ANALISIS PREDIKSI FINANCIAL DISTRESS: STUDI KASUS ... · : STUDI KASUS PERUSAHAAN MANUFAKTUR SEKTOR INDUSTRI DASAR DAN KIMIA DI BEI 2012-2016 COVER Oleh: VERONICA NATASYA DELIN .

i

ANALISIS PREDIKSI FINANCIAL DISTRESS: STUDI KASUS PERUSAHAAN

MANUFAKTUR SEKTOR INDUSTRI DASAR DAN KIMIA DI BEI 2012-2016

COVER

Oleh:

VERONICA NATASYA DELIN

232014280

TUGAS AKHIR

Diajukan kepada Fakultas Ekonomika dan Bisnis

Guna Memenuhi Sebagian dari

Persyaratan-Persyaratan untuk Mencapai

Gelar Sarjana Akuntansi

FAKULTAS : EKONOMIKA DAN BISNIS

PROGRAM STUDI : AKUNTANSI

FAKULTAS EKONOMIKA DAN BISNIS

UNIVERSITAS KRISTEN SATYA WACANA

SALATIGA

2018

ii

iii

iv

v

vi

vii

MOTTO

“Bermimpilah setinggi langit, karena jika engkau jatuh engkau akan jatuh di antara

bintang-bintang”

(Ir. Soekarno)

“Pendidikan mempunyai akar yang pahit, tapi buahnya manis”

(Aristoteles)

“Kemenangan terbesar kita adalah bukan karena tidak pernah gagal,

tapi bangkit setiap kali kita gagal”

(Ralph Waldo Emerson)

viii



ABSTRACT

This research describes the analysis of financial distress predictions for basic and

chemical industry manufacturing companies listed on the BEI during 2012-2016. This

research uses secondary data in the form of annual reports and financial reports of

December 31 which have been audited during 2012-2016. This research model uses Altman

Z-Score for public manufacturing company with five variable financial ratios of working

capital / total assets, retained earnings / total assets, earnings before interest and taxes / total

assets, market value of equity / book value of total liabilities, sales / total assets. The results

of this research were divided into three categories, they are healthy, grey area and unhealthy

for each sub sector and as a whole in the form of percentages. And it is indicated that overall

the highest percentage is obtained by companies that are predicted in unhealthy conditions

with 45.49% likely to suffer bankruptcy.

Keywords: financial distress, Altman Z-Score, financial ratios, healthy, gray area, unhealthy.

ix



ABSTRAK

Penelitian ini menjelaskan tentang analisis prediksi financial distress untuk

perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI selama tahun

2012-2016. Penelitian ini menggunakan data sekunder berupa laporan tahunan dan laporan

keuangan per 31 Desember yang telah diaudit selama tahun 2012-2016. Model penelitian ini

menggunakan Altman Z-Score untuk perusahaan manufaktur publik dengan lima variabel

rasio keuangan working capital/total assets, retained earnings/total assets, earning before

interest and taxes/total assets, market value of equity/book value of total liabilities, sales/total

assets. Hasil penelitian ini dibagi menjadi tiga kategori, yaitu kategori sehat, grey area dan

tidak sehat untuk setiap sub sektor dan secara menyeluruh dalam bentuk persentase. Dan

terindikasi bahwa secara keseluruhan, persentase tertinggi didapatkan oleh perusahaan yang

terprediksi dalam kondisi tidak sehat dengan kemungkinan besar 45,49% mengalami

kebangkrutan.

Kata Kunci: financial distress, Altman Z-Score, rasio keuangan, sehat, grey area, tidak

sehat.

x

KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa yang telah

melimpahkan berkat dan kasih-Nya sehingga penulis dapat menyelesaikan tugas akhir yang

berjudul “Analisis Prediksi Financial Distress: Studi Kasus Perusahaan Manufaktur Sektor

Industri Dasar dan Kimia di BEI 2012-2016”. Tujuan dari penulisan tugas akhir ini adalah

untuk menganalisis prediksi financial distress untuk perusahaan manufaktur sektor industri

dasar dan kimia selama tahun 2012-2016. Selain itu penulisan tugas akhir ini juga ditujukan

sebagai syarat untuk memenuhi sebagian dari persyaratan dalam memperoleh gelar Sarjana

Akuntansi Fakultas Ekonomika dan Bisnis Universitas Kristen Satya Wacana Salatiga.

Penulis menyadari sepenuhnya bahwa penelitian ini masih jauh dari sempurna dan

masih terdapat kekurangan yang mungkin ditemukan. Oleh karena itu, dengan tangan terbuka

penulis sangat mengharapkan saran dan kritik dari pembaca agar penelitian ini menjadi lebih

baik lagi.

Semoga hasil dari penelitian ini dapat memberikan kontribusi dan manfaat bagi pihak-

pihak yang berkepentingan serta dapat memberikan dorongan bagi penelitian-penelitian lain

untuk mengembangkan penelitian sejenis di masa mendatang.

Salatiga, 8 Februari 2018

Penulis

xi

UCAPAN TERIMA KASIH

Puji Syukur penulis panjatkan kepada Tuhan Yang Maha Esa. Karena atas berkat dan

karunia-Nya yang tak terhingga serta pertolongan-Nya, sehingga penulis dapat

menyelesaikan proses perkuliahan dan penulisan tugas akhir ini dengan baik. Penulis

menyadari bahwa sangat banyak pihak yang telah membantu, mendoakan serta memberikan

motivasi dan saran kepada penulis selama menyelesaikan proses perkuliahan dan penulisan

tugas akhir ini. Untuk itu penulis mengucapkan terima kasih yang sedalam-dalamnya kepada:

1. Keluarga tercinta, khususnya orang tauku yang senantiasa mendukung, memberi

semangat dan mendoakan penulis.

2. Bapak Ari Budi Kristanto, S.E., M.M. selaku dosen wali studi yang telah

memberikan arahan, semangat, nasihat serta pembelajaran selama proses kuliah dan

penyusunan tugas akhir ini.

3. Ibu Arthik Davianti, SE., M.Si., Ph.D., Ak., CA., CSRS. selaku dosen pembimbing

yang dengan sabar mengarahkan serta banyak memberikan saran-saran yang sangat

berguna sehingga penulisan tugas akhir ini dapat terselesaikan.

4. Ibu Apriani Dorkas Rambu Atahau, S.E., M.Com., Ph.D. dan Prof. Supramono,

MBA., DBA. selaku dosen penguji rancangan tugas akhir yang telah memberikan

banyak saran dan kritik yang sangat berguna bagi penulis.

5. Seluruh dosen Fakultas Ekonomika dan Bisnis (FEB) dan non-FEB UKSW yang

banyak memberikan pengalaman dan pelajaran berharga dari awal hingga akhir proses

perkuliahan.

6. Seluruh staff Fakultas Ekonomika dan Bisnis dan staff UKSW yang telah

membantu penulis dalam kelancaran perkuliahan dan perijinan penelitian ini.

7. Korps Asisten Fakultas Ekonomika dan Bisnis UKSW yang telah memberikan

pengalaman dan pelajaran berharga dalam hal berbagi ilmu pengetahuan kepada

teman-teman mahasiswa Fakultas Ekonomika dan Bisnis UKSW, serta mendapatkan

tambahan pengetahuan dari dosen pengajar.

8. Lembaga Kemahasiswaan dan Kepanitiaan Fakultas Ekonomika dan Bisnis

UKSW yang telah memberikan pengalaman dan pelajaran berharga dalam

berorganisasi dan melakukan kegiatan non-perkuliahan.

xii

9. Teman kuliah, kos dan teman-teman terdekat yang luar biasa memberikan semangat,

motivasi dan kesempatan untuk bisa berbagi pengalaman dalam suka maupun duka

dari awal hingga akhir masa perkuliahan (Devi, Ulfi, Mitha, Melia, Tara, Rut, Elsa,

Annisa, Novi, Ayu, Melvin, Nova, Tari, Novi Ayu, Nita, Caca, Tasya).

10. Serta seluruh pihak yang tidak dapat penulis sebutkan satu persatu yang telah

mendoakan dan mendukung penulis selama masa perkuliahan dan penyelesaian tugas

akhir.

Penulis tidak dapat membalas setiap kebaikan dan doa yang telah diberikan kepada

penulis. Penulis hanya bisa berterima kasih yang sebesar-besarnya dan berdoa agar Tuhan

Yang Maha Esa menyertai setiap langkah hidup mereka. Akhir kata, dengan segala

kerendahan hati semoga penelitian ini dapat berguna bagi semua pihak yang

menggunakannya.

Salatiga, 8 Februari 2018

Veronica Natasya Delin

xiii

DAFTAR ISI

COVER ............................................................................................................................................. i

PERNYATAAN TIDAK PLAGIAT .............................................................................................. ii

PERNYATAAN PERSETUJUAN AKSES ................................................................................. iii

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

LEMBAR PENGESAHAN ............................................................................................................ v

PERNYATAAN KEASLIAN KARYA TULIS TUGAS AKHIR ............................................... vi

MOTTO ........................................................................................................................................ vii

ABSTRACT ................................................................................................................................... viii

ABSTRAK ..................................................................................................................................... ix

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

UCAPAN TERIMA KASIH.......................................................................................................... xi

DAFTAR ISI .............................................................................................................................. xiii

DAFTAR TABEL ...................................................................................................................... xiv

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

KAJIAN PUSTAKA .......................................................................................................................3

Kinerja Keuangan ....................................................................................................................3

Financial Distress ...................................................................................................................3

Altman Z-Score .......................................................................................................................4

METODE PENELITIAN................................................................................................................7

Populasi dan Sampel Penelitian ..............................................................................................7

Uji Analisis Financial Distress ............................................................................................. 10

HASIL PENELITIAN DAN PEMBAHASAN ............................................................................ 12

KESIMPULAN ............................................................................................................................. 24

DAFTAR PUSTAKA ................................................................................................................... 25

DAFTAR LAMPIRAN ................................................................................................................. 27

xiv

DAFTAR TABEL

Tabel 1 Populasi Penelitian .............................................................................................................8

Tabel 2 Kriteria Pengambilan Sampel ............................................................................................9

Tabel 3 Sampel Penelitian ............................................................................................................ 10

Tabel 4 Sampel Penelitian Sub Sektor Semen .............................................................................. 13

Tabel 5 Sampel Penelitian Sub Sektor Keramik, Porselin dan Kaca ............................................ 14

Tabel 6 Sampel Penelitian Sub Sektor Logam dan Sejenisnya .................................................... 15

Tabel 7 Sampel Penelitian Sub Sektor Kimia ............................................................................... 16

Tabel 8 Sampel Penelitian Sub Sektor Plastik dan Kemasan ....................................................... 17

Tabel 9 Sampel Penelitian Sub Sektor Pakan Ternak ................................................................... 18

Tabel 10 Sampel Penelitian Sub Sektor Kayu dan Pengolahannya .............................................. 19

Tabel 11 Sampel Penelitian Sub Sektor Pulp dan Kertas ............................................................. 20

Tabel 12 Persentase Prediksi Financial Distress Perusahaan Sektor Industri Dasar dan Kimia .. 21

1



PENDAHULUAN

Berdasarkan PSAK 1 tentang Penyajian Laporan Keuangan, laporan keuangan

biasanya disusun berdasarkan asumsi kelangsungan usaha entitas, dan entitas akan

melanjutkan usahanya di masa mendatang (IAI 2015). Oleh karena itu, entitas diasumsikan

tidak memiliki intensi atau berkeinginan untuk melikuidasi atau mengurangi skala usahanya

secara material. Namun tidak selamanya perusahaan dapat berjalan dengan lancar atau dapat

melanjutkan usahanya di masa depan. Bahkan perusahaan dapat mengalami kondisi financial

distress, dengan posisi arus kas operasi perusahaan tidak mampu menutupi atau mencukupi

kewajiban saat ini hingga mengalami kebangkrutan (Parker et al. 2002; Wang dan Deng

2006; Ross dan Westerfield 1996). Financial distress dapat berasal dari kesulitan membayar

kewajiban jangka pendek, terjadinya penurunan penjualan dan laba yang signifikan, tingkat

perputaran aset yang kecil yang dapat menyebabkan terjadinya financial distress dari tingkat

yang paling ringan hingga ke pernyataan kebangkrutan atau dalam tingkat paling berat

(Brahmana 2007 dan Lesmana dan Surjanto 2004). Kesulitan membayar kewajiban jangka

pendek biasanya bersifat sementara dan kemungkinan tidak begitu parah. Akan tetapi, jika

tidak ditangani secepat mungkin, kesulitan membayar kewajiban jangka pendek tersebut

dapat berkembang menjadi kesulitan keuangan yang besar. Dan jika terjadi secara terus-

menerus, perusahaan bisa dilikuidasi, direorganisasi atau bahkan mengalami kebangkrutan

(Wardhani 2006).

Untuk memprediksi financial distres, dapat diukur dengan cara menganalisis laporan

keuangan dan laporan tahunan dengan menggunakan rasio-rasio keuangan. Model Altman Z-

Score dibangun berdasarkan penelitian Beaver dan lainnya (1966 dan 1968) dengan

memodifikasi model Multivariate Discriminant Analysis (MDA) sebagai alat untuk

memprediksi tahap kebangkrutan (Altman et al. 2014). Model ini dikenal dengan model Z-

score, yaitu score yang ditentukan dari hasil perhitungan standar kali lima variabel keuangan

yang menunjukkan tingkat kemungkinan kebangkrutan perusahaan yang kemudian

mengalami perkembangan selama beberapa kali. Penelitian ini menggunakan model Altman

Z-Score untuk perusahaan manufaktur publik dengan rasio working capital/total assets

(WC/TA), retained earnings/total assets (RE/TA), earning before interest and taxes/total

assets (EBIT/TA atau ROA), market value of equity/book value of total liabilities (MV.

https://translate.googleusercontent.com/translate_f#21




2

E/BV. TL), sales/total assets (SALES/TA) untuk memprediksi terjadinya financial distress

(Altman dan Hotchkiss 2006).

Auchterlonie (1997) menjelaskan bahwa model Altman Z-Score 1968 merupakan

model yang digunakan untuk menganalisis prediksi kebangkrutan pada perusahaan

manufaktur. Hal tersebut dikarenakan formula yang dibuat dari kelima komponen rasio

tersebut yang sesuai dengan jenis perusahaan tersebut. Novitasari dkk. (2016) berpendapat

bahwa Multiple Discriminant Analysis Altman Z-Score dinilai efektif untuk mengklasifikasikan

perkiraan atau prediksi kebangkrutan perusahaan. Andreev (2006) menunjukkan tingkat

profitabilitas (EBIT/TA) berpengaruh signifikan terhadap prediksi financial distress. Pasaribu

(2008) menyimpulkan bahwa rasio WC/TA berpengaruh signifikan positif terhadap prediksi

financial distress. Pranowo (2010) menyimpulkan bahwa rasio SALES/TA berpengaruh

signifikan positif terhadap prediksi financial distress. Kemudian didukung oleh penelitian

Salehi (2009) yang juga menyimpulkan bahwa rasio SALES/TA berpengaruh signifikan

positif terhadap prediksi financial distress (Ardiyanto 2011). Dengan demikian, rasio-rasio

tersebut dapat dijadikan alat yang tepat untuk memprediksi financial distress pada

perusahaan manufaktur. Penelitian ini bertujuan untuk mengetahui bagaimana prediksi

financial distress perusahaan manufaktur di Indonesia yang terdaftar di Bursa Efek Indonesia

(BEI) selama tahun 2012-2016, khususnya pada sektor industri dasar dan kimia yang

merupakan sektor yang memiliki jumlah perusahaan mayoritas di dalam perusahaan

manufaktur dibandingkan dengan sektor lainnya di dalam perusahaan manufaktur.

Berdasarkan latar belakang yang telah dijelaskan, penelitian ini dapat dirumuskan

permasalahan sebagai berikut: bagaimana prediksi financial distress perusahaan manufaktur

sektor industri dasar dan kimia di Indonesia yang terdaftar di BEI selama tahun 2012-2016

dengan menggunakan model prediksi kebangkrutan Altman Z-Score?

Sesuai dengan latar belakang dan rumusan masalah, penelitian ini dilakukan dengan

tujuan untuk menguji dan mengetahui bagaimana prediksi financial distress perusahaan

manufaktur sektor industri dasar dan kimia di Indonesia yang terdaftar di BEI selama tahun

2012-2016.

Adapun hasil penelitian ini diharapkan dapat memberikan informasi kepada

stakeholders dan pembaca mengenai prediksi financial distress perusahaan manufaktur sektor

industri dasar dan kimia di Indonesia yang terdaftar di BEI selama tahun 2012-2016 untuk

pengambilan keputusan bagi pihak yang berkepentingan dengan perusahaan dan sebagai

acuan untuk pengembangan penelitian di masa yang akan datang.

3

KAJIAN PUSTAKA

Kinerja Keuangan

Menurut Munawir (1998), kinerja keuangan merupakan suatu gambaran mengenai

tingkat pencapaian pelaksanaan suatu kegiatan perusahaan dalam menghasilkan atau

mengeluarkan kas selama periode tertentu yang tertuang pada laporan keuangan perusahaan

yang bersangkutan. Untuk mengetahui kinerja perusahaan itu berjalan baik atau tidak,

perusahaan juga harus mengukur kinerja keuangan perusahaan. Salah satu cara untuk

mengukur kinerja keuangan yaitu dengan menganalisis laporan keuangan menggunakan

rasio-rasio keuangan. Hasil pengukuran terhadap capaian kinerja keuangan adalah salah satu

dasar bagi pengelola perusahaan untuk menilai kemajuan perusahaan dan memperbaiki

kinerja pada periode berikutnya. Hasil ini juga bermanfaat dalam pengambilan keputusan

manajemen dan mampu menciptakan nilai perusahaan itu sendiri kepada para stakeholder

(Rahayu 2010).

