PREDIKSI FINANCIAL DISTRESS MENGGUNAKAN ARTIFICIAL NEURAL NETWORK PADA PERUSAHAAN SEKTOR ENERGI YANG TERDAFTAR DI BURSA EFEK INDONESIA PERIODE 2018 - 2021
I PUTU ARYA BUDI MAHARDIKA

Informasi Umum

Kode

23.04.6377

Klasifikasi

657 - Accounting

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Accounting Management, Financial Accounting,

Dilihat

48 kali

Informasi Lainnya

Abstraksi

<p>Perusahaan energi merupakan salah satu perusahaan sektor energi yang memiliki karakteristik dan risiko yang unik. Sejak tahun 2020 kondisi perusahaan sektor energi di Indonesia mengalami penurunan kinerja yang menyebabkan ketidakpastian keuangan pada perusahaan sektor energi. Hal ini menyebabkan terjadinya penurunan kegiatan ekspor ke beberapa negara yang menyebabkan 24 perusahaan mengalami EPS negatif. Selain itu, factor lain yang menyebabkan kinerja perusahaan sektor energi menurun karena adanya wabah virus Covid-19. Hal ini dapat memicu terjadinya financial dustress. Financial distress merupakan kondisi yang harus diperhatikan bagi setiap perusahaan agar perusahaan karena dapat mempengaruhi keuangan perusahaan. oleh karena itu, prediksi financial distress sangat penting dilaksanakan untuk pengambilan keputusan yang tepat.</p>

<p>Prediksi financial distress pada penelitian ini menggunakan teknik data mining dengan menggunakan model prediksi Artificial Neural Network. Artificial Neural Network merupakan model yang sangat tinggi dalam memprediksi dibandingkan dengan machine learning lainnya. Empat rasio keuangan yakni Return on assets, debt to assets ratio, current ratio, operating cash flow ratio digunakan menjadi variabel input dalam Artificial Neural Network karena terbukti mampu memprediksi financial distress.</p>

<p>Tujuan penelitian ini untuk mengembangkan model prediksi financial distress menggunakan Artificial Neural Network (ANN) pada perusahaan sektor energi yang terdaftar di Bursa Efek Indonesia dalam periode tahun 2018-2021, dengan menggunakan metode data mining.</p>

<p>Hasil penelitian ini menunjukkan bahwa rasio keuangan perusahaan yang mengalami financial distress cenderung lebih rendah dibandingkan dengan perusahaan yang tidak mengalami financial distress sehingga dapat digunakan sebagai variabel input. Arsitektur artificial neural network yang terbaik dalam memprediksi financial distress berdasarkan hasil training data yang dengan sampel 65 perusahaan data training yaitu dengan 4 neuron pada input layer, 15 neuron pada hidden layer, serta satu neuron pada output layer. Hasil analisis memperlihatkan 26 dari 58 perusahaan energi diprediksi mengalami financial distress dengan akurasi tertinggi sebesar 97,3% dengan error terkecil sebesar 0,0298.</p>

<p><strong>Kata Kunci</strong>: Artificial Neural Network, Data Mining, Financial Distress, Rasio Keungan, Perusahaan Sektor Energi</p>

• EAI4284 - SKRIPSI

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook