Text

Perbandingan Support Vector Machine dan Adaptive Boosting pada Klasifikasi Kinerja Perusahaan yang Tercatat di Bursa Efek Indonesia

---

Kesehatan keuangan perusahaan memberikan suatu indikasi kinerja
perusahaan yang berguna untuk mengetahui posisi perusahaan. Kinerja
perusahaan perlu diprediksi untuk mengetahui perkembangan perusahaan.
Penelitian ini bertujuan menerapkan dan membandingkan metode Support Vector
Machine (SVM) dan Adaptive Boosting (AdaBoost) untuk klasifikasi kinerja
perusahaan. Data yang digunakan yaitu data laporan keuangan 846 perusahaan
yang tercatat di Bursa Efek Indonesia tahun 2023. Variabel dependen yang
digunakan pada penelitian ini adalah kinerja perusahaan yang dikategorikan ke
dalam dua kelas yaitu sehat dan tidak sehat. Variabel independen yang digunakan
terdiri atas delapan rasio keuangan yaitu CR, DER, LDAR, ROA, ROE, ROI,
TATO, dan WCTA. Hasil evaluasi menunjukkan bahwa Support Vector Machine
(SVM) menghasilkan klasifikasi yang paling optimal. Berdasarkan pembagian
data training-testing sebesar 70%:30%, akurasi dalam mengklasifikasikan data
testing mencapai 90%. Sementara itu, hasil evaluasi dari Adaptive Boosting
(AdaBoost) menghasilkan akurasi sebesar 89%. Secara keseluruhan, SVM lebih
unggul dalam mengklasifikasikan kinerja perusahaan secara tepat ke dalam kelas
sehat dan tidak sehat. Meskipun AdaBoost juga memberikan kinerja yang baik,
SVM tetap menjadi pilihan terbaik untuk analisis kinerja perusahaan yang lebih
akurat.
Kata Kunci: Kinerja Perusahaan, Klasifikasi, Support Vector Machine, Adaptive
Boosting

---

Ketersediaan

1381E2025

1381 E 2025

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1381 E 2025

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Aulia Dwi Rizki

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar