penerapan algoritma fuzzy k-nearest neighbor untuk …repository.unair.ac.id/29371/1/halaman...

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

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA

SKRIPSI PENERAPAN ALGORITMA FUZZY . . . ATHFIN RAFIQI


SKRIPSI PENERAPAN ALGORITMA FUZZY ATHFIN RAFIQI

iv

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.



v

NIM. 081112020

Surabaya, 10 Februari 2016

Demikian surat pemyataan ini saya buat dengan sebenar - benamya.

Apabila suatu saat nanti terbukti melaknkan tindakan plagiat, maka saya akanmenerima sanksi yang telah ditetapkan.

Penerapan Algoritma Fuzzy K-Nearest Neighbor untuk Penentuan ResikoKredit Kepemilikan Kendaraan Bermotor

Menyatakan bahwa saya tidak melakukan kegiatan plagiat dalam penulisan skripsisaya yang berjudul :

: Sains dan Teknologi

: Sarjana (SI)Jenjang

: S1-MatematikaProgram Studi .

Fakultas

NIM

: Athfin Rafiqi Abrar

: 081112020

Nama

Yang bertanda tangan di bawah ini, saya:

SURAT PERNYATAAN TENTANG ORISINALITAS



vi

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.



vii

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



viii

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 FK-NN 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.



ix

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



x

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



xi

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



xii

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



xiii

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



xiv

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



xv

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



xvi

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 51

4.29 Prosedur Penghitungan Nilai Derajat Keanggotaan Setiap

Kelas Data Uji 53

4.30 Prosedur Keputusan Klasifikasi Data Uji 54



xvii

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



1 Cover2 Lembar Judul3 Lembar Persetujuan4 Lembar Pengesahan5 Pendoman Penggunaan Skripsi6 Surat Pernyataan Orisinalitas7 Kata Pengantar8 Abstrak9 Abstract10 Daftar Isi11 Daftar Tabel12 Daftar Gambar13 Daftar Lampiran14 BAB I15 BAB II16 BAB III17 BAB IV18 BAB V19 Daftar Pustaka20 Lampiran 1

penerapan algoritma fuzzy k-nearest neighbor untuk …repository.unair.ac.id/29371/1/halaman...

Documents