Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal SITEKIN: Jurnal Sains, Teknologi dan Industri
Fitriandini Fitriandini
Fakultas Sains dan Teknologi Universitas Islam Negeri (UIN) Sultan Syarif Kasim Riau
Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Industrial & Manufacturing Engineering Other

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

Found 1 Documents
Search

 1 
PREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN SUPPORT VECTOR MACHINE (SVM) Lestari Handayani; Fitriandini Fitriandini
SITEKIN: Jurnal Sains, Teknologi dan Industri Vol 11, No 1 (2013): Desember 2013
Publisher : Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/sitekin.v11i1.568

Abstract

Kebangkrutan perusahaan yang diakibatkan oleh kesulitan keuangan dapat dianalisa dari laporan keuangan. Laporan keuangan perusahaan masa lampau dapat memprediksi kondisi keuangan di masa yang akan datang dengan menggunakan teknik analisa laporan keuangan. Caranya dengan menghitung rasio keuangan yang diperkenalkan oleh Altman. Penelitian ini menggunakan lima variabel rasio keuangan Altman untuk memprediksi kebangkrutan perusahaan dengan menggunakan teknik data mining yaitu metode SVM. Metode yang diperkenalkan oleh Vapnik ini menemukan optimal hyperplane yang memisahkan kondisi perusahaan menjadi dua kelas yaitu bangkrut dan tidak bangkrut. Dengan menggunakan fungsi SMO WEKA, fungsi atau model yang ditemukan dari proses data latih digunakan untuk memprediksi 10 perusahaan yang belum memiliki atribut class output. Data sampel yang digunakan dalam penelitian ini sebanyak 50 perusahaan yang terdaftar di BEI dalam periode 2007-2010. Hasil pengujian 10-cross validation dengan menggunakan fungsi kernel RBF didapat parameter terbaik C=1 dan Gamma=4, tingkat akurasi klasifikasi tertinggi mencapai 90.78%. 10 perusahaan yang diprediksi dengan metode SVM menghasilkan 9 perusahaan diklasifikasikan dengan benar dan sisanya diklasifikasikan salah.       
Co-Authors Lestari Handayani