e-ISSN: 2549-9491
maulitriga@gmail.com
ABSTRACT
The metal industry has weakened because of the increased price due to rising gas prices, causing increased
costs which affected the profits' decrease. Even the World Bank predicts that gas prices will keep rising from
2017 to 2030. This study aims to explore the potential bankruptcy of other metal and mineral sub-sector
companies listed on the IDX in 2012-2016 using the Springate, Zmijewski, and Grover models and to find out
the accuracy of those models. There are 8 samples used in this study. The results of this study shows that
there are 2 companies predicted to be healthy and 6 companies to go bankrupt based on the Springate model.
The Zmijewksi and Grover models predicted that 8 companies are not potentially bankrupt. Zmijewski and
Grover are the most accurate models in predicting the bankruptcy of the companies because they have a
100% accuracy rate, whereas Springate rate is 75%.
ABSTRAK
Industri logam mengalami pelemahan karena meningkatnya harga industri logam yang diakibatkan dari
meningkatnya harga gas, sehingga menyebabkan biaya meningkat yang berpengaruh pada penurunan laba.
Bahkan Bank Dunia memprediksi harga gas akan terus mengalami kenaiakan dari 2017 hingga 2030. Tujuan
dari penelitian ini untuk mengerahui potensi kebangkrutan pada perusahaan sub sektor logam dan mineral
lainnya yang terdaftar di BEI tahun 2012-2016 dengan menggunakan model Springate, Zmijewski, dan
Grover. Serta untuk mengetahui tingkat akurasi dari ketiga model tersebut dalam memprediksi kebangkrutan.
Populasi pada penelitian ini sebanyak 10 perusahaan. Dengan menggunakan teknik purposive sampling,
diperoleh 8 perusahaan yang menjadi objek penelitian. Hasil dari penelitian ini adalah 2 perusahaan
diprediksi sehat dan 6 perusahaan diprediksi bangkrut menurut model Springate. Model Zmijewksi dan
Grover memprediksi 8 perusahaan tidak berpotensi bangkrut. Zmijewski dan Grover merupakan model yang
paling akurat dalam memprediksi kebangkrutan perusahaan sub sektor logam dan mineral lainnya, karena
memiliki tingkat akurasi 100%. Sedangkan Springate memiliki tingkat akurasi 75%.
PENDAHULUAN
Industri pertambangan memiliki Menurut berita dari kompas.com,
beberapa macam risiko, yaitu (eksplorasi) Julianto (2018) memaparkan bahwa
yang berhubungan dengan ketidakpastian Penerimaan Negara Bukan Pajak (PNBP)
penemuan sumber daya atau cadangan mencapai Rp 40,6 triliun hanya dari sektor
(produksi), risiko teknologi yang pertambangan saja pada tahun 2017. Dengan
berhubungan dengan ketidakpastian biaya, nominal tersebut target sejumlah Rp 32,7
dan risiko pasar yang berhubungan dengan triliun untuk tahun 2017 sudah terlampaui,
perubahan harga, serta risiko kebijakan bahkan sebesar 125% dari yang ditargetkan.
pemerintah yang berhubungan dengan Berdasarkan artikel riaupos.com, Sinaga
perubahan pajak dan harga domestik (2018) memaparkan bahwa industri logam
(Industri Pertambangan, 2015). yang masuk ke dalam sektor pertambangan,
mengalami pelemahan pertumbuhan
dikarenakan biaya produksi industri logam Dengan naiknya harga bahan baku dapat
dasar yang meningkat. Peningkatan biaya menyebabkan kesulitan untuk mendapatkan
produksi tersebut adalah akibat dari semakin laba yang tinggi jika tidak diiringi dengan
mahalnya harga gas Indonesia. Harga gas di pendapatan yang tinggi. Jika hal tersebut
Indonesia senilai 9,5 dolar AS per MMBTU terjadi terus menerus, maka akan
(Juta British Thermal Unit), sedangkan harga mengakibatkan perusahaan mengalami
gas di Jepang dan Rusia senilai 6,3 dolar AS financial distress (kesulitan keuangan) yang
per MMBTU, lebih murah 3,2 dolar AS per merupakan salah satu gejala dari
MMBTU daripada harga gas di Indonesia. kebangkrutan.
