METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
2 (Oktober 2.
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
ANALISIS PENGAMBILAN KEPUTUSAN PEMBERIAN PINJAMAN KEPADA CALON NASABAH MENGGUNAKAN ALGORITMA J48 Agnes Irene SilitongaA.
Lukas Ginting.
Enjelina Sinaga.
Elson Zega.
Samuel Sembiring.
Yoakim Simamora Universitas Negeri Medan.
Medan.
Indonesia Email: agnesirenesilitonga@unimed.
DOI: https://doi.
org/10.
46880/jmika.
Vol8No2.
ABSTRACT
Loan disbursement decision-making is vital for financial organizations, as erroneous choices might elevate the chance of default.
This study seeks to examine decision-making in loan approval for potential clients utilizing the J48 algorithm, a widely used decision tree method in data mining known for generating comprehensible and precise models.
This project will construct a decision tree utilizing the "Loan-Approval-Prediction-Dataset" sourced from Kaggle, focusing on the principal attributes that affect the decision-making process.
This research used a dataset comprising parameters like dependents, annual income, wealth asset value, loan amount, loan tenure.
CIBIL score, dwelling asset value, commercial asset value, and bank asset value.
The investigation indicates that the J48 algorithm can classify potential clients and discern the attributes that affect loan acceptance The findings of this research are anticipated to assist financial institutions in mitigating credit risk, enhancing the efficiency and accuracy of the credit evaluation process, and improving transparency in credit assessment methods.
This research aims to assist potential clients in comprehending the factors that must be evaluated to enhance the probability of loan approval.
Keyword: Classification.
Decision Tree.
J48 Algorithm.
Loan Approval.
ABSTRAK
Pengambilan keputusan dalam pemberian pinjaman merupakan aspek krusial bagi lembaga keuangan, karena keputusan yang tidak tepat dapat meningkatkan risiko kredit macet.
Penelitian ini bertujuan untuk menganalisis pengambilan keputusan dalam pemberian pinjaman kepada calon nasabah menggunakan algoritma J48 yaitu sebuah algoritma pohon keputusan yang populer dalam data mining dan memiliki kemampuan menghasilkan model yang mudah dipahami dan akurat.
Dengan menggunakan dataset "Loan-Approval-Prediction-Dataset" yang diperoleh dari Kaggle, penelitian ini akan membangun pohon keputusan dengan atribut Ae atribut kunci yang mempengaruhi keputusan tersebut.
Dataset yang digunakan dalam penelitian ini mencakup berbagai atribut seperti tanggungan, pendapatan tahunan, nilai aset kekayaan, jumlah pinjaman, jangka waktu pinjaman, skor cibil, nilai aset perumahan, nilai aset komersil, dan nilai aset bank.
Hasil analisis menunjukkan bahwa algoritma J48 mampu mengklasifikasikan calon nasabah dan mengidentifikasi atribut Ae atribut yang mempengaruhi keputusan pemberian pinjaman.
Hasil dari penelitian ini diharapkan dapat membantu lembaga keuangan dalam meminimalkan risiko kredit, meningkatkan efisiensi proses evaluasi kredit.
ketepatan, dan meningkatan transparansi dalam prosedur penilaian kredit.
Penelitian ini juga diharapkan dapat membantu calon klien dalam memahami aspek-aspek yang harus diperhitungkan untuk meningkatkan kemungkinan persetujuan pinjaman.
Kata Kunci: Algoritma J48.
Klasifikasi.
Pemberian Pinjaman.
Pohon Keputusan.
PENDAHULUAN
Proses pengambilan keputusan pemberian pinjaman kepada calon nasabah merupakan aspek krusial dalam industri keuangan (Gulsoy & Kulluk, 2.
(Tanza & Utari, 2.
Keputusan ini tidak hanya mempengaruhi profitabilitas lembaga keuangan, tetapi juga menentukan akses individu dan bisnis terhadap modal yang dibutuhkan (Desta & Nixon.
Dalam era digital saat ini, lembaga keuangan menghadapi tantangan besar dalam memproses volume data nasabah yang besar dan kompleks untuk membuat keputusan yang akurat dan efisien (Madaan et al.
Oleh karena itu, penggunaan teknologi dan algoritma machine learning seperti J48 menjadi semakin relevan dalam mendukung proses pengambilan keputusan ini (Oetama, 2.
Algoritma J48 adalah algoritma decision tree yang sangat populer digunakan dalam penambangan Halaman 281 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
2 (Oktober 2.
data dan pembelajaran mesin.
Algoritma ini bekerja dengan membangun sebuah pohon keputusan berdasarkan atribut atau variabel input yang diberikan (Sinaga et al.
, 2.
Setiap node dalam pohon sedangkan cabang-cabangnya merepresentasikan nilainilai yang mungkin dari atribut tersebut.
Proses ini berlanjut hingga mencapai daun, yang merupakan keputusan akhir .
alam hal ini, apakah pinjaman disetujui atau ditola.
Dalam konteks pemberian pinjaman, algoritma J48 dapat digunakan untuk mengidentifikasi faktor atau atribut yang paling mempengaruhi keputusan pemberian pinjaman (Madan, 2.
(Mohammed & Kassie, 2.
Atribut ini meliputi pendapatan tahunan, jumlah tanggungan, riwayat kredit, jenis pekerjaan, tingkat pendidikan, dan lain sebagainya.
Dengan menganalisis data historis nasabah, algoritma J48 dapat menemukan pola-pola dan hubungan-hubungan antara atribut tersebut dengan keputusan pemberian pinjaman.
Penelitian ini bertujuan untuk menerapkan algoritma J48 dalam menganalisis tahap-tahap pengambilan keputusan terhadap pemberian pinjaman bagi calon nasabah.
Dengan menggunakan dataset "Loan-Approval-Prediction-Dataset" yang diperoleh dari Kaggle, penelitian ini membangun sebuah model pohon keputusan mengenai faktor-faktor kunci yang mempengaruhi keputusan tersebut.
Penelitian ini diharapkan dapat menjadi referensi dan masukan kepada perusahaan keuangan terkhusus yang merupakan kreditur dalam pemberian pinjaman dalam meningkatkan akurasi, efisiensi, dan objektivitas dalam proses evaluasi kredit, serta membantu calon nasabah dalam memahami faktor-faktor yang perlu diperhatikan untuk meningkatkan peluang persetujuan pinjaman METODE PENELITIAN Dataset Data yang digunakan diambil dari kaggle.
dengan judul datasets AuLoan-Approval-PredictionDatasetAy .
ttps://w.
com/datasets/architsharma01/loa n-approval-prediction-datase.
Populasi data yang terdapat pada datasets berjumlah 4270 dan sampel yang digunakan berjumlah 30 data.
Data digunakan untuk menentukan faktor keputusan dalam pemberian atau penolakan terhadap pinjaman uang dan dianalisis menggunakan Algoritma J48.
Kemudian variabel digambarkan menggunakan decition tree.
