RINA SYAFITRI, - (2021) PENERAPAN MODIFIED K-NEAREST NEIGHBOR MENGGUNAKAN PARTICLE SWARM OPTIMIZATION DALAM MENGKLASIFIKASI KEBANGKRUTAN BANK. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text GABUNGAN SKRIPSI KECUALI BAB IV.pdf Download (4MB) | Preview
	Text (BAB V) BAB V PEMBAHASAN.pdf - Published Version Restricted to Repository staff only Download (4MB)

Abstract

PENERAPAN MODIFIED K-NEAREST NEIGHBOR MENGGUNAKAN PARTICLE SWARM OPTIMIZATION DALAM MENGKLASIFIKASI KEBANGKRUTAN BANK RINA SYAFITRI 11451201741 Tanggal Sidang: 1 Februari 2021 Periode Wisuda: November 2021 Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau ABSTRAK Sebagai lembaga keuangan, sebuah bank harus tetap menjaga kinerjanya untuk bisa bertahan dan sangat perlu mengetahui tingkat kesehatan suatu bank agar dapat beroperasi secara maksimal sebelum terjadinya kebangkrutan. Dari analisa rasio keuangan model CAMEL, maka akan diketahui kondisi suatu bank tersebut bangkrut atau tidak. Dalam mengklasifikasi suatu kasus dapat menggunakan metode Modified K-Nearest Neighbor (MKNN). Namun, algoritma MKNN memiliki nilai k yang bias dan komputasi yang kompleks. Untuk mengoptimalkan maka dilakukan optimasi menggunakan algoritma Particle Swarm Optmization (PSO). Algoritma PSO digunakan untuk mencari k optimal pada MKNN. Untuk mengetahui akurasi, maka dilakukan 2 pengujian, yaitu PSO-MKNN dan MKNN. Hasil pengujian menunjukkan akurasi tertinggi dari metode PSO-MKNN yaitu 80% pada nilai k adalah 2 dengan waktu 4,107486 (s) dan metode MKNN menampilkan hasil akurasi tertinggi yang sama pada nilai k=2 sebesar 80% dengan waktu 4,74495 (s). Dengan demikian, dapat disimpulkan bahwa penerapan metode PSO mampu memperbaiki kekurangan yang ada pada MKNN dalam segi waktu komputasi. Kata kunci : bank, bangkrut, MKNN, PSO-MKNN, Particle Swarm Optimization.

Actions (login required)

View Item