Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Seni ITS
Azzahra, Audy Shafira Nurfariesha
Departemen Statistika Bisnis Institut Teknologi Sepuluh Nopember Surabaya
Arts Humanities

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Sains dan Seni ITS

 1 
Prediksi Financial Distress Perusahaan Sektor Keuangan yang Terdaftar pada Bursa Efek Indonesia Azzahra, Audy Shafira Nurfariesha; Ratih, Iis Dewi
Jurnal Sains dan Seni ITS Vol 13, No 5 (2024)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v13i5.149085

Abstract

Data pada Bursa Efek Indonesia menyebutkan bahwa perusahaan yang bergerak pada sektor keuangan memiliki nilai saham yang paling tinggi dibandingkan sektor lainnya yang akan sangat menarik minat para investor untuk berinvestasi pa-da sektor ini. Salah satu risiko investasi adalah kondisi financial distress perusahaan, yaitu suatu kondisi di mana keuangan per-usahaan sedang berada dalam keadaan tidak sehat yang menun-jukkan tahap penurunan dalam kondisi keuangan perusahaan sehingga perusahaan tidak mampu menghasilkan keuntungan dan membayar kewajibannya. Sebelum memilih perusahaan untuk investasi, penting untuk melakukan prediksi untuk mem-perkirakan apakah sebuah perusahaan berpotensi untuk meng-alami financial distress. Metode Support Vector Machine (SVM) dapat digunakan untuk memprediksi financial distress peru-sahaan dengan memisahkan perusahaan yang mengalami financial distress dan non-distress berdasarkan variabel yang memengaruhinya. Untuk meningkatkan hasil akurasi prediksi, penelitian ini akan menggunakan metode optimisasi menggu-nakan metode Particle Swarm Optimization (PSO). Hasil dari penelitian ini, yaitu model prediksi financial distress perusahaan sektor keuangan menggunakan metode Spport Vector Machine (SVM) dan optimasi PSO (Particle Swarm Optimization) meng-gunakan data hasil penanganan imbalance dengan SMOTE menghasilkan akurasi terbaik di antara metode lainnya, dengan 11 perusahaan diprediksi mengalami financial distress.
Co-Authors Ratih, Iis Dewi