Model Data Mining Time Series Untuk Prediksi Profitabilitas Perusahaan

Authors

  • Muksan Junaidi Sekolah Tinggi Teknologi Ronggolawe Cepu
  • Adhika Pramita Widyassari Sekolah Tinggi Teknologi Ronggolawe Cepu

DOI:

https://doi.org/10.25273/research.v3i1.5351

Keywords:

ANFIS, Neuro-Fuzzy, Prediksi, Profitabilitas,

Abstract

Profitabilitas merupakan rasio keuangan yang memperlihatkan kemampuan operasional perusahaan untuk menghasilkan laba operasi melalui modal sendiri. Untuk melihat kondisi kemampuan operasional perusahaan pada masa mendatang, bisa dilakukan dengan memprediksi nilai rasio tersebut. Teknik dalam menangani masalah prediksi ini adalah menggunakan model data mining. Penelitian ini bertujuan mengembangkan aplikasi prediksi profitabilitas keuangan perusahaan melalui model data mining neuro-fuzzy ANFIS dengan data time series. Data penelitian adalah data sekunder bersifat kuantitatif dari wibe site www.idx.co.id. Populasi data dari perusahaan emiten LQ45 di Bursa Efek  Indonesia(BEI) tahun 2011-2016 berjumlah 45 perusahaan. Pemrosesan awal menghitung nilai rasio keuangan perusahaan yang akan dipakai sebagai data input pada model ANFIS. Simulasi dan evaluasi model menggunakan aplikasi GUI program Matlab. Perbandingan antara perhitungan rasio profitabilitas tahun yang di prediksi dengan nilai dari model ANFIS. Hasil akhir menunjukkan bahwa nilai model ANFIS sangat optimal, efisien, konsisten dan paling mendekati rata-rata nilai rasio tahun yang di prediksi sebesar 9.95% pada fungsi keanggotaan Segitiga. Sedang hasil prediksi tiga fungsi keanggotaan lainnya Trapesium, G-bell dan Gauss kurang optimal.

Downloads

Download data is not yet available.

References

Idxfactbook, Jakarta Stock Exchange, Research and Product Development Division. 1997.

Mardiyanto, Intisari Manajemen Keuangan: Teori,Soal dan Jawaban. Jakarta : Grasindo, 2009.

D. C. S. Bisht and A. Jangid, “Discharge Modelling using Adaptive Neuro - Fuzzy Inference System,†vol. 31, pp. 99–114, 2011.

U. P. Bandung, “Model Temporal Curah Hujan dan Debit Citarum Berbasis ANFIS,†vol. 6, no. 1, pp. 22–38, 2008.

A. Yani, “Penerapan anfis untuk pengenalan sinyal ekg,†no. 73.

B. Fatkhurrozi, M. A. Muslim, and D. R. Santoso, “Aktivitas Gunung Merapi,†vol. 6, no. 2, pp. 113–118, 2012.

O. Bachir and A. Zoubir, “Adaptive Neuro-fuzzy Inference System Based Control of puma 600 Robot Adaptive Neuro-fuzzy Inference System Based Control of Puma 600 Robot Manipulator,†no. January 2011, 2015.

I. Puspitasari and B. S. S. U, “Model Selection in Adaptive Neuro Fuzzy Inference System ( ANFIS ) by using Inference of R 2 Incremental for Time Series Forecasting,†vol. 2, no. 2, pp. 38–42, 2013.

Niswonger, Warren, Reeve, and Fess, Prinsip-Prinsip Akutansi, 19th ed. Penerbit Erlanga. Jakarta, 2004.

B. Setyoko, “Pengaruh Profitabilitas, Kebijaksanaan Hutang, Kepemilikan Manajerial dan Ukuran Perusahaan Terhadap Nilai Perusahaan (Studi Empiris pada Perusahaan Manufaktur yang Terdaftar di Bursa Efek Indonesia Periode 2012-2014),†Universitas Muhammad Surakarta, 2017.

Brigham, F. Eugene, Houston, and F. Joel, Dasar-dasar Manajemen Keuangan, 11th ed. Penerjemah Ali, 2011.

A. Baroroh, “Analisis Multivariat dan Time Series dengan SPSS 21.â€

K. Dewi and S. Hartati, Neuro-Fuzzy : Integrasi Sistem Fuzzy dan Jaringan Syaraf, 2nd ed. Yogyakarta: Graha Ilmu, 2006.

J. R. Jang, “ANFIS Adaptive-Network-based Fuzzy Inference System,†no. June 1993, 2014.

S. Kusumadewi and H. Purnomo, Aplikasi Logika Fuzzy untuk Pendukung Keputusan, 2nd ed. Graha Ilmu. Yogyakarta, 2010.

Downloads

Additional Files

Published

2020-04-08

How to Cite

Junaidi, M., & Widyassari, A. P. (2020). Model Data Mining Time Series Untuk Prediksi Profitabilitas Perusahaan. RESEARCH : Journal of Computer, Information System & Technology Management, 3(1), 8–15. https://doi.org/10.25273/research.v3i1.5351

Issue

Vol. 3 No. 1 (2020)

Section

Articles

License

Authors who publish with this journal agree to the following terms:

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
Crossref
Scopus
Google Scholar
Europe PMC