ANALISIS PENERAPAN ALGORITMA C4.5 UNTUK MENGIDENTIFIKASI KELANCARAN KREDIT NASABAH PADA CU. DOSNITAHI PINANG SORI

  • Muhardi Saputra Universitas Prima Indonesia
  • Indah Putri Lestari Sinaga Universitas Prima Indonesia
  • Wendy Sinaga Universitas Prima Indonesia

Abstract

CU cooperative. Donsitahi Pinang Sori is a business unit engaged in savings and loan services that are protected under Law Number 25 of 1992. Savings and loans that are often in demand by customers are cash savings and loans. The problem that occurs is that bad credit often occurs on cash loan customers. Various reasons put forward by customers in arrears of payment. This is very detrimental to the cooperative. For this reason, an analysis of the relationship between education, employment, number of dependents, salary, home ownership and monthly tenure is needed for prospective customers in order to form a classification / grouping of prospective customers' backgrounds so that the company can consider whether to approve or reject the application. Method analysis using the c4.5 algorithm. The results obtained from the 1001 processing data are if the number of dependents is large but the salary is large then it will be in the nature of current credit.

References

[1] Mardi, Y. (2017). Data Mining: Klasifikasi Menggunakan Algoritma C4. 5. Jurnal Edik Informatika Penelitian Bidang Komputer Sains dan Pendidikan Informatika, 2(2), 213-219.
[2] Eska, J. (2018). Penerapan Data Mining Untuk Prediksi Penjualan Wallpaper Menggunakan Algoritma C4. 5.
[3] Harryanto, F. F., & Hansun, S. (2017). Penerapan Algoritma C4. 5 untuk Memprediksi Penerimaan Calon Pegawai Baru di PT WISE. JATISI (Jurnal Teknik Informatika dan Sistem Informasi), 3(2), 95-103.
[4] Putri, R. P. S., & Waspada, I. (2018). Penerapan Algoritma C4. 5 pada Aplikasi Prediksi Kelulusan Mahasiswa Prodi Informatika. Khazanah Informatika: Jurnal Ilmu Komputer Dan Informatika, 4(1), 1-7.
[5] Widayu, H., Nasution, S. D., Silalahi, N., & Mesran, M. (2017). data mining untuk memprediksi jenis transaksi nasabah pada koperasi simpan pinjam dengan algoritma C4. 5. Jurnal Media Informatika Budidarma, 1(2).
[6] Mukminin, A., & Riana, D. (2017). Komparasi Algoritma C4. 5, Naïve Bayes Dan Neural Network Untuk Klasifikasi Tanah. Jurnal Informatika, 4(1).
[7] Rosadi, M. E., Alamsyah, N., & Agus, R. (2017). IMPLEMENTASI KLASIFIKASI DATA KEMACETAN ANGSURAN LEASING MOBIL DENGAN ALGORITMA C4. 5. Technologia: Jurnal Ilmiah, 8(1).
[8] Pratama, A. Z., Kurniawati, L., Larbona, S., & Haryanti, T. (2019). Algoritma C4. 5 Untuk Klasifikasi Nasabah Dalam Memprediksi Kredit Macet. INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS: Journal of Information System, 3(2), 121-130.
[9] Santoso, T. B., & Sekardiana, D. (2019). Penerapan algoritma c4. 5 untuk penentuan kelayakan pemberian kredit (studi kasus: Koperia-koperasi warga komplek gandaria). Jurnal Algoritma, Logika dan Komputasi, 2(1).
[10] Rifai, A. (2018). Komparasi Algoritma Klasifikasi C4. 5 dan Naïve Bayes Berbasis Particle Swarm Optimization Untuk Penentuan Resiko Kredit. SPEED-Sentra Penelitian Engineering dan Edukasi, 10(2).
[11] Masripah, S. (2016). Komparasi Algoritma Klasifikasi Data Mining untuk Evaluasi Pemberian Kredit. Bina Insani ICT Journal, 3(1), 187-193.
[12] Mardhiyah, P. A., Siregar, R. R. A., & Palupiningsih, P. (2020). Klasifikasi Untuk Memprediksi Pembayaran Kartu Kredit Macet Menggunakan Algoritma C4. 5. Jurnal Teknologia, 3(1).
[13] Nugraha, P. G. S. C., & Mahendra, G. S. (2020). Explorasi Algoritma C4. 5 dan Forward Feature Selection untuk Menentukan Debitur Baik dan Debitur Bermasalah pada Produk Kredit Tanpa Agunan (KTA). JST (Jurnal Sains dan Teknologi), 9(1), 39-46.
[14] Nurzahputra, A., & Muslim, M. A. (2017). Peningkatan Akurasi Pada Algoritma C4. 5 Menggunakan Adaboost Untuk Meminimalkan Resiko Kredit. Prosiding SNATIF, 243-247.
[15] Annisa, Nur. "Pengertian koperasi dan UMKM." (2022).
[16] Cholid, Idahm, and Johannes Petrus. "Penerapan Algoritma K-Means Clustering untuk Pengelompokan UMKM Menggunakan Rapidminer." JUPITER (Jurnal Penelitian Ilmu dan Teknik Komputer) 14.1 (2022): 27-36.
[17] Adi Setiawan, Febri, Danang Wahyu Widodo, and Ahmad Bagus Setiawan. Clustering Penilaian Kelayakan Kredit Dengan Metode K-Mean (Studi Kasus: KSP. Tunas Artha Mandiri Nganjuk). Diss. Universitas Nusantara PGRI Kediri, 2020.
[18] Nurjanah, Fitria Eko, Herliyani Hasanah, and Joni Maulindar. "Aplikasi Penentuan Kelancaran Kredit Nasabah Dengan Metode C. 45 Berbasis Website." DutaCom 15.2 (2022): 64-71.
[19] A. Sulistiyawati dan E. Supriyanto, “Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan,” vol. 15, no. 2.
[20] Sulistiyawati, Ari, and Eko Supriyanto. "Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan." Jurnal Tekno Kompak 15.2 (2021): 25-36.
[21] A. H. Nasrullah, “Implementasi Algoritma Decision Tree Untuk Klasifikasi Data Peserta Didik,” J. Pilar Nusa Mandiri, vol. 7, no. 2, p. 217, 2021.
Published
2023-12-29
How to Cite
SAPUTRA, Muhardi; SINAGA, Indah Putri Lestari; SINAGA, Wendy. ANALISIS PENERAPAN ALGORITMA C4.5 UNTUK MENGIDENTIFIKASI KELANCARAN KREDIT NASABAH PADA CU. DOSNITAHI PINANG SORI. Jurnal Tekinkom (Teknik Informasi dan Komputer), [S.l.], v. 6, n. 2, p. 737-743, dec. 2023. ISSN 2621-3079. Available at: <https://jurnal.murnisadar.ac.id/index.php/Tekinkom/article/view/943>. Date accessed: 05 mar. 2024. doi: https://doi.org/10.37600/tekinkom.v6i2.943.
Section
Articles