AFIF FADILAH (2018) OPTIMASI LEARNING VECTOR QUANTIZATION (LVQ) MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) UNTUK KLASIFIKASI STATUS PERUSAHAAN. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER_2018449TIF.pdf Download (126kB) | Preview |
|
|
Text
2. PENGESAHAN_2018449TIF.pdf Download (544kB) | Preview |
|
|
Text
3. ABSTRAK_2018449TIF.pdf Download (119kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018449TIF.pdf Download (218kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018449TIF.pdf Download (197kB) | Preview |
|
|
Text
6. BAB I_2018449TIF.pdf Download (186kB) | Preview |
|
|
Text
7. BAB II_2018449TIF.pdf Download (473kB) | Preview |
|
|
Text
8. BAB III_2018449TIF.pdf Download (337kB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
9. BAB IV_2018449TIF.pdf Restricted to Repository staff only Download (558kB) |
|
|
Text
10. BAB V_2018449TIF.pdf Restricted to Repository staff only Download (728kB) |
|
|
Text
11. BAB VI_2018449TIF.pdf Download (100kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA_2018449TIF.pdf Download (93kB) | Preview |
Abstract
Pasar modal banyak dijadikan alternatif pembiayaan untuk perusahaan-perusahaan di Indonesia baik besar maupun menengah untuk mengerakkan ekonomi Indonesia terutama dalam bidang pasar modal. Intansi Pemerintah yang menjadi fasilitator transaksi pasar modal ialah Bursa Efek Indonesia (BEI).Namun tidak dijelaskan bagaimana BEI mengklasifikasikan status suatu peushaan yang termasuk kategori : Bangkrut, Kurang Sehat, dan Sehat.Kegagalan ekonomi dan kegagalan keuangan didapat dari menganalisa laporan keuangan.Pengklasifikasian pada suatu kasus dapat menggunakan metode jaringan syaraf tiruan yaitu algoritma Learning Vector Quantization (LVQ). Namun Algoritma LVQ cendrung mendapatkan akurasi rendah. Untuk mengoptimalkan tingkat akurasi LVQ maka digunakan algortima Particle Swarm Optimization (PSO). Algoritma PSO digunakan untuk mencari Vector Bobot Awal LVQ. Untuk mengetahui Akurasi, maka dilakukan 2 pengujian, yaitu LVQ-PSO dan LVQ. Hasil Pengujian menunjukan LVQ-PSO menunjukan Akurasi tertinggi 68% , sedangkanalgoritma LVQ menghasilkan akurasi 65%. Parameter-parameter LVQ-PSO terbaik adalah Wmax 0,9, Wmin 0,8, jumlah Swarm 100, maksimal iterasi PSO 100, learning rate0,1, maksimal terasi LVQ 1000. Dari hasil pengujian dapat disimpulkan bahwa algoritma PSO dapat digunakan untuk mengoptimasi algoritma LVQ meskipun kenaikan akurasi cukup rendah.Kata kunci: Altman,Jaringan Syaraf Tiruan,Klasifikasi,LVQ,PSO
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 000 Karya Umum > 005 Program Komputer, program-program, data |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 27 Jun 2019 05:29 |
| Last Modified: | 27 Jun 2019 05:29 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/14416 |
Actions (login required)
 |
View Item |