ThesisOpen AccessPDF tersedia
2026•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Skripsi atas nama Tiwi, NIM 2522105, dengan judul “Perancangan SpekTi Berbasis Certainty Factor untuk Prediksi Kelulusan Mahasiswa 3,5 Tahun di Program Studi Pendidikan Teknik Informatika dan Komputer UIN Sjech M. Djamil Djambek Bukittinggi.” Skripsi Program Sarjana, Program Studi Pendidikan Teknik Informatika dan Komputer, Fakultas Tarbiyah dan Ilmu Keguruan, Universitas Islam Negeri (UIN) Sjech M. Djamil Djambek Bukittinggi. Penelitian ini dilatarbelakangi oleh belum adanya sistem yang dapat membantu memprediksi kelulusan mahasiswa dalam waktu 3,5 tahun secara objektif di Program Studi Pendidikan Teknik Informatika dan Komputer. Oleh karena itu, dirancang SpekTi, yaitu sistem pakar berbasis web yang menerapkan metode certainty factor untuk memprediksi kelulusan mahasiswa berdasarkan variabel IPK, nilai mata kuliah, proses pengerjaan skripsi, dukungan keluarga, kualitas dosen pembimbing, administrasi pendidikan, motivasi diri, dan referensi. Metode yang digunakan dalam penelitian ini adalah Research and Development (R&D) dengan model pengembangan agile yang meliputi tahapan planning, design, coding, testing, dan release. Sistem dikembangkan menggunakan bahasa pemrograman PHP dengan framework laravel, database MySQL, dan bootstrap. Pengujian sistem dilakukan berdasarkan standar ISO/IEC 25010 yang meliputi functional suitability, compatibility, dan usability, serta pengujian validitas kebahasaan, validitas ahli pakar, validitas rancangan sistem, dan uji akurasi menggunakan confusion matrix serta perbandingan langsung. Hasil penelitian menunjukkan bahwa pengujian functional suitability memperoleh nilai 95,83%, compatibility sebesar 86,66%, dan usability sebesar 97% dengan kategori sangat layak. Pengujian validitas memperoleh nilai 0,97 pada aspek kebahasaan, 0,92 pada validitas ahli pakar, dan 0,95 pada validitas rancangan sistem dengan kategori valid. Selain itu, uji akurasi menggunakan confusion matrix dan perbandingan langsung menunjukkan tingkat akurasi 100%. Berdasarkan hasil penelitian tersebut, dapat disimpulkan bahwa SpekTi layak digunakan sebagai sistem pakar untuk membantu memprediksi kelulusan mahasiswa dalam waktu 3,5 tahun secara objektif, cepat, dan terstruktur sehingga dapat mendukung program studi dalam melakukan identifikasi dini terhadap potensi kelulusan mahasiswa.
ThesisOpen AccessPDF tersedia
2026•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Penelitian ini dilatarbelakangi oleh belum optimalnya pemanfaatan data aktivitas belajar siswa dalam mendukung proses evaluasi dan pengambilan keputusan akademik di SMA Negeri 2 Bukittinggi. Variasi aktivitas belajar siswa serta belum adanya sistem prediksi yang berbasis data menyebabkan guru mengalami kesulitan dalam mengidentifikasi potensi prestasi akademik siswa secara lebih dini. Oleh karena itu, penelitian ini bertujuan untuk mengimplementasikan algoritma Support Vector Machine (SVM) dalam memprediksi prestasi akademik siswa berdasarkan aktivitas belajar melalui aplikasi berbasis web menggunakan library PHP-ML. Penelitian ini menggunakan metode penelitian kuantitatif dengan pendekatan prediktif. Tahapan penelitian meliputi persiapan data, preprocessing data, pembentukan model SVM menggunakan kernel Radial Basis Function (RBF), pengujian model menggunakan confusion matrix, serta implementasi model ke dalam aplikasi web. Data penelitian diperoleh melalui angket aktivitas belajar siswa SMA Negeri 2 Bukittinggi yang kemudian diproses menjadi data latih dan data uji untuk membangun model prediksi. Hasil penelitian menunjukkan bahwa model SVM yang dikembangkan mampu memprediksi prestasi akademik siswa dengan tingkat akurasi sebesar 85%. Model yang dihasilkan berhasil diimplementasikan ke dalam aplikasi berbasis web sehingga dapat membantu guru dalam memprediksi kecenderungan prestasi akademik siswa berdasarkan aktivitas belajar secara lebih cepat, objektif, dan berbasis data. Dengan demikian, implementasi algoritma SVM dinyatakan mampu menjadi alternatif pendukung pengambilan keputusan dalam pemantauan dan evaluasi prestasi akademik siswa di SMA Negeri 2 Bukittinggi.
ThesisOpen AccessPDF tersedia
2026•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Skripsi atas nama Reza Pahlevi Pane, dengan judul "Analisis Algoritma Decision Tree Dalam Prediksi Kelulusan Seleksi Masuk Asrama di SMAN 1 Padang Panjang", Program Studi Pendidikan Teknik Informatika dan Komputer (PTIK) Fakultas Tarbiyah dan Ilmu Keguruan (FTIK) Universitas Islam Negeri (UIN) Sjech M. Djamil Djambek Bukittinggi.
Proses seleksi penerimaan peserta didik baru jalur asrama di SMAN 1 Padang Panjang melibatkan berbagai kriteria penilaian sehingga penentuan kelulusan menjadi kompleks dan berpotensi menimbulkan subjektivitas apabila dilakukan secara manual. Penelitian ini bertujuan untuk menganalisis kinerja algoritma Decision Tree C4.5 dalam memprediksi kelulusan seleksi masuk asrama berdasarkan data historis penerimaan peserta didik.
Penelitian menggunakan metode Knowledge Discovery in Databases (KDD) yang meliputi tahapan seleksi data, prapemrosesan data, transformasi data, pemodelan menggunakan algoritma Decision Tree C4.5, dan evaluasi model. Data yang digunakan merupakan 2.481 data historis seleksi masuk asrama SMAN 1 Padang Panjang tahun pelajaran 2022/2023 sampai dengan 2024/2025. Evaluasi model dilakukan menggunakan teknik 10-fold cross validation dengan metrik accuracy, precision, recall, F1-Score, dan Area Under Curve (AUC).
Hasil penelitian menunjukkan bahwa model menghasilkan nilai accuracy sebesar 98,63%, precision sebesar 96,57%, recall sebesar 93,89%, F1-Score sebesar 95,21%, dan AUC sebesar 0,870 yang menunjukkan kemampuan klasifikasi yang baik. Hasil pembentukan pohon keputusan menunjukkan bahwa atribut Nilai Tes Akademik menjadi akar pohon (root node) dan menghasilkan aturan klasifikasi (IF–THEN Rules) sebagai dasar prediksi kelulusan. Berdasarkan hasil penelitian tersebut, algoritma Decision Tree C4.5 mampu menghasilkan model prediksi dengan tingkat akurasi yang tinggi serta aturan keputusan yang mudah dipahami sehingga layak digunakan sebagai pendukung pengambilan keputusan dalam proses seleksi masuk asrama di SMAN 1 Padang Panjang.
