Image of Analisis statistik menggunakan metode k-means dan random forest regressor untuk menilai kelayakan pendanaan serta mengurangi risiko gagal bayar (studi kasus : PT bursa akselerasi Indonesia)

Teknik Informatika

Analisis statistik menggunakan metode k-means dan random forest regressor untuk menilai kelayakan pendanaan serta mengurangi risiko gagal bayar (studi kasus : PT bursa akselerasi Indonesia)

Penelitian ini bertujuan mengembangkan teknik model klasifikasi machine learning dalam menilai kelayakan pendanaan untuk mengurangi tingkat gagal bayar pada produk pendanaan bersama (peer-to-peer lending) kepada investor (lender). Studi ini mencangkup data dari tahun 2020 hingga 2024, memberikan wawasan bagi investor dalam pengambilan keputusan pendanaan yang lebih akurat. Tingginya risiko gagal bayar menjadi masalah utama karena kurangnya data akurasi dalam menilai kelayakan pendanaan, hal ini meningkatkan kemungkinan peminjam yang berisiko tinggi untuk pengembalian dana yang mempengaruhi tingkat kepercayaan investor dan mempengaruhi keberlanjutan platform pendanaan bersama. Penelitian ini menerapkan algoritma k-means clustering dan random forest reggressor dengan menggunakan bahasa pemograman Python dan scikit-learn. Penerapan algoritma klasifikasi dalam mengevaluasi kelayakan pendanaan pada pendanaan bersama di Indonesia ini belum banyak dikaji secara mendalam. Hasil pengujian menunjukkan bahwa performa model tidak selalu meningkat seiring dengan meningkatnya proporsi data uji coba (testing). Hal ini terlihat dari nilai R° (koefisien determinasi) yang tidak menunjukkan tren peningkatan secara konsisten pada setiap skenario pengujian. Pada rasio 90:10, nilai R' sebesar 0,81991, kemudian meningkat menjadi 0,81941 pada rasio 80:20, dan mencapai nilai tertinggi sebesar 0,83824 pada rasio 70:30. Namun, pada rasio 60:40, nilai R° justru menurun menjadi 0,80915. Dengan demikian, proporsi 70:30 memberikan performa terbaik berdasarkan nilai R2 yang paling tinggi di antara keempat skenario. Model yang dihasilkan pada penelitian ini akan diimplementasikan sebagai dasar untuk sistem prediksi tingkat keberhasilan pengembalian dana pada platform peer-to-peer (P2P) lending.

Ketersediaan
TI25/020TI 25/020Prodi Teknik Informatika (Ruang Skripsi & Tesis)Tersedia
Informasi Detail
Judul Seri
-
No. Panggil
TI 25/020
Penerbit
Jakarta : Universitas Trilogi.,
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
TI
Tipe Isi
text
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
Information technology
Trilogi University--Information technology
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar
Anda harus masuk sebelum memberikan komentar