Financial Distress

Menurut Altman (1968), perusahaan dapat dikategorikan menjadi tiga kondisi, yaitu

perusahaan yang sehat, perusahaan yang mengalami financial distress dengan kemungkinan

bangkrut atau tidak bangkrut, dan perusahaan tidak sehat yang memiliki kemungkinan besar

untuk bangkrut. Untuk perusahaan yang mengalami kesulitan keuangan/financial distress

telah dikategorikan menjadi empat tahap, yaitu failure, insolvency, default dan bankruptcy

(Altman dan Hotchkiss 2006).

Failure menurut kriteria ekonomi merupakan tingkat pengembalian modal investasi

yang direalisasikan, dengan tunjangan untuk pertimbangan risiko, secara signifikan dan terus-

menerus lebih rendah dari tingkat yang berlaku untuk investasi serupa. Istilah business failure

diadopsi oleh Dun dan Bradstreet yang mengatakan bahwa business failure mencakup bisnis

yang berhenti beroperasi setelah penugasan atau kebangkrutan yang menghentikan

penghentian kreditur setelah tindakan atau eksekusi seperti itu. Penyitaan atau pelekatan,

yang secara sukarela menarik diri, meninggalkan kewajiban yang belum dibayar, atau

tindakan yang telah terlibat dalam pengadilan dan mereka yang secara sukarela kompromi

dengan kreditur.

Insolvency mendeskripsikan kinerja perusahaan yang negatif dan biasanya digunakan

dengan cara yang lebih teknis. Teknik insolvensi muncul ketika perusahaan tidak dapat

4

memenuhi kewajiban saat ini atau kewajiban jangka pendek, yang berarti likuiditas yang

dimiliki perusahaan kurang.

Default merupakan kondisi perusahaan yang tak terelakkan terkait dengan

distress. Default selalu melibatkan hubungan antara perusahaan debitur dengan

kreditur. Teknik default muncul ketika perusahaan debitur melanggar syarat perjanjian

dengan kreditur dan dapat dilanjutkan dengan tindakan hukum. Ketika sebuah perusahaan

gagal membayar pinjaman atau obligasi sesuai dengan yang dijadwalkan, biasanya the

periodic of interest obligation, default legal lebih mungkin terjadi, walaupun tidak selalu

terjadi dalam kasus pinjaman. Pembayaran bunga dapat dilewatkan dan dikenai pinjaman

dalam transaksi pribadi, seperti pinjaman bank, tanpa default tersebut resmi diumumkan.

Namun, untuk obligasi publik, ketika perusahaan gagal membayar pokok atau bunga dan

masalahnya tidak dapat disembuhkan dalam masa tenggang, keamanannya dalam keadaan

default. Perusahaan dapat terus beroperasi dan berusaha untuk menyelesaikan restrukturisasi

Bahkan mungkin untuk menyetujui restrukturisasi dengan jumlah yang memadai dari

penggugat dan kemudian mengajukan kasus secara legal untuk bankcrupty.

Altman Z-Score

Model Altman Z-Score merupakan model yang dibangun berdasarkan penelitian dari

William Beaver (1966 dan 1968) yang memprediksi kebangkrutan menggunakan rasio

keuangan satu per satu dengan analisis univariate. Model ini merupakan hasil dari modifikasi

teknik Multiple Discriminant Analysis (MDA) yang memperhitungkan lima atau empat

variabel rasio keuangan secara bersamaan. Model ini digunakan untuk memprediksi financial

distress perusahaan dari segi profitabilitas, leverage, likuiditas, solvency dan aktivitas.

Altman Z-Score pertama kali dibuat oleh Edward L. Altman pada tahun 1968 dengan rasio

working capital/total assets (WC/TA), retained earnings/total assets (RE/TA), earning

before interest and taxes/total assets (EBIT/TA atau ROA), market value of equity/book

value of total liabilities (MV. E / BV. TL), sales/total assets (SALES/TA) sebagai alat untuk

memprediksi kebangkrutan perusahaan manufaktur publik. Kelima rasio tersebut merupakan

hasil seleksi terbaik dari 22 rasio keuangan yang berpengaruh penting terhadap prediksi

kebangkrutan perusahaan. Kemudian pada tahun 1983, Altman mengembangkan model Z’

Score untuk perusahaan manufaktur privat/swasta yang mengganti variabel market value of

equity (X4) menjadi book value of equity dan model Z” Score untuk perusahaan non-

5

manufaktur dan swasta yang menghilangkan variabel X5 sales/total assets (SALES/TA)

(Altman et al. 2014). Dalam penelitian ini, model Altman Z-Score yang digunakan adalah

model Z-Score asli (1968) untuk perusahaan manufaktur publik. Adapun penjelasan dari

kelima rasio tersebut adalah sebagai berikut.

Rasio Working Capital/Total Assets (WC/TA)

Rasio WC/TA merupakan rasio keuangan yang menunjukkan perbandingan modal

kerja yang didapat dari aset lancar dikurangi liabilitas lancar dengan total aset (Riyanto

2001). Setiap perusahaan pasti membutuhkan modal kerja yang cukup untuk aktivitas

operasional perusahaan agar perusahaan tidak mengalami kesulitan keuangan untuk

membayar hutang-hutangnya atau kesulitan likuiditas (Munawir 2002). Jika arus masuk aset

lancar (seperti kas yang diterima perusahaan) semakin lebih besar dibandingkan arus keluar

untuk pembayaran liabilitas lancar (seperti utang usaha perusahaan), maka akan

menghasilkan modal kerja positif yang semakin tinggi yang mengakibatkan probabilitas

terjadinya kesulitan likuiditas perusahaan tersebut semakin kecil dan kemungkinan terjadinya

financial distress juga semakin kecil. Begitu pula sebaliknya (Ang 1997).

Rasio Retained Earnings/Total Assets (RE/TA)

Rasio retained earnings/total assets (RE/TA) merupakan rasio keuangan yang

bertujuan untuk mengukur kemampuan perusahaan dalam menghasilkan laba ditahan

(retained earnings) dari total aset perusahaan. Laba ditahan merupakan sebagian laba yang

tidak dibagikan kepada investor atau ditahan perusahaan yang digunakan sebagai sumber

pendanaan internal perusahaan dalam pengeluaran modal atau investasi untuk ke depannya

(Riyanto 2001). Rasio ini merupakan bagian dari rasio profitabilitas yang digunakan untuk

mengukur efisiensi aktivitas perusahaan dan kemampuan perusahaan untuk memperoleh

profit (Husnan 1998). Jika semakin tinggi kemampuan perusahaan dalam menghasilkan profit

dari waktu ke waktu, maka akan memperlancar akumulasi laba ditahan perusahaan, yang

berarti memperbesar modal perusahaan untuk menjalankan aktivitas operasionalnya,

sehingga kemungkinan terjadinya kondisi financial distress semakin rendah (Fakhrurozie

2007).

Rasio EBIT/TA atau ROA

Rasio EBIT/TA atau ROA juga dikenal sebagai bagian dari rasio profitabilitas yang

merupakan rasio untuk mengukur efisiensi aktivitas perusahaan dan kemampuan perusahaan

6

untuk memperoleh profit. Jika EBIT yang diperoleh semakin lebih besar dari total aset

perusahaan, maka semakin besar tingkat pengembalian (return) aset perusahaan, yang

menunjukkan kinerja keuangan dan tingkat profitabilitas perusahaan yang semakin baik,

sehingga kemungkinan terjadinya kondisi financial distress semakin rendah (Husnan 1998

dan Ardiyanto 2011).

Rasio Market Value of Equity/Book Value of Total Liabilities (MV. E/BV. TL)

Rasio market value of equity/book value of total liablities merupakan bagian dari rasio

leverage yang mengukur seberapa besar nilai pasar saham untuk menutupi total kewajiban

yang harus dibayar oleh perusahaan. Jika nilai pasar saham terus mengalami penurunan,

maka perusahaan juga kesulitan untuk membayar total kewajibannya dan kemungkinan dapat

mengalami kondisi financial distress. (Akuntansipedia 2017).

Rasio Sales/Total Assets (SALES/TA)

Rasio sales/total assets (SALES/TA) juga dikenal sebagai assets turnover ratio, yang

dihitung dengan membagi penjualan dengan total aset. Semakin efektif perusahaan

menggunakan asetnya untuk menghasilkan penjualan, diharapkan mendapatkan profit yang

semakin besar bagi perusahaan. Sehingga semakin cepat perputaran aset yang didapat

perusahaan dari hasil penjualan tersebut, maka semakin kecil perusahaan mengalami

kemungkinan terjadinya financial distress semakin kecil. Rasio perputaran aset yang tinggi

biasanya disebabkan oleh strategi manajemen pemasaran yang baik (Hanafi dan Halim 2005).

7

METODE PENELITIAN

Berdasarkan penelitian yang telah dikemukakan, maka jenis penelitian yang

digunakan adalah penelitian dengan menggunakan model analisis Altman Z-Score untuk

perusahaan manufaktur publik. Data yang digunakan oleh penelitian ini berasal dari data

sekunder, yaitu laporan tahunan dan laporan keuangan perusahaan manufaktur sektor industri

dasar dan kimia yang terdaftar di BEI selama tahun 2012-2016. Metode pengumpulan data

yang digunakan dalam penelitian ini adalah metode dokumentasi, yaitu dengan

mengumpulkan dan mempelajari klasifikasi dan kategori data-data tertulis yang berhubungan

dengan masalah penelitian, antara lain dari sumber dokumen, jurnal, buku, internet dan lain-

lain.

Populasi dan Sampel Penelitian

Populasi yang digunakan dalam penelitian ini adalah perusahaan manufaktur sektor

industri dasar dan kimia yang terdaftar di BEI selama tahun 2012-2016. Metode pengambilan

sampel yang digunakan dalam penelitian ini adalah purposive sampling, yang berarti sampel

yang dipilih untuk penelitian ini harus memenuhi beberapa kriteria berikut ini: (1) termasuk

dalam perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI; (2)

memiliki laporan tahunan dan laporan keuangan yang telah diaudit per 31 Desember selama

tahun 2012-2016; (3) data yang dimiliki dari laporan tahunan dan laporan keuangan tersebut

lengkap, yaitu data yang berisi laporan keuangan serta data untuk mengukur rasio working

capital/total assets (WC/TA), retained earnings/total assets (RE/TA), earning before interest

and taxes/total assets (EBIT/TA atau ROA), market value of equity/book value of total

liabilities (MV. E / BV. TL), sales/total assets (SALES/TA). Sampel yang diambil untuk

penelitian ini hanya menggunakan perusahaan manufaktur sektor industri dasar dan kimia

karena perusahaan manufaktur termasuk jenis perusahaan yang mempunyai tingkat

pengungkapan dan informasi yang lebih luas dibandingkan dengan jenis perusahaan lainnya,

serta sektor industri dasar dan kimia merupakan sektor perusahaan manufaktur mayoritas

dibandingkan dengan sektor lainnya di dalam perusahaan manufaktur (Cooke 1989).

8

Tabel 1

Populasi Penelitian

No. Jenis Sub Sektor Industri Dasar dan Kimia Kode Perusahaan Total

1 Sub Sektor Semen INTP, SMCB, SMGR 3

2 Sub Sektor Keramik, Porselin, Kaca AMFG, ARNA, IKAI, KIAS, MLIA, TOTO 6

3 Sub Sektor Logam dan Sejenisnya ALKA, ALMI, BAJA, BTON, CTBN,

GDST, INAI, JKSW, JPRS, KRAS, LION,

LMSH, NIKL, PICO, TBMS

15

4 Sub Sektor Kimia BRPT, BUDI, DPNS, EKAD, ETWA, INCI,

SRSN, TPIA, UNIC

9

5 Sub Sektor Plastik dan Kemasan AKKU, AKPI, APLI, BRNA, FPNI, IGAR,

IPOL, SIAP, SIMA, TALF, TRST, YPAS

12

6 Sub Sektor Pakan Ternak CPIN, JPFA, MAIN, SIPD 4

7 Sub Sektor Kayu dan Pengolahannya SULI dan TIRT 2

8 Sub Sektor Pulp dan Kertas ALDO, FASW, INKP, INRU, KBRI, KDSI,

SPMA, TKIM

8

Jumlah 59

Sumber: sahamok.com

Tabel 1 menunjukkan bahwa populasi yang digunakan dalam penelitian ini adalah 59

perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI selama tahun

2012-2016, yang terdiri dari: tiga perusahaan dari sub sektor semen; enam perusahaan dari

sub sektor keramik, porselin, kaca; 15 perusahaan dari sub sektor logam dan sejenisnya;

sembilan perusahaan dari sub sektor kimia; 12 perusahaan dari sub sektor plastik dan

kemasan; 4 perusahaan dari sub sektor pakan ternak; dua perusahaan dari sub sektor kayu dan

pengolahannya; serta delapan perusahaan dari sub sektor pulp dan kertas. Setelah selesai

menghitung populasi, penelitian ini dapat mengambil sampel berdasarkan kriteria yang

tertera pada Tabel 2.

9

Tabel 2

Kriteria Pengambilan Sampel

Kriteria Jumlah

Seluruh perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI periode

2012-2016 (populasi)

59

Perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI yang tidak

mengakses semua laporan tahunan dan laporan keuangan yang telah diaudit per 31 Desember

dalam periode 2012-2016

(5)

Perusahaan yang tidak menyampaikan data secara lengkap dalam laporan tahunan dan laporan

keuangan yang telah diaudit per 31 Desember selama periode penelitian tahun 2012-2016

(3)

Sampel perusahaan yang bisa digunakan untuk penelitian 51

Sampel yang digunakan sesuai periode penelitian 5 tahun (51x5) 255

Tabel 2 menunjukkan bahwa berdasarkan kriteria purposive sampling, jumlah

perusahaan manufaktur sektor industri dasar dan kimia yang terdaftar di BEI periode 2012-

2016 yang bisa digunakan untuk menjadi sampel, yaitu 51 perusahaan per tahun setelah

dikurangi lima perusahaan yang tidak mengakses semua laporan tahunan dan laporan

keuangan yang telah diaudit per 31 Desember dalam periode 2012-2016 dan tiga perusahaan

yang tidak menyampaikan data secara lengkap selama periode penelitian tahun 2012-2016

berkaitan dengan working capital, total assets, retained earnings, earning before interest and

taxes, market value of equity, book value of total liabilities dan sales untuk mengukur rasio

keuangan dalam laporan tahunan dan laporan keuangan yang telah diaudit per 31 Desember

selama tahun 2012-2016.

Terdapat lima perusahaan yang tidak dapat diakses ke semua laporan tahunan dan

laporan keuangan yang telah diaudit per 31 Desember selama tahun 2012-2016, yaitu PT

Tembaga Mulia Semanan Tbk (TBMS) dari sub sektor logam dan sejenisnya; PT Eterindo

Wahanatama Tbk (ETWA) dari sub sektor kimia; PT Alam Karya Unggul Tbk (AKKU), PT

Sekawan Intipratama Tbk (SIAP), PT Tunas Alfin Tbk (TALF) dari sub sektor plastik dan

kemasan. Dan tiga perusahaan yang tidak menyampaikan data secara lengkap dalam laporan

tahunan dan laporan keuangan yang telah diaudit per 31 Desember selama periode penelitian

tahun 2012-2016 adalah PT Keramika Indonesia Assosiasi Tbk (KIAS) dari sub sektor

keramik, porselin dan kaca, PT Saranacentral Bajatama Tbk (BAJA) dari sub sektor logam

dan sejenisnya, dan PT Chandra Asri Petrochemical Tbk (TPIA) dari sub sektor kimia.

Dengan demikian 51 perusahaan yang dapat dijadikan sampel penelitian adalah sebagai

berikut.

10

Tabel 3

Sampel Penelitian

No. Jenis Sub Sektor Industri Dasar dan Kimia Kode Perusahaan Total

1 Sub Sektor Semen INTP, SMCB, SMGR 3

2 Sub Sektor Keramik, Porselin, Kaca AMFG, ARNA, IKAI, MLIA, TOTO 5

3 Sub Sektor Logam dan Sejenisnya ALKA, ALMI, BTON, CTBN, GDST,

INAI, JKSW, JPRS, KRAS, LION, LMSH,

NIKL, PICO

13

4 Sub Sektor Kimia BRPT, BUDI, DPNS, EKAD, INCI, SRSN,

UNIC

7

5 Sub Sektor Plastik dan Kemasan AKPI, APLI, BRNA, FPNI, IGAR, IPOL,

SIMA, TRST, YPAS

9

6 Sub Sektor Pakan Ternak CPIN, JPFA, MAIN, SIPD 4

7 Sub Sektor Kayu dan Pengolahannya SULI dan TIRT 2

8 Sub Sektor Pulp dan Kertas ALDO, FASW, INKP, INRU, KBRI, KDSI,

SPMA, TKIM

8

Jumlah 51

Sumber: data sekunder yang diolah

Oleh karena penelitian ini dilakukan selama periode lima tahun, maka jumlah

perusahaan yang digunakan sebagai sampel dalam penelitian ini dikalikan lima, sehingga

menghasilkan 255 sampel. Dalam penelitian ini, data rasio keuangan perusahaan yang

terdapat pada model Altman Z-Score untuk perusahaan manufaktur publik selama tahun

2012-2016 digunakan untuk memprediksikan financial distress.

