analisis pengaruh prediksi kebangkrutan dan residual...

i

ANALISIS PENGARUH PREDIKSI KEBANGKRUTAN

DAN RESIDUAL INCOME TERHADAP HARGA

SAHAM PERUSAHAAN YANG TERDAFTAR DALAM

ISSI

SKRIPSI

Diajukan untuk Memenuhi Tugas dan Melengkapi Syarat

Guna Memperoleh Gelar Sarjana Ekonomi (S.E)

Disusun Oleh

SHINTA DISKY AZZHARAH

NIM 63010150073

PROGRAM STUDI S1 PERBANKAN SYARIAH

FAKULTAS EKONOMI DAN BISNIS ISLAM

INSTITUT AGAMA ISLAM NEGERI SALATIGA

2019

iii

ANALISIS PENGARUH PREDIKSI KEBANGKRUTAN

DAN RESIDUAL INCOME TERHADAP HARGA

SAHAM PERUSAHAAN YANG TERDAFTAR DALAM

ISSI

SKRIPSI

Diajukan untuk Memenuhi Tugas dan Melengkapi Syarat

Guna Memperoleh Gelar Sarjana Ekonomi (S.E)

Disusun Oleh


NIM 63010150073

PROGRAM STUDI S1 PERBANKAN SYARIAH

FAKULTAS EKONOMI DAN BISNIS ISLAM

INSTITUT AGAMA ISLAM NEGERI SALATIGA

2019

iv

PERSETUJUAN PEMBIMBING

Setelah diadakan pengarahan, bimbingan, koreksi, dan perbaikan seperlunya,

maka skripsi Saudara:

Nama : Shinta Disky Azzharah

NIM : 63010150073

Fakultas : Ekonomi dan Bisnis Islam

Program Studi : S-1 Perbankan Syariah

Judul : Analisis Pengaruh Prediksi Kebangkrutan dan Residual

Income terhadap Harga Saham Perusahaan yang Terdaftar

dalam ISSI.

Dapat diajukan dalam sidang munaqosah skripsi. Demikian surat ini dibuat untuk

dapat dipergunakan sebagaimana mestinya.

KEMENTERIAN AGAMA REPUBLIK INDONESIA

INSTITUT AGAMA ISLAM NEGERI (IAIN) SALATIGA

FAKULTAS EKONOMI DAN BISNIS ISLAM Jalan Tentara Pelajar No. 02 Salatiga 50721 Telepon (0298) 323706 Faksimili (0298) 323433

Website : www.iainsalatiga.ac.id E-mail : [email protected]

http://www.iainsalatiga.ac.id/

mailto:[email protected]

v

PENGESAHAN

ANALISIS PENGARUH PREDIKSI KEBANGKRUTAN DAN

RESIDUAL INCOME TERHADAP HARGA SAHAM

PERUSAHAAN YANG TERDAFTAR DALAM ISSI

DISUSUN OLEH


NIM 63010150073

Telah dipertahankan di depan Panitia Dewan Penguji Skripsi

Fakultas Ekonomi dan Bisnis Islam Institut Agama Islam Negeri (IAIN) Salatiga,

pada tanggal 18 September 2019 dan telah dinyatakan memenuhi syarat guna

memperoleh gelar sarjana S1 Ekonomi

Susunan Panitia Penguji

Ketua Penguji : Dr. Abdul Aziz NP, M.M.

Sekretaris Penguji : Imanda Firmantyas Putri P, M.Si.

Penguji I : Arna Asna Anisa, M.Si.

Penguji II : Yusvita Nena Arinta, M.Si.













vi

PERNYATAAN KEASLIAN TULISAN







vii

PERNYATAAN BEBAS PLAGIAT

viii

MOTTO DAN PERSEMBAHAN

“Janganlah kamu berduka cita,

sesungguhnya Allah selalu bersama kita”

(QS At-Taubah:40)

“Sesungguhnya pada pergantian malam dan siang

dan apa yang diciptakan Allah di langit dan di bumi,

pasti terdapat tanda-tanda (kebesaran-Nya)

bagi orang-orang yang bertakwa.”

(QS Yunus:6)

MOTTO

YOU CAN DO IT!

If you can’t do, remember the first sentence.

(Shinta, April 2019)

ix

PERSEMBAHAN

Kepada kedua orang tuaku yang tercinta,

para dosenku, saudara dan saudariku, kawan-kawanku, sahabat-sahabatiku,

dan tersayangku yang selalu memberikan kasih untukku,

terima kasih, berbahagialah hingga akhir hayat.

x

KATA PENGANTAR

Bismillahirrohmanirrohim

Alhamdulillahirobbil „alamin. Segala Puji Syukur bagi Allah SWT yang

telah melimpahkan rahmat, hidayah, kemudahan serta pertolongan-Nya kepada

penulis sehingga dapat menyelesaikan penulisan skripsi ini dengan lancar. Tak

lupa shalawat serta salam penulis haturkan kepada nabi dan rasul kita,

Muhammad SAW yang telah memandu umatnya kepada jalan yang dirahmati

Allah hingga akhir nanti. Akhirnya skripsi penulis dengan judul “Analisis

Pengaruh Prediksi Kebangkrutan dan Residual Income terhadap Harga Saham

Perusahaan yang Terdaftar dalam ISSI” dapat selesai dengan baik kiranya karena

kemudahan yang diberikan Allah SWT.

Skripsi ini ditulis guna memenuhi salah satu syarat lulus Strata Satu (S-1)

Konsentrasi Keuangan Program Studi Perbankan Syariah Fakultas Ekonomi dan

Bisnis Islam IAIN Salatiga.

Tak lupa penulis ucapkan terima kasih kepada pihak-pihak yang telah

memberikan dukungan, kritik dan saran dalam menyusun skripsi ini, di antaranya:

1. Prof. Dr. Zakiyuddin, M.Ag. selaku Rektor IAIN Salatiga.

2. Dr. Anton Bawono, S.E., M.Si, Dekan Fakultas Ekonomi dan Bisnis Islam

IAIN Salatiga.

3. Ari Setiawan, M.M, selaku Ketua Program Studi Perbankan Syariah S1

IAIN Salatiga.

4. Imanda Firmantyas Putri Pertiwi, M.Si., selaku Dosen Pembimbing

xi

Skripsi yang telah memberikan bimbingan, arahan, motivasi, semangat

dan waktunya kepada penulis selama proses penulisan skripsi ini.

5. Kepada seluruh dosen dan sivitas akademik Fakultas Ekonomi dan Bisnis

Islam IAIN Salatiga yang dengan sabar memberikan ilmu, pengalaman,

arahan, serta waktunya kepada penulis sehingga skripsi dapat dengan

lancar terselesaikan.

6. Untuk kedua orang tua yang saya cinta, mama Supratmi Anisa dan ayah

Sentot Nofriyanto yang tidak pernah berhenti memanjatkan doa untuk

kesuksesan putra dan putrinya.

7. Untuk kakak laki-lakiku tersayang, Mahendra Adeatama Rahmadi dan

adikku tersayang, Nurita Wahyu Avridiana yang selalu memberikan

dukungan dan mengingatkan untuk segera menyelesaikan penulisan

skripsi ini.

8. Tak lupa juga terimakasih kepada seluruh keluarga besar dari pihak ayah

maupun ibu yang sudah memberikan semangat, motivasi, serta doa agar

terselesaikannya penulisan ini dengan baik.

9. Kepada rekan kerja satu ruangan selama tiga bulan, yaitu kepada bapak

Adi, bapak Sakti, bapak Ryan, bapak Rizal, dan Adinda. Terimakasih

sudah menjadi teman dan turut memberikan kontribusi berupa semangat

dan hiburan selama penulisan skripsi ini berlangsung.

10. Kepada yang tersayang, bang Ayas yang selalu ada waktu untuk

mendengarkan keluh kesah, memberikan motivasi serta suaranya yang

selalu menjadi teman ketika proses penulisan skripsi.

xii

11. Sahabat-sahabat baik penulis yang sama-sama berjuang demi masa depan

yang lebih baik, penulis ucapkan terimakasih banyak utamanya kepada

Esa, Nurul, Uli, Ida, mas asdos makul Dasar-dasar Pemasaran dan Reni

yang sangat sabar dalam memberikan arahan demi selesainya penulisan

ini.

12. Serta seluruh pihak-pihak yang terlibat dalam penyusunan skripsi ini, yang

namanya tidak dapat penulis sebutkan satu per satu.

Penulis hanyalah manusia biasa, apabila banyak kesalahan dalam

penulisan, penulis ucapkan mohon maaf yang sebesar-besarnya. Segala bentuk

kritik dan saran sangat penulis harapkan demi perbaikan skripsi ini. Semoga

skripsi penulis dapat memberikan manfaat kepada seluruh pihak yang dituju

dalam skripsi ini.

Salatiga, 19 September 2019

(Shinta Disky Azzharah)

xiii

ABSTRAK

Azzharah, Shinta Disky. 2019. Analisis Pengaruh Prediksi Kebangkrutan dan

Residual Income terhadap Harga Saham Perusahaan yang Terdaftar

dalam ISSI. Fakultas Ekonomi dan Bisnis Islam. Program Studi S-1

Perbankan Syariah IAIN Salatiga. Pembimbing: Imanda Firmantyas, M.Si.

Penelitian dengan menggunakan model analisis regresi data panel ini memiliki

tujuan untuk mengetahui prediksi kebangkrutan dengan model Altman Z-Score

dan residual income memberikan pengaruh terhadap harga saham perusahaan-

perusahaan yang terdaftar dalam Indeks Saham Syariah Indonesia (ISSI) pada

periode 2014 sampai dengan 2018. Penelitian ini merupakan penelitian kuantitatif

dengan menggunakan data sekunder berupa laporan keuangan tahunan yang

diterbitkan perusahaan, dengan pengambilan sampel menggunakan purposive

sampling sehingga didapatkan sampel sebanyak 23 perusahaan manufaktur yang

bergerak pada sektor aneka industri. Hasil penelitian ini menerangkan bahwa

prediksi kebangkrutan dan residual income sama-sama mempengaruhi harga

saham. Hasil analisis mengatakan bahwa prediksi kebangkrutan menggunakan

model Altman Z-Score menunjukkan pengaruh yang negatif signifikan terhadap

harga saham, pun dengan residual income juga berpengaruh negatif signifikan

terhadap harga saham.

Kata Kunci: Prediksi Kebangkrutan, Residual Income, dan Harga Saham.

xiv

DAFTAR ISI

JUDUL ................................................................................................................................. i

PERSETUJUAN PEMBIMBING...................................................................................... iv

PENGESAHAN .................................................................................................................. v

PERNYATAAN KEASLIAN TULISAN ......................... Error! Bookmark not defined.

PERNYATAAN BEBAS PLAGIAT................................. Error! Bookmark not defined.

MOTTO DAN PERSEMBAHAN ................................................................................... viii

KATA PENGANTAR ........................................................................................................ x

DAFTAR ISI .................................................................................................................... xiv

DAFTAR TABEL ............................................................................................................ xvi

DAFTAR GAMBAR ...................................................................................................... xvii

DAFTAR LAMPIRAN .................................................................................................. xviii

BAB I .................................................................................................................................. 1

PENDAHULUAN .............................................................................................................. 1

A. Latar Belakang Masalah.......................................................................................... 1

B. Rumusan Masalah ................................................................................................... 6

C. Tujuan Penelitian .................................................................................................... 6

D. Kegunaan Penelitian ............................................................................................... 7

E. Sistematika Penulisan ............................................................................................. 8

BAB II ............................................................................................................................... 10

LANDASAN TEORI ........................................................................................................ 10

A. Telaah Pustaka ...................................................................................................... 10

1. Signaling Theory ............................................................................................... 10

2. Prediksi Kebangkrutan ...................................................................................... 11

3. Residual Income (RI) ........................................................................................ 19

4. Harga Saham ..................................................................................................... 23

5. Indeks Saham Syariah Indonesia ...................................................................... 29

B. Kajian Penelitian Terdahulu.................................................................................. 31

C. Kerangka Penelitian .............................................................................................. 34

D. Hipotesis ............................................................................................................... 34

BAB III ............................................................................................................................. 37

METODOLOGI PENELITIAN ........................................................................................ 37

xv

A. Jenis Penelitian ...................................................................................................... 37

B. Lokasi dan Waktu Penelitian ................................................................................ 37

C. Populasi dan Sampel ............................................................................................. 38

D. Teknik Pengumpulan Data .................................................................................... 40

E. Definisi Konsep dan Operasional ......................................................................... 40

F. Metode Analisis .................................................................................................... 46

1. Uji Stasioneritas ................................................................................................ 46

2. Regresi Data Panel ............................................................................................ 47

3. Uji Signifikansi ................................................................................................. 48

4. Uji Asumsi Klasik ............................................................................................. 49

5. Uji Ketepatan Model ......................................................................................... 50

6. Pembahasan Hasil Penelitian ............................................................................ 52

G. Alat Analisis .......................................................................................................... 52

BAB IV ............................................................................................................................. 53

ANALISIS DATA ............................................................................................................ 53

A. Deskripsi Objek Penelitian.................................................................................... 53

B. Analisis Data ......................................................................................................... 54

1. Analisis Altman Z-Score ................................................................................... 54

2. Hasil Penghitungan Residual Income ............................................................... 56

3. Uji Stasioneritas ................................................................................................ 58

4. Regresi Data Panel ............................................................................................ 58

5. Uji Asumsi Klasik ............................................................................................. 59

6. Uji Ketepatan Model ......................................................................................... 63

C. Pembahasan Hasil Penelitian ................................................................................ 64

BAB V .............................................................................................................................. 68

KESIMPULAN DAN SARAN ......................................................................................... 68

A. Kesimpulan ........................................................................................................... 68

B. Keterbatasan Penelitian ......................................................................................... 68

C. Saran ..................................................................................................................... 69

DAFTAR PUSTAKA ....................................................................................................... 71

LAMPIRAN ...................................................................................................................... 74

DAFTAR RIWAYAT HIDUP........................................................................................ 110

xvi

DAFTAR TABEL

Tabel 2.1. Ringkasan Penelitian Terdahulu ...................................................................... 31

Tabel 4.1. Hasil Uji Statistik Deskriptif Variabel Independen dan Variabel Dependen ... 54

Tabel 4.2. Hasil Analisis Altman Z-Score p Perusahaan Manufaktur Sektor Aneka

Industri tahun 2014-2018 .................................................................................................. 55

Tabel 4.3. Hasil Penghitungan Residual Income Perusahaan Manufaktur Sektor Aneka

Industri tahun 2014-2018 .................................................................................................. 56

Tabel 4.4. Hasil Uji Akar Unit .......................................................................................... 58

Tabel 4.5. Hasil Uji Chow Test......................................................................................... 59

Tabel 4.6. Hasil Uji Jarque Bera ...................................................................................... 59

Tabel 4.7. Hasil Uji Auxiliary Regresi ............................................................................. 60

Tabel 4.8. Hasil Uji White ................................................................................................ 61

Tabel 4.9. Hasil.Uji Koefisien Determinasi ...................................................................... 63

Tabel 4.10. Hasil Uji Statistik F ........................................................................................ 63

xvii

DAFTAR GAMBAR

Gambar 2.1. Kerangka Penelitian ..................................................................................... 34

Gambar 4.1. Grafik Durbin-Watson ................................................................................. 62

xviii

DAFTAR LAMPIRAN

Lampiran 1. Sampel Penelitian Perusahaan Manufaktur yang Terdaftar dalam ISSI ....... 75

Lampiran 2. Sampel Penelitian Perusahaan Manufaktur sektor Misc-Ind (Aneka Industri)

yang terdaftar dalam ISSI ................................................................................................. 77

Lampiran 3. Sampel Penelitian Perusahaan Manufaktur sektor Misc-Ind (Aneka Industri)

yang memiliki Kelengkapan Laporan Keuangan .............................................................. 78

Lampiran 4. Ringkasan Laporan Keuangan Masing-masing Perusahaan Tahun 2014

(dalam milyar) ................................................................................................................... 79


(dalam milyar) ................................................................................................................... 81


(dalam milyar) ................................................................................................................... 83


(dalam milyar) ................................................................................................................... 85


(dalam milyar) ................................................................................................................... 87

Lampiran 9. Ikhtisar Perhitungan Z-Score Masing-masing Perusahaan tahun 2014 ........ 89

Lampiran 10. Ikhtisar Perhitungan Z-Score Masing-masing Perusahaan tahun 2015 ...... 90




Lampiran 14. Hasil Penghitungan Residual Income tahun 2014-2018 ............................. 94

Lampiran 15. Tabel Daftar Harga Saham Penutupan (dalam rupiah) ............................... 97

Lampiran 16. Deskripsi Objek Penelitian ......................................................................... 98

Lampiran 17. Uji Stasioneritas Prediksi Kebangkrutan .................................................... 99

Lampiran 18. Uji Stasioneritas Residual Income ............................................................ 100

Lampiran 19. Uji Stasioneritas Harga Saham ................................................................. 101

Lampiran 20. Common Effect Model .............................................................................. 102

Lampiran 21. Fixed Effect Model ................................................................................... 102

Lampiran 22. Random Effect Model ............................................................................... 103

Lampiran 23. Uji Chow .................................................................................................. 104

Lampiran 24. Uji Normalitas .......................................................................................... 105

Lampiran 25. Uji Multikolinearitas ................................................................................ 107

Lampiran 26. Uji Heteroskedastisitas ............................................................................. 108

Lampiran 27. Lampiran Plagiasi ..................................................................................... 108

Lampiran 28. Pernyataan Publikasi ................................................................................ 109

1

BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Investasi adalah komitmen atas sejumlah dana atau sumber dana

lainnya yang dilakukan pada saat ini dengan tujuan memperoleh sejumlah

keuntungan di masa yang akan datang. Istilah investasi bisa berkaitan dengan

berbagai macam aktivitas. Menginvestasikan sejumlah dana pada real asset

(tanah, emas, mesin, atau bangunan) maupun asset financial (deposito,

saham, ataupun obligasi) adalah merupakan investasi yang umum dilakukan

(Yudiana, 2012).

Berinvestasi dalam bentuk saham akhir-akhir ini makin digandrungi

masyarakat Indonesia. Data Kustodian Sentral Efek Indonesia atau disingkat

KSEI juga memperlihatkan, anak muda dengan usia 21 tahun sampai 31

tahun mendominasi jumlah investor di pasar saham saat ini yakni sebesar

34,08%. Menurut Sani, Soewito, & Bagus (2011), saham merupakan salah

satu jenis investasi yang menjanjikan keuntungan tinggi kepada investor

karena bersifat high risk-high return. Namun harga saham juga memiliki sifat

yang fluktuatif, yaitu mudah berubah, sehingga dalam berinvestasi para

investor perlu mengetahui faktor yang mempengaruhi harga saham.

Berbicara saham, tentu juga membicarakan return-nya. High Risk

High Return, risk dan return merupakan kondisi yang dialami oleh

perusahaan, institusi dan individu atau keputusan investasi yang telah dibuat

2

baik berupa kerugian maupun keuntungan, dalam suatu periode

akuntansi.Dalam dunia investasi dikenal adanya hubungan kuat antara risk

dan return. Keduanya memiliki hubungan yang bersifat linier atau searah

(Fahmi, 2015).

Harga saham yang berubah-ubah menimbulkan risiko. Harga yang

terlalu rendah dapat membuat nilai perusahaan juga rendah. Berbeda jika

harga saham tinggi maka nilai perusahaan juga tinggi. Nilai perusahaan yang

tinggi akan membuat pasar percaya tidak hanya pada kinerja perusahaan saat

ini namun pada prospek perusahaan di masa yang akan datang. Semakin

tinggi harga saham, maka akan semakin tinggi pula kemakmuran pemegang

saham (Sambora, Handayani, & Rahayu, 2014). Dari situ dapat pula dilihat

risiko kebangkrutan yang mungkin saja bisa terjadi. Potensi kebangkrutan

dapat dianalisis dengan cara memprediski kebangkrutan, yaitu menghitung

rasio-rasio keuangan menggunakan rumus dari model Altman Z-Score.

Harga saham sendiri dipengaruhi oleh faktor eksternal dan internal

perusahaan. Faktor eksternalnya yaitu yang berkaitan langsung dengan

kondisi perusahaan tetapi dari faktor luar perusahaan seperti tingkat suku

bunga, tingkat inflasi, kurs valuta asing dan sebagainya. Sedangkan faktor

internal merupakan faktor yang berkaitan langsung dengan kinerja atau

kondisi perusahaan yang dapat dilihat dari laporan keuangan operasional

perusahaan. Dengan informasi-informasi tersebut maka dapat dilihat

pergerakan harga saham serta untuk menentukan pemegang saham dalam

3

memutuskan apakah akan menjual atau membeli saham (Agustina &

Sumartio, 2014).

Selain dengan nilai perusahaan, memprediksi harga saham dapat pula

dengan menggunakan kinerja perusahaan. Kinerja perusahaan digunakan

dalam mencari Residual Income Model. Model ini merupakan salah satu

metode yang dapat digunakan untuk mengukur kinerja keuangan perusahaan.

Mengukur kinerja keuangan ini penting karena kinerja keuangan yang baik

menjadi patokan calon investor untuk berinvestasi di suatu perusahaan (Sani

et al., 2011). Residual Income sendiri didapat dari mengurangi laba bersih

perusahaan dengan pembebanan atas investasi.

Penelitian dari Higgins (2011) mengatakan Residual Income Model

(RIM) telah diterima secara luas sebagai kerangka kerja teoritis untuk

penilaian ekuitas berdasarkan informasi fundamental dari data akuntansi.

Aplikasi RIM sukses berkontribusi dalam perspektif fundamental terhadap

keputusan penentuan harga, mengukur pendapatan abnormal sebagai

perbedaan antara perkiraan analisis dan biaya modal. Sedangkan Model

residual income yang diteliti oleh Sani et al. (2011) mengatakan secara

parsial residual income berpengaruh tidak signifikan dan memiliki arah

hubungan yang negatif terhadap harga saham, hal ini menunjukkan bahwa

residual income masih kurang relevan dalam memprediksi harga saham.

Perusahaan yang telah menilai kinerja perusahaannya dengan

menggunakan model Residual Income juga perlu mempertahankan opini

going concern atau kelangsungan hidup dari perusahaannya. Dengan adanya

4

going concern maka suatu badan usaha dianggap akan mampu

mempertahankan kegiatan usahanya dalam jangka waktu panjang, tidak akan

dilikuidasi dalam jangka waktu pendek. Untuk mempertahankan asumsi

kelangsungan hidup suatu badan usaha perlu dilakukan salah satunya dengan

memprediksi potensi kebangkrutan, diungkapkan oleh Wibisono (2013). Hal

ini penting demi predikat penilaian yang baik bagi para calon investor.

Selain untuk mempertahankan asumsi kelangsungan hidup suatu

perusahaan, prediksi kebangkrutan juga bisa digunakan untuk memprediksi

harga saham suatu perusahaan. Salah satu model yang digunakan untuk

memprediksi kebangkrutan adalah menggunakan Altman Z-Score, ini karena

tingkat keakurasian dari model ini yang paling tinggi dibanding model yang

lain, yaitu model Springate dan model Zmijewski (Juliana, 2012).

