Klasifikasi Kesehatan Bank Menggunakan Local Mean K-Nearest Neighbor Dan Multi Local Means K-Harmonic Nearest Neighbor

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

Text

Klasifikasi Kesehatan Bank Menggunakan Local Mean K-Nearest Neighbor Dan Multi Local Means K-Harmonic Nearest Neighbor

Alwi Assegaf - Nama Orang;

ABSTRAK

Metode klasifikasi terus mengalami perkembangan guna mendapatkan hasil klasifikasi yang lebih akurat dari sebelumnya. Penelitian ini bertujuan untuk membandingkan dua metode k-Nearest Neighbor (KNN) yang telah dikembangkan, yaitu Local Mean k-Nearest Neighbor (LMKNN) dan Multi Local Means k-Harmonic Nearest Neighbor (MLM-KHNN) dengan mengambil studi kasus laporan keuangan bank yang terdaftar dan laporan keuangannya tercatat secara lengkap di Bank Indonesia tahun 2017. LMKNN adalah metode yang bertujuan untuk memperbaiki kinerja klasifikasi dan mengurangi pengaruh outlier, dan MLM-KHNN merupakan metode yang bertujuan mengurangi kepekaan terhadap nilai tunggal. Penelitian ini menggunakan tujuh indikator untuk mengukur tingkat kesehatan suatu bank, diantaranya yaitu Capital Adequacy Ratio, Non Performing Loan, Loan to Deposit Ratio, Return on Asset, Return on Equity, Net Interest Margin, dan Beban Operasional terhadap Pendapatan Operasional dengan klasifikasi status kesehatan bank sangat baik (kelas 1), baik (kelas 2), cukup baik (kelas 3) dan kurang baik (kelas 4). Ukuran ketepatan hasil klasifikasi yang digunakan yaitu Apparent Error Rate (APER). Hasil klasifikasi terbaik metode LMKNN adalah pada proporsi 80% data latih dan 20% data uji dengan k=7 yang menghasilkan APER terkecil 0,0556 dan akurasi sebesar 94,44%, sedangkan hasil klasifikasi terbaik metode MLM-KHNN adalah pada proporsi 80% data latih dan 20% data uji dengan k=3 yang menghasilkan APER terkecil 0,1667 dan akurasi sebesar 83,33%. Berdasarkan perhitungan APER menunjukkan bahwa metode LMKNN lebih baik dibandingkan MLM-KHNN dalam mengklasifikasikan status kesehatan bank di Indonesia.

Kata Kunci: Klasifikasi, Local Mean k-Nearest Neighbor (LMKNN), Multi Local Means k-Harmonic Nearest Neighbor (MLM-KHNN), Ukuran ketepatan klasifikasi

ABSTRACT

The classification method continues to develop in order to get more accurate classification results than before. The purpose of the research is comparing the two k-Nearest Neighbor (KNN) methods that have been developed, namely the Local Mean k-Nearest Neighbor (LMKNN) and Multi Local Means k-Harmonic Nearest Neighbor (MLM-KHNN) by taking a case study of listed bank financial statements and financial statements complete recorded at Bank Indonesia in 2017. LMKNN is a method that aims to improve classification performance and reduce the influence of outliers, and MLM-KHNN is a method that aims to reduce sensitivity to a single value. This study uses seven indicators to measure the soundness of a bank, including the Capital Adequacy Ratio, Non Performing Loans, Loan to Deposit Ratio, Return on Assets, Return on Equity, Net Interest Margin, and Operating Expenses on Operational Income with a classification of bank health status is very good (class 1), good (class 2), quite good (class 3) and poor (class 4). The measure of the accuracy of the classification results used is the Apparent Error Rate (APER). The best classification results of the LMKNN method are in the proportion of 80% training data and 20% test data with k=7 which produces the smallest APER 0,0556 and an accuracy of 94,44%, while the best classification results of the MLM-KHNN method are in the proportion of 80% training data and 20% test data with k=3 which produces the smallest APER 0,1667 and an accuracy of 83,33%. Based on APER calculation shows that the LMKNN method is better than MLM-KHNN in classifying the health status of banks in Indonesia.

Keywords: Classification, Local Mean k-Nearest Neighbor (LMKNN), Multi Local Means k-Harmonic Nearest Neighbor (MLM-KHNN), Measure of accuracy of classification

Ketersediaan

711E19III 711 E 19-ii Perpustakaan FSM Undip (Referensi) Tersedia

Informasi Detail

Judul Seri: STATISTIKA
No. Panggil: 711 E 19-ii
Penerbit: : ., 2019
Deskripsi Fisik: -
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: 511.8
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subjek: -
Info Detail Spesifik: -
Pernyataan Tanggungjawab: Alwi Assegaf

Klasifikasi Kesehatan Bank Menggunakan Local Mean K-Nearest Neighbor Dan Multi Local Means K-Harmonic Nearest Neighbor

Ketersediaan

Informasi Detail

Versi lain/terkait

Lampiran Berkas

Komentar