Implementasi Fuzzy Neural Network Untuk Memprediksi Kebangkrutan Perusahaan di Bursa Efek Jakarta

BIODATA

Data Pribadi
Nama

: Satria Chahyo Nurgoho

NIM

: 10111606

Tempat/Tanggal Lahir

: Bandung, 29 Desember 1991

Umur

: 24 Tahun

Jenis Kelamin

: Laki – laki

Alamat

: Kp. Pangsor Rt. 04/04
Desa Nanjung Mekar, Kecamatan Rancaekek
Kabupaten Bandung - 40394

No. Telepon

: 085795181555

Riwayat Pendidikan
1998 – 2004 SDN XV Cicalengka
2004 – 2007 SMPN 1 Cicalengka
2007 – 2010 SMA Bina Muda Cicalengka
2011 – 2016 Universitas Komputer Indonesia
Demikian riwayat hidup ini saya buat dengan sebenar – benarnya.

IMPLEMENTASI FUZZY NEURAL NETWORK UNTUK

MEMPREDIKSI KEBANGKRUTAN PERUSAHAAN DI
BURSA EFEK JAKARTA (BEJ)

SKRIPSI

Diajukan untuk Menempuh Ujian Akhir Sarjana

SATRIA CHAHYO NUGROHO
101111606

PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
2016

KATA PENGANTAR
Assalamualaikum Warahmatullahi Wabarokatuh.
Alhamdulillah, segala Puji dan syukur kepada Allah SWT yang telah
menganugerahkan kenikmatan dan kesehatan lahir batin serta kemampuan kepada
penulis untuk menyelesaikan penulisan skripsi dengan judul ”IMPLEMENTASI

FUZZY

NEURAL

NETWORK

UNTUK

MEMPREDIKSI

KEBANGKRUTAN PERUSAHAAN DI BURSA EFEK JAKARTA (BEJ)”
sebagai salah satu syarat kelulusan pada Program Strata 1 Program Studi Teknik
Informatika, Fakultas Ilmu dan Teknik Komputer di Universitas Komputer
Indonesia.
Keberhasilan penulis dalam menyelesaikan laporan skripsi ini tidak lepas dari
peran serta berbagai pihak yang telah memberikan sumbangan pikiran, bimbingan,
serta dorongan semangat yang sangat bermanfaat, oleh karena itu penulis
mengucapkan terima kasih kepada :
1.

Allah SWT atas rahmat, berkah, dan izin-Nya sehingga penulis mampu
menyelesaikan penulisan laporan skripsi ini,

2.

Nabi Muhammad SAW, yang menjadi figur teladan bagi penulis untuk tetap
sabar dan berserah diri kepada Allah atas permasalahan yang dihadapi,

3.

Kedua orang tua serta keluarga yang dengan tulus selalu mendoakan,
memberikan dorongan moril dan materil, masukan, perhatian, dukungan
sepenuhnya, dan kasih sayang yang tidak ternilai,

4.

Ibu Ednawati Rainarli, S.Si., M.Si. selaku Dosen Wali dan sebagai Dosen
Pembimbing yang telah meluangkan waktunya dan memberikan bimbingan
sehingga dapat menyelesaikan laporan skripsi ini dengan sebaik baiknya,

5.

Ibu Nelly Indriani W, S.Si., M. T. selaku penguji sidang yang telah banyak
memberikan arahan saat revisi sidang,

6.

Ibu Ken Kinanti P, S.Kom., M. T. selaku penguji seminar yang telah banyak
memberikan arahan saat revisi seminar

7.

Bapak Irawan Afrianto S.T., M.T. selaku Ketua Program Studi Teknik
Informatika, Fakultas Teknik, Universitas Komputer Indonesia,
iii

8.

Seluruh Dosen dan Sekretariat Program Studi Teknik Informatika,

9.

Fitri Yani selaku pihak yang selalu membantu dalam proses pembuatan
laporan skripsi ini,

10.

Kepada sahabat - sahabatku, seluruh mahasiswa Teknik Informatika
khususnya kelas IF-13 / 2011, terimakasih atas doa dan dukungannya,

11.

Kepada pihak - pihak yang tidak sempat disebutkan satu persatu, semua
memiliki andil yang sangat besar atas perjuangan saya. Terima kasih yang
sebesar-besarnya.
Penulis menyadari dalam penulisan skripsi ini masih banyak terdapat

kekurangan, untuk itu penulis mohon saran dan kritik yang membangun agar
kedepannya menjadi lebih baik lagi. Penulis juga berharap agar skripsi ini dapat
berguna dan bermanfaat bagi penulis dan pembaca. Semoga segala jenis bantuan

yang telah diberikan kepada penulis mendapat balasan dari Allah SWT. Amin.
Wassalaamualaikum Warahmatullahi Wabarokatuh
Bandung, 17 Agustus 2016.

iv

DAFTAR ISI

ABSTRAK .............................................................................................................. i
ABSTRAK ............................................................................................................. ii
KATA PENGANTAR .......................................................................................... iii
DAFTAR ISI ...........................................................................................................v
DAFTAR GAMBAR .......................................................................................... viii
DAFTAR TABEL ................................................................................................ xi
DAFTAR SIMBOL ............................................................................................ xiii
DAFTAR LAMPIRAN ...................................................................................... xvi
......................................................................................1
1.1

Latar Belakang ................................................................................................1

1.2

Rumusan Masalah ...........................................................................................2

1.3

Maksud dan Tujuan ........................................................................................2

1.4

Batasan Masalah .............................................................................................3

1.5

Metodologi Penelitian .....................................................................................3

1.6

Sistematika Penulisan .....................................................................................6

.................................................................................7

2.1

Kebangkrutan Perusahaan ..............................................................................7
2.1.1 Penyebab Kegagalan Perusahaan........................................................7
2.1.2 Manfaat Informasi Kebangkrutan .......................................................9

2.2

Analisis Laporan Keuangan ..........................................................................10
2.2.1 Laporan Keuangan ............................................................................10
2.2.2 Tujuan Laporan Keuangan................................................................10
2.2.3 Penggunaan Laporan Keuangan .......................................................11

2.3

Analisis Rasio Keuangan ..............................................................................11
2.3.1 Penggolongan Angka Rasio ..............................................................11

v

2.3.2 Jenis – jenis Rasio .............................................................................12
2.4

Jaringan Saraf Tiruan ....................................................................................15
2.4.1 Arsitektur Jaringan ............................................................................16
2.4.2 Neuron Fuzzy Kwan and Cai ............................................................17
2.4.3 Fungsi Keanggotaan .........................................................................20
2.4.4 Fuzzifikasi .........................................................................................20
2.4.5 Jaringan Saraf Tiruan dan Logika Kabur ..........................................20

2.5

Entity-relationship Diagram (ERD) ..............................................................21

2.6

Unified Modeling Language (UML) ............................................................21

2.7

Confusion Matriks ........................................................................................22

2.8

XAMPP ........................................................................................................23

2.9

MySQL .........................................................................................................23
......................................25

