LANJUTAN: Model Prediksi Kepailitan Menggunakan Analisis Diskriminan Multivariat dan Jaringan Syaraf Tiruan untuk Industri Keuangan - Jasa pembuatan journal SINTA biaya Rp 2-6 jt HUBUNGI SEKARANG JUGA KONSULTAN RISET

  

Jasa pembuatan journal SINTA biaya Rp 2-6 jt HUBUNGI SEKARANG JUGA KONSULTAN RISET

 Pendekatan multivariat

Beaver (1966) mempelopori desain eksperimental untuk memeriksa kegagalan perusahaan degan menggunakan rasio keuangan. Pendekatan univariate Beaver mengadopsi “sampling berpasangan” untuk menilai keakuratan berbagai rasio. Sampel tersebut berisi 79 perusahaan yang gagal sejak tahun 1954-1964 dari 38 industri. Beaver menyimpulkan bahwa arus kas terhadap rasio hutang adalah prediktor tunggal terbaik. Namun, model yang berfokus pada rasio tunggal sederhana dan tidak mampu menangkap kompleksitas kegagalan keuangan, mengingat bahwa status keuangan perusahaan bersifat multidimensi dan tidak ada ukuran tunggal mampu menangkap semua dimensi (Zavgren 1983).

pendekatan univariate Beaver(1966) ini diikuti oleh Altman (1968) yang menggunakan Analisis Diskriminan multivariat (MDA) untuk memeriksa kegagalan perusahaan. Altman memilih 33 perusahaan manufaktur publik yang gagal antara tahun 1946 dan 1965 dan mencocokan 33 perusahaan yang menggunakan sampel acak bertingkat berdasarkan aset dan industry mereka. Hasil MDA (Z-score) diperoleh dengan menggunakan lima rasio keuangan (WCTA, TATURN, RETAINTA, EBITTA dan MICTCAPTL) yang mampu secara tepat membedakan 94% dari perusahaan gagal dan 97% dari perusahaan non-gagal dengan data satu tahun keluar dari kegagalan. Penelitian lain yang memanfaatkan pendekatan MDA termasuk Deakin (1977) dan Blum (1974 Studi mereka memanfaatkan teknik multivariat untuk memprediksi corporate failure yang meliputi analisis regresi logistik (Ohlson 1980) dan analisis partisi rekursif (Frydman, Altman 1985) .

Multipel Analisis Diskriminan (MDA)

Analisis diskriminan merupakan cara mengenali fenomena tunggal dengan menggunakan vector vector dari variable yang membentuk fungsi kepadatan multivariat. Fungsi diskriminan memetakan karakteristik multidimensi dari fungsi kepadatan variabel penduduk menjadi ukuran satu dimensi, dengan membentuk kombinasi linear (Zavgren 1983). 

MDA menghitung koefisien diskriminan dan memilih bobot yang sesuai (skor cut-off) yang akan memisahkan nilai rata-rata dari masing-masing kelompok, dan meminimalkan jarak statistik setiap observasi dan rerata kelompok masing-masing (Altman 1993). Dengan menggunakan skor Z dan skor cut-off, perusahaan diklasifikasikan menjadi kategori gagal atau non-gagal.

 

Analisis regresi logistik

Analisis regresi logistik dianggap setara dengan analisis diskriminan dua kelompok. Prosedur logistik sesuai model regresi logistik linier untuk data respon biner atau ordinal menggunakan estimasi Maximum Likelihood dan membandingkan estimasi sampel menggunakan Wald chi-square. Prosedur Maximum Likelihood digunakan secara berulang untuk mengidentifikasi perkiraan paling mungkin untuk koefisien koefisien tersebut. statistik Wald digunakan untuk menguji hipotesis koefisien yang bervariasi dari nol (rambut di al. 1998).

Analisis Partisi Rekursif (RPA)

Analisis Partisi Rekursif adalah teknik nonparametrik, yang dapat meminimalkan biaya yang diharapkan kesalahan klasifikasi dengan prosedur pemisahan univariat (Altman 1993). Namun, RPA tidak memberikan probabilitas keanggotaan kelompok, atau sarana untuk mengevaluasi signifikansi variabel.

Jaringan Syaraf Tiruan (ANN)

Sebuah sistem jaringan saraf tiruan (ANN) adalah algorism komputer yang dapat “dilatih” untuk meniru koneksi seluler dalam otak manusia (Hertz, Krogh & Palmer 1991). Jaringan ini terdiri dari sejumlah besar unit pengolahan dasar saling berhubungan untuk menghitung data. Hasil pengolahan jaringan yang berasal dari perilaku kolektif dari unit dan tergantung pada bagaimana unit itu berinteraksi satu sama lain (Altman, Marco & Varetto 1993). Dengan pengolahan dan mengevaluasi interaksi dalam satu set kompleks data sebelumnya, jaringan saraf dapat memberikan bobot yang tepat untuk masing-masing input yang memungkinkan pemotongan yang benar dari hasil akhir. Bobot masukan menggunakan prosedur optimasi “algoritma genetika”, yang mensimulasikan daya prediksi model di berbagai skenario dan memungkinkan skema pembobotan terbaik untuk bertahan hidup dan bereproduksi dari satu generasi ke generasi berikutnya (Dorsey, Edmister & Johnson 1995) .

BERSAMBUNG KLIK DISINI

BERSAMBUNG KLIK DISINI

BERSAMBUNG KLIK DISINI

BERSAMBUNG KLIK DISINI

BERSAMBUNG KLIK DISINI

APAKAH ANDA BUTUH BANTUAN KONSULTASI DISERTASI S3 DENGAN TOPIK DIATAS, HUBUNGI SEGERA  KONSULTAN RISET  HARGA WAJAR SESUAI TINGKAT KOMPLEKSITAS DAN KERUMITAN MODEL/TEORI BARU/NOVELTY.  KAMI SIAP MEMBANTU MENGERJAKAN DISERTASI YANG SULIT DENGAN WAKTU YANG CEPAT SESUAI PERATURAN PERGURUAN TINGGI ANDA.