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
Atribut Tanggungan Tanggungan merujuk kepada individu yang bergantung pada penghasilan seseorang, terutama dari segi keuangan atau pemenuhan kebutuhan hidup, individu ini merupakan saudara kandung maupun bukan saudara kandung yang menempati tempat tinggal yang sama dan masih dalam tanggungan debitur (Koten & Sayang, 2.
Jumlah tanggungan dapat mempengaruhi keputusan dalam memberikan pinjaman uang karena jika jumlah tanggungan besar atau banyak maka pendapatan dari debitur akan terpotong untuk menafkahi orang-orang yang Oleh karena itu, semakin besar atau banyak jumlah tanggungan maka semakin sulit dalam mengajukan pinjaman.
Atribut Wiraswasta Wiraswasta memiliki arti yang serupa dengan wirausaha yaitu kegiatan atau proses merintis, mengembangkan, dan menjalankan suatu usaha atau bisnis dengan mengambil risiko untuk mencapai Seorang wirausaha merupakan orang yang memiliki visi, kreativitas, dan kemampuan untuk melihat peluang bisnis, serta berani mengambil langkah-langkah yang diperlukan untuk mengubah peluang tersebut menjadi suatu usaha yang berkelanjutan (Andayanti & Harie, 2.
Wiraswasta menjadi salah satu variabel karena orang yang bekerja sebagai wiraswasta dinilai memiliki penghasilan yang tinggi dan memiliki aset yang dapat diagunakan.
Atribut Pendapatan Tahunan Pendapatan adalah penghasilan yang didapatkan oleh individu atau perusahaan sebagai hasil dari aktivitas ekonominya, umumnya berupa gaji, upah, penjualan produk atau jasa, bunga, dividen, atau bentuk pemasukan lainnya (Habriyanto et al.
, 2.
Dari definisi ini maka pendapatan tahunan adalah uang yang diterima sebagai bentuk hasil timbal balik jasa tenaga dan waktu dalam periode satu tahun.
Semakin besar pendapatan tahunan maka akan semakin besar peluang ketika melakukan pengajuan pinjaman uang.
Atribut Jangka Waktu Jangka waktu pinjaman adalah periode atau durasi yang diberikan kepada peminjam untuk melunasi pinjaman beserta bunga dan biaya lainnya.
Jangka waktu ini ditentukan pada awal perjanjian pinjaman dan mencakup mulai dari tanggal penerimaan pinjaman hingga tanggal jatuh tempo pelunasan penuh (Solikha Puji Astuti et al.
, 2.
Semakin besar jangka waktu pinjaman yang diajukan oleh calon nasabah Halaman 282 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
2 (Oktober 2.
maka peluang pinjaman uang yang diajukan semakin Hal ini karena kreditur akan memiliki peluang untuk menghasilkan pendapatan melalui pinjaman berdasarkan jangka waktu.
Atribut Skor Cibil Skor cibil atau skor kredit adalah skor yang diberikan oleh pemberi pinjaman untuk mengukur tingkat kepercayaan terhadap peminjam berkaitan dengan kelayakan kreditnya.
Skor kredit adalah angka yang digunakan oleh lembaga keuangan dan pemberi pinjaman untuk menilai kelayakan kredit seseorang (Widyani et al.
, 2.
Skor kredit mencerminkan sejauh mana seseorang mampu dan bersedia untuk membayar kembali pinjaman atau kredit yang Jadi skor kredit digunakan untuk mengevaluasi kelayakan kredit nasabah oleh bank atau lembaga keuangan.
Algoritma J48 Algoritma J48 adalah salah satu implementasi dari algoritma pohon keputusan .
ecision tre.
yang menggunakan konsep entropi.
Algoritma ini digunakan dalam machine learning dan data mining untuk Agar akurasi yang tinggai dapat dicapai, maka algoritma yang memproses banyak informasi memerlukan atribut terbaik (Kusuma, 2.
Kinerja yang baik dapat dicapai bila algoritma ini digunakan pada beberapa kasus klasifikasi.
Dengan kelebihan tersebut diharapkan algoritma ini dapat menangani studi kasus secara optimal serta memberikan akurasi dan kinerja yang baik.
Untuk membuat pohon keputusan Algoritma J48, metode teori pendapatan informasi digunakan.
Informasi gain akan digunakan untuk memilih atribut.
Oleh karena itu, terlebih dahulu memilih atribut yang menghasilkan informasi gain paling besar saat memilih atribut untuk membagi objek dalam beberapa kelas.
Information gain adalah ukuran yang digunakan untuk menentukan atribut terbaik pada setiap node dalam pohon keputusan.
Atribut dengan nilai informasi gain tertinggi akan dipilih sebagai atribut parent untuk node Nilai entropy dihitung terlebih dahulu sebelum menghitung gain.
Entropy adalah ukuran .
dalam kumpulan sampel data.
Semakin tinggi tingkat heterogenitas sampel data, semakin besar pula nilai entropy.
Entropy dihitung dengan menggunakan persamaan 1.
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
cI) = Ocycuycn=1 Oeycyycn O log 2 ycyycn .
S : Himpunan kasus n : Banyak partial S ycyycn : Total kasus pada partisi ke-i Perhitungan gain dilakukan setelah nilai entropy dihitung dan digunakan untuk mengukur efektivitas suatu atribut dalam mengklasifikasi data.
Gain dihitung menggunakan persamaan 2.
c | yaycaycnycu .
cI, y.
= yaycuycycycuycyyc .
cI) Oe Ocycuycn=1 .
ycn O ycycn .
cycn | .
: Himpunan kasus : Banyak partisi atribut A : Total kasus partisi ke-i : Total kasus dalam S Decision Tree Decision tree adalah penggambaran dari hasil perhitungan gain dan entropy J48 serta sebagai model prediksi yang menggunakan struktur berhirarki atau pohon (Agustiani et al.
, 2.
Struktur berhirarki yang digunakan dari hasil perhitungan mulai dari atribut yang memiliki nilai gain terbesar dan berlanjut terus dengan melanjutkan kategori dari atribut yang belum dapat mengambil keputusan.
Hasil akhir akan menemukan urutan atribut mulai dari yang paling utama dilihat hingga yang paling kurang dilihat.
HASIL DAN PEMBAHASAN
Data Sampel Tabel 1.
Data Sampel Calon Nasabah No Tanggungan Pendidikan Wiraswasta Pendapatan Tahunan Nilai Aset Kekayaan Jumlah Pinjaman Jangka waktu Skor Cibil Nilai Aset Perumahan Nilai Aset Komersial Nilai Aset Bank Status Pinjaman Graduate Approved Not Graduate Yes Rejected Graduate Rejected Graduate Rejected Not Graduate Yes Rejected Graduate Yes Rejected Graduate Approved Graduate Yes Rejected Graduate Yes Approved Not Graduate Rejected Graduate Yes Approved Not Graduate Yes Rejected Not Graduate Yes Rejected Graduate Yes Approved Not Graduate Rejected Not Graduate Approved Graduate Yes Approved Not Graduate Yes Approved Not Graduate Rejected Graduate Approved Graduate Rejected Graduate Rejected Graduate Yes Rejected Not Graduate Yes Approved Not Graduate Rejected Not Graduate Rejected Graduate Approved Not Graduate Yes Approved Not Graduate Yes Rejected Not Graduate Yes Approved Klasifikasi Atribut Beberapa atribut yang masih berupa angka diklasifikasikan dalam interval tertentu hingga menghasilkan tingkatan secara kata-kata.
