Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKIndustri asuransi adalah salah satu industri ]asa keuangan yang perkembangannya sangat ditentukan oleh kepercayaan masyarakat. Tingkat kepercayaan ini berkaitan erat dengat kesehatan perusahaan asuransi. Alat ukur dari tingkat kesehatan ini diantaranya adalah tingkat kecukupan dari aktiva yang diperkenankan terhadap kewajiban yang dimiliki perusahaan. Dalam literatur manajemen keuangan, ketidakmampuan perusahaan memenuhi kewajibannya disebut financial distress.Berdasarkan data-data yang diperoleh, yang kemudian diolah dengan menggunakan Cox Proportional Hazard Model didapat model financial distress perusahaan asuransi jiwa sampel sebagai berikut:h(tl z) = ho(t). exp( a ROA + b ROE + c HIPPN + d PASET + e KPPB+ f AIPKW) dimana: ho(t)= Peluang terjadinya financial distress tanpa mempertimbangkan kovariat. Besar ho(t) tergantung dari waktu yang diminta, yaitu: ho(1 )=0.645, ho(2)=0.55, ho(3)=0, ho(4)=0.25, ho(5)=ho(6)=0 dan ho(7)=1. Sedangkan nilai koefisien masing-masing kovariat adalah: a= -69.1775; b = -12.9318; c = -7.9089;d = -2.52S5; e = 103.8258; dan f= 9.3043.Daya tahan (survival time) perusahaan asuransi jiwa yang menjadi sampel pada studi ini dalam menghadapi.financial distress ternyata kurang baik. Rata-rata perusahaan asuransi jiwa tersehut memiliki daya tahan hidup selama 2.04 tahun Nilai yang begitu kecil ini menyiratkan bahwa perusahaan asuransi jiwa yangmenjadi sampel begitu lemah daya tahan hidupnya. Sementara itu bila kita perhatikan sebarannya, perusahaan asuransi jiwa paling lama bertahan hidup hanya selama 7 tahun. Nilai 7 tahun 1m sebenamya dipengaruhi oleh lamanya waktu pengamatan yang hanya 7 tahun, yaitu dari tahun 1992 hingga 1999.Secara rinci daya tahan hidup (tanpa mempertimbangkan kovariat) perusahaan asuransi jiwa antara 1-2 tahun sebesar 35.5%, antara 2-4 tahun sebesar 16.1 %, antara 4-7 tahun sebesar 12.1% dan perusahaan yang bertahan lebih dari 7 tahun sebanyak 0%.Dari model di atas diketahui bahwa rasio laba bersih per aset (ROA), rasio laba bersih per ekuitas (ROE), rasio hasil investasi dengan premi neto (HPPN), dan pertumbuhan aset (PASET) memiliki hubungan negatif dengan hazard rate. Ini berarti bahwa semakin besar nilai rasio tersebut, maka semakin kecil peluang perusahaan tersebut menghadapi financial distress. Sedangkan, rasio antara besamya klaim dengan premi bruto (KPPB) dan rasio an tara aktiva lancar dengan kewajiban (ALPKW) bemilai positif Hal ini menunjukkan bahwa semakin besar rasio-rasio ini semakin besar pula peluang suatu perusahaan mengalami financial distress atau dengan kata lain daya tahan perusahaan tersebut semakin kecil."

"Tahun 2020 merupakan tahun dimulainya pandemi di seluruh negara. Kondisi pandemi menyebabkan tekanan secara drastis pada kondisi perekonomian global. Salah satu dampaknya dapat terlihat pada penurunan kinerja pasar di Indonesia. Pada Maret 2020 IHSG sempat menyentuh harga di bawah 4.000 sebelum akhirnya kembali memasuki tahun 2021. Ditengah tekanan ekonomi tersebut terdapat banyak perusahaan asuransi yang mengalami permasalahan keuangan yang disebabkan berbagai faktor. Dalam penelitian terdahulu metode Altman Z-score serta Ohlson O-score digunakan sebagai model dalam menentukan kondisi tekanan pada perusahaan asuransi. Penelitian ini bertujuan untuk meneliti tingkat akurasi dari metode Altman Z-score dan Ohlson O-score, serta menemukan model baru dengan metode analisis diskriminan untuk menentukan kondisi tekanan keuangan pada perusahaan asuransi. Hasil penelitian menunjukkan bahwa tingkat akurasi metode Altman Z-score lebih baik daripada Ohlson O-score. Hasil analisis diskriminan menemukan model untuk mengidentifikasi kondisi financial distress ditentukan oleh variabel antara lain Net Working Capital Ratio, Return on Total Assets Ratio, Current Ratio, Investment Adequacy Ratio, dan Solvency Ratio.

---

Year 2020 is the year that pandemic started in all over the world. This condition causing global economic distress. One of the effects can be seen in the declining market performance in Indonesia. In March 2020, IHSG price drop below 4,000 before recovering in 2021. In the midst of these economic distress, there were many insurance companies experiencing financial problems caused by various factors. In previous studies, the Altman Z-score and Ohlson O-score methods were used as models in determining the financial distress on insurance companies. This study aims to examine the accuracy of the Altman Z-score and Ohlson O-score methods, as well as to find a new model with the discriminant analysis method to determine the financial distress condition on insurance companies. The results showed that the accuracy level of the Altman Z-score method was better than the Ohlson O-score method. The results of discriminant analysis found a model to identify financial distress conditions determined by Net Working Capital Ratio, Return on Total Assets Ratio, Current Ratio, Investment Adequacy Ratio, and Solvency Ratio."

"Perusahaan asuransi merupakan lembaga jasa keuangan yang berbasis kepercayaan, yang memiliki peran sebagai pelindung keuangan maupun berkontribusi terhadap perekonomian suatu negara. Dalam beberapa tahun terakhir, beberapa perusahaan asuransi di Indonesia menghadapi permasalahan karena gagal membayar klaim asuransi. Berita gagal bayar tersebut telah tersebar di berbagai media massa baik cetak maupun elektronik dan membuat banyak masyarakat memberikan stigma negatif terkait industri asuransi di Indonesia. Penelitian ini bertujuan untuk mengetahui pengaruh financial distress terhadap berita negatif pada perusahaan asuransi di Indonesia. Penelitian ini juga melakukan pengujian terhadap faktor lain yang berpotensi mempengaruhi berita negatif yaitu rasio likuiditas dan ukuran perusahaan. Metode analisis mengunakan uji regresi data panel dengan pendekatan Fix Effect Model. Penelitian menggunakan sample 120 perusahaan asuransi konvensional yang berizin di OJK per 31 Desember 2021. Penelitian menggunakan data selama 5 tahun (2017 – 2021). Variabel berita negatif diperoleh dengan menghitung jumlah berita negatif terkait perusahaan asuransi di 12 media online di Indonesia, sementara variabel financial distress diukur berdasarkan rasio kesehatan keuangan yang telah diatur oleh OJK yaitu solvabilitas (RBC), rasio kecukupan investasi, dan ekuitas. Hasil penelitian menunjukkan bahwa financial distress berpengaruh signifikan terhadap berita negatif. Rasio likuiditas dan ukuran perusahaan tidak berpengaruh signifikan terhadap berita negatif perusahaan asuransi.

---

Insurance companies are trust-based financial service institutions that serve as financial protectors and contribute to a country's economy. In recent years, several Indonesian insurance companies have faced problems due to their failure to pay insurance claims. News of the failure to pay has spread in various mass media, both print and electronic, and given many people a negative stigma regarding the Indonesian insurance industry. This study aims to determine the effect of financial distress and negative news on insurance companies in Indonesia. This study also tests other factors that could potentially influence negative news, namely the liquidity ratio and firm size. The analytical method uses panel data regression with the fix-effect model approach. The research used a sample of 120 samples and data for five years. The negative news variable is obtained by counting the number of negative news stories related to insurance companies in 12 online media outlets in Indonesia, while the financial distress variable is measured based on the ratios of financial soundness regulated by the Regulator (solvency, investment adequacy ratio, and equity). The results show that financial distress has a significant effect on negative news. Liquidity ratio and firm size have no significant effect on negative news."

"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 dilakukan untuk meneliti bubungan variabel ukuran dewankomisaris, ukuran dewan direksi, proporsi dewan komisaris independen,kepemilikan institusi, kepemilikan kemungkinan perusahaan mengaiami financial distress. Pengujian dilakukan atas keluarga, dan komite audit dengan 172 tahun perusahaan manufaktur yang terdaftar di IDX yang terdiri dari 86 tahun perusahaan yang mengalani financial distress dan 86 tahun perusahaan yang tidak mengalami firancial distress, dengan periode pengamatan tahun 2003 sampai tahun 2007. Metode penelitian yang digunakan dalam penelitian ini adalah 2003 regresi logis. Hasil pengujian regresi logit menunjukkan bahwa variabel ukuran dewan komisaris berpengaruh negatif signifikan terbadap kemungkinan perusahaan mengalami financial distress dan variabel kontrol leverage berpengaruh positif signifikan terhadap kemungkinan perusahaan mengalami financial distress. Untuk variabel ukuran dewan direksi, propors komisaris independcn, kepemilikan institusiooal, kepemilikan keluarga, komite audit dan variabel kontrol ukuran perusahaan tidak memiliki pengaruh yang signifikan terhadap kemungkinan perusahaan mengalami francial distress

---

The purpose of this research is to investigare the relationship be commissioner, institutional ownership, Samily ownership, and audit committee on the probability of companies experienced financial distress. This study use samples of 172 firm-years of listed manufactured companies which consist of 86 firm years of company in financial distress and 86 firm years of compannancial distress, during 2003-2007 periods. The analysis use logistic reg leverage as comtrol variable have a significant negative impact on the probability. Logistic regression results show that board of commissioner size and company experienced financial distress, but director board size, independent proportion, institurional ownership, family ownership, a committee, and size of company as controllable variable are failed to show their significan impact on the probability of company experienced financial distress."

