PENERAPAN JARINGAN SYARAF TIRUAN RBF DAN .PENERAPAN JARINGAN SYARAF TIRUAN RBF DAN METODE PCA DALAM

  • View
    236

  • Download
    1

Embed Size (px)

Text of PENERAPAN JARINGAN SYARAF TIRUAN RBF DAN .PENERAPAN JARINGAN SYARAF TIRUAN RBF DAN METODE PCA DALAM

Fifi Maria Ulfah

1209201722

Pembimbing:

Prof. Dr. Mohammad Isa Irawan, M.T

Dr. Imam Mukhlash, S.Si, M.T

Program Magister Matematika

Institut Teknologi Sepuluh Nopember Surabaya

Tesis

PENERAPAN JARINGAN SYARAF TIRUAN RBF DAN METODE PCA

DALAM MEMPREDIKSI RISIKO PEMBERIAN KREDIT

Rabu, 6 Juli 2011 1/22TesisFifi Maria Ulfah

Abstrak

Evaluasi risiko kredit merupakan salah satu teknik analisis penilaian risiko kredit dalam

manajemen risiko keuangan. Evaluasi risiko kredit sangat bermanfaat bagi pihak bank atau

lembaga pembiayaan dalam mengambil keputusan pemberian kredit. Pada pengambilan

keputusan tersebut lembaga pembiayaan wajib melaksanakan prinsip kehati-hatian untuk

memperkecil risiko dalam pemberian kredit. Pada kasus permohonan kredit oleh nasabah,

seorang decision maker pada suatu perbankan harus mampu mengambil keputusan yang

tepat untuk menerima atau menolak permohonan kredit tersebut.

Jaringan syaraf tiruan (JST) telah banyak digunakan dalam banyak aplikasi, salah satunya

adalah pada permasalahan klasifikasi. Dalam penelitian ini, jaringan syaraf tiruan Radial

Basis Function (RBF) digunakan untuk memprediksi risiko pemberian kredit tersebut.

Implementasi RBF dipadukan dengan metode analisis komponen utama atau Principal

Component Analysis (PCA) untuk meningkatkan performansi. Hasil simulasi jaringan RBF

terhadap dataset kredit yang direduksi dengan PCA menggunakan software Matlab 7.8

menunjukkan bahwa waktu komputasi selama proses training lebih singkat dari dimensi

input asli yaitu 2,7768 detik dan akurasi mencapai 77,33%.

Kata kunci: Jaringan Syaraf Tiruan, RBF, PCA, Risiko Kredit.

ABSTRAK Abstrak

Rabu, 6 Juli 2011 2/22TesisFifi Maria Ulfah

o Latar Belakang

Pengambilan keputusan pemberian kredit pada perbankan/lembaga pembiayaan

Isi formulir

Lengkapi Berkas

Diterima atau Ditolak

Penilaian permohonan

Kredit

Algoritma Pembelajaran

untuk

pengklasifikasian pola

Metode klasifikasi

secara statistika

Metode Diskriminan

Linear

JST/ANN

Jaringan syaraf tiruan RBF PCA

Diterima atau Ditolak

PENDAHULUAN

Rabu, 6 Juli 2011 3/22TesisFifi Maria Ulfah

a. Bagaimana tingkat akurasi klasifikasi risiko kredit berbasis jaringan syaraf tiruan Radial

Basis Function (RBF) dengan menggunakan input asli (tanpa reduksi PCA)?

b. Bagaimana tingkat akurasi klasifikasi risiko kredit berbasis jaringan syaraf tiruan Radial

Basis Function (RBF) dengan menggunakan input hasil reduksi PCA?

c. Bagaimana perbandingan tingkat akurasi dan waktu training jaringan syaraf tiruan RBF

pada klasifikasi risiko kredit dengan menggunakan input asli dan input hasil reduksi

PCA?

PENDAHULUAN

Fifi Maria Ulfah

o Perumusan dan Batasan Masalah

Rabu, 6 Juli 2011 4/22Tesis

Perumusan Masalah

Batasan Masalah

a. Data yang digunakan untuk pelatihan dan pengujian dalam penelitian ini adalah dataset

kredit yang berasal dari database UCI repository machine learning dan dapat diakses di

http://archive.ics.edu/ml/machine-learning-databases/satlog/german/.

b. Simulasi penelitian menggunakan software Matlab 7.8

a. Untuk mengetahui tingkat akurasi klasifikasi risiko kredit berbasis jaringan syaraf tiruan

Radial Basis Function (RBF) dengan menggunakan input asli (tanpa reduksi PCA).

b. Untuk mengetahui tingkat akurasi klasifikasi risiko kredit berbasis jaringan syaraf tiruan

Radial Basis Function (RBF) dengan menggunakan input hasil reduksi PCA.

c. Untuk mengetahui perbandingan tingkat akurasi dan waktu training jaringan syaraf

tiruan Radial Basis Function (RBF) pada klasifikasi risiko kredit dengan menggunakan

input asli dan input hasil reduksi PCA.

Fifi Maria Ulfah

PENDAHULUAN o Tujuan dan Manfaat Penelitian

Rabu, 6 Juli 2011 5/22Tesis

Tujuan Penelitian

a. Dapat memberikan referensi tentang salah satu metode klasifikasi penilaian risiko

kredit berbasis jaringan syaraf tiruan.

b. Sebagai bahan pembanding bagi peneliti lanjutan yang tertarik mengembangkan atau

membandingkannya dengan algoritma lainnya.

c. Kontribusi penelitian ini adalah memberikan metode baru pada lembaga pembiayaan

atau perbankan untuk memprediksi risiko kredit.

