Hasil Pencarian  ::  Simpan CSV :: Kembali

"Financial distress dapat dianggap sebagai peringatan dini masalah yang dapat menyebabkan kebangkrutan. Memprediksi kebangkrutan menjadi salah satu hal yang dapat dilakukan perusahaan untuk menemukan keadaan kesehatan keuangan perusahaan. Sebanyak 585 firm-year pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia dijadikan sampel untuk penelitian ini di mana 113 di antaranya dikategorikan dalam kondisi financial distress. Model prediksi kebangkrutan dapat diperiksa untuk menilai situasi ekonomi perusahaan untuk tujuan lebih lanjut. Altman dan Ohlson adalah beberapa peneliti terkenal yang modelnya dirujuk untuk mengevaluasi kesehatan perusahaan.

---

Financial distress can be regarded as an early warning of trouble that can lead to bankruptcy. Predicting bankruptcy becomes one thing that companies can do to discover the state of the company's financial health. A total of 585 firm-years of manufacturing companies that listed in Indonesia Stock Exchange are sampled for this research where 113 of them are categorized in financial distress state. Bankruptcy prediction models may be examined to assess a company's economic situation for further purposes. Altman and Ohlson are some of notable researchers to which their models are referred to evaluating the health of companies."

"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."

"Industri penerbangan global telah menderita berbagai masalah finansial ditandai dengan kerugian kumulatif selama periode tahun 2001 sampai 2009. Sejak saat itu, sudah lebih dari 350 maskapai penerbangan telah mengajukan kebangkrutan. Tujuan dari penelitian ini adalah untuk membuat prediksi bangkrut dan tidak bangkrut menggunakan pendekatan model Altman Z Score, regresi logistik, dan analisis diskriminan dengan multi-year basis. Model prediksi dibuat dengan bantuan lima rasio keuangan yaitu Total Debt to Total Asset, Quick Ratio, Cash to Current Liabilities, Retained Earning to Total Asset, dan Sales to Total Asset. Uji simulasi statistik regresi logistik dan analisis diskriminan dilakukan dengan metode simultan. Model baru yang dikembangkan menggunakan titik cutoff untuk membedakan apakah suatu maskapai diklasifikasikan dalam kelompok bangkrut atau kelompok tidak bangkrut. Hasil akhir memperlihatkan model prediksi yang baru menunjukkan tingkat akurasi keseluruhan lebih tinggi dibandingkan dengan model Altman Z Score dan Kroeze Score.

---

The global airline industry has suffered from financial problems marked by cumulative losses over the period from 2001 to 2009. Since then, more than 350 airlines have filed for bankruptcy. The purpose of this study is to make a prediction of bankrupt and non-bankrupt using an approach to Altman Z Score models, logistic regression, and discriminant analysis with the multi-year model. The prediction model created with the help of five financial ratios: Total Debt to Total Assets, Quick Ratio, Cash to Current Liabilities, Retained Earnings to Total Assets and Sales to Total Assets. Simulation of statistic test on logistic regression and discriminant analysis performed by the simultaneous method. The new model was developed using a cut-off point to distinguish whether an airline classified in the group of bankrupt or non-bankrupt. The final results show that the new prediction model shows an overall higher degree of accuracy than Altman Z Score and Kroeze Score model."

"ABSTRAKRasio keuangan sebagai hasil pengolahan data laporan keuangan dapatdigunakan sebagai alat untuk memprediksi terjadinya kepailitan perusahaan jikadikombinasikan dengan metode prediksi yang tepat. Hasil prediksi ini bukanhanya dapat digunakan bagi manajemen perusahaan, namun pihak-pihak lain pundapat menggunakannya sebagai sarana untuk membantu pengambilan keputusan,misalnya keputusan investasi bagi investor, maupun keputusan berkenaan denganpembinaan perusahaan bagi regulator. Penelitian ini bertujuan untuk mendeteksirasio keuangan yang berfungsi sebagai prediktor kepailitan suatu perusahaan,khususnya industri perusahaan pembiayaan. Selain itu, penelitian ini berusahamenentukan model prediksi yang dapat digunakan regulator perusahaanpembiayaan untuk meningkatkan fungsi pembinaan dan pengawasan terhadapindustri tersebut.

---

ABSTRACTFinancial ratios from financial statement combined with the appropriate predictionmethod can be used as a tool to predict the occurence of bankruptcy. Bankruptcyprediction is not only usefull for company’s management, but also for otherstakeholders, such as in decision making investment for investor, or guidanceindustry’s regulator. The purpose of this research, is to determine ratios that canpredict the occurance of a company’s bankruptcy, particularly in the financecompanies industry. In addition, this study also aim to determine the predictionmodel that is appropriate to be apllied by the regulator of finance companiesindustry in Indonesia."

"

Segmen usaha kecil dan menengah saat ini terus berkembang di Indonesia. Berkontribusi lebih dari seperlima Produk Domestik Bruto Indonesia menjadikan segmen ini sangat berpotensi untuk terus dikembangkan. Perbankan dalam negeri dan asing melihat segmen usaha kecil menengah ini sebagai segmen yang menjanjikan sehingga membuat mayoritas Bank di Indonesia ikut bersaing dalam penyaluran kredit pada segmen ini. Namun, ditengah prospek yang menjanjikan, segmen ini juga memiliki tantangan tersendiri dimana rasio non-performing loan secara Nasional pada segmen ini melebihi rasio  non-performing loan seluruh kredit yang disalurkan. Penelitian ini bertujuan untuk meniliti reliabilitas metode Altman Z-Score serta Ohlson O-Score sebagai alat prediksi kebangkrutan pada perusahaan segmen Small Medium Enterprise di Indonesia serta reliabilitas laporan keuangan perusahaan di segmen Small Medium Enterprise dalam mencerminkan kondisi riil perusahaan sebagai data masukan untuk analisa prediksi kebangkrutan perusahaan. Data penelitian menggunakan data laporan keuangan dari perusahaan yang menjadi debitur segmen Small Medium Enterprise di Bank Mandiri. Hasil penelitian menunjukkan bahwa hasil perhitungan Z-Score mampu memprediksi kebangkrutan dengan akurasi  51,8%, 37,4%, 36,3%, dan 11,4% untuk satu, dua, tiga dan empat tahun sebelum kebangkrutan sedangkan Ohlosn O-Score memberikan hasil akurasi yang lebih baik yaitu 73,6%, 43,2%, dan 58,5% untuk satu, dua dan tiga tahun sebelum kebangkrutan. Berdasarkan hasil tersebut dan wawancara kepada pihak internal Bank dapat disimpulkan bahwa laporan keuangan untuk perusahaan segmen Small Medium Enterprise secara umum belum cukup reliable untuk mencerminkan kondisi perusahaan secara riil.

---

Nowadays, small and medium enterprises continue to grow in Indonesia, contributing more than one fifth of Indonesia's Gross Domestic Product, making this segment very potential to continue to be developed. Domestic and foreign banks see this small and medium business segment as a promising segment, making the majority of banks in Indonesia compete in lending to this segment. However, amid a promising prospect, this segment also has its own challenges, where the national’s ratio of non-performing loans in this segment exceeds the ratio of non-performing loans of all loans disbursed. This study aims to assess the reliability of the Altman Z-Score and Ohlson O-Score methods as bankruptcy predictors in Small Medium Enterprise segment in Indonesia and the reliability of the company's financial statements in the Small Medium Enterprise segment in reflecting the company's real conditions as input data to analyze the possibility of the company going bankrupt. This research uses financial report data from companies that are debtors in the Small Medium Enterprise segment at Bank Mandiri. The results showed that the Z-Score calculation was able to predict bankruptcy with an accuracy of 51.8%, 37.4%, 36.3%, and 11.4% for one, two, three and four years before bankruptcy while Ohlson O-Score giving better accuracy results of 73.6%, 43.2%, and 58.5% for one, two and three years before bankruptcy. Based on these results and interviews with internal parties of the Bank it can be concluded that financial statements for Small Medium Enterprise segment companies in general have not been reliable enough to reflect the company's condition in real.

"

