SITI NURUL KUSUMAWARDANI, 040117093 (2006) PERBANDINGAN ANALISIS DISKRIMINAN DAN NEURAL NETWORKS DALAM MEMPREDIKSI FINANCIAL DISTRESS STUDI KASUS PADA PERUSAHAAN MANUFAKTUR YANG GO PUBLIC DI INDONESIA PERIODE 1999-2001. Skripsi thesis, UNIVERSITAS AIRLANGGA.

Preview	Text (ABSTRAK) gdlhub-gdl-s1-2006-kusumaward-1040-b_25_06.pdf Download (252kB) | Preview
Preview	Text (FULL TEXT) gdlhub-gdl-s1-2006-kusumaward-1040-b_25_06.pdf Download (4MB) | Preview

Abstract

Prediksi mengenai kesulitan keuangan perusahaan merupakan topik yang dipelajari secara luas dan diharapkan dapat membantu investor dalam menentukan keputusan investasi. Selain itu, dengan mengetahui kinerja keuangan perusahaan, kerugian yang mungkin terjadi di masa mendatang diharapkan dapat diminimalisir. Penelitian ini dilakukan untuk mengetahui rasio-rasio keuangan yang mampu membedakan perusahaan yang mengalami kesulitan keuangan dengan perusahaan yang tidak mengalami kesulitan keuangan. Metode yang digunakan dalam penelitian ini adalah analisis diskriminan (DA) dan neural networks (NN). Penggunaan dua metode tersebut dimaksudkan untuk mendapatkan metode yang lebih baik dalam memprediksi kesulitan keuangan perusahaan manufaktur yang go public di Indonesia. Rasio keuangan yang digunakan dalam penelitian ini adalah rasio-rasio keuangan yang termasuk dalam kelompok likuiditas, solvabilitas, profitabilitas dan rasio untuk investor. Selanjutnya, data yang digunakan berasal dari laporan keuangan perusahaan tahun 1999 sampai 2001 yang kemudian diformulasikan dalam bentuk rasio keuangan. Hasil penelitian menunjukkan bahwa rasio-rasio keuangan yang secara signifikan membedakan dua kelompok perusahaan yang diteliti berdasarkan analsisis diskriminan adalah return on equity, dividend payout ratio dan quick ratio dengan tingkat akurasi prediksi sebesar 86.67 % untuk satu tahun dan 100 % untuk dua tahun sebelum kesulitan keuangan terjadi. Lebih lanjut, rasio-rasio keuangan yang paling dominan dalam membedakan perusahaan yang mengalami kesulitan keuangan dengan yang tidak berdasarkan neural networks adalah current ratio, cash flow ratio, financial leverage, return on assets, return on equity dan net sales to total assets dengant ingkat akurasi sebesar 96.67 %, untuk satu tahun maupun dua tahun sebelum kesulitan keuangan terjadi. Tingkat akurasi yang lebih tinggi pada neural networks menunjukkan bahwa metode tersebut merupakan metode yang lebih baik digunakan untuk memprediksi kesulitan keuangan perusahaan Translation: The prediction of financial distress is widely studied topic since it can have significant impact on investment decision. Besides that, powerful tools for early detection of corporate's financial performance are important to minimize high economic losses. This study examines the financial ratios determinant of financial distress, focusing on two alternative techniques, discriminant analysis (DA) and neural networks (NN). This study aim to explore the essential differences between the methods lead to significant differences in prediction of financial distress in Indonesia. Financial ratios being used in this study are liquidity, solvability, profitability and ratio for the investor. The data used in the study is taken from annual financial statement from 1999-2001. This study shows that financial ratios that can discriminate between two groups observed based on discriminant analysis are return on equity, dividend payout ratio and quick ratio with accuracy prediction 86.67 % one year prior to financial distress and 100 % for two year prior to financial distress. Moreover, financial ratios determinant of financial distress based on neural networks are current ratio, cash flow ratio, financial leverage, return on equity, return on assets, and net sales to total assets and also the accuracy prediction are 96.67 % for both one and two year prior to financial distress. Higher accuracy prediction from neural networks indicates that this method is a better prediction to forecast corporate's financial distress.

Actions (login required)

View Item