Manfaat Penelitian

o Jaringan RBF

Arsitektur Jaringan RBF

Input Layer Hidden Layer Output Layer

Fifi Maria Ulfah

KAJIAN PUSTAKA

Rabu, 6 Juli 2011 6/22Tesis

Jaringan Syaraf Tiruan Radial Basis Function

, , ,

Output jaringan RBF dengan hidden neuron untuk suatu vektor input diberikan dengan persamaan berikut:

, , , adalah bobot yang menghubungkan hidden neuron ke-idengan neuron output, dan adalah output hidden neuron ke-i denganpersamaan Gaussian sebagai berikut:

, , exp " " 2

, , , adalah pusat hidden neuron ke-i dan adalah lebar.

o Jaringan RBF

Fifi Maria Ulfah

KAJIAN PUSTAKA

Rabu, 6 Juli 2011 7/22Tesis

, $ , , , $ $ , $ , , $

Untuk N sampel berbeda ( , $ dengan , , , dan$ $, $, , $ , RBF dengan hidden neuron dapat dimodelkan secara

matematis.

% &%,' 1, ,

RBF standard dengan hidden neuron dapat mengapproksimasi N sampel denganerror rata-rata bernilai nol, &% " $% 0% , yaitu terdapat , dan sedemikian sehingga:

exp " +,-./0

1/ $%,' 1, , (1)

o Jaringan RBF

Fifi Maria Ulfah

KAJIAN PUSTAKA

Rabu, 6 Juli 2011 8/22Tesis

Persamaan 1 dapat dituliskan secara lengkap:

2 3

Dengan:

2 , , , , , , , , , , , ,

, , , , +

+

3 $$ +

H disebut matriks output pada lapisan tersembunyi, kolom ke-i dari H adalah output

dari hidden neuron ke-i yang bersesuaian dengan input , , , .

o Jaringan RBF

Fifi Maria Ulfah

KAJIAN PUSTAKA

Rabu, 6 Juli 2011 9/22Tesis

Analisis Komponen Utama (Principal Component Analysis)

Metode Principal Component Analysis (PCA) merupakan suatu metode untuk

mengambil ciri penting dari sekumpulan data set dengan mereduksi data tersebut

menjadi data yang tidak saling berkorelasi. Sasaran PCA adalah menjelaskannya

suatu kumpulan data dengan variabel yang lebih kecil, ciri khusus dari kumpulan

data tersebut dapat digambarkan dengan lebih baik [Jahne,(1993)].

o Principal Component Analysis

Fifi Maria Ulfah

KAJIAN PUSTAKA

Rabu, 6 Juli 2011 10/22Tesis

Diberikan 4 adalah data input berukuran 5 7 dimana 5 adalah banyaknya variabel data dan 7 banyaknya dataset kredit

Menentukan Nilai rata-rata (mean) dari 4, 48 9/:/; ??? 4 " 48 Menentukan nilai eigen dan vektor eigen dari =>. Nilai eigen yang diperoleh lalu diurutkan berdasarkan

nilai terbesar sedemikian @ > @ > @ > > @ Melakukan kombinasi linear berdasarkan Eigenvalue terbesar sedemikian sehingga: B " DEE7$EFG <

I

Melakukan Transformasi Linear IDDDI

EEEI

" L "

KAJIAN PUSTAKA o Risiko Kredit

Penilaian yang umum dan harus dilakukan oleh bank untuk mendapatkan nasabah yang

benar-benar layak untuk diberikan kredit, dilakukan dengan analisis 5C (Kasmir, 2000).

Character 1

2 Capacity

3 Capital

4 Collateral

5 Condition

Fifi Maria Ulfah Rabu, 6 Juli 2011 11/22Tesis

o Tahapan Penelitian

1. Identifikasi Permasalahan

2. Pre-processing Data

3. Implementasi Metode RBF

4. Analisa dan Pembahasan

Fifi Maria Ulfah

METODE PENELITIAN

Rabu, 6 Juli 2011 12/22Tesis

o Diagram Proses Penelitian

Identifikasi Permasalahan dan Kajian Literatur

Pre-processing Data (Transformasi attribute

kategori menjadi nilai numerik, Reduksi

dimensi input dengan PCA

Implementasi pada JST RBF

Simulasi dengan software Matlab 7.8

Analisa dan Pembahasan

Fifi Maria Ulfah

METODE PENELITIAN

Rabu, 6 Juli 2011 13/22Tesis

o Processing Data

Dataset Kredit

Variabel data set

berupa data kategori

Variabel data set

berupa data kategori

Transformasi data

kategori menjadi numerik

Transformasi data

kategori menjadi numerik

A1=A11 A11= 4

A2= 6 A12= A121

A3= A34 A13= 67

A4= A43 A14= A143

A5= 1169 A15= A152

A6= A65 A16= 2

A7= A75 A17= A173

A8= 4 A18= 1

A9= A93 A19= A192

A10= A101 A20= A201

A1=1 A11= 4

A2= 6 A12= 1

A3= 4 A13= 67

A4= 3 A14= 3

A5= 12 A15= 2

A6= 5 A16= 2

A7= 5 A17= 3

A8= 4 A18= 1

A9= 3 A19= 2

A10= 1 A20= 1

A1= status of existing checking account

A2= duration in month

A3= credit history

A4= purpose

A5= credit amount

dst

KategoriKategori numeriknumerik

Fifi Maria Ulfah

HASIL PENELITIAN DAN PEMBAHASAN

Rabu, 6 Juli 2011 14/22Tesis

o Implementasi Pada Jaringan Syaraf Tiruan RBF

Algoritma pada jaringan RBF

Fifi Maria Ulfah

HASIL PENELITIAN DAN PEMBAHASAN

Rabu, 6 Ju