3.1

Analisis Sistem .............................................................................................25
3.1.1 Analsis Masalah ................................................................................25
3.1.2 Analisis Data Masukan .....................................................................26

3.2

Analisis Metode ............................................................................................30
3.2.1 Analisis Kebutuhan Non Fungsional ................................................39

3.3

Pemodelan Sistem.........................................................................................40
3.3.1 Entity Relational Diagram (ERD).....................................................40
3.3.2 Use Case Diagram ............................................................................42
3.3.3 Skenario Diagram .............................................................................44
3.3.4 Activity Diagram ..............................................................................55
3.3.5 Sequence Diagram ............................................................................62
3.3.6 Class Diagram ...................................................................................72

vi

3.4

Perancangan Sistem ......................................................................................73
3.4.1 Diagram Relasi .................................................................................73
3.4.2 Rancangan Menu ..............................................................................74
.................................................79

4.1

Implementasi.................................................................................................79
4.1.1 Implementasi Perangkat Keras .........................................................79
4.1.2 Implementasi Perangkat Lunak ........................................................79
4.1.3 Implementasi Basis Data ..................................................................80
4.1.4 Implementasi Antarmuka ..................................................................84

4.2

Pengujian ......................................................................................................85
4.2.1 Pengujian Fungsionalitas ..................................................................85
4.2.2 Hasil Pengujian Fungsionalitas .........................................................88
4.2.3 Kesimpulan Pengujian Fungsionalitas ..............................................93
4.2.4 Pengujian Performasi ........................................................................93
4.2.5 Kesimpulan Performasi.....................................................................94
................................................................97

5.1

Kesimpulan ...................................................................................................97

5.2

Saran .............................................................................................................97

DAFTAR PUSTAKA ...........................................................................................99

vii

DAFTAR PUSTAKA
[1] Sri Kusumadewi. 2003. Artificial Intelligenci (Teknik dan Aplikasinya). Edisi
pertama – Yogyakarta : Graha Ilmu..
[2] Aurelius Aaron. 2015. Implemetasi Fuzzy logic pada prediksi kebangkrutan
perusahaan maufaktur di Indonesia.
[3] Deri Januar dan Mutia 2013. Fuzzy Neural Nework dengan Neuron Fuzzy Kwan
and Cai serta aplikasi untuk evaluasi kinerja pertahanan klub sepak bola.
[4] Yani, Ahmad dan Gunawan Widjaja. 2004. Seri Hukum Bisnis
Kepailitan.Indonesia : PT. Raja Grafindo Persada
[5] Yani, Ahmad dan Gunawan Widjaja. 2004.

Seri Hukum Bisnis

Kepailitan.Indonesia
[6] Sunarto, Desember 1996, Corporate Governace dan kinerja saham, FOKUS
Ekomoni, vol. 2, no 3.
[7] Riyanto,

Bambang. 2001.

Dasar-Dasar Pembelanjaan Perusahaan.

Yogyakarta : BPFE
[8] Hanafi, Mamduh M. dan Abdul Halim. 2000. Analisis Laporan Keuangan.
Yogyakarta: UPP AMP YKPN.
[9] Badriwan, Zaki. 1992. Intermediate Accounting. Yogyakarta: BPFE.
[10] Munawir, S.2000. Analisis Laporan Keuangan. Yogyakarta: Liberty
[11] Jong, J.S. 2009. Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan
Matlab. Yogyakarta: Andi
[12] Ang, Robert, 1997. Buku Pintar Pasar Modal Indonesia. Mediasoft Indonesia
[13] Kusumadewi, S. dan Hartati, S. 2010. Neuron-Fuzzy Integrasi Sistem Fuzzy
dan Jaringan Syaraf. Yogyakarta: Graha Ilmu.

99

100

[14] Kwan, H. K. dan Cai, Y., 2010. A Fuzzy Neural Network and its Application
to Pattern Recognition, IEEE Transaction on Fuzzy Systems.
[15] R. A. S and M. Salahudin, 2014. Rekayasa Perangkat Lunak. Bandung :
Informatika Bandung.
[16] N. I. Andyani, 2014. Analisis Performansi Metode Jaringan Syaraf Tiruan
Learning Vector Quantization Untuk Pendektesian Anak Berbakat (Gifthed
Child) Pada Masa Perkembangan.
[17] ”XAMPP,” Apache Friends, 2015. [Online]. Available :
http;//www.apachefriends.org. [Accessed 20 Februari 2016].
[18] "MYSQL," MySQL,
[Accessed 20 Februari 2016].

[Online].

Available: https://www.mysql.com/.

PENDAHULUAN
1.1

Latar Belakang
Resiko kebangkrutan bagi perusahaan sebenarnya dapat dilihat dan diukur

melalui laporan keuangan, dengan cara melakukan analisis rasio terhadap laporan
keuangan yang dikeluarkan oleh perusahaan yang bersangkutan. Analisis rasio
merupakan alat yang penting untuk mengetahui posisi keuangan perusahaan serta
hasil-hasil yang telah dicapai sehubungan dengan pemilihan strategi perusahaan
yang telah dilaksanakan. Prediksi kebangkrutan berfungsi untuk memberikan
panduan bagi pihak-pihak tentang kinerja keuangan apakah akan mengalami
kesulitan atau tidak dimasa yang akan datang.
Banyak metode untuk melakukan prediksi kebangkrutan, seperti metode
statistik dan metode soft computing. Soft computing merupakan metode yang dapat
mengolah data bersifat tidak pasti, impresisi dan dapat diimplementasikan dengan
biaya yang murah, soft computing kini banyak digunakan pada proses penelitian
karena mampu memecahkan masalah dengan menggunakan pendekatan dalam
melakukan penalaran, mampu mengolah data dengan baik walaupun didalamnya
terdapat ketidakpastian, ketidakakuratan maupun kebenaran parsial [1].
Berdasarkan hasil studi literatur yang pernah dilakukan oleh Aurelius yang
berjudul “ Implementasi Logika Fuzzy untuk Memprediksi Kebangkrutan
Perusahaan di Indonesia “ dijelaskan bahwa Fuzzy Logic dapat digunakan untuk
prediksi pada potensi kebangkrutan suatu perusahaan untuk satu tahun dan dua
tahun sebelum kebangkrutan, diketahui tingkat akurasi yang dihasilkan untuk
setahun sebelum kebangkrutan mencapai 81,54% dengan error tipe I sebesar
58,82% dan error II sebesar 12,39% dan tingkat akurasi untuk dua tahun sebelum
kebangkrutan mencapai 83,85% dengan error I sebesar 70,59% dan error tipe II
sebesar 7,96%. Besar error tipe I pada setahun sebelum kebangkrutan lebih baik
dari error I pada prediksi dua tahun sebelum kebangkrutan, hal ini dikarenakan
jumlah variable yang berbeda pada tiap model prediksi kebangkrutan. Sedangkan
error II pada prediksi dua tahun sebelum kebangkrutan lebih baik dari satu tahun
kebangkrutan, hal ini disebabkan jangka waktu pada tiap model berbeda.
1

