Abstract:
Salah satu bentuk usaha yang dijalankan oleh perbankan adalah pemberian kredit
terhadap nasabah. Bank akan selalu berusaha mengoptimalkan penyaluran kredit
terhadap nasabah, akan tetapi tidak menutup kemungkinan bahwa kredit yang
diberikan tersebut memiliki risiko. Guna menekan dan meminimalisir risiko kredit
pihak bank perlu melakukan analisis terhadap data yang dimiliki nasabah agar dapat
mengambil keputusan apakah nasabah atau calon debitur layak diberikan pinjaman
dalam bentuk kredit. Salah satu cara untuk menyelesaikan masalah analisa risiko
kredit adalah dengan melakukan klasifikasi dengan menggunakan machine learning.
Pada penelitian ini dilakukan klasifikasi dengan menggunakan algoritma Support
Vector Machine (SVM) serta oversampling data dengan menggunakan MWMOTE dan
Improve MWMOTE. Data yang digunakan pada penelitian ini adalah data german
credit risk yang memiliki Kelas bad credit yang terdiri atas 300 data dan kelas good
credit terdiri atas 700 data. Penelitian dilakukan dengan membandingkan klasifikasi
SVM dengan dan tanpa oversampling. Hasilnya didapatkan bahwa nilai akurasi dari
klasifikasi Improve MWMOTE SVM memiliki nilai tertinggi jika dibandingan dengan
SVM MWMOTE, dan SVM yaitu sebesar 79%.
