Skripsi

Membangun sistem prediksi kesehatan perbankan menggunakan algoritma anfis / Mamluatul Mahmudah

Abstrak
Sistem perbankan yang tidak stabil berpotensi menimbulkan krisis di pasar keuangan. Sistem perbankan di Indonesia telah diperbarui dari metode CAMELS ke pendekatan Risk Based-Bank Rating (RBBR) yang meliputi risiko profil GCG rentabilitas dan permodalan untuk meningkatkan efektivitas tingkat kesehatan bank. Penghindaran risiko dapat dilakukan dengan prediksi yang tepat untuk membantu bank tetap beroperasi dan tidak mengalami kesulitan keuangan. Penelitian ini bertujuan untuk membangun sistem aplikasi prediksi kesehatan perbankan menggunakan algoritma Adaptive Neuro Fuzzy Inference System (ANFIS). ANFIS adalah kombinasi sinergis sistem inferensi fuzzy dan jaringan saraf tiruan. Model pengembangan sistem yang digunakan yaitu model waterfall. Data penelitian berupa rasio keuangan meliputi NPL LDR ROA NIM dan CAR sebagai variabel input dan data time series kesehatan perbankan yang terdaftar di Bursa Efek Indonesia pada tahun 2017-2019 sebagai variabel output. Berdasarkan hasil pengujian dapat disimpulkan bahwa kinerja algoritma ANFIS memiliki akurasi yang baik dalam memprediksi tingkat kesehatan bank. Uji evaluasi algoritma ANFIS memperoleh nilai RMSE sebesar 0 5358 dan MAPE sebesar 12 94%. Untuk memudahkan pengguna dalam membaca sistem maka dibuat Graphic User Interface (GUI). GUI yang dihasilkan telah diuji dengan black box testing yang menunjukkan bahwa aplikasi secara fungsional dapat digunakan untuk memprediksi kesehatan perbankan.

Informasi Detail

DDC

Rs 332.72 MAH m

Prodi

Universitas Negeri Malang. Program Studi Akuntansi, 2021.

Deskripsi Fisik

xiii, 67 lembar : il. ; 30 cm.

Bahasa

Indonesia

No Reg

01225/KI/22

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2021

Subjek

1. BANK DAN PERBANKAN - KESEHATAN
2. BANK DAN PERBANKAN - MANAJEMEN
3. BANKING AND BANKING - HEALTH

Pembimbing

1. Satia Nur Maharani

Lampiran Berkas