ThesisOpen AccessPDF tersedia
2026•Skripsi, Thesis, Disertasi, dan Tugas Akhir
ABSTRAK Skripsi atas nama Amelia Diva Suryani, NIM 2522.085, dengan judul “Perancangan AMEDIPS Berbasis Teorema Bayes Untuk Memprediksi Tingkat Kehadiran Siswa Di SMP Negeri 4 Bukittinggi”. Skripsi Program Sarjana, Universitas Islam Negeri (UIN) Sjech M. Djamil Djambek Bukittinggi. Program Studi Pendidikan Teknik Informatika dan Komputer, Fakultas Tarbiyah dan Ilmu Keguruan, Universitas Islam Negeri 4 Bukittinggi. Penelitian ini dilatarbelakangi oleh Penanganan terhadap siswa yang tidak hadir telah dilakukan melalui aturan pemanggilan orang tua, namun masih terdapat perbedaan pandangan di kalangan guru mengenai tanggung jawab dalam mengawasi dan menindaklanjuti kehadiran siswa. Kondisi tersebut menyebabkan pemantauan kehadiran siswa belum berjalan secara optimal sehingga masih ditemukan siswa yang sering tidak hadir tanpa penanganan yang cepat. Oleh karena itu, diperlukan suatu sistem yang dapat membantu memprediksi tingkat kehadiran siswa sehingga sekolah dapat melakukan tindakan pencegahan dan pembinaan secara lebih tepat sasaran. Metode penelitian yang digunakan adalah metode penelitian Research and Development (R&D), yaitu rangkaian langkah-langkah mengembangan produk baru dan menguji keefektifan produk tersebut, sedangkan model pengembangan sistem menggunakan System Development Life Cycle (SDLC) dengan menerapkan model Agile yang terdiri dari tahap Analisis Sistem, Perancangan, Development, Testing, Deployment, Revisi dan Evaluasi, serta Maintenance Sistem. Uji produk menggunakan standard ISO/IEC 25010 yang terdiri dari pengujian Functional Suitability, Compatibility dan Usability. Juga dilakukan pengujian validitas kebahasaan, validitas hasil rancangan, validitas ahli SPK dan uji akurasi. Berdasarkan hasil penelitian yang peneliti lakukan, peneliti mampu membuat produk sistem prediksi tingkat kehadiran siswa di SMP Negeri 4Bukittinggi menggunakan Bahasa pemorograman PHP dan database MySQL. Hasil pengujian functional suitability memperoleh skor 100% dengan kriteria sangat Baik,, hasil pengujian compatibility memperoleh skor 100% dengan kriteria sangat Baik, pengujian usability mendapatkan hasil akhir 87% dengan kriteria sangat layak hasil akhir pengujian validitas hasil rancangan mendapatkan nilai 0,89 di nyatakan valid, pengujian validitas kebahasaan mendapatkan nilai 0,90 di nyatakan valid, dan validitas ahli SPK mendapatkan nilai 0,96 di nyatakan valid. Adapun uji akurasi yang dilakukan menggunakan tabel confusion matrix menunjukkan tingkat akurasi sebesar 100% dan dinyatakan valid. Berdasarkan keseluruhan hasil pengujian tersebut, dapat di simpulkan bahwa sistem yang dirancang layak untuk dipakai sebagai platform dalam memprediksi tingkat kehadiran siswa.
ThesisOpen AccessPDF tersedia
2026•Skripsi, Thesis, Disertasi, dan Tugas Akhir
RIMA MELATI, 2522074 “Perancangan Sistem Prediksi Peminat Program Studi di UIN Bukittinggi dengan Metode Regresi Linear”. Program Studi Pendidikan Teknik Informatika dan Komputer (PTIK), Fakultas Tarbiyah dan Ilmu Keguruan (FTIK), Universitas Islam Negeri (UIN) Sjech M. Djamil Djambek Bukittinggi. Perubahan jumlah peminat program studi setiap tahun menyebabkan pihak perguruan tinggi mengalami kesulitan dalam melakukan perencanaan penerimaan mahasiswa baru secara tepat. Penelitian ini bertujuan untuk merancang sistem prediksi jumlah peminat program studi di Fakultas Tarbiyah dan Ilmu Keguruan UIN Sjech M. Djamil Djambek Bukittinggi menggunakan metode Regresi Linear berdasarkan data historis penerimaan mahasiswa baru. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model pengembangan Prototype. Data yang digunakan berupa data jumlah peminat program studi tahun 2022–2025. Sistem yang dikembangkan berbasis web dengan menerapkan metode Regresi Linear Sederhana untuk menghasilkan prediksi jumlah peminat pada periode berikutnya. Pengujian sistem dilakukan melalui uji validitas, praktikalitas, efektivitas, dan akurasi menggunakan metode Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa sistem yang dikembangkan memperoleh nilai validitas sebesar 94,33% dengan kategori sangat valid, praktikalitas sebesar 90% dengan kategori sangat praktis, efektivitas sebesar 98% dengan kategori sangat efektif, serta tingkat kesalahan prediksi berdasarkan MAPE sebesar 17%. Berdasarkan hasil tersebut, sistem prediksi jumlah peminat program studi viii menggunakan metode Regresi Linear Sederhana dapat digunakan sebagai alat bantu dalam mendukung perencanaan penerimaan mahasiswa baru secara lebih terukur dan berbasis data.
