Baru Jelajahi project AI & Machine Learning siap pakai lengkap dengan full source code dan tutorial instalasi!
Beranda Katalog Project Tentang Kami Kontak Kami
Penerapan Machine Learning untuk Memprediksi Kelayakan dan Risiko Gagal Bayar Kredit Pemilikan Rumah (KPR)
Penerapan Machine Learning untuk Memprediksi Kelayakan dan Risiko Gagal Bayar Kredit Pemilikan Rumah (KPR)
Machine Learning Tingkat: Advanced Versi 1.0.0 19 Dilihat
5.0 (0 ulasan)

Penerapan Machine Learning untuk Memprediksi Kelayakan dan Risiko Gagal Bayar Kredit Pemilikan Rumah (KPR)

Teknologi: Python Flask HTML CSS JavaScript Tailwind CSS XGBoost Scikit-Learn Pandas NumPy Joblib CatBoost LightGBM SHAP Jupyter Notebook
Video Demonstrasi Project TikTok Demo

Demo & Pengujian Sistem: Penerapan Machine Learning untuk Memprediksi Kelayakan dan Risiko Gagal Bayar Kredit Pemilikan Rumah (KPR)

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Penerapan Machine Learning untuk Memprediksi Kelayakan dan Risiko Gagal Bayar Kredit Pemilikan Rumah (KPR) via TikTok.

Overview & Cara Kerja

Indonesia KPR Credit Risk & Underwriting Engine merupakan platform analisis risiko kredit dan otomasi underwriting hipotek (mortgage) institusional berbasis Machine Learning yang dirancang untuk mengklasifikasikan kelayakan calon debitur Kredit Pemilikan Rumah (KPR) ke dalam 4 Tingkatan Solvabilitas & Risiko Gagal Bayar (Credit Default Risk Tier) secara presisi, objektif, dan instan sesuai standar regulasi Bank Indonesia, OJK, dan Basel III.

Fitur Utama Project

Source Code Lengkap & Terstruktur (Clean Architecture)
Dokumentasi Teknis & Pembahasan Lengkap
Backend Service & RESTful API Siap Pakai
Antarmuka Web Modern, Responsif, & Interaktif
Training Notebook Pipeline & Dependency Setup
Pretrained Model Weights & Paket Berkas ZIP Lengkap

Arsitektur & Pipeline Sistem

Alur data interaktif dari input request hingga hasil pemrosesan sistem:

6 Tahap Pipeline
1 DATA INGESTION

10K Property & Mortgage Telemetry Across 38 Provinces

Penyerapan 10.000 rekaman transaksi KPR di 38 provinsi mencakup 4 tipe properti, 4 klaster perbankan, dan profil demografi debitur.

10.000 Rekaman Data & 38 Provinsi
2 FEATURE ENGINEERING

Financial Ratios & Solvency Buffer Formulation

Rekayasa rasio ekonometrika perbankan: DSR, PIR, LTV, Installment-to-DP, Solvency Buffer, penanda pekerja informal, dan penanda subsidi FLPP.

19 Fitur Numerik & 6 Kategorikal
3 BENCHMARK HARNESS

5-Fold Stratified Cross-Validation on 5 Estimators

Validasi silang 5-fold membandingkan Logistic Regression, Random Forest, CatBoost, XGBoost, dan LightGBM untuk mitigasi risiko overfit.

5-Fold CV & 5 Algoritma Komparasi
4 CHAMPION LIGHTGBM

GridSearchCV Regularization & Champion Model Training

Optimasi hiperparameter pohon gradient boosting (Macro F1 99.81%, QWK 0.9995) untuk klasifikasi 4 tingkatan risiko solvabilitas kredit.

Macro F1 0.9981 & QWK 0.9995
5 XAI GOVERNANCE

SHAP TreeExplainer & Regulatory Compliance Audit

Transparansi keputusan kredit menggunakan SHAP game-theory untuk mengungkap kontribusi marginal DSR, PIR, dan likuiditas kas.

SHAP Global & Local Attribution
6 UNDERWRITING ENGINE

Flask Web Simulator & RESTful Credit Underwriting API

Deployment aplikasi web underwriting interaktif responsif Tailwind CSS dengan 4 skenario profil debitur, kalkulator anuitas, dan REST API.

