemungkinan
adanya bias, yaitu model tersebut hanya mempunyai karakteristik yang mempunyai sample
tersebut. Untuk menghindari kemungkinan semacam ini, sample bisa dibagi ke dalam dua
kelompok. Dengan kelompok pertama, analis mencari model prediksi kebangkrutan, kemudian
model tersebut diuji validitasnya dengan menggunakan kelompok kedua. Varians yang lain
adalah dengan menggunakan beberapa metode.
Penelitian menunjukan bahwa interpretasi prediksi tidak begitu sensitive terhadap
perbedaan model – model statistic yang dipilih. Sebagai contoh suatu penelitian berkesimpulan
bahwa untuk suatu set variable tertentu, penggunaan model diskriminasi linear, model diskrimasi
kuadrat dan model logit, menghasilkan tingkat akurasi yang hampir sama.
Sedangkan peneliti masalah prediksi menggunakan data beberapa periode sebelum
kebangkrutan, misal satu, dua, tiga, empat tahun sebelum kebangkrutan.
Tetapi dalam kenyataannya analisis tidak pernah tau kapan bangkrut. Pilihan waktu untuk
menyatakan bangkrut sangat tergantung dari beberapa factor seperti kemapuan bank untuk
membantu restrukturisasi keuangan, kebangkrutan perusahaan lain, dan negosiasi dan pekerja.
Sampel yang dipilih selama ini juga membuat sulit untuk menarik kesimpulan terhadap
populasi secara keseluruan. Sampel yang baik tentunaya sampel yang mewakili populasi secara
keseluruan.
Kalau penelitian kebangkrutan dinilai dari sumbanganya terhadap pengambilan
keputusan akan terasa bahwa penelitian kebangkrutan memberi sumbangan yang cukup
substansial. Karena keputusan akan lebih baik dengan adanya informasi kebangkrutan ini
DAFTAR PUSTAKA
Hanafi, Mamduh. M, dan Halim, Abdul. 2016. Analisis Laporan Keuangan Edisi Kelima.
Yogyakarta: UPP STIM YKPN