Implementasi Klasifikasi untuk Prediksi Status Kredit Nasabah pada Kredit Kendaraan Bermotor

Abstract

Kendaraan bermotor sudah menjadi kebutuhan bagi masyarakat Indonesia. Pembelian kendaraan bermotor dapat dilakukan dengan cara kredit pada perusahaan leasing. Tidak seperti kredit, pada umumnya kredit kendaraan bermotor tidak memerlukan jaminan yang besar. Dengan jaminan yang kecil dan uang muka yang rendah nasabah sudah dapat membeli motor. Namun hal itu dapat merugikan pihak leasing jika terdapat nasabah yang tidak bisa melanjutkan angsuran. Penelitian ini bertujuan untuk menentukan prediksi status kredit dan prediksi status keterlambatan pembayaran angsuran oleh nasabah pada kredit kendaraan bermotor dengan menggunakan metode Backpropagation Neural Network. Penelitian ini menggunakan 200 data sebagai data training dan data testing, di mana parameter yang digunakan sebanyak 9 parameter yaitu jumlah uang muka, lama angsuran, usia, status pernikahan, penghasilan, penghasilan pasangan, kepemilikan rumah, jumlah tanggungan, dan jenis kelamin. Proses pengujian akurasi dilakukan dengan menggunakan Stratified K-Fold. Stratified K-Fold digunakan untuk menilai kinerja proses metode Backpropagation Neural Network dengan membagi sampel data secara acak dan mengelompokkan data tersebut sebanyak nilai K.  Hasil rata-rata akurasi tertinggi pada prediksi status kredit yaitu sebesar 0.815  pada batas error 0.0009, learning rate 0.1, iterasi maksimum 1000, dan pada K-Fold=3. Selain itu, prediksi status keterlambatan memiliki rata rata akurasi tertinggi yaitu sebesar 0.74 pada batas error 0.001, learning rate 0.1, iterasi maksimum 1000 dan pada K-Fold=3. Dari hasil tersebut dapat disimpulkan bahwa hasil rata-rata akurasi tertinggi diperoleh pada prediksi status kredit dengan nilai rata rata akurasi tertinggi adalah 0.815.