IMPLEMENTASI DECISION TREE C4.5 DALAM PENENTUAN PINJAMAN UANG DI KOPERASI XYZ di BANJARMASIN

Abstract

<p><em>Bad credit is an important problem faced by all financial institutions or business entities. Savings and Loan Cooperative xyz is one of the financial business entities that faces these problems. This cooperative has quite a number of customers / borrowers, namely 10,135 customers. Cooperative xyz customers have a current history of returning 9545 people and 590 people stuck in return. Bad loans that occur disrupt the financial rotation of the cooperative because it is related to business entity finance and employee salaries. Processing and analyzing customer / borrower data to obtain knowledge that can help stakeholders in the cooperative in determining a lending decision is urgently needed so that bad loans can be suppressed so that the financial flow of the business entity remains smooth. The data collected has sixteen attributes and one target attribute that is whether lending is accepted or rejected. The method used in processing and analyzing borrower data is the Tree C4.5 method which is a refinement of the ID3 (Iterative Dichotomiser) method. This method is known as an easy to understand method because it will produce a very clear rule in the decision tree. Results of model testing using cross validation random subsampling, this method has an accuracy of 70% with 5 aspects of important attributes namely loan history, other debts, community valuation, salary and electricity data when the data is pruned with four depth levels.</em></p><p class="JGI-AbstractIsi"><em><strong>Keywords</strong></em><em>: </em>Classification, Cooperative, Savings and Loans, Data, Method C4.5</p><p><em>Kredit macet merupakan permasalahan penting yang dihadapi semua lembaga atau badan usaha keuangan. Koperasi simpan pinjam xyz merupakan salah satu badan usaha keuangan masyarakat yang menghadapi permasalahan tersebut</em><em>. Koperasi ini memiliki nasabah/peminjam cukup banyak yaitu 10.135 nasabah/peminjam. Nasabah koperasi xyz memiliki riwayat lancar dalam pengembalian sebanyak 9545 orang dan 590 orang macet dalam pengembalian. Kredit macet yang terjadi menganggu perputaran keuangan </em><em>koperasi karena terkait keuangan badan usaha dan gaji pegawai. Pengolahan dan analisis data nasabah/ peminjam untuk memperoleh suatu pengetahuan yang bisa membantu stakeholder di koperasi dalam menentukan sebuah keputusan peminjaman uang sangat dibutuhkan agar kredit macet bisa ditekan sehingga perputaran keuangan badan usaha tetap lancar. Data yang terkumpul memiliki enam belas atribut dan satu target atribut yaitu apakah peminjaman uang diterima atau ditolak. Metode yang dipakai dalam pengolahan dan analisis data peminjam adalah metode Tree C4.5 dimana merupakan penyempurnaan metode ID3 (Iterative Dichotomiser). Metode ini dikenal dengan metode yang mudah dimengerti karena akan menghasilkan sebuah aturan yang sangat jelas dalam pohon keputusan. Dari hasil pengujian model yang terbentuk menggunakan cross validation random subsampling, metode ini memiliki akurasi sebesar 70% dengan 5 aspek atribut penting yaitu riwayat pinjaman, hutang lain, penilaian masyarakat, gaji dan data listrik ketika data di prunning dengan empat kedalaman level.</em></p><p class="JGI-AbstractIsi"><em><strong>Kata kunci</strong></em><em>: </em>Klasifikasi, Koperasi, Simpan Pinjam, Data, Metode C4.5</p>

Comprehensive Evaluation of College Students’ Physical Health and Sports Mode Recommendation Model Based on Decision Tree Classification Model

“…e continuous algorithm is difficult to predict. When there are too many categories, it is prone to many errors, the amount of calculation is too large, and it may not be able to accurately select the best attribute [20]. erefore, in order to make ID3 algorithm achieve its optimal effect, the algorithm must be improved accordingly.…”

Analisis Kelayakan Pemberian Kredit Koperasi Dengan Metode Data Mining Decision Tree

“…Penelitian oleh Farokhah dkk bertema Implementasi Decision Tree C4.5 Penentuan Pinjaman Uang Koperasi XYZ Di Banjarmasin membahas masalah kredit pada pengembalian pinjaman anggota koperasi yang macet dengan Metode ID3 hasil akurasi 70% [7].…”

Klasifikasi Penentuan Kelayakan Pemberian Pinjaman Pada Koperasi Karyawan Menggunakan Algoritma C4.5

“…Kendalanya adalah memilih karyawan yang layak atau tidak layak meminjam pada koperasi [7]. Proses penentuan kelayakan dari peminjaman koperasi dikarenakan pengembalian pinjaman ada yang tidak tepat waktu [8]. Berdasarkan pada pencatatan peminjaman yang tidak tepat waktu pada saat ini memang lebih sedikit.…”

“…Alasan menggunakan algortima C4.5 adalah metode ini merupakan algoritma klasifikasi pohon keputusan. Pohon keputusan algoritma C4.5 dirancang menjadi tiga tahapan, diantaranya: memilih atribut sebagai root, pembuatan cabang untuk setiap nilai, dan membagi-bagi permasalahan dengan beberapa cabang [11], [8]. Fakta membuktikan bahwa algoritma C4.5 akurat dalam menentukan kredibilitas penerapan.…”