Skripsi

Analisis klasifikasi risiko kredit dengan model k-nearest neighbour dan decision tree berdasarkan skor kredit / Andhika Maulana Nayottama

Abstrak
Kredit adalah layanan pinjaman yang disediakan oleh bank atau lembaga keuangan kepada nasabah baik dalam bentuk tunai maupun non-tunai. Pihak yang memberikan pinjaman disebut kreditor sementara pihak yang menerima pinjaman disebut debitor. Fungsi utama kredit adalah untuk mendukung individu atau perusahaan yang membutuhkan dana serta mendorong pertumbuhan ekonomi dengan menyediakan modal yang diperlukan untuk berbagai aktivitas ekonomi. Selain itu kredit merupakan salah satu sumber pendapatan utama bagi bank melalui bunga yang dikenakan pada pinjaman. Penelitian ini menitikberatkan pada penerapan teknik data mining seperti K-Nearest Neighbors (KNN) dan Decision Tree dalam analisis risiko kredit untuk mengklasifikasikan FICO score. Hasil penelitian diharapkan dapat menerapkan algoritma pada klasifikasi skor kredit dan membandingkan hasil Confusion Matrix yang mencakup metrik seperti Accuracy Precision dan Recall. Hasil menunjukkan bahwa model k-nearest neighbor memiliki akurasi yang lebih tinggi (84 29%) dibandingkan decision tree (79 62%). Analisis korelasi menunjukkan bahwa atribut revol.util memiliki hubungan yang kuat dengan FICO score sehingga dapat menjadi indikator yang baik untuk menentukan risiko kredit. Dari hasil ini dapat disimpulkan bahwa algoritma K-Nearest Neighbors (KNN) lebih unggul dalam klasifikasi FICO score dibandingkan dengan algoritma Decision Tree berdasarkan nilai akurasi presisi dan recall yang lebih tinggi.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2024.

Deskripsi Fisik

xv, 32 hlm. : ilus.

Bahasa

Indonesia

No Reg

4768/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

1. RISIKO KREDIT
2. K-NEAREST NEIGHBOUR
3. DECISION TREE - SKOR KREDIT
4. CREDIT RISK

Pembimbing

1. Triyanna Widiyaningtyas, M.T.

Lampiran Berkas