FEB UNDIP · Analisis Laporan Keuangan

Analisis Laporan Keuangan

Pertemuan 11 · Analisis Altman Z-Score: Prediksi Kebangkrutan

Bisakah angka di laporan keuangan meramalkan perusahaan akan bangkrut? Hari ini kita rakit satu angka — Z-Score — dari lima rasio, lalu kita uji keandalannya.

RPS Minggu 12 · Sub-CPMK 11 · 2 × 50 menit

Selamat datang di Pertemuan 11, di mana analisis laporan keuangan kita naik ke tingkat yang sangat praktis dan dipakai luas di dunia kerja: meramalkan kebangkrutan. Sepanjang pertemuan sebelumnya Anda sudah belajar membaca neraca, laba-rugi, dan menghitung rasio satu per satu; hari ini saya akan tunjukkan cara merangkum banyak rasio itu menjadi satu angka tunggal yang punya daya prediksi, yaitu Altman Z-Score. Yang menarik, model ini lahir dari riset akademis tahun 1968 oleh Edward Altman, tetapi sampai hari ini masih dipakai bank, analis kredit, dan auditor di seluruh dunia, termasuk di Indonesia. Tetapi saya juga ingin Anda kritis: di akhir pertemuan kita akan bedah kapan model ini bisa dipercaya dan kapan ia menyesatkan — misalnya kalau dipakai untuk menilai bank. Siapkan kalkulator Anda, karena hari ini kita tidak hanya membahas konsep, tetapi benar-benar merakit Z dari nol.

Tujuan Pembelajaran Hari Ini

Setelah pertemuan ini, Anda diharapkan mampu menjelaskan, menghitung, dan mengevaluasi Altman Z-Score (Sub-CPMK 11). Secara rinci:

Capaian 1 — Konsep

Ide Diskriminan

Menjelaskan ide diskriminan & latar belakang Altman (1968): mengapa banyak rasio dirangkum jadi satu skor.

Capaian 2 — Hitung Rasio

Lima Rasio X1–X5

Menghitung kelima rasio X1–X5 dari laporan keuangan contoh, dari nol tanpa kesalahan aritmetika.

Capaian 3 — Rakit & Klasifikasi

Nilai Z & Zona

Merakit nilai Z (model asli & Z'') lalu menempatkannya di zona aman/grey/distress yang benar.

Capaian 4 — Evaluasi

Lintas Industri

Menilai keandalan lintas industri — mengapa Z asli tak cocok untuk bank, jasa, dan non-manufaktur.

Bisakah Kebangkrutan Diramalkan Sebelum Terjadi?

Bayangkan Anda analis kredit sebuah bank. Sebuah perusahaan mengajukan pinjaman Rp 200 miliar. Laporan keuangannya tampak baik-baik saja. Berani memberi pinjaman?

Masalahnya

Satu Rasio Saja Bisa Menipu

Laba bisa positif tetapi perusahaan tetap bisa bangkrut tahun depan — karena likuiditas kering, utang menumpuk, atau modal tergerus. Satu rasio saja sering menyesatkan.

Solusi Altman (1968)

Gabungkan 5 Rasio

Gabungkan lima rasio kunci menjadi satu skor (Z). Pada riset aslinya, Z memprediksi kebangkrutan satu tahun ke depan dengan akurasi tinggi.

Inilah kekuatan Z-Score: mengubah halaman-halaman laporan keuangan menjadi satu sinyal dini — dan hari ini Anda belajar menghitungnya sendiri.

Saya suka membuka topik ini dengan posisi Anda sebagai analis kredit, karena di situlah Z-Score paling sering dipakai di dunia nyata. Bayangkan ada perusahaan datang minta pinjaman dua ratus miliar, dan di atas kertas laba mereka positif — apakah itu cukup untuk Anda merasa aman? Jawabannya tidak, karena banyak perusahaan yang labanya bagus di laporan tetapi setahun kemudian gagal bayar, sebab masalah sebenarnya ada di likuiditas, beban utang, atau modal yang terkikis. Edward Altman pada tahun 1968 menjawab persoalan ini dengan ide cerdas: jangan menilai dari satu rasio, tetapi gabungkan lima rasio penting menjadi satu skor yang punya daya prediksi. Hari ini Anda akan belajar merakit skor itu dari nol, sehingga di masa depan, ketika Anda jadi analis, manajer keuangan, atau bahkan investor, Anda punya alat untuk membaca tanda bahaya lebih awal.

Bagian 1 dari 4

Mengapa Meramal Kebangkrutan, dan Ide Diskriminan

Apa itu kesulitan keuangan, mengapa kita perlu memprediksinya, dan gagasan jenius Altman: memisahkan yang sehat dari yang sakit dengan satu garis.

Distress Diskriminan Sinyal Dini

Kesulitan Keuangan (Financial Distress) ≠ Rugi Biasa

Distress adalah kondisi perusahaan kesulitan memenuhi kewajiban kepada kreditor — bukan sekadar laba turun. Ada gradasinya:

Gejala Distress

Sinyal Bahaya

Arus kas tak cukup bayar bunga
Utang jatuh tempo menumpuk
Modal kerja negatif
Ekuitas tergerus rugi beruntun
Bila berlanjut → gagal bayar (default)

Jalur Hukum di Indonesia

UU 37/2004

Bila benar gagal bayar, prosesnya diatur UU No. 37 Tahun 2004 tentang Kepailitan & PKPU (Penundaan Kewajiban Pembayaran Utang) — debitor/kreditor bisa ajukan ke Pengadilan Niaga.

Z-Score memprediksi risiko distress, bukan memvonis pailit. Putusan pailit adalah proses hukum (UU 37/2004); Z-Score hanya sinyal dini dari angka.

Sebelum bicara cara meramalnya, kita harus sepakat dulu apa yang kita ramalkan, karena di sini banyak mahasiswa keliru. Kesulitan keuangan atau financial distress bukan sekadar perusahaan rugi setahun; ia adalah kondisi di mana perusahaan mulai kesulitan memenuhi kewajiban kepada kreditor, misalnya arus kasnya tidak cukup membayar bunga, atau utang jatuh tempo menumpuk tanpa dana pelunasan. Kalau kondisi ini berlanjut, ujungnya adalah gagal bayar, dan di Indonesia penyelesaiannya diatur dalam Undang-Undang Nomor 37 Tahun 2004 tentang Kepailitan dan PKPU, di mana perkara diajukan ke Pengadilan Niaga. Yang ingin saya tegaskan: Z-Score tidak memutuskan sebuah perusahaan pailit — itu wewenang pengadilan; Z-Score hanya memberi sinyal dini dari angka laporan keuangan bahwa risiko menuju ke sana sedang tinggi. Jadi posisikan Z-Score sebagai alarm asap, bukan sebagai vonis hakim.

Ide Altman: Tarik Satu Garis Pemisah

Satu rasio saja sering tumpang-tindih antara perusahaan sehat dan sakit. Analisis diskriminan mencari kombinasi rasio terbaik agar kedua kelompok terpisah sejelas mungkin.

Z adalah penjumlahan tertimbang: tiap rasio dikalikan bobot (koefisien) yang ditemukan dari data, lalu dijumlahkan. Rasio yang lebih kuat memisahkan mendapat bobot lebih besar.

Inilah ide inti yang harus Anda pahami sebelum melihat rumusnya. Kalau Anda hanya melihat satu rasio, misalnya rasio lancar, Anda akan menemukan banyak perusahaan sehat dan sakit yang nilainya mirip — kedua kelompok tumpang-tindih sehingga sulit dibedakan. Analisis diskriminan adalah teknik statistik yang mencari kombinasi beberapa rasio sekaligus, lalu menimbangnya, sehingga ketika digabung menjadi satu skor, perusahaan sehat dan sakit menjadi terpisah sejelas mungkin oleh satu garis ambang. Bayangkan dua awan titik di papan yang awalnya bercampur; Altman menemukan sudut pandang — yaitu skor Z — yang membuat kedua awan itu rapi berjajar di sisi kiri dan kanan satu garis. Bobot atau koefisien tiap rasio bukan ditebak, melainkan dihitung dari data perusahaan riil, di mana rasio yang lebih ampuh memisahkan diberi bobot lebih besar; itulah mengapa nanti X3, yaitu EBIT terhadap total aset, mendapat bobot terbesar yaitu 3,3.

Dari Mana Angka 1,2 ; 1,4 ; 3,3 ; 0,6 ; 1,0 Berasal?

Bukan karangan. Altman (1968) menelitinya dari data nyata perusahaan manufaktur publik di AS.

Sampel

Data Nyata

Membandingkan kelompok perusahaan yang bangkrut vs yang sehat (manufaktur, tercatat publik) dalam rentang waktu serupa.

Metode

MDA

Multiple Discriminant Analysis

MDA — menyaring banyak rasio menjadi lima yang paling kuat memisahkan, sekaligus menemukan bobot optimalnya.

Hasil

Akurasi Tinggi

Akurasi prediksi tinggi untuk 1 tahun sebelum bangkrut; menurun untuk horizon lebih jauh (2–3 tahun).

Penting: model asli dikalibrasi untuk manufaktur publik AS, akhir 1960-an. Inilah akar semua keterbatasannya — konteks kalibrasi menentukan kapan model andal.

Sumber: Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance, 23(4), 589–609.

Pertanyaan yang sering muncul di kelas adalah: dari mana sih angka-angka aneh seperti 1,2 dan 3,3 itu, apakah Altman mengarangnya? Jawabannya tegas: tidak. Altman mengumpulkan data dua kelompok perusahaan manufaktur publik di Amerika Serikat — yang benar-benar bangkrut dan yang sehat — lalu menggunakan teknik statistik bernama Multiple Discriminant Analysis untuk menyaring puluhan kandidat rasio menjadi lima yang paling kuat memisahkan kedua kelompok, sekaligus menemukan bobot optimalnya. Hasilnya mengesankan: model itu memprediksi kebangkrutan satu tahun ke depan dengan akurasi tinggi, meski akurasinya menurun untuk prediksi yang lebih jauh seperti dua atau tiga tahun. Tetapi inilah yang harus Anda catat baik-baik dan akan kita tagih lagi di akhir pertemuan: model asli ini dikalibrasi khusus untuk manufaktur publik di Amerika akhir tahun enam puluhan. Konteks kalibrasi itulah akar dari semua keterbatasannya — itulah alasan mengapa kita tidak boleh sembarangan memakainya untuk bank Indonesia tahun 2026.

Bagian 2 dari 4

Lima Rasio Penyusun & Rumus Z

Mengenali X1 sampai X5 satu per satu, rumus Z asli, tiga zona cut-off, lalu data apa yang harus ditarik dari laporan keuangan.

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

Lima Rasio Penyusun Z-Score (X1–X5)

Tiap rasio menangkap satu dimensi kesehatan: likuiditas, akumulasi laba, profitabilitas operasi, solvabilitas, dan efisiensi aset.

Rasio	Definisi	Menangkap	Bobot (Z asli)
X1	Modal Kerja ÷ Total Aset	Likuiditas / cadangan jangka pendek	1,2
X2	Laba Ditahan ÷ Total Aset	Akumulasi laba & kemandirian finansial	1,4
X3	EBIT ÷ Total Aset	Profitabilitas operasi (daya hasil aset)	3,3
X4	Nilai Pasar Ekuitas ÷ Total Liabilitas	Solvabilitas / bantalan terhadap utang	0,6
X5	Penjualan ÷ Total Aset	Efisiensi penggunaan aset (turnover)	1,0

X3 dapat bobot terbesar (3,3) — daya hasil aset operasi paling kuat memisahkan sehat vs bangkrut. Pada model Z' (privat), X4 memakai nilai buku ekuitas, bukan nilai pasar.

