You are on page 1of 34

Rasio Keuangan, Analisis Diskriminan dan Prediksi Corporate Kepailitan

Edward I. Altman
The Journal of Finance, Vol. 23, No. 4. (September 1968), hlm. 589-609.
URL yang stabil: http://links.jstor.org/sici?sici=0022-
1082%28196809%2923%3A4%3C589%3AFRDAAT%3E2.0.CO%3B2-R
The Journal of Finance saat ini diterbitkan oleh American Finance Asosiasi.
Penggunaan arsip JSTOR menunjukkan persetujuan Anda terhadap Syarat dan
Ketentuan Penggunaan JSTOR ini, tersedia di
http://www.jstor.org/about/terms.html. Syarat dan Ketentuan Penggunaan JSTOR
menyediakan, sebagian, bahwa kecuali jika Anda telah memperoleh izin, Anda
tidak mungkin men-download seluruh isu jurnal atau beberapa salinan dari artikel,
dan Anda dapat menggunakan konten dalam arsip JSTOR hanya untuk pribadi
Anda, non -penggunaan komersial.
Silahkan hubungi penerbit mengenai penggunaan lebih lanjut dari karya ini.
Informasi kontak penerbit dapat diperoleh di
http://www.jstor.org/journals/afina.html.
Setiap salinan dari setiap bagian dari transmisi JSTOR harus berisi pemberitahuan
hak cipta yang sama yang muncul pada layar atau halaman yang dicetak dari
transmisi tersebut.
JSTOR adalah independen tidak-untuk organisasi nirlaba yang didedikasikan
untuk melestarikan dan arsip digital jurnal ilmiah. Untuk informasi lebih lanjut
mengenai JSTOR, silahkan hubungi support@jstor.org.
http://www.jstor.org Sun 17 Jun 20:06:082007
Journal of FINANCE
VOL.XXIII September 1968 Nomor 4
RASIO KEUANGAN, ANALISIS DISKRIMINAN DAN PREDIKSI
KEBANGKRUTAN PERUSAHAAN
akademisi
TAMPAKNYA
akan bergerak ke arah penghapusan analisis rasio sebagai
teknik analisis dalam menilai kinerja perusahaan bisnis. Teori downgrade aturan
sewenang-wenang praktis, seperti anak compari- rasio perusahaan, banyak
digunakan oleh praktisi. Sejak serangan pada relevansi analisis rasio berasal dari
banyak anggota terhormat dari dunia ilmiah, apakah ini berarti bahwa analisis rasio
terbatas pada dunia "mur dan baut"? Atau, memiliki arti penting dari pendekatan
semacam itu telah unattractively berpakaian dan kedepan sana tidak adil cacat?
Bisakah kita menjembatani kesenjangan, daripada memutuskan hubungan, antara
rasio "analisis" tradisional dan memakai teknik statistik yang lebih ketat yang telah
menjadi populer di kalangan akademisi dalam beberapa tahun terakhir?
Tujuan dari makalah ini adalah untuk mencoba penilaian masalah ini-kualitas
analisis rasio sebagai teknik analitis. Prediksi kebangkrutan perusahaan digunakan
sebagai case.l ilustrasi Secara khusus, satu set rasio keuangan dan ekonomi akan
diselidiki dalam konteks prediksi kebangkrutan dimana metodologi statistik
diskriminan beberapa digunakan. Data yang digunakan dalam penelitian ini
terbatas pada perusahaan-perusahaan manufaktur.
Sebuah tinjauan singkat tentang pengembangan analisis rasio tradisional sebagai
suatu teknik untuk menyelidiki kinerja perusahaan disajikan dalam bagian I. Pada
bagian I1 kekurangan dari pendekatan ini dibahas dan beberapa analisis
diskriminan diperkenalkan dengan penekanan berpusat pada kompatibilitas dengan
rasio analisis dalam konteks prediksi kebangkrutan. Model diskriminan adalah oped
opment di bagian 111, di mana sampel awal enam puluh enam perusahaan
digunakan untuk membangun fungsi yang mendiskriminasikan terbaik antara
perusahaan dalam dua kelompok eksklusif sekutu mutu-: perusahaan bangkrut dan
non-bangkrut. Ulasan Bagian IV hasil empiris yang diperoleh dari sampel awal dan
beberapa prinsip keuangan sam- sekunder, yang terakhir yang dipilih untuk menguji
keandalan saran diskriminan *
Asisten dan Profesor komentar Keuangan, Keith New V. Smith, York Edward
University. F. Renshaw, Penulis mengakui membantu Lawrence S. Ritter dan
resensi Journal. Penelitian ini dilakukan sementara di bawah Bupati Fellowship di
Universitas California, Los Angeles.
1. Dalam penelitian ini kebangkrutan jangka akan, kecuali dinyatakan lain,
merujuk pada perusahaan-perusahaan yang secara hukum bangkrut dan baik
ditempatkan di kurator atau telah diberikan hak untuk kembali mengatur
berdasarkan ketentuan Kepailitan Nasional Undang-Undang.
590 The Journal of Finance
Model sebagai teknik prediktif. Pada bagian V adaptasi model untuk practi- situasi
pengambilan keputusan cal dan manfaat potensial dalam berbagai situasi yang
disarankan. Bagian terakhir merangkum temuan dan kesimpulan penelitian, dan
menilai peran dan pentingnya analisis rasio tradisional dalam konteks analisis
modern.
Deteksi operasi perusahaan dan kesulitan keuangan adalah subjek yang telah
sangat rentan terhadap analisis rasio keuangan. Sebelum pengembangan langkah-
langkah kuantitatif kinerja perusahaan, lembaga yang didirikan untuk memasok
jenis kualitatif informasi menilai kelayakan kredit dari mer tertentu ~ hants. ~ Studi
agregat Formal peduli dengan tanda-tanda kekuasaan kegagalan bisnis yang nyata
dalam tahun 1930-an. Sebuah penelitian di yang time3 dan beberapa yang
kemudian menyimpulkan bahwa gagal perusahaan menunjukkan pengukuran rasio
signifikan berbeda dari entitas melanjutkan. * Selain itu, studi lain prihatin dengan
rasio perusahaan aset-ukuran besar yang mengalami hubungan difficul- dalam
memenuhi kewajiban utang tetap mereka ^ . ^ sebuah studi baru-baru ini melibatkan
analisis rasio keuangan dalam conte kebangkrutan-prediksi ~ t. ~ pekerjaan terakhir
ini dibandingkan daftar rasio individual bagi perusahaan gagal dan sampel cocok
dari perusahaan non-gagal. Bukti yang diamati selama lima tahun sebelum
kegagalan dikutip sebagai yang meyakinkan bahwa analisis rasio dapat berguna
dalam prediksi kegagalan.
Studi tersebut menyiratkan potensi yang pasti rasio sebagai prediktor
kebangkrutan. Secara umum, rasio mengukur profitabilitas, likuiditas, dan
solvabilitas menang sebagai indikator yang paling signifikan. Urutan pentingnya
mereka tidak jelas karena hampir setiap studi yang dikutip rasio yang berbeda
sebagai indikasi yang paling efektif dari masalah yang akan datang.
Bagian sebelumnya mengutip beberapa penelitian yang ditujukan untuk analisis
kondisi perusahaan sebelum kesulitan keuangan. Meskipun karya-karya ini
didirikan generalisasi penting cer- tain mengenai kinerja dan tren pengukuran ular
partic-, adaptasi hasil mereka untuk menilai kebangkrutan
2. Misalnya, cikal bakal terkenal Dun & Bradstreet, Inc. diselenggarakan pada
tahun 1849 di Cincinnati , Ohio, dalam rangka memberikan investigasi kredit yang
independen. Untuk diskusi yang menarik dan informatif pada pengembangan
lembaga kredit dan langkah-langkah keuangan kinerja perusahaan lihat, Roy A.
Foulke, Analisis Laporan Keuangan Praktis, 5 Ed., (New York, McGraw-Hill,
1961).
3. RF Smith dan AH Winakor, Perubahan Struktur Keuangan Korporasi-
korporasi Unsziccessful. (University of Illinois: Biro Riset Bisnis, 1935).
4. Sebagai contoh, sebuah studi komprehensif yang mencakup lebih dari 900
perusahaan dibandingkan penghentian perusahaan dengan orang-orang terus, lihat
C. Merwin, Pembiayaan Korporasi Kecil (New York: Biro Eco nomic Research,
1942).
5. WB Hickman, Obligasi Korporasi Kualitas dan Zttvestor Pengalaman
(Princeton, NJ: Princeton University Press, 1958).
6. WH Beaver, "Rasio Keuangan sebagai Prediktor Kegagalan," Empiris
Penelitian itt Akuntansi, Studi Terpilih, 1966 (Institute of Professional Accounting,
Januari 1967), hlm. 71-111. Juga upaya baru-baru ini dibuat untuk berat rasio
sewenang-wenang, lihat M. Tamari, "Rasio Keuangan sebagai Sarana Peramalan
Kepailitan," Manajemen Internasional Review, Vol. 4 (1966), hlm. 15-21.
591 Rasio Keuangan danAnalisis Diskriminan
potensiperusahaan, baik secara teoritis dan praktis, adalah q ~ estionable. ~ Dalam
hampir setiap kasus, metodologi pada dasarnya univariat di alam dan penekanannya
adalah pada sinyal individu dari masalah yang akan datang. * Analisis rasio pra
sented dalam mode ini rentan terhadap interpretasi yang salah dan berpotensi
membingungkan. Misalnya, sebuah perusahaan dengan profitabilitas yang buruk
dan / atau merekam solvabilitas dapat dianggap sebagai potensi bangkrut. Namun,
karena likuiditas usia aver- di atas nya, situasi mungkin tidak dianggap serius.
