PROPOSAL SKRIPSI
Disusun Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Komputer
dari Fakultas Ilmu Komputer Universitas Singaperbangsa Karawang
Oleh:
Euis
1510631170045
Pada tabel 1.1 menunjukkan kenaikan angka kredit macet pada Koperasi
Guru Rawamerta, dimana setiap tahunnya mengalami kenaikan serta setiap
tahunnya pun jumlah anggota mengalami penurunan. Hal tersebut dikarenakan ada
beberapa nasabah yang tidak dapat membayar kreditnya sehingga harus masuk
kedalam daftar blacklist koperasi, atau ada yang sudah meninggal dan lain
sebagainya.
Sedangkan pada yang dilakukan oleh Iqbal, Nanang, dan Fitria (2018)
dengan judul “Prediksi Kredit Macet Berdasarkan Preferensi Nasabah
Menggunakan Metode Klasifikasi C4.5 pada Koperasi Simpan Pinjam Mitra Raya
Wates”, hasil akurasi yang diperoleh dengan menggunakan algoritma C4.5 yaitu
sebesar 94,594% dengan melakukan pengujian melalui kurva ROC sehingga
menghasilkan nilai AUC sebesar 0,9689, dan usabilitas yang dihasilkan dengan
memanfaatkan SUS adalah sebesar 82,5%.
1. Data selection
2. Pre-processing data
3. Transformation
4. Data Mining
5. Evaluasi
1.7. Sistematika Penulisan
Sistematika penulisan proposal skripsi ini meliputi 3 bagian yaitu:
BAB I PENDAHULUAN
Pada bab ini melingkupi latar belakang, rumusan masalah, batasan
masalah, tujuan penelitian, manfaat penelitian, metodologi
penelitian dan sistematika penulisan.
BAB II LANDASAN TEORI
Pada bab ini yang menguraikan landasan-landasan teori yang
mendukung pemecahan masalah yang relevan dengan penelitian ini.
BAB III OBJEK DAN METODOLOGI PENELITIAN
Pada bab ini dijelaskan langkah-langkah penelitian, objek yang akan
diteliti dan juga algoritma yang digunakan pada penelitian ini yaitu
algoritma C4.5 dalam kasus prediksi klasifikasi jumlah pembaca
pada artikel online dengan metode KDD (Knowledge Discovery in
Databases).
1.8. Jadwal Penelitian
Berikut adalah jadwal penelitian yang diestimasikan, selama kurang lebih
enam bulan dalam melaksanakan penelitian ini.
Melihat dari penelitian sebelumnya, dari penelitian yang melakukan komparasi antara algoritma C4.5 dan Naïve bayes
menunjukkan bahwa hasil penelitian yang dilakukan menggunakan algoritma C4.5 memiliki tingkat akurasi yang lebih baik daripada
algoritma Naïve bayes. Dalam beberapa penelitian sebelumnya menunjukkan bahwa prediksi kredit macet dapat di klasifikasikan
dengan data mining menggunakan algoritma C4.5 dan menghasilkan tingkat akurasi yang tinggi dengan menggunakan beberapa macam
pengujian algoritma. Oleh karena itu, berdasarkan kajian terdahulu mengenai perbedaan dalam penelitian yang dilakukan sekarang
adalah dengan menggunakan algoritma C4.5 untuk melakukan klasifikasi terhadap potensi kredit macet pada Koperasi Guru
Rawamerta dengan menggunakan metode KDD (Knowledge Discovery in Databases).