"Terkait fenomena krisis keuangan global yang terjadi saat ini, banyak sekali perusahaan yang hancur dan mengalami kebangkrutan. Saat sebuah perusahaan mengalami kebangkrutan, para investor dan krediturnya tentu akan sangat dirugikan. Oleh karena itu, investor dan kreditur memerlukan alat untuk memprediksi kondisi financial distress sebagai indikasi awal terjadinya kebangkrutan dengan tepat. Terdapat beberapa model yang dapat menjadi alat untuk itu, diantaranya yang dikemukakan oleh Altman (1968), Ohlson (1980), Zmijewski (1984), dan Springate (1978).Skripsi ini melakukan perbandingan keempat model prediksi financial distress di atas dalam konteks perusahaan di Indonesia. Perbandingan dilakukan dengan menganalisis tingkat akurasi model dan tingkat kesalahannya. Sampel yang digunakan adalah perusahaan manufaktur yang terdaftar di BEI selama tahun 2005-2008. Teknik pengambilan sampel adalah matched-pair sampling dengan total sampel sebanyak 79 perusahaan.Hasil penelitian menunjukkan bahwa model asli yang paling baik adalah model Springate. Setelah dilakukan pengujian tambahan dengan mengubah nilai cutoffnya, model yang paling baik tetap Springate. Namun jika dilakukan modifikasi model, model yang paling baik adalah Ohlson. Pada bagian akhir penelitian ini mencoba melakukan prediksi atas 30 perusahaan yang terdaftar di BEI menggunakan model Springate asli, model Springate dengan perubahan cutoff, dan model modifikasi Ohlson. Hasil prediksi menunjukkan lima perusahaan diprediksi akan mengalami financial distress di masa depan.

---

During global financial crisis, many corporations suffer from failure and bankruptcy. When a company suffers bankruptcy, its creditors and investors will have to suffer excessive loss. Therefore, they will need tools to accurately predict financial distress condition as an indication for bankruptcy. There are some models available, such as Altman (1968), Ohlson (1980), Zmijewski (1984), and Springate (1978).This research wants to know which financial distress prediction models is the most suitable to be used in Indonesia. To decide the best model, an analysis will be conducted based on accuracy and error rates of each models. Also, the purpose of this research is to conduct sensitivity analysis on the models, by modifying the cutoff score and modifying the whole model. Lastly, this research will make predictions for 30 companies listed in BEI by using the best known model. The samples used in this research is manufacturing companies listed in BEI during 2005-2008. The sampling technique used in this research is matched-pair sampling totaling 79 companies.The results of this research shows that Springate model is the best original model (without any modification). Even after modifying the cutoff scores, Springate model is still the best. After modifying the whole models, Ohlson model is proven to be the best, having superior accuracy and error rates of all models. This research also shows that between 30 predicted companies using the best three models of all treatment, there are 5 that will suffer financial distress in the future."

"Karya akhir ini membahas tentang keselarasan antara strategi teknologi informasi dengan strategi bisnis pada perusahaan asuransi jiwa. Model Keselarasan Strategi Teknologi Informasi dan Strategi Bisnis dari Henderson dan Venkrataman digunakan untuk menganalisis kondisi strategi teknologi informasi yang ada sekarang di PT Asuransi Jiwa XYZ Indonesia. Dari hasil analisis tersebut dapat dilihat strategi yang ada sekarang dalam meningkatkan kinerja operasional.

---

This thesis discusses about the alignment between information technolog strategy and business strategy. The Strategy Alignment Model from Henderson and Venkrataman is used to analyze the current information technology strategy in PT Asuransi Jiwa XYZ Indonesia. The result of the analysys can be seen to enhance the performance of operational."

"Financial 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.

