Disusun Oleh :
Mochamad Ravanel Maulana Purnomo
2042901
Pembimbing di Pembimbing di
SCCIC ITB STMIK ”AMIKBANDUNG”
Mengesahkan,
Ketua Program Studi
2
KATA PENGANTAR
Dengan mengucapkan puji syukur atas berkat, rahmat, dan karunia Allah
SWT, penulis dapat menyelesaikan pelaksanaan kegiatan magang dan penyusunan
laporan. Adapun salah satu tujuan penulisan laporan ini yaitu sebagai pertanggung
jawaban pelaksanaan Magang secara tertulis di SCCIC ITB untuk memenuhi mata
kuliah Magang di Program Studi Strata Satu (S1) Teknik Informatika STMIK
“AMIKBANDUNG”.
Judul yang penulis ambil dalam laporan ini yaitu “Prediksi Kendala
Pembayaran Kredit Terhadap Layanan Pembiayaan Multiguna”. Dalam proses
pembuatan aplikasi ini, penulis banyak mengucapkan terimakasih yang sebesar-
besarnya kepada:
3
Semoga Allah SWT memberikan balasan yang berlipat ganda atas bantuan,
arahan, dan bimbingan yang telah diberikan kepada Penulis, baik selama
pelaksanaan praktek kerja lapangan maupun dalam penyusunan laporan ini. Penulis
menyadari bahwa penyusunan laporan ini belum sempurna dan masih terdapat
banyak kekurangannya.
Oleh karena itu, segala bentuk kritik serta saran yang membangun dari
pembaca akan penulis terima dengan lapang hati agar penulis dapat menyusun
laporan ini dengan lebih baik lagi.
Penulis
4
DAFTAR ISI
BAB I .................................................................................................................... 10
BAB II ................................................................................................................... 14
5
BAB IV ................................................................................................................. 29
LAMPIRAN .......................................................................................................... 31
6
DAFTAR TABEL
7
DAFTAR GAMBAR
8
DAFTAR LAMPIRAN
9
BAB I
PENDAHULUAN
10
sifatnya sedikit mewah, karena itu kebutuhan ini dipenuhi paling terakhir. Contoh
dari kebutuhan tersier ini adalah perhiasan, mobil sport, dan berlibur ke luar negeri.
11
hidupnya. Namun, jika tidak bijak dalam memanfaatkan kemudahan ini, seringkali
seseorang terjebak dan malah membuat hidupnya lebih sulit karena terbebani
angsuran tersebut.
Fokus penulis didalam kegiatan magang kali ini adalah untuk memberikan
insight bagi perusahaan dalam penentuan keputusan berdasarkan hasil dari analisa
prediksi tersebut. Sehingga dapat berdampak positif pada proses pembayaran dan
kondisi keuangan perusahaan.
Adapun poin-poin tujuan yang ingin dicapai dari kegiatan Magang ini
adalah sebagai berikut :
12
1.3 RUANG LINGKUP
13
BAB II
TINJAUAN PUSTAKA
14
3. Reinforcement, melatih model Machine Learning melalui
percobaan untuk mengambil tindakan terbaik dengan
menetapkan sistem penghargaan. Reinforcement learning
dapat melatih model untuk bermain game atau melatih
kendaraan autunomous untuk mengemudi dengan memberi
tahu mesin saat membuat keputusan yang tepat, yang
membantunya belajar dari waktu ke waktu tentang tindakan
apa yang harus diambil.
15
2.4 PENGERTIAN KREDIT
16
BAB III
HASIL KEGIATAN
3.1 GAMBARAN UMUM INSTITUSI MAGANG
17
b. Inisiasi pengembangan komunitas generasi muda pendukung
perubahan perilaku dalam Kota cerdas.
c. Publikasi ilmiah dalam bentuk jurnal nasional dan
internasional, serta menjadi pemakalah di berbagai
konferensi nasional maupun internasional.
d. Menyelenggarakan dan mengelola Seminar Nasional dan
Konferensi Internasional yang rutin diselenggarakan setiap
tahunnya.
e. Mengelola Jurnal Nasional
f. Mengikuti dan menyelenggarakan pelatihan bekerjasama
dengan perusahaan rintisan yang menjadi binaan pusat.
