PERBANDINGAN LOGISTIC REGRESSION DAN NEURAL NETWORKS TERHADAP ANALISIS INDIKASI FINANCIAL DISTRESS PADA PERUSAHAAN MANUFAKTUR YANG GO PUBLIC DI BEI

NURUL DINI ANGGRAENI, 040418810 (2009) PERBANDINGAN LOGISTIC REGRESSION DAN NEURAL NETWORKS TERHADAP ANALISIS INDIKASI FINANCIAL DISTRESS PADA PERUSAHAAN MANUFAKTUR YANG GO PUBLIC DI BEI. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text (ABSTRAK)
gdlhub-gdl-s1-2010-anggraenin-11722-b13809-k.pdf

Download (306kB) | Preview
[img] Text (FULL TEXT)
gdlhub-gdl-s1-2010-anggraenin-10615-b13809.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Pada penelitian ini ingin diketahui serta diuji parameter yang paling akurat untuk dapat memprediksi indikasi financial distress pada tahun 2006 dan 2007 dengan model logistic regression dan neural networks. Dalam penelitian ini juga ingin dilihat bahwa neural networks dapat memprediksi indikasi financial distress lebih tinggi dibandingkan dengan logistic regression. Metode purpose sampling digunakan dalam penentuan sampel terbatas pada perusahaan manufaktur yang listing di BEI dengan periode penelitian 2006 dan 2007 dan periode pengamatan 3 tahun.Pada penelitian ini digunakan analisis logistic regression dengan metode stepwise sebagai metodologi statistik dan analisis neural networks sebagai metodologi jaringan saraf tiruan untuk diperoleh hasil prediksi keakuratan model yang terbaik. Berdasarkan hasil analisis logistic regression diperoleh kesimpulan bahwa parameter Logit yang paling akurat di tahun pertama dan ketiga periode pengamatan adalah nilai buku ekuitas dan di tahun kedua periode pengamatan adalah laba operasi. Untuk analisis dan neural networks, parameter yang paling akurat di tahun pertama dan ketiga adalah EBIT dan di tahun ketig yaitu net income. Neural networks mampu memprediksi indikasi financial distress lebih tinggi dibanding logistic regression selama 3 tahun periode pengamatan.

Item Type: Thesis (Skripsi)
Additional Information: KKB KK-2 B 138 / 09 Ang p
Uncontrolled Keywords: Parameter indikasi financial distress, indikasi financial distress, logistic regression, neural networks.
Subjects: H Social Sciences > HD Industries. Land use. Labor > HD9720-9975 Manufacturing industries
H Social Sciences > HG Finance > HG4501-6051 Investment, capital formation, speculation > HG4551-4598 Stock exchanges
Divisions: 04. Fakultas Ekonomi dan Bisnis > Manajemen
Creators:
CreatorsEmail
NURUL DINI ANGGRAENI, 040418810UNSPECIFIED
Contributors:
ContributionNameEmail
ContributorNoorlaily Fitdiarini, SE., MBAUNSPECIFIED
Depositing User: Nn Dhani Karolyn Putri
Date Deposited: 26 Apr 2010 12:00
Last Modified: 28 Sep 2016 01:48
URI: http://repository.unair.ac.id/id/eprint/2346
Sosial Share:

Actions (login required)

View Item View Item