ThesisOpen AccessPDF tersedia
2026•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Penelitian ini dilatarbelakangi oleh pentingnya kemampuan berpikir kritis sebagai salah satu kompetensi yang harus dimiliki mahasiswa dalam menghadapi proses pembelajaran di perguruan tinggi. Kemampuan berpikir kritis mahasiswa dapat diidentifikasi melalui hasil penilaian presentasi yang mencerminkan kemampuan menganalisis, mengevaluasi, menyusun argumentasi, dan menyampaikan kesimpulan secara logis. Data hasil penilaian presentasi tersebut dapat dimanfaatkan sebagai data historis untuk memprediksi distribusi tingkat kemampuan berpikir kritis mahasiswa. Oleh karena itu, penelitian ini bertujuan menerapkan metode Simulasi Monte Carlo untuk memprediksi distribusi tingkat kemampuan berpikir kritis mahasiswa Program Studi Pendidikan Teknik Informatika dan Komputer (PTIK) UIN Sjech M. Djamil Djambek Bukittinggi berdasarkan data historis hasil penilaian presentasi. Jenis penelitian yang digunakan adalah penelitian pendekatan kuantitatif dengan desain deskriptif-analitik berbasis pemodelan dan simulasi Monte Carlo. Populasi penelitian terdiri atas mahasiswa Program Studi Pendidikan Teknik Informatika dan Komputer (PTIK) angkatan 2023 dan 2024 sebanyak 537 mahasiswa dan sampel sebanyak 474 mahasiswa. Data penelitian berupa data historis hasil penilaian presentasi mahasiswa yang selanjutnya dikelompokkan ke dalam kategori kemampuan berpikir kritis tinggi, sedang, dan rendah. Tahapan Simulasi Monte Carlo meliputi pembentukan distribusi probabilitas, distribusi probabilitas kumulatif, penentuan interval bilangan acak, pembangkitan bilangan acak menggunakan metode Linear Congruential Generator (LCG), serta pelaksanaan simulasi untuk menghasilkan prediksi distribusi kemampuan berpikir kritis mahasiswa. Evaluasi hasil simulasi dilakukan menggunakan Historical Data Validation, Mean Absolute Error (MAE), tingkat akurasi, dan expert judgment. Hasil penelitian menunjukkan bahwa metode Simulasi Monte Carlo menghasilkan prediksi distribusi kategori kemampuan berpikir kritis berdasarkan data historis sebanyak 241 mahasiswa pada kategori tinggi, 213 mahasiswa pada kategori sedang, dan 20 mahasiswa pada kategori rendah dari total 474 mahasiswa. Berdasarkan hasil Historical Data Validation, diperoleh nilai Mean Absolute Error (MAE) sebesar 4 dengan tingkat akurasi rata-rata sebesar 91,34%, sehingga distribusi hasil simulasi memiliki tingkat kesesuaian yang tinggi terhadap distribusi data historis. Hasil validasi ahli (expert judgment) memperoleh persentase validitas sebesar 93,33%, yang menunjukkan bahwa metode Simulasi Monte Carlo, tahapan simulasi, serta penggunaan data historis untuk membentuk kategori kemampuan berpikir kritis berada pada kategori sangat valid. Berdasarkan hasil tersebut, metode Simulasi Monte Carlo dinilai layak digunakan sebagai pendekatan dalam memprediksi distribusi kategori kemampuan berpikir kritis berdasarkan data historis hasil penilaian presentasi mahasiswa Program Studi Pendidikan Teknik Informatika dan Komputer (PTIK) UIN Sjech M. Djamil Djambek Bukittinggi.
