TUGAS MATA KULIAH METODOLOGI PENELITIAN PERTEMUAN

KAMIS, 11 JUNI 2020

ANALISIS PERBANDINGAN UNTUK MENILAI FINANCIAL DISTRESS

PT.INDOSAT Tbk DAN PT. XL AXIATA Tbk DENGAN MENGGUNAKAN
METODE SPRINGATE (S-SCORE)

NAMA : WIWIN WIRANTI

NIM : 17010024/M

KONSENTRASI : KEUANGAN

KELAS : 02

SEKOLAH TINGGI ILMU EKONOMI (STIE) BIMA

TAHUN AKADEMIK 2019/2020

 PENDAHULUAN

A. Latar Belakang

Kebangkrutan merupakan masalah yang dapat terjadi dalam sebuah

perusahaan apabila perusahaan tersebut mengalami kondisi kesulitan.Darsono dan
Ashari (2005), menyatakan bahwa secara garis besar penyebab kebangkrutan dibagi
menjadi dua yaitu faktor internal dan faktor eksternal. Dari faktor eksternal seperti
kesulitan bahan baku karena supplier tidak dapat memasok lagi kebutuhan bahan
baku yang digunakan untuk produksi. Sedangkan untuk faktor internal bisa dilihat
dari segi keuangan perusahaan, seperti hutang perusahaan yang membengkak dan
modal kerja yang negatif sehingga perusahaan tidak mampu membiayai kegiatan
operasionalnya.Tahap awal kebangkrutan bisnis yang terjadi dalam perusahaan
biasanya diawali terjadinya kesulitan keuangan (Financial Distress).
Platt (dalam Andre, 2013) menyatakan bahwafinancial distress merupakan
tahapan penurunan kondisi keuangan suatu perusahaan sebelum terjadinya kebangkrutan
ataupun likuidasi. Ditinjau dari laporan laba rugi jika perusahaan terus menerus rugi,
dan dari laporan arus kas jika arus kas masuk lebih kecil dari arus kas keluar.Oleh
karena itu, untuk mengatasi dan meminimalisir terjadinya Financial Distress,
perusahaan dapat mengawasi kondisi keuangannya dari segi neraca dan laporan
laba rugiyang ada dalam laporan keuangan perusahaan dengan menggunakan
teknik-teknik analisis laporan keuangan.
Yoseph (2012:2) menyatakan bahwa analisis financial distress yang sering
digunakan adalah Analisis Z-Score model Altman, model Springate dan model
Zmijewski. Analisistersebut dikenal karena selain caranya mudah, keakuratan dalam
menentukan prediksi financial distress juga cukup akurat. Analisis financial distress
tersebut dilakukan untuk memprediksi suatu perusahaan sebagai penilaian dan
pertimbangan akan suatu kondisi perusahaan.
Perusahaan telekomunikasi di Indonesia pada umumnya menyediakan produk
berupa jasa-jasa telekomunikasi, baik domestik maupun internasional. Saat ini
perusahaan Telekomunikasi yang tercatat di Bursa Efek Indonesia terdiri dari enam
perusahaan, yaitu PT Bakrie Telecom Tbk, PT XL Axiata Tbk, PT Smartfren Tbk, PT
Indosat Tbk, PT Inovisi Tbk, dan PT Telekomunikasi Indonesia Tbk.
Dari laporan keuangan perusahaan dapat diperoleh informasi tentang kinerja
perusahaan.Menurut Hofer (1980) financial distress merupakan kondisi dimana
perusahaan mengalami laba bersih negatif selama beberapa tahun. Whitaker (1999)
juga mengungkapkan bahwa financial distress adalah kondisi dimana perusahaan
mengalami laba bersih operasi (net operation income) negatif selama beberapa
tahun dan selama lebih dari satu tahun tidak melakukan pembayaran deviden,
pemberhentian tenaga kerja, atau menghilangkan pembayaran deviden.

B. Rumusan Masalah

Bagaimana perbandingan antara PT.Indosat Tbk dan PT.XL Axiata Tbk dalam
prediksi kebangkrutan dianalisis dengan metode Springate (S-Score)?

C. Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk mengetahui seberapa besar perbandingan
kemungkinan terjadinya kebangkrutan pada PT.Indosat Tbk dengan PT.XL Axiata
Tbk dalam periode 7 tahun terakhir.
 TINJAUAN PUSTAKA

A. Teori – Teori

1. Laporan keuangan

Menurut Kasmir (2015:7-28) merupakan laporan yang menunjukkan kondisi

keuangan pada saat ini atau dalam suatu periode tertentu. Tujuan laporan
keuangan untuk memberikan informasi tentang kinerja manajemen perusahaan
dalam suatu periode guna memenuhi kepentingan berbagai pihak yang
berkepentingan terhadap perusahaan. Rasio keuangan merupakan kegiatan
membandingkan angka-angka yang ada dalam laporan keuangan dengan cara
membagi satu angka dengan angka lainnya. Hasil rasio digunakan untuk menilai
kinerja manajemen dalam suatu periode apakah mencapai target seperti yang
telah ditetapkan. Kemudian juga dapat dinilai kemampuan manajemen dalam
memberdayakan sumber daya perusahaan secara efektif (Kasmir, 2015:104-
105). Selain rasio-rasio keuangan dapat digunakan untuk menganalisis dan
memprediksi kecenderungan kebangkrutan sutu perusahaan dapat digunakan
analisis diskriminan.

2. Financial Distress

Perusahaan yang mengalami kesulitan keuangan pada umumnya mengalami

penurunan dalam pertumbuhan , kemampulabaan, dan aset tetap, serta
peningkatan dalam tingkatan persediaan relatif terhadap perusahaan yang sehat
(Kahya dan Theodossiou, 1999).
Financial distress juga ditandai dengan adanya penundaan pengiriman,
kualitas produk yang menurun, dan penundaan pembayaran tagihan dari bank.
Menurut Brigham dan Daves (2003), kesulitan keuangan (financial distress)
dimulai ketika perusahaan tidak dapat memnuhi jadwal pembayaran atau ketika
proyeksi arus kas mengindikasikan bahwa perusahaan tesebut akan segera tidak
dapat memenuhi kewajibannya.
Menurut Plat dan Plat (2002) dalam Mekani Vestari dan Desi Noor Farida
(2013) Financial Distress merupakan tahap penurunan kondisi keuangan
sebelum terjadinya kebangkrutan. Kondisi ini bermula ketika ketidakmampuan
suatu perusahaan mengelola perusahaan mengakibatkan kerugian operasional
maupun kerugian bersih tahun berjalan dan atau aliran kas operasi yang lebih
kecil dibandingkan dengan laba operasinya.
3. Kebangkrutan

Kebangkrutan dalah suatu kondisi disaat perusahaan mengalami

ketidakcukupan dana dalam menjalankan usahanya. Menurut Lesmana
(2003:174), kebangkrutan adalah ketidakpastian mengenai kemampuan atas
suatu perusahaan untuk melanjutkan kegiatan operasinya jika kondisi keuangan
yang dimiliki mengalami penurunan.
Menurut Undang-Undang No.4 tahun 1998 tentang kepailitan, menyatakan
bahwa kebangkrutan sebagai suatu situasi yang dinyatakan pailit oleh keputusan
pengadilan.
Kebangkrutan sebagai suatu kegagalan yang terjadi pada sebuah
perusahaan dapat diartikan sebagai berikut (Brigham, 2001:2-3) kegagalan
ekonomi (Economic Distressed), yaitu kondisi perusahaan kehilangan uang atau
pendapatan perusahaan tidak mampu menutupi biayanya sendiri, ini berarti
tingkat labanya lebih kecil dari biaya modal atau nilai sekarang dari arus kas
perusahaan lebih kecil dari kewajiban. Kegagalan terjadi bila arus sebenarnya
dari perusahaan tersebut jauh dibawah arus kas yang diharapkan.

4. Metode Springate (S-Score)

Menurut Ayu (2008:18) model Springate dikembangkan pada tahun 1978

oleh Gorgon L.V. Springate Ia menggunakan metode yang sama dengan Altman
(1968) yaitu MultipleDiscriminant Analysis (MDA). Jumlah rasio awalnya yaitu 19
rasio. Setelah melalui uji yang sama dengan yang dilakukan Altman (1968),
Springate memilih 4 rasio yang dipercaya bisa membedakan antara perusahaan
yang mengalami distress dan yang tidak distress. Sampel yang digunakan
Springate berjumlah 40 perusahaan yang berlokasi di Kanada.
Model ini memiliki akurasi 92,5% dalam tes yang dilakukan Springate.
Springate mengemukakan nilai cutoff yang berlaku untuk model ini adalah 0,862
dengan kriteria penilaian apabila:
 Nilai S < 0,862 menunjukkan bahwa perusahaan tersebut diprediksi
mengalami financial distress.
 Nilai 0,862 < S < 1,062 maka menunjukkan bahwa pihak manajemen
harus hati-hati dalam mengelola aset-aset perusahaan agar tidak terjadi
financial distress (daerah rawan).
 Nilai S>1,062 maka menunjukkan perusahaan dalam kondisi keuangan
yang sehat dan tidak mempunyai permasalahan dengan keuangan (tidak
mengalami financial distress).

