1, Oktober 2015
Universitas Putra Indonesia YPTK Padang - 23 Oktober 2015 ISSN : 2460 – 4690
Abstrak
Data mining adalah teknik yang memanfaatkan data dalam jumlah yang besar untuk memperoleh
informasi berharga yang sebelumnya tidak diketahui dan dapat dimanfaatkan untuk pengambilan
keputusan penting. Teknik, metode atau algoritma dalam data mining sangat bervariasi. Dalam
penelitian ini, data mining digunakan untuk menentukan nasabah potensial mendapatkan pinjaman
dengan menggunakan metode Rough Set. Sistem ini mengklasifikasikan nasabah di Bank BRI Cabang
Bireuen dalam tiga kategori yaitu kategori lancar, kurang lancar dan tidak lancar. Data yang diperoleh
adalah berupa data sekunder yang diperoleh dari laporan / informasi dari bagian kredit Bank BRI
cabang Bireuen. Hasil dari sistem ini berupa informasi tentang nasabah yang dapat diberikan
pinjaman, nasabah yang pinjamannya dipertimbangkan dan nasabah yang tidak dapat diberikan
pinjaman. Sistem ini diharapkan dapat membantu pihak Bank untuk mengambil keputusan menerima
atau menolak calon nasabah yang akan bergabung.
berpotensial untuk diberikan pinjaman. Oleh penggalian informasi tersembunyi dalam suatu
karena itu, dibutuhkan suatu sistem yang dapat basis data yang besar. (Relita Buaton, 2014)
digunakan untuk menentukan nasabah yang Data mining didefinisikan sebagai
berpotensial mendapatkan pinjaman untuk proses menemukan pola-pola dalam data. Pola
mengefisiensi waktu pengerjaan. Data mining yang ditemukan harus penuh arti dan pola
adalah salah satu solusi untuk permasalahan tersebut memberikan keuntungan.
tersebut. Data mining merupakan serangkaian Karakteristik data mining sebagai berikut :
proses untuk menggali suatu informasi (Relita Buaton, 2014)
terpendam dari suatu kumpulan data, yaitu 1. Data mining berhubungan
berupa pengetahuan yang selama ini tidak dengan penemuan sesuatu yang
diketahui secara manual. (Susanto Sani dan tersembunyi dan pola data tertentu yang
Dedi S, 2010) tidak diketahui sebelumnya.
2. Data mining biasa
menggunakan data yang sangat besar.
2. KAJIAN LITERATUR Biasanya data yang besar digunakan untuk
2.1. Sistem Informasi membuat hasil lebih dipercaya.
Sistem adalah suatu jaringan kerja dari 3. Association rule mining adalah
prosedur-prosedur yang saling berhubungan, teknik mining untuk menemukan aturan
berkumpul bersama-sama untuk melakukan assosiatif antara suatu kombinasi item.
kegiatan atau untuk melakukan sasaran Contoh dari aturan assosiatif dari analisa
tertentu. Pendekatan sistem yang merupakan pembelian di suatu pasar swalayan adalah
jaringan kerja dari prosedur lebih menekankan bisa diketahui berapa besar kemungkinan
urutan-urutan operasi di dalam sistem. seorang pelanggan membeli roti
(Juperson Hutahaen, 2014) bersamaan dengan susu.
Menurut McLoed (2004) Informasi 4. Classification adalah proses
adalah data yang diolah menjadi bentuk lebih untuk menemukan model atau fungsi yang
berguna dan lebih berarti bagi yang menjelaskan atau membedakan konsep
menerimanya. Informasi juga disebut data atau kelas data, dengan tujuan untuk dapat
yang diproses atau data yang memiliki arti. memperkirakan kelas dari suatu objek
Informasi merupakan data yang telah diproses yang labelnya tidak diketahui.
sedemikian rupa sehingga meningkatkan 5. Decision tree adalah salah satu
pengetahuan seseorang yang menggunakan metode classification yang paling populer
data tersebut. (Yakub, 2012). karena mudah untuk diinterpretasi oleh
Sistem Informasi adalah suatu sistem di manusia. Setiap percabangan menyatakan
dalam suatu organisasi yang mempertemukan kondisi yang harus dipenuhi dan tiap ujung
kebutuhan pengelolaan transaksi harian, pohon menyatakan kelas data.
mendukung operasi, bersifat manajerial dan 6. Clustering, clustering
kegiatan strategi dari suatu organisasi dan melakukan pengelompokan data tanpa
menyediakan pihak luar tertentu dengan berdasarkan kelas data tertentu. Bahkan
laporan-laporan yang dibutuhkan. (Juperson clustering dapat dipakai untuk memberikan
Hutahaen, 2014) label pada kelas data yang belum diketahui
itu. Karena itu clustering sering
2.2. Data Mining digolongkan sebagai metode unsupervised
Data mining merupakan serangkaian learning.
