SEGMENTASI KARAKTERISTIK DEBITUR MENGGUNAKAN METODE K-MEANS CLUSTER DAN MULTI-CLASS SUPPORT VECTOR MACHINES; DEBTOR CHARACTERISTIC SEGMENTATION USING K-MEANS CLUSTER AND MULTI-CLASS SUPPORT VECTOR MACHINES METHOD

Afina Nurseha, Herni Utami

2014 | Skripsi | PROGRAM STUDI STATISTIKA

Analisis kredit menggunakan teknik statistika telah mengalami perkembangan dan mendapat perhatian yang besar. Salah satu teknik analisa kredit untuk mengantisipasi adanya kredit macet yaitu dengan mengelompokkan karakteristik debitur. Salah satu metode untuk mengelompokkan sejumlah data debitur yaitu menggunakan metode K-means Cluster (clustering non-hierarki). Setelah data dikelompokkan, selanjutnya dilakukan prediksi pada dataset (testing data) dan dihitung tingkat akurasi kebenarannya menggunakan metode multi-class support vector machines. Metode multi-class support vector machines merupakan pengembangan dari metode support vector machines yang dapat digunakan untuk mengklasifikasikan data yang memiliki lebih dari dua kelas (multi kelas). Salah satu metode yang dapat digunakan untuk mengimplementasikan metode multiclass support vector machines adalah metode one-against-one (satu lawan satu). Penelitian ini dilakukan dengan berbagai variasi proporsi training data dan testing data serta nilai sigma dari fungsi Kernel berupa Radial Basis Function.

Kata Kunci : Segmentasi debitur, K-means cluster, Support Vector Machines, Multi-class Support Vector Machines, One-Against-One