Article Per Year (5 Year)
p-Index From 2021 - 2026
2.63
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Informatika Jurnal Teknik Komputer AMIK BSI Jurnal Khatulistiwa Informatika Paradigma JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Techno Nusa Mandiri : Journal of Computing and Information Technology Jurnal Mantik Penusa JURIKOM (Jurnal Riset Komputer) Jurnal Informasi dan Teknologi Jurnal Infortech RESOLUSI : REKAYASA TEKNIK INFORMATIKA DAN INFORMASI Computer Science (CO-SCIENCE) INSANtek – Jurnal Inovasi dan Sains Teknik Elektro IMTechno: Journal of Industrial Management and Technology
Amrin Amrin
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science

Published : 32 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Infortech

 1 
Implementasi Algoritma Klasifikasi Random Forest Untuk Penilaian Kelayakan Kredit Omar Pahlevi; Amrin Amrin; Yopi Handrianto
Jurnal Infortech Vol 5, No 1 (2023): JUNI 2023
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/infortech.v5i1.15829

Abstract

Kredit merupakan penyediaan uang  atau  tagihan  dengan  adanya  suatu  persetujuan  atau  kesepakatan  antara  pihak  penyedia  kredit dengan   pihak   peminjam   untuk   melunasi   utangnya   berdasarkan   jangka   waktu   tertentu   dengan pemberian  bunga. Melakukan klasifikasi kelayakan kredit sesuatu yang sangat penting agar dapat mengetahui data kredit  kendaraan bermotor  baik yang bermasalah maupun yang tidak  bermasalah. Dataset yang digunakan sebanyak 481 record data kredit  kendaraan bermotor  baik yang bermasalah maupun yang tidak  bermasalah. Variabel input pada penelitian ini terdiri dari tiga belas variabel, diantaranya status perkawinan, jumlah tanggungan, umur, status tempat tinggal, kepemilikan rumah, pekerjaan, status pekerjaan, status perusahaan, penghasilan, uang muka, pendidikan, lama tinggal, dan kondisi rumah.  Pada penelitian ini, peneliti akan mengimplementasikan metode klasifikasi data mining yaitu random forest untuk klasifikasi kelayakan kredit. Berdasarkan hasil pengukuran kinerja performa model algoritma Random Forest untuk klasifikasi kelayakan kredit memberikan tingkat akurasi kebenaran sebesar 78,60% dengan nilai Area Under the Curve (AUC) sebesar 0,907. Berdasarkan tingkat akurasi dan nilai Area Under the Curve (AUC), maka model algoritma Random Forest termasuk kategori klasifikasi sangat baik.
Co-Authors Andi Nana Mariana Budiarto, Balla Wahyu David Ridwan Savero Donny Dharmawan Eni Irfiani Frans Sudirjo Hafdiarsya Saiyar Harsih Rianto Irawan Satriadi Irawan Satriadi Luh Komang Candra Dewi Mita Diah Larasati Muhammad Alawi Muhammad Reza Aldiansyah Oki Rosanto Omar Pahlevi Priyono, Agil Hendro Rudianto Rudianto Satriadi, Irawan Sismadi , Sismadi Yopi Handrianto, Yopi