Jurnal Sains dan Seni ITS
Vol 14, No 1 (2025)

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

Wildani, Siti Anisa (Departemen Aktuaria Institut Teknologi Sepuluh Nopember Surabaya)
Ahmad, Imam Safawi (Departemen Aktuaria Institut Teknologi Sepuluh Nopember Surabaya)



Article Info

Publish Date
30 Apr 2025

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 memengaruhi 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 pelanggaran asumsi-asumsi dalam mengidentifikasi faktor-faktor yang berperan dalam efisiensi investasi. Data yang digunakan dalam penelitian ini adalah data sekunder dari 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.

Copyrights © 2025