SISTEM PENDUKUNG KEPUTUSAN KELAYAKAN PEMBERIAN KREDIT PADA BANK TABUNGAN NEGARA (BTN) MENGGUNAKAN ALGORITMA C4.5
| Main Author: | DHYNA OCTABRIYANTININGTYAS, 081116063 |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
, 2016
|
| Subjects: | |
| Online Access: |
http://repository.unair.ac.id/56060/1/KKC%20KK%20ST.SI%2031%20-16%20Oct%20s-Abstrak.pdf http://repository.unair.ac.id/56060/2/KKC%20KK%20ST.SI%2031%20-16%20Oct%20s.pdf http://repository.unair.ac.id/56060/ http://lib.unair.ac.id |
Daftar Isi:
- Kredit macet merupakan salah satu masalah yang komplek di dunia perbankan. Kurang tepatnya penilaian awal sebelum menjadi nasabah kredit bank merupakan penyebab dari kredit macet. Penelitian ini bertujuan untuk melakukan analisa dan penentuan kelayakan pemberian kredit pada Bank Tabungan Negara. Pada sistem pengambilan keputusan dalam pemberian kredit, metode Algoritma C4.5 digunakan untuk mengelompokkan ke dalam kelas lancar dan kelas macet. Dalam membangun sistem ada beberapa tahap yang dilalui. Pertama tahap pengumpulan data berupa studi literatur dan wawancara pada pihak bank. Kedua tahap pengolahan data, yakni mengolah data yang selanjutnya dimasukan kedalam sistem. Ketiga tahap analisa dengan menggunakan Algoritma C4.5 untuk mendapatkan rule. Keempat tahap perancangan sistem, diaplikasikan dengan menggunakan system flowchart. Keempat tahap implementasi sistem menggunakan pseudocode dan penjelasan GUI. Kelima tahap pengujian sistem, diperoleh rata-rata nilai 65.50 % ketepatan sistem, serta pengujian dengan blackbox testing. Tahap akhir adalah evaluasi sistem, yakni untuk mengetahui tanggapan atau respon pengguna terhadap fungsionalitas, fitur-fitur, dan tampilan pada aplikasi. Faktor penentu pengambilan keputusan dalam menentukan kelayakan pemberian kredit adalah berdasarkan rule yang didapatkan dari pengolahan data. Hasil dari penelusuran perhitungan Algoritma C4.5 memberikan output berupa pohon keputusan serta informasi layak atau tidak layak nasabah menerima kredit dengan rata-rata keakuratan sistem sebesar 65.50% dan standart deviasi 5,126.