AZIZ, Fathya Maulana (2026) Klasifikasi Durasi Likuidasi Bank Perkreditan Rakyat Menggunakan Random Forest dengan Optimasi Hyperparameter. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Other (FULL TEXT) Fathya Maulana Aziz_Berkas Bebas Pustaka.rar Restricted to Repository staff only Download (6MB) | Request a copy
	Text 1. COVER.pdf Download (220kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (428kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (194kB)
	Text 5. KATA PENGANTAR.pdf Download (257kB)
	Text 6. ABSTRAK.pdf Download (242kB)
	Text 7. ABSTRACT.pdf Download (241kB)
	Text 8. DAFTAR ISI.pdf Download (255kB)
	Text 12. BABI PENDAHULUAN.pdf Download (284kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (251kB)

Abstract

Likuidasi bank merupakan proses penyelesaian kewajiban bank yang telah dicabut
izin usahanya dan menjadi tahapan penting dalam menjaga stabilitas sistem
keuangan. Durasi likuidasi Bank Perkreditan Rakyat (BPR) dipengaruhi oleh
berbagai faktor keuangan, sehingga diperlukan pendekatan analitis yang mampu
mengklasifikasikan kondisi tersebut, karena kompleksitas hubungan antar variabel
keuangan serta adanya pola nonlinier dan interaksi yang sulit ditangkap oleh
metode konvensional. Metode yang digunakan adalah algoritma Random Forest
berdasarkan data historis likuidasi BPR dari Lembaga Penjamin Simpanan (LPS).
Variabel yang digunakan meliputi total aset, total kewajiban, ekuitas, nilai klaim
penjaminan, estimasi pencairan aset, total pencairan aset, biaya likuidasi, hasil
likuidasi, serta berbagai rasio keuangan. Tahap awal pengolahan data missing value,
outlier, dan standardisasi. Ketidakseimbangan kelas ditangani dengan Synthetic
Minority Over-sampling Technique (SMOTE), kemudian hyperparameter
dioptimasi menggunakan GridSearchCV. Model Random Forest dengan SMOTE
dan tuning yang menghasilkan accuracy sebesar 83,3%, precision 75,0%, recall
93,8%, dan F1-score 83,3% pada kelas bermasalah. Hasil feature importance
menunjukkan bahwa Estimasi Pencairan Aset, Aset NP Audited/Aset LCT, Total
Aset Gross, dan Nilai Klaim Penjaminan merupakan variabel yang paling
berpengaruh. Analisis SHAP menegaskan bahwa Estimasi Pencairan Aset, Total
Aset Gross, Nilai Klaim Penjaminan, Payout Ratio Nominal, Claim Recovery, dan
Recovery Rate memberikan kontribusi dominan terhadap hasil klasifikasi.
Kata Kunci: Resolusi Bank, Durasi Likuidasi, Random Forest, Optimasi
Hyperparameter, Feature Importance, SHAP.

Actions (login required)

View Item