Uji Analisis Financial Distress

Pengujian analisis financial distress dalam penelitian ini menggunakan model asli

Altman Z-Score dengan tingkat keakuratan 80%-90% untuk memprediksi kebangkrutan satu

tahun sebelum kejadian dengan kesalahan Tipe II sekitar 15%-20% dan tingkat keakuratan

72% untuk memprediksi kebangkrutan dua tahun sebelum kejadian dengan kesalahan Tipe II

sebesar 6% (Altman 2000). Berikut rumus dari model asli Altman Z-Score untuk perusahaan

manufaktur publik:

Z = 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 0,999X5

11

Keterangan:

Z = nilai Z-score

X1 = Working Capital/Total Assets (WC/TA)

= (total aset lancar - total liabilitas lancar)/ total aset

X2 = Retained Earnings/Total Assets (RE/TA)

X3 = Earning Before Interest and Taxes/Total Assets (EBIT/TA)

X4 = Market Value of Equity/Book Value of Total Liabilities (MV. E/BV. TL)

X5 = Sales/Total Assets (SALES/TA)

Berikut langkah-langkah dalam menganalisis financial distress menggunakan model Altman

Z-Score:

1. Hitung kelima rasio keuangan (X1-X5) dari akun working capital, total assets,

retained earnings, earning before interest and taxes, market value of equity, book

value of total liabilities, sales yang terdapat di laporan tahunan dan laporan keuangan

per 31 Desember tiap perusahaan dalam satu tahun selama periode penelitian tahun

2012-2016.

2. Setelah mendapatkan hasil dari kelima rasio keuangan tiap perusahaan dalam satu

tahun, maka nilai Z-score dapat dicari dengan rumus di atas. Tiap rasio atau variabel

X diberi koefisien dalam bentuk desimal yang berbeda sesuai dengan rasio tersebut

untuk memprediksi terjadinya financial distress.

3. Untuk nilai Z-Score kurang dari 1,81 yang diperoleh tiap perusahaan dalam satu

tahun, maka perusahaan dianggap berada dalam keadaan tidak sehat atau dalam

keadaan financial distress dengan kemungkinan besar perusahaan mengalami

kebangkrutan.

4. Untuk nilai Z-Score antara 1,81 sampai 2,99 yang diperoleh tiap perusahaan dalam

satu tahun, maka perusahaan dianggap berada pada daerah abu-abu (grey area) atau

dalam keadaan financial distress dengan kemungkinan perusahaan bangkrut atau

tidak bangkrut.

5. Untuk nilai Z-Score lebih besar dari 2,99 yang diperoleh tiap perusahaan dalam satu

tahun, maka perusahaan berada dalam keadaan sehat atau stabil sehingga

kemungkinan kecil mengalami financial distress.

12

HASIL PENELITIAN DAN PEMBAHASAN

Penelitian ini menganalisis prediksi financial distress untuk setiap sub sektor dan

seluruh perusahaan di industri dasar dan kimia yang terdaftar di BEI selama tahun 2012-

2016, yang terpilih untuk dijadikan sampel penelitian. Prediksi financial distress ini

dikategorikan menjadi golongan sehat, grey area dan tidak sehat dengan menggunakan model

Altman Z-Score untuk perusahaan manufaktur publik. Hasil penelitian dari 255 sampel

penelitian atau dari 51 perusahaan selama tahun 2012-2016 yang terpilih, akan dinyatakan

dalam bentuk persentase. Oleh karenanya, penelitian ini membandingkan masing-masing

kategori perusahaan berada pada tingkat persentase tertinggi di setiap sub sektor dan secara

keseluruhan selama lima tahun penelitian yaitu tahun 2012-2016. Hasil analisis akan

disajikan berdasarkan kategori sub-sektor, kemudian pembahasan dilanjutkan dengan hasil

analisis menyeluruh.

Berdasarkan pengamatan dari Tabel 4 di bawah, terdapat 15 amatan atau tiga

perusahaan di sub sektor semen dalam periode penelitian tahun 2012-2016 yang terpilih

untuk dijadikan sampel penelitian dalam memprediksi financial distress. Hasil prediksi

tersebut terdiri dari 73,34% atau sebelas amatan yang berada dalam kondisi sehat, 13,33%

atau dua amatan yang berada dalam grey area dengan kemungkinan perusahaan bangkrut

atau tidak bangkrut, dan 13,33% atau dua amatan di sub sektor semen yang terprediksi tidak

sehat. Dari tiga perusahaan tersebut, perusahaan yang terprediksi selalu berada dalam kondisi

sangat sehat selama lima tahun penelitian adalah PT Indocement Tunggal Prakasa Tbk

(INTP) dan PT Semen Indonesia Tbk (SMGR). Sedangkan untuk PT Holcim Indonesia Tbk

(SMCB) terprediksi berada dalam kondisi sehat hanya pada tahun 2012. Kemudian pada

tahun 2013 dan 2014, PT SMCB mengalami penurunan menjadi grey area hingga pada

kondisi tidak sehat pada tahun 2015-2016.

13

Tabel 4

Sampel Penelitian Sub Sektor Semen

Kriteria Kode

Perusahaan

Z-Score Jumlah %

2012 2013 2014 2015 2016

S INTP 18,030 15,221 16,354 15,765 10,852 5

SMGR 9,167 8,180 8,774 6,008 4,275 5

SMCB 5,149 - - - - 1

Jumlah 11 73,34

GA SMCB - 2,896 2,138 - - 2 13,33

TS SMCB - - - 1,306 0,821 2 13,33

Total 3 perusahaan 15 100

Sumber: data sekunder yang diolah. Keterangan: S = Sehat, GA = Grey Area, TS = Tidak Sehat.

Dengan demikian persentase tertinggi untuk sub sektor semen adalah perusahaan

dengan prediksi berada dalam kondisi sehat sebesar 73,34%. Sehingga dapat diartikan bahwa

kemungkinan terjadinya financial distress untuk sub sektor semen adalah sangat kecil,

kecuali untuk PT SMCB.

Berdasarkan pengamatan dari Tabel 5 di bawah, terdapat 25 amatan atau lima

perusahaan di sub sektor keramik, porselin dan kaca dalam periode penelitian tahun 2012-

2016 yang terpilih untuk dijadikan sampel penelitian dalam memprediksi financial distress.

Hasil prediksi tersebut terdiri dari 56% atau 14 amatan dalam kondisi sehat, 4% atau satu

amatan dalam grey area, dan 40% atau sepuluh amatan dalam kondisi tidak sehat. Dari lima

perusahaan tersebut, perusahaan yang terprediksi selalu dalam kondisi sehat selama lima

tahun penelitian adalah PT Arwana Citra Mulia Tbk (ARNA) dan PT Surya Toto Indonesia

Tbk (TOTO). Sedangkan PT Asahimas Flat Glass Tbk (AMFG) mengalami penurunan dari

kondisi sehat menjadi grey area pada tahun 2016 meskipun score yang diperoleh masih

mendekati batas sehat. Dan perusahaan yang terprediksi selalu dalam kondisi tidak sehat

dengan kemungkinan besar mengalami kebangkrutan selama lima tahun penelitian adalah PT

Inti Keramik Alam Asri Industri Tbk (IKAI) dan PT Mulia Industrindo Tbk (MLIA).

14

Tabel 5

Sampel Penelitian Sub Sektor Keramik, Porselin dan Kaca

Kriteria Kode

Perusahaan

Z-Score Jumlah %

2012 2013 2014 2015 2016

S ARNA 8,219 12,949 14,325 6,028 6,025 5

TOTO 6,118 6,016 5,769 7,161 5,129 5

AMFG 6,081 5,101 5,804 4,605 - 4

Jumlah 14 56

GA AMFG - - - - 2,817 1 4

TS IKAI -0,182 -0,090 -0,094 -1,571 -4,497 5

MLIA 0,297 0,109 0,491 0,259 0,336 5

Jumlah 10 40



Dengan demikian tingkat persentase tertinggi untuk sub sektor keramik, porselin dan

kaca adalah perusahaan dengan prediksi berada dalam kondisi sehat sebesar 56%. Sehingga

dapat diartikan bahwa kemungkinan tidak terjadinya financial distress lebih tinggi

dibandingkan dengan kemungkinan besar terjadi financial distress.

Berdasarkan pengamatan dari Tabel 6 di bawah, terdapat 65 amatan atau 13

perusahaan di sub sektor logam dan sejenisnya dalam periode penelitian tahun 2012-2016

yang terpilih untuk dijadikan sampel penelitian dalam memprediksi financial distress. Hasil

prediksi tersebut terdiri dari 49,23% yaitu PT Alaska Industrindo Tbk (ALKA), PT Beton

Jaya Manunggal Tbk (BTON), PT Citra Turbindo Tbk (CTBN), PT Jaya Pari Steel Tbk

(JPRS), PT Lion Metal Works Tbk (LION), PT Lionmesh Prima Tbk (LMSH) yang selama

lima tahun penelitian terprediksi selalu dalam kondisi sehat serta PT Gunawan Dianjaya Steel

Tbk (GDST) yang pada tahun 2012-2013 juga terprediksi dalam kondisi sehat; 15,39% yaitu

PT GDST pada tahun 2014 dan 2016, PT Alumindo Light Metal Industry Tbk (ALMI) pada

tahun 2012, PT Nippon Steel dan Sumitomo Metal Tbk (NIKL) pada tahun 2013 dan 2016

dan PT Pelangi Indah Canindo Tbk (PICO) selama tahun 2012-2016 yang terprediksi dalam

grey area; 35,38% yaitu PT GDST pada tahun 2015, PT ALMI pada tahun 2013-2016, PT

NIKL pada tahun 2012, 2014 dan 2015 yang terprediksi dalam kondisi tidak sehat, serta PT

Indal Aluminium Industry Tbk (INAI), PT Jakarta Kyoei Steel Work LTD Tbk (JKSW) dan

PT Krakatau Steel Tbk (KRAS) yang selama lima tahun penelitian juga selalu terprediksi

dalam kondisi tidak sehat.

15

Tabel 6

Sampel Penelitian Sub Sektor Logam dan Sejenisnya

Kriteria Kode

Perusahaan

Z-Score Jumlah %

2012 2013 2014 2015 2016

S ALKA 4,966 5,422 5,539 5,694 9,432 5

BTON 5,621 4,406 4,532 3,535 3,446 5

CTBN 3,932 3,864 3,915 3,273 6,009 5

JPRS 5,812 11,166 9,634 3,512 3,121 5

LION 8,770 7,580 4,397 4,221 3,842 5

LMSH 6,517 5,442 5,353 4,674 3,261 5

GDST 3,423 3,519 - - - 2

Jumlah 32 49,23

GA GDST - - 2,090 - 2,109 2

PICO 1,824 1,937 2,129 2,203 2,081 5

ALMI 2,250 - - - - 1

NIKL - 1,865 - - 2,913 2

Jumlah 10 15,39

TS GDST - - - 1,373 - 1

ALMI - 1,388 1,327 1,612 1,053 4

NIKL 1,779 - 1,436 1,126 - 3

INAI 1,793 1,234 1,435 1,381 1,345 5

JKSW -1,910 -1,890 -1,752 -2,187 -1,526 5

KRAS 1,486 1,240 0,578 -0,074 0,344 5

Jumlah 23 35,38



Dengan demikian tingkat persentase tertinggi untuk sub sektor logam dan sejenisnya

adalah perusahaan yang terprediksi berada dalam kondisi sehat sebesar 49,23%. Sehingga

dapat diartikan bahwa kemungkinan tidak terjadinya financial distress lebih tinggi


Berdasarkan pengamatan dari Tabel 7 di bawah, terdapat 35 amatan atau tujuh

perusahaan di sub sektor kimia dalam periode penelitian tahun 2012-2016 yang terpilih untuk

dijadikan sampel penelitian dalam memprediksi financial distress. Hasil prediksi tersebut

terdiri dari 54,29% yaitu PT Intan Wijaya International Tbk (INCI) pada tahun 2012-2015,

PT Unggul Indah Cahaya Tbk (UNIC) pada tahun 2012 dan 2016, PT Indo Acidatama Tbk

(SRSN) pada tahun 2012-2014 yang terprediksi dalam kondisi sehat, serta PT Duta Pertiwi

16

Nusantara Tbk (DPNS) dan PT Ekadharma Internasional Tbk (EKAD) yang selama lima

tahun penelitian selalu terprediksi dalam kondisi sehat; 14,29% yaitu PT INCI pada tahun

2016, PT UNIC pada tahun 2013-2015 dan PT SRSN pada tahun 2015 yang terprediksi

dalam grey area; 31,42% yaitu PT SRSN pada 2016 yang terprediksi dalam kondisi tidak

sehat serta PT Barito Pasific Tbk (BRPT) dan PT Budi Starch & Sweetener Tbk (BUDI) yang

selama lima tahun penelitian juga selalu terprediksi dalam kondisi tidak sehat.

Tabel 7

Sampel Penelitian Sub Sektor Kimia

Kriteria Kode

Perusahaan

Z-Score Jumlah %

2012 2013 2014 2015 2016

S DPNS 4,992 5,815 4,220 4,303 4,269 5

EKAD 10,214 7,538 7,261 8,592 9,356 5

INCI 3,175 4,475 4,440 4,491 - 4

UNIC 3,054 - - - 3,119 2

SRSN 3,040 3,472 3,207 - - 3

Jumlah 19 54,29

GA INCI - - - - 2,720 1

UNIC - 2,912 2,923 2,553 - 3

SRSN - - - 2,420 - 1

Jumlah 5 14,29

TS SRSN - - - - 1,744 1

BRPT 1,182 1,265 1,240 0,700 1,795 5

BUDI 1,499 1,600 1,453 1,082 1,308 5

Jumlah 11 31,42



Dengan demikian tingkat persentase tertinggi untuk sub sektor logam dan

sejenisnya adalah perusahaan yang terprediksi berada dalam kondisi sehat sebesar 54,29%.

Sehingga dapat diartikan bahwa kemungkinan tidak terjadinya financial distress lebih tinggi


Berdasarkan pengamatan dari Tabel 8 di bawah, terdapat 45 amatan atau sembilan

perusahaan di sub sektor plastik dan kemasan dalam periode penelitian tahun 2012-2016 yang

terpilih untuk dijadikan sampel penelitian dalam memprediksi financial distress. Hasil

prediksi tersebut terdiri dari 24,45% yaitu PT Kageo Igar Jaya Tbk (IGAR) pada tahun 2012-

17

2016, PT Asiaplast Industries Tbk (APLI) pada tahun 2014 dan 2016, PT Yana Prima Hasta

Persada Tbk (YPAS) pada tahun 2012 dan 2014-2016 yang terprediksi dalam kondisi sehat;

13,33% yaitu PT APLI pada tahun 2012, 2013 dan 2015, PT Berlina Tbk (BRNA) pada tahun

2012 dan 2014, dan PT Trias Sentosa Tbk (TRST) pada tahun 2012 yang terprediksi dalam

grey area; 62,22% yaitu PT BRNA pada tahun 2013, 2015 dan 2016, PT TRST selama tahun

2013-2016, PT YPAS pada tahun 2013 yang terprediksi dalam kondisi tidak sehat, serta PT

Argha Karya Prima Industry Tbk (AKPI), PT Fatra Polindo Nusa Industri Tbk (FPNI), PT

Indopoly Swakarsa Industry Tbk (IPOL) dan PT Siwani Makmur Tbk (SIMA) yang juga

terprediksi selalu dalam kondisi tidak sehat.

Tabel 8

Sampel Penelitian Sub Sektor Plastik dan Kemasan

Kriteria Kode

Perusahaan

Z-Score Jumlah %

2012 2013 2014 2015 2016

S IGAR 7,084 5,625 6,218 5,408 8,546 5

APLI - - 3,298 - 3,286 2

YPAS 3,379 - 3,076 3,861 3,645 4

Jumlah 11 24,45

GA APLI 2,061 2,052 - 1,834 - 3

BRNA 2,558 - 1,859 - - 2

TRST 2,395 - - - - 1

Jumlah 6 13,33

TS BRNA - 1,310 - 1,372 1,721 3

TRST - 1,449 1,794 1,689 1,631 4

AKPI 1,756 1,568 1,536 1,158 1,421 5

FPNI 1,407 1,642 1,749 1,499 1,765 5

IPOL 1,451 1,522 1,441 1,240 1,464 5

SIMA -2,118 -1,079 -0,352 1,416 1,226 5

YPAS - 1,744 - - - 1

Jumlah 28 62,22



Dengan demikian tingkat persentase tertinggi untuk sub sektor plastik dan kemasan

adalah perusahan dengan prediksi tidak sehat sebesar 62,22%. Sehingga dapat diartikan

bahwa kemungkinan terjadinya financial distress lebih tinggi dibandingkan dengan tidak

terjadinya financial distress, dengan kemungkinan besar 62,22% perusahaan di sub sektor

plastik dan kemasan mengalami kebangkrutan.

18

Berdasarkan pengamatan dari Tabel 9 di bawah, terdapat 20 amatan atau empat

perusahaan di sub sektor pakan ternak dalam periode penelitian tahun 2012-2016 yang


prediksi tersebut terdiri dari 55% yaitu PT Charoen Pokphand Indonesia Tbk (CPIN) selama

tahun 2012-2016 serta PT Japfa Comfeed Indonesia Tbk (JPFA) dan PT Malindo Feedmill

Tbk (MAIN) pada tahun 2012,2013 dan 2016 yang terprediksi dalam kondisi sehat; 20%

yaitu PT JPFA dan PT MAIN pada tahun 2014-2015 yang terprediksi dalam grey area

dengan kemungkinan perusahaan bangkrut atau tidak bangkrut; dan 5% yaitu PT SIPD yang

selama lima tahun penelitian terprediksi selalu dalam kondisi tidak sehat.

Tabel 9

Sampel Penelitian Sub Sektor Pakan Ternak

Kriteria Kode

Perusahaan

Z-Score Jumlah %

2012 2013 2014 2015 2016

S CPIN 12,635 9,490 6,553 4,719 6,362 5

JPFA 3,962 3,127 - - 3,673 3

MAIN 5,361 5,436 - - 3,390 3

Jumlah 11 55

GA JPFA - - 2,895 2,612 - 2

MAIN - - 2,557 2,549 - 2

Jumlah 4 20

TS SIPD 1,472 1,657 1,583 0,703 1,552 5 25



Dengan demikian tingkat persentase tertinggi untuk sub sektor pakan ternak adalah

perusahaan dengan prediksi dalam kondisi sehat sebesar 55%. Sehingga dapat diartikan

bahwa kemungkinan tidak terjadinya financial distress lebih tinggi 5% dibandingkan dengan

kemungkinan besar terjadi financial distress.