Pemilihan model Altman Z-Score untuk mengetahui potensi

kebangkrutan dikarenakan model ini menjadi model yang memiliki tingkat

keakurasian mencapai 100%. Model Altman Z-Score menganalisa seluruh

aspek rasio di dalam laporan keuangan, seperti rasio aktivitas, rasio likuiditas,

rasio profitabilitas, dan rasio solvabilitas sehingga membuat metode prediksi

kebangkrutan menjadi model yang paling efektif dibanding model lain

(Savitri, 2012).

Sejalan dengan yang dikatakan Juliana (2012) dalam penelitiannya,

yaitu bahwa model yang memprediksi kebangkrutan paling baik adalah

model Altman Z-Score, karena prediksi kebangkrutannya paling tinggi yakni

sebanyak 15 perusahaan mulai dari tahun 2009-2011, kemudian disusul

5

model Springate sebanyak 7 perusahaan, sedangkan untuk model Zmijewski

tidak menemukan perusahaan yang diprediksi bangkrut atau semua

perusahaan yang diprediksi dalam keadaan sehat. Tingginya jumlah

perusahaan yang diprediksi bangkrut berdasarkan model Altman Z-Score

dikarenakan Altman lebih menerapkan prinsip kehati-hatian daripada kedua

model prediksi yang lain sehingga hasil analisis yang diperoleh pada Altman

Z-Score cenderung selalu menuju kebangkrutan perusahaan.

Penelitian Jainur, Ruwanti, & Iranita (2016) mengatakan hasil

penelitian secara parsial menunjukkan bahwa variabel Altman Z-Score

berpengaruh signifikan terhadap harga saham dengan koefisien determinan

(adjusted R square) sebesar 0.530. Hal ini menunjukkan bahwa 53% variabel

harga saham dapat dijelaskan oleh variabel Altman Z-Score. Serta terdapat

perbedaan harga saham antara perusahaan sehat dan tidak sehat. Hal tersebut

berbanding terbalik dengan yang dikatakan oleh Ardian & Khoiruddin (2014)

bahwasanya hasil analisis regresi sederhana menunjukkan nilai Z-Score tidak

berpengaruh terhadap harga saham.

Pada penelitian ini penulis ingin meneliti potensi kebangkrutan dan

residual income dari perusahaan-perusahaan yang tergabung dalam ISSI.

Pemilihan saham yang masuk ke dalam ISSI karena ISSI merupakan indeks

saham syariah keseluruhan di Bursa Efek Indonesia, sedangkan bila diambil

sampel penelitian dari JII, ini merupakan sampel untuk saham perusahaan

likuid yang dipastikan memiliki rata-rata nilai transaksi harian di pasar

6

regular tertinggi ini berarti kinerja perusahaan mereka baik sehingga prediksi

kebangkrutan yang didapat akan di level sehat (www.idx.co.id).

Berdasarkan penjelasan di atas penulis ingin mengetahui apakah

penghitungan penghitungan Model Residual Income dan prediksi

kebangkrutan menggunakan model Altman Z-Score dapat mempengaruhi

harga dari saham perusahaan yang terdaftar dalam Indeks Saham Syariah

Indonesia. Karena pentingnya harga saham untuk menarik minat para calon

investor, peneliti tertarik untuk mengambil judul “Analisis Pengaruh Prediksi

Kebangkrutan dan Residual Income Terhadap Harga Saham Perusahaan yang

Terdaftar dalam ISSI”.

B. Rumusan Masalah

Berdasarkan latar belakang masalah di atas dapat ditarik rumusan

masalahnya, yaitu:

1. Apakah prediksi kebangkrutan berpengaruh positif terhadap harga

saham perusahaan yang terdaftar dalam ISSI?

2. Apakah residual income berpengaruh positif terhadap harga saham

perusahaan yang terdaftar dalam ISSI?

C. Tujuan Penelitian

Tujuan dari penulisan skripsi ini adalah:

1. Untuk menguji dan menganalisa pengaruh prediksi kebangkrutan

terhadap harga saham perusahaan yang terdaftar dalam ISSI.

2. Untuk menguji dan menganalisa pengaruh residual income terhadap

harga saham perusahaan yang terdaftar dalam ISSI.

http://www.idx.co.id/

7

D. Kegunaan Penelitian

Manfaat dan kegunaan dari penelitian ini adalah:

1. Manfaat teoritis

a. Bagi peneliti, penelitian ini diharapkan mampu memperdalam ilmu

yang didapatkan selama pendidikan untuk kemudian

diimplementasikan dalam kehidupan yang nyata.

b. Bagi pembaca dan peneliti lain, penelitian ini diharapkan dapat

memberikan informasi tambahan tentang analisis kebangkrutan,

Residual Income, dan harga dari saham-saham perusahaan yang

terdaftar dalam ISSI. Bagi peneliti lain dapat dijadikan sebagai

referensi untuk melakukaan penelitian yang lebih kompleks di

masa mendatang.

c. Bagi Institut Agama Islam Negeri Salatiga, bisa dijadikan referensi

atau rujukan untuk rekan-rekan yang akan melakukan penelitian di

masa mendatang.

2. Manfaat praktis

a. Bagi pihak manajemen perusahaan, penelitian ini diharapkan

mampu memberikan informasi kepada pihak perusahaan yang

terdaftar dalam Indeks Saham Syariah Indonesia (ISSI) dalam

menentukan kebijakan harga saham perusahaan di masa

mendatang.

8

E. Sistematika Penulisan

Sistematika penulisan skripsi dengan judul “Analisis Pengaruh

Prediksi Kebangkrutan dan Residual Income Terhadap Harga Saham

Perusahaan yang Terdaftar dalam ISSI” ini dibahas ke dalam lima bab, yaitu:

BAB I PENDAHULUAN

Bab ini membahas tentang latar belakang masalah, rumusan masalah,

tujuan penelitian, kegunaan dan manfaat penelitian, serta sistematika

penulisan.

BAB II LANDASAN TEORI

Bab kedua ini membahas tentang pengertian-pengertian dari

kebangkrutan dan model untuk memprediksi kebangkrutan, Residual Income,

harga saham serta pemahaman mengenai Indeks Saham Syariah Indonesia.

BAB III METODOLOGI PENELITIAN

Pada bab ini membahas mengenai metode penelitian yang digunakan

dalam penelitian, meliputi: jenis penelitian, populasi dan sampel, teknik

pengumpulan data, definisi konsep dan operasional, metode analisis data dan

alat analisis yang digunakan.

BAB IV ANALISIS DATA

Bab ini berisikan deskripsi objek penelitian dan hasil analisis data dari

penelitian yang menggunakan uji regresi data panel untuk mengetahui

pengaruh variabel independen terhadap variabel dependen beserta dengan

pembahasannya.

9

BAB V PENUTUP

Bab terakhir ini berisi tentang kesimpulan dari semua pembahasan

yang sudah dipaparkan pada bab sebelumnya. Juga terdapat keterbatasan dan

saran dari penulis untuk perbaikan kedepannya.

10

BAB II

LANDASAN TEORI

A. Telaah Pustaka

1. Signaling Theory

Signaling Theory adalah teori yang menjelaskan perihal sinyal-

sinyal dari suatu perusahaan. Pada penelitian Budagaga (2017)

mengatakan, inti dari teori persinyalan ialah bahwa manajemen

perusahaan memiliki pengetahuan yang bersifat pribadi perihal situasi

sekarang dan situasi di masa yang akan datang dari perusahaan mereka

daripada yang diketahui oleh pihak luar, sehingga terjadilah asimetris

informasi.

Seperti yang dikatakan oleh John dan Williams (1985) dalam

penelitian Budagaga (2017) yaitu pihak luar mendapat informasi berupa

dividen dari manajer perusahaan yang berguna untuk mengetahui

tingkat laba dan pertumbuhan perusahaan di masa depan. Dalam

penelitian ini, teori sinyal diperlukan untuk memberikan sinyal-sinyal

berupa prediksi kebangkrutan yang mana merupakan bentuk antisipasi

sebuah perusahaan, selain itu terdapat residual income yang digunakan

untuk memberikan sinyal tambahan untuk para calon investor berupa

laba residu, adalah laba usaha (operating income) yang mampu

dihasilkan sebuah pusat investasi di atas penghasilan (return) minimum

aset-setnya, dikutip dari portal investasi.com. Sinyal-sinyal pada kedua

11

variabel tersebut, sangat diperlukan dalam penelitian ini untuk

mempengaruhi harga saham.

Menurut Connelly, Certo, Ireland, dan Reutzel (2011), teori

persinyalan adalah teori yang digunakan untuk menggambarkan

perilaku ketika dua pihak (individu dan organisasi) mendapatkan akses

informasi yang berbeda. Dalam hal ini pihak pengirim akan memiliki

cara bagaimana ia mengirimkan informasi sedangkan pihak penerima

harus memiliki cara juga untuk menginterpretasikan sinyal yang ada.

Maka dari itu teori ini memegang posisi penting dalam berbagai

literatur manajemen.

Sedangkan Rustini (2010) dalam A Ananta, Komand, dan Diota

(2014) mengatakan, teori sinyal adalah teori yang membahas perihal

tindakan perusahaan dalam mengeluarkan sinyal atau informasi

keuangan kepada pihak luar karena adanya asimetris informasi pada

keduanya. Hal yang sama pula dijelaskan, bahwa untuk mengatasi

ketimpangan informasi, perusahaan akan mengeluarkan sinyal-sinyal

atau informasi berupa laporan keuangan yang dipublikasikan tahunan,

triwulan, atau bulanan sehingga dapat dipantau oleh para calon investor.

2. Prediksi Kebangkrutan

Kebangkrutan menurut Edward (2013) adalah suatu kondisi di

mana perusahaan sedang dalam keadaan yang buruk dalam

menjalankan operasionalnya, menyebabkan keuangan perusahaan

menjadi sulit. Hal tersebut bisa disebut dengan financial distress, yaitu

12

ketika suatu perusahaan mengalami kesulitan keuangan dan ancaman

kebangkrutan bagi perusahaan.

Sedangkan menurut penelitian yang dilakukan oleh Anita Tri

Widiyawati (2015) kebangkrutan adalah ketidakmampuan perusahaan

untuk memenuhi kebutuhan jangka pendek ataupun jangka panjang

karena buruknya kondisi keuangan dari perusahaan tersebut. Laba

perusahaan yang dihasilkan tidak lagi mampu menutup semua biaya

operasional serta beban-beban dari perusahaan sehingga terancam

mengalami kebangkrutan.

Untuk mengantisipasi terjadinya kebangkrutan dapat dilakukan

dengan menghitung kinerja keuangan perusahaan menggunakan model-

model prediksi kebangkrutan. Ada beberapa model yang dapat

digunakan untuk memprediksi potensi kebangkrutan suatu perusahaan,

yaitu dengan menggunakan model Grover, model Altman Z-Score,

model Zmijewski, model Springate, model Datastream, model Fulmer,

CA-Score, Model Neural Network, Model TR (Trait Recognition).

a. Model Grover

Model Grover ditemukan oleh Jeffrey S Grover. Grover

menciptakan model ini dengan melakukan pendesainan serta

penilaian ulang dari model Altman Z-Score. Berikut adalah fungsi

Grover:

G-Score = 1,650X + 3,403X + 0,016ROA + 0,057

13

Keterangan:

X1 = Working capital/ Total assets

X2 = Earnings before interest and taxes/ Total Assets

ROA = net income/ total assets

Cut off point:

Z ≤ -0,02 = bangkrut

Z ≥ 0,01 = tidak mengalami kebangkrutan

(Oktaviandri, Firli, & Iradianty, 2015).

b. Model Altman Z-Score

Model ini menggunakan analisis diskriminan yang

mengklasifikasikan penelitian menjadi satu dari beberapa grup

berdasarkan karakteristik individual penelitian. Model Altman

menggunakan rasio-rasio keuangan, yaitu rasio likuiditas, rasio

solvabilitas, rasio aktivitas, dan rasio profitabilitas untuk dianalisa.

Altman kemudian merumuskan model perhitungannya sebagai

berikut Oktaviandri et al. (2015):

Z-Score = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5

Keterangan:

Z = Bancrupty Index

X1 = Working Capital to Total Assets (Modal Kerja/Total Aset)

X2 = Retained Earning to Total Assets (Laba Ditahan/Total Aset)

X3 = Earnings Before Interest and Taxes (EBIT) to Total Assets

(Pendapatan Sebelum Bunga dan Pajak/Total Aset)

14

X4 = Market Value of Equity to Book Value of Total Liabilities

(Harga Pasar Saham di Bursa/Nilai Total Utang)

X5 = Sales to Total Assets (Penjualan/Total Aset)

Cut off point:

- Z < 1,80 = bangkrut,

- 1,8 < Z < 2,99 = grey area atau area abu-abu,

- Z > 2,99 = daerah untuk perusahaan yang sehat.

c. Model Zmijewski

Model prediksi kebangkrutan yang dikembangkan oleh Zmijewski

pada tahun 1983 adalah hasil risetnya selama 20 tahun yang

ditelaah ulang hingga menghasilkan rumus sebagai berikut:

X= -4,3 – 4,5X1 + 5,7X2 – 0,004X3

Dimana:

X1 = ROA (Return on Asset)

X2 = Leverage (Debt Ratio)

X3 = Likuiditas (Current Ratio)

(Prihantini & Sari, 2013)

d. Model Springate

Model Springate adalah hasil penelitian dari Gordon L.V Springate

pada tahun 1978, model prediksi kebangkrutan ini berpedoman

pada model Altman. Model Springate menggunakan empat rasio

keuangan yang dipilih dari 19 rasio-rasio keuangan dengan

rumusnya sebagai berikut:

15

Z = 1,03A + 3,07B + 0,66C + 0,4D

Dimana:

A = Working Capital/ Total Assets

B = Net Profit before Interest and Taxes/ Total Asset

C = Net Profit before Taxes/ Current Liabilites

D = Sales/ Total Asset

(Prihantini & Sari, 2013)

e. Model Datastream

Model ini dibuat berdasarkan penelitian dengan sampel dari 100

perusahaan di UK, terdiri dari 50 perusahaan gagal dan 50

perusahaan tidak gagal. Informasi mengenai model ini sangat

sedikit sehingga tidak diketahui rumus fungsi untuk menghitung,

namun diketahui model ini terdiri dari 4 variabel yang msing-

masing mengukur aspek yang berbeda dari kinerja perusahaan.

Variabel tersebut antara lain:

X1 = measures profitability

X2 = measures liquidity

X3 = measures gearing

X4 = measures stock turnover

(Gamayuni & Rika, 2011)

f. Model Fulmer

Untuk mengevaluasi dan menilai tingkat kebangkrutan dari sampel

60 perusahaan yang terdiri dari 30 perusahaan gagal dan 30

16

perusahaan sukses, Fulmer menggunakan step-wise multiple

discriminate analysis. Dengan rata-rata nilai aktiva perusahaan

sebesar $455.000, rumusnya adalah:

H = 5,528(V1) + 0,212(V2) + 0,073(V3) + 1,270 (V4) – 0,120(V5)

+ 2,335(V6) + 0,575(V7) + 1,083(V8) + 0,894(V9) – 6,075

H < 0, perusahaan diklasifikasikan “gagal”

V1 = Retained Earning/Total Assets

V2 = Sales/Total Assets

V3 = EBT/Equity

V4 = Cash Flow/Total Debt

V5 = Debt/Total Assets

V6 = Current Liabilities/Total Assets

V7 = Log Tangible Total Assets

V8 = Working Capital/Total Debt

V9 = Log EBIT/Interest

Model ini menghasilkan tingkat keakurasian sebesar 98% dalam

mengklasifikasikan perusahaan satu tahun sebelum kebangkrutan

dan tingkat keakurasian 81% untuk yang di atas satu tahun sebelum

kebangkrutan, oleh (Gamayuni & Rika, 2011).

g. Model CA-Score

Model ini direkomendasikan oleh Ordre des compatables agrees

des Quebec (Quebec CA‟s). Dan telah digunakan oleh 1000 CA’s

di Quebec. Model di bawah pengawasan Jean Legault of the

17

University of Quebec at Montreal ini dibangun menggunakan step-

wise multiple discriminate analysis, menguji 30 rasio keuangan,

dengan sampel sebanyak 173 perusahaan manufaktur di Quebec

yang memiliki annual sales berkisar antara $1-$20 juta. Bentuk

model ini sebagai berikut:

CA-Store = 4.5913 (*shareholders‟ investments (1)/total assets (1))

+ 4.5080 (earnings before taxes extraordinary items + financial

expenses (1)/ total assets(1)) + 0.3936 (sales(2)) – 2.7616.

CA-Score < -0,3 = perusahaan diklasifikasikan gagal.

1) Diperoleh dari satu tahun sebelum

2) Diperoleh dari dua tahun sebelum

Menurut Bilanas (1987) dalam Gamayuni & Rika (2011), model

ini memiliki rata-rata tingkat reabilitas 83% dan terbatas hanya

untuk mengevaluasi perusahaan manufaktur.

h. Model Neural Network

Model Neural Network diteliti oleh Hseish pada tahun 2006

dengan menggabungkannya dengan model MDA untuk

memprediksi kebangkrutan. Model MDA sendiri dipakai dengan

cara memformulasikan rasio keuangan sebagai input variabel.

Hasil dari penggabungan ini menghasilkan keakurasian tingkat

kebangkrutan yang lebih tinggi dibandingkan dengan model-model

yang lain.

18

Sedangkan penelitian terdahulu yang dilakukan oleh Thomaidis

(1998) menggunakan neural network model kemudian

dikombinasikan dengan fuzzy system. Fuzzy system adalah suatu

metode prediksi kebangkrutan yang menggunakan suatu paket

software matematikal. Hasil penelitian Thomaidis membuktikan

bahwa model ini memberikan hasil yang baik dalam memprediksi

kebangkrutan dibandingkan model konvensional lainnya.

Termasuk dengan model yang dipilih oleh peneltian ini yaitu

model Altman bersama dengan Marco dan Varetto (1994) dan

Yang, Platt dan Platt (1999) menggunakan model neural network

untuk membedakan perusahaan yang gagal dan tidak gagal

(Gamayuni, 2011).

i. Model TR (Trait Recognition)

Trait Recognition (TR) adalah suatu model pendekatan non-

parametik untuk mengidentifikasi bank-bank umum yang bangkrut

di Indonesia menggunakan data sebagai pembeda dengan

kelompok lain dengan proses komputerisasi (Gamayuni & Rika,

2011).

j. Model Olhson

Model prediksi kebangkrutan ini diteliti oleh Olhson tahun 1980,

penelitian ini terinspirasi dari penelitian sebelumnya. Yang

membedakan model ini dengan model prediksi kebangkrutan yang

lain adalah Olhson menggunakan 9 variabel yang terdiri atas

19

beberapa rasio keuangan. Olhson merumuskan model

perhitungannya sebagai berikut:

Y = -1,32 – 0,407X1 + 6,03X2 – 1,43X3 + 0,0757X4 – 2,37X5 –

1,83X6 + 0,285X7 – 1,72X8 – 0,521X9

Keterangan:

X1= SIZE (LOG total assets/GNP level index)

X2= Total liabilities/current 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 negatif; 0 jika net incomenya positif

X9= (NIt – Nit-1)/(Nit + Nit-1)

Cut off point:

- Y-Score > 0,38 = kebangkrutan dan

- Y-Score < 0,38 = tidak mengalami kebangkrutan.

(Oktaviandri et al., 2015)

3. Residual Income (RI)

Menurut Sani, Soewito, & Bagus (2011) residual income adalah

laba perusahaan dikurangi pembebanan atas investasi. Semakin besar

laba yang diperoleh perusahaan, maka nilai residual incomenya akan

semakin tinggi, sedangkan menurut Romadhani, Endang, & Sulasmiyati

20

(2016) residual income (RI) merupakan teknik analisis kinerja

keuangan yang berfokus pada perhitungan laba sisa sehingga akan

diketahui kinerja keuangan perusahaan dan juga nilai tambah

ekonomisnya.

Dalam penelitian Ahmad & Isroah (2015) residual income

merupakan sebuah indikator yanag memberikan informasi mengenai

pendapatan yang diperoleh perusahaan dengan melebihi modal yang

dipakai. Apabila hasil dari residual income adalah positif, maka

menunjukkan adanya selisih yang positif antara modal dengan

pendapatan yang diperoleh.

Analisis RI diperoleh dari perhitungan ROI dan biaya modal.

Dalam beberapa buku akuntansi manajemen dan manajemen keuangan,

RI sering disebut dengan Economic Value Added (EVA), EVA

mencerminkan residual income yang tersisa setelah semua biaya modal,

termasuk modal saham, telah dikurangkan, sedangkan laba akuntasi

dihitung tanpa mengurangkan biaya modal. EVA merupakan estimasi

laba ekonomi usaha yang sebenarnya untuk tahun tertentu dan berbeda

dari laba bersih akuntansi dimana laba akuntansi tidak dikurangi dengan

biaya ekuitas, sementara dalam perhitungan EVA biaya ini akan

dikeluarkan.

21

Adapun keunggulan dan kelemahan dari RI yaitu,

Keunggulan Residual Income:

a. Membuat semua pusat laba memiliki sasaran yang sama untuk

pusat investasi yang sebanding,

b. Dapat digunakan tarif beban modal yang berbeda untuk aktiva yang

memiliki risiko yang berbeda.

Kelemahan Residual Income:

a. Residual Income hanya mendorong manajer pusat laba untuk

berorientasi pada tujuan-tujuan jangka pendek, karena kinerjanya

dibatasi hanya untuk satu periode akuntansi saja.

b. Residual Income sangat dipengaruhi oleh metode depresiasi yang

digunakan perusahaan.

c. Karena hasil akhir RI adalah berupa angka absolut, bukan rasio

maka sulit untuk membandingkan RI dari satu pusat laba dengan RI

dari pusat laba lainnya yang memiliki jumlah investasi yang

berbeda (dikutip dari website https://www.e-akuntansi.com 20.50,

Senin 1 Juli 2019).

Pada penelitian yang dikemukakan oleh (Pradhono & Christiawan,

2004) residual income (RI) adalah model yang mengukur kinerja

keuangan perusahaan yang dikurangi dengan beban atas semua hutang

dan modalnya. Dengan rumus matematikanya, sebagai berikut:

RI = NOPAT – (k*capital)

https://www.e-akuntansi.com/

22

Keterangan:

RI = Residual Income

NOPAT = Net operating profit after tax

k = biaya modal

capital = aktiva yang diinvestasikan

Residual income yang positif menunjukkan kelebihan laba dari

yang dibutuhkan oleh kreditur dan pemilik modal, yang berarti

merupakan wealth bagi residual claimants, yaitu pemegang saham.

Sebaliknya, residual income yang negatif berarti penurunan wealth

pemegang saham.

Rumus penghitungan Residual Income yang akan digunakan dalam

penelitian imi adalah sebagai berikut:

RI = NOPAT – Biaya modal

= EBIT (1-t) – (WACC × Total aktiva)

Keterangan:

NOPAT = laba operasi setelah pajak

EBIT = laba sebelum bunga dan pajak

t = tingkat pajak

WACC = biaya modal rata-rata tertimbang

Merujuk dari penelitian (Romadhani et al., 2016) karena lebih

detail menjelaskan rumus penghitungannya.

