UDiNus Repository

KLASIFIKASI DATA MINING UNTUK MENENTUKAN PENYEBAB KREDIT MACET PADA KOPERASI SIMPAN PINJAM PRIMKOVERI WELERI DENGAN MENGGUNAKAN ALGORITMA DECISION TREE C 4.5

AWALUDIN, WICAKSONO RIZKY (2015) KLASIFIKASI DATA MINING UNTUK MENENTUKAN PENYEBAB KREDIT MACET PADA KOPERASI SIMPAN PINJAM PRIMKOVERI WELERI DENGAN MENGGUNAKAN ALGORITMA DECISION TREE C 4.5. Skripsi,Fakultas Ilmu Komputer.

[img]
Preview
PDF
Download (465Kb) | Preview
    [img]
    Preview
    PDF
    Download (4Kb) | Preview

      Abstract

      Analisis klasifikasi prediksi nasabah yang berpotensi kredit macet yang ada di Koperasi Primkoveri masih dilakukan secara sederhana dikarenakan keterbatasan koperasi dalam melibatkan tenaga analis kredit yang membutuhkan biaya cukup mahal dan seringkali memberatkan nasabah, kesederhanaan analisis inilah yang memicu terjadinya kredit macet . Antisipasi yang biasa dilakukan hanyalah dengan melakukan pendekatan-pendekatan personal pada semua nasabah kredit Padahal seharusnya suatu hasil analisis yang baik adalah yang mampu menghasilkan data yang akurat dan tepat dalam proses pembuatannya . Dengan adanya alasan yang telah disebutkan, penulis memilih untuk melakukan penghitungan analisis klasifikasi prediksi nasabah yang berpotensi kredit macet dengan cara lebih efektif yang dapat digunakan untuk menggantikan cara sederhana yaitu dengan menggunakan data mining, selain itu manfaat data mining dapat diimplementasikan pada data dalam jumlah besar. Parameter yang digunakan untuk menentukan potensi kredit macet adalah Umur, Status, Pekerjaan, Penghasilan, Maks Kredit, Jangka Waktu Kredit dan Angsuran. Metode yang digunakan dalam klasifikasi adalah metode pengklasifikasian dengan menggunakan desicion tree (pohon keputusan) dengan salah satu algoritma desicion tree yang dipakai adalah C4.5. Hasil dari penelitian dari permasalahan yang dikembangkan dapat disimpulkan bahwa pengimplementasian metode desicion tree terhadap data nasabah kredit Koperasi Primkoveri Waleri tahun 2014 memiliki tingkat akurasi yang baik dalam menyelesaikan solusi klasifikasi data mining dengan algoritma C4.5 yaitu sebesar 86%.

      Item Type: Article
      Subjects: T Technology > Teknik Informatika
      Universitas Dian Nuswantoro > Fakultas Ilmu Komputer > Teknik Informatika
      Divisions: Fakultas Ilmu Komputer
      Depositing User: Psi Udinus
      Date Deposited: 26 Nov 2015 10:14
      Last Modified: 26 Nov 2015 10:14
      URI: http://eprints.dinus.ac.id/id/eprint/17072

      Actions (login required)

      View Item