ANALISIS INFORMASI KEUANGAN LANJUTAN

“ANALISIS KESULITAN KEUANGAN DAN PEMBERIAN PINJAMAN”

KELOMPOK: 7

Anak Agung Made Oka Wilantara (07)

Ni Wayan Kiki Jayanti Pratiwi Sujana (18)

PROGRAM STUDI MAGISTER AKUNTANSI

FAKULTAS PASCASARJANA

UNIVERSITAS UDAYANA

2023
1.1 PENDAHULUAN
Prediksi kesulitan keuangan atau financial distress bisa terjadi di segala sektor perusahaan,
pemerintah kota, universitas, dan institusi lainnya merupakan subjek yang banyak diminati dan
diteliti. Pembahasan bab ini lebih bberfokus pada peran laporan keuangan dan informasi
lainnya dalam prediksi marabahaya. Pihak- pihak yang dapat memanfaatkan model yang
dibahas dalam bab ini antara lain:

1. Pemberi pinjaman. Penelitian mengenai prediksi kesulitan keuangan memiliki relevansi

dengan lembaga pemberi pinjaman, baik dalam memutuskan apakah akan memberikan
pinjaman (dan kondisinya) maupun dalam merancang kebijakan untuk memantau
pinjaman yang ada.
2. Investor. Model prediksi marabahaya dapat membantu investor dalam sekuritas hutang
ketika menilai kemungkinan suatu perusahaan mengalami kesulitan dalam melakukan
pembayaran bunga atau pokok. Investor yang mengadopsi pendekatan investasi aktif (lihat
Bab 9) dapat mengembangkan strategi berdasarkan asumsi bahwa model prediksi
kesusahan dapat memberikan peringatan dini mengenai masalah keuangan dibandingkan
yang tersirat dalam harga sekuritas yang ada.
3. Pembuat Kebijakan. Di industri tertentu, badan pengatur mempunyai tanggung jawab
untuk memantau solvabilitas dan stabilitas masing-masing perusahaan. Lembaga keuangan
seperti bank, lembaga pembangunan, perusahaan asuransi, dan asosiasi simpan pinjam
harus ditinjau oleh badan pengatur di banyak negara.
4. Pejabat pemerintah. Subsidi pemerintah (dana talangan) kepada perusahaan-perusahaan
yang mengalami kesulitan keuangan terjadi di banyak negara dengan tingkat frekuensi
yang berbeda-beda.
5. Auditor
Salah satu pertimbangan yang harus diambil oleh auditor adalah apakah suatu perusahaan
mempunyai kelangsungan usaha. Pertimbangan ini mempengaruhi metode penilaian aset
dan liabilitas yang dianggap tepat untuk pelaporan keuangan. Model prediksi kesulitan
keuangan dapat menjadi bantuan yang berguna bagi auditor dalam membuat pertimbangan
kelangsungan usaha.
6. Manajemen
Kebangkrutan dapat berarti bahwa suatu perusahaan menanggung biaya langsung
dan tidak langsung. Biaya langsung mencakup biaya untuk profesional seperti akuntan dan
pengacara. Biaya tidak langsung mencakup hilangnya penjualan atau keuntungan karena
analisis distress dan infomasi keuangan
1.2 MASALAH DALAM OPERASIONALISASI FINANCIAL DISTRESS
Kesulitan keuangan yang digunakan dalam bab ini berarti masalah likuiditas parah yang tidak
dapat diselesaikan tanpa perubahan skala besar pada operasi atau struktur entitas.
Mengoperasionalkan gagasan ini menimbulkan masalah yang sulit. Kesulitan keuangan paling
baik dipandang sebagai sebuah gagasan ekonomi yang memiliki banyak titik dalam sebuah
 kontinum. Penelitian empiris di bidang ini telah mencari kriteria obyektif untuk
mengkategorikan perusahaan. Pengajuan kebangkrutan adalah kriteria yang digunakan dalam
sebagian besar penelitian; peristiwa ini merupakan peristiwa hukum yang dapat sangat
dipengaruhi oleh keresahan para bankir atau kreditor lainnya. Sekalipun gagasan kesulitan
keuangan bersifat biner, tidak perlu ada korespondensi satu-satu antara kategori tidak
tertekan/tertekan dan kategori tidak bangkrut/ bangkrut.

Pertimbangkan perusahaan-perusahaan yang masuk dalam kategori perusahaan-perusahaan

yang tidak bangkrut namun mengalami kesulitan keuangan. Perusahaan-perusahaan ini dapat
menyelesaikan masalah likuiditas mereka melalui perubahan besar-besaran dalam operasi
mereka (misalnya, penjualan 80% basis aset mereka) atau melalui merger dengan perusahaan
lain. Pertimbangkan perusahaan yang tidak mengalami tekanan finansial namun bangkrut.
Perusahaan mungkin secara sukarela menyatakan bangkrut untuk memaksa serikat pekerja
menerima tingkat upah per jam yang lebih rendah atau untuk mengurangi besarnya potensi
tuntutan hukum terhadap mereka. Ambiguitas yang disebabkan oleh perusahaan-perusahaan
yang termasuk dalam kategori II dan III merupakan keterbatasan yang melekat ketika
menggeneralisasi banyak studi penelitian yang dibahas dalam bab ini. Masalah dalam
mendefinisikan kesulitan keuangan pada sektor perekonomian nirlaba merupakan tugas yang
sangat sulit (lihat Schipper, 1977).

1.3 INDIKATOR DALAM FINANCIAL DISTRESS

Terdapat beberapa indikator atau sumber informasi mengenai kemungkinan terjadinya
kesulitan keuangan. Salah satu sumbernya adalah analisis arus kas untuk periode saat ini dan
masa depan. Salah satu keuntungan menggunakan sumber informasi ini adalah fokusnya
langsung pada gagasan kesulitan keuangan untuk periode yang bersangkutan. Estimasi arus
kas yang dimasukkan dalam analisis ini sangat bergantung pada asumsi yang mendasari
penyusunan anggaran. Sumber informasi kedua mengenai kesulitan keuangan adalah analisis
strategi perusahaan. Analisis ini mempertimbangkan pesaing potensial suatu perusahaan atau
institusi, struktur biaya relatifnya, perluasan pabrik dalam industri, kemampuan perusahaan
untuk menanggung kenaikan biaya, kualitas manajemen, dan sebagainya. Idealnya,
pertimbangan-pertimbangan ini juga akan mendasari analisis arus kas. Namun, fokus terpisah
pada isu-isu strategi dapat menyoroti konsekuensi dari perubahan mendadak yang terjadi
dalam suatu industri.

Sumber informasi ketiga mengenai kesulitan keuangan adalah analisis laporan keuangan
perusahaan dan laporan keuangan sejumlah perusahaan pembanding. Analisis ini dapat fokus
pada satu variabel keuangan (analisis univariat) atau pada kombinasi variabel keuangan
(analisis multivariat). Sumber informasi keempat berasal dari variabel eksternal seperti imbal
hasil sekuritas dan peringkat obligasi. Variabel-variabel ini berpotensi dapat menyandikan
informasi mengenai arus kas masa depan dan strategi perusahaan serta informasi dari laporan
keuangan perusahaan atau institusi. Selain itu, mereka dapat menggabungkan interaksi yang
relatif kompleks antar item individual.
1.4 UNIVARIATE MODELS OF DISTRESS PREDICTION

Pendekatan univariat untuk memprediksi kesulitan keuangan melibatkan penggunaan satu

variabel dalam model prediksi. Ada dua asumsi utama dalam pendekatan ini:

1. Distribusi variabel perusahaan dalam kondisi tertekan berbeda secara sistematis dari
distribusi variabel untuk perusahaan yang tidak mengalami tekanan
2. Perbedaan distribusi sistematis ini dapat dimanfaatkan untuk tujuan prediksi.

Pendekatan univariat akan diilustrasikan pada studi kasus berikut.

A. CASE STUDY OF U.S RAILROAD BANKRUPTCIES

Pada tahun 1970, beberapa perusahaan kereta api Kelas I besar di AS mengajukan
kebangkrutan berdasarkan ketentuan Undang-Undang Kebangkrutan Nasional, misalnya,
Perusahaan Boston dan Maine serta kompleks kereta api Penn-Central. Seberapa baik
laporan keuangan yang diterbitkan pada tahun sebelum tahun 1970 memprediksi
kebangkrutan ini? Untuk menguji pertanyaan ini, sampel sepuluh jalur kereta api dipilih
untuk membangun model prediksi univariat. (Analisis terperinci mengenai prediksi
kebangkrutan perkeretaapian AS terdapat dalam Altman, 1973.) Dua rasio berikut dihitung
untuk masing-masing perusahaan dari pernyataan tahun 1969 yang diajukan oleh
perkeretaapian ini ke Komisi Perdagangan Antar Negara Bagian: 1. Biaya transportasi
terhadap pendapatan usaha (TE/OR). Biaya transportasi pada dasarnya adalah biaya aktual
operasional kereta api dan mencakup gaji awak kereta api dan biaya bahan bakar.
Pendapatan operasional sebagian besar terdiri dari pendapatan pengangkutan. Mereka juga
mencakup pendapatan penumpang dan pendapatan dari sumber-sumber lain seperti surat
ekspres. 2. Kali bunga diperoleh (TIE). Biaya bunga adalah untuk kewajiban bunga tetap.
Penghasilan sebelum bunga dan pajak. Nilai negatif rasio ini berarti perusahaan
mempunyai laba (rugi) negatif sebelum pembayaran bunga dan pajak.

