Perbandingan Algortiman XGBoost dan SVM pada Credit Scoring untuk Menentukan Kelayakan Nasabah

fauzan, kaisar (2024) Perbandingan Algortiman XGBoost dan SVM pada Credit Scoring untuk Menentukan Kelayakan Nasabah. Undergraduate thesis, Universitas Pembangunan Nasional "Veteran" Jawa Timur.

	Text (Cover) 20081010142_cover.pdf Download (2MB)
	Text (Bab 1) 20081010142_bab 1.pdf Download (1MB)
	Text (Bab 2) 20081010142_bab 2.pdf Restricted to Registered users only until 26 August 2027. Download (3MB)
	Text (Bab 3) 20081010142_bab 3.pdf Restricted to Registered users only until 26 August 2027. Download (4MB)
	Text (Bab 4) 20081010142_bab 4.pdf Restricted to Registered users only until 26 August 2027. Download (6MB)
	Text (Bab 5) 20081010142_bab 5.pdf Download (261kB)
	Text (Daftar pustaka) 20081010142_daftar pustaka.pdf Download (898kB)

Abstract

Credit Scoring digunakan untuk menentukan kelayakan nasabah dalam mengajukan pinjaman pada lembaga atau instansi yang menyediakannya. Credit Scoring akan menentukan apakah nasabah layak untuk melakukan pinjaman Beberapa penelitian telah dilakukan guna mengetahui kelayakan nasabah yang melakukan pinjaman dengan menggunakan sistem credit scoring. Penelitian ini bertujuan untuk mengetahui persentase nasabah yang layak dan tidak layak diberikan pinjaman oleh bank. Sejalan dengan itu, penelitian ini menggunakan dataset yang berasal dari perusahaan Home Credit Indonesia, dataset ini diperoleh dari situs open source yang bernama Kaggle. Pada kesempatan ini, peneliti menggunakan beberapa metode, yakni CRISPDM, XGBoost, dan SVM. Penggunaan CRISP-DM pada penelitian ini berguna untuk membantu peneliti dalam melakukan analisis data dengan lebih efektif dan teratur. Sedangkan, penggunaan XGBoost berguna untuk menghasilkan insight dengan akurasi yang tinggi dan pengolahan data dengan jumlah yang besar namun waktu yang dibutuhkan relatif cepat. Selain itu, penggunaan SVM berguna untuk menggeneralisasi suatu data dengan baik serta menghindari masalah overfitting pada saat klasifikasinya. Selain itu, pada penelitian ini menghasilkan beberapa insight yang berkaitan dengan credit scoring serta menghasilkan kelayakan dari seorang nasabah yang melakukan peminjaman. Selain itu, untuk evaluasi terhadap hasil klasifikasi beserta tren menggunakanConfusion Matrix dan ROC AUC. Untuk akurasi dengan menggunakan algoritma SVM sebesar 70.88%, precision 63.91%, recall 95.89%, ROC-AUC 51.21%. untuk akurasi menggunakan XGBoost sebesar 93.01%, precision 97.88%, recall 91.08%, ROC_AUC 96.71%

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Mas Diyasa, I Gede Susrama	NIDN0019067008	igsusrama.if@upnjatim.ac.id
Thesis advisor	Puspaningrum, Eva Yulia	NIDN0005078908	evapuspaningrum.if@upnjatim.ac.id

Subjects:

T Technology > T Technology (General) > T58.6-58.62 Management Information Systems

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

Kaisar Fauzan

Date Deposited:

26 Aug 2024 07:03

Last Modified:

26 Aug 2024 07:03

URI:

https://repository.upnjatim.ac.id/id/eprint/28610