Mari kita kenali kelima pemain ini, dan perhatikan bahwa masing-masing menangkap satu sisi kesehatan perusahaan yang berbeda. X1, modal kerja terhadap total aset, mengukur likuiditas — seberapa besar bantalan jangka pendek perusahaan; kalau modal kerjanya negatif, ini tanda bahaya yang akan kita lihat di contoh nanti. X2, laba ditahan terhadap total aset, mencerminkan seberapa banyak laba yang sudah diakumulasi perusahaan sepanjang hidupnya, sehingga perusahaan muda yang belum sempat menumpuk laba cenderung rendah di sini. X3, EBIT terhadap total aset, adalah profitabilitas operasi murni, dan inilah yang mendapat bobot terbesar yaitu 3,3 karena paling kuat membedakan sehat dari sakit. X4 membandingkan nilai pasar ekuitas dengan total liabilitas sebagai ukuran bantalan terhadap utang — dan catat baik-baik, model asli memakai nilai pasar, yaitu harga saham dikali jumlah saham, bukan nilai buku di neraca; inilah sumber kesalahan paling umum mahasiswa. X5, penjualan terhadap total aset, mengukur efisiensi aset, dan rasio inilah yang nanti akan jadi biang masalah ketika kita pakai model asli untuk perusahaan ritel yang turnover-nya secara alami tinggi.

Rumus Z-Score Asli (Manufaktur Publik)

Kalikan tiap rasio dengan bobotnya, lalu jumlahkan. Ini model asli 1968 untuk perusahaan manufaktur yang sahamnya tercatat publik.

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

Simbol	Kepanjangan	Sumber Data
X1 = WC/TA	Modal Kerja / Total Aset	Neraca
X2 = RE/TA	Laba Ditahan / Total Aset	Neraca
X3 = EBIT/TA	EBIT / Total Aset	Laba-Rugi & Neraca
X4 = MVE/TL	Nilai Pasar Ekuitas / Total Liabilitas	BEI × Neraca
X5 = Sales/TA	Penjualan / Total Aset	Laba-Rugi & Neraca

Catat: X4 memakai nilai pasar ekuitas (harga saham × jumlah saham) → model asli hanya bisa untuk perusahaan yang sahamnya diperdagangkan. Tak ada harga pasar → pakai varian Z' (Slide 16).

Inilah rumus yang akan kita pakai sepanjang sisa pertemuan, dan saya minta Anda menyalinnya dengan hati-hati karena setiap koefisien penting. Z sama dengan satu koma dua kali X1, ditambah satu koma empat kali X2, ditambah tiga koma tiga kali X3, ditambah nol koma enam kali X4, ditambah satu koma nol kali X5. Perhatikan bahwa rumus ini hanyalah penjumlahan tertimbang dari lima rasio yang baru saja kita kenali — tidak ada sihir, hanya mengalikan tiap rasio dengan bobotnya lalu menjumlahkan. Tetapi ada satu syarat pemakaian yang krusial dan paling sering dilanggar: X4 menggunakan nilai pasar ekuitas, yaitu harga saham dikali jumlah saham beredar, sehingga model asli ini hanya sah dipakai untuk perusahaan yang sahamnya benar-benar diperdagangkan di bursa. Kalau perusahaannya privat dan tidak punya harga pasar, Anda tidak boleh memaksakan model ini; Anda harus beralih ke varian Z' yang akan kita bahas, yang menggantikan nilai pasar dengan nilai buku.

Membaca Skor: Tiga Zona (Model Z Asli)

Setelah Z dihitung, tempatkan di salah satu dari tiga zona. Ini ambang untuk model asli:

Zona Aman

Z > 2,99

Risiko kebangkrutan rendah. Perusahaan dinilai sehat secara finansial berdasarkan model ini.

Zona Abu-Abu (Grey)

1,81–2,99

Zona ketidakpastian. Tak bisa disimpulkan tegas; perlu analisis tambahan & pemantauan berkelanjutan.

Zona Distress

Z < 1,81

Risiko kebangkrutan tinggi. Sinyal bahaya kuat — tindakan segera diperlukan.

Grey area itu fitur, bukan bug. Model jujur mengakui ada wilayah abu-abu di mana satu angka tak cukup. Jangan paksa kesimpulan hitam-putih dari skor di zona ini.

Setelah Anda mendapatkan angka Z, langkah berikutnya adalah memberinya arti dengan menempatkannya di salah satu dari tiga zona, dan untuk model asli ambangnya adalah sebagai berikut. Bila Z lebih dari dua koma sembilan sembilan, perusahaan masuk zona aman dengan risiko kebangkrutan rendah. Bila Z di bawah satu koma delapan satu, perusahaan masuk zona distress dengan sinyal bahaya yang kuat. Di antara keduanya ada zona abu-abu, dan saya ingin Anda menghargai keberadaan zona ini, bukan menganggapnya kelemahan: zona abu-abu adalah kejujuran model yang mengakui bahwa ada wilayah di mana satu angka saja tidak cukup untuk menyimpulkan. Banyak mahasiswa dan bahkan praktisi terburu-buru memaksakan kesimpulan hitam-putih dari skor yang sebenarnya berada di zona abu-abu; sikap yang benar adalah memandang skor grey sebagai panggilan untuk menganalisis lebih dalam dan memantau, bukan memvonis.

Coba Sendiri: Geser Lima Rasio, Lihat Zona Berubah

Geser slider X1 sampai X5 satu per satu dan amati bagaimana skor Z bergerak melewati batas aman, abu-abu, dan distress.

Mengidentifikasi & Menarik Data dari Laporan Keuangan

Sebelum menghitung, tahu dulu tiap angka diambil dari mana. Tiga sumber: neraca, laba-rugi, dan pasar saham.