23

4. Harga Saham

a. Pengertian

Secara umum saham merupakan surat berharga atau bukti

kepemilikan atas sebuah perusahaan, di dalamnya terdapat hak klaim

atas penghasilan dan keuntungan dari operasional perusahaan, hal

tersebut diungkapkan oleh A Ananta (2014). Harga saham yang

digunakan dalam penelitian ini adalah harga saham penutupan atau

closing price.

Pada Bursa Efek Indonesia terdapat beberapa bentuk dari

harga, ada harga pembukaan (pre opening), harga saham, dan harga

penutupan (closing price). Pada penlitian ini, penulis akan

mengambil harga penutupan sebagai variabel terikatnya. Menurut

KBBI harga saham penutupan ialah harga surat berharga yang

diperdagangkan pada akhir hari kerja perdagangan bursa.

Harga saham dapat dipengaruhi oleh berbagai macam faktor.

Menurut Husnan (2001) dalam buku karangan A Ananta (2014), ada

beberapa faktor yang sering menyebabkan berubah-ubahnya harga

saham, yaitu:

1) Adanya harapan investor terhadap tingkat keuntungan

dividen untuk masa yang akan datang, jika pendapatan atau

dividen suatu saham stabil.

24

2) Tingkat pendapatan perusahaan yang tercermin dari Earning

per Share (EPS), hal tersebut karena jika tingkat fluktuasi

EPS makin tinggi, makin tinggi pula harga pasarnya.

3) Kondisi perekonomian. Kondisi perekonomian masyarakat

saat ini berpedoman pada kondisi ekonomi pada masa lalu

dan saat ini. Apabila kondisinya stabil maka dapat dengan

mudah investor untuk menentukan keputusan berinvestasi.

Nyatanya perekonomian tidak selalu stabil.

Menurut Arthur (2011) dalam Soemitra (2014), nilai

perusahaan juga bisa dipandang sebagai disconted expected cash

flow dari aset yang ada. Disconted cash flow merupakan penilaian

kas yang terbaik, mengukur informasi yang lengkap mengenai aliran

kas yang disyaratkan aset yang ada. Sedangkan jangka waktu

penilaian biasanya ditujukan untuk jangka waktu yang panjang.

Untuk melakukan penilaian ini kita memerlukan dan harus

memahami dua laporan keuangan yaitu laporan neraca dan laporan

laba rugi.

Konsep valuation pada dasarnya merupakan proses

penentuan harga surat berharga atau aktiva (aset) modal yang ada di

suatu perusahaan. Dapat disimpulkan bahwa seberapa besar manfaat

suatu aset yang diharapkan dimasa yang akan datang merupakan

konsep pokok dari penilaian, oleh Arthur (2011) dalam Soemitra

(2014).

25

Harga pasar dari suatu aset adalah nilai yang teramati untuk

aktiva yang ada di pasaran. Nilai ini ditentukan oleh kekuatan

penawaran dan permintaan yang bekerja sama di pasaran, di mana

pembeli dan penjual menegosiasikan harga yang dapat diterima

untuk aktiva tersebut. Sebagai contoh, harga pasar untuk saham biasa

Ford Motor Company pada tanggal 5 November 2002 adalah $8,90.

Harga ini dicapai oleh sejumlah besar pembeli dan penjual yang

bekerja sama di New York Stock Exchange. Dalam teori, suatu

harga pasar ada untuk semua aktiva. Akan tetapi, banyak aktiva yang

belum memiliki harga pasar yang jelas karena perdagangan jarang

terjadi. Contohnya, harga pasar untuk saham biasa dari Blanks

Engraving, suatu perusahaan keluarga yang berpusat di Dallas, akan

lebih sulit untuk ditentukan dibanding nilai pasar saham biasa dari

J.C. Penney, oleh Arthur (2011) dalam Soemitra (2014).

Sewaktu-waktu nilai intrinsik suatu surat berharga berbeda

dari harga pasarnya sekarang, kompetisi antar investor yang mencari

peluang untuk memperoleh laba akan mendorong pasar kembali ke

nilai intrinsiknya. Dengan demikian, kita akan mendefinisikan

sebuah pasar yang efisien sebagai satu hal di mana nilai semua surat

berharga secara penuh mencerminkan seluruh informasi publik yang

tersedia, yang mengakibatkan nilai pasar dan nilai intrinsik menjadi

sama. Jika pasar efisien, maka merupakan suatu hal yang sulit bagi

26

investor untuk membuat keuntungan ekstra dari kemampuannya

untuk memperkirakan harga. (Arthur, 2011).

Berikut adalah beberapa kondisi dan situasi yang

memengaruhi terjadinya fluktuasi harga suatu saham:

1) Kondisi mikro dan makro ekonomi.

2) Kebijakan perusahaan dalam memutuskan untuk melakukan

ekspansi (perluasan usaha), seperti membuka kantor cabang

(branch office) dan kantor cabang pembantu (sub-branch

office), baik yang akan dibuka di area domestik maupun

luar negeri.

3) Pergantian direksi secara tiba-tiba.

4) Adanya direksi atau pihak komisaris perusahaan yang

terlibat tindak pidana dan kasusnya telah masuk ke

pengadilan.

5) Kinerja perusahaan yang terus mengalami penurunan dalam

setiap waktunya.

6) Risiko sistematis, yaitu suatu bentuk risiko yang terjadi

secara menyeluruh dan telah menyebabkan perusahaan ikut

terlibat.

7) Efek psikologi pasar yang mampu menekan kondisi teknikal

dalam jual beli saham, oleh Arthur (2011) dalam Soemitra,

(2014).

27

b. Mekanisme Penetapan Harga Produk Syariah di Modal Indonesia

Bapepam dan LK pada Panduan Investasi di Pasar Modal

Indonesia mengatakan bahwa “Pasar perdana efek syariah dijual

dengan harga emisi, sehingga perusahaan yang menerbitkan emisi

hanya boleh memperoleh dana dari penjualan tersebut.”

Peraturan No XI.A.1 tentang Ketentuan Umum Pengajuan

Pendaftaran dan ketentuan tentang Penawaran Umum yang terkait

lainnya. Peraturan Bapepam Nomor XI.B.1 tentang Stabilitas Harga

untuk Mempermudah Penawaran Umum, menyatakan: “Pada setiap

penerbitan saham umumnya dicantumkan nilai nominal, yaitu nilai

yang tertera pada surat saham yang dicantumkan pada setiap saham

yang diterbitkan oleh perusahaan. Adapun harga penawaran saham

adalah harga setiap saham yang ditawarkan kepada masyarakat.

Bapepam dan LK tidak mencampuri penetapan harga nominal dan

harga penawaran saham di pasar modal Indonesia dan menyerahkan

sepenuhnya kepada kesepakatan pihak penjamin emisi dan emiten.

Menurut Bapepam dan LK pada Panduan Investasi di Pasar

Modal Indonesia (2011) bahwa:

“Pasar sekunder adalah penjualan efek setelah penjualan pada pasar

perdana berakhir. Perdagangan efek syariah di pasar reguler

menggunakan akad jual beli (bay‟ al –musawamah). Akad jual beli

dinilai sah ketika terjadi kesepakatan pada harga serta jenis dan

28

volume tertentu antara permintaan beli dan penawaran jual. Dari sisi

motif, jual beli efek di pasar sekunder dipandang halal jika dalam

niat pembelian saham tersebut untuk investasi bukan untuk

spekulasi. Pasar sekunder memberikan kesempatan kepada para

investor untuk membeli atau menjual efek yang tercatat di bursa,

setelah terlaksananya penawaran perdana. Di pasar sekunder, efek

diperdagangkan dari satu investor kepada investor lainnya.

Mekanisme terjadinya transaksi (matching) diselesaikan berdasarkan

prinsip prioritas waktu dan prioritas harga.”

Pada pasar sekunder, efek yang telah dicatatkan di bursa efek

diperjualbelikan sesuai dengan harga wajar pasar. Menurut Fatwa

No. 40, Fatwa No. 20, dan Fatwa No. 80 diuraikan bahwa harga

pasar wajar merupakan suatu nilai yang sesuai dengan mekanisme

pasar yang teratur, wajar, dan efisiensi serta tidak direkayasa. Dalam

regulasi Bapepam dan LK terdapat sejumlah ketentuan yang

mengatur harga pasar wajar efek, yaitu penjelasan Pasal 22 UUPM,

Peraturan Nomor IV.C.2 tentang Nilai Pasar Wajar dari Efek dalam

Portofolio Reksadana, dan Peraturan Nomor V.C.3 tentang Lembaga

Penilaian Harga Efek.

Pada prinsipnya, Soemitra (2014) mengatakan, mekanisme

penetapan harga pasar efek pada pasar sekunder diserahkan kepada

mekanisme penawaran dan permintaan secara wajar. Pembentukan

29

harga saham terjadi karena adanya permintaan dan penawaran atas

saham tersebut. Itulah sebabnya harga saham mengalami fluktuasi

naik atau turun. Supply dan demand saham terjadi karena adanya

sejumlah faktor baik yang bersifat spesifik atas saham yaitu kinerja

perusahaan dan industri dimana perusahaan bergerak, maupun faktor

yang bersifat makro seperti kondisi ekonomi negara, kondisi sosial,

dan politik, maupun rumor yang berkembang. Harga saham di pasar

sekunder atau dalam aktivitas perdagangan saham sehari-hari

diinformasikan ke publik melalui indeks saham di Bursa Efek

Indonesia. Keberadaan indeks saham dapat menjadi acuan harga

pasar dari efek bersifat ekuitas di pasar modal Indonesia.

Adapun bagi efek lainnya Bapepam dan LK pada 10 Agustus

2009 menetapkan PT Penilai Harga Efek Indonesia sebalai Lembaga

Penilai Harga Efek (LPHE) untuk menetapkan harga wajar efek

bersifat utang dan sukuk, serta harga wajar portofolio reksadana.

LPHE didirikan berdasarkan Peraturan Bapepam dan LK No. V.C.3

dengan kegiatan penilaian dan penetapan harga pasar wajar secara

objektif, independen, kredibel, dan dapat dipertanggung-jawabkan

(Soemitra, 2014).

5. Indeks Saham Syariah Indonesia

Disahkannya UU Nomor 19 Tahun 2008 tentang Surat Berharga

Syariah Nasional (SBSN) pada 7 Mei 2008 adalah bukti

berkembangnya pasar modal syariah di Indonesia. Undang-undang

30

tersebut disahkan sebagai landasan hukum untuk penerbitan surat

berharga syariah negara atau sukuk negara yang semakin banyak

diminati oleh masyarakat. Tepatnya tanggal 26 Agustus 2008

pemerintah Indonesia menerbitkan SBSN untuk yang pertama kalinya

(Soemitra, 2016).

Indeks Saham Syariah Indonesia (ISSI) juga diluncurkan pada

tahun 2011 untuk menjadi acuan bagi investor berinvestasi di saham,

khususnya saham syariah. Indeks ini pun akan jadi indikator utama

yang dapat menggambarkan kinerja seluruh saham syariah yang tercatat

di Bursa Efek Indonesia (BEI). Pada tahun yang sama Shariah Online

Trading System juga diluncurkan. Sistem ini didasarkan pada kriteria

dan prinsip Islam syariah di mana margin trading dan short selling

dilarang, transaksi harus tunai, portofolio yang terpisah, serta tidak

bertransaksi pada saham yang haram tetapi hanya bertransaksi pada

saham syariah (Soemitra, 2016).

Hingga saat ini produk syariah yang dapat diterbitkan di pasar

modal Indonesia masih terbatas. Produk syariah yang diterbitkan di

pasar modal Indonesia meliputi saham syariah, sukuk, unit, penyertaan

dari reksadana syariah, kontrak investasi kolektif efek beragun aset

syariah (KIK EBA), dan derivatif tertentu yaitu hak memesan efek

terlebih dahulu (HMETD), dan waran.

Terbatasnya produk syariah di pasar modal Indonesia tentu

mengakibatkan alternatif investasi dan pembiayaan yang berbasis

31

syariah menjadi sangat minim. Oleh karenanya, TIM kajian Depkeu

Bapepam dan LK terus melakukan kajian pengembangan produk

syariah di pasar modal, antara lain produk Islamic Private Equity Fund,

sukuk musyarakah dan istisna, dan efek beragun aset syariah.

Penerbitan produk syariah dalam bentuk saham syariah, sukuk,

reksadana syariah, dan efek beragun aset syariah di pasar modal

Indonesia telah diupayakan dalam jumlah yang diperkirakan akan terus

mengalami peningkatan. Adapun terkait produk-produk derivatif, OJK

masih belum banyak mengakomodasi tren perkembangan produk

derivatif syariah di dunia internasional (Soemitra, 2014).

B. Kajian Penelitian Terdahulu

Tabel 1.1. Ringkasan Penelitian Terdahulu

No Judul dan Peneliti Variabel

Penelitian

Metode

Penelitian Hasil Penelitian

1 Bankruptcy

Prediction Models

and Stock prices of

the Coal Minning

Industry in Indonesia.

(G. Syamni, M.

Widyana Verawaty

Siregar, dan M.

Shabri Abd. Majid,

2018)

Independen:

Model

Prediksi

Kebangkrutan

Dependen:

Harga saham

Teknik

regresi

panel

Model prediksi Ohlson dan

modifikasi Altman merupa-

kan model prediksi dominan

yang mempengaruhi harga

saham perusahaan batubara

di Indonesia. Hal ini meng-

indikasikan bahwa model

prediksi kebangkrutan dapat

digunakan untuk mem-

prediksi pergerakan harga

saham dan sekaligus kinerja

keuangan industri batubara

di Indonesia.

2 Z-Score Bankruptcy

Prediction Model and

Stock Prices of the

Cigarette Companies

in Indonesia (Alberto

Marcus Wiyarni dan

Carlos, 2018)

Independen:

Model

prediksi

kebangkrutan

Altman Z-

Score

Dependen:

Harga saham.

Simple

regression

analysis

Model Altman Z-Score

berpengaruh positif terhadap

harga saham.

3 Pengaruh Analisis

Kebangkrutan Model

Variabel

Independen:

Teknik

regresi

Hasil analisis regresi

sederhana menunjukkan

32

Altman Terhadap

Harga Saham

Perusahaan

Manufaktur.

(Andromeda Ardian

dan Moh Khoiruddin,

2014)

Model Altman

Z-Score

Varibel

Dependen:

Harga Saham

panel. nilai Z-Score tidak ber-

pengaruh terhadap harga

saham.

4 An Empirical

Evaluation of Using

the Residual Income

Model for Prediction

of Stock Price (Mehdi

Sarikhani dan Fahime

Ebrahimi, 2012)

Independen :

Residual

Income Model

Dependen :

Harga saham

Simple

regression

analysis

Mereka menunjukkan hu-

bungan yang signifikan

antara harga saham saat ini

dan harga yang dihitung

dengan menggunakan model

pendapatan residual dan

nilai buku stok. Selanjutnya,

dapat disimpulkan bahwa

dalam memprediksi harga

saham, rasio harga yang

dihitung oleh model

pendapatan residual dengan

harga saham saat ini lebih

tepat, dibandingkan dengan

rasio nilai buku dengan

harga saham saat ini.

5 Model Residual

Income, Arus Kas

Operasi dan Nilai

Buku Saham Sebagai

Alternatif dalam

Memprediksi Harga

Saham (Studi Pada

Perusahaan yang

Tergabung Dalam

Indeks LQ 45 Tahun

2009-2011) (Wahyu

Laily Sani, Soewito

K.Bagus, 2011)

Independen:

Residual

income, arus

kas operasi,

dan nilai buku

saham.

Dependen:

Harga saham.

Regresi

linier

berganda

model

panel data.

Berdasarkan hasil uji-t, pen-

dapatan residual dan arus

kas operasional secara

parsial tidak berpengaruh

signifikan terhadap harga

saham, sedangkan nilai buku

saham berpengaruh signifi-

kan terhadap harga saham.

6 Pengaruh Residual

Income (ROI), Return

on Investmen (ROI),

Earning per Share

(EPS), dan Beta

Saham terhadap

Harga Saham

Perusahaan Sektor

Properti dan Real

Estate yang Terdaftar

di Bursa Efek

Indonesia Periode

2013-2015.

(Bahtiar Ahmad dan

Dra. Isroah, M.Si,

2015)

Variabel

Independen:

Residual

Income (ROI),

Return on

Investmen

(ROI),

Earning per

Share (EPS),

dan Beta

Saham.

Variabel

Dependen:

Harga Saham

Teknik

analisis

statistik

deskriptif,

uji

prasyarat

analisis,

uji regresi

linier

sederhana,

dan

uji regresi

linier

berganda.

Residual Income (RI),

Return On Investment (ROI),

Earning Per Share (EPS)

dan Beta Saham secara

bersama-sama (simultan)

terhadap Harga Saham pada

perusahaan sektor properti

dan real estate yang terdaftar

di Bursa Efek Indonesia

periode 2013-2015.

33

Dalam ringkasan penelitian terdahulu dapat dilihat bahwa variabel

independen yang digunakan adalah prediksi kebangkrutan dengan

menggunakan model Altman Z-Score untuk menganalisa kebangkrutan, serta

residual income atau laba residu. Sedang variabel dependen atau variabel

terikatnya adalah harga saham. Metode Altman dipilih karena metode ini

menjadi model yang memiliki tingkat keakurasian mencapai 100%. Metode

Altman Z-Score menganalisa seluruh aspek rasio di dalam laporan keuangan,

seperti rasio aktivitas, rasio likuiditas, rasio profitabilitas, dan rasio

solvabilitas sehingga membuat metode prediksi kebangkrutan menjadi model

yang paling efektif dibanding model lain (Savitri, 2012).

Penelitian mengenai prediksi kebangkrutan diteliti oleh Syamni,

Majid, & Siregar (2018), Wiyarni & Carlos (2018), serta Ardian &

Khoiruddin (2014). Penelitian Syamni et al., (2018) dan Wiyarni & Carlos,

(2018) sama-sama mengatakan bahwa prediksi kebangkutan dengan

menggunakan model Altman Z-Score memberikan pengaruh terhadap harga

saham, sedangkan dalam penelitian Ardian & Khoiruddin (2014) justru

prediksi kebangkrutan dengan model Altman tidak memberikan pengaruh

terhadap harga saham.

Sedangkan penelitian dengan varuabel bebasnya residual income,

diteliti oleh Sarikhani & Ebrahimi (2012), (Ahmad & Isroah, 2015), dan (Sani

et al., 2011). Penelitian Sarikhani dan Ahmad mengatakan bahwa pendapatan

residu memberikan pengaruh pada harga saham, hal tersebut bertolak

belakang dengan penelitian (Sani et al., 2011), yang mengatakan bahwa

34

pendapatan residu tidak memberikan pengaruh yang signifikan terhadap

harga saham.

C. Kerangka Penelitian

Berdasarkan uraian sebelumnya maka dapat dibuatlah kerangka

penelitiannya yaitu sebagai berikut:

H1

H2

Gambar 2.1. Kerangka Penelitian

D. Hipotesis

Adapun hipotesis pada penelitian ini adalah, sebagai berikut:

1. Prediksi Kebangkrutan terhadap Harga Saham

Pada penelitian yang dilakukan Hikmah (2018) Hasil pengujian

menunjukkan bahwa variabel Altman Z-Score: 1) Working capital to

total assets, 2) Retained earning to total assets, 3) Earning before

interest and taxes to total assets, 4) Market value of equity to book

value of total debts, dan 5) Sales to total asset berpengaruh secara

positif dan signifikan terhadap harga saham pada subsektor logam dan

Residual Income

(RI)

Prediksi

Kebangkrutan

Harga Saham

35

sejenisnya di Bursa efek Indonesia, rata-rata perusahaan berada di

posisi grey area.

Hasil penelitian secara parsial menunjukkan bahwa variabel

Altman Z-Score berpengaruh signifikan terhadap harga saham. dengan

koefisien determinan (adjusted R square) sebesar 0.530. Hal ini

menunjukkan bahwa 53% variabel harga saham dapat dijelaskan oleh

variable Altman Z Score. Serta terdapat perbedaan harga saham antara

perusahaan sehat dan tidak sehat (Jainur et al., 2016).

Hasil penelitian ini menemukan bukti bahwa model prediksi

Ohlson dan Modifikasi Altman merupakan model prediksi dominan

yang berpengaruh secara positif terhadap harga saham perusahaan

batubara di Indonesia. Hal ini mengindikasikan bahwa model prediksi

kebangkrutan dapat digunakan untuk memprediksikan pergerakan harga

saham dan sekaligus kinerja keuangan industri batubara di Indonesia

(Syamni et al., 2018).

Berdasarkan penelitian yang dipaparkan Hikmah (2018), Jainur,

Ruwanti, & Iranita (2016), serta Syamni, Majid, & Siregar (2018)

seragam mengatakan memprediksi kebangkrutan dengan menggunakan

model Altman Z-Score menghasilkan pengaruh positif dalam

mempengaruhi harga saham, dengan demikian terbentuklah hipotesis

satu yaitu sebagai berikut,

H1: Prediksi kebangkrutan berpengaruh positif terhadap harga

saham perusahaan yang terdaftar dalam ISSI.

36

2. Residual Income terhadap Harga Saham

Untuk tujuan penilaian ekuitas, penting untuk menilai kekuatan

ekonomi fundamental yang sebenarnya dari suatu perusahaan. Selama

dekade terakhir, Residual Income Model (RIM) telah diterima secara

luas sebagai kerangka kerja teoritis untuk penilaian ekuitas berdasarkan

informasi mendasar dari data akuntansi. Aplikasi RIM berhasil

digunakan untuk berkontribusi dalam perspektif fundamental terhadap

keputusan penetapan harga, hasil ujinya mengatakan berpengaruh

positif terhadap harga saham (Higgins, 2011).

Temuan lain menunjukkan bahwa model pendapatan residu atau

residual income dan versi Ohlson mampu mempengaruhi hubungan

empiris antara harga saham dan angka akuntansi. Peneliti juga

mengatakan bahwa pada akhirnya terdapat peluang lain untuk

mengidentifikasi variabel selain pendapatan dan nilai buku yaitu

dengan menggunakan model Ohlson dan pendapatan residu. Keduanya

dapat memberikan landasan teori yang kuat untuk penelitian yang akan

datang (Pirie & Smith, 2005).

Higgins (2011) dan Pirie & Smith (2005) menyimpulkan pada

penelitiannya bahwa Residual Income memberikan pengaruh positif

terhadap harga saham, dengan itu maka terbentuklah hipotesis kedua

dari penulisan ini, yaitu,

H2: Residual income berpengaruh positif terhadap harga saham

perusahaan yang terdaftar dalam ISSI.

37

BAB III

METODOLOGI PENELITIAN

A. Jenis Penelitian

Penelitian ini mengunakan jenis penelitian deskriptif kuantitatif.

