Implemantasi K-Means Clustering untuk Pengelompokan Analisis Rasio Profitabilitas dalam Working Capital

N Harianto Kristanto, Andreas Christopher, Halim Budi

Abstract


Rasio profitabilitas merupakan rasio untuk mengetahui kemampuan perusahaan dalam menghasilkan laba selama periode tertentu dan juga memberikan gambaran tentang tingkat efektifitas manajemen perusahaan dalam melaksanakan kegiatan operasinya. Rasio profitabilitas diperoleh dari laporan keuangan tahunan perusahaan dengan melakukan perhitungan dari data penjualan yang terdapat di dalam laporan tahunan. Masalahnya bagaimana mengelompokkan emiten-emiten yang punya kemiripan dalam rasio profitabilitas.. Dalam penelitian ini akan dibangun sistem berbasis desktop dengan menerapkan metode k-means clustering. Sistem akan mengelompokkan rasio profitabilitas semua perusahaan pada sektor pertambangan dan sektor industri barang konsumsi dalam 1 tahun. Hasilnya berupa cluster dari perusahaan mana yang memiliki kesamaan paling mirip pada rasio profitabilitasnya, hasil cluster juga disajikan dalam bentuk diagram scatter. Pada penelitian ini dilakukan uji coba terhadap centroid 2 hingga centroid 5. Setelah dilakukan uji coba terhadap jumlah centroidnya, dapat ditarik kesimpulan bahwa semakin banyak jumlah centroid dalam setiap proses clustering, maka makin spesifik kelompok cluster yang dihasilkan. Dengan demikian pengambilan kesimpulan kesamaan dalam kelompok cluster makin mudah.

Full Text:

PDF

References


Alghamdi, H. M., Nor Shahriza. (2014). Improved Text Clustering using K-Mean Bayesian Vectoriser. Journal of Information and Knowledge Management, Vol 13, No 3, 1-10.

Ali El-Sappagh, S. H., Ahmed Hendawi, M. A., & El Bastawissy, H. A. (2011). A Proposed Model for Data Warehouse ETL Processes. Journal of King Saud University - Computer and Information Sciences, 91-104

Bajkowski, J. (2010). Financial Ratio Analysis:Putting the Numbers to Work. The American Association of Individual Investors, 3-7.

Bunnak, P., Sotarat Thammaboosadee, Supaporn Kiattisin. (2015). Applying Data Mining Techniques and Extended RFM Model in Customer Loyalty Measurement. Journal of Advances in Information Technology. Vol. 6, No. 4, November, 238 – 242.

Santoso, H. B., Albertus Joko Santoso, Eduard Rusdianto. (2013). Hybrid Clustering Method for Stock Price and Commodity Price. International Journal of Science and Advanced Technology. Vol. 3, No. 7, July, 21- 29.

Shi, W., Weihua Zeng. (2013). Genetic K-Means Clustering Approach for Mapping Human Vulnerability to Chemical Hazards in the Industrialized City: A Case Study of Shanghai, China. International Journal of Environmental Research and Public Health. Vol. 10, 2578 – 2595.


Refbacks

  • There are currently no refbacks.