Perbandingan Kinerja Algoritma Decision Tree dan Naive Bayes dalam Prediksi Kebangkrutan

Abstract

Kinerja algoritma data mining menjadi satu pertimbangan dalam pemilihan algoritma untuk memprediksi kebangkrutan. Penelitian ini mengukur kinerja an membandingkan hasil pengukuran tingkat akurasi algoritma decision tree dan naïve bayes. Hasil pengukuran menunjukkan persentase akurasi dan eror dari data training dan data tes yang digunakan. Kinerja setiap algoritma diukur berdasarkan persentase akurasi dan error. Variabel-variabel yang digunakan dalam klasifikasi adalah rasio keuangan yang dihitung berdasarkan laporan keuangan tahunan dari periode 2005 s/d 2007 untuk perusahaan yang masih aktif dan laporan keuangan satu tahun sebelum terjadi kebangkrutan untuk perusahaan yang sudah bangkrut. Jumlah data sampel yang digunakan adalah 33 perusahaan yang terdiri dari 22 perusahaan aktif dan 11 perusahaan yang mengalami kebangkrutan. Jenis perusahaan yang digunakan adalah perusahaan manufaktur, grosir (wholesale), pengecer (retail) dan jasa. Alat bantu yang digunakan adalah WEKA 3-4. Penelitian ini menunjukkan bahwa algoritma yang memiliki kinerja yang lebih unggul adalah algoritma naive bayes dengan tingkat akurasi mencapai 100%.