Tugas 3 Metodologi Penelitian Euis – 1510631170045

Review Paper Technical Paper

No Bagian Uraian
1. Identitas Paper Judul : Prediksi Kredit Macet Berdasarkan Preferensi Nasabah
Menggunakan Metode Klasifikasi C4.5 pada Koperasi Simpan
Pinjam Mitra Raya Wates
Penulis: Iqbal Taufiq Ahmad Nur, Nanang Yudi Setiawan, Fitra
Abdurrachman Bachtiar
Tahun: 2018
Nama Jurnal: Jurnal Pengembangan Teknologi Informasi dan
Ilmu Komputer
2. Masalah Penelitian KSP Mitra Raya Wates merupakan salah satu koperasi simpan
pinjam yang memiliki produk utama yaitu pinjaman. Adapun,
dengan proses pengambilan keputusan yang hanya dilakukan
oleh pimpinan KSP dapat menimbulkan adanya kesalahan
analis yang menyebabkan resiko kredit. Terdapat sekitar kurang
lebih 400 nasabah yang telah mendapat pinjaman di KSP Mitra
Raya Wates dan kurang lebih 100 nasabah mengalami kredit
macet. Untuk mengatasi masalah kredit macet tersebut
diperlukan sebuah sistem yang mampu menjadi pendukung
keputusan guna mendeteksi kualitas kredit sejak dini.
3. Metode-metode yang Metode klasifikasi data mining dapat digunakan untuk
ada memprediksi berdasarkan data masa lalu. Algoritma C4.5 dapat
menghasilkan rule atau aturan dalam bentuk pohon keputusan
untuk memprediksi kredit macet dalam kasus pengajuan
pinjaman nasabah. Data yang terkumpul pada periode Oktober
– Januari 2018 sejumlah 193 data. Kemudian, data dapat
dilakukan pre processing data (data selection, data cleaning,
dan data transformation) menggunakan tools weka. Setelah itu,
dilakukan pembagian data dengan persentase 80% untuk data
latih dan 20% data uji. Setelah dilakukan pre processing data,
hasilnya akan dilakukan proses learning secara manual maupun
weka untuk mendapatkan rule atau aturan dalam bentuk pohon
keputusan. Pada weka digunakan fitur J48 dengan mamasukkan
data training dan data testing untuk kemudian secara otomatis
weka akan menampilkan rule dalam bentuk tree. Selain itu juga
dilakukan perancangan sistem dan juga perancangan visualisasi
dashboard. Hasilnya, akan diimplementasikan dalam bentuk
sistem dengan memanfaatkan framework CodeIgniter dan
weka. Hasil dari implementasi ini adalah sistem rekomendasi
yang dapat memberikan prediksi kredit macet pada pengajuan
kredit nasabah.
Tugas 3 Metodologi Penelitian Euis – 1510631170045

Hasil implementasi yang diperoleh selanjutnya dilakukan

evaluasi dan validasi algoritma menggunakan confussion
matrix dan kurva ROC. Adapun, tingkat akurasi sebesar
994,60% yang menyatakan bahwa proses klasifikasi yang
dihasilkan sangat baik dan untuk nilai kurva ROC yang
dihasilkan adalah 0,9689 dapat digolongkan sebagai klasifikasi
yang sangat baik karena berada di nilai AUC 0,90-1,00.
4. Metode yang Metode C4.5 merupakan salah satu metode yang dapat
diusulkan digunakan untuk memprediksi kualitas kredit nasabah dengan
menghasilkan rule dalam bentuk pohon keputusan.

Review Paper Survey Paper

No. Bagian Uraian

1. Identitas Paper Judul: Perbandingan Algoritma Naïve Bayes dan C4.5 Dalam
Klasifikasi Data Mining
Penulis: Yogiek Indra Kurniawan
e-ISSN: 2355-7699
Nama jurnal: Jurnal Teknologi Informasi dan Ilmu Komputer
Tahun: 2018
2. Identifikasi Research Bagaimana cara menentukan algoritma terbaik yang akan
Question dipakai untuk sebuah kasus?
3. Analisis Jawaban dari Diberikan 4buah studi kasus untuk membandingkan algoritma
Research Quesrion terbaik yaitu kasus penentuan penerimaan kartu indonesia
sehat, kasus penenetuan pengajuan kredit di sebuah bank, kasus
penentuan usia kelahiran, serta kasus penentuan kelayakan
calon anggota kredit pada koperasi yang menerapkan algoritma
naïve bayes dan algoritma C4.5. pada bagian akhir, aplikasi
dapat memperlihatkan nilai precision, recall dan accuracy
untuk setiap data yang telah dimasukkan dengan menggunakan
2 algoritma tersebut.
Pada pengujian algoritma, dibuktikan bahwa aplikasi tersebut
dapat menerapkan dua buah algoritma dengan valid. Berikut
merupakan hasil rekapitulasi algoritma yang unggul disetiap
kasus:
Tugas 3 Metodologi Penelitian Euis – 1510631170045

Pada kasus penentuan penerimaan Kartu Indonesia Sehat dapat

dilihat bahwa kedua buah algoritma tersebut sama-sama efektif
untuk digunakan. Pada kasus penentuan pengajuan kartu kredit
di sebuah bank, algoritma C.45 memberikan hasil yang lebih
baik daripada algoritma Naive Bayes. Sebaliknya, pada kasus
penentuan usia kelahiran, algoritma Naive Bayes memberikan
klasifikasi yang lebih baik daripada algoritma C.45. Pada kasus
terakhir, yaitu kasus penentuan kelayakan calon anggota kredit
pada koperasi, algoritma Naive Bayes memberikan nilai yang
lebih baik pada precision, tapi untuk recall dan accuracy,
algoritma C.45 memberikan hasil yang lebih baik. Dari ke-4
buah kasus tersebut, dapat diambil kesimpulan bahwa hasil
klasifikasi pada algoritma Naive Bayes dan C.45 tidak dapat
memberikan nilai yang absolut atau mutlak di setiap kasus.
Sehingga untuk menentukan algoritma terbaik yang akan
dipakai di sebuah kasus, harus melihat kriteria, variabel
maupun jumlah data di kasus tersebut.