Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Dalam pelaksanaan Kerjasama Pemerintah Dengan Badan Usaha (KPBU) Dalam Penyediaan Infrastruktur, pemerintah dapat memberikan jaminan pemerintah dalam bentuk jaminan infrastruktur. Hal ini dimaksudkan untuk meningkatkan kelayakan kredit dari proyek KPBU yang dilaksanakan oleh badan usaha pelaksana sebagai mitra pemerintah. Jaminan infrastruktur tersebut diberikan oleh pemerintah melalui badan usaha milik negara yang dibentuk khusus untuk memberikan penjaminan infrastruktur, yaitu PT. Penjaminan Infrastruktur Indonesia (Persero). Dalam pelaksanaan pemberian jaminan infrastruktur kepada badan usaha pelaksana, PT. Penjaminan Infrastruktur Indonesia (Persero) memiliki hak regres kepada pemerintah daerah selaku penanggung jawab proyek kerjasama. Penyelesaian hak regres tersebut dituangkan dalam bentuk perjanjian penyelesaian regres antara PT. Penjaminan Infrastruktur Indonesia (Persero) dan Pemerintah Daerah selaku Penanggung Jawab Proyek Kerjasama. Tesis ini membahas mengenai mekanisme pembayaran perjanjian penyelesaian regres dalam Anggaran Pendapatan dan Belanja Daerah menurut peraturan perundang-undangan di bidang keuangan negara/daerah. Penelitian ini bersifat preskriptif dengan menggunakan metode yuridis normatif. Hasil penelitian menunjukkan bahwa dalam pelaksanaannya pembayaran regres tidak dapat dianggarkan dalam Anggaran Pendapatan dan Belanja Daerah. Hal ini dikarenakan tidak terdapat jenis/kelompok pengeluaran/belanja yang dapat digunakan untuk mengalokasikan pembayaran regres sehingga berakibat skema perjanjian penyelesaian regres tidak dapat terlaksana dengan baik.

---

In the implementation of the Cooperation Beetwen Government and Business Entities (Kerjasama Pemerintah dengan Badan Usaha - KPBU) in the Provision of Infrastructure, the government can provide government guarantees. It is intended to improve the creditworthiness of the KPBU projects as implemented by Special Purpose Company (SPC) as a government‟s partner. The infrastructure guarantees given by the government through the state-owned enterprise whom set up specifically to provide assurance infrastructure, namely PT. Penjaminan Infrastruktur Indonesia (Indonesia Infrastructure Guarantee Fund ? IIGF). In the implementation of the provision of guarantees to SPC, IIGF has recourse to local authorities as the person in charge of the project cooperation. Completion of recourse is expressed in the form of a recourse settlement agreement between IIGF and Local Government as the Contracting Agency. This thesis discusses the payment mechanism of the settlement agreement Recourse in the Local Budget (APBD) under State/Regional Monetary Regulations. This study prescriptive using normative juridical method. The results showed that the implementation of payment Recourse can not be budgeted in the Local Budget. This is because there are no types / groups of expenditures that can be used to allocate payments resulting Recourse Recourse settlement agreement scheme can not be implemented properly.

Abstrak :
Beberapa jurnal statistik menunjukkan bahwa pergerakan harga saham dapat diprediksi dengan menggunakan pergerakan harga masa lalu, namun cara ini ditentang oleh Eugene Fama dalam tesisnya yang berjudul Random Walk in Stock Market. Hal tersebut didukung oleh Burton G. Malkiel dalam bukunya yang berjudul Random Walk in Wall Street. Berdasarkan hal tersebut harus dicari cara lain yaitu dengan menggunakan rasio keuangan. Dutta tahun 2012 menunjukkan cara memprediksi pergerakan saham menggunakan Binary Logistic Regression (BLR) dengan rasio keuangan sebagai prediktornya. Model BLR-nya terlibat dalam algoritma klasifikasi biner yang menggunakan nilai cut off dalam aturan klasifikasinya untuk mengklasifikasikan perusahaan mana yang harga sahamnya akan naik atau tidak. Metode ini diterapkan dalam penelitian ini untuk memprediksi pergerakan saham di Indonesia. Sebuah penelitian menunjukkan bahwa keputusan investor dipengaruhi oleh lokasi perusahaan. Oleh karena itu, BLR belum tentu menjadi model yang tepat untuk memprediksi pergerakan saham karena tidak memperhatikan unsur regional (spasial) sehingga dalam penelitian ini digunakan model regresi logistik biner yang mempertimbangkan elemen spasial yang disebut dengan Geographically Weighted Logistic Regression (GWLR) model dan membandingkan kinerja model. dengan model BLR dalam memprediksi pergerakan saham dengan menggunakan rasio keuangan sebagai prediktor. Penelitian diawali dengan mencari model BLR terbaik yang dibuat dari data latih tahun 2013. Model terbaik dengan prediktor rasio keuangan adalah DER (Debt to Equity Ratio). Kemudian dibuat model GWLR dengan prediktor yang sama. BLR dan GWLR dilibatkan vii Universitas Indonesia dalam algoritma klasifikasi biner. Kemudian dilakukan pengujian algoritma masing-masing menggunakan data latih 2013, dan data pengujian tahun 2014 menghasilkan AUC masing-masing sebesar 0,6252723 dan 0,6666667, untuk algoritma klasifikasi biner yang melibatkan GWLR, dan untuk algoritma klasifikasi biner yang melibatkan BLR diperoleh 0,6176471, dan 0,627381. Hal ini menunjukkan bahwa kinerja model GWLR lebih baik dari pada BLR.
Several statistical journals show that stock price movements can be predicted using past price movements, but this method is opposed by Eugene Fama in his thesis entitled Random Walk in Stock Market. This is supported by Burton G. Malkiel in his book entitled Random Walk in Wall Street. Based on this, another way must be sought, namely by using financial ratios. Dutta 2012 shows how to predict stock movements using Binary Logistic Regression (BLR) with financial ratios as predictors. The BLR model is involved in a binary classification algorithm that uses the cut off value in its classification rules to classify which companies will increase their share price or not. This method is applied in this study to predict stock movements in Indonesia. A study shows that investors' decisions are influenced by the location of the company. Therefore, BLR is not necessarily the right model for predicting stock movements because it does not pay attention to regional (spatial) elements so in this study a binary logistic regression model is used that considers spatial elements called the Geographically Weighted Logistic Regression (GWLR) model and compares performance. model. with the BLR model in predicting stock movements using financial ratios as predictors. The research begins with finding the best BLR model made from training data in 2013. The best model with a predictor of financial ratios is DER (Debt to Equity Ratio). Then a GWLR model was made with the same predictors. BLR and GWLR were involved vii University of Indonesia in the binary classification algorithm. Then each algorithm was tested using the 2013 training data, and the 2014 test data resulted in an AUC of 0.6252723 and 0.6666667, respectively, for the binary classification algorithm involving GWLR, and for the binary classification algorithm involving BLR it was obtained 0, 6176471, and 0.627381. This shows that the performance of the GWLR model is better than the BLR.