Peningkatan performance Logistic Regression menggunakan teknik Ensemble Bagging pada kasus Credit Scoring
Journal of System and Computer Engineering (JSCE) · 2020
DOI: 10.47650/jsce.v1i1.75 ↗Kurz gefasst
Fachartikel in der Zeitschrift Journal of System and Computer Engineering (JSCE), 2020. Verfasst von Firman Aziz.
Abstract (Originalsprache)
Pengembangan model credit scoring yang efektif menjadi sangat penting karena volume data pelanggan industri kredit saat ini sangat besar. Penyelesaian masalah credit scoring berhasil mendapatkan kinerja prediktif terbaik menggunakan model metode statistik tetapi kinerjanya masih dapat ditingkatkan dengan memperkirakan parameter menggunakan persamaan nonlinear. Penelitian ini mengusulkan peningkatan metode Logistic Regression dengan melakukan teknik Ensemble dengan memperkirakan parameter Newton Raphson. Teknik Ensemble yang digunakan adalah bagging. Dua data yang akan digunakan dalam penelitian ini adalah German dan Australian Dataset. Hasil penelitian menunjukkan bahwa metode yang diusulkan berhasil mencapai kinerja terbaik dengan meningkatkan kinerja klasifikasi tunggal dengan akurasi sebesar 79.6 % untuk German Dataset dan 86.9 % untuk Australian Dataset.
Zitieren
APA
Aziz, F. (2020). Peningkatan performance Logistic Regression menggunakan teknik Ensemble Bagging pada kasus Credit Scoring. Journal of System and Computer Engineering (JSCE). https://doi.org/10.47650/jsce.v1i1.75
Vancouver
Aziz F. Peningkatan performance Logistic Regression menggunakan teknik Ensemble Bagging pada kasus Credit Scoring. Journal of System and Computer Engineering (JSCE). 2020. doi:10.47650/jsce.v1i1.75
BibTeX
@article{Aziz2020,
author = {Aziz, Firman},
title = {Peningkatan performance Logistic Regression menggunakan teknik Ensemble Bagging pada kasus Credit Scoring},
journal = {Journal of System and Computer Engineering (JSCE)},
year = {2020},
doi = {10.47650/jsce.v1i1.75}
}
EUVIMED