- Profil
- Struktural
Portal Berita Online YPTA 1945 Surabaya
Portal Berita Online YPTA 1945 Surabaya
Herlina ST. MT dosen Teknik Industri UNTAG Surabaya mempresentasikan riset berjudul “ Support Vector Machines (SVM) As Optimazed By Particle Swarm Optimization (PSO) For Classification” dalam acara PHENMA 2016 (21/7/2016) dihotel ELMI Surabaya.
Kompetensi dalam memprediksi kesulitan keuangan menjadi isu penting dalam penelitian saat ini karena salah satu keuntungannya untuk mencegah kebangkrutan perusahaan. SVM adalah salah satu metode klasifikasi yang umum digunakan dalam data mining dan penelitian mesin belajar, secara matematis , SVM diformulasikan dalam bentuk pemrograman kuadratik.
Dosen Teknik Industri UNTAG Surabaya Herlina ST. MT mengatakan penelitian ini mengembangkan distress model prediksi keuangan bagi perusahaan manufaktur yang terdaftar di Indonesia dengan menggunakan Support Vector Machine ( SVM ) dioptimalkan oleh Particle Swa rm Optimization ( PSO ) . Salah satu parameter dari SVM saya optimasi dengan PSO untuk dibandingkan antara waktu komputasi dan akurasi. Riset ini menggunakan data laporan keuangan dari perusahan manufaktur terbuka diambil di Indonesia dari direktori Pasar Modal Indonesia.
“ Setelah data diperoleh kemudian melakukan prediksi financial distress, financial distress atau kesulitan keuangan merupakan suatu tahapan dimana perusahaan mengalami kesulitan keuangan sebelum perusahaan dinyatakan megalami kebangkrutan. Indikator diantaranya adanya pendapat dari auditor tentang modal kerja negatif, laba operasi negatif dan laba bersih negatif. Menemukan solusi optimal pemrograman kuadratik tidak mudah dan memakan waktu,”tambah dosen Teknik Industri Tersebut.
“ Dari hasil riset ini dapat disimpulkan bahwa metode PSO SVM dibandingkan dengan standar SVM memiliki waktu komputasi yang lebih singkat, jadi dengan PSO SVM didapatkan waktu komputasi yang lebih singkat kemudian dengan nilai akurasi tetap terjaga dibandingan dengan SVM standar yang sudah ada. Salah satu manfaat dari riset ini bisa memprediksi dan mencegah kebangkrutan suatu perusahaan,”tutupnya.
