Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi)

PREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN DECISION TREE, RANDOM FOREST DAN LOGISTIC REGRESSION: ANALISIS RASIO KEUANGAN SEBAGAI INDIKATOR RASIO Arya Dwi Saputra; Teny Handhayani
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 13 No. 2 (2025): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/jiksi.v13i2.34303

Abstract

Tujuan dari penelitian ini adalah untuk menggunakan tiga algoritma klasifikasi: Decision Tree, Random Forest, dan Logistic Regression untuk memprediksi kebangkrutan perusahaan. Sebagai indikator utama untuk mengukur risiko kebangkrutan perusahaan, penelitian ini menggunakan data rasio keuangan yang terdiri dari berbagai rasio keuangan, termasuk return on assets (ROA), margin laba operasi, dan total turnover aset. Penelitian menilai model yang dibangun menggunakan metrik performa seperti akurasi, ketepatan, recall, dan skor F1. Hasilnya menunjukkan bahwa model Logistic Regression memiliki tingkat akurasi tertinggi sebesar 96%. Penelitian ini memberikan wawasan tentang efektivitas rasio keuangan dalam memprediksi kebangkrutan dan relevansi penggunaan berbagai algoritma klasifikasi keuangan.