+ All Categories
Home > Documents > PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI...

PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI...

Date post: 26-Dec-2015
Category:
Upload: alim-sumarno
View: 253 times
Download: 0 times
Share this document with a friend
Description:
Jurnal Online Universitas Negeri Surabaya, author : KHOIRUN NISA
Popular Tags:
25
1 PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA Khoirun Nisa Universitas Negeri Surabaya Email : [email protected] Abstract: This study investigate accounting information as predictor of financial distress. Its was conducted to determine the ability of the model Altman, Sprigate, Ohslon and Zmijewski in predicting bankruptcy of industrial coal mining company in Indonesia. Based on a purposive sampling technique, there were fifteen companies of coal mining industry that made the object of research for the period 2011-2013. The analytical method was a binary logistic regression. The results that Springate model had ability predictor of bankruptcy in coal mining in Indonesia. Keyword : financial distress, bankcuptcy, coal mining industry PENDAHULUAN Latar Belakang Indonesia merupakan salah satu penghasil batubara terbesar didunia.Hal tersebut pula yang membuat Indonesia menjadi salah satu produsen dan eksportir terbesar batubara yang diperhitungkan internasional. Namun permasalah yang dihadapi industri batubara adalah menurunnya Harga Batubara Acuan (HBA) yang terjadi secara terus menurus setelah mencapai nilai tertinggi sepanjang sejarah bulan Februari yang mencapai angka $127,05(Sumber: investasi.kontan.co.id). Bahkan penurunan tersebut masih tetap terjadi pada tahun 2014.Berikut adalah grafik HBA selama tahun 2011 hingga tahun 2014 untuk bulan Oktober.
Transcript
Page 1: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

1

PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI

PERTAMBANGAN BATUBARA

Khoirun NisaUniversitas Negeri Surabaya

Email : [email protected]

Abstract:

This study investigate accounting information as predictor of financial distress. Its was conducted to determine the ability of the model Altman, Sprigate, Ohslon and Zmijewski in predicting bankruptcy of industrial coal mining company in Indonesia. Based on a purposive sampling technique, there were fifteen companies of coal mining industry that made the object of research for the period 2011-2013. The analytical method was a binary logistic regression. The results that Springate model had ability predictor of bankruptcy in coal mining in Indonesia.

Keyword : financial distress, bankcuptcy, coal mining industry

PENDAHULUAN

Latar Belakang

Indonesia merupakan salah satu penghasil batubara terbesar didunia.Hal

tersebut pula yang membuat Indonesia menjadi salah satu produsen dan eksportir

terbesar batubara yang diperhitungkan internasional. Namun permasalah yang

dihadapi industri batubara adalah menurunnya Harga Batubara Acuan (HBA)

yang terjadi secara terus menurus setelah mencapai nilai tertinggi sepanjang

sejarah bulan Februari yang mencapai angka $127,05(Sumber:

investasi.kontan.co.id). Bahkan penurunan tersebut masih tetap terjadi pada tahun

2014.Berikut adalah grafik HBA selama tahun 2011 hingga tahun 2014 untuk

bulan Oktober.

Page 2: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

2

Gambar 1.1.Harga Batubara Acuan Tahun 2011-2014*

Turunnya HBA tersebut dikarenakan oversupply batubara dipasar

internasional akibat dari menurunnya permintaan impor batubara dari Cina dan

India yang sedang mengalami kelesuan ekonomi khususnya industri manufaktur

sebagai dampak dari krisis global. Oversupply batubara juga dikarenakan

pemerintah Cina merilis kebijakan pembatasan impor batubara berkalori rendah

demi alasan menjaga kelestarian lingkungan. Selain itu, AS menjual pasokan

batubaranya dalam jumlah besar karena akan mengembangkan sheel gas untuk

kebutuhan energi dalam negeri (Sumber :www.beritasatu.comdiakses September

2014). Dengan oversupply dan menurunnya permintaan dari konsumen terbesar

batubara mengakibatkan HBA tidak dapat pulih secara signifikan sehingga

berdampak terhadap kinerja perusahaan.

Menurunnya HBA yang terjadi secara terus menerus dapat berdampak

pada menurunnya pendapatan industri batubara. Dengan pendapatan yang

menurun dan biaya produksi yang tetap besar hal tersebut akan berakibat pada net

income perusahaan. Dalam kondisi ini perusahaan tidak dapat memaksimalkan

keuntungan, bahkan terdapat kemungkinan perusahaan akan memiliki net income

negatif yang berarti perusahaan sedang mengalami kerugian. Terbukti dengan

$127,05

$87,56$76,61

$67,26

$0,00

$20,00

$40,00

$60,00

$80,00

$100,00

$120,00

$140,00

2011 2012 2013 2014*

Harga Acuan Batubara

Page 3: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

3

menurunnya HBA yang terjadi secara terus menerus jumlah perusahaan yang

mengalami net income negatif (mengalami kerugian) kian bertambah setiap

tahunnya.Berikut adalah gambaran net income perusahaan yang bergerak dalam

industri batubara untuk tahun 2011-2013.

Gambar 1.2.Status Net Income Perusahaan Batubara 2011-2013

Kerugian yang terjadi akibat penurunan HBA dapat mengakibatkan

perusahaan mengalami kesulitan keuangan (financial distress).Financial distress

merupakan kondisi keuangan suatu perusahaan dalam keadaan tidak sehat

(Christianti, 2013). Sehingga dengan financial distress yang terjadi dapat

digunakan sebagai indikasi awal perusahaan akan mengalami kebangkrutan.

