Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Tesis ini meneliti kasus-kasus salah saji laporan keuangan di pasar modal Indonesia, sebagian disebabkan oleh kecurangan yang dilakukan oleh manajemen, dengan memanfaatkan suatu ukuran komposit yang disebut F-Score. Penelitian bertujuan untuk memperoleh bukti mengenai efektivitas dari F-Score dalam mendeteksi salah saji material laporan keuangan. Obyek penelitian adalah kasuskasus kecurangan atau salah saji laporan keuangan di pasar modal Indonesia yang terpublikasikan selama tahun 1999 sampai 2009. Hasil penelitian membuktikan bahwa ukuran F-Score efektif dalam mendeteksi salah saji laporan keuangan. ......This thesis studied the misstatements in financial statements cases in Indonesia capital market, partly arising from management fraud, by using a composit measure namely F-Score. The study was aimed to obtain evidence on the effectiveness of F-Score in detecting financial statements misstatements. The object of the study is the cases of fraudulent financial statements or misstatements in Indonesia capital market published during 1999 to 2009. Results of the study suggest that F-Score was effectively proven in detecting financial statements misstatements.

Abstrak :
Penelitian ini bertujuan untuk melihat perbedaan jumlah perusahaan yang masuk ke dalam kategori default pada masa sebelum pandemi dan saat pandemi COVID-19. Penelitian juga mempelajari apakah manajemen laba (earnings management) memiliki korelasi dengan probabilitas default saat pandemi COVID-19 khususnya perusahaan non keuangan di Indonesia. Data penelitian diperoleh dari Bursa Efek Indonesia periode 2019 – 2021, probabilitas default dihitung dengan menggunakan KMV-Merton Model dan manajemen laba menggunakan metode Dechow F-Score (2011). Hasil penelitian menunjukkan terdapat peningkatan jumlah perusahaan yang masuk dalam kategori default pada masa pandemi COVID-19 dan hasil uji menunjukan bahwa manajemen laba tidak memiliki korelasi terhadap probabilitas default. Berdasarkan hasil uji, kedua model tidak dapat menggambarkan hubungan antar variabel dengan baik karena KMV-Merton melakukan perhitungan perubahan akun jangka panjang sementara Dechow F-Score memperhitungkan perubahan akun akrual jangka pendek. ......This study aims to see the difference in the number of companies that fall into the default category during the pre-pandemic period and during the COVID-19 pandemic. The research also studies whether earnings management has a correlation with the probability of default during the COVID-19 pandemic, especially non-financial companies in Indonesia. The research data was obtained from the Indonesia Stock Exchange for the period 2019 - 2021, the probability of default was calculated using the KMV-Merton Model and earnings management using the Dechow F-Score method (2011). The results showed that there was an increase in the number of companies in the default category during the COVID-19 pandemic and the test results showed that earnings management had no correlation with the probability of default. Based on the test results, both models cannot describe the relationship between variables well because KMV-Merton calculates long-term account changes while Dechow F-Score takes into account short-term accrual account changes.

Abstrak :
Tesis ini bertujuan untuk menjawab kejanggalan yang terjadi pada emiten produsen semen yang tercatat di Bursa Efek Indonesia, seperti nilai kapitalisasi pasar harga saham x jumlah saham beredar INTP yang melebihi SMGR, dimana faktanya Revenue, EBITDA, Net Income, Capactiy dan Production, SMGR melebihi INTP, demikian pula dengan nilai kapitalisasi pasar SMBR yang melambung 6 kali lebih besar dari SMCB, dimana faktanya SMCB memiliki Revenue, EBITDA, Capactiy dan Production lebih besar SMBR. Penelitian ini mencoba menelaah kinerja keuangan emiten produsen semen pada periode industri semen yang mengalami overcapacity dengan menggunakan Altman Z-Score untuk memprediksi tingkat kebangkrutan, Beneish M-Score untuk mendeteksi manajemen laba, Piotroski F-Score untuk menganalisa kelayakan kinerja keuangan, serta Dupont Analysis untuk melihat komposisi detil dari imbal hasil ekuitas Return On Equity . Kinerja keuangan emiten produsen semen pada masa overcapacity diduga kurang baik selain labanya berkualitas rendah karena diperkirakan adanya earning management dan kelayakan investasi kurang menarik. ......This Thesis aims to answer the irregularities that occur in listed cement producers which listed on the Indonesia Stock Exchange, such as market capitalization value share price x number of outstanding shares INTP bigger than SMGR, where in fact Revenue, EBITDA, Net Income, Capactiy and Production, SMGR exceeds INTP, as well as the market capitalization value of SMBR that skyrocketed 6 times larger than SMCB, where in fact SMCB has Revenue, EBITDA, Capactiy and Production larger than SMBR. This study attempts to examine the earnings quality of cement manufacturer in overcapacity period by Altman Z Score to predict the bankruptcy rate, Beneish M Score to detect earnings managementt, Piotroski F Score to analyze financial performance feasibility, and Dupont Analysis to see the detailed composition of returns equity Return On Equity . The financial performance of cement producers during the overcapacity period is underperformed, besides the low quality earnings caused by earning management and the investment return is not attractive.

