Ika, Ratna Candra (2017) Optimasi Fuzzy Time Series Menggunakan Algoritme Particle Swarm Optimization Untuk Peramalan Nilai Pembayaran Penjaminan Kredit Macet. Sarjana thesis, Universitas Brawijaya.
Abstract
Kredit macet atau kredit bermasalah yang terjadi di Indonesia tidak berjalan dengan konstan, melainkan dapat terjadi kenaikan maupun penurunan dalam setiap bulannya. Sehingga menyebabkan anggaran dana yang perlu disediakan untuk pembayaran penjaminan klaim kredit oleh lembaga penjaminan kredit tidak menentu. Oleh karena itu dibutuhkan adanya sistem yang dapat meramalkan nilai pembayaran penjaminan klaim kredit macet sebagai bahan pertimbangan untuk menentukan nominal yang harus disediakan untuk bulan selanjutnya oleh lembaga penjaminan kredit. Pada penelitian ini, peramalan dilakukan menggunakan metode Fuzzy Time Series, karena data yang digunakan tersusun secara runtut waktu dari bulan ke bulan. Untuk menghasilkan peramalan yang lebih baik, dilakukan optimasi menggunakan algoritme Particle Swarm Optimization (PSO), karena algoritme PSO memiliki desentralisasi yang tinggi dengan implementasi yang sederhana sehingga dapat menyelesaikan permasalahan optimasi secara efisien. Tingkat error dihitung menggunakan Root Mean Squared Error (RMSE). Berdasarkan pengujian, solusi terbaik yang dihasilkan memiliki rata-rata nilai cost sama dengan Rp. 159215 dengan waktu berjalannya program 13,2 detik. Solusi tersebut dihasilkan dengan iterasi maksimum sebesar 250, banyak populasi sebesar 100, dimensi partikel sebanyak 250, nilai variabel koefisien kognitif(c1) sama dengan 1 dan variabel koefisien sosial (c2) sama dengan 1.5, serta nilai bobot inersia (w) sama dengan 0,6. Sehingga dapat disimpulkan bahwa penelitian ini dapat diterapkan untuk peramalan nilai pembayaran penjaminan kredit macet.
English Abstract
Any problems related to bad credits or problem loans in Indonesia are not constant, there can be any decrease or increase in each month. So, it can cause on uncertain provision of fund budget for underwriting payment of credit claims by credit underwriting institutions. Therefore, it is necessary for a system that can predict on value of underwriting payment on bad credit claims as a consideration to determine nominal value to be provided in the following months by the credit underwriting institutions. In this research, the prediction is conducted using Fuzzy Time Series fungsi, because the data used are prepared in a consecutive time from month to month. To create better prediction, it is optimized using Particle Swarm Optimization (PSO) algorithm, because the PSO algorithm has high decentralization with simple implementation so that it can solve any optimization problems in an efficient manner. The error level is calculated using Root Mean Squared Error (RMSE). Based on the testing, the best solution has an average cost value by Rp. 159215 with its program operation time by 13,2 second. The solution is created with maximum iteration by 250, the population by 100, length of particle dimension by 250, value of cognitive coefficient variable (c1) is equal with 1 and the social coefficient variable (c2) is equal with 1.5, as well as inertia weight value (w) is equal with 0,6. So that it can be concluded that this research can be applied for prediction on value of underwriting payment on bad credit.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/541/051707862 |
| Uncontrolled Keywords: | Fuzzy Time Series, Particle Swarm Optimization, Kredit Dan Penjaminan Kredit |
| Subjects: | 000 Computer science, information and general works > 003 Systems > 003.2 Forecasting and forecasts |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 29 Aug 2017 01:56 |
| Last Modified: | 30 Sep 2020 07:11 |
| URI: | http://repository.ub.ac.id/id/eprint/1809 |
Preview |
Text
Ratna Candra Ika.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |