Aplikasi Analisis Diskriminan Linier Dan Kuadratik Robust Untuk Klasifikasi Tingkat Risiko Pemberian Pembiayaan Mikro Di Bank Bri Syariah Kantor Cabang Malang

Masna, Baiq Fatia (2015) Aplikasi Analisis Diskriminan Linier Dan Kuadratik Robust Untuk Klasifikasi Tingkat Risiko Pemberian Pembiayaan Mikro Di Bank Bri Syariah Kantor Cabang Malang. Sarjana thesis, Universitas Brawijaya.

Abstract

Analisis diskriminan merupakan analisis multivariat yang bertujuan untuk mengklasifikasi suatu amatan berdasarkan beberapa variabel independen yang bersifat non kategorik dan variabel dependen yang bersifat kategorik. Analisis diskriminan memerlukan asumsi sebaran normal multivariat dan kehomogenan matriks varians-kovarians. Selain dua asumsi tersebut, dalam penerapan analisis diskriminan perlu dipertimbangkan adanya pencilan pada data. Analisis diskriminan klasik tidak mampu mengatasi adanya pencilan karena penduga vektor rata-rata dan matriks varians-kovarians adalah tidak robust terhadap adanya pencilan. Oleh karena itu, dilakukan pendugaan vektor rata-rata dan matriks varians-kovarians dengan metode minimum covariance determinant (MCD) yang robust terhadap adanya pencilan. Analisis diskriminan robust ini dapat diaplikasikan untuk memprediksi dan mengklasifikasi nasabah mikro di BRI Syariah KCB Malang untuk setiap KCP yaitu Pandaan, Batu, Turen, Lawang dan Kepanjen. Klasifikasi didasarkan pada prinsip 5C yang diwakili oleh 7 indikator, 7 indikator tersebut berperan sebagai variabel independen dan tingkat klasifikasi low risk dan medium risk sebagai variabel dependen. Namun, asumsi sebaran normal multivariat dan kehomogenan matriks varians-kovarians untuk data 7 variabel independen tersebut adalah tidak terpenuhi. Oleh karena itu, diterapkan analisis diskriminan linier robust (RLDA) dan analisis diskriminan kuadratik robust (RQDA) dan dibandingkan tingkat ketepatan klasifikasinya menggunakan nilai apparent error rate (APER). Analisis menunjukkan bahwa klasifikasi dengan metode RQDA memberikan hasil lebih baik daripada metode RLDA yang ditunjukkan oleh nilai APER yang kecil.

English Abstract

Discriminant analysis is a multivariate analysis that aims to classify an observation based on several non categorical independent variables and categorical dependent variable. Discriminant analysis requires the assumption of multivariate normal distribution and homogeneity of variance-covariance matrix. In addition to these two assumptions, the application of discriminant analysis to consider the presence of outliers in the data. The classical discriminant analysis was not able to cope with the presence of outliers because the estimators for average vector and variance-covariance matrix is not robust to the presence of outliers. Therefore, the estimatation for the average vector and variance-covariance matrix is done by the method of minimum covariance determinant (MCD) which is robust to the presence of outliers. This robust discriminant analysis can be applied to predict and classify the micro customers in BRI Syariah Malang for each KCP, such as Pandaan, Batu, Turen, Lawang and Kepanjen. The classification is based on the principle 5C represented by seven indicators, seven indicators act as independent variables and the level of classification of low risk and medium risk as the dependent variable. However, the assumption of multivariate normal distribution and homogeneity of variance-covariance matrix for the 7 independent variables are not met. Therefore, robust linear discriminant analysis (RLDA) and robust quadratic discriminant analysis (RQDA) are implemented and compared by the level of classification accuracy using the values of apparent error rate (APER). Analysis showed that the classification with RQDA method gives better results than the method indicated by the value RLDA APER small.

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/MIPA/2015/121/ 051502495
Subjects:	500 Natural sciences and mathematics > 510 Mathematics
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
Depositing User:	Kustati
Date Deposited:	31 Mar 2015 15:23
Last Modified:	07 Oct 2022 08:52
URI:	http://repository.ub.ac.id/id/eprint/154142

Text BAIQ FATIA MASNA.pdf Download (9MB)

Actions (login required)

View Item