Full Length Articles
            
    Penerapan Data Mining untuk Mengklasifikasi Pola Nasabah Menggunakan Algoritma C4.5 pada Bank Bri Unit Anduonohu Kendari☆
Highlights
Generate NLP AI by Wizdam ID.
Abstract
Data Mining merupakan proses analisa data dari sudut yang berbeda dan mengolahnya menjadi informasi - informasi penting yang bisa digunakan untuk meningkatkan keuntungan. Secara teknis, data mining dapat disebut juga sebagai proses untuk menemukan korelasi atau pola dari ratusan atau ribuan field. Pada data mining dapat digunakan metode decision tree untuk melakukan klasifikasi. Kredit tidak lagi menjadi hal yang asing bagi masyarakat luas, banyaknya kebutuhan membuat masyarakat mengambil kredit untuk memenuhi kebutuhan konsumtif mereka. Seringkali pembayaran kredit yang macet membuat bank kerepotan, karena semakin banyaknya nasabah yang membayar secara macet dapat berdampak buruk untuk kesehatan bank. Oleh karena itu, data nasabah dari Bank BRI Unit Anduonohu Kendari menjadi bahan acuan untuk menganalisa pola nasabah pemohon kredit. Pemohon kredit termasuk dalam kategori lancar, atau macet.Untuk mengatasi masalah tersebut, dapat digunakan metode decision tree. Sehingga penelitian ini bisa dijadikan acuan pihak Bank untuk menilai nasabah dengan record data yang ada untuk pengambilan kredit selanjutnya. Informasi yang ditampilkan berupa tingkat akurasi data nasabah lancar dan macet. Dalam penelitian ini, decision tree menggunakan bahasa pemrograman java. Kemudian hasil akurasi dari aplikasi yang diimplementasikan akan dibandingkan dengan hasil menggunakan sofrware rapidminer. Sehingga diperoleh akurasi dengan decision tree sebesar 89,5%.
Keywords
Introduction
Section snippets
Material and Methods
Materials and methods from the full-text PDF of this article cannot be displayed.
Results
Results from the full-text PDF of this article cannot be displayed.
Discussion
Discussion from the full-text PDF of this article cannot be displayed.
Conclusions
Conclusions from the full-text PDF of this article cannot be displayed.
Acknowledgment
Acknowledgment from the full-text PDF of this article cannot be displayed.
Funding Information
Program Studi Sistem Komputer Stimik Bina Bangsa Kendari
Competing interest
The authors declare that they have no known competing financial interests or personal relationships that could have appeared to influence the work reported in this paper.
Conflict of interest
The authors declare that the research was conducted in the absence of any commercial or financial relationships that could be construed as a potential conflict of interest.
Ethical approval acknowledgements
No ethical approval required for this article. All procedures followed were in accordance with the ethical standards of the responsible committee on human experimentation (institutional and national) and with the Helsinki Declaration of 1975, as revised in 2008 (5)
Supplementary files
Data sharing not applicable to this article as no datasets were generated or analysed during the current study, and/or contains supplementary material, which is available to authorized users.
References (1)
Astiko, Sunardi. 1996. “Pengantar Manajemen Perkreditan”. Yogyakarta: Andi Yogyakarta.
Andriani, Anik. 2012. “Penerapan Algoritma C4.5 pada Program Klasifikasi Mahasiswa Dropout”. Jakarta: AMIK BSI
D. T. Wahyuni, T.Sutojo dan A. Luthfiarta, “Prediksi Hasil Pemilu Legislatif DKI Jakarta Menggunakan Naive Bayes Algoritma Genetika Sebagai Fitur Seleksi,” pp. 1-14, 2010.
Hoggson, N.F. 1926. Banking Through the Ages.New York: Dodd, Mead & Company.
Indah Sari, Rina Dewi dan Yuwono Sindunata. 2014. “Penerapan Datamining untuk Analisa Pola Perilaku Nasabah dalam Pengkreditan Menggunakan Metode C4.5 Studi Kasus pada KSU Insan Kamil Demak”. Jurnal Ilmiah Teknologi dan Informasi Asia. Vol.8 No.2
Kamagi, David Hartanto dan Seng Hansun. 2014. “Implementasi Datamining dengan Algoritma C4.5 untuk Memprediksi Tingkat Kelulusan Mahasiswa”. Ultimaticks. Vol. 6 No. 1.
Mabrur, Angga Ginanjar dan Riani Lubis. 2012. “Penerapan Data mining untuk Memprediksi Kriteria Nasabah Kredit”. Jurnal Komputer dan Informatika. Edisi 1 Vol. 1.
Prasetyo, Eko. 2014. “DataMining Mengolah Data Menjadi Informasi Menggunakan Matlab”. Yogyakarta: Andi Yogyakarta.
Puspita, Ari dan Mochamad Wahyudi. 2015. “Algoritma C4.5 Berbasis Decision Tree untuk Prediksi Kelahiran Bayi Prematur”. Konferensi Nasional Ilmu Pengetahuan dan Teknologi (KNIT).
Raditya Anindika. 2011. “Analisis Faktor-Faktor yang Mempengaruhi Besarnya Pengambilan Kredit oleh Masyarakat pada Perum Pegadaian”. Skripsi. FE, Ekonomi Pembangunan, Universitas Negeri Sebales Maret Surakarta.
Sari, Greydi Normala. 2013. “Faktor-Faktor yang Mempengaruhi Penyaluran Kredit Bank Umum di Indonesia (Periode 2008.1-2012.2)”. Jurnal EMBA. Vo.1 No.3 Hal. 931-941.
Zulkifli. “Metode Prediksi Berbasis Neural Network Untuk Pengujian Perangkat Lunak Metode black-box”. Seminar Nasional ATI, 15 Juni 2013
Bibliographic Information
Cite this article as:
- 
                        Submitted16 September 2019
- 
                        Accepted16 September 2019
- 
                        Published16 September 2019
- 
                        Version of record18 September 2019
- 
                        Issue date31 December 2019
Copyright
Sangia Advertisement
- ☆
- Pemrosesan naskah dibawah tanggungjawab Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM), STIMIK Bina Bangsa Kendari. Edited by Darsilan, SE, M.Si (C). Full-text and the content of it is under responsibility of authors of the article. 
- ☆
- Pemrosesan naskah dibawah tanggungjawab Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM), STIMIK Bina Bangsa Kendari. Edited by Darsilan, SE, M.Si (C). Full-text and the content of it is under responsibility of authors of the article. 
Copyright © 2019 Asmira Asmira. Lembaga Penelitian dan Pengabdian pada Masyarakat (LPPM), STIMIK Bina Bangsa Kendari. Production and hosting by Sangia (SRM™).  This work is licensed under a Creative Commons Attribution 4.0 International License.
 This work is licensed under a Creative Commons Attribution 4.0 International License.        
Disclaimer: All claims expressed in this article are solely those of the authors and do not necessarily represent those of their affiliated organizations, or those of the publisher, the editors and the reviewers. Any product that may be evaluated in this article or claim that may be made by its manufacturer is not guaranteed or endorsed by the publisher.

 
                     
                    