Adapun atribut yang datanya diklasifikasikan pada Tabel l antara lain atribut tanggungan, atribut pendapatan tahunan, atribut jumlah pinjaman, atribut skor cibil, atribut nilai aset perumahan, atribut nilai aset komersial, dan atribut nilai aset bank.
Halaman 283 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
2 (Oktober 2.
Tabel 2.
Klasifikasi Atribut Atau Variabel Tanggungan Pendapatan Tahunan Nilai Aset Kekayaan Jumlah Pinjaman Jangkwa Waktu Skor Cibil Nilai Aset Perumahan Nilai Aset Komersil Nilai Aset Bank Lumayan Tinggi Sedang Tinggi Panjang Besar Kecil Besar Besar Sedikit Rendah Rendah Sedang Sedang Kecil Kecil Kecil Kecil Lumayan Tinggi Tinggi Tinggi Sangat Panjang Besar Kecil Kecil Besar Lumayan Tinggi Sedang Tinggi Sedang Kecil Besar Kecil Besar Banyak Tinggi Tinggi Tinggi Sangat Panjang Kecil Besar Sedang Kecil Sedikit Rendah Sedang Sedang Sedang Kecil Kecil Sedang Kecil Banyak Tinggi Tinggi Tinggi Pendek Besar Besar Sedang Kecil Lumayan Tinggi Rendah Sedang Sangat Panjang Kecil Besar Kecil Kecil Sedikit Rendah Rendah Rendah Sangat Panjang Besar Kecil Kecil Kecil Banyak Rendah Rendah Rendah Sedang Kecil Kecil Kecil Kecil Banyak Rendah Rendah Rendah Pendek Besar Kecil Kecil Kecil Lumayan Tinggi Sedang Sedang Sangat Panjang Besar Besar Kecil Kecil Lumayan Rendah Sedang Rendah Sangat Panjang Kecil Kecil Sedang Kecil Lumayan Tinggi Sedang Tinggi Panjang Besar Kecil Besar Kecil Sedikit Rendah Rendah Rendah Sedang Kecil Kecil Kecil Kecil Banyak Rendah Sedang Rendah Sedang Besar Kecil Kecil Kecil Lumayan Rendah Rendah Rendah Pendek Besar Kecil Kecil Kecil Banyak Rendah Rendah Rendah Panjang Besar Kecil Kecil Kecil Lumayan Tinggi Tinggi Tinggi Panjang Kecil Besar Kecil Besar Banyak Tinggi Sedang Sedang Panjang Besar Kecil Kecil Kecil Lumayan Rendah Sedang Sedang Panjang Kecil Kecil Kecil Kecil Banyak Tinggi Sedang Sedang Sangat Panjang Besar Kecil Sedang Kecil Banyak Tinggi Sedang Tinggi Sangat Panjang Kecil Besar Kecil Besar Sedikit Rendah Rendah Rendah Pendek Besar Kecil Kecil Kecil Sedikit Rendah Rendah Rendah Sangat Panjang Kecil Kecil Sedang Kecil Banyak Rendah Rendah Rendah Sangat Panjang Besar Kecil Kecil Kecil Banyak Tinggi Tinggi Tinggi Panjang Besar Kecil Sedang Kecil Banyak Rendah Rendah Rendah Pendek Besar Kecil Kecil Kecil Banyak Tinggi Tinggi Sedang Sedang Kecil Kecil Sedang Besar Lumayan Tinggi Tinggi Tinggi Sedang Besar Besar Sedang Besar Pengklasifikasian atribut atau variabel pada Tabel 2 diambil dan didasari dari pengklasifikasian ke dalam beberapa kategori yang ditampilkan pada Tabel 3 hingga pada Tabel 11.
Tanggungan Tanggungan diklasifikasikan menjadi kategori berdasarkan jumlah tanggungan.
Tanggungan 0 hingga 1 dimasukan sebagai kategori sedikit.
Tanggungan 2 hingga 3 dimasukan sebagai kategori lumayan.
Tanggungan 4 hingga 5 dimasukan sebagai kategori Tabel 3.
Klasifikasi Atribut Tanggungan Jum lah Kate gor i T anggungan T a nggunga n 0 - 1 Se dikit T a nggunga n 2 -3 Luma ya n T a nggunga n 4 - 5 B a nya k Pendapatan Tahunan Pendapatan tahunan diklasifikasikan menjadi dua kategori berdasarkan besaran jumlah pendapatan tahunan dari calon penerima pinjaman.
Pendapatan tahunan dari calon penerima pinjaman yang memiliki besaran USD 500,000 hingga USD 5,500,000 dimasukan sebagai kategori rendah.
Pendapatan tahunan dari calon penerima pinjaman yang memiliki besaran USD 5,500,000 ke atas hingga USD 10,500,000 dimasukan ke dalam kategori tinggi.
Tabel 4.
Klasifikasi atribut pendapatan tahunan Jum lah pe ndapatan Kate gor i 500,000 Ae 5,500,000 R e nda h
5,500,001 Ae
10,500,000
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
Nilai Aset Kekayaan Nilai aset kekayaan diklasifikan menjadi tiga Nilai aset kekayaan yang memiliki besaran USD 0 hingga USD 12,000,000 dimasukan ke dalam kategori rendah.
Nilai aset kekayaan yang memiliki besaran di atas USD 12,000,000 hingga USD 24,000,000 dimasukan ke dalam kategori sedang.
Nilai aset kekayaan yang memiliki besaran di atas USD 24,000,000 hingga USD 36,000,000 dimasukan ke dalam kategori tinggi.
Tabel 5.
Klasifikasi Atribut Nilai Aset Kekayaan Jum lah N ilai A s s e t Kate gor i Ke kayaan 0 - 12000000
R e nda h
12000001 - 24000000
Se da ng
24000001 - 36000000
T inggi Jumlah pinjaman Jumlah pinjaman diklasifikasikan menjadi tiga Jumlah pinjaman yang memiliki besaran USD 0 hingga USD 12,000,000 dimasukan ke dalam kategori rendah.
Jumlah pinjaman yang memiliki besaran di atas USD 12,000,000 hingga USD 24,000,000 dimasukan ke dalam kategori sedang.
Jumlah pinjaman yang memiliki besaran di atas USD 24,000,000 hingga USD 36,000,000 dimasukan ke dalam kategori tinggi.
Tabel 6.
Klasifikasi Atribut Jumlah Pinjaman Jum lah Pinjam an Kate gor i 0 - 12000000
R e nda h
12000001 - 24000000
Se da ng
24000001 - 36000000
T inggi Jangka waktu Jangka waktu diklasifikasikan menjadi empat Jangka waktu yang memiliki waktu 1 hingga 5 tahun masuk ke dalam kategori jangka pendek.
