BSIBSI
IMTechno: Journal of Industrial Management and TechnologyIMTechno: Journal of Industrial Management and TechnologyPenggunaan kredit telah menjadi fenomena yang meluas di masyarakat, namun di balik popularitasnya terdapat risiko signifikan berupa peningkatan kredit macet. Masalah ini sering kali berakar pada histori pengelolaan keuangan yang buruk, di mana kegagalan nasabah untuk memenuhi kewajiban pembayaran utang secara langsung meningkatkan risiko kredit bagi lembaga pemberi pinjaman. Untuk mengatasi tantangan ini, penelitian ini mengimplementasikan dan membandingkan dua model klasifikasi untuk menilai kelayakan kredit yaitu algoritma Decision Tree C4.5 dan C4.5 yang dioptimasi dengan teknik seleksi fitur Backward Elimination. Menggunakan dataset 481 catatan kredit kendaraan yang diklasifikasikan sebagai baik dan buruk, model ini dikembangkan dengan sebelas variabel independen, termasuk status tanggungan, usia, pendidikan, pekerjaan, pendapatan, dan uang muka. Hasil pengujian menunjukkan bahwa model C4.5 tanpa optimasi mencapai akurasi sebesar 91,90% dengan nilai Area Under Curve (AUC) 0,915. Sebaliknya, model yang mengintegrasikan Backward Elimination menunjukkan peningkatan kinerja yang signifikan, dengan akurasi mencapai 94,80% dan AUC sebesar 0,973. Temuan ini mengkonfirmasi bahwa penerapan optimasi Backward Elimination secara efektif meningkatkan kemampuan prediktif model klasifikasi kelayakan kredit.
Berdasarkan hasil penelitian dan pengujian, model Decision Tree C4.5 tanpa penerapan backward elimination menghasilkan akurasi sebesar 91,90% dengan nilai area under the curve (AUC) sebesar 0,915 dalam menilai kelayakan kredit.5 yang dioptimasi menggunakan backward elimination mencapai akurasi 94,80% dengan AUC sebesar 0,973.Temuan ini menunjukkan bahwa penggunaan backward elimination mampu meningkatkan kinerja metode klasifikasi tersebut.
Untuk penelitian lanjutan, disarankan untuk mengeksplorasi teknik seleksi fitur lainnya selain Backward Elimination, seperti Forward Selection atau metode-metode lain yang belum dieksplorasi secara mendalam. Selain itu, dapat dilakukan penelitian lebih lanjut tentang bagaimana teknik seleksi fitur ini dapat diterapkan pada algoritma-algoritma klasifikasi lainnya, seperti Support Vector Machine (SVM) atau k-Nearest Neighbor (k-NN), untuk meningkatkan akurasi dan efisiensi model prediksi kredit. Terakhir, penelitian juga dapat dilakukan untuk menguji efektivitas teknik seleksi fitur ini pada dataset yang lebih besar dan beragam, serta menganalisis bagaimana kinerja model dapat ditingkatkan lebih lanjut dengan mengoptimalkan parameter-parameter lain dalam algoritma Decision Tree C4.5.
