Kesulitan keuangan di perusahaan sering terjadi selama krisis keuangan besar, termasuk yang disebabkan oleh pandemi COVID-19. Fenomena ini dapat memengaruhi perusahaan yang terdaftar di bursa saham dan memiliki dampak yang lebih luas pada para pemangku kepentingan yang terlibat. Perusahaan farmasi yang terdaftar di Bursa Efek Indonesia (IDX) telah menunjukkan tandatanda mengalami kesulitan keuangan. Arus kas operasional dan margin laba bersih industri tersebut tampak menurun selama beberapa tahun terakhir. Ketergantungan pada impor bahan baku Bahan Aktif Farmasi (API) juga menyebabkan kesulitan bagi industri, baik selama maupun setelah pandemi. Namun, model prediksi kesulitan keuangan (FDP) yang andal dapat membantu perusahaan mengelola risiko dan menghindari hasil negatif sebelum krisis terjadi. Model FDP telah berkembang dari metode statistik dan banyak pendekatan saat ini menggunakan pembelajaran mesin (ML). Jaringan Saraf Buatan (ANN) dan Regresi Logistik (Logit) diterapkan untuk memprediksi kesulitan keuangan dalam industri farmasi untuk melihat kinerja masing-masing dan menemukan metode prediksi yang paling akurat.
Penelitian ini dilakukan dengan menentukan kriteria kesulitan keuangan dan mengumpulkan data dari perusahaan farmasi yang terdaftar di IDX pada kuartal pertama tahun 2017 hingga kuartal keempat tahun 2024. Variabel keuangan independen meliputi Rasio Cepat (Quick Ratio/QR), Rasio Cakupan Bunga (Interest Coverage Ratio/ICR), Margin Laba Operasi (EBIT Margin/EBITM), Rasio Utang terhadap Ekuitas (Debt-to-Equity Ratio/DER), dan Rasio Perputaran Total Aset (Total Assets Turnover Ratio/TATR). Variabel makro meliputi inflasi, PDB per kapita, dan suku bunga. Dalam penelitian ini, Logit menunjukkan kinerja yang lebih baik daripada ANN, mencapai akurasi tertinggi dan tingkat kesalahan klasifikasi terendah. Temuan Logit menunjukkan bahwa QR, EBITM, ICR, dan TATR berhubungan dengan kesulitan keuangan. Sementara itu, ANN yang dikombinasikan dengan SHapley Additive exPlanations (SHAP) mengungkapkan arah positif dan negatif dengan tiga fitur utama yaitu QR, EBITM, dan DER yang menjelaskan kesulitan keuangan di industri farmasi.
Perpustakaan Digital ITB