Penerapan Metode Support Vector Regression (SVR) pada Data Survival KPR PT. Bank ABC, Tbk.

Abstract

Abstract. Support Vector Regression is an adaptation of machine learning theory that was previously used to solve classification problems, namely Support Vector Machine (SVM). The difference is, SVM is applied to classification cases whose outputs produce integers or discrete numbers, while SVR is applied to regression cases whose outputs produce real or continuous numbers. When the dependent variable is survival data, it is necessary to adjust the existing SVR method. SVR has the ability to overcome the problem of overfitting, so it can get a function with a small error rate and produce good predictions by finding the best Hyperplane (separation line). In this research, we will discuss the application of the SVR method to the problem of predicting the length of time until the customer is stuck. The dependent variable is survival data. The data used are mortgage debtors PT.Bank ABC, Tbk. In the test, it is necessary to add a kernel function, namely in this study a linear kernel is used. Then the model estimation is obtained with the equation with an RMSE of 25.25435. And obtained prediction results with the same pattern with the actual data.

Abstrak. Support Vector Regression merupakan adaptasi dari teori machine learning yang sebelumnya digunakan untuk memecahkan masalah klasifikasi, yaitu Support Vector Machine (SVM). Perbedaannya, SVM diterapkan pada kasus klasifikasi yang outputnya menghasilkan bilangan bulat atau diskrit, sedangkan pada SVR diterapkan pada kasus regresi yang outputnya menghasilkan bilangan riil atau kontinu. Manakala variabel dependennya merupakan data survival, maka perlu ada penyesuaian dari metode SVR yang ada. SVR memiliki kemampuan untuk mengatasi permasalahan overfitting, sehingga bisa mendapatkan suatu fungsi dengan tingkat kesalahan yang kecil dan menghasilkan prediksi yang bagus dengan cara menemukan Hyperplane (garis pemisah) terbaik. Dalam jurnal ini akan dibahas mengenai penerapan metode SVR pada masalah prediksi lamanya waktu sampai nasabah macet.  Dependen variabel tersebut merupakan data survival.  Data yang digunakan adalah debitur KPR PT.Bank ABC, Tbk. Dalam pengujiannya perlu ditambahkannya fungsi kernel yaitu pada penelitian ini digunakan kernel linier. Kemudian didapatkan pendugaan model dengan persamaan dengan RMSE sebesar 25.25435. Serta didapatkan hasil prediksi dengan pola yang sama dengan data aktualnya.