Penerapan Data Mining untuk Mengklasifikasi Pola Nasabah Menggunakan Algoritma C4.5 pada Bank Bri Unit Anduonohu Kendari

Asmira Asmira

Abstract


Data Mining merupakan proses analisa data dari sudut yang berbeda dan mengolahnya menjadi informasi - informasi penting yang bisa digunakan untuk meningkatkan keuntungan. Secara teknis, data mining dapat disebut juga sebagai proses untuk menemukan korelasi atau pola dari ratusan atau ribuan field. Pada data mining dapat digunakan metode decision tree untuk melakukan klasifikasi. Kredit tidak lagi menjadi hal yang asing bagi masyarakat luas, banyaknya kebutuhan membuat masyarakat mengambil kredit untuk memenuhi kebutuhan konsumtif mereka. Seringkali pembayaran kredit yang macet membuat bank kerepotan, karena semakin banyaknya nasabah yang membayar secara macet dapat berdampak buruk untuk kesehatan bank. Oleh karena itu, data nasabah dari Bank BRI Unit Anduonohu Kendari menjadi bahan acuan untuk menganalisa pola nasabah pemohon kredit. Pemohon kredit termasuk dalam kategori lancar, atau macet.Untuk mengatasi masalah tersebut, dapat digunakan metode decision tree. Sehingga penelitian ini bisa dijadikan acuan pihak Bank untuk menilai nasabah dengan record data yang ada untuk pengambilan kredit selanjutnya. Informasi yang ditampilkan berupa tingkat akurasi data nasabah lancar dan macet. Dalam penelitian ini, decision tree menggunakan bahasa pemrograman java. Kemudian hasil akurasi dari aplikasi yang diimplementasikan akan dibandingkan dengan hasil menggunakan sofrware rapidminer. Sehingga diperoleh akurasi dengan decision tree sebesar 89,5%.

Keywords


Data mining; Algoritma C4.5; Klasifikasi; Kredit; Decision tree

Full Text:

PDF

References


Astiko, Sunardi. 1996. “Pengantar Manajemen Perkreditan”. Yogyakarta: Andi Yogyakarta.

Andriani, Anik. 2012. “Penerapan Algoritma C4.5 pada Program Klasifikasi Mahasiswa Dropout”. Jakarta: AMIK BSI

D. T. Wahyuni, T.Sutojo dan A. Luthfiarta, “Prediksi Hasil Pemilu Legislatif DKI Jakarta Menggunakan Naive Bayes Algoritma Genetika Sebagai Fitur Seleksi,” pp. 1-14, 2010.

Hoggson, N.F. 1926. Banking Through the Ages.New York: Dodd, Mead & Company.

Indah Sari, Rina Dewi dan Yuwono Sindunata. 2014. “Penerapan Datamining untuk Analisa Pola Perilaku Nasabah dalam Pengkreditan Menggunakan Metode C4.5 Studi Kasus pada KSU Insan Kamil Demak”. Jurnal Ilmiah Teknologi dan Informasi Asia. Vol.8 No.2

Kamagi, David Hartanto dan Seng Hansun. 2014. “Implementasi Datamining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa”. Ultimaticks. Vol. 6 No. 1.

Mabrur, Angga Ginanjar dan Riani Lubis. 2012. “Penerapan Data mining untuk Memprediksi Kriteria Nasabah Kredit”. Jurnal Komputer dan Informatika. Edisi 1 Vol. 1.

Prasetyo, Eko. 2014. “DataMining Mengolah Data Menjadi Informasi Menggunakan Matlab”. Yogyakarta: Andi Yogyakarta.

Puspita, Ari dan Mochamad Wahyudi. 2015. “Algoritma C4.5 Berbasis Decision Tree untuk Prediksi Kelahiran Bayi Prematur”. Konferensi Nasional Ilmu Pengetahuan dan Teknologi (KNIT).

Raditya Anindika. 2011. “Analisis Faktor-Faktor yang Mempengaruhi Besarnya Pengambilan Kredit oleh Masyarakat pada Perum Pegadaian”. Skripsi. FE, Ekonomi Pembangunan, Universitas Negeri Sebales Maret Surakarta.

Sari, Greydi Normala. 2013. “Faktor-Faktor yang Mempengaruhi Penyaluran Kredit Bank Umum di Indonesia (Periode 2008.1-2012.2)”. Jurnal EMBA. Vo.1 No.3 Hal. 931-941.

Zulkifli. “Metode Prediksi Berbasis Neural Network Untuk Pengujian Perangkat Lunak Metode black-box”. Seminar Nasional ATI, 15 Juni 2013


Refbacks

  • There are currently no refbacks.


© Router Research 2019

Creative Commons LicenseThis article is distributed under the terms of the Creative Commons Attribution 4.0 International License