ADDAFA, M. Faiz Abdillah (2026) Analisis Kinerja Klasifikasi Algoritma Random Forest Dilengkapi Smote Dan Threshold Optimization Untuk Deteksi Kecurangan Laporan Keuangan Emiten Indeks Papan Utama Indonesia. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (221kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (242kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (222kB)
	Text 5. KATA PENGANTAR.pdf Download (329kB)
	Text 6. ABSTRAK.pdf Download (185kB)
	Text 7. ABSTRACT.pdf Download (188kB)
	Text 8. DAFTAR ISI.pdf Download (202kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (281kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (201kB)

Abstract

Laporan keuangan menjadi media utama bagi emiten untuk menyampaikan kondisi keuangannya. Munculnya isu kecurangan laporan keuangan atau fraudulent financial statement menjadi permasalahan yang serius. Model dasar yang
digunakan untuk mengidentifikasi indikasi manipulasi adalah Beneish M-Score. Namun, meningkatnya kompleksitas transaksi keuangan, dan besarnya volume data membuat metode konvensional kurang memadai. Penelitian ini bertujuan untuk
mendeteksi kecurangan laporan keuangan dengan melakukan klasifikasi berdasarkan delapan variabel Beneish M-Score menggunakan algoritma Random Forest. Data penelitian terdiri dari 300 data laporan keuangan emiten nonperbankan
dari Indeks Papan Utama Bursa Efek Indonesia yang sudah melalui tahap cleaning data berupa missing value dan inkonsistensi nilai antar publikasi laporan keuangan. Penelitian ini menerapkan SMOTE untuk penanganan ketidakseimbangan kelas pada data, dan menggunakan Grid Search pada Threshold Optimization untuk mendapat nilai evaluasi yang lebih baik. Metrik evaluasi yang digunakan merupakan Accuracy, Recall, Precision, dan F1-Score. Model yang memberikan hasil terbaik merupakan model Random Forest dengan SMOTE dan optimal
threshold sebesar 0,65. Model ini menghasilkan Accuracy sebesar 96,67 persen, dengan Precision, Recall, dan F1-Score sebesar 80,00 persen. Hal ini membuktikan bahwa integrasi Beneish M-Score, dengan algoritma Random Forest yang
dilengkapi dengan SMOTE dan threshold optimization mampu menghasilkan pendekatan yang lebih adaptif dan efektif dalam mendeteksi potensi kecurangan laporan keuangan.
Kata Kunci: Financial Statement Fraud Detection, Indeks Papan Utama, Beneish M-Score, Random Forest, SMOTE, Threshold Optimization.

Actions (login required)

View Item