2

Berdasarkan hasil penelitian tersebut diketahui bahwa metode fuzzy logic
memiliki ketidakpastian dalam melakukan prediksi, sehingga belum tepat untuk
melakukan prediksi kebangkrutan[2].
Pada penelitian sebelumnya yang dilakukan oleh Deri Januar dan Mutia Nur
Estri yang berjudul “ Fuzzy Neural Network dengan Neuron Kwan and Cai Serta
Aplikasinya untuk Evaluasi Kinerja Pertahanan Klub Bola Sepak Bola “ dijelaskan
bahwa kinerja pertahanan pada periode berikutnya dapat dilakukan dengan
melakukan evaluasi kinerja klub pada periode sebelumnya dengan menggunakan
fuzzy neural network jenis neuron kwan and cai. Fuzzy kwan cai dapat mendeteksi
permasalahan yang samar dan dapat mengenali pola yang tidak tetap.[3].
Fuzzy Neural Network merupakan suatu metode hybrid yang dilatih
menggunakan Artificial Neural Network dan struktur jaringannya diinterpretasikan
dengan sekelompok aturan-aturan fuzzy. Fuzzy Neural Network dapat memberikan
hasil yang lebih baik dari Fuzzy Logic dan dapat beradaptasi dengan perubahan
lingkungan yang tidak terprediksi sebelumnya serta mampu memberikan hasil yang
tidak jauh dari data aslinya, dengan menggunakan metode fuzzy neural network
berharap mampu menyelesaikan masalah yang terjadi pada penelitian sebelumnya.
Berdasarkan masalah yang sudah dipaparkan, maka perlu dilakukan suatu
penelitian pada tugas akhir ini untuk mencari tahu nilai akurasi metode Fuzzy
Neural Network pada prediksi kebangkrutan perusahaan di Bursa Efek Indonesia,
maka penulis mengambil judul : ” Implementasi Fuzzy Neural Network untuk
Prediksi Kebangkrutan Perusahaan di Bursa Efek Jakarta “.
1.2

Rumusan Masalah
Berdasarkan penjelasan yang dipaparkan dalam latar belakang sebelumnya,

maka dapat diidentifikasi masalah yang didapat adalah apakah metode Fuzzy
Neural Network mampu memprediksi tigkat kebangkrutan pada perusahaan yang
terdaftar di Bursa Efek Jakarta.
1.3

Maksud dan Tujuan
Berdasarkan masalah yang telah diuraikan pada bagian latar belakang dan

rumusan masalah, maka maksud dari penelitian tugas akhir ini adalah menerapkan

3

metode Fuzzy Neural Network Kwan and Cai untuk memprediksi tingkat
kebangkrutan pada perusahaan.
Adapun tujuan yang ingin dicapai dari tugas akhir ini yaitu mengetahui
tingkat akurasi pada metode Fuzzy Neural Network Kwan and Cai dalam
melakukan prediksi kebangkrutan perusahaan.
1.4

Batasan Masalah
Aplikasi yang dibangun adalah aplikasi dengan batasan masalah dari

pengembangan sistem sebagai berikut :
1.

Metode yang akan dibangun untuk menerapkan kebangkrutan adalah metode
Fuzzy Neural Network dengan neuron Kwan and Cai.

2.

Sampel data yang digunakan adalah laporan keuangan dari 74 perusahaan
setiap tahunnya, yang terdaftar di Bursa Efek Indonesia semenjak tahun 20092014.

3.

Aplikasi untuk simulasi prediksi kebangkrutan perusahaan akan dibangun
berbasis web dan menggunakan bahasa pemograman PHP.

4.

Pembangunan aplikasi menggunakan perangkat lunak XAMPP, dan Navicat
Premium

1.5

Metodologi Penelitian
Metodologi yang digunakan dalam penelitian ini menggunakan beberapa

tahap, yaitu tahap pengumpulan data, uji parameter, menganalisis metode,
implementasi metode, pengujian, dan penarikan kesimpulan yang dijabarkan
sebagai berikut :

Pengumpulan
Data

Uji
Parameter

Menganalisis
Metode

Implementasi
Metode

Gambar 1.1 Metedologi Penelitian

Pengujian

Penarikan
Kesimpulan

4

1.

Pengumpulan data
Metode pengumulan data yang digunakan dalam penelitian ini adalah sebagai

berikut :
a.

Studi Literatur

Pengumpulan data dengan cara mengumpulkan literatur, jurnal, paper, dan
bacaan-bacaan yang ada kaitannya dengan Fuzzy Neural Network dan Prediksi
Kebangkrutan.
b.

Observasi

Teknik pengumpulan data dengan cara penelitian dan peninjauan langsung
pada data-data perusahaan yang terdaftar di Bursa Efek Jakarta.
Data yang diperoleh digunakan untuk menetukan kebutuhan-kebutuhan
elemen sistem yang akan diperlukan pada penerapan Fuzzy Neural Network yang
dilakukan pada sistem yang akan dibangun.
2.

Uji Parameter
Pada tahap uji parameter ini dilakukan untuk memilih jenis parameter yang

sesuai, dengan melakukan perhitungan nilai-nilai rasio dari setiap laporan keuangan
perusahaan. Setelah itu nilai-nilai rasio di ubah kedalam uji korelasi untuk
mengetahui jenis rasio yang signifikan dan memiliki tingkat akurasi yang tepat
untuk melakukan prediksi kebangkrutan, yang akan digunakan sebagai data
masukan untuk tahap pembelajaran dan pengujian metode fuzzy neural network
pada prediksi kebangkrutan perusahaan.
3.

Menganalisis Metode
Pada tahap ini akan dilakukan analisis kebutuhan serta proses metode Fuzzy

Neural Network untuk penerapan tingkat akurasi prediksi kebangkrutan perusahaan
di Bursa Efek Jakarta. Setelah kebutuhan metode serta elemen sistem sudah
terkumpul maka dibuat kedalam perancangan sistem yang akan dibangun.
4.

Implementasi Metode
Pada tahap ini analisis metode yang telah dilakukan akan diimplementasikan

kedalam sistem yang berguna untuk membantu sistem pada prediksi kebangkrutan

5

perusahaan di Bursa Efek Indonesia. Sistem yang dibangun menggunakan bahasa
PHP dengan database MySQL sesuai dengan perancangan yang akan dibuat.
5.

Pengujian
Setelah sistem selesai dibangun maka tahap selanjutnya adalah pengujian

hasil implementasi Fuzzy Neural Network untuk prediksi kebangkrutan perusahaan
di Bursa Efek Indonesia. Pada tahap ini akan ditinjau mengenai bagaimana
keberhasilan Fuzzy Neural Network dapat digunakan untuk penerapan prediksi
kebangkrutan perusahaan. Pengujian ini dilakukan dengan memfokuskan pengujian
pada pengujian akurasi data yang dihasilkan berdasarkan rasio-rasio yang
didapatkan.
6.

