View/Open

Author

Advisor
Indah Gumala Andirasdini, S.Si., M.Si.,
Ayu Sofia, S.Si., M.Si.,

Koleksi
Aktuaria

Publisher

Usaha Mikro, Kecil, dan Menengah (UMKM) berperan penting dalam perekonomian Indonesia, khususnya dalam penciptaan lapangan kerja dan kontribusi terhadap Produk Domestik Bruto (PDB). Pandemi COVID-19 berdampak signifikan pada sektor ini, menyebabkan penurunan pendapatan dan meningkatnya risiko gagal bayar. Sebagai upaya pemulihan, pemerintah meluncurkan Program Pemulihan Ekonomi Nasional (PEN) dengan memberikan penjaminan kredit melalui PT Jamkrindo dan PT Askrindo. Penelitian ini bertujuan membandingkan metode decision tree dan regresi logistik biner dalam mengklasifikasikan status klaim debitur UMKM pada program PEN. Data yang digunakan meliputi informasi debitur dengan variabel seperti besar dan lama pinjaman, sektor UMKM, tingkat pendidikan, serta usia. Hasil penelitian menunjukkan bahwa pada rasio data training 80%, decision tree memperoleh akurasi tertinggi sebesar 91,79%, sedangkan pada rasio 90% regresi logistik biner memperoleh 93,02%. Dalam mendeteksi kelas minoritas “Gagal Bayar”, decision tree lebih unggul dengan recall 10,92%, dibanding regresi logistik biner sebesar 2,92%. Sebaliknya, regresi logistik biner memiliki presisi lebih tinggi yaitu 8,88% dibanding decision tree sebesar 2,92%, yang berarti prediksi klaim gagal bayar lebih tepat sasaran. Nilai F1 Score relatif seimbang, yaitu 4,61% untuk decision tree dan 4,40% untuk regresi logistik biner.

URI
https://repo.itera.ac.id/depan/submission/SB2508300002

Keyword