Tujuan dari penelitian ini adalah untuk mendapatkan metode terbaik untuk membangun model yang dapat memprediksi risiko debitur sebagai fungsi dari profil debitur. Decision Tree dan Regresi Logistik adalah metode untuk pengklasifikasian. Classification and Regression Tree (CART) adalah salah satu algoritma dari Decision Tree. CART dapat digunakan untuk menganalisis data numerik dana kategorik. Regresi Logistik lebih akurat daripda Decision Tree. Faktanya, sering terjadi missing value pada dataset yang akan dianalisis. Amelia Ii adalah metode terbaik untuk imputasi missing value pada data numerik dan kategorik. Penelitian ini mengkombinasikan Amelia II untuk imputasi missing value, Decision Tree untuk seleksi dan pengkategorian ulang atribut dan Regresi Logistik untuk mengklasifikasikan debitur menjadi debitur baik dan buruk. Debitur diklasifikasikan sebagai debitur baik jika nilai π(x) pada model regresi logistik >= 0.5, sebaliknya jika nilai π(x)

The objective of the study is to find the best method to construct a model that could predict the future failure as a function of variables obtained from the customer profile. Decision Tree and Logistic Regression are classification method. One of Decision Tree algorithm is Classification and Regression Tree (CART). It can used to analyze numeric and categorical data. Logistic Regression is more accurate than Decision Tree. In fact, there is some missing value in datasets. Amelia II is the best method to estimate missing value for numeric and categorical data. This study combines Amelia II to estimate missing value, Decision Tree to screening and re-categorization variable and Logistic Regression to classifying debtor into ‘goodÂ’ and ‘badÂ’ risk classes. The debtor is classified as a good debtor if the value of π (x) in the logistic regression model is >= 0.5, otherwise if the value π (x)

https://elib.unikom.ac.id/gdl.php?mod=browse&op=read&id=jbptunikompp-gdl-iqbalnovia-40215