Deskriptif kuantitatif yaitu penelitian yang mengacu pada angka dan data-data

empiris dari suatu variabel yang diteliti melalui prosedur statistik guna

mendapatkan bukti dan hasil dari hipotesis yang ada, merujuk pada apa yang

diungkapkan oleh Supomo (2009). Menurut Machali (2017), jenis penelitian

dengan menggunakan data kuantitatif berarti data yang diolah berbentuk

numerik atau bilangan berupa angka-angka atau data kuantitaif yang telah

diangkakan melalui proses skoring. Sesuai dengan bentuknya, data kuantitatif

diolah atau dianalisis dengan menggunakan teknik perhitungan matematika

atau statistika.

B. Lokasi dan Waktu Penelitian

Penelitian ini dilakukan dengan melihat dan mengambil data Indeks

Saham Syariah Indonesia di laman resmi Bursa Efek Indonesia yaitu

www.idx.co.id serta laporan keuangan tahunan yang dipublikasikan oleh

perusahaan-perusahaan yang sahamnya terdaftar pada ISSI. Untuk

menganalisi prediksi kebangkrutan dan residual income perusahaan maka

pada laporan keuangan tersebut akan diambil data berupa total aktiva, aktiva

lancar, hutang lancar, modal kerja, laba ditahan, EBIT (Earning Before

Interset Tax), total modal, total hutang, dan penjualan dari sebuah


38

perusahaan. Pengambilan dan pengumpulan data ini dilakukan pada Agustus

2019.

C. Populasi dan Sampel

1. Populasi

Populasi adalah wilayah generalisasi yang terdiri atas: obyek/

subyek yang mempunyai kualitas dan karakteristik tertentu yang

ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik

kesimpulannya (Sugiyono, 2004). Populasi dalam penelitian ini sendiri

adalah perusahaan yang sahamnya terdaftar dalam Indeks Saham Syariah

Indonesia (ISSI).

2. Sampel

Sampel merupakan bagian dari jumlah dan karakteristik yang

dimiliki oleh populasi (Agung, 2012). Kriteria yang digunakan dalam

pemilihan sampel adalah perusahaan yang menerbitkan laporan keuangan.

Sampelnya berupa laporan keuangan perusahaan yang terdaftar pada

Indeks Saham Syariah Indonesia periode tahun 2014 sampai dengan 2018.

Sedangkan metode pengambilan sampel yang digunakan adalah

purposive sampling. Seperti apa yang diungkapkan oleh A Ananta,

Komang, dan Diota (2014), purposive sampling yaitu teknik pengambilan

sampel dengan mempertimbangkan pertimbangan tertentu. Dan jenis

purposive sampling yang digunakan adalah judgement sampling, yaitu

teknik pengambilan sampling dengan cara mempertimbangkan hal

tertentu dan disesuaikan dengan kebutuhan penelitian yang dilakukan.

39

Dari penjelasan sebelumnya, dapat disimpulkan kriteria yang digunakan

dalam pemilihan sampel adalah:

a. Perusahaan yang sahamnya tercatat di Bursa Efek Indonesia dan

masuk dalam Indeks Saham Syariah Indonesia.

b. Merupakan saham dari perusahaan manufaktur.

c. Merupakan perusahaan manufaktur yang bergerak di sektor Misc-

Ind (Miscellaneous Industry atau aneka industri)

d. Perusahaan yang menerbitkan laporan keuangan dan kelengkapan

data sampai tahun 2018 yang berkaitan dengan penelitian ini.

Berdasarkan kriteria yang dipaparkan di atas, maka diperoleh

sampel data sebagai berikut:

a. Sebanyak 409 perusahaan dari berbagai sektor masuk ke dalam

kelompok Indeks Saham Syariah Indonesia.

b. Ada 79 perusahaan manufaktur yang masuk dalam kelompok

Indeks Saham Syariah Indonesia.

c. Terdapat 33 perusahaan manufaktur sebagai sampel penelitian yang

difokuskan pada sektor Misc-Ind (Miscellaneous Industry atau

aneka industri) yang terdaftar di ISSI.

d. Sebanyak 23 perusahaan manufaktur bergerak pada sektor aneka

industri yang memiliki kelengkapan data sampai pada tahun 2018

dijadikan sampel pada penelitian ini.

40

D. Teknik Pengumpulan Data

Data yang digunakan pada penelitian ini adalah data sekunder, yaitu

mengumpulkan data-data yang sudah ada dari berbagai sumber. Data-data

pada penelitian ini dikumpulkan menggunakan cara non participant

observation, yaitu mengumpulkan data penelitian tanpa harus masuk atau

terlibat dalam suatu kelompok tertentu untuk mendapatkan informasi yang

diperlukan, ini menurut A Ananta, Saputra, dan Vijaya (2014).

Menggunakan data sekunder berupa kinerja keuangan dari laporan

keuangan yang dipublikasi oleh perusahaan-perusahaan yang terdaftar di

Indeks Saham Syariah Indonesia (ISSI). Penelitian ini juga ditunjang oleh

referensi berupa buku dan jurnal yang ada di perpustakaan maupun internet.

E. Definisi Konsep dan Operasional

1. Variabel Dependen

Menurut Agung (2012) variabel dependen adalah variabel yang ada

untuk dipengaruhi oleh variabel lain atau variabel bebas. Sering juga

disebut dengan variabel terikat karena memang fungsi dari variabel

dependen adalah untuk diikat dengan variabel lain. Dalam penelitian ini

variabel dependen adalah harga saham tepatnya, harga saham penutupan

tiap perusahaan. Harga Saham yaitu harga setiap saham yang ditawarkan

kepada masyarakat. Penelitian ini menggunakan harga saham penutupan

pada perusahaan-perusaahan sampel yang datanya dapat diambil dari

website resmi www.idx.co.id.


41

2. Variabel Independen

Variabel independen adalah variabel yang berbanding terbalik

dengan variabel dependen, apabila variabel dependen untuk

mempengaruhi variabel bebas maka variabel independen adalah variabel

yang mempengaruhi variabel lainnya (variabel dependen) seperti yang

diungkapkan oleh Agung (2012). Variabel ini sering pula disebut variabel

bebas, variabel stimulus, variabel prediktor, atau variabel anticedent.

Variabel independen dalam penelitian ini yaitu prediksi kebangkrutan dan

residual income.

a. Prediksi Kebangkrutan

Memprediksi kebangkrutan suatu perusahaan dapat

diketahui dengan menghitung rumus dari model-model prediktor

kebangkrutan yang ada. Pada penelitian ini model prediksi

kebangkrutan yang digunakan ialah Altman Z-Score, model ini

yang akan penulis gunakan untuk mengukur tingkat kebangkrutan

dari suatu perusahaan. Altman Z-Score bekerja dengan menghitung

lima rasio keuangan dari suatu perusahaan untuk mendeteksi

tingkat kebangkrutannya, berikut adalah kelima rasio beserta

rumus perhitungannya:

1) Modal Kerja terhadap Total Aktiva (Working Capital to

Total Assets ratio)

Rasio ini mengukur likuiditas atau kemampuan perusahaan

dalam memenuhi kewajiban jangka pendeknya. Rasio ini

42

membandingkan antara aktiva lancar bersih terhadap total

aktiva. Sedangkan modal kerja diketahui dari total aktiva

lancar dikurangi total kewajiban lancar. Semakin kecil rasio

semakin buruk kondisi likuid perusahaan.

Rumus :

2) Laba Ditahan terhadap Total Aktiva (Retained Earning to

Total Assets Ratio)

Rasio ini mengukur kemampuan untuk memperoleh laba

atau profitabilitas kumulatif dari perusahaan. Dengan kata

lain rasio ini menggambarkan efisiensi operasional

perusahaan yang mengukur pertumbuhan akumulasi laba.

Rasio ini membandingkan laba ditahan terhadap total

aktiva. Bila perusahaan mengalami kesulitan keuangan

maka modal kerja akan turun lebih cepat daripada total

aktiva sehingga rasio ini akan turun.

Rumus :

43

3) Laba Sebelum Bunga dan Pajak terhadap Total Aktiva

(Earning Before Interest and Tax to Total Assets Ratio)

Rasio ini mengukur kemampuan perusahaan menghasilkan

laba (profitabilitas) dari aktiva perusahaan yaitu tingkat

pengembalian dari aktiva. Rasio ini membandingkan laba

sebelum bunga dan pajak terhadap total aktiva.

Rumus :

Dalam penelitian ini rasio laba sebelum bunga dan pajak

terhadap total aktiva diganti dengan rasio laba sebelum

beban pajak terhadap total aktiva. Hal ini dikarenakan

perusahaan yang diteliti tergolong dalam Daftar Efek

Syariah yang tidak menggunakan sistem bunga. Rasio ini

dihitung dengan rumus:

4) Nilai Buku Ekuitas terhadap Nilai Buku Total Hutang

(Book Value of Equity to Book Value of Total Liabilities)

Rasio ini mengukur besarnya pembiayaan untuk memenuhi

kewajiban-kewajiban dari nilai pasar modal sendiri dengan

hutang. Nilai pasar ekuitas diperoleh dari jumlah lembar

saham yang beredar dikalikan dengan harga pasar

perlembar sahamnya. Sedangkan nilai buku hutang

44

diperoleh dengan menjumlahkan kewajiban lancar dan

kewajiban jangka panjang.

Rumus :

5) Penjualan terhadap Total Aktiva (Sales to Total Assets

Ratio)

Rasio ini mengukur tingkat kemampuan perusahaan

menghasilkan penjualan yang cukup dari aktiva

perusahaan dan merupakan pengukuran kemampuan

manajemen dalam menghadapi persaingan. Rasio ini

membandingkan antara penjualan dengan total aktiva yang

dinyatakan dalam kali.

Rumus :

Rumus Z-Score = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5

Cut off point:


- 1,8 < Z < 2,99 = grey area atau area abu-abu, dan


(Gamayuni & Rika, 2011)

45

b. Residual Income

Analisis residual income menggunakan Model Residual

Income adalah perhitungan dari ROI dan biaya modal. Residual

income biasa juga disebut dengan EVA (Economic Value Added)

karena EVA merupakan modifikasi dari residual income yang

mencerminkan hasil dari pengurangan biaya modal yang sudah

termasuk juga dengan modal saham, sedangkan laba akuntansi

dihitung tanpa dikurangkan dengan biaya modal, pernyataan

tersebut menurut Sartono (2011). Residual income atau laba residu

adalah laba usaha (operating income) yang mampu dihasilkan

sebuah pusat investasi di atas penghasilan (return) minimum aset-

asetnya, dikutip dari portal investasi.com.

Kelebihan laba dari yang dibutuhkan oleh kreditur dan

pemilik modal sehingga menjadi klaim residu bagi para pemegang

saham merupakan residual income yang positif. Sedangkan

residual income yang negatif yaitu saat klaim residu turun untuk

para pemegang saham, menurut Suripto (2015).

Rumus penghitungan residual income yang akan

digunakam dalam penelitian ini adalah sebagai berikut:

RI = NOPAT – Biaya modal

= EBIT (1-t) – (WACC × Total aktiva)

Keterangan:

NOPAT = laba operasi setelah pajak

46

EBIT = laba sebelum bunga dan pajak

t = tingkat pajak

WACC = biaya modal rata-rata tertimbang

Merujuk dari penelitian (Romadhani et al., 2016) karena

lebih detail menjelaskan rumus penghitungannya.

Pada penelitian ini weight average cost of capital (WACC)

atau biaya modal rata-rata tertimbang yang ada pada rumus

residual income dapat menggunakan tingkat diskonto yang ada

pada laporan keuangan. Tingkat diskonto yang terdapat pada

annual report berbeda dengan tingkat diskonto yang dikeluarkan

oleh bank.

Menurut Caplan pada artikel Sukarnen, n.d. di laman

Futurum (Corporate Finance Strategic), di dalam beberapa

keadaan, discount rate atau tingkat diskonto dalam perusahaan

adalah biaya modal. Biaya modal sendiri didapat dari rata-rata

tertimbang biaya hutang ditambah dengan biaya ekuitas. WACC

adalah konsep dari keuangan perusahaan yang sering berfungsi

sebagai tingkat diskonto untuk keputusan penganggaran modal.

F. Metode Analisis

1. Uji Stasioneritas

Penelitian ini menggunakan data panel. Data panel merupakan

gabungan antara dua data yaitu time series dan cross section. Data time

series yaitu observasi dengan data yang dikumpulkan berdasarkan kurun

47

waktu tertentu. Sedangkan data cross section adalah observasi yang

dilakukan dengan menggabungkan beberapa objek penelitian dalam satu

waktu.

Penelitian ini menggunakan metode uji akar unit yaitu tipe uji

Dickey-Fuller (Rizal & Akbar, 2015). Uji Augmented Dickey Fuller atau

ADF dapat dikatakan stasioner apabila nilai absolut statistik ADF lebih

besar dari nilai kritisnya. Dapat pula dilihat dari nilai probabilitasnya,

apabila lebih kecil dari 0,05 maka data stasioner.

2. Regresi Data Panel

a. Common Effect Model

Pendekatan ini yang paling sederhana dengan mengabaikan time

series dan cross section. Model ini mengasumsikan bahwa intersep

masing-masing variabel adalah sama, begitu dengan koefisien slop

untuk semua unit time series dan cross section. Dalam mengestimasi

model ini digunakan metode kuadrat terkecil atau OLS, yaitu

Ordinary Least Square (Ghozi, 2018).

b. Fixed Effect Model

Model ini dibagi ke dalam dua asumsi, yaitu unit individu dianggap

berpengaruh terhadap model sedangkan unit waktu dianggap tidak

memiliki pengaruh atau tetap. Bisa sebaliknya, ketika unit waktu

dianggap memiliki pengaruh terhadap model maka unit individu

dianggap tidak berpengaruh atau tetap (Rizal & Akbar, 2015).

48

c. Random Effect Model

Pendekatan REM melibatkan kedua komponen waktu dan sektor.

Metode yang digunakan dalam regresi data panel model ini adalah

metode Generalized Least Square (Rizal & Akbar, 2015).

3. Uji Signifikansi

a. Uji Signifikansi Fixed

Uji Signifikansi Fixed merupakan pilihan antara Common Effect

Model dan Fixed Effect Model dengan menggunakan uji Chow. Uji

Chow menggunakan uji F statistik yang merupakan uji perbedaan

dua regresi.

b. Uji Signifikansi Random

Uji Hausman digunakan pada uji signifikansi random untuk memilih

antara FEM dan REM. Digunakan uji Lagrange Multiplier (LM), uji

ini didasarkan pada distribusi chi squares dengan degree of freedom

sebesar jumlah variabel independen. Dilakukan untuk menentukan

apakah model Random Effect lebih baik digunakan daripada model

Common Effect (Rizal & Akbar, 2015).

c. Uji Signifikansi Fixed dan Random

Setelah melakukan dua uji signifikansi Fixed Effext dan Random

Effect maka dapat disimpulkan uji mana yang lebih baik dan yang

akan digunakan dari metode Common Effect.

49

4. Uji Asumsi Klasik

Menurut Pasaribu (2008) pengujian asumsi klasik dilakukan untuk

mengetahui dan memberikan asumsi dasar dalam analisis regresi

bahwasanya penelitian tidak terjadi multikolinearitas, autokorelasi, atau

heteroskedastisitas.

a. Uji Normalitas

Bertujuan untuk menguji apakah dalam model regresi, variabel

pengganggu atau residual memiliki distribusi normal. Model

regresi yang baik adalah memiliki distribusi data normal atau

mendekati normal (A Ananta, 2014). Mashadi (2019) menuturkan,

uji normalitas bertujuan untuk menguji apakah dalam model

regresi, variabel pengganggu atau residual memiliki distribusi

normal. Dalam menguji normalitas maka menggunakan uji yang

dinamakan uji Jarque Bera.

b. Uji Multikolinearitas

Mashadi (2019) mengatakan, uji multikolinearitas digunakan untuk

mengetahui apakah ada hubungan antara variabel independen pada

model regresi. Uji ini menyatakan hubungan antara sesama variabel

independen. Sama dengan yang disampaikan A Ananta (2014), uji

multikolonieritas dilakukan untuk menguji apakah ada hubungan

antar variabel independen dari model regresi yang dikembangkan.

Model regresi yang baik ketika tidak terjadi korelasi yang begitu

tinggi antara variabel independennya (A Ananta, 2014).

50

Untuk membuktikan uji multikolinearitas maka perlu digunakan

metode Auxiliary Regresi.

c. Uji Heterokedastisitas

Bertujuan untuk menguji apakah dalam model regresi terjadi

ketidaksamaan variance dari residual satu pengamatan ke

pengamatan lain. Jika variance dari residual satu pengamatan ke

pengamatan lain tetap, maka disebut homokedastisitas. Dan jika

berbeda disebut heterokedastisitas. Model regresi yang baik adalah

yang tidak terjadi heterokedastisitas (A Ananta, 2014). Uji

heterokedastisitas menggunakan metode uji white untuk

membuktikan hasilnya.

d. Uji Autokorelasi

Bertujuan untuk menguji apakah dalam suatu model regresi linier

ada korelasi antara kesalahan pengganggu pada periode t dengan

kesalahan pada t-1 atau sebelumnya. Autokorelasi muncul karena

observasi yang berurutan sepanjang waktu berkaitan satu sama lain

(A Ananta, 2014). Uji autokorelasi menggunakan uji Durbin-

Watson untuk menguji hasilnya.

5. Uji Ketepatan Model

Metode analisis statistik deskriptif adalah metode yang dipakai

untuk mendeskripsikan atau menggambarkan secara empiris data yang

telah dikumpulkan, sama seperti yang diungkapkan oleh Ferdinand

(2014) dalam Machali (2016).

51

a. Signifikansi Simultan (Uji Statistik f)

Uji signifikasi simultan digunakan untuk menguji apakah

variabel independen yang dimasukkan ke dalam model mempunyai

pengaruh secara bersama-sama (simultan) terhadap variabel

dependen. Kriteria pengambilan keputusan dilakukan dengan

membandingkan nilai probabilitas statistik dengan level

signifikansi yang telah ditetapkan peneliti sebelumnya (Priadana

dan Muis, 2016).

Dalam penelitian ini uji simultan dilakukan untuk

mengetahui apakah prediksi kebangkrutan dan residual income

memberikan pengaruh secara simultan terhadap harga saham.

Pengujian ini dilakukan dengan ketentuan sebagai berikut:

1) Jika F hitung > F tabel, maka Ho ditolak Ha diterima.

2) Jika F hitung < F tabel, maka Ho diterima Ha ditolak.

b. Koefisien Determinasi (R2)

Uji koefisien Determinasi (R2) digunakan untuk melihat

sejauh mana keseluruhan variabel independen dapat menjelaskan

variabel dependen. Nilai koefisien determinasi adalah antara 0 dan

1. Apabila R2 mendekati 1, berarti variabel-variabel independen

memberikan hampir semua informasi yang dibutuhkan untuk

memprediksi variabel-variabel dependen. Dengan kata lain,

semakin kecil nilai R2

berarti kemampuan variabel-variabel

independen dalam menjelaskan variabel dependen sangat terbatas.

52

Menurut Riana dan Hermansyah (2016) alat untuk mengukur

tingkat kecocokan/kesempurnaan model regresi disebut koefisien

determinasi (r2) misal r

2 = 0,90 artinya nilai duga regresi yang kita

peroleh memenuhi model yang kita kehendaki atau 90% nilai-nilai

Y besarnya ditentukan oleh nilai-nilai variabel X yang dimasukkan

dalam model, sedangkan 10% lagi ditentukan oleh variabel lain di

luar model. Atau untuk menyatakan proporsi keragaman total nilai-

nilai peubah Y yang dapat dijelaskan oleh nilai-nilai peubah X

melalui hubungan linear tersebut. Koefesien determinasi ditulis r2

untuk regresi dua variabel dan nilainya antara 0 dan 1.

Contohnya halnya r2

= 0,6 artinya 0,36 atau 36% diantara

keragaman total nilai-nilai Y dapat dijelaskan oleh hubungan

linearnya dengan nilai-nilai X atau besarnya sumbangan X

terhadap naik turunnya Y adalah 36% sedangkan 64% disebabkan

oleh faktor lain.

6. Pembahasan Hasil Penelitian

Pembahasan hasil penelitian berisi jawaban atas hipotesis yang telah

diuji menggunakan uji hipotesis.

G. Alat Analisis

Pada penelitian ini menggunakan EViews sebagai alat analisisnya.

EViews adalah sebuah program komputer yang digunakan sebagai alat untuk

mengolah data statistik dan data ekonometri. Data yang digunakan pada

penelitian ini merupakan data kuantitatif yang menunjukkan data angka.

53

BAB IV

ANALISIS DATA

A. Deskripsi Objek Penelitian

Penelitian ini berjudul “Pengaruh Analisis Prediksi Kebangkrutan dan

Residual Income terhadap Harga Saham Perusahaan yang terdaftar dalam

Indeks Saham Syariah Indonesia.” Penelitian ini bertujuan untuk mengetahui

apakah prediksi kebangkrutan dan residual income memberikan pengaruh

terhadap harga saham dari perusahaan-perusahaan yang menjadi anggota

tetap Indeks Saham Syariah Indonesia sampai periode bulan Juli 2019.

Penelitian ini menggunakan data sekunder yaitu berupa laporan keuangan

perusahaan yang dapat diakses melalui website resmi Bursa Efek Indonesia

yaitu www.idx.co.id.

Selain itu, penelitian ini menggunakan populasi berupa 409

perusahaan yang masuk ke dalam ISSI, kemudian dipadatkan menjadi 79

perusahaan bidang manufaktur dan akhirnya setelah melalui purposive

sampling terdapat 23 perusahaan manufaktur yang bergerak di sektor aneka

industri dijadikan sampel pada penelitian ini. Pengambilan sektor aneka

industri untuk penelitian ini dikarenakan sektor industri merupakan salah satu

yang memiliki peran penting dalam pertumbuhan perekonomian di Indonesia,

selain itu sektor aneka industri juga menjadi pendorong utama penguatan

IHSG (Indeks Harga Saham Gabungan).


54

Tabel 4.1. Hasil Uji Statistik Deskriptif Variabel Independen dan Variabel

Dependen

BP? RI? HS?

Mean 2.677965 -2.43E+10 1764.165

Median 2.368000 -52618449 770.0000

Maximum 7.546000 1.73E+11 16000.00

Minimum -0.197000 -3.40E+11 50.00000

Std. Dev. 1.435045 6.36E+10 2548.700

Sumber: Data yang diolah, 2019.

Pada tabel hasil data uji statistik untuk variabel BP?, RI?, dan HS? di

atas menunjukkan bahwa nilai rata-rata untuk variabel BP? yaitu prediksi

kebangkrutan adalah 2.6777965, dengan nilai maksimumnya sebesar

7.546000 dan nilai minimumnya sebesar -0,1970000, sedangkan nilai

tengahnya adalah 2.368000 pada standar deviasi 1.435045.

Untuk variabel RI? atau residual income, nilai maksimum yang

dihasilkan adalah sebesar 1.726480 dan nilai minimumnya sebesar -33982000

dan nilai tengah yang dihasilkan sebesar -52618449. Kemudian dapat

diketahui pula rata-ratanya adalah -24322911243.04063, dan standar

deviasinya adalah sebesar 63617689524.95501.

