ANALISIS PREDIKSI KEBANGKRUTAN DENGAN MENGGUNAKAN MODEL ALTMAN DAN ZAVGREN PADA SUB SEKTOR PROPERTI DAN REAL ESTATE YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE 2014-2018
Total View This Week0
Total View This Week0
Institusion
Universitas Telkom
Author
AYUNITA SIPAHUTAR
Subject
BANKRUPTCY
Datestamp
2020-01-29 00:00:00
Abstract :
Properti dan real estate memiliki peran langsung terhadap perekonomian nasional. Selain itu juga properti memiliki dampak yang saling berkaitan dengan sektor-sektor lainnya. Dalam beberapa tahun terakhir kontribusi properti terhadap PDB dirasa stagnan dan pertumbuhannya melambat yang salah satunya dilihat dari permintaan terhadap properti yang mengalami penurunan. Hal tersebut juga mengakibatkan pengembang properti mengeluhkan lesunya industri properti dan memilih untuk gulung tikar dan beberapa perusahaan mengalami kerugian yang apabila dibiarkan terus menerus akan berakibat pada kebangkrutan. Penelitian ini bertujuan untuk menganalisis kebangkrutan perusahaan properti dan real estate menggunakan model Altman dan Zavgren kemudian membandingkan kedua model tersebut dengan menganalisis tingkat akurasi ketepatan dari masing-masing model prediksi kebangkrutan. Data yang digunakan dalam penelitian ini yaitu data sekunder berupa laporan keuangan masing-masing perusahaan properti dan real estate periode 2014-2018. Teknik pengambilan sampel yaitu dengan purposive sampling dengan jumlah sampel yang didapat yaitu 14 perusahaan. Hasil dari penelitian ini adalah analisis prediksi kebangkrutan menggunakan model Altman dan Zavgren pada perusahaan sub sektor properti dan real estate. Secara keseluruhan, model Altman memprediksi dari 70 laporan keuangan, terdapat 7 laporan keuangan berada dalam kategori bankruptcy, 15 dalam kategori grey zone, dan 48 dalam kategori non-bankruptcy. Analisis prediksi menggunakan model Zavgren terdapat 17 laporan keuangan dalam kategori bankruptcy, 18 dalam kategori grey zone, dan 35 dalam kategori non-bankruptcy. Tingkat akurasi model Altman adalah 70% dan Zavgren sebesar 53%, sehingga tingkat akurasi paling tinggi untuk perusahaan properti dan real estate periode 2014-2018 adalah model Altman Z?-Score.
Properti dan real estate memiliki peran langsung terhadap perekonomian nasional. Selain itu juga properti memiliki dampak yang saling berkaitan dengan sektor-sektor lainnya. Dalam beberapa tahun terakhir kontribusi properti terhadap PDB dirasa stagnan dan pertumbuhannya melambat yang salah satunya dilihat dari permintaan terhadap properti yang mengalami penurunan. Hal tersebut juga mengakibatkan pengembang properti mengeluhkan lesunya industri properti dan memilih untuk gulung tikar dan beberapa perusahaan mengalami kerugian yang apabila dibiarkan terus menerus akan berakibat pada kebangkrutan. Penelitian ini bertujuan untuk menganalisis kebangkrutan perusahaan properti dan real estate menggunakan model Altman dan Zavgren kemudian membandingkan kedua model tersebut dengan menganalisis tingkat akurasi ketepatan dari masing-masing model prediksi kebangkrutan. Data yang digunakan dalam penelitian ini yaitu data sekunder berupa laporan keuangan masing-masing perusahaan properti dan real estate periode 2014-2018. Teknik pengambilan sampel yaitu dengan purposive sampling dengan jumlah sampel yang didapat yaitu 14 perusahaan. Hasil dari penelitian ini adalah analisis prediksi kebangkrutan menggunakan model Altman dan Zavgren pada perusahaan sub sektor properti dan real estate. Secara keseluruhan, model Altman memprediksi dari 70 laporan keuangan, terdapat 7 laporan keuangan berada dalam kategori bankruptcy, 15 dalam kategori grey zone, dan 48 dalam kategori non-bankruptcy. Analisis prediksi menggunakan model Zavgren terdapat 17 laporan keuangan dalam kategori bankruptcy, 18 dalam kategori grey zone, dan 35 dalam kategori non-bankruptcy. Tingkat akurasi model Altman adalah 70% dan Zavgren sebesar 53%, sehingga tingkat akurasi paling tinggi untuk perusahaan properti dan real estate periode 2014-2018 adalah model Altman Z?-Score.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