Flask Server, Tailwind CSS & REST API
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

9 Berkas Proyek 3 Folder Utama Paket ZIP 3.59 MB
kpr_underwriting_engine_lgbm.joblib 879.7 KB
AI Model Pratinjau
model_metadata.json 4.83 KB
hero-architecture.jpg 879.68 KB
index.html 71.56 KB
app.py 11.94 KB
indonesia_pasar_properti_kpr_enriched.csv 13.21 MB
Dataset Pratinjau
kpr_mortgage_credit_risk_engine.ipynb 1013.65 KB
Notebook Pratinjau
requirements.txt 446 B

penerapan-machine-learning-prediksi-kelayakan-risiko-kpr.zip

Arsip paket ZIP lengkap berisi 100% seluruh berkas di atas siap dijalankan.

Beli untuk Unduh ZIP

Kebutuhan Sistem & Spesifikasi

Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:

Spesifikasi Rekomendasi
Sistem Operasi
Windows 10/11 (64-bit), macOS (Intel/Apple Silicon), atau Linux (Ubuntu 20.04+)

Cross-platform compatible

Runtime & Bahasa
Python 3.9, 3.10, atau 3.11 (Disarankan Python 3.10+)

Lingkungan kerja teruji

Memori (RAM)
Min. 4 GB (Disarankan 8 GB untuk eksplorasi Jupyter Notebook dan komputasi SHAP)

Optimal untuk running service

Penyimpanan
Min. 1.2 GB Free Storage (untuk dependensi pustaka, dataset 14 MB, dan model .joblib)

Untuk berkas & dependensi

Database & Layanan
Tidak membutuhkan database SQL (Dataset CSV & pipeline model .joblib)

Pertanyaan yang Sering Diajukan (FAQ)

Jawaban ringkas terkait lisensi, akses file unduhan, dan panduan instalasi:

Bagaimana cara mendapatkan source code setelah pembayaran?

Segera setelah pembayaran lunas (PAID), berkas ZIP project dapat langsung diunduh secara instan dari halaman ini atau menu Dashboard > Pembelian & Unduhan. Salinan bukti invoice transaksi dan tautan akses juga dikirim otomatis ke alamat email Anda.

Apakah ada panduan instalasi dan dokumentasi teknis?

Ya! Setiap project di Devilda Projects menyertakan dokumentasi teknis komprehensif, arsitektur sistem, struktur database, serta instruksi langkah demi langkah cara setup environment lokal hingga siap di-run.

Bolehkah source code ini dimodifikasi untuk tugas akhir/skripsi/komersial?

Tentu saja. Pembelian lisensi memberikan Anda hak penuh untuk memodifikasi, mengkustomisasi, dan mengembangkan source code ini untuk keperluan tugas akhir, skripsi, portfolio kerja, maupun proyek komersial klien Anda.

Bagaimana jika saya mengalami kendala teknis saat instalasi?

Tim teknis Devilda siap membantu asistensi. Anda dapat berkonsultasi langsung dengan tim kami via WhatsApp CS Devilda (0878-2851-5500). Kami siap membantu kendala instalasi.

Ulasan Pembeli

Ulasan terverifikasi dari pengguna yang telah membeli project ini.

5.0 (0)

Belum ada ulasan untuk project ini.

Harga Lisensi Source Code
Rp 350.000 / sekali bayar
Tayangan: 19 kali dilihat
Populer
Tonton Demo TikTok
Lihat
Beli Source Code Sekarang

Pembayaran aman via QRIS (Semua E-Wallet) & Virtual Account.

Yang Anda Dapatkan:

  • Full Source Code Lengkap & Aset Project
  • Teknologi: Python, Flask, HTML, CSS
  • Panduan Instalasi & Konfigurasi Lingkungan
  • Seluruh Bab Dokumentasi Teknis Langkah demi Langkah
  • Hak Lisensi Tugas Akhir, Skripsi & Komersial
  • Akses Unduhan Berkas ZIP & Code Explorer Langsung
Download link instan dan akses dokumentasi dikirim otomatis ke akun Anda.