Prediksi Tingkat Risiko Kredit dengan Data Mining Menggunakan Algoritma Decision Tree C.45

 (*)Nurdiana Handayani Mail (Universitas Muhammadiyah Tangerang, Tangerang, Indonesia)
 Herry Wahyono (Universitas Krisnadwipayana, Jakarta Timur, Indonesia)
 Joko Trianto (Sekolah Tinggi Teknologi Informasi NIIT, Jakarta Selatan, Indonesia)
 Dwi Sidik Permana (Institut Bisnis & Informatika Kosgoro 1957, Jakarta Selatan, Indonesia)

(*) Corresponding Author

Abstract

Finance companies in providing credit conduct data analysis first to reduce credit risk. When customers do not pay credit smoothly, it will harm the company. For this reason, credit analysis is an important factor to minimize financial risk. So, it takes a predictive analysis of the level of credit risk based on data or files from customers. This study aims to predict the level of credit risk with data mining using the C.45 decision tree algorithm. There are two classes of risk level predictions, namely current and non-current. The C.45 decision tree algorithm has a function to find knowledge or patterns of characteristic similarity in a particular group or class. In this study, the C.45 algorithm was implemented and analyzed using the WEKA application. From the results of the evaluation using the confusion matrix, the accuracy generated for 1,153 training data with 91 testing data and the six attributes used produces an accuracy of 79%

Keywords


C.45; Confusion Matrix; Data Mining; Decision Tree; Credit Risk

Full Text:

PDF


Article Metrics

Abstract view : 1007 times
PDF - 784 times

References

M. Hasan, “Prediksi Tingkat Kelancaran Pembayaran Kredit Bank Menggunakan Algoritma Naïve Bayes Berbasis Forward Selection,” Ilk. J. Ilm., vol. 9, no. 3, pp. 317–324, 2017.

R. I. Borman and H. Fauzi, “Penerapan Metode Perbandingan Eksponensial (MPE) Dalam Sistem Pendukung Keputusan Penerimaan Beasiswa Siswa Berprestasi Pada SMK XYZ,” CESS J. Comput. Eng. Syst. Sci., vol. 3, no. 1, pp. 17–22, 2018.

R. I. Borman and M. Wati, “Penerapan Data Maining Dalam Klasifikasi Data Anggota Kopdit Sejahtera Bandarlampung Dengan Algoritma Naïve Bayes,” J. Ilm. Fak. Ilmu Komput., vol. 9, no. 1, pp. 25–34, 2020.

E. Darmawan, “C4.5 Algorithm Application for Prediction of Self Candidate New Students in Higher Education,” J. Online Inform., vol. 3, no. 1, p. 22, 2018.

Y. Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” Edik Inform., vol. 2, no. 2, pp. 213–219, 2017.

P. Prasetyawan, I. Ahmad, R. I. Borman, A. Ardiansyah, Y. A. Pahlevi, and D. E. Kurniawan, “Classification of the Period Undergraduate Study Using Back-propagation Neural Network,” in Proceedings of the 2018 International Conference on Applied Engineering, ICAE 2018, 2018.

M. Akbar and Y. Rahmanto, “Desain Data Warehouse Penjualan Menggunakan Nine Step Methodology Untuk Business Intelegency Pada PT Bangun Mitra Makmur,” J. Inform. dan Rekayasa Perangkat Lunak, vol. 1, no. 2, pp. 137–146, 2021.

A. Fauzi, N. M. Saraswati, and R. C. S. Hariyono, “Penerapan Algoritma K-Modes dan C4.5 Untuk Prediksi Pemilihan Jurusan di Universitas Peradaban Pada Siswa SMA (Studi Kasus: SMA Islam Ta’allumul Huda Bumiayu),” IJIR, vol. 1, no. 2, pp. 57–64, 2020.

A. Z. Pratama, L. Kurniawati, S. Larbona, and T. Haryanti, “Algoritma C4.5 Untuk Klasifikasi Nasabah Dalam Memprediksi Kredit Macet,” Inf. Syst. Educ. Provesionals, vol. 3, no. 2, pp. 121–130, 2019.

E. Elisa, “Analisa dan Penerapan Algoritma C4.5 Dalam Data Mining Untuk Mengidentifikasi Faktor-Faktor Penyebab Kecelakaan Kerja Kontruksi PT.Arupadhatu Adisesanti,” J. Online Inform., vol. 2, no. 1, p. 36, 2017.

N. Azwanti, “Algoritma C4.5 Untuk Memprediksi Mahasiswa Yang Mengulang Mata Kuliah (Studi Kasus Di Amik Labuhan Batu),” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 9, no. 1, pp. 11–22, 2018.

A. S. Febriarini and E. Z. Astuti, “Penerapan Algoritma C4.5 untuk Prediksi Kepuasan Penumpang Bus Rapid Transit (BRT) Trans Semarang,” Eksplora Inform., vol. 8, no. 2, pp. 95–103, 2019.

T. Taufiq and Y. Yudihartanti, “Penerapan Algoritma C4.5 Klasifikasi Tingkat Kelulusan Mahasiswa,” in Seminar Nasional Ilmu Komputer (SOLITER), 2019, vol. 2, pp. 153–162.

M. F. Arifin and D. Fitrianah, “Penerapan Algoritma Klasifikasi C4.5 Dalam Rekomendasi Penerimaan Mitra Penjualan Studi Kasus: PT Atria Artha Persada,” InComTech, vol. 8, no. 2, pp. 87–102, 2018.

K. Latifah, S. Wibowo, and N. Q. Nada, “Analisis dan Penerapan Algoritma C4.5 Dalam Data Mining Untuk Menunjang Strategi Promosi Prodi Informatika UPGRIS,” J. Tek. Inform., vol. 11, no. 2, pp. 3–8, 2018.

R. I. Borman, B. Priopradono, and A. R. Syah, “Klasifikasi Objek Kode Tangan pada Pengenalan Isyarat Alphabet Bahasa Isyarat Indonesia (Bisindo),” in Seminar Nasional Informatika dan Aplikasinya (SNIA), 2017, no. September, pp. 1–4.

Y. Handrianto and M. Farhan, “C.45 Algorithm for Classification of Causes of Landslides,” J. Publ. Informatics Eng. Res., vol. 4, no. 1, pp. 120–127, 2019.

A. Sucipto, Y. Fernando, R. I. Borman, and N. Mahmuda, “Penerapan Metode Certainty Factor Pada Diagnosa Penyakit Saraf Tulang Belakang,” J. Ilm. FIFO, vol. 10, no. 2, p. 18, 2019.

Bila bermanfaat silahkan share artikel ini

Berikan Komentar Anda terhadap artikel Prediksi Tingkat Risiko Kredit dengan Data Mining Menggunakan Algoritma Decision Tree C.45

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 JURIKOM (Jurnal Riset Komputer)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

JURIKOM (Jurnal Riset Komputer)
Publish by Universitas Budi Darma (before STMIK BUDI DARMA (P3M))
Email: jurikom.stmikbd@gmail.com

Creative Commons License
 This work is licensed under a Creative Commons Attribution 4.0 International.