Algoritma C4.5 Untuk Menentukan Kelayakan Pemberian Kredit (Studi kasus: Bank Mandiri Taspen Kantor Kas Sukabumi)

Authors

  • Taufik Hidayatulloh Universitas Bina Sarana Informatika https://orcid.org/0000-0002-3650-8397
  • Anisa Fajria Universitas Bina Sarana Informatika
  • Rida Nutria Lestari Universitas Bina Sarana Informatika
  • Neng Sella Zakiatun Nufus Universitas Bina Sarana Informatika

DOI:

https://doi.org/10.31294/larik.v2i2.1836

Keywords:

Algoritma C4.5, Decision Tree, Pemberian Kredit, Bank

Abstract

Menurut UU No.10 tahun 1998 menyatakan bahwa kredit adalah penyediaan uang atau, berdasarkan persetujuan atau kesepakatan pinjam meminjam antar bank dengan pihak lain yang mewajibkan pihak peminjam untuk melunasi hutangnya setelah jangka waktu tertentu dengan pemberian bunga. Kelancaran dalam pembayaran kredit sangat berpengaruh terhadap profit perusahaan atau perbankan yang merupakan sumber penghasilan utama yang dimiliki perusahaan. Proses pemberian kredit kepada konsumen/nasabah adalah hal yang tidak mudah, karena harus mempertimbangkan beberapa faktor. Maka dari itu tujuan penelitian ini adalah membuat sistem penunjang keputusan dalam menentukan factor kriteria konsumen dalam melakukan kredit. Studi kasus dilakukan di Bank Mandiri Taspen Sukabumi. Permasalahan pada penelitian ini adalah sering terjadi pembayaran kredit macet oleh nasabah, maka dari itu penelitian ini menggunakan metode Algoritma C4.5 decision tree digunakan untuk memprediksi macet atau tidaknya pembayaran kredit oleh nasabah. Penelitian ini menggunakan data set yang memiliki kriteria penentu, yaitu hasil Approve dan Reject, status pegawai, jaminan, jenis kredit, usia, gaji, persyaratan, kesehatan, dan SIUP.  Dari hasil penelitian yang menggunakan 258 data private nasabah bulan November dan Desember 2021 di Bank Mandiri Taspen Kantor Kas Sukabumi menghasilkan evaluasi bahwa Algoritma C4.5 akurat diterapkan untuk memprediksi macet atau tidaknya pembayaran kartu kredit nasabah dengan tingkat akurasi sebesar 93,75% untuk data training 0.9 dan testing 0.1, selain itu didapatkan tingkat akurasi 96,77% untuk data training 0.8 dan testing 0.2.

Author Biographies

Taufik Hidayatulloh, Universitas Bina Sarana Informatika

 

 

Anisa Fajria, Universitas Bina Sarana Informatika

 

 

Rida Nutria Lestari, Universitas Bina Sarana Informatika

 

 

 

Neng Sella Zakiatun Nufus, Universitas Bina Sarana Informatika

 

 

References

Asmira, “Penerapan Data Mining untuk Mengklasifikasi Pola Nasabah Menggunakan Algoritma C4,5 pada Bank BRI Unit Andounohu Kendari,” J. Sist. Komput. dan Sist. Inf., vol. 1, no. 1, pp. 22–28, 2019.

A. Adnan, R. Ridwan, and F. Fildzah, “Pengaruh Ukuran Bank, Dana Pihak Ketiga, Capital Adequacy Ratio, dan Loan To Deposit Ratio Terhadap Penyaluran Kredit Pada Perusahaan Perbankan yang Terdaftar Di Bursa Efek Indonesia Tahun 2011-2015,” J. Din. Akunt. dan Bisnis, vol. 3, no. 2, pp. 49–64, 2016, doi: 10.24815/jdab.v3i2.5386.

L. A. Putri, “Analisis Penghapusbukuan oleh Bank terhadap Utang Debitur atas Kredit Macet,” J. Ilm. Pendidik. Pancasila dan Kewarganegaraan, vol. 5, no. 1, p. 95, 2020, doi: 10.17977/um019v5i1p95-103.

A. Z. Pratama, L. Kurniawati, S. Larbona, and T. Haryanti, “Algoritma C4.5 Untuk Klasifikasi Nasabah Dalam Memprediksi Kredit Macet,” Inf. Syst. Educ. Prof., vol. 3, no. 2, pp. 121–130, 2019.

A. U. Z. Hanun, Nugraha Listiana, “Journal Of Technology Information,” J. Technol. Inf., vol. 5, no. 1, pp. 25–30, 2020.

D. Wulandari, N. Lutfiyana, and H. Sumarno, “Metode Algoritma Decision Tree C4.5 Untuk Analisis Kelayakan Kredit Nasabah Pada Bsm Kcp Kemang Pratama,” EVOLUSI J. Sains dan Manaj., vol. 7, no. 2, pp. 36–42, 2019, doi: 10.31294/evolusi.v7i2.6757.

T. T. Muryono, A. Taufik, and I. Irwansyah, “Perbandingan Algoritma K-Nearest Neighbor, Decision Tree, Dan Naive Bayes Untuk Menentukan Kelayakan Pemberian Kredit,” Infotech J. Technol. Inf., vol. 7, no. 1, pp. 35–40, 2021, doi: 10.37365/jti.v7i1.104.

D. Astuti, “Penentuan Strategi Promosi Usaha Mikro Kecil Dan Menengah (UMKM) Menggunakan Metode CRISP-DM dengan Algoritma K-Means Clustering,” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 1, no. 2, pp. 60–72, 2019, doi: 10.20895/inista.v1i2.71.

