Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pertumbuhan pasar modal dan ekonomi di Indonesia telah menarik banyak pihak untuk berinvestasi dan mengembangkan pasar. Peningkatan investasi memberikan peluang bagi perusahaan dan investor untuk meningkatkan keuntungan. Dengan persaingan yang semakin ketat serta kondisi pasar yang berubah-ubah, strategi investasi menjadi hal yang sangat penting. Prediksi performa perusahaan terutama di Indonesia menjadi hal yang dibutuhkan untuk mengimbangi perkembangan pasar. Metode Artificial Neural Network merupakan metode yang mulai populer dipakai untuk peramalan yang bersifat kompleks, menggunakan banyak variabel, dan bersifat nonlinear. Oleh karena itu metode ini sangat cocok untuk diterapkan dalam prediksi performa perusahaan di bursa saham yang termasuk kedalam bidang finansial. Dalam penelitian ini neural network juga dipakai untuk mengintegrasikan analisis teknikal dan analisis fundamental dari perusahaan. Hasil penelitian ini memperlihatkan bahwa neural network mampu melewati tingkat minimal pengembalian secara signifikan

---

As the economy and financial market keep growing in Indonesia, The interest to invest and develop the market are increasing. The increasing investment provide opportunity for company and investor to get more profit. With the ever competitive market and always changing market, Strategy to utilize investment become important. The ability to forecast company performance in financial sector become needs to counterbalance the ever-growing market. The Artificial Neural Network is one of the method that get more popular lately to be use as a forecasting method that require more complex model, using more variabel, and tend to be nonlinear. Hence the method really suit to be adapted in financial sector especially in stock market. In addition this study also discuss about integrating technical analysis and fundamental analysis. This study shows that neural network as a predictive model could significantly outperform the minimum return."

"Tantangan dan persaingan di dunia investasi telah lama menjadi fokus besar untuk dipelajari karena keterkaitannya dengan profitabilitas. Penelitian menunjukkan bahwa penghasilan negatif substantif dari profitabilitas perusahaan sangat terkait dengan kondisi kesulitan keuangan perusahaan, suatu kondisi di mana perusahaan mengalami kesulitan dalam memenuhi kewajiban keuangannya. Penelitian sebelumnya mengembangkan model prediksi kesulitan keuangan dengan menggunakan metode statistik konvensional yang memiliki beberapa kerugian karena ketergantungannya pada beberapa asumsi restriktif. Penelitian ini menggunakan metode data mining karena keunggulannya dengan asumsi yang tidak terlalu ketat untuk memprediksi kesulitan keuangan, dilengkapi dengan variabel keuangan dan non-keuangan. Berfokus pada perusahaan-perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) selama periode 5 tahun, decision tree C4.5 dan random forest dikembangkan dan dievaluasi. Model decision tree C4.5 menunjukkan model prediksi dengan kinerja terbaik, dengan tingkat kesalahan terkecil, akurasi dan recall, dengan akurasi dan recall keseluruhan masing-masing adalah 96,14%, dan 98,06%. Hasil penelitian ini juga memiliki beberapa luaran seperti ROA yang menjadi variabel yang paling penting untuk menentukan perusahaan yang mengalami kesulitan keuangan.

---

The challenges and competition in the investment world recently became a great focus to be studied as it is greatly linked to profitability. It has been agreed that substantive negative earning of profitability of firms greatly linked to financial distress, a condition which a firm has difficulty fulfilling its financial obligations. Previous research developed financial distress prediction model using conventional statistical methods that suffer from disadvantages as it depends largely on some restrictive assumptions. This research used data mining methods as its superiority with less restrictive assumptions to predict financial distress, with both financial and non-financial variables examined. Focused in listed firms in Indonesia Stock Exchange (IDX) for 5 years period, C4.5 decision tree and random forest are developed and evaluated. The C4.5 decision tree model demonstrated the best performing prediction model, with the smallest error rates, highest accuracy and recall, with overall accuracy and recall are 96.14%, and 98.06% respectively. The result of this research also offer several inferences such as return on asset being the most significant or important predictive variable to determine financially distressed firms"

