Resumen
Dengan pesatnya pertumbuhan koperasi di Indonesia, maka pemberian kredit bagi anggota koperasi semakin diperketat dengan melakukan survey terhadap calon penerima kredit melalui analisis 5C yaitu character, capacity, capital, condition of economic dan economic condition. agunan, sehingga risiko kredit macet dapat diminimalkan. Data mining dapat membantu koperasi dalam menganalisis kredit macet calon penerima kredit dengan cara membandingkan data lama (data pemberian kredit sebelumnya) dengan data baru (data survei calon penerima kredit) dan mengelompokkannya dalam bentuk klasifikasi kredit macet atau non-kredit. melakukan pinjaman. Penelitian ini membangun model klasifikasi kredit macet berdasarkan hasil analisis calon penerima kredit menggunakan algoritma multi layer perceptron. Berbagai fungsi stochastic gradient descent (SGD) dan optimasi Adam digunakan yang dievaluasi menggunakan validasi silang 5 kali lipat, 10 kali lipat, dan 20 kali lipat. Hasil yang diperoleh adalah optimasi Adam merupakan fungsi optimasi terbaik untuk mengklasifikasikan dataset kredit macet, hal ini dapat dilihat dari nilai akurasi sebesar 95,6%, nilai F1 sebesar 95,6%, nilai presisi sebesar 95,7%, dan nilai recall sebesar 95,6%.