Skripsi PENERAPAN PARTICLE SWARM OPTIMIZATION UNTUK SELEKSI ATRIBUT PADA METODE SUPPORT VECTOR MACHINE UNTUK PENENTUAN PENILAIAN KREDIT
Kredit macet merupakan salah satu risiko kredit yang dihadapi oleh pelaku industri keuangan dan perbankan. Kredit macet dapat dihindari dengan cara melakukan analisa kredit yang akurat terhadap calon debitur. Keakuratan penilaian kredit sangat penting untuk profitabilitas lembaga keuangan.
Pentingnya Seleksi Atribut dalam Penilaian Kredit
Peningkatan akurasi penilaian kredit dapat dilakukan dengan cara melakukan seleksi terhadap atribut. Seleksi atribut mengurangi dimensi dari data sehingga operasi algoritma data mining dapat berjalan lebih efektif dan lebih cepat. Banyak penelitian yang telah dilakukan untuk penentuan penilaian kredit, dan salah satu metode yang paling banyak digunakan adalah metode support vector machine.
Metode Support Vector Machine
Support vector machine (SVM) adalah salah satu teknik yang populer digunakan dalam penilaian kredit. Dalam penelitian ini, metode SVM digunakan dan dilakukan seleksi atribut dengan menggunakan particle swarm optimization (PSO) untuk penentuan penilaian kredit.
Hasil Pengujian Awal dengan Support Vector Machine
Setelah dilakukan pengujian, hasil yang didapat menunjukkan bahwa support vector machine menghasilkan nilai akurasi sebesar 75,3%, nilai precision 63,29%, dan nilai AUC sebesar 0,78.
Seleksi Atribut dengan Particle Swarm Optimization
Kemudian dilakukan seleksi atribut dengan menggunakan particle swarm optimization. Dari 20 variabel prediktor, terpilih 15 atribut yang digunakan. Seleksi atribut ini bertujuan untuk meningkatkan kinerja algoritma SVM.
Hasil Pengujian Setelah Seleksi Atribut
Hasil menunjukkan nilai akurasi yang lebih tinggi yaitu sebesar 77,4%, nilai precision 66,62%, dan nilai AUC sebesar 0,786. Dengan demikian, terdapat peningkatan akurasi sebesar 2,1% dan peningkatan AUC sebesar 0,006.
Kesimpulan dan Implikasi
Dengan melihat nilai akurasi dan AUC, algoritma support vector machines berbasis particle swarm optimization dapat dikategorikan sebagai klasifikasi yang cukup baik. Metode ini menunjukkan peningkatan kinerja setelah dilakukan seleksi atribut, yang membuktikan bahwa seleksi atribut memiliki peran penting dalam meningkatkan akurasi penilaian kredit.
Pentingnya Implementasi dalam Industri Keuangan
Implementasi metode ini dalam industri keuangan dapat membantu lembaga keuangan dalam mengurangi risiko kredit macet dengan lebih efektif. Analisa kredit yang lebih akurat dapat meningkatkan profitabilitas dan stabilitas lembaga keuangan.
Rp. 100.000
Cara Mendapatkan File Lengkap
- Request file
- Melakukan pembayaran
- File akan dikirim ke alamat email Anda atau Whatsapp maksimal 1 x 24 jam setelah konfirmasi pembayaran.
Skripsi, Tesis dan Disertasi Terbaru dari Beragam Kategori
Sumber inspirasi dan referensi terbaik untuk menyusun Skripsi, Tesis dan Disertasi Anda.
Disukai oleh para mahasiswa dan Alumni berbagai perguruan tinggi dari seluruh Indonesia.
"Skripsi.co.id benar-benar membantu saya menemukan referensi yang tepat untuk skripsi saya. Pelayanan yang luar biasa!"
"Referensi yang diberikan sangat lengkap dan berkualitas. Skripsi saya menjadi lebih mudah disusun."
"Layanan cepat dan sangat membantu. Saya sangat merekomendasikan Skripsi.co.id!"
"Skripsi.co.id menyediakan referensi yang sangat up-to-date dan relevan dengan topik saya."
"Sangat puas dengan layanan dan koleksi referensi skripsi yang disediakan."
"Proses pencarian referensi di Skripsi.co.id sangat mudah dan efisien."
"Membantu sekali dalam menyusun skripsi dengan referensi yang lengkap dan terpercaya."
"Skripsi.co.id adalah solusi terbaik untuk mahasiswa yang kesulitan mencari referensi skripsi."
"Layanan luar biasa dengan koleksi referensi yang sangat membantu."
"Sangat membantu dalam menemukan referensi yang sesuai dengan topik skripsi saya."
"Skripsi.co.id memberikan pelayanan terbaik dengan referensi yang lengkap dan berkualitas."
"Saya sangat merekomendasikan Skripsi.co.id untuk mahasiswa yang mencari referensi skripsi."
