FINAL PROJECT Bisnis Analitik
| Farizah Rizka Rahmaniar |
|---|
| 06211540000111 |
| Bisnis Analitik 2018 |
| S1 Statistika - ITS |
Analisis Faktor-Faktor yang Mempengaruhi Personal Loan (Bank Personal Loan Dataset)
Deskripsi Data
Kasus ini adalah tentang Bank (Thera Bank) yang memiliki basis pelanggan yang terus berkembang. Mayoritas pelanggannya adalah pelanggan yang menyimpan uangnya dalam bank dengan berbagai ukuran simpanan. Namun jumlah pelanggan yang menjadi peminjam (pelanggan aset) sedikit. Hal ini membuat bank tertarik untuk memperluas basis ini dengan cepat. Sehingga dapat membawa lebih banyak bisnis pinjaman dan mendapatkan lebih banyak bunga pinjaman. Secara khusus, manajemen ingin mengubah pelanggan yang mempunyai hutang menjadi pelanggan yang meminjam pada bank (tetap menjadi seorang depositor). Manejemen ingin membangun sebuah model yang akan membantu mereka mengidentifikasi pelanggan yang memiliki kemungkinan tertinggi untuk membeli pinjaman. Hal ini akan meningkatkan rasio keberhasilan sekaligus mengurangi biaya kampanye
| Variabel | Keterangan |
|---|---|
| Age | Umur pelanggan (tahun) |
| Experience | Pengalaman profesional (tahun) |
| Income | Pendapatan pelanggan ($000) |
| ZIPCode | Kode Pos Alamat Pelanggan |
| Family | Jumlah anggota keluarga pelanggan |
| CCAvg | Rata-rata pengeluaran kartu kredit pelanggan |
| Education | Tingkat pendidikan 1: Undergrade; 2: Gradute; 3:Profesional |
| Mortgage | nilai gadai rumah (jika ada) |
| Securities Account | Apakah pelanggan mempunyai surat-surat berharga dengan bank? |
| CD Account | Apakah pelanggan mempunyai Certificate of Deposit dengan bank? |
| Online | Apakah pelanggan mempunyai internet banking? |
| Credit Card | Apakah pelanggan menggunakan kartu kredit UniversalBank? |
| Personal Loan | Apakah pelanggan menerima pinjaman pribadi di kampanye terakhir? |
Data Bank Personal Loan
Data ini didapatkan dari kaggle dengan judul “Bank Loan Modelling”. Berikut merupakan data Bank Personal Loan
loan_df<-read.csv("C:/Users/Farizah Rizka/Documents/FP_BisnisAnalitik/Bank Personal Loan.csv",
header=TRUE)
head(loan_df)## Age Experience Income ZIP.Code Family CCAvg Education Mortgage
## 1 25 1 49 91107 4 1.6 1 0
## 2 45 19 34 90089 3 1.5 1 0
## 3 39 15 11 94720 1 1.0 1 0
## 4 35 9 100 94112 1 2.7 2 0
## 5 35 8 45 91330 4 1.0 2 0
## 6 37 13 29 92121 4 0.4 2 155
## Personal.Loan Securities.Account CD.Account Online CreditCard
## 1 0 1 0 0 0
## 2 0 1 0 0 0
## 3 0 0 0 0 0
## 4 0 0 0 0 0
## 5 0 0 0 0 1
## 6 0 0 0 1 0Statistika Deskriptif
Berikut merupakan statistika deskriptif pada Bank Personal Loan Dataset :
summary(loan_df)## Age Experience Income ZIP.Code
## Min. :23.00 Min. :-3.0 Min. : 8.00 Min. : 9307
## 1st Qu.:35.00 1st Qu.:10.0 1st Qu.: 39.00 1st Qu.:91911
## Median :45.00 Median :20.0 Median : 64.00 Median :93437
## Mean :45.34 Mean :20.1 Mean : 73.77 Mean :93153
## 3rd Qu.:55.00 3rd Qu.:30.0 3rd Qu.: 98.00 3rd Qu.:94608
## Max. :67.00 Max. :43.0 Max. :224.00 Max. :96651
## Family CCAvg Education Mortgage
## Min. :1.000 Min. : 0.000 Min. :1.000 Min. : 0.0
## 1st Qu.:1.000 1st Qu.: 0.700 1st Qu.:1.000 1st Qu.: 0.0
## Median :2.000 Median : 1.500 Median :2.000 Median : 0.0
## Mean :2.396 Mean : 1.938 Mean :1.881 Mean : 56.5
## 3rd Qu.:3.000 3rd Qu.: 2.500 3rd Qu.:3.000 3rd Qu.:101.0
## Max. :4.000 Max. :10.000 Max. :3.000 Max. :635.0
## Personal.Loan Securities.Account CD.Account Online
## Min. :0.000 Min. :0.0000 Min. :0.0000 Min. :0.0000
## 1st Qu.:0.000 1st Qu.:0.0000 1st Qu.:0.0000 1st Qu.:0.0000
## Median :0.000 Median :0.0000 Median :0.0000 Median :1.0000
## Mean :0.096 Mean :0.1044 Mean :0.0604 Mean :0.5968
## 3rd Qu.:0.000 3rd Qu.:0.0000 3rd Qu.:0.0000 3rd Qu.:1.0000
## Max. :1.000 Max. :1.0000 Max. :1.0000 Max. :1.0000
## CreditCard
## Min. :0.000
## 1st Qu.:0.000
## Median :0.000
## Mean :0.294
## 3rd Qu.:1.000
## Max. :1.000Berdasarkan dari statistika deskriptif di atas dapat diketahui bahwa pada variabel Income, didapatkan rata-rata sebesar 73,77 ribu dolar. Hal ini berarti rata-rata pendapatan pelanggan yang menyimpan uangnya di bank adalah sebesar 73,77 ribu dolar. Selain itu, pada variabel Age didapatkan rata-rata sebesar 45,34 yang artinya rata-rata umur pelanggan yang menyimpankan uangnya di bank adalah sekitar 45,34 tahun.
