Peningkatan Performa Algoritma CART dengan Seleksi Fitur Menggunakan ABC untuk Penilaian Kredit

Abstract

Berbagai teknik statistik dan machine learning telah digunakan untuk mengembangkan model prediksi keuangan .Dalam hal ini Penilaian kredit sangat berkaitan erat dalam hal prediksi kelayakan kredit. Karena tidak ada kesepakatan umum atas rasio keuangan sebagai fitur masukan untuk pengembangan model, banyak penelitian menganggap pemilihan fitur sebagai langkah pra-pemrosesan dalam data mining sebelum membuat model.Penelitian ini  menguji pengaruh seleksi fitur menggunakan Artificial Bee Colony terhadap peningkatan performa algoritma CART. Hasil eksperimental menunjukkan bahwa ABC merupakan kombinasi terbaik dari pemilihan fitur dalam meningkatkan performa algoritma CART . Dibandingkan dengan beberapa algoritma  optimasi PSO dan Ant Colony metode yang diusulkan menunjukkan kinerja yang luar biasa.Dengan adanya penelitian ini diharapkan dapat menjadi sebuah rujukan dalam hal penilaian credit ,memungkinkan bank untuk menolak calon peminjam dengan kelayakan kredit yang buruk.