BAB I PENDAHULUAN
kegiatan yang sangat sering terjadi yang mempunyai resiko tinggi. Masalah yang
sering terjadi yaitu analisis kredit yang tidak hati hati atau kurang cermat dalam
proses pemberian kredit, maupun dari pola perilaku nasabah yang kurang baik.
penerima kredit dengan cara mensurvei langsung kondisi calon nasabah kredit
tanpa melakukan pengujian nasabah tersebut layak atau tidak untuk menerima
seorang analisis kredit perbankan harus mampu mengambil keputusan yang tepat
Data Mining.
penerima kredit dengan algoritma Data Mining. Seperti penelitian yang dilakukan
oleh Abbas Heiat (2011) menyatakan bahwa, resiko bagi lembaga keuangan untuk
membedakan pemohon kredit yang baik dari para pemohon kredit yang macet.
Upaya yang biasa dilakukan untuk menekan angka kredit macet ini adalah
kredit.
Teknologi Data Mining memiliki peranan penting dalam dunia bisnis yang
yaitu data bisnis yang jumlahnya sangat besar sehingga dapat menghasilkan
informasi yang belum pernah terpelajari sebelumnya. Dalam kasus ini, penerapan
ilmu Data Mining bisa dimanfaatkan untuk memprediksi resiko kredit dari
Ada beberapa teknik yang digunakan dalam Data Mining salah satunya
klasifikasi. Klasifikasi memiliki beberapa algoritma, dan dalam penelitian ini akan
kelebihan. Misalnya dapat mengolah data numeric, dapat menangani nilai atribut
sebagai berikut :
kredit.
2. Data yang digunakan adalah data training nasabah sebelum adanya survey
penerima kredit.
4. Hasil dari proses mining adalah terbentuknya pola data berupa beberapa
penelitian ini adalah pengambilan data. Data tersebut kami ambil dari website uci
data set. Data tersebut memiliki 8 atribut dan 1 atribut kelas. Adapun atribut -
pendidikan, tempat tinggal dan hutang dan ada atribut kelas. Adapun alur proses
BAB I Pendahuluan
2.2.2 Klasifikasi
dimasa mendatang.
2. Studi kasus yang lain, penelitian terkait perbandingan kinerja
pohon keputusan ID3 dan C4.5 pernah dilakukan oleh Sukardi, Abd
dapat disebut sebagai proses untuk menemukan korelasi atau pola dari
ratusan atau ribuan field dari sebuah relasional database yang besar
membahas tentang pola sebuah data yang mengacu pada proses untuk
untuk memprediksi kelas dari suatu objek yang mana kelasnya belum
mengenali pola dari data yang nantinya dapat diterapkan kepada data
klasifikasi.
3. Masalah klasifikasi berakhir dengan dihasilkannya sebuah
Dan cabang. Setiap simpul internal berisi tes pada atribut, Sedangkan
setiap node daun berisi sebuah kelas, dan setiap cabang dari Node
Windha, 2015).
Metode pohon keputusan mengubah fakta menjadi pohon
bisa mengatasi missing value, bisa mengatasi contiu data, dan pruning
dari data histori yang pernah terjadi sebelumnya atau disebut data
bawah:
(1) Keterangan:
S = Himpunan
kasus
n = jumlah partisi S
pi = proporsi dari Si terhadap S
Dimana log2pi dapat dihitung dengan cara (Ardhun dan Windha,
2015) :
Di mana :
S : himpunan kasus
A : atribut
n : jumlah partisi atribut A
[Si] : jumlah kasus pada partisi ke-i
[S] : jumlah kasus pada S
BAB III
ANALISIS SISTEM
informasi yang akan datang, yang dapat berguna untuk menciptakan suatu
sedang terjadi.
pembayaran kredit. Oleh karena itu, Data Mining merupakan salah satu
solusinya.
3.3 Perancangan Alur Sistem
3.3.1 Flowchart
START
Nasabah mendaftar ke
Teller Bank
Tidak
LAYAK
3.3.2 Ya Konteks
Diagram
Diagram
Teller menerima hasil konteks merupakan diagram yang menggambarkan
uji kelayakan
aliran kredit
nasabah data secara garis besar yang dipresentasikan dengan
Nasabah menerima
hasil uji kelayakan
END
Nasabah menerima
uang t