analisis pengaruh prediksi kebangkrutan dan residual...
TRANSCRIPT
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
SHINTA DISKY AZZHARAH
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]
v
PENGESAHAN
ANALISIS PENGARUH PREDIKSI KEBANGKRUTAN DAN
RESIDUAL INCOME TERHADAP HARGA SAHAM
PERUSAHAAN YANG TERDAFTAR DALAM ISSI
DISUSUN OLEH
SHINTA DISKY AZZHARAH
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.
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]
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]
vi
PERNYATAAN KEASLIAN TULISAN
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]
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
Lampiran 5. Ringkasan Laporan Keuangan Masing-masing Perusahaan Tahun 2015
(dalam milyar) ................................................................................................................... 81
Lampiran 6. Ringkasan Laporan Keuangan Masing-masing Perusahaan Tahun 2016
(dalam milyar) ................................................................................................................... 83
Lampiran 7. Ringkasan Laporan Keuangan Masing-masing Perusahaan Tahun 2017
(dalam milyar) ................................................................................................................... 85
Lampiran 8. Ringkasan Laporan Keuangan Masing-masing Perusahaan Tahun 2018
(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 11. Ikhtisar Perhitungan Z-Score Masing-masing Perusahaan tahun 2016 ...... 91
Lampiran 12. Ikhtisar Perhitungan Z-Score Masing-masing Perusahaan tahun 2017 ...... 92
Lampiran 13. Ikhtisar Perhitungan Z-Score Masing-masing Perusahaan tahun 2018 ...... 93
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.
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)
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:
- Z < 1,80 = bangkrut,
- 1,8 < Z < 2,99 = grey area atau area abu-abu, dan
- Z > 2,99 = daerah untuk perusahaan yang sehat.
(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:
- Z < 1,80 = bangkrut,
- 1,8 < Z < 2,99 = grey area atau area abu-abu,
- Z > 2,99 = daerah untuk perusahaan yang sehat.
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
grey area grey area grey area grey area grey area
7 GJTL 2,137 1,925 1,940 1,988 1,930
grey area grey area grey area grey area grey area
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
grey area grey area grey area grey area grey area
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
grey area grey area grey area grey area grey area
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
sehat Sehat Sehat sehat sehat
21 TRIS 3,813 3,890 3,438 4,140 3,502
sehat Sehat Sehat sehat sehat
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
Sumber: Data yang diolah, 2019.
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
Kode Tahun Pengamatan
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
Sumber: Data yang diolah, 2019.
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
Sumber: Data yang diolah, 2019.
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
Sumber: Data yang diolah, 2019.
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
Sumber: Data yang diolah, 2019.
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
Sumber: Data yang diolah, 2019.
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
Sumber: Data yang diolah, 2019.
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
Sumber: Data yang diolah, 2019.
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.
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
2 ASII Astra International Tbk.
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.
