DATA MINING UNTUK KLASIFIKASI PINJAMAN KREDIT PENSIUNAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (STUDI KASUS: PT. BANK BUKOPIN Tbk)

Authors

  • Vidya Alfani STMIK Budidarma

Abstract

Kredit Pensiunan merupakan kredit yang sifatnya  konsumtif, yang hanya diberikan kepada para pensiunan, yang berasal dari lingkungan pensiunan karyawan (PNS, BUMN/BUMD) yang didasari oleh perjanjian kerjasama antara pihak Bank oleh pengelola Dana Pensiun. Permasalahan yang sering timbul adalah terdapatnya perbedaan nominal gaji pensiunan berdasarkan usia dan golongan terakhir dari berbagai instansi sehingga proses penentuan nilai plafond memerlukan proses klasifikasi sesuai data yang diajukan calon debitur untuk memudahkan marketing dalam menyampaikan  jumlah pinjaman yang bisa diberikan.Data mining dapat diartikan sebagai pengekstrakan informasi baru yang diambil dari bongkahan data besar yang membantu dalam pengambilan keputusan. K-Nearest Neighbormerupakan sebuah metode untuk klasifikasi terhadap objek berdasarkan data pembelanjaran yang jaraknya paling dekat dengan objek tersebut.Teknik ini sangat sederhana dan mudah diimplementasikan. Dengan penggunaan tools weka, hasil dari proses penerapan AlgoritmaK-Nearest Neighbor adalah informasi atau knowledge dimana informasi tersebut dapat menjadi alternatif yang dapat digunakan untuk mengklasifikasi besar plafond pinjaman kredit pensiunan.

 

Kata Kunci: Kredit Pensiunan,Data Mining, K-Nearest Neighbor, Weka

Author Biography

Vidya Alfani, STMIK Budidarma

Teknik Informatika

References

Prasetyo, Data Mining- Konsep dan Aplikasi Menggunakan Matlab. Yogyakarta: C.V ANDI OFFSET (Penerbit Andi), 2012.

Nursalim et al, "Klasifikasi Bidang Kerja Kelulusan Menggunakan Algoritma K-Nearest Neighbor," Jurnal Teknologi Informasi, vol. 10, no. 1, April 2014.

K.J. Arta et al, "Data Mining Rekomendasi Calon Mahasiswa Berprestasi Di STMIK Denpasar Menggunakan Metode Technique For Others Reference By Similary To Ideal Solution," Jurnal Sains dan Teknologi, vol. 5, no. 2, Oktober 2016

J. Han et al. (2012) Data Mining: Concepts and Techniques Third Edition.

Kusrini & A. T. Luthfi, Algoritma Data Mining. Yogyakarta: C.V ANDI OFFSET (Penerbit Andi), 2009.

P. P. Widodo et al, Penerapan Data Mining Dengan Matla. Bandung: Penerbit Rekayasa Sains, 2013.

M. B. Suwadnyaa et al, "Fuzzy Inference Sistem Mamdani Untuk Penentuan Kredit Pada KPN Estika Dewata," Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI), vol. 1, no. 2, Jul 2013.

J. R. Uhise, "Analisis Penerapan Sistem Pengendalian Manajemen Penyaluran Kredit Pada BRI Kota Manado," Jurnal EMBA, vol. 1, no. 3, September 2013.

F. L. Simon & J. Santana, Data Mining : Meramalkan Bisnis Perusahaan. Jakarta: PT. Elex Media Komputind, 2010.

J. Arifin & A. Fauzi, Mengupas Tuntas Microsoft Office Excel 2007. Jakarta: PT. Elex Media Komputindo, 2007.

Downloads

Published

2019-07-06

Issue

Vol. 7 No. 4 (2019): April 2019

Section

Articles

License

Creative Commons 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:

  1. 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.
  2. 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.
  3. 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).