"Penggunaan variabel berbasis jaringan pada model prediksi kebangkrutan perusahaan dengan metode XGBoost belum banyak ditemukan. Meskipun prediksi kebangkrutannya sudah dikaji secara luas dan beragam, namun sebagian besar masih berfokus pada penggunaan variabel finansial. Dampak sistemik kebangkrutan dapat meluas hingga mengancam stabilitas sistem keuangan. Dampak sistemik yang diwaspadai terutama yang ditimbulkan oleh konglomerasi ataupun kelompok perusahaan. Hal ini memunculkan pertanyaan apakah kebangkrutan perusahaan di dalam satu kelompok akan saling berpengaruh dan menyebabkan efek sistemik di dalam kelompoknya. Sebelum kondisi buruk diketahui oleh pasar atau publik, otoritas pengawasan tersebut diharapkan dapat mendeteksi lebih awal kondisi buruk yang akan terjadi dan melakukan langkah-langkah konkrit yang diperlukan untuk menyelamatkan perusahaan secara khusus dan sistem perekonomian secara umum.Deteksi dini ini dibangun dengan mengembangkan model prediksi yang bekerja berdasarkan data historis, mampu memprediksi kebangkrutan, dan memetakan potensi dampak sistemiknya pada serangkaian perusahaan yang berelasi. Penelitian ini menggunakan data finansial dan relasional dari perusahaan yang terdaftar pada Bursa Efek Indonesia (BEI) mulai tahun 2010 hingga 2021. Data finansial yang digunakan adalah variabel neraca, rasio solvency, rasio profitability, dan rasio operasional. Data relasional terdiri dari 3 jenis relasi berdasarkan teori ultimate ownership, yaitu pemegang saham yang terdaftar pada laporan tahunan, dewan komisaris dan dewan direksi. Setelah melalui serangkaian literatur review dan eksperimen, metode machine learning XGBoost dipilih karena kemampuannya dalam melakukan prediksi dalam data yang tidak seimbang. Model akhir yang diusulkan adalah model prediksi kebangkrutan dengan tugas klasifikasi kelas bangkrut dan tidak, dengan metode XGBoost, menggunakan integrasi data masukan berupa variabel keuangan dan non-keuangan berbasis jaringan. Model ini terdiri dari pemrosesan input variabel keuangan dan relasional, prediksi dengan XGBoost pada 7 jenis integrasi data, pemilihan hasil prediksi akhir berdasarkan AUC yang terbaik, dan analisis potensi dampak sistemik dari jaringan terpilih berdasarkan model integrasi data terbaik di tahap sebelumnya.Model prediksi kebangkrutan ini sekaligus memberikan kontribusi dalam memvisualisasikan potensi dampak sistemik yang mungkin terjadi. Pada tahap prediksi kebangkrutan digunakan model integrasi data variabel finansial – non finansial. Model dengan integrasi data yang menghasilkan AUC terbaik digunakan pada tahap analisis potensi dampak sistemik. Berdasarkan luaran dari tahap 1, analisis dampaknya dipetakan sesuai relasi yang terbentuk dari jaringan yang bersesuaian dengan model terbaiknya. Hasil pengujian dengan data tes tahun 2019 untuk memprediksi kondisi 1 tahun ke depan menunjukkan AUC sebesar 90.20% dengan model integrasi data finansial – Shareholder. Model usulan memiliki AUC lebih baik dari model Tobback et. al., namun tidak lebih baik dari model Zhao et. al.Analisis potensi dampak sistemik memberikan gambaran jaringan yang terbentuk dengan node sumber adalah perusahaan yang diprediksi bangkrut yang terhubung dengan perusahaan yang berelasi berdasarkan Shareholder. Besar kecilnya edge menggambarkan kuat lemahnya relasi yang ada. Penelitian disertasi ini berhasil membangun model prediksi kebangkrutan dengan variabel finansial dan relasional berbasis jaringan ultimate ownership dengan AUC lebih dari 90%. Hasil disertasi ini juga memberikan pandangan baru dalam melakukan deteksi konglomerasi dan analisis potensi dampak sistemik dari relasi yang ada.

---

The application of network-based variables in the company’s bankruptcy prediction model with XGBoost method has not been widely found.. While bankruptcy prediction has been widely and diversely examined, most of them still focus on the use of financing variables. The systemic consequences of bankruptcy can jeopardize the stability of the financial system. The systemic impact under scrutiny primarily arises from conglomerates or corporate organizations. This prompts an inquiry into whether the insolvency of enterprises within a group may impact one another and induce systemic repercussions inside or outside the group. Prior to the market or public awareness of adverse situations, the regulatory body is anticipated to identify these detrimental circumstances early and implement necessary measures to preserve the company specifically and the economic system broadly.

