BRYAN MARCELINO and VINCENT MORGAN (2021) APLIKASI PEER TO PEER LENDING MENGGUNAKAN FEATURE SELECTION DENGAN KLASIFIKASI LDA BERBASIS MOBILE DAN WEB. Undergraduate (S-1) thesis, Universitas Mikroskil.
BAGIAN AWAL.pdf
Download (4MB)
BAB I.pdf
Download (1MB)
BAB II.pdf
Download (7MB)
BAB III.pdf
Restricted to Registered users only
Download (16MB)
BAGIAN AKHIR.pdf
Download (730kB)
Abstract
Peer to Peer (P2P) lending merupakan sebuah contoh penyelenggaran Financial Technology (Fintech) berupa layanan pinjam meminjam uang berbasis teknologi informasi. Layanan ini menawarkan fleksibilitas dimana pemberi pinjaman dan peminjam dapat mengalokasikan dan mendapatkan modal atau dana hampir dari dan kepada siapa saja, dalam jumlah nilai berapapun, secara efektif dan transparan, serta dengan imbal balik yang kompetitif. Permasalahan aplikasi Peer to Peer lending adalah bagaimana memberikan rekomendasi kepada user, terutama kepada lender mengenai risiko pinjaman dari borrower. Untuk menyelesaikan permasalahan tersebut, diterapkan metode Feature Selection dengan Deep Learning. Hasil dari penelitian ini berupa aplikasi sistem Peer to Peer Lending berbasis web dan mobile. Perangkat lunak mampu memberikan informasi hasil rekomendasi kepada user lender mengenai jenis pinjaman. Dari hasil pengujian, diperoleh informasi bahwa metode Feature Selection dengan Deep Learning cocok untuk diterapkan dalam sistem peer-to-peer lending, dengan tingkat validitas sebesar 80%. Selain itu, perangkat lunak juga mampu memberikan informasi hasil rekomendasi yang sangat terpercaya kepada user lender mengenai jenis pinjaman, dengan tingkat sensitivitas dari prediksi resiko pinjaman sebesar 100%, positive predictive value sebesar 60% dan negative predictive value sebesar 100%.
Item Type: | Tugas Akhir / Tesis (Undergraduate (S-1)) |
---|---|
Subjects: | Teknik Informatika |
Divisions: | Fakultas Informatika > Program Studi S-1 Teknik Informatika |
Depositing User: | Adi Kurniawan |
Date Deposited: | 18 Jan 2023 11:12 |
Last Modified: | 18 Jan 2023 11:12 |
URI: | https://repository.mikroskil.ac.id/id/eprint/837 |