ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
PENERAPAN ALGORITMA FUZZY K-NEAREST NEIGHBOR UNTUK PENENTUAN RESIKO KREDIT KEPEMILIKAN KENDARAAN BERMOTOR
SKRIPSI
ATHFIN RAFIQI ABRAR
PROGRAM STUDI S1-MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS AIRLANGGA SURABAYA 2016
SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI
PENERAPAN ALGORITMA FUZZY
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
PEDOMAN PENGGUNAAN SKRIPSI Skripsi ini tidak dipublikasikan, namun tersedia di perpustakaan dalam lingkungan Universitas Airlangga, diperkenankan untuk dipakai sebagai referensi kepustakaan, tetapi pengutipan harus seizin penulis dan harus menyebutkan sumbernya sesuai kebiasaan ilmiah. Dokumen skripsi ini merupakan hak milik Universitas Airlangga.
iv SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
SURAT PERNYATAAN TENTANG ORISINALITAS
Yang bertanda tangan di bawah ini, saya: Nama
: Athfin Rafiqi Abrar
NIM
: 081112020
Program Studi .
: S 1- Matematika
Fakultas
: Sains dan Teknologi
Jenjang
: Sarjana (SI)
Menyatakan bahwa saya tidak melakukan kegiatan plagiat dalam penulisan skripsi saya yang berjudul :
Penerapan Algoritma Fuzzy K-Nearest Neighbor untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor
Apabila suatu saat nanti terbukti melaknkan tindakan plagiat, maka saya akan menerima sanksi yang telah ditetapkan.
Demikian surat pemyataan ini saya buat dengan sebenar - benamya.
Surabaya, 10 Februari 2016
NIM. 081112020
v SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Tuhan Yang MahaEsa yang telah memberikan limpahan rahmat dan hidayah-Nya, dan semoga sholawat serta salam selalu tercurah kepada nabi besar Muhammad SAW. Penulis ucapkan terima kasih terhadap semua pihak yang telah membantu penulis, sehingga skripsi yang berjudul “Penerapan Algoritma Fuzzy K-Nearest Neighbor untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor” ini dapat terselesaikan dengan baik. Keberhasilan pada penyusunan skripsi ini tidak terlepas dari dukungan, doa dan bantuan dari berbagai pihak, oleh karena itu penulis mengucapkan terimakasih kepada: 1.
Universitas Airlangga yang telah memberikan kesempatan penulis untuk menuntut ilmu.
2.
Badrus Zaman, S.Kom, M.Cs. selaku Ketua Departemen Matematika Universitas Airlangga.
3.
Dr. Moh. Imam Utoyo, M.Si. selaku Koordinator Program Studi S-1 Matematika Universitas Airlangga.
4.
Dr. Herry Suprajitno, M.Si. selaku dosen wali yang selalu memberikan motivasi dan memberikan saran untuk membuat rancangan studi.
5.
Auli Damayanti, S.Si, M.Si. selaku dosen pembimbing I dan Drs. Edi Winarko, M.Cs. selaku dosen pembimbing II yang telah memberikan banyak masukan, tenaga dan fikiran dalam penyusunan skripsi dengan sabar dan teliti.
vi SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
6.
Edy Wiroso selaku karyawan tata usaha yang telah membantu dalam penyelesaian masalah administrasi penulis selama kuliah.
7.
Kedua orang tua saya beserta keluarga besar saya yang menjadi sumber motivasi dan yang telah memberikan kasih sayang, tenaga, perhatian serta doa.
8.
Seseorang yang sangat dekat dengan penulis (Ninin) yang selalu memberi motivasi dan tidak pernah bosan memberi semangat untuk segera menyelesaikan studi penulis.
9.
Teman-teman penulis Paul, Boim, Tri, Hakim, Feri, Naila, Arasy, Linda, dan Muninggar yang telah membantu dalam penyelesaian skripsi penulis.
10. Teman-teman mahasiswa Matematika angkatan 2011 dan AIS Jombang yang telah memberi inspirasi , semangat dan motivasi kepada penulis. 11. Serta segenap pihak di luar yang telah membantu dalam penyelesaian skripsi ini. Penulis menyadari bahwa skripsi ini masih memiliki banyak kekurangan dan jauh dari sempurna, sehingga kritik dan saran yang membangun dari para pembaca sangat penulis harapkan demi kesempurnaan skripsi ini. Semoga skripsi ini dapat bermanfaat bagi penulis khususnya bagi pembaca.
