Pemodelan Efisiensi Investasi dengan Faktor Financial Distress dan Managerial Ability Menggunakan Regresi Data Panel dan Support Vector Regression

Wildani, Siti Anisa (2024) Pemodelan Efisiensi Investasi dengan Faktor Financial Distress dan Managerial Ability Menggunakan Regresi Data Panel dan Support Vector Regression. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5006201008-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (5MB) | Request a copy

Abstract

Pengukuran tingkat kemajuan dan perkembangan ekonomi suatu negara dapat dilihat dari pertumbuhan ekonominya. Berdasarkan data BPS angka Incremental Capital Output Ratio (ICOR) Indonesia dari tahun 2018-2020 bergerak fluktuatif. Nilai ICOR Indonesia pada tahun 2018 tercatat sebesar 6.72% lalu pada tahun 2019 mengalami peningkatan sebesar 6.87%. Kemudian pada tahun 2020 turun hingga -15.12%, kemudian di tahun 2021 meningkat sebesar 9.94% lalu menurun pada tahun 2022 sebesar 6.25%. Hal ini tentunya tidak baik bagi efisiensi investasi di Indonesia. Salah satu konsep penting dalam manajemen keuangan perusahaan adalah kesulitan keuangan atau financial distress, yang mengacu pada ketidakmampuan suatu perusahaan untuk memenuhi kewajiban keuangannya karena arus kas yang tidak mencukupi atau leverage yang tinggi. Faktor selanjutnya yang mempengaruhi efisiensi investasi yaitu kemampuan manajerial. Kemampuan manajerial merupakan faktor ekonomi yang signifikan dalam menentukan efisiensi investasi, yang pada gilirannya mempengaruhi tingkat investasi yang optimal. Oleh karena itu, penelitian ini bertujuan untuk memodelkan efisiensi investasi dengan faktor financial distress dan managerial ability menggunakan metode Regresi Data Panel dan Support Vector Regression (SVR). SVR dipilih karena mampu menghasilkan model yang robust yaitu tahan terhadap gangguan pencilan (outlier), overfitting pada data. Data yang digunakan dalam penelitian ini adalah data sekunder dari 25 perusahaan sektor manufaktur berupa laporan keuangan dan tahunan dari tahun 2018 hingga 2022. Hasil penelitian menunjukkan bahwa model regresi data panel didapatkan model random effect yang menghasilkan nilai RMSE terkecil yaitu 0.049 dibandingkan dengan model yang lain. Pemodelan SVR pada data common menggunakan kernel linear didapatkan nilai RMSE terkecil sebesar 0.117, sedangkan dengan kernel RBF didapatkan nilai RMSE terkecil yaitu sebesar 0.1227. Pemodelan SVR pada data fixed menggunakan kernel linear didapatkan nilai RMSE terkecil sebesar 0.120, sedangkan dengan kernel RBF didapatkan nilai RMSE terkecil yaitu sebesar 0.1228. Oleh karena itu, dari metode-metode yang digunakan dapat disimpulkan bahwa model terbaik pada penelitian ini adalah random effect.
============================================================
The measurement of the progress and economic development of a country can be observed through its economic growth. According to BPS data, Indonesia's Incremental Capital Output Ratio (ICOR) fluctuated from 2018 to 2020. The ICOR value for Indonesia in 2018 was recorded at 6.72%, then increased to 6.87% in 2019. In 2020, it dropped to -15.12%, then rose to 9.94% in 2021, and declined to 6.25% in 2022. This fluctuation is not conducive to investment efficiency in Indonesia. One important concept in corporate financial management is financial distress, which refers to a company's inability to meet its financial obligations due to inadequate cash flow or high leverage. Another factor affecting investment efficiency is managerial ability. Managerial ability is a significant economic factor in determining investment efficiency, which in turn affects the optimal level of investment. Therefore, this study aims to model investment efficiency with the factors of financial distress and managerial ability using the Panel Data Regression and Support Vector Regression (SVR) methods. SVR is chosen because it is able to produce a robust model that is resistant to outlier interference and overfitting on data. The data used in this study are secondary data from 25 manufacturing sector companies in the form of financial and annual reports from 2018 to 2022. The research results show that the panel data regression model yielded the random effect model with the smallest RMSE value of 0.049 compared to other models. SVR modeling on common data using the linear kernel resulted in the smallest RMSE value of 0.117, while using the RBF kernel resulted in the smallest RMSE value of 0.1227. SVR modeling on fixed data using the linear kernel resulted in the smallest RMSE value of 0.120, while using the RBF kernel resulted in the smallest RMSE value of 0.1228. Therefore, from the methods used, it can be concluded that the best model in this study is the random effect model.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Efisiensi Investasi, Financial Distress, Kernel Linear, Kernel RBF, Managerial Ability, Random Effect, Regresi Data Panel, Support Vector Regression, Data Panel Regression, Financial Distress, Investment Efficiency, Kernel Linear, Kernel RBF, Managerial Ability, Random Effect, Support Vector Regression.
Subjects:	Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Wildani Siti Anisa
Date Deposited:	01 Aug 2024 02:12
Last Modified:	01 Aug 2024 02:12
URI:	http://repository.its.ac.id/id/eprint/110232

Actions (login required)

View Item