Jurnal Ilmiah KOMPUTASI
Vol 19, No 2 (2020): Juni

ANALISIS AKURASI PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE MENGGUNAKAN KERNEL RADIAL BASIS FUNCTION PADA PENENTUAN KELAYAKAN KREDIT (STUDI KASUS GERMAN KREDIT DATA)

Danarko Putra (Unknown)
Bheta Agus Wardijono (Unknown)



Article Info

Publish Date
29 May 2020

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.   Kata Kunci: Support Vector Machine, Radial Basis Function, German Credit Dataset

Copyrights © 2020






Journal Info

Abbrev

komputasi

Publisher

Subject

Computer Science & IT

Description

Jurnal Ilmiah Komputasi ISSN : 1412-9434 adalah jurnal ilmiah di bidang Komputer dan Komunikasi yang memuat tulisan-tulisan ilmiah mengenai penelitian-penelitian di bidang: perangkat keras, perangkat lunak, komputasi, jaringan komputer dan komunikasi data. Jurnal terbit empat kali dalam setahun ...