• Tidak ada hasil yang ditemukan

Klasifikasi Nasabah Kredit Bank “X” Di Provinsi Lampung Menggunakan Analisis Diskriminan Kernel

N/A
N/A
Info
Unduh - Bebas
Protected

Academic year: 2021

Membagikan "Klasifikasi Nasabah Kredit Bank “X” Di Provinsi Lampung Menggunakan Analisis Diskriminan Kernel"

Copied!
10
0
0

Memuat.... (Lihat teks lengkap sekarang)

Unduh sekarang ( 10 Halaman )

Teks penuh

Gambar

Tabel 1. Matrik Konfusi Hasil Prediksi Kelompok Kelompok Aktual Kelompok Prediksi Jumlah Observasi 1 2 1 n 11 n 12 n 1 2 n 21 n 22 n 2 222112112112nnnnnnAPER (5)
Gambar 1. Hasil Ketepatan Klasifikasi Menggunakan Analisis Diskriminan Kernel Normal dengan Bandwidth 0,1 sampai 0,9 pada data training
Tabel 4 menunjukkan dari 100 data testing yang dianalisis menggunakan diskriminan kernel fungsi kernel normal dengan bandwidth 0,1, nasabah kredit yang tepat diklasifikasikan berstatus lancar sebanyak 82 orang dan nasabah kredit yang
Tabel 5. Hasil Klasifikasi Menggunakan Analisis Diskriminan Kernel Epanechnikov Data Training 1DVDEDK .UHGLW %DQN ³;´ GL Provinsi Lampung

Referensi

Unduh sekarang ( PDF - 10 Halaman - 194.98 KB )

Dokumen terkait

ANALISIS KLASIFIKASI PADA NASABAH KREDIT KOPERASI X MENGGUNAKAN DECISION TREE C4.5 DAN NAÏVE BAYES.

Teknik data mining yang digunakan pada penelitian ini untuk klasifikasi kredit lancar dan bermasalah dengan menerapkan metode decision tree C4.5 dan naïve bayes. Dari

Analisis Klasifikasi Kredit Menggunakan Regresi Logistik Biner Dan Radial Basis Function Network di Bank „X‟ Cabang Kediri

Rata-rata ketepatan klasifikasi untuk metode Radial Basis Function Network adalah sebesar 99,03% untuk data dengan jumlah kredit macet sebanyak 6 dan 98,51%

ANALISIS KLASIFIKASI PADA NASABAH KREDIT KOPERASI X MENGGUNAKAN DECISION TREE C4.5 DAN NAÏVE BAYES

Analisis klasifikasi pada data kredit Koperasi X telah berhasil dilakukan dengan tahapan penyiapkan data, pengumpulan data, preprocessing yang terdiri dari data

Analisis Klasifikasi Kredit Menggunakan Regresi Logistik Biner dan Radial Basis Function Network di Bank X Cabang Kediri

Rata-rata ketepatan klasifikasi untuk metode Radial Basis Function Network adalah sebesar 99,03% untuk data dengan jumlah kredit macet sebanyak 6 dan 98,51%

ANALISIS KLASIFIKASI KREDIT MENGGUNAKAN METODE NEWTON TRUNCATED-KERNEL LOGISTIC REGRESSION (NTR-KLR) (STUDI KASUS : DATA KREDIT BANK X )

Pemodelan NTR-KLR dan NTR-RLR dalam penelitian ini menghasilkan nilai sensitivitas yang rendah karena keterbatasan penggunakan kriteria total akurasi, untuk penelitian

PERBANDINGAN ANALISIS DISKRIMINAN FISHER DAN NAIVE BAYES UNTUK KLASIFIKASI RISIKO KREDIT (Studi Kasus Debitur di Koperasi Jateng Amanah Mandiri Cabang Sukorejo Kendal)

Berdasarkan latar belakang tersebut penulis tertarik melakukan penelitian dengan judul “ Perbandingan Analisis Diskriminan Fisher dan Naive Bayes untuk Klasifikasi

ANALISIS DISKRIMINAN FISHER POPULASI GANDA UNTUK KLASIFIKASI NASABAH KREDIT - Diponegoro University | Institutional Repository (UNDIP-IR)

Tugas Akhir yang berjudul Analisis Diskriminan Fisher Populasi Ganda untuk Klasifikasi Nasabah Kredit ini merupakan salah satu syarat untuk memperoleh gelar Sarjana Sains

ANALISIS DISKRIMINAN DALAM KLASIFIKASI POLA PENGEMBALIAN KREDIT SEKTOR PERTANIAN (STUDI KASUS PT. BANK XYZ) Oleh : YUSI YOLANDA BHAKTI H

Terlihat pada tabel dibawah fungsi pembeda dari setiap kelompok kolektibilitas, terdapat lima persamaan melalui pengolahan diskriminan, sehingga apabila ada data