Jangka waktu yang memiliki waktu 6 hingga 10 tahun masuk ke dalam kategori jangka sedang.
Jangka waktu yang memiliki waktu 11 hingga 15 tahun masuk ke dalam kategori panjang.
Jangka waktu yang memiliki waktu 16 hingga 20 tahun masuk ke dalam kategori sangat panjang.
Tabel 7.
Klasifikasi Atribut Jangka Waktu T inggi Jangka W aktu Kate gor i J a ngka 1 - 5 Pe nde k J a ngka 6 - 10 Se da ng Halaman 284 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
2 (Oktober 2.
J a ngka 11 Ae 15 Pa nja ng J a ngka 16 - 20 Sa nga t Pa nja ng Skor Cibil Skor cibil diklasifikasikan menjadi dua Skor cibil yang memiliki besaran skor 1 hingga 500 dimasukan ke dalam kategori kecil.
Skor cibil yang memiliki besaran skor di atas 500 hingga 1000 masuk ke dalam kategori besar.
Nilai Aset Bank Nilai aset bank diklasifikasikan ke dalam dua Nilai aset bank yang memiliki besaran USD 0 hingga USD 7,500,000 dimasukan ke dalam kategori Nilai aset bank yang memiliki besaran di atas USD 7,500,000 hingga USD 15,000,000 dimasukan ke dalam kategori besar.
Tabel 11.
Klasifikasi Atribut Nilai Aset Bank N ilai A s e t B ank Kate gor i Tabel 8.
Klasifikasi Atribut Skor Cibil
Skor C ibil
Kate gor i 1 - 500
K e c il
501 - 1000
Besar Nilai Aset Perumahan Nilai aset perumahan diklasifikasikan ke dalam dua kategori.
Nilai aset perumahan yang memiliki besaran USD 0 hingga USD 12,000,000 dimasukan ke dalam kategori kecil.
Nilai aset perumahan yang memiliki besaran di atas USD 12,000,000 hingga USD 24,000,000 memiliki kategori besar.
Tabel 9.
Klasifikasi Kategori Nilai Aset Perumahan N ilai A s e t Kate gor i Pe r um ahan
0 - 12000000
K e c il
0 - 7500000
K e c il
7500001 - 15000000
Besar Implementasi Algoritma J48 Setelah mengklasifikan beberapa atribut yang sebelumnya berupa data angka menjadi data kategori berdasarkan interval tertentu.
Kemudian dilakukan pencarian atribut pertama yang menjadi faktor dalam pengambilan keputusan dalam pemberian atau penolakan terhadap pinjaman yang diajukan dengan menghitung entropy total kemudian juga mencari entropy beserta gain dari setiap atribut dan setiap kategori pada atribut tersebut.
Setelah didapatkan kemudian tentukan atribut yang menjadi faktor pertama dalam pengambilan keputusan pemberian dan penolakan pinjaman yang diajukan.
Kemudian hasil dari yang telah ditentukan dibuatkan pohon keputusan hingga keputusan akhir.
Besar Tabel 12.
Transformasi Data Perhitungan Atribut Node 1 (Roo.
Nilai Aset Komersil Nilai aset komersil diklasifikasikan ke dalam tiga kategori.
Nilai aset komersil yang memiliki besaran USD 0 hingga USD 7,500,000 dimasukan ke dalam kategori kecil.
Nilai aset komersil yang memiliki besaran di atas USD 7,500,000 hingga USD 15,000,000 dimasukan ke dalam kategori sedang.
Nilai aset yang memiliki besaran di atas USD 15,000,000 hingga USD 22,500,000 dimasukan ke dalam kategori besar.
Tabel 10.
Klasifikasi Atribut Nilai Aset Komersial N ilai A s e t Kate gor i Kom e r s il
0 - 7500000
K e c il
7500001 - 15000000
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
Se da ng Besar Tanggungan Lumayan Sedikit Lumayan Lumayan Banyak Sedikit Banyak Lumayan Sedikit Banyak Banyak Lumayan Lumayan Lumayan Sedikit Banyak Lumayan Banyak Lumayan Banyak Lumayan Banyak Banyak Sedikit Sedikit Banyak Banyak Banyak Banyak Lumayan Pendidikan Wiraswasta Graduate Not Graduate Yes Graduate Graduate Not Graduate Yes Graduate Yes Graduate Graduate Yes Graduate Yes Not Graduate Graduate Yes Not Graduate Yes Not Graduate Yes Graduate Yes Not Graduate Not Graduate Graduate Yes Not Graduate Yes Not Graduate Graduate Graduate Graduate Graduate Yes Not Graduate Yes Not Graduate Not Graduate Graduate Not Graduate Yes Not Graduate Yes Not Graduate Yes Pendapatan Tahunan Tinggi Rendah Tinggi Tinggi Tinggi Rendah Tinggi Tinggi Rendah Rendah Rendah Tinggi Rendah Tinggi Rendah Rendah Rendah Rendah Tinggi Tinggi Rendah Tinggi Tinggi Rendah Rendah Rendah Tinggi Rendah Tinggi Tinggi Nilai Aset Kekayaan Sedang Rendah Tinggi Sedang Tinggi Sedang Tinggi Rendah Rendah Rendah Rendah Sedang Sedang Sedang Rendah Sedang Rendah Rendah Tinggi Sedang Sedang Sedang Sedang Rendah Rendah Rendah Tinggi Rendah Tinggi Tinggi Jumlah Pinjaman Tinggi Sedang Tinggi Tinggi Tinggi Sedang Tinggi Sedang Rendah Rendah Rendah Sedang Rendah Tinggi Rendah Rendah Rendah Rendah Tinggi Sedang Sedang Sedang Tinggi Rendah Rendah Rendah Tinggi Rendah Sedang Tinggi Jangka waktu Skor Cibil Panjang Besar Sedang Kecil Sangat Panjang Besar Sedang Kecil Sangat Panjang Kecil Sedang Kecil Pendek Besar Sangat Panjang Kecil Sangat Panjang Besar Sedang Kecil Pendek Besar Sangat Panjang Besar Sangat Panjang Kecil Panjang Besar Sedang Kecil Sedang Besar Pendek Besar Panjang Besar Panjang Kecil Panjang Besar Panjang Kecil Sangat Panjang Besar Sangat Panjang Kecil Pendek Besar Sangat Panjang Kecil Sangat Panjang Besar Panjang Besar Pendek Besar Sedang Kecil Sedang Besar Nilai Aset Perumahan Kecil Kecil Kecil Besar Besar Kecil Besar Besar Kecil Kecil Kecil Besar Kecil Kecil Kecil Kecil Kecil Kecil Besar Kecil Kecil Kecil Besar Kecil Kecil Kecil Kecil Kecil Kecil Besar Nilai Aset Komersial Nilai Aset Bank Besar Besar Kecil Kecil Kecil Besar Kecil Besar Sedang Kecil Sedang Kecil Sedang Kecil Kecil Kecil Kecil Kecil Kecil Kecil Kecil Kecil Kecil Kecil Sedang Kecil Besar Kecil Kecil Kecil Kecil Kecil Kecil Kecil Kecil Kecil Kecil Besar Kecil Kecil Kecil Kecil Sedang Kecil Kecil Besar Kecil Kecil Sedang Kecil Kecil Kecil Sedang Kecil Kecil Kecil Sedang Besar Sedang Besar Status Pinjaman Approved Rejected Rejected Rejected Rejected Rejected Approved Rejected Approved Rejected Approved Rejected Rejected Approved Rejected Approved Approved Approved Rejected Approved Rejected Rejected Rejected Approved Rejected Rejected Approved Approved Rejected Approved Perhitungan Node 1 Entropy Total Data Node 1 Entropy (S) = - .