Berdasarkan pengamatan dari Tabel 10 di bawah, terdapat sepuluh amatan atau dua

perusahaan di sub sektor kayu dan pengolahannya dalam periode penelitian tahun 2012-2016

yang terpilih untuk dijadikan sampel penelitian dalam memprediksi financial distress. Hasil

prediksi tersebut menunjukkan bahwa seluruh perusahaan di sub sektor kayu dan

pengolahannya, yaitu PT Tirta Mahakam Resources Tbk (TIRT) dan PT Sumalindo Lestari

Jaya Tbk (SULI) selama tahun 2012-2016 selalu terprediksi dalam kondisi tidak sehat.

19

Tabel 10

Sampel Penelitian Sub Sektor Kayu dan Pengolahannya

Kriteria Kode

Perusahaan

Z-Score Jumlah %

2012 2013 2014 2015 2016

TS SULI -2,097 -3,826 -2,796 -2,627 -2,041 5

TIRT 0,970 -0,073 1,230 1,077 1,298 5



Dengan demikian dapat disimpulkan bahwa seluruh perusahaan di sub sektor kayu

dan pengolahannya terprediksi mengalami financial distress dengan kemungkinan besar

mengalami kebangkrutan.

Berdasarkan pengamatan dari Tabel 11 di bawah, terdapat 40 amatan atau delapan

perusahaan di sub sektor pulp dan kertas dalam periode penelitian tahun 2012-2016 yang


prediksi tersebut terdiri dari 17,5% yaitu PT Alkindo Naratama Tbk (ALDO) selama tahun

2012-2016 serta PT Kertas Basuki Rachmat Indonesia Tbk (KBRI) dan PT Kedawung Setia

Industrial Tbk (KDSI) pada tahun 2012 yang terprediksi dalam kondisi sehat; 15% yaitu PT

KDSI selama tahun 2013-2016 dan PT Fajar Surya Wisesa Tbk (FASW) pada tahun 2014

dan 2016 yang terprediksi dalam grey area; 67,5% yaitu PT KBRI pada tahun 2013-2016, PT

FASW pada tahun 2012, 2013 dan 2015 yang terprediksi dalam kondisi tidak sehat, serta PT

Indah Kiat Pulp dan Paper Tbk (INKP), PT Toba Pulp Lestari Tbk (INRU), PT Suparma Tbk

(SPMA) dan Pabrik Kertas Tjiwi Kimia Tbk (TKIM) yang selama lima tahun penelitian juga

terprediksi selalu dalam kondisi tidak sehat.

20

Tabel 11

Sampel Penelitian Sub Sektor Pulp dan Kertas

Kriteria Kode

Perusahaan

Z-Score Jumlah %

2012 2013 2014 2015 2016

S ALDO 3,822 3,400 3,302 3,505 3,429 5

KBRI 4,552 - - - - 1

KDSI 3,643 - - - - 1

Jumlah 7 17,5

GA KDSI - 2,498 2,647 2,000 2,607 4

FASW - - 1,846 - 2,366 2

Jumlah 6 15

TS FASW 1,627 1,668 - 0,962 - 3

KBRI - -1,678 -2,183 -2,329 -2,924 4

INKP 0,586 0,762 0,720 0,795 0,842 5

INRU -1,644 -1,804 -1,621 -1,966 -1,962 5

SPMA 1,608 1,203 1,510 0,935 1,730 5

TKIM 1,133 1,051 0,916 0,698 0,726 5

Jumlah 27 67,5



Dengan demikian tingkat persentase tertinggi untuk sub sektor pulp dan kertas adalah

perusahan dengan prediksi dalam kondisi tidak sehat sebesar 67,5%. Sehingga dapat diartikan

bahwa kemungkinan terjadinya financial distress lebih tinggi dibandingkan dengan tidak

terjadinya financial distress, dengan kemungkinan besar 67,5% perusahaan di sub sektor pulp

dan kertas mengalami kebangkrutan.

21

Setelah menganalisis prediksi financial distress untuk setiap sub sektor di industri

dasar dan kimia selama tahun 2012-2016, maka dapat dibuat kesimpulan secara keseluruhan

seperti yang ditampilkan pada tabel 12 berikut.

Tabel 12

Persentase Prediksi Financial Distress Perusahaan Sektor Industri Dasar Dan Kimia

No. Kode

Perusahaan

Kondisi Perusahaan Total

2012 2013 2014 2015 2016 S GA TS

Sub Sektor Semen

1. INTP S S S S S 5 - -

2. SMCB S GA GA TS TS 1 2 2

3. SMGR S S S S S 5 - -

Jumlah 11 2 2

Sub Sektor Keramik, Porselin dan Kaca

4. AMFG S S S S GA 4 1 -

5. ARNA S S S S S 5 - -

6. IKAI TS TS TS TS TS - - 5

7. MLIA TS TS TS TS TS - - 5

8. TOTO S S S S S 5 - -

Jumlah 14 1 10

Sub Sektor Logam dan Sejenisnya

9. ALKA S S S S S 5 - -

10. ALMI GA TS TS TS TS - 1 4

11. BTON S S S S S 5 - -

12. CTBN S S S S S 5 - -

13. GDST S S GA TS GA 2 2 1

14. INAI TS TS TS TS TS - - 5

15. JKSW TS TS TS TS TS - - 5

16. JPRS S S S S S 5 - -

17. KRAS TS TS TS TS TS - - 5

18. LION S S S S S 5 - -

19. LMSH S S S S S 5 - -

20. NIKL TS GA TS TS GA - 2 3

21. PICO GA GA GA GA GA - 5 -

Jumlah 32 10 23

22

Tabel 12 (Lanjutan)


No. Kode

Perusahaan


2012 2013 2014 2015 2016 S GA TS

Sub Sektor Kimia

22. BRPT TS TS TS TS TS - - 5

23. BUDI TS TS TS TS TS - - 5

24. DPNS S S S S S 5 - -

25. EKAD S S S S S 5 - -

26. INCI S S S S GA 4 1 -

27. SRSN S S S GA TS 3 1 1

28. UNIC S GA GA GA S 2 3 -

Jumlah 19 5 11

Sub Sektor Plastik dan Kemasan

29. AKPI TS TS TS TS TS - - 5

30. APLI GA GA S GA S 2 3 -

31. BRNA GA TS GA TS TS - 2 3

32. FPNI TS TS TS TS TS - - 5

33. IGAR S S S S S 5 - -

34. IPOL TS TS TS TS TS - - 5

35. SIMA TS TS TS TS TS - - 5

36. TRST GA TS TS TS TS - 1 4

37. YPAS S TS S S S 4 - 1

Jumlah 11 6 28

Sub Sektor Pakan Ternak

38. CPIN S S S S S 5 - -

39 JPFA S S GA GA S 3 2 -

40. MAIN S S GA GA S 3 2 -

41. SIPD TS TS TS TS TS - - 5

Jumlah 11 4 5

Sub Sektor Kayu dan Pengolahannya

42. SULI TS TS TS TS TS - - 5

43. TIRT TS TS TS TS TS - - 5

Jumlah 0 0 10

23

Tabel 12 (Lanjutan)


No. Kode

Perusahaan


2012 2013 2014 2015 2016 S GA TS

Sub Sektor Pulp dan Kertas

44. ALDO S S S S S 5 - -

45. FASW TS TS GA TS GA - 2 3

46. INKP TS TS TS TS TS - - 5

47. INRU TS TS TS TS TS - - 5

48. KBRI S TS TS TS TS 1 - 4

49. KDSI S GA GA GA GA 1 4 -

50. SPMA TS TS TS TS TS - - 5

51. TKIM TS TS TS TS TS - - 5

Jumlah 7 6 27

TOTAL 105 34 116

% 41,18 13,33 45,49


Berdasarkan hasil analisis prediksi financial distress dari 255 amatan atau 51

perusahaan di industri dasar dan kimia selama tahun 2012-2016, yang terpilih untuk dijadikan

sampel penelitian, terprediksi 41,18% dalam kondisi sehat, 13,33% dalam grey area dengan

kemungkinan bangkrut atau tidak bangkrut dan 45,49% dalam kondisi tidak sehat. Sehingga

dapat disimpulkan bahwa secara keseluruhan kemungkinan terjadinya financial distress lebih

tinggi dibandingkan dengan tidak terjadinya financial distress, dengan kemungkinan besar

45,49% perusahaan di industri dasar dan kimia selama tahun 2012-2016 mengalami

kebangkrutan.

24

KESIMPULAN

Hasil analisis prediksi financial distress perusahaan manufaktur sektor industri dasar

dan kimia selama tahun 2012-2016 menunjukkan bahwa sebagian besar perusahaan dari lima

sub sektor di industri dasar dan kimia, yaitu sub sektor semen, sub sektor keramik, porselin

dan kaca, sub sektor logam dan sejenisnya dan sub sektor kimia terprediksi dalam kondisi

sehat. Dan sebagian besar perusahaan dari tiga sub sektor di industri dasar dan kimia, yaitu

sub sektor plastik dan kemasan, kayu dan pengolahannya, pulp dan kertas terprediksi dalam

kondisi tidak sehat. Hal tersebut didasarkan pada tingkat persentase tertinggi yang dimiliki

oleh setiap sub sektor di industri dasar dan kimia selama tahun 2012-2016. Secara

keseluruhan, prediksi terjadinya financial distress untuk 51 perusahaan di industri dasar dan

kimia selama tahun 2012-2016 sebesar 58,82%. Tingkat persentase tersebut diperoleh dari

13,33% dalam grey area dengan kemungkinan perusahaan bangkrut atau tidak bangkrut dan

45,49% dalam kondisi tidak sehat dengan kemungkinan besar perusahaan mengalami

kebangkrutan.

Dengan demikian, meskipun secara keseluruhan 45,49% atau hampir 50% perusahaan

di industri dasar dan kimia kemungkinan besar mengalami kebangkrutan, akan tetapi dari

delapan sub sektor di industri dasar dan kimia hanya tiga sub sektor yang mayoritas

terprediksi kemungkinan besar mengalami kebangkrutan. Sehingga kinerja keuangan

perusahaan-perusahaan dari ketiga sub sektor tersebut yang perlu diperhatikan lebih

mendetail untuk mengurangi kemungkinan terjadinya kebangkrutan, baik dalam tingkat

penjualan, laba, nilai pasar saham dan dari segi manajemen operasional perusahaan.

Keterbatasan dari penelitian ini adalah periode penelitian yang terbatas yaitu selama

lima tahun dan model prediksi financial distress yang digunakan dalam penelitian ini lebih

sesuai untuk perusahaan manufaktur karena kelima rasio yang terdapat dalam model asli

Altman Z-Score dapat ditemukan dalam laporan keuangan perusahaan manufaktur. Dengan

demikian, temuan dan keterbatasan dari penelitian ini dapat memberikan peluang untuk

proses penelitian lanjutan dengan jangka waktu penelitian yang longitudinal. Dan apabila

perusahaan yang ingin diteliti bukan merupakan perusahaan manufaktur atau merupakan jenis

perusahaan lain, maka sebaiknya memilih beberapa model prediksi financial distress yang

lebih sesuai untuk jenis perusahaan tersebut, dan hasil dari beberapa model tersebut juga

dapat dibandingkan.

25

DAFTAR PUSTAKA

Agusti, Chalendra Prasetya. 2013. Analisis Faktor Yang Mempengaruhi Kemungkinan

Terjadinya Financial Distress. Skripsi. Fakultas Ekonomika dan Bisnis Universitas

Diponegoro.

Akuntansi Pedia. 2018. Akuntansi Pedia. Diakses 4 Maret 2018.

https://akuntansipedia.com/altman-z-score/.

Altman, Edward. 1968. Financial Ratio, Discriminant Analysis and The Prediction of

Corporate Bankruptcy. Jurnal of Finance Vol. 23, No. 4:589-609.

Altman, Edward, dan Edith Hotchkiss. 2006. Corporate Financial Distress and Bankruptcy,

Third Edition. Canada: John Wiley & Sons, Inc.

Altman, Edward, Malgorzata Iwanicz Drozdowska, Erkki Laitinen, dan Arto Suvas. 2014.

Distressed Firm and Bankruptcy Prediction in an International Contex. Review and

Empirical Analysis of Altman’s Z-Score Model:1-48.

Ardiyanto, Feri Dwi. 2011. Prediksi Rasio Keuangan Terhadap Kondisi Financial Distress

Perusahaan Manufaktur yang Terdaftar di BEI Periode 2005-2009. Skripsi. Fakultas

Ekonomika dan Bisnis Universitas Diponegoro.

Asnawi, Said Kelana, dan Chandra Wijaya. 2005. Riset Keuangan: Pengujian-Pengujian

Empiris. Jakarta: PT Gramedia Pustaka Utama.

Auchterlonie, DL. 1997. "A Paean to the Z-Score and Its Commercial Bankruptcy

Prediction." The Journal of Lending & Credit Risk Management.

Brahmana, Rayenda. 2007. Identifying Financial Distress Condition in Indonesia

Manufacture Industry. Journal of Accounting:5-51.

Bursa Efek Indonesia. 2010. “Laporan Keuangan dan Tahunan.” IDX. Diakses 2017.

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

Cinantya, I Gusti Agung Ayu Pritha, dan Ni Ketut Lely Aryani Merkusiwati. 2015. Pengaruh

Corporate Governance, Financial Indicators dan Ukuran Perusahaan pada Financial

Distress. E-Jurnal Akuntansi Universitas Udayana Vol. 10, No. 3:897-915.

Foster, George. 1986. Financial Statement Analysis. New Jersey: Prentice Hall, Englewood

Cliffs.

Griffin, Ricky, dan Ronald Ebert. 2007. Bisnis Edisi ke-8. Jakarta: Erlangga.

Hanifah, Oktita Earning. 2013. Pengaruh Struktur Corporate Governance dan Financial

Indicators Terhadap Kondisi Financial Distress. Skripsi. Fakultas Ekonomika dan

Bisnis Universitas Diponegoro.

26

Hidayat, Muhammad Arif. 2013. Prediksi Financial Distress Perusahaan Manufaktur di

Indonesia. Skripsi. Fakultas Ekonomika dan Bisnis Universitas Diponegoro.

IAI. 2016. Kerangka Konseptual Pelaporan Keuangan. Jakarta: DSAK IAI.

Kayo, Edison Sutan. 2009. Saham OK. Diakses 2017. https://www.sahamok.com/.

Kurs Dollar. 2013. Kurs Dollar. Diakses 4 Maret 2018. http://kursdollar.net.

Novitasari, Rima Putri, Topowijono, dan Devi Farah Azizah. 2016. Penerapan Model

Multiple Discriminant Analysis Altman Z”-Score untuk Memprediksi Financial

Distress. Jurnal Administrasi Bisnis Vol. 38, No. 1:83-88.

Pearce, John, dan Richard Robinson. 2008. Manajemen Strategis-Formulasi, Implementasi,

dan Pengendalian Edisi 10. Jakarta: Salemba Empat.

Rahayu, Sri. 2010. Pengaruh Kinerja Keuangan Terhadap Nilai Perusahaan Dengan

Pengungkapan CSR dan Good Corporate Governance Sebagai Variabel Pemoderasi.

Skripsi. Fakultas Ekonomika dan Bisnis Universitas Diponegoro.

Sasongko, Mustopo Ali, dan Agung Ngurah Mustakawarman. Diakses 2017. Analisis Saham

Fundamental. Diakses 28 Januari 2017. http://www.analisissahamfundamental.com.

Srengga, Imam Mas’ud dan Reva Maymi. 2011. Analisis Rasio Keuangan Untuk

Memprediksi Kondisi Financial Distress Perusahaan Manufaktur yang Terdaftar di

Bursa Efek Indonesia. Jurnal Akuntansi Universitas Jember Vol. 10, No. 2:139-154.

Sugiono, Arief. 2009. Manjemen Keuangan. Jakarta: Grasindo.

____________, dan Edy Untung. 2008. Panduan Praktis Dasar Analisa Laporan Keuangan.

Jakarta: Grasindo.

Triwahyuningtias, Meilinda. 2012. Analisis Pengaruh Struktur Kepemilikan, Ukuran Dewan,

Komisaris Independen, Likuiditas dan Leverage Terhadap Terjadinya Kondisi

Financial Distress. Skripsi. Fakultas Ekonomika dan Bisnis Universitas Diponegoro.

Wardhani, Ratna. 2007. Mekanisme Corporate Governance Dalam Perusahaan yang

Mengalami Permasalahan Keuangan. Jurnal Akuntansi dan Keuangan Indonesia Vol

4 No. 1:95-114.

Widarjo, Wahyu, dan Doddy Setiawan. 2009. Pengaruh Rasio Keuangan Terhadap Kondisi

Financial Distress Perusahaan Otomotif. Jurnal Bisnis dan Akuntansi Vol. 11 No.

2:107-119.

