EXPLORASI ALGORITMA C4.5 DAN FORWARD FEATURE SELECTION UNTUK MENENTUKAN DEBITUR BAIK DAN DEBITUR BERMASALAH PADA PRODUK KREDIT TANPA AGUNAN (KTA)

Main Article Content

Putu Gede Surya Cipta Nugraha
Gede Surya Mahendra

Abstract

Produk kredit Bank Umum yang sangat diminati oleh Badan Usaha atau Organisai dan masyarakat salah satunya yaitu Kredit Tanpa Angunan (KTA), hal ini dikarenakan sistem kredit tidak membutuhkan jaminan dari debitur. Tetapi dalam jangka waktu proses kredit KTA tidak menutup kemungkinan debitur melakukan keterlambatan dalam melakukan pembayaran angsuran (menunggak) yang dikarenakan mengalami kegagalam dalam bisnis, kehilangan pekerjaan, uang digunakan untuk memenuhi kebutuhan lain serta berbagi macam alasan lainnya. Pada Bank ABC setiap nasabah yang terlambat melakukan pembayaran dapat dikelompokan menjadi Non Performance Loan (NPL) atau yang sering disebut dengan kredit macet. Untuk mengatasi permasalahan tersebut diterapkan bidang Ilmu Komputer yaitu Data Mining untuk memprediksi kriteria debitur yang baik dan debitur bermasalah. Adapun metode atau algoritma Data Mining yang digunakan adalah kombinasi dari algoritma C4.5 dan Forward Feature Selection. Pengujian algoritma C4.5 dalam memprediksi menghasilkan tingkat accuracy sebesar 92.00%, recall sebesar 92.00% dan precission sebesar 92.00%. Forward Feature Selection berbasis algoritma C4.5 lebih akurat dan efektif dalam memprediksi debitur yang baik dan debitur bermasalah dengan hasil accuracy sebesar 93.60%, recall sebesar 93.60%, precission sebesar 93.60% dan memperoleh atribut yang berpengaruh yaitu jangka waktu, maksimum kredit dan pekerjaan.

 

 

Article Details

Section
Articles

References

Iriadi, N., & Nuraeni, N. (2016). Kajian Penerapan Metode Klasifikasi Data Mining Algoritma C4.5 Untuk Prediksi Kelayakan Kredit Pada Bank Mayapada Jakarta. Jurnal Teknik Komputer AMIK BSI. 2 (1), ISSN 2442-2436.

Larose, D.T. ( 2005). Discovering Knowledge in Data. Canada: Wiley-Interscience.

Nuraeni, N. (2017). Penentuan Kelayakan Kredit Dengan Algoritma Naïve Bayes Classifier: Studi Kasus Bank Mayapada Mitra Usaha Cabang PGC. Jurnal Teknik Komputer AMIK BSI. 3 (1), ISSN. 2442-2436.

Otoritas Jasa Keuangan. (2017). Bank Umum. [Online]. Available: https://www.ojk.go.id/id/kanal/perbankan/Pages/Bank-Umum.aspx, 28 Juni 2019.

Sambani, E. B., & Nuraeni, F. (2018). Penerapan Algoritma C4.5 Untuk Klasifikasi Pola Penjurusan di Sekolah Menengah Kejuruan (SMK) Kota Tasikmalaya. CSRID (Computer Science Research and Its Development Journal), 9 (3), 144.

Saleh, A. (2015). Penerapan Data Mining Dengan Metode Klasifikasi Naïve Bayes Untuk Memprediksi Kelulusan Mahasiswa Dalam Mengikuti English Proficiency Test ( Studi Kasus : Universitas Potensi Utama). ResearchGate

Saleh, H. (2017). Prediksi Kebangkrutan Perusahaan Menggunakan Algoritma C4.5 Berbasis Forward Selection. ILKOM Jurnal Ilmiah, 9 (2), 173. ISSN 2087-1716. doi : 10.33096/ilkom.v9i2.97.173-180.

Salim, M. (2016). Klasifikasi Tutupan Lahan Perkotaan Menggunakan Naive Bayes Berbasis Forward Selection. Jurnal Teknosains, 10 (2), 165-182.

Undang-Undang Republik Indonesia Nomor 10 Tahun 1998 tentang perubahan atas Undang-Undang Nomor 7 Tahun 1992 tentang perbankan.