Komparasi artifical network (ANN) dan model regresi logistik dalam klasifikasi kredit konsumtif

Abstract

Bank sebagai salah satu institusi penyedia kredit konsumtif harus mampu memprediksi besamya risiko kredit dalam rangka meningkatkan keuntungan kredit konsumtifnya. Keputusan pemberian kredit kepada seorang nasabah dilakukan dengan menganalisis permohonan kreditnya melalui pendekatan berbagai alternatif metode yang digunakan untuk membangun model pengklasifikasian, maka pada penelitian ini ingin mengkaji kemampuan model ANN dan regresi logistik dalam mengklasifkasikan nasabah apakah termasuk nasabah yang default atau nondefault. Dari hasil perbandingan model ANN dan regresi logistik terlihat bahwa model ANN memiliki kemampuan pengklasifikasian yang lebih baik dibandingkan dengan model regresi logistik. Ini dapat dilihat dari tingkat kesalahan prediksi dari data validasi di mana tingkat kesalahan prediksi untuk model ANN dari data validasi sebesar 11.49% sedangkan untuk model regresi logistik sebesar 19.07%. Berdasarkan nilai MSE, ANN juga menunjukkan performa lebih baik, yaitu sebesar 0.14*0.34 bila dibandingkan model regresi logistik yang sebesar 0.83+-0.38.