Zamroni, Oni. 2012. Akuntansi Itu Mudah. 1 Januari. Diakses 4 Maret 2018.

http://www.akuntansiitumudah.com/kurs-tengah-bi-31-desember-2012/.

https://www.sahamok.com/

http://www.akuntansiitumudah.com/kurs-tengah-bi-31-desember-2012/

27

DAFTAR LAMPIRAN

28

NO Kode Perusahaan Z 1.2 X1 1.4 X2 3.3 X3 0.6 X4 0.999 X5

Sub Sektor Semen

1 INTP 2012 18.030 1.2 0.534 1.4 0.653 3.3 0.259 0.6 24.770 0.999 0.760

INTP 2013 15.221 1.2 0.530 1.4 0.684 3.3 0.229 0.6 20.285 0.999 0.702

INTP 2014 16.354 1.2 0.444 1.4 0.698 3.3 0.208 0.6 22.446 0.999 0.692

INTP 2015 15.765 1.2 0.378 1.4 0.707 3.3 0.184 0.6 21.785 0.999 0.644

INTP 2016 10.852 1.2 0.373 1.4 0.726 3.3 0.121 0.6 14.131 0.999 0.510

2 SMCB 2012 5.149 1.2 0.052 1.4 0.171 3.3 0.168 0.6 5.925 0.999 0.741

SMCB 2013 2.896 1.2 -0.079 1.4 0.160 3.3 0.124 0.6 2.848 0.999 0.650

SMCB 2014 2.138 1.2 -0.088 1.4 0.138 3.3 0.075 0.6 1.985 0.999 0.612

SMCB 2015 1.306 1.2 -0.079 1.4 0.129 3.3 0.052 0.6 0.859 0.999 0.533

SMCB 2016 0.821 1.2 -0.145 1.4 0.093 3.3 0.010 0.6 0.589 0.999 0.479

3 SMGR 2012 9.167 1.2 0.128 1.4 0.575 3.3 0.233 0.6 11.173 0.999 0.737

SMGR 2013 8.180 1.2 0.152 1.4 0.600 3.3 0.230 0.6 9.337 0.999 0.796

SMGR 2014 8.774 1.2 0.186 1.4 0.630 3.3 0.209 0.6 10.319 0.999 0.786

SMGR 2015 6.008 1.2 0.103 1.4 0.624 3.3 0.157 0.6 6.312 0.999 0.706

SMGR 2016 4.275 1.2 0.050 1.4 0.600 3.3 0.119 0.6 3.986 0.999 0.591

Sub Sektor Keramik, Porselin, Kaca

4 AMFG 2012 6.081 1.2 0.395 1.4 0.666 3.3 0.144 0.6 5.472 0.999 0.917

AMFG 2013 5.101 1.2 0.426 1.4 0.672 3.3 0.121 0.6 3.902 0.999 0.909

AMFG 2014 5.804 1.2 0.476 1.4 0.694 3.3 0.142 0.6 4.761 0.999 0.937

AMFG 2015 4.605 1.2 0.410 1.4 0.704 3.3 0.100 0.6 3.230 0.999 0.858

AMFG 2016 2.817 1.2 0.164 1.4 0.584 3.3 0.064 0.6 1.526 0.999 0.677

5 ARNA 2012 8.219 1.2 0.049 1.4 0.537 3.3 0.239 0.6 9.051 0.999 1.188

ARNA 2013 12.949 1.2 0.082 1.4 0.586 3.3 0.283 0.6 16.414 0.999 1.249

ARNA 2014 14.325 1.2 0.152 1.4 0.641 3.3 0.279 0.6 18.409 0.999 1.278

ARNA 2015 6.028 1.2 0.007 1.4 0.552 3.3 0.072 0.6 6.848 0.999 0.903

ARNA 2016 6.025 1.2 0.108 1.4 0.545 3.3 0.093 0.6 6.415 0.999 0.980

6 IKAI 2012 -0.182 1.2 -0.205 1.4 -0.295 3.3 -0.055 0.6 0.435 0.999 0.397

IKAI 2013 -0.090 1.2 0.011 1.4 -0.400 3.3 -0.067 0.6 0.400 0.999 0.439

IKAI 2014 -0.094 1.2 -0.065 1.4 -0.423 3.3 -0.029 0.6 0.275 0.999 0.506

IKAI 2015 -1.571 1.2 -0.087 1.4 -0.842 3.3 -0.248 0.6 0.281 0.999 0.362

IKAI 2016 -4.497 1.2 -0.577 1.4 -1.782 3.3 -0.524 0.6 0.172 0.999 0.316

(WC/Tot.Asset) (RE/Tot.Asset) (EBIT/Tot.Asset) (MV E / BV Liabilities) (Sales/Tot.Asset)