Abstrak :
Penelitian ini berfokus pada pengembangan algoritma untuk EEG-based Brain Computer Interface (BCI) yang memanfaatkan sinyal otak untuk mengendalikan external device secara langsung. Jenis sinyal EEG yang digunakan dalam penelitian ini adalah sinyal Motor Imagery (MI) yang berisikan imajinasi gerakan anggota tubuh tertentu tanpa dilakukannya gerakan secara langsung. Pengaplikasian sinyal MI-EEG ke dalam BCI masih memiliki kendala utama dikarenakan pola yang dihasilkan sulit untuk dibedakan antara jenis gerakan yang satu dengan jenis gerakan lainnya, maupun pada jenis gerakan yang sama. Pembaharuan yang dilakukan oleh peneliti adalah dengan memanfaatkan metode Wavelet Packet Transform (WPT) yang digunakan untuk meningkatkan resolusi temporal dari sinyal dengan cara mendekomposisikan sinyal ke dalam pita - pita frekuensi (frequency band) baik pada frekuensi tinggi maupun frekuensi rendah, sehingga dapat meningkatkan kemampuan Common Spatial Pattern (CSP) sebagai spatial filter sehingga didapatkan resolusi spatial yang lebih baik untuk sinyal MI-EEG tersebut. Convolutional Neural Network (CNN) kemudian dipilih untuk pelatihan dari klasifier, dimana hasil pelatihan ini nantinya akan digunakan untuk mengklasifikasikan gerakan dari MI-EEG yang diberikan. Performa dari metode ini akan dianalisis dengan menggunakan dataset 2a dari Brain Computer Interface Competition IV (BCIC IV) dan menghasilkan peningkatan rerata nilai akurasi hingga 32%, Kappa hingga 0,42, dan F-Score hingga 0,39 dibandingkan dengan hanya menggunakan CNN sebagai klasifiernya. Performa dari algoritma ini juga memiliki nilai Kappa yang cukup baik dibandingkan dengan metode – metode lain yang digunakan sebelumnya pada dataset 2a dari BCIC IV. ......This study is focused on proposed a new algorithm in EEG-based Brain Computer Interface (BCI) that can directly utilize brain signals to control external devices. Motor Imagery (MI) signal, which contains the imagination of a certain limb movement, is generally used in BCI. It does not need direct movement. The application of MI-EEG signal into BCI still has major problems because the patterns obtained for each recording can be different from one another even though they have the same type of motion. In this study, we utilize the Wavelet Packet Transform (WPT) method which is used to decompose the EEG signal into specifics sub-bands frequency and Common Spatial Pattern (CSP) as a spatial filter to increase the spatial resolution of the EEG signal. The Convolutional Neural Network (CNN) is then selected for training from the classifier. The results of this training will later be used to classify the movements of the given MI-EEG. We evaluate the model using dataset 2a from Brain-Computer Interface Competition (BCIC) IV. The results show that the average accuracy increases 32%, Kappa up to 0.42, and F-Score up to 0.39 compared to only using CNN as the classifier. The performance of this algorithm also has a fairly good Kappa value compared to other methods used previously in dataset 2a from BCIC IV.