Dari Neraca

Neraca

Aset lancar & liabilitas lancar (→ Modal Kerja X1)
Total aset (penyebut X1, X2, X3, X5)
Laba ditahan (X2)
Total liabilitas (penyebut X4)

Dari Laba-Rugi

L/R

EBIT = laba sebelum bunga & pajak (X3)
Penjualan / pendapatan (X5)
Cek: EBIT = laba usaha sebelum "beban keuangan" & pajak

Dari Pasar Saham

BEI

Nilai pasar ekuitas = harga saham × jumlah saham beredar (X4 model asli)
Sumber: idx.co.id, situs emiten

Tips Indonesia: laporan keuangan emiten tersedia gratis di idx.co.id & situs perusahaan; harga saham & jumlah saham beredar juga dari BEI. EBIT = laba usaha sebelum "beban keuangan/bunga" dan pajak penghasilan.

Banyak mahasiswa sebenarnya paham rumusnya tetapi tersesat saat mencari datanya, jadi slide ini saya buat khusus untuk itu. Sebagian besar angka berasal dari neraca: aset lancar dan liabilitas lancar untuk menghitung modal kerja di X1, total aset yang muncul sebagai penyebut di empat dari lima rasio, laba ditahan untuk X2, dan total liabilitas untuk X4. Dua angka lagi berasal dari laporan laba-rugi, yaitu EBIT untuk X3 dan penjualan untuk X5; ingat, EBIT adalah laba usaha sebelum dikurangi beban bunga dan pajak penghasilan, jadi Anda biasanya mengambil laba usaha lalu memastikan bunga belum dipotong. Satu angka terakhir, yaitu nilai pasar ekuitas untuk X4 model asli, tidak ada di laporan keuangan — Anda harus mengalikan harga saham dengan jumlah saham beredar, dan keduanya bisa Anda ambil dari Bursa Efek Indonesia. Kabar baiknya, untuk emiten Indonesia semua data ini tersedia gratis di situs idx.co.id dan situs resmi perusahaan, jadi Anda bisa melatih keterampilan ini dengan data nyata.

Bagian 3 dari 4

Merakit Z dari Nol & Varian Model

Dua hitung-dari-nol: rakit Z asli untuk manufaktur tertekan, lalu bandingkan Z asli vs Z'' untuk perusahaan non-manufaktur — dan saksikan kesimpulannya bisa berubah.

Hitung dari Nol — HDN-1: Lima Rasio PT Manufaktur Tbk

PT Manufaktur Tbk (emiten, sedang tertekan). Data ilustratif (Rp miliar): TA 1.000 · Aset Lancar 380 · Liabilitas Lancar 420 · Laba Ditahan 50 · EBIT 40 · Penjualan 700 · Total Liabilitas 720 · Nilai Pasar Ekuitas 300. Hitung X1–X5.

Langkah	Perhitungan	Nilai
Modal Kerja (WC)	Aset Lancar − Liabilitas Lancar = 380 − 420	−40 (negatif!)
X1 = WC / TA	−40 ÷ 1.000	−0,0400
X2 = RE / TA	50 ÷ 1.000	0,0500
X3 = EBIT / TA	40 ÷ 1.000	0,0400
X4 = MVE / TL	300 ÷ 720	0,4167
X5 = Sales / TA	700 ÷ 1.000	0,7000

Modal kerja negatif (−40) sudah jadi tanda bahaya: liabilitas lancar melebihi aset lancar — perusahaan kesulitan menutup kewajiban jangka pendek. X1 negatif akan menyeret Z turun.

Mari kita kerjakan kasus pertama dari nol sampai jadi, dan saya sengaja memilih perusahaan yang sedang tertekan supaya Anda melihat seperti apa angka perusahaan bermasalah. Langkah pertama selalu menghitung modal kerja, yaitu aset lancar dikurangi liabilitas lancar; di sini hasilnya minus empat puluh miliar, dan ini saja sudah merupakan lampu merah karena artinya utang jangka pendek perusahaan lebih besar daripada aset lancar yang bisa dicairkan untuk membayarnya. Setelah itu kita bagi tiap komponen dengan dasarnya: X1 menjadi minus nol koma nol empat karena modal kerjanya negatif, X2 nol koma nol lima dari laba ditahan yang tipis, X3 nol koma nol empat dari EBIT yang kecil, X4 nol koma empat satu enam tujuh dari perbandingan nilai pasar ekuitas terhadap utang, dan X5 nol koma tujuh dari penjualan terhadap aset. Perhatikan bahwa X1 yang negatif akan menarik skor Z ke bawah, dan inilah cara model menangkap masalah likuiditas. Di slide berikutnya kita rakit kelima rasio ini menjadi nilai Z dan kita simpulkan zonanya.

HDN-1 (lanjut): Rakit Z & Tentukan Zona

Kalikan tiap rasio dengan bobotnya, lalu jumlahkan:

Komponen	Perhitungan	Nilai
1,2 · X1	1,2 × (−0,0400)	−0,0480
1,4 · X2	1,4 × 0,0500	0,0700
3,3 · X3	3,3 × 0,0400	0,1320
0,6 · X4	0,6 × 0,4167	0,2500
1,0 · X5	1,0 × 0,7000	0,7000
Z (jumlahkan semua)		1,1040

Hasil Z

1,10

Z = 1,1040 < 1,81

ZONA DISTRESS
Risiko kebangkrutan tinggi. Penyumbang terbesar kelemahan: X1 negatif & X3 rendah (profitabilitas operasi lemah).

X1 negatif menarik Z ke bawah. X5 (0,70) membantu tetapi tidak cukup mengangkat skor.

Sekarang kita rakit kelima rasio tadi menjadi satu skor, dan caranya persis seperti rumus: kalikan tiap rasio dengan bobotnya lalu jumlahkan semuanya. Perhatikan kontribusi tiap komponen: satu koma dua kali X1 menghasilkan minus nol koma nol empat delapan karena X1 negatif, dan ini menarik skor turun seperti yang saya janjikan tadi. Komponen X5 menyumbang paling besar yaitu nol koma tujuh, tetapi itu tidak cukup untuk mengangkat skor karena rasio-rasio lain lemah. Ketika semuanya dijumlahkan, kita dapat Z sebesar satu koma satu nol empat nol, dan karena angka ini di bawah satu koma delapan satu, perusahaan masuk zona distress dengan risiko kebangkrutan tinggi. Inilah cara membaca hasilnya: Z-Score tidak hanya memberi angka, tetapi lewat kontribusi tiap komponen ia juga menunjukkan di mana letak masalahnya — di kasus ini, likuiditas yang minus dan profitabilitas operasi yang lemah.

