@thesis{thesis,
		author={Indah Putri },
		title ={Pemodelan Financial Distress Perusahaan Bumn Berdasarkan Pendekatan Regresi Logistik Biner Pada Data Panel Dengan Efek Acak},
		year={2021},
		url={https://repository.unair.ac.id/109789/},
		abstract={Financial distress merupakan kondisi kesulitan keuangan yang dimulai dari kesulitan likuiditas (jangka pendek) sebagai indikasi kesulitan keuangan yang paling ringan, sampai pernyataan kebangkrutan yang merupakan kesulitan keuangan yang paling berat. Penyebab financial distress adalah saat arus kas perusahaan kurang dari jumlah utang porsi utang jangka pendek yang telah jatuh tempo. Hal ini berarti perusahaan tidak mampu memenuhi pembayaran kewajibanmya yang seharusnya dibayar pada saat itu juga. Hubungan antara kondisi financial distress dan faktor-faktor yang mempengaruhinya akan diteliti sehingga diperoleh model matematisnya. Bentuk matematis akan menunjukkan faktor-faktor yang berpengaruh signifikan. Faktor-faktor yang diduga mempengaruhi kondisi financial distress adalah return on asset, current ratio, debt to asset ratio, asset turnover ratio, dan operating profit margin.. Dalam penelitian ini, data yang digunakan merupakan data panel yaitu gabungan antara data cross section dan time series, serta merupakan data sekunder yang diperoleh dari annual report tahun 2014 – 2019 yang diunduh dari situs resmi 20 perusahaan terkait. Salah satu analisis statistika yang menggambarkan permasalahan kondisi financial distress dengan observasi perilaku unit penelitian pada berbagai waktu adalah analisis regresi logistik biner pada data panel. Pada regresi logistik, asumsi kenormalan dan homoskedastisitas tidak diberlakukan. Estimasi parameter model logistik biner pada data panel dengan efek acak menggunakan maksimum likelihood estimation dengan iterasi Gaus-Hermitte Quadrature. Berdasarkan model yang diperoleh dari software STATA, faktor-faktor yang mempengaruhi kondisi financial distress adalah return on asset dan operating profit margin. Hasil uji likelihood ratio menyatakan bahwa model regresi logistik biner pada data panel dengan efek acak lebih baik dibandingkan regresi logistik biner standar dengan ketepatan klasifikasi sebesar .}
		}