Saifullah Abbas, 080610096 (2011) Identifikasi Kelas Resiko Kredit Pada German Credit Data Menggunakan Jaringan Syaraf Tiruan Dengan Algoritma Backpropagation (BP). Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (ABSTRAK) 2219.pdf Download (105kB)
	Text (FULL TEXT) gdlhub-gdl-s1-2011-abbassaifu-16229-mpm.20-1-i.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Identifikasi kelas resiko kredit merupakan sarana yang dapat membantu instansi yang bergerak di bidang perkreditan dalam menentukan pemberian kredit kepada para calon peminjam. Salah satu teknik identifikasi kelas resiko kredit ini adalah jaringan syaraf tiruan, dimana metode ini menggunakan prinsip dari otak manusia yang terdiri dari neuron sebagai pemrosesan input untuk menghasilkan output berdasarkan bobot yang ada. Skripsi ini bertujuan untuk menerapkan jaringan syaraf tiruan pada identifikasi kelas resiko kredit pada German Credit Data dan membuat program yang mensimulasikan metode ini menggunakan software Visual Basic 6.0. Arsitektur jaringan syaraf tiruan yang digunakan adalah multilayer neural network dengan algoritma pembelajaran backpropagation. Data yang digunakan sebanyak 1000 data dan setiap data mempunyai 21 atribut dengan karakteristik atribut-atribut yaitu, atribut kategori dan atribut numerik. Kemudian data tersebut dilakukan proses normalisasi dirubah menjadi vektor berukuran 1x62 untuk setiap data. Dari proses normalisasi tersebut akan menjadi input jaringan syaraf tiruan identifikasi kelas resiko kredit. Setelah proses normalisasi, input akan diproses untuk training dan testing. Pelatihan jaringan menggunakan data sebanyak 700 dengan learning rate 0.9 dan batas error sebesar 0.01, berhenti pada iterasi ke- 700. Hasil validasi untuk 300 data dikenali dengan keakuratan sebesar 75.33% terhadap kelas-kelas data tersebut. Kata kunci: Identifikasi kelas resiko kredit, jaringan syaraf tiruan, backpropagation.

Actions (login required)

View Item