:: UI - Tesis Membership :: Kembali

UI - Tesis Membership :: Kembali

Analisis prediksi pemeringkatan kredit perusahaan menggunakan regresi probit ordinal pada perusahaan publik non-keuangan periode 2007-2016 = Analysis of credit rating model development for Indonesian non-financial listed company using ordered probit model for period 2007-2016

Andreas Hartoyo Yaputra; Eka Pria Anas, supervisor; Dony Abdul Chalid, examiner; Dewi Hanggraeni, examiner (Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2018)

 Abstrak

ABSTRAK
Penelitian ini bertujuan untuk mengembangkan model prediksi peringkat kredit perusahaan dengan menggunakan data keuangan yang tersedia di publik. Model regresi probit ordinal digunakan dalam penelitian ini untuk menentukan spesifikasi dari interval peringkat kredit. Model diuji menggunakan data perusahaan non-keuangan yang terdaftar di Bursa Efek Indonesia dalam periode 2007-2016. Periode tersebut dipilih sebagai perbandingan situasi ekonomi Indonesia yang sempat mengalami dua kali pelemahan ekonomi pada tahun 2008 dan 2013. Berdasarkan hasil empiris, didapat sebuah model yang mampu memprediksi peringkat kredit perusahaan di situasi ekonomi yang beragam dengan menggunakan data keuangan yang sederhana. Model yang dihasilkan mampu memiliki kemampuan prediksi dalam periode satu sampai tiga tahun ke depan.

ABSTRACT
This study aim to develop a methodology using accounting data to construct a credit rating prediction model in Indonesia. Ordered probit analysis is being used in this study to know the specification of statistically significant credit rating intervals. A simple, public domain information based model are able to construct to predict credit rating using financial variable. We test our model using only quantitative and publicly available information of Indonesian listed firms over 2012-2017, a period which includes both crisis phase and slow economic growth of Indonesian economy. Under this scheme, we observe not only a clear and timely response of ratings to the changing economic environment, but we also obtain significant predictive ability model.

 File Digital: 1

Shelf
 T50385-Andreas Hartoyo Yaputra.pdf :: Unduh

LOGIN required

 Metadata

No. Panggil : T50385
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Subjek :
Penerbitan : Depok: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2018
Program Studi :
Bahasa : ind
Sumber Pengatalogan : LibUI ind rda
Tipe Konten : text
Tipe Media : unmediated ; computer
Tipe Carrier : volume ; online resource
Deskripsi Fisik : xiv, 95 pages: illustration; 28 cm + appendix
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI, Lantai 3
  • Ketersediaan
  • Ulasan
No. Panggil No. Barkod Ketersediaan
T50385 15-19-818397142 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 20477413