Penerapan Model Klasifikasi Credit Assesment Berbasis Data Mining pada PT Menara Indonesia

Fathan Santoso, Aditya (2025) Penerapan Model Klasifikasi Credit Assesment Berbasis Data Mining pada PT Menara Indonesia. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (491kB)
	PDF BAB_I.pdf Download (164kB)
	PDF BAB_II.pdf Download (133kB)
	PDF BAB_III.pdf Download (1MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (22kB)
	PDF DAFTAR_PUSTAKA.pdf Download (134kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (53kB)

Abstract

PT. Menara Indonesia merupakan perusahaan manajemen konsultasi yang berfokus pada inovasi teknologi, khususnya dalam penerapan kecerdasan buatan (AI). Salah satu permasalahan yang terdapat pada perusahaan ini adalah credit risk assesment, yang sebelumnya dilakukan secara manual menggunakan formulir fisik dan spreadsheet yang menyebabkan lamanya proses penilaian dan juga akan berpotensi munculnya bias dikarnakan di nilai secara subjective. Untuk mengatasi hal tersebut, PT. Menara Indonesia mengadopsi prinsip 6 Credit Principles, perusahaan menggunakan Python untuk menciptakan model character credit assement, dan Streamlit sebagai antarmuka untuk end user, dan proyek ini dilaksanakan dengan mengacu pada metodologi CRISP-DM (Cross-Industry Standard Process for Data Mining), yang mencakup enam tahapan seperti business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Model yang dihasilkan, yaitu K-Nearest Neighbors, menunjukkan performa sangat baik dengan akurasi 99.7%, 99.7% untuk precision, 99.7% recall, 99.7% f1-score. decision tree classifier menunjukkan performa sangat baik dengan akurasi 100%, 100% untuk precision, 100% recall, 100% f1-score. Solusi ini berhasil meningkatkan efisiensi dan akurasi penilaian risiko kredit, meminimalkan kesalahan, serta memberikan dampak positif dalam sektor keuangan melalui optimalisasi teknologi AI. Program magang berlangsung selama 16 minggu dengan total 656 jam kerja dalam format hybrid, menggabungkan kerja jarak jauh (remote) dan kerja pada kantor (on-site).

Item Type:	Thesis (MBKM)
Keywords:	Credit Assement, Decision Tree Classifier, K-Nearest Neighbors, Machine Learning.
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	02 Feb 2025 13:09
Last Modified:	02 Feb 2025 13:09
URI:	https://kc.umn.ac.id/id/eprint/36377

Actions (login required)

View Item