Implementasi Teknik Random Oversampling pada Metode K-Nearest Neighbor dalam Analisis Kelayakan Pemberian Kredit

Wulandari, Ayu Dhita Putri (2023) Implementasi Teknik Random Oversampling pada Metode K-Nearest Neighbor dalam Analisis Kelayakan Pemberian Kredit. Skripsi thesis, Universitas Tanjungpura.

	Text (Cover) Cover_H1091191011.pdf - Published Version Download (133kB)
	Text (Yuridis) Yuridis_H1091191011.pdf - Published Version Download (97kB)
	Text (Surat Pernyataan) SP_H1091191011.pdf - Published Version Download (71kB)
	Text (Abstrak) Abstrak_H1091191011.pdf - Published Version Download (99kB)
	Text (Kata Pengantar) Kapeng_H1091191011.pdf - Published Version Download (121kB)
	Text (Daftar Isi) Dafis_H1091191011.pdf - Published Version Download (99kB)
	Text (Daftar Lain) Daflain_H1091191011.pdf - Published Version Download (104kB)
	Text (Bab I) Bab1_H1091191011.pdf - Published Version Download (199kB)
	Text (Bab II) Bab2_H1091191011.pdf - Published Version Download (153kB)
	Text (Bab III) Bab3_H1091191011.pdf - Accepted Version Restricted to Repository staff only Download (145kB)
	Text (Bab IV) Bab4_H1091191011.pdf - Accepted Version Restricted to Repository staff only Download (206kB)
	Text (Bab V) Bab5_H1091191011.pdf - Accepted Version Restricted to Repository staff only Download (113kB)
	Text (Daftar Pustaka) Dapus_H1091191011.pdf - Published Version Download (107kB)
	Text (Lampiran) Lamp_H1091191011.pdf - Accepted Version Restricted to Repository staff only Download (160kB)
	Text (H1091191011_AYU DHITA PUTRI WULANDARI) H1091191011_AYU DHITA PUTRI WULANDARI.pdf - Accepted Version Restricted to Repository staff only Download (1MB)

Abstract

Bank merupakan lembaga keuangan yang salah satu kegiatan utamanya melakukan pemberian kredit kepada nasabahnya. Adanya kegiatan pemberian kredit mengharuskan pihak bank untuk tahu kelayakan calon debitur dalam menerima kredit. Karena dalam praktiknya, kegiatan pemberian kredit masih seringkali terjadi adanya masalah kredit macet. Masalah kredit macet dapat ditanggulangi dengan analisis kelayakan pemberian kredit kepada calon debitur. Data yang digunakan pada penelitian ini terdiri dari 10 variabel independen dan 1 variabel dependen yaitu kolektibilitas (kol). Data kolektibilitas (kol) terdiri dari kelas debitur lancar sebanyak 500 data dan kelas debitur tidak lancar sebanyak 26 data, hal ini menunjukkan terjadinya imbalance class. Sehingga pada penelitian ini digunakan penerapan teknik random oversampling (ROS) untuk mengatasi imbalance class dengan metode K-Nearest Neighbor (KNN) dalam mengklasifikasikan data debitur lancar dan tidak lancar. ROS dipilih karena umumnya dapat memberikan hasil yang lebih baik dan tidak menghilangkan informasi dari data yang ada. Hasil analisis yang diperoleh menunjukkan penggunaan metode KNN dengan ROS lebih baik dibanding dengan model KNN tanpa ROS, dengan akurasi sebesar 84,91%. Model KNN dengan ROS dapat meningkatkan kemampuan model dalam mengklasifikasikan data debitur tidak lancar atau nilai spesifisitas model naik sebesar 25%. Pada model KNN tanpa ROS model sama sekali tidak dapat mengklasifikasikan data debitur tidak lancar dengan benar, hal ini dapat membahayakan pihak bank dalam pengambilan keputusan.

Actions (login required)

View Item