(0721) 8030188    [email protected]   

All of ITERA Repository
Titles

PENERAPAN ALGORITMA RANDOM FOREST DALAM KLASIFIKASI FINANCIAL DISTRESS PADA PERUSAHAAN INDEKS LQ45


View/Open

Author
MUHAMMAD, NURIL ALFIAN

Date Published
11 Mar 2026

Advisor
Dwi Mahrani, S.Si., M.Si.,
Dila Tirta Julianty, S.Si., M.Si,

Subject
Aktuaria

Publisher


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