PERBANDINGAN PREDIKSI POTENSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN REGRESI LOGISTIK BINER DAN ANALISIS DISKRIMINAN (Studi Kasus: Perusahaan Sektor Trade, Service dan Investment)
| Main Authors: | BR TANGGANG, RIA ROHANA, Sigit, Nugroho, Dian, Agustina |
|---|---|
| Format: | Thesis NonPeerReviewed Archive |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.unib.ac.id/18272/1/SKRIPSI%20LENGKAP%20RIA%20ROHANA%20BR%20TANGGANG%20F1A014053%20%28MIPA%29.pdf http://repository.unib.ac.id/18272/ |
Daftar Isi:
- Penelitian ini bertujuan untuk mengetahui perbandingan hasil ketepatan klasifikasi dalam memprediksi potensi kebangkrutan perusahaan sektor Trade, Service dan Investment tahun 2017 menggunakan Regresi Logistik Biner dan Analisis Diskriminan. Data yang digunakan adalah data sekunder diperoleh dari website Bursa Efek Indonesia. Adapun variabel prediktor terdiri dari 11 variabel, merupakan hasil dari perhitungan rasio-rasio keuangan perusahaan. Populasi terdiri dari 110 perusahaan dan diambil sampel sebanyak 52 perusahaan. Hasil analisis menunjukkan bahwa variabel yang signifikan pada regresi logistik biner yaitu variabel NPM (Net Profit Margin) dan akar dari (Total Asset Turn Over) sedangkan pada analisis diskriminan yaitu variabel 1dibagi akar (Debt to Assets Ratio) dan NPM (Net Profit Margin). Berdasarkan hasil analisis terhadap kedua metode dapat ditarik kesimpulan bahwa regresi logistik biner memiliki nilai ketepatan klasifikasi lebih besar dibandingkan dengan analisis diskriminan. Dimana pada regresi logistik biner nilai rata-rata ketepatan memprediksi = 78.8%, Hit Ratio = 78.85% dan Press’Q = 17.31 sedangkan pada analisis diskriminan rata-rata ketepatan prediksi = 76.9%, Hit Ratio = 76.92% dan Press’Q = 15.077. Oleh sebab itu, pada penelitian ini regresi logistik biner adalah metode yang paling sesuai untuk digunakan dalam memprediki potensi kebangkrutan perusahaan sektor Trade, Service dan Investment tahun 2017. Kata Kunci: kebangkrutan, rasio keuangan ,regresi logistik biner, diskriminan, klasifikasi.