relation: https://digilib.uin-suka.ac.id/id/eprint/78783/
title: EVALUASI KOMPARATIF LOGISTIC REGRESSION, LIGHTGBM, DAN FT-TRANSFORMER UNTUK PREDIKSI RISIKO KREDIT: VALIDASI BERBASIS UJI STATISTIK NON-PARAMETRIK DAN INTERPRETABILITAS SHAP
creator: Firda Maulida Prayetno, NIM.: 24206051020
subject: 006.3 Artificial Intelligence (Kecerdasan Buatan)
description: Penelitian ini melakukan evaluasi komparatif antara Regresi Logistik, LightGBM, dan FT-Transformer dalam memprediksi risiko gagal bayar menggunakan dataset Give Me Some Credit (150.000 sampel) dengan tingkat ketidakseimbangan kelas ekstrem (1:13,96). Guna mengatasi bias data, teknik Synthetic Minority Over-sampling Technique (SMOTE) diterapkan secara lokal dalam skema 15-fold Stratified Cross-Validation, dengan optimasi hiperparameter berbasis framework Optuna. Hasil pengujian menunjukkan LightGBM mencapai performa superior dengan AUC-ROC akhir sebesar 0,8631, mengungguli FT-Transformer (0,8369) dan Regresi Logistik (0,7959). Validasi inferensial melalui Friedman Test (
date: 2026-08-12
type: Thesis
type: NonPeerReviewed
format: text
language: id
identifier: https://digilib.uin-suka.ac.id/id/eprint/78783/1/24206051020_BAB-I_IV-atau-V_DAFTAR-PUSTAKA.pdf
format: text
language: id
identifier: https://digilib.uin-suka.ac.id/id/eprint/78783/2/24206051020_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf
identifier:   Firda Maulida Prayetno, NIM.: 24206051020  (2026) EVALUASI KOMPARATIF LOGISTIC REGRESSION, LIGHTGBM, DAN FT-TRANSFORMER UNTUK PREDIKSI RISIKO KREDIT: VALIDASI BERBASIS UJI STATISTIK NON-PARAMETRIK DAN INTERPRETABILITAS SHAP.  Masters thesis, UIN SUNAN KALIJAGA YOGYAKARTA.