Variabel HS? dari penelitian ini adalah harga saham, pada tabel di atas

nilai maksimum harga saham adalah 16000 dan nilai minimumnya adalah 50

maka dapat diketahui nilai tengahnya yaitu sebesar 770. Standar deviasi

untuk harga saham adalah 2548.7 dan rata-ratanya sebesar 1764.165.

B. Analisis Data

1. Analisis Altman Z-ScoreAnalisis ini untuk mengetahui prediksi

kebangkrutan suatu perusahaan dengan mengklasifikasikannya ke dalam

kategori perusahaan bangkrut, sehat, dan grey area.

55

Dengan kriteria sebagai berikut:


- 1,8 < Z < 2,99 = grey area atau area abu-abu,


Tabel 4.2. Hasil Analisis Altman Z-Score Perusahaan Manufaktur Sektor

Aneka Industri tahun 2014-2018

NO Kode Tahun Pengamatan

2014 2015 2016 2017 2018

1 ASII 4,013 2,818 2,761 2,148 2,708

sehat grey area grey area grey area grey area

2 AUTO 3,078 3,202 3,687 3,386 3,507

sehat Sehat Sehat Sehat Sehat

3 BALI 0,863 0,702 0,727 0,849 0,848

bangkrut Bangkrut bangkrut Bangkrut bangkrut

4 BRAM 1,841 2,300 2,524 2,958 3,269

grey area grey area grey area grey area grey area

5 BUDI 1,741 1,319 1,625 1,744 1,538

bangkrut Bangkrut bangkrut Bangkrut bangkrut

6 GDYR 2,738 2,786 2,993 2,641 2,422


7 GJTL 2,137 1,925 1,940 1,988 1,930


8 INDR 1,947 1,693 1,581 1,945 1,927

grey area grey area bangkrut grey area grey area

9 INDS 2,762 3,198 4,509 5,486 4,549

grey area Sehat Sehat Sehat sehat

10 JECC 2,090 1,995 2,160 1,870 2,358

grey area grey area grey area bangkrut grey area

11 KBLI 4,239 4,012 4,280 2,860 3,563

sehat Sehat Sehat grey area sehat

12 KBLM 2,368 2,576 2,892 2,476 2,439


13 LPIN 2,667 0,489 -0,197 3,324 7,347

grey area Bangkrut bangkrut sehat sehat

14 MASA 1,910 1,396 1,395 1,295 1,174

grey area Bangkrut bangkrut bangkrut bangkrut

15 PTSN 3,849 3,846 3,779 3,768 1,969

sehat Sehat Sehat sehat grey area

16 RICY 2,202 2,158 2,059 2,336 2,545


17 SMSM 4,050 3,878 4,447 4,899 5,242

sehat Sehat Sehat sehat sehat

18 SSTM 1,016 1,028 0,760 0,658 1,143

bangkrut Bangkrut bangkrut bangkrut bangkrut

19 STAR 1,801 2,088 2,119 3,298 4,771

56

grey area grey area grey area sehat sehat

20 TFCO 4,113 6,591 6,540 5,849 7,546


21 TRIS 3,813 3,890 3,438 4,140 3,502


22 UNIT 0,982 1,029 1,147 1,238 1,337

bangkrut Bangkrut bangkrut bangkrut Bangkrut

23 VOKS 1,753 2,062 2,546 2,321 2,312

bangkrut grey area grey area grey area grey area


Berdasarkan hasil analisis prediksi kebangkrutan dengan model

Altman Z-Score menunjukkan bahwa dari 23 perusahaan terdapat

perusahaan yang mengalami kebangkrutan, masuk ke dalam kategori sehat

dan kategori grey area selama periode penghitungan. Kode perusahaan

dengan kategori sehat selama lima tahun berturut-turut adalah AUTO,

SMSM, TFCO, dan TRIS. Sedangkan perusahaan yang masuk ke dalam

kategori grey area dari 2014 samapi 2018 adalah BRAM, GDYR, GJTL,

KBLM, dan RICY. Untuk perusahaan yang masuk ke dalam kategori

bangkrut atau tidak sehat adalah BALI, BUDI, SSTM, dan UNIT.

2. Hasil Penghitungan Residual Income

Tabel 4.3. Hasil Penghitungan Residual Income Perusahaan Manufaktur

sektor Aneka Industri tahun 2014-2018

Kode Tahun Pengamatan

2014 2015 2016

ASII -7378,6 -15802,6 -2646,4

AUTO -196919,4 -967818,9 -685560,9

BALI 654221032,9 -16661907893,6 1832595248,3

BRAM -8238566,2 -13107840,7 -1977378,6

BUDI -169634,6 -272863,8 -210579,6

GDYR -7608946,0 -10738538,6 -7935346,5

GJTL -1006746,9 -1889181,5 -869261,3

INDR -68237084,4 -63133334,9 -69404120,3

INDS -66369266802,9 -227919732007,7 -161011795381,7

57

JECC -61093747,8 -119797098,3 1637009,5

KBLI -39266287172,7 -24290886717,8 172647941845,8

KBLM -47462372442,2 -55950134679,4 -31927378811,5

LPIN -18954753005,7 -18173655308,0 -99777890169,7

MASA -52618448,7 -80717704,3 -60054914,9

PTSN -8021731,3 -5607781,0 -4209387,5

RICY -84496359819,3 -94371734646,3 -101948126736,9

SMSM 271696,1 257057,1 278398,9

SSTM -79809563263,4 -75431752237,6 -66554971200,0

STAR 481696033,0 306885570,0 -56132807717,8

TFCO -33501875,2 -29356636,1 -19974416,8

TRIS -7840392586,9 -14242733212,8 -12555395657,4

UNIT -36210511375,5 -36457197448,5 -35845716437,9

VOKS -206534153183,8 -137984909144,0 21584435551,3


2017 2018

ASII 977,8 -7783,4

AUTO -564494,4 -573995,3

BALI -216242414973,6 -339820478969,1

BRAM 818204,2 -5224151,5

BUDI -168889,3 -227757,4

GDYR -9867220,0 -8630879,8

GJTL -1228354,3 -1651475,2

INDR -54548600,4 -3717996,9

INDS -64087525762,0 -106074460606,1

JECC -89199319,0 -87884419,1

KBLI 148010808285,1 -12577792798,3

KBLM -45186407142,2 -67348328772,8

LPIN 171686265574,9 7421728887,3

MASA -57391916,8 -74202627,2

PTSN -4077423,8 -11293298,3

RICY -118137026553,6 -106227390983,4

SMSM 377024,1 373038,1

SSTM -66104864835,5 -43861896554,8

STAR -42434625865,9 -26788516490,8

TFCO -20008931,3 -26661601,1

TRIS -23948892849,1 -34141139218,6

UNIT -33048645774,2 -33069608156,8

VOKS 18493304577,4 -105788774543,9


58

Berdasarkan tabel 4.3., residual income yang dihitung dengan rumus

NOPAT dikurangi dengan WACC yang dikalikan dengan total aktiva

menghasilkan nilai yang beragam seperti yang sudah dipaparkan di atas.

3. Uji Stasioneritas

Tabel 4.4. Hasil Uji Akar Unit

Variabel Prob. Keterangan

Harga Saham 0.0002 Stasioner pada first difference

Prediksi Kebangkrutan 0.0000 Stasioner pada first difference

Residual Income 0.0002 Stasioner pada first difference


Uji stasioneritas menggunakan ADF (Augmented Dickey Fulley)

dengan uji akar unit (unit root) digunakan untuk menjelaskan bahwa tidak

ada proses yang berubah seiring adanya perubahan deret waktu.

Kemudian data dapat dikatakan stasioner apabila probabilitasnya kurang

dari 1. Berdasarkan tabel 4.4. Hasil Uji Akar Unit di atas, dapat dilihat

bahwa variabel harga saham, prediksi kebangkrutan, dan residual income

stasioner pada first difference.

4. Regresi Data Panel

Untuk menguji regresi pada data panel maka ada tahapan yang

perlu dilakukan untuk mendapatkan hasil regresi yang tepat. Pertama

yang harus dilakukan adalah dengan menentukan model mana yang

paling tepat untuk mengestimasi data yaitu dengan Common Effect Model,

Fixed Effect Model, dan Random Effect Model dengan penentuan metode

estimasinya menggunakan Chow Test, Lagrange Multiple, dan Hausman

Test.

59

a. Uji Signifikansi Regresi Data Panel

Tabel 4.5. Hasil Uji Chow Test

F Sig.

Persamaan Harga Saham 1.098609 0.3708


Dalam peneltian ini, Chow Test menggunakan metode

Likelihood Ratio dilakukan untuk mengetahui manakah antara

Common Effect Model dan Fixed Effect Model yang lebih baik untuk

digunakan dalam mengetahui signifikansi. Berdasarkan tabel 4.5 di

atas menunjukkan bahwa nilai F hitung lebih kecil dari F tabel

(1.098609 < 3.10). Dengan demikian dapat disimpulkan bahwa model

yang tepat adalah menggunakan Common Effect Model.

5. Uji Asumsi Klasik

Setelah melakukan tahapan penentuan model estimasi, maka

dilakukanlah uji asumsi klasik dan kesesuaian model dengan menguji

normalitas, multikolinearitas, heteroskedastisitas, dan autokorelasi.

a. Normalitas

Tabel 4.6. Hasil Uji Jarque Bera

Residual Jarque Bera Prob.

resid_asii 0.233831 0.889660

resid_auto 0.539877 0.763427

resid_bali 0.706538 0.702388

resid_bram 0.315509 0.854059

resid_budi 0.652016 0.721800

resid_gdyr 0.946199 0.623068

resid_gjtl 0.234679 0.889283

resid_indr 0.905545 0.635863

resid_inds 0.929597 0.628262

resid_jecc 0.632205 0.728985

resid_kbli 0.717221 0.698647

resid_kblm 0.690719 0.707966

resid_lpin 0.402331 0.817777

resid_masa 0.663667 0.717607

60

resid_ptsn 0.918186 0.631856

resid_ricy 0.472824 0.789455

resid_smsm 0.928577 0.628582

resid_sstm 0.611840 0.736445

resid_star 0.500196 0.778725

resid_tfco 0.289682 0.865160

resid_tris 0.188209 0.910188

resid_unit 0.390065 0.822808

resid_voks 0.340406 0.843493


Data dikatakan normal apabila probabilitas lebih dari 0,05

dengan menggunakan metode Jarque Bera. Pada tabel 4.6. di atas

dapat disimpulkan bahwa residual mempunyai distribusi normal

karena probabilitasnya lebih dari 0,05, maka data tersebut adalah

normal dan dapat diteruskan untuk melakukan uji selanjutnya.

b. Multikolinearitas

Tabel 4.7. Hasil Uji Auxiliary Regresi

Persamaan R-Squared

Harga Saham 0.018610

Prediksi Kebangkrutan 0.019922


Uji multikolinearitas digunakan untuk mengetahui apakah ada

hubungan antara variabel independen pada model regresi. Apabila

matrik korelasi yang dihasilkan pada pengujian multikoleniaritas

menggunakan Eviews tidak lebih dari 0,09 maka data tersebut tidak

terjadi multikolinearitas. Apabila diuji dengan metode Auxiliary

Regresi, maka salah satu variabel bebas akan jadi variabel terikat

kemudian dibandingkan dengan variabel terikat yang asli.

Pada tabel 4.7. Hasil Uji Auxiliary Regresi, maka prediksi

kebangkrutan menjadi variabel terikat dan perlu dibandingkan dengan

61

variabel terikat yang asli pada penelitian ini yaitu harga saham. Dari

tabel di atas dapat dilihat bahwa prediksi kebangkrutan memiliki R-

Squared yang lebih besar yaitu 0.019922 dibanding harga saham yang

sebesar 0.018610, hal tersebut menerangkan bahwa terjadi multikol.

c. Heteroskedastisitas

Tabel 4.8. Hasil Uji White

Dependent Variable: D(HS?)

Method: Pooled EGLS (Period weights)

Date: 09/02/19 Time: 14:15

Sample (adjusted): 2015 2018

Included observations: 4 after adjustments

Cross-sections included: 23

Total pool (balanced) observations: 92

Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 93.78805 115.1441 0.814527 0.4175

D(BP?) -400.1737 141.4189 -2.829704 0.0058

D(RI?) -3.63E-09 1.77E-09 -2.054454 0.0429 Weighted Statistics R-squared 0.175878 Mean dependent var -9.627561

Adjusted R-squared 0.157358 S.D. dependent var 1823.376 S.E. of regression 1673.379 Sum squared resid 2.49E+08

F-statistic 9.496854 Durbin-Watson stat 1.717115 Prob(F-statistic) 0.000183

Unweighted Statistics R-squared -0.005676 Mean dependent var -137.8152

Sum squared resid 2.73E+08 Durbin-Watson stat 1.442230


Uji heteroskedastisitas dapat disajikan dalam dua macam, yaitu

dengan output grafik atau output statistik. Output statistik yang

dihasilkan diuji dengan menggunakan uji white dengan kriteria apabila

62

hasil probabilitasnya kurang dari 0,05 maka tidak terjadi

heteroskedatisitas.

Pada penelitian ini dengan uji white menunjukkan nilai

probabilitas dari masing-masing variabel bebasnya kurang dari 0,05

(0,0058 < 0,05 dan 0,0429 < 0,05) maka penelitian ini terbebas dari

gejala heteroskedastisitas.

d. Autokorelasi

Gambar 4.1. Grafik Durbin-Watson

Berdasarkan gambar 4.1 di atas dapat disimpulkan bahwa tidak

terdapat gejala autokorelasi pada persamaan ini. Hal itu ditunjukkan

oleh nilai Durbin-Watson stat sebesar 1.717115. Pada grafik Durbin-

Watson di atas dapat diketahui bahwa Durbin-Watson stat terletak di

antara dU dan 4-dU yaitu 1,7053 < 1,717115 < 2,2947, sehingga

dalam kasus ini tidak terdapat autokorelasi.

63

6. Uji Ketepatan Model

a. Uji Koefisien Determinasi

Tabel 4.9. Hasil.Uji Koefisien Determinasi

Model R-Squared Adjusted R-Squared

0.175878 0.157358


Untuk melihat hasil dari uji koefisien determinasi maka dapat

dilihat pada tabel 4.9., yang menunjukkan R-Squared sebesar

0.175878 atau 17,5%. Hal tersebut berarti harga saham dapat

dipengaruhi oleh dua variabel independen yaitu prediksi kebangkrutan

dan residual income. Sisanya yang sebesar 83,5% dipengaruhi oleh

faktor yang lain. Untuk Adjusted R-Squared memiliki nilai sebesar

0.157358.

Berdasarkan hasil uji koefisien determinasi di atas, kemudian

dapat disimpulkan bahwa harga saham pada perusahaan yang terdaftar

dalam ISSI dapat dipengaruhi walaupun hanya 17,5% oleh variabel

bebas yaitu prediksi kebangkrutan dan residual income. Sisa yang

lebih besar yaitu 83,5% dapat dijelaskan dengan variabel bebas yang

lain di luar penelitian ini.

b. Uji Statistik F

Tabel 4.10. Hasil Uji Statistik F

Model F-statistic Prob (F-statistic)

9.496854 0.000183

Sumber: data yang diolah, 2019.

64

Berdasarkan tabel 4.10., hasil uji statistik f menujukkan bahwa

variabel bebas yaitu prediksi kebangkrutan dan residual income

memiliki pengaruh yang signifikan terhadap harga saham perusahaan-

perusahaan yang terdaftar dalam ISSI karena besar probabilitas f

statistiknya yaitu sebesar 0,000183 yang mana lebih kecil dari 0,05

(0,000183 < 0,05).

Analisis statistik f digunakan untuk mengetahui apakah ada

pengaruh yang signifikan dari variabel independen terhadap variabel

dependen. Terbukti dengan F hitung sebesar 9.496854 lebih besar dari

F tabel yaitu 2,70 yang dapat dilihat pada tabel f dengan probabilita-

0,05. Sehingga dapat diketahui bahwa variabel prediksi kebangkrutan

dan residual income berpengaruh secara bersama-sama terhadap harga

saham.

Berdasarkan penjelasan di atas dapat disimpulkan bahwa

prediksi kebangkrutan menggunakan model Altman dan residual

income secara simultan berpengaruh positif dan signifikan terhadap

harga saham perusahaan-perusahaan yang terdaftar dalam Indeks

Saham Syariah Indonesia.

C. Pembahasan Hasil Penelitian

1. Pengaruh Prediksi Kebangkrutan terhadap Harga Saham

Berdasarkan tabel 4.8., dapat dinyatakan bahwa prediksi

kebangkrutan berpengaruh negatif signifikan terhadap harga saham.

Ditunjukkan dengan nilai koefisien -400.1737 dan nilai probabilitas

65

sebesar 0,0058. Hal ini dikarenakan probabilitasnya 0,0058 yang mana

lebih kecil dari 0,05 (0.0058 < 0,05) sehingga dapat diketahui bahwa

prediksi kebangkrutan secara parsial berpengaruh signifikan terhadap

harga saham. Sedangkan nilai koefisien yang negatif menyebabkan

prediksi kebangkrutan berpengaruh negatif terhadap harga saham. Hal ini

tidak sejalan dengan penelitian Hikmah (2018), Jainur, Ruwanti, & Iranita

(2016), serta Syamni, Majid, & Siregar (2018) yang mengatakan adanya

pengaruh positif dari prediksi kebangkrutan terhadap harga saham.

Dengan demikian dapat disimpulkan bahwa penelitian ini ditolak

karena prediksi kebangkrutan berpengaruh negatif dan signifikan terhadap

harga saham, sehingga semakin tinggi prediksi kebangkrutannya maka

semakin rendah harga saham. Hal tersebut dapat dilihat pada periode tahun

penelitian yaitu 2014 sampai 2018, perusahaan yang diteliti banyak yang

masuk ke dalam kategori grey area bahkan bangkrut, maka dari itu

menyebabkan munculnya keraguan dari para calon investor sehingga dapat

menurunkan harga saham. Ketika perusahaan dalam posisi bangkrut atau

grey area, tindakan para investor akan menjual sahamnya dengan harga

yang murah untuk menyelamatkan sahamnya.

2. Pengaruh Residual Income terhadap Harga Saham

Hipotesis kedua yaitu adakah pengaruh residual income terhadap

harga saham dapat dilihat pada tabel 4.8., bahwa residual income

berpengaruh negatif signifikan terhadap harga saham. Ditunjukkan dengan

nilai koefisien -3.6295 dan nilai probabilitas sebesar 0,0429. Hal ini

66

dikarenakan nilai probabilitasnya lebih kecil dari 0,05 (0,0429 < 0,05)

sehingga residual income secara parsial memiliki pengaruh signifikan

terhadap variabel terikat yaitu harga saham, dan juga nilai koefisien yang

negatif menunjukkan bahwa residual income berpengaruh negatif terhadap

harga saham.

Penelitian ini bertolak belakang dengan hipotesis penelitian ini

yang mengatakan hasil positif signifikan dari residual income terhadap

harga saham seperti yang dikatakan oleh Higgins (2011) dan Pirie &

Smith (2005) yaitu Residual Income memberikan pengaruh positif

terhadap harga saham. Sedangkan penelitian ini mengatakan hasil yang

negatif seperti pada penelitian Wahyu Laily Sani, Soewito, dan K.Bagus

(2011) yang menunjukkan bahwa residual income berpengaruh negatif dan

tidak signifikan, namun pada penelitian ini menunjukkan hasil yang

negatif signifikan ini berarti variabel residual income masih memiliki

peluang untuk mempengaruhi harga saham. Sehingga dapat disimpulkan

bahwa hasil penelitian ini menolak hipotesis.

Hal ini karena pada sampel perusahaan yang diteliti selama rentang

waktu 5 tahun banyak yang menunjukkan hasil negatif, ini berarti laba

residu suatu perusahaan mengalami penurunan sehingga menyebabkan

turunnya dividen yang akan dibagikan kepada para pemegang saham.

Dengan demikian penelitian ini menunjukkan bahwa residual income

berpengaruh negatif signifikan terhadap harga saham, sehingga semakin

besar residual income maka semakin rendah harga sahamnya.

67

Residual income yang menunjukkan angka negatif menandakan

bahwa perusahaan memiliki sedikit laba residu atau mengalami

penurunan, sehingga menyebabkan investor berfikir ulang untuk

menanamkan sahamnya ke perusahaan bersangkutan. Dengan demikian

para pemegang saham akan menurunkan harga sahamnya.

68

BAB V

KESIMPULAN DAN SARAN

A. Kesimpulan

Hasil analisis data dari penelitian dengan judul “Analisis Pengaruh

Prediksi Kebangkrutan dan Residual Income terhadap Harga Saham

Perusahaan yang Terdaftar dalam ISSI” dengan pengujian data perusahaan

aneka industri sejumlah 23 perusahaan yang terdaftar dalam Indeks Saham

Syariah Indonesia menggunakan model analisis regresi terbaik yaitu Common

Effect Model memiliki kesimpulan, sebagai berikut:

1. Prediksi kebangkrutan dengan Altman Z-Score memiliki pengaruh

negatif signifikan terhadap harga saham perusahaan yang terdaftar

dalam ISSI. Hal tersebut bertolak belakang dengan hipotesis.

2. Residual Income (RI) memiliki pengaruh yang sama seperti variabel

prediksi kebangkrutan terhadap harga saham. Analisis data

menunjukkan residual income berpengaruh negatif signifikan terhadap

harga saham. Menunjukkan bahwa penelitian ditolak karena hasil

analisis bertolak belakang dengan hipotesis.

B. Keterbatasan Penelitian

Penulisan ini tidak luput dari keterbatasan penelitian, dengan itu dapat

ditemukan keterbatasan yang ada pada penulisan skripsi ini, yaitu sebagai

berikut:

69

1. Rentang waktu yang digunakan pada penelitian ini juga relatif singkat,

yaitu hanya lima tahun dengan 23 perusahaan sampel sehingga hanya

terjadi 115 observasi.

2. Variabel bebas yang digunakan dalam penelitian ini juga hanya dua.

Maksudnya adalah, harga saham tidak hanya dipengaruhi oleh kedua

variabel yang diteliti, namun masih banyak faktor internal maupun

eksternal yang dapat mempengaruhi tinggi rendahnya harga saham.

3. Penelitian ini hanya menggunakan 23 sampel dari perusahaan

manufaktur yang bergerak pada sektor aneka industri, sehingga

hasilnya masih belum bisa mewakilkan keseluruhan perusahaan yang

terdaftar dalam Indeks Saham Syariah Indonesia.

C. Saran

Berdasarkan keterbatasan pada penulisan ini, maka dapat diberikan saran

untuk penelitian-penelitian di masa yang akan datang:

1. Penelitian yang akan datang disarankan untuk menambah rentang

waktu penelitian juga jumlah data yang akan dipakai dalam penelitian,

sehingga penelitian yang akan datang diharapkan dapat mendapatkan

hasil prediksi kebangrutan maupun residual income yang lebih baik.

2. Pada penelitian selanjutnya disarankan untuk menambah variabel

independen seperti faktor dari luar perusahaan, yaitu inflasi, tingkat

suku bunga, dan sebagainya. Bisa juga menambahkan variabel

intervening atau moderasi untuk membuat penelitian lebih bervariasi.

