Penentuan Kelayakan Dan Besaran Pinjaman Pada Koperasi Di Banjarmasin Memanfaatkan Support Vector Machine (SVM) Dan Regresi Linier Berganda

Resiko kredit menjadi hal yang penting untuk dikaji dalam sebuah lembaga keuangan, tak terkecuali Koperasi di Banjarmasin.Dalam penelitian ini akan digunakan Support Vector Machine (SVM) untuk melakukan klasifikasi pinjaman dan Regresi Linier Berganda (RLB) digunakan untuk mencari besaran pinjaman. Data pengajuan pinjaman yang digunakan mulai tahun 2006-2015 sebanyak 10.219 record data. Praprocessing data terdiri dari tahap field selection, data representation dan normalisasi data, menghasilkan dataset dengan 10.135 record yang terdiri dari 6.573 record untuk kelas “Layak” menerima pinjaman dan 3.562 records untuk kelas “Tidak Layak”. Training dengan SVM diawali dengan proses estimasi parameter kemudian dilanjutkan dengan membentuk matriks kernel. Dalam penelitian ini digunakan 3 jenis kernel yaitu kernel linier, kernel polynomial dan kernel Radial Basis Function (RBF). Langkah selanjutnya adalah menghitung error dari matriks kernel dan menghitung perubahan nilai alpha. Nilai alpha selanjutnya digunakan untuk melakukan pengecekan kondisi pemberhentian iterasi. Dalam studi kasus menunjukkan bahwa perhitungan dengan kernel linier dan polynomial telah memenuhi kondisi pemberhentian sedangkan perhitungan dengan kernel RBF masih berlanjut. Pada kernel linier dan polynomial, semua nilai delta alpha menunjukkan angka negatif (<0), sehingga nilainya lebih kecil dari nilai epsilon. Sedangkan pada kernel RBF menunjukkan nilai delta alpha positif (>0), sehingga nilainya masih lebih besar dari nilai epsilon. Langkah terakhir adalah menghitung nilai alpha baru dan nilai bias. Hasil klasifikasi yang masuk ke dalam kelas “diterima”, selanjutnya akan ditentukan besaran pinjaman dengan metode RLB. Dalam uji coba yang telah dilakukan, dihasilkan nilai akurasi yang baik. Dari uji coba klasifikasi dengan SVM didapatkan nilai akurasi =72.79%. Sedangkan dari uji coba penentuan besaran pinjaman dengan Regresi Linier Berganda didapatkan Mean Square Error (MSE) = 0,011.