• Tidak ada hasil yang ditemukan

Prediksi Nilai Kredit Pemilikan Rumah Menggunakan Evolving Fuzzy Neural Network (EFUNN)

N/A
N/A
Protected

Academic year: 2017

Membagikan "Prediksi Nilai Kredit Pemilikan Rumah Menggunakan Evolving Fuzzy Neural Network (EFUNN)"

Copied!
5
0
0

Teks penuh

(1)

BAB 1

PENDAHULUAN

Pada bab ini akan dibahas hal-hal yang menjadi latar belakang pembuatan tugas akhir, rumusan masalah, tujuan penelitian, batasan masalah, manfaat, metodologi penelitian, serta sistematika penulisan.

1.1. Latar Belakang

Rumah merupakan kebutuhan setiap orang. Dengan semakin padatnya penduduk, transaksi terhadap property rumah pun semakin meningkat. Setiap rumah memiliki jenis dan tingkatan nilai yang berbeda-beda. Banyak transaksi property rumah yang terkait dengan bank maupun KJPP (Kantor Jasa Penilai Publik). Contohnya seperti jual-beli, sebagai jaminan kredit, pengukuran harta kekayaan dan perhitungan pajak.

Kredit Pemilikan Rumah (KPR) merupakan kredit yang digunakan untuk membeli rumah atau untuk kebutuhan konsumtif lainnya dengan jaminan/agunan berupa rumah. KPR ditawarkan oleh bank dengan kredit dan bunga berdasarkan pilihan-pilihan KPR yang dipilih nasabah. Proses sederhana dari KPR sendiri adalah pembelian rumah melalui bank, dimana rumah tersebut dibayarkan oleh bank sepenuhnya lalu nasabah mencicil pembayaran dana beserta bunga kepada bank. Jumlah permintaan KPR serta nilai rumah yang diajukan sulit untuk diperkirakan, hal ini tentu menjadi masalah tersendiri bagi pihak bank dalam pengalokasian dana.

(2)

Untuk mendapatkan nilai masa depan juga dapat digunakan teknik peramalan (forecasting). Salah satu metode forecasting yaitu kuantitatif yang terbagi menjadi dua tipe yaitu causal dan time series. Metode causal merupakan metode yang meliputi faktor-faktor yang berhubungan dengan variable yang diprediksi seperti contohnya analisis regresi. Metode time series merupakan metode untuk menganalisis data masa lampau yang telah dikumpulkan secara teratur menggunakan teknik yang tepat, dimana hasilnya dapat menjadi acuan untuk peramalan nilai dimasa yang akan datang.

Evolving Fuzzy Neural Network (EFuNN) merupakan salah satu metode yang sering digunakan dalam prediksi time series. EFuNN merupakan struktur Fuzzy Neural Network (FuNN) yang berevolusi berdasarkan prinsip Evolving Connectionist System (ECOS). Dimana FuNN merupakan neural network yang mewujudkan aturan-aturan fuzzy dengan fuzzy inference machine secara connectionist (Kasabov, 2007).

Penelitian terdahulu yang menggunakan EFuNN seperti prediksi kurs rupiah terhadap dollar amerika (Sani, 2013), dimana EFuNN digunakan untuk memprediksi perubahan nilai yang terjadi pada kurs rupiah terhadap dollar amerika. Penelitian lainnya yaitu prediksi harga listrik dalam skenario pasar (Arun, 2013), pada penelitian ini EFuNN digunakan untuk meramal tingkatan harga listrik di pasar.

Berdasarkan latar belakang di atas, maka penulis mengajukan penelitian dengan judul “PREDIKSI NILAI KREDIT PEMILIKAN RUMAH MENGGUNAKAN EVOLVING FUZZY NEURAL NETWORK(EFuNN)”.

1.2. Rumusan Masalah

Dana pembiayaan terhadap nilai rumah nasabah KPR sulit untuk diperkirakan dengan permintaan dan penawaran nasabah yang tidak menentu dan nilai harga pasar terhadap properti yang terus berubah-ubah, sedangkan pihak bank harus dapat mengalokasikan dana perusahaan dengan sebaik-baiknya, Sehingga diperlukan pendekatan untuk mendapatkan prediksi terhadap nilai pembiayaan KPR.

