61
BAB IV PENUTUP
4.1. Kesimpulan
Berdasarkan uraian yang telah dibahas pada bab-bab sebelumnya mengenai analisis dan perancangan sistem penunjang keputusan analisa resiko kredit, maka dapat ditarik beberapa kesimpulan sebagai berikut :
1. Analisa resiko kredit dapat dilakukan dengan bantuan algoritma support vector machine. Analisa resiko kredit berdasarkan pada analisa 20 atribut pada dataset german credit data.
2. Implementasi algoritma support vector machine untuk analisa resiko kredit menghasilkan akurasi prediksi yang cukup baik yaitu 77,25% pada data testing.
Implementasi algoritma SVM untuk analisa resiko kredit berdasarkan pada model SVM yang dihasilkan oleh aplikasi RapidMiner.
2.2. Saran
Berdasarkan kesimpulan di atas, hal yang diharapkan di masa mendatang sebagai bahan penelitian berikutnya adalah:
1. Dataset yang digunakan merupakan dataset sekunder yang didapatkan dari german credit data. Sehingga penerapan di negara Indonesia perlu dievaluasi kembali.
2. Guna meningkatkan kinerja algoritma support vector machine dalam menganalisa resiko kredit. Dapat diterapkan optimasi menggunakan berbagai
62
cara seperti, optimasi pada level data, optimasi pada level algoritma, optimasi parameter dan sebagainya.
3. Pemilihan algoritma prediksi lain juga dapat dilakukan untuk mengetahui algoritma yang paling cocok untuk menganalisa resiko kredit.
