Penentuan Kelayakan Debitur Menggunakan Metode Decision Tree C4.5 dan ADASYN
| Main Authors: | Dhitama, Farhan Setya, Dr. Eng.Fitra Abdurrachman Bachtiar, S.T., M.T. |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/194688/1/0520150170%20-%20Farhan%20Setya%20Dhitama.pdf http://repository.ub.ac.id/id/eprint/194688/ |
Daftar Isi:
- Kredit adalah kegiatan atau layanan yang tidak bisa lepas dari kehidupan pada era saat ini. Saat ini sudah banyak perusahaan di Indonesia yang menyediakan jasa kredit. Salah satu tantangan bagi perusahaan yang bergerak di penyediaan kredit adalah kredit yang menunggak. Hal ini tentu akan merugikan perusahaan. Kurang tepatnya penilaian pada awal debitur ingin mengajukan kredit menjadi penyebab dari kredit yang menunggak itu sendiri. Adanya penelitian ini bertujuan untuk melakukan analisis dan penentuan keputusan kelayakan calon debitur untuk menerima pemberian kredit pada bank penyedia kredit di Lamongan. Pada sistem pengambilan keputusan dalam pemberian kelayakan kredit, metode Decision Tree C4.5 digunakan untuk mengklasifikasikan ke dalam kelas diterima atau ditolaknya calon debitur dan juga menggunakan metode Adaptive Synthetic untuk melakukan proses Oversampling pada kelas minoritas, karena sangat data yang mendapatkan keputusan ditolak tidak seimbang jumlahnya dengan data yang mendapat keputusan diterima kreditnya.Penelitian ini menggunakan metode Decision Tree C4.5 sebagai teknik pengklasifikasikan kelayakan debitur dan metode Adaptive Synthetic (ADASYN) sebagai teknik Oversampling pada data yang memiliki minority class. Fitur-fitur pada data yang digunakan adalah Character, Capital, Capacity, Condition, Collateral, usia, dan tanggungan. Data yang akan digunakan untuk perhitungan klasifikasi akan dinormalisasi terlebih dahulu menggunakan persamaan Z-Score agar persebaran data tidak terlalu lebar. Penelitian ini berhasil mengembangkan sistem yang dapat mengklasifikasi kelayakan debitur menggunakan metode Decision Tree C4.5 dan Adaptive Synthetic (ADASYN) untuk Oversampling pada imbalance class. Hasil pengujian menunjukkan evaluasi terbaik didapatkan ketika pembagian data minor pada training berjumlah 5 dan pada testing berjumlah 2 dan untuk parameter klasifikasi depth bernilai 1 dan k bernilai 3. Accuracy, precision, recall, dan f-measure yang didapatkan pada penelitian ini adalah Accuracy mendapatkan nilai 90%, Precision 100%, Recall bernilai 89%, dan F-Measure bernilai 94%.