Potensi biguity am- untuk kinerja relatif dari beberapa perusahaan jelas jelas. Inti
dari kekurangan yang melekat dalam analisis univariat terletak di dalamnya. Sebuah
ekstensi yang sesuai dari studi sebelumnya yang dikutip, oleh karena itu, adalah
untuk membangun temuan mereka dan untuk menggabungkan beberapa langkah
menjadi model dictive pra bermakna. Dengan demikian, yang menarik dari analisis
rasio sebagai teknik analisis akan ditekankan daripada diturunkan. Pertanyaannya
menjadi, yang rasio yang paling penting dalam mendeteksi potensi kebangkrutan,
apa yang harus dilampirkan bobot kepada mereka rasio yang dipilih, dan bagaimana
seharusnya bobot secara obyektif didirikan.
Setelah pertimbangan cermat dari sifat masalah dan tujuan kertas, analisis
diskriminan beberapa (MDA) terpilih sebagai teknik statistik yang sesuai.
Meskipun tidak sepopuler anal- regresi ysis, MDA telah digunakan dalam berbagai
disiplin ilmu sejak aplikasi pertama di tahun 1930-an.' Selama tahun-tahun
sebelumnya MDA digunakan terutama di hayati dan sciences.'O perilaku Baru-baru
ini metode ini telah berhasil diterapkan untuk masalah keuangan seperti
evaluationl1 kredit konsumen dan klasifikasi investasi. Misalnya di daerah terakhir,
Walter dimanfaatkan model MDA untuk mengklasifikasikan price earning tinggi
dan rendah perusahaan rasio, 12 dan Smith diterapkan teknik dalam klasifikasi
perusahaan ke categories.13 investasi standar
MDA adalah teknik statistik yang digunakan untuk mengklasifikasikan sebuah
pengamatan ke salah satu dari beberapa sebelum; pengelompokan tergantung pada
teristics charac- individu pengamatan ini. Hal ini digunakan terutama untuk
mengklasifikasikan dan / atau membuat prediksi di masalah
7. Pada titik kebangkrutan ini digunakan dalam arti yang paling umum, yang
berarti hanya kegagalan bisnis. 8. Pengecualian untuk generalisasi ini dicatat
dalam karya-karya di mana ada upaya untuk menekankan pentingnya kelompok
rasio sebagai indikasi kinerja secara keseluruhan. Misalnya, Foulke, op. cit, bab
XIV dan XV, dan A. Dinding dan RW Duning, Analisis Rasio Laporan resmi
dalam hal keuangan, (New York: Harper dan Row, 1928)., p. 159.
9. RA Fisher, "Penggunaan Beberapa Pengukuran di Taksonomi Masalah,"
Annals of Eugenics, No. 7 (September 1936), hlm. 179-188.
10. Untuk review yang komprehensif tentang menggunakan MDA melihat WG
Cochran, "Pada Kinerja Fungsi Linear Discriminant," Technometrics, vol. 6 (Mei,
1964), hlm. 179-190.
11. Karya perintis memanfaatkan MDA dalam konteks keuangan uras dilakukan
oleh Durand dalam mengevaluasi kelayakan kredit dari pemohon kredit mobil
bekas, lihat DD Durand, Elemen Risiko di Pembiayaan Cicilan Konsumen, Studi di
Pembiayaan Cicilan Konsumen (New York: National Bureau of Economic
penelitian, 1941), hlm. 105-142. Baru-baru ini, Myers dan Forgy dianalisis
beberapa teknik, termasuk MDA, dalam evaluasi pinjaman angsuran yang baik dan
buruk, lihat H. Myers dan EW Forgy, 'LDevelopment dari Numerical Kredit Sistem
Evaluasi," Journal of American statistik Association, vol. 50 ( September, 1963),
hlm. 797-806.
12. JE Walter, "A Fungsi diskriminan untuk Rasio Laba Harga besar Industri
cor- porations," Ulasan Ekonomi dan Statistik, vol. XLI (Februari 1959), hlm. 44 -
52.
13. KV Smith, Klasifikasi Securities Investasi Menggunakan MDA, Institut
Paper # I01 (Purdue University, Institut Riset Perilaku, Ekonomi, dan Manajemen
Ilmu, 1965).
The Journal of Finance
di mana variabel dependen muncul dalam kualitatif bentuk, misalnya, laki-laki atau
perempuan, bangkrut atau non-bangkrut. Oleh karena itu, langkah pertama adalah
untuk membangun klasifikasi kelompok eksplisit. jumlah kelompok asli dapat
menjadi dua atau lebih.
Setelah kelompok ditetapkan, data dikumpulkan untuk benda-benda di
kelompok; MDA kemudian mencoba untuk menurunkan kombinasi linear ini
istics karakter-yang "terbaik" mendiskriminasikan antara kelompok. Jika objek
tertentu, misalnya sebuah perusahaan, memiliki karakteristik (rasio keuangan)
yang dapat diukur untuk semua perusahaan dalam analisis, MDA menentukan satu
set koefisien diskriminan. Ketika koefisien ini diterapkan dengan rasio aktual,
dasar untuk klasifikasi ke dalam salah satu kelompok saling eksklusif ada. Teknik
MDA memiliki keuntungan mempertimbangkan seluruh profil karakteristik
umum untuk perusahaan yang relevan, serta interaksi sifat ini. Sebuah studi
univariat, di sisi lain, hanya dapat mempertimbangkan pengukuran yang
digunakan untuk tugas kelompok satu per satu. Keuntungan lain dari MDA adalah
pengurangan sionality, yaitu, dari jumlahruang analis dimen- berbeda independen
variabeluntuk G
-
1
dimensi (s), di mana G sama dengan jumlah asli sebelum; groups.14 Makalah ini
berkaitan dengan dua kelompok, yang terdiri dari perusahaan-perusahaan bangkrut
di satu sisi, dan perusahaan non-bangkrut di sisi lain. Oleh karena itu, analisis
adalah trans- bentuk dibentuk Z =
ke VI XI yang
paling sederhana + vs x2
+ bentuk:. . . +
Satu dimensi Vn. Xn
Fungsi diskriminan dari transformasi individu variabel nilai ke nilai diskriminan
tunggal atau nilai Z yang kemudian digunakan untuk mengklasifikasikan obyek
mana vl, va,. . v, = koefisien diskriminan
XI,
x2,
...
X,
= Variabel bebas MDA menghitung koefisien
diskriminan, vj, sedangkan variabel independen xj adalah nilai-nilai yang
sebenarnya
di mana, j = 1, 2,
...
n. Ketika memanfaatkan daftar lengkap
rasio keuangan dalam menilai potensi kebangkrutan suatu perusahaan ada alasan
untuk percaya bahwa beberapa pengukuran akan memiliki tingkat tinggi korelasi
atau collinearity dengan satu sama lain. Sementara aspek ini memerlukan
pemilihan hati-hati dari variabel prediktif (rasio), juga memiliki keuntungan
menghasilkan model dengan jumlah yang relatif kecil dari pengukuran yang
dipilih yang memiliki potensi untuk menyampaikan banyak informasi. Informasi
ini mungkin sangat baik menunjukkan perbedaan antara kelompok tetapi apakah
perbedaan ini signifikan dan bermakna adalah aspek portant lebih im- analisis.
Yang pasti, ada perbedaan antara perusahaan rupt bank- dan yang sehat; tetapi
perbedaan ini besarnya untuk memfasilitasi pengembangan model prediksi yang
akurat?
Mungkin keuntungan utama dari MDA dalam menangani lems klasifikasi
masalah.Safe_mode adalah potensi menganalisis seluruh variabel profil dari objek
secara bersamaan bukan secara berurutan memeriksa karakteristik individu.
14. Untuk rumusan perhitungan matematika yang terlibat dalam MDA, lihat JG
Bryan, '(The Generalized Discriminant Function, Matematika Yayasan &
Komputasi rutin,'' Harvard Educational Review, vol. XXI, tidak ada. 2 (Spring,
1951), pp . 90-95, dan CR Rao, Advanced Metode statistik di Biometric Reseclrch
(New York: John Wiley & Sons, Inc., 1952)di.
593 Rasio Keuangan dan Analisis Diskriminan
Sama seperti linear dan integer programming telah diperbaiki memakai teknik
tradisional ibukota budgeting15 pendekatan MDA analisis rasio tradisional
memiliki potensi untuk merumuskan masalah dengan benar. secara khusus, tions
combina- rasio dapat dianalisis bersama-sama dalam rangka untuk menghapus
kemungkinan ambiguitas dan misclassifications diamati dalam studi tradisional
sebelumnya.
Mengingat kualitas deskriptif di atas, teknik MDA terpilih sebagai yang paling
tepat untuk studi kebangkrutan. Sebuah hati-hati dirancang dan ditafsirkan
beberapa metodologi analisis regresi dibayangkan bisa digunakan dalam kasus dua
kelompok ini.
