PURNAMASARI, Vena (2025) MANAGEMENT EARNING FORECAST DAN ANALYST FORECAST: PENGUJIAN RELEVANSI NILAI FORWARD LOOKING INFORMATION. Doctoral thesis, UNDIP: Fakultas Ekonomika dan Bisnis.

	Text (Cover) 1. D-Cover-120201185110022.pdf - Published Version Download (358kB)
	Text (Abstrak (Inggris)) 4. D-Abstrak (Bahasa Inggris)-120201185110022.pdf - Published Version Download (586kB)
	Text (Abstrak (Indonesia)) 5. D-Abstrak (Bahasa Indonesia)-120201185110022.pdf - Published Version Download (481kB)
	Text (Daftar Isi) 6. D-Daftar Isi-120201185110022.pdf - Published Version Download (348kB)
	Text (Daftar Pustaka) 13. D-Daftar Pustaka-120201185110022.pdf - Published Version Download (589kB)
	Text (Fulltext PDF Bokmarks) 17. D-Fulltext PDF Bookmarks-120201185110022.pdf Restricted to Repository staff only Download (2MB)

Abstract

Penelitian ini menganalisis peran forward looking information (FLI),
khususnya Management Earning Forecast (MEF), dalam meningkatkan kegunaan
informasi akuntansi bagi pengambilan keputusan investasi di pasar modal
Indonesia. Laporan keuangan historis dinilai belum memadai untuk memprediksi
kinerja dan nilai perusahaan, sementara praktik dan kualitas pengungkapan MEF
di Indonesia masih beragam. Metode yang digunakan meliputi regresi panel
(Fixed Effect Model dan variasinya) pada 57 emiten sepanjang 2012-2022 yang
mengungkapkan MEF untuk menguji relevansi nilai MEF terhadap harga saham
dan keakuratan price forecast analis, sehingga total pengamatan adalah 570
pengamatan. Selain itu, dibangun model prediksi harga saham berbasis machine
learning (Random Forest Regression dan XGBoost) dengan
menggunakan Expected Operating Income (EOI) dan Delta Operating
Income (DOI) sebagai proksi kuantitatif MEF. Hasil penelitian menunjukkan
bahwa EOI dan DOI berpengaruh signifikan positif terhadap harga saham hasil
ramalan analis, sehingga mengonfirmasi relevansi nilai MEF dari sudut pandang
analis. Model prediksi berbasis EOI dan DOI menghasilkan mean absolute
error yang rendah dan nilai

tinggi, dengan XGBoost umumnya memiliki
kinerja lebih baik pada kondisi pasar normal dan Random Forest lebih kuat pada
periode krisis. Temuan ini menegaskan bahwa MEF berbasis ukuran operasional
prospektif memiliki nilai prediktif dan layak diposisikan sebagai FLI yang penting
bagi peningkatan transparansi dan efisiensi pasar. Implikasi praktisnya, regulator
disarankan mendorong pedoman lebih eksplisit terkait pengungkapan MEF,
sedangkan emiten, analis, dan investor perlu mengintegrasikan EOI dan DOI
dalam proses valuasi dan peramalan harga saham.

Actions (login required)

View Item