SHMPUBLISHERSHMPUBLISHER

Journal of Soft Computing ExplorationJournal of Soft Computing Exploration

Untuk mengurangi risiko kredit pada lembaga kredit, praktik manajemen risiko kredit perlu diterapkan agar lembaga pemberi pinjaman dapat bertahan dalam jangka panjang. Data mining merupakan salah satu teknik yang digunakan untuk manajemen risiko kredit, di mana data mining dapat menemukan pola informasi dari data besar menggunakan teknik klasifikasi dengan tingkat akurasi yang dihasilkan. Penelitian ini bertujuan meningkatkan akurasi algoritma klasifikasi dalam memprediksi risiko kredit dengan menerapkan algoritma genetik sebagai metode seleksi fitur terbaik. Dengan demikian, fitur paling penting akan digunakan untuk mencari informasi risiko kredit. Penelitian ini menerapkan metode klasifikasi menggunakan classifier XGBoost pada dataset kredit Australia, kemudian melakukan evaluasi dengan mengukur tingkat akurasi dan AUC. Hasil menunjukkan peningkatan akurasi sebesar 2,24%, dengan nilai akurasi 89,93% setelah optimasi menggunakan algoritma genetik. Jadi, melalui penelitian seleksi fitur dengan algoritma genetik, kami dapat meningkatkan kinerja akurasi algoritma XGBoost pada dataset kredit Australia.

Berdasarkan penelitian ini yang bertujuan memberikan rekomendasi untuk model prediksi risiko kredit, yang termasuk dalam teknik data mining untuk manajemen risiko kredit, probabilitas gagal bayar telah dianalisis.Penerapan algoritma genetik sebagai metode seleksi fitur berhasil meningkatkan nilai akurasi model klasifikasi XGBoost sebesar 2,24% dalam memprediksi risiko kredit pada dataset kredit Australia.Sebagai penelitian lanjutan, studi prediksi risiko kredit dapat dilanjutkan dengan mengoptimalkan algoritma genetik melalui penyetelan hyperparameter serta menguji dataset kredit lain.

Penelitian selanjutnya dapat mengeksplorasi pertanyaan: bagaimana dampak penggunaan teknik augmentasi data selain SMOTE, seperti ADASYN atau Borderline‑SMOTE, terhadap kinerja XGBoost yang telah dioptimalkan dengan seleksi fitur berbasis algoritma genetik pada dataset kredit yang tidak seimbang? Selain itu, dapat diteliti apakah integrasi algoritma genetik dengan metode optimasi lain, misalnya Particle Swarm Optimization atau Bayesian Optimization, dalam proses penyetelan hyperparameter XGBoost dapat menghasilkan peningkatan akurasi yang lebih signifikan dibandingkan pendekatan GA tunggal. Selanjutnya, penting untuk menguji generalisasi model dengan menerapkan kerangka kerja ini pada kumpulan data kredit dari berbagai negara atau sektor finansial, sehingga dapat dievaluasi keandalan dan adaptabilitas metode dalam konteks regulasi dan karakteristik data yang beragam. Evaluasi komprehensif termasuk analisis biaya komputasi dan interpretabilitas model juga perlu dipertimbangkan guna memastikan solusi yang praktis bagi institusi keuangan.

  1. Comparative Study of Imbalanced Data Oversampling Techniques for Peer-to-Peer Landing Loan Prediction... journal.unnes.ac.id/nju/sji/article/view/50274Comparative Study of Imbalanced Data Oversampling Techniques for Peer to Peer Landing Loan Prediction journal unnes ac nju sji article view 50274
  2. Company bankruptcy prediction framework based on the most influential features using XGBoost and stacking... doi.org/10.11591/ijece.v11i6.pp5549-5557Company bankruptcy prediction framework based on the most influential features using XGBoost and stacking doi 10 11591 ijece v11i6 pp5549 5557
  3. Using genetic algorithm feature selection to optimize XGBoost performance in Australian credit | Journal... shmpublisher.com/index.php/joscex/article/view/302Using genetic algorithm feature selection to optimize XGBoost performance in Australian credit Journal shmpublisher index php joscex article view 302
  1. #real time#real time
  2. #akurasi model#akurasi model
Read online
File size220.88 KB
Pages7
Short Linkhttps://juris.id/p-2Nq
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test