IMPLEMENTASI ALGORITMA CART UNTUK MEMPREDIKSI PEMBAYARAN KREDIT CUSTOMER (STUDI KASUS: PT. NAPOLEON LIGHT INDUSTRIES)
Abstract
Dalam meningkatkan kualitas dan loyalitas customer pada PT. Napoleon Light Industries Medan, maka setiap tahunnya pihak perusahaan memberikan kredit limit pada customer dengan kriteria-kriteria yang telah ditetapkan. Karena banyaknya kriteria dan data customer yang dianalisa, maka pihak perusahaan harus bekerja keras dalam menganalisa customer mana yang lancar atau macet dalam membayar kredit tersebut. Data mining adalah serangkaian proses untuk menggali nilai tambah dengan mencari pola atau aturan tertentu dari bongkahan data (database) yang besar untuk mendapatkan sebuah informasi atau pengetahuan baru yang selama ini tidak diketahui secara manual, yang diharapkan dapat dijadikan suatu pola keputusan yang nantinya akan digunakan dalam menganalisa kelancaran pembayaran kredit customer. Penerapan algoritma CART, dapat digunakan dalam menganalisa customer yang lancar atau tidaknya dalam membayar kredit ini berdasarkan kriteria yang telah ditetapkan yang akan menghasilkan suatu pohon keputusan, dari pohon keputusan inilah, akan diambil pengetahuan-pengetahuan baru berupa calon cabang yang akan dijadikan pola keputusan. Oleh karena itu dapat membantu pihak perusahaan dalam menganalisa customer yang lancar atau macet dalam membayar kredit ini.
Â
Kata kunci: Pembayaran Kredit, Customer, Algoritma CART
References
Budi Santosa, Data Mining: Teknik Pemanfaatan Data Untuk Keperluan Bisnis, 1st ed. Yogyakarta: Graha Ilmu, 2007
Kusrini and Emha Taufiq Luthfi, Algoritma Data Mining. Yogyakarta: Andi, 2009
Beta Noranita and Nurdin Bahtiar, "Implementasi Data Mining Untuk Menentukan Pola Hubungan Tingkat Kelulusan Mahasiswa dengan Induk Mahasiswa," pp. 156-163, Oktober 2010
Dana Sulistyo Kusumo, "Data Mining dengan Algoritma Apriori pada RDBMS Oracle," Penelitian dan Pengembangan Telekomunikasi, vol. 8, 2003
Feri Sulianta and Dominikus Juju, Data Mining: Meramalkan Bisnis Perusahaan. Jakarta: Elex Media Komputindo, 2010
Finn Lee and Juan Santana, Data Mining: Meramalkan Bisnis Perusahaan, 1st ed. Jakarta: Elex Media Komputindo, 2010
Berry Michael and Gordon Linoff, Data Mining: Techniques For Marketing, Sales, Customer Relationship Management, 2nd ed. Canada: Wiley Publishing Inc, 2004.
Larose and Daniel T, Discovering Knowledge In Data: An Introduction to Data Mining. New York, United States: John Willey & Sons Inc, 2005.
Basuki A and Syarif I, Modul Ajar Decision Tree. Surabaya: PENS-ITS, 2003.
Thomas Cormen, Charles Leiserson, Ronald Rivest, and Stein Clifford, Introduction to Algorithms, 3rd ed. London: The MIT Press, 2009.
Susanto and Dedy Suryadi, Pengantar Data Mining: Menggali Pengetahuan dari Bungkahan Data. Yogyakarta: Andi, 2010
Ronny Kountur, Managemen Risiko Operasional, 1st ed. Jakarta: PPM, 2004
Dahlan Siamat, Manajemen Lembaga Keuangan, 3rd ed. Jakarta: Fakultas Ekonomi Universitas Indonesia, 2001
Bonnie Soeherman and Marion Pinontoan, Designning Information System Concepts & Cases With Visio. Jakarta: Elex Media Komputindo, 2008
Weka 3: Data Mining Software in Java. [Online]. www.cs.waikato.ac.nz/ml/weka
Adi Kusrianto, Pengantar Desain Komunikasi Visual. Yogyakarta: Andi, 2007
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution 4.0 International License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
