Pengelompokan ROA (Return On Assets) Perusahaan Finance dan Investment di Indonesia dengan Model Finite Mixture Skew-T

Penulis Utama : Angga Setiyowati
NIM / NIP : M0716006
× <p xss=removed><span xss=removed>PENGELOMPOKAN ROA (<i>RETURN ON ASSETS</i>) </span></p><p xss=removed><span xss=removed>PERUSAHAAN <i>FINANCE </i>DAN <i>INVESTMENT </i></span></p><p xss=removed><span xss=removed>DI INDONESIA DENGAN MODEL </span></p><p xss=removed><span xss=removed><i>FINITE MIXTURE SKEW-T</i></span></p><p xss=removed><span xss=removed><br></span></p><p xss=removed><span xss=removed>ANGGA SETIYOWATI</span><br></p><p xss=removed><span xss=removed>Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sebelas Maret</span></p><p xss=removed><span xss=removed>ABSTRAK</span><br></p><p><span xss=removed>                 Perkembangan ekonomi di Indonesia pada akhir tahun 2019 mengalami perlambatan dari tahun sebelumnya, salah satu penyebabnya ialah menurunnya investasi, dan melemahnya kondisi <i>finance</i>. Data finansial tidak selalu berdistribusi normal. Seringkali dijumpai data finansial yang memiliki kemiringan serta <i>heavy-tailed</i>, seperti data ROA (<i>Return On Assets</i>) pada perusahaan <i>investment </i>dan <i>finance</i>. Nilai ROA dapat bernilai positif ataupun negatif. Hal tersebut menjadikan ROA memiliki pola multimodal data, diindikasikan dengan histogram data ROA yang memiliki beberapa puncak serta tidak terpenuhinya uji signifikansi pola unimodal. Salah satu metode pengelompokan data untuk pola data multimodal ialah permodelan <i>finite mixture</i>. Pengelompokan dengan model <i>finite mixture</i> berdasarkan pada representasi fungsi distribusi probabilitas yang berlaku pada data kontinu ataupun diskrit. Pada penelitian ini, model <i>finite mixture</i> digunakan untuk memodelkan data nilai ROA (<i>Return On Assets</i>) perusahaan <i>finance </i>dan <i>investment </i>di Indonesia pada kuartal 4 tahun 2019. Estimasi parameter model <i>finite mixture</i> menggunakan perhitungan dengan algoritma EM (<i>Expectation-Maximization</i>). Untuk memastikan model <i>finite mixture</i> telah sesuai, dilakukan uji signifikansi menggunakan <i>bootstrap likelihood rasio statistics</i>. Penentuan jumlah kelompok terbaik berdasarkan nilai <i>Akaike Information Criterion</i> (AIC) dan <i>Bayesian Information Criterion</i> (BIC) minimum. </span><br></p><p>Berdasarkan hasil analisis, model yang sesuai untuk memodelkan data nilai ROA (<i>Return On Assets</i>) perusahaan <i>finance </i>dan <i>investment </i>di Indonesia pada kuartal 4 tahun 2019 ialah model <i>finite mixture Skew t</i> dengan dua komponen.  </p><p><br></p><p><i><b>Kata kunci </b>: Mixture Model, Algoritma EM, Skew T, ROA, Finance, Investment </i></p>