Surabaya, Februari 2016
Athfin Rafiqi Abrar
vii SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
Athfin Rafiqi Abrar, 2016. Penerapan Algoritma Fuzzy K-Nearest Neighbor untuk Penentuan Resiko Kredit Kepemilikan Kendaraan Bermotor. Skripsi ini dibawah bimbingan Auli Damayanti, S.Si, M.Si dan Drs. Edi Winarko, M.Cs., Departemen Matematika, Fakultas Sains dan Teknologi, Universitas Airlangga, Surabaya.
ABSTRAK Kehidupan manusia selalu diiringi dengan berbagai kebutuhan. Kebutuhan bersifat relatif, artinya setiap orang memiliki pandangan yang berbeda terhadap suatu barang, seperti sepeda motor. Salah satu cara memenuhi kebutuhan tersebut adalah dengan cara kredit. Kredit adalah penyerahan barang, jasa atau uang dari satu pihak atas dasar kepercayaan kepada pihak lain dengan janji membayar dari penerima kredit kepada pemberi kredit. Dalam penggunaan jasa kredit terdapat adanya resiko yang disebut dengan resiko kredit, yaitu resiko kerugian yang disebabkan penerima kredit tidak dapat membayar pada saat jatuh tempo. Penelitian ini bertujuan untuk menentukan resiko kredit dengan menggunakan klasifikasi metode Fuzzy K-Nearest Neighbor (FK-NN). Klasifikasi merupakan suatu pekerjaan menilai objek data untuk memasukkannya ke dalam kelas tertentu dari sejumlah kelas yang tersedia. Fuzzy K-Nearest Neighbor merupakan pengembangan dari algoritma K-Nearest Neighbor (K-NN) yang digabungkan dengan teori fuzzy. K-Nearest Neighbor merupakan algoritma yang melakukan klasifikasi berdasarkan kedekatan lokasi (jarak) suatu data dengan data yang lainnya. Logika fuzzy adalah suatu cara menghubungkan suatu ruang input ke dalam ruamg output. Program Fuzzy K-Nearest Neighbor untuk penentuan resiko kredit kepemilikan kendaraan bermotor dibuat dengan bahasa pemrogaman C++ pada Borland C++. Berdasarkan hasil klasifikasi metode FKNN yang diperoleh dari data leasing kredit kendaraan bermotor tersebut dengan menggunakan jumlah tetangga terdekat sebesar 20 diperoleh presentase keberhasilan sebesar 92,1429%. Hal ini menunjukkan metode FK-NN dapat digunakan dalam klasifikasi resiko kredit kepemilikan kendaraan bermotor. Kata Kunci: Resiko Kredit, Klasifikasi, Fuzzy K-Nearest Neighbor.
viii SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
Athfin Rafiqi Abrar, 2016. The Application of Algorithm Fuzzy K-Nearest Neighbor for The Determination of Motor Vehicle Ownership Credit Risk. This undergraduate thesis is supervised by Auli Damayanti, S.Si, M.Si dan Drs. Edi Winarko, M.Cs. Mathematics Department, Faculty of Science and Technology, Airlangga University, Surabaya.
ABSTRACT
Human life always accompanied by needs. Needs is relatively, it means that everyone have different views on a goods, such as motorcycle. One way fulfill the need is by means credit. Credit is the goods, services or money from one party on basis of faith to the other party with promise to pays off from credit recipients to the lender. In the use of service credit, the risk is called the credit risk, namely the risk of harm caused credit recipients can not pay at maturity. This study aims to determine risk loan with classifications Fuzzy K-Nearest Neighbor (FK-NN) method. Classifications is a job assess data object to put it into specific class of some classes available. Fuzzy K-Nearest Neighbor is a further development of an algorithm K-Nearest Neighbor (K-NN) combined with the theory fuzzy. K-Nearest Neighbor is the algorithms that do classifications based on proximity in location (distances) of a data with the other data. Fuzzy logic is a way to connecting a input room into output room. Fuzzy K-Nearest Neighbor program to determine the credit risk of motor vehicles ownership made with C++ programming language in Borland C++. Based on the results of classifications method FK-NN from the data leasing motor vehicle loans by using the number of nearest neighbor as much as 20 obtained the percentage of 92,1429% success. This indicates that classification method FK-NN can be used in the classification credit risk motor vehicle ownership.
