MODEL MACHINE LEARNING UNTUK ANALISIS SCORE CREDIT NASABAH BANK MENGGUNAKAN ALGORITMA DECISION TREE

Wibisono, Satrio (2024) MODEL MACHINE LEARNING UNTUK ANALISIS SCORE CREDIT NASABAH BANK MENGGUNAKAN ALGORITMA DECISION TREE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (129kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (519kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (378kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (237kB)
	Text (BAB V) BAB V.pdf Download (41kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (122kB)
	Archive (SOURCE CODE) Sourcecode - 20.11.3354.zip Restricted to Repository staff only Download (576kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (763kB)

Abstract

Pinjaman kredit ke bank sering kali dilakukan oleh masyarakat untuk modal usaha atau hal lainnya. Namun bank tidak serta merta memberikan kredit kepada seseorang atau nasabah, bank harus melihat terlebih dahulu rekam jejak orang atau nasabah tersebut mengenai nilai kredit, bangunan yang dimiliki, nilai pendapatan, dan properti. Bank-bank di Indonesia memang mempunyai ciri khas tersendiri dalam franchisenya masing-masing, ada pula bank yang dikenal hanya sebagai wadah simpanan dan pinjaman kecil-kecilan bagi usaha kecil, dan ada pula bank yang menjadi tempat para investor karena memang nilai sahamnya tinggi, dan bank biasa seperti itu mampu meminjam dana dalam jumlah besar untuk pengusaha. Penelitian ini bertujuan menguji algoritma Decision Tree untuk melihat hasil analisis skor kredit bank. Lalu hasil keluarannya adalah nilai akurasi, konfusi matriks, recall, dan f1_score. Hasil yang diperoleh dari penelitian ini menunjukkan bahwa dengan menggunakan algoritma Decision Tree mendapatkan nilai akurasi sebesar 94%, presisi sebesar 94%, recall sebesar 99%, F1-Score 96% dan penerapan teknik SMOTE memperoleh hasil yang sama dengan tidak menggunakan SMOTE. Hasil yang ditunjukkan algoritma Decision Tree memberikan hasil yang cukup baik, karena hasil akurasinya diatas 80% yang cocok digunakan sebagai algoritma pengukuran nilai kredit dengan menggunakan teknik klasifikasi. Namun di beberapa sektor menggunakan teknik SMOTE, algoritma terlihat bingung untuk proses klasifikasinya, ini bisa terjadi antara dataset yang buruk atau proses pengerjaannya yang kurang optimal.

Actions (login required)

View Item