CROSS ENTROPY UNTUK OPTIMASI LAGRANGE MULTIPLIERS PADA SUPPORT VECTOR MACHINES SEBAGAI MODEL PREDIKSI FINANCIAL DISTRESS

Edit
ABSTRAK: Kompetensi dalam memprediksi financial distress menjadi penelitian penting karena keuntungan dalam mencegah kegagalan keuangan perusahaan. Selain itu, model pemprediksian financial distress akan memberikan manfaat bagi investor dan kreditor. Penelitian ini mengembangkan model pemprediksian financial distress bagi perusahaan manufaktur yang terdaftar di Indonesia dengan menggunakan Support Vector Machines (SVM). Secara matematis, SVM dirumuskan dalam bentuk program kuadrat, yang membutuhkan waktu komputasi yang tinggi dalam menemukan solusi optimal. Dalam penelitian ini, Cross Entropy (CE) digunakan untuk mengoptimalkan salah satu parameter SVM yang merupakan Lagrange multiplier untuk menemukan solusi optimal atau dekat solusi optimal dual Lagrange SVM. Akurasi model prediksi dan perhitungan waktu akan dibandingkan antara standar SVM dan CE-SVM. Akhirnya diketahui bahwa CE-SVM dapat memecahkan masalah klasifikasi dalam waktu komputasi 9,7 kali lebih singkat dibandingkan dengan standar SVM dengan hasil akurasi yang baik.
Kata kunci: cross entropy, lagrange multipliers, support vector machines, financial distress
Penulis: Herlina
Kode Jurnal: jptindustridd160353

Artikel Terkait :

Jp Teknik Industri dd 2016