Dilihat dari laporan keuangan
perusahaan sub sektor logam dan mineral, TINJAUAN PUSTAKA
terjadi ketidak stabilan biaya produksi dari Menurut Mulyawan (2015:83), laporan
tahun ke tahun. Hal tersebut dikarenakan ada keuangan merupakan alat penguji dari
beberapa perusahaan yang tidak melakukan pekerjaan bagian pembukuan yang
pembelian atau pembayaran kepada pemasok digunakan untuk menentukan atau menilai
pada tahun tertentu, sehingga mengakibatkan posisi keuangan perusahaan. Dari laporan
tidak timbulnya biaya produksi yang keuangan, dapat diketahui posisi keuangan
berdampak pada tidak terjadinya penjualan. perusahaan serta hasil-hasil yang telah
Dan laba yang diperoleh pun mengalami dicapai perusahaan. Laporan keuangan juga
penurunan yang draastis dari tahun 2013 merupakan summary proses perhitungan
hingga 2015, tetapi terjadi kenaikan laba dari setiap tutup pembukuan yang digunakan
tahun 2015 ke 2016. untuk melihat perkembangan perusahaan.
Namun dengan tingginya kenaikan harga Harahap (2015:105) memaparkan bahwa
gas yang manjadi bahan produksi pada laporan keuangan menggambarkan kondisi
industri logam , memungkinkan sub sektor keuangan dan hasil usaha perusahaan pada
pertambangan logam dan mineral lainnya saat tertentu atau jangka waktu tertentu.
mengalami penurunan laba pada tahun Laporan keuangan tentunya dibuat dengan
berikutnya. Bahkan dalam artikel yang ditulis memiliki tujuan, menurut Hery, (2016:7)
oleh San (2017), seorang pakar Politik dan tujuan khusus laporan keuangan yaitu
Ekonomi Lingkar Studi, Gede Sandra, menyajikan posisi keuangan, hasil usaha, dan
memaparkan bank dunia telah memprediksi perubahan posisi keuangan lainnya secara
kenaikan harga gas alam hingga tahun 2030. wajar dan sesuai dengan prinsip-prinsip
Berdasarkan artikel jawapos.com, akuntansi yang berlaku umum. Sedangkan
Riyandi (2018) memaparkan biaya produksi tujuan umum laporan keuangan adalah
dan bahan baku membuat pertumbuhan memberikan informasi terpercaya mengenai
industri logam lesu. Salah satunya sumber daya ekonomi dan kewajiban
disebabkan oleh mahalnya harga gas yang perusahaan, serta mengenai sumber kekayaan
membuat biaya produksi logam dasar bersih yang berasal dari kegiatan usaha
membengkak. Sehingga dari banyaknya sub dalam mencari laba.
sektor pertambangan, salah satu yang Tujuan laporan keuangan tersebut dapat
berpotensi mengalami kebangkrutan adalah tercapai jika dilakukan analisis pada laporan
sub sektor pertambangan logam dan mineral keuangan perusahaan. Menurut Harahap
lainnya. Hal tersebut dikarenakan adanya (2015:297) analisis laporan keuangan
kenaikan harga gas alam yang menjadi bahan adalah menguraikan pos-pos laporan
baku dalam pertambangan logam dan keuangan menjadi unit informasi yang lebih
berakibat pada biaya produksi yang tinggi di kecil dan melihat hubungannya yang bersifat
industri logam. signifikan atau yang mempunyai makna
antara satu dengan yang lain, baik antara data
dalam kategori bangkrut (Putra & Dalam penelitian yang dilakukan oleh
Ferlina , 2014). Prihantini dan Sari (2013) memaparkan
2. Model Zmijewski bahwa Jeffrey S. Grover (2001)
Model prediksi kebangkrutan ini menghasilkan fungsi sebagai berikut:
dihasilkan oleh Zmijewski tahun 1983
dan merupakan riset selama 20 tahun Score = 1,650X1 + 3,404X2 – 0,016ROA +
yang telah diulang. Zmijewski (1984) 0,057
menggunakan analisis rasio likuiditas,
Dimana:
laverage, dan mengukur kinerja suatu
X1 = Working Capital / Total Asset
perusahaan. Zmijewski melakukan
X2 = Earnings before Interest and Taxes /
prediksi dari tahun 1972 sampai tahun
Total Asset
1978 dengan sampel 75 perusahaan
ROA = Net Income / Total Asset
bangkrut dan 3573 perusahaan sehat,
Model ini mengategorikan perusahaan
indikator F-Test terhadap rasio
dalam keadaan bangkrut dengan skor kurang
kelompok rate of return, liquidity,
atau sama dengan -0,02 (Z ≤ -0,02), dan
leverage turn over, fixed payment
perusahaan yang termasuk dalam kategori
coverage, trens, firm size, dan stock
keadaan tidak bangkrut adalah dengan skor
return volatility, menunjukkan
lebih atau sama dengan 0,01 (Z ≥ 0,01).
