ANALISIS POSITIONING KINERJA KEUANGAN PT HUAWEI TECH INVESTMENT TERHADAP EKOSISTEM INDUSTRI PERUSAHAAN TELEKOMUNIKASI DI KAWASAN ASEAN PERIODE 2023-2024 MENGGUNAKAN METODE K-MEANS KLASTERING

Sitorus, Meilinda Anastasia (2026) ANALISIS POSITIONING KINERJA KEUANGAN PT HUAWEI TECH INVESTMENT TERHADAP EKOSISTEM INDUSTRI PERUSAHAAN TELEKOMUNIKASI DI KAWASAN ASEAN PERIODE 2023-2024 MENGGUNAKAN METODE K-MEANS KLASTERING. Tugas Akhir (S1) - thesis, Universitas Bakrie.

	Text (00.Cover) 00.Cover.pdf - Accepted Version Download (272kB)
	Text (01. BAB I - III) 01. BAB I - III.pdf - Accepted Version Restricted to Registered users only Download (614kB) | Request a copy
	Text (02. BAB IV) 02. BAB IV.pdf - Accepted Version Restricted to Registered users only Download (438kB) | Request a copy
	Text (03. BAB V) 03. BAB V.pdf - Accepted Version Restricted to Registered users only Download (180kB) | Request a copy
	Text (04. DAFTAR PUSTAKA) 04. DAFTAR PUSTAKA.pdf - Accepted Version Download (153kB)

Abstract

Penelitian ini menganalisis positioning kinerja keuangan PT Huawei Tech Investment dalam struktur industri telekomunikasi ASEAN periode 2023–2024 dengan mengintegrasikan Signaling Theory (Spence, 1973) dan pendekatan data mining melalui metode K-Means Clustering (Jain, 2010; Han, Kamber, & Pei, 2018). Studi kinerja keuangan konvensional umumnya bersifat cross-sectional dan berbasis rasio tunggal (Brigham & Houston, 2020; Kasmir, 2019), sehingga kurang mampu menangkap heterogenitas dan dinamika industri telekomunikasi yang padat modal serta terdampak investasi 5G dan tekanan leverage (International Telecommunication Union, 2023; GSMA, 2024). Penelitian ini mengisi research gap dengan menerapkan klasterisasi longitudinal untuk mengidentifikasi mobilitas kinerja antar-periode. Data sekunder diperoleh dari laporan keuangan auditan perusahaan telekomunikasi go-public di ASEAN tahun 2023–2024, dengan variabel Net Profit Margin (NPM), Return on Equity (ROE), Gross Profit Margin (GPM), Return on Assets (ROA), Total Asset Turnover (TATO), dan Debt to Equity Ratio (DER). Jumlah klaster optimal ditentukan menggunakan metode Elbow (Hair et al., 2019). Hasil menunjukkan bahwa segmentasi berbasis klaster mampu mengungkap struktur kompetitif laten dan pergeseran posisi relatif PT Huawei sebagai refleksi perubahan sinyal finansial dan risiko industri. Secara teoretis, penelitian ini memperluas literatur keuangan korporasi regional dengan mengintegrasikan pendekatan analitik machine learning dalam kerangka signaling. Kata Kunci: Kinerja Keuangan, Telekomunikasi ASEAN, K-Means Clustering, Signaling Theory, Cluster Mobility.

Item Type:	Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords:	Kinerja Keuangan, Telekomunikasi ASEAN, K-Means Clustering, Signaling Theory, Cluster Mobility
Subjects:	Finance > Finance Management > Corporation Finance Thesis > Thesis (S1)
Divisions:	Fakultas Ekonomi dan Ilmu Sosial
Depositing User:	Meilinda Anastasia Sitorus
Date Deposited:	28 Feb 2026 05:08
Last Modified:	28 Feb 2026 05:08
URI:	https://repository.bakrie.ac.id/id/eprint/13268

Actions (login required)

View Item