Penerapan Fuzzy C-Means Dan Gustafson Kessel Dalam Analisis Diskriminan Pada Kinerja Keuangan Perusahaan LQ45

Putri, Divy Allyssa Pramestira (2024) Penerapan Fuzzy C-Means Dan Gustafson Kessel Dalam Analisis Diskriminan Pada Kinerja Keuangan Perusahaan LQ45. Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 2043201004-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (2MB) | Request a copy

Abstract

Salah satu hal penting dalam berinvestasi adalah menentukan perusahaan yang memiliki kinerja yang baik agar dapat mengoptimalkan risk dan return. Penentuan perusahaan dalam berinvestasi dapat dilakukan dengan memilih perusahaan berdasarkan laporan keuangan perusahaan. Namun, laporan keuangan masih berupa data numerik yang belum memiliki keterangan dalam menentukan kebaikan kinerja suatu perusahaan. Sehingga, diperlukan pengelompokan dan pembuatan kategori perusahaan untuk mempermudah menentukan kebaikan kinerja dari perusahaan tersebut. Perusahaan yang sering dipilih untuk berinvestasi adalah perusahaan yang termasuk dalam indeks saham dalam BEI (Bursa Efek Indonesia) salah satunya adalah indeks LQ45. Oleh karena itu, dilakukan penelitian mengenai penerapan metode analisis klaster dalam analisis diskriminan pada kinerja perusahaan dengan studi kasus perusahaan LQ45. Penelitian ini dilakukan dengan menggunakan data laporan keuangan pada perusahaan yang terdaftar dalam indeks LQ45 periode Februari sampai dengan Juli 2023 (6 bulan). Hasil penelitian diperoleh bahwa jumlah klaster optimum yang terbentuk sebanyak 3 klaster yang dilabeli dengan kategori perusahaan kinerja keuangan sangat baik, baik, dan cukup baik. Hasil analisis klaster juga diperoleh bahwa metode fuzzy c-means lebih baik daripada fuzzy gustafson kessel. Serta, hasil ketepatan klasifikasi menggunakan fungsi diskriminan dari metode klaster fuzzy c-means memiliki nilai akurasi sebesaar 97,8% sedangkan, hasil metode klaster fuzzy gustafson kessel menghasilkan nilai akurasi sebesar 91,1%.
=================================================================================================================================
One of the important things in investing is to determine companies that have good performance in order to optimize risk and return. Determination of companies in investing can be done by choosing companies based on the company's financial statements. However, financial statements are still numerical data that does not have information in determining the goodness of a company's performance. Thus, grouping or creating company categories is needed to make it easier to determine the good performance of the company. Companies that are often chosen to invest are companies included in stock indices on the IDX (Indonesia Stock Exchange), one of which is the LQ45 index. Therefore, research was conducted on the application of cluster analysis methods in discriminant analysis on company performance with LQ45 company case studies. This research was conducted using financial statement data on companies listed in the LQ45 index for the period February to July 2023 (6 months). The result of the study found that the optimum number of clusters formed as many as 3 clusters labeled with the category if companies financial performance was very good, good, and quite good. The result of cluster analysis also obtained that the fuzzy c-means method is better than fuzzy gustafson kessel. Also, the result of classification accuracy using the discriminant function of the fuzzy c-means cluster method have an accuracy value of 97,8% while the results of the gustafson kessel fuzzy cluster method produce an accuracy value of 91,1%.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Analisis Diskriminan, Fuzzy C-Means, Gustafson Kessel, Kinerja Keuangan Perusahaan, Discriminant Analysis, Financial Company Performance.
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA278.55 Cluster analysis Q Science > QA Mathematics > QA39.3 Fuzzy mathematics Q Science > QA Mathematics > QA9.64 Fuzzy logic Q Science > QA Mathematics > QA248_Fuzzy Sets Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions:	Faculty of Vocational > 49501-Business Statistics
Depositing User:	Divy Allyssa Pramestira Putri
Date Deposited:	19 Feb 2024 17:17
Last Modified:	19 Feb 2024 17:17
URI:	http://repository.its.ac.id/id/eprint/107584

Actions (login required)

View Item