Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Seni ITS
Muniroh Muniroh
Institut Teknologi Sepuluh Nopember
Arts Humanities

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Dynamic Financial Distress Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia Tahun 2012-2014 Menggunakan Regresi Logistik Biner dan Classification Analysis & Regression Tree (CART) Muniroh Muniroh; Suharsono Agus
Jurnal Sains dan Seni ITS Vol 5, No 2 (2016)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (664.85 KB) | DOI: 10.12962/j23373520.v5i2.16639

Abstract

Financial distress adalah suatu konsep luas yang terdiri dari beberapa situasi dimana suatu perusahaan menghadapi masalah kesulitan keuangan. Apabila kondisi financial distress ini diketahui, diharapkan dapat dilakukan tindakan untuk memperbaiki situasi tersebut sehingga perusahaan tidak akan masuk pada tahap kesulitan yang lebih berat seperti kebangkrutan ataupun likuidasi. Untuk itu dilakukan klasifikasi dynamic financial distress dengan menggunakan metode rgresi logistik biner dan CART. Tujuan dilakukan penelitian ini yaitu untuk mengetahui faktor-faktor yang diduga berpengaruh signifikan terhadap financial distress, serta untuk mengetahui model klasifikasi financial distress. Berdasarkan hasil analisis regresi logistik biner, terdapat dua variabel prediktor yang berpengaruh signifikan terhadap kondisi financial distress perusahaan manufaktur yaitu variabel rasio likuiditas (X1) dan rasio aktivitas (X5), dengan ketepatan klasifikasi sebesar 84,8%. Metode CART menghasilkan pohon klasifikasi maksimum sama dengan pohon klasifikasi optimum, dengan simpul utamanya adalah variabel rasio solvabilitas (X4). Dengan nilai ketepatan klasifikasi sebesar 96,3%. Perbandingan kedua metode menghasilkan bahwa metode CART memiliki nilai ketepatan klasifikasi yang lebih besar 11,5% dari metode regresi logistik biner.
Co-Authors Agus Suharsono