ThesisOpen AccessPDF tersedia
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Salsa Nabillah, 2521155 “Perancangan Sistem Prediksi Penggunaan Aplikasi E-Campus Dengan Metode Simple Additive Weighting (SAW) Di UIN Sjech M. Djamil Djambek Bukittinggi”. Program Studi Pendidikan Teknik Informatika dan Komputer (PTIK) Fakultas Tarbiyah dan Ilmu Keguruan (FTIK) Universitas Sjech M. Djamil Djambek Bukittinggi. Permasalahan yang melatarbelakangi penelitian ini adalah belum tersedianya sistem yang mampu memprediksi penggunaan aplikasi E-Campus secara efektif, sehingga pihak pengelola kesulitan dalam memetakan kebutuhan dan meningkatkan pemanfaatan fasilitas yang tersedia. Oleh karena itu, penelitian ini bertujuan untuk menghasilkan rancangan sistem prediksi penggunaan aplikasi E-Campus berbasis metode Simple Additive Weighting (SAW) yang valid, praktis, dan efektif. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model Rapid Application Development (RAD), yang terdiri dari beberapa tahap: requirement planning, design workshop, dan implementation. Pertama, tahap requirement dilakukan melalui observasi dan wawancara dengan pihak pengelola TIPD UIN Sjech M. Djamil Djambek Bukittinggi. Kedua, tahap design, sistem dirancang menggunakan Unified Modeling Language (UML), design antarmuka, dan perancangan basis data. Ketiga, tahap implementation dilakukan pengembangan sistem berbasis web serta integrasi metode SAW untuk pengolahan data. Pada tahap akhir dilakukan uji produk dengan uji validitas produk, uji praktikalitas, dan uji efektifitas. Hasil pengujian menunjukkan bahwa sistem prediksi yang dibangun memenuhi kriteria kelayakan. Berdasarkan uji validitas, sistem memperoleh nilai 0,89 (valid), uji praktikalitas sebesar 0,92 (sangat tinggi), dan uji efektivitas mencapai 0,86 (sangat efektif). Dengan demikian, sistem ini dinyatakan layak digunakan sebagai sistem dalam memprediksi pengelolaan dan penggunaan aplikasi E-Campus di UIN Sjech M. Djamul Djambek Bukittinggi.
ThesisOpen AccessPDF tersedia
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Mata kuliah Sistem Basis Data merupakan salah satu mata kuliah inti pada Program Studi Pendidikan Teknik Informatika dan Komputer yang memiliki peran penting dalam pembentukan kompetensi dasar mahasiswa. Namun, dalam implementasinya masih ditemukan mahasiswa yang mengalami kesulitan hingga gagal dalam menyelesaikan mata kuliah ini. Hal ini dapat menyebabkan keterlambatan masa studi dan menjadi indikator yang memengaruhi kualitas akademik serta akreditasi program studi. Oleh karena itu, diperlukan suatu sistem yang mampu memprediksi keberhasilan mahasiswa sejak dini agar pihak kampus dapat memberikan intervensi yang tepat. Penelitian ini merupakan penelitian terapan yang menggunakan pendekatan data mining dengan algoritma klasifikasi C4.5. Data yang digunakan berjumlah 1.030 entri dari enam tahun terakhir yang diperoleh dari sistem informasi akademik UIN Sjech M. Djamil Djambek Bukittinggi. Penelitian ini dilakukan melalui tahapan Knowledge Discovery in Databases (KDD) yang mencakup seleksi data, pembersihan, transformasi, pemodelan, hingga evaluasi model. Pengolahan data dilakukan menggunakan perangkat lunak Altair AI Studio (RapidMiner) versi 2025.0.1. Model prediktif yang dihasilkan dari algoritma C4.5 menunjukkan performa yang cukup baik dengan tingkat akurasi sebesar 82,99%, recall sebesar 69,58%, presisi sebesar 62,51%, dan F1-score sebesar 65,86%. Hasil ini menunjukkan bahwa algoritma C4.5 efektif digunakan sebagai sistem peringatan dini untuk mengidentifikasi mahasiswa yang berisiko tidak lulus pada mata kuliah Sistem Basis Data. Dengan demikian, model ini dapat menjadi acuan bagi program studi dalam merancang strategi akademik yang lebih tepat sasaran.
