ANALISIS REKOMENDASI CALON DEBITUR MOTOR PADA PT.XYZ MENGGUNAKAN ALGORITMA C4.5

NURELLISA, LILIS (2020) ANALISIS REKOMENDASI CALON DEBITUR MOTOR PADA PT.XYZ MENGGUNAKAN ALGORITMA C4.5. S1-Sarjana thesis, Universitas Mercu Buana Jakarta.

[img] Text (JURNAL MAHASISWA)
LILIS NURELLISA - YUDISIUM JURNAL.pdf
Restricted to Registered users only

Download (1MB)

Abstract

PT. XYZ is a company engaged in financing or leasing services by concentrating on motorcycle financing. In its business, PT. XYZ is often faced with problems of bad credit or even fraud. This is due to an error in giving credit to potential debtors. If not handled properly this will have a bad impact on the company. Companies experiencing a decline in ability to repay loan installments to banks can even have an impact on bankruptcy. In this case, PT. XYZ needs to do an analysis to determine potential potential borrowers using data driven methods or data-based approaches, namely decision making by looking at credit application data that has been there before, this is also called supervised learning. The algorithm used to be able to classify existing data is the C4.5 algorithm with this algorithm that will produce a decision tree that will help PT. XYZ in decision making. By testing using 3587 samples of credit filing data within a period of 1 year the accuracy obtained was 97.96% so this shows that this method is successful in implementing the C4.5 algorithm well, this is expected to help PT. XYZ in recommending candidates potential motor debtors. Key words: data mining, classification method, C4.5 algorithm, decision tree, supervised learning PT.XYZ merupakan perusahaan yang bergerak di bidang jasa pembiayaan atau leasing dengan berkonsentrasi kepada pembiayaan sepeda motor. Dalam bisnisnya PT.XYZ sering sekali dihadapkan oleh masalah kredit macet atau bahkan penipuan. Hal ini dikarenakan kesalahan dalam pemberian kredit kepada calon debitur yang tidak potensial. Jika tidak ditangani dengan baik hal ini akan berdampak buruk bagi perusahaan. Perusahaan mengalami penurunan kemampuan dalam membayar angsuran pinjaman ke perbankan bahkan dapat berdampak pada kebangkrutan. Dalam hal ini PT.XYZ perlu melalukan analisis untuk menentukan calon debitur yang potensial dengan menggunakan data driven method atau pendekatan berbasis kepada data, yaitu pengambilan keputusan dengan melihat data pengajuan kredit yang pernah ada sebelumnya, hal ini disebut juga sebagai supervised learning. Algoritma yang digunakan untuk dapat mengklasifikasi data yang sudah ada adalah algoritma C4.5 dengan algoritma ini akan dihasilkan sebuah pohon keputusan yang akan membantu PT.XYZ dalam pengambilan keputusan. Dengan pengujian menggunakan 3587 sampel data pengajuan kredit dalam kurun waktu 1 tahun akurasi yang didapatkan ialah 97,96% dengan begitu hal ini menunjukkan bahwa metode ini berhasil dalam mengimplementasikan algoritma C4.5 dengan baik, hal ini diharapkan dapat membantu PT.XYZ dalam merekomendasikan calon debitur motor yang potensial. Kata kunci: data mining, metode klasifikasi, algoritma C4.5, decision tree, supervised learning

Item Type: Thesis (S1-Sarjana)
Call Number: JM/15/19/165
NIM: 41515010004
Uncontrolled Keywords: data mining, metode klasifikasi, algoritma C4.5, decision tree, supervised learning
Subjects: 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika
500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik
500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma
600 Technology/Teknologi > 620 Engineering and Applied Operations/Ilmu Teknik dan operasi Terapan
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: Dede Muksin Lubis
Date Deposited: 17 Feb 2020 01:35
Last Modified: 17 Feb 2020 01:35
URI: http://repository.mercubuana.ac.id/id/eprint/54486

Actions (login required)

View Item View Item