Artikel Ilmiah : C1I018017 a.n. ANINDYA PUTRI KIRANA
| NIM | C1I018017 |
|---|---|
| Namamhs | ANINDYA PUTRI KIRANA |
| Judul Artikel | ANALYSIS OF THE ACCURACY OF FINANCIAL DISTRESS PREDICTION MODELS IN PREDICTING FINANCIAL DISTRESS IN PUBLIC COMPANIES |
| Abstrak (Bhs. Indonesia) | Penelitian ini menggunakan data sekunder berupa laporan keuangan pada 34 perusahaan go public yang bergerak dalam bidang properti dan real estate yang terdaftar dalam Bursa Efek Indonesia pada periode 2019-2022. Penelitian ini merupakan penelitian kuantitatif dengan judul “Analysis of The Accuracy of Financial Distress Prediction Models in Predicting Financial Distress in Public Companies”. Tujuan dari penelitian ini adalah untuk menganalisis dan mengetahui tingkat keakuratan Altman Model, Springate Model, Grover Model dan Zmijewski Model dalam memprediksi financial distress pada perusahaan yang bergerak dalam bidang properti dan real estate yang terdaftar dalam Bursa Efek Indonesia. Selain itu, tujuan penelitian ini adalah untuk menganalisis dan mengetahui perbedaan akurasi antara empat model tersebut dalam memprediksi financial distress dan untuk menganalisis dan mengetahui model manakah yang paling akurat dalam memprediksi financial distress. Variabel bebas (X) dan variabel terikat (Y) dalam penelitian ini adalah Altman Model (X1), Springate Model (X2), Grover Model (X3), Zmijewski Model (X4) dan Financial Distress (Y). Penelitian ini menggunakan The Accuracy of Prediction ModelTest dan Chi-Square Test untuk menguji hipotesis dengan menggunakan SPSS Versi 22 untuk melakukan analisa data. Berdasarkan penelitian ini, Springate Model dapat digunakan oleh perusahaan sektor properti dan real estate untuk mengukur dan menentukan kondisi keuangannya secara akurat. Bagi Investor, informasi hasil prediksi financial distress dengan menggunakan Springate Model dapat menjadi bahan pertimbangan dalam berinvestasi. Informasi hasil prediksi financial distress bagi pemerintah dapat digunakan sebagai dasar untuk mengambil kebijakandi bidang ekonomi. |
| Abtrak (Bhs. Inggris) | This research uses secondary data in the form of financial statements on 34 go public companies which operates in the property and real estate sector listed on the Indonesian Stock Exchange in the 2019-2022 period. This research is quantitative research entitled “Analysis of the Accuracy of Financial Distress Prediction Models in Predicting Financial Distress in Public Companies”. The purpose of this research is to analyse and determine the accuracy level of Altman Model, Springate Model, Grover Model, and Zmijewski Model in predicting financial distress in the companies operating in the property and real estate sector listed on the Indonesian Stock Exchange. Apart from that, the purpose of this research is to analyse and determine whether there is a difference of the accuracy level between the four models in predicting financial distress and to analyse and determine which model that is the most accurate in predicting financial distress. The independent variables (X) in this research are the Altman Model (X1), the Springate Model (X2), the Grover Model (X3) and the Zmijewski Model (X4) and the dependent variable (Y) is Financial Distress. This research uses The Accuracy of Prediction Model Test and Chi-Square Test to test the hypothesis with SPP ver. 22 to analyse the data. Based on this research, the Springate Model can be used by property and real estate sector companies to measure and determine their financial condition accurately. For investors, information on financial distress prediction results using the Springate Model can be used as material for investors to consider when investing. Information on financial distress predictions for the government can be used as a basis to make policies in the economic field. |
| Kata kunci | Altman Model, Springate Model, Grover Model, Zmijewski Model, financial distress |
| Pembimbing 1 | Prof. Drs. Bambang A. P., M.Acc., Ph.D., Ak |
| Pembimbing 2 | Dra. Triani Arofah M.Si., Ak |
| Pembimbing 3 | |
| Tahun | 2024 |
| Jumlah Halaman | 28 |
| Tgl. Entri | 2024-07-29 10:34:38.928268 |