Distress yang terjadi dapat berdampak pada kelangsungan usaha. Kemungkinan

terburuk apabila perusahaan tidak dapat menyelesaikan kesulitan finansial yang

dialami maka perusahaan akan mengalami kebangkrutan sehingga perusahaan

harus dilikuidasi. Hal tersebut bertolakbelakang dengan konsep going

concern.Selain itu perusahaan tidak dapat melakukan bertanggung jawab penuh

kepada para stakeholder dalam bentuk pembagian deviden.

Kinerja perusahaan dalam kegiatan operasi tercermin dalam laporan

keuangan tahunan yang mengandung informasi akuntansi mengenai kondisi

05

1015

2011 2012 2013

Status Net Income Perusahaan BatubaraTahun 2011-2013

Net Income Positif Net Income Negatif

Page 4: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

4

perusahaan. Dari informasi akuntansi tersebut dapat diketahui likuiditas,

profitabilitas, leverage hingga aliran arus kas perusahaan. Dengan demikian

informasi akuntansi yang terkandung didalamnya dapat dijadikan sebagai bahan

pertimbangan oleh para investor dan kreditor. Untuk itu informasi akuntansi harus

dapat diandalkan dan relevan dengan kondisi yang sesungguhnya sehingga

mampu menggambarkan kemungkinan yang akan terjadi masa yang akan datang.

Dengan informasi akuntansi yang terkandung dalamnya, laporan keuangan dapat

mengidentifikasi kondisi financial distress pada sebuah perusahaan yang dapat

menjadi penentu langkah preventif bagi pihak pemilik, manajemen, kreditor,

investor dan para stakeholder untuk menentukan upaya-upaya yang relevan.

Pihak-pihak yang berkepentingan dapat menilai kinerja perusahaan dan

kondisi keuangan dengan banyak metode, salah satunya dengan menggunakan

metode analisis kebangkrutan.Para pakar telah banyak melakukan penelitian dan

pengembangan terhadap model prediksi yang diharapkan dapat membantu

memprediski kebangkrutan sebuah perusahaan. Model-model tersebut anatra lain :

Altman (1968), Springate (1978), Ohlson (1980) dan Zmijewski (1984).

Dari keempat model analisis kebangkrutan tersebut, Model Z-Score

Altman adalah model prediksi yang memiliki tingkat keakuratan paling tinggi

yakni mencapai 95%.Selain itu Model Z-Score Altman merupakan model yang

mengalami revisi sebagai bentuk penyempurnaan.Revisi tersebut dimaksudkan

agar model prediksi dapat digunakan pada semua jenis perusaahaan seperti

manufaktur, non manufaktur, dan perusahaan keuangan baik perusahaan swasta

maupun go public.Sejalan dengan itu penelitian Karamzadeh (2013) memberikan

penyataan bahwa Metode Altman dapat memprediksi kebangkrutan lebih baik dari

Page 5: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

5

pada metode Olhson dengan tingkat keakuratan 74,4%, 64,4% dan 50% masing-

masing untuk 1, 2, dan 3 tahun sebelum kebangkrutan.

Penelitian mengenai financial distress telah banyak di kembangkan.

Diantaranya Kumar dan Kishore (2012) yang menyatakan model Olhson adalah

model yang memberikan prediksi paling baik jika dibandingkan dengan metode

Z-Score Altman dan Zmijewski. Pongsatat, et all (2004) menyatakan tidak ada

perbedaan yang signifikan dalam kemampuan prediksi kebangkrutan untuk

perusahaan besar maupun perusahaan kecil yang ada di Thailand.

Di Indonesia, penelitian akanfinancial distress telah banyak dilakukan

oleh kaum akademisi. Diantaranya Fatmawati (2012) yang menggupkanpan

bahwa model Zmijewski adalah predictor yang paling akurat. Christianti (2013)

juga melakukan penelitian dalam analisis kebangkrutan, hasilnya model Ohlson

lebih akurat jika dibandingkan dengan Altman. Sedangkan penelitian dari

Prihantini dan Maria (2013) menyatakan bahwa Model Grover memiliki tingkat

keakuratan 100% dalam memprediksi kebangkrutan pada peusahaan food and

beverage di BEI. Berbeda dengan Purnajaya dan Ni (2014) menyatakan bahwa

model Springate dan Zmijiweski memliki kecenderungan sama dalam potensi

kebangkrutan. Sedangkan penelitian dari Marchelinda et al (2014) menyatakan

bahwa tingkat keakuratan model Altman adalah 27,96%.

Hasil penelitian tersebut diatas tidak menunjukkan konsistensi, sehingga

peneliti akan melakukan penelitian serupa. Selain itu penelitian ini akan menguji

kemampuan Model Altman, Springate, Ohlson, dan Zmijewski dalam

memprediksi kebangkrutan. Ruang lingkup penelitian ini membatasi pada

perusahaan pertambangan batubara yang terdaftar dalam Bursa Efek

Page 6: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

6

Indonesia.Hal ini dimaksudkan hasil penelitian lebih akurat karena didasarkan

oleh karakteristik industri yang sejenis.Selain itu, industri pertambangan batubara

dipilih karena beberapa masalah yang telah diuraikan oleh peneliti sebelumnya.

KAJIAN PUSTAKA

Financial Distress

Financial distress merutut Christianti (2013) adalah kondisi dimana

keusangan perusahaan dalam keadaan tidak sehat, yang terjadi sebelum terjadinya

kebangkrutan ataupu likuidasi.Kondisi ini ditandai dengan adanya penundaan

pengriman, kualitas produk yang menurun, dan penundaan pembayaran tagihan

dari bank. Sedangkan penelitian yang dilakukan Almilia (2004) mendefinisikan

kondisi financial distress sebagai suatu kondisi dimana perusahaan mengalami

delisted akibat laba bersih dan nilai buku ekuitas negatif berturut-turut setelah

perusahaan tersebut melakukan marger.