ThesisOpen AccessPDF tersedia
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Skripsi atas nama Misriyati 2521013. dengan judul “Penerapan Metode Simulasi Monte Carlo Untuk Memprediksi Jumlah Pengunjung Di Perpustakaan UIN Sjech M. Djamil Djambek Bukittinggi” Program Studi Pendidikan Teknik Informatika dan Komputer, Fakultas Tarbiyah dan Ilmu Keguruan, Universitas Islam Negeri (UIN) Sjech M. Djamil Djambek Bukittinggi. Penelitian ini bertujuan untuk merancang sebuah model simulasi menggunakan metode Monte Carlo guna memprediksi jumlah pengunjung perpustakaan UIN Sjech M. Djamil Djambek Bukittinggi. Model dikembangkan berdasarkan data historis jumlah kunjungan dari tahun 2022 hingga 2024, yang kemudian digunakan sebagai dasar untuk melakukan prediksi kunjungan pada tahun berikutnya. Simulasi dilakukan dengan membangkitkan bilangan acak menggunakan metode Linear Congruent Method (LCM), lalu memetakan bilangan acak tersebut ke dalam distribusi probabilitas kumulatif berdasarkan data historis. Hasil simulasi menunjukkan bahwa metode Monte Carlo mampu memberikan prediksi yang cukup akurat. Total jumlah pengunjung yang diprediksi selama satu tahun adalah 67.552 orang, sementara rata-rata jumlah pengunjung aktual adalah 67.651 orang. Perbandingan antara hasil simulasi dan data aktual menunjukkan nilai Mean Absolute Error (MAE) sebesar 509,25 dengan tingkat akurasi rata-rata sebesar 89,88%. Meskipun terdapat sedikit deviasi pada beberapa bulan, seperti bulan Mei dan Agustus, nilai akurasi yang diperoleh masih berada dalam kategori layak dan dapat diterima. Selain itu, model ini tidak hanya memberikan proyeksi kuantitatif, tetapi juga berpotensi menjadi alat bantu dalam pengambilan keputusan strategis, seperti pengelolaan fasilitas, penyediaan layanan, dan perencanaan sumber daya manusia di lingkungan perpustakaan. Dengan tingkat akurasi yang tinggi dan pendekatan yang berbasis data, metode Monte Carlo terbukti mampu memberikan gambaran yang cukup representatif mengenai fluktuasi jumlah pengunjung. Hasil penelitian ini diharapkan dapat menjadi dasar pertimbangan dalam upaya peningkatan mutu layanan perpustakaan secara berkelanjutan.
ThesisOpen AccessPDF tersedia
2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Timeliness of graduation is one of the indicators of university quality, and the utilisation of student data can provide valuable information to support decision-making. Quantitative data from the university's TIPD department, including gender, school of origin, Semester Grade Point Average (IPS), and Grade Point Average (GPA), are used as prediction attributes. Through the stages of data collection, attribute determination, data mining (cleaning, selection, transformation), and application of the Naive Bayes algorithm, a prediction model was built and tested. The results showed an accuracy of 87.5%, precision of 57.2%, and recall of 80%. It is concluded that the Naive Bayes algorithm is effective in classifying student graduation, with the funding source attribute identified as one of the influential factors. This study recommends the use of feature filtering such as information gain in future research to improve prediction accuracy.
ThesisOpen AccessPDF tersedia
2021•Skripsi, Thesis, Disertasi, dan Tugas Akhir
Nike WItri Azizah Nst (3317014): "Analisis Prediksi Potensi Kebangkrutan Pada PT BPR Syariah Ampek Angkek Candung Dengan Mneggunakan Metode Altman Z"-Score dan Metode Springate Periode 2015-2019" Penelitian ini bertujuan untuk mengetahui kondisi keuangan dan tingkat risiko kebangkrutan PT BPR Syariah Ampek Angkek Candung. Altman Z"-Score dan Springate merupakan metode yang digunakan untuk mengukur tingkat risiko kebangkrutan pada bank. Pada penelitian ini, PT BPR Syariah Ampek Angkek Candung merupakan objek yang akan diteliti. Jenis penelitian ini yaitu penelitian deskriptif dengan analisis kualitatif. Data yang digunakan adalah data sekunder yang diperoleh dari laporan tahunan yang diakses di www.ojk.go.id dari tahun 2015-2019. Teknik analisis penelitian ini yaitu dengan mengidentifikasi data, menghitung rasio-rasio keuangan, membuat kategori prediksi kebangkrutan pada metode Altman Z"-Score dan Springate dan membuat kesimpulan. Hasil prediksi kebangkrutan dengan metode Altman Z"-Score dan metode Springate, PT BPR Syariah Ampek Angkek Candung masuk dalam kategori bangkrut. Kata Kunci: Prediksi Kebangkrutan, Altman Z"-Score, Springate, PT BPR Syariah Ampek Angkek Candung.