PEMODELAN RESIKO KREDIT DENGAN PENDEKATAN SUPPORT VECTOR MACHINE SUPPORT VECTOR MACHINE APPROACH TO CREDIT RISK

CHRISTINA EVA NURYANI, Dr. rer.nat. Dedi Rosadi, M.Sc.

2012 | Tesis | S2 Matematika

Fokus dari penelitian ini adalah metode klasifikasi dengan pendekatan suatu teknik pembelajaran mesin yakni Support Vector Machine. Keuntungan pendekatan metode SVM ini adalah komputasi data dapat dilakukan meskipun jumlah data terbatas dengan variabel yang kompleks. Pendekatan SVM untuk klasifikasi diaplikasikan dalam manajemen resiko kredit. Klasifikasi dilakukan untuk memisahkan aplikasi kredit dari nasabah suatu Bank Perkreditan Rakyat (BPR) ke dalam dua kelas yakni kelas ’baik’ dan kelas ‘buruk’. Sebuah bank yang melakukan klasifikasi dengan benar terhadap aplikasi kredit yang masuk dapat meminimalkan resiko kebangkrutan bank tersebut dan menambah kepercayaan masyarakat karena dapat menghindari dan menangani masalahmasalah kredit macet.

This study focuses on classification models using Support Vector Machine approach. This SVM has the advantage of data computation. The computation of finite data with complexity of the variables can be done using SVM. SVM for classification was applied in credit risk management. Classification was applied to separate the credit application of the client of a particular Bank Perkreditan Rakyat (BPR) into two classes, “good” and “bad”. A particular bank, which classifies the credit application correctly, can minimize the risk of bankruptcy and gain the society trust. By applying the classification, banks can prevent the problems appear to default credit.

Kata Kunci : Komputasi data, Support Vector Machine, aplikasi kredit