Pemilihan sampel. Sampel awal terdiri dari enam puluh enam perusahaan dengan
tiga puluh tiga perusahaan di masing-masing dua kelompok. Kelompok bangkrut
(1) adalah produsen yang mengajukan permohonan pailit di bawah Bab X dari
Undang-Undang Nasional Kepailitan selama periode 1946-1965." The berarti
ukuran aset perusahaan ini adalah $ 6,4 juta, dengan kisaran antara $ 0,7 juta dan
$ 25,9 juta . Menyadari bahwa kelompok ini tidak sepenuhnya homogen, karena
industri dan ukuran perbedaan, pilihan hati-hati perusahaan non-bangkrut dicoba.
kelompok 2 terdiri dari sampel berpasangan perusahaan manufaktur yang dipilih
secara acak fied strati-. perusahaan-perusahaan yang dikelompokkan berdasarkan
industri dan berdasarkan ukuran, dengan berbagai ukuran aset terbatas antara $ 1-
$ 25 million.ls perusahaan di Grup 2 masih eksis pada tahun 1966. Selain itu, data
yang dikumpulkan adalah dari tahun sama dengan yang disusun untuk perusahaan
bangkrut. untuk tes sampel awal, data yang berasal dari laporan keuangan satu
periode pelaporan sebelum bankruptcy.ls suatu hal yang penting adalah untuk
menentukan kelompok aset-ukuran untuk menjadi sampel. keputusan untuk
menghilangkan baik kecil perusahaan (di bawah $ 1 juta total aset) dan
perusahaan yang sangat besar dari sampel awal dasarnya adalah karena berbagai
aset perusahaan di Grup 1. Selain itu, kejadian kebangkrutan pada perusahaan
aset-ukuran besar sangat langka hari ini sedangkan tidak adanya data yang
komprehensif menegasikan representasi dari perusahaan kecil. Argumen yang
sering adalah bahwa rasio keuangan, dengan sifatnya, memiliki efek statistik
mengempis berdasarkan ukuran, dan karena itu banyak dari efek ukuran
dihilangkan. T o memilih Grup 1 perusahaan dalam berbagai ukuran terbatas tidak
layak, sementara memilih perusahaan untuk Grup 2 secara acak tampak bijaksana.
Namun, tes berikutnya untuk sampel asli tidak menggunakan ukuran sebagai
sarana stratifikasi ''Masalah,.
15. HM Weingartner, Pemrograman Matematika dan Analisis Capital
Budgeting, Penganggaran (Englewood Cliffs, New Jersey: Prentice-Hall, 1963) .
16. Pemilihan periode dua puluh tahun bukanlah prosedur terbaik sejak rasio
rata jangan bergeser dari waktu ke waktu. Idealnya prediksi tentang kita akan
lebih suka perusahaan lain untuk memeriksa daftar periode berikut t
(+rasio1). di Sayangnya periode waktu t untuk membuatnya tidak mungkin untuk
melakukan hal ini karena keterbatasan data. Namun, jumlah kebangkrutan yang
kurang merata selama periode dua puluh tahun baik di asli dan sampel sekunder.
17. berarti ukuran aset perusahaan di Grup 2 ($ 9,6 juta) sedikit lebih besar dari
Grup 1, namun cocok ukuran aset yang tepat dari kedua kelompok tampaknya
tidak perlu.
18. Data itu berasal dari Moody Manual Industri dan dipilih Laporan Tahunan.
Lead time rata-rata laporan finanaal adalah sekitar tujuh dan satu-setengah bulan
sebelum kebangkrutan.
19. Salah satu tes ini induded hanya perusahaan-perusahaan yang mengalami
kerugian operasi (sampel sekunder perusahaan non-bangkrut).
594 The JournaE Keuangan
Setelah kelompok awal didefinisikan dan perusahaan yang dipilih, neraca dan
laporan laba rugi data dikumpulkan. Karena jumlah besar variabel ditemukan
indikator signifikan dari masalah korporasi dalam studi masa lalu, daftar dua puluh
dua variabel berpotensi membantu (rasio) dikompilasi untuk evaluasi. Variabel
diklasifikasikan ke dalam lima kategori rasio standar, termasuk ity liquid,
profitabilitas, leverage, solvabilitas, dan rasio aktivitas. Rasio dipilih atas dasar
mereka 1) popularitas dalam literatur:' 2) potensi relevansi penelitian, dan beberapa
"New7' rasio dimulai dalam makalah inilakukan.
Dari daftar asli dari variabel, lima variabel yang dipilih sebagai yang terbaik
secara keseluruhan pekerjaan bersama-sama dalam prediksi bankr perusahaan ~
ptcy ~' dalam rangka untuk sampai pada profil akhir dari variabel prosedur berikut
dimanfaatkan:. (1) Pengamatan signifikansi statistik dari berbagai fungsi alternatif
termasuk penentuan kontribusi relatif masing-masing variabel independen; (2)
evaluasi antar-korelasi antara variabel yang relevan; (3) pengamatan akurasi
prediksi dari berbagai profil,., dan (4) penghakiman ment analis
variabel profil akhirnya didirikan lakukan tidak mengandung variabel yang
paling signifikan, antara dua puluh dua yang asli, diukur secara independen. ini
tidak akan selalu meningkatkan pada univariat, de- analisis tradisional jelaskan
sebelumnya. contr The ibution dari seluruh profil dievaluasi, dan karena proses ini
pada dasarnya berulang, tidak ada klaim mengenai optimalitas fungsi diskriminan
yang dihasilkan. Fungsi, bagaimanapun, melakukan pekerjaan terbaik di antara
alternatif yang meliputi berbagai komputer berjalan menganalisis ent berbeda-
mana (I) rasio-profil. Xz & = Market X5 = XI X3 = Laba Z = .012X1 + Final .014Xz
diskriminan +
fungsi adalah sebagai berikut: .033X3
+ Z = Kerja = modal Saldo / Jumlah Laba / Jumlah
sebelum nilai kepemilikan saham / Buku = Penjualan / Jumlah KeseluruhanIndeks
aset
.006X4
+
.999X5 aset
aset dan pajak / totalaset
nilaidari total utang
XI-Modal Kerja / Jumlah aktiva. Rasio modal / Jumlah aset Bekerja, sering
ditemukan dalam studi masalah perusahaan, adalah ukuran dari aset likuid bersih
relatif perusahaan terhadap total kapitalisasi. Modal kerja didefinisikan sebagai
perbedaan antara aset lancar dan kewajiban lancar. Likuiditas dan ukuran
karakteristik secara eksplisit dipertimbangkan. Biasanya, sebuah perusahaan
mengalami kerugian operasi yang konsisten akan menyusut aktiva lancar dalam
kaitannya dengan total aset. Dari tiga rasio likuiditas dievaluasi, yang satu ini
terbukti menjadi yang paling Inklusi valuable.22 dari variabel ini konsisten dengan
studi Merwin yang
20. Studi Beaver (DTED sebelumnya) menyimpulkan bahwa arus kas untuk rasio
utang adalah yang terbaik tunggal rasio prediktor. Rasio ini tidak dianggap di sini
karena kurangnya Ance tampil lagi konsisten data penyusutan yang tepat. Hasil
yang diperoleh, bagaimanapun (lihat bagian IV), lebih unggul hasil Beaver dicapai
dengan rasio terbaik single, lihat Beaver, op. cit., hlm. 89.
21. Program Komputer MD.4 digunakan dalam penelitian ini dikembangkan oleh
W. Cooley dan P. Lohnes. Data diatur dalam format diblokir; perusahaan bangkrut
Data pertama diikuti oleh perusahaan-perusahaan non bangkrut.
22. Dua rasio likuiditas lainnya adalah rasio lancar dan rasio cepat. Modal /
Jumlah rasio aset Bekerja menunjukkan signifikansi statistik yang lebih besar baik
pada udvariate dan dasar variate multi.
595 Rasio Keuangan dan Analisis Diskriminan
dinilai modal kerja bersih terhadap total rasio aset sebagai indikator terbaik dari
ulti- pasangan discontin ~ Ance. ~~
XpRetained Laba / Jumlah Assets.24 ini ukuran bility profita- kumulatif dari
waktu ke waktu dikutip sebelumnya sebagai salah satu "baru" rasio. Usia dari suatu
perusahaan secara implisit dipertimbangkan dalam rasio ini. Sebagai contoh,
sebuah perusahaan yang relatif muda mungkin akan menunjukkan rasio RE / TA
rendah karena belum memiliki waktu untuk membangun keuntungan kumulatif
nya. Oleh karena itu, dapat dikatakan bahwa perusahaan muda kadang apa yang
didiskriminasi dalam analisis ini, dan kesempatan nya yang diklasifikasikan sebagai
bangkrut relatif lebih tinggi dari yang lain, perusahaan yang lebih tua, ceteris
paribus. Tapi, ini justru situasi di dunia nyata. Insiden kegagalan jauh lebih tinggi
di awal ~ telinga perusahaan. 2 ~
X3-Laba Sebelum Bunga dan Pajak / Jumlah Aktiva. Rasio ini calcu- lated
dengan membagi total aset dari suatu perusahaan ke dalam laba sebelum bunga dan
pajak pengurangan. Pada intinya, itu adalah ukuran dari produktivitas sebenarnya
dari aset perusahaan, abstrak dari pajak atau pengaruh faktor. Sejak keberadaan
utama suatu perusahaan didasarkan pada kekuatan pendapatan dari aset, rasio ini
tampaknya sangat cocok untuk studi berurusan dengan kegagalan perusahaan.
Lebih jauh, kepailitan dalam arti kebangkrutan terjadi ketika jumlah kewajiban
melebihi penilaian wajar dari aset perusahaan dengan nilai yang ditentukan oleh
kekuatan pendapatan dari aset.
Nilai X4-Pasar Ekuitas / Nilai Buku Total Utang. Ekuitas diukur dengan nilai
pasar gabungan dari semua saham, disukai dan umum, sementara utang meliputi
saat ini dan jangka panjang. Mengukur menunjukkan berapa banyak aset
perusahaan dapat penurunan nilai (diukur dengan nilai pasar ekuitas ditambah
utang) sebelum kewajiban melebihi aset dan perusahaan menjadi bangkrut. Sebagai
contoh, sebuah perusahaan dengan nilai pasar ekuitas sebesar $ 1.000 dan utang
dari $ 500 bisa mengalami penurunan dua pertiga nilai aset sebelum kebangkrutan.
