PREDIKSI KINERJA KEUANGAN PT ASTRA INTERNATIONAL TBK DENGAN REGRESI LINEAR DAN EXPONENTIAL SMOOTHING

Patah Herwanto, Nenda Marliani, Rosida Rosida

Abstract


Kinerja keuangan suatu perusahaan dapat diprediksi dengan menggunakan berbagai metode, salah satunya adalah regresi linear dan exponential smoothing. Penelitian ini bertujuan untuk memprediksi kinerja keuangan PT Astra International Tbk dengan menggunakan metode regresi linear dan exponential smoothing, serta menggabungkan kedua metode tersebut untuk memperoleh prediksi yang lebih akurat. Data keuangan PT Astra International Tbk dari tahun 2012-2021 digunakan dalam penelitian ini. Hasil prediksi dengan regresi linear menunjukkan bahwa rasio current ratio memiliki MAPE paling rendah, sedangkan exponential smoothing menunjukkan bahwa rasio debt to equity ratio memiliki MAPE paling rendah. Dalam penggabungan kedua metode, MAPE terendah diperoleh pada prediksi total asset turnover. Dalam pembahasan, faktor-faktor yang memengaruhi kinerja keuangan PT Astra International Tbk dibahas untuk masing-masing rasio keuangan yang diprediksi. Kesimpulannya, penggabungan antara regresi linear dan exponential smoothing dapat meningkatkan akurasi prediksi kinerja keuangan, dan hasil prediksi dapat digunakan sebagai acuan dalam pengambilan keputusan investasi.


DOI: https://doi.org/10.32897/infotronik.2023.8.1.2734


Keywords


Prediksi kinerja keuangan; Regresi Linear; Exponential Smoothing; Rasio Keuangan; PT Astra International Tbk.

Full Text:

PDF

References


R. Gunawan, M. Widiyanti, S. Malinda, and M. Adam, “The Effect Of Current Ratio, Total Asset Turnover, Debt To Asset Ratio, And Debt To Equity Ratio On Return On Assets In Plantation Sub-Sector Companies Listed On The Indonesia Stock Exchange,” Int. J. Econ. Bus. Account. Agric. Manag. Sharia Adm. IJEBAS, vol. 2, no. 1, pp. 19–28, Jan. 2022, doi: 10.54443/ijebas.v2i1.139.

A. M. Indriastuti and H. Ruslim, “Pengaruh Rasio Likuiditas, Rasio Solvabilitas, dan Rasio Aktivitas terhadap Kinerja Keuangan Perusahaan,” J. Manajerial Dan Kewirausahaan, vol. 2, no. 4, p. 855, Oct. 2020, doi: 10.24912/jmk.v2i4.9864.

M. Irman and A. A. Purwati, “Analysis On The Influence Of Current Ratio, Debt to Equity Ratio and Total Asset Turnover Toward Return On Assets On The Otomotive and Component Company That Has Been Registered In Indonesia Stock Exchange Within 2011-2017,” Int. J. Econ. Dev. Res. IJEDR, vol. 1, no. 1, pp. 36–44, Jan. 2020, doi: 10.37385/ijedr.v1i1.26.

E. Önder and A. Hepsen, “Combining Time Series Analysis and Multi Criteria Decision Making Techniques for Forecasting Financial Performance of Banks in Turkey.” Rochester, NY, Sep. 27, 2013. Accessed: Apr. 29, 2023. [Online]. Available: https://papers.ssrn.com/abstract=2332207

M. Dixon and J. London, “Financial Forecasting With α-RNNs: A Time Series Modeling Approach,” Front. Appl. Math. Stat., vol. 6, 2021, Accessed: Apr. 29, 2023. [Online]. Available: https://www.frontiersin.org/articles/10.3389/fams.2020.551138

D. Chicco, M. J. Warrens, and G. Jurman, “The coefficient of determination R-squared is more informative than SMAPE, MAE, MAPE, MSE and RMSE in regression analysis evaluation,” PeerJ Comput. Sci., vol. 7, p. e623, Jul. 2021, doi: 10.7717/peerj-cs.623.

T. Sujjaviriyasup and K. Pitiruek, “Agricultural product forecasting using machine learning approach,” Int. J. Math. Anal., vol. 7, pp. 1869–1875, 2013, doi: 10.12988/ijma.2013.35113.

T. Yuniarti, J. Astuti, I. Rusmar, I. Widiana, and F. C. D. Bani, “Komparasi Metode Regresi Linear, Exponential Smoothing dan ARIMA Pada Peramalan Volume Ekspor Minyak Kelapa Sawit di Indonesia,” Inventory Ind. Vocat. E-J. Agroindustry, vol. 3, no. 1, p. 1, Jun. 2022, doi: 10.52759/inventory.v3i1.74.

A. Ajiono and T. Hariguna, “Comparison of Three Time Series Forecasting Methods on Linear Regression, Exponential Smoothing and Weighted Moving Average,” Int. J. Inform. Inf. Syst., vol. 6, no. 2, Art. no. 2, Mar. 2023, doi: 10.47738/ijiis.v6i2.165.

W. K. A. Wan Ahmad and S. Ahmad, “Arima model and exponential smoothing method: A comparison,” presented at the Proceedings Of The 20th National Symposium On Mathematical Sciences: Research in Mathematical Sciences: A Catalyst for Creativity and Innovation, Palm Garden Hotel, Putrajaya, Malaysia, 2013, pp. 1312–1321. doi: 10.1063/1.4801282.

N. Rahimov and K. Dilmurod, “The Application Of Multiple Linear Regression Algorithm And Python For Crop Yield Prediction In Agriculture,” Harv. Educ. Sci. Rev., vol. 2, no. 1, Art. no. 1, Sep. 2022, Accessed: Apr. 29, 2023. [Online]. Available: https://www.journals.company/index.php/hesr/article/view/97

T. J. Sargent and J. Stachurski, “Linear Regression in Python”.

M. Stojiljkovic, “Linear Regression in Python”.

A. W. Jati and W. Jannah, “Analisis Kinerja Keuangan Perusahaan Sebelum Pandemi dan Saat Pandemi Covid-19,” J. Akad. Akunt., vol. 5, no. 1, pp. 34–46, Feb. 2022, doi: 10.22219/jaa.v5i1.18480.

M. F. Amriyadi, “Analisis Laporan Keuangan Untuk Menilai Kinerja Keuangan Pada PT. Gudang Garam Tbk.,” J. Sains Sosio Hum., vol. 6, no. 1, pp. 843–853, Jun. 2022, doi: 10.22437/jssh.v6i1.20198.

Jamaludin, “Analisis Laporan Keuangan Untuk Menilai Kinerja Keuangan Pada PT. Astra Internasional,Tbk. Periode 2016-2020,” Equilib. J. Penelit. Pendidik. Dan Ekon., vol. 20, no. 1, pp. 70–78, 2023, doi: 10.22437/jssh.v6i1.20198.


Refbacks

  • There are currently no refbacks.


 
This Journal is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License