Ilahiyah, Naily Zakiyatil (2017) Optimasi Batasan Fungsi Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritme Genetika Untuk Penentuan Kelayakan Kredit (Studi Kasus: PD.BPR. Bank Daerah Lamongan). Sarjana thesis, Universitas Brawijaya.
Abstract
Sebelum kredit diberikan kepada calon debitur, kreditur perlu menyeleksi data calon debitur terlebih dahulu dengan mempertimbangkan beberapa kriteria. Hal itu disebabkan karena kreditur mendapat beberapa masalah yang sering terjadi ketika memberikan kelayakan kredit seperti ketidakkonsistenan terhadap analisis kredit yang bisa berubah dan lamanya waktu yang dibutuhkan untuk menyeleksi data calon debitur akibat data yang banyak serta bervariasi. Permasalahan tersebut dapat diselesaikan dengan membangun sistem klasifikasi menggunakan metode fuzzy tsukamoto untuk mengklasifikasikan data dan menentukan kelayakan kredit calon debitur. Namun penggunaan metode fuzzy tsukamoto tidak dapat memberikan hasil yang optimal. Hal itu ditunjukkan dengan nilai akurasi yang didapatkan sebesar 90.476% dari pengujian menggunakan 63 data uji. Untuk memperoleh nilai akurasi yang lebih optimal, solusi yang dapat diterapkan adalah melakukan optimasi batasan fungsi keanggotaan fuzzy menggunakan algoritme genetika. Berdasarkan hasil pengujian sistem yang telah dioptimasi, sistem mendapatkan nilai akurasi sebesar 93.651% dengan parameter jumlah populasi 220, Cr 0.7, Mr 0.3 dan jumlah generasi 220.
English Abstract
Before the credit is given to the prospective debitor, the lender needs to select the prospective debitor’s data first by considering several criteria. This is because the creditors get some problems that often occur when giving credit worthiness such as inconsistency to credit analysis that can change and the length of time required to select the data of prospective debitor due to the data that many and varied. These problems can be solved by building a classification system using the fuzzy tsukamoto method to classify the data and determine the creditworthiness of the debitor. However the use of the fuzzy tsukamoto method can not provide optimal results. It is shown with the accuracy value obtained is 90.476% from the test using 63 sample data. To obtain a more optimal accuracy, the workable solution is to optimize the fuzzy membership function constraint using genetic algorithm. Based on the results of testing system that has been optimized, the system obtained accuracy value of 93.651% with parameter popsize 220, Cr 0.7, Mr. 0.3 and generation number 220.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/820/051800710 |
| Uncontrolled Keywords: | analisis kredit, algoritme genetika, optimasi, fuzzy tsukamoto |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 26 Jan 2018 09:07 |
| Last Modified: | 21 Oct 2020 02:59 |
| URI: | http://repository.ub.ac.id/id/eprint/8484 |
Actions (login required)
 |
View Item |