Klasifikasi Kredit Macet Berdasarkan Profil Nasabah Pada Koperasi Serba Usaha Surya Abadi Menggunakan Algoritme C5.0
| Main Authors: | Akbar, Ferdian Maulana, Dr. Eng.Fitra Abdurrachman Bachtiar, S.T., M.Eng., Welly Purnomo, S.T., M.Kom. |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/194677/1/0520150164-Ferdian%20Maulana%20Akbar.pdf http://repository.ub.ac.id/id/eprint/194677/ |
Daftar Isi:
- Kredit macet merupakan masalah yang dapat memberi dampak terhadap jalannya kegiatan usaha koperasi seperti pendapatan dari bunga pinjaman terlambat atau berkurang. Karena modal terbatas, maka menghambat pemberian kredit pada anggota atau nasabah baru atau yang lama. Hal ini juga menjadi masalah bagi Koperasi Serba Usaha (KSU) Surya Abadi yang mana dalam memberikan keputusan terkait dengan pengajuan pinjaman masih menggunakan intuisi. Tercatat bahwa tingkat kenaikan kredit macet dari tahun 2015 hingga 2018 mengalami beberapa kali peningkatan. Secara berurutan setiap tahunnya tingkat kenaikan kredit macet berjumlah, 3 nasabah, 37 nasabah, 21 nasabah, dan 30 nasabah. KSU Surya Abadi masih menggunakan cara survei untuk meyakinkan dalam memberikan keputusan terkait pengajuan pinjaman yang mana hal ini membutuhkan waktu dan juga biaya. Maka dari itu dibutuhkan sistem yang dapat memberikan rekomendasi atau mendukung keputusan yang dapat memprediksi lebih awal terkait kredit macet pada pengajuan pinjaman. Data mining merupakan proses yang dapat digunakan dalam melakukan prediksi kredit macet, salah satunya dengan metode klasifikasi. Algoritme C5.0 yang merupakan salah satu algoritme klasifikasi, digunakan untuk memprediksi kredit macet dalam pengajuan pinjaman yang dapat menghasilkan sebuah aturan dalam bentuk decision tree. Terdapat 250 data yang berhasil dikumpulkan yang selanjutnya dilakukan preprocessing data dan juga pembagian data untuk setelahnya diproses untuk pembentukan aturan dalam bentuk decision tree menggunakan R. Lalu, sistem dibuat menggunakan framework codeigniter. Dari hasil evaluasi dan validasi algoritme menggunakan confusion matrix didapatkan akurasi sebesar 84%. Kemudian, nilai AUC yang dihasilkan berdasarkan kurva ROC sebesar 0,836. Untuk pengujian usability terhadap sistem menggunakan System Usability Scale (SUS) dihasilkan nilai sebesar 81,67. Sistem yang dihasilkan berupa visualisasi dashboard yang berisi beberapa grafik untuk memuat time-series, persentase, dan trend dari total pengajuan pinjaman, form untuk memprediksi pengajuan pinjaman, form untuk memasukkan dataset baru, menampilkan akurasi dan decision tree, pengelola user, dan pengelola atribut prediksi.