Penggunaan Model Altman Z-Score, Springate, Zmijewski, Grover Dan CA-Score Dalam Memprediksi Financial Distress

Choirunnisa, Gita (2022) Penggunaan Model Altman Z-Score, Springate, Zmijewski, Grover Dan CA-Score Dalam Memprediksi Financial Distress. S1 thesis, STIE Indonesia Banking School.

	Text (Abstrak) ABSTRAK Skripsi - Gita Choirunnisa (20171112146).pdf Restricted to Registered users only Download (724kB)
	Text (Bab 1) BAB 1 Skripsi - Gita Choirunnisa (20171112146).pdf Restricted to Registered users only Download (864kB)
	Text (Halaman Judul) COVER Skripsi - Gita Choirunnisa (20171112146).pdf Restricted to Registered users only Download (804kB)
	Text (Daftar Pustaka) DAFTAR PUSTAKA Skripsi - Gita Choirunnisa (20171112146).pdf Restricted to Registered users only Download (893kB)

Abstract

Penelitian ini bertujuan untuk menujukkan model prediksi yang paling baik dalam memprediksi financial distress pada perusahaan. Penelitian ini meneliti model prediksi Altman Z-Score, Springate, Zmijewski, Grover dan Ca-Score dalam memprediksi financial distress dengan menggunakan sampel penelitian perusahaan yang tergolong financial distress. Studi ini menggunakan data dari 35 perusahaan yang mengajukan PKPU, digugat pailit dan laporan keuangan tahunan terakhirnya mencatatkan ekuitas (-). Untuk mengetahui model prediksi mana yang paling baik, setiap model prediksi yang digunakan dalam penelitian ini dibandingkan satu sama lain dan melihat hasil akurasi yang tertinggi dalam memprediksi financial distress. Hasil penelitian ini memberikan implikasi kepada manajemen, bahwa model prediksi yang paling baik dalam memprediksi pada saat ini adalah model prediksi Zmijweski. Kata kunci : Model prediksi Altman Z-Score, Springate, Zmijewski, Grover, Ca-Score, Financial distress.

Item Type:	Thesis (S1)
Subjects:	H Social Sciences > HF Commerce > HF5601 Accounting
Divisions:	Prodi S1 Akuntansi
Depositing User:	Ms Dyta Medina
Date Deposited:	21 Feb 2022 04:15
Last Modified:	14 Jun 2024 06:05
URI:	http://repository.ibs.ac.id/id/eprint/4532

Actions (login required)

View Item