PENERAPAN ALGORITMA KLASIFIKASI C4.5 UNTUK MENGHASILKAN POLA KELAYAKAN KREDIT

Lihat/Buka File Repository

Lihat/Buka File Peer Review

Tanggal

2017-04-03

Penulis

Abstraksi

Kredit merupakan suatu kepercayaan seseorang yang diberikan kepada seseorang atau badan lainnya dimana yang bersangkutan pada masa yang akan datang akan memenuhi segala sesuatu kewajiban yang telah disepakati sebelumnya. beberapa masalah yang sering terjadi pada lembaga pengkreditan misalkan tunggakan konsumen yang sebelumnya dianggap layak menerima kredit, macetnya status kredit. Munculnya masalah tersebut diakibatkan kurangnya pertimbangan atau kemantapan analisis kredit dalam menentukan kelayakan kredit pada saat konsumen mengajukan pengkreditan. Oleh karena itu perlu dilakukan analisis kredit sehingga dapat mengetahui kelayakan dari suatu permasalahan kredit, Melalui hasil analisis kreditnya, dapat diketahui apakah nasabah layak atau tidak. dari permasalahan yang ada digunakan metode klasifikasi untuk memprediksi kelayakan kredit yaitu dengan menggunakan model algoritma klasifikasi C4.5 Setalah dilakukan pengujian dengan model tersebut didapatkan hasil yaitu 90,99% dan nilai AUC sebesar 0,911 dengan tingkat diagnosa Excellent Classification. Dan dapat disimpulkan bahwa penerapan algoritma klasifikasi C4.5 mampu menghasilkan pola kelayakan kredit dengan tingkat akurasi dan diagnosa yang baik

URI
http://jurnalpradita.com/index.php/jii/article/view/33/23

Bidang ilmu
Data Mining

Bibliografi

[1] Brown, Meta S. (2014). Data Mining for Dummies a Wiley Brand. Hoboken: John Wiley & Sons, Inc.
[2] Firmansyah. (2011). Penerapan Algoritma Klasifikasi C4.5 untuk Penentuan Kelayakan Pemberian Kredit Koperasi. Tesis STMIK Nusa Mandiri.
[3] Gorunescu, Florin. (2011). Data Mining : Concepts, Models and Techniques. Chennai: Springer.

[4] Han, J., Kamber, M & Jian Pei. (2012). Data Mining: Concepts and Techniques (Third Edition ed.). San Francisco: Elsevier Inc.
[5] Hermawati, Fajar Astuti. (2013). Data Mining. Yogyakarta:ANDI.
[6] Jiang, Yi. (2009). Credit Scoring Model Based on the Decision Tree and the Simulated Annealing Algorithm. 978-0-7695-3507-4/08 $25.00 © 2008 IEEE. DOI 10.1109/CSIE.2009.481
[7] Lai, Kin Keung, Lean Yu, Ligang Zhou and Shouyang Wang. (2006). Credit Risk Evaluation with Least Square Support Vector Machine. G. Wang et al. (Eds.): RSKT 2006, LNAI 4062, pp. 490–495, 2006. Springer-Verlag Berlin Heidelberg 2006.
[8] Maimon, Oded & Lior Rokach. (2010). Data Mining and Knowledge Discovery Handbook. New York: Springer.
[9] Vercellis, C. (2009). Business Intelligence Data Mining And Optimization For Decision Making . United Kingdom: A John Wiley And Sons, Ltd., Publication.
[10] Witten, H. I., Frank, E., & Hall, M. A. (2011). Data Mining Pratical Mechine Learning Tools And Technique. Burlington: Elsevier Inc.
[11] Zurada, Josef. (2010). Could Decision Trees Improve the Classification Accuracy and Interpretability of Loan Granting Decisions?. Proceedings of the 43rd Hawaii International Conference on System Sciences -2010. 978-0-7695-3869-3/10 $26.00 © 2010 IEEE.