Perbedaan Distribusi Rasio Kereta Api Pailit dan Kereta Api Tidak Bangkrut

Asumsi pertama dalam pendekatan univariat adalah distribusi rasio antara perkeretaapian
bangkrut dan tidak bangkrut berbeda Pada bagian ini kita akan berkonsentrasi pada
perbedaan sarana. Untuk rasio TE/OR, mean kedua kelompok adalah:
Artinya, kelompok bangkrut menghabiskan lebih banyak (rata-rata) dari setiap dolar
pendapatan operasionalnya untuk biaya transportasi seperti gaji awak kereta api dan biaya
bahan bakar.

Tes Kemampuan Prediktif

Persoalan penting adalah apakah seseorang dapat menggunakan perbedaan rata-rata yang
dicatat nilai rasio untuk tujuan prediksi. Pendekatan prediksi univariat yang akan diuraikan
adalah uji klasifikasi dikotomis. Pendekatan ini melibatkan pemeringkatan perkeretaapian
berdasarkan nilai rasio dan kemudian memeriksa data secara visual untuk menentukan titik
potong yang "optimal" untuk memprediksi suatu perkeretaapian bangkrut atau tidak
bangkrut.

Komentar Umum tentang Contoh Kereta Api

1. Kriteria yang digunakan untuk memilih titik potong untuk setiap rasio adalah
simulasi minimal dari jumlah kesalahan klasifikasi. Kriteria ini tidak selalu
menghasilkan titik potong yang unik.
2. Tes klasifikasi dikotomis yang dijelaskan hanyalah salah satu dari beberapa
universitas pendekatan yang bervariasi untuk memprediksi perusahaan bangkrut.
Pendekatan alternatif untuk de Untuk mencapai titik potong adalah dengan
menggunakan nilai mean atau median dari rasio dalam es sampel waktu.
3. Jika beberapa model univariat digunakan, ada kemungkinan model tersebut
menghasilkan prediksi yang bertentangan bagi suatu perusahaan. Pertimbangkan
Kereta Api Bangor dan Aroostook dalam sampel validasi (Tabel 15.3 dan 15.4).
Berdasarkan rasio TIE-nya sebesar 0,88, prediksi kebangkrutan pada tahun 1971
salah. Namun, rasio TE/OR sebesar 0,341 memberikan prediksi sebaliknya.
B. DIFFERENCES IN FINANCIAL VARIABLE DISTRIBUTIONS

Perbandingan rasio rata-rata perusahaan-perusahaan yang tertekan dan tidak tertekan

mempunyai sejarah panjang dalam literatur yang diterbitkan. Sebuah studi penting adalah
Beaver (1966) yang mencakup perbandingan rasio keuangan rata-rata dari 79 perusahaan
gagal dan 79 perusahaan tidak gagal. Suatu perusahaan dinyatakan gagal jika salah satu
dari peristiwa berikut terjadi pada periode 1954-1964: kebangkrutan, gagal bayar obligasi,
penarikan rekening bank yang berlebihan, atau tidak dibayarkannya dividen saham
preferen. 79 perusahaan yang tidak gagal dipilih menggunakan desain sampel berpasangan.
Untuk setiap perusahaan yang gagal, dipilih perusahaan yang tidak gagal dalam industri
dan ukuran aset yang sama. Rata-rata tertimbang yang sama dari 30 rasio keuangan
dihitung untuk masing-masing kelompok gagal dan tidak gagal dalam lima tahun sebelum
kegagalan. Berang-berang menyebut perbandingan rasio rata-rata ini sebagai analisis
profil. Hal ini menguji apakah ada perbedaan yang dapat diamati dalam rasio rata-rata dari
dua kelompok perusahaan. Hasil kelima rasio keuangan disajikan pada Gambar 15.1.
Secara umum, terdapat perbedaan yang mencolok pada perilaku rata-rata rasio keuangan
kedua kelompok. Rasio arus kas terhadap total utang dan rasio laba bersih terhadap total
aset tampaknya menunjukkan perbedaan yang mencolok sejak awal. lima tahun sebelum
kegagalan.