"ABSTRACTFinancial distress merupakan kondisi kesulitan keuangan yang pada umumnya dialami oleh perusahaan sebelum perusahaan tersebut dapat dinyatakan bangkrut. Dengan menggunakan laporan keuangan, kondisi tersebut pada dasarnya dapat diprediksi. Prediksi dari financial distress sangat berguna bagi manajemen perusahaan untuk melakukan tindakan korektif dalam antisipasinya menghadapi kebangkrutan. Model prediksi dari financial distress sendiri telah berkembang dari penggunaan statistik tradisional hingga artificial intelligence atau machine learning. Penelitian ini bertujuan untuk menganalisis model prediksi financial distress dengan menerapkan machine learning dan membandingkan tiga algoritma dari data mining yaitu decision tree, support vector machine, dan artificial neural network. Sampel dalam penelitian ini menggunakan 115 perusahaan distressed dan 115 perusahaan non-distressed yang aktif di Bursa Efek Indonesia selama periode 2011 hingga 2016 yang diteliti untuk dua tahun yaitu l-t dan t-1. Dalam penelitian ini, dari sebanyak 29 rasio keuangan akan dipilih rasio yang paling sesuai dengan menggunakan feature selection. Hasil dari penelitian menunjukkan bahwa algoritma decision tree dengan tingkat akurasi sebesar 86,37 untuk tahun l-t dan decision tree dengan tingkat akurasi sebesar 88,98 untuk tahun l t-1 memiliki tingkat akurasi yang paling tinggi dalam mengantisipasi financial distress di Indonesia.

---

ABSTRACTFinancial distress is a condition of financial difficulties that generally a firm would have first go through before the company can be declared bankrupt. By using financial statements, this condition basically could be predicted. Prediction of financial distress is very useful as it could help firms rsquo management to take corrective actions in anticipation of bankruptcy. The predictive model of financial distress itself has evolved from the use of traditional statistics to artificial intelligence or machine learning. This study aims to analyze financial distress prediction model by applying machine learning and comparing three algorithms from data mining namely decision tree, support vector machine, and artificial neural network. The sample in this study used 115 distressed companies and 115 non distressed companies active on the Indonesia Stock Exchange during the period 2011 to 2016 studied for two years ie t and t-1 . In this research, from 29 financial ratios will be selected the most appropriate ratios by using feature selection. The result of this research shows that decision tree algorithm with 86.37 accuracy for year t and decision tree with accuracy of 88.98 for year t-1 has the highest accuracy in anticipating financial distress in Indonesia. "

"Terbitnya Surat Keputusan Direksi PT Bursa Efek Indonesia No. KEP-00100/BEI/10-2014 TAHUN 2014 pada 20 Oktober 2014 seharusnya menyederhanakan persyaratan penawaran umum untuk perusahaan pertambangan. Namun dalam kenyataannya kebijakan tersebut tidak memberikan jawaban atas permasalahan yang dialami oleh perusahaan pertambangan tahap eksplorasi. Perusahaan pertambangan tahap ekplorasi tetap tidak memiliki hak untuk melakukan penawaran umum berdasarkan Surat Keputusan tersebut. Ketiadaan sumber pembiayaan untuk kegiatan eksplorasi tersebut menjadi permasalahan bagi perusahaan untuk dapat melakukan eksplorasi guna memperoleh informasi atas cadangan dan nilai ekonomis dari wilayah izin usaha pertambangan. Bursa Efek Indonesia memiliki perspektif bahwa inti kegiatan pertambangan hanya kegiatan eksploitasi. Hal tersebut yang menghambat para perusahaan pertambangan tahap ekplorasi untuk mendapatkan pendanaan dari pasar modal. Tesis ini menganalisis mengenai larangan perusahaan pertambangan tahap eskplorasi melakukan penawaran umum di Bursa Efek Indonesia. Metode yang digunakan dalam tesis ini adalah perbandingan dengan bursa efek di Kanada, Australia dan Hong Kong yang telah mengizinkan perusahaan pertambangan tahap eksplorasi untuk berpartisipasi dalam bursa efek. Dengan adanya perbandingan tersebut diharapkan kelak Bursa Efek Indonesia dengan instansi terkait dapat merumuskan kebijakan yang tepat bagi perusahaan pertambangan tahap eksplorasi untuk dapat memperoleh sumber pembiayaan di Bursa Efek Indonesia.