This early detection is established through the creation of a predictive model that utilizes historical data to forecast bankruptcy and assess its potential systemic effects on a network of interconnected enterprises. This research utilizes financial and relational data from firms registered on the Indonesia Stock Exchange (IDX) spanning the years 2010 to 2021. The financial statistics utilized comprise balance sheet variables, solvency ratios, profitability ratios, and operating ratios. Relational data comprises three categories of relations according to the ultimate ownership theory: shareholders identified in the annual report, the board of commissioners (BoC), and the board of directors (BoD). Following an extensive analysis of research and experimentation, the XGBoost machine learning algorithm was selected as the model base due to its efficacy in predicting outcomes within unbalanced datasets. The final proposed model is a bankruptcy prediction model with the task of classifying bankrupt and non-bankrupt classes, with the XGBoost method, using network-based integration of input data in the form of financial and non-financial variables. This model consists of processing financial and relational variable inputs, prediction with XGBoost on 7 types of data integration, selecting the final prediction results based on the best AUC, and analyzing the potential systemic impact of the selected network based on the best data integration model in the previous stage.

This bankruptcy prediction model also contributes to visualizing the potential systemic impacts that may occur. At the bankruptcy prediction stage, a data integration model of financial and non-financial variables is used. The model of data integration exhibiting the highest AUC results is employed at the stage of analyzing potential systemic impacts. The expected impact is delineated based on the output from prior stage, according to the relationships established within the network of the optimal model. The test results utilizing 2019 data to forecast situations one year in advance demonstrated an AUC of 90.20% with the integration model of financial – Shareholder variables. The proposed model has a better AUC than the Tobback et. al., but not better than the Zhao et. al. model. The analysis of potential systemic impacts provides a picture of the network formed with the source node being a company predicted to go bankrupt that is connected to a company related to Shareholders. The size of the edge describes the strength of the existing relationship.

This dissertation research has succeeded in building a bankruptcy prediction model with financial and relational variables based on the ultimate ownership network with an AUC of more than 90%. The results of this dissertation also provide new insights into detecting conglomerates and analyzing the potential systemic impacts of existing relationships."

"Penelitian ini bertujuan untuk menganalisis BUMN non jasa keuangan untuk dapat mengantisipasi kebangkrutan dan mendapatkan hasil antara Altman Z Score dan KEP-100/MBU/2002. Penelitian ini menggunakan rasio-rasio keuangan dari tahun 2016-2018. Penelitian ini bersifat kuantitatif dengan menggunakan sumber data sekunder dari laporan internal perusahaan dan website resmi lainnya. Hasil yang didapatkan dengan metode Altman Z Score di tahun 2016 terdapat 4 BUMN yang diprediksi bangkrut, di tahun 2017 terdapat 7 BUMN yang di prediksi bangkrut, dan di tahun 2018 terdapat 6 BUMN yang diprediksi bangkrut. Adapun dengan metode KEP-100/MBU/2002 tidak ada perusahaan yang berada di kategori tidak sehat. Penelitian ini diharapkan berguna bagi para pengambil keputusan di BUMN untuk menghadapi tantangan dan meningkatkan performa perusahaan.

---

Focus of this research is to analyze performance of nonfinancial sector state owned enterprises (SOE's) in Indonesia using Altman Z Score's bankruptcy prediction analysis and The Decree No. KEP-100/MBU/2002 issued by Ministry of Stated Owned Enterprises of Indonesia on June 2002 in order to find main factors that cause potential bankruptcy in the company and as a reference for company's performance improvement. This research is quantitative with the use of data from company's financial report from 2016-2018. The result based on Altman Z Score shows that in 2016 4 SOE's are predicted bankrupt, in 2017 7 SOE's are predicted bankrupt and in 2018 6 SOE's are predicted bankrupt. Whilst using KEP-100/MBU/2002 there is no SOE predicted bankrupt. This study could be used by SOE's decision makers to tackle the challenge and improve company's performance."

"[ABSTRAKPenelitian ini bertujuan untuk menganalisis bagi perusahaan untuk dapat mengantisipasi kebangkrutan. Penelitian ini menggunakan dari rasio-rasio keuangan dari tahun 2010 sampai 2014.Pada penelitian ini dalam melakukan analisis menggunakan model Altman untuk memprediksi kebangkrutan yang di batasi pada perusahaan-perusahaan pengembang properti. Dimana sampel yang digunakan adalah 35 perusahaan dengan menggunakan rasio-rasio keuangan sebagai indikator atas keadaan likuiditas, efisien, leverage, dan probabilitas perusahaan.Pemodelan ini menggunakan metode analisis diskriman untuk memperoleh model yang baik. Hasil dari analisis diskriminan ini didapat rasio yang berpengaruh yaitu Working Capital, Total liabilities, Retain Earning , Total Asset, MVE,EBIT terhadap kebangkrutan.

