Credit Scoring Kelayakan Debitur Menggunakan Metode Hybrid ANN Backpropagation dan TOPSIS
| Main Authors: | Saputri, Susan Dwi, Ermatita, Ermatita |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Ikatan Ahli Informatika Indonesia (IAII)
, 2019
|
| Online Access: |
http://jurnal.iaii.or.id/index.php/RESTI/article/view/847 http://jurnal.iaii.or.id/index.php/RESTI/article/view/847/126 |
Daftar Isi:
- Credit is one of the common practices that provide benefits for financial or non-financial institutions. However on the other hand, aid loans also have higher risks if the institutions give the wrong decision in giving a loan. Credit Scoring is one of techniques that can determine whether it is feasible to given a loan or not. The selection of a credit scoring model greatly determines the value in classifying credit that is feasible or not to giving a loan. Decision Support System (DSS) is one system that can be used to overcome this problem. The advantages of DSS are being able to overcome the problems that have semi-structured and unstructured data. In this study, DSS was supported by using Artificial Neural Network Backpropagation method and TOPSIS method to find the priority for seeking eligibility. Accuracy results obtained in this study reached 98,69% with the number of iteration is 300, the number of training data is 30, neuron hidden 12 and error tolerance is 0.001. TOPSIS method succeeded in ranking 185 data selected as recipients of credit. Keywords:Credit Scoring, Decision Support System (DSS), Artificial Neural Network (ANN), Backpropagation, TOPSIS.
- Pemberian kredit merupakan salah satu praktik umum yang memberikan profit bagi lembaga keuangan maupun non-keuangan. Namun disisi lain, pemberian kredit juga memiliki resiko yang tinggi apabila pihak lembaga salah memperhitungkan faktor-faktor kelayakan member pinjaman kepada nasabah. Credit scoring adalah salah satu teknik yang dapat menentukan apakah nasabah layak untuk diberikan pinjaman atau tidak. Pemilihan model credit scoring sangat mempengaruhi nilai akurasi dalam mengelompokan nasabah yang layak atau tidak layak diberikan pinjaman. Sistem Pendukung Keputusan (SPK) merupakan salah satu sistem yang dapat digunakan untuk mengatasi masalah tersebut. Kelebihan dari SPK adalah mampu memecahkan masalah yang memiliki kondisi semi terstruktur dan tak tersruktur. Pada penelitian ini, SPK didukung dengan menggunakan metode Jaringan Saraf Tiruan Backpropagation dan metode TOPSIS untuk mencari prioritas utama penentuan kelayakan. Hasil akurasi yang didapatkan dalam penelitian ini adalah mencapai 98,69% dengan jumlah iterasi sebanyak 300 kali, jumlah data latih 30, neuron hidden 12 dan error tolerance sebesar 0.001. Sedangkan metode TOPSIS berhasil melakukan perangkingan terhadap 185 data yang terpilih sebagai penerima kredit. Kata kunci: Credit Scoring, Sistem Pengambil Keputusan (SPK), Jaringan Saraf Tiruan (JST), Backpropagation, TOPSIS.