Putri, Nanda Alifiya Santoso (2018) Prediksi Kebangkrutan Menggunakan Metode Backpropagation (Studi Kasus: Perseroan Terbatas Terdaftar Pada Bursa Efek Indonesia). Sarjana thesis, Universitas Brawijaya.
Abstract
Kebangkrutan merupakan kondisi dimana sebuah perusahaan mengalami kegagalan baik itu kegagalan ekonomi atau kegagalan keuangan. Kebangkrutan menyebabkan adanya sita umum atas semua kekayaan Debitor Pailit (perusahaan) yang pengurusan dan pemberesannya dilakukan oleh Kurator (pengawas aktiva benda debitor). Karena dapat menimbulkan akibat yang berat, beberapa upaya dilakukan sebagai alternatif penanggulangan kebangkrutan. Salah satu upaya tersebut adalah upaya preventif dengan memprediksi kebangkrutan. Backpropagation adalah salah satu metode jaringan saraf tiruan yang banyak digunakan dalam konteks permasalahan dengan dataset yang bersifat klasifikasi dan regresi yang salah satunya adalah prediksi karena backpropagation merupakan salah satu algoritme supervised learning atau algoritme yang sudah diketahui nilai output dan inputnya. Dalam penelitian ini, backpropagation bertugas untuk memprediksi kebangkrutan dengan input berupa lima variabel Altman dan hasil dari perhitungan Z-Score menjadi target output. Keseluruhan pengujian yang telah dilakukan menghasilkan nilai MAPE terbaik dengan rata-rata 0,062% dengan parameter nilai learning rate sebesar 0,2, jumlah iterasi sebanyak 1000 dan jumlah neuron pada hidden layer sebanyak 6. Nilai MAPE tersebut <10% serta mendekati 0% yang termasuk dalam kriteria prediksi dengan akurasi sangat baik.
English Abstract
Bankruptcy is a condition while a company fails either economic failure or even financial failure. Bankruptcy causes a general seizure of all the assets of a bankrupt Debitor (company) that settled and managed by the Curator (supervisor of Debitor’s asset). Because it can causes a severe consequences, several attemps were done as an alternative for bankruptcy prevention. One of those attemps is by predicting the bankruptcy itself. Backpropagation is a method of artificial neural network that widely used in the context of classification or regression datasets, one of the regression problem is prediction, because backpropagation is one of the supervised learning algorithm which the output or input values already known. In this study, backpropagation works for predicting the bankruptcy with Altman’s five variabels as inputs and the results of Z-Score calculation as output target. The entire test that has been done produces the best MAPE value with average at 0,062% using learning rate parameter value at 0,2, 1000 iterations and 6 neurons in the hidden layer. This MAPE value is under 10% and close to 0% which included in the criteria of prediction with very good accuracy.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2018/1003/051900784 |
Uncontrolled Keywords: | kebangkrutan, Altman Z-Score, backpropagation-bankruptcy, Altman Z-Score, backpropagation |
Subjects: | 300 Social sciences > 332 Financial economics > 332.6 Investment |
Divisions: | Fakultas Ilmu Komputer > Teknik Komputer |
Depositing User: | soegeng sugeng |
Date Deposited: | 19 Sep 2019 03:53 |
Last Modified: | 18 May 2022 02:03 |
URI: | http://repository.ub.ac.id/id/eprint/166937 |
Text
Nanda Alifiya Santoso Putri.pdf Download (2MB) |
Actions (login required)
View Item |