---

ABSTRACTThis study aimed to analyze for companies to be able to anticipate bankruptcy. This study use financial ratios from 2010 to 2014. In this research using Altman model for bankruptcy in the limit on property development companies. The samples used were 35 companies using financial ratios as an indicator of the state of liquidity, efficient, leverage, and the probability of the company. This modeling a method discriminant analysis to obtain a good model. Results of discriminant analysis is obtained that affect the ratio current assets, current liabilities, net income, Retain Earnings, Total Assets, Operating Income, Net Sales for bankruptcy.;This study aimed to analyze for companies to be able to anticipate bankruptcy. This study use financial ratios from 2010 to 2014. In this research using Altman model for bankruptcy in the limit on property development companies. The samples used were 35 companies using financial ratios as an indicator of the state of liquidity, efficient, leverage, and the probability of the company. This modeling a method discriminant analysis to obtain a good model. Results of discriminant analysis is obtained that affect the ratio current assets, current liabilities, net income, Retain Earnings, Total Assets, Operating Income, Net Sales for bankruptcy.;This study aimed to analyze for companies to be able to anticipate bankruptcy. This study use financial ratios from 2010 to 2014. In this research using Altman model for bankruptcy in the limit on property development companies. The samples used were 35 companies using financial ratios as an indicator of the state of liquidity, efficient, leverage, and the probability of the company. This modeling a method discriminant analysis to obtain a good model. Results of discriminant analysis is obtained that affect the ratio current assets, current liabilities, net income, Retain Earnings, Total Assets, Operating Income, Net Sales for bankruptcy.;This study aimed to analyze for companies to be able to anticipate bankruptcy. This study use financial ratios from 2010 to 2014. In this research using Altman model for bankruptcy in the limit on property development companies. The samples used were 35 companies using financial ratios as an indicator of the state of liquidity, efficient, leverage, and the probability of the company. This modeling a method discriminant analysis to obtain a good model. Results of discriminant analysis is obtained that affect the ratio current assets, current liabilities, net income, Retain Earnings, Total Assets, Operating Income, Net Sales for bankruptcy., This study aimed to analyze for companies to be able to anticipate bankruptcy. This study use financial ratios from 2010 to 2014. In this research using Altman model for bankruptcy in the limit on property development companies. The samples used were 35 companies using financial ratios as an indicator of the state of liquidity, efficient, leverage, and the probability of the company. This modeling a method discriminant analysis to obtain a good model. Results of discriminant analysis is obtained that affect the ratio current assets, current liabilities, net income, Retain Earnings, Total Assets, Operating Income, Net Sales for bankruptcy.]"

"Masa pandemi COVID-19 yang berawal pada bulan Maret 2020 ini sudah banyak membuat tekanan di masyarakat, khususnya tekanan ekonomi. Berbagai peraturan ditetapkan, dalam rangka menekan angka penyebarannya, sehingga membuat banyak aktivitas terganggu, karena masyarakat dituntut untuk melakukan aktivitasnya dari rumah saja yang membuat aktivitas usaha tidak dapat dijalankan secara maksimal. Dalam usahanya beradaptasi, tidak jarang perusahaan gagal mencapai tujuannya dan menimbulkan kerugian operasional pada tahun berjalan. Kerugian yang dialami tidak jarang membawa perusahaan pada kebangkrutan. Namun data mencatatkan sebaliknya. Pada kuartal III tahun 2021, BPS mencatat pertumbuhan industri manufaktur sebesar 3,68 persen, peningkatan yang cukup baik di tengah banyaknya kasus COVID-19 di Indonesia. Penelitian ini ingin membuktikan apakah sektor manufaktur menunjukkan geliat positif selama pandemi dengan menggunakan metode Springate dan Altman. Perhitungan kondisi keuangan yang dilakukan pada perusahaan manufaktur yang terdaftar di BEI tahun 2016-2020 menunjukkan bahwa metode Springate mengelompokkan 282 observasi ke dalam kategori sehat dan 283 lainnya masuk ke dalam kategori distress. Sedangkan metode Altman mengelompokkan 235 observasi masuk kategori sehat, 136 observasi masuk kategori gray zone, dan 194 lainnya masuk kategori distress. Hasil penelitian juga menunjukkan bahwa metode Springate memiliki tingkat konsistensi yang lebih tinggi dibandingkan dengan metode Altman

