Skripsi

Implementasi teknik data mining untuk klasifikasi nasabah sebagai penentu persetujuan kredit / Puji Rahmawati

Abstrak
Kredit menjadi salah satu jalan pintas bagi sebagian masyarkat untuk memenuhi kebutuhannya. Salah satu penyedia jasa yang menawarkan berbagai macam kredit adalah bank. Dalam prakteknya pemberian kredit pada nasabah yang dilakukan oleh bank seringkali menghadapi masalah yaitu kredit macet. Menghindari hal tersebut perlu dilakukan tindakan pengawasan terhadap nasabah salah satunya dengan melakukan klasifikasi pada data historis profil nasabah bank dengan menggunakan teknik data mining. Data mining digunakan untuk mengetahui pola (pattern) tersembunyi dalam data yang nantinya informasi tersebut dapat digunakan sebagai dasar dalam pengambilan keputusan. Fokus pada penelitian ini adalah untuk melakukan komparasi antara algoritma Artifiial Neural Network (ANN) Na iuml ve Bayes dan Decision Tree untuk mengetahui algoritma yang dapat memberikan informasi terbaik mengetahui kriteria dari data profil nasabah dan dapat mengidentifikasi faktor importance dari masing-masing algoritma. Algoritma terbaik dilihat dari nilai akurasi presisi recall yang dihasilkan dan nilai Area Under Curve (AUC) dari kurva Receiver Operating Characterisics (ROC).Penelitian ini merupakan penelitian eksperimen yaitu dengan pre-experimental design dengan jenis one-shot case study. Data yang digunakan merupakan data sekunder profil nasabah Thera Bank yang diperoleh dari www.kaggle.com dengan total data berjumlah 5000 yang tediri dari 14 variabel terdiri dari 5 data bertipe biner 5 data bertipe interval 2 data bertipe ordinal dan 2 data bertipe nominal. Data diproses menggunakan bantuan operator-operator software Rapidminer 9.6.000. Sebelum dimasukkan dalam model rapidminer terlebih dahulu dilakukan tahap preprocessing data yaitu dengan membersihkan data dari noise dimana hal tersebut dapat mempengaruhi hasil akurasi yang didapatkan dari algoritma. Tahap tersebut dilakukan dengan bantuan excel spreadsheet. Setelah data dibersihkan maka selanjutnya data dapat dimasukkan ke dalam operator model algoritma yang telah dibuat. Nantinya masing-masing operator yang digunakan memiliki sejumlah parameter dimana nilai pada masing-masing parameter tersebut disesuaikan untuk dapat menemukan hasil terbaik yang dari model yang digunakan. Hasil penelitian yang didapatkan menunjukkan bahwa algoritma ANN menghasilkan hasil terbaik dengan akurasi sebesar 99 61% dan AUC 0 983. Hasil yang didapatkan menandakan bahwa model yang digunakan melakukan pekerjaan dengan baik dan tergolong hasil klasifikasi yang sangat baik. Faktor importance yang terdapat pada algoritma ini yaitu education family mortgage age dan CC average. Kemudian algoritma decision tree merupakan algoritma terbaik kedua dengan menghasilkan nilai akurasi sebesar 99 36% dan AUC 0 999. Tree yang dihasilkan menunjukkan bahwa nasabah yang berpeluang mengajukan kredit memiliki kriteria antara lain CC average 3 ndash 9 USD mortgage gt 565 USD income antara 101 ndash 116 atau lebih dari 116 USD memiliki CD Account age (umur) diantara 23 - 43 tahun dan family (keluarga) berjumlah lebih dari ge 3 anggota education undergraduate dan graduate. Sedangkan nasabah yang berpeluang tidak mengajukan kredit memiliki kriteria yaitu CC average 2 ndash 9 USD mortgage le 565 income antara 101 -114 age 28 - 59 tahun tidak memiliki CD Account family 3 ndash 4 anggota education graduate dan professional. Terdapat 3 faktor penting yang mempengaruhi luaran yang dihasilkan model algoritma tersebut yaitu income CC average dan CD account. Pada posisi terakhir terdapat algoritma na iuml ve bayes dengan hasil akurasi sebesar 90 79% dan AUC 0 935. Hasil yang dihasilkan tersebut juga tergolong klasifikasi dengan hasil yang sangat baik. Sedangkan faktor importance yang mempengeruhi hasil yang didapatkan yaitu CD Account family dan mortgage. Hasil yang didapatkan dari ketiga algoritma yang digunakan diharapkan dapat membantu pihak bank untuk dapat mengamil keputusan yang tepat dalam hal persetujuan pengajuan kredit bagi calon nasabah dilihat dari profil yang dimiliki

Informasi Detail

DDC

Rs 332.42 RAH i

Prodi

Universitas Negeri Malang. Program Studi Teknik Industri, 2021.

Deskripsi Fisik

xvii, 130 lembar : il. ; 30 cm.

Bahasa

Indonesia

No Reg

01812/KI/22

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2021

Subjek

1. KREDIT - IMPLEMENTASI DATA
2. KREDIT - KOMPARASI - ALGORITMA
3. CREDIT - DATA IMPLEMENTATION

Pembimbing

1. Aisyah Larasati ; 2. Marsono

Lampiran Berkas