Perancangan model regresi logistik dan neural network untuk memprediksi resiko kredit di Kredit X

Abstract

Berdasarkan Cinthia (2014), PT. X merupakan perusahaan yang bergerak pada jasa pemberian kredit. Data-data yang didapatkan dari pengajuan kredit oleh debitur belum diolah secara optimal untuk memprediksi resiko kredit. Toleransi perusahaan untuk kredit macet adalah 3% dari seluruh debitur, tetapi debitur yang mengalami kemacetan sebesar 9,3% dari seluruh debitur. Penelitian Cinthia (2014) telah melakukan klasifikasi untuk melakukan prediksi terhadap resiko status kredit seorang calon debitur pada PT. X. Metode CART dan C 4.5 digunakan dalam penelitian tersebut. Klasifikasi tersebut dapat secara langsung melakukan klasifikasi apabila variabel prediktor memenuhi syarat-syarat tertentu. Tetapi, dalam penelitian tersebut tidak dilakukan pemisahan set data untuk pemodelan dan evaluasi sehingga tidak dapat diketahui apakah model yang dibuat sesuai digunakan dengan data lain atau tidak. Dalam penelitian ini digunakan metode regresi logistik dan neural netwrork dengan harapan akan menghasilkan performansi yang lebih baik untuk melakukan prediksi resiko kredit dengan lebih baik sehingga dapat meningkatkan kinerja sistem. Metode ini juga digunakan karena lebih relevan untuk digunakan dalam kasus melakukan prediksi resiko kredit karena dapat melihat kecenderungan data. Dalam penelitian ini juga dilakukan perbaikan pemisahan set data untuk pemodelan dan evaluasi. Dari hasil penelitian ini dapat diketahui bahwa pemisahan set data perlu dilakukan untuk menguji pemodelan yang dilakukan terhadap set data lain. Dari hasil penelitian ini juga didapatkan tingkat akurasi pada tahap evaluasi dari regresi logistik sebesar 87% dan metode neural network sebesar 75%. Jadi pemodelan dengan akurasi yang lebih baik dalam melakukan prediksi resiko kredit di PT. X adalah model regresi logistik.