Kebangkrutan

Kebangkrutan menurut Endri (2009) merupakan suatu keadaan atau situasi

perusahaan gagal atau tidak mampu lagi memenuhi kewajiban-kewajiban pada

debitur karena perusahaan mengalami kekurangan dan ketidakcukupan dana untuk

menjalankan atau melanjutkan usahanya sehingga tujuan ekonomi yang ingin

dicapai oleh perusahaan tidak dapat dicapai, yaitu profit, karena laba yang

diperoleh perusahaan dapat digunakan untuk mengembalikan pinjaman,

membiaya operasi perusahaan dan kewajiban-kewajiban yang harus dipenuhi bisa

ditutup dengan laba atau aktiva yang dimiliki.

Page 7: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

7

Secara tidak langsung kebangkrutan diartikan sebagai kegagalan

perusahaan dalam beroperasi untuk menghasilkan laba sehingga berdampak pada

kelangsungan usaha.Kebangkrutan perusahaan banyak membawa dampak yang

begitu kompleks, bukan hanya untuk perusahaan itu sendiri tetapi juga terhadap

karyawan, investor dan pihak-pihak lain yang terlibat dalam kegiatan operasi

perusahaan.

Metode Z-score Altman (1968)

Edward Altman (1968)melakukan penelitian tentang financial distress

terhadap perusahaan manufaktur yang ada di Amerika. Dalam penelitiannya

Altman menggunakan Multiple Discriminant Analysis (MDA) dengan output

persamaan linier yang mampu membedakan antara dua keadaan variable

dependen. Altman menggumpulkan data dari tahun 1948-1965 yang diperoleh

dari Moody’s Industrial Manufaktur.Altman menggunakan teknik matched-pair

sampling dengan 2 (dua) kriteria, yaitu industri dan total asset. Jumlah sampel

yang digunakan adalah 66 perusahaan dengan 2 (dua) kelompok, yaitu 33

perusahaan yang dianggap tidak bangkrut dan 33 perusahaan yang dianggap

bangkrut.

Pada mulanya Altman mengumpulkan 22 rasio perusahaan yang dianggap

dapat digunakan untuk memprediksi financial distress.22 rasio yang telah dipilih

Altman tersebut kemudian diuji untuk melihat signifikansi statistik dari rasio,

korelasi antar rasio, kemampuan prediksi rasio, dan judgment dari peneliti sendiri.

Hasil pengujian rasio memilih 5 (lima) rasio yang dianggap terbaik untuk

dijadikan variabel dalam model. Kelima rasio tersebut dimasukkan kedalam

analisis MDA dan menghasilkan formula sebagai berikut :

Page 8: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

8

� = 1,2�� + 1,4�� + 3,3�� + 0,6�� + 0,999��

Dimana :

X1 = Working capital/total assets

X2 = Retained earnings/total assets

X3 = Earnings before interest and taxes/total assets

X4 = Market value of equity/book value of total debt

X5 = Sales/total Assets

Altman (1986) menggunakan nilai cutoff2,675 dan 1,81. Artinya jika nilai

Z yang diperoleh lebih dari 2,675 maka perusahaan diprediksi tidak mengalami

financial distress.Perusahaan denga nilai Z antara 1,81 dan 2,675 berarti

perusahaan tersebut berada dalam grey area. Grey area merupakan kondisi

dimana perusahaan mengalami masalah keuangan dalam kondisi yang tidak

serius. Perusahaan dengan niali Z kurang dari 1,81 maka perusahaan tersebut

diprediksi akan mengalami financial distress. Model ini memiliki akurasi

mencapai 95% jika menggunakan data 1 tahun sebelum kondisi financial distress.

Metode Springate (1978)

Pada tahun 1978 Springate melakukan penelitian terhadap financial

distress dengan sampel perusahaan manufaktur yang ada di Kanada. Dalam

penelitiannya, Springate menggunakan metode yang sama seperti pendahulunya

Breaver (1966) dan Altman (1986) dengan Multiple Discriminant

Analysis(MDA). Springate memilih 19 rasio popular yang dianggap dapat

digunakan untuk memprediksi financial distress. Rasio-rasio tersebut kemudian

diuji dengan menggunakan Multiple Discriminant Analysis(MDA).Hasilnya

adalah Springate memilih 4 rasio yang dianggap dapat membedakan antara

Page 9: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

9

perusahaan yang mengalami distress dan tidak distress.Formula dari model

Springate adalah sebagai berikut :

� = 1,03�� + 3,07�� + 0,66�� + 0,4��

Dimana :

X1 = Working capital/total assets

X2 = Net Profit before interest and taxes/total assets

X3 = Net profit before taxes/current liabilities

X4 = Sales/total assets

Springate (1978) mengemukakan nilai cutoffyang berlaku untuk model ini

adalah 0,862. Artinya, jika perusahaan memiliki nilai Z lebih dari 0,862 maka

perusahaan diprediksi tidak akan mengalami financial distress. Sebaliknya jika

perusahaan memiliki nilai Z dibawah 0,862 maka perusahaan tersebut diprediksi

akan mengalami financial distress dimasa depan. Dalam tes yang dilakukan

Springate, model ini memiliki tingkat akurasi sebesar 92,5%.