perbedaan signifikan antara
Untuk mengetahui model mana yang
perusahaan yang sehat dan tidak sehat
lebih akurat dari ketiga model yang
(Purnajaya dan Merkusiwati, 2014).
digunakan dalam penelitian ini maka
Selanjutnya dikemukakan juga rumus
dilakukan perhitungan tingkat akurasi dengan
dari model Zmijewski, yaitu :
rumus berdasarkan penelitian dari (Salim &
Z = -4,3 – 4,5X1 + 5,7X2 + 0,004X3
Sudiono, 2017) berikut:
Dimana:
X1 = ROA (Return On Asset) Tingkat Akurasi = (Jumlah Prediksi Benar /
X2 = Leverage (Debt Ratio) Jumlah Sampel) x 100
X3 = Likuiditas (Current Ratio) Type Error = (Jumlah Prediksi Salah /
Jika suatu perusahaan Jumlah Sampel) x 100
memperoleh skor melebihi 0 dalam
perhitungan model prediksi Tahapan yang dilakukan dalam mengukur
kebangkrutan ini maka perusahaan tingkat keakuratan adalah sebagai berikut:
tersebut diprediksi berpotensi 1. Menghitung nilai berdasarkan model
mengalami kebangkrutan. Tetapi jika prediksi kebangkrutan.
kurang dari 0 maka perusahaan 2. Nilai yang didapat lalu
tersebut diprediksi tidak berpotensi diklasifikasikan berdasarkan titik cut
untuk mengalami kebangkrutan. off dari setiap model.
3. Model Grover 3. Hasilnya akan ditemukan posisi
Model Grover adalah model perusahaan tersebut dalam keadaan
yang dibuat dengan merancang dan seperti apa.
mengkaji ulang model Altman Z- Untuk mengetahui tingkat kesesuaian
Score. Jeffrey S. Grover menggunakan atau ketepatan model prediksi kebangkrutan
sampel yang sama sesuai dengan melalui laporan keuangan, dapat dikatahui
model Altman Z-Score pada tahun melalui hasil akhir prediksi dari masing-
1968, dan menambahkan tiga belas masing model dan dibandingkan dengan
rasio keuangan baru (Salim & keadaan sebenarnya yang dialami setiap
Sudiono, 2017). perusahaan satu tahun setelah periode
penelitian yaitu tahun 2017.
2. Model Zmijewski
Tabel 4. 2 Hasil Perhitungan Model Zmijewski
NO. KODE 2012 2013 2014 2015 2016 AVERAGE KESIMPULAN
Tidak berpotensi
1 ANTM -2,985 -1,857 -2,314 -1,815 -2,100 -2,214
bangkrut
Tidak berpotensi
2 CITA -2,422 -2,577 -1,407 -0,683 -0,171 -1,452
bangkrut
Tidak berpotensi
3 CKRA -3,967 -3,950 -2,698 -3,784 -3,846 -3,649
bangkrut
4 DKFT -4,598 -4,706 -3,783 -3,879 -2,073 -3,808 Tidak berpotensi
bangkrut
Tidak berpotensi
5 INCO -2,922 -2,946 -3,280 -3,250 -3,285 -3,137
bangkrut
Tidak berpotensi
6 PSAB -2,120 -0,285 -0,640 -0,946 -1,001 -0,998
bangkrut
Tidak berpotensi
7 SMRU -2,651 -2,844 -1,396 -0,797 -0,494 -1,637
bangkrut
Tidak berpotensi
8 TINS -3,192 -1,884 -1,506 -1,941 -2,087 -2,122
bangkrut
Sumber: Data diolah penulis, (2018)
Model ini memiliki nilai cut off 0, maka jika perhitungan tersebut semua perusahaan
perusahaan mendapatkan score lebih dari 0 sampel diprediksi tidak berpotensi bangkrut.
diprediksi berpotensi bangkrut, tetapi jika Perusahaan tersebut yaitu ANTM, CITA,
kurang dari 0 maka diprediksi tidak CKRA, DKFT, INCO, PSAB, SMRU, dan
berpotensi bangkrut. Berdasarkan tabel 4.9 TINS.
semua rata-rata perusahaan bernilai kurang
dari 0, sehingga berdasarkan hasil
3. Model Grover
Tabel 4. 3 Hasil Perhitungan Model Grover
NO. KODE 2012 2013 2014 2015 2016 AVERAGE KESIMPULAN
1 ANTM 0,59487 0,36327 0,17683 0,35488 0,40339 0,378647 tidak bangkrut
2 CITA 0,75189 1,36462 0,21892 -0,32605 0,10531 0,422938 tidak bangkrut
3 CKRA 0,84555 0,92904 0,39181 0,41840 0,39851 0,596663 tidak bangkrut
4 DKFT 2,00214 1,70993 0,76509 0,80244 0,09285 1,074489 tidak bangkrut
5 INCO 0,49486 0,45694 0,83880 0,49700 0,42522 0,542563 tidak bangkrut
6 PSAB 0,26570 -0,08271 0,18503 0,13750 0,21287 0,143676 tidak bangkrut
7 SMRU 0,10364 0,61669 0,23959 -0,49083 -0,02163 0,089493 tidak bangkrut
8 TINS 1,16336 0,93270 0,88886 0,52150 0,61016 0,823318 tidak bangkrut
Sumber: Data diolah penulis, (2018)
Nilia cut off yang dimiliki model ini 4. Tingkat Akurasi Model
adalah kurang dari atau sama dengan -0,02 Tabel 4. 4 Hasil Perhitungan Tingkat
maka masuk kedalam kategori bangkrut, Akurasi Model
tetapi jika hasilnya lebih dari atau sama Prediksi Springate Zmijewski Grover
dengan 0,01 maka masuk dalam kategori Bangkrut 2 0 0
tidak bangkrut. Berdasarkan tabel 4.10 dapat Tidak Bangkrut 6 8 8
dilihat bahwa semua perusahaan sampel Total Sampel 8 8 8
memiliki nilai rata-rata lebih dari 0,01 Kenyataan:
sehingga semua perusahaan sampel Tidak Bangkrut 0 0 0
diprediksi tidak bangkrut. ANTM, CITA, Tingkat Akurasi 75 100 100
CKRA, DKFT, INCO, PSAB, SMRU, dan Tipe Eror 25 0 0
TINS adalah kode dari semua perusahaan Sumber: Data diolah penulis, (2018)
sampel yang dinyatakan tidak bangkrut oleh Hasil dari prediksi kebangkrutan
model Grover ini. perusahaan dengan menggunakan model
Springate, Zmijewski, dan Grover,
dibandingkan dengan kenyataan satu tahun
setelah periode penelitian yaitu tahun 2017.
Berdasarkan kenyataan ditahun 2017, tidak
ada satu pun perusahaan yang bangkrut, model Zmijewski, yaitu semua
tetapi ada perusahaan yang mengalami perusahaan yang menjadi sampel
penurunan laba atau mengalami kerugian penelitian diprediksi tidak bangkrut.
seperti yang dialami oleh CKRA, INCO, dan Perusahaan tersebut diantaranya adalah
DKFT. PT Aneka Tambang Tbk (ANTM), PT
Berdasarkan tabel 4.11 dapat dilihat Cita Mineral Investindo Tbk (CITA), PT
bahwa Springate memiliki tingkat akurasi Cakra Mineral Tbk (CKRA), PT Central
sebesar 75% dengan tipe eror 25%, Omega Resources Tbk (DKFT), PT
sedangkan Zmijewski dan Grover memiliki Vale Indonesia Tbk (INCO), PT J
tingakt akurasi 100% dan tipe eror 0% dalam Resources Asia Pasifik Tbk (PSAB), PT
memprediksi kebangkrutan perusahaan sub SMR Utama Tbk (SMRU), dan PT
sektor logam dan mineral lainnya periode Timah Tbk (TINS).