F. F. Harryanto and S. Hansun, “Penerapan Algoritma C4.5 untuk Memprediksi Penerimaan Calon Pegawai Baru di PT WISE,” Tek. Inform. Dan Sist. Inf., vol. 3, no. 2, pp. 95–103, 2017.

Y. Mardi, “Data Mining: Klasifikasi Menggunakan Algoritma C4.5,” Edik Inform., vol. 2, no. 2, pp. 213–219, 2017, doi: 10.22202/ei.2016.v2i2.1465.

J. Halim, “Penerapan Data Mining Untuk Mengukur Tingkat Kepuasan Siswa Terhadap Pelayanan Di Bimbingan Belajar Al-Misbah Dengan Menggunakan Metode K-Means,” J. SAINTIKOM, vol. 16, no. 1, pp. 1–6, 2017.

R. Febrian, F. Dzulfaqor, M. N. Lestari, A. A. Romadhon, and E. Widodo, “Analisis Pola Pembelian Obat di Apotek UII Farma Menggunakan Metode Algoritma Apriori,” Semin. Nas. Teknol. Inf. dan Multimed. 2018, vol. 6, no. 1, pp. 49–54, 2018.

S. Nurlela, L. Yusuf, Hermanto, E. Nurlelah, and M. Syarif, “Penerapan Algoritma Decision Tree C4.5 dalam Penerimaan Guru pada SMK Sirajul Falah Parung,” J. CKI Spot, vol. 11, no. 2, pp. 192–198, 2018, [Online]. Available: https://jurnal.stikomcki.ac.id/index.php/cos/article/view/50.

N. Iriadi and N. Nuraeni, “Kajian Penerapan Metode Klasifikasi Data Kelayakan Kredit Pada Bank,” J. Tek. Komput. AMIK BSI, vol. II, no. 1, pp. 132–137, 2016.

J. Eska, “Penerapan Data Mining Untuk Prekdiksi Penjualan Wallpaper Menggunakan Algoritma C4.5,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 2, no. 2, pp. 9–13, 2016.

[D. Sartika and D. Indra, “Perbandingan Algoritma Klasifikasi Naive Bayes, Nearest Neighbour, dan Decision Tree pada Studi Kasus Pengambilan Keputusan Pemilihan Pola Pakaian,” J. Tek. Inform. Dan Sist. Inf., vol. 1, no. 2, pp. 151–161, 2017.

D. Setiawati, I. Taufik, J. Jumadi, and W. B. Zulfikar, “Klasifikasi Terjemahan Ayat Al-Quran Tentang Ilmu Sains Menggunakan Algoritma Decision Tree Berbasis Mobile,” J. Online Inform., vol. 1, no. 1, p. 24, 2016, doi: 10.15575/join.v1i1.7.

B. Rahmat C.T.I. et al., “Implemetasi K-Means Clustering Pada Rapidminer Untuk Analisis Daerah Rawan Kecelakaan,” Semin. Nas. Ris. Kuantitatif Terap. 2017, no. April, pp. 58–62, 2017.

R. Widayati and U. Herman, “Penyelesaian Kredit Bermasalah Pada Pt. Bank Perkreditan Rakyat (BPR) Nagari Kasang,” pp. 1–14, 2019, doi: 10.31219/osf.io/d738z.

E. Ermanto and D. Oktaviani, “Mencegah Kredit Macet Dengan Analisa Kelayakan Pembiayaan Dengan Metode C4.5 Dan Naïve Bayes Studi Kasus: Koperasi BMT UGT Sidogiri Cabang Cikarang),” SIGMA – J. Teknol. Pelita Bangsa, vol. 10, no. 4, pp. 75–86, 2020, [Online]. Available: http://download.garuda.kemdikbud.go.id/article.php?article=2590257&val=24387&title=Mencegah Kredit Macet Dengan Analisa Kelayakan Pembiayaan Dengan Metode C45 Dan Nave Bayes Studi Kasus Koperasi Bmt Ugt Sidogiri Cabang Cikarang.

Effendi, M. Makmun, and E. Humaeroh, “Penerapan Data Mining Menggunakan Metode Algoritma Naive Bayes Untuk Menentukan Kelayakan Kredit Rumah Bersubsidi,” J. Teknol. Pelita Bangsa, vol. 11, no. 2, pp. 101–108, 2020, [Online]. Available: https://jurnal.pelitabangsa.ac.id/index.php/sigma/article/view/1311/859.

D. Maulana and R. R. B. Putra, “PENERAPAN DATA MINING UNTUK MEMPREDIKSI POLA NASABAH MENGGUNAKAN ALGORITMA C4.5,” SIGMA –Jurnal Teknol. Pelita Bangsa, vol. 10, no. 2, pp. 182–190, 2019, [Online]. Available: https://www.jurnal.pelitabangsa.ac.id/index.php/sigma/article/view/587/397.

S. Wahyuningsih and D. Retno Utari, “Perbandingan Metode K-Nearest Neighbor, Naïve Bayes dan Decision Tree untuk Prediksi Kelayakan Pemberian Kredit,” Konf. Nas. Sist. Inf. 2018, pp. 619–623, 2018, [Online]. Available: http://jurnal.atmaluhur.ac.id/index.php/knsi2018/article/viewFile/424/349.

Published

2022-12-30

How to Cite

Hidayatulloh, T., Fajria, A. ., Lestari, R. N., & Nufus, N. S. Z. (2022). Algoritma C4.5 Untuk Menentukan Kelayakan Pemberian Kredit (Studi kasus: Bank Mandiri Taspen Kantor Kas Sukabumi). Jurnal Ladang Artikel Ilmu Komputer, 2(2), 66 - 74. https://doi.org/10.31294/larik.v2i2.1836

Issue

Section

Articles

Most read articles by the same author(s)