PERBANDINGAN MODEL REGRESI LOGISTIK DAN NEURAL NETWORK UNTUK MEMPREDIKSI FINANCIAL DISTRESS PADA BANK UMUM SWASTA NASIONAL DI INDONESIA

NOVIA WULANDARI, 040510491 (2009) PERBANDINGAN MODEL REGRESI LOGISTIK DAN NEURAL NETWORK UNTUK MEMPREDIKSI FINANCIAL DISTRESS PADA BANK UMUM SWASTA NASIONAL DI INDONESIA. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text (ABSTRAK)
gdlhub-gdl-s1-2010-wulandarin-11794-b29610-k.pdf

Download (306kB) | Preview
[img] Text (FULL TEXT)
gdlhub-gdl-s1-2010-wulandarin-10636-b29610.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Krisis yang terjadi pada perbankan terkait secara langsung maupun tidak langsung dengan berbagai aktivitas yang lazim dilakukan oleh sektor perbankan. Secara umum, krisis tersebut dapat berasal dari sisi internal maupun eksternal perbankan. Pada sisi internal, permasalahan yang timbul dapat dilihat dari perkembangan kinerja masing-masing bank. Dari sisi eksternal, kondisi makroekonomi dan perkembangan kinerja industri yang dibiayai oleh kredit perbankan dapat menjadi indikator adanya potensi permasalahan yang dapat mempengaruhi kinerja perbankan. Kinerja perbankan yang buruk dapat menyebabkan financial distress pada bank yang sering berakhir dengan adanya likuidasi. Oleh karena itu, prediksi kebangkrutan yang akurat sangat diperlukan dalam rangka mengantisipasi kegagalan bank. Model regresi logistik dan neural network adalah alat analisis yang banyak digunakan dalam penelitian peramalan kebangkrutan. Hal ini disebabkan oleh keunggulan dari kedua alat analisis tersebut. Model logistik tidak sensitif terhadap masalah ketidakrataan frekuensi sampel sedangkan model neural network mempunyai perkiraan yang lebih baik pada distribusi sampel dan kemampuan untuk mengenali pola-pola sejumlah data. Hasil penelitian menunjukkan bahwa tingkat akurasi model neural network lebih tinggi bila dibandingkan dengan model regresi logistik. Adanya perbedaan ini, kemungkinan besar disebabkan neural network mempunyai kemampuan yang baik untuk mengenali pola sejumlah data dari sampel yang dianalisis.

Item Type: Thesis (Skripsi)
Additional Information: KKB KK-2 B 296 / 10 Wul p
Uncontrolled Keywords: Financial distress, Perbankan, Regresi Logistik, Neural network
Subjects: H Social Sciences > HG Finance
H Social Sciences > HG Finance > HG1-9999 Finance > HG1501-3550 Banking
Divisions: 04. Fakultas Ekonomi dan Bisnis > Manajemen
Creators:
CreatorsEmail
NOVIA WULANDARI, 040510491UNSPECIFIED
Contributors:
ContributionNameEmail
ContributorNoorlaily Fitdiarini, SE., MBA.UNSPECIFIED
Depositing User: Nn Dhani Karolyn Putri
Date Deposited: 30 Apr 2010 12:00
Last Modified: 28 Sep 2016 02:03
URI: http://repository.unair.ac.id/id/eprint/2365
Sosial Share:

Actions (login required)

View Item View Item