Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini bertujuan untuk menganalisis: (i) rasio keuangan yang terpilih sebagai prediktor dalam memprediksi financial distress; (ii) tingkat akurasi model prediksi financial distress yang terbentuk dari analisis. Data yang digunakan adalah data sekunder dari BursaEfek Indonesia (BEI) berupa Ringkasan Kinerja Perusahaan Tercatat periode 2012-2013. Dengan teknik purposive sampling, penelitian ini menggunakan sampel 23 emiten yang terhitung dalam saham JII. Penelitian ini menggunakan metode analisis Binary Logit Regression. Hasil empiris menunjukkan bahwa rasio-rasio keuangan dalam laporankeuangan perusahaan yang terdiri dari: Current Ratio (CR), Operating Profit Margin (OPM),Return Of Asset (ROA), Return On Equity (ROE) dan nilai beta saham (YLD) dapat digunakanuntuk membedakan dan mengklasifikasikan perusahaan ke dalam kelompok yangmengalami financial distress dan non financial distress. Rasio keuangan yang signifikanmemprediksi kemungkinan terjadinya financial distress yaitu ROA dan ROE. Rasio-rasiotersebut digunakan dalam model prediksi financial distress berdasarkan indikator Debt toTotal Aset Ratio (DAR) (model kedua) dan terbukti layak secara statistik untuk digunakansebagai model dengan akurasi prediksi 90,9%. Model prediksi financial distress ini dapatdigunakan sebagai early warning signal. Bagi pihak regulator seperti BEI, Otoritas JasaKeuangan dan lainnya, dapat menggunakan model prediksi financial distress ini sebagai tooldalam menjalankan fungsi evaluasi, reviu dan pengawasan terhadap emiten."

"Tujuan penulisan studi ini adalah untuk memprediksi kondisi financial distress kredit pemilikan motor dengan melihat faktor-faktor apa saja yang mempengaruhi status kredit (default atau not default) bagi para penerima kredit pemilikan motor. Yaitu dengan mengetahui variabel-variabel apa saja yang signifikan mempengaruhi status kredit bagi para penerima kredit (debitur) pemilikan motor. Metode penelitian yang digunakan adalah dengan Regresi Binary Logit. Penelitian ini menggunakan metodelogi Regresi Binary Logit karena variabel dependen yang digunakan adalah berupa dua variabel kategorik yakni debitur yang default (debitur mengalami financial distress) dan debitur yang not default (debitur tidak mengalami financial distress). Variabel independen yang digunakan berupa database dari para debitur yang melakukan kredit pemilikan motor di PT X. Database tersebut dibagi menjadi dua kategori yakni variabel yang berasal dari karakteristik debitur yakni berupa gender, salary, marital, domicile and age. Sedangkan kategori lainnya adalah variabel yang berasal dari karakteristik pinjaman (kredit) yakni berupa principle amount, effective rate, tenor, dan net dp amount. Dan setelah dilakukan pengujian maka variabel yang secara statistik signifikan mempengaruhi status kredit debitur adalah variabel salary, domicile, effective rate, tenor dan net dp amount. Sedangkan untuk variabel gender, marital, age, principle amount terbukti secara statistik tidak signifikan mempengaruhi status kredit debitur."

"Pada awal tahun 2021, PT. X dituntut untuk memasuki proses Penundaan Kewajiban Pembayaran Utang (PKPU) oleh para krediturnya yang kemudia disetujui oleh Pengadilan Negeri. PT. X menyatakan bahwa akibat pandemi Covid-19, terjadi penurunan permintaan dan peningkatan persaingan sehingga menyebabkan pemberian diskon yang signifikan, dan bahwa gangguan rantai pasokan meningkatkan biaya logistik yang menyebabkan PT. X kesulitan dalam membayar utang. Laporan magang ini bertujuan untuk melakukan analisis penyebab ketidakmampuan perusahaan dalam pembayaran utang. Hasil analisis menunjukan bahwa adanya masalah pada manajemen modal kerja yaitu pada arus persediaan, piutang, dan utang yang menyebabkan hambatan pada kegiatan operasional dan penjualan PT. X. Laporan magang ini juga membahas refleksi diri penulis selama menjalani kegiatan magang di Deloitte.

