PERBANDINGAN KEAKURATAN MODEL MULTIPLE DISCRIMINANT ANALYSIS (MDA) DAN MODEL BINARY LOGIT DALAM MEMPREDIKSI KEBANGKRUTAN PADA PERUSAHAAN FOOD AND BEVERAGE YANG TERDAFTAR DI BURSA EFEK INDONESIA TAHUN 2010-2014

DJAWARA P, HELLMY (2016) PERBANDINGAN KEAKURATAN MODEL MULTIPLE DISCRIMINANT ANALYSIS (MDA) DAN MODEL BINARY LOGIT DALAM MEMPREDIKSI KEBANGKRUTAN PADA PERUSAHAAN FOOD AND BEVERAGE YANG TERDAFTAR DI BURSA EFEK INDONESIA TAHUN 2010-2014. Other thesis, UPN "Veteran" Yogyakarta.

Preview	Text Cover.pdf Download (215kB) | Preview
Preview	Text ABSTRAK.pdf Download (167kB) | Preview
Preview	Text DAFTAR ISI.pdf Download (175kB) | Preview
Preview	Text Lembar Pengesahan.pdf Download (242kB) | Preview

Abstract

Kebangkrutan merupakan masalah yang harus diperhitungkan dalam mengelola perusahaan, karena kebangkrutan bisa terjadi pada perusahaan besar maupun perusahaan kecil. Terdapat dua model terkenal yang dapat digunakan sebagai early warning dalam mengetahui kebangkrutan. Model yang sering digunakan adalah Multiple Discriminant Analysis (MDA) atau Altman Z-Score, dan model kedua adalah Binary Logit. Penelitian ini bertujuan untuk melihat model mana yang lebih akurat dan juga sebagai early warning. Penelitian ini menggunakan data sekunder yang diambil dari Bursa Efek Indonesia. Metode pengambilan sampel menggunakan Purposive Sampling dengan sampel perusahaan Food and Beverage sebanyak 13 perusahaan, dengan periode penelitian dari tahun 2010-2014. Kedua model diuji dengan cara masing-masing. Hasil penelitian ini menunjukkan bahwa model Logit memiliki tingkat keakuratan yang lebih tinggi dibandingkan model Altman dengan presentase sebesar 96,9%. Penelitian ini sejalan dengan penelitian Ohlson saat menggunakan logit dalam memprediksi kebangkrutan. Belum ada penelitian yang dapat memberikan hasil yang paling akurat tetapi kedua model ini dapat digunakan sebagai early warning. Kata kunci : Z-Score, Binary Logit, Kebangkrutan, Early Warning.

Item Type:	Thesis (Other)
Subjects:	H Social Sciences > HJ Public Finance
Divisions:	Faculty of Law, Arts and Social Sciences > School of Social Sciences
Depositing User:	Eny Suparny
Date Deposited:	29 Jul 2016 01:35
Last Modified:	29 Jul 2016 01:35
URI:	http://eprints.upnyk.ac.id/id/eprint/4933

Actions (login required)

View Item