Perpustakaan Digital ITB

Penelitian ini mengkaji penerapan Exploratory Data Analysis (EDA) dan teknik Machine Learning untuk menganalisis laporan keuangan perusahaan farmasi. Studi ini berfokus pada tiga perusahaan farmasi besar di Indonesia, yaitu Kimia Farma, Kalbe Farma, dan Indofarma. Dengan memanfaatkan EDA, penelitian ini bertujuan untuk mengungkapkan pola dan wawasan dalam data keuangan, seperti Earning Per Share (EPS), Debt-to-Equity Ratio (DER) Return on Capital Employed (ROCE), Net Profit Margin (NPM), dan Inventory Turnover Ratio. Selain itu, penelitian ini menggunakan model Machine Learning, termasuk Linear Regression, K-Nearest Neighbor (KNN), Support Vector Machine (SVM), dan Decision Tree, untuk memprediksi metrik dan tren kinerja keuangan. Kinerja dari model-model ini dievaluasi menggunakan metrik seperti Root Mean Squared Error (RMSE), Mean Squared Error (MSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Di antara model yang diuji, model Decision Tree menunjukkan kinerja yang paling unggul, dengan nilai R2 sebesar 0,998, MAPE sebesar 4,8%, MAE sebesar 4,8 x 1010, dan MSE sebesar 7,76 x 1021, menunjukkan tingkat akurasi yang tinggi dan kesesuaian yang kuat dengan data. Hasil ini menyoroti potensi pendekatan berbasis data dalam meningkatkan efisiensi operasional dan stabilitas keuangan di industri kesehatan