ZETA ANALYSIS

ZETA ANALYSIS
A new model to identify bankruptcy risk of corporations
1. Pendahuluan dan Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk membangun, menganalsis dan menguji
dari model baru klasifikasi kebangkrutan yang secara eksplisit berkembang dengan
kesahan-kesalahan dalam bisnis. Model baru yang disebut ZETA efektif dalam
mengklasifikasi perusahaan yang bangkrut sampai dengan lima tahun sebelum
kegagalan pada sampel perusahaan termasuk perusahaan manufaktur dan retail.
2. Alasan untuk mencoba membentuk model baru
Terdapat lima alasan mengapa model tersebut dapat lebih baik daipada
literatur-literatur sebelumnya. Yakni:
a) Perubahan dalam ukuran, profil keuangan, dan kesalahan dalam bisnis pada tahuntahun belakangan. Rata-rata ukuran pada perusahaan bangkrut meningkat drastis
dengan konsekuensi visibilitas yang lebih besar dan perhatian dari institusi
keuangan, regulator agensi dan publik. Studi kali ini menggunakan sampel
purusahaan yang memiliki ukuran asset yang dua laporan tahunan sebelum
bangkrut sekitar 100 juta dolar. Tidak ada perusahaan yang memiliki aset di
bawah 20 juta dolar.
b) Model baru tersebut diikuti dengan data yang natural. Kecuali 3 (dari 53)
perusahaan sampel, setiap perusahaan tersebut bangkrut dalam 7 tahun terakhir
ketika penelitian in dilakukan.
c) Kesalahan model sebelumnya terkonsentrasi pada klasifikasi terhadap perusahaan
manufaktur atau spesifikasi industri. Peneliti berfikir bahwa dengan memasukkan
analitikal penyesuaian, perusahaan-perusahaan retail. Seharusnya dapat dianalisis
dengan basis perusahaan-perusahaan manufaktur.
d) Hal yang paling penting dari studi ini adalah bahwa data dan catatan kaki telah
dianalisa dengan lebih teliti untuk diikutseratakan pada perubahan pelaporan
standar keuangan dan praktek-praktek akuntansi yang dapat diterima. Tujuannya
adalah agar model tidak hanya relevan terhadap kesalan-kesalahan masa lalu, tapi
juga data yang akan timbul pada masa yang akan datang.
1
e) Untuk menguji dan menilai beberapa kemungkinan lanjutan dan masih merupakan
aspek kontroversial dari analisis diskriminan.
3. Temuan temuan Utama
Peneliti menyimpulkan bahwa model ZETA untuk mengklasifikasikan
kebangkrutan lebih akurat daripada model sebelumnya dengan tingkat keberhasilan
sebesar 90 persen pada sampel satu tahun sebelum dan 70 persen pada lima tahun
yang akan datang. Perusahaan pada model yang sama digunakan pada perusahaan
manufaktur tidak berpengaruh negatif terhadap hasil.
Peneliti juga menemukan bahwa model ZETA menyajikan alternatif dari
strategi klasifikasi kebangkrutan dalam hal kriteria biaya yang diharapkan
dibandingkan dengan kemungkinan biaya yang timbul dari kesalahan estimasi. Di
dalam pengujian, peneliti terkejut bahwa di samping data statistik yang
mengindikasikan struktur kuadratik adalah sesuai, ternyata struktur linear untuk
model yang sama menghasilkan kuadratik dalam uji validitas model.
4. Sampel dan karakteristik data dan metodologi statistik
4.1. Karakteristik sampel
Dua sampel perusahaan di dalam penelitian ini terdiri dari 53 perusahaanperusahaan yang bangkrut dan 58 perusahaan yang tidak bangkrut sebagai sampel
pembanding. Tabel 1 (hal. 32) menyajikan perusahaan yang bangkrut dengan tipe,
ukuran dan tahun dinyatakan bangkrut. Perusahaan yang bangkrut menyajikan
kesalahan industrial dimana memiliki asset yang kurang dari 20 juta dolar.
4.2. Variabel yang dianalisis
Angka dari ratio-ratio keuangan dan pengukuran lainnya telah ditemukan di
studi-studi laingnya dan digunakan dalam menyediakan bukti statis dari kegagalankegagalan yang mungkin terjadi. Peneliti telah memasukkan data untuk menghitung
variabel-variabel dan sebagai tambahan juga dimasukkan beberapa pengukuranpengukuran yang diharapkan dapat membantu penelitian. Ada 27 variabel yang
dimasukkan, dapat dilihat pada appendix B (hal. 54).
4.2. Penyesuaian Pelaporan
2
Peneliti telah menyesuaikan data asli pada sampelnya untuk mengatasi
modifikasi-modifikasi akuntansi. Penyesuaiannya adalah sebagai berikut:
a) Capitalization of leases. Penyesuaian dilakukan untuk meng-capitalize seluruh
non-cancellable operating dan finance liases. Hasil dari kapital leasing
ditambahkan kepada asset perusahaan dan hutang dan juga peneliti
memasukan biaya bunga pada hutang baru tersebut.
b) Reserves. Jika reserve berkaitan dengan penilaian pada asset yang
bersangkutan, maka hal tersebut dimasukkan berlawanan dengan aset tersebut.
c) Minority interest and other liabilities on the balance sheet. Item-item ini dinet-kan terhadap other asset.
d) Captive finance companies and other non-consolidated subsidiaries. Telah
dikonsolidasikan dengan perusahaan induk. Metode yang digunakan adalah
pooling of interest.
e) Goodwill and intangibles.Dikurangi dari asset dan equity karena kesulitan
dalam mengalokasikan nilai ekonomi terhadap akun akun tersebut.
f) Capitalized reaseach and development costs, capitazed interest and certain
other deferred charges. Biaya-biaya ini di-expense-kan, bukan dikapitalisasi.
4.3. Metodologi Statistik
Untuk mengklasifikasikan kebangkrutan digunakan teknik multivariat statistik
yang dikenal sebagai discriminant analysis. Penelitian ini juga menganalisis struktur
linear dan kuadratik. Jika dispersion matrices tidak identik, maka struktur kuadratik
akan menyediakan model yang efisien ketika karakteristik masing-masing kelompok
dapat dapat ditaksir dengan bebas diantara kelompok-kelompok tersebut. Efisiensi
dalam hasil akan lebih signifikan pada pengukuran multivariat dari kelompok yang
berbeda dan tingkat ketelitian akan lebih baik pada sampel sebagian.
5.
Empirical results
5.1. Model 7 Variabel
Ada tujuh variabel yang digunakan untuk menguji sampel pada penelitian ini
yaitu:
X1
Return on assets, diukur dengan pendapatan sebelum bunga dan pajak dibagi
dengan total asset. Variabel ini telah terbukti untuk membantu menaksir
kinerja perusahaan pada masa lalu.
3
X2
Stability of earnings, diukur dengan menggunakan pengukuran yang sudah
dinormalisasi pada standard error dari estimasi pada trend sepuluh tahun
dalam V1.
X3
Debt service, diukur dengan interest coverage ratio, yaitu pendapatan sebelum
bunga dan pajak dibagi dengan total pembayaran bunga.
X4
Cumulative profitability, diukur dengan retained earnings dibagi dengan total
asset. Ratio ini akan digunakan untuk mengukur umur perusahaan dan
kebijakan deviden sebagai salah satu profitabilitasnya pada seluruh tahun
periode.
X5
Liquidity, diukur dengan current ratio.
X6
Capitalization, diukur dengan modal saham dibagi dengan total modal.
X7
Size, diukur dengan total asset perusahaan.
5.2. Relative importance of discriminant variables
Prosedur dalam mengurangi set variabel pada suatu nilai yang dapat diterima,
sangat berkaitan erat dengan usaha dalam menilai relative importance dalam set
variabel.
Tabel 2 (hal.37) menyajikan tes statistik yang telah diobesrvasi pada seluruh
varibel, dan ditemukan bahwa variabel yang paling penting adalah X4 yaitu
cumulative profitability. Varibel ini memiliki kontribusi sebesar 25% terhadap
keseluruhan diskrimanan. Yang kedua adalah variabel X2 yaitu Stability of earnings
ratio dan variabel ini juga signifikan setelah dilakukan uji univariat. Variabel X6 juga
konsisten terhadap seluruh test. Dan variabel terakhir yang juga paling penting adalah
X1 yaitu profitability ratio, akan tetapi variabel ini merupakan kontributor yang
penting dalam kesuksesan model.
5.3. Linear vs. Quadratic analysis
Analisis
ini
menghasil
suatu
dilema
dan
peneliti
memilih
untuk
mengkonsentrasikan pada pengujian linear karena adanya (1) kemungkinan
sensitivitas yang tinggi pada sampel observasi indivitual dari parameter kuadratik dan
(2) fakta bahwa seluruh pengujian relativitas pada sesi 5.2. adalah berdasarkan pada
model linear.
4
5.4. Clasification accuracy – Original and holdout samples
Di dalam Tabel 3 (hal 38) disajikan ketepatan dari sampel yang berdasarkan
pada satu tahun sebelum kebangkrutan. Keakuratan pada model linear adalah 96,2%
dari kelompok bangkrut dan 89,7% untuk yang tidak bangkrut.
Hasil yang menarik adalah hasil perbandingan dengan struktur kuadratik.
Pengelompokan total sampel identik dengan kedua struktur pada periode pertama.
Ada perbedaan yang penting pada validasi dan pengujian holdout pada kelompok
bangkrut. Model linar lebih superior dengan kesalahan pengelompokan lebih dari 50
persen dari periode lima tahun sebelum kebangkrutan.
