IMPLEMENTASI DECISION TREE C4.5 DALAM PENENTUAN PINJAMAN UANG DI KOPERASI XYZ di BANJARMASIN

Lia Farokhah, Rina Dewi Indahsari

Abstract


Bad credit is an important problem faced by all financial institutions or business entities. Savings and Loan Cooperative xyz is one of the financial business entities that faces these problems. This cooperative has quite a number of customers / borrowers, namely 10,135 customers. Cooperative xyz customers have a current history of returning 9545 people and 590 people stuck in return. Bad loans that occur disrupt the financial rotation of the cooperative because it is related to business entity finance and employee salaries. Processing and analyzing customer / borrower data to obtain knowledge that can help stakeholders in the cooperative in determining a lending decision is urgently needed so that bad loans can be suppressed so that the financial flow of the business entity remains smooth. The data collected has sixteen attributes and one target attribute that is whether lending is accepted or rejected. The method used in processing and analyzing borrower data is the Tree C4.5 method which is a refinement of the ID3 (Iterative Dichotomiser) method. This method is known as an easy to understand method because it will produce a very clear rule in the decision tree. Results of model testing using cross validation random subsampling, this method has an accuracy of 70% with 5 aspects of important attributes namely loan history, other debts, community valuation, salary and electricity data when the data is pruned with four depth levels.

Keywords: Classification, Cooperative, Savings and Loans, Data, Method C4.5

Kredit macet merupakan permasalahan penting  yang dihadapi semua lembaga atau badan usaha keuangan. Koperasi simpan pinjam xyz merupakan salah satu badan usaha keuangan masyarakat yang menghadapi permasalahan tersebut. Koperasi ini memiliki nasabah/peminjam cukup banyak yaitu 10.135 nasabah/peminjam. Nasabah koperasi xyz memiliki riwayat lancar dalam pengembalian sebanyak 9545 orang dan 590 orang macet dalam pengembalian. Kredit macet yang terjadi menganggu perputaran keuangan koperasi karena  terkait keuangan badan usaha dan gaji pegawai. Pengolahan dan analisis data nasabah/ peminjam untuk memperoleh suatu pengetahuan yang bisa membantu stakeholder di koperasi dalam menentukan sebuah keputusan peminjaman uang sangat dibutuhkan agar kredit macet bisa ditekan sehingga perputaran keuangan badan usaha tetap lancar. Data yang terkumpul memiliki enam belas atribut dan satu target atribut yaitu apakah peminjaman uang diterima atau ditolak. Metode yang dipakai dalam pengolahan dan analisis data peminjam adalah metode Tree C4.5 dimana merupakan penyempurnaan metode ID3 (Iterative Dichotomiser). Metode ini dikenal dengan metode yang mudah dimengerti karena akan menghasilkan sebuah aturan yang sangat jelas dalam pohon keputusan. Dari hasil pengujian model yang terbentuk menggunakan cross validation random subsampling, metode ini memiliki akurasi sebesar 70% dengan 5 aspek atribut penting yaitu riwayat pinjaman, hutang lain, penilaian masyarakat, gaji dan data listrik ketika data di prunning dengan empat kedalaman level.

Kata kunci: Klasifikasi, Koperasi, Simpan Pinjam, Data, Metode C4.5


Full Text:

PDF

References


Dewan Perwakilan Rakyat Republik Indonesia, UNDANG-UNDANG REPUBLIK INDONESIA NOMOR 25 TAHUN 1992 TENTANG. 1992.

T. K. dkk Lestari, “Statistik Koperasi Simpan Pinjam,” Jakarta, 2017.

L. Adam, “Pelibatan koperasi dalam program kur: sebuah inovasi kebijakan ekonomi dengan peluang dan tantangannya,” Ekon. dan Pembang., vol. 26, no. 1, pp. 21–46, 2018.

Otoritas Jasa Keuangan, “Statistik Perbankan Indonesia,” Jakarta, 2019.

I. Taufiq, A. Nur, N. Y. Setiawan, and F. A. Bachtiar, “Prediksi Kredit Macet Berdasarkan Preferensi Nasabah Menggunakan Metode Klasifikasi C4 . 5 pada Koperasi Simpan Pinjam Mitra Raya Wates,” Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 12, 2018.

P. K. Handayani, “Model Klasifikasi Kelayakan Kredit Koperasi Karyawan dengan Algoritma Decision Tree,” SNATIF, pp. 263–268, 2016.

J. S. Parapat and A. S. Sinaga, “Data Mining Algoritma C4 . 5 Pada Klasifikasi Kredit Koperasi Simpan Pinjam Data Mining,” Ilmu Tek. Elektro Komput. dan Inform., vol. 4, no. 2, 2018.

M. Han, Jiawei dan Kamber, Data Mining concepts and Techniques Second Edition. Morgan Kaufmann Publishers, 2006.

M. Singh, “Performance Analysis of Decision Trees,” Int. J. Comput. Appl., vol. 71, no. 19, pp. 10–14, 2013.

A. etc Kalpesh, “PREDICTING S TUDENTS ’ P ERFORMANCE U SING ID3 AND C4.5 CLASSIFICATION ALGORITHMS,” Int. J. Data Min. Knowl. Manag. Process, vol. 3, no. 5, pp. 39–52, 2013.

luthfi taufiq E. Kusrini, Algoritma Data Mining. Yohgyakarta: Andi Publisher, 2009.




DOI: http://dx.doi.org/10.20527/klik.v6i3.268

Copyright (c) 2019 KLIK - KUMPULAN JURNAL ILMU KOMPUTER

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Indexed by:

  
 

 

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.joomla
counter View My Stats