Metode Ohlson (1980)

Olhson (1980) melakukan modifikasi atas pendahulunya yang telah

melakukan penelitian tentang financial distress. Jika Brever (1966) dan Altman

(1986) menggunakan data dari Mood’s Manual, Ohlson menggunakan laporan 10-

K financial statement yang diterbitkan untuk keperluan perpajakan. Data tersebut

dikumpulkan dari tahun 1970-1976.Jumlah sampel yang terkumpul adalah 105

perusahaan manufaktur yang bangkrut dan 2.058 perusahaan manufaktur yang

tidak bangkrut.Sampel tersebut diambil dengan teknik random sampling, berbeda

dengan penelitian terdahulu yang menggunakan matched-pair sampling.Untuk

menguji penelitiannya, Ohlson menggunkaan metode statistik yang bernama

Page 10: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

10

conditional logit.Ohlson berpendapat bahwa conditional logit dapat menutupi

kekurangan yang terdapat di metode Multiple Discriminant Analysis(MDA). Dari

penelitian yang dilakukan oleh Ohlson di peroleh formula sebagai berikut :

� = −1,31 − 0,407�� + 6,03�� − 1,43�� + 0,0757�� − 2,37�� − 1,83��

+ 0,285�� − 1,72�� − 0,521��

Dimana :

X1 = Log (total assets/GNP price-level index)

X2 = Total liabilities/total assets

X3 = Working capital/total assets

X4 = Current liabilities/current assets

X5 = 1 jika total liabilities>total assets; 0 jika sebaliknya

X6 = Net income/total assets

X7 = Cash flow from operations/total liabilities

X8 = 1 jika Net Income negative; 0 jika sebaliknya

X9 = (NIt – NIt-1)/(NIt + NIt-1)

Ohlson (1980) memiliki nilai cutoff 0,38. Artinya, jika perusahaan

memiliki nilai O lebih besar dari 0,38 maka perusahaan tersebut diprediksi

mengalami distress. Sebaliknya jika perusahaan yang di uji memiliki nilai O

dibawah 0,38 maka perusahaan tersebut diprediksi tidak akan mengalami

financial distress di masa depan.

Metode Zmijewski (1984)

Zmijewski (1984) mengkritik tentang teknik pengambilan sampel yang

dilakukan oleh pendahulunya.Zmijewski beranggapan bahwa pengambilan sampel

Page 11: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

11

dengan menggunakan teknik matched-pair sampling cenderung memunculkan

bias.Sehingga dalam penelitiannya Zmijewski penggunakan teknik random

samplingyang menekankan pada proporsi dan sampel yang harus ditentukan lebih

awal untuk mengetahui besarnya frekuensi financial distress.Zmijewski

menggunakan sampel sebanyak 840 perusahaan, dengan 800 perusahaan yang

tidak mengalami financial distress dan 40 perusahaan yang mengalami financial

distress. Data tersebut dikumpulkan dari tahun 1972-1978 dari compustat Annual

Industrial File.Dalam penelitiannya Zmijewski menggunkana teknik regresi logit.

Dengan menggunakan metode tersebut, Zmijewski menghasilkan formula sebagai

berikut :

� = −4,803 − 3,599�� + 5,406�� − 1,000��

Dimana:

X1 = ROA (Net income/total assets)

X2 = Leverage (Total debt/total assets)

X3 = Liquidity (Current assets/current liabilities)

Cutoff yang berlaku dalam model ini adalah 0. Artinya perusahaan yang

memiliki nilai X lebih besar dari 0 di prediksi akan mengalami distress di masa

depan. Sedangkan perusahaan yang memiliki nilai X lebih kecil dari 0 maka

diprediksi tidak akan mengalami distress. Zmijewski (1984) telah mengukur

akurasi modelnya sendiri, dan mendapatkan nilai akurasi 94,9%.

Hipotesis

Ha: Model Z-Score Altman, model Springate, model Ohlson dan model Zmijewski mampu memprediksi kebangkrutan industri pertambangan batubara di Indonesia

Page 12: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

12

METODE PENELITIAN

Jenis Penelitian

Penelitian ini menggunakan pendekatan kuantitatif untuk memecahkan

masalah yang telah dirumuskan. Menurut Sugiyono (2012:13) metode kuantitatif

dapat diartikan sebagai metode penelitian yang berlandaskan pada filsafat

positivisme, digunakan untuk meneliti pada populasi atau sampel tertentu, teknik

pengambilan sampel pada umumnya dilakukan secara random, pengumpulan data

menggunakan instrument penelitian, analisis data bersifaf kuantitatfif/statistik

dengan tujuan untuk menguji hipotesis yang telah diterapkan. Penelitian ini

memfokuskan pada pengujian hipotesis dengan menggunakan beberapa variabel

yang disertai dengan variabel operasional. Tujuan dari penelitian ini adalah untuk

mengetahui kemampuan model dalam memberikan prediksi kebangkrutan industri

batubara di Indonesia. Karena penelitian ini menggunkanan aplikasi teori yang

telah ada untuk memecahkan masalah, maka penelitian ini termasuk dalam jenis

penelitian terapan (applied reseach)

Populasi dan Sampel

Populasi yang digunakam dalam penelitian ini adalah seluruh perusahaan

yang bergerak dalam sektor industri batubara yang terdaftar dalam Bursa Efek

Indonesia.Dalam penelitian ini pengambilan sampel dilakukan dengan

menggunakan purposive sampling.Menurut Sugiyono teknik purposive sampling

adalah teknik penentuan sampel dengan pertimbangan tertentu (2009:122).

Adapun kriteria yang digunakan dalam penelitian ini adalah :

Page 13: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

13

1. Perusahaan barubara yang listing di Bursa Efek Indonesia tahun 2011,

2011, dan 2013

2. Perusahaan yang secara konsisiten menerbitkan laporan keuangan (annual

report) yang teraudit untuk tanggal yang berakhir pada tanggal 31

Desember selama periode pengamatan 2011, 2012 dan 2013

3. Perusahaan yang menjadi sampel terbagi dalam 2 (dua) kategori yaitu :

a. Perusahaan yang distress:

(i) Perusahaan memiliki ekuitas negatif. Ekuitas negatif dapat

diketahui dari total utang perusahaan yang melebihi total

assetnya (TL>TA), atau memiliki net income negatifselama 2

(dua) tahun berturut-turut (Almilia, 2006)

b. Perusahaan yang tidak mengalami distress:

(i) Tidak memiliki nilai ekuitas negatif, atau tidak memiliki net

income negatif selama 2 tahub berturut-turut (Almilia, 2006)

(ii) Berasal dari sektor dan tahun yang sama dengan perusahaan yang

distress

Teknik Analisis Data

Dalam penelitian ini, teknik analisis data yang digunakan adalah Analisis

Regresi Logistik Biner.Adapun model regresi logistik biner dalam penelitian ini

adalah sebagai berikut :

� = � + ���� + ���� + ���� + ���� + �

Keterangan :

Y = distress (0); tidak distress (1)

Page 14: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

14

a = Konstanta

β1 = Koefisien regresi variabel X1

β2 = Koefisien regresi variabel X2

β3 = Koefisien regresi variabel X3

β4 = Koefisien regresi variabel X4

X1= Model Z-score Altman

X2= Model Springate

X3= Model Ohlson

X4= Model Springate

e = error

HASIL DAN PEMBAHASAN

Dari prosedur dan kriteria sampling yang telah ditentukan diperoleh 45

sampel yang terdiri dari 15 perusahaan untuk tahun 2011-2013. Sampel tersebut

diolah berdasarkan formula dari masing-masing model prediksi kebangkrutan,

sehingga diperoleh score dari masing-masing model. Score yang diperoleh

selanjutnya diklasifikasikan berdasarkan nilai cutoff, sehingga didapatkan kondisi

perusahaan berdasarkan masing-masing model prediksi. Selanjutnya, data yang

diperoleh diolah menggunakan regresi logistik biner untuk menjawab hipotesis

yang telah dirumuskan sebelumnya.

Berdasarkan Case Processing Summary (Lampiran 1, Tabel 1) dari 45 data

yang digunakan tidak terdapat data yang hilang (missing cases). Hal tersebut

mengindikasikan bahwa semua data yang ada digunakan dalam proses pengujian.

Dikarenakan penelitian ini menguji kemampuan sebuah model dalam

Page 15: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

15

memprediksi, sehingga terdapat kondisi yang berbeda yaitu perusahaan yang

mengalami financial distress dan perusahaan yang tidak mengalami financial

distress, untuk itu diperlukan adanya pembeda berdasarkan pengkodean variabel

respon untuk data yang digunakan. Berdasarkan Dependent Variabble Encoding

(Lampiran 2, Tabel 2) tampak bahwa perusahaan yang mengalami distress

dilambangkan dengan angka 0 (nol) sedangkan perusahaan yang tidak mengalami

distress dilambangkan dengan angka 1 (satu).

Selain pengkodean variabel, perlu dipastikan bahwa data yang digunakan

tidak bersifat homoskedastisitas. Output classification table (Lampiran 1, Tabel 3)

menjelaskan bahwa persentase variabel yang diprediksi sebesar 71,1% adalah

baik. Selain itu, berdasarkan perbandingan antara kedua nilai mengindikasikan

bahwa tidak terdapatnya masalah homoskedastisitas dalam data yang digunakan.

Setelah memastikan bahwa data yang digunakan tidak terdapat masalah

homoskedastisitas, maka langkah selanjutnya adalah menguji goodness of fit dari

model yang digunakan. Pengujian goodness of fitbertujuan untuk melihat seberapa

tepat frekuensi yang teramati cocok dengan frekuensi yang diharapkan.Goodness

of fit dapat dilihat melalui output Hosmer and Lameshow dengan tingkat

signifikansi sebesar 0,05. Dari Hosmer and Lemeshow Test (Lampiran 1, Tabel 4)

diperoleh probabilitas signifikansi sebesar 0,714. Angka tersebut lebih besar dari

0,05 sehingga Hosmer and Lemeshow Test menerima Ho dan menolak Ha.

Artinya tidak terdapat perbedaan antara frekuensi yang diamati dengan frekuensi

yang diharapkan.

Untuk menilai signifikansi model dapat menggunakan Omnibus Test of

Model Coefficients (Lampiran 2, Tabel 5). Berdasarkan output tersebut diperoleh

Page 16: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

16

nilai Sig. sebesar 0,000. Karena nilai sig. model lebih kecil dari 0,05 maka

penelitian ini menolak Ho pada tingkat signifikansi 5% sehingga dapat

disimpulkan bahwa metode prediksi pada variabel bebas yang digunakan dapat

memberikan prediksi kebangkrutan atau minimal terdapat satu model yang

mampu memberikan nilai prediksi kebangkrutan. Dari output SPSS juga

diketahui nilai Cox & Snell’s Square sebesar 0.407 dan nilai Nagelkerke R Square

adalah 0,582 yang artinya kemampuan variabilitas variabel dependen yang dapat

prediksi oleh variabilitas variabel independen sebesar 58,2%. Nilai tersebut dapat

diketahui dari Model Summary (Lampiran 2, Tabel 6).

Tahap terakhir dari pengujian regresi logistik adalah estimasi parameter

dan interpretasinya. Estimasi maksimum likelihood parameter dari model dapat

dilihat pada tampilan output Variabel in the Equation (Lampiran 2, Tabel 7). Dari

output tabel tersebut, diketahui bahwa metode Springate memiliki sig. < 0,05.

Artinya, dari ke empat model, model Springate merupakan model yang paling

signifikan atau model Springate merupakan model yang mampu memberikan

prediksi kebangkrutan industri pertambangan batubara di Indonesia.

Dari output tersebut juga dapat diketahui gambaran mengenai hubungan

antara probabilitas (odds) dan variabel independen. Nilai odds ratio

mengindikasikan kemampuan variabel independen (model prediksi kebangkrutan)

dalam mempengaruhi variabel dependen (kondisi perusahaan).Nilai odds ratio

yang mendekati kisaran 1 (satu) hingga 0 (nol) mengindikasikan bahwa variabel

independen tidak mempengaruhi variabel dependen. Dalam hal ini nilai odds ratio

ditunjukkan dalam kolom “Exp(B)”.