Penarikan Kesimpulan
Berdasarkan hasil pengujian langkah selanjutnya adalah penarikan

kesimpulan dari hasil penerapan Fuzzy Neural Network untuk prediksi
kebangkrutan perusahaan di Bursa Efek Jakarta.
1.6

Sistematika Penulisan
Sistematika penulisan laporan akhir penelitian ini disusun untuk memberikan

gambaran umum tentang penelitian yang dijalankan. Sistematika penulisan tugas
akhir ini adalah sebagai berikut :
BAB 1 PENDAHULUAN
Bab ini berisi penjelasan mengenai latar belakang masalah, rumusan masalah,
maksud dan tujuan, batasan masalah, metodologi penelitian serta sistematika
penulisan yang bermaksud agar memberikan gambaran tentang urutan pemahaman
dalam menyajikan laporan ini.
BAB 2 LANDASAN TEORI
Bab ini membahas mengenai landasan teori yang digunakan untuk
menganalisis masalah dan teori yang dipakai dalam mengolah data penelitian, yaitu
teori mengenai jenis rasio, pengolahan data rasio, metode Fuzzy Neural Network,
dan teori menganai software pembangunan sistem.

6

BAB 3 ANALISIS DAN PERANCANGAN
Bab ini menguraikan tentang kebutuhan perangkat lunak yang akan dibangun,
mulai dari analisi masalah, analisi data, analisis model yang dibangun, analisis
fungsional dan non fungsional, analisis kebutuhan perangkat lunak, analisis
kebutuhan perangkat keras, perancangan antar muka, dan perancangan pesan. Pada
bab ini juga dipaparkan tentang perancangan model untuk prediksi kebangkrutan
perusahaan di Indonesia dengan menggunakan metode fuzzy neural network.
BAB 4 IMPLEMENTASI DAN PENGUJIAN
Bab ini berisi tentang implementasi metode Fuzzy Neural Network kedalam
perangkat lunak berdasarkan perancangan yang sudah dibuat, serta pengujian
sistem untuk mendapatkan akurasi untuk metode tersebut sehingga terlihat
performasinya.
BAB 5 KESIMPULAN DAN SARAN
Bab ini menjelaskan tentang kesimpulan yang diperoleh dari hasil pengujian
penerapan Fuzzy Neural Network untuk prediksi kebangkrutan perusahaan di Bursa
Efek Jakarta, serta memberikan saran-saran untuk pengembangan peneltian
selanjutnya

LANDASAN TEORI
2.1

Kebangkrutan Perusahaan
Kebangkrutan adalah suatu kondisi disaat perusahaan tidak dapat memenuhi

kebutuhan dan membayar kewajiban. Menurut Undang-Undang Kepailitan No. 4
Tahun 1998, debit yang mempunyai dua atau lebih kreditur dan tidak membayar
sedikit satu utang yang telah jatuh waktu dan dapat ditagih, dinyatakan pailit dengan
putusan Pengadilan yang erwenang, baik atas permohonannya sendiri, maupun atas
permintaan seorang atau lebih krediturnya [4].
Perusahaan publik yang gagal atau tidak ampu menghindari kegagalan untuk
membayar kewajibannya terhadap pemberi pinjaman yang tidak terafiliasi, maka
perusahaan publik wajib menyampaikan laporan mengenai pinjaman termasuk
jumlah pokok dan bunga, jangka waktu pinjaman, nama pemberi pinjaman,
pengguna pinjaman dan alas an kegagalan atau ketidakmampuan menghindari
kegagalan kepada Bapepam dan Bursa Efek di mana efek perusahaan publik tercatat
secepat mungkin, paling lambat akhir hari kedua sejak perusahaan publik
mengalami kegagalan atau mengetahui ketidakmampuan untuk menghindari
kegagalan yang dimaksud [5].
Analisis kebangkrutan dilakukan untuk memperoleh tanda-tanda awal
kebangkrutan. Semakinawal tanda-tada kebangkrutan semakin baik bagi
manajemen karena manajemen bias melakukan perbaikan-perbaikan. Tanda-tanda
kebangkrutan dalam hal ini dilihat dengan menggunakan data-data akutansi.
Kesulitan keuangan bias berarti mulai dari kesulitan likuidisi yang merupakan
kesulitan keuangan paling ringan, sampai ke pernyataan kebangkrutan, yang
merupakan kesulitan keungan yang paling berat.
2.1.1

Penyebab Kegagalan Perusahaan
Kegagalan perusahaan yaitu keadan dimana perusahaan mengalami

keterpurukan dalam menjalankan usahanya, ada tiga jenis kegagalan perusahaan
yaitu : [6]

7

8

Perusahaan yang menghadapi technically insolvent, jika perusahaan tidak
dapat memenuhi kewajibannya yang segera jatuh tempo tetapi aset perusahaan
nilainya lebih tinggi dari pada hutangnya.
a. Perusahaan yang menghadapi legally insolvent, jika nilai aset perusahaan lebih
rendah dari nilai hutang perusahaan.
b. Perusahaan yang menghadapi kebangkrutan yaitu jika tidak dapat membayar
hutangnya dan oleh pengadilan dinyatakan pailit.
Sementara faktor-faktor yang merupakan penyebab kegagalan suatu
perusahaan pada prinsipnya digolongkan menjadi dua yaitu : [7]
a. Sebab intern adalah sebab yang timbul dari perusahaan itu sendiri, yang
meliputi sebab finansial maupun non finansiil.
a. Sebab-sebab yang menyangkut bidang finansiil meliputi :
a. Adanya utang yang terlalu besar sehingga memberikan beban tetap
yang berat pada perusahaan.
b. Adanya “cuurent liabilities” yang terlalu besar diatas “current assets”.
c. Lambatnya pengumpulan piutang atau banyaknya ” Bad-Debts”
(piutang tah tertagih).
d. Kesalahan dalam “dividend-policy”.
e. Tidak cukupnya dana-dana penyusutan.
b. Sebab-sebab yang menyangkut bidang non finansiil mliputi :
a. Adanya kesalalahan pada para pendiri perusahaaan, yaitu antara lain :
a. Kesalahan dalam pemilihan tempat kedudukan perusahaan.
b. Kesalahan dalam penentuan produk yang dihasilkan.
c. Kesalahan da;am penentuan besarnya perusahaan.
b. Kurang baiknya stuktur organisasi perusahaan.
c. Kesalahan dalam pemilihan pemimpin perusahaan.
d. Adanya “managerial incompetence”.
a. Kesalahan dalam policy pembelian.
b. Kesalahan dalam policy produksi.
c. Kesalahan dalam policy marketing.
d. Adanya ekspensi yang berlebih-lebihan.

