Abstrak

Kondisi keuangan perusahaan memiliki persentase terbesar dalam mempengaruhi
kebangkrutan. Sebagai tindakan pencegahan kebangkrutan perusahaan, diperlukan
sebuah peramalan atau prediksi kebangkrutan berdasarkan kondisi keuangan
perusahaan dilihat dari analisa laporan keuangan perusahaan. Prediksi dapat
dilakukan dengan pendekatan penggunaan rasio keuangan dan pendekatan
pembelajaran mesin. Melalui pendekatan pembelajaran mesin, algoritma akan
menganalisa data keuangan perusahaan untuk mempelajari pola dan karakteristik
tertentu hingga dapat memprediksi apakah suatu perusahaan dikatakan bangkrut
atau tidak. Terdapat 6.599 sampel perusahaan sehat (96,77%) dan hanya 220
sampel perusahaan yang bangkrut (3,23%) sehingga mungkin akan menurunkan
kualitas prediksi algoritma machine learning. Sehingga untuk meningkatkan
kualitas prediksi algoritma digunakan optimasi pada level data yaitu resampling.
Terdapat dua jenis teknik resampling yaitu mengurangi sampel (undersampling)
dan menambah sampel (oversampling). Algoritma prediksi yang digunakan pada
penelitian ini adalah decision tree karena dinilai sederhana dan mudah
diimplementasikan. Diharapkan teknik resampling dapat meningkatkan kualitas
algoritma decision tree untuk memprediksi kebangkrutan perusahaan. Hasil
penelitian pada dataset awal menghasilkan akurasi 94%, akan tetapi kualitas
prediksi pada kasus perusahaan yang bankrupt sangatlah rendah. Sementara akurasi
pada dataset yang telah dilakukan undersampling menghasilkan akurasi hanya 75%
sementara akurasi pada dataset yang telah dilakukan oversampling menghasilkan
akurasi sebesar 98%