RECORD DETAIL
Back To Previous
Back To Previous
| Title | Studi Komparasi Metode Data Mining untuk Memprediksi Kebangkrutan Bank |
| Edition | |
| Call Number | |
| ISBN/ISSN | |
| Author(s) | Siswantini |
| Subject(s) | Data Mining |
| Classification | 006.3 |
| Series Title | GMD | Tugas Akhir |
| Language | Indonesia |
| Publisher | Jurusan Teknik Industri FTI-ITS |
| Publishing Year | 2007 |
| Publishing Place | Surabaya |
| Collation | |
| Abstract/Notes | |
| Specific Detail Info | Penelitian ini bertujuan untuk membandingkan kemampuan tiga metode Data Mining, yaitu metode Regresi Logistik (Logit),L inear Discriminant Analysist (LDA), dan Support Vector Machine (SVM) dalam memprediksi masalah kebangkrutan bank. Dimana pada hasil penelitian-penelitian sebalumnya mengenai prediksi kebangkrutan bank, metode Regresi Logistik sudah terbukti memberikan hasil yang lebih baik dibandingkan dengan metode-metode prediksi lain, sedangkan metode LDA dan SVM belum pernah diujicobakan dalam penelitian-penelitian sebelumnya. Ketiga metode ini akan mencoba mengklasifikasikan bank ke dalam dua kelas, yaitu bank dalam kondisi bangkrut dan bank tidak bangkrut (sehat). Sampel penelitian adalah Bank - Bank Umum Swasta Nasional Devisa dan Non Devisa di Indonesia terdiri dari 90 bank yang tidak bangkrut dan 40 bank yang mengalami kebangkrutan. Variabel yang digunakan meliputi variabel dependen dan independen. Kondisi bank yang diprediksi, yaitu status bank bangkrut dan tidak bangkrut merupakan variabel output (independent). Sedangkan sebagai variabel inputnya (dependent) adalah rasio-rasio keuangan CAMEL dari bank yang bersangkutan sesuai dengan ketentuan Bank Indonesia. Data-data tersebut dibagi menjadi dua bagian, yaitu data training dan data testing. Data training digunakan untuk mencari fungsi pemisah antara kelas satu dan kelas dua. Sedangkan data testing digunakan untuk memprediksi outputnya, sehingga dapat diketahui tingkat kesalahan klasifikasi (error) pada masing-masing metode dengan membandingkan (memvalidasi) output dari hasil prediksi proses testing dengan label data sesungguhnya. Metode yang menghasilkan ketepatan klasifikasi yang tinggi atau tingkat kesalahan klasifikasi (error) yang kecil adalah metode yang memberikan hasil yang terbaik untuk proses prediksi kebangkrutan bank. Dari hasil pengujian, baik sebelum dan sesudah seleksi variabel, metode yang menghasilkan tingkat kesalahan klasifikasi terkecil adalah metode SVM fungsi Kernel Polynomial. Sedangkan dari hasil seleksi variabel, dari 40 variabel yang digunakan sebagai prediktor dalam penelitian ini, terpilih 20 variabel yang relevan terhadap klasifikasi bank yang bangkrut dan yang sehat. Sedangkan 20 variabel yang terpilih tersebut, variabel yang paling dominan terhadap tugas klasifikasi adalah rasio keuangan CAR. Kata kunci:. Regresi Logistik (Logit), Linear Discriminant Analysist (LDA), Support Vector Machine (SVM), kebangkrutan bank, rasio keuangan |
| Image |  |
| File Attachment | LOADING LIST... |
| Pembimbing | Dr. Ir. Budi Santosa, MSc |
| Volume | 1 |
| Availability | LOADING LIST... |
| Back To Previous |