1.3. Batasan Masalah

(3)

1) Data yang diprediksi adalah nilai dokumen atau fisik dari rumah pada KPR.

2) Data pembiayaan terhadap KPR nasabah tidak termasuk pada event khusus seperti pengadaan expo dalam penjualan rumah.

3) Data yang digunakan dari Internal Appraisal Permata Bank dari tahun 2011-2014 4) Data yang digunakan merupakan hasil perhitungan akhir data KPR yang telah

diterima permohonannya dan khusus daerah Sumatera Utara

1.4. Tujuan Penelitian

Memprediksi nilai pembiayaan Kredit Pemilikan Rumah menggunakan Evolving Fuzzy Neural Network.

1.5. Manfaat Penelitian

Manfaat dari penelitian ini adalah :

1) Mendapatkan prediksi harga atau pembiayaan terhadap Kredit Pemilikan Rumah pada bank.

2) Pihak bank dapat mengalokasian dana pembiayaan KPR dengan tepat sehingga dapat membantu dalam perencanaan pengalokasian dana secara keseluruhan. 3) Dapat diketahui perkiraan keuntungan dari KPR berdasarkan persentase bunga

KPR pada bank.

1.6. Metodologi

Tahapan-tahapan yang akan dilakukan pada penelitian adalah sebagai berikut :

1) Studi Literatur

Pengumpulan referensi mengenai algoritma Evolving Fuzzy Neural Network

(EFuNN) serta mengenai kredik pemilikan rumah (KPR). 2) Analisis Permasalahan

(4)

3) Pengumpulan Data

Pada tahap ini dilakukan pengumpulan data KPR yang akan digunakan untuk melakukan prediksi.

4) Implementasi

Pada tahap ini dilakukan implementasi algoritma Evolving Fuzzy Neural Network dalam melakukan prediksi terhadap data yang telah didapat sebelumnya.

5) Evaluasi dan Analisis Hasil

Pada tahan ini akan dilakukan evaluasi serta analisis terhadap hasil yang didapat melalui implementasi Evolving Fuzzy Neural Network dalam melakukan prediksi. 6) Dokumentasi dan Pelaporan

Pada tahap ini dilakukan dokumentasi serta pelaporan hasil evaluasi dan analisis serta implementasi algoritma Evolving Fuzzy Neural Network dalam melakukan prediksi.

1.7. Sistematika Penulisan

Sistematikan penulisan skripsi ini terdiri dari 5 bagian utama, yaitu:

Bab 1: Pendahuluan

Bab ini berisi tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, serta sistematika penulisan dari penelitian yang dilakukan.

Bab 2: Landasan Teori

Bab ini berisi tentang teori-teori yang diperlukan dalam memahami dan penyelesaian masalah pada penelitian ini. Bab ini membahas tentang teori yang berhubungan dengan prediksi dan algoritma Evolving Fuzzy Neural Network.

Bab 3: Analisis dan Perancangan

(5)

Bab 4: Implementasi dan Pengujian

Bab ini berisi tentang implementasi dari perancangan yang telah dijabarkan pada bab 3. Pada bab ini juga akan dijabarkan mengenai hasil pengujian berdasarkan implementasi yang dilakukan.

Bab 5: Kesimpulan dan Saran

Referensi

Dokumen terkait

The number of lacunarity functions depend on the height of the vegetation (i.e., the vertical range of the point cloud).. The lacunarity function sets remain

[r]

[r]

[r]

- Co adalah kadar obat yang bebas dalam protein plasma dimana. diperoleh dari hasil serapan yang dimasukkan pada

Hasil penelitian ini menunjukkan besarnya nilai p (0,000) lebih kecil dari 0,05 sehingga terdapat hubungan yang signifikan antara frekuensi bermain game online dengan

Ucapat terikamasih juga tidak lupa disampaikan kepada Ketua dan seluruh Komisioner KPU Kota Jakarta Timur dan seluruth Sekretariat KPU Kota Jakarta yang selalu

Sehubungan dengan pelaksanaan evaluasi dokumen kualifikasi dan pembukt ian kualifikasi dari perusahaan yang saudara/ i pimpin, maka dengan ini kami mengundang dalam