Skripsi

Analisis prediksi financial distress pada perusahaan manufaktur dengan menggunakan metode decision tree, support vector machine (svm) dan naïve bayes (studi pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2017-2020) / Nina Jumiarsih

Abstrak
Pandemi Covid-19 yang terjadi awal tahun 2020 menyebabkan pelemahan perekonomian Indonesia. Hal tersebut tentu membuat calon investor perlu pertimbangan dalam memilih perusahaan yang tepat untuk berinvestasi. Salah satu cara pertimbangan yang dapat dilakukan adalah dengan melakukan prediksi financial distress. Melalui prediksi financial distress dapat diketahui apakah perusahaan tersebut memiliki kinerja keuangan yang baik. Dengan kinerja keuangan yang baik tentu perusahaan tersebut lebih menjanjikan dalam memberikan pembagian deviden yang besar. Prediksi dapat dilakukan dengan menggunakan metode data mining. Akan tetapi dalam data mining dikenal berbagai mesin pembelajaran yang dapat digunakan. Oleh karena itu perlu mengetahui mesin pembelajaran mana yang paling tepat untuk digunakan dalam memprediksi financial distress. Penelitian ini mencoba membandingkan tiga metode data mining yaitu Decision Tree Support Vector Machine (SVM) dan Na ve Bayes dengan tujuan untuk menentukan metode mana yang paling tepat digunakan dalam memprediksi terjadinya financial distress pada perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia periode 2017 2020. Metode Decision Tree dilakukan pengaturan parameter pada jenis pruning yang digunakan yaitu prepruning dan post pruning. Support Vector Machine (SVM) dilakukan pengaturan parameter pada kernel yang digunakan yaitu Linier Radial Basis Function (RBF) dan Polynomial. Na ve Bayes dilakukan pengaturan parameter pada kernel yaitu tanpa kernel dan dengan kernel. Data penelitian sekuder dengan pemilihan sampel menggunakan teknik purposive sampling dengan jumlah data sampel sebanyak 97 data. Pada penelitian variabel terikat berbentuk biner dengan 0 menunjukkan perusahaan normal dan 1 menunjukkan perusahaan mengalami financial distress. Variabel bebas berupa rasio keuangan berjumlah tujuh terdiri dari Current Ratio Cash Turnover Ratio Return on Asset Return on Equity Net Profit Margin Debt To Asset Ratio dan Debt To Equity Ratio. Hasil dari penelitian ini menunjukkan bahwa metode Support Vector Machine (SVM) memberikan hasil paling baik untuk memprediksi financial distress. Dimana performa dari AUC berada pada rentang 0.9 1.0 yang menandakan klasifikasi sangat baik. Kernel yang paling cocok diterapkan untuk memprediksi financial distress adalah Radial Basis Function (RBF). Akurasi prediksi dengan kernel RBF terbaik ditunjukkan dengan parameter gamma 0.5 dan nilai C 10 sebesar 93%. Penelitian ini juga menunjukkan bahwa variabel Return on Asset (ROA) menjadi variabel yang memiliki pengaruh terbesar pada hasil penelitian.

Informasi Detail

DDC

Rs 658.15 JUM a

Prodi

Universitas Negeri Malang. Program Studi Teknik Industri, 2021.

Deskripsi Fisik

xvii, 116 lembar : il. ; 30 cm.

Bahasa

Indonesia

No Reg

02123/KI/22

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2021

Subjek

1. KRISIS KEUANGAN - PERUSAHAAN
2. FINANCIAL DISTRESS - COMPANY
3. FINANCIAL CRISIS - COMPANY

Pembimbing

1. Yoto ; 2. Aisyah Larasati

Lampiran Berkas