Penelusuran Unit dan Lapisan Tersembunyi Jaringan Saraf Tiruan pada Data Tidak Seimbang (Studi Kasus Debitur Kartu Kredit Bank Mandiri Tahun 2008-2009)

Abstract

Kebutuhan bank akan praktik tata kelola yang sehat dan penerapan manajemen risiko meningkat agar segala kegiatan usaha bank tidak hanya terkendali tetapi juga mampu memberikan keuntungan pada bank. Penerapan metode statistika adalah cara yang bisa dilakukan untuk mengukur risiko seperti pembangunan model klasifikasi dengan Artificial Neural Network. Artificial Neural Network atau jaringan saraf tiruan (JST) merupakan metode komputasi yang diilhami oleh struktur jaringan otak manusia untuk memecahkan suatu masalah seperti pengenalan pola atau klasifikasi melalui proses pembelajaran. Data terdiri dari 81% berstatus good dan 19% berstatus bad. Kondisi tersebut menunjukkan bahwa data tidak seimbang. Model JST yang dibangun dari data dengan komposisi debitur good dengan bad tidak seimbang memiliki ketepatan klasifikasi sebesar 80.8% dengan sensitivitas dalam mengklasifikasikan debitur bad hanya sebesar 10%. Kecilnya sensitivitas model dalam mengklasifikasikan debitur bad mengakibatkan kerugian pada pihak bank sehingga diperlukan suatu modifikasi agar model yang dibangun lebih objektif. Oleh karena itu, pengambilan contoh dilakukan agar pembangunan model ANN berasal dari data yang seimbang sehingga mampu meningkatkan sensitivitas model dalam mengklasifikasikan debitur bad. Pada kasus ini, secara keseluruhan semua arsitektur JST baik yang terdiri dari satu maupun dua lapisan tersembunyi memiliki kesalahan klasifikasi relatif sama meskipun range nilainya berbeda - beda. Arsitektur yang menggunakan satu lapisan tersembunyi dianggap lebih baik dibandingkan dengan menggunakan dua lapisan tersembunyi karena memiliki keragaman dan rataan MSE yang kecil. Sesuai dengan hasil analisis komponen utama, penggunaan 8 unit lapisan tersembunyi pada JST menghasilkan model yang paling optimal. Model JST terbaik memiliki ketepatan klasifikasi sebesar 73.4% dengan sensitivitas dalam mengklasifikasikan debitur bad sebesar 56.3%.