GERMAN

CREDIT RISK

Here is where your presentation begins

ALUR KERJA PROJECT

Stage 1

Understand the dataset given

Credit scoring merupakan sistem atau cara yang dipakai oleh suatu lembaga pembiayaan/bank di dalam menentukan layak tidaknya untuk menerima pinjaman dari lembaga tersebut berdasarkan history transaksi calon nasabah.

​

Problem Statement

ALUR KERJA PROJECT

Stage 1

Understand the dataset given

Credit scoring atau penilaian kredit merupakan sistem atau cara yang dipakai oleh suatu lembaga pembiayaan/bank di dalam menentukan layak tidaknya untuk menerima pinjaman dari lembaga tersebut.

Problem Statement

Data Description

Baris

Kolom

1000

10

Column name Description

Merupakan umur customer

Age

Merupakan Jenis kelamin customer

Sex

Merupakan tingkatan kemampuan customer

Job

Merupakan kelas kepemilikan rumah customer

Housing

Merupakan kelas tabungan customer

Saving accounts

Column name Description

Merupakan kelas rekening giro customer

Checking accounts

Merupakan jumlah kredit customer

Credit amount

Merupakan durasi kredit customer

Duration

Merupakan tujuan customer melakukan kredit

Purpose

Merupakan jenis risiko kredit customer

Risk

Dataset

Kolom dataset yang berjenis data kategorik

Kategori Nominal

Sex, Purpose

Job, Housing, Saving accounts, Checking accounts, Risk

Kategori Ordinal

Di kolom ‘Risk’ dibagi menjadi dua kategori

Risk

Good

Bad

Artinya customer layak diberikan kredit

Artinya customer tidak layak diberikan kredit

​

Stage 2

Get the insight from dataset

70%

Merupakan customer yang layak diberikan kredit

Perbandingan Jumlah Risk

Berdasarkan barplot tersebut bisa kita lihat bahwa customer yang layak diberikan kredit lebih banyak daripada yang tidak layak, sebanyak 700 customer.

Jumlah antar Jenis Kelamin

Berdasarkan barplot tersebut bahwa Laki-laki yang sering melakukan pengajuan kredit dibandingkan wanita.

Persentase terhadap ‘bad’ pada pria lebih rendah dibandingkan wanita

​

Jumlah antar Jenis Rumah

Berdasarkan barplot tersebut bahwa orang yang memiliki rumah sendiri kemungkinan gagal bayar kredit itu kecil.

Jumlah antar Jenis Tabungan

Berdasarkan barplot tersebut bahwa orang yang memiliki tabungan yang sedikit memiliki rating yang bagus.

Jumlah antar Jenis Rekening

Berdasarkan barplot tersebut bahwa yang memiliki rekening yang rendah hampir setengahnya memiliki rating yang buruk

Jumlah antar Jenis Tujuan

Berdasarkan barplot tersebut bahwa tujuan customer untuk mengajukan kredit adalah untuk membeli mobil

Credit Amount & Duration

Berdasarkan kdeplot tersebut, persebaran tertinggi pada duration antara angka 15 - 25, sedangkan persebaran tertinggi pada credit amount di kisaran angka 1000 - 3000.

Jumlah kredit yang lebih tinggi dan durasi yang lebih lama berarti risiko yang lebih tinggi bagi bank

Stage 3

Preprocessing dataset

Melihat Missing Value

Label Encouder

Before

After

Standarisasi

Before

After

Stage 4

Modeling

Machine Learning

Model Yang Dipilih

KNN

Decision Tree

Random Forest

SVM

Naive Bayes

Akurasi Model

KESIMPULAN

Model terbaik untuk memprediksi status kelayakan customer dalam mengajukan kredit adalah KNN dengan akurasi sebesar 84%