* log2 .
- .
* log2 .
= 0.
Atribut Tanggungan Entropy A Kategori Sedikit Entropy (Tanggungan = Sediki.
= - .
* log2 .
- .
* log2 .
= 0.
A Kategori Lumayan Entropy (Tanggungan = Lumaya.
= .
* log2 .
- .
* log2 .
= 0.
Halaman 285 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
2 (Oktober 2.
A Kategori Banyak Entropy (Tanggungan = Banya.
= - .
* log2 .
- .
* log2 .
= Gain Gain (S.
Tanggunga.
= Entropy (S) - [.
* Entropy (Tanggungan = Sediki.
* Entropy (Tanggungan = Lumaya.
* Entropy (Tanggungan = Banya.
] = 0.
Atribut atau Variabel Pendidikan Entropy A Kategori Not Graduate Entropy (Pendidikan = Not Graduat.
= .
* log2 .
- .
* log2 .
= 0.
A Kategori Graduate Entropy (Pendidikan = Graduat.
= .
* log2 .
- .
* log2 .
= 0.
Gain Gain (S.
Pendidika.
= Entropy (S) - [.
* Entropy (Pendidikan = Not Graduat.
* Entropy (Pendidikan = Graduat.
] = 0.
Atribut atau Variabel Wiraswasta Entropy A Kategori No Entropy (Wiraswasta = N.
= - .
* log2 .
- .
* log2 .
= A Kategori Yes Entropy (Wiraswasta = Ye.
= - .
* log2 .
- .
* log2 .
= 1 Gain Gain (S.
Wiraswast.
= Entropy (S) - [.
* Entropy (Wiraswasta = N.
* Entropy (Wiraswasta = Ye.
] = 0.
Atribut atau Variabel Pendapatan Tahunan Entropy A Kategori Rendah Entropy (Pendapatan Tahunan = Renda.
= - .
* log2 .
- .
* log2 .
= 1.
A Kategori Tinggi Entropy (Pendapatan Tahunan = Tingg.
= - .
* log2 .
- .
* log2 .
= 0.
Gain Gain (S.
Pendapatan Tahuna.
= Entropy (S) [.
* Entropy (Pendapatan Tahunan = Renda.
* Entropy (Pendapatan Tahunan = Tingg.
] = 0.
Atribut atau Variabel Nilai Aset Kekayaan Entropy A Kategori Rendah ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
Entropy (Nilai Aset Kekayaan = Renda.
= - .
* log2 .
- .
* log2
= 1
Kategori Sedang Entropy (Nilai Aset Kekayaan = Sedan.
= - .
* log2 .
- .
* log2 .
= 1.
Kategori Tinggi Entropy (Nilai Aset Kekayaan = Tingg.
= - .
* log2 .
- .
* log2 .
= Gain Gain (S.
Nilai Aset Kekayaa.
= Entropy (S) [.
* Entropy (Nilai Aset Kekayaan = Renda.
* Entropy (Nilai Aset Kekayaan = Sedan.
* Entropy (Nilai Aset Kekayaan = Tingg.
] = 0.
Atribut atau Variabel Jumlah Pinjaman Entropy A Kategori Rendah Entropy (Jumlah Pinjaman = Renda.
= .
* log2 .
- .
* log2 .
= 0.
A Kategori Sedang Entropy (Jumlah Pinjaman = Sedan.
= .
* log2 .
- .
* log2 .
= A Kategori Tinggi Entropy (Jumlah Pinjaman = Tingg.
= .
* log2 .
- .
* log2 .
Gain Gain (S.
Jumlah Pinjama.
= Entropy (S) [.
* Entropy (Jumlah Pinjaman = Renda.
* Entropy (Jumlah Pinjaman = Sedan.
* Entropy (Jumlah Pinjaman = Tingg.
] = 0.
Atribut atau Variabel Jangka Waktu Entropy A Kategori Pendek Entropy (Jangka Waktu = Pende.
= - .
* log2 .
- .
* log2 .
= 0 A Kategori Sedang Entropy (Jangka Waktu = Sedan.
= - .
* log2 .
- .
* log2 .
= 0.
A Kategori Panjang Entropy (Jangka Waktu = Panjan.
= .
* log2 .
- .
* log2 .
= A Kategori Sangat Panjang Entropy (Jangka Waktu = Sangat Panjan.
= - .
* log2 .
- .
* log2 .
= 0.
Gain Gain (S.
Jangka Wakt.
= Entropy (S) - [.
* Entropy (Jangka Waktu = Pende.
* Entropy (Jangka Waktu = Sedan.
* Halaman 286 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
2 (Oktober 2.
Entropy (Jangka Waktu = Panjan.
* Entropy (Jangka Waktu = Sangat Panjan.
] = A Atribut atau Variabel Skor Cibil Entropy A Kategori Kecil Entropy (Skor Cibil = Keci.
= - .
* log2 .
- .
* log2 .
= 0 A Kategori Besar Entropy (Skor Cibil = Besa.
= - .
* log2 .
- .
* log2 .
= Gain Gain (S.
Skor Cibi.
= Entropy (S) - [.
* Entropy (Skor Cibil = Keci.
* Entropy (Skor Cibil = Besa.
] = 0.
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
Entropy (Nilai Aset Bank = Keci.
= .
* log2 .
- .
* log2 .
= 0.
Kategori Besar Entropy (Nilai Aset Bank = Besa.
= .
* log2 .
- .
* log2 .
= Gain Gain (S.
Nilai Aset Ban.
= Entropy (S) [.
* Entropy (Nilai Aset Bank = Keci.
* Entropy (Nilai Aset Bank = Besa.
] = Tabel 13.
Nilai entropy dan gain pada Node 1 Atribut atau Variabel Nilai Aset Perumahan Entropy A Kategori Kecil Entropy (Nilai Aset Perumahan = Keci.
= - .
* log2 .
- .
* log2
= 1
A Kategori Besar Entropy (Nilai Aset Perumahan = Besa.
= - .
* log2 .
- .
* log2 .
= Gain Gain (S.
Nilai Aset Perumaha.
= Entropy (S) [.
* Entropy (Nilai Aset Perumahan = Keci.