9

c. Sebab ekstern adalah sebab-sebab yang timbul atau berasal dari luar
perusahaan dan yang berada diluar kekuasaan atau control dari pimpinan
perusahaan atau badan usaha, yaitu antara lain :
a. Adanya persaingan yang hebat.
b. Berkurangnya permintaan terhadap produk yang dihasilkan.
Turunnya harga-harga, dan lain sebagainya.
2.1.2

Manfaat Informasi Kebangkrutan
Informasi kebangkrutan sangat bermanfaat bagi beberapa pihak seperti

berikut ini :
a. Pemberi Pinjaman
Informasi kebangkrutan bisa bermanfaat untuk mengambil keputusan siapa
yang akan diberi pinjaman, dan kemudian bermanfaat untuk kebijakan memonitor
pinjaman yang ada.
b. Investor
Investor saham atau obligasi yang dikeluarkan oleh suatu perusahaan
tentunya akan sangat berkepentingan melihat adanya kemungkinan bangkrut atau
tidaknya perusahaan yang menjual surat berharga tersebut. Investor yang menganut
strategi aktif akan mengembangkan model prediksi kebangkrutan untuk melihat
tanda-tanda kebangkrutan seawal mungkin dan kemudian mengantisipasi
kemungkinannya.
c. Pemerintah
Pada sektor usaha, lembaga pemerintah mempunyai tanggung jawab untuk
mengawasi jalannya usaha tersebut. Pemerintah juga mempunyai badan-badan
usaha yang harus selalu diawasi. Lembaga pemerintah mempunyai kepentingan
untuk melihat tanda-tanda kebangkrutan lebih awal supaya tindakan-tindakan yang
perlu bias dilakukan lebih awal.
d. Akuntan
Akuntan mempunyai kepentingan terhadap informasi kelangsungan suatu
usaha karena akuntan akan menilai kemampuan going concern suatu perusahaan.

10

e. Manajemen
Apabila manajemen bisa mendeteksi kabangkrutan lebih awal, maka tindakantindakan penghematan bisa dilakukan yang berkaitan dengan munculnya biaya
kebangkrutan. Misalnya dengan merger atau restrukturisasi keuangan sehingga
biaya kebangkrutan bisa dihindari [8].
2.2

Analisis Laporan Keuangan
Laporan keuangan adalah ringkasan dari suatu proses pencatatan, merupakan

ringkasan dari transaksi-transaksi keuangan yang terjadi selama tahun buku yang
bersangkutan,

yang

dibuat

oleh

manajemen

dengan

tujuan

untuk

mempertanggungjawabkan tugas-tugas yang dibebankan kepadanya oleh para
pemilik perusahaan dan juga digunakan untuk memenuhi tujuan-tujuan lainnya
yaitu sebagai laporan kepada pihak-pihak diluar perusahaan [9].
2.2.1

Laporan Keuangan
Laporan keuangan merupakan produk dari akutansi, begitu juga interpretasi

laporan keuangan juga merupakan salah satu fungsi pokok dari akutansi. Laporan
keuangan juga merupakan ringkasan dari operasi perusahaan dalam periode tertentu
dan didalamnya terdapat informasi tentang kondisi perusahaan. Perusahaan
menyediakan informasi akutansi karena memiliki stakeholder yang bervariasi
seperti pemegang saham, pemegang obligasi, banker, kreditur, supplier, karyawan,
dan manajemen. Para stakeholder perlu mengetahui bagaimana kinerja keuangan
perusahaan.
2.2.2

Tujuan Laporan Keuangan
Tujuan dari laporan keungan adalah untuk memberikan informasi keuangan

tentang entitas pelapor yang berguna untuk menyajikan dan calon investor ekuitas
pemberi pinjaman, dan kreditur lainnya dalam pengambilan keputusan tentang
penyediaan sumber daya untuk entitas.
Adapun tujuan lain dari laporan keuangan yang tertuang dalam PSAK adalah
memberikan informasi mengenai posisi keuangan, kinerja keuangan, dan arus kas
entitas yang bermanfaat bagi sebagian besar kalangan pengguna laporan keuangan

11

dalam pembuatan keputusan ekonomi. Laporan keuangan juga menunjukan hasil
pertanggungjawaban manajemen atas penggunaan sumber daya yang dipercayakan
kepada mereka.
2.2.3

Penggunaan Laporan Keuangan

Secara umum, penggunaan laporan keuangan dapat di kategorikan menjadi dua
kategori, yaitu :
1. Penggunaan

internal,

yaitu

penggunaan

laporan

keuangan

yang

menggunakan laporan keuangan untuk pengambilan keputusan secara
langsung dan mempunyai pengaruh terhadap kegiatan internal perusahaan.
2. Penggunaan eksternal, yaitu pengguna laporan keangan yang menggunakan
laporan untuk pengambilan keputusan berkaitan dengan hubungan mereka
dengan perusahaan.
2.3

Analisis Rasio Keuangan
Dalam mengadakan interpretasi dan analisa laporan keuangan suatu

perusahaan, seorang penganalisa memerlukan adanya ukuran atau “yard-stick”
tertentu. Ukuran yang sering digunakan dalam analisis keuangan adalah “rasio”.
Pengertian rasio itu sebenarnya hanyalah alat yang dinyatakan dalam
“arithmetical terms” yang dapat digunakan untuk menjelaskan hubungan antara
dua macam data keuangan. Rasio menggambarkan suatu hubungan atau
perimbangan antara suatu jumlah tertentu dengan jumlah yang lain, dan dengan
menggunakan alat analisa berupa rasio akan dapat memberikan gambaran kepada
pengalaisa tentang baik dan buruknya keadaan tentang posisi keuangan suatu
perusahaan terutama apabila dibandingkan dengan angka rasio pembanding yang
digunakan sebagai standar [10].
2.3.1

Penggolongan Angka Rasio
Pada dasarnya jumlah rasio banyak sekali karena rasio dapat dibuat menurut

kebutuhan penganalisa. Berdasarkan sumber datanya angka rasio digolongkan
sebagai berikut [7]:

12

a. Rasio likuiditas adalah rasio yang dimaksudkan untuk mengukur likuiditas
perusahaan misalnya current ratio, acid test rasio, cash ratio, working capital
to total assets ratio.
b. Rasio laverage adalah rasio yang dimaksudkan untuk mengukur sampai
seberapa jauh aktiva perusahaan dibiayai dengan utang, misalnya total dept to
total assets, total dept to total capital assets, long dept to equity, tangible assest
debt coverage, time interest earned ratio.
c. Rasio aktivitas adalah rasio yang digunakan untuk mengukur sampai seberapa
besar efektivitas perusahaan dalam mengerjakan sumber-sumber datanya,
misalnya total assets turnover, receivalble turnover, average collction period,
inventory turnover, average days inventory, working capital turnover.
Rasio profitabilitas adalah rasio yang menggambarkan kemampuan perusahaan
dalam mendapatkan laba melalui semua kemampuan dan sumber yang ada seperti
kegiatan penjualan, kas, modal, jumlah karyawan, jumlah cabang.
Jenis – jenis Rasio

2.3.2

Pada subab ini akan membahas mengenai rasio likuiditas, rasio aktivitas, rasio
solvabilitas atau leverage, dan rasio profitabilitas atau rentabilitas[7].
2.3.2.1

Rasio Likuiditas

Rasio likuiditas biasa digunakan dalam melakukan analisis kredit karena
likuiditas berkaitan dengan kemampuan perusahaan dalam memenuhi kewajiban
jangka pendeknya yang harus segera dipenuhi, atau kemampuan perusahaan untuk
memenuhi kewajiban keuangan pada saat jatuh tempo.
a. Rasio lancar (Current Ratio)
Rasio yang digunakan untuk mengukur kemampuan perusahaan dalam
memenuhi kewajiban jangka pendek dengan aktiva lancar.
Current Ratio = aktiva lancar / hutang lancar

(1)

b. Rasio cepat (Quick Ratio)
Rasio yang digunakan untuk mengukur kemampuan perusahaan dalam
memenuhi kewajiban jangka pendek melalui aktiva lancar selain persedian.