9 BRAM Indo Kordsa Tbk.
10 BUDI Budi Starch & Sweetener Tbk.
11 GDYR Goodyear Indonesia Tbk.
12 GJTL Gajah Tunggal Tbk.
13 GMFI Garuda Maintenance Facility Aero Asia Tbk.
14 IKBI Sumi Indo Kabel Tbk.
15 INDR Indo Rama Synthetic Tbk.
16 INDS Indospring Tbk.
17 JECC Jembo Cable Company Tbk.
18 KBLI KMI Wire and Cable Tbk.
19 KBLM Kabelindo Murni tbk.
20 LPIN Multi Prima Sejahtera Tbk.
21 MASA Multistrada Arah Sarana Tbk.
22 PTSN Sat Nusa Persada Tbk.
23 RICY Ricky Putra Globalindo Tbk.
24 SCCO Supreme Cable Manufacturing and Commerce Tbk.
25 SMSM Selamat Sempurna Tbk.
26 SSTM Sunson Textile Manufacturer Tbk.
27 STAR Buana Artha Anugerah Tbk.
28 SWAT Sriwahana Adityakarta Tbk.
29 TDPM Tridomain Performance Tbk.
30 TFCO Tifico Fiber Indonesia Tbk.
31 TRIS Trisula International Tbk.
32 UNIT Nusantara Inti Corpora Tbk.
33 VOKS Voksel Electric Tbk.
78
Lampiran 3. Sampel Penelitian Perusahaan Manufaktur sektor Misc-Ind (Aneka
Industri) yang memiliki Kelengkapan Laporan Keuangan
NO KODE Nama Perusahaan
1 ASII Astra International Tbk.
2 AUTO Astra Otoparts Tbk.o
3 BALI Bali Towerindo Sentra Tbk.o
4 BRAM Indo Kordsa Tbk.
5 BUDI Budi Starch & Sweetener Tbk.
6 GDYR Goodyear Indonesia Tbk.
7 GJTL Gajah Tunggal Tbk.
8 INDR Indo Rama Synthetic Tbk.
9 INDS Indospring Tbk.
10 JECC Jembo Cable Company Tbk.
11 KBLI KMI Wire and Cable Tbk.
12 KBLM Kabelindo Murni tbk.
13 LPIN Multi Prima Sejahtera Tbk.
14 MASA Multistrada Arah Sarana Tbk.
15 PTSN Sat Nusa Persada Tbk.
16 RICY Ricky Putra Globalindo Tbk.
17 SMSM Selamat Sempurna Tbk.
18 SSTM Sunson Textile Manufacturer Tbk.
19 STAR Buana Artha Anugerah Tbk.
20 TFCO Tifico Fiber Indonesia Tbk.
21 TRIS Trisula International Tbk.
22 UNIT Nusantara Inti Corpora Tbk.
23 VOKS Voksel Electric Tbk.
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
Lampiran 5. Ringkasan Laporan Keuangan Masing-masing Perusahaan Tahun 2015 (dalam milyar)
No Kode Total aktiva Akitva Lancar Hutang Lancar Modal Kerja Laba yang
Ditahan EBIT Total Modal Total Hutang Penjualan
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
Lampiran 6. Ringkasan Laporan Keuangan Masing-masing Perusahaan Tahun 2016 (dalam milyar)
No Kode Total Aktiva Akitva Lancar Hutang Lancar Modal Kerja Laba yang
Ditahan EBIT Total Modal Total Hutang Penjualan
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
Lampiran 7. Ringkasan Laporan Keuangan Masing-masing Perusahaan Tahun 2017 (dalam milyar)
No Kode Total aktiva Akitva Lancar Hutang Lancar Modal Kerja Laba yang
Ditahan EBIT Total Modal Total Hutang Penjualan
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
Lampiran 8. Ringkasan Laporan Keuangan Masing-masing Perusahaan Tahun 2018 (dalam milyar)
No Kode Total Aktiva Akitva Lancar Hutang Lancar Modal Kerja Laba yang
Ditahan EBIT Total Modal Total Hutang Penjualan
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
Sumber: Data yang diolah, 2019.
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
No Kode X1 X2 X3 X4 X5 Z-Score
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:
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
91
Lampiran 11. Ikhtisar Perhitungan Z-Score Masing-masing Perusahaan tahun
2016
No Kode X1 X2 X3 X4 X5 Z-Score
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
Sumber: Data yang diolah, 2019
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
92
Lampiran 12. Ikhtisar Perhitungan Z-Score Masing-masing Perusahaan tahun
2017
No Kode X1 X2 X3 X4 X5 Z-Score
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
Sumber: Data yang diolah, 2019
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
93
Lampiran 13. Ikhtisar Perhitungan Z-Score Masing-masing Perusahaan tahun
2018
No Kode X1 X2 X3 X4 X5 Z-Score
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
Sumber: Data yang diolah, 2019
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
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)
Kode Tahun Pengamatan
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
Null Hypothesis: Unit root (individual unit root process)
Series: D(RI?)
Date: 08/30/19 Time: 12:49
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 88.0011 0.0002
ADF - Choi Z-stat -2.57231 0.0051 ** Probabilities for Fisher tests are computed using an asymptotic Chi
-square distribution. All other tests assume asymptotic normality.
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
Null Hypothesis: Unit root (individual unit root process)
Series: D(HS?)
Date: 08/30/19 Time: 12:49
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 87.2611 0.0002
ADF - Choi Z-stat -1.69608 0.0449 ** Probabilities for Fisher tests are computed using an asymptotic Chi
-square distribution. All other tests assume asymptotic normality.
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
Dependent Variable: D(HS?)
Method: Pooled Least Squares
Date: 09/01/19 Time: 22:42
Sample (adjusted): 2015 2018
Included observations: 4 after adjustments
Cross-sections included: 23
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
Dependent Variable: D(HS?)
Method: Panel Least Squares
Date: 08/30/19 Time: 14:44
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 23
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
S.E. of regression 1710.551 Akaike info criterion 17.95340
Sum squared resid 1.96E+08 Schwarz criterion 18.63867
Log likelihood -800.8564 Hannan-Quinn criter. 18.22998
F-statistic 1.079092 Durbin-Watson stat 1.976455
Prob(F-statistic) 0.389974
103
Lampiran 22. Random Effect Model
Dependent Variable: D(HS?)
Method: Panel EGLS (Cross-section random effects)
Date: 08/30/19 Time: 14:45
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 23
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
Adjusted R-squared -0.003640 S.D. dependent var 1689.731
S.E. of regression 1692.803 Sum squared resid 2.55E+08
F-statistic 0.834969 Durbin-Watson stat 1.523599
Prob(F-statistic) 0.437258 Unweighted Statistics R-squared 0.018600 Mean dependent var -137.8152
Sum squared resid 2.67E+08 Durbin-Watson stat 1.456627
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:
Dependent Variable: D(HS?)
Method: Panel Least Squares
Date: 09/02/19 Time: 12:41
Sample (adjusted): 2015 2018
Periods included: 4
Cross-sections included: 23
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
Adjusted R-squared -0.003444 S.D. dependent var 1728.300
S.E. of regression 1731.273 Akaike info criterion 17.78317
Sum squared resid 2.67E+08 Schwarz criterion 17.86540
Log likelihood -815.0257 Hannan-Quinn criter. 17.81636
F-statistic 0.843839 Durbin-Watson stat 1.457399
Prob(F-statistic) 0.433468
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
Sample (adjusted): 2015 2018
Included observations: 4 after adjustments
Cross-sections included: 23
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
Adjusted R-squared 0.009032 S.D. dependent var 0.828585
S.E. of regression 0.824835 Akaike info criterion 2.474232
Sum squared resid 61.23170 Schwarz criterion 2.529053
Log likelihood -111.8147 Hannan-Quinn criter. 2.496358
F-statistic 1.829418 Durbin-Watson stat 1.219633
Prob(F-statistic) 0.179585
108
Lampiran 26. Uji Heteroskedastisitas
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
Lampiran 27. Lampiran Plagiasi
Pemeriksaan tingkat plagiasi menggunakan aplikasi Plagiarism Detector.
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