Claim Missing Document
Check
Articles

Found 2 Documents
Search

ANALISA CARA KERJA MICROSERVICE BERBASIS PHYTON UNTUK PERANCANGAN CREDIT SCORE PADA DI FINTECH Andre Pratama Adiwijaya; Sutresna Wati
Jurnal Ilmiah Multidisiplin Vol. 1 No. 03 (2022): Mei : Jurnal Ilmiah Multidisiplin
Publisher : Asosiasi Dosen Muda Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (782.701 KB) | DOI: 10.56127/jukim.v1i03.186

Abstract

Penelitian ini mampu membuat penentuan kelayakan pemberian pinjaman secara online tanpa harus melakukan survei kelayakan secara offline. Permodelan untuk kelayakan pemberian menggunakan skema model Predictive Analytics yang dimana service/aplikasi ini bisa berdiri sendiri ataupun bergabung dengan keseluruhan aplikasi dari ERP (Enterprise Resource Planning). Metode yang digunakan dalam perancangan pembuatan service/aplikasi berasiskan agile. Sistem ini berbasiskan Phyton dan juga database menggunakan MYSQL. Aplikasi ini memudahkan perusahan finansial dari multi finance hingga bank dapat memilih calon peminjam dengan tingkat gagal bayar rendah serta membuat nilai TKB dari perusahaan tersebut akan selalu terjaga. Dan dapat meminimalisir para peminjam gagal bayar.
Implementasi Algoritma Regresi Logistik untuk Binary Classification dalam Spam SMS dan WhatsApp Ana Nur Rani Hasanah; Rr. Artiana Krestianti; Sutresna Wati
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 7 No. 1 (2023): SEMINAR NASIONAL INOVASI TEKNOLOGI 2023
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v7i1.3413

Abstract

WhatsApp merupakan layanan seperti pengiriman pesan; panggilan suara dan video; serta pengiriman dokumen dan media; telah menjadi pilihan yang sangat digemari oleh masyarakat di seluruh dunia. Meskipun demikian; aplikasi ini juga seringkali menjadi tempat penyebaran spam; yang dapat berupa penipuan; promosi; atau bentuk negatif lainnya. Meskipun terdapat berbagai upaya untuk mengklasifikasikan spam SMS berbahasa Inggris dengan menggunakan algoritma regresi logistik; namun masih sangat jarang ditemukan SMS dan WA dalam bahasa Indonesia. Oleh karena itu; penelitian ini bertujuan untuk melakukan klasifikasi biner pada data ham dan spam menggunakan metode algoritma regresi logistik pada 10793 data; dengan 10038 ham dan 775 spam. Penelitian ini juga menghasilkan lima matriks evaluasi yang dapat membantu memvisualisasikan hasil model yang telah dihasilkan; serta beberapa dekomposisi data untuk menemukan hasil terbaik selama proses pembuatan model; berdasarkan penelitian sebelumnya.; menghasilkan Accuracy = 7525 (0;9703593923675435); Precision = 5050 (0;9753694581280288); Recall = 8020 (0;6385542168674698); F1-score = 8020 (0;7653429602888085) dan ROC dengan nilai AUC = 7525 (0;987168100907698).