PENDAHULUAN
Dalam mengelola data nasabah untuk memprediksi kelayakan dalam pengajuan kredit
menggunakan algoritma Logistic Regression, Metode yang biasanya digunakan untuk
memetakan nasabah disebut metode klasifikasi. Pengklasifikasian seperti ini sering disebut
dengan istilah Data Mining atau Knowledge Discovery in Database (KDD). Keluaran dari
Data Mining ini bisa digunakan untuk memperbaiki pengambilan keputusan di masa depan.
Salah satu penerapan Data Mining di dunia perbankan saat ini adalah Credit Scoring. Credit
Scoring merupakan alat statistik yang digunakan oleh perusahaan perbankan serta lembaga
keuangan lainnya, pemasaran dan perusahaan iklan untuk memperkirakan kemungkinan
apakah pemohon pinjaman bisa dikategorikan sebagai potensi yang baik atau tidak. Beberapa
model statistik yang dikembangkan untuk kepentingan Credit Scoring adalah Regresi
Logistik dan Multicriteria Decision, Discriminant Analysis, Neural Network dan Support
Vector Machine. Pengembangan metode NN untuk kasus Credit Scoring saat ini mulai pesat,
seperti contohnya pada tahun 2006 telah dilakukan penelitian oleh Sarlija dkk. dengan
metode Regresi Logistik, Survival Analysis and Neural Network.
Yang membedakan penelitian ini adalah penulis mengambil studi kasus dalam
memprediksi Kelayakan Nasabah Dalam Pengajuan Kredit Menggunakan Algoritma Logistic
Regression.
1. Penelitian ini hanya digunakan untuk memprediksi kelayakan dalam pengajuan kredit.
2. Output yang dihasilkan merupakan hasil akurasi seleksi prediksi.
1.4. Tujuan
Tujuan dari dilakukaannya penelitian dengan judul “
1.5. Manfaat
1.4. Tujuan
1.5. Manfaat
Manfaat yang didapatkan dari penelitian ini adalah memudahkan dalam memprediksi
hasil penyeleksian calon peserta yang mengikuti program Student Exchange dan membantu
instansi dalam membuat syarat dan ketentuan. Sehingga, mengurangi kesalahan dalam
penerimaan.