Skripsi
KLASIFIKASI TINGKAT RISIKO KREDIT MENGGUNAKAN FUZZY DECISION TREE BERDASARKAN K-FOLD CROSS VALIDATION
Peranan kredit cukup dominan pada suatu negara yang sedang berkembang dalam rangka mengembangkan potensi ekonomi. Namun sebelum pemberian kredit, keakuratan penilaian awal calon debitur perlu dilakukan untuk mengurangi risiko kredit macet. Dengan mengusulkan metode klasifikasi data mining yang efektif diperkirakan dapat memprediksi calon peminjam mana yang berhak mendapatkan pinjaman. Penelitian ini memiliki tujuan untuk mengklasifikasikan tingkat risiko kredit dengan menggunakan sampling k-fold cross validation pada metode fuzzy decision tree dengan algoritma C4.5 yang menggabungkan teori himpunan fuzzy dan decision tree C4.5. Data yang digunakan dalam penelitian ini sebanyak 30000 data dengan 24 variabel, dimana terdapat 9 variabel kategorik, 14 variabel prediktor dan 1 variabel respon. Dengan menggunakan 10 fold cross validation menghasilkan 1 fold sebagai data test dan 9 fold data train. Pada tahapan klasifikasi diperoleh bahwa variabel Payment 1 mempunyai pengaruh yang lebih besar dibandingkan variabel lainnya sehingga Payment 1 dijadikan sebagai root node. Penelitian ini menghasilkan rata-rata persentase nilai accuracy sebesar 82,06%, precision sebesar 68,44%, recall sebesar 34,69%, dan fscore sebesar 45,97%.
Inventory Code | Barcode | Call Number | Location | Status |
---|---|---|---|---|
2307004928 | T127377 | T1273772023 | Central Library (Referens) | Available but not for loan - Not for Loan |
No other version available