Pengaruh Principal Component Analysis terhadap Akurasi Model Machine Learning dengan Algoritma Artificial Neural Network untuk Prediksi Kebangkrutan Perusahaan

Verina Ardiyanti Madjid, Fauzan Akmal Mahdi, Cahyo Adi Lukito, Dinda Parwita Aulia Nofri, Desta Sandya Prasvita

Abstract


Prediksi akan kebangkrutan suatu perusahaan merupakan hal yang diteliti sampai saat ini. Seiring berkembangnya kemajuan ilmu pengetahuan dan teknologi informasi dan komunikasi mengubah cara memprediksi dari cara konvensional atau melakukan analisis dan penarikan kesimpulan secara manual menjadi lebih cepat dan bisa dilakukan dengan menggunakan komputer. Karena itu, kami melakukan prediksi kebangkrutan perusahaan menggunakan model machine learning Artificial Neural Network. Dataset yang kami gunakan adalah dataset yang dikumpulkan oleh Taiwan Economic Journal pada tahun 1999-2009 untuk mendefinisikan kebangkrutan perusahaan didasarkan kepada regulasi dari Pasar Saham Taiwan. Kami akan melakukan beberapa tahap untuk pembuatan model seperti praproses data, reduksi dimensi, ekstraksi fitur dan fitur seleksi serta klasifikasi. Hasil yang didapatkan dari penelitian ini dengan metode algoritma ANN tanpa tahap reduksi/PCA hasil akurasinya sebesar 97.36%, lalu menggunakan algoritma ANN dan PCA yang memiliki akurasi sebesar 96.33%. Sehingga dapat disimpulkan bahwa akurasi yang terbesar adalah dengan menggunakan algoritma Artificial Neural Network tanpa tahap reduksi/PCA.

Keywords


Machine Learning, Bangkrut, Perusahaan, Artificial Neural Network, Model

References


Qu, Y., Quan, P., Lei, M. and Shi, Y., 2019. Review of bankruptcy prediction using machine learning and deep learning techniques. Procedia Computer Science, 162, pp.895-899.

Odom, M.D. and Sharda, R., 1990, June. A neural network model for bankruptcy prediction. In 1990 IJCNN International Joint Conference on neural networks (pp. 163-168). IEEE.

Min, J.H. and Jeong, C., 2009. A binary classification method for bankruptcy prediction. Expert Systems with Applications, 36(3), pp.5256-5263.

Ihsan, M.A. (2018). REDUKSI ATRIBUT PADA ALGORITMA K-NEAREST NEIGHBOR (KNN) DENGAN MENGGUNAKAN ALGORITMA GENETIKA.

Kosasih, R. (2014). PENGGUNAAN METODE PCA UNTUK REDUKSI DATA IMAGE PEMBULUH DARAH VENA.

Adnyana, I.G.N.D., Arjuna, R.M., Indraini, A.N., Prasvita, D.S. (2021) . Pengaruh Seleksi Fitur Pada Algoritma Machine Learning Untuk Memprediksi Pembatalan Pesanan Hotel. Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA).

https://www.kaggle.com/fedesoriano/company-bankruptcy-prediction (diakses pada 20 Juni 2021).

https://www.kaggle.com/jaimebecerraguerrero/simple-yet-powerful-bankrupt-prediction-model (diakses pada 27 Agustus 2021).

https://www.kaggle.com/kabirnagpal/bankruptcy-prediction-naive-bayes-auc-96 (diakses pada 27 Agustus 2021).


Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Senamika

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.