---

Financial 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. "

"Penelitian ini bertujuan untuk melakukan perbandingan tiga model dalam menilai kesehatan keuangan perusahaan asuransi jiwa di Indonesia. Adapun tiga model tersebut adalah risk-based capital (RBC) yang merupakan regulatory assessment dari Otoritas Jasa Keuangan (OJK); CARAMELS (Capital adequacy, Asset quality, Reinsurance, Adequacy of claims and actuarial, Management soundness, Earnings and profitability, Liquidity, dan Sensitivity to market risk) dari The International Monetary Fund; serta Financial Strength Rating (FSR) dari Standard and Poor’s. Studi kasus penelitian ini terbatas pada lima perusahaan asuransi jiwa di Indonesia dengan menggunakan rasio keuangan, terutama sebagai basis penghitungan indikator kuantitatif masing-masing model tersebut. Selain indikator kuantitatif, juga dilakukan penilaian indikator kualitatif. Metode penelitian yang digunakan adalah campuran antara kuantitatif dan kualitatif. Hasil penelitian ketiga model tersebut untuk masing-masing perusahaan menunjukkan tingkat kesehatan yang sama. Meskipun perusahaan asuransi jiwa mendapatkan RBC tertinggi, namun belum tentu mendapatkan penilaian tertinggi pula pada model CARAMELS atau FSR. Oleh karena itu, sintesis ketiga model tersebut dapat digunakan secara lebih komprehensif oleh regulator dalam menilai kesehatan keuangan perusahaan asuransi jiwa.

---

This research aims to compare three models to evaluate financial soundness of life insurance companies in Indonesia. The three models are RBC (risk-based capital) as regulatory assessment from Indonesia Financial Services Authority (Otoritas Jasa Keuangan); CARAMELS (capital adequacy, asset quality, reinsurance and actuarial issues, management soundness, earnings and profitability, liquidity, sensitivity to market risk) from The International Monetary Fund; and  FSR (Financial Strength Rating) from Standard and Poor’s. This case study research uses mixed methods and secondary data. The result concludes that life insurers have healthy financial condition using three models. Although an insurer has the best result on RBC, but it doesn’t necessarily show the best result on CARAMELS and FSR model. Therefore, the synthesis of three models is needed to measure financial soundness comprehensively using both quantitative and qualitative indicators."

"Penelitian ini bertujuan untuk menganalisis dampak yang ditimbulkan akibat adanya penerapan klaster perpajakan UU omnibus law bagi tingkat kesehatan keuangan perusahaan asuransi. Beberapa hal yang diperhatikan dalam penelitian ini adalah kondisi objek penelitian sebelum adanya penerapan klaster perpajakan UU omnibus law, permasalahan yang timbul dari penerapan klaster perpajakan UU omnibus law bagi objek penelitian, dan dampaknya terhadap tingkat kesehatan keuangan perusahaan asuransi perusahaan melalui dengan menggunakan pendeketan risk-based capital sesuai dengan ketentuan yang disyaratkan Otoritas Jasa Keuangan. Studi kasus ini menggunakan pendekatan kualitatif dengan menganalisis dokumen dan informasi serta melakukan wawancara kepada beberapa pihak internal objek penelitian terkait. Hasil penelitian memperlihatkan kondisi kesehatan keuangan objek penelitian diterapkannya omnibus law klaster perpajakan, di mana memperlihatkan kondisi yang baik. Penelitian ini juga menganalisis dampak setelah penerapan omnibus law klaster perpajakan terhadap kesehatan keuangan perusahaan, di mana memperlihatkan bagian-bagian omnibus law yang berdampak pada perusahaan asuransi, yaitu penurunan tarif PPh Badan, peniadaan tarif pajak dividen, serta pengenaan PPh terhadap manfaat yang diterima pemegang polis asuransi. Penelitian ini diharapkan dapat memberikan evaluasi bagi perusahaan dalam menyikapi dampak penerapan peraturan ini dan merekomendasikan langkah yang efektif untuk memaksimalkan potensi keuntungan dari adanya penerapan omnibus law bagi objek penelitian.

---

This study aims to analyze the impact caused by the implementation of the omnibus law tax cluster law for the financial soundness of insurance companies. Some things that are considered in this research are the research conditions before the implementation of the tax cluster law of the omnibus law, the problems that arise from the application of the tax cluster of the omnibus law law for the object of research, and the level of financial soundness of the insurance company through a capital risk-based approach in accordance with the required provisions. Financial Services Authority. This case study uses an approach approach by analyzing documents and information as well as conducting interviews with several internal parties related to the object of research. The results of the research on the financial health condition of the research object are the implementation of the omnibus law tax cluster, where the conditions are good. This study also analyzes the impact after the application of the omnibus law classification on the company's financial soundness, in which the parts of the omnibus law that have an impact on insurance companies, namely the reduction in the corporate income tax rate, the abolition of the dividend tax rate, and the imposition of income tax on the benefits received by insurance policy holders. This research is expected to provide an evaluation for companies in responding to the impact of implementing this regulation and recommending effective steps to maximize the benefits of implementing the omnibus law for the object of research."