Salah satu keterbatasan perbandingan uji rasio keuangan rata-rata adalah bahwa tes ini
hanya menguji satu titik pada distribusi. Perbedaan antara rata-rata dapat disebabkan oleh
beberapa pengamatan ekstrem pada salah satu kelompok yang diperiksa. Terlepas dari
pengamatan ekstrem ini, mungkin terdapat tumpang tindih yang hampir menyeluruh dalam
distribusi rasio kedua kelompok. Ada beberapa pilihan yang dapat digunakan untuk
meningkatkan keyakinan bahwa terdapat perbedaan distribusi dalam rasio perusahaan-
perusahaan yang tertekan dan tidak tertekan. Salah satu pilihannya adalah dengan memplot
titik-titik distribusi yang dipilih (misalnya, fraktil .1, .3, .5, .7, dan .9) dari dua sampel dan
memeriksa tumpang tindihnya. Pilihan kedua adalah dengan menggunakan uji signifikansi
statistik formal untuk mengetahui perbedaan distribusi.

C. UNIVARIATE PREDICTION TESTS

Analisis univariat merupakan analisis yang digunakan pada satu variabel dengan tujuan
untuk mengetahui dan mengidentifikasi karakteristik dari variabel tersebut. Tujuan dari
analisis univariat:

● Mengetahui karakteristik data

Berbicara karakteristik, kita bisa melihat apakah data yang kita gunakan sekilas
berdistribusi normal, menceng kiri, menceng kanan, terdapat outlier, dll.

● Mengetahui ukuran pemusatan, ukuran penyebaran, dan statistik deskriptif lain dari
sebuah data data
 Ukuran pemusatan, penyaberan, dll merupakan identifikasi awal untuk melakukan
analisis lebih lanjut seperti analisis varianas, regresi, dll.

● Menghasilkan distribusi frekuensi dari suatu data

Dengan mengelompokkan data berdasarkan distribusinya, anda akan mendapatkan

berbagai informasi menarik seperti berapa jumlah anak yang memiliki tinggi badan
lebih dari 160 cm, kurang dari 170cm, dll.

● Melakukan pengambilan kesimpulan

Meskipun hanya menggunakan satu variabel, anda tetap bisa melakukan analisis
inferensial.

D. OVERVIEW OF UNIVARIATE EVIDENCE

Empat kategori variabel yang menunjukkan perbedaan paling konsisten antara perusahaan
bangkrut dan tidak bangkrut adalah:

● Tingkat pengembalian perusahaan yang bangkrut kurang menguntungkan

● Perusahaan yang bangkrut mempunyai leverage keuangan yang lebih tinggi
● Cakupan pembayaran tetap—perusahaan yang bangkrut memiliki cakupan
pembayaran tetap yang lebih rendah berdasarkan pendapatan atau arus kasnya
● Volatilitas return saham-perusahaan yang bangkrut mempunyai rata-rata return
saham yang lebih rendah dan variabilitas return saham yang lebih tinggi.

Kategori variabel likuiditas dan aktivitas/perputaran menunjukkan perbedaan terbatas

antara perusahaan bangkrut dan perusahaan tidak bangkrut.

1.4 MULTIVARIATE MODELS OF DISTRESS PREDICTION

Salah satu keterbatasan pendekatan univariat adalah bahwa variabel yang berbeda dapat
memberikan prediksi yang berbeda untuk perusahaan yang sama. Tidak mengherankan jika
upaya telah dilakukan untuk menggabungkan informasi dalam beberapa variabel keuangan ke
dalam satu model multivariat. Variabel terikat dalam model ini adalah prediksi keanggotaan
kelompok (misalnya, bangkrut atau tidak bangkrut) atau perkiraan probabilitas keanggotaan
kelompok (misalnya, kemungkinan bangkrut). Variabel independen yang diteliti biasanya
adalah rasio keuangan dan variabel berorientasi perusahaan lainnya. Permasalahan yang
muncul dalam pemodelan pada bidang ini antara lain:

1. Variabel apa saja yang harus dimasukkan?

2. Bentuk apa yang harus diambil oleh model (misalnya, variabel yang dimasukkan dengan
cara penjumlahan linier atau perkalian nonlinier)?
3. Bobot apa yang harus diterapkan pada variabel?
Idealnya, beberapa teori ekonomi mengenai kesulitan keuangan harus membantu memandu
keputusan mengenai (1), (2), dan (3). Teknik statistik yang digunakan dalam sebagian besar
penelitian dapat diklasifikasikan ke dalam salah satu dari tiga kategori: (1) analisis diskriminan
yang tujuannya adalah untuk mengklasifikasikan observasi ke dalam salah satu dari dua
kelompok, berdasarkan serangkaian variabel yang telah ditentukan sebelumnya (misalnya,
Altman, Haldeman, dan Narayanan, 1977); (2) analisis logit atau probit yang tujuannya adalah
memperkirakan probabilitas suatu peristiwa (misalnya, kebangkrutan) akan terjadi berdasarkan
serangkaian variabel yang telah ditentukan sebelumnya (misalnya, Ohlson, 1980); dan (3)
partisi rekursif, yaitu teknik klasifikasi nonparametrik, berdasarkan pengenalan pola (misalnya,
Marais, Patell, dan Wolfson, 1984, dan Frydman, Altman, dan Kao, 1985).

A. Case Study of U.S. Railroad Bankruptcies

Dalam contoh ini, terdapat dua kelompok yang terpisah dan diketahui: jalur kereta api yang
tidak bangkrut pada tahun ke-1 atau jalur kereta api yang bangkrut pada tahun ke-1. Setiap
jalur kereta api memiliki dua variabel keuangan yang akan digunakan dalam model
multivariat: rasio biaya transportasi terhadap pendapatan operasional (X, TE/OR) dan rasio
perolehan bunga (Y, TIE). Diasumsikan bahwa kedua rasio ini berasal dari populasi normal
multivariat dan matriks varians-kovarians kedua kelompok adalah sama. Model analisis
diskriminan linier yang akan digunakan untuk tujuan klasifikasi adalah :

Zi = aXi + bYi

Dengan menggunakan data estimasi sampel (Tabel 15.1), kami memperoleh estimasi
berikut (15.1):

Zi = -3.366Xi + .657 Yi

Semakin rendah nilai Zi pada (15.2), semakin besar kemungkinan suatu perusahaan kereta
api mengalami kebangkrutan. Koefisien yang negatif pada Xi berarti semakin tinggi rasio
biaya transportasi terhadap pendapatan usaha, maka skor Zi semakin rendah. Koefisien
positif pada Yi berarti semakin rendah frekuensi pendapatan menutupi pembayaran bunga,
semakin rendah skor Zi. Untuk mengilustrasikan estimasi Zi untuk setiap jalur kereta api,
pertimbangkan Penn-Central dengan TE/OR = .485 dan TIE = 16

Zi = -3.366 x .485 + .657 x .16 = -1.527

Tabel 15.7 merinci sepuluh jalur kereta api dalam sampel estimasi yang diberi peringkat
berdasarkan skor Z-nya. Titik potong yang meminimalkan jumlah kesalahan klasifikasi
adalah Zi = -640 (titik tengah antara .247 dan -1.527). Batasan ini hanya menyebabkan
kesalahan klasifikasi pada satu perusahaan (Ann Arbor Railroad).

Fungsi diskriminan yang diestimasi pada sampel tahun 1970 kini dapat digunakan untuk
memprediksi status perkeretaapian bangkrut/tidak bangkrut pada tahun 1971. Estimasi skor
 Z untuk sampel tahun 1971 dari Tabel 15.3 disajikan pada Tabel 15.8. Penggunaan titik
potong Zi = -640 dengan tepat mengklasifikasikan status delapan dari sepuluh jalur kereta
api. Dua jalur kereta api yang tidak bangkrut diperkirakan akan bangkrut pada tahun 1971:
Chicago, Milwaukee, St. Paul, dan Pacific dan Erie-Lackawanna; seperti disebutkan
sebelumnya, Erie-Lackawanna mengalami kebangkrutan pada tahun 1972.

B. Performance of Selected Multivariate Models

Literatur berisi banyak penelitian yang melaporkan hasil kemampuan prediktif
menggunakan model multivariat. Gambaran umum penelitian dalam literatur ini antara lain
Altman et al. (1981), Scott (1981), Ball dan Foster (1982), Altman (1983), Zavgren (1983),
dan Zmijewski (1983, 1984). Sulit untuk melakukan generalisasi dari penelitian ini karena
adanya perbedaan antar penelitian sehubungan dengan teknik statistik yang digunakan,
kriteria yang digunakan untuk menetapkan perusahaan ke dalam kategori yang berbeda,
dan sampel yang diperiksa. Penelitian Zmijewski (1983) sangat mengurangi permasalahan
ini. Model multivariat berdasarkan variabel yang digunakan dalam penelitian sebelumnya
diperiksa secara individual menggunakan teknik statistik umum (analisis probit), definisi
umum kategori kelompok (bangkrut/tidak bangkrut), dan sampel umum (72 bangkrut dan
3,573