Namun, perusahaan yang sama dengan $ 250 dalam ekuitas akan bangkrut jika
penurunannya hanya sepertiga nilai. Rasio ini menambahkan dimensi nilai pasar
yang studi kegagalan lainnya tidak c0nsider.2 ~ Ini juga tampaknya menjadi
prediktor yang lebih efektif kebangkrutan daripada yang sama, rasio lebih umum
digunakan: Kekayaan bersih / Total utang (nilai buku).
Xa-Penjualan / Total Aktiva. Rasio modal turnover adalah rasio keuangan standar
yang menggambarkan kemampuan menghasilkan penjualan aset perusahaan. Ini
merupakan salah satu ukuran dari kemampuan manajemen dalam menangani
kondisi yang kompetitif. Rasio akhir ini cukup penting karena, seperti yang
ditunjukkan di bawah ini, itu adalah yang paling
23. Merwin, op. cit., hlm. 99. 24. Laba Ditahan adalah akun yang melaporkan
jumlah total pendapatan dan / atau kerugian dari suatu perusahaan diinvestasikan
kembali atas seluruh hidupnya. Akun tersebut juga disebut sebagai Memperoleh
Surplus. Perlu dicatat bahwa akun Saldo Laba dikenakan manipulasi melalui
perusahaan kuasi-reorga- & negosiasi dan deklarasi dividen saham. Sementara
kejadian ini tidak jelas dalam penelitian ini dapat dibayangkan bahwa bias akan
dibuat oleh reorganisasi substansial atau dividen saham.
25. Pada tahun 1965, lebih dari 50 persen dari semua perusahaan manufaktur yang
gagal melakukannya dalam lima tahun pertama keberadaan mereka. Lebih dari 31
persen gagal dalam waktu tiga tahun. Statistik diambil dari Kegagalan Record,
Melalui 1965 (New York: Dun & Bradstreet, Inc., 1966), p. 10.
26. Kebalikan dari X4 adalah rasio Debt / Equity akrab sering digunakan sebagai
ukuran leverage keuangan. X4 adalah versi modifikasi dari salah satu variabel yang
digunakan secara efektif oleh Fisher dalam sebuah studi dari perbedaan suku bunga
obligasi korporasi, lihat Lawrence Fisher, '' Penentu Obligasi Korporasi minyak
Premi Risiko," Journal of Political Economy, LXVII, No. 3 (Juni 1959), hlm. 217-
237.
596 The Journal of Finance
rasio yang signifikan secara individual. Bahkan, berdasarkan statistik ukuran
signifi- cance, itu tidak akan muncul sama sekali. Namun, karena bentuknya yang
unik hubungan dengan variabel lain dalam model, Penjualan / Jumlah rasio aset
peringkat kedua di kontribusinya terhadap kemampuan membedakan secara
keseluruhan model.
untuk menguji individu kemampuan membedakan dari variabel, "F" test
dilakukan. tes ini menghubungkan selisih antara nilai rata-rata rasio di setiap
kelompok untuk variabilitas (atau menyebar) dari nilai-nilai dari rasio masing-
masing kelompok. Variabel berarti satu laporan keuangan sebelum kebangkrutan
dan mengakibatkan "F" statistik disajikan i n Tabel 1.
Tabel 1 VARIABEL SARANA
DAN

UJI
SIGNIFIKANSI
Variable Bangkrut Non-Bangkrut
Grup Rata Grup Berarti F Ratio
*
Signifikan pada tingkat 0,001.
F1,60 (0,001) F1,60 (0,01) F1,60 (0,05)
===
12.00
4.00 7.00
Variabel XI melalui
X4
semua signifikan pada tingkat 0,001, menunjukkan
mantan-perbedaan tremely signifikan dalam variabel-variabel ini antara
kelompok.variabel
X5tidak
menunjukkan perbedaan yang signifikan antara kelompok dan alasan untuk
dimasukkan dalam profil variabel tidak jelas belum. Pada tingkat ketat univariat,
semua rasio menunjukkan nilai yang lebih tinggi untuk perusahaan-perusahaan
non-bangkrut. Juga, koefisien diskriminan persamaan (I) menampilkan tanda-tanda
positif, yang merupakan apa yang diharapkan. Oleh karena itu, semakin besar suatu
perusahaan potensial kebangkrutan, semakin rendah skor diskriminan nya.
Salah satu teknik yang berguna dalam mencapai variabel profil terakhir adalah
untuk menentukan kontribusi relatif dari masing-masing variabel terhadap total
kekuatan diskriminatif fungsi, dan interaksi di antara mereka. Statistik yang relevan
yang diamati sebagai vektor skala yang dihitung dengan mengalikan elemen yang
sesuai dengan akar kuadrat dari elemen-elemen diagonal dari matrix.27 varians-co-
variance Karena unit pengukuran variabel yang sebenarnya tidak semua sebanding
dengan masing-masing lainnya, pengamatan sederhana dari koefisien diskriminan
menyesatkan. Koefisien yang disesuaikan ditunjukkan pada Tabel 2
memungkinkan kita untuk mengevaluasi kontribusi setiap variabel ini secara relatif.
Vektor yang skala menunjukkan bahwa kontributor besar untuk pemisahan
kelompok
27. Misalnya, akar kuadrat dari angka yang tepat varians-kovarians (standar
deviasi) untuk XI adalah sekitar 275 dan ketika dikalikan dengan koefisien variabel
ini (0,012) menghasilkan skala vektor 3,29.
597 Rasio Keuangan dan Analisis diskriminan
dari fungsi diskriminan yang Xg, X5, dan X4, masing-masing. Rasio profitabilitas
memberikan kontribusi yang paling, yang tidak mengejutkan bila kita
menganggap bahwa kejadian kebangkrutan pada sebuah perusahaan yang
mendapatkan keuntungan hampir nihil. Apa yang mengejutkan, bagaimanapun,
adalah kontribusi kedua tertinggi X5 (Sales / Total aktiva). Mengingat bahwa
rasio ini tidak signifikan secara univariat, konteks multivariat bertanggung jawab
untuk menerangi pentingnya X5.28 Alasan kemungkinan untuk hasil yang tak
terduga ini korelasi negatif yang tinggi (--78) kita amati antara X3 dan X5 di
kebangkrutan kelompok. Korelasi negatif juga tampak jelas dalam sampel
kelompok bangkrut berikutnya.
TABEL 2 RELATIVECONTRIBUTION
DARI
VARIABEL -
Variabel Scaled Vector Ranking
Dalam evaluasi terbaru dari fungsi diskriminan, Cochran menyimpulkan bahwa
sebagian besar korelasi antara variabel dalam studi masa lalu yang positif dan
bahwa, oleh dan besar, korelasi negatif lebih bermanfaat daripada korelasi positif
dalam menambah informasi baru ke function.29 logika di balik korelasi negatif
yang tinggi pada kelompok bangkrut adalah bahwa sebagai perusahaan menderita
kerugian dan memburuk menuju kegagalan, aset mereka tidak diganti sebanyak di
kali lebih sehat, dan juga kerugian kumulatif telah lanjut mengurangi ukuran aset
melalui debet ke Saldo Laba. Pengurangan ukuran aset tampaknya mendominasi
pergerakan penjualan.
Sebuah argumen yang berbeda, tapi satu belum tentu konsisten dengan di atas,
menyangkut rasio mirip dengan X5, Penjualan Bersih untuk Berwujud Net Worth.
Jika rasio terakhir adalah berlebihan perusahaan sering disebut sebagai risiko kredit
yang buruk karena modal efisien insuffi- untuk mendukung penjualan. Perusahaan
dengan penjualan rata-rata sedang atau bahkan di bawah menghasilkan lebih rendah
(perputaran aktiva yang rendah, X5) mungkin sangat baik memiliki sebuah
Penjualan Bersih / Net Worth rasio sangat tinggi jika Net Worth telah berkurang
secara substansial karena kerugian operasi kumulatif. Rasio ini, dan rasio kekayaan
bersih lainnya, tidak dipertimbangkan dalam kertas karena kesulitan komputasi dan
interpretatif yang timbul ketika negatif total kekayaan bersih yang hadir.
Hal ini jelas bahwa empat dari lima variabel menampilkan perbedaan yang
signifikan be- kelompok tween, tetapi pentingnya MDA adalah kemampuannya
untuk memisahkan kelompok menggunakan langkah-langkah multivariat. Sebuah
tes untuk menentukan kekuatan diskriminatif keseluruhan model adalah F-nilai
umum yang merupakan rasio dari jumlah-of-kotak
28. Untuk diskusi yang sangat baik tentang bagaimana variabel yang tampaknya
tidak signifikan secara univariat dapat menyediakan informasi penting dalam
multivariate context see, WW Cooley and PR Lohnes Multivariate Procedures for
the Behavioral Sciences (New York: John Wiey and Sons, Inc., 1962), p. 121.
29. Cochran, op. n't., p. 182.
598 The Journal of Finance
antara-kelompok ke dalam kelompok-jumlah-of-kotak. Ketika rasio ini formulir,
CJ
mana
g=1p=l
GN, g
= Jumlah kelompok
... y ,, = =
= Firm pg Nomor Group, g =
1 perusahaan di dalam kelompok g,p G
kelompok= 1 y, y = Kelompok =
Keseluruhan berarti sampel (centroid)
berarti.
g.
.Ng
dimaksimalkan, ia memiliki efek penyebaran sarana (centroid) dari kelompok G
terpisah dan, secara bersamaan, mengurangi dispersi dari titik-titik individu (nilai-
nilai perusahaan Z, y ,,) tentang kelompok mereka masing-masing berarti. Secara
logika, tes ini (biasa disebut dengan "F" test) adalah tepat karena salah satu tujuan
dari MDA adalah untuk mengidentifikasi dan memanfaatkan variabel yang terbaik
membedakan antara kelompok dan yang paling mirip dalam kelompok.
