Data Mining Klasifikasi Data Nasabah Kredit KSU Taman Mandiri Menggunakan Algoritma C4.5
DOI:
https://doi.org/10.26555/jiteki.v4i2.11416Keywords:
Data nasabah, Pola nasabah, Decision Tree, Data Mining, Algoritma C4.5Abstract
Koperasi simpan pinjam berkembang dari bunga pinjaman nasabah. Pengambil keputusan harus objektif dalam menentukan nasabah yang diberi kredit meminjam. Setiap data nasabah calon peminjam dipelajari untuk melihat pola nasabah dalam simpan pinjam pada koperasi. Digunakan Data Mining untuk mengekstraksi dan mengidentifikasi informasi. Teknik Data Mining Decision Tree, jawaban akan sebuah sistem untuk membantu dan mencari keputusan dengan memperhitungkan faktor-faktor yang terjadi. Penelitian ini bertujuan menilai nasabah dari record data dalam memutuskan nasabah pengambil kredit. Analisa data, terdiri dari 16 data sample, 7 data nasabah lancar dan 9 data nasabah macet pembayaran. Setiap percabangan menyatakan kondisi yang harus dipenuhi dan tiap ujung pohon menyatakan kelas data. Pada Node 1 diperoleh atribut dengan Gain tertinggi: Penghasilan, sebesar 0,6853. Pada Node 1.1 diperoleh atribut dengan Gain tertinggi: umur, sebesar 0,6215. Gain tertinggi adalah  jangka waktu: 0,9179. Ada tinggal dua nilai dari atribut jangka waktu, 31-60, 15-30 hari. nilai atribut 31-60 mengklasifikasikan kasus menjadi satu yaitu keputusannya “macet†demikian juga dengan 15-30 hari mengklasifikasi kasus menjadi satu yaitu keputusanya “lancar†sehingga tidak perlu melakukan perhitungan lebih lanjut.References
H. Sholihah, S. I. Hidayat, N. Yuliati, “Persepsi Dan Sikap Nasabah Dalam Memperoleh Kredit Usaha Agribisnis Pada Bank Konvensional Dan Bank Syariahâ€, Jurnal Sosial Ekonomi Pertanian, vol. 7, no. 1, hal. 24-31, 2014.
A. S. R. M. Sinaga, “Data Mining Informasi Tingkat Kelulusan Mahasiswa STMIK Pelita Nusantara Medanâ€, Jurnal Mantik Penusa, vol.1, no. 1, hal. 27-35, 2017.
F. Hadi, “Penerapan Data Mining Dalam Menganalisa Pemberian Pinjamana Dengan Menggunakan Metode Algoritma C5.0 (Studi Kasus : Koperasi Jasa Keuangan Syariah Kelurahan Lambung Bukik)â€, Jurnal KOMTEKINFO, vol. 4, no. 2, hal. 214-223, 2017.
Eka Pandu C., Edi I., “Metode Decision Tree Algoritma C.45 Dalam Mengklasifikasi Data Penjualan Bisnis Gerai Makanan Cepat Sajiâ€, Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK), vo.3, pp 1-13, 2018.
Siska H., A. Sudarsono, E. Suryana, “Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4.5 (Studi Kasus: Universitas Dehasen Bengkulu)â€, Jurnal Media Infotama, vol. 11. no. 2, hal. 130-138, 2015.
P. Meilina., “Penerapan Data Mining Dengan Metode Kalsifikasi Menggunakan Decision Tree Dan Regresiâ€, Jurnal Teknologi, vol 7, no. 1, hal. 11-20, 2015.
S Al Syahdan, A Sindar, “Data Mining Penjualan Produk Dengan Metode Apriori Pada Indomaret Galangâ€, Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI), vol. 1, no. 2, hal. 56 – 63, 2018.
Durrotul M., Ana K., “Implementasi Data Mining Dalam Prediksi Performance Software Engineer Pt. Emesrio Menggunakan Decision Treeâ€, Jurnal Ilmiah Informatika dan Komputer, vol. 22, no. 1, hal. 31-43, 2017.
Beti N., Tedy R., Syamsul B., “Implementasi Data Mining Dengan Algoritma C4.5 Untuk Penjurusan Siswa (Studi Kasus: SMA Negeri 1 Pontianak)â€, Coding Jurnal Komputer dan Aplikasi, vol. 4, no.3, hal. 75-84, 2016.
Alfannisa Annurullah F., Algifanri M., “Penerapan Data Mining Untuk Analisis Pola Pembelian Konsumen Dengan Algoritma Fpgrowth Pada Data Transaksi Penjualan Spare Part Motorâ€, Kumpulan jurnaL Ilmu Komputer (KLIK), vol. 5, no. 1, hal. 27-36, 2018.
Downloads
Published
Issue
Section
License
Authors who publish with JITEKI agree to the following terms:
- Authors retain copyright and grant the journal the right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
This work is licensed under a Creative Commons Attribution 4.0 International License