---

Early in 2021, PT. X was sued by its creditors to enter the process of Suspension of Debt Payment Obligations (PKPU) which later was approved by the District Court. PT. X stated that due to the Covid-19 pandemic, there was a decrease in demand and increase in competition leading to significant discounts, and that supply disruptions increased logistics costs which caused PT. X to a difficulty of paying their paying debts. This internship report aims to analyze the causes of the company's inability to pay its debts. The results of the analysis show that there are problems in working capital management, namely in inventory days, receivables days, and payable days which cause obstacles to the operation and sales activities of PT. X. This internship report also discusses the author's self-reflection during his internship at Deloitte."

"ABSTRAKDalam penelitian ini sebuah model prediksi untuk mendeteksi secara dini potensipembiayaan bermasalah yang dapat disehatkan dan yang berakhir denganpenyelesaian secara litigasi maupun non litigasi untuk penanganan pembiayaanbermasalah telah dibuat dengan pendekatan teknik statistik yakni Nested Logit.Hasil penelitian menemukan bahwa faktor-faktor yang berpengaruh signifikansecara statistik terhadap resolusi tindakan penyehatan adalah limit pembiayaan,status kepemilikan usaha, dan prospek usaha. Adapun faktor-faktor yangberpengaruh signifikan secara statistik terhadap resolusi penyelesaian dengan nonlitigasi, yaitu akad pembiayaan, sikap nasabah, dan prospek usaha, sedangkanterhadap penyelesaian litigasi, yaitu status kepemilikan usaha, sektor usaha, danprospek usaha. Hasil ketepatan prediksi yang ditunjukkan oleh model Nested Logitsecara keseluruhan rata-rata sebesar 87% akurat dari aktual, dengan proporsiakurasi pada masing-masing resolusi: yaitu 71% pada penyehatan, 92% padapenyelesaian non litigasi dan 98% pada penyelesaian litigasi. Akurasi model yangdidapat sudah sangat cukup baik dimana keakuratan hasil prediksi validasi terhadapmodel secara keseluruhan sebesar 89%. Untuk itu, model ini dapat digunakansebagai pendeteksi dini potensi pembiayaan bermasalah

---

ABSTRACTIn this study a prediction model for early warning sign detection of potential nonperforming financing problems that can be recovered and resolved either nonlitigation or litigation in handling financing problems have been developed by theapproach of the statistical techniques called Nested Logit Regression. The resultsfound that the factors statistically and significantly have a relationship on theresolution of recovering measures are the limit of financing, business ownershipstatus and business prospects. The factors that influence statistically andsignificantly against non-litigation, namely the financing agreement, the attitude ofcustomers and business prospects, while on the resolving by litigation, namely theownership status of the business, the business sector, and business prospects. Theresults shown by the prediction accuracy of Nested Logit models with overallaverage was about 87% of the actual accurate, with the proportion of accuracy oneach resolution: 71% on recovering, 92% in non-litigation settlement and 98% oncompletion of litigation. The accuracy of the model obtained is very reasonablywell, where the accuracy of the predicted results validate the overall model by 89%.Therefore, this model can be used as an early detection of potential non performingfinancing problems."

