EUVIMEDEUVIMED entdecken
Crossref

Peningkatan performance Logistic Regression menggunakan teknik Ensemble Bagging pada kasus Credit Scoring

Firman Aziz

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.

AbstractBibliografische AngabenZitierenVerwandte Studien

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}
}
Kostenlos starten →