Varian 1 — Z' untuk Perusahaan Privat (Tak Tercatat)

Masalah model asli: X4 butuh nilai pasar ekuitas. Perusahaan privat tak punya harga saham. Solusi Altman: ganti X4 jadi nilai buku ekuitas, lalu kalibrasi ulang koefisien.

Z' = 0,717·X1 + 0,847·X2 + 3,107·X3 + 0,420·X4 + 0,998·X5

Di sini X4 = nilai BUKU ekuitas ÷ total liabilitas. X1, X2, X3, X5 sama definisinya seperti model asli.

Aman

Z' > 2,90

Risiko rendah

Grey

1,23–2,90

Perlu pantau

Distress

Z' < 1,23

Risiko tinggi

Bukan hanya X4 yang berubah — seluruh koefisien dan ambang zona berbeda dari model asli. Jangan mencampur antarkomponen model yang berbeda.

Model asli punya satu keterbatasan praktis yang besar: ia membutuhkan nilai pasar ekuitas pada X4, padahal sebagian besar perusahaan di dunia, termasuk mayoritas perusahaan di Indonesia, adalah perusahaan privat yang sahamnya tidak diperdagangkan sehingga tidak punya harga pasar. Altman menyadari ini dan mengembangkan varian bernama Z aksen, di mana X4 diganti dari nilai pasar menjadi nilai buku ekuitas, yaitu total ekuitas yang tercatat di neraca. Tetapi perhatikan baik-baik: bukan hanya X4 yang berubah — karena definisinya berubah, seluruh koefisien dihitung ulang, sehingga bobotnya berbeda dari model asli, dan ambang zonanya pun bergeser menjadi dua koma sembilan puluh untuk aman dan satu koma dua tiga untuk distress. Pelajaran pentingnya: Anda tidak boleh mencampur — kalau pakai Z aksen, pakai koefisien Z aksen dan cut-off Z aksen secara konsisten, jangan menempelkan nilai buku ke rumus dan ambang model asli, karena itu kesalahan yang membuat kesimpulan jadi keliru.

Varian 2 — Z'' untuk Non-Manufaktur & Pasar Berkembang

Masalah lain: X5 (turnover) sangat berbeda antarindustri — ritel/jasa punya turnover tinggi, properti rendah. Solusi: buang X5, pakai empat rasio saja, kalibrasi ulang.

Z'' = 6,56·X1 + 3,26·X2 + 6,72·X3 + 1,05·X4

X4 = nilai buku ekuitas ÷ total liabilitas · tanpa X5. Cocok untuk perusahaan jasa, ritel, dan pasar berkembang seperti Indonesia.

Aman

Z'' > 2,60

Risiko rendah

Grey

1,10–2,60

Perlu pantau

Distress

Z'' < 1,10

Risiko tinggi

Z'' sering menjadi pilihan saat menganalisis emiten jasa atau ritel di BEI — karena koefisiennya tidak memasukkan bias turnover industri.

Varian kedua ini, yaitu Z dua aksen, lahir dari masalah yang berbeda tetapi sama pentingnya. Rasio X5, yaitu penjualan terhadap total aset, ternyata sangat bervariasi antarindustri: perusahaan ritel dan jasa secara alami punya turnover tinggi karena modelnya memutar barang cepat, sedangkan perusahaan properti atau infrastruktur punya turnover rendah karena asetnya besar dan berputar lambat. Karena X5 tidak bisa dibandingkan secara adil lintas industri, Altman membuang X5 sama sekali dan membangun model empat rasio yang dikalibrasi ulang, dengan koefisien yang jauh lebih besar yaitu enam koma lima enam, tiga koma dua enam, enam koma tujuh dua, dan satu koma nol lima. Model Z dua aksen ini dirancang untuk perusahaan non-manufaktur dan untuk pasar berkembang, sehingga sering menjadi pilihan ketika kita menganalisis emiten jasa atau ritel di Indonesia. Sekali lagi saya tekankan disiplin yang sama: kalau pakai Z dua aksen, gunakan koefisien dan ambangnya sendiri secara konsisten, jangan dicampur dengan model lain.

Hitung dari Nol — HDN-2: PT Ritel Tbk (Dua Model)

PT Ritel Tbk (emiten non-manufaktur). Data ilustratif (Rp miliar): TA 1.000 · Aset Lancar 320 · Liab. Lancar 570 · RE 60 · EBIT 40 · Penjualan 2.800 · TL 740 · MVE 481 · BVE (TA−TL) 260. Rasio bersama: X1=−0,2500 · X2=0,0600 · X3=0,0400 · X5=2,8000.

Item	Model Z Asli	Model Z'' (non-manuf., 4 variabel)
X4 dipakai	Pasar: 481 ÷ 740 = 0,6500	Buku: 260 ÷ 740 = 0,3514
Suku 1 (X1)	1,2 × (−0,2500) = −0,3000	6,56 × (−0,2500) = −1,6400
Suku 2 (X2)	1,4 × 0,0600 = 0,0840	3,26 × 0,0600 = 0,1956
Suku 3 (X3)	3,3 × 0,0400 = 0,1320	6,72 × 0,0400 = 0,2688
Suku 4 (X4)	0,6 × 0,6500 = 0,3900	1,05 × 0,3514 = 0,3690
Suku 5 (X5)	1,0 × 2,8000 = 2,8000	— (dibuang)
Skor	Z = 3,1060 → AMAN	Z'' = −0,8066 → DISTRESS

X5 ritel yang tinggi (2,80) mendongkrak Z asli sampai 2,80 poin sendirian — menyamarkan modal kerja yang sangat negatif (−250)! Z'' yang membuang X5 memberi gambaran jauh lebih jujur: −0,81 → DISTRESS, bukan aman.