Kelompok ini berarti, atau centroid, dari sampel dua kelompok asli dari bentuk
adalah
Kelompok Kelompok 2 1 = = -0,29 5,02 F F5,60 = 20,7
(0,01) =
3,34
Oleh karena itu uji signifikansi menolak hipotesis nol bahwa tions observa-
berasal dari populasi yang sama. Dengan kesimpulan bahwa kelompok priori
berbeda secara signifikan, analisis diskriminatif lanjut adalah mungkin.
Setelah nilai-nilai koefisien diskriminan diperkirakan, adalah mungkin untuk
menghitung skor diskriminan untuk setiap pengamatan dalam sampel, atau
perusahaan apapun, dan untuk menetapkan pengamatan ke salah satu kelompok
berdasarkan skor ini. Inti dari prosedur ini adalah untuk membandingkan profil dari
sebuah perusahaan individu dengan yang dari pengelompokan alternatif. Dengan
cara ini perusahaan ditugaskan untuk kelompok itu paling menyerupai.
Perbandingan diukur dengan nilai chi-square dan tugas yang dibuat berdasarkan
kedekatan relatif dari nilai perusahaan untuk berbagai centroid kelompok.
IV. EMPIRICALRESULTS Pada awalnya, mungkin akan
membantu untuk menggambarkan format untuk mempresentasikan hasil.t
(akurasi-matrix"
. Dalam multi-kelompok Kasus grafik, diatur hasil up seperti berikut:
ditampilkan dalam grafik klasifikasi atau
599 Rasio Keuangan dan Analisis Diskriminan
Prediksi Grup Keanggotaan ActuaI
Grup
Keanggotaan Bangkrut Non-Bangkrut Bangkrut H MI Non -Bankrupt M2 H
keanggotaan grup sebenarnya adalah setara dengan apriori pengelompokan dan
model mencoba untuk mengklasifikasikan dengan benar perusahaan-perusahaan
ini. pada tahap ini, model ini pada dasarnya jelas. Ketika perusahaan baru
diklasifikasikan, sifat dari model ini adalah prediktif.
The H7S berdiri untuk klasifikasi yang benar (Hits) dan stand M untuk klasifikasi
mis-(Dilarang). MI merupakan kesalahan Tipe I dan Mz kesalahan Jenis I1. jumlah
elemen diagonal sama dengan total yang benar "hits," dan ketika dibagi ke dalam
jumlah total perusahaan diklasifikasikan (enam puluh enam dalam kasus sampel
awal), menghasilkan ukuran keberhasilan dari MDA di perusahaan
mengklasifikasikan, yaitu persen dari perusahaan diklasifikasikan dengan benar.
persentase ini analog dengan koefisien determinasi (R2) dalam analisis regresi,
yang mengukur persen dari variasi variabel dependen dijelaskan oleh variabel
secara bebas.
Kriteria final yang digunakan untuk membangun model terbaik adalah untuk
mengamati cabul-tuduhannya dalam memprediksi kebangkrutan. Serangkaian
enam tes dilakukan.
(I) Contoh Awal (Group 1). Sampel awal dari 33 perusahaan di masing-masing
dua kelompok diperiksa menggunakan data satu laporan keuangan sebelum
kebangkrutan. Karena koefisien diskriminan dan distribusi kelompok yang berasal
dari sampel ini, tingkat tinggi klasifikasi sukses yang diharapkan. Ini harus terjadi
karena perusahaan diklasifikasikan menggunakan fungsi diskriminan yang, pada
kenyataannya, didasarkan pada pengukuran individu dari perusahaan yang sama.
Klasifikasi matriks untuk sampel awal adalah sebagai berikut:
Prediksi Grup Aktual 1 Kelompok 2
Kelompok 1 3 1 2
Kelompok 2 1 32
Jumlah Persen Persen
Benar Benar Kesalahan n
- Tipe I 31 94 6 33 Jenis I1 32 97 3 33 Jumlah 63 95 5 66
Model ini sangat akurat dalam mengklasifikasikan 95 persen dari total sampel
dengan benar. Tipe I error terbukti hanya 6 persen, sedangkan kesalahan Tipe II
bahkan lebih baik pada 3 persen. Hasilnya, oleh karena itu, mendorong, tetapi bias
ke atas yang jelas harus disimpan dalam pikiran dan teknik validasi lebih lanjut
sesuai.
(2) Hasil Dua Tahun Sebelum Kepailitan. Tes kedua dibuat untuk mengamati
kemampuan membedakan dari model untuk perusahaan yang menggunakan data
dari dua
600 The Journal of Finance
tahun sebelum kebangkrutan. Jangka waktu dua tahun adalah berlebihan karena
lead time rata-rata untuk perusahaan diklasifikasikan dengan benar adalah
appoximately dua puluh bulan dengan dua perusahaan memiliki memimpin tiga
belas bulan. Hasilnya:
Prediksi Grup 1 Grup 2 (Bangkrut) Kelompok 1 23 9(rTon-Bangkrut?)
Grup 2 2 31
Jumlah Persen Persen Benar Kesalahan Benar -
n Type I 23 72 28 32 Jenis I1 31 94 6 33 Jumlah 5483 17 65
penurunan akurasi klasifikasi kelompok ini dapat dimengerti karena akan terjadinya
kebangkrutan lebih jauh dan indikasi yang kurang jelas. Pernah- theless, 72 persen
tugas yang benar adalah bukti bahwa kebangkrutan dapat diprediksi dua tahun
sebelum acara. Kesalahan I1 Jenis sedikit lebih besar (6 persen vs 3 persen) dalam
tes ini tapi masih sangat akurat. Tes lebih lanjut akan diterapkan bawah untuk
menentukan keakuratan memprediksi kebangkrutan sebanyak lima tahun sebelum
acara yang sebenarnya.
(3) Potensi Bias dan Validasi Teknik. Ketika perusahaan yang digunakan untuk
menentukan koefisien diskriminan adalah re-diklasifikasikan, akurasi yang
dihasilkan bias ke atas oleh kesalahan (a) pengambilan sampel dalam sampel asli
dan (b) mencari Bias. Bias terakhir adalah melekat dalam proses mengurangi set
asli variabel (dua puluh dua) untuk yang terbaik variabel profil (lima).
Kemungkinan bias karena pencarian intensif melekat dalam setiap studi empiris.
Sementara subset variabel efektif dalam sampel awal, tidak ada jaminan bahwa hal
itu akan efektif untuk populasi secara umum.
Pentingnya pengujian sampel sekunder tidak bisa terlalu ditekankan dan
tampaknya tepat untuk menerapkan langkah-langkah ini pada tahap ini. Sebuah
metode nyarankan- gested oleh Frank et
aL30
untuk menguji sejauh mana bias pencarian tersebut
diaplikasikan pada sampel awal. Inti dari tes ini adalah untuk memperkirakan
parameter untuk model hanya menggunakan subset dari sampel asli, dan kemudian
untuk mengklasifikasikan sisa sampel berdasarkan parameter yang ditetapkan.
Sebuah t-tes sederhana ini kemudian diterapkan untuk menguji signifikansi dari
hasil.
Lima ulangan yang berbeda dari metode yang disarankan memilih subset (enam
belas perusahaan) dari sampel asli yang diuji, dengan hasil yang tercantum dalam
Tabel
3.31Hasil pengujian menolak hipotesis bahwa tidak ada perbedaan antara
kelompok dan membuktikan bahwa model tidak, pada kenyataannya , memiliki
diskriminatif
30. RE Frank, WF Massy, dan GD Morrison, "Bias di .4nalysis Diskriminan
Beberapa," Journal of Marketing Research, vol. 2 (Agustus 1965), hlm. 250-258.
31. lima ulangan termasuk (1) random sampling (2) memilih setiap perusahaan
lain dimulai dengan nomor perusahaan satu, (3) dimulai dengan perusahaan
nomor dua, (4) memilih perusahaan 1-16, dan (5)
IS 17-32 .
601 Rasio Keuangan danAnalisis Diskriminan
kekuasaanpengamatan selain yang digunakan untuk menetapkan parameter model.
Oleh karena itu, bias pencarian tidak muncul signifikan.
AKURASI OP
mengklasifikasikan TABEL A 3
SEKUNDER
CONTOH
Persen dari Correct Nilai Replikasi Klasifikasi
sering
rata Total jumlah pengamatan per replikasi
... 93,5 ......... . ...... ............ . . .
..
5.1 * 34 *
Signifikan pada .001level itu.
t=
proporsi yang benar
-1
0,5 (1
-
0,5)
0,5
(4) Contoh Sekunder Perusahaan Bangkrut. Untuk menguji model rigor- menerus
untuk kedua perusahaan bangkrut dan non-bangkrut dua sampel baru diperkenalkan
secara. Yang pertama berisi contoh baru dari dua puluh lima perusahaan bangkrut
yang rentang aset-ukuran adalah sama dengan kelompok bangkrut awal.
Menggunakan parameter yang ditetapkan dalam model diskriminan untuk
mengklasifikasikan perusahaan dalam sampel sekunder ini, akurasi prediksi untuk
sampel ini sebagai & f satu pernyataan sebelum pailit adalah:
Diprediksi Bangkrut Non-Bangkrut Bangkrut Group (sebenarnya)
Tipe I
Nomor Per cent Per cent Benar Benar kesalahan -
n
(total) 24 96 4 25
hasil sini adalah mengejutkan di yang satu tidak akan biasanya mengharapkan
hasil yang dary sampel secon- untuk menjadi unggul sampel diskriminan awal (96
persen vs 94 persen). Dua alasan yang mungkin adalah bahwa bias ke atas biasanya
hadir dalam tes sampel awal tidak diwujudkan dalam penyelidikan ini, dan / atau
model, seperti yang dinyatakan sebelumnya, adalah sesuatu yang kurang optimal.