Dalam Andri Eka Yunindra (2018) Springate Score adalah metode untuk
memprediksi kemungkinan kebangkrutan suatu perusahaan. Springate score
dihasilkan oleh Gordon L.V Springate sebagai pengembangan dari metode
Altman Z score.
Untuk menentukan rasio-rasio mana saja yang dapat mendeteksi
kemungkinan kebangkrutan, Springate menggunakan MDA (multiple discriminate
analysis) untuk memilih 4 rasio dari 19 rasio keuangan yang popular dalam
literature-literatur, yang mampu membedakan dengan baik antara sinyal usaha
yang pailit dan tidak pailit. Hasil penelitian tersebut menghasilkan rumus
Springate Score untuk berbagai jenis perusahaan, seperti terlihat berikut :

S = 1,03X1 + 3,07X2 + 0,66X3 + 0,4X4

Dimana :
 Rasio Modal Kerja Terhadap Total Asset (X1)
Untuk mengukur likuiditas dengan membandingkan aset likuid bersih
dengan total aset.

X1 =

 Rasio laba sebelum bunga dan pajak terhadap total Asset (X2)
Rasio ini mengukur profitabilitas, yaitu tingkat pengembalian atas
aset, yang dihitung dengan membagi laba sebelum bunga dan pajak
(Earning Before Interest and Tax) tahunan perusahaan dengan total aset
pada neraca akhir tahun.

X2 =

 Rasio laba sebelum pajak terhadap total liabilitas lancar (X3)

Rasio ini digunakan untuk mengukur kemampuan perusahaan dalam
melunasi hutang jangka pendeknya.

X3 =

 Rasio penjualan total Asset (X4)

Rasio ini mengukur kemampuan manajemen dalam menggunakan
aset untuk memperoleh penghasilan.

X4 =
B. Kerangka Berpikir

Data sekunder (Laporan

keuangan) PT. Indosat Tbk dan
PT. XL Axiata Tbk (2012-2019)

Metode Springate Score

Interpretasi

Perusahaan Sehat Perusahaan dalam kondisi

financial distress dan berpotensi
mengalami kebangkrutan

C. Hipotesis Penelitian

H0 = Perusahaan PT.Indosat Tbk dan PT.XL Axiata Tbk S < 0,862 dari kriteria yang
diharapkan
Ha = Perusahaan PT.Indosat Tbk dan PT.XL Axiata Tbk S > 0,862 darikriteria yang
diharapkan
 METODOLOGI PENELITIAN

A. Jenis Penelitian

Jenis Penelitian ini merupakan penelitian deskriptif yaitu penelitian yang

dilakukan untuk mengetahui nilai variable mandiri (Sugiyono, 2010). dengan Metode
Penelitian kuantitatif. Maksud penulis menggunakan metode penelitian deskriptif
adalah untuk mendeskripsikan prediksi financial distress dengan metode Springate
score (S-Score) pada PT.Indosat Tbk dan PT.XL Axiata Tbk.

B. Instrumen Penelitian

Instrumen dalam penelitian yang digunakan dalam penelitian ini adalah

laporan keuangan berupa daftar laporan keuangan yang terdiri atas data aset
lancar, liabilitas lancar, total aset,dan laporan laba rugi yang terdiri atas data laba
sebelum bunga dan pajak, laba sebelum pajak dan penjualan selama tujuh tahun
terakhir yaitu dari tahun 2012 sampai dengan 2019.

C. Populasi dan Sampel Penelitian

Populasi dalam penelitian ini adalah laporan keuangan PT Indosat Tbk dan
PT XL Axiata Tbk yang diakses melalui website resmi perusahaan dalam bentuk
neraca (posisi keuangan) yang terdiri atas data aset lancar, liabilitas lancar, total
aset, dan laba rugi yang terdiri atas data laba sebelum bunga dan pajak, laba
sebelum pajak dan penjualan selama tujuh tahun terakhir yaitu dari tahun 2012
sampai dengan 2019.

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi tersebut (Sugiyono, 2016) Sampel yang digunakan dalam penelitian ini
adalah laporan keuangan pada PT Indosat Tbk dan PT XL Axiata Tbk dalam bentuk
neraca (posisi keuangan), yang terdiri atas data aset lancar, liabilitas lancar, total
aset,dan laporan laba rugi yang terdiri atas data laba sebelum bunga dan pajak, laba
sebelum pajak dan penjualanselama tujuh tahun terakhir yaitu dari tahun 2012
sampai dengan 2018.