Perusahaan tidak bangkrut pada periode 1972-1978). Salah satu aspek yang menarik dari
makalah Zmijewski (1983) adalah analisis tentang bagaimana kemampuan prediktif
bervariasi dengan berbagai asumsi mengenai dampak relatif dari kesalahan Tipe I (yang
bangkrut diperkirakan tidak bangkrut) dan kesalahan Tipe II (yang tidak bangkrut
diperkirakan akan bangkrut). Hasil disajikan untuk empat kasus: biaya kesalahan Tipe I
sama dengan I kali, 2 kali, 20 kali, dan 38 kali biaya kesalahan Tipe II. Sebagian besar
penelitian sebelumnya mengasumsikan persamaan kesalahan Tipe I dan Tipe II ketika
membuat prediksi. Tabel 15.9 menyajikan hasil klasifikasi model multivariat berdasarkan
variabel yang termasuk dalam tujuh penelitian berikut:

1. Beaver (1966), 30 rasio keuangan

2. Altman (1968), 5 rasio keuangan
3. Blum (1974), 5 rasio keuangan, 6 ukuran tren dan penyebaran variabel keuangan,
dan I variabel return saham
4. Altman, Haideman, dan Narayanan (1977), 5 rasio keuangan, I variabel dispersi
rasio keuangan, dan I variabel ukuran perusahaan
5. Dambolena dan Khoury (1980), 19 rasio keuangan dan 19 variabel penyebaran
rasio keuangan
6. Ohlson (1980), 6 rasio keuangan, 2 variabel dummy berbasis laporan keuangan,
dan I variabel ukuran perusahaaN
7. Zmijewski (1983), 5 rasio keuangan dan 1 variabel penyebaran rasio keuangan

Beberapa hasil penting terdapat pada Tabel 15.9. Pertama, dengan biaya kesalahan Tipe I
sama dengan biaya asumsi kesalahan Tipe il, semua model mempunyai persentase
klasifikasi benar yang relatif tinggi (yang terendah adalah 97,9% untuk total sampel).
Temuan ini antara lain disebabkan oleh tingginya persentase penduduk yang berada dalam
kategori tidak bangkrut. Memang benar, model yang memperkirakan semua perusahaan
tidak bangkrut memiliki tingkat klasifikasi yang benar sebesar 98,0% (72 dari 3.645
kesalahan klasifikasi) untuk sampel Zmijewski (1983). Kedua, ketika biaya kesalahan Tipe
I meningkat dibandingkan dengan kesalahan Tipe II, terdapat peningkatan persentase
orang-orang bangkrut yang diklasifikasikan dengan benar dan penurunan persentase orang-
orang tidak bangkrut yang diklasifikasikan dengan benar. Ketiga, perbedaan kinerja
ketujuh model menjadi lebih nyata seiring dengan meningkatnya biaya relatif kesalahan
Tipe I.

Model multivariat dari kesulitan keuangan telah dikembangkan di banyak negara. Altman
(1983, 1984) model survei dikembangkan di Amerika Serikat, Jepang, Jerman, Swiss,
Brazil, Australia, Inggris, Irlandia, Kanada, Belanda, dan Perancis. Salah satu
permasalahan yang dibahas dalam survei ini adalah kesamaan antara rasio perusahaan yang
gagal dan tidak gagal di seluruh batas negara. Tabel 15.10 menyajikan hasil rasio rata-rata
komparatif untuk beberapa negara berbeda. Juga disajikan pada Tabel 15.10 adalah rata-
rata Zi skor menggunakan model multivariat berikut yang pertama kali diterbitkan di
Altman (1968):

Zi = 1.2X1i + 1.4X2i + 3.3X3i + 6X4i + 1.0X5i

Di mana:

X1i = (aset lancar, kewajiban lancar)/total aset

X2i = laba ditahan/total aset

X3i = laba sebelum bunga dan pajak/total

X4i = aset_ nilai pasar saham preferen dan ekuitas umum/nilai buku total liabilitas

X5i= penjualan/total aset

Pertimbangkan nilai rata-rata berikut untuk perusahaan bangkrut dan tidak bangkrut dalam
sampel estimasi Altman (1968):

