dc.description.abstract | Fokus penelitian ini adalah pada perusahaan sektor pertambangan yang terdaftar di Bursa Efek Indonesia pada tahun 2012-2016. Tujuan pertama dalam penelitian ini adalah untuk mengetahui variabel manakah yang dapat membedakan perusahaan yang mengalami financial distress dan non-financial distress. Tujuan kedua dalam penelitian ini adalah menilai tingkat akurasi model analisis diskriminan yang terbentuk untuk memprediksi kondisi financial distress perusahaan sektor pertambangan. Metode penelitian yang digunakan dalam penelitian ini explanatory research. Variabel bebas yang digunakan dalam penelitian ini berdasarkan Model Altman Z-Score Original (1968) yang digunakan dalam memprediksi kondisi financial distress perusahaan manufaktur yang sudah go-public. Variabel bebas tersebut yaitu Working Capital to Total Asset (WC/TA), Retained Earning to Total Asset (RE/TA), EBIT to Total Asset (EBIT/TA), Market Value of Equity to Book Value of Debt (MVE/BVD), Sales to Total Asset (S/TA). Variabel terikat yang digunakan adalah nilai Altman Z-Score yang digunakan sebagai dasar penentuan kondisi financial distress perusahaan. Data penelitian ini diolah dengan analisis diskriminan menggunakan SPSS.
Hasil penelitian menunjukkan bahwa variabel Working Capital to Total Asset (WC/TA), Retained Earning to Total Asset (RE/TA), Market Value of Equity to Book Value of Debt (MVE/BVD), Sales to Total Asset (S/TA) mampu membedakan kondisi perusahaan ke dalam kategori financial distress atau non-financial distress. Sedangkan variabel EBIT to Total Asset (EBIT/TA) tidak mampu membedakan kedua kondisi financial distress perusahaan. Berdasarkan hasil penelitian berikut ini bentuk model diskriminan yang terbentuk yaitu:
Z-score = -2,053 + 1,079X1 + 1,384 X2 + 0,171 X4 + 1,953 X5
Tingkat akurasi model diskriminan yang terbentuk untuk memprediksi kondisi financial distress perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia pada tahun 2012-2016 adalah sebesar 97,8% dengan tingkat validasi silang sebesar 97,8%. | en_US |