29



7 MLIA 2012 0.297 1.2 0.069 1.4 -0.431 3.3 0.025 0.6 0.065 0.999 0.698

MLIA 2013 0.109 1.2 0.024 1.4 -0.459 3.3 -0.017 0.6 0.095 0.999 0.723

MLIA 2014 0.491 1.2 0.023 1.4 -0.440 3.3 0.068 0.6 0.123 0.999 0.780

MLIA 2015 0.259 1.2 -0.032 1.4 -0.462 3.3 0.017 0.6 0.143 0.999 0.802

MLIA 2016 0.336 1.2 -0.034 1.4 -0.424 3.3 0.044 0.6 0.128 0.999 0.750

8 TOTO 2012 6.118 1.2 0.340 1.4 0.548 3.3 0.225 0.6 5.275 0.999 1.036

TOTO 2013 6.016 1.2 0.340 1.4 0.557 3.3 0.191 0.6 5.368 0.999 0.980

TOTO 2014 5.769 1.2 0.289 1.4 0.575 3.3 0.193 0.6 4.947 0.999 1.013

TOTO 2015 7.161 1.2 0.323 1.4 0.547 3.3 0.162 0.6 7.566 0.999 0.934

TOTO 2016 5.129 1.2 0.272 1.4 0.534 3.3 0.103 0.6 4.860 0.999 0.801

Sub Sektor Logam & Sejenisnya

9 ALKA 2012 4.966 1.2 0.193 1.4 -0.131 3.3 0.005 0.6 0.600 0.999 4.546

ALKA 2013 5.422 1.2 0.189 1.4 -0.082 3.3 0.027 0.6 0.334 0.999 5.024

ALKA 2014 5.539 1.2 0.189 1.4 -0.070 3.3 0.027 0.6 0.503 0.999 5.024

ALKA 2015 5.694 1.2 0.007 1.4 -0.127 3.3 0.044 0.6 0.904 0.999 5.180

ALKA 2016 9.432 1.2 -0.038 1.4 -0.131 3.3 0.033 0.6 1.882 0.999 8.429

10 ALMI 2012 2.250 1.2 0.144 1.4 0.169 3.3 0.012 0.6 0.155 0.999 1.712

ALMI 2013 1.388 1.2 0.039 1.4 0.122 3.3 0.023 0.6 0.088 0.999 1.043

ALMI 2014 1.327 1.2 0.018 1.4 0.102 3.3 0.026 0.6 0.064 0.999 1.038

ALMI 2015 1.612 1.2 -0.068 1.4 0.112 3.3 -0.009 0.6 0.075 0.999 1.523

ALMI 2016 1.053 1.2 -0.113 1.4 0.065 3.3 -0.025 0.6 0.064 0.999 1.143

11 BTON 2012 5.621 1.2 0.471 1.4 0.653 3.3 0.214 0.6 3.947 0.999 1.068

BTON 2013 4.406 1.2 0.522 1.4 0.685 3.3 0.177 0.6 2.653 0.999 0.645

BTON 2014 4.532 1.2 0.578 1.4 0.737 3.3 0.041 0.6 3.532 0.999 0.551

BTON 2015 3.535 1.2 0.575 1.4 0.717 3.3 0.028 0.6 2.302 0.999 0.370

BTON 2016 3.446 1.2 0.554 1.4 0.706 3.3 -0.052 0.6 2.687 0.999 0.354

12 CTBN 2012 (US$) 3.932 1.2 0.324 1.4 0.340 3.3 0.180 0.6 2.879 0.999 0.748

CTBN 2013 (US$) 3.864 1.2 0.318 1.4 0.363 3.3 0.201 0.6 2.370 0.999 0.891

CTBN 2014 (US$) 3.915 1.2 0.302 1.4 0.366 3.3 0.136 0.6 2.988 0.999 0.798

CTBN 2015 (US$) 3.273 1.2 0.231 1.4 0.358 3.3 0.040 0.6 3.117 0.999 0.493

CTBN 2016 (US$) 6.009 1.2 0.289 1.4 0.465 3.3 -0.001 0.6 7.338 0.999 0.614


30



13 GDST 2012 3.423 1.2 0.403 1.4 -0.073 3.3 0.059 0.6 2.387 0.999 1.416

GDST 2013 3.519 1.2 0.484 1.4 0.006 3.3 0.112 0.6 2.296 0.999 1.183

GDST 2014 2.090 1.2 0.139 1.4 -0.005 3.3 -0.004 0.6 1.744 0.999 0.897

GDST 2015 1.373 1.2 0.062 1.4 -0.051 3.3 -0.050 0.6 1.275 0.999 0.772

GDST 2016 2.109 1.2 0.072 1.4 -0.023 3.3 0.044 0.6 2.178 0.999 0.602

14 INAI 2012 1.793 1.2 0.349 1.4 0.040 3.3 0.085 0.6 0.148 0.999 0.952

INAI 2013 1.234 1.2 0.136 1.4 0.029 3.3 0.032 0.6 0.149 0.999 0.837

INAI 2014 1.435 1.2 0.055 1.4 0.046 3.3 0.054 0.6 0.148 0.999 1.040

INAI 2015 1.381 1.2 0.003 1.4 0.025 3.3 0.070 0.6 0.118 0.999 1.041

INAI 2016 1.345 1.2 0.002 1.4 0.039 3.3 0.065 0.6 0.189 0.999 0.959

15 JKSW 2012 -1.910 1.2 0.307 1.4 -1.719 3.3 -0.059 0.6 0.022 0.999 0.309

JKSW 2013 -1.890 1.2 0.375 1.4 -1.859 3.3 -0.030 0.6 0.022 0.999 0.350

JKSW 2014 -1.752 1.2 0.299 1.4 -1.641 3.3 -0.032 0.6 0.014 0.999 0.285

JKSW 2015 -2.187 1.2 0.248 1.4 -1.962 3.3 -0.087 0.6 0.014 0.999 0.541

JKSW 2016 -1.526 1.2 0.204 1.4 -1.915 3.3 -0.011 0.6 0.016 0.999 0.938

16 JPRS 2012 5.812 1.2 0.564 1.4 0.683 3.3 0.036 0.6 4.844 0.999 1.157

JPRS 2013 11.166 1.2 0.624 1.4 0.763 3.3 0.050 0.6 14.444 0.999 0.519

JPRS 2014 9.634 1.2 0.603 1.4 0.755 3.3 -0.028 0.6 11.836 0.999 0.845

JPRS 2015 3.512 1.2 0.546 1.4 0.708 3.3 -0.085 0.6 2.922 0.999 0.395

JPRS 2016 3.121 1.2 0.540 1.4 0.663 3.3 -0.063 0.6 2.349 0.999 0.344

17 KRAS 2012 (US$) 1.486 1.2 0.061 1.4 0.050 3.3 0.006 0.6 0.718 0.999 0.893

KRAS 2013 (US$) 1.240 1.2 -0.018 1.4 0.048 3.3 0.010 0.6 0.477 0.999 0.876

KRAS 2014 (US$) 0.578 1.2 -0.136 1.4 -0.014 3.3 -0.052 0.6 0.359 0.999 0.719

KRAS 2015 (US$) -0.074 1.2 -0.153 1.4 -0.097 3.3 -0.066 0.6 0.174 0.999 0.357

KRAS 2016 (US$) 0.344 1.2 -0.058 1.4 -0.130 3.3 -0.019 0.6 0.526 0.999 0.342

18 LION 2012 8.770 1.2 0.813 1.4 0.733 3.3 0.223 0.6 8.772 0.999 0.770

LION 2013 7.580 1.2 0.732 1.4 0.726 3.3 0.149 0.6 7.540 0.999 0.669

LION 2014 4.397 1.2 0.593 1.4 0.650 3.3 0.087 0.6 3.098 0.999 0.629

LION 2015 4.221 1.2 0.586 1.4 0.627 3.3 0.078 0.6 2.957 0.999 0.609

LION 2016 3.842 1.2 0.569 1.4 0.608 3.3 0.071 0.6 2.538 0.999 0.553


31



19 LMSH 2012 6.517 1.2 0.597 1.4 0.683 3.3 0.352 0.6 3.249 0.999 1.735

LMSH 2013 5.442 1.2 0.621 1.4 0.711 3.3 0.127 0.6 2.459 0.999 1.808

LMSH 2014 5.353 1.2 0.632 1.4 0.759 3.3 0.062 0.6 2.584 0.999 1.780

LMSH 2015 4.674 1.2 0.584 1.4 0.767 3.3 0.013 0.6 2.587 0.999 1.305

LMSH 2016 3.261 1.2 0.386 1.4 0.661 3.3 0.048 0.6 1.245 0.999 0.969

20 NIKL 2012 (US$) 1.779 1.2 0.118 1.4 0.038 3.3 -0.062 0.6 0.852 0.999 1.280

NIKL 2013 (US$) 1.865 1.2 0.116 1.4 0.036 3.3 0.008 0.6 0.442 0.999 1.386

NIKL 2014 (US$) 1.436 1.2 0.078 1.4 -0.023 3.3 -0.047 0.6 0.316 0.999 1.342

NIKL 2015 (US$) 1.126 1.2 0.059 1.4 -0.090 3.3 -0.031 0.6 0.129 0.999 1.208

NIKL 2016 (US$) 2.913 1.2 0.107 1.4 -0.066 3.3 0.024 0.6 2.829 0.999 1.100

21 PICO 2012 1.824 1.2 0.138 1.4 0.115 3.3 0.084 0.6 0.374 0.999 0.998

PICO 2013 1.937 1.2 0.176 1.4 0.136 3.3 0.093 0.6 0.217 0.999 1.101

PICO 2014 2.129 1.2 0.290 1.4 0.160 3.3 0.095 0.6 0.230 0.999 1.108

PICO 2015 2.203 1.2 0.274 1.4 0.189 3.3 0.101 0.6 0.203 0.999 1.154

PICO 2016 2.081 1.2 0.157 1.4 0.202 3.3 0.092 0.6 0.339 0.999 1.105

Sub Sektor Kimia

22 BRPT 2012 (US$) 1.182 1.2 0.123 1.4 -0.038 3.3 -0.045 0.6 0.256 0.999 1.082

BRPT 2013 (US$) 1.265 1.2 0.095 1.4 -0.046 3.3 0.006 0.6 0.184 0.999 1.085

BRPT 2014 (US$) 1.240 1.2 0.086 1.4 -0.050 3.3 0.019 0.6 0.133 0.999 1.065

BRPT 2015 (US$) 0.700 1.2 0.019 1.4 -0.055 3.3 0.028 0.6 0.062 0.999 0.624

BRPT 2016 (US$) 1.795 1.2 0.072 1.4 0.003 3.3 0.163 0.6 0.675 0.999 0.763

23 BUDI 2012 1.499 1.2 0.052 1.4 0.091 3.3 0.036 0.6 0.323 0.999 0.998

BUDI 2013 1.600 1.2 0.033 1.4 0.093 3.3 0.053 0.6 0.298 0.999 1.078

BUDI 2014 1.453 1.2 0.018 1.4 0.100 3.3 0.061 0.6 0.280 0.999 0.922

BUDI 2015 1.082 1.2 0.000 1.4 0.081 3.3 0.049 0.6 0.131 0.999 0.728

BUDI 2016 1.308 1.2 0.001 1.4 0.101 3.3 0.058 0.6 0.222 0.999 0.842

24 DPNS 2012 4.992 1.2 0.514 1.4 0.342 3.3 0.139 0.6 4.405 0.999 0.794

DPNS 2013 5.815 1.2 0.588 1.4 0.457 3.3 0.341 0.6 4.724 0.999 0.512

DPNS 2014 4.220 1.2 0.601 1.4 0.469 3.3 0.064 0.6 3.564 0.999 0.494

DPNS 2015 4.303 1.2 0.624 1.4 0.474 3.3 0.043 0.6 3.861 0.999 0.432

DPNS 2016 4.269 1.2 0.552 1.4 0.472 3.3 0.041 0.6 4.030 0.999 0.392


32


Sub Sektor Kimia

25 EKAD 2012 10.214 1.2 0.385 1.4 0.434 3.3 0.190 0.6 11.857 0.999 1.406

EKAD 2013 7.538 1.2 0.380 1.4 0.443 3.3 0.161 0.6 7.853 0.999 1.218

EKAD 2014 7.261 1.2 0.411 1.4 0.452 3.3 0.153 0.6 7.248 0.999 1.280

EKAD 2015 8.592 1.2 0.525 1.4 0.571 3.3 0.182 0.6 8.666 0.999 1.364

EKAD 2016 9.356 1.2 0.382 1.4 0.445 3.3 0.170 0.6 11.509 0.999 0.809

26 INCI 2012 3.175 1.2 0.636 1.4 0.185 3.3 0.016 0.6 2.685 0.999 0.489

INCI 2013 4.475 1.2 0.577 1.4 0.255 3.3 0.071 0.6 4.323 0.999 0.597

INCI 2014 4.440 1.2 0.542 1.4 0.309 3.3 0.072 0.6 3.963 0.999 0.743

INCI 2015 4.491 1.2 0.567 1.4 0.359 3.3 0.110 0.6 3.564 0.999 0.806

INCI 2016 2.720 1.2 0.333 1.4 0.234 3.3 0.044 0.6 2.088 0.999 0.596

27 SRSN 2012 3.040 1.2 0.486 1.4 -0.081 3.3 0.078 0.6 2.265 0.999 0.955

SRSN 2013 3.472 1.2 0.487 1.4 -0.039 3.3 0.095 0.6 2.829 0.999 0.932

SRSN 2014 3.207 1.2 0.472 1.4 -0.004 3.3 0.086 0.6 2.238 0.999 1.020

SRSN 2015 2.420 1.2 0.413 1.4 0.016 3.3 0.062 0.6 1.286 0.999 0.926

SRSN 2016 1.744 1.2 0.286 1.4 0.028 3.3 0.028 0.6 0.955 0.999 0.698

28 UNIC 2012 (US$) 3.054 1.2 0.253 1.4 0.247 3.3 0.035 0.6 0.727 0.999 1.854

UNIC 2013 (US$) 2.912 1.2 0.303 1.4 0.254 3.3 0.084 0.6 0.479 0.999 1.630

UNIC 2014 (US$) 2.923 1.2 0.363 1.4 0.287 3.3 0.022 0.6 0.530 0.999 1.695

UNIC 2015 (US$) 2.553 1.2 0.424 1.4 0.297 3.3 0.014 0.6 0.501 0.999 1.283

UNIC 2016 (US$) 3.119 1.2 0.445 1.4 0.391 3.3 0.063 0.6 1.024 0.999 1.217

Sub Sektor Plastik & Kemasan

29 AKPI 2012 1.756 1.2 0.133 1.4 0.120 3.3 0.053 0.6 0.624 0.999 0.880

AKPI 2013 1.568 1.2 0.120 1.4 0.115 3.3 0.046 0.6 0.522 0.999 0.798

AKPI 2014 1.536 1.2 0.048 1.4 0.119 3.3 0.047 0.6 0.474 0.999 0.874

AKPI 2015 1.158 1.2 0.010 1.4 0.100 3.3 0.032 0.6 0.335 0.999 0.700

AKPI 2016 1.421 1.2 0.038 1.4 0.128 3.3 0.051 0.6 0.409 0.999 0.783

30 APLI 2012 2.061 1.2 0.128 1.4 0.109 3.3 0.017 0.6 1.119 0.999 1.029

APLI 2013 2.052 1.2 0.191 1.4 0.126 3.3 0.012 0.6 1.135 0.999 0.927

APLI 2014 3.298 1.2 0.214 1.4 0.176 3.3 0.060 0.6 2.538 0.999 1.077

APLI 2015 1.834 1.2 0.040 1.4 0.162 3.3 0.013 0.6 1.120 0.999 0.845

APLI 2016 3.286 1.2 0.075 1.4 0.239 3.3 0.110 0.6 2.472 0.999 1.017


33



31 BRNA 2012 2.558 1.2 -0.012 1.4 0.291 3.3 0.139 0.6 1.031 0.999 1.086

BRNA 2013 1.310 1.2 -0.094 1.4 0.177 3.3 0.028 0.6 0.383 0.999 0.854

BRNA 2014 1.859 1.2 0.019 1.4 0.189 3.3 0.100 0.6 0.496 0.999 0.944

BRNA 2015 1.372 1.2 0.040 1.4 0.109 3.3 0.041 0.6 0.558 0.999 0.702

BRNA 2016 1.721 1.2 0.104 1.4 0.113 3.3 0.053 0.6 1.016 0.999 0.653

32 FPNI 2012 (US$) 1.407 1.2 -0.047 1.4 -0.328 3.3 -0.016 0.6 0.310 0.999 1.791

FPNI 2013 (US$) 1.642 1.2 -0.030 1.4 -0.381 3.3 0.010 0.6 0.263 0.999 2.023

FPNI 2014 (US$) 1.749 1.2 -0.128 1.4 -0.456 3.3 -0.010 0.6 0.248 0.999 2.427

FPNI 2015 (US$) 1.499 1.2 -0.060 1.4 -0.487 3.3 0.040 0.6 0.270 0.999 1.962

FPNI 2016 (US$) 1.765 1.2 0.001 1.4 -0.546 3.3 0.022 0.6 0.498 0.999 2.158

33 IGAR 2012 7.084 1.2 0.654 1.4 0.376 3.3 0.192 0.6 5.600 0.999 1.782

IGAR 2013 5.625 1.2 0.588 1.4 0.302 3.3 0.158 0.6 3.222 0.999 2.044

IGAR 2014 6.218 1.2 0.654 1.4 0.337 3.3 0.221 0.6 3.543 0.999 2.109

IGAR 2015 5.408 1.2 0.644 1.4 0.386 3.3 0.168 0.6 2.964 0.999 1.764

IGAR 2016 8.546 1.2 0.684 1.4 0.433 3.3 0.212 0.6 7.693 0.999 1.804

34 IPOL 2012 (US$) 1.451 1.2 -0.043 1.4 0.149 3.3 0.058 0.6 0.495 0.999 0.804

IPOL 2013 (US$) 1.522 1.2 -0.039 1.4 0.183 3.3 0.062 0.6 0.443 0.999 0.841

IPOL 2014 (US$) 1.441 1.2 -0.047 1.4 0.189 3.3 0.047 0.6 0.458 0.999 0.805

IPOL 2015 (US$) 1.240 1.2 -0.041 1.4 0.196 3.3 0.043 0.6 0.262 0.999 0.714

IPOL 2016 (US$) 1.464 1.2 -0.014 1.4 0.215 3.3 0.055 0.6 0.511 0.999 0.692

35 SIMA 2012 -2.118 1.2 -0.064 1.4 -1.344 3.3 -0.109 0.6 0.184 0.999 0.089

SIMA 2013 -1.079 1.2 -0.140 1.4 -1.109 3.3 -0.108 0.6 1.605 0.999 0.035

SIMA 2014 -0.352 1.2 -0.087 1.4 -1.135 3.3 0.000 0.6 1.815 0.999 0.252

SIMA 2015 1.416 1.2 0.073 1.4 -1.839 3.3 -0.039 0.6 6.402 0.999 0.190

SIMA 2016 1.226 1.2 0.095 1.4 -1.845 3.3 -0.009 0.6 6.089 0.999 0.072

36 TRST 2012 2.395 1.2 0.089 1.4 0.425 3.3 0.045 0.6 1.093 0.999 0.891

TRST 2013 1.449 1.2 0.046 1.4 0.287 3.3 0.030 0.6 0.453 0.999 0.623

TRST 2014 1.794 1.2 0.070 1.4 0.292 3.3 0.032 0.6 0.711 0.999 0.769

TRST 2015 1.689 1.2 0.080 1.4 0.287 3.3 0.026 0.6 0.622 0.999 0.732

TRST 2016 1.631 1.2 0.082 1.4 0.299 3.3 0.018 0.6 0.620 0.999 0.684


34



37 YPAS 2012 3.379 1.2 0.124 1.4 0.200 3.3 0.089 0.6 2.457 0.999 1.184

YPAS 2013 1.744 1.2 0.101 1.4 0.124 3.3 0.042 0.6 0.995 0.999 0.716

YPAS 2014 3.076 1.2 0.113 1.4 0.209 3.3 0.021 0.6 2.106 0.999 1.315

YPAS 2015 3.861 1.2 0.068 1.4 0.199 3.3 0.005 0.6 4.149 0.999 0.994

YPAS 2016 3.645 1.2 -0.011 1.4 0.168 3.3 -0.001 0.6 4.059 0.999 0.993


38 CPIN 2012 12.635 1.2 0.406 1.4 0.637 3.3 0.280 0.6 14.346 0.999 1.726

CPIN 2013 9.490 1.2 0.413 1.4 0.614 3.3 0.228 0.6 9.589 0.999 1.632

CPIN 2014 6.553 1.2 0.266 1.4 0.510 3.3 0.113 0.6 6.249 0.999 1.397

CPIN 2015 4.719 1.2 0.256 1.4 0.497 3.3 0.118 0.6 3.517 0.999 1.220

CPIN 2016 6.362 1.2 0.269 1.4 0.578 3.3 0.189 0.6 5.043 0.999 1.581

39 JPFA 2012 3.962 1.2 0.265 1.4 0.164 3.3 0.160 0.6 2.098 0.999 1.627

JPFA 2013 3.127 1.2 0.311 1.4 0.146 3.3 0.093 0.6 1.345 0.999 1.435

JPFA 2014 2.895 1.2 0.241 1.4 0.153 3.3 0.078 0.6 0.970 0.999 1.555

JPFA 2015 2.612 1.2 0.248 1.4 0.163 3.3 0.079 0.6 0.613 0.999 1.458

JPFA 2016 3.673 1.2 0.305 1.4 0.241 3.3 0.169 0.6 1.681 0.999 1.406

40 MAIN 2012 5.361 1.2 0.023 1.4 0.417 3.3 0.249 0.6 3.449 0.999 1.861

MAIN 2013 5.436 1.2 0.005 1.4 0.421 3.3 0.170 0.6 3.981 0.999 1.894

MAIN 2014 2.557 1.2 0.038 1.4 0.230 3.3 -0.005 0.6 1.555 0.999 1.275

MAIN 2015 2.549 1.2 0.128 1.4 0.189 3.3 0.024 0.6 1.415 0.999 1.205

MAIN 2016 3.390 1.2 0.101 1.4 0.264 3.3 0.118 0.6 1.951 0.999 1.338

41 SIPD 2012 1.472 1.2 0.057 1.4 0.027 3.3 0.036 0.6 0.232 0.999 1.109

SIPD 2013 1.657 1.2 0.057 1.4 0.037 3.3 0.051 0.6 0.251 0.999 1.221

SIPD 2014 1.583 1.2 0.185 1.4 0.042 3.3 0.064 0.6 0.329 0.999 0.895

SIPD 2015 0.703 1.2 0.044 1.4 -0.100 3.3 -0.141 0.6 0.528 0.999 0.941

SIPD 2016 1.552 1.2 0.165 1.4 -0.082 3.3 0.043 0.6 0.639 0.999 0.945


35


Sub Sektor Kayu & Pengolahannya

42 SULI 2012 -2.097 1.2 -0.581 1.4 -1.233 3.3 0.002 0.6 0.181 0.999 0.212

SULI 2013 -3.826 1.2 -0.639 1.4 -2.219 3.3 -0.075 0.6 0.175 0.999 0.189

SULI 2014 -2.796 1.2 -0.099 1.4 -2.312 3.3 -0.037 0.6 0.152 0.999 0.590

SULI 2015 (US$) -2.627 1.2 -0.048 1.4 -2.522 3.3 0.043 0.6 0.107 0.999 0.756

SULI 2016 (US$) -2.041 1.2 -0.050 1.4 -2.338 3.3 0.074 0.6 0.409 0.999 0.805

43 TIRT 2012 0.970 1.2 0.117 1.4 -0.055 3.3 -0.038 0.6 0.123 0.999 0.959

TIRT 2013 -0.073 1.2 -0.011 1.4 -0.242 3.3 -0.240 0.6 0.079 0.999 1.024

TIRT 2014 1.230 1.2 0.065 1.4 -0.187 3.3 0.058 0.6 0.138 0.999 1.141

TIRT 2015 1.077 1.2 0.053 1.4 -0.170 3.3 0.027 0.6 0.075 0.999 1.117

TIRT 2016 1.298 1.2 0.076 1.4 -0.124 3.3 0.072 0.6 0.184 0.999 1.034

Sub Sektor Pulp & Kertas

44 ALDO 2012 3.822 1.2 0.103 1.4 0.084 3.3 0.108 0.6 2.853 0.999 1.512

ALDO 2013 3.400 1.2 0.150 1.4 0.097 3.3 0.126 0.6 2.246 0.999 1.325

ALDO 2014 3.302 1.2 0.170 1.4 0.110 3.3 0.100 0.6 2.048 0.999 1.384

ALDO 2015 3.505 1.2 0.173 1.4 0.145 3.3 0.115 0.6 2.072 0.999 1.471

ALDO 2016 3.429 1.2 0.235 1.4 0.164 3.3 0.106 0.6 1.576 0.999 1.624

45 FASW 2012 1.627 1.2 -0.215 1.4 0.101 3.3 0.025 0.6 1.577 0.999 0.715

FASW 2013 1.668 1.2 0.097 1.4 0.055 3.3 -0.038 0.6 1.214 0.999 0.872

FASW 2014 1.846 1.2 -0.008 1.4 0.072 3.3 0.047 0.6 1.039 0.999 0.978

FASW 2015 0.962 1.2 0.016 1.4 0.009 3.3 -0.036 0.6 0.567 0.999 0.709

FASW 2016 2.366 1.2 0.018 1.4 0.091 3.3 0.124 0.6 1.873 0.999 0.684

46 INKP 2012 (US$) 0.586 1.2 0.102 1.4 -0.018 3.3 0.018 0.6 0.084 0.999 0.379

INKP 2013 (US$) 0.762 1.2 0.083 1.4 0.015 3.3 0.051 0.6 0.139 0.999 0.391

INKP 2014 (US$) 0.720 1.2 0.070 1.4 0.033 3.3 0.036 0.6 0.111 0.999 0.404

INKP 2015 (US$) 0.795 1.2 0.084 1.4 0.060 3.3 0.047 0.6 0.085 0.999 0.403

INKP 2016 (US$) 0.842 1.2 0.119 1.4 0.089 3.3 0.037 0.6 0.095 0.999 0.395

47 INRU 2012 (US$) -1.644 1.2 -0.057 1.4 -1.804 3.3 -0.004 0.6 1.032 0.999 0.344

INRU 2013 (US$) -1.804 1.2 -0.086 1.4 -1.752 3.3 0.027 0.6 0.629 0.999 0.284

INRU 2014 (US$) -1.621 1.2 0.000 1.4 -1.703 3.3 0.016 0.6 0.632 0.999 0.331

INRU 2015 (US$) -1.966 1.2 0.004 1.4 -1.692 3.3 0.005 0.6 0.154 0.999 0.289

INRU 2016 (US$) -1.962 1.2 -0.053 1.4 -1.554 3.3 -0.023 0.6 0.174 0.999 0.248


36



48 KBRI 2012 4.552 1.2 0.027 1.4 -3.282 3.3 0.048 0.6 14.828 0.999 0.060

KBRI 2013 -1.678 1.2 0.027 1.4 -3.106 3.3 -0.032 0.6 4.548 0.999 0.015

KBRI 2014 -2.183 1.2 0.044 1.4 -1.899 3.3 -0.009 0.6 0.712 0.999 0.027

KBRI 2015 -2.329 1.2 -0.053 1.4 -1.801 3.3 -0.057 0.6 0.465 0.999 0.166

KBRI 2016 -2.924 1.2 -0.225 1.4 -2.156 3.3 -0.022 0.6 0.514 0.999 0.128

49 KDSI 2012 3.643 1.2 0.241 1.4 0.193 3.3 0.101 0.6 0.788 0.999 2.281

KDSI 2013 2.498 1.2 0.178 1.4 0.176 3.3 0.073 0.6 0.280 0.999 1.631

KDSI 2014 2.647 1.2 0.157 1.4 0.204 3.3 0.093 0.6 0.265 0.999 1.708

KDSI 2015 2.000 1.2 0.084 1.4 0.167 3.3 0.046 0.6 0.097 0.999 1.456

KDSI 2016 2.607 1.2 0.117 1.4 0.213 3.3 0.093 0.6 0.196 0.999 1.747

50 SPMA 2012 1.608 1.2 0.180 1.4 0.109 3.3 0.061 0.6 0.455 0.999 0.766

SPMA 2013 1.203 1.2 0.052 1.4 0.089 3.3 0.012 0.6 0.310 0.999 0.790

SPMA 2014 1.510 1.2 0.237 1.4 0.099 3.3 0.064 0.6 0.228 0.999 0.741

SPMA 2015 0.935 1.2 -0.024 1.4 0.071 3.3 0.018 0.6 0.107 0.999 0.742

SPMA 2016 1.730 1.2 0.192 1.4 0.108 3.3 0.089 0.6 0.269 0.999 0.895

51 TKIM 2012 (US$) 1.133 1.2 0.275 1.4 0.077 3.3 0.035 0.6 0.143 0.999 0.493

TKIM 2013 (US$) 1.051 1.2 0.262 1.4 0.089 3.3 0.024 0.6 0.108 0.999 0.469

TKIM 2014 (US$) 0.916 1.2 0.187 1.4 0.092 3.3 0.019 0.6 0.102 0.999 0.441

TKIM 2015 (US$) 0.698 1.2 0.093 1.4 0.092 3.3 0.009 0.6 0.055 0.999 0.396

TKIM 2016 (US$) 0.726 1.2 0.068 1.4 0.102 3.3 0.014 0.6 0.093 0.999 0.400

Keterangan untuk Z-Score : Keterangan Rasio:

Sehat (>2,99)

hampir sehat

Grey area (1,81-2,99)

mendekati grey area

Tidak sehat (<1,81)

Tidak sehat dengan score negatif

Rasio = 1,00


Rasio di atas angka 1,00

37

NO Tot. Assets Tot. Liabilitas LL) WC RE EBIT SALES MV. Equity

Sub Sektor Semen

1 22,755,160,000,000 3,336,422,000,000 12,160,638,000,000 14,848,447,000,000 5,885,613,000,000 17,290,337,000,000 82,643,651,642,550

26,607,241,000,000 3,629,554,000,000 14,106,159,000,000 18,202,133,000,000 6,081,831,000,000 18,691,286,000,000 73,624,633,980,000

28,884,973,000,000 4,100,172,000,000 12,826,214,000,000 20,153,853,000,000 5,999,480,000,000 19,996,264,000,000 92,030,792,475,000

27,638,360,000,000 3,772,410,000,000 10,446,111,000,000 19,540,851,000,000 5,082,255,000,000 17,798,055,000,000 82,183,497,680,175

30,150,580,000,000 4,011,877,000,000 11,236,880,000,000 21,883,459,000,000 3,661,821,000,000 15,361,894,000,000 56,690,968,164,600

2 12,168,517,000,000 3,750,461,000,000 629,922,000,000 2,075,645,000,000 2,038,457,000,000 9,011,076,000,000 22,222,410,000,000

14,894,990,000,000 6,122,043,000,000 (1,176,999,000,000) 2,376,529,000,000 1,848,668,000,000 9,686,262,000,000 17,433,097,500,000

17,195,352,000,000 8,436,760,000,000 (1,516,576,000,000) 2,378,212,000,000 1,291,965,000,000 10,528,723,000,000 16,743,436,500,000