Resultan mean Zi nilai (15,3) adalah - .258 untuk sampel perusahaan bangkrut dan 4,885
untuk sampel perusahaan tidak bangkrut. Altman (1984a) mencatat bahwa "setiap
perusahaan dengan skor Z di bawah 1,8 dianggap sebagai kandidat utama untuk bangkrut,
dan semakin rendah skornya, semakin tinggi kemungkinan kegagalannya" (hal. 173). Tabel
15.10 menyajikan nilai rata-rata untuk kelima variabel di atas dan nilai rata-rata Z, yang
diperoleh dari (15.3). Di kelima negara tersebut, nampaknya terdapat perbedaan mencolok
antara rasio keuangan kelompok perusahaan yang gagal dan yang tidak gagal. Koefisien
 untuk model yang direvisi ini, yang dapat diterapkan baik pada perusahaan publik maupun
nonpublik, adalah:

Zi = .717X1i + .847X2i + 3.107X3i + .420X4i + .998X5i

Model yang direvisi ini memiliki tingkat klasifikasi persentase benar pada sampel estimasi
asli sebesar 94% (62/66 benar) dibandingkan dengan 95% (63/66 benar) untuk (15,3). Titik
potong yang dilaporkan Altman untuk (15.3) dan (15.4) adalah

Area abu-abu mengacu pada zona skor Z di mana kesalahan klasifikasi perusahaan muncul.
Altman (1983) mencatat bahwa dengan (15.4) "distribusi skor Z sekarang lebih ketat
dengan tumpang tindih kelompok yang lebih besar. Area abu-abu (atau zona ketidaktahuan)
lebih luas. Semua ini menunjukkan bahwa model yang direvisi mungkin kurang dapat
diandalkan dibandingkan model asli .tapi hanya sedikit lebih sedikit"

C. Commercial Applications of Multivariate Models

Model multivariat yang dilaporkan dalam makalah ini didasarkan pada tujuh variabel
berikut:

1. Profitabilitas keseluruhan: laba sebelum bunga dan pajak/total aset

2. Ukuran: total aset
3. Pembayaran utang: laba sebelum bunga dan pajak/total pembayaran bunga
4. Likuiditas: rasio lancar
5. Profitabilitas kumulatif; laba ditahan/total aset
6. Kapitalisasi pasar: rata-rata lima tahun nilai pasar ekuitas umum/ rata-rata lima
tahun nilai pasar total modal (termasuk saham preferen, utang jangka panjang, dan
sewa yang dikapitalisasi)
7. Stabilitas laba: ukuran standar kesalahan estimasi yang dinormalisasi di sekitar tren
sepuluh tahun dalam variabel profitabilitas secara keseluruhan.

Koefisien pada masing-masing variabel bersifat eksklusif dan tidak diungkapkan. Zeta
Services memberikan informasi berikut dalam promosinya literatur:

ZETA adalah model evaluasi risiko yang dikembangkan oleh Zeta Services Inc. Untuk
pengembangan ZETA, risiko didefinisikan sebagai ketidakmampuan perusahaan untuk
memenuhi kewajibannya. ZETA SCORE memberi tahu pengguna seberapa mirip suatu
perusahaan dengan perusahaan yang memiliki risiko kredit buruk, yaitu perusahaan yang
baru-baru ini mengajukan petisi kebangkrutan. Sampel uji [yang digunakan untuk
mengembangkan model) terdiri dari 53 perusahaan industri yang dinyatakan pailit atau
diambil alih oleh banknya. Tidak ada bank, perusahaan pembiayaan, perusahaan real estate
atau perusahaan kereta api yang dimasukkan dalam penelitian ini. Semua perusahaan
diharuskan memiliki setidaknya $20 juta aset yang dilaporkan dalam dua tahun sebelum
kebangkrutan. Perusahaan-perusahaan ini dipasangkan dengan perusahaan-perusahaan
tidak bangkrut lainnya yang dipilih secara acak di industri serupa. ZETA SCORE
 merupakan hasil kombinasi linier ketujuh variabel (ditimbang dengan teknik analisis
diskriminan) ditambah sebuah konstanta. Nol adalah garis pemisah antara perusahaan yang
tidak gagal (skor positif) dan perusahaan yang gagal (skor negatif).

Panel A pada Gambar 15.2 menyajikan rata-rata skor RISIKO KREDIT ZETA untuk kedua
kelompok perusahaan pada masing-masing lima tahun sebelum tahun perusahaan pailit
mengajukan pailit. Selama periode ini, rata-rata skor RISIKO KREDIT ZETA kelompok
bangkrut menjadi lebih negatif dan besarnya selisih skor rata-rata kedua kelompok menjadi
lebih besar. Panel B pada Gambar 15.2 menyajikan distribusi skor ZETA CREDIT RISK
satu tahun sebelum kebangkrutan bagi perusahaan-perusahaan yang digunakan untuk
mengembangkan model tersebut. Area di mana kesalahan klasifikasi perusahaan terjadi
adalah dari 1,45 hingga 87.