* Entropy (Nilai Aset Perumahan = Besa.
] = 0.
Atribut atau Variabel Nilai Aset Komersial Entropy A Kategori Kecil Entropy (Nilai Aset Komersial = Keci.
= - .
* log2 .
- .
* log2 .
= 0.
A Kategori Sedang Entropy (Nilai Aset Komersial = Sedan.
= - .
* log2 .
- .
* log2 .
= A Kategori Besar Entropy (Nilai Aset Komersial = Besa.
= - .
* log2 .
- .
* log2 .
= 0 Gain Gain (S.
Nilai Aset Komersia.
= Entropy (S) [.
* Entropy (Nilai Aset Komersial = Keci.
* Entropy (Nilai Aset Komersial = Sedan.
* Entropy (Nilai Aset Komersial = Besa.
] = 0.
Atribut atau Variabel Nilai Aset Bank Entropy A Kategori Kecil Pada Tabel 13 dapat dilihat bahwa skor cibil menjadi faktor pertama dalam pengambilan keputusan pemberian atau penolakan terhadap pinjaman yang diajukan karena gain yang dimiliki oleh atribut skor cibil merupakan jumlah yang terbesar dibandingkan dari atribut lainnya.
Dari atribut skor cibil dapat dilihat bahwa jika skor cibil nasabah yang mengajukan pinjaman di atas 500 hingga 1000 atau kategori besar akan diterima sedangkan yang memiliki skor cibil 0 hingga 500 atau kategori kecil akan dipertimbangkan lagi menggunakan atribut lainnya.
Hasil perhitungan ini kemudian ditampilkan dalam bentuk pohon Halaman 287 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
2 (Oktober 2.
Gain Gain (S.
Pendidika.
= Entropy (S) - [.
* Entropy (Pendidikan = Not Graduat.
* Entropy (Pendidikan = Graduat.
] = 0.
Skor Cibil Besar Menerima Kecil Gambar 1.
Decision tree pada Node 1 Node 1.
Tabel 14.
Data perhitungan atribut Node 1.
Tanggungan Pendidikan Wiraswasta Pendapatan Tahunan Lumayan Graduate Tinggi Lumayan Graduate Tinggi Banyak Graduate Tinggi Sedikit Graduate Yes Rendah Banyak Graduate Yes Rendah Lumayan Not Graduate Yes Tinggi Lumayan Graduate Yes Tinggi Banyak Not Graduate Rendah Lumayan Graduate Yes Rendah Banyak Not Graduate Yes Rendah Banyak Graduate Tinggi Banyak Graduate Tinggi Sedikit Not Graduate Yes Rendah Banyak Not Graduate Rendah Banyak Graduate Tinggi Banyak Not Graduate Yes Rendah Lumayan Not Graduate Yes Tinggi ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
Atribut atau Variabel Wiraswasta Entropy A Kategori No Entropy (Wiraswasta = N.
= - .
* log2 .
- .
* log2 .
= 0.
A Kategori Yes Entropy (Wiraswasta = Ye.
= - .
* log2 .
- .
* log2 .
= 0.
Gain Gain (S.
Wiraswast.
= Entropy (S) - [.
* Entropy (Wiraswasta = N.
* Entropy (Wiraswasta = Ye.
] = 0.
Nilai Aset Kekayaan Jumlah Pinjaman Jangka waktu Nilai Aset Perumahan Nilai Aset Komersial Nilai Aset Bank Status Pinjaman Sedang Tinggi Panjang Kecil Besar Besar Approved Tinggi Tinggi Sangat Panjang Kecil Kecil Besar Rejected Tinggi Tinggi Pendek Besar Sedang Kecil Approved Rendah Rendah Sangat Panjang Kecil Kecil Kecil Approved Rendah Rendah Pendek Kecil Kecil Kecil Approved Sedang Sedang Sangat Panjang Besar Kecil Kecil Rejected Sedang Tinggi Panjang Kecil Besar Kecil Approved Sedang Rendah Sedang Kecil Kecil Kecil Approved Rendah Rendah Pendek Kecil Kecil Kecil Approved Rendah Rendah Panjang Kecil Kecil Kecil Approved Sedang Sedang Panjang Kecil Kecil Kecil Approved Sedang Sedang Sangat Panjang Kecil Sedang Kecil Rejected Rendah Rendah Pendek Kecil Kecil Kecil Approved Rendah Rendah Sangat Panjang Kecil Kecil Kecil Rejected Tinggi Tinggi Panjang Kecil Sedang Kecil Approved Rendah Rendah Pendek Kecil Kecil Kecil Approved Tinggi Tinggi Sedang Besar Sedang Besar Approved Entropy Total Data Node 1.
Entropy (S) = - .
* log2 .
- .
* log2 .
= 0.
Atribut atau Variabel Tanggungan Entropy A Kategori Sedikit Entropy (Tanggungan = Sediki.
= - .
* log2 .
- .
* log2 .
= 0 A Kategori Lumayan Entropy (Tanggungan = Lumaya.
= - .
* log2 .
- .
* log2 .
= 0.
A Kategori Banyak Entropy (Tanggungan = Banya.
= - .
* log2 .
- .
* log2 .
= 0.
Gain Gain (S.
Tanggunga.
= Entropy (S) - [.
* Entropy (Tanggungan = Sediki.
* Entropy (Tanggungan = Lumaya.
* Entropy (Tanggungan = Banya.
] = 0.
Atribut atau Variabel Pendidikan Entropy A Kategori Not Graduate Entropy (Pendidikan = Not Graduat.
= .
* log2 .
- .
* log2 .
= A Kategori Graduate Entropy (Pendidikan = Graduat.
= - .
* log2 .
- .
* log2 .
= Atribut atau Variabel Pendapatan Tahunan Entropy A Kategori Rendah Entropy (Pendapatan Tahunan = Renda.
= - .
* log2 .
- .
* log2 .
= A Kategori Tinggi Entropy (Pendapatan Tahunan = Tingg.
= .
* log2 .
- .
* log2 .
= Gain Gain (S.
Pendapatan Tahuna.
= Entropy (S) [.
* Entropy (Pendapatan Tahunan = Renda.
* Entropy (Pendapatan Tahunan = Tingg.
] = 0.
Atribut atau Variabel Nilai Aset Kekayaan Entropy A Kategori Rendah Entropy (Nilai Aset Kekayaan = Renda.
= - .
* log2 .
- .
* log2 .
= A Kategori Sedang Entropy (Nilai Aset Kekayaan = Sedan.
= .
* log2 .
- .
* log2 .
= A Kategori Tinggi Entropy (Nilai Aset Kekayaan = Tingg.
= .
* log2 .
- .
* log2 .
= Gain Gain (S.
Nilai Aset Kekayaa.
= Entropy (S) [.
* Entropy (Nilai Aset Kekayaan = Renda.
* Entropy (Nilai Aset Halaman 288 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
2 (Oktober 2.
Kekayaan = Sedan.
* Entropy (Nilai Aset Kekayaan = Tingg.
] = 0.