13

Quick Ratio = (aktiva lancar – persediaan) / hutang lancar

(2)

c. Rasio lambat (Cash ratio)
Rasio yang digunakan untuk mengukur kemampuan perusahaan dalam
memenuhi kewajiban jangka pendek dengan kas yang tersedia dalam perusahaan.
Cash ratio = (cash + efek) / hutang lancar

2.3.2.2

(3)

Rasio Solvabilitas

Rasio ini disebut juga Ratio Leverage yaitu mengukur perbandingan dana
yang di sediakan oleh pemiliknya dengan dana yang dipinjam dari kredit
perusahaan tersebut. Rasio ini dimaksud untuk mengukur sampai seberapa jauh
aktiva perusahaan dibiayai oleh hutang rasio ini menunjukan indikasi tingkat
keamanan dari para pemberi pinjaman.
a. Rasio hutang terhadap ekuitas (Total debt to equity ratio)
Rasio ini untuk mengukur tingkat penggunaan hutang terhadap total kepemilikan
saham yang dimiliki oleh perusahaan.
Total debt to equity ratio = Total hutang / ekuitas pemegang

(4)

saham
b. Rasio hutang terhadap total aktiva (Total debt to total assets ratio)
Mengukur beberapa bagian dari kebutuhan dana yang dibelanjai dengan hutang
atau beberapa barang dari aktiva yang digunakan untuk menjamin hutang.
Total debt to total assets ratio = Total hutang / total aktiva

(5)

c. Time Interest Earned
Mengukur seberapa banyak laba operasi mampu membayar bunga hutang
Time Interest Earned = Laba operasi / beban bunga (pertahun)
d.

(6)

Rasio kewajiban lancar terhadap total aktiva mengukur berapa besar total
aktiva perusahaan yang dibiayai dengan kewajiban lancar
Kewajiban lancar = utang lancar / total aktiva

(7)

14

2.3.2.3

Rasio Profitabilitas

Rasio ini disebut juga sebagai Ratio Profitabilitas yaitu rasio yang digunakan
untuk mengukur kemampuan perusahaan dalam memperoleh laba atau keuntungan,
profitabilitas suatu perusahaan mewujudkan perbandingan antara laba dengan
aktiva atau modal yang menghasilkan laba tersebut.
a. Margin laba kotor (Gross Profit Magin)
Merupakan perbandingan antar penjualan bersih dikurangi dengan harga
pokok penjualan dengan tingkat penjualan, rasio ini menggambarkan laba kotor
yang dapat dicapai dari jumlah penjualan.
Gross Profit Magin = laba kotor / penjualan

(8)

b. Margin laba bersih (Net Profit Margin)
Rasio yang digunakan untuk mengukur laba bersih sesudah pajak lalu
dibandingkan dengan volume penjualan.
Net Profit Margin = laba setelah pajak / penjualan

(9)

c. Earning Power of Total investment
Rasio yang digunakan untuk mengukur kemampuan dari model yang
diinvestasikan dalam keseluruhan aktiva untuk menghasilkan keuntungan.
ROI = EBIT / total aktiva

(10)

d. Pengembalian atas Ekuitas (Return on Equity)
Rasio yang digunakan untuk mengukur kemampuan perusahaan dalam
menghasilkan laba dengan memanfaatkan modal saham yang dimiliki perusahaan.
ROE = laba setelah pajak / ekuitas saham
2.3.2.4
Rasio

(11)

Rasio Aktivitas
ini

menunjukan

kemampuan

efesiensi

perusahaan

didalam

memanfaatkan harta-harta yang dimilikinya.
a. Total Assets Turnover
Kemampuan modal yang diinvestasikan untuk menghasilkan pendapatan
(revenue)
Total Assets Turnover = sales/total asset

(12)

15

b. Receivable Turnover
Kemampuan dana yang ditanamkan dalam pihutang untuk mengumpulkan
pihutang.
Receivable Turnover = sales / receivable

(13)

c. Average Collection Period
Periode rata-rata yang diperlukan untuk mengumpulkan pihutang.
Average Collection Period = 365 hari / sales / receivable

(14)

d. Inventory Turn over
Kemampuan berputarnya dana yang ditanamkan dalam inventory pada suatu
periode tertentu.
Inventory Turn over = sales / inventory

(15)

e. Average Days Inventory
Periode penahanan persediaan rata-rata.
Average Days Inventory = 365 / inventory turn over

(16)

f. Working Capital Turnover
Kemampuan modal kerja berputar dalam suatu periode siklus kas dari
perusahaan.
Working Capital Turnover = sales / working capital
2.4

(17)

Jaringan Saraf Tiruan
Jaringan syaraf tiruan adalah system pemroses informasi yang memiliki

karakteristik mirip dengan jaringan syaraf biologi. Jaringan syaraf tiruan dibentuk
sebagai generalisasi model matematika dari jaringan syaraf biologi, dengan asumsi
bahwa [11] :
a.

Pemrosesan informasi terjadi pada banyak elemen sederhana (neuron).

b.

Sinyal

dikirimkan

di

antara

neuron-neuron

melalui

penghubung-

penghubung.
c.

Penghubung antara neuron memiliki bobot yang akan memperkuat atau
memperlemah sinyal.

16

Untuk menentukan output, setiap neuron menggunakan fungsi aktivasi
(biasanya bukan fungsi linear) yang dekenanakan pada jumlah input yang diterima.
Besarnya output ini selanjutnya dibandingkan dengan suatu batas ambang.
2.4.1

Arsitektur Jaringan
Beberapa arsitektur jaringan yang sering digunakan dalam jaringan syaraf

tiruan antara lain [11] :
a. Jaringan Layar Tunggal (Single Layer Network)
Dalam jaringan ini, sekumpulan input neuron dihubungkan langsung dengan
sekumpul outputnya. Dalam beberapa model, hanya ada sebuah unit neuron output.

Input Layer

Output Layer

Gambar 2.1 Jaringan Layar Tunggal
Dalam jaringan ini semua unit input dihubungkan dengan semua unit output,
meskipun dengan bobot yang berbeda. Tidak ada unit input yang dihubungkan
dengan unit input lainnya begitu dengan unit output.
Besaran w menyatakan bobot hubungan antara unit input dengan unit output.
Bobot-bobot ini saling independen, selama proses pelatihan, bobot-bobot tersebut
akan dimodifikasi untuk meningkatkan keakuratan hasil. Model semacam ini tepat
digunakan untuk pengenalan pola karena kesederhanaannya.
b. Jaringan Layar Jamak (Multi Layer Network)
Jaringan layar jamak merupakan perluasan dari layar tunggal. Dalam jaringan
ini, selain unit input dan output, ada unit lain yang biasa disebut layar tersembunyi.
Dimungkinkan pula ada beberapa layar tersembunyi. Sama seperti unit input dan
output, unit-unit dalam satu layar tidak saling berhubungan.