17,321,565,000,000 8,871,708,000,000 (1,375,667,000,000) 2,228,859,000,000 908,342,000,000 9,239,022,000,000 7,624,585,500,000

19,763,133,000,000 11,702,538,000,000 (2,871,394,000,000) 1,829,331,000,000 205,872,000,000 9,458,403,000,000 6,896,610,000,000

3 26,579,083,786,000 8,414,229,138,000 3,406,092,468,000 15,291,927,191,000 6,181,523,508,000 19,598,247,884,000 94,014,592,000,000

30,792,884,092,000 8,988,908,217,000 4,674,479,833,000 18,480,910,979,000 7,097,534,809,000 24,501,240,780,000 83,931,008,000,000

34,314,666,027,000 9,312,214,091,000 6,375,275,553,000 21,630,157,442,000 7,187,614,949,000 26,987,035,135,000 96,090,624,000,000

38,153,118,932,000 10,712,320,531,000 3,939,514,288,000 23,814,976,624,000 5,979,852,457,000 26,948,004,471,000 67,619,328,000,000

44,226,895,982,000 13,652,504,525,000 2,221,485,399,000 26,527,984,670,000 5,264,342,027,000 26,134,306,138,000 54,421,696,000,000


4 3,115,421,000,000 658,332,000,000 1,231,799,000,000 2,075,006,000,000 448,620,000,000 2,857,310,000,000 3,602,200,000,000

3,539,393,000,000 778,666,000,000 1,506,156,000,000 2,378,644,000,000 429,375,000,000 3,216,480,000,000 3,038,000,000,000

3,918,391,000,000 733,749,000,000 1,865,490,000,000 2,719,357,000,000 555,638,000,000 3,672,186,000,000 3,493,700,000,000

4,270,275,000,000 880,052,000,000 1,751,805,000,000 3,008,140,000,000 428,692,000,000 3,665,989,000,000 2,842,700,000,000

5,504,890,000,000 1,905,626,000,000 902,637,000,000 3,217,181,000,000 351,007,000,000 3,724,075,000,000 2,907,800,000,000

5 937,359,770,277 332,551,590,871 46,158,961,673 503,672,147,607 224,434,097,735 1,113,663,603,211 3,009,986,700,160

1,135,244,802,060 366,754,918,531 93,325,070,983 665,421,375,309 321,296,916,741 1,417,640,229,330 6,019,973,400,320

1,259,175,442,875 346,944,901,743 191,785,757,116 807,255,496,616 351,826,216,913 1,609,758,677,687 6,387,044,949,120

1,430,779,475,454 536,050,998,398 10,320,086,120 789,692,468,198 102,382,257,094 1,291,926,384,471 3,670,715,488,000

1,543,216,299,146 595,128,097,887 166,260,895,061 840,962,177,316 142,952,442,753 1,511,978,367,218 3,817,544,107,520

6 507,425,275,145 258,539,671,311 (103,828,606,632) (149,538,837,929) (27,854,990,991) 201,204,079,453 112,376,497,612

482,057,048,870 276,648,973,235 5,539,463,261 (192,627,043,617) (32,533,322,984) 211,523,292,543 110,793,730,040

518,546,655,125 339,889,432,972 (33,895,890,685) (219,144,089,655) (14,827,810,672) 262,321,356,543 93,383,286,748

390,042,617,783 321,009,676,687 (33,951,829,865) (328,361,500,297) (96,664,873,425) 141,199,773,647 90,217,751,604

265,028,561,223 326,877,597,451 (152,886,088,661) (472,180,807,276) (138,930,613,788) 83,772,635,083 56,188,248,806

38

NO Tot. Assets Tot. Liabilitas WC RE EBIT SALES MV. Equity


7 6,558,955,234,000 5,321,387,013,000 451,603,142,000 (2,830,048,387,000) 162,267,697,000 4,580,710,119,000 343,980,000,000

7,189,899,445,000 5,999,787,094,000 172,515,582,000 (3,300,404,440,000) (121,445,171,000) 5,197,009,630,000 568,890,000,000

7,215,152,320,000 5,893,580,221,000 166,312,647,000 (3,174,797,487,000) 492,646,362,000 5,629,696,723,000 727,650,000,000

7,125,800,277,000 6,010,681,233,000 (227,317,951,000) (3,290,041,898,000) 123,151,435,000 5,713,989,433,000 859,950,000,000

7,723,578,677,000 6,110,478,983,000 (259,946,392,000) (3,277,839,073,000) 337,828,023,000 5,793,737,618,000 780,570,000,000

8 1,522,663,914,388 624,499,013,875 518,038,489,435 834,316,200,513 342,972,150,032 1,576,763,006,759 3,294,144,000,000

1,746,177,682,568 710,527,268,893 593,303,685,136 971,801,713,675 332,815,933,721 1,711,306,783,682 3,814,272,000,000

2,027,288,693,678 796,096,371,054 586,189,493,135 1,166,533,622,624 390,933,218,779 2,053,630,374,083 3,938,112,000,000

2,439,540,859,205 947,997,940,099 787,943,247,917 1,334,410,283,331 395,719,050,145 2,278,673,871,193 7,172,400,000,000

2,581,440,938,262 1,057,566,418,720 701,058,623,842 1,378,722,067,049 265,239,511,126 2,069,017,634,710 5,139,360,000,000


9 147,882,362,000 93,056,183,000 51,996,134,000 (19,437,580,000) 7,894,754,000 836,887,168,000 55,843,156,050

241,912,806,000 182,253,663,000 46,757,472,000 (19,752,754,000) 1,244,488,000 1,099,620,270,000 60,919,806,600

244,879,397,000 181,643,493,000 46,304,599,000 (17,089,759,000) 6,611,916,000 1,230,364,713,000 91,379,709,900

144,628,405,000 82,596,104,000 1,043,644,000 (18,368,962,000) 6,428,965,000 749,146,492,000 74,626,763,085

136,618,855,000 75,514,424,000 (5,148,169,000) (17,853,074,000) 4,558,717,000 1,151,605,756,000 142,146,215,400

10 1,881,568,513,922 1,293,685,492,896 270,373,516,708 317,123,976,228 21,638,981,764 3,221,635,031,146 200,200,000,000

2,752,078,229,707 2,094,736,673,254 107,964,788,543 337,082,708,535 62,074,743,067 2,871,313,447,075 184,800,000,000

3,212,438,981,224 2,571,403,202,989 58,425,852,418 326,711,671,599 84,160,842,209 3,336,087,554,837 165,088,000,000

2,189,037,586,057 1,623,926,585,475 (149,889,526,170) 244,200,484,654 (19,012,201,603) 3,333,329,653,540 121,968,000,000

2,153,030,503,531 1,749,336,161,470 (242,537,962,744) 138,949,727,108 (53,979,569,600) 2,461,800,368,336 112,728,000,000

11 145,100,528,067 31,921,571,823 68,300,580,969 94,798,465,171 31,027,442,249 155,005,683,770 126,000,000,000

176,136,296,407 37,318,882,613 91,942,198,325 120,681,388,157 31,189,789,981 113,547,870,414 99,000,000,000

174,157,547,015 27,517,328,111 100,726,140,610 128,311,718,247 7,210,199,485 96,008,496,750 97,200,000,000

183,116,245,288 34,011,648,533 105,217,825,562 131,322,799,257 5,045,141,833 67,679,530,150 78,300,000,000

177,290,628,918 33,757,198,849 98,278,369,022 125,094,746,871 (9,284,213,018) 62,760,109,860 90,720,000,000

12 268,438,471 125,830,064 86,937,985 91,342,729 48,198,039 200,857,791 362,214,447

274,151,287 123,248,227 87,255,097 99,598,799 54,979,898 244,169,861 292,082,698

259,894,737 113,598,060 78,491,001 95,074,607 35,471,502 207,443,129 339,411,822

230,679,826 96,768,655 53,224,894 82,618,673 9,238,251 113,656,193 301,662,056

160,480,644 42,003,025 46,335,851 74,584,176 (212,856) 98,485,071 308,222,750

39


Sub SektorLogam & Sejenisnya

13 1,163,971,056,842 371,046,594,375 469,002,575,337 (84,434,276,036) 68,804,850,946 1,647,928,004,308 885,600,000,000

1,191,496,619,152 307,084,100,134 576,142,589,238 7,451,411,765 133,472,613,878 1,410,117,393,010 705,200,000,000

1,354,622,569,945 484,174,854,654 187,672,133,633 (6,486,883,212) (5,374,275,490) 1,215,611,781,842 844,600,000,000

1,183,934,183,257 379,524,183,280 73,679,129,097 (60,505,940,098) (59,529,553,565) 913,792,626,540 483,800,000,000

1,257,609,869,910 425,486,909,790 90,624,607,136 (28,801,383,080) 55,753,237,223 757,282,528,180 926,600,000,000

14 612,224,219,835 483,005,957,440 213,377,364,643 24,744,675,859 51,814,607,459 582,654,361,422 71,280,000,000

765,881,409,376 639,563,606,250 103,793,212,259 21,844,216,590 24,680,254,708 640,702,671,875 95,040,000,000

897,281,657,710 751,439,553,825 49,042,343,308 41,368,517,349 48,234,661,847 933,462,438,255 110,880,000,000

1,330,259,296,537 1,090,438,393,880 3,335,712,755 33,862,523,247 93,438,704,610 1,384,675,922,166 128,304,000,000

1,339,032,413,455 1,081,015,810,782 2,860,351,340 52,574,766,892 87,566,389,377 1,284,510,320,664 204,336,000,000

15 278,718,823,565 677,941,498,373 85,591,627,815 (479,068,449,352) (16,449,335,313) 86,197,771,507 15,150,000,000

262,386,019,471 670,190,389,365 98,474,594,479 (487,650,144,438) (7,980,035,386) 91,708,035,390 14,700,000,000

302,951,001,725 720,387,262,240 90,448,527,480 (497,282,035,059) (9,694,477,180) 86,480,258,028 10,200,000,000

265,280,458,589 705,813,376,884 65,869,511,330 (520,378,692,839) (23,143,288,533) 143,408,228,411 10,200,000,000

273,181,586,009 714,935,414,562 55,815,775,347 (523,268,353,097) (2,978,145,833) 256,234,745,701 11,250,000,000

16 398,606,524,648 51,097,519,438 224,959,788,007 272,082,649,498 14,159,678,990 461,125,284,696 247,500,000,000

376,540,741,943 14,019,207,792 234,947,415,056 287,128,142,070 18,794,947,213 195,247,201,170 202,500,000,000

370,967,708,751 15,334,844,453 223,587,733,499 280,241,669,793 (10,459,763,073) 313,636,426,234 181,500,000,000

363,265,042,157 30,806,011,707 198,187,786,745 257,111,030,450 (30,882,552,214) 143,326,451,256 90,000,000,000

351,318,309,863 43,106,380,598 189,831,277,499 232,828,646,031 (22,155,484,286) 120,691,469,840 101,250,000,000

17 2,561,947,000 1,445,961,000 155,219,000 128,476,000 15,734,000 2,287,445,000 1,038,896,892

2,379,504,000 1,327,451,000 (42,928,000) 114,490,000 24,003,000 2,084,448,000 633,251,561

2,598,423,000 1,706,555,000 (354,672,000) (35,325,000) (136,396,000) 1,868,845,000 612,167,947

3,702,144,000 1,914,040,000 (564,647,000) (357,871,000) (243,733,000) 1,321,823,000 333,410,878

3,936,713,000 2,097,036,000 (227,177,000) (511,797,000) (73,478,000) 1,344,715,000 1,103,215,997

18 433,497,042,140 61,667,655,113 352,553,536,278 317,858,756,806 96,532,395,163 333,921,950,207 540,966,400,000

498,567,897,161 82,783,559,318 365,092,370,101 361,813,707,622 74,474,759,836 333,674,349,966 624,192,000,000

600,102,716,315 156,123,759,272 356,113,565,273 390,008,326,822 52,262,658,591 377,622,622,150 483,748,800,000

639,330,150,373 184,730,654,202 374,651,674,866 400,628,865,950 49,998,708,338 389,251,192,409 546,168,000,000

685,812,995,987 215,209,902,816 390,280,288,448 416,632,462,950 48,537,841,079 379,137,149,036 546,168,000,000

40



19 128,547,715,366 31,022,520,184 76,796,642,948 87,761,057,822 45,212,510,135 223,079,062,667 100,800,000,000

141,697,598,705 31,229,504,329 87,966,040,415 100,703,957,016 18,045,128,623 256,210,760,822 76,800,000,000

139,915,598,255 23,964,388,443 88,422,612,648 106,187,072,452 8,630,754,421 249,072,012,369 61,920,000,000

133,782,751,041 21,341,373,897 78,107,835,021 102,677,239,784 1,732,694,473 174,598,965,938 55,200,000,000

162,828,169,250 45,511,700,128 62,797,945,782 107,552,331,762 7,810,929,066 157,855,084,036 56,640,000,000

20 110,616,000 67,958,000 13,106,000 4,215,000 (6,896,000) 141,550,000 57,903,586

124,420,000 81,484,000 14,441,000 4,493,000 952,000 172,461,000 36,015,700

121,419,000 85,733,000 9,525,000 (2,757,000) (5,734,000) 162,916,000 27,054,641

113,720,564 76,251,201 6,726,338 (10,255,806) (3,558,241) 137,363,590 9,829,106

119,667,792 79,660,396 12,762,566 (7,840,616) 2,923,318 131,664,283 225,369,185

21 594,616,098,268 395,503,093,290 81,837,094,938 68,386,754,978 49,925,645,554 593,266,859,163 147,777,500,000

621,400,236,614 406,365,304,333 109,517,985,289 84,308,682,281 57,533,834,848 684,448,835,916 88,098,125,000

626,626,507,164 395,525,304,553 181,793,570,144 100,374,952,611 59,217,994,944 694,332,286,638 90,940,000,000

605,788,310,444 358,697,326,131 166,254,630,569 114,715,886,226 61,212,482,713 699,310,599,565 72,752,000,000

638,568,761,462 372,723,897,214 100,394,810,870 129,228,614,248 58,474,656,507 705,730,705,044 126,179,250,000

Sub Sektor Kimia

22 2,120,461,000 1,150,885,000 261,448,000 (81,070,000) (94,513,000) 2,295,023,000 294,479,938

2,321,070,000 1,261,910,000 221,012,000 (106,937,000) 14,512,000 2,518,996,000 232,078,180

2,325,419,000 1,270,516,000 199,852,000 (115,641,000) 43,837,000 2,476,887,000 169,219,676

2,253,084,000 1,057,175,000 42,913,000 (123,145,000) 63,259,000 1,406,139,000 65,453,802

2,570,590,000 1,122,222,000 184,207,000 8,559,000 418,245,000 1,961,307,000 757,279,340

23 2,299,672,000,000 1,445,537,000,000 119,395,000,000 210,022,000,000 82,331,000,000 2,295,369,000,000 467,285,699,268

2,382,875,000,000 1,497,754,000,000 77,517,000,000 220,811,000,000 126,555,000,000 2,568,954,000,000 446,790,712,458

2,476,982,000,000 1,563,631,000,000 43,409,000,000 248,723,000,000 151,633,000,000 2,284,211,000,000 438,592,717,734

3,265,953,000,000 2,160,702,000,000 1,256,000,000 264,296,000,000 160,485,000,000 2,378,805,000,000 283,436,833,806

2,931,807,000,000 1,766,825,000,000 1,544,000,000 295,458,000,000 171,319,000,000 2,467,553,000,000 391,412,770,494

24 184,636,344,559 28,939,822,487 94,949,812,286 63,063,099,622 25,706,733,245 146,690,966,909 127,485,031,520

256,372,669,050 32,944,704,261 150,678,751,591 117,109,566,169 87,322,830,461 131,333,196,189 155,631,077,440

268,877,322,944 32,794,800,672 161,516,050,803 126,017,336,180 17,183,018,745 132,775,925,237 116,888,873,056

274,483,110,371 33,187,031,327 171,234,343,338 130,161,840,170 11,832,026,060 118,475,319,120 128,147,291,424

296,129,565,784 32,865,162,199 163,373,451,930 139,791,947,577 12,288,056,506 115,940,711,050 132,451,980,800

41

NO Tot. Assets Tot. Liabilitas(AL- WC RE EBIT SALES MV. Equity

Sub Sektor Kimia

25 273,893,467,429 81,915,660,390 105,556,556,562 118,893,866,350 51,909,591,793 385,037,050,333 971,297,250,000

343,601,504,089 105,893,942,734 130,685,823,094 152,156,976,818 55,482,362,222 418,668,758,096 831,542,250,000

411,348,790,570 138,149,558,606 169,190,493,997 185,910,936,610 63,138,503,397 526,573,620,057 1,001,344,575,000

389,691,595,500 97,730,178,889 204,460,755,848 222,385,991,410 71,038,260,219 531,537,606,573 846,915,300,000

702,508,630,708 110,503,822,983 268,533,633,194 312,794,242,512 119,115,782,711 568,638,832,579 1,271,770,500,000

26 132,278,839,079 16,518,960,939 84,194,964,944 24,438,642,140 2,136,772,435 64,628,362,916 44,353,711,220

136,142,063,219 10,050,376,983 78,609,189,610 34,770,450,236 9,680,044,586 81,244,267,131 43,448,533,440

147,992,617,351 10,872,710,103 80,213,691,411 45,798,671,248 10,598,290,059 110,023,088,698 43,086,462,328

169,546,066,314 15,494,757,317 96,184,085,430 60,944,762,486 18,659,401,617 136,668,408,270 55,215,844,580

295,351,381,344 26,524,918,593 98,323,329,289 69,123,243,185 12,935,605,998 176,067,561,639 55,396,880,136

27 402,108,960,000 132,904,817,000 195,376,289,000 (32,391,407,000) 31,253,297,000 384,145,388,000 301,000,000,000

