Prediksi Jumlah Pemberian Kredit kepada Nasabah di Bank Perkreditan Rakyat dengan Algoritma C 4.5
DOI:
https://doi.org/10.35134/komtekinfo.v5i1.7Keywords:
Data Mining, Algoritma C 4.5, Bank Perkreditan Rakyat, PredictAbstract
Bank Perkreditan Rakyat adalah lembaga keuangan bank yang hanya menerima simpanan dalam bentuk deposito berjangka, tabungan, dan/atau bentuk lain yang dipersamakan dengan itu dan menyalurkan dananya sebagai usaha BPR. Permasalahan yang dialami oleh BPR adalah pemberian kredit yang tidak tepat sasaran dan waktu tunggu keputusan nasabah yang lama. Maka dalam penelitian ini, kami mengusulkan suatu cara untuk memprediksi pinjaman yang dapat membantu BPR dalam mengambil keputusan yang akurat dan tepat sasaran. Metode yang digunakan untuk membuat prediksi tersebut adalah Algoritma C 4.5. Algoritma C 4.5 merupakan algoritma yang paling banyak digunakan untuk membuat prediksi dalam Data Mining. Jadi yang akan menjadi keputusan akhir dari prediksi pemberian kredit ini adalah keputusan besar atau kecilnya jumlah kredit yang akan diberikan kepada nasabah.
References
Gorunescu, Florin, “Data.Mining Concepts Models and Techniques”. Springer,.2011
Dua, Sumeet and Xian Du, “Data Mining and Machine Learning in Cybersecurity”. CRC Press, 2011.
Mandala, Eka Praja Wiyata, Data Mining Algoritma Nearest Neighbor Untuk Memprediksi Tingkat Resiko Pinjaman Dana Di Bank Perkreditan Rakyat, Jurnal Ilmu Komputer., 2016
Wahono, Romi Satria, “Data Mining Introduction”., 2012
Kusrini., dan Emha Taufik Luthfi, Algoritma Data Mining, Penerbit Andi, 2008
Han, Jiawei and Micheline Kamber, “Data Mining Concepts and Techniques Third Edition”, Elsevier, 2011
Larose, Daniel T, “Discovering Knowledge in Data an Introduction to Data Mining”, John Wiley & Sons, 2005
Oracle, Oracle Data Mining Concept 11g Release 1(11.1), Oracle., 2008
Fayyad, Usama M, Gregory Piatetsky-Shapiro, Padhraic Smyth, Ramasamy Uthurusamy, “Advances in Knowledge Discovery and Data Mining”, MIT Press, 1996
Turban, Efraim, Jay E. Aronson, Ting-Peng Liang, “Decision Support Systems and Intelligent Systems Seventh Edition”, Prentice Hall, 2005UPI YPTK Jurnal KomTekInfo Vol. 5, No. 1, Juni 2018, Hal. 70-80 ISSN :2356-0010 | eISSN :2502-8758 Copyright©2018 by LPPM UPI YPTK Padang
Witten, Ian H., Frank Eibe, Mark A. Hall, Data mining Practical Machine Learning Tools and Techniques 3rd Edition, Elsevier,. 2011
Priyadharsini.C, Dr. Antony Selvadoss Thanamani., An Overview of Knowledge Discovery Database and Data mining Techniques, India., 2014
Putra, Dede Wira Trise, Algoritma C4.5 Untuk Menentukan Tingkat Kelayakan Motor Bekas Yang Akan Dijual, Jurnal TeknoIF, 2016
Mandala, Eka Praja Wiyata., Rahmatino, Aplikasi Data Mining Untuk Memprediksi Kelulusan Siswa Jurusan IPA MAN 3 Padang, Majalah Ilmiah UPI YPTK, 2013
Seema Sharma, Jitendra Agrawal, Sanjeev Sharma., Classification Through Machine Learning
Technique: C4.5 Algorithm based on Various Entropies, India., 2013
Mandala, Eka Praja Wiyata., Penerapan Algoritma C 4.5 Dalam Memperoleh Decision Tree Untuk Memprediksi Penentuan Resiko Kredit Pada Bank BPR Bukittandang Mandiri Padang Menggunakan Estard Data Miner, Majalah Ilmiah UPI YPTK, 2013
Putri, Dewi Eka., Metode Non Hierarchy Algoritma K-Means Dalam Mengelompokkan Tingkat Kelarisan Barang (Studi Kasus: Koperasi Keluarga Besar Semen Padang), Prosiding Senatkom, 2015
KomtekInfo has launched a new template since Vol. 12, No. 2, (2025)
