Algoritma Random Forest dan Gradient Boosting untuk Memprediksi Pinjaman Bank - Dalam bentuk pengganti sidang - Artikel Jurnal
MUHAMMAD ZAHRULIFF FADLURRAHMAN ALHAFIZH

Informasi Umum

Kode

23.04.6516

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

76 kali

Informasi Lainnya

Abstraksi

<p>Pinjaman yang diberikan oleh bank atau kredit merupakan salah satu pendapatan utama bank. Hal tersebut dapat menentukan seberapa besar pemasukan dari bank. Mengetahui bahwa hal tersebut sangat penting untuk keperluan bisnis dari bank, prediksi diperlukan sebagai pengamatan terhadap pendapatan bank. Tujuan dari penelitian ini adalah untuk mengukur performa prediksi pinjaman yang diberikan oleh bank. Oleh karena itu, metode yang digunakan adalah Random Forest dan Gradient Boosting. untuk mengukur keberhasilan prediksi. Dataset yang digunakan diperoleh dari Otoritas Jasa Keuangan (OJK) menggunakan laporan keuangan bulanan dari 4 bank terbesar di Indonesia yaitu BCA, BNI, BRI, dan bank Mandiri. Metrik evaluasi yang digunakan adalah R-squared(R²) untuk mengukur hasil prediksi. Hasil percobaan menunjukkan metode yang diusulkan mencapai skor R² 99,92% untuk Random Forest dan 99,92% untuk Gradient Boosting di BCA, 99,91% untuk Random Forest dan 99,93% untuk Gradient Boosting di BNI, 99,98% untuk Random Forest dan 99,97% untuk Gradient Boosting di BRI, dan 99,80% untuk Random Forest dan 99,80% untuk Gradient Boosting di Mandiri. Dari hasil di atas, Kesimpulan akhir adalah metode yang diusulkan ketika menggunakan Hyperparameter dasar ataupun eksperimen beberapa Hyperparameter yang berbeda tetap menghasilkan skor R² lebih dari 99% pada semua dataset pinjaman bank yang digunakan dalam penelitian ini yang mendekati 100% sebagai hasil tertinggi</p>

• CII4E4 - TUGAS AKHIR

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook