Penerapan Machine Learning untuk Memprediksi Kelayakan dan Risiko Gagal Bayar Kredit Pemilikan Rumah (KPR)
Demo & Pengujian Sistem: Penerapan Machine Learning untuk Memprediksi Kelayakan dan Risiko Gagal Bayar Kredit Pemilikan Rumah (KPR)
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
Arsitektur & Pipeline Sistem
Alur data interaktif dari input request hingga hasil pemrosesan sistem:
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.
Financial Ratios & Solvency Buffer Formulation
Rekayasa rasio ekonometrika perbankan: DSR, PIR, LTV, Installment-to-DP, Solvency Buffer, penanda pekerja informal, dan penanda subsidi FLPP.
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.
GridSearchCV Regularization & Champion Model Training
Optimasi hiperparameter pohon gradient boosting (Macro F1 99.81%, QWK 0.9995) untuk klasifikasi 4 tingkatan risiko solvabilitas kredit.
SHAP TreeExplainer & Regulatory Compliance Audit
Transparansi keputusan kredit menggunakan SHAP game-theory untuk mengungkap kontribusi marginal DSR, PIR, dan likuiditas kas.
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.
Struktur Berkas & Repositori
Hierarki folder dan berkas yang disertakan dalam paket proyek ini:
penerapan-machine-learning-prediksi-kelayakan-risiko-kpr.zip
Arsip paket ZIP lengkap berisi 100% seluruh berkas di atas siap dijalankan.
Dokumentasi Teknis
Tersedia dokumentasi teknis komprehensif untuk project ini:
Kebutuhan Sistem & Spesifikasi
Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:
Cross-platform compatible
Lingkungan kerja teruji
Optimal untuk running service
Untuk berkas & dependensi
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.
Belum ada ulasan untuk project ini.
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