PREDIKSI KEMAMPUAN PEMBAYARAN KREDIT USAHA RAKYAT MENGGUNAKAN METODE RANDOM FOREST DAN LONG SHORT TERM MEMORY

Wicaksana, Willy, 52204114032 and Zahara, Soffa, 0704079101 and Sukmaningtyas, Yanuarini Nur, 0714018304 (2024) PREDIKSI KEMAMPUAN PEMBAYARAN KREDIT USAHA RAKYAT MENGGUNAKAN METODE RANDOM FOREST DAN LONG SHORT TERM MEMORY. Bachelor thesis, Universitas Islam Majapahit.

	Text Abstrak 2.pdf Restricted to Registered users only Download (618kB) | Request a copy
Preview	Text BAB I.pdf Download (124kB) | Preview
	Text BAB II.pdf Restricted to Registered users only Download (405kB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Download (240kB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Download (519kB) | Request a copy
Preview	Text BAB V.pdf Download (6kB) | Preview
	Text Lampiran.pdf Restricted to Registered users only Download (1MB) | Request a copy
Preview	Text Daftar pustaka.pdf Download (235kB) | Preview

Abstract

KUR (Kredit Usaha Rakyat) merupakan suatu pinjaman dengan segmentasi modal kerja dan kredit investasi yang disediakan secara khusus untuk unit usaha produktif melalui program penjaminan kredit. Kemampuan pembayaran angsuran tiap nasabah KUR sangat diperlukan untuk menghindari resiko yang tidak diinginkan seperti telatnya pembayaran angsuran. Tidak jarang banyak yang tidak mampu membayar secara tepat waktu, bahkan menunggak dari mulai satu bulan sampai berbulan-bulan. Kasus seperti ini sering terjadi, walaupun secara administratif di awal penerimaan pengajuan nasabah dinilai mampu untuk menerima program KUR. Kebutuhan akan teknologi prediksi kemampuan pembayaran nasabah sangat berguna sebagai pertimbangan pengambilan keputusan pengelola keuangan jika nantinya nasabah yang telah selesai menyelesaikan KUR akan mengajukan pinjaman kembali di skema angsuran KUR maupun skema angsuran lain.Tujuan dari penelitian ini yaitu membangun model prediksi pemberian Kredit Usaha Rakyat menggunakan Deep Learning. Sebagai pembanding data akan diolah dan dibangun juga menggunakan metode Random Forest dan LSTM. Pada masing-masing metode juga akan dilakukan penerapan algoritma optimasi untuk mendapatkan model terbaik dalam memprediksi kemampuan pembayaran nasabah KUR. Variabel dalam penelitian ini adalah jangka waktu, nominal, plafon, dengan dataset sebanyak 33 vriabel dari data tahun 2021 -2023. Berdasarkan hasil pengujian menggunakan 2 model machine learning yang dilakukan LSTM mendapatkan skor paling tinggi dengan angka pada optimasi Nadam dengan skor AUC 0.88, sehingga dapat disimpulan model terbaik dalam memprediksi Prediksi Kemampuan Pembayaran Angsuran Kredit Usaha Rakyat yaitu metode Long Short Term Memory.

Actions (login required)

View Item