Aplikasi data mining pada penilaian kredit menggunakan algoritma rough set

Sofia, Anisa (2015) Aplikasi data mining pada penilaian kredit menggunakan algoritma rough set. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
1210100024-Undergraduate_Thesis.pdf

Download (5MB)

Abstract

Kredit merupakan salah satu mekanisme pembayaran yang umum di masyarakat. Banyaknya permohonan kredit menuntut kreditor harus mampu mengevaluasi permohonan kredit dengan objektif, akurat, dan konsisten. Oleh karena itu diperlukan credit scoring untuk membantu kreditor mengevaluasi permohonan kredit. Permasalahan yang dibahas dalam Tugas Akhir ini adalah mengetahui potensi keberhasilan seorang calon nasabah kredit menggunakan algoritma klasifikasi berbasis rough set dengan data historis nasabah kredit yang sudah ada. Parameter-parameter yang digunakan adalah suku bunga, besar kredit, kolektibilitas, jangka waktu, jenis usaha, produk dan omzet nasabah. Dari hasil penelitian, didapatkan sebuah model rough set yang mampu memprediksi keberhasilan calon nasabah dalam pengambilan kredit. Dengan tingkat akurasi sebesar 82,4%. Dengan adanya aplikasi ini, seorang pengambil keputusan dapat mengetahui potensi calon nasabah dan mencegah terjadinya kredit macet. =============================================================================================== Credit is one of payment mechanism in society. Because there are many credit application, creditors needs to evaluate the credit application with objectively, accurately, and consistenlyt. Therefore, it is needed credit scoring to help creditors evaluate a credit application. The problem discussed is knowing the potential success of a prospective customer credit through classification algorithm based on rough sets with existing credit historical data. The parameters used are: plafond, rate, term, product, turnover, type of business and collectibility. From the research, obtained a model of rough set with an accuracy level of 82,4%. With this application, a decision maker can determine the potential prospective customer credit and prevent bad debts.

Item Type: Thesis (Undergraduate)
Additional Information: RSMa 006.312 Sof a
Uncontrolled Keywords: Data Mining; Credit Scoring; Klasifikasi; Rough Set
Subjects: Q Science > QA Mathematics > QA76.9.D343 Data mining
Divisions: Faculty of Mathematics and Science > Mathematics > (S1) Undergraduate Theses
Depositing User: - Taufiq Rahmanu
Date Deposited: 29 Oct 2019 08:30
Last Modified: 29 Oct 2019 08:30
URI: http://repository.its.ac.id/id/eprint/71492

Actions (login required)

View Item View Item