Atribut atau Variabel Jumlah Pinjaman Entropy A Kategori Rendah Entropy (Jumlah Pinjaman = Renda.
= .
* log2 .
- .
* log2 .
= A Kategori Sedang Entropy (Jumlah Pinjaman = Sedan.
= .
* log2 .
- .
* log2 .
= A Kategori Tinggi Entropy (Jumlah Pinjaman = Tingg.
= .
* log2 .
- .
* log2 .
= Gain Gain (S.
Jumlah Pinjama.
= Entropy (S) [.
* Entropy (Jumlah Pinjaman = Renda.
* Entropy (Jumlah Pinjaman = Sedan.
* Entropy (Jumlah Pinjaman = Tingg.
] = 0.
Atribut atau Variabel Jangka Waktu Entropy A Kategori Pendek Entropy (Jangka Waktu = Pende.
= - .
* log2 .
- .
* log2 .
= 0 A Kategori Sedang Entropy (Jangka Waktu = Sedan.
= - .
* log2 .
- .
* log2 .
= 0 A Kategori Panjang Entropy (Jangka Waktu = Panjan.
= - .
* log2 .
- .
* log2 .
= 0 A Kategori Sangat Panjang Entropy (Jangka Waktu = Sangat Panjan.
= - .
* log2 .
- .
* log2 .
= Gain Gain (S.
Jangka Wakt.
= Entropy (S) - [.
* Entropy (Jangka Waktu = Pende.
* Entropy (Jangka Waktu = Sedan.
* Entropy (Jangka Waktu = Panjan.
* Entropy (Jangka Waktu = Sangat Panjan.
] = ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
Entropy (Nilai Aset Perumahan = Keci.
= .
* log2 .
- .
* log2 .
= 0.
A Kategori Besar Entropy (Nilai Aset Perumahan = Besa.
= .
* log2 .
- .
* log2 .
= 1 Gain Gain (S.
Nilai Aset Perumaha.
= Entropy (S) [.
* Entropy (Nilai Aset Perumahan = Keci.
* Entropy (Nilai Aset Perumahan = Besa.
] = 0.
Atribut atau Variabel Nilai Aset Komersial Entropy A Kategori Kecil Entropy (Nilai Aset Komersial = Keci.
= .
* log2 .
- .
* log2 .
= A Kategori Sedang Entropy (Nilai Aset Komersial = Sedan.
= - .
* log2 .
- .
* log2 .
= A Kategori Besar Entropy (Nilai Aset Komersial = Besa.
= .
* log2 .
- .
* log2 .
= 0 Gain Gain (S.
Nilai Aset Komersia.
= Entropy (S) [.
* Entropy (Nilai Aset Komersial = Keci.
* Entropy (Nilai Aset Komersial = Sedan.
* Entropy (Nilai Aset Komersial = Besa.
] = 0.
Atribut atau Variabel Nilai Aset Bank Entropy A Kategori Kecil Entropy (Nilai Aset Bank = Keci.
= .
* log2 .
- .
* log2 .
= 0.
A Kategori Besar Entropy (Nilai Aset Bank = Besa.
= - .
* log2 .
- .
* log2 .
= 1 Gain Gain (S.
Nilai Aset Ban.
= Entropy (S) [.
* Entropy (Nilai Aset Bank = Keci.
* Entropy (Nilai Aset Bank = Besa.
] = Atribut atau Variabel Nilai Aset Perumahan Entropy A Kategori Kecil Halaman 289 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
2 (Oktober 2.
Tabel 15.
Entropy dan gain pada Node 1.
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
Node 1.
Tabel 16.
Data perhitungan atribut Node 1.
Tanggungan PendidikanWiraswasta Pendapatan Nilai Tahunan Aset Kekayaan Jumlah Pinjaman Jangka waktu Nilai Aset Perumahan Nilai Aset Komersial Nilai Aset Bank Status Pinjaman Sedikit Graduate Yes Rendah Rendah RendahSangat Panjang Kecil Kecil Kecil Approved Banyak Not Graduate No Rendah Rendah RendahSangat Panjang Kecil Kecil Kecil Rejected LumayanNot Graduate Yes Tinggi Sedang SedangSangat PanjangBesar Kecil Kecil Rejected Banyak Graduate Tinggi Sedang SedangSangat Panjang Kecil Sedang Kecil Rejected Lumayan Graduate Tinggi Tinggi TinggiSangat Panjang Kecil Kecil Besar Rejected Entropy Total Data Node 1.
Entropy (S) = - .
* log2 .
- .
* log2 .
= 0.
Pada Tabel 15 dapat dilihat bahwa jangka waktu menjadi atribut yang menjadi faktor kedua dalam pengambilan keputusan pemberian atau penolakan terhadap pinjaman yang diajukan setelah skor cibil karena gain yang dimiliki oleh atribut jangka waktu merupakan jumlah yang terbesar dibandingkan dari atribut lainnya dengan data skor cibil kategori kecil yang memiliki kasus sebanyak 17 dengan 13 diterima dan 4 ditolak.
Dari atribut jangka waktu dapat dilihat bahwa jika jangka waktu dari nasabah yang mengajukan pinjaman memiliki jangka waktu 1 hingga 5 tahun atau kategori pendek akan diterima, jangka waktu 6 hingga 10 tahun atau kategori sedang akan diterima, jangka waktu 11 hingga 15 tahun atau kategori panjang akan diterima dan jangka waktu 16 hingga 20 tahun atau kategori sangat panjang akan dipertimbangkan lagi menggunakan atribut lainnya.
Hasil perhitungan ini kemudian ditampilkan dalam bentuk pohon keputusan.
Skor Cibil Kecil Besar Jangka Waktu Menerima Pendek Menerima Sedang Menerima Panjang Sangat Panjang Menerima Gambar 2.
Decision tree pada Node 1.
Atribut atau Variabel Tanggungan Entropy A Kategori Sedikit Entropy (Tanggungan = Sediki.
= - .
* log2 .
- .
* log2 .
= 0 A Kategori Lumayan Entropy (Tanggungan = Lumaya.
= - .
* log2 .
- .
* log2 .
= 0 A Kategori Banyak Entropy (Tanggungan = Banya.
= - .
* log2 .
- .
* log2 .
= 0 Gain Gain (S.
Tanggunga.
= Entropy (S) - [.
* Entropy (Tanggungan = Sediki.
* Entropy (Tanggungan = Lumaya.
* Entropy (Tanggungan = Banya.
] = 0.
Atribut atau Variabel Pendidikan Entropy A Kategori Not Graduate Entropy (Pendidikan = Not Graduat.
= .
* log2 .
- .
* log2 .
= 0 A Kategori Graduate Entropy (Pendidikan = Graduat.
= - .
* log2 .
- .
* log2 .
= 0.
Gain Gain (S.
Pendidika.
= Entropy (S) - [.
* Entropy (Pendidikan = Not Graduat.
* Entropy (Pendidikan = Graduat.
] = 0.
Atribut atau Variabel Wiraswasta Entropy A Kategori No Entropy (Wiraswasta = N.