3. Untuk penelitian di masa mendatang diharapkan bisa menambah

sampel perusahaan, atau bisa memakai seluruh perusahaan yang

70

masuk ke dalam ISSI sehingga bisa mewakilkan keseluruhan

perusahaan yang terdaftar.

4. Untuk perusahaan aneka industri yang masuk ke dalam kategori

perusahaan sehat atau tidak bangkrut disarankan untuk terus

meningkatkan kinerja perusahaan sehingga laba perusahaan serta

kesehatan perusahaan yang dihasilkan memiliki kinerja yang semakin

baik dan mampu meningkatkan kesehatan perusahaan serta minat

calon investor untuk menanam saham di perusahaan tersebut.

5. Untuk investor, bahwasanya terdapat aspek lain di luar penelitian ini

yang bisa digunakan untuk pedoman berinvestasi berupa saham dari

sebuah perusahaan.

71

DAFTAR PUSTAKA

A, Ananta Wikrama Tungga., Saputra, Komang Adi Kurniawan., dan Vijaya, Diota

Prameswari. (2014). Metodologi Penelitian Bisnis. Yogyakarta: GRAHA ILMU.

Agustina, & Sumartio, F. (2014). Analisis Faktor-Faktor yang Mempengaruhi Pergerakan

Harga Saham pada Perusahaan Pertambangan. Wira Ekonomi Mikrosil, 4(01), 51–

61.

Ahmad, B., & Isroah. (2015). Pengaruh Residual Income (RI), Return on Investment

(ROI), Earning Per Share (EPS), dan Beta Saham Terhadap Harga Saham

Perusahaan Sektor Properti dan Real Estate yang Terdaftar di Bursa Efek

Indonesia Periode 2013-2015.

Amri, Nur Fadhila. (2015, 29 Oktober). Residual Income (RI). Diakses pada Senin 1 Juli

2019 pukul 20.50. https://www.e-akuntansi.com/residual-income-ri/.

Ardian, A., & Khoiruddin, M. (2014). Pengaruh Analisis Kebangkrutan Model Altman

Terhadap Harga Saham Perusahaan Manufaktur. Management Analysis Journal,

Vol. 3, pp. 1–14.

Budagaga, A. (2017). Divident Payment and its Impact on the Value Firms Listed on

Istanbul Stock Exchange: A Residual Income Approach. International Jurnal of

Economic and Financial Issues, 7(2), 370–376.

Connelly, Brian L., Certo, S. Travis., Ireland, Duane., & Reutzal. (2010). Signaling

Theory: A Review and Assessment. Journal of Management,Vol. 37 No. 1 hal: 39-

67.

Gamayuni, R. R. (2011). Analisis Ketepatan Model Altman Sebagai Alat Untuk

Memprediksi Kebangkrutan (Studi Empiris pada Perusahaan Manufaktur di BEI).

Jurnal Akuntansi Dan Keuangan, 16, 17.

Gamayuni, & Rika, R. (2011). Berbagai Model Prediksi Kebangkrutan. Jurnal Akuntansi

Dan Keuangan, Vol. 14. Jurnal Akuntansi dan Keuangan.

Ghozi, S. (2018). Analisis Regresi Data Panel Profitabilitas Bank Pembangunan Daerah

(BPD) di Indonesia. Jurnal Matematika, 8(1), 1–12.

Higgins, H. N. (2011). Forecasting Stock Price with the Residual Income Model. Review

of Quantitative Finance and Accounting, 36(4), 583–604.

Hikmah. (2018). Original Research Article Prediksi Kebangkrutan Dengan Altman Z-

Score dan Harga Saham pada Perusahaan Manufaktur. Perisai, 2(October), 121–

Jainur, S. J., Ruwanti, S., & Iranita, H. (2016). Pengaruh Altman Z-Score Terhadap

Harga Saham (Studi pada perusahaan manufaktur sektor industri sub makanan dan

minuman yang terdaftar di bursa efek periode 2012-2015). Indonesia.

Juliana, T. Z. (2012). Perbandingan Analisis Kebangkrutan Pada Perusahaan

Perkebunan yang Terdaftar di Bursa Efek Indonesia.

Oktaviandri, A., Firli, A., & Iradianty, A. (2015). Analisis Prediksi Kebangkrutan dengan

Model Altman, Springate, Ohlson, dan Grover pada Perusahaan di Sektor Pertanian

72

Bursa Efek Indonesia Periode 2011-2015. Majalah Ilmiah UNIKOM Vol.15 No.1,

15(1), 71–78.

Pasaribu, R. B. F. (2008). Pengaruh Variabel Fundamental Terhadap Harga Saham

Perusahaan Go Public di BEI. Jurnal Ekonomi Dan Bisnis, Vol 2, No., 101–113.

Pirie, S., & Smith, M. (2005). Relationships between Stock Prices and Accounting

Information: a Review of the Residual Income and Ohlson Models.

Pradhono, & Christiawan, Y. J. (2004). Pengaruh Economic Value Added, Residual

Income, Earnings dan Arus Kas Operasi Terhadap Returm yang Diterima oleh

Pemegang Saham (Studi pada perusahaan manufaktur yang terdaftar di Bursa Efek

Jakarta). Jurnal Akuntansi & Keuangan, 6, 140–166.

Prihantini, N. M. E. D., & Sari, M. M. R. (2013). Prediksi Kebangkrutan dengan Model

Grover, Altman Z-Score, Springate dan Zmijewski pada Perusahaan Food and

Beverage di Bursa Efek Indonesia. E-Jurnal Akuntansi Univeritas Udayana, 5(2),

417–435.

Rizal, J., & Akbar, S. (2015). Perbandingan Uji Stasioner Data Timeseries Antara

Metode : Control Chart, Correlogram, Akar Unit Dickey Fuller, dan Derajat

Integrasi. Jurnal Gradien, 11(1), 1040–1046.

Romadhani, A., Endang, N. M. G. W., & Sulasmiyati, S. (2016). Analisis Return on

Investment (ROI) dan Residual Income (RI) untuk Menilai Kinerja Keuangan

Perusahaan (Studi Pada Perusahaan Makanan Dan Minuman Yang Terdaftar Di

Bursa Efek Indoneisa Tahun 2011-2014). Administrasi Bisnis (JAB), 37(1).

Retrieved from administrasibisnis.studentjournal.ub.ac.id

Sambora, M. N., Handayani, S. R., & Rahayu, S. M. (2014). Pengaruh Leverage dan

Profitabilitas Terhadap Nilai Perusahaan (Studi pada Perusahaan Food and

Beverages yang terdaftar di BEI periode tahun 2009-2012). Jurnal Administrasi

Bisnis (JAB), 8(1).

Sani, W. L., Soewito, & Bagus, K. (2011). Model Residual Income, Arus Kas Operasi

dan Nilai Buku Saham Sebagai Alternatif dalam Memprediksi Harga Saham (Studi

Pada Perusahaan Yang Tergabung Dalam Indeks LQ 45 Tahun 2009-2011) (pp. 1–

13). pp. 1–13. Universitas Lampung.

Sarikhani, M., & Ebrahimi, F. (2012). An empirical evaluation of using the residual

income model for prediction of stock price. African Journal of Business

Management, 6(5), 2043–2047. https://doi.org/10.5897/AJBM11.2507

Savitri, D. W. (2012). Analisis Prediktor Kebangkrutan Terbaik Dengan Menggunakan

Metode Altman, Springate dan Zmijewski pada Perusahaan Delisting dari Bursa

Efek Indonesia Tahun 2012 (Studi Laporan Keuangan Tahun 2007-2011) (Vol.

2012). Universitas Telkom.

Soemitra, Andri. (2014). Masa Depan Pasar Modal Syariah di Indonesia. Jakarta:

Prenada Media.

Sukarnen. (n.d.). Tingkat Diskonto dalam Analisa Capital Budgeting. FUTURUM.

Retrieved from www.futurumcorfinan.com

Syamni, G., Majid, M. S. A., & Siregar, W. V. (2018). Bankruptcy Prediction Models and

73

Stock Prices of the Coal Mining Industry in Indonesia. Etikonomi, 17(1), 57–68.

Wibisono, E. A. (2013). Prediksi Kebangkrutan, Leverage, Audit Sebelumnya, Ukuran

Perusahaan terhadap Opini Going Concern Perusahaan Manufaktur BEI. EMBA,

14(4), 362–373.

Widiyawati, A. T., Utomo, S. W., & Amah, N. (2015). Analisis Rasio Altman Modifikasi

pada Prediksi Kebangkrutan Perusahaan Properti dan Real Estate yang Terdaftar di

BEI. ASSETS : Jurnal Akuntansi Dan Pendidikan, Vol.4 No.2, Oktober 2015 `, 4(2),

99–111.

Wiyarni, A. M., & Carlos. (2018). Z-Score Bankruptcy Prediction Model and Stock

Prices of The Cigarette Companies in Indonesia. In www.ijbmm.com International

Journal of Business Marketing and Management (Vol. 3). Retrieved from

www.ijbmm.com

www.idx.co.id

Yudiana, Fetria Eka. (2012). Konsep Dasar Manajemen Keuangan. Salatiga: STAIN

Salatiga Press.

Yuliardi, Ricki. (2017). Statistika Penelitian: Plus Tutorial SPSS. Yogyakarta: Innosain.

74

LAMPIRAN

75

Lampiran 1. Sampel Penelitian Perusahaan Manufaktur yang Terdaftar dalam ISSI

No Kode Nama Perusahaan

1 ADMG Polychem Indonesia Tbk.

2 AKPI Argha Karya Prima Industry Tbk.

3 ALDO Alkindo Naratama Tbk.

4 ALKA Alakasa Industrindo Tbk.

5 AMFG Asahimas Flat Glass Tbk.

6 AMIN Ateliers Macaniques D Indonesie Tbk.

7 APLI Asiaplast Industries Tbk.

8 ARNA Arwana Citramulia Tbk.

9 ASII Astra International Tbk.

10 AUTO Astra Otoparts Tbk.

11 BALI Bali Towerindo Sentra Tbk.

12 BATA Sepatu Bata Tbk.

13 BELL Trisula Textile Industries Tbk.

14 BOLT Garuda Metalindo Tbk.

15 BOLA Bali Bintang Sejahtera Tbk.

16 BRAM Indo Kordsa Tbk.

17 BRNA Berlina Tbk.

18 BRPT Barito Pacific Tbk.

19 BUDI Budi Starch & Sweetener Tbk.

20 CPIN Charoen Pokhpand Indonesia Tbk.

21 CTBN Citra Tubindo Tbk.

22 DPNS Duta Pertiwi Nusantara Tbk.

23 EKAD Ekadharma International Tbk.

24 FASW Fajar Surya Wisesa Tbk.

25 FPNI Lotte Chemical Titan Tbk.

26 GDST Golden Energy Mines Tbk.

27 GDYR Goodyear Indonesia Tbk.

28 GJTL Gajah Tunggal Tbk.

29 GMFI Garuda Maintenance Facility Aero Asia Tbk.

30 IGAR Champion Pacific Indonesia

31 IKAI Interkeramik Alamasri Industri Tbk.

32 IKBI Sumi Indo Kabel Tbk.

33 IMPC Impack Pratama Industri Tbk.

34 INCI IntanWijaya Internasional Tbk.

35 INDR Indo Rama Synthetic Tbk.

36 INDS Indospring Tbk.

37 INTP Indocement Tunggal Prakarsa Tbk.

38 IPOL Indopoly Swakarsa Industry Tbk.

39 JECC Jembo Cable Company Tbk.

40 JKSW Jakarta Kyoei Steel Works Tbk.

76

41 JPFA Japfa Comfeed Indonesia Tbk.

42 KBLI KMI Wire and Cable Tbk.

43 KBLM Kabelindo Murni tbk.

44 KDSI Kedawung Setia Industrial Tbk.

45 KIAS Keramika Indonesia Assosiasi Tbk.

46 LION Lion Metal Works Tbk.

47 LMSH Lionmesh Prima Tbk.

48 LPIN Multi Prima Sejahtera Tbk.

49 MAIN Malindo Feedmil Tbk.

50 MARK Mark Dynamics Indonesia Tbk.

51 MASA Multistrada Arah Sarana Tbk.

52 MLIA Mulia Indutrindo Tbk.

53 PBID Panca Budi Idaman Tbk.

54 PICO Pelangi Indah Canindo Tbk.

55 PTSN Sat Nusa Persada Tbk.

56 RICY Ricky Putra Globalindo Tbk.

57 SCCO Supreme Cable Manufacturing and Commerce Tbk.

58 SIPD Sierad Produce Tbk.

59 SMBR Semen Baturaja (Persero) Tbk.

60 SMCB Solusi Bangun Indonesia Tbk.

61 SMGR Semen Indonesia (Persero) Tbk.

62 SMSM Selamat Sempurna Tbk.

63 SPMA Suparma Tbk.

64 SRSN Indo Acidatama Tbk.

65 SSTM Sunson Textile Manufacturer Tbk.

66 STAR Buana Artha Anugerah Tbk.

67 SWAT Sriwahana Adityakarta Tbk.

68 TBMS Tembaga Mulia Semanan Tbk

69 TDPM Tridomain Performance Tbk.

70 TFCO Tifico Fiber Indonesia Tbk.

71 TIRT Tirta Mahakam Resources Tbk.

72 TOTO Surya Toto Indonesia Tbk.

73 TPIA Chandra Asri Petrochemical Tbk.

74 TRIS Trisula International Tbk.

75 TRST Trias Sentosa Tbk.

76 UNIC Unggul Indah Cahaya Tbk.

77 UNIT Nusantara Inti Corpora Tbk.

78 VOKS Voksel Electric Tbk.

79 WTON Wijaya Karya Beton Tbk.

77

Lampiran 2. Sampel Penelitian Perusahaan Manufaktur sektor Misc-Ind (Aneka

Industri) yang terdaftar dalam ISSI

NO KODE Nama Perusahaan

1 AMIN Ateliers Macaniques D Indonesie Tbk.o


3 AUTO Astra Otoparts Tbk.o

4 BALI Bali Towerindo Sentra Tbk.o

5 BATA Sepatu Bata Tbk.

6 BELL Trisula Textile Industries Tbk.

7 BOLT Garuda Metalindo Tbk.

8 BOLA Bali Bintang Sejahtera Tbk.





13 GMFI Garuda Maintenance Facility Aero Asia Tbk.

14 IKBI Sumi Indo Kabel Tbk.










24 SCCO Supreme Cable Manufacturing and Commerce Tbk.




28 SWAT Sriwahana Adityakarta Tbk.

29 TDPM Tridomain Performance Tbk.





78

Lampiran 3. Sampel Penelitian Perusahaan Manufaktur sektor Misc-Ind (Aneka

Industri) yang memiliki Kelengkapan Laporan Keuangan

NO KODE Nama Perusahaan


2 AUTO Astra Otoparts Tbk.o

3 BALI Bali Towerindo Sentra Tbk.o





















79

Lampiran 4. Ringkasan Laporan Keuangan Masing-masing Perusahaan Tahun 2014 (dalam milyar)

No Kode Total Aktiva Akitva Lancar Hutang Lancar Modal Kerja Laba yang

Ditahan EBIT Total Modal Total Hutang Penjualan

1 ASII 236.029 97.241 73.523 23.718 87459 135.540 120.324 115.705 201.701

2 AUTO 14.387,57 5.138,08 3.857,81 1.280,27 5.485,85 664,28 10.142,71 4.244,86 12.255,43

3 BALI 808.759,67 51.810,08 155.096,92 -103.286,84 249.978,40 -21.166,82 368.053,74 440.705,93 136.527,12

4 BRAM 4.393.247,45 1.558.987,51 1.101.272,18 457.715,33 291.388,25 177.393,63 2.532.091,36 26.525.578.193,44 2.959.967,91

5 BUDI 2.476,98 988,53 945,12 43,41 244,53 233,69 908,93 1.568,05 2.284,21

6 GDYR 1.794.553,10 896.259,39 949.128,63 -52.869,24 751.277,40 228.874,27 806.431,13 14.080.738.147,31 2.290.916,53

7 GJTL 16.122,04 6.283,25 3.116,22 3.167,03 3.941,78 2.080,81 5.637,00 10.485,03 13.070,73

8 INDR 11.112.864,25 4.396.487,46 4.012.397,64 5.473.280.020,50 1.738.687,90 1.007.274,76 4.442.753,68 95.049.075.675,94 10.972.390,43

9 INDS 2.282.666,08 975.954,23 335.123,44 640.830,79 476.903,75 151.073,69 1.828.318,55 1.000.347,53 1.866.977,26

10 JECC 1.062,48 873,19 846,12 27,07 90,00 135,34 171,36 891,12 1.493,01

11 KBLI 1.340.881,25 851.745,56 256.060,42 595.685,14 289.863,97 115.128,52 926.637,60 414.243,65 2.384.078,04

12 KBLM 647.249,66 356.301,39 342.253,23 14.048,16 79.992,99 50.971,48 290.287,87 356.961,78 919.537,87

13 LPIN 180.781,76 84.882,25 39.239,10 45.643,14 17.339,32 11.547,87 132.155,19 48.626,57 70.155,46

14 MASA 8.913.550,13 2.387.743,99 1.366.161,48 14.557.550.828,06 1.373.393,95 578.130,12 5.328.772,94 51.083.075.043,00 4.019.110,84

15 PTSN 931.849,27 476.865,05 182.491,39 4.194.824.715,56 9.899,00 11.267,10 692.231,93 3.414.547.109,25 1.566.950,86

16 RICY 1.172.012,47 845.372,47 636.410,62 208.961,85 48.334,78 220.066,43 390.263,22 781.749,25 1.185.443,58

80

17 SMSM 1.757,63 1.133,73 536,80 596,93 789,16 243,13 1.122,12 635,51 2.632,86

18 SSTM 773.663,35 398.785,35 332.510,08 66.275,26 - -14.476,18 258.131,24 515.532,11 519.854,66

19 STAR 775.917,83 457.148,02 262.328,82 194.819,19 7.275,19 39.951,43 488.916,26 287.001,57 228.622,03

20 TFCO 4.849.483,42 1.249.948,23 677.800,77 8.153.101.315,69 -58.286,68 -66.183,20 4.084.979,09 10.894.186.770,19 4.010.159,90