(5) Secondary Sampte dari Perusahaan Nun-Bangkrut. Sampai saat ini
perusahaan sampel yang dipilih baik oleh statusnya kebangkrutan mereka (Grup 1)
atau dengan kesamaan mereka untuk Grup 1 di semua aspek kecuali kesejahteraan
ekonomi mereka. Tapi apa yang banyak perusahaan yang menderita kesulitan
profitabilitas sementara, tetapi dalam kenyataannya tidak menjadi bangkrut. Sebuah
klasifikasi kebangkrutan perusahaan dari grup ini adalah contoh dari tipe 11error.
Sebuah sangat ketat
602 The Journal of Finance
uji efektivitas model diskriminan ini akan mencari sampel besar perusahaan yang
telah mengalami masalah pendapatan dan kemudian untuk mengamati hasil
klasifikasi MDA ini.
Dalam rangka untuk melakukan tes di atas, sampel enam puluh enam perusahaan
yang dipilih atas dasar laba bersih (defisit) laporan di tahun 1958 dan 1961,
dengan tiga puluh tiga dari setiap tahun. Lebih dari 65 persen dari perusahaan-
perusahaan ini telah menderita dua atau tiga tahun dari keuntungan negatif dalam
tiga tahun sebelumnya melaporkan. Perusahaan-perusahaan yang dipilih terlepas
dari ukuran aset mereka, dengan hanya dua kriteria adalah bahwa mereka
perusahaan manufaktur yang mengalami kerugian di tahun 1958 atau 1961,32 Dua
dasar tahun dipilih karena kinerja ekonomi mereka relatif miskin dalam hal
pertumbuhan GNP. Perusahaan-perusahaan tersebut kemudian dievaluasi oleh
model diskriminan untuk menentukan potensi kebangkrutan prediksi mereka.
Hasilnya, digambarkan di bawah ini, menunjukkan bahwa lima belas dari enam
puluh enam perusahaan diklasifikasikan sebagai bangkrut dengan lima puluh satu
yang tersisa diklasifikasikan dengan benar. Jumlah misclassifications sebenarnya
empat belas, sebagai salah satu perusahaan bangkrut dalam waktu dua tahun
setelah periode data.
Diprediksi Bangkrut Non-Pailit
Non-Bangkrut
KelompokRealisasi
JumlahPer cent Per cent Benar Benar Kesalahan n
- Jenis I1
(total)
Oleh karena itu, model diskriminan diklasifikasikan dengan benar 79 persen dari
perusahaan sampel. Persentase ini adalah semua lebih mengesankan bila kita
menganggap bahwa perusahaan-perusahaan ini merupakan sampel sekunder diakui
di bawah kinerja rata-rata. T-test untuk signifikansi dari hasil ini adalah t = 4,8;
signifikan pada tingkat 0,001.
Sisi lain yang menarik dari tes ini adalah hubungan ini "dipreservasi sementara"
nilai Z perusahaan sakit, dan 'zona kebodohan' atau abu-abu-area yang dijelaskan
lebih lengkap pada bagian berikutnya. Secara singkat, "zona kebodohan" adalah
bahwa rentang skor Z (lihat Bagan I) di mana misclassifications dapat diamati.
Grafik Saya menggambarkan beberapa nilai individu perusahaan Z (sampel awal)
dan centroid kelompok. Titik-titik ini diplot dalam satu dimensi ruang dan, oleh
karena itu, mudah divisualisasikan.
Dari empat belas perusahaan kesalahan klasifikasi dalam sampel sekunder ini,
sepuluh memiliki nilai Z antara 1,81 dan 2,67, yang menunjukkan bahwa meskipun
mereka diklasifikasikan sebagai bangkrut, prediksi kebangkrutan ini tidak pasti
sebagai ity Mayor luas dalam sampel awal perusahaan bangkrut . Bahkan, hanya di
bawah sepertiga dari enam puluh enam perusahaan dalam sampel terakhir ini
memiliki nilai Z dalam seluruh wilayah tumpang tindih, yang menekankan bahwa
proses seleksi berhasil dalam memilih perusahaan yang menunjukkan tanda-tanda
(profitabilitas) dari kerusakan.
32. Perusahaan-perusahaan yang dipilih secara acak dari semua perusahaan yang
terdaftar di Standard dan Poor Stock Gde, Januari 1959, 1962, yang melaporkan
laba negatif.
Grafik Saya INDIVIDU PERUSAHAAN DISKRIMINAN SKOR DAN
KELOMPOK CENTROIDS--.ONE TAHUN SEBELUM
KEBANGKRUTAN
(Z = 0,012 X, t 0,014 X2 t, 033 X3 t.006X4 t
0,999)(5)
Kelompok I Centroid PI (-0,29)
rB
Tumpang tindih area &
~ rou p2 pusat massa (5,02)
.?II, P ~, B-
-4 J
-
3I
-
2 -1 0 I 2 3 4 5
saya 6 7
81
Z Score
KUNCI:
f
= Membedakan Poin ( Perusahaan grup 1-pailit) n = 33
o
= Membedakan Poin (kelompok 2
-
Perusahaan Non-bangkrut) n = 33 @ = Perusahaan
kesalahan klasifikasi (kelompok 1) = 2 @ = Perusahaan kesalahan klasifikasi
(kelompok 2) = 1
satu tahun sebelumnya
604 The Jurnal Finalzce
(6) Long-Range Akurasi prediktif. Hasil sebelumnya memberikan bukti penting
dari keandalan kesimpulan yang berasal dari sampel awal perusahaan.
Perpanjangan sesuai, oleh karena itu, akan memeriksa perusahaan-perusahaan
untuk menentukan keefektifan model diskriminan untuk jangka waktu yang lebih
lama sebelum kebangkrutan. Beberapa studi, misalnya, Beaver dan Merwin,
menunjukkan bahwa analisis mereka menunjukkan perusahaan menunjukkan
kecenderungan kegagalan sebanyak lima tahun sebelum kegagalan yang
sebenarnya. Sedikit yang disebutkan, namun, dari makna sebenarnya dari hasil
tahun sebelumnya tersebut. Apakah cukup untuk menunjukkan bahwa posisi
perusahaan memburuk atau itu lebih penting untuk memeriksa ketika dalam
kehidupan suatu perusahaan tidak gagal akhirnya, jika ada, menjadi kemungkinan
akut? Sejauh ini, kita telah melihat bahwa kebangkrutan dapat diprediksi secara
akurat selama dua tahun sebelum kegagalan. Bagaimana dengan tahun yang lebih
terpencil?
Untuk menjawab pertanyaan ini, data yang dikumpulkan untuk tiga puluh tiga
perusahaan asli dari ketiga, keempat, dan kelima tahun sebelum kebangkrutan.
Sampel berkurang adalah karena fakta bahwa beberapa perusahaan yang ada selama
kurang dari lima tahun. Dalam dua kasus Data tidak tersedia untuk tahun lebih
terpencil. Orang akan berharap pada ap ~ ioribasis itu, sebagai waktu meningkat
memimpin, kemampuan prediksi relatif model apapun akan menurun. Ini benar
dalam studi univariaie dikutip sebelumnya, dan itu juga cukup berlaku untuk model
diskriminan berganda. Tabel 4 merangkum akurasi prediksi untuk periode
keseluruhan lima tahun.
TABEL 4 FIVEYEARPREDICTIVE
AKURASIMODEL
MDA (Contoh Awal)
Tahun Sebelum Kepailitan Hits hlisses Persen Benar
Hal ini jelas bahwa keakuratan model jatuh konsisten dengan satu pengecualian
dari tahun keempat dan kelima, ketika hasilnya terbalik dari apa yang diharapkan.
Alasan yang paling logis untuk kejadian ini adalah bahwa setelah tahun kedua,
model diskriminan menjadi tidak dapat diandalkan dalam kemampuan dictive pra-
nya, dan, juga, bahwa perubahan dari tahun ke tahun memiliki sedikit atau tidak
ada artinya.
Implikasi. Berdasarkan hasil di atas disarankan agar model prediksi kebangkrutan
adalah peramal akurat kegagalan hingga dua tahun sebelum kebangkrutan dan
bahwa akurasi berkurang secara substansial sebagai waktu meningkat memimpin.
Dalam rangka untuk menyelidiki kemungkinan alasan yang mendasari temuan ini
tren dalam lima variabel prediktif ditelusuri atas
2
secara univariat selama lima
tahun sebelumnya kebangkrutan. Rasio empat penting tapi kurang signifi- rasio
tidak bisa lain juga tercantum dalam Tabel
5.dua kesimpulan yang paling penting dari analisis tren ini adalah (1) bahwa
semua rasio diamati menunjukkan tren yang memburuk sebagai kebangkrutan
mendekat,
TABLE 5RATA-RATA
RASIODARI
bANGKRUT GROUP
SEBELUM
gAGAL-ORIGINALSAMPLE Kelima Tahun Keempat Tahun Tahun Ketiga
Tahun Kedua Tahun Pertama
3
Rasio Rasio Changea Rasio Perubahan
"-
-
Modal Kerja / Jumlah Aset (%)
Rasio Changea Rasio Changea Ratio Ganti"
R8.-
(XI) Saldo laba / Jumlah Aset (%) 4.0 -
(0,8) - 4,8 (7,0)
-
6
.2 (30.1) -23,1 (62,6) -32,5" (X2) EBIT / total Aktiva (%) 7.2 4.0
-
0, -
Pasar (X3)
nilai Ekuitas / total Hutang (%) 180.0 3.2 (5.8) - 9.8 (20,7) -14,9" (31,8) -11,1
R
147,6 -32,4 143,2-4,4 74,2 -69.0b 40,1 -34,1 g. b
(X,) Penjualan / Total Aktiva (%) Current (X6) Ratio (%) 200,0 180,0 200,0 0,0
166,0 -34.0b -25,0-16,0
+
187,07,0 162,0150,0131,0 -31.0b 150,0 133,0
0,0 +
3 9' s' B
Tahun Negatif Laba (thn.) 0,8 total Hutang / total Aktiva (%) 54,2 0,9 60,9
++
0,1 6,7 2,0
1,2 61,2
++
0.3 2.0
+
O.gb 2,5
+

,5 Net Worth / total Hutang (%) 123,2 0,3 77,0 15,8 75,2 -28,0 112,6 17,4 70,5 -
42.1b 96,4 49,4 + 19.4b
-21,1
& 3.