g. Menyelenggarakan Rating Kota Cerdas Indonesia (2015,
2017, 2019 dan seterusnya)
Pendidikan
No Nama Peneliti Bidang/Kompetensi Keterangan
Terakhir
18
Pengembangan
Kebijakan
9 Ir. Edi Leksono S3 Teknik Fisika Anggota
M.Eng., Ph.D
10 Santi Novani, ST., S3 Pengambilan Keputusan Anggota
MT., Ph.D dan Negosiasi Strategis
11 Dr.tech. Wikan S3 Anggota
Danar Sunindyo,
ST., M.Sc
12 Ade Chandra S2 Teknologi Informatika Anggota
Nugraha
13 Ayu Latifah S2 Teknologi Informatika Anggota
14 Asyrafinafilah S2 Anggota
Hasanawi
15 Yusep Rosmansyah, S3 Teknologi Informasi Anggota
ST., M.Sc., Ph.D
16 Adiwan Fahlan Anggota
Aritenang, ST., S3
M.GIT., Ph.D
Tabel 3.1 Peneliti SCCIC
Pendidikan
No Nama Pegawai Bagian/Divisi Keterangan
Terakhir
1 Manajer
Ardjaka Ramadhan D3 Manajemen
Umum
2 Manajer
Ida Royani S1 Keuangan
Keuangan
3 Penanggung
Eka Yudhi Pratama D3 IoT
Jawab IoT
4 Koordinator
Adilah Ahsanah S1 Kemitraan
Kemitraan
Tabel 3.2 Pegawai SCCIC
19
Berikut ini merupakan posisi dan peran penulis selama menjalankan
Program Enrichment :
a. Posisi Mahasiswa
Posisi penulis selama menjalankan Enrichment Program di
SCCIC ITB adalah tenaga bantuan untuk Project yang
dikerjakan SCCIC ITB.
b. Peran Mahasiswa
Peran penulis sebagai tenaga bantuan ialah mempelajari
serta membantu menganalisa data dari project yang
dikerjakan.
20
4. Mempelajari data visualization dengan
library python Matplotlib
5. Melanjutkan materi data visualization
dengan library python Matplotlib
4 Januari 1. Mempelajari dan menganalisa dataset
customer Jasa Raharja
2. Analisa data customer Jasa Raharja
3. Mengolah data berdasarkan variabel pada
data
4. Mempelajari konsep Exploratory Data
Analysis
5 Februari 1. Mengikuti penuturan pembuatan prediksi
harga rumah
2. Menganalisa elemen yang ada dalam
prediksi harga rumah
3. Mempelajari konsep Machine Learning
secara umum
4. Menyusun rencana pembuatan laporan
enrichment
Tabel 3.3 Kegiatan Program Enrichment
21
guna memudahkan penulis memahami teknologi yang sedang dipelajari
oleh penulis.
22
diinstall secara manual terlebih dahulu, sementara Google Colab bisa
menjalankannya tanpa harus menginstallnya karena berbasis cloud.
• Melihat informasi dan isi dari data yang telah diload sebelumnya
dengan fungsi df.info()
23
Gambar 3.3 Bentuk Data
• Mengetahui bentuk dari data terdiri dari berapa baris dan kolom
dengan fungsi df.shape()
• Mencari TARGET yaitu data pengguna yang telah dinilai mengalami
kendala dalam melakukan pembayaran angsuran ditandai dengan tipe
data integer angka 1, dan sisanya dengan tidak ada kendala
pembayaran dengan angka 0
• Fungsi value.counts() untuk mengetahui seberapa banyak TARGET
atau data pengguna dalam masalah pembayaran angsuran yang berisi
0 dan 1
24
Gambar 3.4 Dataframe Baru
25
Gambar 3.6 Penghapusan null-values
26
Gambar 3.8 Get Dummies
27
Gambar 3.10 Hasil
• Terlihat hasil akurasi dengan nilai 0.92, yang disini berarti 8% sisanya
adalah pelanggan yang memiliki kendala dalam melakukan
pembayaran
28
BAB IV
KESIMPULAN DAN SARAN
4.1 KESIMPULAN
4.2 SARAN
29
DAFTAR PUSTAKA
[3] Rezkia,Salsabila Miftah. (2020). Apa itu Machine Learning? Kenali perbedaan
Machine Learning dan Deep Learning. DQLab. Tersedia:
https://www.dqlab.id/pahami-machine-learning-untuk-hadapi-industri-data-
sebenarnya
30
LAMPIRAN
1. Lampiran Logbook Activity
31
32
33
34
35
2. Lampiran Form Penilaian Ketercapaian Pembelajaran
36
37