CROSS ENTROPY UNTUK OPTIMASI LAGRANGE MULTIPLIERS PADA SUPPORT VECTOR MACHINES SEBAGAI MODEL PREDIKSI FINANCIAL DISTRESS
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.
Penulis: Herlina
Kode Jurnal: jptindustridd160353
