ALGORITMA INTERACTION MINER SEBAGAI UPAYA UNTUK MENINGKATKAN AKURASI REGRESI LOGISTIK DALAM PEMBUATAN MODEL CREDIT SCORING (Studi Kasus Data Konsumen Kredit PT. Bank Mandiri Tbk.); IMPROVING LOGISTIC REGRESSION WITH INTERACTION MINER FOR CREDIT SCORING (Case Study : PT. Bank Mandiri Tbk. Consumer Credit Data)

YOGA DIMAS PRASETYA, Abdurrakhman

2012 | Skripsi | PROGRAM STUDI STATISTIKA

Analisis risiko kredit memegang peranan yang sangat penting pada analisis kredit macet. Credit Scoring merupakan salah satu langkah untuk membantu dalam pengambilan keputusan kredit. Meskipun terdapat banyak teknik pengolahan kredit scoring yang lebih powerfull, bank menghadapi aturan dimana metode yang digunakan tidak boleh mengandung unsur yang black-box. Akibatnya, meskipun banyak sekali teknik yang lebih powerfull bank masih lebih memilih menggunakan Regresi Logistik sebagai metode pengolahan datanya. Dalam tugas akhir ini dibahas bagaimana mengubah teknik yang black-box tersebut sehingga dapat digunakan dalam praktek di dunia perbankan. Metode yang dimaksud dalam tugas akhir ini adalah metode Interaction Miner. Metode ini memanfaatkan metode random forest sebagai seleksi variabel dan pendeteksian interaksi sehingga dapat dilakukan regresi logistik. Dalam rangka melihat dan membandingkan metode Interaction Miner dan Regresi Logistik, penulis melakukan studi kasus terhadap data yang didapat dari PT. Bank Mandiri. Tbk. Tugas akhir ini berakhir dengan kesimpulan bahwa Interaction Miner terbukti mampu mengungguli metode regresi logistik berdasarkan ukuran asosiasi yang ada. Selain itu, tingkat akurasi yang dimiliki metode ini lebih besar dibanding metode regresi logistik dengan selisih tingkat akurasi sebesar 3.08%.

Kata Kunci : Kredit, Analisis Risiko Kredit, Credit Scoring, Interaction Miner, Random Forest, Regresi Logistik, Maksimisasi Akurasi, Klasifikasi,