GDL

Comparative Study of Bankruptcy Prediction Models

Journal from gdlhub / 2016-11-07 09:23:12
Oleh : Isye Arieshanti, Yudhi Purwananto, Ariestia Ramadhani, Mohamat Ulin Nuha, Nurissaidah Ulinnuha, Telkomnika
Dibuat : 2013-09-01, dengan 1 file

Keyword : Prediksi Kebangkrutan, k-NN, fuzzy k-NN, Bagging Nearest Neighbour SVM, Metode hibrid MLP+Regresi Linier Berganda
Url : http://journal.uad.ac.id/index.php/TELKOMNIKA/article/view/1143

indikasi awal Kepailitan penting bagi sebuah perusahaan. Jika perusahaan menyadari potensi kebangkrutan mereka, mereka dapat mengambil tindakan pencegahan untuk mengantisipasi Kepailitan. Untuk mendeteksi potensi Kepailitan, sebuah perusahaan dapat memanfaatkan model prediksi kebangkrutan. Model prediksi dapat dibangun dengan menggunakan metode pembelajaran mesin. Namun, pilihan metode pembelajaran mesin harus dilakukan dengan hati-hati karena kesesuaian model tergantung pada masalah khusus. Oleh karena itu, dalam makalah ini kami melakukan studi banding beberapa mesin bersandar metode untuk prediksi kebangkrutan. Diharapkan hasil perbandingan akan memberikan wawasan tentang metode yang kuat untuk penelitian lebih lanjut. Menurut studi banding, kinerja beberapa model yang didasarkan pada metode pembelajaran mesin (k-NN, kabur k-NN, SVM, Bagging terdekat Tetangga SVM, Multilayer Perceptron (MLP), Hybrid dari MLP + Regresi Linear), itu dapat disimpulkan bahwa metode fuzzy k-NN mencapai kinerja terbaik dengan akurasi 77,5%. Hasilnya menunjukkan bahwa perkembangan disempurnakan model prediksi kebangkrutan bisa menggunakan perbaikan atau modifikasi kabur k-NN.

Deskripsi Alternatif :

Early indication of Bankruptcy is important for a company. If companies aware of potency of their Bankruptcy, they can take a preventive action to anticipate the Bankruptcy. In order to detect the potency of a Bankruptcy, a company can utilize a model of Bankruptcy prediction. The prediction model can be built using a machine learning methods. However, the choice of machine learning methods should be performed carefully because the suitability of a model depends on the problem specifically. Therefore, in this paper we perform a comparative study of several machine leaning methods for Bankruptcy prediction. It is expected that the comparison result will provide insight about the robust method for further research. According to the comparative study, the performance of several models that based on machine learning methods (k-NN, fuzzy k-NN, SVM, Bagging Nearest Neighbour SVM, Multilayer Perceptron(MLP), Hybrid of MLP + Multiple Linear Regression), it can be concluded that fuzzy k-NN method achieve the best performance with accuracy 77.5%. The result suggests that the enhanced development of bankruptcy prediction model could use the improvement or modification of fuzzy k-NN.

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	gdlhub
Organisasi	Telkomnika
Nama Kontak	Herti Yani, S.Kom
Alamat	Jln. Jenderal Sudirman
Kota	Jambi
Daerah	Jambi
Negara	Indonesia
Telepon	0741-35095
Fax	0741-35093
E-mail Administrator	elibrarystikom@gmail.com
E-mail CKO	elibrarystikom@gmail.com