"Penelitian ini dilakukan untuk menganalisis pengaruh kepemilikan, karakteristik dewan serta variabel ekonomi dan finansial terhadap kesulitan keuangan pada perusahaan nonkeuangan yang terdaftar di Bursa Efek Indonesia periode 2009-2018. Penelitian ini menggunakan pendekatan kuantitatif dengan tujuan penelitian eksplanatif. Instrumenyang digunakan dalam pengumpulan data kuantitatif penelitian ini adalah melalui Laporan Tahunan dan Laporan Keuangan yang diterbitkan oleh perusahaan nonkeuangan yang terdaftar di Bursa Efek Indonesia periode 2009-2018. Teknik analisis yang digunakan adalah analisis regresi logistik. Variabel yang diteliti dalam penelitian ini adalah variabel kepemilikan (mencakup kepemilikan saham besar, kepemilikan saham besar institusional dan kepemilikan saham besar noninstitusional, kepemilikan dewan direksi), karakteristik dewan (mencakup proporsi dewan komisaris dan ukuran dewan komisaris) yang termasuk kedalam variabel tata kelola perusahaan. Variabel ekonomi dan finansial dalam penelitian ini adalah profitabilitas dan laba ditahan. Secara umum, hasil penelitian menunjukkan bahwa hanya satu variabel yang negatif signifikan terhadap kesulitan keuangan yaitu profitabilitas dan seluruh variabel tata kelola tidak memiliki pengaruh terhadap kesulitan keuangan perusahaan.characteristics of the board as well as economic and financial variables on financial difficulties in non-financial companies listed on the Indonesia Stock Exchange for the period 2009-2018. This study uses a quantitative approach with the aim of explanatory research. InstrumentThe quantitative data used in this research is through the Annual Reports and Financial Statements issued by non-financial companies listed on the Indonesia Stock Exchange for the period 2009-2018. The analytical technique used is logistic regression analysis. The variables studied in this study are ownership variables (covering large share ownership, large institutional share ownership and large non-institutional share ownership, board of directors ownership), board characteristics (including the proportion of the board of commissioners and the size of the board of commissioners) which are included in the corporate governance variable. Economic and financial variables in this study are profitability and retained earnings. In general, the results of the study indicate that only one variable that has a significant negative impact on financial difficulties is profitability and all governance variables have no effect on the company's financial difficulties."

"Penelitian ini bertujuan untuk menguji pengaruh keberadaan hubungan politik, proporsi komisaris independen dan kepemilikan manajerial sebagai mekanisme tata kelola perusahaan, dan struktur kepemilikan terhadap kemungkinan financial distress. Financial distress diukur menggunakan dua model yaitu Altman (1968) dan Springate (1978). Pengujian hipotesis dilakukan dengan regresi logistik menggunakan 196 perusahaan yang tercatat di Bursa Efek Indonesia dari tahun 2010 sampai dengan tahun 2013. Hasil penelitian ini memberikan bukti empiris bahwa perusahaan dengan hubungan hubungan politik, kepemilikan manajerial, dan kepemilikan blockholder berpengaruh secara negatif dan signifikan terhadap kemungkinan financial distress. Namun, komisaris independen tidak terbukti berpengaruh terhadap kemungkinan financial distress.

---

The objective of this research is to examine the effect of political connection, independent commissioner and managerial ownership as a corporate governance mechanism, and ownership structure on probability of financial distress. Financial distress on this research is measured by two model, Altman (1968) and Springate (1978). Hypothesis testing is conducted by logistics regression using 196 firms which listed in Indonesia Stock Exchange during 2010 until 2013. The empirical results show that the politically connected firms, managerial ownership and blockholder ownership have significant and negative impact on the probability of financial distress. However, independent commissioner doesn?t have effect toward the probability of financial distress."

"Penelitian ini bertujuan untuk membuat model prediksi financial distress guna menanggapi penurunan kinerja perusahaan terbuka akibat pandemi COVID-19. Metode penelitian yang digunakan adalah regresi logistik untuk menguji hubungan antara financial distress dengan variabel independen seperti rasio keuangan dan rasio pasar saham. Hasil penelitian menunjukkan bahwa rasio leverage, solvabilitas, dan profitabilitas berpengaruh lebih signifikan dibandingkan rasio lainnya. Karena financial distress tidak terjadi secara tiba-tiba, penelitian ini membagi modelnya menjadi 2, yaitu 1 tahun sebelum distress (M1) dan 2 tahun sebelum distress (M2). Hasilnya menunjukkan bahwa M1 memiliki hasil yang lebih baik, dengan akurasi prediksi mencapai 91,63% (dengan default cut-off point = 0,5). Penulis juga memperkirakan ulang model berbasis akuntansi lainnya dan membandingkan model penulis dengan model lain. Hasilnya menunjukkan bahwa model penulis berkinerja lebih baik dibandingkan model lain (selisih +12,24%); sehingga model penulis menjadi model berbasis akuntansi yang paling cocok untuk prediksi financial distress untuk emiten di Bursa Efek Indonesia. Hal ini dikarenakan model penulis didasarkan pada kombinasi variabel akuntansi dan variabel pasar modal