---

Abstract The issuance of Decree of the Board of Directors of PT Bursa Efek Indonesia No. KEP 00100 BEI 10 2014 of 2014 on 20 October 2014 should simplify the terms of the public offering for mining company. Nevertheless, in reality the policy does not provide any answers to the junior mining companies rsquo s problem. Pursuant to the decree, an exploration mining company still has no right to do initial public offering. The absence of financing sources for exploration activities is a problem for companies to be able to explore futher information on the reserves and economic value of the mining area. In the Indonesian Stock Exchange rsquo s prespective, the core of mining activities is only the exploitation activities. This thing obstructs the mining companies exploration stage to get funding from the capital market. This thesis analyzes the prohibition of exploration mining companies to do a public offering in the Indonesia Stock Exchange. The method used in this thesis is the comparison with stock exchanges in Canada, Australia and Hong Kong that have been allowing mining exploration companies to participate in stock exchanges. Through this comparison, we hope that in the future the Indonesia Stock Exchange IDX with relevant agencies can formulate the right policy for exploration mining company to get source of financing in the Indonesian Stock Exchange."

"Penelitian ini bertujuan untuk membuat model prediksi financial distress guna menanggapi penurunan kinerja perusahaan terbuka akibat pandemi COVID-19. Metode penelitian yang digunakan adalah regresi logistik untuk menguji hubungan antara financial distress dengan variabel independen seperti rasio keuangan dan rasio pasar saham. Hasil penelitian menunjukkan bahwa rasio leverage, solvabilitas, dan profitabilitas berpengaruh lebih signifikan dibandingkan rasio lainnya. Karena financial distress tidak terjadi secara tiba-tiba, penelitian ini membagi modelnya menjadi 2, yaitu 1 tahun sebelum distress (M1) dan 2 tahun sebelum distress (M2). Hasilnya menunjukkan bahwa M1 memiliki hasil yang lebih baik, dengan akurasi prediksi mencapai 91,63% (dengan default cut-off point = 0,5). Penulis juga memperkirakan ulang model berbasis akuntansi lainnya dan membandingkan model penulis dengan model lain. Hasilnya menunjukkan bahwa model penulis berkinerja lebih baik dibandingkan model lain (selisih +12,24%); sehingga model penulis menjadi model berbasis akuntansi yang paling cocok untuk prediksi financial distress untuk emiten di Bursa Efek Indonesia. Hal ini dikarenakan model penulis didasarkan pada kombinasi variabel akuntansi dan variabel pasar modal

---

This study aims to create a new model for financial distress prediction in response to public companies’ deteroriation of performance due to the COVID-19 pandemic. The research method used was logistic regression to examine the relation between financial distress and independent variables such as financial ratios and stock market ratios. The result shows that the ratios of leverage, solvency, and profitability affected more significantly than other ratios. Since financial distress does not occur suddenly, this study divided its model into 2, namely 1 year before the distress (M1) and 2 years before the distress (M2). The results indicate that M1 had a better result, with 91,63% classification accuracy (by default cut-off point = 0.5). We also re-estimated other accounting-based models and compare our model to them. The results demonstrate that our model performed better than other models (+12,24% difference); thereby our model appeared to be the most suitable accounting-based model for financial distress prediction for the Indonesia Stock Exchange. This is because author’s model is based on a combination of accounting variables and capital market variables."

"Penelitian ini bertujuan untuk menganalisis pengaruh Corporate Social Responsibility terhadap kinerja keuangan perusahaan pada perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia tahun 2010 ndash; 2015. Data dalam penelitian ini adalah data sekunder dengan metode pengumpulan data dalam penelitian ini dilakukan dengan metode dokumentasi dan studi pustaka. Teknik Pemilihan sampel dalam penelitian ini dilakukan dengan menggunakan metode purposive sampling pengambilan sample secara di sengaja. Penelitian ini menggunakan pendekatan kuantitatif.Dari hasil penelitian dapat disimpukan bahwa tidak terdapat pengaruh signifikan Corporate Social Reponsibility CSR terhadap profitabilitas. Ho diterima yang artinya tidak terdapat pengaruh yang signifikan dari Corporate Social Responsibility CSR terhadap kinerja keuangan perusahaan.

---

This study aims to analyze the influence of Corporate Social Responsibility to the mining firms financial performance registered in the Indonesia Stock Exchange during 2010 ndash 2015 period. This research uses secondary data as the data collection method through documentation and literature studies, and uses a quantitative approach with purposive sampling technique.

This study concludes that there is no significant influence of Corporate Social Responsibility CSR to profitability. Ho is accepted, meaning there is no significant influence of Corporate Social Responsibility CSR on the firm financial performance indicated by profitability."

"

Peramalan permintaan berguna sebagai permulaan dalam perencanaan yang memiliki tujuan untuk memenuhi permintaan pelanggan di masa depan. Pada awalnya, metode peramalan dikembangkan berbasis statistik. Namun, seiring berjalannya waktu, metode peramalan saat ini juga ada yang menggunakan metode machine learning karena bertambahnya kompleksitas data dengan variabilitas permintaan yang tinggi. Industri FMCG, khususnya produk pembersih rumah tangga memiliki pola permintaan yang cukup dinamis. Hal ini menjadi tantangan tersendiri untuk perusahaan sehingga mampu meramalkan secara akurat pola permintaan pada industri ini. Dalam penelitian ini, peneliti melakukan peramalan permintaan untuk produk pembersih rumah tangga menggunakan metode deret waktu, yaitu Autoregressive Integrated Moving Average (ARIMA), dan metode machine learning, yaitu Support Vector Regression (SVR). Objek penelitian yang dipilih oleh peneliti adalah data permintaan dari 8 SKU produk pembersih rumah tangga yang dijual oleh PT Wijaya Agung Hutama sejak Januari 2014 hingga Desember 2022. Hasil penelitian menunjukkan bahwa metode SVR unggul untuk 6 dari 8 SKU yang diramalkan, dengan rata-rata Mean Absolute Percentage Error (MAPE) sebesar 31,06%. Sementara itu, ARIMA mendapatkan rata-rata MAPE sebesar 33,52%. Metode yang diajukan peneliti juga dapat menurunkan error pada peramalan perusahaan hingga 8,31%.

---

Demand forecasting is useful as a starting point in planning with the objective of meeting customer demand in the future. Initially, forecasting methods were developed based on statistics. However, over time, current forecasting methods also incorporate machine learning techniques due to the increasing complexity of data and high demand variability. The Fast-Moving Consumer Goods (FMCG) industry, particularly household cleaning products, has a dynamic demand pattern. This poses a challenge for companies to accurately forecast demand in this industry. This study conducted demand forecasting for household cleaning products using time series methods, namely Autoregressive Integrated Moving Average (ARIMA), and machine learning methods, specifically Support Vector Regression (SVR). The research focused on the demand data for 8 SKU (Stock Keeping Unit) of household cleaning products sold by PT Wijaya Agung Hutama from January 2014 to December 2022. The results of the study showed that the SVR method outperformed ARIMA for 6 out of 8 forecasted SKUs, with an average Mean Absolute Percentage Error (MAPE) of 31.06%. Meanwhile, ARIMA obtained an average MAPE of 33.52%. The proposed method by the researchers also reduced the forecasting error for the company by 8,31%. These findings indicate that the suggested forecasting methods can help companies plan production and inventory more accurately. 

"

"Penelitian dilakukan untuk memprediksi financial distress pada perusahaan dengan menggunakan analisis arus kas pada perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia periode 2013 -2016. Pengujian dilakukan dengan menggunakan model regresi logistik. Hasil penelitian menunjukkan bahwa rasio-rasio keuangan pada analisis arus kas memiliki pengaruh signifikan terhadap financial distress.

---

The purpose of study is to predict Corporate Financial distress through Cash Flow Analysis An Empirical Studies of Mining Companies in The Indonesian Stock Exchange in 2013 2016. The test is conducted by using logistic regression model. The study found that the financial ratios in the cash flow analysis have a significant influence on financial distress."

