Analisa Kelayakan Pemberian Kredit Mobil Dengan Menggunakan Metode Neural Network Model Radial Basis Function

Analisa Kelayakan Pemberian Kredit Mobil Dengan Menggunakan Metode Neural Network Model Radial Basis Function

• By Amrin, Amrin;
• Dokumen Institusi
• 314

Permasalahan yang sering dihadapi dalam pemberian kredit mobil adalah menentukan keputusan pemberian kredit kepada seorang calon debitur, sedangkan permasalahan yang lain adalah  tidak semua pembayaran kredit mobil oleh debitur dapat berjalan dengan baik. Diantara penyebabnya adalah kesalahan penilaian dalam membuat keputusan kredit. pada penelitian ini akan digunakan metode  neural network  model  radial basic function  untuk menilai kelayakan pemberian kredit mobil. Dari hasil pengujian untuk mengukur performa dari model menggunakan metode pengujian  Confusion Matrix  dan Kurva ROC, diketahui bahwa metode neural network radial basic function memiliki tingkat  akurasi 89,2% dan dengan nilai area under the curva (AUC) sebesar 0,947. Hal ini menunjukkan bahwa model yang dihasilkan  termasuk katagori klasifikasi  sangat baik karena memiliki nilai AUC antara 0.90-1.00.

• Katakunci
• URL https://ejournal.bsi.ac.id/ejurnal/index.php/paradigma/article/view/2283/1614
• Penerbit ,

REFERENSI

Alpaydin, Ethem.  Introduction to Machine Learning. London: The MIT Press., 2010. 

Gorunescu, Florin.  Data Mining: Concepts Models, and Techniques. Verlag Berlin Heidelberg: Springer, 2011. 

Han, J., & Kamber, M. Data Mining Concept and Tehniques. San Fransisco: Morgan Kauffman, 2006. 

Kusrini, &Luthfi, E. T.  Algoritma Data Mining Yogyakarta: Andi Publishing, 2009. 

Kusumadewi, Sri.  Pengantar Jaringan Syaraf Tiruan. Yogyakarta: Teknik Informatika FT UII, 2010. 

Larose, D. T.  Discovering Knowledge in Data New Jersey: John Willey & Sons, Inc. 2005. 

Purnomo, Mauridhi Hery, & Kurniawan, Agus Purnomo, Mauridhi Supervised Neural Networks dan Aplikasinya. Yogyakarta Graha Ilmu, 2006. 

Puspitaningrum, Diyah.  Pengantar Jaringan Syaraf Tiruan. Yogyakarta: Andi Offset, 2006. 

Santosa, Budi.  Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis Yogyakarta: Graha Ilmu, 2007. 

Shukla, A., Tiwari, R., & Kala, R.  Real Life Applications of Soft Computing. United States of America : Taylor and Francis Group, LLC., 2010. 

Sogala, Satchidananda S.  Comparing the Efficacy of the Decision Trees with Logistic Regression for Credit Risk Analysis India, 2006. 

Subekti, Sri Ayu, Lilik Linawati, Adi Setiawan “Penggunaan Metode Fuzzy Mamdan Dan Sugeno Untuk Pengambilan Keputusan Dalam Analisis Kredit.” Seminar Nasional Matematika Dan Pendidikan Matematika. Yogyakarta Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta, 2013. 

Sumathi, & S., Sivanandam, S.N.  Introduction to Data Mining and its Applications. Berlin Heidelberg New York: Springer, 2006. 

Sutikno, Tole, Ardi Pujianta, Yuni Tri Supanti. “Prediksi  Resiko Kredit Dengan  Jaringan Syaraf Tiruan Backpropagation.” Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007). Yogyakarta: 

Universitas Ahmad Dahlan, 2007. 73-76. Venkatesan,  P  ,  &  Anitha,  S.  “Application  of  a Radial Basis Function Neural Network for Diagnosis  of  Diabetes Mellitus.”  Current Science, Vol. 91, NO.9  (2006): 1195-1199. 

Vercellis, Carlo. Business Intelligent: Data Mining and Optimization for Decision Making. Southern Gate, Chichester, West Sussex: John Willey & Sons, Ltd. Southern Gate, Chichester, West Sussex: John Willey & Sons, Ltd.: Vercellis, Carlo (2009). 

Business Intelligent:  Data Mining and OpJohn Willey & Sons, Ltd., 2009. 

Witten, I. H., Frank, E., & Hall, M. A.  Data Mining: Practical Machine Learning and Tools. Burlington: Morgan Kaufmann Publisher, 2011.