Gambar 15.3 menyajikan laporan Zeta Services untuk Pan American World Airways. Skor
ZETA CREDIT RISK setiap tahun berkisar antara 1,00 pada tahun 1980 hingga -4,17 pada
tahun 1982. Selama periode 1974-1983, Pan American terus berada dalam kondisi tertekan.
Salah satu cara yang digunakan perusahaan untuk bertahan pada periode ini adalah dengan
menjual aset-aset utama yang menghasilkan pendapatan (misalnya, jaringan hotel Inter-
Continental) dan menjual real estate besar (misalnya, Gedung Pan Am di New York City).

Rata-rata industri atau median skor RISIKO KREDIT ZETA juga dapat dihitung
menggunakan basis data Layanan Zeta. Tabel 15.11 menyajikan skor RISIKO KREDIT
ZETA dan persentil relatif untuk masing-masing empat perusahaan mobil besar AS pada
periode 1974-1983 dan rata-rata tertimbang yang sama untuk keempat perusahaan tersebut.
Selama periode ini, terjadi peningkatan yang nyata pada tingkat kesulitan keuangan di
industri ini, sebagaimana dibuktikan oleh rata-rata skor ZETA CREDIT RISK. (Seorang
analis mungkin juga ingin menilai bobot. Selama periode 1974-1983, dua perusahaan
mobil yang paling tertekan mendapat bantuan eksternal untuk membantu mengatasi
masalah mereka. masalah keuangan; American Motors mendapat beberapa suntikan modal
besar dari Renault, yang memperoleh kepemilikan mayoritas di perusahaan ini, sementara
Chrysler Corporation diberikan jaminan pinjaman yang didukung pemerintah AS. Tabel
15.12 menyajikan distribusi skor RISIKO KREDIT ZETA pada periode 1974-1983 untuk
populasi perusahaan yang dipantau oleh Zeta Services.

Zeta Services adalah salah satu dari beberapa perusahaan yang menjual produk yang
memanfaatkan, dan sekarang berkontribusi pada, penelitian tentang analisis kesulitan
keuangan. Perusahaan lain di Amerika Serikat termasuk Advantage Financial Systems of
Boston dan Trust Division dari First Union Bank, Charlotte, North Carolina. Johannesburg
perusahaan pialang saham Ivor Jones, Roy and Co. menerbitkan "peringkat keuangan".
layanan yang mencakup perusahaan publik Afrika Selatan. Analisis kesulitan keuangan

1.5 CAPITAL MARKET REACTION OF FINANCIAL DISTRESS

Studi yang meneliti variabel laporan keuangan melaporkan bahwa tiga sampai lima tahun
sebelum kebangkrutan, rasio keuangan perusahaan yang bangkrut mulai menunjukkan perilaku
yang berbeda dari perusahaan yang tidak bangkrut. Hasil dari dua studi representatif adalah 1.
Aharony, Jones, dan Swary (1980) membandingkan keuntungan 45 perusahaan industri AS
yang bangkrut pada periode 1970-1978 dengan 65 perusahaan pengendali (cocok dalam
industri dan ukuran perusahaan). Rata-rata keuntungan mingguan yang disesuaikan dengan
risiko untuk setiap kelompok dihitung. Membiarkan minggu 0 menjadi minggu dimana
kebangkrutan dinyatakan, perbedaan rata-rata tingkat pengembalian yang disesuaikan dengan
risiko antara perusahaan bangkrut dan tidak bangkrut adalah:

Para penulis menyimpulkan "bahwa investor menyesuaikan diri secara bertahap terhadap
penurunan posisi solvabilitas perusahaan-perusahaan yang bangkrut selama kurang lebih
empat tahun" (hal. 1011). Penurunan paling tajam dalam perbedaan pengembalian rata-rata
mingguan terjadi pada tujuh minggu sebelum kebangkrutan. 2. Clark dan Weinstein (1983)
melaporkan hasil serupa dengan Aharony, Jones, dan Swary (1980) untuk 36 pengajuan
kebangkrutan oleh perusahaan-perusahaan yang terdaftar di NYSE antara tahun 1962 dan
1979 untuk rata-rata pengembalian harian dalam periode sekitar pengajuan dari permohonan
pailit.