AISYAH, SITI (2018) ANALISA DEFAULT KARTU KREDIT DENGAN MENGGUNAKAN ALGORITMA NEURAL NETWORK. Undergraduate thesis, UNISBANK SEMARANG.
PDF
Restricted to Repository staff only Download (2MB) |
Abstract
Abstraksi Penggunaan kartu kredit saat ini sudah banyak digunakan dikalangan masyarakat. Dengan menggunakan kartu kredit dapat memudahkan dalam bertransaksi, tapi sering salah kaprah dalam menggunakan kartu kredit, tanpa memperhatikan jangka waktu dan limit yang diberikan sehingga mengakibatkan default kartu kredit. Data yang digunakan adalah data default kartu kredit Bank Taiwan yang berjumlah 30.000 data. Pada penelitian ini dengan 23 variabel. Penelitian ini bertujuan untuk melakukan analisis dari data default kartu kredit pada Bank Taiwan dengan menggunakan Algoritma Neural Network untuk memprediksi lancar atau tidaknya nasabah dalam pemberian kredit dan untuk menilai akurasi pemproses data dengan mengunakan confusion matrix dan k-fold cross validation. Hasil analisa dari 23 variabel terdapat 3 variabel yang paling berpengaruh kredit lancar dan macet nasabah. Dengan menggunakan model Neural Network yang dihasilkan memiliki 3 hidden layer, Dari hidden layer 1 variabel yang berpengaruh adalah jumlah pernyataan tagihan pada bulan Juli 2005, dari hidden layer 2 variabel yang paling berpengaruh adalah variable jumlah yang dibayarkan pada bulan April 2005 dan dari hidden layer 3 variabel yang paling berpengaruh adalah variable X20 jumlah yang dibayarkan pada bulan Juli 2005. Tinggkat akurasi RMSE 0.19 dengan mengunakan confusion matrix merupakan akurasi yang sangat baik. Keyword –Data Mining, Neural Network, Kartu Kredit.
Item Type: | Thesis (Undergraduate) |
---|---|
Additional Information: | Nim : 14.01.55.0050 SKR.I.05.02.1763 |
Uncontrolled Keywords: | Keyword –Data Mining, Neural Network, Kartu Kredit. |
Subjects: | Q Science > QA Mathematics > QA76 Computer software |
Faculty / Institution: | Fakultas Teknologi Informasi > Program Studi Sistem Informasi |
Depositing User: | Nur Cholifah |
Date Deposited: | 26 Nov 2018 02:36 |
Last Modified: | 26 Nov 2018 02:36 |
URI: | https://eprints.unisbank.ac.id/id/eprint/5171 |
Actions (login required)
View Item |