CREDIT SCORING ADAPTIF MENGGUNAKAN KERNEL LEARNING METHODS; ADAPTIVE CREDIT SCORING WITH KERNEL LEARNING METHODS

Muhamad Rashif Hilmi, Dedi Rosadi

2014 | Skripsi | PROGRAM STUDI STATISTIKA

Credit scoring merupakan suatu metode berbasis analisis statistika yang digunakan untuk mengukur besaran resiko kredit. Metode klasifikasi yang paling populer diadopsi di industri credit scoring adalah analisis diskriminan linier dan regresi logistik. Namun, metode tersebut mempunyai beberapa keterbatasan. Yaitu memerlukan seleksi variabel untuk regresi logistik dan data harus mengikuti distribusi tertentu untuk analisis diskriminan linear. Berdasarkan informasi tersebut, sulit untuk mengotomatisasi proses pemodelan data ketika lingkungan atau populasi terjadi perubahan. Metode Kernel adalah salah satu solusi dari permasalahan tersebut. Metode ini tidak memerlukan upaya pemilihan variabel dan dapat selalu konvergen ke solusi yang optimal dan memberikan hasil yang sama tanpa menghadapi masalah numerik atau harus kehilangan informasi. Hal ini memungkinkan pemodel untuk merancang proses penilaian kredit secara dinamis dalam praktek di mana model keputusan dapat diperbarui dan diperbaiki dengan kedatangan informasi baru

Kata Kunci : Manajemen Resiko; Penilaian Kredit; Metode Kernel; Support Vector Machines