17

Input Layer

Hidden Layer

Output Layer

Gambar 2.2 Jaringan Layar Jamak
Jaringan layar jamak dapat menyelesaikan masalah yang lebih kompleks
dibandingkan dengan layar tunggal, meskipun kadangkala proses pelatihan lebih
kompleks dan lama.
c. Jaringan Reccurent
Model jaringan reccurent mirip dengan jaringan layar tunggal ataupun ganda.
Hanya saja, ada neuron output yang memberikan sinyal pada unit input atau sering
disebut dengan feedback loop.

Gambar 2.3 Jaringan reccurent
2.4.2

Neuron Fuzzy Kwan and Cai
Fuzzy Neural Network merupakan model jaringan yang menggunakan

algoritma jaringan saraf tiruan, tetapi arsitekturnya diinterpretasikan dengan
konsep-konsep fuzzy. Fuzzy Neural Network merupakan arsitektur jaringan yang
digunakan untuk memproses data-data fuzzy. Fuzzy Neural Network dengan neuron
fuzzy Kwan dan Cai adalah Jaringan Saraf Tiruan yang menggunakan model
jaringan layar tunggal. Hal ini berarti, bahwa setiap unit masukan pada jaringan

18

dihubungkan langsung ke unit keluarannya. Operasi data pada arsitektur jaringan
Fuzzy Neural Network dengan neuron fuzzy Kwan dan Cai menggunakan konsep
fuzzy[14].
Arsitektur jaringan Fuzzy Neural Network dengan neuron fuzzy Kwan dan
Cai terdiri dari dua layar, yaitu masukan dan layar keluaran, serta empat operasi
data propagasi maju (yaitu operasi perkalian, operasi agregasi, operasi aktivasi
jaringan, dan operasi fuzzifikasi), seperti pada gambar berikut :
W1

y1

X1

g1
W2
.
.
.
.
.
.
.
.

y2

g2

h

f
gm

Wn

.
.
.
.
.
.
.
.

Xn

yn

T

Gambar 2.4 Struktur Neuron Fuzzy Kwan and Cai
�,

= 1, … ,

Pada gambar diatas, arsitektur jaringan Fuzzy Neural

Network dengan neuron fuzzy Kwan dan Cai terdiri dari n buah unit masukan
yaitu

1 , . . . , � ),

n buah bobot (yaitu w1, ….,wn), m buah unit keluaran (yaitu

y1,….,ym), dan sebuah nilai ambang batas (threshold) T. Semua nilai pada unit
masukan, bobot, dan threshold berupa bilangan riil. Pada unit keluaran, nilai yang
dihasilkan berupa bilangan riil yang direpresentasikan dengan derajat keanggotaan
yang terletak pada interval [0,1]. Selain itu, terdapat sebuah fungsi agregasi yang
dilambangkan h, sebuah fungsi aktivitas yang dilambangkan f, dan m buah fungsi
keanggotaan yangdilambangkan
Berdasarkan arsitektur jaringan, system kerja Fuzzy Neural Network dengan
neuron fuzzy Kwan and Cai dibagi menjadi tiga langkah.
1. Langkah pertama
Menentukan nilai pada unit masukan, bobot, dan threshold. Nilai pada unit
masukan, bobot, dan threshold sebaiknya di ambil dari interval yang sama. Jika

19

nilai pada tiap unit masukan tidak terletak pada interval yang sama, maka dilakukan
transformasi data pada tiap unit masukan.
2. Langkah kedua
Menentukan proses pelatihan. Proses pelatihan dilakukan menggunakan
algoritma pelatihan dengan propagasi maju. Propagasi maju terdiri dari empat tahap
operasi data. Keempat tahap operasi data propagasi maju tersebut adalah sebagi
berikut :
Operasi pertama merupakan operasi perkalian data antara unit masukan xi dan
bobot wi, untuk i=1,…,n. Hasil dari operasi perkalian tersebut berupa nilai, yang
dilambangkan dengan pi. Dengan demikian operasi perkalian data dapat
dirumuskan sebagai :
� =

, = 1, … ,

Operasi kedua merupakan operasi agregasi terhadap nilai pi. Hal ini
dikarenakan fungsi yang digunakan adalah fungsi agregasi h(p1, . .,pn). Hasil dari
operasi agregasi tersebut berupa nilai, yang dilambangkan dengan z. Fungsi
agregasi yang digunakan terdiri dari dua jenis, yaitu maksimum dan minimum.
Fungsi agregasi maksimum adalah fungsi yang nilai keluarannya berupa nilai dari
kumpulan p1,. . ., pn. Fungsi agregasi maksimum dirumuskan sebagai :
= ℎ �1 , … , �� = max �1 , … , ��

Fungsi agregasi minimum adalah fungsi yang nilai keluarannya berupa nilai
minimum dari kumpulan nilai p1,….,pn. Fungsi agregasi minimum dirumuskan
sebagai :
= ℎ �1 , … , �� = min �1 , … , ��

Operasi ketiga merupakan operasi aktivitas jaringan. Hasil dari operasi
aktivitas berupa nilai, yang dilambangkan dengan s. Nilai s diperoleh dari hasil
fungsi aktivitas terhadap pengurangan antara nilai z dan nilai T. Dengan demikian,
operasi aktivitas Fuzzy Neural Network dengan neuron fuzzy Kwan and Cai
dirumuskan sebagai :
=�

−�

20

Operasi keempat merupakan operasi fuzzifikasi terhadap nilai s. Hasil dari
operasi fuzzifikasi tersebut berupa nilai, yang dilambangkan dengan yj, untuk = j
=1,…,m. Nilai yj dirumuskan dengan persamaan sebagai :

�

=�

, = 1, … ,

adalah derajat keanggotaan yang ditentukan oleh fungsi keanggotaan.

