MANAGEMENT EARNING FORECAST DAN ANALYST FORECAST: PENGUJIAN RELEVANSI NILAI FORWARD LOOKING INFORMATION

Penelitian ini menganalisis peran forward looking information (FLI), khususnya Management Earning Forecast (MEF), dalam meningkatkan kegunaan informasi akuntansi bagi pengambilan keputusan investasi di pasar modal Indonesia. Laporan keuangan historis dinilai belum memadai untuk memprediksi kinerja dan nilai perusahaan, sementara praktik dan kualitas pengungkapan MEF di Indonesia masih beragam. Metode yang digunakan meliputi regresi panel (Fixed Effect Model dan variasinya) pada 57 emiten sepanjang 2012-2022 yang mengungkapkan MEF untuk menguji relevansi nilai MEF terhadap harga saham dan keakuratan price forecast analis, sehingga total pengamatan adalah 570 pengamatan. Selain itu, dibangun model prediksi harga saham berbasis machine learning (Random Forest Regression dan XGBoost) dengan menggunakan Expected Operating Income (EOI) dan Delta Operating Income (DOI) sebagai proksi kuantitatif MEF. Hasil penelitian menunjukkan bahwa EOI dan DOI berpengaruh signifikan positif terhadap harga saham hasil ramalan analis, sehingga mengonfirmasi relevansi nilai MEF dari sudut pandang analis. Model prediksi berbasis EOI dan DOI menghasilkan mean absolute error yang rendah dan nilai tinggi, dengan XGBoost umumnya memiliki kinerja lebih baik pada kondisi pasar normal dan Random Forest lebih kuat pada periode krisis. Temuan ini menegaskan bahwa MEF berbasis ukuran operasional prospektif memiliki nilai prediktif dan layak diposisikan sebagai FLI yang penting bagi peningkatan transparansi dan efisiensi pasar. Implikasi praktisnya, regulator disarankan mendorong pedoman lebih eksplisit terkait pengungkapan MEF, sedangkan emiten, analis, dan investor perlu mengintegrasikan EOI dan DOI dalam proses valuasi dan peramalan harga saham.