Keyword: Credit Risk, Classification, Fuzzy K-Nearest Neighbor
ix SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
DAFTAR ISI
LEMBAR JUDUL ..........................................................................................
i
LEMBAR PERNYATAAN ............................................................................
ii
LEMBAR PENGESAHAN NASKAH SKRIPSI ........................................... iii LEMBAR PEDOMAN PENGGUNAAN SKRIPSI ....................................... iv LEMBAR SURAT PERNYATAAN TENTANG ORISINALITAS .............
v
KATA PENGANTAR .................................................................................... vi ABSTRAK ...................................................................................................... viii ABSTRACT .................................................................................................... ix DAFTAR ISI ...................................................................................................
x
DAFTAR TABEL ........................................................................................... xiv DAFTAR GAMBAR ...................................................................................... xv DAFTAR LAMPIRAN ................................................................................... xvii BAB I PENDAHULUAN ............................................................................... 1 1.1 Latar Belakang .................................................................................. 1 1.2 Rumusuan Masalah ........................................................................... 4 1.3 Tujuan Penelitian .............................................................................. 4 1.4 Manfaat Penelitian ............................................................................ 5
x SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
1.5 Batasan Masalah ............................................................................... 5 BAB II TINJAUAN PUSTAKA ..................................................................... 6 2.1 Kredit ................................................................................................ 6 2.2 Klasifikasi ......................................................................................... 8 2.3 Logika Fuzzy ..................................................................................... 9 2.4 K-Nearest Neighbor .......................................................................... 10 2.5 Fuzzy K-Neares Neighbor ................................................................. 11 2.6 C++ ................................................................................................... 13 BAB III METODE PENELITIAN .................................................................. 15 BAB IV PEMBAHASAN ............................................................................... 18 4.1 Prosedur Fuzzy K-Nearest Neighbor dalam Klasifikasi Resiko Kredit Kepemilikan Kendaraan Bermotor ........................................ 18 4.1.1 Inisialisasi Kelas dan Parameter .............................................. 20 4.1.2 Input Data Latih dan Konversi Data Latih .............................. 20 4.1.2.1 Konversi Lama Angsuran yang Diambil (Tenor) Data Latih .......................................................................... 20 4.1.2.2 Konversi Uang Muka (Down Payment) Data Latih .. 22 4.1.2.3 Konversi Jenis Kelamin Data Latih .......................... 23 4.1.2.4 Konversi Status Perkawinan Data Latih .................... 24 4.1.2.5 Konversi Pendidikan Terakhir Data Latih ................. 25 4.1.2.6 Konversi Jumlah Tanggungan Data Latih ................. 26 4.1.2.7 Konversi Tempat Tinggal Data Latih ........................ 28
xi SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
4.1.2.8 Konversi Lama Tinggal Data Latih ........................... 29 4.1.2.9 Konversi Jenis Pekerjaan Data Latih ........................ 30 4.1.2.10 Konversi Penghasilan Perbulan Data Latih ............... 31 4.1.2.11 Konversi Lama Bekerja Data Latih ........................... 33 4.1.2.12 Konversi Daya Listrik Rumah yang Ditempati Data Latih .......................................................................... 34 4.1.2.13 Konversi Remark (Resiko) Data Latih ...................... 35 4.1.3 Input Data Uji dan Konversi Data Uji ..................................... 36 4.1.3.1 Konversi Lama Angsuran yang Diambil (Tenor) Data Uji .............................................................................. 36 4.1.3.2 Konversi Uang Muka (Down Payment) Data Uji ..... 38 4.1.3.3 Konversi Jenis Kelamin Data Uji .............................. 