3. Langkah Ketiga
Menganalisis nilai pada keluaran jaringan, yaitu yj. Langkah ketiga bertujuan
untuk menentukan keluaran jaringan yang diinginkan dan memperoleh
kesimpulannya.
2.4.3

Fungsi Keanggotaan
Fungsi keanggotaan adalah suatu kurva menunjukan pemetaan titik-titik input

data kedalam nilai mendapatkan keanggotaannya. Salah satu cara yang dapat
digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui
pendekatan fungsi [12].
2.4.4

Fuzzifikasi
Fuzzyfikasi adalah suatu proses yang dilakukan untuk memetakan variable

nyata kedalam variable kabur. Fuzzyfikasi digunakan ketika variable yang akan
digunakan belum berada dalam nilai kabur. Pemetaan dilakukan dengan bantuan
model dari fungsi keanggotaan agar dapat diketahui besar masukan tersebut (
derajat keanggotaan) [10].
2.4.5

Jaringan Saraf Tiruan dan Logika Kabur
Jaringan syaraf tiruan dapat dikembangkan melalui penggabungan dengan

ilmu logika kabur. Sehingga berubah menjadi jaringan syaraf kabur / Fuzzy Neural
Network. Dalam implementasinya, yang digunakan adalah arsitektur jaringan dari
backpropagation dengan perhitungan didalamnya melibatkan perhitungan nilai
kabur.
Kedua jaringan saraf dan system fuzzy memiliki beberapa kesamaan. Mereka
dapat digunakan untuk memecahkan masalah (misalnya pengenalan pola, regresi

21

atau estimasi kepadatan). Mereka memiliki kelemahan tertentu dan keuntungan
yang hampir sepenuhnya menghilang dengan menggabungkan kedua konsep.
Dibandingkan dengan jaringan saraf umum, bobot hubungan dan propagasi dan
aktivitas fungsi dari jaringan saraf kabur banyak berbeda.
Fungsi aktivitas dari unit input adalah nilai suatu variable masukan yang
sesuai dengan nilai yang diberikan. Nilai input dilewatkan dalam unit-unit
himpunan fuzzy, yang akan merubah nilai kedalam suatu derajat keanggotaan
sebagai fungsi aktivitas dari unit himpunan fuzzy. Unit penghubung akan
mengambil ‘min’ dari input (derajat keanggotaan) yang diterima dari masukan unit
fuzzy set sebelumnya. Unit output fuzzy menampung informasi dari satu atau lebih
unit penghubung (masing-masing berhubungan dengan sebuah aturan fuzzy). Ada
variasi pada titik ini. Unit output himpunana fuzzy bisa menggunakan ‘max’ dari
masukan-masukan sebelumnya. Kemudian, unit output membangkitakn hasil akhir
dengan mengintegiraskan informasi dari unit-unit himpunan fuzzy [13].
2.5

Entity-relationship Diagram (ERD)
ERD adalah diagram grafikal keseluruhan struktur logika dari sebuah basis

data. ERD tidak menggambarkan aliran data atu proses data, tetapi ERD lebih
menggambarkan data pada data store.
ERD ini berfungsi untuk menggambarkan relasi dari dua tabel yang dapat
digolongkan dalam tiga mcam bentuk relasi, yaitu relasi satu ke satu, satu kebanyak
dan relasi banyak ke banyak.
Model ERD yang berisi komponen-komponen himpunan entitas dan
himpunan

relasi

yang

masing-masing

dilengkapi

atribut-atribut

yang

mempresentasikan seluruh fakta yang ditinjau[15].
2.6

Unified Modeling Language (UML)
UML (Unified Modeling Languange) adalah sebuah bahasa untuk

menentukan, visualisasi, kontruksi dan mendokumentasikan artifact (bagian dari
informasi yang digunakan atau dihasilkan dalam suatu proses pembuatan perangkat
lunak. Artifact dapat berupa model, deskripsi atau perangkat lunak) dari system

22

perangkat lunak, seperti pada pemodelan bisnis dan system non perangkat lunak
lainnya [16], dan terdapat bagian-bagian diagram sebagai berikut :
a. Use case diagram
Use case diagram merupakan suatu aktivitas system dalam menanggapi
permintaan pengguna dalam sebuah masalah dimana system yang digunakan oleh
pengguna (actor) [16].
b. Activity diagram
Activity diagram dapat membantu untuk menggambarkan aliran control dari
sistem, seperti aturan bisnis menggambarkan jalannya fungsi yang ada dan
menggambarkan kasus penggunaan juga proses bisnis [16].
c. Sequence diagram
Sequence diagram merupakan kolaborasi objek berdasarkan urutan waktu.
Sequence diagram menunjukan bagaimana objek berinteraksi dengan objek lain
dalam scenario tertentu dari sebuah use case [16]
d. Class diagram
Class diagram memberikan gambaran tentang system target dengan
menggambarkan objek dan kelas dalam system dan hubungan antara mereka. Pada
class diagram juga terdapat atribut dan method-method yang ada pada system [16].
2.7

Confusion Matriks
Confusion matrix digunakan untuk mengevaluasi tingkat kebenaran
dari pengujian penelitian yang telah dilakukan [16]. Penjelasan confusion
matrix pada Tabel 2.1.
Tabel 2.1 Confusion Matriks

True Class

1
2

Predicted
1
2
a
b
c
d

Keterangan :
a. : Jumlah dari hasil stage 1 yang terdeteksi benar sebagai stage 1
b. : Jumlah dari hasil stage 1 yang terdeteksi salah sebagai stage 2

23

c. : Jumlah dari hasil stage 2 yang terdeteksi salah sebagai stage 1
d. : Jumlah dari hasil stage 2 yang terdeteksi benar sebagai stage 2
2.8

XAMPP
Xampp adalah perangkat lunak bebas yang mendukung banyak sistem

operasi. Xampp merupakan kompilasi dari beberapa program. Fungsinya adalah
sebagai server yang berdiri sendiri (localhost) yang terdiri atas program Apache
HTTP Server, MySQL database dan penerjemah bahasa yang ditulis dengan bahasa
pemrograman PHP dan Perl. Nama Xampp merupakan singkatan dari X (empat
sistem operasi apapun), Apache, MySQL, PHP dan Perl. Program ini tersedia dalam
GNU General Public License dan bebas. Xampp merupakan web server yang
mudah digunakan yang dapat melayani tampilan halaman web yang dinamis [17].
Bagian penting XAMPP yang biasa digunakan pada umunya adalah :
1.

XAMPP Control Panel Aplication berfungsi mengelola layanan (service)
XAMPP. Seperti mengaktifkan layanan (start) dan menghentikan (stop)
layanan.

2.

htdoc adalah folder tempat meletakkan berkas-berkas yang akan dijalankan
di Windows, folder ini berada di C://xampp.

3.
2.9

phpMyAdmin merupakan bagian untuk mengolah database.
MySQL
MySQL adalah sebuah perangkat lunak sistem manajemen basis data SQL

(bahasa Inggris : database management system) atau DBMS yang multi-thread,
multi-user, dengan sekitar 6 juta instalasi di seluruh dunia. MySQL AB membuat
MySQL tersedia sebagai perangkat lunak gratis dibawah lisensi GNU General
Public License(GPL), tetapi mereka juga menjual dibawah lisensi komersial untuk
kasus-kasus dimana penggunaannya tidak cocok dengan penggunaan GPL.
Tidak sama dengan proyek-proyek seperti Apache, dimana perangkat lunak
dikembangkan oleh komunitas umum, dan hak cipta untuk kode sumber dimiliki
oleh penulisnya masing-masing, MySQL dimiliki dan di sponsori oleh sebuah
perusahaan komersial Swedia MySQL AB, dimana memegang hak cipta hampir

24

atas semua kode sumbernya. Kedua orang Swedia dan satu orang Finlandia yang
mendirikan MySQL AB adalah: David Axmark, Allan Larsson, dan Michael
"Monty"Widenius[18].

ANALI