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.

Full text not available from this repository.

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:	?? 005 ??
Divisions:	?? st_it ??
Depositing User:	Users 14631 not found.
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