21 TRIS 521.920,09 387.852,60 191.709,34 196.143,25 65.570,50 140.421,54 308.551,08 213.369,01 746.828,92

22 UNIT 440.522,83 87.589,60 194.344,21 -106.754,61 23.465,97 31.055,71 242.242,50 198.280,34 102.448,04

23 VOKS 1.557.960,73 1.161.045,75 1.002.912,81 158.132,94 89.543,64 -10.241,28 503.772,45 1.054.188,28 2.003.353,49

81


No Kode Total aktiva Akitva Lancar Hutang Lancar Modal Kerja Laba yang


1 ASII 245.435 105.161 76.242 28.919 92989 56340 126.533 118.902 184.196

2 AUTO 14.339,11 4.796,77 3.625,91 1.170,86 5.505,00 1.297,14 10.143,43 4.195,68 11.723,79

3 BALI 1.204.724,50 78.541,85 247.265,66 -168.723,82 370.911,32 -40.572,19 500.550,75 704.173,75 170.480,12

4 BRAM 4.158.643,36 1.454.891,93 805.379,09 649.512,83 242.397,97 391.636,31 2.606.806,38 1.551.836,98 2.962.098,29

5 BUDI 3.265,95 1.492,37 1.491,11 1,26 264,30 168,46 1.105,25 2.160,70 2.378,81

6 GDYR 1.700.251,05 828.498,92 884.617,06 -56.118,14 735.465,87 208.468,95 790.619,60 909.631,45 154,40

7 GJTL 17.509,51 6.602,28 3.713,15 2.889,13 3.593,60 2.292,27 5.394,14 12.115,36 12.970,24

8 INDR 804,85 294,28 257,40 36,88 132,65 51,01 296,84 508,01 9.719.087,53

9 INDS 2.553.928,35 992.929,22 445.006,85 547.922,37 445.385,65 180.377,95 1.919.038,92 634.889,43 1.659.505,64

10 JECC 1.358,46 927,49 883,28 44,21 78,59 176,09 367,76 990,71 1.663,34

11 KBLI 1.551.799,84 961.562,67 337.673,72 623.888,96 389.206,13 135.208,82 1.027.361,93 524.437,91 2.662.038,53

12 KBLM 654.385,72 362.277,75 342.643,69 19.634,05 84.175,63 76.142,46 296.475,38 357.910,34 967.710,34

13 LPIN 324.054,79 142.576,41 180.556,11 -37.979,70 3.214,04 3.851,52 116.490,71 207.564,07 77.790,17

14 MASA 8.527.616,63 2.266.916,12 1.763.927,66 502.988,46 975.892,95 -129.578,64 4.922.684,36 3.604.932,27 3.377.567,12

15 PTSN 905.096,35 427.999,96 162.248,13 265.751,83 2.926,22 43.749,82 699.204,71 205.891,64 1.169.237,85

16 RICY 1.198.193,87 851.477,57 718.198,05 133.279,52 56.208,85 265.369,37 400.079,04 798.114,82 1.111.051,29

82

17 SMSM 2.220,11 1.368,56 571,71 796,85 1.033,89 285,82 1.440,25 779,86 2.802,92

18 SSTM 721.884,17 377.319,54 331.660,63 45.658,91 -12.155,95 244.091,47 477.792,69 506.180,50

19 STAR 729.020,55 412.696,94 228.149,11 184.547,83 7.358,59 41.487,23 489.676,01 239.344,54 258.967,33

20 TFCO 4.489.047,33 1.010.834,04 333.173,17 677.660,87 76.645,59 31.663,59 4.066.620,17 422.427,16 2.631.202,49

21 TRIS 574.346,43 428.277,33 226.897,00 201.380,33 77.544,10 170.119,85 329.208,08 245.138,36 859.743,47

22 UNIT 460.539,38 127.287,42 213.482,74 -86.195,32 24.075,36 35.317,84 242.974,31 217.565,07 118.260,14

23 VOKS 1.536.244,63 1.151.962,69 986.156,35 165.806,34 89.820,74 238.903,33 509.652,93 1.026.591,71 1.597.736,46

83




1 ASII 261.855 110.403 89.079 21.324 101642 58685 139.906 121.949 181.084

2 AUTO 14.612,27 4.903,90 3.258,15 1.645,76 5.837,23 2.501,72 10.536,56 4.075,72 12.806,87

3 BALI 1.707.249,31 136.280,01 322.825,08 -186.545,07 72.655,79 119.330,94 701.525,81 1.005.723,50 254.686,46

4 BRAM 4.218.862,05 1.604.810,93 848.727,26 756.083,67 605.647,53 201.134,43 2.817.861,26 1.401.000,79 3.139.260,17

5 BUDI 2.931,81 1.092,36 1.090,82 1,54 287,76 221,43 1.164,98 1.766,83 2.467,55

6 GDYR 1.607.981,98 667.473,08 776.160,59 -108.687,51 746.799,92 220.236,66 801.953,65 806.028,34 2.211.181,08

7 GJTL 18.697,78 7.517,15 4.343,81 3.173,35 4.220,17 2.369,35 5.848,18 12.849,60 13.633,56

8 INDR 12.021.039,14 4.150.258,14 3.814.886,11 335.372,03 1.676.073,81 836.169,12 4.032.054,57 7.988.984,57 9.857.565,25

9 INDS 2.477.272,50 981.694,10 323.699,36 657.994,74 493.491,07 163.608,04 2.068.063,88 409.208,62 1.637.036,79

10 JECC 1.587,21 1.131,74 992,54 139,19 178,55 173,27 470,34 1.116,87 2.037,78

11 KBLI 1.871.422,42 1.223.453,18 358.715,99 864.737,19 695.494,33 147.938,83 1.321.345,84 550.076,58 2.812.196,22

12 KBLM 639.091,37 394.738,15 303.264,27 91.473,88 100.042,36 68.175,33 320.655,28 318.436,09 987.409,11

13 LPIN 477.838,31 187.053,34 262.162,23 -75.108,89 -47.664,08 -34.532,78 51.595,02 426.243,29 141.746,86

14 MASA 8.688.869,24 2.162.499,60 2.052.569,52 109.930,09 1.756,90 407.157,92 4.830.297,73 3.858.571,51 3.274.658,15

15 PTSN 940.787,18 465.056,00 180.369,59 284.686,41 14.371,91 101.901,39 716.699,28 224.087,90 1.052.213,17

16 RICY 1.288.683,93 943.936,82 821.755,11 122.181,71 64.969,45 251.787,45 412.499,07 876.184,86 1.221.519,10

84

17 SMSM 2.632,86 2.632,86 508,48 2.124,38 1.192,89 275,93 1.580,06 674,69 2.879,88

18 SSTM 649.654,34 330.396,51 281.293,94 49.102,57 -123.401,65 -16.569,87 237.940,41 411.713,93 436.691,20

19 STAR 690.187,35 386.235,14 193.182,42 193.052,72 7.628,35 23.243,45 490.025,95 200.161,40 129.480,61

20 TFCO 4.592.546,23 1.221.529,76 377.640,95 843.888,82 12.262,13 44.701,14 4.155.527,89 437.018,34 2.655.869,83

21 TRIS 639.701,16 462.578,10 281.765,92 180.812,18 53.076,02 167.263,78 346.627,18 293.073,98 901.909,49

22 UNIT 432.913,18 119.703,44 184.553,79 -64.850,35 24.851,41 30.313,62 244.021,82 188.891,36 104.109,82

23 VOKS 1.668.210,09 1.291.317,19 968.322,76 322.994,43 246.866,62 248.851,43 669.043,55 999.166,54 2.022.350,28

85


No Kode Total aktiva Akitva Lancar Hutang Lancar Modal Kerja Laba yang


1 ASII 295.830 121.528 98.722 22.806 113563 13231 156.505 139.325 206.057

2 AUTO 15.889,65 5.228,54 3.041,50 2.187,04 6.114,85 1.044,14 10.759,08 4.003,23 13.549,86

3 BALI 2.421.703,65 287.439,98 495.349,22 207.909,24 149.539,49 148.147,11 1.137.754,93 1.283.948,72 320.065,95

4 BRAM 4.338.891,67 116.542.599 48.785.810 67.756.789 834.752,66 180.736,26 3.093.238,29 1.245.653,38 3.445.404,29

5 BUDI 2.939,46 1.027,49 1.019,99 7,50 322,87 286,78 1.194,70 1.744,76 2.510,58

6 GDYR 1.763.659,80 826.749,55 960.554,38 -133.804,84 708.327,40 2.184.806,27 763.481,13 1.000.178,67 2.297.976,50

7 GJTL 18.191,18 7.168,38 4.397,96 2.770,42 4.247,77 2.357,30 5.689,47 12.501,71 14.146,92

8 INDR 11.401.545,71 3.983.429,54 3.824.107,21 159.322,32 1.705.042,74 1.436.721,14 4.051.359,59 7.350.186,12 11.085.432,03

9 INDS 2.434.617,34 1.044.177,99 203.724,82 840.453,17 574.882,05 221.175,22 2.144.818,92 289.798,42 1.967,90

10 JECC 1.927,99 1.294,46 1.220,23 74,23 166,33 193,82 547,36 1.380,62 2.184,52

11 KBLI 3.013.760,62 1.843.100,26 933.490,17 909.610,09 1.016.938,84 85.877,41 1.786.746,39 1.227.014,23 3.186.704,71

12 KBLM 1.235.198,85 548.840,10 434.423,46 114.416,64 140.443,00 56.922,35 791.428,58 443.770,27 1.215.476,68

13 LPIN 268.116,50 133.470,80 25.635,30 107.835,50 144.313,62 -169.403,57 231.461,83 36.654,67 102.949,17

14 MASA 9.370.925,93 2.456.926,59 2.586.678,91 -129.752,32 755.960,33 399.708,97 4.802.165,33 4.568.760,60 4.003.891,14

15 PTSN 957.652,55 364.988,41 168.687,01 196.301,40 17.729,82 115.999,28 720.056,50 237.596,05 1.223.845,28

16 RICY 1.374.444,79 1.037.820,99 873.224,84 164.596,15 74.473,72 282.750,25 430.265,37 944.179,42 1.600.432,17

86

17 SMSM 2.443,34 1.570,11 419,91 1.150,20 1.392,02 286,28 1.828,18 615,16 3.339,96

18 SSTM 605.643,30 311.547,86 182.421,58 129.126,28 -147.111,48 -27.406,43 212.465,67 393.177,63 343.842,84

19 STAR 614.705,04 321.284,37 231,30 321.053,07 7.046,56 19.477,48 490.282,29 124.422,75 114.496,16

20 TFCO 4.719.150,07 15.126.119,18 446.821,55 14.679.297,64 57.164,93 82.532,17 4.199.575,29 519.574,78 3.086.424,67

21 TRIS 544.968,32 356.846,49 185.606,89 171.239,61 94.707,79 159.683,84 356.231,59 188.736,73 773.806,96

22 UNIT 426.384,62 132.822,95 179.729,68 -293.561,67 25.486,80 29.888,09 245.258,33 181.126,29 103.245,05

23 VOKS 2.110.166,50 1.667.656,03 1.260.868,22 -442.510,46 395.449,17 243.095,49 814.122,31 1.296.044,19 2.258.316,81

87




1 ASII 344.711 133.609 116.467 17.142 127732 85764 174.363 170.348 239.205

2 AUTO 14.762,31 6.013,68 4.066,70 1.946,98 6.548,72 1.011,29 11.263,64 4.626,01 15.356,38

3 BALI 3.437.653,34 299.165,40 516.318,54 217.153,14 14.537,83 208.328,07 1.693.869,17 1.743.784,18 464.175,76

4 BRAM 4.223.700,26 108.415.026 50.454.345 57.960..681 744.870,20 199.650,48 3.140.156,90 1.083.543,35 3.768.273,71

5 BUDI 3.392,98 1.472,14 1.467,51 4,63 353,38 278,29 1.226,48 2.166,50 2.647,19

6 GDYR 1.795.733,07 685.245,96 994.691,40 -309.445,43 719.958,32 186.465,13 775.112,05 1.020.621,02 2.278.976,98

7 GJTL 19.711,48 8.673,41 5.797,36 2.876,05 4.173,21 2.539,42 5.875,83 13.835,65 15.349,94

8 INDR 11.484.342,60 4.492.983,53 4.328.201,61 164.781,93 2.711.987,50 272.515,63 4.979.707,80 6.504.634,80 11.962.224,63

9 INDS 2.477.272,50 981.694,10 323.699,36 657.994,74 493.491,07 193.812,52 2.068.063,88 409.208,62 1.637.036,79

10 JECC 2.081,62 1.415,58 1.288,25 127,33 228,21 215,68 609,24 1.472,38 3.207,58

11 KBLI 3.244.821,65 2.173.538,86 882.122,69 1.291.416,17 1.235.639,07 237.543,58 2.030.980,76 1.213.840,89 4.239.937,39

12 KBLM 1.298.358,48 604.353,22 463.589,37 140.763,84 170.235,71 61.356,60 821.471,28 476.887,19 1.215.476,68

13 LPIN 301.596,45 137.578,75 17.360,52 120.218,23 177.272,19 -11.589,38 273.570,41 28.026,04 95.212,68

14 MASA 9.167.901,53 3.295.457,89 3.108.224,31 187.233,59 469.152,79 62.438,71 4.530.031,67 4.637.869,87 4.301.329,20

15 PTSN 4.097.960,00 3.123.396,81 2.892.139,43 231.257,38 197.397,08 378.398,86 992.540,59 3.105.419,41 5.480.183,95

16 RICY 1.539.602,05 1.211.372,84 994.288,05 217.084,79 83.170,73 320.630,55 444.909,49 1.094.692,57 2.107.868,38

17 SMSM 2.801,20 1.853,78 470,12 1.383,67 1.666,30 364,96 2.150,28 650,93 3.933,35

88

18 SSTM 562.174,18 294.172,56 131.917,69 162.254,87 - 9.916,10 215.250,32 346.923,86 410.244,60

19 STAR 332.865,53 615.956,01 115.834,64 500.121,37 8.066,72 17.313,37 491.354,58 124.601,43 131.833,24

20 TFCO 4.586.403,35 1.477.284,85 320.075,98 1.157.208,87 57.347,22 75.727,42 4.196.785,87 389.617,49 3.250.281,39

21 TRIS 633.014,28 439.825,80 273.186,01 166.639,79 84.016,63 166.547,96 356.224,84 276.789,44 860.682,35

22 UNIT 419.701,65 145.765,93 172.205,94 -26.440,00 25.887,81 29.337,50 245.948,08 173.753,57 103.498,15

23 VOKS 2.485.382,58 1.905.388,22 1.497.401,93 407.986,29 500.917,91 300.260,54 922.629,62 1.562.752,96 2.684.419,28

89

Lampiran 9. Ikhtisar Perhitungan Z-Score Masing-masing Perusahaan tahun 2014

No Kode X1 X2 X3 X4 X5 Z-Score

1 ASII 0,100487652 0,37054345 0,574251469 1,039920487 0,854560245 4,012888398

2 AUTO 0,088984532 0,381291126 0,046170068 2,389407712 0,851806713 3,07840158

3 BALI -0,127710171 0,309088603 -0,026171948 0,835145863 0,168810489 0,863002416

4 BRAM 0,104179273 0,066322043 0,040376056 1,360283334 0,673709804 1,840986777

5 BUDI 0,017524956 0,098721751 0,094345457 0,579656529 0,92217505 1,740549375

6 GDYR -0,02946095 0,41864317 0,127538308 0,81612508 1,276594448 2,737893211

7 GJTL 0,196441008 0,244496105 0,129066205 0,53762392 0,81073718 2,137253763

8 INDR 0,034562631 0,156457225 0,090640427 0,66606897 0,987359351 1,946629413

9 INDS 0,28073786 0,208924009 0,066183 1,827683383 0,817893286 2,762286259

10 JECC 0,025477142 0,08471239 0,127380009 0,192291574 1,405219583 2,090118473

11 KBLI 0,444248987 0,216174231 0,085860342 2,236938586 1,777993416 4,239238405

12 KBLM 0,021704384 0,123589079 0,078750886 0,813218354 1,420684991 2,367563898

13 LPIN 0,252476489 0,095912986 0,063877398 2,717756681 0,388067158 2,666766547

14 MASA 0,11461006 0,154079344 0,064859693 1,486500456 0,450899 1,910079413

15 PTSN 0,315902662 0,010622968 0,012091123 2,888905798 1,681549708 3,848749243

16 RICY 0,178293197 0,041240845 0,187767997 0,499217901 1,011459871 2,202314021

17 SMSM 0,339621332 0,448987104 0,13832914 1,765688875 1,497956913 4,049983945

18 SSTM 0,085664215 0 -0,018711212 0,50070837 0,671939111 1,01341419

19 STAR 0,251082248 0,009376237 0,05148925 1,703531682 0,294647216 1,801106181

20 TFCO 0,117981115 -0,012019151 -0,013647474 5,343304021 0,82692517 4,112621444

21 TRIS 0,375810888 0,125633216 0,269047974 1,446091317 1,430925799 3,813298471

22 UNIT -0,242336159 0,053268462 0,070497385 1,221717202 0,232560123 0,982004271

23 VOKS 0,10149995 0,057474904 -0,006573518 0,477877112 1,285881887 1,75318035


Keterangan:

X1 = Modal kerja terhadap Total Aktiva

X2 = Laba ditahan terhadap Total Aktiva

X3 = EBIT terhadap Total Aktiva

X4 = Nilai Buku Ekuitas terhadap Nilai Buku Total Hutang

X5 = Pejualan terhadap Total Aktiva

90

Lampiran 10. Ikhtisar Perhitungan Z-Score Masing-masing Perusahaan tahun

2015


1 ASII 0,117827531 0,378874244 0,229551612 1,064178904 0,750487909 2,81833255

2 AUTO 0,081655207 0,383914832 0,09046196 2,417585786 0,817609112 3,202152066

3 BALI -0,140051787 0,307880619 -0,03367757 0,710834159 0,141509631 0,719844869

4 BRAM 0,156183827 0,058287752 0,094174056 1,679819727 0,712275143 2,299964808

5 BUDI 0,000384574 0,080924618 0,051579432 0,511524032 0,728364738 1,319247236

6 GDYR -0,033005796 0,432563104 0,122610688 0,869164755 1,294039435 2,786134948

7 GJTL 0,165003694 0,205237327 0,13091598 0,445231563 0,740754065 1,925252425

8 INDR 0,045820364 0,164807096 0,06337486 0,584315495 0,847412725 1,69285343

9 INDS 0,214541012 0,174392383 0,070627648 3,02263486 0,649785512 3,198036217

10 JECC 0,032543047 0,057855478 0,129622037 0,371205567 1,224423891 1,994949279

11 KBLI 0,402042157 0,250809494 0,087130323 1,958977243 1,715452251 4,011952542

12 KBLM 0,030003794 0,128633055 0,116357152 0,828350984 1,478807246 2,575887267

13 LPIN -0,117201494 0,0099182 0,01188541 0,561227738 0,240052532 0,489254717

14 MASA 0,058983475 0,114439121 -0,015195177 1,365541429 0,396073987 1,396249701

15 PTSN 0,293617169 0,003233052 0,0483372 3,395983995 1,291837998 3,845808029

16 RICY 0,111233687 0,046911314 0,221474485 0,501280056 0,927271724 2,15806182

17 SMSM 0,358922179 0,465694462 0,128741485 1,846803272 1,262516959 3,878124682

18 SSTM 0,06324963 0 -0,016839199 0,510873179 0,701193517 1,028047625

19 STAR 0,253144891 0,0100938 0,056908171 2,045904201 0,355226377 2,088471052

20 TFCO 0,150958728 0,01707391 0,00705352 9,626796252 0,586138283 6,590546599

21 TRIS 0,350625202 0,135012767 0,296197279 1,342948048 1,496907482 3,889895445

22 UNIT -0,187161676 0,052276445 0,076687984 1,116789187 0,256786163 1,028523035

23 VOKS 0,107929647 0,058467734 0,155511253 0,496451437 1,040027367 2,06245577

Sumber: Data yang diolah, 2019

Keterangan:






91


2016


1 ASII 0,081434382 0,388161387 0,224112581 1,14725008 0,69154303 2,760611796

2 AUTO 0,112628329 0,399474716 0,171206959 2,58520417 0,876445856 3,686969921

3 BALI -0,10926645 0,042557224 0,069896609 0,697533472 0,149179421 0,726818688

4 BRAM 0,179215072 0,143557083 0,047675044 2,011320251 0,744101164 2,524258961

5 BUDI 0,000526638 0,09815039 0,075526118 0,65936468 0,841649195 1,624546701

6 GDYR -0,067592495 0,464433015 0,13696463 0,994944734 1,375128018 2,993173363

7 GJTL 0,169717858 0,22570408 0,126718045 0,455125147 0,729153767 1,940045545

8 INDR 0,027898755 0,139428363 0,069558806 0,50470176 0,820026051 1,58106938

9 INDS 0,26561258 0,199207422 0,066043619 5,053813023 0,66082225 4,508679495

10 JECC 0,087694988 0,112490366 0,109167069 0,421120991 1,283878064 2,159522486

11 KBLI 0,462074828 0,371639411 0,079051541 2,40211254 1,502705211 4,279627789

12 KBLM 0,143131148 0,156538433 0,106675411 1,00696902 1,545020259 2,892141712

13 LPIN -0,157184743 -0,0997494 -0,072268757 0,121045943 0,296641902 -0,197488283

14 MASA 0,012651829 0,101299161 0,033244704 1,251835743 0,376879667 1,394689656

15 PTSN 0,302604479 0,015276472 0,108315032 3,198295224 1,118439108 3,779368283

16 RICY 0,094811233 0,050415347 0,1953834 0,470790002 0,947881069 2,059475256

17 SMSM 0,806870855 0,453076882 0,104803522 2,341915116 1,093820408 4,447373761

18 SSTM 0,075582613 -0,189949704 -0,025505666 0,577926555 0,672190086 0,75954687

19 STAR 0,279710599 0,011052585 0,033677012 2,448154064 0,187602122 2,118755036

20 TFCO 0,18375184 0,002670006 0,009733411 9,508817967 0,578300075 6,539951326

21 TRIS 0,282651014 0,082970018 0,26147174 1,182729274 1,409891898 3,437725448

22 UNIT -0,149799893 0,057405073 0,070022393 1,29186333 0,240486606 1,147285732

23 VOKS 0,19361736 0,147982929 0,149172713 0,669601636 1,212287519 2,545835386


Keterangan:






92


2017


1 ASII 0,07709157 0,383879255 0,383879255 1,12330881 0,696538553 3,267266225

2 AUTO 0,13763924 0,384832565 0,384832565 2,68759675 0,852747462 4,439185651

3 BALI 0,08585247 0,061749706 0,061749706 0,886137363 0,132165615 1,057094612

4 BRAM 0,22253 0,192388454 0,192388454 2,483225554 0,794074743 2,95785139

5 BUDI 0,00255251 0,109841073 0,109841073 0,684737579 0,854096132 1,784254737

6 GDYR -0,0758677 0,401623601 0,401623601 0,763344739 1,302959053 3,557555568

7 GJTL 0,15229477 0,233507224 0,233507224 0,455095023 0,777680234 2,330974924

8 INDR 0,01397375 0,149544876 0,149544876 0,551191428 0,972274489 2,02261876

9 INDS 0,34520956 0,236128299 0,236128299 7,401071833 0,000808301 5,965505873

10 JECC 0,03850189 0,086269663 0,086269663 0,396459524 1,133057827 1,822603224

11 KBLI 0,30181896 0,337431858 0,337431858 1,456174133 1,057384813 3,879201775

12 KBLM 0,09263014 0,113700722 0,113700722 1,783419553 0,984033203 2,699634492

13 LPIN 0,40219643 0,538249678 0,538249678 6,314662209 0,383971797 7,185178326

14 MASA -0,0138463 0,080670826 0,080670826 1,051087099 0,427267398 1,420457022

15 PTSN 0,20498186 0,018513835 0,018513835 3,030591228 1,277963778 3,429311773

16 RICY 0,11975465 0,054184584 0,054184584 0,455702978 1,16442085 1,836215757

17 SMSM 0,47074764 0,569720723 0,569720723 2,971898231 1,36696597 6,392689468

18 SSTM 0,21320516 -0,242901196 -0,242901196 0,540380876 0,567731595 0,006170687

19 STAR 0,52228801 0,011463322 0,011463322 3,940455307 0,186261951 3,231158362

20 TFCO 0,22584371 0,012113395 0,012113395 8,082715831 0,654021302 5,831596209

21 TRIS 0,31421938 0,173785866 0,173785866 1,88745233 1,419911815 3,746240041

22 UNIT -0,6884903 0,059774197 0,059774197 1,35407357 0,242140647 0,509335179

23 VOKS -0,2097041 0,187401878 0,187401878 0,628159373 1,070207878 2,07624747


Keterangan:






93


2018


1 ASII 0,04972861 0,370548082 0,248799719 1,023569399 0,693929117 2,707551481

2 AUTO 0,13188885 0,443610752 0,068504595 2,434847243 1,040242485 3,506537671

3 BALI 0,063169 0,004228997 0,060601827 0,971375466 0,135026926 0,999561637

4 BRAM 0,195549 0,176354891 0,047269093 2,898044547 0,892173563 3,26854376

5 BUDI 0,00136517 0,104150923 0,082019935 0,566114131 0,780197054 1,537980818

6 GDYR -0,1723226 0,400927249 0,103837886 0,759451384 1,269106758 2,421953613

7 GJTL 0,14590722 0,211714921 0,128829558 0,424687734 0,778731001 1,930170739

8 INDR 0,0143484 0,236146516 0,023729319 0,765563011 1,041611614 1,927079375

9 INDS 0,26561258 0,199207422 0,078236253 5,053813023 0,66082225 4,548915185

10 JECC 0,06116633 0,109628519 0,103609738 0,41377989 1,540904888 2,357964475

11 KBLI 0,39799296 0,380803386 0,073206976 1,673185323 1,306678102 3,562888606

12 KBLM 0,10841678 0,13111611 0,047257058 1,722569391 0,936164163 2,439316775

13 LPIN 0,39860626 0,587779444 -0,038426786 9,7612933 0,315695634 7,34688195

14 MASA 0,02042273 0,051173411 0,006810578 0,976748334 0,469172709 1,173846671

15 PTSN 0,05643232 0,048169598 0,092338349 0,319615632 1,337295618 1,968937767

16 RICY 0,14100058 0,054020927 0,208255473 0,40642414 1,369099488 2,54502703

17 SMSM 0,4939542 0,594851212 0,130288308 3,303412369 1,404165639 5,24170122

18 SSTM 0,28862029 0 0,017638844 0,620454087 0,729746436 1,506571418

19 STAR 1,50247272 0,02423418 0,052013119 3,943410426 0,39605554 4,770640207

20 TFCO 0,25231293 0,012503744 0,016511287 10,77155419 0,708677614 7,546378132

21 TRIS 0,26324808 0,132724693 0,263103002 1,286988577 1,359657083 3,501802397

22 UNIT -0,0629971 0,061681462 0,069900846 1,41549947 0,246599331 1,337329281

23 VOKS 0,16415432 0,201545595 0,120810594 0,59038738 1,080082922 2,312139327


Keterangan:






