Alwi, Alfa Bishri and Nurlita Novianti,, SE., MSA., Ak., CA (2024) Analisis Perbandingan Model Prediksi Financial distress sebagai Early Warning pada Industri Properti dan Real Estat. Sarjana thesis, Universitas Brawijaya.
Abstract
Industri properti dan real estat sedang menghadapi tantangan ekonomi dan kondisi ketidakpastian yang terjadi saat ini. Prediksi kesulitan keuangan industri merupakan aspek yang penting dalam mengambil langkah-langkah proaktif untuk melindungi keberlangsungan bisnis. Oleh karena itu, entitas perlu adanya suatu model yang dapat melakukan evaluasi kinerja prediksi bagi manajemen perusahaan sebagai peringatan dini. Penelitian ini bertujuan untuk membandingkan tingkat evaluasi kinerja model prediksi financial distress antara model artificial neural network dengan regresi logistik. Penelitian ini menggunakan sampel industri properti dan real estat yang terdaftar di Bursa Efek Indonesia tahun 2020 – 2022 serta penggunaan Zmijweski X-Score dalam pengklasifikasian probabilitas distress atau non-distress. Penelitian ini menghasilkan bahwa nilai rata-rata evaluasi kinerja model yang didapatkan dari model regresi logistik sebesar 98,25% lebih besar dibandikan model artificial neural network dengan nilai rata-rata evaluasi kinerja model sebesar 88,5%. Temuan ini menghasilkan kesimpulan bahwa model regresi logistik lebih unggul dalam memprediksikan financial distress dibandingkan dengan model artificial neural network pada industri properti dan real estat yang terdaftar di Bursa Efek Indonesia pada tahun 2020 – 2022.
English Abstract
The property and real estate industry is facing economic challenges and current conditions of uncertainty. Predicting industry financial distress is an important aspect of taking proactive steps to protect business continuity. Therefore, entities need a model that can evaluate predictive performance for company management as an early warning. This research aims to compare the level of performance evaluation of financial distress prediction models between artificial neural network models and logistic regression. This research uses a sample of the property and real estate industry listed on the Indonesia Stock Exchange in 2020 - 2022 and uses the Zmijweski X-Score in classifying the probability of distress or non-distress. This research resulted that the average model performance evaluation value obtained from the logistic regression model was 98.25% greater than the artificial neural network model with an average model performance evaluation value of 88.5%. These findings result in the conclusion that the logistic regression model is superior in predicting financial distress compared to the artificial neural network model in the property and real estate industry listed on the Indonesia Stock Exchange in 2020 - 2022..
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 052402 |
| Divisions: | Fakultas Ekonomi dan Bisnis > Akuntansi |
| Depositing User: | Unnamed user with username nova |
| Date Deposited: | 16 Dec 2024 01:48 |
| Last Modified: | 16 Dec 2024 01:48 |
| URI: | http://repository.ub.ac.id/id/eprint/229536 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Alfa Bishri Alwi.pdf Restricted to Registered users only Download (7MB) |
Actions (login required)
 |
View Item |