Evaluasi Model Decision Tree Pada Keputusan Kelayakan Kredit

Abstract

Penentuan kelayakan kredit seringkali tidak akurat, sehingga menghasilkan skor kredit yang rendah karena kesalahan marketing saat melakukan analisis. Dalam penelitian ini akan dilakukan analisis data pemohon kredit pinjaman menggunakan klasifikasi data mining yakni algoritma C4.5 dengan menggunakan beberapa atribut diantaranya pekerjaan, karakter, pendapatan, plafond pinjaman, dan jaminan yang akan dihitung dengan perhitungan manual dan perhitungan software weka untuk mempermudah uji kelayakam pemberian kredit pinjaman dalam mendapatkan hasil yang akurat dan cepat. Tingkat akurasi yang diperoleh adalah sebesar 98% sehingga dapat disimpulkan bahwa penelitian ini dapat membantu dan mendukung dalam mengambil keputusan layak dan tidak layak dalam pemberian kredit pinjaman cepat dan efektif.

Analisis Resiko Transformasi Mobil Berbahan Minyak ke Mobil Listrik Dengan Decision Tree

“…Pada penelitian ini peneliti melakukan analisa faktor resiko transformasi mobil berbahan bakar minyak (BBM) ke mobil listrik dengan menggunakan salah satu metode data mining yaitu metode Decision Tree. Penambangan data atau data mining adalah metode yang berguna untuk memperoleh informasi berharga dari sejumlah data, yang dilakukan dengan menggunakan pengetahuan seperti statistik, matematika, dan pengenalan pola [1] . Pohon keputusan, yang biasa disebut pohon keputusan, adalah sarana klasifikasi dan prediksi yang dievaluasi keakuratannya.…”

“…Setelah menghitung entropy Langkah selanjutnya adalah dengan menghitung informasi gain dari masing -masing atribut. Fungsi informasi didefinisikan sebagai perbedaan antara kebutuhan informasi asli (hanya berdasarkan proporsi kelas) dan kebutuhan baru (diperoleh setelah partisi pada A) yaitu rumus gain [1], [2], [3], [4], [5], [6]:…”