Model Data Mining Time Series Untuk Prediksi Profitabilitas Perusahaan

Muksan Junaidi, Adhika Pramita Widyassari

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.

Keywords


ANFIS; Neuro-Fuzzy; Prediksi; Profitabilitas;

Full Text:

PDF

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.”

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.


Article Metrics

Abstract has been read : 1348 times
PDF file viewed/downloaded: 0 times


DOI: http://doi.org/10.25273/research.v3i1.5351

Refbacks

  • There are currently no refbacks.




This work by Research is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.