HYBRID FUZZY DAN

DEMPSTER-SHAFER
UNTUK SISTEM PAKAR
PENILAIAN KREDIT
KONSUMTIF Reno Adi Prayoga
09021181419003
Jurusan Teknik Informatika
Fakultas Ilmu Komputer
Universitas Sriwijaya
 Disimulasikan Diakses

Pengetahuan Pakar Komputer Masyarakat

Fuzzy Dempster-Shafer Credit Scoring

Memiliki penalaran Menggabungkan fakta-fakta Penilaian awal untuk mengetahui
yang mirip dengan untuk mendapatkan fakta baru. resiko pemberian kredit. Credit
logika manusia Memiliki hasil keputusan yang scoring didapatkan dari bank
[0,1] baik. checking.

[0...1]

Sistem Pakar
 Research
question
Bagaimanakah mekanisme algoritma fuzzy dan Dempster-Shafer untuk

1 sistem pakar penilaian kredit konsumtif?

Bagaimana hasil akurasi dari kombinasi fuzzy dan Dempster-Shafer pada

2 sistem pakar penilaian kredit konsumtif?

Apakah kombinasi fuzzy dan Dempster-Shafer mampu mengatasi

3 uncertainty pada credit scoring?

Rumusan Masalah
 Mulai

Debt Service Ratio adalah rasio jumlah angsuran

Input Data Kriter ia
perbulan terhadap pendapatan perbulan.

Fuzzyfikasi Menggunakan
  𝑇𝑜𝑡𝑎𝑙 𝑎𝑛𝑔𝑠𝑢𝑟𝑎𝑛 𝑃𝑒𝑟𝑏𝑢𝑙𝑎𝑛
Fuzzy Logic

DSR 𝐷𝑆𝑅=
𝑇𝑜𝑡𝑎𝑙 𝑃𝑒𝑛𝑑𝑎𝑝𝑎𝑡𝑎𝑛 𝑃𝑒𝑟𝑏𝑢𝑙𝑎𝑛
𝑋 100 %

Nilai K eanggotaan
Masing-Masin g
MF DSR : Low, Middle, High.
Nilai K eanggotaan Dikalikan

Data
dengan Keper cayaan Pakar

Berdasarkan penelitian Nizar (2016), umur juga

Nilai Densitas
Keper cayaan Umur mempengaruhi nilai credit scoring.

MF Umur : Young, Middle Age, Old

Kombinasi Densitas Dengan
Metode Dempster-Shafer
Jumlah Hari Tunggakan

Nilai Hasil
Keputusan
(Diterima/Ditolak)
JHT MF Umur : Lancar, Perhatian Khusus,
Kurang Lancar, Diragukan, Macet

Selesai

FrameWork : analisis data masukkan

 Mulai
Fuzzy digunakan sebagai reasoning data masukan dengan
mengelompokkan nilai masukkan kedalam beberapa fungsi
Input Data Kriter ia
keanggotaan dengan fuzzifikasi
Menentukan kurva keanggotaan masing masing kriteria
Fuzzyfikasi Menggunakan
Fuzzy Logic

Nilai K eanggotaan
Masing-Masin g

Nilai K eanggotaan Dikalikan

dengan Keper cayaan Pakar

Nilai Densitas
Keper cayaan

0 a b c d
Kombinasi Densitas Dengan
Metode Dempster-Shafer

     
Nilai Hasil
Keputusan
(Diterima/Ditolak)

Selesai

Linear naik Linear turun Linear trapesium

FrameWork : Fuzzyfikasi
 Mulai

Input Data Kriter ia

Fuzzyfikasi Menggunakan
Fuzzy Logic

Nilai K eanggotaan

Contoh perhitungan pengelompokan himpunan keanggotaan (Fitriyadi dan Budiman 2017 )

Masing-Masin g

Nilai K eanggotaan Dikalikan

dengan Keper cayaan Pakar

Nilai Densitas
Keper cayaan

Kombinasi Densitas Dengan

Metode Dempster-Shafer

Nilai Hasil
Keputusan
(Diterima/Ditolak)

Selesai

FrameWork : Fuzzyfikasi
 Mulai

Input Data Kriter ia

Fuzzyfikasi Menggunakan
Fuzzy Logic

Nilai K eanggotaan

Contoh perhitungan pengelompokan himpunan keanggotaan (Fitriyadi dan Budiman 2017 )

Masing-Masin g

Nilai K eanggotaan Dikalikan

dengan Keper cayaan Pakar

Nilai Densitas
Keper cayaan

Kombinasi Densitas Dengan

Metode Dempster-Shafer

Nilai Hasil
Keputusan Contoh perkalian himpunan keanggotaan dengan nilai kepercayaan pakar
(Diterima/Ditolak)

(Fitriyadi dan Budiman 2017)

Selesai

FrameWork : Fuzzyfikasi
 Mulai Nilai keluaran fuzzyfikasi x kepercayaan pakar menjadi
densitas m, atau bisa di kenal dengan belief .
Input Data Kriter ia

Mencari nilai plausability dengan mengurangkan 1

Fuzzyfikasi Menggunakan
Fuzzy Logic
dengan nilai belief.