Page 17: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

17

Nilai odds ratio dari model Altman, Ohlson dan Zmijewski berada pada

kisaran antara 1 (satu) hingga 0 (nol) yaitu masing-masing 0,628, 0,978, dan

0,721. Sehingga apabila diintrepretasikan, model Altman, Ohlson, dan Zmijewski

tidak memiliki ketepatan dalam memprediski kelangsungan sebuah perusahaan

dimasa yang akan datang. Di lain sisi, nilai odds ratio dari model Sringate sebesar

8,273. Artinya prediksi model Springate memiliki kecenderugan benar 8,273 kali

lipat dari model lainnya.

Untuk mengetahui tingkat kemampuan model dalam memprediksi dapat

dilakukan melalui analisis tingkat akurasi. Berdasarkan analisis tingkat akurasi

(Lampiran 2, Tabel 8), diketahui bahwa model Springate dan model Ohlson

memiliki tingkat akurasi tertinggi yakni 75,56%. Nilai keakuratan tertinggi pada

model Springate sesuai dengan output regresi logistik bahwa model Springate

adalah model yang mampu memprediksi kebangkrutan pada industri batubara di

Indonesia. Namun berdasarkan hasil analisis akurasi, model Ohlson juga

memberikan nilai akurasi yang sama dengan model Springate. Yang membedakan

antara kedua model tersebut adalah type error. Pada typeIerror model Springate

memiliki nilai error sebesar 0% sedangkan model Ohlson memiliki nilai error

sebesar 24,44%. Pada type II error, model Springate memiliki nilai error sebesar

24,44% sedangkan model Ohlson 0%.

Berdasarkan jenis type error dapat di ketahui kecenderungan sebuah

model dalam memprediksi. Jika type I error lebih besar dari typeII error model

tersebut memiliki keyakinan bahwa perusahaan dalam kondisi yang baik namun

pada kenyataannya perusahaan sedang mengalami kesulitan keuangan. Bahkan

jika perusahaan tersebut sedang mengalami kesulitan keuangan, model prediksi

Page 18: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

18

memiliki keyakinan bahwa perusahaan akan mampu menyelesaikan kesulitan

keuangan yang sedang dihadapi. Berdasarkan jenis type error ini model prediksi

memiliki kecenderungan optimis dalam memprediksi. Sebaliknya, jika typeII

error lebih besar dari type I error maka model tersebut memiliki kecenderungan

berhati-hati atau konservatif dalam memprediksi. Pada kecenderungan ini, model

prediksi menganggap kesulitan keuangan ringan yang dialami oleh perusahaan

akan berdampak pada keberlangsungan perusahaan dimasa yang akan datang.

Kecenderungan berhati-hati dalam memprediksi merupakan bentuk antisipasi

untuk para investor jika perusahaan tidak dapat menyelesaikan kesulitan keuangan

yang sedang dihadapi.

Berdasarkan perbedaan keduajenis type error tersebut menunjukkan

bahwa model Spingate dalam memprediksi memiliki kecenderungan “konservatif”

sedangkan model Ohlson memiliki kecenderungan “optimis”. Dalam dua hal yang

berbeda, kecenderungan model Springate dan Ohlson dalam memprediksi

memberikan dampak tersendiri. Dalam model Springate yang bertindak

konservatif dalam memprediksi akan menimbulkan opportunity cost bagi para

investor. Opportunity cost tersebut muncul dari adanya pilihan untuk tetap

berinvestasi pada perusahaan yang diprediksi oleh model Springate akan

mengalami financial distress atau berinvestasi pada perusahaan lain yang dinilai

memiliki kinerja yang baik.

Sedangkan kecenderungan model Ohlson yang bertindak optimis dalam

memprediksi dapat mengakibatkan adverse selection atau ketidakmampuan untuk

membedakan antara perusahaan yang memiliki risiko tinggi dan yang memiliki

risiko rendah sehingga akan mengakibatkan terjadi penawaran dari investor yang

Page 19: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

19

tidak sesuai dengan risiko yang akan dihadapinya. Kecenderungan terlalu optimis

tersebut dapat menyebabkan investor kehilangan atas investasinya jika ternyata

perusahaan tersebut mengalami financial distressdimasa yang akan

datang.Dengan dampak yang dapat ditimbilkan dari kecenderungan prediksi,

Ohlson dengan kecenderungan optimis kurang cocok digunakan sebagai alat

peringatan dini potensi kebangkrutan walaupun Ohlson memiliki nilai akurasi

yang sama dengan model Springate.

Dari Variabel in the Equation (Lampiran 2, Tabel 7) diketahui nilai

signifikansi model Zmijewski dan Altman lebih besar dari 0,05 yakni dan 0,277

dan 0,321. Jika dilihat dari signifikansi antara kedua model tersebut, model

Zmijeski memiliki nilai signifikansi lebih kecil jika dibandingkan dengan model

Altman. Sejalan dengan itu, model Zmijewski memiliki tingkat keakuratan lebih

tinggi jika dibandingkan dengan model Altman, yakni masing-masing 73,33% dan

53,33%. Berdasarkan kecenderungan model Zmijewski memiliki kecenderungan

optimis, sedangkan model Altman memiliki kecenderungan konservatif atau

berhati-hati. Walaupun model Altman dan Zmiweski memiliki nilai nilai akurasi,

namun berdasarkan hasil pengujian regresi logistik biner kedua model ini tidak

mampu memberikan nilai prediksi kebangkrutan industri pertambangan batubara

di Indonesia.

SIMPULAN

Berdasarkan pengujian pengujian yang telah dilakukan, diketahui bahwa

model Springate adalah model yang mampu mempediksi kebangkrutan

perusahaan industri pertambangan batubara di Indonesia dengan tingkat akurasi

Page 20: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

20

75,56%. Tingkat akurasi yang sama juga diperoleh model Ohlson. Namun yang

membedakan dan perlu diperhatikan adalah kecenderungan dalam prediksi. Model

Sprinagte memiliki kecenderungan konservatif dalam memprediski, sehingga

dapat menimbulkan opportunity costbagi para investor. Sedangkan model Ohlson

memiliki kecenderungan optimis yang dapat menyebabkan adverse selection

sehingga kurang cocok digunakan sebagai alat peringatan dini potensi

kebangkrutan karena dapat mengakibatkan investor kehilangan investasinya.

DAFTAR PUSTAKA

Almilia, Luciana Spica. 2006. Prediksi Kondisi Financial Distress Perusahaan Go-Public dengan Menggunakan Analisis Multinomial Logit. Jurnal Ekonomi dan Bisnis Vol.XII No.1, Maret 2006.

Altman, Edward L.1968. Fianancial Ratios, Discriminant Analysis and the Prediction of corporate bankruptcy.Journal of finance.pp 589-609.

Belkaoui, Ahmed Riahi. 2000. Teori Akuntansi Buku 2. Jakarta : Salemba Empat

Belkaoui, Ahmed Riahi. 2006. Accounting Theory Buku 1. Jakarta : Salemba Empat

Brealy, Richard A, et all. 2007. Dasar-dasar Manajemen Keuangan Perusahaan. Jakarta : Salemba Empat.

Christianti, Ari. 2013. Akurasi Prediksi Financial Distress : Perbandingan Model Altman dan Ohlson. Jurnal Ekonomi dan Bisnis, Vol 7, No.2, Juli 2013. Halaman 77-89.

Endri. 2009. Prediksi Kebangkrutan Bank untuk Menghadapi dan Mengelola Perubahan Lingkungan Bisnis : Analisis Model Altman’s Z-Score. Perbanas Quarterly Review, Vol.2 No.1 Maret 2009.

Fact Book. 2011. IDX. Compiled by Research & Development Division.

Fact Book. 2012. IDX. Compiled by Research & Development Division.

Fact Book. 2013. IDX. Compiled by Research & Development Division.

Page 21: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

21

Fatmawati, Mila. 2012. Penggunaan The Zmijewski Model, The Altman Model, dan The Springate Model sebagai Prediktor Delisting. Jurnal Keuangan dan Perbankan, Vol.16, No 1.Januari 2012. Hlm 56-65.

Ikatan Akunatan Indonesia.2012. Standar Akuntansi Keuangan per 1 Juli 2009.Jakarta : Salemba Empat.

Indriantoro, Nur dan Bambang Supomo. 1999. Metodologi Penelitian Bisnis. BPFE-Yogyakarta.Yogyakarta.

Karamzadeh, Mani Shehni. (2013). Application and Comparation of Altman and Ohlson Models to Predict Bankrupcy of Companies.Research Journal of Applied Scoences, Engineering and Technology.Vol 5. No 6.

Kumar, Radha Ganesh dan Kishore Kumar. 2012. A Comparison of Bankruptcy Models. International Journal of Marketing, Financial Services and Management Research.Vol.1. No.4. 4 April 2012

Kuncoro, Mudrajad. 2003. Metode Riset untuk Bisnis dan Ekonomi.Jakarta : Erlangga

Marcelinda, Sheilly Olivia Hadi Pramu dan Novi Puspitasari. 2014. Analisis Akurasi Predisko Kebangkrutan Model Altman Z-Score pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia. E-Journal Ekonomi Bisnis dan Akuntansi, 2014, Volume 1 (1).

Ohlson, James A. 1980. Financial Ratio and Probabilistic Prediction of Bankruptcy.Journal of Accounting Research.

Pasaribu, Rawland Bismark Fernando. 2008. Penggunaan Binary Logit untuk Prediksi Financial Distress Emiten di Bursa Efek Jakarta (Studi Kasus Emiten Industri Perdagangan). Jurnal Ekonomi, Bisnis dan Akuntansi VENTURA. Vol. LXI. No.2. Agustus 2008

Peter dan Yoseph. 2011. Analisis Kebangkrutan dengan Metode Z-Score Altman, Springate, dan Zmijewski pada PT.Indofood Sukses Makmur Tbk Periode 2005-2009.Akurat Jurnal Ilmiah Akuntansi Nomor 04 Tahun ke-2 Januari-April 2011.

Pongsatat, Surapol, Judy Ramage and Howard Lawrence. (2004). Bankruptcy Predibtion for Large and Small Firms in Asia : A Comparasion of Ohlson and Altman. Journal of Accounting and Corporate Governance.Vol.1. No.2. December 2004. Pp 1-13.

Prakosa, Rangga. 13 Agustus 2014.Harga Batubara Acuan Turun Jadi US$ 70,29 per ton. www.beritasatu.com (diakses September 2014)

Page 22: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

22

Prihanthini, Ni Made Evi Dwi dan Maria M. Rartna Sari. 2013. Prediksi Kebangkrutan dengan Model Grover, Altman, Z-Score, Springate dan Zmijewski pada Perusahaan Food and Beverage di Bursa Efek Indonesia. E-Jurnal Akuntansi Universitas Udayana 5.2 (2013):417:435

Purnajaya, Komang Devi Methili dan Ni K. Lely A.Merkusiwati.2014. Analisis Komparasi Potensi Kebangkrutan dengan Metode Z-Score Altman, Springate, dan Zmijewski pada Industri Kosmetik yang Terdaftar di Bursa Efek Indonesia.E-Jurnal Akuntansi. Universitas Udayana.Vol 7. No 1. Hlm 48-63.