420,782,548,000 106,406,914,000 204,949,517,000 (16,397,112,000) 39,938,947,000 392,315,526,000 301,000,000,000

463,347,124,000 134,510,685,000 218,897,627,000 (1,940,852,000) 39,827,073,000 472,834,591,000 301,000,000,000

574,073,314,000 233,993,478,000 237,359,312,000 9,295,365,000 35,521,240,000 531,573,325,000 301,000,000,000

717,149,704,000 315,096,071,000 205,201,278,000 19,832,230,000 19,926,070,000 500,539,668,000 301,000,000,000

28 248,270,710 108,535,565 62,830,315 61,245,373 8,770,171 460,239,017 78,890,999

269,269,882 123,839,050 81,611,869 68,318,330 22,585,175 438,997,361 59,375,793

236,016,596 92,509,586 85,705,860 67,717,722 5,261,047 400,094,886 49,074,266

222,447,500 81,632,548 94,255,004 66,082,752 3,134,724 285,420,572 40,924,073

226,913,639 65,725,372 100,961,557 88,698,463 14,305,912 276,111,954 67,280,999


29 1,714,834,430,000 871,567,714,000 228,098,809,000 205,733,509,000 90,826,175,000 1,509,185,293,000 544,000,000,000

2,084,567,189,000 1,055,230,963,000 249,337,015,000 240,393,802,000 96,218,954,000 1,663,385,190,000 550,800,000,000

2,227,042,590,000 1,191,196,937,000 107,251,665,000 264,694,522,000 104,608,146,000 1,945,383,031,000 564,400,000,000

2,883,143,132,000 1,775,577,239,000 30,194,762,000 288,314,666,000 92,100,449,000 2,017,466,511,000 595,000,000,000

2,615,909,190,000 1,495,874,021,000 99,258,239,000 335,207,639,000 133,499,603,000 2,047,218,639,000 612,000,000,000

30 333,867,300,446 115,231,507,057 42,579,866,777 36,506,984,914 5,581,919,789 343,677,756,488 129,000,000,000

303,594,490,546 85,871,301,621 57,964,118,530 38,388,571,177 3,528,413,264 281,551,386,863 97,500,000,000

273,126,657,794 47,868,731,692 58,419,080,110 48,015,142,824 16,315,177,301 294,081,114,204 121,500,000,000

308,620,387,248 87,059,306,497 12,284,110,051 49,933,923,351 4,152,401,552 260,667,211,707 97,500,000,000

314,468,690,130 67,967,245,679 23,557,707,436 75,043,405,545 34,661,547,293 319,727,703,679 168,000,000,000

42



31 770,383,930,000 468,553,998,000 (9,024,107,000) 224,446,360,000 107,400,963,000 836,986,463,000 483,000,000,000

1,125,132,715,000 819,251,536,000 (105,917,546,000) 199,250,139,000 31,187,445,000 960,999,965,000 313,950,000,000

1,334,085,916,000 967,711,101,000 25,910,460,000 252,159,862,000 133,688,981,000 1,258,841,240,000 479,550,000,000

1,820,783,911,000 992,869,623,000 72,232,738,000 199,311,894,000 74,517,258,000 1,278,353,442,000 554,070,000,000

2,088,696,909,000 1,060,343,634,000 217,038,975,000 236,437,381,000 111,077,083,000 1,364,849,405,000 1,077,021,000,000

32 318,238,000 212,800,000 (14,874,000) (104,280,000) (5,118,000) 570,089,000 65,871,333

289,829,000 190,541,000 (8,740,000) (110,430,000) 2,841,000 586,375,000 50,107,206

256,207,000 163,361,000 (32,752,000) (116,872,000) (2,518,000) 621,731,000 40,529,979

233,131,000 137,043,000 (13,962,000) (113,630,000) 9,308,000 457,333,000 36,940,784

204,709,000 106,765,000 290,000 (111,774,000) 4,483,000 441,825,000 53,178,361

33 312,342,760,278 70,313,908,037 204,323,046,232 117,488,866,552 59,881,353,589 556,445,856,927 393,750,000,000

314,764,664,499 89,003,869,709 185,199,337,379 95,196,256,300 49,636,260,971 643,403,327,263 286,800,327,500

349,894,783,575 86,443,556,430 228,826,397,777 118,068,096,811 77,244,299,288 737,863,227,409 306,244,417,500

383,936,040,590 73,471,782,127 247,140,989,672 148,259,341,646 64,510,388,492 677,331,846,043 217,773,808,000

439,465,673,296 65,716,637,766 300,653,432,251 190,176,810,508 93,338,344,338 792,794,834,768 505,546,340,000

34 282,827,869 141,807,243 (12,082,303) 42,254,527 16,528,499 227,273,096 70,250,542

277,508,446 126,170,732 (10,735,545) 50,705,836 17,328,971 233,483,218 55,911,249

285,405,493 130,594,618 (13,400,213) 53,886,085 13,384,485 229,688,106 59,804,131

280,780,071 127,579,183 (11,375,532) 55,006,348 12,165,494 200,542,395 33,464,858

282,894,404 126,938,628 (3,883,797) 60,730,215 15,672,395 195,626,757 64,896,661

35 48,804,284,229 64,447,585,666 (3,101,885,260) (65,571,451,437) (5,313,560,209) 4,319,531,089 11,840,000,000

65,314,178,204 35,291,657,370 (9,150,775,953) (72,419,109,816) (7,061,444,751) 2,281,916,205 56,651,503,488

62,607,762,222 31,210,008,707 (5,430,468,542) (71,043,877,135) 8,459,340 15,760,701,901 56,651,503,488

40,080,558,448 11,338,059,067 2,931,018,686 (73,699,131,268) (1,564,260,255) 7,614,180,845 72,584,738,844

40,194,897,678 11,920,344,067 3,812,154,547 (74,167,077,039) (370,780,631) 2,913,150,000 72,584,738,844

36 2,188,129,039,119 835,136,579,731 195,135,385,578 930,315,548,607 97,665,290,799 1,949,153,201,410 912,600,000,000

3,260,919,505,192 1,551,242,364,818 149,383,423,748 935,201,100,966 97,052,146,319 2,033,149,367,039 702,000,000,000

3,261,285,495,052 1,499,792,311,890 227,117,122,092 951,245,578,109 105,939,980,267 2,507,884,797,367 1,067,040,000,000

3,357,359,499,954 1,400,438,809,900 268,229,994,103 962,507,688,128 88,746,155,513 2,457,349,444,991 870,480,000,000

3,290,596,224,286 1,358,241,040,272 270,220,577,924 982,262,555,068 59,427,546,504 2,249,418,846,803 842,400,000,000

43



37 349,438,243,276 184,848,566,684 43,421,320,614 69,735,646,055 31,074,472,998 413,821,872,609 454,240,060,520

613,878,797,683 443,067,408,288 62,069,680,817 75,957,358,858 25,476,440,958 439,680,589,423 440,880,058,740

320,494,592,961 158,615,180,283 36,113,530,874 67,025,382,141 6,820,487,873 421,516,175,465 334,000,044,500

279,189,768,587 128,790,247,858 19,124,355,551 55,545,490,192 1,515,205,363 277,402,566,627 534,400,071,200

280,257,664,992 138,256,225,581 (3,197,421,773) 47,147,408,874 (349,747,617) 278,331,887,681 561,120,074,760


38 12,348,627,000,000 4,172,163,000,000 5,013,238,000,000 7,871,460,000,000 3,458,680,000,000 21,310,925,000,000 59,852,700,000,000

15,722,197,000,000 5,771,297,000,000 6,497,852,000,000 9,648,061,000,000 3,578,297,000,000 25,662,992,000,000 55,343,250,000,000

20,862,439,000,000 9,919,150,000,000 5,542,430,000,000 10,640,548,000,000 2,367,748,000,000 29,150,275,000,000 61,984,440,000,000

24,684,915,000,000 12,123,488,000,000 6,309,452,000,000 12,261,973,000,000 2,901,296,000,000 30,107,727,000,000 42,634,800,000,000

24,204,994,000,000 10,047,751,000,000 6,509,176,000,000 13,999,362,000,000 4,585,936,000,000 38,256,857,000,000 50,669,820,000,000

39 10,961,464,000,000 6,198,137,000,000 2,905,609,000,000 1,800,363,000,000 1,758,223,000,000 17,832,702,000,000 13,005,837,950,200

14,917,590,000,000 9,672,368,000,000 4,643,121,000,000 2,182,807,000,000 1,390,204,000,000 21,412,085,000,000 13,005,837,950,200

15,730,435,000,000 10,440,441,000,000 3,792,867,000,000 2,408,794,000,000 1,220,652,000,000 24,458,880,000,000 10,127,496,764,500

17,159,466,000,000 11,049,774,000,000 4,251,484,000,000 2,797,573,000,000 1,360,661,000,000 25,022,913,000,000 6,769,432,047,850

19,251,026,000,000 9,878,062,000,000 5,867,459,000,000 4,630,555,000,000 3,250,764,000,000 27,063,310,000,000 16,602,310,834,050

40 1,799,881,575,000 1,118,011,031,000 41,462,314,000 751,128,804,000 447,740,977,000 3,349,566,738,000 3,856,125,000,000

2,214,398,692,000 1,351,915,503,000 10,509,456,000 931,355,821,000 376,485,140,000 4,193,082,465,000 5,381,625,000,000

3,531,219,815,000 2,453,334,659,000 132,787,862,000 810,975,373,000 (17,689,779,000) 4,502,078,127,000 3,814,830,000,000

3,962,068,064,000 2,413,482,767,000 507,125,952,000 747,309,230,000 94,381,813,000 4,775,014,772,000 3,414,093,750,000

3,919,764,494,000 2,082,189,069,000 396,021,460,000 1,035,861,827,000 463,627,784,000 5,246,340,041,000 4,063,331,250,000

41 3,928,123,574,771 2,021,380,807,617 224,683,284,489 105,800,832,335 141,028,113,450 4,354,469,720,627 469,555,424,650

3,155,680,394,480 1,870,560,118,674 178,631,234,047 115,441,431,692 160,196,663,738 3,854,271,748,057 469,555,424,650

2,800,914,553,878 1,513,908,338,484 517,289,560,462 117,222,120,044 179,680,649,881 2,505,575,102,503 497,728,750,129

2,246,770,166,899 1,512,527,888,605 98,626,778,087 (224,305,013,852) (317,237,188,389) 2,113,148,210,101 798,244,265,000

2,567,211,193,259 1,424,380,421,256 422,781,808,769 (211,256,232,925) 109,725,079,801 2,427,199,231,761 910,589,753,720

44


Sub Sektor Kayu & Pengolahannya

42 1,428,778,840,556 1,475,195,895,066 (830,633,635,393) (1,762,356,164,452) 3,193,019,657 303,056,401,434 266,980,819,176

941,141,000,000 1,313,137,000,000 (601,123,000,000) (2,087,962,000,000) (70,440,000,000) 177,698,000,000 230,243,675,628

900,611,000,000 1,267,088,000,000 (89,162,000,000) (2,082,159,000,000) (33,158,000,000) 531,317,000,000 192,906,863,364

85,015,282 106,624,740 (4,045,588) (214,408,287) 3,642,043 64,284,265 11,446,401

91,571,846 107,014,127 (4,573,021) (214,120,192) 6,735,901 73,717,004 43,780,359

43 679,649,204,257 574,356,916,834 79,510,276,958 (37,418,495,161) (25,919,088,056) 651,824,975,918 70,824,232,500

723,177,125,785 664,163,283,789 (8,051,906,305) (175,337,092,510) (173,458,597,061) 740,839,654,535 52,612,287,000

713,714,873,924 631,560,510,887 46,512,437,601 (133,714,315,326) 41,260,413,199 814,572,005,112 87,012,628,500

763,168,027,178 672,006,964,821 40,821,751,158 (129,967,452,003) 20,791,359,984 852,780,085,776 50,588,737,500

815,997,477,795 689,189,375,810 62,050,479,637 (100,978,947,247) 58,626,760,963 843,528,979,435 126,471,843,750


44 184,896,742,887 90,590,989,110 19,071,993,093 15,589,205,149 20,030,035,520 279,603,768,317 258,500,000,000

301,479,232,221 161,595,933,059 45,102,717,928 29,170,564,684 37,855,123,171 399,345,658,763 363,000,000,000

356,814,265,668 197,391,610,046 60,743,102,736 39,332,519,647 35,833,310,224 493,881,857,454 404,250,000,000

366,010,819,198 195,081,792,385 63,445,525,953 53,134,794,033 42,225,063,206 538,363,112,800 404,250,000,000

410,330,576,602 209,442,676,180 96,501,392,375 67,390,156,777 43,427,187,821 666,434,061,412 330,000,000,000

45 5,578,334,207,456 3,771,344,290,709 (1,198,367,247,845) 564,484,795,423 140,571,765,269 3,987,782,936,544 5,946,933,088,800

5,692,060,407,681 4,134,128,366,492 549,659,948,723 315,426,919,865 (214,646,107,131) 4,960,825,518,081 5,017,724,793,675

5,581,000,723,345 3,936,322,827,206 (43,029,949,988) 402,172,774,815 260,444,617,135 5,456,935,920,101 4,088,516,498,550

6,993,634,266,969 4,548,288,087,745 109,044,061,102 62,296,720,459 (250,319,504,407) 4,959,998,929,211 2,577,004,338,480

8,583,223,835,997 5,424,781,372,865 151,418,680,751 780,840,151,196 1,065,668,319,124 5,874,745,032,615 10,159,344,026,700

46 6,647,500,000 4,574,704,000 677,670,000 (122,260,000) 122,884,000 2,518,091,000 382,822,433

6,777,194,000 4,483,196,000 562,625,000 98,807,000 345,695,000 2,651,473,000 621,148,010

6,519,273,000 4,110,901,000 457,391,000 213,170,000 235,603,000 2,635,037,000 457,447,365

7,038,412,000 4,415,317,000 594,434,000 421,095,000 332,701,000 2,834,278,000 376,887,305

6,878,800,000 4,059,414,000 818,685,000 613,754,000 255,021,000 2,720,473,000 386,935,400

47 314,695,000 191,709,000 (17,920,000) (567,722,000) (1,171,000) 108,146,000 197,875,557

321,970,000 195,214,000 (27,674,000) (563,942,000) 8,773,000 91,552,000 122,729,121

330,234,000 202,023,000 151,000 (562,486,000) 5,369,000 109,193,000 127,769,450

333,904,000 208,763,000 1,260,000 (564,969,000) 1,817,000 96,421,000 32,059,630

339,428,000 176,929,000 (17,971,000) (527,477,000) (7,701,000) 84,074,000 30,857,216

45



48 740,753,171,392 29,296,076,634 20,095,925,620 (2,431,389,213,995) 35,436,731,320 44,640,183,225 434,399,762,100

788,749,190,752 95,512,957,713 21,663,661,817 (2,449,610,118,110) (25,531,120,226) 11,868,785,724 434,399,786,700

1,299,315,036,743 622,269,749,157 56,553,225,245 (2,467,136,398,882) (12,054,616,530) 34,719,548,322 443,087,782,434

1,455,931,208,462 934,677,601,389 (77,066,526,634) (2,621,719,973,990) (83,239,704,749) 241,207,422,568 434,399,786,700

1,263,726,833,318 844,568,778,363 (284,323,442,232) (2,724,480,571,670) (27,728,398,958) 161,367,353,686 434,399,786,700

49 570,564,051,755 254,557,936,376 137,260,716,073 109,899,715,483 57,641,165,097 1,301,332,627,213 200,475,000,000

850,233,842,186 498,224,954,613 150,930,702,489 149,508,887,573 62,304,195,725 1,386,314,584,485 139,725,000,000

952,177,443,047 555,679,416,109 149,636,112,203 193,998,026,938 88,812,151,198 1,626,232,662,544 147,420,000,000

1,177,093,668,866 798,172,379,792 99,013,282,642 196,155,707,511 54,676,338,789 1,713,946,192,967 77,355,000,000

1,142,273,020,550 722,488,734,446 133,587,242,464 243,283,056,578 105,913,934,979 1,995,337,146,834 141,750,000,000

50 1,664,353,264,549 884,860,701,242 300,242,346,863 182,001,777,713 100,963,744,667 1,274,793,105,314 402,852,597,660

1,767,105,818,949 1,011,571,248,744 91,545,684,367 158,145,265,053 21,907,749,946 1,395,838,227,179 313,329,798,180

2,091,957,078,669 1,287,357,023,670 495,830,920,506 206,747,986,452 133,006,553,667 1,550,810,295,608 293,933,191,626

2,185,464,365,772 1,390,005,205,106 (53,102,424,640) 155,414,060,107 39,169,272,917 1,621,516,334,166 149,204,665,800

2,158,852,415,950 1,047,296,887,831 415,389,665,046 232,500,379,043 191,156,154,261 1,932,435,078,255 281,996,818,362

51 2,682,042,000 1,907,754,000 738,108,000 207,238,000 94,757,000 1,321,641,000 272,143,490

2,604,956,000 1,806,691,000 683,411,000 230,842,000 61,736,000 1,222,356,000 194,977,215

2,710,936,000 1,779,629,000 505,732,000 249,016,000 50,636,000 1,194,755,000 181,684,574

2,683,873,000 1,727,754,000 250,256,000 247,374,000 23,136,000 1,062,531,000 95,386,658

2,491,282,000 1,554,204,000 169,391,000 254,046,000 34,803,000 996,902,000 144,421,633

ANALISIS PREDIKSI FINANCIAL DISTRESS: STUDI KASUS ... · : STUDI KASUS PERUSAHAAN MANUFAKTUR SEKTOR INDUSTRI DASAR DAN KIMIA DI BEI 2012-2016 COVER Oleh: VERONICA NATASYA DELIN .

Documents