Ramadhan, Fatah (2016) IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM ANALISIS PEMBERIAN KREDIT KEPADA PARA DEBITUR. S1 thesis, Universitas Pendidikan Indonesia.
|
Text
S_KOM_0905758_Title.pdf Download (288kB) | Preview |
|
|
Text
S_KOM_0905758_Abstract.pdf Download (57kB) | Preview |
|
|
Text
S_KOM_0905758_Table_of_content.pdf Download (256kB) | Preview |
|
|
Text
S_KOM_0905758_Chapter1.pdf Download (225kB) | Preview |
|
![[img]](http://repository.upi.edu/style/images/fileicons/text.png) |
Text
S_KOM_0905758_Chapter2.pdf Restricted to Staf Perpustakaan Download (331kB) |
|
|
Text
S_KOM_0905758_Chapter3.pdf Download (235kB) | Preview |
|
|
Text
S_KOM_0905758_Chapter4.pdf Restricted to Staf Perpustakaan Download (1MB) |
|
|
Text
S_KOM_0905758_Chapter5.pdf Download (131kB) | Preview |
|
|
Text
S_KOM_0905758_Bibliography.pdf Download (231kB) | Preview |
|
|
Text
S_KOM_0905758_Appendix.pdf Restricted to Staf Perpustakaan Download (646kB) |
Abstract
Perkembangan perekonomian di Indonesia saat ini tumbuh berkembang dengan seiring meningkatnya kegiatan perekonomian yang berdampak langsung terhadap peningkatan usaha dan kebutuhan manusia. Sebagaimana umumnya dalam negara berkembang, dalam dunia usaha selalu berusaha untuk meningkatkan penjualan karena dengan meningkatnya penjualan akan meningkatkan pula pendapatan dunia usaha tersebut. Salah satu cara yang digunakan untuk meningkatkan penjualan adalah dengan menggunakan sistem penjualan kredit. Proses penilaian kelayakan pemberian kredit ini menjadi permasalahan pada lembaga pembiayaan. Beberapa kendala dalam proses analisis pemberian kredit di lembaga pembiayaan yaitu kurang tepat dan cepat hasil analisis kredit yang dilakukan. Hal tersebut dipengaruhi oleh faktor human error, sedangkan data yang akan dianalisis jumlahnya bisa mencapai ratusan nasabah perhari, sehingga mengakibatkan tingkat kesalahan analisis sangat besar dan membutuhkan waktu yang lama. Untuk menyelesaikan permasalahan analisis kredit tersebut, dalam penelitian ini akan membangun sebuah sistem yang dapat memberikan rekomendasi kepada analis kredit untuk menganalisis kredit. Sistem akan dibangun dengan menggunakan algoritma backpropagation. Dari hasil yang telah dilakukan, secara umum jaringan yang dilatih dapat menganalisis permintaan kredit dengan cukup baik terbukti dengan akurasi yang dihasilkan sebesar 79% dengan hidden layer 20 dan learning rate 0.003. Beberapa faktor yang mempengaruhi keakurasian tersebut diantaranya karena metode Jaringan Saraf Tiruan backpropagation yang digunakan dapat diimplementasikan dalam aplikasi analisis pemberian kredit, kemudian mengganti maks epoh dengan maxMSEsama lebih efektif karena akan menghasilkan jaringan yang optimal dan tidak terjebak dalam kondisi local optima.; Development economy in Indonesia is currently growing by the concomitant increase in the economic activities that directly impact business improvement and human needs. As is generally in the developing world, the business world is always trying to increase sales by increasing sales revenues will improve also the business world. One of the ways used to increase sales is by using a system of credit sales. The process of assessing creditworthiness is an issue on financing institution. Some of the obstacles in the process of analyzing credit in the financial institution that is less precise and quick results do credit analysis. It is influenced by the factor of human error, while the data will be analyzed totaling in the hundreds of customers per day, resulting in an error rate analysis is very large and requires a long time. To solve the problems of the credit analysis, this research will build a system that can give a recommendation to credit analysts to analyze credit. The system will be built using back propagation algorithm. From the results that have been done, in general trained network can analyze credit demand quite well as evidenced by the resulting accuracy of 79% with a hidden layer 20 and the learning rate 0.003. Some of the factors that affect the accuracy of methods such as artificial neural networks backpropagation used can be implemented in the application analysis of lending, then replace max epoch with maxMSEsama more effective because it will generate optimal network and do not get stuck in local optima conditions.
| Item Type: | Thesis (S1) |
|---|---|
| Additional Information: | No. Panggil: S KOM RAM i-2016; Pembimbing: I. Eddy Prasetyo Nugroho; II. Munir |
| Uncontrolled Keywords: | Analisis Kredit, Backpropagation, Credit Analysis |
| Subjects: | H Social Sciences > HB Economic Theory H Social Sciences > HG Finance T Technology > T Technology (General) |
| Divisions: | Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer |
| Depositing User: | Mr mhsinf 2017 |
| Date Deposited: | 31 Jul 2017 08:58 |
| Last Modified: | 31 Jul 2017 08:58 |
| URI: | http://repository.upi.edu/id/eprint/24222 |
Actions (login required)
 |
View Item |