Analisis Penentuan Resiko Kredit Menggunakan Algoritma C.5.0

Abstract

Risk rating atau pemeringkatan resiko merupakan salah satu cara pelabelan resiko kredit pada data, dimana label ini mencerminkan tingkat resiko dan kemampuan seorang nasabah atau perusahaan memenuhi kewajiban tanggungan keuangan. Lembaga perbankan ataupun koperasi terkadang membutuhkan waktu lama untuk melakukan pelabelan data baru, memperbarui label pada data lama dan menjadikannya dasar pengambilan keputusan pada penelitian ini melakukan pemodelan untuk memprediksi nilai risk rating atau pemeringkatan resiko kredit sehingga dapat dijadikan basis pengambilan keputusan terhadap proses pengajuan pinjaman baru. Tahapan yang dilakukan terdiri dari 3 tahap yaitu persiapan data, pemodelan menggunakan algoritma C.5.0 dan analisis hasil pemodelan. Dari evaluasi hasil algoritma C.5.0 pemodelan yang dibentuk untuk klasifikasi atau prediksi resiko kredit tetap memiliki tingkat kesalahan sebesar 24%, sehingga model yang dihasilkan cukup layak digunakan. Dari hasil cofussion matrix dapat disimpulkan jika perpotongan kolom dan baris jatuh pada label yang sama maka klasifikasi dari model tersebut benar, namun jika labelnya berbeda maka klasifikasinya salah. Selain itu dari tampilan cofussion matrix bisa dilihat jika angka dengan diagonal ke kanan bawah menunjukkan data dengan prediksi yang benar dari model karena berpotongan pada label yang sama.

Analisis Klasifikasi Dataset Indeks Standar Pencemaran Udara (Ispu) Di Masa Pandemi Menggunakan Algoritma Support Vector Machine (Svm)

“…Referensi yang berkaitan dengan penelitian ini seperti berikut Analisis Kualitas Udara Menggunakan Algoritma K-Means mendapatkan hasil pengujian monitoring sensor gas menghasilkan nilai accuracy, sensitivity, specificity, precision dan recall sebesar 77,78 % [5]. Referensi tentang ANALISIS DAN KOMPARASI ALGORITMA KLASIFIKASI DALAM INDEKS PENCEMARAN UDARA DI DKI https://ojs.uniska-bjm.ac.id/index.php/JIT JAKARTA, bahwa Neural Network Backpropagation, K-Nearest Neighbors, Support Vector Machine, dan Naive Bayes juga masih dapat digunakan sebagai model klasifikasi yang baik karena mendapatkan nilai akurasi yang tinggi di atas 90% dan nilai kappa di atas 0.8 dan nilai RMSE di bawah 0.3 [4].…”