Analisis Akurasi Penerapan Model Kelayakan Kredit Menggunakan Support Vector Machine Dengan Radial Basis Function (Studi Kasus German Kredit Data)

Abstract

Machine Learning merupakan disiplin ilmu kecerdasan buatan dengan teknik statistika untuk menghasilkan suatu model dari sekumpulan data. Terdapat banyak algoritma machine learning yang biasa digunakan, salah satunya support vector machine (SVM). SVM salah satu metode yang dapat melakukan pengklasifikasi data dengan baik, karena proses yang akan dilakukan bersifat non linear maka akan menggunakan kernel radial basis function (RBF) . Fungsi RBF dapat diterapkan dalam mengklasifikasi permohonan kredit. Penelitian ini menggunakan German Credit Dataset. German Credit Dataset dengan 1000 data memiliki 21 variabel terdiri 20 variabel input dan 1 variabel target dengan kelas tidak seimbang. Hasil dari pengujian ditampilkan dalam bentuk, confusion matrix yang akan digunakan untuk perhitungan akurasi dan area under curve untuk perhitungan performa. Dari percobaan yang dilakukan diperoleh nilai akurasi 0.743 (74%) dan nilai performa 0.7689 (77%) termasuk kategori Fair Model .