Publisher

UNIPOLUNIPOL

Journal Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Abstract

Prediksi arus kas memegang peranan penting dalam mendukung stabilitas keuangan dan pembuatan keputusan strategis di perusahaan. Penelitian ini bertujuan untuk menganalisis dan memprediksi arus kas operasi perusahaan sektor kesehatan yang terdaftar di Bursa Efek Indonesia (BEI) dengan menggunakan model ARIMA (Autoregressive Integrated Moving Average). Data yang digunakan merupakan laporan arus kas periode 2020–2024 dari 17 perusahaan. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan analisis deret waktu. Proses pemodelan melibatkan uji stasioneritas, identifikasi parameter ARIMA, pelatihan model, dan evaluasi akurasi menggunakan indikator MAPE, MAE, RMSE, dan R-squared. Hasil penelitian menunjukkan bahwa seluruh data arus kas bersifat stasioner dan model ARIMA memberikan performa prediksi yang baik, dengan nilai MAPE seluruhnya berada di bawah 20% dan R-squared rata-rata di atas 0,90. Hal ini mengindikasikan bahwa sektor kesehatan memiliki pola arus kas yang relatif stabil dan tahan terhadap fluktuasi jangka pendek. Simpulan dari penelitian ini adalah bahwa model ARIMA efektif digunakan dalam peramalan arus kas perusahaan untuk periode jangka pendek. Implikasi dari penelitian ini adalah hasil prediksi dapat dimanfaatkan oleh manajemen sebagai dasar penyusunan anggaran, pengelolaan likuiditas, serta pengambilan keputusan investasi secara lebih akurat dan terukur.

Conclusion

Model ARIMA terbukti efektif untuk memprediksi arus kas operasi perusahaan sektor kesehatan yang terdaftar di BEI dengan akurasi tinggi, ditunjukkan oleh nilai MAPE di bawah 20% dan R-squared di atas 0,90.Data arus kas seluruh perusahaan dalam penelitian ini bersifat stasioner, menunjukkan pola keuangan yang stabil dalam periode 2020–2024.Hasil prediksi dapat digunakan manajemen untuk perencanaan keuangan jangka pendek, pengambilan keputusan strategis, dan mitigasi risiko likuiditas.

Future Research

Pertama, perlu diteliti penerapan model SARIMA untuk memperhitungkan pola musiman dalam arus kas perusahaan sektor kesehatan, mengingat data kuartalan mungkin memiliki fluktuasi periodik yang tidak sepenuhnya tertangkap oleh model ARIMA standar. Kedua, dapat dikembangkan penelitian tentang penggunaan model ARIMAX yang memasukkan variabel eksternal seperti tingkat inflasi, suku bunga BI, atau belanja kesehatan pemerintah untuk melihat sejauh mana faktor makroekonomi memengaruhi akurasi prediksi arus kas. Ketiga, perlu dievaluasi perbandingan kinerja model pembelajaran mesin seperti LSTM atau Random Forest terhadap model ARIMA dalam meramalkan arus kas perusahaan sektor kesehatan, untuk mengetahui apakah pendekatan berbasis machine learning dapat memberikan akurasi yang lebih tinggi terutama dalam menangani pola non-linear. Ketiga ide ini dapat membantu memperdalam pemahaman mengenai peramalan keuangan berbasis data historis dan mendukung pengembangan sistem prediksi yang lebih adaptif terhadap dinamika pasar. Penelitian lanjutan juga dapat memperluas cakupan sektor perusahaan untuk melihat generalisasi model, serta menguji ketahanan model dalam kondisi krisis atau perubahan eksternal besar seperti pandemi. Dengan demikian, temuan dari penelitian-penelitian tersebut dapat memberikan landasan ilmiah yang lebih kuat bagi pengambilan keputusan keuangan perusahaan dan investor di pasar modal Indonesia.

References

1. Ethereum Value Forecasting Model using Autoregressive Integrated Moving Average (ARIMA) | International... journal.srnintellectual.com/index.php/ijassh/article/view/151Ethereum Value Forecasting Model using Autoregressive Integrated Moving Average ARIMA International journal srnintellectual index php ijassh article view 151
2. Indian COVID-19 dynamics: Prediction using autoregressive integrated moving average modelling. indian... scindeks.ceon.rs/Article.aspx?artid=2490-33292101006TIndian COVID 19 dynamics Prediction using autoregressive integrated moving average modelling indian scindeks ceon rs Article aspx artid 2490 33292101006T
3. Analisis Peramalan (Forecasting) Penjualan Dengan Metode ARIMA (Autoregressive Integrated Moving Average)... jurnal.itscience.org/index.php/dsi/article/view/2022Analisis Peramalan Forecasting Penjualan Dengan Metode ARIMA Autoregressive Integrated Moving Average jurnal itscience index php dsi article view 2022
4. Forecasting of Paddy Grain and Rice's Price: An ARIMA (Autoregressive Integrated Moving Average)... ojs.unud.ac.id/index.php/soca/article/view/60071Forecasting of Paddy Grain and Rices Price An ARIMA Autoregressive Integrated Moving Average ojs unud ac index php soca article view 60071

Subjects

1. #keputusan investasi#keputusan investasi
2. #open source#open source

Metadata

File size	468.82 KB
Pages	9
Short Link	https://juris.id/p-3a6
Lookup Links	Google ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCA	Report