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.

[thumbnail of 1210100024-Undergraduate_Thesis.pdf]
Preview
Text
1210100024-Undergraduate_Thesis.pdf

Download (5MB) | Preview

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. Querying (Computer science)
Divisions: Faculty of Mathematics and Science > Mathematics > 44201-(S1) Undergraduate Thesis
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