39 4.1.3.4 Konversi Status Perkawinan Data Uji ....................... 39 4.1.3.5 Konversi Pendidikan Terakhir Data Uji .................... 40 4.1.3.6 Konversi Jumlah Tanggungan Data Uji .................... 41 4.1.3.7 Konversi Tempat Tinggal Data Uji ........................... 42 4.1.3.8 Konversi Lama Tinggal Data Uji .............................. 43 4.1.3.9 Konversi Jenis Pekerjaan Data Uji ............................ 44 4.1.3.10 Konversi Penghasilan Perbulan Data Uji .................. 45 4.1.3.11 Konversi Lama Bekerja Data Uji .............................. 47 4.1.3.12 Konversi Daya Listrik Rumah yang Ditempati Data Uji .............................................................................. 48 4.1.3.13 Konversi Remark (Resiko) Data Uji ......................... 49
xii SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
4.1.4 Penghitungan Jarak Data Uji Terhadap Data Latih ................. 50 4.1.5 Perhitungan Nilai Derajat Keanggotaan Setiap Kelas Data Uji .................................................................................................. 51 4.1.6 Keputusan Klasifikasi Kelas Data Uji ..................................... 53 4.2 Pengerjaan Manual Fuzzy K-Nearest Neighbor Resiko Kredit Kepemilikan Kendaraan Bermotor ................................................... 54 4.2.1 Data Latih dan Konversi Data Latih ........................................ 54 4.2.2 Data Uji dan Konversi Data Uji .............................................. 55 4.2.3 Penghitungan Jarak Data Uji Terhadap Data Latih ................. 55 4.2.4 Penentuan Kelas Data Uji ........................................................ 59 4.3 Implementasi Program ...................................................................... 60 BAB V PENUTUP .......................................................................................... 61 5.1 Kesimpulan ....................................................................................... 61 5.2 Saran ................................................................................................. 62 JADWAL PERENCANAAN DAN PENYUSUNAN SKRIPSI .................... 63 DAFTAR PUSTAKA ..................................................................................... 64 LAMPIRAN
xiii SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
DAFTAR TABEL Nomor
Nama Tabel
Halaman
4.1
Konversi Data Latih Manual ke-1
56
4.2
Konversi Data Uji Manual
56
4.3
Jarak Data Uji dengan Data Latih
58
xiv SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
DAFTAR GAMBAR Nomor
Nama Gambar
Halaman
3.1
Flowchart Fuzzy K-Nearest Neighbor
17
4.1
Prosedur Klasifikasi Fuzzy K-Nearest Neighbor
18
4.2
Proses Konversi Parameter Tenor Data Latih
22
4.3
Proses Konversi Parameter Uang Muka Data Latih
23
4.4
Proses Konversi Jenis Kelamin Data Latih
24
4.5
Proses Konversi Status Perkawinan Data Latih
25
4.6
Proses Konversi Pendidikan Terakhir Data Latih
26
4.7
Proses Konversi Jumlah Tanggungan Data Latih
27
4.8
Proses Konversi Tempat Tinggal Data Latih
28
4.9
Proses Konversi Lama Tinggal Data Latih
30
4.10
Proses Konversi Jenis Pekerjaan Data Latih
31
4.11
Proses Konversi Penghasilan Perbulan Data Latih
33
4.12
Proses Konversi Lama Bekerja Data Latih
34
4.13
Proses Konversi Daya Listrik Rumah yang Ditempati Data Latih
35
4.14
Proses Konversi Resiko Data Latih
36
4.15
Proses Konversi Parameter Tenor Data Uji
37
4.16
Proses Konversi Parameter Uang Muka Data Uji
38
4.17
Proses Konversi Jenis Kelamin Data Uji
39
4.18
Proses Konversi Status Perkawinan Data Uji
40
4.19
Proses Konversi Pendidikan Terakhir Data Uji
41
xv SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
4.20
Proses Konversi Jumlah Tanggungan Data Uji
42
4.21
Proses Konversi Tempat Tinggal Data Uji
43
4.22
Proses Konversi Lama Tinggal Data Uji
44
4.23
Proses Konversi Jenis Pekerjaan Data Uji
45
4.24
Proses Konversi Penghasilan Perbulan Data Uji
47
4.25
Proses Konversi Lama Bekerja Data Uji
48
4.26
Proses Konversi Daya Listrik Rumah yang Ditempati Data Uji
49
4.27
Proses Konversi Resiko Data Uji
50
4.28
Prosedur Penghitungan Jarak Data Uji Terhadap Setiap Data Latih
4.29
4.30
51
Prosedur Penghitungan Nilai Derajat Keanggotaan Setiap Kelas Data Uji
53
Prosedur Keputusan Klasifikasi Data Uji
54
xvi SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI
ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
DAFTAR LAMPIRAN Nomor
Judul Lampiran
1.
Data Latih dan Data Uji Manual
2.
Konversi Data Latih dan Data Uji Manual
3.
Hasil Mutlak Selisih Data Uji Terhadap Data Latih
4.
Data Latih Program
5.
Data Uji Program
6.
Source Code Progam
7.
Hasil Klasifikasi dan Uji Validasi
xvii SKRIPSI
PENERAPAN ALGORITMA FUZZY . . .
ATHFIN RAFIQI