PERBANDINGAN METODE AHP-KNN DAN AHP-BACKPROPAGATION UNTUK PENENTUAN KELAYAKAN PEMBIAYAAN PADA BANK SYARIAH

Fatmawakhyuni, Destanti (2017) PERBANDINGAN METODE AHP-KNN DAN AHP-BACKPROPAGATION UNTUK PENENTUAN KELAYAKAN PEMBIAYAAN PADA BANK SYARIAH. S1 thesis, Universitas Pendidikan Indonesia.

Abstract

Dengan maraknya penyaluran Kredit Usaha Rakyat (KUR) oleh perbankan beserta di Indonesia memberikan dampak positif bagi pertumbuhan ekonomi karena semakin terserapnya tenaga kerja dan meluasnya lapangan pekerjaan. Tetapi, dengan menyalurkan KUR tersebut yang termasuk kredit maupun pembiayaan mikro, perbankan harus meningkatkan kewaspadaan terhadap resiko yang mungkin dihadapi, seperti macet hingga gagalnya pengembalian dana yang dipinjamkan kepada nasabah. Maka dari itu, harus ada upaya preventif dari decision maker dalam menyalurkan dana, diantaranya upaya dengan menggunakan teknologi dengan sebuah sistem yang mengevaluasi data nasabah sebagai pendukung keputusan guna memperkecil resiko. Sistem dapat dikembangkan dengan beberpaa metode seperti Analytical Hierarchy Process yang merupakan teori pengukuran, lalu menggunakan metode Jaringan Syaraf Tiruan seperti K Nearest Neighbor dan Backpropagation. Ketiga metode tersebut akan digabungkan dengan formula AHP-KNN dan AHP-Backpropagation untuk kemudian dinilai performanya. Penghitungan bobot dengan AHP menghasilkan nilai CR 0.005637 yang menunjukkan data cukup acceptable. Selanjutnya dilakukan perhitungan dan pembandingan 2 metode lainnya. Dari hasil pengujian, metode AHP-KNN menghasilkan akurasi 72.13% dan waktu eksekusi 0.0193 detik, sedangkan AHP-Backpropagation dengan akurasi 84.85% dan waktu eksekusi 0.185 detik.----------The widespread distribution of Kredit Usaha Rakyat(KUR) Programs by Indonesian Banks affected positive impact for economic growth through the expansion of employment and reducing unemployment. But, by expanding the distribution of KUR or another name is loan, Bank should be able to assess debtor's applicant better for reducing risk, such as failure to pay lent money. Thus, decision maker from bank should conduct preventive activity by using technology like debtor's applicant evaluation system for reducing the same risk. System can be developed by using good-performed measuring algorithm Analytical Hierarchy Process, then using Artificial Neural Networks such as K Nearest Neighbor and Backpropagation. Those algorithms will be combined into AHP-KNN and also AHP-Backpropagation, then the performance of these algorithms is measured. Weight measurement by using AHP generates 0.005637 of CR values which is that value is acceptable. Then, next step is measuring and benchmarking between others two combined algorithms. Results of the test are, AHP-KNN combined algorithms is more superior and accurate with 72.13% accuration dan 0.0193 seconds of execution time than AHP-Backpropagation with 84.85% accuration and 0.0185 seconds of execution time.

	Text S_KOM_1304349_Title.doc.pdf Download (299kB)
	Text S_KOM_1304349_Table_of_content.pdf Download (332kB)
	Text S_KOM_1304349_Abstract.doc.pdf Download (113kB)
	Text S_KOM_1304349_Chapter 1.doc.pdf Download (312kB)
	Text S_KOM_1304349_Chapter 2.pdf Restricted to Staf Perpustakaan Download (704kB)
	Text S_KOM_1304349_Chapter 3.pdf Download (351kB)
	Text S_KOM_1304349_Chapter 4.pdf Restricted to Staf Perpustakaan Download (2MB)
	Text S_KOM_1304349_Chapter 5.doc.pdf Download (2MB)
	Text S_KOM_1304349_Bibliography.doc.pdf Download (287kB)
	Text S_KOM_1304349_Appendix.doc.pdf Restricted to Staf Perpustakaan Download (1MB)

Item Type:	Thesis (S1)
Additional Information:	No. Panggil : S KOM FAT p-2017 ; Pembimbing : I. Budi Laksono Putro, II. Ria Anggraeni; NIM : 1304349
Uncontrolled Keywords:	Penetuan Pembiayaan, K Nearest Neighbor, Analytical Hierarchy Process, Backpropagation, Loan decision, K Nearest Neighbor, Analytical Hierarchy Process, Backpropagation
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User:	DAM staf
Date Deposited:	26 Sep 2018 02:43
Last Modified:	26 Sep 2018 02:43
URI:	http://repository.upi.edu/id/eprint/31669

Actions (login required)

View Item