PREDIKSI KEBANGKRUTAN BANK MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION 2 (LVQ2)
| Main Author: | Nova Triana Putri, - |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.uin-suska.ac.id/28259/1/Laporan%20TA%20lengkap%20BAB%20I%2C%20BAB%20II%2C%20BAB%20III%2C%20BAB%20VI%20dan%20Lampiran.pdf http://repository.uin-suska.ac.id/28259/2/Laporan%20TA%20BAB%20IV%20dan%20BAB%20V.pdf http://repository.uin-suska.ac.id/28259/ |
Daftar Isi:
- Kinerja pada suatu bank sangat berpengaruh terhadap kondisi bank tersebut. Apabila tidak dikelola dengan baik dapat menyebabkan kebangkrutan. Pada penelitian ini dengan menggunakan metode Learning Vector Qualization 2 (LVQ2) untuk memprediksi kebangkrutan suatu bank. Penelitian ini menggunakan 7 variabel yaitu Capital Adequacy Ratio (CAR), Non Performing Loan (NPL), Return On Asset (ROA), Return On Equity (ROE), Net Interest Margin (NIM), Badan Operasional Pendapatan Operasional (BOPO), dan Loan to Deposit Ratio (LDR) yang diambil berdasarkan rasio untuk mengukur kesehata bank, yaitu rasio CAMEL. Tingkat akurasi yang dihasilkan dalam menggunakan algoritma Learning Vector Qualization 2 (LVQ2) adalah 94% dari pembagian data 80%:20% dengan menggunakan max-epoch 100, learning rate (α) 0.025 minimum learning rate (α) 0.01, pengurangan (α) 0.1 dan window (ɛ) 0.4. nilai window juga berpengaruh dalam akurasi. Berdasarkan pengujian yang dilakukan dapat disimpulkan bahwa metode lvq 2 menghasilkan akurasi yang tinggi untuk kasus prediksi. Adapun pengujian yang dilakukan dalam penelitian ini yaitu pengujian white box, pengujian confusion matrix, dan pengujian kombinasi parameter. Implementasi yang digunakan dengan menggunakan matlap. Kata kunci : Kebangkrutan bank, Prediksi, Learning Vector Qualization 2 (LVQ2), CAR, NPL, ROA, ROE, NIM, BOPO, LDR, CAMEL.