ANALISIS PREDIKSI KEBANGKRUTAN PADA INDUSTRI OTOMOTIF & KOMPONEN LAINNYA GO PUBLIC DI BURSA EFEK INDONESIA

Analisis Prediksi Kebangkrutan Pada Industri Otomotif & Komponen
Lainnya Yang Go Public Di Bursa Efek Indonesia. Joko Novianto, C 201 13
323, dibawah bimbingan Bapak Muh. Faisal selaku pembimbing I dan Ibu
Vitayanti Fattah selaku pembimbing II.

Penelitian ini bertujuan untuk mengetahui perdiksi tidak bangkrut dan bangkrut industri otomotif & komponen lainnya yang go public di Bursa Efek Indonesia. dengan menganalisis laporan keuangan perusahaan selama periode 2009-2016 menggunakan analisis kebangkrutan model Altman dengan lima variabel yang terdiri dari Working Capital to Total Asset, Retained Earning to Total Asset (RE/TA), Earning Before Interest and Taxes to Total Asset, Market Value Of Equity to Book Value Of Debt, Sales to Total Asset kemudian di analisi menggunakan Z-Score untuk menentukan industri tidak bangkrut dan bangkrut berdasarkan batasan Cut Off yang telah ditentukan. Jenis penelitian ini adalah deskriptif dengan pendekatan kuantitatif. Populasi penelitian ini adalah industri otomotif
& komponen lainnya yang terdaftar di Bursa Efek Indoesia. Teknik pengambilan sampel yang digunakan adalah purposive sampling, dan dengan teknik tersebut diperoleh empat
perusahaan sebagai sampel. Teknik pengumpulan data yang digunakan adalah kuantitatif.
Teknik analisa data yang digunakan adalah adalah Analisis Multivarian Diskriminan.
Hasil penelitian menunjukkan bahwa dari empat perusahaan otomotif yang diteliti, diketahui satu perusahaan selama periode penelitian diprediksi ‘tidak bangkrut’
yaitu PT. Selamat Sempurna Tbk (SMSM). Satu perusahaan selama dua tahun periode penelitian diprediksi “gray area” kemudian selama enam tahun penelitian masuk prediksi “bangkrut” yaitu PT. Astra Otoparts Tbk (AUTO). Selanjutnya dua perusahaan selama periode penelitian diprediksi ‘bangkrut’ yaitu PT. Astra Internasional Tbk (ASII) dan PT. Gajah Tunggal Tbk (GJTL).

Kata Kunci : Tidak Bangkrut, Bangkrut dan Analisis Multivarian Diskriminan