"Penelitian ini bertujuan untuk mengkaji pengaruh karakteristik perusahaan yang meliputi ukuran perusahaan size , jenis industri, umur perusahaan age , liquidity, leverage, profitability, dan tax management terhadap tax dispute sengketa pajak yang terjadi pada perusahaan manufaktur, bahan tambang, dan pertanian yang terdaftar di Bursa Efek Indonesia. Sektor perusahaan manufaktur meliputi perusahaan Hasil Industri Untuk Konsumsi serta Industri Dasar dan Bahan Kimia. Sedangkan jenis industri lainnya meliputi perusahaan bahan tambang dan pertanian. Penelitian ini merupakan penelitian kuantitatif dengan metode regresi logistik untuk mengetahui pengaruh karakteristik perusahaan atas tahun pajak 2008-2015 terhadap tax dispute yang diukur dengan adanya SKP yang diterbitkan pada tahun 2013-2016.Hasil dari penelitian ini menunjukkan bahwa 49,7 dari total perusahaan dalam sampel mengalami kasus tax dispute sengketa pajak . Sedangkan 66,8 dari total perusahaan yang mengalami tax dispute sengketa pajak adalah perusahaan industri manufaktur. Karakteristik perusahaan berupa ukuran perusahaan size , umur perusahaan age , liquidity, profitability dan tax management mempengaruhi tax dispute perusahaan secara signifikan. Secara spesifik, penelitian ini menemukan bahwa: 1 kenaikan Size meningkatkan peluang tax dispute sebanyak 1,91 kali; 2 pertambahan Age meningkatkan peluang tax dispute 1,01 kali; 3 kenaikan Liquidity menurunkan peluang tax dispute sebanyak 0,41 kali; 4 kenaikan Profitability menurunkan peluang tax dispute sebanyak 0,98 kali; dan 5 tax management yang agresif meningkatkan peluang tax dispute sebanyak 1,06 kali. Namun demikian, penelitian ini tidak dapat menemukan pengaruh signifikan jenis industri dan leverage terhadap tax dispute.

---

This study aims to determine the influence of corporate characteristics that include the size of the company size , type of industry, age of the company age , liquidity, leverage, profitability, and tax management against tax dispute occurred in manufacturing, mining, and agricultural listed on the Indonesia Stock Exchange. The manufacturing sector includes the company 39 s Industrial Products for Consumption as well as Basic Industry and Chemicals. While the types of non manufacturing industries include mining and agricultural companies. This research is a quantitative research with logistic regression method to know the influence of corporate characteristic on fiscal year 2008 2015 to tax dispute as measured by SKP issued in year 2013 2016.

The results of this study indicate that 49.7 of the total companies in the sample experienced tax dispute cases. While 66.8 of the total companies experiencing tax dispute is a manufacturing industry company. Characteristics of the company in the form of company size size , age of company age , liquidity, profitability and tax management affect the tax dispute company significantly. Specifically, the study found that 1 Size increment increases the probate tax dispute by 1.91 times 2 increase in age increases the probability of tax dispute 1.01 times 3 increase in Liquidity decreases tax dispute probability by 0.41 times 4 increase in Profitability decreases the probability of tax dispute by 0.98 times and 5 aggressive tax management increases the probability of tax dispute 1,06 times. However, this study can not find a significant influence of industry type and leverage to tax dispute."

"Tujuan dari penelitian ini adalah untuk menyelidiki pengaruh aktivitas CSR pada kinerja perusahaan. Ada empat ukuran yang dipakai sebagai dasar perhitungan kinerja perusahan: pertumbuhan penjualan, ukuran, financial leverage, rasio kepemilikan publik. Perusahaan sampel dipilih untuk penelitian ini diambil dari 16 perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia pada 2007 s.d 2010. Metodologi untuk analisis data adalah analisis deskriptif dan additive model. Hasil penelitian menunjukkan bahwa tingkat pengungkapan informasi sosial, ukuran perusahaan dan pertumbuhan penjualan memiliki pengaruh positif dan signifikan terhadap tingkat profitabilitas perusahaan."