PREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ALGORITMA C4.5 BERBASIS FORWARD SELECTION

Hamsir Saleh

Abstract

Memprediksi kebangkrutan perusahaan adalah upaya yang penting dalam mengatasi masalah manajemen perusahaan dengan tujuan utamanya adalah mengoptimalkan pengelolaan fitur yang berpengaruh dalam memprediksi kebangkrutan perusahaan. Masalah mendasar dalam machine learning adalah proses optimasi keputusan untuk mendapatkan fungsi kombinasi yang optimal. Forward selection adalah pendekatan wrapper yang sering digunakan dalam seleksi fitur otomatis, forward selection mampu menghapus fitur yang tidak relevan, mengembangkan dan menambah kualitas data, serta meningkatkan performa dan akurasi model. Penelitian ini mengusulkan algoritma C4.5 berbasis forward selection untuk menemukan atribut yang berpengaruh dalam peningkatan akurasi prediksi kebangkrutan perusahaan. Hasil penelitian yang telah dilakukan dengan penerapan algoritma C4.5 berbasis forward selection menghasilkan beberapa fitur signifikan, dalam penelitian menggunakan 250 record atribut compettivenes dan credibility menjadi fitur yang signifikan dari 6 atribut yang ada. Dalam penelitian dengan 250 record algoritma C4.5 mendapatkan hasil akurasi sebesar 99.60% dan algoritma C4.5 berbasis forward selection  dengan akurasi sebesar 99.61%.

Keywords

Prediksi, kebangkrutan, C4.5

References

Li H Andina D & Sun J. 2012. “Multiple proportion case-basing driven CBRE and its application in the evaluation of possible failure of firms”. International Journal of Systems Science, 44, 1409–1425.

Olson D. L, Delen D & Meng Y. 2012. “Comparative analysis of data mining methods for bankruptcy prediction”. Decision Support Systems, 52, 464–473.

Gang Wang, Jinxing Hao, Jian Ma & Hongbing Jiang. 2011. “A comparative assessment of ensemble learning for credit scoring”. Expert Systems with Applications, 38, 223–230.

Duéñez-Guzmán, E. A, &Vose, M. D. 2013. “No free lunch and benchmarks”. Evolutionary Computation, 21, 293–312.

Myoung-Jong Kim, Dae-Ki Kang. 2012. “Classifiers selection in ensembles using genetic algorithms for bankruptcy prediction”. Expert System With Aplication, 39, 9308 – 9314.

Matthias Reif, Faisal Shahait, 2014. ”Efficient Feature Size Reduction Via Predicitive Forward Selection”. Pattern Recognition ,47, 1664–1673.

L. Ladha, T. Deepa. 2011. “Feature Selection Methods And Algorithms”, International Journal on Computer Science and Engineering (IJCSE), ISSN : 0975-3397 Vol. 3 No.

Myoung-Jong Kim, Ingoo Han. 2003. “The discovery of experts’ decision rules from qualitative bankruptcy data using genetic algorithms”. Expert System With Aplication, 25, 637 – 646.

Refbacks

  • There are currently no refbacks.