PENDAHULUAN
usaha
pokoknya
adalah
dalam
serta
uang.
Direksi
bentuk
Oleh
melakukan
kredit
karena
kegiatan
itu,
dalam
usahanya
Bank
Indonesia
No
1998
bahwa kegiatan
perkreditan merupakan
bervariasi
proses
menurut
nasabah
kemampuan
tersebut.
menyalurkan
macet
dana
Didalam
yang
kredit
kredit
bank
kemudian
akan
selanjutnya atau
bisa
produktif
sehingga
dapat
mempengaruhi
juga
Salah
satu
kemampuan
cara
yang
bisa
dana.
Bagian
penelitian
ini,
penulis
ini
terhadap
berupa
berdasarkan
kredit,
dana
dana
Dalam
tabungan,
data
nasabah
kredit
atribut-atributnya
dengan
teknik
data
mining
lainnya.
pemikiran
sedikit
setiap
lebih
individu
yang
maju,tidak
meningkatkan
keuntungan,
keduanya[2].
merupakan
decision
Algoritma
kelompok
tree.
C4.5
algoritma
Algoritma
ini
keputusan
klasifikasi
diharapkan
data
nasabah
dapat
prediksi jenis
kredit
mengetahui
kredit
dan
maka
dibandingkan
penulis
Klasifikasi
Nasabah
dengan
memilih
judul
Pemberian
Kredit
Menggunakan
Metode
untuk
menunjang
meminimalisir
2. LANDASAN TEORI
2.1 Kredit
Dengan
demikian
memiliki
arti
meminjamkan
MemprediksiKriteria Nasabah
Kredit.
Penelitian
sebelumnya
melakukan penelitian
untuk
dipersamakan
neural
decision
berdasarkan
algoritma
kesepakatan
digunakan
model
untuk
menganalisa
yaitu
uang(penundaan
tree.Semua
khusus,
atau
dan
kredit
network,
istilah
tagihan
yang
dapat
dengan
persetujuan
pinjam
itu,
atau
meminjam
mewajibkan
pihak
peminjam
bunga.
hal
yang
tersebut
untuk
melakukan
sangat
pengenalan/klasifikasi/prediksi/ pada
mendasar
yang
menciptakan
kesepakatan
antara
pihak
yang
dalam
menerima
disimpannya[6].
kredit
untuk
dapat
model
yang
sudah
mining.Metode
jasa
Dari
yang
dapat
yang
adalah
diperoleh
[1].
uang
pohon
keputusan
mempresentasikan
aturan.
yang
variabel
ditetapkan.
2.2 Klasifikasi
Klasifikasi
target
Decision
merupakan
suatu
[7]. Metode
tree
ini
merupakan
dalam
yang
(1)
sebagai
dilakukan,
pembangunan
yaitu
model
tree
dihubungkan
sebuah
3. METODE PENELITIAN
Berikut
dengan:
satu.
ini
sistematika
tahapan
1.Wawancara
Pada
tahap
ini
penulis
percabangan.
yang
Wawancara
kredit
pendapatan,
terdapat
satu
input
dan
tidak
mempunyai output.
terkaitdalam
hal
ini
mengenai
nasabah
data
seperti
pinjaman,
2. Pengumpulan Data
Dalam tahap ini penulis
mencari
sebagai berikut :
berupa
data-data
bahan-bahan
data
dasar
nasabah
yang
dan
berkaitan
dengan kredit.
3. Jurnal dan Studi Pustaka
Tahap
ini
merupakan
akan
mendukung
Pendapat
an
Pinjaman
Waktu
Keterangan
20000000
Kecil
Sedang
Pendek
Lancar
50000000
Sedang
Besar
Pendek
Lancar
Besar
Kecil
Pendek
Lancar
Sedang
Sedang
Pendek
Lancar
6000000
Kecil
Kecil
Pendek
Lancar
14000000
Kecil
Kecil
Pendek
Lancar
16000000
Kecil
Sedang
Sedang
Tidak Lancar
8000000
Kecil
Kecil
Pendek
Tidak Lancar
20000000
Kecil
Sedang
Sedang
Tidak Lancar
6000000
Kecil
Kecil
Pendek
Tidak Lancar
40000000
Sedang
Besar
Panjang
Lancar
20000000
Besar
Sedang
Panjang
Lancar
10000000
Besar
Kecil
panjang
Lancar
Nominal
5000000
15000000
dengan
Random
algoritma
C4.5
pada
4.2.
preposesing.
Sebelum
diimport
lalu
di
tentukan
yang
digunakan
mengukur
dari model.
untuk
performa
akurasi
Hasil Percobaan
yang
yang
digunakan
pada
model
Retreiving
operator
Data
yang
digunakan
ini
telah
Decision Tree
Setelah
adalah
Pengujian
dilakukan
pengujian
membagi
total
dari
Decision
metode
tree
adalah
klasifikasi
yang
Apply
Model
adalah
akan
digunakan
pada
algoritma
C4.5 pada
gambar 4..
1. Jika waktu pendek dan
Gambar 3.4 Pohon
pendapatan
keterangan = Lancar.
2.
Jika
besar,
waktu
pendapatan
pinjaman
waktu.
keterangan = Lancar.
keputusan
diatas
pendek,
kecil
maka
kecil,
3. Jika
pendapatankecil
pinjaman
waktu
dan
maka
pendek,
dan
sedang,
maka
keterangan = Lancar.
Tree
4. Jika
waktu
pendek,
keterangan = Lancar.
5. Jika
waktu
Pendapatan=
Waktu=pendek
sedang,
kecil,
maka
Implementasi
Alogoritma
C4.5
DAFTAR PUSTAKA
Gambar 3.5 Upload data Kredit
4. Kesimpulan
Dari permasalahan di atas dapat
disimpulkan bahwa klasifikasi data
nasabah kredit di Bank Jabar dapat
diselesaikan
data
menggunakan
mining,
yaitu
teknik
dengan
Fitri
Nuraeni,
Rahadi
Deli
10