PREDIKSI FINANCIAL DISTRESS PERUSAHAAN FOOD AND BEVERAGE MENGGUNAKAN METODE NAIVE BEYES

R. Rosdiana, Ruli Herdiana, Ryan Hmonangan, Umi Hayati, Tati Suprapti
{"title":"PREDIKSI FINANCIAL DISTRESS PERUSAHAAN FOOD AND BEVERAGE MENGGUNAKAN METODE NAIVE BEYES","authors":"R. Rosdiana, Ruli Herdiana, Ryan Hmonangan, Umi Hayati, Tati Suprapti","doi":"10.36050/betrik.v13i2.461","DOIUrl":null,"url":null,"abstract":"Perusahaan menggunakan teori going concern dimana perusahaan di anggap mampu mempertahankan usahanya dalam jangka waktu yang panjang, dengan pengertian bahwa perusahaan tersebut tidak akan mengalami kebangkrutan dalam jangka waktu yang pendek (Listantri & Mudjiyanti, 2016) akan tetapi hal tersebut tidak selalu bisa di capai karena sebuah perusahaan dapat mengalami financial distress yang dapat menyebabkan kebangkrutan. Penelitian ini menggunakan metode penelitian deskriptif kuantitatif dalam menganalisis data, sebab dengan pendekatan ini akan di ketahui datanya secara nyata yang ditunjukan dengan angka dan kebenarannya dapat dipertanggungjawabkan. Berdasarkan hasil analisa pada penelitian yang dilakukan, didapatkan hasil analisa dengan cepat dan akurat, dari pengujian yang dilakukan dengan membandingkan data training dengan data testing menggunakan aplikasi pendukung Rapid Miner didapat tingkat akurasi sebesar 95,56%. Proses data mining dengan metode naive bayes memanfaatkan data training untuk menghasilkan probabilitas setiap kriteria untuk class yang berbeda, sehingga nilai-nilai probabilitas dari kriteria tersebut dapat dioptimalkan untuk analisa financial distress perusahaan food and beverage.","PeriodicalId":127381,"journal":{"name":"Jurnal Ilmiah Betrik","volume":"161 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-08-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Ilmiah Betrik","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36050/betrik.v13i2.461","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

Perusahaan menggunakan teori going concern dimana perusahaan di anggap mampu mempertahankan usahanya dalam jangka waktu yang panjang, dengan pengertian bahwa perusahaan tersebut tidak akan mengalami kebangkrutan dalam jangka waktu yang pendek (Listantri & Mudjiyanti, 2016) akan tetapi hal tersebut tidak selalu bisa di capai karena sebuah perusahaan dapat mengalami financial distress yang dapat menyebabkan kebangkrutan. Penelitian ini menggunakan metode penelitian deskriptif kuantitatif dalam menganalisis data, sebab dengan pendekatan ini akan di ketahui datanya secara nyata yang ditunjukan dengan angka dan kebenarannya dapat dipertanggungjawabkan. Berdasarkan hasil analisa pada penelitian yang dilakukan, didapatkan hasil analisa dengan cepat dan akurat, dari pengujian yang dilakukan dengan membandingkan data training dengan data testing menggunakan aplikasi pendukung Rapid Miner didapat tingkat akurasi sebesar 95,56%. Proses data mining dengan metode naive bayes memanfaatkan data training untuk menghasilkan probabilitas setiap kriteria untuk class yang berbeda, sehingga nilai-nilai probabilitas dari kriteria tersebut dapat dioptimalkan untuk analisa financial distress perusahaan food and beverage.
Prediksi财务困境perusahaan食品和饮料蒙古纳罕方法天真的眼睛
用理论去关注公司在公司认为他能够保持很长一段时间内,善解人意地说,该公司不会破产了这么短的时间内(Listantri & Mudjiyanti, 2016)然而这并不总是在能实现,因为公司可以经历会导致破产的金融求救。该研究采用一种定量描述性研究方法来分析数据,因为这种方法将真正了解数据,并与数字和事实进行推理。根据所进行的研究的分析,通过比较培训数据与快速测试数据,获得了95.56%的准确率。naive bayes的数据挖掘过程利用培训数据为不同类别生成了每个标准的概率,因此这些标准的概率性价值可以优于食品和企业压力金融分析。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信