<![CDATA[OObligasi adalah bentuk surat utang dalam bidang ke-uangan yang diterbitkan oleh entitas seperti perusahaan atau instansi pemerintah untuk mengumpulkan dana dari investor. Seperti halnya investasi pada umumnya, investasi dalam obliga-si juga melibatkan risiko, termasuk risiko gagal bayar jika pe-nerbit gagal memenuhi kewajiban pembayarannya kepada investor. Untuk meminimalisir risiko tersebut, rating obligasi digunakan sebagai ukuran seberapa baik perusahaan dalam membayar kupon atau bunga obligasi kepada investor. Tujuan penelitian ini adalah membuat model yang efektif sebagai model yang digunakan untuk memprediksi rating obligasi korporasi di Indonesia dengan membandingkan metode algoritma machine learning Random Forest dan metode statistik konvensional regresi logistik ordinal. Jumlah observasi yang digunakan pada penelitian ini sebanyak 122 perusahaan. Kemudian, variabel yang digunakan dalam penelitian ini adalah Return on Asset, Return on Equity, Current Ratio, Cash Ratio, Debt to Asset Ratio, Debt to Equity Ratio, Ukuran Perusahaan, Total Utang Obligasi, dan jenis perusahaan. Hasil analisis menunjukkan bahwa ma-yoritas perusahaan memiliki rating obligasi A dan perusahaan non finansial adalah perusahaan yang lebih banyak digunakan dalam penelitian ini. Rasio-rasio keuangan perusahaan juga menunjukkan perbedaan karakteristik pada masing-masing rating obligasi perusahaan. Hasil pemilihan model terbaik ber-dasarkan akurasi dan F-1 Score menunjukkan bahwa model Random Forest terpilih sebagai model terbaik dalam melakukan prediksi dan klasifikasi rating obligasi korporasi di Indonesia.]]>
Copyrights © 2025
