Analisa Prediksi Kelayakan Pemberian Kredit Pinjaman dengan Metode Random Forest
DOI:
https://doi.org/10.25077/TEKNOSI.v7i2.2021.79-89Kata Kunci:
Random Forest, German Data Credit, Kelayakan KreditAbstrak
Perkembangan di Indonesia saat ini tidak terlepas dari pernanan lembaga keuangan dengan salah satunya adalah perbankan. Bank memiliki peran dalam meningkatkan pertumbuhan dan perkembangan suatu Negara [1]. Perbankan memiliki fungsi sebagai lembaga yang memiliki peran sentral dalam meningkatkan pertumbuhan ekonomi suatu Negara. Dalam melakukan analisa pemberian kredit perbankan harus memerhatikan Prinsip-prinsip pemberian kredit[3]. besar kecilnya tingkat kredit yang disalurkan oleh bank kepada pihak lain ataupun masyarakat dipengaruhi oleh beberapa faktor [4]. Data dalam jumlah besar pada perbankan khususya perkreditan tersebut dapat diolah menggunakan beberapa metode tertentu akan memberikan informasi baru yang dapat mendukung dan membantu perbankan mengambil keputusan atau kebjakan, salah satu kebijakannya adalah dapat memprediksi kelayakan kredit pinjaman secara dini untuk mengetahui nasabah yang layak atau tidak layak, atau menggunakan salah satu teknik melakukan prediksi yang dapat digunakan adalah dengan teknik penggalian data atau data mining menggunakan algoritma random forest. Penelitian ini bertujuan untuk mengetahui penerapan metode klasifikasi dengan algoritma random forest serta menganalisis hasil terbaik dari algoritma random forest pada setiap kreditur. Variable yang dianalisis adalah V1 sampai dengan V20 dilakukan menggunakan perangkat lunak R. Tahapan metode penelitian menggunakan CRIPS-DM. untuk tahap pelatihan menggunakan 70% data dan Pengujian menggunakan 30% data secara acak dari 1000 data. Hasil performa dari algoritma random forest tersebut yaitu memiliki tingkat akurasi sebesar 0,77 atau 77% sehingga termasuk pada kategori klasifikasi fair model.Referensi
Indriati, Vebian. Zuhroh, Idah. Susilowat, Dwi. 2018. Analisis penyaluran kredit modal kerja pada bank umum di Indonesia. Jurnal Ilmu Ekonomi,Vol 2 (3): 529-540. [2] Ramelda, Susi. 2017. Pengaruh suku bunga kredit dan produk domestik bruto terhadap penyaluran kredit perbankan bank umum pemerintah di indonesia, JOM Fekon Vol 4 (1). [3] Safitri, Yuliana. 2015. Analisis Kelayakan Pemberian Kredit Usaha Rakyat (KUR) pada PT. Bank Rakyat Indonesia (Persero) Tbk Unit Air Putih Cabang Samarinda. Fakultas EkonomiUniversitas 17 Agustus 1945 Samarinda. [4] Siringoringo, Renniwaty. 2017. Fungsi Intermediasi Perbankan Indonesia (Studi Kasus Bank Umum Konvensional yang Tercatat di BEI Periode 2012-2016), Jurnal Inspirasi Bisnis dan Manajemen, Vol 1 (2): 135-144 [5] Vanissa Wanika Siburian Ika Elvina Mulyana. 2018. Prediksi Harga Ponsel Menggunakan Metode Random Forest. Prosiding Annual Research Seminar 2018 Vol 4 (1). [6] Alfarobi, Ibnu. Tutupoly, Agasya, Taransa. Suryanto, Ade. 2018. Komparasi algoritma c4.5, naive bayes, dan random forest untuk klasifikasi data kelulusan mahasiswa jakarta [7] Hofmann, H. 2000. Statlog (German Credit Dataset) https://archive.ics.uci.edu/ml/machine-learning-databases/statlog/german diakses tanggal 15 Januari 2020 pukul 13.56 WIB [8] S. Pudaruth. 2014. Predicting the price of used cars using machine learning techniques. Int, J, Inf, Comput, Technol. Vol 4 (7). 753–764. [9] Rismayanti. 2018. Decision Tree Penentuan Masa Studi Mahasiswa Prodi Teknik Informatika (Studi Kasus: Fakultas Teknik dan Komputer Universitas Harapan Medan). Vol 2 (1) [10] Wahyudin. 2009. Metode Iterative Dischotomizer 3 (ID3) untuk Penyeleksian Penerimaan Mahasiswa Baru, Jurnal Pendidikan Teknologi Informasi dan Komunikasi(PTIK). Vol 1 (2): 5-15. [11] Suswanto, Deni. 2016. Analisis Perbandingan Metode Machine Learning Pada Prediksi Khasiat Jamu [Skripsi]. Jawa Barat (ID): Institut Pertanian Bogor. [12] Shannon, C.E. 2001. A mathematical theory of communication. Mobile Computing and Communications Review Vol 5 (1) . [13] Rahayu, Sri, Erna. Wahono, Satria, Romi. Supriyanto, Catur. 2015. Penerapan Metode Average Gain, Threshold Pruning dan Cost Complexity Pruning untuk Split Atribut pada Algoritma C4.5. Journal of Intelligent Systems, Vol 1 (2). [14] Nugroho, Sulistyo, Yusuf. Emiliyawati, Nova. 2017. Sistem Klasifikasi Variabel Tingkat Penerimaan Konsumen Terhadap Mobil Menggunakan Metode Random Forest. Jurnal Teknik Elektro Vol 9 (1) [15] Alpha P, A., & Oslan, Y. 2015. Program Bantu Pemilihan Pakaian dan Bahan Batik Bagi Konsumen dengan Pendekatan Decision Tree Studi Kasus : Toko InBATIK. Jurnal EKSIS Vol 8 (1): halaman 37-46 [16] Han, Jiawei., Micheline Kamber., & Jian Pei. 2012. Data Mining Concepts and Techniques. Elsevier Inc. [17] Zefriyenni. Yuliana, Ufi, Ira. 2016. Kebijakan Pemberian Kredit Terhadap Penetapan Jumlah Kredit (Studi Khasus Pada Ued-Sp Amanah Sejahtera Sungai Buluh kecamatansingingi Hilirkabupaten Kuantan Singingi Propinsi Riau). Penelitian Bidang Komputer Sains dan Pendidikan Informatika Vol 1 (1) : 72-80. [18] Bischl, Bernd et.all. 2016. Mlr : Machine Learning in R. Journal of Machine Learning Research. 17(2016) : 1-5
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 