Penerapan genetic algorithm untuk seleksi fitur pada klasifikasi financial distress perbankan menggunakan metode K- Nearest Neighbor

This item is published by Universitas Islam Negeri Sunan Ampel Surabaya

Kusman, Umi Masruroh (2024) Penerapan genetic algorithm untuk seleksi fitur pada klasifikasi financial distress perbankan menggunakan metode K- Nearest Neighbor. Undergraduate thesis, UIN Sunan Ampel Surabaya.

	Text Umi Masruroh Kusman_09020220043.pdf Download (4MB)
	Text Umi Masruroh Kusman_09020220043_Full.pdf Restricted to Repository staff only until 30 July 2027. Download (4MB)

Abstract

Financial distress merupakan suatu keadaan kesulitan keuangan secara terus-menerus pada perusahaan sebelum mengalami kebangkrutan. Jika hal tersebut terjadi secara besar-besaran, maka dapat mengakibatkan krisis moneter dan berpotensi menjadi krisis ekonomi. Penelitian ini bertujuan untuk mengklasifikasikan data perbankan sebagai bentuk early warning system terjadinya financial distress serta mengetahui evaluasi klasifikasi yang dibangun. Data yang digunakan merupakan data perusahaan perbankan dari tahun 2020-2022 yang berasal dari website Otoritas Jasa Keuangan (OJK), terdiri dari 275 perusahaan non-financial distress dan 46 perusahaan financial distress berdasarkan 12 variabel meliputi; CAR; AB; APB; CKPN; NPL; ROA; ROE; NIM; BOPO; CIR; dan LDR. Metode klasifikasi yang digunakan adalah K -Nearest Neighbor (KNN) yang dioptimasi menggunakan seleksi fitur Genetic Algorithm (GA). Seleksi fitur Genetic Algorithm (GA) dilakukan untuk memperoleh variabel-variabel yang signifikan pada klasifikasi K-Nearest Neighbor (KNN). Hasil penelitian ini menunjukkan seleksi fitur Genetic Algorithm (GA) mampu meningkatkan evaluasi klasifikasi pada K-Nearest Neighbor (KNN). Menggunakan 6 variabel terpilih, hasil klasifikasi terbaik diperoleh dengan pembagian data menggunakan 10-fold dan nilai k = 1 pada KNN. Model GA-KNN menghasilkan nilai akurasi= 99.81%, sensitivitas= 99.63%, dan spesifisitas= 1%.

Statistic

Downloads from over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

Item Type:	Thesis (Undergraduate)
Creators:	Creators Email NIM Kusman, Umi Masruroh umikusman@gmail.com 09020220043
Contributors:	Contribution Name Email NIDN Thesis advisor Hafiyusholeh, Moh hafiyusholeh@uinsby.ac.id 2004028001 Thesis advisor Dian, Yuliati dian.yuliati@uinsby.ac.id 2014078703
Subjects:	Bank dan Perbankan Kecerdasan Matematika
Keywords:	Financial distress; genetic algorithm (GA); K-Nearest Neighbor (KNN); klasifikasi; seleksi fitur
Divisions:	Fakultas Sains dan Teknologi > Studi Matematika
Depositing User:	Umi Kusman
Date Deposited:	30 Jul 2024 06:45
Last Modified:	30 Jul 2024 06:45
URI:	http://digilib.uinsa.ac.id/id/eprint/72492

Actions (login required)

View Item