Klasifikasi Menggunakan Algoritma K-Nearest Neighbor dan C5.0 pada Imbalance Class Data dengan SMOTE (Studi Kasus : Nasabah Bank Perkreditan Rakyat “X”)

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

Text

Klasifikasi Menggunakan Algoritma K-Nearest Neighbor dan C5.0 pada Imbalance Class Data dengan SMOTE (Studi Kasus : Nasabah Bank Perkreditan Rakyat “X”)

Salsabilla Rizka Ardhana - Nama Orang;

Bank Perkreditan Rakyat (BPR) merupakan bank yang menyediakan jasa keuangan
bagi usaha mikro serta masyarakat berpenghasilan rendah terutama di daerah
pedesaan. Kegiatan utama bank adalah menyalurkan kredit. Klasifikasi status kredit
nasabah diharapkan membantu BPR dalam mengantisipasi kredit berpotensi macet. KNearest Neighbor dan C5.0 digunakan untuk mengklasifikasikan status kredit lancar
dan berpotensi macet berdasarkan data nasabah BPR “X” di Jawa Tengah pada bulan
Oktober 2022. K-Nearest Neighbor efektif terhadap jumlah data latih yang besar dan
bekerja berdasarkan ketetanggaan terdekat. C5.0 dapat meningkatkan ketepatan
klasifikasi serta bekerja dengan menghitung entropy, gain, split info, dan gain ratio
untuk membentuk pohon keputusan. Terdapat ketidakseimbangan data yang
mengakibatkan proses klasifikasi cenderung lebih fokus pada kelas mayoritas.
Ketidakseimbangan data ditangani menggunakan SMOTE sebagai pendekatan
oversampling. Penambahan SMOTE dapat meningkatkan evaluasi ketepatan
klasifikasi, terutama pada g-mean. G-mean merupakan ukuran yang paling
komprehensif dibandingkan akurasi, sensitivitas, dan spesifisitas dalam melakukan
evaluasi ketepatan hasil klasifikasi pada ketidakseimbangan data. Hasil dari penelitian
ini dapat meningkatkan g-mean menjadi 58,55% pada KNN dan 64,05% pada C5.0.
Berdasarkan hasil klasifikasi, disimpulkan bahwa C5.0 dengan SMOTE adalah model
klasifikasi yang lebih tepat digunakan untuk status kredit nasabah.
Keywords : Status Kredit, K-Nearest Neighbor, C5.0, Imbalance Class Data, SMOTE

Ketersediaan

1130E2023 1130 E 2023 Perpustakaan FSM Undip Tersedia

Informasi Detail

Judul Seri: -
No. Panggil: 1130 E 2023
Penerbit: : .,
Deskripsi Fisik: -
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: NONE
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subjek: -
Info Detail Spesifik: -
Pernyataan Tanggungjawab: Salsabilla Rizka Ardhana

Klasifikasi Menggunakan Algoritma K-Nearest Neighbor dan C5.0 pada Imbalance Class Data dengan SMOTE (Studi Kasus : Nasabah Bank Perkreditan Rakyat “X”)

Ketersediaan

Informasi Detail

Versi lain/terkait

Lampiran Berkas

Komentar