PENILAIAN AGUNAN PROPERTY PENGAJUAN KREDIT MENGGUNAKAN OPTIMASI ALGORITMA SUPPORT VECTOR MACHINE BERBASIS PARTICLE SWARM OPTIMIZATION

Sari

Masih terdapat kemungkinan kesalahan penilaian agunan sebagai acuan nilai kredit, yang akan membuka peluang terjadinya NPL. Jadi diperlukan suatu cara penilaian (prediksi nilai) yang cukup proporsional, kredibel dan akurat.
Prediksi yang tidak akurat menyebabkan perencanaan manajemen kredit yang tidak tepat. Prediksi nilai agunan telah menarik minat banyak peneliti karena nilai pentingnya baik di teoritis dan empiris.
Dalam penelitian ini dibuatkan model algoritma support vector machines dan model algoritma suppor vector machines berbasis Particle Swarm Optimization untuk mendapatkan rule dalam memprediksi penilaian agunan pengajuan kredit dan memberikan nilai akurasi yang lebih akurat.
Setelah dilakukan pengujian dengan dua model yaitu Algoritma support vector machines dan Support Vector Machines berbasis Particle Swarm Optimization maka hasil yang didapat adalah algoritma sehingga didapat pengujian dengan menggunakan Support Vector Machines dimana didapat nilai accuracy adalah 84.17 %, sedangkan pengujian dengan menggunakan Support Vector Machines berbasis Particle Swarm Optimization didapatkan nilai accuracy 87.57%. Sehingga kedua metode tersebut memiliki perbedaan tingkat akurasi yaitu sebesar 3.40%.