Inilah contoh yang paling mencerahkan di seluruh pertemuan, jadi ikuti baik-baik. Kita ambil perusahaan ritel yang sahamnya tercatat, lalu kita hitung skornya dengan dua model sekaligus untuk membandingkan — dan perhatikan bahwa perusahaan ini punya modal kerja negatif (320 − 570 = −250), artinya liabilitas lancarnya melebihi aset lancar, yang sudah menjadi sinyal bahaya besar. Di model asli, perhatikan suku kelima: X5 sebesar dua koma delapan dikali bobot satu menyumbang dua koma delapan poin penuh sendirian, sehingga total Z menjadi tiga koma sebelas — masuk zona aman, seolah semua baik-baik saja meski modal kerjanya sangat negatif. Ketika kita pakai Z dua aksen yang membuang X5 dan memakai koefisien khusus non-manufaktur, hasilnya adalah minus nol koma delapan nol — jauh di bawah ambang distress 1,10, masuk zona distress. Kontras ini jauh lebih tajam dari yang kita bayangkan: model yang salah tidak hanya membuat kesimpulan bergeser satu zona, tetapi bisa membalik kesimpulan dari "aman" menjadi "distress" pada perusahaan yang sama persis — inilah inti pelajaran keandalan lintas industri yang akan kita tegaskan di slide berikutnya.

Pelajaran HDN-2: Model yang Berbeda → Kesimpulan yang Berbeda

Menurut Z Asli

3,11

Z = 3,1060 > 2,99 → AMAN

Kesan: perusahaan sehat, tak perlu khawatir — padahal modal kerjanya sangat negatif (−250)!

Menurut Z'' (Non-Manuf., 4 variabel)

−0,81

Z'' = −0,8066 < 1,10 → DISTRESS

Risiko kebangkrutan tinggi — modal kerja negatif tertangkap karena X5 tidak lagi mendominasi skor.

Perusahaan yang sama, kesimpulan berlawanan — bukan karena hitungnya salah, tetapi karena modelnya beda. Z asli memberi bobot besar pada turnover (X5) yang menyesatkan untuk ritel. Z'' yang membuang X5 mengungkap distress sesungguhnya.

Aturan praktis: cocokkan model dengan jenis perusahaan — manufaktur publik → Z asli; privat → Z'; jasa/ritel/emerging → Z'' (tanpa X5, tanpa konstanta, cut-off 2,60/1,10). Salah model = salah kesimpulan.

Slide ini adalah inti pesan moral hari ini, jadi saya minta perhatian penuh Anda. Perhatikan bahwa untuk perusahaan yang sama persis — sebuah ritel dengan modal kerja negatif dan turnover sangat tinggi — model asli menyimpulkan aman dengan skor tiga koma sebelas, sedangkan model Z dua aksen tanpa X5 menyimpulkan distress dengan skor minus nol koma delapan puluh — jauh di bawah ambang distress 1,10. Ini bukan karena salah satu hitungan kita keliru — keduanya benar secara aritmetika dengan masing-masing model dan rumusnya — melainkan karena kita memakai dua model yang berbeda untuk perusahaan yang sama. Model asli memberi bobot besar pada turnover lewat X5, dan untuk perusahaan ritel yang turnover-nya memang tinggi secara alami, kontribusi 2,80 poin dari X5 mendongkrak skor dan menyamarkan modal kerja yang sebenarnya sangat negatif; Z'' yang membuang X5 mengungkap masalah yang sesungguhnya. Pelajaran praktis yang harus Anda bawa pulang adalah ini: selalu cocokkan model dengan jenis perusahaannya — manufaktur publik pakai Z asli, perusahaan privat pakai Z aksen, dan perusahaan jasa, ritel, atau di pasar berkembang seperti Indonesia sebaiknya pakai Z dua aksen — karena memilih model yang salah bisa membalik kesimpulan dari "aman" menjadi "distress".

Bagian 4 dari 4

Keandalan Lintas Industri & Konteks Indonesia

Mengapa Z asli gagal untuk bank, contoh emiten tertekan di BEI, keterbatasan model, dan cara memakainya secara bertanggung jawab.

Mengapa Z-Score Tak Cocok untuk Bank & Lembaga Keuangan

Model Altman dikalibrasi untuk perusahaan manufaktur. Struktur neraca bank sangat berbeda, sehingga rasionya kehilangan makna.

Struktur Neraca Berbeda

Leverage Tinggi = Normal

Bank wajar punya liabilitas (simpanan nasabah) jauh lebih besar dari ekuitas — leverage tinggi adalah model bisnisnya, bukan tanda sakit. X4 bank jadi sangat rendah & menyesatkan.

Rasio Tak Bermakna

X1 & X5 Tak Relevan

Konsep "modal kerja" (X1) & "penjualan" (X5) tak relevan untuk bank — pendapatan bank = bunga & fee, bukan "penjualan barang". X1, X5 jadi angka tanpa arti.

Untuk bank di Indonesia, gunakan kerangka yang tepat — mis. analisis berbasis CAMELS / RBBR (regulasi OJK), rasio kecukupan modal (CAR), NPL, dan likuiditas perbankan — bukan Altman Z-Score model manufaktur.