Nilai K eanggotaan
Masing-Masin g
𝑃𝑙𝑠 ( 𝑋 )=1 − 𝐵𝑒𝑙 ( 𝑋 )
 

Nilai K eanggotaan Dikalikan

dengan Keper cayaan Pakar

Nilai Densitas
Keper cayaan

Kombinasi Densitas Dengan

Contoh mendapatkan belief dan plausability (Fitriyadi dan Budiman 2017)
Metode Dempster-Shafer

Nilai Hasil
Keputusan
(Diterima/Ditolak)

Selesai

FrameWork : Dempster-Shafer
 Mulai

Input Data Kriter ia

Fuzzyfikasi Menggunakan
Fuzzy Logic
Contoh mendapatkan belief dan plausability (Fitriyadi dan Budiman 2017)

Nilai K eanggotaan
Masing-Masin g

Nilai K eanggotaan Dikalikan

dengan Keper cayaan Pakar

Nilai Densitas Contoh perhitungan Dempster-Shafer mencari nilai m3 (Fitriyadi dan Budiman 2017)
Keper cayaan

Kombinasi Densitas Dengan

Metode Dempster-Shafer

Nilai Hasil
Keputusan
(Diterima/Ditolak)

Selesai
Contoh perhitungan Dempster-Shafer mencari nilai m5 (Fitriyadi dan Budiman 2017)

FrameWork : Dempster-Shafer
 Mulai

Input Data Kriter ia

Fuzzyfikasi Menggunakan
Fuzzy Logic

Nilai K eanggotaan

hasil < batas = DITOLAK

Masing-Masin g

Nilai K eanggotaan Dikalikan

dengan Keper cayaan Pakar

Nilai Densitas
Keper cayaan hasil > batas = DITERIMA
Kombinasi Densitas Dengan
Metode Dempster-Shafer

Nilai Hasil
Keputusan
(Diterima/Ditolak)

Selesai
Contoh perhitungan Dempster-Shafer mencari nilai m5 (Fitriyadi dan Budiman 2017)

FrameWork : Dempster-Shafer
 Mulai

Input Data Kriter ia

Fuzzyfikasi Menggunakan
Fuzzy Logic

Contoh perhitungan Dempster-Shafer mencari nilai m5 (Fitriyadi dan Budiman 2017)

hasil < batasor

Nilai K eanggotaan

= DITOLAK
Masing-Masin g

Nilai K eanggotaan Dikalikan

dengan Keper cayaan Pakar

Nilai Densitas
Keper cayaan hasil > batas = DITERIMA
Kombinasi Densitas Dengan
Metode Dempster-Shafer

Nilai Hasil
Keputusan
(Diterima/Ditolak)
Output
Selesai

FrameWork : Dempster-Shafer
 Nilai kepercayaan pakar Keluaran
Durasi Jumlah Hari Nilai Akhir
Kode Uji DSR Umur (DITERIMA/
Kode Kriteria Angsuran Tunggakan Tertinggi
Himpunan Himpunan DITOLAK)
...
Kepercayaan 1 Kepercayaan n
U1            
Kriteria 1      
...            
...      

Kriteria n       Un            

Nilai kepercayaan pakar. Nilai masukan dan nilai akhir.

Jumlah penilaian
Aktor Hasil Penilaian Akurasi
yang sama

Skenario 1       %

Perangkat Skenario 2       %
Lunak ...       %
Skenario n       %
Pakar        

Hasil perbandingan nilai pengujian sistem dengan pakar.

Tabel Pengujian
TERIMA KASIH
 Tujuan Penelitian
1. Memahami algoritma fuzzy dan Dempster Shafer dan cara mengkombinasikan metode tersebut untuk sistem pakar penilaian kredit

konsumtif.

2. Mengetahui apakah kombinasi algoritma fuzzy dan Dempster-Shafer mampu mengatasi uncertainty pada credit scoring.

3. Mengetahui kelebihan dan hasil akurasi dari kombinasi fuzzy dan Dempster-Shafer.

Manfaat
Penelitian
1. Menjadi referensi baru untuk penelitian mengenai sistem pakar kombinasi fuzzy dan Dempster Shafer serta

sistem pakar untuk credit scoring.

2. Calon debitur dapat mengetahui apa saja yang diperlukan untuk mengajukan kredit konsumtif.

3. Pihak penyedia jasa kredit terbantu untuk menganalisis calon debitur.

 Batasan
1. Penelitian
Penelitian menggunakan credit scoring yang didapatkan dari data penerima kredit pada Ajendam II Sriwijaya dan

Bekangdam II Sriwijaya.

2. Data yang digunakan berjumlah 1000 dengan menggunakan masukan sistem berupa umur, DSR (Debt Service

Ratio), durasi anngsuran dan jumlah tunggakan.

3. Jenis fuzzy yang digunakan adalah fuzzy logic.

 Nilai Linguistik Variabel Keterangan (hari)

Lancar (L) 0-10

Perhatian Khusus (PK) 0-90

Kurang Lancar (KL) 80-120

Diragukan (D) 110-190

Macet (M) >180

Tabel MF : JHT
 Nilai Linguistik Variabel Keterangan

Low 0-80

Medium 65-90

High 80-100

Tabel MF : DSR
 Nilai Linguistik Variabel Keterangan

Young (Yo) 21-35

Middle Age (MA) 35-60

Old >60

Tabel MF : Umur
Analisis data masukkan