PENINGKATAN AKURASI PADA ALGORITMA C4.5 MENGGUNAKAN ADABOOST UNTUK MEMINIMALKAN RESIKO KREDIT

Aldi Nurzahputra
Much Aziz Muslim

Abstract


Abstrak

Tingkat akurasi dalam penilaian risiko pemohon kredit sangat penting bagi organisasi pemberi pinjaman. Data pemohon kredit yang besar dapat diolah menjadi informasi yang dapat digunakan sebagai pendukung keputusan dalam menentukan permohoanan kredit. Pengolahan data tersebut termasuk dalam bidang data mining.Salah satu metode yang dapat diterapkan dalam permohonan kredit, yaitu klasifikasi. Terdapat beberapa algoritma klasifikasi salah satunya yaitu pohon keputusan atau decision tree. Algoritma decision tree yang terkenal ialah C4.5. Algoritma C4.5 dapat diterapkan dalam mengklasifikasi permohonan kredit. Penelitian ini menggunakan German Credit Card dataset. Adapun tujuan penelitian ini yaitu meningkatkan akurasi dari algoritma C4.5 dengan menerapkan adaboost dalam mengklasifikasi permohonan kredit dengan membandingkan hasil sebelum dan sesudah diterapkan adaboost. Validasi dalam penelitian ini menggunakan 10 fold cross validation. Sedangkan pengukuran akurasi diukur dengan confussion matrix. Hasil percobaan menunjukan terdapat peningkatan akurasi 3.7%. Akurasi penerapan algoritma C4.5 saja mencapai 70.5%. Sedangkan akurasi pnerapan algoritma C4.5 dengan adaboot mencapai 74.2%.

 

Kata Kunci:C4.5, Adaboost, Data Mining, German Credit Card.


Teks Lengkap:

PDF

Article Metrics

Abstract views : 1045| PDF views : 741

Refbacks

  • Saat ini tidak ada refbacks.