Bawono, Bonggo, B2A218007 (2019) PERBANDINGAN METODE REGRESI LOGISTIK BINER DAN NAIVE BAYES DALAM KLASIFIKASI DEBITUR BERDASARKAN KUALITAS KREDIT NASABAH. Sarjana / Sarjana Terapan (S1/D4) thesis, ["eprint_fieldopt_institution_Muhammadiyah University, Semarang" not defined].
|
Text
6. Abstrak.pdf Download (344kB) | Preview |
|
|
Text
11. Bab 1.pdf Download (402kB) | Preview |
|
|
Text
12. Bab 2.pdf Download (611kB) | Preview |
|
Text
13. Bab 3.pdf Restricted to Repository staff only Download (410kB) | Request a copy |
||
Text
14. Bab 4.pdf Restricted to Repository staff only Download (766kB) | Request a copy |
||
|
Text
15. Bab 5.pdf Download (429kB) | Preview |
|
|
Text
16. Daftar Pustaka.pdf Download (402kB) | Preview |
|
|
Text
Jurnal Ilmiah.pdf Download (801kB) | Preview |
Abstract
Kata Kunci : Kualitas Kredit, Klasifikasi, Naive Bayes, Regresi Logistik Biner Permintaan kredit baru di Indonesia semakin meningkat. Peningkatan tersebut bersumber dari semua jenis penggunaan kredit, baik modal kerja, investasi, maupun konsumsi.Namun, tidak semua kredit dapat dikembalikan secara sempurna dan tepat waktu artinya akan muncul suatu risiko yang dikenal dengan risiko kredit. Resiko kredit dapat menyebabkan Kredit bermasalah, untuk menangani itu dibutuhkan metode klasifikasi yang tepat dengan mengidentifikasi dan memprediksi nasabah dengan baik sebelum memberikan pinjaman dengan cara memperhatikan data historis pinjaman. Metode klasifikasi yang sering digunakan adalah Regresi Logistik Biner dan Naive Bayes. Namun Masing-masing metode tersebut saling memilki kelebihan dan kekurangan. Oleh karena itu dilakukan perbandingan nilai akurasi untuk mengetahui metode mana yang paling baik dalam mengklasifikasi Debitur berdasarkan kualitas kredit nasabah. Hasil penelitian ini menunjukkan bahwa, Regresi Logistik Biner memiliki nilai akurasi 99,47% sedangkan Naive Bayes 96,55% yang berarti metode Regresi Logistik Biner lebih baik dari pada Naive Bayes berdasarkan nilai akurasinya.
Item Type: | Thesis (Sarjana / Sarjana Terapan (S1/D4) ) |
---|---|
Call Number: | 005/Statistik/XII/2019 |
Subjects: | L Education > Statistics |
Divisions: | Faculty of Agricultural Science and Technology > S1 Statistics |
Depositing User: | perpus unimus |
Date Deposited: | 10 Sep 2020 06:55 |
Last Modified: | 10 Sep 2020 06:55 |
URI: | http://repository.unimus.ac.id/id/eprint/3827 |
Actions (login required)
View Item |