Model Hidden Markov Untuk Persoalan Optimisasi Finansial

Abstract

One of the factors contributing to the losses, the deadline / limit the payment by the debtor or the customer can not be achieved to the detriment of the bank. It is necessary for an approach to the debtor so that the banks can provide credit so as to minimmize the risk of bank credit, changes in the debtor can not be observed (hidden). Such events can be repeated debtor changes but uncertain time. It is assumed that the factors causing the change event the debtor is not observed directly and form a Markov chain. For that we need a model that can minimize the use of bank credit risk of hidden markov models, which The process that is not observable (hidden) can be observed through a process that can be observed, with the implementation of the measures (1) Calculate the chance observation with forward algorithma and backward algorithma (2) Determine the state of the hidden (Hidden State)with viterbi algorithma , (3) Parameter Estimation HMM with Baum-Welch algorithm , with the results expected to be used to predict subsequent changes in the debtor.

Salah satu faktor penyebab terjadinya kerugian bank, batas akhir/ limit pemba- yaran oleh debitur atau nasabah tidak dapat tercapai sehingga merugikan pihak bank. Untuk itu perlu dilakukan suatu metode pendekatan terhadap debitur agar bank dapat memberikan kredit sehingga dapat meminimalkan risiko kredit per- bankan, perubahan debitur tidak dapat diobservasi (hidden). Kejadian-kejadian perubahan debitur dapat berulang tetapi tidak dapat dipastikan waktunya. Di- asumsikan bahwa faktor penyebab kejadian perubahan debitur tidak diamati se- cara langsung dan membentuk rantai markov. Untuk itu diperlukan suatu mo- del yang dapat meminimalkan risiko kredit perbankan yakni menggunakan mo- del hidden markov, dimana proses yang tidak dapat diobservasi (hidden),dapat diobservasi melalui proses yang dapat diobservasi, dengan langkah-langkah pelak- sanaan (1) Menghitung peluang observasi dengan algoritma maju dan algoritma mundur(2)Menentukan keadaan yang tersembunyi (Hidden State) dengan algo- ritma viterbi, (3)Penaksiran Parameter HMM dengan Algoritma Baum-Welch, dengan hasil yang diperoleh diharapkan dapat digunakan untuk meramalkan pe- rubahan debitur tersebut selanjutnya.