Aplikasi Data Mining dengan Metode Support Vector Machine (SVM) untuk Prediksi Financial Distress pada Industri Jasa Go Public yang Terdaftar di Bursa Efek Indonesia

Wulandari, Lusi Mei Cahya and Dewantoro, Albertus Daru and Andrian, David (2016) Aplikasi Data Mining dengan Metode Support Vector Machine (SVM) untuk Prediksi Financial Distress pada Industri Jasa Go Public yang Terdaftar di Bursa Efek Indonesia. In: Proceedings SENIATI 2016 (BOOK-1): Green Technologi Innovation. Teknik Industri ITN, Malang, C.81-C.86. ISBN 2085-4218

	Text 9. Prosiding Aplikasi Data Mining dgn SVM.pdf Download (1MB)
	Text 1719 - Published Version Download (2kB)
	Text Peer Review 2. Aplikasi Data Mining dengan Metode SVM untuk Prediksi Financial Distress.pdf Download (283kB)
	Text HASIL SIMILARITY-APLIKASI DATA MINING DENGAN METODE SUPPORT VECTOR MACHINE (SVM).pdf Download (481kB)

Abstract

Financial Distress adalah tahapan penurunan kondisi keuangan suatu perusahaan sebelum terjadinya kebangkrutan.Prediksi financial distress bermanfaat bagi perusahaan, investor dan kreditur. Penelitian ini dilakukan pada Industri Jasa Go Public yang terdaftar di Bursa Efek Indonesia menggunakan metode Support Vector Machine (SVM) dengan variabel keuangan. Seleksi variabel menggunakan Linear Programming SVM (LP-SVM) . Dari 16 variabel yang tersedia terpilih 10 variabel prediktor pada model. Hasil percobaan penelitian menunjukkan bahwa tingkat misklasifikasi menjadi semakin kecil ketika menggunakan variabel yang telah diseleksi baik dengan metode SVM maupun Linear Discriminant Analysis (LDA). Misklasifikasi terkecil dengan metode SVM diberikan pada Kernel RBF dengan parameter σ=2,C=1

Item Type:	Book Section
Uncontrolled Keywords:	Financial Distress, Industri Jasa ,Linear Discriminant Analysis(LDA), Support Vector Machine Machine (SVM).
Subjects:	H Social Sciences > HD Industries. Land use. Labor H Social Sciences > HD Industries. Land use. Labor > HD28 Management. Industrial Management
Divisions:	Fakultas Teknik > Prodi Teknik Industri
Depositing User:	Lusi Mei Cahya Wulandari
Date Deposited:	13 Jul 2021 02:09
Last Modified:	28 Feb 2023 09:07
URI:	http://repositori.ukdc.ac.id/id/eprint/725

Actions (login required)

View Item