94

Lampiran 14. Hasil Penghitungan Residual Income tahun 2014-2018

No Kode Tahun WACC Total Aktiva EAT Residual Income

1 ASII

2014 12,50% 236.029 22.125 -7378,625

2015 12,80% 245.435 15.613 -15802,68

2016 8,00% 261.855 18.302 -2646,4

2017 7,50% 295.830 23.165 977,75

2018 8,50% 344.711 21.517 -7783,435

2 AUTO

2014 8,00% 14.387.568 954.086 -196919,44

2015 9,00% 14.339.110 322.701 -967818,9

2016 8,00% 14.612.274 483.421 -685560,92

2017 7,00% 15.889.648 547.781 -564494,36

2018 8,50% 14.762.309 680.801 -573995,265

3 BALI

2014 10,93% 808.759.668.656 89.051.652.817 654221032,9

2015 11,41% 1.204.724.497.928 120.797.157.320 -16661907894

2016 11,41% 1.707.249.310.532 196.629.741.580 1832595248

2017 11,47% 2.421.703.648.750 61.526.993.538 -2,16242E+11

2018 11,35% 3.437.653.341.261 50.353.175.264 -3,3982E+11

4 BRAM

2014 8,00% 308.318.277 16.426.896 -8238566,16

2015 8,80% 291.834.622 12.573.606 -13107840,74

2016 8,20% 296.060.495 22.299.582 -1977378,59

2017 7,80% 304.483.626 24.567.927 818204,172

2018 8,30% 296.400.018 19.377.050 -5224151,494

5 BUDI

2014 8,00% 2.476.982 28.524 -169634,56

2015 9,00% 3.265.953 21.072 -272863,77

2016 8,50% 2.931.807 38.624 -210579,595

2017 7,30% 2.939.456 45.691 -168889,288

2018 8,20% 3.392.980 50.467 -227757,36

6 GDYR

2014 8,25% 125.933.551 2.780.572 -7608945,958

2015 9,00% 119.315.863 -110,978 -10738538,65

2016 8,50% 112.840.841 1.656.125 -7935346,485

2017 7,25% 123.765.600 -894.214 -9867220

2018 7,25% 126.016.356 505.306 -8630879,81

7 GJTL

2014 8,00% 16.122.036 283.016 -1006746,88

2015 9,00% 17.509.505 -313.326 -1889181,45

2016 8,00% 18.697.779 626.561 -869261,32

2017 7,00% 18.191.176 45.028 -1228354,32

2018 8,00% 19.711.478 -74.557 -1651475,24

8 INDR

2014 8,75% 779.850.123 -198,662 -68237084,42

2015 9,10% 804.851.296 10.108.133 -63133334,94

2016 8,40% 843.581.694 1.456.742 -69404120,3

2017 7,10% 800.108.471 2.259.101 -54548600,44

95

2018 8,20% 805.918.779 62.367.343 -3717996,878

9 INDS

2014 8,50% 2.282.666.078.493 127.657.349.869 -66369266803

2015 9,00% 2.553.928.346.219 1.933.819.152 -2,2792E+11

2016 8,50% 2.477.272.502.538 49.556.367.334 -1,61012E+11

2017 7,30% 2.434.617.337.849 113.639.539.901 -64087525762

2018 8,75% 2.477.272.502.538 110.686.883.366 -1,06074E+11

10 JECC

2014 8,00% 1.062.476.023 23.904.334 -61093747,84

2015 9,00% 1.358.464.081 2.464.669 -119797098,3

2016 8,24% 1.587.210.576 132.423.161 1637009,538

2017 8,95% 1.927.985.352 83.355.370 -89199319

2018 8,47% 2.081.620.993 88.428.879 -87884419,11

11 KBLI

2014 8,30% 1.340.881.252.563 72.026.856.790 -39266287173

2015 9,00% 1.551.799.840.976 115.371.098.970 -24290886718

2016 8,64% 1.871.422.416.044 334.338.838.592 1,72648E+11

2017 7,00% 3.013.760.616.985 358.974.051.474 1,48011E+11

2018 7,65% 3.244.821.647.076 235.651.063.203 -12577792798

12 KBLM

2014 10,50% 647.249.655.440 20.498.841.379 -47462372442

2015 10,50% 654.385.717.061 12.760.365.612 -55950134679

2016 8,32% 639.091.366.917 21.245.022.916 -31927378811

2017 7,22% 1.235.198.847.468 43.994.949.645 -45186407142

2018 8,32% 1.298.358.478.375 40.675.096.628 -67348328773

13 LPIN

2014 8,20% 180.781.762.691 -4.130.648.465 -18954753006

2015 - 324.054.785.283 -18.173.655.308 -18173655308

2016 7,30% 477.838.306.256 -64.895.693.813 -99777890170

2017 7,30% 268.116.498.330 191.258.769.953 1,71686E+11

2018 8,40% 301.596.448.818 32.755.830.588 7421728887

14 MASA

2014 8,50% 625.512.290 550.096 -52618448,65

2015 9,00% 598.429.237 -26.859.073 -80717704,33

2016 8,75% 609.745.210 -6.702.209 -60054914,88

2017 7,50% 657.608.837 -8.071.254 -57391916,78

2018 8,75% 643.361.511 -17.908.495 -74202627,21

15 PTSN

2014 8,20% 65.392.931 -2.659.511 -8021731,342

2015 9,00% 63.515.533 108.617 -5607780,97

2016 8,20% 66.020.153 1.204.265 -4209387,546

2017 6,80% 67.203.688 492.427 -4077423,784

2018 8,10% 287.576.140 12.000.369 -11293298,34

16 RICY

2014 8,50% 1.172.012.468.004 15.124.699.961 -84496359819

2015 9,00% 1.198.193.867.892 13.465.713.464 -94371734646

2016 9,00% 1.288.683.925.066 14.033.426.519 -1,01948E+11

2017 9,80% 1.374.444.788.282 16.558.562.698 -1,18137E+11

2018 8,10% 1.539.602.054.832 18.480.375.458 -1,06227E+11

96

17 SMSM

2014 8,50% 1.757.634 421.095 271696,11

2015 9,20% 2.220.108 461.307 257057,064

2016 8,50% 2.632.860 502.192 278398,9

2017 7,30% 2.443.341 555.388 377024,107

2018 9,30% 2.801.203 633.550 373038,121

18 SSTM

2014 8,50% 773.663.346.934 -14.048.178.774 -79809563263

2015 9,00% 721.884.167.684 -10.462.177.146 -75431752238

2016 8,00% 649.654.335.962 -14.582.624.323 -66554971200

2017 7,00% 605.643.301.307 -23.709.833.744 -66104864835

2018 8,00% 562.174.180.897 1.112.037.917 -43861896555

19 STAR

2014 - 775.917.827.931 481.696.033 481696033

2015 - 729.020.553.284 306.885.570 306885570

2016 8,20% 690.187.353.961 462.555.307 -56132807718

2017 7,00% 614.705.038.056 594.726.798 -42434625866

2018 8,10% 332.865.525.071 173.591.040 -26788516491

20 TFCO

2014 8,50% 340.314.626 -4.575.132 -33501875,21

2015 8,80% 315.020.865 -1.634.800 -29356636,12

2016 8,13% 322.283.946 6.227.268 -19974416,81

2017 7,03% 331.168.426 3.272.209 -20008931,35

2018 8,13% 321.852.867 -494.963 -26661601,09

21 TRIS

2014 8,50% 521.920.090.728 36.522.815.125 -7840392587

2015 9,00% 574.346.433.075 37.448.445.764 -14242733213

2016 8,50% 639.701.164.511 41.819.203.326 -12555395657

2017 7,00% 544.968.319.987 14.198.889.550 -23948892849

2018 8,50% 633.014.281.325 19.665.074.694 -34141139219

22 UNIT

2014 8,30% 440.522.832.644 352.883.734 -36210511375

2015 8,00% 460.539.382.206 385.953.128 -36457197448

2016 8,30% 432.913.180.372 86.077.533 -35845716438

2017 8,00% 426.384.622.878 1.062.124.056 -33048645774

2018 8,00% 419.701.649.147 506.523.775 -33069608157

23 VOKS

2014 7,70% 1.557.960.734.712 -86.571.176.611 -2,06534E+11

2015 9,00% 1.536.244.634.556 277.107.966 -1,37985E+11

2016 8,30% 1.668.210.094.478 160.045.873.393 21584435551

2017 7,00% 2.110.166.496.595 166.204.959.339 18493304577

2018 8,50% 2.485.382.578.010 105.468.744.587 -1,0579E+11

97

Lampiran 15. Tabel Daftar Harga Saham Penutupan (dalam rupiah)


2014 2015 2016 2017 2018

ASII 7425 6000 8275 8300 8225

AUTO 4200 1600 2050 2060 1470

BALI 2100 890 1050 1530 1560

BRAM 5000 4680 6675 7375 6200

BUDI 107 63 87 170 95

GDYR 16000 2725 1920 1700 1940

GJTL 1425 530 1070 685 650

INDR 770 760 810 1250 5925

INDS 1600 350 810 1260 2220

JECC 2350 1350 3500 4700 6650

KBLI 139 119 276 426 302

KBLM 155 132 240 282 256

LPIN 6200 5375 5400 1305 995

MASA 420 351 270 280 720

PTSN 85 77 60 187 1990

RICY 174 159 150 164 4750

SMSM 4750 4.760 980 1255 1400

SSTM 103 52 360 380 452

STAR 50 50 56 99 86

TFCO 900 900 1020 790 665

TRIS 356 300 336 308 220

UNIT 318 260 360 228 258

VOKS 795 980 1465 312 300

Sumber: www.idx.co.id


98

Lampiran 16. Deskripsi Objek Penelitian

BP? RI? HS?

Mean 2.677965 -2.43E+10 1764.165

Median 2.368000 -52618449 770.0000

Maximum 7.546000 1.73E+11 16000.00

Minimum -0.197000 -3.40E+11 50.00000

Std. Dev. 1.435045 6.36E+10 2548.700

Skewness 1.016567 -1.377359 2.484483

Kurtosis 4.349778 10.18192 10.93142

Jarque-Bera 28.53695 283.5154 419.7407

Probability 0.000001 0.000000 0.000000

Sum 307.9660 -2.80E+12 202879.0

Sum Sq. Dev. 234.7664 4.61E+23 7.41E+08

Observations 115 115 115

99

Lampiran 17. Uji Stasioneritas Prediksi Kebangkrutan

Null Hypothesis: Unit root (individual unit root process)

Series: D(BP?)

Date: 08/30/19 Time: 12:54

Sample: 2014 2018

Exogenous variables: Individual effects

Automatic selection of maximum lags

Automatic lag length selection based on SIC: 0

Total (balanced) observations: 69

Cross-sections included: 23 Method Statistic Prob.**

ADF - Fisher Chi-square 99.5506 0.0000

ADF - Choi Z-stat -3.40192 0.0003 ** Probabilities for Fisher tests are computed using an asymptotic Chi

-square distribution. All other tests assume asymptotic normality.

Intermediate ADF test results D(BP?) Cross

Section Prob. Lag Max Lag Obs

1 0.3749 0 0 3

2 0.3469 0 0 3

3 0.2932 0 0 3

4 0.2183 0 0 3

5 0.1705 0 0 3

6 0.6041 0 0 3

7 0.1213 0 0 3

8 0.4426 0 0 3

9 0.7006 0 0 3

10 0.0001 0 0 3

11 0.1270 0 0 3

12 0.4976 0 0 3

13 0.7216 0 0 3

14 0.0012 0 0 3

15 0.7405 0 0 3

16 0.6520 0 0 3

17 0.0145 0 0 3

18 0.7908 0 0 3

19 0.7729 0 0 3

20 0.2734 0 0 3

21 0.0695 0 0 3

22 0.0000 0 0 3

23 0.5797 0 0 3

100

Lampiran 18. Uji Stasioneritas Residual Income


Series: D(RI?)

Date: 08/30/19 Time: 12:49

Sample: 2014 2018









Intermediate ADF test results D(RI?) Cross

section Prob. Lag Max Lag Obs

1 0.3532 0 0 3

2 0.0092 0 0 3

3 0.5569 0 0 3

4 0.3894 0 0 3

5 0.2142 0 0 3

6 0.0008 0 0 3

7 0.1685 0 0 3

8 0.9018 0 0 3

9 0.1706 0 0 3

10 0.1585 0 0 3

11 0.7114 0 0 3

12 0.5637 0 0 3

13 0.1605 0 0 3

14 0.1936 0 0 3

15 0.9922 0 0 3

16 0.0001 0 0 3

17 0.3574 0 0 3

18 0.0097 0 0 3

19 0.4895 0 0 3

20 0.7958 0 0 3

21 0.5342 0 0 3

22 0.3566 0 0 3

23 0.8012 0 0 3

101

Lampiran 19. Uji Stasioneritas Harga Saham


Series: D(HS?)

Date: 08/30/19 Time: 12:49

Sample: 2014 2018









Intermediate ADF test results D(HS?) Cross

Section Prob. Lag Max Lag Obs

1 0.0959 0 0 3

2 0.0273 0 0 3

3 0.0754 0 0 3

4 0.5410 0 0 3

5 0.3505 0 0 3

6 0.0000 0 0 3

7 0.0085 0 0 3

8 0.9999 0 0 3

9 0.1058 0 0 3

10 0.0109 0 0 3

11 0.4878 0 0 3

12 0.3575 0 0 3

13 0.2855 0 0 3

14 0.9956 0 0 3

15 0.9998 0 0 3

16 0.8660 0 0 3

17 0.3633 0 0 3

18 0.1164 0 0 3

19 0.2714 0 0 3

20 0.5505 0 0 3

21 0.5436 0 0 3

22 0.1186 0 0 3

23 0.3992 0 0 3

102

Lampiran 20. Common Effect Model


Method: Pooled Least Squares

Date: 09/01/19 Time: 22:42




Total pool (balanced) observations: 92 Variable Coefficient Std. Error t-Statistic Prob. C -114.8566 183.2468 -0.626786 0.5324

D(BP?) -223.4804 221.2709 -1.009986 0.3152

D(RI?) -2.00E-09 3.05E-09 -0.654396 0.5145 R-squared 0.018398 Mean dependent var -137.8152

Adjusted R-squared -0.003660 S.D. dependent var 1728.300

S.E. of regression 1731.460 Akaike info criterion 17.78338

Sum squared resid 2.67E+08 Schwarz criterion 17.86561

Log likelihood -815.0356 Hannan-Quinn criter. 17.81657

F-statistic 0.834056 Durbin-Watson stat 1.457145

Prob(F-statistic) 0.437650

Lampiran 21. Fixed Effect Model


Method: Panel Least Squares

Date: 08/30/19 Time: 14:44


Periods included: 4


Total panel (balanced) observations: 92 Variable Coefficient Std. Error t-Statistic Prob. C -121.0178 181.7371 -0.665894 0.5078

D(BP?) -178.7908 244.0557 -0.732582 0.4664

D(RI?) -2.19E-09 3.18E-09 -0.689288 0.4930 Effects Specification Cross-section fixed (dummy variables) R-squared 0.278781 Mean dependent var -137.8152

Adjusted R-squared 0.020433 S.D. dependent var 1728.300






103

Lampiran 22. Random Effect Model


Method: Panel EGLS (Cross-section random effects)

Date: 08/30/19 Time: 14:45


Periods included: 4


Total panel (balanced) observations: 92

Swamy and Arora estimator of component variances Variable Coefficient Std. Error t-Statistic Prob. C -115.2250 197.8685 -0.582331 0.5618

D(BP?) -218.7221 221.8426 -0.985934 0.3268

D(RI?) -2.02E-09 3.04E-09 -0.663403 0.5088 Effects Specification

S.D. Rho Cross-section random 381.5627 0.0474

Idiosyncratic random 1710.551 0.9526 Weighted Statistics R-squared 0.018418 Mean dependent var -125.8584


S.E. of regression 1692.803 Sum squared resid 2.55E+08


Prob(F-statistic) 0.437258 Unweighted Statistics R-squared 0.018600 Mean dependent var -137.8152


104

Lampiran 23. Uji Chow

Redundant Fixed Effects Tests

Equation: FIXED

Test cross-section fixed effects Effects Test Statistic d.f. Prob. Cross-section F 1.098609 (22,67) 0.3708

Cross-section Chi-square 28.338457 22 0.1647

Cross-section fixed effects test equation:


Method: Panel Least Squares

Date: 09/02/19 Time: 12:41


Periods included: 4


Total panel (balanced) observations: 92 Variable Coefficient Std. Error t-Statistic Prob. C -114.3002 183.2710 -0.623668 0.5344

D(BP?) -225.0638 220.7460 -1.019560 0.3107

D(RI?) -1.99E-09 3.05E-09 -0.651401 0.5165 R-squared 0.018610 Mean dependent var -137.8152







105

Lampiran 24. Uji Normalitas

RESID_ASII RESID_AUTO RESID_BALI RESID_BRAM RESID_BUDI RESID_GDYR RESID_GJTL

Mean 2.419.461 -5.436.753 -1.908.086 4.946.406 1.005.149 -3.417.799 -9.045.887

Median 8.393.433 -1.952.566 4.254.737 4.046.385 1.005.306 -4.138.449 -9.626.162

Maximum 2.377.118 6.732.451 3.133.208 2.159.938 2.244.508 3.059.168 6.582.108

Minimum -1.577.203 -2.457.433 -1.161.650 -9.906.531 -2.345.238 -13149.42 -8.275.230

Std. Dev. 1.625.971 1.355.731 6.701.580 1.355.243 1.335.447 6.499.330 6.219.297

Skewness 0.331286 -0.770576 -0.936479 0.185734 -6.05E-05 -1.142.374 0.029167

Kurtosis 2.018.173 2.070.426 2.144.866 1.675.210 1.022.099 2.323.890 1.814.812

Jarque-Bera 0.233831 0.539877 0.706538 0.315509 0.652016 0.946199 0.234679

Probability 0.889660 0.763427 0.702388 0.854059 0.721800 0.623068 0.889283

Sum 9.677.843 -2.174.701 -7.632.344 1.978.562 4.020.596 -13671.20 -3.618.355

Sum Sq. Dev. 7931342. 5514019. 1347335. 5510047. 53502.52 1.27E+08 1160390.

Observations 4 4 4 4 4 4 4

RESID_INDR RESID_INDS RESID_JECC RESID_KBLI RESID_KBLM RESID_LPIN RESID_MASA

Mean 1.402.521 3.498.917 1.204.816 1.311.505 1.341.543 -9.117.649 1.487.254

Median 3.880.237 8.791.311 1.711.892 -1.381.802 7.942.021 -6.857.958 6.809.407

Maximum 4.785.935 1.001.333 2.301.973 7.246.778 3.414.061 3.761.810 5.277.819

Minimum 4.810.272 -1.360.028 -9.064.912 -1.724.399 3.637.076 -2.651.649 -6.906.844

Std. Dev. 2.270.357 1.144.171 1.483.527 4.090.230 1.437.963 1.330.083 2.623.549

Skewness 1.111.151 -1.129.731 -0.846476 0.946658 0.913964 -0.450716 0.906130

Kurtosis 2.296.690 2.312.673 2.037.117 2.152.252 2.103.902 1.734.535 2.164.707

Jarque-Bera 0.905545 0.929597 0.632205 0.717221 0.690719 0.402331 0.663667

Probability 0.635863 0.628262 0.728985 0.698647 0.707966 0.817777 0.717607

Sum 5.610.085 1.399.567 4.819.266 5.246.018 5.366.173 -3.647.059 5.949.016

Sum Sq. Dev. 15463567 3927383. 6602559. 501899.4 62032.17 5307366. 206490.2

Observations 4 4 4 4 4 4 4

106

RESID_PTSN RESID_RICY RESID_SMSM RESID_SSTM RESID_STAR RESID_TFCO RESID_TRIS RESID_UNIT RESID_VOKS

Mean 4.860.691 1.206.807 -6.560.462 2.271.326 2.761.885 2.479.121 5.036.228 1.212.571 7.258.926

Median 1.727.947 1.065.383 2.114.641 2.262.915 3.136.585 2.962.837 5.825.034 1.169.036 1.792.801

Maximum 1.515.801 1.993.258 4.908.699 3.806.746 4.622.601 6.686.493 2.210.077 2.424.473 1.026.391

Minimum 8.288.616 7.032.027 -3.537.983 7.527.285 1.517.709 -2.695.685 -1.360.593 8.773.944 -1.094.594

Std. Dev. 6.899.415 6.170.556 1.928.505 1.552.698 2.175.730 3.916.150 1.461.143 1.038.983 9.143.110

Skewness 1.120.982 0.418405 -1.129.114 0.005435 -0.266692 -0.399457 -0.185988 0.099926 -0.328200

Kurtosis 2.305.222 1.538.257 2.313.070 1.084.035 1.351.766 1.951.273 2.004.568 1.483.277 1.730.520

Jarque-Bera 0.918186 0.472824 0.928577 0.611840 0.500196 0.289682 0.188209 0.390065 0.340406

Probability 0.631856 0.789455 0.628582 0.736445 0.778725 0.865160 0.910188 0.822808 0.843493

Sum 1.944.277 4.827.227 -2.624.185 9.085.304 1.104.754 9.916.482 2.014.491 4.850.285 2.903.570

Sum Sq. Dev. 1428058. 11422.73 11157398 72326.16 142014.0 460087.0 64048.14 32384.56 2507894.

Observations 4 4 4 4 4 4 4 4 4

107

Lampiran 25. Uji Multikolinearitas

Dependent Variable: D(BP?)

Method: Pooled Least Squares

Date: 09/02/19 Time: 14:00




Total pool (balanced) observations: 92 Variable Coefficient Std. Error t-Statistic Prob. C 0.136112 0.086108 1.580711 0.1175

D(RI?) 1.94E-12 1.44E-12 1.352560 0.1796 R-squared 0.019922 Mean dependent var 0.130141



Sum squared resid 61.23170 Schwarz criterion 2.529053




108

Lampiran 26. Uji Heteroskedastisitas


Method: Pooled EGLS (Period weights)

Date: 09/02/19 Time: 14:15




Total pool (balanced) observations: 92

Linear estimation after one-step weighting matrix Variable Coefficient Std. Error t-Statistic Prob. C 93.78805 115.1441 0.814527 0.4175

D(BP?) -400.1737 141.4189 -2.829704 0.0058

D(RI?) -3.63E-09 1.77E-09 -2.054454 0.0429 Weighted Statistics R-squared 0.175878 Mean dependent var -9.627561


S.E. of regression 1673.379 Sum squared resid 2.49E+08


Prob(F-statistic) 0.000183 Unweighted Statistics R-squared -0.005676 Mean dependent var -137.8152


Lampiran 27. Lampiran Plagiasi

Pemeriksaan tingkat plagiasi menggunakan aplikasi Plagiarism Detector.

109

Lampiran 28. Pernyataan Publikasi

110

DAFTAR RIWAYAT HIDUP

Saya yang bertanda tangan di bawah ini:

Nama : Shinta Disky Azzharah

TTL : Salatiga, 19 Januari 1997

Jenis Kelamin : Perempuan

Alamat : Perum Tegalrejo Permai no 240 RT 4/9 Salatiga

Email : [email protected]

Waega Negara : Indonesia

Agama : Islam

Riwayat Pendidikan :

a. SD : SD N 2 Salatiga (2003-2009)

b. SMP : SMP N 6 Salatiga (2009-2012)

c. SMA : SMA N 3 Salatiga (2012-2015)

d. PTN : IAIN Salatiga (2015-Sekarang)

Pengalaman Organisasi:

a. KSEI : Sie Inventaris (2016-2018)

b. PMII : Sie Keperempuanan (2016-2017)

Demikian daftar riwayat hidup ini ditulis dengan sebenar-benarnya.

Salatiga, 19 September 2019

Penulis

Shinta Disky Azzharah

63010150073


analisis pengaruh prediksi kebangkrutan dan residual...

Documents