Peneliti membuat dua replikasi untuk menguji validitas pada sample observasi.
Pengujian ini memiliki tingkat akurasi yang sangat baik. Tidak ada perbedaan yang
mencolok dari kesalahan pada kedua replikasi tersebut.
5.5. Perbandingan dengan Model Altman’s 1968
Peneliti membandingkan ZETA model dengan Altman model pada berbagai
cara dan ditunjukan pada tabel 5 (hal. 41. Pertama peneliti membandingkan
keakuratan pada 5 tahun pada masing-masing model. Hasilnya adalah model ZETA
lebih akurat daripada model sebelumnya.
Kedua, peneliti mengutilisasi kelima variabel dan paremter pada masing Zscores perusahaan. Dan hasilnya adalah model ZETA mendominasi sample khususnya
pada tahun pertama dan tahun kelima. Ketiga, peneliti memilih kelima model pada
model sebelumnya dan menghitung parameter berdasarkan 111 perusahaan pada
sample ZETA. Hasilnya adalah model ZETA mendominasi tiap tahun, akan tetapi 7
variabel pada model ZETA lebih akurat pada beberapa tahun dan ternya 5 variabel
pada model sebelumnya lebih sedikit lagi akuasinya ketika data tersebut dibandingkan
lalu dihitung ulang.
Peneliti melakukan perbandingan terhadap parameter pada model tahun 1068
dengan model ZETA pada tabel 6 (hal 42). Hasilnya adalah penelitian kali ini lebih
memiliki hasil statistik yang lebih baik dilihat dari F-test univariate.
5
5.6. Group prior probabilities, error costs and model efficiency
Secara implisit, pengujian ini telah memperhitungkan kemungkinankemungkinan kebangkrutan dan costs of errors. Peneliti telah mengasumsikan hasil
estimasi pada masing-masing parameter.
Estimasi sebenarnya dari kemungkinan kebangkrutan adalan sekitar 0,01
sampai dengan 0,05. jadi kemungkinan perusahaan akan bangkrut pada masa yang
akan datang adalah pada angka tersebut. Pada analisis akhir, peneliti tidak mengetahui
estimasi kebangkrutan sebelumnya.
5.7. Cost of classification errors
Studi empiris telah menyajikan cara untuk menghitung error ini dan dibagi
menjadi dua ekuivalen yaitu type I (C1) dan Type II (C2). Peneliti mengukur C1
berdasarkan data pada 26 bank komersial dan kuisionar yang dikembalikan pada bank
regional tenggara amerika serikat. Tabel 7 (hal 45) menyajikan hal tersebut bahwa
secara rata-rata C1 menunjukan hasil yang lebih besar pada tahun 1971 dibandingkan
dengan tahun 1975.
Formula C2 diklasifikasi berdasar keputusan untuk tidak meminjam pada bank
yang bersangkutan. Dalam hal ini, C2 adalah kemungkinan kecil. Peneliti
mengsepesifikasi c2 adalah sebesar 2 persen.
5.8. Revisi atas cutoff score and model efficiency test
Setelah diperhitungkan, cutoff cscore ZETA adalah sebesar -0,337.
5.9. Penyesuaian pada cutoff score and practical application
Aplikasi praktek terhadap penyeuaian skor terbut adalah kasus pada auditor
akuntansi. Ia mungkin berharap bahwa model tersebut dapat memperhitungkan
kualitas opini yang akan diberikan apakah perusahaan tersebut going concern atau
tidak.
5.10.
Distribution of ZETA
Figur 1 (hal 49) mengilustrasikan skor ZETA pada dua grup dari 5 tahun
sebelum kebangkrutan dan 1 tahun sebelum kebangkrutan. Varians pada perusahaan
yang bangkrut berubah secara drastis pada tiap tahun, sedangkan pada perusahaan
6
yang tidak bangkrut, variansnya cukup stabil dan berkisar di angka 3.0. Figure 2 (hal.
49) menyajikan distribusi terhadap skor Zeta pada 1 tahun sebelum kebangkrutan.
6. Kesimpulan
Model ZETA yang dikembangkan pada artikel ini menghasilkan akurasi yang
lebih signifikan daipada model sebelumnya. Hal ini mungkin disebabkan karena data
yang digunakan lebih relevan dalam menggambarkan seluruh hal tersebut. Model
klasifikasi kebangkrutan memiliki akurasi 96 persen pada satu tahun sebelum
kebangkrutan dan 70 persen pada 5 tahun sebelum kebangkrutan.
Potensial aplikasi pada ZETA model digunakan untuk institusi keuangan dan
non keuangan untuk menganalisis kredit, mengindentifikasi resiko investasi untuk
protofolio manager dan digunakan untuk auditor sebagai penilaian terhadap opini
audit.
7
8