Taufik Hidayatulloh, Anisah Fajria, Rida Nutria Lestari, Neng Sella Zakiatun Nufus
{"title":"Algoritma C4.5 Untuk Menentukan Kelayakan Pemberian Kredit (Studi kasus: Bank Mandiri Taspen Kantor Kas Sukabumi)","authors":"Taufik Hidayatulloh, Anisah Fajria, Rida Nutria Lestari, Neng Sella Zakiatun Nufus","doi":"10.31294/larik.v2i2.1836","DOIUrl":null,"url":null,"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.","PeriodicalId":446789,"journal":{"name":"Jurnal Larik: Ladang Artikel Ilmu Komputer","volume":"38 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Larik: Ladang Artikel Ilmu Komputer","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31294/larik.v2i2.1836","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
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.