proses untuk menggali nilai tambah dari suatu 7. Neural Network, jaringan
kumpulan data berupa pengetahuan yang syaraf buatan yang terlatih dapat dianggap
selama ini tidak diketahui secara manual dari sebagai pakar dalam kategori informasi
suatu kumpulan data. Defenisi lain data yang akan dianalisis. Pakar ini dapat
mining adalah sebagai proses untuk digunakan untuk memproyeksi situasi baru
mendapatkan informasi yang berguna dari dari ketertarikan informasi.
gudang basis data yang besar. Data mining
juga diartikan sebagai pengekstrakan 2.3. Metode Rought Set
informasi baru yang diambil dari bongkahan Rough set adalah sebuah teknik
data besar yang membantu dalam matematik yang dikembangkan oleh Pawlack
pengambilan keputusan. Istilah data mining pada tahun 1980. Rough Set salah satu teknik
kadang disebut juga knowledge discovery. data mining yang digunakan untuk menangani
Istilah data mining dan Knowledge Discovery masalah Uncertainty, Imprecision dan
in Database (KDD) sering kali digunakan Vagueness dalam aplikasi Artificial
secara bergantian untuk menjelaskan proses Intelligence (AI). Rough set merupakan teknik
yang efisien untuk Knowledge Discovery in
Dahlan Abdullah1, Cut Ita Erliana2, Juliana3
1, 3
Prodi Teknik Informatika, Fakultas Teknik, Universitas Malikussaleh, Aceh
2
Prodi Teknik Industri, Fakultas Teknik, Universitas Malikussaleh, Aceh 2
Prosiding Seminar Ilmiah Nasional Teknologi Komputer (SENATKOM 2015) Vol. 1, Oktober 2015
Universitas Putra Indonesia YPTK Padang - 23 Oktober 2015 ISSN : 2460 – 4690
Database (KDD) dalam tahapan proses dan membaca dan mempelajari buku-buku
Data Mining. (Listiana dkk, 2012) yang berkaitan dengan metode Rough Set.
Pendekatan rough set tampaknya b. Metode Observasi
menjadi dasar yang penting untuk AI dan ilmu
kognitif, khususnya pada area machine Pengamatan (Observasi) yaitu
learning, akuisisi pengetahuan, decision pengumpulan data dengan melakukan
analysis, penemuan pengetahuan dari pertinjauan secara langsung dan mencatat
database, sistem pakar, penalaran induktif dan secara sistematis apa saja kriteria nasabah
pengenalan pola. Secara umum teori rough set yang berpotensial untuk diberikan kredit.
telah digunakan dalam banyak aplikasi seperti c. Wawancara
medicine, pharmacology, business, Banking, Proses pengumpulan informasi atau data
engineering esign, image processing dan dengan melakukan wawancara secara
decision analysis. langsung dengan pegawai PT. Bank
Rakyat Indonesia (BRI) Cabang
2.4. Kredit Kabupaten Bireuen Provinsi Aceh
Kredit dalam bahasa latin di sebut mengenai nasabah yang berpotensial
credere artinya percaya. Pemberi kredit mendapatkan pinjaman.
(kreditur) percaya kepada penerima kredit
(debitur) bahwa kredit yang dialurkannya pasti 3.1. Analisa Data
akan dikembalikan sesuai perjanjian. Bagi Pada proses analisa data dilakukan
debitur, kredit yang diterima merupakan proses KDD (Knowledge Discovery in
kepercayaan, yang berarti menerima amanah Database) untuk data Nasabah, yaitu:
sehingga mempunyai kewajiban untuk a. Data Selection
membayar sesuai jangka waktu. (Kasmir, Pada tahap ini dilakukan pemilihan
2012) (seleksi) data. Dilakukan dengan
Pengertian kredit dalam pasal 1 angka menyeleksi data nasabah untuk
11 Undang-Undang nomor 10 tahun 1998 diklasifikasikan ke dalam kelompok
tentang perubahan Undang-Undang Nomor 7 lancar, kurang lancar dan tidak lancar
tahun 1992 tentang perBankan adalah dalam membayar kredit.