L
Perubahan dari tahun sebelumnya. b perubahan tahunan terbesar dalam rasio.
606 The Journal of Finance
dan (2) bahwa perubahan yang paling serius di sebagian besar rasio ini terjadi antara
ketiga dan tahun kedua sebelum kebangkrutan. Tingkat keseriusan diukur dengan
perubahan tahunan dalam nilai-nilai rasio. Pengamatan terakhir ini sangat penting
karena menyediakan bukti yang konsisten dengan clusions con berasal dari model
diskriminan. Oleh karena itu, mation informal penting yang melekat dalam tren
pengukuran rasio individu mengambil signifikansi pantas hanya ketika terintegrasi
dengan analisis temuan analisis yang lebih diskriminan.
Penggunaan model diskriminan beberapa untuk memprediksi kebangkrutan
memiliki dis bermain beberapa keunggulan, namun bankir, manajer kredit,
eksekutif, dan vestors in biasanya tidak akan memiliki akses ke prosedur komputer
seperti program Cooley-Lohnes MDA. Oleh karena itu, akan diperlukan untuk
menyelidiki hasil yang disajikan dalam Bagian IV erat dan mencoba untuk
memperpanjang model untuk penerapan umum lagi. Prosedur yang diuraikan di
bawah ini dapat digunakan untuk memilih "cut-off" titik, atau optimum nilai Z,
yang memungkinkan prediksi dengan- keluar support.33 komputer
Dengan mengamati perusahaan-perusahaan yang telah kesalahan klasifikasi oleh
model diskriminan dalam sampel awal, disimpulkan bahwa semua perusahaan
memiliki nilai Z lebih besar dari 2,99 jelas jatuh ke dalam "non-bangkrut" sektor,
sementara perusahaan-perusahaan yang memiliki Z bawah 1,81 semua bangkrut.
Daerah antara 1,81 dan 2,99 akan didefinisikan sebagai "zona kebodohan" atau
"daerah abu-abu" karena ity susceptibil- kesalahan klasifikasi (lihat Bagan I).
Karena kesalahan yang diamati dalam kisaran ini nilai-nilai, kita akan pasti tentang
sebuah perusahaan baru yang nilainya Z jatuh dalam "zona kebodohan." Oleh
karena itu, diinginkan untuk membangun pedoman untuk mengklasifikasikan
perusahaan di "daerah abu-abu."
Proses dimulai dengan mengidentifikasi pengamatan sampel yang jatuh dalam
kisaran yang tumpang tindih. Ini muncul seperti pada Tabel 6. digit pertama dari
perusahaan
TABLE 6 FIRMWHOSEZ SCOREFALLSWITHINGRAYAREA
Finn Jumlah Firm Jumlah Non-Bangkrut Z Score Bangkrut

2019 * 1,81 1,98 1026 2,10 1014 2,67


**
kesalahan klasifikasi oleh model MDA ; misalnya, perusahaan "19" di Grup 2.
jumlah mengidentifikasi kelompok, dengan dua digit terakhir menemukan
perusahaan dalam kelompok.
33. Sebuah metode yang sama terbukti bermanfaat dalam memilih cut-off poin
untuk keputusan pemasaran, lihat RE Frank, AA Kuehn, WF Massy, Teknik
Kuantitatif dalam Analisis Pemasaran (kayu Home-, 111 .: Richard D. Irwin, Inc.,
1962), hlm. 95-100.
Rasio Keuangan dan Analisis Discriminatzt 60 7 Berikutnya, kisaran nilai-nilai Z
yang menghasilkan jumlah minimum klasifikasi mis-ditemukan. Dalam analisis, Z
antara (tetapi tidak termasuk) nilai-nilai yang ditunjukkan menghasilkan
misclassifications berikut seperti yang ditunjukkan pada Tabel 7.

JUMLAH
MISCLASSIFICATIONS TABEL MENGGUNAKAN 7
BERBAGAI kriteria Z SCORE
Jumlah Rentang Z kesalahan klasifikasi Perusahaan
- 1,81-
1,98 5 2019, 1026, 1014 , 1017, 1025 1,98-2,10 4 2019, 1014, 1017, 1025 2,10-
2,67 3 2019, 1017, 1025 2,67-2,68 2 2019, 1025 2,68-2,78 3 2019, 2033, 1025 -
2,78-2,99 4 -
2019, 2033 2032, 102;
Nilai kritis terbaik nyaman jatuh antara 2,67-2,68 dan karena itu 2,675, titik
tengah interval, dipilih sebagai nilai Z yang mendiskriminasikan terbaik antara
perusahaan bangkrut dan non-bangkrut.
Tentu saja, tes yang sesungguhnya dari ini "optimal" nilai Z adalah kekuatan
diskriminatif tidak hanya dengan sampel awal, tetapi juga dengan sampel sekunder.
Hasil tes ini bahkan sedikit lebih unggul pekerjaan yang dilakukan oleh tugas
komputer, dengan keuntungan tambahan dari penerapan praktis.
Evaluasi Pinjaman Busilzess. Referensi dibuat sebelumnya untuk beberapa studi
yang meneliti efektivitas analisis diskriminan dalam mengevaluasi aplikasi
Sumeria-pinjaman con dan, mungkin, ini menunjukkan perpanjangan berguna dari
model kebangkrutan-prediksi. Evaluasi bisnis-loansis fungsi penting dalam
masyarakat kita, terutama untuk bank-bank komersial dan tutions pinjaman insti-
lainnya. Studi telah dikhususkan untuk pinjaman tawaran function3 * dan untuk
tion adop- dari model heuristik-pinjaman bank-offker dimana model komputer
dikembangkan untuk mensimulasikan fungsi petugas pinjaman. "' Memang,
analisis pemohon pinjaman ini keuangan pernyataan hanyalah salah satu bagian
dari proses evaluasi keseluruhan, tapi itu adalah link yang sangat penting. sebuah
perangkat yang cepat dan efisien untuk mendeteksi risiko kredit yang kurang baik
mungkin memungkinkan petugas pinjaman untuk menghindari keputusan astrous
berpotensi dis. titik penting adalah bahwa model RlDA berisi banyak variabel
umum untuk evaluasi bisnis-kredit dan analisis diskriminan telah digunakan untuk
evaluasi konsumen pinjaman. Oleh karena itu, potensi hadiah itu sendiri untuk
pemanfaatan di sektor bisnis.
karena variabel penting seperti tujuan pinjaman, jatuh tempo, keamanan yang
terlibat, status deposit pemohon, dan karakteristik tertentu dari bank tidak secara
eksplisit dipertimbangkan dalam model, MDA harus prob cakap tidak dapat
digunakan sebagai satu-satunya alat evaluasi kredit. Indeks skor Z diskriminan
dapat digunakan, namun, sebagai panduan dalam upaya untuk menurunkan
34. DD Hester, "Sebuah Pemeriksaan empiris dari pinjaman Penawaran Fungsi
Komersial," Yale Essays Ekonomi, vol. 2, No 1 (1962), hlm. 3-57.
35. K. Cohen, T. Gilmore, dan F. Singer, "Bank Tata Cara Menganalisis Kredit
Usaha appli tions," Metode Analytical di Perbankan, K. Cohen dan F. Hammer
(eds.) (Homewood, 111 .: Richard D. Irwin, Inc., 1966), hlm. 215-251.
608 The Journal of Finance
biaya penyelidikan pemohon pinjaman. Sedikit waktu dan usaha akan dihabiskan
untuk perusahaan-perusahaan yang Z skor sangat tinggi, yaitu di atas 3,0, sementara
mereka dengan skor Z rendah akan sinyal penyelidikan sangat teliti. Kebijakan ini
akan dianjurkan untuk petugas pinjaman yang memiliki beberapa derajat iman
dalam pendekatan analisis diskriminan, tetapi yang tidak ingin keputusan akhir
untuk bergantung semata-mata pada nilai numerik. Juga, metode akan sangat
efisien dalam hal pinjaman jangka pendek atau pinjaman yang relatif kecil di mana
proses evaluasi kredit normal relatif sangat mahal untuk pendapatan yang
diharapkan dari pinjaman. Di sinilah terletak keuntungan penting dari MDA model
kesederhanaan dan biaya rendah.
