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

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 yangtidak akurat menyebabkan perencanaan manajemen kredit yang tidak tepat. Prediksi nilai agunan telah menarik minat banyak peneliti karena nilai pentingnya baik di teoritis dan empiris.Algoritma decision tree yaitu C5.0, CART, CHAID, dan SVM yang dapat digunakan untuk status resiko kredit. Keempat algoritma tersebut menghasilkan model tree yang berbeda untuk set data yang sama. Model yang berbeda dapat memberikan keakuratan yang berbeda pula. Karena itu penelitian ini bertujuan menerapkan algoritma decision tree SVM berbasis PSO untuk penilaian agunan pengajuan kredit.Hasil pengolahan akan Evaluasi menggunakan precision and recall
dan kemudian dibandingkan dan dianalisa hasilnya antara penilai yang menggunakan metode analisis lain (Naive Bayes, K-NN) dengan hasil prediksi dengan metode klasifikasi algoritma SVM berbasis PSO. Dari sini akan terlihat tingkat akurasi dari penerapan SVM berbasis PSO.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.