Penerapan Random Survival Forest untuk Prediksi Financial Distress pada Perusahaan Manufaktur di Indonesia Tahun 2024

CHRISTELLA, Maria Azalia (2026) Penerapan Random Survival Forest untuk Prediksi Financial Distress pada Perusahaan Manufaktur di Indonesia Tahun 2024. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Archive (FULL TEXT) Skripsi_Maria Azalia Christella_Statistika.zip Restricted to Repository staff only Download (11MB) \| Request a copy
	Text 1. COVER.pdf Download (99kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (4MB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (3MB)
	Text 5. KATA PENGANTAR.pdf Download (100kB)
	Text 6. ABSTRAK.pdf Download (127kB)
	Text 7. ABSTRACT.pdf Download (122kB)
	Text 8. DAFTAR ISI.pdf Download (126kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (160kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (126kB)

Abstract

Sektor manufaktur merupakan salah satu penggerak utama perekonomian Indonesia
namun memiliki kerentanan tinggi terhadap perubahan kondisi sehingga berpotensi
mengalami financial distress, yaitu tahap penurunan kondisi keuangan sebelum
kebangkrutan. Penelitian ini bertujuan mengidentifikasi kondisi financial distress
perusahaan manufaktur di Indonesia tahun 2024 berdasarkan metode Altman Z
Score serta menerapkan Random Survival Forest (RSF) untuk memodelkan waktu
hingga terjadinya financial distress dengan mempertimbangkan data tersensor.
Data yang digunakan berupa laporan keuangan tahun 2024 dari 205 perusahaan
manufaktur yang tercatat di Bursa Efek Indonesia. Status financial distress
ditentukan menggunakan Altman Z-Score, sedangkan variabel prediktor meliputi
rasio likuiditas, solvabilitas, profitabilitas, aktivitas, dan ukuran perusahaan.
Analisis survival dilakukan dengan metode RSF menggunakan bootstrap, log-rank
splitting, dan evaluasi error Out-of-Bag (OOB), disertai hyperparameter tuning
untuk mtry dan ukuran node terminal. Hasil penelitian menunjukkan bahwa 65
perusahaan (31,7%) berada dalam kondisi financial distress dan 140 perusahaan
(68,3%) tidak mengalami distress. Model RSF terbaik menghasilkan OOB error
sebesar 0,2038 dengan C-Index sekitar 0,7962 yang mengindikasikan kemampuan
prediksi yang baik. Analisis Variable Importance menunjukkan bahwa rasio
profitabilitas, efisiensi aset, leverage, dan likuiditas merupakan prediktor utama
risiko financial distress, sedangkan Firm Size memiliki kontribusi paling rendah
dalam model.
Kata kunci: financial distress, Altman Z-Score, analisis survival, Random Survival
Forest, rasio keuangan.

(NO. KETERSEDIAAN : 1676/E/2026)

Item Type:	Thesis (Undergraduate)
Subjects:	Sciences and Mathemathic
Divisions:	Faculty of Science and Mathematics > Department of Statistics
Depositing User:	Yemima Laras Sekarsari
Date Deposited:	15 Jul 2026 03:53
Last Modified:	15 Jul 2026 03:53
URI:	https://eprints2.undip.ac.id/id/eprint/56718

Actions (login required)

View Item

Search for collections on Undip Repository