D. Teknik Pengumpulan Data

Teknik pengumpulan data yang digunakan penulis dalam penelitian ini adalah
dokumentasi yaitu mencari data mengenai hal-hal yang berkaitan dengan penelitian
yang dibahas berupa catatan, transkrip, buku, jurnal-jurnal terdahulu dan
sebagainya. Didalam melaksanakan metode dokumentasi ini, peneliti mengumpulkan
data dokumentasi berupa laporan keuangan PT Indosat Tbk dan PT XL Axiata Tbk
Periode tahun 2012-2019.

Selain itu teknik pengumpulan data yang digunakan berupa studi pustaka,
yaitu dilakukan dengan cara mempelajari literatur-literatur serta pendapat para ahli
yang ada relevansi dengan judul penelitian ini.
E. Teknik Analisis Data

Teknik analisis data yang digunakan dalam penelitian ini adalah dengan
menggunakan metode Springate (S-Score). Springate score adalah metode untuk
memprediksi kemungkinan kebangkrutan suatu perusahaan.
 DAFTAR PUSTAKA

1. Brigham, Eugene dan Joel F Houston. 2001. Manajemen Keuangan II. Jakarta :
Salemba Empat
2. Fitriani, M., dan Huda, N. 2020. Analisis Prediksi Financial Distress Dengan Metode
Springate (S-Score) Pada PT Garuda Indonesia Tbk. Journal UNY. P – ISSN : 2303-
2065 E – ISSN : 2502-5430. Vol 9 No 1 (2020).
3. Lesmana, Rico. 2003. Pedoman Menilai Kinerja Untuk Perusahaan Tbk, Yayasan,
BUMN, BUMD, dan Organisasi Lainnya, Edisi Pertama. Jakarta : Elex Media
Komutindo.
4. Rahayu, F., Suwendra, W., I., Yulianthini, N., N. 2016. Analisis Financial Distress
Dengan Menggunakan Metode Altman Z-Score, Springate, Dan Zmijewski Pada
Perusahaan Telekomunikasi. E-journal Bisma Universitas Pendidikan Ganesha
Jurusan Manajemen. Vol 4.
5. Yunindra, E. A. 2018. Analisa Rasio Keuangan Dalam Memprediksi Kebangkrutan
Perusahaan Industri Sektor Textille dan Garment Yang Terdaftar Di BEI. Jurnal
Ekonomi, Lampung 20(2) : 160-169.
 LAMPIRAN

INSTRUMEN PENELITIAN

Tabel.1.

PT INDOSAT Tbk (2012-2019)

ASET LIABILITAS TOTAL LABA SEBELUM
TAHUN LANCAR LANCAR ASET EBIT PAJAK PENJUALAN
2012 8,308,810 11,015,751 55,225,061 3,190,023 461,618 22,418,812
2013 7,169,017 13,494,437 54,520,891 1,509,216 (3,333,837) 23,855,272
2014 8,591,684 21,147,849 53,254,841 672,932 (1,935,901) 24,085,101
2015 9,918,677 20,052,600 55,388,517 2,362,110 (1,785,835) 26,768,525
2016 8,073,481 19,086,592 50,838,704 3,940,553 (1,795,263) 29,184,624
2017 9,479,271 16,200,457 50,661,040 4,032,499 1,940,426 29,926,098
2018 7,906,525 21,040,365 53,139,587 (464,797) (2,663,543) 23,139,551
2019 12,444,795 22,129,440 62,813,000 4,228,321 1,587,191 26,117,533

PT XL AXIATA Tbk (2012-2019)

ASET LIABILITAS TOTAL LABA SEBELUM

TAHUN LANCAR LANCAR ASET EBIT PAJAK PENJUALAN
2012 3,658,985 8,739,996 35,455,705 4,352,463 3,751,421 20,969,806
2013 5,844,114 7,931,046 40,277,626 1,658,288 1,389,667 21,265,060
2014 13,309,762 15,398,292 63,630,884 1,586,582 (1,003,427) 23,460,015
2015 10,151,586 15,748,214 58,844,320 3,139,277 (630,526) 22,876,182
2016 6,806,863 14,477,038 54,896,286 1,686,874 185,581 21,341,425
2017 7,180,742 15,226,516 56,321,441 1,658,261 221,238 22,875,662
2018 7,058,652 15,733,294 57,613,954 (2,771,379) (4,396,280) 22,938,812
2019 7,045,267 19,533,250 60,966,527 2,352,075 754,982 18,720,522
LAMPIRAN