Visualisasi
Dari data tersebut visualisasi yang dapat dibuat diantaranya adalah dengan membuat diagram batang. Berikut merupakan contoh diagram batang dari variabel Income dan variabel Personal.Loan
library(ggplot2)
library(ggpubr)## Loading required package: magrittrggplot(loan_df, aes(as.character(Personal.Loan))) +
geom_bar(fill = "pink") + theme_pubclean()
Dari data di atas dapat diketahui bahwa pelanggan yang tidak menerima tawaran pinjaman pribadi di kampanye terakhir lebih banyak daripada pelanggan yang menerima tawaran pinjaman pribadi di kampanye terakhir yang dilaksanakan oleh bank. Hal ini juga dapat dilihat bahwa pelanggan yang menerima tawaran pinjaman pribadi tidak sampai 50% dari pelanggan
library(ggplot2)
library(ggpubr)
ggplot(loan_df, aes(x=Income)) +
geom_histogram(aes(color=as.character(Personal.Loan),fill=as.character(Personal.Loan)),
alpha=0.4,position = "identity")## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
Histogram di atas menggambarkan pendapatan pelanggan yang menerima maupun yang tidak menerima tawaran pinjaman pribadi dari bank. Yang berwarna pink menunjukkan pendapatan pelanggan yang tidak menerima tawaran pinjaman pribadi dan dapat dilihat bahwa jumlah pendapatan pelanggan yang paling banyak adalah diantara 50 ribu dolar sampai 100 ribu dolar. Sedangkan, yang berwarna biru merupakan pendapatan pelanggan yang menerima tawaran pinjaman pribadi. Selain menggunakan histogram juga dapat dilihat dengan density plot seperti berikut.
library(ggplot2)
library(ggridges)##
## Attaching package: 'ggridges'## The following object is masked from 'package:ggplot2':
##
## scale_discrete_manualggplot(loan_df, aes(x=Income, y=as.character(Personal.Loan))) +
geom_density_ridges(aes(fill=as.character(Personal.Loan)))## Picking joint bandwidth of 7.19
Regresi Logistik
Dalam regresi, kita mengenal istilah variabel dependen (terikat) dan variabel independen (bebas), dimana variabel dependen dipengaruhi oleh variabel independen.
. \[\begin{array}{cccc} Y_1&=&\beta_0 + \beta_1 X_1+\epsilon_1& \\ \vdots & \vdots & \vdots& \\ Y_i&=&\beta_0 + \beta_1 X_i+\epsilon_i&\\ \vdots & \vdots & \vdots& \\ Y_n&=&\beta_0 + \beta_1 X_n+\epsilon_n & \end{array}\]
dimana,
\(Y_i\) : variabel dependen
\(X_i\) : variabel independen
\(\epsilon_i\) : residual
glm1=glm(Personal.Loan~.,loan_df, family=binomial(link="logit"))
summary(glm1)##
## Call:
## glm(formula = Personal.Loan ~ ., family = binomial(link = "logit"),
## data = loan_df)
##
## Deviance Residuals:
## Min 1Q Median 3Q Max
## -3.1552 -0.2014 -0.0795 -0.0309 3.9288
##
## Coefficients:
## Estimate Std. Error z value Pr(>|z|)
## (Intercept) -1.183e+01 4.119e+00 -2.871 0.00409 **
## Age -5.354e-02 6.131e-02 -0.873 0.38254
## Experience 6.367e-02 6.093e-02 1.045 0.29602
## Income 5.458e-02 2.620e-03 20.831 < 2e-16 ***
## ZIP.Code -3.948e-06 4.077e-05 -0.097 0.92286
## Family 6.958e-01 7.431e-02 9.364 < 2e-16 ***
## CCAvg 1.240e-01 3.965e-02 3.128 0.00176 **
## Education 1.736e+00 1.151e-01 15.085 < 2e-16 ***
## Mortgage 4.736e-04 5.543e-04 0.854 0.39289
## Securities.Account -9.371e-01 2.859e-01 -3.278 0.00104 **
## CD.Account 3.824e+00 3.243e-01 11.791 < 2e-16 ***
## Online -6.751e-01 1.571e-01 -4.298 1.72e-05 ***
## CreditCard -1.120e+00 2.050e-01 -5.463 4.68e-08 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## (Dispersion parameter for binomial family taken to be 1)
##
## Null deviance: 3162.0 on 4999 degrees of freedom
## Residual deviance: 1284.3 on 4987 degrees of freedom
## AIC: 1310.3
##
## Number of Fisher Scoring iterations: 8Dari hasil regresi logistik biner di atas dapat ditarik beberapa kesimpulan diantaranya adalah sebagai berikut.