Rahimipoor, Akbar. 2013. A Comparative Study of Bankrupcy Prediction Models of Fulmer and Toffler in Firms Accepted in Tehran Stock Exchange. Journal of Novel Applies Sciences. Vol 2. No 10. Pp 522-527

Romadhona, Muhammad Nur. 2014. Analisis Perbandingan Kebangkrutan Model Altman, Model Springate, dan Model Zmijewski pada Perusahaan yang Tergabung salam Grup Bakrie yang Terdaftar di Bursa Efek Indonesia Periode 2010-2012. AKUNESA-Jurnal Akuntansi Unesa Vol 2 No 1 Tahun 2014

Sari, Ratna Candra dan Zahrotun. 2006. Keinformatifan Laba di Pasar Obligasi dan Saham : Uji Liquidation Option Hypotesis. Simposium Nasional Akuntansi 9 Padang. K-AKPM 08.Hal 1-19

Sudarsih, Sri. 2008. Dampak Kepemilikan Manajerial, Large External Shareholders Terhadap Struktur Modal dan Prespektif Teori Keagenan.Jurnal Bisnis dan Ekonomi (JEB).Vol. 15. No.1. Hal 15-30. Maret 2008

Sugiyono.2012.Motode Penelitian Bisnis. Alfabeta: Bandung.

Suwardjono. 2014. Teori Akuntansi. Yogyakarta : BPFE-YOGYAKARTA

Syaifudin, Mohammad Naufal. 2013. Perbandingan Analisis Prediksi Kebangkrutan Menggunakan Model Altman dengan Ukuran Perusahaan sebagai Variabel Penjelas pada Perusahaan Industri Keuangan Bank yang Terdaftar di Bursa Efek Indonesia Periode 2010-2012. AKUNESA-Jurnal Akuntansi Unesa Vol 2 No 1 Tahun 2013

Tragistina, very Nurhansyah. 7 Januari 2014.PTBA : Harga Batubara 2014 stagnan di US $ 80. www.investasi.kontan.go.id (diakses September 2014)

Widyaningdyah, Agnes Utari dan Octa Fenny Listiyana.2009. Kecenderungan Manajemen Laba pada Industri Tekstil dan Produk Tekstil di Bursa Efek Indonesi yang Diprediksi Mengalami Kebangkrutan.Jurnal Bisnis dan Akuntansi.Vol.11. No.1. Hlm.19-32. April 2009.

Page 23: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

23

Widyawati, Asri Adika dan Viska Anggraita. 2013. Pengaruh Konvergensi IFRS Efektif Tahun 2011, Kompleksitas Akuntansi, dan Probabilitas Kebangkrutan Perusahaan Terhadap Timeliness dan Manajemen Laba.Simposium Nasional Akuntansi 16 Manado. Hal 721-755. 25-28 September 2013.

Wild, Jhon J, Subramanyam dan Robert F. Hasley. 2005. Analisi Laporan Keuangan. Jakarta: Salemba Empat

www.edsm.go.id

www.idx.com

Page 24: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

24

LAMPIRAN 1

Tabel 1.Case Processing Summary

Unweighted Casesa N Percent

Selected Cases

Included in Analysis 45 100.0

Missing Cases 0 .0

Total 45 100.0

Unselected Cases 0 .0

Total 45 100.0

Sumber : Output SPSS

Tabel 2.Dependent Variable Encoding

Original Value Internal Value

Distress 0

tidak di 1

Sumber : Output SPSS

Tabel 3.Classification Tablea,b

Observed

Predicted

Kond_Perusahaan Percentage

Correct0 1

Step 0Kond_Perusahaan

0 32 0 100.0

1 13 0 .0

Overall Percentage 71.1

Sumber : Output SPSS

Tabel 4.Hosmer and Lemeshow Test

Step Chi-square df Sig.

1 4.557 7 .714

Sumber : Output SPSS

Page 25: PENGGUNAAN INFORMASI AKUNTANSI DALAM KOMPARASI METODE PREDICTOR FINANCIAL DISTRESS INDUSTRI PERTAMBANGAN BATUBARA

25

LAMPIRAN 2

Tabel 5.Omnibus Tests of Model Coefficients

Chi-square df Sig.

Step 1

Step 23.515 4 .000

Block 23.515 4 .000

Model 23.515 4 .000

Sumber : Output SPSS

Tabel 6.Model Summary

Step -2 Log likelihood Cox & Snell R

Square

Nagelkerke R

Square

1 30.588a .407 .582

Sumber : Output SPSS

Tabel 7. Variables in the Equation

B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B)

Lower Upper

Step 1a

Altman -.466 .470 .983 1 .321 .628 .250 1.576

Springate 2.113 .957 4.874 1 .027 8.273 1.268 53.992

Ohlson -.022 .073 .091 1 .763 .978 .847 1.129

Zmijewski -.327 .270 1.460 1 .227 .721 .425 1.225

Constant -.794 .786 1.020 1 .312 .452

a. Variable(s) entered on step 1: Altman, Springate, Ohlson, Zmijewski.

Sumber : Output SPSS

Tabel 8. Perhitungan Tingkat Akurasi Model Prediksi

Rekap

Altman Springate Ohlson ZmijewskiPrediksi Prediksi Prediksi Prediksi

Distress Non distress Distress Non

distress Distress Non distress Distress Non

distress

RealDistress 10 3 13 0 2 11 2 11

Non distress 18 14 11 21 0 32 1 31Akurasi 53.33% 75.56% 75.56% 73.33%

Type I Error 6.67% 0.00% 24.44% 24.44%Type II Error 40.00% 24.44% 0.00% 2.22%

Jumlah 100.00% 100.00% 100.00% 100.00%Sumber : Data diolah


Recommended