This Author published in this journals
All Journal Buffer Informatika
sse, encep
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

MACHINE LEARNING PREDIKSI KEBANGKRUTAN MENGGUNAKAN ALTMAN Z-SCORE siswoyo, bambang; sse, encep; jurnal, firman
BUFFER INFORMATIKA Vol 5, No 1 (2019)
Publisher : TI S1 FKOM UNIKU

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25134/buffer.v5i1.1955

Abstract

AbstrakIndustri manufaktur adalah salah satu industry yang sangat memperhatikan secara khusus analisis laporan keungan, oleh karena, manajemen harus mempunyai model prediksi kebangkrutan sebagai peringatan dini sehingga bisa mengantisipasi kondisi perusahaan agar dalam keadaan sehat. Machine learning yang mempunyai kemampuan belajar dari data masa lalu sert menghasilkan solusi yang optimal  dengan pendekatan pengenalan pola, akan digunakan dalam kajian ini. Algoritma Principle component analysi-based anomaly detection (PCA-BAD), Multiclass neural network dan Algoritma Perceptron akan digunakan untuk memecahkan masalah. Model yang dihasilkan diuji untuk memperoleh akurasi dan nilai-nilai AUC dari masing-masing algoritma. Nilai  akurasi PCA-BAD nilai accuracy 53% dan nilai AUC adalah 92%. Sementara Multiclass Neural Network  dengan threshold 1% nilai  Acuracy 100 % dan AUC 100%, sedangkan algoritma Perceptron Acuracy 100% dan AUC 100% Dengan demikian dapat disimpulkan bahwa model yang diusulkan adalah algoritma multiclass neural network.Kata Kunci : Kebangkrutan, Machine learning, PrediksiAbstractManufacturing Industry is one industry that is very concerned about financial statement analysis, therefore, management must have a bankruptcy prediction model as an initial publication that can promote the condition of the company to suit a healthy state. Machine learning that has the ability to learn from past data and produces optimal solutions by obtaining pattern recognition, will be used in this study. The main components of the analysis-based anomaly detection (PCA-BAD) algorithm, the Multiclass neural network and the Perceptron Algorithm will be used to solve the problem. The resulting model appreciates the accuracy and AUC values of each algorithm. The value of PCA-BAD accuracy is 53% and the AUC value is 92%. While the Multiclass Neural Network with a threshold of 1% Acuracy value 100% and AUC 100%, while the Perceptron Acuracy algorithm 100% and AUC 100% Thus it can be denied that the model used is a multiclass neural networkKeywords: Bankruptcy, machine learning, predictionManufaktur