PERPUSTAKAAN ITATS

  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Pengunjung
  • Masuk Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
No image available for this title

IMPLEMENTASI K-NEAREST NEIGHBOR UNTUK MENGKLASIFIKASI DATASET KARTU CREDIT

FAIZ FAKHRUL AMIN - Nama Orang;

ABSTRAK
Dalam beberapa tahun terakhir, penerbit kartu kredit menghadapi krisis perhutangan pada kartu kredit dan
kecurangan yang diperkirakan akan mencapai puncaknya pada kuartal ketiga. Untuk meningkatkan kinerja pasar,
bank menerbitkan uang tunai dan kartu kredit kepada pelangan yang tidak terkualifikasi. Pada saat yang sama,
sebagian besar pemegang kartu, terlepas dari kemampuan pembayaran mereka, menggunakan kartu kredit yang
sangat berlebihan untuk transaksi dan akumulasi kartu kredit. Krisis tersebut menyebabkan hantaman bagi
kepercayaan keuangan dan ini merupakan tantangan besar bagi bank dan pemegang kartu. Tujuan utama dari
klasifikasi kartu kredit adalah menggunakan informasi keuangan, seperti laporan keuangan transaksi, catatan
transaksi dan pembayaran pelanggan, dll., Untuk memprediksi kinerja bisnis atau risiko kredit pada pelanggan
dan untuk mengurangi kecurangan dan ketidakpastian dalam pembayaran. Dari perspektif pengendalian risiko,
memperkirakan probabilitas default akan lebih berarti dari pada mengelompokkan pelanggan ke dalam hasil biner
yang berisiko dan tidak akurat. Dengan beberapa data sebagai data training dan mengimplementasikan algoritma
klasifikasi K-Nearest Neighbour diharapkan dapat memperoleh hasil akurasi yang tinggi sehingga dapat dijadikan
untuk acuan klasifikasi kartu credit dan menghindari kecurangan yang akan terjadi. Uji coba dilakukan dengan
menggunakan nilai K yang telah ditentukan dan didapatkan hasil akurasi paling optimal sebesar 96.77% yang
menunjukkan tingkat akurasi yang cukup tinggi. Dengan demikian algoritma K-Nearest Neighbour dapat
dikatakan mampu untuk mengklasifikasi kartu credit dengan tingkat akurasi sebesar 96.77%.
Kata kunci: Klasifikasi, Kartu Credit, K-Nearest Neighbour.


Ketersediaan
S06-193911939Koleksi SkripsiTersedia
Informasi Detail
Judul Seri
-
No. Panggil
1939
Penerbit
Surabaya : ITATS., 2019
Deskripsi Fisik
-
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
Klasifikasi, Kartu Credit, K-Nearest Neighbour
Info Detail Spesifik
NPM : 06.2013.1.06295 Nilai : B+
Pernyataan Tanggungjawab
Pembimbing : Dian Puspita Hapsari, S.Kom, M.Kom
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
  • Abstrak Indonesia + Inggris
Komentar

Anda harus masuk sebelum memberikan komentar

PERPUSTAKAAN ITATS
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

Perpustakaan pusat ITATS pada tahun akademik 2003/2004 tercatat memiliki koleksi buku sebanyak 19.165 judul atau 38.043 eksemplar. Koleksi terdiri dari buku teks, referensi, tugas mahasiswa (skripsi, kerja praktik, dan lain-lain), serta terbitan berkala (majalah, surat kabar, dan jurnal ilmiah).

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2025 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik