REVIEW JURNAL :
PENERAPAN DATA MINING UNTUK MEMPREDIKSI KRITERIA NASABAH
KREDIT & PENERAPAN DATA MINING UNTUK PREDIKSI PENJUALAN
WALLPAPER MENGGUNAKAN ALGORITMA C4.5
DISUSUN OLEH :
Nidzam Zamzami M 19172521
Agung Sandi S 19172196
Widi Sukmawan 19172828
Rifqi Awaludin F 19172401
Chandra Muhammad S 19172631
Dzulfiqor Hasbi 19172856
SISTEM INFORMASI
UNIVERSITAS BINA SARANA INFORMATIKA
SUKABUMI
2019
BAB 1
PENDAHULUAN
1.1 LATAR BELAKANG
Berdasarakan jurnal “ Penerapan Data Mining untuk Prediksi Penjualan
Wallpaper Menggunakan Algoritma C4.5 “ , perkembangan teknologi komputer yang
selalu berkembang dalam usaha memenuhi kebutuhan manusia di bidang komunikasi,
informasi dan pengolahan data. Sebagai contoh penjualan wallpaper yang berkembang
dan tumbuh sangat cepat. Dengan semakin meningkatnya konsumen yang membutuhkan
wallpaper, maka semakin banyak pula permasalahan yang timbul di dalam memberikan
pelayanannya kepada pelanggan. Sistem persediaan wallpaper harus disiapkan dengan
maksimal agar penjual dapat memenuhi keinginan konsumen.
Oleh karena itu, untuk meningkatkan loyalitas nasabah bank tersebut, maka
bagian ini dituntut untuk dapat mengambil keputusan yang tepat dalam menentukan
strategi pemasaran, baik produk maupun layanan jasa perbankan yang akan ditawarkan
kepada nasabah khususnya dalam masalah perkreditan. Hal ini dapat direalisasikan jika
diperoleh informasi yang cukup untuk membantu proses pengambilan keputusan di
bidang marketing, salah satunya adalah dengan melakukan peramalan atau memprediksi
kriteria nasabah untuk kepentingan target pemasaran.
2
1.2 TUJUAN PENELITIAN
4. Setelah itu ulangilah langkah ke-2 sampai semua record terpartisi secara sempurna.
5. Proses partisi pohon keputusan akan berhenti
saat :
a. Semua record dalam simpul N mendapat kelas yang sama.
b. Tidak ada atribut di dalam record
c. Tidak ada record di dalam cabang yang kosong
6
BAB 3
PEMBAHASAN
Pembahasan ini merujuk kepada analisa sistem berjalan aplikasi data mining yang
digunakan untuk memprediksi kriteria nasabah kredit tersebut yang nantinya akan
menggunakan algoritma c4.5.
Pada teknik classification, keluaran dari setiap data yang dijadikan parameter
target atau class harus berupa bilangan bulat atau diskrit. Berdasarkan Tabel 1, field
yang dijadikan parameter target (class), yaitu field „CEK‟ yang berisi nilai parameter
AKTIF dan TIDAK-AKTIF. Nilai parameter AKTIF berarti nasabah masih
mempunyai angsuran kredit kepada bank, sedangkan TIDAK-AKTIF berarti nasabah
sudah tidak mempunyai angsuran kredit kepada bank lagi (sudah melunasi
pembayaran kreditnya).
7
Berdasarkan records dari data pada field „CEK‟ tersebut, maka teknik
classification bisa diterapkan untuk melakukan data mining pada data tersebut.
Adapun kolom yang bisa diambil sebagai parameter- parameter pembentuk pohon
keputusannya adalah :
a. JENIS_KELAMIN
b. UMUR
c. DESA
d. KECAMATAN
e. STATUS_MARITAL
f. NILAI_PINJAMAN
g. JML_ANGSURAN
h. KODE_INTEGRASI.
8
Prosedur pencarian nasabah yang dilakukan oleh Bagian Dana Bank XY
Kabupaten Bandung, dapat dilihat pada Gambar 1. Berdasarkan hasil observasi
yang telah dilakukan, data nasabah kredit Bank XY Kabupaten Bandung tersimpan
dalam database microsoft excel dengan nama MASTER_KREDIT hasil import
dari Sistem Informasi Debitur (SID), dimana tabel tersebut terdiri dari 27 fields (Tabel
1).
A. Activity Diagram
D. Class Diagram
10
3.2 PENERAPAN ALGORITMA C4.5
Data Wallpaper
Pada tabel di atas terdapat 30 penilaian dari 6 penilaian yang menentukan minat
konsumen terhadap wallpaper
11
Tabel di atas dapat diketahui bahwa Gain tertinggi adalah jumlah motif yaitu sebesar
0.419973. Dengan demikian, jumlah motif dapat menjadi node akar. Ada dua nilai atribut
dari jumlah motif, yaitu banyak dan sedikit, sehingga perlu dilakukan perhitungan lagi.
Pada gambar di atas dapat diambil keputusan bahwa jika jumlah motif banyak maka
minat konsumen banyak. Jika jumlah motif sedikit maka minat konsumen sedikit.
12
BAB 4
4.1 KESIMPULAN
4.2 SARAN
1. Pada pembuatan aplikasi data mining tersebut , harus dijabarkan rules dari
algoritma c4.5 yang akan diterapkan
2. Penelitian selanjunya , baiknya memiliki sumber referensi data yang jelas dan
dapat dipercaya dengan rules yang lebih akurat
13
DAFTAR PUSTAKA
1. Turban , Efraim & Aronson, Jay E. 2001. Decision Support Systems and Intelligent
Systems. 6th edition. Prentice Hall: Upper Saddle River, NJ
2. L. A. Abdillah, "Students learning center strategy based on e-learning and blogs," in
Seminar Nasional Sains dan Teknologi (SNST) ke-4 Tahun 2013, Fakultas Teknik
Universitas Wahid Hasyim Semarang 2013, pp. F.3.15-20.
3. V Wiratna Sujarweni, Metodologi Penelitian. Yogyakarta: PUSTAKABARUPERSS,2014
4. Kusrini and Emha Taufiq Luthfi, Algoritma Data Mining. Yogyakarta: ANDI, 2009.
5. Rahmadya T. H dan Herlawati Prabowo P. W, Penerapan Data Mining dengan Matlab.
Bandung: Rekayasa Sains, 2013.
6. Hermawati. F. Astuti. (2013). Data Mining. Yogyakarta: Andi Offset.