Ini contoh keterbatasan yang paling penting dan paling relevan untuk Indonesia, mengingat bank-bank besar mendominasi Bursa Efek Indonesia. Model Altman dikalibrasi untuk perusahaan manufaktur, dan struktur neraca bank sama sekali berbeda dari manufaktur, sehingga rasio-rasio penyusunnya kehilangan makna. Bank, secara desain bisnisnya, punya liabilitas dalam bentuk simpanan nasabah yang jauh lebih besar daripada ekuitasnya — leverage tinggi itu adalah model bisnis bank yang sehat, bukan tanda penyakit; akibatnya rasio X4 bank akan terlihat sangat rendah dan menyesatkan kalau dimasukkan ke model Altman. Selain itu, konsep modal kerja pada X1 dan penjualan pada X5 nyaris tidak relevan untuk bank, karena pendapatan bank berasal dari bunga dan fee, bukan dari menjual barang. Karena itu, untuk menilai kesehatan bank di Indonesia, kita memakai kerangka yang memang dirancang untuk perbankan dan diatur OJK, seperti penilaian berbasis risiko dengan rasio kecukupan modal, kredit bermasalah, dan likuiditas — bukan Altman Z-Score versi manufaktur.

Konteks Indonesia: Z-Score & Emiten yang Pernah Tertekan

Sepanjang sejarah BEI, sejumlah emiten mengalami kesulitan keuangan berat hingga delisting atau masuk PKPU. Z-Score sering dipakai peneliti & analis untuk menelaah kasus-kasus ini — secara retrospektif (setelah fakta).

Pola yang Sering Terlihat

Sinyal Dini Bekerja

Pada emiten yang akhirnya tertekan, Z-Score (model yang sesuai) cenderung sudah berada di zona grey/distress beberapa periode sebelum masalah memuncak — bila modelnya tepat.

Tetapi Hati-Hati

Bukan Jaminan

Ada perusahaan distress yang akhirnya pulih, dan ada yang skornya "aman" tetapi jatuh karena fraud/peristiwa mendadak yang tak tertangkap rasio.

Catatan metode: angka Z emiten spesifik tidak ditampilkan di sini (nilai bergantung periode, model, & sumber data). Untuk riset nyata, tarik laporan keuangan dari idx.co.id, pilih model yang sesuai industri, lalu hitung sendiri.

Sekarang kita kaitkan dengan dunia nyata di Bursa Efek Indonesia, tetapi saya akan sangat berhati-hati dengan angka, dan saya ingin Anda meniru kehati-hatian ini. Sepanjang sejarah BEI memang ada sejumlah emiten yang mengalami kesulitan keuangan berat hingga sahamnya dihapus dari bursa atau masuk proses PKPU; nama-namanya bisa Anda temukan di pengumuman resmi BEI, tetapi saya sengaja tidak menampilkan nilai Z spesifik mereka di slide karena angka itu sangat bergantung pada periode, model yang dipakai, dan sumber datanya, sehingga mudah keliru kalau dikutip sembarangan. Pola umum yang sering ditemukan peneliti adalah bahwa pada emiten yang akhirnya tertekan, Z-Score dengan model yang sesuai cenderung sudah berada di zona abu-abu atau distress beberapa periode sebelum masalah memuncak, sehingga sinyal dininya memang bekerja bila modelnya tepat. Tetapi jangan menganggapnya jaminan: ada perusahaan yang skornya buruk lalu berhasil pulih, dan ada yang skornya tampak aman tetapi jatuh mendadak karena kecurangan atau guncangan yang tidak tertangkap rasio. Kalau Anda ingin meneliti kasus nyata untuk tugas, ambil sendiri laporan keuangannya dari idx.co.id, pilih model yang sesuai industrinya, lalu hitung — itu jauh lebih bernilai daripada mengutip angka yang belum Anda verifikasi.

Keterbatasan Model & Cara Memakainya dengan Benar

Jebakan 1 — Salah Model

Model ≠ Industri

Memakai koefisien/ambang model asli untuk perusahaan privat atau non-manufaktur.
→ Cocokkan model dengan industri.

Jebakan 2 — Data Salah

Definisi Keliru

Pakai laporan lama, atau X4 nilai buku padahal model asli minta nilai pasar.
→ Gunakan data terkini & definisi yang benar.

Jebakan 3 — Vonis Mutlak

Grey = Sinyal

Menyimpulkan "pasti bangkrut" dari satu skor grey.
→ Z = sinyal dini, bukan vonis; lengkapi dengan analisis lain.

Praktik baik: (1) pilih model sesuai industri & status (publik/privat); (2) hitung beberapa periode untuk lihat tren, bukan satu titik; (3) padukan dengan analisis rasio penuh, arus kas, & kualitas laba; (4) hormati zona grey.

Sebagai penutup analisis, mari kita rangkum jebakan-jebakan utama beserta cara menghindarinya, karena di sinilah Anda akan paling sering tergelincir di dunia nyata. Jebakan pertama dan paling umum adalah salah memilih model: memakai koefisien dan ambang model asli untuk perusahaan privat atau non-manufaktur, padahal masing-masing punya varian sendiri; obatnya sederhana, cocokkan model dengan jenis dan status perusahaan. Jebakan kedua adalah soal data: memakai laporan keuangan yang sudah usang, atau yang klasik, memasukkan nilai buku ekuitas ke model asli yang sebenarnya meminta nilai pasar; obatnya, gunakan data terkini dan patuhi definisi tiap rasio. Jebakan ketiga adalah memperlakukan satu skor sebagai vonis mutlak, misalnya menyatakan sebuah perusahaan pasti bangkrut hanya karena skornya berada di zona abu-abu; ingat selalu bahwa Z-Score adalah sinyal dini, bukan keputusan hukum. Praktik terbaiknya adalah menghitung Z untuk beberapa periode agar terlihat trennya, memadukannya dengan analisis rasio penuh, arus kas, dan kualitas laba, serta selalu menghormati zona abu-abu sebagai ajakan untuk menggali lebih dalam, bukan untuk berhenti berpikir.

Cheat Sheet — Tiga Model & Cut-off

Model	Untuk	Rumus	Aman / Grey / Distress
Z asli	Manufaktur publik	1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 1,0X5 (X4 = nilai pasar)	>2,99 / 1,81–2,99 / <1,81
Z'	Manufaktur privat	0,717X1 + 0,847X2 + 3,107X3 + 0,420X4 + 0,998X5 (X4 = nilai buku)	>2,90 / 1,23–2,90 / <1,23
Z''	Non-manufaktur / emerging market	6,56X1 + 3,26X2 + 6,72X3 + 1,05X4 (tanpa X5; X4 = nilai buku)	>2,60 / 1,10–2,60 / <1,10

Rasio (sama untuk semua): X1 = WC/TA · X2 = RE/TA · X3 = EBIT/TA · X4 = Ekuitas/TL · X5 = Sales/TA.
Beda model = beda koefisien & ambang — jangan dicampur!

