ANALISA CARA KERJA MICROSERVICE BERBASIS PHYTON UNTUK PERANCANGAN CREDIT SCORE PADA DI FINTECH
DOI:
https://doi.org/10.56127/jukim.v1i03.186Keywords:
Predictive Analytics, Fintech, Online Loan Assesment, PhytonAbstract
Penelitian ini mampu membuat penentuan kelayakan pemberian pinjaman secara online tanpa harus melakukan survei kelayakan secara offline. Permodelan untuk kelayakan pemberian menggunakan skema model Predictive Analytics yang dimana service/aplikasi ini bisa berdiri sendiri ataupun bergabung dengan keseluruhan aplikasi dari ERP (Enterprise Resource Planning). Metode yang digunakan dalam perancangan pembuatan service/aplikasi berasiskan agile. Sistem ini berbasiskan Phyton dan juga database menggunakan MYSQL. Aplikasi ini memudahkan perusahan finansial dari multi finance hingga bank dapat memilih calon peminjam dengan tingkat gagal bayar rendah serta membuat nilai TKB dari perusahaan tersebut akan selalu terjaga. Dan dapat meminimalisir para peminjam gagal bayar.
References
Thomas W. Miller, MODELING TECHNIQUES IN PREDICTIVE ANALYTICS: BUSINESS PROBLEMS.
Ciby Joseph, ADVANCED CREDIT RISK ANALYSIS AND MANAGEMENT
Jason LZP. “ A Short Introduction To Decision Trees”. Di akses dari https://medium.com/ gitconnected/a-short-introduction-to-decision-trees-9481c36d2c52 tanggal 20 Juni 2022
Shoumik Goswami. “ BUILDING A VISUAL MODEL MONITORING SYSTEM FOR CREDIT RISK MODELS “. Di akses dari https://towardsdatascience.com/building-a-pipeline-monitoring-system-for-credit-risk-models-db55f9a49f7e tanggal 21 Juni 2022
I Gusti Ngurah Narindra Mandalaa, Catharina Badra Nawangpalupia, Fransiscus, Rian Praktiktoa. “ASSESSING CREDIT RISK: AN APPLICATION OF DATA MINING IN A RURAL BANK “. Di akses dari https://reader.elsevier.com/reader/sd/pii/S2212567112003553?token=9461F2576DD2267D 2C50C91C073787334EA6E94F4080945360EC549B55FAB65093D6ACBB22DFA1F8056CB9E470397819&originRegion=eu-west-1&originCreation=20220803074104 tanggal 24 Juni 2022