penyediaan uang atau tagihan yang dapat b. Cleaning
dipersamakan dengan itu, berdasarkan Sebelum proses data mining dapat
persetujuan atau kesepakatan pinjam dilaksanakan, perlu dilakukan proses
meminjam antara Bank dengan pihak lain cleaning. Proses cleaning mencakup antara
yang mewajibkan pihak peminjam untuk lain membuang duplikasi data, memeriksa
melunasi utangnya setelah jangka waktu data yang inkonsisten, dan memperbaiki
tertentu dengan pemberian bunga. Sebelum kesalahan pada data, seperti kesalahan
pemberian kredit Bank terlebih dahulu cetak (tipografi). Juga dilakukan proses
menganalisis kredit terhadap nasabah. Analisi enrichment, yaitu proses “memperkaya”
tersebut berupa latar belakang nasabah, data yang sudah ada dengan data atau
perusahaan, prospek usahanya, jaminan yang informasi lain yang relevan dan diperlukan
diberikan dan faktor lainnya. Tujuan analisi untuk KDD, seperti data atau informasi
nasabah adalah Bank yakin kalau kredit yang eksternal.
diberikan benar-benar aman.
c. Transformation
3. METODE PENELITIAN Pada tahap ini dilakukan pengurangan atau
Data yang dikumpulkan atau diperoleh adalah pengubahan tipe data, sehingga data siap
berupa data sekunder. Data sekunder diperoleh untuk dipresentasikan ke dalam teknik data
dari laporan/informasi dari bagian kredit Bank mining.
Rakyat Indonesia (BRI) Cabang Kabupaten d. Data mining
Bireuen Provinsi Aceh. Data mining adalah proses mencari pola
a. Metode Studi Literatur atau informasi menarik dalam data terpilih
Studi kepustakaan bertujuan untuk dengan menggunakan teknik atau metode
mengumpulkan data dan informasi ilmiah, tertentu. Teknik yang digunakan dalam
berupa teori-teori, jurnal, metode atau proses data mining ini yaitu
pendekatan yang pernah berkembang dan pengklasifikasian dengan menggunakan
telah didokumentasikan dalam bentuk metode Rough Set.
buku, majalah, naskah, dan lain e. Interpretation/ Evaluation
sebagainya. Melakukan studi kepustakaan Pola informasi yang dihasilkan dari proses
terhadap berbagai referensi yang berkaitan data mining perlu ditampilkan dalam
dengan penelitian yang dilakukan, seperti bentuk yang mudah dimengerti oleh pihak
Dahlan Abdullah1, Cut Ita Erliana2, Juliana3
1, 3
Prodi Teknik Informatika, Fakultas Teknik, Universitas Malikussaleh, Aceh
2
Prodi Teknik Industri, Fakultas Teknik, Universitas Malikussaleh, Aceh 3
Prosiding Seminar Ilmiah Nasional Teknologi Komputer (SENATKOM 2015) Vol. 1, Oktober 2015
Universitas Putra Indonesia YPTK Padang - 23 Oktober 2015 ISSN : 2460 – 4690
(49 %), nilai kurang lancar 0.24 (18 %), nilai Data admin Data admin
2
tidak lancar 0.57 (33 %). Sehingga dapat
Admin admin
Mengelola Data
Info Data Admin admin Info Data Admin
Data Keputusan
Data Keputusan 3 keputusan
umur Lama_pinjaman
Kd_nasabah jaminan
user password
hasil sistem Implementasi Metode Rough Set
nomor ket
Untuk Menentukan Data Nasabah Potensial
nasabah
m
Mengolah
data 1
admin
Mendapatkan Pinjaman pada gambar 8
m kesimpulan ket nilai dibawah ini.
Kd_nasabah
1 Nama_nasabah
Di analisis keputusan
Jenis_kelamin
umur
nilai status
jaminan Jlh_Pinjaman
Lama_pinjaman
G
ambar 6. ERD
5. KESIMPULAN
Dari hasil perancangan Implementasi Metode
Rough Set Untuk Menganalisis Data Nasabah
Potensial Mendapatkan Pinjaman Pada
PT. Bank Rakyat Indonesia (BRI) Cabang
Kabupaten Bireuen Provinsi Aceh, maka
penulis dapat mengambil kesimpulan :
1. Sistem ini merupakan sebuah sistem yang
dapat menentukan calon nasabah yang
berpotensial mendapatkan pinjaman pada
Bank Rakyat Indonesia (BRI) Cabang
Kabupaten Bireuen Provinsi Aceh dengan
memanfaatkan metode Rough Set.
2. Rough set dapat diimplementasikan untuk
menganalisis data nasabah potensial
mendapatkan pinjaman dengan cara
mencari dan menentukan Indescirnibility
Dahlan Abdullah1, Cut Ita Erliana2, Juliana3
1, 3
Prodi Teknik Informatika, Fakultas Teknik, Universitas Malikussaleh, Aceh
2
Prodi Teknik Industri, Fakultas Teknik, Universitas Malikussaleh, Aceh 7
Prosiding Seminar Ilmiah Nasional Teknologi Komputer (SENATKOM 2015) Vol. 1, Oktober 2015
Universitas Putra Indonesia YPTK Padang - 23 Oktober 2015 ISSN : 2460 – 4690