- Analysis of Data Mining Applications for Determining Credit Eligibility Using Classification Algorithms... doi.org/10.59888/ajosh.v1i12.119Analysis of Data Mining Applications for Determining Credit Eligibility Using Classification Algorithms doi 10 59888 ajosh v1i12 119
- Implementation of Logistic Regression Classification Algorithm and Support Vector Machine for Credit... ojs.uma.ac.id/index.php/jite/article/view/6220Implementation of Logistic Regression Classification Algorithm and Support Vector Machine for Credit ojs uma ac index php jite article view 6220
- Sistem Pendukung Keputusan Kelayakan Pemberian Kredit Nasabah Dengan Metode Electre | Bulletin of Information... doi.org/10.47065/bit.v4i2.690Sistem Pendukung Keputusan Kelayakan Pemberian Kredit Nasabah Dengan Metode Electre Bulletin of Information doi 10 47065 bit v4i2 690
| File size | 286.22 KB |
| Pages | 5 |
| DMCA | Report |
Related /
BSIBSI Sistem pendeteksi gempa bumi berbasis Internet of Things (IoT) berhasil dikembangkan menggunakan sensor ADXL345, modul GPS Neo-6M, dan mikrokontroler ESP32Sistem pendeteksi gempa bumi berbasis Internet of Things (IoT) berhasil dikembangkan menggunakan sensor ADXL345, modul GPS Neo-6M, dan mikrokontroler ESP32
BSIBSI Hasil penelitian ini menunjukkan bahwa untuk memprediksi anxiety disorder menggunakan Long Short-Term Memory (LSTM) lebih unggul daripada Support VectorHasil penelitian ini menunjukkan bahwa untuk memprediksi anxiety disorder menggunakan Long Short-Term Memory (LSTM) lebih unggul daripada Support Vector
BSIBSI Penelitian ini bertujuan untuk menciptakan sebuah inovasi yaitu merancang dan mengembangkan media pembelajaran interaktif sebagai media pendukung untukPenelitian ini bertujuan untuk menciptakan sebuah inovasi yaitu merancang dan mengembangkan media pembelajaran interaktif sebagai media pendukung untuk
BSIBSI Peneliti menarik Kesimpulan bahwa penggunaan seleksi fitur menggunakan forward selection dapat berkontribusi meningkatkan algoritma naïve bayes dalamPeneliti menarik Kesimpulan bahwa penggunaan seleksi fitur menggunakan forward selection dapat berkontribusi meningkatkan algoritma naïve bayes dalam
BSIBSI Sistem dapat mendeteksi wajah pada jarak 30 cm dan 100 cm dengan skor identik sekaligus mengenali variasi orientasi wajah, sekaligus membedakan wajah terhalangSistem dapat mendeteksi wajah pada jarak 30 cm dan 100 cm dengan skor identik sekaligus mengenali variasi orientasi wajah, sekaligus membedakan wajah terhalang
BSIBSI Dengan demikian, aplikasi ini diharapkan dapat menjadi solusi digital yang praktis bagi UMKM dalam menjalankan kegiatan bisnis sehari-hari. PenelitianDengan demikian, aplikasi ini diharapkan dapat menjadi solusi digital yang praktis bagi UMKM dalam menjalankan kegiatan bisnis sehari-hari. Penelitian
PORTALPUBLIKASIPORTALPUBLIKASI Sebaliknya, efisiensi yang baik dalam pengelolaan kredit dan biaya operasional akan berdampak positif terhadap peningkatan laba operasional. BerdasarkanSebaliknya, efisiensi yang baik dalam pengelolaan kredit dan biaya operasional akan berdampak positif terhadap peningkatan laba operasional. Berdasarkan
UEUUEU (2) Debt to Equity Ratio berpengaruh positif dan tidak signifikan terhadap Return On Equity. (3) Loan to Deposit Ratio (LDR) dan Debt to Equity Ratio (DER)(2) Debt to Equity Ratio berpengaruh positif dan tidak signifikan terhadap Return On Equity. (3) Loan to Deposit Ratio (LDR) dan Debt to Equity Ratio (DER)
Useful /
BSIBSI The author divided the dataset into training data and testing data, 75% as training data and 25% as testing data, using 10-Fold Cross-Validation on trainingThe author divided the dataset into training data and testing data, 75% as training data and 25% as testing data, using 10-Fold Cross-Validation on training
BSIBSI Namun Aksara Jawa kini mulai enggan dipelajari, mengingat Aksara Jawa tergolong materi yang sulit bagi kebanyakan siswa. Sistem pembelajaran yang monotonNamun Aksara Jawa kini mulai enggan dipelajari, mengingat Aksara Jawa tergolong materi yang sulit bagi kebanyakan siswa. Sistem pembelajaran yang monoton
BSIBSI Selain itu, beban kerja juga terbukti memberikan pengaruh yang signifikan terhadap kinerja pegawai. Secara bersama-sama, kedua variabel tersebut berkontribusiSelain itu, beban kerja juga terbukti memberikan pengaruh yang signifikan terhadap kinerja pegawai. Secara bersama-sama, kedua variabel tersebut berkontribusi
STIFERASTIFERA subtilis) dan Gram negatif (P. aeruginosa, E. coli, S. typhi), mengetahui seberapa besar aktivitas antibakteri yang ditimbulkan fraksi tersebut terhadapsubtilis) dan Gram negatif (P. aeruginosa, E. coli, S. typhi), mengetahui seberapa besar aktivitas antibakteri yang ditimbulkan fraksi tersebut terhadap