---

The COVID-19 pandemic, which began in March 2020, has created a lot of pressure on the community, especially economic pressure. Various regulations were enacted, in order to reduce the number of spreads, thus disrupting many activities, because people were required to carry out their activities from home which made business activities unable to run optimally. In its efforts to adapt, it is not uncommon for companies to fail to achieve their goals and incur operational losses in the current year. Losses experienced not infrequently bring the company to bankruptcy. However, the data says otherwise. In the third quarter of 2021, BPS recorded a manufacturing industry growth of 3.68 percent, a fairly good increase in the midst of the large number of COVID-19 cases in Indonesia. This study wants to prove whether the manufacturing sector shows a positive stretch during the pandemic by using the Springate and Altman methods. Calculations of financial conditions carried out on manufacturing companies listed on the IDX in 2016-2020 show that the Springate method groups 282 observations into the healthy category and another 283 into the distress category. While the Altman method groups 235 observations into the healthy category, 136 observations in the gray zone category, and 194 others into the distress category. The results also show that the Springate method has a higher level of consistency than the Altman method."

"Sejumlah studi menunjukkan peningkatan jumlah perusahaan yang masuk dalam kategori zombie firm dalam satu dekade terakhir terutama pada masa pandemi COVID-19. Perusahaan-perusahaan zombi memenuhi ciri-ciri perusahaan yang memenuhi kriteria kebangkrutan. Hal ini mengindikasikan bahwa para investor perlu memperhitungkan kondisi ini sebelum melakukan strategi investasinya. Begitu pula, para manajemen perusahaan perlu untuk waspada akan kemungkinan perusahaan yang dipimpinnya masuk dalam kategori zombi sebelum mengambil langkah-langkah jenis pendanaan untuk pengembangan bisnisnya. Saat ini ada beberapa model identifikasi kebangkrutan yang lazim digunakan seperti Altman Z-score dan Merton Naïve Model. Kedua model tersebut memiliki keterbatasan dalam penggunaannya terutama adanya asumsi-asumsi dan kondisi yang melekat pada setiap model. Penelitian ini bertujuan untuk menganalisis model zombie firm untuk kasus di Indonesia. Pertanyaan penelitian utama yang diajukan adalah apakah model zombie firm dapat menjadi alternatif untuk mengukur risiko kebangkrutan suatu perusahaan. Penelitian ini menggunakan data sekunder yang tersedia terhadap perusahaan-perusahaan non-finansial yang terdaftar dalam Bursa Efek Indonesia sejak tahun 2011 hingga 2020. Penelitian ini juga dilakukan untuk menganalisis dinamika risiko kebangkrutan berdasarkan model zombie firm serta untuk mengetahui kemungkinan sebuah perusahaan apakah akan keluar dari status zombi-nya di tahun-tahun mendatang. Hasil penelitian menunjukkan adanya konsistensi antara hasil perhitungan indikasi perusahaan yang memiliki risiko kebangkrutan zombie firm dengan model kebangkrutan Altman Z-score atau Merton Naïve Model. Hasil penelitian juga menggambarkan dinamika tren hubungan antara variabel zombie firm model terhadap kenaikan atau penurunan jumlah perusahaan yang terindikasi sebagai zombi. Pada akhir bagian pembahasan, dengan menggunakan Wilcoxon Sum Rank Test, hasil penelitian menunjukkan kecenderungan perusahaan keluar dari status zombi untuk tahun-tahun tertentu.

---

Some studies show increment in terms of numbers of companies that entered the status of zombie firm in last decade, especially during COVID Period. Zombie firms fit all the criteria for a company that has a high risk of bankruptcy. This indicates that investors need to consider a company’s zombie status before doing their investment strategy in such a company. Company management also needs to be aware of their company to not fall to this status before doing a funding strategy type to expand their business. Currently, there are several models that can be used as default risk identification, such as Altman Z-score and Merton Naïve Model. However, both models have its own limitations and assumptions that are attached to each model. This research aims to analyze zombie firms’ model for Indonesia case. Main research question is whether zombie firm model can be used as alternative for identification of a company default risk. This research uses secondary data that is available for all non-financial sector companies, traded on Indonesian Stock Exchange since 2011 – 2020. In this research, we also analyze the dynamic of default risk based on zombie firms and the probability of whether a company can recover from its zombie status in future years. Result show that there are consistencies between zombie firm models against its comparing model: Altman Z-score or Merton Naïve Model. The results also show trend dynamic between zombie firm variables regarding increase or decrease numbers of identified zombies. At the end of discussion, by using Wilcoxon Sum Rank Test, results show some tendencies that companies recover in certain years."