<![CDATA[Saat ini kredit/pinjaman merupakan salah satu sumber keuntungan bisnis yang dengan resiko tinggi. Banyak metode klasifikasi telah diusulkan dalam literatur untuk mengatasi masalah ini. Tapi kebanyakan tidak diterima oleh para ahli karena berbagai alasan. Kebutuhan untuk mengetahui dan membedakan antara anggota baik dan yang buruk perlu dibangun sehingga pihak yang berkepentingan dapat mengambil salah satu tindakan pencegahan terjadinya masalah kredit macet. Dalam penelitian ini dilakukan Support vector macine, Genetic Algorithms, dan Neural Network terhadap data Anggota yang mendapat pembiayaan kredit/pinjaman koperasi baik yang bermasalah dalam pembayaran angsurannya maupun tidak. Dari hasil pengujian dengan mengukur kinerja ketiga algoritma tersebut menggunakan metode pengujian Cross Validation, Confusion Matrix dan Kurva ROC, diketahui bahwa algoritma GA memiliki nilai accuracy paling tinggi, yaitu 85.25%, diikuti oleh metode SVM dengan accuracy sebesar 83.50% dan yang terendah adalah metode NN dengan nilai accuracy 74.75%. Nilai AUC untuk metode GA juga menunjukkan nilai tertinggi, yaitu 0.776 disusul metode SVM dengan nilai AUC sebesar 0.760, dan yang terendah adalah nilai AUC NN, yaitu 0.714. Melihat nilai AUC dari ketiga metode tersebut maka ketiganya termasuk kelompok klasifikasi cukup karena nilai AUC-nya antara 0.70-0.80. Kata kunci: Support vector machine, Genetixc Algorithms, Neural Network, Receiver Operating Charactheristic, Confusion Matrix]]>
Copyrights © 2014
