Klasifikasi Peminjaman Nasabah Bank Menggunakan Metode Neural Network

Hadianto, Nur; Novitasari, Hafifah Bella; Rahmawati, Ami

doi:10.33480/pilar.v15i2.658

Cited by 19 publications

(17 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

Section: Confusion Matrixunclassified

“…Evaluasi model klasifikasi didasarkan pada pengukuran terhadap kinerja dari model klasifikasi untuk menggambarkan seberapa baik sistem dalam mengklasifikasikan data [18]. Salah satu metode yang dapat digunakan untuk mengukur kinerja model klasifikasi adalah dengan confusion matrix [18]. Confusion Matrix mengandung suatu informasi yang membandingkan hasil klasifikasi yang dilakukan oleh sistem dengan hasil klasifikasi yang seharusnya [19].…”

Section: Confusion Matrixunclassified

See 1 more Smart Citation

Analisis Komparasi Algoritma Klasifikasi Data Mining Dalam Klasifikasi Website Phishing

Putri¹,

Wijayanto²

2022

Komputika

View full text Add to dashboard Cite

Phishing adalah tindakan penipuan yang dilakukan untuk mencoba mendapatkan informasi penting dari user yang menggunakan internet dengan mengirim sejumlah e-mail palsu kepada para user. Teknik klasifikasi data mining dapat digunakan untuk prediksi website phishing. Banyak algoritma klasifikasi data mining yang dapat digunakan, sehingga perlu dilakukan komparasi untuk mengetahui tingkat akurasi dari masing-masing algoritma. Algoritma yang digunakan adalah NaÃ¯ve Bayes, Random Forest, Decision Tree, dan Support Vector Machine. Data yang digunakan sebanyak 1.353 data website. Hasil dari proses klasifikasi dievaluasi dengan menggunakan cross validation dan confusion matrix untuk mengetahui algoritma klasifikasi data mining yang paling akurat untuk prediksi website phishing.

show abstract

Section: Confusion Matrixunclassified

Analisis Komparasi Algoritma Klasifikasi Data Mining Dalam Klasifikasi Website Phishing

Putri¹,

Wijayanto²

2022

Komputika

View full text Add to dashboard Cite

show abstract

“…Confusion Matrix digunakan untuk mengukur akurasi klasifikasi data yang diperoleh, sedangkan metode Black Box digunakan untuk menguji fungsionalitas sistem. Confusion Matrix membandingkan hasil klasifikasi yang dilakukan oleh sistem dengan hasil klasifikasi yang manual [11]. Pengujian Black Box adalah pengujian terhadap sistem oleh pengguna dan dokumen yang dihasilkan dari pengujian tersebut dijadikan bukti bahwa sistem yang telah dibangun bisa diterima pengguna serta hasil pengujiannya telah memenuhi kebutuhan pengguna [12].…”

Section: Gambar 2 Hasil Kuesioner Siswa Membutuhkan Sistem Pemilihan ...unclassified

Sistem Pendukung Keputusan Pemilihan Jurusan Menggunakan Metode Analytical Hierarchy Process

Raswini

Ramdani²,

Prasetyo³

2022

Jur. Ris. Kom.

View full text Add to dashboard Cite

Every academic year, SMAN 1 Gegesik accepts new students. Many new students have difficulty choosing a major at SMAN 1 Gegesik. Students are expected to know their interests, talents, and abilities, so they do not choose the wrong major. The problem in selecting majors is the difficulty of determining the specialization of students' majors, which results in a mismatch between the results of determining the majors with the interests, talents, and abilities of students. The solution to this problem is to build a decision support system (DSS) that can provide recommendations for choosing majors. The purpose of these majors is that students can be directed to receive lessons according to their abilities. This research was conducted to build a Decision Support System (DSS) by applying the Analytical Hierarchy Process (AHP) method, which provides recommendations for selecting majors at SMAN 1 Gegesik. The AHP method is used for decision-making by considering several criteria in selecting majors, including academic scores, psychological test scores, and interests. The system development method in this research is Rapid Application Development (RAD). This RAD model has a shorter development cycle, is more flexible, increases user engagement, and reduces the likelihood of errors. The system that has been built is tested using the Confusion Matrix method and the Black Box Testing method. Confusion Matrix measures the accuracy of the resulting data classification, while Black Box Testing is used to test system functionality. The Confusion Matrix results obtained an accuracy value of 77%, and it can be judged that the level of system accuracy is in the excellent category. The results of the Black Box Testing stated that the system was smooth and had no errors in its application. This research produces a decision support system that can recommend science or social studies majors for class X students

show abstract

“…Ada beberapa algoritme klasifikasi yang sering digunakan pada bidang pemberian kredit kepada nasabah yang telah diujikan pada penelitian sebelumnya. Algoritme tersebut antara lain Naïve Bayes [6], C4.5 [7], Neural Network (NN) [8], Support Vector Machine (SVM) [9], dan k-Nearest Neighbor (k-NN) [10]. Namun pada penerapan data mining sering kali dijumpai dataset yang memiliki dimensi yang tinggi.…”

Section: Pendahuluanunclassified

Implementasi Algoritme Random Forest Pada Klasifikasi Dataset Credit Approval

Widjiyati

2021

J. Janitra Inform. Sis. Inf.

View full text Add to dashboard Cite

Knowledge Discovery in Database (KDD) atau yang lebih dikenal dengan data mining merupakan suatu penyelesaian masalah dengan melakukan analisis terhadap data yang disajikan dalam database. Data mining dapat dikolaborasikan dengan ilmu lainnya. Salah satunya pada bidang ekonomi. Pemanfaatan data mining dalam bidang ekonomi seringkali digunakan untuk proses credit approval atau pemberian kredit kepada nasabah. Pada penelitian yang dilakukan sebelumnya mayoritas menggunakan single classifier, hal ini akan menimbulkan sebuah permasalahan baru ketika dalam dataset credit approval terdapat kondisi high dimensional dan ketidakseimbangan kelas. Keberadaan kondisi tersebut dapat menyebabkan kinerja single classifier menjadi tidak maksimal. Oleh karena itu pada penelitian ini akan menggunakan metode ensemble yaitu algoritme Random Forest. Berdasarkan pengujian yang dilakukan menunjukkan algoritme Random Forest mampu menghasilkan akurasi sebesar 87.3 %, TPR sebesar 86 % dan TNR sebesar 89 %. Dengan demikian algoritme yang diusulkan yaitu Random Forest mampu menghasilkan nilai akurasi, TPR, dan TNR yang lebih baik dibandingkan single classifier lainnya. Dengan adanya peningkatan nilai tersebut diharapkan penelitian ini mampu menjadi referensi untuk pengembagan berbagai sistem yang mendukung dan memaksimalkan tingkat keberhasilan proses pemberian kredit kepada nasabah menggunakan data mining.

show abstract

Klasifikasi Peminjaman Nasabah Bank Menggunakan Metode Neural Network

Cited by 19 publications

References 5 publications

Analisis Komparasi Algoritma Klasifikasi Data Mining Dalam Klasifikasi Website Phishing

Analisis Komparasi Algoritma Klasifikasi Data Mining Dalam Klasifikasi Website Phishing

Sistem Pendukung Keputusan Pemilihan Jurusan Menggunakan Metode Analytical Hierarchy Process

Implementasi Algoritme Random Forest Pada Klasifikasi Dataset Credit Approval

Contact Info

Product

Resources

About