Mahasiswa Ilmu Komputer IPB Raih Juara di Finhacks Data Challenge BCA, Bawa Pulang Rp 10 Juta

dua mahasiswa IPB juara dalam Finhacks Data Challenge BCA.Mereka adalah Kevin Joshua bersama Saeful Ramadhan

Mahasiswa Ilmu Komputer IPB Raih Juara di Finhacks Data Challenge BCA, Bawa Pulang Rp 10 Juta
Humas IPB
Mahasiswa IPB Kevin Joshua bersama Saeful Ramadhan menjadi juara dalam Finhacks Data Challenge BCA. 

TRIBUNNEWSBOGOR.COM -- Kevin Joshua bersama Saeful Ramadhan jadi juara dalam Finhacks Data Challenge BCA.

Keduanya adalah mahasiswa dari Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Institut Pertanian Bogor (IPB).

Lomba yang diselenggarakan oleh PT Bank Sentral Asia Tbk (BCA) itu berlangsung dua tahap.

Pertama pre-assessment test yang dilaksanakan secara online, kemudian tahap kedua yaitu demo day yang dilaksanakan di Hotel Akmani, Jakarta Pusat, November lalu.

Peserta lomba tidak hanya mahasiswa melainkan juga para profesional yang sudah berkecimpung di bidang data.

Dari ratusan partisipan yang sudah mendaftar, hanya ada 5 finalis di setiap kategorinya yang berhak lanjut ke tahap dua.

Para finalis ditantang untuk mengolah data yang diberikan oleh pihak penyelenggara.

Menurut Saeful, data yang diberikan merupakan sampel data nasabah yang sudah disamarkan identitasnya dengan jumlah data yang sangat banyak.

Lomba tersebut ada tiga kategori. Kevin dan Saeful memilih berpartisipasi dalam Kategori Credit scoring.

“Sebelum berangkat lomba, kami latihan intens selama tiga bulan. Latihan ini kita lakukan di sela-sela jam kuliah dan sepulang kuliah. Biasanya di perpustakaan hingga jam layanan perpustakaan ditutup,” ujarnya.

Dengan kerja keras dan ketekunannya itu, mereka bisa membawa pulang hadiah sebesar Rp 10 juta. 

“Awalnya kami mencoba yang kategori yang fraud detection tapi hasilnya kurang bagus. Lalu kami coba kategori credit scoring dan hasilnya lebih bagus,” tambah Kevin.

Credit scoring atau penilaian kredit adalah cara yang digunakan oleh bank atau lembaga pembiayaan untuk menentukan layak atau tidaknya seorang nasabah mendapatkan pinjaman.

“Untuk menyelesaikan data tersebut kita mencoba banyak metode hingga akhirnya kami memilih untuk memakai metode ensemble dengan menggabungkan tiga clasifier forest, xgboost dan lightgbm,” pungkas Kevin. (*)

Editor: Soewidia Henaldi
Ikuti kami di
KOMENTAR

BERITA TERKINI

© 2018 TRIBUNnews.com Network,a subsidiary of KG Media.
All Right Reserved