Pengendalian Internal Pertimbangan dan Kriteria Investasi. Sebuah portant
sangat im-, tetapi sering sangat sulit, tugas manajemen perusahaan adalah untuk
periodi- Cally menilai dengan jujur kondisi perusahaan saat ini. Dengan demikian,
kekuatan dan kelemahan penting dapat diakui dan, dalam kasus terakhir, perubahan
kebijakan dan tindakan biasanya akan berada dalam urutan. Saran di sini adalah
bahwa model diskriminan, jika digunakan dengan benar dan secara berkala,
memiliki kemampuan untuk memprediksi masalah korporasi cukup awal sehingga
memungkinkan manajemen untuk mewujudkan gravitasi dari situasi pada
waktunya untuk menghindari kegagalan. Jika kegagalan adalah tidak dapat
dihindari, kreditur perusahaan dan pemegang saham mungkin akan lebih baik jika
merger dengan perusahaan yang lebih kuat dinegosiasikan sebelum kebangkrutan.
Aplikasi berpotensi berguna dari kebangkrutan model prediksi yang akurat tidak
terbatas pada pertimbangan internal maupun evaluasi kredit pose pur-. Prediktor
efisien kesulitan keuangan juga bisa menjadi teknik yang berharga untuk menyaring
investasi yang tidak diinginkan. Pada sisi yang lebih optimis tampak bahwa ada
beberapa peluang yang sangat nyata untuk manfaat. Karena model ini pada
dasarnya prediksi analis dapat memanfaatkan prediksi ini untuk merekomendasikan
kebijakan investasi yang tepat. Misalnya, pengamatan menunjukkan bahwa
sementara investor adalah beberapa ~ vhat mampu mengantisipasi penurunan hasil
operasi perusahaan selektif, ada kecenderungan besar untuk meremehkan keadaan
keuangan perusahaan yang akhirnya bangkrut. Perusahaan dalam sampel asli yang
skor Z berada di bawah yang disebut "zona sekedar mengabaikan Ance" mengalami
penurunan rata-rata nilai pasar dari saham biasa mereka dari 45 persen dari waktu
model pertama diperkirakan kebangkrutan sampai tanggal kegagalan yang
sebenarnya (periode rata-rata sekitar 15 bulan).
Sementara hasil di atas yang berasal dari sampel diakui kecil perusahaan yang
sangat khusus, implikasi potensial yang menarik. Jika seorang individu telah
memiliki saham di sebuah perusahaan yang masa depannya muncul suram, menurut
model, ia harus menjual untuk menghindari penurunan harga lebih lanjut. Penjualan
tersebut akan mencegah kerugian lebih lanjut dan memberikan modal untuk
investasi alternatif. Sebuah kebijakan ent berbeda- bisa diadopsi oleh para investor
yang agresif mencari peluang penjualan pendek. Seorang investor memanfaatkan
strategi ini akan menyadari keuntungan sen 26 per pada orang-efek yang tercatat
memenuhi syarat untuk pendek penjualan dalam sampel asli dari perusahaan
bangkrut. Dalam kasus perusahaan besar, di mana kebangkrutan terjadi lebih
jarang, indeks yang memiliki kemampuan untuk meramalkan pergerakan downside
muncul menjanjikan. Ini bisa sangat membantu dalam area seleksi portofolio yang
efisien. Artinya, perusahaan yang muncul untuk menjadi sangat suscepti- ble ke
kemerosotan, sesuai dengan model diskriminan, akan ditolakulang
Rasio Keuangandan Analisis Diskriminan 609
berapapun dari setiap potensi positif. Sebaliknya, perusahaan-perusahaan
menunjukkan karakteristik ini downside yang sama bisa dijual pendek, sehingga
memungkinkan manajer portofolio untuk lebih agresif dalam pilihan yang lain.
VI. CONCLUDINGREMARKS Makalah ini berusaha untuk
menilai kualitas analitis analisis rasio. Ia telah mengemukakan bahwa analisis
rasio tradisional tidak lagi teknik kal analyti- penting dalam lingkungan akademik
karena cara yang relatif tidak canggih yang telah disajikan. Dalam rangka untuk
menilai rigor- potensi pusly, satu set rasio keuangan dikombinasikan dalam
analisis diskriminan ap- proach untuk masalah prediksi kebangkrutan perusahaan.
Teorinya adalah bahwa rasio, jika dianalisis dalam kerangka multivariat, akan
mengambil lebih besar signifikansi vertikal statis- daripada teknik umum dari
perbandingan rasio berurutan. Hasilnya sangat menggembirakan.
Model diskriminan-rasio terbukti sangat akurat dalam memprediksi
kebangkrutan dengan benar di 94 persen dari sampel awal dengan 95 persen dari
seluruh perusahaan dalam kelompok bangkrut dan non-bangkrut ditugaskan untuk
klasifikasi kelompok yang sebenarnya mereka. Selanjutnya, fungsi diskriminan
akurat di beberapa sampel sekunder diperkenalkan untuk menguji keandalan model.
Tigation inves- gerakan rasio individu sebelum kebangkrutan dikuatkan temuan
model yang kebangkrutan dapat diprediksi secara akurat hingga dua tahun sebelum
kegagalan yang sebenarnya dengan akurasi yang cepat berkurang setelah tahun
kedua. Keterbatasan penelitian ini adalah bahwa perusahaan-perusahaan diperiksa
semua publik yang diselenggarakan perusahaan manufaktur yang datanya keuangan
yang komprehensif yang diperoleh, termasuk kutipan harga pasar. Area untuk
penelitian masa depan, oleh karena itu, akan memperpanjang analisis untuk relatif
lebih kecil asset- perusahaan berukuran dan entitas tak berhubungan di mana
kejadian kegagalan bisnis adalah lebih besar dibandingkan dengan perusahaan yang
lebih besar.
Beberapa aplikasi praktis dan teoritis dari model yang diusulkan. Mantan
mencakup evaluasi kredit usaha, prosedur pengendalian internal, dan pedoman
investasi. Melekat dalam aplikasi ini adalah asumsi bahwa tanda-tanda kerusakan,
terdeteksi oleh indeks rasio, dapat diamati cukup jelas untuk mengambil tindakan
yang menguntungkan. Sebuah wilayah teoritis potensi pentingnya terletak pada
konseptualisasi seleksi portofolio yang efisien. Salah satu keterbatasan saat ini di
daerah ini dalam presentasi realistis efek tersebut dan jenis kebijakan investasi yang
diperlukan untuk menyeimbangkan portofolio dan menghindari risiko downside.
Pendekatan yang ideal adalah termasuk orang-orang sekuritas yang memiliki
negatif co-varian dengan surat berharga lainnya dalam portofolio. Namun, efek
tersebut tidak mungkin mudah untuk menemukan, jika sama sekali. Masalahnya
menjadi agak lebih larut jika metode diperkenalkan yang menolak surat berharga
dengan risiko downside tinggi atau termasuk mereka dalam konteks short-selling.
Model nant-rasio discrimi- tampaknya memiliki potensi untuk meringankan
masalah ini. Penyelidikan lebih lanjut, bagaimanapun, diperlukan tentang hal ini.
http://www.jstor.org
TERKAIT CITATIONS
- Halaman 1 dari 2 -
Anda telah dicetak artikel berikut:
Rasio Keuangan, Analisis Diskriminan dan Prediksi Corporate Kepailitan Edward
I. Altman The Journal of Finance, Vol. 23, No. 4. (September 1968), hlm. 589-
609. URL yang stabil: http://links.jstor.org/sici?sici=0022-
1082%28196809%2923%3A4%3C589%3AFRDAAT%3E2.0.CO%3B2-R
Artikel ini referensi kutipan terkait berikut. Jika Anda mencoba untuk mengakses
artikel dari lokasi di luar kampus, Anda mungkin diminta untuk logon pertama
melalui situs web perpustakaan Anda untuk mengakses JSTOR. Silahkan kunjungi
website perpustakaan Anda atau hubungi pustakawan untuk belajar tentang
pilihan untuk akses jarak jauh ke JSTOR.
[Catatan kaki]
10On Kinerja Fungsi Linear Discriminant William G. Cochran Technometrics,
Vol. 6, No. 2. (Mei, 1964), hlm. 179-190. URL yang stabil:
http://links.jstor.org/sici?sici=0040-
1706%28196405%296%3A2%3C179%3AOTPOTL%3E2.0.CO%3B2-8
12A Fungsi diskriminan untuk Rasio Laba-Harga Besar industri Korporasi James
E. Walter Review Ekonomi dan Statistik, Vol. 41, No. 1. (Februari 1959), hlm.
44-52. URL yang stabil: http://links.jstor.org/sici?sici=0034-
6535%28195902%2941%3A1%3C44%3AADFFER%3E2.0.CO%3B2-3
26Determinants Premi Risiko Obligasi Korporasi Lawrence Fisher The Jurnal
Ekonomi Politik, Vol. 67, No 3. (Juni 1959), hlm. 217-237. URL yang stabil:
http://links.jstor.org/sici?sici=0022-
3808%28195906%2967%3A3%3C217%3ADORPOC%3E2.0.CO%3B2-1
29On Kinerja Fungsi Linear Discriminant William G . Cochran Technometrics,
Vol. 6, No. 2. (Mei, 1964), hlm. 179-190. URL yang stabil:
http://links.jstor.org/sici?sici=0040-
1706%28196405%296%3A2%3C179%3AOTPOTL%3E2.0.CO%3B2-8
CATATAN: penomoran referensi dari aslinya telah dipertahankan dalam daftar
kutipan ini.
http://www.jstor.org
TERKAIT CITATIONS - Halaman 2 dari 2 -
CATATAN: penomoran referensi dari aslinya telah dipertahankan dalam daftar
kutipan ini.
30Bias dalam Analisis Diskriminan Beberapa Ronald E. Frank; William F.
Massy; Donald G. Morrison Journal of Marketing Research, Vol. 2, No 3.
(Agustus, 1965), hlm. 250-258. URL yang stabil:
http://links.jstor.org/sici?sici=0022-
2437%28196508%292%3A3%3C250%3ABIMDA%3E2.0.CO%3B2-Q