FADDILAH, ALGIES RIFKHA (2024) PENERAPAN OPTUNA UNTUK OPTIMASI HYPERPARAMETER PADA MODEL LINEAR REGRESSION DAN RANDOM FOREST REGRESSION DALAM PENENETUAN BATAS KREDIT (TA.2.24.024). Diploma thesis, Universitas Logistik dan Bisnis Internasional.
Full text not available from this repository.Abstract
ABSTRAK Penelitian ini bertujuan untuk mengevaluasi performa dua metode regresi, yaitu Linear Regression dan Random Forest Regression, dalam menentukan batas maksimal pinjaman kredit. Dengan memanfaatkan Optuna untuk optimasi hyperparameter, penelitian ini menguji dua set fitur yang berbeda: satu set dengan 7 fitur dan satu set dengan 4 fitur. Hasil eksperimen menunjukkan bahwa Random Forest Regression secara konsisten mengungguli Linear Regression. Model Random Forest Regression dengan 4 fitur mencapai Root Mean Squared Error (RMSE) terendah sebesar 7.9% dengan Mean Absolute Error (MAE) 4.72% dan akurasi prediksi tertinggi, mencapai lebih dari 93.15%. Meskipun penggunaan 4 fitur memberikan sedikit peningkatan dalam akurasi prediksi dibandingkan dengan 7 fitur, perbedaannya tidak signifikan. Optimasi hyperparameter dengan Optuna terbukti efektif dalam meningkatkan performa model regresi. Berdasarkan hasil penelitian ini, disarankan untuk menggunakan Random Forest Regression dalam penentuan batas maksimal pinjaman kredit. Integrasi model yang telah dioptimalkan ke dalam sistem manajemen risiko kredit diharapkan dapat mengurangi risiko kredit dan meningkatkan akurasi penetapan batas pinjaman. Kata kunci: linear regression, random forest regression, optimasi hyperparameter, batas pinjaman kredit.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | Unnamed user with email [email protected] |
| Date Deposited: | 21 Nov 2024 07:10 |
| Last Modified: | 21 Nov 2024 07:10 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/2687 |
Actions (login required)
 |
View Item |