Sumber: Altman (1968), Journal of Finance 23(4); Muharram (2021), Modul Praktikum ALK.

Slide ini adalah kartu contekan yang saya sarankan Anda foto dan hafalkan, karena merangkum seluruh pertemuan dalam satu pandangan. Ada tiga model yang harus Anda bedakan: Z asli untuk manufaktur publik dengan X4 nilai pasar, Z aksen untuk manufaktur privat dengan X4 nilai buku, dan Z dua aksen untuk non-manufaktur serta pasar berkembang yang membuang X5 sama sekali. Perhatikan bahwa definisi kelima rasionya sama untuk semua model — yang berbeda hanyalah koefisien, ambang zona, dan apakah X4 memakai nilai pasar atau buku. Pesan paling penting yang ingin saya ulang sekali lagi: jangan pernah mencampur komponen antarmodel, misalnya memakai koefisien model asli dengan ambang Z dua aksen, karena pencampuran itu adalah sumber kesalahan paling sering di ujian maupun di praktik. Kuasai tabel ini, dan Anda sudah memegang inti keterampilan pertemuan hari ini.

Latihan & Diskusi Kelas

Latihan — Hitung Sendiri (L1)

Perusahaan manufaktur publik (Rp miliar): TA 500 · Aset Lancar 200 · Liab. Lancar 120 · Laba Ditahan 90 · EBIT 65 · Penjualan 450 · Total Liab. 240 · Nilai Pasar Ekuitas 360.

Hitung Modal Kerja (WC)
Hitung X1, X2, X3, X4, X5
Rakit Z asli
Tentukan zona & jelaskan artinya

Kunci: Z = 2,6730 → ZONA GREY. Kerjakan dulu sendiri!

Diskusi Kelas

2 Pertanyaan

D1. Mengapa zona "grey" justru menunjukkan kejujuran model, bukan kelemahannya?

D2. Atasan meminta Anda menilai sebuah bank dengan Z-Score model manufaktur — apa yang Anda katakan, dan kerangka apa yang Anda usulkan?

Bawa kalkulator. Kerjakan L1 dulu sendiri sebelum lihat kunci — keterampilan ini sering keluar di UAS.

Sekarang giliran Anda yang bekerja, dan saya minta Anda mengerjakan latihan ini sendiri sebelum melihat kuncinya, karena di situlah pembelajaran sebenarnya terjadi. Latihan pertama meminta Anda menghitung kelima rasio sebuah perusahaan manufaktur publik lalu merakit Z asli dan menyimpulkan zonanya — persis seperti yang kita lakukan di HDN-1, jadi ikuti langkah yang sama dan jangan lupa modal kerja dihitung dari aset lancar dikurangi liabilitas lancar. Untuk diskusi, pertanyaan pertama menguji pemahaman konseptual Anda tentang mengapa zona abu-abu adalah kejujuran model dan bukan kelemahan, dan saya harap Anda bisa menjelaskannya dengan kalimat sendiri. Pertanyaan diskusi kedua adalah skenario praktik: bayangkan atasan Anda meminta menilai sebuah bank dengan Z-Score model manufaktur, dan tugas Anda adalah menjelaskan dengan sopan mengapa itu tidak tepat sekaligus mengusulkan kerangka yang benar. Latihan-latihan seperti ini sering muncul di ujian akhir, jadi manfaatkan kesempatan berlatih hari ini.

Rangkuman & Langkah Berikutnya

Hari ini Anda belajar mengubah laporan keuangan menjadi satu sinyal dini kebangkrutan — sekaligus bersikap kritis terhadap keandalannya.

Tiga Poin Kunci

Ingat Ini

(1) Z-Score = penjumlahan tertimbang 5 rasio (analisis diskriminan, Altman 1968)
(2) Tiga zona: aman / grey / distress — hormati zona abu-abu
(3) Pilih model sesuai industri: asli (manuf. publik) · Z' (privat) · Z'' (non-manuf.)

Tugas Mandiri

Praktik Nyata

Ambil 1 emiten non-bank dari idx.co.id, tarik laporan keuangannya, pilih model yang tepat, hitung Z untuk 2 periode, lalu nilai trennya. Bawa hasilnya ke kelas.

Z-Score adalah alarm asap, bukan vonis hakim. Dipakai pada perusahaan & model yang tepat, ia salah satu alat paling berguna dalam analisis laporan keuangan.

Kita sampai di penghujung pertemuan yang padat ini, dan saya harap Anda kini tidak hanya bisa menghitung Z-Score tetapi juga memahami kapan ia layak dipercaya. Tiga poin kunci yang harus Anda bawa pulang adalah: pertama, Z-Score adalah penjumlahan tertimbang dari lima rasio yang dirumuskan Altman pada tahun 1968 lewat analisis diskriminan; kedua, hasilnya dibaca melalui tiga zona yaitu aman, abu-abu, dan distress; dan ketiga, yang paling sering dilupakan, Anda harus memilih model yang sesuai dengan jenis perusahaannya. Tugas mandiri Anda adalah mengambil satu emiten non-bank dari idx.co.id, menghitung Z-Score-nya untuk dua periode dengan model yang tepat, lalu menilai trennya — karena tren jauh lebih informatif daripada satu angka tunggal. Ingat baik-baik analogi penutup ini: Z-Score adalah alarm asap, bukan vonis hakim; dipakai pada perusahaan dan model yang tepat, ia adalah salah satu alat paling berguna yang akan Anda andalkan sepanjang karier di bidang keuangan. Sampai jumpa di pertemuan berikutnya.