RestuFujiRahayu (2011) Implementasi Algoritma CART dan CMAR untuk Menentukan Status Resiko Kredit. Sarjana thesis, Universitas Brawijaya.
Abstract
Dalam dunia perbankan, pemberian kredit merupakan kegiatan usaha yang mengandung resiko tinggi yang berpengaruh terhadap kelangsungan usaha perbankan. Oleh karena itu, seorang pembuat keputusan (decision maker) harus melakukan evaluasi untuk pemohon kredit secara objektif, akurat dan konsisten. Pada pengambilan keputusan untuk pemohon kredit, dapat dilakukan dengan data mining menggunakan metode klasifikasi. Dalam penelitian ini, digunakan algoritma CART (Classification and Regression Tree) dan algoritma CMAR (Classification Based on Multiple Class-Association Rules). CART merupakan binary tree yang hanya memilikai dua cabang untuk setiap decision node, sehingga decision node harus dipartisi menjadi dua bagian dan membentuk candidate split. Candidate split dipilih untuk penyusunan inisial partisi pada root node dan decision node. Kriteria pemilihan tersebut berdasarkan nilai goodness of split (Φ(s/t)) terbesar. Pada algoritma CMAR, klasifikasi dilakukan dengan memangkas beberapa aturan dan hanya memilih subset aturan klasifikasi berkualitas tinggi, kemudian menemukan aturan lengkap melalui support dan confidence. Dari hasil analisa, didapatkan tingkat akurasi sebesar 68% untuk algoritma CART dan 80% untuk algoritma CMAR. Sedangkan waktu kinerja program, 2127.84 ?? untuk algoritma CART dan 949.2 ?? untuk algoritma CMAR. Dari hal tersebut dapat disimpulkan bahwa algoritma CMAR lebih layak dipakai untuk penentuan status resiko kredit dibandingkan algoritma CART.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/MIPA/2011/23/051100407 |
Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
Depositing User: | Unnamed user with email repository.ub@ub.ac.id |
Date Deposited: | 14 Feb 2011 08:47 |
Last Modified: | 22 Oct 2021 07:54 |
URI: | http://repository.ub.ac.id/id/eprint/152680 |
Preview |
Text
051100407.pdf Download (3MB) | Preview |
Actions (login required)
View Item |