Finance • Analytics • Machine Learning

Finance Management Project

Kumpulan studi kuantitatif pada prodi manajemen peminatan finansial dan aplikasi web yang berfokus pada fleksibilitas keuangan, struktur modal (capital structure), model prediksi, serta dukungan keputusan bisnis interaktif.

Fokus Proyek

  • Prediksi fleksibilitas keuangan untuk perusahaan FMCG.
  • Analisis struktur modal untuk perusahaan properti.
  • Pemodelan statistik, machine learning, dan aplikasi web siap digunakan.
Deskripsi

Konteks Proyek

Proyek ini berisi proyek-proyek manajemen keuangan (finansial) kuantitatif yang dikembangkan dari studi kasus akademik. Cakupannya antara lain menggabungkan teori keuangan, pengujian statistik, exploratory data analysis, dan machine learning untuk memahami faktor-faktor yang memengaruhi keputusan keuangan perusahaan.

3 Pendekatan Analitik:

1

Uji Hipotesis

Penelitian kuantitatif standar menggunakan statistik inferensial untuk mengidentifikasi variabel signifikan yang memengaruhi hasil.

2

Uji Ketahanan

Memverifikasi konsistensi hasil variabel signifikan di berbagai metode, termasuk analisis feature importance.

3

Pemodelan Prediktif

Memanfaatkan algoritma machine learning untuk memprediksi variabel dependen dengan akurasi tinggi.

Studi Fleksibilitas Keuangan

Studi ini berfokus pada perusahaan barang konsumsi non-siklikal atau FMCG di Indonesia. Studi ini mengevaluasi fleksibilitas keuangan menggunakan indikator seperti profitabilitas, tangibility, cash holding, struktur modal, retained earnings, dan ukuran perusahaan.

Analisis menemukan bahwa cash holding, yang diwakili oleh CRO, adalah salah satu faktor paling penting dalam mengidentifikasi apakah sebuah perusahaan memiliki kondisi keuangan yang fleksibel. Regresi logistik digunakan untuk inferensial dan juga prediksi.

Studi Struktur Modal

Studi ini berfokus pada perusahaan sektor properti di Indonesia. Studi ini menganalisis struktur modal melalui Debt-to-Equity Ratio dan Total Debt Ratio, menggunakan variabel keuangan seperti profitabilitas, likuiditas, pertumbuhan, pajak, umur, tangibility, dan ukuran perusahaan.

Proyek ini mencakup analisis panel data, perbandingan model, interpretasi feature importance, dan model prediktif Random Forest untuk nilai struktur modal di masa depan.

Dari Riset ke Aplikasi Web

Proyek ini tidak hanya berisi riset berbasis notebook. Proyek ini juga mengubah analisis menjadi aplikasi web yang dapat digunakan. FleksFin menyediakan antarmuka web untuk memprediksi fleksibilitas keuangan, sedangkan ProCapst Analytics menyediakan platform interaktif untuk mengeksplorasi dan memprediksi struktur modal di perusahaan properti.

Navigasi

Klik untuk Menuju ke Proyek

Pilih salah satu aplikasi keuangan di bawah ini. Setiap kartu merangkum tujuan, tech stack, model prediksi, framework, dan target deployment.

Live

FleksFin

FMCG Financial Flexibility Predictor

🥫

FleksFin (Fleksibilitas Finansial) adalah aplikasi web berbasis Flask untuk memprediksi status fleksibilitas keuangan perusahaan FMCG. Aplikasi ini menggunakan output cash ratio dan indikator keuangan untuk mendukung alur prediksi sederhana atau penuh.

Highlight Tech Stack

Python Scikit-learn Logistic Regression Flask PythonAnywhere Pandas NumPy
Live

ProCapst Analytics

Property Capital Structure Analytics

🏢

ProCapst (Property Capital Structure) Analytics adalah aplikasi berbasis Streamlit untuk menganalisis dan memprediksi metrik struktur modal di perusahaan properti, termasuk prediksi DER dan TDR dengan eksplorasi data interaktif.

Highlight Tech Stack

Python Scikit-learn Random Forest Streamlit Streamlit Cloud Plotly Pandas