PENERAPAN ALGORITMA RANDOM FOREST DALAM
KLASIFIKASI FINANCIAL DISTRESS PADA PERUSAHAAN
INDEKS LQ45
Penelitian ini menganalisis potensi financial distress pada perusahaan
indeks LQ45 di Bursa Efek Indonesia periode 2020–2024
menggunakan model Altman Z-Score sebagai dasar pelabelan dan
algoritma Random Forest sebagai metode prediksi. Data berupa laporan
keuangan 42 perusahaan per tahun sehingga diperoleh 210 data
perusahaan-tahun dengan lima rasio Altman yang mencerminkan
likuiditas, profitabilitas, aktivitas, dan struktur permodalan. Hasil
Altman menunjukkan 42,86% berada pada kategori non-distress,
36,67% distress, dan 20,48% gray area. Distribusi tahunan
memperlihatkan pergeseran pada 2023–2024 ketika jumlah perusahaan
distress meningkat menjadi 18 dan median Z-Score kategori distress
menurun hingga 1,071 yang mengindikasikan peningkatan tekanan
keuangan. Ringkasan Z-Score per perusahaan menunjukkan SIDO,
BUKA, KLBF, ACES, dan INCO konsisten non-distress, sedangkan
ISAT, EXCL, JSMR, MEDC, INDF, dan SMRA cenderung distress,
sementara GOTO, AMMN, dan MDKA berfluktuasi. Analisis ini
menjadi dasar pembentukan label kelas. Pengujian model dengan
pembagian data 70:30 menghasilkan macro F1-score sebesar 0,8137
dan sensitivitas distress 0,869, yang menunjukkan kinerja klasifikasi
yang baik dalam mendeteksi kondisi financial distress. Variable
importance menunjukkan bahwa rasio nilai pasar ekuitas terhadap total
liabilitas merupakan variabel paling dominan, sehingga memberikan
insight baru karena secara teori Altman menempatkan rasio X3 sebagai
yang lebih berpengaruh.
URI
https://repo.itera.ac.id/depan/submission/SB2603120013
Keyword
Altman Z-Score, Financial Distress,LQ45, Machine