Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number KA-997 (Softcopy KA-994) MAK KA-649
Collection Type Karya Akhir (KA)
Title Evaluasi performa kredit menggunakan data mining untuk menilai permohonan kredit fasilitas layanan pembiayaan perumahan: studi kasus PT.Bank XYZ
Author David Mario Tampubolon;
Publisher Jakarta : Program Studi Magister Teknologi Informasi Fasilkom UI, 2017
Subject Data mining
Location FASILKOM-UI-MTI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
KA-997 (Softcopy KA-994) MAK KA-649 Ind TERSEDIA
Tidak ada review pada koleksi ini: 45067
Kredit bermasalah atau non performing loan (NPL) merupakan salah satu indikator penilaian performa sebuah bank dalam menjalankan program kredit kepada nasabahnya. Peningkatan rasio NPL pada PT. Bank XYZ pada tahun 2016 memberikan dampak kerugian yang sangat besar bagi perusahaan. Tinggi atau rendahnya rasio NPL erat kaitannya dengan tingkat kepatuhan debitur dalam menyelesaikan kewajibannya sesuai dengan perjanjian yang ada. Peningkatan rasio NPL tersebut berasal dari berbagai sektor kredit termasuk kredit kepemilikan rumah (KPR). Tercatat pada awal tahun 2017 terdapat 16,15% nasabah yang memiliki kredit tidak lancar pada kredit KPR FLPP. Kualitas kredit yang buruk memberikan kerugian pada Bank XYZ. Untuk mengatasi masalah tersebut, pada penelitian ini digunakan teknik data mining untuk melakukan penilaian risiko calon nasabah kredit. Teknik data mining decision tree, support vector machine dan na´ve bayes digunakan untuk melakukan penilaian risiko kualitas kredit calon nasabah. Teknik ensemble classification adaptive boosting dan bagging juga digunakan untuk meningkatkan performa dari model klasifikasi dasar. Pemodelan dilakukan dengan menggunakan data nasabah KPR FLPP. Evaluasi penelitian dilakukan menggunakan teknik k-fold cross validation. Hasil dari penelitian menunjukkan model klasifikasi yang dihasilkan oleh metode base classification decision tree merupakan model yang terbaik pada kasus ini. Hasil dari pemodelan dapat digunakan dalam menilai potensi calon nasabah apakah akan menjadi nasabah yang mempunyai kualitas kredit baik atau buruk.