Melola Discovery

← Melola Discovery

Open access Journal SINTA 3

Optimalisasi Seleksi Fitur dengan RFECV dalam Credit Scoring menggunakan ANN

SemanTIK: Teknik Informasi · Vol. 10 No. 2 (2024)

DOI
10.55679/semantik.v10i2.60
ISSN
2502-8928, 2460-1446
Published
2024-12-02
Publisher
Informatics Engineering Department of Halu Oleo University
Language
eng
License
creativecommons.org/licenses/by-sa/4.0

Abstract

Credit scoring adalah metode krusial yang digunakan oleh lembaga keuangan untuk menilai kelayakan kredit calon peminjam. Penelitian ini bertujuan untuk mengoptimalkan seleksi fitur menggunakan Recursive Feature Elimination with Cross-Validation (RFECV) dalam credit scoring dengan algoritma Artificial Neural Network (ANN). Peneliti mengevaluasi kinerja model ANN pada berbagai kombinasi teknik optimizer dan learning rate untuk menemukan konfigurasi paling efektif. Hasilnya menunjukkan bahwa ANN mampu memberikan prediksi risiko kredit dengan akurasi tinggi. Kombinasi optimizer Nadam dan learning rate 0.001 menghasilkan kinerja terbaik dengan akurasi sebesar 81.79%. RFECV terbukti efektif dalam meningkatkan kinerja model dengan mengidentifikasi fitur-fitur paling relevan, mengurangi overfitting, dan meningkatkan generalisasi. Penelitian ini menegaskan pentingnya seleksi fitur dan pemilihan parameter yang tepat dalam pengembangan model credit scoring yang akurat dan efisien. Temuan ini membuka jalan bagi peningkatan sistem credit scoring yang lebih andal, membantu lembaga keuangan membuat keputusan yang lebih baik dan aman.

Collaboration network of the authors

33 authors · 69 co-authorship links · 15 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Amikom Yogyakarta
  • Universitas Pelita Bangsa
  • Universitas AKPRIND Indonesia
  • Politeknik Perkapalan Negeri Surabaya
  • Sunan Gunung Djati State Islamic University Bandung
  • Universitas Islam Kalimantan Muhammad Arsyad Al Banjary
  • Sekolah Tinggi Ilmu Kesehatan Intan Martapura
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Anggit Dwi HartantoUniversitas Amikom Yogyakarta4
Ahmad Fikri IskandarUniversitas Amikom Yogyakarta3
Wahyu HidayatUniversitas Amikom Yogyakarta3
Erwin SyahrudinUniversitas Amikom Yogyakarta2
Agung Budi PrasetioUniversitas Amikom Yogyakarta1
Andi SunyotoUniversitas Amikom Yogyakarta1
Mursyid ArdiansyahUniversitas Amikom Yogyakarta1
Suwanto RaharjoUniversitas AKPRIND Indonesia1
Agung Budi PrasetyoPoliteknik Perkapalan Negeri Surabaya1
Kartikasari Kusuma AgustiningsihUniversitas Amikom Yogyakarta1
Muhammad Altoumi AlsyaibaniUniversitas Amikom Yogyakarta1
Veny Cahya HarditaUniversitas Amikom Yogyakarta1
Emha Taufiq LuthfiUniversitas Amikom Yogyakarta1
Wahyu Krisna HidayatSunan Gunung Djati State Islamic University Bandung1
Agung Prasetio BudiUniversitas Amikom Yogyakarta1
Arief SetyantoUniversitas Amikom Yogyakarta1
Kristina VaherAffiliation unknown1
Syamsu HidayatUniversitas Amikom Yogyakarta1
Kusrini KusriniUniversitas Amikom Yogyakarta1
Pramono -Affiliation unknown1
Dony Hidayat Al-JananAffiliation unknown1
Marisa OktaviaAffiliation unknown1
DesmawitaAffiliation unknown1
HidayatullahAffiliation unknown1
Afif KhalidUniversitas Islam Kalimantan Muhammad Arsyad Al Banjary1
Gusti WardiansyahSekolah Tinggi Ilmu Kesehatan Intan Martapura1
Anggi Muhammad RifaiAffiliation unknown1
Amali AmaliUniversitas Pelita Bangsa1
Muhamad FatchanUniversitas Pelita Bangsa1
Muhamad EkhsanUniversitas Pelita Bangsa1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://semantik.uho.ac.id/index.php/journal/oai, first harvested 26 Oct 2026, last seen 15 Nov 2026.
Original metadata (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Optimalisasi Seleksi Fitur dengan RFECV dalam Credit Scoring menggunakan ANN</dc:title>
	<dc:creator>Heri Wibowo, Catur Riyono</dc:creator>
	<dc:creator>Utami, Ema</dc:creator>
	<dc:creator>Hanafi</dc:creator>
	<dc:description xml:lang="en-US">Credit scoring adalah metode krusial yang digunakan oleh lembaga keuangan untuk menilai kelayakan kredit calon peminjam. Penelitian ini bertujuan untuk mengoptimalkan seleksi fitur menggunakan Recursive Feature Elimination with Cross-Validation (RFECV) dalam credit scoring dengan algoritma Artificial Neural Network (ANN). Peneliti mengevaluasi kinerja model ANN pada berbagai kombinasi teknik optimizer dan learning rate untuk menemukan konfigurasi paling efektif. Hasilnya menunjukkan bahwa ANN mampu memberikan prediksi risiko kredit dengan akurasi tinggi. Kombinasi optimizer Nadam dan learning rate 0.001 menghasilkan kinerja terbaik dengan akurasi sebesar 81.79%. RFECV terbukti efektif dalam meningkatkan kinerja model dengan mengidentifikasi fitur-fitur paling relevan, mengurangi overfitting, dan meningkatkan generalisasi. Penelitian ini menegaskan pentingnya seleksi fitur dan pemilihan parameter yang tepat dalam pengembangan model credit scoring yang akurat dan efisien. Temuan ini membuka jalan bagi peningkatan sistem credit scoring yang lebih andal, membantu lembaga keuangan membuat keputusan yang lebih baik dan aman.</dc:description>
	<dc:publisher xml:lang="en-US">Informatics Engineering Department of Halu Oleo University</dc:publisher>
	<dc:date>2024-12-02</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://semantik.uho.ac.id/index.php/journal/article/view/60</dc:identifier>
	<dc:identifier>10.55679/semantik.v10i2.60</dc:identifier>
	<dc:source xml:lang="en-US">SemanTIK : Teknik Informasi; Vol. 10 No. 2 (2024): Vol. 10 No. 2 (2024): SemanTIK Teknik Informasi</dc:source>
	<dc:source>2502-8928</dc:source>
	<dc:source>2460-1446</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://semantik.uho.ac.id/index.php/journal/article/view/60/11</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2024 Catur Riyono Heri Wibowo, Ema Utami, Hanafi</dc:rights>
	<dc:rights xml:lang="en-US">https://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>