---

This study aims to create a new model for financial distress prediction in response to public companies’ deteroriation of performance due to the COVID-19 pandemic. The research method used was logistic regression to examine the relation between financial distress and independent variables such as financial ratios and stock market ratios. The result shows that the ratios of leverage, solvency, and profitability affected more significantly than other ratios. Since financial distress does not occur suddenly, this study divided its model into 2, namely 1 year before the distress (M1) and 2 years before the distress (M2). The results indicate that M1 had a better result, with 91,63% classification accuracy (by default cut-off point = 0.5). We also re-estimated other accounting-based models and compare our model to them. The results demonstrate that our model performed better than other models (+12,24% difference); thereby our model appeared to be the most suitable accounting-based model for financial distress prediction for the Indonesia Stock Exchange. This is because author’s model is based on a combination of accounting variables and capital market variables."

"Penelitian ini dilakukan untuk meneliti bubungan variabel ukuran dewankomisaris, ukuran dewan direksi, proporsi dewan komisaris independen,kepemilikan institusi, kepemilikan kemungkinan perusahaan mengaiami financial distress. Pengujian dilakukan atas keluarga, dan komite audit dengan 172 tahun perusahaan manufaktur yang terdaftar di IDX yang terdiri dari 86 tahun perusahaan yang mengalani financial distress dan 86 tahun perusahaan yang tidak mengalami firancial distress, dengan periode pengamatan tahun 2003 sampai tahun 2007. Metode penelitian yang digunakan dalam penelitian ini adalah 2003 regresi logis. Hasil pengujian regresi logit menunjukkan bahwa variabel ukuran dewan komisaris berpengaruh negatif signifikan terbadap kemungkinan perusahaan mengalami financial distress dan variabel kontrol leverage berpengaruh positif signifikan terhadap kemungkinan perusahaan mengalami financial distress. Untuk variabel ukuran dewan direksi, propors komisaris independcn, kepemilikan institusiooal, kepemilikan keluarga, komite audit dan variabel kontrol ukuran perusahaan tidak memiliki pengaruh yang signifikan terhadap kemungkinan perusahaan mengalami francial distress

---

The purpose of this research is to investigare the relationship be commissioner, institutional ownership, Samily ownership, and audit committee on the probability of companies experienced financial distress. This study use samples of 172 firm-years of listed manufactured companies which consist of 86 firm years of company in financial distress and 86 firm years of compannancial distress, during 2003-2007 periods. The analysis use logistic reg leverage as comtrol variable have a significant negative impact on the probability. Logistic regression results show that board of commissioner size and company experienced financial distress, but director board size, independent proportion, institurional ownership, family ownership, a committee, and size of company as controllable variable are failed to show their significan impact on the probability of company experienced financial distress."

"Pada awal tahun 2021, PT. X dituntut untuk memasuki proses Penundaan Kewajiban Pembayaran Utang (PKPU) oleh para krediturnya yang kemudia disetujui oleh Pengadilan Negeri. PT. X menyatakan bahwa akibat pandemi Covid-19, terjadi penurunan permintaan dan peningkatan persaingan sehingga menyebabkan pemberian diskon yang signifikan, dan bahwa gangguan rantai pasokan meningkatkan biaya logistik yang menyebabkan PT. X kesulitan dalam membayar utang. Laporan magang ini bertujuan untuk melakukan analisis penyebab ketidakmampuan perusahaan dalam pembayaran utang. Hasil analisis menunjukan bahwa adanya masalah pada manajemen modal kerja yaitu pada arus persediaan, piutang, dan utang yang menyebabkan hambatan pada kegiatan operasional dan penjualan PT. X. Laporan magang ini juga membahas refleksi diri penulis selama menjalani kegiatan magang di Deloitte.