= - .
* log2 .
- .
* log2 .
= 0 A Kategori Yes Entropy (Wiraswasta = Ye.
= - .
* log2 .
- .
* log2 .
= 1 Gain Gain (S.
Wiraswast.
= Entropy (S) - [.
* Entropy (Wiraswasta = N.
* Entropy (Wiraswasta = Ye.
] = 0.
Halaman 290 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
2 (Oktober 2.
Atribut atau Variabel Pendapatan Tahunan Entropy A Kategori Rendah Entropy (Pendapatan Tahunan = Renda.
= - .
* log2 .
- .
* log2 .
= 1 A Kategori Tinggi Entropy (Pendapatan Tahunan = Tingg.
= .
* log2 .
- .
* log2 .
= 0 Gain Gain (S.
Pendapatan Tahuna.
= Entropy (S) [.
* Entropy (Pendapatan Tahunan = Renda.
* Entropy (Pendapatan Tahunan = Tingg.
] = 0.
Atribut atau Variabel Nilai Aset Kekayaan Entropy A Kategori Rendah Entropy (Nilai Aset Kekayaan = Renda.
= - .
* log2 .
- .
* log2 .
= 1 A Kategori Sedang Entropy (Nilai Aset Kekayaan = Sedan.
= .
* log2 .
- .
* log2 .
= 0 A Kategori Tinggi Entropy (Nilai Aset Kekayaan = Tingg.
= .
* log2 .
- .
* log2 .
= 0 Gain Gain (S.
Nilai Aset Kekayaa.
= Entropy (S) [.
* Entropy (Nilai Aset Kekayaan = Renda.
* Entropy (Nilai Aset Kekayaan = Sedan.
* Entropy (Nilai Aset Kekayaan = Tingg.
] = 0.
Atribut atau Variabel Jumlah Pinjaman Entropy A Kategori Rendah Entropy (Jumlah Pinjaman = Renda.
= .
* log2 .
- .
* log2 .
= 1 A Kategori Sedang Entropy (Jumlah Pinjaman = Sedan.
= .
* log2 .
- .
* log2 .
= 0 A Kategori Tinggi Entropy (Jumlah Pinjaman = Tingg.
= .
* log2 .
- .
* log2 .
= 0 Gain Gain (S.
Jumlah Pinjama.
= Entropy (S) [.
* Entropy (Jumlah Pinjaman = Renda.
* Entropy (Jumlah Pinjaman = Sedan.
* Entropy (Jumlah Pinjaman = Tingg.
] = ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
A Kategori Kecil Entropy (Nilai Aset Perumahan = Keci.
= .
* log2 .
- .
* log2 .
= A Kategori Besar Entropy (Nilai Aset Perumahan = Besa.
= .
* log2 .
- .
* log2 .
= 0 Gain Gain (S.
Nilai Aset Perumaha.
= Entropy (S) [.
* Entropy (Nilai Aset Perumahan = Keci.
* Entropy (Nilai Aset Perumahan = Besa.
] = 0.
Atribut atau Variabel Nilai Aset Komersial Entropy A Kategori Kecil Entropy (Nilai Aset Komersial = Keci.
= .
* log2 .
- .
* log2 .
= A Kategori Sedang Entropy (Nilai Aset Komersial = Sedan.
= - .
* log2 .
- .
* log2 .
= 0 A Kategori Besar Entropy (Nilai Aset Komersial = Besa.
= .
* log2 .
- .
* log2 .
= undefined .
arena tidak ada kasu.
Gain Gain (S.
Nilai Aset Komersia.
= Entropy (S) [.
* Entropy (Nilai Aset Komersial = Keci.
* Entropy (Nilai Aset Komersial = Sedan.
] = 0.
Atribut atau Variabel Nilai Aset Bank Entropy A Kategori Kecil Entropy (Nilai Aset Bank = Keci.
= - .
* log2 .
- .
* log2 .
= 0.
A Kategori Besar Entropy (Nilai Aset Bank = Besa.
= - .
* log2 .
- .
* log2 .
= 0 Gain Gain (S.
Nilai Aset Ban.
= Entropy (S) - [.
* Entropy (Nilai Aset Bank = Keci.
* Entropy (Nilai Aset Bank = Besa.
] = 0.
Atribut atau Variabel Nilai Aset Perumahan Entropy Halaman 291 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
2 (Oktober 2.
Table 17.
Entropy dan gain pada Node 1.
Pada Tabel 17 dilihat bahwa tanggungan menjadi atribut yang menjadi faktor ketiga dalam pengambilan keputusan pemberian atau penolakan terhadap pinjaman yang diajukan setelah skor cibil dan jangka waktu karena gain yang dimiliki oleh atribut tanggungan merupakan jumlah yang terbesar dibandingkan dari atribut lainnya dengan data jangka waktu kategori sangat panjang yang memiliki kasus sebanyak 5 dengan 1 diterima dan 4 ditolak.
Dari atribut tanggungan dapat dilihat bahwa jika tanggungan dari nasabah yang mengajukan pinjaman tidak ada hingga 1 orang yang ditanggung atau kategori sedikit akan diterima sedangkan kategori lainnya yang memiliki tanggungan 2 hingga 3 atau kategori lumayan dan tanggungan 4 hingga 5 atau kategori banyak akan Hasil perhitungan ini kemudian ditampilkan dalam bentuk pohon keputusan.
Skor Cibil Kecil Besar Jangka Waktu Menerima Pendek Menerima Sedang Menerima Panjang Sangat Panjang Tanggungan Menerima Pendek Menerima Sedang Tidak Menerima Panjang Tidak Menerima Gambar 3.
Pohon Keputusan pada Node 1.
KESIMPULAN
Hasil penelitian menunjukkan bahwa skor cibil adalah faktor paling berpengaruh dalam keputusan pemberian pinjaman.
Skor cibil yang tinggi .
ategori ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
akan langsung disetujui, sedangkan skor cibil yang rendah .
ategori keci.
akan memerlukan pertimbangan lebih lanjut berdasarkan jangka waktu Jangka waktu pinjaman yang pendek, sedang, atau panjang cenderung disetujui.
Namun, jangka waktu yang sangat panjang akan dipertimbangkan lebih lanjut berdasarkan jumlah tanggungan pemohon.
Pemohon dengan sedikit tanggungan akan disetujui, sementara pemohon dengan banyak tanggungan cenderung ditolak.
Untuk meningkatkan kualitas dan relevansi penelitian ini, disarankan untuk menggunakan dataset mempertimbangkan atribut lain yang mungkin berpengaruh, seperti riwayat pembayaran dan tujuan Selain itu, membandingkan kinerja algoritma J48 dengan algoritma lain dan menerapkan model pada data baru dapat memberikan pemahaman yang lebih komprehensif tentang proses pengambilan keputusan pemberian pinjaman.
Dengan demikian, penelitian ini dapat menjadi masukan maupun referensi untuk industri keuangan dan pihak-pihak terkait.
DAFTAR PUSTAKA