Gama, Eltansha Raksa (2023) KLASIFIKASI KELAYAKAN KREDIT RUMAH MENGGUNAKAN ALGORITMA DECISION TREE C4.5 BERBASIS FORWARD SELECTION. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (980kB) |
|
Text (BAB I)
BAB I.pdf Download (251kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (522kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (285kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf Download (91kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (116kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Source Code - Eltansha Raksa Gama.zip Restricted to Repository staff only Download (577kB) |
Abstract
Status kepemilikan rumah sendiri di daerah Kota Yogyakarta memiliki persentase yang paling kecil dibandingkan dengan kabupaten lainnya di Provinsi DIY. Rumah merupakan kebutuhan dasar atau primer yang mencakup kelayakan dan taraf hidup. Guna mempermudah masyarakat untuk memiliki rumah, banyak pengembang yang memberikan kredit. Keberagaman latar belakang ekonomi dari calon peminjam kredit rumah menyebabkan ketidakpastian mengenai kelayakan mereka sebagai peserta kredit rumah sehingga diperlukan adanya klasifikasi kelayakan calon kredit guna mengetahui variabel yang berpengaruh dalam menentukan kelayakan calon kredit. Algoritma klasifikasi yang digunakan adalah Decision Tree C4.5 dengan menggunakan fitur seleksi yaitu Forward Selection. Algoritma Decsiion Tree C4.5 suatu algoritma pembelajaran mesin yang digunakan untuk membuat model pohon keputusan dari data latihan (data train). Forward Selection merupakan pendekatan pembungkus yang umumnya digunakan, dimulai dengan himpunan fitur kosong dan secara iteratif menambahkan fitur yang tidak digunakan Berdasarkan hasil yang didapatkan, tingkat akurasi yang dihasilkan oleh Algoritma Decision Tree C4.5 sebesar 71 sedangkan Algoritma Decision Tree C4.5 Berbasis Forward Selection sebesar 78%. Dengan hasil tersebut, dapat disimpulkan fitur seleksi Forward Selection dapat diimplementasikan pada Algoritma Decision Tree C4.5 dan dapat meningkatkan tingkat akurasi sebesar 7%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Kredit Rumah, Klasifikasi, Decision Tree, Forward Selection | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer | ||
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 08 Jan 2024 04:50 | ||
| Last Modified: | 08 Jan 2024 04:50 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/23398 |
Actions (login required)
 |
View Item |