Model regresi
Model regresi yang didapatkan dari hasil regresi logistik biner di atas adalah sebagai berikut.
Y = -1.183e+01 -5.354e-02(Age) + 6.367e-02(Experience) + 5.458e-02(Income) - 3.948e-06(ZIP.Code) + 6.958e-01(Family) + 1.240e-01(CCAvg) + 1.736e+00(Education) + 4.736e-04(Mortgage) - 9.371e-01(Securities.Account) + 3.824e+00(CD.Account) - 6.751e-01(Online) - 1.120e+00(CreditCard)
Variabel independen yang berpengaruh signifikan terhadap model adalah variabel Income, Family, CCAvg, Education, Securities.Account, CD.Account, Online, dan CreditCard
Dan model logit yang dapat dibentuk adalah sebagai berikut.
\(\Pi (Y) = \frac{\text{exp}(Y)}{1+\text{exp}(Y)}\) \(\Pi (Y) = \frac{\text{exp}(-1.183e+01 -5.354e-02(Age) + 6.367e-02(Experience) + 5.458e-02(Income) - 3.948e-06(ZIP.Code) + 6.958e-01(Family) + 1.240e-01(CCAvg) + 1.736e+00(Education) + 4.736e-04(Mortgage) - 9.371e-01(Securities.Account) + 3.824e+00(CD.Account) - 6.751e-01(Online) - 1.120e+00(CreditCard))}{1+\text{exp}(-1.183e+01 -5.354e-02(Age) + 6.367e-02(Experience) + 5.458e-02(Income) - 3.948e-06(ZIP.Code) + 6.958e-01(Family) + 1.240e-01(CCAvg) + 1.736e+00(Education) + 4.736e-04(Mortgage) - 9.371e-01(Securities.Account) + 3.824e+00(CD.Account) - 6.751e-01(Online) - 1.120e+00(CreditCard))}\)
Pada regresi logistik, koefisien determinasi tidak dapat dihitung seperti regresi linear. Sehingga yang perlu diperhatikan adalah seberapa kita dapat memprediksi dengan benar yang dapat terlihat dari classification table sebagai berikut.
RP=sum((glm1$fitted.values>=0.5)==loan_df$Personal.Loan & loan_df$Personal.Loan==1)
FP=sum((glm1$fitted.values>=0.5)!=loan_df$Personal.Loan & loan_df$Personal.Loan==0)
RN=sum((glm1$fitted.values>=0.5)==loan_df$Personal.Loan & loan_df$Personal.Loan==0)
FN=sum((glm1$fitted.values>=0.5)!=loan_df$Personal.Loan & loan_df$Personal.Loan==1)
confMat<-matrix(c(RP,FP,FN,RN),ncol = 2)
colnames(confMat)<-c("Pred Accept Loan","Pred Ignore Loan")
rownames(confMat)<-c("Real Accept Loan","Real Ignore Loan")
print(confMat)## Pred Accept Loan Pred Ignore Loan
## Real Accept Loan 304 176
## Real Ignore Loan 65 4455Dari tabel diatas didapatkan penjelasan mengenai variabel dependen. Dari hasil tersebut didapatkan bahwa dari 5000 pelanggan yang menyimpan uangnya di bank dan terdeteksi dengan benar menerima tawaran pinjaman pribadi (Loan) adalah sebanyak 304 pelanggan. Sedangkan yang terdeteksi dengan benar menolak tawaran pinjaman pribadi (Loan) adalah sebanyak 4455 pelanggan. Selain itu, pelanggan yang menolak tawaran pinjaman pribadi (Loan) namun terdeteksi menerima tawaran loan adalah sebanyak 65 pelanggan dan pelanggan yang menolak loan namun terdeteksi menerima loan adalah sebanyak 176 pelanggan. Selanjutnya, dari tabel klasifikasi di atas dapat dihitung juga nilai akurasi, presisi, dan recall seperti berikut.
akurasi=((RP+RN)/(RP+RN+FP+FN))*100
presisi=(RP/(FP+RP))*100
recall=(RP/(FN+RP))*100
print(akurasi)## [1] 95.18print(presisi)## [1] 82.38482print(recall)## [1] 63.33333Model regresi logistik yang digunakan telah cukup baik karena mampu engklasifikasikan data dengan benar sebesar 95,18% dengan presisi yang cukup tinggi yaitu sebesar 82,38482% dan nilai recall sebesar 63,33%