---

Early in 2021, PT. X was sued by its creditors to enter the process of Suspension of Debt Payment Obligations (PKPU) which later was approved by the District Court. PT. X stated that due to the Covid-19 pandemic, there was a decrease in demand and increase in competition leading to significant discounts, and that supply disruptions increased logistics costs which caused PT. X to a difficulty of paying their paying debts. This internship report aims to analyze the causes of the company's inability to pay its debts. The results of the analysis show that there are problems in working capital management, namely in inventory days, receivables days, and payable days which cause obstacles to the operation and sales activities of PT. X. This internship report also discusses the author's self-reflection during his internship at Deloitte."

"Terkait fenomena krisis keuangan global yang terjadi saat ini, banyak sekali perusahaan yang hancur dan mengalami kebangkrutan. Saat sebuah perusahaan mengalami kebangkrutan, para investor dan krediturnya tentu akan sangat dirugikan. Oleh karena itu, investor dan kreditur memerlukan alat untuk memprediksi kondisi financial distress sebagai indikasi awal terjadinya kebangkrutan dengan tepat. Terdapat beberapa model yang dapat menjadi alat untuk itu, diantaranya yang dikemukakan oleh Altman (1968), Ohlson (1980), Zmijewski (1984), dan Springate (1978).Skripsi ini melakukan perbandingan keempat model prediksi financial distress di atas dalam konteks perusahaan di Indonesia. Perbandingan dilakukan dengan menganalisis tingkat akurasi model dan tingkat kesalahannya. Sampel yang digunakan adalah perusahaan manufaktur yang terdaftar di BEI selama tahun 2005-2008. Teknik pengambilan sampel adalah matched-pair sampling dengan total sampel sebanyak 79 perusahaan.Hasil penelitian menunjukkan bahwa model asli yang paling baik adalah model Springate. Setelah dilakukan pengujian tambahan dengan mengubah nilai cutoffnya, model yang paling baik tetap Springate. Namun jika dilakukan modifikasi model, model yang paling baik adalah Ohlson. Pada bagian akhir penelitian ini mencoba melakukan prediksi atas 30 perusahaan yang terdaftar di BEI menggunakan model Springate asli, model Springate dengan perubahan cutoff, dan model modifikasi Ohlson. Hasil prediksi menunjukkan lima perusahaan diprediksi akan mengalami financial distress di masa depan.

---

During global financial crisis, many corporations suffer from failure and bankruptcy. When a company suffers bankruptcy, its creditors and investors will have to suffer excessive loss. Therefore, they will need tools to accurately predict financial distress condition as an indication for bankruptcy. There are some models available, such as Altman (1968), Ohlson (1980), Zmijewski (1984), and Springate (1978).This research wants to know which financial distress prediction models is the most suitable to be used in Indonesia. To decide the best model, an analysis will be conducted based on accuracy and error rates of each models. Also, the purpose of this research is to conduct sensitivity analysis on the models, by modifying the cutoff score and modifying the whole model. Lastly, this research will make predictions for 30 companies listed in BEI by using the best known model. The samples used in this research is manufacturing companies listed in BEI during 2005-2008. The sampling technique used in this research is matched-pair sampling totaling 79 companies.The results of this research shows that Springate model is the best original model (without any modification). Even after modifying the cutoff scores, Springate model is still the best. After modifying the whole models, Ohlson model is proven to be the best, having superior accuracy and error rates of all models. This research also shows that between 30 predicted companies using the best three models of all treatment, there are 5 that will suffer financial distress in the future."