Implementasi Jaringan Syaraf Tiruan Dengan Multilayer Perceptron Untuk Analisa Pemberian Kredit

Implementasi Jaringan Syaraf Tiruan Dengan Multilayer Perceptron Untuk Analisa Pemberian Kredit

• By Amrin, Amrin; Satriadi, Irawan;
• Dokumen Institusi
• 321

Permasalahan yang sering dihadapi dalam pemberian kredit adalah menentukan keputusan pemberian kredit kepada seorang calon debitur, sedangkan permasalahan yang lain adalah  tidak semua pembayaran kredit oleh debitur dapat berjalan dengan baik. Diantara penyebabnya adalah kesalahan penilaian dalam membuat keputusan kredit. pada penelitian ini akan digunakan metode neural network model multilayer perceptron untuk menilai kelayakan pemberian kredit. Dari hasil pengujian untuk mengukur performa dari model menggunakan metode pengujian Confusion Matrix dan Kurva ROC, diketahui bahwa metode neural network multilayer perceptron memiliki tingkat  akurasi 96,1% dan dengan nilai area under the curva (AUC) sebesar 0,999. Hal ini menunjukkan bahwa model yang dihasilkan  termasuk katagori klasifikasi  sangat baik karena memiliki nilai AUC antara 0.90-1.00. 

• Katakunci
• URL https://ejurnal.stmik-budidarma.ac.id/index.php/jurikom/article/view/1006/1000
• Penerbit ,

REFERENSI

Alpaydin, E. (2010). Introduction to Machine Learning. London: The MIT Press. 

Amrin, A. (2017). Analisa Kelayakan Pemberian Kredit Mobil Dengan Menggunakan Metode Neural Network Model Radial Basis Function. 

Paradigma, 19(102), 1410–5063. Retrieved from http://ejournal.bsi.ac.id/ejurnal/index.php/paradigma/article/view/2283 

Gorunescu, F. (2011). Data Mining: Concepts, Models, and Techniques. Verlag Berlin Heidelberg: Springer. 

Han, J., & Kamber, M. (2006). Data Mining: Concepts and Techniques.  Soft Computing  (Vol. 54). San Fransisco: Morgan Kauffman. https://doi.org/10.1007/978-3-642-19721-5 

Khotari. (2004). Data Mining Concepts and Technique. San Fransisco: Morgan Kauffman. 

Kusumadewi, S. (2010). Pengantar Jaringan Syaraf Tiruan. Yogyakarta: Teknik Informatika FT UII. 

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

Liao, T. W. (2007). Recent Advances in Data Mining of Enterprise Data: Algorithms and Application. Singapore: World Scientific Publishing. 

Maharani, M., Hasibuan, N. A., Silalahi, N., Nasution, S. D., Mesran, M., Suginam, S., … Yuhandri, Y. (2017). IMPLEMENTASI DATA 

MINING UNTUK PENGATURAN LAYOUT MINIMARKET DENGAN MENERAPKAN ASSOCIATION RULE.  Jurnal Riset Komputer (JURIKOM), 4(4), 6–11. Retrieved from https://www.researchgate.net/publication/312495968 

Puspitaningrum, D. (2006). Pengantar Jaringan Syaraf Tiruan. Yogyakarta: Andi Offset. 

Rivai, V., & Veithzal, A. P. (2006). Credit Management Handbook. Jakarta: Raja Grafindo Persada. 

Santosa, B. (2007). Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu. 

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

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

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

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

Widayu, H., Nasution, S. D., Silalahi, N., & Mesran, M. (2017). DATA MINING UNTUK MEMPREDIKSI JENIS TRANSAKSI NASABAH 

PADA KOPERASI SIMPAN PINJAM DENGAN ALGORITMA C4.5. MEDIA INFORMATIKA BUDIDARMA, 1(2). Retrieved from http://ejurnal.stmik-budidarma.ac.id/index.php/mib/article/view/323/273 

Windarto, A. P. (2017). Implementation of Data Mining on Rice Imports by Major Country of Origin Using Algorithm Using K-Means Clustering Method. International Journal of Artificial Intelligence Research, 1(2), 26. https://doi.org/10.29099/ijair.v1i2.17