PREDIKSI KEMACETAN ANGSURAN LEASING MOTOR MENGGUNAKAN ALGORITMA BACKPRPAGATION NEURAL NETWORK BERBASIS PARTICLE SWARM OPTOM

Sari

Sekarang ini permintaan akan kendaraan bermotor sangat banyak ditambah lagi dengan kemudahan pada proses jual-belinya, sehingga mendorong pertumbuhan perusahaan leasing. Perusahaan leasing memberikan kemudahan kepada masyarakat agar dengan mudah mendapatkan kendaraan bermotor seperti dengan uang muka yang ringan, angsuran yang rendah dan tenor yang panjang. Namun, hal itu dapat menimbulkan resiko angsuran macet yang mengkhawatirkan bagi perusahaan itu sendiri. Penanggulangan dan pembatasan angsuran macet belum menemukan cara yang paling sesuai karena selama ini analisa pengajuan kredit dilakukan hanya pendekatan personal dengan mengisi Form Data Konsumen dan survey lapangan.

Algoritma klasifikasi data mining dengan model algoritma Backpropagation Neural Network menunjukan bahwa model ini mempunyai tingkat akurasi yang baik serta dapat dioptimasi Particle Swarm Optimization (PSO) dengan melakukan pengujian secara terukur melalui parameter training cycle, learning rate dan momentum, sehingga mendapatkan hasil accuracy, precision, recall dan AUC dengan bantuan Rapi Miner. Hasilnya setelah dilakukan pengujian dengan menggunakan data konsumen dan data rekap pembayaran (collection), pada BPNN mendapatkan parameter terbaik pada nilai 200 untuk training cycle, 0.1 pada learning rate dan 0.1 pada momentum menghasilkan accuracy 75.11%, precision 77.55%, recall 84.89% dan AUC 0.772. Sedangkan pada BPNN-PSO menghasilkan accuracy 76.98%, precision 77.96, recall 87.88% dan AUC 0.814.

Kata kunci : angsuran, leasing, BPNN-PSO