2012-2016. Berarti model Zimjewski dan 4. Model Zmijewski dan model Grover
model Grover adalah model yang paling memiliki tingkat akurasi paling tinggi
akurat dalam memprediksi kebangkrutan dari tiga model yang digunakan dalam
pada perusahaan sub sektor logam dan penelitian ini yaitu 100%, dan model
mineral lainnya. Springate memiliki tingkat akurasi 75%
pada penelitian ini.
SIMPULAN
Kesimpulan yang didapat dari penelitian ini SARAN
dalah sebagai berikut: 1. Bagi peneliti selanjutnya disarankan
1. Menurut model Springate terdapat enam untuk menggunakan model prediksi
perusahaan yang diprediksi akan lain agar mengetahui model yang
bangkrut, yaitu PT Aneka Tambang Tbk lebih tinggi tingakt akurasinya dari
(ANTM), PT Cita Mineral Investindo model Zmijewski, dan Grover.
Tbk (CITA), PT Cakra Mineral Tbk 2. Bagi investor yang akan melakukan
(CKRA), PT Vale IndonesiaTbk investasi para perusahaan sub sektor
(INCO), J Resource Asia Pasifik Tbk logam dan mineral,bisa melakukan
(PSAB), dan PT SMR Utama Tbk analisis prediksi kebangkrutan terleih
(SMRU). Lalu diprediksi bahwa ada dua dahulu dengan menggunakan model
perusahaan yang sehat atau tidak Zmijewski atau pun model Grover.
dinyatakan bangkrut yaitu PT Central 3. Sebaiknya perusahaan melakukan
Omega Resources Tbk (DKFT) dan PT analisis prediksi kebangkrutan secara
Timah Persero Tbk (TINS). berkala untuk mengurangi atau
2. Menurut model Zmijewski, semua menghilangkan tanda-tanda akan
perusahaan yang menjadi sampel adanya kebangkrutan, bisa dengan
penelitian ini diprediksi tidak berpotensi cara meningkatkan nilai ROA
mengalami kebangkrutan. Perusahaan perusahaan, karena tahapan awal
tersebut yaitu PT Aneka Tambang Tbk terjadinya kebangkrutan adalah
(ANTM), PT Cita Mineral Investindo perusahaan yang mengalami latency
Tbk (CITA), PT Cakra Mineral Tbk atau penurunan nilai ROA. Dengan
(CKRA), PT Central Omega Resources cara menjual aset yang sudah tidak
Tbk (DKFT), PT Vale Indonesia Tbk terpakai sehingga uangnya dapat
(INCO), PT J Resources Asia Pasifik digunakan untuk kegiatan operasi
Tbk (PSAB), PT SMR Utama Tbk perusahaan yang dapat mendukung
(SMRU), dan PT Timah Tbk (TINS). peningkatan laba. Lalu meningkatkan
3. Hasil yang diperoleh model Grover laba perusahaan yang dilakukan
sama dengan yang dihasilkan oleh dengan cara meningkatkan
Sudiono, M. N. (2017). An Analysis of Tri Utama Putra & Arlin Ferlina Moch T, S.
Bankruptcy Likelihood on Coal M. (2014). Analisis Prediksi Tingkat
Mining Listed Firms in The Kebangkrutan Perusahaan Dengan
Indonesian Stock Exchange: An Metode Altman Z-Score Dan
Altman, Springate, and Zmijewski Springate (Studi Kasus Pada
Aprroaches. Eurasian Journal of Perusahaan Sub Sektor
Economics ad Finance, 99-108. Pertambangan Minyak dan Gas
Sujarweni, V. W. (2017). Analisis Laporan Bumi yang Tercatat di Bursa Efek
Keuangan (Teori, Aplikasi, & Hasil Indonesia Pada Tahun 2009-2012).
Pnelitian0. Yogyakarta: Pustaka Jurnal Studi Manajemen Bisnis
Baru Press. (JSMB), Vol. 1, No. 2.