ROSIDI, DIMAS (2023) Penerapan Prediksi Risiko Loan Charge – Off Menggunakan Model Artificial Neural Network. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text
41519210001 DIMAS ROSIDI TUGAS AKHIR 01 Cover.pdf Download (321kB) | Preview |
|
|
Text
41519210001 DIMAS ROSIDI TUGAS AKHIR 02 Abstrak.pdf Download (74kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text
41519210001 DIMAS ROSIDI TUGAS AKHIR 03 BAB I.pdf Restricted to Registered users only Download (61kB) |
|
|
Text
41519210001 DIMAS ROSIDI TUGAS AKHIR 04 BAB II.pdf Restricted to Registered users only Download (335kB) |
|
|
Text
41519210001 DIMAS ROSIDI TUGAS AKHIR 05 BAB III.pdf Restricted to Registered users only Download (58kB) |
|
|
Text
41519210001 DIMAS ROSIDI TUGAS AKHIR 06 BAB IV.pdf Restricted to Registered users only Download (478kB) |
|
|
Text
41519210001 DIMAS ROSIDI TUGAS AKHIR 07 BAB V.pdf Restricted to Registered users only Download (52kB) |
|
|
Text
41519210001 DIMAS ROSIDI TUGAS AKHIR 08 Daftar Pustaka .pdf Restricted to Registered users only Download (113kB) |
|
|
Text
41519210001 DIMAS ROSIDI TUGAS AKHIR 09 LAMPIRAN .pdf Restricted to Registered users only Download (1MB) |
Abstract
Prediksi risiko loan charge-off merupakan aspek kritis dalam industri keuangan yang bertujuan untuk mengidentifikasi kemungkinan pemulihan utang yang gagal. Dalam penelitian ini, metode Artificial Neural Network (ANN) digunakan untuk mengatasi tantangan kompleksitas dan non-linearitas dalam data historis kredit. Penelitian ini bertujuan untuk mengembangkan model prediksi yang akurat dalam mengidentifikasi risiko loan charge-off. Metode ANN digunakan karena kemampuannya dalam menangani data dengan pola non-linear yang rumit. Data historis kredit, termasuk berbagai variabel seperti profil peminjam, riwayat kredit, dan faktor ekonomi, digunakan sebagai input untuk model ANN. Proses pelatihan melibatkan optimisasi parameter jaringan untuk menghasilkan prediksi yang optimal. Hasil evaluasi model dilakukan dengan membandingkan prediksi dengan data aktual dari periode tertentu. Hasil penelitian ini diharapkan dapat memberikan kontribusi signifikan bagi praktisi industri keuangan dalam mengelola risiko loan charge-off. Dengan menggunakan model prediksi berbasis ANN, lembaga keuangan dapat mengambil langkah-langkah proaktif dalam mengelola portofolio utang mereka. Keakuratan prediksi yang diberikan oleh model ini diharapkan dapat meningkatkan efisiensi pengambilan keputusan dan mengurangi dampak risiko keuangan.
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41519210001 |
| Uncontrolled Keywords: | Prediksi Risiko, Loan Charge Off, Artificial Neural Network, Data Historis Kredit, Keuangan. |
| Subjects: | 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika > 004.6 Interfacing and Communications/Tampilan Antar Muka (Interface) dan Jaringan Komunikasi Komputer > 004.65 Computer Communications Networks/Jaringan Komunikasi Komputer |
| Divisions: | Fakultas Ilmu Komputer > Informatika |
| Depositing User: | siti maisyaroh |
| Date Deposited: | 24 Jan 2024 05:33 |
| Last Modified: | 24 Jan 2024 05:33 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/85534 |
Actions (login required)
 |
View Item |
