ANALISA DATA MINING DEFAULT KARTU KREDIT MENGGUNAKAN ALGORITMA NEURAL NETWORK
| Main Authors: | Aisyah, Siti, Sulastri, Sulastri |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | ind |
| Terbitan: |
Fakultas Teknologi Informasi Universitas Stikubank (Unisbank) Semarang
, 2018
|
| Online Access: |
https://www.unisbank.ac.id/ojs/index.php/fti2/article/view/8132 https://www.unisbank.ac.id/ojs/index.php/fti2/article/view/8132/3085 |
Daftar Isi:
- Pemakaian teknologi informasi saat ini sudah sangat banyak dikalangan bisnis, sama halnya dengan pemakaian kartu kredit. Dengan kartu kredit bisa mendapatkan kemudahan dalam bertransaksi. Tapi kita harus bijak dalam pengunaan kartu kredit jika tidak maka akan menjadikan default kartu kredit. Metode yang digunakan untuk menangani permasalahan yang ada bertujuan untuk memperlihatkan bagaimana sebuah model data mining dapat digunakan untuk membantu mengetahui pola nasabah dalam mengambil kredit di salah satu Negara yaitu Taiwan pada bulan April hingga September 2005 berdasarkan atribut-atribut dari data nasabah yang mempunyai kredit lancar ataupun macet.Data ini diambil dari UCI Machine Learning Repository.ANN dengan nilai keluaran kontinu biasanya menggunakan fungsi aktivasi sigmoid. Nilai sinyal keluaran y dihitung dengan fungsi kurva sigmoid dengan interval nilai keluaran mulai dari 0 sampai 1. Hasil penelitian yang dilakukan dengan mengunakan Algoritman Neural Network dari 30.000 data dari data default Kartu Kredit Bank Taiwan dengan mengunakan RStudio untuk mendeteksi kredit macet pada Bank Taiwan dapat dijelaskan bahwa visualisasi model Neural Network tersebut memiliki 3 hidden layer. Sehingga dari proses traning diatas variable yang paling berpengaruh ada 3 yaitu X14(jumlah pernyataan tagihan pada bulan Juli 2005), X23(jumlah yang dibayarkan pada bulan April 2005) dan X20(jumlah yang dibayarkan pada bulan Juli 2005). Hasil akurasi mengunakan confusion matrix nilai RMSE prediksi 2 sebesar 0.1938333333. Dari prediksi 2 memiliki nilai RMSE yang sangat kecil, sehingga keakurasian prediksi sangat bagus.